摘要: 国家审计作为国家治理监督体系的重要组成，能够针对不同地区农业新质生产力情况提出审计建议，有效保障粮食安全。以2022年中国31个省份的横截面数据为基础，运用NCA和fsQCA分析方法，对科技农业、数字农业、绿色农业指标进行组态分析，探究粮食安全发展的驱动路径及其审计治理方式。结果表明: 农业机械化和农业专项财政投入是影响粮食安全水平的必要条件，但粮食安全并非单一的条件所导致。高水平粮食安全的3种组态分别为: 科技农业-绿色农业驱动型、科技农业-数字农业发展型、科技农业-数字农业-绿色农业协同型, 其中科技农业-数字农业-绿色农业协同型的原始覆盖度及一致性检验最高，是高水平粮食安全的最优路径。基于此，建议通过深化农业机械化应用，提高农业专项财政支持，并针对不同组态有效实施审计治理的方式，全面提升粮食安全水平，维护国家安全。
关键词: 农业新质生产力; 粮食安全; 审计治理; 模糊集定性比较分析
论文《农业新质生产力视角下粮食安全保障机制及审计治理》发表在《西北农林科技大学学报(社会科学版)》，版权归《西北农林科技大学学报(社会科学版)》所有。本文来自网络平台，仅供参考。
引言
粮食安全是维护社会稳定、推动经济发展以及保障国家安全的基础。党的十八大以来，我国在粮食安全方面取得了显著的成果。为进一步保障粮食安全，2023年3月12日，国务院常务会议通过的《新一轮千亿斤粮食产能提升行动方案(2024-2030年)》明确提出，到2030年实现新增粮食产能千亿斤以上，全国粮食综合生产能力进一步增强。然而，受限于农业机械化水平、农业专项财政支持力度、农业数字信息化程度、农业绿色发展能力等生产力因素，近年来粮食产量增速趋于放缓，粮食供求生产和消费将长期处于紧平衡的状态[1]。2024年1月31日，习近平总书记在中共中央政治局第十一次集体学习时指出:“概括地说，新质生产力是创新起主导作用，摆脱传统经济增长方式、生产力发展路径，具有高科技、高效能、高质量特征，符合新发展理念的先进生产力质态。”新质生产力的提出为生产力的改革指明了方向，保障粮食安全发展需进一步提升农业新质生产力，及时调整传统农业所面临的限制。因此，从农业新质生产力视角深入探讨保障粮食安全的影响极影因素及增长规律刻不容缓，这不仅是深入贯彻落实国家政策的行动方案，更是保障国家安全，实现农业强国的必然选择。
国家审计作为党和国家监督体系的重要组成部分，通过发挥审计治理的预防、揭示和抵御功能，能够预防识别粮食安全中存在的潜在风险，揭示阻碍粮食安全的突出问题，抵御调整粮食安全政策中的执行偏差，提出针对性的审计建议[2]。我国幅员辽阔，区域农业科技差异明显、数字与信息化水平不均衡、农业绿色发展多模式等现象，导致地区粮食安全水平存在差异，在农业新质生产力影响下形成不同粮食安全组态。国家审计可以将审计重点放到影响高水平粮食安全形成的主要因素上，不仅能够客观把握粮食安全所面临的形势，还能够有效保障粮食安全的运行机制。那么，农业新质生产力中哪些要素是影响粮食安全的关键因素，不同要素组合将如何影响粮食安全? 在不同农业新质生产力的组态下，国家审计应该如何有效开展粮食安全审计监督? 对这些问题展开研究具有重要的现实意义。
一、文献回顾
(一)农业新质生产力的相关研究
生产力是人类社会发展的根本动力，新质生产力是社会发展的必然要求[3]。习近平总书记关于发展新质生产力的重要论述是对马克思主义生产力理论的继承与发展[4]。在新一轮科技革命和产业变革的背景下，以大数据、物联网、人工智能技术为代表的“算力”，为农业新质生产力提供了新的契机，有利于提高我国农业生产率和比较效益[5]。
现有学术成果主要集中在以下两方面: 一是农业新质生产力的内涵研究。姜长云认为农业新质生产力作为新质生产力的具体形态之一，是以实现农业生产要素品质属性及其组合优化升级为基本内涵的先进生产力质态，具有创新极影驱动、融合效能、绿色效能等特征[6]。罗必良等认为农业极影新质生产力必须以科技为动力，以高质量发展为中心，以建设农业强国为目标，具有突破困境、提升格局、增强韧性的重要意义[7]。高原等认为应注重技术创新与乡村物质及社会特性相适应，也应重视通过包容性的产业链变革助力新生产方式进一步转化为新增价值[8]。二是农业新质生产力的评价标准研究。部分学者按照马克思主义理论，从农业劳动者、农业劳动对象和农业劳动资料3个要素选取指标构建农业新质生产力综合评价指标体系[9-12]; 另一部分学者则从农业科技生产力、农业绿色生产力、农业数字生产力3个维度构建粮食主产区农业新质生产力发展水平评价体系[13-15]。
(二)粮食安全与农业新质生产力的关系研究
粮食安全是一个不断发展的概念，联合国粮食和农业组织(FAO)于1974年首次提出“food security”，并定义为“保证所有人在任何时候，都能得到为了生命和健康所需的足够食物”[16]。粮食安全是一个复杂的系统问题，其制约因素较多，不同地区粮食安全极影水平存在显著差异[17]。粮食安全评价体系在国家层面未形成统一规定，学者对于粮食安全评价体系构建从不同层面展开论述，其构建的指标按照研究内容各有侧重。部分学者从宏观角度构建指标，雷勋平等和袁世一等从粮食安全的数量安全、质量安全、环境安全、生态安全以及贸易安全这5个层面构建评价体系[18-19]。部分学者从微观角度构建指标，苏芳等从粮食的可用性、可获得性、可利用性、稳定性四个维度构建粮食安全指标[20]; 张小允等从供给能力、供给结构、绿色发展、基础支撑，并结合种粮经济效益这5个层面构建了粮食安全评价体系[21]。
