我国三大主粮单产水平的时空演进与地区收敛

孙致陆

(中国农业科学院 农业经济与发展研究所，北京 100081)



我国三大主粮单产水平的时空演进与地区收敛

孙致陆

(中国农业科学院 农业经济与发展研究所，北京 100081)

在分析1978—2015年我国稻谷、小麦和玉米单产时空演进趋势的基础上，检验了全国产区省份、主产区省份和非主产区省份三大主粮单产的收敛情况。研究表明:全国三大主粮单产均在波动变化中显著提升，且主产区省份三大主粮单产基本都持续高于非主产区省份；全国产区省份和非主产区省份三大主粮单产均存在显著的收敛趋势，单产绝对差距持续缩小，初期单产较低省份的单产提升速度更快，离自身稳态值越远的省份单产的提升速度也越快；主产区省份三大主粮单产收敛趋势则不具有普遍性，小麦单产绝对差距未明显缩小，稻谷单产提升速度也无明显差异；与主产区省份相比，非主产区省份三大主粮单产收敛趋势更显著。

稻谷； 小麦； 玉米； 主产区； 非主产区； 粮食单产

一、引言

作为世界上人口基数最大的国家，确保粮食安全是我国当前及未来相当长的一段时间内面临的重大挑战[1]。我国政府始终高度重视农业发展，出台了一系列支持农业生产的重要政策措施，用不到世界7%的耕地资源，养活了近22%的世界人口[2]。2003—2015年我国粮食总产量历史性地实现了“十二连增”，十三年间增产了19075万吨[3]。但即便如此，我国粮食仍不能完全自给，供求总量还存在一定缺口，所以，适度的粮食净进口仍然必不可少[4]。入世以来，我国粮食进口规模大幅增长，其中谷物和大豆的进口量分别从2001年的344万吨和1394万吨大幅增加到2015年的3272万吨和8169万吨，年均增长率分别为17.45%和13.46%，2015年净进口量分别达3218万吨和8156万吨[5]。当然，这其中也有国内粮食供给品种结构不适应市场需求、国内粮食生产成本高且效益低导致缺乏国际竞争力和国际粮价自2012年底起持续下跌等因素共同引起国内外粮食出现持续较大价差的原因[6-7]。更需考虑的是，我国现有的13亿多人口还会增长，将来对粮食的需求量还会增加[6]。在此背景下，我国政府提出了国家粮食安全战略，明确要求适度进口国内供求存在缺口的粮食等农产品，通过统筹利用国内国际两个市场、两种资源，确保“谷物基本自给、口粮绝对安全”。粮食综合生产能力是粮食安全的基础，粮食综合生产能力的安全是粮食安全的核心[8]，巩固并增强粮食综合生产能力需主要通过扩大粮食种植面积和提高粮食单产水平来实现。然而当前，我国粮食生产仍面临着耕地数量减少、耕地质量下降、科技支撑不强等诸多隐忧[9-10]。因此，按照2016年“中央一号”文件提出的推进农业供给侧结构性改革[11]，未来要确保我国国家粮食安全，做到中国人的吃饭问题基本靠自己来解决、中国人的饭碗牢牢端在自己手里[6]，将主要依靠粮食单产的进一步提升。

