粮食安全视角下水稻家庭农场全要素生产率测度研究

黄大勇 朱洋洋 熊豪 沈慧翠

（1 重庆工商大学，重庆 400067；2 长江师范学院，重庆 408100；*通讯作者：1170016001@qq.com）

《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中，首次将粮食安全列于“粮食、能源资源和金融安全”的首位。手中有粮，心中不慌。水稻作为我国65%以上人口的主食，其稳定增产对于保障我国粮食安全意义重大。习近平总书记再三强调“中国人的饭碗任何时候都要牢牢端在自己手上”，要全面贯彻落实“谷物基本自给、口粮绝对安全”的新粮食安全观。新中国成立以来，我国通过大力提升国内粮食综合生产能力，并积极利用国际、国内两个市场，有效保障了我国粮食安全。然而，突如其来的新冠肺炎疫情，伴随贸易保护主义、单边主义和世界地缘政治冲突，将世界置于百年未有之大变局，也给全球粮食市场带来了冲击和挑战。在此背景下，牢牢把握粮食主动权，不断提升国内粮食生产的全要素生产率，以国内粮食稳产保供来应对外部环境冲击意义重大。但从现实来看，我国小规模、分散化的小农经营模式不但难以提高粮食生产效率，而且使得我国农业生产面临着“两板挤压、双灯限行”的窘境[1]。2013年“中央1号文件”明确指出，要创新农业生产经营体制，发展多种形式的适度规模经营，并首次将家庭农场确立为新型农业经营主体的重要组成部分，这就为有效解决我国农业长期存在的资源配置效率低、抗风险能力差、规模效益不足等问题提供了一条新的路径。因此，家庭农场全要素生产率的研究也再度成为了学界研究的热点。

部分学者比较了不同类型家庭农场全要素生产率的差异，如王丽霞等[2-3]对我国粮食型、非粮食型、混合型家庭农场的全要素生产率进行了研究，均认为非粮食类家庭农场或混合类家庭农场的全要素生产率要比粮食类家庭农场高。刘德娟等[4]对比了传统小农户与家庭农场的全要素生产率，结果表明，传统小农户的平均生产效率要低于家庭农场。还有学者分析了影响家庭农场全要素生产率的因素，如陈真等[5-8]从家庭农场主特征（年龄、性别、受教育程度等）、家庭农场特征（耕种面积、经营年限、耕地细碎化程度等）、外部环境特征（财政补贴、租金、土地制度等）三个维度分析了对家庭农场全要素生产率的影响因素。少部分学者还对家庭农场的适度经营规模展开了研究，如任重等[9]认为，规模经济效益较好的家庭农场具有带动作用，能够引导其他小规模农户或家庭农场向规模化农业生产的方向发展。朱启臻等[10]认为，家庭农场的经营规模应该遵循生计标准和生产力标准，经营规模不宜过大。蔡荣等[11]以示范家庭农场为研究对象，认为家庭农场经营规模过大会导致要素配置失衡，不利于其经济效率的提升，因而要注意防止过度规模化。此外，一些学者以我国典型家庭农场为研究对象，对其全要素生产率展开研究。如李宽等[12-14]以我国家庭农场的典型模式——“上海松江模式”为例，对其适度经营规模、农户参与意愿、经营效率及决定因素等方面展开了研究，并得出家庭农场的健康发展需要通过土地的适度规模经营、人力资本的积累、完善的社会化服务体系以及政府政策的支持等方面来实现。

