我国农业全要素生产率研究回顾与展望

李航飞魏少彬

(1.韶关学院旅游与地理学院，广东 韶关 512005；2.汕头市潮南区规划设计研究院，广东 汕头 515144)

引言

自2004年以来，中央一号文件都是以“三农”问题为主题，充分凸显了党中央、国务院对我国“农业、农村、农民”工作的重视。农业是衣食之源、生存之本，是一切生产的首要条件，其基础地位任何时候都不能忽视和削弱，“手中有粮、心中不慌”在任何时候都是真理。农业是国民经济之基础，其发展状况直接决定着人民生活基本需求和国民经济发展水平。长期以来，受工业化、城镇化发展之影响，我国农业生产用地矛盾不断加剧，加之资源环境约束日益强化，我国农业生产能力逐渐接近极限，农业资源要素投入的“天花板”逐渐显现，中国农业发展面临资源稀缺和环境恶化的双重约束。第二次全国污染普查公报显示，农业总化学需氧量(COD)、总氮(TN)和总磷(TP)排放量分别为1067.13万t、141.49万t和21.20万t，分别占总排放量的49.77%、46.52%和67.21%，农业已经成为我国COD、TN和TP排放的主要来源[1]。中国积极应对全球气候变化，在2020年第75届联合国大会上提出力争在2030年CO2排放达到峰值，2060年前实现碳中和的远景目标和任务。农业生产是重要的碳排放过程，农业碳减排是中国实现碳达峰、碳中和目标的重要方面。党的二十大报告提出“加快发展方式绿色转型，倡导绿色消费，推动形成绿色低碳的生产方式和生活方式”。习近平总书记强调“强国必先强农，农强方能国强。没有农业强国就没有整个现代化强国；没有农业农村现代化，社会主义现代化就是不全面的”。在全面推进乡村振兴、加快建设农业强国的新时代背景下，农业必须由原来依靠要素投入的粗放型生产方式向依靠优化资源配置的集约型生产方式进行转变，提高农业生产效率，大力发展绿色低碳生态农业。本文从研究方法与模型、研究主要内容、研究对象及研究视角等方面对我国农业全要素生产率的研究文献进行了梳理，提出了目前研究存在的不足及需要改进和完善之处，并指出未来的研究展望。

1 研究现状

1.1 研究方法与模型

科学评价农业全要素生产率一直是农业经济领域专家学者研究的热点问题。目前，关于农业全要素生产率(Total Factor Productivity，TFP)的研究方法，主要以参数法和非参数法为主。参数法主要包括索洛余值法、C-D生产函数法、随机前沿生产函数法(Stochastic Frontier Approach，SFA)和超越对数生产函数法等，其中随机前沿生产函数法(SFA)应用最为普遍，蔡文聪等[2]采用SFA、分位数回归和中介效应方法对农户兼业是否导致农业生产低效率问题进行了研究；刘霞婷等[3]基于SFA模型和log(t)回归方法对中国农业全要素生产率动态变化情况进行了测算与分析。代数指数法、数据包络分析法(Data Envelopment Analysis，DEA)等在运用时不涉及参数方程的计量经济估计，通常被称为非参数方法，其不需要设定具体的生产函数，能有效避免参数法带来的弊端，受到学者的广泛应用。DEA模型作为一种非参数前沿效率分析法，在模拟多投入、多产出时具有明显优势，已成为目前学界测度农业全要素生产率的主流方法。在利用DEA测算农业全要素生产率时多会使用Malmqusit指数，如胡卫卫等[4]利用DEA-Malmquist模型分析了江苏省农业生态效率的时空差异；李航飞[5]基于DEA-BCC和DEA-Malmquist模型对包括台湾省在内的中国省级行政区的农业全要素生产率进行了测算与分析。考虑到DEA方法的径向及松弛性等问题，越来越多的研究将SBM、FP、EBM等指数与DEA相结合对农业全要素生产率进行测算，力求测算结果更加符合实际情况，其中以SBM指数为多[6]，许燕琳等[7]基于DEA和STIRPAT模型，对山东省农业生态效率进行了研究；赵吉等[8]基于SBM-Tobit模型，对中国农业生态效率时空差异及影响因素进行了分析。SBM模型由于会损失有效前沿面上“投入-产出”的目标值与实际值之间的原始比例，导致效率测度偏误的问题[9]。相比之下，EBM(Epsilon-Based Measure)模型作为一种混合距离测算方法，同时兼顾了“投入-产出”的目标值与实际值的径向比及各个“投入-产出”的非径向松弛变量，能够有效克服DEA-SBM模型的缺陷[10]，杨骞等[1]考虑粮食生产过程中的净碳汇和面源污染排放，构建全局EBM模型对2001—2018年我国30个省份及3大功能区的粮食生产效率动态演进趋势进行了考察。

