农业科技创新——粮食生产韧性的强化剂 | 科技导报

农业科技创新显著提升了粮食生产韧性，且空间溢出效应为正。相对于非粮食主产区和东部地区，农业科技创新对粮食主产区和中部地区的影响更大。农业科技创新通过降低农用化肥施用量，提升农业机械化作业服务人员占比和农业机械化水平，促进了粮食生产韧性提升。

农业科技是加快建设现代农业的重要支撑力量，农业科技进步成为现代农业发展关键。农业科技投入的总量和结构直接影响农业科技成果的产出规模和发展，对农业增产和农民增收产生重要影响。研究发现，农业科技进步能够显著提升粮食产量和提高生产效率，也是影响粮食安全风险管能力和增强粮食安全韧性的重要因素。本文收集和整理农业科技创新和粮食生产韧性等相关变量的测度指标数据，利用熵值法计算农业科技创新指数和粮食生产韧性指数，并运用省级面板数据模型实证分析农业科技创新对粮食生产韧性的影响效应以及作用机制。

1 理论分析与提出假设

1.1 农业科技创新对粮食生产韧性的影响机制

对粮食生产韧性而言，在粮食生产过程中，依赖农药、化肥投入维持粮食产量会降低外来冲击对粮食生产的复原力，降低耕地适应能力，选择低毒环保农资实现粮食生产的可持续性是提升粮食生产韧性的关键。故而，农业科技创新通过减少化肥投入提高粮食生产韧性。

农业科技创新是提升农业机械化水平提升的重要途径，农业机械化提升有助于促进粮食种植结构“趋量化”。故而，农业科技创新通过提升农业机械化水平提高粮食生产韧性。

农业发展逐渐演变为现代化生产方式，劳动力投入主要依靠质量提升，农业机械化作业服务人员占比提升表明中国农业机械化水平与农业劳动力质量的双重提升。故而，农业科技创新通过提升农业机械化作业服务人员占比提高粮食生产韧性。

1.2 农业科技创新对粮食生产韧性影响的溢出效应

由于农业科技创新存在非竞争性和部分排他性，在提升农业生产效率的过程中易于被邻近地区借鉴和引用，出现空间溢出效应。农业科技创新不仅有助于传播粮食生产技术，还能平衡产销区的粮食供求，为粮食生产韧性提升带来正向的空间溢出影响。

基于上述分析，本文提出3个待检验假说。

假设1：农业科技创新能提升粮食生产韧性。

假设2：农业科技创新降低农用化肥施用量，提升农业机械化作业服务人员占比，以及农业机械化水平，促进粮食生产韧性提升。

假设3：农业科技创新对粮食生产韧性具有空间溢出效应。

2 模型设定与数据来源

2.1 模型设定

为检验农业科技创新对粮食生产韧性的影响，本文构建如下基准回归模型：

式中，Yit表示第i个省份t时期的粮食生产韧性；Tecit表示农业科技创新；Xit表示随时间变化影响粮食生产韧性的控制变量；μi表示个体固定效应，γi表示时间固定效应，εit表示随机误差项；α为常数项，β和δ为待估计系数。

式（1）控制了双向固定效应，估计系数β即为农业科技创新对粮食生产韧性的影响。

2.2 数据来源

1）被解释变量。粮食生产韧性（Y）的测度，本研究采用熵值法，从多层次全面衡量，系统地构建粮食生产韧性综合评价指标体系。具体而言，将粮食生产韧性划分为抵抗力和恢复力2个维度。在对粮食生产韧性指标的构建中，将生产调节、经济基础以及社会要素3个维度划分为抵抗力；将生态治理、经济增长以及技术进步3个维度划分为恢复力。构建了3个层级14个指标的粮食生产韧性指标体系。

具体指标构建如表1所示。

表1 粮食生产韧性评价指标体系

对于构建粮食生产韧性指标权重的确定，采用熵值法进行处理。假设共有i个地区，j项评价指标，i=1,2，…，I;j=1,2，…，J;I=31,J=14。根据熵值法确定的指标权重，计算第i个地区粮食生产韧性如下:

式中，W为根据熵值法计算得到的第j项指标的权重，X是第i个地区第j项指标标准化后的数值。

具体指标构建如表2所示。

表2 农业科技创新指标体系

2）控制变量。本研究选择经营收入占比、农产品价格生产指数、城镇化率、进出口总额占比GDP、农产品生产价格变动5个指标作为影响粮食生产韧性的控制变量。

3）机制变量。根据前文的理论分析，本文选取农业机械化作业服务人员占比、农业机械化水平以及化肥施用量作为机制变量。

表3 变量描述性统计

3 实证分析

3.1 基准回归

本研究对农业科技创新与粮食生产韧性之间的基准关系进行了实证检验，我们可以认为模型不存在严重的共线性。

表4中模型1和模型2为OLS（普通最小二乘法）和随机效应（Re）回归结果。研究结果发现，农业科技创新的估计系数在1%水平上显著为正。农业科技创新对粮食生产韧性有正向促进作用，假设1得以验证。

