我国粮食生产力的空间差距分解及影响因素分析——基于单要素生产力视角

洪名勇，吴昭洋，何玉凤，王珊

（1. 贵州大学管理学院/中国西部发展能力研究中心，贵州 贵阳 550025；2. 浙江大学管理学院/中国农村发展研究院，浙江 杭州 310012）

我国粮食生产力的空间差距分解及影响因素分析
——基于单要素生产力视角

洪名勇1,2，吴昭洋1*，何玉凤1，王珊2

（1. 贵州大学管理学院/中国西部发展能力研究中心，贵州 贵阳 550025；2. 浙江大学管理学院/中国农村发展研究院，浙江 杭州 310012）

能否有效提升单要素生产力是保障我国粮食安全以及提升全要素生产力的基础所在。本文以我国30个省区2003-2015年间粮食单要素生产力为研究对象，通过构建“描述性统计-泰尔指数(Theil Index)分解-空间回归模型”这一实证分析框架，较为全面地比较了粮食单产水平(yA)和劳动生产率(yL)两指标之间的关联与差异。结果表明：1）国内研究大都选择yA，而国际学界则更多采用yL作为测度指标。研究范式的差异是造成指标选取差异的根源所在，不同测度指标的选取也会深刻影响粮食政策制定与实施的一般性倾向；2）两指标均呈现由东北向西南逐渐降低的空间分布特征，但彼此间并不存在均匀的线性相关关系。两指标经整体与局部空间层面的泰尔指数分解后均呈现较为明显的相异趋势；3）空间回归分析中，农地流转和中间投入品等变量对两指标的影响机制在回归系数的方向、大小和显著性等方面具有较高一致性，但以yL为因变量的模型拟合效果显著优于yA。精准化与差异化的施策方式为本文的政策启示所在。

单要素生产力；粮食单产水平；粮食劳动生产率；空间差距分解；空间回归分析

Abstract：Improving the single factor productivity efficiently is the basis for China’s grain security and the improvement of the total factor productivity. Based on the data of 30 provincial areas in China from 2000 to 2015, this paper built an empirical framework, “descriptive statistics- decomposition of Theil Index-spatial regression models”, and examined the relationship and differences between the two different indicators, including the grain yield per unit area (yA) and the labor productivity (yL). Results show that: 1) Domestic researchers usually prefer yA, while foreign researchers often select yL, as the measuring indicator of agricultural productivity. The difference in selecting indicators originates from different research paradigms. The indicator selection will affect the general tendency profoundly when making and enforcing grain policies; 2) The spatial distribution of the two indicators displays a gradual declining trend from the northeast to the southwest and there is no obvious linear relationship between them. Opposite trends have been shown obvious difference after decomposing the Theil Index of the two indicators; and 3) Spatial regression analysis shows that farmland transfer and intermediate inputs have consistent infuences on these two indicators in terms of the direction, magnitude and signifcance level of the estimated coeffcients. However, the models’ goodness of ft performsbetter when yLis treated as the dependent variable than when yAis treated as the dependent variable. Policy implications of this paper include enforcing and optimizing the current polices in a more targeted and heterogeneous way.

Key words：single factor productivity; grain yield per unit area; grain yield per labor force; decomposition of spatial disparities; spatial regression analysis

在我国“三农”领域，“粮食安全、食品安全与耕地安全”已成为当前经济社会发展中必须面对的重大民生问题，其中又以粮食安全最为根本，在构建“三农”安全网中扮演着承上启下的关键角色。农业生产力的持续性增长对长期经济增长的重要性已逐渐成为经济理论界与相关政策制定者的普遍共识[1-2]。作为度量生产力进步的关键指标，全要素生产率(TFP)以及基于投入产出分析计算得出的技术效率指数仅仅是一个加总的概念集合，认识我国农业生产力的增长不仅需要传统的全要素生产率，更需要深入研究单要素生产率[3]。通过广泛比较国内外针对农业或粮食单要素生产力问题的相关研究，本文发现：已有文献在衡量农业单要素生产力水平时存在较大的指标选取差异。

