中国玉米全要素生产率区域差异的影响研究*

江激宇，刘玉洁

(安徽农业大学 经济管理学院，安徽 合肥 230031)

引言

玉米已经成为我国第一大粮食作物，其产量实现了连续十二年的增长，然而却出现了国内产量、库存量和进口量“三量”齐增，供需矛盾突出。要化解这一矛盾，必须从供给侧着手，转变玉米生产方式，提高供给的质量和效率，从主要依靠要素投入转变到依靠科技进步和制度创新上来，提高玉米的全要素生产率，降低生产成本(许经勇，2016)[1]。因此，研究玉米的全要素生产率及其背后的影响因素，对玉米产业实现健康发展具有重要意义。

目前国内学者做了许多关于农业全要素生产率(TFP)的研究，可以将其归纳为以下两个方面：第一，测算TFP及其分解指数，分析其时空差异，多数学者运用非参数DEA方法(杨春等，2007；倪冰莉等，2010；黄安胜等，2013)[2，3，4]，研究了不同地区、不同时间和不同对象的TFP，得出基本一致的结论：技术进步是推动TFP增长的主要因素，且不同地区TFP增长水平存在差异。石慧等人(2009)采用随机前沿参数方法进行了测度，得出TFP的差异是农业产出地区差异的主要来源[5]。第二，探索TFP变化的主要影响因素，弥补了单纯停留在测度TFP指数方面的不足[6-9]，如方福前等(2010)研究得出乡村从业人员、财政政策和农业经济地位是农业TFP的关键影响因素[6]；王珏等(2011)得出地理因素、土地利用能力、工业化进程、对外开放和科技水平在中国各地区农业TFP增长中起着主导作用[7]；别蒙(2014)认为农业专业化和财政支持是提升我国玉米TFP最有力的因素[8]；王力等人(2016)得出播种面积和受灾水平对棉花TFP具有显著影响，地区间影响因素有所不同，以机械投入最为显著，在西北内陆与TFP具有明显的正向影响，而在黄河和长江流域却是明显的负向影响[9]。

现有的研究成果是本文的重要指导，目前的研究多以农业整体为研究对象，而针对玉米尤其是玉米全要素生产率影响因素的研究相对较少；而空间范围上，多以少数几个主产区省份为样本，针对全国范围内的研究较少。那么，我国整体及各地区玉米TFP如何？究竟是哪些因素对玉米TFP的区域差异造成了影响？因此，本文从全要素生产率的角度，考虑数据的可得性和完整性，使用全国20个省市自治区2002—2015年的面板数据，采用非参DEA-Malmquist指数法测算和剖析中国玉米全要素生产率(TFP)的变化趋势和空间差异，并运用生产率测算结果进一步分析出现这一现象背后的原因，进而结合地区差异和影响机制提出相应的建议。

一、研究方法与变量选取

(一)研究方法

本文采用非参数DEA-Malmquist指数对我国玉米全要素生产率(TFP)及区域差异进行评价。该方法与动态面板数据相结合，既避免了参数方法可能带来的模型设定偏差，又克服了标准DEA停留在静态时点上评价的局限，还可以对效率值进行分解，找出其增长变动的源泉。Malmquist指数测出的是生产率的变动率，即决策单元从t时期到t+1时期TFP的变动，结合距离函数构建最佳生产前沿面，并将TFP的变化分为技术进步变化(TECHCH)和技术效率变化(EFFCH)，而EFFCH又可以分成纯技术效率(PECH)与规模效率(SECH)。现将t时期到t+1时期Malmquist指数记为：

Mt，t+1=

(1)

其中X和Y代表投入与产出变量，Dt(Xt，Yt)和Dt(Xt+1，Yt+1)各自代表在t时期的技术为参考下，时期t和t+1时期的生产距离函数。上述Mt，t+1值若大于1，表示这一时期TFP是增长的，若小于1，则是下降的；若等于1，表明这一时期TFP没有发生变化。将上述表达式进行分解得到：

(2)

