农村居民收入对种植业绿色全要素生产率影响分析——基于门槛回归

杨泽宸，李宵寒，李 坦

(安徽农业大学 经济管理学院，安徽 合肥 230036)

上世纪80年代以来，国家改革开放和种植业生产技术取得突破性进展，我国农业因此取得了跨越式的发展，集中体现在国内农业粮食产量由1978年的30 476.5万吨增至2019年的66 384万吨。在国内农业经济取得飞速发展的同时，中国农业同样遭受着生产资源严重浪费、生态环境恶化、资源过度消耗等问题。2016—2017年间，国家出台相关政策围绕着“稳产能、调结构、转方式”主线，从生产生态协调、粮经饲协调等方面对全国种植业进行调整，深化种植业供给侧结构改革，改革的关键是提升种植业生产效率与质量。

农业全要素生产率( Total Factor Productivity，TFP)作为衡量科技进步对农业经济增长贡献程度的重要指标[1]，能够促进农业生产要素配置效率的提升，是实现农业可持续发展的强大动力，受到学术界的广泛关注。学界对于农业TFP的研究主要体现在TFP的测算、指标选取以及影响因素分析研究上。首先是对TFP的测算，国内外学者通常使用DEA(数据包络分析法)、SFA(随机前沿分析法)等模型测算农业TFP水平。姚长林等[2]使用DEA模型测算了重庆市的农业TFP，崔宁波等[3]构建随机前沿模型测算松花江、黄河、长江三大流域粮食主产区农业TFP。鉴于传统TFP的测算并未考虑环境与资源约束，学者开始探索将环境产出纳入作为农业TFP的测算体系，形成了引入环境产出作为非期望产出的农业绿色全要素生产率(农业GTFP)。杨骞等[4]选取农业生产过程中的面源污染和二氧化碳排放作为非期望产出来测算农业GTFP水平。Shen[5]等同样使用超效率SBM方法，选取污染为非期望产出测算农业GTFP。其次，学者们也从不同的视角探究农业TFP的驱动力：李欠男[6]和武宵旭[7]研究发现互联网的发展和城镇化水平提升对农业TFP具有明显推动作用；杨芷晴[8]研究发现教育形式差异对于农业TFP影响效果不同；李士梅等[9]发现劳动力转移会制约农业TFP的提升，而人均受教育程度和工业化则能提升农业TFP的水平。综上所述，目前的研究存在以下两点不足：一是种植业作为农业重要组成部分，承担着维持农业经济稳定的重任，但大多数学者都倾向于视农业为统一整体进行研究，缺少以种植业为主体分析其影响机制的研究。二是单一的考虑某些因素与农业TFP相互影响关系，很难考虑到省域间农业异质性的影响，尤其是省域间农村居民收入异质性的影响。

基于此，本研究以种植业GTFP为核心被解释变量，引入农村居民收入为门槛变量，构建我国31个省市的面板数据，重点探讨是否存在门槛效应，并进一步分析农村居民收入与种植业GTFP之间的关系并分析其影响因素。

一、理论分析与研究假说

农业绿色全要素生产率(GTFP)可以解释为在基准农业全要素生产率核算基础上，同时纳入环境要素产出作为非期望产出，其中环境产出主要为农业面源污染与农业碳排放。根据曹俊文[10]、潘团[11]等人的研究，农村居民年均收入与农业生产投入成本均对其产生重要影响。

(一)农村居民收入对种植业绿色全要素生产率的影响

在现代种植业发展的过程中，种植业经济、农民收入与种植业GTFP之间存在紧密的联系。首先，一个地区种植业GTFP的提高，需要种植业经济收益相对于生产污染排放量有所提高，种植业经济收益是从事现代种植业生产的经济基础，在一定程度上可影响该地区种植业GTFP水平，二者联系紧密。其次，农村居民的年人均纯收入不仅影响了农民的消费习惯和消费水平，也同样会影响他们的种植业生产行为[12]，并且农民作为种植业第一生产者，他们的生产行为可直接影响我国现代种植业的发展。同时随着种植业经济的增长，农村居民收入得到了提高，不仅增强了农民发展现代种植业的意愿，还为其提供了发展现代种植业充足的资金[11]，从而促进了当地种植业GTFP水平的提高。最后，种植业经济增长，可促进种植业产业链的延伸，增加农民的就业机会，从而提高农村居民收入，减少农村优秀劳动力向工业或其他产业转移的数量，为发展现代种植业、提高种植业GTFP夯实了优质人力基础[13]。综上所述，提出以下假设。

