劉戰(zhàn)偉

摘要：【目的】通過深入了解氣候變化對糧食生產(chǎn)率增長的影響，為科學制定糧食生產(chǎn)政策提供理論依據(jù)?！痉椒ā坷?000—2017年我國省際面板數(shù)據(jù)，使用HP濾波法分離糧食生產(chǎn)氣候產(chǎn)量，并運用序列DEA方法測算是否考慮氣候因素兩種條件下的我國糧食全要素生產(chǎn)率，并實證檢驗氣候變化、科技投入等因素對糧食生產(chǎn)率的影響。【結(jié)果】氣候變化對糧食全要素生產(chǎn)率的測算結(jié)果具有較大影響，考慮氣候變化因素后糧食全要素生產(chǎn)率更低。兩種條件下我國糧食全要素生產(chǎn)率的增長均呈明顯波動性變化，主要由技術(shù)進步推動，而技術(shù)效率起到阻礙作用。氣候變化對糧食全要素生產(chǎn)率有顯著影響，且具有明顯的區(qū)域差異性，其中年平均氣溫具有正向影響，而年降水總量則表現(xiàn)出負向影響;科技投入對糧食全要素生產(chǎn)率增長的促進作用顯著?！窘ㄗh】政府應調(diào)整農(nóng)業(yè)結(jié)構(gòu)和種植制度，推動農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革;加大農(nóng)業(yè)科技投入，培育新品種;完善農(nóng)田基本設施建設，提高水資源利用率;建立和完善農(nóng)業(yè)氣象災害監(jiān)測預警服務體系，提高農(nóng)業(yè)災害性天氣的預測能力。

關(guān)鍵詞： 糧食全要素生產(chǎn)率;氣候變化;科技投入;序列DEA方法

中圖分類號： S117;F329.9? ? ? ? ? ? ? ? ? ? 文獻標志碼： A 文章編號：2095-1191（2019）02-0424-08

Abstract：【Objective】The impact of climate change on grain productivity growth was studied in order to provide a theoretical basis for the formulation of scientific grain production policies. 【Method】Using the China inter-provincial panel data from 2000 to 2017， sequence DEA method was used to calculate whether to consider the climatic factors of the grain total factor productivity based on using HP filtering separation grain yield climate production， and the influence mechanism of climate change， technology investment and other factors on grain productivity was empirically tested. 【Result】Climate change had great impact on the measurement of grain total factor productivity. After considering the factors of climate change， the grain total factor productivity was lower. Under the two conditions， the growth of total grain productivity showed obvious volatility， which was mainly driven by technological progress， while technical efficiency was hindering the effect. The climate changes had significant effects on the grain total factor productivity， and had clear regional differences. The annual average temperature had positive impact， while the annual total precipitation showed? negative effect. The contribution of technology investment to the growth of grain total factor productivity was very significant. 【Suggestion】The government should adjust the agricultural structure and planting system， promote the reform of agricultural supply side; increase the investment of agricultural science and technology， cultivate new varieties; improve the construction of farmland infrastructure， improve the utilization rate of water resources; establish and improve the early warning service system of agro meteorological disaster monitoring， and improve the prediction ability of agricultural disastrous weather.

Key words： grain total factor productivity; climate change; technology investment; sequence DEA method

