山东省粮食生产效率时空演变及影响因素研究

于元赫，王越，宫大卫*

（1.中国人民大学环境学院，北京 100872；2.北京林业大学林学院，北京 100083）

粮食安全是国家安全的重要基础。我国作为世界上最大的发展中国家，用全球7.5%的土地养活了占全球22%的人口[1]，因此，粮食安全一直是国之大计。随着我国城市化和工业化进程的加快，耕地数量不断下降[2]。自然资源部2021 年发布的《第三次全国国土调查主要数据公报》显示，全国耕地已减少至19.18 亿亩（1 亩=1/15 hm2），人均耕地面积仅1.37 亩。可见，我国粮食生产规模难以持续扩大[3]，当不能通过规模效应提高产能时，有必要提高单产以确保粮食产量，即提高粮食生产效率。“中央一号”文件多次强调，要稳定粮食播种面积和产量，提升粮食单产和品质。在实施乡村振兴战略过程中，要促进粮食生产发展、保障国家粮食安全，就必须将原有依靠农业投入的生产方式转变到依靠提高生产效率的路径上来[4−5]。因此，合理评价粮食生产效率、综合考察粮食生产效率的影响因素具有重要的理论和现实意义。

目前，学术界围绕粮食生产效率的研究视角主要集中在粮食生产效率的测度方法[6−7]、时空特征[8−9]、空间溢出[10−11]、改善路径[12−13]和影响因素[14−15]等方面。测度粮食生产效率的方法主要包括参数方法（随机生产前沿函数）[16]和非参数方法（数据包络分析）[17]，其中，数据包络分析可以同时处理多个输入和输出，无需任何权重假设，也无需对数据进行量纲化处理，并可防止模型设置错误，因此大多数学者选择数据包络分析来测算粮食生产效率。近年来，众多学者系统分析了我国粮食生产效率的时空变化特征，研究尺度涵盖了全国、省域、县域以及不同流域[3，9，11，15，18−20]，研究充分表明，随着社会经济发展和技术水平的普遍提高，我国粮食生产效率显著提升，但存在较为明显的集聚效应和区域差异。在城市化进程加快、耕地资源紧缩以及农业劳动力不足、老龄化的背景下，我国粮食生产效率的持续增长面临着巨大挑战。因此，有必要进一步探究粮食生产效率的影响因素。一些学者曾指出，粮食生产效率受耕地、化肥、农药、劳动力和农业机械等多种生产要素的影响[21−23]，然而，近期的研究表明，要素投入对粮食生产的影响有限，甚至一些生产要素已处于边际效应递减阶段[24]。城镇化、经济发展、自然灾害、农业生产条件和非农就业等外部条件对粮食生产效率的影响受到越来越多的关注[25−27]。与以往研究相比，本研究可能的边际贡献在于两方面：一方面，目前对于粮食生产效率的分析主要以综合效率为研究对象，鲜有研究关注粮食生产纯技术效率和规模效率，本研究从综合效率、纯技术效率和规模效率3 个角度系统探究山东省粮食生产效率的时空演变和影响因素，对现有研究进行了有益的拓展和补充；另一方面，现有研究关于影响因素的分析大多基于投入要素角度，存在内生性问题，进而忽略了自然资源和社会经济等外生变量的影响，本研究从经济发展水平、自然条件、生产条件、资源禀赋及政策制度等方面选取了相关指标，综合考察粮食生产效率的影响因素，从而为科学制定相关政策提供理论依据。

山东省拥有丰富的耕地资源，是我国主要的粮食生产基地，为保障国家粮食安全作出了重要贡献。然而，快速的城镇化和工业化进程导致耕地资源急剧减少，耕地侵占、撂荒和土地退化等问题日益突出[28]，加剧了粮食生产与社会经济协调发展之间的矛盾。在国家粮食安全战略和乡村振兴战略背景下，深入探究山东省粮食生产效率的时空演变和影响因素，对于实现山东省粮食生产可持续发展具有深远的意义。鉴于此，本研究以山东省134 个县（区）为基本研究单元，构建了粮食生产效率的评价指标体系，并采用数据包络分析测算了粮食生产综合效率、纯技术效率和规模效率，揭示了2000—2019 年山东省粮食生产效率的时空演变特征。最后，利用Tobit面板回归模型，探讨了粮食生产效率的影响因素，以期为优化农业资源配置效率和推动粮食生产提质增效提供科学依据。

