安徽省农业全要素生产率差异及收敛性分析

姚　升

(安徽省农业科学院 农业经济与信息研究所，合肥　230031)



安徽省农业全要素生产率差异及收敛性分析

姚升

(安徽省农业科学院 农业经济与信息研究所，合肥230031)

摘要：运用非参数DEA-Malmquist指数方法，对安徽省农业全要素生产率变化情况进行估算，同时对不同地区农业全要素生产率的收敛性进行分析。研究发现：安徽省农业全要素生产率整体表现为上升发展趋势，其增长的动力来源于农业技术进步的推动，而不是农业技术效率的提高。从不同地区看，大部分地级市的农业全要素生产率指数均大于1，皖中地区的农业全要素生产率指数最高，其次是皖北地区，而皖南地区的农业全要素生产率指数最低。不同地区的农业全要素生产率既不存在σ收敛，也不存在绝对β收敛和条件β收敛。

关键词：安徽省；农业；全要素生产率；收敛

一、引言

安徽省是重要的粮食主产区之一，在最近30多年中，安徽省农业保持了较高的发展水平。1978—2013年，以当年价格计算，安徽省农林牧渔业总产值从710 654万元增长至40 092 418万元，年均增长速度达到5.13%，其中农业、林业、牧业和渔业总产值的年均增长速度分别达到4.46%、6.83%、6.08%和9.06%。

虽然安徽省农业发展呈现出较好的增长态势，但从增长模式的角度看，安徽省农业的发展，更多地依赖于劳动力、化肥等要素投入，是一种较为粗放的增长方式。在当前向现代农业发展的趋势下，单纯依靠生产要素投入的发展模式显然不符合安徽省农业今后的发展方向。对于安徽省而言，今后的农业发展应当选择集约型增长路径，而持续的农业技术进步则是实现农业长期增长的关键。由于农业技术进步更多地体现在农业全要素生产率的增长方面，因此这就意味着需要通过前沿技术进步、效率增加以及规模扩张等途径，提高全要素生产率在农业增长中的贡献份额。因此，对安徽省农业全要素生产率进行研究，有助于了解安徽省农业发展的基本走向，对于安徽省今后农业经济的发展方向，具有一定的指导意义。

农业生产过程中需要各种不同要素的投入，农业全要素生产率即衡量了不同投入要素的综合生产率、反映了农业技术进步情况以及各类农业资源的配置效率。从农业全要素生产率分解为农业技术进步和农业技术效率的角度，农业全要素生产率的变动关系到农业生产的长期发展状态，因而其已经成为衡量农业生产率增长的重要定量指标。

对于不同地区而言，农业全要素生产率水平存在着一定程度的异质性，有些地区发展水平较高，而有些地区发展水平偏低[1]。随着时间的推移，落后地区的农业全要素是否能够比先进地区具有更高的增长率，从而使得不同地区农业全要素生产率水平的差异性逐渐消失，是一个需要关注的问题。因此，本文在新古典增长理论和内生增长理论的框架下，通过收敛分析，呈现出初始农业全要素生产率水平较低地区向先进地区追赶的演进态势，从而更好地把握安徽省不同地区农业全要素生产率的未来发展方向。

二、文献回顾

对农业全要素生产率的研究一直是农业经济研究中的热点问题。学者们通过使用丰富的计量经济模型，对中国农业全要素生产率的时间演变趋势以及影响因素进行了分析。

就中国的农业全要素生产率而言，在最近二三十年中，中国农业全要素生产率增长表现出技术诱导型增长模式、明显的波动性以及地区间增长不平衡的特征，而农业技术效率水平的提高则是未来农业全要素生产率的增长源泉[2]。中国农业全要素生产率经历了从“单峰”分布到“双峰”分布再到“单峰”分布的演变过程，省际间农业全要素生产率增长表现出明显的差异性[3]，不同省份间农业生产的差异主要来源于农业全要素生产率的差异[4]。

不同作物品种的行业间存在着较大的差异，且农业内部各行业的全要素生产率增长没有表现出技术进步和效率增进并存的“双高型”理想增长模式[5]。粮食、大豆、水产和生猪等行业的全要素生产率增长均表现出不同的特点[6-9]。

