土地细碎化、收入非农化对农业技术效率的影响

傅 顺，卢 华

(1.南京大学 商学院，江苏 南京 210093；2.江西财经大学 生态文明研究院，江西 南昌 330013)

土地细碎化是指农户拥有许多空间不连续、大小不均等且离家远近不同的地块，每个地块都是独立的生产单元。据统计，我国农户平均土地经营规模为8.94亩，户均拥有地块数5.52块，平均每块土地面积为1.62亩(农业部农村固定观察点数据，2010年)。土地细碎化问题限制了规模化经营，增加田埂和沟渠面积，造成耕地资源浪费，降低排灌效率，分散了农户精力，不利于农户田间管理和农业生产服务性外包的发展[1-2]。

随着我国城镇化步伐的加快，在比较利益的驱动下理性农户开始大量向非农部门转移。截至2016年，我国农民工总量2.82亿人，其中，外出农民工1.69亿人①。理性农户为追求收入最大化从农业转移到非农产业，从农村转移到城市。这一现象导致大量的农业劳动力的外流，必然对农业生产造成了影响。另外，农村劳动力的减少也促进了土地流转进而影响生产效率。在资源约束情况下，要保障我国粮食安全和农产品的国际竞争力，就需要提高生产效率。在农民收入非农化的大背景下，学界对农业生产效率如何变化仍存在争议。

在劳动力就业市场和土地流转市场尚不完善的情况下，土地仍然是农民最后的保障，外出务工农民不会完全放弃农业，这种“离乡不离土”的现象不利于农业生产。因此，本文将上述两者纳入同一模型，分析其作用机制和影响方向是什么。在农业产业结构升级转型和供给侧改革阶段，研究此问题具有重要的理论价值和现实意义。

一、文献综述

有关土地细碎化与技术效率的关系学者们各持观点，魏娟等基于苹果种植户的微观调研数据，发现土地细碎化对技术效率有显著的负向影响[3]。张海鑫等发现丘陵地区的农业技术效率损失严重，耕地的细碎化又使得农机使用“进退维谷”，应该增加地块面积来提高效率[4]。也有部分学者，如李功奎等基于对江苏经济欠发达地区的调研数据实证得出，在人多地少且经济水平落后的地区，土地细碎化能促进农户增产、增收[5]。章立等对浙江省8个村进行三年的跟踪调查，实证分析得到在一定的农业资源禀赋下，细碎化的现状有利于农业技术效率提高[6]。卢华等认为土地细碎化是在我国经济发展水平不高时期农民理性选择的结果，选择多样化种植不仅能规避自然灾害所造成的农业生产风险性，抑制了因市场价格波动引起的“谷贱伤农”的发生，同时也规避农业劳动力供给的季节性配置不合理，对稳定农民收入和提高农业生产效率发挥了积极的作用[7]。

收入非农化如何影响技术效率一直是农业经济学领域的研究热门。有学者认为，非农收入有利于提高效率，收入效应降低了家庭风险配置，有效缓解了发展中国家普遍存在的农业生产资金的信贷约束，以及收入波动对农业生产的负面作用，增加农户投资农业生产的积极性[8]。梁义成等认为非农收入可以通过资金支持来促进农业技术效率[9]。黄祖辉、王建英等调研江西省水稻种植户投入产出的数据，实证检验发现非农就业对稻农技术效率具有显著的正向影响，增加非农收入能够有效提高稻农技术效率[10]。

也有学者认为，收入非农化对农业生产效率和土地产出率都带来了不利影响[11]。盖庆恩等认为收入非农化意味着农业劳动力的转移，向非农部门转移的劳动力往往是受教育程度、身体素质都较高的青壮年劳动力，对农业生产造成了“智力消耗”，降低了农业生产效率[12]。另一方面，这部分劳动力的转移使得农业劳动力结构发生调整，留守的“女性化”“老龄化”劳动力对新技术使用和采纳行为较低，从而降低了农业技术效率。在要素市场发育不完善和分散化的产业组织形式下，贺振华认为非农就业导致高素质青壮年劳动力的流失，不利于农业新知识、新技能推广，从而造成农业技术效率的损失[13]。马草原从劳动力转移带来农业从业人员结构变化，通过理论研究和计量相结合的方法分析得出，非农收入的增加造成的农业效率损失[14]。此外，吴天龙等利用河北农户调研数据，采用DEA-Tobit两步法实证分析得到，非农收入化对农户小麦技术效率影响并不显著[15]。

