福建省城镇化发展与县域粮食产出——基于门槛模型的非线性影响分析

王海平，陈斯友，许标文，林国华

(1.福建省农业科学院农业经济与科技信息研究所，福建 福州 350003；2.福建农林大学经济管理学院，福建 福州 350002)

一、文献回顾

城镇化、工业化是人类社会经济发展的必然过程，也是我国统筹城乡发展、迈向共同富裕的必经之路。党的十八大以来，我国新型城镇化建设取得重大历史性成就，农业转移人口加快融入城市，常住人口城镇化率超过60%。快速的城镇化发展对区域粮食生产及消费产生了重要影响。一方面，城镇化的快速推进，加速了农村劳动力向城市和非农部门转移[1]，导致农地资源向“非农化”和“非粮化”流动[2-3]，影响了粮食综合生产能力的基础；另一方面，随着城镇化水平的提高，城乡居民的粮食消费需求及消费结构升级加速[4]，对粮食消费的数量及质量都提出了新的挑战，对粮食生产系统及消费系统的资源要素配置产生了影响。由此引发的粮食安全问题，受到社会各界的普遍关注。福建省是东南沿海经济强省。近年来，福建省积极推进新型城镇化建设，加快构建现代城镇体系，持续推动农业转移人口市民化，使得城镇化水平显著提高。根据第七次全国人口普查数据，2020年福建省常住人口为4 154.01万人，其中居住在城镇的人口为2 855.72万人，常住人口城镇化率为68.75%[5]。与2010年相比，福建省城镇人口增加了749.3万人，城镇人口占比提高了11.66个百分点，城镇化发展水平位居全国前列[5]。同时，福建省又是全国主要的缺粮省和粮食主销区。2020年，福建省粮食总产量为493.9万t，人均粮食占有量为124 kg，仅为全国人均粮食占有量的26.4%，远低于世界粮农组织提出的人均粮食占有量(400 kg)的粮食消费安全标准。近年来的统计数据显示，福建省粮食生产没有遏制持续下滑的态势，粮食总产量和粮食播种面积还处于小幅下滑区间。从内部来看，在人均粮食占有量严重偏低以及粮食生产能力持续下滑的双重压力下，福建省粮食安全形势面临极为严峻的挑战。从外部环境来看，新冠疫情依然在全球流行，加上全球气候变暖，极端天气及自然灾害频繁发生，应对全球粮食安全风险的不确定性显著增加。在当前形势下，确保一定行政区域范围内粮食综合生产能力的持续稳定和有效供给是落实国家整体粮食安全观至关重要的环节。《2020年国务院政府工作报告》提出：“加强新型城镇化建设，大力提升县城公共设施和服务能力，以适应农民日益增加的到县城就业安家需求。”县域城镇化已经成为推进新型城镇化建设的主要阵地，因此，研究县域范围内快速城镇化下的粮食产出问题，对保障区域粮食安全有着重要的现实意义。

有关城镇化发展与粮食生产及其安全影响的研究非常丰富,归纳起来主要有以下3个观点：(1)城镇化发展对粮食生产基本要素的破坏将会减少粮食生产并威胁粮食安全。李岳云、Chen、Yang等认为，城镇化导致大量耕地转为建设用地及大量农村劳动力转向非农就业，造成环境污染和土壤质量退化，削弱了粮食生产能力，对粮食安全产生不利影响[6-8]。在粮食消费需求上，钟甫宁、龚波等认为，城镇化带来城乡居民消费结构的变化，促使粮食消费需求总量增加，使得粮食安全压力加剧[9-10]。同时，伴随大量农业人口转移到城镇就业，进城农民由原来的农产品生产者转变为纯粹的粮食消费者，这也势必增加粮食的消费需求[11]。(2)城镇化发展对粮食生产及安全的影响比较微弱，甚至还具有显著的正向影响作用。黄季焜认为，我国工业化、城镇化的快速发展不会对国家粮食安全构成巨大威胁，我国耕地面积大幅下降的主要原因并非城镇化的发展，而是实施了退耕还林政策[12]。Godfray等认为，城镇化发展能够促进城市资本和技术向外输送，对农业生产效率具有显著的改善作用[13]。赵丽萍等认为，城镇化加速了农村土地规模经营的扩大和粮食生产效率的提高，这有利于粮食安全保障[14]。(3)城镇化发展与粮食生产及安全的影响是非线性的复合关系，并存在临界点和地区差异。郭剑雄、涂涛涛等认为，虽然在短期内城镇化发展可能造成粮食生产基本要素的破坏，甚至减少粮食生产，但从长期来看，当城镇化达到一定临界水平时，就能够实现城镇化发展与粮食生产能力的同步提升，使整个过程呈现正U型关系[15-16]。何悦等认为，城镇化发展与粮食生产是曲线关系，但影响形态呈倒U型[17]。高延雷等研究发现，城镇化在对农地和农业劳动力方面有显著的负向中介效应，但在农业技术上有显著的正向中介效应，在全国层面上，城镇化对粮食安全具有显著正向影响，但不同粮食生产区的影响存在显著差异性[4]。

