小麦全要素生产率变化及其影响因素分析——基于全国15个小麦主产省份数据的实证研究

延桢鸿，马丁丑

（甘肃农业大学财经学院，甘肃省区域农业与产业组织研究基地，兰州730070）

农业是国之根本，是关乎国家命脉的战略性产业。党的十九大以来提出乡村振兴战略，明确要求构建现代农业产业体系、生产体系、经营体系，这既是推进农业现代化的重要支撑，也是实施乡村振兴战略的重要抓手，更是落实“将饭碗端在中国人自己手里”的重要举措，而小麦作为主要粮食作物之一，小麦产量健康、稳定增长对于国家粮食安全具有重要作用。

关于全要素生产率及其影响因素的研究，前人已经有较多的论述，李谷成［1］研究发现技术效率和技术进步二者实现“双驱动”对农业全要素贡献未能实现，需要采取不同经济政策；苏柱华等［2］对广东省人力资本研究中发现人均受教育年限对农业全要素生产率具有负向作用，农业科技研发人员数量对农业全要素生产率具有正向作用；尹朝静［3］则运用不同方法验证了科研人员投入对农业生产效率具有显著影响，而人力资本投入不具显著性；朱满德等［4］等研究综合补贴对玉米全要素生产率影响发现综合补贴没有引起市场扭曲和效率损失，有助于提高玉米全要素生产率；龚斌磊［5］研究了投入要素与生产率对农业全要素生产率的贡献发现，投入要素对农业增长的贡献度正在降低；陈书章等［6］则比较了不同区域下小麦全要素生产率。

现有研究大部分学者关注的是微观层面，即某一要素对于农业生产的影响变化，那么细化到粮食作物小麦，各要素对小麦全要素生产率的影响程度如何，各要素组合投入的变化是否能提高小麦的全要素生产率，对于这些问题鲜有学者进行分析说明。基于此，本研究结合新古典增长理论和内生增长理论，关注小麦全要素生产率及其影响因素，在农业经济地位日渐衰微、农业从业人员大规模转移的背景下，以期对有效提升小麦生产效率、指明小麦未来发展方向、促进小麦可持续发展等方面具有一定导向作用。

1 理论基础与模型构建

1.1 要素投入对全要素生产率影响机理

以索洛-斯旺为代表的新古典增长理论认为，经济增长的源泉主要来自于多要素投入和技术进步，其基本公式为：，其中分别表示产出增长、技术进步、劳动投入增长和资本投入增长，α、β分别表示劳动和资本在国民经济中所占比重。尽管索洛-斯旺模型存在诸多缺陷，但它为现代经济增长理论研究确定了一个基本范式，是现代经济增长理论模型的基准形式［7］。内生增长理论认为经济增长提高不是依靠物质资本和简单的劳动投入所得，而是通过技术、人力资本投入来实现的，认为这两种要素是经济持续增长的必要条件［8］。

1.2 研究方法

研究小麦全要素生产率变化及其影响因素分析，实际上在于研究两个方面：第一，小麦全要素生产率及变化情况；第二，各要素投入对小麦全要素生产率的影响。根据前人已有的研究并结合本研究要解决的主要问题，选用DEA-Malmquist指数和固定效应回归（FE）就各要素对小麦全要素生产率影响做出评估。

1.3 小麦全要素生产率测定与影响因素分析

1.3.1 模型设定

常用的生产效率测定方法有基于随机前沿分析（SFA）的参数方法和基于数据包络分析（DEA）的非参数方法。SFA模型最大的特点是使用确定的生产函数，利用面板数据进行精确求解，缺陷主要是设定生产函数时容易出现形式偏差，生产测度失效。DEA模型的优势在于不需要提前获知具体生产函数，可避免人为因素导致的测度失效问题。基于此，本研究采用DEA模型测度小麦全要素生产率，具体公式为：

式中，x0、y0表示每个DMU的投入向量和产出向量，λ表示常数比例，ε表示阿基米德无穷小量，θ表示决策单元（DMU）效率值，s+表示产出的松弛变量，s-表示投入的松弛变量。

