我国化肥施用量影响因素研究

旷爱萍，谢凯承

（广西师范大学马克思主义学院，广西桂林 541006）

改革开放以来，我国农业取得迅速发展，在此期间，化肥对我国农业发展做出了重要的贡献。但是粗放型的发展方式也存在诸多问题，农业生产严重依赖生产要素的投入，化肥施用存在过量[1-4]和施肥效率低下[5]等问题，造成了严重的农业面源污染和生态环境的破坏[6]。据统计，我国化肥使用量为531.9 kg/hm2，约是世界平均水平的3.9 倍[7]。与此同时，我国化肥对粮食增长的贡献率也从20世纪80年代的30%～40%下降到目前的10%左右[8]。2020年，水稻、小麦、玉米三大粮食作物化肥利用率为40.2%，比2015年提高了5 个百分点；有机肥施用面积超过5.5 亿亩次，配方肥占三大粮食作物施用总量的60%以上。农业农村部每年在全国300 个县开展化肥减量增效示范，在233 个重点县开展有机肥替代化肥试点。在农业绿色发展大背景下，我国出台了一系列政策方针来促进化肥减量增效。2015年工业和信息化部下发了《推进化肥行业转型发展的指导意见》，农业农村部出台了《到2020年化肥使用量零增长行动方案》，2017年启动实施“果菜茶有机肥替代化肥行动”“东北地区秸秆处理行动”等“农业绿色发展五大行动”。这些政策的出台极大地促进了节肥增效技术的应用，为我国农业绿色高质量发展提供了保障，我国化肥减量势在必行。

早期的研究重点主要集中在化肥施用量和粮食产量的关系与化肥施用过量的问题上[9-11]。随着经济和农业的发展，人们生活水平不断提升，对农产品的需求日益多元化。在此背景下，对化肥的研究工作主要集中研究种植结构变化和化肥使用量变动的关系。对于种植结构和化肥使用量变动的相关研究主要是从两个方面展开的：一是对化肥变化量进行分解，如石文香等[12]将化肥使用量分解为化肥结构效应、化肥强度效应、产出效应和种植规模效应，栾江等[13]将化肥使用量分解为农作物播种面积、种植结构和施肥强度，王珊珊等[14]将化肥使用量分解为化肥施用强度和播种面积；二是构建计量模型研究各因素对化肥使用量的影响，如龚琦等[15]构建计量模型研究了收入因素、种植结构、人口因素、劳动力因素、农贸因素、农业技术因素和农业政策因素对化肥使用量的影响，赵明正等[16]构建面板计量模型分析了人口数量、耕地面积、地形因素、粮食安全等对化肥使用量的影响。

有关数据表明，自2015年化肥“零增长”行动实施以来，化肥使用量出现历史性下降，分析有哪些因素影响着化肥使用量的变化，对农业碳排放减排和农业绿色发展均有重要意义。总体而言，现有文献对我国化肥使用量变化的驱动因素分解进行了深入的分析，并得到很多重要的结论，但仍存在一些需改进之处：多数研究止步于驱动因素分解层次，但仅对化肥使用量进行驱动因素分解还不能了解影响化肥使用量变化的内部原因；化肥使用量变化表面上看与施肥强度、播种面积、种植结构等因素相关，但这些因素是经济发展水平、产业结构、种植结构、技术因素等因素变化导致的。为此，本研究采用对数平均迪氏指数法（logarithmic mean divisia index，LMDI）方法从全国和区域两个维度测算2000—2020年各驱动因素对化肥使用量的影响，并借鉴赵明正等[16]的相关研究方法以及研究时段的选取，利用2009—2020年间我国27 个省份（除京津沪藏，以及港澳台地区外）的面板数据分析各因素对化肥的影响作用；为保证回归结果的稳健性，对于可能存在的极端值、遗漏变量以及内生性问题，进行稳健性检验。鉴于各因素之间也可能存在交互作用，农业技术水平的提升可能与经济发展水平、种植结构和产业结构存在一定的互补性或替代作用，因此，在基准回归模型的基础上，对各因素之间可能存在的交互作用进行了检验及分析深层次原因，以期找到当前化肥减量的真正原因，为化肥减量政策提供一定的理论基础。

