未来中国粮食增产的影响因素研究——基于粮食主产区面板数据的实证分析

刘　慧，张　俊

(安徽财经大学 经济学院,安徽 蚌埠 233030)



未来中国粮食增产的影响因素研究
——基于粮食主产区面板数据的实证分析

刘慧，张俊

(安徽财经大学 经济学院,安徽 蚌埠 233030)

摘要：运用1992-2012年中国15个粮食主产区的省际面板数据,构建了粮食产量影响因素模型，研究发现:播种面积、技术进步对粮食产量产生重要的正向影响;受灾面积对粮食产量产生明显的负向影响;增加第一产业从业人员和农业的财政支出也可以提高粮食产量,但作用较弱。其后,又分别对水稻和小麦进行回归,得到的结论与上面的结果基本一致,但水稻和小麦之间的回归系数却存在显著差别。最后,基于实证结论提出了针对性的政策建议。

关键词：粮食生产；粮食安全；影响因素；面板数据

一、问题提出

粮食是人类赖以生存的基础,是国家的根本,是社会稳定的基石。“民以食为天”,面对人多地少的基本国情和复杂多变的国际形势,保证粮食安全对于拥有13亿人口的中国而言显得尤为重要。1978年中国的粮食总产量为30 476.5万吨,2014年的粮食总产量为60 702.61万吨,增长近2倍,粮食总产量达到了历史的最高水平。在这36年中,中国的粮食产量并不是逐年直线式增加,其间经历了多次徘徊甚至下滑,呈波动式上升的。自2003年以来，在政府一系列强农惠农政策的支持下,我国粮食产量实现了“十一”连增,但这并不意味着未来中国粮食供应可以高枕无忧。

随着国内和国外粮食差价不断扩大,关税保护能力逐渐减弱,进口粮食数量逐年增加并且影响不断加深,使得国内粮食价格提升空间减小;同时农资价格的大幅上涨,农业科技没有显著突破,粮食生产收益又不断下降,越来越多的青年农民选择外出打工,农村劳动力纷纷“逃离”农村与农业生产，种种因素叠加在一起使得未来中国粮食增产面临巨大挑战，探讨粮食增产的影响因素对增加我国的粮食供给，巩固粮食安全具有重大的现实意义。

二、文献综述

中国是世界上人口最多的发展中国家,国内粮食的增产潜力和供求关系会对世界产生重大影响,因而中国粮食产量能否持续、稳定的增加一直是国内外学者关注的焦点问题。学者们对改革开放以来影响中国粮食生产的因素进行了广泛而深入的研究,这些研究主要集中在以下五个方面。

1.播种面积、单产对粮食产量的影响。我国改革开放后很长一段时间采取的是农业支持工业发展的政策，导致农业投入长期不足,农业基础设施建设普遍滞后,粮食单产贡献率偏低,粮食增产仍然依赖播种面积的增加[1]。刘忠计算了2003-2011年中国粮食产量增加的主要贡献因素和贡献率,结果显示,增加粮食作物播种面积的贡献率最大,达到46.3%, 单产的贡献率达到44.2%，仅次于粮食播种面积的增加[2]。

2.科技要素投入对粮食产量的影响。Kanwar剖析了影响印度粮食产量的因素,实证研究的结果表明灌溉对粮食产量影响巨大,引进并使用先进的灌溉技术既可使粮食增产,又促进粮农增收[3]。中国幅员辽阔,地形复杂多变,提高农业现代化水平与粮食生产技术是促进粮食增产的重要因素[4-5]。星焱和胡小平发现化肥、农药施用量增加提高了粮食作物的抗灾能力,为粮食增产做出了重要贡献[6]。田甜和李隆玲认为良种的使用和机械作业是推动粮食增产的重要因素[7]。

3.劳动力投入对粮食产量的影响。Barrientos的研究表明劳动力转移导致城镇化加速发展,工业和住房用地急剧增加,大量农业用地被侵占,耕地面积减少,这对粮食产量产生了不利的影响。与此同时,大量接受过良好教育的农村劳动者进入城市,使得留在农村的劳动力人力资本素质下降,从而影响粮食的生产效率。石智雷和杨云彦却认为中国农村劳动力转移会改变农村和农业劳动者的价值观念和思维习惯,提高其自身素质,城市资本也会随之进入农业生产,增加农业的资本投入,反而有利于粮食产量的增长[8]。

