2004—2013：中国棉花生产率增长、技术进步与效率变化

黄梦思　孙剑

摘要：运用DEA的Malmquist指数分析方法对中国2004—2013年棉花TFP的增长及其构成进行实证分析，阐释了棉花TFP变化的基本特征。结果显示，①中国棉花产业的全要素生产率年际波动较大，2004—2013年中国棉花TFP的年均增长率达到2.7%，其中技术进步的年均增长率为3.1%，技术效率的年均增长率为-0.3%；②技术进步是推进TFP增长的主要动力。由于近年来棉花技术缺乏创新，对TFP的促进作用越来越乏力；③纯技术效率过低是技术效率出现负增长的主要原因；④中国棉花TFP的增长具有区域不平衡的特征。各棉花主产区技术进步水平的不同导致TFP的增长存在显著差异，新疆已经成为中国棉花TFP增长最高的棉区，改变了三大棉花区域齐头并进的局面。

关键词：棉花；Malmquist指数；TFP

中图分类号：F326.12 文献标识码：A 文章编号：0439-8114（2016）08-2158-05

DOI：10.14088/j.cnki.issn0439-8114.2016.08.061

Abstract： With the Malmquist index approach in data envelopment analysis （DEA），the growth and constitution of total factor productivity （TFP） of china's cotton in 2004—2013 were empirically analyzed to illustrate the change features of the total factor productivity of cotton. The results showed that， first， the annual rate of TFP growth in China's cotton industry fluctuated strongly.From 2004 to 2013，the annual rate of TFP growth of Chinas cotton was 2.7%，in which the annual growth rate of technical progress was 3.1%， the annual growth rate of technical efficiency was -0.3%. Second， the technical progress was the prominent stimulus of TFP growth. For lack of innovation in recent years，the stimulative effect of cotton technology on TFP have become more and more weak.Three，the pure technical efficiency was too low，which was the major cause for negative growth of technical efficiency；Four，there was regional unevenness in the TFP growth of China's cotton.The different technical progress rates of different cotton production regions resulted in significant difference of TFP growth，when Xinjiang province have the highest TFP growth rate，which broke the original balance among three major cotton production regions.

Key words： cotton；Malmquist index；total factor productivity

棉花作為中国重要经济作物之一，不仅一直是主产区农民重要的收入来源，也在国民经济发展中发挥着重要作用。中国棉花主要分布在西北内陆、长江流域和黄河流域三大棉区，种植面积和总产量均在世界范围内名列前茅，是世界公认的棉花生产大国。根据相关资料显示，2013年中国棉花实现单产1 323.6 kg/hm2，是改革开放时期的3.14倍。中国之所以能成为世界棉花生产大国，与棉花科技进步是分不开的，尤其是转基因棉花品种的引入、覆膜栽培和滴灌技术的改进、耕作模式的改变等在推动棉花生产发展方面发挥了重要的作用[1]。

与此同时，中国也是世界棉花消费大国。在2013年，中国棉花消费总量占全球棉花消费总量的32.79%，其中棉花净进口449.2万t，是世界棉花进口总额的18.79%。尤其最近几年，受棉花价格长期疲软，低温、阴雨和风涝等不利气候以及种棉成本不断上升等因素的影响，中国种棉意向和播种面积均呈现出持续下降的趋势。棉花种植面积持续萎缩，生产对外依存度超过国际警戒线，棉花产业安全正在受到威胁。

中国城镇化、工业化推动速度不断加快，在粮食安全是第一要务，受制于耕地资源和水资源的约束下，棉花播种面积规模扩大潜力十分有限。为了促进棉花产业的健康、持续发展，必须依靠科学技术的创新提高棉花的竞争力。因此，客观科学地评价投入要素、技术进步以及技术效率对棉花生产过程中产值增长的贡献率，尤其是在中国棉花生产分布广泛的情况下，评价三大棉区全要素生产率增长动力是否存在差别，有针对性地提出改进棉花生产效率的方法及建议，这对于进一步挖掘中国棉花生产潜力和稳定棉花生产有着重要的意义，对棉农改善生产决策和相关部门制定有效可行的产业发展政策具有重要的参考价值。

