何婷婷
(安徽農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院,安徽合肥230036)
我國(guó)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的動(dòng)態(tài)變化與影響因素
——基于DEA和SFA方法的比較研究
何婷婷
(安徽農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院,安徽合肥230036)
采用非參數(shù)的DEA-Malmquist生產(chǎn)率指數(shù)法、參數(shù)的隨機(jī)前沿生產(chǎn)函數(shù)法(SFA)以及Pool OLS、固定效應(yīng)模型(FE)、隨機(jī)效應(yīng)模型(RE)多種方法分析了1990—2012年我國(guó)28個(gè)省份的農(nóng)業(yè)全要素生產(chǎn)率(TFP)的演變趨勢(shì)及其影響因素。研究結(jié)論表明:兩種方法測(cè)算的農(nóng)業(yè)TFP年均增長(zhǎng)率分別為3.1%和3.6%,但波動(dòng)趨勢(shì)呈現(xiàn)出相反的結(jié)論,技術(shù)進(jìn)步是國(guó)家及其各省份、各區(qū)域農(nóng)業(yè)TFP增長(zhǎng)的主要來(lái)源,東部、中部、西部農(nóng)業(yè)TFP依次遞減;農(nóng)業(yè)資本投入、人力資本和城市化水平對(duì)農(nóng)業(yè)TFP增長(zhǎng)都具有正向顯著作用,而農(nóng)業(yè)勞動(dòng)投入、農(nóng)業(yè)種植結(jié)構(gòu)對(duì)農(nóng)業(yè)TFP增長(zhǎng)產(chǎn)生了顯著的負(fù)向影響,財(cái)政支農(nóng)力度在DEA法的結(jié)論中表現(xiàn)為對(duì)農(nóng)業(yè)TFP的顯著正向作用,土地投入的影響在兩種方法中出現(xiàn)了相反的結(jié)論。
農(nóng)業(yè)全要素生產(chǎn)率;DEA-Malmquist;SFA;農(nóng)業(yè)發(fā)展
長(zhǎng)期以來(lái),我國(guó)農(nóng)業(yè)增長(zhǎng)主要依賴(lài)各種要素投入增加,這種粗放型的增長(zhǎng)方式雖然使得我國(guó)農(nóng)業(yè)取得了矚目的成就,但其發(fā)展的可持續(xù)性受到了普遍質(zhì)疑。面對(duì)經(jīng)濟(jì)發(fā)展新常態(tài)的挑戰(zhàn),加快農(nóng)業(yè)發(fā)展方式的轉(zhuǎn)變是保證國(guó)家糧食安全、減少貧困,從而實(shí)現(xiàn)我國(guó)從農(nóng)業(yè)大國(guó)邁向農(nóng)業(yè)強(qiáng)國(guó)的根本路徑。而農(nóng)業(yè)全要素生產(chǎn)率(TFP)的提高是發(fā)展方式轉(zhuǎn)變的關(guān)鍵所在,因此準(zhǔn)確測(cè)算農(nóng)業(yè)全要素生產(chǎn)率以及探究影響其變化的各種因素十分重要。
從已有研究可以發(fā)現(xiàn),由于采用的測(cè)算方法和樣本數(shù)據(jù)不同,對(duì)我國(guó)農(nóng)業(yè)全要素生產(chǎn)率的測(cè)算結(jié)果存在一定程度的差異,但大多數(shù)研究結(jié)論均表明我國(guó)農(nóng)業(yè)TFP呈現(xiàn)出明顯的空間差異性,技術(shù)進(jìn)步是我國(guó)農(nóng)業(yè)TFP增長(zhǎng)的主要來(lái)源[1-2]。近幾年,學(xué)者們開(kāi)始關(guān)注我國(guó)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的原因,一些代表性文獻(xiàn)從我國(guó)農(nóng)村制度變遷、農(nóng)業(yè)投入、人力資本、農(nóng)業(yè)信息化、農(nóng)村基礎(chǔ)設(shè)施等方面對(duì)我國(guó)農(nóng)業(yè)TFP增長(zhǎng)的影響進(jìn)行了研究[3-7],但由于觀察問(wèn)題的視角不同,對(duì)于哪些因素影響了我國(guó)農(nóng)業(yè)TFP變化并未統(tǒng)一,還存在進(jìn)一步深入探究的空間。
鑒于此,本文利用1990—2012年我國(guó)28個(gè)省級(jí)行政單位的面板數(shù)據(jù),采用DEA和SFA兩種方法對(duì)農(nóng)業(yè)TFP進(jìn)行測(cè)算,并在此基礎(chǔ)上對(duì)我國(guó)農(nóng)業(yè)TFP增長(zhǎng)的影響因素進(jìn)行實(shí)證研究,以期為提高我國(guó)農(nóng)業(yè)TFP增長(zhǎng)提供有益的政策建議。