现有文献为深入认识城镇化发展对粮食生产及粮食安全的影响奠定了坚实的基础，但也存在不足之处。多数文献认为城镇化对粮食生产及粮食安全的影响存在非线性的曲线关系，但对具体的曲线形状和相应的临界拐点等，却没有给出一致的回应。在研究范围上，现有文献多基于国家或省区层面的宏观视角，以粮食主产区为对象，研究粮食生产及粮食安全问题，缺乏从县域尺度的中微观视角来研究粮食主销区的粮食生产及粮食安全问题。在异质性分组上，现有研究对于分组依据和临界值的选择比较单一，主观随意性较强，难以消除区域异质性的干扰。基于此，本文以2007—2019年福建省58个县域面板数据为基础，运用动态系统GMM模型，研究城镇化与县域人均粮食产量的互动关系。在此基础上，引入门槛效应模型，考察城镇化发展与人均粮食产量的影响是否存在门槛效应及门槛值，并根据门槛效应模型的结果分组，考察城镇化对县域人均粮食产量的异质性影响，以期为政府制定保障粮食生产及粮食安全政策提供参考。

二、模型设定与数据

(一)模型设定

1.动态面板模型。在已有研究的基础上，本文以县域人均粮食产量为被解释变量，以城镇化率为核心解释变量。为了避免遗漏变量导致的模型估计偏误，将反映地区经济发展、人口状况、财政农业支出、农业结构、基础设施以及城镇化水平的相关变量纳入实证模型中，构建城镇化发展对粮食产量的影响模型，具体如下：

(1)

公式(1)中,i和t分别表示县域和年份;Yit为结果变量，用县域人均粮食产量的对数表示;Uit是核心解释变量，代表各县域城镇化发展水平;Xit代表一系列控制变量;β为核心变量影响系数,αi为其他控制变量影响系数;ηi代表县市固定效应;εit为残差项。考虑到上期县域人均粮食产量会对本期产生一定的影响，因此，在解释变量中引入被解释变量的一阶滞后项。为了探索城镇化对县域人均粮食产量的非线性影响，在模型中加入了城镇化的平方项，最终构造的动态面板模型如下：

(2)

公式(2)中,t-1代表滞后一期,Yi(t-1)代表i县域t-1年人均粮食产量,U2it是城镇化的平方项，用于考察城镇化对粮食产量的非线性影响。其他符号含义同公式(1)。

2.门槛回归模型。门槛效应是指在某一经济变量达到特定临界值后，引起另一经济变量发生影响突变的现象[18]。该经济变量的临界值即为门槛值。门槛回归模型是由Hansen在1999 年提出的，其主要原理是基于不同组别样本的因变量与自变量分别进行回归估计，并分析不同组别间因变量与自变量的因果关系是否发生显著变化，以此判断门槛效应是否显著存在[19]。面板门槛回归基本模型为：

Yit=c+β1xit×I(qit≤γ)+β2xit×I(qit>γ)+εit

(3)

公式(3)中,β1、β2分别表示不同组别内门槛变量的待估计参数,xit为其他控制变量,qit为门槛变量,γ为门槛值,εit为扰动项,I(·)为示性函数。示性函数括号内表达式如果为真，则取值为1；反之，则取值为0。