总体而言，国内学者大都采用单位播种面积产量（常称“单产”，yA），而国际农业经济学界则更多地选择单位劳动力产量（常称“劳动生产率”，yL）指标展开生产力问题的讨论。选取不同的单要素生产力指标绝非单纯的测度问题，国际经济学界广泛选择单位劳动力产量或产值作为单要素生产力测量指标的深层次原因在于其理论基础与分析方法根植于标准的新古典经济学范式，该范式以具有齐次或非齐次性质的生产与效用函数为建模基础，又以基于经济增长理论的生产力分析为典型代表[4-5]。此外，任一指标在不同时期所表现出的非一致性对技术变迁路径和制度安排具有深刻影响，是在政策偏好下实现“精准施策”及“有效施策”的重要依据。

具体而言，国内方面，李靖和孙晓明[6]通过“剔除趋势”模型对粮食单产波动及其年均增长趋势进行研究，指出我国粮食单产存在地区差异这一事实；杨丽霞等[7]选择相同的粮食单产指标和若干自变量指标，利用地理加权回归(GWR)模型分析了不同区域粮食单产的驱动因素，研究表明粮食单产的影响因素在空间上呈现出异质性，其中尤以单位播种面积的化肥施用水平对不同地区粮食单产的差异化影响最大。作为对全国范围开展研究的补充，国内一些学者利用灰色关联分析等方法对局部地区或直接对某一省份的粮食单产的波动、空间分布与影响因素等问题进行了研究[8-10]。国际方面，Hayami和Ruttan[11]较早地选择单位劳动力产量指标对发展中国家和发达国家的农业生产力水平进行了比较研究；Luh等[12]也将该指标作为测算Malmquist生产力增长指数的产出变量，较为系统地对东亚8个国家和地区的农业生产力变迁及其影响因素进行了实证分析；Gollin[13]和Gollin等[14]在研究跨国生产力差异时特意将单要素生产力指标的选择作为重点环节展开了详细论述，在充分结合国家层面和微观层面的数据进行对比分析后指出：单位劳动力产量(yL)指标具有更高的一致性和稳健性。此外，Fan和Pardey[15]在探讨农业研究（或知识存量）对我国1965-1993年间农业生产力的影响机制与程度时，特别指出土地生产力和劳动生产力两种单要素生产力指标间存在较大差异这一事实，即土地生产力的增长速度明显快于劳动生产率，该差异从全国层面反映出相关决策主体在土地节约型技术和劳动增强型技术的选择中存在一般性倾向。大量基于产量层面的跨国研究进一步表明，农业劳动生产率差异远大于其他生产力测量水平的差异程度[16-17]。此外，基于产值层面的劳动生产力指标在国际价格采取数量加权的价格形成机制下，该指标更适用于产量数据较为准确的发达国家和地区[14,18]。选择何种单要素生产力指标测度农业生产力水平不仅是一个看似简单、甚至较少被关注的应用问题，而且是一个源于研究范式差异的理论问题。

不同的生产力指标有着相异的经济意涵和理论侧重，而这一关键问题在现有研究中被广泛忽视。研究我国农业生产力，尤其是研究我们最为关心的粮食生产力水平地区差距以及相关影响因素等问题时，有必要充分结合国内外已有文献，将粮食单产指标与劳动生产率指标在同一分析框架内展开对比研究，从更为全面的分析视角深入探讨我国粮食生产力地区差距的结构性问题。本文在国内已有研究基础上的推进与贡献在于：通过构建“描述性统计-泰尔指数分解-空间回归模型”这一实证分析框架，较为全面地比较了粮食单产水平(yA)和劳动生产率(yL)两种单要素生产力指标的关联与差异状况，为政策制定与调整的精准性提供有效依据。

1 研究方法与变量选取

1.1 泰尔指数（T h e il I n d e x）分解法

通过对不平等指数的分解来研究地区差距的结构性问题已成为重要的实证方法之一[19-21]。考虑到本文侧重从地理空间层面对两种单要素生产力指标的地区差异及其结构性问题展开比较分析，需要选择一个从方法上能够完全分解为组间与组内差距的不平等测度指数，泰尔指数(Theil Index)就是其中的代表。通过对总泰尔指数(TT)进行分解，可计算地区内、地区间以及总体差异程度[19]。以粮食生产力空间差距分解为例，令TT=TW+TB，TT为总体差距，TW和TB分别表示所划分的k个区域组的组内和组间差距，具体设定如下：

TPm为区域m内的省际间差距，可进一步表示为：

式中：ym表示区域m的粮食作物总产量，Y表示全国粮食作物总产量，ymi表示区域m内i省的粮食作物产量；类似地，Nmi、Nm、Ni和N分别表示区域m内i省、区域m、i省以及全国的粮食作物播种面积或粮食作物劳动力数量，Q为区域m内的省区数量。

