中国粮食供应链韧性的时空演变特征与驱动机理

Spatiotemporal evolution characteristics and driving mechanisms of grain supply chain resilience in China

摘要

为探究中国粮食供应链韧性的演变特征及驱动机理，本研究基于2014—2023年中国31个省份（不含港澳台地区，下同）的面板数据，构建评价指标体系，利用熵值法测算粮食供应链韧性水平，运用泰尔指数探索其区域差异来源，通过空间马尔科夫链刻画其状态转移及空间联动特征，并构建空间杜宾模型识别驱动因子及空间溢出效应。结果表明：1）中国粮食供应链韧性整体呈波动上升趋势，空间上呈现“东高西低、东北平稳”的非均衡格局。2）泰尔指数分解显示，粮食供应链韧性的总体差异、组间及组内差异均呈缩小态势，其中组内差异是构成总体差异的主要来源。3）空间马尔科夫链分析表明，粮食供应链韧性存在路径依赖特征，且受相邻省份状态的溢出影响。4）驱动力分析显示，基础交通设施、科技投入水平、数字化基础对本地粮食供应链韧性具有显著正向直接效应。其中，数字化基础兼具本地增效与正向空间溢出效应，是核心驱动力；而科技投入由于存在成果转移壁垒，表现出负向空间溢出。此外，财政支农力度对本地有支撑作用，但存在负向空间溢出。综上，应强化数字赋能以夯实全产业链协同基础，优化区域联动机制以平衡政策溢出效应，并针对东、中、西部差异化制定韧性提升路径，以筑牢国家粮食安全防线。

Abstract

To explore the evolution characteristics and driving mechanisms of China’s grain supply chain resilience， based on panel data from 31 provinces in China （The data do not include those of Hong Kong， Macao， and Taiwan regions，the same below） from 2014 to 2023， this study constructed an evaluation index system and employed the entropy weight method to measure the resilience level of the grain supply chain. The Theil index was used to explore the sources of regional differences， the spatial Markov chain was utilized to characterize state transitions and spatial linkage features， and the Spatial Durbin Model （SDM） was constructed to identify driving factors and spatial spillover effects. The results showed that： 1） The resilience of China’s grain supply chain generally exhibited a fluctuating upward trend， presenting an unbalanced spatial pattern of “high in the east， low in the west and stable in the northeast”. 2） The decomposition of the Theil index indicated that the overall difference， inter-group difference， and intra-group difference of grain supply chain resilience were all narrowing， with intra-group differences being the primary source of the overall difference. 3） Spatial Markov chain analysis demonstrated that grain supply chain resilience possesses “path dependence” characteristics and was influenced by the spillover from the status of neighboring provinces. 4） Driving force analysis revealed that basic transportation infrastructure， scientific and technological investment， and digital foundation had significant positive direct effects on local grain supply chain resilience. Among them， the digital foundation served as the core driving force with both local efficiency enhancement and positive spatial spillover effects， while scientific and technological investment showed negative spatial spillovers due to barriers in achievement transformation. Additionally， financial support for agriculture supported local resilience but exhibited negative spatial spillover. In conclusion， it is suggested to strengthen digital empowerment to consolidate the foundation of full-industry chain synergy， optimize regional linkage mechanisms to balance policy spillover effects， and formulate differentiated resilience enhancement paths for the eastern， central， and western regions to fortify the national grain security defense line.

关键词

粮食供应链韧性 / 时空差异 / 空间马尔科夫链 / 空间杜宾模型 / 溢出效应

Key words

grain supply chain resilience / spatiotemporal differences / spatial Markov chain / spatial Durbin model / spillover effects

在全球供应链深度调整与气候风险相互交织、彼此叠加的全新发展阶段，世界百年未有之大变局加速演进，地缘政治冲突频繁爆发，极端气候事件持续对国际农产品贸易格局产生扰动。在此复杂环境之下，粮食供应的稳定性以及可获得性遭遇严峻挑战。中国作为人口众多的大国，构建具备强大抗冲击能力、高度自适应能力以及可持续恢复能力的粮食供应链体系，已然成为夯实国内粮食安全，保障社会经济平稳运行的迫切要求。党的二十届三中全会明确提出，要“围绕构建现代化产业体系，提升产业链供应链韧性和安全水平”^［1］。2025年中央一号文件首次将“全链条韧性建设”确立为现代农业体系的核心目标，文件要求加强粮食在生产、收购、储存、加工、销售等环节的协同保障，健全全链条监管机制，以提升粮食供应链的韧性与可持续性^［2］。这一系列政策导向，标志着我国粮食安全战略正经历着从过去侧重“产量安全”，向如今统筹“产能安全”与“体系韧性安全”并重的深刻转型。基于此背景，深入剖析我国粮食供应链韧性在时间与空间维度上的演变特征，探究其背后的核心驱动力因素，具有极为重要的现实意义与理论价值。

现有研究普遍将粮食供应链韧性界定为系统应对内外部冲击的“抵抗‑恢复‑变革”能力^［3］，并构建多维度指标体系进行量化。测度方法包括熵值法^［4］、复杂网络模型^［5］、动态熵权法^［6］等，涵盖生产稳定性、流通效率、技术创新等指标，以评估不同环节的韧性水平^［7］。在影响因素与驱动机制层面聚焦3类核心驱动力：一是技术驱动。数字经济通过智慧农业、区块链溯源提升供应链效率^［8］，数字金融通过信贷支持和风险分散增强恢复能力^［9］。二是政策驱动。法治保障的框架构建^［10］、区域利益协调^［11］。三是市场与环境驱动。国际供应链波动倒逼进口渠道多元化^［12］，气候变化推动抗灾技术应用^［3］。在时空演变与区域差异层面，我国粮食供应链韧性呈现“时间升级、空间分化”特征：时间维度上，我国粮食供应链韧性发展呈现清晰的阶段性演进态势，2000年前后依托生产规模扩张实现初步发展，2010年后依托数字技术赋能迈入提质升级阶段，近年来则聚焦全链条优化，进入系统性韧性深化的高质量发展阶段^［13］；空间维度上，东部因数字基础设施和产业基础表现出较高韧性，中部依托主产区优势快速提升，西部受自然条件和技术约束韧性较弱^［14-15］。在应对策略层面，提出了“内外协同”路径：国内通过耕地保护、技术创新强化生产端韧性^［16］，通过优化物流网络、应急储备提升流通韧性^［17］；国际通过“一带一路”农业合作、海外粮源基地建设拓宽供应链^［18］。

