土地整治对中国粮食产出稳定性的贡献

谢向向，汪 晗，张安录，杨 蒙

（1.华中农业大学公共管理学院，湖北 武汉 430070；2.广西大学公共管理学院，广西 南宁 530004；3.中国长江三峡集团公司移民工作局，四川 成都 610041）

1 引言

中国粮食安全状况一直以来都是中国政府和国际社会极为重视和关注的重大问题之一[1]。为了保障粮食安全，多年来中央一号文件都把促进粮食稳定增产作为政府工作的重中之重，2011 年国务院办公厅颁布《全国粮食稳定增产行动的意见》，使得粮食安全从农业供给视角上分解为具体的“粮食稳定增产”的量的指标[2]。土地整治作为适时补充耕地和提升土地产能的重要手段[3]，可能对粮食增产稳产性产生重要作用。改革开放至今，粮食产量整体处于增长趋势，但增长的波动性也较为明显[4]。探索土地整治对中国粮食增产稳定性的影响机制，对合理引导土地整治工作推进，促进粮食增产稳产，具有重大的现实意义。

目前，为研究粮食产量变化特征，学者们将粮食产量分解为趋势产量和波动产量，研究方法多是线性拟合法[5-6]、经验模态分解方法（EMD）[7]、B-P滤波法[8]、H-P滤波法[2，4]等。其中，H-P滤波法操作相对方便，适用数据较广泛，较具包容性及科学性[9]。关于粮食产量影响因素的定量研究，主要集中在常规投入要素、自然条件、制度政策等对粮食产量的影响[10-12]，仅少数学者对粮食趋势产量或波动产量影响因素进行定量研究。尹朝静等[13]分别以粮食总产量和趋势产量为产出指标，研究气候因素对粮食生产效率的影响。张永强等[14]利用2004—2014年数据，建立粮食趋势产量和波动产量双函数模型。张树涛[15]定量研究各影响因子趋势量对粮食趋势产量的影响和各影响因子波动量对波动产量的影响。粮食实际产量包含趋势因素和波动因素，要实现粮食增产稳产，必须同时把握未来粮食增产趋势和波动情况。

关于粮食增产趋势的影响因素，多集中于从投入产出角度研究。龙方[16]采用回归分析法，得出化肥使用量、自然灾害、农机具总动力、粮食收购价等对粮食增产的贡献度。顾乐民[17]研究发现，中国粮食产量的增长主要取决于化肥施用量和农业机械总动力。张永强[14]以粮食趋势产量为被解释变量，资本、技术、劳动投入为解释变量，构建面板回归模型，研究各投入要素对粮食趋势的影响。张树涛[15]研究发现粮食播种面积趋势量、有效灌溉面积趋势量和科技进步对粮食总产趋势贡献最大，而农林牧渔从业人员趋势量和支持农业生产和事业支出趋势量却抑制粮食总产趋势的增长。

关于粮食产量波动性的影响因素，学者们多是从气候因素来考虑。Kueh[18]调查认为气候如降雨量的变化会使整个国家粮食产量产生较大波动。Samapundo S等[19]定量分析了水资源和温度对产量增长的影响。龙方[19]、蔺涛等[20]的研究均说明气候变化和自然灾害是造成粮食产量波动的重要原因。蒋尚明等[21]基于经验模态分解法和集对分析理论，得出自然灾害受灾率对粮食单产波动的综合影响率为31.26%。

土地整治作为解决农业灌排问题，改善农业生产条件的国家重大政策，在提高耕地产能和促进粮食增产稳定性方面发挥着巨大作用。然而现有研究中，鲜见关于土地整治对粮食产量波动作用的研究。目前，关于土地整治的研究也主要集中在土地整治的绩效评价[22]，潜力分析[23]，土地整治与国民经济[24]、农业经济[25]的关系研究。土地整治与粮食安全的结合也主要通过间接影响耕地数量和质量角度分析[26]。土地整治作为保障粮食安全的重要举措，对粮食增产稳产性影响如何，有待研究。基于此，本文试图运用2000—2015年中国省域土地整治与粮食生产相关数据，采用H-P滤波法将粮食产量分解为趋势产量和波动产量，建立双函数面板回归模型，从全国和不同区域层面研究常规投入要素对粮食产量趋势的影响和土地整治对波动性的影响，以期为未来土地整治工程实施和粮食产量的稳定增长提供参考。

