和亞晴 李治

摘要：糧食生產(chǎn)水平對(duì)一個(gè)地區(qū)和一國(guó)的經(jīng)濟(jì)發(fā)展具有重大的戰(zhàn)略意義。文章運(yùn)用Eviews 8.0軟件構(gòu)建了一個(gè)多變量的雙對(duì)數(shù)模型，利用方差膨脹系數(shù)、異方差（懷特檢驗(yàn)）、自相關(guān)（BG檢驗(yàn)）等計(jì)量經(jīng)濟(jì)方法對(duì)中國(guó)31個(gè)省市區(qū)的糧食生產(chǎn)進(jìn)行了統(tǒng)計(jì)分析。結(jié)果表明，各地區(qū)糧食播種和有效灌溉面積每增加1%，其糧食總產(chǎn)量分別增加0.798 969%、0.257 526%。最后，在實(shí)證研究的基礎(chǔ)上，結(jié)合中國(guó)目前面臨的糧食生產(chǎn)問(wèn)題，提出了相應(yīng)的政策建議。

關(guān)鍵詞：多元線性回歸；糧食產(chǎn)量；最小二乘法；Eviews 8.0

中圖分類號(hào)：F326.11 文獻(xiàn)標(biāo)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(bào)告提出，全方位夯實(shí)糧食安全根基，牢牢守住“18億畝耕地紅線”，確保中國(guó)人的飯碗牢牢端在自己手中。現(xiàn)在國(guó)際局勢(shì)持續(xù)動(dòng)蕩，自然災(zāi)害肆虐，糧食產(chǎn)量、安全問(wèn)題再次成為了人們關(guān)注的問(wèn)題。糧食生產(chǎn)是糧食安全的基礎(chǔ)，但最近幾年，我國(guó)糧食生產(chǎn)受到耕地面積退化和化肥過(guò)量施用導(dǎo)致環(huán)境污染等問(wèn)題的嚴(yán)重威脅[1]。改革開(kāi)放以來(lái)，我國(guó)各地區(qū)的糧食產(chǎn)量出現(xiàn)過(guò)多次波動(dòng)，這是因?yàn)榧Z食產(chǎn)量受到眾多因素的影響?；诖?，本文選取了我國(guó)31個(gè)省市區(qū)2020年相關(guān)糧食產(chǎn)量的截面數(shù)據(jù)來(lái)探究各地區(qū)糧食產(chǎn)量的影響因素，通過(guò)分析回歸模型方程，并結(jié)合現(xiàn)在糧食生產(chǎn)所面臨的諸多問(wèn)題，提出增加糧食產(chǎn)量的建議。

1 相關(guān)文獻(xiàn)回顧

糧食是人民生存之本，經(jīng)濟(jì)發(fā)展之柱，對(duì)穩(wěn)定社會(huì)、經(jīng)濟(jì)具有重要的作用。影響糧食生產(chǎn)的因素有很多，目前國(guó)內(nèi)學(xué)者用不同的方法和模型來(lái)進(jìn)行探究，主要有粗糙集理論、對(duì)數(shù)均值迪氏指數(shù)法、主成分分析法和多元線性回歸模型4種。歐陽(yáng)浩等[2]選取1996—2012年的數(shù)據(jù)，利用粗糙集理論對(duì)廣東省糧食產(chǎn)量的影響因子進(jìn)行了分析，研究發(fā)現(xiàn)化肥用量、水庫(kù)總量和人均經(jīng)營(yíng)耕地面積對(duì)糧食產(chǎn)量影響較大。周志剛等[3]采用對(duì)數(shù)均值迪氏指數(shù)法來(lái)分析。結(jié)果表明，各個(gè)影響因子具有階段性，但總的來(lái)說(shuō)，播面單產(chǎn)和復(fù)種指數(shù)表現(xiàn)的是增長(zhǎng)效應(yīng)，且播面單產(chǎn)對(duì)糧食增長(zhǎng)的貢獻(xiàn)比復(fù)種指數(shù)的大；種植結(jié)構(gòu)和耕地面積表現(xiàn)的是減量效應(yīng)，且種植結(jié)構(gòu)變化帶來(lái)的糧食減產(chǎn)要比耕地面積變化帶來(lái)的糧食減產(chǎn)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(chǎn)的主要因素，發(fā)現(xiàn)塑料薄膜的使用量、農(nóng)用機(jī)械總功率、農(nóng)村用電量、化肥施用量（折純法）和有效灌溉面積推動(dòng)了河南省糧食單產(chǎn)的增加，農(nóng)業(yè)生產(chǎn)資料價(jià)格指數(shù)對(duì)糧食單產(chǎn)的提高有一定的阻礙作用，而農(nóng)村從業(yè)人口的減少對(duì)糧食單產(chǎn)的增加并沒(méi)有特別明顯的作用。谷寶同等[5]從糧食生產(chǎn)視角，基于1999—2017年的時(shí)間序列數(shù)據(jù)，選取中國(guó)糧食的總產(chǎn)量為被解釋變量，糧食播種、有效灌溉面積、農(nóng)業(yè)機(jī)械總功率、化肥施用量（折純法）和受災(zāi)面積5個(gè)解釋變量，建立了多元線性回歸模型，采用計(jì)量經(jīng)濟(jì)學(xué)方法對(duì)其進(jìn)行檢驗(yàn)并修正，最后得到中國(guó)糧食產(chǎn)量與5個(gè)解釋變量之間的定量關(guān)系。李苗[6]選取時(shí)間序列數(shù)據(jù)，建立多元雙對(duì)數(shù)模型，通過(guò)協(xié)整分析，得出糧食產(chǎn)量與各影響因素之間的協(xié)整關(guān)系，并發(fā)現(xiàn)糧食產(chǎn)量和糧食播種面積、化肥施用量（折純法計(jì)算）以及有效灌溉面積之間存在著一種長(zhǎng)期均衡的關(guān)系。張濤等[7]運(yùn)用多元線性方程分析了山東省糧食產(chǎn)量增長(zhǎng)因素的貢獻(xiàn)值，選擇運(yùn)用主成分分析法解決多重共線問(wèn)題，得出影響糧食單產(chǎn)因素方程并為保障糧食安全提出建議。

