貴州省糧食生產影響因素分析

摘要：作為中國西南地區重要的農業省份之一，貴州省糧食生產產值在其國民經濟組成中占有重要地位。根據貴州省1993—2012年糧食生產的相關數據，運用最小二乘回歸方法建立了貴州省糧食生產影響因素初始回歸模型，之后運用逐步回歸法對上述回歸方程進行精確性調整、相關性檢驗和異方差性檢驗，得到最佳擬合回歸方程。通過對回歸結果進行分析，發現糧食播種面積和化肥施用量是影響貴州省糧食生產的關鍵因素，并認為在糧食播種面積受限、化肥施用量達到使糧食邊際產量開始遞減的極限背景下，資本投入和農業技術進步是提高貴州省糧食產量的新途徑。因此，貴州省應該通過有效保護耕地、穩定糧食作物種植面積、改善施肥結構、加大農業資本投入和技術投入等措施來保證本省糧食的穩產增產。

關鍵詞：貴州省；糧食生產；影響因素；回歸模型

中圖分類號：F326.11；F327 文獻標識碼：A 文章編號：0439-8114（2016）08-2146-06

DOI：10.14088/j.cnki.issn0439-8114.2016.08.059

Abstract： As one of the important agricultural provinces in southwest China， the output value of grain production in Guizhou province have occupy an important status in national economy. Based on the relative data of 1993—2012 food production in Guizhou， using the least-squares regression method， an initial regression model of the factors influencing grain production of Guizhou was established， then using the stepwise regression method to adjust the accuracy and test the correlation and heteroscedasticity of the regression equation， the best fitting regression equation was obtained. Through the regression analysis， the results found that， the area sown to grain and amounts of fertilizer application were the key factors influencing grain production of Guizhou， and which argued that in the extreme background that the area sown to grain was limited， and the amounts of fertilizer began to make the marginal product decline， the capital input and agricultural technical progress were new ways for increasing grain production in Guizhou. Therefore， Guizhou should ensure the stable and increased grain production of the province through measures such as effectively protecting the arable land， making food crops planting area stable， improving fertilization structure， increasing inputs of agricultural capital and technique.

Key words： Guizhou province； grain production； influence factors； the regression model

糧食是人類生存的必需品，是社會經濟發展和國家安定富強的重要基礎和重要保障，糧食問題關系著國計民生，是中國政府一直以來高度重視的重大問題之一[1]。特別是近些年來，隨著世界氣候變化、人口增長及環境問題的日益凸顯，糧食生產與安全問題更加受到人們的關注。在這種情況下，科學分析糧食綜合生產能力，探究糧食生產投入要素對糧食產出的影響，尋找制約糧食生產的瓶頸因素，對于穩定糧食生產、確保糧食安全意義重大。

國內圍繞糧食產量影響因素問題，趙慧江[2]在1990—2005年統計數據的基礎上，采用普通回歸分析方法通過建立以5種可量化的影響因素為自變量，以糧食產量為因變量的多元線性回歸模型，對中國糧食產量的主要影響因子進行了分析，并以此為依據提出了關于中國穩定發展糧食生產的參考意見。肖海峰[3]通過建立糧食總產量和影響因素的柯布—道格拉斯生產函數，對中國1978—2002年的數據進行了分段分析，從而研究中國糧食綜合生產能力。高倩倩等[4]運用統計學的知識采用Eviews 6.0統計軟件建立了糧食產量評估模型，對建國以來山東省糧食增產的主要因素進行了分析，得出了提高糧食單產是糧食增產的最有效途徑的結論。廖婧琳等[5]則更加關注自然災害對糧食生產的影響，分析了水旱、冰雹、病蟲害和低溫冷凍等農業災害對貴州省糧食產量的影響機理，并提出了相應的應對措施。本研究在參考前人研究成果的基礎上，以貴州省1993—2012年糧食生產的相關數據為依托，構建了一個統計特征合理的分析模型，來對影響貴州省糧食產量的因素進行分析，以期為貴州省制定合理的農業政策提供科學的理論依據。