其中第一个式子即为EFFCH，它反应的是决策单元与生产前沿面最优产出的靠近程度，而第二个式子为TECHCH，它代表了生产前沿面位置的移动，反应的是技术是否出现进步和创新，若该值大于1，代表生产技术出现创新或进步，反之则表示退步。这两项共同构成了TFP呈现变动的原因。

同时，本文利用STATA 12.0构建面板回归模型实证分析影响玉米TFP变化的因素，模型形式设定如下：

TFPCH=αi+Xitβi+uit，i=1，…，n；t=1，…，T

(3)

这里，α为常数项，Xit为可能对玉米TFP产生影响的各个因素，βi代表回归系数，uit代表误差项，i代表省份，t代表年份。

(二) 变量选取

1.投入产出指标。结合现有研究和农业生产知识，选择以下投入与产出指标对效率进行测算。在投入方面，选取劳动用工量X1(日/亩)，X2化肥用量(公斤/亩)、X3机械蓄力费(元/亩)、X4其他物质费用(包括种子、农药以及其他间接费用等)(元/亩)；在产出方面，选取Y1主产品产量(公斤/亩)和Y2主产品产值(元/亩)这两个指标。其中对X3、X4及Y2采用相应年份农产品价格指数进行平减。

2. 影响因素与基本假设。全要素生产率(TFP)衡量的是要素投入之外的因素所带来的产出的增加，可以推动经济实现质的飞跃。因而，实现经济质的飞跃必须得推动TFP的提高。那么，TFP的增长又与哪些因素有关呢？库兹涅茨认为资源投入质量的改进和技术进步在经济增长中所起的作用越来越大，丹尼森将产出的增长归因于资源配置的改善、规模经济和知识进步[10]。此外，丹尼森还肯定了教育在经济增长中的贡献。而新制度经济学将政府政策和制度安排看作资源配置和生产效率的重要因素。

因此，本文影响玉米TFP的因素归为四大类：生产要素质量、资源配置、政府政策及自然因素。第一，生产要素质量，如劳动、机械投入的质量和科学技术直接影响到农业经济活动，农业生产过程中出现的新技术、新方法通过优化要素组合来提高玉米TFP。而人力资本和机械化水平是衡量劳动力和机械投入质量的合适指标。第二，资源配置，生产要素跨越部门和地区之间的流动往往会优化资源配置效率，调节劳动力供求，而城市化和收入结构是反映城乡之间和农业部门、非农部门之间要素的流动。第三，政府政策是农业生产的强大支撑，政府对农业的支出，通过改善农业生产环境、完善农业基础设施而提高玉米TFP。第四，自然因素如受灾情况，通过影响作物的产出对TFP产生不利影响。综合，解释变量选取如下：

(2)机械化水平(JXH)：用农业机械总动力与总播种面积的比值来代表。该值越大，说明机械对劳动力的替代越多，有利于提高玉米的机播、机耕和机收水平，提高玉米生产效率。

(3)技术进步(TECH)：以DEA-Malmquist效率测算结果中的TECHCH即技术进步变化指数来衡量。

(4)城市化(CSH)：用总人口中城镇人口所占的比重来度量，反映要素在城乡之间的流动。该比重越大，越利于促进农产品流通，完善基础设施，增加农民收入，但我国城乡二元结构显著使得不合理的“城市偏向”制度制约了我国农业TFP的增长(邓宗兵，2010)。

(5)收入结构(GZSR)：用工资性收入与农民人均纯收入的比值来替代，它反映了劳动力从农业部门流向非农部门。该值越大，表示农民在非农领域劳动获得的报酬越多，有更多的钱投入农业生产中，生产积极性增强，有利于提高玉米TFP。

