中国粮食新质生产力评估：区域差异、动态演进与影响因素

Assessment of China’s new productivity in grain production: Regional differences, dynamic evolution, and driving factors

摘要

为夯实粮食安全根基，推动粮食产业高质量发展。本研究基于中国30个省份的平衡面板数据（统计数据未含西藏自治区及港澳台地区，下同），构建粮食新质生产力的评价指标体系，利用Dagum基尼系数、核密度估计、马尔科夫链转移矩阵与空间杜宾模型等方法探究其区域差异、动态演变与影响因素。结果表明：1）粮食新质生产力水平逐年提高，呈现“主产区>主销区2011—2022年>产销平衡区”的地带性规律，高水平区域集中在东部沿海及中部主产区，低值区域则集中在西部和产销平衡区；2）分维度看，粮食新质劳动资料增速最快，粮食新质劳动者和要素组合优化的增速相对缓慢；3）粮食新质生产力总体差异波动上升，区域间差异是总体差异的主要来源，各区域内极化趋势随时间推移逐渐显现；4）粮食新质生产力发展较为稳定，存在“俱乐部收敛”现象。同时，粮食新质生产力水平与邻域类型具有明显协同性，高水平区域能带动邻近区域的发展；5）经济发展水平能显著促进本地及周边地区粮食新质生产力发展，消费结构转型和城镇化率对本地粮食新质生产力发展表现出积极作用，但对邻近地区发展具有负向效应，极端气候灾害严重制约了粮食新质生产力的发展水平。鉴于此，本研究从聚焦核心发展短板、完善区域协调机制、建立动态监测系统、优化影响因素政策组合等方面提出政策建议。

Abstract

To consolidate the foundation of food security and promote high-quality development of the grain industry， this study utilizes the balanced panel data from 30 Chinese provinces from 2011 to 2022 （Statistics exclude the Xizang Autonomous Region and the Hong Kong， Macao， and Taiwan regions. The same applies below）. An evaluation index system is constructed for new-quality productive forces in the grain sector. Methods such as the Dagum Gini coefficient， kernel density estimation， Markov chain transition matrices， and spatial Durbin models are employed to investigate regional disparities， dynamic evolution， and influencing factors. The results show that： 1） The level of the new quality productivity of grain has been increasing year by year， showing a zonal pattern of “main production areas>main sales areas>production and sales balanced areas”. High-level areas are concentrated in the eastern coastal areas and central main production areas， while low-value areas are concentrated in the western regions and production-sales balanced areas. 2） From the perspective of dimensions， the new quality labor means of grain have the fastest growth rate， while the growth rates of the new quality laborers and the optimization of factor combinations are relatively slow. 3） The overall difference of the new quality productivity of grain has fluctuated and risen， and the regional differences are the main source of the overall differences. The polarization trend within each region has gradually emerged over time. 4） The development of the new quality productivity of grain is relatively stable， and there is a “club convergence”phenomenon. At the same time， the level of the new quality productivity of grain has a significant synergy with the type of neighboring areas， and high-level areas can drive the development of neighboring areas. 5） The level of economic development can significantly promote the development of the new quality productivity of grain in the local and surrounding areas. The transformation of consumption structure and the urbanization rate have a positive effect on the development of the new quality productivity of grain in the local area， but have a negative effect on the development of neighboring areas. Extreme climate disasters severely restrict the development level of the new quality productivity of grain. In view of this， this study proposes policy recommendations from four aspects： focusing on the core development shortfalls， improving the regional coordination mechanism， establishing a dynamic monitoring system， and optimizing the combination of policy and influencing factors.

Graphical abstract

关键词

粮食新质生产力 / 内涵特征 / 区域差异 / 时空演化 / 影响因素

Key words

new quality productivity in grain production / intrinsic characteristics / regional variations / spatio-temporal evolution / influencing factors

新时代以来，粮食生产保障措施及“藏粮于地，藏粮于技”战略实施成效显著，粮食产量连续9年稳步增长，并于2024年突破7 000亿kg，单产高达5 925 kg/hm²。同时，粮食人均占有量超500 kg，远高于国际公认的400 kg粮食安全线，标志着粮食综合生产能力的稳步提升。然而，中国虽已实现“连年丰收”，但人口与资源矛盾的长期存在与粮食需求的刚性增长，导致我国粮食供需仍处于“紧平衡”状态1

1 《习近平关于国家粮食安全论述摘编》： http：//www.qstheory.cn/qshyjx/2023-07/13/c_1129746754.htm

，且农业生产面临核心技术掣肘、生态环境约束、耕地非粮化非农化和新贸易保护主义抬头等诸多挑战，折射出传统粮食生产模式在应对复杂环境变化时的局限性^［1］。因而在新一轮科技革命的关键时期，亟需以现代农业科技为抓手、以化解资源刚性约束为切入点、以增强粮食生产韧性为目标，探索粮食生产模式转型新路径，从而有效防范国际变局和气候变化给粮食生产带来的风险。

在诸多不确定环境下，发展新质生产力作为重要路径取向而被广泛关注，其特征是通过创新驱动加快现代化体系建设，并被应用于各领域以解决“卡脖子”难题^［2-3］。聚焦于粮食生产领域，要解决粮食增产后劲不足、供需缺口持续增大、农业生产资料过度滥用等突出问题^［4］，关键在于发展“粮食新质生产力”。一方面新质生产力可依托科技与数字要素的深度融合，实现粮食生产过程中智能化、规模化和绿色化“三化”协同发展，提升粮食增产动能^［5］。另一方面通过整合新技术、新模式和新设备等驱动粮食全产业链深度转型升级，赋能粮食产业韧性的提升^［6］，同时有助于建立粮食产业“产购储加销”与“种养加一体”等多元化协同发展模式，形成粮食产业现代化发展的新格局。在此背景下，如何发展粮食新质生产力已然成为学界、政界所关注的重要议题，并由此衍生出一系列问题：粮食新质生产力如何测度？其变化趋势如何？呈现怎样的空间分布特征？其影响因素有哪些？厘清上述问题对保障区域粮食安全，驱动“三农”事业高质量发展具有重要现实意义。

目前，学界就新质生产力的内涵特征、逻辑构成等展开了丰富研究并达成共识^［2］。聚焦于农业领域，农业新质生产力的相关研究主要集中于以下三方面：

1）农业新质生产力的内涵逻辑。学者们结合马克思生产力理论将农业新质生产力定义为依托于新技术、新要素、新模式、新动能等特征的现代生产力，其基本内核是以农业数智化为主线，通过系统整合科创资源，推动农业深度转型升级及生产力发生质变，以期实现全要素生产率的提升^［7-11］。

2）农业新质生产力的实证研究。农业新质生产力的量化主要从农业劳动者、农业劳动对象和农业劳动资料3个维度构建指标体系并展开分析^［12-13］，研究发现中国农业新质生产力发展水平虽在时间序列上呈上升趋势，但整体水平仍然偏低，区域差异较大，且差异主要源于组间差异^［14-15］。在此基础上，学者们进一步探讨了农业新质生产力的影响因素，发现数字普惠金融^［16-17］、适度规模经营^［18］、数实深度融合^［19］和能源绿色转型^［20］等对农业新质生产力的发展具有正向影响。

