转型时期中国农业生产效率及其影响因素研究

宋科艳　曹明福

摘要：本文利用超越对数形式的随机前沿生产函数，采用一步法进行估计，测度了中国30个省区1981—2011年的农业生产效率，并分析了中国农业生产效率的决定因素。研究发现：中国农业生产存在严重技术非效率，1981—2011年间中国30个省区的农业技术效率平均值只有055。中国农业生产效率存在随时间不断下降的趋势。人均农业GDP代表的人力资本和农业技术因素、有效灌溉率反映的农业生产的基础设施条件等对农业生产效率的提高有积极影响，工业化程度、受灾率以及财政支出占GDP比率反映的政府干预程度对农业生产效率有负面作用，农业GDP占全部GDP比重代表的农业生产的专业化程度和农业机械动力密度对农业生产效率的影响并不显著。

关键词：农业生产效率；农业GDP；技术效率

中图分类号：F3233文献标识码：A

文章编号：1000176X（2014）08011807

一、引言

改革开放以来，中国农业取得了巨大的成功。1978—2011年农林牧渔业生产总值年均增长559%，第一产业GDP年均增长455%，农业总产出和农业增加值均实现了快速增长。这一方面源自于农业机械、农药和化肥等农业投入使用数量的大幅度增长；另一方面则源自于中国农业全要素生产率的不断提高。增长源泉的不同对中国农业发展的未来有着不同的意义。依赖农业生产要素投入无限扩张的粗放型增长模式不具有可持续性，对人口众多而资源禀赋又十分有限的中国而言并不可取；依靠农业全要素生产率不断提高的集约型增长模式是未来中国农业必须走的发展道路。转变农业增长方式，实现从粗放型向集约型的转变，扩大农业全要素生产率对农业产出增长的贡献，才能实现中国农业的可持续性发展。

全要素生产率是一项综合性指标，它包括技术进步、效率改善、规模经济、制度创新和专业化分工等多方面的内容，代表了要素投入以外的所有部分。一些学者把它的变化分解为技术进步、技术效率、配置效率和规模效率。其中，生产可能性边界的移动表示了技术进步的作用；技术效率衡量了在既定的技术水平和要素投入下，生产单元实现最大可能产出的能力，用实际产出与最大可能产出的比值表示，是效率的集中体现，本文的生产效率就是指技术效率；规模效率则主要指生产规模报酬的变化对产出的影响；当价格信息已知且有合适的行为假设时，还可以计算出配置效率，它表示实际要素投入比例与利润最大化或成本最小化条件下新古典标准生产模型要求的要素比例的偏离情况。

改革开放三十多年来，中国农业生产效率的变化趋势如何？农业生产效率水平的变化在各个省区是否存在差异？农业生产效率的影响因素是什么？科学地回答这些问题一方面可以对中国农业发展的现状有更加清醒的认识，另一方面对中国农业的可持续性发展、实现集约型增长及区域经济的协调发展有很强的政策参考意义。因此，对中国农业生产效率进行研究具有很强的现实作用和政策意义。

二、文献回顾

20世纪90年代中期，随着生产前沿模型的引入，运用前沿方法来研究中国农业生产效率的变化已经成为一种趋势。前沿方法的发展主要分为两个方向：一是以数据包络分析（DEA）为代表的非参数方法[1-2]；一是以随机前沿分析（SFA）为代表的参数方法。

数据包络分析是一种数据驱动型的方法，它通过线性规划技术来确定生产前沿面，非常灵活，目前在中国农业生产率研究中已得到了广泛应用[1-2]。李谷成[1-2]、时悦和赵铁丰[3]、周端明[4]、方福前和张艳丽[5]、方鸿[6]郭军华和李帮义[7]及曾福生和高鸣[8]采用DEA方法、超效率DEA方法或者基于DEA的Malmquist指数法，利用省级层面的面板数据对中国农业生产率进行了测度分析。但是DEA方法也存在一些不足，例如它无法进行统计上的显著性检验；将随机干扰对产出的影响也纳入到技术效率当中；分析结果对数据十分敏感，极端数据对研究结果的影响很大等。

