我国农业全要素生产率分解及其区域发展不平衡分析

高齐圣，王丹亚

（青岛大学 经济学院，山东 青岛 266061）

农业作为我国国民经济的基础性产业，自改革开放以来，农业总产值增长显著，从1978年的1 437 亿元上升至2018年的61 452.6 亿元，然而，农业发展过程中的地区差距表现明显，已成为地区发展不平衡的重要因素[1]。2006年，《国民经济和社会发展第十一个五年规划纲要》中提出：“坚持实施推进西部大开发，振兴东北地区等老工业基地，促进中部地区崛起，鼓励东部地区率先发展的区域发展总体战略，健全区域协调互动机制，形成合理的区域发展格局”，这是国家首次提出的区域发展总体战略。那么，在推进西部大开发战略、东北振兴战略、中部崛起战略和东部地区率先发展战略的进程中，我国不同地区农业经济增长之间有何差异？演进轨迹如何？对于上述问题的有效回应有助于为制定区域发展总体战略提供科学依据，推动地区间农业的协调发展，具有较强的实践意义。

一、文献综述

全要素生产率（TFP）作为衡量国家可持续发展和经济运行质量优劣的重要指标，其测算是学术界的热点，全要素生产率的测算方法主要有传统的非前沿方法和生产前沿法[2-3]。非前沿方法主要包括索洛余值法，其将产出增长中要素投入贡献以外的部分全部归结为技术进步，技术变化是全要素生产率变化的全部。朱希刚、刘延风[4]采用余值法测算了我国“八五”期间农业科技进步率。赵芝俊、张社梅[5]基于C-D 生产函数利用索洛余值法测算我国1986—2003年的农业科技进步率。由于这种传统的非前沿方法不考虑生产技术上的非效率，与现实情况不符合，而生产前沿法则允许技术无效率的存在，比非前沿方法更为合理，已成为了度量全要素生产率变化的常用方法。

生产前沿法主要包括以随机前沿分析（SFA）为主的参数方法和以数据包络分析（DEA）为主的非参数方法，目前，这两种方法被广泛地应用于农业领域[6-7]。第一种，随机前沿分析法。石慧等[8]利用随机前沿超越对数生产函数研究了1985—2005年中国农业生产率，并将中国分为长江中游、东北、华北沿海、华东沿海、华南、黄河中游、西北和西南八个地区进行了分析，发现农业TFP 的地区差距不十分明显。全炯振[2]采用SFA-Malmquist 指数法测算了1978—2007年中国农业全要素生产率变化指数，结果表明东部农业全要素生产率增长明显强于中西部地区，中部地区又强于西部地区。张乐、曹静[9]测度了1991—2010年中国农业全要素生产率，并对西南部、华东地区、华南华中、华北、西北和东北六个地区进行了比较分析，发现西南部地区农业TFP 增长最快。王留鑫等[10]测算了1998—2014年农业全要素生产率增长及分解，分为东北、西南、华中、西北、华南、华北和华东七个地区进行分析，发现农业全要素生产率增长存在明显的地区差异。第二种，数据包络法。曾先锋等[11]利用1980—2005年的农业投入和产出数据，估算了中国农业全要素生产率的变化，结果表明农业TFP 增长呈现东部、中部及西部地区依次递减的趋势。方福前、张艳丽[12]分析了1991—2008年农业全要素生产率，发现西部农业TFP 增长高于中部和东部。李谷成[13]利用农林牧渔业总产值、农作物总播种面积、农用役畜等面板数据测算了1978—2005年中国农业生产率增长，发现东部农业TFP 最高，其次为西部地区，中部农业TFP 增长最慢。王珏等[14]利用农林牧渔业总产值、机械总动力、总播种面积、化肥施用量等数据计算了1992—2007年我国各地区农业全要素生产率，发现农业TFP变化整体上表现为东部、中部、西部依次递减的趋势。韩中[15]测算了1978—2008年我国农业全要素生产率，结果表明东部农业TFP 最高，其次为西部地区，中部地区最低。舒银燕[16]分析了1986—2010年西部地区10 个省份了农业全要素生产率增长。高帆[17]分析了1992—2012年我国农业TFP，结果表明东部、中部、西部地区的农业TFP 依次递减。李文华[18]利用1998—2015年农林牧渔业生产总值、农作物播种面积、有效灌溉面积、农业机械总动力等数据测算了中国农业全要素生产率，发现东部地区农业TFP 明显优于中西部地区，中部地区又优于西部地区。陈煦[19]考察了1998—2015年全国农业全要素生产率的变化，并将全国分为东部、东北、中部和西部四个地区进行分析，发现不同地区的空间差异性在逐步减小。周鹏飞等[20]分析了2007—2016年我国农业全要素生产率的变化情况，发现我国农业TFP 增长表现为中部、西部、东部地区依次递减。王军等[21]测算了1978—2016年全国整体、东、中、西和东北四大区域的农业全要素生产率，发现东部地区农业TFP年均增长率最高，其次为东北地区，中部地区高于西部地区。

