中國糧食生產(chǎn)效率的時空演變特征及影響因素

季張含昱 楊慧文

季張含昱，楊慧文. 中國糧食生產(chǎn)效率的時空演變特征及影響因素［J］. 湖北農(nóng)業(yè)科學(xué)，2024，63（3）：150-156．

摘要：基于投入產(chǎn)出框架設(shè)計糧食生產(chǎn)效率測算指標(biāo)體系，構(gòu)建基于DDF的糧食生產(chǎn)效率動態(tài)DEA測算模型，測算2011—2019年中國糧食生產(chǎn)效率，然后結(jié)合ESTAD模型和地理探測器模型識別中國糧食生產(chǎn)效率的時空演變特征及其影響因素。結(jié)果表明，2011—2019年，中國糧食生產(chǎn)效率總體水平較高，呈小幅度動態(tài)下降趨勢，并呈明顯的地區(qū)差異性；中國糧食生產(chǎn)效率的局部空間結(jié)構(gòu)和空間依賴方向上具有較強(qiáng)的穩(wěn)定性，東西部地區(qū)局部空間結(jié)構(gòu)穩(wěn)定性高于中部地區(qū)，而中西部的局部空間穩(wěn)定性高于東部沿海地區(qū)；糧食生產(chǎn)效率與鄰域協(xié)同增長的?。ㄊ?、自治區(qū)）占比為51.6%，集中于黃河以南，空間格局整合性呈多元化和差異化特征；宏觀經(jīng)濟(jì)因素對糧食生產(chǎn)效率的影響最大，政策支持因素影響最小，但政策支持與其余因素的交互作用具有非線性增強(qiáng)效果。

關(guān)鍵詞：糧食生產(chǎn)效率；時空演變；影響因素；ESTDA模型；地理探測器

中圖分類號：F326.11? ? ? ? ?文獻(xiàn)標(biāo)識碼：A

文章編號：0439-8114（2024）03-0150-07

DOI：10.14088/j.cnki.issn0439-8114.2024.03.023 開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

中國有著世界第一的糧食進(jìn)口需求，因此提高糧食產(chǎn)能、強(qiáng)化糧食供給穩(wěn)定性是應(yīng)對全球糧食市場波動升級的關(guān)鍵［1］。糧食生產(chǎn)能力的提升主要通過兩個途徑，分別為要素投入的增加和生產(chǎn)效率的提高［2，3］。隨著人口不斷增加，糧食剛性需求增長，同時農(nóng)業(yè)用地供給由于工業(yè)化、城鎮(zhèn)化發(fā)展被不斷侵蝕［4］，水資源短缺、耕地質(zhì)量下降、勞動力流失等資源環(huán)境因素限制了糧食生產(chǎn)能力提升的上限［5］，通過增加生產(chǎn)要素投入的方法來提升糧食產(chǎn)量愈發(fā)困難［6-8］。因此，提升糧食生產(chǎn)效率是實現(xiàn)糧食產(chǎn)量穩(wěn)步增長、維護(hù)國家糧食安全的根本途徑。

已有諸多學(xué)者從不同角度采用不同方法對中國糧食生產(chǎn)效率展開了研究，研究對象涵蓋全國［9，10］、省域［11］等。肖紅波等［9］利用DEA模型測算了中國2000—2009年糧食生產(chǎn)效率，發(fā)現(xiàn)糧食生產(chǎn)平均綜合技術(shù)效率與純技術(shù)效率均較低。楊林等［10］、丁文斌等［11］分別采用以投入和產(chǎn)出為導(dǎo)向的BBC模型測算全國和湖北省的糧食生產(chǎn)效率，發(fā)現(xiàn)增加要素投入可以提高糧食生產(chǎn)效率。為彌補(bǔ)傳統(tǒng)DEA模型假設(shè)與實際情況不符的缺陷，學(xué)者們對DEA模型進(jìn)行了改進(jìn)。王千等［12］運(yùn)用Malmquist-DEA方法對河北省縣級糧食生產(chǎn)的全要素效率進(jìn)行測算，對其省域內(nèi)糧食生產(chǎn)效率的空間分異和趨勢特征做出了闡釋。曾福生等［13］采用SBM-Tobit模型核算了中國2009年糧食生產(chǎn)效率，發(fā)現(xiàn)糧食生產(chǎn)效率與化肥使用量、糧食播種面積等因素有密切聯(lián)系。張利國等［14］運(yùn)用DEA-Malmquist指數(shù)和固定效應(yīng)模型分析2001—2012年中國糧食主產(chǎn)區(qū)糧食全要素生產(chǎn)率時空演變及驅(qū)動因素。為彌補(bǔ)糧食生產(chǎn)效率研究中對空間效應(yīng)的忽視，高鳴等［15］采用DEA-Morans I-Theil Index模型分析了糧食生產(chǎn)技術(shù)效率的空間自相關(guān)情況及其區(qū)域差異；楊麗霞等［16］借助ESDA和地理加權(quán)回歸模型，得出糧食生產(chǎn)及其驅(qū)動因素均具有空間異質(zhì)性；楊春等［17］利用空間計量經(jīng)濟(jì)模型得出中國糧食生產(chǎn)存在較強(qiáng)的空間依賴性。