借鉴相关学者的做法[19-20]，将模型的假设检验分为2个步骤：(1)检验是否存在门槛效应。如果存在门槛效应，则需进一步检验门槛个数、确定门槛值，并计算似然比统计量，以估计门槛值γ的置信区间。该过程和检验步骤可以推广到多门槛值的计算。(2)以门槛变量是否跨过门槛值γ为标准，将研究样本划分为不同的区间组别。

(二)变量选择与说明

1.被解释变量。以县域人均粮食产量为被解释变量，用当年县域粮食总产量与县域年末常住人口总量的比值来计算。根据世界粮农组织提出的粮食消费安全标准，当某地区每年人均粮食产量达400 kg，即为粮食消费安全水平。该数值越高，则粮食安全状况越好。本文选取县域人均粮食产量作为被解释变量，能够综合反映县域的粮食生产水平及消费水平。

2.核心解释变量。以城镇化率为核心解释变量。本文研究城镇化水平对县域人均粮食占有量的影响。对城镇化水平进行测度的方法有多种，如用常住人口测算城镇化率、用户籍人口测算城镇化率等。本文关注的是一定区域内的粮食生产及消费安全状况，因此，采用常住人口测算城镇化率更为合适，其计算用县域常住城镇人口与常住总人口的比值来表示。此外，为了考察城镇化对县域人均粮食占有量的非线性影响效果，引入了城镇化率的二次方指标。

3.其他控制变量。影响县域粮食生产及粮食安全的因素较复杂，依据已有的研究成果，本文选取县域经济发展水平、农业财政投入、农业种植结构、农村基础设施条件、县域人口密度等作为控制变量。县域经济发展水平用县域人均GDP、县域经济结构来度量。为了消除价格因素的影响，采用以2010年为基期的各县市所属地级市当年的CPI指数对被解释变量进行消胀处理。农业财政投入采用当年县域政府农业财政支出与农业人口的比值来计算，反映了政府对农业生产活动的影响程度。考虑到农业生产的特殊性，当期的农业财政投入一般会在后一期开始发挥作用，因此，在模型中引入农业财政投入滞后一期变量。农业种植结构用县域粮食作物种植面积与经济作物种植面积的比值来表示，反映了农村地区农业生产结构和资源分配状况。农村基础设施条件用县域农村公路通车里程与县域国土面积的比值，即县域公路密度来表示，反映了农村地区基础设施及交通条件状况。县域人口密度用县域常住总人口与县域国土面积的比值来表示，反映了县域人口负担状况。

(三)数据来源与统计性描述

本文构建了2007—2019年福建省9个地级市58个涉农县(市辖区除外)的平衡面板数据。选择福建省作为研究区域的主要理由是：(1)福建省是我国主要的缺粮省和粮食消费大省，多年来的粮食综合自给率仅为36%左右，是典型的粮食主销区。(2)福建省位于我国东南沿海经济发达地区，城镇化发展水平较高，但由于其特殊的自然地理和历史发展条件，省内不同地区经济发展及城镇化水平差异较大。这种地区差异化的特征为研究县域城镇化发展对粮食生产和粮食安全的影响提供了良好的观测样本，具有区域代表性。本文的相关变量数据主要来自于2008—2020年《福建省统计年鉴》《中国县(市)社会经济统计年鉴》及福建省各地级市统计年鉴。为了消除价格变动影响，以2010 年的基期价格指数对相关变量进行调整，各变量的统计性描述如表1所示。

表1 主要变量的统计性描述

三、实证结果与分析

(一)动态面板估计结果

面板数据模型较常用的估计方法有固定效应模型及随机效应模型，但当模型中存在内生性问题时，这两种方法的参数估计结果均有偏差，且不一致[21]。本文模型中的内生性主要由于解释变量中含有被解释变量的滞后期变量。另外，县域人均粮食产量也可能反向影响城镇化水平，即存在反向因果关系的内生性问题。对于含内生解释变量的动态面板数据模型，通常采用差分GMM或系统GMM估计。根据洪丽等的研究，在有限样本下，系统GMM比差分GMM的估计偏差更小，还有助于缓解差分GMM的弱工具性及在有限样本下的偏误等问题，进而提高估计效率[21]。因此，本文采用系统GMM进行参数估计。

