中国油料生产的全要素生产率分析

肖望喜，李 然

（1.华中农业大学 经济管理学院，武汉430070；2.衡阳师范学院 经济与管理系，湖南 衡阳421002；3.重庆社会科学院，重庆 400020）

0 引言

食用植物油是城乡居民重要的生活必需品。随着人民生活水平的不断提高，中国食用植物油的消费需求快速上升。但国内食用植物油供给增长缓慢，国内食用植物油的供给增长明显滞后于需求增长，近年来两者年均差幅稳定在8个百分点左右，考虑到国内厂商大量进口国外油籽加工的因素，二者差距会更加明显。随着经济水平的不断提高，加快转变油料生产方式、提高油料生产效率，对于促进油料生产、保障食用植物油的供给安全及维持经济社会的平稳健康发展具有重要的现实意义。

为了说明中国油料生产效率的影响因素及其运作机理，并对各种因素的作用大小进行比较，本文运用同时承认技术无效与随机冲击共存的随机前沿生产函数模型，测算并分解了2002年以来各地区油料生产的全要素生产率增长率，采用一步极大似然法而非传统的两步估计法，分析了影响技术效率的根本原因，避免了因技术效率分布假设在两阶段的不同而导致的估计低效和有偏。另外对于地区技术效率的差异化处理及灾害率等因素的引入使得本文的效率函数估计更符合中国农业生产的现实，有利于找到提高各地区油料生产效率的可行之策。

1 方法与模型

1.1 全要素生产率的测算与分解

农业经济增长的核心在于全要素生产率的增长。一般来说，产出的增长扣除各种投入要素的增长就是全要素生产率的增长，它是劳动、资本等要素投入之外各种因素综合作用的体现，也是一个生产单元综合生产能力的集中反映。参数法是TFP测算的主要方法之一。它通过构造随机前沿生产函数，估计未知参数，实现对生产过程的精确描述。参数法最大的优点在于具有经济理论基础，考虑了好坏运气、统计误差等随机因素的影响，效率估计值的离散程度较小等。考虑到农业生产易受气候等自然因素的影响，为了更好地描述油料生产过程，本文采用了承认随机冲击与技术效率损失共存的随机前沿生产函数方法（SFA）。

为了深入地认识中国油料全要素生产率增长的源泉，有必要对TFP增长的组成部分进行较为细致的分析。全要素生产率一般由技术效率和技术进步两个部分构成。技术效率用来衡量决策单元在等量要素投入条件下，实际产出与潜在产出的距离。距离越大，则意味着技术效率越低。技术效率又可分为纯技术效率与规模效率。技术进步体现了生产前沿随时间变化的轨迹。技术进步和技术效率具有不同的政策内涵，农村经济改革不仅需要加速创新，促进技术进步，更为重要的是通过各种手段提高现有资源的利用效率，使实际产出逼近潜在产出。

1.2 估算模型

本文采用Battese和Coelli于1995年定义的随机前沿生产函数模型对全要素生产率增长进行估算，函数形式如下：

其中，Yit表示t时期第i个生产单元的产出；Xit表示t时期第i个生产单元的K维投入向量；β表示随机前沿生产函数的未知参数；Vit表示随机扰动项，并且假设Vit服从独立于Uit的正态分布N（0，）；Uit表示技术无效率的随机变量，并且假设Uit服从独立截断正态分布N+（mit,）。

效率损失函数表示为：

其中，zit表示影响生产单元技术效率的p维向量，δ表示未知参数向量，用来反映变量zit对技术效率的影响。由于回归方程的误差项不同于最小二乘古典假定，因而不能用这一方法来估计有关参数。遵循Battese和Corra的建议，利用，然后利用非线性估计技术，得到所有参数的极大似然法估计量。这里γ∈(0,1)，用来反映复合误差项中技术无效率项所占比例，当γ趋近于0时，表明复合误差项主要来自于不可控制的随机误差项，此时不存在显著的技术效率差别；γ趋近于1时，表明复合误差项主要来自于技术无效率项。

在具体的实证分析中，我们采用的随机前沿生产函数模型为：

式中，yit表示第i个地区某种油料作物第t年单位面积产量；lit表示第i个地区某种油料作物第t年单位面积劳动力投入；kit表示第i个地区某种油料作物第t年单位面积物质费用投入；α、β表示待估参数。

我们对技术进步的定义为：

其中，(α2+α1t)表示所有地区共同面临的技术进步水平，它是由于技术的外溢效应致使每个地区都面临相似的前沿面；(α3lnlit+α4lnkit)表示非中性技术进步水平，由于有些技术是通过“干中学”获取的，这种能力因地区特征和学习时间的不同而发生变化。

我们对技术效率的定义为：

其中，uit表示非负的技术无效率项。当uit=0时，TEit值为1，即生产单元处于前沿面上，不存在效率损失；当uit趋于无穷大时，TEit值为0，则存在完全的效率损失。