現(xiàn)有研究對于糧食生產(chǎn)效率空間變化特征的研究成果相對較少，同時缺少對糧食生產(chǎn)效率影響因素的探究。本研究以系統(tǒng)供給限制與環(huán)境約束為約束條件，避免效率測度因受某個特殊決策單元影響而出現(xiàn)的高估或低估問題［18］，構(gòu)建基于DDF的糧食生產(chǎn)效率動態(tài)DEA測算模型，測度2011—2019年中國糧食生產(chǎn)效率，并采用Rey等［19］提出的ESTDA模型，借助LISA時間路徑及時空躍遷等分析方法，結(jié)合地理探測器，解析糧食生產(chǎn)效率空間格局的動態(tài)變化特征及其影響因素，以期為提高中國糧食生產(chǎn)效率、保障糧食安全提供決策參考。

1 研究方法與數(shù)據(jù)來源

1.1 研究方法

1.1.1 基于DDF的糧食生產(chǎn)效率動態(tài)DEA測算模型 假設(shè)糧食生產(chǎn)系統(tǒng)存在n個生產(chǎn)規(guī)?？勺兊臎Q策單元DMUk（k=1，2，…，n），經(jīng)歷時間段為T（t=1，2，…，t）。在第t年時，設(shè)[xFijt≥0]表示在糧食生產(chǎn)系統(tǒng)內(nèi)DMUj的第i個投入指標(biāo)[（j=1，2，…，n）]，[yFrjt≥0]表示在糧食生產(chǎn)系統(tǒng)內(nèi)DMUj的第r個產(chǎn)出指標(biāo)（j=1，2，…，n），[zCj（t，t+1）≥0]表示DMUj從第t年到第t+1年的結(jié)轉(zhuǎn)變量。糧食生產(chǎn)系統(tǒng)的生產(chǎn)可能性集為[Pt=（xFt，yFt，zC（t，t+1）），t=1，2，？，T]。[DMUo（o=1，2，…，n）∈][Pt]的輸入、輸出、連接和結(jié)轉(zhuǎn)約束如下。

[j=1nxFjtλFjt≤θFtxFotj=1nyFjtλFjt≥θFtyFot （期望產(chǎn)出）j=1nyFjtλFjt≤θFtyFot （非期望產(chǎn)出）j=1nλFjt=1 糧食系統(tǒng)j=1nλWj，t-1zCj（t-1，t）=j=1nλEjtzCj（t-1，t）=j=1nλFjtzCj（t-1，t）? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 時期連接變量] （1）

式中，[λFjt]為糧食生產(chǎn)系統(tǒng)DMUj的強(qiáng)度向量，[λFjt]≥0；[θFt]表示t時的效率矩陣。將能夠促進(jìn)系統(tǒng)效率的產(chǎn)出歸類為期望產(chǎn)出，例如GDP、虛擬水供應(yīng)等，反之稱為非期望產(chǎn)出，如農(nóng)業(yè)面源污染。參考Petridis等［20］、Shao等［21］對基于DDF的動態(tài)DEA模型的研究成果，DMUs效率的目標(biāo)函數(shù)為：

[ρ=maxt=1TWtλFt]? ? ? ?（2）

式中，Wt是分配給時間t的非負(fù)權(quán)重，滿足[t=1TWt=1]。相對權(quán)重分為內(nèi)生權(quán)重與外生權(quán)重［22］，采用與以往研究相同的外生權(quán)重［22，23］，可以反映不同時期或階段之間的相對重要性?；陟貦?quán)法獲得輸入和輸出指標(biāo)的權(quán)重，將其整合為一個綜合指數(shù)。離散度大的指標(biāo)權(quán)重較高［24］。

利用模型（2）在模型（1）的約束下，通過線性規(guī)劃公式計算得到糧食生產(chǎn)系統(tǒng)t時期的效率（[ρFt]）。

[ρFt=1-1mi=1mθgxi/xit1-1qi=1qθgyi/yit]? ? ? ? ? ? （3）

式中，m和q分別表示系統(tǒng)投入和產(chǎn)出變量的數(shù)量；[θgxi]表示各項投入的改進(jìn)數(shù)量，[θgxi/xit]表示各項投入的改進(jìn)比例；[θgyi]表示各項產(chǎn)出的改進(jìn)數(shù)量，[θgyi/yit]表示各項產(chǎn)出的改進(jìn)比例。整體效率（[ρ]）由時段內(nèi)的每期效率加權(quán)求和得到，表示為：

[ρ=t=1TWtρFt]? ? ? ? ? ? ? ? ?（4）

基于全要素能源效率指標(biāo)，計算關(guān)鍵指標(biāo)的效率，以更好地擬合實際情況。

1.1.2 ESTDA模型

1）LISA時間路徑?；贛orans I散點圖中的遷移特性，將時間維度納入LISA，使其具有連續(xù)動態(tài)屬性，從而揭示省域間糧食生產(chǎn)效率時空交互作用以及時空依賴效應(yīng)對區(qū)域系統(tǒng)演化的影響程度［25］。LISA時間路徑的幾何特征常用相對長度和彎曲度表示［26］，計算式如下。

