粮食产业高质量发展创新驱动机制分析

高维龙 李士梅 胡续楠

收稿日期：2021-10-08

基金项目：国家留学基金项目《国家建设高水平大学公派研究生项目》（201906170099）。

作者简介：高维龙（1992—），男，吉林四平人，吉林大学经济学院博士研究生，主要研究方向为农业经济、产业经济;李士梅（1963—），女，吉林白城人，博士，吉林大学经济学院教授、博士生导师，主要研究方向为产业经济;胡续楠（1990—），女，吉林长春人，博士，长春大学经济学院讲师，主要研究方向为产业经济。

DOI： 10.13253/j.cnki.ddjjgl.2021.11.007

[摘 要] 创新是赋能粮食产业转型升级、引领高质量发展的第一动力。基于DEAMalmquist指数法、面板固定效应和条件分位数模型，实证分析了粮食全要素生产率时空演化机制及技术传导路径。结果发现：当前粮食全要素生产率存在下降趋势，主要受技术进步不足拖累。东部地区在科技创新方面具有优势，其技术进步速度领先于中西部地区。从影响路径来看，除人力资本对技术进步有促进作用外，其余因素均对其有抑制作用，表明粮食全要素生产率提升正面临要素质量恶化、配置结构扭曲、产业政策失灵和低端技术锁定等因素限制。且在高质量发展阶段，这种制约效应尤为显著。因此，应从提升要素质量、优化配置结构、完善政策设计、强化科技创新等方面施策，激活粮食产业高质量发展的创新动力。

[关键词]粮食产业;高质量发展;创新驱动;全要素生产率;时空演化

[中图分类号]   F326.11[文献标识码] A[文章编号] 1673-0461（2021）11-0053-12

一、引 言

“十四五”规划指出，“全面推进乡村振兴，提高农业质量效益和竞争力”。近年来，中国粮食产业发展面临诸多挑战，尤其进入21世纪后，随着城镇化、工业化不断深化，粮食供需矛盾日益凸显。受农业生产要素萎缩、水资源短缺、气候恶化、贸易不确定性上升等内外因素叠加影响，传统依靠要素投入带动粮食增产的粗放型发展模式已然难以为继，粮食产业向集约化转型的压力十分严峻。在此背景下，推动粮食产业向“质量兴农”“效益兴农”“绿色兴农”的高质量发展转型势在必行。党的十九大报告明确指出：“推动农业高质高效发展，必须以供给侧结构性改革为主线，提高全要素生产率。”①全要素生产率（TFP）持续稳步提升既是高质量发展的题中之义，更是农业现代化转型的有效手段。实现粮食产业高质量发展，应充分发挥科技创新与技术进步的核心驱动作用。有鉴于此，深入探究粮食产业高质量发展的创新驱动机制，对确保国家粮食安全、赋能粮食产业转型升级具有重要理论和现实意义。

一直以来，农业增长与环境污染之间存在不可调和的冲突与矛盾。农业增长通常会加剧环境污染，环境恶化也会反过来导致农业增产空间受限。新古典增长理论认为，在要素边际收益递减规律下，技术进步仍能促进全要素生产率持续增长[1]，进而避免农业发展陷入“内卷化”陷阱。但是，也有学者指出农业技术进步速度缓慢，并且存在路径依赖[2]。因此，如何加速农业技术进步、促进全要素生产率提升就成为学界关注的重点问题。全要素生产率是粮食产出增长扣除有形要素投入后的剩余增长部分，本质上属于广义技术进步范畴，其变化可能源于粮食生产中的物化技术，包括土壤改良、育种、栽培等狭义农业技术进步，也可能源于制度创新、规模效应、技术效率以及资源配置效率改善[3-4]。比如，家庭联产承包责任制[5]、农村税费改革[6]、粮食收入性补贴[7]等有助于调动农民生产积极性，促进农业技术进步和改善技术效率。农村土地制度改革有利于促进规模化经营、减少土地细碎化的生产效率损失[8]。要素投入结构不合理会降低要素配置效率，进而对TFP形成抑制作用[9]。在TFP演化特征方面，现有研究表明粮食TFP变化表现出复杂性和时空分异性：时间上，不同期间TFP呈现不同的时间趋势，分为“上升型”[10]、“下降型”[11-12]、“先升后降型” [13]和“波动型”[14]四种;空间上，粮食TFP呈现出空间异质性[15]和空间波动性[16]。此外，已有研究对粮食TFP主导因素存在争议，主要有技术效率单轨驱動型[11]、技术进步和技术效率双规驱动型[15]以及技术进步单轨拖累型[11-12]三类。部分研究指出粮食TFP变动与土地规模[17]、耕地质量[18]、农村人力资本[19]、劳动力配置结构[20]和社会外部环境[21]等因素有关。

从已有文献来看，关于粮食产业高质量发展创新驱动机制的研究仍然存在较大扩展空间：首先，对粮食TFP变化的主导因素和增长源泉仍然存有分歧，基于个别视角探究粮食TFP演化机理难以反映其变动的一般规律。其次，从TFP时空演化视角分析粮食产业高质量发展创新驱动机制的文献仍较少见，深入理解粮食产业高质量发展的实现路径亟须更为丰富的理论研究。再次，对TFP演化机制和技术传导路径的分析不够深入，一是对要素质量、配置结构和制度设计等影响因素的分析有待于细化;二是对粮食产业不同发展阶段各种因素影响的异质性特征关注不足;三是对粮食TFP变化的外部因素和内部传导路径的研究相互割裂，鲜有文献对二者联动影响粮食TFP的作用路径进行系统分析。

