河北省粮食产量变动及因素分解研究

郝瑞彬，尹力军，张新锋

（唐山师范学院 资源管理系，河北 唐山 063000）

区域资源与经济研究

河北省粮食产量变动及因素分解研究

郝瑞彬，尹力军，张新锋

（唐山师范学院 资源管理系，河北 唐山 063000）

为了揭示河北省1978-2013年粮食产量变动的时序特征及其贡献因素，基于改进的拉氏因素分解方法，建立粮食产量变动的因素分解模型，定量分析了各因素对粮食产量变动的影响方向和份额。结果表明：（1）研究期河北省粮食产量总体呈上升趋势，但在1998-2003年间出现了明显的生产滑坡；（2）从1978-2013年各分解因素的效应看，粮食结构、作物单产、复种指数的变化对粮食增产起促进作用，作用强度由大到小，而耕地面积效应和粮作比例效应则起负面作用；（3）在研究期粮食产量变化的3个不同阶段其主导因素不同。最后，对粮食产量变化因素分解模型的意义、河北省粮食增产重点进行了初步讨论。

粮食产量；因素分解；RLI法；河北省

20世纪90年代以来，粮食安全一直是备受关注的全球性问题。对中国而言，在农业资源短缺，开发过度、污染加重的资源环境硬约束下，粮食安全的核心就是确保有效供给。2015年《中央一号文件》明确提出要“不断增强粮食生产能力”。这需要各地区因地制宜，探寻粮食生产变动的主导因素，进而有针对性地实施粮食增产策略。

粮食产量变动的贡献因素研究一直是粮食安全领域的热点，具有重要的理论和现实意义。由于不同区域光、热、水、土等资源禀赋及其组合状况不同，形成了区域间差异明显的粮食生产格局和变化特征［1］。因此，相关研究通常选取特定区域，采用面板数据或长时间序列数据，利用灰色关联分析［2］、回归分析［3］、C-D函数［4］、主成分分析［5］等，建立数学模型，进行主导因子研究。不同的分析方法各有其适用条件和解释能力，可以从不同侧面加深粮食产量变动与各影响因素间关系的理解。但是，以上方法通常对数据的连续性和概率分布规律有特定的要求，而国内的农业统计数据却相对有限，连续性较差，很多都不具有典型的概率分布规律，致使模型解释能力降低；此外，以上方法通常只能确定各因素对粮食产量变动的影响的主次，而无法确定具体的影响份额。因素分解方法作为研究事物变化特征及其机理的一种分析技术，可以通过数学恒等式的变形和运算，将事物的变化分解成若干关键因素变化的效应之和，进而定量分离各因素对事物变化的贡献。相对而言，因素分解不受数据量及其概率分布规律的限制，且关键因素确定后，研究结果在不同的时空条件下都具有可比性。

目前，因素分解方法已经在能源和环境领域得到广泛应用，其中最常用的是改进的拉氏因素分解法（RLI，Refined Laspeyres index method）和对数平均迪氏分解法（LMDI，Log mean Divisia index method），两种方法都可以实现完全分解，不存在残差“剩余”［6-8］，但两种方法各有其适用条件和限制因素［9］。

在国内，有文献曾利用因素分解方法将区域粮食总产量的变化分解为耕地面积、复种指数、粮作比例和粮食单产（加权平均单产）4个因素变化的效应之和［1，10-11］，而深入的分析发现，粮食加权平均单产的变化源于两个方面，或者是各作物自身单产水平发生变化、或者是各作物间种植比例发生改变［12］，由于不同作物之间单产水平存在较大差异，通过调整粮食种植结构，可以在各作物自身单产水平不变、甚至降低的条件下导致粮食总的加权平均单产的上升，本文分别称之为粮食产量变动的作物生产力效应和结构效应。

据此，从理论上可以将一个区域粮食产量的变动分解为耕地面积、复种指数、粮作比例、作物单产和粮食结构5个因素变化的效应。但是，由于分解技术适用性的限制，尚未有将上述5个因素纳入统一的因素分解模型，对区域粮食产量变动进行分解分析的报道。

