糧食產量影響因素的動態分析與預測

摘要：根據1984-2013年農業統計數據，利用GM（1，1）模型對2014-2023年福建省糧食產量及其影響因素進行預測。通過對1984-2013、2006-2013和2014-2023年3個階段內自然、科技、經濟及政策因素對糧食產量的影響進行分析，提出政策建議，為福建省糧食生產的持續發展和科學決策提供借鑒。結果表明，①在微觀層面，1984-2013年間糧食播種面積、農村勞動力人數和有效灌溉面積對糧食產量影響較大；2006-2013年糧食播種面積依然是影響糧食生產的關鍵因素，但化肥施用量和糧價的影響程度超過了農村勞動力人數和有效灌溉面積；2014-2023年自然災害和化肥施用量超過糧食播種面積成為關鍵因素。②在宏觀層面，1984-2013年自然條件的影響最大，其次是經濟和科技因素；2006-2013年科技因素的影響相對上升，但政策因素的影響十分微弱；2014-2023年自然和經濟因素的影響相對上升，且后者上升得更為明顯。

關鍵詞：糧食產量；影響因素；GM（1，1）；灰色關聯分析

中圖分類號：F326.11；F327 文獻標識碼：A 文章編號：0439-8114（2016）16-4349-05

DOI：10.14088/j.cnki.issn0439-8114.2016.16.069

農為邦本，糧食安全是事關國計民生的重大問題。近年來，由于人口增長、水資源短缺以及氣候與糧食格局變化，中國的糧食安全形勢日趨嚴峻。福建省作為傳統的缺糧大省，人多地少，自然災害頻發，糧食安全形勢一直非常嚴峻[1]。因此，對福建省糧食產量影響因素的研究，有助于提高糧食產量、保障糧食安全、促進福建省糧食生產的穩定發展。

長期以來，對于糧食產量影響因素的研究一直受到學界和政府的高度關注。從自然條件的角度出發，石淑芹等[2]、H？觟ppe[3]分別研究了糧食播種面積和自然災害對糧食生產的影響；從科學技術的角度出發，馮穎等[4]、張利庠等[5]分別研究了有效灌溉面積及化肥施用量對糧食生產的影響；從經濟發展的角度出發，馬林靜等[6]、韋鴻等[7]分別研究了農村勞動力人數、糧食價格及農民收入對糧食產量的影響；從政策扶持的角度出發，劉鵬凌等[8]分析了糧食補貼額度對糧食產量的影響?？梢姡瑢W者們已針對單個影響因素與糧食產量的關系做了充分研究，但隨著研究的深入，學者們更加注重研究的系統性，開始考慮多種影響因子的協同作用。杜繼豐等[9]、劉守義[10]、龍方等[11]、尹世久等[12]分別從巨型城市區域、糧食主產區、省域及全國等不同空間尺度分析了多種影響因素與糧食產量的關系?；仡櫼酝芯浚匀?、科技、經濟及政策因素與糧食產量的關系均已明確，但在多種因素協同作用于糧食產量的研究時尚未將政策因素考慮進來。同時，已有研究往往是從微觀層面切入，僅考慮糧食播種面積、有效灌溉面積等因素的影響，尚未對自然、科技、經濟及政策等宏觀層面進行分析。

關于糧食產量預測，學者們利用BP神經網絡[13]、混合時間序列[14]和灰色預測[15]等方法進行了研究，但各種方法均有利弊。為了發揮不同模型的優勢，學者們將模型進行組合與改進，如周慶元等[16]將馬爾科夫模型與灰色預測方法相結合，大幅提高了預測的精度?；仡櫼酝芯?，尚沒有對糧食產量及其影響因素的預測結果做進一步的關聯分析，從而無法對不同時期糧食產量與多種因素的關系變化進行動態分析。

鑒于此，本研究從自然、科技、經濟及政策的角度出發，對2014-2023年的糧食產量及其影響因素進行預測，對1984-2013和2014-2023年的福建省糧食產量及其影響因素進行關聯分析，研究糧食產量與多種因素的關系的動態變化，以識別不同時期影響糧食產量的關鍵因素，為相關部門的科學決策和糧食生產的穩定發展提供借鑒。

1 資料與方法

1.1 變量選取

在充分利用現有資料的基礎上，本研究對福建省糧食產量與其影響因素的關系進行定性分析，以糧食總產為因變量，從自然、科技、經濟和政策4個宏觀層面選取15個微觀因素作為自變量（表1）?？紤]到數據獲取難度，本研究以“第一產業就業人員數”、“農業生產資料價格分類指數”和“農產品生產價格指數”分別近似替代“農村勞動力人數”、“糧食生產資料價格”和“糧食價格”。