0 引言

【研究意義】自改革開放以來，我國糧食生產(chǎn)取得了舉世矚目的成就，2017年全國糧食總產(chǎn)量達61791萬t。在全球氣候變暖的背景下，極端氣候變化對我國糧食生產(chǎn)帶來了不利影響，近5年來每年因自然災害造成的糧食損失高達5000萬t左右，占糧食總產(chǎn)量的10%左右，如果不采取適當措施，預計到2030年我國糧食綜合生產(chǎn)能力因氣候變化將會下降5%～10%。農(nóng)業(yè)科技能優(yōu)化資源配置效率，降低氣候變化對糧食生產(chǎn)的沖擊作用（葉明華和庹國柱，2015）。因此，深入研究氣候變化對糧食生產(chǎn)的影響，挖掘農(nóng)業(yè)科技潛力，是提高我國糧食產(chǎn)量、增強糧食生產(chǎn)抵御風險能力及實現(xiàn)農(nóng)業(yè)現(xiàn)代化發(fā)展的首要因素。2017年中央經(jīng)濟工作會議指出要積極推進農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革，農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革的核心標志和關(guān)鍵環(huán)節(jié)則在于提高全要素生產(chǎn)率?！厩叭搜芯窟M展】目前，已有許多學者從不同的角度對糧食全要素生產(chǎn)率展開了研究，但多數(shù)研究對糧食全要素生產(chǎn)率的分析框架主要集中于制度變遷、人力資本等經(jīng)濟因子，很少考慮氣候變化對糧食全要素生產(chǎn)率的影響。近年來，學者們開始關(guān)注氣候變化對糧食生產(chǎn)的影響。吳麗麗等（2015）基于1985—2011年中國省域面板數(shù)據(jù)，分析我國12個省的油菜生產(chǎn)及氣候變化對油菜單產(chǎn)的影響;葉明華和庹國柱（2015）采用雙函數(shù)模型分析得出，氣候變化對糧食生產(chǎn)的短期波動有重要影響;尹朝靜等（2016b）利用1984—2013年28個省份糧食生產(chǎn)的投入產(chǎn)出數(shù)據(jù)實證分析得出，降水量和氣溫對糧食產(chǎn)量的影響具有顯著的非線性關(guān)系。上述研究主要集中在研究氣候變化對糧食產(chǎn)量的影響，關(guān)于氣候變化對糧食全要素生產(chǎn)率影響的研究有：姜巖等（2015）基于隨機前沿生產(chǎn)函數(shù)模型分析了氣候變化視角下江蘇省8個地區(qū)水稻生產(chǎn)效率的時空分布;尹朝靜等（2016c）采用DEA方法測度了是否考慮氣候變化因素條件下的中國糧食全要素生產(chǎn)率。隨著氣候變化對糧食生產(chǎn)影響的加劇，許多學者提出了通過科技進步降低氣候因素帶來的影響。目前，我國糧食生產(chǎn)中科技進步貢獻率在35%左右，與發(fā)達國家60%～80%的貢獻率相比有較大差距。高鳴和宋洪遠（2015）依據(jù)1978—2013年省級面板數(shù)據(jù)，分析得出技術(shù)進步正在替代人力資本對糧食經(jīng)濟增長做主要貢獻。【本研究切入點】綜上所述，現(xiàn)有文獻對豐富我國糧食全要素生產(chǎn)率的研究具有重要借鑒價值，但仍存在不足。在研究方法上，多采用傳統(tǒng)的當期DEA方法，而該方法會帶來技術(shù)退步問題，可能對糧食全要素生產(chǎn)率的測算存在估計偏差。序列DEA方法優(yōu)于當期DEA方法，在測算糧食全要素生產(chǎn)率時，將氣候因素納入隨機擾動項，忽略糧食生產(chǎn)受氣候因素影響存在明顯的特質(zhì)性。在研究內(nèi)容上，盡管部分學者研究了氣候變化、農(nóng)業(yè)科技投入對糧食全要素生產(chǎn)率的影響，但極少同時考慮二者的作用。【擬解決的關(guān)鍵問題】將氣候變化、科技投入和糧食全要素生產(chǎn)率納入同一分析框架，實證檢驗氣候變化和科技投入等因素對糧食全要素生產(chǎn)率的影響，為促進糧食生產(chǎn)、推動農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革提供理論參考。

1 數(shù)據(jù)來源與研究方法

1. 1 氣候變化對糧食全要素生產(chǎn)率增長的影響機理

氣候變化的主要特征是氣候變暖帶來積溫上升，對糧食生產(chǎn)既有利也有弊，二者相互作用，在時間和空間上呈現(xiàn)錯綜復雜的現(xiàn)象和結(jié)果。氣候變化對糧食全要素生產(chǎn)率增長的影響主要表現(xiàn)為：

（1）氣候變化導致農(nóng)業(yè)病蟲害、氣象災害頻發(fā)。氣候變化為病蟲害發(fā)生提供了條件，尤其是暖冬季節(jié)，十分有利于北方地區(qū)各種農(nóng)作物病蟲源安全過冬，使得病蟲越冬死亡率降低，直接導致來年病蟲害危害加劇。同時，氣候變化引起農(nóng)業(yè)旱澇等氣象災害趨于嚴重，影響農(nóng)業(yè)產(chǎn)出效率，造成農(nóng)業(yè)大幅度減產(chǎn)，糧食產(chǎn)量急劇下降。

（2）氣候變化影響種植制度和生產(chǎn)布局。聯(lián)合國政府氣候變化專門委員會第四次評估報告認為氣溫每上升1 ℃，水稻和冬小麥的生育期將分別縮短7～8和17 d，一年兩熟和一年三熟的種植地區(qū)將會北移。各種植區(qū)域為適應氣候變化，必然會改變其種植制度、生產(chǎn)結(jié)構(gòu)和布局，從而引起糧食生產(chǎn)過程中要素投入及產(chǎn)出的變化，進而對糧食全要素生產(chǎn)率的增長帶來影響。

（3）氣候變化影響糧食生產(chǎn)需要的自然資源要素。氣候變化會帶來光照、溫度、水等資源發(fā)生改變，影響土壤有機碳、礦物質(zhì)、有機質(zhì)等含量，進而影響土壤本身的生產(chǎn)能力，最終影響糧食生產(chǎn)率的增長。

1. 2 糧食全要素生產(chǎn)率測算方法

序列DEA方法通過引入以前各期的技術(shù)，解決技術(shù)水平退步的問題，與當期DEA方法相比，其區(qū)別在于參考技術(shù)的定義。在序列DEA方法中，參考技術(shù)被定義為：