1 貴州省糧食生產函數的構建

1.1 糧食生產影響因素指標體系

現實中影響糧食產量的因素有很多，對這些因素進行量化是分析研究的基礎，同時也是一個比較復雜和困難的工作。本研究從數據可獲取性、指標量化的可行性等指標選取原則出發，參考前人研究成果，并結合貴州省農業系統的實際狀況，選取糧食總產量（Y）作為要預測的目標數據，選取糧食播種面積（X1）、農業機械總動力（X2）、農業從業人員（X3）、化肥施用量（X4）、家庭農業支出（X5）、政府財政支農支出（X6）和成災面積（X7）7個對貴州省糧食產量有較大影響的因子來構建農業系統糧食生產的指標體系。所需數據均來源于1993—2012年的《貴州統計年鑒》和《貴州年鑒》，模型采用線性生產函數：

Y=θ0+θ1X1+θ2X2+θ3X3+θ4X4+θ5X5+θ6X6+θ7X7+？著

式中，θi（i=1，2，…7）為各指標系數，？著為隨機誤差項，表示受這些指標影響以外的其他隨機擾動。

1.2 基于OLS的模型估計

運用OLS法對貴州省糧食產量影響因素回歸方程進行估計，假設取顯著性水平為α=0.05，那么估計結果為：

Y=-9 253 308.42+5.37X1-0.79X2-0.65X3+4.13X4+0.88X5+0.92X6-4.74X7

t統計量為：{-2.32} {7.84} {4.95} {-3.41} {0.73} {2.56} {0.66} {1.21}

R2=0.978 2， F=35.16， D.W=1.98

由于R2值接近1，F0.05（6.20）=2.60，F檢驗值35.16>F0.05（6.20），因此可以認為貴州省糧食產量與其影響因素之間存在著顯著的線性關系。但是，X4和X6未通過t檢驗，X2的系數符號表示的經濟意義也不合理，這說明這種線性關系很有可能不是單重的，而是比較復雜且難以處理的多重線性關系。為了驗證以上推斷，下面對各指標之間相關關系進行檢驗（表1）。

由表1可以看出，農業機械總動力（X2）和農業從業人員（X3）之間存在著高度的相關性，相關系數接近0.96，證明了以上的推斷。為了排除指標間多重共線性給解決問題帶來的干擾和困難，有必要設法對上述回歸方程進行調整。

1.3 用逐步回歸法對模型進行調整

用糧食總產量（Y）分別對指標X1、X2、X3、X4、X5、X6、X7作一元線性回歸（表2）。

由表2可以看出，貴州省糧食生產受糧食播種面積影響最大，與實際調研結果相符，故選Y=F（X1）的表達式作為以下研究的基本回歸模型。之后把其他指標依次引入到基本回歸模型中，通過逐步回歸，進一步尋找一個單線性且各指標系數經濟意義均合理的回歸方程。

逐步回歸步驟如下[6]：

①把X2引入模型，用Y對X1、X2做回歸分析，得Y=F（X1，X2）；

②再把X3引入模型，用Y對X1、X2、X3做回歸分析，得Y=F（X1，X2，X3）；

③去掉X3，引入X4，用Y對X1、X2、X4做回歸分析，得Y=F（X1，X2，X4）；

④引入X5，然后再用Y對X1、X2、X4、X5做回歸分析，得Y=F（X1，X2，X4，X5）；

⑤之后再引入X6，用Y對X1、X2、X4、X5、X6做回歸分析，得Y=F（X1，X2，X4，X5，X6）；

⑥最后引入X7，再用Y對X1、X2、X4、X5、X6、X7做回歸分析，得到最終的回歸方程Y=F（X1，X2，X4，X5，X6，X7）。

由表3可以看出，引入X2后，擬合優度有所提高，X2的參數符號經濟意義合理，且變量均通過了t檢驗；引入X3后，R2值從0.898 7提升到0.925 5，說明擬合優度得到進一步提高，但X3的參數符號經濟意義不合理，且未能通過t檢驗；去掉X3引入X4后，擬合優度再次提高，且X4參數符號經濟意義合理，各變量也都通過了t檢驗；之后依次引入X5、X6、X7，擬合優度繼續提升，從0.954 0提高到0.988 2，這3個指標的參數符號的經濟意義也都合理，但X5、X6未通過t檢驗，而X7順利通過了t檢驗。據此得到的較為合理的回歸模型應該為：

