中国农业全要素生产率的变化及其影响因素分析——基于1991-2008年Malmquist指数方法，本文主要内容关键词为：生产率论文,中国农业论文,要素论文,因素论文,指数论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
[中图分类号]F30 [文献标识码]A [文章编号]1000-596X(2010)09-0005-08
一、引言
我国是一个有13亿多人口的发展中大国，农业是我国国民经济的基础，农业的发展状况关系着人民富裕、经济稳定与社会和谐。因此，农业生产的发展和效率问题日益受到理论界的重视。我国自改革开放以来的30年间(1978-2008年)，农业总产值的年增长速度最高达到17％，最低为—6％①，农业总产值的这一波动既与经济改革的诸多阶段相联系，同时也和农业生产中投入要素和全要素生产率(TFP)的变化密切相关。
国内外学者已从不同角度对中国农业TFP差异的原因展开过探讨。文(Wen)认为，中国农业产出的增加源于三个方面，即投入增加、制度创新和技术进步。其中，家庭联产承包责任制的制度改革极大地促进了20世纪80年代中国农业生产率的提升。[1]威尔利等人(Whalley et al)认为，不应将改革开放后农业生产率的上升全部归因于制度的改变，农产品价格的上升和农民生产积极性的提高是农业生产效率提升的关键。[2]黄少安等人认为，不同的土地产权制度会对生产要素投入量产生不同的激励，从而对中国农业总产出有较大的影响。[3]金等人(Jin et al)发现，已有的研究成果过度关注改革对农业生产率的影响而忽视了其他方面，并认为，20世纪80年代到90年代初期，技术进步是农业增长的源泉，农业的科研投入和资本投入对农业生产率具有深远的影响。[4]姚等人(Yao et al)认为，在给定投入要素的条件下，中国农业产出的改变源于农业生产技术进步和生产效率的提高。[5]
从研究方法来看，目前对农业生产技术进步和生产效率的度量有参数的方法和非参数的方法。其中，参数的方法在做估计的时候要对函数形式和误差项的分布作出假定，并且不能有效处理多产出的情况。同时，该方法得到的TFP对投入要素产出弹性的依赖度高，如果人为确定资本弹性系数，确定参数值时主观因素较多；如果采用回归分析确定系数，参数值会过重依赖样本数据，并且难以避免数据误差的影响。而非参数的方法则无需设定生产函数的形式，并且不需要投入要素价格的数据。由于在农业生产中，一方面要素价格的数据难以获得，另一方面某些要素的价格会因政府的干预而受到扭曲。因此，本文对农业TFP的度量采用非参数Malmquist指数来测算，并将这一指数的变化分解为技术进步与技术效率的变化两方面。
国内学者利用非参数方法专门研究中国农业TFP的文献甚少。孟令杰等人对比了1997-1998年两年间我国农业TFP的变动。[6]顾海等人运用Malmquist指数分析了我国1980-1995年的农业TFP，认为农业TFP的增长源于农业技术的进步，而不是农业技术效率的改善。[7]李周等人利用DEA方法分析了西部地区县域层面上农业生产的效率与农业发展可持续性的关系。[8]但这些研究一方面在投入产出指标的选取上具有随意性，如对农业产出的度量有农业生产总值、粮食产量、农民收入等多种指标，而不同的文献对这些指标的选取主观性较强。另一方面，罕有文献在给出农业TFP变动情况之后，进一步对不同地区农业TFP差异的原因进行实证分析。
因此，本文试图从两个方面对现有文献的研究成果进行如下拓展和改进：首先，利用KS和T检验观察不同指标对农业生产效率值的影响程度，在此基础上筛选出投入产出指标，并以检验后的变量作为投入产出指标计算出不同地区的Malmquist生产率指数，这样选择投入产出指标更具客观性，并能真实反映农业TFP的影响因素。其次，对不同地区农业TFP的影响因素进行实证分析，这些因素涵盖了一个地区的农业特征、财政支农力度和农业的市场化程度等多个方面，笔者试图发现不同地区农业TFP的差异及其原因。具体内容安排如下：第二部分介绍研究方法；第三部分对选择的模型和非参数方法Malmquist指数分析结果进行说明；第四部分对不同地区影响农业TFP的因素进行实证分析；第五部分归纳本文结论。
