非农收入对于水稻生产技术效率的影响及启示

□王怀豫 董婉璐 VELARDE Orlee REJESUS Roderick 杨 军

[内容提要]本文采用随机前沿生产函数，利用斯里兰卡农户大样本调研数据，分析非农收入对水稻生产技术效率的影响。结果表明，非农收入对于水稻生产技术效率的影响是非线性的，呈现倒U型，这说明非农收入对于农业技术效率的影响是个动态过程，而前期相关研究仅仅捕捉了该变化过程某个阶段。研究结果对于正确认识城镇化和非农就业对中国水稻生产系统的影响及其政策都提供了重要参考。

一、介绍

水稻是世界上重要的粮食作物，在世界经济发展和结构转型中都起着重要作用(Timmer, 2010)。虽然随着经济发展和结构转型，农业生产，尤其是水稻等粮食作物，相比其他产业在经济中的地位不断下降，但其在保障粮食安全和提高农民收入等方面对一个国家宏观经济发展依然起着不容忽视的作用。粮食安全的基础是粮食生产能力的提高，这对于保障粮食安全和提高农民收入都十分重要。

然而，国内外水稻单产增速在过去几十年逐步放缓。全球水稻单产年平均增速从上世纪七十年代到八十年代的2.2%已经下降至上世纪末的0.8%(IRRI, 2012)。同期，中国水稻单产的年平均增速则从4.1%下降至1.3%①，如何提高农业生产力是现有农业生产技术面临的重大挑战和难题(倪洪兴，2014)。很多研究显示：由于自然资源和环境资源的限制，大多数小规模稻农生产效率低下，提高小农农户的效率是解决粮食安全的重要途径(Haji,2006;FAO,2012；Tan,2016)。

非农活动已成为越来越重要的农户家庭经济活动，并逐步改变着农户的家庭收入结构和生计策略(Estudillo et al., 2008; Haggblade and Hazell, 1989)。亚洲农户的非农经济活动收入平均占其家庭收入的约32% (World Bank, 2000)，而且发展中国家非农收入所占比重较高，约占农户收入的30%至50%(Haggblade, 2005)。非农活动有助于农户稳定家庭收入，降低农业生产风险，并且为农业生产提供所需的现金流，这些都为提高农业生产率提供必要条件 (Chang and Wen, 2011; Chavas et al, 2005; Haggblade and Hazell, 1989)。深入研究非农活动与农业技术效率之间的关系对解答非农部门发展对于农业部门的影响及其相关政策具有重要参考价值。

快速工业化和城镇化使得中国农业经营主体和农业生产投入结构发生巨大变化，非农就业在提高农户家庭收入、改变收入结构的同时，也引发了激烈的劳动资源竞争(Takahashi and Otsuka, 2009; Zhu and Luo, 2010；Tipi et al., 2009; Timmer, 2010)。然而，目前针对中国非农活动对于农业生产影响的相关研究较少，非农就业机会对于农业生产的影响并未得到清楚回答(Feng, 2008)，这与中国不同地区农业生产差异大且经济发展不均衡不无关系。各地区在地理特征、地块质量、气候条件和技术水平等差异显著，也使得前沿生产函数估计的有效性降低(Chen et al., 2009)。但是，由于在内在机制上的相似性，其他国家的相关研究可为中国这类问题的认识、解决和相关政策制定提供有效参考和借鉴。

本文将基于斯里兰卡的实地调研数据，深入分析非农收入对于水稻生产技术效率的影响。斯里兰卡是南亚次大陆南端印度洋上的一个岛国，与印度隔海相望。水稻是斯里兰卡最重要的粮食作物之一，产量逐年递增。斯里兰卡稻农的技术水平和灌溉设施情况发展比较均衡，不像中国等其他发展中国家那样存在较大差异；并且农户对于改良品种采用的种类和程度相似性高，差异性较小，这对于控制偏差，准确估计经济因素对于农户技术经营效率的影响十分重要。此外，斯里兰卡正处于经济快速发展时期，当地非农活动改变了农户家庭收入结构和家庭生计策略选择。因此，斯里兰卡提供了针非农收入对于水稻生产技术效率问题的理想环境。因此，本文旨在基于斯里兰卡微观农户数据研究非农收入对于水稻生产技术效率的影响，不仅可以丰富该领域的研究，进一步甄别非农经济发展对农业的影响机制，而且其发现对中国相关政策制定具有重要参考价值和借鉴意义。

