资源环境约束下我国西部地区农业全要素生产率增长及其影响因素

陈婷婷

(重庆青年职业技术学院， 重庆 400712)



资源环境约束下我国西部地区农业全要素生产率增长及其影响因素

陈婷婷

(重庆青年职业技术学院， 重庆 400712)

为在资源环境约束日益严峻的形势下全面评估西部地区农业发展状况，促进西部地区农业可持续发展，基于我国西部地区12个省市2000—2013年农业投入产出数据，利用SBM方向性距离函数、Luenberger生产率指标和面板数据的时间固定效应模型，分析了资源环境约束下西部地区农业全要素生产率的增长、变化趋势和影响因素。结果：近年来西部地区农业增长显著，但农业全要素生产率提高缓慢，对农业增长贡献低；农业技术效率有恶化趋势，技术进步是农业全要素生产率增长的主要源泉。西部地区农业全要素生产率随着人均农业产出增加呈现U型变化趋势，工业化能够提高农业全要素生产率，而农业投资并没有显著提高农业全要素生产率。

农业全要素生产率； 资源环境约束； 数据包络分析； SBM方向性距离函数； 西部地区

西部大开发战略实施以来，西部地区的工业化与城市化快速推进，经济增长显著，西部地区农业也取得较大发展，但农业发展滞后的总体状况并没有根本转变。目前，西部地区的农业机械总动力仅占全国的21%，粮食种植面积约占全国的32%，粮食产量仅为全国的25%[1]；2011年《中国农村经济形势分析与预测》显示，2010年西部地区农业人均纯收入分别比全国平均水平(5919元)、中部地区平均水平和东部地区平均水平低1501元、1092元和3725元。随着资源环境约束日益严峻，通过科学的生产要素投入方式提高农业生产效率和产出水平，对于改变西部农业发展发展滞后的现状，促进其农业快速发展具有重要意义。而科学评估西部地区农业发展水平，并分析其影响因素，成为科学合理制定相关政策的重要依据。

目前较多学者采用衡量投入产出效率的全要素生产率指标，通过数据包络分析(Data Envelopment Analysis，DEA)对全要素生产率进行研究，其可分为3类：1) 不考虑环境约束，通过距离函数与Malmquist生产率指数计算经济体的全要素生产率[2-3]。这类研究可以应对多投入、多产出的情况，但是只适用于与合意产出相关的分析。2) 通过方向性距离函数分析环境约束下经济体的全要素生产率。Chung等[4]提出了一种方向性距离函数，其允许经济体在投入既定的情况下，以相同的比例扩张好产出(期望产出)和收缩坏产出(非期望产出，如环境污染)，使其能够分析包含坏产出的生产结构，进而可以将方向性距离函数与ML生产率指数(Malmquist-Luenberger Productivity Index)结合计算资源环境约束下经济体的全要素生产率[5-6]。其不足在于，方向性距离函数是一种径向模型，当存在非零松弛时，径向模型会高估决策单元(Decision Making Unit, DMU)的效率[7]。3)通过SBM(Slack-Based Measure)方向性距离函数分析资源环境约束下经济体的全要素生产率。这种方法既能分析包含坏产出的生产结构，也能避免ML生产率指数的不足[8-9]。

为在资源环境约束日益严峻的形势下全面评估西部地区农业发展水平，促进西部地区农业可持续发展，笔者借鉴王兵等[9]的模型，运用SBM方向性距离函数和Luenberger生产率指标测算资源环境约束下的西部地区农业全要素生产率增长，在此基础上通过核密度分布函数和σ收敛检验分析其动态演进趋势，并构建面板数据的时间固定效应模型分析其影响因素，据此提出相应的政策建议。

1 资料与方法

1.1 数据来源

数据来自《新中国农业60年统计资料》《中国统计年鉴》《中国农村统计年鉴》《中经网统计数据库》和西部地区各省市的省级统计年鉴，涉及内蒙古、陕西、甘肃、青海、新疆、宁夏、重庆、四川、云南、贵州、西藏和广西。数据跨度为2000—2013年，少数缺失数据运用3年移动平均法估算。

1.2 环境生产技术

(1)

