劳动力转移对粮食生产韧性的影响研究

蔡林军 文春晖

摘要：粮食安全是“国之大者”，随着农业劳动力大量转移，粮食生产韧性是否受到影响及受到的影响有多大，已成为新时期的重要议题。基于中国粮食主产区2010—2022年省域面板数据，通过构建主产区粮食生产韧性的综合指标体系，首先使用熵权与变异系数综合赋权法对其进行测度，其次选用固定效应模型实证检验农业劳动力转移对粮食生产韧性影响的内在逻辑。研究发现：农业劳动力转移有助于主产区粮食生产韧性的提升，且对粮食生产韧性的促进效应在较长时间序列上均稳健成立。具体而言，农业劳动力转移每增加1%，主产区粮食生产韧性水平将会平均增加1.712 0%。研究还发现，北方和南方主产区农业劳动力转移影响粮食生产韧性水平存在明显异质性，北方主产区的提升作用更为显著。因此，进一步引导农业劳动力非农转移推动区域粮食生产韧性水平提升，是新时期保障我国粮食安全的有效途径。

关键词：粮食主产区；劳动力转移；粮食生产韧性；粮食安全

中图分类号：F32  文献标识码：A  文章编号：2095-5553 （2024） 03-0313-09

Study on the influence of labor transfer on the resilience of food production：

Based on the evidence of major grain producing areas in China

Cai Linjun， Wen Chunhui

（School of Economics， Hunan Agricultural University， Changsha， 410128， China）

Abstract：

Food security is “the biggest of the country”， with the large transfer of agricultural labor force， whether the resilience of food production is affected and how much it is affected has become an important issue in the new era. Based on the provincial panel data of Chinas major grain-producing areas from 2010 to 2022， this paper constructs a comprehensive index system of grain production resilience in major grain-producing areas. Firstly， entropy weight and coefficient of variation are used to measure it. Secondly， a fixed-effect model is used to empirically test the internal logic of the impact of agricultural labor transfer on grain production resilience. The results show that the transfer of agricultural labor contributes to the improvement of the resilience of grain production in the main producing areas， and the promoting effect on the resilience of grain production is stable in a long time series. Specifically， for every 1% increase in agricultural labor transfer， the resilience level of grain production in the main production areas will increase by an average of 1.712 0%. The study also found that there was significant heterogeneity between the northern and southern major producing areas， and the northern major producing areas had a more significant effect on the resilience of grain production. Therefore， it is an effective way to ensure Chinas food security in the new era by further guiding the non-agricultural transfer of agricultural labor and promoting the improvement of the resilience level of regional grain production.

Keywords：major grain producing areas; transfer of labor force; toughness of grain production; food security

0 引言

農为国之本，粮足则国安。我国已连续8年粮食产量稳定在6.5×1011 kg以上，为保障粮食安全提振了信心；但不可否认的是，农业劳动力转移正成为我国二元经济结构背景下长期存在的社会现象，大量青壮年劳动力的非农转移带来农业劳动力老龄化、妇女化特征趋势凸显，加剧了人们对粮食生产韧性的担忧。此外，粮食作为特殊商品，具有需求价格弹性小、产业链联系数偏低等特征，使得粮食生产环节呈现出脆弱性。在此情景下，如何提高主产区粮食生产韧性，在生产端筑牢粮食安全防御底线，以保障粮食供给稳定增长和粮食质量不断改善，既是一个现实问题，也是一个理论问题。

实现粮食产业高质量发展与农业农村现代化离不开粮食生产韧性的锻造。何为“韧性”，Holling［1］率先在生态学领域运用这一概念定义生态系统所具有的抵抗冲击、恢复原态的能力。粮食体系韧性应从个体到国家多层次多角度共同发力［2］；可见，粮食生产韧性是内外部有机结合抵御外部冲击的能力。学界对于如何锻造粮食生产韧性的研究较少，其涉及更多的是对提升农业韧性的探讨。如罗光强等［3］指出农业的绿色化、农业结构的合理化和高级化是提升农业韧性的关键因素，增加粮食供给、扩大地区市场规模对农业韧性有促进作用［4］。粮食生产韧性作为农业韧性的一个方面，提升农业韧性的因素为粮食生产韧性的锻造提供了指引。然而，对于劳动力的非农转移，秦立建等［5］认为农村留守人员减少了粮食生产中的实际劳动投入对粮食生产会有负面影响；侯孟阳等［6］则强调农业劳动力转移对农业生产效率具有促进作用。