1 材料与方法

1.1 研究区概况

山东省地处华北平原东部，土地面积约1.56×105km2，辖16 个地级市、136 个县（区）行政单元。山东省地形地貌复杂多样，大体可分为山地、丘陵、台地、盆地、平原等类型。平原约占全省面积的65.56%，主要分布在鲁西北和鲁西南局部地区，山地丘陵约占全省面积的29.98%，主要分布在鲁中、鲁东和鲁南局部地区。该省气候类型属暖温带季风气候，降水季节分布不均，易形成旱涝灾害。山东省作为经济大省，经济总量始终处于全国前列，正处在城市化的高峰期。2019 年，全省国内生产总值（GDP）为83 095.9 亿元，占全国的7.2%，常住人口城镇化率达到61.15%。同时，山东省也是农业大省，为全国13个粮食主产区之一。2019 年，全省农林牧渔业总产值达到9 671.7 亿元，居全国首位；粮食总产量为5.36×107t，粮食作物总播种面积为8.31×107hm2，粮食单产为6 444.28 kg·hm−2，均居全国第三，在全国粮食生产中占有举足轻重的地位。然而，山东省人口众多，耕地资源有限。截至2019 年底，山东省总人口超过1亿，人均耕地面积仅为0.064 hm2，山东省境内6 个地市47 个县（区）的人均耕地面积接近或低于联合国粮农组织（FAO）划定的0.053 hm2临界线。在此背景下，科学剖析山东省粮食生产效率时空演变特征及影响因素，可为促进粮食安全与社会经济可持续发展提供参考和借鉴。

1.2 研究方法

1.2.1 数据包络分析

数据包络分析（Data Envelopment Analysis，DEA）方法最早是由Charnes 等[29]于1978 年提出的一种评价决策单元（Decision Making Unit，DMU）相对效率的测度方法，被广泛用于不同区域的耕地利用或粮食生产效率评估[6−8，17−19，30]。该方法假设有i（i=1，2，3，…，k）个决策单元，并且每个决策单元有r项投入要素（xi1，xi2，…，xir）和s项生产产出（yi1，yi2，…，yis）。本研究选择产出导向的模型进行计算，并假设研究规模报酬是可变的。随着研究的不断深入，粮食生产效率进一步细分为综合效率（TE）、纯技术效率（PTE）和规模效率（SE）。其中，综合效率是对决策单元的资源配置能力、资源利用效率等多方面能力的综合衡量与评价，纯技术效率是指受管理和技术等因素影响的生产效率，规模效率是指受规模因素影响的生产效率。综合效率为纯技术效率和规模效率的乘积，具体计算公式如下：

式中：θ为粮食生产决策单元的综合效率，θ=1 表示综合效率达到最优；s+和s−为松弛变量，表示生产要素投入水平的冗余状况；ε为非阿基米德无穷小量参数值；和分别代表求和向量；xi、yi为第i个决策单元的投入量和产出量；λi为决策单元的权重。

1.2.2 空间自相关模型

空间自相关模型包括全局和局部空间自相关，前者用于分析研究区总体的空间关联程度，后者用于分析研究对象在局部空间的集聚特征。本研究结合全局Moran′sI指数和热点分析G*指数来探究粮食生产效率空间自相关性。全局Moran′sI指数计算公式为：

式中：I为全局Moran′sI指数，I的范围为[−1，1]。当I>0时，表示具有空间正相关；当I<0时，表示具有负相关；当I=0 时，表示空间不相关；Yi和Yj分别为i、j单元的粮食生产效率；为粮食生产效率平均值；Wij为空间权重矩阵；S2为样本方差。利用Z值对I进行显著性检验，E（I）为数学期望，P值为显著性检验。当|Z|≥2.58、P<0.01 时，表示非常显著；当 |Z|≥1.96、P<0.05时，表示显著；当|Z|<1.96、P>0.05时，表示不显著。