二、文献回顾

非农活动工资上涨促使农户家庭资源的重新配置，尤其是劳动力分配问题。由于非农就业机会的提高，农业劳动力，特别是青壮劳动力，快速向非农就业转移。近年来有关中国农户种植行为的研究都表明：从事粮食生产农户的平均年龄都在50岁以上，多为老人和女性，青壮年急剧减少。主要粮食作物的劳动投入减少了60%-80%，机械化投入增加了3-6倍(胡瑞法、黄季焜，2002；胡瑞法、冷燕，2006；郑有贵，2007)；劳动力机会成本增长了近14倍，减少劳动力投入已成为中国农业技术发展的重要方向(胡瑞法，2001；胡瑞法、黄季焜，2002)。中国小农户生产模式的地区差异大，成为影响农业生产和技术采用的重要因素(李冬梅等，2009；陈庆根，2010；诸彩虹等，2012)。正是由于农业生产和非农生产间的联系日益紧密，对于农户农业生产效率的分析不能仅在农业内部进行，而应当将家庭经济活动视为一个整体，结合非农活动进行研究(Lovo, 2011; Chavas et al, 2005)。

技术效率，作为农户经济效率的一部分(Chavas et al. 2005)，主要是用于衡量或评价农业生产者对于某一农业技术的使用效果。农户技术效率在不同国家不同产品的研究中广泛使用，用来衡量农户农业实际生产和可以达到的最佳效果之间的差距。在有关农户技术效率的研究中，许多研究仅强调农户的农业生产行为本身，并没有考虑到非农活动对于农户种植行为的影响。由于农业活动和非农活动在农业家庭活动中的联系越发紧密，仅就农业来研究农户技术效率并不恰当(Lovo, 2011; Chavas et al., 2005).

目前，关于非农活动对于农业生产效率影响的研究结论并不一致，有些结论甚至相互矛盾。有研究显示非农活动对农业效率的影响为负，即从事非农活动的农户效率较低(Kumbhakar et al., 1989; Fernandez-Cornejo et al., 1992; Goodwin and Mishra, 2004)。然而，Chang和Wen (2011)的研究并没有给出类似的结论。他们将台湾稻农分为从事非农活动和不从事非农活动两种，对其水稻生产技术效率进行比较，研究结果表明：在技术效率较低的农户中，从事非农活动的农户比不从事非农活动的农户的技术效率更高，这与技术效率较高的农户情况相反。这一研究说明农户从事非农活动不一定会导致其较低的农业技术效率(Chang和Wen, 2011)。随着农户收入增长和收入结构的改变，非农收入在农户家庭收入中的比重呈上升趋势，地位日益重要，如何更好地评估非农收入对于农业技术效率的影响，尤其是对那些正在经历快速经济增长和经济结构变化的发展中国家显得尤为迫切(Estudillo et al., 2008; Haggblade and Hazell, 1989)。

