中国粮食安全的影响因素评估与测度研究.pdf

北京农学院学报2 0 2 4，3 9（1）：5 8-6 3Journal of Beijing University of Agriculturehttp:/doi:10.13473/ki.issn.1002-3186.2024.0112中国粮食安全的影响因素评估与测度研究袁世一，李干琼*（中国农业科学院农业信息研究所，北京10 0 0 8 1）摘要：【目的】为了科学评估粮食安全体系，保障粮食安全。【方法】采用SEM结构方程测算了19 7 8 一2 0 2 2年中国粮食的发展水平、影响因素以及影响因素间的关系，在粮食安全总指数的基础上对未来10 年的粮食安全进行预测。【结果】结果表明：经济因素和生产因素对粮食安全具有显著的促进作用，生产因素和环境因素对经济因素具有推动作用。19 7 8 一2 0 10 年粮食安全指数呈负值，2 0 11一2 0 2 1年转为正值，且2 0 2 1年指数值最高。【结论】未来粮食安全状态持续上升，各影响因素发展存在差异，需要针对不同的影响因素，采取针对性的措施，以实现粮食安全状态的全面提升。关键词：粮食安全；影响因素；因子分析；SEM；灰色预测中图分类号：F762.1文章编号：10 0 2-3 18 6（2 0 2 4）0 1-0 0 5 8-0 6 文献标志码：AEvaluation and measurement of influencingfactors of food security in ChinaYUAN Shiyi,LI Ganqiong(Institute of Agricultural Information,Chinese Academy of Agricultural Sciences,Beijing 10o081,China)Abstract:Objective To evaluate food security system scientifically and ensure food security.MethodsJ The structural equa-tion of SEM was used to estimate the level of grain development in China from 1978 to 2022,the influencing factors and the re-lationship among the influencing factors,and the food security in the next 1o years was predicted based on the total index offood security.Results The results showed that economic factors and production factors had a significant role in promotingfood security,and production factors and environmental factors had a significant role in promoting economic factors.The foodsecurity index was negative from 1978 to 2010,and turned positive from 2011 to 2021,with the highest index value in 2021.Conclusion The state of food security continues to rise in the future,and there are differences in the development of variousinfluencing factors.It is necessary to take targeted measures according to different influencing factors to realize the overall im-provement of food security.Keywords:food security;influencing factors;factor analysis;SEM;grey prediction伴随人口增长、气候变迁以及资源匮乏等多重复杂因素，全球粮食安全问题的挑战日益严峻。