不同于以往研究，本文的边际贡献主要在于：①研究视角方面，从TFP时空演化的视角切入，构建了TFP演化的一般分析框架，重点探究了以往研究较少关注的要素质量、配置结构及制度设计问题，拓宽了粮食产业高质量发展创新驱动机制的研究视阈。②研究对象方面，聚焦于粮食TFP的时空演化机制及技术传导路径，通过系统考虑外部因素和内部传导路径的联动机制，试图揭开粮食TFP变动之谜，以澄清现有关于粮食TFP增长源泉的分歧，为强化创新驱动力、提升粮食供给效率提供理论和现实依据。③研究方法方面，基于DEAMalmquist指数法、面板固定效应和条件分位数模型对粮食TFP变动的外部因素和内部传导路径进行系统分析，并进一步刻画这种影响的地区异质性以及不同发展阶段的异质性特征，从而深化粮食TFP的时空演化机制，为实现创新驱动的粮食产业高质量发展提供经验证据。

二、概念界定与典型化特征

（一）粮食产业高质量发展的概念界定

粮食产业高质量发展是在新发展时期为应对国内外形势变化，对粮食产业发展质态提出的更高层次要求，旨在缓和与化解在高速增长阶段所积累的矛盾，也为了更好地促进经济向更高质态发展轨道跃迁。其内含于经济高质量发展之中，是我国经济高质量发展一个极其重要的方面，具有战略性和基础性地位，关乎国家粮食安全、乡村产业振兴和农业全面现代化目标能否成功实现[22]。粮食产业高质量发展是高质量发展理念在农业领域的实践与延续，是新时期经济高质量发展目标的具象化和深度化。在新发展理念的指导下，粮食产业高质量发展是以效率和质量为导向，体现质量第一、效率优先、更加公平和更可持续的发展[23]。基于此，粮食产业高质量发展可被定义为，以保障國家粮食安全为前提，以提高资源利用效率为导向，以促进绿色化生产为手段，以实现全民共享发展为目标的发展。从该定义来看，粮食产业高质量发展与TFP稳步提升具有高度的耦合性和内在的统一性，主要表现在以下四个方面：

首先，TFP反映产出增长扣除有形要素投入后的剩余增长部分，是表征粮食生产过程中全部生产要素综合利用效率的重要指标。TFP稳步提升能够缓解粮食生产的资源环境约束，有利于提高粮食供给能力，保障国家粮食安全。其次，TFP是科技创新与技术进步的直接体现，创新活动的本质是生产要素和生产条件的重新组合，其最终目的在于优化资源配置、提升资源利用效率。只有依靠创新驱动的内涵式发展，克服要素投入的规模报酬递减，才能实现TFP稳步提升。再次，TFP强调资源节约与合理化利用，通过提高化肥农药使用效率，促进粮食减量化和绿色化生产，从而减少粮食生产过程中环境污染负外部性，实现生产效益、生态效益和社会效益的协调统一，这显然与粮食产业高质量发展相一致。最后，TFP稳步提升是扩大共享基础、保障共享质量的必要前提[24]，通过激活粮食产业的食物功能、环境功能、经济功能和康养功能，反哺整个生态系统，增进农村社会福利，实现全民共享发展成果，这正是高质量发展的根本目的。

（二）粮食TFP的时空演化特征

1.时序特征

表1第2至6列是1999—2018年我国粮食TFP及其分解指数，大于1意味着生产率上升，否则意味着生产率下降或不变，显著性通过自助法获取1万次随机样本计算得到[25]。②第7至9列是以1999年为基期各指数的累积增长率，用以反映长期趋势。可以发现：第一，我国整体粮食TFP呈下降趋势，1999—2018年TFP指数均值为0.989，年均下降1.1%。累计增长率为0.798，即2018年相对于1999年下降了20.2%。考察期内，粮食总产量从50838.6万吨增加到65789.2万吨，产出增长率29.4%，故TFP增长率对粮食产出增长率的贡献为-68.69%。换言之，我国粮食增产的主要推动因素是要素投入增长而非TFP增长，这与陈卫平等[14]、黄金波等[26]的结论相符。第二，TEC有所上升，均值为1.005，年均上升0.5%，累计增长率为1.080。从TEC分解来看，PEC和SEC分别为1.001和1.003，SEC改进程度略高于PEC。第三，考察期内出现明显的技术退步趋势，TP均值为0.986，年均下降1.4%，累积增长率为0.740。因此，技术退步是1999—2018年我国粮食TFP下降的主导因素，即TFP下降主要是因为生产前沿“内移”超越了向生产前沿“推进”。

分时间段看，2004年以前TFP指数一直在1附近不显著波动，仅2000年出现显著下降。而2004—2011年则出现了4次显著下降，之后在1附近平稳波动，其他指数也表现出类似特征。各指数波动最密集的时间段是2004—2011年，其中TP从2006年0.998快速下降到0.879，2008年又迅速上升至1.060，随后骤降为0.898，2010年再恢复到1.038，呈W型波动。TEC、PEC和SEC在同时期则经历了先增后减，再增再减的M型波动。这种密集波动可能与2004年中央出台的一系列农业支持政策有关，因此以2004年为界，将全样本划分为1999—2004年和2005—2018年两个子样本，使用KolmogorovSmirnov统计量检验政策前后TFP及分解指数的变化情况[27]。③结果显示，TFP、TP、PEC、TEC分别在1%、1%、5%、10%水平上发生显著变化。从两组样本的均值看，政策实施前后TFP、PEC、TP分别上升了0.016、0.001、0.021，说明农业支持政策通过改善技术效率和技术进步两条途径促进粮食TFP增长。一方面，减免农业税、提高良种补贴、加大农业教育投入等惠农政策有利于调动农民种粮积极性、提高技术效率。另一方面，加强农业科技推广和基础设施建设有助于推动技术进步，这与马林静等[15]的研究结论一致。然而，研究期间内SEC未发生显著变化，可能是因为我国农村土地制度改革存在滞后性和不完全性，限制了规模经济发挥作用[11，28]。

