主要农业生产要素对粮食产量的影响.docx

    主要农业生产要素对粮食产量的影响    Reference：减少农业面源污染，增加粮食安全，已经成为国家农业发展的重要战略农田水利灌溉、肥料施用、农药施用、农膜的使用等对粮食产量到底产生了什么影响利用多元回归方法对湖北省1995—2013年数据进行分析，结果表明，农田水利灌溉面积、氮肥施用量对粮食产量产生了显著的正向影响，钾肥施用量对粮食产量有显著的负影响，而磷肥施用量、农药施用量、农膜使用量和除涝面积对粮食产量不产生影响因此，必须全面实施农田水利设施建设，全力宣传普及科学施肥技术，大力推广测土配方技术施肥，逐步减少磷肥和农药施用量，严格控制钾肥的施用，逐步减少粮食生产中的富营养化状况，改善农业生态环境Keys：农业生产要素；粮食产量；影响因子F326.11： A：1002-1302（2016）12-0636-05收稿日期：2015-10-09基金项目：国家社会科学基金（编号：13BJY108）作者简介：汪发元（1961—），男，湖北天门人，硕士，教授，研究方向为农业经济管理法制化E-mail：[email protected]习近平总书记指出，农业发展不仅要杜绝生态环境欠新账，而且要逐步还旧账，要打好农业面源污染治理攻坚战[1]。

我国正处在实现农业发展产业化和市场化，促进新型农业经营主体发展壮大的关键时期[2]，必须高度重视农业发展的生态环境，采取切实措施减少农业面源污染农业面源污染不仅有来自工业的污染，更主要的是来自农业生产中肥料、农药、农膜的污染因此，农业部制定了打好农业面源污染防治攻坚战的实施意见，提出了实现农业生产要素“两减”战略，即减少化肥和农药使用量，实施化肥、农药零增长行动加强粮食安全不仅要保证足够的粮食产量，更要通过减少农业面源污染，净化生产生活环境，提高粮食质量农民为了提高粮食产量，仍然通过加大肥料、农药的投入，期望从中获得更好的收益但肥料、农药的投入是否对粮食产量发生了作用，人们很少去研究因此，研究主要农业生产资料对粮食产量的影响，对于科学合理使用农业生产资料、减少农业面源污染、提高粮食的品质及安全性具有重要意义1文献综述近年来，关于农业面源污染的研究很多，虞慧怡等研究认为，在经济和农业迅速发展的阶段和发展水平高的地区，农业面源污染严重[3]部分学者针对其所在省份粮食产量的影响因素进行了一些研究，大多采用回归分析法对可能影响粮食产量的因素进行分析，因为选择因素各不相同，所以得出的结论也不相同。

纵观粮食产量影响因素分析的研究主要有3类：第1类是从众多粮食生产的影响因素中，分析出对粮食产量有影响的因素如马卫鹏等基于主成分分析法对安徽省粮食产量的影响因素进行了分析，认为影响安徽省粮食生产的因素包括经济社会综合系统驱动因子（又分为经济发展驱动因子、农业现代化驱动因子、农业生产驱动因子、农田水利驱动因子、政策引導驱动因子5类）、社会-自然综合引导驱动因子、自然驱动因子[4]杨月锋等运用主成分分析法，对福建省粮食产量的影响因素进行了分析，认为农业现代化投入水平状况、生产资料及粮食价格政策是影响福建省粮食产量变化的主要驱动因素[5]宰松梅等采取逐步回归的方法对河南省粮食产量的影响因素进行了分析，认为河南省粮食产量的主要因素为化肥施用量、农药施用量、农业科技3项费用和播种面积[6]刘薇等通过降维分析，选取出影响粮食产量的2个主要因素为农用化肥施用折纯量和粮食作物播种面积[7]第2类是从众多因素中选择对粮食产量产生主要影响和次要影响的因素如张明旭等利用分位数回归模型对吉林省通化市粮食产量影响因素进行了分析，认为粮食播种面积增加、农机总动力增加对粮食增产的促进作用较大，化肥施用量增加、有效灌溉面积增加、农业劳动人口增加对粮食增产的促进作用较小[8]。

