基于海外耕地投资的中国粮食供给安全研究

卢新海��柯善淦

摘要

海外耕地投资是中国企业走出去，参与国际投资合作，获取耕地资源的重要手段。海外耕地投资能够通过国际合作和粮食进口，增加中国粮食供给，对国内粮食市场产生重大影响。基于柯布道格拉斯生产函数模型，对粮食播种面积、粮食成灾面积、农业机械总动力、农村用电量、粮食生产劳动力人数、有效灌溉面积、农业产品生产价格指数、农膜施用量、化肥施用折纯量、农药施用量等10个因素进行模型参数筛选，拟合中国粮食总产量关于粮食产量影响因子的函数关系，测算中国国内粮食生产总量；同时通过时间序列数据拟合出口粮、工业用粮、饲粮、种子粮以及粮食损耗的函数模型，测算中国国内粮食需求总量；在此基础上，通过情景分析法模拟不同情景下，中国在海外生产的粮食进入中国市场的比例，并以此作为影响中国粮食总产量的因子之一，构建关于中国粮食总供给的函数模型，分别测算不同情境中海外耕地投资生产的粮食对中国粮食供给安全的影响程度。研究结果表明，悲观情景和一般情境中，海外耕地投资生产的粮食对中国粮食安全的影响并不显著，乐观情境中中国海外耕地投资对中国粮食安全产生显著影响。进一步研究表明，当海外耕地投资粮食进口率超过75.3%时，海外耕地投资会对中国粮食供给安全产生显著影响。研究结论和建议：目前中国海外耕地投资对中国粮食安全的影响并不显著；中国的海外耕地投资能够直接或间接增加中国粮食供给，并且供给量显著提高，存在提高中国粮食供给率，保障国家粮食安全的巨大潜力，决策部门需要重视海外耕地投资，引导海外耕地投资良性发展。

关键词海外耕地投资；中国粮食供给安全；柯布道格拉斯生产函数；粮食总供给；粮食总需求

中图分类号F329.9

文献标识码A文章编号1002-2104（2017）05-0102-09DOI：10.12062/cpre.20170333

中国人口众多，人均耕地面积约为世界人均耕地面积的1/3，粮食供给安全受到全世界的关注。随着经济发展水平和人均消费水平的提高，人均粮食消费量增加；农村劳动力外流，大量耕地抛荒、土地污染以及工业用粮的增长，导致中国的粮食供给处于“紧平衡”状态[1]。目前，中国保障粮食供给安全手段包括土地整理、基本农田保护、农业科技以及对外粮食贸易等，海外耕地投资也是重要手段之一。据国外网站Land Matrix统计，中国海外耕地投资最早从二十一世纪早期开始，十几年来已经在亚洲、非洲、南美洲等地，通过购买、租赁、优惠经营等方式，投资当地耕地，直接或者间接影响中国的粮食供给安全。

1研究对象和数据来源

海外耕地投资，指的是投资主体，包括政府、企业、金融机构以及个人通过与被投资国（东道国）签订合同，购买或者租赁东道国的耕地，从事生产经营活动的行为。目前，耕地投资领域主要包括粮食生产、经济作物种植、林业、牧业、碳汇、生物燃料、旅游业、工业等。海外耕地投资在国内属于前沿课题，一批具有前瞻性的学者对此做了探索性研究，主要涉及海外耕地投资的区域选择、投资方式、合作模式、投资风险等[2-8]。对于关键性课题，海外耕地投资对于中国粮食供给安全影响程度，目前少有涉及。把握海外耕地投资对中国粮食供给安全的影响程度，对当前中国海外耕地投资所处阶段形成理性认知，为决策部门引导中国海外耕地投资良性发展有重要作用。

通过搜集整理Land Matrix发布的中国海外耕地投资案例数据、《中国统计年鉴》、《中国经济与社会发展统计数据库》等资料，构建粮食供需模型和粮食供给安全测度模型。

2粮食供给安全测度模型构建

在国内外学者关于海外耕地投资以及粮食供给安全研究成果基础上，构建粮食生产函数，并将海外耕地投资所生产的粮食总量作为变量，以海外耕地投资生产的粮食进口比例为桥梁，重构中国国内粮食总供给函数，结合国内粮食需求总量，测算中国粮食供給安全水平以及海外耕地投资对中国粮食供给安全的影响。