1.2 空间计量回归分析

1.3 变量选取

1.3.1 单要素生产力指标（被解释变量） 本文选取全国30个省区（除西藏和港澳台外）2003-2015年的粮食产量、粮食播种面积和劳动生产率等指标计算粮食单要素生产力；yA表示粮食单产水平，即单位播种面积产量；yL表示劳动生产率水平，即单位劳动力产量。需要指出的是，粮食单产水平(yA)和劳动生产率(yL)在理论上存在如（8）式所表示的分解关系，其中，Y为粮食产量水平，L为种粮劳动力数量，A为粮食播种面积。

1.3.2 影响因素指标（解释变量） 本文选取政府支持水平、土地、劳动力以及中间投入品等4类指标所涉及的9个变量作为空间回归分析中的解释变量（表1）。为避免因遗漏变量所带来的内生性问题，变量选取除了考虑已有文献在研究影响粮食生产力的诸多因素中常用的指标变量外[22-23]，进一步将“政府支持水平”指标纳入分析之中，选取“地方财政农林水事务支出(GSit)”作为政府支持水平的代理变量。此外，“农地流转(LTit)”作为实现农业现代化的基础条件之一，近年来受到越来越多的关注[27-28]，本研究也将该指标纳入分析之中。需要说明的是，影响粮食生产力的因素还有很多，从模型与量化视角探讨究竟是何种因素影响粮食生产力并非本研究的目的所在，本文的重点在于探究两种单要素生产力指标的联系与差异，即便如此，所选变量也已经能够较为全面地反应影响粮食生产力的因素集合。

表1 变量选取与说明Table 1 Variable selection and defnitions

2 数据说明与空间区域划分

2.1 数据说明

粮食单产水平由历年《中国农村统计年鉴》及历年《国家统计局关于粮食产量的公告》中粮食产量和播种面积指标计算求得；劳动生产率数据来源于国家统计局历年《国家统计局关于粮食产量的公告》，由于2013-2015年劳动生产率数据缺失，作为重要的被解释变量之一，此三年的劳动生产率数据经移动平均方法处理后获得。影响因素方面，“农地流转率(LTit)”数据由历年《全国农村经营管理统计资料》获得，其余变量数据均来自于历年《中国农村统计年鉴》（表2）。此外，由于“地方政府财政支农支出(GSit)”的统计口径在2007年前后不一致，该变量2003-2006年的数据由农业支出、林业支出与农林水利气象等涉农部门事业费加和求得；“农村劳动力文化水平(GLit)”指标由于2013-2015年数据未公布，文中采用2003-2012年间该指标的年均增长率计算求得2013-2015年数据。需要说明的是，本文空间回归分析重在比较因变量指标差异下影响机制及拟合效果的异同，不同模型设定下自变量均保持一致，因此自变量数据存在统计口径差异及部分数值缺失并不会影响本文主要结论的得出，不仅如此，缺失年份的数量相较于整体时序长度而言明显较短，进行相应处理与补足后影响有限。

表2 变量描述性统计Table 2 Descriptive statistics of variables

2.2 空间区域划分

本文借鉴张砚杰和王晓兵[29]以及Fan和Pardey[15]对我国农业生产力区域划分的方法，将全国粮食生产力从空间层面划分为6个区域组；此划分方法的优点在于较为全面地考虑了地理空间、资源禀赋和文化属性特征等空间异质性因素，所得分析结果的横向可比性更强，所获政策意涵也更具洞察力。6个空间区域组具体划分如下：①直辖市组3个：北京、天津和上海；②沿海省份组7个：河北、江苏、浙江、福建、山东、广东和海南；③东北三省组3个：黑龙江、吉林和辽宁；④中部省份组6个：山西、安徽、江西、河南、湖北和湖南；⑤西北省份组6个：内蒙古、陕西、甘肃、青海、宁夏和新疆；⑥西南省份组5个：重庆、四川、贵州、云南和广西。西藏自治区和港澳台地区由于数据完整性和异质性较强，在此作为缺失值处理；重庆市由于地理、资源禀赋以及文化等条件具有较强空间异质性，空间区域组划分时归入西南省份组，而非直辖市组。