基于对国内外文献的系统梳理，发现现有研究在理论构建与实证分析层面可能存在2点不足：一是在评价结果分析上，粮食供应链韧性区间差异研究多停留在区域横向比较层面，仅关注同一时间节点的韧性数值差异，缺乏对差异来源、形成机理及动态演化规律的深入挖掘，难以揭示核心驱动因素与长期变化趋势；二是在影响因素考察上，现有研究多局限于单一维度的静态分析，既未充分纳入区域空间溢出效应以体现动态关联，也忽视了不同空间单元在资源禀赋、经济基础、产业布局上的异质性，导致对韧性影响机制的刻画不够全面精准，无法完整呈现多因素作用的复杂路径。鉴于此，本研究基于2014—2023年我国31个省份面板数据，构建粮食供应链韧性评价指标体系并进行测度，综合运用泰尔指数、空间马尔科夫链及空间杜宾模型，深入探究其时空演变特征、区域差异来源、状态转移趋势及核心驱动力空间溢出效应，旨在识别影响粮食供应链安全的关键因子，以期为打造高韧性、高安全的粮食全链条保障体系提供差异化建设路径与政策参考。

1　评价指标体系构建与研究方法

1.1　评价指标体系构建

粮食供应链韧性被定义为在面临自然灾害^［19］、市场波动^［20］等风险时，粮食供应链各环节（原料、生产、加工、销售）能够保持稳定、快速恢复、灵活适应，并推动供应链升级的综合能力^［21-22］。本研究以粮食供应链韧性的3种能力为基础，从抵抗能力、恢复能力、变革能力3个方向进行测量，具体指标见表1。为保障评价指标结果的稳健性和便捷性，以熵值法对各地区的粮食供应链韧性水平进行测度。

1.2　研究方法

1.2.1　熵值法

本研究采用熵值法设定指标权重，对中国31个省（自治区、直辖市，不含港澳台地区，下同）2014—2023年的粮食供应链韧性水平量化计算，最终得到各省份各年的韧性综合得分。具体步骤如下：

1）评价指标的设定。

2）指标规范化处理。对指标进行无量纲化处理，正、负项指标处理方法分别如下：

z_{ij}=\frac{x_{ij}-\mathrm{m}\mathrm{i}\mathrm{n}\left(x_j\right)}{\mathrm{m}\mathrm{a}\mathrm{x}\left(x_j\right)-\mathrm{m}\mathrm{i}\mathrm{n}\left(x_j\right)}（1）

z_{ij}=\frac{\mathrm{m}\mathrm{a}\mathrm{x}\left(x_j\right)-x_{ij}}{\mathrm{m}\mathrm{a}\mathrm{x}\left(x_j\right)-\mathrm{m}\mathrm{i}\mathrm{n}\left(x_j\right)}（2）

式中：i为省份；j为评价指标；z_{ij}为第i个省份在第j项指标上的标准化得分；x_{ij}为第i个省份第j项评价指标测度值；\mathrm{m}\mathrm{a}\mathrm{x}\left(x_j\right)和\mathrm{m}\mathrm{i}\mathrm{n}\left(x_j\right)分别为第j项指标在所有省份中的最大值和最小值。

3）计算第j项评价指标的熵值e_j。

s_{ij}=\frac{z_{ij}}{{\sum }_{i=\mathrm{1}}^N z_{ij}}（3）

k=\frac{\mathrm{1}}{\mathrm{l}\mathrm{n}N}（4）

e_j=-k{\sum }_{i=\mathrm{1}}^N \left(s_{ij}\mathrm{l}\mathrm{n}\left(s_{ij}\right)\right)（5）

式中：s_{ij}为第j项指标下第i个省份的指标比重；k为熵值计算常数，k>\mathrm{0}；N为省份总数，N=31。

4）计算各项指标权重w_j。

d_j=\mathrm{1}-e_j（6）

w_j=\frac{d_j}{{\sum }_{j=\mathrm{1}}^m d_j}（7）

式中：d_j为第j项指标的信息效用值；m为评价指标数，m=18。

5）计算第i个省份的粮食供应链韧性综合得分R_i。

R_i={\sum }_{j=\mathrm{1}}^m z_{ij}\times w_j（8）

1.2.2　泰尔指数

泰尔指数是用于衡量个体或者地区之间收入差距的指标，泰尔指数取值为［0，1］，其数值越大则认为差异程度越大，数值越小则认为差异程度越小。若将样本划分为多个群组时，泰尔指数可将总体差异分解为组内差异和组间差异两部分，以此衡量组内差异和组间差异对总体差异的贡献程度^［23］。基于熵值法测算的各省份韧性综合得分R_i，对东部、中部、西部、东北四大区域的粮食供应链韧性差异进行分解，具体计算公式如下：

1）计算全国泰尔指数T。

T=\frac{\mathrm{1}}{N}{\sum }_{i=\mathrm{1}}^N \left(\frac{R_i}{\overline{R}}\times \mathrm{l}\mathrm{n}\frac{R_i}{\overline{R}}\right)（9）

式中：T为全国粮食供应链韧性水平的泰尔指数（以下简称总体泰尔指数）；\overline{R}为全国所有省份韧性综合得分的均值。

2）计算区域泰尔指数T_p。

T_p=\frac{\mathrm{1}}{N_p}{\sum }_{i=\mathrm{1}}^{N_p} \left(\frac{R_{pi}}{{\overline{R}}_p}\times \mathrm{l}\mathrm{n}\frac{R_{pi}}{{\overline{R}}_p}\right)（10）