(一)農(nóng)業(yè)全要素生產(chǎn)率的測(cè)算方法
1.DEA-Malmquist指數(shù)法
目前,已有文獻(xiàn)對(duì)農(nóng)業(yè)TFP的測(cè)算方法主要為參數(shù)法與非參數(shù)法,兩種方法各有優(yōu)缺點(diǎn)。特別是數(shù)據(jù)包絡(luò)分析法(DEA),由于不需要預(yù)先設(shè)定具體的函數(shù)形式和分布假設(shè)而被廣泛應(yīng)用。本文采用Caves和Fare的方法[8-9],在選取規(guī)模報(bào)酬不變(CRS)情況下,以產(chǎn)出為導(dǎo)向的DEA-Malmquist生產(chǎn)率指數(shù)法來(lái)對(duì)我國(guó)農(nóng)業(yè)全要素生產(chǎn)率進(jìn)行測(cè)算,并將Malmquist指數(shù)分解為技術(shù)進(jìn)步(TP)和技術(shù)效率變化(TECH),具體表示為:
(1)式中,Mi(xt+1,yt+1;xt,yt)為T(mén)FP變動(dòng),Dti(xt,yt)和Dti(xt+1,yt+1)分別表示以t時(shí)期生產(chǎn)技術(shù)為參照,第i個(gè)決策單元在t時(shí)期和t+1時(shí)期的距離函數(shù)值,Dt+1i(xt,yt)和Dt+1i(xt+1,yt+1)分別表示以t+1期生產(chǎn)技術(shù)為參照,第i個(gè)決策單元在t時(shí)期和t+1時(shí)期的距離函數(shù)值;TECHi(xt+1,yt+1;xt,yt)表示t時(shí)期到t+1時(shí)期的技術(shù)效率變化,TPi(xt+1,yt+1;xt,yt)表示t時(shí)期到t+1時(shí)期的技術(shù)進(jìn)步,TECHi和TPi大于、等于和小于1分別代表第i個(gè)決策單元的技術(shù)效率和技術(shù)進(jìn)步是改善、不變和惡化的。
2.隨機(jī)前沿生產(chǎn)函數(shù)法(SFA)
Aigner、Lovell、Schmidt和Meeusen、Van den Broeck最初提出了隨機(jī)前沿生產(chǎn)函數(shù)[10-11]。隨機(jī)前沿生產(chǎn)函數(shù)形式一般表示為:
(2)式中,yit為決策單元i在時(shí)期t的實(shí)際產(chǎn)出,f表示特定的函數(shù)形式,xit表示一組投入向量,t為時(shí)間趨勢(shì),β為投入的待估參數(shù),vit-uit為復(fù)合誤差項(xiàng),vit和uit相互獨(dú)立,vit為系統(tǒng)隨機(jī)誤差項(xiàng),服從N(0,σ2v),vit為技術(shù)非效率項(xiàng),服從非負(fù)斷尾正態(tài)分布,即服從N+(u,σ2u),根據(jù)Battese和Coelli的設(shè)定[12],uit可以表示為:
(3)式中,η為待估參數(shù),表示時(shí)間因素對(duì)技術(shù)非效率項(xiàng)uit的影響,η>0、η=0和η<0分別表示uit隨著時(shí)間的變化而遞增、不變和遞減。
技術(shù)效率TE定義為實(shí)際產(chǎn)出期望與前沿面產(chǎn)出期望之比,即:
(4)式中,當(dāng)uit=0時(shí),TEit=1,意味著決策單元位于前沿面上,技術(shù)有效率;當(dāng)uit>0時(shí),TEit<1,表示決策單元位于前沿面的下方,技術(shù)無(wú)效率。
根據(jù)(3)式中uit的表達(dá)形式,可進(jìn)一步將技術(shù)效率的變化表示為:
將(2)式兩邊取對(duì)數(shù),得出隨機(jī)前沿模型的對(duì)數(shù)形式:
將(6)式兩邊同時(shí)對(duì)t求一階偏導(dǎo)數(shù)可得:
(7)式中,等式右邊第一項(xiàng)表示在既定技術(shù)水平下要素投入變化所引起的前沿面的變化情況;第二項(xiàng)表示在要素投入不變情況下前沿面產(chǎn)出變化情況,即技術(shù)進(jìn)步(TP);第三項(xiàng)表示技術(shù)效率的變化(TECH);x表示投入要素。
根據(jù)Solow提出的增長(zhǎng)核算法[13],全要素生產(chǎn)率的增長(zhǎng)來(lái)自于產(chǎn)出變化中未被要素投入變化所解釋的部分,稱(chēng)為“索洛余值”,即:
根據(jù)(7)式和(8)式可得:
由此可見(jiàn),TFP增長(zhǎng)可以表示為技術(shù)進(jìn)步(TP)和技術(shù)效率變化(TECH)之和。
本文在借鑒Battese和Coelli模型的基礎(chǔ)上,采用超越對(duì)數(shù)生產(chǎn)函數(shù)的隨機(jī)前沿模型進(jìn)行分析,具體形式為:
(10)式中,β為待估參數(shù),j和l分別代表第j個(gè)和第l個(gè)投入要素,其余變量的定義與前文相同。
一般來(lái)說(shuō),為保證結(jié)論的正確性,使用隨機(jī)前沿生產(chǎn)函數(shù)前需要對(duì)其模型設(shè)定進(jìn)行相關(guān)檢驗(yàn),為此本文采用最大似然比的方法對(duì)模型設(shè)定進(jìn)行4個(gè)方面的假設(shè)檢驗(yàn),如表1所示。
表1 SFA模型假設(shè)檢驗(yàn)
(二)測(cè)算數(shù)據(jù)指標(biāo)
為保持統(tǒng)計(jì)口徑的統(tǒng)一,考慮到海南省和重慶市特殊的建制歷史,本文借鑒李谷成的做法[14],將重慶市和海南省分別并入四川省和廣東省進(jìn)行計(jì)算。考慮到DEA方法對(duì)異常數(shù)據(jù)的敏感性,剔除了西藏自治區(qū)的數(shù)據(jù),最終采用1990—2012年我國(guó)28個(gè)省級(jí)行政區(qū)(不包括港澳臺(tái)地區(qū))的平衡面板數(shù)據(jù)作為樣本,用歷年《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)業(yè)年鑒》和國(guó)家統(tǒng)計(jì)局網(wǎng)站公布的數(shù)據(jù)作為原始數(shù)據(jù)。選取1990年不變價(jià)格的農(nóng)林牧漁業(yè)總產(chǎn)值作為農(nóng)業(yè)產(chǎn)出變量(Y)。農(nóng)業(yè)投入具體包括五個(gè)方面:勞動(dòng)投入(X1)采用農(nóng)林牧漁從業(yè)人員數(shù)計(jì)算;土地投入(X2)采用主要農(nóng)作物總播種面積計(jì)算;機(jī)械動(dòng)力投入(X3)以農(nóng)業(yè)機(jī)械總動(dòng)力計(jì)算;化肥投入(X4)以化肥施用量(折純量)計(jì)算;灌溉投入(X5)采用農(nóng)業(yè)有效灌溉面積計(jì)算。本文所使用的投入產(chǎn)出指標(biāo)描述性統(tǒng)計(jì)結(jié)果如表2所示。
表2 投入產(chǎn)出變量的描述性統(tǒng)計(jì)結(jié)果
(三)測(cè)算結(jié)果
1.SFA模型設(shè)定的檢驗(yàn)。以前述1990—2012年我國(guó)28個(gè)省級(jí)面板數(shù)據(jù)為樣本,參照劉勇、孟令杰的做法[15],對(duì)原模型中的投入和產(chǎn)出變量用土地投入(農(nóng)作物總播種面積)進(jìn)行標(biāo)準(zhǔn)化,利用Frontier4.1軟件對(duì)(10)式進(jìn)行回歸,估計(jì)結(jié)果如表3所示。
表3 SFA模型變量影響系數(shù)估計(jì)結(jié)果
從表3中的估計(jì)結(jié)果可以看出,γ通過(guò)了顯著性水平為1%的顯著性檢驗(yàn),表明本文采用SFA方法是合理的,γ=0.994 3表明在我國(guó)農(nóng)業(yè)總體技術(shù)非效率中,由人為可控制的技術(shù)非效率所占比重為99.43%,而隨機(jī)因素引起的技術(shù)非效率占0.57%,意味著通過(guò)改進(jìn)人為因素,可以有效改善農(nóng)業(yè)技術(shù)的非效率問(wèn)題。大多數(shù)變量的影響系數(shù)均在1%的顯著性水平下顯著,并且單邊偏誤似然比檢驗(yàn)值符合混合卡方分布,說(shuō)明模型整體估計(jì)效果較好。時(shí)變系數(shù)η為負(fù)值顯著,意味著技術(shù)效率以遞增的速度遞減。另外,由于設(shè)定形式的隨機(jī)前沿生產(chǎn)函數(shù)模型的估計(jì)結(jié)果會(huì)產(chǎn)生較大偏差,為保證研究結(jié)論的穩(wěn)健性,一般來(lái)說(shuō),應(yīng)該對(duì)其模型設(shè)定進(jìn)行相關(guān)檢驗(yàn)。本文采用最大似然比的方法對(duì)模型設(shè)定進(jìn)行四個(gè)方面的假設(shè)檢驗(yàn),具體包括:(1)C-D函數(shù)適用性檢驗(yàn),原假設(shè)H0為“應(yīng)該采用C-D隨機(jī)前沿生產(chǎn)函數(shù)”;(2)技術(shù)進(jìn)步存在性檢驗(yàn),原假設(shè)H0為“不存在技術(shù)進(jìn)步”;(3)技術(shù)進(jìn)步??怂怪行詸z驗(yàn),原假設(shè)H0為“技術(shù)進(jìn)步是??怂怪行缘摹保唬?)技術(shù)效率時(shí)變性檢驗(yàn),原假設(shè)H0為“時(shí)變參數(shù)η=0”。通過(guò)構(gòu)造似然比統(tǒng)計(jì)量LR,本文采用最大似然值比值檢驗(yàn)法來(lái)進(jìn)行相關(guān)檢驗(yàn),LR檢驗(yàn)統(tǒng)計(jì)量可以表示為:
