新疆兵团粮食产量影响因素回归分析

□文/韩 丹 喻晓玲

（塔里木大学经济与管理学院 新疆·阿拉尔）

［提要］ 新疆生产建设兵团是全国最大的农垦组织，粮食是兵团的主要农作物。从国家层面来看，粮食安全非常重要，加上新冠肺炎疫情的影响，粮食安全问题尤为突出。2020年，第一师阿拉尔市秋粮收购主要以水稻为主，共种植水稻15.1万亩，较2019年增加30.1%，预计产量11.33万吨，较2019年预计增加23.2%。为进一步探索提高兵团粮食产量的直接因素，本文以2000～2017年《兵团统计年鉴》为测算对象，采用回归分析方法，逐步找出影响兵团粮食产量的因素，主要有粮食播种面积、农业就业人员、农业机械总动力。同时，提出要提高兵团土地利用率、农业机械化投入、引导农业就业人员转移、制定稳定的粮食政策和推进农业产业结构调整等建议。

粮食安全关系到国家安全，本文从粮食播种面积、农业就业人员、农业机械总动力、化肥施用折纯量、地膜覆盖面积等5个指标数据进行回归分析，来分析这些因素与粮食产量的关系。

一、数据来源

以2000～2017年中国统计年鉴为数据库，收集了粮食播种面积、农业就业人员、农业机械总动力、农用化肥施用折纯量、地膜覆盖面积等5个农产品的相关数据为依据进行时间序列模型的建立。

二、模型构建

以2000～2017年各年的粮食总产量作为被解释变量，经分析，得到以下解释变量：粮食播种面积、农业就业人员、农业机械总动力、农用化肥施用折纯量、地膜覆盖面积，数据见表1。（表 1）

表1 2000～2018年新疆兵团粮食产量、粮食播种面积、农业就业人员、农业机械总动力、农用化肥施用折纯量、地膜覆盖面积数据一览表

Y=粮食产量（万吨）；X1=粮食播种面积（千公顷）；X2=农业就业人员（人）；X3=农业机械总动力（千瓦）；X4=农用化肥施用折纯量（吨）；X5=地膜覆盖面积（千公顷）；N=随机扰动项，C1、C2、C3、C4、C5、C6 为待估计参数；T=2000～2017。

三、模型检验与结果

（一）模型检验

1、最小二乘法OLS估计模型。假设模型中随机扰动项N满足古典假设，用最小二乘法OLS估计模型的参数，用计量经济学的软件Eviews得出计算结果，如表2所示。（表2）

根据表2中数据，一元回归模型为：

表2 Eviews导出计算结果一览表

可决系数R2=0.942638 adj-R2=0.918737 F值=39.43971 n=18

2、经济意义检验。经济意义：在其他不变的情况下，粮食播种面积每增加1千公顷，家庭经营收入增加0.6208亿元；农业就业人员每增加1人，家庭收入增加4.11亿元；农业机械总动力每增加1千瓦，家庭经营收入减少5.14亿元；农用化肥施用折纯量每增加1吨，家庭收入增加0.000170亿元；地膜覆盖面积每增加1千公顷，家庭收入增加8.88亿元。

（二）建立对数模型。显著性检验：X1的P=0.0007，显著性水平在5%～10%的条件下，耕地和资本投入对收入有显著影响；其他 X2、X3、X4、X5的 P 值＞10%，均无显著性影响，如表 3所示。（表3）

表3 取对数回归一览表

1、经济意义检验。从经济意义方面检验参数估计量，LnX1（粮食播种面积）、LnX2（农业就业人员）、LnX3（农业机械总动力）3个变量的系数均为正，表示这3个生产要素按比例增加后，粮食产量会以一定比例增加，符合经济意义，LnX5（地膜覆盖面积）变量的系数为负，表示投入地膜后，粮食产量会减少，这与我们日常经验违背，暂假定可以剔除LnX5（地膜覆盖面积）这个变量。

2、参数检验

（1）T检验。检验解释变量LnX1（粮食播种面积）、LnX2（农业就业人员）、LnX3（农业机械总动力）、LnX4（农用化肥施用折纯量）、LnX5（地膜覆盖面积）对被解释变量LnY（粮食产量）是否有显著性影响。

