东北玉米种植结构调整与粮食高质量增长——基于全要素生产率视角

李明文，王振华，张广胜

（1. 沈阳农业大学经济管理学院，辽宁 沈阳 110866；2. 辽宁大学商学院，辽宁 沈阳 110136）

2004—2015 年中国粮食产量实现了历史性的“十二连增”，但产量增长的背后粮食生产结构性矛盾突出，形成了粮食产量、粮食进口和库存量“三量齐增”的尴尬局面；玉米在三大主粮作物中阶段性供求过剩问题尤为突出，其库存消费比高达95%以上[1]。为此，在中国经济由高速增长阶段转向高质量发展阶段，粮食作为关系国计民生的重要战略商品，促进粮食高质量发展，优化结构、提质增效是关键。从理论上讲，优化种植结构，可使要素配置趋优化，劳动、资本、土地等要素使用效率提高，全要素生产率得到提升[2]，而提高全要素生产率是高质量发展的必然选择。

东北三省作为我国重要的粮食主产区基地，对于促进粮食高质量发展的重要性不言而喻。2017年黑龙江，吉林和辽宁三省粮食总产量达11 874万t，约占全国粮食总产量的19.22%；其中东北三省玉米产量达7 146万t，占全国玉米产量的33.1%，玉米播种面积1 395.9万hm2，占到全国的39.38%。针对玉米市场高库存困境，农业部颁布了《关于“镰刀湾地区”玉米结构调整的指导意见》，明确指出：到2020年“镰刀湾地区”玉米种植面积调减333.33万hm2以上，其中东北地区调减面积约占七八成，占到东北地区玉米播种总面积的20%左右。同时，在耕地面积减少、水资源短缺、农村青壮年劳动力持续流失的背景下，单纯依赖增加要素投入量来提高粮食产量的难度越来越大[3]，提高粮食全要素生产率的重要作用开始凸显。因此随着种植结构矛盾的突出及全要素生产率重要性的突显，研究玉米种植结构对粮食全要素生产率的影响，探索提高东北粮食全要素生产率的驱动因素，对于推进粮食产业转型升级、促进粮食高质量发展具有一定的现实意义。

目前，已有文献关于粮食全要素生产率和粮食种植结构方面的研究颇为丰富。关于粮食全要素生产率的研究中，学者肯定了其对粮食产出的正向促进作用，但粮食全要素生产率的变化趋势存在差异，这主要是由于增长源泉的差异造成；有学者研究显示粮食全要素生产率总体呈现上升趋势，而技术进步是粮食全要素生产率增长的主要源泉[4-5]，也有学者认为粮食全要素生产率呈刚性下降的趋势，闵锐[6]认为是由于技术效率持续恶化和技术进步动力不足造成，而肖洪波和王济民[7]则认为技术进步的下降导致了粮食全要素生产率增长的下降；从影响因素来看，有学者认为农业基础设施是粮食全要素生产率提升的关键因素[8-9]；朱德满等[10]验证了综合性收入补贴对玉米全要素生产率的提升作用显著；江松颖等[11]研究表明技术变迁和经营规模是谷物全要素生产率的主要影响因素，以上学者分析不同因素对粮食全要素生产率的正向提升作用，却忽略了结构性因素变化对粮食全要素生产率的负面影响。关于粮食种植结构问题的研究，微观上看由于农户是种植结构的调整决策主体，因此，学者多关注粮食种植的“非粮化”问题，即从劳动力转移、土地流转等角度研究粮食种植结构问题[12-14]；同时，有学者关注了粮食种植结构变化对粮食增产贡献或资源利用的影响，如李天祥和朱晶[15]研究发现，粮食种植结构调整为粮食生产节省了巨大的播种面积和水资源消耗。至于粮食种植结构对生产率的影响，目前相关研究较少，范红忠和周启良[16]探索了农户土地种植面积和土地生产率之间的关系，发现农户土地经营规模增加，在多数情况下会增加土地生产率。