其中l(wèi)nL0、lnL1分別表示零假設(shè)H0和備選假設(shè)H1下的對(duì)數(shù)似然函數(shù)值,q表示原假設(shè)H0中零約束的個(gè)數(shù)。當(dāng)LR檢驗(yàn)統(tǒng)計(jì)量大于其對(duì)應(yīng)的臨界值χa2(q)時(shí),應(yīng)拒絕原假設(shè);反之,應(yīng)接受原假設(shè)。隨機(jī)前沿模型的檢驗(yàn)結(jié)果如表4所示。
根據(jù)表4的檢驗(yàn)結(jié)果可知,四個(gè)統(tǒng)計(jì)量假設(shè)檢驗(yàn)的LR檢驗(yàn)統(tǒng)計(jì)量均大于其對(duì)應(yīng)臨界值,應(yīng)拒絕原假設(shè)H0,這表明本文采用帶有時(shí)變技術(shù)非效率的非中性技術(shù)變化的超越對(duì)數(shù)隨機(jī)前沿生產(chǎn)函數(shù),較好地?cái)M合了樣本數(shù)據(jù),并應(yīng)該使用最大似然估計(jì)法進(jìn)行估計(jì)。
2.DEA和SFA方法的農(nóng)業(yè)TFP測(cè)算結(jié)果比較。根據(jù)產(chǎn)出為導(dǎo)向的Malmquist指數(shù)模型,利用前述1990—2012年我國(guó)28個(gè)省級(jí)行政區(qū)的農(nóng)業(yè)投入產(chǎn)出數(shù)據(jù),分別采用DEAP2.1軟件和Frontier4.1軟件進(jìn)行Malmquist指數(shù)測(cè)算,得出我國(guó)整體農(nóng)業(yè)TFP增長(zhǎng)率及其分解指數(shù)的結(jié)果如圖1和表5所示。
從圖1可以看出:第一,兩種方法測(cè)算的農(nóng)業(yè)TFP的變化趨勢(shì)存在一些差異,DEA方法測(cè)算的TFP在1991—2012年呈現(xiàn)出明顯的波動(dòng)上升趨勢(shì),而SFA方法的測(cè)算結(jié)果顯示出單調(diào)下降趨勢(shì),但全國(guó)平均農(nóng)業(yè)TFP的測(cè)算結(jié)果較為接近,年均增長(zhǎng)率分別為3.1%和3.6%;第二,兩種方法測(cè)算的全國(guó)技術(shù)效率指數(shù)均小于1(0.988和0.991),技術(shù)進(jìn)步指數(shù)均大于1(1.044和1.045),說(shuō)明我國(guó)農(nóng)業(yè)技術(shù)效率在下降但技術(shù)進(jìn)步在增強(qiáng)。從趨勢(shì)上看,技術(shù)進(jìn)步指數(shù)在兩種方法測(cè)算結(jié)果中都顯示出了下降趨勢(shì),但DEA的結(jié)果具有明顯的波動(dòng)性;技術(shù)效率變化在DEA測(cè)算結(jié)果中表現(xiàn)出震蕩上升趨勢(shì),而SFA結(jié)果則展現(xiàn)出平緩而略有下降的趨勢(shì);第三,兩種方法的測(cè)算結(jié)果均顯示出我國(guó)農(nóng)業(yè)TFP的增長(zhǎng)主要源于技術(shù)進(jìn)步,技術(shù)進(jìn)步指數(shù)的提高超過(guò)了技術(shù)效率指數(shù)的下降,從而對(duì)農(nóng)業(yè)TFP增長(zhǎng)產(chǎn)生了促進(jìn)作用。
圖1 1991—2012年DEA方法與SFA方法測(cè)算的中國(guó)農(nóng)業(yè)TFP增長(zhǎng)及其分解
從各省份情況來(lái)看(如表5所示),兩種方法的測(cè)算結(jié)果均顯示東部、中部、西部地區(qū)的農(nóng)業(yè)TFP增長(zhǎng)率以及技術(shù)進(jìn)步指數(shù)依次遞減,技術(shù)效率指數(shù)呈現(xiàn)出東部、西部、中部地區(qū)的順序依次遞減。中、西部地區(qū)在TFP增長(zhǎng)及其分解項(xiàng)上的表現(xiàn)都低于全國(guó)平均水平,說(shuō)明我國(guó)農(nóng)業(yè)TFP增長(zhǎng)存在空間異質(zhì)性,中、西部地區(qū)明顯落后于東部地區(qū),存在較大的提升空間。