综上所述，学者们关于劳动力非农转移对粮食生产的影响持有不同的观点，遗憾的是，他们鲜有关注其对粮食生产综合因素即韧性的考察，而粮食生产韧性关系到粮食安全能否得到根本保障。鉴于此，本文尝试做出可能的边际贡献在于：从我国的国情出发，在界定粮食生产韧性内涵的基础上，构建具有本国特色的主产区粮食生产韧性指标评价体系，在对主产区13个省域的粮食生产韧性综合发展指数进行测算时，选择使用熵权与变异系数综合赋权法；同时利用我国粮食主产区2010—2022年的面板数据进行实证分析，考察劳动力转移对主产区粮食生产韧性的影响方向和效果及不同省域劳动力转移影响粮食生产韧性的区域差异，并基于研究结论提炼相应政策建议，提高粮食生产韧性锻造政策实施的匹配度，为主产区粮食生产韧性稳步提升提供理论与现实指导。

1 理论分析与研究假说

从本质上看，主产区粮食安全是在各种生产要素的综合作用下，粮食供给稳定增长及粮食质量持续改善［7］。锻造粮食生产韧性是粮食生产环节必备的要求，本文所讨论的粮食生产韧性是指粮食生产过程中生产要素受到外界冲击时，要素分配组合能迅速调整及向新均衡路径转变以实现应对冲击的能力；其主要是抵抗能力、复原能力两种能力的结合。农业生产中存在三大核心要素，即劳动力、土地、资本［8］，那么农业劳动力转移对主产区粮食生产韧性的影响方向及效果如何？机制如何？正是本文所考察的核心内容。农业劳动力转移可通过以下途径作用于主产区粮食生产韧性。

1.1 农业劳动力转移促进农户家庭收入增加

现有研究认为劳动力非农转移增加了农户工资性收入，进而对农户总收入产生直接影响和促进作用［9， 10］。农户收入增加，一方面，推动粮食生产过程资本投入量增加，提高了农户对农用机械、化肥等生产要素和优质粮种的购买能力；另一方面，能促进农业生产区域交通体系的完善及农业生产效率的提升［11， 12］。与此同时，粮食生产作为资源密集型产业，分工越来越细化迂回生产链不断拉长，粮食生产发展面临新挑战、新业态、新形式，对资本将有更大需求，正因如此非农转移获得的工资性收入能缓解其变化下的流动性约束，推进粮食生产过程各层次主体间的上下联动，最终实现粮食生产韧性能力的提升。

1.2 农业劳动力转移促进农地规模化经营

农业劳动力转移为实现耕地规模化经营奠定了良好基础，给粮食生产带来了规模经济。农地经营规模越大，种植结构“趋粮化”效应越显著［13］；具体而言，在农业机械化水平上升地推动下，农地规模化经营不仅能让土地的利用率得到进一步提高，而且可实现粮食生产由粗放型向集约型方式的高质量生产转变，即劳动力转移通过直接作用于主产区农地流转，推进农地规模化经营为开展机械化作业创造了条件，从而推动区域粮食生产韧性锻造；同时大型机械的“深松翻”和“少免耕”技术能够改善土壤结构，能起到粮食增产作用［14］。此外，我国转移的农业劳动力中，存有一部分季节性劳动力转移［15］，因此会呈现出一定的周期性，这部分劳动力在外地赚取非农收入后，又会在农忙时节流回农村，不会给粮食生产造成显著不利影响。

1.3 农业劳动力转移加大地区粮食生产韧性水平差异

我国粮食生产具有土地空间广、农业企业多、农户规模大等特征，属于典型的大农业生产。主产区省域间自然禀赋、经济基础、技术支持及政策安排上存在较大差异，13个粮食主产区中，北方粮食主产区有7个，南方粮食主产区有6个，相较于北方主产区，南方主产区多以丘陵山区为主，耕地“细碎化”不利于农地规模化经营和机械化作业，由此造成农业用地撂荒问题凸显和种植结构“非粮化”现象；而种植结构调整程度、劳动力机械替代难易度等因素均会一定程度上制约农业劳动力转移对粮食生产韧性的提升作用［16， 17］。

