中国农业全要素生产率的再测算及影响因素

龙少波 张梦雪

摘 要：中国农业生产进入高质量发展阶段，传统依靠要素驱动农业发展的方式已无法完全满足新时代人们对农产品质量的需求。本文根据党的十九大报告提出的“绿色兴农”“质量兴农”要求，利用清单分析法核算农业排污量，将环境污染看做非合意产出并纳入农业全要素生产率核算框架中。同时，考虑农产品质量提升对农业全要素生产率的影响，将非径向非角度方向性距离函数引入DEA模型，采用Malmquist-Luenberger生产率指数对高质量发展下农业全要素生产率增长率进行再测算，并进一步分析其主要影响因素。结果表明，与传统情景相比，高质量发展下农业全要素生产率增速有所下降;技术进步是驱动农业全要素生产率增长的源泉，技术效率对农业全要素生产率有抑制作用。城市化水平的推进、农业生产结构的优化、农业税负的减免、农业受灾状況的缓解和农业机械化水平的提升对农业全要素生产率有显著促进作用，但人力资本对农业全要素生产率的影响尚不显著。

关键词：农业全要素生产率;高质量发展;环境污染;绿色兴农;质量兴农

中图分类号：F302.5  文献标识码：A

文章编号：1000-176X（2021）08-0040-12

一、引 言

农业作为基础产业，为第二三产业的持续稳定发展提供基本的生产原料和动力。近年来，中国农业生产方面取得了显著成就，粮食生产更是实现了十七连丰。然而，当前中国农业发展仍面临着一些较为突出的问题，一方面，农业生产投入要素过量使用、农业面源污染、土地资源过度利用等问题日益突出，农业生产效率偏低;另一方面，农产品的品种多而不优、品牌杂而不亮、体量大而不强等问题日益制约着人们对绿色有机、高端优质农产品的需求。

党的十九大报告首次提出中国经济已迈向高质量发展阶段，通过“绿色兴农”“质量兴农”推动农业供给体系效率提升是促进农业高质量发展和全面实施乡村振兴战略的重要路径。可见，未来中国的农业生产不能再依靠增加要素投入的传统模式，而需要更加重视提升农产品的供给质量。坚持“绿色兴农”“质量兴农”，大力提升农业生产效率成为新时代中国实现农业高质量发展的必然选择。农业全要素生产率（Total Factor Productivity，TFP）是衡量农业生产投入产出和资源利用效率的一项综合指标，可以用于衡量农业生产效率。一般而言，农业全要素生产率的提升意味着农业生产更多地从要素投入型向效率增进型转变，代表着农业投入—产出比的提升。然而，传统的农业全要素生产率测算并没有考虑到农业生产污染物的投入和产生，也没有考虑农产品质量提升对生产效率的影响。而在高质量发展下，农业全要素的测算必须同时考虑“绿色”和“质量”的影响，这就需要构建一个适合高质量发展下测算农业全要素生产率的指标。为此，本文从“绿色兴农”“质量兴农”视角出发，在考虑代表环境污染的非合意产出以及质量改善对产出的影响后，再次测算高质量发展下农业全要素生产率增长率，并进一步探究影响其变动的主要因素。

二、文献综述

（一）农业全要素生产率测算方法研究

根据测算方法的不同，已有研究中国农业全要素生产率的文献大致可以分为使用非前沿法和前沿法两类。20世纪90年代中期前，国内外学者大多都使用非前沿法测算中国农业全要素生产率。McMillan等[1]与Lin[2]考察了中国农业全要素生产率增长率并指出，受计划经济体制的影响，中国农业全要素生产率基本处于停滞状态。Wen[3]研究发现，1958—1960年中国农业全要素生产率大幅下降，但随着农村家庭联产承包责任制的全面实施，中国农业全要素生产率增速明显加快。Carter等[4]的研究表明，1978—1987年中国农业全要素生产率增长率约为5.8%。但由于方法的原因，这些早期的研究都将中国农业全要素生产率的增长变化等同于技术进步，忽视了技术无效率等问题，容易造成对农业全要素生产率测算的偏差。20世纪90年代中期以来，随着前沿法的引入和广泛运用，技术无效率这一问题逐渐被考虑。与非前沿法相比，更具优势的前沿法成为测算农业全要素生产率的主流方法。李静和孟令杰[5]、李谷成等[6]以及陈卫平[7]采用非参数前沿法，利用数据包络分析（Data Envelopment Analysis，DEA）进行研究，发现中国农业全要素生产率增长速度相对较快。全炯振[8]利用随机前沿分析（Stochastic Frontier Analysis，SFA）模型进行了考察，结果显示，中国农业全要素生产率年均增长率约为0.7%。石慧等[9]运用参数前沿法计算中国农业全要素生产率，并将其更细致地分解为技术效率、技术进步、规模效率和配置效率四个层次。

上述学者的研究将技术无效率问题纳入考虑，使中国农业全要素生产率的测算得到进一步发展。但是，鲜有研究考虑到环境污染对农业全要素生产率的影响。这忽视了经济增长过程中环境污染产生的负外部效应所导致的社会总福利的减少，容易造成估算偏差。为此，环境污染被视为一项非合意产出纳入全要素生产率框架。Chung等[10]在研究纸浆厂的全要素生产率时，在传统Shephard距离函数的基础上引入方向性距离函数，创造性地发展为Malmquist-Luenberger生产率指数。该方法将环境污染和全要素生产率纳入统一框架，更合理地测算污染条件下的全要素生产率。随着中国对环境保护和可持续发展问题的日益重视，关于环境约束条件下的农业全要素生产率的相关文献也不断涌现。李谷成等[6]、潘丹和应瑞瑶[11]以及杨骞等[12]指出，环境污染因素对中国农业全要素生产率的测算具有显著影响，若忽视环境污染的负面产出影响，极有可能导致相关政策的误判。