L'（x）={y∶yt≤zY t，zX t≤ x t，z≥0} （1）

式中，X t =（X t1，X t2[…]X t），yt =（yt1，yt2[…]yt）。計算每個地區(qū)投入導向的距離函數(shù)：

D[t0]（xt，yt）=sup{θ∶（xt，θyt）∈Lt} （2）

根據(jù)Caves等（1982）的方法構(gòu)造序列Malmquist指數(shù)，即：

式中，Malmquist（M）生產(chǎn)率指數(shù)反映全要素生產(chǎn)率的變化率; TEC為技術(shù)效率變動指數(shù)，反映決策單位追趕最優(yōu)技術(shù)前沿的努力;TC表示技術(shù)進步指數(shù)，反映決策單位面臨的最優(yōu)技術(shù)前沿隨時間變化的軌跡。

本研究測算我國糧食全要素生產(chǎn)率時采用的投入產(chǎn)出指標如下：（1）產(chǎn)出指標。采用HP濾波法從各省糧食總產(chǎn)量中分離出歷年的糧食趨勢產(chǎn)量，反映社會經(jīng)濟科技變化因素導致的糧食產(chǎn)量變動。各省份的歷年糧食總產(chǎn)量與趨勢產(chǎn)量間的差額即為氣候產(chǎn)量，反映氣候因子導致糧食產(chǎn)量變動的狀況，將糧食趨勢產(chǎn)量作為產(chǎn)出指標。（2）投入指標。包括糧食生產(chǎn)勞動投入、農(nóng)作物播種面積、農(nóng)業(yè)機械總動力、化肥施用量（折純量）和有效灌溉面積5個指標。為了將廣義的農(nóng)業(yè)中用于糧食生產(chǎn)的投入要素分離出來，借鑒馬文杰（2010）使用的權(quán)重系數(shù)法，其中，糧食勞動力投入=各省農(nóng)林牧漁業(yè)從業(yè)人員人數(shù)×（農(nóng)業(yè)產(chǎn)值/農(nóng)林牧漁總產(chǎn)值）×（糧食播種面積/農(nóng)作物播種總面積），其余4個指標分別乘以（糧食播種面積/農(nóng)作物播種總面積），從而使以上指標從大農(nóng)業(yè)中剝離。研究使用的所有數(shù)據(jù)來源于歷年的《中國統(tǒng)計年鑒》、《中國農(nóng)村統(tǒng)計年鑒》及《中國農(nóng)業(yè)年鑒》。

1. 3 糧食全要素生產(chǎn)率增長的影響因素模型

根據(jù)C-D生產(chǎn)函數(shù)構(gòu)建產(chǎn)出函數(shù)，檢驗氣候變化對糧食全要素生產(chǎn)率增長的影響，糧食全要素生產(chǎn)率為產(chǎn)出變量：

TFPi，t=CLC[βri，t]×[n=1pXβnit，n] （4）

式中，TFP（Total factor productivity）表示省份 i 在第t時期的糧食全要素生產(chǎn)率，CLC表示氣候變化，X表示影響糧食全要素生產(chǎn)率的其他因素，n =1，2…p，表示除了氣候變化的其他p種因素。對式（4）取自然對數(shù)可得：

lnTFPi，t=βr lnCLCi，t+[n=1pβn lnXit] （5）

根據(jù)新經(jīng)濟增長理論，農(nóng)業(yè)科技投入會降低氣候變化對糧食全要素生產(chǎn)率的影響，從而推動農(nóng)業(yè)經(jīng)濟增長。因此，本研究將氣候變化和科技投入同時納入生產(chǎn)函數(shù)模型中，可得到：

lnTFPi，t=βr lnCLCi，t+βh lnARDit+[n=1p-1βn lnXit] （6）

式中，ARD表示省份i在第t 時期的科技投入，衡量農(nóng)業(yè)科技投入對糧食全要素生產(chǎn)率的影響。

由于糧食全要素生產(chǎn)率受到諸多因素的綜合影響，包括勞動力、農(nóng)業(yè)機械化水平、產(chǎn)業(yè)結(jié)構(gòu)、農(nóng)業(yè)基礎設施水平及制度因素等。根據(jù)數(shù)據(jù)的可獲取性及已有的相關(guān)研究，選取勞動力、農(nóng)業(yè)機械化水平、化肥使用量和農(nóng)業(yè)結(jié)構(gòu)調(diào)整4個變量作為影響糧食全要素生產(chǎn)率的控制變量，最終構(gòu)建如下計量模型：

lnTFPi，t=β0+β1 lnCLCi，t+β2 lnARDit+β3 lnALBit+

β4 lnAMEit+β5 lnFERit+β6 lnASTit+f+ε （7）

式中，ALB表示勞動力，AME表示農(nóng)業(yè)機械化水平，F(xiàn)ER表示化肥使用量，AST表示農(nóng)業(yè)結(jié)構(gòu)調(diào)整，f 表示非觀測的個體固定效應，ε表示隨機誤差項。

1. 4 變量選取及數(shù)據(jù)來源

1. 4. 1 核心變量 （1）氣候變量。已有研究表明，氣溫和降水兩個因素對糧食生產(chǎn)影響最顯著（尹朝靜等，2016b）。因此，氣候變量選取氣溫和降水兩個指標代替，氣溫（TEM）指標以年平均氣溫表示，降水（RFA）指標以年降水總量表示。（2）農(nóng)業(yè)科技投入變量，使用農(nóng)業(yè)科研機構(gòu)經(jīng)常費用支出表示，主要包括科研活動支出、生產(chǎn)經(jīng)營活動支出和其他支出。

