论文部分内容阅读
摘 要：粮食产量受多种因素的影响，该文根据1990-2013年焉耆盆地粮食生产要素的统计资料，基于C-D生产函数，运用协整检验得出协整关系式。结果表明：影响焉耆盆地粮食总产量的影响因素主要为粮食播种面积、农用机械总动力、化肥施用折纯量和农村用电量，影响程度分别为：0.79%、0.405%、0.370%、-0.179%。结果与焉耆盆地山地面积多，耕地面积少的实际情况吻合。
关键词：焉耆盆地;粮食总产量;C-D生产函数;协整
中图分类号 F327 文献标识码 A 文章编号 1007-7731（2015）13-33-04
Empirical Analysis of Influential Factors on Grain Production in Yanqi Basin
MaiLiYa AbuLiZi et al.
（Xinjiang Laboratory of Lake Environment & Resources in Arid Zone，Xinjiang Normal University，Urumqi 830054，China;Institute of Geographic Science and Tourism，Xinjiang Normal University，Urumqi 830054，China）
Abstract：Grain output is influenced by many factors. In this article，according to the statistical data about the grain output factors in Yanqi basin during 1990-2013，based on C-D production function，by using cointegration test come to the cointegration relationship. The results show that，grain acreage，agricultural machinery total power，fertilizer input and electricity for rural use are the major effects of the grain output in Yanqi basin，and their influence degree are 0.79%，0.405%，0.370% and -0.179% respectively，which match the actual situation of more mountain area and less arable land.
Key words：Yanqi basin;Total grain output;C-D production function;Cointegration
“国以粮为本，民以食为天”。粮食是人类生存和发展的物质基础，同时也是国家和社会稳定的前提条件[1]。而粮食生产受到多方面因素的影响，包括自然、经济、社会等。目前构建社会主义和谐社会的前提条件之一是确保国家粮食安全[2]。相关研究表明[3-4]：化肥施用量与粮食产量之间存在较强的正相关性，即在一定的限度下，化肥施用量越多，粮食总产量越高。洪业应[5]运用Pearson相关系数法的分析结果表明：化肥投入对粮食产量的影响最为明显。而范东君等[6]则认为农业基础设施和粮食播种面积是影响粮食生产最关键因素，它们对粮食产量贡献率分别达到41.9%和24.63%。童彦等[7]认为耕地面积和粮食单产对粮食产量的影响处于第一、第二位，对粮食产能安全影响最为突出。
焉耆盆地是巴音古楞地区粮食主产区之一，对于经济相对落后、城市化水平较低的焉耆盆地来说，进行粮食生产的影响因素实证分析是非常具有现实意义的。基于县域尺度的研究，根据各方面因素对粮食生产影响的程度，本文选取1990-2013年焉耆盆地4县粮食相关生产要素的数据，在主要分析焉耆、和静、和硕及博湖4县的粮食总产量变化的基础上，结合生产函数对影响研究区粮食总产量的诸多因素进行分析，以期为促进粮食生产的可持续发展提供科学依据。
1 研究区概况
焉耆盆地是新疆中天山南部的断陷盆地，地理坐标为82°28′～88°18′E，40°45′～43°33′N，东西长约160km，南北宽60～90km，面积5.52×104km2，行政区域包括博湖、焉耆、和静、和硕等4县及库尔勒市的塔什店区及兵团农二师21～24、27、31、223等7个团场。盆地地势西高东低、北高南低，地形复杂多样，多种地貌类型交叉分布[8]，地貌形态分布详见图1。平原区海拔1 050～1 200m，属于暖温带大陆性干旱气候，光热资源丰富，多年平均气温8.6℃，夏季月平均气温为22.8℃，冬季月平均气温为-9.8℃，是一个典型的绿洲—荒漠交错地区。
<F：＼新建文件夹 （3）＼新建文件夹 （6）＼安徽农学通报201513＼《安徽农学通报》2015-13期电子稿PDF＼2015-13农学通报内文＼w685-1.tif>
图1 焉耆盆地地貌形态
2 模型构建与数据来源