河北省是全国13个粮食主产省区之一，在全国粮食生产格局中占有重要地位。鉴于此，本文尝试以河北省为例，构建包含以上5个因素的粮食产量模型，采用RLI方法定量分解各因素对粮食产量变动的影响，以期为其他区域的相关研究和河北省粮食生产政策调整提供参考借鉴。

1　研究方法和数据来源

1.1RLI因素分解理论

研究中用到的是Sun提出的，在能源、环境领域应用广泛的RLI模型［13］。以2因素系统为例，模型推导过程如下，假设2因素系统

系统v在时期t=0到t的变化为

其中，y0Δx和x0Δy分别为因素x和因素y的变化对Δv的影响，Δx Δ y为残差，即分解过程中的所谓“剩余”部分。Sun针对这一问题提出“联合创造和平均分配”原理（jointly created and equally distributed）［9］，消除了残差的影响，解决了模型分解中的“剩余”问题。由此，系统v=x· y变化的完全分解模型可以表示为

其中xeff、yeff分别为因素x和y的变化对Δv的贡献。

1.2粮食产量变动因素分解模型

区域粮食总产量是区域内粮食作物播种面积与加权平均单产的乘积，即

由于，

所以，

又因为p为区域粮食总产量与区域粮食作物总播种面积的比值，而区域粮食总产量也等于区域内各粮食作物单产与相应作物播种面积乘积之和，所以p可表示为各粮食作物单产的加权平均值，权重就是相应作物的种植份额，即其中pi为粮食作物i的单产，ci为粮食作物i的种植份额。同理，区域粮食加权平均单产变化的完全分解模型可表示为

其中peff、ceff分别为∑Δpi和∑Δci对的贡献。

其中peff-i、ceff-i分别为Δpi和Δci对的贡献。

由此，根据上文推导可得粮食总产量

结合各因素间的数量关系

和ΔG、ΔLL、ΔLN、的完全分解模型，通过折算可以得到耕地面积、复种指数、粮作比例、各粮食作物单产和粮食作物结构5个因素变化的粮食产量效应。

1.3数据来源

研究中所用数据均取自相应年份《河北省经济年鉴》（1978～2013）。

2　结果与分析

2.1河北省粮食生产变化的时序特征

1978-2013年历年粮食产量数据及其3年移动平均曲线（图1），表明改革开放以来，河北省粮食生产总体呈N型变化特征。以粮食产量变动N型曲线达到相对高、低位点的1998年和2003年为界，可将研究期粮食产量变化过程分为3个阶段。

图1　1978～2013年河北省粮食生产变化情况

第一阶段（1978～1998），持续增长阶段。这一阶段，粮食总产量由1 687.66万吨，增加到2 781.79万吨，年均增产粮食56.09万吨。这一阶段，主要是由于家庭联产承包责任制的实施，调动了广大农民生产粮食的积极性，在粮食播种面积波动下降的背景下，加权平均单产的持续增加带动了粮食总产量的持续上升。

第二阶段（1998～2003），粮食产量连续下滑阶段。这一阶段，受粮食种植效益下降和农业产业结构调整的共同驱动，粮食播种面积和加权平均单产同时下降，加上期间相对较为严重的水、旱灾害，致使粮食总产量由1998年的2 809.36万吨，持续减少到2003年的2 387.82万吨，年均减产粮食84.31万吨，出现了改革开以来河北省粮食生产最为严重的大滑坡。

第三阶段（2003～2013），粮食产量快速增长阶段。2004年以来，由于国家一系列惠农政策的实施，农民种粮积极性高涨，粮食播种面积和加权平均单产同时快速提升，粮食产量连续10年增长到2013年的3 365.00万吨，年均增产粮食97.72万吨，实现了河北省粮食生产的十连增。