综上，本文提出以下两个需要进一步借助实证来检验的研究假说。

假说1：农业劳动力转移有助于主产区粮食生产韧性的提升。

假说2：农业劳动力转移促进主产区粮食生产韧性提升作用呈现区域异质性。

2 模型设定、变量说明与数据来源

2.1 模型设定

为检验农业劳动力转移对主产区粮食生产韌性的影响，根据机理分析和假设，本文构建以下基准回归模型

ProduceI，T=α0＋α1TRI，T＋α2ControlsI，T＋μI＋φI＋εI，T（1）

式中：ProduceI，T——熵权与变异系数综合赋权法测算出的主产区粮食生产韧性水平，具体包括生产硬性约束、经济基础条件、经济增长状况、生态治理能力、技术创新进步；TRI，T——主产区农业劳动力转移情况；ControlsI，T——影响主产区粮食生产韧性的控制变量组，主要包括主产区城镇化水平、经济发展水平、非农经济占比、农产品生产价格指数、财政支农水平、农民专业合作社数量及农业经营收入在纯收入中所占的比值；α0、α1、α2——待估计的参数；μI——省份I固定效应；φT——年份T固定效应；εI，T——随机扰动项。

2.2 变量描述和数据说明

被解释变量是粮食生产韧性水平。本文在借鉴相关韧性研究的基础上，尝试对粮食生产韧性构建出多层次的综合性评价指标体系。参考郝爱民等［18］研究，将主产区粮食生产韧性划分为抵抗力和复原力2个一级指标，将抵抗力划分为生产硬性约束、经济基础条件，将复原力划分为经济增长状况、生态治理能力、技术创新进步的5个二级指标，建构3个层次16个三级指标的评价体系，测度主产区粮食生产韧性水平见表1。

层次分析法、熵权法、主成分分析法等均是测度粮食生产韧性最为常用的方法。为了有效规避主观因素给模型造成的影响，同时，为了消除单一客观赋权的误差与偏颇，提高测度主产区粮食生产韧性水平的可靠性；参考谷城等［19］测算产业链韧性的做法，本文采用熵权与变异系数综合赋权法测度主产区粮食生产韧性水平。具体测算步骤如下。

第一，构建评价系统初始数据矩阵xij，对指标进行标准化处理。

xij=xij-minxijmaxxij-minxij xij为正向指标maxxij-xijmaxxij-minxij xij为负向指标（2）

为避免数值0对取对数的影响，本文对标准化后的矩阵进行了平移转换，每个元素均加0.001，将其矩阵记为x0ij。

第二，熵权法测度指标权重。

Pij=x0ij/∑mi=1x0ij（3）

ej=-K∑mi=1PijlnPij（4）

Wj=（1-ej）/（∑nj=1（1-ej）（5）

式中：Pij——j指标下i样本所占比重；ej——j指标的信息熵；K——调节系数，K=1/lnm；m——样本个数；Wj——利用熵权法计算得到的j指标权重。第三，变异系数法测算指标权重。

Dj=1M∑mi=1（xij-x-j）2（6）

Sj=Dj（7）

CVj=Sj/x-j（8）

Zj=CVj/∑nj=1CVj（9）

式中：Dj——方差；Sj——标准差；x-j——均值；CVj——j指标的变异系数；Zj——利用变异系数法得到的j指标权重。

第四，根据熵权法和变异系数法得到的两种指标权重，测度主产区粮食生产韧性水平。计算公式如式（10）～式（12）所示。

f（ξi）=∑nj=1Wjx0ij（10）

f（τi）=∑nj=1Zjx0ij（11）

Ri=f（ξi）×f（τi）（12）

式中：f（ξi）——熵权法计算出的指标权重；f（τi）——变异系数法计算出的指标权重；Ri——几何平均值，基于熵权与变异系数综合赋权法测算的主产区粮食生产韧性水平。

根据《中国统计年鉴》《中国农业机械统计年鉴》2010—2022年数据，利用熵权与变异系数综合赋权法，尝试基于时间序列来测算主产区粮食生产韧性的动态发展趋势，见表2。