粮食生产受诸多因素的影响，为了能够定量的分析出不同因素对研究区粮食生产的影响，本文把理论分析作为切入点，从理论中总结出影响粮食生产的主要因素。
2.1 粮食生产影响因素分析 农业生产是自然再生产与经济再生产的结合，生产过程必然受到自然条件、技术条件和各种经济因素的制约和影响，粮食生产也不例外[9]。水、土地资源是粮食生产的基础条件，是粮食生产的重要因素，其中土地耕地面积及质量直接关系到粮食的产出情况。生产技术是影响粮食生产的另一项主要因素。农业技术变化来源广泛，包括农业技术装备改善、劳动生产率提高、土地生产率提高、资源经济效益改善等等[10]。 本研究充分借鉴已有研究成果的基础上，结合研究区粮食生产实际情况，选择以下几种因素来分析研究区粮食生产：（1）粮食播种面积;（2）农村粮食产业从业人数;（3）农用机械总动力;（4）粮食作物化肥使用折纯量;（5）粮食农田有效灌溉面积;（6）农村总用电量。
2.2 粮食生产模型建立 美国数学家Charles·Cobb和经济学家Paul·Douglas提出了著名Cobb-Douglas生产函数，这种生产函数可以很好地分析资源投入与产品产出之间的经济数量关系，因此被广泛地运用。其基本模型为：
[Y=f（A，LA，CAP）=A·LAa·CAPb]
a+b=1 （1）
式（1）中：A表示全要素生产率;LA表示劳动投入;CAP表示资本投入。
在本文中，笔者在C-D生产函数的基础上，笔者确定了粮食生产模型的被解释变量为：粮食总产量（Y）;解释变量为：粮食播种面积（LAND）、农村粮食从业劳动力（LA）、农用机械总动力（MACH）、粮食作物化肥施用折纯量（FERTI）、粮食农田有效灌溉面积（IRRIGATE）、农村用电量（ELEC）。根据上述内容，研究区粮食生产的C-D生产函数写成如下形式：
[Y=f（A，LAND，LA，MACH FERTI，IRRIGATE，ELECTRIC] [=A·LANDa·LAb·MACHC·FERTId·IRRIGATEe·ELECf] （2）
进一步对C-D生产函数进行对数转换，得到关于产量的生产函数形式如式（3）所示：
ln（y）=1nA+a·1n（land）+b·1n（la）+c·1n（mach）+d·1n（ferti）+e·1n（irrigate）+f·1n（elec）+μ （3）
式（3）中：a表示粮食播种面积对粮食产出的弹性系数;b表示劳动力投入对粮食产出的弹性系数;c表示农用机械对粮食产出的弹性系数;d表示化肥使用折纯量对粮食产出的弹性系数;e表示有效灌溉面积对粮食产出的弹性系数;f表示农村总用电量对粮食产出的弹性系数;μ是随机扰动项。样本时间从1990-2013年，样本大小n=24。
2.3 数据来源与数据描述 在构建的分析模型框架基础上，本文根据分析的需要，收集整理了1990-2013年研究区粮食生产的时间序列数据，数据来源于1990-2013年《新疆统计年鉴》。通过对数据整理可以发现，在所考察的时期里，研究区粮食总产量变化不太稳定，但总的有增加趋势;播种面积变化波动较大，但初始面积变化不大;机械总动力有明显的增加趋势;农村用电量在2010-2011年有明显的减少趋势，但总体呈平稳增加趋势;有效灌溉面积变化波动较大，略有增加趋势;劳动力投入有较平稳的增加趋势;化肥使用折纯量变化波动较大，但整体呈增加趋势。
2.4 模型优化 首先利用OLS法，根据收集整理的样本数据，利用STATA13.0软件用OLS对模型进行估计，其结果表1。回归结果显示，R2=0.974 1，调整以后的R2=0.965 0，表示模型有较好的模拟效果。F=106.75，P=0.005。可见，从整体上讲计量方程解释能力较好。但是ln（x4）和ln（x5）没有t通过检验，说明这2个变量对粮食产量的影响不大。产量ln（y）与农村总用电量ln（x3）存在负相关关系。因此，去掉ln（x4）和ln（x5）2个变量，在同样技术水平情况下，优化后的模型为：
ln（y）=1nA+a·1n（land）+c·1n（mach）+d·1n（ferti）+f·1n（elec）+μ （4）
表1 模型整体估计结果
[Variable＼&Coefficients＼&t Stat＼&P-value＼&coefficient＼&-0.1805643＼&-0.56＼&0.582＼&lnx1＼&0.975305＼&4.6＼&0.000＼&lnx2＼&0.250177＼&2.64＼&0.017＼&lnx3＼&-0.15009＼&-2.63＼&0.017＼&lnx4＼&-0.2831＼&-1.56＼&0.138＼&lnx5＼&0.156187＼&2.10＼&0.051＼&lnx6＼&0.268683＼&3.38＼&0.004＼&R Square＼&0.9741＼&F＼&106.75＼&Adjusted R Square＼&0.9650＼&Prob>F＼&0.0000＼&D-W＼&1. 9＼&＼&＼&]
3 实证分析
