山东省县域粮食生产格局演变及其影响因素

李明杰，王国刚，张红日

（1. 山东科技大学测绘科学与工程学院，山东 青岛 266590；2. 中国农业科学院农业经济与发展研究所，北京 100081）

粮食安全是全球性的难题[1-2]。自20世纪70年代初席卷全球的粮食危机以来，粮食安全问题备受瞩目。我国自古就有“国以民为本，民以食为天，食以粮为源”的说法。近年来，随着我国社会经济的快速发展以及工业化、城镇化的逐步推进，耕地“非农化”和农业生产“非粮化”现象愈加显著[3]，同时由于居民生活水平的普遍提升，饮食结构的变化客观上加大了对粮食的需求数量[4-5]。我国作为一个拥有超过13.8亿人口的大国，来自人口数量的压力直接作用在粮食生产上[6]，粮食安全对于中国无疑有更为特殊的意义，“谁来养活中国”一度成为全球舆论的焦点[7-8]。作为世界人口最多的国家，饭碗必须要牢牢端在自己手里，确保国家粮食安全是治国安邦的头等大事。解决中国粮食安全问题必须立足国内，在提高粮食生产综合能力的同时，力求维持较高的自给率[9]，并保持区域粮食的供需平衡。然而，大量研究发现，中国区域粮食自给率存在明显的失衡现象[9]，与之相伴的是，区域粮食生产格局快速变化。而粮食生产格局关系着资源的配置与效率，对粮食的生产成本有很大影响，这也将影响到粮食的产销空间格局以及与粮食加工等相关工业的布局。农业供给的结构性改革新时期，深入分析粮食生产的时空动态及其驱动力，对制定区域粮食安全的宏观政策、因地制宜的发展粮食生产具有直接的指导意义[10-11]，为保障粮食安全提供较为科学的依据[11]。

在这种粮食供需关系紧张的背景下，关于粮食的变化已成为学术界研究的热点问题。近年来，国内外学者对中国粮食生产[12]、粮食安全[13]、人均粮食占有量[14]的时空演变及其驱动力等方面进行了大量的研究[15]。但现有研究大多集中于全国[12]、地区[16-17]、流域[18]等较大空间尺度，研究方法包括因子分析、聚类分析、灰色关联动态分析等方法，县域尺度相关研究较少。驱动力分析方面，更多地基于耕地变化[19]、播种面积变化[20]、人类利用活动[21]等单方面影响因素的研究，忽视了粮食生产是多方面因素共同作用的结果。

山东省耕地资源较为丰富、农业发展类型多样，是我国传统农区的典型代表。2002—2015年粮食生产 “十三连增”，生产了约占全国7.6%的粮食，肩负着保障国家粮食安全的重任。 然而，快速工业化、城镇化过程深刻地改变着山东省的粮食生产格局。为此，本文运用探索性空间数据分析、重心模型和多元回归模型等方法，探讨山东省县域粮食生产的时空格局演变特征，揭示其动态演化的驱动力，对于提高山东省粮食的综合生产能力、有效的保障国家粮食安全具有重要现实意义，以期为科学指导山东省县域粮食生产及空间布局优化提供决策参考。

1 研究方法

1.1 数据来源

本文以2015年为基准对山东省县域行政区划单元进行修正，将各地级市辖区进行归并，最终共获取136个县（市、区）单元。本研究所需的粮食产量数据（1995—2000年）来自中国经济与社会发展统计数据库，其他年份的数据来源于相应年份的《山东省统计年鉴》、《中国统计年鉴》以及各市统计年鉴。人均地区生产总值、农业机械总动力、年平均气温等12个影响因素的相关数据来源于《山东省统计年鉴》和中国经济与社会发展统计数据库。

1.2 探索性空间数据分析技术（ESDA）

探索性空间数据分析技术是一种使用数据来表示其本身的探索方法，将研究对象的空间分布状况可视化，体现事物的空间集聚模式以及其与周边事物的差异现象。该方法包括全局自相关和局部自相关分析两大类。全局自相关分析主要是从区域空间的整体上刻画区域经济活动空间分布的集群情况。Moran’s I指数是常用的自相关测度指标，其计算方法为：

式中：n为研究地区总数，Yi表示i地区的观测值，Yv表示观测值的平均值，Wij为二进制的邻近矩阵，表示空间单元间潜在的相互作用的力量。I值介于-1与1之间，I＞0表示空间自正相关，空间实体呈聚合分布；I＜0表示空间负相关，空间实体呈离散分布；I=0则表示空间实体是随机分布的。