原假设：解释变量对被解释变量没有显著影响；备择假设：解释变量对被解释变量有显著影响。

根据T值大于T（n-k）临界值，拒绝原假设接受备择假设，表示解释变量对被解释变量是有显著性影响；T值小于T（n-k）临界值，接受原假设，表示解释变量对被解释变量没有显著性影响。

对照数据进行T检验，判断解释变量对被解释变量是否有显著性影响。据模型可知n=18，k=6，对照T值表后，查出在5%条件下，T（n-k）临界值=2.160；在 10%条件下，T（n-k）临界值=1.771。

据回归模型得知，在5%的条件下，LnX1（T值5.387）、LnX2（T 值 0.493）、LnX3（T 值 1.031）、LnX（T 值 0.298）对 LnY具有显著影响；在10%的条件下，LnX5（T值0.339）对LnY不具有显著影响。

（2）P检验。P值显著性判断即P值小于1%，说明在显著性1%的条件下，解释变量对被解释变量有显著性影响；P值小于5%，说明在显著性5%的条件下，解释变量对被解释变量有显著性影响；P值小于10%，说明在显著性10%的条件下，解释变量对被解释变量有显著性影响。

据回归模型得知，LnX1（P值0.0002）的P值小于1%，说明LnX1在显著性1%的条件下，这个解释变量对被解释变量有显著影响。LnX2（P 值 0.6306）、LnX3（P 值 0.3226）、LnX4（P 值0.7702）、LnX5（P 值 0.7401）的 P 值大于 10%，说明在显著性10%的条件下，解释变量对被解释变量无显著性影响。

（3）F检验。判断整个方程是否显著，即所有解释变量联合起来对被解释变量是否有显著性影响。

原假设：解释变量联合起来对被解释没有显著影响，整个方程不显著；备择假设：解释变量联合起来对被解释有显著影响，整个方程显著。

F值如果大于F的临界值，解释变量联合起来对被解释变量有显著影响，表示整个方程是显著。F值如果小于F的临界值，解释变量联合起来对被解释变量没有显著影响，表示整个方程不显著。

F临界值（k-1，n-k），a=5%，F0.05（5，13）临界值=3.03，据模型可知，显著性P=0.000且F=57.099＞F0.05（5，13）=3.03，可知在5%的显著性水平下回归方程整体显著。

（4）拟合优度检验。R2可决系数，判断拟合优度高低。值越大拟合优度越好，方程解释的变差在总变差中占的比重越大。据模型可知R2=0.959664，方程拟合优度好。

（三）共线性检验。解释变量之间做相关系数，相关系数比较高于0.7，判断存在多重共线性，如表4所示。（表4）

表4 共线性计算一览表

四、剔除变量法修正

根据计量经济学有关要求，主要采取剔除变量法、增大样本容量、截面数据与时序数据并用、取对数的方法。根据本模型可知，LnX1与LnX3、LnX4相关系数大于0.7，存在多重共线性；LnX3与LnX4相关系数大于0.7，存在多重共线性。但模型本身样本量已有18年数据，样本容量已足够大，不选择增大样本容量的方法；由于数据较多，不选择横截面数据与时序数据并用的方法；由于本模型采用对数形式的线性方程，不选择再取对数的方式。因此，选择逐步回归的方式，剔除变量。根据前部分T假设，LnX2、LnX4、LnX5对于LnY不具有显著影响，依次剔除进行检验。（表5）

表5 多重共线性修正后回归结果一览表

（一）T 检验：在 1%的条件下，T（n-k）=T（19-4）=2.131，LnX1（T 值 6.947）、LnX2（T 值 5.177），两个解释变量的 T 值均大于T0.05（15）=2.131，表示这两个解释变量对于LnY有显著的影响。

（二）F检验：在5%条件下，F（k-1，n-k）=F0.05（3，15）=3.29，本模型的F值为170.0205＞F0.05（3，15）=3.29，可知在5%的显著性水平下回归方程整体显著。

（三）拟合优度检验：R2可决系数，判断拟合优度高低。值越大拟合优度越好，方程解释的变差在总变差中占的比重越大。据模型可知，R2=0.957，方程拟合优度好。

综上所述，经过变量剔除可行模型为LnY=-5.673+0.867×LnX1+0.400072×LnX3。

五、模型结果分析总结

（一）经多种分析方法和模型修正，剔除农业就业人员、农用化肥施用折纯量、地膜覆盖面积这3个不显著的影响因素，得出最终模型为 LnY=-5.673+0.867×LnX1+0.400072×LnX3。