根据表2数据显示，从时间维度看，在2010—2022年这一时间区间中，主产区粮食生产韧性发展平均水平处于一个稳定的上升状态，在2010—2016年期间其韧性水平发展指数均值只有0.337 0，發展到2017—2022年间便提升至了0.417 8。站在空间这一维度看，其发展水平则呈现出了显著的差异性，其中2010—2022年间粮食生产韧性的平均发展水平达到了0.375 3，一共有6个省份高于平均值，其中江苏省最高，韧性水平发展指数达到了0.502 1。总体表明，在积极转型构建现代粮食产业体系的新时代背景下，主产区作为我国大农业地区，粮食生产韧性水平稳步上升，四川省等依托自然资源禀赋优势，在多年的粮食生产实践中不断动态调整生产结构模式，逐步向高产量、高产值的优势粮食作物方向转变，有着最快的增长速度；江苏等省份借助于自身地理优势，集中力量开展农业技术革新，促使智慧农业发展和科技投入水平增量齐头并进，推动粮食生产韧性水平提升，其发展水平位居前列；其他地区受耕地地理属性和经济底蕴的双重约束，其粮食生产韧性发展的区域表征也正处于稳健上升状态。

将农业劳动力转移设定为核心解释变量。本文借鉴张红丽等［20］选取农业劳动力转移比作为农业劳动力转移的衡量指标。其测算方法是乡村从业人员数量和农林牧渔业从业人员数量的差与乡村从业人员数量之比来表示；此外，另有学者在研究过程中，将农业劳动力转移的衡量指标设定为乡村、农林牧渔业两类从业人员之间存在的数量差值，本文在稳健性检验中用此方法作为替代。

除农业劳动力转移之外，主产区粮食生产韧性还受到诸如经济发展、产业结构、城镇化水平、农产品生产价格、财政支农水平、农民专业合作及农业经营性收入等因素影响，基于此，选取人均实际GDP以控制经济发展水平；选取非农经济占比，来控制地区产业结构；选取城镇化率控制城镇化水平；选取农产品生产价格指数控制农产品生产价格；此外还选取了财政支农、农民专业合作社数量及农业经营性收入在纯收入的比重来控制财政支农水平、农民专业合作水平和农业经营性收入，见表3。

2.3 数据来源与描述性统计

本文以我国13个粮食主产区2010—2022年的面板数据作为研究样本区间，以2010年为基期对相关经济指标进行了消胀处理，《中国统计年鉴》及各省份的统计年鉴是本文研究变量数据的主要来源，少量的数据缺失使用线性插值法将其补齐。通过观察表4中对粮食主产区各个变量开展的描述性统计，可以发现粮食生产韧性发展水平各个粮食主产区之间存在明显差异，因其主产区粮食生产韧性发展水平对数值的均值为-1.002 0，而标准误为0.301 9。

3 实证分析

3.1 基准回归结果分析

为有效考察农业劳动力转移对主产区粮食生产韧性所产生的具体影响方向及效果，本文尝试借助于2010—2022年期间我国13个粮食主产区所产生的全部数据样本，将被解释变量设定为主产区粮食生产韧性水平，核心解释变量设定为农业劳动力转移开展面板回归估计。在参数估计前，为了检验各个变量数据序列的平稳性，首先选择使用LLC检测法开展相关检验，最终得到的检验结果显示各变量数据平稳；随后为了进一步检验变量数据是否存在协整关系，使用pedroni面板协整检验方法，得到的检验结果表示变量之间在1%的显著性水平下通过了统计检验表明存在协整关系，可以开展面板回归。此外，经过Hausman检验表明，对参数开展估计时使用固定效应模型更具合理性。