我国政府对稻谷、小麦、玉米等主要粮食作物(简称“主粮”)生产实施的农业支持保护补贴政策(2015年起实施，由以前的种粮直补、农资综合补贴和良种补贴合并)、小麦稻谷最低收购价政策、玉米临时收储政策(2016年起改革为玉米生产者补贴制度)、产粮大县奖励政策等一系列扶持政策，均是以主产区省份为重点实施范围，并且主产区省份相对于非主产区省份在耕地、水资源等农业资源禀赋方面一般也更具优势。那么，我国全国以及主产区省份和非主产区省份主粮单产的演进趋势如何？主产区省份和非主产区省份主粮单产是否存在显著差异？全国产区省份、主产区省份和非主产区省份主粮单产是否存在收敛趋势？对这些问题的深入探究，有助于更全面准确地把握我国主粮单产变化规律，可为在新形势下更好地完善国家粮食安全政策提供一定的现实依据。目前，国内已有研究我国粮食单产的文献主要分析了主粮单产变化趋势及其波动幅度和波动周期[12-14]、主粮单产变化影响因素[15-17]、主粮单产提升对粮食增产的贡献[18-21]等，关于不同省份粮食单产的比较及其收敛趋势，仅有田旭等[1]对全国30个省份稻谷、小麦和玉米进行了相关研究，并在此基础上进一步估算了三大主粮历年的生产潜能，但还鲜有关于三大主粮主产区和非主产区单产收敛趋势的研究。因此，本文在已有相关文献的基础上，先分析1978—2015年我国稻谷、小麦和玉米单产的时空演进趋势，然后利用多种收敛性检验方法对三大主粮单产在全国产区省份、主产区省份和非主产区省份的收敛情况进行检验。

二、收敛检验模型构建及数据来源

(一)收敛性检验模型构建

收敛性研究最早关注经济增长问题，按照变化特征，收敛性可分为σ收敛和β收敛。σ收敛是指各经济体人均收入等指标值的绝对差距随着时间的推移逐渐缩小，也称绝对σ收敛[22],本文利用变异系数(CV)和如下模型对绝对σ收敛进行检验。

CVt=C+αt+εt

(1)

其中，t表示时间趋势，C和εt分别表示常数和白噪声；当系数估计值α<0且在统计上显著时，说明各省份主粮单产绝对差距随着时间的推移显著缩小，即绝对σ收敛存在。

β收敛包括绝对β收敛及条件β收敛。绝对β收敛是指指标初始值较低的经济体增长速度要明显快于初始值较高的经济体，表明各经济体指标值绝对差距随着时间的推移逐渐缩小；条件β收敛是指指标初始值离其稳态值越远的经济体增长速度也越快，表明落后经济体增长速度明显快于发达经济体[23]。根据Barro等的研究[24]，绝对β收敛检验模型可以表示为：

(2)

其中，Yieldi,t和Yieldi,0分别表示i省份在考察期和基期的主粮单产；φ表示系数估计值，当φ<0且统计显著时，表明主粮单产低的省份主粮单产的增长速度显著快于主粮单产高的省份，即存在绝对β收敛。借鉴Mankiw等的研究[25]，绝对β收敛的平均收敛速度λ可根据下式求得：

(3)

根据本文研究样本期，式(2)和式(3)可分别改写为：

(4)

(5)

根据Mille等[26]的研究，条件β收敛检验模型可表示为：

gVi,t=lnYieldi,t-lnYieldi,t-1=C+φlnYieldi,t-1+εi,t

(6)

其中，gVi,t表示i省份主粮单产从t-1期到t期的增长率；φ表示系数估计值，当φ<0且统计显著时，说明离稳态值越远的省份主粮单产的增长速度也越快，即存在条件β收敛。条件β收敛的平均收敛速度γ可利用下式计算得到：

(7)

(二)数据来源及说明

表1 我国三大主粮产区省份情况 单位：%

注：广西和海南的数据在1978—1987年不可分，因此将海南的数据全部合并入广西;四川和重庆的数据在1978—1996年不可分，因此将重庆的数据全部合并入四川。

本文采用的我国全国及各产区省份稻谷、小麦和玉米的单产数据是根据全国及各产区省份稻谷、小麦和玉米的产量与播种面积数据计算得到(单位：吨/公顷)；其中，稻谷包括早稻、中稻和晚稻，小麦包括冬小麦和春小麦。研究样本期为1978—2015年，数据均来自国家统计局国家数据库。考虑到样本期内数据的完整程度以及每种主粮各产区省份产量占该种主粮全国总产量比重情况，本文研究的稻谷、小麦和玉米的全国产区省份与主产区省份及2015年主产区省份稻谷、小麦和玉米的产量与播种面积合计分别占全国比重情况如表1所示。