3.1 单位根检验 时间序列的平稳性主要是用单位根检验来进行。常用的平稳性检验方法是ADF单位根检验、KPSS单位根检验、DF-GLS单位根检验等。其中，DF-GLS单位根检验[11-13]是由Elliot、Rothenberg和Stock于1996年提出的，其实质就是退势版的ADF检验。DF-GLS单位根检验在面对小样本的检验时，稳定性较好，是目前最有功效的单位根检验法，因此本文也将采用这种方法进行检验。检验结果（表2）表明：经过一阶差分后lny、lnx1、lnx2、lnx3、lnx6是平稳序列。
表2 DF-GLS单根检验
[变量＼&检验形式（c，t，k）＼&DF-GLS
统计量＼&1%
临界值＼&5%
临界值＼&10% 临界值＼&结论＼&lny＼&（c，t，2）＼&-1.135＼&-3.770＼&-3.343＼&-2.927＼&非平稳＼&lnx1＼&（c，t，2）＼&-1.001＼&-3.770＼&-3.343＼&-2.927＼&非平稳＼&lnx2＼&（c，t，2）＼&-1.133＼&-3.770＼&-3.163＼&-2.748＼&非平稳＼&lnx3＼&（c，t，2）＼&-1.240＼&-3.770＼&-3.343＼&-2.927＼&非平稳＼&lnx6＼&（c，t，2）＼&-1.429＼&-3.770＼&-3.343＼&-2.927＼&非平稳＼&Δlny＼&（c，0，2）＼&-2.574＼&-2.660＼&-2.517*＼&-2.086＼&平稳＼&Δlnx1＼&（c，0，2）＼&-2.743＼&-2.660＼&-2.517*＼&-2.086＼&平稳＼&Δlnx2＼&（c，0，2）＼&-0.800＼&-2.660＼&-2.517*＼&-2.086＼&平稳＼&Δlnx3＼&（c，t，2）＼&-2.898＼&-3.770＼&-3.332＼&-2.896*＼&平稳＼&Δlnx6＼&（c，0，2）＼&-2.812＼&-2.660*＼&-2.517＼&-2.086＼&平稳＼&]
注：（C，T，K）分别表示单位根检验方程中的常数项、趋势项和滞后阶数，其中滞后阶数是根据AIC和SIC标准选择的。一阶差分项上标的*表示所通过的显著水平。
3.2 协整检验 如果序列变量有某种平稳的线性组合，那么这些变量之间存在协整关系。EG两步法、Johansen极大似然法是常用的2种模型。EG两步法主要用于小样本参数估计方面。当变量个数大于2，变量之间可能存在多个协整关系，分析结果不易解释，而后者则可用于多个变量之间的协整关系的检验[14-17]。本研究变量超过2个，所以采用Johansen极大似然法。因为时间序列都是一阶单整，对序列进行协整检验，滞后期=4，协整检验结果（表3）。
表3 Johansen协整检验
[假设协整
方程个数＼&特征值＼& 迹检验 ＼& 最大特征根检验 ＼&迹统计量＼&5%临界值＼&最大特征根＼&5%临界值＼&0＼&0.88134＼&109.3690＼&77.74＼&46.8921＼&36.41＼&1＼&0.80181＼&62.4769＼&54.64＼&35.6079＼&30.33＼&2＼&0.49042＼&26.8690*＼&34.55＼&14.8319＼&23.78＼&3＼&0.39302＼&12.0371＼&18.17＼&10.9836＼&16.87＼&4＼&0.04676＼&1.00535＼&3.74＼&1.00535＼&3.74＼&]
结果表明：迹统计值都大于最大特征值统计值（除最后一个相等），并且在5%的显著水平下，变量之间有2协整关系。标准化的协整关系式如下：
ln（y）=-0.107+0.790ln（land）+0.405ln（mach）+0.3701n（ferti）-0.1791n（elec） （4）
在上述的实证结果中，粮食总产量主要受粮食播种面积、机械总动力、化肥使用折纯量和农村用电量的影响，长期看来，粮食总产量与粮食播种面积、农用机械总动力与化肥使用折纯量之间有正相关关系，而与农村总用电量之间有负相关关系。在本文建立的对数线性回归方程中，各回归系数代表的是：当其他解释变量保持不变时，自变量每变动一个单位所引起的被解释变量的变动数量。回归系数的绝对值越大，那么对应的因素对粮食产量的影响也越大。
3.3 结果分析
3.3.1 播种面积的影响 播种面积是影响粮食产量的重要因素，一定数量和质量的耕地资源是实现粮食安全的关键因素。由本次研究结果显示，播种面积的影响最大，播种面积对粮食总产量的弹性达0.790，即在其他投入不变的情况下，粮食播种面积每增加1%，粮食产量将增加0.790%，表明适当扩大播种面积是提高粮食产量的有效途径。但是焉耆盆地粮食播种面积在考察时间段内变化波动较大，1990-2003年播种面积递减;2003-2005年大幅度上升;2005-2007年又大幅度下降;2007-2010又大幅度上升，之后变化不大。如此变化的原因如下：首先，较低的粮食价格导致了较低的经济效率，从而导致部分农民主动放弃种粮食。其次，随着西部大开发战略的实施，农业产业结构调整和城镇基础设施建设力度的加大，耕地资源也面临着严峻的挑战。2001年以来，受国家退耕还林以及加强耕地保护政策的影响，焉耆盆地耕地面积经历了先减后增的变化。
