山東省種植業產出影響因素研究

摘 要：為綜合研究山東省種植業產出的影響因素，找到促進山東省種植業發展的主要力量，借助Eviews軟件，依據2000—2022年山東省種植業總產值相關時間序列數據建立多元回歸模型，采用計量經濟學相關的經濟理論和數理統計方法，對影響山東省種植業產出的主要因素進行綜合分析，進行多元回歸模型的檢驗與修正。通過實證分析得出對應結果：山東省主要農業機械年末擁有量、山東省支農財政支出、山東省年降水量等因素對山東省種植業總產值有明顯的促進作用。在推動山東省農業發展和鄉村振興的過程中，應優先考慮以下幾個方面：一是加快農業機械化的高質量發展，以提升農業生產效率；二是優化支農財政資金的配置與使用，確保資金的高效利用；三是加強氣候變化預測能力，并據此靈活調整輪作制度和作物布局，以增強農業生產的韌性和適應性。實施這些措施，將有助于山東省農業產業的全面升級和農村經濟的可持續發展。

關鍵詞：山東省；種植業；Eviews；影響因素；計量經濟學

中圖分類號：F327 文獻標志碼：A 文章編號：1674-7909（2024）6-46-6

DOI：10.19345/j.cnki.1674-7909.2024.06.009

0 引言

“十四五”時期，是國家全面實施鄉村振興重要戰略部署的關鍵時期，同樣也是山東省推進農業農村現代化、促進農業農村高質量發展，打造齊魯樣板的關鍵時期。山東省作為農業大省，農業的戰略地位舉足輕重。將農業發展好，穩住農業這個經濟發展的基本盤，守好“三農”基礎，不僅事關山東省經濟發展，更是國家發展戰略剛需，是構建城鄉協調發展新格局，全面建設社會主義現代化國家的必經之路。因此，在“十四五”時期，堅持優先發展好農村經濟，具有十分重要的意義［1］。

長期以來，關于山東省種植業影響因素的研究受到眾多學者的廣泛關注，并且取得了一定的研究成果。曹廣平等［2］分析了氣候變化對山東省種植業產出的影響作用，并得出結論：近年來的氣候變化總體上對山東省種植業產出產生負面影響。王博等［3］考察了山東省種植業機械化情況，指出山東省種植業機械化存在區域性不平衡和機械化質量參差不齊等問題，影響了山東省種植業的發展。王崇紅等［4］則是從山東省產業內部結構調整出發，考察各個產業產值對農業經濟的貢獻率，并指出種植業在農業產業中的貢獻率最高，但種植業在產業結構調整中比例下滑，故其增長率逐年下降。在眾多研究中，大部分學者從單因素角度考察個別影響因素對種植業產出的影響作用，但對種植業發展中不同影響因素之間影響作用的大小及其之間的對比缺乏較為系統的研究。此研究在山東省種植業產出影響因素相關研究的基礎之上，盡可能較為全面地對代表性影響因素進行系統歸納研究，以進一步研究山東省種植業產出相關影響因素的協同效應。

1 材料與方法

1.1 變量選取

通常用種植業總產值、農作物總產量和種植業增加值作為衡量種植業產出的指標。鑒于統計數據獲取的難易程度、指標經濟效益和年增長率對比的需要，選取山東省種植業總產值VALUE（單位：億元）作為被解釋變量［5］。從農業發展的角度來看，農業的區位因素往往是影響其發展的關鍵因素，而農業的區位因素一般又分為自然條件因素和社會經濟因素。自然條件因素包括氣候（水分、氣溫、熱量、光照）、地形、土壤等。社會經濟因素包括國家政策、農業生產技術、勞動力、市場需求、交通等。在選取解釋變量時，為了確保數據的嚴謹性、有效性和量化分析的可行性，主要選取了有一定研究參考價值的官方數據。其中，山東省支農財政支出（FINANCE）作為政府農業政策的經濟投入，對農業經濟發展具有直接影響，因此被納入解釋變量［6］。山東省農村人均可支配收入（INCOME）作為反映農村居民生活水平的重要指標，其增長對于縮小城鄉經濟差距、促進城鄉經濟交流、推動農業現代化具有關鍵作用［7］，故亦作為解釋變量之一。改革開放以來，大量農村人口向城市集中，很大程度上造成了農村農業就業人口的過度外流，而農業勞動力作為農業生產最基本的生產要素之一，農業勞動力的過度轉移會明顯影響農業生產［8］。因此，山東省農業就業人口（LABOR）同樣也應被納入影響農業產出的解釋變量。從農業發展的角度來看，農業機械化水平是衡量農業現代化程度的重要指標。使用農業機械可改善農業生產條件，從而提高農業生產效率［9］，為了量化農業機械化水平這一影響因素，在此選擇山東省主要農業機械年末擁有量（MACHINE）作為解釋變量。除以上社會經濟影響因素外，自然條件也是影響農業產出的重要因素。進入21世紀以來，農業生產受全球氣候變化的影響日益顯著。已有研究表明，在我國，氣溫上升會對除東北地區以外的土地生產率起到負面影響，而降水量增加會對除南方地區以外的農業產生正面影響［10］。因此，將山東省年平均氣溫（TEMPERATURE）和年降水量（PRECIPITATION）作為解釋變量納入模型，對于全面分析農業產出影響因素具有重要意義。從上述論述中初步確定模型中的6個解釋變量，見表1。

