我国粮食生产的主要影响因素研究——基于全国31个省市截面数据的实证分析

宦 捷

（澳门大学，澳门特别行政区 999078）

1.引言

民以食为天，粮食事关国计民生。近几年来高度重视“三农工作”，制定了“多予少取放活”“工业反哺农业、城市支持农村”的基本方针，提高惠农政策的力度使农民的积极性显著提高。另一方面，政府在农业基础设施建设上也加大投资，生产条件也有所好转。根据国家统计年鉴，我国2000年～2018年间，粮食产量从46218.0万吨增加到65789.2万吨，粮食播种面积由2003年的14.9 亿亩提高到2018年的17.6 亿亩，粮食的供求基本达到平衡。因此，分析粮食生产的影响因素就具有极高的现实意义。

我国粮食生产正处于从主要依靠人力畜力转向主要依靠机械动力的阶段，过程中面临诸多问题。针对这些现状，本文利用2018年的农作物成灾面积、耕地灌溉面积、农村水电站、农业机械总动力、农药使用量、农用化肥施用量和粮食播种面积等影响因素进行研究，从而对我国粮食生产做出合理性建议。

2.文献综述

随着农业的不断发展，学者们对粮食产量的影响因素及其他问题也进行了深入地研究。郭淑兰运用双对数多元回归模型对2005年全国31个省区粮食产量影响因素进行分析，得出一方面粮食播种面积目前是我国稳定和提高粮食产量的最重要因素，因此粮食补贴的对象首选应当是针对种植面积补贴；另一方面施肥量是影响我国粮食单产的重要因素，并且应在重视施肥量的同时，对于其他提高农业生产效率的科技因素给予相应的关注。鲍国良和姚蔚运用“平均单产”和“产量变异系数”两个指标进行研究，分析得出我国粮食自然灾害的波动性与变异程度日益减小。近几年来受灾面积、成灾面积以及单产变异系数均较之前年份有较大幅度下降，体现出我国粮食自然灾害的短期波动幅度在减小，且表现出持续减缓的趋势。徐冬婷和秦月运用扩展C-D 生产函数对江苏省粮食生产的主要影响因素进行实证分析，建议扩大农业生产规模，种植产业化能够提高农用机械运作的效率，由化肥向有机肥改进，减少对土壤的伤害，提高粮食单产水平。

因此，为了达到更好的研究效果，本文将借助、结合上述各学者的研究成果，利用应用多元统计方法和计量分析相结合的方式，建立主成分回归模型，确定国家31个省区的粮食产量的主要影响因素，并针对关键因素提出相关发展建议，从而为我国粮食生产的发展贡献一份力量。

3.数据说明

本文研究的原始数据来源于国家统计局统计年鉴（2019），所取数据为2018年31个省区粮食产量及相关指标。结合粮食产量的宏观因素，主要从以下几方面考虑：自然因素、经济因素和科技因素。为研究更为准确，根据每种影响因素选择以下指标，建立多元线性回归模型，各指标的单位及主要含义如下：

表一 粮食产量影响因素指标表

粮食产量（Y）农业生产经营者日历年度内生产的全部粮食数量。粮食播种面积（X1）指农业生产经营者应在日历年度内收获粮食作物在全部土地（耕地或非耕地）上的播种或移植面积。耕地灌溉面积（X2），指具有一定的水源，地块比较平整，灌溉工程或设备已经配套，在一般年景下能够进行正常灌溉的耕地面积。农村水电站（X3）:指的是农业水电站的个数农业机械总动力（X4）指全部农业机械动力的额定功率之和。农用化肥施用量（X6）指本年内实际用于农业生产的化肥数量，包括氮肥、磷肥、钾肥和复合肥。农作物成灾面积（X7）是指：因水旱等灾害造成农作物比正常年份减产3成（含3成）以上的播种面积。μt为随机误差项：指不被包含在该模型中的解释变量和一些不可观测因素对被解释变量干扰的总影响项。

4.模型建立与求解

4.1 建立主成分分析模型

主成分分析模型依据数据信息丢失最少的原则，综合简化多变量截面数据，实现高维变量空间的降维。本文主要研究全国31个省市粮食产量的主要影响因素，依据主成分得分进行排名。根据主成分分析理论，假设有n 个样本，p个指标组成矩阵 X：

通过原始数据进行标准化处理，消除量纲的影响设

根据变化后的矩阵X′，求出协方差矩阵和相关矩阵的特征值aij，及其对应的特征向量，得到原指标的线性组合Fj，通过计算累计贡献率确定主成分，实现降维。

4.2 建立多元线性回归模型

多元线性回归模型：被解释变量Y对p个解释变量1～p的线性回归模型，先给Y做归一化处理，再将上面得到的因子得分代入到模型中，得到主成分回归模型，得到

4.3 主成分分析模型求解

KMO 和 Bartlett球形度检验中 Kaiser-Meyer-Olkin度量的值大于0.5，所以适合做因子分析。因为方差累积贡献率越高，主成分的效果就会越好，我们利用方差累积贡献率和碎石图结合起来判断。