Y=-5 247 300.15+5.44X1+0.82X2+4.12X4-5.16X7

1.4 序列相關性檢驗和異方差性檢驗

對回歸方程Y=-5 247 300.15+5.44X1+0.82X2+4.12X4-5.16X7 進行序列相關性檢驗：

t統計量為：{-11.95} {6.43} {8.45} {3.57} {6.22}

R2=0.988 2， F=223.17， D.W=1.79

D.W檢驗表明，n=20，k=5時，在5%的顯著性水平下，有dk=1.52，因為D.W=1.79>dk，證明該回歸模型各變量間不存在一階自相關性。

之后采用懷特檢驗法[7]（White test）對該模型進行異方差性檢驗，模型估計結果見表4。

由表4可得，在5%的顯著性水平下，有nR2= 11.07>χ20.05（4）=9.49，因此存在著異方差性。為了克服這種異方差性帶來的問題，運用WLS對以上回歸模型參數進行進一步調整：

Y=-7 136 218.23+5.25X1+0.76X2+4.37X4-5.08X7

t統計量為：{-29.83} {15.23} {7.56} {25.17} {45.09}

R2=0.997 8， F=1 230.55， D.W=1.46

D.W檢驗表明，n=20，k=5時，在5%的顯著性水平下，有dk=1.52，因為D.W=1.46

Y= -7 136 218.23+5.25X1+0.76X2+4.37X4-5.08X7

圖1是根據擬合方程計算的貴州省1993—2012年糧食產量擬合值與實際值二者對照圖。

2 結果分析與預測

2.1 結果分析

結果表明，在上述選取的7個指標中，糧食播種面積X1、農業機械總動力X2、化肥施用量X4和成災面積X7等是影響貴州省糧食生產最關鍵的因素。其中，糧食種植面積X1的回歸參數為5.25，表示在影響糧食產量的其他條件不變的情況下，糧食播種面積每增加1萬hm2，糧食總產量就會增加5.25萬t；農業機械總動力X2的回歸參數為0.76，表示農業機械總動力每提升1%，就會引起糧食總產量增加0.76倍；化肥施用量X4的回歸參數為4.37，表示化肥施用量每增加1萬t，就會使糧食總產量增加4.37萬t；而成災面積X7的回歸參數為-5.08，說明成災面積與糧食產量之間存在著負相關關系，成災面積每減少1萬hm2，就會促使糧食產量增加5.08萬t。由圖1貴州省糧食總產實際值與模型擬合值的對比曲線圖可以看出擬合值與實際值具有高度的擬合優度，最大擬合誤差僅5.5%。

1）在該回歸模型中，農業從業人員（X3）即農業勞動力被排除在了模型之外，之所以會這樣，是因為目前貴州省農村中存在著大量的未轉移或者待轉移的剩余勞動力，導致勞動的邊際生產率很低，甚至為零[8]。另一方面，由于勞動與土地、資本等其他生產要素之間存在著替代效應，因此在目前貴州省糧食耕種面積有限、農業資金匱乏的條件下，農民必會繼續投入勞動，直至勞動的邊際收益為零。此外，根據Leontief生產函數Q=Min（L/M，K/N），糧食產量Q取決于L/M和K/N兩個比值中較小的那一個，即使其中的一個比例數值較大，也不會提高產量，其中，L和K分別表示糧食生產中勞動和資本的投入量，M和N分別表示固定的勞動和資本的生產技術系數，它們分別表示生產一單位產品所需要的固定的勞動投入量和資本投入量。因此，在當前貴州省農村中存在著大量剩余勞動力的情況下，糧食產量就應該由資本投入量K決定，而K又可以進一步分解為農業機械、化肥等農業生產要素，這也解釋了模型中不包含家庭農業支出（X5）和政府財政支農支出（X6）的原因。