农业新质生产力对粮食安全保障具有积极影响。周洁认为农业新质生产力拓展了传统生产力下粮食安全的内涵和外延，在新型农业科技的具体形态上丰富了劳动者、劳动资料和劳动对象这三要素内容，对于保障粮食供需结构安全、质量安全和产业链供应链安全等方面提供了更加多元、高效、智能、准确的选择[22]。高鸣等认为要加强以新质生产力为主导的粮食产业转型升级，强化种业创新，积极改善种粮环境，推进粮食产业的转型升级与粮食产业现代化[23]。同时，粮食安全对农业新质生产力重构亦具有推动作用。王可山等主张保障粮食安全应基于农业劳动者、劳动资料、劳动对象的实际状况, 结合农业产业特性, 重构农业科技创新体系和现代农业产业体系, 推动农业新质生产力形成和发展[24]。
(三)审计监督对粮食安全保障的影响
根据国家极影粮食安全战略部署和粮食生产能力的影响因素，国家审计进一步夯实了粮食安全根基，国家审计机关将政策落实跟踪审计作为审计重点，紧紧围绕影响粮食安全的关键因素开展审计工作，确保资金的合理使用和政策的有效执行[24]。国家审计不仅为粮食安全和可持续发展提供基础信息和数据，用于克服土地和粮食生产中存在的问题[25], 并深入挖掘粮食生产中体制机制制度性原因, 提出针对性的审计建议[2], 为政府制定与调整粮食安全政策提供决策依据。
综上所述，现有研究主要围绕农业新质生产力与粮食安全的基本内涵、评价指标及二者的相互作用展开，提出了农业新质生产力通过提高粮食产业现代化水平和优化供给结构，在保障粮食数量安全、质量安全及产业链供应链安全方面具有显著作用，粮食安全的需求亦在一定程度上推动了农业新质生产力发展。此外，审计监督作为保障粮食安全的重要手段，聚焦关键环节和影响因素，为政策优化与资源配置提供了科学依据，有助于夯实粮食安全基础并实现可持续发展目标。然而，现有研究忽略了农业新质生产力构成要素作为一个整体对粮食安全的复杂因果关系，亦无法准确阐明国家审计治理助力粮食安全保障的具体路径。因此, 本文从宏观层面将农业新质生产力的构成要素分为科技农业、数字农业、绿色农业, 运用必要条件分析(NCA)与模糊集定性比较分析(fsQCA)相结合的方法，提出影响粮食安全的组态研究分析框架; 然后，以2022年中国31个省份的面板数据为样本，通过分析农业新质生产力与粮食安全之间的关系，揭示多要素协同影响粮食安全的复杂因果机制和路径，并提出不同组态下的审计监督策略。
本文创新点有以下方面: 一是分析各地区农业新质生产力的构成要素形成的粮食安全组态，揭示不同因素如何协同作用，判断不同组态对粮食安全发展影响; 二是针对不同粮食安全组态，分析关键影响因素并提出针对性审计策略, 探析审计治理是如何在不同地区保障粮食安全健康发展。理论模型如图1所示。
二、研究方法
(一)NCA与fsQCA相结合的方法
必要条件分析(necessary condition analysis, NCA)由Dul于2016年提出[26], 用于研究某个条件是否为结果的必要条件。其与传统的回归分析不同，不是分析条件极影对结果的影响程度，而是分析结果出现时该条件必须存在。
定性比较分析法(qualitative comparative analysis, QCA)由 Charles Ragin于1987年提出[27], 用于解决必要与充分的复杂因果关系，适用于中小样本研究的定性与定量分析相结合方法。QCA有三种类型，一是明确集定性比较分析(csQCA)，要求变量采用二进制校准(0或1)，即“存在或不存在”，其适用于数据要求较高的明确因果关系分析。二是多值集定性比较分析(mvQCA)，允许变量的取值为多个离散极影值，如“A类或B类”，适用于分析类别明确的离散现象。三是模糊极影集定性比较分析(fsQCA)，允许变量的取值介于0至1之间，适合研究变化程度和因果关系的模糊性，不是简单地分析“存在或不存在”“A类或B类”，而是更深入地分析程度变化的问题。
fsQCA方法只能从定性角度识别条件变量是否为结果变量的充要条件, 但无法识别必要程度, Dul等提出 NCA方法能有效弥补 fsCQA方法的不足, 显示条件因素达到“某一程度”后成为结果变量的必要条件[28]。
本文选择 NCA与 fsQCA相结合的研究方法, 能够识别农业新质生产力要素中哪些是影响粮食安全的关键因素以及不同组态下的审计治理路径, 具有更大的价值。具体而言: 首先, 运用 NCA方法识别出影响粮食安全的要素是否存在必要条件, 若存在必要条件, 进一步确定该条件达到的临界程度, 以保证其对粮食安全水平提升的必要性; 其次, 通过 fsQCA可以更好地分析不同因素与粮食安全的中间状态及其交互作用, 有助于国家审计针对粮食安全的不同组态提供更为精准的意见。
