预测2030年和2050年中国和印度小麦需求：对粮食安全的影响介绍：2020年，中国和印度的总人口为27.8亿，占全球人口的36%（77.5亿）。小麦是中国和印度第二重要的主粮。2019年，中国的小麦总消费量为9640万吨，印度为8250万吨，合计占当年全球小麦总量的35%以上。在中国，2050年预计人口将为12.94亿至15.15亿，印度则在低生育率和高生育率假设下为1489万至17.93亿。问题是，2030年和2050年中国和印度小麦的总需求将是多少？方法：本研究在时间序列计量经济估计中应用向量误差修正模型估计过程，预测了2019-2050年中国和印度的人均及年度小麦总消费量。在此过程中，本研究依赖于来自美国粮农组织（FAO）数据库（FAOSTAT）以及世界银行世界发展指标（WDI）数据目录的农业数据。通过应用增强Dickey-Fuller检验来检测数据序列中单位根的存在;飞利浦-佩龙单位根测试;Kwiatkowski-Phillips-Schmidt-Shin检验，以及Zivot-Andrews单位根检验允许截获和/或趋势的单次中断。检验统计量表明，自然对数变换和变量第一差能为中国和印度的数据序列提供平稳性。然而，Zivot-Andrews单位根测试表明，城市人口份额和人均GDP存在结构性断裂。为了解决这个问题，我们在模型中加入了一个年假人和两个乘法假人。此外，约翰森协整合检验表明，两个数据集中至少有一个变量被共积分。这些测试使我们能够应用向量误差纠正（VEC）模型估计程序。在估计模型时，通过在 Stata 17 软件界面中应用“varsoc”命令确认变量的适当滞后数。根据VEC模型，2030年和2050年估计的人均小麦消费量，乘以2030年和2050年预测的人口，以计算出2030年和2050年中国和印度的总小麦需求。在预测年均小麦消费量（KG）后，我们与预测人口相乘，得到预期的消费需求。结果：研究发现，中国人均小麦年消费量将从2019年的65.8公斤增加到2030年的76公斤，2050年的95公斤。在印度，人均小麦年消费量将在2030年提升至74公斤，2050年将从2019年的60.4公斤增加到94公斤。考虑到低生育率假设下的人口增长率预测，中国小麦总消费量将在2030年增长超过13%，到2050年增长28%。然而，在高生育率假设下，中国小麦总消费量将在2030年增长18%，到2050年将增长近50%。在印度，无论低生育率还是高生育率假设，2030年印度小麦总需求将比2019年增长32-38%，2050年增长70-104%。讨论：我们的研究结果强调了小麦在两国中的重要性，这两个国家是全球最大的小麦生产国和消费国，并建议开展研发投资以维持足够的国家小麦产量以满足中印的国内需求。这不仅对保障这一庞大世界人口群体的粮食安全至关重要，其中包括全球23%的人口，他们的生活日收入低于1.90美元，同时也有助于避免在大量进口需求下可能引发的粮食市场不稳定和价格上涨。1. 引言预计到2050年，全球人口将从89亿增至106亿，而2020年的77.5亿（1），据估计，其中68%的人将居住在城市地区，较2020年的61%有所上升（1).按2015年不变价格计算，人均GDP预计将从2022年的11.33美元增长到2032年的13,747美元（2).人口结构的变化、人均GDP的增长以及城市化进程的加剧，将对未来食品和主要谷物（如小麦、玉米和大米）的需求产生重大影响。处于发展早期阶段国家的家庭倾向于摄入较高比例的谷物和粗谷物，这些是相对便宜的膳食能量来源（3,4).随着发展的推进，随着收入和城市化的增加，家庭倾向于增加高能耗且价格更高的食品消费，取代谷物（4–7），这种现象被称为“营养转型”（5,8–14).本文重点关注预测的经济和人口转型，随后是营养转型，将如何影响未来小麦需求。多项研究预测全球主要谷物和农产品的需求变化，主要考虑人口结构变化。这些预测对于针对饥饿和贫困的目标投资高度相关。例如，关于全球粮食需求的预测，到2050年将增长70%左右（15）到110%（16).Ray 等人（17）提醒，为了满足不断增长的需求，包括小麦在内的主要农产品年均产量增长率应至少比2005年水平提升2.4%。Van Dijk等人在回顾了57项全球粮食安全预测后，18）得出结论，全球食品需求预计到2050年将从35%增长到56%，高于2010年水平。