关于我国农业全要素生产率增长的地区差异收敛的文献中，常用的收敛分析主要有σ 收敛、绝对β 收敛和条件β 收敛三种类型。赵蕾等[22]检验了1982—2003年中国农业生产率的收敛性，发现中国农业生产率不存在σ 收敛，但同时存在绝对β 收敛和条件β 收敛。曾国平等[23]检验了1978—2007年全国及东、中、西部地区农业TFP的收敛性，发现我国农业TFP 增长指数不存在σ 收敛，中部和西部地区存在绝对β 收敛和条件β 收敛，东部地区收敛不显著。潘丹、孔凡斌[24]对1998—2009年的农业全要素生产率的收敛性进行了检验，结果表明我国农业全要素生产率不存在σ 收敛、绝对β 收敛和随机收敛，但存在显著的条件β 收敛。高帆[17]考察了1992—2012年中国31 个省份以及三大区域农业TFP 的差异程度，发现全国农业TFP 增长率的敛散性主要来自省份内部的变动，而不是三大区域之间的变动。史常亮等[25]使用面板单位根方法对我国农业TFP增长进行了随机性收敛检验，结果表明不管是从全国整体还是分区域来看，我国农业TFP 增长均不存在着随机收敛。李文华等[26]衡量了1999—2015年农业环境全要素生产率，发现全国和东部、中部、西部及东北地区均存在条件β 收敛。张霞[27]分析了西南地区1998—2016年农业全要素生产率的收敛性，发现西南地区5 个省市农业TFP 具有显著的条件收敛趋势。

综上，现有文献对丰富农业TFP 相关研究成果具有重要意义，但仍然存在两点不足。首先，上述研究测算农业全要素生产率所运用的方法主要集中于DEA-Malmquist 指数法，相较于数据包络法，运用随机前沿生产函数法来测算农业全要素生产率变化的研究较少。考虑到农业生产的本质特征，SFA 要比DEA 更加适合，其结果在某种程度上要优于DEA 的测算结果[28-29]。其次，关于农业全要素生产率增长的地区差异以及是否趋于收敛等研究结论，学者们并未达成一致，缺乏从动态角度探讨农业TFP 变化情况的研究。鉴于此，本研究采用随机前沿生产函数法对2003—2017年我国31 个省（市、区）农业全要素生产率增长率进行测算，并对我国东部、中部、西部和东北地区农业TFP 增长的差异进行分析，然后利用核密度函数考察了全国及四大区域的农业TFP 增长的动态演进特征，最后提出针对性的政策建议。

二、研究方法

（一）随机前沿分析法

随机前沿分析法是一种参数方法，该方法需要首先确定一个具体的函数形式，然后基于该函数形式对各参数进行估计。与DEA 相比，随机前沿生产函数法具有如下优点[6]：其一，SFA 考虑了随机因素对产出的影响，可以将技术效率从随机扰动中分离出来；其二，SFA 的计算结果不易受异常值的影响，稳健性较好；其三，SFA 可以通过参数值求出投入要素的产出弹性和规模报酬情况；其四，SFA 可以对所得结果进行统计检验或求得相应的置信区间。本研究采用Battese and Coelli 提出来的BC92 模型[30]，假设uit服从非负的截断正态分布，而且随时间变化，即其中η是考虑时变性的待估参数。则随机前沿生产函数模型的一般形式为：