4.自然灾害和气候变化对粮食产量的影响。马九杰论证了农业自然灾害对粮食综合生产能力与粮食安全具有重要影响,认为气候灾害导致的受灾面积对粮食产量有较强的削弱作用,降低了粮食的综合生产能力,影响我国的粮食安全[9]。陈卫洪和谢晓英认为气候灾害频发在很大程度上影响着粮食产量和整个粮食生产系统的平衡[10]。郑国光认为加强农田水利建设,提高抵御自然灾害风险的能力是提高粮食综合生产能力的重要策略[11]。

5.政府政策对粮食产量的影响。胡小平认为,由于自然气候条件和生产技术在短期内相对比较稳定,因而制度和政策因素成为粮食产量波动的重要推手[12]。徐建军和星焱认为，取消农业税,大力实施财政支农的政策，有效地促进了粮食持续稳定增产[13]。

此外,Scott Rozelle和黄季焜对1978年以来中国农业全要素生产率进行了测算和估计[14],秦立建等从土地细碎化、劳动力转移和农业规模等具体方面分析了粮食增产[15]问题。

通过梳理国内外学者的研究发现,大多研究是从劳动力投入、技术水平、自然灾害、政府政策等因素的某一个方面去分析粮食产量问题,对于将这些因素综合起来分析粮食总产量问题的研究还比较少。本文综合考虑上述各因素对粮食产量的影响,旨在全面的分析各个因素对粮食产量的作用大小。

三、经济计量模型与实证分析

(一)样本、变量与数据

本文的观察样本为中国的产粮大省,包括水稻主产区(黑龙江、江苏、安徽、江西、湖北、湖南、广西、四川)和小麦主产区(河北、江苏、安徽、山东、河南),其中水稻主产区总产量占全国水稻产量的近70%,小麦主产区产量占全国小麦产量的75.99%(原始数据来自2014年《中国农业统计年鉴》,经笔者计算而来)。本文选择的样本区间为1992-2012年,主要基于以下考虑:邓小平南巡之后,我国才逐步确立全面的市场经济体制,市场化程度不断提高,因此1992年是理想的研究起始期；由于部分省份最新的统计资料无法获得,导致本文的研究终结期只能到2012年。

农业生产是典型的投入产出行为,因此投入要素是影响粮食产量的重要因素[16]。影响粮食产量主要的投入要素包括土地(播种面积)、劳动力、资本以及粮食生产的技术等。财政支出不仅改善了农业生产的基础设施,而且通过各种补贴调动了农民种粮的积极性,直接或间接影响粮食的产量。鉴于此,我们只用财政支农资金作为粮食生产中的资本投入和政府作用的共同代理变量。

农业技术水平也是影响粮食产量的重要因素,衡量农业技术进步的指标包括农业机械总动力、化肥施用量等。程名望、黄甜甜等指出化肥施用量能更好地反映技术进步,原因是小农经济所导致的土地碎片化经营使得中国粮食生产中机械化大规模生产一直很难推广,很多地区主要还是以人力耕种为主[17]。我们也认为化肥施用量比农业机械总动力能更好地反映技术进步*其实反映粮食生产技术进步最好的指标是粮食良种的使用费(或推广费),但现有的文献无法获得该数据,我们只能退而求其次,选择化肥的施用量作为指标,感谢安徽农业大学经济与管理学院栾敬东院长对此提出的建设性建议。,其根本的原因是当机械总动力达到一定程度之后,随着农业机械总动力的增加,其数量并不能进一步的增加粮食产量,只是缩短粮食种植、收获的时间。气候因素会影响粮食的产量,风调雨顺能够获得粮食的大丰收,干旱洪涝等气象灾害则会对粮食产量造成重要的影响。为了总体反映气候因素对粮食产量的影响,把每年各省的受灾面积作为气候因素的衡量指标。

本文的数据大部分来自《中国统计年鉴》《中国农村统计年鉴》,一部分来自《新中国六十年统计资料汇编》以及历年的各省统计年鉴,个别几个统计缺失值我们采用线性插值法进行了补充，各个变量的选取及其数据的统计描述如表1所示。

表1　变量选取及其数据的统计描述

(二)研究方法与模型构建

本文采用经典的柯布-道格拉斯(C-D)型生产函数,即Y=ALαKβGγ。为了全面观察影响粮食产量的诸因素,本文扩展了这一生产函数,引入受灾面积等变量;对函数两边取对数,有助于消除模型的异方差性,最后建立的计量模型如下:

lnYit=α0+α1lnsizeit+α2lnlaborit+α3lnfertiit+α4lndisastit+α5lnfinanit+μit.

