中國省域糧食產量影響因素分析

和亞晴 李治

摘要：糧食生產水平對一個地區和一國的經濟發展具有重大的戰略意義。文章運用Eviews 8.0軟件構建了一個多變量的雙對數模型，利用方差膨脹系數、異方差（懷特檢驗）、自相關（BG檢驗）等計量經濟方法對中國31個省市區的糧食生產進行了統計分析。結果表明，各地區糧食播種和有效灌溉面積每增加1%，其糧食總產量分別增加0.798 969%、0.257 526%。最后，在實證研究的基礎上，結合中國目前面臨的糧食生產問題，提出了相應的政策建議。

關鍵詞：多元線性回歸；糧食產量；最小二乘法；Eviews 8.0

中圖分類號：F326.11 文獻標志碼：A DOI：10.16465/j.gste.cn431252ts.20230303

Analysis of factors influencing provincial grain production in China

He Yaqing， Li Zhi

（School of Economics and Trade， Henan University of Technology， Zhengzhou， Henan 450001）

Abstract： The level of grain production in China is of great strategic importance to the economic development of a region and a country. In this paper， a multivariate double logit model was constructed using Eviews 8.0 software， and statistical analysis of grain production in 31 provinces was conducted using econometric methods such as the variance inflation coefficient， heteroskedasticity （Whites test） and autocorrelation （BG test）. The results showed that for every 1% increase in grain sown and effective irrigated area in each region， the total grain production in each region increased by 0.798 969% and 0.257 526%. Finally， on the basis of the empirical study， combined with the current grain production problems in China， the corresponding policy recommendations were put forward.

Key words： multiple linear regression， grain production， least squares method， Eviews 8.0

黨的二十大報告提出，全方位夯實糧食安全根基，牢牢守住“18億畝耕地紅線”，確保中國人的飯碗牢牢端在自己手中。現在國際局勢持續動蕩，自然災害肆虐，糧食產量、安全問題再次成為了人們關注的問題。糧食生產是糧食安全的基礎，但最近幾年，我國糧食生產受到耕地面積退化和化肥過量施用導致環境污染等問題的嚴重威脅[1]。改革開放以來，我國各地區的糧食產量出現過多次波動，這是因為糧食產量受到眾多因素的影響。基于此，本文選取了我國31個省市區2020年相關糧食產量的截面數據來探究各地區糧食產量的影響因素，通過分析回歸模型方程，并結合現在糧食生產所面臨的諸多問題，提出增加糧食產量的建議。

1 相關文獻回顧

糧食是人民生存之本，經濟發展之柱，對穩定社會、經濟具有重要的作用。影響糧食生產的因素有很多，目前國內學者用不同的方法和模型來進行探究，主要有粗糙集理論、對數均值迪氏指數法、主成分分析法和多元線性回歸模型4種。歐陽浩等[2]選取1996—2012年的數據，利用粗糙集理論對廣東省糧食產量的影響因子進行了分析，研究發現化肥用量、水庫總量和人均經營耕地面積對糧食產量影響較大。周志剛等[3]采用對數均值迪氏指數法來分析。結果表明，各個影響因子具有階段性，但總的來說，播面單產和復種指數表現的是增長效應，且播面單產對糧食增長的貢獻比復種指數的大；種植結構和耕地面積表現的是減量效應，且種植結構變化帶來的糧食減產要比耕地面積變化帶來的糧食減產多得多。李心慧等[4]采用主成分分析法定量分析了影響糧食單產的主要因素，發現塑料薄膜的使用量、農用機械總功率、農村用電量、化肥施用量（折純法）和有效灌溉面積推動了河南省糧食單產的增加，農業生產資料價格指數對糧食單產的提高有一定的阻礙作用，而農村從業人口的減少對糧食單產的增加并沒有特別明顯的作用。谷寶同等[5]從糧食生產視角，基于1999—2017年的時間序列數據，選取中國糧食的總產量為被解釋變量，糧食播種、有效灌溉面積、農業機械總功率、化肥施用量（折純法）和受災面積5個解釋變量，建立了多元線性回歸模型，采用計量經濟學方法對其進行檢驗并修正，最后得到中國糧食產量與5個解釋變量之間的定量關系。李苗[6]選取時間序列數據，建立多元雙對數模型，通過協整分析，得出糧食產量與各影響因素之間的協整關系，并發現糧食產量和糧食播種面積、化肥施用量（折純法計算）以及有效灌溉面積之間存在著一種長期均衡的關系。張濤等[7]運用多元線性方程分析了山東省糧食產量增長因素的貢獻值，選擇運用主成分分析法解決多重共線問題，得出影響糧食單產因素方程并為保障糧食安全提出建議。

