我国农业与非农业部门生产率差距测算

丁 冬,郑风田

(1.国家烟草专卖局 烟草经济研究所,北京 100045；2.中国人民大学 农业与农村发展学院,北京 100872)

我国农业与非农业部门生产率差距测算

丁 冬1,郑风田2

(1.国家烟草专卖局 烟草经济研究所,北京 100045；2.中国人民大学 农业与农村发展学院,北京 100872)

测算我国农业与非农业部门的“部门生产率差距”(PG)。经测算，我国部门生产率差距PG值为1.8，与Gollin(2014)测算的其他国家结果相比较，我国部门生产率差距PG值低于全球平均水平(值为3.5)，但高于全球发达国家水平(值为1.3)。这意味着，我国劳动力部门误配水平低于全球平均水平，但高于全球发达国家水平。换言之，我国劳动力误配虽不严重，但广泛存在。从单位劳动力生产效率的角度而言，伴随着经济的进一步发展，我国农业部门劳动力继续向非农部门转移，符合经济学资源配置“帕累托最优”之追求。

部门生产率差距；误配；劳动力转移；农业部门；非农业部门

一、引 言

根据国民经济核算数据，世界上几乎每一个国家(特别是发展中国家)农业就业份额都比农业增加值份额要高。仅从表面意义上简单算术便可得知，这意味着大部分国家非农业部门单位劳动力的产出增加值高于农业部门，不同部门间存在“生产率差距”(Productivity Gap，下文简称PG)。从经济学最优与均衡的角度判断，非农业部门单个工人的产出增加值高于农业部门意味着跨部门劳动力的配置不合理。如若部门生产率差距PG可以测算，则PG值越大，意味着部门劳动力配置越不合理。换言之，PG值可以反映劳动力部门误配程度。

关于各国PG值大小，国外学者根据各国国民收入和生产核算数据，对多国PG值进行了核算，结果显示，发达国家与发展中国家、富裕国家与贫穷国家之间的PG值差距较大。遗憾的是，少有研究测算中国PG值。本文尝试简单测算我国的PG值，并将测算得到的PG值与Gollin(2014)测算的发达国家PG值作对比，对比结果可以从侧面反映我国劳动力部门误配程度。衡量劳动力部门误配程度的意义在于，在农业劳动者边际产出价值低的前提下，如果能够通过重新分配使这些低效率的农业工人投入到其他非农业生产活动，即使不增加生产投入总额，社会总产出也会增加，在部门生产率差距和农业就业份额较大的发展中国家，这些增加的收益可能会特别大。

二、文献综述

早有学者指出农业与非农业部门生产力之间存在巨大差距。Lewis(1954)指出发展中国家农业人均收入和工业收入之间通常存在着显著差异，Kuznets(1971)第一个指出贫穷国家普遍存在部门生产率差距，后来Gollin et al.(2002)用更详尽的资料阐述了这一论点。很多文献尝试解释为什么农业部门实际生产力的跨国差异比非农业部门更大，这些文献提出的解释包括发展中国家的农场规模存在扭曲(Adamopoulos and Restuccia，2011)、发展中国家与发达国家的农业劳动力能力差异远大于工业劳动力能力差异(Lagakos and Waugh，2013)以及发展中国家农业中间物(农药、化肥等)使用率较低(Restuccia et al.，2008；Donovan，2012)等。

部分学者认为部门生产率差异程度被夸大了，由于对于农业投入与产出等因素的测量误差导致了农业生产率被低估，从而部门生产率差异被高估。很多学者对农业生产率测量偏差做了探讨：Caselli and Coleman(2001)认为，比起其他产业工人，农业劳动力人力资本相对较低；Gollin et al.(2004)认为，农业产量可能会因国内生产并消费而被低估；Herrendorf and Schoellman(2013)认为，美国各州关于农业增加值数据的测量误差是普遍存在的，这导致了美国部门生产率差距被高估。

