中国新一轮粮食增产的影响因素分析：2004～2011年，本文主要内容关键词为：新一轮论文,中国论文,粮食论文,因素论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言
2004～2012年，中国粮食生产实现了“九连增”，总产量从4.7亿吨增至5.9亿吨，为国家粮食安全做出了重要贡献。自改革开放以来，这一轮粮食增产是连年增产时间最长的时期。在总产量增长的同时，粮食单位面积产量和播种面积都出现了较大幅度的增加(见图1)，在2003～2012年间，它们分别增长了22％和12％，这体现出中国粮食综合生产能力的整体提高。在粮食增产的背后，这一时期的粮食政策、粮食生产经营特征和农业技术等均发生了新的变化。比如，在粮食政策方面，国家强化了财政支农政策，全面取消了农业税，建立了粮食直接补贴、良种补贴、农机具购置补贴和农业生产资料增支综合补贴“四项补贴”制度，同时加大了农田水利基础设施建设投入。在生产经营方面，在国家最低收购价格政策的支持下，粮食生产价格一直处于稳定上涨的态势，在2003～2011年间翻了一番；在中国加入WTO以后，国内能源价格明显受到国际市场的影响，导致粮食生产成本开始向高于世界平均水平的方向运行，粮食生产进入高成本阶段(韩俊等，2010；回良玉，2013)。在农业技术方面，有效灌溉面积、农机总动力和化肥施用量都在逐年增加。若与农村劳动力大量进城务工的背景相结合，中国粮食生产表现出了明显的劳动—资本替代或者劳动—技术替代的趋势。这三个方面的新变化，或是从制度领域或是从技术领域，均在不同程度上对中国新一轮粮食增产带来了影响。
图1 中国粮食作物播种面积和单位面积产量(2003～2012年)
数据来源：国家统计局(编)：《中国统计年鉴2012》，中国统计出版社，2012年；国家统计局：《2012年国民经济和社会发展统计公报》，国家统计局网站(www.stats.gov.cn)，2013年2月22日。
从长期来看，决定粮食产量水平的最重要因素是资源禀赋和技术进步。在现有文献中，相关的研究成果颇丰。比如，Kanwar(2006)采用随机效应估计方法，对影响印度粮食产量的因素进行了实证分析。结果表明，影响粮食产量的主要因素是降雨和灌溉；使用先进的灌溉技术不仅可以促进粮食增产，还可以促进粮农增收。Fischer et al.(2005)研究了不同国家粮食产量的影响因素，指出降水量增加是导致中国粮食增产的一个重要原因。Rosenzweig et al.(2004)深入研究了气候变化对粮食生产的作用，认为未来时期的水资源供给状况是决定中国东北地区粮食产量的主要因素。张雪梅(1999)通过构建随机边界生产函数，分析了1991～1996年间中国玉米产量的影响因素，结果表明，技术进步和化肥施用量增加是导致玉米增产的主要因素，扩大有效灌溉面积也具有明显的增产效果。梁子谦、李小军(2006)的研究表明，在影响粮食单产的因素中，技术进步的作用最大，然后依次是物质投入、气候环境条件和政策因素。
在短期内，由于资源禀赋和技术进步的变化相对稳定，制度因素或者政策因素则成为粮食产量波动的主导力量(胡小平，2001)。在相关研究中，Rosegrant et al.(1998)利用1969～1990年的全国数据，估计了印度尼西亚粮食作物的动态供给反应函数，分析了技术进步、价格支持政策与投资等因素对粮食生产的影响，结果显示，农业投入和价格支持政策对粮食增产的作用非常显著。陈飞等(2010)利用1995～2008年中国省级面板数据，分析了农业政策对中国粮食生产的影响，结果表明，财政支农支出有效促进了粮食增产，取消农业税对粮食播种面积扩大产生了正向作用。徐建军、星焱(2013)的分析表明，财政支农对中国粮食增产具有稳定的正向作用，相对而言，粮食主产区财政支农支出对粮食产量的边际效应要大于非主产区，中部和东部地区财政支农支出对粮食产量的边际效应要大于西部地区。但是，在对中国粮食生产补贴政策的研究中，存在着两种不同的观点。刘克春(2010)对江西省的调查分析显示，粮食收购价格政策对农民种粮行为的影响最为明显，粮食直接补贴政策也对农民种粮行为产生了明显的激励作用；然而，杜辉等(2010)和黄季煜等(2011)则认为，种粮补贴对刺激粮食增产作用十分微弱。
