密云生态涵养区农民收入影响因素及增收路径研究

doi:10.11923/j.issn.2095-4050.cjas2021-0046

摘要/Abstract

摘要：

生态涵养区是首都生态安全的重要屏障，也是当地经济社会发展的重要基础，生态涵养区发展要处理好生态保护与经济发展的关系。以北京市生态涵养区之一的密云区为研究对象，分析2006—2018年农民收入的变化，并从农林水务支出、地区生产总值、耕地面积等角度选取指标，构建影响因素评价体系，运用因子分析和多元线性回归分析等方法，探讨各指标对农民收入的影响。结果显示，农民人均收入总体上呈上升趋势且与选取指标均存在相关关系，与农林水务支出、地区生产总值等5项呈正相关关系，与农业机械总动力等指标呈现负相关关系。研究提出强化基础设施建设、加大人力资本投资力度、大力助推产业转型升级和完善生态保护补偿机制等适应性增收策略，以促进生态涵养区生态经济协调发展。

关键词: 生态涵养区, 农民收入, 影响因素, 因子分析, 密云区

Abstract:

The Ecological Conservation Area (ECA) of Beijing is not only an important protective screen for the ecological safety of Beijing, but a significant foundation for local social-economic development. Its development requires balancing the relationship of ecological protection and economic development. Miyun District, located in the northeast of Beijing as an ECA, was taken for case study. In this study, farmers’ income data change from 2006 to 2018 was analyzed, and indicators of agroforestry water expenditure, the regional GDP, cultivated land area, etc., were selected to construct the evaluating system for correlation analysis and multiple linear regression analysis, aiming to explore the indicators’ impacts on farmers’ income. The results showed that the per capita income of farmers had an upward trend and was positively correlated with five indicators such as agroforestry water expenditure and regional GDP, and was negatively correlated with total agricultural machinery power consumption and other indicators. To promote the coordinated development of ecological economy in ecological conservation areas, the study puts forward some adaptive income increasing strategies, such as strengthening the infrastructure construction, increasing the investment in human capital, promoting industrial transformation and upgrading and improving the ecological compensation mechanism.

Key words: ecological conservation area, farmers’ income, influencing factors, factor analysis, Miyun District

中图分类号:

谢明义, 徐广才, 邵维明, 张艳芳. 密云生态涵养区农民收入影响因素及增收路径研究[J]. 农学学报, 2022, 12(10): 94-100.

XIE Mingyi, XU Guangcai, SHAO Weiming, ZHANG Yanfang. Analysis of the Influencing Factors and Increasing Paths of Farmers’ Income in Miyun Ecological Conservation Area[J]. Journal of Agriculture, 2022, 12(10): 94-100.

图/表 8

参考文献 20

[1]	CREECH T G, WILLIAMSON M A. Ecological and sociopolitical assessment of congressional and presidential designation of federal protected areas[J]. Ecological applications: a publication of the ecological society of America, 2019, 29(4):88-96.
[2]	Tang C C, WU X F, ZHENG Q Q, et al. Ecological security evaluations of the tourism industry in Ecological Conservation Development Areas: A case study of Beijing's ECDA[J]. Journal of cleaner production, 2018, 197:999-1010. doi: 10.1016/j.jclepro.2018.06.232 URL
[3]	李云燕, 黄姗, 张彪, 等. 北京市生态涵养区生态服务价值评估与生态补偿机制探讨[J]. 中国环境管理, 2019, 11(5):94-99,106.
[4]	ROY M M, CHANDRA A. Potential role of appropriate technological interventions in enhancing income of sugarcane farmers in Subtropical India[J]. Agricultural research, 2019, 8(4):531-539. doi: 10.1007/s40003-018-0387-6 URL
[5]	SATYASAI J S Kovvali. Farmers' Income: Trend and Strategies for Doubling[J]. Indian journal of agricultural economics, 2016, 71(3):397-405.
[6]	ANKE Frank, LIVIA Schäffler. Identifying Key Knowledge Gaps to Better Protect Biodiversity and Simultaneously Secure Livelihoods in a Priority Conservation Area[J]. Sustainability, 2019, 11(20):5695-5715. doi: 10.3390/su11205695 URL
[7]	李中. 生态涵养区农民增收问题研究[N]. 农民日报, 2014-11-26(003).
[8]	刘治彦. 生态涵养区怎样实现可持续发展——基于长江生态安全的渝东北区域战略[J]. 人民论坛·学术前沿, 2015(18):26-34.
[9]	汪海燕, 李志荣, 李伟伟. 北京生态涵养区农民增收长效机制研究[J]. 安徽农业科学, 2011, 39(8):4918-4921.
[10]	潘翔, 吴娜, 徐中民, 等. 精准扶贫视角下生态系统服务与多维贫困耦合协调差异:以甘肃秦巴山贫困核心区为例[J]. 生态与农村环境学报, 2020, 36(7):879-889.
[11]	肖文海, 蒋海舲. 资源富集生态功能区可持续脱贫研究——以生态价值实现为依托[J]. 江西社会科学, 2019, 39(12):53-59.
[12]	方世南. 习近平生态文明思想中的生态扶贫观研究[J]. 学习论坛, 2019(10):20-26.
[13]	查明明. 辽宁省城镇化对农民收入增长的影响研究[D]. 沈阳: 辽宁大学, 2017:12-34.
[14]	赵雪阳, 刘超, 胡宝贵. 北京市“一村一品”发展竞争力评价研究——基于因子分析法[J]. 中国农业资源与区划, 2019, 40(10):250-255.
[15]	劳伦斯·汉密尔顿. 应用STATA做统计分析(第五版)[M].郭志刚,等译. 重庆: 重庆大学出版社, 2008:276.
[16]	高铁梅. 计量经济分析方法与建模Eviews应用及实例(第二版)[M]. 北京: 清华大学出版社, 2009:471.
[17]	何晓群. 多元统计分析(第五版)[M]. 北京: 中国人民大学出版社, 2019:134.
[18]	高越, 侯在坤. 我国农村基础设施对农民收入的影响——基于中国家庭追踪调查数据[J]. 农林经济管理学报, 2019, 18(6):733-741.
[19]	陆园园. 推动首都生态涵养区绿色发展[J]. 前线, 2019(9):68-70.
[20]	张哲晰, 穆月英. 空间视角下农业产业集聚的增收效应研究——基于蔬菜专业村的实证[J]. 农业技术经济, 2018(7):19-32.