3 结果与比较分析

3.1 基于描述性统计的比较分析

表3 各省区粮食单产水平(yA)与劳动生产率(yL)均值、均值排名与变异系数（2003-2015年）Table 3 Mean, mean’s ranking and the coeffcients of variance of yAand yLof provincial regions (2003-2015)

3.1.1 生产力空间分布与差异 依照所划分的6个空间区域组，表3展示了2003-2015年间粮食单产水平(yA)与劳动生产率(yL)的均值、均值排名以及变异系数等内容。整体层面，两指标均值水平呈现出由东北向西南逐步下降的空间分布特征，均值排名中仅有5个省区位次一致；消除量纲影响的变异系数（CV = (S/)×1 00%）值则进一步表明：劳动生产率变异程度明显大于粮食单产水平变异程度，劳动生产率与粮食单产水平变异程度自东北向西南逐渐降低；进一步验证了已有文献对我国粮食生产力在大区域格局间存在明显区域差异的判断[30]。局部层面，各区域组内部呈现出“整体一致，个体相异”的组内特征，其中东北地区得益于土地资源禀赋、种植条件以及规模化经营程度相对较高等优势，除黑龙江省粮食单产水平较低以外均处于全国前列，但黑龙江省的指标变异系数明显高于其他省份；相比而言，西北和西南省份组的单要素生产力水平普遍低于其他区域组，但两区域组分别在劳动生产率和粮食单产水平指标下具有相对优势。具体地，西南省份组在两单要素指标测度下均处于较低水平，且两指标排名差异较小；贵州、青海、甘肃、广西和云南等欠发达省区在两种粮食单要素生产力指标下均处于落后状态，此外，共有8个省区的两指标均值排名差异大于10，但所属区域和个体差异的方向并不具有一致性。理论上讲，空间分布存在较为明显的非一致性是各区域组之间以及组内各省区单位劳动力播种面积存在差异的必然结果。鉴于此，若单一使用某项指标作为全国生产力布局以及相关政策制定的依据则势必存在较为严重的偏差，粮食生产力水平的可持续提升需要更为精准化与差异化的政策措施。

3.1.2 相关性与增长趋同趋势比较 通过散点图及计算相关统计参数，可进一步探讨两单要素生产力指标间的关系。一元线性回归拟合结果虽然通过了显著性检验，但拟合效果较差，调整后的R2值仅为0.112 1（图1），lowess非参数拟合曲线也呈现末端分叉特征（图1中虚线）；由此可见，两指标在整体层面存在一定的相关性，但局部拟合效果较差，无法从个体层面得出两指标间存在稳健线性相关这一结论。

图 1 两单要素生产力指标散点图及线性拟合Fig. 1 Scatter plot and linear ftting of the two single factor productivity indicators

进一步从增长的趋同趋势层面比较两种单要素生产力指标。图2和图3清晰地刻画了两指标的增长趋同趋势，显而易见，两指标呈现出相反的增长趋同方向。其中，粮食单产的初始水平越低其增长速度就越快，线性拟合效果也较好（图2）；与之相比，劳动生产率则呈现出相反的趋同趋势，即某省区初始水平越高，其后期增长速度也越快（图3）。由此可见，两种单要素生产力指标在经济发展进程中表现出相异的趋同增长路径，粮食单产水平存在与传统政策偏好一致的增长方向，而劳动生产率却没有出现具有“后发优势”的增长特征。

图2 粮食单产水平(yA)初始值与增长率Fig. 2 Initial level and the growth rate of grain yield per unit area (yA)

图3 劳动生产率(yL)初始值与增长率Fig. 3 Initial level and the growth rate of labor productivity (yL)

3.2 基于T h e il I n d e x的空间差距分解

3.2.1 生产力空间差距的总体演变趋势 Theil指数的大小意味着各地区粮食单产水平与劳动生产率的差异程度，利用上文所述的泰尔指数计算方法，通过平滑折线图反映各年份空间差异变化的总体演变趋势（图4和图5）。具体地，2003年以来我国粮食单产水平的地区差距总体呈下降趋势，2004-2007年为上升阶段，2007年达到差距最大值，2007年后在波动中逐年下降（图4）。此外，在粮食单产水平的总体区域差距构成中，区域内差距的贡献大于区域间差距，区域内差距的下降推动了全国总差距水平的下降。就劳动生产率而言，2003年以来劳动生产率的地区间差距总体呈上升趋势，区域间差距的贡献大于区域内差距，区域间差距的上升带动了全国总差距水平的上升（图5）。同已有研究结果相比，粮食单产水平的分解结果验证了各区域存在明显的“俱乐部趋同”现象[22]，但基于劳动生产率的分解结果却得不到类似结论。