上述成果对中国粮食生产问题的研究具有较大的学术贡献。但是，并没有学者将2004年以来中国新一轮粮食增产阶段作为一个单独的样本区间进行研究，而在这个阶段中影响粮食生产的制度因素和技术因素均出现了新变化。与其他历史时期相比，分析相关因素在中国新一轮粮食增产阶段中的作用，对于未来时期如何保持粮食持续增产具有更强的现实意义和参考价值。同时，在实证分析影响粮食生产的制度因素时，以往研究鲜有将种粮收益和预期种粮收益作为重要变量。本文认为，与价格、成本等因素相比，种粮收益对农民生产行为的影响更大。并且，随着粮食流通体制市场化改革的逐步深入，种粮收益及其预期也将成为社会资本是否愿意进入粮食生产领域的主要依据。因此，本文在借鉴以往研究成果的基础上，利用2004～2011年中国省级面板数据和动态面板广义矩估计(GMM)方法，从制度和技术两个方面选取种粮收益、财政支农和化肥施用量等变量，实证分析这一时期相关因素对粮食播种面积和粮食单位面积产量的影响，试图为未来时期中国粮食问题研究和生产实践提供参考借鉴。
二、研究思路与理论模型
(一)研究思路
播种面积和单位面积产量是直接决定粮食总产量的两个因素，其他因素(制度或技术)需要先使这两个因素发生变化，才能引起总产量的变化。同时，不同因素对粮食播种面积和单位面积产量的作用机制和作用效果不同。比如，良种、化肥、灌溉等技术的采用主要影响单位面积产量，产业结构变化会显著影响粮食播种面积，而粮食价格、种粮利润等因素主要是影响生产者的投入意愿和投入行为，会同时影响播种面积和单位面积产量。将这些因素分开研究，可以避免多个变量之间的共线性问题，有助于设定更为合理的理论和实证分析模型。
在农业领域中，很多经济关系在本质上都具有动态性，前期的因变量或自变量会对后期的因变量带来显著影响。动态面板分析不仅可以展示变量之间的长期经济关系，而且可以揭示它们之间的短期影响和动态调整过程。鉴于此，本文分别构建粮食播种面积和单位面积产量的动态模型。
(二)动态模型构建
1.粮食播种面积模型。自从实施家庭承包经营制度以来，中国农民对耕地具有自主的经营权和收益权，粮食播种面积不仅取决于粮食价格、经营收益等因素，还取决于农民对这些因素的预期。此处借鉴Nerlove供给模型(Nerlove，2001)，并对其进行一定改进。粮食播种面积模型的基本表达式如下：
2.粮食单位面积产量模型。通常情况下，在自然资源、技术进步和制度因素三者中，前二者对粮食单位面积产量影响最大。特别是技术进步，对单位面积产量的增量水平起着决定性作用。但是，一些制度因素也起着重要作用，它们可以将资源禀赋和技术优化配置、有效整合，从而产生更大的产出效果。比如，当预期价格或者预期收益提高时，农民可能会增加化肥等物质投入，同时更加精耕细作；当对灌溉设施建设的财政投入增加时，农田的抗旱能力会得到提升；当对农业科技的财政投入增加时，粮食作物的生长能力会明显增强。本文构建的粮食单位面积产量动态模型如下：
(三)关于预期因素的探讨
影响农民种粮行为的预期因素包括对种粮收益情况的预期、对宏观经济形势和国家政策的预期以及对个人发展的预期等方面。对宏观经济形势和个人发展等方面的预期，进行量化分析难度较大。但是，对二者预期的结果与预期种粮收益直接相关。比如，预期中政策扶持力度加大会导致预期种粮利润增加，因而农民粮食生产投入增加。因此，本文将预期种粮收益情况作为主要的考察对象，其中包含预期中的粮食价格、生产成本、种粮利润等因素。
在Nerlove供给模型中，采用预期价格作为预期因素，并采用适应性预期加以度量。陈飞等(2010)也采用了适应性预期价格来检验预期因素对中国粮食生产的影响，得出了预期因素作用不显著、以价格信号刺激粮食生产的市场机制作用不明显等结论。其中，有几点值得探讨：
第一，预期价格是否是最重要的预期因素，预期因素对中国粮食生产的作用是否“真的”不显著?