2 研究方法

2.1 H-P滤波法

为了更直观地反映粮食产量的变化特征，本文运用H-P滤波法将粮食产量的长期趋势和短期波动进行分解，并测算出波动率。H-P滤波分解是由Hodrick和Prescott[27]提出，此方法假定时间序列Yt是由趋势性成分和波动性成分两部分组成，则对于时间序列Yt，H-P滤波就是要选择一个时间序列，最小化实际值和样本点的趋势值，即要满足如下条件：

粮食产量波动率是指实际粮食产量偏离长期趋势的比值，测算公式如下：

2.2 变量设置与模型构建

为考察各要素对粮食产量趋势性和波动性的影响，分别建立趋势产量模型和波动强度模型。由于粮食生产要素投入、技术水平及农民素质提高等社会经济因素是一个逐渐累积的过程，表现为长期尺度的随时间变化的平稳变化项。而气温、降水及极端气候等气候因素表现为短期时间尺度的偏离时间变化的显著波动项[13]。因此，趋势产量模型中以土地、劳动、资本三大常规投入要素作为解释变量。本文要考察人为的土地整治投入对粮食产量稳定性的作用，因此在粮食产量波动强度模型中，将土地整治投入变量作为解释变量，气候因素作为控制变量。假设粮食生产符合Cobb-Douglas函数，为消除数据的不稳定性和异方差性，对数据进行自然对数处理，构建多元对数面板模型，具体形式如下：

3 研究区域与数据来源

考虑数据的可获取性及研究单元之间数据的可比性，本文选择中国除港、澳、台以外的省（市、区）为研究对象，西藏、海南由于特殊的资源禀赋，未纳入本文研究对象之列，最终研究样本包括29个省（市、区）。粮食生产具有明显的区域性特征，结合本文研究重点，将其划分为主产区和非主产区。根据2001年国务院《关于进一步深化粮食流通体制改革的意见》，将河北、内蒙古、辽宁、吉林、黑龙江、江苏、安徽、江西、山东、河南、湖北、湖南、四川13个省份作为粮食主产区，将平衡区和主销区所包含的16个省份作为非主产区，具体包括北京、天津、山西、上海、浙江、福建、广东、广西、重庆、贵州、云南、陕西、甘肃、青海、宁夏、新疆。

由于1999年新时期土地整治以来，粮食产量波动性逐渐减弱，同时考虑数据可获取性，故本文选取2000—2015年为研究时段。文中所需土地整治相关数据来源于2001—2016年《中国国土资源统计年鉴》；粮食生产相关数据来源于2001—2016年《中国统计年鉴》、《中国农村统计年鉴》以及各省统计年鉴等；气候数据来源于中国气象数据网（http://data.cma.cn/data/detail/dataCode/B.0011.0001C.html）。需要说明的是，2005—2015年土地整治投资额年鉴上并未统计，是根据各省已知年份的土地整治投资额与实际新增费之间的比例折算而来，新增费数据则来源于国土资源部。

4 结果与分析

4.1 中国土地整治与粮食产量变化

4.1.1 土地整治的变化特征 1998年以来，中国土地整治事业由起步到较快发展，基本实现了由自发、无序、无稳定投入到有组织、有规范、有较稳定投入的转变[28]。2000—2015年，中国土地整治总面积为1603.24×104hm2，投资额4548.05×108元，通过土地整治补充耕地448.29×104hm2，平均投资强度为1891元/亩。2000年以来土地整治规模和投资额整体呈上升趋势（图1），特别是2008年以来，几乎每年国家重要文件都会提到“大规模实施土地整治”、“大力建设高标准农田”等，土地整治工作正式纳入党中央层面的战略布局，各项基础工作进一步强化，中国开始大规模实施土地整治[26]，而2014年整治规模和投资额骤减，2015年土地整治面积有所回升，但投资额仍继续减少；2000—2012年，新增耕地面积变化较稳定，随后逐年减少。