三、我国三大主粮单产水平的时空演进

(一)全国范围内三大主粮单产水平的变化

根据图1可知，全国三大主粮单产总体上均在波动变化中显著提升。1978—2015年，全国稻谷、小麦和玉米每公顷产量分别增加了2.91吨、3.55吨和3.09吨，单产年均增长率分别为1.50%、2.94%和2.03%。全国三大主粮单产在同一年份相互之间的大小关系均一直表现为：稻谷>玉米>小麦。需要特别提及的是，受多方面因素影响，我国粮食总产量在1998—2003年间连续5年下降，从51230万吨降至43070万吨[4]，在此期间全国三大主粮单产总体上也是以降为主。

图1 1978—2015年全国三大主粮单产变化情况

表2 不同时期全国三大主粮单产平均值及变化幅度 单位：吨/公顷

注：平均值等于该时期各年份单产的算术平均值；变化幅度等于该时期起止年份单产之差。

根据表2可知，伴随着全国三大主粮单产的进一步提升，各时期全国三大主粮单产平均值总体上也在不断增长。全国稻谷、小麦和玉米单产的平均值在2011—2015年比在1978—1980年分别增加了2.66吨/公顷、3.13吨/公顷和2.90吨/公顷。从不同时期全国三大主粮单产变化幅度来看，稻谷单产变化幅度和玉米单产变化幅度总体上均呈现出了近似“M”型的变化特征，小麦单产变化幅度则持续波动变化。

(二)产区省份三大主粮单产水平的时空变化

1. 产区省份稻谷单产水平的时空变化

根据图2可知，我国稻谷主产区省份和非主产区省份的单产总体上均显著提高。从主产区省份看(图2-a)，辽宁、江苏、四川、河南、吉林和湖北的稻谷单产一直位处前列，且明显高于其他主产区省份；湖北、吉林、江苏、黑龙江和河南的稻谷单产1978—2015年总体增长幅度位处前5位，且明显高于其他主产区省份；黑龙江、湖北、吉林、江西和广西的稻谷单产年均增长率位处前5位，其中黑龙江、江西和广西的稻谷单产在1978年均排在后几位；稻谷单产最高省份和最低省份的单产绝对差距从1978年的2.31吨/公顷进一步扩大到2015年的2.93吨/公顷。从非主产区省份看(图2-b)，2015年，新疆、上海、山东、宁夏和陕西的稻谷单产位处前5位，且明显高于其他非主产区省份；新疆、内蒙古、山东、天津和上海的稻谷单产1978—2015年总体增长幅度位处前5位，且明显高于其他非主产区省份；内蒙古、新疆、天津、山东和甘肃的稻谷单产年均增长率位处前5位，且这5个省份的稻谷单产在1978年均排在后几位；稻谷单产最高省份和最低省份的单产绝对差距从1978年的5.19吨/公顷缩小到2015年的4.02吨/公顷。

图2-a主产区省份 图2-b非主产区省份

图2 主要年份我国稻谷主产区省份和非主产区省份单产变化情况

2. 产区省份小麦单产水平的时空变化

根据图3可知，我国小麦主产区省份和非主产区省份的单产总体上均明显提升。从主产区省份看(图3-a)，2015年，河南、河北、山东、安徽和新疆的小麦单产位处前5位，且明显高于其他主产区省份；新疆、河南、安徽、河北和山东的小麦单产1978—2015年总体增长幅度位处前5位，且明显高于其他主产区省份；新疆、安徽、河北、河南和山东的小麦单产年均增长率位处前5位，其中河北和新疆的小麦单产在1978年均排在后几位；小麦单产最高省份和最低省份的单产绝对差距从1978年的1.42吨/公顷进一步扩大到2015年的2.67吨/公顷。从非主产区省份看(图3-b)，西藏、天津、北京和上海的小麦单产一直位处前列，且明显高于其他非主产区省份；辽宁、西藏、天津、吉林和山西的小麦单产1978—2015年总体增长幅度位处前5位，且明显高于其他非主产区省份；内蒙古、辽宁、吉林、山西和广东的小麦单产年均增长率位处前5位，且这5个省份的小麦单产在1978年均排在后几位；小麦单产最高省份和最低省份的单产绝对差距从1978年的3.09吨/公顷进一步扩大到2015年的4.71吨/公顷。