1.2 數據來源

表2中的數據來源于2000—2023年《山東統計年鑒》，其中山東省種植業總產值、山東省支農財政支出和山東省農村人均可支配收入指標通過Excel進行價格指數平減處理，以消除不同年份的價格影響。

2 結果與分析

2.1 模型建立

使用時間序列數據分析影響山東省農業產出發展的因素，采用普通最小二乘法估計構建的時間序列模型，對各個解釋變量和被解釋變量取對數后納入模型，見式（1）。

ln VALUE=[β0+β1lnFINANCE+β2lnINCOME+]

[β3lnLABOR+β4lnMACHINE+]

[β5lnTEMPERATURE+β6lnPRECIPITATION+μ]

（1）

模型初步回歸結果見表3。

從表3中可知，模型的可決系數R2=0.988 235，調整可決系數（[R2]=0.983 824，都接近于1，通過擬合優度檢驗。在方程的顯著性檢驗中，Prob（F-statistic）=0也同樣通過檢驗。但在變量的顯著性檢驗中，解釋變量INCOME和LABOR的Prob（t-statistic）均大于0.05，無法通過變量的顯著性檢驗，并且解釋變量INCOME、LABOR和TEMPERATURE的參數符號均不符合表1的解釋變量預期，初步判定，該多元回歸模型存在多重共線性問題，并對此進行檢驗。

2.2 模型修正

對變量之間的相關性進行初步判定，相關系數矩陣見表4。

從表4中可以看出自變量FINANCE、INCOME、LABOR之間存在高度相關性，因此需要通過逐步回歸法排除該模型的共線性變量。將各個解釋變量分別與VALUE建立一元回歸模型。其中，與FINANCE建立的一元回歸模型中參數為0.300 330，參數大小和符號均符合表1經濟預期，通過了經濟意義檢驗。Prob（t-statistic）=0，通過了變量的顯著性檢驗。R2=0.949 827，并且為各個一元回歸模型中擬合優度最高的變量，因此以該模型為初始模型，逐步代入其他變量進行分析。

以FINANCE的一元回歸模型為基礎，逐步代入其他變量構建二元回歸模型，再以構建的二元回歸模型為基礎，代入其他變量構建三元回歸模型，以此類推（見表5），最終通過經濟意義檢驗和變量的顯著性檢驗初步判定后，以（FINANCE，MACHINE）（FINANCE，PRECIPITATION）（FINANCE，MACHINE，PRECIPI-TATION）為解釋變量的模型得以保留，而（FINANCE，MACHINE，PRECIPITATION）的模型擬合優度最高，故以此作為最終模型，見式（2）。

lnVALUE=0.238 929 lnFINANCE+0.404 82

（10.896 85）

lnMACHINE+0.17 1828 lnPRECIPITATION-10.889" 64

（3.107 230）" " " " " （2.740 758）" " " " " "（-0.971 834）

（2）

R2= 0.973 194 ，[R2]=0.968 961

2.3 模型檢驗

2.3.1 經濟意義檢驗

修正后模型的解釋變量山東省支農財政支出（FINANCE）、山東省主要農業機械年末擁有量（MACHINE）、山東省年降水量（PRECIPITATION）對被解釋變量山東省種植業總產值（VALUE）均呈正相關影響。符合表1中根據已有研究中各個解釋變量對被解釋變量山東省種植業總產值（VALUE）的預期影響和一般經濟規律，說明各個解釋變量通過了經濟意義檢驗。

2.3.2 方程的顯著性檢驗

方程的顯著性檢驗，旨在對模型中被解釋變量與解釋變量之間的線性關系在總體上是否顯著成立進行推斷，在多元模型中，即檢驗模型中的參數βj是否總體上顯著不全為0。故對此提出原假設和備擇假設：

[H0：β1=0，β2=0，…，βk=0，]

[H1：βj不全為0（j=1，2，…，k）]。

修正后模型的Prob（F-statistic）=0lt;0.01，因此拒絕原假設H0，原方程總體上的線性相關關系顯著成立，即通過了方程的顯著性檢驗，說明模型中各個解釋變量在整體上對被解釋變量山東省種植業總產值（VALUE）有著顯著影響。