2.空间特征

表2是TFP变化的空间分布情况。全国近1/3省份的TFP有所上升，其余呈下降趋势，这与肖洪波等[11]的研究相符。TFP提高的主导因素在地区间存在差异，如在研究期间TFP提高的10个省份中，江苏、天津是规模效率单轨驱动，福建、辽宁是纯技术效率单轨驱动，宁夏、海南则是技术进步和规模效率双轨驱动。而TFP下降的21个省份中，上海、山东等13个省份完全由技术退步导致，其余8省份TFP下降也主要归因于技术退步，与时序特征一致。从各地区均值看，东、西、中部地区的TFP依次下降，且中部地区低于全国均值。东部地区经济发展水平较高，在农业科研投入、人力资本等方面具有优势，三大地区中技术进步最快，但由于粮食生产一直处于弱势地位，限制了技术进步对TFP的拉动效应。中部地区省份多为粮食主产区，土壤、气候等条件适宜粮食作物规模化种植，生产管理制度与经营组织相对成熟，因而规模效率与技术效率状况良好，但由于近年来土壤肥力下降、水资源短缺、农田水利设施基础薄弱、科研投入不足等原因对技术进步产生了消极影响[29]。随着西部地区经济的快速发展，农业科研投入增速远超中部地区，但人力资本积累不足抑制了技术效率提升[30]。

TFP空間格局演化特征方面：1999—2000年除新疆、西藏、云南、湖南、山西和上海外，其余25省份TFP均有所下降。2004—2005年TFP上升的省份数提高至14个，快速下降省份数则从10个减少为4个，其中，北京、天津、吉林、黑龙江、宁夏、甘肃和青海从快速下降区转为平稳或快速上升区，表明2004年的农业支持政策发挥了积极作用，同时技术进步也有较大改善，与TFP几乎同向变动。2008—2009年受自然灾害影响，除少数东、西部省份外，其余省份TFP均呈下降态势，主要是因为自然灾害引发了技术退步。2013年与2004年相比变化并不明显，TFP上升地区主要为东、西部省份，而中部省份表现不佳。2004—2005年有19个省份的技术进步指数大于1，而2013—2014年仅西藏、甘肃、青海、内蒙古、河南和黑龙江6省份保持技术进步。因此，TFP增长受限于技术进步不足，这与2013年中国经济步入新常态，亟须实现新旧动能转换的大背景相符。2015年底中央提出供给侧结构性改革，提高全要素生产率。从测算结果来看，2017—2018年TFP呈现积极改善，有18个省份的TFP指数大于1，同时TFP下降省份数有所减少，表明供给侧改革措施初见成效。但仅有新疆、西藏、青海、上海和贵州5省份技术进步较快，说明创新仍然没有成为TFP增长的核心和主导力量。因此，有必要深入探究TFP时空演化逻辑，从而形成TFP持续增长的长效机制，激发粮食产业高质量发展的创新动力。

三、模型、变量与数据

（一）模型构建

本文从内部构成和外部因素两方面分析粮食TFP时空演化机制。首先，构建CobbDouglas生产函数：

Y=A（t）LαKβ（1）

其中，L为简单劳动，K为物质资本等粮食生产中间投入，进一步得到广义技术进步，即TFP的表达式为：

dAA=dyy-αdLL-βdKK（2）

内生增长理论认为，改变要素配置方式（如要素配置结构）、发掘要素创新性用途（如要素新使用价值特性即质量增量）以及提供激励创新的外部环境（如市场条件）都是技术创新的重要来源。参考相关文献[31-32]，本文将TFP影响因素分为要素质量、要素结构、自然环境、制度环境和经济环境五类，并构建如下固定效应模型检验各类因素对粮食TFP的影响：④

TFPit=β0+β1Qualityit+β2Structureit

+β3Natureit+β4Institutionit

+β5Economicsit+μi+εit（3）

其中，i和t分别表示省份和年份，β0为常数项，TFP为粮食全要素生产率，Qualityit、Structureit、Natureit、Institutionit、Economicsit分别表示要素质量、要素结构、自然环境、制度环境和经济环境，μi表示省份固定效应，εit为随机扰动项。

