我国大豆生产波动动因分析*
——基于省际面板模型的实证研究

李维刚，张晓东，宋继华，孙 丹

（佳木斯大学经济与管理学院，黑龙江 佳木斯 154007）

一、引 言

大豆在我国粮食生产中有着重要的地位，是仅次于稻谷、玉米、小麦的第四大农作物，是人类植物蛋白质及油脂的主要来源，大豆产业的发展对我国粮食安全有着特殊的意义。2000年以来，我国豆油和豆粕消费量分别以9.4%和10.0%的速率增长，据统计，2017～2020年我国大豆消费量已连续四年超过1亿吨，2020年我国大豆表观消费量达到11 985万吨（张鑫，2021）。大豆需求旺盛的背后却是国内较低自给率和持续较高的对外依存度，2014～2020年我国大豆自给率在15%左右，对外依存度高达85%左右。针对大豆的高对外依存度，国家不断调整粮食产业政策。“十三五”期间，中国实施以调减玉米为重点的种植结构调整，开展大豆玉米轮作补贴，提高大豆生产者补贴标准，再次启动大豆振兴计划，以推动大豆生产发展。2019年，中央全面深化改革委员会第十次会议审议通过的《关于实施重要农产品保障战略的指导意见》中指出，“十四五”期间中国大豆生产的目标应是“提单产、稳面积”（司伟，2021）。2021年中央一号文件强调，要坚持并完善大豆生产补贴政策，提升粮食和重要农产品供给保障能力，关键问题是在有限的耕地上实现粮食安全目标，必须向土地要粮，向科技要粮，“藏粮于地”“藏粮于技”，靠不断创新粮食增产技术保障粮食产量持续稳定增长，走依靠科技进步提高单产的内涵式发展道路，降低对外依存度，这是粮食生产和粮食产业发展的必然选择（陈杰，2019），也是大豆生产和大豆产业发展的必然选择。然而，我国大豆的生产波动频繁，由图1 可知，2000～2022年间我国大豆产量同比有十年呈下降趋势，有十二年呈上升趋势，而且波动幅度非常大，最大降幅超过15%，最大升幅超过25%。找出影响大豆单产、种植面积的影响因素，是实现“提单产、稳面积”的首要举措。

图1 大豆产量增减趋势

二、相关研究文献评述

梳理相关研究文献发现，目前国内相关的研究主要集中在三个方面：一是大豆（粮食）单产、总产量影响因素研究；二是大豆种植面积影响因素研究；三是大豆生产效率研究。

（1）关于大豆（粮食）产量影响因素的研究。在大豆单产方面，张战国（2014）分析了黑龙江省大豆单产的影响因素，研究认为提高种子投入和化肥投入能够有效提高大豆单产。在粮食单产方面，冯颖（2012）通过Cobb-Douglas生产函数构建了我国1998～2009年间31个省市（自治区、直辖市）有效灌溉与粮食单产的面板数据模型，认为有效灌溉率、单位面积化肥使用量及单位面积农业财政支出对粮食单产有显著正向作用，受灾率对粮食单产有显著负面影响，而单位农业机械动力与单位劳动力对粮食单产无显著作用。在大豆总产量方面，陈立新（2019）应用系统GMM 模型，分析影响我国大豆主产区大豆产量的主要因素，研究发现：农业机械化、有效灌溉面积、耕地面积对我国大豆产量有十分显著的促进作用，而化肥使用量、财政支农、农业劳动力对大豆的产量促进作用不明显。在粮食总产量方面，王新华（2015）利用湖北省2004～2011 年间17个地市的面板数据实证分析了湖北省粮食产量的影响因素，结果表明：农业劳动力、耕地面积、农业机械化对湖北省粮食产量有显著影响，而化肥施用量对湖北省粮食产量无显著影响。此外，也有学者提出规模化大豆产区大豆联合收割机优选方案（乔金友，2014），分析了我国大豆主产区的农业机械化现状（乔金友，2017），还有学者系统分析了黑龙江省农田及大豆田农药总用量、单位面积用量以及不同品种农药用量的变化特点，同时利用数学模型灰色预测法对数据进行整合分析（孙浩，2018），检验了土地治理投入对粮食生产的影响（赵和楠，2021）。

