其他研究论文

中国耕地—粮食丰裕度与居民收入的关系研究

  • 杨人懿 , 1, 2, 3 ,
  • 杨子生 , 2, 3 ,
  • 钟昌标 1 ,
  • 杨诗琴 2, 3 ,
  • 曹琳琳 2, 3
展开
  • 1.云南财经大学经济学院,昆明 650221
  • 2.云南财经大学国土资源与持续发展研究所,昆明 650221
  • 3.云南财经大学精准扶贫与发展研究院,昆明 650221
杨子生(1964- ),男,云南大理人,博士,教授,博士生导师,研究方向为土地利用与城乡发展、精准扶贫与乡村振兴。E-mail:

杨人懿(1997- ),男,云南大理人,博士研究生,研究方向为农村贫困治理与乡村发展、自然资源开发利用与区域可持续发展。E-mail:

收稿日期: 2023-12-18

  修回日期: 2024-05-29

  网络出版日期: 2024-11-15

基金资助

国家社会科学基金重大项目(18VSJ023)

国家自然科学基金项目(41261018)

国家自然科学基金项目(71673182)

Study on the relationship between farmland & grain abundance and households' income in China

  • YANG Ren-yi , 1, 2, 3 ,
  • YANG Zi-sheng , 2, 3 ,
  • ZHONG Chang-biao 1 ,
  • YANG Shi-qin 2, 3 ,
  • CAO Lin-lin 2, 3
Expand
  • 1. School of Economics, Yunnan University of Finance and Economics, Kunming 650221, China
  • 2. Institute of Land & Resources and Sustainable Development, Yunnan University of Finance and Economics, Kunming 650221, China
  • 3. Institute of Targeted Poverty Alleviation and Development, Yunnan University of Finance and Economics, Kunming 650221, China

Received date: 2023-12-18

  Revised date: 2024-05-29

  Online published: 2024-11-15

摘要

粮食安全乃是“国之大者”,然而在现实中却往往呈现出“产粮大县、经济穷县”“粮食产出多,农民收入低”等反常现象。针对现有“资源诅咒”研究中几乎未涉足粮食与耕地的话题、缺乏资源丰裕度对居民收入影响的定量实证分析等不足,采用省域和县域两种尺度相结合的分析方式,分别搜集了31个省(自治区、直辖市)2001—2021年和2843个县域2014—2021年的面板数据,进行中国耕地—粮食丰裕度与居民收入关系的实证检验。研究结果表明:粮食主产区的耕地—粮食丰裕度对农村和城镇居民可支配收入的抑制是客观存在的;耕地—粮食丰裕度分别对70%以上的省域农村和城镇居民以及56.81%和64.09%的县域农村和城镇居民的收入产生不同程度的抑制现象(含潜在抑制)。本文据此提出了破解耕地—粮食丰裕对居民收入抑制的对策建议。

本文引用格式

杨人懿 , 杨子生 , 钟昌标 , 杨诗琴 , 曹琳琳 . 中国耕地—粮食丰裕度与居民收入的关系研究[J]. 自然资源学报, 2024 , 39(11) : 2619 -2638 . DOI: 10.31497/zrzyxb.20241108

Abstract

Food security is the most important for China. However, we often see abnormal phenomena such as "main grain-producing counties with low economic level", and "larger grain output with less income of farmers". In view of the lack of research on the resources curse of grain and farmland, and the lack of quantitative analysis of the impact of resource abundance on residents' income, in this paper, we use the method in combination of the provincial and county scale analysis to carry out the empirical test of China's relationship between farmland & grain abundance and households' income on the basis of collected respectively panel data of 31 provincial-level regions in 2001-2021 and 2843 counties in 2014-2021. The paper also analyzes the spatial difference of the suppression degree of the farmland & grain abundance on the income of the residents in the provincial and county scales, and reveals its influence mechanism by using econometric model. The results show that: (1) The farmland & grain of the main grain-producing areas has a significant suppression effect on the income of rural and urban residents. (2) The farmland & grain abundance has a different degree of suppression effect on the income of more than 70% of the rural and urban residents in the provincial scale, and 56.81% of the rural residents and 64.09% of the urban residents in the county scale, among which 8.58% of the rural residents and 10.06% of the urban residents in the counties reach the "serious suppression" and "extremely-serious suppression" levels. (3) The abundance of grain does not obviously promote the development of the primary industry in the main grain-producing areas, but increases the dependence of the primary industry on grain, and it also obviously inhibits the development of the sectors of the secondary and tertiary industries. Based on the above, this paper proposes countermeasures to solve the problem.

粮食安全是“国之大者”,而良好的耕地资源禀赋,亦即拥有丰富和优质的耕地资源,是保障国家和地区粮食安全和经济社会可持续发展的重要基础,也是国家和地区长远发展的优势条件之一[1]。然而,耕地资源丰富的全国产粮大省、产粮大县,其区域经济发展水平较低,农民收入也不高,呈现出“产粮大县、经济穷县”“粮食产出多,农民收入低”的反常现象。从全国粮食产量排名前800的县域中有105个原国家级贫困县,贫困人口3600万人[2],到2023年全国产粮大县——黑龙江饶河调研报告中的“一个家庭一年种地收入赶不上1人外出打工收入”[3],说明了“粮财倒挂”的现象。正是由于种粮比较利益低下,近年来不少地方耕地“非粮化”趋势愈演愈烈。据统计,2019年12月31日汇总的第三次国土调查,全国耕地总面积达12786.19万hm2,相比第二次国土调查净减少了752.27万hm2(即10年净减1.13亿亩,1亩≈667m2[4]。对此,习近平总书记发出了“过去是南粮北调,现在是北粮南调。一些地方大把的良田不种粮食,要么建养殖场,要么是种花卉果木,那么粮食怎么办?”之问[5]。因此,有必要厘清“耕地—粮食”与地方经济、居民收入有什么样的关系(或者说耕地资源禀赋和粮食产出对地方经济、居民收入有什么样影响),以便科学制定相应的破解对策,确保实现国家粮食安全与地方经济发展、居民收入提升的“双赢”。于是,经济学上较为经典的“资源诅咒”研究油然而生。
资源诅咒是一个特殊的经济现象,指丰富的资源反而成为经济上的拖累[6]。这本是令人难以理解的问题:资源丰富,本是福祉,何以成为经济发展的“诅咒”?从美国等一些发达国家来看,丰富的自然资源的确可以促进其在19世纪的经济发展和生产率提升[7,8]。然而,20世纪70年代以来,二者之间的关系却发生了颠覆性的变化,资源导向型增长模式在不少国家相继失败,许多资源丰裕国(尤其是南非洲和中东地区)的经济发展常常不及资源贫乏国(如新加坡、韩国等),这使得越来越多的经济学家开始意识到拥有丰富的资源禀赋并不一定能够促进经济的腾飞,相反可能会产生“资源诅咒”现象[9,10]。此后,这一假说在国际经济学界得以流行开来,相关研究不断取得新进展[11-13]
总体上看,尽管有的学者并不赞成“资源诅咒”这一命题[14-16],但越来越多的实证研究表明,这一现象是客观存在的,经济、资源、管理、政治等众多学科领域的专家学者纷纷参与到资源诅咒理论研究与实践探索之中,研究成果不断涌现。从近20多年国内外的研究内容来看,既有大量的实证分析[11,17-23],也有众多关于传导机制和机理的研究[11-13,24-28]。此外,还有一些破解和规避“资源诅咒”的经验和对策探讨(尽管这方面论题大多已在传导机制和形成机理的文献里同时论及)[29-32]。从国内外“资源诅咒”研究中所涉及的资源类别来看,长期以来绝大多数研究者是针对矿业资源展开研究[9-23],事实上,“资源诅咒”概念从提出至今主要是指与矿业资源相关的经济社会问题。但也有少数学者将自然资源进行了细分,如Isham等[33]、Stijins等[34]选取多种资源指标对经济增长的效应进行实证研究;张菲菲等[35]选取多种资源来验证中国不同类别自然资源丰富度与省级经济发展间的关系。近年来,少数研究者开展了武汉城市圈土地资源[36]、中国27个省(自治区)森林资源[37]、黄河流域水资源[38]等单项资源诅咒的实证研究以及对旅游资源诅咒演化模型的探讨[39]。但总体上看,除矿产资源外的资源诅咒问题研究成果很少,就本文讨论的粮食与耕地资源主题而言,其研究文献极其少见,仅见丁声俊[40]对中国产粮大省的“资源诅咒”问题做过定性的思考和描述,但未进行定量的实证分析研究。
此外,已有的资源诅咒研究主要停留在矿产资源丰裕度对地区经济增长的影响上,并未涉及更深层次的对居民收入的影响。对于耕地资源和粮食产出而言,耕地资源丰裕的地区往往是粮食主产区,由于种粮比较利益较低,过度依赖粮食种植可能会导致粮食主产区的经济发展受到一定程度的阻碍,这也比较符合资源诅咒的特点。并且,全国产粮大县中有不少是原贫困县、产粮大县“一个家庭一年种地收入赶不上1人外出打工收入”的“粮财倒挂”现象,促使我们在粮食主产区的耕地资源诅咒研究中要有创新的思路:不能仅仅停留在对传统矿产资源的分析上,而是将重点转向耕地—粮食丰裕度对居民收入的影响方面,深入探究其影响规律和内在机理。
鉴于粮食安全在国家安全体系中的至关重要性、农业强国建设的紧迫性、乡村振兴战略中“产业兴旺”目标的首要性和粮食产业的基础支撑性[41],针对现有资源诅咒研究几乎未涉足粮食与耕地的话题、缺乏资源丰裕度对居民收入影响的定量实证分析等不足,本文拟采用省域(即省级行政区)和县域(即县级行政区)两种尺度相结合的分析方式,在搜集31个省(自治区、直辖市)2001—2021年(共21年)和2843个县域2014—2021年(共8年)面板数据基础上,对中国耕地—粮食丰裕度与农村和城镇居民收入的关系进行定量的实证检验;测算中国各省域、各县域耕地—粮食丰裕度对居民收入的抑制性指数;运用计量经济模型揭示耕地—粮食丰裕度对居民收入影响的机制,并据此思考和探究破解或规避“产粮多、收入少”的对策,以期为国家粮食安全和乡村振兴战略、农业强国建设、区域协调发展战略的更好实施提供参考和借鉴。本文的贡献在于在中国“耕地资源—粮食生产能力”领域从“资源丰裕度与居民收入关系”视角验证一个经典的资源诅咒理论假说,从而推进资源诅咒研究在耕地资源与粮食安全领域的拓展和升华;同样重要的还在于揭示中国粮食主产区与其他地区之间居民收入不平衡的内在机理,并力求为粮食主产区农业强国道路的发展模式和区域经济高质量发展策略提供理论支撑。