分析农户技术效率的方法包括参数估计和非参数估计。一般来说，主要有随机前沿生产函数(SFA)和数据包络分析(DEA)两种。前者由Aigner et al. (1977) 、Meeusen 和van den Broeck (1977)提出，后者则是由Farrell (1957) 和Charnes等(1978)提出。关于两种方法的使用，学界一直都针对其适用性进行很多研究和讨论。作为非参数估计，数据包络分析方法(DEA)的优势在于并没有预先设定模型的具体形式和误差分布，适合处理多种产出结果或者多种作物的情况(Lovo，2011)，但是测量误差可以显着影响估计边界的形状和位置(Coelli和Battese，1996)。相反，在SFA中明确指定了两个误差项(即技术无效率和随机误差项)，这有助于克服DEA中出现的问题(Coeli和Battese，1996)。由于本文只关注单个特定作物(即水稻)，相比之下随机前沿生产函数比较适合本研究，也就是说，基于生产因素的随机生产边界与最大似然估计的无效率的决定因素在同一模型同时进行估计(Battese和Coelli，1995)。

三、数据和方法

本文采用分层随机抽样的方式进行农户调查。斯里兰卡全国分为三个气候带，包括西南的湿润地带、北部和东部的干燥地带以及两者之间的中间地点。三个气候带的划分主要是根据降雨量而来。东北(12月到2月)和西南(五月到九月)的两个季风和季风交替是斯里兰卡降雨的主要影响因素(Weerakoon et al., 2011)。干旱、洪涝和盐度是影响水稻生产的主要非生物胁迫因素。根据非生物胁迫因素、灌溉和水稻生产区域，项目在每一个气候带中选择了一个区县进行调查，共三个区县，即Kalutara, Kurunegala 和Puttalam(图1)。Kalutara位于西部省份，属于湿润地带，平均年降雨量为2500毫米，是易洪涝地区的代表，随机选择调查村一个，采用随机取样原则调查农户90户，其中每三户选择一户做详细的投入产出调查。Kurunegala位于北部省份，属于中间气候带，年降雨量为1750到2500毫米，因为当地包括“雨养”和灌溉两种水稻生态系统，在两种生态系统条件下各随机选择一个调查村。Puttalam位于西北省份，是内陆盐度地区，降雨量较小，年降雨量在1750毫米以下，属于干旱地区，调查村包括次要灌溉区域和主要灌溉区域地区。每一个地区都采用了随机抽样的方式选择农户进行调查。农户调查数据为2010年水稻主产季的数据，共计120户农户。当地农户的农作物以水稻为主，农户除少量的椰子种植外，很少种植其他农作物。这也在一定程度上排除了农业生产内部的土地和劳动力资源的分配，以及其他农作物种植所产生的农业技术溢出效应的可能。

图1 调查点分布

考虑到要搜集水稻生产投入的详细数据，要求受访者是农户家庭内负责水稻生产的人。调查内容包括农户的家庭资源禀赋情况、水稻品种、水稻投入产出、农户家庭收入结构等相关信息。在水稻投入产出数据中，详细信息包括各生产资料的投入、动力投入、农业机械、劳动力以及各项投入的成本等。动力成本包括机械投入和牲畜使用。为了获得准确的投入信息，每一户农户选择最大一块水稻生产地块为调查对象，即基于地块详细信息的水稻生产投入产出数据。

分析模型设置如下：

使用描述性和推论性统计来分析农业家庭的投入使用模式和社会经济特征。生产函数模型如下：

(1)

其中j表示第j个观察值。由于每个家庭选出一块水稻地块进行调查，所以第j个地块也代表第j个家庭。 Yj表示水稻单产； Xi是第i个地块的各种生产投入要素和指标变量(比如灌溉等)的向量；βj是要估计的参数向量。 Vj是独立且服从相同分布的随机误差项。 Uj是非负随机变量，用于捕获相对于随机前沿的无效效应(即通过截断零点的正态分布)的无效率分量。

水稻生产技术无效率模型如下：

(2)

其中Uj表示在随机生产函数中估计的第j个家庭或者地块的技术无效率。 Zij是家庭层面影响第j个地块的水稻技术效率的第i个社会经济决定因素，δj是要估计的参数。

在实际生产中，有些农民并不投入有机肥料或者农药，使得这些原始值在生产函数中数值为零。对于零值，本文采用Battese(1997)提出区间赋值的方法进行处理，模型如下：