假设1：农村居民人均收入水平的提高始终能够提高种植业GTFP的水平。

(二)农村居民农业生产投入成本对种植业绿色全要素生产率的影响

一般来说，农村居民农业生产投入成本不仅包括农业生产过程中投入的诸如农药、化肥、农膜等化学物资的投入，也包括对农业机械的投入，如灌溉设施等。根据投入产出理论，农机与化学物资的投入虽然能够提高国家的农产品产量[14]，促进农业TFP的发展，保证国家粮食安全。但化肥与农药的使用同样会造成土壤污染、弃置的农膜难以降解等问题，均对农产品生产造成了严重威胁[15]。机械投入同样会产生范围较广的碳排放，在纳入环境产出为指标的农业GTFP的核算框架下，种植业化学物资使用、种植业机械动力提升均会制约种植业GTFP的发展。综上所述，提出以下假设。

假设2：种植业的灌溉面积、化学物资使用和种植业机械动力可能会制约种植业GTFP的发展。

二、变量选取与数据来源

(一)变量选取

考虑到我国研究种植业全要素生产率影响因素的文献并不多，学者们更多的是基于某一特定的现代农业发展模式，研究相应的影响因素。因此，在分析种植业全要素生产率的影响因素时，借鉴了中国政府对现代种植业发展的要求，同时也借鉴了其他学者有关农业全要素生产率的理论[16]和实证分析的经验[17]。选取了如下变量：

1.被解释变量——种植业GTFP。种植业GTFP是衡量现代种植业经济发展质量的重要指标，用来反映种植业生产活动在一定时间内效率情况，与科技进步、农业经济以及生产效率息息相关。研究种植业GTFP驱动机制不仅有助于种植业生产资源有效配置，也能保障种植业绿色健康发展。本文采用超效率SBM模型来测度2008—2017年间中国省域种植业GTFP水平。种植业的生产离不开劳动力、耕地、农业化学物资的投入、农业机械的使用和水资源的投入。本文选取了农作物播种面积、有效灌溉面积、种植业农机总动力、农用化肥使用量、农药施用量和农用塑料薄膜使用量作为模型的投入指标。而种植业作为农业支柱产业，在生产过程中，势必会产生农业面源污染以及碳排放。因而选取种植业总产值与种植业碳排放作为模型的期望产出指标与非期望产出指标。

2.门槛变量——农村居民年均纯收入。

农村居民的年均纯收入不仅影响了农民的消费习惯和消费水平，也同样会影响他们的种植业生产行为。故选取农村居民年均纯收入作为门槛变量，衡量其作为门槛变量对于种植业产值的影响。

3.解释变量——单位有效灌溉面积(有效灌溉面积/农作物播种面积)、种植业化学物资使用量以及单位种植业机械动力(种植业机械总动力/耕地面积)。单位有效灌溉面积指水资源可以有效灌溉土地的面积。地区灌溉面积反映了国家的水利设施建设水平，而水利建设的程度与农业基础设施建设密切相关，因此用单位有效灌溉面积来反映省域间农业基础设施建设水平。

4.区制变量——种植业总产值。种植业总产值是指一地区种植业农作物生产在一年中所获得的收入，用来衡量省域间种植业GTFP发展水平，是测算种植业GTFP的重要指标。反映了一个地区种植业的生产规模和种植业经营成果，是各省进行种植业经济转型、发展现代种植业的基础条件。因此选取种植业总产值作为区制变量。

(二)数据来源及描述

本文基础数据来源于2008—2017年的《中国年度统计年鉴》《中国农村统计年鉴》以及各省统计年鉴，构建了9年间的中国31个省市面板数据，对于个别指标的数据缺失问题，文章进行了差分处理。表1为2008—2017年间我国31个省的面板数据描述性统计表。

由表1所示，包括农村居民年均收入在内11个变量的最大值与最小值之间存在较大差异，证明省域间农业异质性的存在，省域间农业总产值、农村居民收入等变量均存在显著差异。

表1 31个省面板数据的描述性统计表(2008—2017年)

三、模型构建

为了分析种植业GTFP的影响因素，本研究需通过构建超效率SBM模型测算出中国省域种植业GTFP水平，以2008—2017年间中国省域种植业GTFP面板数据为基础，构建门槛模型，分析农村居民年均收入的门槛效应。

(一)超效率SBM模型设定

本文基于投入导向、规模报酬可变的角度，采用超效率SBM模型对省域间种植业GTFP进行测度。超效率SBM模型[18]是对超效率DEA模型的改进。它结合了超效率DEA模型和SBM模型的优点，在分析GTFP时以非射线的方法测算效率值，不仅考虑了松弛变量对GTFP值的影响，还可对比分析不同决策单元的GTFP。其数学原理是：设存在m个DUM(决策单元)，每个决策单元有n个投入指标，r个期望产出指标和t个非期望产出指标。

超效率SBM模型表达式为：

(1)

