中国粮食生产效率及影响因素分析*——基于DEA-Tobit两步法研究

田红宇，祝志勇

(1.三峡大学经济与管理学院，湖北宜昌 443000； 2.西南大学经济管理学院，重庆北碚 400715)

0 引言

改革开放以来，我国粮食生产取得了骄人成绩， 20世纪90年代中后期我国粮食总供给实现了由长期短缺到总量基本均衡、丰年有余的历史性转变[1]，粮食总产量由2004年的4.694 695亿t增加到2015年的6.214 35亿t。但是，由于资源环境双重约束、市场环境变化、比较收益持续走低，为粮食生产带来了更加严峻的挑战。2016年“供给侧改革”成为国家经济改革的重要战略方向，对于粮食生产来说“供给侧改革”不仅在于产量增长及结构性调整和优化，更重要的是粮食生产效率的进一步提升。

本质上来说，粮食增产的动力来源无外乎两点：一是投入要素增加，二是生产要素使用效率、配置效率的提升。叶兴庆[2]、杨锦英等[3]研究指出中国粮食增产主要源于要素投入增加，比如，氮肥和淡水资源消耗分别占世界总数的约35%、70%； 单位面积化肥施用量是FAO规定上限的2倍，农药使用是世界平均水平的2.5倍。数据显示， 2004—2014年农业机械总动力、农用化肥施用量、农业薄膜使用量、农药使用量分别增长了68.76%、37.5%、52.4%、38.1%，均高于同期粮食产量增长率29.3%。可见，生产要素高投入是我国近来粮食增产的核心，那么高投入、高消耗的增产模式还有存在空间吗？我国粮食生产效率如何，受哪些因素影响？在粮食生产面临新挑战和新形势下，未来粮食增产受到资源与环境的双重约束，如何在有限资源情况下提升资源、要素使用效率和配置效率进而提升粮食生产效率是粮食持续、稳定增产的根本出路。

效率的提升来自于技术进步、要素配置优化、经营管理改善等各个层面，反映的是全要素生产效率改善。Solow最早把生产函数中不能被解释变量解释的部分定义为技术进步剩余(“索罗剩余”)，他定义为全要素生产率(TFP)。随着数据包络分析(DEA)技术发展，越来越多的学者开始探索和测度农业生产效率，Bardhan[4]、Chavas et al[5]较早运用DEA对印度和哥伦比亚农业生产的TFP进行系统测度和评价。James Odeck[6]基于随机前沿生产函数和DEA技术对挪威10个年度的TFP进行测算，并运用Malmquist生产率指数法对TFP进行分解。Alene和Hassan[7]基于埃塞俄比亚数据对比粮食生产效率测度的传统方法和现代分析技术，发现现代分析技术在测算粮食生产效率上具有优势。Muhammad 和Amin[8]对巴基斯坦棉花生产效率进行系统测算和分解，发现节水技术发展可以改善棉花生产效率。

国内学者也开始运用数据包络分析(DEA)来对我国农业生产效率进行测算和评价[9-12]。粮食生产效率是学界关注的重点，张忠明、钱文荣[13]基于基于规模效率不变的DEA方法测算了我国粮食生产效率，并发现农户土地经营规模与粮食生产效率间不是简单的线性关系而是呈“U”型曲线规律。王千、金晓斌[14]运用Malmquist-DEA方法，对河北省138个县粮食生产的全要素生产率(Malmquist效率)进行了测算和分解，指出粮食生产效率提升依赖于农业科技、农民收入、土地整理等提高。杨锦英和韩晓娜等[3]、成德宁和杨敏[15]也进行了类似的研究。部分学者关注粮食生产效率提升受哪些因素影响。曾福生、高鸣[16]基于SBM-Tobit模型和两步法进行研究，发现化肥施用量、有效灌溉面积和粮食播种面积对粮食生产效率具有显著影响。姚增福和刘欣、肖芸和赵敏娟、姚增福和刘欣、章乐和郑循刚也进行了类似的研究[17-20]。

已有文献对于我国粮食生产效率的研究对于正确识别我国粮食生产现状具有重要意义。但是还存有不足：一是多数研究没有考虑到粮食生产的动态变化，多从静态角度评价和测度粮食生产效率； 二是对粮食生产效率因素的研究中，多采用OLS等方法，没有考虑到效率指标的截尾特征，可能会导致计量结果偏误。鉴于此，文章采用动态视角的Malmquist-DEA模型对2004—2016年粮食总体效率及其动态特征进行综合测度和分解，并考虑因变量截尾的Tobit随机效应模型对影响粮食生产效率的影响因素进行解读。