通过文献梳理发现，研究学者主要利用索洛余值法、随机前沿生产函数法（SFA）和数据包络分析的Malmquist指数方法对全要素生产率（TFP）进行测算。如谭砚文等[2]采用索洛余值法构建索洛增长速度方程对中国棉花生产的技术进步贡献率进行了测算，结果表明1978—2000年中国棉花单产水平主要是依靠产棉区的均衡发展和科技进步而实现的大幅度提高。田伟等[3]通过构建随机前沿生产函数模型（SFA）对1995—2008年13个棉花主产区的生产技术效率进行测算和分析，揭示了棉花生产总技术效率水平较高并呈现波动趋势，棉花生产技术进步显著但存在产区差异。孙林等[4]利用非线性参数的Malmquist方法分析了1990—2001年中国棉花生产效率的变动情况，研究发现棉花生产技术水平的提高是生产效率较快增长的主要因素。宋玉兰等[5]运用Malmquist指数方法对中国近21年棉花全要素生产率的空间分布和时序演进特征进行了研究，得出中国全要素生产率增长呈阶段性波动特征，棉花TFP增长的主要动力是技术进步。石晶等[6]运用Malmquist指数方法对中国棉花主产区2002—2011年全要素生产效率进行了测算和分析，得出地区间全要素生产率的差距在逐渐缩小，技术退步是全要素生产率总体下降的主要原因。

国内许多学者在学习国外理论和方法的基础上，从不同角度对中国棉花生产的TFP进行了有价值的研究。由于已有文献使用的方法不一致，选取的对象存在差异，研究的时间跨度也不相同，因此研究结论存有差异，也为后续的研究提供了空间。在借鉴已有研究的基础上，本研究运用DEA的Malmquist指数方法，对中国21世纪以来11个主产区省份的棉花TFP增长进行了研究。通过所获得的结果，不仅可度量各省份以及全国TFP逐期的动态变化，而且可具体分析各个分解效率的变化影响。

1 研究模型与方法

借助于线性规划中对偶理论的数据包络法，基于多投入和多产出的有效生产前沿面状态来评价相同产业部门间的相对有效性。借鉴学者Vania和Renuka的研究成果，本研究将技术进步表示为在投入要素保持不变的情况下，随着时间变化产出的生产可能性边界的移动。技术效率用来衡量生产单元在等量要素投入条件下，实际产出与生产前沿（最大产出）的距离，用以反映技术利用效率的高低。规模效率指在其他条件不变的情况下，通过产出的增长比例与要素投入规模综合增长比例的比较来反映生产单元的决策与管理效率[7，8]。

瑞典经济学家Malmquist最早在消费分析过程中提出Malmquist指数模型。后来，受此启发的Caves等[9]将这种思想借用到生产分析中。学者一般用Malmquist生产率指数表示基于多投入多产出条件下的全要素生产率指数，主要是因为该指数具有不需要相关价格信息和经济假设的优势，而且可以提供全面的全要素生产率信息并适用于多个地区跨时区的样本分析。

本研究根据Charnes和Cooper等1978年提出的DEA理论，D0t（xt，yt）表示以t时期技术为参照时，t时期的投入产出向量的距离函数，同理可得，以t+1时期技术为参照时，t时期的投入产出向量的距离函数为D0t+1（xt，yt），而以t+1时期技术为参照时，t+1时期的投入产出向量的距离函数为D0t+1（xt+1，yt+1）[10]。因此，在t和t+1时期技术基础上的Malmquist指数分别为：

M0t=D0t+1（xt+1，yt+1）/D0t+1（xt，yt）

基于产出的全要素生产率变化指数是上述两项的几何平均值，表达式为：

示技术效率变化指数，Tch表示技术进步，同时考虑到规模报酬可变和规模效率的变化，在动态条件下技术效率变化指数是纯技术效率变化指数和规模效率变化指数二者的乘积，表达式为：

式中，SEch为规模效率变化指数，PEch为纯技术效率变化指数。

2 指标的选取与来源

为了全面地反映中国棉花全要素生产率变化的情况，考虑到数据的可获得性，本研究利用2004—2013年河北、江苏、安徽、江西、山东、河南、湖北、湖南、陕西、甘肃、新疆等11個棉花主产省（自治区）以及全国的平均值面板数据，通过计算各种距离函数来测算中国全要素生产率及各构成部分。