表5 1990—2012年我國(guó)分省份農(nóng)業(yè)TFP增長(zhǎng)及其分解
(一)分析模型
本文基于上述DEA和SFA兩種方法測(cè)算的農(nóng)業(yè)TFP增長(zhǎng)率及其分解結(jié)果,從內(nèi)在因素以及外在因素兩個(gè)方面考慮,分別以農(nóng)業(yè)TFP、技術(shù)效率指數(shù)和技術(shù)進(jìn)步指數(shù)的累計(jì)值為因變量,將勞動(dòng)力(L)、資本(K)、土地(CL)、人力資本(H)、灌溉面積占比(IR)視為內(nèi)在影響因素,財(cái)政支農(nóng)力度(AP)、自然災(zāi)害(ND)、經(jīng)濟(jì)發(fā)展水平(EC)、農(nóng)業(yè)種植結(jié)構(gòu)(CS)、城市化水平(CY)作為外在影響因素,全部納入自變量,運(yùn)用28個(gè)省級(jí)行政區(qū)面板數(shù)據(jù)構(gòu)建模型以檢驗(yàn)各因素對(duì)農(nóng)業(yè)TFP增長(zhǎng)率、技術(shù)效率變化以及技術(shù)進(jìn)步的影響,具體模型設(shè)定為:
為消除異方差的影響,將所有變量取對(duì)數(shù),其中因變量lnYi,t分別以累積農(nóng)業(yè)TFP、TPCH和TECH的對(duì)數(shù)值表示,β為待估參數(shù),εi,t為隨機(jī)誤差項(xiàng)。
(二)變量與數(shù)據(jù)來(lái)源
本文分別選取前面測(cè)算的TFP增長(zhǎng)率、技術(shù)效率指數(shù)(TECH)以及技術(shù)進(jìn)步指數(shù)(TP)作為因變量。選取的自變量包括內(nèi)在和外在影響因素,內(nèi)在影響因素包括:(1)農(nóng)業(yè)勞動(dòng)力投入(L)。采用各省農(nóng)林牧漁業(yè)從業(yè)人數(shù)來(lái)表示;(2)農(nóng)業(yè)資本投入(K),采用農(nóng)村居民家庭生產(chǎn)性固定資產(chǎn)原值(元/戶(hù))與鄉(xiāng)村戶(hù)數(shù)(萬(wàn)戶(hù))的乘積進(jìn)行衡量;(3)土地投入(CL),測(cè)量與前文一致;(4)灌溉面積占比(IR),采用有效灌溉面積占農(nóng)作物總播種面積的比重衡量,可作為土地質(zhì)量的代理變量;(5)人力資本(H),采用農(nóng)村勞動(dòng)力的平均受教育年限來(lái)衡量,將農(nóng)村勞動(dòng)力的受教育程度劃分為文盲或半文盲、小學(xué)、初中、高中、中專(zhuān)和大專(zhuān)及以上6個(gè)階段,各階段平均受教育年限分別設(shè)定為0年、6年、9年、12年、12年和15.5年,從而可以計(jì)算各地區(qū)平均受教育年限Ed,表示為:
(12)式中Li,t表示各省級(jí)行政區(qū)每個(gè)層次農(nóng)村勞動(dòng)力人數(shù),i=1,2,3,4,5,6分別表示6種受教育程度。參照Hall和Jones將受教育年限轉(zhuǎn)化為人力資本的做法[16],即人力資本是教育年限的一個(gè)函數(shù),假定該函數(shù)形式為Ht=exp[φ(Ed)],其中φ(Ed)是一個(gè)分段函數(shù)。結(jié)合被廣泛使用的Psacharopoulos和Patrinos所給出的中國(guó)教育社會(huì)回報(bào)率的數(shù)據(jù)(初等教育回報(bào)率為0.144,中等教育為0.129,高等教育為0.113),將各省級(jí)行政區(qū)年均受教育年限轉(zhuǎn)化為人力資本[17]。外在影響因素具體包括:(1)農(nóng)業(yè)種植結(jié)構(gòu),采用糧食播種面積(千公頃)與農(nóng)作物總播種面積(千公頃)的比值衡量;(2)財(cái)政支農(nóng)力度,采用財(cái)政農(nóng)業(yè)支出(億元)占財(cái)政總支出(億元)的比重衡量;(3)城市化水平,采用城市人口占總?cè)丝诘谋戎睾饬俊1疚难芯繑?shù)據(jù)來(lái)源于相關(guān)年份的《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)業(yè)年鑒》《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)財(cái)政年鑒》《新中國(guó)六十年統(tǒng)計(jì)資料匯編》和各省市區(qū)歷年統(tǒng)計(jì)年鑒以及國(guó)家統(tǒng)計(jì)局網(wǎng)站。