3.3.2 农用机械总动力的影响 粮食生产现代化的一个主要标志是农用机械总动力的大小。从本次研究的结果来看，农用机械总动力与粮食总产量之间有着正相关的关系，弹性系数为0.405，说明农用机械总动力每增加1%，粮食总产量就会有0.405%的增长。在考察年间，焉耆盆地农用机械总动力呈稳步上升趋势，从1990年的13.6896×104kW增加到2013年的76.3279×104kW，增加了5.6倍。这也说明，焉耆盆地正从传统的农业向现代农业转变，这对于保证粮食生产的高产、稳定及农业机械的使用起到了非常重要的作用。国家的农机补贴政策带动了农民投资，从而实现了农业生产等机械拥有量较快增长，加快了粮食生产机械化作业进程，提高了农机作业水平，减轻了农业劳动强度，提高了生产效率，为粮食生产提供了有力保障。 3.3.3 化肥使用量的影响 肥料是作物的“营养”，合理施用化肥，不仅带来了农业增产，而且降低了农业生产成本、提高农业经济效益。本研究结表示，化肥施用量与粮食产量的弹性系数为0.370，说明化肥投入对粮食产量仍然具有重要作用。但同时，也应该认识到农业生产中普遍存在施肥不合理的现象，过量施用化肥会造成土壤有机结构恶化、土壤板结等问题，严重影响农业的可持续发展。因此，从长远的眼光来看，不能仅依靠化（下转90页）（上接35页）肥施用量的增加促进粮食产量的增加，应该科学的把有机肥料和化肥施用相结合。
3.3.4 农村总用电量的影响 农村总用电量与粮食总产量之间存在着负相关关系，且弹性系数为-0.179。笔者认为农村用电量对粮食生产的影响表现为以下2个方面：一方面，随着国家和省政府对农村电网建设投入的加大，虽然焉耆盆地农村电力设施条件和用电状况得到了显著改善，为农村经济社会发展提供了有效的能源支撑，但是电费支出过高，加重了农民负担，抑制了农民从事农业生产的积极性;另一方面，农村用电安全存在各种隐患，如设备的产权不属于供电部门，设备不定期试验，容易产生漏电，极易造成人身触电事故。
4 结论与建议
众所周知，农业生产是国民经济各行各业中，遭受自然环境各要素影响较显著的行业，以粮食生产为主的县域粮食生产既受到自然要素的影响，又遭受人为因素的影响，由于所选取的指标体系不同，所以所得出的结论也不同。焉耆盆地的地貌类型多种复杂，山地、盆地、荒漠戈壁、河谷和平原交叉分布。盆地中和盆地周边的山地（坡地）地貌占地域总面积的78.57%，平原（包括山前洪积扇和冲积平原）占18.18%，沙漠占1.32%，湖泊（博斯腾湖）占1.93%，目前能利用的土地面积还很少。上述分析的自变量中，粮食播种面积是影响最大、变化较为明显的要素。根据焉耆盆地山地面积多、平原面积少的实际情况，合理调整土地利用结构，在保证耕地面积不减少的前提下，充分利用其他土地搞好城市建设，适当增加粮食播种面积，加强现有耕地的深度开发，通过先进的农业科技和耕作制度来提高耕地的利用效率是预防粮食危机，保证粮食安全，持续发展农业生产的有效途径。
本研究认为，研究区各级政府应充分考虑上述自变量的影响，适当协调各自变量的相互制约作用，结合该区域自然、资源、人文和技术等实际，应采取稳定粮食播种面积，提高单产，因资源、因地定产等有效措施，不断改善粮食生产总环境。
参考文献
[1]段小红，王化俊.甘肃省粮食综合生产能力不同阶段的影响因素分析[J].中国农业资源与区划，2011（6）：50-55.
[2]郝振华，叶得明.甘肃省粮食生产影响因素分析[J].中国农业科技导报，2013（2）：45-53.
[3]张中文.我国粮食产量影响因素的实证分析[J].湖南行政学院学报，2011（3）：86-90.
[4]韩秀凤.1988-2008年内蒙古粮食产量影响因素比较[J].安徽农业科学，2011（8）：4902-4904.
[5]洪业应，安和平.基于粮食安全与化肥投入的协调发展研究——以毕节地区为例[J].农业现代化研究，2011，32（5）：577-580.
[6]范东君，朱有志.粮食产量影响因素的实证分析与贡献度测算[J].内蒙古财经学院学报，2011（3）：81-87.
[7]童彦，潘玉君，朱海燕.云南省粮食产能安全主要影响因素的定量分析[J].国土与自然资源研究，2011（4）：43-44.
[8]买托合提·阿那依提，玉素甫江·如素力，麦麦提吐尔逊·艾则孜，等.新疆开都河流域主要地貌形态特征研究[J].冰川东突，2014（5）：1160-1166.
[9]黄臻.我国粮食生产影响因素分析—基于C-D生产函数的岭回归分析[J].税务与经济，2014（5）：50-54.
[10]买托合提·阿那依提，玉素甫江·如素力，买合皮热提·吾拉木.焉耆县地貌特征及其地貌灾害和气象灾害的关系研究[J].安徽农学通报，2014（23）：85-87.
[11]陈强.高级计量经济学及Stata应用[M].北京：高等教育出版社，2010.
[12]宰松梅，温季，仵峰，等.河南省粮食生产主要影响因素分析[J].节水灌溉，2011（6）：55-59.
[13]李玉平，蔡运龙.确保中国粮食安全的根本途径[J].旱区地理，2008，31（6）：951-958.
[14]王祖力，肖海峰.化肥施用对粮食产量增长的作用分析[J].农业经济问题，2008，8：65-68.
[15]郝振华，叶得明.甘肃省粮食生产影响因素分析[J].中国农业科技导报，2013，15（2）：45-53.