上述研究成果为本文提供了良好的研究基础，但却鲜有学者研究粮食种植结构对粮食全要素生产率的影响。以玉米为主的高产作物播种比例不断提高为我国粮食持续增产发挥了重要的作用[17]，但增产的同时，中国粮食全要素生产率有下降的趋势[18]，且粮食种植结构变化会改变要素配置，即在有限的耕地面积下，玉米种植面积的扩大，会对其他农作物种植规模形成替代或挤压，生产要素的投入也会随之变化[19]，进而可能会影响粮食全要素生产率，因此推测玉米种植结构与粮食全要素生产率存在一定关系。鉴于此，本文基于2001—2016年东北34个地级市面板数据，使用DEA-Malmquist指数法测算粮食全要素生产率，分析其动态变化；并利用空间SAC模型揭示玉米种植结构对全要素生产率的影响。

1 研究方法与数据来源

1.1 研究方法

1.1.1 Malmquist指数法 Malmquist指数法是对全要素生产率增长率进行测算和分解的一种非参数模型方法，该指数用Shepard提出的距离函数来定义，将全要素生产率分解为技术效率和技术进步[20]。本文将运用该方法测算东北三省地级市的粮食全要素生产率指数，具体公式如下[21]：式中：t=1，…，π，表示时期，Yt表示t期的产出，Xt表示t期的投入，M0t(Xt+1，Yt+1，Xt，Yt)表示t期的Malmquist全要素生产率指数，(Xt，Yt)和(Xt+1，Yt+1)分别表示t期和t+1期投入产出变量，D0t(Xt，Yt)和分别表示生产者以t期技术为参照，t和t+1期的技术效率水平和Yt+1)分别表示生产者以t+1期技术为参照，t和t+1期的技术效率水平；ECH表示技术效率，TCH表示技术进步。（1）式中指数大小取决于技术效率和技术进步的共同作用。Malmquist＞1时，说明从t期到t+1期的全要素生产率增长率是上升的，反之下降；TCH＞1时，说明从t期到t+1期出现技术进步，反之出现技术后退；ECH＞1时，说明从t期到t+1期技术效率提高，反之降低。在规模报酬可变假设下，技术效率可进一步分解为纯技术效率和规模效率，具体公式如下[21]：

式中：C表示规模报酬不变，V表示规模报酬可变，和分别表示在规模报酬不变的前提下，在t和t+1期达到的技术效率水平分别表示在规模报酬可变的前提下，在t和t+1期达到的技术效率水平；PECH表示纯技术效率，SECH表示规模效率，其他符号所表示含义同（1）式。

测算粮食全要素生产率指数前需要确定产出和投入指标，产出指标选择东北三省地级市粮食总产量；投入指标包括资本、土地、劳动力相关指标。由于宏观数据中无法获得单独衡量粮食投入方面的数据，考虑数据的可得性和准确性，需要对粮食全要素生产率的投入指标相关数据进行处理。本文借鉴马文杰[22]使用的权重系数法，将广义农业中用于粮食生产的要素投入剥离出来；所用的两种权重系数分别为：

式中：A和B代表粮食生产要素投入的权重系数；a代表粮食播种面积，b代表农作物播种面积，c代表农业产值，d代表农林牧渔业产值。产出指标：东北三省地级城市历年的粮食总产量。投入指标：1）劳动投入指标用地级市历年粮食生产从业人员表示，即用地区历年农林牧渔业从业人员乘以A权重系数得到；2）资本投入指标用粮食生产的机械总动力、化肥施用量和有效灌溉面积表示，即用地区历年农业机械化总动力、化肥施用折纯量、有效灌溉面积分别乘以B权重系数得到；3）土地投入指标用地级市历年粮食播种面积表示（表1）。产出投入指标录入DEAP2.1软件得到2002—2016年东北三省地级市粮食全要素生产率。

表1 粮食全要素生产率指数测算指标Table 1 Measuring index of the grain total factor productivity

1.1.2 空间SAC模型 城市的数据存在一定的空间依赖性，而空间计量模型刚好能够解决数据之间的空间依赖性[23]，鉴于此，选用空间SAC模型作为实证计量模型。构建模型如下[24]：