第二，适应性预期是否可以准确地刻画中国农民的种粮行为?
关于第一个问题，本文认为：从理论上讲，在预期因素中，预期利润的作用要大于预期价格。如果预期价格提高，而预期成本更高，则很难想像农民会增加生产投入。因此，预期因素中利润水平更为重要。对此，下文会进行实证检验。关于第二个问题，适应性预期可能不适合中国粮食生产问题的实证研究。适应性预期的理论表述是：运用某种经济变量的过去记录去预测未来，经过反复检验来判断过去预期的误差，并且逐步修正以使预期符合客观事实。但是，这种“错了再试、逐步修正”的过程在定量分析中难度很大，尚无严谨和标准的处理方法。对预期因素的度量，通常有静态预期、外推预期、适应性预期和理性预期四种方法①。其中，静态预期是在蛛网模型的基础上提出的，比如“前期价格=当期预期价格”，它在粮食生产领域具有较强的适用性，是一种简明却行之有效的方法。综上分析，本文中预期收益将以预期利润为主，并按静态预期方法进行设定。
三、变量选取、实证分析方法与数据分析
(一)影响粮食生产的变量选取
1.同时影响粮食播种面积和单位面积产量的因素。(1)种粮收益与预期种粮收益。种粮收益是指在一定价格条件下出售粮食的收入与生产总成本之差；预期种粮收益是指在无意外情况下农民根据已知信息对未来时期种粮收益进行的预测。种粮收益及其预期，是影响农民粮食生产投入行为的关键变量。比如，当种粮收益特别是预期粮食收益提高时，农民一方面会扩大粮食经营规模、增加粮食播种面积，另一方面会提高精耕细作程度，从而有助于提高粮食单位面积产量。以往学者的研究中，所选取的相关变量多为粮食价格或预期价格，并且得出粮食价格因素对粮食产量起正向作用的结论(例如Lin，1992；王德文、黄季焜，2001；雷钦礼，2005)。本文认为，对农民种粮行为影响更大的是利润因素，因此，选取粮食生产净利润作为种粮收益变量。同时，根据基于蛛网模型的静态预期方法，将粮食生产净利润的前期值设为预期种粮收益。
(2)财政支农力度。依靠财政资金扶持农业，是世界各国的普遍做法。即使在美国等农业发达国家，粮食生产经营仍然离不开政府的高额财政补贴。与之相似，中国新一轮粮食增产同样离不开财政的大力支持。在1998～2003年中国粮食生产波动的阶段，财政支农支出年均增长率为8.7％；而2003～2011年间，除了全面取消农业税的财政政策，财政支农支出年均增长率就达到了24.2％，接近前者的3倍。在财政支农资金中，支援农村生产支出、农业综合开发支出、基础设施建设支出、农业研究支出、农业科技三项和农业技术推广支出以及各种生产性政策补贴，都会对粮食播种面积抑或粮食单产产生影响。
2.主要影响粮食单产的因素。(1)化肥施用量。化肥是重要的农业生产资料，可以为粮食作物生长提供充足的常量和微量元素，是提高粮食单产最重要的因素之一。据联合国粮农组织(FAO)统计，化肥对农作物增产的贡献率大约在40％～60％(王宏庭、金继运，2005)。1998～2003年间，全国化肥施用量年均增幅约为1.6％；2003～2011年间，全国化肥施用量年均增幅则达到了3.3％，超过前者1倍。除此之外，改良施肥技术同样可以提高粮食单产。农业部数据显示，自2004年在全国开始推广的测土配方施肥技术，平均可使粮食单产提高6％～10％(国务院发展研究中心课题组，2009)。