根據相關文獻回顧可知，糧食產量的影響因素和分析方法有很多，在實證分析部分運用最多的是多元線性回歸模型，且大多運用時間序列數據。基于此，本文在學者們研究的基礎上，選取我國31個省市區的相關截面數據，建立多元雙對數線性模型來分析我國省域糧食產量的影響因素，參數估計采用最小二乘法，并對模型進行檢驗并修正。

2 實證分析

2.1 變量選取和數據來源

有關糧食產量的影響因素有很多，通過查閱以往文獻，綜合學者們的研究，選取糧食作物播種面積（lnX1）、有效灌溉面積（lnX2）、受災面積（lnX3）、農村用電量（lnX4）作為解釋變量，各省域的糧食產量（lnY）作為被解釋變量。研究數據來自《中國農村統計年鑒2021》。

2.2 模型設定、參數估計及模型檢驗

2.2.1 總體回歸模型設計

被解釋變量與4個解釋變量的散點圖，見圖1。由圖1可知，糧食作物面積（lnX1）、有效灌溉面積（lnX2）、受災面積（lnX3）、農村用電量（lnX4）分別與各省域糧食產量（lnY）之間呈線性關系，故建立雙對數線性回歸模型：

2.2.2 模型參數估計及檢驗

將被解釋變量與解釋變量的數據代入回歸模型中，利用Eviews 8.0軟件進行最小二乘法回歸，結果見表1。

（1）模型1經濟意義檢驗：lnX1、lnX2、lnX4 3個解釋變量的相關系數為正值，lnX3的相關系數為負值，符合經濟意義。

（2） 模型1統計推斷檢驗：給定顯著水平0.05。根據表2可知，lnX1、lnX2對各地區糧食產量的影響顯著；lnX3、lnX4對各地區糧食產量的影響不顯著。方程整體顯著性F檢驗的P值為0，即方程總體顯著。調整后的可決系數R2=0.988 7，接近于1，表明樣本回歸線對樣本點的擬合程度較高。

（3）多重共線檢驗：采用方差膨脹因子法來檢驗，結果見表2。

當方差膨脹因子≥10時，認為該解釋變量與其余解釋變量之間存在嚴重的多重共線。由表2可知，lnX1、lnX2的方差膨脹因子>10，表明該模型存在嚴重的多重共線。

2.2.3 多重共線修正與檢驗

（1）多重共線修正：對于多重共線的修正，本文采用的是逐步回歸法[8]。先讓被解釋變量與每個解釋變量回歸，可以得出一元線性回歸模型中每一個變量的T檢驗值均小于0.05。通過對比可決系數，最終決定選取變量lnX1作為逐步回歸的基礎。先建立lnY與變量lnX1的一元線性回歸模型，在基礎上依次加入變量lnX2、lnX3、lnX4。在加入變量的過程中發現，加入變量lnX3后導致變量T檢驗不過，而加入lnX2、lnX4都是可以通過T檢驗，但經過對比后，發現加入變量lnX2的方程調整后的可決系數最大，所以判定lnY與lnX1、lnX2的二元線性回歸模型是最優的。在這個基礎上再依次加入lnX3、lnX4，加入之后進行回歸得知可決系數雖然有所增大但會導致參數的T檢驗不顯著，所以剔除變量lnX3、lnX4，留下變量lnX1、lnX2。經過引入—檢驗—剔除后進行回歸分析，結果見表3。

由表3得到模型2：

（2）模型2經濟意義檢驗：在其他解釋變量不變的情況下，糧食作物播種面積（lnX1）每增加1%，各地區糧食產量會增加0.799 0 %；有效灌溉面積（lnX2）每增加1%，各地區糧食產量會增加0.257 5%，均符合經濟意義檢驗。

（3）模型2統計推斷檢驗：給定顯著水平0.05。根據表3數據可知，lnX1、lnX2 T檢驗P值<0.05，即糧食作物播種面積和有效灌溉面積兩個解釋變量對各地區糧食產量的影響是顯著的。方程整體顯著性F檢驗的P值為0，說明方程總體顯著。調整后的可決系數R2 = 0.988 0，接近于1，表明了樣本回歸線對樣本點的擬合程度很高。