热点分析G*指数计算公式为：

若显著为正，表示i地区周边的值比较高，可划分为热点区；反之则为冷点区。

1.2.3 Tobit回归模型

Tobit 回归模型又称截取回归模型，它采用极大似然估计方法（Maximum Likelihood Estimation，MLE）对因变量进行截取，其特点是因变量必须是受限变量，自变量是可以观察到的实际观测值。通过数据包络分析计算得到的粮食生产效率值是范围为[0，1]的受限因变量，表征影响因素的各个指标也是可观测的，因此Tobit 回归模型常被国内学者用于分析耕地利用或粮食生产效率的影响机理[25，30−32]。本研究选择随机效应模型进行估计，能够有效减少解释变量之间的多重共线性，更精准地估计影响结果。Tobit 回归模型一般表达式为：

式中：Yi为表征粮食生产效率值的因变量；为因变量Yi的潜变量；Xi为表征影响粮食生产效率的自变量；εi为随机误差项，εi≤N（0，σ）；i为样本序号；α为截距项；β为估计系数。

1.3 指标选取与数据说明

1.3.1 粮食生产效率的测度指标

参考现有粮食生产效率评价指标相关研究[8，11，15，18−19，23]，结合变量的可得性、可测性以及指标体系的科学合理性，本研究基于投入产出视角，构建包括投入、产出2 个一级指标以及物质投入、技术投入、人力投入和粮食产出4 个二级指标的评价指标体系（表1）。结合粮食生产实际的投入产出情况，选取的物质投入指标表征变量包括粮食作物总播种面积、农用塑料薄膜使用量、化肥使用折纯量和农药使用量；技术投入指标用农业机械总动力表征；人力投入指标用第一产业从业人员数量表征；粮食产出指标用粮食作物总产量表征。

表1 粮食生产效率评价指标体系Table 1 Grain production efficiency evaluation index system

1.3.2 粮食生产效率的影响因素指标

粮食生产效率除受物质、技术、人力等投入因素影响外，还受到经济发展水平、自然条件、生产条件、资源禀赋及政策制度等外生变量的影响。本研究参考现有粮食生产效率影响因素相关研究[3−4，6，8−9，11，15，31−32]，兼顾变量的易获性和可测性选取指标如下：①经济发展水平方面：选取城镇化率和人均可支配收入为表征指标，城镇化率反映了区域社会经济发展水平，城镇化能提高农民素质和收入，有效促进农业规模化和现代化经营；农民收入增多能够缓解家庭资金约束，充足的资金能保障农户购买农资设备，从而创造更好的生产条件，提高粮食生产效率。②自然条件方面：选取受灾面积比例和复种指数为表征指标，由于农业生产对气候条件的依赖程度很高，“靠天吃饭”的状况依然存在，自然灾害的发生会显著降低粮食产出；复种指数的提高意味着耕地利用强度加大，可能会增加化肥、机械等物质投入和粮食产出。③生产条件方面：选取有效灌溉率和农业机械密度为表征指标，灌溉条件好的区域能满足粮食生产需求，同时减轻自然灾害的影响，提高粮食产出；农业机械密度是农业现代化的表征，我国粮食生产中的机耕、机播和机收越来越普及，农业机械的水平和运用对于粮食生产效率的提高至关重要。④资源禀赋方面：选取人均耕地面积和农业种植结构为表征指标，人均耕地面积增加有利于扩大种植规模，促进粮食生产规模集约化经营，提高生产效率；农业种植结构反映了区域农业种植专业化状况，粮食播种面积占比越高，则会有越多的物质、劳动力投入粮食生产，有利于提高生产效率。⑤政策制度方面：选取财政支农力度为表征指标，财政支农反映了国家财政对农业、农民的支持，财政支农力度越大，越有足够资金和先进技术投入粮食生产。解释变量说明见表2。

表2 粮食生产效率影响因素指标选取及说明Table 2 Selection and description of factors affecting grain production efficiency