（二）该模型的经济意义是：在其他变量不变的情况下，粮食播种面积（千公顷）每增加1%，粮食产量增加0.867%；农业机械总动力每增加1%千瓦，粮食总产量增加0.4%。

（三）从各因素前的系数可以看出，粮食播种面积、农业机械总动力的两个因素的系数均为正，表示增加这两种生产要素，都能使粮食产量得到增加。从增加效率来看，粮食播种面积的影响程度最大，其次是农业机械总动力的投入。从分析结果来看，这与初始建模时将粮食播种面积、农业就业人员、农业机械总动力、农用化肥施用折纯量、地膜覆盖面积这5个影响因素同时作为自变量的初始假设不同，这表明粮食的产量与农业从业人员、化肥施用、地膜使用并没有多大关系，更多的是在劳动力和种植规模上的影响，更进一步说，粮食种植是劳动密集型产业，其技术进步最多能够体现在农业机械化上，如果想通过化肥施用和地膜使用等生产资料的投入就能实现增产是没有多大效果的。

六、对策建议

（一）提高兵团土地利用率。自2018年以来，兵团全面实施团场综合配套改革工作，从制度层面取消了“五统一”，主要体现在取消了农资特别是种子、化肥、农药等生产资料的统一购买，很大程度上减轻了职工压力。同时，从2000～2018年的统计数据可以看出，兵团粮食产量已在高水平上发展，要取得更大进步难度非常大，所以必须要从提高土地利用率上来解决问题。兵团与内地农业最大的不同就是实施的大农业，土地规模有保障，但从兵团现行制度来看，每个职工仅有40亩粮田，除去成本，一年收入仅4万～5万元，不能满足职工群众对美好生活的向往，因此要从提高土地利用率上来考虑，要进一步推动土地流转工作，要让土地资源活起来，要让碎片化的土地连起来，从而推动更高水平的农业机械化。

（二）加大对农业机械化的投入。从数据分析和现状观察来看，农业机械化是最能体现科技投入的地方。科学技术就是第一生产力，进入2000年以后，化肥、地膜等技术的大量投入，已经通过反复试验找出了适合兵团土地吸收和作物生长的化肥、地膜投入比，即使是再投入也已经无法大幅度提高粮食单位产出。如果要投入科学技术到农业生产中，进一步提高农业机械化水平显得至关重要。从当前兵团粮食产业发展来看，北斗卫星、无人机、采棉机的投入不仅在减轻劳动负担上具有显著作用，还在工作效率上有着明显作用。以插秧机为例，在20世纪90年代初，兵团插秧采收还要靠人工来解决，插秧采收周期长达4～5个月，很多时候要到过年才能把地头粮食采净，工作效率十分低。但进入21世纪，大量的农业机械投入到农业生产当中，解放了大量的劳动力，极大地提高了工作效率，所以要提高兵团粮食的产量，必须下大力气在农业机械化的研究上，要让科技创新在农业机械化上崭露头角。

（三）引导农业就业人员转移。兵团的大农业和农业现代化必定会引起农业就业人口的转移，从2000～2018年的农业就业人员数可以看出，农业就业人员正在减少，并且比粮食种植面积的增加程度还要大，这说明农业规模化和农业机械化已经实现了解放劳动力的作用。虽然从模型可以看出增加农业就业人员还能提高兵团粮食产量，但与当今经济社会主流相违背，随着科技的发展应当是更多的人投入到第二、第三产业当中，而不是引导更多的人到农业生产中，这与社会经济发展不相适应，所以抛开提高兵团粮食产量的问题不说，我们应当理智看待农业就业人员问题，不仅要控制农业就业人数，还要引导农业人口向工业、服务业转移。

（四）进一步调整农业产业结构。从统计数据来看，兵团粮食土地利用率、投入产出率已经达到较高水平，但仍存在一些问题，比如粮食质量不高、同一地区粮食品种过杂和大区域内粮食品种过于单一问题并存的现象，这些都反映了粮食产业到了不得不改的时候。当前兵团粮食种植依旧是传统老旧思维，认为粮食就是进国储，与企业缺乏沟通，不了解当前市场需要，使得粮食品质与市场需求不相适应。这需要政府与企业加强沟通，建立合作桥梁，大力推行订单农业，根据市场需求进行品种调整，充分发挥兵团大农业的优势，让优质、统一、符合市场需求的粮食涌现出来，提高兵团粮食的产量优势。