中國糧食生產效率及影響因素分析*
——基于DEA-Tobit兩步法研究

田紅宇，祝志勇

(1.三峽大學經濟與管理學院，湖北宜昌 443000； 2.西南大學經濟管理學院，重慶北碚 400715)

0 引言

改革開放以來，我國糧食生產取得了驕人成績， 20世紀90年代中后期我國糧食總供給實現了由長期短缺到總量基本均衡、豐年有余的歷史性轉變[1]，糧食總產量由2004年的4.694 695億t增加到2015年的6.214 35億t。但是，由于資源環境雙重約束、市場環境變化、比較收益持續走低，為糧食生產帶來了更加嚴峻的挑戰。2016年“供給側改革”成為國家經濟改革的重要戰略方向，對于糧食生產來說“供給側改革”不僅在于產量增長及結構性調整和優化，更重要的是糧食生產效率的進一步提升。

本質上來說，糧食增產的動力來源無外乎兩點：一是投入要素增加，二是生產要素使用效率、配置效率的提升。葉興慶[2]、楊錦英等[3]研究指出中國糧食增產主要源于要素投入增加，比如，氮肥和淡水資源消耗分別占世界總數的約35%、70%； 單位面積化肥施用量是FAO規定上限的2倍，農藥使用是世界平均水平的2.5倍。數據顯示， 2004—2014年農業機械總動力、農用化肥施用量、農業薄膜使用量、農藥使用量分別增長了68.76%、37.5%、52.4%、38.1%，均高于同期糧食產量增長率29.3%。可見，生產要素高投入是我國近來糧食增產的核心，那么高投入、高消耗的增產模式還有存在空間嗎？我國糧食生產效率如何，受哪些因素影響？在糧食生產面臨新挑戰和新形勢下，未來糧食增產受到資源與環境的雙重約束，如何在有限資源情況下提升資源、要素使用效率和配置效率進而提升糧食生產效率是糧食持續、穩定增產的根本出路。

效率的提升來自于技術進步、要素配置優化、經營管理改善等各個層面，反映的是全要素生產效率改善。Solow最早把生產函數中不能被解釋變量解釋的部分定義為技術進步剩余(“索羅剩余”)，他定義為全要素生產率(TFP)。隨著數據包絡分析(DEA)技術發展，越來越多的學者開始探索和測度農業生產效率，Bardhan[4]、Chavas et al[5]較早運用DEA對印度和哥倫比亞農業生產的TFP進行系統測度和評價。James Odeck[6]基于隨機前沿生產函數和DEA技術對挪威10個年度的TFP進行測算，并運用Malmquist生產率指數法對TFP進行分解。Alene和Hassan[7]基于埃塞俄比亞數據對比糧食生產效率測度的傳統方法和現代分析技術，發現現代分析技術在測算糧食生產效率上具有優勢。Muhammad 和Amin[8]對巴基斯坦棉花生產效率進行系統測算和分解，發現節水技術發展可以改善棉花生產效率。

國內學者也開始運用數據包絡分析(DEA)來對我國農業生產效率進行測算和評價[9-12]。糧食生產效率是學界關注的重點，張忠明、錢文榮[13]基于基于規模效率不變的DEA方法測算了我國糧食生產效率，并發現農戶土地經營規模與糧食生產效率間不是簡單的線性關系而是呈“U”型曲線規律。王千、金曉斌[14]運用Malmquist-DEA方法，對河北省138個縣糧食生產的全要素生產率(Malmquist效率)進行了測算和分解，指出糧食生產效率提升依賴于農業科技、農民收入、土地整理等提高。楊錦英和韓曉娜等[3]、成德寧和楊敏[15]也進行了類似的研究。部分學者關注糧食生產效率提升受哪些因素影響。曾福生、高鳴[16]基于SBM-Tobit模型和兩步法進行研究，發現化肥施用量、有效灌溉面積和糧食播種面積對糧食生產效率具有顯著影響。姚增福和劉欣、肖蕓和趙敏娟、姚增福和劉欣、章樂和鄭循剛也進行了類似的研究[17-20]。

已有文獻對于我國糧食生產效率的研究對于正確識別我國糧食生產現狀具有重要意義。但是還存有不足：一是多數研究沒有考慮到糧食生產的動態變化，多從靜態角度評價和測度糧食生產效率； 二是對糧食生產效率因素的研究中，多采用OLS等方法，沒有考慮到效率指標的截尾特征，可能會導致計量結果偏誤。鑒于此，文章采用動態視角的Malmquist-DEA模型對2004—2016年糧食總體效率及其動態特征進行綜合測度和分解，并考慮因變量截尾的Tobit隨機效應模型對影響糧食生產效率的影響因素進行解讀。