1.3.3 数据来源与处理

因部分县（区）数据缺失，本研究以2000—2019年山东省134 个县（区）面板数据为基础，收集整理的变量数据共有16 个：粮食作物总产量、粮食作物播种面积、农作物总播种面积、化肥使用折纯量、农药使用量、农用塑料薄膜使用量、农业机械总动力、第一产业从业人员、户籍城镇人口、总人口、农村居民人均可支配收入、农作物受灾面积、有效灌溉面积、耕地面积、政府农业支出、政府财政总支出。原始数据主要来源于《山东统计年鉴》（2001—2020 年）、《山东农村统计年鉴》（2001—2020 年）、《中国县（市）社会经济统计年鉴》（2001—2020 年）以及各地市统计年鉴。本研究使用ArcGIS 制作的山东省县域粮食生产效率空间分布与空间集聚图，均是在国家测绘地理信息局下载的审图号为GS（2019）3333 号标准地图基础上完成，底图无修改。由于一些投入要素的使用量没有对粮食作物和经济作物分别统计，为了准确估计粮食生产投入要素的使用量，借鉴相关研究成果[4，31]，采用权重系数法将粮食生产投入要素剥离出来，具体计算方法为：生产投入要素使用量=粮食作物播种面积/农作物播种面积×总投入要素使用量。

2 结果与分析

2.1 粮食生产效率时间演变特征

2000—2019 年山东省粮食生产综合效率、纯技术效率和规模效率的变化趋势如图1 所示。近20 年间，山东省粮食生产综合效率、纯技术效率和规模效率的均值分别为0.963、0.996 和0.967，表明山东省粮食生产效率水平较高，这与政府扶持、技术进步等密切相关，种粮补贴、减免农业税、购买农机具补贴等支农惠农政策激发了农民种粮积极性，提升了粮食生产效率。从变化趋势上看，粮食生产综合效率、纯技术效率和规模效率均呈现波动上升的态势，具有一定的阶段性特征，其中，2000—2002 年表现为急剧下降的趋势，主要是因为2002 年山东省遭受百年不遇的旱灾，粮食减产严重；而在2002 年之后呈现稳步上升的态势，尤其是2016—2019 年期间，粮食生产综合效率、纯技术效率和规模效率均稳定在最优产出水平。2000—2019 年，山东省粮食产量也从2000 年的3.84×107t增加至2019年的5.36×107t。

2.2 粮食生产效率空间分布演变特征

基于DEA 模型对粮食生产效率的测度结果，采用等距法选取2000、2010 年和2019 年山东省各县（区）的粮食生产综合效率、纯技术效率和规模效率截面数据，将效率值由低到高划分为6 类地区，分别为≤0.5、（0.5～0.6]、（0.6～0.7]、（0.7～0.8]、（0.8～0.9]、（0.9～1][4]，并借助ArcGIS 10.2 软件对其空间分布演变进行系统分析（图2）。在频数变化方面，2000、2010 年和2019 年的粮食生产综合效率分布相对稳定，主要集中在0.7 以上的效率水平（图2a～图2c）。2000 年，20%的县（区）效率值在0.9 以上，27%的县（区）效率值在（0.8～0.9]，25%的县（区）效率值在（0.7～0.8]；2019 年，26%的县（区）效率值在0.9 以上，25%的县（区）效率值在（0.8～0.9]，25%的县（区）效率值在（0.7～0.8]。可见，虽然粮食生产效率高于0.9 的县（区）比例有所提升，但大部分县（区）的粮食生产效率仍低于0.9，表明山东省大部分县（区）的粮食生产效率仍存在较大提升空间。此外，2000、2010 年和2019年的粮食生产纯技术效率频数变化（图2d～图2f）与综合效率相似，2000 年，80%的县（区）纯技术效率值在0.7 以上，到2019 年该比例进一步增加为85%，尤其是纯技术效率值在0.9 以上的县（区）比例从2000年的35%增加至2019年的44%。然而，2000、2010年和2019 年的粮食生产规模效率频数变化呈相反趋势（图2g～图2i），规模效率值在0.7以上的县（区）比例从2000 年的98%减少至2019 年的77%，尤其是规模效率值在0.9 以上的县（区）比例从2000 年的92%大幅减少至2019年的31%。