从以上文献可知，对我国农业全要素生产率进行测算的研究方法和模型众多且已日趋成熟，但文献基本上是用单一方法和模型对我国农业全要素生产率进行测算和分析，鲜有使用多种方法相结合进行对比分析的文献。

1.2 研究内容

现有文献在对农业全要素生产率进行研究时，主要基于随机前沿生产函数方法(SFA)、数据包络分析法(DEA)，结合Malmquist模型、SBM模型、GWR模型、空间自相关模型、灰色关联分析模型、Tobit模型等，通过构建农业全要素生产率“投入-产出”评价指标体系，在农业全要素生产率的水平测度[11，12]、时空演化特征[13]、影响因素[14]等方面进行了大量研究，取得了丰硕成果。由于“投入-产出”指标、研究方法和模型、研究区域及研究时段的差异，不同学者的研究结果虽有相似性，但差异同样较大。

在农业全要素生产率时空演化特征方面，以全国作为研究尺度的较多，侯孟阳等[15]研究发现，我国东北、西部、中部、东部4大地区间农业生态效率的空间差异随时间推移呈现出进一步缩小的态势；王丽娜[16]的研究则表明，中国农业绿色生产效率具有明显的地区差异，东部和东北地区省份农业绿色生产效率领先于中西部地区，整体呈“中部塌陷”分布格局；冯亚娟等[17]研究表明，中国全要素农业生态效率值增长稳定，空间分布具有全局自相关性，河南、山东等省份表现出“低-低”集聚特征；赵吉等[8]认为，中国农业生态效率水平较低，空间发展不平衡，整体呈现“东高西低”的格局。

除以全国作为研究空间范围外，较多学者开始关注区域、省域、市域、县域空间范围的农业全要素生产率。肖琴等[18]对长江经济带农业生产效率进行了研究，结果表明，长江经济带农业绿色生产效率水平较高且呈不断增长趋势，下游地区的农业绿色生产效率高于中、上游且差距不断拉大；梁耀文等[19]研究发现，环渤海地区农业生态效率整体水平较低，呈现逐渐上升态势，地区间差异较大，空间上整体呈东北-西南格局并逐渐向西南方向转移，存在明显的空间相关性和聚集特征。

为对农业健康持续向好发展提供实证依据和决策参考，学界从不同视角选取不同指标来探讨我国农业全要素生产率的影响因素，但由于不同区域的自然条件、社会经济条件、人文条件等差异巨大，影响农业生产率的因素也因区域不同而不同，得出的结论亦不尽相同。综合目前文献可知，影响中国农业全要素生产率的因素主要有自然条件、农业基础条件、经济发展水平、政策支持、科技投入、农户本身等方面。关于自然条件和科技投入2类指标对我国农业全要素生产率的影响，学界研究结果较为一致。自然条件类主要涉及农业受灾情况，其对我国农业全要素生产率的提升产生负向影响，而科技投入则能显著提高农业生产效率；对于农业基础条件，差异比较大的是农业机械投入情况和灌溉情况，研究结论有正有负；对于经济发展水平而言，在农业规模化水平、城镇化水平及农民可支配收入方面的研究结论不一致，对农业全要素生产率的影响有正有负；大部分政策条件有利于我国农业全要素生产率的提升，但在财政支农方面存在一定的差异；相对来说，学界在关于农户本身条件对农业全要素生产率的影响方面的研究较少。