针对这一测量误差问题，Gollin(2014)用更加丰富的劳动力数据、产值数据尝试修正部门生产率差距，尤其值得一提的是，他首次利用了以入户调查为基础获取的国家层面横截面数据，具体测量了分部门的教育效果和分部门的工作时间，据此首次比较了根据国民经济宏观数据所计算的部门生产率水平和根据入户调查的微观数据所计算的部门生产率水平。Gollin(2014)的研究与本文内容关联较为密切。此外，与本文密切相关的是Young(2013)的研究。Young(2013)使用微观层面的跨国调查数据研究城乡消费差距，其在Lagakos and Waugh(2013)的基础上建立了模型，提供的证据表明这一差距可以很好地被一些不可观测到的因素解释，此外，Young(2013)把这一差距与迁移相联系，这一点尽管与本文内容不同，但是与本文相关的实际消耗、人均增加值等概念却是相关的。

国内对于部门劳动力资源扭曲的研究很多(例如：袁志刚等，2011；盖庆恩等，2013)，但据笔者不完全搜索，尚无学者测算中国部门生产率差距(PG)。

三、部门生产率差距：理论与简单测算

本部分尝试利用年鉴数据简单测算我国农业与非农业部门生产率差距，并将这一结果与全球其他国家数据对比。

1.基础理论

理论上，当不同部门的劳动力流动在农业部门与非农业部门间达到均衡状态时，不同部门单位劳动力的产出增加值应该是一致的。换言之，若假设p为农产品与非农产品的相对价格，VA为不同部门的产出增加值，L为不同部门有效劳动力投入①，则有如下方程(1)：

若方程(1)不成立，即式子(2)计算结果不等于1，则将式子(2)计算结果命名为部门生产率差距(PG)。

根据已有研究，实际生活中各国非农业部门单位劳动力生产率均高于农业部门，式子(2)所计算的部门生产率差距(PG)往往大于1，换言之，各国农业部门与非农业部门间的劳动力配置未达到最优。部门生产率差距(PG)数值越大，意味着农业部门劳动力剩余越多，劳动力由农业部门向非农部门转移的空间越大。运用部门生产率差距(PG)的这一计算方式所得指标衡量我国劳动力要素部门配置失衡程度，最大优点是不受劳动力市场发育程度干扰。即使劳动力市场是不完美的，通过劳动力流动与企业决策，方程(1)的均衡也是有可能达到的。

此时，实际上只有两个因素能够影响PG计算的偏离程度：一是部门产出增加值、部门劳动力投入等因素的测量误差，二是劳动力市场自身存在的“摩擦”。根据经济学基础假定，劳动力市场自身存在的“摩擦”是无法克服的，因此，实际上可修正的可影响PG计算的因素只有部门产出增加值、部门劳动力投入等因素的测量误差。

方程(1)可以被重新表达。假设不同部门劳动力占比为l、不同部门产出增加值占比为y，则方程(1)可重新表达为方程(3)：

其中：

换言之，最优分配时两部门的产出增加值份额与劳动力份额之比应该是相同的，未达到最优时方程(3)不成立。

2.简单测算

根据《中国统计年鉴》2013年数据，中国2011年第一产业(农林牧副渔业)增加值为47 486.2亿元，第二产业增加值为220 142.8亿元，第三产业增加值为205 205.0亿元。同年度(2011年)第一产业就业人口26 594万人，第二产业就业人口22 544万人，第三产业就业人口27 282万人。其中，第一产业就业人口并非农业户籍人口，而是以农业为主的第一产业就业人口。若根据这一数据做粗糙的中国劳动生产率差距(PG)测算，按式子(2)计算，可得我国第一产业与二、三产业间的生产力差距(PG)测算值为：

[(220142.8+205205.0)/(22544+27282)]/(47486.2/26594)≈5.3

同样根据统计年鉴数据，2011年第一产业就业人口占比34.8%，第二产业就业人口占比29.5%，第三产业就业人口占比35.7%。此外，根据2013年统计年鉴中2011年不同产业增加值数据不难推算，第一产业增加值占比为10.04%(47486.2亿元/472834亿元)，第二产业增加值占比为46.56%(220142.8亿元/472834亿元)，第三产业增加值占比为43.40%(205205亿元/472834亿元)。根据式子(4)计算，可得我国第一产业与二、三产业间的生产力差距(PG)测算值为：

