中国稻谷生产率的地域差异和时空分异——基于稻谷主产区的实证分析

王恒, 高鸣

(1.中国农业科学院农业资源与农业区划研究所, 北京 100081; 2.农业农村部农村经济研究中心, 北京 100810)

在农业供给侧结构性改革的背景下，我国开始调减非优势区玉米种植，同时取消了玉米的保护性价格，很多粮食主产区随着政策的改变开始进行“旱改水”，种玉米改为种收益更高的水稻。水稻是我国四大主粮之一，稻谷产量占粮食总产的30%以上[1]。2017年以来,稻谷整体的托市收购量减少，尤其是受政策调整影响最大的早籼稻品种。加上粮食价格形成机制的改革，稻谷价格逐渐下降。因此，在价格降低的背景下，提高稻谷生产效率对于提高稻农收益、保障国计民生具有重要作用。在当前背景下，如何提高水稻的生产效率成为当前的热点问题。

目前,国内对于水稻生产效率的研究主要集中在效率的测算和效率影响因素等方面。关于水稻生产效率的测算，目前常见的方法主要有随机前沿分析法(stochastic frontier analysis，SFA)和数据包络分析法(data envelopment analysis，DEA)。王志平[2]研究认为全要素生产率(total factor productivity，TFP)是指除各要素(例如资本和劳动等)投入之外能对经济增长产生贡献的因素，全要素生产率可以很好地度量要素效率的提高以及技术进步的程度。利用随机前沿超越对数生产函数对我国各省的生产效率进行了分解，得出前沿技术进步是全要素生产率提高的主导因素；杨万江等[3]运用SFA方法构建了个体稻农水稻生产技术效率模型，发现生产面积与技术效率之间呈现U型关系；王明利等[4]运用Malmquist指数(Malmquist index，MI)分析了我国不同种类的水稻生产率增长、技术进步和技术效率及其时序变动趋势，发现1990—2003年早、中、晚籼稻和粳稻的全要素生产率在波动中下降；高鸣等[5]考虑到非期望产出，运用DEA模型中的Malmquist-luenberger指数对中国各省区的粮食经济增长进行要素分析，发现人力资本和技术进步是其主要动力，建议推动粮食生产过程中的技术进步，提高人力资本和农业劳动生产率；徐丽君等[6]运用DEA-Malmquist指数说明南方双季稻区水稻生产效率低于北方的黑龙江和稻麦轮作区的江苏，认为应该提高技术适应性；薛思蒙等[7]运用Malmquist指数对比了中日两国水稻产业的生产效率，认为日本水稻产业生产效率高于中国，其原因主要在于日本的技术进步率高。关于水稻生产率的影响因素，姜岩等[8]建立了随机前沿生产函数模型，发现降水对水稻生产技术效率有提升作用，7月份的平均温度和光温比对水稻生产技术效率有抑制作用；王琛等[9]基于空间计量经济模型，运用SFA方法研究了农业部门资本投入对于水稻、玉米、小麦等粮食生产技术效率的影响，认为粮食生产技术分布存在空间集聚效应，农业部门资本存量的空间分布显著影响了生产技术效率的空间扩散；周炜[10]通过构造多元线性回归模型，发现多元化经营会导致水稻生产效率的损失，农场主受教育程度的提高和家庭劳动力数量增加可以提高水稻生产效率。综上可知，当前的研究主要集中在某个区域尺度或者是全国整体尺度，而且多是水稻整体研究，较少将水稻主产区和不同水稻品种结合在一起进行研究。基于此，本文运用DEA-Malmquist指数对不同水稻品种在不同粮食主产区的生产效率进行研究，以期为水稻产业的结构调整、区域布局提供借鉴。