1 研究方法与数据

1.1 LMDI 指数分解法

LMDI 指数分解法可以将一段时间内环境污染变化的影响因素全部分解开来，并能够同时将多个相关因素完全分解，且具有没有残差的优势。因此，LMDI 指数分解法也常被用于碳排放、雾霾等与环境相关的研究中。化肥是重要的农业碳排放碳源，同时也造成了严重的环境污染。因此本研究参考赵明正等[16]的分省模型分解方法对我国化肥使用量进行如下分解，见公式

式中，C为化肥使用量，单位为万t；gland为粮食作物播种面积；land为农作物播种面积；PI为化肥施用强度；AI为种植结构。

采用LMDI 指数分解法加和分解方式对上式进行进一步分解，以量化各因素对碳排放的影响大小，具体为

为更好地体现各驱动因素对化肥使用量的阶段性特征和区域性差异，本研究选用2000—2020年的相关数据将化肥使用量分解为化肥施用强度、种植结构和农作物播种面积3 个因素，将全国分为南部沿海经济区、东部沿海综合经济区、北部沿海综合经济区、东北综合经济区、长江中游综合经济区、黄河中游综合经济区、大西南综合经济区、大西北综合经济区8 个区域，既考虑了省份间的同质性，也考虑了区域间的差异性，从全国和区域两个方面测算这3 个因素对化肥使用量的影响作用。另外，为便于体现化肥使用量因素分解结果的阶段性变化特征，以5年为一个时间段将其分为4 个阶段：2001—2005年为第一阶段，2006—2010年为第二阶段，2011—2015年为第三阶段，2016—2020年为第四阶段。前3 个阶段考查化肥“零增长”行动实施前各因素对化肥使用量的影响作用，第4 阶段考查化肥“零增长”行动的实施效果。

1.2 化肥使用量影响因素分析和模型构建

化肥作为农业生产中不可或缺的生产要素，化肥使用量变化是多种因素共同作用的结果，这些因素可能还相互影响。这些因素主要是：（1）经济发展水平。随着经济水平的提高，人们对农产品的需求增加使得农业播种面积扩大，人们对农产品的需求日益多样化扩大了非粮食作物的种植比例；经济发展会促使农业生产技术进步，提高化肥的利用效率和产出效益；经济发展会推进城市化进程，大量人口由农村涌入城市带来饮食结构的调整和人口结构的变动。（2）产业结构。不同的产业对农业生产要素需求不同，产业结构的优化调整会导致农业投入品结构的优化，进而影响化肥的施用水平。（3）种植结构。不同农作物对化肥的需求不同，因而种植结构的调整会影响化肥使用量的动态调整。（4）技术因素。农业技术水平提升能够提高化肥利用效率，减少在施肥过程中对土地和环境的污染；科技创新是解决农业农村环境污染和促进农业绿色高质量发展的关键，在绿色发展的道路上，化肥减量增效仍有待加强。

模型如下

本研究的被解释变量为化肥使用量，解释变量为经济发展水平、产业结构、种植结构和技术因素。在模型中，下标i和t分别表示省区和年份。lnferit为化肥使用量取对数；lnpgdpit为经济发展水平取对数，用以考查经济发展的影响；lnpstructurit为粮食作物播种面积在农作物播种面积中的比值的对数，用以考查种植结构对化肥使用量的影响；lnistructurit为种植业产值和农牧渔林业总产值比值的对数，用以考查农业产业结构对化肥使用量的影响；lntechit为不变价格的种植业产值与化肥使用量的折纯量的比值的对数，表征化肥的产出效率，用以考查技术因素对化肥使用量的影响；Hitw为其他控制变量；γw为控制变量的估计系数；μi为固定效应；εit为随机扰动项。在控制变量中，本研究使用农村人口在总人口的占比表示人口结构（lnpural），使用林业产值在农牧渔林业产值中的比重的对数表示地形因素（lnforestry），使用农作物播种面积表示播种面积（lnland，千公顷）。各变量的统计性表述见表1。

表1 变量指标描述

1.3 数据来源

本研究的数据来源主要有两个：一是构建LMDI模型所需的数据，如化肥使用量、粮食作物播种面积和农作物播种面积，来源于2000—2020年的《中国农村统计年鉴》《中国统计年鉴》；二是构建面板模型所需的数据，如化肥使用量、粮食作物播种面积、农作物播种面积、农村人口占比、经济发展水平、种植业产值、农牧渔林业产值，来源于2009—2020年的《中国农村统计年鉴》《中国统计年鉴》。