1 我國糧食生產效率測度及分解

1.1 測算方法

效率測度使用較多的是參數法和非參數法，參數法對于函數形式、誤差項要求同方差、正態分布，即對數據的質量要求過于嚴苛[21]。非參數法主要借助數據包絡分析(DEA)，且能避免參數法中的缺陷。Fare提出的基于DEA的Malmquist指數法，構造每個時期生產的最優生產前沿面，測算TFP不同時期的演化，且TFP能分解為技術進步(Technological Progress，TECH)、技術效率(Technical Efficiency Change，EFFCH)。其中EFFCH還可以繼續分解為純技術效率(PECH)與規模效率(SECH)。另外，DEA方法能夠處理多投入、多產出的生產系統的效率測算，更加符合生產現實。所以，該文選擇DEA-Malmquist方法來測算中國的糧食生產效率。

1.2 投入產出指標及數據說明

產出指標：該文選擇從產量和價值兩個角度表征糧食產出。產量角度即為各省市每年糧食生產總產量； 價值角度該文用農業GDP中近似分離出來的糧食占比來表示，具體構建的權重指標對農業中的糧食GDP貢獻進行分離，即糧食價值等于農業GDP乘以權重A近似表示。權重如下：

A=(農業總產值/農林牧漁產業總產值)*(糧食播種面積/農作物總播種面積)

B=糧食播種面積/農作物總播種面積

投入指標：參照文獻常用做法，選擇土地、勞動力和資本性3個層面的要素。(1)土地要素，用各省市糧食播種面積來表示； (2)勞動力要素，用農林牧漁從業人員表示； (3)資本性要素，該文選擇從化肥施用和農業機械使用兩個角度代替資本性投入，分別用各省市化肥施用量折純數和農業生產機械總動力表示。

由于細分糧食生產投入、產出數據統計的缺失，為了保證糧食投入產出數據統計口徑一致，該文借鑒已有文獻做法用權重指標對農業投入、產出要素進行分離。具體做法是：權重A=(農業總產值/農林牧漁產業總產值)×(糧食播種面積/農作物總播種面積)；權重B=糧食播種面積/農作物總播種面積。其中，產出指標中的糧食價值為農業GDP用權重A進行分離；投入指標中的勞動力要素用權重A、資本性要素用權重B分別進行分離。后文中，對影響糧食生產效率的因素，也采用這一權重分離法進行計算，這樣保證指標選擇的口徑一致性。數據主要來源于《中國農村統計年鑒》《中國統計年鑒》和國家統計局網站數據庫。

3.社會主義文化建設繁榮發展。從20世紀90年代開始，廣州依托經濟的快速發展和可支配財力的快速增長，注重加大對文化基礎設施建設的投入力度。1996—2000年，先后建成了星海音樂廳、廣州藝術博物院、紅線女藝術中心、廣州芭蕾舞團團址、廣州藝術學校、廣州報業集團印務中心、廣州電視臺新址、廣州電視臺新聞中心、番禺博物館等標志性文化工程，推動文化設施建設“從娛樂型向享受型發展，從基本的普及型向塑造城市形象的方向轉變”[4]29，為廣州文化新發展奠定了堅實的基礎。

1.3 糧食生產效率測度、分解及時空差異特征

1.3.1 總體效率測度與分解及地域差異對比

表1為2004—2016年間我國31省市糧食生產效率及其分解指標的總體均值結果，當效率值大于1表明效率呈逐步改進趨勢，效率值小于1說明效率有下滑的趨勢。

全國層面， 2004—2016年間不僅糧食產量逐年增加，糧食生產效率亦呈不斷改進的趨勢，技術進步(TECH)、技術效率(EFFCH)和曼奎斯特指數(TFP)整體上均大于1，說明樣本期內我國糧食生產總體達到了DEA有效，技術進步和生產率指數年均增長幅度年均約1.7%。從全國糧食生產效率指數的分解結果來看，技術進步明顯高于技術效率值。這說明樣本期內我國糧食生產效率的改進主要源于技術進步這一“單引擎”驅動。這與當前糧食生產現實相吻合，我國糧食連連增產主要依靠良種研發、化學性要素投入增加所帶來的糧食單產提高，而投入要素的配置效率并未得到有效改善，進而限制了綜合技術效率的提升。