以上均为全球研究，但GDP增长率、城市化和人口变化在各国间存在异质性，作物种植和饮食摄入模式因国家和地区而异。例如，2019年突尼斯的人均小麦消费量接近198.4公斤，而老挝仅为1.4公斤（19).针对国家和商品的案例研究有助于阐明特定商品的消费方向，为目标投资和政策提供聚焦且重要的见解。本研究考察了中国和印度预计到2030年和2050年小麦人均消费和总需求的变化。这些国家的人均GDP增长率在1990年至2020年间是世界最快之一，中国年均增长率为8.3%，印度为4.2%。1).中国名义人均GDP从1990年的不到318美元增长到12,556美元，印度则从1990年的303美元增长到2020年的2,227美元（1).两国也在经历重要的人口结构变化。2021年，中国和印度的人口分别为14.1亿和13.9亿（1).在低生育率假设下，预计中国总人口在2030年为14.4亿，2050年为12.9亿;而在高生育率假设下，2030年中国人口为14.9亿，2050年为15.1亿（20).对于印度来说，低生育率预测2030年人口将达到14.8亿，2050年为14.9亿;在高生育率假设下，2030年人口为15.4亿，2050年为17.9亿（20).两国的城市化进程也在加速。1990年，居住在城市的中国和印度人口仅占四分之一多一点（1到2030年，预计中国近71%的人口和印度40%的人口将居住在城市地区（21到2050年，中国每五个人中就有四人，印度超过一半人口将由城市居民承担（21).人均GDP、人口和城市化的剧烈变化为探讨这些因素对未来小麦需求的影响提供了独特机会，小麦是两国的重要粮食作物。中国和印度是世界上最大的小麦生产和消费国家。2019年，中国从2340万公顷中生产了1.343亿吨小麦，成为世界第一小麦生产国，也是小麦种植面积第三高的国家（22).同年，印度为小麦分配了3140万公顷土地——世界上面积最大的——并生产了1.056亿吨谷物，是产量第二高的（22).据估计，2020年中国有3650万个农场和印度3730万个农场种植小麦（23），使该作物成为农户的主要生计来源。对小麦需求的未来进行审视，有助于制定有效政策，改善中国和印度资源匮乏小麦农民的生计。这些信息还有助于制定政策，改善这些国家居民的粮食安全和营养状况，这些人口占全球人口的36%，其中23%（印度22.5%，中国0.5%）每天生活成本低于1.90美元（24其中许多人依赖小麦作为饮食能量的补充。1961年，中国人均小麦总消费量不足21公斤，印度为28公斤，占中国人均每日总热量摄入的12%，印度则为11.8%（25).截至2019年，中国人均小麦年消费量增加到65.8公斤，每天供应576千卡，占每日膳食能量的17.2%;印度为60.4公斤，供应515千卡，占每日膳食能量的20%。19).在中国和印度，小麦也是蛋白质的重要来源。2019年，中国人均每日总蛋白质摄入量为105.1克，其中小麦贡献为18.5克（17.6%）（19).同年印度人均每日总蛋白质摄入量为64.9克，其中小麦贡献为15.1克（23.2%）（19).最后，尽管中国是小麦产量排名第一的国家，但中国是小麦净进口国，印度的出口则较为零星。因此，对未来小麦需求的预测具有明确的重要性，无论是对内部影响和政策，还是对全球小麦供应和价格可能产生的影响。2019年，两国合计消费了1.79亿吨小麦，占全球总小麦消费量（5.05亿吨）的35.4%。19中国的小麦净进口量为960万吨，价值27亿美元，印度净小麦出口为92.85万吨，价值2.43亿美元（26).近年来，全球关注确保多样化饮食以促进人类健康和环境的关注（27).此外，考虑到均衡饮食对抗营养不良和非传染性疾病的重要性，呼吁加大对非谷物作物如扁豆和蔬菜的投资（5,14).基于这些建议，如果中国和印度放宽小麦产量，最终开始从全球市场进口小麦，将对依赖进口的发展中国家的国际小麦价格和粮食安全造成严重破坏。下一节简要介绍文献综述和概念框架。第三部分包括材料和方法，第四部分介绍主要发现。最后，第五部分提出了结论和政策启示。2. 文献综述与概念框架自约一万年前被驯化以来（28,29小麦在保障全球粮食和营养安全方面发挥了关键作用（30–32).2019年，全球人均小麦年消费量约为66公斤，每人每日摄入538千卡，占总热量摄入的18%（2,963千卡），以及每日人均蛋白质的19.5%（16.3克）。25).