（4）模型2多重共線檢驗：采用方差膨脹因子檢驗，結果見表4。

由表4可知，方差膨脹因子均小于10，所以認為該模型不存在多重共線。

（5）模型2異方差檢驗：采用懷特檢驗，結果見表5。

由表5可得，懷特檢驗的P值>0.05，因此拒絕原假設，該回歸模型不存在異方差。

（6）模型2自相關檢驗：采用BG檢驗，依次檢驗一階、二階、三階和四階，結果見表6。

由表6可知，各個階數P>0.05，故該模型2不存在自相關。

2.2.4 實證分析結果

經過一系列的修正和檢驗，最終得出模型2能夠通過經濟意義、統計、多重共線、異方差和自相關檢驗。由最終回歸方程lnYi = 0.799 0 lnX1 + 0.257 5 lnX2 - 0.915 5得出：① 糧食播種面積與省域糧食產量呈現出較為明顯的正向相關關系，即糧食播種的面積越多，當地的糧食產量越高。而且當其他變量保持不變時，糧食播種面積增加1%時，當地的糧食產量就會增加0.799 0%。② 有效灌溉面積也與當地的糧食產量呈現出明顯的正相關關系，即有效灌溉面積越多，當地的糧食總產量會相應地增加。而且當其他變量保持不變時，有效灌溉面積增加1%時，當地的糧食產量就會增加0.257 5%。

3 對策建議

根據實證分析得出的結果，再結合我國目前糧食生產所遇到的一系列問題，為了提高我國各地區的糧食產量提出以下建議。

（1）保護糧食作物播種面積。糧食作物播種面積是對各地區糧食產量影響最為顯著因素，各級政府部門有必要把抓糧食生產的工作放在首位，同時要堅決守住“18億畝耕地紅線”，防止耕地變成非農用地，合理地調整結構性矛盾，千萬不能打著發展特色農業和現代農業的旗號大面積不合理種植高效經濟作物[9]。另外，在保護原來耕地面積的基礎上，還可以考慮適當地把“18億畝耕地紅線”上調。增加耕地面積可以提高糧食產量，從而減輕糧食供給壓力[10]。

（2）加強農田水利基礎設施建設。有效灌溉面積是對各地區糧食產量影響的第二大顯著因素，對于糧食產量的增加起到了重要的推動作用。水是農業的生命之源，是農業生產的命根子，農業與水不可分離。若水資源短缺，會影響到農業灌溉，從而導致糧食減產。所以更應該加大對農田水利的資金投入，對農田水利設施的設計、建造與運行、使用和維護等每一個階段進行有效治理，來全面提升農田水利設施服務國家糧食安全的能力和水平。

（3）科學合理、正確使用化肥。無可厚非，化肥在增加糧食產量方面發揮了巨大的作用。但施肥過量會導致糧食減產，不施肥糧食也會減產，所以必須要正確、合理使用化肥。可以考慮以下做法：增施微生物菌肥，改進施肥方式，把握最佳的施肥時間等。

參 考 文 獻

[1]李昊儒，毛麗麗，梅旭榮，等.近30年來我國糧食產量波動影響因素分析[J].中國農業資源與區劃，2018，39（10）：1-10+16.

[2]歐陽浩，戎陸慶，黃鎮謹，等.基于粗糙集方法的廣東省糧食產量影響因素分析[J].中國農業資源與區劃，2014，35（6）：100-107.

[3]周志剛，鄭明亮.基于對數均值迪氏指數法的中國糧食產量影響因素分解[J].農業工程學報，2015，31（2）：1-6.

[4]李心慧，朱嘉偉，王旋，等.基于主成分分析的河南省糧食產量影響因素分析[J].河南農業大學學報，2016，50（2）：268-274.

[5]谷寶同，朱家明，龔量.基于多元線性回歸的中國糧食產量影響因素實證分析[J].哈爾濱師范大學自然科學學報，2020，36（3）：37-42.

[6]李苗.新時代下我國糧食產量的影響因素分析[J].價值工程，2019，38（14）：150-152.

[7]張濤，田東林，楊進敏.基于多元線性回歸的山東省糧食生產影響因素分析[J].糧食科技與經濟，2021，46（2）：16-21.

[8]段其政，田佳辰.黑龍江省糧食產量的影響因素分析[J].糧食科技與經濟，2020，45（12）：52-55.

[9]周娜娜，饒志堅.基于灰色關聯分析的云南省糧食產量影響因素分析[J].農業與技術，2022，42（15）：164-167.

[10] 劉同山.新時代保障國家糧食安全的內涵、挑戰與建議[J].中州學刊，2022（2）：20-27.