农业作为受自然因素影响非常大的产业，随机性是分析中必须要考虑的一个重要因素，但DEA方法无法将随机干扰从技术效率中分离出来。SFA的最大优点是原则上能将影响产出变化的随机因素（例如天气变化、运气的不同和数据的统计误差）从技术有效性中分离出来。但是SFA方法需要预先设定某种特定的生产函数形式和技术非效率项分布形式，如果设定有误，可能会导致很严重的分析误差问题。SFA方法的这一缺陷限制了它在农业生产率研究中的广泛应用，目前采用SFA方法的研究相对比较少。全炯振[3]、李谷成和冯中朝[4]等、匡远凤[11]、曾国平等[12]和彭代彦和吴翔[13]应用SFA方法对中国农业技术效率与全要素生产率进行了分析，重点关注了技术效率对TFP增长的推动抑或抑制作用。SFA方法充分考虑到随机因素对生产前沿面的影响，与农业生产的特征非常一致，对农业而言，SFA的应用前景应该更广泛。此外，王兵等[14]、李谷成等[15]和刘玉海和武鹏[5]还运用SBM方向性距离函数对中国农业效率和全要素生产率进行了研究。

然而，现有的研究对影响农业生产效率和生产率的因素分析考察较少，Monchuk等[6]利用中国近2 000个县的横截面数据，首先运用DEA方法估计了农业生产效率指数，其次使用Tobit模型及半参数自导法解释生产效率指数的差异，对中国农业生产非效率的影响因素进行了分析。方鸿[2]利用DEA方法测度了1988—2005年中国各省份的农业生产效率，再运用面板数据中的随机效应Tobit模型对影响地区农业生产效率的因素进行了研究。刘玉海和武鹏[5]首先采用SBM-DEA模型估算了1985—2008年中国各省份的全要素耕地利用效率，在此基础上应用受限随机效应面板Tobit模型对全要素耕地利用效率的影响因素进行了检验。

总的来看，非参数的DEA方法在中国农业生产率研究中已得到广泛运用，参数的SFA方法逐渐成为新的趋势。目前，对农业生产率进行测定的研究较多，对农业生产效率和生产率影响因素进行分析的研究还很缺乏。少数研究运用两步估计方法，先估算出技术效率，再采用面板回归对其影响因素进行研究，不具有理论上的一致性，存在着明显的局限性。本文在现有研究基础上，首先在时间维度上予以扩展，使用1981—2011年的中国30个省级单位的面板数据，应用SFA一步估计法，对生产函数和技术非效率项的形式采用更加一般性的设定，在发挥SFA方法优势的同时力图避免模型误设带来的偏差，对1981—2011年中国30个省区的农业生产效率进行测度，对影响农业生产效率的因素进行分析。

摘要：本文利用超越对数形式的随机前沿生产函数，采用一步法进行估计，测度了中国30个省区1981—2011年的农业生产效率，并分析了中国农业生产效率的决定因素。研究发现：中国农业生产存在严重技术非效率，1981—2011年间中国30个省区的农业技术效率平均值只有055。中国农业生产效率存在随时间不断下降的趋势。人均农业GDP代表的人力资本和农业技术因素、有效灌溉率反映的农业生产的基础设施条件等对农业生产效率的提高有积极影响，工业化程度、受灾率以及财政支出占GDP比率反映的政府干预程度对农业生产效率有负面作用，农业GDP占全部GDP比重代表的农业生产的专业化程度和农业机械动力密度对农业生产效率的影响并不显著。

关键词：农业生产效率；农业GDP；技术效率

中图分类号：F3233文献标识码：A

文章编号：1000176X（2014）08011807

一、引言

改革开放以来，中国农业取得了巨大的成功。1978—2011年农林牧渔业生产总值年均增长559%，第一产业GDP年均增长455%，农业总产出和农业增加值均实现了快速增长。这一方面源自于农业机械、农药和化肥等农业投入使用数量的大幅度增长；另一方面则源自于中国农业全要素生产率的不断提高。增长源泉的不同对中国农业发展的未来有着不同的意义。依赖农业生产要素投入无限扩张的粗放型增长模式不具有可持续性，对人口众多而资源禀赋又十分有限的中国而言并不可取；依靠农业全要素生产率不断提高的集约型增长模式是未来中国农业必须走的发展道路。转变农业增长方式，实现从粗放型向集约型的转变，扩大农业全要素生产率对农业产出增长的贡献，才能实现中国农业的可持续性发展。

