河北省县域农业发展水平的空间差异分析

摘要：以河北省136个县级区域为研究对象，通过选取对农业发展具有较大影响的8个指标，利用因子分析和ESDA方法，对该136个县市的农业发展水平进行了分析。结果表明，针对原始指标提取的公因子具有较大的贡献率；各个县市的农业发展水平在空间分布上具有较强的相关性；部分县市农业发展水平在空间分布上集聚效应显著，但在省域范围内分布不均衡。

关键词：县域；因子分析；农业发展水平；空间差异；ESDA；河北省

中图分类号：F205 文献标识码：A 文章编号：0439-8114（2014）02-0474-04

Spatial Difference Analyses of the Agricultural Development Level of Various Counties in Hebei Province

CUI Yong-fu，TAO Pei-jun

（Agricultural University of Hebei， Baoding 071000， Hebei， China）

Abstract：By choosing 8 indicators having great impact on agricultural development of 136 counties in Hebei province， the agricultural development level of 136 counties was analyzed with factor analysis and ESDA methods. The results showed that the common factor extracted from original indicators had a greater contribution rate. The agricultural development level of various counties had a strong correlation in the spatial distribution. The agricultural development level in some counties had significant impact on the combined effect of the spatial distribution， but was unevenly distributed within the provincial regions.

Key words： county； factor analysis； agricultural development level； spatial difference； ESDA； Hebei province

经济指标空间分布的差异问题已成为社会经济研究中的一个热点，而区域农业发展水平的差异亦引起了国内外学者的广泛关注[1]。然而传统农业发展水平差异的度量方法，大多通过统计模型对指标进行加权评判来进行，因其缺乏空间视角，难以真实反映区域农业发展水平空间差异的变化与机制。相关研究表明，区域农业发展空间差异具有普遍性，空间的影响尤其是空间自相关和空间异质性必须在研究不同尺度的区域农业发展差异问题时加以考虑[2]。

1 研究区域、数据来源与研究方法

1.1 研究区域

1.2 数据来源

为分析河北省县域农业发展水平的空间差异，本研究图件数据选取1∶10 000河北省基础地理数据，空间分析尺度为河北省108个县、 22个县级市和6个自治县共136个含有农业统计数据的县级行政区域。由于所研究的对象是河北省县级区域，而地市所辖区因不含或所含研究指标难以获取，故不包含在研究区域内，而且由于北京和天津隔断了河北部分县（市）的空间连接，造成分析区域存在“岛”或者“空洞”的现象，为减少由于其存在而产生的误差，故不采取判断是否邻接的办法来构造空间权重矩阵，而选择基于距离规则来建立空间权重矩阵，即先获取每个空间单元与其他各空间单元欧氏距离中的最小值，再选择这些距离最小值中的最大者定为最小距离，该规则可保证在此最小距离内每个空间单元至少有一个值相邻的空间单元。数据资料来自《河北统计年鉴（2012）》和《河北农村统计年鉴（2012）》，依据“代表性、可获取性、客观性、可比性”的原则选取指标变量，见表1。

1.3 研究方法

1.3.1 因子分析法 在实际工作中，收集的变量间会存在较强相关关系的情况，直接利用分析会使模型很复杂，而且还会带来多重共线性问题，主成分分析提供了解决的办法[3]。其实质就是将初始变量整合成少数几个相互无关的主成分变量，新变量包含了原始变量的绝大部分信息。而因子分析在一定程度上可被视作是主成分分析的深化和拓展，对相关问题的研究更为透彻[4]。其原理是将具有一定相关关系的多个变量综合为数量较少的几个因子，研究一组具有错综复杂关系的实测指标是如何受少数几个内在的独立因子所支配的，所以其是多元分析中处理降维问题的统计分析方法。

1.3.2 ESDA分析方法 采用ESDA（Exploratory spatial data analysis，探索性空间数据分析）方法，从空间相互作用角度，通过对空间自相关分析来揭示县域农业发展水平的空间依赖性和空间异质性，以此来探讨县域农业发展水平的空间分布特征。ESDA是一系列空间数据分析方法和技术的集合，以空间关联测度为核心，通过对事物或现象空间分布格局的描述与可视化，发现整体趋势和个别异常，揭示研究对象之间的空间相互作用机制。进行分析前先分析各研究变量是否属正态分布，否则要进行正态变换，以满足空间自相关研究的前提条件。分析过程利用Luc Anselin设计的OpenGeoDa软件获取空间权重矩阵，全局Moran’s I统计量（全局空间自相关空间计量模型，结果需进行Z显著性检验）和Global Lisa分析 （局部空间自相关计量模型）来衡量全局和局部空间自相关。

全局空间自相关空间计量模型：

2 河北省县域农业发展水平的因子分析过程

2.2 公共因子的贡献率

公共因子的贡献率反映了每个公因子包含原指标的信息量度，累积贡献率表示相应几个公共因子累计反映原指标的信息量[5]。由表3可知，前两个因子的累计贡献率达到74.793%，可以满足解释因子分析用变量子集来解释整个问题的要求。所以，选取的8个变量可以用2个主因子来解释。第一因子在第一产业总产值、农村居民人均纯收入、农林牧渔业总产值、乡村从业人员数量、化肥使用量（NPK折纯量）和有效灌溉面积这些指标上的载荷较大；第二因子在农机总动力和农业技术人员数量这两个指标上的载荷较大。