(2)抗灾能力。在播种面积一定的前提下，增强农田的抗灾能力，可以直接提高粮食单位面积产量。中国是全球13个贫水国之一，水利灌溉等基础设施的完善可以大幅提高农田的抗旱能力。比如，在中国北方推广节水灌溉技术后，粮食增产幅度达到了20％～30％左右(温卡华，2001)。同时，新型农药的推广和使用可以提升粮食作物对病虫害的抵御能力，挽回一定数量的粮食产量损失。
(3)土地经营规模。在不同的土地经营规模条件下，农民应用农业技术和使用农业机械装备的规模效应不同。这会影响生产的边际成本，进而影响农民的生产行为。许庆等(2011)利用中国农村居民问卷调查数据(CERC/MoA)研究了土地经营规模变化对粮食产量的影响，结果表明，土地经营规模扩大会降低农民的精耕细作程度，减少粮食单位面积产量。2003～2011年间，中国农民人均土地经营规模从1.96亩提升至2.3亩②。但是，这个变化会给新一轮粮食增产带来怎样的影响，尚需实证检验。
3.主要影响粮食播种面积的因素。本文主要选择产业结构这个变量。改革开放以来，中国第二、第三产业发展迅速，在这个过程中，工业厂房占地和房地产开发导致耕地面积逐步减少，也间接影响了粮食播种面积。至2003年，全国粮食总播种面积只有9941万公顷，比1978年减少了2118万公顷。而在2003年后，国家加大了“工业反哺农业、城市反哺农村”的力度，对粮食播种面积增加起到了促进作用。2012年，全国粮食总播种面积已经增至11127万公顷。由此可见，产业结构变化是影响粮食播种面积的重要因素之一。本文用农业总产值与非农业总产值③的比值，作为衡量产业结构的变量。理论上讲，该比值应该与粮食播种面积正向相关。
需要说明的是，以往的研究中，部分学者将农业固定资产投资作为一个控制变量。在粮食生产领域，农业固定资产主要是大中型机械装备和水利灌溉设施。其中，机械装备的作用主要是提高劳动生产率，并不会带来粮食单产或播种面积的增加；水利灌溉设施建设的资金来源主要是政府财政，它在财政支农力度中已经有所体现。因此，本文不再单独构建农业固定资产投资这个变量。同时，本文也没有选取劳动力投入这个变量。主要原因是，财政支农、种粮收益和预期种粮收益对粮食增产的作用，在很大程度上是通过影响农民的生产投入行为来发挥的。如果再选取劳动力投入，很可能产生作用机制上的重叠，影响估计结果的准确性；另一方面，劳动力投入涉及到数量、质量、机械化替代等多方面的内容，对此笔者会在日后的研究中继续深入。各个变量的表示符号、预期影响方向和计算方法如表1所示。
(二)实证分析方法
根据前文的理论模型和变量选取，本文首先分别构建出分析粮食播种面积和粮食单位面积产量主要影响因素的动态面板计量模型：
在动态面板模型中，由于方程右侧含有因变量的滞后项，在参数估计时会产生显著的内生性问题，使用最小二乘估计(OLS)和极大似然估计(MLS)都无法得出无偏或稳健的参数值，而采用一阶差分广义矩估计(FD-GMM)可以有效解决这个问题(Arellano and Bond，1991)。当样本结构中截面(N)很大、时间(T)很短时，通常采用系统广义矩估计(SYS-GMM)，可以得出更为精确的结果(Arellano and Bover,1995; Blundell and Bond,2000)。本文根据所选样本数据的结构特征，选取FD-GMM方法进行估计。对于该方法的应用是否合理，会在后文中进一步验证。
(三)数据分析
