农地经营规模、农业科技投入与农业生产效率——基于面板门槛模型的实证

陈　鸣　周发明



农地经营规模、农业科技投入与农业生产效率
——基于面板门槛模型的实证

陈鸣周发明

[摘要]以中国1997-2013年31个省级区域的面板数据为基础，运用门槛模型研究农业科技投入对提升农业生产效率的非线性作用。首先，根据户均农地经营规模的门槛特征值将样本分为农地经营规模较小、中等和较大三组，再分别对各组非平衡面板数据进行回归检验。结果表明：在农地经营规模的不同区间，农业科技投资对农业生产效率的提升作用存在差异；科技驱动效应随着农地经营规模扩大而提高，但农地经营规模最大的样本中，其科技驱动力又不及农地经营规模中等的样本。因此，应根据各省(市、自治区)农地经营规模所在的不同区间采取差异化政策，注意考虑农地资源禀赋与科技投入的耦合关系，进一步促进科技兴农作用的充分发挥。

[关键词]农业科技投入； 农地经营规模； 农业生产效率

一引言及文献综述

科技作为先进生产要素的代表，为提高我国农业生产效率，逐步实现农业现代化的目标发挥了重要作用。然而，一个值得关注的问题是，尽管历年来国家不断加大农业科技投资的力度，科技对于农业的首要驱动作用却并未完全发挥。根据农业部公布的最新数据，2015年中国农业科技进步贡献率达到了56%(农业部，2016)[1]，但与发达国家70%-80%的水平相比仍有较大差距。在我国农业弱质性特征仍然存在的现实条件下，期待政府一味地加大农业科技投入并不实际。如何在既定的科技投入规模约束下，寻找提高科技投资效率的新路径，对于促进农业增长与经济发展，使科技促农政策落到实处具有重要意义。

早期Solow(1957)[2]、Romer(1986)[3]、Lucas(1986)[4]等建立的经济增长模型奠定了技术投入促进生产效率提高的理论基石；而农地作为农业生产最基本的要素，如何影响农户科技需求以及与科技投入的关系，并不是一个全新的研究课题(王玄文和胡瑞法，2003)[5]。早在1980年代，Hayami和Ruttan(1985)[6]就在其经典文献中指出，要素禀赋相对丰裕度的不同，将决定农业科技投入的方向和结构；Carter和Yao(1998)[7]对中国农地流转的研究表明，土地经营规模化具有边际拉平效应和交易收益效应，有利于科技创新；Jules(1991)[8]、Chambers et al.(2004)[9]等的研究表明，专业大户较小农在农业科技创新中发挥了重要作用，甚至在部分试验中成为技术创新的主角。国内农业科技领域的文献中，与农地有关的研究大致可以分为三类：一是农地经营规模对科技需求的影响，黄季焜等(1999)[10]研究发现农民的技术选择受到农民的收入水平、土地规模、文化程度、从业年龄以及从业性别等因素影响；曹建民等(2005)[11]认为增加土地规模不仅是农民参加技术培训行为的诱导因素,也是提高农民技术采用愿望的重要影响因素；王建华和李清盈(2015)[12]基于江苏地区的农户调查，分析了农业经营主体培育与农业科技需求的关系；二是农地制度与农业科技体制的关系，陈风松(2010)[13]、刘渐和等(2009)[14]、孙雄松和吕建秋(2011)[15]等分别就土地流转与农业科技推广、农业科技成果转化机制的关系进行了研究, 均认为现有的土地制度不利于现代农业技术的推广,土地使用权流转对当前农业技术创新将起到积极的促进作用；三是农地流转对科技创新的促进机理，游和远和吴次芳(2010)[16]发现，农地流转、农业机械投入的增加与农村劳动力转移存在相互影响机制；罗必良(2012)[17]认为没有土地集约化，科技创新是空谈，土地适度规模经营能有效促进农业科技进步与投资能力、生产规模匹配；陈治国等(2015)[18]认为各地要素禀赋与农业生产的非耦合程度抑制了科技投入的效果。