图一由累积方差贡献率和碎石图可得需要3个因子，同时人工输入个因子在抽取项中点击因子的固定数量，得到新的累积方差贡献率。由表二可知，第一个主因子的提取量仅为49.778%，第二个主因子提取量为76.689%，第三个提取量为92.881%，大于90%。

图一 碎石图

表二 旋转后解释的总方差

根据表三可得，X2、X4、X5、X6由第一主因子解释，其中包含的影响因素为耕地灌溉面积、农业机械总动力、农药使用量和农用化肥施用量；X1、X7由第二主因子解释，其中包含的影响因素为粮食播种面积农作物成灾面积，X3由第三主因子解释，其影响因素为水电站个数。

表三 旋转成分矩阵

X1 .673 .688 .033 X3 .165 -.063 .979

表四 因子得分系数矩阵

4.4 多元回归模型求解

把三个主因子的因子得分作为自变量多元进行回归，方程如下：

表五 各个主因子系数及显著性

表六 调整后的回归模型系数

各指标总系数如下表所示：

表七 各指标总系数表

由表中数据可知X1、X2、X7这三个影响因素系数最大，即农作物成灾面积、粮食播种面积以及灌溉面积对粮食产量的影响最大；X4、X5、X6这三个影响因素系数其次，即农业机械总动力、农药使用量和农用化肥施用量的影响相对重要。

5.结论与建议

5.1 结论

通过对主成分分析法，基于前人文献，选取七个指标，并对主成分分析法的应用进行拓展，在损失信息量最小的前提下，获取各指标对全国31个省市粮食产量影响因素的权重，得到全国粮食产量影响因素模型。

由回归方程可知，粮食产量的影响因素大小依次为：农作物成灾面积、粮食播种面积、耕地灌溉面积、农用化肥施用量、农业机械总动力、农药使用量、农村水电站，农作物成灾面积和粮食播种面积对粮食产量的影响最大。由此可知，2018 年，全国31个省区粮食产量的增加很大程度上归功于种植面积的增加以及旱涝灾害的治理；化肥施用量对粮食生产也有一定的影响，化肥作为农业技术水平提高的代表，可促进粮食产量的增加。但是由于化肥的过度 施用给土壤环境带来一定的伤害，很多地市都在控制；农用机械总动力会使粮食产量增加，但是比播种面积与化肥施用量对粮食产量的影响小。

5.2 建议

5.2.1 保证粮食播种面积，减少成灾面积，确保粮食产量。

近五年来，各个省区粮食播种面积变化不大呈现略微波动趋于平缓的状态，总播种面积稳定在 11800 千公顷左右，很大程度上支撑了粮食产量的逐年增长，由此可见耕地的质量和数量是保障粮食生产的必要条件。因此，首先，应健全耕地保护制度，减少土地污染，在不影响居民正常生活的前提下保证土地利用最大化；其次，应对产量低的耕地进行实地考察，采取针对性措施增加粮食单产，有效提高全国各个省区粮食总产量；第三，政府可以针对种植面积进行相应补贴。

5.2.2 发展农业科技，优化化肥的施用，提供良好的种植环境。

由实证分析结果可知，除去播种环境和自然条件影响因素，化肥在粮食生产过程中占据很高地位，是必不可少的投入要素。因此，全国31个省区需要改善肥料，提高化肥品质、使用效率或使化肥向有机肥改进，由此有助于农作物生长，提高粮食单产水平。同时，针对科技落后地区、劳动力低下地区，政府可建立农业技术推广平台，向村民推广技术，提高农户科技耕种意识，将技术应用到粮食生产的各方面，进而提高粮食产量。其次，对于技术研发，要加大农业科技研发力度，有效加快对农业机械、粮食品种、肥料与农药的改善，进而与实际劳作相对接，高效应用技术成果。

5.2.3 提高农业机械化水平，增加整体粮食生产效率。

我国各种机械化劳动力为粮食产量的增加做出了巨大贡献，正在经历从人力到机械化转型的阶段。由于中国是一个生产季节多样化的大国，伴随着农业人口减少，使劳务输出和机器服务长期存在，可以大大降低运营成本。首先，我国应当针对不同省区，结合各地的耕地情况，综合考虑农民运用农用机械的技术水平，推广适用型农用机械，提高粮食生产率；此外，使农业的生产规模增加，并且提高农业机械化效率，最终提高粮食生产率。

5.2.4 引进农业科技人才，突出发展重点产业。

根据农业的发展趋势、发展需求，对农业技术人员的队伍进行仔细研究，制定详细的人才引进计划，做到因地制宜，投入资金发展具有农业科学技术的人才，最终达到优化团队结构的目的。