1. 4. 2 其他控制變量 （1）勞動力?；跀?shù)據(jù)的可獲得性，從事糧食生產(chǎn)勞動力指標使用從事農(nóng)林牧漁產(chǎn)業(yè)勞動力人數(shù)作為其代理變量。（2）農(nóng)業(yè)機械化水平，使用農(nóng)業(yè)機械總動力與農(nóng)作物總播種面積的比值表示。（3）化肥使用量，使用畝均化肥指標衡量，用某地區(qū)化肥使用純量除以該地區(qū)糧食播種面積表示。（4）農(nóng)業(yè)結(jié)構(gòu)調(diào)整，采用糧食播種面積占農(nóng)作物總播種面積的比重表示，農(nóng)業(yè)內(nèi)部結(jié)構(gòu)調(diào)整的優(yōu)劣會對糧食全要素生產(chǎn)率的提高產(chǎn)生重要影響。本研究采用2000—2017年我國30個省份（西藏除外）的面板數(shù)據(jù)，實證檢驗分析氣候變化、科技投入對我國糧食全要素生產(chǎn)率的影響。其中，氣候變量數(shù)據(jù)來源于中國氣象數(shù)據(jù)共享網(wǎng)上的中國地面氣候資料年值數(shù)據(jù)集，科技投入變量數(shù)據(jù)來源于《中國科技統(tǒng)計年鑒》和《全國農(nóng)業(yè)科技統(tǒng)計資料匯編》;其余4個控制變量使用的數(shù)據(jù)主要來源于歷年《中國統(tǒng)計年鑒》、《中國農(nóng)村統(tǒng)計年鑒》、《中國農(nóng)業(yè)年鑒》、《新中國六十年農(nóng)業(yè)統(tǒng)計資料》及各省的統(tǒng)計年鑒。

1. 5 統(tǒng)計分析

運用MAXDEA 7.0采用序列DEA方法測算我國糧食全要素生產(chǎn)率增長及其分解;使用Stata 14.0，通過建立的計量模型重點分析檢驗氣候變化和科技投入兩個因素對糧食全要素生產(chǎn)率的影響。

2 結(jié)果與分析

2. 1 我國糧食全要素生產(chǎn)率的測算及分析

根據(jù)表1可知，我國糧食全要素生產(chǎn)率（M）年均增長率在考慮氣候因素條件下為0.6%，比未考慮氣候因素條件下的數(shù)值（1.1%）下降0.5%（絕對值，下同）。從增長推動力來看，兩種條件下我國糧食全要素生產(chǎn)率增長均有技術(shù)進步（TC）推動，年均增長率分別為1.2%和2.0%，考慮氣候因素條件下技術(shù)進步年均增長低于未考慮氣候因素0.8%，而技術(shù)效率（TEC）均呈現(xiàn)負增長態(tài)勢，分別為-0.6%和-0.9%。從時間變化角度來看，考慮氣候因素條件下的我國糧食全要素生產(chǎn)率并非都低于未考慮氣候因素，在一定程度上說明氣候變化對我國糧食全要素生產(chǎn)率的影響并不一定全為負面，適宜的氣候條件可增長我國糧食生產(chǎn)地區(qū)的熱量資源，有利于延長糧食作物生育期，增加單產(chǎn)，從而推動糧食全要素生產(chǎn)率的提高。但總體上，氣候變化對糧食生產(chǎn)帶來的弊大于利，特別是干旱、洪澇等極端氣候事件頻發(fā)，對糧食生產(chǎn)帶來極大影響，導致糧食產(chǎn)量下降，綜合生產(chǎn)能力下降，從而阻礙糧食全要素生產(chǎn)率的提高。