我们定义的效率损失函数为：

其中，DR表示受灾率，即农作物受灾面积占农作物总播种面积的比重；Dj表示地带虚拟变量，j=1,2,3分别表示油料主产带、东部和西部地区，当且仅当样本省份处于上述地带时值为1，否则为0；SR表示某种油料作物播种面积占农作物总播种面积的比重。

2 数据说明

本文所使用的数据主要来源于《全国农产品成本收益资料汇编》(2003～2014)、《中国统计年鉴》(2003～2014)及《中国农村统计年鉴》(2003～2014)等。大豆、油菜和花生是中国最主要的三种油料作物，常年播种面积和产量占油料（包括大豆）总播种面积和总产量的90%以上，因此，选择这三种油料作物具有较强的代表性。由于统计资料不全使部分地区数据缺失，为了保证数据的一致性，本文选择的三种油料作物样本区域如表1所示。

表1 三种油料作物样本区域

本文选取的主要变量有：

(1)产出变量y：采用各地区油料作物生产的单位面积主产品产量，单位为kg/亩。

(2)投入变量l：采用各地区油料作物生产过程中实际发生的劳动用工量表示，包括雇佣工和自用工，按每天8小时折算成工日，单位为标准劳动日/亩。

(3)投入变量k：采用各地区油料作物生产过程中单位面积所花费的物资费用表示，包括肥料费、机械畜力费、种子费、农药费、水电排灌费、燃料动力费等，并采用各地区对应农业生产资料价格指数将其折算成1990年不变价格（1990年为100），单位为元/亩。

(4)其他变量：影响油料生产效率的因素很多，从性质上可以分为三类：生物因素，包括生物品种特性、气候、土壤、自然灾害等；人力资本因素，体现在生产和经营管理决策所需的知识技能上；社会经济条件，包括所在地区的经济发展水平、政府政策和制度环境。结合数据的可获得性及各油料作物的生产技术特点，本文选取的环境变量包括：受灾率DR、地区虚拟变量D1（值为1分别表示处于东北及内蒙大豆主产带、长江流域油菜主产带及黄淮海花生主产带，值为0则不处于这些区域，以反映资源条件、气候、地形地貌等因素的影响）、地区虚拟变量D2和D3（D2中值为1表示处于东部地区，D3中值为1表示处于西部地区，用来反映地区经济发展水平等因素对生产效率的影响）、各油料作物播种面积占农作物总播种面积的比重SR。由于人力资本对改革开放以来中国各地区技术效率差异的影响很小，因而本文并未考虑这一因素的影响。

3 结果及分析

3.1 随机前沿生产函数估计

利用2002～2013年分省面板数据，分别采用一步极大似然法和传统的两步估计法对上述随机前沿生产函数进行了回归，如表2和表3所示。

表2报告了随机前沿生产函数的估计结果。从表中可以发现，两个模型的估计结果较为接近，但劳动和物资费用的系数值存在差异。模型1中，大豆的劳动平均产出弹性为0.01，物资费用平均产出弹性为0.45；油菜的劳动平均产出弹性为0.03，物质费用平均产出弹性为0.38；花生的劳动平均产出弹性为0.09，物质费用平均产出弹性为0.39。模型2中，大豆的劳动平均产出弹性为0.25，物资费用平均产出弹性为0.38；油菜的劳动平均产出弹性为0.14，物质费用平均产出弹性为0.27；花生的劳动平均产出弹性为0.15，物质费用平均产出弹性为0.38。通过比较，我们认为模型1比较符合实际，因为中国的耕地相对稀缺，农村剩余劳动力较多，属于典型的精耕细作型农业，种子、化肥、农药、机械畜力等物质费用投入较多，对农业生产的贡献较大。似然比检验结果显示，模型1的设定形式是合理的；劳动、物资费用、时间及二次项系数的t检验是显著的，证明所选模型1具有相当的解释力；模型1中，γ值基本上都接近于1（油菜模型中为0.89），表明生产无效率主要由技术无效率引起的，而不是随机因素。

表2 随机前沿生产函数估计结果

表3报告了生产无效率方程的估计结果。从表中不难看出，水灾、旱灾等自然灾害对三种油料作物生产的技术效率有显著的负效应，即随着灾害的增多，使效率损失增加，技术效率降低。不同的是，油菜受灾害的影响强度更大，受灾率增加1%，会导致油菜生产的效率损失增加2.27%。是否位于大豆、油菜及花生主产带，主要用来考察气候等生物性因素对生产效率的影响，实证结果表明，处于主产带省份的油料生产技术效率要显著高于其他地区。东、中、西部在经济发展水平、政策与制度环境等方面差异明显，而这些因素对于提升技术效率具有重要作用。本文的研究也证明了这一点。和中部地区相比，东部地区油料生产的技术效率损失要少一些，而西部地区则要多一些。油料播种面积占农作物总播种面积比例，反映了该油料作物在当地农业生产中的地位。该比例越大，说明政府与生产者愈加重视，技术的引进及各种要素的投入愈大，管理手段也更趋于合理。此外，该比例的增加还意味着种植规模的扩大，有利于提高油料生产的规模效率。表3的结果也表明，油料作物播种面积所占比例越大，越有利于减少效率损失，提高技术效率水平。