2.1国内粮食供给模型构建

2.1.1指标筛选

国内外学者大量运用统计模型对不同层级区域的粮食生产能力、生产潜力进行研究，研究成果表明，粮食播种面积、粮食成灾面积、农业机械总动力、农村用电量、粮食生产劳动力人数、有效灌溉面积、农业产品生产价格指数、农膜施用量、化肥施用折纯量、农药施用量等10个因素作为可能影响粮食生产能力的主要因素，气候条件由于很难具有突变性和很大差异性，很难进行合理量化，故此在研究中暂不考虑[9-15]。

2.1.2国内粮食生产函数构建

柯布-道格拉斯粮食生产函数转换成线性形式如下：

其中，a是独立的残差项，ε为随机扰动项，表示其他因素的影响，xi=log（Xi），α，β，γ等自变量参数分别表示因变量y关于xi的斜率，参数数值大小与因子xi对粮食产量y的影响显著性正相关。因此，模型的关键在自变量参数求解。变形之后的柯布-道格拉斯函数是一般线性模型，可以通过最小二乘法（OLS）进行求解，确定参数结合Xi实际值可计算出粮食产量。

从《中国统计年鉴》、《中国农业统计年鉴》、《中国经济与社会发展统计数据库》获取关于中国粮食生产总量以及可能对粮食生产产生较大影响的自然、科技、政策、经济等方面的主要影响因子相关数据（见表1）。

表中，Y表示粮食总产量；X1表示粮食播种面积（103 hm2）；X2表示粮食成灾面积（103 hm2），由于中国在实际统计过程中并没有统计粮食成灾面积，只有农作物成灾面积，因此研究过程中根据农作物成灾面积和农作物生产结构中粮食生产的比例推算出粮食成灾面积；X3表示农业机械总动力（万kW）；X4表示农村用电量（亿kW·h），这也是很多学者在研究过程中常用的指标，但严格来说，更合适的统计指标为用于粮食生产的农村用电量，由于很难获取相关数据，因此保留农村用电量这一指标；X5表示粮食生产劳动力人数，中国统计过程中，并没有粮食生产劳动力人数这一项，只有农、林、牧、渔劳动力人数，因此研究在实际操作过程中用该项指标替代；X6表示有效灌溉面积（103 hm2）；X7表示农产品生产价格指数，上年用100表示；X8表示农用化肥折纯量（万t），这一指标统计农用化肥的实际重量，即将农用化肥中氮、磷、钾等重量进行剥离，求取农用化肥实际重量；X9表示农药施用量（万t）。

由于各指标统计单位存在差异，研究中需要用主成分分析法对影响因子的显著性进行比较分析，因此需要对原数据进行标准化处理，将原始数据无量纲化。为了避免伪回归现象，首先对面板数据做单位根检验。检验发现，ADF单位根检验伴随概率为0.93，PP检验伴随概率为070，均大于0.05，说明原始数据存在单位根，不能直接进行回归。考虑一阶差分，结果中ADF检验和PP检验的伴随概率均为0，说明对原数据进行一阶差分之后，不存在单位根。

当滞后阶数分别取L=1，2，3，4时，AIC和SC的取值在L=2时最小，所以确定滞后阶数L=2。为了考察变量之间是否存在长期协整关系，需要对一阶差分后的结果做Johansen协整检验（表2）。

Johansen检验做了4个假设：原假设H0分别为：①变量之间不存在协整关系；②变量之间存在最多1个协整关系；③变量之间存在最多2个协整关系；④变量之间存在最多三个协整关系。结果表明，对于4个原假设H0，对应的P值分别为0.000 0、0.005 0、0.001 14、0.034 7，均小于0.05；对应的Trace统计量分别大于95%置信度下的临界值。所以，拒绝原假设H0，说明变量之间存在4个协整关系。