[(1-10.04%)/(1-34.8%)]/(10.04%/34.8%)≈4.8

由于式子(4)实际上是式子(2)的进一步推演，因此两式计算结果理应相同，但是，显然此处按照式子(2)所计算的结果与按照式子(4)所计算的结果存在差异(分别为5.3与4.8)。这实际上是由于式子(4)在计算过程中进行了分数转化(单位为%)，而这一转化过程在保留两位小数时四舍五入产生了偏差。因此，式子(4)所得PG为4.8的结果实际上不如式子(2)5.3的结果精确。

我们可以将此计算结果(PG=5.3)与Gollin(2014)的测算结果相对比。根据Gollin(2014)对全球151个国家的测算②，这些国家的PG平均值为3.5，发达国家(最富有的10%国家)PG平均值为1.3，最贫穷的10%国家PG平均值为6.8。显然，我国PG值是偏高的。这意味着，我国劳动力部门误配较为严重。这一PG值是否存在被修正的可能性？下文对此进行讨论。

四、修正与改进

显然，上文在计算我国农业部门与非农业部门单位劳动力产出增加值时，主要是从农业增加值以及农业劳动力资本投入两个角度切入的。如上文所述，实际上只有两个因素能够影响本文PG计算的偏离程度，其一是部门产出增加值、部门劳动力投入等因素的测量误差，其二是劳动力市场自身存在的“摩擦”。根据经济学基础假定，劳动力市场自身存在的“摩擦”是无法克服的。因此，本部分试图从部门增加值、部门劳动力投入数量误差修正的角度入手，尝试改进部门劳动力投入的测量结果。由于我国工业部门等非农部分的生产率测算研究已然较多(例如：任艳玲等，2006；谢千里等，2008)，本文主要关注农业增加值和农业劳动力资本投入。

1.农业增加值

农业增加值指因农、林、牧、渔业产出的产品以及相关服务业供给的服务而新增的价值，它是农、林、牧、渔业总产值(现价)去除相应中间投入(现价)之后剩余的价值数额③。当前阶段，我国大部分地区计算“农业增加值”普遍使用的核算方法是“生产法”，即农业增加值由现价农林牧渔业总产值减去农林牧渔业中间消耗(不包括固定资产折旧及大修理基金)的方法取得。亦即，首先用每种农产品的总产量乘以对应的单位价格，得到该农产品的产值，再把每种农产品的产值加总得到所有农产品总产值，其后，扣除农业部门生产产品过程中耗费的非固定资产以及相关服务的总价值(孙秋碧等，2006)。

学界关于中国农业增加值测算方法与准确度的讨论主要出现在20世纪90年代。中国农业增加值究竟被高估了还是被低估了？关于此问题，学者们分为了两派，形成了两种彼此对立的观点，不妨暂时定义认为中国农业增加值被高估的一派为“高估派”，定义认为中国农业增加值被低估的一派为“低估派”。

“低估派”观点以世界银行(1994)为代表，这一派观点认为中国农业增加值被低估了，原因是：第一，农民自产自用的粮食被中国统计体系以低于市场的价格估价，因而价值被低估。第二，虽然中国统计体系的样本粮食产量可能被高估，但中国的粮食耕地面积被低估(与卫星测量的耕地面积相比)，综合两方面因素，粮食产出被低估。第三，在中国的统计核算体系中，蔬菜产量总价值核算并未体现单位面积蔬菜产出伴随收获周期和时间而改变，也未体现出外在市场因素正激励菜农在非传统销售旺季从事蔬菜生产(因此时菜价相对较高)的情形。此外，中国的蔬菜用地面积核算并不精确，综合考量上文因素，世界银行认为我国蔬菜产量价值被低估。

