摘要：本文采用灰色关联分析法和通径分析原理，删选了影响江西省农田灌溉用水量的农业机械总动力、有效灌溉面积、谷物种植面积等8个因子进行了分析，两种方法分析结果总体一致，评价结果较好的反映了各影响因子对江西省农业灌溉用水量的影响，以期为区域农业可持续发展提供科学依据和决策支持。
关键词：江西省;农田灌溉用水量;灰色关联分析;通径分析
Abstract: based on the grey relation analysis and size analysis principle, delete to choose the influence of farmland irrigation water consumption of jiangxi agricultural machinery total power, efficient irrigation area, corn planting area, eight factors are analyzed, and the two methods of analysis results overall consistent, evaluation result better reflect the influence factors of jiangxi province agriculture irrigation water consumption, the influence of regional agriculture sustainable development so as to provide the scientific basis and decision support.
Keywords: jiangxi province; Irrigation water consumption; The grey relational analysis; Size analysis
中图分类号： S274.4 文献标识码：A 文章编号：
2008年江西省全年总用水量为234.2亿m3，农业作为用水大户，其农田灌溉用水量为144.71亿m3，占用水总量的61.8%，针对多因素影响的农田灌溉用水综合评价分析问题，本文筛选了影响农田灌溉用水量(y)的8个因素：x1实际耕地面积(公顷)、x2农业机械总动力(万瓦特)、x3有效灌溉面积(千公顷)、x4谷物种植面积(千公顷)、x5豆类种植面积(千公顷)、x6薯类种植面积(千公顷)、x7水利资金投入(万元)和x8农业人口(万人)，采用灰色关联分析和通径分析两种方法，根据江西省1991年至2009年有关数据对区域农业灌溉用水量进行了对比分析，以期为区域农业用水提供参考，并对区域水资源的合理配置及社会、经济的可持续发展提供决策依据。
1 灰色关联理论
灰色系统(GS：Grey System)是既含已知信息又含未知信息或非确知信息的系统。灰色关联分析(GRA：Grey Relational Analysis)是邓聚龙于1984年针对关系的分析而提出的，是基于灰色系统理论的一种重要的多因素分析方法。灰色关联分析弥补了传统数理统计方法在系统分析时带来的缺陷，适用范围较为广泛[1]。
2通径分析理论
通径分析(Path Analysis)是数量遗传学家Sewall Wright于1921年提出来的一种多元统计技术，可以通过对自变量与因变量之间表面直接相关性的分解，来研究自变量对因变量的直接重要性和间接重要性，从而为统计决策提供可靠的依据.在众多领域得到广泛应用[1]。
通径系数是表示相关变量间因果关系的一个统计量，是变量标准化、没有单位的偏回归系数，它是自变量与因变量之间带有方向的相关系数 [2] [3]。本文中通径分析计算采用SPSS 17.0软件包进行计算。
3.江西省农业灌溉用水量分析研究
3.1灰色关联度分析
根据公式(1)和(2)计算出江西省农田灌溉用水量y与8个影响因子间的关联系数值。计算结果表明，影响农田灌溉用水量的最重要因子为谷物种植面积，其关联系数值为0.8847，这与江西省主要种植作物水稻等这些都是高耗水作物种植有关，对农田灌溉用水量有着较大的影响，其次分别为：农业机械总动力(0.6658)>水利资金投入(0.6577)>有效灌溉面积(0.6277)>实际耕地面积(0.6244)>农业人口(0.5758)>薯类种植面积(0.5368)>豆类种植面积(0.4864)。由于江西省内各地区存在较多的电灌站进行提灌，因此农业机械总动力对其农业灌溉的影响较大;区域节水措施的实施水平与水利资金的投入有着密切的关系，从分析结果可以看出农业节水措施的实施对农业灌溉用水量有着较大的影响;有效灌溉面积、实际耕地面积和农业人口的大小与地区的发展有密切关系，这些因素决定了区域农业规模大小和发展的需要，对农业灌溉用水量也有着较大的影响;而薯类和豆类本身不属于高耗水作物类别，而且近年来这两类作物在江西省种植面积日趋下降，因此农田灌溉用水量之间关联系数值相对较小。
3.2 通径分析
4.2.1 变量y的正态性检验
通过Kolmogorov-Smirnov和Shapiro-Wilk两种方法对农田灌溉用水量y进行正态性检验，显著水平分别为P=0.200和P=0.238，均小于0.05表明变量y服从正态分布。
3.2.2 农田灌溉用水量回归模型建立
为了充分反映每一个影响因素对农田灌溉用水量y的影响作用，我们将所有8个自变量全部纳入回归方程中来，建立的回归模型如公式(3)所示：
y=-0.255+0.252x1+0.473x2+0.228x3+0.608x4-0.052x5-0.408x6-0.535x7-0.118x8(3)
回归模型统计量F=15.964，决定系数r=0.992，显著水平P=0.060达到极显著水平，这说明变量y关于8个自变量所建立的回归模型是具有统计学意义的，可采用模型(3)较为准确地对农田灌溉用水量进行计算预测。模型的标准估计误差为0.0842，这表明所建立的农田灌溉用水量模型中仍有其他因素未被充分考虑进去，需要进一步深入探讨。
3.2.2 农田灌溉用水量通径分析
农田灌溉用水量影响因素通径分析结果表明各因素之间均存在一定相关关系，农田灌溉用水量与各单项因素之间是相互影响相互作用的。结果表明变量x4是影响农田灌溉用水量最重要变量，与y的相关系数为最大值0.966，且达到了极显著水平，x4通过其他变量累计对y的影响作用累计为0.323。变量x2、x3、x7和x6与农田灌溉用水量y的简单相关系数分别是-0.926、-0.8842、0.8250和0.7607，均达到了极显著水平;变量x5与y的简单相关系数为0.2791，并通过了显著性检验(P=0.05)，说明x5对y有着重要的影响作用;而x1和x8与变量y的简单相关系数分别为-0.2248和-0.1260，但没通过参数的显著性检验，二者对y的影响作用不大。变量x4虽然是影响农田灌溉用水量的最重要影响因子，但其通过其余7个变量对y的作用程度较小，其间接通径系数仅为-0.479。变量x6通过其余7个变量对y的间接作用最大，其间接通径系数为最大值1.214。变量x1虽然不是影响农田灌溉用水量的主要因子，但其间接通径系数为-0.520，相对较大，说明x1通过其余7个变量对农田灌溉用水量的影响作用较大。
4.结论
本文通过借助灰色关联分析和通径分，对江西省1990-2008年农田灌溉用水量进行了因子分析，两种方法分析总体一致，谷物种植面积、农业机械总动力和水利资金投入是影响农田用水量的最重要因子。评价结果较好的反映了各影响因子对江西省农业灌溉用水量的影响，以期为区域农业可持续发展提供科学依据和决策支持。
参考文献
[1] 邓聚龙.社会、经济灰色系统的理论与方法[J].中国社会科学,1984,(6):47-60.
[2] 丛鹏,彭励.通径分析在Excel和SPSS中的实现.农业网络信息[J].2007,3:l09-110.
[3] 谢仲伦.相关性通径分析问题剖析[J].农业系统科学与综合研究,1996,12(3):161-167.
作者简介：马大前(1956- )，男，工程师，主要从事水利规划工作。