表2为系统GMM的估计结果，作为对照，还列出了OLS估计、固定效应FE、差分GMM的回归结果。差分GMM估计的残差自相关检验AR(1)和AR(2)的伴随P值表明，使用差分GMM估计可行；但其Sargan检验的P值在5%的显著性水平上拒绝“所有工具变量都有效”的原假设：这意味着某些新增工具变量与扰动项相关，不是有效的工具变量，不符合差分GMM有效估计的要求。系统GMM估计的残差自相关检验AR(1)和AR(2)的伴随P值符合要求；同时，Sargan检验的P值为0.899，可以接受“所有工具变量都有效”的原假设：表明系统GMM的估计结果比差分GMM的估计结果更有效、可靠。因此，本文主要针对系统GMM的回归结果进行分析。

表2 动态面板估计结果

由回归结果可知，城镇化率对县域人均粮食产量存在显著的非线性影响。结果显示，城镇化率的回归系数为正，并且在1%的水平上显著，表明城镇化对县域人均粮食产量具有显著的正向影响。同时，城镇化率平方项的回归系数为负，并通过1%的显著性水平检验，表明城镇化与县域人均粮食产量是二次型曲线影响关系。综合来看，城镇化对县域人均粮食产量存在先正向后负向的倒U型影响，即县域人均粮食产量开始是随着城镇化发展水平的提高而增加，但当城镇化发展到一定水平后，县域人均粮食产量却随着城镇化水平的提高而下降。这一结果与赵丽萍、何悦等的研究结论基本一致[14,17]，说明城镇化发展与县域人均粮食产出之间并非单一方向的线性影响，可能存在临界点的门槛效应。其临界点和门槛值如何，还需要进一步的门槛效应分析。

由回归结果还可知，农业财政投入对县域人均粮食产量的影响存在显著的时滞效应。当期农业财政投入的回归系数为负，但滞后一期的农业投入回归系数为正，并且均在1%的水平上显著，表明农业财政投入对县域人均粮食产量影响存在时期上的差异性。主要原因在于农业生产周期性较强，再加上当前农业财政投入普遍施行“先建后补”政策，致使农业财政投入对县域人均粮食产量存在显著的滞后性影响。正如彭克强等的研究所指出的，我国农业财政投入的应急性特点和工具化倾向导致财政支农的生产促进功能难以发挥[22]。这也可能是当期农业财政投入对县域人均粮食产量影响为负的主要原因。鉴于政府农业财政投入主要通过影响农民生产预期，进而对下一期农业生产活动产生影响，农业财政支持与投入需要长期、稳定的政策制度。

其他控制变量的回归结果表明：(1)农业种植结构对县域人均粮食产量有显著的正向影响。粮食作物比重越高，县域人均粮食产量越大，表明提高粮食作物种植比重的产业结构调整将显著增加县域人均粮食产量，进而提高粮食安全度。(2)县域人均GDP的回归系数为0.284，并且在1%的水平上显著，表明地区经济发展水平与县域人均粮食产量存在显著的正向关系，经济快速增长并不必然带来县域人均粮食产量减少。(3)县域经济结构对县域人均粮食产量的影响系数为负，并且在1%的水平上显著，表明随着县域经济结构的不断转型，县域人均粮食产量将呈下降趋势。(4)农村基础设施条件对县域人均粮食产量具有显著的负向影响，表明随着县域交通基础设施条件的改善，县域人均粮食产量逐渐减少。这一结论与传统观点和预期似乎不符，主要原因在于：道路交通的便利性将加速农村劳动力向外流动，导致农村劳动力减少，进而改变粮食生产结构和方式；交通等基础设施的改善强化了市场信息的获取，出于对经济利润的考虑，农户将减少粮食种植，转而生产具有更高附加值的经济作物；便捷的交通设施改变了农村居民的生产和生活方式，使其摆脱了自给自足的小农生产模式，导致种粮的生存性保障功能逐步消失，使种粮生产集中在少部分人身上。(5)县域人口密度对县域人均粮食产量有显著的负向影响，县域人口密度越高，在一定地域空间内人口的负荷越大，人地资源关系越紧张，人均粮食产量越少。