(6)财政力度(CZ)：用财政支出中农林水事务支出所占的比重来衡量，它是政策因素的替代指标。

(7)受灾率(SZ)：用各省份农作物受灾面积与总播种面积之比来表示。

(三)数据来源及说明

本文关于DEA-Malmquist指数的测算及玉米TFP变化的影响因素相关数据均来自2002—2016年《全国农产品成本收益资料汇编》《中国统计年鉴》及《中国农村统计年鉴》，样本范围为我国“镰刀弯”地区的20个省市自治区，并对其进行区域划分，其中北方玉米种植区包括内蒙古、辽宁、吉林、黑龙江、甘肃、宁夏、新疆；黄淮海种植区主要为河北、山西、江苏、安徽、山东、河南、陕西；西南种植区包括湖北、广西、重庆、四川、贵州、云南。

二、实证分析

(一) 中国玉米全要素生产率的变化趋势

利用DEA-Malmquist面板测算2002—2015年中国玉米TFP的变化率及其分解指数，评价结果见表1：

表1 2002—2015年中国玉米TFP指数的变化及其分解

续表

图1 2002—2015年中国玉米TFP指数的变化趋势

从变化趋势上来看，2002—2015年间，中国玉米TFP增长率呈现倒“U”形，最高值出现在2007—2008，年均增长率为15.6%，这是我国2006年彻底废除农业税制度所带来的滞后效应。从水平上来看，这14年间，中国玉米TFP年均增长-0.1%，其中技术效率年均增长0.1%，技术进步水平年均下降0.2%。表明这一时期技术效率的改进没有弥补生产前沿面的内移，从而使得整个14年间全要素生产率出现了小幅下降。进一步分析可知，2002—2014年中国玉米TFP平均增长率达1.2%，技术进步对TFP增长贡献了0.8%，而技术效率改善的贡献为0.5%。二者共同推进了中国玉米TFP的提高，且技术进步占主导作用。值得注意的是，2014-2015年中国玉米TFP以12.7%的速率明显的下降，从构成上来看是由技术效率损失和技术水平下降双重恶化导致的，年均增长率分别为-3.4%和-9.6%。其背后反映的是玉米在这一时期出现的产量相对于需求过剩，国家下调收储价格等问题。正因为如此，也使得整个14年间中国玉米TFP增长的平均水平呈现负值。

(二) 中国玉米全要素生产率的空间差异

表2 2002—2015年分区域玉米TFP指数及构成指数均值

根据DEA-Malmquist计算结果，从北方、黄淮海和西南种植区三个区域对玉米TFP指数进行分析和比较，见表2，可以看出，全国玉米TFP增长表现出明显的区域差异。

2002—2015年，从水平上来看，北方种植区大于黄淮海种植区大于西南种植区，TFP增长率依次为0.9%、-0.3%和-1.1%。其中只有北方玉米TFP增长率高于全国水平，其他两个区域玉米TFP增长速度均处在全国水平之下。这与我国玉米生产特点相符合，北方种植区不仅有良好的自然条件还受到国家政策的鼓励，而西南地区复杂的地形、气候和落后的基础设施等条件使得其玉米TFP指数处在最末的位置。

从分解指数来看，不同区域驱动玉米TFP增长的因素大有不同。技术效率的改善和技术进步的双驱动共同促进了北方种植区玉米TFP的上升。说明北方种植区不仅注重要素投入和生产管理的最优化，还不断地研发玉米种植技术。黄淮海地区玉米TFP的下降主要是技术进步水平的滞后造成的，技术效率改善对玉米TFP增长的贡献率为0.1%。这一地区低温旱涝频发，加上热量资源有限使得其对适应性优良品种的引进较难。最后，技术效率恶化和生产前沿面的向内回移共同导致了西南地区玉米TFP的下降，说明这一地区既存在要素投入和配置不合理的问题，又存在玉米生产方式粗放和技术水平低下的问题。

