我国粮食产量的影响因素研究

苏兴 王德俐

摘    要：全球性流行病爆发（如：新冠肺炎疫情）和自然灾害，使得粮食安全问题受到高度重视，舆论的担忧之情明显上升。因此，后疫情时代研究我国粮食产量的影响因素有重要意义。本文采用全国2000—2019年时序数据，基于柯布—道格拉斯生产函数进行了变量选取，運用多元线性回归与协整实证分析了我国粮食产量的影响因素。研究发现：我国粮食产量与种植面积、化肥施用量呈正相关;与第一产业从业人员、成灾面积呈负相关;与农业固定资产投资有长期均衡关系。在此基础上，并依据研究结论给出了保障我国粮食安全的政策建议。

关键词：粮食产量;粮食安全;影响因素;多元线性回归;协整检验

中图分类号：F326.11                文献标识码：A                DOI 编码：10.3969/j.issn.1006-6500.2020.12.012

Research on Influencing Factors of my country's Grain Output

SU Xing，WANG Deli

（College of Mathematics and Statistics，Hebei University of Economics and Business，Shijiazhuang，Hebei 050061，China）

Abstract： Global epidemic outbreaks （e.g.， COVID-19） and natural disasters have made food security issues highly valued， and public concerns have obviously increased. Therefore， it is of great significance to study the factors affecting my country's food production in the post-epidemic era. This paper used the national time series data from 2000 to 2019， selected variables based on the Cobb-Douglas production function， and used multiple linear regression and cointegration to analyze the influencing factors of grain output in China empirically. The results showed that grain production in China was correlated positively with planting area and fertilizer application and negatively with primary industry employees and disaster area.And it had a long-term equilibrium relationship with agricultural fixed asset investment. Based on the research conclusions， policy recommendations to ensure China's food security were given.

Key words： grain production;food security;influencing factors;multiple linear regression;cointegration test

粮食安全是影响经济发展和社会稳定的战略性问题，农业一直处于国民经济发展的首位。而中国作为有着14亿人口的大国，粮食安全更是关乎国之根本的重要问题。多年来中国粮食产量虽呈上升趋势，但产量增速却在年际间呈现剧烈波动态势，由于放开“二孩政策”，人口可能将迎来增长小高峰，即国内形势变化将使中国面临新一轮粮食安全问题。此外，2020年初“新冠疫情”在全球范围内的爆发，一方面导致各国相继限制粮食出口，上演“屯粮潮”;另一方面由于隔离措施导致全球农业生产劳动力短缺和供应链中断，即国际形势变化亦使得粮食安全问题成为焦点议题。面对新形势下粮食安全问题，国内粮食产能则是我国粮食保障体系的“三根支柱”之一。因此，研究我国粮食产量的影响因素并依此给出相应建议，不仅有助于促进我国粮食产能的进一步提升，而且也有助于在后疫情时代依靠“仓廪实”来稳定民心，对于巩固我国长久粮食安全有着重要意义。

已有诸多学者对粮食产量的影响因素进行了研究，相关研究主要集中在以下两个方面：一是研究某一单一要素对我国粮食产量的影响，二是研究某一省份或区域内粮食产量的影响。

第一研究层面中，程名望等[1]选取了我国2001—

2010年中国粮食主产区的面板数据，运用回归分析指出农村劳动力转移未对粮食产量有显著影响;房丽萍等[2]利用我国粮食生产数据，运用要素贡献率测算得出了我国化肥投入对粮食生产的增产效应有所下降;范庆泉[3]基于1995—2008年中国省际农业面板数据，利用GMM方法指出农业支出政策是拉动我国粮食产量的重要因素;李福夺[4]基于1994—2013年20年间的城镇化率与粮食总产量进行了协整分析，指出粮食产量与城镇化之间存在协整关系;宋莉莉[5]基于疫情后粮食数据，得出新冠疫情给我国粮食生产带来了用工难、跨区耕作受阻等影响;李勇[6]基于1998—2017年粮食主产区面板数据，构建空间面板计量模型得出了粮食产量空间格局变化的驱动因素。