2.3.3 變量的顯著性檢驗

方程的總體線性關系顯著不等于每個解釋變量對被解釋變量的影響都是顯著的，必須對每個解釋變量進行顯著性檢驗，以決定是否作為解釋變量被保留在模型中，需要在多元模型中進行每個解釋變量的顯著性檢驗，即檢驗模型中的各個參數βj是否顯著不為0。故對此提出原假設和備擇假設：" " " " " " " " " " " " " "[H0：βj=0，]

[H1：βj≠0（j=1，2，…，k）]

修正后模型的解釋變量山東省支農財政支出（FINANCE）、山東省主要農業機械年末擁有量（MACHINE）、山東省年降水量（PRECIPITATION）的Prob（t-statistic）分別為0、0.005 8、0.013 0，均小于0.05，則在5%顯著水平下拒絕原假設H0，即通過了變量顯著性檢驗，說明修正后模型的各個解釋變量分別對被解釋變量山東省種植業總產值（VALUE）有顯著性影響。

2.3.4 擬合優度檢驗

修正后模型的[R-]2=0.968 961，擬合優度非常接近于1，并且大于以FINANCE為基礎的一元回歸模型的[R-]2=0.947 438，模型的擬合優度進一步提高，通過了擬合優度檢驗，說明樣本回歸直線與樣本觀測值之間擬合優度非常接近于1，該模型能夠有效反映解釋變量與被解釋變量之間的相關關系。

2.3.5 異方差檢驗

使用Eviews自帶的懷特檢驗功能，見表6。

表6 懷特檢驗

[Heteroskedasticity Test： White F-statistic 0.618 959 Prob. F（9，13） 0.762 0 Obs*R-squared 6.899 305 Prob. Chi-Square（9） 0.647 6 Scaled explained SS 5.898 419 Prob. Chi-Square（9） 0.750 0 ]

注：表6借助Eviews自帶檢驗工具分析取得，下同。

因為nR2=6.899 305，P=0.647 6gt;0.05，所以不能拒絕原假設，模型不存在異方差。

2.3.6 序列相關性檢驗

使用Eviews自帶的拉格朗日乘數檢驗（LM檢驗），首先進行一階序列相關檢驗，見表7。

因為LM=2.937 748，P=0.086 5gt;0.05，未通過卡方檢驗。RESID（-1）： t=1.623 505，P=0.121 9gt;0.05，沒有通過t檢驗，所以隨機誤差項不存在一階序列相關性。

2.3.7 多重共線性檢驗

使用Eviews自帶的方差膨脹因子檢驗（VIF檢驗），見表8。

各個解釋變量的VIF均小于5，故不存在多重共線性。

3 討論與結論

3.1 模型意義

從多元回歸模型可知，山東省主要農業機械年末擁有量對山東省種植業總產值的影響作用最大，山東省主要農業機械年末擁有量每增加1%會使山東省種植業總產值提高0.40%。山東省支農財政支出對山東省種植業總產值的影響次之，山東省支農財政支出每增加1%會使山東省種植業總產值提高0.24%。山東省年降水量對山東省種植業總產值的影響作用較小，山東省年降水量每增加1%會使山東省種植業總產值提高0.17%。

3.2 提高山東省種植業產出的對策建議

3.2.1 促進農業機械化，發展加快農業現代化

從表2中可以看出，山東省主要農業機械年末擁有量長期以來呈現持續增長態勢，盡管自2016年起經歷過顯著的下滑，但近年來已趨于穩定并持續增長。這一趨勢與我國主要農業機械年末擁有量的變動趨勢相同吻合，反映了我國農業機械行業的整體發展動態。從國家政策上來看，21世紀初我國農業機械行業進入市場化導向階段，這一時期大量的農村勞動力轉移到城市和其他非農產業中去，很多農村地區存在勞動力季節性短缺，這迫切要求推動農業機械化發展進程以滿足市場需求。日益增長的市場需求影響了國家政策調整。2004年，《中華人民共和國農業機械化促進法》正式頒布實施，農機購置補貼政策也隨之出臺，極大地促進了我國農機行業的發展。但在迅猛發展中，我國農機行業也存在許多問題，如缺乏有效戰略支撐和技術創新，導致農機產品同質化嚴重、生產效率較低、裝備質量差等結構性矛盾突出［11］。因此，在推進農業機械化發展中，要以主攻產品短板、優化產品結構為核心目標，同時強調科技進步、技術升級、創新驅動和提質增效。具體而言，應推動農機農藝結合、機械化和信息化程度相匹配，建立完善的人才儲備體系和人才培養體系，加強農機裝備制造的機械化和智能化水平，研發生產現代化農業所需的農機裝備，追求量質平衡，從而實現山東省農業機械行業高質量發展。

