新疆兵團糧食產量影響因素回歸分析

□文/韓 丹 喻曉玲

（塔里木大學經濟與管理學院 新疆·阿拉爾）

［提要］ 新疆生產建設兵團是全國最大的農墾組織，糧食是兵團的主要農作物。從國家層面來看，糧食安全非常重要，加上新冠肺炎疫情的影響，糧食安全問題尤為突出。2020年，第一師阿拉爾市秋糧收購主要以水稻為主，共種植水稻15.1萬畝，較2019年增加30.1%，預計產量11.33萬噸，較2019年預計增加23.2%。為進一步探索提高兵團糧食產量的直接因素，本文以2000～2017年《兵團統計年鑒》為測算對象，采用回歸分析方法，逐步找出影響兵團糧食產量的因素，主要有糧食播種面積、農業就業人員、農業機械總動力。同時，提出要提高兵團土地利用率、農業機械化投入、引導農業就業人員轉移、制定穩定的糧食政策和推進農業產業結構調整等建議。

糧食安全關系到國家安全，本文從糧食播種面積、農業就業人員、農業機械總動力、化肥施用折純量、地膜覆蓋面積等5個指標數據進行回歸分析，來分析這些因素與糧食產量的關系。

一、數據來源

以2000～2017年中國統計年鑒為數據庫，收集了糧食播種面積、農業就業人員、農業機械總動力、農用化肥施用折純量、地膜覆蓋面積等5個農產品的相關數據為依據進行時間序列模型的建立。

二、模型構建

以2000～2017年各年的糧食總產量作為被解釋變量，經分析，得到以下解釋變量：糧食播種面積、農業就業人員、農業機械總動力、農用化肥施用折純量、地膜覆蓋面積，數據見表1。（表 1）

表1 2000～2018年新疆兵團糧食產量、糧食播種面積、農業就業人員、農業機械總動力、農用化肥施用折純量、地膜覆蓋面積數據一覽表

Y=糧食產量（萬噸）；X1=糧食播種面積（千公頃）；X2=農業就業人員（人）；X3=農業機械總動力（千瓦）；X4=農用化肥施用折純量（噸）；X5=地膜覆蓋面積（千公頃）；N=隨機擾動項，C1、C2、C3、C4、C5、C6 為待估計參數；T=2000～2017。

三、模型檢驗與結果

（一）模型檢驗

1、最小二乘法OLS估計模型。假設模型中隨機擾動項N滿足古典假設，用最小二乘法OLS估計模型的參數，用計量經濟學的軟件Eviews得出計算結果，如表2所示。（表2）

根據表2中數據，一元回歸模型為：

表2 Eviews導出計算結果一覽表

可決系數R2=0.942638 adj-R2=0.918737 F值=39.43971 n=18

2、經濟意義檢驗。經濟意義：在其他不變的情況下，糧食播種面積每增加1千公頃，家庭經營收入增加0.6208億元；農業就業人員每增加1人，家庭收入增加4.11億元；農業機械總動力每增加1千瓦，家庭經營收入減少5.14億元；農用化肥施用折純量每增加1噸，家庭收入增加0.000170億元；地膜覆蓋面積每增加1千公頃，家庭收入增加8.88億元。

（二）建立對數模型。顯著性檢驗：X1的P=0.0007，顯著性水平在5%～10%的條件下，耕地和資本投入對收入有顯著影響；其他 X2、X3、X4、X5的 P 值＞10%，均無顯著性影響，如表 3所示。（表3）

表3 取對數回歸一覽表

1、經濟意義檢驗。從經濟意義方面檢驗參數估計量，LnX1（糧食播種面積）、LnX2（農業就業人員）、LnX3（農業機械總動力）3個變量的系數均為正，表示這3個生產要素按比例增加后，糧食產量會以一定比例增加，符合經濟意義，LnX5（地膜覆蓋面積）變量的系數為負，表示投入地膜后，糧食產量會減少，這與我們日常經驗違背，暫假定可以剔除LnX5（地膜覆蓋面積）這個變量。

2、參數檢驗

（1）T檢驗。檢驗解釋變量LnX1（糧食播種面積）、LnX2（農業就業人員）、LnX3（農業機械總動力）、LnX4（農用化肥施用折純量）、LnX5（地膜覆蓋面積）對被解釋變量LnY（糧食產量）是否有顯著性影響。

原假設：解釋變量對被解釋變量沒有顯著影響；備擇假設：解釋變量對被解釋變量有顯著影響。

根據T值大于T（n-k）臨界值，拒絕原假設接受備擇假設，表示解釋變量對被解釋變量是有顯著性影響；T值小于T（n-k）臨界值，接受原假設，表示解釋變量對被解釋變量沒有顯著性影響。