利用Eview8.0对无量纲化后的数据进行回归分析，水平下，调整后的R方为0.983 4，回归方程可信度很高；F统计量为93.17>F0.05（9，5）=4.77，说明表明模型从整体上看粮食產量与解释变量之间线性关系显著；AIC为-3.26，SC值为-27，两个参数的值较小；DW值为229，处于[15，25]区间内，说明回归方程自变量无自相关。逐步回归后，剔除变量D（X4）、D（X5）、D（X8）。但注意到，构造回归方程时，D（X7） 参数符号为负，但从经济意义上来说，D（X7）表示农产品生产价格指数的一阶差分值，对粮食生产总量为正相关，参数符号为负与经济学意义相悖，应当剔除；另外，除自变量D（X2）的P值分别为001小于005外，其他自变量和常数项的P值均大于005，且参考t值并不显著说明自变量之间存在多重共线性，需要对模型进一步优化。

根据P值大小，逐个放入方程，用逐步回归法对方程进行回归，D（X3），D（X4），D（X7），D（X9）依次被剔除，即农业机械总动力、农村用电量、农产品生产价格指数以及农药施用量与粮食生产总量关系并不显著。回归结果中，D（X1），D（X2），D（X6）的伴随概率P值均小于0.05，说明在95%置信度水平下，粮食播种面积、粮食成灾面积、有效灌溉面积与粮食生产总量关系显著；调整后的R方值为0.761，说明回归方程解释力较强；D-W统计量为1.902，非常接近2，说明方程不存在自相关性。根据结果，得出中国粮食产量的柯布-道格拉斯生产函数模型为：

这表明，在中国农村用电量、粮食生产劳动力人数、农用化肥折纯量与粮食生产量的关系不显著。

2.2粮食需求模型构建

（1）粮食需求主要来自口粮、饲料粮、种子粮、工业用粮、粮食出口、新增粮食储备粮以及粮食损耗，需要说明的是，中国政府严格限制粮食出口，粮食出口量很少，在此暂不考虑。运用分类计算法分别对各类粮食需求进行计算，公式如下：

（2）口粮需求量。中国计年鉴统计的居民所需原粮数量并没有统计居民在家庭外所消费的口粮，因此需要对原始数据进行修正。据统计，中国农村居民、城镇居民在家庭外消费的口粮分别为家庭口粮消费的4%和12%左右。

其中，D1表示口粮总需求量，Pv表示农村人口数量，Dv表示农村人均口粮需求量；Pc表示城镇人口数量，Dc表示城镇人均口粮需求数量，a， b为人均口粮消费量修正系数，分别为104%和112%。

（3）饲料粮需求数量。国际上通常用饲料转换率来表示饲料和肉量之间的转换关系。饲料转化率一般用耗料增重比表示。据有关研究，饲料中饲粮所占比重在70%左右。因此，实际所需饲料粮总量需要在以上计算基础上乘以70%。

其中，式（5）中D2′表示肉粮转化为饲料的总量，Ta， Tb， Tc， Td，Te分别表示猪肉、牛羊肉、禽、蛋、鱼的饲料转换率；Da，Db，Dc，Dd，De分别表示一段时间内消费的猪肉、牛羊肉、禽、蛋和鱼总量。表示一段时间内饲料粮需求总量。

（4）种子粮需求量。一般而言，中国通用种子粮数量标准为：稻谷75 kg/hm2，小麦150 kg/hm2，玉米75 kg/hm2，大豆75 kg/hm2，薯类225 kg/hm2。

工业用粮总需求量。工业用粮主要用于酒类、食品加工、生物燃料等，工业用粮按照酒精1∶3折算，白酒（折65°）1∶2.3，啤酒（折8°）1∶0.172，味精1∶24，其他工业用粮按照25%折算。

（5）粮食损耗量。学者研究认为，中国粮食转运、存储过程中设备落后、管理缺失，粮食损耗按照2%计算。

2.3粮食供给安全模型构建

一国的粮食供给安全水平可以通过建立粮食供给安全测度模型进行定量测算，按照一定时间内（通常为一年），一定区域内各类粮食总需求与各类粮食总供给的差值与粮食总需求的比重进行评估。粮食供给风险按照粮食缺口比率（即粮食总供给与总需求的差值占粮食总需求的比率）划分为四挡：低风险、小风险、中风险、高风险（表3）。