式（1）中：Yit表示在t时期第i省份的产出，F(·)表示前沿产出，Xit表示在t时期i省份的投入要素，β表示参数，itν为随机扰动项，uit为技术无效率项，可以用来测度技术效率水平，即TE=exp(-uit)，因为假设条件中技术无效率项服从非负的截断正态分布，所以技术效率水平取值在0 和1 之间，其值越接近1，离前沿产出水平越近，说明技术无效率程度越低。定义γ≤1，若γ越接近1，技术无效率项对复合扰动项的变异程度影响越大，说明随机前沿模型越合理[31]。

在确定性前沿生产函数下，全要素生产率的变化（TFPC）可以被分解为四部分，具体分解步骤如下所示[32]：

首先对确定性前沿生产函数部分取对数形式，lnY=lnF(Xit,t;β)-uit，然后对时间求导，得到

最后，将（3）式带入（4）式并整理，得到全要素生产率变化的构成与分解：

式（5）中：第一部分为技术进步（TC），代表生产边界的移动，即当要素投入保持不变时，产出因技术变化而增加的部分。第二部分为规模效率的变化（SC），代表在其他情况不变的情况下，产出因投入要素规模发生变化时而产生的变动，当规模报酬不变时，该项为零。第三部分为配置效率的变化，代表在利润最大化水平下，投入要素的比例是否合理分配，当配置有效时，smε=εm，则该项为零，由于配置效率计算过程中需要要素的价格信息，而这些数据往往无法获得，大多数研究假设配置有效。第四部分为技术效率的变化（TEC），代表实际产出与前沿产出之间的距离随时间的变化。

（二）核密度估计

在测算农业全要素生产率的基础上，利用核密度估计可以给出全国及四大区域农业TFP 增长的地区差异和动态变化情况。核密度估计是在密度函数未知的情况下，根据已有的样本得出密度函数的表达式，其能够在整个估计区间都获得较好的精度和平滑度。核密度估计函数的具体形式为[33]：

式（6）中：n为观测值个数，h为带宽，xi为观测值，K(·)为核函数。常用的核函数有高斯核函数，Epanechnikov 核函数和Biweight 核函数等，由于选用任何核函数都能保证密度估计具有稳定相合性，所以最关键的因素不是核函数的形式，而是带宽的选择，其对估计分布的光滑程度影响十分大，常用的带宽选择的方法为插入法，即把未知函数的估计插入到渐近公式里以选择最佳带宽[34]。

三、数据说明及模型构建

（一）数据来源与变量说明

本研究数据来源于《中国统计年鉴》《中国农村统计年鉴》《中国固定资产投资统计年鉴》及各省的统计年鉴，考虑到数据的可获取性，选取了2002—2017年我国31 个省（市、区）的面板数据，数据均以2002年为基期。随机前沿生产函数法是单产出多投入模型，现有的文献中投入变量大部分采用的是农作物播种面积、有效灌溉面积、化肥施用量、农业机械总动力、役畜等指标，考虑到选取多个指标可能会造成解释变量之间出现严重的多重共线性问题，本研究选取两个投入变量。对所选取的农业产出和投入变量给以详细说明：