（二）农业全要素生产率的影响因素研究

20世纪80年代以来，有关农业全要素生产率影响因素的研究逐渐增多。McMillan等[1]与Wen[3]的研究发现，农业全要素生产率的增长归根结底在于农业生产制度的变革。但Lambert和Parker[13]指出，制度对农业生产率的作用会随着经济的不断发展而逐渐失效。张元红[14]指出，制度创新和技术进步是促进中国农业全要素生产率增长的源泉。部分文献从内在因素角度分析了提升农业全要素生产率的内在因素，即技术进步和技术效率。Wu等[15]发现，1980—1995年，技术进步驱动农业全要素生产率提升的作用不断增强，但技术效率的作用却不断减弱。Lambert和Parker[13]指出，农业全要素生产率增长的主要驱动力是技术进步，而技术效率的作用是有限的。李静和孟令杰[5]与全炯振[8]研究发现，中国农业全要素生产率的增长主要源于技术进步，技术效率的作用在退化。另一部分文献则从内外两个角度对农业全要素生产率进行研究。王珏等[16]发现，地理因素、工业化进程、土地利用能力、对外开放和技术水平对农业全要素生产率增长影响显著，而用电水平、自然环境和需求因素的影响不显著。李谷成[17]指出，人力资本是提升农业全要素生产率的重要因素。李谷成等[18]研究发现，公路设施对农业全要素生产率的影响是正向的，而灌溉设施的影响却是负面的。余航等[19]则考察了土地配置效率改进、留守农户平均生产率、城乡二元结构、农业补贴政策等诱致性变迁因素与强制性变迁因素对农业全要素生产率的影响。

综上，已有文献对农业全要素生产率进行了大量研究，但仍然存在有待改进之处：一方面，现有研究没有考虑到环境污染带来的非合意产出对农业全要素生产率的影响，这将导致对中国农业全要素生产率的高估，不能反映出新时代“绿色兴农”的发展思想;另一方面，现有对农业全要素生产率的测算只考虑到农业总产值，而忽视了农产品供给质量改善所带来的提升，从而可能低估中国农业全要素生产率，并且无法体现党中央有关“质量兴农”的重要发展思想。为了弥补已有文献的不足，笔者结合党的十九大以来农村工作精神，在高质量发展下对体现中国“绿色兴农”“质量兴农”思想的农业全要素生产率进行再测算，并着重分析影响高質量发展下农业全要素生产率的主要因素。与以往的文献相比，本文的创新之处和可能的学术贡献在于：一方面，从“绿色兴农”角度出发，考虑环境污染带来的非合意产出对农业全要素生产率的影响;另一方面，从“质量兴农”角度出发，考虑反映供给侧结构性改革带来的农业产出质量提升对农业全要素生产率的影响，并利用DEA模型引入非径向非角度方向性距离函数以测算高质量发展下农业全要素生产率。在此基础上，利用面板数据回归模型捕捉影响中国高质量发展下的农业全要素生产率变动的主要因素，并提出相关的政策建议。

三、高质量发展下农业全要素生产率测算方法

在农业生产过程中，除了正常的好产出之外，也伴随着环境污染等坏产出，从而产生负外部性。现有文献对坏产出的处理方法主要有以下两种方式：一是将污染治理等同于要素投入;二是将污染物纳入全要素生产率统一框架，作为非合意产出引入生产过程。前者由于相关指标难以测算和分配，往往不能真实反映生产情况，从而导致全要素生产率被高估。而后者则可以克服这方面问题，因而我们将环境污染作为坏产出引入高质量发展下农业全要素生产率的测算中。关于具体的测算方法，Chung等[10]在测算全要素生产率时开创性地提出了基于方向性距离函数的Luenberger生产率指数，随后这一方法被广泛应用。Zhou等[20]在此基础上对全要素生产率的测算方法进一步拓展，提出了一种具有明显优势的非径向非角度方向性距离函数方法。因此，本文借鉴非径向非角度方向性距离函数方法并考虑环境污染这一坏产出的影响，对中国高质量发展下的农业全要素生产率进行测算。

（一）环境生产技术

我们将环境污染纳入全要素生产率统一框架，作为非合意产出引入生产过程。假设中国31个省份（中国香港、中国澳门和中国台湾地区除外）农业要素投入向量为X，合意产出向量为Y，非合意产出向量为B，λj≥0（j=1，2，…，N）表示N个生产单位各自的权重。根据Sueyoshi和Goto[21]，现定义以下环境生产技术。若一个生产单位为降低非合意产出从而降低生产要素投入，而在降低非合意产出和要素投入的同时，尽可能增加合意产出的比例，则称其为传统技术。若一个生产单位通过增加要素投入来增加合意产出比例，同时添加适当的环境管制以减少非合意产出，则称其为波特技术[22] 。两种情形的生产集分别如下：

P1（X）=（Y，B）：Y≤∑Nj=1Yjλj，B≥∑Nj=1Bjλj，X≥∑Nj=1Xjλj（1）

P2（X）=（Y，B）：Y≤∑Nj=1Yjλj，B≥∑Nj=1Bjλj，X≤∑Nj=1Xjλj（2）

其中，P1（X）和P2（X）的区别在于生产要素投入X的约束条件不一样。传统技术条件下，要素投入X不小于其加权平均;而波特技术条件下，要素投入X不大于其加权平均。P（X1）和P（X2）的并集P（X）允许生产单位在上述两种技术中进行选择，故称其为可选技术[22]。