改良的农艺实践和高产小麦品种的采用，显著提升了中国、印度及全球的生产力（33–39).目前，小麦是世界上种植面积最广的作物，2020年种植面积达2.19亿公顷（22).2020年，全球小麦产量近1900亿美元（40).本研究预测了2019年至2050年中国和印度的小麦需求，特别关注2030年和2050年。在产量和消费方面，中国和印度分别位列小麦产地第一和第二。2019年，全球小麦产量超过7.65亿吨，其中66%（5.05亿吨）用于食品，中国和印度共同消耗了全球小麦总消费量的35.4%（1.79亿吨）。25).尽管中国是小麦主要生产国，但中国是小麦净进口国，印度的出口则较为零星。鉴于这些国家人口预计到2050年将增长，且小麦是中国和印度的第二大主食，因此必须审视未来对小麦的需求，制定投资策略以确保中印的粮食安全。近年来，全球范围内对多样化饮食以促进人体健康和环境的关注日益引发关注（27).此外，鉴于均衡饮食对抗营养不良和非传染性疾病的重要性，呼吁加大对非谷物作物的投资，如扁豆和蔬菜（5,14).现在，如果中国和印度开始减少对主要谷物的投资，且由于人口增加，对主要谷物的需求增加，这些国家将更加依赖进口来满足需求。然而，如果中国和印度开始从国际市场大宗进口小麦，可能会对国际小麦价格和依赖进口的发展中国家的粮食安全造成严重破坏。少数研究预测中国和印度的小麦需求。罗泽尔和黄（41结合低收入和高收入增长趋势，得出到2020年中国人均小麦年消费量在80至83公斤之间。应用家庭模型估计方法并利用一手数据，Carter和Zhong（42计算了小麦的负收入弹性，并得出结论：在中国，人均消费可能会下降，正如后来发生的那样，1990年为77公斤，到2018年降至64公斤（19).对于印度来说，昌德（43），估计2020-21年人均小麦年消费量为49.8公斤，总消费量为6750万吨。米塔尔（44）预测，2026年人均小麦年消费量为48.9公斤，总消费量为6590万吨。Kumar 等人（45预测2021-22年度人均小麦消费量为47.6公斤，总消费量为7350万吨。应用QUAIDS（二次近理想需求系统）估计程序，Ganesh-Kumar等人（46估计小麦支出弹性为负（-0.13），并预测到2026年人均小麦年消费量为49.3公斤，总小麦消费量在6330万吨至6940万吨之间，具体取决于收入增长率的假设。到2018年，印度的年小麦消费远超预测，人均消费量达到62公斤，小麦总消费量达到8350万吨（19).因此，迄今为止需求预测未达标，表明有必要利用创新方法和模型重新审视这一问题。多项研究记录了撒哈拉以南非洲和南亚国家小麦消费增长的趋势，这主要归因于人均GDP的上升和城市化（4,47,48).本研究考虑城市人口比例、国内小麦产量、人均GDP和小麦进口的长期影响，以估算中国和印度未来人均小麦消费量。我们在时间序列估计设置下应用了矢量误差纠正（VEC）估计程序。最后，采用Box-Jenkins方法进行预测（49），我们预测了中国和印度的年度人均小麦消费量，并通过使用最新数据集的简单但强有力的计量经济估计方法，提供了最新估计。3. 材料与方法本研究依赖于来自美国粮农组织（FAO）数据库（FAOSTAT）以及世界银行世界发展指标（WDI）数据目录的农业数据。人均年小麦消费量（公斤（PCT）、进口量（IMPt）和国内生产（DPRt）、产量及小麦面积数据均来自FAO在线数据集（FAOSTAT）。城市人口占比（URt）和人均GPD占当前美元（GDPT）的数据来自世界银行世界发展指标（WDI）目录。研究感兴趣的方程如下：                               △lnPCt=σ+∑ki=1βi△lnPCt−i+∑kj=1αj△ln%URt−j                                                   +∑kl=1φj△lnGDPt−l+∑km=1γm△lnDPRt−m                                                   + ∑kn=1θn△lnIMPt−n+ψyd82                                                   +∑kn=1τn(yd82 ×△ln%URt−j)                                                   +∑kn=1ωn(yd82 ×△lnGDPt−l)+λ1ECTt−1+μ1t                          △ln%URt=φ+∑ki=1βi△lnPCt−i+∑kj=1αj△ln%URt−j                                                   +∑kl=1φj△lnGDPt−l+∑km=1γm△lnDPRt−m                                                   + ∑kn=1θn△lnIMPt−n+ψyd82                                                   +∑kn=1τn(yd82 ×△ln%URt−j)                                                   +∑kn=1ωn(yd82 ×△lnGDPt−l)+λ2ECTt−1+μ2t                            △lnGDPt=τ+∑ki=1βi△lnPCt−i+∑kj=1αj△ln%URt−j                                                   +∑kl=1φj△lnGDPt−l+∑km=1γm△lnDPRt−m                                                   + ∑kn=1θn△lnIMPt−n+ψyd82                                                   +∑kn=1τn(yd82 ×△ln%URt−j)                                                   +∑kn=1ωn(yd82 ×△lnGDPt−l)+λ3ECTt−1+μ3t                            △lnDPRt=τ+∑ki=1βi△lnPCt−i+∑kj=1αj△ln%URt−j                                                   +∑kl=1φj△lnGDPt−l++ ∑kn=1θn△lnIMPt−n                                                   + ψyd82+∑kn=1τn(yd82 ×△ln%URt−j)                                                   +∑kn=1ωn(yd82 ×△lnGDPt−l)                                                   +λ4ECTt−1+μ4t                            △lnIMPt=υ+∑ki=1βi△lnPCt−i+∑kj=1αj△ln%URt−j                                                   +∑kl=1φj△lnGDPt−l+∑km=1γm△lnDPRt−m                                                   + ∑kn=1θn△lnIMPt−n+ψyd82                                                   +∑kn=1τn(yd82 ×△ln%URt−j)                                                   +∑kn=1ωn(yd82 ×△lnGDPt−l)+λ5ECTt−1+μ5t                                     yd82=υ+∑ki=1βi△lnPCt−i+∑kj=1αj△ln%URt−j                                                   +∑kl=1φj△lnGDPt−l+∑km=1γm△lnDPRt−m                                                   + ∑kn=1θn△lnIMPt−n                                                   +∑kn=1τn(yd82 ×△ln%URt−j)                                                   +∑kn=1ωn(yd82 ×△lnGDPt−l)                                                   +λ6ECTt−1+μ6t(yd82 ×△ln%URt−j)=υ+∑ki=1βi△lnPCt−i+∑kj=1αj△ln%URt−j                                                   +∑kl=1φj△lnGDPt−l+∑km=1γm△lnDPRt−m                                                   + ∑kn=1θn△lnIMPt−n+ψyd82                                                   +∑kn=1τn(yd82 ×△ln%URt−j)                                                   +∑kn=1ωn(yd82 ×△lnGDPt−l)+λ7ECTt− 1+μ7t  (yd82 ×△lnGDPt−l)=υ+∑ki=1βi△lnPCt−i+∑kj=1αj△ln%URt−j                                                  +∑kl=1φj△lnGDPt−l+∑km=1γm△lnDPRt−m                                                  + ∑kn=1θn△lnIMPt−n+ψyd82                                                  +∑kn=1τn(yd82 ×△ln%URt−j)                                                  +∑kn=1ωn(yd82 ×△lnGDPt−l)+λ8ECTt−1+μ8t    (1)其中：yes在估计方程（1）之前，作为估计过程的一部分，通过应用扩展Dickey-Fuller检验来检验数据序列中单位根的存在。然而，由于有人认为增强版Dickey-Fuller检验已经过时，我们也采用了Philips-Perron单位根检验;Kwiatkowski-Phillips-Schmidt-Shin检验，以及Zivot-Andrews单位根检验允许截获和/或趋势的单次中断。这些测试结果已收录于附录中。检验统计量表明，自然对数变换和变量第一差能为中国和印度的数据序列提供平稳性。然而，Zivot-Andrews单位根测试表明，城市人口份额和人均GDP存在结构性断裂。为了解决这个问题，我们在模型中加入了一个年假人和两个乘法假人。此外，约翰森协整合检验表明，两个数据集中至少有一个变量被共积分。这些测试使我们能够应用向量误差纠正（VEC）模型估计程序。在估计模型时，通过在 Stata 17 软件界面中应用“varsoc”命令确认变量的适当滞后数。基于测试统计，我们应用了VEC估计方法，这使我们能够阐明年均小麦消费量与相关变量之间的长期关系：年均GDP、城市人口份额以及国内小麦生产和小麦进口。在估算VEC模型后，我们应用了简单的动态预测过程，预测中国和印度的年度人均小麦消费量。最后，为了估算2030年和2050年的总小麦需求，我们采用了以下方法：全时四驱t=ˆPCt × PPt    (2)其中：AWDt = t年（= 2030年和2050年）的小麦总需求;ˆPCt= 估计人均小麦年消费量（公斤）;PPt = 预测人口，年份t（= 2030年和2050年）。利用方程（2），我们结合了人均小麦消费和人口的变化，估算了中国和印度在2030年和2050年的总小麦需求。4. 讨论与主要发现4.1. 描述性发现1961年至2020年间，全球小麦土地分配（百万公顷）、小麦产量（百万吨）、产量（t/ha）、消费量（公斤/人/年）及人均小麦每日热量摄入趋势如下表1.1961年，全球至少有94个国家在至少2.04亿公顷的土地上种植小麦。每个国家的平均土地分配近220万公顷，平均产量为1.09吨/公顷，全球小麦总产量为2.22亿吨（表1).