ιnYj=β0+(α0-β0)D2j+β1ιnX1j+β2ιnX2j*+Vj，i=1,2，…，n

(3)

其中，D2j= 1 如果X2j= 0；

D2j= 0 如果X2j> 0; X2j*= Max (X2j, D2j)

模型3中若农户水稻生产的各项投入要素数值大于零，则以实际要素投入量的数值取值；若农户水稻生产的投入要素数值为零，则对于该生产要素赋值为1。该方法假定农民的产量相对于生产投入的弹性是相同的条件下，允许施用和不施用有机肥料或者农药的农民之间的误差方差是同质的。换句话说，通过这种赋值虚拟变量的方法可以调整施用和不施用特定生产投入要素的农户在同一模型中的截距项，以适用于同一模型分析而不损失观察值。此外，生产函数中还包括额外的虚拟变量以控制水稻生态系统的类型和土地所有权的种类。

回归的具体方程如下：

1nYj=β0+β11n(seedj)+β21n(chemicalfertj)+β31n(organicfertj)+β41n(herbj)+β51n(pestj)+β61n(powerj)+β71n(laborj)+β8Dirrigj+β9Dtenurej+Vj-Uj

(4)

并且，

Uj=δ0+δ1agej+δ2eduj+δ3hhsizej+δ4farmsizej+δ5nonfarmj+δ6nonfarm2j+δ7riceitensityj+Wj

(5)

生产要素投入的变量选择中(模型4)，与以前的水稻生产实证研究类似(比如Haji，2006; Yao和Shively，2007; Takahashi和Otsuka，2009，Chang和Wen，2011)，生产投入包括种子、有机肥、化肥、各种农药和除草剂以及劳动力投入②，即seedj表示第j个农户水稻调查地块的种子投入量，chemicalfertj和organicfertj分别表示该地块的化肥和有机肥料投入量，herbj和pestj表示该地块除草剂和农药的投入成本，laborj表示该地块的劳动力投入量，Dirrigj和Dtenurej是灌溉类型和土地所有权类型的虚拟变量。这也是被广泛用于估计发展中国家的农业生产前沿函数的变量和投入要素(Haji，2006)。其中，劳动力以单位面积的总投入天数进行计量，生产要素以投入的有效成分的数量进行测算。由于农民使用的农药和除草剂是液体或粉末状，不能以标准计量单位表示，这里采用单位面积的成本金额作为替代方案。

无效率模型(即模型5)中的家庭变量包括受访者的年龄(age)和受教育程度(edu)、家庭人口规模(hhsize)、户均土地规模(farmsize)、土地利用程度(即土地复种指数，riceintensity)和非农收入(nonfarm及其平方项nonfarm2)。受访者是农户家庭内实际进行种植水稻生产的人，户主调查中很多并不参与水稻种植活动，因此模型中引入的是受访者而不是户主的个人特征。年龄对水稻技术效率的影响可以是积极的或消极的，因为年龄较大的受访者往往有更多的农业经验，但同时也可能对于接受新事物新技术比较慢而妨碍生产率的提高。本文假设教育将对技术效率产生积极影响，并且农场规模较小的家庭由于更需要提高生产力以获得足够的产量满足口粮需求，其技术效率可能要优于水稻生产规模较大的农户，故假设种植规模较大的农户水稻生产技术效率较低。