中国幅员辽阔，各个省份和粮食产区的资源禀赋条件差异很大，粮食生产经营情况也各不相同。因此，在收集样本数据时，本文主要针对稻谷、小麦、玉米三个主要粮食品种，选取了粮食产量高、播种面积大、商品率高的省份(见表2)。对于小麦，本文一共选取了15个省份。对于玉米，本文一共选取了19个省份。由于不同品种稻谷之间差异较大，对于早籼稻、中籼稻、晚籼稻和粳稻四个品种，本文分别选取了不同的省份。为了使研究结果简单明了，稻谷的相关指标值是所选取省份各品种数据的平均值④，最终一共选取了23个省份。同时，对于影响粮食生产的各个变量所用指标，均按稻谷、小麦、玉米三个品种的样本省份，选取省级面板数据⑤。数据主要来源于2003～2012年《全国农产品成本收益资料汇编》和《中国统计年鉴》以及中经网数据库⑥。
四、实证分析结果
(一)关于粮食播种面积的实证分析结果
表3给出了稻谷、小麦、玉米三种粮食播种面积的FD-GMM动态面板估计结果和长期影响系数。其中，Wald
统计量表明，模型联合检验的显著性很高；自相关检验结果表明，模型不存在二阶自相关，即模型残差不存在序列相关性；关于过度识别的Sargan检验结果表明，工具变量选取或者其矩约束条件是有效的；各个变量均通过了显著性检验(在10％的置信水平上)，表明回归结果确切可信。同时，估计结果中因变量滞后项的系数均小于0.6，表明FD-GMM方法适合本文研究⑦。
第一，种粮收益和预期种粮收益对稻谷、小麦、玉米三种粮食的播种面积均产生了显著的正向影响。通过比较可知，预期种粮收益的作用更为明显，三个品种预期种粮收益的变量系数和z统计量均高于种粮收益。这说明，自2004年以来，种粮收益保持在一个合理稳定的水平⑧，使农民产生了较好的收益预期，进而有效地扩大了粮食播种面积。在未来时期，若要使粮食播种面积保持在现有水平，甚至有所增长，必须进一步发挥价格、补贴等政策信号的引导作用，提高预期种粮收益。在三个品种之间，预期种粮收益对玉米播种面积的作用最为明显，其变量系数要明显高于稻谷和小麦。可见，预期种粮收益增长，是2004～2011年间玉米播种面积迅速增加的重要原因之一。
第二，财政支农力度对粮食播种面积增加也起到了显著的正向促进作用。从变量系数及z统计量来看，财政支农力度对扩大玉米播种面积作用最大，效果最为显著。这个结果表明，近年来国家对玉米生产、收储、流通等环节的政策扶持，取得了较好的效果；同时也表明，政府意识到玉米将成为国内最重要的粮食品种，有侧重点地加大了对玉米生产的投入和支持力度。比如，韩长赋(2012)指出：玉米是近期和未来时期消费增长最快的谷物，但玉米生产目前仍然受到耕地质量差、机械化水平低、种业发展缓慢等因素的制约，因此，必须将玉米放在粮食安全战略中更加突出的位置，持续加大扶持力度。
第三，产业结构与粮食播种面积是正相关关系，即当农业总产值与非农业总产值之比发生变化时，粮食播种面积也会出现相应的变化。这个结论符合前文的理论预期。中国工业和服务业的发展速度明显快于农业，农业总产值与非农业总产值之比呈现出逐步降低的趋势。而在这个比值的背后，是工厂建造、房地产开发、旅游景点扩张等经济行为占用了大片耕地，粮食播种面积也就随之减少。在比较分析中发现，产业结构对小麦播种面积的影响最大，对稻谷和玉米播种面积的影响则相对较小。本文认为，这主要是由三种粮食的工业用途不同所决定的。玉米的工业用途最为广泛，世界范围内以玉米为原料的工业产品多达500余种，小麦的工业用途则要少于玉米和稻谷。另一方面，随着消费结构逐步升级，中国居民对肉奶蛋的消费增加，由此引致饲料粮消费增加，而小麦的饲料用途同样是三大主粮中最少的。稻谷的工业用途和饲料用途虽然不及玉米多，但它一直是最重要的口粮品种，人口增长因素决定了稻谷消费受到产业结构的影响有限。因此，在新一轮粮食增产过程中，产业结构对稻谷和玉米播种面积影响较小。