由此可见，多数文献均认可农地经营规模对农业科技驱农效果存在制约和影响，但以定性研究居多，定量研究的文献还比较少。另外，也鲜见探究农业科技驱动效应非线性特征的文献。鉴于此，本文在现有文献的基础上，以1997-2013年全国31个省级区域的面板数据为依据，以农地经营规模为门槛变量，研究农业科技投入对农业生产效率的提升作用及区域差异性，力图进一步寻找中国农业科技驱动力不足的原因，为中国农业科技投入的政策规划提供经验依据。具体而言，本文首先利用门槛效应模型，指出各省(市、自治区)农业科技投入对农业生产效率的提升作用存在明显差异，其中一个重要原因在于各地农地经营规模的不同，农地经营规模直接制约着农业科技的驱动效应。其次，将测算出的两个门槛特征值作为分组标准，把全国31个省级区域按农地经营规模水平分为3组并分别进行回归检验，结果表明农地经营规模化能有效提升科技驱动力，但驱动效应的倒U型特征明显。最后，提出要采取有效措施进一步提高我国农地经营规模化水平，同时避免农地经营规模过大的负面效应，促进科技要素与土地要素的耦合，达到优化科技投入配置，提升科技投入效果的政策目标。

二模型设定、变量与数据说明

(一)门槛模型的设定

根据已有的文献可知，土地要素是影响科技驱农效应的重要因素。在农地经营规模不同的条件约束下，农业科技的兴农效果也许并不是简单的线性关系，而是存在不同农地经营规模区间的阶段性特征。但是，如果主观人为地划分农地经营规模的区间，并不符合经济数据自身的规律，可能导致估计结果有偏误。因此，本文借鉴Hansen(1999)[19]提出的门槛面板模型，利用经济数据本身的特征，内生地决定农地经营规模的门槛值，然后再根据门槛值所划分的区间对样本进行分组，进而分别对各组的科技投入驱动效应进行研究，由此得到的结论，将比人为分组得出的结果更为客观可信。

根据Hansen(1999)提出的模型，具体设定以户均农地经营规模(FLCI)为门槛检测值，考虑到可能存在多个门槛关键点的情况，构建面板门槛模型如式(1)：

LnTFPit=μi+β1LnRDit·I(FLCIit≤γ1)+β2LnRDit·I(γ1

+…+βnLnRDit·I(γn-1

(1)

式(1)中，下标i和t分别表示省域和年份；μi表示与各省相关的、时间上恒定的未观测因素，εit为随机误差项。TFPit代表农业生产效率，RDit代表农业科技投入，FLCIit代表户均农地经营规模，CVit表示其他影响农业生产效率的控制变量。参考已有文献，选取4个影响农业生产效率的因素作为控制变量：人力资本EDUit，对外开放程度OPENit，工业化水平INDit，自然灾害NALit。在模型中，本文对除门槛变量农地经营规模外的所有变量均取自然对数，以消除异方差问题，保证回归结果的稳定性。

(二) 数据来源与变量选取

1.变量选取

(1)被解释变量：农业生产效率采用全要素生产率(TFP)衡量。运用DEA方法测度农业全要素生产率TFP。其中产出指标采用的是各省(市、自治区)的农业总产值，投入指标包括固定资产净值和从业人员2个变量。利用DEA方法计算TFP是非常成熟的方法，可参见Caves等(1982)[20]的相关研究，在此不再赘述。

(2)核心解释变量和控制变量：农业科技投入(RD)，用农业科研机构经常费用支出表示，包括科技活动支出、生产经营活动支出和其他支出。农地经营规模(FLCI)*由于部分农地(如果园、草地等)数据的不易获得性，本文只分析耕地的情况，《中国国土资源统计年鉴》没有公布各省(市、自治区)2003年以后的耕地数据，本文采用的做法是，如果相关省(市、自治区)年鉴公布该数据则采用该年鉴数据，如果未公布则采用农作物总播种面积与复种指数之比来计算。，以农户户均经营耕地面积来衡量。工业化水平(IND)，用各地区第二产业总产值衡量。人力资本水平(EDU)，用地区大专及以上人口表示。对外开放程度(OPEN)，用各省(市、自治区)进出口总额表示。自然环境条件(NAL)，用各地区耕地受灾面积表示。

