中国食品行业全要素生产率变化及其收敛性研究*——以植物油产业为例

战炤磊 王 凯

中国食品行业全要素生产率变化及其收敛性研究*——以植物油产业为例

战炤磊 王 凯

频频发生的食品安全事件使食品行业面临严重危机，而克服危机的根本路径在于加快转变发展方式，依靠科技进步和全要素生产率提高驱动产业发展。以植物油产业为例的全要素生产率测算结果显示，整个样本期间中国植物油产业的全要素生产率呈增长态势，年均增长1.9%，而增长动力主要来自技术效率特别是规模效率变化。中国植物油产业全要素生产率增长总体上不存在σ收敛；在全国层面存在绝对β收敛，但四大区域均不存在绝对β收敛；条件β收敛不仅在全国层面存在，在东部、西部、中部三大区域也存在。因此，应针对植物油产业全要素生产率变化的基本特征，积极探索相关优化对策。

食品行业；植物油产业；全要素生产率；转变发展方式

食品行业是与人们生活息息相关的重要产业门类，在国民经经济中占有举足轻重的地位。然而，近年来，频频发生的食品安全事件却使中国食品行业面临严峻危机，特别是食用植物油产业饱受地沟油、转基因食用油和外资控制的困扰，同时面临着质量安全危机和产业安全危机，整个产业发展和市场供给受到严重威胁。中国食品行业多重危机的深层根源在于主要依靠要素投入的粗放的经济发展方式，未来的根本出路在于加快转变发展方式，主要依靠科技进步和全要素生产率提高驱动产业发展。①然而，由于只有“提高全要素生产率才能真正转变发展方式”②，因此，我们必须对中国食品行业的全要素生产率变化情况进行准确计量和深入剖析，探讨提高全要素生产率的路径选择。食品行业是一个包含多种产业门类的综合体系，本文重点以植物油产业为例，运用基于DEA的Malmquist生产率指数法，以总产值为产出变量，以固定资产、存货、从业人员为投入变量，测算全国29个省区2003-2011年植物油产业全要素生产率变化情况，并进行收敛性检验。

一、研究方法、变量选择与数据来源

纵观国内不断涌现的关于全要素生产率的研究成果，根据其研究对象的差异主要可以归结为两大类：一是区域视角的研究，主要是运用各种方法对整个国家或不同地区的生产率变化情况进行测算和比较。二是产业视角的研究，主要是运用各种方法对工业、农业、服务业等不同产业的生产率变化情况进行测算和比较。然而，由于数据获取较为困难，当前国内还没有专门测算植物油产业全要素生产率的文献，本文尝试填补这一空白。

当前，测算全要素生产率的主流方法有三种：一是索罗余值法；二是随机前沿生产函数法；三是非参数的生产率指数法。本文选择Fare等人(1994)提出的基于DEA的Malmquist生产率指数法③，其优点在于：可以把生产率的变化原因分为技术变化与效率变化；不需要价格资料，从而可以避免价格信息不对称所引起的问题；可以处理多种投入与产出变量；不需要成本最小化和利润最大化等约束条件。

基于DEA的Malmquist生产率指数法的显著优势是能够处理多种产出变量和多种投入变量，但是这种优势反过来也带来了一个严峻问题，即变量选择的随意性问题。已有文献中五花八门的变量选择便说明了这个问题，而且这将进一步导致不同研究结论缺乏可比性。针对这个问题，多数研究文献的做法是主要沿用生产函数法的基本变量，结合具体研究需要对关键变量进行补充或调整。为了规避变量选取的随意性问题，本文遵照多数研究的习惯沿用生产函数法的基本变量，用总产值代表产出变量，用固定资产和从业人数分别代表资本和劳动力两大基本投入变量，同时，考虑到植物油产业对于原材料具有超强依赖，将反映原材料投入的存货投资纳入投入变量。