关于棉花投入产出变量的选择是进行数据分析的关键。根据近年来中国棉花投入产出效率变化的新趋向，本研究基于棉花生产投入和产出的特征，选择每公顷的物质与服务费用、用工数量和土地成本作为模型投入变量，每公顷棉花的主产品产值作为模型的产出变量，其中每公顷物质与服务费用主要包括化肥、农药、机械、技术服务等费用，土地成本包括自营地折租和流转地租金，用工数量包括家庭用工和雇工数量。由于各地的工价差异较大，用工成本无法准确反映各地区的用工投入差异，这里采用实物量指标来衡量用工。本研究所采用的原始数据均来自于《全国农产品成本收益资料汇编》。

3 实证分析结果

以中国11个棉花主产省（自治区）10年（2004—2013）的调查数据为原始数据，利用DEAP Version2.1软件进行处理，可以得到关于全国和主产省的棉花产业的全要素生产率及其各部分的测算结果。

3.1 2004—2013年中国棉花TFP的构成及基本特征

由表1的测算结果可知，中国棉花TFP及其各部分的构成具有以下特征。第一，中国棉花TFP增长率整体上呈“W”形，年际波动较大，TFP增长率的年均水平为2.7%。值得注意的是2010年棉花全要素生产率增长率达到了69.2%，而下降最多年份2008年的棉花全要素生产率出现负增长，为-27.9%。第二，从图1中可以发现，中国棉花的TFP增长呈现出全国农业TFP增长的构成特征，变化趋势上全要素生产率与技术进步大体相同。此外，技术进步增长率也同样表现出了较大幅度的变动，有4个年份出现了技术进步的增长率高于TFP增长率。这说明，2004—2013年中国棉花的生产技术已经取得了明显的进步，提升的空间和可能性已经不大，对棉花全要素生产率的促进作用越来越乏力。第三，相对于技术进步波动性的变化，受纯技术效率和规模效率共同作用的综合技术效率变化比较平缓。出现这种差异的主要原因是2003年以来中国出台了有利粮食稳定生产的支持政策。

从具体的年份来看，值得注意的是2008年和2011年的TFP增长率为-27.9%和-27.6%。技术进步增长率为-23.3%是2008年棉花TFP增长率出现低负值的罪魁祸首。具体而言，一般当棉花生产遇到恶劣天气时，DEA方法倾向于把这解释为技术倒退。2008年前期出现风调雨顺的气候成就了棉花“伏桃满腰”的丰产长相，后期出现的低温、阴雨、寡照、渍害的不利气候影响了棉花的正常生长。另外，2008年棉花枯萎病、黄萎病大爆发，对全国各地棉花生产技术效率和技术进步造成了很大影响，出现了规模报酬递减的现象。而2011年棉花TFP出现反常的原因与2008年有所不同。一方面化肥、农药、种子、人工成本等要素价格的上涨导致国内棉花种植成本持续走高，另一方面长期疲软的棉花价格使棉农收益快速回落。同时，中国棉纺织品更倾向于采用国外的原材料，减少了对国内棉花的需求，导致棉农生产积极性下降，技术进步大幅度降低。后来国家针对种棉区陆续出台了相关政策扶持，棉花生产的TFP得到稳定提高。

从不同阶段来看，中国棉花的TFP增长可分为3个阶段。①2004—2008年，棉花TFP指数由大于1变为小于1。主要是中国入世后，农业发展的市场约束、农业种植的结构性矛盾及恶劣的气候条件、农民从事生产的积极性过低影响了对农业新技术的采纳和生产投资，技术进步增长率出现由正向负转化，最后导致棉花TFP出现下降。2005年，国家针对前期出现的严重负增长的局面，在农业问题上提供了巨大支持，农业全要素生产率增长率为13.7%。②2009—2010年，棉花TFP指数大于1。具体表现是TFP年均增长率为51.10%，技术进步年均增长率为51.35%，技术效率年均增长率为0.25%。数据分析表明，技术进步是这一时期TFP较快增长的主要動力，而技术效率整体水平相对较低透露出存在资源配置不合理，严重资源浪费的现象。具体来看，在这一时期，棉花价格水平的提高、棉花良种补贴政策的全面实施、棉花新品种的不断推广和应用等政策极大地促进了中国棉花的生产。③2011—2013年，棉花TFP增长指数小于1。TFP年均增长率出现负值，为-2.3%。主要原因是棉农种棉比较收益的下降以及中国棉纺织品出口受阻等因素导致农民种棉意愿下降。同时，在没有达到发挥规模效率的水平下，中国棉花的种植面积逐步趋于稳定，说明仍存在资源浪费的情况。