局部自相关分析能够探究局部空间的变化性，一般用Moran’s I散点图和局部指标（Lisa）来衡量。其计算方法为：

式中：Zi和Zj是区域i和j上观测值的标准化，其中，

空间权重矩阵是对空间邻近性的定量化测度，表达了不同空间对象之间的空间关系。本文采用Geoda中邻接的Rook 权重矩阵。Rook权重矩阵表达式为：

1.3 重心迁移模型

重心模型是研究区域发展过程中要素空间变动的重要分析工具，要素重心的移动客观地反映了区域发展诸要素空间集聚及其位移规律。本文依据重心模型理论尝试构建了县域粮食产量的重心迁移模型。基本模型[22]为：

式中：Xj，Yj分别表示第j年粮食产量的区域重心坐标；Xi，Yi分别表示i县域的重心坐标；Gij表示i县域第j年的粮食产量；dm为重心迁移距离。

1.4 影响因素选取

粮食生产是多因素综合作用的结果，既受自然环境的制约，也与经济、社会条件直接相关。综合考虑资料收集与数据的可获得性，参考已有研究成果[8-9,23-24]，选取以下三种类型的变量进行分析，自然资源因素：日照对数（X1）、年降水量（X2）和年平均气温（X3）；社会经济因素：人均地区生产总值（X4）、年末总人口（X5）、农林牧渔业总产值（X6）和农村用电量（X7）；农业生产条件：有效灌溉面积（X8）、农药施用量（X9）、农用化肥施用量（X10）、农业机械总动力（X11）和地膜使用量（X12）。

1.5 计量模型

为探寻粮食生产格局变化的影响因素，本文采用多元回归模型分析粮食产量与各影响因素的关系。建模步骤为：1）运用相关分析方法筛选指标；2）基于因子分析法确定各变量的贡献率，求解主因子；3）对主因子的自变量进行多重共线性检验。如果不存在多重共线性，则采用多元线性回归模型，计量经济模型为：

式中：Y为粮食产量，C为常数，βi为第i个解释变量的系数，μ为误差项。如果存在多重共线性问题，则进入下一步；4）通过岭迹图求取参数k值，建立岭回归模型[25]。

2 结果与分析

2.1 粮食生产的时序变化特征

由图1可以看出，研究时段内，粮食总产量波动较大，由1995年的4 245万t减少到2002年的3 293万t，减少幅度达22.4%，2003年粮食产量开始恢复性增长，到2008年粮食产量达到4 261万t，恢复到1996年的水平。2002—2015年全省粮食产量实现了13连增，与2002年相比，2015年粮食产量增长了1.43倍，达到4 713万t。从对全国粮食的贡献方面看，山东省粮食产量在全国的比重整体上呈现下降趋势，由1995年的9.1%，降低到2015年的7.6%。这在一定程度上说明，山东省对国家粮食安全的贡献在不断减小。

图1 山东省粮食产量及其占全国比重Fig. 1 Variation of Grain yield in Shandong Province and its percentages in the country

2.2 粮食生产空间格局及演变

2.2.1 粮食生产动态格局变化分析 根据要素重心模型计算了1995—2015年县域粮食产量重心，并绘制重心移动轨迹（图2）。研究时段内粮食生产重心往西移动了34.7 km，可见，1995—2015年山东省西部地区粮食生产增长明显快于东部地区。

图2 1995-2015年粮食产量重心移动轨迹Fig. 2 Shift of centroid of grain yield from 1995 to 2015 in Shandong Province

进一步分析发现（表1和图3），粮食产量大于50万t的县域由1995年的27个增加到了2015年的49个，主要分布在鲁西北、西部平原区，其粮食产量占全省总产量的比重由35.31%增加至65.06%。1995—2015年，40～50万t的县域由24个减少到13个，粮食产量所占比例由23.31%减少到11.41%；30～40万t的县域数量也呈现减少的形势，由33个减少到11个，粮食产量占总产量的比例由24.98%减少到7.25%，下降趋势更加明显。与1995年相比，2015年20～30万t和10～20万t的县域数量虽然增加，但粮食产量所占比例却是下降的。由此可以看出，研究时段内山东省粮食生产呈现出空间聚集特征，逐渐向产粮大县集中，表现为“西高东低”的分布格局。