第二研究层面中，刘守义[7]基于面板数据，运用固定效应模型研究了粮食主产区的生产影响因素;李心慧[8]基于河南省1990—2014年粮食生产相关数据，利用主成分分析研究了河南省粮食产量影响因素;宰潜力[9]运用计量分析研究了福建省粮食产量的影响因素;杨玲玲[10]运用多元线性回归研究了合肥市粮食产量的影响因素;刘玉[11]运用空间自相关分析方法，得出了黄淮海地区不同类型县域的粮食产量影响及交互作用。

综观相关研究，学者们已探索了粮食生产的各个方面，但仍存一些不足之处。多数有关全国粮食生产的研究仅建立单一变量与粮食产量的关系，而没有考虑其他因素的影响，而考虑因素全面的研究又多局限于某地区内。因此，基于全国时序数据寻求我国粮食产量与各影响因素间的关系，对我国粮食保障体系长足发展有着重大理论与现实意义。

1 多元回归实证分析

1.1 理论模型构建

多元回归分析是分析两个或两个以上的变量的变动对因变量所产生的影响，多元线性回归的模型能表达成下列形式：

y=β0+β1X1+β2X2+…+βnXn μ （1）

式中，y为因变量，也称被解释变量;β0，β1…βn为自变量系数;μ代表随机误差。

1.2 基于C—D生產函数的变量选取

柯布道格拉斯（C—D）生产函数是经典的用来研究投入与产出关系的生产函数，因此可以用C—D生产函数来选取影响我国粮食生产的解释变量。

总结参考之前学者们已有研究文献[12-13]，多在经典柯布道格拉斯生产函数基础上进行了基于粮食生产的拓展：

Q=f（L，K，G）=ALαKβGγ（A，α，β，γ>0） （2）式中，Q表示产量;L表示劳动投入;K表示资本投入;G表示土地投入;A表示全要素生产率。基于生产函数的同时，变量选取不仅要参考前人文献，还要考虑数据的可获得性和定量研究的可行性。

被解释变量选取我国粮食产量。解释变量中，关于劳动投入，考虑到农林牧渔业从业人员近7年数据缺失，故选取第一产业就业人员，且程名望[1]指出中国农业存在劳动边际递减现象，谢杰[14]指出农业对劳动力的吸纳已是极限，因此当前已处于劳动投入反而抑制农业生产的阶段;关于土地投入，从土壤条件考虑，选取粮食种植总面积、有效灌溉面积、成灾面积;关于全要素生产率，选取农业机械总动力、化肥施用量。而农业固定资产投资存在较早年份的数据缺失情况，若进行缺失值填补，可能影响到所建立的回归模型结果的准确性，故本文对资本投入暂不计入多元回归分析中，而单独将其与我国粮食产量进行协整分析。综上所述，变量设计如表1所示。

基于以上分析以及对变量的选取，建立我国粮食产量的影响因素的假设模型：

yt=β0+β1x1t+β2x2t+β3x3t+β4x4t β5x5tβ6x6t+ μt（3）

1.3 数据收集与多元回归分析

本文使用的是年度数据，年度跨度20年，样本区间为2000—2019年。数据来源为国家统计局。各项指标原始统计数据见表2。

利用上述数据，使用Eviews6.0软件，利用OLS法估计模型，得到如下回归结果：

yt=14 746.38+0.378x1t+0.029x2t+0.187x3t+

0.728x4t-0.510x5t-0.105x6t（4）

t值     1.081      6.893    0.872     1.120    0.937    -3.330     -4.545

P值    0.299 2     0.000    0.399 1    0.282 8   0.365 8   0.005 4     0.000 5

R2=0.997 9，R2=0.996 9，F=1 027.258（P值=0.000）

从上述结果可以看出，可决系数与调整的可决系数均大于0.99，表明模型的拟合优度较高;F检验的值P=0.000，表明解释变量整体对粮食产量具有显著影响。但x2、x3、x4对应的t统计量的P值都相当高，不能通过t检验。因此初步判断解释变量间存在严重的多重共线性。