2.2河北省粮食产量变动因素分解效应的时序特征

依据上文粮食产量变动RLI分解模型，对河北省粮食产量变动进行分解计算，结果如表1所示。

表1　河北省粮食产量变动因素分解效应（单位：万吨）

从研究期整体上看，2013年河北省粮食总产量3 365.00万吨，相对于1978年的1 687.66万吨，增加了1 677.34万吨。粮食产量变动的5个分解因素中有3个因素对粮食增产起促进作用，作用强度由大到小分别为粮食结构效应、作物生产力效应和复种指数效应，研究期3个因素的合计粮食增产效应达2 305.75万吨；而同期耕地面积效应和粮作比例效应均为负值，合计减产粮食628.41万吨，在一定程度上冲抵了其他3个因素的增产效应。

2.2.1耕地面积效应

改革开放以来，河北省城镇化和工业化进程稳步推进，耕地非农化趋势日趋严重，由此带来明显的粮食减产，其中1998-2003年期间，由于国家退耕还林政策的实施，耕地大面积减少，由此导致的粮食减产占整个研究期耕地面积效应的65.58％。近期，随着经济增长方式由粗放型向集约型逐渐转变，经济增长对耕地资源的占用强度降低；且2004年之后，国家实行了占用耕地补偿制度，在一定程度上遏制住了耕地快速减少的趋势，耕地减少的粮食减产效应变小。但是，由于经济增长对土地（耕地）资源存在刚性需求，未来耕地面积还将进一步缓慢减少，由此导致的粮食减产效应也将延续一段时间。

2.2.2粮食结构效应

1978-2013年，河北省粮食作物中单产相对较高的玉米种植比例持续增加，由28.13％提高到49.22％，而同期相对低产的其他、薯类和大豆的种植比例持续降低，由23.65％、7.65％和3.27％降低到5.58％、4.21％ 和1.97％，通过这种高产作物对低产作物的种植替代，合计增产粮食1 121.91万吨，占同期河北省增产粮食总量的66.89％。

玉米播种面积持续增加的主要原因在于其相对净收益的逐年升高，由于玉米和其他粮食作物之间存在着直接的争地关系，玉米相对净收益的上涨必然会引导农民扩大玉米、减少其他粮食作物的播种面积。而玉米与薯类、大豆等作物之间较大的单产差异必然带来粮食总产量的提升。未来变化趋势如何，取决于各粮食作物相对净收益的变化方向，并与国家粮食政策走向、国际市场粮食价格、区域水土资源匹配状况等有密切关系。朱晶等的研究显示［12］，短期内通过粮食结构调整实现增产还有一定的空间；但从较长的时间尺度看，随着粮食结构调整的日益深化，未来进一步通过种植结构调整增产粮食将会面临一定的挑战。

2.2.3粮作比例效应

影响粮作比例变化的关键因素是粮食作物与经济作物的比价，以及由此导致的比较经济效益差异。1978～2003年，由于粮食价格相对于经济作物的价格一直偏低，相对较低的种粮收益导致河北省粮作比例总体呈下降趋势，由1978年的0.85下降到1998的0.77、2003年的0.69，粮作比例降低的粮食减产效应呈增大趋势；2004年以来，中国全面推进粮食市场化改革，四大补贴，即种粮直补、良种补贴、农机具购置补贴和农资综合直补的实行降低了农民的种粮成本；与此同时，在政府最低收购价格政策作用下，粮食价格一直呈稳定上涨的态势。成本下降、粮价上涨使得农民的种粮收益不断增加，有力的提高了农民种粮积极性，粮作比例明显提高，由2003年的0.69提高到2013年的0.72，粮作比例效应也由原来的减产转为增产作用。

在政府相关政策保持稳定的情况下，粮作比例效应的增产趋势主要取决于其进一步调整的空间，由于2004～2013年河北省粮作比例平均为0.71，已经高于全国同期平均水平的0.68；此外，区域内人口对经济作物（如蔬菜、瓜果等）又存在刚性需求，满足需求需要占用一定比例的耕地，因此，从理论上讲，未来进一步提升粮作比例进而增产粮食的空间将会越来越小。