已有文献在土地细碎化、非农收入化对农业技术效率方面的研究已取得丰硕成果，但多着重分析单一因素的影响且结论颇有分歧，尚未将二者结合起来进行研究，使得估计产生偏误。另外，关于土地细碎化问题多是针对某个单一农作物进行考察，而理性农户会基于自身资源禀赋，利用细碎化地块进行多样化种植来防范农业风险，从而达到整体效益最大化。因此本文将土地细碎化和收入非农化一同纳入技术效率影响因素中，用江苏四市农户种植业微观数据，通过选取最佳的指标来反映土地细碎化和非农收入化程度，来讨论其影响机制和方向。在理论框架和描述性分析的基础上，构建随机前沿生产函数模型进行实证检验，最后得出相关的结论和政策建议。

二、理论分析和模型构建

(一)理论分析

Coelli在1996年提出技术效率可用于分析农业生产中的问题。用随机前沿生产函数衡量给定投入情况下能够实现的最大化产出水平，其对偶问题就是给定产出情况下的要素投入成本最小化，但实际生产中可能达不到最大产出前沿。纵观前人的研究大多是对农业生产的整体效率和行业效率做对比分析，从农户微观层面的角度出发，利用随机前沿函数去分析生产技术效率较少。因此本文借鉴Battese and Coelli在1995年提出的技术非效率随机前沿生产函数来进行实证分析[16]，其理论模型如下：

(1)

(2)

zi表示影响技术效率的控制变量，εi为模型的随机扰动项，满足极值分布，ei为待估参数，表示控制变量对技术非效率的影响大小和方向，ei为负值表示对农户技术对效率产生正向影响，反之亦然。

技术效率(technical efficiency，简写TE)是指在给定具体生产函数情况下，单位产量与设定的随机前沿面产值之比，其取值为0～1之间，1表示投入向量已达到完全效率状态，即生产水平达到了前沿面。农户的技术非效率形式根据随机前沿函数模型可设定为：

(3)

本文主要研究土地细碎化和收入非农化对农业技术效率的影响，所以生产函数的选择对结果影响很重要。超越对数生产函数(Translog)对数据样本的自由度较高，且投入要素较多的情况下回归结果过于复杂，所以本文采用传统的C-D生产函数。Taylor认为如果研究兴趣在于测量技术效率而非具体生产技术形式，C-D函数可以充分代表一般的生产技术[17]。Kopp也指出生产函数的设定形式对技术效率估计的准确性并没有多大影响[18]。

(二)模型构建

关于衡量土地细碎化的程度问题，Demetrious等采用地块数、平均地块大小和地块离家的平均距离等来衡量[19]，但上述指标反映出的问题较为单一且缺乏联系，并不能系统的衡量土地细碎化程度，学者Chen采用辛普森指数(Simpson’s index)作为土地细碎化的衡量指标，值得借鉴[20]。辛普森指标在一定程度上弥补了单变量在衡量土地细碎化时的缺陷，但是此指标主要利用地块数和地块面积两个变量，无法体现地块离家距离、农地产权等定性分析变量，这是辛普森指标的不足之处。本文根据实际调研数据的情况，采用最为符合调研数据的辛普森指数来反映土地细碎化程度，定义如下：

(4)

其中n表示地块数目，ai表示每块土地的面积，指标SI取值在0～1之间，SI=0表示农户只拥有一块土地，SI值越趋近1，表示农户的土地细碎化情况越严重。

在问卷设计的地块情况表中，我们要求农户根据当地的土地总体情况，结合自家土壤肥力和颜色、土层厚度、土壤紧实度等方面将不同地块分为“好”“中”“差”三种等级(好的地块为1，中等地块为2，差的地块为3)。土壤质量指数的值介于1到3之间，此值越小，表示从整体上此地块土壤肥力较好，其定义如下：

(5)

上式中，PI表示土壤质量指数，pland为每块地块的面积，soil为每块地块的质量高低，指标取值1≤PI≤3。综上所述，设定随机前沿生产函数的确切形式为：

其中，q为产出变量每户代表农户当年种植业总产量，lnq为产量的自然对数；xi依次为种植面积、劳动投入、化肥支出、机械费用、种子支出等生产过程中的要素投入和土壤质量指数。本文的成本依据全国农产品成本收益资料汇编和实际研究需要进行加总整理，其中的生产成本分为人工成本和物质服务费用，人工成本又包括家庭用工日和雇工成本，物质和服务成本又细化为化肥成本(本文的化肥费用包含农家肥和化肥,农家肥按照在当地卖出价进行核算)、种子费用等其他物质费用。根据调研问卷的设计，其他物质费主要包括农膜费、排灌费、畜力费以及其他生产性支出。建立在方程(3)上的技术效率模型具体表示为：