继而使用软件Eviews6.0，利用辅助回归法进行多重共线性诊断，将每个解释变量对其他解释变量进行回归，考查他们的可决系数。辅助回归的可决系数及由此得到的方差膨胀因子如表3所示。

由于变量相应的方差膨胀因子均大于6，因此模型存在严重的多重共线性，需要修正。本文选择逐步回归法以修正模型。

首先建立基础回归模型，将对每一个解释变量进行OLS法回归，得通过显著性检验，且可决系数最高。因此选择为基础模型。将其余变量逐个引入基础模型，估计结果如表4所示。

在基础模型中引入x1后，可决系数明显提高，且能够通过变量显著性检验。在此基础上引入变量x2、x3、x4、x6，发现只有引入x6能全部通过变量显著性检验，且可决系数有显著提升。进一步引入变量x2、x3、x4，发现引入x4的可决系数最高，故引入x4。且若继续引入变量，将导致可决系数下降且部分变量无法通过显著性检验，因此模型中不再引入其余变量。

进一步运用怀特检验法检验异方差性，结果显示：检验统计量nR2的P值>0.05，说明接受原假设，即认为模型不存在异方差。进一步检验自相关性。模型DW值为2.041，取值在2附近，故无一阶自相关性。继续运用LM检验验证有无高阶自相关，检验4阶P值均>0.05，故可认为模型无自相关性。

综上所述，回归模型的最终结果为：

yt=28 252.38-0.676x5t+0.406x1t-0.116x6t+1.125x4t

（5）

t值    4.110     -9.210     8.685     -5.462     2.768

P值    0.000 9    0.000 0    0.000 0   0.000 1    0.014 4

R2=0.997 6，R2=0.997 0，F=1 579.343（P值=0.000），DW=2.041

根据最终模型的结果可知，我国粮食产量与第一产业农业人员呈负相关，劳动投入每增加1单位，我国粮食产量将下降0.676个单位;与粮食种植总面积呈正相关，粮食种植总面积每增加1单位，粮食产量将增加0.406个单位;与成灾面积呈负相关，成灾面积每增加一个单位，粮食产量将减少0.116个单位;与化肥施用量呈正相关，化肥施用量每增加一个单位，粮食产量将增加1.125个单位。

2 协整实证分析

本文继续分析资本投入与我国粮食产量的关系，选取2003—2017年的农业固定资产投资与我国粮食产量的数据进行分析。由于两个变量可能为非平稳的，而两个非平稳时间序列之间可能存在伪回归，从而导致无效的计量结果。故本文采用EG检验分析变量间的发展关系：首先考查变量的平稳性，如果变量都是同阶单整序列，则用EG法对回归方程的残差进行平稳性检验以验证两变量间是否存在协整关系。

2.1 变量的单位根检验

从国家统计局收集反映资本投入的农业固定资产投资数据，并设农业固定资产投资为x7。同时对x7、y进行对数处理，则所要估计的结构系数恰好是变量间的弹性系数，且对数模型有助于消除异方差。原始数据如表5所示。

应用Eviews6.0软件对2003—2017年的农业固定资产投资与我国粮食产量的对数数据进行ADF单位根检验，结果如表6所示。

从结果可以看出，经过一阶差分后，两变量的ADF检验值均小于5%置信度下临界值，即一阶差分后两序列均为平稳序列。故两变量序列为一阶差分平稳序列，均为I（1）过程。符合进行下一步的协整检验的条件。