同年，至少有154个国家消费了小麦，人均年小麦消费量接近55公斤，每天为一个人提供415千卡能量，约占1961年个人总热量摄入量的19%。表1).2020年，全球至少有124个国家在至少2.19亿公顷的土地上种植小麦。平均产量为3.47吨/公顷，总小麦产量为7.6亿吨。2019年，人均小麦年消费量接近66公斤，每人每日提供538千卡的膳食能量，占个人每日总热量摄入量的18%以上（表1).TABLE 1www.frontiersin.org表1。1961–2020年全球小麦生产与消费的时间变化。在表2，中国和印度对小麦土地分配、产量、产量和消费的时间变化进行了展示。小麦是中国和印度仅次于大米的第二大主食。报告显示，虽然中国小麦的土地分配从1961年的2560万公顷增加到1991年的3090万公顷，但后来又下降到接近最初的2020年2340万公顷。相比之下，自1961年以来，印度对小麦的土地分配持续增加。然而，自1961年以来，中国和印度的小麦总产量持续增长，主要得益于产量的提升（表2).TABLE 2www.frontiersin.org表2。中国和印度小麦面积（百万公顷）、产量（百万吨）、产量（吨/公顷）和消费量（公斤和千卡）的时间变化。中国人均小麦年度消费趋势与小麦土地分配相似：最初增加至1991年，随后略有下降。1961年，中国人均小麦年消费量接近21公斤，1991年增至77多公斤，到2019年降至近66公斤（表2).相比之下，印度的人均小麦年消费量稳步增长，从1961年的28公斤降至2019年的60公斤（表2).此外，小麦在保障中国和印度日常膳食能源安全中的重要性多年来不断提升。1961年，中国小麦对每日膳食能量的贡献为176千卡，占中国人均每日总热量摄入的12%。图1).在印度，它是238千卡，占人均每日热量摄入的<12%（图1).到2019年，中国小麦对每日热量摄入的贡献已升至17%，印度则达到20%（图1).FIGURE 1www.frontiersin.org图1。1961年至2019年间，中国和印度小麦在每日总热量摄入中的份额×（人均小麦每日热量摄入÷人均总热量摄入）100]。来源：作者，基于FAOSTAT（22).1961年至2020年间，中国和印度对中国和印度的净小麦贸易（出口-进口）的时间变化（以百万吨计）和自给自足趋势（以国内生产/（国内生产+进出口）为单位衡量）。图1.直到大约2000年，两国才开始零星地出口小麦（图2).对小麦自给自足趋势的分析显示，尽管小麦产量大幅提升，两国仍能勉强满足国内需求，且常依赖进口来满足需求激增（图2).FIGURE 2www.frontiersin.org图2。1961年至2020年间，中国和印度的净出口（出口-进口）单位为百万吨，并实现自给自足状态（国内生产÷+进出口）。来源：作者，基于FAOSTAT（22).由于人口、收入和城市化的变化，中国和印度的经济正在动态变化。在联合国时期（20假设低生育率，中国人口可能在2030年增加到14.4亿，到2050年降至12.9亿;在高生育率假设下，人口可能在2030年增至14.9亿，2050年达到15.2亿（表3).与此同时，到2050年，中国80%的人口将居住在城市地区，而2020年为61.4%，预计到2030年人均GDP将达到17,325美元，而2020年为10,500美元（表3).在低生育率和高生育率假设下，印度人口预计到2030年和2050年将增长，到本世纪中叶可能达到14.9亿或17.9亿人，具体取决于所使用的生育率假设（表3).此外，到2030年和2050年，分别超过40%和53%的居民居住在城市地区，而2020年为35%，预计人均GDP平均为3079美元，而2020年为1900美元（表3).TABLE 3www.frontiersin.org表3。时间变化与人口预测（百万）、城市人口份额及人均GDP（美元）1961–2050。下一节，我们将计量经济学估计了中国和印度2030年和2050年人均小麦消费量，考虑了人均年小麦消费、人均GDP、城市人口比例、国内生产和小麦进口之间的长期关系。基于预测的小麦消费，我们计算了2030年和2050年的总小麦需求。4.2. 计量经济学发现中国年均小麦消费与相关变量之间的长期关系详述于表4.TABLE 4www.frontiersin.org表4。