图1 环境生产技术示意图

环境生产技术示意图如图1所示。为便于分析，本文仅考虑如下情况：即一种投入（X），一种合意产出（Y）和一种非合意产出（B）。其中，（XK，YK，BK）表示第K个生产单位的坐标。图1中上方的曲线刻画合意产出前沿，下方曲线刻画非合意产出前沿。两条生产前沿均包括传统技术部分（K点以左）和波特技术部分（K点以右）。在传统技术中，K单元可沿gx-、gy和gb方向改变投入、合意及非合意产出，两个可能的映射分别为KB和KE;在波特技术中，K单元则可以沿gx+、gy和gb的方向改变投入、合意及非合意产出，两个可能的映射分别为KD和KH。可选技术涵盖了上述两种技术的对应部分，K单元可沿两个方向，即gy、gb改变合意和非合意产出，gx+、gx-改变投入，生产前沿上的所有点都是其可能的映射点，即A-C-D和E-G-I[22]。

（二）非径向非角度方向性距离函数

基于方向性距离函数的DEA模型是目前测算全要素生产率的主流方法之一，该模型假设投入、产出按照相同比例向增减相反方向变动，这显然与现实情况不相符合。而Zhou等[20]的非径向非角度方向性距离函数则允许投入、产出按照不同的比例向增减相反方向变动，这比传统的方向性距离函数更符合实际，但未考虑存在要素投入不足的情形。参考Sueyoshi和Goto[21]，本文在Zhou等[20]的距离函数模型中引入波特技术，采用跨期数据分析法，拓展并构造了基于可选技术的DEA模型[22]。

假设中国31个省份在农业生产中的生产要素投入向量X有n种，X=（x1，x2，…，xn）∈Rn+，最终生产出的合意产出向量Y有m种，Y=（y1，y2，…，ym）∈Rm+，非合意产出向量B有k种，B=（b1，b2，…，bk）∈Rk+。在每个时期t（t=1，2，…，P），每个省份i（i=1，2，…，N）的要素投入和产出向量表示为（xt，i，yt，i，bt，i），距离函数it可通过如下非线性规划进行求解，则投入和产出无效率程度之和为：

it（Xit，Yit，Bit;gx+t，gx-t，gyt，gbt）=maxωx（βx+it+βx-it）T+ωyβyTit+ωbβbTit

s.t∑tτ=1∑Nj=1Xjτλjτ=Xit+gx+t·diag（βx+it）+gx-t·diga（βx-it），

∑tτ=1∑Nj=1Yjτλjτ=Yit+gyt·diag（βyit），（3）

∑tτ=1∑Nj=1Bjτλjτ=Bit+gbt·diag（βbit），

∑tτ=1∑Nj=1λjτ=1，

βxh+itβxh-it=0

其中，h=1，2，…，n，βx+it≥0，βx-it≥0，βyit≥0，βbit≥0且λjτ≥0（j=1，2，…，N;τ=1，2，…，P）。ωx，ωy，ωb分别表示投入、合意和非合意产出的权重向量;βjit（j=x+，x-，y，b）表示投入或产出增减比例向量;gjit（j=x+，x-，y，b）表示投入或产出增减方向性向量;gjt·diag（βjit）（j=x+，x-，y，b）表示投入或产出松弛;两个松弛项（投入约束等式右侧）使得模型对投入不足和过量均能产生约束;T表示对相应向量进行转置。∑tt=1∑Nj=1λjt=1表示可变规模报酬;βxh+itβxh-it=0这一非线性条件用以确保不会同时发生投入增加和减少。设定方向性向量如下：

gxh+t=maxxhjtj=1，2，…，N-minxhjtj=1，2，…，N（4）

gxh-t=-maxxhjtj=1，2，…，N+minxhjtj=1，2，…，N（5）

gyrt=-maxyrjtj=1，2，…，N-minyrjtj=1，2，…，N（6）

gbst=-maxbsjtj=1，2，…，N+minbsjtj=1，2，…，N（7）

其中，h=1，2，…，n;r=1，2，…，m;s=1，2，…，k。

（三）Malmquist-Luenberger生产率指标

在各类文献中，基于传统Shephard距离函数计算得到的Malmquist-Luenberger指数，通常被分解为乘积形式。而基于非径向非角度方向性距离函数求解得到的Luenberger生产率指标，一般分解为加法形式。借鉴Chambers等[23]，t到t+1期的Luenberger生产率指标如下：

LPI=12×t（Xit，Yit，Bit;gx+t，gx-t，gyt，gbt）-t（Xit+1，Yit+1，Bit+1;gx+t+1，gx-t+1，gyt+1，gbt+1）+

t+1（Xit，Yit，Bit;gx+t，gx-t，gyt，gbt）-t+1（Xit+1，Yit+1，Bit+1;gx+t+1，gx-t+1，gyt+1，gbt+1） （8）

LPI表示從t期到t+1期的全要素生产率变化率，进一步将其分解为技术进步（TECH）变化和技术效率（EFF）变化之和，具体公式如下：

TECH=12×t+1（Xit+1，Yit+1，Bit+1;gx+t+1，gx-t+1，gyt+1，gbt+1）-t（Xit+1，Yit+1，Bit+1;gx+t+1，gx-t+1，gyt+1，gbt+1+

t+1（Xit，Yit，Bit;gx+t，gx-t，gyt，gbt）-t（Xit，Yit，Bit;gx+t，gx-t，gyt，gbt）（9）

EFF=t（Xit，Yit，Bit;gx+t，gx-t，gyt，gbt）-t+1（Xit+1，Yit+1，Bit+1;gx+t+1，gx-t+1，gyt+1，gbt+1）（10）