在空间分布方面，山东省县域粮食生产效率存在明显的区域性空间分异。其中，粮食生产综合效率和纯技术效率均呈现从鲁西向鲁东地区递减的分布格局，而粮食生产规模效率则呈现由“连片”高值区逐步向鲁西地区集中的趋势。粮食生产综合效率、纯技术效率和规模效率的效率值在0.9以上的县（区）主要集中在山东省西部的聊城市、菏泽市和德州市的部分县（区），而山东半岛和北部沿海地带的粮食生产效率普遍偏低，烟台市、威海市和东营市的部分县（区）效率值大部分较低。可见，近年来粮食生产重心的逐渐西移，一定程度上加剧了山东省粮食生产体系的脆弱性和不稳定性。

2.3 粮食生产效率空间集聚演变特征

本研究在分析山东省粮食生产效率空间分布的基础上，采用空间自相关模型探究粮食生产效率的空间聚集特征。作为空间集聚的基础，首先通过全局Moran′sI指数进行空间自相关检验。由表3 可知，各年份的Moran′sI值均大于0，且P值都小于0.05，表明山东省粮食生产效率具有显著空间正相关性。

为了进一步探究粮食生产效率的空间局部相关程度，本研究引入冷热点分析，结果如图3 所示。粮食生产综合效率、纯技术效率和规模效率均存在局部集聚现象，热点区和冷点区的空间分异显著。粮食生产综合效率、纯技术效率和规模效率的热点区重心逐渐西移，以核心区域的扩散为主，鲁西地区集聚效应相对明显，主要位于聊城市、菏泽市和德州市等粮食生产核心区；而粮食生产综合效率、纯技术效率和规模效率的冷点区分布范围均有所缩小，鲁东沿海地区空间集聚随机性较强。粮食生产效率冷热点集聚区的空间转移表明，2000—2019 年传统粮食生产强县（区）的效率水平不断得到巩固和提高，而粮食生产自然条件差或比较利益低的县（区），其粮食生产效率相对下降。此外，粮食生产效率空间集聚的演变特征也反映了相邻区域的效率对空间集聚类型的转化概率具有重要影响。邻近县（区）的效率水平越高，空间集聚类型转化为更高等级的可能性就越大，而邻近县（区）较低的效率水平将增加空间集聚类型向较低等级转变的可能性。

2.4 粮食生产效率影响因素分析

本研究对选取的粮食生产效率影响因素指标数据作标准化处理，以保障Tobit 模型回归结果的稳健性。为了更全面地分析山东省粮食生产效率的影响因素，分别对粮食生产综合效率、纯技术效率和规模效率进行回归分析。根据回归模型结果（表4），对数似然值分别为220.179、277.166 和189.282，Wald 检验概率均通过1%显著性水平检验，Tobit模型整体显著。

表4 山东省粮食生产效率影响因素的回归结果Table 4 Regression results of influencing factors of grain production efficiency in Shandong Province

2.4.1 经济发展水平对粮食生产效率的影响

本研究选择城镇化率（URR）和人均可支配收入（PCI）反映经济发展水平。其中，城镇化率对纯技术效率具有显著正向影响，表明城镇化水平的提高能够对资源配置效率和技术进步起到推动作用，有助于粮食生产纯技术效率的改善[25]；然而，城镇化率对综合效率和规模效率产生负面影响，但均未通过显著性检验，意味着随着城镇化进程的推进，不仅造成稀缺的耕地资源供求紧张，而且促使农业劳动力资源向二、三产业部门转移，可能加剧粮食生产粗放经营，阻碍粮食生产效率的提高。此外，人均可支配收入对综合效率、纯技术效率和规模效率均具有显著的正向影响，说明农民收入水平决定着资金、技术等要素的投入程度，随着农民收入水平不断提高，能够缓解粮食生产资金短缺，农民拥有更多资金购买种子、化肥、农药及机械设备等生产资料，也更容易接受先进的生产技术，有利于提高粮食生产效率[33]。