现有研究分别对家庭农场的效率、规模、影响因素等方面进行了研究，并提出了相应的对策，为本研究提供了较好的思路，但尚存在一些不足：其一在研究对象方面，现有研究在对不同类型家庭农场全要素生产率进行研究时，较少以三大主粮之一——水稻为研究对象；其二在研究区域方面，长江流域作为我国最大的水稻主产区，其播种面积和产量均占全国的40%左右，该地区水稻的稳定增产对于保障国家粮食安全具有重要意义，而现有研究主要是以全国家庭农场五大样本“上海松江、浙江宁波、湖北武汉、吉林延边、安徽郎溪”或各地区典型家庭农场为研究区域，缺少位于水稻主产区长江流域水稻家庭农场的相关研究；其三在研究方法上，已有研究缺乏对分离了环境和随机因素后的家庭农场全要素生产率进行比较分析。基于此，本研究以位于水稻主产区的长江流域为研究区域，选取安徽、湖北、江西、四川、重庆4 省1 市612 户水稻家庭农场为研究对象，利用三阶段DEA 模型对其全要素生产率进行测度和分解，并对影响水稻家庭农场全要素生产率的环境和随机因素进行分离，以期分析不同规模下水稻家庭农场全要素生产率的真实情况，从而为相关政策制定提供理论依据，更好助力水稻家庭农场全要素生产率的提升和适度规模经营的推行。

1 模型选择及数据说明

1.1 模型选择

全要素生产率是用于衡量生产单位在生产过程中各个投入要素的综合效率，能够全面系统地反映生产单位投入和产出的经济效率。由于本文的研究对象是基于安徽、湖北、江西、四川、重庆4 省1 市的612 户水稻家庭农场的调查数据，区域和个体的差异会使得环境和随机因素对最终效率值的可比性产生影响，因此，基于已有效率的测度方法[15-17]，拟采用FRIED 等[18]2002年所提出的三阶段DEA 模型，该模型第一阶段先测算出投入或产出的松弛变量值；第二阶段运用随机前沿生产函数分离出各个环境与随机因素对投入或者产出松弛的影响；第三阶段再测算剥离了环境和随机因素的各个决策单元的全要素生产率，最终实现对不同决策单元的全要素生产率进行有效对比。具体模型步骤如下：

1.1.1 第一阶段传统DEA 模型

由于我国人均耕地面积较少，大多数地区不具备规模化经营的条件，只能在有限的土地上投入要素以实现集约化经营，因此第一阶段选择基于投入导向的DEA-BCC 模型，相比CCR 模型，BCC 模型可以计算在规模报酬可变的假设条件下各个决策单元的效率值，其结果可从规模角度对决策单元的无效率进行分析。具体模型表示如下：

在模型（1）中，θ0表示各个决策单元的全要素生产率，s+r分别表示投入和产出的松弛变量值。如果θ0=1，且s-i和s+r均为0，此时该决策单元处于DEA 相对有效状态；若θ0=1，且s-i≠0 或者s+r≠0，表明该决策单元处于DEA 相对弱有效状态；如果θ0＜1，则该决策单元处于DEA 相对无效状态。

1.1.2 第二阶段似SFA 模型

在第一阶段DEA-BCC 模型测算出各决策单元的全要素生产率及其投入松弛变量之后，基于FRIED 等[18]在1999年和2002年的研究以及既有的文献资料，可认为投入松弛变量主要受环境因素、管理无效率以及随机因素的影响。因此需要运用似SFA 模型对环境和随机因素进行分离，进而使得各决策单元面临同质的环境和运气，具体步骤如下：

首先构建回归方程

其中，Sni是第i 个决策单元的第n 项投入冗余量；zi为可观测到的环境变量；βn为各环境变量的待估系数；vni代表随机干扰项，假设服从vni～N（0，σv）的正态分布，uni代表管理无效率项，并假设服从uni～N（+μi，σ2u）的截断正态分布，并且两者相互独立。vni+uni代表混合物误差项，f（zi；βn）代表所有环境变量对投入松弛变量的影响函数。此外，为了区分管理无效率项和随机误差项对无效率影响的相对大小，令γ=σ2u（/σ2u+σ2v），γ 值趋近于1 表示管理无效率对投入冗余的影响较大，趋近于0 则表明随机误差项对投入冗余的影响较大。