2 研究结果与分析

2.1 LDMI 模型分解结果

由表2 可知，从全国来看，化肥施用强度是化肥使用量增加的主要促进因素，其促进作用先增加后减少；农业种植结构是化肥使用量增加的主要抑制因素；农作物播种面积在第一阶段和第二阶段对化肥使用量增加起抑制作用，在后两个阶段起促进作用。化肥施用强度和农作物播种面积在第四阶段对化肥使用量的促进作用均比第三阶段小，说明化肥“零增长”行动实施效果显著。

表2 全国及8 个经济区的分解结果

从八大经济区来看，除东部沿海综合经济区和北部沿海综合经济区外，其他各区化肥施用强度都在前三阶段对化肥使用量增加起促进作用且逐渐增强；东部沿海综合经济区在第一阶段促进作用最强，之后逐渐减弱。对于农业种植结构，南部沿海经济区、大西南综合经济区、大西北综合经济区与全国在4 个阶段均起抑制作用；东部沿海综合经济区和北部沿海综合经济区均只在第四阶段起促进作用；黄河中游综合经济区在后2 个阶段、长江中游综合经济区在后3 个阶段起促进作用；东北综合经济区在4 个阶段都起促进作用。对于农作物播种面积，只有长江中游综合经济区、大西南综合经济区与全国一样，在前2 个阶段起抑制作用，在后2 个阶段起促进作用；南部沿海经济区、东部沿海综合经济区和北部沿海综合经济区在4 个阶段都起抑制作用；东北综合经济区和大西北综合经济区在4 个阶段都起促进作用；黄河中游综合经济区在后3 个阶段起促进作用。

对于南部沿海经济区、东部沿海综合经济区和北部沿海综合经济区等经济发达地区，农业种植结构和农作物播种面积都对化肥使用量增加有抑制作用。对于东北综合经济区、长江中游综合经济区和黄

河中游综合经济区这些主要粮食产地，农业种植结构和农作物播种面积对于化肥使用量增加更多的是促进作用。对于大西南综合经济区和大西北综合经济区等欠发达地区，农业种植结构起抑制作用，而农作物播种面积在大多数阶段起促进作用。除南部沿海经济区、大西南综合经济区和大西北综合经济区外，其他各区化肥施用强度对化肥使用量增加的促进作用都在第四阶段降低。

2.2 化肥使用量影响因素模型的面板回归结果

2.2.1 面板回归结果分析

基于本研究模型检验结果，使用固定效应模型效果更好，并使用稳健标准误，回归结果见表3。第（1）列是在没有加入控制变量情况下，所有系数均通过显著性检验，经济发展水平和产业结构系数为正，种植结构和技术因素系数为负。第（2）列仅考虑经济发展水平、产业结构和种植结构，同时加入播种面积、地形因素、人口结构3 个控制变量情况后，各变量与显著性并未发生明显改变。第（3）列仅考虑技术因素，同时加入所有控制变量后，农业技术水平的提升有助于减少化肥使用量的结论得到验证。第（4）列加入所有变量和控制变量后，回归结果在系数符号和显著性与第（1）（2）列一致，表明回归结果的稳健性以及技术因素与经济发展水平、种植结构和产业结构不存在多重共线性。以第（4）列的回归结果作为基准回归结果，结果显示，经济发展水平和产业结构系数显著且为正（P<0.01），说明经济发展水平和产业结构与化肥使用量存在正相关性；种植结构和技术因素系数显著且为负（P<0.01），说明粮食作物种植比例与化肥使用量变化存在负相关关系，测土配方等化肥减量增效技术的推广和先进施肥器具等技术因素可以有效减少化肥使用量。