2）由貴州省糧食產量影響因素的最終擬合回歸方程可以看出，糧食播種面積是貴州省糧食產量最大的一個影響因素，糧食播種面積每增加1萬hm2，會帶來的糧食增量高達5.25萬t，就可以多養活人口3.40萬人[9]，可見保證糧食播種面積對國計民生的重要性。貴州省是全國人均耕地占有最少的省份之一，其可用于農業開發的土地資源不多，耕地面積少、質量差，開發利用比例大，后備耕地嚴重不足，這極大地制約了糧食種植面積的擴大和整個農業經濟的發展。1993年貴州省共有水、旱耕地436.22萬hm2，總人口為3 155.23萬人，人均耕地占有量為0.138 hm2；到2012年，全省共有耕地469.85萬hm2，人口3 474.65萬人，人均占有量降低到0.135 hm2，雖然20年間人均占有量僅減少0.003 hm2，卻反映了貴州省耕地面積持續減少趨勢的進一步惡化。耕地是不可再生或者說很難再生的稀缺資源，而糧食又是耕地密集型產品，在人類尚未開發出不使用耕地就可以進行大規模糧食生產的技術之前，必須加強耕地保護，確保一定的耕種面積。

3）模型顯示，成災面積（X7）是對貴州省糧食產量影響排名第2的因素，二者之間呈負相關關系。因受農業自然災害的影響，貴州省糧食產量多年來波動較大。貴州省常發性農業自然災害有冰雹、春旱、暴雨、倒春寒和作物病蟲害等，其中寒災和旱災是對該省糧食生產影響最大的兩種自然災害。1993年，貴州省農業自然災害成災面積為56.36萬hm2，約占當年全省糧食播種面積的15%，之后的7年里，貴州省糧食成災面積逐年減少，到2000年，成災面積僅為20.54萬hm2，減少量為35.82萬hm2，降幅達63.56%，是8年里的最小值[10]。1999年以后，貴州省又經歷了兩個自然災害多發期（分別為2000—2002年和2006—2008年）和兩個自然災害少發期（分別為2003—2005年和2009—2012年），在兩個自然災害多發期內和兩個自然災害少發期內，貴州省糧食作物年均成災面積分別為56.10萬hm2和21.34萬hm2，糧食產量年均增長7.6%和15.8%，可見自然災害成災面積對貴州省糧食生產的影響程度是很大的。

4）化肥施用量（X4）對貴州省糧食產量的影響在所有因素中排名第3。貴州省糧食播種面積從1993年的286.22萬hm2增加到2012年的305.43萬hm2，增幅僅為6.7%，而化肥施用量卻從36.40萬t增加到98.2萬t，增幅高達169.78%，可見這20年里化肥施用量對貴州省糧食產量的促進作用還是相當大的，這也驗證了學術界關于“20世紀最后十年和21世紀前十年中國西部地區糧食產量增量的很大一部分來自于化學肥料的大規模施用”的結論[11]。貴州省農業化肥施用量與糧食產量的關聯度較高，對糧食產量影響也比較大，化肥在農業生產中的廣泛應用，對糧食穩產和增產都起到了比較大的作用。然而另一方面，由于受邊際效益遞減規律的影響，化肥投入在貴州省糧食生產方面的促進作用也必將逐步下降，因此一味地靠增加化肥施用量來增加糧食產量的做法并不可行，關鍵是要提高化肥的使用效率。