式中Yit、sizeit、laborit、fertiit、disastit、finanit分别表示第i个省份第t年的粮食产量、粮食播种面积、劳动力投入量、化肥施用量、受灾面积、财政支农支出,μit为随机误差项。

(三)模型估计

运用stata12.0,分别采用固定效应模型和随机效应模型进行面板回归。为了克服模型的内生性问题,检验面板数据模型估计的有效性和可靠性,本文还运用动态面板模型——系统广义矩估计(SYS-GMM)方法进行进一步回归,三种方法回归的结果如表2所示。

表2　粮食产量的回归结果

注:括号内数值为估计系数的t值或z值;***、**和*分别表示在1%、5%和10%的水平下显著,下文类似; Arellano-Bond AR检验括号前数值为Z值,括号内为p值;Sargan检验报告的为p值。

从表2中可以看到,固定效应模型优于随机效应模型,并且hausman检验也支持固定效应模型。模型的R方达到0.835 8,这在面板数据模型中是非常高的,而且所有变量联合检验的F统计量显著性较高,因而模型的整体估计效果较好。根据固定效应回归结果可以看到:(1)播种面积前的系数为0.939,在所有变量系数中是最大的,而且其t统计量是高度显著的,因此粮食的播种面积是影响粮食产量最重要的因素;(2)第一产业从业人员数会对粮食产量产生较弱的正向影响,第一产业从业人员每提高1%,粮食产量只提高0.011 3%,而且其t统计量并不显著,这说明很长一段时间以来,中国的粮食产量的增长,不是靠增加农业劳动力的投入来提高产量的;(3)以化肥施用量为代表的技术进步对粮食产量产生重要的影响,其影响作用仅次于播种面积,这突出反映在变量前的系数上,并且其t统计量高度显著(相对于工业,农业的技术进步速度尽管相对缓慢,但它对粮食的增产作用却十分明显)；(4)受灾面积对粮食产量的影响是负向的,其t统计量也高度显著,这与我们的直觉以及其他学者的研究结论相一致;(5)农业的财政支出对粮食产量的作用是正向的,t统计量也相对显著,这也与我们的预期相一致,但农业的财政支出相比于农业技术进步,其对粮食增产作用相对较弱。

在动态面板模型结果中(表2第三列),粮食产量的滞后一期系数为正,且在1%的显著性水平下对当期产量起促进作用,说明粮食生产存在着“惯性”的特征,而其他变量的回归结果与静态面板模型结果基本一致,农业财政支出没有通过检验,与前面的结果(对粮食产量提高作用较弱)也基本一致。Arellano-Bond AR检验中,AR的p值表明,在1%的显著性水平下误差项存在一阶自相关,在10%的显著性水平下,模型接受了误差项不存在二阶序列相关的原假设。在sargan检验中,报告的p值为1,说明选择的工具变量是有效的,模型的回归结果是可以接受的,静态面板模型与动态面板模型显示回归结果的稳健性较好。

(四)小麦和水稻产量的影响因素比较

除了利用我国15个粮食主产区的粮食总产量数据进行实证分析外,我们还分别使用水稻主产区的水稻产量和小麦主产区的小麦产量,对中国最重要的两个口粮品种进行面板回归,观察其结果是否与粮食总产量的回归结果相一致。此时的riceout和wheout对应于原回归模型中的Y,ricearea和whearea对应于原回归模型的size,具体回归结果如表3所示。

表3　水稻和小麦产量的回归结果

由表3知,二者的固定效应模型的回归系数方向与粮食总产量的回归结果相一致,只是具体的系数大小有一定差异,模型的R方都很高,F统计量也高度显著,显示模型的估计效果均较好。