1.2 數據來源及處理

福建省糧食產量及其影響因素的數據來源于《新中國60年統計資料匯編》（1949-2008年）、《中國農村統計年鑒》（1985-2014年）、《福建省統計年鑒》（1985-2014年）。由于糧食直補、良種補貼、農機購置補貼及農資綜合補貼的分省數據無法獲取，考慮到中國大多數省份按照糧食實際播種面積來發放補貼的情況，本研究以全國的糧食補貼額度來近似計算福建省的糧食補貼額度，即福建省糧食補貼等于全國糧食補貼乘以福建省糧食播種面積占全國的比重。全國的糧食補貼數據來源于中國財政局、糧食局等政府網站。同時，考慮到福建省于2006年起全面實施農業補貼政策，所以僅將2006-2013年間政策因素對糧食產量的影響納入考慮范圍。

1.3 研究方法

1.3.1 灰色關聯分析 灰色關聯分析是灰色系統理論的一種多因素統計分析方法，用來揭示因素關系的強弱程度，操作對象是因素的時間序列。它的基本思想是根據序列曲線之間幾何形狀的相似程度來判斷其聯系是否緊密，曲線越接近，相應序列之間關聯度就越大，反之就越小[17]?？紤]到所選取的變量數值波動較大，具有可比性的數據時間序列不長，本研究選用灰色關聯分析模型進行分析，可以充分發揮其不需要大量樣本以及樣本有無規律都同樣適用的優勢。

1.3.2 GM（1，1） 灰色GM（1，1）模型通過累加生成灰色模型，濾去原始數據中可能混入的隨機量或其他噪聲，從上下波動的時間數列中尋找某種隱含規律，而不直接利用原始數據，是應用相對簡便，同時又能夠挖掘出有實際價值的發展變化信息的建模方法[17]。

2 實證分析

2.1 糧食產量及其影響因素預測

根據1984-2013年統計數據，利用灰色GM（1，1）模型對2014-2023年間福建省糧食單產進行預測，結果見表2，由表2可知，未來10年全省糧食單產呈逐年遞增趨勢，2014年的糧食單產僅有6 211.36 kg/hm2，而2023年糧食單產達到7 082.42 kg/hm2，增加了14.02%，說明近年來中國加大對良種培育、灌溉技術及基礎設施的投入明顯促進了糧食產量增長。

考慮到糧食直補、良種補貼等政策因素受人為因素主導較大，而且具有很強的剛性和粘性。同時，結合上述分析結果，4大農業補貼對糧食產量的影響極其微弱，在預測2014-2023年間糧食總產及其影響因素時，將政策因素剔除。結果（表2）表明，2014-2023年全省除了糧食總產、播種面積、農村勞動力人數、糧食生產資料價格和糧價呈現逐年遞減外，其余變量均逐年遞增。其中，播種面積、農村勞動力人數、糧食生產資料價格和糧價均向負面的方向發展，其余變量均向正面的方向發展，但全省糧食總產依然逐年降低，可見各影響因素協同作用的負面效應更大。

通過對上述預測結果進行誤差檢驗（表3），發現福建省的糧食單產適合運用灰色GM（1，1）模型進行預測。預測中的發展系數-a≤0.3，說明GM（1，1）模型可用于中長期預測。模型平均相對誤差Δ<0.1，說明預測精度達到要求。后驗差檢驗C<0.5，說明GM（1，1）模型合格，預測結果真實可靠。

2.2 糧食產量影響因素動態分析

2.2.1 1984-2013年糧食產量影響因素分析 由表4可知，1984-2013年福建省糧食總產受到糧食播種面積的影響最大，播種面積的不斷減少是導致糧食總產下降的關鍵因素。究其原因，一方面是由于近年來大量耕地轉化為工業、房產用地；另一方面是由于種糧比較效益低，農戶轉而選擇種植能夠帶來更多經濟收入的作物。

農村勞動力人數對糧食生產的影響作用僅次于播種面積，起著舉足輕重的作用。由于城鄉二元經濟結構的存在，農村年輕優質勞動力不斷流向城市，造成農村人才短缺，同時生產效率較低的留守者因能得到匯款而傾向于更多的消費閑暇，致使耕地拋荒增加，糧食產量進一步減少。自20世紀90年代以來，全省第一產業就業人數不斷減少，從1990年的829.55萬人減少至2013年的615.96萬人，總體下降了26%。