1 我国粮食生产效率测度及分解

1.1 测算方法

效率测度使用较多的是参数法和非参数法，参数法对于函数形式、误差项要求同方差、正态分布，即对数据的质量要求过于严苛[21]。非参数法主要借助数据包络分析(DEA)，且能避免参数法中的缺陷。Fare提出的基于DEA的Malmquist指数法，构造每个时期生产的最优生产前沿面，测算TFP不同时期的演化，且TFP能分解为技术进步(Technological Progress，TECH)、技术效率(Technical Efficiency Change，EFFCH)。其中EFFCH还可以继续分解为纯技术效率(PECH)与规模效率(SECH)。另外，DEA方法能够处理多投入、多产出的生产系统的效率测算，更加符合生产现实。所以，该文选择DEA-Malmquist方法来测算中国的粮食生产效率。

1.2 投入产出指标及数据说明

产出指标：该文选择从产量和价值两个角度表征粮食产出。产量角度即为各省市每年粮食生产总产量； 价值角度该文用农业GDP中近似分离出来的粮食占比来表示，具体构建的权重指标对农业中的粮食GDP贡献进行分离，即粮食价值等于农业GDP乘以权重A近似表示。权重如下：

A=(农业总产值/农林牧渔产业总产值)*(粮食播种面积/农作物总播种面积)

B=粮食播种面积/农作物总播种面积

投入指标：参照文献常用做法，选择土地、劳动力和资本性3个层面的要素。(1)土地要素，用各省市粮食播种面积来表示； (2)劳动力要素，用农林牧渔从业人员表示； (3)资本性要素，该文选择从化肥施用和农业机械使用两个角度代替资本性投入，分别用各省市化肥施用量折纯数和农业生产机械总动力表示。

由于细分粮食生产投入、产出数据统计的缺失，为了保证粮食投入产出数据统计口径一致，该文借鉴已有文献做法用权重指标对农业投入、产出要素进行分离。具体做法是：权重A=(农业总产值/农林牧渔产业总产值)×(粮食播种面积/农作物总播种面积)；权重B=粮食播种面积/农作物总播种面积。其中，产出指标中的粮食价值为农业GDP用权重A进行分离；投入指标中的劳动力要素用权重A、资本性要素用权重B分别进行分离。后文中，对影响粮食生产效率的因素，也采用这一权重分离法进行计算，这样保证指标选择的口径一致性。数据主要来源于《中国农村统计年鉴》《中国统计年鉴》和国家统计局网站数据库。

3.社会主义文化建设繁荣发展。从20世纪90年代开始，广州依托经济的快速发展和可支配财力的快速增长，注重加大对文化基础设施建设的投入力度。1996—2000年，先后建成了星海音乐厅、广州艺术博物院、红线女艺术中心、广州芭蕾舞团团址、广州艺术学校、广州报业集团印务中心、广州电视台新址、广州电视台新闻中心、番禺博物馆等标志性文化工程，推动文化设施建设“从娱乐型向享受型发展，从基本的普及型向塑造城市形象的方向转变”[4]29，为广州文化新发展奠定了坚实的基础。

1.3 粮食生产效率测度、分解及时空差异特征

1.3.1 总体效率测度与分解及地域差异对比

表1为2004—2016年间我国31省市粮食生产效率及其分解指标的总体均值结果，当效率值大于1表明效率呈逐步改进趋势，效率值小于1说明效率有下滑的趋势。

全国层面， 2004—2016年间不仅粮食产量逐年增加，粮食生产效率亦呈不断改进的趋势，技术进步(TECH)、技术效率(EFFCH)和曼奎斯特指数(TFP)整体上均大于1，说明样本期内我国粮食生产总体达到了DEA有效，技术进步和生产率指数年均增长幅度年均约1.7%。从全国粮食生产效率指数的分解结果来看，技术进步明显高于技术效率值。这说明样本期内我国粮食生产效率的改进主要源于技术进步这一“单引擎”驱动。这与当前粮食生产现实相吻合，我国粮食连连增产主要依靠良种研发、化学性要素投入增加所带来的粮食单产提高，而投入要素的配置效率并未得到有效改善，进而限制了综合技术效率的提升。