表1 2004—2016年全國31省市糧食生產TFP及分解

決策單元技術效率技術進步Malmquist-生產率指數決策單元技術效率技術進步Malmquist-生產率指數北京1.0021.0091.012湖北0.9951.0131.008天津0.9891.0211.010湖南0.9971.0191.016河北1.0121.0201.033廣東1.0031.0071.011山西1.0031.0201.024廣西1.0011.0111.013內蒙1.0001.0441.044海南0.9841.0221.006遼寧1.0001.0271.027重慶0.9841.0050.989吉林1.0151.0041.020四川1.0051.0341.040黑龍江1.0171.0331.051貴州0.9891.0120.999上海1.0001.0021.002云南0.9811.0301.011江蘇1.0011.0211.023西藏0.9961.0131.009浙江1.0071.0101.018陜西1.0001.0231.024安徽1.0001.0171.018甘肅1.0061.0171.024福建0.9971.0091.006青海1.0061.0091.016江西1.0011.0191.021寧夏1.0081.0191.028山東1.0001.0101.011新疆0.9911.0121.003河南1.0041.0131.018全國1.0001.0171.017 注:表1計算是基于DEAP軟件中產出導向(OUTPUT ORIENTATED),限于版面純技術效率、規模效率結果未呈現; 計算是在規模報酬不變模型(CRS)下進行,是因為在實際生產率測算時假定規模報酬不變更加接近實際情況[22]

在分省市層面，除了重慶、貴州兩省市的TFP未達到DEA有效，其余各省均實現了DEA有效。從分解指標來看，所有省市的技術進步(TECH)均在1以上，說明各省市糧食生產技術基本處于不斷進步之中； 技術效率(EFFCH)層面，天津、福建、海南、重慶等10個省市未達到DEA有效，表現出逐年下滑態勢，其余21個省市均達到了DEA有效狀態。而且，分解指標中，基本上所有省市技術進步值大于其技術效率值，這進一步反映出我國糧食增產主要得益于技術進步這一“單引擎”，而技術效率普遍偏低，這也說明轉變我國糧食生產高投入、高消耗、低質量的“粗放式”經營任重而道遠。

中國各省市間由于資源稟賦以及糧食生產重要性差異，不同區域糧食生產效率隊全國整體糧食生產的影響和作用也不一致。以糧食功能定位、生產比重[注]農業農村部和國家糧食局根據糧食產量、播種面積和提供商品糧貢獻將全國31省市劃分為3個功能區，其中將糧食產量占全國糧食產量比重大于3.5%的13個省市劃定為主產區； 將糧食產量和糧食消費量大致相等的省市劃定為產銷平衡區； 將糧食消費量大于產量(糧食自給率小于0)的地區劃分為主銷區將31省市劃分為糧食主產區、主銷區和產銷平衡區[注]糧食主產區13個：黑龍江、吉林、遼寧、內蒙古、河北、河南、山東、江蘇、安徽、江西、湖北、湖南、四川； 糧食主銷區6個：北京、天津、上海、浙江、福建、廣東； 糧食產銷平衡區9個：廣西、甘肅、寧夏、貴州、山西、青海、云南、新疆、陜西。糧食區域劃分由1994年國務院《國務院關于深化糧食購銷體制改革的告訴》完成， 2001年重新調整把浙江劃入主銷區，分別計算各區域的算術平均值，結果如表2所示。3個糧食功能區TFP均達到DEA有效，且主產區最高、產銷平衡區次之、主銷區最低，技術進步亦類似； 技術效率指標中，只有主產區達到了DEA有效，且年均增速較小，約為0.4%，其余兩個功能區未達到有效水平。總體來說，糧食主產區糧食生產效率要優于其他兩個功能區，這對占中國85%以上糧食產量的主產區來說意義重大。另外，3個功能區均表現出技術進步值明顯高于技術效率值，這進一步驗證了上述結論，中國糧食增產期間主要依靠技術進步而非技術效率改進。

表2 2004—2016年三大糧食生產區域TFP及分解

地區技術效率技術進步純技術效率規模效率Malmquist-生產率指數EFFCHTECHPECHSECHTFP糧食主產區1.0041.0201.0001.0041.024糧食產銷平衡區0.9971.0150.9971.0001.012糧食主銷區0.9981.0100.9981.0001.008