其中Zi为可能影响农户生产效率的解释变量向量，依次为户主年龄、受教育程度(用受教育的年限表示)、非农收入比例、非农就业培训、老人和小孩比例(老人的年龄下限为65岁，小孩的年龄上限为16岁)、家庭户籍人口数、辛普森指标。

三、数据来源和描述性分析

(一)数据来源

笔者所用数据来源于南京农业大学经济管理学院2013年底在江苏四市内组织的农户微观调研数据。江苏省经济水平发展较高，但区域经济发展不平衡，苏南地区工业化较苏北地区更具优势，在综合考虑各地农业现代化水平基础上，选取苏南地区的苏州市、苏中地区扬州市和苏北地区的淮安市和徐州市为样本研究地区(在苏北选取两个地区主要考虑到苏北地区的农业生产在江苏省举足轻重的地位)。运用简单随机抽样调查法，在选定的市里随机抽取2个县，然后随机抽取2个镇，最后随机抽取2个村。调研问卷主要包括：(1)农户家庭基本情况；(2)家庭成员构成及就业情况；(3)农业生产情况；(4)家庭收入和消费等方面的综合性问卷。此次调研员主要是经管学院的研究生，在正式调研之前对所有调研员集中培训熟悉问卷和流程，并对问卷进行讨论修改。在进入农村正式调研时，采取一对一的交流，问卷由调研员填写；每份问卷都会留下被调查者和调查员的联系姓名方式，以便后期复查，针对本文研究内容共筛选出337份有效问卷。

(二)描述性分析

在表1中我们描述了生产函数和技术非效率模型中各变量的统计数据，主要有变量的均值和标准差。在所调查的农户中，我们用每户种植业总产量代表产出水平；种植面积、种子费用、机械费用表示农户年实际耗费在各项要素上的投入；劳动力用工包括了家庭用工折旧和雇工工日；化肥费用以农户当年使用商品肥和农家肥费用之和表示。

在描述性数据中可以看到，调研地区农户种植业平均年产量约为11 289.48斤，每户拥有土地面积均值为6.8亩(并未区分是流转地和自留地)较之固定观察点计算的全国数据较低，可能的原因是由于江苏省的人口密集，而近年来农业用地被工业发展挤占较多，导致人均土地资源拥有较少。调研地区的辛普森指标达到0.55，说明细碎化程度较严重；土地质量指数为1.644，说明江苏大部分的土地质量较好，适宜农业生产；全年农户用工均值95工日，农户有较多的外出务工时间，农户有更多机会增加非农收入。

在生产物质性投入中，可以看出化肥费用相当于机械费用和种子费用之和，这说明农户更多地选择使用化肥来提高产量，这会造成农业重金属污染等一系列农业问题。在文中并未将农药放入生产要素中，因为调研问卷中并未说明农药的具体作用。如果农药作为预防性手段，则会增加农业产量；反之则会降低农业产量。

在技术非效率模型中，本文重点讨论土地细碎化和收入非农化对技术效率的影响，其他相关家庭禀赋作为控制变量放入模型中，以防止模型遗漏变量造成内生性问题。在控制因素中家庭禀赋特征包括户主年龄、受教育程度、是否接受非农就业培训等指标。因为并非所有家庭成员都从事农业生产，本文选取户主作为家庭农业生产决策者进行观察。

在样本地区户主年龄均值约为58岁，农业劳动力老龄化比较严重。一方面，年龄越大生产的劳动者生产经验越丰富，有利于提高生产效率；但随着劳动力的年龄增大，其体力和对新技术的接受度可能趋于下降，所以年龄对农业生产的影响尚不确定。调研地受教育程度普遍较低，绝大多数仅为中学教育。受教育程度越高可能越有利于接受新的技术和知识，预期对农业技术效率的提高有着积极的作用。非农就业培训占比仅为13.2%，说明被调研地相关培训较少。非农就业培训增加了农户外出机会，也分散了农户精力，预期对农业技术效率的影响不确定。