对于变量选择，投入变量选取：农林牧渔业从业人员(万人)，农作物总播种面积和水产养殖面积(千hm2)，农用化肥施用量折纯量(万t)，农业机械总动力(万K·w)，役畜年末存栏数(万头)，农业用水总量(亿m3)。其中，农业用水总量反映农业增长过程中的资源约束。产出变量方面，好产出变量选取农林牧渔业总产值(亿元)。为剔除价格变化对计算的影响，所有产值数据均通过农产品生产价格指数调整为以2000年为基期的数据。坏产出变量选取农业面源污染中氮和磷的排放量，反映农业增长过程中的环境约束。由于统计年鉴中没有这2类污染物的排放数据，因此借鉴梁流涛[11]的清单分析法估算。考虑表1所示的4类农业面源污染，氮和磷的排放量计算公式为：

(2)

式中，E为某种污染物的排放量。EUi为调查单元i的统计数，ρi、ηi和Ci分别为调查单元i中某种污染物的产污强度系数、相关的资源利用效率系数和排放系数，其值均来自文献[11]。Ci由调查单元和空间特征(S)决定，表征区域环境、降雨、水文和各种管理措施对农业和农村污染的综合影响[12]。

表1 西部地区农业面源产污核算单元

Table 1 Pollutant accounting elements of agricultural non-point source in Western China

污染来源Pollutantsource调查单元Investedelements调查指标及单位Indexandunit农田化肥氮肥,磷肥,复合肥施用量/万t Chemicalfertilizer畜禽养殖牛,猪,羊,家禽存栏数/万头(只) Livestockbreeding农田固体废弃物稻谷,小麦,玉米,豆类,薯类,油料,蔬菜总产量/万t Fieldsolidwaste农村生活乡村人口乡村人口/万人 Ruralliving

注：核查单元的选择基于文献[11]。

1.3 Luenberger生产率指标和SBM方向性距离函数

根据Chambers等[13]的研究，t至t+1期间的Luenberger生产率指标计算公式为：

(3)

该指标可进一步分解为技术效率变化(Effch)和技术进步(Techch)之和，其中：

(4)

(5)

通过求解St(xt,yt,bt;g)，St(xt+1,yt+1,b+1;g)和St+1(xt,yt,bt;g)3个SBM方向性距离函数，即可得出TFP、Effch和Techch。分别将这3个指标加1，即可得出其对应的变化率(增长率)。

以St(xt,yt,bt;g)的求解方法为例，根据王兵等[9]或Fukuyama和Weber[8]的研究，第k*个决策单元在第t期的SBM方向性距离函数可以通过如下线性规划模型求解：

(6)

(7)

1.4 核密度函数和σ收敛检验

运用核密度图和σ收敛检验分析农业全要素生产率变化的动态演进趋势。核密度图基于高斯正态分布核密度函数做出，其表达式为：

(8)

式中，h=0.9AN-1/5为窗宽，A、N、k(*)和y分别表示标准差、观测值个数、高斯正态分布函数和农业全要素生产率取值的范围。该函数表示西部地区各省市农业全要素生产率在给定的取值范围上出现的可能性。末期的核密度图分布区间若比初始期的更为宽广(狭窄)，则农业全要素生产率出现发散(收敛)。为了保证数据取对数后依然有效(便于进行σ收敛检验)，作图时使用的数据为农业全要素生产率的变化率(增长率)，以1+TFP计算得出。

σ收敛一般采用变量对数的标准差衡量。定义yi,t表示i地区t期的农业全要素生产率，则ln(yi,t) 的标准差σ可表示为：

(9)

若σt随时间推移不断变小，表明这N个地区的农业全要素生产率存在σ收敛。

1.5 固定效应模型

采用面板数据的时间固定效应模型分析农业全要素生产率的影响因素。模型选取的变量包括：人均实际农林牧渔总产值(滞后一期)(y—1)，乡村人口占当地总人口的比重(s)，农业面源污染中的人均氮(n)和磷(p)排放量；人均实际农林牧渔业投资(k)。模型的估计式为：

(10)

2 结果与分析

2.1 农业全要素生产率增长

由上述方法计算得出2000—2013年西部地区农业全要素生产率及其分解指标变化的平均值(表2)，为便于对比，对农业总产值增长率也进行了测算。由表2得出：

1) 西部地区农业总产值增长迅速，但区域差异明显。西部地区农业总产值年均增速为11.90%，西北和西南地区的农业总产值增长水平相差较大，西北地区农业总产值年均增速为13.19%，明显高于西南地区的10.61%。近年来，随着农业科技的发展和农业基础设施的改善，自然条件对西北地区农业发展的制约已不再显著，一些高产高原作物的引进和改良以及大量水利工程的兴建，使得该地区的传统种植业有了较快发展。此外，西北地区拥有中国四大牧区，畜牧业基础良好，通过科学养殖、建立人工草场和培养优良牧草，畜牧业发展也开始加速。分省市来看，农业总产值增长最快的是陕西，年均增速为13.61%；增长最慢的是西藏，年均增速仅为7.03%。