3）农业新质生产力的提升路径。现有研究发现，农业新质生产力的促进路径可通过重构基要生产函数、构建新型农业经营主体等为农业现代化开拓新空间^［3］，通过强化科技与改革双轮驱动实现能源农业到数智农业的跨越性提升，并通过践行“大农业观”“大食物观”等思想观念，加速形成绿色农业生产力^［21］。

综上所述，新质生产力在农业层面的研究已取得一定成果，但围绕粮食新质生产力相关主题较少，仍然存在以下几方面的拓展。第一，粮食产业作为保障国家安全的重要基础，其战略属性明显区别于一般农业，因而粮食新质生产力在内涵特征与评价体系方面具有显著的特殊性，亟须对其进行专门界定与系统测度。第二，虽有少数学者尝试从劳动者、劳动对象、劳动资料3个维度量化粮食新质生产力^［22］，但忽略了要素组合优化是更为重要的指标。第三，已有学者分析了新质生产力在粮食产业的理论应用，但鲜有文献立足于实证视角，全面剖析粮食新质生产力的动态演变及影响因素。鉴于此，本研究在厘清粮食新质生产力内涵特征的基础上，引入要素组合优化的内部效用，运用CRITIC-熵权法测算了粮食新质生产力综合水平，借助Dagum基尼系数、核密度估计、马尔科夫链等工具探究中国粮食新质生产力的区域差异及时空演变格局，并利用空间杜宾模型揭示了其影响因素及空间溢出效应，以期为解决粮食产业面临的核心问题，驱动粮食产业高质量发展提供借鉴。

1　材料与方法

1.1　粮食新质生产力内涵要求及指标体系构建

1.1.1　粮食新质生产力的内涵要求

厘清粮食新质生产力的基本内涵是科学评价其发展水平的前提。粮食新质生产力是由粮食生产技术的革命性突破、粮食生产要素的创新性配置以及粮食产业的深度转型升级，催生的先进生产力。相较于传统生产力，粮食新质生产力具有创新性、技术性、绿色性、动态性等发展特征，其发展更注重数字技术与粮食产业的融合，强调粮食产业在劳动者、劳动对象、劳动资料及要素组合等层面的技术应用能力，旨在摆脱粗放型粮食生产的发展路径，以高效稳定供给、绿色低碳生产为要求，加快推进粮食产业高质量发展。本研究结合马克思生产力理论与粮食新质生产力的基本内涵，对粮食新质生产力的要素特征进行分析（图1）：

一是新型劳动者。劳动者是生产函数中的关键投入要素。传统农业生产条件下，劳动者只需要掌握基本的自然规律，会使用基础的劳动工具，不需要过多的理论知识与技术应用与之匹配。而新型劳动者不仅需要满足高素质、高技能等要求，还需积累足够的文化资本，以熟练操作新型生产工具^［23］。与此同时，在未来的粮食产业，智能化机械设施与拟人机器人的应用将逐步替代部分传统粮食劳动者，形成“自然人+机器人”的协同生产模式^［3］。这一趋势将倒逼出具有知识型、技能型、创新型等先进性特征的劳动者群体，成为粮食产业未来发展的主体力量。因而劳动者具备的知识、技能、意识等成为衡量粮食新型劳动者的首要指标。

二是新型劳动对象。劳动对象是指在生产过程中加工和改造的物质对象。在传统粮食生产中，劳动对象主要为土地、种子和农作物等自然物。而新型劳动对象则是基于科技要素对传统劳动对象的改良以及衍生出的新业态。例如：利用基因技术改良的新型种子，不仅减少了对农药、化肥等传统农资的依赖，还显著提升了作物的抗逆性和稳定性，为粮食产业绿色低碳转型与可持续发展提供了重要支撑。与此同时，随着居民消费结构的不断升级，人们对粮食属性的需求逐渐向“绿色、健康、高质”转变。因而新型劳动对象主要从育种能力、粮食安全、绿色发展、产业延伸4个维度构建指标。

三是新型劳动资料。劳动资料是实现粮食稳定生产的重要条件。传统劳动资料的效用体现在缓解劳动力的生产强度，提升粮食生产的价值增值效应，主要利用传统农具创造出更多的剩余价值^［11］。新型劳动资料则是在前者的基础上，融合更多数字化、智能化等现代技术要素，推动生产方式深度变革。例如，大数据气象自动监测系统、无人机耕作等数智化工具的应用，在解放粮食劳动者脑力与体力的同时，还大幅提升了劳动生产效率和产出质量^［24］。与此同时，区域数字化环境构成了劳动工具持续迭代与创新的重要外部条件，是推动劳动资料现代化的重要动力。因此，智能化设施和数字化环境则成为衡量新型劳动工具的重要指标。

四是要素组合优化。要素组合优化是指不同生产要素从“低层次”均衡组合向“高水平”稳态组合跃迁的高阶生产力质态，是推动要素组合方式从机械叠加转向有机衔接，进而实现要素配置“1+1>2”的组合效应^［25］。其核心机制在于突破传统要素配置的路径依赖，借助数据要素与土地、劳动力、资本等传统要素的深度融合，驱动粮食综合生产能力持续提升。这一过程不仅是对传统农业经济增长模式的突破，更是对农业生产关系和产业结构的深刻调整，为实现粮食产业高质量发展提供了重要支撑。

1.1.2　指标体系构建

基于对粮食新质生产力的内涵分析，设定粮食新质劳动者、粮食新质劳动对象、粮食新质劳动资料、要素组合优化等4个维度，选取13个二级指标和24个三级指标，构建中国省际层面粮食新质生产力的评价指标体系。并使用CRITIC—熵值法综合评价模型对其进行测度。各指标的具体定义见表1。

1.2　研究方法

1.2.1　基于CRITIC-熵权法组合权重的评价模型

熵权法的原理是根据指标间的离散程度来确定权重占比，容易因数据本身大小对测算结果产生偏误。CRITIC则是考虑了指标间对比强度和冲突性，但并未考虑各指标间的离散程度。因此为确保赋权的科学合理性，参考吴忠等^［26］的做法，采用CRITIC-熵权法组合权重对粮食新质生产力各变量进行赋权，各指标权重选取两种方法的均值。

1.2.2　Dagum基尼系数

本研究借助Dagum基尼系数对粮食新质生产力的区域差异进行测度，并进一步将基尼系数分解为区域内差异、区域间差异以及超变密度三部分，深度剖析粮食新质生产力水平的地区差异来源。总体基尼系数公式如下：

G=\frac{{\displaystyle \sum _{j=\mathrm{1}}^k}{\displaystyle \sum _{h=\mathrm{1}}^k}{\displaystyle \sum _{i=\mathrm{1}}^{n_j}}{\displaystyle \sum _{r=\mathrm{1}}^{n_h}}\left|y_{ij}-y_{hr}\right|}{\mathrm{2}{n}^{\mathrm{2}}\overline{y}}（1）