赵俊伟等采用逐步回归法对山东省粮食产量的影响因素进行了分析，认为直接影响山东省粮食产量的最主要因素为粮食播种面积和粮食单产，自然灾害对粮食产量也有较大影响，化肥使用量、农机总动力、农药使用量等因素对山东省粮食的产量有次要的影响[9]许朗等利用 C-D 生产函数模型对江苏省粮食产量主要影响因素进行了分析，认为化肥使用量对江苏粮食产量的增长起着不可替代的作用，并且是稳定的和持续的；播种面积和自然灾害也是影响粮食生产的重要因素；江苏省在务农劳动力人数减少的情况下，仍然保证粮食产量有较大增长，很大程度上得益于农业机械的推广[10]第3类是直接分析不同的生产要素对粮食产量产生的不同影响如周志刚等采用对数均值迪氏指数法对中国粮食产量影响因素进行了分析，认为播面单产和复种指数促进粮食产量的增长，种植结构和耕地面积抑制粮食产量的增长[11]欧阳浩等利用粗糙集方法对广东省粮食产量影响因素进行了分析，认为人均经营耕地面积对粮食总产量起正面影响，水库总容量未对粮食总产量起正面影响，化肥用量对粮食总产量起负面影响，单纯地扩大耕地面积并不能提高粮食产量[12]以上研究均从宏观上定量分析了粮食产量的影响因素，但研究的视角和范围仍然有限。

湖北省是全国粮食生产大省，对国家的粮食安全起着重要作用针对湖北省的研究几乎没有，特别是针对具体的肥料、农药、农膜作用的研究完全没有研究湖北省主要农业生产资料对粮食产量的影响，有利于科学指导粮食生产，提高农业生产资料利用率，提高粮食品质，遏制和减少农业土地、水面的富营养化程度，逐步改善农业生态环境2假设提出与模型构建2.1假设提出假设1：农田水利灌溉面积越大，粮食产量越高影响粮食产量很重要的一个因素是水，而粮食生产用水除自然下雨维持灌溉外，很大程度上取决于人工灌溉补充用水农田水利灌溉面积越大，粮食产量应当越高假设2：氮肥施用量越多，粮食产量越高氮肥是粮食生产中的主要肥料，决定着粮食作物的营养生长缺乏氮肥作物的营养器官就不发达，难以充分地进行光合作用，必然影响粮食产量氮肥的施用量直接影响粮食产量，氮肥施用量越多，粮食产量应当越高 假设3：磷肥施用量越多，粮食产量越高磷肥中的有效部分参与碳水化合物的合成和作物的新陈代谢，是作物生长发育必不可少的养分合理施用磷肥，可增加作物产量，改善产品品質，加速谷类作物分蘖，促进幼穗分化、灌浆和籽粒饱满磷肥施用量越多，粮食产量应当越高假设4：钾肥施用量越多，粮食产量越高。

钾肥可以保障作物的正常生长发育，促进光合作用和光合产物的运输，增强植物的抗逆性，有利于提高粮食品质钾肥施用量越多，粮食产量应当越高假设5：农药施用量越多，粮食产量越高农药具有防治农作物病害、害虫的重要作用随着农作物病虫害抗药性的增强，农药使用量逐年增加，新的农作物病虫害也有所增加农药和病虫害形成了此消彼长的关系，那么农药施用量越多，防治效果就应当越好，粮食产量就应当越高假设6：农膜应用越多，粮食产量越高农膜主要用于覆盖农田，可以起到提高地温、保质土壤湿度、促进种子发芽和幼苗快速增长的作用，抑制杂草生长的作用随着科学技术的发展，农膜也用于制作塑料大棚，起到调节温度、湿度，增加农作物种植复种指数的作用农膜应用越多，粮食产量应当越高假设7：除涝面积越大，粮食产量越高湖北省是一个典型的湖区地型，涝渍是典型的农业灾害，轻则影响作物的生长，重则导致作物死亡，乃至绝收涝渍面积越大，灾害越严重，必然导致粮食产量减产除涝是改善作物生长条件、增加粮食产量的重要措施，除涝面积越大，粮食产量应当越高2.2模型构建粮食产量是农业生产要素综合作用的结果，粮食增产不仅需要良好的农田水利灌溉条件，同时须要及时施用充足的氮肥、磷肥、钾肥，而且还须要根据作物病虫害发生的情况及时施洒农药。