图1 2000—2015年全国土地整治项目变化Fig.1 The changes of land consolidation projects in China from 2000 to 2015

4.1.2 粮食产量的变化特征 本文采用Eviews 6.0，用H-P滤波法分离出粮食产量长期趋势和短期波动（图2）。改革开放以来，中国粮食产量变化大致可分为三个阶段：

（1）1978—1998年，全国粮食产量由1978年的3.0591×108t增长到1998年的5.1230×108t。从长期趋势来看，粮食趋势产量一直处于增长趋势，但年增长率不断减小，从1979的3.65%减少到1998年的0.26%。从短期波动来看，这一阶段粮食产量波动频繁且波动幅度较大，波动率最大达到9.36%。这一时期，中国的农村经济体制发生了重大变化，原有的人民公社体制转变为家庭联产承包责任制，大大提高了农民生产积极性。但由于农业生产方式由集体经营转为农户分散经营，产权细碎化现象严重，对农业公共基础设施投入减少，农民生产的风险性提高，导致农业生产效率不高。

（2）1999—2003年，粮食产量持续下降，2003年下降至4.3069×108t，相比1999年减产15.28%。长期趋势产量的年增长率在1999—2001年为负，2003年波动幅度达到最大，为-9.94%。这一时期中国土地整治事业刚刚起步，且政府财政负担较重，对粮食生产重视不够，加上粮食价格长期低迷，严重挫伤了农民种粮的积极性。此外，农业结构调整、“退耕还林”等政策的实施，城市发展占用大量耕地，造成粮食大幅减产。

（3）2004—2015年，这一时期土地整治工作有序、高效开展，逐渐推进农业科技创新、高标准基本农田建设，同时在国家粮食直补、取消农业税等政策驱动下，粮食产量开始回升，长期趋势产量的年增长率也开始逐渐增大，尤其2010年以来逐渐稳定在2.60%左右。波动幅度相比2003年以前明显减小。

4.2 土地整治对粮食产量的影响分析

为考察不同区域土地整治对粮食产量波动性的影响，本文分别对全国、粮食主产区、粮食非主产区3个区域构建模型。首先进行数据的单位根检验，用来检验面板数据的平稳性，以避免产生伪回归问题[29]。根据Eviews 6.0软件IPS 检验、PP-Fisher检验和ADFFisher检验结果，除农业劳动力、农业机械总动力和农用化肥施用量外，其他数据均平稳。对这三个变量进行一阶差分后，数据平稳，可进行模型分析。然后运用Kao协整检验，结果显示，ADF统计量在5%水平下表现显著，拒绝原假设，说明因变量与自变量之间存在协整关系（表1）。

模型形式有变系数和变截距两种，变系数模型表达的是各省的回归结果，但本文主要从全国及各区域层面来考察，因此均使用变截距模型。然后进行Husman检验，以判定固定效应和随机效应模型的适用性，结果表明，除主产区的趋势产量模型外均适合固定效应模型。各模型估计结果见表2和表3。

图2 1978—2015年全国粮食总产量变化Fig.2 The changes of national grain production from 1978 to 2015

表1 Kao协整检验结果Tab.1 The cointegration test results by Kao

表2 趋势产量模型回归结果Tab.2 The results of trend production regression model

表3 粮食产量波动率模型回归结果Tab.3 The results of grain production volatility regression model

4.2.1 趋势产量模型回归结果分析 从趋势产量回归结果（表2）来看，土地、劳动、资本三大常规投入要素对粮食产量趋势影响各异。粮食作物播种面积每增加1%，全国、主产区、非主产区粮食趋势产量分别增产0.5556%、0.6278%和0.3467%，可见播种面积仍是保证粮食产量长期持续增产的重要手段。

农业劳动力对全国粮食趋势产量影响不显著。就区域而言，农业劳动力对主产区影响显著为负（-0.1201），即随着劳动力的减少，粮食趋势产量呈增长趋势。可能的原因是，粮食主产区劳动力基数较大，而随着农业生产条件和技术水平的提高，农业生产逐渐转变了过去以劳动力为主的生产方式。因此表现为农业劳动力不断减少，而粮食生产效率却在不断提高。非主产区农业劳动力促进了粮食长期增产，可能是非主产区一般经济较发达，非农就业机会多，加之种粮比较利益低下，农村劳动力不断减少，导致生产能力有限，粮食生产逐渐萎缩[10]。因此，农业劳动力的大量流失会带来非主产区粮食趋势产量的减少。