2.数据说明与描述

农业科技投入数据来自于《中国科技统计年鉴》与农业部科技教育司编制的《全国农业科技统计资料汇编》。农户平均人数来源于《中国人口与就业统计年鉴》，1997-2008年的各省(市、自治区)耕地面积直接来源于《中国统计年鉴》，由于2009-2013年的数据没有公布，则依据《中国国土资源统计年鉴》、《中国区域经济统计年鉴》以及各省(市、自治区)统计年鉴整理而得。其他所有指标的数据均来自《中国农业统计年鉴》以及《中国统计年鉴》。各变量的描述性统计见表1：

表1　主要变量描述性统计

注：数据根据各统计年鉴整理计算而得，其中TFP值由DEAP2.1软件测算得出。

三门槛模型检验

进行门槛效应检验需要解决两个方面的问题：一是估计门槛值的个数；二是对门槛值进行真实性检验。本文利用Stata12.0中门槛模型软件包，采用“自举法”反复抽样2000次搜索门槛值，估计结果如表2：

表2　门槛效应估计与门槛值检验结果

注：表中F值、相关临界值和95%的置信区间均采用“自举法”反复抽样2000次得到。

表 2结果表明，门槛变量FLCI存在双门槛值，两个门槛值均处于95%的置信区间也证明了其真实性。另外，利用图1和图2所示的似然比函数图，可以更加清晰地显示出门槛值的估计和置信区间的构造过程。门槛值是指似然比检验统计量LR=0时γ的取值，在本文的双重门槛模型中分别取值0.3411(图1)和1.4821(图2)，各个门槛估计值的95%置信区间是所有LR值小于7.35(5%显著水平下的临界值)的数值所构成的区间。

图1　第一个门槛值的估计与似然比函数图

图2　第二个门槛值的估计与似然比函数图

四实证结果及分析

根据以上所得的2个农地经营规模门槛值，把我国31个省级区域分为3个样本组，这样的分组标准是根据门槛模型测算而不是人为的主观划分，可以保证同组内部的观测数据是同质的。因此，将各省(市、自治区)按农地经营规模水平的高低分为低规模化水平 (FLCI<0.3411)、中等规模水平 (0.3411≤FLCI<1.4821)及高规模化水平 (FLCI≥1.4821)3组，具体各省(市、自治区)的组间分布情况如表3所示。以2013年数据为例，属于高农地经营规模化水平的有新疆、宁夏、吉林、黑龙江、内蒙古、西藏6省(自治区)，而广东、浙江、贵州、北京、上海、福建、四川、重庆等8个省(市)处于低农地经营规模化水平，其他的省(市)均处在中等农地经营规模水平的区间。接下来，以此分组为标准，对各省(市、自治区)样本进行回归检验。

表3　农地经营规模水平与地区分组

(续上表)

低农地经营规模水平(FLCI<0.3411)省份年份中等农地经营规模水平(0.3411≤FLCI<1.4821)省份年份高农地经营规模水平(FLCI≥1.4821)省份年份山东1997-2000,2003-2007河南2001-2013宁夏2001-2008,2010-2013河南1997-2000湖北2001-2009,2011-2013新疆1997-2013湖北1997-2000,2010湖南2009-2013湖南1997-2008广东2009广东1997-2008,2010-2013广西2001-2013广西1997-2000海南1997-2008,2010-2013海南2009重庆2008-2011重庆1997-2007,2012-2013四川2001-2009四川1997-2000,2010-2013贵州2001-2009贵州1997-2000,2010-2013云南1997,2001-2013云南1998-2000西藏1997-2005,2007-2010西藏2009陕西1997-2013青海2009甘肃1997-2000,2009-2013宁夏2009青海1997-2008,2010,2012-2013宁夏1997-2000

(一) 整体样本的回归分析

首先，将全国31个省级区域1997-2013年的所有面板数据进行整体回归检验。Stata12.0软件的F检验拒绝了混合模型(Pooled)假设，而Hausman的检验结果也显示P值为0.0000，由此确定采用固定效应模型(FE)。检验结果如表4中的模型7所示。农业科技投入对农业生产效率具有较为明显的正向促进作用，RD系数在1%置信区间显著为正，几个控制变量也通过显著性检验，人力资本(EDU)的回归系数为正，说明人力资本的积累有利于农业生产效率提高；对外开放程度(OPEN)的回归系数为正，证明地区间的对外开放通过产出效应与技术外溢效应促进效率提高；而工业化水平(IND)的系数为负，说明工业的发展不利于农业生产效率提高，重工轻农现象与工业剥削农业的问题依然存在；受灾面积(NAL)的回归系数为负且通过检验，这些检验结果与已有研究的基本经验和基本事实都是比较吻和的。为保证农业生产效率与各个解释变量关系的平稳性，本文基于全国样本进行普通的OLS回归检验，估计结果如表4中模型8所示。通过OLS检验与FE检验的结果对比，发现各影响系数的显著性与正负方向没有变化，仅仅是数值的大小略有差别，这也证明了模型设置与参数估计的合理性。然而，这一结果是基于全国样本同质性假设得到的，与现实中各省域的异质性特征明显不符，因此所得回归结果很可能出现偏误，为了更精确合理地估计农业科技以及其他控制变量的兴农效果，需要进一步分组检验。

