农药使用强度对农作物病虫害发生面积的影响——基于随机效应面板模型的实证分析

聂 弯，谢彦明

（1.中国社会科学院研究生院，北京 102488；2.西南林业大学，云南 昆明 650224）

农作物病虫害是我国农业面临的一项重要难题。受气候变化、农药使用强度、生物多样性变化等因素的影响，近年来，我国农作物病虫害发生呈现出两大特点：一是发生面积逐年增加，由2003年的30 000万公顷次上升到2013年的60 800万公顷次，并且每年还在以8.85%的速度增长；二是病虫害的种类逐年增加，有关研究表明［1］，20世纪50～70年代，每年约有10种农作物病虫害暴发，80～90年代每年约有15种农作物病虫害暴发，21世纪以来农作物病虫害暴发的品种增加到30 种左右。农作物病虫害发生的不断增加给农业生产造成很大威胁，每年因农作物病虫害导致的粮食作物产量损失数以亿计，有关资料显示［2］，2006年，仅水稻、小麦、玉米和大豆4种主要粮食作物的实际产量损失就高达127.08亿kg，是2000年损失的1.21倍。迄今为止，无论是水稻、小麦、玉米、大豆等主要粮食作物还是蔬菜、水果等园艺作物的病虫害的发生都呈现出逐年增加的态势。由防治病虫害导致的生态环境问题也日益凸显出来，典型的就是农药的过量使用带来的一系列问题。长期以来，通过农药防治病虫害的发生是我国最主要的病虫害防治技术。农药是一种化学试剂，具有杀死病虫害的作用，但由于缺乏对农药防治农作物病虫害的准确预测预报，导致我国农药利用率不足10%，并且在不同区域存在较大的效果差异。一方面，由于农药利用率极低，导致农民盲目通过加大农药使用强度以期控制农作物病虫害的发生，但其对农作物病虫害发生面积的控制作用到底如何，是否存在边际递减效用，有待进行深入研究；另一方面，农药残留通过食物链进入人体，对人类的生存和发展产生严重的威胁，亟须开展相应研究。

针对农药使用强度对农作物病虫害发生面积的影响研究，国外学者研究较早，并且取得了丰硕的研究成果。Sivaprakasam等［3］早在1981年就植物保护对高粱病虫害发生的复杂影响进行研究，结果表明，植物保护可以减轻高粱病虫害的发生，进而促进农作物的增产。Hardwick等［4］在1996年关于气候变化对英国主要农作物病虫害的发病率、严重程度和分布的影响进行了研究，结果表明，气候变化使得本土农作物病虫害攻击性的严重程度增加。1997年，Chakraborty等 就气候变化对澳大利亚农作物病虫害发生的影响进行了全面而系统的研究，结果表明，燃烧化石燃料、大规模砍伐森林和其他人类活动已经导致全球变暖，并且对澳大利亚植物病虫害的发生和地理分布产生影响。此后，Knight等［6］、Massaad 等［7］就气候变化对农作物病虫害发生的影响进行了深入研究，结果表明，气候变化，如降雨短缺、炎热、干旱、白天与黑夜之间的温度波动以及极端天气对农作物病虫害的种类和地理传播等具有重要影响。近年来，Abudulai等［8］和 Danso等［9］从农作物管理方式方面，探究它们对农作物病虫害发生面积的影响。国内关于农作物病虫害发生面积的影响因素的研究起步较晚。霍治国等［1］从2000年开始就气象因素对农作物病虫害的影响进行研究，并且就降水减少、暴雨、洪涝、高温、干旱、等气象因素对农作物病虫害的影响进行了深入研究，结果表明，一定区域和时段的降水、高温、干旱、台风等多种气候变化因素均会对农作物病虫害的发生产生影响。赵淼等［10］、尹朝静等［11］针对影响农作物病虫害发生的气候变化因素进行了深入研究。目前，国内有关影响农作物病虫害发生的气象因素的研究已经非常成熟，研究成果也相当丰富。就农药使用强度对农作物病虫害发生面积的影响的相关研究较多，徐晓鹏［12］研究了农户施药行为的变迁过程。郭利京等［13］对农户生物农药施用意愿进行了研究。应瑞瑶等［14］等反向分析了农作物病虫害防治对农药施用强度的影响。