由于DEA模型只能静态化测量效率，引入Malmquist指数对不同时间段数据进行动态测量，公式为：

技术效率变动指数又可以进一步分解为纯技术效率指数与规模效率指数，即：

当Malmquist指数TFP＞1时，则意味着全要素生产率呈上升趋势；TFP=1时，则表示全要素生产率不变；TFP＜1时，则表示全要素生产率呈衰退趋势。

为了进一步研究小麦全要素生产率变化的影响因素，参考相关研究成果［3］，根据C-D生产函数建立关于小麦全要素生产率的产出计量模型，公式为：

式（4）中，TFPit表示第i个省在t时期的全要素生产率，Xit，n代表小麦全要素生产率的影响因素（n=1，2，…，p），p代表小麦全要素生产率影响因素的数量。

为使公式计算简化，分别对式（4）两边取对数，可得：

影响小麦全要素生产率的因素包括自然因素、经济社会因素、人力资源因素、劳动力因素、政策因素等，据此可得最终的计量模型：

其中，CFit表示自然因素，ESFit表示经济社会因素，AHFit表示人力资本因素，LFit表示劳动力因素，POLit表示政策因素，εit表示随机误差项。

1.3.2 指标选取与描述性统计

关于投入产出指标的选取，产出变量选取2001—2016年15个小麦主产省份年总产量。投入变量选取种子投入、劳动力投入、土地投入、农用机械投入、化肥投入5个方面，其中：种子投入选取每667 m2种子费；劳动力投入选取小麦每667 m2用工人数；土地投入为小麦种植面积；机械化水平选取每667 m2机械作业费；化肥投入选取小麦每667 m2化肥投入量（折纯）。为消除价格因素影响，所有价格指标基于2001年不变价格进行计算。数据来源于《中国农村年鉴》、《中国统计年鉴》、《全国农产品成本收益资料汇编》。

关于影响因素变量的选取，主要选取：（1）自然因素：温度对小麦产量具有重要影响［9］。研究表明，温度对小麦产量影响呈现开口向上抛物线形状，温度的提升有利于小麦产量增加。另外，根据尹朝静［3］等研究，受灾率会抑制农作物生产效率，采用受灾面积与农作物播种面积之比来表示。采用省会城市年均气温和受灾率来衡量自然条件，预计受灾率会对小麦全要素生产率产生负向影响，但温度对小麦全要素生产率是否有影响有待进一步验证。（2）经济社会因素：科技、生产投入和社会经济发展对小麦生产驱动作用明显［10］。众多学者研究也表明社会经济因素对小麦生产的影响正在逐步加大，社会经济发展、农民收入增加，对小麦生产产生重要推进作用，但不可否认的是，社会财富增加、人均收入提高相应会减弱农民对农业依赖程度，采用农机总动力、有效灌溉面积、人均收入来衡量经济社会条件，预估农机总动力、有效灌溉面积会产生正向影响，人均收入的影响有待进一步验证。（3）人力资本因素：人力资本作为重要投入要素，对农业现代化的影响呈显著正向作用［11-12］。借鉴前人研究相关成果，采用人均受教育年限来衡量人力资本，根据卢卡斯人力资本模型，为便于统计和计算，选取人均受教育年限作为衡量标准，依据我国现有统计口径，受教育程度可划分为文盲及半文盲、小学、初中、高中、大专及以上，相应接受教育年限可划分为0年、6年、9年、12年、15.5年，预计会对小麦全要素生产率产生正向影响。（4）劳动力因素：劳动力作为农业生产不可或缺的因素，其投入规模对农业生产具有重要影响，前人研究表明，农业劳动力投入能显著提高粮食产量［13］。基于此，选取农林牧渔业劳动力投入指标，预计会产生正向影响。（5）政策因素：国家政策导向对小麦种植具有非常重要的影响，国家自2004年开始，逐步推行了良种补贴等四大农业补贴政策，国家对农业的大力支持，极大地提高了农民生产积极性，根据高鸣等［14］等研究，粮食补贴对小麦全要素生产率具有正向影响。采用每667 m2粮食补贴来衡量政策条件，预计会对小麦全要素生产率产生正向影响。相关数据来源于《全国农产品成本收益资料汇编》、《中国统计年鉴》、《中国农村统计年鉴》以及各省市农业农村厅、局，部分年份缺失数据采用Lagrtange插值法进行插值处理，变量描述性统计见表1。