式中：Y代表因变量，X代表自变量，W表示单位空间权重矩阵，μ表示空间计量模型的扰动项，ρWY表示空间计量模型的空间自回归项，λWμ表示空间计量模型的空间滞后项，ε服从正态分布；空间权重矩阵为邻接矩阵，邻接矩阵是按照空间邻接关系建立的矩阵，即两个城市若相邻为1，不相邻则为0。

1.2 数据来源

本文研究对象为东北三省全部地级市数据，其中辽宁14个、吉林8个、黑龙江12个，共34个地级市，时间跨度为2001—2016年，共16年；数据来源于《中国区域经济统计年鉴》、《辽宁统计年鉴》、《吉林统计年鉴》和《黑龙江统计年鉴》。根据联合国粮农组织界定，本文所研究的粮食主要包括水稻、小麦、玉米、高粱、谷子、薯类、大豆和其他杂粮的总和，全要素生产率投入和产出指标的选择依据柯布-道格拉斯生产函数。

2 粮食生产现状及全要素生产率时空变化

2.1 东北三省粮食生产现状

从图1看，2001—2017年东北三省粮食产量呈现出波动中上升的趋势，2017年辽宁、吉林和黑龙江省粮食产量的年均增长率分别为2.71%、4.11%、5.26%，三省粮食产量分别在2013、2017和2015年达到最高，产量分别为2 195.6万t、3 720万t和6 324万t。辽宁在2009年与2014年受旱灾影响，粮食产量出现严重下滑，尤其在2014年粮食总产量仅为1 753.9万t，比上年减产441.7万t，降幅达20.1%，自2011年来产量首次降到2 000万t以下。吉林在2007年与2009年受到春季低温多雨、夏季罕见旱情影响，粮食产量出现不同程度的下降，尤其2009年全年粮食产量2 460万t，下降13.4%。与辽宁和吉林相比，2001—2017年黑龙江省的粮食产量波动较明显，涨幅也较显著，2003年与2016年由于受旱灾、低温等灾害的影响粮食出现减产，与上年相比粮食产量分别下降14.58%和4.19%，2017年粮食产量略有下降，为6 018.8万t，但仍连续7年位列全国第一。

图1 东北三省粮食产量Fig. 1 Grain production in three Northeast provinces

从图2看，2001—2017年辽宁、吉林和黑龙江省粮食播种面积呈现出稳步上升的态势，年均增长率分别为0.98%、2.56%、3.67%；辽宁和吉林粮食播种面积变化趋势大体相似，相对比来看，黑龙江省2001—2017年粮食播种面积增幅较大，2017年粮食播种面积为1 415.43万hm2，比2001年增加了619.73万hm2。2004年实施的一系列强农惠农政策，提升了农户种粮积极性，2004—2015年东北三省粮食播种面积逐年升高，且在2015年同时达到最高点，实行“镰刀弯地区”玉米调减政策后，东北粮食播种面积略有下降，其中2015—2017年玉米播种面积均处于下降状态，如2016和2017年东北三省各自调减的玉米播种面积中，黑龙江两年共调减227.63万hm2，辽宁两年调减23.71万hm2，吉林两年调减21.03万hm2，东北三省两年共计调减272.37 万 hm2。

图2 东北三省粮食播种面积Fig. 2 Planting areas of grain in three Northeast provinces

图3显示了2001—2017年东北三省玉米播种面积占粮食播种面积比例的变化情况，辽宁、吉林、黑龙江从2005—2015年玉米种植比例均呈现出逐渐上升的趋势，同时在2015年玉米种植比例达到最高点，分别为67.54%、71.46%、46.05%。2015年后玉米结构调整政策的作用下，东北三省玉米种植比例均呈现下降趋势，黑龙江省在2016年下降比例最大，下降了8.2%。