其次，为进一步分离管理无效率项和随机误差项，需要对随机误差项进行估计，本文参考罗登越[19]的推导方法，具体如下：

其中，σ*=

随机误差项：E[vni|vni+uni]=Sni-f（zi；βn）-E[uni|vni+uni](4)

最后，根据模型分离结果，可对投入冗余进行调整，分离出环境和随机因素的干扰，进而使不同水稻家庭农场处于相同的外部环境以及运气之下。具体调整公式如下：

1.1.3 第三阶段调整后的DEA 模型

1.2 数据来源及指标选择

1.2.1 数据来源

本文数据来源于2019年对安徽、湖北、江西、四川、重庆4 省1 市、11 个地区、630 户种植单季稻的水稻家庭农场的入户调查，共发放问卷630 份，收回有效问卷612 份，问卷有效率达97.14%。问卷内容主要涉及水稻家庭的农场主特征、家庭农场特征、家庭农场经营状况等。

1.2.2 指标选择

基于调查问卷的汇总结果以及现有可参考的文献资料，拟选取劳动、土地、资本作为投入指标。原因如下：由于家庭农场的生产活动是基于一定的土地为物质基础的，因此选取稻田的种植面积（亩）作为土地投入指标，其中该土地投入包括自有地和流转地。除了土地投入之外，还需要一定的劳动投入以完成家庭农场水稻的耕种、收割以及日常的田间劳作，包括家庭自有劳动力和雇工，本文选取家庭农场在单季水稻生产过程中家庭自有劳动力和雇工的“劳动总工日”来表征劳动投入。此外，为了将劳动和土地结合起来组织农业生产，还需要一定的资本投入，本文参考孔令成等[20]的研究，在现有调查问卷的基础上将资本投入划分为直接和间接投入，直接投入包括化肥、种子、农药等农资投入以及使用农业机械的租金；间接投入是指被分担到农业生产成本中的油、电、水、交通、运输、管理费等。本文选择水稻家庭农场当年的水稻总产值作为产出指标。

1.2.3 环境变量的选择和说明

孔令成等[20-21]认为，环境变量是指能够对决策单元的全要素生产率产生影响，但是又不受其主观控制且短期内无法改变的因素。因此，基于现有调查问卷的结果以及数据的可得性，本文从农场主个人特征、家庭农场现状、政府政策3 个维度，选取5 个具有代表性的指标作为环境变量，分别是家庭农场主年龄、农场主受教育程度、农地细碎化程度、土地租金（元/667 m2）、政府补贴（元/667 m2）。由于本文调查问卷中年龄选项的设置是以区间的形式，因此采取虚拟变量来代替每个区间的值，即30 岁及以下取值1；31～40 岁取值2；41～50岁取值3；51～60 岁取值4；60 岁及以上取值5。此外，本文以农场主的平均受教育年限来衡量家庭农场主的受教育程度，具体而言：不识字或小学未毕业（x1=0）；小学文化程度（x2=6）；初中文化程度（x3=9）；高中、中专或技校文化程度（x4=12）；大学专科或本科文化程度（x5=16）。与此同时，本文借鉴张海鑫等[22]的研究，以块均面积来衡量“农地细碎化程度”，使用种植面积与稻田块数的比值来表征“块均面积”，该指标为负向指标，即块均面积越大，农地细碎化程度越小。

2 全要素生产率的测度及结果分析

2.1 样本分类及统计数据描述

由于本文的数据来源于612 户水稻家庭农场的微观调查数据，如果以单个家庭农场的决策单元进行全要素生产率的测度，会使得分析结果较为零散，得到的结果也只是单个家庭农场的全要素生产率，无法分析不同规模下家庭农场全要素生产率的内在差异和规律。因此本文按照种植面积等距分类的原则，将样本划分为11 个组，以组内所有家庭农场的投入、产出、环境变量的均值表征该组投入、产出、环境变量指标，具体分组结果及分组后的投入产出值及环境变量值如表1所示。