家庭的户籍人口规模会对家庭用工可得性和灵活性造成影响，也会直接影响农业生产的精细化水平，所以对农业技术效率的影响预期为正向。在家庭人口结构变量中，被调查地区的小孩老人占比达到40.3%，平均户籍人口为4.3人，说明每户至少有一个老人或小孩。

表1 描述性变量统计结果

注：根据农户调研数据整理计算得出

四、实证结果分析

随机前沿生产函数模型估计结果见表2上半部分，在影响调研地区农户2013年种植业产量的诸多因素中，产量与面积、劳动力用工、化肥费用、种子费用等生产要素投入为正相关关系。其中，种植面积、种子费用、化肥费用、劳动力用工的产出弹性系数为0.762、0.148、0.031 8、0.033 8，分别在1%、1%、10%、10%的水平上通过显著性检验。土地对产出的影响占据主导地位，说明江苏地区种植业产出主要依赖增加面积实现，土地作为一种稀缺资源是农业生产中不可替代的要素，而近年来工业用地不断挤占了农业用地，单纯依靠扩大种植面积的粗放式发展模式将不可持续。种子投入的产出系数为正且在1%的水平上通过显著性检验，在实际的调研中我们发现农户对提高农产品产量的新品种需求意愿较强，这也与徐金海的研究符合[21]。土壤质量指标与产出呈现负向相关，并在10%的水平通过了显著性检验，这与预期的方向一致。

在技术非效率影响因素模型中，回归的因变量是技术非效率。因此，若变量的估计系数为正，说明对技术效率产生负的影响，反之则为正向影响。户主的年龄对技术效率有着显著正的影响，在5%水平上通过显著性检验。这表明随着户主年龄的增加，农业生产的经验逐渐丰富，弥补了身体素质下降带来的不足。这也说明，不需要过度担心“老龄化”对农业生产的负面影响。受教育程度虽然没有通过显著性检验，反映出对技术效率的正向影响，受教育程度越高越有利于农业生产技术效率的提高。一项新的技术在开始投入使用的时候，由于生产者尚不熟悉，往往会处于技术非效率状态。而受教育程度较高的农户可以更快适应新技术，从而降低非技术效率值。另外，受教育程度较高的农户与前沿的生产技术和知识联系较为密切，可以较为理性的评估新技术带来的风险和收益。小孩和老人的占比对技术效率产生了正向影响，在5%水平上通过了显著性检验。在调研地区，青壮年劳动力转移程度较高，农村地区主要劳动力呈现老龄化趋势，老龄劳动力兼业的机会很少，能够全身心地投入到农业生产中，小孩在农忙季节可以协助帮忙。

表2 随机前沿生产函数和技术非效率影响因素模型的估计结果

注：投入要素均采用对数形式；***、**、*分别表示*** p<0.01，** p<0.05， * p<0.1的显著性水平。

在影响效率的变量中，农户所受非农培训越高越倾向于外出务工，接受非农培训和外出务工的时间减少了农业生产管理的时间，不利于效率的提高。农户非农收入占比对技术效率产生了负向影响，并在10%水平上通过了显著性检验，说明农户家庭非农收入越高，务农的机会成本越大，农户越倾向于外出务工以获得更多的非农收入，已获得的非农收入可能更多用于家庭消费而非投资农业生产。辛普森指标对农业技术效率产生负向影响，农地细碎化的客观存在妨碍了机械对劳动的替代，导致机械有效替代不足。细碎化程度越高生产要素投放浪费越多，农业技术效率越低。

五、结论和政策

在劳动力成本快速上涨和推进农业供给侧改革的背景下，农业生产效率对保障我国粮食安全至关重要。本文利用江苏省微观农户调研数据，运用随机前沿一步法并采用合理的指标衡量土地细碎化和收入非农化，得出其对效率的影响：(1)土地细碎化不利于农业生产效率的提高。土地细碎化的客观存在降低了要素投入的合理配置，限制了规模化经营。农户在不断地往返于不同的地块间，造成了生产要素的浪费，分散了农户的精力。(2)非农收入占比越高农业技术效率越低。非农就业通过多种作用机制来影响效率，综合表现为负向效应。(3)稳健影响农业技术效率的因素还包括户主年龄、非农就业培训、家庭人口结构(小孩老人占比)。