本文使用的植物油产业数据来自“中国统计数据应用支持系统”公布的三位数行业数据。“中国统计数据应用支持系统”的数据来源于国家统计局，并获得统计局书面授权，具有权威性。我国内地共有31个省级行政区，剔除统计数据不全的西藏和海南，得到29个省区的数据。

二、植物油产业全要素生产率变化：总体态势与区域差异

本文基于投入导向的规模报酬不变(CRS)模型，根据2003-2011年29个省区植物油产业的面板数据，运用数据包络分析计量软件DEAP2.1，测算了中国植物油产业的Malmquist生产率指数。

1.2003-2011年中国植物油产业全要素生产率的总体态势

其一，总体而言，2003-2011年中国植物油产业的全要素生产率呈增长态势，年均增长1.9%。进一步从Malmquist生产率指数的分解指标来看，2003-2011年植物油产业全要素生产率增长的主要动力来自技术效率变化，特别是规模效率变化做出了突出贡献，而技术变化则对全要素生产率增长产生了制约作用，纯效率的下降也拖累了全要素生产率增长。

其二，不同年份的全要素生产率变化情况呈现明显波动性，有四个时期全要素生产率下降，有四个时期全要素生产率提高，而且部分时期的波动非常剧烈，2007-2008年下降幅度高达22.6%，而2009-2010年的增长幅度又高达30.6%。同时，不同时期全要素生产率变化的动力源泉也存在显著差异，在全要素生产率提高的四个时期中，技术变化和技术效率变化分别在两个时期贡献了主要力量，其中全要素生产率增长比较快的两个时期，主要依靠技术进步的拉动；在全要素生产率下降的四个时期中，技术变化的取值均小于1，其中下降幅度最大的2007-2008年技术效率变化和技术变化双双下降，但技术效率变化的下降幅度更大。

其三，从2003-2011年29省区植物油产业全要素生产率的变化情况来看，15个省区的植物油产业全要素生产率呈增长态势，占样本总数的52%，14个省区的全要素生产率变化取值小于1，占样本总数的48%；另外，14个省区的全要素生产率变化取值大于全国平均水平(1.019)，占样本总数的48%。其中，全要素生产率呈增长态势的15个省区中，大部分省区的增长动力来自于技术效率变化，特别是规模效率变化，有14个省区的技术效率变化和规模效率变化取值大于1。在全要素生产率呈下降态势的14个省区中，大部分省区的下降动因来自技术效率变化下降。总体而言，在植物油产业全要素生产率增长的省区，增长动力主要来自技术效率和规模效率的提升；在植物油产业全要素生产率下降的省区，下降动因主要来自技术效率和规模效率的恶化，而技术进步和纯效率的提升则对全要素生产率的下降起了一定程度的延缓作用。

表1 2003-2011年中国植物油产业Malmquist生产率指数

2.中国植物油产业全要素生产率的区域差异

其一，与经济社会发展水平的显著区域差异相对应，中国植物油产业全要素生产率的区域差异也非常明显。2003-2011年全要素生产率平均增长速度最快的是重庆，下降速度最快的是宁夏，重庆全要素生产率变化取值比宁夏高出近50%。造成这种差距的直接动因在于重庆在技术效率变化、技术变化、规模效率变化等指标上相对于宁夏分别拥有28%、17%、18%的优势，而两个地区的纯效率变化取值则相差无几。具体到某个时期来看，不同区域全要素生产率变化的差距更大，全要素生产率变化的极大值往往是极小值的数倍至数十倍，2003-2004年极大值吉林是极小值云南的22.5倍，2010-2011年极大值云南是极小值福建的31.3倍，即便差别最小的2007-2008年极大值吉林也是极小值山西的5.6倍。