[Rli=n×t=1T-1d（Li，t，Li，t+1）i=1nt=1T-1d（Li，t，Li，T）]? ? ? ?（5）

[Di=t=1T-1d（Li，t，Li，t+1）d（Li，t，Li，T）]? ? ? ? （6）

式中，Rli、Di分別表示相對長度和彎曲度；n為DMU的數(shù)量；T表示研究時段；Li，t 、Li，t+1分別表示t、t+1年份區(qū)域i的局部莫蘭指數(shù)坐標(biāo)；d（Li，t，Li，t+1）、? ? d（Li，t，Li，T）表示兩點間的移動距離。Rli越大，表示DMUj的糧食生產(chǎn)效率的局部空間依賴性和空間結(jié)構(gòu)更具動態(tài)性；Di越大，表明DMUj的移動路徑更彎曲，意味著糧食生產(chǎn)效率具有更不穩(wěn)定的局部空間依賴方向，并且隨時間推移變化幅度越顯著或波動越劇烈。

2）LISA時空躍遷。Rey［27］、Elhorst［28］將局部莫蘭指數(shù)與馬爾科夫轉(zhuǎn)移矩陣相結(jié)合，提出了局部馬爾科夫轉(zhuǎn)移矩陣和時空躍遷，并將躍遷分為Type0、Type1、Type2、Type3四種類型，用于揭示地理要素的空間依賴特征。其中，Type0型區(qū)域自身和鄰域均不發(fā)生躍遷；Type1型表示區(qū)域自身躍遷，鄰域不變（包括高高→低高、高低→低低、低高→高高、低低→高低）；Type2型表示區(qū)域自身不變，鄰域發(fā)生躍遷（包括高高→高低、高低→高高、低高→低低、低低→低高）；Type3型表示區(qū)域自身與鄰域均發(fā)生躍遷，若自身與鄰域躍遷方向一致稱為Type3A（包括高高→低低、低低→高高），否則稱為Type3B（包括高低→低高、低高→高低）［29］。Rey［27］根據(jù)躍遷的不同類型和表征的鎖定特征將其分類，得到時空流動和時空凝聚的計算式，如下。

[SF=nType1+nType2n]? ? ? ? ? ?（7）

[SC=nType0+nType3An]? ? ? ? ?（8）

式中，SF、SC分別表示研究對象的時空流動和時空凝聚；[nType0]、[nType1]、[nType2]和[nType3A]為Type0、Type1、Type2、Type3的躍遷數(shù)量。在本研究中，[n=（2019-2011）×31=248]。

1.1.3 地理探測器 在分析中國糧食生產(chǎn)效率時空動態(tài)演變特征的基礎(chǔ)上，有必要進(jìn)一步分析其背后的影響因素。使用地理探測器中的因子探測器分析與交互探測器探究造成空間分異性的驅(qū)動力［30，31］。

1）分異及因子探測。探測Y的空間分異性以及因子X對其的解釋力度（q），計算式如下。

[q=1-SSWSST=1-1Nσ2h=1LNhσ2h] ? ? ? ? ? （7）

式中，[q∈0，1]，[q]越大表示地理探測因子對糧食生產(chǎn)效率異質(zhì)性的解釋力越大，反之越?。?2］；SSW與SST分別為層內(nèi)方差之和與區(qū)域總方差；h為因子X的分類；N和Nh分別表示全部和h層的決策單元數(shù)；[σ2h]和[σ2]分別表示層h和全部Y的方差。

2）交互作用探測。分析多個因子之間的相互影響對因變量解釋力的作用效果。兩個因子之間的關(guān)系可以分為5類，見表1。

1.2 指標(biāo)選取

參考已有研究［2，4，33］的指標(biāo)體系，并為了滿足DEA模型的指標(biāo)數(shù)量要求，構(gòu)建投入產(chǎn)出框架。投入指標(biāo)分為資本投入、勞動投入、資源投入，其中資本投入以農(nóng)業(yè)機(jī)械總動力衡量；勞動投入以第一產(chǎn)業(yè)就業(yè)人員衡量；資源投入以農(nóng)業(yè)用水量、農(nóng)作物播種面積、農(nóng)用化肥使用量衡量。產(chǎn)出指標(biāo)分為期望產(chǎn)出與非期望產(chǎn)出，將第一產(chǎn)業(yè)增加值作為期望產(chǎn)出，將農(nóng)業(yè)面源污染作為非期望產(chǎn)出［34，35］。

參考楊曉璇等［2］、張利國等［14］、王美知等［36］的影響因素指標(biāo)體系，選取自然災(zāi)害因素、宏觀經(jīng)濟(jì)因素、政策支持因素、產(chǎn)業(yè)結(jié)構(gòu)因素4個指標(biāo)探究其對糧食生產(chǎn)效率的影響。自然災(zāi)害因素用農(nóng)作物受災(zāi)水平衡量，農(nóng)作物受災(zāi)水平用某地區(qū)農(nóng)作物受災(zāi)面積占農(nóng)作物播種面積的比例衡量，為了使指標(biāo)更加準(zhǔn)確，將農(nóng)作物受災(zāi)水平乘以糧食作物種植面積占農(nóng)作物種植面積的比例。宏觀經(jīng)濟(jì)環(huán)境用人均GDP衡量。政策環(huán)境用地方政府財政對農(nóng)林水事務(wù)的支出占總財政支出的比例衡量［37］。產(chǎn)業(yè)結(jié)構(gòu)用第一產(chǎn)業(yè)增加值占總產(chǎn)值的比例衡量。