农业机械总动力对全国和非主产区粮食趋势产量的影响均显著为正（0.0853和0.1012），而对主产区影响不显著。根据储敏[13]的研究，非主产区粮食产量虽不及主产区，但凭借自身经济实力，加大了对农业基础设施的投入，使得在有限的播种面积下，尽可能地提高粮食产量。农用化肥施用量在全国、主产区、非主产区的影响均显著为正（0.2824、0.4730和0.2281），可见化肥施用量作为农资投入的代表，仍是当前保持粮食持续增产的重要措施。

4.2.2 粮食产量波动性模型回归结果分析 根据粮食产量波动强度回归结果（表3），土地整治规模对全国和主产区粮食产量波动均有显著负向影响（-1.4162和-2.2215），表明土地整治面积的投入降低了粮食生产波动性。对非主产区影响不显著。土地整治主要集中在粮食主产区，整治工程的实施解决了农业灌排、田间道路等问题，农业规模生产增加，降低了农业生产的成本和风险，从而粮食生产效率和持久稳定生产能力不断提高。张俊峰等[25]对土地整治对农业经济增长的效应分析结果表明，土地整治面积与农业生产总值的直接通径系数达到0.682，可见，土地整治规模对农业生产有显著影响，而中国当前耕地质量等级偏低，还有近70%的耕地质量有待提高。因此，要通过土地整治来增加有效耕地数量，提高耕地质量，改善农业生产条件，必须要保证一定量的土地整治规模。

单位土地整治面积投资额在全国层面影响显著为负，可见土地整治资金投入可抑制粮食产量增长的波动性。单位土地整治投资额每增加1%，粮食产量的波动程度就下降0.7589个百分点。就区域而言，土地整治投资强度对主产区粮食产量波动有显著负向影响（-1.3509），在非主产区影响不显著。由图1，1999年以来土地整治投资额整体处于上升趋势，土地整治共投入专项资金约4548.05×108元，平均投资强度约为1891元/亩，国家对土地整治工程尤其是主产区越来越重视。根据研究结果，土地整治资金投入效果显著，在一定程度上促进了粮食产量的稳定增长。

土地整治新增耕地面积对全国及主产区粮食产量波动的影响均显著为正（0.8018和1.3931），对非主产区影响不显著。这与预期不符，可能的原因是，一方面，从数据来看，通过土地整治新增的耕地越来越有限，而粮食产量增长趋于稳定。另一方面在实际土地整治中，盲目追求新增耕地数量的增加[25]或建设用地占用了质量较高的耕地，补充和新增的耕地本身质量不高，不易耕作，造成粮食产出不高，因此表现为质量较低的新增耕地数量抑制了粮食增产稳定性。可见，简单的增加耕地数量已不能带来粮食产量的大幅提高，当前，国家也在不断调整土地整治的目标和要求，从单纯地增加耕地数量向增加耕地数量、提高耕地质量、改善耕地综合生产能力的目标转变。

从气候因素来看，在全国层面，极端高温对粮食产量波动有着正向影响。在主产区，粮食产量波动同样受极端高温的影响，影响系数为0.3571。因此，控制作物生长季的极端高温，可以在一定程度上减少粮食产量增长的波动性。主要作物生长期降水量对非主产区的粮食产量波动产生显著的负向影响，降水量每增加1%，粮食产量波动幅度就会降低2.4342个百分点。可见，在非主产区有较明显的干旱现象，作物生长的水分不足，产出稳定性下降。

5 结论与讨论

5.1 结论

本文采用2000—2015年全国和粮食主产区、非主产区的面板数据，首先运用H-P滤波法将粮食产量分离，分析其趋势性和波动性，然后基于C-D生产函数，分别构建趋势产量模型和波动强度模型，分析各投入要素对粮食趋势产量的影响及土地整治对粮食产量波动性的影响，得出以下结论：