（2）关于大豆种植面积影响因素研究。李孝忠（2008）分析了我国大豆主产省区大豆播种面积波动的原因，回归结果表明，我国大豆主产省区的大豆与其竞争作物的净收益差异是导致不同省区大豆播种面积变化的主要原因；赵利飞（2014）利用固定效应模型对影响我国大豆播种面积的因素进行了分析，研究表明：大豆与竞争作物的相对比较收益对我国大豆播种面积具有负向作用。

（3）关于大豆生产效率研究。乔金友（2015）采用模糊综合评价法对我国16个大豆产区的生产能力进行评价；彭超（2020）运用随机前沿生产函数模型，评估农业机械化对农户“加总”粮食生产技术效率的作用效果；王欧（2016）利用超越对数生产函数对机械和劳动力投入产出弹性以及两者间的技术替代弹性测算；高扬（2020）构建多产出—多投入的超越对数生产函数，量化分析东北三省大豆和玉米的产出弹性、要素替代弹性和产品转化率；王善高（2019）采用随机前沿生产函数测算了大豆种植的技术效率，并从技术效率提升视角和播种面积扩大视角分别计算了大豆的增产潜力；马晓妍（2020）运用DEA-SBM模型分析计算了高标准农田建设资金效率值，并指出资金投入产出无效率的原因。

现有研究为本研究奠定了良好基础并提供了丰富参考，但仍有一些不足。一是对于大豆生产波动动因分析多数采用大豆的产量作被解释指标，不能区分大豆产量的变化是来自大豆单产变化还是来自种植面积的变化，不能反映我国大豆生产变化的真正动因；二是研究区域的选取采用我国传统大豆主产区，未反映我国大豆生产区域的变动情况；三是有些因素影响结论并不一致，如化肥量的投入、农业机械化等。本文贡献主要有三个方面：其一，在大豆生产趋势变动分析的基础上，采用大豆单产和大豆种植面积作为被解释变量，分析大豆增产区、减产区和波动区的大豆单产和大豆种植面积影响因素；其二，在已有研究文献中影响因素选取未考虑科技因素对大豆生产的影响，本研究引入了科技人员投入和科研经费投入两个科技影响因素；其三，在已有的文献中影响因素分析采用当期数据，未考虑影响因素的滞后性，本研究引入影响因素的滞后变量，建立省际面板数据模型，以期能更客观分析我国大豆生产波动的影响因素。

三、研究设计

（一）基本模型设定

面板数据能更好地识别和度量时间序列或截面数据不可发觉的效应，有助于建立和检验更复杂的行为模型，其基本模型如下：

其中：yit是个体i在时间t时期的观测值，α表示模型的常数项，xit表示k阶解释变量观测值向量。β表示解释变量的系数向量，εit是独立同分布的误差项，即E（εit）=0。

基本模型的影响因素采用的当期数据，没有考虑到有些因素的影响具有时滞性，比如科研的投入并不会当年产生效果，有一些指标是年底的数据，例如拖拉机的数量，对于粮食生产在下一年才会产生效果。因此，本研究对基本模型进行修正，引入影响因素的滞后项，修正后基本模型如下：

在以往的众多大豆生产研究中主要采用大豆的总产量作为被解释变量，大豆的产量是单位面积产量与种植面积的乘积，在实际的生产过程中，众多要素的投入或影响大豆的单产，或影响种植面积，或二者兼而有之。因此，本文选取大豆的单产和种植面积作为被解释变量，建立大豆单产与种植面积两个面板模型。