应用向量误差校正（VEC）模型估算程序的估计函数，解释中国年人均小麦消费量、小麦进口、城市人口占比、国内小麦产量与人均GDP之间的关系。中国的估计纠错方程（ECT）为：ECTt−1=lnPCt−1−+0.03△lnIMPt−1−0.85△ln%URt−1                      −0.72△lnDPRt−1−0.25△lnGDPt−1                      +0.005 (Year>1981 dummy)                      +2.56 (Year>1981 dummy ×△lnGDPt−1)                      −6.53 (Year>1981 dummy ×△ln%URt−1)+0.05    (3)以年度人均小麦消费（PC）为目标变量，中国人均小麦消费的估计公式如下：△lnPCt=−0.11−0.49△lnPCt−1−0.003 △lnIMPt−1                      + 0.02△ln%URt−1− 0.07△lnDPRt−1                      +0.18△lnGDPt−1−0.44 (year>1981 dummy)                      +0.08 (year>1981 dummy×△lnGDPt−1)                      −0.15(year>1981 dummy×△ln%URt−1)−0.0002    (4)这里需要注意的是，在方程（3）中，估计系数的符号需要反向解释[例如，（50,51)].研究显示，从长远来看，在其他因素保持不变的情况下，城市人口占比（p < 0.05）、国内小麦产量（p < 0.00）以及1981年后城市人口比例将积极且显著地影响中国人均年小麦消费。这意味着随着国内小麦产量的增加和城市人口的增加，中国人均小麦的年消费量从长远来看将持续上升。相反，虽然人均GDP的增长（p < 0.00）在长期内对中国人均小麦消费量有积极但影响不大;而1981年后人均GDP的增长则会对中国的人均小麦消费产生负面且显著的影响（p < 0.00）。对于印度而言，印度年均小麦消费量、城市人口（%）、进口量、国内小麦产量和人均GDP之间的长期关系如下：表5.TABLE 5www.frontiersin.org表5。应用向量误差纠正（VEC）模型估算程序的估计函数，解释了印度人均小麦年消费量、小麦进口、城市人口占比、国内小麦产量和人均GDP之间的关系。印度的估计纠错方程（ECT）为：ECTt−1=lnPCt−1−0.03△lnIMPt−1−0.160.3△ln%URt−1                      −7.44△lnDPRt−1+56.6△lnGDPt−1                      −1.82 (Year>1981 dummy)                      −57.4 (Year>1981 dummy ×△lnGDPt−1)                      +164.2 (Year>1981 dummy ×△ln%URt−1)                      + 0.02    (5)将年均小麦消费量（PC）作为目标变量，印度的估计方程如下：△lnPCt=0.005−0.59△lnPCt−1+0.002 △lnIMPt−1                    + 0.58△ln%URt−1− 0.14△lnDPRt−1−0.69△lnGDPt−1                    −0.86 (year>1981 dummy)                    +0.06 (year>1981 dummy×△lnGDPt−1)                    −0.11(year>1981 dummy×△ln%URt−1)                    −0.001    (6)根据方程（5），长期来看，在其他因素保持不变的情况下，城市人口的百分比（p < 0.00）;国内生产（P < 0.00）、1981年（1981年> dummy、P < 0.00）以及1981年后的人均GDP将长期对年均小麦消费产生积极影响;反之，1981年后的城市人口比例将对印度人均小麦消费产生负面且显著的影响（p < 0.00）。研究发现，小麦进口对印度小麦消费没有显著影响。