贵州省粮食生产影响因素分析

摘要：作为中国西南地区重要的农业省份之一，贵州省粮食生产产值在其国民经济组成中占有重要地位。根据贵州省1993―2012年粮食生产的相关数据，运用最小二乘回归方法建立了贵州省粮食生产影响因素初始回归模型，之后运用逐步回归法对上述回归方程进行精确性调整、相关性检验和异方差性检验，得到最佳拟合回归方程。通过对回归结果进行分析，发现粮食播种面积和化肥施用量是影响贵州省粮食生产的关键因素，并认为在粮食播种面积受限、化肥施用量达到使粮食边际产量开始递减的极限背景下，资本投入和农业技术进步是提高贵州省粮食产量的新途径。因此，贵州省应该通过有效保护耕地、稳定粮食作物种植面积、改善施肥结构、加大农业资本投入和技术投入等措施来保证本省粮食的稳产增产。

关键词：贵州省；粮食生产；影响因素；回归模型

中图分类号：F326.11；F327 文献标识码：A 文章编号：0439-8114（2016）08-2146-06

DOI：10.14088/ki.issn0439-8114.2016.08.059

Abstract： As one of the important agricultural provinces in southwest China， the output value of grain production in Guizhou province have occupy an important status in national economy. Based on the relative data of 1993―2012 food production in Guizhou， using the least-squares regression method， an initial regression model of the factors influencing grain production of Guizhou was established， then using the stepwise regression method to adjust the accuracy and test the correlation and heteroscedasticity of the regression equation， the best fitting regression equation was obtained. Through the regression analysis， the results found that， the area sown to grain and amounts of fertilizer application were the key factors influencing grain production of Guizhou， and which argued that in the extreme background that the area sown to grain was limited， and the amounts of fertilizer began to make the marginal product decline， the capital input and agricultural technical progress were new ways for increasing grain production in Guizhou. Therefore， Guizhou should ensure the stable and increased grain production of the province through measures such as effectively protecting the arable land， making food crops planting area stable， improving fertilization structure， increasing inputs of agricultural capital and technique.

Key words： Guizhou province； grain production； influence factors； the regression model

粮食是人类生存的必需品，是社会经济发展和国家安定富强的重要基础和重要保障，粮食问题关系着国计民生，是中国政府一直以来高度重视的重大问题之一[1]。特别是近些年来，随着世界气候变化、人口增长及环境问题的日益凸显，粮食生产与安全问题更加受到人们的关注。在这种情况下，科学分析粮食综合生产能力，探究粮食生产投入要素对粮食产出的影响，寻找制约粮食生产的瓶颈因素，对于稳定粮食生产、确保粮食安全意义重大。

国内围绕粮食产量影响因素问题，赵慧江[2]在1990―2005年统计数据的基础上，采用普通回归分析方法通过建立以5种可量化的影响因素为自变量，以粮食产量为因变量的多元线性回归模型，对中国粮食产量的主要影响因子进行了分析，并以此为依据提出了关于中国稳定发展粮食生产的参考意见。肖海峰[3]通过建立粮食总产量和影响因素的柯布―道格拉斯生产函数，对中国1978―2002年的数据进行了分段分析，从而研究中国粮食综合生产能力。高倩倩等[4]运用统计学的知识采用Eviews 6.0统计软件建立了粮食产量评估模型，对建国以来山东省粮食增产的主要因素进行了分析，得出了提高粮食单产是粮食增产的最有效途径的结论。廖婧琳等[5]则更加关注自然灾害对粮食生产的影响，分析了水旱、冰雹、病虫害和低温冷冻等农业灾害对贵州省粮食产量的影响机理，并提出了相应的应对措施。本研究在参考前人研究成果的基础上，以贵州省1993―2012年粮食生产的相关数据为依托，构建了一个统计特征合理的分析模型，来对影响贵州省粮食产量的因素进行分析，以期为贵州省制定合理的农业政策提供科学的理论依据。

1 贵州省粮食生产函数的构建

1.1 粮食生产影响因素指标体系

现实中影响粮食产量的因素有很多，对这些因素进行量化是分析研究的基础，同时也是一个比较复杂和困难的工作。本研究从数据可获取性、指标量化的可行性等指标选取原则出发，参考前人研究成果，并结合贵州省农业系统的实际状况，选取粮食总产量（Y）作为要预测的目标数据，选取粮食播种面积（X1）、农业机械总动力（X2）、农业从业人员（X3）、化肥施用量（X4）、家庭农业支出（X5）、政府财政支农支出（X6）和成灾面积（X7）7个对贵州省粮食产量有较大影响的因子来构建农业系统粮食生产的指标体系。所需数据均来源于1993―2012年的《贵州统计年鉴》和《贵州年鉴》，模型采用线性生产函数：

