中國小麥生產的時空演變特征及其影響因素分析*

李 偉

(長江師范學院財經學院，重慶 408100)

0 引言

小麥富含淀粉、蛋白質、脂肪、礦物質、鈣、鐵、硫胺素、核黃素、煙酸及維生素A等，是最重要的食物和營養來源之一。我國自古就有“北人食面，南人食米”的說法，全國40%的人口以小麥為主糧。由于小麥易于加工、用途廣泛，隨著我國居民生活水平的提高和消費結構的升級，我國對小麥的需求量將進一步增加。目前，我國小麥播種面積占糧食作物總播種面積的22%，小麥產量占糧食總產量的21%，大約占世界小麥總產量的20%。我國已成為小麥產量和消費量最大的國家。小麥在我國的糧食生產、流通和消費中具有核心地位[1]。因此，充分了解小麥生產的時空演變特征及成因，把握并尊重小麥生產的時空演變規律，可以更加合理地配置農業資源，優化農業生產的空間布局，推動農業供給側結構性改革，促進小麥產業的穩定發展。

目前已有許多學者對我國糧食生產的空間布局變化進行了研究。黃愛軍指出新中國成立以來，伴隨著我國糧食生產的發展，我國糧食生產的區域格局也在發生重要變化，我國糧食增長中心呈現出“北上”、“西進”的趨勢[2]。鄭有貴等[3]的研究表明我國南糧北調和北糧南運的轉折點發生在20世紀80年代中期，并認為糧食生產區域格局的變化主要是因為南北方農民根據要素的相對價格和比較利益對資源進行重組的結果。伍山林[4]認為非農產業就業拉力和人均耕地資源是影響我國糧食生產區域變動的重要因素。羅萬純等[5]的研究表明我國東部地區糧食生產集中度不斷下降，中部地區不斷上升，而西部地區先下降后上升，人均耕地面積、糧食單位產量和經濟效益比是影響糧食生產區域格局變化的主要因素。陸文聰等[6]利用空間計量經濟模型分析了影響我國糧食生產區域格局變動的因素，其研究結果表明相鄰地區的糧食生產會對當地的糧食生產具有負向影響。其原因是，如果相鄰地區的糧食生產供過于求，則當地不必追求糧食的自給率，完全可以根據比較優勢來安排農業生產，糧食的供求差額可通過區際之間的貿易來彌補。

除了從總體上對我國糧食生產的區域格局進行研究以外，還有許多學者對不同品種的糧食生產的時空變化進行了研究。鐘甫寧、楊萬江等分析了我國水稻生產空間布局的變遷過程[7-8]，陳歡等、李欠男等分析了我國玉米生產的空間布局變化[9-10]。也有學者針對我國小麥生產的空間布局進行過研究。姜會飛等[11]認為我國小麥生產具有空間上的相對穩定性和時間上的相對不穩定性，小麥生產的這種時空差異性造成了區域比較優勢的時空變化。盧布等[12]認為我國小麥生產的優勢區域逐步形成，長江中下游、黃淮海和大興安嶺沿麓三大優質小麥產區優勢逐漸增強。李明輝等[13]分析了1994—2013年我國小麥生產區域格局的演變情況，并分析了驅動我國小麥生產布局演變的可能因素。目前國內學者對我國小麥生產空間布局變化的研究以描述性分析為主，缺乏較為嚴格的實證分析，特別是未考慮小麥生產布局的空間依賴性。基于此，文章將利用基尼系數、產業集中度指數等指標對1978—2016年我國小麥生產的時空演變特征進行分析，并建立空間面板杜賓模型定量研究我國小麥生產布局變化的驅動因素，以期為相關決策提供參考。

1 研究方法及數據來源

1.1 研究方法

1.1.1 基尼系數

基尼系數最先是用來衡量收入分配是否公平的重要指標，后來有學者對該指標進行改進以反映產業的空間集聚程度。因此該指標可以很好地反映我國小麥生產的空間集聚程度。基尼系數的簡易計算公式為：

(1)

式(1)中，GINI表示基尼系數；n表示全國省份均等分組的組數，由于海南省沒有小麥生產，該文將其余的30個省、市、自治區(未包括港、澳、臺)的小麥生產規模按照從小到大的順序均等分為10個組，即n=10；Yj表示第j組的小麥產量在全國小麥產量中的比重。基尼系數的最小值為0，最大值為1，基尼系數越高，表明我國小麥生產的空間集聚程度越高，反之則越低。