1 数据来源及研究方法

1.1 数据来源

本研究使用的投入产出数据主要来自历年《全国农产品成本收益资料汇编》[11]。以水稻主产省为研究样本，收集了我国1998—2015年水稻主产省的成本和收益的面板数据。成本数据主要指种籽秧苗费、农药费、化肥费、排灌费、机械作业费和单位耕地面积人工成本，产出数据主要指早籼稻、中籼稻、晚籼稻和粳稻的主产品产值。统计资料中的缺失值采用差值法进行插补处理。

1.2 研究方法

为研究稻谷种植业的区域优化布局，进一步提出优化稻谷生产区域布局的建议对策。本研究以省域为尺度，系统地研究稻谷主产省全要素稻谷生产效率(TFP)的变化。利用Deap2.1和Mydea1.0对稻谷主产省的生产效率进行分析，用DEA-malmquist指数反映早籼稻、中籼稻、晚籼稻和粳稻全要素生产率的相对变化，并在规模报酬可变假设下，运用产出导向的BCC模型将全要素生产率分解为技术进步变化(technology change，Tech)、纯技术效率变化(pure efficiency change，Pech)和规模效率变化(scale efficiency change，Sech)，来探究全要素生产率产生变化的原因。根据数据可得性、科学性等原则，参考高鸣等[12]、王亚坤等[13]的研究，本研究选择稻谷主产值作为产出指标，种籽秧苗费、农药肥、化肥费、排灌费、机械作业费和单位耕地面积人工成本作为投入指标。其中，种籽秧苗费、机械作业费和排灌费等在一定程度上可以反映技术进步对全要素生产率的影响，机械作业费和单位耕地面积人工成本可以反映技术效率的变化。

1.2.1数据包络分析法 数据包络分析法是分析生产效率的方法，该方法根据一组关于投入产出的观察值来估计有效生产前沿面，根据各点到生产前沿面的距离，来判断生产可能集中的每个点的效率状况，在规模可变时，技术效率可以分解为纯技术效率与规模效率的乘积。当数据类型为面板数据时，可以采用Malmquist指数来测度全要素生产率的变化。

1.2.2Malmquist指数 数据包络分析法中最常用的分析方法就是DEA-Malmquist指数法，即用Malmquist指数(MI)来测度全要素生产率。王兵等[14]指出MI在假定生产有效率的前提下，将全要素生产率变化分为技术进步变化和效率变化两部分。Malmquist生产率指数计算公式为：

(1)

赵伟等[15]指出，在规模报酬不变(constant returns to scale，CRS)的假定下，Malmquist指数可以分解为效率变化(efficiency change，Effch)和技术进步变化(Tech)，即：

(2)

①技术进步变化(Tech)。技术进步度量的是不同时期生产前沿面的优化，即生产可能性边界到最新的生产前沿的移动，表示通过教育、技术研发和创新带来的生产可能性边界的进步。技术进步率表示技术进步、组织创新等对生产效率的影响。当Tech>1时，表示技术进步，即生产边界提升；反之则表示技术前沿较上年退步。

②技术效率变化(Effch)。此处技术效率是指规模报酬不变(CRS)的情况下的技术效率，其反映一个观察单元(企业、地区等)获取最大生产经营性收入的能力。技术效率指在给定一组投入要素不变的情况下，一个生产单元实际产出同一个假设同样投入情况下的最大产出之比，也可以是一个生产单元的实际投入与假设同样产出情况下的最小投入之比。这里的效率实际上包含了规模效率和纯技术效率两部分。而技术效率变化(Effch)表示由于技术效率改进带来的技术效率变化。当Effch>1时，表示技术效率提升；反之则表示技术效率衰退。在规模报酬可变(variable returns to scale，VRS)的情况下，效率变化又可以分解为纯技术效率变化(Pech)和规模效率变化(Sech)。其计算公式为：

=Sech×Pech

(3)