(二)以农地经营规模为分组标准的面板模型回归结果

如表3所示，全国样本可以根据户均农地经营规模水平划分为低、中、高3组，由于这一划分标准是利用门槛面板模型根据经济数据自身的规律内生决定的，因此各组内部均可以视为同质样本。再次利用Stata12.0软件分别对3个区间的非平衡面板数据进行回归检验，Hausman的检验结果依然显示固定效应模型要优于随机效应模型，各参数估计结果如表4所示。其中，模型1、模型3和模型5分别代表低、中、高农地经营规模组的固定效应模型回归结果，模型2、模型4和模型6分别代表低、中、高农地经营规模组的OLS回归结果。

表4　以农地经营规模水平为分组标准的面板模型估计结果

注：括号内为t值，***、**和*分别表示在1%、5%和10%水平下显著，FE为固定效应模型，OLS为最小二乘法回归模型。

(三)结果分析

先分析核心解释变量农业科技投入与农业生产效率之间的关系。与全国整体样本回归的结果相比，各组间科技兴农的影响系数依然为正且均通过了1%水平的显著性检验，再次说明科技投入对农业的重要驱动作用。但在不同的农地经营规模约束下，其影响系数值存在较大的差异。低、中、高规模水平下的影响系数值分别为0.0218、0.0533和0.0473。即当农地经营规模低于0.3411(公顷/户)时，农业科技投入效果微弱，1单位科技投入仅能带来0.0218单位农业生产效率的提升。随着农地经营规模化水平提高，户均耕地面积处于[0.3411，1.4821]区间和1.4821以上的中、高规模水平时，农业科技投入对农业全要素生产率的影响大幅提高，其科技兴农效应弹性比农地经营规模化水平较低省份高出1倍以上。由此可知，农地经营规模的提高的确能有效改善科技驱农效果，当前中国农业科技驱动力不足的一个重要原因在于，较低农地经营规模的省份严重拉低了农业科技驱农作用的整体水平。

对为什么扩大农地经营规模能有效改善科技驱农效果，可以从3个方面进行分析。其一，农地经营规模化水平的提高，可以大大激发农户的科技需求。土地分散经营导致农业生产缺乏经济利益激励，农户对科技的需求常处于被动接受状态。农地集中促进了农业产业化发展，经营规模扩大有利于高新技术和大中型农业机械的推广和运用,其经济利润和回报率较传统小农生产将大幅度提高，进而有效促进农户科研与生产投入的积极性和有效性，大大提高了农业经营主体对科技的需求。同时，农地集约把农民由原来的自给自足小农耕作模式推向机械化、规模化的现代经营工作岗位，也将倒逼农民学习先进生产技术，催生新一轮的农业科技需求，为科技转化为生产力提供了正向激励。其二，农地经营规模化的另一个好处是提供了成本和风险的分担机制，能有效缓解土地分散经营与农业科技创新的矛盾。科技创新需要承担较大的失败风险，占有零碎土地的传统小农经营模式并不具备这样的抗风险能力。伴随着农地经营规模的提高，农地细碎化状态得到改善，规模经济效应逐步体现，农业盈利预期提高，经营主体抗风险能力增强，提升了农业科技创新的内在动力。其三，农地经营规模化意味着农地的经营者发生变化，如专业大户、家庭农场、农民合作社、农业产业化龙头企业等新型的农业经营主体逐步兴起，这类群体具备更强的掌握农业科技知识的能力，也更易于产生“示范效应”，带动其他农户采用新技术成果，提高农户的科技运用能力与市场经营能力。基于以上3个原因，在较高农地经营规模的环境下，农业科技投入能够更好地提高农业生产效率，从而取得更好的效果。反之，在较低农地经营规模省(市)，较小的经营规模远远不能达到农业经济产生规模效应的阶段，生产经营效益较差，传统农户缺乏足够的经济激励，又不具备承担技术风险的能力，自然不愿意尝试采纳和学习新技术，科技投入无法取得应有效果。