[16]范东君.粮食产量影响因素的实证分析与贡献率测算[J].湖南工业大学学报，2011（5）：55-61.
[17]王赞，李松臣.我国粮食生产影响因素的研究——基于主成分分析和协整分析[J].天津大学学报，2009（5）：398-402.
（责编：张宏民）
关键词：焉耆盆地;粮食总产量;C-D生产函数;协整
中图分类号 F327 文献标识码 A 文章编号 1007-7731（2015）13-33-04
Empirical Analysis of Influential Factors on Grain Production in Yanqi Basin
MaiLiYa AbuLiZi et al.
（Xinjiang Laboratory of Lake Environment & Resources in Arid Zone，Xinjiang Normal University，Urumqi 830054，China;Institute of Geographic Science and Tourism，Xinjiang Normal University，Urumqi 830054，China）
Abstract：Grain output is influenced by many factors. In this article，according to the statistical data about the grain output factors in Yanqi basin during 1990-2013，based on C-D production function，by using cointegration test come to the cointegration relationship. The results show that，grain acreage，agricultural machinery total power，fertilizer input and electricity for rural use are the major effects of the grain output in Yanqi basin，and their influence degree are 0.79%，0.405%，0.370% and -0.179% respectively，which match the actual situation of more mountain area and less arable land.
Key words：Yanqi basin;Total grain output;C-D production function;Cointegration
“国以粮为本，民以食为天”。粮食是人类生存和发展的物质基础，同时也是国家和社会稳定的前提条件[1]。而粮食生产受到多方面因素的影响，包括自然、经济、社会等。目前构建社会主义和谐社会的前提条件之一是确保国家粮食安全[2]。相关研究表明[3-4]：化肥施用量与粮食产量之间存在较强的正相关性，即在一定的限度下，化肥施用量越多，粮食总产量越高。洪业应[5]运用Pearson相关系数法的分析结果表明：化肥投入对粮食产量的影响最为明显。而范东君等[6]则认为农业基础设施和粮食播种面积是影响粮食生产最关键因素，它们对粮食产量贡献率分别达到41.9%和24.63%。童彦等[7]认为耕地面积和粮食单产对粮食产量的影响处于第一、第二位，对粮食产能安全影响最为突出。
焉耆盆地是巴音古楞地区粮食主产区之一，对于经济相对落后、城市化水平较低的焉耆盆地来说，进行粮食生产的影响因素实证分析是非常具有现实意义的。基于县域尺度的研究，根据各方面因素对粮食生产影响的程度，本文选取1990-2013年焉耆盆地4县粮食相关生产要素的数据，在主要分析焉耆、和静、和硕及博湖4县的粮食总产量变化的基础上，结合生产函数对影响研究区粮食总产量的诸多因素进行分析，以期为促进粮食生产的可持续发展提供科学依据。
1 研究区概况
焉耆盆地是新疆中天山南部的断陷盆地，地理坐标为82°28′～88°18′E，40°45′～43°33′N，东西长约160km，南北宽60～90km，面积5.52×104km2，行政区域包括博湖、焉耆、和静、和硕等4县及库尔勒市的塔什店区及兵团农二师21～24、27、31、223等7个团场。盆地地势西高东低、北高南低，地形复杂多样，多种地貌类型交叉分布[8]，地貌形态分布详见图1。平原区海拔1 050～1 200m，属于暖温带大陆性干旱气候，光热资源丰富，多年平均气温8.6℃，夏季月平均气温为22.8℃，冬季月平均气温为-9.8℃，是一个典型的绿洲—荒漠交错地区。
<F：＼新建文件夹 （3）＼新建文件夹 （6）＼安徽农学通报201513＼《安徽农学通报》2015-13期电子稿PDF＼2015-13农学通报内文＼w685-1.tif>
图1 焉耆盆地地貌形态
2 模型构建与数据来源
粮食生产受诸多因素的影响，为了能够定量的分析出不同因素对研究区粮食生产的影响，本文把理论分析作为切入点，从理论中总结出影响粮食生产的主要因素。