复种指数是农户作物的总播种面积与实际土地面积的比值。水稻复种指数用以衡量农户对于稻田的种植和使用频率，水稻复种指数小于或等于1意味着农民每年只种植一季水稻；若大于1则说明农户可能在部分或者全部稻田种植两季水稻。具有较高复种指数的农户将从事更多的水稻种植活动，可能更有经验，这将有助于提高他们的技术生产效率。然而，复种指数较高的这些农民预期一年收获较大，收获保障系数大，也可能导致效率降低。复种指数低的农户由于风险更集中，必须最大化现有种植面积的潜力，也可能使技术效率更高。以前的研究对于复种指数和生产力之间的关系结果也并不一致。Pillai(2012)的研究表明复种指数高有助于提高土地生产力，农户更有效率。但一些研究表明，在较低效率的农民中观察到较高的复种指数(Ahmad，2001; Venkataramani et al.，2006)。以往的研究表明农业技术效率与非农收入之间的关系并不一致，研究结果也各有差异(Chavas et al.，2005; Hertz，2009; Bojnec and Ferto，2011; Chang and Wen，2011)，这可能与非农活动的定义有关。本文从大农业角度出发，所谓非农活动包括除作物种植和牲畜饲养之外的所有其他经济活动。

四、斯里兰卡的水稻生产和政策

斯里兰卡国土面积为65,610平方公里，2010年拥有人口2065万人。据统计，2010年人均GDP为2,399美元，贫困发生率为8.9%。农业占全国GDP总额的12%，共吸纳33%的就业人口。水稻作为最重要的粮食作物，2010年水稻生产占全国GDP的1.8%，满足当地人口40%左右的卡路里摄入。斯里兰卡的水稻生产是一个自给型供给，其进出口数量都很少。水稻生产的90%都是用于食物消费，政府水稻政策的主要目的是促进和稳定水稻生产。

由于技术的进步、化肥使用的增加、种植面积的扩大和政府各种支持政策的制定和实施，斯里兰卡水稻生产一直保持增长趋势(Walisinghe et al. 2010)。2008-2010年三年平均年稻谷产量为四百万吨，种植面积约为一百万公顷。水稻主要种植于Maha和Yala季节。Maha是当地水稻主产季，其产量约占全年产量的三分之二，种植期为九月下旬播种至次年二月；Yala种植期从四月上旬至九月上旬。斯里兰卡政府通过贸易和市场政策使得消费者和生产者双受益。政府分别制定了市场最高销售价格和最低收购价格以保护消费者和生产者的权益。水稻市场委员会(Paddy Marketing Board)是负责执行这些政策的主要机构。斯里兰卡另一个重要的水稻政策是投入补贴政策。政府2009年财政补贴270亿卢比③(约合2450万美元)补贴水稻生产的化肥投入。市场上化肥正常销售价格是每公斤120卢比，政府补贴金额约是化肥价格的95%，也就是说，稻农水稻生产的化肥投入价格仅为市场价格的5%。此外，政府提供的水稻生产的灌溉服务也是免费的。2011年初，斯里兰卡开始一项为期三年的现代种业项目，项目投入7亿卢比(约合640万美元)。同时，土地政策上，政府还规定用于水稻生产的土地未经政府许可不能转换种植其他作物。

五、分析结果

各主要变量的描述性统计如表1所示。斯里兰卡稻农的水稻单产约在3吨/公顷左右，平均每公顷投入化肥370公斤。但由于斯里兰卡政府对于水稻种植化肥投入的高额财政补贴，化肥成本仅占总农户生产成本的极小部分。机械投入成本所占比重较高，平均每公顷机械成本约为115美元。水稻单产水平不同的农户的机械和人力投入成本存在差异，并且投入来源不同，一般水稻主产季的农户劳动力总投入平均70个工作日④，其中75%的农户会雇用农村劳动力从事水稻生产，雇用的劳动力数占总劳动投入的30%左右。

斯里兰卡以男性户主为主，调查中约93%的家庭户主为男性，户均人口规模约4人。与中国农业生产类似的是，实际从事水稻生产的农民平均年龄超过50岁，其平均受教育年限为8.5年。虽然水稻生产者的教育年限从文盲到13年不等，但其标准差的值比较小，说明不同地区农户的教育差异不大。