1）农业产出。选用广义的农林牧渔业总产值作为产出指标，单位万元，并利用农林牧渔业总产值指数对农林牧渔业总产值进行处理，以剔除价格因素的影响

2）农业投入。在劳动投入方面，本研究采用第一产业从业人员来衡量劳动力投入，单位万人，数据来自2003—2018年中国各省统计年鉴，其中黑龙江省2011—2013年数据缺失，用三次样条插值法进行补缺处理。农业资本投入用农业资本存量来衡量，利用Gold Smith 在1951年开创的永续盘存法进行估算资本存量，计算过程中一共涉及到四个变量：一是当年固定资产投资，采用农林牧渔业固定资产投资，单位万元，该指标是反映固定资产投资规模、结构和发展速度的综合性指标，可以更加准确地反映我国农业资本存量的变化；二是固定资产投资价格指数，以折算到不变价格，利用农业生产资料价格指数进行处理；三是经济折旧率，农业资本折旧率采用吴方卫计算的0.054 2[35]；四是基年资本存量，初始资本存量按照国际上通用的方法，即基期农林牧渔业固定资产投资比上农林牧渔业固定资产投资年均增长率和经济折旧率之和。

（二）随机前沿超越对数生产函数

在随机前沿生产函数中，常用的生产函数形式主要有C-D 生产函数和超越生产函数，C-D 生产函数在计算和解释方面有比较大的优势，但是对要素弹性、交叉弹性和替代弹性有严格的限制，而超越生产函数形式比较灵活，包容性较强，对要素弹性没有约束，应用比较广泛。因此，本研究采用随机前沿超越对数生产函数作为基础模型，具体形式为：

由于模型形式设定是否恰当直接关系到结论是否合理，不恰当的模型可能会产生误导性的结论，因此，本研究对模型的设定做了五个方面的检验：1）随机前沿模型的适用性。原假设，若拒绝原假设，说明运用随机前沿模型是合理的。2）技术效率的时变性。原假设，如果不能拒绝原假设，意味着技术效率不随时间而变化。3）生产函数形式检验。原假设。若接受原假设，应采用C-D 生产函数。4）技术进步检验。原假设，如果接受原假设，说明不存在技术变化。5）技术中性检验。如果接受了假设（4），则这一步检验就无需进行。原假设。如果接受原假设，说明技术没有渗透到生产要素，投入要素的变化不会带来技术进步效应。对上述五个方面的检验都采取广义似然比检验（LR），其统计量为：如果原假设成立，那么检验统计量服从混合卡方分布，自由度为受约束变量的数量。模型检验结果如表1 所示。

综合表1 中结果，检验一说明存在技术无效率项，检验二说明技术效率具有时变性，检验三说明应采用超越对数生产函数模型，检验四和五说明农业产出存在技术进步但是是中性的。因此，本研究选取技术中性的时变随机前沿超越对数生产函数进行测算农业全要素生产率。模型参数估计结果如表2 所示。

表1 模型检验结果

表2 模型参数估计结果†

根据表2 可以看出，所有参数都是显著的，而且绝大多数在1%水平上显著，验证了本研究所设定模型的合理性。γ值为0.995 3，且在1%水平上显著，说明误差项的波动主要来自于技术非效率，因此，选用随机前沿超越对数生产函数能很好地刻画农业产出活动的特点。

四、结果分析

（一）农业投入要素的产出弹性测算

SFA 相比DEA 的优点之一是可以计算出要素的产出弹性，但超越对数生产函数中的系数不能直接反映要素的产出弹性，需要根据生产函数形式，通过推导得到投入要素的产出弹性的计算公式：

表3 中为资本和劳动的产出弹性，反映出产出与投入的动态变化。在2002—2017 期间，劳动力要素产出弹性的年均值为0.043 4，表明农业生产中每增加1%的劳动力要素投入，产出将增加0.043 4%；资本要素产出弹性的年均值为0.099 6，表明农业生产中每增加1%的资本要素投入，产出将增加0.099 6%；两种投入要素的产出平均弹性之和为0.143 小于1，说明存在规模报酬递减现象。从时间上来看，资本的产出弹性与劳动的产出弹性呈相反的方向变动，虽然资本的产出弹性在逐渐变小，但是在整个样本期间都为正值，说明我国农业资本投入的增加会直接带来产出的增加。随时间的推移，劳动的产出弹性由负值变为正值，而且在逐渐增大，说明目前我国农业劳动力的数量已经开始存在短缺的问题。21世纪以来，中央政府始终将“三农问题”作为工作的重中之重，连续加大了对农业和农村地区基础设施建设的投资力度，但随着工业化和城市化进程的不断推进，部分劳动力流向城市或其他行业，致使农业劳动力不断减少。