图3 东北三省玉米种植比例Fig. 3 Proportions of corn planting in three Northeast provinces

2.2 粮食全要素生产率时空变化

图4呈现了东北三省粮食全要素生产率的变化，发现除2007、2009、2014年外，全要素生产率均处于正向增长状态，但2002—2016年东北三省地级市的粮食全要素生产率增长率呈现出缓慢下降的趋势。其中最高值出现在2003年，增长了7.9%，最低值出现在2007年，下降了3%。

从粮食全要素生产率分解来看，技术效率变化较平稳，但在多年出现了负增长，其中在2008年表现最明显，下降了9.2%，而在2013年技术效率提升较快，提高了7.3%；技术进步波动较明显，同粮食全要素生产率变化相似，呈现出缓慢下降的趋势，技术进步最快出现在2006年，增长率达到14.3%，而在2007年却出现了明显的负增长，下降8.6%。通过指数对比看，技术进步和全要素生产率波动较明显且变化步调基本一致，说明技术进步是东北地级市粮食全要素生产率增长的主要源泉。

图4 东北三省地级市粮食全要素生产率指数及分解的时序变化Fig. 4 Time series change of the grain total factor productivity index and its decomposition in three Northeast Provinces

表2显示了东北地级市2002—2016年平均粮食全要素生产率指数及分解，发现粮食全要素生产率增长率年均上升1.1%，技术效率提高了0.5%，技术进步上升了0.6%；除长春、通化、鹤岗、七台河、黑河外，其余29个地级市粮食全要素生产率增长率均呈上升状态，其中上升最快的两个市是朝阳和阜新，年均分别上升5.9%、5.0%，其主要通过技术效率的提高实现，技术效率分别提高5.6%、4.5%；而负增长最严重的两市为鹤岗和七台河，年均增长率下降6.8%和5.6%，主要由于没有实现技术进步导致，技术进步年均下降5%和5.6%。

从粮食全要素生产率指数的分解来看，技术效率提高最快的是朝阳市，主要由于纯技术效率的提高拉动的，其中纯技术效率提高了5.6%；技术效率负增长最严重的是黑河市，技术效率年均下降2.5%，主要是由于规模效率下降造成的。技术进步最快的是白山市，年均上升4.8%；而技术出现退后最严重的为七台河市，年均下降5.6%。

表2 2002—2016年东北三省地级市粮食全要素生产率指数及分解Table 2 Total factor productivity index and its decomposition of grain in three Northeast Provinces from 2002 to 2016

3 玉米种植结构对粮食全要素生产率影响的实证分析

3.1 变量选取

本文把全要素生产率及分解指数均作为被解释变量，被解释变量为粮食全要素生产率、技术效率、技术进步、纯技术效率和规模效率指数；影响粮食全要素生产率的因素众多，考虑到数据的可获得性并参考其他学者已有的研究成果，设定以下变量作为自变量：

3.1.1 核心解释变量 1）玉米种植比例（RA）：用玉米播种面积与粮食播种面积的比值来表示。一般来讲，玉米播种面积占比越大，越有利于玉米产量的增加，但是否会促进粮食全要素生产率的提高还需要实证验证。

2）玉米播种面积差分（RA1）：用本年的玉米播种面积减去上一年的玉米播种面积来表示。玉米播种面积差分正向越大，代表玉米播种面积增加幅度越大，同样可以促进玉米产量的增加，但对粮食全要素生产率的影响未知。

3.1.2 其他解释变量 财政支农比例（EP）：用东北地级市农业财政支出占总财政支出的比重表示。第一产业占比（AG）：用各市第一产业增加值占地区生产总值的比重表示。人均GDP（PG）：用一定时期地区生产总值除以同时期人口总数表示。人均种粮规模（PG）：用各市粮食播种面积除以粮食生产从业人员来表示。粮食单产（PA）：用各市粮食单位面积产量表示，粮食单位面积产量越高，代表粮食生产能力越强。单位面积机械化水平（MA）：用各市农业机械化总动力除以粮食播种面积。单位面积化肥施用量（FE）：用各市化肥施用折纯量除以粮食播种面积来表示。单位面积灌溉水平（IR）：用各市有效灌溉面积除以粮食播种面积来表示（表3）。