第四，玉米、稻谷、小麦播种面积的调整系数分别为0.53、0.45、0.43。这个数值反映了农民根据生产条件和经营环境的变化，改变粮食播种面积的能力或速度。调整系数越小，表示农民改变粮食播种面积的能力越弱，或速度越慢。据此计算，玉米、稻谷、小麦播种面积的调整时间分别为1.88年、2.21年及2.31年。比较可知，农民对三种粮食播种面积的调整能力由高到低依次为：玉米、稻谷、小麦。从事实数据来看⑨，2004～2011年间，中国玉米、稻谷、小麦播种面积分别增长了39％、13％、10％，这佐证了前文实证分析结果的准确性。
此外，表3进一步给出了各个变量对粮食播种面积的长期影响系数，它可以帮助理解各个变量的长期作用效果。由于长期影响系数的正负方向和显著性均未发生变化，只是系数大小发生了相应幅度的变化，限于篇幅，此处不做展开分析。
(二)关于粮食单位面积产量的实证分析结果
表4给出了稻谷、小麦、玉米三种粮食单位面积产量的FD-GMM动态面板估计结果和长期影响系数。其中，Wald统计量表明，模型联合检验的显著性很高；自相关检验结果表明，模型不存在二阶自相关，即模型残差不存在序列相关性；关于过度识别的Sargan检验结果表明，工具变量选取或者其矩约束条件是有效的；所列出的各个变量均通过了显著性检验(在10％的置信水平上)，表明回归结果确切可信。估计结果中因变量滞后项的系数大小表明，FD-GMM方法适合本文研究。
第一，种粮收益对稻谷、小麦、玉米单产均有显著的正向作用；预期种粮收益对稻谷和玉米单产具有显著的正向作用，但对小麦单产则影响不明显。这个结论表明：总体上，种粮收益及其预期的提高，增加了农民粮食生产上的精耕细作程度或者物质投入，这是2004～2011年间粮食单产提高的一个重要原因。预期种粮收益对小麦单产影响不显著，可能的原因是：长期以来，在中国，种植小麦的收益水平一直远低于种植稻谷和玉米⑩。长期较低的收益水平，抑制了预期收益对小麦单产的刺激作用。另一方面，变量系数大小表明，种粮收益和预期种粮收益对玉米单产的作用要大于对稻谷和小麦单产的作用，这与前文关于粮食播种面积的估计结果相一致。
第二，化肥施用量、财政支农力度和抗灾能力均对粮食单产产生了正向作用，这与前文的理论预期相同。施肥是提高粮食单产最重要的农业技术之一，在表4中，它对玉米单产提高作用最大、效果最显著。在财政支农力度方面，表3和表4中的估计结果证明，财政支农力度的提升，同时增加了稻谷、小麦、玉米播种面积及其单位面积产量，为新一轮粮食增产做出了重要贡献。相对而言，财政支农力度对玉米单产提升的作用要略高于对稻谷和小麦单产提升的作用。此外，抗灾能力对稻谷、小麦、玉米单产也都产生了显著的正向作用。这表明，近些年中国在旱涝治理、病虫防控等方面取得了良好的成绩，粮食综合生产能力得到了一定的提升。比如，根据农业部数据，“十五”以来，全国重大病虫防控取得了显著成果，年均挽回粮食损失达到800亿公斤以上(11)。