2.4引入海外耕地投资的粮食供给安全模型构建

假设参数I，I表示中国在海外生产食并进入中国粮食市场的粮食总量占中国在海外生产的粮食总量的比率，即海外耕地粮食进口率。

假设中国粮食总供给为S，表达式为：

其中，S表示中国粮食供给总量，Y表示国内粮食生产总量，Y′表示海外耕地粮食产量，I表示海外耕地粮食进口率。但由于数据的不可获得，I值无法得知，只能通过情景模拟的方式对海外耕地投资粮食生产对中国粮食供给安全水平进行测算。

3中国粮食供给水平测度

3.1中国粮食生产总量

由于各指标统计单位存在差异，研究中需要用主成分分析法对影响因子的显著性进行比较分析，因此需要对原数据进行标准化处理，将原始数据无量纲化。标准化处理采取极大极小值模式，公式如下：

式中，M′表示经过极大极小值法处理后的新数据，M表示原始数据，Xi表示原始数列。

为了避免伪回归现象，首先对面板数据做单位根检验。检验发现，ADF单位根检验伴随概率为0.93，PP检验伴随概率为0.70，均大于0.05，说明原始数据存在单位根，不能直接进行回归。考虑一阶差分，结果中ADF检验和PP检验的伴随概率均为0，说明对原数据进行一阶差分之后，不存在单位根。

当滞后阶数分别取L=1，2，3，4时，AIC和SC的取值在L=2时最小，所以确定滞后阶数L=2。过伴随概率P和Trace统计量计算，拒绝原假设H0：变量之间不存在协整关系，证明备择假设H1：变量之间存在至少一个1个协整关系。

利用Eview8.0对无量纲化后的数据进行回归分析，水平下，调整后的R方为0.983 4，回归方程可信度很高；F统计量为93.17>F0.05（9，5）=4.77，说明表明模型从整体上看粮食产量与解释变量之间线性关系显著；AIC为-326，SC值为-2.7，两个参数的值较小；DW值为229，处于[1.5，2.5]区间内，说明回归方程自变量无自相关。逐步回归后，变量D（X4）、D（X5）、D（X8）的P值大于005，予以剔除。

进行多重共线性修证。回归结果中，D（X1），D（X2），D（X6）的伴随概率P值均小于0.05，说明在95%置信度水平下，粮食播种面积、粮食成灾面积、有效灌溉面积与粮食生产总量关系显著；调整后的R方值为0.761，说明回归方程解释力较强；D-W统计量为1.902，非常接近2，说明方程不存在自相关性。根据结果，得出中国粮食产量的柯布-道格拉斯生产函数模型为：

由于海外耕地被投资国在农业生产条件上异质性，粮食亩产也存在不同。根据柯布-道格拉斯生产函数回归模型得出的结论，中国粮食生产能力主要受到粮食播种面积、粮食成灾面积和有效灌溉面积等受当地生产条件限制较大的因素影响，其他要素等对粮食生产的影响并不显著。因此，可以合理推断，中国在海外投资中的粮食生产能力也近似于当地平均的粮食生产能力。根据中国在该国投资耕地总面积和该国平均粮食生产能力，结合中国在该国投资各类耕地数量，可以计算中国海外耕地投资粮食生产总量。

按照投资目的划分，涉及粮食生产的耕地投资方式有粮食种植、混合农业、多样化种植以及部分不明确或者暂时未确定土地利用方式的投资项目。由于混合农业、多样化种植以及不明确土地利用方式的项目很难获取用于粮食生产的耕地面积数量，因此只能根据经验按照一定比例估算。其中混合农业、多样化种植、未知土地利用方式的粮食种植比例分别设定为40%、30%、20%。

综合考虑粮食种植、混合农业、多样化种植以及未知土地利用方式的耕地投资方式，按照年份对不同土地利用方式新增粮食数量进行测算（表4）。

3.2中国国内粮食需求总量

从中国居民口粮消费量来看，城乡口粮总量呈现下降趋势，接近线性分布，考虑拟合线性方程如下：

其中，D1表示口粮需求量，t表示年份；R2=0.9650，F=358.37>F0.05（1，13）=4.67，通过检验。

饲料粮消费量随时间布呈现出较明显的线性特征，拟合出以下方程：

调整后R2=0.92， F=154.53>4.97，参数全部通过检验。

作图观测，发现种子粮需求总量2000—2014年一直保持在1 100万 t左右，从序列上看，时间序列平稳，考虑采取时间序列法对方程进行估计，方程符合AR（2），模型如下：