（二）影响因素分析

经济学家往往将生产力划分为两部分，一部分是“土地、劳动和资本”，另一部分则是“技术变化”。在大豆生产中，化肥、农药是大豆生产的必不可少的生产要素（张战国，2014；冯颖，2012；王新华，2015）。大豆根部有根瘤菌，可以把土壤中的氮元素转化为大豆生产必需的有机质，根据土地盐碱性、土壤矿物质含量，因地制宜地使用化肥，特别是磷肥、氮肥，从而促进大豆生产；大豆易感染病虫害，农药可以用于大豆生产过程中的病虫害防治，对大豆产量增加、质量的提高具有积极作用，大豆病虫害的有效防治可以减少大豆生产上的损失，从而达到增产增收的目的。在大豆种植面积的影响因素中，化肥、农药的投入体现的是生产的成本要素。

伴随着农业机械化的进程，实际从事农业生产的农民已越来越少，这使大规模使用机械生产成为可能。农业机械投入对粮食生产的影响路径主要有两个，一个是播种面积，另一个是土地生产率。机械投入对土地生产率的影响在于机械可以实现一些依靠人力、畜力所不能达到的生产力水平，比如依靠大马力拖拉机实现的“深松翻”和“少免耕”技术，不仅能减轻对土壤的压实，还能减少土壤水分蒸发和水土流失，提高土壤蓄水和保墒能力，改善土壤结构，增加有机质含量，从而起到增产作用。农业机械总动力是各动力机械的发动机额定功率总和，是农业生产中常采用的指标，但由于我国各省份中大豆种植面积差异较大，采用农业机械总动力没有可比性。借鉴相关文献（乔金友，2014；乔金友，2017；彭超，2020；王鸥，2016）的研究成果，本研究采用大中型拖拉机、小型拖拉机、收割机等不同种类动力机械对大豆生产的贡献，可使研究更加科学合理。

农业是弱质产业，受自然因素影响大，受灾率对粮食的单产有显著的负面作用，也会影响农民种植大豆的积极性（冯颖，2012）。国家非常重视农业生产抵御自然灾害能力的提升，大力发展水利设施的建设，提升有效灌溉面积，从而提高粮食综合生产能力（马晓妍，2020），也会提升农民种植的积极性。因此，引入成灾面积、有效灌溉面积作为大豆生产条件因素。

农业科技的应用既可促进资源要素利用效率的提升，又可通过影响各要素间的边际技术替代率，突破诸如耕地等稀缺要素资源约束，改变原有要素组合配置进而实现粮食增产（姜松等，2012）。要实现“藏粮于地、藏粮于技”必须要向土地要粮，向科技要粮。因此，引入包括科技人员、科技经费投入的科技要素。

农业作为国民经济的基础产业具有高风险性和弱质性，大豆作为一种农产品同样如此，国家针对大豆的政策对于农民决定是否种植大豆以及种植面积的选择都有一定的影响（赵利飞，2014）。随着国家经济的发展，这种支持力度也会越来越大。2014年中央一号文件启动东北和内蒙古大豆目标价格改革试点建设，当市场价格高于目标价格时，国家不发放补贴。因此，在大豆面积模型中引入政策虚拟变量G，并规定2015～2020年期间G取值为1，其余年份G取值为0。

根据古典经济学的“理性人”假设，农户在做任何生产决定时均出于追求利益最大化的原则，综合考虑自己的收益与所付出的成本，而土地作为农业生产的重要生产要素，具有稀缺性，农户在决定种植一种作物时必然放弃了种植其他作物的收益。与竞争作物相比，如果种植大豆能够取得更高的成本收益，农户就会扩大种植面积，反之，农户会选择减少大豆种植面积。因此，在大豆种植面积模型中引入玉米种植面积作为大豆种植的竞争因素。

根据以上的理论分析，大豆单产与种植面积模型的解释变量如表1所示：

表1 解释变量说明

根据以上分析：

建立大豆单产模型如下：

其中εit为随机干扰项。

建立大豆面积模型如下：

其中νit为随机干扰项。

为探究机械化耕作、机械化收割、产研结合对大豆单产以及大豆种植面积的影响，引入大中型拖拉机与大豆种植面积交叉项、小型拖拉机与大豆种植面积交叉项衡量机械化耕作水平，引入收割机与大豆种植面积交叉项衡量机械化收割水平，引入科研人员投入与科研资金投入交叉项衡量产研结合程度。建立模型如下：

