一、引言

粮食事关国运民生，被认为是新时期国家三大安全支柱的重要组成部分之一，粮食安全是国家安全的重要基础。当前时期，中国面临的国内外形势愈加复杂，受地缘政治风险、贸易摩擦升级以及气候和自然灾害等多种因素叠加的影响，极大地增加了我国粮食生产压力。2025年中央一号文件中首次提出“农业新质生产力”。农业新质生产力以现代农业科技创新为核心，以高素质农业劳动者为支撑，以促进农业生产方式变革、提高农业全生产要素为目标，是符合我国农业农村发展规律和保障粮食安全战略任务的现代先进农业生产力。而生产作为农业产业的关键节点、粮食系统的重要环节，强化粮食生产韧性对于保持农业产业有序发展、提升粮食系统应对冲击的能力，同时对稳住农业基本盘，加快建设农业强国具有重要作用。

关于粮食生产韧性的研究，“韧性”在经济学领域通常界定为“当经济增长受到冲击时，经济体以其自我恢复和调节机能，抵御冲击并恢复到原有增长路径或拓展新增长路径的能力”随后这一概念被引入社会学和经济学领域，学术界对于经济韧性主要运用于宏观经济韧性、区域经济韧性以及城市韧性上进行探索，多从应对经济冲击的维持性、恢复性、抵抗性等方面进行指标构建Hodbod 和 Eakin （2015）将“韧性”思维引入粮食生产系统，提出粮食体系韧性是粮食系统灵活应对风险冲击的吸收、反应、适应、学习并保证持续性的能力。Béné（等）（2023）进一步将其定义为粮食系统面对冲击和压力时作出反应的吸收、适应和变革能力。国内鲜少聚焦于粮食生产环节的韧性水平展开研究。已有研究对粮食生产韧性进行定义，蒋辉从系统功能视角出发，将其界定为粮食生产体系在应对外部冲击时所展现的抗压能力和自我修复能力。郑家喜（2024）等学者则从动态发展角度提出了更为全面的定义，认为粮食生产韧性不仅体现在系统抵御和适应外部冲击的能力上，更包含通过创新实现发展路径重构的能力。在量化研究方面，国内学者已取得一定进展。陈有华等研究者采用省级面板数据，以粮食产量为核心变量，通过实际产量与平滑化产量的比值来评估粮食生产韧性水平。蔡林军和文春晖则选取粮食主产区作为研究对象，从抵抗能力和恢复能力两个维度构建评价体系，并运用熵权法和变异系数法进行综合赋权测算。范振楠等学者进一步拓展了研究维度，从抵抗、适应和变革三个层面构建指标体系，采用熵值法对粮食生产韧性进行量化评估由此，文章总结引申粮食生产韧性概念，即粮食生产在面临风险挑战时，通过适应性结构调整，抵抗外部冲击、迅速调节恢复并向新增长路径变革的能力。

关于农业新质生产力的研究，目前，围绕农业新质生产力的研究主要集中在三个维度：概念界定与表现形式、评估方法与指标体系构建、作用机制与影响效应，并已取得显著进展。就概念内涵而言，学者们从不同视角进行了深入探讨。李政等学者指出，新质生产力体现了生产要素质量的持续优化，代表了生产力发展的新趋势胡莹等研究者强调，这一概念与新兴产业密切相关，其本质在于创新引领。特别值得注意的是，农业新质生产力不仅拓展了新质生产力的外延，更深化了其内涵。罗必良从特征属性视角进行了系统阐述，认为其具有五大典型特征：以高技能人才为核心要素、以突破性技术创新为驱动力量、以多元要素协同为配置方式、以产业边界扩展为结构特征、以数字化绿色化转型为发展形态。在量化研究方面，学界已开展了积极探索。朱迪等学者基于生产力三要素理论，从劳动者、劳动对象和劳动资料三个层面构建了评估框架。宋振江等研究者则从科技、绿色和数字化三个维度设计了评价指标体系。然而，由于概念界定尚未达成统一认识，相关测度研究仍处于初步探索阶段。关于影响效应的研究，现有文献主要探讨了其对农业现代化进程、粮食安全保障、乡村全面振兴以及农业高质量发展的促进作用及实现路径。但总体而言，这些研究在作用机制的系统性分析方面仍显不足，对其客观效应的认识也有待深化。

由此可见，已有研究既关注了农业新质生产力对农业发展的积极推动作用，也对粮食生产相关问题进行了积极探索，为本研究的深入分析奠定了良好基础。当前学术界对农业新质生产力与粮食生产韧性之间的交互机理尚未形成充分研究共识。基于此，本文拟以抵抗力、适应力、变革力三个维度，遴选更具表征性和解释力的评价指标，系统构建粮食生产韧性评估指标体系对中国及省级行政区的粮食生产韧性进行量化测度，同步探究农业新质生产力作用于粮食生产韧性的内在机理与实施路径并进行实证检验，旨在为农业新质生产力提升与粮食生产韧性强化提供理论支撑和实践指导。