表1 2004—2016年全国31省市粮食生产TFP及分解

决策单元技术效率技术进步Malmquist-生产率指数决策单元技术效率技术进步Malmquist-生产率指数北京1.0021.0091.012湖北0.9951.0131.008天津0.9891.0211.010湖南0.9971.0191.016河北1.0121.0201.033广东1.0031.0071.011山西1.0031.0201.024广西1.0011.0111.013内蒙1.0001.0441.044海南0.9841.0221.006辽宁1.0001.0271.027重庆0.9841.0050.989吉林1.0151.0041.020四川1.0051.0341.040黑龙江1.0171.0331.051贵州0.9891.0120.999上海1.0001.0021.002云南0.9811.0301.011江苏1.0011.0211.023西藏0.9961.0131.009浙江1.0071.0101.018陕西1.0001.0231.024安徽1.0001.0171.018甘肃1.0061.0171.024福建0.9971.0091.006青海1.0061.0091.016江西1.0011.0191.021宁夏1.0081.0191.028山东1.0001.0101.011新疆0.9911.0121.003河南1.0041.0131.018全国1.0001.0171.017 注:表1计算是基于DEAP软件中产出导向(OUTPUT ORIENTATED),限于版面纯技术效率、规模效率结果未呈现; 计算是在规模报酬不变模型(CRS)下进行,是因为在实际生产率测算时假定规模报酬不变更加接近实际情况[22]

在分省市层面，除了重庆、贵州两省市的TFP未达到DEA有效，其余各省均实现了DEA有效。从分解指标来看，所有省市的技术进步(TECH)均在1以上，说明各省市粮食生产技术基本处于不断进步之中； 技术效率(EFFCH)层面，天津、福建、海南、重庆等10个省市未达到DEA有效，表现出逐年下滑态势，其余21个省市均达到了DEA有效状态。而且，分解指标中，基本上所有省市技术进步值大于其技术效率值，这进一步反映出我国粮食增产主要得益于技术进步这一“单引擎”，而技术效率普遍偏低，这也说明转变我国粮食生产高投入、高消耗、低质量的“粗放式”经营任重而道远。

中国各省市间由于资源禀赋以及粮食生产重要性差异，不同区域粮食生产效率队全国整体粮食生产的影响和作用也不一致。以粮食功能定位、生产比重[注]农业农村部和国家粮食局根据粮食产量、播种面积和提供商品粮贡献将全国31省市划分为3个功能区，其中将粮食产量占全国粮食产量比重大于3.5%的13个省市划定为主产区； 将粮食产量和粮食消费量大致相等的省市划定为产销平衡区； 将粮食消费量大于产量(粮食自给率小于0)的地区划分为主销区将31省市划分为粮食主产区、主销区和产销平衡区[注]粮食主产区13个：黑龙江、吉林、辽宁、内蒙古、河北、河南、山东、江苏、安徽、江西、湖北、湖南、四川； 粮食主销区6个：北京、天津、上海、浙江、福建、广东； 粮食产销平衡区9个：广西、甘肃、宁夏、贵州、山西、青海、云南、新疆、陕西。粮食区域划分由1994年国务院《国务院关于深化粮食购销体制改革的告诉》完成， 2001年重新调整把浙江划入主销区，分别计算各区域的算术平均值，结果如表2所示。3个粮食功能区TFP均达到DEA有效，且主产区最高、产销平衡区次之、主销区最低，技术进步亦类似； 技术效率指标中，只有主产区达到了DEA有效，且年均增速较小，约为0.4%，其余两个功能区未达到有效水平。总体来说，粮食主产区粮食生产效率要优于其他两个功能区，这对占中国85%以上粮食产量的主产区来说意义重大。另外，3个功能区均表现出技术进步值明显高于技术效率值，这进一步验证了上述结论，中国粮食增产期间主要依靠技术进步而非技术效率改进。

表2 2004—2016年三大粮食生产区域TFP及分解

地区技术效率技术进步纯技术效率规模效率Malmquist-生产率指数EFFCHTECHPECHSECHTFP粮食主产区1.0041.0201.0001.0041.024粮食产销平衡区0.9971.0150.9971.0001.012粮食主销区0.9981.0100.9981.0001.008