2) 西部地区农业全要素生产率增长缓慢，技术效率总体恶化，技术进步是农业全要素生产率增长的主要驱动力。西部地区年均农业全要素生产率增长3.44%，对农业产出的贡献率仅为28.74%，表明西部地区农业增长中的大部分是通过投入要素的数量扩张实现的，质量方面的贡献有限。此外，西部地区农业技术效率年均降低0.08%，而技术进步率的年均增速为3.52%，是全要素生产率增长的主要源泉。分区域来看，西北地区农业全要素生产率和技术效率的年均增速(3.91%和0.41%)高于西南地区(2.96%和-0.57%)，而西南地区的技术进步率年均增速(3.53%)则略高于西北地区(3.51%)。

3) 忽视资源环境约束会导致高估农业全要素生产率、技术效率和技术进步率的变化。在不考虑资源与污染变量的情况下，通过SBM方向性距离函数计算得到的年均农业全要素生产率、技术效率变化和技术进步率的年均增速分别为4.57%、0.15%和4.43%，均高于考虑资源环境约束计算得出的指标结果。

表2 2000—2013年西部地区农业全要素生产率及其分解指标变化的平均值

注：Y表示农业总产值的年均增长率。TFP1、EFFCH1和 TECHCH1分别表示资源环境约束下的全要素生产率、技术效率和技术进步率的年均变化率，TFP1/Y为全要素生产率的年均产出贡献份额。TFP2、EFFCH2、 TECHCH2和TFP2/Y分别为上述指标在非资源环境约束下的计算结果。西北地区包括内蒙古、陕西、甘肃、青海、新疆、宁夏，西南地区包括重庆、四川、云南、贵州、西藏和广西。

Note: Y = Average annual growth rate of total output value of agricultural. TFP1, EFFCH1 and TECHCH1 represent average annual variation rate of total factor productivity, technical efficiency and technical progress rate under resource and environment restriction respectively. TFP1/Y represents average annual output contribution portion of total factor productivity. TFP2, EFFCH2, TECHCH2and TFP2/Y represent the results of the above indexes without resource and environment restriction separately. Northwest area includes Inner Mongolia, Shaanxi, Gansu, Qinghai, Xinjiang and Ningxia. Southwest area includes Chongqing, Sichuan, Yunnan, Guizhou, Tibet and Guangxi.

图 1 西部地区农业全要素生产率累积变化

Fig.1 Accumulation variation of agricultural total factor productivity in Western China

从图1看出，2000—2013年，西部地区农业全要素生产率累积变化和技术进步累积变化的增长趋势明显，但技术效率几乎没有改善。农业全要素生产率累积增长54%，技术进步累积增长56%，两者的变动状况较为一致，而同期技术效率的累积变化基本维持在1附近，可见技术进步是西部地区农业全要素生产率增长的主要源泉。

2.2 各省市农业全要素生产率变化的动态演进

从图2(a)看出，在资源环境约束下，2001年西部各省市农业全要素生产率增长率分布在0.6、1.0和1.15三个区域，分布分散；而在2013年，农业全要素生产率增长率则集中在0.9～1.1的狭小区域，出现了明显的收敛。从图2(b)看出，无资源环境约束时，2001年西部各省市农业全要素生产率增长率的分布状况与图2(a)呈现的情况基本一致；而在2013年，农业全要素生产率增长率则集中分布在1.05附近，也出现了明显的收敛。同时，由计算得出，有资源环境约束时σ2001=0.058 9>σ2013=0.014 1，无资源环境约束时σ2001=0.028 8>σ2013=0.015 1。可见，西部地区农业全要素生产率的增长在两种情况下都出现了σ收敛。由此表明，西部地区各省市农业全要素生产率的变化趋势趋于一致。导致这一结果的主要原因是各省市农业发展战略和政策的趋同。实行西部大开发战略以来，国家和西部各省市都加强了对农业发展的支持力度。由于指导方针的一致性，西部各省市选择的惠农强农措施均大同小异，进而导致农业全要素生产率变化的趋同。

