我国双季稻全要素生产率的时空分析及对策建议

李琼华， 张琳， 韩昕儒， 宋莉莉

（中国农业科学院农业经济与发展研究所，北京 100081）

2020年爆发的新型冠状病毒肺炎疫情引发了人们对粮食安全的担忧。水稻作为我国三大主粮品种之一，一年耕作两季的双季稻对稳定水稻产量的意义不容小觑，但双季稻播种面积却在20世纪80年代之后逐年缩减。据我国国家统计局（http://www.stats.gov.cn/）数据，1988年全国早稻播种面积922万hm2，2019年跌至445万hm2，减少51.7%，产量则从1988年的4 701万t降至2019年的2 627万t，降幅达44%；目前，浙江、福建等早稻生产大省的产量占比已不足2%；如果双季稻生产急剧下滑且得不到有效遏制，再叠加国内外风险冲击，将会给粮食安全带来隐患。为了逆转双季稻生产逐年下滑的趋势，2020年，国务院常务会议提出“鼓励有条件的地区恢复双季稻种植”。在国家政策支持下，2020年早稻播种面积有所回升，达到475.1万hm2，较2019年上涨6.7%，但上涨幅度较小。导致双季稻尤其是早稻播种面积减少且增长困难的主要原因是，随着化肥农药等农业生产资料价格及人工成本的上升，双季稻种植比较收益偏低，劳动强度较大，农户种稻积极性下降。

一般来说，双季稻产量的增长主要取决于综合生产能力的增长。双季稻综合生产能力的提升一般体现在两方面：一方面是生产要素投入的增加，另一方面是单位生产要素带来的产量提升，即全要素生产率（total factor productivity，TFP）的增长。在耕地等农业资源有限的情况下，只有转变生产方式，推动双季稻生产向依靠科技进步和要素效率提升的内涵式、集约型增长方式转变才是未来双季稻生产发展的重点[1]。因此，提高双季稻TFP是推动我国粮食安全战略深入实施的重要举措。

目前，我国关于水稻TFP的研究较多，从研究方法上大致可分为参数法和非参数法两类。参数法代表为随机前沿分析（stochastic frontier analysis，SFA），该方法考虑到生产前沿的随机性，基于假设条件设定生产函数形式，能够避免随机扰动对非效率性的影响。亢霞等[2]利用随机前沿生产函数分析了1992—2002年粳稻、早籼稻、中籼稻、晚籼稻的技术效率及其变动趋势，并发现扩大土地经营规模对粮食产量增加有积极作用。宿桂红等[3]运用SFA测算了1998—2008年间中国粮食主产区水稻生产的技术效率，得出了主产区水稻生产的技术效率高且呈上升趋势。非参数法代表为数据包络分析（data envelopment analysis，DEA），该方法无需设定函数形式，适用于多投入、多产出的分析。王明利等[4]基于DEA法的Malmquist指数对1990—2003年我国不同种类的水稻进行分析。余航等[5]运用DEA的Malmquist指数法研究了2004—2015年中国早籼稻、中籼稻、晚籼稻和粳稻的TFP。王怀明等[6]运用基于DEA的Malmquist生产率指数测算了1980—2009年大豆、玉米的TFP，并对大豆TFP进行了收敛分析。延桢鸿等[7]采用DEA-Malmquist模型,对2001—2016年全国15个小麦主产省份的小麦TFP进行测算分析，并探讨其影响因素。史琛等[8]采用Fixed-Window-Malmquist指数测算粳稻TFP的增长来源。在区域视角下，代海涛[9]通过构建C-D生产函数，深入分析影响吉林省水稻生产效率的相关因素。刘徳娟[10]运用DEA-Malmquist指数法分析了福建省2002—2013年的水稻TFP，并得出了福建水稻的TFP变化主要源于技术进步的结论。吉星星等[11]采用DEA-Tobit两步法研究了1997—2014年我国水稻主产区的生产效率及影响因素。