2.4.2 自然条件对粮食生产效率的影响

本研究选择受灾面积比例（PDA）和复种指数（MCI）表征自然条件。受灾面积比例对综合效率、纯技术效率和规模效率均产生显著的负向影响，主要是因为自然灾害具有突发性和不可控性，其中对粮食生产影响较大的灾害有洪涝、干旱、霜冻、冰雹及病虫害等。山东省曾遭受过多次洪涝和干旱灾害，当发生重大自然灾害时，会造成灾区粮食减产严重[34]。然而，复种指数对综合效率、纯技术效率和规模效率均产生显著的正向影响，原因是耕地利用强度是决定复种指数高低的重要因素，在保持其他条件不变的情况下，复种指数越高，单位面积耕地粮食产量越高，粮食生产能力越强，有利于提高粮食生产效率[35]。

2.4.3 生产条件对粮食生产效率的影响

本研究选择有效灌溉率（EIR）和农业机械密度（AMD）表示生产条件。有效灌溉率对综合效率、纯技术效率和规模效率均产生正向影响，因为小麦和玉米是山东省主要粮食作物，其生长过程需要充足的水资源供给，灌溉条件优越的地区能够及时满足生产需求，提高粮食产量和生产效率。此外，山东省容易遭受洪涝、干旱等自然灾害，灌溉条件的改善能够减少自然灾害所带来的产出损失，是提高粮食生产效率、保障粮食安全的关键因素。农业机械密度对纯技术效率产生正向影响，但对综合效率和规模效率均产生负向影响，表明机械化水平的提高能够显著促进粮食生产技术进步[23]，但由于山东省各地区生产条件存在较大差异，农业机械化水平和投入规模不足，导致粮食生产资料未被充分利用，无法充分发挥农业资源潜力，阻碍了粮食生产效率。

2.4.4 资源禀赋对粮食生产效率的影响

本研究选择人均耕地面积（PCC）和农业种植结构（APS）表示资源禀赋。人均耕地面积对综合效率和规模效率均产生正向影响，说明人均耕地面积增加有助于粮食规模化、集约化和机械化生产，有利于推动经营主体探索高效生产新模式，促进综合效率和规模效率的提高；然而，人均耕地面积对纯技术效率产生负向影响，虽然未通过显著性检验，但也意味着在耕地资源有限的情况下，增加人均耕地面积并不能有效提升纯技术效率。农业种植结构对综合效率、纯技术效率和规模效率均具有显著的正向影响，说明地区粮食作物播种面积占比越高，粮食生产专业化程度越深，农民越重视粮食生产的物质投入以期获得更高的经济效益，进而有助于提高粮食生产效率。

2.4.5 政策制度对粮食生产效率的影响

本研究选取财政支农力度（FEA）表示政策制度。财政支农力度对综合效率、纯技术效率和规模效率均产生负向影响，说明目前山东省财政支农水平无法有效提升粮食生产效率，原因是财政支农大部分资金投入到农业基础建设、乡村道路改建和公共储备中，直接与农民收入和产出挂钩的支付相对较少，从而造成资金利用率较低，财政支农效果有限，没有发挥应有的激励作用[34]。

3 讨论

粮食生产效率时空演变的分析结果表明，粮食生产效率的时空分布格局存在明显的区域性空间分异，因此，政府部门在制定相关政策时不能“一刀切”，应按照不同作物生产的优势产区，因地制宜、因物制宜地规划粮食生产布局，提高政策的灵活性与针对性，探索粮食生产效率提升的区域差异化路径。一方面，对于粮食生产效率水平较高的地区（德州市、聊城市等），需要积极引导和鼓励农民参与粮食种植规模化经营，通过培育新型经营主体、构建新型经营体系等方式逐步优化投入要素配置，促使粮食生产向集约化、现代化方式过渡，推动地区优势粮食作物生产规模做大做强；同时，充分发挥德州市、聊城市等粮食生产效率热点区的引领作用，积极带动周边县（区）的粮食生产效率提高。另一方面，对于粮食生产效率水平较低的地区（烟台市、威海市等），应以改善农业基础条件、提高粮食单产水平为基础带动生产效率的提升，替代粗放低效的高投入、高消耗生产方式，合理配置农业投入要素；同时，依托较发达的经济水平，通过政策倾斜引导企业、社会资本等多元主体参与粮食生产，提高农民种粮积极性，补齐粮食生产短板。