1.3.2 粮食生产效率时间动态特征

图1为粮食生产效率动态变化，除了2008—2009年度因为受到金融危机影响粮食TFP出现滑坡以外，其余年份粮食TFP均达到DEA有效，这说明样本期内中国粮食生产效率呈不断改进趋势。而且，动态变化趋势也显示，各年份技术进步总体要优于技术效率，进一步说明了中国粮食生产技术效率不高、要素配置不合理的现实困境。

图1数据根据作者测算得出，由于Malmquist-DEA方法测算出的动态效率指标是跨年度结果，所以年份为连续年份跨度来呈现。

图1 2004—2016年粮食生产效率动态变动趋势

2 影响粮食生产效率的因素

2.1 研究方法和模型

因变量是文中基于Malmquist-DEA方法测算出来的粮食生产效率，严格介于0～2之间，也即因变量是受限制的(Limited Dependent Variable)，具有明显的断尾特征。对于这类模型的回归，如果运用最小二乘法(OLS)，也即混合面板回归，会导致估计结果有偏和非有效。Tobin指出运用最大似然估计(MLE)方法，可以改善回归结果的有效性和稳健性，即面板Tobit模型。面板Tobit回归也分为固定效应(FE)和随机效应(RE)。陈强[23]指出，对于固定效应的面板Tobit模型，由于找不到个体异质性υi的充分统计量，所以无法像固定效应的Logit或计数模型那样进行条件最大似然估计[注]混合回归中，加入个体或截面的虚拟变量，以控制个体效应，也即是固定效应模型(FE)，类似于虚拟变量最小二乘法(LSDV)回归，只有随机效应模型估计才是有效的。

其模型一般形式为：

Yit=α+βkXit+υi+εit，υi|Xit，cit∈Normal(0，σ2)

(1)

ωit=min(Yit，cit)

(2)

式(1)～(2)中，υi是模型中存在的个体效应，εit为服从正态分布的随机误差项，ωit、cit分别是密度函数和设定的截取值。最终回归模型设定如下：

Yit=β1lnGDit+β2lnLDit+β3lnZBit+β4lnCPIit+β5lnHFit+β6lnJXit+β7lnGGit+β8Dum1+β9Dum2+εit

(3)

为了检定不同粮食生产功能区的差异，该文在模型中加入了地区虚拟变量，粮食主产区虚拟变量(Dum1)和产销平衡区虚拟变量(Dum2)。参照曾福生等[16]做法，为了防止数据波动和单位不统一对估计结果产生影响，对该文粮食生产投入要素解释变量进行对数化处理。参照主流文献和粮食生产现实，该文选择如下变量作为影响粮食生产效率的因素进行检验：土地要素(lnGD)，用粮食播种面积表示； 劳动力投入(lnLD)，用农林牧渔从业人员表示； 资本投入(lnZB)，用农业生产性固定资产规模表示； 政策要素(lnCPI)，用农产品价格指数来表示，粮食价格对于支农政策是高度敏感的，所以选择价格作为政策的替代变量； 化肥施用量(lnHF)，用农业化肥施用量表示； 农用机械总动力(lnJX)，用农业机械总动力表示； 灌溉条件(lnGG)，用农业有效灌溉面积表示。为了减轻变量选择偏差导致的回归偏误，要保证影响因素的统计和粮食统计口径保持一致，同样用上文的权重分离思路尽量保证统计口径一致，具体是lnLD、lnZB用权重A分离，lnHF、lnJX、lnGG用权重B分离。

2.2 回归结果及分析

由于面板Tobit模型估计时随机效应才是有效的，不能反映个体和时期差异，所以在模型回归时对年份、省份以虚拟变量的形式进行控制以减少其对估计结果的干扰。为比较回归结果的稳定性，模型回归分两步进行：一是把所有解释变量纳入模型进行回归； 二是剔除虚拟变量后进行回归。具体回归结果见表3，总体来看系数估计不存在系统性偏差，说明回归结果是稳健的。Wald检验、对数似然值检验均通过了1%显著性水平，说明模型设定合理、结果可信。该文选择以Malmquist-生产率指数(TFP)、技术进步(TECH)和技术效率(EFFCH)为因变量来进行回归，用以反映不同的影响因素对粮食生产效率及其分解值的影响的差异。