（1）改革开放以来，粮食产量呈波动中增长趋势，但波动幅度逐渐降低，2003年降幅达到最大，随后增长趋于稳定。

（2）从长期趋势来看，粮食作物播种面积和农用化肥施用量对全国和各区域粮食趋势产量均有显著正向影响，可见播种面积和以农用化肥为代表的农资投入仍是保证粮食持续增产的重要手段；农业劳动力对粮食产量的长期趋势影响在全国层面不显著，在主产区表现为负（-0.1201），非主产区表现为正（0.2232），说明粮食主产区存在劳动力过剩现象，而长期来看，非主产区农业劳动力的大量流失却会带来粮食减产；农业机械总动力在全国和非主产区的影响均显著为正，在主产区表现为不显著。

（3）土地整治对粮食产量波动作用明显，土地整治规模每增加1%，全国、主产区的粮食产量波动幅度分别下降1.4162%和2.2215%。单位土地整治投资额每增加1%，全国、主产区粮食产量波动强度分别下降0.7589%和1.3509%。土地整治新增耕地面积对全国和主产区的粮食产量波动强度影响为正。可能是因为通过土地整治新增的耕地质量较低，产出不高，抑制了粮食产量稳定增长。土地整治的投入在非主产区均表现为不显著。

（4）气候因素影响粮食产量波动。全国和主产区的粮食产量波动主要受极端高温的影响，非主产区降水量减少将加剧粮食产量的波动性。

根据上述研究结果，可得到如下启示：（1）应将土地整治投入机制与农业生产运行机制、自然因素等相结合，促进粮食长期持续增产稳产。（2）继续推进土地整治工程的实施，并优先推进主产区土地整治和耕地保护工作，在保证土地整治面积的前提下，制定和规范投资标准，合理增加投资强度，整合涉农资金，切实将资金用于改善整治区的灌排、道路等基础设施条件，提高粮食生产效率。（3）在土地整治过程中，不能片面追求新增耕地数量的增加，还应不断提高耕地质量，加大中低产田改造，建立高产稳产农田，提高粮食生产能力。（4）因地制宜、合理引导农业劳动力。农村劳动力转移已不可避免，应利用先进的科学技术，加强培育高素质、专业化的新型生产主体，完善和加强粮食生产相关支持政策，提高农民的种粮比较利益。（5）应加强农业基础设施建设，提高防灾抗灾能力，减少自然灾害对粮食生产的影响。

5.2 讨论

本研究存在以下不足：一是由于数据获取的复杂性，本文仅研究了中国省域尺度的粮食产量变化和影响因素，在一定程度上影响了研究深度。二是指标选取问题。在趋势产量影响因素分析时，仅选取了粮食播种面积、农业劳动力、农业机械总动力和农用化肥施用量4个指标，而并未考虑如农药使用量、种子费、塑料薄膜使用量等其他影响因子。气候因素中，作物生长期降水量、平均气温等指标选取较粗糙，由于作物在不同的生长阶段所需的降水量、气温值是不同的，且省域内不同地区的气候要素也差别较大，而文中并未细分作物不同生长阶段和省域内不同地区的降水量、气温等，可能会对结果造成影响。三是模型构建问题。粮食生产与各影响因素不一定都呈线性关系，后期可考虑加入二次项或交互项的问题。

参考文献（References）：

［1］周志刚，郑明亮. 基于对数均值迪氏指数法的中国粮食产量影响因素分解［J］.农业工程学报，2015，31（2）：1 - 6.

［2］叶明华. 中国粮食实现稳定增产了吗？——基于1978—2009年粮食主产区粮食产量的H-P滤波分解［J］.财贸研究，2012，（3）：15 - 21.

［3］童彤. 加大土地整治促进粮食产能提升［N］.中国经济时报，2017 - 01 - 04（002）.

［4］高帆. 我国粮食生产的波动性及增长趋势：基于H-P滤波法的实证研究［J］.经济学家，2009，（5）：57 - 68.

［5］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，（4）：76 - 80.

［6］喻翠玲，冯中朝. 我国粮食生产的波动性及其影响因素分析［J］.农业现代化研究，2006，27（1）：7 - 10.