综合以上国内外关于农作物病虫害发生面积影响因素的研究以及就农药使用强度对农作物病虫害发生面积的影响的相关研究可以看出，大部分研究都集中在探究气候变化对农作物病虫害发生面积的影响、评价农药使用强度以及农药对农作物病虫害的作用机理和技术改进方面，针对农药使用强度对农作物病虫害发生面积的影响的研究尚不多见。在研究方法方面，以往的研究主要采用定性的描述方法，缺乏定量分析，即使运用了计量分析方法，但是限于当时计量经济学发展尚不成熟，计量模型也多是简单的普通最小二乘估计。在此背景下，我们基于已有研究成果，以边际效用递减理论为指导，采用面板数据随机效应模型就农药使用强度对农作物病虫害发生面积的影响进行实证研究，并且提出针对性的对策建议，以期为我国防治农作物病虫害提供理论依据。

1 模型设定与变量说明

1.1 模型设定

静态面板数据模型主要有混合估计模型、固定效应模型和随机效应模型3种。首先通过F检验在混合估计模型和固定效应模型中选择了固定效应模型，然后，通过LM检验在混合估计模型和随机效应模型中选择了随机效应模型，最后，通过Hausman检验在固定效应模型和随机效应模型中选择了随机效应模型，具体的模型设定如下：

式中，i代表30个省（市、自治区），t（t =2003，…2013）代表年份，lnnyqd代表农药使用强度的对数值，dyx代表农作物多样性指数，lnsr代表农村居民家庭人均纯收入的对数值，β1、β2、β3分别为农药使用强度、作物多样性和农村居民家庭人均纯收入的系数，εit为随机扰动项。

1.2 变量说明

1.2.1 因变量 选取农作物病虫害发生面积（fsl）作为因变量，并且采用当年农作物病虫害发生面积的对数作为农作物病虫害发生面积的衡量指标。

1.2.2 自变量 选取农药使用强度（nyqd）作为自变量，并且用当年农作物农药使用量除以当年农作物播种面积来衡量，这种方法得到了向涛［15］等多数学者的支持。

1.2.3 控制变量 选取农作物多样性（dyx）和农村居民家庭人均纯收入（sr）作为控制变量。其中，农作物多样性指数采用Shannon信息指数计算得到，计算公式为H = -∑pilnpi，式中，H为多样性指数，pi代表第i种作物的种植面积比例，为确保形式上的一致，规定ln = 0，这种做法得到了张蕾等［14］多数学者的支持。作物多样性指数越大，说明该省（市、自治区）的农作物种植的种类越多，并且各种作物种植面积分布越均匀，反之则说明该省（市、自治区）农作物种植的种类越少，各种农作物种植面积分布越不均匀。农村居民家庭人均纯收入采用当年农村居民家庭人均纯收入的对数来衡量。

1.3 数据来源

数据均来自历年《中国农业年鉴》和《中国农村统计年鉴》。由于西藏地区的数据缺失严重，故将其剔除，最终得到2003—2013年全国30个省（市、自治区）的330个样本作为研究样本。

2 变量特征描述

2.1 变量的描述性统计

从表1可以看出，近10多年来，我国农作物病虫害发生面积的对数的均值较大，表明我国农作物病虫害较严重，农作物多样性的对数的均值较小，表明我国农作物多样性较低。

表1 全部样本变量的描述性统计

表2 东、中、西部地区变量的描述性统计

从表2可以看出，东、中、西部地区的农作物病虫害发生面积、农药使用强度、作物多样性水平、农村居民家庭人均纯收入的描述性统计结果支持全部样本的描述性统计结果，但是各地区之间存在差异。其中，中部地区农作物病虫害发生面积的均值最大、标准差最小，表明中部地区农作物病虫害发生最严重；东部地区和中部地区农药使用强度均值均大于西部地区农药使用强度，并且方差均小于西部地区，说明东部地区和中部地区农药使用强度普遍高于西部地区农药使用强度；西部地区作物多样性均值最大，但是标准差即不是最小也不是最大，很难从总体上判断区域差异性；东部地区农村居民家庭人均纯收入均值最大，但方差也最大，说明东部地区农村居民家庭人均纯收入的状况并不是十分理想。