表3 变量统计性分析Table 3 Statistical analysis of variables

3.2 空间自相关检验

在构建空间计量模型之前需要对被解释变量进行空间相关关系检验，文献中多采用Moran's I指数进行检验，如表4所示。

表4 空间自相关检验结果Table 4 Spatial autocorrelation test results

从Moran's I指数的检验结果看，除2003和2015年外，地级市间粮食全要素生产率均存在显著的空间相关关系。形成空间相关关系的原因可能是：一是地理位置相邻的省份资源禀赋特征相近，要素禀赋的相关性决定了技术选择的相关性；二是地理位置相邻省份经济活动等交流更为便捷，产生了空间溢出效应，且Moran's I指数为正值，说明这种空间相关关系表现为正向的空间溢出效应。

3.3 实证结果分析

由表5的估计结果可知，ρ和λ的系数均在1%水平下显著；表明适合采用空间计量模型分析。具体分析如下。

3.3.1 玉米种植比例指标 玉米种植比例指标（RA）对粮食全要素生产率指数（TFP）有负向影响，且通过了5%水平的显著性检验，表明玉米播种面积占比越高，粮食全要素生产率越低；说明随着玉米种植比例的升高，会导致“效率损失”，进而降低了粮食全要素生产率。以辽宁为例，2001年开始玉米播种面积逐年攀升，到2015年玉米播种面积达到241.68万hm2，15年间播种面积增加了105.05万hm2，虽然在结构调整政策下，2016年降低到225.89万hm2，但玉米种植比例仍然高达69.9%。从全要素生产率分解来看，玉米种植比例对技术效率指数（ECH）有负向影响，说明玉米种植比例越高，技术效率反而降低；这可能是由于规模报酬递减造成的，随着种植比例提高，粮食投入要素越多，形成了规模报酬递减规律，造成效率降低。同样玉米种植比例对技术进步指数（TCH）有显著的负向影响，通过了1%水平的显著性检验，说明随着种植比例的提高，反而不利于技术进步的提高，这可能是由于在耕地面积一定的前提下，玉米播种面积提高，限制了其他粮食作物的种植，不利于其他作物新技术的研发和采用。玉米种植比例对技术效率和技术进步影响均显著，说明玉米种植结构对于粮食全要素生产率的影响由技术效率和技术进步共同作用实现，但技术进步系数大于技术效率系数，表明技术进步作用要大于技术效率。

从技术效率指数的分解来看，玉米种植比例对规模效率（SECH）有显著的负向影响，说明玉米种植比例越高，规模效率越低，即随着玉米种植比例的提高，同样会导致“效率损失”，不利于规模效率的提高；而玉米种植比例变量对纯技术效率（PECH）没有通过显著性检验，说明玉米种植比例对于技术效率的影响路径仅通过影响规模效率来实现。

3.3.2 控制变量指标 第一产业占比、单位面积机械化水平对粮食全要素生产率有负向影响，而粮食单产和灌溉水平对粮食全要素生产率有正向影响；其他控制变量没有通过显著性检验。限于篇幅不对控制变量影响作用作详细解释。

3.4 稳健性检验

更换核心解释变量和更换计量模型在稳健性检验中普遍被使用，较为权威，因此本文选用这两种方法来进行稳健性检验。

1）更换核心解释变量来检验结论的稳健性。由于玉米播种面积差分指标表示本年对于上一年的玉米播种面积增加情况，与本文核心解释变量的经济学解释大体一致，因此，选用玉米播种面积差分作为核心解释变量的替代变量。