图4 粮食单产水平(yA)泰尔指数分解Fig. 4 Decomposition of the Theil Index of grain yield per unit area (yA)

图5 劳动生产率(yL)泰尔指数分解Fig. 5 Decomposition of the Theil Index of labor productivity (yL)

图 6 粮食单产水平(yA)各区域差距分解Fig. 6 Decomposition of the regional disparities of grain yield per unit area (yA)

图 7 劳动生产率(yL) 各区域差距分解Fig. 7 Decomposition of regional disparities of labor productivity (yL)

3.2.2 生产力空间差距的地区结构分解 进一步对总体层面的区域内差距展开分解可得到6个区域组的组内差距变化趋势。具体地，就粮食单产水平而言，各区域内差距除西南省份组存在上升趋势外，其他区域组均呈下降趋势（图6）；此外，东北三省组在2004-2007年间逐渐上升并达到最大值，2007年后其组内差距明显下降，可以推断，总体层面的区域内差距下降主要源于东北三省组组内差距的下降。就劳动生产率而言，沿海省份组的组内差距上升明显，西北省份组的组内差距相对平稳但远高于其他区域的组内差距水平，总体层面的区域内差异变动主要是由沿海省份组和西北省份组的差异波动所引起（图7）。比较而言，粮食单产水平在各区域组的组内差距明显小于劳动生产率指标，虽然东北三省组粮食单产水平的组内差距在下降，但劳动生产率的组内差距却呈上升趋势。

3.3 基于空间回归模型的影响因素分析

作为空间回归分析的基础，利用(4)式计算全局Moran’s I，分别对2003-2015年间粮食单产水平与劳动生产率进行全局空间自相关检验。Moran’s I大于0表示存在空间正相关，小于0表示存在空间负相关，接近于0则表明相互独立。结果表明，两种单要素生产力在各年份、各权重选择下Z(I)值均显著大于0，单要素粮食生产力存在正向的空间自相关和空间收敛特征（表4）。

空间自相关检验表明选择空间回归方法进行研究的适用性。结合前文所设定的空间滞后计量模型(6)式和空间误差模型(7)式，同时考虑两种空间权重类型，对因变量与自变量进行对数处理后展开具体的空间回归分析。所得空间面板数据经豪斯曼检验(Hausman Test)，对空间滞后与空间误差回归模型分别采用随机效应和固定效应进行处理。

模型最大似然估计(MLE)估计结果如表5所示。结果显示，空间误差模型(SEM)相比之下具有更好的模型拟合效果，引入经济空间权重矩阵(We)并未有效提升模型的解释力；此外，自变量回归系数的方向均保持一致，除受灾程度(LDit)和劳动力文化水平(CLit)在1%显著性水平上显著为负外，其他7个因素均呈正向作用关系；其中，受灾程度(LDit)对两种生产力指标具有一般性影响；农村劳动力文化水平(CLit)的上升隐含着优质农村劳动力更倾向于种植其他经济作物或选择外出务工，而农村剩余劳动力的学习能力和体力相对较弱，导致农村劳动力文化水平的提升对粮食生产力的增长产生负面影响；农地流转(LTit)作为提升农业生产力以及发展现代农业的基础环节，对生产力的提升具有显著正向影响。此外，劳均经营规模(MSit)对劳动生产率的促进作用更为显著，农业中间投入品所含3个变量也均能促进生产力提升。无论基于何种权重类型与模型类别的组合方式，因变量差异是导致模型解释力差异的单一核心因素，即各影响因素对劳动生产率的解释程度明显高于对粮食单产水平的解释程度。综上所述，基于两种单要素生产力指标的空间计量回归结果表现出“系数差异性小而拟合效果差异性大”的特征，自变量系数的弱差异性很可能是由于在回归中对各变量取对数所致，但不同因变量下模型整体拟合效果的差异十分显著，空间误差模型下以劳动生产率为因变量的回归模型相比而言具有更强的解释力。

表 4 粮食单产与劳动生产率全局莫兰指数空间自相关检验Table 4 Tests of spatial autocorrelation of the two indicators based on the Global Moran’s I

表 5 基于两种单要素生产力的空间计量模型估计结果Table 5 Estimated results of the spatial econometric models based on the two single factor productivity indicators