5）農業機械總動力（X2）是對貴州省糧食產量影響較大的又一因素。貴州省地貌屬于中國西部高原山地，素有“天無三日晴，地無三里平”之說，境內地勢西高東低，喀斯特地貌比較明顯，造成貴州山地比較多，土地比較小，并且高低不平，以至于大型農業機械在此不能使用，這也制約著貴州農業現代化的發展[12]。自上世紀90年代以來，針對貴州省特殊的農業地理條件，逐步推出了小型輕便的農機具，這使得貴州省農業機械化水平得到了很大的提高。1993—2012年，貴州省農業機械總動力從12.28萬臺提升到56.69萬臺，其中30馬力以下的中小型機械增加25.6萬臺，占到全部增加量的57.64%。尤其是2008年以后，貴州省的農業機械總動力呈現出直線型增長趨勢，農業機械總動力的提升對促進貴州省糧食產量的增加起到了至關重要的作用。

2.2 產量預測

根據以上得到的模型Y=-7 136 218.23+ 5.25X1+0.76X2+4.37X4-5.08X7可以預測2013年和2014年貴州省的糧食產量，根據2013年貴州省農委發布的有關數據和《貴州省農業經濟數據統計》（2013）等相關資料，可知該年的模型解釋變量分別為：

X1=311.84 hm2，X2=59.85萬臺，X4=97.4萬t，X7=36.92萬hm2

把以上數據都帶入模型，得到Y=1 207.11萬t。查閱資料可知，2013年貴州省實際的糧食總產量為1 030.38萬t，二者誤差較小，可見該回歸模型還是相當精確的，它完全可以用來表征貴州省的糧食生產情況。

通過對貴州省2013年糧食產量數據的實例計算，驗證了該模型的準確性。下面用該模型預測2014年貴州省的糧食產量。由于糧食播種面積在短時間內不會出現大的變動，這里姑且認為糧食播種面積相較2013年沒有出現變化，即仍為X1=311.84 hm2；由于自2008年以來貴州省的農業機械總動力增長呈現線型趨勢，年均增幅為5.57%，本研究仍以這一增速來大體估算2014年貴州省的農業機械總動力情況，估算結果為X2=63.19萬臺；在估算2014年貴州省的農業化肥施用量時，本研究取1993—2012年這20年間化肥施用量的年均增速來作為2014年相比2013年的化肥施用量增幅，由此計算得X4=107.52萬t；由于2008年以后一直到2013年貴州省農業自然災害相比以往少發，2014年也沒有出現特別嚴重的自然災害，因此可以認為2014年仍處于這個自然災害少發的局部時間段內。基于此，用2008—2013年5年間的年均受災面積作為2014年農業成災面積的估算值相對來說比較科學，這樣得到X7=33.85萬hm2。把以上各解釋變量都帶入模型，得到2014年貴州省糧食產量的預測值：

Y=-7 136 218.23+5.25×311.84+0.76×63.19+ 4.37×107.52-5.08×33.85=1 269.47（萬t）

3 政策建議

3.1 加強耕地保護，穩定糧食種植面積

2012年貴州省政府1號文件要求要保證全省糧食種植面積穩定在423.3萬hm2、糧食總產量穩定在1 150萬t左右，為此必須進一步挖掘耕地潛力。近5年來，貴州省糧食播種面積一直保持在441萬hm2至499萬hm2之間，平均為475.8萬hm2，總體糧食播種面積還算比較穩定[13]。糧食播種面積會受到諸如糧價、氣候環境、耕地數量與質量等多方面因素的影響，只有確保糧食價格穩定增加農民種糧收入，加強預測預警以減小氣候環境對播種的影響，實行嚴格的耕地保護政策減少非農建設對耕地的占用，提高耕地使用效率，才能維持可耕地紅線，糧食種植面積才會有所保障。