全要素生产率是一项综合性指标，它包括技术进步、效率改善、规模经济、制度创新和专业化分工等多方面的内容，代表了要素投入以外的所有部分。一些学者把它的变化分解为技术进步、技术效率、配置效率和规模效率。其中，生产可能性边界的移动表示了技术进步的作用；技术效率衡量了在既定的技术水平和要素投入下，生产单元实现最大可能产出的能力，用实际产出与最大可能产出的比值表示，是效率的集中体现，本文的生产效率就是指技术效率；规模效率则主要指生产规模报酬的变化对产出的影响；当价格信息已知且有合适的行为假设时，还可以计算出配置效率，它表示实际要素投入比例与利润最大化或成本最小化条件下新古典标准生产模型要求的要素比例的偏离情况。

改革开放三十多年来，中国农业生产效率的变化趋势如何？农业生产效率水平的变化在各个省区是否存在差异？农业生产效率的影响因素是什么？科学地回答这些问题一方面可以对中国农业发展的现状有更加清醒的认识，另一方面对中国农业的可持续性发展、实现集约型增长及区域经济的协调发展有很强的政策参考意义。因此，对中国农业生产效率进行研究具有很强的现实作用和政策意义。

二、文献回顾

20世纪90年代中期，随着生产前沿模型的引入，运用前沿方法来研究中国农业生产效率的变化已经成为一种趋势。前沿方法的发展主要分为两个方向：一是以数据包络分析（DEA）为代表的非参数方法[1-2]；一是以随机前沿分析（SFA）为代表的参数方法。

数据包络分析是一种数据驱动型的方法，它通过线性规划技术来确定生产前沿面，非常灵活，目前在中国农业生产率研究中已得到了广泛应用[1-2]。李谷成[1-2]、时悦和赵铁丰[3]、周端明[4]、方福前和张艳丽[5]、方鸿[6]郭军华和李帮义[7]及曾福生和高鸣[8]采用DEA方法、超效率DEA方法或者基于DEA的Malmquist指数法，利用省级层面的面板数据对中国农业生产率进行了测度分析。但是DEA方法也存在一些不足，例如它无法进行统计上的显著性检验；将随机干扰对产出的影响也纳入到技术效率当中；分析结果对数据十分敏感，极端数据对研究结果的影响很大等。

农业作为受自然因素影响非常大的产业，随机性是分析中必须要考虑的一个重要因素，但DEA方法无法将随机干扰从技术效率中分离出来。SFA的最大优点是原则上能将影响产出变化的随机因素（例如天气变化、运气的不同和数据的统计误差）从技术有效性中分离出来。但是SFA方法需要预先设定某种特定的生产函数形式和技术非效率项分布形式，如果设定有误，可能会导致很严重的分析误差问题。SFA方法的这一缺陷限制了它在农业生产率研究中的广泛应用，目前采用SFA方法的研究相对比较少。全炯振[3]、李谷成和冯中朝[4]等、匡远凤[11]、曾国平等[12]和彭代彦和吴翔[13]应用SFA方法对中国农业技术效率与全要素生产率进行了分析，重点关注了技术效率对TFP增长的推动抑或抑制作用。SFA方法充分考虑到随机因素对生产前沿面的影响，与农业生产的特征非常一致，对农业而言，SFA的应用前景应该更广泛。此外，王兵等[14]、李谷成等[15]和刘玉海和武鹏[5]还运用SBM方向性距离函数对中国农业效率和全要素生产率进行了研究。