中国和印度2030年和2050年的人均小麦消费量是通过动态预测方法预测的。图3,4展示1961年至2018年期间实际人均小麦消费量，以及2019年至2050年中国和印度人均小麦消费的预测。FIGURE 3www.frontiersin.org图3。基于向量误差纠正（VEC）模型估算，中国实际（1961–2018年）和预测（2019–2050年）人均年小麦消费量（公斤/人均/年））。断线反映了预计的消耗量。来源：作者估计。FIGURE 4www.frontiersin.org图4。1961年至2050年间，印度人均年小麦消费量（公斤）的实际和预测数据[年/人均/公斤]，基于向量误差校正（VEC）模型估算程序。断线反映了预计的消耗量。来源：作者估计。计量经济学预测显示，到2030年，中国人均小麦年消费量将增至76千克，到2050年将增至95千克，较2019年的65.8千克有所提升（表6).我们的发现与经合组织/粮农组织的结论相矛盾（52该数据指出，到2028年，中国人均小麦年消费量将达到62.6公斤，低于该国实际的人均小麦消费量65.8公斤。TABLE 6www.frontiersin.org表6。根据人口动态和预测的抽样国家消费量，进行小麦消费预测。考虑到联合国（20根据预计人口增长率，到2030年中国将需要生产1.09亿至1.13亿吨小麦，比2019年当前总消费量9640万吨多出13%至18%。表6).到2050年，根据生育率的假设，该国需要供应1.23亿至1.44亿吨粮食，这比2019年9640万吨总消费量多出+28%至+49%。表6).中国目前平均小麦产量为5.74吨/公顷，目前分配土地为2330万公顷用于小麦生产（表2).考虑到高生育率假设，为了满足2050年小麦总需求，中国要么需要新增178万公顷土地用于小麦生产，要么将小麦产量提高到6.18吨/公顷。对于印度，估计到2030年和2050年，印度人均小麦年消费量将分别提升至74公斤和94公斤，而2019年人均年消费量为60.4公斤（表6).与我们的预测相反，经合组织/粮农组织（52）预测到2028年，印度人均小麦年消费量将达到60.3公斤。我们的预测显示，到2030年，基于联合国人口预测，印度需要生产1.09亿至1.14亿吨小麦，比目前消费量的8250万吨多32%至37%，到2050年将产量达到1.4亿至1.68亿吨，比当前消费量高出70%至104%。表6).这些发现支持了甘地等人的观点。53）和纳加拉詹（47），该报告预测由于收入增加和城市化，印度小麦需求将增加。印度目前小麦平均产量为3.43吨/公顷，目前分配用于小麦生产的土地为3140万公顷（表2).印度需要增加900万至1800万公顷的小麦新土地，或将小麦产量提高到4.46至5.37吨/公顷，以满足2050年预计的国内产量。需要指出的是，这项研究依赖于简单的预测过程，仅使用了1961年至2018年间的几年观测数据。未来研究应采用更复杂、更严谨的估计和预测方法，例如在大数据集中利用机器学习方法预测国家特定小麦消费量，以提升模型精度和预测能力。4.3. 结论与政策影响本研究估算显示，人均GDP、进口和国内生产显著影响中国每年人均小麦消费量。与中国类似，印度国内生产对印度人均小麦消费有显著且积极的影响，但与中国不同，小麦进口对年度人均小麦消费产生负面且显著的影响。此外，在中国，城市人口的百分比（p < 0.00）会对年均小麦消费产生负面影响，而在印度，城市人口的比例则没有影响。目前，全球有8.21亿人口（10.9%）面临饥饿（54).到2050年，预计全球人口将增加到89亿到106亿之间（20随之而来的是，饥饿人口预计将达到20亿，其中大多数将来自全球南方地区。随着未来几十年小麦需求持续增长，确保中国和印度小麦国内稳定生产至关重要，以帮助减少这些国家的进口，从而促进国际小麦市场的稳定。这将有助于小麦价格稳定且负担得起，必然惠及小麦进口国的消费者。它最终将有助于确保粮食安全，从而消除全球饥饿，并实现联合国在2030年前实现零饥饿目标。尽管经济取得了巨大进步，2019-21年间，中国总人口中有<2.5%，印度总人口中有16.3%处于营养不良状态（55).鉴于中国和印度可用农地的有限现实，并基于我们的研究结果，强烈建议对小麦及其他主要谷物作物种植体系的研发进行投资。利用遗传成果并提高作物产量，可以通过养活中国和印度不断增长的人口，显著保障粮食安全