国内外运用DEA测算TFP的方法已经逐渐成熟，但仍存在一定局限性：①在影响因素方面，忽略环境及区位要素对总产出的影响；②在规模效率分析方面，易忽略生产的其他投入规模及配比；③在研究方法上，将技术效率分为纯技术效率与规模效率的方法对生产领域中技术更新速度的快慢和技术应用推广的有效程度考虑较少；④在结果分析方面，大多从时间、空间角度进行数据分析，在当前国家划分粮食生产功能区的政策背景之下，这一分析可能存在一定的局限性。因此，本研究引入环境指数，将环境对总产出的影响考虑在内；对规模效率指数进行修正，改为“规模及混合效率指数”使其表达更为精确，剔除生产面积（土地）规模因素影响，生产的劳动力、灌溉、机械、化肥等投入规模和配比也会影响效率的数值，进而影响总产出；研究方法上，技术效率指的是纯技术效率，也就是生产领域中技术更新速度的快慢和技术应用推广的有效程度；分析视角上，除了分析水稻TFP的时间和省份差异，将水稻优势产区的分析引入，丰富研究视角。

本文基于2004—2018年中国双季稻生产的面板数据，将TFP分为技术指数、环境指数、规模及混合效率指数和科技效率指数4个部分，通过计算各分解因素对双季稻TFP增长的贡献，从不同时空维度评估要素投入对我国双季稻TFP增长的影响效应，为提高双季稻生产效率、保障国家粮食安全提出对策建议。

1 材料与方法

1.1 数据来源

测算数据主要来自历年《中国统计年鉴》《全国农产品成本收益资料汇编》以及国家统计局（http://www.stats.gov.cn/）。产出变量为水稻的当年总产量，单位为万t，产出最大化意味着口粮安全保障能力强。5个投入变量分别为：劳动力投入，其中劳动力数量为农林牧渔业从业人员，劳动力价格以农村居民收入指数代替；机械投入，为农业机械总动力，机械价格以机械化农具生产资料价格指数代替；土地投入，以农作物总播种面积代替，耕地价格以农林牧渔业总产值指数代替；化肥投入，为农用化肥施用折纯量，化肥价格以化学肥料生产资料价格指数代替；排灌投入，以有效灌溉面积代替，灌溉价格以农用机油生产资料价格指数代替。环境变量为控制变量，代表各省（区、市）所在的行政区域，主要体现水稻种植的区域性，原因在于水稻生产与自然气候环境联系密切，在计算生产率的同时需要控制环境及区位因素对生产的影响。数据周期为2004—2018年。

稻米产品价格为种植业生产价格指数（2004年为100），劳动力价格以农村居民收入指数代替，机械价格以机械化农具生产资料价格指数代替，灌溉价格以农用机油生产资料价格指数代替，化肥价格以化学肥料生产资料价格指数代替，耕地价格以农林牧渔业总产值指数代替，各类价格指数均为定基指数（2004年为100）。对于各省（区、市）存在的缺失值，本研究采用以下手段处理：生产和投入数量数据按照全国产出增长率推算；生产价格按照农产品生产价格指数增长率推算；投入品价格按照农业生产资料价格指数增长率推算。

1.2 研究方法

传统的TFP测度多使用DEA-Malmquist指数进行测算。DEA-Malmquist指数测算TFP的原理是将TFP分为技术进步和技术效率变动2个部分，并将技术效率部分进一步分解为纯技术效率和规模效率，也可以理解为用DEA-Malmquist指数将TFP指标分解为技术进步、纯技术效率、规模效率3个部分[12]。产出导向型的Malmquist生产率指数的形式如下。

式中，（xt+1,yt+1)代表t+1时期的投入产出水平，（xt,yt)代表t时期的投入产出水平，计算结果大于1表示从t到t+1时期TFP发生了增长，反之则表示TFP下降；TEC（technical efficiency change）代表t时期到t+1时期的技术效率变化；TC（technical change）代表t时期到t+1时期的技术的变化。技术效率的变化可以进一步分解为纯技术效率（pure technical efficiency，PTE）和规模效率的变化（scale technical change，SEC）。

式中，D(X,Y|C)和D(X,Y|V)分别表示不变规模报酬技术和可变规模报酬技术下的产出距离函数。从而，TFP的变化计算公式如下。

随着环境对生产影响的作用不断增强，O’Donnell[13]对TFP的测量方法进行了改进，将TFP分解为环境改变、技术改变、效率改变、规模及混合效率改变4个部分。TFP指数（TFP index，TFPI）由产出导向型技术指数（output-oriented technical index，OTI）、产 出 导 向 型 环 境 指 数（output-oriented environmental index，OEI）、产出导向型规模及混合效率指数（output-oriented scale and mix efficiency index,OSMEI）、产出导向型科技效率指数（output-oriented technical efficiency index，OTEI）组成[14]。O’Donnell将TFP表示为总产出与总投入的比值。