1.1.2 產業集中度

為了使我國小麥生產空間集聚程度的分析結論更加可靠，該文同時使用了產業集中度指標。小麥的產業集中度反映小麥產量排在前幾位的省份的產量之和占全國總產量的比重，其計算公式為：

(2)

式(2)中，m表示小麥產量排在前幾位的省份數量。該文參照丁存振等的做法[14]，將m的值取為5。Yi表示省份i的小麥產量占全國產量的比重。

1.1.3 空間自相關檢驗

經濟現象之間往往存在一定的空間依賴性，為檢驗我國的小麥生產是否存在空間依賴性，該文選擇度量空間自相關的“莫蘭指數I”(Moran′s I)來進行分析。Moran′s I的計算公式為：

(3)

(4)

Moran′s I的最小值為-1，最大值為1。如果Moran′s I的值大于0，則表明地區之間存在正自相關，即高值與高值相鄰、低值與低值相鄰； Moran′s I的值如果小于0，則表明地區之間存在負自相關，即高值與低值相鄰。如果Moran′s I的值接近于0，則表明空間分布是隨機的，不存在空間自相關。

1.1.4 空間面板杜賓模型

該文實證分析我國小麥生產時空變化影響因素的數據為面板數據。標準面板計量經濟模型由于忽略了空間效應從而可能導致參數估計偏誤，因此該文用空間面板模型進行分析。在3種常見的空間面板模型中，空間面板杜賓模型是最一般的模型，而其他兩種模型可以看作是空間面板杜賓模型的特殊形式。空間面板杜賓模型的一般形式為：

(5)

通過相應的檢驗，可以判斷空間面板杜賓模型的設置是否合理，即是否可以化簡為空間面板滯后模型或者空間面板誤差模型。

1.2 數據來源

該文考察的時間范圍為1978—2016年，由于海南省未種植小麥，因此考察的地區為全國30個省、市、自治區(未包括港、澳、臺)。該文的數據主要來源于歷年的《中國統計年鑒》和《中國農村統計年鑒》。《中國統計年鑒》和《中國農村統計年鑒》在1988年之前關于廣東省的有關統計數據涉及到海南省，而1997年之前關于四川省的有關統計數據涉及到重慶市，因此1988年之前廣東省的有關數據、1997年之前四川省和重慶市的有關數據均來源于《新中國60年統計資料匯編》。在后面的實證分析中，需要使用農業機械總動力，而農業機械總動力對應的是全部農作物，該文用農業機械總動力乘以小麥播種面積占農作物總播種面積的比重來反映一個地區小麥生產的農業機械化發展水平，該變換方法參考了朱啟榮的研究[15]。實證分析中有些變量的單位是百分比(%)，而小麥產量、農業機械總動力和小麥平均產量是絕對數，為了減少異方差等問題的影響，對小麥產量、農業機械總動力、小麥平均產量取自然對數。

圖2 1978—2016年我國小麥生產的基尼系數和產業集中度

2 中國小麥生產的時空演變特征

2.1 小麥產量呈現出波動上升趨勢

改革開放以來，我國小麥產量增長較快，從1978年的5 384.0萬t增長到2016年的12 884.5萬t，增長了1.4倍，年均增長197.4萬t。但是，小麥產量并不是持續上升的，其間有較大的徘徊。從圖1可以看出，我國小麥產量的變化大致可分為3個階段， 1978—1997年為快速上升階段，該階段小麥產量年均增長365.2萬t； 1997—2003年為快速下降階段，小麥產量年均減少613.4萬t； 2003—2016年為恢復增長階段，小麥產量年均增長325.8萬t。我國小麥產量的變動軌跡與糧食總產量的變動軌跡幾乎是一致的。我國糧食總產量在1996年達到最高點，比小麥的最高點早了1年，隨后開始下降，在2003年形成波谷，隨之又開始持續上升。很顯然小麥產量在第一階段的快速上升與我國家庭聯產承包責任制改革和糧食流通體制改革釋放的制度紅利是分不開的。隨后，由于國家將經濟體制改革的重點轉向城市和工業，以及糧食快速增長導致的賣糧難等問題的出現，農民生產糧食的積極性受到抑制，從而導致了1997—2003年小麥產量的快速下降。2004年中央出臺了21世紀第一個關于“三農”的“一號文件”，全國開始重新重視“三農”問題，小麥生產再次步入持續上升的軌道。