(二)数据来源与变量说明
本文选取 2022年全国 31个省级行政区域(不含港澳台地区)作为研究对象, 研究数据主要来源于《中国统计年鉴》《中国农村统计年鉴》及各省份的统计年鉴。其中, 数字化水平数据来自北大数字金融中心, 部分缺失值采用线性插值法补齐, 共计 744条观测值。
1. 结果变量。粮食安全作为研究的结果变量, 借鉴雷勋平等的研究[18], 从粮食安全的数量安全、质量安全、资源安全、生态安全以及流通安全这 5个一级指标、 16个二级指标构建粮食安全评价指标体系。
第一, 数据标准化处理。为消除不同测度指标在数量级和量纲之间的不一致性, 对各测度指标进行标准化处理, 采用 min-max标准化方法进行极影标准化处理, 具体处理公式如下:
正向指标:
X_{i j}^{prime}=frac{X_{i j}-minleft(X_j
ight)}{maxleft(X_j
ight)-minleft(X_j
ight)}(1)
负向指标:
X_{i极影 j}^{prime}=frac{maxleft(X_i
ight)-X_{i j}}{maxleft(X_j
ight)-minleft(X_j
ight)}quad(2)
公式(1)(2)中, X_{i j} 为第 j个指标在第 i个省份的原始指标数, X_{i j}^{prime} 为处理后的标准化指标数; i=1,2, cdots, 31 表示省份, j=1,2,cdots, 16 表示评价指标数。
第二, 粮食安全评价指标权重计算。本文采用熵权法对具体二级指标进行赋权测度, 具体操作步骤如下:
一是初始指标规范化处理, 公式如下。
R_{i j}=frac{X_{i j}^{prime}}{sum_{j=1}^{31} X_{i j}}
公式(3)中, X_{i j}^{prime} 为第 i个省份的标准化指标数, R_{i j} 为 X_{i j}^{prime} 的规范化值。
二是计算指标熵值, 公式如下。
E_i=-frac{sum_{j=1}^{31} R_{i j}operatorname{In} R_{i j}}{operatorname{In}(31)}
公式(4)中, E_i 为第 j个指标的熵极影值。
三是计算指标的权重, 极影公式如下。
W_i=frac{1-E_i}{sum_{j=1}^{m}left(极影1-E_i
ight)}
公式(5)中, W_i 为第 j指标的权重, 具体见表 1。
2. 条件变量。农业新质生产力作为条件变量, 借鉴张应良等[13]、王亚红等[29]和宋振江等[30]的研究, 从科技农业、数字农业、绿色农业三个维度构建农业新质生产力评价指标体系。其中，科技农业选取农业机械化[29,31]、农业专项财政投入[29-31]; 数字农业选取农村互联网普及度[31-33]、数字化水平[29,31-32]; 绿色农业选取绿色食品认证[30-32]、森林覆盖率[29-30,32]，具体见表2。
表1 粮食安全评价指标体系
一级指标 二级指标 单位 性质 指标权重
数量安全 粮食产量 万吨 正向 0.09
单位耕地面积粮食产量 千克/公顷 正向 极影0.03
粮食产量波动系数 % 负向 0.02
人均粮食产量 千克 正向 0.09
环境安全 单位耕地面积农药使用量 千克/公顷 负向 0.01
单位耕地面积化肥施用量 千克/公顷 负向 0.02
单位耕地面积农膜使用极影量 % 负向 0.02
质量安全 人均耕地面积 公顷/人 正向 0.05
耕地有效灌溉面积 万公顷 正向 0.08
粮食生产财政支出 亿元 正向 0.03
农业机械化总动力 万千瓦 正向 0.08
农业从业人员 万人 正向 0.07
生态安全 除涝面积 万公顷 正向 0.18
节水灌溉面积 万公顷 正向 0.09
流通安全 铁路货运里程数 千米 正向 0.12
道路密集度 千米/公顷 正向 0.03
表2 农业新质生产力评价指标体系
总指标 一级指标 二级指标 衡量方式 单位
农业新质生产力 科技农业 农业机械化(A1)
农业专项财政投入(A2) 农户机械化总动力
农林水财政支出 万千瓦
亿元
数字农业 农村互联网普及度(A3)
数字化水平(A4) 农村宽带接入用户数/乡村户数
农村数字普惠金融移动支付指数 %
%
绿色农业 绿色食品认证(A5)
森林覆盖率(A6) 当年绿色食品认证数
森林覆盖率 个
%
(三)数据校准
fsQCA采用模糊集理论，为了更好探究变量之间的复杂关系，需要对原始变量进行再校准，转换为集合概念[28], 通过设置25%、50%及75%等3个临界值将其转化为完全不隶属、中间点以及完全隶属3种状态。结果变量和各条件变量的校准数据，如表3所示。
表3 集合、校准和描述性统计
变量分类 指标描述 变量名称 模糊集校准 描述性统计
完全隶属 交叉点 完全不隶属 均值 标准差 最大值 最小值
结果变量 粮食安全 Y 0.401 0.284 0.186 0.315 0.172 0.674 0.083