表4 农业科技创新对粮食生产体系的影响

3.2 稳健性检验

本文采用以下4种方式进行稳健性检验：替换计量模型、增加控制变量、增加因变量滞后项以及差分广义矩估计法。在模型中增加粮食生产韧性的滞后项并采用差分GMM模型来解决模型因内性导致的估计偏误。模型3为增加滞后一期粮食生产韧性（L.粮食生产韧性）作为自变量的估计结果，农业科技创新的估计系数依然显著为正。模型4为差分GMM模型估计结果，说明扰动项不存在自相关，不存在过度识别的问题满足差分 GMM 使用条件。差分GMM模型实证结果中农业科技创新的估计系数在1%水平下显著为正，表明前文结论具有一定稳健性和可靠性。

表5 稳健性检验

3.3 异质性分析

1）地理区位差异。表6表明，东部地区和中部地区农业科技创新对粮食生产韧性的影响均为正。其中，中部地区农业技术创新带来的粮食生产韧性提升更加明显。而西部地区农业科技创新对粮食生产韧性系数估计结果不显著。

表6 异质性分析

2）粮食主产区差异。粮食主产区和非粮食主产区农业科技创新估计系数均为正，表明农业科技创新对粮食主产区和非粮食主产区均有正向影响。

3.4 机制分析

农业科技创新可以通过创新农业生产方式降低化肥使用量，提升平均农用机械动力，增加农业机械化作业服务人员占比，来提升粮食生产韧性。农业科技创新能降低化肥施用量，化肥投入是粮食生产环节的重要因素，但同时也会导致化学污染影响粮食安全，因而化肥施用量下降有利于促进粮食生产韧性提升。假设2得以证明。

表7 机制分析

3.5 农业科技创新对粮食生产韧性的溢出效应分析

本研究使用空间计量模型测算2010-2021年31个省份（直辖市、自治区）粮食生产韧性的莫兰指数（表8），均为正值，且大部分年份在10%的置信水平下显著，表示样本之间存在空间正相关性。

本文选用空间杜宾模型（SDM）进行计量分析农业科技创新对粮食生产韧性的溢出效应。如表9所示，农业科技创新对附近地区提升粮食生产韧性具有显著溢出效应。农业科技创新会引发邻近省份的借鉴行为，为粮食生产韧性提供有利条件。假设3得以验证。

表8 粮食生产韧性自相关性检验结果

表9 空间杜宾模型估计结果

4 结论与建议

基于以上分析过程，我们认为：

1）农业科技创新具有显著提升粮食生产韧性的作用。农业科技创新对粮食生产韧性的影响存在异质性，从是否为粮食主产区来看，农业科技创新对粮食主产区的影响明显大于非粮食主产区；从自然地理区位来看，农业科技创新对中部地区的影响大于东部地区，且对西部地区影响不显著。

2）农业科技创新通过降低农用化肥施用量，提升农业机械化作业服务人员占比以及农业机械化水平，从而促进粮食生产韧性提升。

3）运用空间杜宾模型估计农业科技创新对粮食生产韧性的溢出效应发现，农业科技创新的空间溢出效应显著为正，表明本地区农业科技创新会正向影响邻近地区粮食生产韧性。

上述研究结论表明，中国农业经济增长已从主要依赖生产要素投入转变为农业科技创新投入驱动，农业科技创新已成为提升粮食生产韧性和保障国家粮食安全重要支撑力量。基于此，我们建议：

1）要遵循农业科技规律，加快产业创新步伐，推进技术水平提升，加速农业要素替代，推动农业产业低碳绿色转型。

2）引导创新辐射和技术溢出，鼓励农业创新成果和科技资源的跨区域流动，实现科技创新增强粮食生产韧性的正向溢出。

3）不同粮食产区要因地制宜，粮食主产区应加强横向联系，粮食主销区和产销平衡区应顺应政策导向，发挥农业科技创新提升粮食生产韧性的良性驱动作用。

本文作者：彭长生，黄兴宇，王澎，钟钰

作者简介：彭长生，安庆师范大学经济与管理学院，教授，主要研究方向为农地制度改革、农村公共品供给和粮食问题；钟钰（通信作者），中国农业科学院农业经济与发展研究所，研究员，主要研究方向为农业政策、农产品贸易、粮食安全。

论文全文发表于《科技导报》2024年第16期，原标题为《农业科技创新对粮食生产韧性的影响》，本文有删减，欢迎订阅查看。

内容为【科技导报】公众号原创，欢迎转载
白名单回复后台「转载」

《科技导报》创刊于1980年，中国科协学术会刊，主要刊登科学前沿和技术热点领域突破性的成果报道、权威性的科学评论、引领性的高端综述，发表促进经济社会发展、完善科技管理、优化科研环境、培育科学文化、促进科技创新和科技成果转化的决策咨询建议。常设栏目有院士卷首语、智库观点、科技评论、热点专题、综述、论文、学术聚焦、科学人文等。