其次，分别以TP和TEC作为被解释变量，探究各类因素影响粮食TFP的技术传导路径，模型形式如下：

TPit=β0+β1Qualityit+β2Structureit

+β3Natureit+β4Institutionit

+β5Economicsit+μi+εit（4）

TECit=β0+β1Qualityit+β2Structureit

+β3Natureit+β4Institutionit

+β5Economicsit+μi+εit（5）

最后，为了进一步探究各类因素在不同发展阶段的异质性影响，构建条件分位数面板模型如下：

TFPit（γ|Qualityit，Structureit，Natureit，Institutionit，

Economicsit）=β0（γ）+β1（γ）Qualityit

+β2（γ）Structureit+β3（γ）Natureit

+β4（γ）Institutionit

+β5（γ）Economicsit+μi+εit（6）

其中，γ代表粮食TFP不同百分位数，分别选取10、25、50、75、90百分位点进行回归。

（二）变量选取

1.被解释变量

使用DEAMalmquist指数法测度粮食TFP，Malmquist生产率指数计算公式为[33]：

Mo（xt+1，yt+1，xt，yt）=Dto（xt+1，yt+1）Dto（xt，yt）Dt+1o（xt+1，yt+1）Dt+1o（xt，yt）12（7）

进一步可分解为[34]：

Mo（xt+1，yt+1，xt，yt）=Dt+1v（xt+1，yt+1）Dtv（xt，yt）

×Dtv（xt+1，yt+1）Dt+1v（xt+1，yt+1）Dtv（xt，yt）Dt+1v（xt，yt）12

×Dtc（xt+1，yt+1）Dtv（xt+1，yt+1）Dtc（xt，yt）Dtv（xt，yt）Dt+1c（xt+1，yt+1）Dt+1v（xt+1，yt+1）Dt+1c（xt，yt）Dt+1v（xt，yt）12（8）

其中，式（8）右侧第一项为不同时期决策单元与生产前沿距离比值，反映技术效率变动。第二项测度相邻两个时期生产前沿移动，反映技术进步。第三项通过比较不同时期决策单元在同一生产前沿上的规模效率， 反映规模报酬变动。

参考相关文献[35-37]，测算TFP所使用的产出指标为粮食产量，⑤投入指标包括土地、劳动、资本、机械、化肥、灌溉。借鉴闵锐等[38]的研究，按比例系数对机械、化肥、劳动等要素进行调整。其中，种粮劳动力的调整比例系数A=农业产值/农林牧渔业总产值粮食播种面积/农作物播种面积，机械总动力与化肥的调整比例系数B=粮食播种面积农作物播种面积。资本使用1999年为基期的固定资产投资价格指数平减，以剔除价格变化的影响，⑥具体情况如表3所示。

2.解释变量

（1）要素质量。要素质量对粮食TFP变化有直接影响，如耕地、劳动力质量下降可能会抑制TFP提升，以有效灌溉率作为耕地质量（GL）的代理指标;教育和医疗是人力资本形成的两条重要途径，以地区人力资本（HC）和农村医疗资源（MR）作为劳动力质量的代理变量。

（2）要素结构。生产要素在市场机制作用下进行流动和结构调整，通过改变资源配置效率、要素禀赋条件等途径影响TFP。种植业内部粮食与其他作物的生产结构、生产要素的比例结构以及种粮劳动力在农业和非农领域的配置结构是要素结构在不同层面的重要表征，分别以农业结构调整（AS）、劳均经营规模（PCA）和非农收入占比（PWI）作为其代理变量。

（3）自然环境。粮食生产的特殊性决定了气候环境对TFP的影响不容忽视，使用受灾率反映不可控的气候因素。

（4）制度环境。粮食生产具有弱质性，长期以来受到政策扶持，因此制度环境对粮食TFP有较大影响，使用农业税负（AT）、财政支农力度（AFI）和农业贸易条件（ATC）反映财政收支及农产品价格体制改革等农业制度变量。

（5）经济环境。宏观经济环境可能通过产业资源竞争、技术溢出等途径影响生产率变化，分别选取对外开放度（OPEN）、工业化水平（IND）、城镇化水平（URB）3个指标作为其代理变量。

（三）数据来源

考虑到数据可得性，本文研究不包括中国西藏、台湾、香港和澳门地区，这仅限于一种学术处理，研究时间为1999—2018年。以上所有数据均来源于《中国统计年鉴》《中国农村统计年鉴》《中国卫生和计划生育统计年鉴》《中国税务年鉴》及各省份统计年鉴。其中，粮食TFP、技术进步及综合技术效率是以上年为100的环比指数，文本将其转化为以1999年为100的累计增长指数并取对数后作为被解释变量。变量描述性统计如表4所示。

四、实证结果与分析

（一）单位根检验

为了避免“伪回归”问题，在构建面板模型之前需要进行单位根检验，表5是LLC、IPS、Hadri LM 3种单位根检验结果，从中可以看出，各变量大多在5%显著性水平上拒绝存在单位根的原假设，表明面板数据为平稳过程，可以利用原始数据构建计量模型。

（二）影响路径分析

从表6结果来看，要素质量中反映耕地质量的农田水利设施对粮食TFP表现为约束作用，且这种约束作用主要是通过技术进步来实现传导的，对技术效率影响不显著。农田水利设施建设有利于解决水资源分配不均问题，提高作物对洪涝灾害的抵御能力，极大地提升水资源利用效率。农田水利设施建设能够促进渗透和滴灌技术使用，也使得育苗、栽培等其他现代农业技术得以推广。因此，对粮食技术水平有显著促进作用[32]。然而，由于农村基础设施建设一直以来都是“三农”发展的短板，尤其农田水利设施建设历史欠账较多，进而对粮食技术进步产生了抑制作用。反映劳动力质量的地区人力资本对TFP增长有促进作用，且这种促进作用主要是通过技术进步来实现传导的，对技术效率的影响为负但不显著。人力资本有较强的外部性，无论是先进的机械设备还是农业技术，对粮食生产效率的正向影响必须依靠人的主观能动性才能得以发挥作用。因此，人力资本对粮食技术进步有显著促进作用。而人力资本对技术效率有不显著的负向影响，可能是因为人力资本在农业和非农业部门之间的流动具有单向性，人力资本越高，劳动力向非农部门转移的可能性也越大。因此，人力资本积累可能对技术效率产生负向影响，进而部分抵消了技术进步对TFP的推动作用。农村医疗资源与人力资本较为类似，但由于我国农村医疗资源总量相对匮乏，其对TFP的影响并不明显。