需要说明的是，由于研究不同区域自然、人文条件的差异，加之研究时段和研究方法的差异等因素的影响，不同学者所选研究指标虽然一样，但结论却不尽相同。

1.3 研究对象

梳理并比较目前的研究文献和研究成果，可以发现对广义农业范畴即农林牧渔业全要素生产率的研究是学界研究的重点[20，21]，其优点是测度面广，可为我国农业生产效率的提高提供宏观决策依据，但其“投入-产出”的对应关系不够精准，对测算结果的精确性会产生一定影响。

为弥补广义农业范畴全要素生产率研究的不足，专家学者开始基于农业产业细分视角，对某一具体农业产业全要素生产率的演变趋势和驱动因素进行研究和探讨。在粮食作物方面，唐小平等[22]基于Malmquist指数法对2004—2018年全国30个省份的农业全要素生产率进行了测算；郭焱等[23]运用Hicks-Moorsteen生产率指数测算了1979—2018年我国19个主产省份玉米全要素生产率(TFP)的增长情况。在经济作物方面，岳会等[24]运用DEA-Malmquist指数法，对2004—2018年我国棉花全要素生产率进行了研究。

1.4 研究视角

农业全要素生产率的高低实质上是农业投入与产出间的相关关系。农业生产的投入要素主要有劳动力、土地、资本(农药、化肥、机械、能源等)，产出则主要是农业GDP、农业产量等期望产出，亦称之为合意产出；在“碳达峰、碳中和”及“绿色生态”等背景下，农业产出变量需要重新审视。农业作为国民经济的基础产业，具有碳源和碳汇的双重属性，碳源属性主要指农业生产中因使用农药、化肥、农膜等农用物资所产生的温室气体排放，同时还包括水稻种植以及畜禽养殖过程排放的温室气体及土壤氧化亚氮(N2O)排放、秸秆燃烧产生的碳排放等。碳汇属性反映的是农作物在生长过程中能利用光合作用吸收大量的CO2，即农作物的固碳效应。提升农业系统碳汇能力，对实现碳达峰、碳中和目标具有重要的现实意义。同时，农业污染已成为我国农业发展面临的一个严峻问题[1]。因此，学界对农业全要素生产率的研究视角开始转向绿色、低碳、环保等方面，将农业碳汇、碳源和面源污染等合意及非合意产出纳入农业全要素生产率测算的指标框架中。

比较当前的研究成果发现，专家学者在测算农业全要素生产率，选取相关“投入-产出”测算指标时，主要基于2个方面：传统研究视角(非绿色生态视角)和绿色生态视角，其差异主要表现在测量农业全要素生产率时产出指标的选择方面。非绿色生态视角在构建“投入-产出”指标时，没有将农业碳排放、碳吸收、面源污染等农业产出纳入分析的指标体系中。2种视角下主要的“投入-产出”指标如表1、表2所示。

由表2及相关文献可知，低碳生态视角下，根据“投入-产出”指标的选择，目前的研究主要可分为4类：第1类为期望产出未考虑农业碳汇作用，非期望产出仅考虑农业碳排放；第2类为期望产出未考虑农业碳汇作用，非期望产出考虑农业碳排放、农业面源污染；第3类为期望产出考虑农业碳汇作用，非期望产出考虑农业碳排放；第4类为期望产出考虑农业碳汇作用，非期望产出考虑农业碳排放、农业面源污染。通过对4类文献进行比较分析，可发现在低碳生态视角下，农业全要素生产率的研究还存在以下方面需进一步完善。

