基于Lasso模型的农业天气敏感性与服务效益研究

2020-09-12 14:09:05 现代商贸工业 2020年30期

姜志堂 李永

摘 要:中国农业面临更为严峻的天气风险,本文结合改进的C-D生产函数和Lasso模型,选取1997-2017年中国农业主产区江苏、湖南和广西为样本数据,克服了解释变量选择的主观性、自回归性以及多重共线性问题,提升了农业天气敏感性测度的合理性,并对农业天气服务效益进行了评估。结果表明,天气敏感性程度差异明显,从高到低依次为江苏、湖南、广西,针对效益值较大的天气因素提供天气服务和研发产品,能优化提高农业总产值。研究结论为开展农业天气风险评估、监测预警及应急预案体系建设提供依据。

关键词:Lasso模型;农业总产值;天气敏感性;天气服务效益

中图分类号:TB 文献标识码:Adoi:10.19311/j.cnki.1672-3198.2020.30.066

0 引言

全球变暖导致异常天气灾害频发,中国农业正面临更为严峻的天气风险。据《中国气象公报》(2019)显示,仅2018年由于天气灾害造成的直接经济损失高达2645亿元。特别是作为一个农业大国,中国农业人口占全国总人口约70%,近年来每年农作物受灾面积高达5000万公顷,受灾人口近4亿。2019年底,习近平总书记在主持中央政治局第十九次集体学习时强调,应充分发挥中国应急管理体系特色和优势,积极推进应急管理体系和能力现代化,加强风险评估和监测预警,提升多灾种和灾害链综合监测、风险早期识别和预报预警能力。因此,在气候变化日益加剧的背景下,迫切需要对中国农业总产值受天气和气候变化的影响程度进行测度,形成预判思路与方法,为开展农业天气风险评估、监测预警及应急预案体系建设提供依据。

1 模型、方法与数据

1.1 模型与方法

1.1.1 C-D生产函数

将天气变量引入C-D生产函数,并对两端分别取对数,即:

lnQ=lnA+βLlnL+βMPlnMP+βIAlnIA+βFUlnFU+βEClnEC+βTAlnTA+βTSlnTS+βPAlnPA+βPSlnPS(1)

其中,农业劳动人数L代表劳动投入;农业机械总动力MP、有效灌溉面积IA、化肥施用量FU、农村用电量EC代表资本投入;其他要素P代表各类天气要素。

1.1.2 农业天气服务效益评估模型

农业总产值、区域特征和天气条件存在差异,通过Lasso回归筛选出天气敏感性因子,构建农业天气服务效益评估模型:

U=Y∑ni=1βi△WiWi/△YY(2)

其中,U为农业天气服务效益,Y为农业经济总产出,△Wi为第i类天气因子的增加量,△Y为农业经济总产出Y的增加量,βi为第i类天气因子的产出弹性系数,βi△WiWi/△YY为第i类天气敏感性因子对农业天气服务效益的贡献率。

1.2 样本与数据

选取中国农业主产区江苏、湖南和广西的农业相关统计样本数据。第一,农业投入-产出数据,分别选自1997-2017年三省各自《统计年鉴》,包括农业总产值Y、农业劳动人数L、农业机械总动力MP、有效灌溉面积IA、化肥施用量FU、农村用电量EC;第二,天气数据,选自中国气象科学数据共享服务网(http://data.cma.cn/),对天气数据进行重新组合和变换,天气数据包括年平均温度距平绝对值TA和标准差TS,年降水量距平绝对值PA和标准差PS。

2 Lasso回归结果与分析

2.1 实证结果与检验

由图1,整体解的变动路径反映了不同变量回归系数随调整参数λ的变化过程。选择最佳调整参数λ,输出Lasso回归系数(非零值),江苏、湖南、广西的回归结果分别为:

lnY江苏=6.3111-0.6029lnL+1.2558lnMP-1.0019lnFU+0.6956lnTS(3)

lnY湖南=-15.3722+0.1089lnL+2.5102lnMP-0.1010lnIA+1.9978lnFU-1.6009lnEC+0.0120lnTA-0.3752lnTS+0.0053lnPA-0.0655lnPS(4)

lnY广西=-6.4602+0.6313lnMP+1.8469lnFU+0.1718lnEC+0.0248lnTS(5)

2.2 农业天气敏感性分析

通过计算各天气变量载荷系数的平均值,得到三省农业天气敏感性系数值。考虑到作为收缩估计量的Lasso是一种有偏估计,图2汇报了使用Lasso进行变量筛选后对筛选出来的变量进行OLS回归的结果。

由图2,江苏与广西农业的天气敏感系数对比最为明显,体现了抵御天气风险能力的显著差异。江苏Lasso回归天气敏感系数为0.6956,OLS回归天气敏感系数为1.0173,农业对天气条件敏感程度较高,抗天气风险能力较弱;湖南Lasso回归天气敏感系数为0.4234,OLS回归天气敏感系数为0.4660,天气敏感性程度居中;广西的Lasso回归天气敏感系数仅为0.0248,OLS回归天气敏感系数为0.2182,农业应对天气风险能力较强,天气依赖程度低。

2.3 农业天气服务效益评估

根据式(2)测算三省天气敏感因子对农业天气服务效益的贡献率和农业天气服务效益值(见表1)。

由表1,受天气变化条件的综合影响,江苏、湖南和广西2017年农业天气服务效益值分别为165.89、59.99和11.73亿元。由此可见,因天气敏感系数和地区农业总产值的差异,不同类别的天气服务农业效益值各不相同。通过评估农业天气服务效益,分析农业天气服务产品与信息的应用和需求情况,针对农业天气服务效益值较大的天气因素(江苏:年平均气温标准差;湖南:年降水量标准差;广西:年平均气温标准差)提供天气服务和研發产品,能最大化的提高农业总产值。

3 结论与建议

本文基于改进的C-D函数及Lasso模型,测算了江苏、湖南和广西农业总产值对天气敏感系数,并构建农业天气服务效益评估模型,定量分析天气服务效益。结果表明,三省天气敏感性程度差异明显,农业总产值天气敏感系数大小从高到低分别为:江苏、湖南、广西;通过评估农业天气服务效益,分析农业天气服务产品与信息的应用和需求情况,针对农业天气服务效益值较大的天气因素提供天气服务和研发产品,能最大化的提高农业总产值。因此,针对中国农业应急管理体系建设及天气风险防范给出以下建议:健全农业天气风险防范化机制,强化应急管理技术支撑,提供精细化和针对性天气服务。

参考文献

[1]王冀,江志红,丁裕国,等.21世纪中国极端气温指数变化情况预估 [J ].资源科学,2008,30(7):1084-1092.

[2 ]李永,崔习刚,刘鹃,等.反距离加权法天气衍生品空间基差风险对冲效果 [J ].中国人口资源与环境,2013,23(10):160-168.

[3 ]Tibshirani R.Regression shrinkage and selection via the lasso [J ].Journal of the Royal Statal Society.Series B,1996,58(1):267-288.

[4 ]孙鉴锋,王冀,何桂梅,等.北京市行业经济产出对气象变化的敏感性分析 [J ].资源科学,2017,39(06):1212-1223.

[5 ]杨松,巩在武,李廉水,等.江苏省典型产业与气象条件变化关系研究 [J ].阅江学刊,2011,(3):84-89.