表1 变量描述性统计Table 1 Descriptive statistics of variables

2 结果与分析

2.1 小麦全要素生产率结果分析

采用DEAP 2.1软件，运用DEA-Malmquist模型对全国15个小麦主产省2001—2016年小麦综合效率变化、技术进步、纯技术效率变化、规模效率变化以及全要素生产率变化指数进行了测算，运用几何平均值得出全国各时期相应指数（表2、表3）。

表2 全国小麦全要素生产率指数及其构成变化Table 2 Nationalwheat total factor productivity index and its composition changes

从整体上看，2001—2016年全国小麦全要素生产率平均增长2.8%，其中：技术效率年均增长1.4%，技术进步年均增长1.4%，纯技术效率年均增长为-0.01%，规模效率年均增长1.6%。这一时期全国小麦全要素生产率增长比较缓慢，技术进步增长贡献率和技术效率进步贡献相同，但该阶段纯技术效率为负增长，对整体呈现下拉态势。

从变化趋势来看，2001—2016年，全国小麦全要素生产率变化呈现阶段性特征。“十五”时期，小麦全要素生产率变动幅度较大，2001—2003年均保持正向稳定增长，但增长率逐年递减，2004—2005年技术效率、技术进步效率、规模效率突降，导致全要素生产率为负，2005—2006年又迅速反弹，出现较大波折；“十一五”时期，小麦全要素生产率整体呈现“衰退”态势，除2007—2008年增长率为正外，其余年份均为负值；“十二五”时期，小麦全要素生产率走出“十一”五时期阴影，整体呈现稳步增长态势，年均增长5.18%。

分区域来看，2001—2016年，各地区小麦全要素生产率呈现较大差异性：东北地区小麦全要素生产率增长速度最快，年均增长7.6%，高于全国小麦全要素生产率增长速度4.8个百分点；中部地区小麦全要素生产率全部呈现正向增长，年均增长2.2%，山西、河南、安徽、湖北四省年均增长率分别达到3.5%、0.8%、2.3%、2.3%；东部地区也呈现全正向增长态势，但除江苏外，河北、山东省增长速度均低于全国水平；西部地区整体发展较为缓慢，小麦全要素生产率增长率年均仅为0.9%。

表3 全国各小麦主产省份全要素生产率及构成变化Table 3 Total factor productivity and com position changes ofmajor wheat producing provinces in China

2.2 小麦全要素生产率影响因素结果分析

2.2.1 数据有效性检测

为了保证结果的有效性，避免“伪回归”现象出现，利用LLC和ADF方法分别对所有变量进行单位根检验（表4），结果显示所有变量均通过显著性检验，表明面板数据整体平稳。

表4 单位根检验结果Table 4 Unit root test results

2.2.2 模型结果分析

利用Stata 13.0软件，以小麦全要素生产率指数为因变量，以年均气温、人均收入等8个指标作为自变量，分别进行混合面板（OLS）、固定效应（FE）和随机效应（RE）模型回归。由表5可知，首先通过F检验，P值为0.0000，说明拒绝原假设，FE模型优于OLS模型，其次通过Breusch-Pagan LM检验，P值为1.0000，故接受原假设，表明OLS模型优于RE模型，最后通过Hausman检验，P值为0.0000，表明拒绝原假设，应采用FE模型。因此，经过模型检验比较分析，最终采用固定效应模型（FE）的回归结果。

