影響中國糧食安全的因素分析

□湯家慧

（安徽農業大學 安徽 合肥 230036）

糧食安全影響一個國家長期經濟發展速度甚至政權穩定。糧食作為主要農作物之一，是重要的食用原料和飼料來源。保障糧食產量對保障中國糧食安全具有重要的戰略意義，因此在一定程度上穩定糧食產量、加強糧食市場安全是有必要的。利用Stata 分析，研究糧食產量及其主要影響因素之間是否存在長期穩定的均衡關系，分析在糧食市場安全的條件下各因素對糧食產量的影響程度，并對加強中國糧食市場安全提供政策建議。

1 文獻綜述

1.1 糧食安全研究現狀

近年來，中國糧食市場得到了一定程度的發展。糧食安全問題一直是熱點話題，糧食安全方面的研究成為國內學者重點關注對象。我國糧食安全研究成果較為豐富，主要集中在定義、類型、開發模式、問題、作用和對策等方面。金繼運等（2006）[1]指出了化肥在保障中國糧食安全中的作用與貢獻。根據近年來中國糧食生產過程中出現的問題，為了保障中國糧食安全，除了繼續加強化肥工業發展和增加化肥施用量外，還應該采取其他措施[2]。

1.2 糧食安全的影響因素

近年來，在“兩個市場”的戰略下，中國糧食基本上能滿足生產和生活的需求，主要糧食作物依靠“國內市場”就能得到保障，僅個別品種需要借助于“國際市場”補充。目前，中國學者對糧食安全的主要影響因素開展了很多研究。魯奇（1999）[3]認為，中國未來耕地資源開發將會走高效集約道路，應該加強管理和保護，實現農業可持續發展，進而提供食物安全保障。

2 數據分析

2.1 數據來源

選用1989—2019 年中國糧食產量（Y）、農用耕地灌溉面積（X1）、糧食播種面積（X2）、糧食化肥施用量（X3）作為變量。相關數據來自1989—2019 年《中國統計年鑒》《中國農村統計年鑒》以及國家統計局網站，數據真實有效。

2.2 變量及模型設計

影響糧食產量的因素有很多，考慮到數據的可獲得性及其可量化性，選取農用耕地灌溉面積、糧食播種面積、糧食化肥施用量3 個可以量化的指標作為自變量[4-5]，建立模型。根據國家統計局年度統計數據，整理出1989—2019 年全國范圍內的糧食產量、農用耕地灌溉面積、糧食播種面積、糧食化肥施用量等數據。采用的模型如下。

式中：Y代表糧食產量；X1 代表農用耕地灌溉面積；X2 代表糧食播種面積；X3 代表糧食化肥施用量；β0 為常數項；μ為隨機干擾項，包含其他沒有考慮到的影響因素；β1、β2、β3 為待估計的參數。

通過對該模型進行回歸分析，得出各變量與中國糧食產量的變動關系。

3 實證結果與分析

利用Stata 14.0 軟件，分析糧食產量受農用耕地灌溉面積、糧食播種面積、糧食施用量等變量影響產生的一系列變動。

3.1 描述性統計

在實證分析前，對上述收集的數據進行描述性統計。數據樣本量為31，分別對Y和X作描述統計分析。其中，X2 糧食作物播種面積的均值最大，X1 農用耕地灌溉面積的均值最??；X3 化肥施用量的標準差最小，Y糧食產量的標準差最大；X2 糧食播種面積的最小值為99 410；X1 農用耕地灌溉面積的最大值為119 230。

3.2 單位根檢驗

由于數據是時間序列，故進行單位根檢驗，判定是不是平穩序列。根據結果可知，所得數據Test Statistic 的值均大于在1%和5%水平上的值，數據存在單位根，說明該時間序列是隨機游走序列，而隨機游走序列式是非平穩的。

3.3 一階差分

從以上結果得知，繼續差分后的Test Statistic 的值均小于在1%和5%水平上的值，說明數據較為平穩，無須進行二次差分。

3.4 協整檢驗

經過上述單位根檢驗，可知所選變量都具有一階單整性，由此可以進行協整檢驗。在Stata 中進行操作得到的結果顯示，藍色星號所對應的rank 等級為0，也就是說明在整個數據里，4 個變量中有0 個協整關系，所選變量通過協整檢驗，在進行回歸時不會存在偽回歸問題。

3.5 首次回歸結果

通過之前的步驟，進行協整檢驗后，由回歸結果可知，Prob＞F=0，小于0.01，檢驗通過，由此可知此模型在0.01 顯著性水平上是有效的。且R為0.981 2，Adj-R2為0.979 1，其數值十分接近于1，因此模型擬合程度較好。同時，從T 檢驗結果來看，X1 有效耕地灌溉面積、X2 糧食播種面積、X3 化肥施用量的P值大于0.05，且糧食產量與X1 有效耕地灌溉面積、X2糧食播種面積、X3 化肥施用量3 個影響因素存在正相關，不能否定原假設，兩組差別無顯著意義，說明結果更傾向于接受假定的參數取值。

3.6 多重共線性檢驗

多重共線性結果如圖1 所示。由圖1 得知，變量X1、X2、X3 的值均小于10，說明不存在多重共線性，模型良好，無須進行修復多重共線性檢驗。多重共線性產生一方面可能是由于各變量之間有共同變化趨勢，或者變量之間有較強的相關性，另一方面可能是解釋變量選擇不當。

3.7 數據相關性分析

利用Stata 14.0 軟件相關命令，計算一組變量間的協方差或相關系數矩陣，多個變量之間的相關關系?？赏ㄟ^計算一組變量中兩兩變量的相關系數，來判斷數據相關性。

3.8 自相關檢驗

根據所選數據為時間序列產生一定的自相關，要對模型進行自相關的相關檢驗，此處用LM 檢驗和DW 檢驗兩種方法進行檢驗。

LM檢驗結果如圖2 所示。

在給定α=0.05 的情況下，BG 檢驗的卡方統計量chi2（1）=4.444，對應p 值為0.035 0＜0.05，表明待檢驗的序列不存在自相關性。

DW 檢驗結果如圖3 所示。

由圖3 可知DW=1.049 906。解釋變量K=4，樣本容量31，查閱DW 表可知dl=1.160，du=1.735。根據DW檢驗決策規則得知，dl＜DW＜4-du，也就是1.160＜1.049 906＜4-1.735，因此不存在自相關性。

通過上述兩項檢驗得出，不需要對模型進行自相關修正。

4 結論和政策建議

4.1 結論

通過模型建立與調整，最終得到有效多元線性回歸模型，其中X1、X2、X3 分別對應農用有效耕地面積、糧食播種面積、化肥施用量。從回歸結果可以看出，該回歸方程回歸效果良好。

4.2 政策建議

提高農戶種植積極性，提高農民的種植技術和綜合素質，科學種植。加強科研，提供更加優良的糧食種子，提高糧食競爭力。實行更為嚴格的耕地保護政策。耕地面積是糧食生產的基本條件，只有保證基本耕地面積，才能保障糧食收成。