不同阶段化肥施用量对我国粮食产量的影响分析——基于1952-2006年30个省份的面板数据，本文主要内容关键词为：化肥论文,省份论文,面板论文,粮食产量论文,阶段论文，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。
在我国粮食产量提高的过程中，很多因素都起了非常重要的作用，其中最直接的影响来自粮食的种植面积和单产水平(张红宇，2003)。单产水平则主要受化肥施用、农业技术和农业机械化的影响。而在诸多影响因素中，化肥的贡献作用非常明显。美国著名的作物育种专家、诺贝尔奖获得者Norman E.Borlaug指出，20世纪全世界农作物产量增加的一半得益于化肥的施用。
尽管化肥在我国粮食产量增加的过程中起了不可替代的作用，但从1998年开始，我国粮食总产量开始有所下滑，由1998年的51230万吨下降到2001年的45264万吨，而化肥施用量却稳步上升，两者的趋势出现了背离。可见，化肥对粮食增产的效用在开始不断下降。
但是，相对而言，化肥的增产效用到底下降了多少？不同时期的化肥贡献率有什么变化？至今为止化肥的增产效用是否依然明显？这就是本文试图回答的问题。
一、文献综述
(一)国内研究现状
近年来，人们对粮食产量的关注程度不断加大，研究频率有所提高。但是其中专门研究化肥施用量对粮食产量影响的文献不到5％，研究不同时期化肥施用影响的文献就更少了。
现有关于化肥施用量对粮食产量影响的文献，研究主要集中于不同区域间化肥增产效率的差异、化肥施用对特定粮食作物的影响、特定省份的化肥施用的效果、不同化肥施用结构和配比的影响及化肥施用产生的农业污染问题等相关影响，研究角度分为两类：经济学的角度与自然科学、环境科学、土壤和肥料的角度，研究方法多为描述现状、统计分析(如关联度分析等)、计量分析等，其中近年来对于化肥施用影响的研究逐渐转向数量化，计量分析越来越多。
陈同斌、曾希柏、胡秀清(2002)根据我国1990-1998年化肥施用量和粮食作物产量等数据，从单产和化肥施用变化情况，通过不同地区间的比较研究，来考察不同区域的化肥增产效率，结果显示，化肥增产效率以西部最高，东部增产效率最低且为负。黄季焜、王巧军、陈庆根(1995)以水稻生产为例，用计量分析的方法研究20世纪80年代中期到90年代初期不同因素对水稻生产的影响，结果表明，在当时的土地状况下，化肥的增加使用有利于提高水稻单产，但各地区间的增产效果差异较大。周慧秋(2005)采用1986-2003年东北地区的六大粮食产量影响因子①的数据，通过建立灰色关联度模型的方法对各自的影响情况进行分析，结果表明化肥施用量在六大影响因子中排名第三位，对东北地区粮食总产量有较大的影响。毛惠忠(2005)和赵俊晔等(2006)用同样的方法，采用不同时间跨度的数据，考察了全国粮食产量的九个影响因素②，结果表明化肥施用量在九个影响因素中排名第五位，而且随着时间的延续，关联度逐渐下降。以上学者主要从经济学的角度，利用计量模型或统计方法对化肥的增产作用进行了分析，还有一些具有代表性的如李家康、林葆、金继运、张福锁等人，主要从技术方面研究化肥施用结构、配比、平衡施肥等问题。
从具体数量和变化来看，通过对不同地区、不同时期、不同的变量设定和模型构建的统计或计量研究，徐浪(2003)估计四川省2000年时的单位面积化肥施用量增加1吨，单位面积粮食产量将会显著增加3.88吨，同时通过系数函数估计得出，从1978-2000年，化肥施用对粮食产量的贡献率先上升后下降；唐华仓(2007)利用弹性系数计算出河南省2001年化肥的贡献系数为9.55％，到2003年降为7.68％；鲁彩艳(2006)指出1978-2002年黑龙江省每公斤化肥生产粮食数量大幅下降，每公斤化肥生产的粮食数量由15.7公斤下降到9.3公斤；古玉丽(2007)估计全国农用化肥施用量每增加1％，粮食产量增加0.317％。