条件变量 科技农业 A1
A2 4900.990
943.840 2 805.710
751.510 1431.155
436.580 3 567.650
717.749 3 013.947
317.355 11530.490
1 359.320 100.190
110.300
数字农业 A3
A4 0.754
275.825 0.632
249.170 0.431
219.070 0.635
252.228 0.276
37.122 1.243
329.极影010 极影0.215
191.470
绿色农业 A5
A6 2513.000
46.735 1668.000
39.240极影 716.000
16.335 1789.387
34.413 1 364.022
18.651 5 405.000
66.800 63.000
4.870
三、结果分析
(一)必要条件分析
NCA通过效应量(也称瓶颈水平)分析农业新质生产力产生特定结果需要必要条件的最低水平, 效应量取值范围为0~1, 数值越大代表效应越大。本文利用上限回归分析法(ceiling regression, CR)和上限包络分析法(ceiling envelopment, CE)来计算6个条件变量的效应量d(effect size)。根据Dul的研究[32]显示，若属于必要条件则需要满足: 效应量d>0.1, 且效应量显著(p<0.05), 如表4所示。
表4 NCA方法必要条件分析结果
条件 方法 精确度/% 上限区域 范围 效应量d p值
A1 CR 90.3 0.314 1 0.314 0.000
CE 100.0 0.297 1 0.297 0极影.000
A2 CR 87.1 0.395 1 0.395 0.000
CE 100.0 0.447 1 0.447 0.000
A3 CR 极影90.3 0.102 1 0.102 0.036
CE 100.0 0.093 1 0.093 0.357
A4 CR 90.3 0.161 1 0.161 0.173
CE 100.0 0.168 1 0.168 0.157
A5 CR 74.2 0.271 1 0.270 0.342
CE 100.0 0.255 1 0.255 0.416
A6 CR 96.8 0.053 1极影 0.053 0.691
CE 100.0 极影 0.094 1 0.094 0.445
如表4所示，农业机械化作业(A1)、农业专项财政投入(A2)符合效应量 d>0.1，且效应量显著(p< 0.05), 即农业机械化和农业专项财政投入均是粮食安全的必要条件。按照效应量d值排序可知, 农业专项财政投入对粮食安全的显著性影响比农业机械化作业更高。同时，因农村互联网普及度(A3)、数字化水平(A4)、绿色食品认证(A5)、森林覆盖率(A6)的效应量不显著(p均大于0.05)，故非粮食安全的必要条件。
瓶颈水平(%)为单个条件变量在其观测值范围内需要满足的最低水平值，如表5所示。由瓶颈水平分析结果可知，当达到100%的粮食安全水平时，则需要农业机械化(A1)、农业专项财政投入(A2)、农业互联网普及度(A3)、数字化水平(A4)、绿色食品认证(A5)、森林覆盖率(A6)的水平值分别达到70.5%、79.0%、34.2%、41.6%、55.4%以及19.4%。
表5 NCA方法瓶颈水平分析结果
粮食安全 A_{1} A_{2} A3 A4 A5 A6
0 NN NN NN NN NN NN
10 NN 7.9 NN NN NN NN
20 NN 15.8 NN NN NN NN
30 0.3 23.7 NN 4.0 4.4 NN
40 10.3 31.6 NN 极影9.3 11.7 NN
50 20.4 39.5 5.5 14.7 19.0 1.7
60 30.4 47.4 11.2 20.1 26.3 5.2
70极影 40.4 55.3 16.9 25.5 极影33.6 8.极影8
80 50.5 63.2 22.7 30.9 40.8 12.3
90 60.5 71.1 28.4 36.3 48.1 15.8
100 70.5 79.0 34.2 41.6 55.4 19.4
注: NN表示“不必要”。
为进一步检验NCA方法分析结果的稳健性，采用fsQCA方法对N极影CA所得出的必要条件分析结果进行验证。在fsQCA方法中，当条件变量的一致性大于0.9时，将其视为结果的必要条件。将校准后的数据输入fsQCA4.1软件中进行必要条件检验，得到各个极影条件变量的一致性和覆盖度，如表6所示。
由表6可知，在高水平粮食安全的必要条件分析中，农业机械化作业的一致性为0.925、农业专项财政投入的一致性为0.977，这与NCA方法得到的结果一致，表明农业机械化作业和农业专项财政投入是高水平粮食安全的必要条件。
表6 fsQCA方法必要条件检测结果
条件变量 高水平粮食安全 非高水平粮食安全
一致性 覆盖度 一致性 覆盖度
农业机械化 0.925 0.857 0.354 0.799