2.2 协整检验

运用协整检验分析我国粮食产量与农业固定资产投资之间是否具有持久稳定的关系。首先对两变量进行一元线性回归，在此基础上生成二者的残差序列，继而对残差序列进行平稳性检验，若平稳则说明我国粮食产量与农业固定资产投资存在长期稳定的关系。

利用OLS法估计协整方程，得样本回归函数：

ln（yt）=4.520726+1.246 348 ln（x7t）（6）

P 值：0.0000      0.0000

R2=0.936 3，R2=0.931 4

则残差序列为：et=ln（yt）-4.520 726-1.246 348 ln（x7t）。

对以上残差序列的平稳性进行检验，检验结果如表7所示。

由上表可看出，残差序列的ADF检验值小于10%置信度下临界值，该序列具有平稳性。因此，我国粮食产量与农业固定资产投资在2003—2017年间存在着长期均衡关系。表明农业固定资产投资每增加1%，我国粮食产量将增加1.246%。

3 结论与建议

3.1 结 论

根据C—D生产函数选取影响我国粮食产量的要素：粮食种植总面积、农业机械总动力、有效灌溉面积、化肥施用量、第一产业从业人员、成灾面积、农业固定资产投资。由于农业固定资产投资存在数据缺失问题，故仅对前6个变量与我国粮食产量的关系建立多元回归线性模型，并通过逐步回归消除模型存在的共线性。通过协整检验探索得出我国农业固资产投资与粮食产量间的长期关系，具体结论如下：

（1） 通过多元线性回归模型，我国粮食产量与粮食种植总面积、化肥施用量呈正相关，与第一产业从业人员、成灾面积呈负相关。在这4个变量中，化肥施用量对我国粮食产量影响最大。这与唐华仓[12]、房丽萍[4]等人指出的化肥对粮食产量贡献已接近边际递减阶段，增产效应有所下降的结论不一致。其主要原因在于1998年前我国粮食产量大幅增加主要得益于化肥施用，但随着土壤养分的逐渐饱和与施肥结构的不合理，导致我国农业在2005—2015年间处于转型期，不同区域化肥施用对粮食产量影响存在显著差异。同时，农村农业部已认识到该问题，于2015年推进化肥农药使用量零增长行动，至今已连续减少且三大粮食作物的化肥利用率相比2015年提高了4个百分点，化肥减量增效明显。因此，本文结论符合新的化肥施用背景，反映了我国近年来农用化肥对粮食产量增效显著。

而劳动投入与我国粮食生产呈负相关，其原因在于农业从业人员以达到饱和状态，我国粮食生产仍存在“内卷化”与“过密化”现象。

（2） 通过协整分析，农业固定资产投资与我国粮食产量有长期均衡关系。其主要原因在于近年来“三农”力度加大，政府鼓励社会资本下乡。农业固定资产投资本质是对农业稀缺资源的优化配置，是农业供给侧结构性改革的重要环节。

3.2 建 议

（1） 规范耕地用途，科學适度施肥，提高粮食生产效率。虽然我国粮食产量与粮食种植面积呈正相关，但仅依靠扩大粮食种植面积提高粮食产量是行不通的。主要原因在于耕地是一种不可再生或很难再生的稀缺资源，且我国城镇化率正逐年提升。根据李福夺等[4]研究结论，当我国城镇化率2026年达到70%目标时，相应粮食产量将达到85 360.4万t，而根据2000—2019年这20年粮食单产均值5.04 t·hm-2来算，则需要耕地1.693 3 亿hm2，远超我国1.2亿hm2耕地红线。因此，为保障我国粮食安全，首先需严格规范耕地用途，严守耕地红线，限制耕地转向非农用途，加紧利用好因农村劳动力外流留下的“抛荒”土地;其次应提高粮食生产效率，可以适度实施粮食规模和集约经营，从而更充分利用机械设备，提高农业劳动生产率;此外应坚持化肥施用减量措施，同时注重钾肥、磷肥、氮肥的施用结构，以对粮食生产发挥最大促进作用。

