我國糧食生產的主要影響因素研究
——基于全國31個省市截面數據的實證分析

宦 捷

（澳門大學，澳門特別行政區 999078）

1.引言

民以食為天，糧食事關國計民生。近幾年來高度重視“三農工作”，制定了“多予少取放活”“工業反哺農業、城市支持農村”的基本方針，提高惠農政策的力度使農民的積極性顯著提高。另一方面，政府在農業基礎設施建設上也加大投資，生產條件也有所好轉。根據國家統計年鑒，我國2000年～2018年間，糧食產量從46218.0萬噸增加到65789.2萬噸，糧食播種面積由2003年的14.9 億畝提高到2018年的17.6 億畝，糧食的供求基本達到平衡。因此，分析糧食生產的影響因素就具有極高的現實意義。

我國糧食生產正處于從主要依靠人力畜力轉向主要依靠機械動力的階段，過程中面臨諸多問題。針對這些現狀，本文利用2018年的農作物成災面積、耕地灌溉面積、農村水電站、農業機械總動力、農藥使用量、農用化肥施用量和糧食播種面積等影響因素進行研究，從而對我國糧食生產做出合理性建議。

2.文獻綜述

隨著農業的不斷發展，學者們對糧食產量的影響因素及其他問題也進行了深入地研究。郭淑蘭運用雙對數多元回歸模型對2005年全國31個省區糧食產量影響因素進行分析，得出一方面糧食播種面積目前是我國穩定和提高糧食產量的最重要因素，因此糧食補貼的對象首選應當是針對種植面積補貼；另一方面施肥量是影響我國糧食單產的重要因素，并且應在重視施肥量的同時，對于其他提高農業生產效率的科技因素給予相應的關注。鮑國良和姚蔚運用“平均單產”和“產量變異系數”兩個指標進行研究，分析得出我國糧食自然災害的波動性與變異程度日益減小。近幾年來受災面積、成災面積以及單產變異系數均較之前年份有較大幅度下降，體現出我國糧食自然災害的短期波動幅度在減小，且表現出持續減緩的趨勢。徐冬婷和秦月運用擴展C-D 生產函數對江蘇省糧食生產的主要影響因素進行實證分析，建議擴大農業生產規模，種植產業化能夠提高農用機械運作的效率，由化肥向有機肥改進，減少對土壤的傷害，提高糧食單產水平。

因此，為了達到更好的研究效果，本文將借助、結合上述各學者的研究成果，利用應用多元統計方法和計量分析相結合的方式，建立主成分回歸模型，確定國家31個省區的糧食產量的主要影響因素，并針對關鍵因素提出相關發展建議，從而為我國糧食生產的發展貢獻一份力量。

3.數據說明

本文研究的原始數據來源于國家統計局統計年鑒（2019），所取數據為2018年31個省區糧食產量及相關指標。結合糧食產量的宏觀因素，主要從以下幾方面考慮：自然因素、經濟因素和科技因素。為研究更為準確，根據每種影響因素選擇以下指標，建立多元線性回歸模型，各指標的單位及主要含義如下：

表一 糧食產量影響因素指標表

糧食產量（Y）農業生產經營者日歷年度內生產的全部糧食數量。糧食播種面積（X1）指農業生產經營者應在日歷年度內收獲糧食作物在全部土地（耕地或非耕地）上的播種或移植面積。耕地灌溉面積（X2），指具有一定的水源，地塊比較平整，灌溉工程或設備已經配套，在一般年景下能夠進行正常灌溉的耕地面積。農村水電站（X3）:指的是農業水電站的個數農業機械總動力（X4）指全部農業機械動力的額定功率之和。農用化肥施用量（X6）指本年內實際用于農業生產的化肥數量，包括氮肥、磷肥、鉀肥和復合肥。農作物成災面積（X7）是指：因水旱等災害造成農作物比正常年份減產3成（含3成）以上的播種面積。μt為隨機誤差項：指不被包含在該模型中的解釋變量和一些不可觀測因素對被解釋變量干擾的總影響項。

4.模型建立與求解

4.1 建立主成分分析模型

主成分分析模型依據數據信息丟失最少的原則，綜合簡化多變量截面數據，實現高維變量空間的降維。本文主要研究全國31個省市糧食產量的主要影響因素，依據主成分得分進行排名。根據主成分分析理論，假設有n 個樣本，p個指標組成矩陣 X：

通過原始數據進行標準化處理，消除量綱的影響設

根據變化后的矩陣X′，求出協方差矩陣和相關矩陣的特征值aij，及其對應的特征向量，得到原指標的線性組合Fj，通過計算累計貢獻率確定主成分，實現降維。

4.2 建立多元線性回歸模型

多元線性回歸模型：被解釋變量Y對p個解釋變量1～p的線性回歸模型，先給Y做歸一化處理，再將上面得到的因子得分代入到模型中，得到主成分回歸模型，得到

4.3 主成分分析模型求解

KMO 和 Bartlett球形度檢驗中 Kaiser-Meyer-Olkin度量的值大于0.5，所以適合做因子分析。因為方差累積貢獻率越高，主成分的效果就會越好，我們利用方差累積貢獻率和碎石圖結合起來判斷。

