○ 王力 方质彬 刘小凤 李兴锋
(1石河子大学经济与管理学院;2石河子大学棉花经济研究中心,新疆 石河子 832003)
棉花是重要的经济作物和战略物资,新疆是中国棉花的主要产地。2020 年新疆棉花产量516.3万吨,占全国棉花总产量的87.3%①数据来源:国家统计局官网(https://data.stats.gov.cn)。。习近平总书记在十九大报告中指出,中国经济已由高速增长阶段转向高质量发展阶段。新疆棉花的高质量发展、全要素生产率提高对保障国家棉花安全、带动就业、维护新疆稳定具有重要意义。而棉花高质量发展应来自棉花全要素生产率(以下简称TFP)的增加。
2014 年新疆实行棉花目标价格补贴政策,改善了棉花价格受国家收储政策干预的局面[1],探索了棉花价格市场形成机制,保护了棉农收益[2]。但高额种棉补贴使新疆各地棉花播种面积扩张,产量激增,掀起了一股植棉的热潮,促进新疆棉花全要素生产率提高,但剔除目标价格补贴政策影响后,棉花全要素生产率真的提高了吗?研究这个问题,对新疆棉花的高质量发展、全要素生产率提高具有理论和现实意义。
因此,本文以更为微观的新疆各地区为研究对象,结合三阶段DEA 模型和DEA-Malmquist 模型,测算并比较2015-2017年剔除目标价格补贴政策前后的棉花全要素生产率,分析对南疆、北疆的区域差异,旨在更好地提高新疆棉花的全要素生产率。
棉花的全要素生产率是衡量棉花高质量发展的重要指标,也是棉花经济领域研究的热点问题。国内学者在借鉴国外理论和方法的基础上,对中国棉花全要素生产率的增减、地区之间的差异、影响因素和收敛性进行了相关研究,采用的方法主要是随机前沿分析法(SFA)和数据包络分析法(DEA)。大多学者基于中国省级面板数据研究中国棉花全要素生产率增减,区别在于涉及的时间、样本省份数量。田伟和谭朵朵[3]研究发现1997-2009年中国棉花全要素生产率出现一定增长;但也有学者认为2001-2014年中国棉花全要素生产率在下降[4-5],甚至还有研究发现TFP具有阶段性波动特征,总体呈负增长,增速减缓[6-7]。关于TFP 影响因素的研究,大多学者认为技术进步是全要素生产率增长的动力源泉[3-5,7-10],棉花播种面积占比、机械费用投入、农业受灾水平[4]、目标价格补贴政策[11]、劳动力投入[12-13]对棉花全要素生产率表现出负效应,而土地利用能力产生正向影响[9],良种补贴政策对TFP 的影响不显著[14]。关于棉花全要素生产率的区域差异,已有研究认为新疆TFP 增速快,具有较大发展潜力,三大棉区中长江棉区的全要素生产率最低,而西北棉区和黄河棉区TFP的高低存在一定争议。王力和韩亚丽[9]研究发现西北棉区TFP比黄河棉区TFP高,还有学者认为黄河棉区TFP高于西北棉区TFP[6-7]。关于全要素生产率的收敛性,石晶和李林[5]基于DEA的Malmquist指数分析方法和我国11个棉花主产省区的2002-2011 年棉花成本收益数据,发现地区间的棉花全要素生产率差距逐步缩小,存在收敛趋势。王力和孙鲁云[6]更准确分析出棉花全要素生产率增长率存在α 收敛和绝对β 收敛,不存在条件β收敛。