其二，从不同时期的变化趋势来看，各省区全要素生产率均呈现较大波动，并且波动的随机性较大，唯一具有规律性的特点就是大幅度增长与大幅度下降相伴而生，大幅度增长之后往往会出现大幅度下降，而大幅度下降之后往往会出现大幅度增长。从样本期间各地区全要素生产率变化取值的波峰与波谷之比来看，48%的地区峰谷值之比在10倍以上，其中福建的峰谷值之比接近27倍，另外重庆、广西、四川3个地区峰谷值之比也接近10倍，仅有宁夏、内蒙古、浙江3个地区峰谷值之比低于5倍，仅占样本总量的10%，而实际上峰谷值之比最低的宁夏也超过了3倍。全要素生产率变化指标取值波动如此剧烈，除了有指标本身偏重反映变化速度、具有惯性平滑特点等原因之外，也在相当程度上反映了我国植物油产业本身的剧烈波动。

其三，从四大区域来看，中国植物油产业全要素生产率变化情况区域间差异并不显著，反而区域内部差异较大。2003-2011年四大区域植物油产业的全要素生产率均呈现增长态势，其中东北地区增长速度最快，年均增幅高达11%，比全国平均水平高9.1个百分点，其次是东部和西部，年均增幅分别为2.01%和1.41%，中部增长最为缓慢，年均增幅仅为0.05%，比全国平均水平低1.85个百分点。可见，四大区域植物油产业全要素生产率的具体增长速度与区域经济发展水平并不完全吻合。原材料优势最为显著的东北地区表现最好，3个省区植物油产业全要素生产率均保持增长；东部地区和西部地区分别凭借得天独厚的区位优势和差异化的资源优势保持了较为稳定的增长，不过东部地区55.6%的省区植物油产业全要素生产率保持了增长，而西部地区63.63%的省区植物油产业全要素生产率出现了下降；中部地区则由于区位优势和资源优势均不明显而增长极为缓慢，并且处于增长态势的省区和处于下降态势的省区各占一半。从四大区域全要素生产率增长的动因来看，东北地区和中部地区全要素生产率增长的主要动力来自技术效率变化特别是规模效率变化，技术变化和纯效率变化对全要素生产率增长起了制约作用；东部地区和西部地区的技术效率变化和技术变化均对促进全要素生产率增长做出了贡献，但是技术效率变化的贡献更大，并且纯效率变化也促进了全要素生产率的增长，只是贡献的力量要小于规模效率变化。

从植物油产业全要素生产率的区域内部差异来看，东北地区内部差异最小，最高的辽宁仅比最低的黑龙江高出4.29%，三个省区均呈现增长态势；西部地区内部差异最大，全国增幅最大的省区和降幅最大的省区均分布在西部，最高的重庆比最低的宁夏高出49.82%，有7个省区处于下降态势，所占比重高达63.63%；东部和中部地区内部差异居中，东部最高的浙江比最低的福建高出27.76%，中部最高的江西比最低的河南高出21.44%，并且两个地区全要素生产率增长的省区与下降的省区数量基本持平。

三、植物油产业全要素生产率变化的收敛性检验

为了更为准确地把握中国植物油产业全要素生产率增长的区域差异及其变化趋势，探究全要素生产率增长的区域差异对于产业发展差异的影响，本文借鉴新古典增长理论中的收敛理论，进行收敛性检验。按照新古典增长模型的推论，收敛理论的基本机理源于资本边际报酬递减导致的资本收敛机制，随着唯资本逻辑的式微，与技术扩散相联系的技术收敛机制和与生产要素优化配置相联系的劳动生产率收敛机制也成为收敛理论的重要微观机制。④按照历程和目标的不同，收敛可分为σ收敛和β收敛，σ收敛是指不同区域植物油产业全要素生产率增速的离散程度随着时间的推移而逐渐降低；β收敛是指基础较差的区域比基础较好的区域增长更快，从而共同到达某种稳态水平，反映了后发区域对先发区域的动态赶超过程。按照稳态水平的差异，β收敛又可分为绝对β收敛和条件β收敛，绝对β收敛是每个区域的植物油产业全要素生产率增长都能达到相同的稳态水平，而条件β收敛是每个区域的植物油产业全要素增长趋向各自不同的稳态水平。⑤