土地细碎化给农业生产带来了负面影响，阻碍了农业现代化进程。国家要进一步完善土地流转市场和土地确权工作，推进土地的平整，进一步优化农业经营体系。现阶段，农村劳动力普遍选择非农就业对农业技术效率产生了消极影响，要重视农村劳动力的过度转移所引起的“耕地抛荒”“空心村”等问题。当前我国要素市场不完善，劳动力大量外出务工和土地细碎化问题并存，成为阻碍农业生产的重要原因。要引导农户走规模化经营道路，发展新型农业经营体系，合理配置土地资源，既可以有效解决土地细碎化问题又可以提高农户农业收入。

注释：

① 数据来源：人力资源和社会保障部：《2016年度人力资源和社会保障事业发展统计公报》，人力资源和社会保障部网站(http://www.mohrss.gov.cn)，2017年5月31日。

[1]许庆，田士超，徐志刚，等.农地制度、土地细碎化与农民收入不平等[J].经济研究，2008(2)：83-92.

[2]展进涛，张燕媛，张忠军.土地细碎化是否阻碍了水稻生产性环节外包服务的发展？[J].南京农业大学学报(社会科学版)，2016，16(2)：117-124.

[3]魏娟，赵佳佳，刘天军.土地细碎化和劳动力结构对生产技术效率的影响[J].西北农林科技大学学报(社会科学版)，2017，17(5)：55-64.

[4]张海鑫，杨钢桥.耕地细碎化及其对粮食生产技术效率的影响——基于超越对数随机前沿生产函数与农户微观数据[J].资源科学，2012，34(5)：903-910.

[5]李功奎，钟甫宁.农地细碎化、劳动力利用与农民收入——基于江苏省经济欠发达地区的实证研究[J].中国农村经济，2006(4)：42-48.

[6]章立，余康，郭萍.农业经营技术效率的影响因素分析——基于浙江省农户面板数据的实证[J].农业技术经济，2012(3)：71-77.

[7]卢华，胡浩.土地细碎化、种植多样化对农业生产利润和效率的影响分析——基于江苏农户的微观调查[J].农业技术经济，2015(7)：4-15.

[8]纪月清，钟甫宁.非农就业与农户农机服务利用[J].南京农业大学学报(社会科学版)，2013(5)：47-57.

[9]梁义成，李树茁，李聪.非农参与对农业技术效率的影响：农户层面的新解释[J].软科学，2011，25(5)：102-106.

[10]黄祖辉，王建英，陈志钢.非农就业、土地流转与土地细碎化对稻农技术效率的影响[J].中国农村经济，2014(11)：4-16.

[11]钱龙，洪名勇.非农就业、土地流转与农业生产效率变化——基于CFPS的实证分析[J].中国农村经济，2016(12)：2-14.

[12]盖庆恩，朱喜，史清华.劳动力转移对中国农业生产的影响[J].经济学(季刊)，2014(3)：1147-1169.

[13]贺振华.农户外出、土地流转与土地配置效率[J].复旦学报，2006(4)：95-103.

[14]马草原.非农收入、农业效率与农业投资——对我国农村劳动力转移格局的反思[J].经济问题，2009，7(9)：66-73.

[15]吴天龙，赵军洁，习银生.收入非农化对农户小麦技术效率的影响——基于河北省的调查数据[J].湖南农业大学学报(社会科学版)，2017，18(3)：019-023.

[16]Battese, G.E., T.J Coelli. A Model for Technical Inefficiency Effects in a Stochastic Frontier Production Function for Panel Data[J]. Empirical Economics, 1995(20):325-332.

[17]Taylor T G, Shonkwiler J S. Alternative Stochastic Specifications of the Frontier Production Function in the Analysis of Agricultural Credit Programs and Technical Efficiency[J]. Journal of Development Economics, 1986. 21(1):149-160.

[18]Kopp R J, Smith V K. Frontier Production Function Estimates for Steam Electric Generation: A Comparative Analysis[J]. Econometrics Journal, 1980,47(4):1049-1059.

[19]Demetriou, D., J. Stillwell., L. See. A New Methodology for Measuring Land Fragmentation[J]. Computers Environment and Urban Systems，2013. 39(5)：71-80.

[20]Chen, Z., W.E. Huffman., S. Rozelle. Farm Technology and Technical Efficiency: Evidence from Four Regions in China[J]. China Economic Review, 2009,20(2)：153-161.

[21]徐金海.农民农业科技服务需求意愿与影响因素研究——以江苏省为例[J].经济纵横，2009(10)：62-64.