仔细观察表3可知,水稻和小麦的回归系数有明显差别,下面我们将分析这个有趣的问题。(1)小麦播种面积前的系数明显大于水稻的系数。这是因为水稻的单位面积产量要远高于小麦的产量,特别是超级杂交水稻的推广,更是大幅度提高水稻的单产,因此增加相同的产量,小麦需要投入更多的土地。(2)水稻的劳动力投入的系数明显大于小麦的系数,而且水稻的t统计量高度显著,小麦的t统计量不显著。这是因为相比于小麦,水稻由于特殊的生长特性(水田生长),本身就需要更多的劳动力投入,或者说水稻的劳动密集程度更高；而且我国的水稻主产区主要是位于江南丘陵地区,这些地区土地碎片化经营严重,生产阶段中难以使用大型的机械,加重了对劳动的依赖。我国小麦主产区主要分布在华北平原一带,这里地势相对平坦,加上小麦的生长特性(旱田生长),使得小麦生产更适宜机械化作业,减少了对劳动的依赖。(3)小麦产量对化肥施用量更敏感,即投入相同的化肥,小麦的增产效果更好。由于水田的特性(腐殖质的形成),使得种植水稻的土地更加肥沃,因此化肥的边际产出效应不明显。(4)气候等自然灾害引起的受灾面积都会减少各自的产量,但对于小麦的影响程度更大。这是因为水稻主产区的农田水利等基础设施相对比较完善,无论是抗涝还是抗旱的能力都远强于小麦主产区。小麦主产区的华北平原水资源比较匮乏,且该区域受季风气候影响大,导致干旱等气象灾害经常影响小麦的产量。(5)农业的财政支出都会提高各自的产量,但对小麦的影响程度更大。这可能一方面是因为农业财政支出中一部分投向了农田水利等基础设施,从而对小麦产量产生更大的影响；另一方面,对粮食的支持价格,大大促进了增产效果更明显的小麦化肥的使用,对农机的补贴也促进了大型机械的使用,这些都有利于进一步提高小麦的产量。

四、结论与政策建议

(一)结论

运用1992-2012年中国15个粮食主产区的省际面板数据,利用扩展的柯布-道格拉斯(C-D)函数构建了中国粮食产量影响因素模型,实证分析了各因素对粮食产量的影响大小。研究发现:播种面积是影响粮食产量的首要因素;技术进步也对粮食产量产生重要的正向影响;第一产业从业人员对粮食产量的影响较小,而且统计上不显著;受灾面积对粮食产量产生负向影响,对农业的财政支出可以提高粮食产量,但作用较弱。

该结论的含义十分明显:既然粮食生产中,投入的要素之间替代性不如工业生产那么强,其生产对土地存在着高度依赖,那么中央采取严格的耕地保护制度就显得非常必要;由于城镇化的推进,耕地保护面临日益严峻的形势,要进一步增加粮食产量,就要依靠农业的技术进步,特别是基因育种、杂交育种、配方施肥等技术的运用;在全球气候变暖引发日益频繁的气象灾害的背景下,以及我国历史上对农田水利设施投入的欠账,都要求我国要进一步增加对农业基础设施的财政投入,这样可以减少自然灾害对粮食生产的影响,从而保证粮食的供给;靠增加农业劳动力来增加粮食产量既不可行也不现实,农村劳动力的大量外流对中国的粮食生产并不构成大的威胁,而这还将为粮食生产机械化程度的进一步提高创造条件,但这可能需要农村土地制度配套改革和创新。

本文还对该区间内水稻、小麦各自主产区的产量分别进行回归,得到的结论基本与以总体粮食产量的回归结果相一致。通过对水稻和小麦的回归结果的比较,我们发现一个有趣的结果,即水稻和小麦各变量的回归系数有显著差别。基于这两种作物的生长特性和种植区域的地理区位差别,本文分析了产生这一差别的可能原因。该结论的最重要意义在于,要提高我国的粮食总产量,必须针对不同的种植区域、不同的粮食作物,采取差异化的政策措施,这样才能使政策效果最大化。

(二)政策建议

为了进一步提高中国的粮食产量,保证我国的粮食安全,针对模型的结论,我们提出如下政策建议。第一,加大对农业的科技投入,同时提高农业技术的普及效率。技术进步明显可以提高中国的粮食产量,因此应该加大对农业的科技投入。我们也应该认识到我国的技术创新转化为现实生产力的效率还比较低,农业方面就更明显,因此必须要提高农业技术的普及效率。第二,继续加大对农业的财政支持,特别是农田水利设施的投入。在加大对农业财政支出的基础上,也要优化财政支出结构,提高财政支出对粮食增产的效率。气象灾害对粮食生产十分不利,加大对农田水利设施的投资,提高粮食生产抗击自然灾害的能力,无疑也是提高中国粮食产量的一个明智选择。第三,针对不同的粮食作物或种植区域,政府应采取差异化的政策,使粮食增产的效果最大化。比如，在小麦主产区,应该大力增加水利等基础设施的投入,以及增加秸秆还田等用于培肥地力的投入；而在水稻种植区,有限的资金应该花在有利于水稻种植机械化程度提高的农业机械的研制和推广上,这样可以提高政策的增产效果。第四,要实行严格的耕地保护政策,严格执行18亩耕地的红线。粮食生产对土地的高度依赖,要求我们必须维持一定的耕地数量。要严厉打击违法乱占耕地,违法改变耕地用途的现象,科学进行城市规划,提高工业和城市用地效率,以减少城市化、工业化对耕地保护的压力。

参考文献：

[1]黎东升,曾靖.经济新常态下我国粮食安全面临的挑战[J].农业经济问题,2015(5):42-47.