非农业机械化 0.806 0.364 0.825 0.921
农业专项财政投入 0.977 0.633极影 0.582 0.820
非农业专项财政投入 0.722 0.443 0.740 0.986
农村互联网普及度 0.736 0.567 0.551 0.923
非农村互联网普及度 0.898 0.479 极影0.742 0.860
数字化水平 0.818 0.583 0.极影568 0.881
非数字化水平 0.833 0.470 0.731 0.897
极影 绿色食品认证 0.781 0.761 0.390 0.827
非绿色食品认证 0.823 0.383 0.887 0.898
森林覆盖率 0.776 0.512 0.635 0.912
非森林覆盖率 0.867 0.522 0.660 0.865
(二)组态分析
使用fsQCA 4.1软件对“高水平粮食安全”和“非高水平粮食安全”进行充分性条件组态分析，当结果变量大于等于数据校准后的完全隶属阈值(即0.401)时, 则该地区属于“高水平粮食安全”, 即该地区的粮食安全保障水平相对较高; 当结果变量小于等于数据校准后的完全不隶属阈值(即0.186)时, 则该地区属于“非高水平粮食安全”，即该地区的粮食安全保障水平较低。将校准后的样本数据输入fsQCA 4.1进行组态分析，将频数阈值设为1, 原始一致性阈值设置为0.8, PRI一致性阈值设置为0.8, 根据以上阈值进行重新编码, 得到复杂解、极影简单解和中间解。当条件变量同时出现在简单解和极影中间解时，将其视为核心条件; 当条件变量只出现在中间解时，将其视为辅助条件。最后得到的组态分析结果，如表7所示。
表7 组态分析结果
条件变量 高水平粮食安全 非高水平粮食安全
H1 H2 H3 L1 L2 L3 L_{4}
农业机械化 O ▲ ▲
农业专项财政投入 O O O △ riangle
农村互联网普及度 △ △ △ △
数字化水平 ▲ ● ▲ ▲
绿色食品认证 ● △ ▲
森林覆盖率 △ △ O O
一致性 0.970 0.997 0.998 0.989 0.981 0.987 0.988
原始覆盖度 0.503 0.498 0.526 0.638 0.544 0.535 0.350
唯一覆盖度 0.070 0.056 0.极影051 0.106 0.103 0.042 0.023
代表地区 黑龙江 河北 江苏 青海 宁夏 西藏 海南
总体一致性 0.976 0.874
总体覆盖度 0.674 0.843
注: “●”代表核心条件存在，“▲”代表核心条件缺失，“O”代表辅助条件存在，“ riangle”代表辅助条件缺失，空格表示该变量存在或不存在均不产生实际影响。下同。
1. 高水平粮食安全水平组态分析。
(1) 科技农业-绿色农业驱动型。组态 H_{1} 显示绿色食品认证为核心条件，机械化作业和专项财政投入为辅助条件的组态可以产生高水平粮食安全。一方面，企业获得绿色食品认证，能够提升食品认可度; 政府高投入的农业专项资金，可以降低农耕者耕种成本; 农业高水平机械化作业，提高了耕种效率。另一方面，虽然非高森林覆盖率、非高农业互联网普及度和非高数字化水平对粮食安全产生一定影响，但在科技农业-绿色农业共同型驱动下会降低其带来的不利影响。处于该组态的典型地区为黑龙江省。
(2) 科技农业-数字农业发展型。组态 H_{2} 显示机械化作业和数字化水平为核心条件，专项财政投入为辅助条件的组态可以产生高水平粮食安全。一方面，高农业专项财政投入和高水平机械化作业，可以降低农业生产成本，提高耕种的自动化和精细化水平。同时，高数字化水平通过农村数字普惠金融的覆盖范围, 降低了金融成本, 为农业科技创新提供基础条件。另一方面, 虽然非高绿色食品认证、非高森林覆盖率和非高农业互联网普及度对粮食安全产生一定影响，但在科技农业-数字农业共同型驱动下会降低两者带来的不利影响。处于该组态的典型地区为河北省。
(3) 科技农业-绿色农业-数字农业协同型。组态 H_{3} 显示机械化作业和农村互联网普及度为核心条件，专项财政投入和绿色食品认证为辅助条件的极影组态可以产生高水平粮食安全。一方面，高农业专项财政投入和高水平机械化极影作业，优化了农业生产的成本结构，提高了耕种效率。同时，互联网普及率加速了信息流通，简化了农业信息获取途径，促进了农业新质生产力要素的高效整合。另一方面，虽然非高森林覆盖率对粮食安全产生一定影响，但在科技农业-绿色农业-数字农业共同型驱动下会降低其带来的不利影响。处于该组态的典型地区为江苏省。
2. 非高水平粮食安全水平组态分析。
QCA方法具有因果非对称关系，进一步分析非高水平粮食安全水平的组态路径，如表6所示，产生非高水平粮食安全水平的组态有4条(组态 L_{1}、组态 L_{2}、组态 L_{3}、组态 L_{4})。组态 L_{极影1} 和 L_{3} 表明，严重缺少农业新质生产力前因条件时，会产生非高水平粮食安全水平。组态 L_{2} 和 L_{4} 表明，在缺乏机械化作业和农业专项财政投入的情况下，即使存在高森林覆盖率，也难以达到高水平粮食安全水平。