1.3 數(shù)據(jù)來源

以中國“十二五”規(guī)劃和“十三五”規(guī)劃的實施階段，即2011—2019年中國31個?。ㄊ?、自治區(qū)）（不包括港澳臺）的糧食生產(chǎn)投入產(chǎn)出數(shù)據(jù)為研究對象。農(nóng)業(yè)用水量數(shù)據(jù)來自《中國水資源公報》，第一產(chǎn)業(yè)就業(yè)人員數(shù)據(jù)來自各?。ㄊ小⒆灾螀^(qū)）歷年統(tǒng)計年鑒，其余數(shù)據(jù)來自《中國統(tǒng)計年鑒》和《中國農(nóng)村統(tǒng)計年鑒》。

2 結(jié)果與分析

2.1 中國糧食生產(chǎn)效率時空特征分析

2011—2019年中國糧食生產(chǎn)效率如表2所示。2011—2019的平均糧食生產(chǎn)效率達(dá)0.864，處于較高水平，但中國的糧食生產(chǎn)效率從2011年的0.876降至2019年的0.857，需引起特別關(guān)注。從省際層面看，2011—2019年31個?。ㄊ?、自治區(qū)）糧食生產(chǎn)效率表現(xiàn)出不同程度和方向的變動趨勢，具有明顯的地區(qū)差異性。其中，黑龍江、江西、湖北、湖南、貴州、云南、陜西7個省的糧食生產(chǎn)效率得到了提升，總體變化幅度較小；此外，有12個?。ㄊ?、自治區(qū)）的糧食生產(chǎn)效率年均增長率為負(fù)，其中天津、河北、內(nèi)蒙古和新疆的效率下降幅度超過了1%；余下12個?。ㄊ小⒆灾螀^(qū)）的糧食生產(chǎn)效率均保持為1.000，主要集中于東部沿海地區(qū)和西南地區(qū)。

中國糧食生產(chǎn)效率在2011—2019年呈波動下降趨勢，主要原因是農(nóng)村經(jīng)濟(jì)發(fā)展“十二五”規(guī)劃出臺之后，強(qiáng)調(diào)建設(shè)環(huán)境友好型農(nóng)業(yè)，農(nóng)業(yè)面源污染得到有效控制。此外，2016年“十三五”規(guī)劃對現(xiàn)代化農(nóng)業(yè)生產(chǎn)體系建設(shè)提出了節(jié)約資源、限制化肥農(nóng)藥使用量的新要求，糧食生產(chǎn)處于關(guān)鍵轉(zhuǎn)型時期，需從原本高效率生產(chǎn)向高效率、高質(zhì)量生產(chǎn)并存轉(zhuǎn)變。

2.2 中國糧食生產(chǎn)效率時空動態(tài)分析

2.2.1 LISA時間路徑分析 從相對長度（圖1）來看，中國糧食生產(chǎn)效率具有區(qū)域特征，局部空間結(jié)構(gòu)具有較好的穩(wěn)定性。具體而言，東部沿海地區(qū)如江蘇、浙江、上海、福建、廣東等具有低相對長度，省域局部空間結(jié)構(gòu)穩(wěn)定；華北地區(qū)具有較低相對長度，省域空間結(jié)構(gòu)較為穩(wěn)定。其主要原因是較低緯度的東部沿海地區(qū)熱量充足且降水量充沛，導(dǎo)致糧食生產(chǎn)周期短、年均產(chǎn)量高，而華北地區(qū)黃土較為肥沃，平原廣闊，種植規(guī)模大，因此糧食產(chǎn)出穩(wěn)定。具有較高相對長度和高相對長度的地區(qū)包括天津、貴州、新疆，這些?。ㄊ?、自治區(qū)）的局部空間結(jié)構(gòu)特征呈較強(qiáng)的不穩(wěn)定性和動態(tài)性。具有中等相對長度的地區(qū)集中于中國的中西部，所占面積最大。整體而言，低相對長度和較低相對長度共22個?。ㄊ?、自治區(qū)），占全部的71.0%，表明中國各（市、自治區(qū)）糧食生產(chǎn)效率空間結(jié)構(gòu)比較穩(wěn)定，仍有進(jìn)一步提升的空間。

從彎曲度（圖2）看，中國糧食生產(chǎn)效率局部空間依賴變化過程總體非常穩(wěn)定。從空間分布來看，中國有超過67.7%的?。ㄊ?、自治區(qū)）屬于糧食生產(chǎn)效率彎曲度的低值區(qū)和較低值區(qū)，占中國的大部分面積；彎曲度較高的?。ㄊ?、自治區(qū)）有安徽、廣東、寧夏、吉林和甘肅。由此可見，中國整體糧食生產(chǎn)效率的時空依賴性較弱，局部空間依賴方向上具有較強(qiáng)的穩(wěn)定性，只有極小部分地區(qū)糧食生產(chǎn)效率受外界影響大，安徽、甘肅和廣東的波動最為劇烈。