2.2 变量的地区差异分析

2.2.1 各地区农作物病虫害发生面积的差异 2013年，全国农作物病虫害发生面积最严重的省份为山东省，高达5 587万公顷次，是农作物病虫害发生面积最轻的北京市的38倍多。河南省居第2位，高达5 267.5万公顷次，湖南省以5 052.4万公顷次的高农作物病虫害发生面积高居第3位。青海是西部地区当中农作物病虫害发生面积最小，也是全国农作物病虫害发生面积仅高于北京市的地区，其农作物病虫害发生面积为159.5万公顷次。包括天津、上海、海南、宁夏、福建、重庆和贵州地区的农作物病虫害发生面积均未超过1 000万公顷次。总体而言，各地区农作物病虫害发生面积的差异较大，并且具有区域集聚的特征，表现在中部地区的农作物病虫害发生面积较东部地区和西部地区更甚，支持描述性统计的结果（图1）。

图1 2013年各地区农作物病虫害发生面积比较

2.2.2 各地区农作物农药使用强度的差异 2013年，全国农药使用强度最高的地区是海南省，高达51.26 kg/hm2，接近第2名浙江省农药使用强度的两倍，是农药使用强度最轻的宁夏的24倍多。福建省农药使用强度高居全国第3位，为25.22 kg/hm2，广东省农药使用强度为23.43 kg/hm2，居第4位。包括甘肃、江西、北京、江苏等11个省（市）的农药使用强度在10～20 kg/hm2，其他省（市、自治区）农药使用强度均在10 kg/hm2以下。总体而言，各地区农作物农药使用强度的差异较大，并且具有明显的地域集中分布特征，其中，东部和中部地区的农药使用强度普遍较高，而西部地区的农药使用强度普遍较低，与描述性统计结果一致（图2）。

2.2.3 各地区农作物多样性的差异 2013年，全国农作物多样性指数最高的地区是新疆维吾尔自治区，其生物多样性指数为1.39，湖北省农作物多样性指数高居第2位，为1.38，广西壮族自治区居第3位，为1.36。黑龙江省的农作物多样性指数最低，仅为0.28，吉林的农作物多样性指数仅高于黑龙江，为0.49。总体而言，各地区农作物多样性指数较低，地区差异较小，但是没有明显的地域集中分布特征，与描述性统计结果一致（图3）。

图2 2013年各地区农作物农药使用强度比较

图3 2013年各地区农作物多样性指数比较

2.2.4 各地区农村居民家庭人均纯收入的差异 2013年，全国农村居民家庭人均纯收入最高的地区为上海，高达19 595元，北京仅次于上海，农村居民家庭人均纯收入为18 337.5元。包括浙江、天津、江苏、广东、福建、山东和辽宁地区的农村居民家庭人均纯收入均超过了10 000元。甘肃省农村居民家庭人均纯收入居全国最后1位，低至5 107.8元，贵州省居倒数第2位，农村居民家庭人均纯收入为5 434元。其他省（市、自治区）的农村居民家庭人均纯收入均在6 000～10 000元之间。总体而言，全国农村居民家庭人均纯收入地区差异明显，并且具有区域集中分布的特征，东部地区远高于西部地区（图4）。

3 面板模型检验及随机效应回归结果分析

3.1 面板单位根检验

为了避免可能出现的虚假回归现象，需要对面板数据进行单位根检验。面板数据的单位根检验方法主要有LLC、IPS、ADF-F等，为了提高检验的效力，运用这3种检验对全部样本和东部地区、中部地区以及西部地区的样本均进行单位根检验，并且对检验回归项中有趋势项和无趋势项分别进行检验，结果见表3。