当前中国粮食供应基本稳定，但是问题和挑战也逐渐显现?。城市化的快速发展引发的饮食结构转变，使得粮食种类和质量的需求也随之提升；农村人口的流失对传统农业生产模式形成了威胁；土地流转和耕地荒漠化问题日趋严重。粮食生产技术、管理水平、粮食质量安全、环保和资源利用等方面呕待提高，粮食体系也需要进一步加强。因此,科学评估粮食安全体系，应对当前挑战，确保国家的粮食安全，具有重大的理论研究意义和现实应用价值。收稿日期：2 0 2 3-0 8-16基金项目：国家自然科学基金项目（6 2 10 3 4 18）；中国农业科学院农业信息研究所基本科研业务费（JBYW-AII-2023-07）第一作者：袁世一（19 8 8 一），女，辽宁阜新人，博士，助理研究员，主要从事农业经济、粮食安全监测预警研究，Tel:[phone],E-mail:通信作者：李干琼（19 8 0 一），江西南康人，博士，研究员，主要从事农产品市场监测预警与农业展望，E-mail：li-2024年第1期粮食安全是指能够合理有效地对全体国民供应质量达标、结构合理、数量充足的粮食及食物。近年来中国在粮食安全方面的研究取得了较大进展 3 。研究内容涵盖各种因素 4 、区域差异 5 ,演化特征，发展预测等。这些研究为思考和探讨粮食安全的主要因素打下了坚实的基础，但仍存在不足。一是在内容上对粮食安全的影响因素考虑不够充分，可能导致整体评价出现的偏差。二是在方法上方法主要集中在主成分分析法和熵权法，忽视要素间的客观评价。三是在内容上缺乏影响因素间的定量分析。因此，以影响因素为视角，深人挖掘粮食安全的各部分的特性和关联机制，运用因子分析和结构方程模型对经济、生产、保障、科技、环境等因素进行量化分析，探讨了各因素对粮食安全的影响程度，以及因素间的作用关系，在合成总指数的基础上，对未来十年中国粮食安全水平进行预测具有重要意义。1材料与方法首先根据粮食安全的内涵和特征，确定反映粮食安全状态的一级和表征指标；其次梳理国内外文献资料，对相关指标进行频度统计，将使用频度相对较高的指标纳入表征指标；再次，按照每个二级指标中设置3 4 个核心或重要表征指标的要求，确定表征指标类型，从而初步构建指标体系；最后将该指标体系向专家进行咨询，根据专家意见进行调整，最终确定粮食安全评价指标体系（表1）。1.1因子分析使用KMO(Kaiser-Meyer-Olkin）值来评估变量是否适合进行因子分析。KMO值大于0.5 被认为比较适合进行因子分析，而较高的KMO值则表示更为适合 6 。另外，通过执行Bartlett球形检验也能得出结论。如果Bartlett球度检验统计量的 P值接近于0,则意味着变量之间存在较强的相关性，从而适合进行因子分析。F,-2aux,j1其中,F，为第i个因子的得分;i为第i个因子与第j个原始变量之间的因子载荷，X，为原始变量的观测值。1.2SEM结构方程SEM结构方程模型是一种基于概率论的结构建模技术，主要用于对原始数据的有效估计，以及变量之间的因果关系推断和回归分析，方程式如下袁世一等：中国粮食安全的影响因素评估与测度研究E1经济增长率经济因素EE2人口增长率Economic factorE3农业劳动生产率E4城乡居民收人比P1单位面积粮食产量生产因素PP2粮食产量波动率ProductionFactorP3人均粮食产量P4粮食对外依存度S1农业贷款余额保障因素SS2农业保险保费Safeguard factorS3支农性财政支出T1农业机械机械化水平科技因素TT2农村互联网普及率TechnologicalT3农业研发投入强度factorT4农业科技进步贡献率F1城乡道路密集度设施因素FF2铁路货运量Facility factorF3道路货运量环境因素HN1粮食受灾面积占比EnvironmentalN2单位播种面积农药使用量factorN3单位播种面积化肥使用量n=Y+SX=入xE+8Y=入yn+e式(1)(3)中,为外生潜在变量，n为内生潜在变量，X和Y分别为观察变量，与分别代表X与Y的残差项。1.3灰色预测采用灰色预测模型GM（1,1）。灰色预测模型是基于灰色理论的数学模型，它在处理缺乏历史数据、样本数量较少或存在不确定性问题方面具有优势。