式中：p为区域，对应东部、中部、西部和东北部；T_p为第p个区域内部的泰尔指数；N_p为第p个区域所包含的省份数量；R_{pi}为第p个区域内第i个省份的粮食供应链韧性综合得分；{\overline{R}}_p为第p个区域内所有省份韧性综合得分的均值。

3）总体差异分解。

T=T_{\mathrm{w}}+T_{\mathrm{b}}（11）

T_{\mathrm{w}}={\sum }_p^q \left(\frac{N_p}{N}\times \frac{{\overline{R}}_p}{\overline{R}}\times T_p\right)（12）

T_{\mathrm{b}}={\sum }_{p=\mathrm{1}}^q \left(\frac{N_p}{N}\times \frac{{\overline{R}}_p}{\overline{R}}\times \mathrm{l}\mathrm{n}\frac{{\overline{R}}_p}{\overline{R}}\right)（13）

式中：T_{\mathrm{w}}为组内差异，即同一区域内部的差异程度；T_{\mathrm{b}}为组间差异，即四大区域间的差异程度；q为区域总数，q=\mathrm{4}。

4）计算差异贡献度。

I_{\mathrm{w}}=\frac{T_{\mathrm{w}}}{T}=\mathrm{1}-I_{\mathrm{b}}={\sum }_{p=\mathrm{1}}^q I_p（14）

I_{\mathrm{b}}=\frac{T_{\mathrm{b}}}{T}（15）

I_p=\frac{N_p}{N}\times \frac{{\overline{R}}_p}{\overline{R}}\times \frac{T_p}{T}（16）

式中：I_{\mathrm{w}}为组内差异对总体差异的贡献度；I_{\mathrm{b}}为组间差异对总体差异的贡献度；I_p为区域内部差异对总体差异的贡献度。

1.2.3　空间马尔科夫链

空间马尔科夫链能够评估区域单元的空间领域状态，深入考察不同类型省份的概率转移如何受到相邻省份粮食供应链韧性水平的影响^［24-25］，可揭示韧性的空间联动特征，计算公式如下：

L_i=\sum R_h{\mathit{W}}_{ih}（17）

式中：L_i为省份i的空间滞后项；h为省份i的邻接省份编号；R_h为邻接省份h的粮食供应链韧性综合得分；{\mathit{W}}_{ih}为空间权重矩阵。本研究采用空间邻接矩阵，省份接壤设为1，不接壤设为0。因海南省不与任何省份接壤，生成空间矩阵会出现孤岛现象，故设定海南省与广东省相邻^［26］。

1.2.4　空间杜宾模型

为检验我国粮食供应链韧性水平的驱动力因素，并考虑其空间相关性，设置空间效应模型进行分析。空间杜宾模型（Spatial durbin model，SDM）同时纳入被解释变量的空间滞后项与解释变量的滞后项，能够有效识别驱动因素的直接效应和空间溢出效应^［27］。计算公式如下：

R_{it}=c+\alpha {\sum }_{h=\mathrm{1}}^N {\mathit{W}}_{ih}{R}_{ht}+\mathit{\rho }{\mathit{X}}_{it}+\beta {\sum }_{h=\mathrm{1}}^N {\mathit{W}}_{ih}{\mathit{X}}_{ht}+{\gamma }_i+{\delta }_t+{\epsilon }_{it}（18）

式中：R_{it}为i省第t年的粮食供应链韧性综合得分；c为不受个体特征影响的截距项；\alpha为被解释变量空间滞后项的系数；R_{ht}为邻接省份\mathrm{h}第t年的粮食供应链韧性综合得分；{\mathit{X}}_{it}为第i个省份第t年的解释变量列向量；\mathit{\rho }为系数向量；{\mathit{X}}_{ht}为邻接省份h第t年的解释变量列向量；\beta为解释变量空间滞后项系数；{\gamma }_i为空间固定效应；{\delta }_t为时间固定效应；{\epsilon }_{it}为随机误差项。

1.3　数据来源

本研究选取2014—2023年我国31个省份为研究单元。指标测度以及其他宏观变量来源于《中国农村统计年鉴》^［28］、《中国统计年鉴》^［29］、《中国粮食和物资储备年鉴》^［30］、国家统计局官网及各省份统计年鉴。在数据处理上，部分指标采用对数化处理，针对部分地区的某些年份指标缺失情况，采用线性插值法进行处理。

2　结果与分析

2.1　中国粮食供应链韧性的时空演变分析

2.1.1　整体分析

中国粮食供应链韧性空间差异的整体性分析，在于系统揭示各区域韧性水平的空间分异规律，同时可系统阐释不同相关现象在空间维度上的关联模式与作用机理，2014—2023年中国粮食供应链韧性的综合测算结果见表2。

从时间演变来看，2014—2023年中国粮食供应链韧性整体呈波动上升态势。全国总体韧性均值由2014年的0.245提升至2023年的0.286，累计增幅约16.70%，年均增长率为1.73%。其中2020年总体韧性从2019年的0.262下降至0.255，这主要受新冠疫情初期冲击影响，但此后迅速回升并继续增长，表明我国粮食供应链抵抗外部风险、维持稳定运行及快速恢复的能力持续增强，与国家推进高标准农田建设、农业科技投入、仓储物流基础设施完善及应急保障机制等战略密切相关。