1 研究方法与数据来源

1.1 经验观察

总体上看,全国耕地资源禀赋以东北平原、华北平原和长江中下游平原最为优越,不仅耕地总量大,质量亦较高(图1a)。相应地,全国粮食总产量、人均粮食产量也以这三大平原所在的省份最多,较典型的有黑龙江、河南和山东(图1b图1c),2000—2021年平均产粮均在4000万t以上,居全国前三位,然而这几个省份农村和城镇居民的收入水平均不高(图1d图1e);以西藏、青海以及海南、京津沪三大直辖市产粮较少,其2000—2021年平均粮食总产量均在180万t以下,然而,京津沪的居民收入水平却非常高(图1d图1e)。从省域尺度的分布来观察(图1b~图1e),除了一些欠发达的省域之外,一半以上的省域呈现粮食丰裕而居民收入水平却较低的反差;相反,东部沿海地区多数省域则呈现粮食产出不丰裕但居民收入高的特点。按国家确定的粮食主产区、粮食产销平衡区和粮食主销区 [42]来统计和分析,全国粮食主产区2000—2021年平均粮食总产量占了75.76%,而农村和城镇居民2014—2021年人均可支配收入分别是1.54万元/人和3.17万元/人,仅分别为全国粮食主销区相应收入水平的74.17%和80.02%。
图1 中国31个省(自治区、直辖市)和2843个县域粮食与居民收入的空间分布

注:本图基于自然资源部标准地图服务系统下载的标准地图制作,底图无修改,下同。

Fig. 1 Spatial distribution of grain and residents' income in China

县域尺度也具有类似特点(图1f~图1i):2014—2021年有1287个县(占45.27%)的人均粮食产量在0.4 t/人及以上,其中有63.87%的县和57.42%的县2014—2021年农村和城镇居民人均可支配收入分别在1.5万元/人和3.0万元/人以下;而人均粮食产量在0.4 t/人以下的1556个县(54.73%)中,这一比例仅分别为54.86%和36.57%,较前者分别低9.01%和20.85%。从全国人均粮食产量前3位的黑龙江、吉林、内蒙古来看,共辖284个县,其中分别有52.82%和88.03%的县2014—2021年平均农村和城镇居民人均可支配收入明显小于全国同期平均水平。

1.2 研究假设

尽管传统的资源诅咒研究是以矿产资源为主,但随着研究的不断深化,越来越多的学者发现耕地等自然资源也存在资源诅咒现象。然而,居民收入与经济增长息息相关,按照传统的宏观经济学核算方法,国内生产总值(GDP)与个人收入(PI)存在紧密的关联。因此,从理论上来说,丰裕的自然资源在对经济发展造成不利影响的同时,还会对居民收入水平产生负向的影响。此外,从另一个角度来说,传统的资源诅咒路径研究表明,丰裕的自然资源会对其他产业和部门产生“挤出效应”;由于第二产业的发展与城镇居民收入息息相关、第三产业的发展与农村和城镇居民收入息息相关,故丰裕的自然资源从理论上来说也可能会对居民的收入产生不利的影响。此外,由于粮食产销平衡区和粮食主销区的耕地和粮食总体上并不十分丰裕,故耕地和粮食对这些地区的农村和城镇居民收入产生的抑制性影响可能较小或不明显。由此,本文提出了以下假设:
假设一(H1):丰裕的耕地和粮食会对粮食主产区农村居民收入产生负向影响;
假设二(H2):丰裕的耕地和粮食会对粮食主产区城镇居民收入产生负向影响。
若假设一(H1)和假设一(H2)成立,则有必要进一步探讨其背后的机制。参考现有资源诅咒的理论分析与路径机制研究,本文以三大产业产值为核心,进一步分析耕地和粮食丰裕度与各产业产值的逻辑关联。从理论上来说,尽管依靠种植粮食作物难以实现高收益,但如果一个耕地资源丰裕的地区在保持高产粮的同时稳步发展其他特色农村产业,那么即使产粮对第一产业没有较大贡献,也可能会因为同步推广种植其他高附加值特色作物和其他产业进而促进农村产业的发展和农户收入的提升。然而,对于任何一个产粮大省和产粮大县而言,其耕地面积是有限的,若大面积、高比例的耕地用于种植粮食,那么生产其他作物所需的耕地面积及其比例必将降低。由此,本文提出假设三(H3):丰裕的耕地和粮食会增加第一产业对粮食生产的依赖,不利于第一产业的快速发展,从而在一定程度上限制农村居民收入的增加。
此外,考虑到城镇居民收入与第二、第三产业息息相关且农村居民的收入也离不开第三产业的发展,故丰裕的耕地和粮食可能通过抑制第二、第三产业的发展进而影响农村和城镇居民收入水平。由此,本文提出假设四(H4):丰裕的耕地和粮食将会对第二、第三产业造成“挤出效应”,因而对农村和城镇居民的收入水平均产生负向影响。
总体而言,本文构建的逻辑框架如图2所示。
图2 耕地和粮食丰裕度与农村/城镇居民收入之间的逻辑框架

Fig. 2 The logical framework between farmland/grain abundance and the income of rural/urban residents

1.3 研究框架设计

通过对现有文献的梳理可以发现,已有的资源诅咒研究大多集中于矿产资源领域,很少对耕地和粮食方面的问题进行深入探讨和实证分析,而且也很少采用省域和县域两个尺度相结合的分析方式。然而,省域尺度和县域尺度的研究是相辅相成、相互促进、各有优势的,有机结合省域尺度和县域尺度进行综合的分析、做到二者的相辅相成才能更好地实现研究的目标,从而得到更加科学、客观、准确的分析结果。鉴于此,本文拟从省域和县域2个尺度进行实证检验,搜集31个省(自治区、直辖市)2001—2021年的数据进行省域尺度分析;由于数据可得性、统计口径等原因的限制,拟搜集全国2843个县(市、区)2014—2021年的面板数据,从县域视角进行更深入的验证 。总体而言,本文的研究步骤如图3
图3 研究步骤与流程