二、理论分析与研究假说

（一）农业新质生产力对粮食生产韧性的直接效应

农业新质生产力通过提高单位土地产出率、劳动生产率和资源利用率来提升粮食全要素生产率，拓展粮食生产场域，提升粮食生产效率与粮食生产韧性，增强粮食生产能力，降低粮食生产成本，进而实现粮食稳产和增产。农业新质生产力驱动产业模式创新，为粮食产业转型升级开辟多维发展空间。其战略转向体现在三个方面：首先，通过全产业链效能重构实现发展范式转换，不仅优化传统生产要素配置格局，更借助数字化技术重塑生产组织形态；其次，形成创新要素聚合效应，突破性技术创新与制度创新协同催生发展机遇，具体表现为技术研发集群化、成果转化市场化及产业创新生态系统的构建；再次，构建创新要素整合的实践路径，依托智能技术对粮食全产业链的系统集成，通过生产要素的数字化重组突破传统效率边界，最终形成以技术融合为特征的现代化粮食产业体系，加速推进粮食生产的高质量发展。基于此，提出以下假说：

H1：农业新质生产力对粮食生产韧性产生积极的促进作用

（二）农业新质生产力对粮食生产韧性的间接影响

1.农地经营规模

农地经营规模的扩大对粮食生产韧性具有积极影响。首先，规模化经营有助于优化生产要素配置，通过集中连片土地经营降低转换成本，提高农业生产力，促进粮食优质高产。这种方式使农户能更高效利用土地、水资源和机械等设备，提升粮食生产效率和韧性。其次，农地经营规模扩大为机械化作业创造条件，打破人力和资金约束，提高生产效率。随着规模扩大，农户更有动力采用先进机械和技术，增强粮食生产机械化水平和科技含量，从而提升韧性。此外，农地流转作为扩大经营规模的重要途径，推动农户适度规模化、集约化经营，使粮食生产更加现代化、产业化。通过流转，农户获得更大经营规模，实现规模经济效应，提高粮食生产稳定性和可持续性。这些效应共同作用，增强了粮食生产韧性，为保障粮食安全和农业现代化奠定基础。基于此，提出以下假说：

H2：农业新质生产力通过扩大农地经营规模间接提高粮食生产韧性。

2.农业社会化服务

加强农业社会化服务对粮食生产韧性具有积极影响。首先，通过提供单环节、多环节、全程生产托管等社会化服务，有助于减少耕地抛荒问题，提高农业社会化服务的耕地面积，激发农民种粮积极性，从而提升粮食产量，夯实粮食生产的数量基础。其次，农业社会化服务组织通过统一购买农业生产资料、实施大规模的农业机械化操作以及推广优质品种种植和科技赋能农业等措施，可以有效降低生产成本，提高农业生产效率，进而增强粮食生产的经济韧性。此外，农业社会化服务还通过政策扶持、引导服务方向等方式，优化粮食生产结构，提升粮食品质，从而增强粮食生产的质量和结构韧性。基于此，提出以下假说：

H3：农业新质生产力通过增强农业社会化服务间接提高粮食生产韧性。

（三）农业新质生产力对粮食生产韧性的门槛效应

在农业新质生产力发展初期，受限于技术创新不足、基础设施智能化水平较低以及政策与投资支持不足，其对粮食生产韧性的提升作用有限。当农业新质生产力进入成熟阶段后，智能农机、大数据和人工智能等现代技术的深度应用，推动粮食生产向机械化、智能化转型。这一过程通过规模化经营、精准化管理和技术密集型生产，拓展了农业生产边界，使农产品供给从传统耕地延伸至更广泛的自然资源，从而显著提升生产效率、丰富食物供给，并增强粮食安全与全要素生产率。基于此，提出以下假说：

H4：农业新质生产力对粮食生产韧性的影响作用存在门槛效应。

三、模型设定、变量说明与数据来源

（一）模型设定

1.面板基准回归模型

为检验农业新质生产力对粮食生产韧性的影响，本文构建以下基准回归模型:

其中，表示省份i在t年的粮食生产韧性；为农业新质生产力水平；为控制变量；为随机扰动项。最后，控制了省份( Pro) 、年份( Year) 固定效应。

2.门槛面板回归模型

通过面板数据回归及数据特征分析，判断农业新质生产力与粮食生产韧性之间是否存在非线性关系。 进一步地，为探究二者是否存在门槛效应，以农业新质生产力为门槛变量，建立以下门槛模型，探究农业新质生产力对粮食生产韧性的具体影响：