诸多因素对农业全要素生产率产生影响，如地理因素、土地利用能力、工业化进程、公共投入、科技水平、外贸依存度、农村金融、农业FDI、城镇化率以及人力资本等因素均会对农业全要素生产率的变动产生影响[10-14]。近年来，随着对环境因素认知程度的提高，诸多学者将环境因素纳入到分析框架中[15]，在考虑环境约束后，中国农业全要素生产率的增长水平显著下降[16-17]，农业全要素生产率的平均增长率较不考虑环境约束的估计结果要低[18]。此外，要素配置扭曲也是影响农业全要素生产率的重要因素之一，由于要素配置扭曲，导致农业全要素生产率水平低，如果消除要素配置的扭曲，农业全要素生产率还有20%以上的提升空间(不考虑技术因素)，改善农户的要素配置效率对稳定中国农业生产有着重要的意义[19]。

本文在借鉴现有关于农业全要素生产率研究成果的基础上，将研究对象聚焦于安徽省，通过使用DEA-Malmquist指数方法，对安徽省农业全要素生产率进行估算和分解，同时对不同地区农业全要素生产率的收敛性进行分析，以期能够得到安徽省农业全要素生产率的变化规律和不同地区间的差异。

三、分析框架

(一)DEA-Malmquist指数及分解

本文使用DEA-Malmquist指数方法进行安徽省农业全要素生产率的测算与分解。

DEA-Malmquist指数是一种确定性前沿生产函数法。对t时期技术和产出角度的Malmquist指数定义如下：

(1)

(2)

(3)

(4)

(5)

至此，将全要素生产率(TFPCH)分解为规模效率变化、纯技术效率变化和技术进步。

(二)收敛性分析

常见的收敛性分析主要包括σ收敛、绝对β收敛和条件β收敛，本文在探讨安徽省不同地区农业技术效率、技术进步以及全要素生产率收敛性分析时，所使用的也是上述3种收敛性分析方法。

1.σ收敛。σ收敛所分析的是，不同地区之间农业技术效率、技术进步以及全要素生产率差异变化的水平趋势，通过计算相关变量的标准差、变异系数，且根据其随着时间推移的变动情况，以此判断所分析指标是否存在收敛。当标准差和变异系数随着时间推移而缩小，则认为存在σ收敛。

标准差和变异系数的计算方法如下：

(6)

(7)

2.绝对β收敛。绝对β收敛分析的是，随着时间的变化，不同地区之间的农业技术效率、技术进步和全要素生产率的增长速度和增长水平是否最终会达到相同的稳定状态，即落后地区农业技术效率、技术进步和全要素生产率的增长速度需要快于先进地区，才能达到不同地区间的收敛。

绝对β收敛是σ收敛的必要非充分条件，不同地区间是否存在σ收敛不是判断绝对β收敛是否存在的依据。本文所计算绝对β收敛方法如下：

(8)

其中，Yi,tYi,t+T分别表示各地区在t期、t+T期的农业技术效率、技术进步和全要素生产率，T为样本期时间跨度，α为常数项，β为收敛系数，εi,t为随机扰动项。当收敛系数β为负且显著，则表示落后地区农业技术效率等变量的增长速度快于发达地区，农业技术效率等变量存在绝对β收敛。

3.条件β收敛。条件β收敛所捕捉的是随着时间的变化，不同地区农业技术效率、技术进步和全要素生产率水平是否趋于自身的稳定状态。

(9)

其中，Yi,tYi,t+1分别表示各地区在t期、t+1期的农业技术效率、技术进步和全要素生产率，T为样本期时间跨度，α为常数项，β为收敛系数，εi,t为随机扰动项。当收敛系数β为负且显著，则表示存在绝对β收敛，即农业技术效率等变量存在着向自身稳定状态发展的趋势。

本文对条件β收敛的收敛使用面板固定效应估计方法，从而不仅能够考虑到不同地区在稳态值方面的异质性，而且也考虑到个体稳态值随着时间趋势的变化情况；同时，使用该方法还回避了遗漏解释变量，以及在选择解释变量方面主观性的问题。