接下来对控制变量依次进行分析。代表各省(市、自治区)工业化水平的变量系数在3组农地经营规模水平样本中均显著为负，说明各组省(市、自治区)工业剥削农业的现象未能根本扭转，这与全国样本的检验结果类似。而对外开放度指标在不同农地经营规模省(市、自治区)样本中都显著地提高生产效率，并且随着农地经营规模的提高，其促进作用越来越大；农民受教育水平影响以及自然灾害变量的检验结果，与全国层面整体检验的结果相近。

进一步比较第二组和第三组的结果，发现最高农地经营规模的第三组中，其科技驱农效应反而不如第二组中等农地经营规模水平省(市)。这似乎与我们已得出的结论“农地经营规模扩大能有效改善科技驱农效果”相矛盾。对此可从以下3个方面来解释。其一，农地经营规模过大将导致规模不经济。当农地经营规模跨越第二个门槛后，这类省(市)由原来的规模经济转变到规模不经济阶段，农地经营规模的扩大不再能有效改善农业生产，科技投入在土地要素资源的制约下，其作用与效果便不如中等农地经营规模省(市)明显。其二，农地过于集中其实是对农地垄断经营的变相支持，尤其是在现实中以政府为主导的模式下，强制与非自愿流转行为难以避免，政府利益驱动加剧了资本对农地产权的侵蚀，农地越集中在少数人手里，优势农户阶层谋取自身利益现象越严重(李菁和欧良锋，2014)[21]。这可能导致科技资源分配不均，降低科技驱农效果。其三，农地经营规模越大，农地集中度越高，就越容易产生劳动力被挤出问题，失地农民安置问题更为严峻。游和远和吴次芳(2010)[16]指出，当前农地逐步向少数经营大户集中的过程，并不具备促进农业剩余劳动力向城市转移的自动实现功能。现实中更多的情况是，在城市二三产业吸收能力有限的条件下，原有耕地上的农民中有相当一部分滞留在农村沦为无效率的剩余劳动力。劳动力“挤出”的负面效应致使土地与劳动力配置进一步失衡，加剧中国“人地矛盾”，进而制约了科技兴农效应的发挥。所以，总体来说，在农地经营规模最大的第三组中，其科技投入的兴农效应不如中等农地经营规模省(市)显著，从而农业科技投入对农业生产效率的提升作用就出现了类似倒U型的特征。

(四)稳健性分析

为证明结果的稳健性，本文特别运用普通OLS方法对3组样本进行回归检验和估计，以此比较其与FE回归结果的差异，以及二者之间的非线性关系是否存在。检验结果如表4中的模型2、模型4以及模型6所示，在较低、中等以及较高3种不同农地经营规模区间水平下，农业科技投入对生产效率的系数依然通过显著性检验，其数值分别为0.0195、0.0523和0.0434。可见中等农地经营规模水平组别的科技驱农效果依然是最好的。这与FE检验的结果非常接近。另外，各控制变量的系数值与显著性检验结果均与FE的结果基本相似。从而说明本文的实证检验结果具有稳健性。

五结论与启示

(一)结论

本文根据1997-2013年中国省级面板数据，在考虑农地经营规模水平这个外部条件下，重点研究农业科技投入对农业生产效率的促进作用。研究结论表明：首先，农业科技投入对我国农业生产效率具有显著的促进作用，但这一作用由于各省(市、自治区)农地经营规模水平的不同存在明显的门槛特征；其次，当前农业科技驱农效果不佳的一个重要原因在于，农地经营规模较低的省(市)严重拉低了科技驱动力的整体水平；再次，农地经营规模的扩大能有效改善农业科技驱动效应，但农地经营规模最高的省(自治区)，其农业科技作用并不如农地经营规模处于中等区间的省(市)。