表1 不同规模下水稻家庭农场投入产出及环境变量的统计描述

从表1可以看出，随着水稻种植面积的不断增加，水稻家庭农场的各种要素投入也呈现出逐渐递增的趋势。对于环境变量而言，随着种植面积的不断增加，农场主的年龄范围并未出现较大幅度的变化，主要分布在2.5～3.5 之间，即农场主年龄平均分布在45～55 岁之间；农场主受教育程度主要分布在8～12 之间，即样本水稻家庭农场主平均为初中、高中、中专或技校文化程度；农地细碎化程度随着耕种面积的增加不断降低；土地租金最高的规模区间为8.0～9.3 hm2，每667 m2达到750 元；各规模区间政府补贴的均值分布在500～700元/667 m2，补贴额最大的规模区间为10.7～12.0 hm2，达到715 元/667 m2。

2.2 第一阶段传统DEA 实证结果

根据表1中分组后的投入和产出数据，运用DEAP2.1 软件，对各个决策单元的全要素生产率进行测度，结果如表2。

表2 第一阶段DEA 评价结果

根据表2的结果，2019年样本水稻家庭农场全要素生产率、纯技术效率、规模效率的均值分别为0.886、0.956、0.926。总体来看，在未剔除环境和随机因素影响的情况下，样本水稻家庭农场全要素生产率水平较高，但未达到技术有效的状态，尚有进一步提升的空间。此外，规模报酬呈现出先递增后递减的趋势，并在8.0～9.3 hm2的区间保持不变，表明该区间是样本水稻家庭农场的适度经营规模区间，这一结果与辛良杰[23]对中国粮食生产类家庭农场的研究结论相一致。

进一步分规模来看，全要素生产率最低为0.803，所对应的规模为1.3～2.7 hm2，而其纯技术效率较高，达到0.943，表明该规模区间的水稻家庭农场全要素生产率较低主要是由规模效率较低所导致，但其规模报酬处于递增阶段，表明该规模下的水稻家庭农场可以通过增加要素投入来扩大规模，进而提升全要素生产率。此外，有一组（8.0～9.3 hm2）的纯技术效率和规模效率都为1，表明全要素生产率处于有效状态；另外10 组的全要素生产率小于1，其中3 组（5.3～6.7 hm2、10.7～12.0 hm2、13.3～14.7 hm2）是由规模效率非有效所导致，另外7 组是由纯技术效率的损失和经营规模效率不足所导致。从分解后的纯技术效率来看，有4 组（5.3～6.7 hm2、8.0～9.3 hm2、10.7～12.0 hm2、13.3～14.7 hm2）水稻家庭农场的纯技术效率为1，表明处于该规模区间的水稻家庭农场其决策和管理水平都比较高。其他7 组纯技术效率均小于1，其纯技术效率未达到有效的原因可能是由于家庭农场主的经营管理水平较差，现有的农业科技未能得到充分的运用。从分解后的规模效率来看，第1～5 组（1.3～8.0 hm2）水稻家庭农场的规模报酬总体上处于递增的阶段，表明对于该规模区间的水稻家庭农场而言，通过适当增加要素投入以扩大经营规模，可以相应地提高其规模效率。对于种植面积处于9.3 hm2以上的水稻家庭农场而言，其规模报酬总体上处于递减的状态，表明通过缩减要素投入，优化要素质量，提升要素间的协调和配置水平，可以提升其规模效率。具体而言，家庭农场可以通过测土配方来精准施肥，减少化肥的投入冗余，进而提升规模效率和全要素生产率。