“高估派”观点以许宪春(1999)为代表，这一派观点认为世界银行的结论值得商榷，中国农业增加值不但没有被低估反而可能被高估了，原因在于：第一，由于中国的粮食产量持续多年增加，因维护农户耕作积极性的需要，中国粮食等农产品的收购单价往往比市场平均价格高一些，因此我国粮食收购综合平均价格一般而言不会出现比市场价格低的情况。世界银行认为，中国统计系统对于农村居民自产自食的粮食估价比市场价格低，这一判断与现实状况是有出入的。第二，中国统计系统官方给出的耕地面积数据的确比卫星测量的数据要小，然而需注意的是，卫星测算的耕地面积包含高于二十五度的轮休地、滩涂地、坡地、田间道路以及沟渠，此类土地无法被看作真正的耕作用地，因此，我国统计系统官方宣布的耕地面积与真实耕地面积二者之间的差值并没有世界银行估算的那么夸张。第三，在我国官方进行的调查之中，不仅农业统计包含粮食产量调查数据，我国农村住户调查中内含的农业产出情况表以及粮食收支平衡表同样能够体现粮食产出状况，这些不同类型的调查可以相互校对粮食产量统计数据，因此中国粮食产出数据与实际情况应当是比较吻合的。第四，世界银行忽略了一个事实，我国经常性的农业统计数据同样曾经被证实数值被过高估计，比如，我国农业普查数据曾经表明1996年统计年鉴数据存在高估的状况，那一年我国肉类产出以及猪牛羊存栏数量曾经被高估五分之一。

可以看出，“低估派”对于中国农业增加值数据的质疑是较为客观的，而“高估派”针对“低估派”的质疑也逐一做出了有说服力的回应。但是，“高估派”对于己方所认定的中国农业增加值数据被高估的依据阐述不足，并不能认定“高估”这一结论。因此，可以认为，中国农业增加值究竟被高估还是被低估这一问题尚无定论。鉴于此，本文对统计年鉴中的农业增加值数据不做调整。

2.农业劳动力资本投入

作为发展中国家，我国难以避免地存在很多“非正式部门”，我国农业劳动力的准确数量也很难有确切的资料可以推断获知。但值得注意的是，我国农业生产过程中的劳动力资本投入很容易被高估，原因有三：第一，一部分人虽然居住在农村但并非从事农业，这一部分在农村从事非农职业(例如经营日用品小卖铺、从事农资批发零售等)的人容易被误统计为农业从业者，这使得农业劳动力数量被高估。第二，农村兼业者(例如农闲时的修鞋匠、理发师等)的存在使得农业从业者的农业劳作时间被高估，进而导致农业劳动力资本投入被高估。第三，因农业劳动力受教育年限普遍较低等原因，一般而言，农业劳动者的人力资本存量少于非农劳动者的人力资本存量，因此，若忽略人均人力资本存量差异，将使得农业部门人力资本存量被高估。下面逐次分析以上三种情况：

(1)农业劳动力数量

发展中国家的农业劳动力数量容易被高估。考察我国农业劳动力数量，应考虑到我国相当一部分农村劳动力已经实现了就业转移。伴随着城市化进程的加速，我国大量农村人口进城务工。根据2013年统计年鉴中的指标“流动人口数”，2012年我国人户分离人口2.79亿、流动人口2.36亿，我国曾经长期存在城乡二元户籍制度，这部分人大多数持有农村户籍④，但他们实际上不再从事第一产业(农业)。如果在计算过程中没有剔除这部分人口，则部门生产率差距(PG值)预期会被高估。在计算过程中，笔者已经注意到了这一问题，因此前文采用了“第一产业就业人口”而非“农村户籍人口”作为农业劳动力数量的衡量指标。

但中国统计局发布的数据可信度屡被质疑⑤(孟连等，2000；杨立勋等，2002)，因此，在计算部门生产率差距(PG值)时，适当参考学界对于数据的不同观点是有必要的。

中国社会科学院经济学部“中国经济形势分析与预测”课题组认为，官方统计高估了中国第一产业就业人口比重。按照学界估算的口径并参照日本经验，课题组推断2011年中国第一产业就业人口比重仅占20.8%，远低于我国官方统计的34.8%。这一研究结论有一定说服力，简言之，这是因为课题组：第一，根据调研所得的中国2005年、2007年实际实现了转移就业的农村劳动力数据估算了2011年农业实际就业人数；第二，根据不同的农业劳动力需求假设调整了剩余劳动力比例⑥；第三，参考了日本非农产业转移速度以及农业剩余劳动力转移速度。虽然“中国经济形势分析与预测”课题组只是推算2011年中国农业劳动力比重，并未给出具体的农业劳动力人数，但其仍为修正PG值提供了可能。根据2013年统计年鉴，2011年我国第二产业就业人口22 544万人，第三产业就业人口27 282万人。此时，假设2011年我国第一产业就业人口为X万，则其满足如下方程⑦：