一是可以通过插值技术填补数据的缺失，不需要过多的历史数据，这使得它能适应数据缺失或不完整的情况；二是该模型能考虑到数据的发展趋势(1)和动态变化，更好地处理非线性问题，能更准确地预测未来趋势。灰色预测模型GM(1,1)如下：1-e-akr(k+1)=(0)e-ak+12(i)-b(k-1)ai=1其中,k十1为时间点，（0)为初始值，a是发展系数，b是灰作用量。1.5数据来源及处理数据来源于19 7 8 一2 0 2 1年中国统计年鉴、59表1粮食安全指标评价体系Tab.1FFood security index evaluation system一级指标单位属性Primary indexRepresentational index表征指标Unit%kg/hm2%kg%万亿元负亿元正%正%正%正%正正km/km2正万吨正万吨正%负kg/hm?负kg/hm2负(2)(3)(4)(5)Stats正负正负正负正负60北京农学院学报第3 9 卷农村统计年鉴以及社会发展统计公报。采用极差标准化方法对原始指标数据进行标准化处理。2实证分析2.1#指标分析与检验KMO检验和Bartlett的检验都是用于确定数据适合因子分析的重要方法。KMO检验主要用于评估变量之间的相关性和贡献度，判断因子提取的数量；而Bartlett的检验则是基于样本相关矩阵进行的,用于检验变量之间是否存在显著相关性，进一步确定是否适合进行因子分析 7。将2 种检验方法通常结合使用，以便更全面地评估因子分析模型的可行性和合理性。KMO值通常介于0 和1之间，越接近1表明变量间的相关性越强，当KMO检验（KMO0.6），说明了变量之间是存在相关性的，符合因子分析要求；在进行Bartlett检验时P0.05，具有显著性，则可以进行因子分析。根据检验的结果显示，经济因素、生产因素、保障因素、科技因素、设施因素、环境因素的KMO值分别为0.8 5 2、0.7 8 5、0.8 2 3、0.812、0.7 4 5 和0.7 5 4，合计值为0.7 8 5,Bartlett球成分IngredientCharacteristic rootE28.602P12.338S3.952T2.899F1.414H1.2692.2景影响因素分析根据表3 可以看到不同因素与变量之间的关系以及影响程度。在经济因素中，经济增长率的非标准载荷系数为1，与经济因素具有正向相关性。人口增长率、农业劳动生产率、城乡居民收入比对经济因素的影响力也很大,并且P值均小于0.0 5,具有显著性。生产因素中，单位面积粮食产量的非标准载荷系数为1，与生产因素具有正向相关性，粮食产量波动率、人均粮食产量、粮食对外依存度的标准化载荷系数均较高，对生产因素的影响力较大。但是，P值均远大于0.0 5，说明这三个变量对于生产因素的影响上不显著。保障因素中，农业贷款余额的非标准载荷系数为1，与保障因素具有正向相形检验的显著性P值为0.0 0 0,可以确定样本相关矩阵适用于因子分析。为进一步评估主成分分析结果的质量和稳定性，将方差解释进行旋转。旋转前方差解释率显示了每个成分中包含的原始数据的方差比例。从表2 中可以看出，第一个成分的旋转前方后的差解释率最高，其余成分的旋转前方后差解释率相对较低。前两个成分的累积方差旋转后的解释率为7 0.4 3 1%，说明这两个成分对于整体数据的解释具有重要性。第一个成分的特征根和方差解释率均为最高，而第五、第六个成分的特征根和方差解释率则相对较低。权重结果显示,经济因素在这六个因素中具有最高的权重，为5 3.2 6 4%，其次是生产因素，权重为2 2.0 8 6%。这表明在粮食体系中，经济因素和生产因素对于粮食生产的影响最为重要。保障因素、科技因素、设施因素和环境因素的权重均不高，分别为10.265%、8.0 7 7%、3.4 6%和2.8 4 8%，表明这些因素对于粮食生产的影响相对较小。通过累积方差解释率可以发现，经济因素和生产因素就已经解释了大部分的方差（7 0.4 3 1%），表明这两个因素对于整体的解释力度最强。表2 方差解释及因子权重Tab.2Interpretation of variance旋转前Prerotation特征根方差Variance52.96722.8487.3195.3682.6192.351旋转后Post-rotation累积方差特征根CumulativevarianceCharacteristic root52.9672688.51875,8151 114.76483.134518.11488.502407.70691.121174.62393.472143.763关性，农业保险保费、支农性财政支出的标准化载荷系数均较高，且P值分别为0.0 2 4 和0.0 2 2，说明它们对于保障因素的影响力具有显著性。