四、高质量发展下农业全要素生产率的测算结果分析

（一）变量选取与数据说明

考虑到经济状况和数据的可得性，本文选取了2001—2016年中国31个省份的相关数据进行研究，所有数据均来源于历年《中国统计年鉴》《中国农业统计年鉴》以及各省份统计年鉴。

本文参考全炯振[8]、李谷成等[6]、潘丹和应瑞瑶[11]以及梁俊和龙少波[22]的研究，选取相关投入变量包括，劳动投入、土地投入、化肥投入、机械投入、役畜投入和农业水资源投入。上述变量分别采用农林牧渔从业人员（万人）为基础乘以平均受教育年限、农作物播种面积与水产养殖面积（千公顷）、农用化肥施用量（万吨）、农业机械总动力（万千瓦）、农用役畜年末存栏数（万头）和农业用水总量（亿立方米）进行衡量。

对于产出变量，合意产出以农林牧渔总产值（亿元）表示。考虑到各种农产品种类不一致、单位不统一而不易加总，本文利用价值量而非产量来表示。为了剔除价格因素的影响，本文将农林牧渔总产值转换为以2000年的不变价格来表示。为对比分析供给质量因素，以农业内部结构指标、绿色农业产品、有机农产品占农业总产值比重指标对农业产出进行加权，得到考虑质量因素的供给指标，以体现“质量兴农”的要求。非合意产出（即环境污染排放量）以农业面源污染指标表示。农业面源污染具有分散性、不确定性和不易检测性等特征，这使面源污染指标难以量化。陈敏鹏等[24]利用清单分析方法计算农业污染排放量，现被大多学者采纳和拓展。本文借鉴梁流涛[25]的清单分析方法对中国31个省份的农业面源污染排放量进行估算。其中，农业面源污染主要指标包括氮（N）、磷（P）和化学需氧量（COD）的排放量。农业面源污染产污来源主要包括农田化肥、畜禽养殖、农田固体废弃物和农村生活。农业面源产污核算单元清单如表1所示。

根据梁流涛[25]关于污染物的核算方法，各类农业面源污染的排放量公式如下：

E=∑iEUiρi（1-ηi）Ci（EUi，S）（11）

其中，E表示某种污染物的排放量;EUi表示单元i的统计数;ρi表示单元i的污染物产污强度系数;ηi表示相关资源利用效率系数;由单元i和空间特征S决定的Ci表示单元i的污染物排放系数，用以衡量各种管理措施、区域环境、水文和降雨对农业及农村污染的综合影响[22]。计算所需的污染物排放量系数参考梁流涛[25]的研究，而氮肥利用率、磷肥利用率、复合肥氮含量、复合肥磷含量等系数参考陈同斌等[26]的研究。

本文将分别计算传统情景和高质量发展下农业全要素生产率增长率。传统情景与高质量发展下农业投入—产出变量选择如表2所示。其中，合意产出变量使用农林牧渔总产值+标准化的农业服务业总产值来表示。由于农业服务业的发展对农业发展有重要的支撑作用，因而该指标能较好地衡量农业发展质量和潜力，是“高质量”指标的合理候选。本文假定追求农业绝对产值和提升农业生产质量同样重要。为此，本文将农业服务业总产值的量扩大了10倍，以将其标准化为与数量指标一个量级。由于数据包络分析计算的是变量的相对大小，因而选择更大或更小的倍数对定性结果并无影响。

（二）高质量发展下农业全要素生产率测算结果分析

1. 农业全要素生产率增长率时间变动趋势分析

利用上述方法测算得到了2001—2016年传统情景和高质量发展下农业全要素生产率增长率，并将二者进一步分解为技术进步增长率和技术效率增长率，具体结果如表3所示。

通过对中国31个省份农业全要素生产率增长率简单加权平均，得到传统情景下与高质量发展下农业全要素生产率的年均增长率分别为2%和0.84%。可见，在考虑“绿色”和“质量”的情景下，中国农业全要素生产率增长率有明显的下降。这是因为，如果考虑绿色发展的要求，环境污染的负向产出会对农业总产出产生明显影响;而前期的农产品供给质量的提升幅度不够大，对高质量的农业全要素生产率的影响效应不够。因而与传统情景相比，高質量发展下农业全要素生产率增长率偏低。

以2000年为基期，根据累乘法则可以获得两种情景下各年的农业全要素生产率变动趋势，如图2所示。从图2可以发现，一方面，传统情景和高质量发展下农业全要素生产率的变动趋势大体一致，均呈现稳定增长态势，这与21世纪以来中国农业产量、产值快速增长相符。另一方面，传统情景下农业全要素生产率增速显著高于高质量发展下农业全要素生产率增速。但一旦考虑农业绿色生产要求和高质量发展要求，中国农业全要素生产率的增长速度明显放缓。2001—2016年传统情景下农业全要素生产率累积增长了37%，而高质量发展下农业全要素生产率累积增长率仅为15%，相差22个百分点，且自2003年开始，这一差距明显加大。原因在于，高质量发展下农业全要素生产的测算考虑了标准化的农业服务业总产值和环境非合意产出的影响。一方面，考虑标准化农业服务业的产值会增加农业全要素生产率。另一方面，环境污染带来的非合意产出亦会降低农业全要素生产率增速。由于中国高质量的农业发展尚处于起步当中，农业生产污染较为严重，标准化农业服务业总产值对农业全要素生产率增长率的正向影响低于环境非合意产出对农业全要素生产率增长的负向影响。因此，如不考虑“质量”和“绿色”的约束，中国农业全要素生产率的增长速度将被显著高估。