(三)稳健性检验
本文采取3种方式对组态结果进行稳健性检验，如表8所示。一是考虑农业新质生产力对粮食安全水平的影响存在滞后性，本文检验选取2021年的农业新质生产力条件变量对2022年的粮食安全水平的影响，组态结果与原组态保持一致。二是提高一致性阈值，将原始一致性阈值从0.8提高到0.9，组态极影结果与原组态保持一致。三是将PRI一致性阈值从0.7提高到0.8，得到组态结果与原组态一致的2个极影组态。因此，本文的检验结果具有较强的稳健性。
表8 稳健性检验结果
条件变量 考虑滞后性 原始一致性阈值提升 PRI一致性阈值提升
H1a H2a H3a H1b H2b H3b L1c L2c
农业机械化 O O
农业专项财政投入 O O O O O O O O
农村互联网普及度 △ △ ● △ △ ● △ △
数字化水平 ●
绿色食品认证 ● ▲
森林覆盖率 △ riangle △
一致性 0.996 0.974 0.993 0.970 0.988 0.997 0.999 0.998
原始覆盖度 极影0.586 0.518 0.545 0.502 0.526 0.490 0.526 0.498
唯一覆盖度 0.154 0.038 0.090 0.070 0.051 0.056 0.106 0.079
总体一致性 0.980 0.976 0.997
总体覆盖度 0.737 0.674 0.604
四、以国家审计助力保障粮食安全的路径
国家审计是党和国家监督体系的重要组成部分，将国家审计嵌入国家安全体系，既是贯彻国家安全观的必然要求，也是国家审计服务党和国家工作大局的必然要求[2]。由于粮食安全是“国之大者”，是国家安全的重要基础和内容，为夯实粮食安全“压舱石”，国家审计助力保障粮食安全是其职责使命。当前，国家审计机关应认真学习贯彻习近平总书记关于粮食安全和新质生产力的重要论述，全面把握农业新质生产力对粮食安全的影响，深入贯彻审计“三如”重要要求。在审计过程中，应针对不同地区粮食安全的薄弱环节开展审前准备, 将制约粮食安全发展的核心因素作为审计工作重点, 提高预防能力、及时揭示问题、有效抵御风险, 并结合部门协同治理，为粮食安全提供极影有力保障。
(一)针对粮食安全组态开展差异化审计
国家审计机关应通过审前准备工作，收集各地区的农业新质生产力和粮食安全极影数据，测算并判断各地区粮食安全水平，将其划分为高水平粮食安全，或者非高水平粮食安全。针对不同粮食安全组态的薄弱环节，审计机关应有针对性地实施监督策略, 深入剖析制约粮食安全发展的根源性因素, 为极影后续审计整改与政策完善提供科学的依据。
1. 高水平粮食安全水平组态的审计准备。
对于达到高水平粮食安全的地区，国家审计机关应首先开展影响高水平粮食安全必要条件的基础性审计，重点核实农业机械化作业的发展水平与农业专项财政的投入情况与统计数据是否相符，确保数据真实、资源配置合理，进一步稳固粮食安全的根基。其次，针对不同组态开展差异性审计, 具体内容如下:
(1) 科技农业-绿色农业驱动型。为促进该组态优化, 国家审计机关可以对农业农村数字化水平和绿色发展相关政策落实情况开展审计, 推动数字农业与绿色农业全面发展。对于数字农业发展存在缺失的地区，国家审计机关应收集有关农村互联网和数字化基础设施项目资料，识别存在的不规范或者不健全的原因，评估其对数字农业发展的制约程度。对于森林覆盖率较低的地区，国家审计机关应收集生态治理与修复的绿色发展政策落实情况资料，重点识别森林覆盖率低的原因，明确政策落实中的不足之处。
(2) 科技农业-数字农业发展型。为促进该组态优化，国家审计机关可以对农村基础设施建设和绿色农产品基地建设开展审计, 保障数字农业和绿色农业的有效融合。对于互联网普及度低的地区, 国家审计机关应收集农村互联网基础设施项目, 识别农村互联网普及度较低的原因, 评估其对数字农业发展的制约作用; 对于绿色农业发展存在缺失的地区, 国家审计机关应收集绿色农产品基地建设情况, 重点检查绿色农产品建设中不合规的问题并探寻原因。同时，国家审计机关还应收集生态治理与修复的绿色发展政策落实情况资料, 审计明确导致森林覆盖率低的主要原因。
(3) 科技农业-绿色农业-数字农业协同型。为促进该组态优化，国家审计机关可以对粮食安全各项条件的落实情况开展审计，确保各项措施有效落实和协调推进，促进农业可持续发展的实现。对于科技农业、绿色农业与数字农业协调发展的地区，国家审计机关应着重评估农业新质生产力极影协同效应，收集农业机械化水平、农业财政极影资金、农业农村绿色发展和基础设施等资料的基本情况，系统评估极影各项政策和项目之间的协同情况，识别可能存在的协同低效的原因。
2. 非高水平粮食安全水平组态中的审计准备。
针对极影未达到高水平粮食安全的地区，国家审计极影机关应重点开展影响高水平粮食安全必要条件的核心性审计, 聚焦农业机械化作业极影水平较低和农业专项财政投入不足的问题，深入分析其形成的根本原因。审计机关需收集各地区农业机械化和财政资金投入的相关数据，评估资源配置效率与政策执行效果的不足。同时，结合农业农村改革任务推进极影情况，进一步剖析资金使用与政策落实的偏差对粮食安全的长远影响，为后续审计工作提供指导。