式中：为门槛变量；为影响系数；为门槛值； I为指标函数，若符合相应条件时取值为1，否则为0。

3.中介效应模型

本文采用中介效应检验方法，对前文理论分析部分提出的农业新质生产力影响粮食生产韧性作用机制进行研究，参考江艇(2022)对因果推断研究中的中介效应分析建议^[28]，构建中介模型如下：

其中：M_it为中介变量，表示农地经营规模和农业社会化服务；为截距项；核心解释变量对中介变量的估计参数记为；中介变量对被解释变量的估计参数记为 ；控制变量的估计参数为和； 为个体固定效应，为年份固定效应； 为随机扰动项。

（二）变量说明

1.被解释变量：粮食生产韧性(Food)

粮食生产韧性涵盖全要素保障效能、风险抵御机制及动态适应能力三个维度，其科学量化需构建多维度评估指标体系。熵值法作为客观赋权技术，能够基于指标信息熵值客观确定权重系数，本文采用熵值法对中国各省级行政区粮食生产韧性水平进行测度。参照郝爱民^[29]等的经验，最终从抵抗能力、适应能力和变革能力3个维度设计指标体系。其中，抵御力指的是该系统在面对破坏性事件时减轻冲击影响的能力，这一能力主要通过粮食生产条件和供应状况等指标来衡量。适应力则描述了粮食体系在经历自然风险和市场风险后，恢复至初始状态的能力，这通过生态可持续性与经济可恢复性等指标来体现；变革能力则强调粮食体系在遭受冲击后的自我调整和改变，设计生产方式的改进、知识的积累和技术的创新等相关指标。各指标具体如表1所示。

一级指标	二级指标	三级指标	指标属性
抵抗能力	内在稳定性	耕地面积/千公顷	正
		有效灌溉面积/千公顷	正
		农村第一产业从业人员数/万人	正
	产销输鲁棒性	人均粮食产量/(公斤/人)	正
		粮食产量/粮食播种面积/公斤/公顷	正
		粮食产业销售收入/亿元	正
适应能力	可持续性	农药施用量/粮食播种面积(公斤/公顷)	负
		化肥施用量/粮食播种面积(公斤/公顷)	负
		农膜使用量/粮食播种面积(公斤/公顷)	负
	可恢复性	复种指数/%	正
		农业增加值增长率/%	正
		绝收/受灾面积/%	负
变革能力	多样协作性	粮食作物多样性指数/%	正
		农、林、牧、渔总产值/亿元	正
	技术进步	农业机械化作业服务人员占比	正
		农业机械总动力/万千瓦	正

在测度综合指数时，利用熵值法确定指标权重。具体测算步骤为:

（1）标准化处理：

其中，u_ij代表第i年或i地区的第j个指标经过标准化处理后的结果，x_ij代表第i年或者i地区的第j个指标的原始值，max（x_ij）、min（x_ij）分别代表原始值的最大值与最小值。

其中，p_ij=u_ij/（），由此可计算出各指标的信息熵e_j。

将上述按照无量纲处理后的数据与权重累乘并加重后即可得出标准化后各省份粮食生产韧性的综合得分。

2.自变量：农业新质生产力(Nqp)

农业新质生产力是在劳动者素质提升、劳动要素现代化和劳动对象优化的基础上，通过科技创新和改革驱动，实现农业生产力质的飞跃，其特征包括农业新质劳动资料、农业新质劳动力和农业新质劳动对象等三方面要素。根据农业新质生产力内涵特征指向，本文从农业劳动者、农业劳动对象和农 业劳动资料三个方面选取指标构建农业新质生产力综合评价指标体系，如表2所示。

准则层	一级指标	二级指标	计量方式	属性
劳动者	劳动者技能	受教育程度	农村劳动力人均受教育年限	正
		农村成人技术培训比例	农村成人文化技术培训学校结业生数量/乡村人口数量	正
	劳动生产率	第一产业人均产值	第一产业产值/第一产业从业人数	正
		农村居民人均收入	农村居民人均可支配收入	正
	劳动者就业理念	农村劳动力流动情况	外出务工劳动者/乡村从业人员	负
劳动资料	物质生产资料	能源消耗	农林牧渔业能量消费量/农林牧渔业总产值	负
			农村人均用电量	正
		传统基础设施	农村公路里程数/乡村人口	正
		数字基础设施	每平方米光缆线路长度	正
			农村宽带接入用户数/乡村户数	正
	无形生产资料	科技创新	农业科技从业人员数	正
			农业R&D投入存量	正
		数字化水平	农村数字普惠金融投资指数	正
			农村数字普惠金融移动支付指数	正
劳动对象	新质产业	农业产业	农民专业合作社数量/第一产业从业人数	正
		创新情况	农业专业化国家重点龙头企业数量	正
		农林牧渔服务业情况	农林牧渔服务业增加值	正
	生态环境	绿色环保	森林覆盖率	正
			环境保护财政支出/政府公共财政支出	正
		污染治理	农业COD污染排放占比/第一产业产值占比	负
			农业氨氮排放占比/第一产业产值占比	负