解方程可得：X≈13086

即，修正后2011年我国第一产业就业人口13 086万人，第二产业就业人口22 544万人，第三产业就业人口27 282万人。由前文可知，2011年我国第一产业增加值为47 486.2亿元，第二产业增加值为220 142.8亿元，第三产业增加值为205 205.0亿元。根据上文式子(2)，可以重新测算我国PG值：

[(220142.8+205205.0)/(22544+27282)]/(47486.2/13086)≈2.4

显然，与根据官方数据计算所得结果5.3相比，根据“中国经济形势分析与预测”课题组结论所测结果大幅降低。

(2)劳动力劳动时间

与非农业部门相比，农业部门生产活动呈现出了较为显著的季节性特点，农村居民每日的劳动时间并不固定，农忙季节与农闲季节具有明显差异，其时间分配相对而言是较为自由的。此外，当前农村劳动力兼业⑧现象十分常见，农村居民可能在一年之中不仅从事农业生产活动，而且从事非农生产活动(张兴华，2013)。因此，前文采用“第一产业就业人口”作为衡量农业劳动力投入的指标存在先天不足，一般认为，农业部门劳动力劳动时间被高估了。显然地，如果农业部门劳动力劳动时间被高估的假说成立，则第一产业部门的劳动生产率被低估，进而PG值被高估。因此，修正我国农业劳动力资本投入必须考虑农业劳动力劳动时间。与非农业劳动力劳动时间相比，农业劳动力年劳动天数、日劳动小时数有所不同。

农民一年的劳动天数有无学界共识？对此不同学者的见解不同。然而学界普遍把标准确定为270天(马晓河等，2007；章铮，2005)，因此本文在此将270日作为农业劳动力年劳动天数。一般地，非农劳动力的年标准劳动天数是250天⑨。

在农业劳动力年劳动天数多于非农劳动力年劳动天数的前提下，为什么我国农业劳动者的总劳动时间却并不长，甚至被认为和城市非农部门职工的加班时间一样(党国英，2011)？原因在于农业劳动者的日劳动小时数较少。农民不能像城市职工那样一年四季均匀地分配生产劳动时间，在农忙时节，农户们甚至需要将人类生理必需时间也缩减至最小限度；但是农闲时节，农户们的自由时间将增加很多。根据齐心等(2003)的研究，我国北方农民在冬、春农闲季节的日均生产劳动时间分别为218分钟(3小时38分钟)、384分钟(6小时24分钟), 而夏、秋农忙季节分别为479分钟(7小时59分钟)、432分钟(7小时12分钟)，总体而言，一年中我国北方农民平均每天的生产劳作时间长度是379.58分钟，换言之，一年中我国北方农民平均每天的生产劳作时间长度约是6小时20分钟，农户从事耕种劳作的时间大约占到全天时间的26.36%。根据蔡玲(2008)的研究，我国湖北省农民日均生产劳动时间为379.45分钟，同样约为6小时20分钟，生产劳动时间占一天时间的25.98%。笔者认同齐心等(2003)以及蔡玲(2008)的研究结论，假定6小时20分钟为我国农民的日均劳动时间。

假设我国非农劳动者年工作250天、日工作8小时，本文可根据劳动时间将农业劳动力投入与非农业劳动力投入进行折算。前文测算后2011年我国第一产业就业人口13 086万人，本部分再次折算后的2011年我国第一产业就业人口为：

将再次折算后的2011年我国第一产业就业人口11 189万人代入前文式子(2)进行计算，可测算我国PG值而得：

[(220142.8+205205.0)/(22544+27282)]/(47486.2/11189)≈2.0

与前文简单测算结果相比，新的测算结果值进一步变小了。

(3)人力资本差异

前文修正而得的2011年我国第一产业就业人口11 189万人。按照泰国农业劳动力人均人力资本是其非农部门劳动力人均人力资本0.90倍的人力资本差异标准折算，可进一步修正2011年我国第一产业就业人口为：