Fig. 3 Research steps and processes

1.4 指标体系构建

参考潘竟虎[43]、孙晓一等[44]、杨子生等[45]、杨人懿等[46]、Zhou等[47]构建的指标体系与研究方法以及Yang等[48]的年度土地覆被数据集,结合本文讨论的耕地—粮食问题实际以及省域、县域数据的可获取性和对应性,运用省域与县域尺度相结合的方式,并选取农村/城镇居民人均可支配收入作为因变量;选取耕地和粮食丰裕度作为核心自变量,以进一步探析耕地和粮食丰裕度是否会对当地的居民收入产生明显的抑制性影响 ;从产业结构、发展状况、投资支出、人口结构4个维度选取控制变量(表1)。其中省域和县域耕地数据来源于Yang等[48]发布的1985—2022年的年度土地覆被数据集;夜间灯光数据来源为DMSP/OLS;其他各省域和县域指标数据来源为《中国统计年鉴》(2002—2022年)、中国农村贫困监测历史资料汇编(2021年)、各省份统计年鉴(2015—2022年)、部分省份调查年鉴(2015—2022年)以及部分省份、州市和县域的统计公报(2015—2022年)和EPS全球统计数据/分析平台
表1 计量经济学模型检验的指标体系

Table 1 Index system for econometric model testing

属性 维度 简称 变量 计算方法 单位
因变量 居民收入水平 rural 农村居民收入水平 农村居民人均可支配收入 万元/人
urban 城镇居民收入水平 城镇居民人均可支配收入 万元/人
核心
自变量
耕地丰裕度 cultiprop 耕地面积比例 耕地总面积/土地总面积×100% %
perculti 人均耕地面积 耕地总面积/总人口 hm2/人
粮食丰裕度 totalopt 粮食总产出 粮食总产量 万t
peropt 人均粮食产出 粮食总产量/总人口 t/人
控制变量 产业结构 struc 产业结构 第三产业产值/GDP×100% %
afafopt 农林牧渔产业产值 农林牧渔业总产值 元/人
发展状况 light 夜间灯光亮度 夜间灯光平均亮度+0.01
投资支出 fix 固定资产投资力度 固定资产投资额 元/人
finance 财政收入水平 公共财政一般预算收入 元/人
人口结构 pd 人口密度 总人口/土地面积 人/ km2

注:以上指标和数据均未包括香港、澳门和台湾;省域和县域的指标体系均一致;由于非比例型控制变量的年变化率较大,参考杨子生等[45]、杨人懿等[46]的研究,在构建计量模型时取其自然对数的形式;由于本文研究的是耕地—粮食丰裕度与居民收入总量的关系,故因变量和核心自变量不取自然对数;以耕地面积比例、粮食总产出作为核心自变量的计量模型中考虑人口密度因素;以人均耕地面积和人均粮食产出作为核心自变量的计量模型中不考虑人口密度因素。

1.5 计量经济学模型

构建模型时,对于时间和个体值较多的面板数据而言,常用双向固定效应(TWFE)模型进行估计[46]。考虑到本文搜集的省域和县域数据时间跨度较长,个体先天差异可能较大,因此选用TWFE模型,其基本设定形式为:
Y i t = X i t β + u i + γ t + ε i t
式中: Y i t表示被解释变量; X i t表示解释变量矩阵; β表示待估计的参数向量; u i γ t分别表示个体和时间固定效应; ε i t为残差。

2 结果分析

2.1 省域尺度的估计结果与分析

首先,本文从省域尺度验证假设一(H1)和假设二(H2)。参考表1的指标体系构建TWFE模型进行实证研究(表2)。由表2可见,在以rural为因变量的全样本回归结果中,有部分估计结果显著为负,其中模型1通过了5%的显著性水平检验(估计系数为-0.0099)、模型4通过了10%的显著性水平检验(估计系数为-0.0795),且以中国粮食主产区为样本的大部分估计结果显著为负,以cultiproppercultiperopt作为核心自变量的估计系数分别为-0.0333(1%显著)、-1.2107(5%显著)和-0.1165(1%显著),表示在其他条件不发生变化时,耕地占比每增加1%、人均耕地面积每增加1 m2/人、人均粮食产出每增加1 kg/人,将分别致使粮食主产区的农村居民收入下降333元/人、1.21元/人、1.17元/人,耕地资源禀赋与粮食丰裕度对农村居民收入具有显著的负相关影响。对于城镇居民收入而言,所有结果均显著为负,尤其以中国粮食主产区为样本的估计结果更为明显,各变量的估计系数分别为-0.0578(1%显著)、-5.5690(1%显著)、-0.0001(1%显著)和-0.5148(1%显著),表示在其他条件不发生变化时,耕地占比每增加1%、人均耕地面积每增加1 m2/人、粮食总产出每增加1万t、人均粮食产出每增加1 kg/人,将分别致使粮食主产区的城镇居民收入下降578元/人、5.57元/人、1元/人、5.15元/人,耕地资源禀赋与粮食丰裕度对城镇居民收入具有显著的负相关影响。
表2 中国31个省(自治区、直辖市)耕地—粮食丰裕度对居民收入影响的实证研究结果

Table 2 Empirical study on the impact of farmland and grain abundance on residents' income in China

类型 rural为因变量;样本包括中国31个省(自治区、直辖市) rural为因变量;样本仅包括中国粮食主产区
(1) (2) (3) (4) (5) (6) (7) (8)
cultiprop -0.0099** -0.0333***
perculti -0.5766 -1.2107**
totalopt 0.00001 -0.000005
peropt -0.0795* -0.1165***
样本量/个 651 651 651 651 273 273 273 273
R2 0.9747 0.9708 0.9745 0.9709 0.9914 0.9878 0.9890 0.9880
类型 urban为因变量;样本包括中国31个省(自治区、直辖市) urban为因变量;样本仅包括中国粮食主产区
(9) (10) (11) (12) (13) (14) (15) (16)
cultiprop -0.0305*** -0.0578***
perculti -4.0355*** -5.5690***
totalopt -0.0001*** -0.0001***
peropt -0.4773*** -0.5148***
样本量/个 651 651 651 651 273 273 273 273
R2 0.9768 0.9742 0.9768 0.9747 0.9889 0.9856 0.9882 0.9863

注:以上结果均为考虑了控制变量后的TWFE模型的稳健标准误估计结果,为节约篇幅,不再汇报标准误。*****分别表示估计参数显著性水平为5%、1%,下同。

2.2 县域尺度的估计结果与分析

由于在同一省域内,不同县域的情况可能会有所不同,并且省域面板数据的样本量较小,因而将研究细化至县域以探究粮食丰裕度与居民收入的关系显得尤为必要(表3)。因此,本文拟从县域尺度验证假设一(H1)和假设二(H2)。
表3 中国2843个县域耕地、粮食丰裕度与居民收入的实证研究结果

Table 3 Empirical study on farmland & grain abundance and residents' income in 2843 counties of China

类型 rural为因变量 urban为因变量
(1) (2) (3) (4) (5) (6) (7) (8)
cultiprop -0.0039**
(0.0016)
-0.0063***
(0.0024)
perculti -0.3303***
(0.1037)
-0.5038***
(0.1575)
totalopt -0.0018***
(0.0004)
-0.0031***
(0.0008)
peropt -0.0949***
(0.0120)
-0.1720***
(0.0200)
样本量/个 22656 22656 22656 22656 22744 22744 22744 22744
R2 0.9644 0.9639 0.9645 0.9641 0.9626 0.9617 0.9628 0.9620