3.2 加快農業災害預警預報系統建設，減少災害對糧食生產的影響

要加快完善自然災害預警預報系統，最大限度地攻克突發性農業自然災害在預報方面的難關。可以考慮將地理信息系統中的遙感遙測技術引入到自然災害監測中，提高預報精度。要加快貴州省防汛抗旱領導辦公室的職能建設，對災后農業減災工作開展專業指導、對口援助，最大限度地降低糧食產量損失。另一方面，還要深化貴州省綜合防治體系建設。農業自然災害是一個復雜的系統工程，只有有的放矢、全面規劃、綜合防治，才能有效減少自然災害對糧食產量的影響。

3.3 改革現有耕地制度，進一步挖掘糧食生產潛力

目前貴州省耕地的使用存在著以下幾個問題：①省政府和各下級地方政府在耕地保護上目標不一致。省政府更注重耕地的可持續利用和全省的糧食生產與安全，地方政府更注重短期經濟效益而不太關注對耕地的保護和永續利用。②貴州全省耕地規模化經營水平很低，不利于提高糧食生產效率[14]。針對這兩個問題，必須果斷改革現有耕地制度，可考慮通過耕地有效保護和地方政府政績掛鉤來規范其非理性的供地行為；要提高土地規模經營程度，通過立法立規為其提供法律保障，以進一步挖掘糧食生產潛力，提高糧食產出效益。

3.4 加快農業科技創新，提高糧食單產

在可用耕地面積有限、糧食播種面積也不可能有大幅增加的情況下，貴州省糧食總產量的增加必須依靠提高單位面積產量。在2006—2012年6年間，貴州省糧食單產平均值為268 kg，而同期全國糧食單產平均值為312 kg，是貴州省的1.16倍，由此可以看出，貴州省糧食單位面積產量依舊很低，農業生產效率不高。要想提高糧食單產，就必須加快農業科技創新，提高糧食生產中的科技含量，具體可以考慮選育適合貴州省的優良糧食作物生長品種，提高生物技術應用能力，擴大應用范圍，研制綠色新型肥料，改善施肥結構，提高肥料使用效率等。

參考文獻：

[1] 謝 杰.中國糧食生產影響因素研究[J].經濟問題探索，2007， 9（12）：45-47.

[2] 趙慧江.影響我國西南山區糧食產量的因素分析[J].山地學報，2007，11（25）：113-116.

[3] 肖海峰.我國糧食生產的影響因素——基于柯布·道格拉斯函數的實證分析[J].中國農業資源與區劃，2005，16（45）：21-26.

[4] 高倩倩，邢秀峰，姚傳進.山東省糧食產量影響因素分析[J].江蘇農業科學，2006，25（2）：30-37.

[5] 廖婧琳，蘇 月，馮澤蔚.農業自然災害對貴州省糧食產量的影響[J].山地學報，2008，33（17）：121-126.

[6] 董梅生.基于逐步回歸模型的中國農業投入與產出的關系[J].技術經濟，2009，28（1）：37-41.

[7] 王煥春.我國農業投入對農業產出影響的實證研究[M].天津：天津大學出版社，2007.

[8] 左 亭，周志偉.農業安全視域下的糧食安全再認識[J].江蘇農業科學，2014，42（5）：1-2.

[9] 王天生，王 瑤.貴州省糧食生產發展60年回顧與展望[J].貴州農業科學，2009，37（9）：1-9.

[10] 何雯娜.貴州省主要農業自然災害對農業經濟發展的影響研究[J].農業經濟問題，2008，26（21）：67-69.

[11] 李 亮，但文紅.貴州喀斯特石漠化地區糧食安全保障的時空變化與預測[J].山地學報，2012，42（1）：218-223.

[12]李福奪.基于偏最小二乘回歸分析的貴州省糧食產量影響因素研究[J].四川師范大學學報（自然科學版），2014，12（8）：56-59.

[13] 楊 忍，任志遠.貴州省糧食安全時空格局與預測[J].山地學報，2008，26（4）：418-424.

[14] 趙子英.1978—2008年貴州省糧食產量影響因素研究[J].現代農業科技，2013，8（1）：12-16.