11189×0.90≈10070

将10 070万人代入前文式子(2)进行计算，可测算我国PG值而得：

[(220142.8+205205.0)/(22544+27282)]/(47486.2/10070) ≈1.8

与前文结果相比，测算而得的值进一步变小了。这意味着，我国部门生产率差距并没有前文估算的那么大，低于全球平均水平(3.5)，换言之，我国劳动力部门误配不甚严重。当然，需承认的是，我国PG值仍高于全球发达国家(1.3)，劳动力部门误配仍是广泛存在的。

五、结 论

本文简单测算并尝试修正了我国农业部门与非农业部门的生产力差距PG值，并以之与Gollin(2014)测算的其他国家PG值相比较。结果显示，我国部门生产率差距PG值为1.8，低于全球平均水平3.5，但高于全球发达国家水平1.3。这意味着，我国“劳动力部门误配”水平低于全球平均水平，但高于全球发达国家水平。换言之，我国劳动力误配虽不甚严重，但仍是广泛存在的。这一结论的意义是：从单位劳动力生产效率的角度而言，伴随着经济的进一步发展，我国农业劳动力继续向非农部门转移，农业劳动力占比在未来继续下降，是符合经济学资源配置“帕累托最优”之追求的。

注 释：

①此处指的是不同部门“有效”劳动力投入，可能导致“无效”的情况有很多。例如：当计算农业部门有效劳动力投入时，拥有农业户籍但全年在外的农村劳动力属于“无效”农业劳动力，需要剔除；季节性外出务工的农村居民农业劳动力投入需要依照其外出务工时间长短进行折算……本文部分内容即聚焦于计算“有效”劳动力投入.

②限于数据可得性，Gollin(2014)在测算这些国家的PG值时，所用数据的时间并不统一，但均为2000年之后的数据.

③我国农林牧渔业增加值核算方法具体可参见http://www.xmdcd.cn/infolib/workguide/0702000014.htm.

④2014年7月国务院《关于进一步推进户籍制度改革的意见》正式公布。意见规定，要进一步调整户口迁移政策，统一城乡户口登记制度，全面实施居住证制度，加快建设和共享国家人口基础信息库，稳步推进义务教育、就业服务、基本养老、基本医疗卫生、住房保障等城镇基本公共服务覆盖全部常住人口.

⑤实际上，我国官方数据自身也在不断修正。例如《统计年鉴》2010年前的农村劳动力数据在2011年根据第六次全国人口普查进行了调整。这意味着以此为基数计算的我国相关农业劳动力投入也需要调整.

⑥详见《经济蓝皮书：2014年中国经济形势分析与预测》.

⑦需指出的是，这一计算方式实际上默认非农就业人口不需调整，故而其本身是存在一定误差的。减少这一误差是本文未来改进方向之一.

⑧农户兼业是指同一个农民既从事农业生产，又从事非农业劳动或经营的一种就业方式.

⑨计算方法：365天-104天(休息日)-11天(法定节假日)=250天.

⑩例如张兴华(2013)在《中国农村观察》刊文测算我国农业剩余劳动力，文末坦承其研究只是从总量上估算剩余劳动力的数量，并未考虑农业劳动者的文化程度构成.

[1]Adamopoulos T, Restuccia D. The Size Distribution of Farms and International Productivity Differences[J].Manuscript. University of Toronto，2011.

[2]Caselli F, Coleman W J. The US Structural Transformation and Regional Convergence: A Reinterpretation[J].Journal of Political Economy,2001, 109(3):584-616.

[3]Donovan K. Agricultural Risk, Intermediate Inputs, and Cross-country Productivity Differences[J].Job Market Paper,2012.

[4]Gollin D, Parente S, Rogerson R. Farm Work, Home Work and International Productivity Differences[J].Review of Economic Dynamics, 2004,7(4):827-850.

[5]Gollin D, Lagakos D, Waugh M E. The Agricultural Productivity Gap[J]. The Quarterly Journal of Economics, 2014,4(14):1-55.