将高质量发展下的农业全要素生产率增长率分解为技术进步和技术效率两部分，并进一步考察中国农业全要素生产率及其分解部分的变动趋势，结果如图3所示。从图3可以发现，2001—2016年高质量发展下中国农业全要素生产率始终以相对稳定的速度缓慢增长。但在2008年和2011年出现了负增长，这可能源于当时的经济和自然环境等因素的冲击。如2008年出现的全球经济危机导致的全球农产品价格大幅下调;2011年长江中下游发生的近50年来最严重的旱灾导致的农产品减产等。 就高质量发展下农业全要素生产率的分解部分而言，农业技术进步增长率与农业全要素生产率增长率大致呈现出相同的变动趋势。但2001—2016年农业技术效率增长率的均值约为-0.0009，大部分年份均保持负增长，且2007年的下降趋势十分明显，技术效率对农业全要素生产率的贡献作用在降低甚至趋向恶化。可见，高质量发展下中国农业全要素生产率的提升主要来源于技术进步的推动，而技术效率改进的作用相对有限，甚至还呈现出轻微的抑制作用。由于技术进步的促进作用显著高于技术效率的抑制作用，中国农业全要素生产率仍呈现出增长态势。

2.高质量发展下农业全要素生产率空间变动趋势分析

进一步地，将中国分为东部地区、中部地区、西部地区和东北地区四大经济区域，分析高质量发展下农业全要素生产率及其分解部分的空间变动趋势特征。各区域的相关指标用2001—2016年的算数平均数替代，结果如表4所示。相比其他三大地区，中部地区高质量发展下农业全要素生产率年均增长率最高，约为1.22%;东北地区和东部地区次之，分别约为0.95%和0.74%;西部地区最低，约为0.70%。此外，中部地区和东北地区高质量发展下农业全要素生产率增长率均高于全国平均水平（0.84%），而东部地区和西部地区却在全国平均水平之下。可能的原因在于，中部地区位于长江、黄河流域流经区域，丰富的水系资源为农业发展提供了优质的自然地理环境，且湖南、湖北等是中部的产粮大省，对农业技术水平的提高一向重视，先天优势比较明显，因此，外部技术革新能促进农业全要素生产率较快增长。东北地区是中国粮食主产区，粮食产量在全国的占比约为1/5。由于其地广人稀，黑土肥沃且地势平缓，能够大面积推广农业机械，因而该地区的农业机械化程度较高。且中国的东北地区分布着全国最大的国有农场，农业规模化程度高、速度较快，使农业全要素生产率的增长速度较快。而在东部地区和西部地区，高质量发展下农业全要素生产率增长率低于全国平均水平。上述两个地区处于中国经济发展水平的两个极端，这对其农业全要素生产率的变化产生了重要影响。就东部地区而言，经济发达、城市化和工业化水平高，因而发展重心在于附加值较高的第二三产业，而农业的发展规模相对较小，致使其农业全要素生产率增长较慢。而就经济不发达的西部地区而言，相对恶劣的自然地理条件、相对落后的技术水平和农业生产方式，使该地区的农业资源利用效率低下，导致农业生产效率较低，因而农业全要素生产率增长速度滞后于全国平均水平。

进一步探究高质量发展下农业全要素生产率的内部构成，可以发现，除东北地区之外，全国其他三大经济区域均依靠技术进步带动农业全要素生产率增长，技术效率却对其产生了负向影响。而就东北地区而言，技术进步和技术效率共同驱动该地区农业全要素生产率提升，这主要得益于其得天独厚的三江平原自然条件及规模化的国有农场经营体系，其在农业生产技术进步加快的同时，先进技术的利用效率也相对较高，二者共同促进了东北地区农业全要素生产率的提升。而在东部地区和中部地区，即使技术效率对农业全要素生产率增长具有抑制作用，依靠较为发达的经济体系和较快的技术进步也能为农业提供强劲的全要素生产率，从而带动本地区的农业发展。西部地区由于涵盖省份众多，平均来看，技术效率对该地区的农业全要素生产率提升的抑制作用相对较小，因而技术进步仍是该地区的农业全要素生产率增长的主要动力。综上，从区域层面来看，技术进步仍然是促进高质量发展下农业全要素生产率增长的主要源泉。

五、高质量发展下农业全要素生产率增长的影响因素分析

本文以2000年为基期，将前文计算出的31个省份高质量发展下的农业全要素生产率（TFP）、技术进步（TECH）和技术效率（EFF）作为被解释变量，选取可能对其有影响的因素做深入分析。

（一）影响因素

城市化水平（CSH）。城市化水平对农业全要素生产率可能会产生双向影响。一方面，随着城市化进程的不断发展，城镇不断向农村扩张，加速农村人口转移速度，农用耕地被少数人拥有，加速规模化进程，因而城市化水平的提升可能会促进农业发展;另一方面，若城市化无序扩张，侵占、污染农业用地和其他农业生产条件，则会对农业全要素生产率造成负面影响。因而本文选取城镇人口占总人口的比重衡量城市化水平。