③规模效率变化(Sech)。规模效率是在规模报酬可变时从技术效率中分解出来的，反映的是在规模报酬可变的假设下，专业化和集约化的有效程度，反映了规模是否适度，规模效率的值介于0到1之间，越接近1，表明经营单元的效率值越高。如果规模效率值等于1，说明此时规模有效，而且决策单元处于规模报酬不变阶段，生产处于最佳规模；如果规模效率小于1，说明此时规模效率有损失，决策单元规模可变。在规模可变时，基于面板数据，也可以对应得到规模效率变化(Sech)的取值，该取值大于1，表明规模效率增加，规模得到优化；反之则表明规模效率恶化。

④纯技术效率变化(Pech)。纯技术效率衡量的是劳动力、土地、直接投入和间接投入等不变的情况下，技术水平和管理能力的高低，是剔除了规模因素以后的技术效率。纯技术效率指的是各生产单位每年有效利用生产技术，使产出最大化或者使投入最小化的能力，反映了投入要素在使用中的效率。技术效率变化也是以1为界，大于1表示纯技术效率的优化，小于1表明生产的纯技术效率恶化。

⑤全要素生产率(TFP)。全要素生产率是衡量单位总投入带来的总产出的生产率指标，是指产出增长率超过要素投入增长率的部分。因此，全要素生产率实际上度量的是除去劳动、资本和土地等要素投入之后，其他投入要素的生产效率，例如知识、技术进步和制度改进等要素。全要素生产率的增长往往来源于技术进步、生产创新等方面。全要素生产率变化(TFPch)用MI表示，其大于1，表示全要素生产率呈增长趋势，反之则是为下降趋势，并可以进行如下分解：

(4)

2 结果与分析

2.1 我国稻谷主产区分布

从稻谷的主产值(图1)可以看出，籼稻是适宜于低纬度地区，低海拔湿热地区种植的栽培稻亚种。早籼稻主要分布于福建、广东、湖南等东南部省区，中晚籼稻主要集中于长江中下游和黄河中下游的省份，主要有湖南、湖北、江西、浙江、江苏、安徽和河南等。而粳稻多分布于三大片区，以黑龙江为核心的北方粳稻区、以江苏为核心的南方粳稻区和以云南为核心的云贵高原粳稻区。粳稻生长期长，比较耐寒，是中纬度和较高海拔地区发展形成的稻谷亚种。

图1 稻谷主产省区产值

2.2 早籼稻全要素生产率时空变化特征分析

2.2.1早籼稻全要素生产率的年际变化 早籼稻的全要素生产率总体上在波动中下降。由图2可以看出，各早籼稻主产省的MI一直在波动。并且自从2008年开始就有下降的趋势，说明全要素生产率开始恶化。2002—2008年,MI大于1的省份比较多，2014年以来，绝大多数早籼稻主产区的MI都达不到1，说明全要素生产率近年来逐渐下降。从几个峰值来看，2005年每个省的早籼稻MI都特别高，2006年以后MI回降到1左右，2010年福建省早籼稻全要素生产率最低，2014年广西全要素生产率特别高，远远高于其他省份。除此之外，安徽的全要素生产率表现不错，2013年以来，安徽MI在不断提高。

图2 早籼稻全要素生产率年际变化

2.2.2早籼稻生产效率的地域差异 早籼稻的全要素生产率存在地域差异。根据表1测算结果，从MI的年度平均值看，安徽、广西的稻谷全要素生产率总体上呈现上升态势，福建、海南的稻谷全要素生产率呈现下降态势。多数早籼稻主产区全要素生产率的增长有赖于技术进步。2004—2008年，基本上所有省份的技术进步率都大于1，说明在2005年早籼稻全要素生产率的提高中，技术进步起到了重要的作用。福建在1999—2015年纯技术效率和规模效率未发生变化，技术进步自从2008年以后呈下降趋势，技术进步程度的降低也是福建省2010年早籼稻全要素生产率最低的重要原因。2014—2015年，广西的规模效率达到1.009，虽然规模效率也存在一定程度的改善，但仍低于2009—2013年的平均规模效率；相反，2014—2015年广西的技术进步率高达1.154，高于2009—2013年的水平。与其他省区相比，广西的技术进步也处于领先地位，这很好地解释了广西的全要素生产率的领先地位。同样，安徽省的全要素增长率的提高也得益于技术进步。