建立大豆单产模型如下：

其中γit为随机干扰

建立大豆面积模型如下：

其中ζit为随机干扰项。

（三）数据来源及说明

本研究数据来源于《中国农业统计资料1949-2019》《中国农村统计年鉴》《中国科技统计年鉴》。对大豆总产量取平均值，去掉年均总产量小于10 万吨的省份（新疆、广东、福建、北京、宁夏、西藏、海南、天津、青海、上海），数据包括黑龙江省、内蒙古自治区等21个省份22年（1999～2020年）面板数据。为减小异方差的影响，实证中除政策指标外，其余指标数据均做对数处理，采用软件为Stata14.0版本。

四、大豆生产趋势与实证结果分析

（一）大豆生产趋势分析

1.大豆总产量与种植面积变动情况

由表2 可知，1999～2004 年期间，总产量平均值超过50 万吨的省份有黑龙江、吉林、安徽、河南、山东、内蒙古、江苏、河北、辽宁9个省份，占到全国总产量的75.43%；2005～2009年期间，有黑龙江、内蒙古、安徽、吉林、河南、江苏、四川7个省份，占到全国总产量的72.93%；2010～2014年期间，有黑龙江、内蒙古、安徽、河南、四川、吉林、江苏7个省份，占到全国总产量的67.94%；2015～2019 年期间，仅有黑龙江、内蒙古、安徽、四川、河南5 个省份产量就占到了全国总产量的70.13%；1999～2019年期间黑龙江、内蒙古、安徽、河南4个省份的平均产量均在50万吨以上，黑龙江省稳居全国产量首位，占比由33.37%上升到42.45%，内蒙古由1999～2004年的第6名跃居全国第2名，安徽省排名稳定在第3名，四川省在1999～2004年排名在10名以外，到2015～2019年跃居全国第4名，吉林省由全国第2 名省份下降到第6 名，山东省由全国第5 名省份下降到第9 名，河北、辽宁由1999～2004年期间前10名跌出10名以外。由以上分析可知，我国大豆的主产区发生了较大的变化，黑龙江、内蒙古、安徽、四川、河南成为大豆最主要的产区，占比达到70.13%。

表2 前10名省份大豆产量（万吨）与占比情况 （%）

由图2可知，内蒙古、四川、云南、重庆4个省份的产量保持持续增长，吉林、河南、山东、江苏、河北、辽宁、广西、甘肃8 个省份的产量持续降低，黑龙江、安徽、湖北、湖南、山西、浙江、陕西、江西、贵州9个省份产量呈波动趋势，其中黑龙江产量在波动中保持增长的趋势。

由图2与图3对比可知，各省大豆种植面积增减趋势与大豆总产量增减趋势一致。

图2 各省大豆产量增减趋势

图3 各省大豆种植面积增减趋势

2.大豆单产变动情况

1999～2019年期间，我国大豆平均单产经历了三个周期（按照波峰-波峰的规律）：1999～2004年为第一个周期，周期为6年，2004～2011年为第二个周期，周期为7年，2011～2019年为第三个周期，周期为8年。第二个波动周期的波动幅度最大，达到约400公斤/公顷，其次为第一个周期，波动幅度约200公斤/公顷，第三个周期波动幅度较为平缓，约100公斤/公顷。总体而言，2007年以后大豆的单产处于增长趋势（见图4）。

图4 全国大豆平均单产趋势

山东、内蒙古、河北、湖南、四川、广西、江西、云南、重庆9个省份的大豆单产保持持续增长趋势，与1999～2004 年期间平均单产比较，其中云南的单产提升幅度最大，每公顷增产约1 100 公斤，提高约88%，其次为重庆、河北、江西、内蒙古、山东、湖南、广西和四川，每公顷分别增产约870、810、740、500、360、270、220 和110 公斤，单产提高分别约76%、54%、44%、42%、15%、13%、12%和5%；只有吉林和江苏两省的单产持续减少，与1999～2004年期间平均单产比较，吉林省每公顷减少了约750公斤，减产约27%，江苏省每公顷减少约210公斤，减产约8%；黑龙江、安徽、河南三个省份2005～2009 年期间，平均单产骤减，后持续恢复，2015～2019 年期间基本恢复到1999～2004年期间的单产水平；辽宁、湖北、四川、浙江、陕西5个省份的单产先保持持续增长，后有所减少；山西省的单产先持续减少后恢复到1999～2004年期间水平，贵州省总体上看单产减少（见图5）。