针对“农业劳动力转移—粮食生产韧性”的基准关系进行了实证检验，其中表5第（1）列控制“年份—省份”固定效应。根据回归结果可知，TR对应的估计系数为正值，并且保持在1%的水平下显著。将控制变量纳入之后，表5第（2）列仅控制了省份，第（3）列对“年份—省份”进行双向固定，结论依旧稳健。根据前文分析，可能的解释为：一方面，在农业劳动力转移的推动下，农村居民家庭的非农业收入会显著增加，农民收入水平进一步提高，继而促使农业生产性投入增多，包括农业基础设施建设、农用机械化、化肥施用占比等；另一方面，从农村中转移出去的劳动力依旧掌握着土地转用权，能够为耕地规模化经营奠定基础，给粮食生产带来了规模经济；因此，农业劳动力转移的这些影响推进粮食生产过程各层次主体间的上下联动，最终提升粮食生产过程总体抵御冲击、适应冲击的韧性能力。

此外，从各控制变量来看，地区经济发展水平GDP、农业经营收入在总收入中的占比GS的估计系数显著为正，对应的影响系数为1.738 1、1.184 1，表明农户家庭收入增加确实有利于诸如农用设备、固定资产投资和水土流水治理等基础性工程建设，以防御众多负外部性造成粮食生产过程中的不良影响实现其韧性的提升。城镇化水平UB的估计系数显著为负，对应的影响系数为-3.826 0，可能的原因是，粮食主产区部分省份限于自然地域约束，机械化水平难以施展，城镇化水平上升，非农人口增加，导致农业出现大面积撂荒，致使粮食播种面积、复种指数等下降，从而使粮食生产韧性水平降低。非农经济占比IC、财政支农水平FN估计系数为正符合经济预期，农产品生产价格水平FPI、农民专业合作社数量NH估计系数为负，但均不显著。

3.2 稳健性检验与内生性缓解

3.2.1 替换模型

因本文测度的被解释变量（主产区粮食生产韧性的对数）有着取值上限，具体上限为0，符合受限因变量模型的相关条件，在重估模型（1）时可选择使用受限变量Tobit模型，并且继续选择使用固定效应。Tobit模型对应的估计结果对应为表6第（1）列。将Tobit、基准回归两个模型对应的估计结果进行对比分析，可知农业劳动转移对粮食生产韧性的弹性系数影响方向一致。表明在更换模型后所得到的结论依旧保持稳健。

3.2.2 变换被解释变量测算方法

为避免因指标测算方法不同对回归结果带来影响，利用主成分分析法重新测算主产区粮食生产韧性水平，同样使用“年份—省份”双向固定效应模型进行估计，结果如表6第（2）列所示，农业劳动力转移所对应的弹性系数为正值，并且在1%的水平下保持显著。

3.2.3 变换核心解释变量测算方法

参考郑晶等［21］对农业劳动力转移的测度方法，用“乡村从业人员数量-农林牧渔业从业人员数量”测度，结果如表6第（3）列所示，农业劳动力转移的系数在1%的显著性水平下为正，验证了基准回归结果的稳健性。

3.2.4 内生性缓解与工具变量

虽然本文最大程度控制了一部分关键性变量，并为了有效缓解因变量遗漏而出现的内生性偏误，选择使用固定效应模型，但依旧无法彻底消除其带来的影响，特别是当主产区粮食生产韧性、农业劳动力转移两者之间存在互为因果的关系时，可能出现下述问题：农业劳动力转移受到粮食生产韧性带来的反向影响，如前所述，经济增长会提高粮食生产韧性，可能使该区域机械化水平上升，诱致农业劳动力剩余，进而加快农业劳动力转移进程。为此，本文尝试利用工具变量法解决该内生性问题，参考黄枫等［22］的做法，使用样本所在省域除自身之外其他样本的粮食生产韧性均值（Iv1）和主产区省域公路里程的对数（Iv2）作为当期农业劳动力转移的工具变量。此外，为了有效消除极端值影响，尝试缩尾处理变量2%～98%之外的数据；具体估计结果为表6第（4）列。其中，过度识别得到的P值为0.887 1，表明工具变量能够有效满足外生性检验，且根据RKF检验结果可知弱工具变量这一问题并不存在，因此本文选择使用的工具变量有着较高的合理性。在工具变量法有效的这一情况下，基准回归得到的结论依旧保持成立。

