粮食全要素生产率及影响因素研究——基于2008—2017年四川省市级面板数据的实证分析

唐 亮，曾庆双 ，郎润华

（1.泸州职业技术学院 商学院，四川 泸州 646000；2.四川农业大学 经济学院，四川 成都 611130）

2020年以来，新冠病毒性肺炎疫情在全球蔓延，零确诊国家寥寥无几，民众囤积粮食现象在多国呈现，限制粮食出口国家越来越多。对于人口数量全球第一的中国，在面临进口限制和国内生产不确定性的双重约束下，能否满足国内民众需求值得深思。我国一直高度重视粮食安全问题，尤其是党的十八大以来，以习近平总书记为核心的党中央把粮食安全作为治国理政的头等大事，提出了“确保谷物基本自给、口粮绝对安全”的新粮食安全观，反复强调“中国人的饭碗任何时候都要牢牢端在自己的手上”。从经济社会发展趋势看，粮食需求仍将保持刚性增长，而粮食供给由于受土地要素约束、劳动力要素不断减少和进口限制等因素影响，难以保持按需增长，粮食供需矛盾突出。依据经济增长理论，全要素生产率（TFP）的提高可促使经济保持永续增长。因此，研究粮食全要素生产率及影响因素具有重要意义。

关于全要素生产率的研究文献主要分为三类：一是关于全要素生产率的测算。测算方法分为参数方法和非参数方法[1-2]，参数方法以索洛余值法和随机前沿生产函数法（SFA）为代表，非参数方法以数据包络分析法（DEA-Malmquist）为代表。二是关于全要素生产率的增长源泉。部分学者认为我国粮食全要素生产率的增长主要源于技术进步[3-4]；也有学者认为我国粮食全要素生产率的增长主要源于技术效率[5]；还有学者认为我国粮食全要素生产率的增长源于技术进步与技术效率“双轨驱动”[6-7]。三是关于全要素生产率的影响因素。学者从基础设施水平[8]、地区经济发展水平[9]、研发投入水平[10]、农业机械化水平[11]、经营规模水平[12-13]、农业结构调整度[14]等因素进行了实证研究。

从现有文献得知，全要素生产率的研究方法已成熟，全要素生产率的增长源泉和影响因素由于研究的区域、时间段、视角等不同而有不同结论，但少有文献单独研究四川省情况。近十年来，四川省粮食产量平均增长速度低于全国平均水平，多数年份增长速度徘徊在1%水平，个别年份出现了负增长，且有停止增长趋势。四川省作为全国13个粮食主产省之一和西部地区唯一主产省，其粮食生产的稳定发展，对于保障国家粮食安全意义重大。基于此，本文以四川省21个市州为研究对象，采用DEA-Malmquist指数法分析2008—2017年四川省粮食全要素生产率的演变情况，并运用面板线性回归模型、面板Logit模型和面板Tobit模型对全要素生产率的影响因素进行实证研究，以期为四川省粮食生产稳定发展提供建议。

一、粮食全要素生产率测算

（一）方法与指标

1.研究方法

本文采用DEA-Malmquist法对粮食全要素生产率进行测算。DEA-Malmquist是对全要素生产率进行测度和分解的一种非参数方法，分两步完成：一是建立Malmquist生产率指数，二是利用Shephard距离函数将全要素生产率分解为技术效率和技术进步[15]。具体计算公式如下：

式（1）中，ECH表示技术效率变化，TCH表示技术进步变化。若Malmquist指数大于1，说明从t期到t+1期的TFP是增长的；等于1，则没有变化；小于1，则是衰退的。同理，ECH和TCH也是通过与1进行比较而进行判断。