粮食生产效率影响因素的分析结果表明，经济发展水平、自然条件、生产条件、资源禀赋和政策制度等因素对粮食生产综合效率、纯技术效率和规模效率的影响方向和程度均存在差异。其中，城镇化水平对纯技术效率产生正向影响，而对综合效率和规模效率影响方向则相反，意味着虽然城镇化有利于技术进步，但城镇化的扩张对粮食生产规模和结构产生了较大影响，需要正确认识城镇化对粮食生产带来的综合影响。因此，政府部门需要全面审视城镇化与粮食生产的协调关系，制定科学合理的城乡土地利用全局规划，合理控制城镇化扩张规模与强度，严守耕地保护红线，确保城镇化与粮食生产活动的可持续性。此外，农民收入水平能够显著提高粮食生产综合效率、纯技术效率和规模效率，因此，政府部门需要加强农民职业教育和技能培训，提高农民文化素质，促进省内农村劳动力通过就地就近或外出务工等多渠道转移就业，增加农民收入。

此外，受灾面积比例阻碍了粮食生产效率，而有效灌溉率有利于粮食生产效率的提升，反映出目前山东省粮食生产基础比较薄弱，应对自然灾害等风险挑战的能力有待进一步提高。因此，首先，要强化自然灾害监测预警，并完善监测预警信息发布机制，确保政府部门和农民群体可依托及时有效的信息做出科学决策；其次，要提升现代粮食生产经营主体防灾减灾能力，发挥企业、合作社等新型经营主体引领作用，提高小农户粮食生产韧性；再次，要完善农田水利基础设施建设，加大投资力度和覆盖范围，全面提升农业灌溉水平。另外，本研究发现农业种植结构有利于改善粮食生产综合效率、纯技术效率和规模效率，这意味着要打破粮食生产和农业种植结构相互冲突的传统思维定势，探索出粮食生产和农业种植结构协调发展的新路径。因此，在优化和调整农业种植结构中，要注重巩固提升粮食产能，统筹兼顾粮食作物与其他农产品生产，科学安排种植结构；加大产粮大县（区）奖励力度，对完成全年粮食播种面积任务的县（区）给予奖励，提高地区种粮积极性；健全农民种粮收益保障机制，落实种粮补贴和最低收购价政策，保护农民种粮积极性。

本研究为区域粮食生产效率的时空演变及影响因素提供了实证支持，但囿于数据的可得性，仍然面临一些难以量化的影响因素，比如气候变化、区位因素等。因此，对粮食生产效率影响因素的多向考虑是未来研究的方向之一。此外，数据包络分析是一种基于投入产出分析的相对效率度量方法，由于粮食生产过程的复杂性，很难全面考虑投入因素，这可能会导致模型输出的偏差。未来可以考虑改进数据包络分析方法，并且可以使用生产函数来描述难以量化的变量。值得注意的是，山东省粮食生产效率的空间分布和集聚格局清晰地呈现出粮食生产与经济发展区域性功能分异的特征，可能产生的深层次社会经济和环境影响值得未来进一步研究。

4 结论

（1）从时间变化看，2000—2019 年山东省粮食生产效率整体水平较高，具有显著的阶段性特征。其中，综合效率、纯技术效率与规模效率均呈现波动上升的态势，2000—2002 年间表现为下降趋势，2002 年之后呈现明显的稳步上升趋势。

（2）从空间分布看，山东省县域粮食生产效率存在明显的区域性空间分异。其中，综合效率和纯技术效率均呈现从鲁西向鲁东递减的分布格局，而规模效率则呈现由“连片”高值区逐步向鲁西地区集中的趋势；同时，综合效率、纯技术效率和规模效率均呈现显著的空间正相关性，鲁西地区集聚效应相对明显，而鲁东沿海地区空间随机性较强。

（3）从影响因素分析结果看，经济水平、自然条件、生产条件、资源禀赋和政策制度对粮食生产综合效率、纯技术效率和规模效率的影响方向和程度均存在差异。其中，人均可支配收入、复种指数、有效灌溉率和农业种植结构能够有效提升综合效率、纯技术效率和规模效率，而受灾面积比例、农业机械密度和财政支农力度阻碍了粮食生产效率。