式中，Qks、Xks为k省（区、市）s时期的总投入及总产出。其中，Qks=Q(qks)、Xks=X(xks)，为各种产出、投入的总和，Q(·)与 X(·)均为满足非负、非减、线性、齐次要求的加总函数。

TFPI表示k省（区、市）在s时期的TFP和n省（区、市）在m时期的TFP对比，主要用于衡量生产率的变化，其表达式如下。

式中，QI(·)是任意的产出系数，XI(·)是任意的投入系数，式（5）也可以表示如下。

式中，Q(qks)表示k省（区、市）在s时期的总产出，表示k省（区、市）在s时期和z环境能够达到的最大产出。

由于环境因素是不可预测的，且许多投入会发生错误测量，因此这里估计随机前沿模型（stochastic frontier model，SFM）的参数。为了测算OTE，使用ML或贝叶斯估计。涉及多种变量的SFM分析可以得出以下联立方程。

式中，uks≥0表示产出导向型技术无效率效应，和wks表示对统计噪音的不同度量。

运用Lowe系数指数比较不同省份在每个时期的TFP与第1个投入期某个省（区、市）的TFP。因此，式（8）可将TFPI分解为技术进步、环境变化和效率变化的度量。式（9）可进一步将OTE变化分解为年龄和教育效果。式（8）可将任何TFPI表示如下。

式中，右边第1个系数为OTI，第2个系数为OEI，第3个为OSMEI，最后2个系数是OTEI以及统计噪音系数（statistics noise index，SNI）。式（11）可以表示如下。

OTI、OEI、OSMEI通过 ML 估计值来评估系数，SNI为实际观察值与估计值（拟合值）之间的差。

2 结果与分析

2.1 全国双季稻TFP及分解指数的时序分析

从2004年到2018年，我国双季稻和早籼稻、晚籼稻 TFP平均值分别为 1.006、1.081、0.931。从图1可以看出，2004—2018年双季稻生产率的发展可分为3个阶段：第1阶段为2004—2008年、第2阶段为2009—2013年、第3阶段为2014—2018年。

图1 2004—2018年我国双季稻TFP变化Fig.1 Changes of TFP of double cropping rice in China from 2004 to 2018

2004—2008年，双季稻、早籼稻、晚籼稻的TFP增长迅速，年平均增长率分别为8.29%、8.21%、8.38%。从构成指数变化（表1）来看，OSMEI变动趋势与TFP变动趋势相近，3种类型水稻分别增长了23.84%、25.02%、22.72%；OTI增长明显，分别提高了7.15%、6.60%、7.70%；OTEI波动较大。从构成指数特征来看，该阶段双季稻的TFP增长主要来自于技术进步以及规模扩张。出现这一现象的原因是多方面的，主要有：①2004年国家宣布3年内免除农业税，同时颁布实施《农业机械化促进法》，这对农户种植双季稻行为有着较强的激励作用；②2005年国家在稻谷主产区施行最低保护价收购政策，这一政策稳定了双季稻价格，在促进农业生产和农民增收方面发挥了重要作用；③水稻育种水平不断提高，对双季稻产出的稳定做出了贡献。据国家统计局（http://www.stats.gov.cn/）数据，在2004—2008年间，我国水稻单产水平从2004年的6 310.61 kg·hm-2增长至2008年的6 562.54 kg·hm-2，增长了3.99%，总产量增长了7.55%，其中早籼稻单产水平从2004年的5 417.8 kg·hm-2增长至2008年的5 535.3 kg·hm-2，增长了2.17%。

表1 2004—2018年我国双季稻TFP构成指数变化Table 1 Changes of composition index of total factor productivity of double cropping rice in China from 2004 to 2018

2009—2013年，双季稻、早籼稻、晚籼稻的TFP呈波动下降趋势，分别下降了0.084、0.101、0.066。从构成指数变化（表1）来看，OTEI波动最大；OSMEI波动下降明显，3种类型水稻分别降低了9.69%、3.64%、15.35%；相对而言，OTI表现出不同的发展趋势，晚籼稻的OTI逐年提高，而早籼稻的OTI在2011年之后明显下降，下降了4.7%。从构成指数特征来看，早、晚籼稻的规模指数对生产率带来了负面的影响。在2009—2013年间，晚籼稻的OTEI最低，处于0.8～0.9之间，影响晚籼稻生产率提高。出现这一现象的原因主要有：①近年来，由于双季稻比较效益偏低、农村劳动力短缺等原因，南方籼稻产区“双改单”现象明显，早、晚籼稻种植面积减少；②双季晚稻的茬口时间紧，水稻移栽时需栽插长秧龄大苗，但现有机插秧技术只适合中小苗栽插，不适应长秧龄大苗栽插，从而限制了机械化种植技术在晚稻中的应用。