式中：G为总体基尼系数；y_ij 为第i区域包含的第j个省份粮食新质生产力水平；n为省份总数；k为区域总数；\overline{y}为各省粮食新质生产力均值。

1.2.3　核密度估计

核密度估计是一种非参数估计方法，相较于传统参数估计，该方法可使研究对象摆脱未知参数的影响，本研究使用该方法分析中国粮食新质生产力的动态演进及变化趋势。其公式如下：

f(x)=\frac{\mathrm{1}}{Nh}{\displaystyle \sum _{i=\mathrm{1}}^N}K(\frac{X_i-x}{h})（2）

式中：N为样本的数量；h为带宽；k为核函数；X_i 为独立同分布的样本值；x为均值。

1.2.4　Markov链

Markov链通过构造传统与空间概率转移矩阵反映粮食新质生产力演变情况，其公式为：

\begin{array}{l}P\left\{X_i=j\left|\begin{array}{l}{X}_{t-\mathrm{1}}=i_{t-\mathrm{1}},\\ X_{t-\mathrm{2}}=i_{t-\mathrm{2}},\\ \cdots ,X_{\mathrm{0}}=i_{\mathrm{0}}\end{array}\right.\right\}=\\ P\left\{X_t=j\left|X_{t-\mathrm{1}}=i\right.\right\}=P_{ij}\end{array}（3）

P_{ij}=n_{ij}/n_i（4）

式中：P_ij 为由i类型向j类型的转移概率；n_ij 为粮食新质生产力发展水平由t-1年i类型转移为t年j类型的省份数量；n_i 为属于i类型新质生产力发展水平的省份数量。

1.2.5　空间杜宾模型

考虑到粮食新质生产力的影响因素可能存在空间溢出效应，因此参考夏文浩等^［27］的研究，构建空间杜宾模型进行回归，公式如下：

\begin{array}{l}{y}_{it}=\alpha {\displaystyle \sum _{j=\mathrm{1}}^n}{W}_{ij}{y}_{jt}+\beta x_{it}+\\ \theta {\displaystyle \sum _{j=\mathrm{1}}^n}{W}_{ij}{x}_{jt}+{\lambda }_i+{\mu }_t+{\epsilon }_{it}\end{array}（5）

式中：y_it 与x_it 分别为i省份在t年的粮食新质生产力水平和各影响因素；α、β和θ分别为空间自相关系数、回归系数和空间溢出系数；y_jt 为邻近省份的粮食新质生产力水平； W_ij 为空间权重矩阵（经济地理嵌套矩阵）；λ_i 、μ_t 和ε_it 分别为个体、时间固定效应和随机扰动项。

1.3　数据来源及处理

研究样本为中国30个省、自治区及直辖市（统计数据未含西藏及港澳台地区，下同），研究样本期为2011—2022年。本研究大部分数据主要来源于《中国统计年鉴》^［28］ 《中国农村统计年鉴》^［29］ 《中国科技统计年鉴》^［30］ 《人口与就业统计年鉴》^［31］ 《中国财政年鉴》^［32］以及各省份统计年鉴和统计公报等相关统计数据；粮食企业数量来自天眼查数据中心；良种培育的相关数据来自中国种业大数据平台和CNIPA；数字普惠金融指数来自北京大学数字金融研究中心；淘宝村数量来源于阿里研究院；市场化程度来源于樊纲编写的市场化指数。对于少量缺失值，使用线性插值法补齐。此外，所有以货币度量的变量调整为以2011年为基期的实际值。

2　粮食新质生产力时空分化特征

2.1　粮食新质生产力时空分化特征

2.1.1　粮食新质生产力时序变化特征

总体来看，样本期内中国粮食新质生产力水平在时间序列上呈上升趋势，但整体水平依然偏低，各年份粮食新质生产力综合指数的均值均位于0.4以下（图2（a））。从增长率角度来看，粮食新质生产力综合指数从2011年的0.196增加至2022年的0.335，年均增长率为4.994%。特别地，2015年粮食新质生产力水平提速明显，这可能与2015年执行的“粮食安全省长责任制”相关，该政策明确了各省、市、自治区在维护国家粮食安全方面的事权和责任，并在提高粮食生产能力、落实粮食扶持政策、培育发展新型粮食市场主体等方面做了进一步要求。政策内容与粮食新质生产力的基本内涵高度契合，为推动粮食生产向高效、可持续方向发展提供了引擎^［33］。但集箱图（图2（c））中各点的离散程度逐渐变大，初步反映了粮食新质生产力的省际差异不断扩大。

分维度来看，4个维度相较于基期均有一定程度提升，但呈现明显差异化趋势（图2（b））。其中，新质劳动资料增速最快，占总体比值逐年增大，以2011年为基期，2022年增长了144.74%，分别是新质劳动者、新质劳动对象、要素组合水平增速的1.92倍、2.99倍和14.92倍，表明劳动资料的持续优化是粮食新质生产力发展的核心动力。新质劳动对象在考察期内也呈现稳定增长态势，年均增幅为3.69%。这一趋势主要得益于国家围绕农药化肥减量增效与绿色转型所作出的一系列战略性部署。例如，种业振兴行动通过提升优良品种的自主可控性和适应性，不仅增强了粮食作物抗逆性，也在一定程度上降低了对农药、化肥等投入品的依赖。新质劳动者水平在样本期内稳步提升，是政策引导、制度创新与技术进步等多重因素协同作用的结果。一方面，国家高度重视新农人才建设，通过实施新型职业农民培育工程2

2 农业部启动实施新型职业农民培育工程：http：//www.yxzlsx.cn/zhengce/show.php？itemid=1315

、高素质农民培训计划3

3 农业农村部办公厅关于做好高素质农民培育工作的通知：https：//www.gov.cn/zhengce/zhengceku/202406/content_6965671.htm

等政策，显著提升了农业从业者的技术素养与经营管理能力。另一方面，科技进步加速粮食生产方式转型，对劳动者知识结构与技能水平提出更高要求，倒逼人力资本升级^［34］。要素组合水平增长缓慢，年均增速仅为0.96%，远低于其他指标的增长率。造成这一现象的成因在于实际应用中，技术与各类生产要素的融合仍面临“最后一公里”难题，难以有效渗透至粮食生产的各个环节^［35］。同时，小农户在我国农业经营格局中仍占主体地位，生产活动普遍面临规模化程度低、集约化水平不足等问题，严重制约了各类生产要素的高效配置与协同利用。

从粮食功能区划分来看，2011—2022年粮食新质生产力综合指数均值呈“主产区（0.314）>主销区（0.235）>产销平衡区（0.207）”的地带性规律（图2（d））。年均增速方面，主销区最高（6.09%），其次是产销平衡区（4.84%）和主产区（4.61%）。主销区增速领先的原因可能是，在新一轮科技革命的关键时期，该地区能依托其较强的经济实力与创新潜力，有效促进当地数智化要素与农业领域深度融合，加快相关技术革新和生产模式转型，从而持续驱动生产力发展。相较而言，产销平衡区虽然在“一带一路”倡议、“东数西算”工程等政策扶持下，数字化水平有所提升，但整体受制于经济基础薄弱、农业基础设施滞后、机械化水平偏低等因素，其发展粮食新质生产力的内生动力仍较为匮乏，尚未形成显著的“追赶效应”。