[2]刘忠,黄峰,李保国.2003-2011年中国粮食增产的贡献因素分析[J].农业工程学报,2013(12):1-7.

[3]KANWAR,S.Relative profitability，supply shifters and dynamic output response in developing economy[J].Journal of Policy Modeling,2006,28(1):67-88.[4]黄季焜,杨军,仇焕广,等.本轮粮食价格的大起大落:主要原因及未来走势[J].管理世界,2009(1):72-78.

[5]陈飞,范庆泉,高铁梅.农业政策、粮食产量与粮食生产能力调整[J].经济研究,2010(11):101-114.

[6]星焱,胡小平.中国新一轮粮食增产的影响因素分析:2004-2011年[J].中国农村经济,2013(6):14-26.

[7]田甜,李隆玲,黄东,等.未来中国的粮食产量将依靠什么?——基于粮食生产“十连增”的分析[J].中国农村经济,2015(6):13-22.

[8]石智雷,杨云彦.外出务工对农村劳动力能力发展的影响及政策含义[J].管理世界,2011(12):40-54.

[9]马九杰,崔卫杰,朱信凯.农业自然灾害风险对粮食综合生产能力的影响分析[J].农业经济问题,2005(4):14-17.

[10]陈卫洪,谢晓英.气候灾害对粮食安全的影响机制研究[J].农业经济问题,2013(01):12-19.

[11]陈国光.科学应对全球气候变暖,提高粮食安全保障能力[J].求是,2009(23):47-49.

[12]胡小平.宏观政策是影响中国粮食生产的决定性因素[J].中国农村经济,2001(11):54-57.

[13]SCOTT ROZELLE,黄季焜.中国的农村经济与通向现代工业国之路[J].经济学(季刊),2005(4):1020-1042.

[14]秦立建,张妮,蒋中一.土地细碎化、劳动力转移与中国农户粮食生产——基于安徽省的调查[J].农业技术经济,2011(11):16-22.

[15]徐建军,星焱.财政支农粮食产出效应的区域比较研究[J].财政研究,2013(1):54-57.

[16]麻吉亮,陈永福,钱小平.气候因素、中间投入和玉米单产增长——基于河北农户层面多水平模型的实证分析[J].中国农村经济,2012(11):11-20.

[17]程名望,黄甜甜,刘雅娟.劳动力转移对粮食安全的影响——基于粮食主销区面板数据的分析[J].上海经济研究,2015(4):87-100.

A Study of the Factors Affecting China’s Future Grain Yield Increase——Based on the Empirical Analysis of the Panel Data of Main Grain Producing Areas

LIU Hui，ZHANG Jun

(SchoolofEconomics,AnhuiUniversityofFinance&Economics,BengbuAnhui233030，China)

Abstract：Using the provincial panel data of China’s 15 major grain producing areas from 1992 to 2012, this paper constructs the model of the factors influencing grain yield and finds that planting area and technological progress have an important positive effect on grain yield while disaster-stricken area has an obvious negative effect on it and that increasing the number of people working in the first industry and financial expenditure on agriculture can also increase grain yield, but the effect is weak. Then, the results obtained from the regression of rice and wheat are basically the same as the above results, but there is a significant difference in the regression coefficients between rice and wheat. Finally, the policy recommendations are put forward based on the empirical conclusion.

Key words：food production；food security；influencing factors；panel data

中图分类号：F326.1

文献标识码：A

文章编号：1009-5837(2016)02-0040-06

作者简介：刘慧(1992- ),女,山西大同人,安徽财经大学硕士生,主要从事宏观经济理论与政策研究;张俊(1970- ),男,安徽无为人，安徽财经大学副教授、硕士生导师,博士,主要从事农村经济理论与实践研究。*

基金项目：国家社科基金一般项目“财政激励、预期与农民工市民化矫正机制研究”(11BJL039);安徽财经大学研究生科研基金创新项目“人口老龄化、产业结构升级与经济增长”(ACYC2015078)

*收稿日期：2016-02-26

(编辑：赵树庆)