2014—2018年，双季稻、早籼稻、晚籼稻的TFP持续增长，分别增长了20.61%、23.35%、17.48%。从构成指数变化（表1）来看，3种类型水稻的OTI以及OSMEI均为持续增长，其中晚籼稻的OTI增长最快，增长率为7.72%。从构成指数特征来看，双季稻TFP的增长主要来自技术进步。这一现象的原因有：①2015年以来，稻谷最低收购价持续下调，相比较而言，晚籼稻的价格较高，净利润相对可观，极大地促进该类水稻品种的种植；②规模化生产提高了双季稻的机械化应用水平，一定程度上促进了双季稻的生产率水平提高。

2.2 双季稻优势产区的TFP及分解指数分析

目前我国着力建设东北平原、长江流域和东南沿海3个水稻优势产区。由于双季稻主要分布在长江流域及东南沿海优势产区，故此部分仅探讨长江流域和东南沿海优势产区。长江流域和东南沿海均是我国最主要的双季稻产区，分别约占全国双季稻面积的60%和40%。从整体（表2）来看，长江流域的TFP指数高于全国均值，而东南沿海低于全国均值，其中OSMEI起决定性作用。长江流域和东南沿海优势产区的TFPI分别与全国均值相差6.88%和-5.87%，OSMEI分别与全国平均值相差6.98%和-6.60%。从构成指数特征来看，OEI、OSMEI等均对TFPI提升有一定负向影响。

表2 双季稻优势产区不同品种的TFP变化指数及其分解Table 2 Changes of TFP of different varieties in dominant producing areas of double cropping rice

从水稻品种来看，早籼稻的TFPI最高，均值达到1.087，高出晚籼稻14.46%。早籼稻生产率较高的原因同样主要在于OSMEI较高，高出晚籼稻17.55%。长江流域、东南沿海以生产籼稻为主，且长江流域早晚籼稻的生产率指数均高于东南沿海地区，其中长江流域的晚籼稻比东南沿海的高出29.4%，早籼稻高出20.9%。造成以上现象的原因主要有：①长江流域双季稻种植面积广，特别是江淮地区的双季稻TFP处于较高水平，规模效率提升了生产率指数；②东南沿海地区经济发展水平较高，双季稻种植效益对农户的刺激不高，而且土地分散，机械化难以大规模应用，双季稻面积下滑较为明显。③早籼稻TFP水平较高的原因在于早籼稻生产的规模集成化程度增强，以农业专业化种植为主，规模效应显著。

2.3 不同省区双季稻TFP及分解指数分析

2.3.1 早籼稻TFP变动分析 我国8个早籼稻生产区的TFPI差异相对较小（表3）。湖北、海南、安徽、江西4省的早籼稻TFP高于全国平均水平，分别高出31%、15.5%、10.5%、6.7%。早籼稻TFP水平最低的为广东省，仅为0.666，约为全国平均水平的61.27%。从产区分布情况来看，长江流域早籼稻产区的TFP总体高于东南沿海产区，是我国早籼稻生产的优势产区。

表3 不同省区早籼稻TFP及分解指数Table3 Total factor productivity and decomposition index of early Indica rice in different province or region

从分解指数来看，早籼稻的OTI在省（区）间无明显差异，指数值稳定在1.121，其余3个指数在不同省份之间存在小幅变动；OSMEI在各省（区）间的分布特征与TFP的分布特征基本吻合，湖北省最高，达到1.186，广东省最低，仅为全国平均水平的62.7%；就技术效率指数而言，8个省（区）之间差别较小，均在1.06左右。在4个分解指数中，技术指数和技术效率指数对早籼稻各省TFP的贡献较大，早籼稻生产率提高更得益于水稻良种技术和栽培技术等关键生产技术的突破和推广。

2.3.2 晚籼稻TFP变动分析 我国晚籼稻TFP的省际分布特征与早籼稻相似（表4）。在9个晚籼稻生产区中，TFP水平最高的为湖北省，达到1.304，高出全国平均水平的40%；TFP水平最低的为广东省，仅为0.542，是全国平均水平的58.2%。从产区分布情况来看，长江流域晚籼稻生产省份的TFP高于东南沿海省区，长江流域产区是晚籼稻的优势产区。