有效灌溉面積對糧食產量的影響位居第三。水利部調查表明，有灌溉條件下的農作物產量是自然條件下的1～2倍，并且越是干旱的地區，灌溉產生的增產效應越大[18]，說明灌溉條件對糧食產量具有重要影響。

此外，受災情況、糧食生產資料價格和糧價對糧食產量的影響也不容小覷，而化肥施用量、機械總動力、農村用電量等因素的影響較小。

從宏觀層面看，1984-2013年糧食產量受自然條件的影響最大，其次是經濟因素，而科技因素的影響最小。

2.2.2 2006-2013年糧食產量影響因素分析 由表4可知，2006-2013年糧食播種面積依舊是影響全省糧食產量的關鍵因素，但與1984-2013年不同的是，化肥施用量和糧價的影響程度超過了農村勞動力人數和有效灌溉面積，分別位居第二、第三，說明近年來農用化肥的施用量不斷加大，農戶力圖通過科技因素改善農業生產條件，但考慮到化肥對耕地質量、生態環境的影響以及節約化石能源等的原因，應該盡量減少其投入，鼓勵農戶采用更為環保的生產方式來促進糧食生產。同時，由于近年來糧食價格的上漲在一定程度上提高了農民的種糧積極性，促進了全省糧食生產。此外，農村勞動力人數、有效灌溉面積和糧食生產資料價格依舊對糧食產量具有重要影響，而未成災比重和未受災比重的影響程度均有所降低，說明近年來自然災害對全省糧食產量的影響逐漸下降。

從宏觀層面看，自然和經濟因素的影響程度均有所下降，科技因素的影響相對上升，使得該階段自然、科技、經濟因素的影響大致相同，而糧食直補、良種補貼等政策因素雖然對糧食產量具有一定的影響，但影響程度十分微弱。

2.2.3 2014-2023年糧食產量影響因素分析 在糧食產量及其影響因素預測的基礎上，再次進行關聯分析，進而探討不同時期糧食產量影響因素的動態變化。表4表明，2014-2023年農村勞動力人數超過糧食播種面積成為關鍵因素，說明隨著城市化的不斷推進，農村優質勞動力的不斷流失將成為阻礙全省糧食生產的最大阻力。同時，播種面積對于糧食生產依舊存在很強的制約作用，而糧食及其生產資料價格、有效灌溉面積也將對糧食產量產生重要影響。

從宏觀層面看，相比2006-2013年，未來10年化肥施用量、機械總動力、用電量等科技因素對糧食產量的影響相對降低，而受災情況等自然條件和農村勞動力人數、糧食及其生產資料價格等經濟因素對糧食產量的影響均相對上升，并且經濟因素對糧食產量的影響上升得更為明顯。

3 結論

1）2014-2023年福建省糧食單產呈逐年遞增趨勢，可能是由于近年來農水基礎設施建設以及良種培育和灌溉技術進步等促進了糧食生產。此外，糧食總產、播種面積、農村勞動力人數、糧食及其生產資料價格均逐年遞減，而其余變量逐年遞增。其中，除了播種面積、農村勞動力人數、糧食生產資料價格和糧價向負面方向發展外，其余變量均向正面方向發展，但全省糧食總產依然逐年遞減，可見未來10年糧食產量影響因素協同作用的正面效應大于負面效應。

2）從微觀層面看，1984-2013年對福建省糧食總產影響最大的關鍵因素是糧食播種面積，其次是農村勞動力人數和有效灌溉面積。同時，糧食及其生產資料價格以及自然災害對糧食生產的影響也不容小覷，而化肥施用量、機械總動力、用電量和固定資產投資等因素對糧食產量的影響較小；2006-2013年糧食播種面積仍然是影響最大的關鍵因素，但化肥施用量和糧價的影響超過了農村勞動力人數和灌溉技術水平，分別位居第二、第三，而有效灌溉面積、糧食生產資料價格、農村勞動力人數和自然災害依舊對糧食產量具有重要影響；2014-2023年自然災害和化肥施用量的影響程度超過糧食播種面積成為關鍵因素，而農村勞動力人數、糧食及其生產資料價格和有效灌溉面積依然對糧食產量具有重要影響。

3）從宏觀層面看，1984-2013年自然條件對糧食產量的影響最大，其次是經濟和科技因素；2006-2013年科技因素對糧食產量的影響程度相對上升，使得該階段自然、科技、經濟因素的影響大致相同，但政策因素的影響十分微弱；2014-2023年自然和經濟因素的影響程度相對上升，且經濟因素的影響程度上升得更為明顯。