2.2.2 LISA時間路徑移動方向分析 根據(jù)2011年和2019年中國糧食生產(chǎn)效率Morans I散點圖的位置，計算LISA坐標(biāo)的移動方向，并將其分為贏-贏型（0°—90°）、輸-贏型（90°—180°）、輸-輸型（180°—270°）、贏-輸型（270°—360°）4種類型［26］。其中，贏-贏型表示某地區(qū)與其相鄰地區(qū)的糧食生產(chǎn)效率協(xié)同正向增長；輸-贏型表示某地區(qū)糧食生產(chǎn)效率呈負(fù)向增長趨勢，而其相鄰地區(qū)呈正向增長趨勢；贏-輸型與輸-贏型呈相反態(tài)勢；輸-輸型表示某地區(qū)與其相鄰地區(qū)的糧食生產(chǎn)效率均呈協(xié)同負(fù)向增長態(tài)勢。

由圖3可知，中國糧食生產(chǎn)效率的空間整合性呈明顯的多元化特征和地區(qū)差異性。實現(xiàn)協(xié)同高增長的?。ㄊ小⒆灾螀^(qū)）有16個，占比達(dá)51.6%，主要集中于東南沿海地區(qū)以及中西部地區(qū)，僅有青海、寧夏、甘肅處于黃河以北，主要是由于東部沿海地區(qū)氣候適宜、水源豐沛、熱量充足且雨熱同期，而中西部地區(qū)由于“西部大開發(fā)”戰(zhàn)略和“中部崛起”戰(zhàn)略的步步落實，糧食生產(chǎn)效率大多處于上升階段。贏-輸型?。ㄊ?、自治區(qū)）包括東三省、北京、山東、陜西和西藏，主要集中在北部沿海地區(qū)，這些地區(qū)長期為中國糧食生產(chǎn)和供應(yīng)的主要地區(qū)，糧食種植面積廣闊、糧食生產(chǎn)技術(shù)成熟。輸-贏型只有4個省（自治區(qū)），為安徽、山西、廣西、新疆，分布相對分散。輸-輸型僅有內(nèi)蒙古、海南、河北和天津，這些區(qū)域生態(tài)環(huán)境條件并不適合大范圍糧食播種。

2.2.3 糧食生產(chǎn)效率LISA時空躍遷分析 由LISA時空躍遷矩陣（表3）可知，2011—2019年中國糧食生產(chǎn)效率存在明顯的轉(zhuǎn)移惰性，不發(fā)生躍遷的概率均在90%左右。時空躍遷統(tǒng)計結(jié)果如表4所示，Type0類型的躍遷占比為91.1%，絕大部分?。ㄊ?、自治區(qū)）在2011—2019年內(nèi)未發(fā)生顯著的時空躍遷，空間鎖定特征和路徑依賴特征明顯。有少數(shù)?。ㄊ?、自治區(qū)）發(fā)生了Type1和Type2類型的躍遷，沒有?。ㄊ?、自治區(qū)）發(fā)生Type3類型的躍遷，表明各省（市、自治區(qū)）整體在此期間的躍遷并不劇烈，SC為0.911，遠(yuǎn)大于SF，由此可知，中國糧食生產(chǎn)效率的時空凝聚很強(qiáng)，空間格局穩(wěn)定，同時也意味著短期內(nèi)難以改變當(dāng)前糧食生產(chǎn)效率的分布狀況。

2.3 中國糧食生產(chǎn)效率的影響因素分析

為進(jìn)一步探索中國糧食生產(chǎn)效率空間分異格局的影響因素，使用地理探測器揭示自然災(zāi)害、宏觀經(jīng)濟(jì)、產(chǎn)業(yè)結(jié)構(gòu)和政策支持4個因素對2011—2019年中國糧食生產(chǎn)效率的作用強(qiáng)度，并各因素間的交互作用進(jìn)行研究，地理探測器分異及因子探測結(jié)果如表5所示。由表5可知，自然災(zāi)害因素、宏觀經(jīng)濟(jì)因素和產(chǎn)業(yè)結(jié)構(gòu)因素對中國糧食生產(chǎn)效率的影響均較為顯著，通過了10%的顯著性檢驗，自然災(zāi)害因素和宏觀經(jīng)濟(jì)因素的P小于5%，其影響相較于產(chǎn)業(yè)結(jié)構(gòu)更為顯著。