(二)前人研究的不足之处
1.前人使用的数据都过于陈旧，对现实的指导意义不强。即使在2006-2007年发表的文献，使用的数据也只到2003年，大部分研究的数据都在2000年以前。
2.现有的对化肥贡献率的研究大部分都在省级层面，对于全国层面的定量研究较少。同时，很大一部分研究人员都用1978-2000年的时间序列数据来做相关计量分析，自由度远远不能符合计量建模的要求，其计量结果的可信度存在很大的疑问。
3.目前关于化肥贡献率的计量研究大多为静态研究，涉及到不同时期化肥贡献率变化的动态研究较少。同时，现有的动态研究时间跨度大部分都比较短，难以把握自我国化肥普及以来对粮食增产的贡献率变化及未来发展趋势。
二、计量模型中变量的选择与构建
(一)变量的选择
影响粮食产量的因素有很多，在前人的研究中，基本都以粮食产量或单位面积粮食产量为因变量，使用的自变量则有很多且相互间有些不同，主要包括粮食播种面积、化肥施用量、农机总动力、有效灌溉面积、农村劳动力、农村用电量、受灾或成灾面积、粮食收购价格、财政支农资金、农业科技投入等。考虑到数据的可获得性和研究的实际需要，本文选取粮食产量为因变量，化肥施用量(折纯量)为主要自变量，同时为了保证能够考察在其他因素不变的情况下的化肥增产效果，选取粮食播种面积、农机总动力、农村劳动力作为控制变量。
(二)模型的构建
由于本文研究的是在控制某些农业投入品的情况下化肥施用量对粮食产量的影响，本文采用能反映要素投入—产出关系的道格拉斯函数，即
，将该函数两边对数化可化为线性回归模型(双对数模型)：
对数化变量值后做线性回归，一方面可以做到无量纲化，还可以减少异方差；另一方面，对数化模型的系数表示的是弹性，即化肥施用量变化1％，粮食总产量变化的百分比，实际性意义很强，便于做相关分析。
三、数据来源及特点
(一)数据来源
本文所采用的1952-2006年全国及各主要省市数据，其中1952-2004年的数据来自《新中国55年统计年鉴汇编》，2005-2006年的数据来自《2006-2007年中国统计年鉴》和各省市的2006年统计年鉴和部分省市的2007年统计年鉴。其中描述统计部分所用的数据为1952-2006年全国数据，由于全国数据与各省市数据有数量级上的差别，在所有数据中属于异常值，为了减少计量分析的误差，计量分析部分所用数据只为各省市数据。
为了弥补早期数据的不足，本文把1952-1969年作为研究的第一阶段(早期，共115组数据)，之后分别为1970-1977年(第二阶段：改革开放前期，共90组数据)、1978-1989年(第三阶段：改革开放后至20世纪80年代，共312组数据)、1990-2000年(第四阶段：20世纪90年代，共322组数据)和2001-2006年(第五阶段：新时期，共145组数据)。
(二)模型优化
本文采用的是1952-2006年全国30个省份③及选取的5个变量相结合的面板数据，共有984组有效数据，解决了数据不足的问题。同时，面板数据能解决一定程度上的变量间的内生性问题，有利于我们的研究。
由于本文采用的是面板数据，我们必须考虑到省份间差异及时间趋势的影响，即随机效应和时间效应的影响。首先不同省份间的施肥结构和施肥总量不同，其施肥效果也不同(郑伟，2005)，故本文决定采用变截距模型来分离出不同省份i的地区差异，即将原不变截距系数转变为可变系数α[，i]，以此消除随机效应可能带来的估计偏误。同时，由于每个分组的时间跨度都较长，至少为10年，各变量数据都很可能带有时间趋势，为了消除可能的时间效应带来的影响，本文进一步地将时间变量T引入模型中。