Y=θ0+θ1X1+θ2X2+θ3X3+θ4X4+θ5X5+θ6X6+θ7X7+？着

式中，θi（i=1，2，…7）为各指标系数，？着为随机误差项，表示受这些指标影响以外的其他随机扰动。

1.2 基于OLS的模型估计

运用OLS法对贵州省粮食产量影响因素回归方程进行估计，假设取显著性水平为α=0.05，那么估计结果为：

Y=-9 253 308.42+5.37X1-0.79X2-0.65X3+4.13X4+0.88X5+0.92X6-4.74X7

t统计量为：{-2.32} {7.84} {4.95} {-3.41} {0.73} {2.56} {0.66} {1.21}

R2=0.978 2， F=35.16， D.W=1.98

由于R2值接近1，F0.05（6.20）=2.60，F检验值35.16>F0.05（6.20），因此可以认为贵州省粮食产量与其影响因素之间存在着显著的线性关系。但是，X4和X6未通过t检验，X2的系数符号表示的经济意义也不合理，这说明这种线性关系很有可能不是单重的，而是比较复杂且难以处理的多重线性关系。为了验证以上推断，下面对各指标之间相关关系进行检验（表1）。

由表1可以看出，农业机械总动力（X2）和农业从业人员（X3）之间存在着高度的相关性，相关系数接近0.96，证明了以上的推断。为了排除指标间多重共线性给解决问题带来的干扰和困难，有必要设法对上述回归方程进行调整。

1.3 用逐步回归法对模型进行调整

用粮食总产量（Y）分别对指标X1、X2、X3、X4、X5、X6、X7作一元线性回归（表2）。

由表2可以看出，贵州省粮食生产受粮食播种面积影响最大，与实际调研结果相符，故选Y=F（X1）的表达式作为以下研究的基本回归模型。之后把其他指标依次引入到基本回归模型中，通过逐步回归，进一步寻找一个单线性且各指标系数经济意义均合理的回归方程。

逐步回归步骤如下[6]：

①把X2引入模型，用Y对X1、X2做回归分析，得Y=F（X1，X2）；

②再把X3引入模型，用Y对X1、X2、X3做回归分析，得Y=F（X1，X2，X3）；

③去掉X3，引入X4，用Y对X1、X2、X4做回归分析，得Y=F（X1，X2，X4）；

④引入X5，然后再用Y对X1、X2、X4、X5做回归分析，得Y=F（X1，X2，X4，X5）；

⑤之后再引入X6，用Y对X1、X2、X4、X5、X6做回归分析，得Y=F（X1，X2，X4，X5，X6）；

⑥最后引入X7，再用Y对X1、X2、X4、X5、X6、X7做回归分析，得到最终的回归方程Y=F（X1，X2，X4，X5，X6，X7）。

由表3可以看出，引入X2后，拟合优度有所提高，X2的参数符号经济意义合理，且变量均通过了t检验；引入X3后，R2值从0.898 7提升到0.925 5，说明拟合优度得到进一步提高，但X3的参数符号经济意义不合理，且未能通过t检验；去掉X3引入X4后，拟合优度再次提高，且X4参数符号经济意义合理，各变量也都通过了t检验；之后依次引入X5、X6、X7，拟合优度继续提升，从0.954 0提高到0.988 2，这3个指标的参数符号的经济意义也都合理，但X5、X6未通过t检验，而X7顺利通过了t检验。据此得到的较为合理的回归模型应该为：

Y=-5 247 300.15+5.44X1+0.82X2+4.12X4-5.16X7

1.4 序列相关性检验和异方差性检验

对回归方程Y=-5 247 300.15+5.44X1+0.82X2+4.12X4-5.16X7 进行序列相关性检验：

t统计量为：{-11.95} {6.43} {8.45} {3.57} {6.22}

R2=0.988 2， F=223.17， D.W=1.79

D.W检验表明，n=20，k=5时，在5%的显著性水平下，有dk=1.52，因为D.W=1.79>dk，证明该回归模型各变量间不存在一阶自相关性。

之后采用怀特检验法[7]（White test）对该模型进行异方差性检验，模型估计结果见表4。

由表4可得，在5%的显著性水平下，有nR2= 11.07>χ20.05（4）=9.49，因此存在着异方差性。为了克服这种异方差性带来的问题，运用WLS对以上回归模型参数进行进一步调整：