从空间格局来看，四大区域的粮食供应链韧性呈现明显差异。东部地区韧性均值由2014年的0.289提升至2023年的0.321，但2020年受疫情冲击明显，从2019年的0.317降至2020年的0.279。中部地区韧性由2014年的0.286持续上升至2023年的0.338，整体水平较高且增长稳定。西部地区韧性由2014年的0.179上升至2023年的0.224，虽然绝对水平在四大区域中最低，但增长幅度较为明显。东北地区韧性由2014年的0.277上升至2023年的0.311，期间波动较小，表现相对平稳。从增长动力来看，西部地区年均增长率最高，约为2.51%；中部地区、东北地区和东部地区年均增长率分别约为1.87%、1.30%和1.18%。西部地区得益于西部大开发等政策持续推动基础设施改善及特色农业发展，韧性提升最快。中部地区作为重要粮食主产区，其区位交通优势与政策支持共同促进了粮食生产与流通效率的提升。东北地区以大宗粮食为主的成熟产业链结构使其韧性表现稳定但缺乏跃升动力。东部地区虽然经济与技术基础雄厚，但内部省份差异较大且受新冠疫情冲击明显，整体增速相对平缓。

从各省份来看，2014—2023年粮食供应链韧性水平较高的省份主要包括江苏省、山东省、广东省、河南省和黑龙江省。其中江苏省多数年份韧性值超过0.500，2019年达峰值0.582；山东省韧性值长期稳定在0.460以上，2023年达0.550；广东省、河南省和黑龙江省的韧性值分别由2014年的0.431、0.439和0.379上升至2023年的0.497、0.494和0.431。这些省份均为我国粮食生产、加工或流通的核心区域，具备良好的农业资源禀赋、完善的交通物流网络及较强的科技支撑能力。韧性水平较低的省份主要包括青海省、西藏自治区、海南省、宁夏回族自治区和天津市。其中青海省各年韧性值均在0.082~0.094，为全国最低；西藏自治区、海南省、宁夏回族自治区和天津市的韧性值分别为0.090~0.107、0.087~0.124、0.104~0.116和0.110~0.141。这些省份主要受制于自然地理条件如高寒、干旱、岛屿隔绝等，农业基础设施薄弱或城市功能定位以非农产业为主，导致粮食生产、储备或流通环节存在明显短板。

2.1.2　空间差异分析

为深化中国粮食供应链韧性空间差异的研究，精准识别其差异来源，本研究通过测算东部、中部、西部及东北部四大区域的泰尔指数，分析全国层面的总体差异与区域间的组间差异，同时对组内差异、组间差异及各区域对总体差异的贡献率进行深度阐释，具体结果见表3。2014—2023年，中国粮食供应链韧性的总体泰尔指数呈现出波动下降态势，从2014年的0.119逐步降至2023年的0.099，表明中国粮食供应链韧性在区域层面上的差异正在逐渐缩小，区域间呈现出愈发明显的协调发展态势。2014—2019年，全国总体泰尔指数相对稳定地维持在0.114~0.119，区域差异的收缩幅度较为平缓。然而，在2020年，该指数降至0.100，这一下降趋势不仅与新冠疫情期间全国范围内统一实施的“保供稳价”政策以及区域间应急资源调配力度的加大有关，同时也是“十三五”期间持续推进的区域协调发展战略、交通基础设施网络完善以及农业科技推广等长期政策累积效应的体现。外部冲击加速了供应链的数字化与智能化适配进程，部分抵消了新冠疫情的负面影响，使得区域差异在特殊时期得以快速收敛。2021—2023年，全国总体泰尔指数稳定在0.098~0.099，区域差异的收缩速度有所放缓，这一方面反映了前期应急政策效果的边际递减，另一方面也表明随着疫情进入常态化防控阶段，各地区供应链系统逐步适应新环境，韧性水平进入结构性调整平台期。

区域发展的均衡性在经历短期政策干预带来的快速收敛后，逐步转向由内生动力驱动的稳态演进阶段。四大区域内部粮食供应链韧性差异存在异质性。东部地区的泰尔指数从2014年的0.152下降至2023年的0.116，但其贡献度始终>40.00%，是组内差异首要贡献者，其内部差距不仅源于经济发展不平衡，也与自然地理条件和基础设施分布密切相关。如海南作为东部地区省份，受琼州海峡阻隔及岛内多山地形影响，粮食生产和运输成本较高，供应链环节相对薄弱，与长三角、京津冀等沿海发达板块形成反差，反映出地理隔阂对区域内部差异的加剧作用。中部地区的泰尔指数在0.047~0.054波动，贡献度稳定在10.00%左右，说明中部各省份在粮食供应链韧性上发展相对均衡。西部地区的泰尔指数从2014年的0.077上升至2023年的0.089，贡献度从18.28%上升至27.10%，是内部差异持续扩大的区域，这主要源于西部省份基础设施、科技投入、数字化水平在西部内部存在严重不均衡。东北地区的泰尔指数长期维持在0.031~0.045，贡献度仅3.00%~5.00%，是四大区域中内部差异最小的区域。辽宁、吉林、黑龙江三省在粮食生产、加工、流通环节具有高度相似的产业结构和资源禀赋，且均为大宗粮食主产区，发展路径趋同。

2.1.3　时空演变分析

为进一步考察粮食供应链韧性水平的空间演化特征与相关性，引入空间马尔科夫链模型，其概率转移矩阵如表4所示。可知：

第一，矩阵对角线上的概率值普遍较高，表明各省粮食供应链韧性水平在空间交互中呈现较强的路径依赖。当空间滞后类型为低水平时，基期（t时期）为低水平的省份在滞后一期（t+\mathrm{1}时期）保持低水平的概率为100.0%，完全无状态跃迁，表明低水平韧性省份在低水平邻居影响下锁定效应极强；空间滞后为中低水平时，低水平省份保持状态的概率达96.4%，中高水平和高水平省份保持状态的概率均为100.0%，稳定性突出；在中高水平滞后下，中高水平和高水平省份保持状态的概率仍达90.2%~96.9%，表明高韧性省份受邻接省份正向影响，状态稳定性更强。

第二，各省韧性水平向上转移的概率普遍高于向下转移的概率，表明粮食供应链韧性具有改善潜力。空间滞后为中高水平时，中低水平省份向中高水平转移的概率为9.4%，而向下转移至低水平的概率仅1.9%；中高水平省份向高水平转移的概率为5.9%，向下转移至中低水平的概率为3.9%，提升动力更强。空间滞后为高水平时，中低水平省份向中高水平转移的概率为6.3%，无向下转移；中高水平省份向高水平转移的概率达25.0%，高于其他滞后类型下的提升概率，体现高水平邻接省份的“带动效应”。