3.2.2 加強支農財政支出資金績效管理，提高支農資金邊際收益

山東省支農財政支出長期以來保持不斷增長態勢，2023年已經突破千億，為歷史最高。然而，從本模型的分析來看，盡管支農財政支出是與被解釋變量相關性最強的解釋變量，但是其對山東省種植業產出的影響作用小于其他解釋變量。從已有的相關研究可以看出，當前山東省支農財政資金存在較為明顯的效率低下問題，主要原因在于政府在支農財政資金使用上的無效率損失［12］。對此，應該建立有效的支農財政資金使用績效評價體系，優化資金分配，改善支出結構，提高資金使用的靈活性，將資金重點投向農業人才培養、農業機械、農業澆灌、農業交通等有助于山東省農業實現規模經濟效益的領域，并通過明確的績效目標和績效反饋機制確保相關政策落實，對資金使用做到事前、事中、事后全過程常態化監管，通過信息公開制度確保資金使用公開透明。

3.2.3 積極開展氣象監測預測，調整輪作制度和作物布局，發展節水農業

從表2可以看出，山東省近些年降水量波動幅度較大，且溫帶季風性氣候下季度降水量波動幅度也比較大。加之全球氣候變暖影響，未來干旱等自然災害問題會更加突出。除此之外，全球氣候變暖對許多農作物也存在負面影響，主要體現在播種期提前和生長期延長上，從而導致農作物產量和品質下降［13］。對此，應該加強氣象的監測預測，為應對各種自然災害和環境變化提供參考數據。同時，可以適當調整輪作制度和作物布局，隨著氣溫升高，可因地制宜將部分不耐旱一年兩熟的作物改成耐旱性的一年兩熟甚至三熟的作物［14］。在農業生產中，政府部門、農戶及其他相關機構還可以發展節水農業，包括應用滴灌技術、擴大地膜覆蓋面積、興修水利設施等多方面措施，以最大限度地提高農業生產對水資源的利用效率。

參考文獻：

［1］蘆千文.“十四五”時期農業農村優先發展的重要意義、主要任務和措施選擇：“十四五”規劃與農業農村優先發展研討會暨第十五屆全國社科農經協作網絡大會會議綜述［J］.中國農村經濟，2020（1）：132-143.

［2］曹廣平，陳永福.氣候變暖等因素對山東省種植業產出的影響［J］.中國人口·資源與環境，2012（3）：32-36.

［3］王博，于宏然，蔣明波，等.山東省種植業全程全面機械化發展研究［J］.中國農機化學報，2023（4）：202-207.

［4］王崇紅，陳冬生，王燕.山東省農業產業結構調整的經濟效益分析［J］.東北農業科學，2019（5）：82-87.

［5］李春迎.農業機械化對山東省種植產業增長貢獻的研究［J］.農業現代化研究，2005（1）：34-37.

［6］倪旭，張峭.中國財政金融支農對農業產出增長的效應分析［J］.農業展望，2018（9）：20-24.

［7］姜長云，李俊茹，王一杰，等.近年來我國農民收入增長的特點、問題與未來選擇［J］.南京農業大學學報（社會科學版），2021（3）：1-21.

［8］李敬，張陽艷.農業勞動力轉移對我國糧食缺口影響的實證分析［J］.農村經濟，2012（7）：105-108.

［9］羅紅旗，熊光潔，沈曉紅，等.農業機械化對農業產出的貢獻率［J］.農機化研究，2009（6）：21-23.

［10］侯麟科，仇煥廣，汪陽潔，等.氣候變化對我國農業生產的影響：基于多投入多產出生產函數的分析［J］.農業技術經濟，2015（3）：4-14.

［11］張泉，盧緒振，任慶菊，等.山東省農業機械化高質量發展的現實困境與突破路徑［J］.農業裝備與車輛工程，2023（9）：160-164.

［12］王新新.鄉村振興戰略下山東省財政支農資金使用效率研究［J］.科技和產業，2023（17）：253-259.

［13］李勇，童紹玉.氣候變化對我國農業的影響及其適應研究［J］.安徽農學通報，2023（5）：151-157，175.

［14］郝云理.山東氣候變化與農業對策［J］.中國農業氣象，1992（3）：24-26.

基金項目：國家自然科學基金項目“基于碳匯功能的糧食作物生態補償機制研究——以小麥、玉米為例”（71503148）。

作者簡介：隋仲達（2003—），男，本科生，研究方向：經濟管理。

通信作者：李穎（1983—），女，博士，副教授，研究方向：生態經濟與資源經濟。