图4 2013年各地区农村居民家庭人均纯收入比较

表3 面板单位根检验结果

如表3所示，全部样本、东部地区样本、中部地区样本和西部地区样本的农作物病虫害发生面积的对数、农药使用强度的对数、作物多样性的水平值均通过了单位根检验，是平稳序列，农村居民家庭人均纯收入的对数的水平值无法拒绝单位根检验，为非平稳序列，进行一阶差分后在1%的显著性水平下拒绝了3种单位根检验，表明农村居民家庭人均纯收入的一阶差分为平稳过程。

3.2 全部样本的随机效应模型回归结果分析

从表4模型设定后的检验结果可以看出，固定效应模型优于混合估计模型，而Hausman检验则表明随机效应模型优于固定效应模型，因此对随机效应回归模型的回归结果进行分析和说明。

表4 全部样本3种面板模型回归结果

农药使用强度对农作物病虫害发生面积的影响显著为正，说明农药使用强度越大，农作物病虫害的发生面积越大。农药使用强度每增加1个单位会显著增加农作物病虫害发生面积0.2308个单位。近几年，我国农作物病虫害的发生面积逐年加重，通过加大农药使用强度来治理和预防农作物病虫害的需求也日益迫切，进而导致我国农作物农药使用严重超标，不仅对农业生态环境造成严重的压力，也对人类健康产生巨大威胁。但是，与传统认识相反，农药使用强度的一味增加并不能有效抑制农作物病虫害的发生，反而会促进农作物病虫害的发生。究其原因，是农作物病虫害对农药使用会产生适应性反应，并且通过产生抗体等多种方式来抵抗农药的杀害。随着农药使用强度的增加，这种适应性反应非但不会减弱，反而会增强，进而导致农作物病虫害的发生面积随农药使用强度的增加而增加，这与边际效用递减规律相契合。由此可见，通过增加农药使用强度来抵制农作物病虫害发生面积的方法行不通，亟待探索新的防治农作物病虫害发生的办法。

在控制变量方面，作物多样性的系数为负，说明作物多样性对农作物病虫害发生面积的影响为负，作物多样性的增加可以减少农作物病虫害的发生面积。究其原因，主要是作物多样性可以保证生态系统的自动调节能力，进而有效抵制病虫害的发生和发展，从而减少农作物病虫害的发生。但是，近几年来，由于经济作物种植面积的持续增加，而非经济作物种植面积的持续减少，甚至有的地区停止种植非经济作物，使得我国作物多样性锐减，这将助长农作物病虫害的发生，不利于我国农业的健康可持续发展。农村居民家庭人均纯收入的系数为正，但是在混合估计和固定效应模型中，农村居民家庭人均纯收入的系数有正有负，出现这种现象的原因可能是样本量太小。

3.3 东部、中部和西部地区随机效应模型回归结果的比较分析

东部地区和中部地区农药使用强度对农作物病虫害发生面积的影响与全部样本随机效应回归结果一致，显著为正。在东部地区，农药使用强度每增加1个单位会显著增加农作物病虫害的发生面积0.3818个单位；在中部地区，农药使用强度每增加1个单位会显著增加农作物病虫害的发生面积0.3931个单位。可以看出，中部地区每增加1个单位农药使用强度对农作物病虫害发生面积的促进作用比东部地区更甚。相比之下，西部地区农药使用强度对农作物病虫害发生面积的正向影响表现不显著，可能的原因是西部地区各省（市、自治区）的农药使用强度总体小于东部和中部地区农药使用强度，并且西部地区各省（市、自治区）的农药使用强度差异较东部地区和西部地区更大（表5）。

表5 东、中、西部地区随机效应模型回归结果

在控制变量方面，东部地区和西部地区作物多样性对农作物病虫害发生面积的影响均为负，与全部样本随机效应回归结果一致，但是，中部地区作物多样性的回归系数却为正，可能原因是中部地区样本量太少。农村居民家庭人均纯收入对农作物病虫害发生面积的影响显著为正，与全部样本随机效应回归结果一致。