二、研究方法
(一)投入指标和产出指标的选取
在非参数DEA分析中对投入产出指标的选取是进行分析的前提和关键，不同的投入产出指标会带来决策单元相对效率的差异。在现有的研究农业TFP的文献中，对投入产出指标的选取大部分是基于对经济现象的主观认识，与研究问题相关的诸多因素都被视作投入产出指标，最终导致分析中选取的投入产出指标过多，甚至多于决策单元的数量。查恩斯等人(Charnes et al)曾指出，非参数DEA分析中决策单元的数量至少是投入产出指标的两倍，若采用较多的投入产出指标，会使得相对有效的决策单元的数量较多，从而降低区分度。[9]为了避免DEA分析中的这一问题，本文借鉴贝克尔(Banker)提出的度量模型间效率值差异的多种检验[10]，包括Kolmogorov-Smirnov(KS)和T检验，基于这些方法可以检验两个总体的分布有无显著差异，从而能够较为客观地选择投入产出指标。
T检验就是通常所说的两独立样本的T检验。凯特尔森(Kittelsen)拓展了贝克尔(Banker)的结论，认为样本效率估计的偏误会随样本量的变化而改变。[11]在样本量比较大的时候估计的偏误较小，T检验应在偏误低的时候使用，而KS检验在偏误较高的时候使用会更好一些。因此，若在检验过程中T检验和KS检验的结果不一致，可以依据样本量的大小来选择以哪个检验结果为准。
(二)Malmquist生产率指数
利用上述检验中得到的投入产出指标可以进行TFP分析，由于非参数Malmquist指数方法不需要对决策单元作出任何事先假定就可以得到决策单元的效率演化，并且可以将其分解为技术水平和技术效率，因此，这一方法被广泛应用于TFP的测算。这一指数是在距离函数的基础上定义出来的，道格拉斯等人(Douglas et al)将该指数用于测度TFP。[12]在t期技术下，从t期到t+1期的Malmquist生产率指数为：
三、模型的选取和Malmquist指数分析结果
(一)数据来源及模型的选取
本文利用中国29个省、直辖市和自治区1991-2008年农业投入和产出指标的数据计算出不同地区的农业TFP②，并利用农民经营性收入代替此类分析中所采用的农民收入。究竟选择哪些具体的变量来作为农业的投入产出指标？现有文献对此分歧较大，因而其结论也不具有一致性和可比性。为了改进此类研究，本文在分析中首先尽可能考虑到现有文献提到的所有变量，然后采用KS检验和T检验的方法逐步剔除对效率值贡献不显著的变量。笔者拟采用的农业产出指标有：农业生产总值(AGDP)，粮食产量(AF)，农村居民年人均经营性收入(POY)；拟采用的农业投入指标有：总播种面积(ACUL)，粮食播种面积(AFCUL)，有效灌溉面积(IRR)，乡村从业人员数量(LAB)，农机总动力(MACH)，化肥使用量(FER)，农村用电量(ELEC)。
根据KS检验和T检验进行指标筛选的思路和原则是：首先，设定一个基准模型，在规模报酬可变(VRS)的情况下，包含上述所有的投入和产出指标，这样我们可以得到一系列效率值集合；其次，将基准模型的假设条件和变量逐渐从模型中移除，从而得到新的效率值集合；最后，比较两组效率值集合的分布和均值是否存在显著差异，若变量移除前后效率均值发生明显的变化，则被移除的变量应保留在基准模型中，否则，该变量不应保留在基准模型中。
表1给出了最终的检验结果。首先，我们将规模报酬可变的假设移除，在规模报酬不变(CRS)的假设下得到效率值的集合，将该集合与基准模型的效率集合比较，前后均值变化了0.001。这里的KS检验和T检验都认为，移除VRS的假设后效率值没有发生明显的改变，因此在本文下面的分析中可以采用CRS的假设。其次，将农业总产值和粮食产量分别移除，结果是两种检验分别在5％和1％的显著水平下都拒绝原假设，由此可以认为移除前后效率值发生了明显的变化，因此这两个变量应保留在基准模型中。最后，我们进一步将农村居民年人均经营性收入移除，前后的效率均值变化了0.003，但KS检验和T检验的结果存在差异，其中KS检验认为变量移除前后效率均值没有发生显著变化，而T检验在10％的显著水平下拒绝原假设。由于在本文的分析中使用了29个省、直辖市、自治区的数据，决策单元的数量并不多，检验结果应以KS检验为准，因此，这一变量不应包含在模型中。