各地区由于不同的地形地貌和气候环境条件，在农作物种植和化肥使用量上也存在区域性的差异，将各省份分为粮食主产区和非粮食主产区，分别对粮食主产区和非粮食主产区进行分析有助于研究各省份化肥使用量的区域性差异。为考查各因素对粮食主产区和非粮食主产区化肥使用量的影响作用，分别对两者进行回归，结果见表3 的第（5）列和第（6）列。在分别考虑粮食主产区和非粮食主产区的情况下，各系数与显著性并未发生明显改变。粮食主产区和非粮食主产区仅在系数值大小上表现出差异。第（6）列中经济发展水平、产业结构和技术因素的系数绝对值大于第（5）列，说明在非粮食主产区具有很高的减肥潜力，可以通过优化产业结构和提升农业技术水平来减少化肥使用量。综合上述回归结果，大多数解释变量显著性和符号一致，表明回归结果的稳健性。

表3 模型回归结果

2.2.2 内生性问题

本研究使用核心解释变量的滞后项和历史变量作为工具变量，使用两阶段最小二乘法来解决模型的内生性问题。历史变量主要是1989年的耕地面积、1989年农用大型拖拉机数量，时间滞后变量与内生变量的当期密切相关，但由于前期变量所表征事务已经发生、取值已成固定，因而不会与当期的误差项相关。另外，经济发展水平、产业结构、种植结构和技术因素还与一些历史变量相关。长时期滞后的耕地面积和农业大型拖拉机数量与农作物种植结构和农业技术水平有联系，但长时期滞后的历史变量并不会对当期化肥使用量产生直接影响，符合选择工具变量的要求[17]。1 个阶段为5年，估计结果见表4。第（1）列为同时使用滞后3 个阶段的经济发展水平和滞后5 个阶段的产业结构作为工具变量进行估计的结果；第（2）列为同时使用滞后3 个阶段的地形因素和产业结构作为工具变量进行估计的结果；第（3）列为同时使用滞后1 个阶段的种植结构、滞后5 个阶段的技术因素以及1989年的耕地面积和1989年农用大型拖拉机数量作为工具变量进行估计的结果；第（4）列为同时使用滞后1 个阶段的技术因素、滞后5 个阶段的经济发展水平和1989年农用大型拖拉机数量作为工具变量进行估计的结果。回归结果显示，Sargan 检验的统计量和伴随概率都接受了所有工具变量均有效的原假设，同时也证明工具变量选择的合理性。结果表明，在控制潜在的内生性问题之后，回归结果依然在系数符号和显著性上与表3 第（4）列回归结果保持一致。

表4 各因素对化肥使用量影响的两阶段最小二乘法估计结果

2.2.3 面板模型稳健性检验

本研究从考虑极端值、遗漏变量等方面进行稳健性检验。在考虑极端值方面，本研究在化肥使用量双边缩尾与双边截尾基础上进行回归分析，回归结果见表5 第（1）列和第（2）列。在考虑遗漏变量方面，本研究在表4 第（4）列的基础上控制了农业劳动力人口进行分析。表5 稳健性检验结果显示，在考虑极端值、遗漏变量等问题后，各因素系数值和显著性依然与表3 第（4）列结果一致，本研究基准回归结果依然较为稳健。

表5 稳健性检验结果

2.2.4 技术因素与其他因素交互作用的进一步分析

根据前文分析，技术因素与经济发展水平、产业结构和种植结构在影响化肥使用量的过程中可能具有一定的互补性，二者一起发挥作用。为详细考查农业技术水平与其他因素的协同作用机制对化肥使用量的影响，本研究在计量模型中分别引入技术因素与其他因素的交互项进行分析。各交互项的回归结果见表6。第（1）列显示技术因素与经济发展水平的交互项系数显著且为负（P<0.01），说明农业技术水平在减少化肥使用量的同时，也促进了经济发展向着集约型方向转变。第（2）列显示技术因素与产业结构的交互项系数显著且为负（P<0.01），说明农业技术水平与产业结构存在一定的互补性，农业技术水平的提升促进产业结构的优化升级，两者共同作用对化肥使用量起抑制作用。第（3）列技术因素与种植结构的交互项系数显著且为负（P<0.01），说明技术因素与种植结构调整存在减少化肥使用量的过程中存在替代作用，农业技术水平的提升在提高粮食作物单位产量保障基本口粮的同时，促进经济作物的种植，而经济作物相对于粮食作物需要施用更多的化肥，从而造成了化肥减量的挤出效应。