注:以上结果均为考虑了控制变量后的TWFE模型的个体聚类稳健标准误估计结果,下同。

在考虑了控制变量并采用聚类标准误估计后,所有回归结果均显著为负(表3),表明耕地和粮食丰裕度对农村和城镇居民收入产生了明显的抑制性作用。然而,以上结果仅仅是针对全体样本而言的,故本文将其划分为不同的研究区域分别进行估计(表4)。如表4所示,以粮食主产区为样本的所有估计结果(模型1、模型2、模型7、模型8、模型13、模型14、模型19和模型20)均显著为负,表明其确实存在耕地—粮食丰裕度与居民收入水平的显著负向关系,其估计系数分别为-0.0101、-0.0077、-0.3348、-0.3200、-0.0022、-0.0040、-0.1274和-0.1863。其含义是在其他条件不发生变化时,耕地占比每增加1%,将致使粮食主产区的农村和城镇居民收入分别下降101元/人和77元/人,人均耕地面积每增加1 m2/人将致使它们分别下降0.33元/人和0.32元/人,粮食总产出每增加 1万t,将致使它们分别下降22元/人和40元/人,而人均粮食产出每增加1 kg/人将致使它们分别下降1.27元/人和1.86元/人。然而,以粮食产销平衡区为样本的所有估计结果中除了模型4、模型10和模型15的估计系数显著为负之外均不显著,以粮食主销区为样本的所有估计结果中除了模型5、模型6和模型11的估计系数显著为负之外均不显著。之所以粮食产销平衡区和粮食主销区的部分耕地丰裕度的估计结果显著为负,主要是由于更快速的经济发展和城镇化进程占用较多耕地所致。此外,其他不显著的结果也进一步表明粮食主产区以外的地区较少存在粮食生产对农村/城镇居民收入的抑制现象。至此,本文从县域尺度验证了假设一(H1)和假设二(H2)。
表4 不同粮食生产区域的耕地、粮食丰裕度与居民收入的实证结果

Table 4 Empirical results on farmland & grain abundance and residents' income in different regions of China

类型 粮食主产区 粮食产销平衡区 粮食主销区
(1)rural (2)urban (3)rural (4)urban (5)rural (6)urban
cultiprop -0.0101***
(0.0021)
-0.0077**
(0.0037)
0.0012
(0.0018)
-0.0095***
(0.0024)
-0.0179***
(0.0062)
-0.0288***
(0.0100)
样本量/个 12448 12448 7336 7336 2960 2960
R2 0.9667 0.9653 0.9542 0.9621 0.9538 0.9551
类型 (7)rural (8)urban (9)rural (10)urban (11)rural (12)urban
perculti -0.3348**
(0.1331)
-0.3200*
(0.1786)
-0.2009
(0.1425)
-0.7332***
(0.1850)
-4.5790**
(2.0886)
-3.4456
(2.5065)
样本量/个 12448 12448 7336 7336 2960 2960
R2 0.9660 0.9648 0.9539 0.9608 0.9528 0.9540
类型 (13)rural (14)urban (15)rural (16)urban (17)rural (18)urban
totalopt -0.0022***
(0.0005)
-0.0040***
(0.0007)
-0.0005*
(0.0003)
0.0011
(0.0007)
-0.0043
(0.0047)
-0.0039
(0.0131)
样本量/个 12448 12448 7336 7336 2960 2960
R2 0.9667 0.9657 0.9542 0.9619 0.9532 0.9547
类型 (19)rural (20)urban (21)rural (22)urban (23)rural (24)urban
peropt -0.1274***
(0.0140)
-0.1863***
(0.0237)
-0.0160
(0.0157)
0.0059
(0.0388)
-0.1719
(0.2740)
-0.1163
(0.6481)
样本量/个 12448 12448 7336 7336 2960 2960
R2 0.9668 0.9655 0.9538 0.9603 0.9522 0.9539

注:*表示估计参数显著性水平为10%,下同。

2.3 耕地—粮食丰裕度对居民收入抑制性程度分级与空间差异性分析

2.3.1 耕地—粮食的收入抑制性指数的提出与计算方法

为了进一步揭示全国耕地—粮食丰裕度对居民收入的抑制性程度及其空间差异性,借鉴苏迅[49]、姚予龙等[28]和文兰娇等[36]的研究,本文提出“耕地—粮食的收入抑制性指数(Income Suppression Index of Farmland & Grain,ISIFG)”这一新概念,用以反映各地耕地—粮食丰裕度对居民收入的影响程度。其计算公式为:
I S I F G i = ( P F A i / N P F A + P G Y i / N P G Y ) / 2 P C D I i / N P C D I
式中: I S I F G i为第i个地区(省域或县域)耕地—粮食的收入抑制性指数; P F A iNPFA分别表示第i个地区和全国的人均耕地面积(hm2/人); P G Y i N P G Y分别表示第i个地区和全国的人均粮食产量(t/人); P C D I iNPCDI分别表示第i个地区和全国的农村/城镇居民人均可支配收入(万元/人)。

2.3.2 耕地—粮食的收入抑制性程度分级

为了更好地分析和描述耕地—粮食丰裕度对居民收入抑制性程度的区域差异性,这里尚需对耕地—粮食丰裕度对居民收入抑制性的程度进行分级。参考姚予龙等[28]和文兰娇等[36]的划分方案,结合省域和县域的实际情况,将全国各地耕地—粮食丰裕度对居民收入的抑制性程度划分为6个等级,即无抑制、潜在抑制、轻度抑制、中度抑制、重度抑制、极重度抑制,其对应的ISIFG值和含义说明见表5
表5 耕地—粮食丰裕度对居民收入的抑制性程度分级体系

Table 5 A grading system for the degree of suppression of farmland and grain abundance on residents' income

抑制性
程度分级
ISIFG 含义
1. 无抑制 <0.8 该地居民收入水平总体较高,居民收入对耕地资源禀赋和粮食生产的依赖很小
2. 潜在抑制 0.8~1.0 该地尚不存在耕地—粮食丰裕度对居民收入抑制的现象,但该数值已接近于1,若不采取合理可行的举措,则可能导致居民收入被抑制的问题
3. 轻度抑制 1.0~2.0 该地已存在明显的耕地—粮食丰裕度对居民收入抑制的现象,尽管受抑制程度相对较轻,但需要引起重视,采取可行的措施规避耕地—粮食丰裕度对居民收入抑制的问题
4. 中度抑制 2.0~3.0 该地已存在中等程度的耕地—粮食丰裕度对居民收入抑制的现象,耕地—粮食优势与居民收入水平之间出现了明显的反差,需要采取有力的措施规避这种抑制性问题
5. 重度抑制 3.0~4.0 该地的耕地—粮食丰裕度与居民收入之间存在严重的不匹配或反差,耕地—粮食优势对居民收入有着较为严重的抑制作用,需要采取强有力的措施稳步推动居民收入的可持续增长
6. 极重度抑制 ≥4.0 该地的耕地—粮食优势与居民收入水平的偏离程度很大,耕地—粮食优势对居民收入的抑制作用非常严重,需要科学、合理地制定强有力的措施体系来破解“产量多,收入低”的突出问题

2.3.3 耕地—粮食丰裕度对居民收入抑制性程度的空间差异性分析

根据式(2)计算结果和表5分级体系,绘制了中国省域和县域耕地—粮食的收入抑制性程度等级的空间分布图(图4)。从省域尺度来看,耕地—粮食丰裕度对居民收入抑制性程度的区域差异性很大(图4a图4b),呈现出以下三个特点:
图4 中国耕地—粮食的收入抑制性指数(ISIFG)的分级与空间分布