2.2 小麥產區集中度越來越高，并趨于穩定

從圖2可以看出，1978—2016年我國小麥生產的基尼系數呈現出持續上升的態勢，從0.785上升到0.812，但是大約在2007年以后，基尼系數未再發生較大的變化，表現比較平穩。小麥產業集中度在1978—2016年也表現出了持續的上升趨勢， 1978年小麥產量排在前五位的省份生產的小麥之和占全國產量的56.4%， 2016年該比重增加到75.7%。小麥產業集中度在2007年后也變得比較平穩。說明改革開放以來，我國小麥生產不斷向優勢區域集中，而在2007年以后小麥生產的區域布局調整已基本完成。

2.3 小麥生產呈現出“由南向北，由東向西”的空間變動趨勢

為了考察我國小麥生產的空間布局變化，該文將1978年、1997年、2003年和2016年4個典型年份(1997年和2003年是我國小麥產量的兩個重要轉折點)的小麥生產規模按四分位點分為4個等級。由表1可以看出，我國小麥生產主要分布在北方地區，其中河南、山東、河北3省的小麥產量一直位居前三位， 2016年這3個省份的小麥產量接近全國產量的50%。1978年小麥生產規模位于第一等級的地區有河南、山東、河北、江蘇、四川、黑龍江、安徽和陜西8個省份， 1997年黑龍江的小麥生產規模從第一等級轉移到第二等級，并且在2003年轉移到第三等級，而新疆自治區的小麥生產規模于2003年從第二等級轉移到第一等級，并且一直保持到2016年。東南沿海的小麥產量雖然一直不高，但是廣東和福建1978年的小麥生產規模位于第三等級，然而到了1997年，廣東、福建兩省的小麥產量退居到第四等級，并且一直持續到2016年。四川作為我國傳統的小麥產量大省，其小麥產量在1978年、1997年、2003年均位于第一等級，然而2016年轉移到了第二等級，其第一等級的位置被湖北省代替。通過表1可以看出，我國小麥生產總體呈現出“由南向北，由東向西”的變動趨勢。

表1 我國小麥生產的空間轉移情況

生產規模等級1978年1997年2003年2016年第一等級河南、山東、河北、江蘇、四川、黑龍江、安徽、陜西河南、山東、河北、江蘇、安徽、四川、陜西、湖北河南、山東、河北、安徽、江蘇、四川、陜西、新疆河南、山東、河北、安徽、江蘇、新疆、陜西、湖北第二等級甘肅、湖北、新疆、山西、重慶、內蒙、云南新疆、山西、黑龍江、甘肅、內蒙、云南、重慶甘肅、山西、湖北、云南、重慶、內蒙、寧夏四川、山西、甘肅、內蒙、云南、天津、貴州第三等級北京、浙江、青海、廣東、天津、寧夏、貴州、福建貴州、北京、寧夏、青海、天津、浙江、遼寧、上海貴州、黑龍江、青海、天津、西藏、浙江、北京、湖南寧夏、青海、黑龍江、浙江、西藏、重慶、上海、北京第四等級湖南、吉林、西藏、上海、廣西、江西、遼寧湖南、西藏、福建、吉林、江西、廣東、廣西上海、遼寧、吉林、江西、福建、廣西、廣東湖南、江西、遼寧、廣西、福建、廣東、吉林 注:生產規模≥Q75為第一等級,Q50≤生產規模

2.4 小麥生產呈現出較強的空間依賴性

從圖3可以看出，1978—1985年，Moran′s I 的值總體上呈現出上升趨勢，表明在此期間小麥生產的空間依賴性不斷增加。1985年之后Moran′s I 的值雖然有所波動，但總體上比較穩定，大致保持在0.4左右。此外，所有年份的Moran′s I均通過了1%的顯著性檢驗。我國地域廣闊，各地的自然條件和經濟條件差異比較大，但是地理上相鄰的地區在自然條件和經濟條件方面存在一定的相似性，從而我國的小麥生產也表現出一定的空間相關性，即小麥產量高的地區彼此聚集，產量低的地區也彼此聚集。

圖3 1978—2016年小麥集中度的Moran′s I 指數

3 中國小麥生產時空變化影響因素的實證分析

3.1 變量選擇及數據說明

該文實證分析所使用的被解釋變量為小麥生產規模，用小麥產量來衡量。參考相關學者的研究，該文選擇下述變量來分析影響中國小麥生產時空變化的因素，變量設置及選擇依據如下。