至此，本文认为假说1得以实证验证，即农业勞动力转移有助于主产区粮食生产韧性提升。

3.3 农业劳动力转移对主产区粮食生产韧性影响的异质性分析

3.3.1 南北方主产区异质性

我国粮食生产环境存在明显的地域差异。根据主产区各省份自然资源禀赋不同，将粮食主产区分为北方粮食主产区和南方粮食主产区，以进一步考察区分北方主产区与南方主产区后农业劳动力转移对粮食生产韧性的影响异质性南方粮食主产区一共包括6个省份，即湖北、安徽、湖南、江苏、四川、江西；北方粮食主产区一共包括7个省份，即河北、河南、吉林、黑龙江、辽宁、山东、内蒙古。检验结果如表7第（1）、第（2）列所示。北方粮食主产区农业劳动力转移对粮食生产韧性水平发展的影响系数为1.917 8，并在1%的统计水平上显著；南方粮食主产区农业劳动力转移对粮食生产韧性水平发展的影响系数为0.009 0，但不显著；可能的原因是，北方多以平原地区为主，农业劳动力转移规模越大，农地规模化经营带来的粮食生产规模经济越显著，农户越会增加劳动要素的机械投入，同时，转移的劳动力也收获了工资性收入，最终实现粮食生产抵抗力和复原力提升即韧性的锻造；南方多以丘陵地区为主，农业劳动力转移，由于土地“细碎化”，机械化作业施展成本较大，部分地区出现农业抛荒现象，削弱粮食生产抵抗力和复原力。

至此，本文认为假设2得以实证验证，即农业劳动力转移促进主产区粮食生产韧性提升作用呈现区域异质性。

3.3.2 粮食功能区异质性

截至2022年，我国粮食净调出省仅剩5个，分别是黑龙江、河南、吉林、内蒙古和安徽，为探究农业劳动力转移对主产区粮食生产韧性是否在粮食功能区存在差异，本文将13个粮食主产区按照粮食净调出和非净调出省进行划分，其中非粮食净调出省是剩余的8个省份。检验结果如表7第（3）、第（4）列所示，可见，不论是粮食净调出省还是非粮食净调出省农业劳动力转移均对粮食生产韧性有正向影响，但粮食净调出省的影响更为显著。值得注意的是，粮食净调出省份中有4个来自北方粮食主产区，这再次验证了假说2成立和结果的稳健性。

4 结论与政策建议

4.1 结论

本文试图对农业劳动力转移影响主产区粮食生产韧性的理论机制予以阐述，并借助于现实数据开展实证研究。最终的理论机制表明，粮食生产韧性从整体角度展示了，当生产要素遭受到外界的冲击时，要素分配组合能迅速调整及向新均衡路径转变以实现应对冲击和自我恢复的能力。农业劳动力转移通过影响农户收入和农地流转来锻造粮食生产韧性。实证检验中，本文在针对粮食生产韧性构建综合评价指标体系时尝试从复原能力、抵抗能力等层面着手构建，使用熵权与变异系数综合赋权法对其进行测度，并利用13个主产区2010—2022年的相关数据考察农业劳动力转移对主产区粮食生产韧性的影响效应及差异。结果表明：（1）主产区省份通过充分挖掘地域资源禀赋优势，在时序维度上粮食生产韧性水平呈现显著上升趋势。具体而言，2010—2022年13个主产区粮食生产韧性平均水平从2010—2016年间的0.337 0提升至2017—2022年间的0.417 8。（2）农业劳动力转移对主产区粮食生产韧性呈现出了显著的正向影响，在综合考虑内生性问题并进行稳健性检验后，结论依旧保持成立。具体而言，农业劳动力转移每增加1%，主产区粮食生产韧性水平将会平均增加1.712 0%。（3）将主产区进行区域划分发现北方主产区和南方主产区因自然资源禀赋差异，农业劳动力转移对粮食生产韧性水平存在明显异质性。

4.2 政策建议

1） 政府应积极引导农业剩余劳动力向非农部门转移，促进主产区粮食生产韧性高水平发展。主产区农业要素的机械投入富有弹性，农业剩余劳动力仍有较大存量，要加快带动劳动力、土地、资本等生产要素市场化改革及户籍制度安排，促进城乡资源要素循环互通双向流动。继续促进农业剩余人口转移能缓解非农劳动力供给约束、增加农户工資性收入及改善人地矛盾，推动农地规模化经营和机械化开展。