3.中介变量

选取的中介变量为农地经营规模和农业社会化服务。农地经营规模指标采用粮食播种面积与种粮劳动人数比值进行衡量。农业社会化服务指标采用各省农林牧渔服务业产值与农作物总播种面积的比值进行衡量。

4.控制变量

为控制遗漏变量偏误， 参考既有研究， 选取以下控制变量。城镇化水平(Urb)：采用城镇人口与地区人口数之比表示。财政支出（Fsa）：采用农林牧渔支出与财政总支出之比表示。产业结构（Ind)：采用第二、三产业产值与总产值之比表示。地区生态环境（Envir）：采用水土流失治理面积表示。对外开放程度(Fdi)：采用进出口贸易额与地区生产总值之比表示。

（三）数据来源和描述性统计

本文变量数据主要来自来源于国家统计局官网、《中国统计年鉴》《中国农村统计年鉴》《中国财政年鉴》《中国环境统计年鉴》《中国社会统计年鉴》《中国能源统计年鉴》《中国经营管理统计年报》《中国农村合作经济统计年报》《中国农村政策与改革统计年报》、北京大学数字金融研究中心以及各省份统计年鉴，对缺失数据采用移动平均插值法补充。《中国人口与就业统计年鉴》及各省份统计公报，样本时间段设定为2012—2022年，对于个别缺失数据采用线性插值法予以补齐。各变的描述性统计如表3所示。

变量名	观测值	均值	标准差	中位数	最小值	最大值
粮食生产韧性（Food)	330	0.351	0.150	0.333	0.059	0.669
农业新质生产力（Nqp）	330	0.183	0.092	0.157	0.055	0.506
地区产业结构（As）	330	0.904	0.053	0.910	0.750	1.000
人口城镇化（Urban）	330	0.608	0.118	0.590	0.360	0.900
地区生态环境（Envir）	330	4.249	3.326	3.682	0.000	16.679
对外开放程度（Fdi）	330	0.029	0.030	0.020	0.000	0.150
财政支出（Fsa）	330	11.372	3.404	11.395	4.110	20.380
农业社会化服务（Ass）	330	0.182	0.178	0.120	0.020	1.110
农地经营规模（Alms）	330	2.326	1.677	1.945	0.280	12.770

四、实证结果与分析

（一）基准回归结果分析

采用前文构建的基准回归模型，通过逐步引入控制变量，分别运用随机效应模型与双向固定效应模型进行参数估计，以检验农业新质生产力对粮食生产韧性的影响。经Hausman检验验证，固定效应模型在本文基准回归中展现出优于随机效应模型的解释力，因此选择双向固定效应模型的估计参数作为核心分析依据更具合理性。基准回归分析结果显示(见表4)，核心解释变量（nqp）的回归系数均为正值且通过显著性检验，这表明农业新质生产力对粮食生产韧性具有显著的正向促进作用。双向固定效应模型（3）在控制个体与时间双重固定效应后，结果显示农业新质生产力在5%的显著性水平上显著提升粮食生产韧性；模型(4)控制可能会对粮食生产韧性产生影响的其他控制变量，结果显示农业新质生产力在1%的水平上显著提升粮食生产韧性。结合理论框架分析，可能的作用路径在于：农业新质生产力通过延伸产业链条、优化种植结构等路径，强化了粮食生产的抗风险能力；通过提高农业金融保险覆盖率、提升流通效率、培育绿色生产能力等举措，增强了生产系统的恢复能力；同时，推动产业转型升级、激发经营主体创新活力等机制，则有效提升了粮食生产的创新能力，最终从多维度赋能粮食生产韧性提升。由此，假说H1得到验证。