(三)實(shí)證分析結(jié)果
考慮到估計(jì)的穩(wěn)健性,本文利用Eviews8.0軟件,采用了Pool OLS、固定效應(yīng)模型(FE)、隨機(jī)效應(yīng)模型(RE)多種方法進(jìn)行了估計(jì),估計(jì)結(jié)果差異不大。結(jié)合Hausman檢驗(yàn)結(jié)果發(fā)現(xiàn):分別以DEA方法與SFA方法測(cè)算的農(nóng)業(yè)TFP、技術(shù)效率變化(TECH)以及技術(shù)進(jìn)步(TP)為因變量的模型中,Hausman統(tǒng)計(jì)量對(duì)應(yīng)的P值均小于1%的顯著性水平,表明應(yīng)拒絕隨機(jī)效應(yīng)模型的原假設(shè),建立固定效應(yīng)模型。本文最終采用固定效應(yīng)模型作為說(shuō)明對(duì)象,模型回歸結(jié)果如表6所示。
綜合兩種方法相關(guān)結(jié)論來(lái)看,農(nóng)業(yè)勞動(dòng)力投入、農(nóng)業(yè)種植結(jié)構(gòu)對(duì)農(nóng)業(yè)TFP增長(zhǎng)具有顯著的負(fù)向作用,說(shuō)明農(nóng)業(yè)生產(chǎn)中過(guò)剩的勞動(dòng)力不利于農(nóng)業(yè)技術(shù)效率的改善,我國(guó)農(nóng)業(yè)TFP的增長(zhǎng)已不能依賴(lài)勞動(dòng)力投入數(shù)量的增加而提高。農(nóng)業(yè)種植結(jié)構(gòu)不合理可能偏離了我國(guó)農(nóng)業(yè)的比較優(yōu)勢(shì),從而也對(duì)農(nóng)業(yè)TFP的提高產(chǎn)生了抑制作用。農(nóng)業(yè)資本投入、人力資本和城市化水平對(duì)農(nóng)業(yè)TFP增長(zhǎng)都具有正向顯著作用,其中人力資本的正向作用最大,這表明擴(kuò)大農(nóng)業(yè)資本投入、勞動(dòng)者素質(zhì)的提高、推進(jìn)城市化進(jìn)程都可以促進(jìn)農(nóng)業(yè)TFP的提升。從技術(shù)效率來(lái)看,土地投入和灌溉面積占比具有顯著的負(fù)向作用,這表明土地投入數(shù)量增加以及土地質(zhì)量的改善沒(méi)有對(duì)農(nóng)業(yè)技術(shù)效率改善產(chǎn)生積極影響。人力資本作用顯著為負(fù),這可能是由于受教育程度較高的農(nóng)業(yè)勞動(dòng)力發(fā)生了從農(nóng)業(yè)生產(chǎn)的流出,從而使實(shí)際從事農(nóng)業(yè)生產(chǎn)的勞動(dòng)力的人力資本較低,不利于農(nóng)業(yè)新技術(shù)的推廣和應(yīng)用,因此與農(nóng)業(yè)技術(shù)效率呈現(xiàn)出負(fù)相關(guān)。城市化水平產(chǎn)生了正向作用,表明城市化水平的提高,有利于農(nóng)產(chǎn)品銷(xiāo)售規(guī)模增加,也會(huì)逐漸提升對(duì)農(nóng)產(chǎn)品的需求層次,從而刺激農(nóng)民生產(chǎn)的積極性,促使其采用更先進(jìn)的技術(shù)生產(chǎn)滿(mǎn)足更高消費(fèi)需求的農(nóng)產(chǎn)品,這將對(duì)技術(shù)效率改善產(chǎn)生正向作用。從技術(shù)進(jìn)步來(lái)看,農(nóng)業(yè)勞動(dòng)力投入、土地投入都對(duì)技術(shù)進(jìn)步產(chǎn)生了顯著的負(fù)向作用,這意味著勞動(dòng)力和土地?cái)?shù)量的增加對(duì)技術(shù)進(jìn)步會(huì)產(chǎn)生抑制作用。農(nóng)業(yè)種植結(jié)構(gòu)對(duì)技術(shù)進(jìn)步存在顯著的負(fù)向影響,一定程度上也導(dǎo)致了農(nóng)業(yè)TFP增長(zhǎng)受到阻礙。農(nóng)業(yè)資本投入、人力資本和灌溉面積占比都對(duì)技術(shù)進(jìn)步具有顯著的正向作用,且人力資本的促進(jìn)作用更加突出,這說(shuō)明通過(guò)增加農(nóng)業(yè)資本投入轉(zhuǎn)變農(nóng)業(yè)生產(chǎn)方式、提供教育和培訓(xùn)促進(jìn)人力資本積累以及促進(jìn)土地質(zhì)量的改善都會(huì)對(duì)農(nóng)業(yè)技術(shù)進(jìn)步產(chǎn)生積極影響。
表6 面板數(shù)據(jù)模型回歸結(jié)果