表6 技术因素与其他因素的交叉效应回归结果

3 结论与讨论

在全国层面上，化肥施用强度对化肥使用量增长起促进作用，种植结构对化肥使用量增长起抑制作用，播种面积在后两个阶段对化肥使用量增长起促进作用，且化肥施用强度和播种面积在第四阶段即化肥“零增长”行动实施期间，相对于上一阶段其促进作用明显减弱。从区域层面上，东北综合经济区、北部沿海综合经济区、黄河中游综合经济区、长江中游综合经济区等粮食主产区表现出与其他地区不同的特点，如这些粮食主产区在第四阶段化肥施用强度对化肥使用量增长的促进作用都出现减弱；种植结构对化肥使用量的影响出现了不同于全国的特征，在后面2 个阶段起促进作用。

在控制相关变量后所有因素都显著，经济发展水平和产业结构对化肥使用量具有促进作用，技术因素和种植结构对化肥使用量具有抑制作用。种植结构抑制化肥使用量的增加，这一结论与龚琦等[15]和张卫峰等[18]研究结果相同。种植结构的变动主要体现为粮食作物播种面积的增加，而粮食作物相对于经济作物需要更好的化肥。技术因素对化肥使用量的增加起抑制作用，这一结论与龚琦等[15]、付浩然等[19]和杨莉莎等[20]研究结果相符，也进一步验证了技术因素所选指标的合理性。无论是化肥减肥增效技术的推广，还是先进施肥器具的使用，都能够提高化肥利用效率，减少化肥的使用。产业结构对化肥使用量起促进作用，至今仍无人验证产业结构与化肥使用量的关系，但已有结论证明产业结构与农业碳排放的正相关性[21-22]。化肥是重要的农业碳排放碳源之一，仍能充分说明产业结构对化肥使用量具有促进作用。模型在考虑极端值、遗漏变量以及内生性问题情况下，回归结果依然稳健。技术因素与产业结构和经济发展水平存在一定的互补性，两者的交互作用抑制化肥的施用，技术因素和种植结构则存在一定的替代作用，两者的交互作用对化肥的施用起促进作用。

4 化肥减量增效的对策

4.1 调整农业产业结构，优化种植业结构

积极优化农业产业结构，适当扩大畜牧业、渔业以及林业等低碳行业比重，实现农林牧渔业协调发展。在保障粮食安全的基础上，以市场为导向调整作物种植结构，针对区域优势作物发展多类型的特色产业示范区。准确把握市场信息，根据需求调整投入和产出，充分发挥从城市回流的资金、技术和人才优势，推进农村三产融合，进而推动农业产业结构的调整和升级。

4.2 科学施用化肥，推广节肥技术

基于当下市场经济和城镇化进程的快速发展，大量农村劳动力流出农业生产领域这一事实，以及土地流转和农业生产规模化经营的历史趋势，大力推广利用节肥技术，应用先进机械设备，促进农业生产方式向标准化、规模化、集约化转变。完善农业科研经费投入机制，研发推广高效缓释肥料、生物肥料等新产品。科学施用化肥，综合考虑农作物的需肥量、需肥规律以及肥料的利用率等因素，调整不同化肥的施用比例，合理混合施用化肥和有机肥。因地制宜，合理耕作，通过适宜的耕作措施让农作物能够充分吸收氮磷等化肥养分。采取秸秆覆盖措施，减少径流氮的流失，提高化肥利用效率。采用水稻-小麦、水稻-油菜、水稻-大蒜等轮作方式，确保土地用养结合，保证农作物平衡利用土壤中的营养元素，调节土壤肥力。

4.3 构建以基层供销合作社为核心的“为农服务”体系

基层供销合作社的“为农服务”是多方面的，尤其是能为农户提供专业化的农业生产性服务，推动测土配方施肥项目，提升科学施肥、配套施肥的水平。政府可以依靠基层供销合作社建设农化配套设施、建立示范田等对高效养分管理技术进行宣传与示范，扩大减肥增效效果。肥料企业可以以基层供销合作社为依托开展农化培训、试验示范等农化服务工作，打通科学施肥的“最后一公里”。政府、企业和科研单位作为为农服务的主体，三者之间目前仍缺乏联系，服务水平有待提高。基层供销合作社作为直接服务于农户的主体与政府、企业和科研单位之间也有一定的联系，为此，可以建立一个以供销合作社为中心的为农服务体系，保障化肥等农资在研发、生产和科学施用的连贯性。