此外，从各控制变量来看，地区生态环境(envir)的估计系数显著为正，说明良好的生产生活条件有助于提升粮食生产韧性。产业结构(as)的估计系数显著为负，可能的原因是，在冲击发生时，粮食安全保障目标要求负外部性产业(指第一产业)的产出上升，而产业结构升级要求负外部性产业的产出下降，目标之间的矛盾不利于粮食体系韧性的稳定。人口城镇化率(urban)的估计系数显著为负，城镇化率在1%水平下显著负向影响粮食生产韧性，其原因为土地用途转换加剧耕地资源刚性约束，导致种植规模持续性缩减；其次劳动力市场的虹吸效应引发农业从业者结构性流失，造成粮食生产主体动能衰减，进而对粮食生产韧性的提升产生阻力。对外开放程度（fdi)的估计系数显著为正，这说明对外开放程度的提高可以作用于粮食生产、流通和消费等各个环节，有助于提升国家粮食整体韧性。财政支出（fsa）并未通过显著性检验。

	(1)	(2)	(3)	(4)
农业新质生产力（nqp）	0.066**	0.094***	0.062**	0.093***
	(0.026)	(0.026)	(0.030)	(0.028)
地区产业结构（as）		-0.052		-0.257*
		(0.144)		(0.154)
人口城镇化（urban）		-0.188***		-0.430***
		(0.048)		(0.103)
地区生态环境（envir）		0.015***		0.014***
		(0.002)		(0.002)
对外开放程度（fdi）		0.060		0.391**
		(0.134)		(0.186)
财政支出（fsa）		0.001		0.001
		(0.001)		(0.001)
_cons	0.339***	0.420***	0.346***	0.728***
	(0.005)	(0.121)	(0.006)	(0.146)
个体效应	是	是	是	是
时间效应	否	否	是	是
N	330.000	330.000	330.000	330.000
r2	0.021	0.160	0.094	0.241

（二）内生性讨论和稳健性检验

1.内生性讨论

尽管本研究已控制粮食生产韧性的主要影响因素，但受研究范式与数据可得性限制，难以完全排除遗漏变量风险，这可能使研究结果存在一定偏差。这可能导致研究结果出现一定偏差。此外，粮食生产韧性较强的区域往往更倾向于积极推动农业新质生产力的发展，这种双向因果关系可能引发内生性问题。为克服这一难题，本研究选取滞后一期的核心解释变量构建工具变量，分别采用两阶段最小二乘法（2SLS）和系统广义矩估计（System GMM）进行实证检验。实证结果显示，在表5第（1）列中，Anderson LM不可识别检验和Cragg-Donald Wald F弱工具变量检验均在1%显著性水平上通过检验，这表明工具变量不存在识别不足问题，且具有较强的解释力，验证了工具变量选取的合理性。回归结果表明，农业新质生产力对粮食生产韧性的影响系数达到0.969，且在1%统计水平上显著，这一结果在考虑内生性问题后依然保持稳健性。表5第（2）列展示了系统GMM方法的估计结果。研究发现，农业新质生产力对粮食生产韧性的正向促进作用在5%显著性水平上显著。自相关检验结果显示，AR（1）检验的p值小于0.1，而AR（2）检验的p值大于0.1，表明模型残差仅存在一阶自相关，不存在二阶及以上自相关问题。同时，Hansen过度识别检验的p值大于0.1，进一步证实了工具变量的有效性。这些检验结果表明，本研究较好地解决了模型可能存在的内生性问题。

	(1) 两阶段最小二乘法	(2) gmm模型
nqp	0.969***	0.111**
	(0.123)	(0.053)
L.fsr		1.018***
		(0.059)
_cons	0.964***	-0.418
	(0.265)	(0.453)
控制变量	是	是
个体效应	是	是
时间效应	是	是
N	300.000	300.000
r2	0.304
Anderson LM	191.875***
C-D Wald F	519.946***
AR（1）		0.000
AR（2）		0.577
Hansen		0.222

2.稳健性检验

为了保证研究结论准确性，本文进行了稳定性检验。1)替换被解释变量。运用主成分分析法测度粮食生产韧性，生成新的被解释变量并代入回归模型重新估计，结果见表6（1）列。估计结果显示，农业新质生产力对粮食生产韧性的影响系数在5%的显著性水平下保持正值，进一步验证了农业新质生产力对粮食生产韧性的正向促进作用。2）引入滞后项。为解决内生性问题，此处将农业新质生产力滞后一期进行分析。由表6（2）列可知，农业新质生产力对粮食生产韧性的影响与回归结果保持一致，正向显著效应基本稳健。3）剔除极端值，极端值的出现将对回归结果产生偏误，从而严重影响研究的可信度，为避免这种不利影响，本文对各变量进行了缩尾处理，具体操作为将各指标1%～99%之外的数据进行处理。表6（3）列是对变量缩尾处理后得到的估计结果，可见农业新质生产力对粮食生产韧性影响的弹性系数与基准回归结果一致，并通过了1%的显著性水平。