第三，各省韧性类型转移均为相邻等级间的渐进式变化，未出现低水平→中低水平→中高水平→高水平等跨越式跃迁，表明韧性提升是长期过程，短期内难以突破层级约束。空间滞后为中高水平时，低水平省份仅能转移至中低水平，无法直接跃升至中高水平，中低水平省份最高转移至中高水平，难以直接达高水平。

第四，省份韧性转移概率受相邻省份状态的影响，高韧性邻居能促进本省提升。对比不同空间滞后低水平省份的提升概率：中高水平滞后>高水平滞后>中低水平滞后，说明邻接省份韧性越高，对低水平省份的拉动作用越强。中低水平省份在高水平滞后下向中高水平转移的概率高于中低水平滞后，进一步印证高韧性邻接省份的空间溢出效应。

综上，粮食供应链韧性的提升需依托区域协同，通过发挥高韧性省份的辐射带动作用，推动整体韧性水平阶梯式改善，同时需认识到韧性提升的长期性，制定长期规划以突破层级约束。

2.2　中国粮食供应链韧性的驱动力因素分析

为更合理分配资源以达到更好的发展效果，对粮食供应链韧性的驱动力进行识别，针对性分析粮食供应链韧性的影响机理，为各地区粮食供应链韧性提供经验以及政策依据。

2.2.1　指标体系选取

我国粮食供应链韧性的空间分异特征及其动态演化过程具有复杂性，这一过程并非单一因素作用的结果，而是受到政策调控、经济发展、环境变迁等多维度因素的综合驱动与交叉影响。通过梳理文献，选取贸易开放程度、政府支农力度^［31］、城镇化率^［32］、基础交通设施^［33］、科技投入水平^［34］、农村居民可支配收入、数字化基础^［35］作为驱动因子，具体指标体系如表5所示。

2.2.2　驱动因子识别

为确保空间计量模型的合理性，运用Stata17.0对面板数据开展系列检验以筛选最优模型，结果如表6所示。LM检验统计量为9.80，在1%的显著性水平上显著，表明样本数据存在显著的空间相关性，传统混合OLS回归模型不适用于本研究；Hausman检验统计量为44.27，在1%的显著性水平上显著拒绝随机效应的原假设，因此确定选用固定效应模型；基于空间杜宾模型（SDM）开展Wald检验的统计量为33.90，在1%的显著性水平上显著拒绝将SDM简化为空间误差模型（SEM）与空间自回归模型（SAR）的原假设。综合各项检验结果，本研究最终采用双固定效应SDM进行实证估计。

由表7可知，各地区粮食供应链韧性的驱动力因素具有明显异质性。对外开放程度对本地粮食供应链韧性的直接提振作用并不显著，其对周边地区可能存在一定的潜在抑制效应，但整体综合影响尚未形成显著冲击。财政支农力度虽直接提升了本地的粮食供应链韧性，但其负向空间溢出效应在1%的水平上显著，这可能源于财政资金的区域性集中投入，获得强力支持的省份农业生产规模快速扩张，对邻省农业生产者的积极性产生挤出效应，间接削弱了周边地区供应链的稳定性。城镇化率对本地粮食供应链韧性的直接负面影响尚不明显，但其负向溢出效应突出，反映了一个地区的快速城镇化，会吸引周边地区的青壮年劳动力和高素质人才，导致邻省农业生产领域面临劳动力老龄化、兼业化以及耕地资源非农化的压力，从而粮食供应链面临挑战。基础交通设施建设对本地粮食供应链韧性的提升作用较为突出，直接提升了区域内物流效率与应急响应能力，由于区域协同不足，其空间溢出效应未能充分发挥，综合效应的显现有待跨区域交通网络衔接的强化。科技投入对本地区粮食供应链韧性的直接效应在1%的水平上显著，但其空间溢出效应为负，可能因为高强度科技投入的省份对周边省份的科研人才、技术资本等要素产生虹吸效应，同时，先进的农业技术未能有效扩散至邻省，形成了技术壁垒，加剧了区域间的技术鸿沟，对整体协同韧性产生了抑制。农村居民可支配收入对粮食供应链韧性的影响尚未显现，反映了收入增长对供应链韧性影响的复杂性，一方面，收入提高有助于增强农户投资能力和抗风险能力，为应用新技术、改善生产条件提供基础；另一方面，在城乡融合发展背景下，收入增长也可能伴随消费结构升级、就业选择多元化，其对农业生产环节的直接投入拉动效应可能存在滞后性。

因此，应着力于优化收入增长的结构性效应，通过完善农业社会化服务体系，发展农产品加工、乡村旅游等农村二三产业，健全农村社会保障体系，激活农村居民收入增长对供应链韧性的正向作用。数字化基础是少数兼具本地增效与正向溢出的因素，不仅对本地粮食供应链韧性有支撑作用，还因较强的溢出性带动周边地区韧性提升，其跨区域信息共享能力有助于协同提升整体供应链韧性，从综合效应看，数字化基础的总效应在1%的水平上显著为正，凸显其作为核心驱动力的战略价值。总体而言，不同因素在本地提升与空间溢出方面表现各异，提升粮食供应链韧性需着力强化交通与数字化基建的普惠性，优化财政支农的跨区域协调机制，并通过劳动力回流政策与科技共享平台弱化城镇化和技术资源的负面溢出，最终构建全域协同的韧性网络，以优化粮食供应链韧性的整体发展格局。

3　结论与政策建议

3.1　结论

本研究采用熵值法、泰尔指数、空间马尔科夫链模型以及空间杜宾模型，构建了粮食供应链韧性评价体系，综合测算了2014—2023年我国粮食供应链韧性，探究了粮食供应链韧性的时空演变格局。主要结论如下：