要素结构变量对粮食TFP均有消极影响，反映当前要素的配置结构不合理。其中，农业结构调整对TFP的抑制作用主要是通过技术进步来实现传导的。种植业内部结构变化在很大程度上受国家政策影响，有时甚至可能會偏离资源比较优势，从而造成生产前沿“内移”。劳均经营规模

对技术进步和技术效率都表现出负向影响。规模效应一直是影响生产效率的重要因素，土地规模化经营有助于降低亩均生产资料价格，提高农业机械化水平，调动农民精耕细作的积极性，从而促进技术进步、提升技术效率[24]。但由于我国人均耕地面积小、土地细碎化，且农村人口“老龄化”“妇女化”问题突出，规模经济的释放仍然存在诸多困难。非农收入占比对TFP的抑制作用主要是通过技术效率来实现传导的。非农收入占比提高意味着粮食增收的重要性相对下降，这会加速劳动力向“非粮化”和“非农化”转移，进而导致生产效率损失。与预期一致，受灾率对粮食TFP、技术进步和技术效率均有消极影响，反映我国粮食生产自然灾害的抵御能力较差。

制度环境中财政支农力度和农业贸易条件对TFP的影响显著为负，农业税负的影响不显著。其中，财政支农力度对TFP的抑制作用主要是通过技术进步来实现传导的。这似乎与预期相悖，从绝对量看，财政支农支出一直快速增长，但其相对占比在长期未发生太大变化，标准差仅为0.03。换言之，宏观经济政策的“工业偏向性”一直存在，财政支农支出对粮食生产需求仍然相对不足，因此，对粮食生产效率的促进作用不明显。农业贸易条件与财政支农支出类似。正常情况下，农业贸易条件改善会提高生产效率，二者应为正相关。但是，农产品价格支持政策也会在一定程度上扭曲价格机制，从而改变粮食生产者的市场预期和经营行为，对TFP造成不利影响。由于扭曲的价格机制难以获得粮食经营主体积极的行为响应，因此，这种影响更多地表现为对“最佳实践者”的负向激励。

经济环境3个指标对TFP有显著的负向影响，说明经济环境对粮食生产效率的影响更多表现为资源竞争而非技术溢出效应。并且，这种负向影响主要是通过技术进步来实现传导的。其中，对外开放对粮食技术效率有一定的促进作用，但整体来看，对技术进步的抑制作用更强。由于我国粮食竞争力较低，导致“国粮入库、洋粮入市”，出现“三量齐增”的怪象，这无疑会挤占粮食市场需求，压缩国内粮食生产技术的进步空间。同时，也会提高国内市场对外国农产品的依赖性，强化我国粮食生产技术的低端锁定。工业化和城镇化与之情况类似，随着工业化和城镇化不断深化，城乡生产要素单向流动加速，农村优质劳动力不断向城市非农产业转移，从而对生产效率产生了抑制作用。

（三）地区异质性分析

为检验各类因素对粮食TFP的影响是否存在地区差异，本文进一步分地区进行回归。由表7结果可知，农田水利设施促进了东部地区TFP增长，对中西部地区TFP则有抑制作用。与东部地区相比，中西部地区农田水利设施基础薄弱，东部地区有效灌溉率均值为0.84，远高于中西部地区。农村医疗资源与之类似。人力资本在各地区都有正向影响，但东、中、西部地区的影响系数依次下降。

农业结构调整对东部地区影响为正，对西部地区影响显著为负，对中部地区影响不显著。如前文所述，东部地区粮食生产一直处于弱势地位，农业结构向粮食生产调整有利于发挥东部地区科技与人才资源优势对TFP的拉动效应。西部地区生产条件较差，结构调整有时可能会偏离比较优势，中部地区多为粮食主产区，结构调整空间有限。劳均经营规模对中部地区TFP有消极影响，对东部和西部地区影响不显著。中部地区劳均经营规模均值远高于东西部地区，可能超过规模报酬递增区间，而东西部地区的规模经济尚未显现。非农收入占比对中西部的影响显著为负，对东部地区影响不显著。非农收入占比增加意味着农业生产收入重要性相对下降，会提高种粮劳动力在非农领域的配置比重，由于东部地区农民人均纯收入水平较高，对非农收入占比变化不敏感。受灾率对中部地区的负向影响最大，表明中部地区自然灾害抵御能力最差。对西部地区影响不显著，可能是因为西部地区自然条件相对恶劣，近年来随着经济快速发展，自然灾害抵御能力逐步提高。

与前文分析一致，财政支农力度在三大地区都存在显著消极影响。农业贸易条件在中西部地区影响显著为负，对东部地区影响不显著。农业税负与东部地区TFP呈显著负向关系，与中部地区正相关，对西部地区影响不显著。2005年以来中央政府大幅削减农业税，减轻了农民负担，但由于中西部地区的税负均值远小于东部地区，因此农业税削减对中西部地区的影响较弱。另一方面，耕地占用税大幅削减可能会加剧“占优补劣”对现有耕地质量的侵蚀。对外开放度和工业化水平分别对西部、中部地区有显著负向影响，城镇化率则对东部和中部地区有显著负向影响。

（四）不同发展阶段异质性分析

固定效應模型实际上是条件均值回归，很难反映整个条件分布全貌。分位数回归结果不易受极端值影响，具有较高的稳健性，同时还能提供关于条件分布更为全面的信息。因此，本文利用条件分位数面板模型探究在粮食TFP的不同位置分布各类因素影响的异质性特征。结果如表8所示。