图3-a主产区省份 图3-b非主产区省份

图3 主要年份我国小麦主产省份和非主产省份单产变化情况

3. 产区省份玉米单产水平的时空变化

根据图4可知，我国玉米主产区省份和非主产区省份的单产总体上都明显提高。从主产区省份看(图4-a)，吉林、内蒙古、山东、黑龙江和辽宁的玉米单产基本都位处前列，且明显高于其他主产区省份；吉林、山东、内蒙古、黑龙江和河北的玉米单产1978—2015年总体增长幅度位处前5位，且明显高于其他主产区省份；吉林、山东、河北、河南和四川的玉米单产年均增长率位处前5位，其中山东、河北、河南和四川的玉米单产在1978年均排在后几位；玉米单产最高省份和最低省份的单产绝对差距从1978年的1.75吨/公顷进一步扩大到2015年的2.24吨/公顷。从非主产区省份看(图4-b)，宁夏、上海、北京、甘肃、新疆和江苏的玉米单产基本都位处前列，且明显高于其他主产区省份；新疆、宁夏、安徽、湖南和江西的玉米单产1978—2015年总体增长幅度位处前5位，且明显高于其他主产区省份；江西、湖南、广东、安徽和新疆的玉米单产年均增长率位处前5位，其中江西、湖南、广东和安徽的玉米单产在1978年均排在后几位；玉米单产最高省份和最低省份的单产绝对差距从1978年的4.48吨/公顷缩小到2015年的3.29吨/公顷。

图4-a主产区省份 图4-b非主产区省份

图4 主要年份我国玉米主产区省份和非主产区省份单产变化情况

四、我国三大主粮单产水平的地区收敛分析

(一)绝对σ收敛检验

1. 稻谷

根据图5可知，从全国来看，1978年以来全国产区省份稻谷单产的变异系数在持续波动变化中以降为主，从1978年的0.217减少至2015年的0.132。从主产区来看，1978年以来主产区省份稻谷单产变异系数的变化幅度相对较为平缓且总体上有所下降，从1978年的0.180减少至2015年的0.155，主产区省份的稻谷单产变异系数在样本期的大多数年份里均高于全国。从非主产区来看，1978年以来非主产区省份稻谷单产变异系数的变化幅度相对较为剧烈且总体上出现了显著下降，从1978年的0.311减少至2015年的0.148，并且非主产区省份的稻谷单产变异系数在样本期内一直高于全国产区省份，在大多数年份里也高于主产区省份。因此，随着时间推移，我国稻谷单产在全国产区省份之间、主产区各省份之间和非主产区省份之间的绝对差距总体上均出现了不同程度缩小。

注：图中虚线表示变化情况的趋势线；下同。

表3 我国稻谷单产绝对σ收敛检验模型估计结果

注：***和**分别表示在1%和5%的水平上统计显著；圆括号内数值为系数估计值的t统计量,方括号内数值为检验统计量的相伴概率。下同。

根据表3中对模型(1)的估计结果可知，各个模型的拟合效果均较好；对于全国产区省份、主产区省份和非主产区省份，α的估计值均小于0且在1%水平上统计显著，这表明全国产区省份、主产区省份和非主产区省份稻谷单产的绝对差距都显著缩小。因此，随着时间的推移，我国稻谷单产在全国产区省份、主产区省份和非主产区省份均存在绝对σ收敛。