各要素的影响结果表现为：（1）年均气温对小麦全要素生产率具有正向影响，与预期估计一致，但未通过显著性检验，根据杨婷等［14］所研究的结论，小麦生长条件对温度有一定的要求，温度提高有助于小麦全要素生产率提高，因而该因素还需要进一步研究论证，受灾率与预期估计一致，且通过1%水平显著性检验，表明受灾率增加会延缓小麦全要素生产率增长。（2）人均受教育年限对小麦全要素生产率具有正向影响，通过了1%水平显著性检验，人均受教育水平提高有助于小麦全要素生产率提升，说明农民对教育的重视程度以及国家实施的“三农人才”政策等培养人才措施对小麦全要素生产率有显著成效。（3）农机总动力对小麦全要素生产率有正向影响，与预估结论一致，且通过了5%水平显著性检验，这与现实情况相符，东北地区机械化水平普遍高于全国其他省份，小麦全要素生产率同时也是全国增长速度最快的。（4）有效灌溉面积对小麦全要素生产率有负向影响，但未通过显著性水平检验，2001—2016年，全国小麦主产省份除东部沿海地区可以实行大面积小麦机井等灌溉措施外，中西部广大地区由于地形等原因，仍然依靠自然降水来实现灌溉，排灌设施不健全，人力灌溉成本很高，对小麦生产是一种很大的负担，不利于小麦全要素生产率提高，但根据现有朱满德等［4］的研究以及实际情况，有效灌溉面积增加有可能推动全要素生产率的提高，但还有待进一步验证。（5）农林牧渔业劳动力投入对小麦全要素生产率有负向影响，且通过10%水平显著性检验，与预期估计相反，说明增加农林牧渔业劳动力投入对小麦全要素生产率有削弱作用，但结果也和人力资本、农机总动力因素相对应，全要素生产率不能够依靠增加人力投入来实现，而要提升人力资本质量，加强科技、机器使用，才能切实提高小麦全要素生产率，增加小麦产量。（6）每667 m2粮食补贴对小麦全要素生产率有正向影响，且通过1%水平显著性检验，与预期估计相同，说明国家对小麦的粮食补贴政策对小麦全要素生产率具有促进作用，这也与高鸣等［14］的研究结论以及目前国家政策导向相一致，未来国家仍然会继续加强对小麦种植进行政策补贴，这将有助于促进小麦全要素生产率的提高。

表5 小麦全要素生产率影响因素回归模型结果Table 5 Results of regression model for factors affecting total factor productivity of wheat

3 结论与建议

本研究运用DEA-Malmquist模型，测度2001—2016年全国各小麦主产省份全要素生产率，分析了小麦全要素生产率变化及其影响因素。研究表明：（1）2001—2016年，中国小麦全要素生产率呈现波动增长的态势，在此期间，技术效率和技术进步贡献相当。2001—2005年，伴随着教育、农机装备水平提升，小麦全要素生产率相应得到提升；2006—2010年，多个年份由于气候原因，小麦秧苗、机械化作业受到严重影响，此时劳动力投入较往年明显增多，成本提高，全要素生产率受到较大影响。2011—2016年，随着国家农业人才培育计划实施，人力资本水平明显提升，该时期农村劳动力转移也达到一定规模，农林牧渔业从业人员明显降低，但农机使用迅速填补了劳动力转移的空缺，小麦全要素生产率呈现反弹式增长。（2）不同省份间小麦全要素生产率差异明显，其中：东北地区增长最强劲，东部地区微弱领先于中部地区，西部地区增长空间较大。传统小麦种植优势地区——东北地区和东部地区，只有东北地区依靠国家商品粮基地的优势地位和补贴政策保持较高生产率，东部地区区位优势已经逐步下降，一方面是因为东部地区经济发展水平较高，政府投资结构明显倾向于第二产业和第三产业，另一方面，东部地区人均收入明显高于其他省份，农民对农业依赖程度已经大大下降，也不利于小麦全要素生产率的持续提升。

为了促进小麦生产率可持续提升，未来小麦发展应着重人力资源投入、机械化水平提升两方面。（1）大力加强农业人才培育。单纯劳动力投入不能有效提升小麦全要素生产率，政府应发挥引导作用，继续加强对农业人才培育力度，培育新型职业农民，提升农民教育水平，转变农业经营方式，同时鼓励大学生等高水平人才投入农业生产。（2）着力提高农机装备水平。机械化水平提升是实现规模化经营的重要举措，对提高运作效率、降低生产成本具有重要意义，各地区应按照自身实际，实行因地制宜政策，对地势相对平坦开阔的地区，应着力推行大型机械化种植，而对地形较为复杂的丘陵等山区，应推动中小型机械入地，同时为应对农机使用成本高的问题，各地区可以探索实行农机专业化服务体系，用租用替代购买，以此降低农民的使用成本［5］，实现小麦种植健康快速发展。