	(1) 替换自变量	(2) 引入滞后项	(3) 缩尾处理
nqp	0.016***		0.092***
	(0.005)		(0.029)
L.nqp		0.059*
		(0.032)
L.fsr
_cons	0.755***	0.929***	0.700***
	(0.145)	(0.170)	(0.149)
控制变量	是	是	是
个体效应	是	是	是
时间效应	是	是	是
N	300.000	300.000	330.000
r2	0.313	0.274	0.224

（三）影响机制检验

在确认农业新质生产力对粮食生产韧性存在正向关联的基础上，本研究进一步构建中介效应模型，借鉴江艇（2022）在因果推断研究中提出的中介效应分析建议。所选中介变量与粮食生产韧性这一被解释变量之间具有明确的因果作用路径，研究聚焦于考察农业新质生产力对中介变量的作用机制，回归结果见表7。

表7列（2）结果显示，农业新质生产力对农业社会化服务的影响系数为1.296，且在1%的统计水平上显著，证实了农业社会化服务体系在农业新质生产力作用于粮食生产韧性的过程中发挥部分中介作用。表7列（3）结果显示，农业新质生产力对农地经营规模的影响系数为10.30，在1%的统计水平上显著，证实了农地经营规模在农业新质生产力作用于粮食生产韧性的过程中发挥部分中介作用。由此，假说H2，H3得到验证。

变量名称	（1） 基准回归	（2） 农业社会化服务	（3） 农地经营规模
农业新质生产力水平	0.093***	1.296***	10.30***
	(0.028)	(24.13)	(16.67)
_cons	0.728***	-0.0646	-4.500
	(0.146)	(-0.21)	(-1.25)
控制变量	是	是	是
观测量	330.000	330.000	330.000
R2	0.241	0.96	0.94

（四）异质性检验

1．区域异质性

将样本分为东、中、西3个部分进行回归。表8结果显示，农业新质生产力对东部地区粮食生产韧性的总效应影响系数为0.101，在1%水平下显著为正；对中部地区和西部地区粮食生产韧性的总效应影响系数分别为0.110和0.011，未通过检验，研究结果不显著。可能的原因在于东部地区优越的地理位置和良好的气候条件，该地区的农业经济相对发达，农业基础设施建设也较为完善。此外，东部地区在数字基础设施建设方面相对成熟，这使得农业新质生产力对粮食生产韧性的推进作用更为显著。相较之下，中西部地区的数字基础设施建设相对滞后，加之农户的素质较低以及对新技术的认知不足，导致该地区的粮食生产韧性尚未充分从农业新质生产力的提升中受益。

2．粮食功能区异质性

为探究农业新质生产力对粮食生产韧性的影响是否存在区域差异，本研究参照粮食主产区、主销区和产销平衡区的地理划分展开分析。与基准回归模型保持一致，仍采用固定效应模型进行实证检验，具体结果详见表8。估计系数显示，农业新质生产力对主销区粮食生产韧性的总体影响系数为0.169，且在1%的显著性水平下通过检验；而对主产区和产销平衡区的影响系数分别为-0.050和0.010，未通过统计学显著性检验。区域差异的形成可能与主销区多位于东部经济发达地区有关，该地区农业基础设施完备、农户经营能力较强，有利于农业新质生产力转化为实际生产效能，从而显著提升粮食生产韧性。相较而言，主产区和产销平衡区多分布在中西部欠发达区域，受制于经济基础和技术条件，特定的自然条件、市场因素及规模效应等因素，未能显著提高粮食生产的促进效果。

	(1)	(2)	(3)	(4)	(5)	(6)
	东部	中部	西部	粮食主产区	粮食平衡区	粮食主销区
Nqp	0.101***	0.110	0.011	-0.050	0.010	0.169***
	(0.037)	(0.101)	(0.059)	(0.062)	(0.061)	(0.038)
_cons	0.800***	1.292**	0.450*	1.023***	0.539*	0.607
	(0.240)	(0.526)	(0.261)	(0.219)	(0.291)	(0.372)
控制变量	是	是	是	是	是	是
个体效应	是	是	是	是	是	是
时间效应	是	是	是	是	是	是
N	143.000	66.000	121.000	143.000	110.000	77.000
r2	0.988	0.982	0.975	0.969	0.947	0.963

（五）门槛回归结果

1.门槛效应检验。首先，对模型进行三重门槛效应检验，设定bootstrap抽样次数为500次，但检验结果显示P值未达显著性水平。遂将模型简化为双重门槛设定，重复检验过程，P值仍不显著。进一步将模型设定为单一门槛，此时P值通过显著性检验，表明研究对象存在单门槛效应，具体检验结果详见表9。

门槛模型	F值	P值	Bootstrap次数	临界值 10% 5% 1%
单一门槛	14.29	0.0400	500	12.1893	14.0778	18.1840
双重门槛	4.62	0.7500	500	12.0066	14.1786	16.8548
三重门槛	6.02	0.5867	500	13.2749	16.4664	21.6571