图5 各省大豆单产趋势

吉林、河南、山东、江苏、河北、辽宁、湖北、湖南、浙江、江西、云南、重庆的单产比（当年各省单产与全国平均单产的比值乘以100）大于100，高于全国平均单产水平；安徽、内蒙古、广西、山西、甘肃、贵州的单产比大部分时间小于100，低于全国平均单产水平；黑龙江省与全国平均单产水平相当（见图6）。

图6 各省大豆单产比

（二）实证结果分析

根据上文分析，按照大豆单产增减趋势将大豆产区划分为三个区域：大豆单产持续增长区，包括内蒙古、四川、云南、重庆；大豆单产持续减少区，包括吉林、河南、山东、江苏、河北、辽宁、广西、甘肃；大豆单产波动区，包括黑龙江、安徽、湖北、湖南、山西、浙江、陕西、江西、贵州。

本文建立的随机效应模型采用逐步回归，逐步加入生产资料、生产条件、农业机械、科技要素解释变量后，变量系数绝对值发生变化，个别变量显著性有所变化，但作用方向基本保持不变，进一步验证本模型的稳健性（见表3～表5）。

表3 增产区大豆单产模型回归结果

表4 减产区大豆单产模型回归结果

表5 波动区大豆单产模型回归结果

1.单产影响因素分析

由方程（4）（10）（16）可知：

（1）生产资料投入对大豆单产的影响

化肥投入对增产区、减产区、波动区的大豆单产影响均不显著（10%显著性水平）。化肥投入对增产区、波动区大豆单产影响为正向，虽然可以提升大豆的单产，但提升作用有限；化肥投入对减产区的大豆单产影响为负向，这可能是该地区化肥投入已超出大豆生产所需肥力的上限，增加化肥的投入反而会降低大豆的单产。农药投入对增产区（10%显著性水平）和波动区（1%显著性水平）的大豆单产影响显著且为正向，农药的投入在该区域可以有效减少病虫害和杂草对单产的影响，进而显著提升大豆单产；农药投入对减产区影响不显著且为负向，这可能是该区域农药投入已超出大豆生产所需农药的上限，增加农药的投入反而会降低大豆的单产。

（2）生产条件对大豆单产的影响

灌溉条件的改善对增产区、减产区和波动区大豆单产影响均为正向，仅对减产区影响显著（10%显著性水平），对增产区和波动区的影响均不显著。可能原因，其一是用于我国大豆生产灌溉的基础设施还比较薄弱，对大豆单产提升作用不明显，其二是灌溉条件的改善主要用于水稻田的灌溉。自然灾害对三个地区的影响均不显著，说明自然灾害不是大豆单产波动的显著影响因素。

（3）种植机械化对大豆单产的影响

大中型拖拉机的投入对增产区、减产区和波动区大豆单产影响均不显著（10%显著性水平），对增产区和波动区影响为负向，对减产区影响为正向；小型拖拉机的投入增产区大豆单产影响显著（10%显著性水平）且为正向，说明小型拖拉机的投入是增产区大豆单产提升的一个显著因素，小型拖拉机的投入对减产区和波动区的影响均为负向，对减产区影响不显著（10%显著性水平），但对波动区的影响非常显著（1%显著性水平），说明小型拖拉机的投入对减产区和波动区大豆单产提升已经达到最大程度；收割机对增产区和波动区的大豆的单产影响均为正向，对增产区影响显著（10%显著性水平），对波动区影响不显著（10%显著性水平），对减产区的大豆单产影响为负向且显著（10%显著性水平），说明收割机的投入是增产区大豆单产提升的一个显著因素。