自然災(zāi)害因素包括了旱災(zāi)、洪澇災(zāi)等自然災(zāi)害對糧食生產(chǎn)效率的影響，q為0.140 017，其含義為自然災(zāi)害對糧食生產(chǎn)效率產(chǎn)生約14%的影響，且P為0.000 0，表明自然災(zāi)害作為自然界不可抗力因素，對糧食生產(chǎn)效率的影響顯著，已有的糧食生產(chǎn)手段并不能完全規(guī)避自然災(zāi)害所帶來的影響。宏觀經(jīng)濟(jì)因素對糧食生產(chǎn)效率的影響最為突出，q達(dá)0.277 767，大于其他3個因素，同時P小于0.05，影響顯著，可見經(jīng)濟(jì)發(fā)展對糧食生產(chǎn)有重要作用，佐證了中國以經(jīng)濟(jì)建設(shè)為重心的政策方針的正確性。產(chǎn)業(yè)結(jié)構(gòu)因素是指第一產(chǎn)業(yè)增加值在總增加值中的占比，體現(xiàn)了一個地區(qū)糧食生產(chǎn)的規(guī)模及其對該地區(qū)經(jīng)濟(jì)的重要程度，其q為0.141 803，與自然災(zāi)害因素接近，同時P為0.074 9，有較強(qiáng)的解釋力，主要是由于產(chǎn)業(yè)規(guī)模較大的地區(qū)糧食生產(chǎn)易形成規(guī)模效應(yīng)，同時大部分地區(qū)為中國糧食的主產(chǎn)區(qū)，具有良好的糧食生產(chǎn)基礎(chǔ)。政策支持因素q僅為0.014 527，且P大于0.1，對糧食生產(chǎn)效率的影響最小，其主要原因是地方對農(nóng)業(yè)的財政投入與該地區(qū)本身農(nóng)業(yè)生產(chǎn)的條件和規(guī)模以及產(chǎn)業(yè)結(jié)構(gòu)密切相關(guān)，并非一個對糧食生產(chǎn)效率產(chǎn)生獨(dú)立影響的因素。

交互作用方面，政策支持因素與其余3個因素的雙因子交互解釋力均大于單因子之和，交互作用屬于非線性增強(qiáng)。由此可見，政策支持因素作用的凸顯建立在其他因素之上。自然災(zāi)害與產(chǎn)業(yè)結(jié)構(gòu)同樣屬于非線性增強(qiáng)關(guān)系。剩余2組關(guān)系，即自然災(zāi)害與宏觀經(jīng)濟(jì)、宏觀經(jīng)濟(jì)與產(chǎn)業(yè)結(jié)構(gòu)均屬于雙因子增強(qiáng)，雙因子交互解釋力大于各自單因子解釋力，同時小于二者之和，可以認(rèn)為這3個因素對糧食生產(chǎn)效率發(fā)揮影響時產(chǎn)生了一定的互相彌補(bǔ)和促進(jìn)作用，但是并不顯著。

3 小結(jié)與討論

1）2011—2019年，中國糧食生產(chǎn)效率總體水平較高，但有下降趨勢，從2011年的0.876降至2019年的0.857。省際層面，各?。ㄊ?、自治區(qū)）糧食生產(chǎn)效率變化的方向和程度具有明顯的地區(qū)差異性，12個省（市、自治區(qū)）糧食生產(chǎn)效率呈下降趨勢，7個省的糧食生產(chǎn)效率呈上升趨勢，12個?。ㄊ?、自治區(qū)）糧食生產(chǎn)效率未發(fā)生變化。國務(wù)院頒布的關(guān)于農(nóng)村經(jīng)濟(jì)發(fā)展的“十二五”規(guī)劃和“十三五”規(guī)劃，為農(nóng)業(yè)發(fā)展提出了新要求，糧食生產(chǎn)效率由高效轉(zhuǎn)向高質(zhì)、高效并存，同時需兼顧生態(tài)建設(shè)和環(huán)境保護(hù)。2011—2019年是農(nóng)業(yè)生產(chǎn)轉(zhuǎn)型的關(guān)鍵時期，糧食生產(chǎn)效率有輕微動態(tài)下降的趨勢，有望在未來得到回升。

2）中國糧食生產(chǎn)效率的局部空間結(jié)構(gòu)較為穩(wěn)定，且空間依賴性較強(qiáng)。LISA相對長度方面，低相對長度和較低相對長度共22個?。ㄊ?、自治區(qū)），占比達(dá)71.0%；LISA彎曲度方面，有超過67.7%的?。ㄊ?、自治區(qū)）屬于糧食生產(chǎn)效率彎曲度的低值區(qū)和較低值區(qū)，彎曲度較高的省（市、自治區(qū)）主要有安徽、廣東、寧夏、吉林和甘肅。因此，穩(wěn)定和提升糧食生產(chǎn)效率需要因地制宜，對于糧食生產(chǎn)效率較低的省（市、自治區(qū)），應(yīng)通過優(yōu)化農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)、挖掘農(nóng)業(yè)發(fā)展新模式、建設(shè)生態(tài)農(nóng)業(yè)等方式打破較為穩(wěn)定的局部空間結(jié)構(gòu)和空間依賴。

3）中國糧食生產(chǎn)效率的空間整合性呈明顯的多元化特征和區(qū)域差異性。通過分析LISA時間路徑移動方向，中國實現(xiàn)與領(lǐng)域協(xié)同增長的?。ㄊ小⒆灾螀^(qū)）占比達(dá)51.6%，集中于東南沿海地區(qū)和中西部地區(qū)；贏-輸型和輸-贏?。ㄊ小⒆灾螀^(qū)）主要分布于東北和西北地區(qū)，而僅有海南、內(nèi)蒙古、河北和天津為輸-輸型。同時，中國糧食生產(chǎn)效率的空間格局呈現(xiàn)出鎖定特征，Morans I散點圖的時空凝聚達(dá)0.911，表明各?。ㄊ?、自治區(qū)）要改變自身的糧食生產(chǎn)效率非常困難，需要長年累月的努力。