然而，现有的研究对影响农业生产效率和生产率的因素分析考察较少，Monchuk等[6]利用中国近2 000个县的横截面数据，首先运用DEA方法估计了农业生产效率指数，其次使用Tobit模型及半参数自导法解释生产效率指数的差异，对中国农业生产非效率的影响因素进行了分析。方鸿[2]利用DEA方法测度了1988—2005年中国各省份的农业生产效率，再运用面板数据中的随机效应Tobit模型对影响地区农业生产效率的因素进行了研究。刘玉海和武鹏[5]首先采用SBM-DEA模型估算了1985—2008年中国各省份的全要素耕地利用效率，在此基础上应用受限随机效应面板Tobit模型对全要素耕地利用效率的影响因素进行了检验。

总的来看，非参数的DEA方法在中国农业生产率研究中已得到广泛运用，参数的SFA方法逐渐成为新的趋势。目前，对农业生产率进行测定的研究较多，对农业生产效率和生产率影响因素进行分析的研究还很缺乏。少数研究运用两步估计方法，先估算出技术效率，再采用面板回归对其影响因素进行研究，不具有理论上的一致性，存在着明显的局限性。本文在现有研究基础上，首先在时间维度上予以扩展，使用1981—2011年的中国30个省级单位的面板数据，应用SFA一步估计法，对生产函数和技术非效率项的形式采用更加一般性的设定，在发挥SFA方法优势的同时力图避免模型误设带来的偏差，对1981—2011年中国30个省区的农业生产效率进行测度，对影响农业生产效率的因素进行分析。

摘要：本文利用超越对数形式的随机前沿生产函数，采用一步法进行估计，测度了中国30个省区1981—2011年的农业生产效率，并分析了中国农业生产效率的决定因素。研究发现：中国农业生产存在严重技术非效率，1981—2011年间中国30个省区的农业技术效率平均值只有055。中国农业生产效率存在随时间不断下降的趋势。人均农业GDP代表的人力资本和农业技术因素、有效灌溉率反映的农业生产的基础设施条件等对农业生产效率的提高有积极影响，工业化程度、受灾率以及财政支出占GDP比率反映的政府干预程度对农业生产效率有负面作用，农业GDP占全部GDP比重代表的农业生产的专业化程度和农业机械动力密度对农业生产效率的影响并不显著。

关键词：农业生产效率；农业GDP；技术效率

中图分类号：F3233文献标识码：A

文章编号：1000176X（2014）08011807

一、引言

改革开放以来，中国农业取得了巨大的成功。1978—2011年农林牧渔业生产总值年均增长559%，第一产业GDP年均增长455%，农业总产出和农业增加值均实现了快速增长。这一方面源自于农业机械、农药和化肥等农业投入使用数量的大幅度增长；另一方面则源自于中国农业全要素生产率的不断提高。增长源泉的不同对中国农业发展的未来有着不同的意义。依赖农业生产要素投入无限扩张的粗放型增长模式不具有可持续性，对人口众多而资源禀赋又十分有限的中国而言并不可取；依靠农业全要素生产率不断提高的集约型增长模式是未来中国农业必须走的发展道路。转变农业增长方式，实现从粗放型向集约型的转变，扩大农业全要素生产率对农业产出增长的贡献，才能实现中国农业的可持续性发展。

全要素生产率是一项综合性指标，它包括技术进步、效率改善、规模经济、制度创新和专业化分工等多方面的内容，代表了要素投入以外的所有部分。一些学者把它的变化分解为技术进步、技术效率、配置效率和规模效率。其中，生产可能性边界的移动表示了技术进步的作用；技术效率衡量了在既定的技术水平和要素投入下，生产单元实现最大可能产出的能力，用实际产出与最大可能产出的比值表示，是效率的集中体现，本文的生产效率就是指技术效率；规模效率则主要指生产规模报酬的变化对产出的影响；当价格信息已知且有合适的行为假设时，还可以计算出配置效率，它表示实际要素投入比例与利润最大化或成本最小化条件下新古典标准生产模型要求的要素比例的偏离情况。