2.1 粮食生产影响因素分析 农业生产是自然再生产与经济再生产的结合，生产过程必然受到自然条件、技术条件和各种经济因素的制约和影响，粮食生产也不例外[9]。水、土地资源是粮食生产的基础条件，是粮食生产的重要因素，其中土地耕地面积及质量直接关系到粮食的产出情况。生产技术是影响粮食生产的另一项主要因素。农业技术变化来源广泛，包括农业技术装备改善、劳动生产率提高、土地生产率提高、资源经济效益改善等等[10]。 本研究充分借鉴已有研究成果的基础上，结合研究区粮食生产实际情况，选择以下几种因素来分析研究区粮食生产：（1）粮食播种面积;（2）农村粮食产业从业人数;（3）农用机械总动力;（4）粮食作物化肥使用折纯量;（5）粮食农田有效灌溉面积;（6）农村总用电量。
2.2 粮食生产模型建立 美国数学家Charles·Cobb和经济学家Paul·Douglas提出了著名Cobb-Douglas生产函数，这种生产函数可以很好地分析资源投入与产品产出之间的经济数量关系，因此被广泛地运用。其基本模型为：
[Y=f（A，LA，CAP）=A·LAa·CAPb]
a+b=1 （1）
式（1）中：A表示全要素生产率;LA表示劳动投入;CAP表示资本投入。
在本文中，笔者在C-D生产函数的基础上，笔者确定了粮食生产模型的被解释变量为：粮食总产量（Y）;解释变量为：粮食播种面积（LAND）、农村粮食从业劳动力（LA）、农用机械总动力（MACH）、粮食作物化肥施用折纯量（FERTI）、粮食农田有效灌溉面积（IRRIGATE）、农村用电量（ELEC）。根据上述内容，研究区粮食生产的C-D生产函数写成如下形式：
[Y=f（A，LAND，LA，MACH FERTI，IRRIGATE，ELECTRIC] [=A·LANDa·LAb·MACHC·FERTId·IRRIGATEe·ELECf] （2）
进一步对C-D生产函数进行对数转换，得到关于产量的生产函数形式如式（3）所示：
ln（y）=1nA+a·1n（land）+b·1n（la）+c·1n（mach）+d·1n（ferti）+e·1n（irrigate）+f·1n（elec）+μ （3）
式（3）中：a表示粮食播种面积对粮食产出的弹性系数;b表示劳动力投入对粮食产出的弹性系数;c表示农用机械对粮食产出的弹性系数;d表示化肥使用折纯量对粮食产出的弹性系数;e表示有效灌溉面积对粮食产出的弹性系数;f表示农村总用电量对粮食产出的弹性系数;μ是随机扰动项。样本时间从1990-2013年，样本大小n=24。
2.3 数据来源与数据描述 在构建的分析模型框架基础上，本文根据分析的需要，收集整理了1990-2013年研究区粮食生产的时间序列数据，数据来源于1990-2013年《新疆统计年鉴》。通过对数据整理可以发现，在所考察的时期里，研究区粮食总产量变化不太稳定，但总的有增加趋势;播种面积变化波动较大，但初始面积变化不大;机械总动力有明显的增加趋势;农村用电量在2010-2011年有明显的减少趋势，但总体呈平稳增加趋势;有效灌溉面积变化波动较大，略有增加趋势;劳动力投入有较平稳的增加趋势;化肥使用折纯量变化波动较大，但整体呈增加趋势。
2.4 模型优化 首先利用OLS法，根据收集整理的样本数据，利用STATA13.0软件用OLS对模型进行估计，其结果表1。回归结果显示，R2=0.974 1，调整以后的R2=0.965 0，表示模型有较好的模拟效果。F=106.75，P=0.005。可见，从整体上讲计量方程解释能力较好。但是ln（x4）和ln（x5）没有t通过检验，说明这2个变量对粮食产量的影响不大。产量ln（y）与农村总用电量ln（x3）存在负相关关系。因此，去掉ln（x4）和ln（x5）2个变量，在同样技术水平情况下，优化后的模型为：
ln（y）=1nA+a·1n（land）+c·1n（mach）+d·1n（ferti）+f·1n（elec）+μ （4）
表1 模型整体估计结果
[Variable＼&Coefficients＼&t Stat＼&P-value＼&coefficient＼&-0.1805643＼&-0.56＼&0.582＼&lnx1＼&0.975305＼&4.6＼&0.000＼&lnx2＼&0.250177＼&2.64＼&0.017＼&lnx3＼&-0.15009＼&-2.63＼&0.017＼&lnx4＼&-0.2831＼&-1.56＼&0.138＼&lnx5＼&0.156187＼&2.10＼&0.051＼&lnx6＼&0.268683＼&3.38＼&0.004＼&R Square＼&0.9741＼&F＼&106.75＼&Adjusted R Square＼&0.9650＼&Prob>F＼&0.0000＼&D-W＼&1. 9＼&＼&＼&]
3 实证分析
3.1 单位根检验 时间序列的平稳性主要是用单位根检验来进行。常用的平稳性检验方法是ADF单位根检验、KPSS单位根检验、DF-GLS单位根检验等。其中，DF-GLS单位根检验[11-13]是由Elliot、Rothenberg和Stock于1996年提出的，其实质就是退势版的ADF检验。DF-GLS单位根检验在面对小样本的检验时，稳定性较好，是目前最有功效的单位根检验法，因此本文也将采用这种方法进行检验。检验结果（表2）表明：经过一阶差分后lny、lnx1、lnx2、lnx3、lnx6是平稳序列。