本文運(yùn)用DEA-Malmquist指數(shù)法和SFA法分析了1990—2012年我國(guó)28個(gè)省級(jí)行政區(qū)的農(nóng)業(yè)全要素生產(chǎn)率及其分解的演變趨勢(shì)及影響因素。TFP的測(cè)算研究結(jié)論顯示:在考察期內(nèi),兩種方法測(cè)算的我國(guó)農(nóng)業(yè)TFP年均增長(zhǎng)率較為接近,分別為3.1%和3.6%,但波動(dòng)趨勢(shì)呈現(xiàn)出相反的結(jié)論;技術(shù)進(jìn)步是我國(guó)農(nóng)業(yè)TFP增長(zhǎng)的主要來(lái)源,技術(shù)效率低下是農(nóng)業(yè)TFP增長(zhǎng)的短板,這種情況同樣表現(xiàn)在省市區(qū)以及東部、中部、西部區(qū)域?qū)用?。另外,不同區(qū)域之間的農(nóng)業(yè)TFP存在明顯的空間差異,東、中、西部地區(qū)農(nóng)業(yè)TFP依次下降。
通過(guò)影響因素的實(shí)證分析表明,農(nóng)業(yè)勞動(dòng)力投入對(duì)農(nóng)業(yè)TFP增長(zhǎng)以及技術(shù)進(jìn)步產(chǎn)生了負(fù)向影響,土地投入對(duì)技術(shù)效率以及技術(shù)進(jìn)步產(chǎn)生了負(fù)向影響,而人力資本對(duì)農(nóng)業(yè)TFP增長(zhǎng)、技術(shù)效率變化以及技術(shù)進(jìn)步都具有正向作用,且影響程度在所有影響因素中最大。說(shuō)明提升我國(guó)農(nóng)業(yè)生產(chǎn)率不能依靠要素投入數(shù)量的增加,而應(yīng)更加關(guān)注要素質(zhì)量的提升,通過(guò)提高農(nóng)業(yè)從業(yè)人員的素質(zhì),使新技術(shù)得到更好的應(yīng)用,從而更好地發(fā)揮人力資本對(duì)農(nóng)業(yè)生產(chǎn)率提高的促進(jìn)作用。農(nóng)業(yè)資本投入對(duì)農(nóng)業(yè)TFP增長(zhǎng)以及技術(shù)進(jìn)步表現(xiàn)出顯著的正向作用,且影響程度僅次于人力資本,意味著政府作為目前的農(nóng)業(yè)資本投入主體,應(yīng)注重通過(guò)其農(nóng)業(yè)投資行為引導(dǎo)農(nóng)戶(hù)、企業(yè)加強(qiáng)對(duì)農(nóng)業(yè)的資本投入,為農(nóng)業(yè)生產(chǎn)提供更好的基礎(chǔ)設(shè)施,為農(nóng)業(yè)研發(fā)提供充足的資金,從而為推動(dòng)農(nóng)業(yè)TFP增長(zhǎng)提供堅(jiān)實(shí)的保障。城市化水平對(duì)農(nóng)業(yè)TFP增長(zhǎng)以及技術(shù)效率變化存在顯著的正向影響,應(yīng)該繼續(xù)推行城市化戰(zhàn)略,以城市化帶動(dòng)農(nóng)業(yè)、農(nóng)村發(fā)展,形成城鄉(xiāng)互動(dòng)、協(xié)調(diào)發(fā)展格局。農(nóng)業(yè)種植結(jié)構(gòu)對(duì)農(nóng)業(yè)TFP增長(zhǎng)和技術(shù)進(jìn)步具有顯著負(fù)向作用,表明在保證糧食安全的前提下,我國(guó)農(nóng)業(yè)種植結(jié)構(gòu)應(yīng)該秉承比較優(yōu)勢(shì)原則進(jìn)行調(diào)整,從而改善農(nóng)業(yè)資源配置效率,促進(jìn)農(nóng)業(yè)TFP的增長(zhǎng)。財(cái)政支農(nóng)力度對(duì)農(nóng)業(yè)TFP增長(zhǎng)表現(xiàn)出正向作用,但系數(shù)較小,在SFA法的結(jié)論中并不顯著,政府應(yīng)更好地調(diào)節(jié)支出結(jié)構(gòu),加強(qiáng)支農(nóng)資金優(yōu)化配置,以提升支持農(nóng)業(yè)發(fā)展的實(shí)際能力。
[1]余康,章立,郭萍.1989-2009中國(guó)總量農(nóng)業(yè)全要素生產(chǎn)率研究綜述[J].浙江農(nóng)林大學(xué)學(xué)報(bào),2012(1):111-118.
[2]高帆.我國(guó)區(qū)域農(nóng)業(yè)全要素生產(chǎn)率的演變趨勢(shì)與影響因素——基于省際面板數(shù)據(jù)的實(shí)證分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2015(5):3-19.