1.3.2 糧食生產效率時間動態特征

圖1為糧食生產效率動態變化，除了2008—2009年度因為受到金融危機影響糧食TFP出現滑坡以外，其余年份糧食TFP均達到DEA有效，這說明樣本期內中國糧食生產效率呈不斷改進趨勢。而且，動態變化趨勢也顯示，各年份技術進步總體要優于技術效率，進一步說明了中國糧食生產技術效率不高、要素配置不合理的現實困境。

圖1數據根據作者測算得出，由于Malmquist-DEA方法測算出的動態效率指標是跨年度結果，所以年份為連續年份跨度來呈現。

圖1 2004—2016年糧食生產效率動態變動趨勢

2 影響糧食生產效率的因素

2.1 研究方法和模型

因變量是文中基于Malmquist-DEA方法測算出來的糧食生產效率，嚴格介于0～2之間，也即因變量是受限制的(Limited Dependent Variable)，具有明顯的斷尾特征。對于這類模型的回歸，如果運用最小二乘法(OLS)，也即混合面板回歸，會導致估計結果有偏和非有效。Tobin指出運用最大似然估計(MLE)方法，可以改善回歸結果的有效性和穩健性，即面板Tobit模型。面板Tobit回歸也分為固定效應(FE)和隨機效應(RE)。陳強[23]指出，對于固定效應的面板Tobit模型，由于找不到個體異質性υi的充分統計量，所以無法像固定效應的Logit或計數模型那樣進行條件最大似然估計[注]混合回歸中，加入個體或截面的虛擬變量，以控制個體效應，也即是固定效應模型(FE)，類似于虛擬變量最小二乘法(LSDV)回歸，只有隨機效應模型估計才是有效的。

其模型一般形式為：

Yit=α+βkXit+υi+εit，υi|Xit，cit∈Normal(0，σ2)

(1)

ωit=min(Yit，cit)

(2)

式(1)～(2)中，υi是模型中存在的個體效應，εit為服從正態分布的隨機誤差項，ωit、cit分別是密度函數和設定的截取值。最終回歸模型設定如下：

Yit=β1lnGDit+β2lnLDit+β3lnZBit+β4lnCPIit+β5lnHFit+β6lnJXit+β7lnGGit+β8Dum1+β9Dum2+εit

(3)

為了檢定不同糧食生產功能區的差異，該文在模型中加入了地區虛擬變量，糧食主產區虛擬變量(Dum1)和產銷平衡區虛擬變量(Dum2)。參照曾福生等[16]做法，為了防止數據波動和單位不統一對估計結果產生影響，對該文糧食生產投入要素解釋變量進行對數化處理。參照主流文獻和糧食生產現實，該文選擇如下變量作為影響糧食生產效率的因素進行檢驗：土地要素(lnGD)，用糧食播種面積表示； 勞動力投入(lnLD)，用農林牧漁從業人員表示； 資本投入(lnZB)，用農業生產性固定資產規模表示； 政策要素(lnCPI)，用農產品價格指數來表示，糧食價格對于支農政策是高度敏感的，所以選擇價格作為政策的替代變量； 化肥施用量(lnHF)，用農業化肥施用量表示； 農用機械總動力(lnJX)，用農業機械總動力表示； 灌溉條件(lnGG)，用農業有效灌溉面積表示。為了減輕變量選擇偏差導致的回歸偏誤，要保證影響因素的統計和糧食統計口徑保持一致，同樣用上文的權重分離思路盡量保證統計口徑一致，具體是lnLD、lnZB用權重A分離，lnHF、lnJX、lnGG用權重B分離。

2.2 回歸結果及分析

由于面板Tobit模型估計時隨機效應才是有效的，不能反映個體和時期差異，所以在模型回歸時對年份、省份以虛擬變量的形式進行控制以減少其對估計結果的干擾。為比較回歸結果的穩定性，模型回歸分兩步進行：一是把所有解釋變量納入模型進行回歸； 二是剔除虛擬變量后進行回歸。具體回歸結果見表3，總體來看系數估計不存在系統性偏差，說明回歸結果是穩健的。Wald檢驗、對數似然值檢驗均通過了1%顯著性水平，說明模型設定合理、結果可信。該文選擇以Malmquist-生產率指數(TFP)、技術進步(TECH)和技術效率(EFFCH)為因變量來進行回歸，用以反映不同的影響因素對糧食生產效率及其分解值的影響的差異。