从大中型拖拉机、小型拖拉机、收割机与播种面积交互作用项看，大中型拖拉机机械化耕作可以显著提升减产区大豆单产（1%显著性水平），机械化收割可以显著提升增产区的大豆单产（10%显著性水平），小型拖拉机机械化耕作对波动区（1%显著性水平）、机械化收割对增产区（1%显著性水平）大豆单产影响显著为正，但对减产区（5%显著性水平）的影响显著为负，见方程（6）（12）（18）。

（4）科技要素对大豆单产的影响

科技人员的投入对减产区、波动区的大豆单产影响为正向，对增产区的影响为负向，但影响均不显著（10%显著性水平），科研资金的投入对增产区、减产区和波动区的大豆单产影响均为正向，仅对减产区影响显著（10%显著性水平）。

从科研人员和科研资金交互作用项看，对减产区（1%显著性水平）、波动区（10%显著性水平）大豆单产提升作用显著，这说明要将产、研紧密结合才能有效提升大豆的单产，见方程（6）（12）（18）。

从以上分析可知：在5%显著性水平上，机械化收割是影响增产区大豆单产的显著因素；机械化收割、产研结合是影响减产区大豆单产的显著因素；农药投入、小型拖拉机投入是影响波动区的大豆单产的显著因素。

2.种植面积影响因素分析

由方程（24）（32）（40）可知（见表6～表8）：

表6 增产区大豆种植面积模型回归结果

表7 减产区大豆种植面积模型回归结果

表8 波动区大豆种植面积模型回归结果

续表8 波动区大豆种植面积模型回归结果

（1）玉米种植积对大豆种植面积影响

玉米种植面积对增产区、波动区大豆种植面积影响均为正向，仅对增产区的影响显著（1%显著性水平），对减产区大豆种植面积影响为负向且不显著，说明玉米面积与大豆面积不构成明显的竞争关系。

（2）生产资料投入对大豆种植面积影响

化肥的投入对增产区、减产区、波动区的大豆种植面积影响均为负向，对减产区（5%显著性水平）、波动区（10%显著性水平）影响显著；农药的投入对增产区、减产区、波动区的大豆种植面积影响均为负向，仅对波动区影响显著（1%显著性水平）。原因可能是化肥、农药的投入增加种植成本，会降低农民种植大豆的积极性，化肥成本的增加对于减产区、波动区影响更显著，农药成本增加对减产区影响更显著。

（3）生产条件对大豆种植面积影响

灌溉条件的改善对增产区、减产区、波动区大豆种植面积影响均为正向，对增产区（1%显著性水平）和波动区（1%显著性水平）影响显著，但对减产区影响不显著（10%显著性水平）。原因可能是灌溉条件的改善会显著提升农民扩大种植大豆面积的积极性，对增产区、波动区的影响更显著。自然灾害对减产区和波动区大豆种植面积影响为负向，但仅对减产区影响显著（5%显著性水平），说明自然灾害仅是减产区大豆种植面积的显著影响因素。

（4）种植机械化对大豆种植面积影响

大中型拖拉机的投入对增产区、减产区、波动区大豆种植面积的影响均为正向，但影响均不显著（10%显著性水平）；小型拖拉机的投入对减产区、波动区大豆种植面积影响为正向，仅对波动区影响显著（10%显著性水平），对增产区影响为负向显著（1%显著性水平）；收割机的投入对减产区、波动区大豆种植面积影响为负向，仅对减产区影响显著（1%显著性水平），对增产区影响为正向显著（10%显著性水平）。

从大中型拖拉机、小型拖拉机与播种面积交互作用项看，机械化耕作可显著提升增产区、减产区和波动区的大豆种植面积；从收割机与播种面积交互作用项来看，机械化收割可提升增产区的大豆种植面积，但对减产区、波动区的种植面积影响为负向，对减产区的影响显著（1%显著性水平），这说明减产区、波动区的大豆的机械化收割程度偏低，见方程（26）（34）（40）。