人力资本水平（RLZB）。人力资本提升是全要素生产率提升的重要途径。人力资本存量会提升农业人员的投入量和技術知识水平，预期人力资本对农业全要素生产率具有促进作用。本文选取乡村从业人口与平均受教育年限的乘积衡量人力资本水平，通过加权平均获得该区域人均受教育年限。受教育年限划分为未上过学、小学、初中、高中、大专及以上，并分别赋值0、6、9、12和16。

受灾状况（SZL）。农业生产和发展对自然环境具有很强的依赖性，自然灾害的发生不利于农业生产。若自然灾害频发，农业生产也会受到严重影响，从而导致农业全要素生产率下降。本文选择受灾面积占农作物播种面积的比例衡量受灾状况。预计其对农业全要素生产率具有抑制作用。

农业税负（NYSF）。对农业生产征收税会导致农民负担加重，使其生产积极性受挫，从而影响农业全要素生产率的提升。中国于2006年起正式废止征收农业税，2006年之后则无农业税相关数据。现与农业生产相关的税种主要包含耕地占用税、契税和烟叶税。本文用此三大税种衡量农业税负，选择农业税占农林牧渔总产值的比重衡量农业税负。预计其对农业全要素生产率具有抑制作用。

农业生产结构（NYJXZDL）。农业生产结构衡量农业各生产部门组成的比例关系。合理的农业生产结构能够充分利用区域资源优势，合理优化配置生产资源，提高资源利用效率，实现农业产出的增加。本文以粮食作物播种面积占农作物播种面积的比重衡量农业生产结构。

农业机械化程度（NYJX）。农用机械已成为现代农业生产中不可或缺的一部分，农业机械化有助于解放劳动生产力，提高单位土地面积的产出效率，从而提高农业生产效率。本文选择农业机械总动力衡量农业机械化程度。预计其对农业全要素生产率具有促进作用。

虚拟变量（D）。自2013年起，中国农业全要素生产率保持相对稳定的速度增长，2013年前变化较明显。为此，文本引入虚拟变量，2013年之前取0，2013年及之后取1。

本文用高质量发展下农业全要素产率变动指标反映从t期到t+1期的生产率增长变动情况。以2000年作为基期，经过环比增长换算成绝对值农业全要素生产率，技术进步和技术效率也做同样处理。数据主要来源于《中国统计年鉴》《中国农村统计年鉴》和各省份统计年鉴等。

（二）模型设定

本文设定如下面板数据回归模型以开展分析：

lnYi，t=αi+β1lnCSHi，t+β2lnRLZBi，t+β3lnNYJGi，t+β4lnSZLi，t+β5lnNYSFi，t+β6lnNYJXZDLi，t+φiDi+ui，t（12）

等式两边都取对数，其参数经济意义表示弹性，即自变量变动率引起因变量变动率的变化情况。其中，Y表示被解释变量，TFP、TECH、EFF、CSH、RLZB、NYJG、SZL、NYSF、NYJXZDL、D的含义与上文一致;αi表示常数项;β1—β6和φi为待估参数;μi，t为随机误差项;i=1，2，…，31表示中国31个省份;t表示年份。农业技术进步和技术效率的设定与农业全要素生产率一致。

在进行面板数据回归前，需要就固定效应还是随机效应模型的选择进行Hausman检验。当农业全要素生产率、技术进步和技术效率分别作为被解释变量时，Hausman检验结果均在5%的显著性水平下均拒绝原假设，故选择个体固定效应模型。

（三）结果分析

高质量发展下农业全要素生产率影响因素回归结果如表5所示。F检验表明，回归方程整体是显著的，回归结果拟合优度较好。具体来看，各因素对高质量发展下农业全要素生产率的影响如下：

城市化水平对农业全要素生产率具有促进作用，且在1%的水平下显著。城市化水平对技术进步有显著的正向影响，而对技术效率存在显著负向影响，这种反向作用抵消了部分由技术进步引起的农业全要素生产率的增长。可见，城市化水平主要通过技术进步提升高质量发展下农业全要素生产率。虽然中国城市化进程起步较晚，但城市化速度非常快，过剩的农业劳动力人口迅速向城市转移，从而有利于形成规模化、机械化农业生产，带动农业全要素生产率增长。同时，城市化与工业化的快速发展能够为农业发展提供机械设备和种子化肥，并提供现代化技术服务，从而为反哺农业提供物质和技术支持。因此，总体来看，中国城市化水平的提升对农业全要素生产率增长具有促进作用。

人力资本对农业全要素生产率的影响系数为正但不显著，表明人力资本提升并没有显著带来农业全要素生产率的增长;但人力资本对技术效率的正向影响及其對技术进步的负向影响均显著。人力资本对技术效率的正向影响抵消了技术进步的负向影响，从而使人力资本对农业全要素生产率的影响并不显著。人力资本对农业生产的影响作用主要表现在劳动力增加和知识技能提升两方面。在本文中，人力资本目前所发挥的作用仍然体现在劳动力增加对农业全要素生产率的促进作用上。

农业生产结构对农业全要素生产率和技术进步有显著促进作用，但对技术效率的促进作用却并不显著。中国的水稻、小麦等粮食作物的技术进步相对于其他农产品增长飞速，粮食作物增产促进了农业全要素生产率的提升。且随着农业供给侧结构性改革的推进，国家政策引导更多的土地用于生产优质、高产的粮食作物。因此，粮食作物播种面积占比的适当提高对农业全要素生产率具有促进作用。