从表8可以看出，耕地质量在各百分位数回归系数分别为-0.043、0.058、0.116、0.071和-0.012，且均在1%水平上显著，表明农田水利设施对TFP的影响在整体上呈现先升后降的“倒U型”趋势。在发展质量较低的初期阶段，农田水利设施建设对粮食生产效率的促进效应不断增强，但随着粮食生产效率提高到一定程度（约50%），这种促进效应开始呈现递减趋势。此时，需要通过引入新生产要素（如新型基础设施建设）或者促进要素质量升级才能突破衰减瓶颈，促进TFP持续提升。表现出规模报酬递减特征的还有农业结构调整与非农收入占比。人力资本和农村医疗资源对TFP的影响则经历了先降后升的“U型”变化，表明二者的影响可能存在门槛效应，越在高质量发展阶段，劳动力质量的积极作用就越显著。劳均经营规模与工业化水平的情况与之类似。随着发展质量逐步提升，财政支农力度对TFP的正向影响逐渐增大，而对外开放度对粮食生产技术的低端锁定效应有所增强，需要引起重视。农业贸易条件和城镇化率的影响在不同百分位水平上变化不大，与OLS回归结果近似保持一致。而农业税负和受灾率对TFP的影响趋于弱化，可能是因为近年来农业税负大幅减免，政策操作空间有限，“税收红利”逐渐消失。随着发展质量提升，运用科技抵御自然风险的能力不断加强，因而受灾率对TFP的负向影响明显弱化。

（五）稳健性检验

本文从三个方面进行稳健性检验：一是基于内生性问题处理的稳健性检验。考虑到可能存在由双向因果关系而导致的内生性问题，比如劳均经营规模会影响TFP，反过来TFP也可能影响劳均经营规模。陈海磊等[39]认为，在农村土地实际分配过程中，面临着数量与质量的权衡取舍，为了追求相对公平，分到土地面积较少的农户，其耕地质量可能会更好，从而TFP也更高。为了控制内生性问题，本文使用内生变量的滞后一阶和二阶作为工具变量，利用IV估计对模型重新回归。二是基于异常值处理的稳健性检验。为了消除异常值对估计结果的影响，本文对原始数据进行缩尾处理，保留1%～99%区间的观测值后重新回归。三是基于替换被解释变量的稳健性检验。在利用DEAMalmquist指数法测度粮食TFP时，通过改变投入变量的方式重新计算TFP，之后再进行回归。由表9可知，除个别解释变量系数大小略有变化外，符号和显著性基本与前文一致，证实本文所得结论较为稳健。

五、结论与启示

本文从TFP时空演化的视角探究了粮食产业高质量发展的创新驱动机制，运用DEAMalmquist

指数法、面板固定效应及条件分位数模型实证检验了中国31个省份粮食TFP的时空演化特征及技术传导路径。主要结论如下：①1999—2018年中国粮食TFP总体上呈现下降趋势，年均下降1.1%，技术进步年均下降1.4%，技术效率则年均增长0.5%，技术退步是拖累粮食TFP持续提升的主导因素。就不同地区而言，东部地区凭借雄厚的物质资本和人力资本，在科技创新方面具有优势，其技术进步速度领先于中西部地区。②从影响路径来看，除地区人力资本通过促进技术进步来驱动粮食TFP提高外，其余变量对技术进步均有负向影响进而抑制了粮食TFP提升，反映我国粮食TFP持续提升正面临要素质量恶化、配置结构扭曲、产业政策失灵、技术低端锁定等多重因素制约。并且，在高质量发展阶段，这种制约效应尤为显著。③要素质量方面，耕地质量恶化和农村医疗资源匮乏显著抑制了中西部地区粮食TFP提升。要素质量恶化或升级速度缓慢会扩大“落后者”与“最佳实践者”的技术效率差距。④配置结构方面，要素配置结构表现为要素拥挤与稀缺现象并存特征：一是要素空间配置结构失衡，扩大了生产效率的区域差距。东部地区科技与人力资源丰富，具有粮食生产率提升的优越条件，但粮食生产一直处于弱势地位。中西部地区粮食产量比重较高，但科技和人力资源严重不足。二是要素比例结构不合理，限制了规模经济发挥作用。从劳均经营规模看，中部地区已处于规模报酬递减阶段，而东西部地区的规模经济尚未显现。⑤制度设计方面，我国粮食生产支持政策存在缺陷，主要表现为农产品价格支持政策对价格机制强干预的“越位”、财政支农支出不足和结构不合理的“错位”以及对“占优补劣”监管力度不足的“缺位”。⑥科技创新方面，粮食生产技术长期处于“低端锁定”，自主创新能力严重不足，导致粮食生产抵御自然风险的能力较差，同时也限制了产业融合发展的技术溢出效应。

上述结论深化了粮食TFP时空演化机制，为赋能粮食产业转型升级、实现创新驱动的高质量发展提供了新思路：

第一，加快要素升级，提高要素质量和档次。一是稳定耕地面积与提升耕地质量并重。全面落实耕地占补平衡，强化监督与问责机制，坚决杜绝“占优补劣”对现存优质耕地的侵蚀。同时，逐渐扩大高标准农田建设规模，并向粮食生产功能区、主产区适当倾斜，确保耕地质量稳步提升。二是提高中西部地区农村人力资本水平。加大中西部地区农村教育医疗资源投入，充分利用互联网资源，促进优质教育资源共享，加速农村人力资本积累。丰富农村医疗供给形式，加强农村健康教育，从单一治病向“医养防治”一体化模式转变。