Fig. 4 The classification and spatial distribution of the ISIFG in China

(1)抑制性指数(ISIFG)的高值区主要分布于东北部和西北部地区,其中黑龙江和内蒙古农村ISIFG值达3.0以上,黑龙江、吉林和内蒙古城镇ISIFG值达3.0以上;低值区主要分布于东南部地区。
(2)从31个省(自治区、直辖市)耕地—粮食对收入抑制性程度分级结果看,有9个省(自治区、直辖市)(占29.03%)农村和城镇的ISIFG值均低于0.8,属于“无抑制”;有7个省(自治区)(占22.58%)农村和5个省(自治区、直辖市)(占16.13%)城镇的ISIFG值在0.8~1.0之间,属于“潜在抑制”;有10个省(自治区、直辖市)(占32.26%)农村和13个省(自治区)(占41.94%)城镇的ISIFG值在1.0~2.0之间,属于“轻度抑制”;有3个省(自治区)(占9.68%)农村和1个自治区(占3.23%)城镇的ISIFG值在2.0~3.0之间,属于“中度抑制”;有2个省(自治区)(占6.45%)农村和2个省(自治区)(占6.45%)城镇的ISIFG值在3.0~4.0之间,属于“重度抑制”;有1个省(占3.23%)城镇的ISIFG值高于4.0,属于“极重度抑制”。这表明,耕地—粮食丰裕度对70%以上的省域农村和城镇居民的收入均存在着不同程度的抑制现象(含潜在抑制),其中,东北的部分省域达“重度抑制”和“极重度抑制”。
(3)从13个产粮大省来看,其耕地—粮食对收入抑制性程度等级差异较大。有2个省(自治区)(黑龙江、内蒙古)农村和3个省(自治区)(黑龙江、吉林、内蒙古)城镇属于“重度抑制”或“极重度抑制”级,有1个省(吉林)农村属于“中度抑制”级,有4个省(安徽、河南、四川、辽宁)农村和7个省(河南、安徽、辽宁、河北、湖北、四川、江西)城镇属于“轻度抑制”级,有5个省(河北、湖北、江西、湖南、山东)农村和2个省(山东、湖南)城镇属于“潜在抑制”级,有1个省(江苏)农村和城镇均属于“无抑制”级。可见,92.31%的产粮大省存在不同程度的耕地—粮食丰裕度对居民收入的抑制问题(含潜在抑制),其中,人均产粮最多的前3个省(自治区)(黑龙江、吉林、内蒙古)的耕地—粮食丰裕度对居民收入的抑制性程度等级最高;唯一未遭受收入抑制的是江苏,因其位于经济发达的东南沿海地区,工业和科技发达,省域城乡居民收入位居全国前五名。
从县域尺度来看,全国2843个县域农村和城镇ISIFG值的区域差异性亦很大(图4c图4d),呈现出以下三个特点:
(1)耕地—粮食丰裕度分别对56.81%和64.09%的县域农村和城镇居民收入存在不同程度的抑制性作用,其中8.58%的县域农村居民和10.06%的县域城镇居民达“重度抑制”级及以上。全国有数据测算的2843个县域中,农村和城镇居民收入“无抑制”的县域分别有1228个和1021个,分别占43.19%和35.91%;“潜在抑制”级的县域分别有319个和282个,分别占11.22%和9.92%;“轻度抑制”级的县域分别有851个和1020个,分别占29.93%和35.88%;“中度抑制”级的县域分别有201个和234个,分别占7.07%和8.23%;“重度抑制”级的县域分别有94个和88个,分别占3.31%和3.10%;“极重度抑制”级的县域分别有150个和198个,分别占5.28%和6.96%。
(2)对农村和城镇居民收入的抑制主要出现于粮食主产区,全国“重度抑制”级和“极重度抑制”级的县域中分别约有63.52%和67.48%出自粮食主产区;并且该区域亦有明显的收入抑制现象,分别有61.83%和72.30%的县域存在不同程度的抑制现象,其中“中度抑制”级以上(含)的县域分别占15.68%和21.79%,“重度抑制”级以上(含)的县域分别占9.96%和12.40%,“极重度抑制”级的县域分别占7.01%和9.38%。粮食产销平衡区亦分别有69.25%和70.12%的县域不同程度地存在对农村和城镇居民收入的抑制问题,其中,“中度抑制”级以上(含)的县域分别占21.81%和19.63%,“重度抑制”级以上(含)的县域分别占9.60%和10.03%,“极重度抑制”级的县域分别占4.47%和5.56%。粮食主销区分别只有4.86%和14.59%的县域存在收入抑制现象,且多为“潜在抑制”和“轻度抑制”级,“中度抑制”级以上(含)的县域均仅占0.27%。此外,全国农村和城镇居民收入“中度抑制”级以上(含)的县域分别有54.84%和65.19%分布于粮食主产区,分别有44.94%和34.62%分布于粮食产销平衡区,仅分别有0.22%和0.19%分布于粮食主销区。全国农村和城镇居民收入“重度抑制”级以上(含)的县域分别有63.52%和67.48%分布于粮食主产区,分别有36.07%和32.17%分布于粮食产销平衡区,分别有0.41%和0.35%分布于粮食产销平衡区。全国农村和城镇居民收入“极重度抑制”级的县域分别有72.67%和73.73%分布于粮食主产区,分别有27.33%和25.76%分布于粮食产销平衡区,分别有0.00%和0.51%分布于粮食主销区。
(3)全国产粮前800个县域的居民收入抑制问题特别突出。以2014—2021年平均粮食总产量计,在年均粮食总产量前800个县域中,分别有84.50%和93.75%的县域农村和城镇居民收入存在不同程度的抑制现象,其中“中度抑制”级以上(含)的县域分别达26.38%和34.63%,“重度抑制”级以上(含)的县域分别达17.38%和21.13%,“极重度抑制”级的县域分别达12.63%和16.50%。若按人均产粮计,2014—2021年平均人均粮食产量前800个县域的居民收入抑制现象更为突出,分别有95.63%和99.25%的县域农村和城镇居民收入存在不同程度的抑制现象,其中“中度抑制”级以上(含)的县域分别达41.75%和53.13%,“重度抑制”级以上(含)的县域分别达26.63%和32.25%,“极重度抑制”级的县域分别占17.38%和22.38%。

2.4 影响机制

上述分析表明,在粮食主产区存在耕地—粮食丰裕度与农村/城镇居民收入水平的负向关系。根据假设三(H3),丰裕的耕地和粮食可能不利于第一产业的快速发展,故首先考察县域粮食丰裕度与第一产业的关系(表6)。
表6 耕地与粮食丰裕度对第一产业及其增长状况的影响

Table 6 The impact of farmland & grain abundance on the primary industry and its growth status

类型 人均第一产业产值为因变量/(元/人) 人均第一产业产值自然对数形式为因变量/(元/人)
所有样本 粮食主产区 所有样本 粮食主产区
(1) (2) (3) (4) (5) (6) (7) (8)
cultiprop 30.5882***
(11.5150)
22.6705
(18.3158)
0.0043***
(0.0016)
0.0043
(0.0027)
totalopt 8.6716
(6.0825)
14.4564*
(8.4564)
0.0008**
(0.0004)
0.0008
(0.0005)
样本量/个 22744 22744 12448 12448 22744 22744 12448 12448
R2 0.9523 0.9523 0.9521 0.9523 0.9942 0.9942 0.9929 0.9929

注:本表中的核心解释变量为cultiproptotalopt,若换成percultiperopt作为核心解释变量的结果也较为类似,为节约篇幅,本文不再汇报其估计结果。下同。

将人均第一产业产值及其自然对数形式分别作为因变量(表6),以更好地分析粮食丰裕度与第一产业水平及其发展速度之间的关系。尽管在所有样本中以耕地面积比例(cultiprop)为核心自变量的估计结果均显著为正(30.5882和0.0043),但在粮食主产区的样本估计结果均不显著。之所以全样本的估计结果显著为正,系由经济条件较好的粮食主销区引起,这些地区在耕地面积快速减少的同时其经济重心也逐步向第二和第三产业迁移,第一产业的占比和产值普遍呈现下降的趋势,因此耕地面积比例和第一产业产值呈现出明显的正相关关系。此外,以粮食总产出(totalopt)为核心自变量的估计结果中,粮食主产区的模型4估计结果显著性水平较低,且模型8不显著。以上结果进一步表明:在粮食主产区丰裕的耕地和粮食难以对第一产业的发展做出非常明显的贡献,且不能明显提升第一产业的发展速度。
为进一步验证假设三(H3),参考苏迅[49]、姚予龙等[28]和文兰娇等[36]的研究方法,引入第一产业对粮食的依赖度(Degree of Food Dependence,DFD)这一概念,其计算公式为:
D F D i = T G Y i / i = 1 n T G Y i P R I I N D i / i = 1 n P R I I N D i
式中: D F D i表示第i个县域的粮食依赖度;TGYi是第i地区的粮食总产量(t); P R I I N D i是第i地区的第一产业总产值(万元)。本文拟将其自然对数形式作为因变量构建模型(表7)。
表7 粮食丰裕度与第一产业对粮食依赖度之间的关系

Table 7 The relationship between grain abundance and the dependence of the primary industry on grain