在现代生产条件下，应用农膜可以增加温度、湿度，提早农时，有利于农作物增产，在多雨天气下，及时除涝除渍可以改善作物生长条件，增加粮食作物产量因此，本研究选择多元线性回归模型多元回归模型的一般形式为[JZ（]y=c+β1x1+β2x2+…+βnxn+ε[JZ）][JY]（1）式中：c代表常数项；β1、β2、β3、…、βn代表回归系数；n代表解释变量的数目；ε代表随机误差项3实证分析3.1数据来源与方法3.1.1数据来源本研究基于农业生产的经验和常识，按照可得原则，选择1995—2013年《国家统计年鉴》19年的粮食产量和主要农业生产要素相关数据粮食产量作为因变量y，选择可能影响粮食产量的主要因素考虑到粮食种植面积和产量对粮食总产量绝对是正向影响，因此，不作自变量；复合肥包含氮肥、磷肥和钾肥，会造成多重共线性问题，也舍弃选择具有独立性的生产要素作为自变量，即有效灌溉面积x1、氮肥施用折纯量x2、磷肥施用折纯量x3、钾肥施用折纯量x4、农药使用量x5、农用塑料薄膜使用量x6、除涝面积x73.1.2研究方法应用Stata软件，对各变量进行相关系数分析，初步判断各个变量间的相关性程度；在此基础上，对所取得的数据进行多元回归分析，判断各个自变量对因变量影响的显著程度；最后，对回归模型的拟合程度进行检验，并通过逐步回归方法针对性修正，判断回归结果的可信度。

3.2回归分析与检验通过查阅国家统计官网统计数据，得到湖北省1995—2013年粮食产量和主要农业生产要素数据（表1），在此基础上，建立多元回归模型进行回归分析3.2.1变量统计特征描述运用统计软件Stata对数据进行初步处理，得到数据的基本特征值（表2）3.2.2变量相关系数分析通过统计软件Stata进行变量相关系数计算，得到Pearson相关系数相关矩阵（表3）从表3可以初步判断，因变量y和自变量x1、x2、x7之间的相关系数绝对值更大，说明有效灌溉面积、氮肥施用折纯量和除涝面积对粮食产量的影响程度更大3.2.3多元线性回归分析在变量相关系数分析的基础上，运用普通最小二乘法，对可能影响粮食生产产量的生产要素进行多元线性回归分析，得到回归结果（表4）根据表4数据将各变量的回归系数值代入（1）式得多元回归模型：[JP2]y=0.876 981 5x1+6.102 486x2+10.217 91x3-48.340 53x4+（4.13）[KG*2]（2.04）（1.21）（-2.4）[JP2]45793 36x5-0.003 178 8x6+1.091 733x7-1 739.374[JY]（2）（1.40）[KG*2]（-0.33）[KG*2/3]（0.75）（-0.85）[JZ]R2=0.829 6，F=7.65，R[TX-]2=0.721 1。

由表4回归结果可知，R2接近1，说明该模型拟合优度较高，同时，F统计量服从以（k，n-k-1）为自由度的F分布，在显著性水平α=0.05、自由度（7，11）下查F分布临界值表得[CM（25]到F0.05=3.012显然，F=7.65>F0.05=3.012，则拒绝[CM）]H0：β1=β2=β3=…=β7=0，即方程自变量x1、x2、x3、x4、x5、x6、x7与因变量y之间存性关系，且整体回归效果显著由回归系数的显著性检验可得，在0.05的显著性水平下，自变量x1、x4的t的绝对值大于2，且相应的P值均小于0.05，说明x1、x4对y的影响显著，x2在0.01显著性水平下显著，其他自变量均未通过t检验3.2.4回归模型检验及修正综上可知，原回归方程整体通过显著性检验，但t检验发现只有x1、x4在0.05显著性水平下、x2在0.1显著性水平下通过检验，其他均未通过检验，说明可能存在多重共线性问题因此，采用逐步回归法进行模型修正，进一步判断粮食产量的核心影响因素修正后的回归结果如下所示（表5） 由表5得到修正后的多元线性回归方程：y=0.858 888 2*x1+5.883 708*x2-28.554 11*x4+（5.13）（2.00） （-4.74）17。