(二)启示

本文具有明显的政策含义。首先，研究结论指出农业科技投入对提高农业生产效率的驱动效果受到低农地经营规模水平的严重制约，所以在当前农业科技投入难以大幅提高的现实约束下，应以农地流转为契机，配合强力措施大力提高农地经营规模水平，加快农业生产规模化、集约化，尽快跨越农地经营规模偏小的第一个门槛。具体措施包括：建立和完善农地流转市场，完善农地流转政策和激励措施，鼓励和促进农户自愿流转。尤其值得注意的是，当前农地经营规模较小的分组中含有北京、上海、浙江、广东等经济发达的地区。这些省市和地区农地经营面积越来越小的主要原因，是它们根据自己的经济条件和自然禀赋逐步选择了非农产业，农业被大大地“挤出”了。如仅仅考虑这些省市具备的雄厚财政实力而继续对其增加农业科技投入，将带来更多损失与浪费。

其次，农地经营规模也不是越大越好，而是应协调好科技投入与各省(市、自治区)资源禀赋的配比，以农地适度规模经营为方向和目标。具体而言，对于处于中等农地经营规模水平的省(市)，应该优化打造农业科研良好的制度环境，大力推进农业经营制度的创新，构建新型农业经营体系，培养专业大户、家庭农场、农民合作社、农业产业化龙头企业等多元化新型农业经营主体，进一步创造易于技术吸收和应用的外部环境。而对于农地经营规模较大的第三组样本省(自治区)，政府应该高度重视农地过度集中带来的负面效应，安置好失地农民，严厉打击“假流转、真骗补”等市场异化行为。采取适度调控措施，逐步调整土地与劳动力的合理配置，防止农地流转带来的新一轮资源分配过程中出现的不平等现象。

最后，从农业科技投入的角度来看，在中国农业科技资源有限的常态约束下，应该结合区域要素禀赋条件，适应区域科技需求，优化科技投入的区域配置。即政府应把农业科技资源尽量向处于科技投入效率高的省(市、自治区)集中和倾斜，逐步提高该类地区的科技投入强度。在保证投入连续性的前提下，鼓励农业科研创新，推广科学管理机制，通过进一步提高市场开放程度，改善工业挤占农业现象，增加农户科技培训、提高农户科技素质，实施农业保险补贴、降低技术采用风险等措施，构建农业科研与生产的良性循环与互动机制。对于处于第一区间和第三区间省(市、自治区)，则应注意避免科技资源的无效投入与浪费，协调好科技投入与农地流转的关系，形成最大合力共同推进农业发展。

[参考文献]

[1] 农业部. 转方式调结构加快发展现代农业[EB/OL].(2016-03-08)[2016-03-18].http://www.moa.gov.cn/leaders/hanchangfu/huodong/201603/t20160308_5043007.htm.

[2] Solow, R. M.. Technical Change and the Aggregate Production Function[J].ReviewofEconomics&Statistics, 1957, 39(3): 312-320.

[3] Romer, P.. Increasing Returns and Long-run Growth[J].JournalofPoliticalEconomy, 1986, 94(5): 1002-1037.

[4] Lucas, R. E. J.. Adaptive Behavior and Economic Theory[J].JournalofBusiness, 1986, 59(4): 401-426.

[5] 王玄文, 胡瑞法. 农民对农业技术推广组织有偿服务需求分析——以棉花生产为例[J]. 中国农村经济, 2003, (4): 63-68, 77.

[6] Hayami, Y., Ruttan, V. W..AgriculturalDevelopment:AnInternationalPerspective[M]. Baltimore, MD: Johns Hopkins University Press, 1985.

[7] Carter, M. R., Yao, Y.. Administrative vs. Market Land Allocation in Rural China[J].Mimeo, 1998.

[8] Jules N. Pretty. Farmers’ Extension Practice and Technology Adaptation: Agricultural Revolution in 17-19th Century Britain[J].AgricultureandHumanValues, 1991, 8(1): 132-148.

[9] Chambers Robert, Pacey Arnold, Thrupp Lori Ann.FarmerFirst:FarmerInnovationandAgriculturalResearch[M]. London: Intermediate Technology Development Group Publishing, 2004.

[10] 黄季焜等. 农业技术从产生到采用: 政府、 科研人员、 技术推广人员与农民的行为比较[J]. 科学对社会的影响, 1999, (1): 55-60.