目标价格补贴政策是影响全要素生产率的重要因素,也是保障国家粮食安全,促进农民增收的政策抓手。大多学者通过比较保护价收购、目标价格补贴、脱钩补贴三种农业补贴政策,借鉴欧美国家农业补贴经验,提出完善目标价格制度试点,完善农产品价格支持政策意见[15-16],已有研究发现目标价格政策抑制了大豆全要素生产率[17],对农户种植行为未能产生积极影响[18],社会福利也没有提高[19],大豆目标价格政策未达到预期政策目标,而棉花目标价格政策促进棉花价格市场机制形成,保障了农户收益[1],促进了新疆棉花健康发展,但存在财政成本过高和风险巨大等问题[2]。现有研究通过探究财政成本[20]、生产技术效率[21]对棉花目标价格政策影响,得出了目标价格政策促进棉花价格市场化进程,提高了棉花生产效率,增强纺织业竞争力的结论。
综上所述,已有研究取得了丰硕的成果,但还存在以下不足。首先,新疆作为我国最大的棉花主产区,目前已经形成了“中国棉花看新疆”的局面,而已有的研究只是研究了中国的棉花全要素生产率,缺乏对新疆棉花全要素生产率的深入探讨。其次,目标价格政策不能全面反映政策效果。为此,本文以新疆28 个县市为研究对象,结合三阶段DEA 模型和DEA-Malmquist 模型,测算并比较2015-2017 年剔除目标价格补贴政策前后的棉花全要素生产率,并进一步分析南疆、北疆的区域差异,旨在发现目标价格补贴政策下新疆棉花产业存在的问题并提出政策建议;同时依据补贴金额,定量测算新疆各地目标价格补贴政策金额,为深化目标价格补贴政策改革提供参考。
1.三阶段DEA-Malmquist模型
三阶段DEA-Malmquist 模型具有三阶段DEA模型[22-24]和DEA-Malmquist 模型[25]所不具备的优点。一方面,三阶段DEA-Malmquist模型克服传统DEA-Malmquist模型无法分离环境因素、随机扰动项干扰,导致测算全要素生产率不准确的缺点;另一方面,三阶段DEA-Malmquist模型针对面板数据同一决策单元不同时段效率值的动态演变,改善了传统三阶段DEA 无法反映效率动态变动的缺陷。因此,本文立足于已有研究成果,采用三阶段DEA-Malmquist 模型从动态演变和区域差异的时空维度研究新疆28个县市的棉花全要素生产率。
1.样本选取
本研究时间区间为2015-2017年,研究对象为南疆、北疆共计28个县市。具体如表1所示。
表1 新疆两地区28个棉花产区
新疆自2014年开始实施棉花目标价格补贴政策,中央补贴资金的60%按播种面积补贴,40%按产量补贴。2015 年,政府对于棉花目标价格补贴政策进行了调整,中央补贴资金的10%用于向南疆四地州农户兑付面积部分补贴,90%用于兑付全区产量补贴。2017年后目标价格改革补贴方式再次发生改变,目标价格水平由一年一定改为三年一定,同时对补贴棉花数量的上限做出规定,因此,为保证政策的一致性,本研究选择2015-2017年作为考察期。
北疆地区乌苏市、沙湾县的种植面积占塔城地区植棉面积的98%;呼图壁县、玛纳斯县的植棉面积占昌吉回族自治州植棉面积的75%;博乐市、精河县的植棉面积占博尔塔拉蒙古自治州植棉面积的100%;高昌区、鄯善县、托克逊县囊括了吐鲁番地区所有种棉区,伊州区植棉面积占哈密地区植棉面积的99%;阿勒泰地区、伊犁州直属县市、乌鲁木齐市、克拉玛依市的植棉面积较少,不予考虑。
南疆地区温宿县、库车市、沙雅县、阿瓦提县的植棉面积占阿克苏地区植棉面积的73%;阿图什市、阿克陶县县植棉面积占克孜勒苏柯尔克孜自治州植棉面积的100%;英吉沙县、莎车县、麦盖提县、岳普湖县、伽师县、巴楚县植棉面积占喀什地区植棉面积的75%;和田县、墨玉县、洛浦县、于田县植棉面积占和田地区植棉面积的75%;库尔勒市、尉犁县植棉面积占巴音郭楞蒙古自治州植棉面积的59%。因此本文选择南疆、北疆的28个县市,在一定程度上可以很好地反映全疆的棉花生产情况。
2.投入产出指标选取