农业生产不仅是碳排放的过程，同时也是碳吸过程。已有研究表明，农业生态系统是一个巨大的碳汇。目前多数文献仅将农业生产看作是碳源，而忽视了其碳汇的功能。同时，已有研究在考虑农业碳源时，主要考虑的是农业生产过程中农用物资如化肥、农药、农膜、柴油、灌溉、翻耕等投入产生的碳排放，鲜有文献将秸秆燃烧、农作物种植破坏土壤表层、水稻生长发育过程、动物尤其是反刍动物养殖等带来的温室气体排放纳入碳源的计算范畴。

农业生产对环境所造成的影响不容忽视，其已经成为我国COD、TN和TP排放的主要来源[1]，已取代工业污染成为头号污染源，治理农业面源污染，迫在眉睫；已有文献在考虑农业面源污染方面还有所欠缺。同时，已有文献在农业面源污染的测算方法与途径方面还未形成统一标准[1]。

表2 绿色生态视角下投入-产出指标体系

农业生产过程中的生态效应是一个完整系统，碳排放、碳吸收、面源污染只是其中的子系统。目前的研究将农业碳排放、碳吸收、面源污染纳入到农业全要素生产率测算的“投入-产出”指标体系的文献很少。全面系统考察农业生产过程的碳排放、碳吸收、面源污染，方能体现农业发展的绿色化、生态化、低碳化。如忽视农业生产的碳效应、污染影响，势必会扭曲我国农业生产的效率，导致测算结果不够精准，不能很好地为我国农业生产的宏观决策提供参考依据。

综合来看，农业产出不仅要考虑农业产值、产量等因素，还要考虑碳排放、碳吸收(碳汇)、农业污染等因素，这样测算出的农业全要素生产率才更加符合实际情况，更能体现真正的农业生产效率。

2 研究展望

2.1 研究方法与模型方面

目前关于我国农业全要素生产率的研究方法与模型已趋于成熟，但不同的方法和模型由于算法及限制因素的影响，测算出的结果虽然总体上能说明我国农业全要素生产率的时空变化情况，但还是存在一定的差异，有些文献得出的结论甚至是相反的。在后续的研究中，一定要考虑所研究区域的实际情况，选择恰当的测算方法、模型及指标体系；同时，可采用2种甚至多种方法和模型进行校验，以使得出的研究结果更加符合区域实际情况。

2.2 研究内容方面

国内学者根据不同的方法与模型，针对我国农业全要素生产率的时空演化特征及影响因素，做了大量实证研究，取得了丰硕成果，对指导我国农业生产具有积极意义。然而实证背后隐含的理论机理是什么，在农业全要素生产率理论研究方面，我国学者鲜有涉及。新中国成立后，我国农业取得了举世瞩目的发展成就，以世界7%的耕地养活了世界22%的人口，当前正走向高质量发展道路。农业全要素生产率作为反映农业经济增长质量的重要指标，我国学者应根据我国农业经济发展的实际情况构建和完善技术经济理论体系，以此来解释中国现象、中国成就，来剖析中国农业经济发展的机理。

农户是农业生产活动的直接参与者，也是农业全要素生产效率提高的直接受益者。建立以农户为基本研究对象，通过问卷、访谈等形式获取其不同时期农业“投入-产出”的指标数据，从而对其进行全要素生产率分析，所得出的结论应该更具有针对性。在全面推进乡村振兴背景下，对农户农业全要素生产率的研究应该成为未来专家学者研究的主流。

2.3 研究视角方面

在“双碳”“绿色生态”背景下，农业的发展无疑要走低碳化、绿色化、生态化的高质量发展道路。对农业绿色全要素生产率、农业生态效率的研究受到了越来越多专家学者的青睐。但在农业全要素生产“投入-产出”指标选取方面还有待进一步完善。未来的研究除考虑传统的“投入-产出”指标外，还应将农业碳源、碳汇及污染等纳入全要素生产率分析框架之中；农业碳源、碳汇及污染的选取指标与测算方法目前学界还未形成统一认识，如何根据我国农业生产的实际情况，科学、准确地选择农业碳源、碳汇及污染的指标项及测算方法将是未来农业全要素生产率研究的热点。