2. 小麦

根据图6可知，从全国来看，1978年以来全国产区省份小麦单产的变异系数在不断波动变化中以降为主，从1978年的0.448减少至2015年的0.333。从主产区来看，1978年以来主产区省份小麦单产变异系数在前期大幅波动变化且近期变化较为平缓，总体上略有下降，从1978年的0.215减少至2015年的0.199，主产区省份的小麦单产变异系数在样本期内一直显著低于全国。从非主产区来看，1978年以来非主产区省份小麦单产变异系数的变化幅度相对较大且总体上出现了显著下降，从1978年的0.541减少至2015年的0.335，并且非主产区省份的小麦单产变异系数在样本期内一直高于全国各产区省份，也显著高于主产区省份。因此，随着时间推移，我国小麦单产在全国产区省份之间和非主产区省份之间的绝对差距总体上均出现了不同程度缩小，而主产区省份之间绝对差距的变化趋势并不非常明显。

图6 1978—2015年我国小麦单产变异系数变化情况

表4 我国小麦单产绝对σ收敛检验模型估计结果

根据表4中对模型(1)的估计结果可知，对于全国产区省份和非主产区省份，α的估计值均小于0且分别在5%和1%水平上统计显著，这表明全国产区省份和非主产区省份小麦单产的绝对差距随时间推移都显著缩小；对于主产区省份，α的估计值大于0但在统计上不显著，这表明主产区省份小麦单产的绝对差距随时间推移的变化趋势不明显。因此，我国小麦单产在全国产区省份和非主产区省份均存在绝对σ收敛，主产区省份则不存在绝对σ收敛。

如图1～图3的结果对比所示，本文所使用求解器的应力和位移结果与ABAQUS计算结果非常接近，该求解器可以很好的进行螺栓预紧力分析。同时，X、Y、Z三个方向上的位移结果误差按误差公式得到误差值，分别是4.86×10-6、4.16×10-6、3.34×10-6。由此可以看出，ATLAS计算结果与ABAQUS结果误差非常小。

3. 玉米

根据图7可知，从全国来看，1978年以来全国产区省份玉米单产的变异系数在持续波动变化中以降为主，从1978年的0.358减少至2015年的0.173，从主产区来看，1978年以来主产区省份玉米单产变异系数在前期大幅波动变化且近期变化较为平缓，总体上有所下降，从1978年的0.161减少至2015年的0.125，主产区省份的玉米单产变异系数在样本期内一直显著低于全国。从非主产区来看，1978年以来非主产区省份玉米单产变异系数的变化幅度相对较大且总体上出现了显著下降，从1978年的0.439减少至2015年的0.191，并且非主产区省份的玉米单产变异系数在样本期内基本都高于全国产区省份，也显著高于主产区省份。因此，随着时间推移，我国玉米单产在全国产区省份之间、主产区省份之间和非主产区省份之间的绝对差距总体上均出现了不同程度的缩小。

图7 1978—2015年我国玉米单产变异系数变化情况

表5 我国玉米单产绝对σ收敛检验模型估计结果

根据表5中对模型(1)的估计结果可知，各个模型的拟合效果均较好；对于全国各产区省份、主产区省份和非主产区省份，α的估计值均小于0且在1%水平上统计显著，这表明随时间推移，全国各产区省份、主产区省份和非主产区省份玉米单产的绝对差距都显著缩小。因此，我国玉米单产在全国各产区省份、主产区省份和非主产区省份均存在绝对σ收敛。

(二)绝对β收敛检验

1. 稻谷

根据表6中对模型(4)的估计结果可知，对于全国产区省份和非主产区省份，β的估计值均小于0且在1%水平上统计显著，这表明全国和非主产区稻谷单产低的省份稻谷单产比稻谷单产高的省份以更快速度增长，即全国产区省份和非主产区省份稻谷单产均存在绝对β收敛且平均收敛速度λ分别为6.83%和11.98%，非主产区省份稻谷单产平均收敛速度显著高于全国产区省份。对于主产区省份，β=-0.0068<0但统计上不显著，这表明稻谷单产低的省份稻谷单产增长速度和稻谷单产高的省份差异不明显，主产区省份稻谷单产不存在绝对β收敛。