∂j≥0,j=1,2,…,m

在本文中，σ表示测算出的省域种植业GTFP，当σ≥1时，表示该决策单元相对有效，处在生产前沿面上，TFP发展水平可以继续保持；当σ<1时，表示该决策单元处于非有效状态，不在生产前沿面上，TFP发展水平有进一步提高的空间。

(二)门槛模型构建

门槛模型定义是指当一个经济参数达到特定的数值后，引起另外一个经济参数突然转向其他方向发展的现象，作为引起现象的临界值称为门槛值。在传统的门槛模型分析中，只需随意设置一个门槛值，直接根据门槛值将总样本分解为多个子样本，得出最终结论，缺少了对数据的平稳性分析，其结果可能出现伪回归现象。Hansen[19]在2000年提出的门槛回归模型，改进了传统门槛模型的弊端，他的门槛模型囊括了数据的平稳性检验、门槛效应检验和显著性检验，测算的结果更加真实可靠。本文就是以Hansen的门槛模型为基础，设计本文所需的门槛模型，具体内容如下。

假设农村居民收入对我国省域种植业农业全要素生产率存在单一门槛值，其模型设定是：

GTFPsr=α1+α2×xsr+α3×csr×T(d≤γ)+

α4×csr×T(d>γ)+μsr

1≤s≤S；1≤r≤R

(2)

公式中s、r分别表示研究省份和时间,S和R分别表示研究的所有省份和整个研究时间段；d为门槛变量-农村居民年均收入；xsr表示各省份的控制变量；csr是区制变量(注：本文设定区制变量是种植业总产值)；T为指示性函数，当满足括号内条件时T=1，不满足括号条件时T=0；μsr是随机扰动项；r是门槛值。

在通过上述门槛模型求出结果后，还应检查其门槛效应的显著性，具体内容为：

假设1：α3=α4，说明不存在门槛效应；

假设2：α3≠α4，说明存在门槛效应。

在假设1的约束下得到残差平方和SSR1，无约束下得到残差平方和SSR2，门槛效应显著性检验公式为：

LR=(SSR1-SSR2)/[SSR2/S(R-1)]

(3)

若拒绝假设1，说明数据存在门槛效应，有门槛值；若不拒绝假设1，说明数据不存在门槛效应，无门槛值。

四、实证结果分析

(一)超效率SBM测算结果

本文采用超效率SBM模型，基于公式(1)，利用Max Dea软件测算出了2008—2017年间我国31个省域种植业GTFP结果(见表2)。

表2 2008—2017年我国31个省域种植业GTFP

续表

由表2所示，除西藏外全国各省及各地区在9年间的现代种植业GTFP大体处于增速状态，北京、上海以及浙江等较发达地区的增速较快，速度超过全国平均水平。新疆、宁夏等欠发达地区增速较慢，一直保持在相对较稳定的增速水平。但总体来说，我国省域种植业GTFP增速变动大致趋同，现代种植业发展趋势向好。

(二)门槛模型结果分析

1.单位根检验与协整检验。为了避免数据不平稳造成伪回归现象的出现，在对数据作回归分析之前应先对数据进行平稳性检验，本文采用的是IPS和LLC单位根检验法，二者是基于“存在有效单位根”的假设做检验的，原假设是存在单位根即代表数据不平稳，会出现伪回归的情况，备择假设是数据不存在单位根即数据平稳。论文需要的结果是拒绝原假设。其具体检验结果见表3。

表3 变量的单位根检验结果

由表3可知，被解释变量-种植业全要素生产率、控制变量-单位有效灌溉面积、种植业化学物资使用量、单位种植业机械动力、区制变量-种植业总产值、门槛变量-农村居民年均收入的一阶差分结果皆在1%的显著性水平下，拒绝了原假设，说明不存在单位根，即通过了IPS和LLC的单位根检验。这说明本文数据是平稳的，进行回归分析时不会出现伪回归情况。

由于面板数据在前文的单位根检验中是在一阶差分后才实现平稳的，因此需要再对数据进行协整检验，判断数据是否存在协整关系，即检验数据是否具有长期稳定性。目前检验面板数据协整性的方法有Johansen检验、Kao检验和Pedroni检验。本文选用了Pedroni检验方法，得出了面板数据的ADF统计量和PP统计量(表4)。可以看到面板数据的ADF 统计量和PP统计量皆在1%的显著性水平下通过了检验。说明面板数据可在长期内保持稳定，可进行面板门槛回归分析。

表4 面板数据的协整结果

2.门槛效应检验。在建立门槛模型前需首先确定门槛效应是否存在，即先确定是否有门槛值，再对样本进行单门槛检验，如果结果显著，就继续进行两门槛检验，检验存在几个门槛值。先假设存在门槛值，本文在对变量进行对数处理后，运用Stata15.0软件通过使用自举法(bootstrap)循环500次得到了P值、F值等(见表5)。