1.σ收敛检验

σ收敛检验主要借助标准差和变异系数等指标来观测植物油产业全要素生产率增长的区域差异变化情况，如果标准差和变异系数逐渐下降则表示存在σ收敛，如果逐渐增加则表示不存在σ收敛。本文的测算结果显示，在全国层面，整个样本期间的标准差和变异系数波动特征比较明显，并不存在σ收敛；在四大区域层面，标准差和变异系数的波动特征更为复杂，而且区域差异非常明显，也很难判定是否存在σ收敛。

为了弥补上述直观判断的误差，本文借助如下回归模型对σ收敛做进一步检验：

σit=c+λt+εit

cvit=c+ηt+εit

其中，σit为全要素生产率的标准差，cvit为全要素生产率的变异系数，c为截距项，t为时间趋势，λ、η为待定系数，εit为随机扰动项。若λ、η小于零，并且通过显著性检验，则说明全要素生产率差异逐年缩小，存在σ收敛；若λ、η大于零，并且通过显著性检验，则说明全要素生产率差异逐年扩大，存在σ发散；若λ、η等于零，则说明全要素生产率差异维持不变。

从表2来看，以标准差为独立变量进行检验的结果显示，全国、东北地区、中部地区出现收敛符号，而东部地区和西部地区出现发散符号，但是由于所有系数均未通过显著性检验，并且判定系数拟合优度极低，因此无法判定是否存在σ收敛或发散；以变异系数为独立变量进行检验的结果显示，仅有中部地区出现收敛符号，而全国、东北地区、东部地区、西部地区均出现发散符号，但是同样由于所有系数均未通过显著性检验，并且判定系数拟合优度极低，因此无法判定是否存在σ收敛或发散。这说明，各地区植物油产业全要素生产率的差异随着时间变化并不会出现稳定的变化趋势，可能的主要原因在于，影响植物油产业全要素生产率的因素很多，不同变量的综合影响会使全要素生产率增长方向经常发生转变。

表2 σ收敛检验的回归结果

2.绝对β收敛检验

借鉴Barro & Sala-I-Martin(1992)的β收敛检验经典模型⑥，本文采用如下模型对中国植物油产业全要素生产率变化进行绝对β收敛检验：

其中，T表示时间跨度，ln表示取自然对数，TFPchi,0和TFPchi,t分别表示i地区基期和末期的植物油产业全要素生产率变化值，α为截距项，β为待估系数，ε为随机误差项。若β小于0，并且通过显著性检验，则说明存在绝对β收敛；若β大于0，并且通过显著性检验，则说明存在绝对β发散。

表3 绝对β收敛检验回归结果

注：*、**、***分别表示在10%、5%、1%的水平下显著，下同。

从表3的回归结果来看，在全国范围内β系数小于0，并且通过1%水平下的显著性检验，说明在全国层面植物油产业全要素生产率存在绝对β收敛。这说明，在全国层面上，落后地区植物油产业全要素生产率会有比较高的变化速度，最终赶上发达地区，并接近全国平均水平。具体到四大区域而言，β系数都小于0，但是均未通过显著性检验，说明四大区域植物油产业全要素生产率均不存在绝对β收敛。考虑到样本数量可能影响回归系数，本文进一步将东北和东部合并为广义东部，将中部和西部合并为中西部，以便进一步扩大样本数量。回归结果显示，广义东部地区和中西部地区的回归系数均在5%的水平下显著为负，这两大区域内部存在绝对β收敛，而这实际上属于“俱乐部收敛”。植物油产业全要素生产率增长速度在四大区域不存在绝对β收敛，而全国或更大区域层面却存在绝对β收敛，这可能与植物油产业对区域资源禀赋条件的依赖有关。通常，植物油产业发展对当地的植物油料生产条件有超强依赖，而与植物油料生产密切相关的土地、气候、地理等禀赋条件很难改变，因此，在比较小的区域范围内，油料品种和市场需求相似度较高，落后地区的植物油产业往往被低端锁定，很难获得更好的发展机会，因而也无法实现更高的全要素生产率增长速度。然而，在较大区域乃至全国范围，禀赋条件和市场条件的差异化程度较高，落后地区可以发挥比较优势和后发优势，进行差异化市场定位，实现较高的全要素生产率增长速度，进而逐渐赶上全国平均水平。