4）通過地理探測器探究中國糧食生產(chǎn)效率時空演變的驅(qū)動因素，發(fā)現(xiàn)自然災(zāi)害因素與產(chǎn)業(yè)結(jié)構(gòu)因素對糧食生產(chǎn)效率的影響程度相近，約為14%，但自然災(zāi)害因素的顯著性更強(qiáng)；宏觀經(jīng)濟(jì)因素對糧食生產(chǎn)效率的影響最為突出，近28%；政策支持因素對糧食生產(chǎn)效率的影響最小，且沒有通過顯著性檢驗。因此，宏觀經(jīng)濟(jì)是最為重要的因素，提升經(jīng)濟(jì)發(fā)展水平有助于提升糧食生產(chǎn)效率。此外，需要加強(qiáng)自然災(zāi)害的預(yù)防和抵抗能力，力圖將自然災(zāi)害的影響削弱到最低。同時，各省（市、自治區(qū)）應(yīng)當(dāng)逐步優(yōu)化產(chǎn)業(yè)機(jī)構(gòu)，構(gòu)建當(dāng)?shù)剡m宜的農(nóng)業(yè)產(chǎn)業(yè)體系。最后，不能忽視政策支持的作用，應(yīng)與其他因素相結(jié)合，擴(kuò)大其作用效果。

參考文獻(xiàn)：

［1］ 張啟楠， 張凡凡， 麥 強(qiáng)，等.中國糧食生產(chǎn)效率空間溢出網(wǎng)絡(luò)及提升路徑［J］.地理學(xué)報， 2022， 77（4）：996-1008.

［2］ 楊曉璇， 洪名勇， 潘東陽.中國糧食生產(chǎn)效率的時空特征及空間依賴性分析［J］.中國農(nóng)業(yè)資源與區(qū)劃， 2018， 39（11）：183-191.

［3］ 田紅宇， 祝志勇.中國糧食生產(chǎn)效率及影響因素分析——基于DEA-tobit兩步法研究［J］.中國農(nóng)業(yè)資源與區(qū)劃，2018，39（12）：161-168.

［4］ 楊 騫， 司祥慧， 王 玨.減排增匯目標(biāo)下中國糧食生產(chǎn)效率的測度及分布動態(tài)演進(jìn)［J］.自然資源學(xué)報，2022， 37（3）：600-615.

［5］ 陳秧分， 王介勇.對外開放背景下中國糧食安全形勢研判與戰(zhàn)略選擇［J］.自然資源學(xué)報， 2021， 36（6）：1616-1630.

［6］ 楊錦英， 韓曉娜， 方行明.中國糧食生產(chǎn)效率實證研究［J］.經(jīng)濟(jì)學(xué)動態(tài)， 2013（6）：47-53.

［7］ 劉立濤， 劉曉潔， 倫 飛，等.全球氣候變化下的中國糧食安全問題研究［J］.自然資源學(xué)報， 2018， 33（6）：927-939.

［8］ 成升魁， 李云云， 劉曉潔，等.關(guān)于新時代我國糧食安全觀的思考［J］.自然資源學(xué)報， 2018， 33（6）：911-926.

［9］ 肖紅波， 王濟(jì)民.新世紀(jì)以來我國糧食綜合技術(shù)效率和全要素生產(chǎn)率分析［J］.農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2012（1）：36-46.

［10］ 楊 林， 許 丹.基于糧食生產(chǎn)效率的財政補(bǔ)貼政策地區(qū)差異化研究［J］.經(jīng)濟(jì)學(xué)動態(tài)， 2011（12）：81-84.

［11］ 丁文斌，徐 通，王雅鵬.糧食主產(chǎn)省糧食生產(chǎn)投入要素效率DEA分析——基于1990—2004年湖北省投入要素的實證分析［J］.西北農(nóng)林科技大學(xué)學(xué)報（社會科學(xué)版）， 2007，7（4）：56-60.

［12］ 王 千， 金曉斌， 周寅康， 等.基于DEA_Malmquist的河北省縣級糧食生產(chǎn)效率評價［J］.地理與地理信息科學(xué)， 2010， 26（6）：51-55.

［13］ 曾福生， 高 鳴.我國糧食生產(chǎn)效率核算及其影響因素分析——基于SBM-Tobit模型二步法的實證研究［J］.農(nóng)業(yè)技術(shù)經(jīng)濟(jì)， 2012（7）： 63-70.

［14］ 張利國， 鮑丙飛.我國糧食主產(chǎn)區(qū)糧食全要素生產(chǎn)率時空演變及驅(qū)動因素［J］.經(jīng)濟(jì)地理， 2016， 36（3）：147-152.

［15］ 高 鳴， 宋洪遠(yuǎn).糧食生產(chǎn)技術(shù)效率的空間收斂及功能區(qū)差異——兼論技術(shù)擴(kuò)散的空間漣漪效應(yīng)［J］.管理世界， 2014（7）：83-92.