图2 资源环境约束与非资源环境约束下西部地区各省市农业全要素生产率增长率的正态分布核密度函数

Fig.2 Gaussian distribution kernel density function of agricultural total factor productivity growth rate of different provinces and cities in Western China under resource and environment restriction and without resource and environment restriction

表3 西部地区农业全要素生产率影响因素模型回归

注：***，**和*分别表示在0.01、0.05和0.1水平显著。固定效应模型与随机效应模型的F值显著性水平分别为0.000000与0.025974，R2分别为0.422362与0.098097。为便于比较，保留随机效应模型的回归结果。

Note: ***, ** and * indicates significance of difference at 0.01, 0.05 and 0.1 level respectively. The significant level andR2ofFvalue of fixed effect model and random effect model is 0.000000 and 0.422362, and 0.025974 and 0.098097 separately. For comparison keep the reqression rsults of random effect model

2.3 农业全要素生产率的影响因素

采用Eviews 6.0对(10)式进行回归，根据固定效应模型的回归结果(表3)得出：

1) 人均农业产出增加会先阻碍而后促进西部地区农业全要素生产率增长。滞后1期的人均农业产值变量的系数显著为负，而其2次方的系数显著为正，表明随着人均农业总产值的增加，农业全要素生产率会出现先下降后上升的U型变化过程。

2) 西部地区的工业化过程伴随着农业全要素生产率的提高。体现经济结构的乡村人口占比变量的系数显著为负，表明西部地区农业人口向非农部门转移的过程伴随着农业全要素生产率的提高。一般地，当某一地区的工业化发展到一定阶段，经济发展积累的资金和技术会促进农业生产效率提高，可见西部地区的工业化进程已经达到这个阶段。

3) 环境因素对西部地区农业全要素生产率的影响无法判断。人均农业氮和磷的排放量作为环境变量，两者的系数符号相反，且都不显著。可能的原因是，一方面环境因素对西部地区农业全要素生产率增长影响不大；另一方面，由于指标选取的主观性，环境因素与农业生产率增长的真实关系并未得以反映。

4) 增加农业投资对西部地区农业全要素生产率的提高没有显著作用。人均农业投资变量的系数为负，且不显著。这一结果并不能证明农业投资增加对农业全要素生产率提高的阻碍作用具有普遍性，但反映出目前西部地区的农业投资并没有显著改善其农业全要素生产率。原因可能在于目前西部的农业投资偏重数量和规模，结构科学合理的优质投资较少，对农业生产的技术水平和管理水平没有显著改善，因而对农业全要素生产率增长的影响并不显著。

3 结论与建议

从西部地区各省市的农业全要素生产率增长状况看，西部地区普遍存在农业技术无效率现象。尽管各省市农业总产值增长显著，但农业全要素生产率提高缓慢，对农业增长贡献低。从内在构成角度看，整体农业技术效率有恶化趋势，农业全要素生产率增长主要源于技术进步。从动态演进的趋势看，各省市的农业全要素生产率变化趋势呈现趋同。从影响因素角度看，增加人均农业产出会先阻碍而后促进西部地区农业全要素生产率增长，工业化对提高农业全要素生产率具有促进作用，而农业投资并没有显著提高农业全要素生产率。为进一步提高西部地区农业全要素生产率，应从以下方面着手。

1) 大力推进农业科技创新与应用，加快科教兴农步伐。和我国中、东部省份相比，目前西部省份很多局部地区的农业生产方式仍然非常落后，农业机械化程度低，生产仍以人畜力为主，传统农业的特征比较突出。舒尔茨在《改造传统农业》[14]中指出，传统农业不能显著促进经济增长的原因在于使用的是投资收益率低的传统生产要素，要对传统农业进行改造就必须引进新的、投资收益率更高的生产要素，加大人力资本投资。

2) 因地制宜，分类指导，大力促进特色农业发展。西部地区气候地形条件复杂、物种多样、生态环境良好，具有发展特色农业的独特优势。近年来，西部一些省市利用西部大开发和农业结构战略性调整的契机，发展形成了一批优势特色产业，如新疆的棉花，陕西的水果，内蒙古的畜牧产品和云南与贵州的烟叶等，其为进一步发掘西部优势农业资源，提高区域农业竞争力提供了宝贵经验。

3) 加大财政支持力度，改善西部农业基础设施，大力发展节水农业。我国的“老、少、边、穷”地区主要都集中在西部地区，长期以来，自然灾害频发、交通不便等因素严重制约西部地区的发展。此外，西部地区尤其是西北地区土地荒漠化严重，水资源匮乏，着力发展成本更低的旱作节水农业是这些地区农业发展的根本出路。国家应加大对西部地区农业发展的财政支持力度，改善西部交通和农业基础设施，积极创办旱作农业示范区，并大力推动节水农业技术的推广。

[1] 都茂庭.关于进一步加快我国西部农业发展的思考[J].经济研究参考，2011(67)：2-10.

