安徽省粮食产量的影响因素研究

邬舒静

(河海大学 商学院，江苏 南京 211100)



安徽省粮食产量的影响因素研究

邬舒静

(河海大学 商学院，江苏 南京 211100)

根据2005～2014年安徽省16个地级市的农业生产统计资料，从自然、科技和经济3个宏观层面选取10个影响因素指标，利用面板数据模型对粮食及其所包含的稻谷、小麦、玉米、薯类和大豆5类主要粮食作物产量的影响因素进行了分析。结果表明：(1)安徽省近10年的粮食产量以75.831万t/年的趋势逐年递增，平均年增长率3.06%；(2)对安徽省粮食产量产生显著影响的因素有受灾面积、粮食播种面积、化肥施用量、农业机械总动力、粮食价格指数；(3)由于不同粮食作物的生长习性、抗灾能力等存在差异，在相同生长环境下受到多种投入要素的影响程度也不同；(4)从宏观层面来看，自然因素对粮食产量的影响较小，而不同作物受经济刺激和科技发展的影响程度存在差异。

粮食产量；影响因素；不同作物；面板数据

0　引言

农业是国民经济发展的第一产业，在整个国民经济体系中具有稳定根基及保障社会发展的战略地位。我国作为一个地域广博的农耕大国，由于构造复杂的地形地貌、脆弱且灾害频发的自然环境、极其有限的可利用耕地面积等国情，粮食安全面临着严峻的挑战[1]。通过对粮食产量的众多影响因素进行深入分析和探讨，有利于进一步了解中国农业发展的现状，增强农耕活动抵御不利生产环境的能力，为提高粮食综合生产能力，保障粮食产量的供给安全具有重要的指导意义。

目前，学者们对我国粮食产量的影响因素进行了大量研究。一方面，部分学者针对气象灾害[2]、耕地[3]、农村劳动力[4]、化肥使用量[5]、水利投资[6]等单个因素，分析了其与粮食产量间的关系。另一方面，部分学者将多个影响因素进行综合考虑，分析它们对粮食产量的综合影响，并从中识别出影响程度较大的因素[1,7-9]。回顾前人研究，发现对粮食产量具有显著影响的因素已基本明确，但由于选取的研究对象及模型方法等存在差异，得到的结果也存在差异。然而，由于稻谷、小麦、玉米、大豆、薯类这5类主要粮食作物的生长习性、抗灾能力等不同，在同样生产条件下受到多种投入要素的影响存在差异，对不同品种粮食作物的影响因素进行差异化研究具有重要的借鉴意义。相比相关分析、关联分析、因子分析等方法，面板数据模型能够定量衡量单位投入要素变化所引起的粮食产量变动，而且当前基于省域面板数据的粮食产量影响因素研究较少，专门针对安徽省的粮食产量影响因素研究尚未见报道。

鉴于此，本文根据2005～2014年安徽省16个地级市的农业生产统计资料，从自然、科技和经济3个宏观层面选取10个影响因素指标，利用面板数据模型对粮食及其所包含的稻谷、小麦、玉米、薯类和大豆5类主要粮食作物产量的影响因素进行分析，有助于保障粮食安全，促进粮食生产的持续发展。

1　模型设置与数据来源

1.1变量选取及模型设置

本研究分别选取稻谷、小麦、玉米、大豆、薯类的总产量作为被解释变量，表征不同粮食作物的生产情况。通过对以往粮食产量影响因素的研究文献进行梳理，从自然因素、科技因素及经济因素3个层面共选取10个指标作为解释变量(表1)。基于C-D生产函数，构建粮食生产模型：

Tijt=a0+a1Ait+a2Sit+a3Rit+a4Cit+a5Mit+a6Iit+a7Eit+a8Pit+a9Fit+μi

(1)

式中：T为粮食总产量，A为粮食受灾面积，S为粮食播种面积，R为省域年降水量，C为化肥施用量(折纯量)，M为农业机械总动力，I为有效灌溉面积，E为第一产业就业人员数，P为粮食价格指数，F为农林渔牧业固定资产投资，a为变量的待估参数，μ为误差项，下标i表示粮食主产区变量，t表示时间趋势变量，j表示不同种类的粮食作物，即：稻谷、小麦、玉米、大豆、薯类。