(三)数据来源与变量选取

本文所使用的数据为2000—2013年安徽省16个地级市所构成的平衡面板数据，所用数据全部来源于2000—2013年《安徽省统计年鉴》。本文所用变量主要包括农业生产投入变量和产出变量两大类。参考现有关于农业全要素生产率的相关研究，本文所选择的投入变量主要包括以下5个方面：

(1)劳动力投入：以年底第一产业从业人员数进行计算。

(2)土地投入：考虑到耕地存在着复种、休耕以及弃耕的情况，本文以农作物总播种面积表示土地投入，指实际播种或移植有农作物的面积。即无论种植在耕地上还是种植在非耕地上，只要实际种植有农作物的土地，均包括在农作物播种面积中。在播种季节基本结束后，重新改种和补种的农作物面积也包括在内。

(3)机械投入：以农业机械总动力计算，指主要用于农、林、牧、渔业的各种动力机械的动力总和。这其中包括耕作机械、排灌机械、收获机械、农用运输机械、植物保护机械、牧业机械、林业机械、渔业机械和其他农业机械(内燃机按引擎马力折成瓦特计算、电动机按功率折成瓦特计算)。但不包括专门用于乡、镇、村、组办工业、基本建设、非农业运输、科学试验和教学等非农业生产方面使用的动力机械和作业机械。

(4)化肥投入：以化肥施用量计算。指本年内实际用于农业生产的化肥数量(包括氮肥、磷肥、钾肥和复合肥)。化肥施用量以按折纯量计算数量，折纯量是将氮肥、磷肥、钾肥分别按含氮、含五氧化二磷、含氧化钾的百分之一百成份进行折算后的数量，复合肥按其所含主要成分折算。折纯量等于实物量与某种化肥有效成分含量的百分比之乘积。

(5)灌溉投入：以有效灌溉面积计算。反映农业生产的灌溉投入情况，指具有一定的水源，地块比较平整，灌溉工程或设备已经配套，在一般年景下当年能够进行正常灌溉的耕地面积。

对于产出变量，本文选择农林牧渔总产值作为唯一产出变量，以反映安徽省在2000—2013年农林牧渔业生产总规模和总成果。以2000年为基期的安徽省各地区农林牧渔总产值指数对产出变量进行平减，获得以2000年为基期的不变价格。

四、实证分析

(一)安徽省全要素生产率指数及其构成

使用DEAP2.1，得到DEA-Malmquist指数模型的估计结果，据此对安徽省2000—2013年农业全要素生产率进行分析。

从安徽省农业全要素生产率指数及其构成变化整体上看(表1)，安徽省在2000—2013年的农业全要素生产率年均增长率为3.9%。分年度看，在总共13个年度中，有11个年度的农业全要素生产率增长率大于零，其中2007—2008年的农业全要素生产率增长率最高，达到11.3%，而2010—2011年农业全要素生产率增长率也达到了10%。2000—2001年、2008—2009年的农业全要生产率呈现负增长的态势，尤其是2008—2009年的增长率为-2.3%，是样本期中农业全要素生产率增长最低的年份。

从构成看，安徽省农业全要素生产率的增长来源于农业技术进步的推动(即农业生产前沿面的抬高)，而不是农业技术效率的提高，由此可以认为安徽省农业全要素生产率的增长属于技术诱导型增长。农业技术进步对农业全要素生产率年均增长的贡献达到了5.1%，但来自农业技术效率的负增长，则拉低了农业全要素生产率的增长，在样本期中，农业技术效率下降将农业全要素生产率年均增长率拉低了1.2%，其中纯技术效率和规模效率的下降，均造成了农业全要素生产率年均1.6%的下降。

表1　安徽省农业全要素生产率指数及其构成变化

表2反映了2000—2013年安徽省16个地级市农业全要素生产率增长的差异。在全部16个地级市中，只有黄山市的农业全要素生产率指数小于1，其他地级市的农业全要素生产率指数均大于1，其中淮南市的农业全要素生产率指数最高，为1.063，其次分别是六安市和淮北市，其农业全要素生产率指数分别为1.061和1.056。全部16个地级市农业全要素生产率的增长动力均来自于农业技术进步的推动。