技术效率变化指数可进一步分解为纯技术效率变化（Pech）和规模效率变化指数（Sech）。具体计算公式如下：

2.指标选取

全要素生产率测度和分解是基于生产函数为前提，生产函数是根据投入和产出建立的。通常的投入要素为劳动力和资本，由于粮食生产必需土地资源，所以选取土地、人力和资本作为投入要素，选取粮食产量为产出要素。所有数据来源于《四川统计年鉴（2008—2018）》，其中2015年由于缺失农业机械总动力数据，采用2014与2016年数据平均而得。需特别说明的是，文中粮食概念来源于《四川统计年鉴》，是指农业生产经营者日历年度内生产的全部粮食数量，按收获季节包括夏收粮食、早稻和秋收粮食，按作物品种包括谷物、薯类和豆类。此外，为保证各个指标与粮食产出统计口径一致，各个指标均根据相应公式进行了计算，具体计算方式如表1所示。

表1 四川省粮食全要素生产率测算指标

（二）实证分析

本文使用DEAP2.1软件，对2007—2017年四川省21个市（州）的粮食全要素生产率进行了测算与分解，具体结果见表2和表3。

表2 四川省粮食Malmquist指数及其分解情况（2008—2017年）

表3 四川省21市（州）2008—2017年粮食Malmquist指数及其分解情况

1.省级维度分析

表2和图1显示，2007—2017年四川省粮食全要素生产率年均水平未发生变化，整体表现为“W型”趋势，即先下降，后上升，再退步，再上升。10个年份中，6个年份上升，其中2008年上升最快，上升3.4%，可能因为国家在当年加大了对四川灾后重建支持力度；4个年份退步，其中2015年退步最大，退步3.3%。从粮食全要素生产率分解来看，2007—2017年的平均技术效率和平均技术进步未发生变化。整体趋势看，技术效率略微发生变化，其变化幅度小于技术进步。技术进步变化也表现为“W型”趋势。10个年份中，5个年份上升，其中2008年上升最快，上升5.1%；5个年份退步，其中2009年退步最大，退步5.4%。从技术效率分解来看，2007—2018年间，规模效率和纯技术效率略微发生变化，绝大多数年份变化幅度在1%水平，仅2017年的规模效率进步2.1%。

为进一步分析指数变化情况，绘制了全要素生产率、技术进步和技术效率变化的折线图。从图1可以看出，2007—2017年全要素生产率和技术进步波动较频繁，波动幅度较大，尤其是2008年和2014年。技术进步与全要素生产率变化趋势基本一致，呈现“W型”趋势。技术效率波动幅度较小，与技术进步呈现“相反”趋势。从增长源泉看，技术进步是全要素生产率增长的主要源泉。由于技术效率未明显增长，依靠技术进步“单轨驱动”难以拉动全要素生产率的增长。

图1 2007—2017年四川省粮食Malmquist指数及其分解变化

理论上讲，在全要素生产率不变的情况下，劳动力、资本和土地资源在未达到最优配置时，随着要素的增加，产出将会增加。但对于粮食生产而言，必需土地资源，而土地资源由于受到限制，不能无限制的增加。当土地资源一定时，若劳动力或资本资源未达到最优配置，通过增加劳动力或资本资源可以增加产出；但若劳动力或资本资源已达到最优配置，通过增加劳动力或资本资源不能增加产出。此时，若想要增加产出，只能依靠全要素生产率。近十年来，四川省粮食全要素生产率年均水平未发生变化，粮食播种面积和粮食生产投入人数略微下降，粮食生产投入资本显著上升。显然，投入资本的增加会增加粮食产出，但由于受到粮食播种面积和粮食生产投入人数的限制，加之粮食全要素生产率年均水平未发生变化，粮食产出增长会受到限制，这解释了为什么近十年来四川粮食产量增长速度缓慢，多数年份增长速度徘徊在1%水平，个别年份出现了负增长，且有停止增长趋势。以上分析表明，四川虽然部分年份技术有进步，但由于技术效率未跟上技术进步的步伐，技术进步难以拉动粮食全要素生产率的增长，也就未能在粮食增产上发挥较好作用。

2.市级维度分析

表3显示，2008—2017年期间，内江、广元、眉山、雅安、宜宾、攀枝花、绵阳、自贡、凉山、乐山、巴中和成都12个地区年均全要素生产率上升，上升幅度最大的是内江市，上升1.7%；遂宁、资阳、阿坝、广安、南充、达州、泸州、甘孜和德阳9个地区年均全要素生产率退步，退步幅度最大的是遂宁市，退步4.7%。年均全要素生产率上升最大的内江市比退步最大的遂宁市高6.4%，说明地区间全要素生产率存在显著差异。