[2] Subodh Kumar，R. Robert Russell. Technological Change, Technological Catch-up, and Capital Deepening: Relative Contributions to Growth and Convergence[J].The American Economic Review，2002，92(3)：527-548.

[3] 岳书敬，刘朝明.人力资本与区域全要素生产率分析[J].经济研究，2006(4)：90-96.

[4] Y. H. Chung，R. F are and S. Grosskopf. Productivity and Undesirable Outputs: A Directional Distance Function Approach[J].Journal of Environmental Management，1997，51(3)，229-240.

[5] Surender Kumar.Environmentally sensitive productivity growth: A global analysis using Malmquist-Luenberger index[J].Ecological Economics，2006，56(2)：280-293.

[6] 李小胜，安庆贤.环境管制成本与环境全要素生产率研究[J].世界经济，2012(12)：23-40.

[7] Fukuyama H.，William L. Weber. A Directional Slacks-based Measure of Technical Inefficiency[J].Socio-Economic Planning Sciences，2009，43(4)：274-287

[8] Fukuyama H.，William L. Weber. A slacks-based inefficiency measure for a two-stage system with bad outputs[J].Omega，2010，38(5)：398-409.

[9] 王 兵，吴延瑞，颜鹏飞.中国区域环境效率与环境全要素生产率增长[J].经济研究，2010(5)：95-109.

[10] Rolf Fare, Shawna Grosskopf, Carl A. Pasurka Jr. Environmental production functions and environmental directional distance functions[J].2007，32(7)：1055-1066.

[11] 梁流涛.农村生态环境时空特征及其演变规律研究[D].南京：南京农业大学，2009.

[12] 陈敏鹏，陈吉宁，赖斯芸.中国农业和农村污染的清单分析与空间特征识别[J].中国环境科学，2006(6)：751-755.

[13] Chambers，R. G.，R. Fare, and S. Grosskopf. Productivity Growth in APEC Countries[J]. Pacific Economic Review，1996，1(3)：181-190.

[14] 西奥多·W.舒尔茨.改造传统农业[M].梁小民，译.北京：商务印书馆，2006.

(责任编辑： 黄筑斌)

Agricultural Total Factor Productivity Growth and Influence Factors under Resource and Environment Restriction Western China

CHEN Tingting

(ChongqingYouthVocational&TechnicalCollege，Chongqing400712，China)

The growth, variation trend and influence factors of agricultural total factor productivity in Western China under resource and environment restriction were analyzed by SBM directional distance function, Luenberger productivity index and panel data time fixed effect model based on the input/output data of agriculture of 12 Provinces (Cities) in Western China during 2000-2013 to overall evaluate agricultural development status in Western China under the increasing severe resource and environment restriction and to promote its agricultural sustainable development. Results:Agricultural growth in Western China is significance but improvement of agricultural total factor productivity is slow and the contribution of agricultural total factor productivity to agricultural growth is lower. Agricultural technical efficiency shows a degradation trend. Technical progress is the main source for growth of agricultural total factor productivity. Agricultural total factor productivity in Western China represents a U variation trend with increase of per capita agricultural output. Industrialization can increase agricultural total factor productivity but agricultural investment can not improve agricultural total factor productivity significantly.

agricultural total factor productivity; resource and environment restriction; data envelopment analysis; SBM directional distance function; western area

2015-01-28； 2015-06-16修回

国家自然科学基金青年项目“绿色经济增长核算模型的构建及应用研究”(71103214)；教育部省部共建人文社会科学重点研究基地项目“长江上游地区工业的动态环境绩效优化研究：生态效率视角”(10JJD790028)

陈婷婷(1981-)，女，讲师，从事产业结构与经济增长研究。E-mail: chentingtingtougao@126.com

1001-3601(2015)07-0400-0216-05

S-9； F205

A