已有文献大多将每亩平均产量[26-30]、总产量[8,13,31]、亩均产值[32-33]作为产出变量,本文参考前人研究将棉花亩均产量作为产出变量。对投入变量而言,部分文献将《全国农产品成本收益汇编》中物质与服务费用、人工成本和土地成本作为投入指标[27],但更多文献是将物质与服务费用细分[8,13,31],选择需要指标作为投入变量。本文参考前人研究,选择土地投入、机械投入、物质投入作为投入指标,本文数据来自各年的新疆《农牧产品成本收益资料汇编》。棉花投入指标通过农业生产资料价格指数进行折算。Pearson相关性检验表明,投入变量与产出变量之间存在显著正相关,可以进行DEA分析。
3.外部环境变量选取
外部环境变量是不受样本主观控制,却会对全要素生产率产生影响的变量,如经济环境、政策环境、社会环境等因素。在研究农业生产效率的时候,已有文献大都将人均GDP、地方财政支农力度、城镇化水平、灌溉率、受灾率、人均受教育年限、人均耕地经营面积、生产规模等作为环境变量[34-39]。同时劳动力成本上升[12-13]、目标价格补贴政策[21]、良种补贴政策[14]都会抑制棉花全要素生产率。在现有研究成果和考虑数据可得性的基础上,本研究选择城镇化水平、生产规模、目标价格补贴政策、劳动投入作为环境变量(见表2、表3),并对环境变量进行规范化处理。值得说明的是,已有文献大多将目标价格补贴政策设为0 和1 的虚拟变量,本研究根据政策文件,测算出每个地区的具体目标价格政策金额。环境变量处理过程如下:
表2 环境变量
表3 目标价格补贴政策
对环境变量{x1,x2,…,xn}进行变换:
运用2015-2017 年新疆28 个县市的棉花投入—产出数据,采用投入导向的DEA-Malmquist 模型,计算28 个决策单元的Malmquist 指数(全要素生产率变化)及其分解前后的纯技术效率变化、规模效率变化和技术变化等指标。平均值均采用算术平均数,测算结果如表4所示。
表4 2014-2017年新疆棉花TFP指数及其因素分解
通过对新疆棉花全要素生产率的分析,可得目标价格补贴政策等环境因素对全要素生产率的测算有较大影响,有必要对这些外生因素进行剥离以还原新疆棉花全要素生产率的真实值。
运用随机前沿分析方法,使用Frontier4.1 软件,将土地投入、机械投入和物质投入的松弛变量作为因变量,城镇化率、生产规模、棉花目标价格补贴、劳动成本作为自变量,分别建立回归方程。2014-2017 年回归结果如表5 所示,并将根据结果分析环境变量对投入松弛的影响。
表5 投入松弛变量SFA参数估计
外部环境变量对某投入松弛变量的影响与其对生产效率的影响相反,即如果外部环境变量的系数为正,则对某投入松弛变量有正向影响,增加了某投入变量的冗余,减少了投入变量,则会降低生产效率。相反如果外部环境变量的系数为负,则对某投入松弛变量有负向影响,减少了某投入变量的冗余,增加了投入变量,则会提高生产效率。
棉花补贴对土地投入松弛变量影响显著为负,说明目标价格补贴政策对棉花土地投入产生了正向影响;棉花补贴对机械投入、物质投入的松弛变量影响显著为正,说明目标价格补贴政策对棉花机械投入、物质投入产生了负向影响。棉花补贴使农户收益增加,生产成本下降,土地投入减少,但高额补贴使农户不顾自然资源条件盲目扩大种植面积,开垦次宜、不宜棉区种植棉花,棉花亩均产量下降,导致采棉机采收棉花投入成本上升,种子、农膜、化肥等物质投入成本提高。