2） 加大实施农地制度改革和鼓励农地流转，引导土地规模化经营，提高农用机械化水平。农地流转是促进土地规模化经营的必要条件，而农地规模化经营机械化作业才能得以施展；此外，还需不断完善农地承包权和经营权的长效保护机制，既能解决农业劳动力转移的后顾之忧，也能激励农业大户长期投资生产的积极性，达到提高粮食生产韧性的效应。

3） 政府需提升适应于丘陵地区作业的农机研制投入，破解丘陵地区资源约束，释放粮食生产要素活力。南方粮食主产区地形大多以丘陵为主，不利于机械化作业，由此致使部分地区出现农地撂荒现象，对粮食生产韧性产生显著削弱作用，政府应加大农机研制投入和农业基础设施建设，优化财政支农政策，缓解主产区资源环境约束，保持粮食生产长期稳定增长促进其韧性的提升。

4） 积极宣传普及节肥技术，走绿色农业发展道路。农用化肥投入在粮食生产中有重要作用，但是不合理的化肥施用量会导致土壤质量退化、粮食不安全和给生态环境造成污染，故需大力推广节肥技术、优化化肥用量配比及新型有机化肥研发，走绿色发展道路。

参 考 文 献

［1］Holling C S. Resilience and stability of ecological systems ［J］. Annual Review of Ecology and Systematics， 1973， 4（1）： 1-23.

［2］Ji Y， Yu X， Zhong F. Machinery investment decision and off-farm employment in rural China ［J］. China Economic Review， 2012， 23（1）： 71-80.

［3］罗光强， 王焕. 数字普惠金融对中国粮食主产区农业高质量发展的影响［J］. 经济纵横， 2022（7）： 107-117.Luo Guangqiang， Wang Huan. The impact of digital inclusive finance on the high quality development of agriculture in Chinas main grain producing areas ［J］. Economic Review Journal， 2022（7）： 107-117.

［4］董亚妮， 祁春节， 谭明交， 等. 粮食主产区农业韧性的空间差异及影响因素［J］. 中国农业资源与区划， 2023（11）： 1-15.Dong Yani， Qi Chunjie， Tan Mingjiao， et al. Spatial differences and influencing factors of agricultural resilience in major grain producing areas ［J］. Chinese Journal of Agricultural Resources and Regional Planning， 2023（11）： 1-15.

［5］秦立建， 张妮妮， 蒋中一. 土地细碎化、劳动力转移与中国农户粮食生产——基于安徽省的调查［J］. 农业技术经济， 2011（11）： 16-23.

［6］侯孟阳， 邓元杰， 姚顺波. 农村劳动力转移、化肥施用强度与农业生态效率： 交互影响与空间溢出［J］. 农业技术经济， 2021（10）： 79-94.Hou Mengyang， Deng Yuanjie， Yao Shunbo. Rural labor transfer， fertilizer use intensity and agro-ecological efficiency： Interaction effects and spatial spillover ［J］. Journal of Agrotechnical Economics， 2021（10）： 79-94.

［7］罗光强. 我国粮食主产区粮食安全责任实现的路径及对策［J］. 经济纵横， 2012（1）： 84-87.

［8］姚成胜， 肖雅雯， 杨一单. 农业劳动力转移与农业机械化对中国粮食生产的关联影响分析［J］. 农业现代化研究， 2022（2）： 306-317.Yao Chengsheng， Xiao Yawen， Yang Yidan. The integrated impacts of rural labor transfer and agricultural mechanization on Chinas grain production ［J］. Research of Agricultural Modernization， 2022（2）： 306-317.

［9］李谷成， 李烨阳， 周晓时. 农业机械化、劳动力转移与农民收入增长——孰因孰果？［J］. 中国农村经济， 2018（11）： 112-127.Li Gucheng， Li Yeyang， Zhou Xiaoshi. Agricultural mechanization， labor transfer and the growth of farmers income： A re-examination of causality ［J］. Chinese Rural Economy， 2018（11）： 112-127.

［10］曾龙， 付振奇. 中国城乡收入差距对农业生产率的影响——基于农村劳动力转移与农村居民收入的双重视角［J］. 江汉论坛， 2021（11）： 15-24.