从全要素生产率分解来看，2008—2017年期间，广元、宜宾、绵阳、雅安、攀枝花、眉山、自贡、泸州、阿坝、凉山、巴中、成都和乐山13个地区年均技术进步上升，上升幅度最大的是广元市，上升1.4%；遂宁、资阳、广安、达州、南充、甘孜、德阳和内江8个地区年均技术进步退步，退步幅度最大的是遂宁市，退步3.5%。从技术效率变化来看，内江、眉山、达州、雅安、广元、凉山和乐山7个地区年均技术效率上升，上升幅度最大的是内江市，上升1.9%；宜宾、攀枝花、自贡、巴中、德阳、甘孜、南充、广安和资阳9个地区年均技术效率未发生变化；阿坝、遂宁、泸州、成都和绵阳5个地区年均技术效率退步，退步幅度最大的是阿坝州，退步1.6%。从技术效率进一步分解来看，规模效率和纯技术效率变化极小，57%的地区未发生变化。以上表明，地区间技术进步变化幅度大于技术效率，不同地区之间存在显著差异。

为进一步分析区域指数变化情况，列出了市（州）排名表（表4）。表4显示，成都平原经济区和川南经济区的三项指标明显优于川东北经济区、攀西经济区和川西北生态经济区。从年均全要素生产率变化来看，成都平原经济区及其周围地区主要表现为上升，离成都较远的偏远贫困山区主要表现为退步，但广元、巴中和凉山三个深度贫困地区表现为上升，可能因为精准扶贫带去了大量资金和先进技术，从而起到了显著成效。从年均技术进步变化和年均技术效率来看，大多数偏远贫困山区也表现为上升，这也进一步说明了脱贫攻坚发挥了巨大作用，推动了农村经济社会又快又好发展。

表4 四川省2008—2017年粮食全要素生产率相关指数分布情况

二、粮食全要素生产率影响因素分析

（一）方法与指标

1.研究方法

为进一步分析影响因素，本文根据Malmquist指数结果，采用面板数据模型进行分析。具体模型如下：

式（3）中，i表示市州，t表示年份，j表示解释变量的序号，其中i=1,2,···,21，t=1,2,···,10，j=1,2,···,6；TFPit表示被解释变量，是i地区第t年的粮食全要素生产率；表示影响因素；α为常数项；ui+εit为复合扰动项。

2.指标选取

影响粮食生产的外生性因素有很多，在参考已有成果基础上，本着指标选取的代表性、可比性和易获取性原则，本文选取了地区经济发展水平、机械化水平、研发投入水平、经营规模水平和农业结构调整度5个变量来进行实证研究。具体变量如下：

（1）地区经济发展水平（AGDPL）：采用地区人均GDP来表示。地区经济发展水平越高，可能对粮食全要素生产率带来正负两种效应：当地区经济发展水平越高时，农民可通过非农就业获得更多收入，若增加的收入投入到粮食生产，可能会提高粮食生产效率；但由于非农就业人口的减少，也可能会降低粮食生产效率[9]。因此，地区经济发展水平对被解释变量的影响有待验证。

（2）研发投入水平（RDL）：采用粮食作物单位面积研发投入金额来表示。研发投入水平越高，其新技术或新产品诞生概率越大。新技术或新产品一旦投入粮食生产，可能促进粮食生产效率的提升。因此，预期研发投入水平对被解释变量有正向影响。

（3）机械化水平（AML）：采用粮食作物单位面积使用机械总动力来表示。机械化水平越高，对劳动力资源的替代可能就越强，但并不能说明对粮食增长的贡献就越大[11]。因此，机械化水平对被解释变量的影响有待验证。