科技因素中，农业机械机械化水平的非标准载荷系数为1，与科技因素具有正向相关性。农业研发投入强度、农业科技进步贡献率的标准化载荷系数均较高，并且P值分别为0.0 2 3 和0.0 14，说明它们对于科技因素的影响力具有显著性。设施因素中，城乡道路密集度的非标准载荷系数为1，说明与设施因素具有正向相关性。但是，铁路货运量和道路货运量的标准化载荷系数均相当低，并且P值分别为0.0 0 8和0.0 2 8,说明它们对于设施因素的影响力并不显著。环境因素中，粮食受灾面积占比的非标准载荷权重方差累积方差VarianceCumulative variance49.78749.78720.64470.4319.59580.0267.5587.5763.23490.812.66293.472Weight/%53.26422.08610.2658.0773.462.848P2024年第1期系数为1,与环境因素具有正向相关性。单位播种面积农药使用量、单位播种面积化肥使用量的标准Tab.3Factor load coefficient因子变量divisorvariableE1E2EE3E4P1P2PP3P4S1SS2S3T1T2TT3T4F1FF2F3N1NN2N3将生产因素、保障因素、科技因素、设施因素和环境因素视为潜在变量，经济因素视为显性变量。根据表4 的回归结果，各因素之间均呈现显著关系，说明粮食安全的经济因素、生产因素、保障因素、科技因素、设施因素和环境因素之间具有相互影响的力量。具体而言，生产因素、保障因素、科技因素和环境因素都在不同程度上对经济因素产生了正向影响,增加这些因素能够促进经济因素的发展。在这五个因素中,生产因素和环境因素的回归系数最影响因素（潜变量）分析项（显变量）Influencing factorsAnalysis item(latent variables)(explicit variable)PESETEFEHE通过结构方程模型对指标显著性进行验证，使用AMOS软件对各因素测量变量拟合结构方程，根袁世一等：中国粮食安全的影响因素评估与测度研究表3 因子载荷系数非标准载荷系数标准化载荷系数Non-standard load factorStandardized load coefficient1473.433-0.083-7242.2211271.201522.087358.42811.456.1573187.53910.0055.5890.003116.48166.36810.42-21.4Tab.4Regression coefficients of the model非标准化系数Nonnormalized coefficient11.34711.32111.2997.89411.34561化载荷系数均较高，并且P值分别为0.0 2 9 和0.023,说明它们对于环境因素的影响具有显著性。0.9290.562-0.988一0.7 7 70.0010.7870.8030.8020.5430.6780.6920.4920.0760.8040.9960.0010.7450.7860.870.189-0.505大，分别为11.3 4 7 和11.3 4 5，这意味着它们对经济因素的影响力最强。生产因素对经济因素的影响力最大，其次是环境因素对经济因素，这是因为生产因素能够促进科技水平的提高和机械化程度的增加，而环境因素对农业发展有重要的推动作用。设施因素对经济因素的影响不太明显，标准误值较大,说明其对于经济因素的预测效果不高。此外，通过标准化系数可知，生产因素和环境因素在这五个因素中的重要性最高。表4 模型回归系数标准化系数Standardization coefficient1.0000.9780.9560.9571.000据检验结果所有指标均在可接受的范围内，模型拟合度符合检验标准。