第二，优化要素比例结构和空间配置结构，改善资源配置效率。一是创新土地流转机制，突破规模化经营制度壁垒。进一步深化农村土地制度改革，清除权属安排模糊和权能界定不清的灰色地带，使产权关系更加有效地发挥作用。同时，积极探索“土地银行”“土地托管”“土地股权合作”等新型土地流转模式，优化配置土地经营权，推动适度规模经营。二是依托区域产业互动的技术合作与人才交流，充分利用东部地区科技与人力资源优势，对中西部地区形成辐射效应，从而加快中西部地区科技人力资本积累。通过优化产业要素空间配置结构，促进产业结构向合理化和高度化转型。

第三，完善产业政策设计，提高政策适配性和有效性。首先，构建以市场需求为导向的“以质论价、优质优价”机制，提升农产品质量和产业经济效益，避免以行政手段对价格机制的直接干预，防止市场资源调节机制弱化，按“市场定价、价补分离”原则，对粮食生产环节进行适度支持引导。其次，增加财政支农力度，优化支出结构。目前财政支农力度不足和结构不合理问题并存，主要表现为生产性支出比重偏低，尤其基础设施建设、农产品加工、产业化组织经营等项目支出严重不足，应加大财政支农投入，并逐步提高生产性支出比重。

第四，强化科技创新能力，加速技术突破和跨越式升级。一方面，健全农业科技创新合作机制，打通科技创新的“源头活水”，重点突破“卡脖子”技术难题，提高粮食作物对环境变化的适应能力。另一方面，将物联网、人工智能等数字经济技术积极融入粮食生产、加工、存储和运输各环节，通过“产业链横向拓展和纵向延伸、供应链优化、价值链升级”，提升粮食产业链现代化水平，以充分发挥产业融合发展的技术溢出及产业协同效应，加速粮食产业向精准化、数字化、智能化转型升级。

[注 释]

① https：//www.spp.gov.cn/tt/201710/t20171018_202773.shtml。

② 根据Atkinson等[25]的研究，随机抽样次数应至少等于截面个体数的平方才能保证准确性，因此随机抽样1万次是合适的。同时，为了保证估计结果的稳健性，本文使用百分位法和正态分布法估计置信区间，两种方法下的估计结果近乎一致。

③ KS检验是比较两个样本是否存在显著性差异有效且常用的非参数方法之一，详见Lopes等[27]。

④ LMtest、LRtest及Hausman检验结果均在1%水平上表明面板固定效应模型优于随机效应模型。

⑤ 粮食包括稻谷、小麦、玉米、高粱、谷子、薯类、大豆及其他杂粮。

⑥ 为锁定离群值，本文计算了全部样本对回归结果的影响力，发现其最大值与均值之比为2.97。且影响力前10位的样本中新疆和西藏样本占7位，与原始资料核对后并未发现数据有误，这可能是因为地区间存在异质性，故不将其视为异常值。

⑦ 现有统计资料不能单独分离农业税征收数量，考虑到耕地占用税和契税占农业四税比重较高，本文使用二者之和代表农业税数量。另外，由于西藏地区契税数据缺失严重，在回归时将其剔除，西部地区样本总数为220个。[BFQ][ZK）]

[参考文献]

[1]SOLOW R M. A contribution to the theory of economic growth[J].The quarterly journal of economics， 1956， 70（1）：65-94.

[2]REDDING S. Path dependence， endogenous innovation， and growth[J].International economic review， 2002， 43（4）：1215-1248.

[3]朱希刚.我国粮食生产率增长分析[J].农业经济问题，1999（7）：2-9.

[4]龚斌磊，张书睿，王硕，等.新中国成立70年农业技术进步研究综述[J].农业经济问题，2020（6）：11-29.

[5]LIN J Y. Rural reforms and agricultural growth in China[J]. The American economic review， 1992，82（1）：34-51.

[6]韋锋，徐源琴.农业税减免与农业全要素生产率——来自中国全面取消农业税的证据[J].世界农业，2020（12）：87-97.

[7]王善高，许昭，刘吉双.粮食收入性补贴对粮食生产技术效率的影响分析——以不同规模稻谷种植为例[J].农林经济管理学报，2020，19（3）：297-306.

[8]韩旭东，王若男，杨慧莲，等.土地细碎化、土地流转与农业生产效率——基于全国2745个农户调研样本的实证分析[J].西北农林科技大学学报（社会科学版），2020，20（5）：143-153.

[9]许庆.技术效率、配置效率与中国的粮食生产——基于农户的微观实证研究[J].人民论坛·学术前沿，2013（16）：84-95.

[10]劉战伟.气候变化视角下我国粮食生产率增长及其影响因素分析[J].南方农业学报，2019，50（2）：424-431.

[11]肖红波，王济民.新世纪以来我国粮食综合技术效率和全要素生产率分析[J].农业技术经济，2012（1）：36-46.

[12]杨锦英，韩晓娜，方行明.中国粮食生产效率实证研究[J].经济学动态，2013（6）：47-53.

[13]江松颖，刘颖，万晶.湖北省粮食生产的时空特征演变研究——基于耕地因素分解的视角[J].长江流域资源与环境，2016，25（9）：1339-1346.

[14]陈卫平，郑风田.中国的粮食生产力革命——1953—2003年中国主要粮食作物全要素生产率增长及其对产出的贡献[J].经济理论与经济管理，2006（4）：56-61.

[15]马林静，王雅鹏，田云.中国粮食全要素生产率及影响因素的区域分异研究[J].农业现代化研究，2014，35（4）：385-391.