2.1.2　粮食新质生产力空间分布特征

样本期内，粮食新质生产力整体呈向上发展态势，但高水平和低水平区域的空间分布表现出明显的分化特征（图3）。具体来看：2011—2017年，粮食新质生产力较低及以下水平的区域范围明显缩小，中等水平区域范围扩大，但较高及以上水平区域较少；2017—2022年，较低及以下水平的区域范围进一步缩小，较高及以上水平的区域明显增多。这表明粮食新质生产力水平的提升并非跨越式增长，而是一个渐进的过程。与此同时，粮食新质生产力的发展呈现出再分化趋势，高值区主要集中在东部沿海及中部主产区，低值区则集中在西部和部分欠发达地区。究其原因，东部沿海及中部主产区智能化基础设施较为完善，能最大化孕育新质生产力发展的载体，而西部及其他欠发达地区多数产业结构较为传统，数智化农业水平相对薄弱，导致粮食新质生产力的发展受限。

分维度来看，新质劳动者整体水平虽有所提高，但高水平区域数量有限。2022年高水平省份仅有4个，而较低及以下水平省份占比超1/3（图4），且空间分布上，较高及以上水平省份主要集中在东部地区及主产区，西部和部分中部省份仍处于较低及以下水平，反映出当前粮食领域专业高素质人才的缺乏与区域发展不平衡问题突出。新质劳动对象层面，全国整体基本向均衡发展推进。2011年，仅有7个省份处于中等发展水平，尚无省份进入较高及以上等级；而2022年中等及以上发展水平的省份占比超过80%，其中较高及以上水平的省份占比达到43.33%。这一变化表明，粮食新质劳动对象的发展已由局部领先向全域提升演进（图5）。新质劳动资料的发展同样表现出强劲的增长势头，较低水平省份大都演化为中等及以上水平，较高及以上水平省份数量从期初的0个增至期末的9个（图6）。这一变化在很大程度上得益于农业机械化与智能化水平的持续提升，越来越多的省份在农机装备研发与技术投入方面的意愿和能力不断提升，推动农业生产条件持续优化。要素组合水平虽然整体发展呈向好态势，但高水平省份仅有2个，部分省份（如青海、甘肃等地）要素组合水平偏低（图7）。

3　粮食新质生产力区域差异与动态演进

3.1　粮食新质生产力区域差异及来源

由图8（a）可知，研究期内粮食新质生产力总体基尼系数呈上升趋势，表明其省际差异总体上有所扩大。这是由于各地区在经济基础、政策扶持、资源禀赋及功能定位等方面存在异质性，不同省份在新质生产力赋能粮食产业发展的进程中存在显著差异。但基尼系数数值在0.139~0.156波动，整体幅度变化不大，这与我国推广的区域协调发展战略核心要义基本相符。

从区域内差异来看，三大功能区的内部基尼系数均有一定程度增大，表明各区域内粮食新质生产力水平差距逐渐拉大。其中，主销区内部差异最大（均值为0.138），其次为主产区（均值为0.091）和产销平衡区（均值为0.073）。主销区内部差异增速明显，这是因为该区域内省份多集中在东部地区，该地区虽然在经济、技术、人才等要素禀赋上具有明显优势，但因经纬度跨越较大，不同省份在产业结构、生产方式、技术转化率等方面存在明显异质性，导致区域内粮食产业发展呈现显著差异化特征。例如浙江、广东等省份虽不以粮食生产为主，但省内依然拥有较为完善的粮食产业链^［36］，且2024年两地粮食自给率稳定在25%左右（远高于北京、上海等地4

4 2024年31个省份粮食自给率情况https：//www.sohu.com/a/780848814_120340049

），能够为技术落地提供良好的自然实验平台。而北京、上海等地受限于土地资源稀缺、产业结构高度非农非粮化等问题，先进技术难以落地实施，致使粮食新质生产力发展的省际差异进一步拉大。

图8（b）为三大粮食功能区区域间差异及差异贡献率。从区域间差异来看，主产区&产销平衡区的差异最大（0.206），主产区&主销区次之（0.172），主销区&产销平衡区的差异最小（0.127）。具体而言，主产区&主销区的差异波动缩小，尤其在2017年后收敛明显。出现这一趋势的原因如下：主产区虽凭借良好的资源禀赋、完善的农业基础设施以及高水平机械化和标准化生产，率先实现粮食产业稳步发展^［37］。但随着高标准农田、绿色防控等核心要素的普及，其边际提升空间逐步收窄。与此同时，主销区虽起步较晚，但在农业供给侧结构性改革、质量兴农、绿色兴农等政策推动下，逐步补齐基础设施短板，且主销区在现代农业技术研发及数字化管理等方面呈现的优势，加速提升了当地粮食新质生产力发展，进一步缩小两者间差距。主产区&产销平衡区的差距虽有一定程度缩小，但收缩趋势并不明显。究其原因，近年来国家虽针对粮食产业进行全域统筹并制定一系列协调发展策略，但产销平衡区正处于由传统农业向现代农业转型的关键阶段，其发展模式尚不稳定，因此对其他地区的追赶效应并不明显。就差异贡献度来看，组间贡献率均值（0.674）远大于超变密度贡献率均值（0.097）及组内贡献率均值（0.230），构成了粮食新质生产力总体差异的主要来源。因此，如何缩小区域间粮食新质生产力差距仍是未来粮食产业发展的工作重心。

3.2　粮食新质生产力的动态演进特征分析

3.2.1　核密度估计

图9（a）为全国层面粮食新质生产力的核密度曲线，发现曲线中心位置总体向右偏移，峰值经历增减起伏且最终相比基期略有下降，波峰宽度扩大，表明考察期内粮食新质生产力整体水平虽逐年提升，但省际间绝对差异显著增加。从分布延展性看，曲线右侧有拖尾现象，且分布延展性逐渐拓宽，说明全国范围内粮食新质生产力的空间差异逐步扩大。从分布形态看，曲线由“一主一次”双峰演化为多峰，说明格局分化趋势加大，领先省份与低水平省份的差距进一步扩大，与基尼系数的结果基本保持一致。

由图9（b）可知，粮食主产区核密度曲线中心位置整体右移，峰值经历增减起伏后最终低于基期，变化区间明显扩大，表明考察期内主产区粮食新质生产力整体增幅明显，区域内绝对差异增大。曲线形态由最初“尖而窄”变为“厚而宽”，“一主一次”的双峰逐渐演化为多峰，说明主产区内部并未实现均衡发展，低水平省份与高水平省份逐渐拉开差距。