表6 我国稻谷单产绝对β收敛检验模型估计结果

2.小麦

根据表7中对模型(4)的估计结果可知，对于全国产区省份、主产区省份和非主产区省份，β的估计值均小于0且统计显著，这表明全国、主产区和非主产区小麦单产低的省份小麦单产都比小麦单产高的省份以更快速度增长，即全国产区省份、主产区省份和非主产区省份小麦单产均存在绝对β收敛且平均收敛速度分别为1.66%、9.42%和2.00%，非主产区省份小麦单产平均收敛速度显著低于主产区省份，但高于全国产区省份。

3.玉米

根据表8中对模型(4)的估计结果可知，对于全国产区省份、主产区省份和非主产区省份，β的估计值均小于0且统计显著，这表明全国、主产区和非主产区玉米单产低的省份玉米单产都比玉米单产高的省份以更快速度增长，即全国产区省份、主产区省份和非主产区省份玉米单产均存在绝对β收敛且平均收敛速度分别为3.77%、3.80%和3.99%，非主产区省份玉米单产平均收敛速度同时高于主产区省份和全国产区省份。

表7 我国小麦单产绝对β收敛检验模型估计结果

表8 我国玉米单产绝对β收敛检验模型估计结果

(三)条件β收敛检验

面板数据模型主要有混合估计、固定效应、随机效应等模型设定形式，而根据不同设定形式估计得到的结果往往存在较大差异。为了检验模型(6)设定形式的合理性并提高估计结果的稳健性，本文在进行条件β收敛检验时，兼顾面板数据的个体效应及时期效应，首先在固定效应下进行冗余固定效应LR检验，然后在随机效应下进行Hausman检验，再根据两种检验结果确定合适的模型设定形式，并据此进行估计和分析。根据表9、表10和表11可以看出，第一种检验的H0都在1%水平下被拒绝，表明固定效应均好于混合估计；第二种检验的H0也都在1%水平下被拒绝，表明固定效应均好于随机效应。所以，本文在兼顾面板数据的个体效应及时期效应的情况下，利用基于面板数据固定效应的模型(6)来分别对全国产区省份、主产区省份和非主产区省份主粮单产是否存在条件β收敛进行检验。根据表9、表10和表11中估计得到的相关主要检验统计量值可知，各个模型的整体拟合效果均很好。

1. 稻谷

根据表9可知，对于全国产区省份、主产区省份和非主产区省份，φ的估计值均小于0且在1%水平上统计显著，这表明全国、主产区和非主产区离自身稳态值越远的省份稻谷单产增长速度也越快，即全国产区省份、主产区省份和非主产区省份稻谷单产都存在条件β收敛且平均收敛速度γ分别为1.56%、1.96%和1.45%，非主产区省份稻谷单产平均收敛速度同时低于主产区省份和全国产区省份。

表9 我国稻谷单产条件β收敛检验模型估计结果

注：冗余固定效应LR检验的原假设Ho是混合估计优于固定效应，当该检验的检验统计量显著时，Ho被拒绝；Hausman检验的原假设Ho是随机效应优于固定效应，当该检验的检验统计量显著时，Ho被拒绝。下同。

2. 小麦

根据表10可知，对于全国产区省份、主产区省份和非主产区省份，φ的估计值均小于0且都在1%水平上统计显著，这表明全国、主产区和非主产区离自身稳态值越远的省份小麦单产增长速度也越快，即全国产区省份、主产区省份和非主产区省份小麦单产都存在条件β收敛且平均收敛速度γ分别为1.43%、0.87%和1.60%，非主产区省份小麦单产平均收敛速度同时高于主产区省份和全国产区省份。

3. 玉米

根据表11可知，对于全国产区省份、主产区省份和非主产区省份，φ的估计值均小于0且在1%水平上统计显著，这表明全国、主产区和非主产区离自身稳态值越远的省份玉米单产增长速度也越快，即全国产区省份、主产区省份和非主产区省份玉米单产都存在条件β收敛且平均收敛速度γ分别为1.19%、2.00%和0.98%，非主产区省份玉米单产平均收敛速度同时低于主产区省份和全国产区省份。