（4）农业经营规模水平（ASL）：采用人均粮食作物播种面积来表示。农业经营规模越大，其劳动生产率就越高，进而提升粮食全要素生产率[12]；但也有研究者认为两者之间存在负向关系[13]。因此，农业经营规模水平对被解释变量的影响有待验证。

（5）农业结构调整度（AAS）：采用粮食作物播种面积占农作物播种面积的比例来表示。农业结构调整度越大，其粮食作物播种面积占比越大，可能提升粮食总产量，但并不能说明对粮食增长的贡献就越大。学术界对于农业结构调整度和粮食全要素生产率正反关系的看法未达成共识，有学者认为农业结构调整度正向影响被解释变量[11]；但有学者持怀疑态度，认为农业结构调整度负向影响被解释变量[14]。因此，农业结构调整度对被解释变量的影响有待验证。

3.数据来源

所有数据来源于《四川统计年鉴（2009—2018）》。由于全要素生产率指标数据为相对值，而选取5个变量数据均为绝对值，为统一数据，所有解释变量数据按照增长率计算方式转换成相对值，所有变量描述见表5。

表5 四川粮食全要素生产率影响因素选取指标

（二）实证分析

1.稳健性分析

为提高估计结果的精准度，本文选用面板线性回归模型、面板Logit模型和面板Tobit模型，采用Stata15.0软件分析了粮食全要素生产率的影响因素。（1）进行面板线性回归模型分析时，对固定效应模型做了F检验，根据检验结果（P=0.891 9），在10%水平上接受了原假设，即面板线性回归应采用混合回归。（2）进行面板Logit模型分析时，令全要素生产率退步时，其值为0；反之，其值为1。对固定效应模型与混合回归模型做了Hausman检验[16]，根据检验结果（P=0.012 3），在5%水平上拒绝采用混合回归模型的原假设。进一步对固定效应模型与随机效应模型做了Hausman检验，根据检验结果（P=0.043 5），在5%水平上拒绝采用随机效应模型的原假设。根据两次Hausman检验结果，面板Logit模型应采用固定效应Logit回归。（3）进行面板Tobit模型分析时，对随机效应模型做了LR检验[17]，根据检验结果（P=1.000），接受了原假设，即面板Tobit模型应采用混合Tobit回归。此外，模型进行了多重共线性检验，最大方差膨胀因子（VIF）为2.64，远小于10，可不必担心多重共线性问题[18]；进行回归分析时，使用了聚类稳健标准误，可不必担心异方差问题。从最终采用的模型结果看，三个模型（模型1、模型4和模型6）系数的正负符号完全一致，表明回归结果具有较好的稳健性。

2.结果分析

表6显示，所有模型系数的正负符号完全一致，表明所有变量对全要素生产率的正负影响是可靠的。从变量显著性来看，农业经营规模水平未通过模型1的显著性检验，研发投入水平未通过模型4的显著性检验，农业机械化水平未通过模型6的显著性检验，其余变量均通过了10%水平的显著性检验。具体如下：

表6 四川省21市州粮食全要素生产率影响估计结果

（1）地区经济发展水平均通过了3个模型的5%水平的显著性检验。地区经济发展水平系数为正值，表明地区经济发展水平对粮食全要素生产率有正向影响，即地区人均GDP增速越快，粮食全要素生产率进步越大。这也证实了表4第二列结果，即成都及其周边地区的粮食全要素生产率进步幅度大于偏远贫困山区。此结果可能因为四川农民通过非农就业获得更多收入，从而增加了对粮食生产的投入，进而引致粮食全要素生产率的进步。从调研中发现，越来越多的农民购买新产品或新技术用于粮食生产，这也表明农民切实加大了对农业的投入。

（2）研发投入水平未通过模型4的显著性检验，但通过了模型1和模型6的10%水平的显著性检验。研发投入水平系数为正值，表明研发投入水平对粮食全要素生产率有正向影响，即粮食作物单位面积研发投入越大，粮食全要素生产率进步越快，这与预期结果一致。