表1调查农户基本特征及其水稻生产投入产出情况

数据来源：GSR-IRRI农户调查。

调查地区农户收入略高于全国平均水平，农户户均年收入约3300美元，人均收入为每天2.50美元。收入来源包括非农收入、养殖业收入和水稻生产收入。其人均土地资源比较有限，属于小规模农户，平均户均土地面积1.3公顷，其中45%的农户户均土地面积不足1公顷。当地农户种植水稻土地利用率比较高，相当一部分农户每年种植两季水稻，稻田复种指数平均为1.32。水稻收入除满足当地稻农的口粮需求外，也是家庭收入的重要补充，占农户家庭总收入的11%。非农收入是当地农户的主要收入来源，平均占农户家庭总收入的40%左右，其中56%的农户家庭总收入的一半以上来自于非农收入(图2)。

图2调查样本农户非农收入占家庭收入比重的分布

水稻单产是衡量农户技术采用效果的一个重要指标，为了进一步分析农户的水稻生产和家庭收入之间的关系，本文根据水稻单产的水平对调查农户进行了分组比较(表2)，可见水稻单产越高的农户，其水稻收入在农户家庭总收入的比重也越高。对于水稻单产较低的农户，农户则可能因为以非农收入补偿农业收入而损失了一定的水稻单产。但是，非农收入比重、家庭收入和水稻单产三者并没有趋同，即家庭总收入高的农户并不一定水稻单产就更高，非农收入高的农户也不一定水稻单产高。农户收入和水稻单产之间的关系还需进一步的分析。

如前所述，随机前沿函数包括C-D生产函数和超越对数转化(Translog)两种形式。为了选择更适合随机前沿函数的模型，C-D生产函数被嵌套在超越对数(Translog)生产函数中进行了广义似然比测试，似然比检验的结果显示，检验统计值为30.06，其p值为0.02，说明C-D生产函数单独就已经是随机前沿的适当模型，不用引入超越对数生产函数。因此，在本研究中采用等式(1)中所示的C-D函数形式作为模型进行分析。

(一)模型检验

为了验证随机前沿函数的回归结果，在对分析结果进行阐述前，本文对模型的几个假设进行了检验。假设一：技术无效率并不存在于模型中，即农户水稻生产效率已达到边界，并没有无效率行为。如表3的第一行所示，该零假设被拒绝，也就是说，从统计上显示斯里兰卡稻农的随机前沿生产函数中存在无效率行为。假设二：技术无效率模型可观测参数不存在随机分布，即技术效率不是随机的假设进行了检验。这一原假设被拒绝(如表3的第二行)，说明无效率模型的参数具有随机分布。假设三：针对模型所选择的影响技术效率的变量，原假设为模型中的影响技术效率的因素并不显著，该假设也被拒绝(表3的第三行)，这说明模型中引入的解释变量显著影响农户的技术无效率行为。

表2 不同水稻单产水平上的农户收入情况

数据来源：GSR-IRRI农户调查。

表3 假设检验结果

(二)随机前沿边界

最大似然估计的随机前沿模型的参数如表4所示。回归结果表明劳动投入对水稻单产影响并不显著。对于水稻这种劳动密集型的生产来说，劳动投入是重要的生产要素投入，而这一结果并不显著很可能是因为当地农户在单位面积水稻生产上的劳动投入差异较小。如表1所示，斯里兰卡农户水稻主产季的平均劳动投入是每人每天70人，标准差仅为26。

表4随机前沿模型回归结果

注：*P<0.10,**P<0.05,***P<0.01.