4 结论

本研究主要结论如下：

1）不论采用平均产值还是变异系数进行计算，两指标在空间层面均呈现出由东北向西南逐渐下降的空间分布特征，线性与非参数拟合结果表明两者间未呈现均匀的线性相关关系；从增长的趋同趋势看，两指标也呈现出完全相反的变迁路径，粮食单产水平表现出较为积极的“后发优势”，劳动生产率则呈现“强者更强，弱者不强”的趋同特征。

2）基于泰尔指数的总体空间差距分解结果显示，粮食单产水平与劳动生产率分别呈现出不断缩小和逐渐扩大的空间差距演变趋势，东北三省组、西北省份组以及西南省份组的组内差距变化是两指标总体差距变化呈现异化趋势的主要原因。

3）基于空间滞后模型与空间误差模型的回归分析结果表明，各影响因素对两指标的微观作用机制较为稳健，但模型的整体解释力存在显著差异，以劳动生产率为因变量的模型拟合效果明显优于粮食单产水平。研究结果充分表明，不同的单要素生产力指标确实具有不同的空间分布、趋同趋势以及空间差距演变等特征，指标选择的差异绝非单纯的测度问题，而是根植于分析范式与研究视角差异的理论问题，不同指标的选取会深刻地影响政策制定与实施的一般性倾向。

5 政策启示

基于研究结论，政策启示如下：

1）粮食生产力的空间布局与优化既要有区域侧重，又要有相应的指标抓手。当前，西部地区粮食生产能力相对较弱，但各区域单要素生产力具有不同测度指标下的相对优势，相关政策的制定也应顺势而为，有侧重地加强相应技术的研发与推广；例如，西北省份组和西南省份组的粮食生产力虽明显落后于其他区域，但分别在劳动生产率和粮食单产水平上具有相对优势，全国及地方性粮食政策的制定、调整和实施过程中应充分发挥这一相对优势，在上述地区分别加大对劳动增强型技术和土地增强型技术的投入力度，提升资源的配置效能。

2）“十三五”及今后一段时期，农业与粮食政策的调整与优化必须由“大水漫灌”向“精准发力”过渡，推行“精准化”、“差别化”的粮食生产力政策，基于各区域和各省区自身的生产力指标差异识别出生产力提升中的抓手所在，推行“一区域一策、一省区一策”的精细化科学发展思路；此外，在落实好2017年4月发布的《国务院关于建立粮食生产功能区和重要农产品生产保护区的指导意见》的基础上，建议进一步制定具有区域特点的粮食生产力发展规划，将农业与粮食生产力的政策举措同区域经济社会发展水平相匹配。

3）加大对专业化合作社、新型职业农民以及大学生等“新农人”组织与群体从事农业生产的引导和支持力度，提升现有存量种粮人口的生产技能和学习意愿，弥补农村优质劳动力外流所带来的负外部性；此外，对贵州、青海和广西等粮食生产力水平较弱的省区，继续加大农业与农村基础设施投入，降低农村土地流转中的交易费用，提升中间投入品的数量和质量，与此同时，加快调整并完善欠发达地区农村劳动力跨区域转移和就地城镇化的相关配套政策，在保障粮食供给安全的同时，实现粮食单要素生产力、种粮收入以及城镇化水平的多元协调发展。

[1] 盛来运, 付凌晖. 转型期农业发展对经济增长的影响[J]. 中国农村经济, 2014(1): 4-12.

Sheng L Y, Fu L H. Agricultural development’s impact on economic growth during transition period[J]. Chinese Rural Economy, 2014(1): 4-12.

[2] 党国英. 中国农业发展的战略失误及其矫正[J]. 中国农村经济, 2016(7): 2-14.

Dang G Y. The faults and corrections of China’s agricultural development strategic[J]. Chinese Rural Economy, 2016(7): 2-14.

[3] 辛翔飞, 秦富. 我国农业生产力水平的地区差距及其结构分解[J].农业技术经济, 2007(4): 23-27.

Xin X F, Qin F. Regional disparities of China’s agricultural productivity and structural decomposition of the disparities[J]. Journal of Agrotechnical Economics, 2007(4): 23-27.

[4] Griliches Z. The sources of measured productivity growth: United States’ agriculture, 1940-60[J]. Journal of Political Economy, 1963, 71(4): 331-346.

[5] Gollin D, Lagakos D, Waugh M E. The agricultural productivity gap[J]. Nber Working Papers, 2014, 129(2): 939-993.