类型 所有样本 粮食主产区 粮食产销平衡区 粮食主销区
(1) (2) (3) (4) (5) (6) (7) (8)
totalopt 0.0159***
(0.0017)
0.0129***
(0.0011)
0.0190***
(0.0064)
0.0454***
(0.0128)
peropt 0.6056***
(0.0903)
0.4118***
(0.0810)
1.0424***
(0.1262)
3.0592***
(0.4256)
样本量/个 22744 22744 12448 12448 7336 7336 2960 2960
R2 0.9923 0.9924 0.9911 0.9909 0.9909 0.9920 0.9962 0.9964
表7所示,所有结果均显著为正,表明一个地区的粮食产量越多,其在第一产业中的占比和份额就越大,相应地,第一产业的发展对粮食生产的依赖程度也就越高。因此,这也进一步解释了粮食丰裕度与农村居民收入之间显著为负的原因:随着粮食主产区粮食产量的增加,其在第一产业中的份额就越大;但因种植粮食的净收益低下,过度依赖粮食生产难以有效提升农村居民收入水平。至此,假设三得到了验证。
为验证假设四(H4),拟将人均第二、第三产业产值作为因变量构建模型(表8)。
表8 不同粮食生产区域的耕地与粮食丰裕度对第二和第三产业的影响

Table 8 The impact of farmland & grain abundance in different grain production regions on the secondary and tertiary industries

人均第二产业产值为因变量(元/人) 粮食主产区 粮食产销平衡区 粮食主销区
(1) (2) (3) (4) (5) (6)
cultiprop -285.47(125.39)** 113.85(93.67) 413.65(632.41)
totalopt -74.49(18.16)*** -31.81(16.97)* -1135.95(749.69)
样本量/个 12447 12447 7336 7336 2960 2960
R2 0.9529 0.9470 0.9423 0.9423 0.9511 0.9515
人均第三产业产值为因变量(元/人) 粮食主产区 粮食产销平衡区 粮食主销区
(7) (8) (9) (10) (11) (12)
cultiprop -842.96(176.20)*** -180.07(124.16) -420.87(564.92)
totalopt -119.21(20.96)*** -9.68(12.23) 141.81(522.90)
样本量/个 12448 12448 7336 7336 2960 2960
R2 0.9514 0.9510 0.9479 0.9477 0.9596 0.9595
表8可见,粮食主产区的所有估计结果均显著为负,而其他区域的估计结果多数不显著,仅模型4的显著性水平为10%。以上结果能够很好地说明粮食主产区的第二和第三产业被明显抑制,从而导致该区域内农村和城镇居民收入普遍低下。至此,假设四得到了验证。值得一提的是,就粮食产销平衡区而言,第二产业的抑制效果明显更小,加之这些地区的粮食产量总体不高,与多数产粮大县并不处在同一个“量级”,故其对农村/城镇居民收入的抑制效果并不十分明显。

3 结论与讨论

3.1 结论

粮食安全关系到国计民生[50,51]。然而,很多粮食主产地区的经济发展水平仍然较低,“粮财倒挂”现象十分明显。为了检验中国“耕地资源—粮食生产能力”领域的资源诅咒理论假说,揭示中国粮食主产区与其他地区之间居民收入不平衡的内在机理,本文采用省域和县域尺度数据进行实证检验,基本结论如下:
(1)粮食主产区的耕地—粮食丰裕度对农村和城镇居民可支配收入的抑制现象是客观存在的:耕地资源越丰富、粮食产出量越多的地区,对区域农村和城镇居民的收入起到了越明显的抑制作用。
(2)通过引入“耕地—粮食的收入抑制性指数(ISIFG)”概念测算并分析表明,耕地—粮食丰裕度分别对70%以上的省域农村和城镇居民以及56.81%和64.09%的县域农村和城镇居民的收入存在不同程度的抑制现象(含潜在抑制),其中,8.58%的县域农村居民和10.06%的县域城镇居民收入达“重度抑制”级和“极重度抑制”级。
(3)影响机制分析结果表明,丰裕的耕地和粮食难以明显促进粮食主产区第一产业的发展,反而使县域第一产业对粮食的依赖度增加,并给县域第二、三产业发展带来明显的抑制,这就是丰裕的耕地和粮食对农村和城镇居民收入均产生明显抑制作用的原因。
(4)破解耕地—粮食丰裕抑制居民收入的思路和对策在于运用工业化、产业化的新思维,推动以粮食为主的农业发展“接二连三”,开创“三产融合”新模式。

3.2 讨论

“产粮大县、经济穷县”“粮食产出多,农民收入低”,这一发展反差映衬下的耕地—粮食丰裕度与居民收入间的显著负相关关系,对于拥有14亿人口大国的粮食安全战略来说,是迫切需要深入研究和破解的突出问题。以往的资源诅咒研究,主要针对的是矿产资源丰裕度对区域经济增速的影响,没有涉及更深层次的对居民收入的影响。从本文研究的耕地资源及其粮食产出来看,在资源诅咒研究中,不仅需要探究资源诅咒对区域经济增长的制约,而且更需要关注和深入分析资源诅咒对居民收入(包括农村和城镇)的影响,这将是未来资源诅咒研究中需要特别重视的新方向。
本文探讨的“耕地—粮食丰裕度”的资源诅咒,不仅在中国较为显著,多数发展中国家亦有明显的表现,这是由于发展中国家通常资本并不丰裕,农村劳动力资源则较为丰富,因而往往以小规模的“小农经济”为主,尽管单产水平大多高于发达国家大规模经营的家庭农场,但农户收入普遍较低。普罗斯特曼等[52]使用了117个国家数据分析结果表明,谷物单产最高的14个国家中有11个是小规模家庭农场占主导地位的国家;世界银行对肯尼亚小农场和大农场的对比分析结果显示,规模在0.5 hm2以下的农场单产是规模在8 hm2以上农场的19倍,但前者的劳动力用量是后者的30倍。小规模家庭经营模式由于劳动力用量大,劳动力成本和管理成本较大,种粮利润必然低下。即使一些地方多年来力图推动规模经营,但从国家和区域整体上看效果不大,总体上还是以劳动力密集型模式为主,加之产量的增幅明显低于种粮成本的涨幅,容易产生“产粮多、收入少”的资源诅咒现象。从2020年谷物总产量占世界2%以上(含)的10个产粮大国(中国、美国、印度、俄罗斯、巴西、阿根廷、印度尼西亚、加拿大、乌克兰、孟加拉国)来看,除了美国和加拿大外,其余8个国家的人均GDP均低于世界平均水平[53,54],按中国2019—2022年平均农村居民人均可支配收入占人均GDP的比值(23.35%)折算,这8个产粮大国2020年农村居民人均可支配收入均在2500美元/人以下,其中,分别占世界谷物产量11.18%和2.00%的印度和孟加拉国2020年农村居民人均可支配收入均在500美元/人以下;印度尼西亚、乌克兰等产粮大国2020年农村居民人均可支配收入亦不足1000美元/人。
国内近30多年来不断地对农田经营规模进行探讨和实践,有不少实证研究指出扩大粮食生产规模可以提升农村居民收入[55]。张守莉等[56]发现吉林公主岭市农户5~20 hm2中等规模经营所获得的平均利润最高,沈玉洁[57]发现河南西华县农户1~10 hm2中等规模经营的种粮利润最高。这里姑且按文献 [56,57] 分析的耕地中等经营规模平均值进行分析,前者为户均12.5 hm2,后者为5.5 hm2,二者平均值为8.5 hm2,照此计算,全国乡村2020年末18665.02户农户共计需要耕地158652.67 hm2,然而2019年末全国第三次国土调查耕地总面积只有12786.19 hm2,对全国乡村2020年末18665.02户50978.76万人实现中等经营规模耕地需求的满足率仅为8.06%。换句话说,从实现中等经营规模耕地需求的角度出发,全国现有耕地数量仅能满足1504.26万户4061.50万乡村人口的耕地资源需求(尚未扣除耕地总面积中尚有25°以上、需要逐渐退耕还林还草的422.52万hm2陡坡耕地[4])。那么,剩余的17160.76户46917.26万乡村人口的出路怎么解决?可见,破解中国当今“耕地—粮食丰裕度”的资源诅咒,尚需依据国情另辟蹊径。
破解“粮财倒挂”现象的基本目标应是将产粮优势切实转变为区域综合发展优势,不断提升粮食主产区的居民收入总体水平,稳定实现不同区域的协调发展,而不仅仅是将眼光放在“为了产粮而产粮”“完成产粮任务和目标”之上。破解的基本思路需要创新,要跳出农业之外来考察农业、思考农业、探究农业,用工业化、产业化的新思维来解决耕地—粮食丰裕度对居民收入的抑制问题。其基本的核心思想还是老话重谈:“无农不稳,无工不富,无商不活”,由此确定的主导性对策是:推动以粮食为主的农业发展“接二连三”,走“三产融合”新模式,有效推进以粮食为主的农业产业链延伸、价值链提升、增收链拓宽,带动区域经济繁荣和城乡居民增收致富,闯出一条有创新、有特色的高质量发展之路。“接二”,着力围绕以粮食为主的农业资源来办工业,以工促农,工农协调发展。一是大力发展包括粮食产品加工产业在内的龙头企业,注重深加工、精加工,辐射带动城乡居民增收;二是围绕粮食等农业生产和加工业发展,大力开发相关机器制造业,并强化科技创新。“连三”,既要大力发展与粮食等农产品生产和加工相关的各类服务业,又要引进“农业+旅游”等特色三产融合项目,延长产业链,提升价值链。

感谢杨金蓉、罗磊和申宜丛3名硕士研究生在协助搜集基础数据过程中所付出的辛勤劳动!

