中国城镇化率对粮食产量的影响因素分析

山东理工大学经济学院 金融本1801 项目组:车宸宇、薄皓、陈茂正、徐长乐

一、研究背景

1990年我国粮食产量约为44624.3万吨,之后的10年里该数值没有出现实质性的增长,甚至有的年份还出现了小幅下降。但从2004年开始,我国粮食产量连续10年实现稳定增长,到2013年,全国粮食总产量达60193.5万吨,是1994年的1.35倍,正是由于粮食产量的这种持续增长,才使我国粮食安全在过去一段时间内得以保障。然而,随着近年来我国城镇化进程的加快,大量耕地资源被非农部门所占用,坚守18亿亩“耕地红线”以确保国家粮食安全的目标并不乐观。2013年1月15日,中国社会科学院发布的《城乡一体化蓝皮书》指出,我国城镇化的快速推进导致土地要素流出粮食生产领域,城镇化与粮食生产相互争地的矛盾日益突出,耕地约束构成了我国粮食安全的重大挑战,如何在城镇化所导致的耕地约束日益严峻的形势下保障我国粮食安全就成为了一个亟待解决的问题。基于这一现实,利用1990一2013年24年间我国城镇化与粮食生产的相关统计数据,对二者之间的关系进行了定量评估,通过对评估结果进行全面而系统的分析,来寻求一条适合我国国情的、不以牺牲粮食产量为代价的新型城镇化道路。

二、研究问题描述

 土地投入对粮食生产的贡献率大约为7%~15%,随着其稀缺性的逐渐增加,必然会对我国粮食生产造成更为显著的影响,并且这种影响还将继续增大。如果按照以上我国城镇化率每提高1个百分点会拉动粮食产量增加2.57个百分点的假定,那么到2026年我国实现城镇化率达到70%的拐点目标时,城镇化率将再提高16.27个百分点,相应的粮食产量就会提高41.81个百分点达到85360.4万吨,只有达到这一数值才能保持我国城镇化率与粮食产量之间的长效均衡,才能保证粮食供给安全。

但若按1990—2013年这24年粮食单产均值0.345吨/亩来算,则需要耕地24.74亿亩,远超我国努力保持的18亿亩的耕地红线。目前我国全部可耕地面积约有23.18亿亩,已开发利用19.09亿亩,还有4.09亿亩作为后备耕地尚未开发,而这些尚未开发的耕地中又大约有2.12亿亩的`耕地为开发利用难度较大、现行技术和成本条件下难以开发或者不适合开发的土地,退一步讲,即口使这23.18亿亩耕地能够得到完全开发利用的情况下,要想实现我国城镇化与粮食产量的长效均衡,仍将存在1.56亿亩的耕地缺口。可见未来随着城镇化的进一步推进,我国粮食生产形势不容乐观。

三、模型构建

(一)指标体系

在自变量方面,从通过各项指标对粮食产量影响程度构建以粮食产量为核心的线性回归分析模型。

表1 指标体系和主要变量

(二)数据整理

对近二十四年中国城镇化率及其粮食产量数据进行整理,并剔除无效数据,通过数据汇总表得出一组粮食产量与影响因素的截面数据。

就本文来看,我们选取了与粮食价格密切相关的三个自变量,成灾面积为X2,化肥的施用量为X5,城镇化率为X6。

(三)基本模型建立

通过各项因素对粮食产量影响程度构建线性回归分析模型:

1)相关系数矩阵

本文运用Stata,采用表2数据,考察粮食产量与各影响因素的直接相关性,建立相关系数矩阵:

图2 相关系数矩阵

由图2可以看出,自变量x6、x7与因变量y具有较高的线性相关性,自变量之间多重共线性较小,可以放心使用。

(2)OLS回归分析结果

根据表2数据,建立粮食产量及其影响因素之间的OLS回归分析(最小二乘回归)模型:

图3 OLS回归分析结果

由图3可以看出:

①R-squared为0.6668>0.5,显示模型拟合优度较高;

②t统计量估值>1,说明数据通过t检验;

③自变量P>|t|=0,说明自变量数据对因变量有显著的影响,可以放心使用。

(3)遗漏变量偏差

依题意,查找与本文数据相关的遗漏变量偏差:

图4 OLS遗漏变量偏差

Stata结果显示,Prob>F=0.1382,本模型不存在遗漏变量偏差。

(4)最终模型

根据图3 OLS回归分析结果,可以建立以下模型:

(四)模型检验

(1)残差检验

模型建立完毕,目前需要进行数据残差检验,查看是否存在较大残差项。

图5 残差表及散点图

根据残差表中Prob>chi2=0.9931>0.05可知,该模型残差较小,可以放心使用。

同时,从残差散点图可以看出,数据落点在“0”左右均匀分布,可看出该模型数据可靠。

(2)方差膨胀因子检验

第二步,依照本文数据对OLS模型进行方差膨胀因子检验:

图6 方差膨胀因子检验

由于VIF <10,说明自变量之间没有出现严重共线性,数据可以放心使用。

(3)异方差检验

第三步,进行方差膨胀因子检验后,对本模型进行异方差检验,检验其是否接受原假设,即存在异方差。

图7 异方差检验

P值大于0.05,说明不存在异方差。说明原模型满足同方差假设,有效。

(五)模型对比

就当前三因素模型而言,数据方面真实可靠,但能否符合现实状况还需进行辅助回归检验。

(1)辅助回归

引入e1、e2新数据,寻找更贴合现实数据的模型:

图8 辅助模型

从辅助回归模型可以看出,新模型结果在拟合优度、数据随机性方面不如原模型完美。

(2)WLS回归(含辅助回归)

接下来,不同于OLS(最小二乘回归)回归,我们建立WLS(加权最小二乘回归)引入lne2f变量寻找是否存在更加完美的模型。

图9 WLS回归模型结果

结果显示,进行WLS回归后,R-squared较之前下降了0.06,P值不变,t统计量有所增加,说明原模型足够完美,可以作为现实模型使用。

(3)残差检验

建立与WLS回归相关的残差检验。

图10 WLS残差表及散点图

根据残差表所示,Prob>chi2=0.9773>0.9931,说明WLS回归模型残差较小可以忽略,但不如OLS回归效果好;根据残差散点图可知,残差数据落点不如OLS回归模型均匀,所以OLS回归模型可以放心使用。

、模型结论

(一)基本结论

综上所述,影响粮食产量的因素有很多,就本文而言城镇化率、成灾面积、化肥的施用量对粮食产量有着紧密的联系,对粮食产量产生重要的影响。

根据最终回归模型,得出以下结论:

虽然,随着城镇化水平的提高会影响到农业的劳动力投入和耕地面积,从而对我国的粮食产量产生不利影响。但是,城镇化水平的提高会对资本的效率与技术的进步有进一步的推动作用。因此城镇化水平与粮食生产关系是正相关的。

化肥施用量对粮食总产量正相关,成灾面积对粮食总产量负相关。也就是说受灾的面积的越大,粮食产量越低。

(二)检验结果分析

  检验结果显示,过去20年我国城镇化的推进并没有严重削弱粮食生产能力,相反二者之间似乎还存在着一种长效的均衡关系,这与过去几年是我国城镇化推进最快、同时也是粮食产量增长最快的时期这一现实相契合。2004——2013年这10年我国城镇化率从41.76%c提升到,升高了 11.97个百分点,而粮食产量也从万吨增加到60193.5万吨,增幅达30.72%c,这就相当于城镇化率每提高一个百分点,就会拉动粮食产量增加2.57个百分点,我们称这一数值为我国城镇化率和粮食产量之间的长效(10年)均衡系数。我国粮食产量之所以受城镇化负面影响不明显,其原因在于:

  第一,我国在推进新型城镇化的同时,还加强了农村土地的整合整治工作,通过合村并点、废弃土地复垦以及开发未利用土地置换出大量耕地,这在一定程度上抵消了城镇化推进过程中耕地被占用对粮食生产带来的负面影响;

  第二,粮食产量不仅取决于耕地面积,还与各种农业生产条件息息相关。近年来,随着农业科技的创新,我国粮食生产中的科技含量不断提高,优良粮食作物品种的选育、生物技术应用能力的增强、绿色高效肥料的施用以及新型农业经营管理理念的普及,这些都极大地促进了粮食的生产;

  第三,国家对粮食生产的政策性保护和财政性支持。我国政府历来高度重视粮食安全,对国内粮食生产一直都在实施积极的保护政策,通过财政支农转移支付对农民种粮给予补贴,增强农民生产的积极性。2005年起国家全面取消农业税,农业生产的利润空间得到进一步释放,这在很大程度上激发了农民种粮的动力,也直接促进了近年来的粮食增产。

(三)政策建议

随着城镇化的发展,非农建设对耕地的占用越来越大,其与农业生产对耕地的竞争也日益激烈。然而耕地是一种不可再生或者很难再生的稀缺资源,而粮食又是耕地密集型产品,在人类尚未开发出不使用耕地就可以进行大规模粮食生产的技术之前,必须规范耕地用途、加强现有耕地保护,确保一定的耕地面积。具体来说,需要做好以下三个方面:

第一,继续坚守我国18亿亩的耕地红线,无论城镇化和工业化发展到何种程度,都不能占用这部分耕地,从而为我国粮食安全提供战略保障。在进行城镇化建设时要做好规划,争取在原有宅基地上进行改造和建设,尽量不占用耕地,如果城镇化过程中必须要占用一部分耕地,也要合理规划,通过建立耕地等级机制,允许从最低等级的耕地用起,健全等级耕地占用奖惩机制,用条文的形式来严格限制甚至杜绝非农建设对高等级耕地的占用。

  • 要制定耕地补偿机制,通过适当开发后备耕地资源和加强对现有“抛荒”土地的整理,确保耕地总面积的稳定。在城镇化进程中,大量农村劳动力外流,导致农村耕地“抛荒”现象普遍,根据中国社会科学院的研究报告,如果把这部分耕地资源全部利用起来,我国粮食产量仍有约0.25个百分点的上升空间。
  • 由于土地利用方向变更存在着困难性,一块耕地一旦开发利用投入非农建设,要改变其利用方向重新流入农业生产领域则是十分困难的,甚至会造成巨大的经济损失,因此必须要规范农户耕地流转行为,禁止耕地私自买卖,尽最大可能的保护现有耕地,尽量限制其转向非农用途。

Next Post

黄金档占比对不同类型电影票房的影响分析

周日 12月 20 , 2020
山东理工大学经济学院 金融本1801 项目组:邵扬、居巧巧、魏兴莲、王慧敏 摘要:本文通过计量经济学 […]
登录 注册

热门文章