笔者在对农业投入指标的分析中，首先将农作物播种面积移除，检验结果类似于对农村人均经营性收入的分析结果，而且效率均值没有发生明显变化，这一指标不能包含在模型中。进一步将农作物播种面积和粮食播种面积移除，两种检验均在5％的显著水平下拒绝原假设。因此，粮食种植面积的指标予以保留。随后将农作物播种面积和有效灌溉面积移除，效率均值没有发生明显变化，可以接受移除。笔者进一步将农作物播种面积、有效灌溉面积和乡村从业人员数移除，KS检验和T检验均在1％的显著水平下拒绝原假设，可知乡村从业人员的数量对各省农业生产效率值的影响非常明显。随后，再将农作物播种面积、有效灌溉面积和农机动力移除，发现效率均值的改变并不明显，但是化肥使用量对效率值的影响却较为明显，在两种检验下都拒绝原假设。最后，将农作物播种面积、有效灌溉面积和农村用电量移除，KS检验和T检验均拒绝原假设，因此农村用电量这一指标也应保留在基准模型中。
根据以上对农业投入产出指标的分析，即可确定最终的分析模型：在规模报酬不变的假设下，笔者筛选出两个农业产出指标(AGDP，AF)和4个农业投入指标(AFCUL，LAB，FER，ELEC)。
(二)Malmquist指数分析结果
本部分依据上述模型运用DEAP2.1软件计算出中国农业TFP指数及技术进步和技术效率的数据，由于各省历年的面板数据结果较长，笔者分阶段、分地区研究中国农业的TFP的变化。
通过表2给出的全国1991-2008年农业TFP及其构成变化可知：首先，不同时间阶段中国农业TFP的增长速度和源泉存在明显差异。“八五”期间国家加强对农业基础设施的投入，带来了TFP的快速增长；而在“九五”期间，农业TFP的增长则是源于农业技术效率的提高，尤其是规模效率的提高，这可能是由于在农业基础设施达到一定规模后，开始注重对现有设施的有效或充分利用与配置。另外，1995-1996年，中国农业的技术进步出现大幅下滑，这可能是由于上一阶段的无效投资造成了产能过剩，同时遭遇了转型过程中的制度瓶颈；[14]“十五”期间和“十一五”期间，我国农业TFP的增长是技术进步和技术效率共同作用的结果。其次，从增长结构上看，农业TFP的增长主要是源于技术进步，不同时间段内技术进步的改变会带来农业TFP的同向变化。平均来说，技术进步每年为农业TFP的增长贡献了5个百分点，而技术效率对农业TFP的贡献有限，并且技术效率改善的速度滞后于技术进步的速度，这与郑京海等人的分析结果[14]类似。这可能与改革开放过程中所遇到的如下几个问题密切相关，即农业技术的有效利用问题(例如农业技术与农村人力资本不匹配)、金融体系的效率问题、财政支农资金的使用效率问题、政府产出效率下降的问题，等等。
通过表3给出的中国东部、中部和西部农业TFP的变化及其构成可知：首先，20世纪90年代至今，中国农业技术进步和技术效率的上升是农业TFP增长的原因，这与金等人的研究结果类似。[4]但从不同区域来看，较之于技术效率，农业技术进步对TFP的贡献相对较大一些，这说明中国当前的农业生产过程中经济结构的转变、升级以及实现高效率资源对低效率资源的置换仍然存在障碍。其次，西部地区的农业TFP高于东部和中部，这个结果似乎与人们的直觉不一致。笔者认为，西部地区的农业TFP之所以较高，直接得益于20世纪90年代以来的西部大开发战略，因为它的推进和落实使得东中西部的技术差距在缩小；而东部地区农业技术效率的增长低于全国平均水平，说明这一地区技术效率的增长率过低，管理改进、结构优化和资源配置的改进效果并不明显。另外，从标准差可知，中部地区内部技术进步的差异比较大，它直接影响了中部地区整体农业TFP的提高。东部地区的差异程度次之，西部地区的差异程度最小，这种地区间差异带来了全国范围内农业TFP增长的变动。因此，笔者在后文分析中将对这一差异的原因做初步探讨。