(二)门槛面板模型分组估计结果

上文研究表明，城镇化发展与县域人均粮食产量存在曲线关系。为进一步探明其可能存在的临界点以及在不同临界区间上影响的异质性，本文进行了以下分析：(1)采用门槛效应分析城镇化发展对县域人均粮食产量的门槛效应及门槛值；(2)基于门槛值对福建省不同城镇化发展水平地区进行分组，并采用动态面板模型对不同组别的城镇化水平与县域人均粮食产量进行异质性分析。

1.门槛值估计及检验。根据公式(3)对模型门槛值的个数进行搜索，分别在无门槛、单一门槛、双重门槛及三重门槛的假设前提下对门槛模型进行估计，得到表3的F值及P值。结果显示，单一门槛和双重门槛均在5%的水平上显著，相应的P值分别为0.017和0.037，但三重门槛的P值为0.747，没有通过显著性检验。因此，可以认为城镇化对县域人均粮食产量存在双重门槛效应。

表3 门槛个数检验结果

完成门槛效应的检验后，需要进行门槛值是否为真的检验，其方法是通过构造门槛值的置信区间来实施，结果如表4所示。由表4可知，城镇化率对县域人均粮食产量的双重门槛的估计值分别为0.455和0.575，对应在95%的置信区间分别为[0.452，0.458]和[0.567，0.578]。

表4 门槛值估计值结果

2.基于门槛值分组标准的GMM回归估计。依据上述门槛值对福建省58个县域城镇化发展水平进行分类，在分类时需要考虑面板数据因时间演变而导致的区间变化。在参考已有文献的基础上[23]，结合福建省县域城镇化发展水平特点，选取样本中间年份的均值对各县域城镇化水平进行分组处理。按照城镇化水平由低到高为：低城镇化水平地区(U≤0.455)、中等城镇化水平地区(0.4550.575)。其中，高城镇化水平县市8个，中等城镇化水平县市25个，低城镇化水平县市25个。在此基础上，分别对各组样本进行动态面板估计。由于分组后子样本的样本容量大大减少，属于小样本，因此，对分组子样本采用了一步系统GMM方法估计，结果如表5所示。

表5 城镇化水平为分组标准的动态面板模型的估计结果(一步系统GMM)

表5显示，城镇化对县域人均粮食产量的影响在不同城镇化发展水平地区存在显著差异：在低城镇化水平地区系数显著为正，在高城镇化水平地区系数显著为负，在中等城镇化水平地区系数为负但没有通过显著性检验。这表明城镇化率与县域人均粮食产量的影响关系呈倒U型特征：在城镇化率低于45.5%的县域，随着城镇化发展，县域人均粮食产量显著提升；在城镇化率高于57.5%的地区，随着城镇化发展，县域人均粮食产量显著下降；在城镇化率介于45.5%和57.5%之间的县域，城镇化发展对县域人均粮食产量的影响效果不明显。由此判断，城镇化率对县域人均粮食产量影响的峰值拐点会出现在城镇化率45.5%～57.5%时，即当成镇化率在51%左右时，城镇化发展与县域人均粮食产量的影响出现反转。此时，如果进一步推进城镇化发展，会给县域人均粮食产量带来显著的负向影响，并增加县域粮食安全风险。此外，当期农业财政投入对各城镇化发展水平地区县域人均粮食产量均为负向影响，但其滞后一期在不同城镇化水平地区对县域人均粮食产量的影响均显著为正，并且随着城镇化率的提高，影响系数逐渐增大。这表明城镇化发展水平越高的县域，农业财政投入对县域人均粮食产量的影响弹性系数越大，在高城镇化水平县域增加农业财政投入将更有利于县域人均粮食产量的提升。