其中，D表示第t年种子粮需求量，Dt-1表示第t-1年种子年需求量，Dt-2表示第t-2年种子粮需求量。

拟合方程中，调整后的R2=0.76，F=15.66>F0.05（1，13）=4.97，通过检验。

作图观测，工业用粮总量呈现出线性上升趋势，结果如下：

回归参数中，调整R2=0.96，F=350.82>F0.05（1，13）=4.97，通过检验，方程拟合度高。

粮食损耗量。学者研究认为，中国粮食转运、存储过程中设备落后、管理缺失，粮食损耗按照2%计算。将以上不同粮食需求求和，可以计算出中国粮食总需求量（表5）。

3.3中国粮食供给安全水平测度

假设三种海外耕地投资粮食进口情景，分别为乐观情景、一般情景和悲观情景，分别对应不同的I值。在乐观情景中，I=0.8，悲观情景中，I=0.2，一般情景I=0.5，分别分析不同场景中海外耕地投资粮食生产对中国国内粮食供给安全的影响。

乐观情景，I=0.8。在该情景中，中国海外耕地投资所生产的粮食有80%进入中国国内粮食市场，分别计算粮食需求量和供给量。 根据粮食供给量和需求总量数据，测算乐观情景下，中国粮食供给安全水平对比见表6。

据此，估计I=0.8时，中国粮食總供给S与粮食播种面积X1、粮食成灾面积X2、有效灌溉面积X6、海外耕地粮食产量Y′的函数关系，得到以下方程：

从国内生产粮食缺口率分析，2000—2003年中国粮食缺口率持续上升，2004—2014年粮食缺口率呈现出较快下降趋势。根据粮食风险量表得出结论：中国2000—2014年，国内粮食生产量基本能保证中国粮食供给安全处于小风险状态，特别年份如2002—2007年中国粮食风险水平偏高，2003年粮食缺口率最高达16.19%，处于中等风险水平的较高位，2008—2009年粮食缺口率接近10%，基本处于低风险水平。

一般情景中，I=0.5，在该情景中，中国海外耕地投资生产的粮食有50%进入中国市场，计算该情境中，中国国内粮食总供给量。据此，推算中国粮食总供给与国内粮食播种面积、粮食成灾面积、有效灌溉面积以及海外耕地投资粮食生产总量之间的关系：

调整后的R方为0.79，D（X1）、D（X2）、D（X6）依然顯著，但此时，参数D（Y′）的P值为0.117 3，在95%置信水平下，并不显著，应当剔除。可以得出结论：2000—2014年，当进口率为I=0.5时，海外耕地投资对中国粮食供给安全保障有一定的影响，但影响并不显著。

根据粮食供给量和需求总量数据，测算一般情景下，中国粮食供给安全水平对比见表7。

从国内粮食总供给缺口率分析，一般情景中，中国粮食供给安全风险分为三个阶段：第一阶段为2000—2003年，中国粮食总供给缺口率持续上升，并且保持较快的增长速度，粮食供给安全处于中高风险水平。第二阶段为2004—2008年，中国粮食总供给缺口率迅速下降，粮食缺口率保持在8%—11%左右，这一阶段中国粮食总供给缺口率被有效控制。第三阶段为2009—2014年中国粮食供给缺口率趋于稳定，保持在6%—9%之间，为“小风险”水平。

悲观情景，I=0.2。在该情景中，中国海外耕地投资所生产的粮食仅有20%进入中国国内粮食市场，计算粮食总供给量。据此，推算中国粮食总供给与国内粮食播种面积、粮食成灾面积、有效灌溉面积以及海外耕地投资粮食生产总量之间的关系：

调整后的R方为0.79，D（X1）、D（X2）、D（X6）依然显著，但此时，参数的D（Y′）的P值为0.185 5，在95%置信水平下，并不显著，应当剔除。可以得出结论：2000—2014年，当进口率为I=0.2时，海外耕地投资对中国粮食供给安全保障有一定的影响，但影响并不显著，与一般情景下结论相同。