由图9（c）可知，粮食主销区密度函数中心位置整体右移，峰值低于基期，曲线宽度明显扩大，表明样本期内主销区粮食新质生产力整体水平有所提高，区域内绝对差异呈扩大趋势。曲线形态由微弱双峰演变为多峰，与全国和主产区相比，主销区内各峰峰值几乎持平，说明主销区格局分化趋势非常明显，区域内粮食新质生产力水平呈现“高水平更高，低水平更低”的分化趋势，难以实现同步发展。

由图9（d）可知，粮食产销平衡区核密度函数曲线中心位置整体右移，峰值相较于基期略有降低，波峰宽度略微变宽，曲线形态由单峰变为微弱双峰，无明显拖尾现象。由此表明，考察期内产销平衡区粮食新质生产力水平提升明显，但省际差距有所扩大，与Dagum基尼系数的结果基本保持一致。

3.2.2　马尔可夫链转移概率矩阵

为进一步分析中国粮食新质生产力的时空演变特征，引入经济地理嵌套矩阵，分别构建传统、空间Markov链转移概率矩阵。粮食新质生产力发展水平被离散为低（Ⅰ）、中低（Ⅱ）、中高（Ⅲ）、高（Ⅳ）4种状态，低向高转移定义为向上转移，高向低转移定义为向下转移。表2为传统马尔科夫链转移概率矩阵的计算结果：1）4种类型对角线的概率值均大于非对角线，说明粮食新质生产力发展水平的类型转移具有稳定性，维持原状的概率较大。2）粮食新质生产力发展存在“俱乐部收敛”现象，低水平和高水平类型在下一阶段维持原有状态类型的概率最大，分别为80.9%和98.6%。3）在相邻年份，粮食新质生产力实现“跨越式”转移的概率为0，说明其发展是一个循序渐进的过程。4）粮食新质生产力向低水平转移的概率较小，例如：水平Ⅱ向水平Ⅰ转移的概率（0.012）小于水平Ⅱ向水平Ⅲ转移的概率（0.264），且水平Ⅲ向水平Ⅱ转移的概率（0.012）小于水平Ⅲ向水平Ⅳ转移的概率（0.222）。

空间马尔科夫链转移概率矩阵旨在分析不同邻域背景下粮食新质生产力的转移概率，探讨邻域背景对省份粮食新质生产力转移的影响。表3为空间马尔科夫链转移概率矩阵，根据结果可知：1）空间分布格局会影响粮食新质生产力的转移过程。对比传统马尔科夫链概率转移矩阵，在不同邻域背景下，粮食新质生产力的转移概率发生了明显变化。2）粮食新质生产力发展水平与邻域类型具有协同性。当领域类型为Ⅱ时，在t时段粮食新质生产力处于中低水平的省份数量明显多于其他邻域类型的省份数量，当邻域类型为Ⅳ时，在t时段粮食新质生产力处于高水平的省份数量亦明显多于其他邻域类型的省份数量。3）一般来说，当与高水平区域相邻时，该省份粮食新质生产力水平向上转移的概率将增大。例如，邻域背景为Ⅳ时，水平Ⅱ向水平Ⅲ转移的概率（0.600）和水平Ⅲ向水平Ⅳ转移的概率（0.364）均高于传统马尔科夫链的结果。

4　粮食新质生产力的空间溢出效应与驱动因素分析

4.1　粮食新质生产力的空间相关性检验

根据前述图3粮食新质生产力的空间分布特征可以发现，各省份粮食新质生产力发展水平呈现明显的地理集聚态势。为进一步定量验证区域间是否存在空间自相关性，本研究采用总体莫兰指数进行分析。表4汇报了基于经济地理嵌套矩阵下粮食新质生产力的全局莫兰指数。可以发现，研究期内全局莫兰指数正向显著，表明粮食新质生产力发展存在显著的正向空间自相关性，有明显的集聚特征，即粮食新质生产力水平较高（较低）的省份，更有可能与相同发展水平的省份在空间上相邻。

4.2　粮食新质生产力的驱动因素分析

4.2.1　影响因素选取

本研究在借鉴已有文献研究成果^［14］的基础上，综合考虑各省份粮食新质生产力发展的实际情况，选取经济发展水平等5个解释变量，采用空间杜宾模型定量进行分析。具体选取指标如下：1）经济发展水平（EC），经济发展水平是推动粮食新质生产力提升的重要基础条件，本研究使用人均GDP取对数衡量地区的经济发展水平。2）消费结构转型（CST），消费结构升级意味着对生产端要求更高，可迫使粮食生产者改变传统粗放的生产方式，采用更先进的技术、更严格的标准、更精细的管理模式，以提供符合新消费需求的粮食产品^［38］。本研究以农村居民家庭恩格尔系数的倒数衡量消费结构转型。3）城镇化率（UR），城镇化带来的技术溢出效应能够促进生产资料更新迭代，进而提高劳动生产率和土地产出率。然而，城镇扩张也可能带来耕地资源的非农化占用，制约粮食生产的集约化与规模化发展。本研究使用城镇常住人口与总人口的比值表示城镇化率。4）劳动力老龄化（LA），老年劳动者由于体力和劳动能力的下降，可能会降低粮食生产的稳定性与强度。且年龄偏大的劳动者对新技术、新设备的接受能力较弱，不利于农业机械化、智能化等现代生产方式的推广与应用^［39］。本研究使用农村居民65岁以上人口数量占比表示劳动力老龄化。5）极端气候频率（FEW），极端气候灾害的频发不仅直接造成粮食减产，影响农业生产者的收入稳定性，还可能通过市场供需机制引发粮食价格波动，从而增加消费者负担。本研究使用极端低温、高温、降雨、干旱日数四者的和与全年天数的比值表示极端气候的发生频率。

4.2.2　空间计量模型选择检验

通过上述全局莫兰指数发现，中国粮食新质生产力存在明显的空间相关性，因此在探究粮食新质生产力影响因素时应将空间效应纳入考虑范围。根据检验结果发现（表5）：首先，LM检验的各统计值均通过了显著性检验，说明拒绝无空间自相关的原假设。此外，Wald检验和LR检验均在1%水平下显著，说明空间杜宾模型（SDM）不能退化为空间滞后模型（SAR）或空间误差模型（SEM），选择SDM模型更为合理。最后，Hausman检验的统计值显著为正，因此应选择双向固定效应的空间杜宾模型分析中国粮食新质生产力的驱动因素及空间溢出效应。