表3 资本和劳动的产出弹性

（二）不同地区农业技术效率水平测算

从图1 可以看出，在2002—2017年样本期间，四大地区均未达到前沿技术水平，说明我国农业经济并没有充分发挥现有的技术水平，投入要素使用效率不高，而且农村劳动力不断流出农业不利于农业技术的传播和积累，导致实际产出与前沿边界产出仍有很大距离。中部地区的技术效率水平最高，其次为东部地区，东北地区又高于西部地区，可能是因为中部地区相对来说自然资源丰富，地理位置较优越，农村人口数多，重视农产品生产，因而农业技术管理水平较高，西部地区相对来说人力资本存量低下，由于地理位置因素，市场化和对外开放水平较低，导致技术无效率程度最高。从变动趋势上来看，我国技术效率呈上升趋势，但增长幅度不大。更加具体来说，各个省份的农业技术效率水平存在较大的差异，山东省的农业技术效率水平（TE）最高，为0.972 5，已快接近前沿产出水平，要想进一步发展，必须通过技术创新来使前沿面上移，并在新的前沿边界下逐步提高技术效率水平，西藏的农业技术效率程度最低，仅为0.026 9，应该从内部挖掘潜力来促进农业经济发展，从而避免外延式的增加投入。

图1 四大地区技术效率水平

（三）农业全要素生产率的增长分解

通过对东部、中部、西部及东北地区四大区域农业全要素生产率的比较（图2～5），可以发现，在整个样本期间，中国农业全要素生产率增长表现出地区之间发展不平衡增长的特征。从整体上看，东部地区农业全要素生产率增长明显地高于东北、中部和西部地区，分阶段来看，在2003—2009年期间，农业全要素生产率增长基本上按照由东部到东北，再由东北到中部，最后由中部到西部的顺序呈现出递减的趋势，在2010—2017年期间，西部地区的农业全要素生产率增长超过了中部地区。从曲线走势来看，在2003—2009年阶段，东部、东北、中部及西部地区的农业全要素生产率的增长总体上表现为下降的趋势，在2010—2017年阶段东北、中部和西部地区总体上呈现出上升趋势，东部地区虽在此阶段存在波动性，但2015年之后也表现出上升趋势。2008年爆发的全球金融危机，对中国各个地区的农业经济产生了很大的冲击，农业TFP 大幅度下降，为应对危机,中央采取了多种措施，2009年，中央财政对农村水、电、路、气等基础设施方面的投入比历年水平都有所提高，农业生产条件得到极大改善，农业TFP 表现出明显的增加，在应对金融危机的过程中，外出农民工到东部的就业比例下降，到中部的比例基本不变，到西部的比例上升[36]，经济结构得到调整，使得西部地区农业生产增长迅速。

图2 四大地区农业全要素生产率变化

图3 ～5 分别是农业全要素生产率的分解部分，从农业全要素生产率增长的源泉来看，中国各地区的农业全要素生产率的增长主要是依靠技术进步，技术效率改善在一定程度上也促进了农业全要素生产率的增长，规模效率变化是阻碍各地区农业全要素生产率增长的主要因素。图3 显示，农业技术变化值为正，说明在考察期内各地区存在技术进步，由于模型检验结果表明技术是中性的，所以各地区技术变化曲线是重合的。图4 显示，各地区农业技术效率变化均为正值，西部地区的技术效率增长速度最快，其次为东部地区，东北地区又快于中部地区，可能是随着西部大开发战略的不断推进，促进了部分先进技术向西部地区扩散，加快了西部地区的农业技术效率增长速度。根据图5 可知，各个地区的规模效率变化基本上呈现负增长，说明我国农业发展仍带有粗放型的特征，可能存在无效的规模扩张，但2015年之后，规模效率变化表现出逐年上升的趋势，说明我国农业经济增长模式正逐渐由粗放型增长向集约型增长转变。从本文的测算结果看，在考察期内，我国各地区的农业全要素生产率增长呈现出技术进步和技术效率改善双轮驱动的增长模式，可能是因为国家的一系列惠农政策的实施，比如减免农业税和增加农业补贴等，极大地提高了农民的生产积极性，使得农业技术推广和扩散等方面的成效逐渐显现。