（3）农业机械化水平未通过模型6的显著性检验，但通过了模型1的10%水平和模型4的5%水平的显著性检验。农业机械化水平系数为负值，表明农业机械化水平对粮食全要素生产率有负向影响。可能的解释是，由于其他投入因素均在减少（如土地、劳动力），机械化投入还在增加，而四川绝大多数地区由于受自然条件影响，机械化难以发挥较大作用，此时的机械化水平可能处于“边际收益递减”阶段，所以提高机械化水平并不能促进粮食全要素生产率的增长。

（4）农业经营规模水平未通过模型1的显著性检验，但通过了模型4的5%水平和模型6的10%水平的显著性检验。农业经营规模水平系数为正值，表明农业经营规模水平对粮食全要素生产率有正向影响。从发展趋势来看，四川城镇化水平还未达到发达地区水平，还会有部分农民继续进城，农业经营规模水平还能进一步提高。农业经营规模水平提高后，若能匹配与之相适应的生产条件，必然能提升四川粮食全要素生产率。

（5）农业结构调整度均通过了3个模型的10%水平的显著性检验。农业结构调整度系数为负值，表明农业结构调整度对粮食全要素生产率有负向影响。可能的解释是，由于农业种植结构未按照“比较优势”来调整，增加粮食种植面积可提升粮食总产量，但不能增加对粮食增长的贡献。四川数据显示，农业结构调整度均值为负，表明粮食作物面积正在缩减，而经济作物面积正在增加。由于四川多数区域为丘陵、山地和高原，这些区域种植粮食作物不具优势，其农业结构调整度的减少符合“比较优势”理论。但值得注意的是，由于土地是稀缺资源，加之未来城镇化需要更多土地，而粮食作物的经济效益较低，极可能导致粮食作物种植面积进一步压缩。若此时粮食全要素生产率和土地产出率不能进一步提升，极可能威胁四川粮食生产稳定发展。

三、结论与建议

本文采用DEA-Malmquist指数法分析了2008—2017年粮食全要素生产率的演变情况，并运用面板线性回归模型、面板Logit模型和面板Tobit模型对粮食全要素生产率的影响因素进行实证研究。研究结果表明：（1）2007—2017年期间，四川粮食全要素生产率年均水平未发生变化，整体表现为“W型”趋势，增长主要源于技术进步单轨驱动；四川省各市州粮食全要素生产率、技术进步、技术效率存在显著差异。（2）地区经济发展水平、研发投入水平和农业经营规模水平显著正向影响四川粮食全要素生产率；机械化水平和农业结构调整度显著负向影响四川粮食全要素生产率。

针对上述结论，本文提出如下建议：第一，高度重视粮食生产。四川省粮食产量略微增长与粮食作物播种面积递减的事实应引起高度重视，应坚决守好粮食作物耕地红线，严格落实国家粮食安全考核责任制，进一步完善农业补贴，解决不愿意种粮和种粮收益下降等难题。第二，统筹推进区域协调发展。四川应根据各地粮食全要素生产率的高低给予政策倾斜，抓紧补齐农业基础设施短板，优先推广粮食生产先进技术，扩大知识培训的广度和深度，稳步提升粮食生产的技术进步和技术效率。第三，不断加大科技推广力度。四川省粮食全要素生产率的增长主要源于技术进步单轨驱动，而技术效率未发挥较好作用。政府应制定支粮政策，搭建多方推广渠道：一是发挥基层农技站的“政府行为”，二是发挥农资、农机、化肥等生产性服务企业的“市场行为”，三是发挥农民专业合作社的“自发行为”。与此同时，加大新型职业农民培训力度和扩大新型职业农民培训人群。第四，持续增加研发投入。面向粮食全产业链配置科技资源，鼓励高等院校、科研机构、农业企业等开展粮食问题研究，研发资金重点偏向粮食生物科技、粮食生产机械化、粮食生产绿色化、粮食生产智能化、粮食发展现代化等方面，鼓励推广使用新产品和新技术。第五，稳步提升农业经营规模水平。政府应健全土地流转规范管理制度，鼓励进城落户农民有偿退出土地，发展多种形式农业适度规模经营，提升农业经营规模水平，进而提高粮食全要素生产率。