［16］ 楊麗霞， 楊桂山， 姚士謀，等.基于ESDA-GWR的糧食單產(chǎn)及其驅(qū)動因子的空間異質(zhì)性研究［J］.經(jīng)濟(jì)地理， 2012， 32（6）：120-126.

［17］ 楊 春， 陸文聰.基于空間計量經(jīng)濟(jì)模型的縣域糧食生產(chǎn)區(qū)域格局研究［J］.農(nóng)業(yè)技術(shù)經(jīng)濟(jì)， 2010（5）：24-29.

［18］ YANG F， WEI F， LI Y，et al. Expected efficiency based on directional distance function in data envelopment analysis［J］. Computers & industrial engineering， 2018， 125：33-45.

［19］ REY S J， MURRAY A T， ANSELIN L. Visualizing regional income distribution dynamics［J］. Letters in spatial and resource sciences， 2011， 4（1）：81-90.

［20］ PETRIDIS K， üNSAL M G， DEY P K， et al. A novel network data envelopment analysis model for performance measurement of Turkish electric distribution companies［J］. Energy， 2019， 174： 985-998.

［21］ SHAO L， YU X， FENG C. Evaluating the eco-efficiency of china？s industrial sectors： A two-stage network data envelopment analysis［J］. Journal of environmental management， 2019， 247：551-560.

［22］ XIAO H， WANG D， QI Y， et al. The governance-production nexus of eco-efficiency in Chinese resource-based cities： A two-stage network DEA approach［J］. Energy economics， 2021， 101： 105408.

［23］ TONE K， TSUTSUI M. Network DEA： A slacks-based measure approach［J］. European journal of operational research， 2009，? ?197（1）： 243-252.

［24］ ZOU Z H， YUN Y， SUN J N. Entropy method for determination of weight of evaluating indicators in fuzzy synthetic evaluation for water quality assessment［J］. Journal of environmental science， 2006， 18（5）：1020-1023.

［25］ 郝 帥， 孫才志， 宋強(qiáng)敏.基于ESTDA模型的中國水生態(tài)足跡及水生態(tài)壓力評價［J］.生態(tài)學(xué)報， 2021， 41（12）：4651-4662.

［26］ 夏四友， 趙 媛， 許 昕， 等.1997—2016年中國農(nóng)業(yè)碳排放率的時空動態(tài)與驅(qū)動因素［J］.生態(tài)學(xué)報， 2019， 39（21）：7854-7865.

［27］ REY S J. Spatial empirics for economic growth and convergence［J］. Geographical analysis， 2001， 33（3）： 195-214.

［28］ ELHORST J P. Matlab software for spatial panels［J］. International regional science review， 2014， 37（3）： 389-405.

［29］ 紀(jì)小美，王 超，趙曉迪.中國地方政府財政赤字率的時空演變——地理監(jiān)視的應(yīng)用［J］.地理科學(xué)， 2019， 39（3）： 424-432.

［30］ 王勁峰， 徐成東.地理探測器：原理與展望［J］.地理學(xué)報. 2017， 72（1）：116-134.

［31］ 劉慧芳， 畢如田， 郭永龍，等.晉中市耕地質(zhì)量空間分異格局與影響因素研究［J］.農(nóng)業(yè)機(jī)械學(xué)報， 2021， 52（12）：216-224，289.

［32］ 劉一鳴， 辜婧玲， 張梓鈺，等.基于地理探測器的地域社會認(rèn)同空間分異研究［J］.地理研究， 2021， 40（2）：495-512.

［33］ 羅光強(qiáng)， 譚 芳.糧食生產(chǎn)效率的區(qū)域差異及其政策效應(yīng)的異質(zhì)性［J］.農(nóng)林經(jīng)濟(jì)管理學(xué)報， 2020， 19（1）：34-43.

［34］ 陳敏鵬， 陳吉寧， 賴斯蕓.中國農(nóng)業(yè)和農(nóng)村污染的清單分析與空間特征識別［J］.中國環(huán)境科學(xué)， 2006，26（6）：751-755.

［35］ 葛鵬飛，王頌吉，黃秀路.中國農(nóng)業(yè)綠色全要素生產(chǎn)率測算［J］.中國人口·資源與環(huán)境， 2018， 28（5）：66-74.

［36］ 王美知， 魏 鳳.哈薩克斯坦糧食生產(chǎn)效率動態(tài)演進(jìn)及區(qū)域差異［J］.自然資源學(xué)報， 2021， 36（3）：594-605.

［37］ 解春艷， 黃傳峰， 徐 浩.環(huán)境規(guī)制下中國農(nóng)業(yè)技術(shù)效率的區(qū)域差異與影響因素——基于農(nóng)業(yè)碳排放與農(nóng)業(yè)面源污染雙重約束的視角［J］.科技管理研究， 2021， 41（15）：184-190.

收稿日期：2022-08-04

基金項目：中央高校基本科研業(yè)務(wù)費(fèi)項目（B210202157）

作者簡介：季張含昱（2002-），男，江蘇無錫人，在讀本科生，研究方向為資源經(jīng)濟(jì)，（電話）15312213918（電子信箱）2063310235@hhu.edu.cn。