在TFP為因變量的模型中，lnHF、lnJX、lnGG、lnCPI均顯著為正，且通過了1%顯著性水平，這說明化肥投入、農業機械使用、灌溉技術和水平提升、農產品價格均對糧食生產TFP具有顯著的正向促進作用，其系數估計值分別為0.015、0.008、0.002、0.246，表明這些投入要素和影響因素每增加1%，會相應的促進糧食TFP增加0.015%、0.008%、0.002%、0.246%。可見，化肥、機械、灌溉、糧食價格是促使糧食生產效率提升的主要因素，且作用強度排序為價格>化肥>農業機械>灌溉。虛擬變量中，糧食主產區變量高度顯著為正，而產銷平衡區變量顯著為負，這說明糧食不同生產功能區具有明顯的差異，由于糧食生產資源稟賦和生產重要性差異，導致各功能區糧食生產TFP及其影響因素存在空間異質性特征。

表3 面板Tobit隨機效應回歸結果

變量TFP為因變量TECH為因變量EFFCH為因變量模型(1)模型(2)模型(3)模型(4)模型(5)模型(6)lnHF0.015???(0.003)0.014???(0.008)0.013??(0.017)0.011??(0.012)0.014(0.106)0.008(0.431)lnJX0.008???(0.000)0.004???(0.007)0.016?(0.081)0.013??(0.023)0.009??(0.019)0.011??(0.048)lnGG0.002???(0.005)0.001???(0.001)0.012?(0.095)0.014?(0.093)0.014??(0.017)0.012?(0.059)lnGD-0.019(0.145)0.003(0.842)-0.006(0.404)0.009(0.322)-0.013(0.219)-0.005(0.659)lnLD-0.001(0.935)0.001(0.934)0.004(0.624)0.005(0.467)-0.002(0.744)-0.004(0.702)lnZB0.002(0.856)-0.001(0.907)-0.001(0.847)-0.005(0.501)0.002(0.763)0.003(0.800)lnCPI0.246???(0.000)0.226???(0.000)0.233???(0.000)0.219???(0.000)0.227???(0.000)0.220???(0.000)Dum10.040??(0.024)0.030??(0.010)0.012(0.378)Dum2-0.037???(0.007)-0.027???(0.001)-0.010(0.352)時期控制否是否是否是省份控制否是否是否是對數似然值438.549443.849559.657564.687484.584495.257Wald檢驗概率P0.000 00.000 00.000 00.000 00.000 00.000 0 注:括號中為系數估計t檢驗概率P值,“???、??、?”表示1%、5%、10%顯著水平顯著

在TECH和EFFCH為因變量的模型中：lnHF在技術進步(TECH)中顯著為正，在技術效率中(EFFCH)不顯著，說明化肥等化學性要素投入能夠提升糧食生產的技術水平，但是無法提升其技術效率，即化學投入要素增加并不是以提升要素配置效率為目的的，雖然能提升技術水平來增加單產，但是要素配置效率沒得到改進，農業污染可能會隨之增加，這與當前糧食生產現實是相符的，我國糧食增產的實現主要依靠要素高投入、高消耗、高污染為代價來實現，也進一步說明到2020年要實現化肥、農藥投入零增長的戰略目標是非常及時和重要的。lnJX、lnGG、lnCPI對技術進步(TECH)和技術效率(EFFCH)均具有顯著的正向促進作用，這說明農業機械化發展、灌溉水平、農產品價格不僅能顯著提升糧食生產的技術進步，而且能有效通過優化配置投入要素來改進技術效率。不同糧食功能區虛擬變量在TECH中與TFP結果一致，但在EFFCH中不顯著，這主要是因為當前我國各個糧食生產區域技術效率普遍不高、要素配置類似所致。