[6] 李靖, 孙晓明. 省域粮食单产水平与波动状况研究[J]. 中国人口·资源与环境, 2011, 21(4): 76-80.

Li J, Sun X M. Analysis on provincial grain unit yield and its fluctuation conditions[J]. China Population, Resources and Environment, 2011, 21(4): 76-80.

[7] 杨丽霞, 杨桂山, 姚士谋. 基于ESDA-GWR的粮食单产及其驱动因子的空间异质性研究[J]. 经济地理, 2012, 32(6): 120-126.

Yang L X, Yang G S, Yao S M. A study on the spatial heterogeneity of grain yield per hectare and driving factors based on ESDAGWR[J]. Economic Geography, 2012, 32(6): 120-126.

[8] 程叶青. 东北地区粮食单产空间格局变化及其动因分析[J]. 自然资源学报, 2009, 24(9): 1541-1549.

Cheng Y Q. Spatial pattern change and its driving factors of grain per unit area yield in Northeast China[J]. Journal of Natural Resources, 2009, 24(9): 1541-1549.

[9] 张红富, 周生路, 吴绍华, 等. 江苏省粮食生产时空变化及影响因素分析[J]. 自然资源学报, 2011, 26(2): 319-327.

Zhang H F, Zhou S L, Wu S H, et al. Temporal and spatial variation of grain production in Jiangsu Province and its infuencing factors[J]. Journal of Natural Resources, 2011, 26(2): 319-327.

[10] 王亚伟, 韩珂. 河南省粮食单产变化趋势及影响因素分析[J].干旱地区农业研究, 2012, 30(4): 242-247.

Wang Y W, Han K. Change trend of grain yield per hectare and it’s impact factors in Henan Province[J]. Agricultural Research in the Arid Areas, 2012, 30(4): 242-247.

[11] Hayami Y, Ruttan V W. Agricultural productivity differences among countries[J]. American Economic Review, 1970, 60(5): 895-911.

[12] Luh Y H, Chang C C, Huang F M. Efficiency change and productivity growth in agriculture: A comparative analysis for selected East Asian economies[J]. Journal of Asian Economics, 2008, 19(4): 312-324.

[13] Gollin D. Agricultural productivity and economic growth[A]. Arrow K J, Intriligator M D. Handbook of Agricultural Economics, Vol. 4[C]. New York: North-Holland, Elsevier, 2010, 3825-3866.

[14] Gollin D, Lagakos D, Waugh M E. Agricultural productivity differences across countries[J]. American Economic Review: Papers & Proceedings, 2014, 104(5): 165-170.

[15] Fan S G, Pardey P G. Research, productivity and output growth in Chinese agriculture[J]. Journal of Development Economics, 1997, 53(1): 115-137.

[16] Caselli F. Accounting for cross-country income differences[A]. Aghion P, Durlauf, S N. Handbook of Economic Growth, Vol. 1A[C]. New York: North-Holland, Elsevier, 2005, 679-742.

[17] Restuccia D, Yang D T, Zhu X. Agriculture and aggregate productivity: A quantitative cross-country analysis[J]. Journal of Monetary Economics, 2007, 55(2): 234-250.

[18] U. S. Department of Agriculture Economic Research Service. Agricultural Productivity Growth in the United States: Measurement, Trends, and Drivers[R]. Washington, DC: The U. S. Department of Agriculture, 2015.

[19] Tsui K Y. Decomposition of China’ s regional inequalities[J]. Journal of Comparative Economics, 1993, 17(3): 600-627.

[20] Hussain A, Lanjouw P, Stern N. Income inequalities in China: Evidence from household survey data[J]. World Development, 1994, 22(12): 1947-1957.

[21] 高鸣, 宋洪远. 粮食生产技术效率的空间收敛及功能区差异—兼论技术扩散的空间涟漪效应[J]. 管理世界, 2014(7): 83-92.

Gao M, Song H Y. The spatial convergence and function differences of the technical efficiency of grain production and functional region difference: A discussion on the spatial ripple effect of technology diffusion[J]. Management World, 2014(7): 83-92.

[22] 陈秧分, 李先德. 中国粮食产量变化的时空格局与影响因素[J].农业工程学报, 2013, 29(20): 1-10.

Chen Y F, Li X D. Spatial-temporal characteristics and infuencing factors of grain yield change in China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(20): 1-10.