	指标	计量单位	代表符号
被解释变量	农民人均收入	元	Y
解释变量	农林水务支出	万元	S₁
	农业机械总动力	kW	S₂
	地区生产总值	万元	S₃
	耕地面积	hm²	S₄
	农村用电量	kW/h	S₅
	农村劳动力数量	万人	S₆
	农林牧渔业总产值	万元	S₇
	恩格尔系数	%	S₈
	农业人口比重	%	S₉

	指标	计量单位	代表符号
被解释变量	农民人均收入	元	Y
解释变量	农林水务支出	万元	S₁
	农业机械总动力	kW	S₂
	地区生产总值	万元	S₃
	耕地面积	hm²	S₄
	农村用电量	kW/h	S₅
	农村劳动力数量	万人	S₆
	农林牧渔业总产值	万元	S₇
	恩格尔系数	%	S₈
	农业人口比重	%	S₉

	Y	S₁	S₂	S₃	S₄	S₅	S₆	S₇	S₈	S₉
Y	1	0.992**	-0.954**	0.996**	-0.633*	0.961**	0.832**	0.275	-0.911**	-0.986**
S₁	0.992**	1	-0.921**	0.992**	-0.628*	0.956**	0.806**	0.251	-0.888**	-.978**
S₂	-0.948**	-0.921**	1	-0.946**	0.485*	-0.936**	-0.902**	-0.177	0.883**	0.928**
S₃	0.998**	0.992**	-0.946**	1	-0.615*	0.958**	0.831**	0.282	-0.892**	-0.984**
S₄	-0.598*	-0.628*	0.485*	-0.615*	1	-0.487*	-0.206	-0.715**	0.694**	0.685**
S₅	0.955**	0.956**	-0.936**	0.958**	-0.487*	1	0.901**	0.075	-0.812**	-0.910**
S₆	0.829**	0.806**	-0.902**	0.831**	-0.206	0.901**	1	-0.19	-0.664**	-0.753**
S₇	0.263	0.251	-0.177	0.282	-0.715**	0.075	-0.19	1	-0.419	-00.396
S₈	-0.898**	0-.888**	0.883**	-0.892**	0.694**	-0.812**	-0.664**	-0.419	1	0.927**
S₉	-0.984**	-0.978**	0.928**	-0.984**	0.685**	-0.910**	-0.753**	-0.396	0.927**	1

	Y	S₁	S₂	S₃	S₄	S₅	S₆	S₇	S₈	S₉
Y	1	0.992**	-0.954**	0.996**	-0.633*	0.961**	0.832**	0.275	-0.911**	-0.986**
S₁	0.992**	1	-0.921**	0.992**	-0.628*	0.956**	0.806**	0.251	-0.888**	-.978**
S₂	-0.948**	-0.921**	1	-0.946**	0.485*	-0.936**	-0.902**	-0.177	0.883**	0.928**
S₃	0.998**	0.992**	-0.946**	1	-0.615*	0.958**	0.831**	0.282	-0.892**	-0.984**
S₄	-0.598*	-0.628*	0.485*	-0.615*	1	-0.487*	-0.206	-0.715**	0.694**	0.685**
S₅	0.955**	0.956**	-0.936**	0.958**	-0.487*	1	0.901**	0.075	-0.812**	-0.910**
S₆	0.829**	0.806**	-0.902**	0.831**	-0.206	0.901**	1	-0.19	-0.664**	-0.753**
S₇	0.263	0.251	-0.177	0.282	-0.715**	0.075	-0.19	1	-0.419	-00.396
S₈	-0.898**	0-.888**	0.883**	-0.892**	0.694**	-0.812**	-0.664**	-0.419	1	0.927**
S₉	-0.984**	-0.978**	0.928**	-0.984**	0.685**	-0.910**	-0.753**	-0.396	0.927**	1

KMO与Bartlett检验
Kaiser-Meyer-Olkin 测量取样适当性	0.803
Bartlett的球形检验大约卡方	184.630
df	36
显著性(Sig.)	0.000