表1 1995—2015年山东省县域粮食生产分布Table 1 Distribution of grain production in Shandong Province from 1995 to 2015

图3 山东省粮食产量分布情况Fig. 3 Distribution of grain yield in Shandong Province

2.2.2 粮食生产的集聚分异特征 采用Geoda软件计算了1995—2015年县域粮食生产的全局自相关系数 Moran’s I。全局 Moran’s I估计值均为正值，从1995年的0.38增加到2015年的0.49（图4），呈现增大趋势。表明粮食生产的空间分布并非是随机的，而是呈现出正的空间相关性，存在着空间依赖性和空间集聚性，相邻的区域存在相互影响的效应。同时，随着时间的推移，这种正的空间自相关趋势不断加强。

图4 山东省粮食产量的Moran’s I变化Fig. 4 Change of Moran’s I of grain yield in Shandong Province

为更加客观的研究粮食生产水平局域空间分布状况，借助局部指标进行分析进一步验证发现，山东省县域粮食产量存在明显的地域分化现象和局部空间集聚特征（图5）。H—H集聚类型区在研究期内县域数量不断增加。1995年H—H集聚类型区主要分布在青岛、潍坊、日照和菏泽4个市的13个县域。到2015年，鲁西北地区的聊城、德州和西部地区的菏泽、济宁出现新的集聚趋势，县域数量增加到31个，该类区域位于黄淮海平原区，是全国重要的粮食主产区，光热水土资源匹配较好，农业基础设施较为完善，农用地综合生产能力较高。1995年L—L集聚类型区仅在东营、烟台和济南3个市部分县域零星分布，共11个县，2015年L—L集聚类型区县域数量增加到16个，主要集中在青岛、威海、烟台、东营和淄博地区，该类型区域社会经济发展程度普遍较高。L—H集聚类型区和H—L集聚类型区分布的县域较少，规律性不明显（表2）。

图5 山东省县域粮食产量Lisa集聚图Fig. 5 Lisa agglomeration map of county grain yield in Shandong Province

表2 山东省县域粮食产量Lisa集聚县域数量变化Table 2 Changes in the number of counties of Lisa cluster of grain yield in Shandong Province

2.3 粮食生产类型区划分

根据粮食产量变化强度指数，采用Arc Map的Natural Breaks方法将山东省粮食产量变化强度划分为减少强烈区（变化强度指数＜-56.44%）、减少平缓区（-56.44%≤变化强度指数＜-10.44%）、基本不变区（-10.44%≤变化强度指数＜38.66%）、增加缓慢区（38.66%≤变化强度指数＜85.59%）、增加强烈区（变化强度指数≥85.59%）5种类型区（图6）。结合表3可以看出，减少强烈区主要分布在烟台、青岛、淄博和济南等区域，粮食产量减少194.02万t，占减少总量的30.89%；减少平缓区县域数量所占比例最大，主要分布在山东省中部的莱芜、潍坊、枣庄、日照、临沂各市的部分县域与山东半岛的威海市和青岛市的部分县域，是引起山东省粮食产量减少的主要区域，粮食产量减少421.39万t，占减少总量的67.09%；增加平缓区对山东省粮食产量增长贡献最大，该区粮食增加538.45万t，占增加总量的48.85%，主要分布在地处黄淮海平原的菏泽、聊城、德州和滨州地区的部分县域；增加强烈区数量少，集中分布在鲁西北的聊城和德州地区。

图6 1995—2015年山东省粮食产量类型区划分Fig. 6 Divisions of grain yield types in Shandong Province from 1995 to 2015

表3 1995—2015年山东省粮食产量变化强度类型区统计Table 3 Statistics of grain production change in Shandong Province from 1995 to 2015

2.4 粮食生产格局变化影响因素分析

为探究对粮食生产格局变化的主要影响因素，结合SPSS软件的相关分析模块。首先对数据进行正态分布检验，然后采用相关分析方法判别粮食产量与各影响因素之间的关系（表4）。结果表明，X4、X5、X6、X7、X8、X9、X10、X11、X12与粮食产量（Y）呈显著地相关性（P＜0.05），X1、X2、X3与Y之间相关性较低，不能确定Y与X1、X2和X3之间的关系。原因在于山东省经纬度跨度不大，各县域气候差异未达到对粮食产量有显著影响的程度，因此可以排除年降水量（X1）、日照对数（X2）、年平均气温（X3）对山东省粮食生产格局变化的影响。