4.2.3　空间杜宾模型估计结果

经济发展水平（EC）对粮食新质生产力的发展具有显著的正向促进作用，其直接效应与间接效应的系数分别为0.009和0.020。这表明经济发展水平高的地区不仅能利用资本积累、技术进步和制度完善等途径推动本地粮食新质生产力的提升，还能通过要素流动、技术扩散等方式对周边地区产生正向的“扩散效应”，从而带动区域整体发展。消费结构转型（CST）对本地粮食新质生产力同样具有显著的促进作用，这说明在消费结构转型视域下，消费者对高质量粮食的需求能够刺激并驱动生产工具的创新，通过快速迭代不断优化劳动资料^［40］，从而提升当地新质生产力水平。但消费结构转型对邻近地区具有负向空间效应，在一定程度上抑制了周边地区的资源配置效率与竞争能力。城镇化率（UR）的直接效应系数为0.305，且在1%水平上显著，说明推动了当地粮食新质生产力的发展，但对邻近地区起到了明显的限制作用，这可能源于城镇化推进过程中，人才、资本等优质要素向核心区域集聚，形成“虹吸效应”，抢夺周边地区粮食新质生产力所需的资源要素。劳动力老龄化（LA）对粮食新质生产力的影响并未通过显著性检验，表明农村劳动力老龄化并不是影响粮食新质生产力的主要因素。究其原因，劳动力老龄化对粮食新质生产力的影响具有一定的复杂性和非线性特征，且农业机械化与智能化水平的不断提高，在一定程度上弱化了劳动力年龄结构对生产效率的影响。极端气候频率（FEW）对本地区及邻近地区粮食新质生产力的发展均有显著的负向影响，系数分别为-0.013和-0.127，反映出极端气候事件的频发不仅会直接干扰本地粮食生产系统的稳定性，还可能通过生态、市场与供应链等渠道对周边地区产生较强的负面空间传导效应，进一步加剧区域粮食安全风险（表6）。

5　结论与建议

5.1　研究结论

第一，中国粮食新质生产力水平逐年提升，但整体水平偏低。各维度中粮食新质劳动资料增速最快，粮食新质劳动者和要素组合效率增速则相对缓慢。分区域看，粮食新质生产力水平呈“主产区>主销区>产销平衡区”的地带性分布规律，高水平区域主要集中在东部沿海及中部主产区，低水平区域则集中在西部和产销平衡区。

第二，Dugum基尼系数结果显示，中国粮食新质生产力水平的总体差异波动上升，且区域间差异是造成总体差异的主要来源，其中差异最大的是主产区与产销平衡区，其次分别为主产区与主销区、主销区与产销平衡区。区域内部差异大小表现为“主销区>主产区>产销平衡区”的特征。

第三，核密度估计结果显示，全国与各区域内粮食新质生产力水平的绝对差异有所提升且格局分化趋势随时间推移逐渐显现。马尔科夫链结果显示，中国粮食新质生产力发展水平具有稳定性，且存在“俱乐部收敛”现象，相邻年份实现跨越式发展的难度较大。粮食新质生产力发展水平与邻域类型具有协同性，且邻域背景在影响粮食新质生产力转移概率中发挥了重要作用，当与高水平的区域相邻时，粮食新质生产力发展类型向上转移的概率将增大。

第四，粮食新质生产力发展水平有明显的空间集聚特征。经济发展水平对本地及周边地区粮食新质生产力发展具有显著促进作用。消费结构转型和城镇化率对本地粮食新质生产力发展表现出积极作用，但限制了邻近地区发展。极端气候频率严重制约了粮食新质生产力的发展水平。农村劳动力老龄化对粮食新质生产力的影响较弱。

5.2　对策建议

第一，聚焦粮食新质生产力核心短板，分类施策提升关键要素增长动能。一方面，国家应积极完善粮食新质生产力发展体系，持续深化人工智能、大数据等数字技术在粮食产业领域的应用，有效革新产业经营模式，统筹打造“全场景、全链条、全领域”的一体化运行机制。另一方面，亟需构建多元化、全链条的“新粮人”培育体系，对不同层次劳动者开展具有针对性的知识技能培训。同时，积极完善土地、资本、技术等要素的高效配置机制，推动“要素组合效率”持续提升。

第二，完善区域协调发展机制，着力缩小区域差距。首先，应继续巩固主产区国家粮食安全“压舱石”的作用，通过开展先行试点政策，充分发挥高水平省份的辐射作用。其次，利用主销区创新要素的集聚优势，推动跨区域合作创新平台建设，鼓励主销区与其他地区开展共建共享项目，实现技术、人才、市场等要素的有序流动。最后，加大对产销平衡区等相对薄弱地区的财政支持与项目倾斜，推动公共资源向“短板”区域集聚，缩小区域间粮食新质生产力差距。

第三，建立健全多元动态监测系统，提升粮食新质生产力发展韧性。一方面，依托国家粮食安全战略大数据平台，加强粮食新质生产力动态评估与预警，及时掌握发展格局变化及区域分化新趋势，推动分级分类政策精准落地。另一方面，强化对重点转型升级省份和“潜力型”区域的政策引导和资源配置，探索建立激励“跨越发展”与合作互促的机制。同时支持区域间“组团联动”项目，引导高水平区域带动周边，提升整体粮食新质生产力发展韧性和活力。

第四，强化协同治理与风险防控，优化影响因素政策组合。首先，应强化农业与工业、服务业融合发展，发挥龙头企业和产业联盟作用，带动全产业链升级，提升经济发展的带动效应。其次，应注重区域利益协调，防止资源过度集中于核心区域，增强周边区域的承接能力。再次，应完善气象灾害预警和应急管理体系，推进耐逆性品种选育及绿色防控技术创新，提高粮食生产的抗风险能力。最后，通过政策引导促进青年人才返乡创业，完善农业社会保障体系，缓解农村劳动力老龄化带来的潜在风险。

参考文献

[1] 曲丽丽， 李美娆， 刘畅. 数字普惠金融对中国粮食生产安全的影响：效应与机制［J］. 学习与探索， 2024（12）： 92-102

[2] Qu L L， Li M R， Liu C. The impact of digital inclusive finance on China’s food production security： Effects and mechanisms ［J］. Study & Exploration， 2024（12）： 92-102 （in Chinese）

[3] 周文， 许凌云. 论新质生产力：内涵特征与重要着力点［J］. 改革， 2023（10）： 1-13

[4] Zhou W， Xu L Y. On new quality productivity： Connotative characteristics and important focus［J］. Reform， 2023（10）： 1-13 （in Chinese）

[5] 罗必良， 耿鹏鹏. 农业新质生产力：理论脉络、基本内核与提升路径［J］. 农业经济问题， 2024（4）： 13-26

[6] Luo B L， Geng P P. New quality agricultural productivity： Theoretical framework， core concepts， and enhancement pathways ［J］. Issues in Agricultural Economy， 2024（4）： 13-26 （in Chinese）

[7] 高鸣， 宋嘉豪. 以新质生产力全面夯实粮食安全根基的理论逻辑与现实路径［J］. 社会科学辑刊， 2024（4）： 134-142， 239， 241

[8] Gao M， Song J H. The theoretical logic and practical pathways for comprehensively consolidating food security with new quality productive forces［J］. Social Science Journal， 2024（4）： 134-142， 239， 241 （in Chinese）

[9] 高鸣， 杨新宇. 农业增效益： 数字技术赋能粮食产业高质量发展的实践进路［J］. 学习与探索， 2025（2）： 23-32， 2

[10] Gao M， Yang X Y. Increasing agricultural benefits： The practical path of digital technology empowering the high-quality development of the grain industry ［J］. Study & Exploration， 2025（2）： 23-32， 2 （in Chinese）