[23] 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, 35(4): 385-391.

Ma L J, Wang Y P, Tian Y. Regional differentiation of grain total factor productivity and infuencing factors in China[J]. Research of Agricultural Modernization, 2014, 35(4): 385-391.

[24] Moran P A P. A test for the serial independence of residuals[J]. Biometrika, 1950, 37(2): 178-187.

[25] Elhorst J P. Spatial Econometrics: From Cross-Sectional Data to Spatial Panels[M]. London: Springer, 2014.

[26] 林光平, 龙志和, 吴梅. 我国地区经济收敛的空间计量实证分析: 1978—2002年[J]. 经济学(季刊), 2005, 4(S1): 67-82.

Lin G P, Long Z H, Wu M. A spatial analysis of regional economic convergence in China: 1978-2002[J]. China Economic Quarterly, 2005, 4(S1): 67-82.

[27] 王晓兵, 侯麟科, 张砚杰, 等. 中国农村土地流转市场发育及其对农业生产的影响[J]. 农业技术经济, 2011(10): 40-45.

Wang X B, Hou L K, Zhang Y J, et al. The development of Chinese rural land transfer market and its impacts on agricultural production[J]. Journal of Agrotechnical Economics, 2011(10): 40-45.

[28] 陈海磊, 史清华, 顾海英. 农户土地流转是有效率的吗?—以山西为例[J]. 中国农村经济, 2014(7): 61-71.

Chen H L, Shi Q H, Gu H Y. Is the farmland transfer effcient? Evidence from Shanxi Province[J]. Chinese Rural Economy, 2014(7): 61-71.

[29] 张砚杰, 王晓兵. 改革开放30年中国农业生产力和效率变化评估[J]. 农业经济问题, 2012(10): 19-28.

Zhang Y J, Wang X B. The evaluation of the regional difference of total factor productivity in the past three decades[J]. Issues in Agricultural Economy, 2012(10): 19-28.

[30] 韩荣青, 戴尔阜, 吴绍洪. 中国粮食生产力研究的若干问题与展望[J]. 资源科学, 2012, 34(6): 1175-1183.

Han R Q, Dai E F, Wu S H. Problems and prospects of researches on China’s grain productivity[J]. Resources Science, 2012, 34(6): 1175-1183.

（责任编辑：王育花）

Analysis on the decomposition of the spatial disparities and the infuencing factors of China’s grain productivity: From the perspective of single factor productivity

HONG Ming-yong1,2, WU Zhao-yang1, HE Yu-feng1, WANG Shan2
（1. School of Management/China Center for Western Capacity Development Research, Guizhou University, Guiyang, Guizhou 550025, China; 2. School of Management/China Academy of Rural Development, Zhejiang University, Hangzhou, Zhejiang 310012, China）

F323.2 文献标识码：A 文章编号：1000-0275（2017）04-0561-10

10.13872/j.1000-0275.2017.0063

洪名勇, 吴昭洋, 何玉凤, 王珊. 我国粮食生产力的空间差距分解及影响因素分析—基于单要素生产力视角[J]. 农业现代化研究, 2017, 38(4): 561-570.

Hong M Y, Wu Z Y, He Y F, Wang S. Analysis on the decomposition of the spatial disparities and the infuencing factors of China’s grain productivity: From the perspective of single factor productivity[J]. Research of Agricultural Modernization, 2017, 38(4): 561-570.

国家自然科学基金项目（71673065）；贵州省2014年重大应用基础研究项目（黔科合JZ字[2014]200205）；贵州大学文科重点特色学科重大项目（GDZT201504）。

洪名勇(1965-)，男，贵州金沙人，博士，教授，主要从事农地流转、制度经济学与空间经济学等方面的研究，E-mail: hongmingyong@163.com；通讯作者：吴昭洋(1989-)，男，河南洛阳人，硕士研究生，主要从事农业生产力增长与经济结构转换理论等方面的研究，E-mail: todaywoo@foxmail.com。

2017-04-30，接受日期：2017-06-19

Foundation item: National Natural Science Foundation of China (71673065); Major Applied Basic Research Program of Guizhou Province in 2014 (JZ[2014]200205); Major Program of Key Specialty Majors in Social Science of Guizhou University (GDZT201504).

Corresponding author: WU Zhao-yang, E-mail: todaywoo@foxmail.com.

Received 30 April, 2017;Accepted 19 June, 2017