表4 粮食产量与各因素相关分析结果Table 4 Correlations between grain yield and various factors

经KMO和Bartlett球形检验，KMO统计量为0.774，Bartlett球形检验的P值为0.000，表明研究样本通过因子分析的适用性检验，根据结果，提取4个公因子，其累计方差贡献率为90.74%（表5），说明这4个公因子能够充分地解释粮食产量的变化。根据结果确定出主因子，并进行方差极大旋转，求得主因子解。

从表5可知，第一公因子与年末总人口（X5）、有效灌溉面积（X8）、农用化肥施用量（X10）、农业机械总动力（X11）有较高的相关性，代表农业基础生产条件对粮食产量的影响；第二公因子与农药施用量（X9）、地膜使用量（X12）相关，反应了外部资本投入的影响；第三公因子与农村用电量（X7）有较高的相关性，代表农民生活条件变化对于粮食生产的间接影响；第四公因子与人均地区生产总值（X4）和农林牧渔业总产值（X6）相关性较高，反映了耕地用途转换的影响作用。

由表4还可以看出，部分变量间存在较强的相关性，如X6与X11，X8与X10和X5与X10之间的相关系数分别达到0.805、0.917、0.905，存在明显的多重共线性。因此，本文采用岭回归法，通过绘制岭回归图（图7），建立回归模型，以降低多重共线性对回归结果的影响。

由图7可得，当K＜0.7时，岭回归线波动较大，各驱动因子的回归系数不稳定，逐渐的当K＞0.7时，岭回归线趋于平稳。故本文取K值为0.7，得到如下回归模型：

例（18）“能够量出外星球的大小尺寸”和例（19）“能影响地球转动”用虚拟的方式分别说明“聪明”和“伟大”的性状，但这些描述与语境中的性状还是密切相关的，因此它们的描摹性降低，同时人们通过信息推理能感知到一定的程度量。例（20）“无法想像”和例（21）“不忍直视”用否定常规的方式分别说明“低”和“丑”的性状，但仍属于一种描述，只是描摹性降低，性状的程度量有所体现。

Y=4.94×105-3.89X4+942.72X5+0.07X6-0.64X7+

2431.63X8-0.17X9+0.58X10+0.08X11+30.67X12

其中，模型的R2=0.853，P=0.000。模型的可决系数达0.853，表明所选影响因素可以解释85.3%的粮食产量（Y）的变化。回归模型结果显示，X4、X7和X9与Y呈现负相关关系，表明人均地区生产总值越高、社会经济越发达的区域，其粮食生产水平越低，主导产业以第二、三产业为主，对粮食生产排挤效应明显；农药施用量呈现负向影响，这是因为农药施用量高的区域，客观反映病虫害严重，一定程度上影响到粮食产量。农林牧渔业总产值、年末总人口、农业机械总动力、有效灌溉面积、地膜使用量、农用化肥施用量对粮食产量均呈现正向影响，这说明劳动力资源越丰富，农业生产条件与基础设施越好，粮食产量往往越高。

3 结论与建议

3.1 结论

表5 公因子及旋转后因子载荷矩阵Table 5 Total variance and rotated component matrix

研究表明，1995—2015年山东省粮食产量呈现先下降后上升的波动过程。其中，2002—2015年实现了“十三连增”，但在全国粮食生产中所占的比重却是下降的。这说明山东省粮食产量增长率低于全国均值，对国家粮食安全的贡献在不断降低。空间上，山东省县域粮食生产重心不断向西移动，形成了以西北部平原地区为核心的高—高集聚区域，以及东营、烟台、青岛和济南部分发达县域组成的低—低集聚区域。

图7 粮食产量影响因素的岭迹图Fig. 7 Ridge trace of influencing factors of grain yield

进一步分析粮食生产格局演变的影响因素发现，农业机械总动力、有效灌溉面积和年末总人口对粮食生产有着显著地正向影响，人均地区生产总值和农村用电量则表现为负向影响。结果表明，良好的农业生产基础条件和设施水平，对粮食生产有着促进作用，而社会经济水平较高的区域，农业生产比较收益较低，对粮食生产有着明显的排挤效应。

3.2 建议

1）鉴于农业生产条件对粮食产量的正向影响，建议积极稳妥地推进农业生产条件改善。进一步对接国家高标准农田建设的政策，争取国家资金支持，加大地方政府财政资金支持力度，同时通过PPP等方式吸引各方资金实施田、水、路、林综合整治，实现旱能灌、涝能排，有效改善农业生产条件。