根据粮食供给量和需求总量数据，测算悲观情景下，中国粮食供给安全水平对比见表8。

从国内粮食总供给缺口率分析，悲观情景中，中国粮食供给安全风险分为三个阶段：第一阶段为2000—2003年，中国粮食总供给缺口率持续上升，并且保持较快的增长速度。第二阶段为2004—2010年，中国粮食总供给缺

口率除2006年略有回升外，其他年份保持匀速下降趋势，粮食缺口率保持在9%—11%左右，这一阶段中国粮食总供给缺口率被有效控制。第三阶段为2010—2014年，中国粮食供给缺口率趋于稳定，保持在7%—10%之间，风险水平为“小风险”。

通过不断调整I值进行试算，发现：当I值大于0.753时，总供给函数中，自变量Y′对变量S的影响将是显著的；当I值小于或者等于0.753，自变量Y′对变量S的影响不显著。

4研究结果与讨论

海外耕地投资目前对中国粮食供给安全的影响并不显著。目前影响中国国内粮食生产的主要因素是粮食播种面积、粮食成灾面积和有效灌溉面积，其他因素对中国粮食生产量影响并不显著。海外耕地投资在一定条件下能对中国粮食总供给产生显著性影响。数据表明，当海外耕地投资生产粮食进口率超过75.3%时，海外耕地投资将对中国粮食供给安全产生显著性影响。

中国海外耕地投资对粮食供给安全的作用逐渐增强。从海外耕地投资粮食生产总量以及海外耕地投资粮食生产总量占国内粮食生产总量来看，中国海外耕地投资，特别是粮食生产投资分为起步阶段、迅速发展阶段、稳定发展阶段。2015—2025年将是中国海外耕地投资的持续发展阶段，海外耕地投资将成为中国企业“走出去”，实现资本跨国流动的重要手段，海外耕地投资进行的粮食生产将越来越显著地影响中国粮食供给安全，应当引起足够重视。

决策部门应当从税收、信贷、关税等加强对中国海外耕地投资进行宏观调控。从长远来看，中国目前的海外耕地投资仍然处于起步阶段，主要受到市场规律的调节与控

制，是一种企业自发行为，主要动力是企业利润的获取。随着中国粮食消费结构的调整，中国粮食消费需求将持续增加，这对中国粮食供给能力提出了更高要求。政府部门可以充分利用税收、信贷、关税等经济手段对中国企业海外耕地投资行为进行宏观调控。

（编辑：王爱萍）

参考文献（References）

[1]武雪平， 陈乾坤. 粮食外贸依存度变动趋势研究[J]. 经济与管理， 2011，25（4）：36-40.[WU Xueping， CHEN Qiankun. Research on change tendency of grain foreign trade interdependency[J].Economy and management， 2011，25（4）：36-40.]

[2]黄善林，卢新海.当前国际上海外耕地投资状况及其评析[J].中国土地科学，2010，24（7）：71-76.[HUANG Shanlin， LU Xinhai. Status and comments on current overseas farmland investments throughout the world[J].The land science of China， 2010，24（7）：71-76.]

[3]李睿璞， 卢新海. 中国发展海外耕地投资的机遇与风险[J]. 华中科技大学学报（社会科学版）， 2010，24（6）：74-78.[LI Ruipu， LU Xinhai. Opportunities and risks of Chinas overseas cultivated land investment[J]. Journal of Huazhong University of Science and Technology （social sciences edition）， 2010，24（6）：74-78.]

[4]李睿璞. 海外耕地投资的利益分配研究[D]. 武汉：华中科技大学， 2011：174.[LI Ruipu. Research on benefit allocation of overseas cultivated land investment[D].Wuhan：Huazhong University of Science and Technology， 2011：174.]

[5]盧新海， 李书宁. 海外耕地投资模式探析[J]. 西北农林科技大学学报（社会科学版）， 2012，12（6）：81-85.[LU Xinhai， LI Shuning. Probe on overseas farmland investment patterns[J]. Journal of the Northwest Agriculture and Forestry University of Science and Technology （social sciences edition）， 2012，12（6）：81-85.]

[6]卢新海， 陈丽芳. 基于层次分析法的海外耕地投资风险评价[J]. 资源开发与市场， 2013，29（3）：257-261.[LU Xinhai， CHEN Lifang. AHPbased risk evaluation on overseas farmland investments[J]. Resources development and the market， 2013，29（3）：257-261.]