2.3 公因子的提取

3 河北省县域农业发展水平的空间聚类及空间差异分析

3.1 空间聚类分析

空间聚类作为聚类分析的一个研究方向，是指将空间数据集中的对象分成由相似对象组成的类，同类中的对象间具有较高的相似度，而不同类中的对象间差异较大。聚类依据的数据取自因子分析中的县域农业发展水平的评价结果，由图1可知，冀东平原区、太行山山前平原和黑龙港流域的大部分县属于高度农业发展水平区；冀西北大部分县属于低度农业发展水平区；冀北承德的大部分县和其他地区零星分布县市则属于中度农业发展水平区。

3.2 全局空间关联性分析

全局的空间关联性分析一般侧重于研究区域空间对象某一属性取值的空间分布状态。由于全局空间自相关检验要求变量满足正态分布，在因子分析中已经用Spss19.0软件利用单样本K-S检验对县域农业发展水平进行正态分布检验（表5），渐进显著性（双侧）水平为0.068，大于0.05，所以以136个县级单位为研究对象的农业发展水平符合正态分布。利用ESDA分析方法中的式（1）原理计算河北省县域农业发展水平的空间相关系数Moran’s I、标准化统计量Z值和平均值等（表6）。

由表6可知，河北省县域农业发展水平在空间分布上具有较强的全局空间自相关性，且在P

3.3 局部空间关联性分析（LISA）

全局 Moran’s I统计量反映了河北省县域农业发展水平的空间自相关的整体情况，但却掩盖了内部空间格局的动态特征，亦不能反映单个空间区域单元的具体分布情况。所以采用局域空间关联性分析（Cluster Lisa，图3）来判断县域农业发展水平的空间聚集情况，从而弥补全局空间关联性分析的不足。Cluster Lisa图运用GIS技术显示了基于某一指标的空间集聚情况，一般分为Not Significant区、High-High区、Low-Low区、Low-High区和High-Low区共5种分布状态。Not Significant区为空间集聚不明显的区域；High-High区或Low-Low区代表该地区与周边地区存在相似性，农业发展均衡，但存在高-高集聚状态或低-低集聚状态；Low-High区和High-Low区则反映了该区域与周围区域存在极化效应，区域农业发展不均衡。

由图2可知，在0.01的显著性水平上，乐亭县、滦南县、昌黎县、赤城县、沽源县、张北县、万全县、怀安县、宣化县、蔚县、涞源县、新乐市、无极县和晋州市共14个县市存在明显的集聚效应，在0.05的显著性水平上则有唐海县、滦县、卢龙县、崇礼县、尚义县、涿鹿县、平山县、栾城县、藁城市、深泽县、赞皇县、临城县、邯郸县和盐山县存在空间集聚效应。由图3可以看出，乐亭县、滦南县、昌黎县、滦县、卢龙县属High-High集聚区，另一个High-High集聚区包括藁城市、新乐市、无极县、栾城县和晋州市，2个农业集聚区分别代表了冀东和冀中南的高度农业发展水平。而冀西北绝大部分县及平山县、赞皇县、临城县、盐山县则处于Low-Low区，主要因为其均处于农业生产条件较差地区。邯郸县、深泽县和唐海县处于Low-High区，因其自身生产条件限制，未能融入周边县市的高度农业发展圈。High-Low区未有县市，也充分说明了农业发展水平对农业生产条件的依赖。

4 结论与讨论

4.1 结论

运用因子分析找到了能代表原始数据的2个公因子，并据此计算了河北省县域农业发展水平。聚类分析的结果显示了河北省县域农业发展水平的分布格局，说明农业发展水平深受农业生产条件的制约。全局空间关联性分析则表明河北省县域农业发展水平存在着较强的空间相关性。局部空间关联性分析的结果表明河北省县域农业发展水平存在空间集群现象，High-High区有一定的辐射带动作用，但就其数量、分布和作用范围来讲仍显不足，而Low-High区中的不均衡性也很明显。所以在省市级层面的农业发展政策制定上，应依托 “农业科技特派员”、“专家大院”等制度安排，在省地市域范围内建设更多的农业发展“极点”和“极线”，以点成线，促线带面，促进农业低值区的发展，最终实现农业的均衡化和快速化发展。

4.2 讨论

县域农业发展水平受多重因素的影响，本研究选取的指标针对前人的研究成果进行了部分修正，但由于数据不易获取的原因，因子分析中变量的综合代表性还有待进一步探讨，总体公因子贡献率稍偏低。以后的研究中需要获取更多的数据指标，通过对不同变量赋予相应权重，同时在空间单元上尽量融入市辖区及北京、天津区县的数据，可能对于河北省县域发展水平的综合评价会更为科学。

参考文献：

[1] 薛艳飞，颜毓洁.基于因子分析的陕西省现代农业发展水平研究[J].湖北农业科学，2011，50（23）：4993-4995.

[2] 徐贻军，任木荣.湖南现代农业发展水平评价[J].经济地理，2009， 29（7）：1166-1170.

[3] 杨维忠，张 甜.spss统计分析与行业应用[M].北京：清华大学出版社，2011.169-177.

[4] 李树明，徐卫涛.我国现代农业发展水平测度及其制约因素研究[J].求索，2010（7）：5-7.

[5] 连 健，李小娟，宫辉力，等.基于ESDA的北京市乡镇农业经济空间特性分析[J].2010，29（1）：130-132.