图3 四大地区农业技术变化

图4 四大地区农业技术效率变化

（四）不同地区农业全要素生产率增长的分布差异

上述给出了不同地区农业TFP 的增长分解，如何进一步从统计分布特征揭示农业TFP 增长的地区差异性？为此，利用核密度估计进一步考察全国及四个地区的农业全要素生产率增长分布的地区差距及动态变化。

图5 四大地区农业规模效率变化

图6 全国31 个省市农业TFP 演进

图6 描述了全国31 个省市区农业全要素生产率在2003—2017年间的动态演进。从整体上来说，密度函数中心没有较大的移动，波峰高度有所上升，变化区间小幅增大，表明在考察期全国农业全要素生产率地区差距有所增大。从演变进程来看，相比2003年，2008年峰值明显下降，区间变化幅度增大，说明这阶段我国农业全要素生产率地区差距在增大；2008年与2013年相比，峰值明显上升，由“单峰”向“双峰”分布转变，变化区间轻微增大，说明这阶段农业全要素生产率地区差距继续增大且出现两极分化现象；2013年与2017年相比，密度函数中心没有明显移动，峰值继续上升且“双峰”分布依然存在，左尾和右尾均向左进一步延伸，说明这阶段低速增长的省市数量在增加，高速增长的省市数量在减少。可能的原因为在区域发展战略的实施过程中，由于不同地区经济发展水平不同，对农业和农村的投资力度存在差异，致使地区间农业基础建设和农村人力资本等表现出明显的差异。

图7 描述了东部地区农业全要素生产率在2003—2017年间的动态演进。从整体上说，密度函数中心向左移动，波峰高度有所下降，变化区间小幅增大，说明在这期间内东部地区农业全要素生产率存在下降，地区之间的差距变大。从演变进程看，相比2003年，2008年峰值明显下降，“多峰”分布趋势减弱，区间变化幅度增大，说明该阶段东部地区的农业全要素生产率地区差距变大；2013年与2008年相比，峰值持续减小，变化区间继续增大，且出现“双峰”分布，说明这阶段农业全要素生产率地区差距增大且呈现两极分化现象；2013年与2017年相比，峰值明显上升，变化区间幅度减小并再次出现“多峰”分布，表明这阶段农业全要素生产率地区差距减小但呈现多极分化趋势。东部地区相对来说农业发展水平较高，而且对农业和农村的投入逐渐加大，现代农业产业技术体系建设逐渐完善，促使区域间农业全要素生产率增长的差距逐渐缩小。

图7 东部地区农业TFP 演进

图8 描述了中部地区农业全要素生产率在2003—2017年间的动态演进。从整体上看，密度函数中心向右移动，峰值变大，区间变化幅度增大，说明这期间中部地区多数省份农业TFP 在增长，但地区差距在逐渐增大。从演变进程看，相比2003年，2008年密度函数中心明显向左移动，“双峰”分布趋势比较明显，说明这阶段中部地区农业全要素生产率存在下降并呈现两极分化现象；2008年与2013年相比，峰值明显下降，变化区间幅度轻微增大，波峰分布方面，由“双峰”向“单峰”分布转变，说明这阶段中部地区农业TFP 增长的地区差距有所增大，但两极分化现象减弱；2013年与2017年相比，峰值明显增加，密度函数中心向右移动，区间变化幅度增大，说明这阶段农业全要素生产率存在增长，但地区差距继续变大。随着社会经济发展，中部地区部分省份逐渐由农业偏向工业发展，对农业生产资源造成不利影响，导致地区间农业全要素生产率增长差距变大。