2）推动适度规模经营。基于农业机械化水平的正向作用，建议创新土地流转机制与流转模式，采用入股、托管等方式，推动农业适度规模化发展，为农业机械化作业提供条件，同时引导、鼓励发展农机合作社等社会化服务组织，提供机耕、机播、机收、植保等各类农机作业服务，以及植保等生产性服务组织。

3）加快建立粮食主产县利益补偿机制。量化粮食生产机会成本，顶层设计补偿金额、资金发放方式，借助省对下财政转移支付制度的改革和完善机遇，解决资金来源，保障粮食主产县的粮农利益，促进主产区的经济发展，发挥各自区域的比较优势。

参考文献：

[2] Joachim V B. The world food situation: New driving forces and required actions[R]. IFPRI: Food Policy Report No. 18, 2007.

[3] Chen J. Rapid urbanization in China: A real challenge to soil protection and food security[J]. Catena, 2007, 69(1): 1-15.

[4] 封志明, 史登峰. 近20年来中国食物消费变化与膳食营养状况评价[J]. 资源科学, 2006, 28(1): 2-8.Feng Z M, Shi D F. Chinese food consumption and nourishment in the latest 20 years[J]. Resources Science, 2006, 28(1): 2-8.

[5] 韩俊. 14亿人的粮食安全战略[M]. 海口: 学习出版社、海南出版社, 2012.Han J. Food Security Strategy for 1.4 Billion People[M]. Haikou:Study Press and Hainan Press, 2012.

[6] 潘竟虎, 张建辉, 胡艳兴. 近20 a来甘肃省县域人均粮食占有量时空格局及其驱动力研究[J]. 自然资源学报, 2016, 31(1):124-134.Pan J H, Zhang J H, Hu Y X. Spatial-temporal pattern of per capital grain possession and its driving forces in Gansu Province[J]. Journal of Natural Resources, 2016, 31(1): 124-134.

[7] Brown L R. Who Will Feed China?[M]. New York: W. W. Norton& Company, 1995.

[8] 程叶青, 张平宇. 中国粮食生产的区域格局变化及东北商品粮基地的响应[J]. 地理科学, 2005, 25(5): 513-520.Cheng Y Q, Zhang P Y. Regional patterns changes of Chinese grain production and response of commodity grain base in Northeast China[J]. Scientia Geographica Sinica, 2005, 25(5):513-520.

[9] 徐志宇, 宋振伟, 邓艾兴, 等. 近30年我国主要粮食作物生产的驱动因素及空间格局变化研究[J]. 南京农业大学学报,2013, 36(1): 79-86.Xu Z Y, Song Z W, Deng A X, et al. Regional changes of production layout of main grain crops and their actuation factors during 1981-2008 in China[J]. Journal of Nanjing Agricultural University, 2013, 36(1): 79-86.

[10] 周亮, 徐建刚, 蔡北溟, 等. 淮河流域粮食生产与化肥消费时空变化及对水环境影响[J]. 自然资源学报, 2014, 29(6): 1053-1064.Zhou L, Xu J G, Cai B M, et al. The spatio-temporal changes of grain production and fertilizer consumption and its impact on water environment in the Huaihe river basin[J]. Journal of Natural Resources, 2014, 29(6): 1053-1064.

[11] 刘玉, 王国刚, 高秉博, 等. 中国粮食生产的区域格局变化研究——基于1998—2010年的数据实证分析[J]. 农业现代化研究, 2012, 33(6): 673-677.Liu Y, Wang G G, Gao B B, et al. Spatial-temporal analysis of grain production at different levels in China—Based on statistical data from 1998 to 2010[J]. Research of Agricultural Modernization, 2012, 33(6): 673-677.

[12] 罗万纯, 陈永福. 中国粮食生产区域格局及影响因素研究[J].农业技术经济, 2005, 11(6): 58-64.Luo W C, Chen Y F. Study on regional pattern and influencing factors of grain production in China[J]. Journal of Agrotechnical Economics, 2005, 11(6): 58-64.

[13] 徐建玲, 查婷俊. 基于城镇化视角的省域粮食安全研究——以江苏省为例[J]. 资源科学, 2014, 36(11): 2353-2360.Xu J L, Zha T J. Provincial food security from the perspective of urbanization in Jiangsu Province[J]. Resources Science, 2014,36(11): 2353-2360.