[11] 丁存振， 纪祥宇. 全球粮食供应链韧性测度及其演化研究［J］. 地理科学进展， 2025， 44（1）： 103-116

[12] Ding C Z， Ji X Y. Resilience of the global grain supply chain and change［J］. Progress in Geography， 2025， 44（1）： 103-116 （in Chinese）

[13] 李光勤， 李梦娇. 中国省域新质生产力水平评价、空间格局及其演化特征［J］. 经济地理， 2024， 44（8）： 116-125

[14] Li G Q， Li M J. Provincial-level new quality productive forces in China： Evaluation， spatial pattern and evolution characteristics ［J］. Economic Geography， 2024， 44（8）： 116-125 （in Chinese）

[15] 孔祥智， 谢东东. 农业新质生产力的理论内涵、主要特征与培育路径［J］. 中国农业大学学报：社会科学版， 2024， 41（4）： 29-40

[16] Kong X Z， Xie D D. The theoretical connotation， main characteristics and development path of the new quality agricultural productive forces［J］. Journal of China Agricultural University： Social Sciences， 2024， 41（4）： 29-40 （in Chinese）

[17] 黄季焜. 农业新质生产力： 内涵与外延、潜力与挑战和发展思路［J］. 中国农村观察， 2024（5）： 19-34

[18] Huang J K. New quality productive forces in agriculture： Connotation and denotation， potential and challenges，and development ideas ［J］. China Rural Survey， 2024（5）： 19-34 （in Chinese）

[19] 姜长云. 农业新质生产力： 内涵特征、发展重点、面临制约和政策建议［J］. 南京农业大学学报：社会科学版， 2024， 24（3）： 1-17

[20] Jiang C Y. The agricultural new quality productive forces： Connotations， development priorities， constraints and policy recommendations for the development ［J］. Journal of Nanjing Agricultural University： Social Sciences Edition， 2024， 24（3）： 1-17 （in Chinese）

[21] 罗必良. 论农业新质生产力［J］. 改革， 2024（4）： 19-30

[22] Luo B L. On the new quality productivity forces in agriculture［J］. Reform， 2024（4）： 19-30 （in Chinese）

[23] 杨和平， 李红波. 农业新质生产力对耕地利用生态效率的影响：以长江经济带为例［J］. 中国土地科学， 2024， 38（11）： 94-104

[24] Yang H P， Li H B. Impact of agricultural new quality productivity on ecological efficiency of cultivated land use： A case study of the Yangtze river economic belt［J］. China Land Science， 2024， 38（11）： 94-104 （in Chinese）

[25] 范振楠， 覃朝晖， 丁志国， 谭其佳. 中国农业新质生产力对粮食生产碳排放的影响及机制［J］.资源科学， 2025， 47（6）： 1312-1326

[26] Fan Z N， Qin Z H， Ding Z G， Tan Q J. Impact of China’s new quality agricultural productive forces on carbon emissions from grain production and its mechanism ［J］. Resources Science， 2025， 47（6）： 1312-1326 （in Chinese）

[27] 高静， 朱金涛， 李裕瑞， 龚燕玲， 申美. 中国农业新质生产力的时空格局与强农效应［J］. 地理学报， 2025， 80（5）： 1386-1404

[28] Gao J， Zhu J T， Li Y R Gong Y L， Shen M. Spatio-temporal pattern of China’s new quality agricultural productive forces and their impact on agriculture ［J］. Acta Geographica Sinica， 2025， 80（5）： 1386-1404 （in Chinese）

[29] 杨军鸽， 王琴梅. 数字农业新质生产力发展水平的地区差异及收敛性［J］. 西安财经大学学报， 2025， 38（1）： 43-57

[30] Yang J G， Wang Q M. Regional differences and convergence of the development level of new quality productivity in digital agriculture［J］. Journal of Xi’an University of Finance and Economics， 2025， 38（1）： 43-57 （in Chinese）

[31] 贾康， 郭起瑞. 数字普惠金融对农业新质生产力的影响研究［J］. 华中师范大学学报：人文社会科学版， 2024， 63（4）： 1-13

[32] Jia K， Guo Q R. A study on the impact of digital inclusive finance on new agricultural productive forces［J］. Journal of Central China Normal University： Humanities and Social Sciences， 2024， 63（4）： 1-13 （in Chinese）

[33] 曾福生， 陈慧卿. 数字金融对省域农业新质生产力的影响［J］. 经济地理， 2025， 45（9）： 200-209，217

[34] Zeng F S， Chen H Q. Impact of digital finance on agricultural new quality productive forces at the provincial level［J］. Economic Geography， 2025， 45（9）： 200-209，217 （in Chinese）

[35] 刘同山， 刘婕. 适度规模经营促进了农业新质生产力形成吗：基于“生产力—生产方式—劳动生产率”框架的实证分析［J］. 改革， 2024（10）： 44-61

[36] Liu T S， Liu J. Does appropriate scale management promote the formation of new quality productive forces in agriculture： Empirical analysis based on the framework of “productive forces-production mode-labor productivity ”［J］. Reform， 2024（10）： 44-61 （in Chinese）

[37] 王佳宜， 范馨月. 数实深度融合、颠覆性技术创新与农业新质生产力［J］. 商业研究， 2024（6）： 91-99

[38] Wang J Y， Fan X Y. Deep integration of data and reality， disruptive technological innovation， and new agricultural productivity ［J］. Commercial Research， 2024（6）： 91-99 （in Chinese）

[39] 郑棣， 王丽程， 王娟. 能源绿色转型促进农业新质生产力发展：基于结构变迁与效率变革视角［J］. 农村经济， 2025（2）： 96-105

[40] Zheng D， Wang L C， Wang J. Energy green transition promotes the development of agricultural new-quality productive forces： From the perspective of structural change and efficiency transformation ［J］. Rural Economy， 2025（2）： 96-105 （in Chinese）

[41] 张海鹏， 王智晨. 农业新质生产力：理论内涵、现实基础及提升路径［J］. 南京农业大学学报：社会科学版， 2024， 24（3）： 28-38

[42] Zhang H P， Wang Z C. The agricultural new quality productive forces： Content characteristics， practical basis and path of enhancement ［J］. Journal of Nanjing Agricultural University： Social Sciences Edition， 2024， 24（3）： 28-38 （in Chinese）

[43] 李盛竹， 薛枫， 姜金贵. 农业数字化对中国粮食新质生产力的影响效应研究［J］. 农林经济管理学报， 2024， 23（4）： 435-445

[44] Li S Z， Xue F， Jiang J G. Effect of agricultural digitization on new productive forces of food in China［J］. Journal of Agro-Forestry Economics and Management， 2024， 23（4）： 435-445 （in Chinese）

[45] 李星明， 张鸿浩， 周明闪， 时朋飞， 夏天. 中国文旅新质生产力发展水平评估及其区域差异分析［J］. 地理科学进展， 2025， 44（5）： 908-923