非農就業機會。雖然國家不斷加大對農業的扶持力度，但是務農收入仍然低于務工收入，如果一個地區具有較高的非農就業機會，人們會將更多的勞動力投入到非農產業，從而可能減少農業包括小麥的產出水平。該文用二、三產業產值占GDP的比值衡量一個地區的非農就業機會。該比值越大，預期小麥生產規模越小。

小麥生產的比較效益。耕地既可以種植小麥，也可以種植其他糧食作物或經濟作物。如果農民是理性的，他必然會根據經濟效益來選擇不同農作物的播種面積組合。該文用小麥播種面積占農作物總播種面積的比值來衡量小麥相對于其他農作物的經濟效益。預期該比值越大，小麥的生產規模越大。

農業機械化發展水平。目前小麥是我國實現農業機械程度最高的農作物，在小麥的耕、種、收等各個環節幾乎都可以實現機械化作業，因此一個地區的農業機械化發展水平可能會對小麥的生產規模產生影響。該文用農業機械總動力表示農業機械化發展水平，預期農業機械化發展水平越高，小麥的生產規模越大。

小麥平均產量。小麥的平均產量可以綜合發映一個地區的土壤、氣溫、降水等自然條件是否適合小麥的生產，并且可以在一定程度上反映小麥生產的技術水平。預期小麥的平均產量越高，小麥的生產規模越大。

各變量的含義、符號及預期影響效應見表2。

表2 變量的測度方法及影響效應假定

變量符號測度方法影響效應假定小麥生產規模Y各地區小麥產量的自然對數—非農就業機會X1二、三產業產值占GDP的比值負向小麥生產的比較效益X2小麥播種面積占農作物總播種面積的比值正向農業機械化發展水平X3農業機械總動力的自然對數正向小麥平均產量X4小麥單位播種面積產量的自然對數正向

3.2 空間面板杜賓模型的估計與分析

對空間面板杜賓模型的估計采用極大似然法(ML)。為了進行對比，該文同時給出了標準面板計量經濟模型的估計結果，標準面板模型用普通最小二乘(OLS)或可行的廣義最小二乘(GLS)進行估計。對標準面板計量經濟模型是否具有個體效應和時期效應的F檢驗結果表明具有個體和時期雙向固定效應，另外對模型是采用固定效應還是隨機效應的Hausman檢驗結果表明應采用固定效應模型。對空間面板杜賓模型是否可以簡化為空間面板滯后模型的Wald和LR檢驗統計量分別為32.103和44.127，對空間面板杜賓模型是否可以簡化為空間誤差模型的Wald和LR檢驗統計量分別為159.309和161.422，并且在1%的水平上均顯著，因此空間面板杜賓模型是最合理的模型，不能簡化為空間面板滯后模型或空間面板誤差模型。對空間面板杜賓模型是應該采用固定效應或者隨機效應的豪斯曼(Hausman)檢驗結果表明應采用固定效應進行估計。

表3 模型估計結果

變量標準面板計量模型空間面板杜賓模型無固定效應Ⅰ個體固定效應Ⅱ時期固定效應Ⅲ個體時期固定效應Ⅳ無固定效應Ⅴ個體固定效應Ⅵ時期固定效應Ⅶ個體時期固定效應ⅧCON1.937???(20.69)2.205???(20.73)1.702???(14.83)1.513???(16.22)1.442???(10.70)———X1-0.027???(-21.26)-0.026???(-23.26)-0.017???(-14.33)-0.009???(-9.64)-0.011???(-9.04)-0.008???(-9.31)-0.011???(-9.52)-0.007???(-8.28)X21.081???(6.65)2.738???(12.53)-0.382??(-2.42)0.256(1.47)-0.077(-0.35)0.359(1.62)-0.028(-0.13)0.522??(2.53)X30.952???(87.72)0.806???(59.08)1.002???(103.49)0.845???(83.97)1.008???(103.43)0.739???(53.63)1.012???(104.25)0.743???(57.32)X40.210???(5.47)0.240???(6.62)0.507???(13.73)0.782???(23.54)0.647???(17.00)0.775???(23.44)0.645???(17.12)0.806???(25.68)w?X1————0.007???(-3.56)-0.007???(-4.40)-0.006???(-2.67)-0.001(-0.74)w?X2————0.549?(1.74)1.459???(4.53)-0.098(-0.29)0.775??(2.38)w?X3————-0.487???(-13.83)-0.202???(-6.20)-0.369???(-12.86)0.172???(4.53)w?X4————-0.611???(-9.67)-0.782???(-16.89)-0.406???(-5.42)-0.109(-1.617)ρ————0.454???(14.78)0.494???(17.28)0.335???(15.09)0.130???(3.63)Log-L————-550.22107.13-552.10 212.32 R20.9450.9750.9590.988 0.9600.882 0.959 0.888 注:(1)括號中的值為t統計量; (2)???,??,?分別表示在1%,5%及10%的水平上顯著; (3)CON為常數項,w?X1,w?X2,w?X3,w?X4分別表示X1,X2,X3,X4的空間滯后項