［7］刘会玉，林振山，张明阳. 基于EMD的我国粮食产量波动及其成因多尺度分析［J］.自然资源学报，2005，20（5）：745 - 751.

［8］程杰，武拉平. 我国主要粮食作物生产波动周期研究：1949—2006年［J］.农业技术经济，2007，81（5）：80 - 87.

［9］王桂芝，陆金帅，陈克垚，等. 基于HP滤波的气候产量分离方法探讨［J］.中国农业气象，2014，35（2）：195 - 199.

［10］王跃梅，姚先国，周明海. 农村劳动力外流、区域差异与粮食生产［J］.管理世界，2013，（11）：67 - 76.

［11］陈秧分，李先德. 中国粮食产量变化的时空格局与影响因素［J］.农业工程学报，2013，29（20）：1 - 10.

［12］姚成胜，李政通，易行. 中国粮食产量变化的驱动效应及其空间分异研究［J］.中国人口·资源与环境，2016，26（9）：72 - 81.

［13］尹朝静，李谷成，葛静芳. 粮食安全：气候变化与粮食生产率增长——基于HP滤波和序列DEA方法的实证分析［J］.资源科学，2016，38（34）：665 - 675.

［14］张永强，张晓飞，周宁，等. 农户资本投入不确定性对粮食产量影响的空间差异分析［J］.农业技术经济，2017，（3）：14 - 24.

［15］王树涛. 区域耕地生产力稳定性评价体系研究［D］.保定：河北农业大学，2008.

［16］龙方，杨重玉，彭澧丽. 粮食生产波动影响因素的实证分析——以湖南省为例［J］.农业技术经济，2010，（9）： 97 -104.

［17］顾乐民. 基于最小一乘准则的中国粮食产量与影响因素的相关性分析［J］.农业工程学报，2013，29（11）： 1 - 10.

［18］Kueh Y Y. Weather cycles and agricultural instability in China. Agricultural Economics，1986，37（1）：101 - 104.

［19］Samapundo S, Devlieghere F, De Meulenaer B, et al. Predictive modelling of the individual and combined effect of water activity and temperature on the radial growth of Fusarium verticilliodes and F-proliferatum on corn［J］.International Journal of Food Microbiology，2005，105（1）：35 - 52.

［20］龙方，杨重玉，彭澧丽. 自然灾害对中国粮食产量影响的实证分析——以稻谷为例［J］.中国农村经济，2011，（5）：33 - 44.

［21］蔺涛，谢云，刘刚，等. 黑龙江省气候变化对粮食生产的影响［J］.自然资源学报，2008，23（2）：307 - 318.

［22］蒋尚明，金菊良，许浒，等. 基于经验模态分解和集对分析的粮食单产波动影响分析. 农业工程学报，2013，29（4）：213 - 221.

［23］谢向向，张安录，杨蒙. 土地整治绩效空间差异及投入优先序——以湖北省为例［J］.资源科学，2016，38（11）：2058 - 2071.

［24］赵玉领，苏强，吴克宁，等. 河南嵩县土地整理的数量质量潜力［J］.农业工程学报，2008，24（9）：73 - 78.

［25］管栩，金晓斌，周月书，等. 农村土地整治项目对国民经济影响的定量分析——以长沙县福临镇土地整治项目为例［J］.中国土地科学，2013，27（2）：39 - 45.

［26］张俊峰，张安录. 土地整治对中国农业经济增长的效应分析——基于通径分析法［J］.东北农业大学学报（社会科学版），2014，12（2）：1 - 6.

［27］王军，钟莉娜. 中国土地整治文献分析与研究进展［J］ .中国土地科学，2016，30（4）：88 - 97.

［28］HODRICK R J, E C PRESCOTT. Postwar U. S. business cycles: An empirical investigation［J］.Journal of Money,Credit, and banking，29（1）：1 - 16.

［29］樊闽. 中国土地整理事业发展的回顾与展望［J］.农业工程学报，2006，22（10）：246 - 251.

［30］易丹辉. 数据分析与Eviews应用［M］.北京：中国人民大学出版社，2014.