根據(jù)相關(guān)文獻(xiàn)回顧可知，糧食產(chǎn)量的影響因素和分析方法有很多，在實(shí)證分析部分運(yùn)用最多的是多元線性回歸模型，且大多運(yùn)用時(shí)間序列數(shù)據(jù)。基于此，本文在學(xué)者們研究的基礎(chǔ)上，選取我國(guó)31個(gè)省市區(qū)的相關(guān)截面數(shù)據(jù)，建立多元雙對(duì)數(shù)線性模型來(lái)分析我國(guó)省域糧食產(chǎn)量的影響因素，參數(shù)估計(jì)采用最小二乘法，并對(duì)模型進(jìn)行檢驗(yàn)并修正。

2 實(shí)證分析

2.1 變量選取和數(shù)據(jù)來(lái)源

有關(guān)糧食產(chǎn)量的影響因素有很多，通過(guò)查閱以往文獻(xiàn)，綜合學(xué)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(zāi)面積（lnX3）、農(nóng)村用電量（lnX4）作為解釋變量，各省域的糧食產(chǎn)量（lnY）作為被解釋變量。研究數(shù)據(jù)來(lái)自《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒2021》。

2.2 模型設(shè)定、參數(shù)估計(jì)及模型檢驗(yàn)

2.2.1 總體回歸模型設(shè)計(jì)

被解釋變量與4個(gè)解釋變量的散點(diǎn)圖，見(jiàn)圖1。由圖1可知，糧食作物面積（lnX1）、有效灌溉面積（lnX2）、受災(zāi)面積（lnX3）、農(nóng)村用電量（lnX4）分別與各省域糧食產(chǎn)量（lnY）之間呈線性關(guān)系，故建立雙對(duì)數(shù)線性回歸模型：

2.2.2 模型參數(shù)估計(jì)及檢驗(yàn)

將被解釋變量與解釋變量的數(shù)據(jù)代入回歸模型中，利用Eviews 8.0軟件進(jìn)行最小二乘法回歸，結(jié)果見(jiàn)表1。

（1）模型1經(jīng)濟(jì)意義檢驗(yàn)：lnX1、lnX2、lnX4 3個(gè)解釋變量的相關(guān)系數(shù)為正值，lnX3的相關(guān)系數(shù)為負(fù)值，符合經(jīng)濟(jì)意義。

（2） 模型1統(tǒng)計(jì)推斷檢驗(yàn)：給定顯著水平0.05。根據(jù)表2可知，lnX1、lnX2對(duì)各地區(qū)糧食產(chǎn)量的影響顯著；lnX3、lnX4對(duì)各地區(qū)糧食產(chǎn)量的影響不顯著。方程整體顯著性F檢驗(yàn)的P值為0，即方程總體顯著。調(diào)整后的可決系數(shù)R2=0.988 7，接近于1，表明樣本回歸線對(duì)樣本點(diǎn)的擬合程度較高。