136.3020.0091 506.07573 745.871141 967.5697 464.975644.8781393.5970.0162.4660.0015538.872.2304.640.5319.401标准误Standard error5.5455.5235.5011 779.3231 779.20.001*0.000*0.000*0.9970.9970.997一0.024*0.022*0.7420.023*0.014*0.008*0.028*0.029*0.023*P0.027*0.034*0.0237*0.057*0.075*622.3总指数分析根据因子分析法，将表征指标进行因子分析，将得分进行加权得到总指数。表5 显示，从19 7 8 年至2 0 2 1年，中国的粮食安全水平呈上升趋势，这与政府为推动粮食生产和保障供应所采取的一系列措施有关。总指数在19 7 8 一2 0 10 年为负值，2 0 11年后粮食安全指数转为正值并持续上升。这得主要得益于政府的一系列政策和措施。经济、生产、保障、科技和设施因素在降低风险和推动中国粮食安全水平提升方面都起到了重要作用。但是这些因素之间的影响力差异显著。经济因素呈现先上升后下降的趋势，19 7 8 一2 0 0 5 年期间，我国尚处于粗放型的粮食生产模式，科技含量较低，基础设施薄弱,环保意识不强，因此这一时期的粮食生产主要是由经济因素和保障因素带动。生产因素的得分在19 7 8 一2 0 11年一直为负，主要是因为粮食生产方式转变缓慢，生产效率得不到有效提升，投入产出比例不理想。2 0 11一2 0 2 1年，生产因素的拉动作用不断凸显，2 0 2 1年生产因素增至1.0 8 1，是2 0 11年的近5 0 倍。保障因素呈现先上升后下降的趋势，19781990为上升趋势，19 9 5 2 0 14 为下降趋势，2014年后再次上升，从2 0 17 年开始显现正向拉动时间TimeE19780.96119800.81319850.43619900.77919951.42720001.30920051.08220100.49820110.24620120.08420130.28620140.49220150.65420160.78720170.93320181.10920191.26220201.01320211.0992.4粮食安全预测根据总指数得分和灰色预测结果显示，未来十北京农学院学报作用。虽然2 0 2 1年有所回调，但是随着政策的不断延续和完善，未来保障因素也会起到重要的支撑作用。科技因素在19 7 8 一2 0 13 年得分为负，说明这一时期中国粮食生产的技术含量较低，仍然依赖传统方式。科技因素从2 0 14 年开始显现带动作用且快速增长，从2 0 14 年的0.5 8 增至2 0 2 1年的1.6 9 3，增速近3 倍。科技因素得分的上升充分体现了科技在推动粮食生产和提高粮食安全方面的关键作用。设施因素在19 7 8 年至2 0 0 4 年间得分为负，可能是由于粮食生产投入不足，生产设备陈旧，产出率较低。随着粮食投入的不断增加和生产设备的改善，设施因素得分从2 0 0 5 年开始上升，并开始不断发挥带动作用。环境因素则经历了先上升后下降的趋势，19 7 8 一2 0 0 5 年得分为负，主要是因为这一时期环保意识较弱，粗放型的粮食生产造成了一定的污染和生态破坏。2 0 10 年后，随着环保意识的提高和环保政策的落实，环境因素得分开始上升。2 0 19 一2021年环境因素再次出现下降，这主要是因为近三年来受厄尔尼诺现象的影响，全球性气候出现异常波动，给粮食生产带来了巨大的环境挑战，特别是洪水、干旱交替发生，影响粮食产量的同时，也给次年粮食种植带来了负面影响。表5 各因素与总指数得分Tab.5Scores of each factor and total indexPS-1.3450.094-1.3270.093-1.3040.3031.2370.331-1.0760.256-1.022.0.134-0.8080.540-0.229-0.7030.0210.5740.198-0.8780.3650.5770.531:0.3980.674-0.1830.803-0.0600.9500.1971.1110.4781.2290.7031.3860.9161.0810.677第3 9 卷TF0.955-1.608-0.903-1.5500.929-1.238-0.820-1.011-0.688-0.673-0.193-.0.3860.1130.047-0.1160.506-0.0180.605-0.2510.674-0.0480.5910.0580.6710.2120.548-0.1390.4850.2460.5320.3910.6241.0380.1721.5340.7761.6930.236年中国粮食安全状况将继续保持稳步提升的趋势，现有的政策和措施起到了积极的推动作用。