3.条件β收敛检验

借鉴Miller & Upadhyay(2002)的做法，用基于面板数据的双向固定效应模型进行条件β收敛检验。⑦其优势在于，无需新增加解释变量，可以避免遗漏关键变量以及变量选择时的主观随意性问题；可以同时考虑不同个体的稳态值及其随时间发生的动态变化趋势；不仅能够克服解释变量之间的多重共线性问题，而且能够克服随机误差项与解释变量之间的相关性问题；对数据数量要求低，降低了数据获取难度。⑧本文采用如下模型对中国植物油产业全要素生产率变化进行条件β收敛检验：

其中，TFPchi，t和TFPchi，t-1分别表示i地区t时期和t-1时期的植物油产业全要素生产率变化取值，α为截距项，β为待估系数，ε为随机误差项。若β小于0，并且通过显著性检验，则说明存在条件β收敛；若β大于0，并且通过显著性检验，则说明存在条件β发散。为平滑植物油产业面临的周期波动和外部因素影响，本文以2年为一个时期对2004-2011年进行分段，最终得到4个时期，以2年平均值作为相应时期的全要素生产率变化指标。

从表4的回归结果来看，在全国范围内β系数小于0，并且通过1%水平下的显著性检验，说明在全国层面植物油产业全要素生产率存在条件β收敛。具体到四大区域来看，β系数都小于0，并且除了东北地区之外，其他三个地区均通过了显著性检验，这说明东部、西部、中部三大区域植物油产业全要素生产率均存在条件β收敛，而东北地区并不存在条件β收敛。同样，考虑到样本数量可能影响回归系数，本文进一步将东北和东部合并为广义东部，将中部和西部合并为中西部，以便进一步扩大样本数量。回归结果显示，广义东部地区和中西部地区的回归系数均在1%的水平下显著为负，显著性水平比合并前有了明显提高，这说明广义的东部地区和中西部地区内部存在更为明显的条件β收敛。全国和区域层面普遍存在条件β收敛，说明各地区植物油产业全要素生产率正不断趋近各自的稳态，其可能的重要原因仍在于植物油料和市场需求条件存在显著的区域差异，各地区的植物油产业主要沿着既定的市场定位前进，开发新品种的空间较小，主攻方向是产业链深化和加工环节精细化，主导战略是在既定的技术前沿面上扩大规模，因而其全要素生产率也主要在规模效率的驱动下呈现自我累积的增长。

表4 条件β收敛检验回归结果

四、结论与政策启示

本文测算了2003-2011年29个省区植物油产业的Malmquist生产率指数，结果显示，整个样本期间中国植物油产业的全要素生产率呈增长态势，年均增长1.9%，而增长动力主要来自技术效率变化，特别是规模效率变化做出了突出贡献，而技术变化则对全要素生产率增长产生了制约作用。关于总体处于增长态势的结论同大多数文献的判断基本一致，但是关于增长动力主要来自技术效率特别是规模效率的结论，同多数文献认为技术进步为主要增长动力存在显著差异，这种差异的主要原因可能来自于产业对象本身的差异。总体而言，植物油产业属于以油料为加工对象的初级工业，对于生产技术的依赖程度要低于对于原料的依赖，加上压榨、精炼等植物油生产加工技术和装备的进入门槛较低，植物油生产企业的技术水平差异不大。因此，对于油料市场和植物油市场拥有更强控制力的大规模企业，可能更容易通过不断提高规模效率而提高全要素生产率。