（3）多重共線檢驗(yàn)：采用方差膨脹因子法來(lái)檢驗(yàn)，結(jié)果見(jiàn)表2。

當(dāng)方差膨脹因子≥10時(shí)，認(rèn)為該解釋變量與其余解釋變量之間存在嚴(yán)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(yán)重的多重共線。

2.2.3 多重共線修正與檢驗(yàn)

（1）多重共線修正：對(duì)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(gè)解釋變量回歸，可以得出一元線性回歸模型中每一個(gè)變量的T檢驗(yàn)值均小于0.05。通過(guò)對(duì)比可決系數(shù)，最終決定選取變量lnX1作為逐步回歸的基礎(chǔ)。先建立lnY與變量lnX1的一元線性回歸模型，在基礎(chǔ)上依次加入變量lnX2、lnX3、lnX4。在加入變量的過(guò)程中發(fā)現(xiàn)，加入變量lnX3后導(dǎo)致變量T檢驗(yàn)不過(guò)，而加入lnX2、lnX4都是可以通過(guò)T檢驗(yàn)，但經(jīng)過(guò)對(duì)比后，發(fā)現(xiàn)加入變量lnX2的方程調(diào)整后的可決系數(shù)最大，所以判定lnY與lnX1、lnX2的二元線性回歸模型是最優(yōu)的。在這個(gè)基礎(chǔ)上再依次加入lnX3、lnX4，加入之后進(jìn)行回歸得知可決系數(shù)雖然有所增大但會(huì)導(dǎo)致參數(shù)的T檢驗(yàn)不顯著，所以剔除變量lnX3、lnX4，留下變量lnX1、lnX2。經(jīng)過(guò)引入—檢驗(yàn)—剔除后進(jìn)行回歸分析，結(jié)果見(jiàn)表3。

由表3得到模型2：

（2）模型2經(jīng)濟(jì)意義檢驗(yàn)：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(qū)糧食產(chǎn)量會(huì)增加0.799 0 %；有效灌溉面積（lnX2）每增加1%，各地區(qū)糧食產(chǎn)量會(huì)增加0.257 5%，均符合經(jīng)濟(jì)意義檢驗(yàn)。

（3）模型2統(tǒng)計(jì)推斷檢驗(yàn)：給定顯著水平0.05。根據(jù)表3數(shù)據(jù)可知，lnX1、lnX2 T檢驗(yàn)P值<0.05，即糧食作物播種面積和有效灌溉面積兩個(gè)解釋變量對(duì)各地區(qū)糧食產(chǎn)量的影響是顯著的。方程整體顯著性F檢驗(yàn)的P值為0，說(shuō)明方程總體顯著。調(diào)整后的可決系數(shù)R2 = 0.988 0，接近于1，表明了樣本回歸線對(duì)樣本點(diǎn)的擬合程度很高。

（4）模型2多重共線檢驗(yàn)：采用方差膨脹因子檢驗(yàn)，結(jié)果見(jiàn)表4。

由表4可知，方差膨脹因子均小于10，所以認(rèn)為該模型不存在多重共線。

（5）模型2異方差檢驗(yàn)：采用懷特檢驗(yàn)，結(jié)果見(jiàn)表5。

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

（6）模型2自相關(guān)檢驗(yàn)：采用BG檢驗(yàn)，依次檢驗(yàn)一階、二階、三階和四階，結(jié)果見(jiàn)表6。

由表6可知，各個(gè)階數(shù)P>0.05，故該模型2不存在自相關(guān)。

2.2.4 實(shí)證分析結(jié)果

經(jīng)過(guò)一系列的修正和檢驗(yàn)，最終得出模型2能夠通過(guò)經(jīng)濟(jì)意義、統(tǒng)計(jì)、多重共線、異方差和自相關(guān)檢驗(yàn)。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(chǎn)量呈現(xiàn)出較為明顯的正向相關(guān)關(guān)系，即糧食播種的面積越多，當(dāng)?shù)氐募Z食產(chǎn)量越高。而且當(dāng)其他變量保持不變時(shí)，糧食播種面積增加1%時(shí)，當(dāng)?shù)氐募Z食產(chǎn)量就會(huì)增加0.799 0%。② 有效灌溉面積也與當(dāng)?shù)氐募Z食產(chǎn)量呈現(xiàn)出明顯的正相關(guān)關(guān)系，即有效灌溉面積越多，當(dāng)?shù)氐募Z食總產(chǎn)量會(huì)相應(yīng)地增加。而且當(dāng)其他變量保持不變時(shí)，有效灌溉面積增加1%時(shí)，當(dāng)?shù)氐募Z食產(chǎn)量就會(huì)增加0.257 5%。