城镇化率对土地投入松弛变量影响显著为正,说明城镇化对棉花土地投入产生了不利影响;城镇化率对机械投入、物质投入松弛变量影响显著为负,说明城镇化对棉花机械投入、物质投入产生了有利影响。棉花种植需要大面积土地,但由于城市不断扩张,耕地面积持续减少,种植棉花土地成本不断增加。同时城镇化导致农村劳动力外流,缺乏劳动力要素倒逼棉农增加机械、物质等其他生产要素投入。
生产规模对土地投入松弛变量影响显著为正,说明生产规模扩大对棉花土地投入产生了负向影响;生产规模对机械投入、物质投入松弛变量影响显著为负,说明生产规模扩大推动了棉花机械投入和物质投入。生产规模对物质、机械投入松弛变量影响说明新疆棉田大多采取粗放经营,单纯扩大种植面积,增加物质要素投入和机械投入,没有选取品质优良种子、采取先进耕种技术,导致生产规模大的地区与生产规模小的地区相比,只是投入更多的土地,规模效应并不明显。
劳动成本对土地投入、物质投入松弛变量影响显著为正,说明劳动成本上升对棉花土地投入、物质投入产生了不利影响。劳动力成本不断上升,在预算不变情况下,一方面,农户减少土地、物质等要素的投入,从而控制生产成本;另一方面,采用采棉机、播种机等机械替代劳动力,增加了机械投入成本。
根据SFA 回归结果,调整原始的投入变量,剔除目标价格补贴政策对新疆棉花全要素生产率的影响,同时使调整后的投入变量在同一环境水平上,再采用投入导向的DEA-Malmquist 模型,计算28 个决策单元的Malmquist 指数(全要素生产率变化)及其分解前后的纯技术效率变化、规模效率变化和技术变化等指标。平均值均采用算术平均数,测算结果如表6所示。
表6 2014-2017年新疆棉花TFP指数及其因素分解(第三阶段)
1.新疆棉花全要素生产率的总体比较
由表4和表6可知,第一,在剔除了环境变量和随机因素的影响之后,2015-2016年度、2016-2017年度新疆棉花全要素生产率的平均值分别为1.079、1.118,技术变化分别为1.024、1.244,规模效应分别为0.995、0.969。与调整前相比全要素生产率、技术变化、规模效应均有不同程度的上升或下降。说明第一阶段对棉花全要素生产率的测算受到目标价格补贴等环境变量的影响,存在一定的误差。第二,从新疆28个棉花产区的平均值来看,剔除目标价格补贴政策对新疆棉花全要素生产率的影响,2015-2017 年新疆棉花全要素生产率呈现增长的态势。2015-2016 年度平均棉花全要素生产率指数为1.079,即年均增长7.9%,与剔除环境变量前TFP相比下降9%;2016-2017年度棉花平均全要素生产率指数为1.118,即年均增长11.8%,与剔除环境变量前TFP 相比增加7.3%,TFP 增长速度与2015-2016年度相比增加3.9%。2015-2016年度平均全要素生产率增长的原因是规模效率弱化和技术进步。规模效率指数和技术进步指数为0.995和1.024。技术进步超过了规模效率的恶化。2016-2017年度平均全要素生产率增长的原因是规模效率减弱和技术进步。规模效率指数和技术进步指数为0.969 和1.244。技术进步超过了规模效率的恶化。
2.新疆棉花全要素生产率的区域差异
南疆、北疆及新疆全疆的棉花全要素生产率及其分解的平均值如表7所示。
表7 2015-2017新疆各地区棉花TFP变动及分解(调整后)
从全疆整体来看,2015-2017 年棉花全要素生产率总体变为正增长,TFP指数为1.104,即年均增长10.4%。新疆棉花全要素生产率增长的原因是规模效率减弱和技术进步。2015-2017 年南疆的棉花全要素生产率最高,TFP指数为1.123,年均增长12.3%。南疆棉花全要素增长来源技术进步和规模效率递增。其次是北疆,TFP指数为1.064,年均增长6.4%。北疆全要素增长率增长来源于技术进步和规模效率减弱。