Y=-7 136 218.23+5.25X1+0.76X2+4.37X4-5.08X7

t统计量为：{-29.83} {15.23} {7.56} {25.17} {45.09}

R2=0.997 8， F=1 230.55， D.W=1.46

D.W检验表明，n=20，k=5时，在5%的显著性水平下，有dk=1.52，因为D.W=1.46

Y= -7 136 218.23+5.25X1+0.76X2+4.37X4-5.08X7

图1是根据拟合方程计算的贵州省1993―2012年粮食产量拟合值与实际值二者对照图。

2 结果分析与预测

2.1 结果分析

结果表明，在上述选取的7个指标中，粮食播种面积X1、农业机械总动力X2、化肥施用量X4和成灾面积X7等是影响贵州省粮食生产最关键的因素。其中，粮食种植面积X1的回归参数为5.25，表示在影响粮食产量的其他条件不变的情况下，粮食播种面积每增加1万hm2，粮食总产量就会增加5.25万t；农业机械总动力X2的回归参数为0.76，表示农业机械总动力每提升1%，就会引起粮食总产量增加0.76倍；化肥施用量X4的回归参数为4.37，表示化肥施用量每增加1万t，就会使粮食总产量增加4.37万t；而成灾面积X7的回归参数为-5.08，说明成灾面积与粮食产量之间存在着负相关关系，成灾面积每减少1万hm2，就会促使粮食产量增加5.08万t。由图1贵州省粮食总产实际值与模型拟合值的对比曲线图可以看出拟合值与实际值具有高度的拟合优度，最大拟合误差仅5.5%。

1）在该回归模型中，农业从业人员（X3）即农业劳动力被排除在了模型之外，之所以会这样，是因为目前贵州省农村中存在着大量的未转移或者待转移的剩余劳动力，导致劳动的边际生产率很低，甚至为零[8]。另一方面，由于劳动与土地、资本等其他生产要素之间存在着替代效应，因此在目前贵州省粮食耕种面积有限、农业资金匮乏的条件下，农民必会继续投入劳动，直至劳动的边际收益为零。此外，根据Leontief生产函数Q=Min（L/M，K/N），粮食产量Q取决于L/M和K/N两个比值中较小的那一个，即使其中的一个比例数值较大，也不会提高产量，其中，L和K分别表示粮食生产中劳动和资本的投入量，M和N分别表示固定的劳动和资本的生产技术系数，它们分别表示生产一单位产品所需要的固定的劳动投入量和资本投入量。因此，在当前贵州省农村中存在着大量剩余劳动力的情况下，粮食产量就应该由资本投入量K决定，而K又可以进一步分解为农业机械、化肥等农业生产要素，这也解释了模型中不包含家庭农业支出（X5）和政府财政支农支出（X6）的原因。

2）由贵州省粮食产量影响因素的最终拟合回归方程可以看出，粮食播种面积是贵州省粮食产量最大的一个影响因素，粮食播种面积每增加1万hm2，会带来的粮食增量高达5.25万t，就可以多养活人口3.40万人[9]，可见保证粮食播种面积对国计民生的重要性。贵州省是全国人均耕地占有最少的省份之一，其可用于农业开发的土地资源不多，耕地面积少、质量差，开发利用比例大，后备耕地严重不足，这极大地制约了粮食种植面积的扩大和整个农业经济的发展。1993年贵州省共有水、旱耕地436.22万hm2，总人口为3 155.23万人，人均耕地占有量为0.138 hm2；到2012年，全省共有耕地469.85万hm2，人口3 474.65万人，人均占有量降低到0.135 hm2，虽然20年间人均占有量仅减少0.003 hm2，却反映了贵州省耕地面积持续减少趋势的进一步恶化。耕地是不可再生或者说很难再生的稀缺资源，而粮食又是耕地密集型产品，在人类尚未开发出不使用耕地就可以进行大规模粮食生产的技术之前，必须加强耕地保护，确保一定的耕种面积。

3）模型显示，成灾面积（X7）是对贵州省粮食产量影响排名第2的因素，二者之间呈负相关关系。因受农业自然灾害的影响，贵州省粮食产量多年来波动较大。贵州省常发性农业自然灾害有冰雹、春旱、暴雨、倒春寒和作物病虫害等，其中寒灾和旱灾是对该省粮食生产影响最大的两种自然灾害。1993年，贵州省农业自然灾害成灾面积为56.36万hm2，约占当年全省粮食播种面积的15%，之后的7年里，贵州省粮食成灾面积逐年减少，到2000年，成灾面积仅为20.54万hm2，减少量为35.82万hm2，降幅达63.56%，是8年里的最小值[10]。1999年以后，贵州省又经历了两个自然灾害多发期（分别为2000―2002年和2006―2008年）和两个自然灾害少发期（分别为2003―2005年和2009―2012年），在两个自然灾害多发期内和两个自然灾害少发期内，贵州省粮食作物年均成灾面积分别为56.10万hm2和21.34万hm2，粮食产量年均增长7.6%和15.8%，可见自然灾害成灾面积对贵州省粮食生产的影响程度是很大的。