表1 不同区域各时期早籼稻生产率指数及其分解

2.3 中籼稻全要素生产率时空变化特征分析

2.3.1中籼稻全要素生产率的年际变化 中籼稻的MI比早籼稻波动幅度更大些，但是中籼稻全要素生产率近年来逐渐增加。从图3可以看出，近年来多数省份MI都在波动幅度越来越小，2004—2007年这段时间波动程度较大。2004年江苏的MI突破2，位居首位，说明其全要素生产率得到优化；2006年贵州中籼稻的全要素生产率表现最差，低于其他中籼稻主产省；2008年以后，MI整体变动趋势变小；2014年以来，多数省份中籼稻的MI大于1，大部分省份的全要素生产率开始回升。

图3 中籼稻全要素生产率的年际变化

2.3.2中籼稻生产率的地域差异 从各省区看，全要素生产率也是在波动中增长。例如，贵州的Malmquist指数在波动中增长，在2004—2008年期间经历了回落，之后又逐渐恢复增长(表2)。

表2 不同区域各时期中籼稻生产率指数及其分解

从各省区层面看，技术进步在中籼稻全要素生产率的增长中起着关键作用。江苏技术进步率在1999—2003年间有所提升，其均值在2004—2008年达到最高值1.151，与此同时，江苏省的规模效率也在提高，说明规模经营对于江苏省中籼稻技术效率的提高发挥了重要作用。不过，二者相比之下，技术进步对江苏省全要素生产率的提高起到了更为关键的作用。从贵州的变动情况看，其规模效率变化率始终为1，纯技术效率的变化自2008年后开始逐渐增加，这与MI反映的情况基本一致。技术进步率与MI变化趋势也一致，技术进步率由0.927降至0.883，之后又由0.883增加至0.916，虽然仍低于1，但是有所回升，也促进了MI的增加。技术的相对进步促进了其全要素生产率的优化。此外，四川省和福建省的技术进步处于退步状态，使得其MI较低，作为中籼稻的主产区，其自然条件适合中籼稻的生产，在发展中更应该重视技术进步在发展中的作用，不断推动粳稻生产技术的发展应用。

2.4 晚籼稻全要素生产率时空变化特征分析

2.4.1晚籼稻全要素生产率的年际变化 从年际变化数据看(图4)，晚籼稻的MI一直在波动中变动，最终逐渐稳定在1附近。MI在2004年达到顶峰，在2005年跌落谷底。由图4可以看出，晚籼稻的全要素生产率也是一直在波动的，2004年所有晚籼稻主产省区的MI均大于1，说明所有晚籼稻主产省的全要素生产率均实现了较大提升，其中，浙江省最高，MI达到了1.56。2005年所有晚籼稻主产省区的全要素生产率下降，其中江西省最低为0.63，说明2004年各晚籼稻主产省全要素生产率的提升并不是可持续的。2007年以后，多数晚籼稻主产省区的全要素生产率较平稳，其MI在1附近波动，福建和海南虽然在2007—2012年间有较大波动，但是在2014年后也渐趋平稳。

图4 晚籼稻全要素生产率的年际变化

2.4.2晚籼稻生产率的地域差异 表3显示，大部分省区的MI都比较高，且变动存在着一定的差异。1999—2003年期间，所有主产省区均高于1。在2004—2008年期间，海南省的MI开始下降，但是在2014—2015年间，海南省的MI又有了回升，相反，在2014—2015年期间，福建省、湖北省、湖南省和江西省的MI却下降了。