表3中Ⅰ—Ⅳ分別為標準面板計量模型的無固定效應、個體固定效應、時期固定效應及個體時期雙向固定效應的估計結果， Ⅴ—Ⅷ分別為空間面板杜賓模型的無固定效應、個體固定效應、時期固定效應及個體時期雙向固定效應的估計結果。

從標準面板計量模型來看，除了小麥生產的比較效益在4個模型中的估計系數存在較大差異外，其他3個解釋變量的估計系數具有很好的一致性。在模型Ⅰ、Ⅱ中，小麥生產的比較效益對小麥的生產規模具有顯著的正向影響，在模型Ⅲ中為顯著的負向影響，而在模型Ⅳ中，雖然影響效應是正向的，但是不顯著。在模型Ⅰ—Ⅳ中，農村勞動力的非農就業機會對小麥生產規模均具有顯著的負向影響，農業機械化發展水平和小麥的平均產量對小麥生產規模均具有顯著的正向影響。

從空間面板杜賓模型來看，模型Ⅴ—Ⅷ的空間自相關系數ρ的值均為正數，并且都通過了顯著性檢驗，這與前面基于Moran′s I的檢驗結論是一致的，即我國小麥生產確實存在空間依賴性，一個地區的小麥生產規模會對鄰近地區的小麥生產規模產生正向影響。對于具有空間自相關的模型，如果使用標準面板模型的估計方法，可能會導致有偏和不一致的估計結果。在空間面板杜賓模型的4個模型中，農村勞動力的非農就業機會、農業機械化發展水平和小麥生產的平均產量3個解釋變量的估計系數的符號是一致的，并且都通過了1%的顯著性水平的檢驗，但是小麥生產的比較效益只在模型Ⅷ中是顯著。由此可以看出，空間面板杜賓模型與標準面板計量模型所得到的結論幾乎是一致的。然而空間面板杜賓模型考慮到了數據的空間相關性，其估計結果具有更好的統計性質。

由于該研究涉及的時期較長，如果不考慮時期效應可能會產生變量遺漏問題，另外對標準面板模型的檢驗結果表明應采用個體和時期雙向固定效應，因此對空間面板杜賓模型采用個體和時期雙向固定效應是比較合理的。該文將著重對模型Ⅷ(即具有個體時期雙向固定效應的空間面板杜賓模型)的估計結果進行分析。

在模型Ⅷ中，農村勞動力的非農就業機會對小麥生產規模具有顯著的負向影響，但該變量的空間滯后項的影響效應不顯著； 小麥生產的比較效益、農業機械化發展水平對小麥生產規模均具有顯著的正向影響，并且這兩個解釋變量的空間滯后項顯著為正； 小麥的平均產量對小麥生產規模具有顯著的正向影響，其空間滯后項的影響不顯著。Lesage和Pace指出，當空間計量模型中的空間自相關系數ρ顯著不為零時，如果對回歸系數按照普通最小二乘的結果進行解釋可能會導致錯誤的結論[16]。該文使用Lesage and Pace提供的方法將空間總效應分解為直接效應和間接效應。其中總效應表示某一個自變量的變化對所有地區產生的平均影響，直接效應表示自變量的變化對本地區因變量產生的平均影響，間接效應表示自變量對其他地區因變量產生的平均影響。

表4 空間面板杜賓模型直接效應、間接效應的分解

直接效應間接效應總效應X1-0.008(-8.65)???-0.002(-1.27)-0.010(-4.57)???X20.555(2.72) ??0.940(2.65) ??1.495(4.82) ???X30.750(59.53) ???0.302(11.80) ???1.052(49.80) ???X40.805(26.85) ???-0.005(-0.07)0.800(11.37) ??? 注:(1)括號中的值為t統計量; (2)???、??、?分別表示在1%、5%及10%的水平上顯著