其他控制变量影响效果与基础回归基本保持一致。在不同的城镇化发展水平县域，各变量的系数值和显著性水平存在差异。农业种植结构对县域人均粮食产量有显著的正向影响，且影响效应随着城镇化水平的提高而提高，这说明在高城镇化水平县域，农业种植结构是县域人均粮食产量的重要影响因素。县域公路密度对县域人均粮食产量存在显著的负向影响，且在低城镇化水平的县域，其负向影响效应较大。这表明在城镇化水平较低的县域，提高农村道路基础设施建设将对县域人均粮食产量和粮食安全水平带来不利影响。县域人口密度对县域人均粮食产量呈负向影响，且在高城镇化水平的地区，其负向影响作用最大。可见，地区经济发展对县域人均粮食产量的正向影响随着城镇化水平的提高而增强。

四、结论与启示

(一)研究结论

本文选取2007—2019年福建省的58个县域面板数据，运用动态GMM模型和面板门槛模型实证分析了城镇化发展对县域人均粮食产量的影响，得到以下结论：(1)城镇化发展对县域人均粮食产量的影响具有显著的非线性特点。门槛回归模型进一步显示其存在双重门槛效应，门槛值分别为0.455和0.575，并以此为2个临界点，形成一个先上升到平缓再下降的倒U型曲线影响关系。(2)农业财政投入对县域人均粮食产量的影响随着城镇化发展水平的不同而呈现显著差异。城镇化水平越高的县域，农业财政投入对县域人均粮食产量的影响弹性越大。在高城镇化水平地区加大农业财政投入对县域人均粮食产量具有积极作用。(3)其他控制变量对县域人均粮食产量均有显著的影响。异质性的分析表明，农业财政投入、县域公路密度、县域人口密度对县域人均粮食产量均有显著的负向影响，并且在不同城镇化发展水平地区的影响效果不同。可见，在制定保障粮食安全及生产的产业政策时，需要着重考虑地区差异性。

(二)启示与讨论

1.持续有序加快新型城镇化建设，推进粮食产业高质量发展。随着农村人口流向城市，福建省城镇化发展水平已经达到68.75%，但在地区分布上极为不均衡。除地级市辖区外，58个涉农县域的平均城镇化率仅为53.63%，有近30个县域的城镇化率低于峰值点的51.5%。根据倒U型曲线特征，福建省县域城镇化水平已经跨越峰值拐点，但大部分涉农县域都还处在第一拐点及第二拐点之间，这表明加快推进县域城镇化发展进程，并不会带来县域人均粮食产量的下降。因此，必须继续加快推进新型城镇化建设，有序引导农业转移人口市民化；着力推进农村土地集中流转发展规模经营，促进县域粮食生产专业化、标准化和品牌化，推进全省粮食产业高质量发展，增加县域粮食总产量。

2.优化涉农财政资金投入，加大粮食生产基础设施建设。随着国家对保障粮食安全的重视，在政府涉农财政资金投入总量不断增加的同时，各地区的涉农财政资金投入需要依据不同的城镇化发展水平来调整。具体而言：在地区上，适当增加对高城镇化水平县域的涉农财政投入，以期带来更高的粮食产出量；在投入结构上，由于道路等基础设施投入对增加县域人均粮食产量并非持续有效，因此，应该适度减少对县域农村地区交通道路等建设的投资，将更多的资金用于基本农田水利建设和耕地保护与修复，以保障粮食综合生产潜力。

3.深化产销合作对接，建立产销合作长效机制。福建人多地少的基本情况决定了其难以在省域范围内实现自主的粮食产销平衡。随着城镇化的快速推进，福建省城乡间人口持续流动，还有大量省外流入人口。近年来，福建粮食自给率不足24%，年粮食缺口超过1 500万t[24]。因此，保障福建省粮食安全的根本出路还是要依靠外援调入，要与国内粮食主产省份形成稳定的粮食产销协作关系，打造从产区到销区稳定的“引粮入闽”粮食安全保障体系。

4.严格耕地用途管制，严守耕地红线。东南沿海地区城镇化发展水平较高，城镇周边的土地农业生产自然条件和地理区位相对较好。但这些地区的土地“非农化”和“非粮化”现象严重，需要严格土地用途管制，防止耕地进一步“非农化”。进一步加大对高城镇化水平地区粮食生产的财政投入，可以显著地增加这些地区的粮食产量。这对促进县域粮食供需平衡，缓解缺粮省份粮食外调压力极为有效。