与调整前全要素生产率相比,调整后北疆的全要素生产率下降。这表明目标价格补贴政策等环境变量提高北疆棉花全要素生产率。与调整前技术变化相比,调整后各地区的技术变化全部上升。这表明目标价格补贴政策等环境变量没有如预期促进技术进步,原因可能是高额的目标价格补贴使棉花种植户把棉花补贴作为收入的主要来源,因此棉花种植者盲目扩大种植面积,先进生产要素投入速度跟不上棉田面积的增长速度,形成粗放经营,导致技术退步。与调整前规模效率变化相比,调整后的规模效率变化下降。这可能是由于经营者仅增加种植棉花的土地和劳动,种植面积超过规模经营面积,使规模效率下降。
3.新疆棉花全要素生产率的变动趋势分析
如图1至图3所示,在棉花全要素生产率方面,考察期内各地差距不大,但变动较为明显。沙湾县和阿图什市全要素生产率基本保持不变,阿克陶县、英吉沙县、岳普湖县、巴楚县、墨玉县、库尔勒市和尉犁县全要素生产率下降,其余县市全要素生产率增加。巴楚县、于田县、乌苏市、精河县和沙雅县增速较快。技术进步方面,各县市技术进步指数整体呈递增态势,除和田县、墨玉县、洛浦县、于田县和尉犁县与上年相比,出现技术退步外,其余县市与上年相比,技术都出现一定程度的进步,各县市在2015-2016年基本上都保持较高的水平,除高昌区、鄯善县、乌苏市和精河县外,其余县市技术进步指数大部分在1左右。2016-2017年度所有县市都接近1 或者在1 以上,技术维持较高水准。规模效率方面,大部分县市规模不经济,除高昌区、托克逊县、呼图壁县、玛纳斯县、莎车县、和田县、墨玉县、洛浦县和于田县规模效率上升外,其他县市规模效率都下降。从波动幅度来看,大部分县比较稳定,规模效率在小范围波动,但阿克陶县、英吉沙县、和田县、墨玉县、洛浦县和于田县波动幅度较大。
图1 2015-2017年新疆28产区棉花全要素生产率变动情况
图2 2015-2017年新疆28产区棉花技术变化情况
图3 2015-2017年新疆28产区棉花生产规模变动情况
本文以更为微观的新疆各地区为研究对象,结合三阶段DEA 模型和DEA-Malmquist 模型,测算并比较2015-2017 年剔除目标价格补贴政策前后新疆棉花全要素生产率,分析南疆、北疆区域差异和全要素生产率的演进趋势,结果表明:第一,目标价格补贴保障了棉花供给,增加了棉农收入,但损失了一定的效率。目标价格补贴对新疆棉花全要素生产率整体存在负向影响,棉花补贴对机械投入、物质投入的影响显著为负,对土地投入影响显著为正。第二,调整后的棉花全要素生产率呈递增的态势。2016-2017 年度棉花全要素生产率比2015-2016年度增加3.9%。第三,全要素生产率的增长主要来源于技术进步增加和规模效率递减,调整后技术进步和规模效率递减都更明显。第四,南疆的全要素生产率要高于北疆。南疆的TFP 指数为1.123,北疆的TFP 指数为1.064。第五,2015-2017年各县市TFP差距不大,但变动较为明显。
针对以上结论,提出如下建议:第一,推动棉花目标价格体制改革。重新测算补贴金额,使小规模种植户、次宜棉区退出市场,大规模经营主体、适宜棉区种植高质量棉花,达到保障国家棉花安全、提高农民收入的目标。第二,着重提高棉花的规模效率。加快土地流转进程,实现规模化经营。第三,政府加大科技兴农力度,从选种、播种、施肥、采收全过程给予种植户技术支持。第四,政策向北疆倾斜,推动新疆棉花全要素生产率整体提升,保持政策稳定,用稳定的政策引导种植户理性植棉,推动新疆棉花产业稳定发展。