2.3 第二阶段SFA 实证结果

由于第一阶段所测得的全要素生产率包含环境和随机因素，需要对其进行有效剥离，以使样本水稻家庭农场面对相同的生产环境和运气，以便考察其真实的全要素生产率水平。此处以第一阶段BCC 模型所测得的投入松弛变量作为被解释变量，用农场主年龄、农场主受教育程度、种植面积、土地租金、政府补贴作为环境变量（解释变量），构建SFA 回归模型，运用Frontier 4.1 软件进行回归运算，其结果如表3所示。

表3 第二阶段SFA 回归分析结果

首先4 个回归方程的LR 值都至少在5%的显著性水平上显著，表明SFA 回归模型的适应性比较高；4个投入变量的值均接近于1 且都在1%的水平上通过显著性检验，表明投入松弛量主要受管理因素的影响，有必要对环境和随机因素进行有效剥离。此外，在SFA回归分析中，如果环境变量的系数为负值，表明环境变量值的增加会带来投入松弛变量值的减少，水稻家庭农场的全要素生产率会提高，反之则会抑制全要素生产率的提高。各环境变量与各投入松弛变量的回归结果分析如下。

2.3.1 农场主年龄

首先可以看出农场主年龄这一变量对直接投入松弛变量（化肥、农药、种子、机械租金）具有显著的负向影响，这一结果可能是因为年龄越大的家庭农场主在组织农业生产时，受自身意识和生活经历的影响，更加倾向于在现有的土地上精耕细作，对化肥、农药、种子等直接资本投入更加精准和节约，使得直接投入冗余减少，从而有利于全要素生产率的提升。其次，年龄对间接投入松弛变量具有显著的负向影响，可能的原因是相比于年轻的家庭农场主，年龄越大的农场主拥有较为丰富的机器操作经验，其所消耗的油、电、水以及运输费等间接投入就会减少，因而有利于全要素生产率的提升。然后，年龄的增长对土地投入冗余具有显著的正向影响，可能的原因是年龄越大的家庭农场主文化程度相对较低、身体健康相对较差、知识技能相对较弱、对新事物的接受相对较慢，只能通过扩大规模增加其总产出，进而使得土地投入冗余增加，不利于全要素生产率水平的提升。最后，年龄对劳动投入松弛变量具有显著的正向影响，可能的原因是年龄越大的家庭农场主受自身体力与精力的限制，可能会雇佣更多的劳动力为自己服务，从而使得劳动投入冗余增加，不利于全要素生产率的提升。

2.3.2 农场主受教育程度

首先，农场主受教育程度正向影响土地和间接投入松弛变量，且分别在10%和5%的水平上显著，可能的原因是受教育程度越高的家庭农场主更加偏向于利用资本（生产过程中农机对油、电、水的消耗）、扩大种植面积来增加总产出，但当前的家庭农场并不适合这种资本过度增密和规模过度偏大的经营模式，这种模式会使得间接资本投入和土地投入冗余的增加[23]。其次，农场主受教育程度对直接投入松弛变量具有显著的负向影响，可能的原因是受教育程度越高的家庭农场主越倾向于运用现代科技进行作物病虫害的防治、农田肥力的保养、优良种子的选取等农业生产活动，以实现投入要素的优化配置，进而减少直接投入冗余，促进全要素生产率的提升。最后，受教育程度对劳动投入松弛变量的影响是负向的，且统计结果显著，可能的原因是受教育程度越高的家庭农场主更偏向于利用现代农业科技进行农业生产，对雇工及自家劳动力的利用相对较少，相应地减少了劳动投入的浪费，从而有利于水稻家庭农场全要素生产率的提升。