對照數據進行T檢驗，判斷解釋變量對被解釋變量是否有顯著性影響。據模型可知n=18，k=6，對照T值表后，查出在5%條件下，T（n-k）臨界值=2.160；在 10%條件下，T（n-k）臨界值=1.771。

據回歸模型得知，在5%的條件下，LnX1（T值5.387）、LnX2（T 值 0.493）、LnX3（T 值 1.031）、LnX（T 值 0.298）對 LnY具有顯著影響；在10%的條件下，LnX5（T值0.339）對LnY不具有顯著影響。

（2）P檢驗。P值顯著性判斷即P值小于1%，說明在顯著性1%的條件下，解釋變量對被解釋變量有顯著性影響；P值小于5%，說明在顯著性5%的條件下，解釋變量對被解釋變量有顯著性影響；P值小于10%，說明在顯著性10%的條件下，解釋變量對被解釋變量有顯著性影響。

據回歸模型得知，LnX1（P值0.0002）的P值小于1%，說明LnX1在顯著性1%的條件下，這個解釋變量對被解釋變量有顯著影響。LnX2（P 值 0.6306）、LnX3（P 值 0.3226）、LnX4（P 值0.7702）、LnX5（P 值 0.7401）的 P 值大于 10%，說明在顯著性10%的條件下，解釋變量對被解釋變量無顯著性影響。

（3）F檢驗。判斷整個方程是否顯著，即所有解釋變量聯合起來對被解釋變量是否有顯著性影響。

原假設：解釋變量聯合起來對被解釋沒有顯著影響，整個方程不顯著；備擇假設：解釋變量聯合起來對被解釋有顯著影響，整個方程顯著。

F值如果大于F的臨界值，解釋變量聯合起來對被解釋變量有顯著影響，表示整個方程是顯著。F值如果小于F的臨界值，解釋變量聯合起來對被解釋變量沒有顯著影響，表示整個方程不顯著。

F臨界值（k-1，n-k），a=5%，F0.05（5，13）臨界值=3.03，據模型可知，顯著性P=0.000且F=57.099＞F0.05（5，13）=3.03，可知在5%的顯著性水平下回歸方程整體顯著。

（4）擬合優度檢驗。R2可決系數，判斷擬合優度高低。值越大擬合優度越好，方程解釋的變差在總變差中占的比重越大。據模型可知R2=0.959664，方程擬合優度好。

（三）共線性檢驗。解釋變量之間做相關系數，相關系數比較高于0.7，判斷存在多重共線性，如表4所示。（表4）

表4 共線性計算一覽表

四、剔除變量法修正

根據計量經濟學有關要求，主要采取剔除變量法、增大樣本容量、截面數據與時序數據并用、取對數的方法。根據本模型可知，LnX1與LnX3、LnX4相關系數大于0.7，存在多重共線性；LnX3與LnX4相關系數大于0.7，存在多重共線性。但模型本身樣本量已有18年數據，樣本容量已足夠大，不選擇增大樣本容量的方法；由于數據較多，不選擇橫截面數據與時序數據并用的方法；由于本模型采用對數形式的線性方程，不選擇再取對數的方式。因此，選擇逐步回歸的方式，剔除變量。根據前部分T假設，LnX2、LnX4、LnX5對于LnY不具有顯著影響，依次剔除進行檢驗。（表5）

表5 多重共線性修正后回歸結果一覽表

（一）T 檢驗：在 1%的條件下，T（n-k）=T（19-4）=2.131，LnX1（T 值 6.947）、LnX2（T 值 5.177），兩個解釋變量的 T 值均大于T0.05（15）=2.131，表示這兩個解釋變量對于LnY有顯著的影響。

（二）F檢驗：在5%條件下，F（k-1，n-k）=F0.05（3，15）=3.29，本模型的F值為170.0205＞F0.05（3，15）=3.29，可知在5%的顯著性水平下回歸方程整體顯著。

（三）擬合優度檢驗：R2可決系數，判斷擬合優度高低。值越大擬合優度越好，方程解釋的變差在總變差中占的比重越大。據模型可知，R2=0.957，方程擬合優度好。

綜上所述，經過變量剔除可行模型為LnY=-5.673+0.867×LnX1+0.400072×LnX3。

五、模型結果分析總結

（一）經多種分析方法和模型修正，剔除農業就業人員、農用化肥施用折純量、地膜覆蓋面積這3個不顯著的影響因素，得出最終模型為 LnY=-5.673+0.867×LnX1+0.400072×LnX3。