(三) 中国玉米全要素生产率的省份差异

根据测算结果，下面分析2002—2015年我国各省市自治区玉米TFP的平均变化趋势，见表3：

表3 中国20个省市自治区2002—2015年玉米TFP指数及其分解

从省级层面来看，2002—2015年全国超过一半的省份玉米TFP均是上升的，其中平均增长率排在前九名的分别是黑龙江、吉林、新疆、山西、贵州、河北、辽宁和内蒙古和山东，分别增长了4.3%、3.3%、1.1%、1.0%、0.9%、0.5%、0.4%、0.3%和0.3%。这些省份大多是玉米产量大省，除了贵州省，其他省份均处于平原地区，玉米种植的历史因素和机械化水平较高，且东北三省和内蒙古是我国玉米种植的黄金区域，除了自身优越的条件还受到国家粮食收储政策的支持，极大地促进了这一地区玉米种植的积极性，刺激他们不断开发新技术，改良新品种，表现出这四个省份玉米TFP的提高主要是由于技术进步推动的。而贵州省玉米TFP的提高主要依靠技术效率的贡献，贡献度达1.2%，说明其充分利用当地的地形和土壤条件，种植适宜的玉米品种，改良耕作制度，使玉米单产和生产效率得到了提高。

(四) 中国玉米全要素生产率及区域差异的影响因素

通过对2002—2015年中国玉米TFP指数的测算，证实了我国玉米TFP存在波动且区域差异明显，那么，究竟是哪些原因导致了玉米TFP的变动及这种区域性的不同？接下来利用STATA 12.0对可能影响玉米TFP变动的因素做回归分析。这里选取前文中测算的各省份TFPCH指数作为被解释变量，并将其换算成以2002年为基期的TFP累积增长率(高帆，2015)[13]。

1.描述性统计分析。为了探究数据的分布趋势，观察是否存在异常值，对数据进行描述性统计分析，结果见表4：可以看出各变量的值和分布较为合理，不存在异常值。

表4 描述性统计分析结果

2. 模型回归结果。首先，在hausman检验下选择固定效应面板模型对影响中国玉米TFP变动的因素做回归分析，表5是全国及三大区域的回归结果。

从全国来看，财政力度(CZ)、技术进步(TECH)和工资性收入与农民人均纯收入比值(GZSR)对我国玉米TFP增长具有显著的正向影响，且CZ、TECH和GZSR每增加1个百分点，玉米TFP将会提高1.2954、0.8320和0.4989个百分点。这说明，政府对农业领域的支持显著提高了玉米TFP，玉米生产过程中出现的新技术和新方法有力地推动了TFP的提高，农民在非农领域获得的报酬极大地增强了生产积极性，这种资源配置的优化对生产效率起到了显著的促进作用。而受灾率(SZ)、人力资本(RL)和城市化(CSH)对我国玉米TFP增长具有显著的负向影响。人力资本符号与预期相反，可能的原因是，我国农村劳动力中文化程度较高的人群受丰富报酬的吸引，流向了非农产业或城市，从而使得玉米生产出现了人力资本的流失(贺志亮等，2015)[14]，阻碍了玉米TFP的提高。城市化对玉米TFP具有制约作用，可能是因为我国城乡二元结构、“城市偏向”制度安排抑制了玉米TFP的增长(邓宗兵，2010)[12]。机械化水平在玉米TFP变化中发挥的作用不明显，但它有利于促进玉米TFP的提高。

表5 全国和区域模型回归结果

注：*、**、***各自表示在10%、5%和1%的显著水平上显著。

从三大区域来看，影响北方种植区玉米TFP增长最主要因素为技术进步，其次是财政力度和受灾率，系数分别为0.9140、0.4712、-0.0477。北方种植区是我国玉米生产黄金区域，种植历史悠久，积累了许多优良的技术和方法，且多年来一直受到国家财政的大力支持，如2007年开始在东北三省和内蒙古实施的玉米收储政策，对该地区玉米种植产生了积极的作用。值得注意的是，城市化在该地区玉米TFP增长中起到了一定的促进作用，说明城市化带动了该地区基础设施的完善，改善了地区社会环境，促进了玉米TFP的提高。

影响黄淮海地区玉米TFP增长最关键的是技术进步(TECH)，接着是人力资本(RL)和受灾率(SZ)，系数分别为1.0134、0.7312、-0.0489。值得注意的是，人力资本显著地推动了该地区玉米TFP的提高，意味着人力资本有效地提高了要素配置能力和生产效率。受灾率的影响程度大于全国、北方和西南地区，这与该地区自然灾害频发的特点相符合，也从侧面反映了该地区的抗灾能力较弱，使得这一因素对玉米TFP造成了显著的不利影响。