第三，土地经营规模对粮食单产的影响并不显著。理论上讲，“规模扩大→收益增加→投入增加→单产提高”和“规模扩大→精耕细作程度降低→单产下降”这两种路径都可能存在。但是，本文的实证分析结果并没有获得一个准确可信的结论。可能的原因是：样本空间内土地经营规模变化较小(例如，2003～2011年间，全国每个农业劳动力平均土地经营规模仅由1.96亩增至2.3亩)，尚不足以体现该因素对粮食单产的作用。许庆等(2011)得出了土地经营规模扩大会降低粮食单产的结论，他们的研究与本文研究的一个重要区别，在于选取了不同的样本空间。许庆等(2011)所使用的数据主要来源于澳大利亚阿德莱德大学和中国农业部共建的CERC/MoA农户调查数据库，数据结构是2000年5个省份(河南、吉林、江西、四川、山东)的截面数据；本文所使用的土地经营规模数据主要来源于历年《中国统计年鉴》，数据结构是2004～2011年27个省份的面板数据。
第四，小麦、玉米、稻谷单位面积产量的调整系数分别为1.40、1.35、1.28。这个数值反映了农民根据生产条件和经营环境的变化，改变粮食单位面积产量的能力或速度。据此计算，农民对小麦、玉米、稻谷单位面积产量的调整时间分别为0.72年、0.74年、0.78年。比较可知，农民对三种粮食单位面积产量的调整能力由高到低依次为：小麦、玉米、稻谷。从事实数据来看(12)，2004～2011年间，小麦、玉米、稻谷单位面积产量分别增长了52％、28％、3％，这表明，本文的估计结果与事实相符。此外，表4同时给出了各个变量对粮食单位面积产量的长期影响系数。由于系数的正负方向和显著性均未发生变化，故此处不做展开分析。
五、主要结论和政策启示
本文利用2004～2011年间中国省级面板数据，分别从粮食播种面积和粮食单位面积产量两个方面选取变量，对中国新一轮粮食增产的主要影响因素进行了分析。在分析过程中，本文根据各个省份稻谷、小麦、玉米的生产状况划分样本空间，并采用动态面板FD-GMM方法对所选取的变量进行了估计。分析结果表明：
第一，种粮收益和预期种粮收益在粮食增产过程中发挥了显著的作用。二者对玉米播种面积扩大和单产提高的作用尤为突出；限于收益水平长期较低等因素，预期种粮收益对小麦单产提高的作用相对较弱。
第二，财政支农力度增加是粮食增产的重要保障，对稻谷、小麦、玉米播种面积和单产的增加均起到了显著的促进作用。在三大主粮中，受财政支农力度的影响，增产效果最明显的是玉米。
第三，生产技术方面，化肥施用量增加和农田抗灾能力提升，为粮食单产提高做出了重要贡献，二者对玉米单产提高的贡献尤为突出。
第四，第二、第三产业总产值增长快于农业，这给粮食播种面积带来了负向影响；相对而言，稻谷和玉米播种面积受此影响较小，对小麦播种面积影响较大。
第五，在生产经营条件和政策环境等因素的综合影响下，农民对玉米播种面积的调整能力要强于对稻谷和小麦播种面积的调整能力，对小麦单产的调整能力要强于对稻谷和玉米单产的调整能力。
本文的政策启示如下：
第一，种粮收益及其预期是粮农最关心的问题，若要在未来时期保持粮食增产的可持续性，需要继续发挥它们的作用。在具体措施上，可以在形成粮食最低收购价格时，重点参考粮食生产成本的变动情况和趋势，使种粮收益保持在一个稳定的、合理的水平上。同时，可以尝试将目前按人头发放生产补贴的方式，改为“多生产、多补贴”的方式，这也会有效提高种粮收益及其预期对粮食增产的刺激作用。