表2列出了我國東、中、西部地區(qū)及糧食主產(chǎn)區(qū)（包括河北、內(nèi)蒙、遼寧等13個省份）的糧食全要素生產(chǎn)率增長結(jié)果。其中，東、中、西部地區(qū)在考慮氣候因素條件下糧食全要素生產(chǎn)率增長率分別為0.5%、1.7%和-0.1%，而在不考慮氣候因素條件下糧食全要素生產(chǎn)率增長率分別為1.3%、2.9%和-0.3%，相比之下，東、中、西部地區(qū)糧食全要素生產(chǎn)率增長率分別降低0.8%、1.2%和0.2%，說明氣候變化對區(qū)域糧食全要素生產(chǎn)率增長產(chǎn)生阻礙作用。從糧食全要素生產(chǎn)率的構(gòu)成進一步分解可知：（1）技術(shù)進步指數(shù)。東、中、西部地區(qū)在考慮氣候因素條件下技術(shù)進步增長分別為1.3%、1.7%和0.7%，在不考慮氣候因素條件下技術(shù)進步增長分別為2.4%、2.7%和1.0%，可見，引入氣候因素之后東、中、西部地區(qū)技術(shù)進步均有不同程度降低，說明氣候因素對技術(shù)進步具有一定程度的阻礙作用，需要通過提高糧食生產(chǎn)技術(shù)以降低氣候災害對糧食生產(chǎn)產(chǎn)生的負面作用。（2）技術(shù)效率變動。東、中、西部地區(qū)在考慮氣候因素條件下糧食技術(shù)效率增長分別為-0.7%、0.1%和-0.8%，在不考慮氣候因素條件下糧食技術(shù)效率增長分別為-1.1%、0.2%和-1.3%，比較發(fā)現(xiàn)，除中部地區(qū)外，考慮氣候因素后東、西部地區(qū)糧食技術(shù)效率增長均出現(xiàn)不同程度下降，說明糧食生產(chǎn)者不能很好地采用新技術(shù)適應氣候變化，可能由于受教育程度、技術(shù)推廣等的制約，其在新產(chǎn)品、新農(nóng)藥等方面缺乏科學使用的技能，從而導致糧食技術(shù)效率低下。同時，糧食主產(chǎn)區(qū)在考慮氣候因素條件下其糧食全要素生產(chǎn)率增長率為1.5%，低于不考慮氣候條件下的糧食全要素生產(chǎn)率增長率（2.6%）;此外，兩種條件下的糧食全要素生產(chǎn)率增長均有技術(shù)進步驅(qū)動，技術(shù)進步增長分別為2.7%和1.7%，而技術(shù)效率均出現(xiàn)負增長，分別為 -0.1%和-0.2%，因此，糧食主產(chǎn)區(qū)應在提高糧食生產(chǎn)技術(shù)的前提下，加強糧食生產(chǎn)管理，改善糧食技術(shù)效率，提高糧食對氣候變化的適應能力。

2. 2 氣候變化視角下我國糧食生產(chǎn)率增長的影響因素分析

本研究在測算我國糧食全要素生產(chǎn)率的基礎上，利用公式（7），使用Stata 14.0重點分析檢驗氣候變化和科技投入兩個因素對糧食全要素生產(chǎn)率的影響。

2. 2. 1 整體樣本回歸 在檢驗過程中，采用逐步引入變量的方式進行，以保證估計結(jié)果的穩(wěn)健性。檢驗結(jié)果如表3所示，表中PE（1）和RE（3）為只包含氣候變化（氣溫和降水兩個指標）和科技投入兩個核心變量，利用公式（6）估計的結(jié)果;PE（2）和RE（4）是在PE（1）和RE（3）的基礎上加上一系列控制變量，利用公式（7）估計的結(jié)果;RE（3）和RE（4）分別是未加入控制變量和加入控制變量后隨機效應模型估計的結(jié)果。PE（1）和PE（2）通過使用固定效應模型回歸，Hausman檢驗結(jié)果P均為0.000，即拒絕支持隨機效應的原假設，因此，應該選擇固定效應模型。從回歸結(jié)果來看，年平均氣溫與糧食全要素生產(chǎn)率的系數(shù)為0.049，且在1%水平下顯著，表明氣溫上升有利于提高糧食全要素生產(chǎn)率，可能是由于氣溫上升導致熱量改變，而更有利于糧食作物的生長。年降水總量與糧食全要素生產(chǎn)率的系數(shù)為-0.358，且在1%水平下顯著，表明年降水總量增加抑制了糧食全要素生產(chǎn)率的提高，可能是由于降水量的增加會產(chǎn)生一些自然災害，改變糧食作物的生長環(huán)境，從而產(chǎn)生一定負面效果。科技投入與糧食全要素生產(chǎn)率的系數(shù)為0.119，在1%水平下顯著，表明隨著科技投入的不斷增加，糧食全要素生產(chǎn)率將得到大幅提高，主要由于科技投入的增加會提高糧食生產(chǎn)的科技水平，通過采用新技術(shù)、新品種等促進糧食產(chǎn)量。其他控制變量中，勞動力系數(shù)為正值，但未通過顯著性檢驗;農(nóng)業(yè)機械化系數(shù)在1%水平下顯著為正值;化肥使用量系數(shù)為負值，未通過顯著性檢驗;農(nóng)業(yè)結(jié)構(gòu)調(diào)整系數(shù)顯著為負值，且通過1%水平顯著性檢驗。