最后，影响西南山地玉米TFP增长最关键的是财政力度(CZ)，然后是技术进步(TECH)、工资性收入与农民人均纯收入比值(GZSR)和城市化(CSH)，系数分别为2.6280、0.5175、0.2315、-1.7965，且CZ的正向影响程度及CSH的负向影响程度明显超出全国、北方和西南地区，人力资本和受灾率也有一定的不利影响，也正是因为这些因素的不利影响使得该地区的玉米TFP指数处于三大区域最末的位置。

综上得出，生产要素质量、资源配置、政府政策和自然因素共同作用了玉米TFP。

三、结论和对策建议

(一) 结论

本文采用DEA-Malmquist指数方法和固定效应面板模型分析了中国20个省市自治区2002—2015年玉米全要素生产率(TFP)的区域差异及影响因素，主要结论总结如下：

1.中国玉米TFP年均增长率为-0.1%，在2014年以前整体保持增长趋势，而因2015年出现的大幅度下滑使得整个14年间TFP增长率为负值，因为2015年玉米出现了产量相对于需求过剩，国家调整了收储价格。因此，要继续从供给侧对玉米进行调整。技术进步在玉米TFP增长中占据主导作用。北方、黄淮海和西南地区玉米TFP指数依次递减。

2.三大区域玉米TFP指数内在构成差异明显。北方种植区主要得益于“技术效率改善和技术进步”双驱动共同效应，年均增长0.9%；黄淮海地区受技术进步的阻碍下降了0.3%；技术效率恶化和生产前沿面的向内回移共同导致了西南地区玉米TFP下降了1.1%。西南地区要同时兼顾对要素的组织管理及技术进步。

3.政府政策、技术进步和收入结构对我国玉米TFP增长具有显著正向作用，而受灾率、人力资本和城市化具有显著负向作用。三大区域影响玉米TFP增长的因素有所不同，技术进步、政府政策和受灾率是影响北方种植区玉米TFP增长的关键因素；技术进步、人力资本和受灾率是黄淮海地区的显著因素，且受灾率的影响程度超过了全国、北方和西南地区，侧面反映出该地区的抗灾能力较弱；政府政策、技术进步和收入结构对西南山地玉米TFP增长是正向效应，而城市化为负向效应，说明该地区存在着城市化进程中的不合理，农村未能享受到现代化城市文明等问题，也使得该地区玉米TFP指数处于最末的位置。

(二) 对策建议

结合上述结论，从地区差异和影响机制入手提出以下几点建议：(1)科学技术在玉米TFP增长中的作用突出，因此，要加强玉米生产技术的研发、应用和推广，不断提升技术进步水平，发挥技术在降低生产成本、增加作物产量和提高资源利用率方面的作用，并将技术应用到机械化中，促进机械化在玉米生产中的作用。人力资本也是一个关键的因素，但目前尚未起到积极的作用。对此，我国应该促进劳动力资源的合理流动，改善农业生产领域中高素质人员的流失情况，同时要做好对农村劳动力的知识和技能培训，提高受教育水平。让科学技术和人力资本相互结合，带动玉米产业实现长期增长。(2)引导劳动力合理流动，改革不合理的“城市偏向”制度。鼓励农民通过各种途径增加工资性收入，缓解在购买生产资料、贷款等方面的困难，为玉米生产提供可靠的资金来源。并且，建立起城市对农村的反哺机制，让农民享受到城市化成果，努力让这种流动改善农村面貌，提高玉米全要素生产率。(3)政府政策也是玉米TFP增长的重要影响变量，因此，要继续加大对地方农业的支出，完善农业基础设施和生产条件，改善农村环境，提高农民在玉米种植方面的积极性，为玉米生产形成重要的支撑。(4)增强对自然灾害的抵御能力，尤其是黄淮海地区，要建立起完善的灾害防御体系，削弱这种不可控的因素对玉米TFP的不利影响。