[14] 许云霖, 石培基, 李佳芳, 等. 河西走廊县域人均粮食占有量的时空演变与驱动力分析[J]. 中国农业资源与区划, 2017,38(1): 101-109.Xu Y L, Shi P J, Li J F, et al. Spatio-temporal evolvement and its driving factors of per capita grain possession at county level in Hexi corridor[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2017, 38(1): 101-109.

[15] 张利国, 陈苏. 中国人均粮食占有量时空演变及驱动因素[J].经济地理, 2015, 35(3): 171-177.Zhang L G, Chen S. Empirical analysis on spatial-temporal evolution and driving forces of per capita grain possession in China[J]. Economic Geography, 2015, 35(3): 171-177.

[16] 杜国明, 刘彦随, 刘阁. 黑龙江省近30年来粮食生产变化及增产因素分析[J]. 农业现代化研究, 2014, 35(5): 519-524.Du G M, Liu Y S, Liu G. The analysis of changes in grain production and driving factors in Heilongjiang Province recent 30 Years[J]. Research of Agricultural Modernization, 2014, 35(5):519-524.

[17] 王永平, 马赞甫. 贵州粮食产量波动的影响因素研究[J]. 农业现代化研究, 2015, 36(6): 946-953.Wang Y P, Ma Z F. Study on the influencing factors of grain output fluctuation in Guizhou[J]. Research of Agricultural Modernization, 2015, 36(6): 946-953.

[18] 洪舒蔓, 郝晋珉, 周宁, 等. 黄淮海平原耕地变化及对粮食生产格局变化的影响[J]. 农业工程学报, 2014, 30(21): 268-277.Hong S M, Hao J M, Zhou N, et al. Change of cultivated land and its impact on grain production pattern in Huang-Huai-Hai Plain[J].Transactions of the Chinese Society of Agricultural Engineering,2014, 30(21): 268-277.

[19] 徐国鑫, 金晓斌, 宋佳楠, 等. 耕地集约利用对粮食产量变化影响的定量分析—以江苏省为例[J]. 地理研究, 2012, 31(9):1621-1630.Xu G X, Jin X B, Song J N, et al. The impact of intensive use of agricultural land on grain yield: A case study of Jiangsu Province[J]. Geographical Research, 2012, 31(9): 1621-1630.

[20] 陈玉洁, 张平宇, 刘世薇, 等. 东北西部粮食生产时空格局变化及优化布局研究[J]. 地理科学, 2016, 36(9): 1397-1407.Chen Y J, Zhang P Y, Liu S W, et al. The spatio-temporal pattern change and optimum layout of grain production in the west of northeast China[J]. Scientia Geographica Sinica, 2016, 36(9):1397-1407.

[21] 张红富, 周生路, 吴绍华, 等. 江苏省粮食生产时空变化及影响因素分析[J]. 自然资源学报, 2011, 26(2): 319-327.Zhang H F, Zhou S L, Wu S H, et al. Temporal and spatial variation of grain production in Jiangsu Province and its influencing factors[J]. Journal of Natural Resources, 2011, 26(2):319-327.

[22] Wang G G, Wang M L, Wang J M, et al. Characteristics and influencing factors of grass-feeding livestock breeding in China:An economic geographical perspective[J]. Journal of Geographical Sciences, 2016, 26(4): 501-512.

[23] 杨春, 陆文聪. 中国粮食生产空间布局变迁实证分析[J]. 经济地理, 2008, 28(5): 813-816.Yang C, Lu W C. Empirical analysis of grain production spatial distribution changing in China[J]. Economic Geography, 2008,28(5): 813-816.

[24] 陆文聪, 梅燕. 中国粮食生产区域格局变化及其成因实证分析—基于空间计量经济学模型[J]. 中国农业大学学报(社会科学版), 2007, 24(3): 140-151.Lu W C, Mei Y. Empirical studies on the variation and contributing factors of regional grain production structure in China—Based on spatial econometrics models[J]. China Agricultural University Journal of Social Sciences Edition, 2007, 24(3): 140-151.

[25] 何晓群, 刘文卿. 应用回归分析(2版)[M]. 北京: 中国人民大学出版社, 2007.He X Q, Liu W Q. Applied Regression Analysis (2nd edition.)[M].Beijing: China Renmin University Press, 2007.