从表6结果看，玉米播种面积差分（RA1）对粮食全要素生产率指数（TFP）有显著的负向影响，且通过1%水平的显著性检验；而差分表示玉米播种面积的变化程度，差分越大表示增长幅度越大，说明随着玉米播种面积增长幅度越大，越不利于粮食全要素生产率的增长；以黑龙江省为例，2009年比2008年玉米播种面积增加了120.7万hm2，成为自1980年来增加幅度最大的一次；以黑龙江省2009年增加幅度最大的几个城市为例，哈尔滨、齐齐哈尔和绥化市玉米播种面积分别增加了13.91万hm2、16.37万hm2和20.61万hm2，而相应的粮食全要素生产率仅分别为0.904、0.897和0.889。从粮食全要素生产率的分解来看，玉米播种面积差分对技术效率（ECH）和技术进步（TCH）均有负向影响，表明玉米播种面积增长幅度越大，越不利于技术效率和技术进步的提高；从影响路径看，玉米播种面积差分对技术效率和技术进步的影响系数相似且对两者均有显著影响，说明其对于粮食全要素生产率的影响是通过技术效率和技术进步共同作用实现的。同样，玉米播种面积差分对于规模效率（SECH）有显著的负向影响，对于纯技术效率（PECH）影响不显著。更换核心解释变量后，模型结果与基准回归结果基本一致，说明相关结论是稳健的。

2）更换计量模型来检验结论的稳健性。选择更换面板Tobit模型重新对数据进行实证检验，结果显示：玉米种植比例变量对粮食全要素生产率影响的回归结果与空间SAC模型结果一致（表7）。玉米种植比例对粮食全要素生产率的影响主要靠技术效率和技术进步驱动，对技术效率的影响是通过影响规模效率来实现，与基准模型分析一致，其他控制变量与基准模型的结果大体一致。更换计量模型后，结果与基准回归结果类似，说明结论是稳健的。

表6 更换核心解释变量的估计结果Table 6 Estimation results of replacing core explanatory variables

表7 面板Tobit模型结果Table 7 Results of the panel Tobit model

4 结论与启示

4.1 结论

本文基于2001—2016年东北三省地级市面板数据，使用Malmquist指数法测算得到2002—2016年东北三省34个地级市的粮食全要素生产率指数；进一步利用空间SAC模型分析了玉米种植结构对东北地级市粮食全要素生产率的影响。有以下研究结论：

1）时间维度层面，2002—2016年东北地级市的粮食全要素生产率增长率呈现出缓慢下降的趋势，技术进步是拉动东北三省粮食全要素生产率增长的主要源泉。

2）空间维度层面，粮食全要素生产率增长率年均上升1.1%，技术效率提高0.5%，技术进步上升0.6%。

3）玉米种植结构对粮食全要素生产率有负向影响，即玉米播种面积和种植比例的提高会导致“效率损失”，进而降低粮食全要素生产率。

4）从影响路径看，玉米种植比例和玉米播种面积差分变量对粮食全要素生产率的影响路径主要通过技术效率和技术进步共同来实现，而对技术效率的作用仅通过影响规模效率来实现。

4.2 启示

1）以市场导向为主、政府引导为辅，提高农民调整意愿。玉米播种面积及种植比例过大，不利于粮食全要素生产率的提升，“镰刀弯地区”玉米结构调整符合质量兴农需求，但在结合政策目标调减东北地区玉米种植面积时，要严格区分优势产区和非优势产区，有序、有度引导农民进行结构调整，且推进玉米结构调整，要让市场“唱主角”，政府进行适当的指导，实现“有形之手”与“无形之手”的有效结合。

2）增强科技创新的驱动作用，提高投入要素的合理配置。东北地区粮食全要素生产率的技术效率有逐渐恶化的趋势，在推动技术进步的同时，要采取措施重点改善稳步提升技术效率，最终实现技术进步和技术效率对粮食全要素生产率的“双轨驱动”。

3）缓解农业资源环境压力，走高质量绿色发展之路。东北地区耕地资源过度开发、黑土地不断退化、灌溉方式粗放等问题突出，要采取先进的灌溉制度、灌溉技术和科学的施肥制度，建立节地、节水为中心的集约化农业生产体系，在耕地面积减少、水资源短缺、劳动力流失的背景下，提高生产要素投入效率，进而提升粮食全要素生产率。