有机肥料投入和化肥投入对于水稻单产影响显著，这与之前的Yao和Shively(2007)在菲律宾的相关研究结果类似。然而，与菲律宾和亚洲其他稻米生产国不同，斯里兰卡政府大量补贴水稻生产中的化肥，价格补贴占市场价格的95%左右。在其他国家显著影响水稻生产的化肥投入成本在斯里兰卡可能并不是主要因素，但模型分析结果仍然显示化肥主要影响因素。为了进一步分析化肥对于斯里兰卡水稻生产效率的影响，对农户的化肥施用对照技术标准进行了比较分析。

结果显示，在氮肥施用上，60%的农户每公顷施用量为100-150公斤；在磷肥施用上，95%的农户每公顷施用磷肥25公斤；约77%的农户每公顷施用钾肥的数量从30公斤到60公斤不等。以斯里兰卡农业部推荐的肥料施用为参考⑤，只有17%的农民在调查地区按照推荐量施用氮肥。大部分农户(Kalutara地区73%，Puttalam地区100%)的氮肥施用都超标。磷肥和钾肥的施用情况类似，农户也很少按照技术标准进行水稻种植，只有7%和5%的受访农户按照技术标准分别施用磷肥和钾肥，大多数农民(90%)施用磷肥不足，而78%的农户则超标施用钾肥。通常化肥投入与水稻单产呈现正相关关系，农户的实际施用情况与技术标准还存在一定距离，这也反映出，通过提高化肥投入或者调整化肥施用构成仍可以一定程度上提高单产，尤其是对于那些化肥投入不足的地块，化肥投入提高单产仍是斯里兰卡水稻单产提高的重要途径。此外，灌溉地块的水稻单产平均高于雨养地块，这与菲律宾的Yao和Shively(2007)的观测结果相似。

调查农户的水稻生产技术效率分布如图3所示，技术效率范围从不足10%到接近100%，其平均水平为63%。这说明当地稻农的水稻单产技术效率仍有较大的提升空间。但值得注意的是，这一趋势分布呈现出双峰分布，对于影响技术效率的因素分析将有助于理解双峰分布，这将在稍后进行讨论。

图3 水稻生产技术效率的分布

(三)农户水稻技术效率的影响因素

如前所述，非农收入有可能影响水稻生产的农业投入和劳动力分配，从而直接或间接影响农户水稻生产的技术效率。非农收入增加有助于农户购买水稻生产所需的各种生产要素(比如化肥、良种等)。虽然非农收入会加剧农户家庭内部优质劳动力资源在农业生产和非农活动之间的竞争，但现代农业生产要素投入也有利于提高农户农业技术采用的边际效率，从而弥补优质家庭劳动力资源流失而损失的技术效率；另一方面，非农收入使得农户也有可能通过雇用劳动力来补充家庭劳动力的不足，从这个角度来说，非农收入增加则有可能提高农户水稻生产的技术效率。

技术无效率模型的回归结果如表5所示，模型中引入了非农收入所占家庭收入的比重及其平方项。非农收入比重的系数为负且显著，当非农收入所占比重提高1%时，农户的水稻生产无技术效率将下降3.57%，即技术效率提高3.57%；然而，非农收入比重的平方项却显著为正，即技术效率随着非农收入的提高而下降。这样的结果表明技术效率低下和非农活动之间的关系可能是非线性的，呈现倒U形。与非农收入有助于提高水稻生产技术效率的研究结果相比，如Sadika等(2012)、Chang和Wen(2011)以及Olson和Vu(2007)，本文的结果表明：非农收入对农业技术效率的影响是一个动态变化过程，即随着农户非农收入比重的增加，其水稻技术生产技术效率不断提高(即无效率逐步下降)，然而技术提高的幅度越来越缓慢；当非农收入水平达到一定水平后，非农收入比重的上升使农户水稻技术生产效率逐步下降。

为了进一步分析这一动态变化，本文将农户非农收入和技术效率的变化趋势按分位数进行分析(如图4所示)。可以看出，在非农收入比重较低和较高的分位数中，农户可观察到的技术效率得分较低。这说明在非农收入水平较低时，非农收入比重的增加将提高农业效率，即可能通过减轻农民面临的现金流等限制，提高农户实现增加生产要素投入的可能性。但是，随着更多的劳动力从农业生产转移出来，非农收入对于水稻生产的积极影响会逐渐减少，甚至可能为负。图4所示的分位数分布与前面随机前沿回归模型的结果一致。这一发现反映了非农收入增长对技术效率所产生促进效应和制约效应的动态变化过程，而且这一发现可以解释以前不同研究结论不一致的原因所在，即有争议的研究结论可能只是揭示其中的某一阶段非农收入增长与技术效率之间的关系。

表5 农户技术无效率影响因素模型回归结果

注：*P<0.10,**P<0.05,***P<0.01.