表10 我国小麦单产条件β收敛检验模型估计结果

表11 我国玉米单产条件β收敛检验模型估计结果

五、提升非主产区粮食单产潜力的重要性

本文在分析我国稻谷、小麦和玉米单产时空演进趋势的基础上，利用绝对σ收敛检验、绝对β收敛检验和条件β收敛检验，对全国产区省份、主产区省份和非主产区省份三大主粮单产收敛情况进行了检验。结果表明，从全国来看，三大主粮单产均在波动变化中显著提升，且同一年份相互之间的大小关系一直呈现：稻谷>玉米>小麦。从产区省份来看，主产区省份三大主粮单产基本都持续高于非主产区省份；主产区省份三大主粮单产最高省份和最低省份的单产绝对差距均显著小于非主产区省份。从三大主粮单产收敛情况来看，稻谷单产及玉米单产在全国产区省份、主产区省份和非主产区省份均存在绝对σ收敛，小麦单产在全国产区省份和非主产区省份均存在绝对σ收敛；小麦单产及玉米单产在全国产区省份、主产区省份和非主产区省份均存在绝对β收敛，稻谷单产在全国产区省份和非主产区省份均存在绝对β收敛，主产区省份小麦单产的绝对β收敛速度快于非主产区省份，玉米单产则相反；三大主粮单产在全国产区省份、主产区省份和非主产区省份均存在条件β收敛，主产区省份稻谷单产和玉米单产的条件β收敛速度快于非主产区省份，小麦单产则相反。

在我国粮食“十二连增”的过程中，主产区的作用非常突出。2015年，我国主产区省份稻谷、小麦和玉米的产量分别占全国的87.22%、91.36%和77.76%，播种面积分别占全国的86.48%、86.11%和75.45%。但今后主产区依靠改造中低产田的潜力和扩大播种面积实现粮食增产的空间已经十分有限，这预示着依靠主产区来实现全国粮食增产的难度越来越大，未来应在继续保障主产区粮食生产稳定的基础上，大力挖掘非主产区粮食生产潜力[18]。考虑到非主产区省份三大主粮单产大多低于主产区省份，按照2016年“中央一号”文件提出的“藏粮于地、藏粮于技”战略，今后可在非主产区省份重点通过加强推广优质高产品种、建设高标准农田、推进农业机械化和信息化等方式，持续提高非主产区省份粮食单产，并以此来带动和促进全国粮食综合生产能力的巩固与提升。

[1]田旭，于晓华，张晓恒. 中国粮食生产潜能分析：一个基于“俱乐部收敛”的视点[J]. 浙江大学学报(人文社会科学版)，2016，46(5)：112-128.

[2]韩俊. 新形势下推进农业转型发展的若干思考[J]. 中国经济报告，2016(12)：15-17.

[3]中华人民共和国国家统计局. 2016中国统计年鉴[M]. 北京：中国统计出版社，2016.

[4]陈锡文. 落实发展新理念破解农业新难题[J]. 农业经济问题，2016(3)：4-10.

[5]农业部农产品贸易办公室，农业部农业贸易促进中心. 2016中国农产品贸易发展报告[M]. 北京：中国农业出版社，2016.

[6]陈锡文. 加快推进农业供给侧结构性改革促进我国农业转型升级[J]. 农村工作通讯，2016(24)：5-8.

[7]万宝瑞. 加快提高我国农业竞争力的思考[J]. 农业经济问题，2016(4)：4-8.

[8]余强毅，吴文斌，唐华俊，等. 基于粮食生产能力的APEC地区粮食安全评价[J]. 中国农业科学，2011，44(13)：2838-2848.

[9]韩长赋. “十三五”时期推进农业现代化的重点任务[J]. 上海农村经济，2016(5)：4-8.

[10]韩俊. 从宏观全局看“三农”政策走向[J]. 上海农村经济，2016(10)：4-8.

[11]中共中央，国务院. 关于落实发展新理念加快农业现代化实现全面小康目标的若干意见[EB/OL].(2016-01-27)[2017-01-06]. http://www.gov.cn/zhengce/2016-01/27/content_5036698.htm，2016.