4）化肥施用量（X4）对贵州省粮食产量的影响在所有因素中排名第3。贵州省粮食播种面积从1993年的286.22万hm2增加到2012年的305.43万hm2，增幅仅为6.7%，而化肥施用量却从36.40万t增加到98.2万t，增幅高达169.78%，可见这20年里化肥施用量对贵州省粮食产量的促进作用还是相当大的，这也验证了学术界关于“20世纪最后十年和21世纪前十年中国西部地区粮食产量增量的很大一部分来自于化学肥料的大规模施用”的结论[11]。贵州省农业化肥施用量与粮食产量的关联度较高，对粮食产量影响也比较大，化肥在农业生产中的广泛应用，对粮食稳产和增产都起到了比较大的作用。然而另一方面，由于受边际效益递减规律的影响，化肥投入在贵州省粮食生产方面的促进作用也必将逐步下降，因此一味地靠增加化肥施用量来增加粮食产量的做法并不可行，关键是要提高化肥的使用效率。

5）农业机械总动力（X2）是对贵州省粮食产量影响较大的又一因素。贵州省地貌属于中国西部高原山地，素有“天无三日晴，地无三里平”之说，境内地势西高东低，喀斯特地貌比较明显，造成贵州山地比较多，土地比较小，并且高低不平，以至于大型农业机械在此不能使用，这也制约着贵州农业现代化的发展[12]。自上世纪90年代以来，针对贵州省特殊的农业地理条件，逐步推出了小型轻便的农机具，这使得贵州省农业机械化水平得到了很大的提高。1993―2012年，贵州省农业机械总动力从12.28万台提升到56.69万台，其中30马力以下的中小型机械增加25.6万台，占到全部增加量的57.64%。尤其是2008年以后，贵州省的农业机械总动力呈现出直线型增长趋势，农业机械总动力的提升对促进贵州省粮食产量的增加起到了至关重要的作用。

2.2 产量预测

根据以上得到的模型Y=-7 136 218.23+ 5.25X1+0.76X2+4.37X4-5.08X7可以预测2013年和2014年贵州省的粮食产量，根据2013年贵州省农委的有关数据和《贵州省农业经济数据统计》（2013）等相关资料，可知该年的模型解释变量分别为：

X1=311.84 hm2，X2=59.85万台，X4=97.4万t，X7=36.92万hm2

把以上数据都带入模型，得到Y=1 207.11万t。查阅资料可知，2013年贵州省实际的粮食总产量为1 030.38万t，二者误差较小，可见该回归模型还是相当精确的，它完全可以用来表征贵州省的粮食生产情况。

通过对贵州省2013年粮食产量数据的实例计算，验证了该模型的准确性。下面用该模型预测2014年贵州省的粮食产量。由于粮食播种面积在短时间内不会出现大的变动，这里姑且认为粮食播种面积相较2013年没有出现变化，即仍为X1=311.84 hm2；由于自2008年以来贵州省的农业机械总动力增长呈现线型趋势，年均增幅为5.57%，本研究仍以这一增速来大体估算2014年贵州省的农业机械总动力情况，估算结果为X2=63.19万台；在估算2014年贵州省的农业化肥施用量时，本研究取1993―2012年这20年间化肥施用量的年均增速来作为2014年相比2013年的化肥施用量增幅，由此计算得X4=107.52万t；由于2008年以后一直到2013年贵州省农业自然灾害相比以往少发，2014年也没有出现特别严重的自然灾害，因此可以认为2014年仍处于这个自然灾害少发的局部时间段内。基于此，用2008―2013年5年间的年均受灾面积作为2014年农业成灾面积的估算值相对来说比较科学，这样得到X7=33.85万hm2。把以上各解释变量都带入模型，得到2014年贵州省粮食产量的预测值：