（5）科技要素对大豆种植面积影响

科技人员的投入对减产区的大豆种植面积影响为正向显著（5%显著性水平），对增产区和波动区的影响均不显著；科研资金的投入对减产区（1%显著性水平）、波动区（5%显著性水平）的大豆种植面积影响显著且均为负向，对增产区的影响不显著，可能原因是科研资金主要投入到水稻、玉米、小麦主粮生产的科研。

从科研人员和科研资金交互作用项看，仅对增产区（1%显著性水平）大豆种植面积提升作用显著，对减产区、波动区大豆种植面积影响为负向且不显著，见方程（26）（34）（40）。

（6）政策对大豆种植面积影响

大豆目标价格政策在10%显著性水平上对增产区、减产区和波动区的大豆种植面积影响不显著，可见大豆目标价格政策不会显著提升农民种植积极性，并未达到政策预期目的。

从以上分析可知：在5%显著性水平上，玉米种植面积、灌溉条件、小型拖拉机投入、大中小型机械化耕作、产研结合是影响增产区大豆种植面积的显著因素；化肥投入、受灾情况、收割机投入、科研人员投入、科研资金投入、大中小型机械化耕作、机械化收割是影响减产区大豆种植面积的显著因素；农药投入、灌溉条件、科研资金投入、大中小型机械化耕作是影响波动区大豆种植面积的显著因素。

五、结论与政策建议

（一）结论

1.大豆的主产区发生了显著变化

黑龙江、内蒙古、安徽、四川、河南成为大豆最主要的产区，占比达到70.13%。内蒙古、四川、云南、重庆4个产区的产量保持持续增长，吉林、河南、山东、江苏、河北、辽宁、广西、甘肃8个省份的产量在持续降低，黑龙江、安徽、湖北、湖南、山西、浙江、陕西、江西、贵州9个省份产量呈波动趋势。各省大豆种植面积的增减趋势与大豆总产量增减趋势一致。

2.大豆的单产总体上呈增长趋势

山东、内蒙古、河北、湖南、四川、广西、江西、云南、重庆9个省份的大豆单产保持增长的趋势，黑龙江、安徽、海南、辽宁、湖北、四川、浙江、陕西、山西9个省份的单产呈波动增长趋势，吉林和江苏两省出现“双减”，即大豆单产和大豆种植面积均减少。吉林、河南、山东、江苏、河北、辽宁、湖北、湖南、浙江、江西、云南、重庆的单产高于全国平均单产水平；安徽、内蒙古、广西、山西、甘肃、贵州单产低于全国平均单产水平；黑龙江省与全国平均单产水平相当。

3.实证结果表明

（1）大豆单产影响因素：在5%显著性水平上，机械化收割是影响增产区大豆单产的显著因素；机械化收割、产研结合是影响减产区大豆单产的显著因素；农药投入、小型拖拉机的投入是影响波动区的大豆单产的显著因素。

（2）大豆种植面积影响因素：在5%显著性水平上，玉米种植面积、灌溉条件、小型拖拉机投入、大中小型机械化耕作、产研结合是影响增产区大豆种植面积的显著因素；化肥投入、受灾情况、收割机投入、科研人员投入、科研资金投入、大中小型机械化耕作、机械化收割是影响减产区大豆种植面积的显著因素；农药投入、灌溉条件、科研资金投入、大中小型机械化耕作是影响波动区大豆种植面积的显著因素。

（二）政策建议

第一，我国大豆生产地域辽阔，大豆的主产区发生了显著变化，大豆生产条件存在显著差异，大豆产业政策的制定需要充分考虑地区差异；第二，探索科学的化肥、农药的施用方法，规范施肥用药的环节，控制化肥农药的使用量，降低大豆种植成本，开发高效、低毒、低残留的生态肥料和农药；第三，加大财政对农田水利基础设施建设的支持，采用喷滴灌、微灌、低压管灌、渠道防渗等工程，有效提高大豆单产和种植面积；第四，促进耕地合理集中，提高农业机械化水平和降低机械化的成本，加大农业科技研发投入，开发适合大豆生产的农业机械；最后，加大科技人员和科研经费的投入，依靠科技进步和现代农业要素的投入促进大豆产业持续发展，实现“藏粮于地，藏粮于技”。