[3]LIN J Y.Rural reforms and agricultural growth in China[J].The American Economic Review,1992,82(1):34-51.
[4]王玨,宋文飛,韓先鋒.中國(guó)地區(qū)農(nóng)業(yè)全要素生產(chǎn)率及其影響因素的空間計(jì)量分析——基于1992—2007年省域空間面板數(shù)據(jù)[J].中國(guó)農(nóng)村經(jīng)濟(jì),2010(8):24-35.
[5]石慧,吳方衛(wèi).中國(guó)農(nóng)業(yè)生產(chǎn)率地區(qū)差異的影響因素研究——基于空間計(jì)量的分析[J].世界經(jīng)濟(jì)文匯,2011(3):59-73.
[6]韓海彬,張莉.農(nóng)業(yè)信息化對(duì)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的門(mén)檻效應(yīng)分析[J].中國(guó)農(nóng)村經(jīng)濟(jì),2015(8):11-21.
[7]李谷成,尹朝靜,吳清華.農(nóng)村基礎(chǔ)設(shè)施建設(shè)與農(nóng)業(yè)全要素生產(chǎn)率[J].中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào),2015(1):141-147.
[8]CAVES D W,DIEWERT W E.The economic theory of index numbers and the measurement of input,output and productivity[J].Econometrica,1982,50(6):1393-1414.
[9]FARE R,GROSSKOPE S,NORRIS M,et al.Productivity growth,technical progress and efficiency changes in industrialized countries[J].The American Economic Review.1994,84(1):66-83.
[10]AIGNER D,LOVELL C A K,SCHMIDT P.Formulation and estimation of Stochastic Frontier Production Function Models[J].Journal of Econometrics,1977,6(1):21-37.
[11]MEEUSEN W,BROECK J V D.Efficiency estimation from Cobb-Douglas production functions with composed error[J]. International Economic Review,1977,18(2):435-444.
[12]BATTESE G E,COELLI T J.Frontier production functions,technical efficiency and panel data:with application to paddy farmers in India[J].The Journal of Productivity Analysis,1992(3):149-165.
[13]SOLOW R M A.Contribution to the theory of economic growth[J].Quarterly Journal of Economics,1956,70(1):65-94.
[14]李谷成.人力資本與中國(guó)區(qū)域農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)——基于DEA視角的實(shí)證分析[J].財(cái)經(jīng)研究,2009(8):115-128.
[15]劉勇,孟令杰.測(cè)量Malmquist生產(chǎn)率指數(shù)的SFA方法[J].北京理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2002(s1):42-44.
[16]HALL R E,JONES C L.Why do some countries produce so much more output than others[J].The Quarterly Journal of Economics,1999:114(1):83-116.
[17]PSACHAROPOULOS G,PATRINOS H A.Returns to investment in education:a further update[J].Education Economics,2004,12(2):111-134.
責(zé)任編輯:吳強(qiáng)
DynamicChangesandFactorsofGrowthofAgriculturalTotalFactorProductivityinChina——Based on a Compare Study by Using DEA and SFA
HE Tingting
(School of Economics and Management,Anhui Agricultural University,Hefei Anhui 230036,China)
This article analyzes the development trend and factors of agricultural TFP of China’s 28 provinces from 1990 to 2012 by using DEA-Malmquist Index,SFA,Pool OLS,FE and RE.The results show that:the annual growth rates of agricultural TFP are 3.1%and 3.6%respectively based on the two test methods,but the development trends have different directions.Technological progress is the main factor causing agricultural TFP of the whole country and all provinces.Agricultural TFP decrease followed the sequence of eastern area,central area and western area.Agricultural capital investment,human capital and urbanization level have positive effects on the agricultural TFP,while agricultural labor input and agricultural planting structure have significant negative effects.Financial support for agriculture has positive effect on the agricultural TFP by DEA-Malmquist Index analysis. The effect of land input on the agricultural TFP has contrary results by using two different methods.
agricultural TFP;DEA-Malmquist;SFA;agricultural development
F320.1
A
1673-8004(2017)03-0113-09
10.19493/j.cnki.issn1673-8004.2017.03.018
2016-10-24
安徽省高校人文社會(huì)科學(xué)重點(diǎn)項(xiàng)目“‘兩型農(nóng)業(yè)’視角下安徽省農(nóng)業(yè)綠色全要素生產(chǎn)率增長(zhǎng)的減貧效應(yīng)研究”(SK2017A0140);教育部人文社會(huì)科學(xué)青年項(xiàng)目“農(nóng)業(yè)產(chǎn)業(yè)聚集視角下地理標(biāo)志農(nóng)產(chǎn)品的生產(chǎn)者行為研究”(14YJC79126)。
何婷婷(1981—),女,安徽池州人,講師,主要從事國(guó)際貿(mào)易與技術(shù)創(chuàng)新管理研究。
重慶文理學(xué)院學(xué)報(bào)(社會(huì)科學(xué)版)2017年3期