[16]罗光强，谭芳.粮食生产效率的区域差异及其政策效应的异质性[J].农林经济管理学报，2020，19（1）：34-43.

[17]文高辉，刘蒙罢，胡贤辉，等.耕地细碎化与农业全要素生产率的空间格局及空间相关性探析[J].地域研究与开发，2020，39（5）：169-174.

[18]张超正，杨钢桥.农地细碎化、耕地质量对水稻生产效率的影响[J].华中农业大学学报（社会科学版），2020（2）：127-134.

[19]于伟，张鹏，姬志恒.中国省域农村教育人力资本与农业全要素生产率的空间交互效应——基于空间联立方程的经验分析[J].中国农业大学学报，2020，25（3）：192-202.

[20]邓明，柳玉贵，王劲波.劳动力配置扭曲与全要素生产率[J].厦门大学学报（哲学社会科学版），2020（1）：131-144.

[21]秦升泽，吴平.农业全要素生产率影响因素的社会嵌入性研究[J].华中农业大学学报（社会科学版），2020（2）：59-66.

[22]高维龙.农业服务化对粮食产业高质量发展的影响效应及作用机制[J].广东财经大学学报，2021，36（3）：61-76.

[23]金碚.关于“高质量发展”的经济学研究[J].中国工业经济，2018（4）：5-18.

[24]高维龙.产业集聚驱动粮食高质量发展机制[J].华南农业大学学报（社会科学版），2021，20（2）：80-94.

[25]ATKINSON S E， WILSON P W. Comparing mean efficiency and productivity scores from small samples： a bootstrap methodology[J]. Journal of productivity analysis，1995，6（2）： 137-152.

[26]黄金波，周先波.中国粮食生产的技术效率与全要素生产率增长：1978—2008[J].南方经济，2010（9）：40-52.

[27]LOPES R H， HOBSON P R， REID I D. Computationally efficient algorithms for the twodimensional KolmogorovSmirnov test[Z]. IOP Publishing，Journal of Physics： Conference Series，2008，119 （042019）.

[28]李士梅，高维龙.要素集聚下我国粮食生产经营制约因素分析[J].农业技术经济，2019（6）：38-45.

[29]徐永金，黄纪心，苗珊珊.主产区、产销平衡区和主销区粮食产量影响因素的实证分析[J].江苏农业科学，2018，46（20）：362-365.

[30]李文华.基于DEAMalmquist指数的中国农业全要素生产率时空差异及影响因素分析[J].山东农业大学学报（社会科学版），2018，20（2）：96-103.

[31]李谷成.中国农业的绿色生产率革命：1978—2008年[J].经济学（季刊），2014，13（2）：537-558.

[32]王芳，曾令秋.农业全要素生产率与农业优先发展[J].财经科学，2021（2）：121-132.

[33]FRE R， GROSSKOPF S， NORRIS M， et al. Productivity growth， technical progress， and efficiency change in industrialized countries[J]. The American economic review，1994，84（1）： 66-83.

[34]RAY S C， DESLI E. Productivity growth， technical progress， and efficiency change in industrialized countries： comment[J]. The American economic review，1997，87（5）：1033-1039.

[35]HOU L， ZHANG Y， ZHAN J， et al. Marginal revenue of land and total factor productivity in Chinese agriculture： evidence from spatial analysis[J]. Journal of geographical sciences，2012，22（1）：167-178.

[36]朱满德，李辛一，程国强.综合性收入补贴对中国玉米全要素生产率的影响分析——基于省级面板数据的DEATobit两阶段法[J].中国农村经济，2015（11）：4-14.

[37]周鹏飞，谢黎，王亚飞.我国农业全要素生产率的变动轨迹及驱动因素分析——基于DEAMalmquist指数法与两步系统GMM模型的实证考察[J].兰州学刊，2019（12）：170-186.

[38]闵锐，李谷成.环境约束条件下的中国粮食全要素生产率增长与分解——基于省域面板数据与序列MalmquistLuenberger指数的观察[J].经济评论，2012（5）：34-42.

[39]陈海磊，史清华，顾海英.农户土地流转是有效率的吗？——以山西为例[J].中国农村经济，2014（7）：61-71.

Research on Innovation Driving Mechanism of Highquality Development

of Grain Industry

——From the Perspective of Temporalspatial Evolution

of Total Factor Productivity

Gao  Weilong1，  Li  Shimei1，  Hu  Xunan2

（1. Economics School， Jilin University， Changchun 130012， China;

2. Economics School， Changchun University， Changchun 130012， China）

Abstract：   Innovation is the first driving force to enable the transformation and upgrading of grain industry and to lead highquality development. Based on DEA Malmquist index， the panel fixed effect and the conditional quantile model， this paper empirically analyzes the temporalspatial evolution mechanism and technology transmission path of grain total factor productivity （TFP）. The results show that： At present， the grain TFP has a downward trend， which is mainly due to the lack of technological progress. The eastern region has advantages in scientific and technological innovation， and its technological progress rate is faster than that of the central and western regions. From the perspective of impact path， except for human capital， other factors have negative influence on technological progress， which means the improvement of grain TFP is facing the constraints of many factors， such as deterioration of factor quality， distortion of allocation structure， failure of industrial policy and lockin of lowend technology， etc. Especially in the stage of highquality development， this restriction effect is more significant. Therefore， its necessary to improve factor quality， optimize the collocation structure， perfect policy design， and strengthen scientific and technological innovation to activate the innovation power of highquality development of grain industry.

Key words：grain industry; highquality development; innovation driving; total factor productivity; temporalspatial evolution

（責任编辑：李 萌）