经济H-0.650-0.609-0.568-0.422-0.667-0.457-0.5100.3550.6621.1591.0030.9020.7410.6040.3120.012-0.560-0.8920.414总指数 Total index-1.894-1.932-2.063-1.370-0.749-0.497-0.890-0.1940.3370.3121.0301.5852.0971.9952.6383.1023.6723.9564.1362024年第1期因素得分在0.9 2 2 至1.0 4 4 之间波动，生产因素得分在1.8 8 至4.0 9 5 之间变化，保障因素得分在0.386至0.7 9 1之间上升，科技因素得分在1.3 5 3至2.8 5 之间增长，突出了科技进步对粮食安全的重要性。设施因素得分预计将在1.0 8 3 至2.17 3 之间波动，环境因素得分在0.2 3 7 至0.4 3 2 之间小幅波动，通过各因素的波动和预测得分看到不同因素的发展趋势存在差异，这提示我们需要采取更进一步的针对性措施，全面提升粮食安全水平。3结论与政策建议以影响因素为视角，深人挖掘粮食安全的特性和关联机制，运用因子分析和结构方程模型对经济、生产、设施、科技、保障和环境等因素进行量化分析，探讨了各影响因素对粮食安全的影响，以及这些因素之间的相互作用,并对未来10 年中国的粮食安全水平进行预测，主要结论如下：1)经济因素、生产因素对粮食安全具有正向的积极作用，保障因素、科技因素、环境因素，设施因素对粮食安全的影响较弱。生产因素、保障因素、科技因素和环境因素都在不同程度上对经济因素产生了正向影响，其中，生产因素和环境因素对经济影响的作用最强。2)粮食安全指数一直呈现稳步上升的趋势。19782010年指数呈负值，2 0 11一2 0 2 1年指数转为正值，并且2 0 2 1年新的历史高点，反映出我国粮食安全状况持续改善并达到了前所未有的高度。3)根据总指数得分和灰色预测结果，未来10 年中国粮食安全状况将稳步上升，各影响因素发展趋势存在差异，需要采取针对性措施，确保国家粮食安全。基于以上主要结论，得出三点政策启示：首先，提升粮食生产效率是粮食供应稳定的基袁世一等：中国粮食安全的影响因素评估与测度研究题，2 0 2 2(12)：13 6-14 1.3 谢扬.新的粮食安全观 J.经济与管理研究，2 0 0 1（4）：8-11.4 雷玉桃，谢建春.论退耕还林背景下的粮食安全保障机制.粮食问题研究，2 0 0 3（6）：2 9-3.5 廖永松.“后小康”社会保障粮食安全要有新思路.中国粮食经济,2 0 2 14)：4 0-4 1.6 王海月，苗文睿，孙澳等江苏省农业发展效率的区域差异及其影响因素研究J国土与自然资源研究，2 0 2 3（6）：10-15.7 张同功，孙一君.金融集聚与区域经济增长：基于副省级城市的比较研究 J.宏观经济研究，2 0 18（1：8 2-9 3 十12 0.63础。注重提升农业劳动生产率，通过科技进步、农业机械化和优化粮食生产结构等方式，使粮食生产更加高效。在科技研发上加大投入，不断引进和推广先进的农业科技，提高农业生产的技术含量，持续优化粮食生产结构，合理调配种植物种，降低粮食对外依存度，使粮食生产更加符合市场需求。其次，增强农业保障是保证农业生产稳定的重要手段。重视农业贷款的发放，鼓励农业保险的发展，加大财政对农业的支持，为农民提供稳定的经济保障，提高农民的生产积极性，使他们能够在遇到自然灾害或市场波动时，有足够的经济保障来应对，从而保证粮食生产的稳定。最后，精准发展规划是实现粮食生产可持续发展的关键。虽然未来粮食安全情况整体良好，但各影响因素的发展趋势存在差异，因此，需要根据不同影响因素的发展状况，制定精准的发展规划，加强关键要素的管理和监管，保证粮食生产的质量和数量。参考文献：陈兆清，程明.中国粮食安全：风险评估、供需结构和未来研判J.重庆理工大学学报（社会科学），2 0 2 3，3 7（4）：10 2-114。2 张宁宁，李雪，吕新业，等.百年变局、世纪疫情背景下世界及中国粮食安全面临的风险挑战及应对策略 门.农业经济问