表3 不同区域各时期晚籼稻生产率指数及其分解

首先，从省区层面看，技术进步促进了全要素生产率的提升。从2004年开始，海南晚籼稻全要素生产率的提高在很大程度上依赖于技术进步。福建省的全要素增长率的下降与其技术进步率的降低也有一定的关系，说明技术进步和制度创新等可以促进全要素生产率的提高，技术进步率低也会制约全要素生产率的提升。结合本文选取的指标来看，种籽秧苗费、机械作业费和排灌费等可以反映技术进步的要素在晚籼稻全要素增长率的提高方面发挥了重要的作用。重视机械化设备和水利设施建设，培育优良品种确实可以提高晚籼稻的全要素生产率。

除了技术进步外，其他因素在全要素生产率的提升中也起到重要作用。例如湖南省作为我国水稻的主产省，历来也重视稻谷科技进步，从表3可以看出，其技术进步率和纯技术效率在近10年始终大于1，投入效率得到优化，处于进步状态，但是从表3和图4可以看出，近4年来，其全要素生产率下降，说明在水稻种植过程中存在着其他问题，例如土壤质量下降、晚籼稻种植区域不合理等。湖南省在晚籼稻种植过程中，也应该重视技术进步和纯技术效率以外的其他因素。

2.5 粳稻全要素生产率时空变化特征分析

2.5.1粳稻全要素生产率的年际变化 图5显示，粳稻的全要素生产率相对于籼稻较稳定，多数省份的MI也在1附近波动且有下降的势头。自从2002年以来，粳稻的全要素生产率总体上呈现出下降的趋势，波动程度相对较小，只有黑龙江和安徽的全要素生产率在波动程度较大，2003年黑龙江的MI突破2.5，在2008年，MI又降到0.5以下，湖北省全要素生产率自2013年开始逐年下降，在2014年其MI跌落了至1以下。从总体的趋势来看，粳稻的全要素生产率有逐渐下降的趋势。

图5 粳稻全要素生产率的年际变化

相对于籼稻而言，粳稻种植面积更为广泛。粳稻较耐冷寒。粳稻主产区在我国的黄河流域、北部和东北部，在南方地区，粳稻则分布于海拔较高的地方。在农业供给侧结构性改革的基础上，国家调减玉米种植面积，东北很多地区都进行了“旱改水”，将种玉米的地方改为了种粳稻，因此，2016年以来，粳稻种植面积不断增加。

2.5.2粳稻生产率的地域差异 粳稻的生产效率存在着明显的地域差异。从表4可以看出，2014—2015年期间，安徽省粳稻的MI最高，其次是黑龙江省、辽宁省和吉林省，黑龙江省粳稻生产效率始终居全国前列，这与其独特的地理位置密切相关，独特的气候条件和肥沃的黑土地，使得其具有得天独厚的生产水稻条件，农户具有良好的粳稻种植技术和高的生产效率。相反，宁夏的MI在波动中下降，从开始的0.990下降到0.985。首先，除2009—2013年外，宁夏的技术进步率均小于1，说明其稻谷生产技术未有明显进步；其次，宁夏的纯技术效率由1999—2003的1.000下降到0.994，其生产效率也处于较低的水平，说明宁夏粳稻种植技术相对落后。

表4 不同区域各时期粳稻生产率指数及其分解

技术进步仍然是粳稻全要素生产率增长的关键因素。1999—2008年，湖北的技术进步变化率由1.020下降到0.996，虽然纯技术效率和规模效率有所增加，但MI仍然由1.156下降到1.101；2009年开始，湖北的技术进步率有所提升，维持了MI的稳定。虽然规模效率略微有所上升，但是对于提高全要素生产率的增长仍然杯水车薪。

从规模角度看，规模的扩大也不定能带来规模效率的提高。河北省和吉林省分别处于华北平原和东北平原，纬度较高，也是粳稻主产区。这两个省有扩大种植规模的条件，可以通过规模调整获得规模效率，但是就目前来看，反而存在着规模效率的退步，说明目前可能存在着盲目扩大规模等问题。农业经营主体在推进稻谷规模化经营的同时应该重视规模效率的提高，水稻生产也要适度规模经营，进一步提高稻谷的生产效率。