受灾状况对农业全要素生产率、技术进步均具有明显的抑制作用，且在1%或5%的水平下显著，但对技术效率的抑制作用却不显著。这表明自然灾害通过影响技术进步从而阻碍农业全要素生产率的增长。农业生产有赖于良好的自然条件，而自然灾害的发生则会直接导致农业损失，并影响先进农业技术的应用，进而使农业产出下降。因此，受灾状况会抑制农业全要素生产率的增长。

农业税负对农业全要素生产率、技术进步具有显著负向影响，但对技术效率的负向影响不显著。这表明，农业税负仍然通过抑制技术进步对农业全要素生产率产生负向影响。税负的增加却会使单位土地面积产出收益减少。企业和个体为获取收益最大化，将土地利用面积调整到边际收益与边际产出相等的水平，这在一定程度上会减小农业生产规模或者阻碍农业技术在该片土地的使用。因此，农业税负的增加对农业全要素生产率提升产生抑制作用。

农业机械化对农业全要素生产率具有显著的促进作用，对技术进步和技术效率虽表现为正向作用，但均不显著。引入农用机械代表农业生产器械和方式的革新，农业机械化程度越高，农业现代化的速度越快，单位土地面积的产出效率越高。

虚拟变量对农业全要素生产中的影响系数并不显著，说明相对于2001—2012年，2013—2016年的农业全要素生产率并未显著提升。但对于技术进步而言，虚拟变量的系数是显著的，这说明2013年以来，中国农业技术进步速度相对于2001—2012年有明显提升;但对于技术效率而言，虚拟变量的系数仍不显著，说明近一段时期内农业生产效率的改善幅度与速度相较于之前没有明显变化。

考虑到本文使用的是2001—2016年的面板数据，模型可能存在时间趋势效应。为了保证估计结果的有效性及可靠性，本文采用双固定效应模型再次进行了估计，得到的结果与个体固定效应模型的结果基本一致，表明上述结果是稳健且有效的，如表5所示。

六、结论与政策建议

党的十九大提出中国已经迈向高质量发展阶段，大力推进“绿色兴农”“质量兴农”是加快实现农业高质量发展的重要举措。本文在DEA模型的基础上引入非径向非角度方向性距离函数，测算了高质量发展下农业全要素生产率，并与传统情景下农业全要素生产率进行了对比分析，并讨论了城市化水平、人力资本、农业生产结构、受灾状况、农业税负和农业机械化程度等因素对农业全要素生产率的影响。研究发现：一是相较于传统情景，高质量发展下农业全要素生产率增速明显下降，其中，技术进步是高质量发展下农业全要素生产率提升的主要动力源泉，而技术效率的改进却呈现出轻微的抑制作用;二是对高质量发展下农业全要素生产率及其分解部分的影响因素分析表明，城市化进程的推进、农业生产结构的优化、农业税负的减免、农业受灾状况的缓解和农业机械化水平的提高能够提升农业全要素生产率，但人力资本的增加对农业全要素生产率的影响并不显著。基于以上结论，本文提出如下政策建议：

第一，加快推进农业绿色高质量发展。一方面，积极发挥财税补贴政策的引导作用，鼓励农业从业者优先使用绿色环保的生物农药、生物化肥等，减少农业面源污染，从而降低非合意产出对农业全要素生产率增长的负面影响。另一方面，依据区域特色，因地制宜发展绿色、有机农业，加快推进农业与第二、三产业融合，延长农业产业链并提升农产品附加值，从而促进农业合意产出增加并带动农业全要素生产率提升。

第二，强化农业科技创新能力。一方面，加强农业科技创新投入力度，通过设立专项基金、开展国家及省部级科研项目、税收减免、财政补贴等方式，鼓励高校、科研机构、企业积极开展农业科技基础前沿技术以及关键核心技术创新。另一方面，完善农业科技创新人才培育机制，继续实施农业科研杰出人才培养计划，选拔一批创新能力突出的高素质农业科技人才队伍;同时，加快完善农业科技人员薪酬制度，落实科技成果转化收益，强化相关人才开展农业科技创新的动力，形成农业科技创新的根本力量。

第三，加快城市化进程，强化灾害防御及处理能力。在推进城市化进程方面，加快破解城乡二元结构体制，通过促进城乡融合实现农村和城市要素双向自由流动，包括建立完善的户籍管理制度，减少因户籍障碍造成的信息沟通不顺畅和社会福利损失;统筹城乡收入分配，改善城乡收入分配结构;统筹城乡社会保障制度，缩小城乡养老、医疗、工伤、生育和失业等社会保障的待遇差距;统筹城乡就业，建立完善的城乡人才双向流动就业机制。在灾害防御及处理方面，做好预警预案以及应急处置工作，包括通过报刊、电视、网络等各种渠道宣传和加强全民环保和防灾减灾意识;加强农业灌溉设施、蓄水节水等农业基础防护设施工程设施的建设，强化水利设施防洪抗旱的能力;建设一批具有快速应急响应能力的农业救灾队伍，降低农业受灾经济损失。

第四，实施农业税收减免，提升农业机械化水平。在农业税负方面，实施科学的减免补贴政策，包括对从事农业生产所得报酬不计征个税和其他相关税种，并且给予一定直接补贴;对因非人为因素造成的农业损失，产出收益未达到最低生活保障的农业生产者实行补贴;对绿色、生态、高质量农产品的种植实行较高的补贴力度。在农业机械投入方面，对农用设备购置实行补贴政策，提高农业从业者购买农业机械的能力，扩大农业生产机械的投入量;同时注重淘汰高污染、高耗能、技术落后的机械设备，引进符合国家绿色发展方向的先进设备，提升机械设备在农业生产中的使用率。

参考文献：

[1]McMillan， J.， Whalley， J.， Zhu， L. J. The Impact of Chinas Economic Reforms on Agricultural Productivity Growth[J]. Journal of Political Economy， 1989， 97（4）：781-807.