图4 非农收入分层下的技术效率水平分布图

关于技术效率模型中的其他变量，研究结果符合预期。如表5所示，土地规模对水稻技术无效率有积极影响，即农场规模较大的农民技术效率较低。而水稻复种指数对技术效率则有负面影响，并且在Ahmad(2001)和Venkataramani等(2006)的研究中观察到类似结果。还有值得注意的是，作为本文关注的重要因素的非农收入，其系数在回归模型中对技术效率的影响比其他变量都大的多，这也说明非农收入对于水稻生产技术效率的重要影响，进一步论证了对于水稻或是其他农业生产技术效率的研究不能忽视非农活动的影响。

六、主要结论和启示

伴随着经济快速增长和结构转型，斯里兰卡非农收入及其农民收入不断上升。而稻米是斯里兰卡最重要的主食，农户的生产规模较小，水稻灌溉系统比较完善，这一点与中国比较类似。因为斯里兰卡水稻生产的特殊性以及当地稻农从事种植业相对单一，加上其经济发展和政府对于水稻用地的特殊政策，使得可以在一个相对可控的条件下分析非农业对水稻生产的技术效率的影响。

家庭技术效率方程的回归结果显示，农户非农收入对于斯里兰卡稻农的技术生产效率有着显著影响，即非农收入比重的增加有助于提高农户水稻生产的技术效率；然而，非农收入比重的平方项则对农户水稻技术效率的影响相反，其影响显著为负。这样的结果表明：非农收入对于农户水稻技术效率的影响是非线性的，且呈现倒U形。这意味着非农收入对技术效率的边际贡献是积极的，但随着非农收入比重的增加而逐渐下降,甚至转变为负面影响。

本文的分析对于中国和其他发展中国家也有着重要的政策含义。农户可支配收入一直是发展中国家贫困农户脱贫的主要难题之一，非农活动的增多帮助农户提高家庭非农收入，这有助于解决小规模贫困农户的现金流的问题，从而提高现代农业技术的技术效率。这种效应也反映出外部的财政或者金融支持对于促进农户的农业生产，增加农户收入，从而帮助农户脱贫的重要性和可行性。然而，随着农户对于非农收入的依赖性增强，非农收入的增长可能会导致更多的劳动力转移到回报率更高的非农业部门，从而使农业生产面临其他产业在资源分配上更为激烈的竞争。此时，非农收入增长对于农业技术效率的负面影响会大于其积极影响。当农户经济发展和收入结构发展到这样的阶段时，技术创新和政策改革将是维护和进一步提高农业效率的根本途径。

注 释：

①根据国家统计局数据资料测算http://data.stats.gov.cn/workspace/index?m=hgnd.

②对于不同形式的劳动力投入都已经在模型进行过分析，也借鉴了Chang和Wen (2011), Dhungana等 (2004)和Audibert (1997)的方法。在所有模型的分析中，劳动力总投入和分项投入的变量均不显著，最后本文保留劳动力总投入的结果，其他分析结果并没有在文中一一展示。

③斯里兰卡的货币单位为卢比，即Rupees (Rs)。

④按每人每天8小时工作时间折算。

⑤斯里兰卡农业部的化肥施用技术标准是在一定水稻单产目标下，根据品种的生长周期和当地农业气候条件分别制定的。调查中仅有两户农户的水稻单产达到了6吨/公顷，其他农户的单产都低于5吨/公顷，因此，本文的化肥施用是按照单产5吨/公顷的水平作为参考标准。