［11］王子成. 农村劳动力外出降低了农业效率吗？［J］. 统计研究， 2015（3）： 54-61.Wang Zicheng. Does migration make rural household less productive？ ［J］. Statistical Research， 2015（3）： 54-61.

［12］马晓河， 杨祥雪. 城乡二元结构转换过程中的农业劳动力转移——基于刘易斯第二转折点的验证［J］. 农业经济问题， 2023（1）： 4-17.Ma Xiaohe， Yang Xiangxue. Agricultural labor migration in the process of urban-rural dual structure transformation： A validation based on Lewis second turning point ［J］. Issues in Agricultural Econom， 2023（1）： 4-17.

［13］趙思诚， 许庆， 刘进. 劳动力转移、资本深化与农地流转［J］. 农业技术经济， 2020（3）： 4-19.Zhao Sicheng， Xu Qing， Liu Jin. Labor migration， capital deepening， and agricultural land circulation in China ［J］. Journal of Agrotechnical Economics， 2020（3）： 4-19.

［14］侯方安. 农业机械化推进机制的影响因素分析及政策启示——兼论耕地细碎化经营方式对农业机械化的影响［J］. 中国农村观察， 2008（5）： 42-48.

［15］程名望， 黄甜甜， 刘雅娟. 农村劳动力外流对粮食生产的影响： 来自中国的证据［J］. 中国农村观察， 2015（6）： 15-21.Cheng Mingwang， Huang Tiantian， Liu Yajuan. The influence of rural labor outflow on food production： From the evidence of China ［J］. China Rural Survey， 2015（6）： 15-21.

［16］钟甫宁， 陆五一， 徐志刚. 农村劳动力外出务工不利于粮食生产吗？——对农户要素替代与种植结构调整行为及约束条件的解析［J］. 中国农村经济， 2016（7）： 36-47.

［17］郑旭媛， 徐志刚. 资源禀赋约束、要素替代与诱致性技术变迁——以中国粮食生产的机械化为例［J］. 经济学（季刊）， 2017， 16（1）： 45-66.Zheng Xuyuan， Xu Zhigang. Endowment restriction， factor substitution and induced technological innovation： A case research on the grain producing mechanization in China ［J］. China Economic Quarterly， 2017， 16（1）： 45-66.

［18］郝爱民， 谭家银. 数字乡村建设对我国粮食体系韧性的影响［J］. 华南农业大学学报（社会科学版）， 2022（3）： 10-24.Hao Aimin， Tan Jiayin. Impact of digital rural construction on food system resilience ［J］. Journal of South China Agricultural University （Social Science Edition）， 2022（3）： 10-24.

［19］谷城， 张树山. 产业链韧性水平测度、区域差异及收敛性研究［J］. 经济问题探索， 2023（6）： 123-139.Gu Cheng， Zhang Shushan. Level measurement， regional differences and convergence study of the industrial chain resilience ［J］. Inquiry into Economic Issues， 2023（6）： 123-139.

［20］张红丽， 李洁艳. 农业技术进步、农村劳动力转移与城乡收入差距——基于农业劳动生产率的分组研究［J］. 华东经济管理， 2020（1）： 67-75.Zhang Hongli， Li Jieyan. The impact of agricultural technology progress， rural labor transfer and the income gap between urban and rural areas： Study and analysis on the grouping of agricultural labor productivity ［J］. East China Economic Management， 2020（1）： 67-75.

［21］郑晶， 高孟菲. 农业机械化、农村劳动力转移对农业全要素生产率的影响研究——基于中国大陆31个省（市、自治区）面板数据的实证检验［J］. 福建论坛（人文社会科学版）， 2021（8）： 59-71.

［22］黄枫， 孙世龙. 让市场配置农地资源： 劳动力转移与农地使用权市场发育［J］. 管理世界， 2015（7）： 71-81.

基金项目：国家社科基金重点项目（20AJY012）；国家社科基金项目（17CJY040）；湖南省社会科学基金项目（21JD020）

第一作者：蔡林军，男，1999年生，湖南桂阳人，硕士研究生；研究方向为粮食安全。E-mail： 3606289531@qq.com

通讯作者：文春晖，男，1981年生，湖南安化人，博士，教授，博导；研究方向为农业经济。E-mail： 2414421393@qq.com