2.3.3 农地细碎化程度

首先，块均面积负向影响劳动投入松弛变量，即农地细碎化程度对劳动投入松弛变量具有显著的正向影响，可能的原因是农地细碎化程度越高不仅会提高机器的磨损程度，而且还会增加机器和工人在不同地块间的周转时间，使得雇工人数增加，由此导致劳动投入冗余增加。其次，块均面积负向影响土地投入松弛变量，即农地细碎化程度正向影响土地投入松弛变量，且至少在10%的水平上显著，其原因可能是农地细碎化程度是宜机化程度的集中体现，农地细碎化程度越高意味着宜机化程度越低，耕种和收割难度越大，相应的土地规模效益就较低，农场主只能通过扩大规模才能增加总产出，由此必然带来土地投入冗余的增加，进而降低家庭农场的全要素生产率。最后，块均面积正向影响直接和间接投入松弛变量，即农地细碎化程度对直接和间接投入松弛变量具有显著的负向影响，可能的原因是，农地细碎化程度的上升使得农场主只能使用小型机械进行耕种，并且使用更多的人工替代机器，不仅降低了直接投入中机器租金的投入冗余，而且还降低了间接投入中油、电、水和运输费的投入冗余，有助于全要素生产率的提升。

2.3.4 土地租金

首先，土地租金变量对劳动、土地和间接投入松弛变量具有显著的负向影响，可能的原因是土地租金是家庭农场成本的重要组成部分，随着土地租金的增加，农场主为了节约成本，会在有限的土地上精耕细作，不断优化要素配置，通过要素组合实现更高效率，因而不但会减少劳动和土地投入的冗余量，也节约油、电、水等间接投入。其次，土地租金的上升会增加直接投入的松弛量，可能的原因是租金的上升会驱使家庭农场主通过增加化肥、农药、种子等直接投入来实现产量的增长，抵消成本上升所带来的利益损失，进而增加直接投入冗余量，不利于全要素生产率的提升。

2.3.5 政府补贴

首先，政府补贴负向影响土地和直接投入松弛变量，且均在1%的水平上通过显著性检验，原因可能是，其一政府补贴通常以种植规模为标准对家庭农场主进行补贴，这一补贴方式有利于激励农场主充分利用土地进而降低土地投入冗余；其二政府补贴除了现金形式之外，还包括化肥、农药、种子等物资补贴，这相当于直接节约了这些直接投入成本，降低直接投入冗余，有利于全要素生产率的提高。其次，政府补贴对间接投入松弛变量具有显著的正向影响，可能的原因是政府补贴往往包含对油、电、水费的补贴，这反而增加了家庭农场的间接投入冗余，不利于全要素生产率的提升。最后，政府补贴对劳动投入松弛变量具有显著的正向影响，可能的原因是政府补贴提高了家庭农场的比较收益，吸引了农村青壮年劳动力放弃外出务工的机会，加入家庭农场的经营，进而使得劳动投入冗余增加。

2.4 第三阶段DEA 实证结果

根据第二阶段SFA 模型所估计的各个环境变量的参数值，并代入到式（5）中，分离出对投入松弛量产生影响的环境和随机因素，进而得到调整后的各个投入变量，然后与原产出指标相结合构成新的投入产出组合，利用BCC 模型对水稻家庭农场全要素生产率进行测度和分解。此外，在进行第三阶段DEA 结果分析之前还需要对一、三阶段所测算的全要素生产率、纯技术效率、规模效率值的差异进行显著性检验，以判断三阶段DEA 模型的合理性，本文采用Wilcoxon 符号等级检验，结果如表4所示，可以看出，一、三阶段的全要素生产率、纯技术效率、规模效率均存在显著性差异，说明第二阶段有必要利用SFA 模型剥离环境和随机因素对全要素生产率的影响。第三阶段DEA 结果如表5所示。