2.2.4复种指数效应

1978年，河北省复种指数为140.39，2013年提高至149.27，复种指数提高的粮食增产效应为202.48万吨，占同期河北省增产粮食总量的12.07％。复种指数受区域光、热、水、土资源组合状况的制约，反映农业生产在时间尺度上利用资源的程度，改革开放以来，随着农业科技水平的提高，河北省农业资源在时间上的利用程度稳步上升，复种指数提高的粮食增产效应有增加的趋势。范锦龙等的研究显示［14］，河北省理论上的复种指数潜力为183.5，对比研究期内河北省复种指数现状，尚有较大的提升空间。因此，未来以农业科技进步为支撑，综合利用光、热、水、土资源，通过提高复种指数增产粮食还有较大的潜力。

2.2.5作物生产力效应

1978年以来，河北省粮食作物加权平均单产及玉米、小麦、水稻、大豆等粮食作物各自单产均有不同程度提高。2013年相对于1978年粮食产量提高1 677.34万吨，其中作物单产提高的增产效应达到981.36万吨。表明研究期河北省粮食增产主要取决于各作物自身单产的提高，稳定并进一步提高各作物自身单产应是河北省未来粮食生产发展的重点之一。

3　结论与讨论

3.1主要结论

（1）研究期河北省粮食产量总体呈上升趋势，由1978年的1 687.66万吨，增加到2013年的3 365.00万吨；但是在1999-2003年出现了明显的滑坡。

（2）研究期内粮食结构效应、作物单产效应和复种指数效应对粮食增产起促进作用，3个因素的合计粮食增产效应达2 305.75万吨；而同期耕地面积效应和粮作比例效应均为负值，合计减产粮食628.41万吨，在一定程度上冲抵了其他3个因素的增产效应。

（3）研究期粮食产量变化的不同特征阶段主导因素不同。1978-1998年粮食增产的决定因素为粮食结构效应和作物单产效应；1998-2003年粮食减产的主导因素为耕地面积效应和粮作比例效应；2003-2013年粮食增产的主导因素为粮食结构效应、作物单产效应和粮作比例效应。

3.2讨论

3.2.1关于粮食产量变动因素分解方法

本研究显示，利用RLI模型可以实现粮食产量变动的5个影响因素的完全分解，且方法本身不受数据量及其概率分布规律的限制，使不同区域同一时间、同一区域不同时间粮食产量变动影响因素研究的结果具有可比性，从而为不同区域逐年粮食产量变动成因的定量监测和对比提供了理论和方法基础。

定量分解粮食加权平均单产变动的生产力效应和结构效应，可以厘清加权平均单产变动的两个直接动力来源，除了能为粮食生产决策提理论支撑外，对其他与单产有关的研究也具有一定的理论意义。如，在耕地集约利用评价、投入-产出分析等研究中，加权平均单产通常被用来评价耕地的产出水平，当单位耕地上的投入发生改变时，产出（单产）通常也会发生变化，要准确评估单位投入变化量的产出变化量，需要将种植结构变化导致的产出变化，即结构效应去除，否则，笼统地使用加权平均单产进行测算必然会导致结果出现偏差。

3.2.2关于河北省未来粮食增产重点

粮食产量变动因素分解结果显示，河北省未来粮食增产的重点应放在加权平均单产的提高上。一方面要通过农业科技进步和农业基础设施建设实现各粮食作物自身单产的稳定和提高；另一方面，要进一步挖掘相对高、低产作物间的单产差，通过粮食种植结构调整实现加权平均单产的提高，进而增产粮食。当然，在通过粮食结构调整实现粮食总量增产的同时，也可能导致粮食生产结构与消费结构出现失衡，需要引起足够重视并进行充分评估。

此外，随着工业化和城镇化的继续推进，耕地面积还将继续减少，因此，河北省应该在稳定粮作比例的基础上，以农业科技为支撑，通过综合利用光、热、水、土资源提高区域复种指数，进而增加粮食播种面积，实现粮食增产。

［1］刘玉，潘瑜春，任旭红，等.基于LMDI的粮食生产因素分解模型及实证分析——以河南省为例［J］.北京大学学报（自然科学版），2014，50（5）：887-894.