[7]韩璟， 卢新海. 海外耕地投资与粮食生产发展[J]. 土地经济研究， 2014（2）：91-108.[HAN Jing， LU Xinhai. The investment of overseas cultivated land and the development of grain production[J]. The land economic research， 2014（2）：91-108.]

[8]韩璟. 中国海外耕地投资：地域与模式选择[D]. 武汉：华中科技大学， 2014：348.[HAN Jing. Chinas overseas investment： choices of areas and modes[D]. Wuhan：Huazhong University of Science and Technology， 2014：348.]

[9]史常亮，王忠平，邹昊.1980-2009年新疆粮食生产主要影响因素分析[J].干旱地区农业研究，2011，29（5）：204-208.[SHI Changliang， WANG Zhongping， ZOU Hao. Main influence factors analysis of grain production in Xinjiang from 1980 to 2009[J]. The dry areas of agricultural research， 2011，29（5）：204-208.]

[10]徐晓红，王洪丽，郭亚梅，等.2003—2008年吉林省农业科技进步贡献率的测算与分析[J].吉林农业科学，2011，36（3）：61-64.[XU Xiaohong， WANG Hongli， GUO Yamei， et al. Analysis and calculation of the contribution rate of agricultural S&T advancement in Jilin Province between 2003-2008[J]. Journal of Jilin agricultural sciences， 2011，36（3）：61-64.]

[11]吕向东. C-D生产函数参数估计的分位数回归方法研究[D]. 北京：首都经济贸易大学， 2012：140.[LV Xiangdong. The quantile regression method research of C-D production function parameter estimation[D]. Beijing： The Capital University of Economic and Trade， 2012：140.]

[12]杨丽霞.基于C-D函数和岭回归的粮食生产影响因素分析——以浙江省为例[J].地域研究与开发，2013，32（1）：147-151.[YANG Lixia. Grain yield factor analysis based on C-D Function and Ridge Regression： a case study of Zhejiang Province[J]. Regional research and development， 2013，32（1）：147-151.]

[13]韩建飞. 河北省粮食丰产工程区提高粮食综合生产能力机制与对策研究[D]. 保定：河北农业大学， 2010： 58.[HAN Jianfei. Research on mechanism and countermeasures to improve comprehensive capacity of grain production in the area of grain science and technology project in Hebei[D].Baoding： Hebei Agricultural University， 2010： 58.]

[14]段增强，宋静，黄秀兰，等.耕地粮食生产能力估算模型研究进展[J].东北农业大学学报，2012，43（8）：139-144.[DUAN Zengqiang，SONG Jing， HUANG Xiulan，et al. Model research development on the estimation of grain productivity[J]. Journal of the Northeast Agricultural University， 2012，43（8）：139-144.]

[15]李玉明，杨慧.黑龙江垦区粮食生产综合影响因素分析[J].生产力研究，2012（8）：47-48，53.[LI Yuming， YANG Hui. Heilongjiang Province grain production based on the analysis of influencing factors[J].Productivity research， 2012（8）：47-48，53.]

[16]刘洛，徐新良，刘纪远，等.1990-2010年中国耕地变化对粮食生产潜力的影响[J].地理学报，2014（12）：1767-1778.[LIU Luo，XU Xinliang，LIU Jiyuan，et al.Impact of farmland changes on production potential in China during recent two decades[J].Acta geographica sinica，2014（12）：1767-1778.]

[17]石淑芹，陈佑启，姚艳敏，等.东北地区耕地变化对粮食生产能力的影响评价[J].地理学报，2008，63（6）：74-586.[SHI Shuqin，CHEN Youqi，YAO Yanmin et al.Impact assessment of cultivated land change upon grain productive capacity in Northeast China[J].Acta geographica sinica，2008，63（6）：574-586.]

作者简介：卢新海，博士，教授，博导，主要研究方向为土地管理、城市管理。Email：xinhailu@163.com。

通讯作者：柯善淦，博士生，主要研究方向为海外耕地投资、房地产管理以及资源利用与环境保护。Email：keshangan@qq.com。

基金项目：国家自然科学基金项目“基于国内外粮食市场联动效应的海外耕地资源利用方式及其对中国粮食安全的影响研究”（批准号：41371522）。