表2 DF-GLS单根检验
[变量＼&检验形式（c，t，k）＼&DF-GLS
统计量＼&1%
临界值＼&5%
临界值＼&10% 临界值＼&结论＼&lny＼&（c，t，2）＼&-1.135＼&-3.770＼&-3.343＼&-2.927＼&非平稳＼&lnx1＼&（c，t，2）＼&-1.001＼&-3.770＼&-3.343＼&-2.927＼&非平稳＼&lnx2＼&（c，t，2）＼&-1.133＼&-3.770＼&-3.163＼&-2.748＼&非平稳＼&lnx3＼&（c，t，2）＼&-1.240＼&-3.770＼&-3.343＼&-2.927＼&非平稳＼&lnx6＼&（c，t，2）＼&-1.429＼&-3.770＼&-3.343＼&-2.927＼&非平稳＼&Δlny＼&（c，0，2）＼&-2.574＼&-2.660＼&-2.517*＼&-2.086＼&平稳＼&Δlnx1＼&（c，0，2）＼&-2.743＼&-2.660＼&-2.517*＼&-2.086＼&平稳＼&Δlnx2＼&（c，0，2）＼&-0.800＼&-2.660＼&-2.517*＼&-2.086＼&平稳＼&Δlnx3＼&（c，t，2）＼&-2.898＼&-3.770＼&-3.332＼&-2.896*＼&平稳＼&Δlnx6＼&（c，0，2）＼&-2.812＼&-2.660*＼&-2.517＼&-2.086＼&平稳＼&]
注：（C，T，K）分别表示单位根检验方程中的常数项、趋势项和滞后阶数，其中滞后阶数是根据AIC和SIC标准选择的。一阶差分项上标的*表示所通过的显著水平。
3.2 协整检验 如果序列变量有某种平稳的线性组合，那么这些变量之间存在协整关系。EG两步法、Johansen极大似然法是常用的2种模型。EG两步法主要用于小样本参数估计方面。当变量个数大于2，变量之间可能存在多个协整关系，分析结果不易解释，而后者则可用于多个变量之间的协整关系的检验[14-17]。本研究变量超过2个，所以采用Johansen极大似然法。因为时间序列都是一阶单整，对序列进行协整检验，滞后期=4，协整检验结果（表3）。
表3 Johansen协整检验
[假设协整
方程个数＼&特征值＼& 迹检验 ＼& 最大特征根检验 ＼&迹统计量＼&5%临界值＼&最大特征根＼&5%临界值＼&0＼&0.88134＼&109.3690＼&77.74＼&46.8921＼&36.41＼&1＼&0.80181＼&62.4769＼&54.64＼&35.6079＼&30.33＼&2＼&0.49042＼&26.8690*＼&34.55＼&14.8319＼&23.78＼&3＼&0.39302＼&12.0371＼&18.17＼&10.9836＼&16.87＼&4＼&0.04676＼&1.00535＼&3.74＼&1.00535＼&3.74＼&]
结果表明：迹统计值都大于最大特征值统计值（除最后一个相等），并且在5%的显著水平下，变量之间有2协整关系。标准化的协整关系式如下：
ln（y）=-0.107+0.790ln（land）+0.405ln（mach）+0.3701n（ferti）-0.1791n（elec） （4）
在上述的实证结果中，粮食总产量主要受粮食播种面积、机械总动力、化肥使用折纯量和农村用电量的影响，长期看来，粮食总产量与粮食播种面积、农用机械总动力与化肥使用折纯量之间有正相关关系，而与农村总用电量之间有负相关关系。在本文建立的对数线性回归方程中，各回归系数代表的是：当其他解释变量保持不变时，自变量每变动一个单位所引起的被解释变量的变动数量。回归系数的绝对值越大，那么对应的因素对粮食产量的影响也越大。
3.3 结果分析
3.3.1 播种面积的影响 播种面积是影响粮食产量的重要因素，一定数量和质量的耕地资源是实现粮食安全的关键因素。由本次研究结果显示，播种面积的影响最大，播种面积对粮食总产量的弹性达0.790，即在其他投入不变的情况下，粮食播种面积每增加1%，粮食产量将增加0.790%，表明适当扩大播种面积是提高粮食产量的有效途径。但是焉耆盆地粮食播种面积在考察时间段内变化波动较大，1990-2003年播种面积递减;2003-2005年大幅度上升;2005-2007年又大幅度下降;2007-2010又大幅度上升，之后变化不大。如此变化的原因如下：首先，较低的粮食价格导致了较低的经济效率，从而导致部分农民主动放弃种粮食。其次，随着西部大开发战略的实施，农业产业结构调整和城镇基础设施建设力度的加大，耕地资源也面临着严峻的挑战。2001年以来，受国家退耕还林以及加强耕地保护政策的影响，焉耆盆地耕地面积经历了先减后增的变化。