上述結(jié)果均為靜態(tài)面板數(shù)據(jù)下的估計結(jié)果，但從長期來看，糧食全要素生產(chǎn)率變動是一個動態(tài)過程，還需采用動態(tài)面板模型進行估計，因此在公式（7）中引入糧食全要素生產(chǎn)率的滯后一期項，采用差分廣義矩估計法（DIF-GMM）和系統(tǒng)廣義矩估計法（SYS-GMM）對動態(tài)面板進行估計。DIF-GMM（5）只包含核心變量采用差分廣義矩估計法估計的結(jié)果，DIF-GMM（6）和SYS-GMM（7）是引入控制變量后分別采用差分廣義矩估計法和系統(tǒng)廣義矩估計法估計的結(jié)果，回歸結(jié)果如DIF-GMM（6）和SYS-GMM（7）。如表3所示，差分GMM和系統(tǒng)GMM估計下年平均氣溫系數(shù)均為正值，分別為0.128和0.129，且在1%水平下顯著，進一步說明氣溫上升有利于提高糧食全要素生產(chǎn)率;年降水總量的系數(shù)在兩種方法下均為負值，其中差分GMM估計的系數(shù)為-0.207，在5%水平下顯著，而系統(tǒng)GMM估計的系數(shù)為-0.187，通過10%的顯著性檢驗，進一步證明年降水總量增加會對糧食全要素生產(chǎn)率產(chǎn)生阻礙作用;差分GMM估計下科技投入的系數(shù)在1%水平下顯著為正值，系數(shù)為0.223，與系統(tǒng)GMM估計的系數(shù)在1%水平下顯著為正值相符合，進一步證實科技投入對提高糧食全要素生產(chǎn)率的重要性?？梢姡瑑煞N方法下滯后一期的糧食全要素生產(chǎn)率均通過了1%水平下的顯著性檢驗，表明糧食全要素生產(chǎn)率存在明顯的經(jīng)濟慣性。上述分析得出，兩種方法估計的結(jié)果基本一致，表明估計結(jié)果穩(wěn)健?？刂谱兞恐袆趧恿ψ兞肯禂?shù)均為正值，但均未通過顯著性檢驗;農(nóng)業(yè)機械化在差分GMM估計下不顯著，而在系統(tǒng)GMM估計中在1%水平下顯著為正值;化肥使用量在兩種方法估計下系數(shù)為負值，均未通過顯著性檢驗;農(nóng)業(yè)結(jié)構(gòu)調(diào)整在差分GMM和系統(tǒng)GMM估計下均表現(xiàn)為1%水平下顯著為正值。另外，表3中AR（2）的結(jié)果表明動態(tài)面板估計結(jié)果均通過參差項二階不相關(guān)檢驗;Hansen檢驗的P均大于0.5，表明回歸結(jié)果不存在過度識別，即兩種方法下估計的結(jié)果均有效和穩(wěn)健。

2. 2. 2 分樣本回歸 由于我國地域遼闊，不同區(qū)域的經(jīng)濟發(fā)展水平也不一樣，造成影響糧食全要素生產(chǎn)率的因素也具有差異性，因此有必要分區(qū)域探究氣候變化、科技投入等因素對糧食全要素生產(chǎn)率的影響。根據(jù)上述模型和回歸結(jié)果，采用系統(tǒng)GMM方法分別對東、中、西部地區(qū)進行估計。從表4可知，氣候變化對糧食全要素生產(chǎn)率的影響具有明顯差異性。其中，（1）年平均氣溫對東部地區(qū)糧食全要素生產(chǎn)率產(chǎn)生顯著的負面影響，其影響系數(shù)為-0.134，通過1%水平下的顯著性檢驗，而中部和西部地區(qū)年平均氣溫上升對糧食全要素生產(chǎn)率的提高起到促進作用，系數(shù)估計分別為0.051和0.062，在1%水平下顯著?？赡苁怯捎跉鉁厣仙龝е聳|部地區(qū)水稻種植產(chǎn)生病蟲等自然災害，而中部和西部地區(qū)氣溫上升會促進干旱地區(qū)小麥、玉米種植業(yè)的發(fā)展。（2）年降水總量對東、中和西部地區(qū)糧食全要素生產(chǎn)率影響的系數(shù)分別為-0.077、0.041和0.109，且均通過顯著性檢驗。究其原因是由于水資源作為糧食生長的重要資源，將直接影響到糧食生產(chǎn)。東部地區(qū)大部分省份位于我國南方地區(qū)，降水量豐富，屬于豐水區(qū)，中部和西部大部分省份位于我國北方地區(qū)，降水量相對匱乏，屬于缺水區(qū)，研究表明我國南方地區(qū)平均年降水量每增加100 mm將會使糧食產(chǎn)量減產(chǎn)0.23%～0.35%，北方地區(qū)均年降水量每增加100 mm則會提高糧食產(chǎn)量0.12%～0.18%（尹朝靜等，2016a）。因此，東部地區(qū)年降水量對糧食全要素生產(chǎn)率增長具有負向影響，而中部和西部地區(qū)具有正向影響。（3）科技投入對東、中和西部地區(qū)糧食全要素生產(chǎn)率的提高均起到促進作用，系數(shù)估計分別為0.218、0.232和0.178，均通過顯著性檢驗，說明科技投入提升了糧食生產(chǎn)的科技含量，對糧食全要素生產(chǎn)率的提高起到顯著的促進作用。（4）勞動力變量無論是東部還是中部和西部地區(qū)系數(shù)均為正值，但東部地區(qū)通過了5%顯著性檢驗，而中部和西部地區(qū)未通過顯著性檢驗。（5）農(nóng)業(yè)機械化對東、中、西部地區(qū)糧食全要素生產(chǎn)率的影響均通過顯著性檢驗。（6）化肥使用量在東、中和西部地區(qū)估計下系數(shù)均為負值，東部地區(qū)通過了顯著性檢驗，而中部和西部地區(qū)未通過顯著性檢驗。（7）農(nóng)業(yè)結(jié)構(gòu)調(diào)整在東部地區(qū)表現(xiàn)為5%水平下顯著為負，中部地區(qū)則表現(xiàn)為1%水平下顯著為正值，西部地區(qū)系數(shù)雖為正值，但未通過顯著性檢驗。另外，表4中AR（2）的結(jié)果表明東、中、西部地區(qū)均通過參差項二階不相關(guān)檢驗，Hansen檢驗的P均大于0.5，表明回歸結(jié)果不存在過度識別，因此，采用系統(tǒng)GMM方法進行估計的結(jié)果有效且穩(wěn)健。