[6]Gollin D, Parente S, Rogerson R. The Role of Agriculture in Development[J].American Economic Review,2002:160-164.

[7]Herrendorf B, Todd S. Why Is Agricultural Productivity So Low in Agriculture?[J].Manuscript, Arizona State University,2013.

[8]Kuznets S. Economic Growth of Nations: Total Output and Production Structure[M].Cambridge, MA: Harvard University Press,1971.

[9]Lagakos D, Waugh M E. Selection, Agriculture, and Cross-country Productivity Differences[J].The American Economic Review,2013,103(2):948-980.

[10]Lewis W A. Economic Development with Unlimited Supplies of Labor[J]. The Manchester School, 1954, 22(2):139-191.

[11]Restuccia D, Yang D T, Zhu X. Agriculture and Aggregate Productivity: A Quantitative Cross-country Analysis[J].Journal of Monetary Economics,2008,55(2):234-250.

[12]Young A. Inequality, The Urban-rural Gap and Migration[J].The Quarterly Journal of Economics,2013,128:1727-1785.

[13]蔡 玲.农民闲暇生活研究[D].华中农业大学,2008.

[14]党国英.城乡差距的非公正性及其矫正[J].改革，2011，(6)：41-47.

[15]盖庆恩,朱 喜,史清华.劳动力市场扭曲、结构转变和中国劳动生产率[J].经济研究，2013，(5)：87-97，111.

[16]马晓河,马建蕾.中国农村劳动力到底剩余多少[J].中国农村经济，2007，(12)：4-9，34.

[17]齐 心,田翠琴.中国北方农民的生活时间配置[J].江苏行政学院学报，2003，(3)：61-67.

[18]任艳玲,原鹏飞.中国工业生产率水平与变迁——基于DEA模型的实证研究[J].统计与决策，2006，(4)：66-69.

[19]世界银行.转换中的中国统计体系[R].国家统计局内部翻译件.

[20]孙秋碧,楼海淼.GDP核算方法的比较与选择——数据误差引起的思考[J].统计与信息论坛，2006，(1):5-8.

[21]许宪春.世界银行对中国官方GDP数据的调整和重新认可[J].经济研究，1999，(6):52-58.

[22]谢千里,罗斯基,张轶凡.中国工业生产率的增长与收敛[J].经济学(季刊)，2008，(3)：809-826.

[23]袁志刚.中国的乡—城劳动力流动与城镇失业:一个经验研究[J].管理世界，2006，(8):28-35.

[24]章 铮.民工供给量的统计分析——兼论“民工荒”[J].中国农村经济，2005，(1)：17-25.

[25]中国社会科学院中国经济形势分析与预测课题组.经济蓝皮书：2014年中国经济形势分析与预测[M].北京：社会科学文献出版社，2013.

责任编校：张 静，罗 红

Estimate the “Sectoral Productivity Gap”Between Agricultural and Non-agricultural Sectors in China

DING Dong1，ZHENG Feng-tian2

(1.Tobacco Economy Research Institute,State Tobacco Monopoly Administration,Beijing 100045,China；2.School of Agricultural Economics and Rural Development,Renmin University of China,Beijing 100872,China)

This paper estimates the “Sectoral Productivity Gap” (PG) between agricultural and non-agricultural sectors in China. By measuring, the PG values 1.8 in China, which is lower than the average level of the world (3.5) but higher than the developed countries (1.3) measured by Gollin (2014). This means that the level of misallocation between labor sectors in China is lower than the world but higher than the developed countries. In other words, though not serious, the misallocation between labor sectors in China is still widespread. From this point of view, it is in line with the “Pareto optimal” for farmers continuing to go to the cities, and the agricultural labor to transfer to non-agricultural sector.

sectoral productivity gap；misallocation；labors transfer；agricultural sectors;non-agricultural sectors

2016-12-05

国家自然科学基金项目(71103169)；中国博士后科学基金面上资助项目(2014M550975)

丁 冬，男，山东栖霞人，博士，研究方向为三农问题、烟草经济。 郑风田，男，河南正阳人，博士生导师，教授，研究方向为农业经济。

F32

A

1007-9734(2017)02-0012-10