其他因素中，糧食播種面積(lnGD)、農業勞動力(lnLD)、資本投入(lnZB)在3個糧食生產效率指標(TFP、TECH、EFFCH)模型回歸中均不顯著，均未能通過10%顯著水平檢驗，這說明耕地資源、勞動力要素和資本投入對糧食生產效率影響均不明顯。主要是因為，耕地資源剛性約束，通過增加糧食播種面積來提升糧食生產效率已不現實，“粗放”的擴大糧食生產面積來增產和提高效率已不符合我國現實“糧情”； 雖然城鎮化轉移了大量勞動力，農村勞動力剩余情況依舊嚴重，勞動生產率偏低，農村勞動力流出反而有利于； 糧食生產效率提升，有學者估計和預測2011—2016年農村剩余勞動力年均都在1000萬以上[24]； 糧食生產低收益、低經濟增長貢獻、低稅收(非稅特征)貢獻和高投入、高風險等“弱勢”特征，導致農民自身資本投入積極性不高，地方政府對糧食生產支持的意愿不足，加之農民收入水平低、增速慢也一定程度上制約了其進行農業投資，資本投入對糧食生產及其效率作用有限。

3 結論及政策含義

3.1 研究結論

(1)2004—2016年間我國糧食生產效率總體呈不斷上升的趨勢，區域差異明顯。其中，TFP和TECH年均增加約1.7%，但是技術效率(EFFCH)普遍不高； TFP和TECH指標在全國層面、省市層面和動態變化層面均表現出明顯的“同步性”，說明糧食TFP改進主要源于技術進步，糧食生產及效率變化主要源于技術進步“單引擎”驅動。分區域來看，糧食生產TFP效率及其分解指標顯示，糧食主產區最高、產銷平衡區次之、主銷區最低。

(2)化肥施用、農業機械、灌溉水平和農產品價格對糧食生產效率均具有顯著的正向促進效應，其中化肥施用對技術效率作用不顯著，作用強度表現為農產品價格>化肥施用>農業機械>灌溉面積。耕地資源、農業勞動力和資本投入對糧食生產效率作用不明顯，糧食功能區虛擬變量顯著(主產區為正、產銷平衡區為負)，表明糧食生產效率及其影響因素具有明顯的區域異質性特征。

3.2 政策含義

根據研究結論得到如下政策含義：(1)在加快推進農業現代化進程中，不僅要大力推進農業技術進步，更為關鍵的是要努力提升農業技術效率，通過優化糧食生產投入要素配置結構、提高投入要素使用效率來推動糧食生產前沿面整體前移，進而提升糧食生產技術效率。傳統的以要素高投入、高消耗和高污染為代價的“單引擎”糧食增產模式，已經不再合適資源和環境剛性約束現實“糧情”，只有通過不斷提高技術效率，才能扭轉以“量”為主的粗放型增產模式，進而向以“質”為主的現代化、綠色化方向發展，逐步實現糧食“增產、增效、增綠”多元化目標[25]； (2)緊扣“穩糧增收調結構，提質增效轉方式”發展理念，確實采取措施保證在2020年實現化肥使用零增長的目標，以農業機械、灌溉技術、良種研發等為依托推動糧食生產技術水平，要在高標準農田建設戰略契機中，逐步轉變農業技術進步方式，來保證糧食生產穩產、提質、增效能夠持續健康發展； (3)在糧食最低收購價政策執行中，要逐步健全糧食價格形成機制，以市場需求為核心、以糧價為導向逐步引導糧食供給結構調整和農戶種植結構調整，進而發揮糧食價格在提升糧食生產效率中的積極作用。

與此同時，由于自然資源稟賦等差異，不同糧食生產區域糧食生產效率差異明顯，這也要求在促進糧食生產效率時不能“一刀切”，要注意政策的針對性、靈活性和有效性，做到因地施策。具體為：在糧食主產區，機械化水平、良種等技術進步水平較高，加之承擔著全國80%左右的糧食供給任務，重點提升其糧食生產技術效率，應該從規模化經營、培育新型經營主體、構建新型經營體系等渠道促進糧食種植結構、農田種養結構、投入要素結構等優化，來轉變粗放型生產方式、盡快降低化肥施用強度，加快高標準農田建設和“藏糧于技、藏糧于地”戰略推進，進而提升糧食生產的質量、促進效率的提升； 在糧食產銷平衡區，應注重糧食生產技術進步和技術效率提升并行推進，由于農業發展條件相對較差，應該以提升農業技術為基礎來帶動技術效率的提升，提升機械化水平、提高農田有效灌溉覆蓋率等替代粗放型的高投入、高消耗生產方式，以成熟糧食生產技術進步來帶動其效率提升； 在糧食生產主銷區，應突出糧食市場化水平的建設，在保證區內糧食供求的基礎上，通過政策傾斜引導糧食生產，同時依托于較發達的經濟發展水平，引導企業、社會資本等主體參與糧食生產，補強糧食生產發展短板。