第二，从长期来看，提高粮食单产是保持总产量增长的根本途径。在新一轮粮食增产过程中，粮食播种面积和粮食单产都出现了明显的增加。但是，实证分析结果表明，第二、第三产业的快速发展，会对粮食播种面积造成持续的负面影响。虽然财政支农对粮食播种面积扩大起到了显著的正向作用，但受土地资源的约束，这个作用的边际效果将会越来越低。因此，要进一步提高农业科技水平，增加农田基础设施建设投入，确保粮食单产稳定增长。
第三，为保证粮食生产的可持续发展，需要进一步加大财政支农力度。实证分析结果表明，财政投入力度对粮食增产具有显著的作用，但是，财政投入力度必须保持在较高水平才行。在财政资金使用上，应该以提高单产为主要目标，增加农业技术研发与推广、水利基础设施建设、病虫综合防治和中低产田改造等方面支出的比重。
注释：
①限于篇幅，此处省略对各种预期的详细描述，可以参考李永宁等(2010)。
②数据来源：国家统计局(编)：《中国统计年鉴2012》，中国统计出版社，2012年。
③即第二、第三产业产值之和。
④以安徽省为例，在该省，早籼稻、中籼稻、晚籼稻和粳稻都有较大播种面积，那么，稻谷的亩产、净利润、化肥施用量等指标值是这4个品种相关数据的均值。由于无法获取准确的权数，所以此处计算的是算术平均值。
⑤相关变量中，化肥施用量、单位面积产量、种粮收益和预期种粮收益的数据是分省份、分品种选取。例如，在安徽省，早籼稻、中籼稻、晚籼稻、粳稻、小麦和玉米均有种植，那么，在选取每亩化肥施用量时，分别选取了该省这6种作物各自的每亩化肥施用量。播种面积的数据选取与之类似，不同之处在于，稻谷播种面积的数据选取只是分省份，并没有分品种。
⑥国家发展和改革委员会价格司(编)：《全国农产品成本收益资料汇编》(2003～2012年，历年)，中国统计出版社：国家统计局(编)：《中国统计年鉴》(2003～2012年，历年)，中国统计出版社；中经网数据库(http://db.cei.gov.cn)。
⑦从统计上分析，因变量滞后项系数的估计值接近1，表明FD-GMM的弱工具变量较为明显，需要采用SYS-GMM来改进估计结果，并且同时检验差分方程工具变量和水平方程工具变量的有效性。此处，稻谷、小麦、玉米播种面积滞后项的系数都只有0.5左右，所以，采用FD-GMM方法估计是合适的。
⑧韩俊等(2010)认为，粮食生产的成本利润率在40％左右十分理想：如果低于30％，一定要及时启动最低收购价，使粮食收益不至于明显减少，影响下一个年度的生产。而自2004年以来，中国稻谷、小麦、玉米三种粮食生产的平均成本利润率基本处于30％～40％之间。
⑨数据来源：国家统计局(编)：《中国统计年鉴2012》，中国统计出版社，2012年。
⑩1985～2011年间，稻谷和玉米的每亩平均成本利润率分别为46.7％和37.8％，而小麦只有20.1％。
(11)数据来源：农业部种植业管理司：《余欣荣副部长在全国农作物重大病虫防控高层论坛上的讲话》，农业部网站(http://www.moa.gov.cn)，2012年11月12日。
(12)数据来源：国家发展和改革委员会价格司(编)：《全国农产品成本收益资料汇编2012》，中国统计出版社，2012年。
标签：玉米补贴论文; 农业发展论文; 农业论文; 三农论文; 财政制度论文; 因素分析论文; 玉米论文; 农民论文; 小麦论文;