3.2 中国种棉主产区生产效率的横向比较

从2004—2013年年均数据来看，中国棉花产业TFP的年均增长率为2.7%，实现了较大幅度的增长。其中，新疆棉花TFP年均增长率达到了8.4%，是增长最快的省份；其次是甘肃，为5.6%，山东为4.0%，河北为3.2%，河南为2.4%，江西为2.1%，江苏为1.0%，湖北为0.7%，陕西为0.5%，安徽为-0.9%，湖南为-2.4%。值得注意的是安徽和湖南出现了负的增长率，主要的原因是规模效率小于1，说明安徽和湖南的棉花产出与投入要素比例不是很适当，生产没有达到最佳规模。

同时，由表2可知，2004—2013年中国棉花三大主产区的TFP存在不同幅度的增长。属于西北内陆的新疆棉区的TFP比其他产区相对增长较快，年均增长率为8.4%，高于全国的平均水平；其次是黄河流域棉区，TFP年均增长率为3.1%；长江流域棉区TFP年均增长率最低。主要原因是长江流域棉区在早期具有良好的生产基础，而目前分散化和土地零碎化的经营方式影响了其技术效率的发挥。

由表2可知，技术进步是导致全国三大棉区TFP增长出现差异的主要原因，技术进步指数年均增长率由高到低分别为新疆棉区（8.4%）、黄河流域棉区（3.0%）、长江流域棉区（2.5%）。结合实际情况，各地区之间TFP的差异主要是由于各地自然气候、资源禀赋不同，尤其是棉花生产科技投入、推广有所不同而形成的。以新疆棉区为代表的西北内陆棉区独特的气候条件非常适合种植棉花，在地广人稀的条件下进行规模化经营，有利于棉花种植技术的采用和推广。尤其是新疆棉区采用精品良种、“矮密早”栽培模式、具有节水功能的“膜下滴灌技术”、大面积连片高效集中种植，使得棉花在生产产量、品种质量、经营效益方面有了大幅度的提高，因而全要素增长率位居全国首位。黄河流域棉区和长江流域棉区的农户种植面积偏小，采用新技术的成本高，而且在种植方式上多种作物间套种，种植密度低，阻碍了技术的发挥。由此可知，黄河流域棉区和长江流域棉区技术进步率较低主要是与经营模式有关。

由表2可知，2004—2013年新疆棉区、长江流域和黄河流域棉区的技术效率增长率分别为0%、 -2.4%和0.1%，因此，在棉花生产技术方面在关注棉花生产技术进步的同时，更要重视棉花科技转化率和使用效率。

4 结论及政策意义

本研究利用2004—2013年棉花生产成本的面板数据，使用基于数据包络分析（DEA）的非线性参数Malmquist指数分析方法，实证分析了中国棉花全要素生产率（TFP）的增长状况，研究结论如下。

4.1 研究结论

1）中国棉花的全要素生产率增长年际波动较大。从入世后的时间发展趋势来看，中国棉花TFP增长率呈现出不规则的较大变动。2009年和2010年棉花生产的TFP增长较快，而2008年和2011年棉花生产的TFP则出现负增长。同时，棉花TFP增长率的波动特征与中国农业发展阶段的变化非常吻合，表明中国棉花TFP的增长尤其容易受到相关政策、环境的影响。

2）技术进步是推进棉花全要素生产率增长的主要因素。棉花具有资本密集型特征，在未来耕地面积有限、水资源短缺和劳动力持续转移等生产资源短缺的情况下，提高全要素生产率是实现棉花生产增长的最重要途径。根据本研究关于TFP构成的测算结果可知，技术进步一直是促进棉花全要素生产率增长的根本动力。而近几年来出现的棉花技术进步缓慢甚至倒退是棉花产业全要素生产率增长下降的主要原因。