2.门槛效应结果分析。在确认模型存在单一门槛值后，本研究进一步开展非线性单一门槛估计，估计结果及95%置信区间详见表10。依据门槛值将农业新质生产力划分为两个区间：低水平阶段（X＜0.2007）和高水平阶段（X≥0.2007）。分析发现，农业新质生产力在不同区间内对粮食生产韧性的影响存在显著差异。具体影响见表11，在农业新质生产力低水平阶段，其对粮食生产韧性的影响未通过显著性检验；当进入高水平阶段时，影响系数达0.059，且通过显著性检验，这表明随着农业新质生产力水平的提升，其对粮食新质生产力的影响呈现出显著的正向且边际效应递增的非线性特征，即农业新质生产力在影响粮食生产韧性发展的机制中，其自身发挥了门槛效应。由此，假说H4得到验证。

门槛类型 Threshold type	门槛估计值 Threshold estimates	95%置信区间 95% confidence interval
单一门槛 Single threshold	0.2007	[0.1949,0.2073]

变量	y
npq（＜0.2007）	-0.033
	(0.043)
npq（≥0.2007）	0.059**
	(0.027)
控制变量	是
个体效应	是
时间效应	是
_cons	0.441***
	(0.119)
N	330.000
r2	0.196

五、研究结论和政策建议

本文基于粮食生产韧性分析框架构建了抵抗力、适应力、变革力三个维度的粮食生产韧性综合评价指标体系，在测度粮食生产韧性发展指数的基础上，利用我国2012—2022年省级面板数据选择固定效应模型、中介效应模型及面板门槛模型，实证检验农业新质生产力影响粮食生产韧性的内在逻辑与路径。得出以下结论：（1）农业新质生产力有助于粮食生产韧性水平的提升且影响效果显著，在进行稳健性检验后，结论依旧成立；（2）农地规模经营和农业社会化服务在农业新质生产力影响粮食生产韧性中发挥了部分中介效应；（3）农业新质生产力影响粮食生产韧性在粮食功能区、东中西部地区存在明显异质性，对主销区的作用显著，而对非主产区的影响不显著，在东部地区具有促进效应，而在中西部地区的影响不显著；（4）农业新质生产力对粮食生产韧性的作用机制具有非线性特征，表现为单一门槛效应。具体而言，当农业新质生产力水平达到或超过临界值0.2007时，其对粮食生产韧性的正向影响更显著。

保障国家粮食安全，关键在于提升粮食生产的韧性，这是稳定国内粮食产能与供给体系的基石，基于以上结论本文提出如下政策建议：

第，,聚焦于粮食生产韧性能力的持续培育。首先，强化粮食综合产能建设，通过同步提升土地产出效率和劳动生产效率，推动全要素生产率的持续优化；其次，优化生产要素配置机制，重点推广测土配方施肥、病虫害绿色防控、节水灌溉等现代农业技术，在改善农田生态系统功能的同时，实现水肥资源的高效利用；最后，强化农业科技支撑体系，通过产学研协同创新加速科技成果转化，完善科技推广服务网络，以技术创新驱动农业高质量发展。

第二，多要素协同驱动释放农业新质生产力粮食增产潜能。具体而言，应实施“数字赋能”与“绿色转型”双轮驱动战略：在数字赋能层面，加快构建农业大数据平台、智能物流网络和远程监测系统，通过提升农业生产全链条的数字化水平，增强粮食生产系统的抗风险能力；在绿色转型层面，优化化肥、农药等投入品的科学配比，推广绿色生产技术模式，同步提升耕地地力和生产可持续性。通过强化科技创新、绿色技术和数字要素的集成应用，培育农业新质生产力的发展动能，为粮食稳产增产提供新引擎。

第三，基于区域发展不均衡特征，因地制宜推进农业新质生产力发展。在具体实施路径上，需结合各区域禀赋条件制定针对性方案：对于中部农业主产区，应强化科技创新投入，充分发挥新型生产力对产业稳定性的支撑作用；西部欠发达地区则需重点完善农业生产基础设施配套，通过政策引导提升技术应用水平，激发生产力提升潜能；东部经济发达地区应着力促进现代农业与智能技术深度融合，构建精准高效的现代化农业生产体系。粮食主销区需持续依托数字经济发展优势，加快推进粮食流通与销售企业的智能化转型进程，通过优化粮食运营管理系统，切实提升粮食供应体系的灵活响应能力。粮食主产区需立足资源禀赋和区位优势，系统推进高标准农田建设与长效管护机制，强化良种选育与农业技术推广，完善气象与生物灾害防控体系，优化政策保障与资金投入，从而持续提升粮食生产效率、增强产业韧性和稳定供给能力，切实履行保障国家粮食安全的核心职能。产销平衡区域应加强基建投入，着力弥补与主产区和主销区在数字经济发展层面的差距，夯实粮食系统韧性提升的基础支撑。