[11] 曹建民, 胡瑞法, 黄季焜. 技术推广与农民对新技术的修正采用: 农民参与技术培训和采用新技术的意愿及其影响因素分析[J]. 中国软科学, 2005, (6): 60-66.

[12] 王建华, 李清盈. 基于科技需求演化的农业生产经营主体培育与政策建议——以江苏地区农户为例[J]. 贵州社会科学, 2015, (2): 162-168.

[13] 陈风松. 土地流转与农业技术推广[J]. 学术理论与探索, 2010, (3): 25-28.

[14] 刘渐和, 祝延霞, 王德应. 土地使用权流转对农业技术创新的动力作用研究[J]. 科技与经济, 2009, 4 (2): 34-37.

[15] 孙雄松, 吕建秋. 土地流转进程中的农业科技成果转化机制研究[J]. 科技管理研究, 2011, (16): 186-191.

[16] 游和远, 吴次芳. 农地流转、 禀赋依赖与农村劳动力转移[J]. 管理世界, 2010, (3): 65-75.

[17] 罗必良. 没有土地流转, 科技推广是空谈[N]. 河南日报农村版, 2012-2-9(8).

[18] 陈治国, 李红, 刘向晖等. 农户采用农业先进技术对收入的影响研究——基于倾向得分匹配法的实证分析[J]. 产经评论, 2015, 6(3): 140-150.

[19] Hansen, B.. Threshold Effects in Non-dynamic Panels: Estimation, Testing and Inference[J].JournalofEconometrics, 22(2): 345-368, 1999.

[20] Caves, D. W., Diewert, W. E.. The Economic Theory of Index Numbers and the Measurement of Input, Output, and Productivity[J].Econometrica, 1982, 50(6): 1393-1414.

[21] 李菁, 欧良锋. 买方市场、 农地产权冲突与大规模农地流转困境——以安徽省五河县訾湖村为例[J]. 农村经济, 2014, (6): 31-35.

[责任编辑：戴天仕]

[DOI]10.14007/j.cnki.cjpl.2016.03.011

[引用方式]陈鸣, 周发明. 农地经营规模、 农业科技投入与农业生产效率——基于面板门槛模型的实证[J]. 产经评论, 2016, 7(3): 130-140.

Farmland Operational Scale，Agricultural Technology Investment and Agricultural Production Efficiency——A Study Based on the Threshold Panel Model

CHEN MingZHOU Fa-ming

Abstract:This paper takes the farmland operational scale as the research angle of view, based on China's 31 Provinces 1997-2013 years Panel Data, and analyzes the nonlinear effects of agricultural technology investment on the agricultural production efficiency with a threshold effect model. First, according to the threshold characteristics of the average size of farmland operational scale, dividing the sample into small, medium and large three groups. Then, we make the regression test for each unbalanced panel data. The results show: The agricultural technology investment has different effects on the improvement of agricultural production efficiency in the different farmland operational scale. The effect of agricultural technology investment is improved with the expansion of farmland operational scale. But in the largest farmland operational scale, its technology driving force is less than the medium sample, therefore, we should take the different policy according to the different regions of the province. And pay attention to consider the coupling relationship between farmland resource endowment and agricultural technology investment, to further make the full use of prosper agriculture by science and technology.

Key words:agricultural technology investment； farmland operational scale； agricultural production efficiency

[收稿日期]2016-02-21

[基金项目]国家社科基金青年项目“中国低碳城市试点的政策绩效评价及优化研究”(项目编号：15CJY037，项目主持人：邓荣荣)；湖南省社科基金课题“湖南省农业科技减贫效率测度与影响机制研究”(项目编号：15YBA327，项目主持人：陈鸣);湖南省教育厅课题“农业生产性服务业集聚对农业发展的溢出效应研究”(项目编号：2015C1218，项目主持人：陈鸣)；衡阳市社科联基金“农业生产性服务业集聚的外溢效应研究”(项目编号：2015C001，项目主持人：陈鸣)。

[作者简介]陈鸣，湖南农业大学博士研究生，南华大学经济管理学院讲师, 研究方向：农业经济管理；周发明，湖南农业大学经济学院、湖南人文科技学院教授，研究方向：农业经济管理。

[中图分类号]F301； F323.5； F323.3

[文献标识码]A

[文章编号]1674-8298(2016)03-0130-11