图8 中部地区农业TFP 演进

图9 描述了西部地区农业全要素生产率在2003—2017年间的动态演进。从整体上看，密度函数中心向右小幅移动，变化区间幅度加大，说明这考察期间西部地区农业全要素生产率存在增长但地区差距逐渐变大。从演变进程看，2003年与2007年相比，峰值明显下降，变化幅度大幅增加，说明这一阶段农业全要素生产率地区差距变大；2007年与2013年相比，峰值明显上升，变化区间幅度缩小，说明这一阶段农业全要素生产率地区差距有所减小；2013年与2017年相比，峰值继续上升且出现“双峰”分布，区间变化幅度增大，说明这一阶段农业全要素生产率地区差距加大并出现两极分化现象。这可能是因为西部各省份之间地理环境和市场化程度存在较大差异，导致地区间农业全要素生产率增长差距增大。

图10 描述了东北地区农业全要素生产率在2003—2017年间的动态演进。从整体上看，峰值明显增加，区间变化幅度缩小，说明在考察期间西部地区农业全要素生产率地区差距在变小。从演变进程看，相比2003年，2007年峰值有所上升，密度函数中心向左移动，区间变化幅度减小，说明这一阶段农业全要素生产率存在下降但地区之间的差距变小。相比2007年，2013年密度函数中心明显向右移动，左尾和右尾均向右进一步延伸，说明这一阶段农业全要素生产率存在增长，低速增长的城市数量减少，高速增长的城市数量增加。相比2013年，2017年密度函数中心继续向右移动，峰值明显上升并出现“双峰”分布，变化区间小幅减小，说明这一阶段农业全要素生产率继续增长，地区差距减小但出现了两极分化现象。随着东北地区等老工业基地振兴战略的实施，东北地区取得了重要的阶段性成果，沿海沿边全方位开放格局初步形成，促使农业TFP 增长的地区差距不断缩小。

图10 东北地区农业TFP 演进

五、结论与建议

采用我国31 个省（市、区）2002—2017年的面板数据，运用随机前沿超越对数生产函数法，对我国四大地区的农业全要素生产率增长及其分解进行了测算，并利用核密度估计考察了全国及四大区域农业TFP 增长的地区差距及动态演进，得出以下主要结论：

第一，农业全要素生产率增长来源于技术进步和技术效率改善，但农业技术效率改善速度低于技术进步速度，规模效率负增长是阻碍各地区农业TFP 增长的主要因素。

第二，农业全要素生产率增长呈现出明显的不平衡增长的特征，主要表现为东部地区农业全要素生产率的增长高于东北、中部和西部地区。

第三，根据核密度曲线可知，在考察期间，东部地区农业全要素生产率显现出多级分化趋势，西部地区农业全要素生产率地区差距变大且出现两极分化现象，东北地区农业全要素生产率地区差距虽然有所减小，但有明显的两极分化趋势，中部地区农业全要素生产率地区差距在逐渐扩大。

根据实证分析结论，本研究提出如下政策建议：

第一，为提高各地区农业全要素生产率，应积极推进农业适度规模经营，完善土地流转制度，推动农业生产的规模化和集约化，从而促进农业规模效率增长，还可通过加强农业技术研发，提高自主创新能力，整合利用农业广播学校、农业科研院所、涉农院校、农业龙头企业等各类资源，构建高素质农民教育培训体系，加快对农业技术的推广与扩散，来推动农业技术进步和技术效率改善。

第二，为缩小农业发展的地区差异，政府应加大对中西部水利、道路等基础设施建设投入，改善中西部地区农业生产条件，扩大西部地区农业对外开放水平，增强东中西部及东北地区合作交流，推动科技资源转移，促进生产要素流动，逐步缩小中西部和东部及东北地区在农业全要素生产率之间的差距，实现各区域农业协调发展。

本研究的不足之处在于未能考虑配置效率的影响，由于配置效率的计算必须需要价格信息，而现有研究在劳动价格和资本价格方面未有代表性指标，并考虑到数据的可获得性等因素，作出配置有效的假设，但这在并不影响其他分解部分的结果。因此，下一步研究可以探索要素配置与地区之间的关系，还可以对农业全要素生产率的空间相关性及影响因素等方面进行探讨。