4 政策建議

1）糧食播種面積對于穩定福建省糧食產量具有極其重要的意義，應該在嚴格實行耕地保護制度、提高土地執法監察力度的同時，積極調動農戶的種糧積極性，切實保護基本耕地面積，特別是優質高產的農田。

2）在未來福建省農村勞動力流動趨勢逐步增強的背景下，應該引導農村勞動力合理流轉，加快農業技術進步，改善農業生產投入要素結構，促進糧食生產，提高農民收入，進而縮小城鄉收入差距，從根本上消除農村勞動力外流的動因。

3）為確保農業生產的有效灌溉面積，應該加大農田水利基礎設施投入，促進節水灌溉技術進步，提高水資源利用率，實現糧食生產的可持續發展。

4）雖然近年來福建省糧價持續上漲，但糧食生產成本也不斷提高，導致種糧收入提高有限，“拋荒現象”仍可能持續存在，應該推行更加有效的價格支持和糧食補貼制度，同時積極探索實施新型農業補貼政策，加大市場機制在推動糧食增產與農戶增收方面發揮的作用，促進糧食產量穩定增長。

5）面對化肥施加過量、有機肥投入不足的現狀，應該引導農戶科學、合理地施加肥料，提高化肥使用效率，進而解決化肥過量投入導致的土壤板結、有機結構惡化等問題。此外，也可以效仿歐美國家的輪耕或休耕等耕作制度以改善土壤條件。

參考文獻：

[1] 張 星，陳 惠，吳菊薪.氣象災害影響福建糧食生產安全的機理分析[J].自然災害學報，2008，17（2）：150-155.

[2] 石淑芹，陳佑啟，姚艷敏，等.耕地變化對糧食生產能力的影響評價——以吉林中西部地區為例[J].資源科學，2007，29（5）：143-149.

[3] H？魻PPE P. Scientific and economic rationale for weather risk insurance for agriculture[A]. SIVAKUMAR M V K，MOTHA R P. Managing Weather and Climate Risks in Agriculture[C].Heidelberg： Springer Berlin，2007.367-375.

[4] 馮 穎，姚順波，郭亞軍.基于面板數據的有效灌溉對中國糧食單產的影響[J].資源科學，2012，34（9）：1734-1740.

[5] 張利庠，彭 輝，靳興初.不同階段化肥施用量對我國糧食產量的影響分析——基于1952-2006年30個省份的面板數據[J].農業技術經濟，2008（4）：85-94.

[6] 馬林靜，歐陽金瓊，王雅鵬.農村勞動力人數資源變遷對糧食生產效率影響研究[J].中國人口·資源與環境，2014，24（9）：103-109.

[7] 韋 鴻，王 磊.糧食價格、農民收入對糧食產量影響分析——基于VEC模型的實證[J].農業技術經濟，2011（6）：76-80.

[8] 劉鵬凌，李 乾，欒敬東.糧食補貼政策對糧食產量的影響——基于改進的灰色關聯度分析[J].農業經濟與管理，2015（1）：40-45.

[9] 杜繼豐，袁中友.巨型城市區域糧食生產影響因素的區域特殊性分析——以珠三角為例[J].農業經濟問題，2014，35（5）：14-20.

[10] 劉守義.我國糧食主產區糧食產量波動及增長影響因素分析[J].江西社會科學，2014（8）：96-100.

[11] 龍 方，楊重玉，彭澧麗.糧食生產波動影響因素的實證分析——以湖南省為例[J].農業技術經濟，2010（9）：97-104.

[12] 尹世久，吳林海，張 勇.我國糧食產量波動影響因素的經驗分析[J].系統工程理論與實踐，2009，29（10）：28-34.

[13] 王啟平.BP神經網絡在我國糧食產量預測中的應用[J].預測，2002，21（3）：79-80.

[14] 王惠婷.基于混合時間序列模型的糧食產量預測[J].統計與決策，2013（12）：23-25.

[15] 龔 波，肖國安，張四梅.基于灰色系統理論的湖南糧食產量預測研究[J].湖南科技大學學報（社會科學版），2012，15（5）：62-65.

[16] 周慶元.基于灰色馬爾可夫模型的糧食產量預測方法[J].統計與決策，2012（17）：64-66.

[17] 劉思峰，謝乃明.灰色系統理論及其應用（第6版）[M].北京：科學出版社，2013.48-56.

[18] 高占義.中國的灌溉發展及其作用[J].水利經濟，2006，24（1）：36-39.