参考文献

1. [1] 赵霞,凃正健,张久玉.双循环格局下中国粮食安全保障能力提升路径研究[J].国际经济评论,2022(4):74-90,6.
2. [2] 赵凯.农业新质生产力赋能粮食安全的逻辑理路与实践图景[J].粮食问题研究,2025,(02):10-14.
3. [3] Martin R.,Sunley P.,Tyler P.Local growth evolutions:recession,resilience and recovery.Cambridge Journal of Regions,Economy and Society,20 15,8(02):141-148.
4. [4] 刘晓星,张旭,李守伟.中国宏观经济韧性测度--基于系统性风险的视角[J].中国社会科学,2021(1):12-32,204.
5. [5] Martin R.Regional economic resilience,hysteresis and reces-sionary shocks[J].Journal of Economic Geography,2010,12(1):1-32.
6. [6] 修春亮,魏冶,王绮.基于“规模-密度-形态”的大连市城市韧性评估[J].地理学报,2018,73(12):2315-2328.
7. [7] 谭俊涛,赵宏波,刘文新,等.中国区域经济韧性特征与影响因素分析[J].地理科学,2020,40(2):73-181.
8. [8] Hodbod J.,Eakin H.Adapting a social-ecological resilience framework for food systems.Journal of Environmental Studies and Sciences,2015,5(0 3):474-484.
9. [9] Béné Christophe,Frankenberger Timothy R.,Nelson Suzanne,et al.Food system resilience measurement:principles,framework and caveats.Food Security,2023,15(06):1437-1458.
10. [10] 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.
11. [11] 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.
12. [12] 陈有华,曾梦晴,陈彬.气候变化对粮食生产韧性的影响：基于作物多样化的调节效应研究[J].生态学报,2024,44(16):6937-6951.
13. [13] 蔡林军,文春晖.劳动力转移对粮食生产韧性的影响研究：基于中国粮食主产区的实证[J].中国农机化学报,2024,45(3):313-321.
14. [14] 范振楠,覃朝晖,余思明.极端气温对粮食生产韧性的影响效应研究：基于绿色金融视角[J].中国生态农业学报(中英文),2024,32(5):896-910.
15. [15] 罗必良.论农业新质生产力[J].改革，2024(4):19-30.
16. [16] 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(3):1-17..
17. [17] 高原,马九杰.农业新质生产力：一个政治经济学的视角[J].农业经济问题，2024(4):81-94.
18. [18] 宋振江,冷明妮,周波等.中国农业新质生产力：评价体系构建、动态演进及政策启示[J].农林经济管理学报,2024(4):425-434.
19. [19] 毛世平,张琛.以发展农业新质生产力推进农业强国建设[J].农业经济问题，2024(4):36-46.
20. [20] 高帆.新质生产力与我国农业高质量发展的实现机制[J].农业经济问题，2024(4):58-67.
21. [21] 马晓河,杨祥雪.以加快形成新质生产力推动农业高质量发展[J].农业经济问题，2024(4):4-12.
22. [22] 李政,崔慧永.基于历史唯物主义视域的新质生产力：内涵、形成条件与有效路径[J].重庆大学学报(社会科学版),2024(1):129-144.
23. [23] 胡莹,刘铿.新质生产力推动经济高质量发展的内在机制研究——基于马克思生产力理论的视角[J].经济学家，2024(5):5-14.
24. [24] 郑建.以新质生产力推动农业现代化：理论逻辑与发展路径[J].价格理论与实践，2023(11):31-35.
25. [25] 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.
26. [26] 王静华,刘人境.乡村振兴的新质生产力驱动逻辑及路径[J].深圳大学学报(人文社会科学版),2024(2):16-24.
27. [27] 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(6):61-72.
28. [28] 江艇.因果推断经验研究中的中介效应与调节效应[J].中国工业经济,2022,(05):100-120.
29. [29] 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.
30. [30] 朱迪,叶林祥.中国农业新质生产力：水平测度与动态演变[J].统计与决策,2024,40(9):24-30.
31. [31] 王帅,王亚静.城镇化与粮食生态效率——基于异质性城镇化的理论视角与实证检验[J].农业现代化研究,2023,44(3):469-479.
32. [32] 王磊,马金铭.数字普惠金融影响农业绿色发展的机制与效应[J].华南农业大学学报(社会科学版),2023,22(6):14-27.