表4 一、三两阶段效率值的Wilcoxon 检验

表5 第三阶段DEA 评价结果

通过对比表2、表5中一、三阶段DEA 评价结果可以看出，通过第二阶段SFA 模型对环境和随机因素的剥离，除了8.0～9.3 hm2规模区间的全要素生产率保持有效状态，其他区间皆有所下降，其均值从0.886 下降至0.867，下降了2.14%，表明第一阶段全要素生产率较高的样本水稻家庭农场与其所处的环境和运气有关。分别来看，纯技术效率的均值相比于第一阶段由0.956 下降至0.952，其中有三组（8.0～9.3 hm2、10.7～12.0 hm2、13.3～14.7 hm2）的纯技术效率仍处于有效的状态，除了处于规模较大区间（9.3～10.7 hm2、12.0～13.3 hm2、14.7 hm2以上）的水稻家庭农场纯技术效率有小幅上升，另外5 组（1.3～8.0 hm2）的纯技术效率均有所下降；从规模效率来看，其均值由第一阶段的0.926 下降至0.906，其中除第3 组和第4 组（4.0～5.3 hm2、5.3～6.7 hm2）有所上升以及第6 组（8.0～9.3 hm2）保持不变外，另外8 组均有所下降。这表明样本水稻家庭农场全要素生产率受环境和随机因素的影响较大，其纯技术效率、规模效率和全要素生产率在第一阶段运用DEA-BCC 模型测度时被高估。从规模报酬变化的情况来看，在分离环境和随机因素前，规模报酬递增的区间有5 组，分离后增加至6 组，其中第1 组（1.3～2.6 hm2）的规模报酬由不变转至递增，第11 组（14.7 hm2以上）的规模报酬由不变转至递减。第6 组（8.0～9.3 hm2）仍然处于规模报酬不变的状态，表明无论分离环境和随机因素与否，样本水稻家庭农场的适度经营规模区间未发生变化。

3 研究结论及政策建议

本文采用三阶段DEA 模型对不同规模下水稻家庭农场的全要素生产率进行测度和分解，并进一步分析其内在规律和差异，得出以下主要结论：一是耕种面积和规模报酬呈现出倒U 型关系。具体而言，第一阶段结果显示水稻家庭农场的规模报酬随耕种面积的增加先递增，超过9.3 hm2以后，呈现出递减趋势。分离了环境和随机因素以后，第三阶段结果仍显示水稻家庭农场的规模报酬先递增，超过10.7 hm2以后，转至递减。二是水稻家庭农场的适度规模区间为8.0～9.3 hm2。无论是否对环境和随机因素进行分离，一、三阶段DEA结果均显示水稻家庭农场的规模效率在经过递增之后到8.0～9.3 hm2的规模区间达到最大。三是全要素生产率未达到有效的原因是由于规模效率较低所导致。具体来看，第一阶段全要素生产率、纯技术效率、规模效率的均值分别为0.886、0.956、0.926，第三阶段的均值分别为0.867、0.952、0.906。由此可以看出，规模效率较低是导致全要素生产率未达到有效的主要原因。四是环境因素对水稻家庭农场的全要素生产率具有重要影响。第二阶段SFA 回归结果显示，水稻家庭农场全要素生产率会受农场主年龄、受教育程度、农地细碎化程度、土地租金、政府补贴等因素的影响，分离了环境因素和随机因素以后，水稻家庭农场的全要素生产率的均值由0.886 下降至0.867。

基于以上所述结论，为进一步提升水稻家庭农场全要素生产率，本文提出以下对策建议：第一，在土地流转方面，有关部门应积极规范农地流转市场，降低农地流转过程中由于交易摩擦所产生的成本。第二，在市场竞争方面，要形成有效的市场竞争机制，解决家庭农场经营难、赚钱难、不丰收的问题；积极与重点龙头企业进行多方面的合作，使家庭农场走上“绿色、健康、生态”的循环农业道路。第三，在农地细碎化方面，应将“宜机化”纳入高标准农田建设指标，统筹各类相关资金以及社会资本，推动田块小并大、弯变直，降低农地细碎化程度，提升土地的宜机化水平，进而推进农业先进技术的应用。第四，在家庭农场主自身能力建设方面，要充分利用好政府培训资源，分行业、分层级对家庭农场经营管理人员广泛开展政策、技术、营销、经营管理知识的培训，以提升家庭农场主生产技能、市场意识和经营管理水平。