2. 2. 3 穩(wěn)健性檢驗 通過更換核心解釋變量的方式進行穩(wěn)健性檢驗，將氣候變化和科技投入分別用水災、旱災受災面積（葉明華和庹國柱，2015）與農(nóng)業(yè)科技存量（尹朝靜等，2016a）代替，再次利用固定效應（PE）、隨機效應（RE）、差分廣義矩估計法（DIF-GMM）和系統(tǒng)廣義矩估計法（SYS-GMM）進行重新回歸。估計結(jié)果表明，核心解釋變量估計系數(shù)的正負性和顯著性與文中上述全樣本回歸的結(jié)果基本一致，且通過了顯著性檢驗，說明模型的計量分析具有穩(wěn)健性。

3 討論

本研究結(jié)果發(fā)現(xiàn)，2000—2017年期間我國糧食全要素生產(chǎn)率呈現(xiàn)增長趨勢，但考慮氣候變化因素測算的結(jié)果低于不考慮氣候變化因素，兩種情況下我國糧食全要素生產(chǎn)率的增長均有技術(shù)進步推動，而技術(shù)效率起阻礙作用;同時考慮氣候變化因素后，東、中、西部地區(qū)糧食全要素生產(chǎn)率普遍變低，除東部地區(qū)外，中、西部地區(qū)技術(shù)進步均有不同程度的增長，且呈現(xiàn)出明顯的區(qū)域差異性，而糧食技術(shù)效率增長均出現(xiàn)不同程度的下降，與尹朝靜等（2016c）提出的考慮氣候因素之后糧食全要素生產(chǎn)率降低、技術(shù)效率惡化程度在一定程度上受氣候因素影響的結(jié)果一致。氣溫上升和年降水量的增加有利于提高中、西部地區(qū)糧食全要素生產(chǎn)率，但對東部地區(qū)產(chǎn)生顯著的負面影響，與尹朝靜等（2016b）提出降水增加和氣溫上升對糧食產(chǎn)量變動均具有積極促進作用的結(jié)果基本一致。本研究還發(fā)現(xiàn)，科技投入顯著提高了糧食全要素生產(chǎn)率，科技投入的增加能夠優(yōu)化和改善糧食生產(chǎn)要素的配置結(jié)構(gòu)，促進農(nóng)業(yè)經(jīng)濟增長，與董瑩（2016）提出的農(nóng)業(yè)科技對糧食全要素生產(chǎn)率增長具有正向影響、糧食生產(chǎn)率的提高必須依靠農(nóng)業(yè)技術(shù)的結(jié)果一致。本研究僅從降水和氣溫兩個方面解釋氣候變化，但氣候變化是一個復雜的因素，因此研究的結(jié)果具有一定局限性。

4 建議

4. 1 調(diào)整農(nóng)業(yè)結(jié)構(gòu)和種植制度，推動農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革

在充分分析氣候變化對糧食生產(chǎn)效率影響的基礎上，各地區(qū)應根據(jù)氣候條件的變化調(diào)整農(nóng)業(yè)結(jié)構(gòu)和種植制度，充分利用農(nóng)業(yè)氣候資源，優(yōu)化種植結(jié)構(gòu);南方地區(qū)可利用氣溫上升帶來積溫增加的優(yōu)勢，大力推廣雙季稻，西北和東北地區(qū)則需要改良小麥品種，提高小麥應對氣候變化造成糧食減產(chǎn)的能力，從而大幅度提高糧食總產(chǎn)量，實現(xiàn)農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革。

4. 2 加大農(nóng)業(yè)科技投入，培育新品種

農(nóng)業(yè)技術(shù)進步可抵消氣候變化對糧食生產(chǎn)帶來的不利影響，提高糧食生產(chǎn)適應氣候變化的能力。因此，各級政府應在保證財政支持的前提下，吸收社會資金進入農(nóng)業(yè)科研領(lǐng)域，鼓勵多種形式進行農(nóng)業(yè)科研創(chuàng)新，加大對農(nóng)業(yè)生產(chǎn)中關(guān)鍵技術(shù)的科研攻關(guān)力度，積極培育耐高溫、抗旱澇、抗病蟲害等新品種，以便充分利用熱量資源，應對氣候變暖和干旱的影響。根據(jù)農(nóng)業(yè)部《農(nóng)業(yè)主導品種和主推技術(shù)推介發(fā)布辦法》，各地區(qū)要因地制宜，積極引進和培育相應的水稻、小麥、玉米等新品種，確保糧食生產(chǎn)的高產(chǎn)、優(yōu)質(zhì)和高效。