将安徽省划分为皖北(包括亳州市、阜阳市、宿州市、淮南市、淮北市和蚌埠市)、皖南(包括芜湖市、马鞍山市、铜陵市、宣城市、池州市和黄山市)和皖中(包括合肥市、安庆市、滁州市和六安市)3个地区。其中，皖中地区的农业全要素生产率指数最高，其次是皖北地区，而皖南地区的农业全要素生产率指数最低。皖中和皖北地区的农业全要素生产率增长率分别比安徽省平均水平高0.5%和0.3%，而皖南地区的农业全要素生产率增长率则较安徽省平均水平低0.7%。从整体经济发展水平角度看，皖南地区的整体经济发展水平在安徽省居于高位，而皖中和皖北地区的整体经济发展水平相对落后于皖南地区，因而，皖中和皖北地区农业全要素生产率水平高于皖南地区是符合经济发展规律的。皖南、皖中和皖北3个地区农业全要素生产率的增长均来自于农业技术进步的推动。

表2　安徽省16个地级市农业全要素生产率指数

(二)收敛性分析

1.σ收敛分析

通过计算安徽省农业技术效率、技术进步和全要素生产率的标准差以及变异系数，据此分析上述指标的σ收敛情况。

安徽省农业技术效率的标准差和变异系数在样本期内没有表现出明显的下降趋势(图1)，反而有着微弱上升，说明安徽省农业技术效率不存在σ收敛。

图1　安徽省农业技术效率标准差和变异系数

安徽省农业技术进步的标准差和变异系数在样本期内表现出微弱的下降趋势(图2)，可以认为安徽省农业技术进步存在着σ收敛。但是安徽省农业技术进步的标准差和变异系数在短期内表现出较明显的波动性，意味着农业技术进步的σ收敛并不稳定。

图2　安徽省农业技术进步标准差和变异系数

安徽省农业全要素生产率的标准差和变异系数在样本期内整体上有轻微下降趋势(图3)，但同样在短期内表现出明显的波动性，说明安徽省农业全要素生产率虽然存在着σ收敛，但同样表现出不稳定的特征。

2.绝对β收敛分析

使用广义最小二乘法(GLS)，对安徽省农业技术效率、技术进步和全要素生产率的绝对收敛估计结果显示(表3)，收敛系数β在3个方程中估计值均为正，且在1%的水平上显著，说明安徽省农业技术效率、技术进步和全要素生产率是发散的，不存在绝对β收敛。这意味着期初农业技术效率、技术进步和全要素生产率水平较高的地区比期初水平较低的地区具有更快的增长率，不同地区间的农业技术效率、技术进步和全要素生产率水平不会随着时间的推移呈现出缩小的趋势，从而无法最终达到同一个稳定的水平。

图3　安徽省农业全要素生产率标准差和变异系数

由于安徽省农业技术效率、技术进步和全要素生产率既没有表现出明显的σ收敛，也不存在绝对β收敛，因此可以认为安徽省农业技术效率等3项指标不存在绝对收敛，各地级市在农业技术效率、技术进步和全要素生产率方面的差异性不会随着时间的推移而无条件地自动消失。

表3　绝对β收敛估计结果

3.条件β收敛分析

使用双向固定效应模型，对安徽省农业技术效率、技术进步和全要素生产率构成的面板数据进行条件β收敛分析，由估计结果可知(表4)，收敛系数β的估计值在3个方程中均大于零，且通过了1%的显著性检验，说明安徽省农业技术效率、技术进步和全要素生产率表现出明显的发散性，不存在条件β收敛，即安徽省不同地级市的农业技术效率、技术进步和全要素生产率水平不会随着时间的变化而趋于自身的稳定状态。

表4　条件β收敛估计结果

五、结论与政策涵义

(一)研究结论

本文以安徽省16个地级市为研究对象，通过运用非参数DEA-Malmquist指数方法，分析了安徽省2000—2013年农业全要素生产率的变化情况，同时对不同地区的农业全要素生产率的收敛性进行分析。