4 结论与建议

通过对2003—2013年我国农药使用强度对农作物病虫害发生面积的影响进行随机效应回归分析，并且将全国（除西藏）划分为东部地区、中部地区和西部地区分别进行随机效应回归分析，研究结果表明，全部样本、东部地区样本和中部地区样本均显著支持农药使用强度的增加非但不能减少农作物病虫害发生面积，反而会促进农作物病虫害的发生；全部样本、东部地区样本、中部地区样本以及西部地区样本均支持作物多样性对农作物病虫害发生面积具有抑制作用。

基于上述认识，为了有效控制农作物病虫害的发生面积，可采用如下三方面措施：一是转变农作物病虫害防治方式，鼓励农民科学用药，用好药，少用药，并且加大力度支持高效农药的研发，从效率上提高农药对农作物病虫害发生的防治作用；二是加大力度保护农作物多样性，通过加强农业供给侧结构改革，引导农民丰富农作物种植结构，调整农业生产结构为生态友好、结构合理、健康发展的生产结构，从农作物自身源头开始，防止农作物病虫害发生面积的增加；三是东部地区和中部地区应尽早减少农药使用强度、加强农作物多样性保护以防治农作物病虫害发生面积的加重。

参考文献：

［1］霍治国，李茂松，王丽，等. 气候变暖对中国农作物病虫害的影响［J］. 中国农业科学，2012，45（10）：1926-1934.

［2］霍治国，李茂松，李娜，等. 季节性变暖对中国农作物病虫害的影响［J］. 中国农业科学，2012，45（11）：2168-2179.

［3］Sivaprakasam K，Balasubramanian G. Impact of plant protection on the pest and disease complex of sorghum［J］. Pestology，1981，27（1）：15-35.

［4］Hardwick N V，Armstrong A C，Ellis S A，et al.The impact of climate change on crop pests and diseases［J］. Aspects of Applied Biology，1996，19（1）：11-17.

［5］Chakraborty S，Murray G M，Magarey P A，et al. Potential impact of climate change on plant diseases of economic significance to Australia［J］. Australasian Plant Pathology，1998，27（1）：15-35.

［6］Knight B E A，Wimshurst A A，Alford D V，et al. Impact of climate change on the geographical spread of agricultural pests，diseases and weeds［C］. Plant Protection & Plant Health in Europe：Introduction & Spread of Invasive Species，Held at Humboldt University，Berlin，Germany，June.2005.

［7］Massaad R，Jomaa I，Hobeika C，et al. Climate change：potential impact on plant diseases，pests and physiology in Lebanon［J］. Historical Materialism，2012，12（3）：315-331.

［8］Abudulai M，Kusi F，Seini S S，et al. Effects of planting date，cultivar and insecticide spray application for the management of insect pests of cowpea in northern Ghana［J］. Crop Protection，2017，100：168-176.

［9］Danso J K，Osekre E A，Manu N，et al. Moisture content，insect pests and mycotoxin levels of maize at harvest and post-harvest in the Middle Belt of Ghana［J］. Journal of Stored Products Research，2017，74：46-55.

［10］赵淼，赵闯等. 近20年来我国农作物病虫害时空变化特征［J］. 北京大学学报（自然科学版），2015 （5）：965-975.

［11］尹朝静，李谷成，范丽霞，等. 气候变化、科技存量与农业生产率增长［J］. 中国农村经济，2016（5）：16-28.

［12］徐晓鹏. 农户农药施用行为变迁的社会学考察—— 基于我国6省6村的实证研究［J］. 中国农业大学学报（社会科学版），2017，34（1）：38-45.

［13］郭利京，赵瑾. 认知冲突视角下农户生物农药施用意愿研究—— 基于江苏639户稻农的实证［J］. 南京农业大学学报（社会科学版），2017，17（2）：123-133，154.

［14］应瑞瑶，徐斌. 农作物病虫害专业化防治服务对农药施用强度的影响［J］. 中国人口·资源与环境，2017，27（8）：90-97.

［15］向涛，綦勇. 粮食安全、食品安全与贸易—— 基于农药使用强度的跨国面板数据分析［J］. 国际贸易问题，2014（7）：33-41.