[1]
杨子生, 刘彦随, 赵乔贵, 等. 基于耕地资源利用的区域粮食安全评估原理·方法及其在云南的实践. 北京: 中国科学技术出版社, 2008.

[YANG Z SS, LIU Y S, ZHAO Q G, et al. The Principle and Method of Regional Food Security Assessment Based on Cultivated Land Resource Utilization and Its Practice in Yunnan Province. Beijing: China Science and Technology Press, 2008.]

[2]
央广网—中国乡村之声. 800产粮大县贫困人口3600万为何产粮越多反而越穷?, http://country.cnr.cn/gundong/20150825/t20150825_519647956.shtml, 2015-08-25.

[China National Radio: Voice of China's Countryside. There are 36 million poverty alleviation population in 800 grain-producing counties. Why these counties produce more grain but poorer?, http://country.cnr.cn/gundong/20150825/t20150825_519647956.shtml, 2015-08-25.]

[3]
新浪网. 黑龙江饶河调研报告: 全家种地一年收入不及一人外出打工, https://news.sina.cn/gn/2023-04-11/detail-imypypnq7484335.d.html, 2023-04-11.

[Sina. An investigation report of Raohe county, Heilongjiang province: A family's annual income from farming was less than one person working outside the home, https://news.sina.cn/gn/2023-04-11/detail-imypypnq7484335.d.html, 2023-04-11.]

[4]
国务院第三次全国国土调查领导小组办公室, 自然资源部, 国家统计局. 第三次全国国土调查主要数据公报. 人民日报, 2021-08-27(17).

[Office of the Leading Group for the Third National Land Survey of the State Council, Ministry of Natural Resources, National Bureau of Statistics of the People's Republic of China. Bulletin on the Main Data of the Third National Land Survey. People's Daily, 2021-08-27(17).]

[5]
杜尚泽. 那么粮食怎么办? (微镜头·习近平总书记在中央经济工作会议上). 人民日报, 2021-12-12(1), http://paper.people.com.cn/rmrb/html/2021-12/12/nw.D110000renmrb_20211212_2-01.htm.

[DU S Z. What about the grain? (Micro-lens: President XI Jinping's question at the Central Economic Work Conference). People's Daily, 2021-12-12(1), http://paper.people.com.cn/rmrb/html/2021-12/12/nw.D110000renmrb_20211212_2-01.htm.]

[6]
姚洋. 发展经济学. 北京: 北京大学出版社, 2013.

[YAO Y. Development Economics. Beijing: Peking University Press, 2013.]

[7]
HABAKKUK H J. American and British Technology in the Nineteenth Century. Cambridge, MA: Cambridge University Press, 1962.

[8]
WRIGHT G. The origins of American industrial success, 1879-1940. The American Economic Review, 1990, 80(4): 651-668.

[9]
AUTY R M. Sustaining Development in Mineral Economies:The Resource Curse Thesis. London and New York: Routledge, 1993.

[10]
AUTY R M. Industrial policy reform in six large newly industrializing countries: The resource curse thesis. World Development, 1994, 22(1): 11-26.

[11]
SACHS J D, WARNER A M. Natural resource abundance and economic growth. NBER Working Paper Series 5398. Cambridge, MA: National Bureau of Economic Research, 1995.

[12]
SACHS J D, WARNER A M. Fundamental sources of long-run growth. American Economic Review, 1997, 87(2): 184-188.

[13]
SACHS J D, WARNER A M. The curse of natural resources. European Economic Review, 2001, 45(4): 827-838.

[14]
DAVIS G A. Learning to love the Dutch disease: Evidence from the mineral economies. World Development, 1995, 23(10): 1765-1779.

[15]
MALONEY W F, LEDERMAN D. In search of missing resource curse. Economía Journal, 2008, 9(9): 1-56.

[16]
BRUNNSCHWEILER C N, BULTE E H. Linking natural resources to slow growth and more conflict. Science, 2008, 320(5): 616-617.

[17]
GYLFASON T. Natural resources, education and economic development. European Economic Review, 2001, 45(4-6): 347-375.

[18]
PAPYRAKIS E, GERLAGH R. The resource curse hypothesis and its transmission channels. Journal of Comparative Economics, 2004, 32(1): 181-193.

[19]
张馨, 牛叔文, 丁永霞, 等. 中国省域能源资源与经济增长关系的实证分析: 基于“资源诅咒”假说. 自然资源学报, 2010, 25(12): 2040-2051.

[ZHANG X, NIU S W, DING Y X, et al. Empirical analysis of the relationship between energy resource and economic growth in provinces of China: Based on "resource curse" hypothesis. Journal of Natural Resources, 2010, 25(12): 2040-2051.]

[20]
DONG B, ZHANG Y, SONG H. Corruption as a natural resource curse: Evidence from the Chinese coal mining. China Economic Review, 2019, 57(10): 101314. Doi: 10.1016/j.chieco.2019.101314.

[21]
RAHIM S, MURSHED M, UMARBEYLI S, et al. Does natural resources abundance and human capital development promote economic growth? A case study of the next eleven countries. Resources, Environment and Sustainability, 2021, 4(6): 100018, Doi: 10.1016/J.RESENV.2021.100018.

[22]
王晓楠, 孙威. 黄河流域资源型城市转型效率及其影响因素. 地理科学进展, 2020, 39(10): 1643-1655.

[WANG X N, SUN W. Transformation efficiency of resource-based cities in the Yellow River Basin and its influencing factors. Progress in Geography, 2020, 39(10): 1643-1655.]

[23]
王雅俊, 王雅蕾. 黄河流域城市“资源诅咒”异质性效应研究. 当代经济, 2022, 39(10): 46-53.

[WANG Y J, WANG Y L. Study on the heterogeneity effect of urban "Resource curse" in the Yellow River Basin. Contemporary Economics, 2022, 39(10): 46-53.]

[24]
TORVIK R. Natural resources, rent seeking and welfare. Journal of Development Economics, 2002, 67(2): 455-470.

[25]
BRUECKNER M. Natural resource dependence, non-tradables, and economic growth. Journal of Comparative Economics, 2010, 38(4): 461-471.

[26]
MATSUYAMA K. Agricultural productivity, comparative advantage and economic growth. Journal of Economic Theory, 1992, 58(2): 317-334.

[27]
毕铃, 郭琎. “资源诅咒”的形成机制研究. 政治经济学评论, 2012, 3(4): 173-185.

[BI L, GUO J. A study of the resource curse hypothesis and its transmission mechanisms. China Review of Political Economy, 2012, 3(4): 173-185.]

[28]
姚予龙, 周洪, 谷树忠. 中国资源诅咒的区域差异及其驱动力剖析. 资源科学, 2011, 33(1): 18-24.

[YAO Y L, ZHOU H, GU S Z. On regional difference and drivers of natural resources curse in China. Resources Science, 2011, 33(1): 18-24.]

[29]
王闰平, 陈凯. 资源富集地区经济贫困的成因与对策研究: 以山西省为例. 资源科学, 2006, 28(4): 158-165.

[WANG R P, CHEN K. Causes of poverty and anti-poverty strategies in resource rich area: A case study in Shanxi province. Resources Science, 2006, 28(4): 158-165.]

[30]
崔学锋. 美国规避“资源诅咒”的成功经验及启示. 理论探索, 2013, 30(4): 92-95.

[CUI X F. The successful experience and enlightenment of avoiding the "Resource curse" in the United States. Theoretical Exploration, 2013, 30(4): 92-95.]