表3 生产无效率方程估计结果

利用FRONTIER4.1软件求解模型1，还可以得到各地区油料作物生产的技术效率水平。图1描述了中国各地区大豆、油菜和花生平均技术效率的变化趋势。2002～2013年，油菜生产的技术效率水平最高，平均效率值为0.897，大豆和花生次之。近年来，油菜生产技术效率经历了先上升后下降的变化过程，2007年效率值最大，为0.95，2013年降至0.91；大豆生产技术效率基本上在0.85上下浮动，2010年跌至0.792，但2013年迅速恢复至0.851；花生生产技术效率表现出先下降后上升的变动特征，2006年降至最低点，为0.689，后逐渐恢复至2013年的0.75。综合来看，大豆和花生生产技术效率提升空间较大，在样本考察期间内大豆的技术效率变化较为平稳，花生的效率波动较大。

图1 中国三种油料作物生产技术效率变化曲线

3.2 全要素生产率的增长与分解

根据Kumbhakar全要素生产率增长的分解公式，我们可以将TFP表示为：

式中，ΔTFP、ΔTE、TP分别表示全要素生产率增长率、技术效率变化率和技术进步率，Δxj表示第j种生产要素（劳动和物质费用）的增长率，Ej(j=1,2)表示劳动和物质费用的产出弹性。其中，劳动和物质费用的产出弹性为：

依据上述界定，经过计算，得到了中国2002～2013年三种油料作物全要素生产率的变化轨迹（如图2所示）。从图2中可以发现，2002年以来三种油料作物的TFP增长率呈现出不断波动的特征。大豆的TFP增长率变化最为剧烈，花生则相对较为平缓，油菜的TFP增长最快。

图2 中国三种油料作物TFP增长率变化曲线

表4报告了各地区三种油料作物全要素生产率增长率及其组成部分。从表中可以发现，三种油料作物TFP增长率地区差异明显。大豆的标准差和变异系数最高，地区间TFP差异最大。从全要素生产率增长的构成来看，技术效率改善是大豆和花生TFP增长的最主要因素，技术效率变化的贡献率分别为58.9%和62.8%；技术进步则构成油菜TFP增长的主因，技术进步贡献率为57.8%。本文虽未对规模效率作出具体定义，但依据式(7)和表4仍可计算出，规模效率变化对大豆、油菜和花生TFP增长的贡献率分别为15.4%、13.3%和9.3%。

表4 各地区三种油料作物全要素生产率增长率及其构成

4 结论

利用随机前沿面板数据生产函数模型，测算了2002年以来中国各地区油料生产的技术效率及全要素生产率增长率，并利用分解公式考察了全要素生产率增长的组成部分，采用一步极大似然法而非传统的两步法分析了三种油料作物生产技术效率的影响因素。我们得到的主要结论是：

(1)2002年以来中国三种油料作物的TFP增长率呈现出不断波动的特征。大豆的TFP增长率变化最为剧烈，花生则相对较为平缓，油菜的TFP增长最快。

(2)三种油料作物TFP增长率地区差异明显。大豆的标准差和变异系数最高，地区间TFP差异最大。

(3)从全要素生产率增长的构成来看，技术效率改善是大豆和花生TFP增长的最主要因素，技术进步则构成油菜TFP增长的主因。

(4)从技术效率的影响因素来看，水灾、旱灾等自然灾害对三种油料作物生产的技术效率有显著的负效应，即随着灾害的增多，效率损失增加，使技术效率降低，三种作物中，油菜的技术效率最易受到灾害的影响。处于主产带省份的油料生产技术效率要显著高于其他地区。和中部地区相比，东部地区油料生产的技术效率损失要少一些，而西部地区则要多一些。油料作物播种面积所占比例越大，越有利于减少效率损失，提高技术效率水平。

[1]Aigner D J,Lovell C A K,Schmidt P.Formulation and Estimation of Stochastic Frontier Production Models[J].Journal of Econometrics,1977,(6).

[2]Meeusen W,Van D B.Efficiency Estimation From Cobb-Douglas Production Functions With Composed Error[J].International Economic Review,1977,(18).

[3]Coelli T J.A Guide to FRONTIER Version 4.1:A Computer Program for Stochastic Frontier Production and Cost Function Estimation[R].CEPA Working Paper 96/07,University of New England,Australia,1996.

[4]余建斌,乔娟,龚崇高.中国大豆生产的技术进步和技术效率分析[J].农业技术经济,2007,(4).

[5]李然,冯中朝.中国各地区油菜生产率的增长及收敛性分析[J].华中农业大学学报（社科版）,2010,(1).

[6]傅晓霞,吴利学.技术效率、资本深化与地区差异[J].经济研究,2006,(10).