四、中国农业TFP的影响因素分析
基于上述分析，本文发现区域间技术水平和技术效率的差异较大，并导致农业TFP增长水平的不同。目前，有关农业TFP增长差异背后的影响因素的理论和实证研究较少。本文参考金等人和孟查克等人(Monchuk et al)等对农业生产低效率的相关论述，[4][15]利用中国29个省、直辖市和自治区2002-2006年有关数据，对中国农业TFP的影响因素作进一步探讨。本文选取两个变量度量农业生产的地区特征：农业生产总值占地区生产总值的比重和乡村从业人员在总人口中的比重；选取财政援农支出在财政支出中的比重来度量不同地区财政支农政策的力度；选取经营性纯收入在纯收入中的比重来度量农业的市场化程度。通过平稳性进行检验可知，上述变量均是零阶平稳的。因此，可以进一步用这些数据回归下面的方程：
表4给出了模型估计的结果。Hausman检验的结果表明，应当选择固定效应模型。随后，考虑到AP(农业生产总值与地区生产总值的比重)、EXPE(援农支出在财政支出中的比重)以及OPY(农业的市场化程度)之间可能存在联立内生的可能，因此，本文将AP看成内生变量，使用了Panel 2sls的估计方法，且在估计中引入了29个省、直辖市、自治区虚拟变量，工具变量(IV)为AP和OPY的滞后1期。
从表4可知：首先，农业TFP受农业在该地区整体经济中相对地位重要性的影响较大。农业在整体经济中的地位与农业TFP同向变化，也就是说，如果一个地区的农业在当地经济中的地位相对重要，那么，它将带来农业TFP的上升。其原因可能是，当农业是一个地区的重要产业时，投入农业的劳动、资本和技术都较多、较强；在农业主产区，政府对农业的重视程度相对更高；农民和政府更注重农业技术的改进和农业管理的完善。其次，乡村从业人员的比重在总人口中的比重越高，其对农业TFP的负面影响就越大。结合前面的模型选择可知，乡村从业人员是中国农业生产的主要投入要素之一，这种劳动投入型的生产不利于农业TFP的提升。最后，财政支农的力度和农业的市场化程度都会明显影响农业TFP，中国大部分地区的农业基础设施投入依赖财政支持，而农业市场化程度的提高也会在一定程度上影响我国农业的技术水平和技术配置效率。
五、结论
本文利用非参数方法测算了中国1991-2008年29个省、直辖市和自治区的农业TFP及其构成，并以此为基础分析了影响中国农业TFP的诸多因素，主要结论可归纳如下：
首先，通过模型变量的选择笔者发现，粮食播种面积、乡村从业人员数量、化肥使用量等投入要素对各省、直辖市、自治区农业生产效率值的影响较为明显，这说明在现阶段中国农业生产中，土地、劳动力和生产资料的投入仍然占据比较重要的地位。
其次，根据Malmquist生产率指数的分析，我们可以发现，在农业生产中，技术进步是农业TFP变化的主要原因，与之相比，技术效率的贡献并不十分明显；另外，中国不同区域间的农业生产中技术进步和技术效率的差异较大。
最后，笔者在对农业TFP的影响因素进行分解中发现，农业在一个地区整体经济中的相对地位和农业的市场化程度对该地区农业TFP的影响明显，同时，农业生产中过多的劳动力投入不利于农业生产技术水平的提升和技术效率的改善。另外，财政支农力度对农业TFP的提高有明显的正向作用。
感谢匿名评审人提出的意见，笔者已作了相应修改，本文文责自负。
注释：
①以1978年为基期将名义农业总产值转化为实际总产值计算所得，数据源于中经网统计数据库。
②由于数据可得性原因，重庆、西藏、中国香港、中国澳门和中国台湾没有列入本文的研究范围内。
标签：农业论文; 中国农业论文; t检验论文; 农业发展论文; 全要素生产率论文; 参数检验论文; 三农论文; 差异分析论文; 因素分析论文; 农村论文; 种植业论文;