[31]
褚艳宁. 生态经济视角下“资源诅咒”向“资源福祉”的转化. 经济问题, 2015, 37(2): 31-34.

[CHU Y N. In view of ecological economy, the transformation from resource-curse to resource-welfare. On Economic Problems, 2015, 37(2): 31-34.]

[32]
AUTY R M. Resource Abundance and Economic Development. Oxford: Oxford University Press, 2001.

[33]
ISHAM J, WOOLCOCK M, PRITCHETT L, et al. The varieties of resource experience: Natural resource export structures and the political economy of economic growth. The World Bank Economic Review, 2002, 19(2): 141-174.

[34]
STIJINS J C. Natural resource abundance and economic growth revisited. Resources Policy, 2005, 30: 107-130.

[35]
张菲菲, 刘刚, 沈镭. 中国区域经济与资源丰度相关性研究. 中国人口·资源与环境, 2007, 17(4): 19-24.

[ZHANG F F, LIU G, SHEN L. Research on relationship between resource abundance and regional economy development in China: Based on resource curse theory. China Population, Resources and Environment, 2007, 17(4): 19-24.]

[36]
文兰娇, 张安录. 武汉城市圈土地资源诅咒空间差异性、空间传导机制及差别化管理. 中国土地科学, 2013, 27(9): 30-37.

[WEN L J, ZHANG A L. Spatial difference and transmission mechanism of the resource curse and the administrative countermeasures in Wuhan Metropolitan Areas. China Land Sciences, 2013, 27(9): 30-37.]

[37]
刘宗飞, 姚顺波, 刘越. 基于空间面板模型的森林“资源诅咒”研究. 资源科学, 2015, 37(2): 379-390.

[LIU Z F, YAO S B, LIU Y. Forest "resource curse" based on spatial panel modeling. Resources Science, 2015, 37(2): 379-390.]

[38]
王毅鑫, 王慧敏, 刘钢, 等. 生态优先视域下资源诅咒空间分异分析: 以黄河流域为例. 软科学, 2019, 33(1): 50-55.

[WANG Y X, WANG H M, LIU G, et al. Spatial distribution analysis of resource curse based on ecological priority: A case study of the Yellow River Basin. Soft Science, 2019, 33(1): 50-55.]

[39]
李文静, 张朝枝. 基于路径依赖视角的旅游资源诅咒演化模型. 资源科学, 2019, 41(9): 1724-1733.

[LI W J, ZHANG C Z. An evolutionary process model of tourism resource curse: Based on path dependence theory. Resources Science, 2019, 41(9): 1724-1733.]

[40]
丁声俊. 粮食大省“资源诅咒”之忧. 黑龙江粮食, 2014, 25(9): 4-8.

[DING S J. The "Resource curse" of grain-rich provinces. Heilongjiang Grain, 2014, 25(9): 4-8.]

[41]
戈大专, 孙攀, 周贵鹏, 等. 传统农区粮食生产转型机制及其安全效应: 基于乡村空间治理视角. 自然资源学报, 2021, 36(6): 1588-1601.

[GE D Z, SUN P, ZHOU G P, et al. Grain production transformation mechanism and the security effects in traditional farming areas: The perspective of rural spatial governance. Journal of Natural Resources, 2021, 36(6): 1588-1601.]

[42]
国家发展和改革委员会. 全国新增1000亿斤粮食生产能力规划 (2009—2020年), https://www.gov.cn/gzdt/2009-11/03/content_1455493.htm, 2009-11-03.

[National Development and Reform Commission of PRC. National plan to increase grain production capacity by 500 billion kilograms (2009-2020), https://www.gov.cn/gzdt/2009-11/03/content_1455493.htm, 2009-11-03.]

[43]
潘竟虎. 中国地级及以上城市城乡收入差距时空分异格局. 经济地理, 2014, 34(6): 60-67.

[PAN J H. Spatiotemporal pattern of urban-rural income gap of prefecture level cities or above in China. Economic Geography, 2014, 34(6): 60-67.]

[44]
孙晓一, 徐勇, 刘艳华. 中国居民收入差距及空间分异特征. 经济地理, 2015, 35(12): 18-25, 42.

[SUN X Y, XU Y, LIU Y H. Residents' income disparity and spatial difference in China. Economic Geography, 2015, 35(12): 18-25, 42.]

[45]
杨子生, 杨人懿, 刘凤莲. 基于贫困分级的云南省城乡收入差距时空演化与影响因素研究. 地理研究, 2021, 40(8): 2252-2271.

[YANG Z S, YANG R Y, LIU F L. Spatio-temporal evolution and influencing factors of urban-rural income gap in Yunnan province based on poverty classification. Geographical Research, 2021, 40(8): 2252-2271.]

[46]
杨人懿, 钟昌标, 杨子生, 等. 精准扶贫政策与农村居民增收: 基于云南省129个县的实证检验. 南开经济研究, 2023, 39(3): 131-150.

[YANG R Y, ZHONG C B, YANG Z S, et al. Targeted poverty alleviation policy and increase of rural residents' income: An empirical test based on 129 counties in Yunnan province. Nankai Economic Studies, 2023, 39(3): 131-150.]

[47]
ZHOU Y, LIU Z, WANG H, et al. Targeted poverty alleviation narrowed China's urban-rural income gap: A theoretical and empirical analysis. Applied Geography, 2023, 157(8): 103000, Doi: 10.1016/J.APGEOG.2023.103000.

[48]
YANG J, HUANG X. The 30 m annual land cover datasets and its dynamics in China from 1985 to 2022 (1.0.2). Zenodo, 2023, https://zenodo.org/record/8176941.

[49]
苏迅. 资源贫困: 现象、原因与补偿. 中国矿业, 2007, 16(10): 11-14.

[SU X. Resources poverty: Phenomena, reasons and compensation. China Mining Magazine, 2007, 16(10): 11-14.]

[50]
陈秧分, 王介勇, 张凤荣, 等. 全球化与粮食安全新格局. 自然资源学报, 2021, 36(6): 1362-1380.

[CHEN Y F, WANG J Y, ZHANG F R, et al. New patterns of globalization and food security. Journal of Natural Resources, 2021, 36(6): 1362-1380.]

[51]
袁源, 王亚华, 徐萍. “非粮化”治理视角下的耕地用途管制: 应对逻辑与体系构建. 自然资源学报, 2024, 39(4): 942-959.

[YUAN Y, WANG Y H, XU P. Cultivated land use control from the perspective of "non-grain" governance: Response logic and framework construction. Journal of Natural Resources, 2024, 39(4): 942-959.]

[52]
罗伊·普罗斯特曼, 蒂姆·汉斯达德, 李平. 中国农业的规模经营: 政策适当吗?. 中国农村观察, 1996, 17(6): 17-29, 63.

[ROY P, TIMOTHY H, LI P. Large-scale farming in China: Is the policy proper?. China Rural Survey, 1996, 17(6): 17-29, 63.]

[53]
国家统计局. 中国统计年鉴(2021). 北京: 中国统计出版社, 2021.

[National Bureau of Statistics of China. China Statistical Yearbook 2021. Beijing: China Statistics Press, 2021.]

[54]
国家统计局. 国际统计年鉴(2022). 北京: 中国统计出版社, 2022.

[National Bureau of Statistics of China. International Statistical Yearbook 2022. Beijing: China Statistics Press, 2022.]

[55]
ZHANG D H. Analysis on the influencing factors of farmers' income in Heilongjiang. Proceedings of 2015 2nd International Conference on Civil, Materials and Environmental Sciences (CMES 2015). Paris: Atlantis Press, 2015: 567-570.

[56]
张守莉, 杨宁, 边爽. 土地经营规模对农户种粮收入的影响分析: 以吉林省公主岭市为例. 中国农业资源与区划, 2017, 38(9): 162-166.

[ZHANG S L, YANG N, BIAN S. Impact of land management on the grain farmers' income: A case of Gongzhuling city of Jilin province. Chinese Journal of Agricultural Resources and Regional Planning, 2017, 38(9): 162-166.]

[57]
沈玉洁. 以河南省西华县为例谈土地经营规模对农户种粮收入的影响. 粮食问题研究, 2020, (2): 43-48.

[SHEN Y J. The impact of land management scale on farmers' income from growing grain: Taking Xihua county in Henan province as an example. Grain Issues Research, 2020, (2): 43-48.]

文章导航

/