1）2014—2023年我国粮食供应链韧性整体呈稳步上升趋势，从2014年的0.245提升至2023年的0.286，增幅约16.7%。

2）粮食供应链韧性的空间差异呈波动缩小态势，且组内差异是总体差异的主要来源，其中东部地区组内差异贡献最大，中部地区内部差异扩大，西部和东北地区相对稳定。空间马尔科夫链模型分析显示，各省粮食供应链韧性水平存在强路径依赖，低水平省份易受“锁定效应”约束，高韧性邻居有明显“带动效应”，且韧性提升为相邻等级间的渐进式变化，无跨越式跃迁，受相邻省份状态影响较大。

3）驱动力因素存在明显空间异质性。基础交通设施、科技投入水平、数字化基础对本地韧性有显著正向直接效应；财政支农力度对本地有支撑作用，但存在负向空间溢出；城镇化率负向溢出效应突出；数字化基础兼具本地增效与正向溢出，是核心驱动力；科技投入因成果壁垒呈现负向溢出，对外开放程度和农村居民可支配收入影响相对有限。

3.2　政策建议

为切实提升我国粮食供应链韧性水平、进一步筑牢国家粮食安全保障防线，结合上述实证分析结果与结论，提出以下政策建议：

1）强化数字赋能，夯实协同基础。针对研究发现数字化基础正向空间溢出的核心驱动力，应加快数字乡村建设，将大数据、物联网等技术融入粮食全产业链^［36］，提升产业链各环节的透明度与协同效率。发展农村数字普惠金融，提升涉农信贷可得性^［37］。这些数字化转型举措在提升本地供应链管理效率的同时，能够凭借其强大的信息外溢性，辐射并带动周边区域协同发展。

2）优化区域协同，平衡政策效应。基于泰尔指数分解和空间杜宾模型实证的发现，政策制定需更加注重区域协同。一是差异化定位，东部地区需着力缩小省内差距，并利用其高韧性优势加强对中西部地区的辐射；中部地区强化生产基础与数字技术融合；西部地区需创新物流模式以降低成本。二是优化政策实施方式，财政支农和科技投入应避免“虹吸效应”，探索建立跨区域的科技共享平台与利益补偿机制，推动创新要素有序流动，将政策的潜在负向外溢转化为正向协同。

3）筑牢生产基础，保障资源安全。紧扣供应链韧性的抵抗能力和生产稳定性，着力提升供应链源头韧性。加强耕地保护与质量建设^［38］，合理调配农业水资源，推广节水灌溉技术^［39］，并在此基础上稳定粮食播种面积，优化种植结构。

4）健全风险管控，提升应急能力。需健全覆盖全链条的风险监测预警与应急响应体系。完善中央与地方两级应急储备和配送网络，优化储备粮轮换机制，确保在突发事件发生时供应链能快速恢复，提升系统整体可恢复性。

5）深化政策协调，注重精准施策。应优化财政支农结构，从侧重规模转向注重效能与区域平衡，重点向提升供应链韧性的关键环节和薄弱地区倾斜，并探索建立区域间横向补偿机制，以缓解实证中发现的负向空间溢出。同时，可借鉴行业良好实践，推动“五优联动”和“三链协同”^［40］。

参考文献

[1] 中共中央、国务院. 关于进一步全面深化改革 推进中国式现代化的决定［EB/OL］. ［--］.

[2] The Central Committee of the Communist Party of China and the State Council. Decision on further comprehensively deepening reform and advancing Chinese-Style Modernization［EB/OL］. ［--］. in Chinese）

[3] 中共中央、国务院. 关于进一步深化农村改革 扎实推进乡村全面振兴的意见［EB/OL］. ［--］.

[4] The Central Committee of the Communist Party of China and the State Council. Opinions on further deepening rural reform and solidly promoting Comprehensive Rural Revitalization［EB/OL］. ［--］. in Chinese）

[5] 姚淼， 赵君彦， 王亚荣， 高彦. 粮食供应链风险管理研究进展与展望： 从“风险”到“韧性”［J］. 中国农业资源与区划， 2025， 46（10）： 64-77

[6] Yao M， Zhao J Y， Wang Y R， Gao Y. Research progress and prospect of risk management in grain supply chain： From “risk” to “resilience”［J］. Chinese Journal of Agricultural Resources and Regional Planning， 2025， 46（10）： 64-77 （in Chinese）

[7] 郝爱民， 谭家银. 数字乡村建设对我国粮食体系韧性的影响［J］. 华南农业大学学报： 社会科学版， 2022， 21（3）： 10-24

[8] Hao A M， Tan J Y. Impact of digital rural construction on food system resilience［J］. Journal of South China Agricultural University： Social Science Edition， 2022， 21（3）： 10-24 （in Chinese）

[9] 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

[10] 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）

[11] 王娟娟， 曲健. 数字经济赋能粮食供应链韧性的效应及区域分异研究［J］. 西北民族大学学报： 哲学社会科学版， 2024（1）： 138-154

[12] Wang J J， Qu J. Study on the effect and regional differentiation of food supply chain resilience empowered by digital economy［J］. Journal of Northwest Minzu University： Philosophy and Social Sciences， 2024（1）： 138-154 （in Chinese）

[13] 张梅， 郝迎滨， 张涵野. 我国粮食主产区粮食体系韧性评价与障碍因素分析［J］. 中国农机化学报， 2024， 45（5）： 272-278，309

[14] Zhang M， Hao Y B， Zhang H Y. Evaluation of grain system resilience and analysis of obstacle factors in main grain producing regions in China［J］. Journal of Chinese Agricultural Mechanization， 2024， 45（5）： 272-278， 309 （in Chinese）

[15] Chang J R， Jiang H M， Liu J B， Li M Y. How the digital economy enhances the grain supply chain resilience in China： Exploring the moderating effects of government innovation-driven ［J］. Frontiers in Sustainable Food Systems， 2024， 8： 1439593-1439593