3 讨论

国内对于稻谷生产率的研究主要集中在技术效率、技术进步和全要素生产率等方面。有学者研究了稻谷生产效率的影响因素，认为水稻生产环节外包可以有效地提高生产率[16],农业基础设施对水稻的全要素生产率增长贡献率达到19%[17]，技术进步是中国水稻生产率提升的重要原因。也有学者研究稻谷生产效率区域比较，薛思蒙等[7]对比了中国和日本水稻产业的全要素生产率的差异，发现2004—2014年日本水稻产业的生产效率高于中国，技术进步程度远远高于中国。胡雯等[18]则研究了粳稻主产省的全要素生产率，认为缩小省际间生产效率差异是提高中国粳稻生产率的关键。与前人研究结论类似，本研究同样发现农业科技进步对稻谷全要素生产率的提高有帮助，2004—2008年期间，早籼稻全要素生产率的增加正是源于技术进步，1999—2003年，江苏省中籼稻全要素生产率之所以有不错的成绩也是来源于技术进步的作用。但与前人研究结论不同的是，首先，本研究基于省域和区域尺度发现，在北方粳稻的生产效率较高，生产状况不断得到优化，在南方，籼稻的生产效率比较高。其次，虽然在本研究中也同样可以发现存在规模效率的省份较少，但是在稻谷生产中某些地区确实存在着规模效率，例如，在中籼稻的主产省江苏省2004—2008年全要素生产率的增长中，规模效率起到了重要作用。

目前稻谷库存仍处于高位，在农业供给侧结构性改革的背景下，2018年中央一号文件《中共中央 国务院关于实施乡村振兴战略的意见》仍然明确要求继续深化农产品收储制度改革和价格形成机制，完善稻谷最低收购价，使稻谷价格逐渐向市场定价过度。早籼稻、中晚籼稻和粳稻的最低收购价由2014年的2.70、2.76和3.10元/kg下降到2018年的2.40、2.52和2.60元/kg。稻谷最低收购价的改革是供给侧结构性改革的重要举措，有利于抑制稻谷面积持续增长的势头，实现去库存的政策目标。在稻谷产区布局方面，可以结合地区优势布局，例如调减东北高寒低产区和长江中下游流域双季稻稻谷种植面积，在东北高寒低产区的粳稻的非优势产区可以对种植结构进行调整，增加国内大豆的种植面积，或者推行水稻休耕试点，保护耕地质量。

农业应始终聚焦农业科技进步前沿，重视农业技术进步，培育良种，推进农业机械化作业，完善水利设施，从技术方面提高稻谷的生产效率。在稻谷生产过程中，最应该重视农业技术进步这一方面。农业绿色发展是目前乃至未来一段时间的主流趋势，绿色稻谷是生态、科技与农业结合的重要方向，国家和相关省区应利用科技手段对重金属污染区的土壤进行整治，在农药和肥料方面，研究新型的肥料，实现科学合理施肥，无公害绿色化的病虫害防控。

随着中国城市化率的提升，大量农村劳动力进城务工，农村耕地实现经营权和承包权的流转，农业规模化理应是农业未来的趋势。但土地细碎化和盲目扩大经营规模等问题的存在，制约了农业规模化经营的健康发展。中国土地制度也在不断地进行改革，国家也在培育新型农业经营主体，引导农业适度规模经营。在发展稻谷产业的同时，也应该提高规模效率，进一步促进稻谷生产效率的提高。在未来的发展中，在国家政策引导和土地制度改革下，部分地区可以实现规模经营。

针对目前籼稻和粳稻全要素生产率逐渐下降的情况，每个省份应进一步加强对于稻谷产业的重视，加大现代农业科技研发力度，延长稻谷业的产业链，帮扶有潜质的稻谷加工企业，培育地方优质稻谷品种，打造地区农产品特色品牌，提高稻谷附加值，通过科技进步、技术进步和机制创新提高稻谷的生产效率。