在TFP为因变量的模型中，lnHF、lnJX、lnGG、lnCPI均显著为正，且通过了1%显著性水平，这说明化肥投入、农业机械使用、灌溉技术和水平提升、农产品价格均对粮食生产TFP具有显著的正向促进作用，其系数估计值分别为0.015、0.008、0.002、0.246，表明这些投入要素和影响因素每增加1%，会相应的促进粮食TFP增加0.015%、0.008%、0.002%、0.246%。可见，化肥、机械、灌溉、粮食价格是促使粮食生产效率提升的主要因素，且作用强度排序为价格>化肥>农业机械>灌溉。虚拟变量中，粮食主产区变量高度显著为正，而产销平衡区变量显著为负，这说明粮食不同生产功能区具有明显的差异，由于粮食生产资源禀赋和生产重要性差异，导致各功能区粮食生产TFP及其影响因素存在空间异质性特征。

表3 面板Tobit随机效应回归结果

变量TFP为因变量TECH为因变量EFFCH为因变量模型(1)模型(2)模型(3)模型(4)模型(5)模型(6)lnHF0.015∗∗∗(0.003)0.014∗∗∗(0.008)0.013∗∗(0.017)0.011∗∗(0.012)0.014(0.106)0.008(0.431)lnJX0.008∗∗∗(0.000)0.004∗∗∗(0.007)0.016∗(0.081)0.013∗∗(0.023)0.009∗∗(0.019)0.011∗∗(0.048)lnGG0.002∗∗∗(0.005)0.001∗∗∗(0.001)0.012∗(0.095)0.014∗(0.093)0.014∗∗(0.017)0.012∗(0.059)lnGD-0.019(0.145)0.003(0.842)-0.006(0.404)0.009(0.322)-0.013(0.219)-0.005(0.659)lnLD-0.001(0.935)0.001(0.934)0.004(0.624)0.005(0.467)-0.002(0.744)-0.004(0.702)lnZB0.002(0.856)-0.001(0.907)-0.001(0.847)-0.005(0.501)0.002(0.763)0.003(0.800)lnCPI0.246∗∗∗(0.000)0.226∗∗∗(0.000)0.233∗∗∗(0.000)0.219∗∗∗(0.000)0.227∗∗∗(0.000)0.220∗∗∗(0.000)Dum10.040∗∗(0.024)0.030∗∗(0.010)0.012(0.378)Dum2-0.037∗∗∗(0.007)-0.027∗∗∗(0.001)-0.010(0.352)时期控制否是否是否是省份控制否是否是否是对数似然值438.549443.849559.657564.687484.584495.257Wald检验概率P0.000 00.000 00.000 00.000 00.000 00.000 0 注:括号中为系数估计t检验概率P值,“∗∗∗、∗∗、∗”表示1%、5%、10%显著水平显著

在TECH和EFFCH为因变量的模型中：lnHF在技术进步(TECH)中显著为正，在技术效率中(EFFCH)不显著，说明化肥等化学性要素投入能够提升粮食生产的技术水平，但是无法提升其技术效率，即化学投入要素增加并不是以提升要素配置效率为目的的，虽然能提升技术水平来增加单产，但是要素配置效率没得到改进，农业污染可能会随之增加，这与当前粮食生产现实是相符的，我国粮食增产的实现主要依靠要素高投入、高消耗、高污染为代价来实现，也进一步说明到2020年要实现化肥、农药投入零增长的战略目标是非常及时和重要的。lnJX、lnGG、lnCPI对技术进步(TECH)和技术效率(EFFCH)均具有显著的正向促进作用，这说明农业机械化发展、灌溉水平、农产品价格不仅能显著提升粮食生产的技术进步，而且能有效通过优化配置投入要素来改进技术效率。不同粮食功能区虚拟变量在TECH中与TFP结果一致，但在EFFCH中不显著，这主要是因为当前我国各个粮食生产区域技术效率普遍不高、要素配置类似所致。