表4 不同省区晚籼稻TFP及分解指数Table 4 Total factor productivity and decomposition index of late Indica rice in different province or region

从分解指数来看，OSMEI、OTEI在不同省（区）之间存在一定的差异，而各省（区）OTI则稳定在1.142。就规模及混合效率指数而言，指数值最高的省份为湖北省，高出全国平均水平的32.3%，广东省最低，约为全国平均水平的64.35%。就OTEI指数而言，9个省（区、市）的指数值均在0.8～0.9之间。从对分解指数的分析中可得，东南沿海产区的广东、广西、海南的OSMEI、OTEI均低于全国平均水平，其中广东省远低于全国平均水平。

3 讨论

已有研究对稻谷生产率的分析主要围绕TFP及其技术效率展开[15]，技术进步在水稻投入产出效率的增长中发挥重要作用[16-17]。但现有的研究成果在规模效率的分析上忽略了生产投入规模及配比[18]。基于此，本研究应用DFA方法对我国2004—2018年双季稻TFP及其构成指数变动进行测算，将TFP分为技术指数、环境指数、规模及混合效率指数和科技效率指数，分析各分解因素对双季稻TFP增长的贡献。本研究发现技术进步能够有效提升双季稻的生产效率，但现阶段，我国双季稻生产效率的提升主要来源于规模及混合效率的变动，技术进步对双季稻生产效率的贡献幅度相对较小[19]。具体而言，从全国层面看，2004—2018年我国双季稻的生产率呈小幅变动，其中双季稻TFP在2004—2008年和2014—2018年均呈小幅上升，而在2009—2013年呈小幅波动下降，政策因素是波动影响的关键[20]；从不同优势产区看，长江流域与东南沿海地区是我国传统的双季稻优势产区，而长江流域的生产率显著高于东南沿海地区[11]，其中规模效率起到决定性作用，本研究认为，东南沿海生产率水平较低的原因在于受城镇化等因素影响，农民非农化与土地非粮化现象凸显，双季稻的生产规模不断缩减，规模效率水平不断下降；从不同省（区、市）看，双季稻TFP的差异总体较小，早籼稻生产方面，湖北、海南、安徽、江西的生产率高于全国平均水平，是全国早籼稻生产的重点地区，晚籼稻生产方面，安徽、江西、浙江、湖北的生产率水平较高，这一结论与王恒等[21]、朱满德等[22]的结果有差异，可能与研究方法、变量差异有关。与王明利等[4]测算的水稻TFP不同的是，2004年以来，江西、安徽的双季稻生产率得到快速发展，而福建、广东的生产率水平显著降低，这说明双季稻生产重心发生转移，逐渐向长江流域地区集中。

在推进农业供给侧结构性改革的背景下，加大政策支持力度，稳定双季稻生产奖励政策。政策是稳住民心，保障双季稻生产的重要基础，应当鼓励适宜地区恢复发展早籼稻生产，在稳定稻谷最低收购价、建立生产者补贴等国内生产支持政策的基础上，加大对双季稻主产区地方政府和生产经营主体的支持力度，保障政府重农抓粮和农户务农种粮的积极性。同时，进一步完善补贴标准及流程，使补贴真正受益农户。

在当前错综复杂的国内外形势下，建议进一步发挥主产区优势，稳定双季稻产能。优化双季稻布局，积极建设长江流域双季稻优势产区，以优势区作为组织创新和技术进步的试点基地，打造双季稻生产高地，带动周边区域双季稻生产。以江西、安徽、湖南、湖北等为双季稻重点生产区，加强区域布局规划，加大政策倾斜力度，稳定双季稻生产。东南沿海地区应利用发展优势，加快集成推广区域性、标准化双季稻绿色高质高效技术模式，推进农机农艺融合发展，走高效生态农业道路，引导支持农户复耕，共同维护国家粮食安全。

促进双季稻规模化生产，进一步提高良种采用率及机械化水平。土地经营规模是影响双季稻TFP的重要因素，适度规模经营将是未来双季稻生产的主要方向。规模化生产是提高双季稻生产效率的主要途径，也是提升良种利用率和机械化率的重要手段。持续培育新型农业经营主体，使其成为双季稻生产的主力军，助力双季稻发展。进一步完善耕地流转制度，鼓励耕地有序流转，为双季稻生产的适度规模化奠定良好的基础。