[16] 王妍霏， 叶举， 曹杰. 数字金融提升粮食体系韧性的机理及效应研究［J］. 经济经纬， 2023， 40（5）： 48-60

[17] Wang Y F， Ye Ju， Cao J. Study on the mechanism and effect of digital finance improving the resilience of grain system［J］. Economic Survey， 2023， 40（5）： 48-60 （in Chinese）

[18] 李文婧. 构建粮食安全法治保障体系：国际经验和推进路径［J］. 广西社会科学， 2023（8）： 116-124

[19] Li W J. International experience and path analysis of building a legal guarantee system for food security［J］. Social Sciences in Guangxi， 2023（8）： 116-124 （in Chinese）

[20] 詹琳， 蒋和平， 蒋黎. 强化我国粮食供应链韧性的管理权衡与协同［J］. 中国流通经济， 2024， 38（11）： 26-37

[21] Zhan L， Jiang H P， Jiang L. Management trade-offs and coordination for enhancing the resilience of China’s grain supply chain ［J］. China Business and Market， 2024， 38（11）： 26-37 （in Chinese）

[22] 丁存振， 纪祥宇. 全球粮食供应链网络格局及韧性评估［J］. 资源科学， 2025， 47（11）： 2480-2492

[23] Ding C Z， Ji X Y. Global food supply chain network pattern and resilience assessment［J］. Resources Science， 2025， 47（11）： 2480-2492 （in Chinese）

[24] 余志刚， 宫思羽. 新发展格局下提升粮食产业链供应链韧性的内涵、瓶颈及进路［J］. 社会科学辑刊， 2025（2）： 150-158

[25] Yu Z G， Gong S Y. The connotation， bottlenecks and approaches of enhancing the resilience of grain industry chain and supply chain under the new development paradigm［J］. Social Science Journal， 2025（2）： 150-158 （in Chinese）

[26] 戴媛媛. 中国粮食产业链供应链韧性分布动态与区域差距［J］. 统计与决策， 2024， 40（18）： 114-119

[27] Dai Y Y. Distribution dynamics and regional disparities of supply chain resilience in China grain industry chain［J］. Statistics & Decision， 2024， 40（18）： 114-119 （in Chinese）

[28] 蒋辉， 陈瑶， 刘兆阳. 中国粮食生产韧性的时空格局及其影响因素［J］. 经济地理， 2023， 43（6）： 126-134

[29] Jiang H， Chen Y， Liu Z Y. Spatiotemporal pattern and influencing factors of grain production resilience in China［J］. Economic Geography， 2023， 43（6）： 126-134 （in Chinese）

[30] 张帅. 风险叠加背景下的全球粮食体系转型与中国粮食安全韧性建设［J］. 社会主义研究， 2023（3）： 166-172

[31] Zhang S. The transformation of global food system and the construction of China’s food security resilience under the background of superposition of risks ［J］. Socialism Studies， 2023（3）： 166-172 （in Chinese）

[32] 陶亚萍. 新时期强化中国粮食供应链韧性的创新路径［J］. 宁夏社会科学， 2023（1）： 118-124

[33] Tao Y P. Innovative path of strengthening the resilience of China grain supply chain in the new period［J］. Ningxia Social Sciences， 2023（1）： 118-124 （in Chinese）

[34] 马松林， 余梦玲. 全球粮食贸易网络特征演化及其韧性研究［J/OL］. 中国农业资源与区划， ［--］ .

[35] Ma S L， Yu M L. Evolution of characteristics and resilience of the global grain trade network［J/OL］.Chinese Journal of Agricultural Resources and Regional Planning， ［--］. in Chinese）

[36] Das S， Myla A Y， Barve A， Kumar A， Sahu N C， Muduli K， Luthra S. A systematic assessment of multi-dimensional risk factors for sustainable development in food grain supply chains： A business strategic prospective analysis ［J］. Business Strategy and the Environment， 2023， 32（8）： 5536-5562

[37] Bednarski L， Roscoe S， Blome C， Schleper M C. Geopolitical disruptions in global supply chains： A state-of-the-art literature review ［J］. Production Planning & Control， 2025， 36（4）： 536-562

[38] Tendall D M， Joerin J， Kopainsky B， Edwards P， Shreck A， Le Q B， Kruetli P， Grant M， Six J. Food system resilience： Defining the concept［J］. Global Food Security， 2015， 6： 17-23

[39] Chang J R， Jiang H M. Spatio-temporal differentiations and influence factors in china’s grain supply chain resilience ［J］. Sustainability， 2023， 15（10）： 8074

[40] 郑骏川， 周世昕， 李璨. 中国粮食体系韧性测度、时空分异及推进路径： 基于三大粮食功能区及四大经济区域的比较视角［J］. 中国农业资源与区划， 2025， 46（1）： 1-12

[41] Zheng J C， Zhou S X， Li C. Measurement， spatial-temporal diversity， and promotion path of resilience in China’s grain system： A comparative perspective based on the three major grain functional zones and the four major economic regions ［J］. Chinese Journal of Agricultural Resources and Regional Planning， 2025， 46（1）： 1-12 （in Chinese）

[42] 郑家喜， 赵妍， 卫增. 基于空间马尔科夫链的粮食生产韧性动态演进及趋势预测［J］. 华中农业大学学报： 社会科学版， 2024（3）： 104-117

[43] Zheng J X， Zhao Y， Wei Z. Analysis of spatiotemporal differences and dynamic evolution of grain production resilience based on spatial Markov chains［J］. Journal of Huazhong Agricultural University： Social Sciences Edition， 2024（3）： 104-117 （in Chinese）

[44] 张艳， 杨婷婷， 杨慧， 陈怡冰. 中国粮食产业链供应链韧性的空间演化及分异研究［J］. 中国农业资源与区划，2026， 47（2）： 9-22

[45] Zhang Y， Yang T T， Yang H， et al. Spatial evolution and differentiation of resilience in China’s grain industry chain and supply chain ［J］. Chinese Journal of Agricultural Resources and Regional Planning： 2026， 47（2）： 9-22 （in Chinese）