其他因素中，粮食播种面积(lnGD)、农业劳动力(lnLD)、资本投入(lnZB)在3个粮食生产效率指标(TFP、TECH、EFFCH)模型回归中均不显著，均未能通过10%显著水平检验，这说明耕地资源、劳动力要素和资本投入对粮食生产效率影响均不明显。主要是因为，耕地资源刚性约束，通过增加粮食播种面积来提升粮食生产效率已不现实，“粗放”的扩大粮食生产面积来增产和提高效率已不符合我国现实“粮情”； 虽然城镇化转移了大量劳动力，农村劳动力剩余情况依旧严重，劳动生产率偏低，农村劳动力流出反而有利于； 粮食生产效率提升，有学者估计和预测2011—2016年农村剩余劳动力年均都在1000万以上[24]； 粮食生产低收益、低经济增长贡献、低税收(非税特征)贡献和高投入、高风险等“弱势”特征，导致农民自身资本投入积极性不高，地方政府对粮食生产支持的意愿不足，加之农民收入水平低、增速慢也一定程度上制约了其进行农业投资，资本投入对粮食生产及其效率作用有限。

3 结论及政策含义

3.1 研究结论

(1)2004—2016年间我国粮食生产效率总体呈不断上升的趋势，区域差异明显。其中，TFP和TECH年均增加约1.7%，但是技术效率(EFFCH)普遍不高； TFP和TECH指标在全国层面、省市层面和动态变化层面均表现出明显的“同步性”，说明粮食TFP改进主要源于技术进步，粮食生产及效率变化主要源于技术进步“单引擎”驱动。分区域来看，粮食生产TFP效率及其分解指标显示，粮食主产区最高、产销平衡区次之、主销区最低。

(2)化肥施用、农业机械、灌溉水平和农产品价格对粮食生产效率均具有显著的正向促进效应，其中化肥施用对技术效率作用不显著，作用强度表现为农产品价格>化肥施用>农业机械>灌溉面积。耕地资源、农业劳动力和资本投入对粮食生产效率作用不明显，粮食功能区虚拟变量显著(主产区为正、产销平衡区为负)，表明粮食生产效率及其影响因素具有明显的区域异质性特征。

3.2 政策含义

根据研究结论得到如下政策含义：(1)在加快推进农业现代化进程中，不仅要大力推进农业技术进步，更为关键的是要努力提升农业技术效率，通过优化粮食生产投入要素配置结构、提高投入要素使用效率来推动粮食生产前沿面整体前移，进而提升粮食生产技术效率。传统的以要素高投入、高消耗和高污染为代价的“单引擎”粮食增产模式，已经不再合适资源和环境刚性约束现实“粮情”，只有通过不断提高技术效率，才能扭转以“量”为主的粗放型增产模式，进而向以“质”为主的现代化、绿色化方向发展，逐步实现粮食“增产、增效、增绿”多元化目标[25]； (2)紧扣“稳粮增收调结构，提质增效转方式”发展理念，确实采取措施保证在2020年实现化肥使用零增长的目标，以农业机械、灌溉技术、良种研发等为依托推动粮食生产技术水平，要在高标准农田建设战略契机中，逐步转变农业技术进步方式，来保证粮食生产稳产、提质、增效能够持续健康发展； (3)在粮食最低收购价政策执行中，要逐步健全粮食价格形成机制，以市场需求为核心、以粮价为导向逐步引导粮食供给结构调整和农户种植结构调整，进而发挥粮食价格在提升粮食生产效率中的积极作用。

与此同时，由于自然资源禀赋等差异，不同粮食生产区域粮食生产效率差异明显，这也要求在促进粮食生产效率时不能“一刀切”，要注意政策的针对性、灵活性和有效性，做到因地施策。具体为：在粮食主产区，机械化水平、良种等技术进步水平较高，加之承担着全国80%左右的粮食供给任务，重点提升其粮食生产技术效率，应该从规模化经营、培育新型经营主体、构建新型经营体系等渠道促进粮食种植结构、农田种养结构、投入要素结构等优化，来转变粗放型生产方式、尽快降低化肥施用强度，加快高标准农田建设和“藏粮于技、藏粮于地”战略推进，进而提升粮食生产的质量、促进效率的提升； 在粮食产销平衡区，应注重粮食生产技术进步和技术效率提升并行推进，由于农业发展条件相对较差，应该以提升农业技术为基础来带动技术效率的提升，提升机械化水平、提高农田有效灌溉覆盖率等替代粗放型的高投入、高消耗生产方式，以成熟粮食生产技术进步来带动其效率提升； 在粮食生产主销区，应突出粮食市场化水平的建设，在保证区内粮食供求的基础上，通过政策倾斜引导粮食生产，同时依托于较发达的经济发展水平，引导企业、社会资本等主体参与粮食生产，补强粮食生产发展短板。