最终，我们将原双对数模型转变成引入时间变量的变截距双对数模型：
本文所用的统计和计量分析软件分别为SPSS15.0和Eviews5.0，其中相关统计分析及计量模型多重共线性的测定出自于SPSS软件，具体的建模和计量结果出自于Eviews软件。
四、描述统计结果
以下是用全国粮食产量与化肥施用量的数据进行简单描述统计的结果，本文选取了粮食产量与化肥施用量之间的数量变化关系、粮食产量增量与化肥施用量增量的关系、单位化肥施用量上的粮食产量变化和相关系数变化这四个指标来对化肥施用量的影响力及其发展变化做出判断，并提出了两个命题(或假设)。
(一)粮食产量与化肥施用量之间的数量变化关系
由图1可看出，除建国初期的三年自然灾害外，我国的粮食产量基本保持稳步上升的趋势，但是从1998-2006年，我国粮食产量大幅下降后又逐渐回升，这与我国耕地面积大幅减少有关。同样，化肥施用量一直在上升，而且从1978年开始化肥施用量保持较高的增长率，明显高于粮食产量的增长率，且2006年我国农业化肥施用量已达到近5000万吨。
图1 1952-2006年我国粮食产量与化肥施用量对比
(二)粮食产量增量与化肥施用量增量之间的关系
由图2可看出，从1958-2006年，我国粮食产量的增量和化肥施用量增量的波动都较大，而且两者的波动方向基本保持一致。但化肥施用量的增量基本都为正，粮食产量的增量则在正负间来回变动，即持续增加化肥的投入，粮食产量不一定总是增加的。
图2 粮食产量增量与化肥施用量增量之间的关系
(三)单位化肥施用量上的粮食产量变化
由图3可看出，1970-2006年我国单位化肥施用量上的粮食产量基本保持下降的趋势，但下降速度逐渐缓和，且近年来趋于零。2006年，我国1公斤化肥的施用仅对应10公斤的粮食产量。
(四)相关系数变化
从相关系数的变化来看，我国粮食产量和化肥施用量的相关系数：1952-1965年为0.395，1970-1975年为0.875，1976-1980年为0.904，1981-1985年为0.915，1986-1990年为0.882，1991-1995年为0.860，1996-2000年为-0.329，2001-2006年为0.856。可以看出，粮食产量与化肥施用量之间的相关系数显著为正，且相关系数先增大后减小。
(五)提出命题
由以上描述统计结果可得出以下命题，并试图在下面的计量分析中验证这两个命题。
命题1：化肥施用量与粮食产量之间一直保持正相关，对粮食产量有显著的增产效应。
命题2：化肥施用量对粮食产量的增产效应先增大后减小。
图3 1970-2006年单位化肥施用量上的粮食产量变化
五、计量结果分析
本文最终采用的是变截距双对数模型，具体计量分析结果如下。
(一)不同阶段的模型结果对比和解释
1.第一阶段(1952-1969年)。初始模型回归结果显示，粮食作物的播种面积对粮食产量的影响非常不显著(P值为0.97)。做相应调整去除lnX[，2]项后，其他所有变量都非常显著，但DW统计量仅为1.319，没有通过DW检验，仍存在一定的序列相关性。
为了消除序列相关性的影响，本文引入了AR(1)项。引入后发现，lnX[，4]变得非常不显著(P值为0.52)，将该变量也剔除后，所有变量都通过了显著性检验，时间趋势也很明显，DW统计量为1.787，序列相关被成功地消除了。但农机总动力对粮食产量的影响为显著的负值，这显然与事实不相符合，笔者认为在当时农业机械化程度非常低且主要集中在某几个省份的情况下，将农机总动力引入模型必然会带来一定的偏差，结果很可能使得化肥施用的效果被高估了，故该模型有待进一步改进。
进一步将农机总动力变量也剔除，时间趋势也变得非常不显著，最终将时间趋势也剔除，并同样引入AR(1)，结果见表1。