对安徽省农业全要素生产率的计算和分解显示：2000—2013年，安徽省农业全要素生产率整体表现出上升的发展趋势，其增长的动力来源于农业技术进步的推动，而不是农业技术效率的提高。从不同地区看，安徽省16个地级市除黄山市外，其他地级市的农业全要素生产率指数均大于1；皖中地区的农业全要素生产率指数最高，其次是皖北地区，而皖南地区的农业全要素生产率指数最低。

对安徽省农业技术效率、技术进步和全要素生产率的收敛性分析显示：安徽省不同地区的农业技术效率、技术进步和全要素生产率呈现出发散的特征，不存在σ收敛、绝对β收敛和条件β收敛，各地级市在农业技术效率、技术进步和全要素生产率方面的差异性既不会随着时间的推移而无条件地自动消失，也不会随着时间的变化而趋于自身的稳定状态。

(二)政策建议

安徽省农业全要素生产率的增长动力来自于技术进步的推动，而技术效率却处于损失的状态，从今后的发展趋势看，安徽省农业全要素生产率的增长模式应由当前单纯依靠技术进步推动转变为技术进步和技术效率的“双推动”。而要实现这种“双推动”模式，首要的即是提高农业技术效率的水平，包括提高农业纯技术效率和规模技术效率水平两方面；与此同时，仍然需要继续保持和提高当前农业技术进步的水平。另一方面，安徽省不同地区的农业全要素生产率表现出发散的特征，从缩小各地区间农业全要素生产率差异的角度出发，政府也应当采取有效的措施。基于此，本文的政策建议主要围绕提高农业技术效率、缩小地区差异的角度提出，具体包括以下5个方面：

(1)完善农业技术推广运行机制。农业技术效率下降意味着安徽省农业技术推广效率偏低，农业技术推广的机制不够健全。要提高农业技术效率的水平，关键在于完善农业技术推广机制，提高农业技术推广和科技成果向实际应用转化效率。

(2)加大农业科研投入。继续加大对农业的科研投入，目的在于保持和提高安徽省农业技术进步的增长态势。对农业科研的投入不仅要提高对农业科研投入的规模，更要提高对农业科研投入资金的利用效率。

(3)提高劳动力和土地的流动性。提高农业生产投入要素的配置效率对于提高农业技术效率有着重要的意义，而其中劳动力和土地配置效率的提高尤其重要，政府需要进一步完善关于劳动力和土地流动的现有机制，开拓多种形式的土地和劳动力流动模式，提高土地和劳动力配置的合理性。

(4)加强对农民的技术培训。加强对农民的技术培训对于提高技术效率同样有着积极的意义，农民对技术接受能力的提高，减少了农业技术推广中的交易成本，有利于农业技术推广效率的提高。

(5)加强区域间的技术交流与合作。安徽省各地区农业全要素生产率所表现出的发散性特征不利于农业生产的区域协调发展，因此不同地区间需要加强农业技术的交流与合作，从而促使不同地区农业全要素生产率收敛趋势的形成。

参考文献：

[1]汪晓梦.基于农民纯收入面板数据的区域差异性分析与对策——以安徽省为例[J].重庆理工大学学报(社会科学)，2014(5)：63-67.

[2]全炯振.中国农业全要素生产率增长的实证分析:1978—2007年——基于随机前沿分析(SFA)方法[J].中国农村经济,2009(9)：36-47.

[3]尹朝静，李谷成，卢毓.中国农业全要素生产率增长分布的动态演进机制[J].统计与信息论坛，2014(3)：53-58.

[4]石慧，王怀明，孟令杰.要素累积、全要素生产率与中国农业增长地区差异[J].农业技术经济，2009(3)：17-26.

[5]李谷成，冯中朝.中国农业全要素生产率增长：技术推进抑或效率驱动——一项基于随机前沿生产函数的行业比较研究[J].农业技术经济，2010(5)：4-14.

[6]马林静，王雅鹏，田云.中国粮食全要素生产率及影响因素的区域分异研究[J].农业现代化研究，2014(7)：385-391.

[7]张成，张伟华，高志平.我国水产养殖业技术效率和全要素生产率研究[J].农业技术经济，2014(6)：38-45.

[8]梁剑宏，刘清泉.我国生猪生产规模报酬与全要素生产率[J].农业技术经济，2014(8)：44-52.