[2]Lin， J. Y. Rural Reforms and Agriculture Growth in China [J]. The American Economic Review， 1992， 82（1）：34-51.

[3]Wen， G. J. Total Factor Productivity Change in Chinas Farming Sector：1952-1989[J]. Economic Development and Cultural Change， 1993， 42（1）：1-41.

[4]Carter， C. A.， Chen， J.， Chu， B. Agricultural Productivity Growth in China： Farm Level Versus Aggregate Measurement[J]. China Economic Review， 2003， 14（1）：53-71.

[5]李静，孟令杰.中国农业生产率的变动与分解分析：1978—2004年——基于非参数的HMB生产率指数的实证研究[J].数量经济技术经济研究，2006，（5）：11-19.

[6]李谷成，陈宁陆，闵锐.环境规制条件下中国农业全要素生产率增长与分解[J].中国人口·资源与环境，2011，（11）：153-160.

[7]陈卫平.中国农业生产率增长、技术进步与效率变化：1990—2003年[J].中国农村观察，2006，（1）：18-23.

[8]全炯振.中国农业全要素生产率增长的实证分析：1978—2007年——基于随机前沿分析（SFA）方法[J].中国农村经济，2009，（9）：36-47.

[9]石慧，孟令杰，王怀明.中国农业生产率的地区差距及波动性研究——基于随机前沿生产函数的分析[J].经济科学，2008，（3）：20-33.

[10]Chung，Y.H.， Fre，R.， Grosskopf，S. Productivity and Undesirable Outputs： A Directional Distance Function Approach[J]. Journal of Environmental Management， 1997， 51（3）： 229-240.

[11]潘丹，应瑞瑶.资源环境约束下的中国农业全要素生产率增长研究[J].资源科学，2013，（7）：1329-1338.

[12]杨骞，王珏，李超，等.中国农业绿色全要素生产率的空间分异及其驱动因素[J].数量经济技术经济研究，2019，（10）：21-37.

[13]Lambert， D. K.， Parker， E. Productivity in Chinese Provincial Agriculture[J]. Journal of Agricultural Economics，1998， 49（3）：378-392.

[14]张元红.改革以来中国农业的增长与要素贡献[J].中国农村经济，1996，（5）：7-13.

[15]Wu， S.，Walker， D.， Devadoss， S.， et al. Productivity Growth and Its Components in Chinese Agriculture After Reforms[J]. Review of Development Economics， 2001， 5（3）：375-391.

[16]王珏，宋文飞，韩先锋.中国地区农业全要素生产率及其影响因素的空间计量分析——基于1992—2007年省域空间面板数据[J].中国农村经济，2010，（8）：24-35.

[17]李谷成.人力资本与中国区域农业全要素生产率增长——基于DEA视角的实证分析[J].财经研究，2009，（8）：115-128.

[18]李谷成，尹朝静，吴清华.农村基础设施建设与农业全要素生产率[J].中南财经政法大学学报，2015，（1）：141-147.

[19]余航，周泽宇，吴比.城乡差距、农业生产率演进与农业补贴——基于新结构经济学视角的分析[J]. 中国农村经济，2019，（10）：40-59.

[20]Zhou， P.， Ang， B. W.， Wang， H. Energy and CO2 Emission Performance in Electricity Generation： A Non-Radial Directional Distance Function Approach[J]. European Journal of Operational Research， 2012， 221（3）：625-635.

[21]Sueyoshi， T.， Goto， M. DEA Radial and Non-Radial Models for Unified Efficiency Under Natural and Managerial Disposability： Theoretical Extension by Strong Complementary Slackness Conditions[J]. Energy Economics， 2012， 34（3）：700-713.

[22]梁俊，龙少波.农业绿色全要素生产率增长及其影响因素[J].华南农业大学学报（社会科学版），2015，（3）：1-12.

[23]Chambers， R. G.， Fāure， R.， Grosskopf， S. Productivity Growth in APEC Countries[J]. Pacific Economic Review， 1996， 1（3）：181-190.

[24]陈敏鹏，陈吉宁，赖斯芸.中国农业和农村污染的清单分析与空间特征识别[J].中国环境科学，2006， （6）：751-755.

[25]梁流涛.农业生态环境时空特征及其演变规律研究[D].南京：南京农业大学博士学位论文，2009.72-80.

[26]陳同斌，陈世庆，徐鸿涛，等.中国农用化肥氮磷钾需求比例的研究[J].地理学报，1998，（1）：33-42.

（责任编辑：徐雅雯）

[DOI]10.19654/j.cnki.cjwtyj.2021.08.005

[引用格式]龙少波，张梦雪. 中国农业全要素生产率的再测算及影响因素——从传统迈向高质量发展[J].财经问题研究，2021，（8）：40-51.

收稿日期：2021-06-19

基金项目：国家社会科学基金项目“多重机制非对称作用下的结构性通缩及调控体系研究”（16CJL007）;农业农村部软科学项目“提高农业全要素生产率研究”（2018007）;中央高校基本科研业务费专项项目“建设现代化经济体系的政府治理和公共政策研究”（2019CDSKXYGG0042）

作者简介：龙少波（1984-），男，湖南邵阳人，副教授，博士，主要从事宏观经济、农业经济等方面的研究。E-mail：longshbcqu@126.com