表1　粮食产量的影响因素

1.2数据来源

2005～2014年安徽省16个地级市粮食产量投入产出的面板数据均来源于《安徽统计年鉴》(2006～2015年)。

2　安徽省粮食产量的变化趋势

通过对2004～2013年安徽省粮食产量的变化趋势进行分析，结果表明(图1)，可决系数高达93.74%，方程的拟合结果较好，近10年来安徽省的粮食产量以75.83万t/年的趋势逐年递增，平均年增长率3.06%。然而，将各年份的粮食产量进行对比，结果表明，2005～2006年粮食产量由2605万t增长到2861万t，增长幅度最大，高达9.53%，而增幅最小的年份出现在2009～2010年，仅有0.35%。此外，2007～2008年、2011～2012年与2013～2014年间增幅较大，增长率分别为4.20%、4.90%和4.15%，仅有2012～2013年粮食产量出现负增长，减产9.50万t。

图1　安徽省粮食产量的变化趋势

3　安徽省粮食产量的影响因素分析

在对近10年来安徽省16个地级市的面板数据进行分析前，为验证模型设定的合理性，笔者进行了F检验和Hausman检验(表2、表3)，发现在所有情况下变截距模型均优于混合回归模型，且随机效应变截距模型明显优于固定效应变截距模型。因此，本文均选用随机效应变截距模型进行分析。

通过对粮食产量的影响因素进行模型估计，将影响效果不显著或者得出结果与实际相反的影响因素予以剔除，并重新进行估计。结果显示(表2)，当被解释变量为粮食总产时，年降水量、有效灌溉面积、第一产业就业人员数、粮食价格指数与农林渔牧业固定资产投资5项因素均被剔除，说明它们对粮食产量不存在影响或影响较为微弱。同时，受灾面积、粮食播种面积、化肥施用量、农业机械总动力、粮食价格指数这5项因素对粮食产量存在显著影响。其中，粮食价格指数的系数最大，为5898.139，说明粮食市场价格的调整对农民粮食生产积极性的刺激作用最大。可见，安徽省务农人员主要的收入仍为农业经营收入，非农收入较少，通过政策加大支农惠农力度，维持粮食价格的稳定能够有效提高农民种粮积极性，减缓粮食产量的波动幅度，促进粮食产量的长期增长。农业机械总动力、受灾面积对粮食产量存在较大影响，其系数分别为1448.217和-401.3676，证实了农业机械化水平的提高对粮食产量的促进作用，而自然灾害对粮食产量的负面影响显著，受灾面积每扩大1000 hm2，粮食产量相应地减少401 kg。另外，播种面积和化肥施用量对粮食产量具有一定影响作用，但影响效果没有前3项因素的效果显著。

