粮食种植面积是影响中国粮食生产的关键因素，对粮食供应至关重要。本文采用荟萃分析法，对影响中国主粮种植面积变化的因素进行了深入研究。

研究结果表明，农户受教育程度、农业劳动力、机械化水平、粮食补贴政策和收储政策等因素对主粮种植面积有明显促进作用。农户年龄和城乡收入差距对主粮种植面积有抑制作用。需要注意的是，随着时间的推移，部分因素对主粮种植面积的影响可能会发生变化，而文献研究的特征也会对实证结果产生差异。

粮食安全是国家的重中之重，关系到经济发展、政治稳定和社会和谐。主粮种植面积反映了主粮作物的实际生产规模，是农业结构调整和优化的基础。

中国传统三大主粮作物是水稻、小麦和玉米。从宏观角度看，稳定的主粮种植面积是保障粮食安全的保证。它也是调控粮食市场、平衡供需的重要途径。

从微观角度看，主粮作物对居民饮食和营养平衡至关重要。当前，稳定主粮种植面积对国家粮食战略储备和市场有效调控提出了更高要求。

尽管近年来中国主粮产量保持较高水平，但种植面积不稳定和布局不合理的问题依然存在，对粮食安全构成挑战。

数据显示，过去十年间中国耕地面积减少了1.13亿亩，影响了主粮种植面积的稳定性。自20世纪70年代以来形成的“南粮北运”格局也逐渐被“北粮南运”格局取代，使主粮产地分布发生变化。

在当前的经济环境和发展格局下，稳定主粮种植面积具有重要的战略意义。只有通过优化主粮生产空间分布和保障粮食安全，才能维护国家农业和粮食市场的稳定。

在农户特征方面，研究发现农户的年龄、教育程度等个人特征与小麦和玉米种植面积密切相关。马丽认为，农户年龄的增长对他们种植粮食的积极性产生正面影响，从而有助于粮食种植面积的扩大。

在生产特征方面，姚成胜等认为农业机械化的规模效应和装备效应显著促进了粮食生产。邹小娇等认为，上期收益和上期种植面积在一定程度上影响农户的生产决策，但这种影响存在不确定性。

在社会经济特征方面，黄龙俊江等认为水稻播种面积与城乡收入差距之间存在长期平衡关系。王莉等的研究表明，农户粮食种植面积的变化与粮食价格波动相关。

在政策特征方面，刘克春对粮食补贴政策背景下农户主粮种植行为的实证分析发现，粮食直接补贴和最低收购价政策可以显著提高农户的种植积极性。江生忠等的研究发现，财政补贴政策可以有效释放农业保险需求，提高农户的投保积极性，促进粮食种植面积扩大。

现有研究在分析主粮种植分布变化时，已经定量估计了各种影响因素的作用效应。对于一些影响因素，研究已经达成共识，但也有不同意见。

针对以往部分研究结果的不一致性，为了更全面地统计更多因素变量，本文采用荟萃分析法来研究中国主粮种植面积变化的影响因素。在明确各影响因素作用效应的本文将深入探讨先前研究结论异质性的原因。

研究设计

文献搜集与筛选

本文采用两种方法检索文献，以尽可能将有关中国主粮种植面积影响因素的实证文献纳入荟萃分析样本库中：

（1）在中国知网、万方、Web of Science 等网站中搜索“粮食种植面积”、“水稻种植面积”、“小麦种植面积”、“玉米种植面积”、“种植面积影响因素”等关键词，检索时间设置为“不限”。

（2）对与研究主题相关的文献的参考文献进行回溯检索。截至 2022 年 11 月，共检索得到 57 篇初始文献。

根据相应标准对文献进行初筛和复筛。文献筛选标准如下：

（1）文献应包含实证研究；

（2）研究主题是中国主粮种植面积变化的影响因素，且因变量是中国主粮种植面积或与其相关的度量指标；

（3）数据资料完整，需报告样本量与相关系数或其他可转换指标；

（4）对纳入的文献研究进行细致比较，检查是否存在分阶段或重复发表的情况。

最终获得 32 篇相互独立的研究文献。

文献编码

荟萃分析是对以往实证研究进行整合的过程，需要对所选取的研究文献进行效应值编码。本研究将各影响因素与主粮种植面积的相关系数 r 作为效应值。

具体操作如下：

（1）如果一篇文献由多个独立样本组成，那么则需要以独立样本为单位进行多次编码；

（2）若同一变量来自不同的文献，需反复比对不同文献中相关变量的定义与内涵，确保每篇文献中变量内涵均一致才可合并；

（3）若同一研究同时报告了相关系数与回归系数，则优先选择相关系数作为效应值，部分文献中未报告相关系数，应先提取相应的回归系数，根据相关公式将其转换为相关系数。

完成编码工作后在 CMA（综合荟萃分析）软件中录入各项研究从而进行荟萃分析。

通过对文献进行编码，纳入主粮种植面积影响因素变量（表 1），本研究将各影响因素变量分为农户特征、生产特征、社会经济特征与政策特征 4 个方面。

表 1 主粮种植面积各影响因素变量

3 数据处理

由于样本文献在研究方法等方面存在差异性，因此需要将多个独立研究的统计量合并为某个单一的效应值。

Fisher's Z 值能够反映变量之间的关系强度，且不论原始数据是否严格服从正态分布，经转换后的 Fisher's Z 值均服从正态分布，因此本研究通过借鉴刘洪颖等研究方法，将各研究的相关系数进行 Fisher's Z 转换，再以抽样标准误平方的倒数为权重进行加权取平均，最后将结果换算回相关系数得到最终效应量。

首先要对提取的相关系数进行 Fisher's 转化，使其符合渐进的正态分布。

公式如下： Z = 0.5 * ln((1 + r) / (1 - r)) 式中，r 为相关系数，Z 为转换后的 Fisher's Z 值。

对 Z 值加权平均处理，致使单个效应值在总体效应值中的占比与该样本在总样本中的占比一致。

计算公式如下： Z = (∑(Wi * Zi)) / ∑Wi Z 值的标准误 SE 和其相应的效应值权重 Wi 的计算公式如下： SE_Z = 1 / √(Wi) Wi = 1 / SE²

将 Z 值逆变换转化为最终效应值的相关系数，公式如下： r = (exp(2Z) - 1) / (exp(2Z) + 1)

转换后的相关系数 r 的绝对值大小反映该因素对主粮种植面积的影响程度。

当 r 值小于 0.3 时，表明二者呈现弱相关性；当 r 值在 0.3~0.5 时，呈现中等程度相关性；当 r 值大于 0.5 时，说明二者相关性较强。

在进行荟萃分析之前需对各变量进行发表偏倚检验。

本文采用 Egger's 回归检验法进行发表偏倚检验。

在关于三大主粮种植面积影响因素的各项变量中，最终纳入荟萃分析的各变量 Egger's 回归检验 95% 置信区间均含 0，显著性检验结果 P 值均大于 0.05，表明不存在发表偏倚。

在模型选择中，由于本研究中纳入的影响因素数量以及文献数量较多，且大多来自于不同样本，相比于固定效应模型，显然随机效应模型更合适。

选取随机效应模型进行分析。

2 研究结果

1 主效应分析

通过 CMA 软件进行荟萃分析。表 2 列出了随机效应模型的分析结果。