[9]司伟,王济民.中国大豆生产全要素生产率及其变化[J].中国农村经济,2011(10)：16-25.

[10]王珏，宋文飞，韩先锋.中国地区农业全要素生产率及其影响因素的空间计量分析——基于1992—2007年省域空间面板数据[J].中国农村经济,2010(8):24-35.

[11]尹雷，沈毅.农村金融发展对中国农业全要素生产率的影响：是技术进步还是技术效率——基于省级动态面板数据的GMM估计[J].财贸研究，2014(2)：32-40.

[12]孙致陆，李先德.农业FDI提升了中国农业全要素生产率吗——基于面板数据随机前沿函数模型的分析[J].国际商务：对外经济贸易大学学报，2014(3)：54-62.

[13]SUYANTO,RUHUL A S.Sources of productivity gains from FDI in indonesia:Is it efficiency improvement or technological progress?[J].The developing economies,2010(4):410-425.

[14]林昌华.区域发展中城镇化效率与就业结构动因——基于福建省的实证[J].重庆理工大学学报(社会科学)，2014(7)：48-54.

[15]HAILU A,VEEMAN T S.Environmentally sensitive productivity analysisi of the canadian pulp and paper industry,1959—1994:An input distance function approach[J].Journal of environmental economics and management,2000(40):251-274.

[16]潘丹，孔凡斌.我国农业全要素生产率差异与收敛分析——基于环境污染视角[J].江西社会科学，2013(9)：43-47.

[17]崔晓，张屹山.中国农业环境效率与环境全要素生产率分析[J].中国农村经济，2014(8)：4-16.

[18]韩海彬，赵丽芬.环境约束下中国农业全要素生产率增长及收敛分析[J].中国人口资源与环境，2013(3)：70-76.

[19]朱喜,史清华,盖庆恩.要素配置扭曲与农业全要素生产率[J].经济研究,2011(5):86-98.

(责任编辑魏艳君)

DifferenceofAgriculturalTotalFactorProductivityandItsConvergenceinAnhuiProvince

YAOSheng

(InstituteofAgriculturalEconomicsandInformation,AnhuiAcademyofAgriculturalSciences,Hefei230031,China)

Abstract:ThispapermeasurestheagriculturaltotalfactorproductivityinAnhuiprovincefrom2000to2013withDEA-Malmquistindex,andthentookanempiricaltestontheconvergenceofdifferentareas.TheresultshowsthatthetotalfactorproductivityofAnhuishowedagrowthtrend,andtechnicalprogresshasbeenthemainsourceofpowerfortheincreaseinagriculturaltotalfactorproductivity.Meanwhile,thereareobviousregionaldifferencesinagriculturaltotalfactorproductivity,theindexofagriculturaltotalfactorproductivityismorethan1inmostofareas.Middleregionhasthefastestaverageannualagriculturaltotalfactorproductivitygrowthrate,whiletheslowestoneissouthernarea.Theconvergencetestoftotalfactorproductivityindicatesthatthereisnoσconvergence,absoluteβconvergenceorconditionalβindifferentareas.

Keywords:Anhuiprovince;agriculture；totalfactorproductivity;convergence

收稿日期：2015-04-25

基金项目：安徽省科技厅软科学研究项目“产业链视角下安徽省棉花补贴政策效果评估与优化研究”(1607a0202025)；安徽省农业科学院宏观农业研究项目“安徽省棉花补贴政策效果评估与目标价格制度研究”(16A1441)

作者简介：姚升(1983—)，男，安徽定远人，助理研究员，博士，研究方向：农产品价格、农业风险。

doi:10.3969/j.issn.1674-8425(s).2016.06.005

中图分类号：F327

文献标识码：A

文章编号：1674-8425(2016)06-0031-08

引用格式：姚升.安徽省农业全要素生产率差异及收敛性分析[J].重庆理工大学学报(社会科学)，2016(6):31-38.

Citationformat：YAOSheng.DifferenceofAgriculturalTotalFactorProductivityandItsConvergenceinAnhuiProvince[J].JournalofChongqingUniversityofTechnology(SocialScience)，2016(6):31-38.