Y=-7 136 218.23+5.25×311.84+0.76×63.19+ 4.37×107.52-5.08×33.85=1 269.47（万t）

3 政策建议

3.1 加强耕地保护，稳定粮食种植面积

2012年贵州省政府1号文件要求要保证全省粮食种植面积稳定在423.3万hm2、粮食总产量稳定在1 150万t左右，为此必须进一步挖掘耕地潜力。近5年来，贵州省粮食播种面积一直保持在441万hm2至499万hm2之间，平均为475.8万hm2，总体粮食播种面积还算比较稳定[13]。粮食播种面积会受到诸如粮价、气候环境、耕地数量与质量等多方面因素的影响，只有确保粮食价格稳定增加农民种粮收入，加强预测预警以减小气候环境对播种的影响，实行严格的耕地保护政策减少非农建设对耕地的占用，提高耕地使用效率，才能维持可耕地红线，粮食种植面积才会有所保障。

3.2 加快农业灾害预警预报系统建设，减少灾害对粮食生产的影响

要加快完善自然灾害预警预报系统，最大限度地攻克突发性农业自然灾害在预报方面的难关。可以考虑将地理信息系统中的遥感遥测技术引入到自然灾害监测中，提高预报精度。要加快贵州省防汛抗旱领导办公室的职能建设，对灾后农业减灾工作开展专业指导、对口援助，最大限度地降低粮食产量损失。另一方面，还要深化贵州省综合防治体系建设。农业自然灾害是一个复杂的系统工程，只有有的放矢、全面规划、综合防治，才能有效减少自然灾害对粮食产量的影响。

3.3 改革现有耕地制度，进一步挖掘粮食生产潜力

目前贵州省耕地的使用存在着以下几个问题：①省政府和各下级地方政府在耕地保护上目标不一致。省政府更注重耕地的可持续利用和全省的粮食生产与安全，地方政府更注重短期经济效益而不太关注对耕地的保护和永续利用。②贵州全省耕地规模化经营水平很低，不利于提高粮食生产效率[14]。针对这两个问题，必须果断改革现有耕地制度，可考虑通过耕地有效保护和地方政府政绩挂钩来规范其非理性的供地行为；要提高土地规模经营程度，通过立法立规为其提供法律保障，以进一步挖掘粮食生产潜力，提高粮食产出效益。

3.4 加快农业科技创新，提高粮食单产

在可用耕地面积有限、粮食播种面积也不可能有大幅增加的情况下，贵州省粮食总产量的增加必须依靠提高单位面积产量。在2006―2012年6年间，贵州省粮食单产平均值为268 kg，而同期全国粮食单产平均值为312 kg，是贵州省的1.16倍，由此可以看出，贵州省粮食单位面积产量依旧很低，农业生产效率不高。要想提高粮食单产，就必须加快农业科技创新，提高粮食生产中的科技含量，具体可以考虑选育适合贵州省的优良粮食作物生长品种，提高生物技术应用能力，扩大应用范围，研制绿色新型肥料，改善施肥结构，提高肥料使用效率等。

参考文献：

[1] 谢 杰.中国粮食生产影响因素研究[J].经济问题探索，2007， 9（12）：45-47.

[2] 赵慧江.影响我国西南山区粮食产量的因素分析[J].山地学报，2007，11（25）：113-116.

[3] 肖海峰.我国粮食生产的影响因素――基于柯布・道格拉斯函数的实证分析[J].中国农业资源与区划，2005，16（45）：21-26.

[4] 高倩倩，邢秀峰，姚传进.山东省粮食产量影响因素分析[J].江苏农业科学，2006，25（2）：30-37.

[5] 廖婧琳，苏 月，冯泽蔚.农业自然灾害对贵州省粮食产量的影响[J].山地学报，2008，33（17）：121-126.

[6] 董梅生.基于逐步回归模型的中国农业投入与产出的关系[J].技术经济，2009，28（1）：37-41.

[7] 王焕春.我国农业投入对农业产出影响的实证研究[M].天津：天津大学出版社，2007.

[8] 左 亭，周志伟.农业安全视域下的粮食安全再认识[J].江苏农业科学，2014，42（5）：1-2.

[9] 王天生，王 瑶.贵州省粮食生产发展60年回顾与展望[J].贵州农业科学，2009，37（9）：1-9.

[10] 何雯娜.贵州省主要农业自然灾害对农业经济发展的影响研究[J].农业经济问题，2008，26（21）：67-69.

[11] 李 亮，但文红.贵州喀斯特石漠化地区粮食安全保障的时空变化与预测[J].山地学报，2012，42（1）：218-223.

[12]李福夺.基于偏最小二乘回归分析的贵州省粮食产量影响因素研究[J].四川师范大学学报（自然科学版），2014，12（8）：56-59.

[13] 杨 忍，任志远.贵州省粮食安全时空格局与预测[J].山地学报，2008，26（4）：418-424.

[14] 赵子英.1978―2008年贵州省粮食产量影响因素研究[J].现代农业科技，2013，8（1）：12-16.