圖一由累積方差貢獻率和碎石圖可得需要3個因子，同時人工輸入個因子在抽取項中點擊因子的固定數量，得到新的累積方差貢獻率。由表二可知，第一個主因子的提取量僅為49.778%，第二個主因子提取量為76.689%，第三個提取量為92.881%，大于90%。

圖一 碎石圖

表二 旋轉后解釋的總方差

根據表三可得，X2、X4、X5、X6由第一主因子解釋，其中包含的影響因素為耕地灌溉面積、農業機械總動力、農藥使用量和農用化肥施用量；X1、X7由第二主因子解釋，其中包含的影響因素為糧食播種面積農作物成災面積，X3由第三主因子解釋，其影響因素為水電站個數。

表三 旋轉成分矩陣

X1 .673 .688 .033 X3 .165 -.063 .979

表四 因子得分系數矩陣

4.4 多元回歸模型求解

把三個主因子的因子得分作為自變量多元進行回歸，方程如下：

表五 各個主因子系數及顯著性

表六 調整后的回歸模型系數

各指標總系數如下表所示：

表七 各指標總系數表

由表中數據可知X1、X2、X7這三個影響因素系數最大，即農作物成災面積、糧食播種面積以及灌溉面積對糧食產量的影響最大；X4、X5、X6這三個影響因素系數其次，即農業機械總動力、農藥使用量和農用化肥施用量的影響相對重要。

5.結論與建議

5.1 結論

通過對主成分分析法，基于前人文獻，選取七個指標，并對主成分分析法的應用進行拓展，在損失信息量最小的前提下，獲取各指標對全國31個省市糧食產量影響因素的權重，得到全國糧食產量影響因素模型。

由回歸方程可知，糧食產量的影響因素大小依次為：農作物成災面積、糧食播種面積、耕地灌溉面積、農用化肥施用量、農業機械總動力、農藥使用量、農村水電站，農作物成災面積和糧食播種面積對糧食產量的影響最大。由此可知，2018 年，全國31個省區糧食產量的增加很大程度上歸功于種植面積的增加以及旱澇災害的治理；化肥施用量對糧食生產也有一定的影響，化肥作為農業技術水平提高的代表，可促進糧食產量的增加。但是由于化肥的過度 施用給土壤環境帶來一定的傷害，很多地市都在控制；農用機械總動力會使糧食產量增加，但是比播種面積與化肥施用量對糧食產量的影響小。

5.2 建議

5.2.1 保證糧食播種面積，減少成災面積，確保糧食產量。

近五年來，各個省區糧食播種面積變化不大呈現略微波動趨于平緩的狀態，總播種面積穩定在 11800 千公頃左右，很大程度上支撐了糧食產量的逐年增長，由此可見耕地的質量和數量是保障糧食生產的必要條件。因此，首先，應健全耕地保護制度，減少土地污染，在不影響居民正常生活的前提下保證土地利用最大化；其次，應對產量低的耕地進行實地考察，采取針對性措施增加糧食單產，有效提高全國各個省區糧食總產量；第三，政府可以針對種植面積進行相應補貼。

5.2.2 發展農業科技，優化化肥的施用，提供良好的種植環境。

由實證分析結果可知，除去播種環境和自然條件影響因素，化肥在糧食生產過程中占據很高地位，是必不可少的投入要素。因此，全國31個省區需要改善肥料，提高化肥品質、使用效率或使化肥向有機肥改進，由此有助于農作物生長，提高糧食單產水平。同時，針對科技落后地區、勞動力低下地區，政府可建立農業技術推廣平臺，向村民推廣技術，提高農戶科技耕種意識，將技術應用到糧食生產的各方面，進而提高糧食產量。其次，對于技術研發，要加大農業科技研發力度，有效加快對農業機械、糧食品種、肥料與農藥的改善，進而與實際勞作相對接，高效應用技術成果。

5.2.3 提高農業機械化水平，增加整體糧食生產效率。

我國各種機械化勞動力為糧食產量的增加做出了巨大貢獻，正在經歷從人力到機械化轉型的階段。由于中國是一個生產季節多樣化的大國，伴隨著農業人口減少，使勞務輸出和機器服務長期存在，可以大大降低運營成本。首先，我國應當針對不同省區，結合各地的耕地情況，綜合考慮農民運用農用機械的技術水平，推廣適用型農用機械，提高糧食生產率；此外，使農業的生產規模增加，并且提高農業機械化效率，最終提高糧食生產率。

5.2.4 引進農業科技人才，突出發展重點產業。

根據農業的發展趨勢、發展需求，對農業技術人員的隊伍進行仔細研究，制定詳細的人才引進計劃，做到因地制宜，投入資金發展具有農業科學技術的人才，最終達到優化團隊結構的目的。