3 對(duì)策建議

根據(jù)實(shí)證分析得出的結(jié)果，再結(jié)合我國(guó)目前糧食生產(chǎn)所遇到的一系列問(wèn)題，為了提高我國(guó)各地區(qū)的糧食產(chǎn)量提出以下建議。

（1）保護(hù)糧食作物播種面積。糧食作物播種面積是對(duì)各地區(qū)糧食產(chǎn)量影響最為顯著因素，各級(jí)政府部門有必要把抓糧食生產(chǎn)的工作放在首位，同時(shí)要堅(jiān)決守住“18億畝耕地紅線”，防止耕地變成非農(nóng)用地，合理地調(diào)整結(jié)構(gòu)性矛盾，千萬(wàn)不能打著發(fā)展特色農(nóng)業(yè)和現(xiàn)代農(nóng)業(yè)的旗號(hào)大面積不合理種植高效經(jīng)濟(jì)作物[9]。另外，在保護(hù)原來(lái)耕地面積的基礎(chǔ)上，還可以考慮適當(dāng)?shù)匕选?8億畝耕地紅線”上調(diào)。增加耕地面積可以提高糧食產(chǎn)量，從而減輕糧食供給壓力[10]。

（2）加強(qiáng)農(nóng)田水利基礎(chǔ)設(shè)施建設(shè)。有效灌溉面積是對(duì)各地區(qū)糧食產(chǎn)量影響的第二大顯著因素，對(duì)于糧食產(chǎn)量的增加起到了重要的推動(dòng)作用。水是農(nóng)業(yè)的生命之源，是農(nóng)業(yè)生產(chǎn)的命根子，農(nóng)業(yè)與水不可分離。若水資源短缺，會(huì)影響到農(nóng)業(yè)灌溉，從而導(dǎo)致糧食減產(chǎn)。所以更應(yīng)該加大對(duì)農(nóng)田水利的資金投入，對(duì)農(nóng)田水利設(shè)施的設(shè)計(jì)、建造與運(yùn)行、使用和維護(hù)等每一個(gè)階段進(jìn)行有效治理，來(lái)全面提升農(nóng)田水利設(shè)施服務(wù)國(guó)家糧食安全的能力和水平。

（3）科學(xué)合理、正確使用化肥。無(wú)可厚非，化肥在增加糧食產(chǎn)量方面發(fā)揮了巨大的作用。但施肥過(guò)量會(huì)導(dǎo)致糧食減產(chǎn)，不施肥糧食也會(huì)減產(chǎn)，所以必須要正確、合理使用化肥?？梢钥紤]以下做法：增施微生物菌肥，改進(jìn)施肥方式，把握最佳的施肥時(shí)間等。

參 考 文 獻(xiàn)

[1]李昊儒，毛麗麗，梅旭榮，等.近30年來(lái)我國(guó)糧食產(chǎn)量波動(dòng)影響因素分析[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃，2018，39（10）：1-10+16.

[2]歐陽(yáng)浩，戎陸慶，黃鎮(zhèn)謹(jǐn)，等.基于粗糙集方法的廣東省糧食產(chǎn)量影響因素分析[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃，2014，35（6）：100-107.

[3]周志剛，鄭明亮.基于對(duì)數(shù)均值迪氏指數(shù)法的中國(guó)糧食產(chǎn)量影響因素分解[J].農(nóng)業(yè)工程學(xué)報(bào)，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(chǎn)量影響因素分析[J].河南農(nóng)業(yè)大學(xué)學(xué)報(bào)，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(guó)糧食產(chǎn)量影響因素實(shí)證分析[J].哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào)，2020，36（3）：37-42.

[6]李苗.新時(shí)代下我國(guó)糧食產(chǎn)量的影響因素分析[J].價(jià)值工程，2019，38（14）：150-152.

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

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

[9]周娜娜，饒志堅(jiān).基于灰色關(guān)聯(lián)分析的云南省糧食產(chǎn)量影響因素分析[J].農(nóng)業(yè)與技術(shù)，2022，42（15）：164-167.

[10] 劉同山.新時(shí)代保障國(guó)家糧食安全的內(nèi)涵、挑戰(zhàn)與建議[J].中州學(xué)刊，2022（2）：20-27.