3）技术进步向现实生产力的转化力度越来越乏力。根据测量结果，技术进步的增长趋势已经明显放缓。这说明，通过技术进步来提高棉花产量的空间已经不大，而且目前中国棉花的综合技术效率偏低，存在棉花生产技术进步与效率损失并存。究其原因是棉花科学技术没有得到棉农的有效利用。

4）新疆棉区的全要素生产率增长高于黄河流域和长江流域。从各主产区的情况看，新疆棉区的全要素生产率增长比长江流域、黄河流域要高，出现这种现象的主要原因是新疆积极进行了技术创新，优化棉花种植区域布局，建立了优质的高效生产技术体系，实行规模化经营。这说明，中国棉花全要素生产率增长状态与棉花种植中心转移密切相关，呈现出空间差异的同时也显现出空间集聚特性[11]。

4.2 政策建议

1）建议继续加大棉花的政策扶持力度，重视对棉花产业相关服务能力的建设，增强生产后劲。如棉花市场信息服务能力的建设、棉花生产基础设施的投入有利于减少棉花生产的波动和无序状况，最终实现棉花产业整体素质的提高。

2）建议坚持“科教兴国”战略，继续加强对科技重要性的认识，积极支持转基因抗虫棉等关键技术的科研和科技创新。

3）建议今后着重加强轻简化栽培等高产高效技术的推广力度，实现降低生产成本和提高市场竞争力的目的。首先，形成以国家公益性推广机构为主体，相关组织如科研单位、专业合作组织、涉农企业共同参与的多元化推广服务体系，提高棉花的科技含量水平。其次，针对不同棉花生产区的自然条件、农民的文化程度、经济发展水平等情况，推广不同的品种和栽培技术。

4）建议对全国棉花生产优势区域进行规划，通过土地流转来培育专业合作组织、种植大户以及龙头企业等新型农业经营主体，在棉花主产区进行连片种植，实现规模化、标准化生产，从而促进技术的推广和扩散，提高棉花产业的整体规模效率。另外，具体问题具体分析，对全要素生产率增长较快的主产区要充分利用优势不断挖掘生产潜力，努力提高生产效率；对于全要素生产率处于下降地区，要通过强化科技支撑、改善棉种的品质、加强病虫害防治力度等措施提高棉花产量。

参考文献：

[1] 朱希刚，张社梅，赵芝俊.我国棉花生产率变动分析[J].農业经济问题，2007，28（4）：9-13.

[2] 谭砚文，凌远云，李崇光.中国棉花技术进步贡献率的测度与分析[J].农业现代化研究，2002，23（5）：344-346.

[3] 田 伟，李明贤，谭朵朵.中国棉花生产技术进步率的测算与分析—基于随机前沿分析方法[J].中国农村观察，2010（2）：45-53.

[4] 孙 林，孟令杰.中国棉花生产效率变动：1990～2001—基于DEA的实证分析[J].数量经济技术经济研究，2004，21（2）：23-27.

[5] 宋玉兰，周应恒，张宇青.中国棉花技术进步效率差异分析[J].统计与决策，2013（10）：91-95.

[6] 石 晶，李 林.我国棉花主产区全要素生产率测算及收敛性分析[J].统计与决策，2014（4）：120-123.

[7] SENA V. The frontier approach to the measurement of productivity and technical efficiency[J]. Economics and Finance Research， 2003， 8（2）： 71-97.

[8] MAHADEVAN R. To measure or not To measure total factor productivity growth[J]. Oxford Development Studies，2003，31（3）： 365-378.

[9] CAVES D， CHRISTENSEN L， DIEWERT W. The economic theory of index numbers and the measurement of input， output， and productivity[J]. Econometrica，1982，50（6）：1393-1414.

[10] CHARNES A， COOPER W， RHODES E. Measuring the efficiency of decision-making units[J]. European Journal of Operational Research， 1978， 2（6）： 429-444.

[11] 庞 英，孙 巍.基于非参数方法的中国棉花产出规模效率时空特征[J].长江流域资源与环境，2008，17（1）：88-92.