4. 3 完善農(nóng)田基本設施建設，提高水資源利用率

小型農(nóng)田水利設施是提高糧食綜合生產(chǎn)能力的有力保障。由于歷史原因，大部分農(nóng)業(yè)水利設施是由原有的溝、水塘等改造而成，且由于財政制約，在運行管理中未得到及時的維修和改造，造成農(nóng)田水利設施落后，難以發(fā)揮其應有的作用。各級水利部門應加強農(nóng)田水利基礎設施建設，多方籌資，整合財力，確保效益。另外，應合理開發(fā)、高效利用、優(yōu)化配置、全面節(jié)約，有效、科學地管理水資源，嚴格控制地下水開采，加大水資源工程建設力度，提高農(nóng)業(yè)供水保證率。

4. 4 建立和完善農(nóng)業(yè)氣象災害監(jiān)測預警服務體系，提高農(nóng)業(yè)災害性天氣的預測能力

氣候變化導致氣象災害時有發(fā)生，對糧食生產(chǎn)帶來極大危害。提高氣象災害監(jiān)測預報的準確性和時效性已成為當務之急，應努力探索現(xiàn)代農(nóng)業(yè)氣象災害預警技術(shù)，健全農(nóng)業(yè)氣象災害預警監(jiān)測體系、農(nóng)業(yè)氣象災害預警和評估系統(tǒng)、農(nóng)業(yè)氣象災害風險分析及風險管理對策，為增強農(nóng)業(yè)災害性天氣的中長期預測的準確率提供有力支持。

參考文獻：

董瑩. 2016. 全要素生產(chǎn)率視角下的農(nóng)業(yè)技術(shù)進步及其溢出效應研究[D]. 北京：中國農(nóng)業(yè)大學. [Dong Y. 2016. Research on China’s agricultural technological progress from the perspective of total factor productivity and its spillover effects[D]. Beijing： China Agricultural University.]

高鳴，宋洪遠. 2015. 生產(chǎn)率視角下的中國糧食經(jīng)濟增長要素分析[J]. 中國人口科學，（1）： 59-69. [Gao M，Song H Y. 2015. Factor analysis on China’s grain economic growth in productivity perspective[J]. Chinese Journal of Population Science，（1）： 59-69.]

姜巖，朱曉莉，周宏，王筠菲. 2015. 氣候變化對江蘇水稻生產(chǎn)效率變動的影響[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟，（12）： 109-116. [Jiang Y，Zhu X L，Zhou H，Wang J F. 2015. Effects of climate change on rice production efficiency in Jiangsu Province[J]. Journal of Agrotechnical Economics，（12）： 109-116.]

馬文杰. 2010. 中國糧食綜合生產(chǎn)能力研究[M]. 北京： 科學出版社. [Ma W J. 2010. Study on Overall Grain Production Capability in China[M]. Beijing： Science Press.]

吳麗麗，李谷成，尹朝靜. 2015. 生長期氣候變化對我國油菜單產(chǎn)的影響研究——基于1985～2011年中國省域面板數(shù)據(jù)的實證分析[J]. 干旱區(qū)資源與環(huán)境，29（12）： 198-203. [Wu L L，Li G C，Yin C J. 2015. Impact of climate change in rapeseed’s growing seasons on rapeseed production in China[J]. Journal of Arid Land Resources and Environment，29（12）： 198-203.]

葉明華，庹國柱. 2015. 要素投入、氣候變化與糧食生產(chǎn)——基于雙函數(shù)模型[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟，（11）： 4-13. [Ye M H，Tuo G Z. 2015. Factor input，climate change and grain production—Based on double function model[J]. Journal of Agrotechnical Economics，（11）： 4-13.]

尹朝靜，李谷成，范麗霞，高雪. 2016a. 氣候變化、科技存量與農(nóng)業(yè)生產(chǎn)率增長[J]. 中國農(nóng)村經(jīng)濟，（5）： 16-28. [Yin C J，Li G C，F(xiàn)an L X，Gao X. 2016a. Climate change，technology stocks and agricultural productivity growth[J]. Journal of Chinese Rural Economy，（5）： 16-28.]

尹朝靜，李谷成，高雪. 2016b. 氣候變化對中國糧食產(chǎn)量的影響——基于省級面板數(shù)據(jù)的實證[J]. 干旱區(qū)資源與環(huán)境，30（6）： 89-95. [Yin C J，Li G C，Gao X. 2016b. Impacts of climate change on China’s grain production—Empirical analysis based on provincial panel data[J]. Journal of Arid Land Resources and Environment，30（6）： 89-95.]

尹朝靜，李谷成，葛靜芳. 2016c. 糧食安全：氣候變化與糧食生產(chǎn)率增長——基于HP濾波和序列DEA方法的實證分析[J]. 資源科學，38（4）： 665-675. [Yin C J，Li G C，Ge J F. 2016c. Food security，climate change and grain productivity growth based on HP filter and sequential DEA methods[J]. Resources Science，38（4）： 665-675.]

Caves D W，Christensen L R，Diewert W E. 1982. The economic theory of index numbers and the measurement of input，output，and productivity[J]. Econometrica，50（6）： 1393-1414.

（責任編輯 鄧慧靈）