收敛性检验的结果显示，中国植物油产业全要素生产率变化总体上不存在σ收敛；在全国层面植物油产业全要素生产率存在绝对β收敛，但四大区域均不存在绝对β收敛，而调整样本范围之后，广义的东部地区和中西部地区内部出现了绝对β收敛；条件β收敛不仅在全国层面存在，在东部、西部、中部三大区域也存在，但东北地区并不存在条件β收敛，而调整样本范围之后，广义的东部地区和中西部地区内部存在更为明显的条件β收敛。

基于上述结论，我们认为，要不断提升中国植物油产业全要素生产率，加快实现发展方式转变，应注意把握如下几个着力点：一是深刻认识植物油产业的产业特征，协调技术优势与规模优势的关系，既要通过加强自主创新提升植物油产业整体技术水平，特别是提高精炼和深加工相关技术，依靠技术进步推动产业发展，又要打破区域分割，加强资源整合，培育龙头企业，走规模化经营道路，提升规模经济效应，强化对原料市场和产品市场的驾驭能力；二是牢牢把握植物油料供给这一生命线，自主生产与市场购买相结合，千方百计保障油料资源稳定供给，提升品牌影响力，强化对周期波动和宏观环境的应对能力；三是辩证认识植物油产业的区域差异，找准区域比较优势，实施差异化发展战略，培育特色化的植物油产业集群，延伸植物油产业链条，提升植物油产业整体竞争优势。

注：

①方建中、周建波：《转变经济发展方式：取向与路径视角的考察》，《江海学刊》2008年第1期。

②江小涓：《用改革的办法破解发展难题》，《人民日报》2009年4月1日。

③Fare, R., S. Grosskopf, M. Norris, Z. Zhang，“Productivity Growth, Technical Progress and Efficiency Changes in Industrialized Countries”，AmericanEconomicReview, 1994，84(1), pp.66-83.

④赵伟、马瑞永：《中国经济增长收敛性的再认识——基于增长收敛微观机制的分析》，《管理世界》2005年第11期。

⑤Barron，R., X. Sala-I-Martin,“Convergence Across States and Regions”,BrookingsPapersonEconomicActivity, 1991, (1), pp.107-182.

⑥Barro, R. and Sala- I- Martin, X, “Convergence”,JournalofPoliticalEconomy, 1992，100(2) , pp.223-251.

⑦Miller, S., M., Upadhyay, “Total Factor Productivity and the Convergence Hypothesis”,JournalofMacroeconomics,2002,24, pp.267-286.

⑧李谷成：《中国农业生产率增长的地区差距与收敛性分析》，《产业经济研究》2009年第2期；赵蕾、王怀明：《中国农业生产率的增长及收敛性分析》，《农业技术经济》2007年第2期。

〔责任编辑：清菡〕

OnTotalFactorProductivityChangeofFoodIndustryinChinaandItsConvergence：TakePlantOilIndustryasanExample

ZhanZhaolei&WangKai

The frequent food safety events make food industry facing a series of serious crisis, and the fundamental path of overcoming the crisis is to transform the pattern of development quickly, so as to drive industry development relying on scientific and technological progress and improvement of total factor productivity(TFP). With plant oil industry as the example calculating TFP, the results show, the TFP of China industrial plant oil has shown a rising trend in the whole sample period, the average annual growth is 1.9%, while the growth impetus mainly came from the technical efficiency especially scale efficiency change. TFP change of plant oil industry in China does not exist σ convergence in general; there is absolute β convergence in whole country, but which does not exist in four large areas; the conditional β convergence exists not only in whole country, but also in the eastern, western, and central region. Therefore, we should based on the essential characteristics of plant oil industry’s total factor productivity changes explore the countermeasures actively.

food industry; plant oil industry; TFP; the transformation of development mode

*本文是国家自然科学基金项目“猪肉产业链系统竞争力形成机制与影响因素的实证研究”(71273136)的阶段性成果。

战炤磊，南京农业大学经济管理学院博士生、江苏省社会科学院副研究员 南京 210095；王凯，南京农业大学经济管理学院教授、博导 南京 210095

F768.2

A

1001-8263(2014)11-0017-07