两次改进后的模型通过了显著性检验、F检验、序列相关检验且不存在多重共线性，拟合性和现实性也最强。以此来看，化肥施用量每增加1％，粮食产量则增加0.088％。若分别乘以全国在1952-1969年的平均值75.5万吨和17130.7万吨，可简单地算出化肥施用量每增加1公斤，粮食产量增加20公斤。
2.第二阶段(1970-1977年)。初始模型回归结果显示：化肥和劳动力对粮食产量的影响较为显著，其他变量和时间趋势都不明显。逐步剔除最不显著的变量，剔除变量lnX[，2]后，lnX[，3]和T仍然不显著；继续剔除lnX[，3]后，时间趋势仍然不显著；继续把时间趋势T也剔除，可得出以下结果(见表2)。
如表2所示，剔除三个变量后，
为0.991，剩下的化肥施用量和劳动力数量对粮食产量有非常显著的影响，DW统计量的值为2.13，不存在序列相关。SPSS软件的测定显示，两个变量的VIF值都为1.880，CI值最大仅为21.647<30，不存在严重多重共线性。
对模型结果的简单解释如下：化肥施用量对粮食产量的影响显著为正，且增加1％化肥施用量的投入会带来0.222％的粮食产量提高，若分别乘以1970-1977年的全国平均水平487.65万吨和26554.1万吨，可算出化肥施用量每增加1公斤，粮食产量增加12公斤。
为了更好地进行比较，本文将不含控制变量的计量分析结果也报告如表3所示。
事实上，表3的模型也通过了显著性、F值、序列相关、多重共线性等检验，拟合效果也很好。从量上看来，仅由0.222提高到0.266，即增加1％的化肥投入会带来0.266％的粮食产量增加，即化肥投入增加1公斤，粮食产量增加14.5公斤。
3.第三阶段(1978-1989年)。初始模型回归显示：3个变量未通过显著性检验。按不显著的程度强弱依次进行剔除，剔除lnX[，3]变量后，lnX[，4]显著性依然很差，lnX[，1]的显著性有所改善；进一步剔除lnX[，4]后，发现lnX[，1]的显著性回升到5％上，通过了检验。但是DW统计量仅为1.18，存在严重的序列相关，于是进一步在改进模型中引入AR(1)项，结果见表4。
如表4所示，剔除两个变量之后，为0.994，剩下的所有变量也都很显著。DW统计量为2.142，不存在序列相关。且通过SPSS的测定，两个变量的VIF值分别为1.958，CI指数最大为25.73<30，不存在严重的多重共线性。
对模型结果的简单解释如下：化肥施用量对粮食产量的影响显著为正，且化肥施用量增加1％，粮食产量增加0.081％，通过当期全国平均值的换算可得，增加化肥投入1公斤会带来2公斤粮食产量的增加。
同样为了同前期进行更好的比较，报告出以下不含控制变量和时间变量的模型结果(见表5)。
由表5可知，增加1％化肥投入能增加0.2％的粮食产量增加，即1公斤化肥投入增加4.5公斤粮食产量。
4.第四阶段(1990-2000年)。初始模型回归结果显示，lnX[，3]和lnX[，4]两个变量的显著性很差，剔除lnX[，3]、lnX[，4]后，进行重新回归后可得表6。
如表6所示，变量的剔除并没有对R-squared产生影响，方程通过了显著性检验和F检验，同时DW值为1.723，而k=4，1％显著水平下DW检验的上下界分别为1.48和1.60，通过了DW检验，不存在序列相关。又由SPSS测得两变量的VIF值为2.347，CI值最大为26.846<30，不存在严重的多重共线性。
对模型结果的简单解释如下：化肥施用量对粮食产量的影响显著为正，而且增加1％化肥的投入能带来0.1％的粮食产量增加，经当期全国平均值换算得出，增加1公斤化肥的投入只能带来1.34公斤粮食产量的增加。
同样为了进行同期比较可得出以下不含控制变量的模型(引入AR项后，时间变量不显著，故已剔除)，见表7。