表2　安徽省粮食产量的影响因素

注:*、**、***分别表示在10%、5%、1%水平下显著。

由于不同粮食作物的生长习性、抗灾能力等存在差异，在相同生长环境下受到多种投入要素的影响程度也有所不同。本文进一步对稻谷、小麦、玉米、大豆、薯类这5类粮食作物的影响因素进行比较研究。结果表明(表3)，对稻谷产量影响显著的变量从高到低依次为：粮食价格指数、第一产业就业人员数、有效灌溉面积、化肥施用量和农林渔牧业固定资产投资。其中，粮食价格指数每上涨1个单位，稻谷产量相应地增加5765.63 kg，可见稻谷的价格对稻谷生产具有明显的刺激作用，提高稻谷收购价格能够极大地调动农民种植稻谷的积极性。其次，农村劳动力人数对粮食产量的影响也非常巨大，第一产业就业人员数每增加1个单位，稻谷产量相应地增加5343.21 kg。同时，稻谷种植还需要大量的水资源进行浇灌，所以有效灌溉面积也是影响稻谷产量的主要因素。此外，化肥施用量和农业固定资产投资也对稻谷的产量有一定影响。对小麦产量影响显著的变量有农业机械总动力和粮食播种面积。其中，农业机械总动力每提高1万kW，小麦增产952.10 kg，而播种面积每扩大1000 hm2，小麦增产4.93 kg，可见增加播种面积和农业机械总动力的要素投入能够有效提高小麦产量。对玉米生产影响显著的变量有第一产业就业人员数和粮食播种面积。其中，第一产业就业人数每增加1个单位，玉米产量提高235.44 kg，而播种面积每扩大1000 hm2，玉米产量提高4.72 kg，可见玉米生产主要依靠农村劳动力数量，扩大农村劳动力规模能够大幅度提升玉米产量。另外，扩大播种面积也对玉米增产具有一定的效用。对大豆生产影响显著的变量有粮食播种面积和化肥施用量，播种面积每扩大1000 hm2，大豆增产1.60 kg，而化肥施用量每增加1万t，大豆增产0.05 kg。由此可知，大豆产量的提高主要依靠增加播种面积和化肥施用量的要素投入。对薯类生产影响显著的变量有第一产业就业人员数和粮食播种面积。第一产业就业人数每增加1个单位，薯类产量提高106.44 kg，而播种面积每扩大1000 hm2，薯类增产4.33 kg，可见农村劳动力人数和播种面积是促进薯类产量增加的主要因素。

综上所述，农村劳动力人数的增加对稻谷、玉米、薯类的增产具有显著的促进作用，农村劳动力的流动和转移对这3种作物的种植和收获具有较大影响。增加化肥施用量对于稻谷和大豆的出产量具有较为显著的刺激作用，特别是对于稻谷的影响更为显著。粮食播种面积对除稻谷以外的粮食作物的产量均存在正向影响，即粮食作物都能通过扩大播种面积提高产量，但促进作用不如农村劳动力人数和化肥施用量显著。另外，粮食价格、有效灌溉面积及农林渔牧业固定资产投资虽然对稻谷的出产量起到极大的刺激作用，但是对其他粮食作物的影响并不显著，而农业机械总动力也仅对小麦的生产具有显著影响。

基于以上分析，笔者进一步从自然、经济和科技3个宏观层面进行比较，发现自然因素对所有粮食作物的产量具有一定影响，但单纯依靠防灾减灾、扩大播种面积等手段无法实现粮食产量的大幅提升。事实上，科技和经济对粮食产量具有更为显著的影响，但不同作物受经济刺激和科技发展的影响程度存在差异。对于稻谷、玉米、薯类的产量，提高粮食价格指数、扩大农村劳动力人数能够大幅度提高粮食产量，因此主要依靠经济手段的刺激作用，而小麦和大豆生产则主要受农业机械总动力和化肥施用量等科技因素发展的影响。

4　结论

通过上述分析，本文得到如下结论。

(1)安徽省近10年的粮食产量以75.831万t/年的趋势逐年递增，平均年增长率3.06%。2005～2006年粮食产量由2605万t增长到2861万t，增长幅度最大，高达9.53%，而增幅最小的年份出现在2009～2010年，仅增长了0.35%。

(2)对安徽省粮食产量产生显著影响的因素有受灾面积、粮食播种面积、化肥施用量、农业机械总动力、粮食价格指数。其中，粮食市场价格的调整对产出量具有极大的刺激作用，农业机械动力的提高能够较大幅度提升粮食生产收益，粮食播种面积和化肥施用量的扩大能够对粮食产量产生一定影响，但影响效果不如前2种因素显著。由此可见，农户是当地耕地经营的主体，粮食价格的调整决定了农户种植收益，从而影响其耕作投入的积极性。其次，促进农业机械化水平的提升改变了当地生产要素投入组合，缓解了人工耕作的成本，促进了播种面积的增收，对粮食增产产生了显著效果。

表3　安徽省粮食产量的影响因素(划分作物品种)