改革开放三十多年来，中国农业生产效率的变化趋势如何？农业生产效率水平的变化在各个省区是否存在差异？农业生产效率的影响因素是什么？科学地回答这些问题一方面可以对中国农业发展的现状有更加清醒的认识，另一方面对中国农业的可持续性发展、实现集约型增长及区域经济的协调发展有很强的政策参考意义。因此，对中国农业生产效率进行研究具有很强的现实作用和政策意义。

二、文献回顾

20世纪90年代中期，随着生产前沿模型的引入，运用前沿方法来研究中国农业生产效率的变化已经成为一种趋势。前沿方法的发展主要分为两个方向：一是以数据包络分析（DEA）为代表的非参数方法[1-2]；一是以随机前沿分析（SFA）为代表的参数方法。

数据包络分析是一种数据驱动型的方法，它通过线性规划技术来确定生产前沿面，非常灵活，目前在中国农业生产率研究中已得到了广泛应用[1-2]。李谷成[1-2]、时悦和赵铁丰[3]、周端明[4]、方福前和张艳丽[5]、方鸿[6]郭军华和李帮义[7]及曾福生和高鸣[8]采用DEA方法、超效率DEA方法或者基于DEA的Malmquist指数法，利用省级层面的面板数据对中国农业生产率进行了测度分析。但是DEA方法也存在一些不足，例如它无法进行统计上的显著性检验；将随机干扰对产出的影响也纳入到技术效率当中；分析结果对数据十分敏感，极端数据对研究结果的影响很大等。

农业作为受自然因素影响非常大的产业，随机性是分析中必须要考虑的一个重要因素，但DEA方法无法将随机干扰从技术效率中分离出来。SFA的最大优点是原则上能将影响产出变化的随机因素（例如天气变化、运气的不同和数据的统计误差）从技术有效性中分离出来。但是SFA方法需要预先设定某种特定的生产函数形式和技术非效率项分布形式，如果设定有误，可能会导致很严重的分析误差问题。SFA方法的这一缺陷限制了它在农业生产率研究中的广泛应用，目前采用SFA方法的研究相对比较少。全炯振[3]、李谷成和冯中朝[4]等、匡远凤[11]、曾国平等[12]和彭代彦和吴翔[13]应用SFA方法对中国农业技术效率与全要素生产率进行了分析，重点关注了技术效率对TFP增长的推动抑或抑制作用。SFA方法充分考虑到随机因素对生产前沿面的影响，与农业生产的特征非常一致，对农业而言，SFA的应用前景应该更广泛。此外，王兵等[14]、李谷成等[15]和刘玉海和武鹏[5]还运用SBM方向性距离函数对中国农业效率和全要素生产率进行了研究。

然而，现有的研究对影响农业生产效率和生产率的因素分析考察较少，Monchuk等[6]利用中国近2 000个县的横截面数据，首先运用DEA方法估计了农业生产效率指数，其次使用Tobit模型及半参数自导法解释生产效率指数的差异，对中国农业生产非效率的影响因素进行了分析。方鸿[2]利用DEA方法测度了1988—2005年中国各省份的农业生产效率，再运用面板数据中的随机效应Tobit模型对影响地区农业生产效率的因素进行了研究。刘玉海和武鹏[5]首先采用SBM-DEA模型估算了1985—2008年中国各省份的全要素耕地利用效率，在此基础上应用受限随机效应面板Tobit模型对全要素耕地利用效率的影响因素进行了检验。

总的来看，非参数的DEA方法在中国农业生产率研究中已得到广泛运用，参数的SFA方法逐渐成为新的趋势。目前，对农业生产率进行测定的研究较多，对农业生产效率和生产率影响因素进行分析的研究还很缺乏。少数研究运用两步估计方法，先估算出技术效率，再采用面板回归对其影响因素进行研究，不具有理论上的一致性，存在着明显的局限性。本文在现有研究基础上，首先在时间维度上予以扩展，使用1981—2011年的中国30个省级单位的面板数据，应用SFA一步估计法，对生产函数和技术非效率项的形式采用更加一般性的设定，在发挥SFA方法优势的同时力图避免模型误设带来的偏差，对1981—2011年中国30个省区的农业生产效率进行测度，对影响农业生产效率的因素进行分析。