显然，表7的模型也能通过一般检验，结果显示：化肥投入量增加1％，粮食产量增加0.177％，即1公斤化肥投入能增加2.4公斤粮食产量。
5.第五阶段(2001-2006年)。由表8可知，近年来化肥施用量对于粮食产量的影响不再显著，相反，粮食作物播种面积及农机总动力对粮食产量有显著正的影响，而且影响系数都很大。剔除显著性不高的变量可得出以下模型，见表9。
从表9可看出，改进后的模型通过了显著性检验、F检验和序列相关检验。结果显示：新时代背景下，粮食作物播种面积和农业机械化水平已成为制约粮食产量的主要因素。
(二)不同阶段化肥增产效应的发展变化分析
根据上文5个时期的模型改进回归结果可得到以下两个图，图4表示的是不同阶段化肥增产弹性(也就是各方程中lnX[，1]的系数值)发展变化，图5则是通过各期全国平均值换算出来的不同时期增加1公斤化肥投入带来的粮食产量增加量的变化。
由图4可看出，不管是含有控制变量的模型还是不含控制变量的模型结果，不同时期化肥的增产弹性都显著为正(2001-2006年除外)，化肥施用量对粮食作物的影响一直都是显著的正值，直到近期才变得不显著。由此看来，命题1(化肥施用量与粮食产量之间一直保持正相关，对粮食产量有显著的增产效应)基本得到了验证，只是到近期增产效果变得不显著。
图4 1952-2006年我国化肥增产弹性发展变化
从弹性变化来看，化肥的增产弹性随着时间的推移，由图4所示，明显有先增加后减少的现象，而且到近期化肥的增产效应变得很不显著，由此看来，命题2(化肥施用量对粮食产量的增产效应先增大后减小)也基本能够得到验证；但是如果从具体的量上来看，由图5所示，1公斤化肥投入产生的粮食产量增加在不断下降，且到近期化肥投入的效应已经很不明显，由此看来，命题2的说法有些不精确。
根据上述分析，命题1和命题2都应所有改动，才能确切地描述实际发展情况。根据本文的分析结果，将命题1改为：化肥施用量对粮食产量的显著的正增产效应一直保持到近期才变得不显著；将命题2改为两个分命题，即命题2-1：化肥施用量对粮食产量的增产弹性先增大后减小，命题2-2：单位化肥投入量带来的实际粮食产量增加量不断减少。
图5 1952-2006年我国增加1公斤化肥投入带来的粮食增产数量变化
六、结论及不足
本文将1952-2006年全国30个省份的面板数据分成5个阶段，通过选取粮食产量为因变量，化肥施用量为主要考察变量，粮食作物播种面积、农机总动力和农业劳动力作为控制变量，建立一个引入时间变量的变截距(或固定效应)双对数模型，进行分阶段地计量分析。回归结果对比分析显示，化肥施用量对粮食产量的显著的正增产效应一直保持到近期才变得不显著；化肥施用量对粮食产量的增产弹性先增大后减小；单位质量化肥投入带来的实际粮食产量增加量不断减少。
本文的研究结果跟现实以及其他学者的研究较为吻合，主要区别在于什么时候达到增产弹性曲线的峰值(这不是本文的研究重点)以及具体的量上的差别。当然，本文也有诸多不足：首先，本文选取的控制变量有限，没有涵盖其他一些必要的农业投入品；其次，本文没有考虑到不同时期化肥施用结构和质量变化、农业科技发展和政府政策变化等的影响；关于模型中粮食产量和化肥施用量间的因果关系及内生性问题，在本文的研究过程中没能体现出来。而这些方面的影响都可能使得本文的研究结果产生一定的偏误。
注释：
①这六个影响因子包括：粮食播种面积、化肥施用量、农机总动力、有效灌溉面积、自然灾害成灾率、粮食混合收购价格。
②毛惠忠(2005)用的九个影响因子包括：粮食单产、农村劳动力、有效灌溉面积、耕地面积、粮食播种面积、农村用电量、农用化肥施用量、农药用量、农业机械总动力。赵俊晔(2006)与之不同的是引入了农用塑料薄膜用量、受灾面积、成灾面积，而没有采用耕地面积、农村劳动力和农村用电量。
③西藏的数据都有缺失值，已剔除。