表4給出了模型Ⅷ的各個解釋變量的直接效應、間接效應和總效應。下面對表4的結果進行分析。

農村勞動力非農就業機會的直接效應顯著為負，間接效應不顯著，總效應顯著為負。表明該變量對本地區的小麥生產規模具有顯著的負向影響，而對鄰近地區的小麥生產不具有顯著影響。一個地區的二、三產業越發達，農村勞動力就有更多的就業選擇，在當前農業生產的比較效益還很低的情況下，農村勞動力會減少小麥等農作物的生產，而選擇到收益更高的非農產業就業，從而會減少小麥的生產規模。當前我國農村勞動力的轉移就業主要在省內流動及向東部沿海地區流動，而向鄰近地區流動的比例較小[17]，因此農村勞動力的轉移就業機會對鄰近地區的影響效應不顯著。

小麥生產的比較效益的直接效應、間接效應和總效應顯著為正，表明小麥生產的比較效益越高，該地區的小麥生產規模越大，由于相鄰地區在自然條件和經濟條件方面具有諸多相似性，因此小麥生產的比較效益不但對本地區的小麥生產規模具有顯著的正向影響，同時對鄰近地區的小麥生產規模也具有顯著的正向影響。

農業機械化發展水平的直接效應、間接效應和總效應顯著為正，表明農業機械化發展水平不僅對本地區的小麥生產規模具有顯著的正向影響，同時對鄰近地區的小麥生產規模也具有顯著的正向影響。在我國糧食作物的生產中，小麥是糧食作物中應用農業機械最普遍的品種，因此一個地區的農業機械發展水平有利于增加小麥生產規模。此外，農業機械的跨區服務導致農業機械發展水平對鄰近地區的小麥生產規模具有空間溢出效應，該結論與方師樂等的研究結果是一致的[18]。

小麥的平均產量的直接效應和總效應顯著為正，間接效應不顯著。平均產量反映的是小麥生產的技術優勢，小麥的平均產量越高，表明該地區在小麥的生產上具有技術上的比較優勢，因此該地區小麥生產規模越大。

4 結論與討論

該文首先利用基尼系數、產業集中度指數等指標對1978—2016年我國小麥生產的時空演變特征進行分析，然后建立空間面板杜賓模型定量研究驅動我國小麥生產布局變化的因素。研究結果表明：(1)自1978年以來，我國的小麥產量呈現出持續上升的趨勢，小麥生產的集中度越來越高，呈現出由東向西、由南向北的空間移動趨勢，此外小麥生產還表現出較強的空間依賴性。(2)空間面板杜賓模型的估計結果顯示，農村勞動力的非農就業機會對小麥生產規模具有顯著的負向影響，而小麥生產的比較效益、農業機械化發展水平和小麥的平均產量對小麥生產規模具有顯著的正向影響，并且小麥生產的比較效益和農業機械化發展水平還具有正向溢出效應。(3)農村勞動力的非農就業機會對小麥生產規模具有顯著的負向影響，表明在農業比較效益還比較低的情況下，當一個地區存在更多的非農業就業機會時，農民就不愿意在農業生產上投入更多的勞動力。(4)小麥生產的比較效益和小麥生產的平均產量對小麥生產規模具有顯著的正向影響，表明資源稟賦優勢是決定小麥生產規模的重要因素，同時也進一步解釋了我國的小麥生產為什么會不斷向優勢區域集中； 目前的農業機械化技術已可以應用于小麥的耕、種、收等各個環節，因此一個地區的農業機械化發展水平對小麥的生產規模具有重要的影響。

一方面，在農業供給側改革的背景下，小麥的播種面積可能會有所下降，此外，由于城鎮化的繼續推進會給農村勞動力提供更多的非農就業機會，這兩個因素均會導致我國小麥產量或增長速度下降。另一方面，由于人口的增加和人們消費結構的升級，我國對小麥的需求將會進一步增加。因此小麥產業的穩定發展問題需要引起足夠的重視。該文的研究結果具有如下政策啟示：(1)進一步提高小麥的單產水平。未來小麥的播種面積可能會有所下降，因此進一步提高小麥的單產水平顯得十分重要。可通過高標準糧田建設、品種改良和推廣科學的種植方法等途徑不斷提高我國小麥的單產水平； (2)大力發展農業機械化。農業勞動力持續減少是必然趨勢，加快農業機械化的發展進程可以有效應對農村勞動力持續流出導致的小麥生產的勞動力供給不足的問題。當前尤其需要加大農業機械與人工智能融合的研發力度，以提高農業機械的智能化水平； (3)大力推廣高品質小麥的生產。適當減少一般品質的小麥生產，增加高品質小麥的播種比例，發展綠色和生態種植，進一步提高小麥生產的比較效益。