(二)围绕粮食安全保障因素实施重点审计
1. 科技农业水平审计。
(1) 农业机械化情况审计。审查农户机械化的整体发展情况，农机购置补贴发放情况、农机作业技术指导的实施极影效果，重点关注资金来源、设备采购流程、资金支付进度、设备调试运行、产品台账管理等方面是否公开透明、真实合规，确保财政资金的规范使用，推进农业机械化水平继续提升。
(2) 农业农村改革任务推进情况审计。国家审计机关应强化涉农资金监管，审查农业农村改革任务的推进情况，重点关注资金投入是否充足, 分配是否合理, 使用是否规范, 沿着资金流监督重大政策落实、公共权力运行情况, 保障农业农村改革目标的实现。
2. 数字农业建设审计。
(1) 乡村建设行动实施情况审计。审计农村互联网和数字化基础设施项目, 重点关注项目的立项、资金使用和项目实施效果，识别制约数字农业发展的因素，提出改进措施，确保农业互联网与数字化基础设施建设进度、质量符合预期，为提高农业生产效率奠定基础。
(2) 领导干部经济责任审计。围绕农村建设和恢复重建工作，梳理领导干部任职期间重大经济决策事项，重点关注农村互联网和数字化基础设施项目的安排、大额资金支出等决策事宜合法合规及极影执行情况，确保领导干部在推动数字农业发展中的决策与行动符合极影政策要求，加速农业信息化建设的有序推进。
3. 极影绿色农业发展审计。
(1) 绿色农产品基地建设审计。对绿色农产品基地专项资金的使用进行审计，重点核查资金的分配、使用及其透明度，并审查绿色食品产业园的建设进度与质量，评估农产品企业的培育成效，关注企业竞争力与效益情况，推动绿色农产品基地的管理效能提升，确保农业产业绿色化转型的政策措施得以落实。
(2) 生态文明建设政策落实情况审计。对绿色发展政策体系的构建与极影执行情况进行全面审计，极影重点审查农业污染治理、生态环境修复等工作的实施进度及效果，识别影响绿色农业发展的关键问题，推动绿色农业政策的落实，促进经济社会发展全面绿色转型。
(三)瞄准粮食安全水平提高用好审计策略
1. 审计调查端口实现组态精准识别。
为了提高粮食安全保障水平，国家审计机关在审计工作启动前进行科学、系统的调查，提前收集和分析农业新质生产力与粮食安全相关的关键数据。通过数据化风险评估模型，精准识别粮食安全潜在的风险。这不仅为审计工作提供了精准的审计依据，还能为粮食安全政策制定和实施提供数据支持，确保粮食安全领域潜在的问题能够被提前发现与规避，有效防范粮食安全危机的发生。
2. 审计实施阶段加强薄弱环节揭示。
国家审计机关应强化对农业新质生产力薄弱环节的审计监督，重点关注农业新质生产力中的机械化、数字化与绿色化领域，特别对农业机械化水平极影、农业补贴政策、农村数字化与绿色发展政策实施情况的审计，揭示粮食安全制约因素。同时，审计机关要对各类粮食安全相关政策的实施效果进行深度审查，识别极影政策实施中的问题与偏差，并提出切实可行的审计建议。通过强化审计监督，不仅能准确发现阻碍粮食安全的“病灶”，还能帮助完善现有政策，确保政策预期效果得以实现。
3. 审计整改追踪增强风险性抵御。
国家审计机关应建立审计整改的闭环机制，确保发现的问题能够及时得到整改落实，特别是在农业专项资金投入和机械化作业改进方面，审计机关应加强跟踪与监督，确保整改措施的有效执行。通过持续的粮食安全审计整改工作，协助相关部门修正政策法规实施中的偏差，完善政策法规体系，有效提升粮食安全的外部风险抵御能力，推动新质生产力持续提升。
4. 审计监督反馈促进协同性配合。
国家审计机关应与粮食安全相关部门建立信息共享和协同反馈机制，使审计工作能够和政策制定、实施紧密配合。通过审计反馈政策实施中的问题，推动政策改进; 通过政策调整弥补审计中的盲区，形成动态闭环，保障政策在实施过程中得到及时完善，提升审计的精准性和政策的执行力，保障粮食安全水平高质量发展。
五、结论
本文以粮食安全为研究对象，基于农业新质生产力的6个条件因素，采用NCA和fsQCA分析方法，以中国31个省份为样本，分析了农业新质生产力对粮食安全水平的组态效应。研究结果表明: (1) 农业机械化和农业专项财政投入是影响粮食安全水平的关键因素，农业专项财政投入对粮食安全的显著性影响比农业机械化作业更高。(2) 存在产生高水平粮食安全水平的3种组态: 科技农业-绿色农业驱动型、科技农业-数字农业发展型、科技农业-数字农业-绿色农业协同型。其中, 科技农业-数字农业-绿色农业协同型, 其原始覆盖度及一致性检验最高，是粮食安全的最优驱动路径。
研究农业新质生产力要素之间的关系能够为更好地实现粮食安全提供决策依据，通过引入国家审计治理，针对地区粮食安全组态问题，实施与之相匹配的审计重点内容，通过审计调查端口识别、审计实施阶段揭示、审计整改追踪落实及审计反馈协同配合，阻止非高水平粮食安全的形成，以审计治理助力粮食安全。
参考文献
[1] 曹宝明,唐丽霞,胡冰川,等.全球粮食危机与中国粮食安全[J].国际经济评论,2021(03):9-22.