3.3.2 农用机械总动力的影响 粮食生产现代化的一个主要标志是农用机械总动力的大小。从本次研究的结果来看，农用机械总动力与粮食总产量之间有着正相关的关系，弹性系数为0.405，说明农用机械总动力每增加1%，粮食总产量就会有0.405%的增长。在考察年间，焉耆盆地农用机械总动力呈稳步上升趋势，从1990年的13.6896×104kW增加到2013年的76.3279×104kW，增加了5.6倍。这也说明，焉耆盆地正从传统的农业向现代农业转变，这对于保证粮食生产的高产、稳定及农业机械的使用起到了非常重要的作用。国家的农机补贴政策带动了农民投资，从而实现了农业生产等机械拥有量较快增长，加快了粮食生产机械化作业进程，提高了农机作业水平，减轻了农业劳动强度，提高了生产效率，为粮食生产提供了有力保障。 3.3.3 化肥使用量的影响 肥料是作物的“营养”，合理施用化肥，不仅带来了农业增产，而且降低了农业生产成本、提高农业经济效益。本研究结表示，化肥施用量与粮食产量的弹性系数为0.370，说明化肥投入对粮食产量仍然具有重要作用。但同时，也应该认识到农业生产中普遍存在施肥不合理的现象，过量施用化肥会造成土壤有机结构恶化、土壤板结等问题，严重影响农业的可持续发展。因此，从长远的眼光来看，不能仅依靠化（下转90页）（上接35页）肥施用量的增加促进粮食产量的增加，应该科学的把有机肥料和化肥施用相结合。
3.3.4 农村总用电量的影响 农村总用电量与粮食总产量之间存在着负相关关系，且弹性系数为-0.179。笔者认为农村用电量对粮食生产的影响表现为以下2个方面：一方面，随着国家和省政府对农村电网建设投入的加大，虽然焉耆盆地农村电力设施条件和用电状况得到了显著改善，为农村经济社会发展提供了有效的能源支撑，但是电费支出过高，加重了农民负担，抑制了农民从事农业生产的积极性;另一方面，农村用电安全存在各种隐患，如设备的产权不属于供电部门，设备不定期试验，容易产生漏电，极易造成人身触电事故。
4 结论与建议
众所周知，农业生产是国民经济各行各业中，遭受自然环境各要素影响较显著的行业，以粮食生产为主的县域粮食生产既受到自然要素的影响，又遭受人为因素的影响，由于所选取的指标体系不同，所以所得出的结论也不同。焉耆盆地的地貌类型多种复杂，山地、盆地、荒漠戈壁、河谷和平原交叉分布。盆地中和盆地周边的山地（坡地）地貌占地域总面积的78.57%，平原（包括山前洪积扇和冲积平原）占18.18%，沙漠占1.32%，湖泊（博斯腾湖）占1.93%，目前能利用的土地面积还很少。上述分析的自变量中，粮食播种面积是影响最大、变化较为明显的要素。根据焉耆盆地山地面积多、平原面积少的实际情况，合理调整土地利用结构，在保证耕地面积不减少的前提下，充分利用其他土地搞好城市建设，适当增加粮食播种面积，加强现有耕地的深度开发，通过先进的农业科技和耕作制度来提高耕地的利用效率是预防粮食危机，保证粮食安全，持续发展农业生产的有效途径。
本研究认为，研究区各级政府应充分考虑上述自变量的影响，适当协调各自变量的相互制约作用，结合该区域自然、资源、人文和技术等实际，应采取稳定粮食播种面积，提高单产，因资源、因地定产等有效措施，不断改善粮食生产总环境。
参考文献
[1]段小红，王化俊.甘肃省粮食综合生产能力不同阶段的影响因素分析[J].中国农业资源与区划，2011（6）：50-55.
[2]郝振华，叶得明.甘肃省粮食生产影响因素分析[J].中国农业科技导报，2013（2）：45-53.
[3]张中文.我国粮食产量影响因素的实证分析[J].湖南行政学院学报，2011（3）：86-90.
[4]韩秀凤.1988-2008年内蒙古粮食产量影响因素比较[J].安徽农业科学，2011（8）：4902-4904.
[5]洪业应，安和平.基于粮食安全与化肥投入的协调发展研究——以毕节地区为例[J].农业现代化研究，2011，32（5）：577-580.
[6]范东君，朱有志.粮食产量影响因素的实证分析与贡献度测算[J].内蒙古财经学院学报，2011（3）：81-87.
[7]童彦，潘玉君，朱海燕.云南省粮食产能安全主要影响因素的定量分析[J].国土与自然资源研究，2011（4）：43-44.
[8]买托合提·阿那依提，玉素甫江·如素力，麦麦提吐尔逊·艾则孜，等.新疆开都河流域主要地貌形态特征研究[J].冰川东突，2014（5）：1160-1166.
[9]黄臻.我国粮食生产影响因素分析—基于C-D生产函数的岭回归分析[J].税务与经济，2014（5）：50-54.
[10]买托合提·阿那依提，玉素甫江·如素力，买合皮热提·吾拉木.焉耆县地貌特征及其地貌灾害和气象灾害的关系研究[J].安徽农学通报，2014（23）：85-87.
[11]陈强.高级计量经济学及Stata应用[M].北京：高等教育出版社，2010.
[12]宰松梅，温季，仵峰，等.河南省粮食生产主要影响因素分析[J].节水灌溉，2011（6）：55-59.
[13]李玉平，蔡运龙.确保中国粮食安全的根本途径[J].旱区地理，2008，31（6）：951-958.
[14]王祖力，肖海峰.化肥施用对粮食产量增长的作用分析[J].农业经济问题，2008，8：65-68.
[15]郝振华，叶得明.甘肃省粮食生产影响因素分析[J].中国农业科技导报，2013，15（2）：45-53.
[16]范东君.粮食产量影响因素的实证分析与贡献率测算[J].湖南工业大学学报，2011（5）：55-61.
[17]王赞，李松臣.我国粮食生产影响因素的研究——基于主成分分析和协整分析[J].天津大学学报，2009（5）：398-402.
（责编：张宏民）