[46] 李德立， 田伟， 田刚. 我国旅游经济高质量发展的区间差异与动态演进［J］. 统计与决策， 2022， 38（24）： 84-88

[47] Li D L， Tian W， Tian G. Interval differences and dynamic evolution of high-quality development of China’s tourism economy ［J］. Statistics & Decision， 2022， 38（24）： 84-88 （in Chinese）

[48] 卢新海， 柯楠， 匡兵. 中国粮食生产能力的区域差异和影响因素［J］. 中国土地科学， 2020， 34（8）： 53-62

[49] Lu X H， Ke N， Kuang B. Regional differences and influencing factors of China’s grain production capacity ［J］. China Land Science， 2020， 34（8）： 53-62 （in Chinese）

[50] 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， 2015—2024

[51] Department of Rural Socio-Economic Survey， National Bureau of Statistics of China. China Rural Statistical Yearbook［M］. Beijing： China Statistics Press， 2015-2024 （in Chinese）

[52] 国家统计局. 中国统计年鉴［M］. 北京： 中国统计出版社， 2015—2024

[53] National Bureau of Statistics of China. China Statistical Yearbook［M］. Beijing： China Statistics Press， 2015-2024 （in Chinese）

[54] 国家粮食和物资储备局. 中国粮食和物资储备年鉴［M］. 北京： 中国计划出版社， 2015—2024

[55] National Food and Strategic Reserves Administration. China Grain and Strategic Reserves Yearbook［M］. Beijing： China Planning Press， 2015-2024 （in Chinese）

[56] 李自强， 李晓云， 孙倩， 叶伟娇. 财政支农补贴能有效提升粮食全要素生产率吗： 兼顾农业技术环境的调节作用探讨［J］. 中国农业大学学报， 2021， 26（8）： 236-252

[57] Li Z Q， Li X Y， Sun Q， Ye W J. Will financial subsidies for agriculture effectively increase the total factor productivity of food： The moderate effect of agricultural technology environment［J］. Journal of China Agricultural University， 2021， 26（8）： 236-252 （in Chinese）

[58] 崔钊达， 余志刚， 王善高， 宫思羽. 中国粮食主产区粮食生产与城镇化协调发展研究［J］. 资源开发与市场， 2021， 37（11）： 1333-1338

[59] Cui Z D， Yu Z G， Wang S G， Gong S Y. Research on the coordinated development of grain production and urbanization of main grain producing areas in China［J］. Resource Development & Market， 2021， 37（11）： 1333-1338 （in Chinese）

[60] 王大力， 吕兵， 丁文丽. 云南省粮食生产空间格局演化及其影响因素［J］. 经济问题探索， 2021（12）： 136-148

[61] Wang D L， Lv B， Ding W L. Analysis on the evolution and influencing factors of spatial pattern of grain production in Yunnan Province［J］. Inquiry Into Economic Issues， 2021（12）： 136-148 （in Chinese）

[62] 张湘琦， 于勇. 数字普惠金融对粮食供应链韧性的影响研究： 基于生产要素发展视角［J］. 农业现代化研究， 2025， 46（2）： 270-281

[63] Zhang X Q， Yu Y. The impact of digital inclusive finance on food supply chain resilience： A perspective of production factor development［J］. Research of Agricultural Modernization， 2025， 46（2）： 270-281 （in Chinese）

[64] 阿布都瓦力·艾百， 米尔卡米力·多力昆， 赵振男. 农村数字化与粮食供应链韧性： 理论机制、经验证据及政策选择［J］. 西北农林科技大学学报： 社会科学版， 2024， 24（4）： 83-90

[65] ABUDUWALI A B， MIERKAMILI D L K， Zhao Z N. Rural digitization and food supply chain resilience： Theoretical mechanisms， empirical evidence and policy options ［J］. Journal of Northwest A&F University： Social Science Edition， 2024， 24（4）： 83-90 （in Chinese）

[66] 王晓君， 何龙娟， 王国刚. 全球粮食不安全形势下保障中国粮食安全的逻辑思维与战略取向［J］. 改革， 2022， （12）： 66-77

[67] Wang X J， He L J， Wang G G. Logical thinking and strategic orientation for safeguarding China’s food security under the global food insecurity situation ［J］. Reform， 2022（12）： 66-77 （in Chinese）

[68] 李雪， 吕新业. 现阶段中国粮食安全形势的判断：数量和质量并重［J］. 农业经济问题， 2021（11）： 31-44

[69] Li X， Lyu X Y. Judgment of China’s food security situation at the present stage： Pay equal attention to quantity and quality ［J］. Issues in Agricultural Economy， 2021（11）： 31-44 （in Chinese）

[70] 王宣珂， 高海伟. 新时代中国式现代粮食供应链构建［J］. 中国流通经济， 2023， 37（7）： 40-47

[71] Wang X K， Gao H W. Construction of Chinese-style modern food supply chain in the new era［J］. China Business and Market， 2023， 37（7）： 40-47 （in Chinese）

[72] 徐亚东， 张应良. 新征程中全方位夯实粮食安全根基的深刻内涵与关键举措［J］. 西北农林科技大学学报： 社会科学版， 2023， 23（4）： 95-103

[73] Xu Y D， Zhang Y L. The profound connotation and key measures to consolidate the foundation of food security in the new journey［J］. Journal of Northwest A&F University： Social Science Edition， 2023， 23（4）： 95-103 （in Chinese）

[74] 吴琮林， 郭晓鸣， 虞洪. 中国粮食安全面临的中长期挑战及应对策略［J］. 农村经济，2022（10）： 27-36

[75] Wu C L， Guo X M， Yu H. The long-term challenges to China’s food security and its coping strategies ［J］. Rural Economy， 2022（10）： 27-36 （in Chinese）

基金资助

国家社会科学基金一般项目(25BJY180)

中国工程院战略研究与咨询项目(2025-PP-12)