[12]李靖，孙晓明. 省域粮食单产水平与波动状况研究[J]. 中国人口·资源与环境，2011，21(4)：76-80.

[13]刘忠，黄峰，李保国. 基于两步剔除趋势法的中国粮食单产波动特征分析[J]. 资源科学，2015，37(6)：1279-1286.

[14]周晶，陈玉萍，丁士军. 中国粮食单产波动分解及其预警分析[J]. 农业技术经济，2013(10)：106-113.

[15]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.

[16]田甜，李隆玲，黄东，武拉平. 未来中国粮食增产将主要依靠什么?——基于粮食生产“十连增”的分析[J]. 中国农村经济，2016(5)：13-22.

[17]陈帅，徐晋涛，张海鹏. 气候变化对中国粮食生产的影响——基于县级面板数据的实证分析[J]. 中国农村经济，2015(6)：2-15.

[18]王济民，肖红波. 我国粮食八年增产的性质与前景[J]. 农业经济问题，2013(2)：22-31.

[19]李国祥. 2020年中国粮食生产能力及其国家粮食安全保障程度分析[J]. 中国农村经济，2014(5)：4-12.

[20]黄勇，朱信凯. 基于指数分解法的中国粮食增量贡献要素研究[J]. 农业技术经济，2014(6)：92-102.

[21]封志明，孙通，杨艳昭. 2003—2013年中国粮食增产格局及其贡献因素研究[J]. 自然资源学报，2016，31(6)：895-907.

[22]ISLAM N. What have we learn from the convergence debate[J]. Journal of Economic Surveys，2003，17(3)：309-362.

[23]彭安丽，陈志. 我国产业增长收敛性的实证研究[J]. 世界经济情况，2006(13)：14-18.

[24]BARRO R J，SALA-I-MARIN X. Economic growth[M]. New York：McGraw Hill，1995.

[25]MANKIW N G，ROMER D，WEIL D N. A contribution to the empirics of economic growth[J]. Quarterly Journal of Economics，1992，107(2)：407-437.

[26]MILLER S M，UPADHYAY M P. Total factor productivity and the convergence hypothesis[J]. Journal of Macroeconomics，2002，24(2)：267-286.

Spatial Temporal Evolution and Regional Convergence of the Yields of China’s Three Major Grains

SUN Zhi-lu

(InstituteofAgriculturalEconomicsandDevelopment,ChineseAcademyofAgriculturalSciences,Beijing100081,China)

Based on analysis on the spatial-temporal evolution tendency of yields of China’s three main grains--rice, wheat and maize, from years 1978 to 2015, this paper tests the convergence of yields of the three major grains of national producing provinces, major producing provinces and non-major producing provinces. The results show that, national yields of three major grains have been significantly improved with some fluctuation, and yields of three major grains of major producing provinces are basically higher than that of non-major producing provinces. There are significant convergent tendencies for yields of three major grains of national producing provinces and non-major producing provinces, absolute difference of yields are continuously reducing, yields of provinces with comparatively lower yields in initial stage have faster increasing speed, and which considerably below steady-state values also have faster increasing speed. But the convergent tendencies for yields of three major grains producing provinces may not be universal, reduce of wheat production between major producing provinces and non-major producing provinces is not significant, and also the increasing speed of rice production. Compared with major producing provinces, the convergent tendencies for yields of three major grains of non-major producing provinces are more significant.

rice; wheat; maize; major producing areas; non-major producing areas; yield of grain

2017-01-20

10.7671/j.issn.1672-0202.2017.03.002

中央级公益性科研院所基本科研业务费专项(1610052016011)；国家自然科学基金面上项目(71473253)；中国农业科学院科技创新工程(ASTIP-IAED-2016-06)

孙致陆(1983—)，男，安徽铜陵人，中国农业科学院农业经济与发展研究所助理研究员，主要研究方向为农产品市场与贸易。E-mail：sunzhilu@caas.cn

F326.11

A

1672-0202(2017)03-0012-15