［2］刘晓敏，王慧军.自然灾害对河北省粮食产量影响的实证分析［J］.灾害学，2014，29（1）：115-119.

［3］徐国鑫，金晓斌，宋佳楠，等.耕地集约利用对粮食产量变化影响的定量分析-以江苏省为例［J］.地理研究，2012，31（9）：1621-1630.

［4］杨丽霞.基于C-D函数和岭回归的粮食生产影响因素分析以浙江省为例［J］.地域研究与开发，2013，32（1）：147-151.

［5］朱晓磊，辛存林，卢李朋，等.山西省粮食生产的时空变化和驱动因子分析［J］.中国农学通报，2014，30（8）：82-88.

［6］陈东景.我国工农业水资源使用强度变动的区域因素分解与差异分析［J］.自然资源学报，2012，27（2）：332-343.

［7］史红亮，陈凯.我国钢铁业能源消耗强度变动及因素分析-基于分解模型的实证分析［J］.软科学，2012，26（1）：36-41.

［8］李艳梅，张雷，程晓凌.中国碳排放变化的因素分解与减排途径分析［J］.资源科学，2010，32（2）：218-222.

［9］B W Ang，F L Liu，E P Chew.Perfect decomposition techniques in energy and environmental analysis［J］.Energy Policy，2003（31）：1561-1566.

［10］金涛，陶凯俐.江苏省粮食生产时空变化的耕地利用因素分解［J］.资源科学，2013，35（4）：758-763.

［11］刘玉，高秉博，潘瑜春，等.基于LMDI模型的黄淮海地区县域粮食生产影响因素分解［J］.农业工程学报，2013，28（21）：1-10.

［12］朱晶，李天祥，林大燕，等.“九连增”后的思考：粮食内部结构调整的贡献及未来潜力分析［J］.农业经济问题，2013（11）：36-43.

［13］J W Sun.Changes in energy consumption and energy intensity：A complete decomposition model［J］.Energy Economics，1998（20）：85-100.

［14］范锦龙，吴炳方.基于GIS的复种指数潜力研究［J］.遥感学报，2004，8（6）：637-644.

（责任编辑、校对：王淑娟）

Study on Change of Grain Yield and Factors Decomposition in Hebei Province

HAO Rui-bin，YIN Li-jun，ZHANG Xin-feng
（Department of Resource Management，Tangshan Normal University，Tangshan 063000，China）

In order to reveal the characteristics of temporal and spatial variation of grain yield and its determinants in Hebei Province during 1978-2013，factor decomposition model for grain yield change was created based on RLI method，the influence of various factors on the changes of grain yield were analyzed quantitatively.Analysis results were as follows：（1） The grain yield of Hebei province showed a rising trend，but there was a significant production decline from 1998 to 2003；（2） From the view of effect of factor decomposition in 1978-2013，the effect of grain structure，the grain yield per hectare，multiple cropping index were positive and their effect strength descending，but the effect of arable land and grain farming index was negative；（3） The dominant factors were different at three stages of grain yield change.In the end，there was a discuss aiming to the significance of factors decomposition model and the focus of Grain increase yield in Hebei province.

grain yield；factor decomposition；refined laspeyres index method；Hebei province

F301.21

A

1009-9115（2016）05-0148-05

10.3969/j.issn.1009-9115.2016.05.045

河北省社科基金项目（HB15YJ013）

2016-03-09

郝瑞彬（1975-），男，河北承德人，硕士，副教授，研究方向为区域农业发展、粮食安全。