[46] Li X M， Zhang H H， Zhou M S， Shi P F， Xia T. Development level of new quality productivity of cultural and tourism industry in China and its regional differences［J］. Progress in Geography， 2025， 44（5）： 908-923 （in Chinese）

[47] 王琴梅， 杨军鸽. 数字新质生产力与我国农业的高质量发展研究［J］. 陕西师范大学学报：哲学社会科学版， 2023， 52（6）： 61-72

[48] Wang Q M， Yang J G. Research on digital new quality productivity and high-quality development of Chinese agriculture［J］. Journal of Shaanxi Normal University： Philosophy and Social Sciences Edition， 2023， 52（6）： 61-72 （in Chinese）

[49] 黄先海， 黄雨晗， 虞柳明.人工智能赋能农业新质生产力：实现逻辑、运行机制与跃升路径［J］. 中国农村经济， 2025， （7）： 3-22

[50] Huang X H， Hang Y H， Yu L M. Artificial intelligence empowers new quality productive forces in agriculture： Realization logic， operation mechanism， and leapfrog path ［J］. Chinese Rural Economy， 2025（7）： 3-22 （in Chinese）

[51] 吴忠， 关娇， 何江. 最低工资标准测算实证研究：基于CRITIC-熵权法客观赋权的动态组合测算［J］. 当代经济科学， 2019， 41（3）： 103-117

[52] Wu Z， Guan J， He J. An empirical study on the calculation of minimum wage standard： Dynamic combination calculation based on objective weight of critic-entropy weight method ［J］. Modern Economic Science， 2019， 41（3）： 103-117 （in Chinese）

[53] 夏文浩， 霍瑜， 逯渊， 王超毅. 新疆农业碳排放的时空差异与空间溢出效应分析［J］. 干旱区地理， 2024， 47（6）： 1084-1096

[54] Xia W H， Huo Y， Lu Y， Wang C Y. Spatialtemporal differences and spatial spillover effects of agricultural carbon emissions in Xinjiang［J］. Arid Land Geography， 2024， 47（6）： 1084-1096 （in Chinese）

[55] 国家统计局. 中国统计年鉴［M］. 北京： 中国统计出版社， 2011—2022

[56] National Bureau of Statistics. China Statistical Yearbook［M］. Beijing： China Statistics Press， 2012-2022 （in Chinese）

[57] 国家统计局农村社会经济调查司. 中国农村统计年鉴［M］. 北京：中国统计出版社， 2011—2022

[58] Rural Socioeconomic Investigation Department of National Bureau of Statistics of China. China Rural Statistical Yearbook［M］. Beijing： China Statistics Press， 2012-2022 （in Chinese）

[59] 国家统计局社会科技和文化产业统计司. 中国科技统计年鉴［M］. 北京： 中国统计出版社， 2011—2022

[60] Department of Social Science， Technology and Cultural Industry Statistics， National Bureau of Statistics. China Science and Technology StatisticalYearbook［M］. Beijing： China Statistics Press， 2011-2022 （in Chinese）

[61] 国家统计局. 人口与就业统计年鉴［M］. 北京： 中国统计出版社， 2011—2022

[62] National Bureau of Statistics. China Population & Employment Statistics Yearbook［M］. Beijing： China Statistics Press， 2011-2022 （in Chinese）

[63] 中国财政年鉴编辑委员会. 中国财政年鉴［M］. 北京： 中国财政杂志社， 2011—2022

[64] China Financial Yearbook Editorial Committee. China Financial Yearbook［M］. Beijing： China Financial Journal Press， 2011-2022 （in Chinese）

[65] 夏文浩， 张俊飚， 曹增栋， 柳祺祺. 粮食安全省长责任制、农村产业融合与粮食新质生产力［J］. 华东经济管理， 2025， 39（8）： 1-14

[66] Xia W H， Zhang J B， Cao Z D， Liu Q Q. Provincial governor’s responsibility system for food security， integration of rural industries， and new quality productive forces in food ［J］. East China Economic Management， 2025， 39（8）： 1-14 （in Chinese）

[67] 李健斌， 周浩. 人工智能、资本-技能互补与企业全要素生产率［J］. 经济评论， 2025（1）： 20-36

[68] Li J B， Zhou H. Artificial intelligence， capital-skill complementarity and enterprise total factor productivity ［J］. Economic Review， 2025（1）： 20-36 （in Chinese）

[69] 蒋永穆， 孟林. 新质生产力保障粮食安全： 逻辑、困境及路径［J］. 湖湘论坛， 2025， 38（1）： 22-33

[70] Jiang Y M， Meng L. Ensuring food security with new quality productive forces［J］. Huxiang Forum， 2025， 38（1）： 22-33 （in Chinese）

[71] 陈睿， 王玉峰， 张玲玲， 王其， 张永奇. 中国粮食产业链韧性和安全水平：发展评估、时空分异及驱动机制［J/OL］. 系统工程理论与实践，（--）. ［--］.

[72] Chen R， Wang Y F， Zhang L L， Wang Q， Zhang Y Q. The resilience and security of grain industry chain in China： Development assessment， spatio-temporal differentiation anddriving mechanism ［J/OL］. Systems Engineering-Theory & Practice，（--）. ［--］. in Chinese）

[73] 尹春凤， 周海川， 张利庠. 大食物观下新质生产力赋能粮食产业链韧性：理论逻辑与现实证据［J］. 中国农业大学学报， 2025， 30（9）： 278-289

[74] Yin C F， Zhou H C， Zhang L X. New quality productivity empowering the resilience of the grain industry chain under the big food view： Theoretical logic and practical evidence［J］. Journal of China Agricultural University， 2025， 30（9）： 278-289 （in Chinese）

[75] 张琳， 张瑞涛， 杨艳涛. 大食物观下构建多元化食物供给体系：挑战、潜力与可持续路径［J］. 经济纵横， 2025（7）： 54-64

[76] Zhang L， Zhang R T， Yang Y T. Building a diversified food supply system with an all-encompassing approach to food： Challenges，potential，and sustainable development paths ［J］. Economic Review Journal， 2025（7）： 54-64 （in Chinese）

[77] 蒋健， 吴海涛. 农村人口老龄化对农业新质生产力的影响效应与作用机制［J］. 华东经济管理， 2025， 39（8）： 72-82

[78] Jiang J， Wu H T. The impact and mechanism of rural population aging on the new quality productive forces in agriculture［J］. East China Economic Management， 2025， 39（8）： 72-82 （in Chinese）

[79] 欧阳金琼， 魏德强， 王雨濛. 人工智能对新质生产力的影响：基于新一代人工智能创新发展试验区的政策效应［J］. 软科学， 2025， 39（3）： 28-36

[80] Ouyang J Q， Wei D Q， Wang Y M. The impact of artificial intelligence on new qualitative productivity： Based on new generation of artificial intelligence innovation and development pilot zone policy effects［J］. Soft Science， 2025， 39（3）： 28-36 （in Chinese）

基金资助

国家社会科学基金项目(23BGL206)