[2] 审计署哈尔滨特派办理论研究会课题组.新发展格局下审计如何在保障 东 北 地 区 粮 食 安 全 方 面 发 挥 作 用[J].审 计 研 究,2022(03):9-14.
[3] 习近平在中共中央政治局第十一次集体学习时强调加快发展新质 生 产 力 扎 实 推 进 高 质 量 发 展[N].人 民 日 报,2024-02-02(01).
[4] 王可山,刘华.农业新质生产力发展与大国粮食安 全 保 障———兼 论 “靠 什 么 种 粮 ”“怎 样 种 粮 ”“谁 来 种 粮 ”[J].改 革,2024(06):70-82.
[5] 刘志彪,凌永辉,孙瑞东.传统产业改造:发展新质生产力的重点选择 策 略———兼 论 对 农 业 现 代 化 的 启 示 [J].农 业 经 济 问题,2024(04):47-57.
[6] 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(03):1-17.
[7] 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(04):13-26.
[8] 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(04):81-94.
[9] 乔均,台德进,邱玉琢.农业新质生产力赋能农业碳减排的机理与效应[J].当代经济管理,2024(12):42-55.
[10] 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(09):24-29.
[11] 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(07):1-13.
[12] 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(04):4-12.
[13]张应良,龚燕玲.高标准农田建设参与对农民种粮收益的影响———基于农业新质生产力的中介作用[J].南京农业大学学报(社会科学版),2024(03):110-124.
[14] 卢江,郭子昂,王煜萍.新质生产力发展水平、区域差异与提升路径[J].重庆大学学报(社会科学版),2024(03):1-17.
[15] 姜彦坤.粮食主产区农业新质生产力:水平测度、区域差异及障碍诊断[J].湖北社会科学,2024(05):97-106.
[16] WorldFoodandAgricultureSituation[R].Rome:FAO,1974.
[17] MATKOVSKIB,DOKICD,ZEKICS,etal.DeterminingFoodSecurityinCrisisConditions:A ComparativeAnalysisof the WesternBalkansandtheEU[J].Sustainability,2020,12(23):1-16.
[18]雷勋平,ROCBINQ.基于熵权TOPSIS模型的中国粮食安全评价及障碍因子诊断[J].中国农业大学学报,2022(12):1-14.
[19]袁世一,李干琼.基于熵权法的中国粮食安全评价及关键因素分析———以中部地区为例[J].江苏农业科学,2023(19):245-252.
[20]苏芳,刘钰,汪三贵,等.气候变化对中国不同粮食产区粮食安全的影响[J].中国人口·资源与环境,2022,32(08):140-152.
[21] 张小允,鲍洁,许世卫.基于熵权 TOPSIS模型的中国粮食安全评价研究[J].中国农业资源与区划,2023(04):35-44.
[22] 周洁.以新质生产力保障粮食安全:内在逻辑、机遇挑战与对策建议[J].经济纵横,2024(03):31-40.
[23] 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(04):134-239.
[24] 陈汉文,张笛,韩洪灵.国家审计与国家安全:逻辑必然与实现路径[J].会计之友,2023(23):2-11.
[25] BENAMIE,JIN Z N,CARTER M R,etal.UnitingRemoteSensing,Crop ModellingandEconomicsforAgricultural
Risk Management[J].NatureReviewsEarth& Environment,2021(02):140-159.
[26] DULJ.NecessaryCondition Analysis(NCA):Logicand Methodologyof“NecessaryButNotSufficient”Causality[J].OrganizationalResearch Methods.2016,19(01):10-52.
[27] RAGIN CC.TheComarativeMethod:MovingBeyondQualitativeandQualitativeStrategies[M].Berkeley:University of CaforniaPress,1987:93-94.
[28] DULJ,VAN DER L,KUIK R.A StatisticalSignificanceTestforNecessaryCondition Analysis[J].OrganizationalResearch Methods,2020(23):385-395.
[29] 王亚红,韦月莉.农业新质生产力对农民增收的影响[J].农林经济管理学报,2024,23(04):446-455.
[30]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,2024,23(04):425-434.
[31] 姜彦坤.粮食主产区农业新质生产力:水平测度、区域差异及障碍诊断[J].湖北社会科学,2024(05):97-106.
[32] 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(07):1-13.
[33] 杜运周,贾良定.组态视角与定性比较分析(QCA):管理学研究的一条新道路[J].管理世界,2017(06):155-167.