表5 中国省域种植业GTFP影响因素研究的门槛效应检验结果

从表5可知，单一门槛P值为0.062 0，通过了5%水平下的显著性检验，说明存在一个门槛值；二重门槛P值为0.143 3，未通过显著性检验；未通过显著性检验，说明不存在第二个甚至第三个门槛。由此判断本章变量数据适用的是单一门槛模型。

表6反映的是单一门槛模型的门槛值和相应的95%的置信区间，门槛值为984.590 8，95%的置信区间是[962.327 6,986.947 3]。

表6 单一门槛估计值及置信区间

为进一步检验门槛结果的真实性，文章对单一门槛模型结果进行了似然比检验(LR检验)，见图1。

图1 单一门槛模型的似然比检验图

如图1所示，在γ1=984.590 8，置信区间为[962.327 6,986.947 3]时，似然比检验结果显示其通过了显著性检验，保证了门槛结果的真实性。综合以上分析结果可知，农村居民收入对中国省域种植业全要素生产率的影响存在单一门槛效应，其门槛值为984.590 8。

3.门槛回归模型估计结果。由以上检验结果可知，当以农村居民收入作为门槛变量，种植业GTFP作为被解释变量时，存在门槛，可建立单一门槛模型。在对变量数据进行最终的回归分析后，如表7所示，所有控制变量均在1%的水平下显著。当农村居民收入低于门槛值时，种植业总产值对中国省域种植业GTFP的弹性系数为4.48×10-9；当农村居民年均收入大于门槛值时，弹性系数上升至3.28×10-7。说明农村居民年均收入在大于门槛值时，对中国省域种植业GTFP存在更显著的推动作用。此结论应对了上文中的假设1，农村居民年均收入处于门槛值前后，均会对种植业GTFP产生正向影响。

如表7所示，单位有效灌溉面积系数为负且显著，说明其对省域间种植业GTFP存在显著负向影响，可能的原因是，灌溉面积代表着我国农业水利基础设施建设水平，随着省域间水利设施水平建设的提高，灌溉能力提升，灌溉设施覆盖面积更广，但灌溉设施的构建会导致工业品的消耗，引起污染排放，制约了种植业GTFP的提升，更进一步说明省域间基础设施建设水平会制约种植业GTFP的发展。

表7 单一门槛模型回归结果

种植业化学物资使用量系数不显著，说明其影响不显著，可能的原因是各省该指标的异方差较小。

单位种植业机械动力系数估计结果为负且显著，说明其同样制约种植业GTFP的发展。农业机械动力的提升，意味着更多的机械投入、化石能源的投入，化石能源的使用会产生大量的碳排放以及其他污染气体排放，同样会制约着种植业GTFP的提升，以上结果验证假设2成立。

五、结论与建议

(一)结论

对于种植业GTFP发展水平，国内31个省市种植业GTFP在2009—2017年间总体处于增长趋势，9年间种植业发展趋势向好，但仍存在环境污染、资源浪费等诸多问题。为解决这些问题，引用种植业GTFP这一概念，通过研究种植业GTFP驱动机制为今后省域种植业发展铺垫道路。本文在理论分析和相关研究的基础上，以9年间国内31省市为样本，使用面板门槛回归模型，研究以农村居民收入为门槛变量时，种植业机械化、单位有效灌溉面积以及化学物资的使用对种植业GTFP的增长影响程度。可以得出结论，当农村居民年均收入大于门槛值，种植业总产值对中国省域种植业GTFP的促进作用显著增强。种植业水利建设、种植业机械和化学物资的使用均对中国省域种植业GTFP起制约作用。

(二)政策建议

1.对于低于门槛地区，首先要通过转移支付等手段，缩小省域间农村居民收入差距，保证最低收入水平和基本生活质量；其次应大力推进低门槛地区农业基础设施建设，如提升种植业有效灌溉面积与生产的机械化率，并降低机械化导致的污染，促进低门槛省份生产效率的提高，以期从整体上实现我国种植业的供给侧改革；最后响应国家农业生态文明建设，在种植业高质量发展的同时要注重生态环境的保护，最大程度上谋取经济效益、生态效益和社会效益的有机统一。

2.对于高于门槛地区，首先应当提高这些省份的种植业科技水平，如建立现代种植业教育基地，用先进的农业生产技术培养农民，提升其科学文化素养和农业机械的熟练程度，以促使种植业生产效率的提升；其次针对高门槛省域种植业环境污染和生产资源的浪费的问题，大力提倡农民科学使用现代种植业生产资源，增加农业生产资源使用效率；最后在种植过程中，相关部门应加大监管力度，适当减少种植业化肥农药的使用量，完善农药包装废弃物回收处理办法，大力发展生态农业，既保障农产品的质量，又保证其安全性。