（2） 培育多环境生长品种，防抗结合，提高粮食抗灾能力。首先应建立完善的农业灾害预警机制，以达到对粮食“抢管”、“抢收”，以降低灾害损失;其次应鼓励培育耐旱、抗寒等适宜多环境生产的粮食新品种，运用综合栽培技术防御灾害，如地膜覆盖;此外我国地域辽阔，各地应根据当地气候规律，合理安排品种搭配与播载期。做到防抗结合以提高作物抵御自然灾害能力。

（3） 加大农业投资，实现粮食生产转化为“资本投入型”和“技术进步型”。应认识到虽然当前农业固定资产投资与粮食生产有长期均衡关系，但不意味着农业固定资产投资将长效下沉至农业领域并发挥效用，仍需加紧对农业固定资产投资的引导支持。农业固定资产投资有回落趋势，主要由于农业投资回报周期长、涉农投资环境亟待加强、农业保险不发达。因此，为促进农业固定资产投资深入，应深化“放改服”改革，完善农村金融、保险等服务体系，健全农业信贷担保体系，以营造良好的投资环境。且应鼓励社会资本创新，提高投资项目回报率。此外，虽然研究表明当前农村劳动力“过密化”现象仍存在，但农村劳动力外流终将迎来“刘易斯拐点”，因此在农村劳动力大量外流的背景下，应以粮食生产向“技术进步型”转型来保障粮食安全。应加大科技兴农力度，加大农业研究的支持力度，适度加强对农业生产资料的补贴力度，以切实保障粮食生产安全。

参考文献：

[1]程名望，张帅，潘烜.农村劳动力转移影响粮食产量了吗？——基于中国主产区面板数据的实证分析[J].经济与管理研究，2013（10）：79—85.

[2]房丽萍，孟军.化肥施用对中国粮食产量的贡献率分析——基于主成分回归C-D生产函数模型的实证研究[J].中国农学通报，2013，29（17）：156-160.

[3]陈飞，范庆泉，高铁梅.农业政策、粮食产量与粮食生产调整能力[J].经济研究，2010，45（11）：101-114，140.

[4]李福夺，杨兴洪.我国城镇化与粮食安全生产关系研究[J].统计与决策，2016，（8）：128-130.

[5]宋莉莉，张琳，杨艳涛，侯丽薇，王国刚.新型冠状病毒肺炎疫情对我国粮食产业的影响分析[J].中国农业科技导报，

2020，22（6）：12-16.

[6]李勇，何欢欢.主产区粮食产量时空格局演变与影响因素[J].中国农机化学报，2020，41（6）：216-224.

[7]刘守义.我国粮食主产区粮食产量波动及增长影响因素分析[J].江西社会科学，2014，34（8）：96-100.

[8]李心慧，朱嘉伟，王旋，等.基于主成分分析的河南省粮食产量影响因素分析[J].河南农业大学学报，2016，50（2）：268-274.

[9]宰潜力，孙雪漪.福建省粮食产量与影响因素的多元线性计量——基于1994-2015年度数据的分析[J].现代商贸工业，2018，39（28）：12-13.

[10]杨玲玲.计量经济模型下化肥使用量对农业总产值的影响——以合肥市为例[J].农村经济与科技，2018，29（8）：156-157.

[11]刘玉，任艳敏，潘瑜春.黄淮海地区县域粮食生产空间分异格局及其影响因素探测[J].北京大学学报（自然科學版），

2020，56（2）：315-323.

[12]唐华仓.生产要素对粮食产量的贡献系数分析[J].生产力研究，2007，（12）：20-21，59.

[13]赵雪雁，刘江华，王蓉，等.基于市域尺度的中国化肥施用与粮食产量的时空耦合关系[J].自然资源学报，2019，34（7）：1471-1482.

[14]谢杰.中国粮食生产影响因素研究[J].经济问题探索.2007（9）：36-40.