注:*、**和***分别表示在10%、5%、1%水平下显著。

(3)由于不同粮食作物的生长习性、抗灾能力等存在差异，在相同生长环境下受到多种投入要素的影响程度也有所不同。农村劳动力人数增加对稻谷、玉米、薯类的增产具有显著的促进作用。增加化肥施用量对于稻谷和大豆的出产量具有较为显著的刺激作用，特别是对于稻谷的影响更为显著。粮食播种面积对除稻谷以外的粮食作物的产量均存在正向影响，但促进作用不如农村劳动力人数和化肥施用量显著。另外，粮食价格、有效灌溉面积及农林渔牧业固定资产投资虽然对稻谷的出产量起到了极大的刺激作用，但是对其他粮食作物的影响并不显著，而农业机械总动力也仅对小麦的生产具有显著影响。

(4)从宏观层面来看，自然因素对粮食产量的影响较小，而不同作物受经济刺激和科技发展的影响程度存在差异。对于稻谷、玉米、薯类，提高粮食价格指数，扩大农村劳动力人数能够大幅度提高粮食产量，因此主要依靠经济手段的刺激作用，而小麦和大豆生产则主要受到农业机械总动力和化肥施用量等科技因素发展的影响。

[1] 刘东勋.中国各地区粮食生产的影响因素分析[J].经济研究参考,2013(60):19-20.

[2] 林志宇,田贵良.气象灾害对福建粮食产量影响的灰色关联分析[J].中国农业气象,2016,37(1):77-83.

[3] 石淑芹.耕地变化对粮食生产能力的影响评价：以吉林中西部地区为例[J].资源科学,2007,29(5):143-149.[4] 李光泗,朱丽莉.农村劳动力流动对中国粮食生产影响研究：基于省域动态面板数据的实证分析[J].统计与信息论坛,2014(10):24-30.

[5] 张利庠,彭辉,靳兴初.不同阶段化肥施用量对我国粮食产量的影响分析：基于1952-2006年30个省份的面板数据[J].农业技术经济,2008(4):85-94.

[6] 郭卫东,穆月英.我国水利投资对粮食生产的影响研究[J].经济问题探索,2012(4):78-82.

[7] 李琳凤,李孟刚.当前影响我国粮食生产的主要因素分析[J].中国流通经济,2012,26(4):109-115.

[8] 王娜,高瑛,王咏红.中国粮食主产区粮食生产和农民收入影响因素分析[J].青海社会科学,2015(2):49-56.

[9] 梁子谦,李小军.影响中国粮食生产的因子分析[J].农业经济问题,2006(11):19-22.

(责任编辑：管珊红)

Research on Factors Affecting Food Production in Anhui Province

WU Shu-jing

(College of Business, Hohai University, Nanjing 211100, China)

According to the statistical data of agricultural production in 16 prefecture-level cities of Anhui province during 2005～2014, the author selected 10 influencing factors from 3 macroscopic aspects (nature, technology and economy), and analyzed the factors affecting the yield of food crops (including rice, wheat, maize, potato and soybean) in Anhui province by using panel data model. The results showed that: (1) In recent 10 years, the food yield in Anhui province gradually increased at the rate of 758310 t/a, and the average annual growth rate was 3.06%; (2) The factors that had a significant impact on food production in Anhui province were the damage area, sown area of grain crops, application rate of chemical fertilizer, total power of agricultural machinery, and food price index. (3) Due to the differences in growth habits and disaster resistance among various grain crops, multiple input factors had different influences on food production under the same growth environmental conditions. (4) From a macroscopic perspective, natural factors had a small impact on food production, while economic stimulus and technological development had different impacts on various food crops.

Food production; Influencing factor; Different crops; Panel data

2016-04-06

国家自然科学基金项目“基于粮食安全的虚拟水贸易对气候变化动态响应与调整”(41471456)；国家自然科学基金项目“区域经济系统虚拟水(VW)测算的可计算非线性动态水资源I-O模型研究”(41001377)。

邬舒静(1989—)，女，湖北武汉人，硕士，主要从事资源与环境经济学、水资源管理等研究。

F762.1

A

1001-8581(2016)10-0116-04