（二）該模型的經濟意義是：在其他變量不變的情況下，糧食播種面積（千公頃）每增加1%，糧食產量增加0.867%；農業機械總動力每增加1%千瓦，糧食總產量增加0.4%。

（三）從各因素前的系數可以看出，糧食播種面積、農業機械總動力的兩個因素的系數均為正，表示增加這兩種生產要素，都能使糧食產量得到增加。從增加效率來看，糧食播種面積的影響程度最大，其次是農業機械總動力的投入。從分析結果來看，這與初始建模時將糧食播種面積、農業就業人員、農業機械總動力、農用化肥施用折純量、地膜覆蓋面積這5個影響因素同時作為自變量的初始假設不同，這表明糧食的產量與農業從業人員、化肥施用、地膜使用并沒有多大關系，更多的是在勞動力和種植規模上的影響，更進一步說，糧食種植是勞動密集型產業，其技術進步最多能夠體現在農業機械化上，如果想通過化肥施用和地膜使用等生產資料的投入就能實現增產是沒有多大效果的。

六、對策建議

（一）提高兵團土地利用率。自2018年以來，兵團全面實施團場綜合配套改革工作，從制度層面取消了“五統一”，主要體現在取消了農資特別是種子、化肥、農藥等生產資料的統一購買，很大程度上減輕了職工壓力。同時，從2000～2018年的統計數據可以看出，兵團糧食產量已在高水平上發展，要取得更大進步難度非常大，所以必須要從提高土地利用率上來解決問題。兵團與內地農業最大的不同就是實施的大農業，土地規模有保障，但從兵團現行制度來看，每個職工僅有40畝糧田，除去成本，一年收入僅4萬～5萬元，不能滿足職工群眾對美好生活的向往，因此要從提高土地利用率上來考慮，要進一步推動土地流轉工作，要讓土地資源活起來，要讓碎片化的土地連起來，從而推動更高水平的農業機械化。

（二）加大對農業機械化的投入。從數據分析和現狀觀察來看，農業機械化是最能體現科技投入的地方?？茖W技術就是第一生產力，進入2000年以后，化肥、地膜等技術的大量投入，已經通過反復試驗找出了適合兵團土地吸收和作物生長的化肥、地膜投入比，即使是再投入也已經無法大幅度提高糧食單位產出。如果要投入科學技術到農業生產中，進一步提高農業機械化水平顯得至關重要。從當前兵團糧食產業發展來看，北斗衛星、無人機、采棉機的投入不僅在減輕勞動負擔上具有顯著作用，還在工作效率上有著明顯作用。以插秧機為例，在20世紀90年代初，兵團插秧采收還要靠人工來解決，插秧采收周期長達4～5個月，很多時候要到過年才能把地頭糧食采凈，工作效率十分低。但進入21世紀，大量的農業機械投入到農業生產當中，解放了大量的勞動力，極大地提高了工作效率，所以要提高兵團糧食的產量，必須下大力氣在農業機械化的研究上，要讓科技創新在農業機械化上嶄露頭角。

（三）引導農業就業人員轉移。兵團的大農業和農業現代化必定會引起農業就業人口的轉移，從2000～2018年的農業就業人員數可以看出，農業就業人員正在減少，并且比糧食種植面積的增加程度還要大，這說明農業規?；娃r業機械化已經實現了解放勞動力的作用。雖然從模型可以看出增加農業就業人員還能提高兵團糧食產量，但與當今經濟社會主流相違背，隨著科技的發展應當是更多的人投入到第二、第三產業當中，而不是引導更多的人到農業生產中，這與社會經濟發展不相適應，所以拋開提高兵團糧食產量的問題不說，我們應當理智看待農業就業人員問題，不僅要控制農業就業人數，還要引導農業人口向工業、服務業轉移。

（四）進一步調整農業產業結構。從統計數據來看，兵團糧食土地利用率、投入產出率已經達到較高水平，但仍存在一些問題，比如糧食質量不高、同一地區糧食品種過雜和大區域內糧食品種過于單一問題并存的現象，這些都反映了糧食產業到了不得不改的時候。當前兵團糧食種植依舊是傳統老舊思維，認為糧食就是進國儲，與企業缺乏溝通，不了解當前市場需要，使得糧食品質與市場需求不相適應。這需要政府與企業加強溝通，建立合作橋梁，大力推行訂單農業，根據市場需求進行品種調整，充分發揮兵團大農業的優勢，讓優質、統一、符合市場需求的糧食涌現出來，提高兵團糧食的產量優勢。