河南农业全要素生产率的时空差异及其驱动因素分析*

孙于超 ，邓蒙芝

（河南农业大学经济与管理学院，河南 郑州 450002）

0 引言

河南省作为我国的传统农业大省，平原面积占全省面积的55.7%，实有耕地800万公顷，在仅占全国耕地面积1/16的情况下，生产了全国1/10的粮食、1/4的小麦。近年来，在河南省对“三农”工作的不断重视下，河南省粮食产量不断刷新记录，已连续四年达到650亿千克以上，不仅解决了全省1亿人的吃饭问题，更成为我国重要的粮仓。

农业产量的持续增长，不仅有利于社会民生的发展、经济社会的稳定，更有利于国家粮食的安全。然而，由于农业自身具有弱质性、生产周期较长等特点，很容易受到其他因素的干扰。从国际环境看，受新冠肺炎疫情的影响，国际粮食市场预期不稳定性进一步升高，发展中国家粮食安全面临新的风险和挑战[1]。从国内环境看，不断增加的农业生产投入与资源环境可承受能力之间存在矛盾性[2-3]；农村劳动力结构老龄化现象日趋严重[4-5]；农产品供给相对过剩与周期性短缺时有发生[6-7]。因此，如何确保农业持续稳定高质量发展，成为当前的热点问题。

农业产出的增长主要来自于两方面，一方面是要素投入驱动型增长，另一方面来自于非投入要素型的增长，即全要素生产率增长[8]。要素投入对于农业产出的提高具有短期效应，但这种生产模式较易受到资源环境的约束，粗放式生产最终可能导致生态环境的破坏[9-10]。全要素生产率（TFP）即除有形要素投入之外的其他因素所引起的产出增长率的变化，全要素生产率增长率可以表示为生产率增长部分减去要素投入增长部分[11]。非要素投入因素包括技术进步、要素配置、制度和管理等因素，其对农业生产的发展更具有长期影响。

关于农业全要素生产率的测量与计算，主要方法可以分为以随机前沿生产函数法（SFA）为代表的参数方法和以数据包络分析法（DEA）为代表的非参数方法[12]。史常亮等[13]采用随机前沿生产函数法对1993—2013年中国农业全要素生产率进行测量。结果显示，有赖于技术进步，观测年间TFP指数呈上升趋势，平均增长速度为1.74%。李翔等[14]基于随机前沿生产函数法测量了华东地区农业全要素生产率，研究地区的TFP指数呈现先下降后上升的趋势，其中技术效率水平对其具有负向影响。秦升泽等[15]采用DEA方法分析了我国1998—2015年的农业全要素生产率，结果显示，我国农业全要素生产率在观测年间年均增长2.8%，其中技术进步对其增长具有显著促进作用。钟丽雯等[16]采用DEA-Malmquist指数法分析了广西近10年间的农业全要素生产率，结果显示研究区域的农业全要素生产率呈波动增长态势，在观测年间增长了11.7%。以上相关文献对我国农业生产效率的研究具有重要的参考价值，但也存在止步于发展现状的分析或运用的方法较为单一等问题，运用多视角、多方法对农业全要素生产率及其驱动因素进行深入分析的较少。

本文的关注重点为河南省农业全要素生产率，采取的主要方法为DEA-Malmquist指数法，利用2011—2019年的数据测算河南省农业全要素生产率整体变动情况并从时间和空间两个维度分析其具体变化特征；在此基础上，结合固定效应模型回归法进一步分析全要素生产率的驱动因素，以期更详细地了解河南省农业生产情况，为河南省农业提质增效提供更具针对性的建议或对策。

1 研究方法与数据来源

1.1 研究方法

1.1.1 DEA-Malmquist模型

DEA-Malmquist模型是利用DEA对于生产前沿面的估计与Malmquist指数相结合，通过方向距离函数对效率进行评估，同时Malmquist指数可以对TFP进行分解，评估各项要素对农业的贡献。以河南省各地市作为各生产决策单元i，投入和产出变量分别为x、y，在t时期技术条件下t时期到t+1时期的TFP变动的Malmquist指数以及在t+1时期的技术条件下t到t+1阶段的Malmquist生产率指数分别为：

在测量TFP的过程中会受到时期随机选择因素的扰动，为了减少这些因素的影响，将上述两个公式作几何平均得到t到t+1阶段的TFP变动的Malmquist指数：

在上述公式中，若Malmquist指数大于1，则表明t+1阶段的TFP较t阶段的TFP有所上升；若该指数小于1，则表明TFP较上一阶段有所下降；若该指数等于1，则表明TFP没有发生变化。

在规模报酬不变（CRS）的情况下，可继续对公式（3）进行分解：

在式（4）中，TE表示从t到t+1阶段的技术效率指数，TP表示这一期间的技术进步，因此全要素生产率被分解成了技术效率和技术进步两个指标。

在规模报酬可变（VRS）的情况下，可继续对上式中的技术效率进行分解：

在式（5）中，农业全要素生产率被分解成纯技术效率（PTE）、规模效率（SEC）和技术进步（TP）三项。

1.1.2 固定效应模型回归分析

为了进一步考量河南省农业全要素生产率的驱动因素，课题组将河南省农业全要素生产率作为因变量，主要选取第一产业固定投资比、教育支出占财政预算支出比和城镇化率作为自变量对其影响因素进行考察。这些变量在观测年间的数据构成面板数据，并对面板数据进行Hausman检验，得到P值为0.0018，拒绝原假设，因此采取固定效应模型。固定效应模型对于样本个体中无法观测到的差异性具有一定的优越性，同时考虑时间效应的影响因素，可以有效降低数据偏差[17]。本文构建农业全要素生产率影响因素的具体表达式如下：

其中，YTFP,it为被解释变量，即上一步求出的全要素生产率，iα为各影响因素的待估系数，iu为各样本的不可估计的固定效应，itδ为随机扰动项。

1.2 数据来源与描述性统计分析

课题组在对河南省18个地市2011—2019年的农业全要素生产率进行考量时，在参考相关文献的基础上结合当前农业生产的一些新变化，选取劳动力、化肥、农药、农机、土地、灌溉六个方面作为投入指标。其中劳动力以农林牧渔业就业人数（万人）为指标，化肥以农用化肥折纯量（吨）作为参考，农药以农药使用量（吨）作为参考，农机以农业机械总动力（万千瓦）作为统计指标，土地以农作物播种面积（千公顷）为统计指标，灌溉以灌溉面积（千公顷）作为统计指标，如表1所示。为了剔除农业生产过程中的“中间消耗”，将农林牧渔业增加值（亿元）作为产出指标。通过整理2011—2019年的数据，得到面板数据，并进行描述性统计分析，结果如表2所示。

表1 河南省农业全要素生产率评价指标体系

关于农业全要素生产率驱动因素的考察，本文采取的指标有第一产业固定资产投资值占固定资产投资总额的比例、公共预算教育支出占公共财政预算总支出的比例以及城镇化率，代号分别为TZ、JY、CZH，具体如表3所示。

表3 河南省农业全要素生产率影响因素指标体系

文章采用的统计数据主要来自于历年的《河南统计年鉴》和《中国农村统计年鉴》等，使用到的软件包括Stata 16、Deap 2.1和EViews 10。

2 全要素生产率的测度与分析

将河南省18个地级市2011—2019年的投入产出数据录入软件Deap 2.1中进行农业全要素生产率的测度。关于投入导向与产出导向的选择，一般来说，投入导向是在产出水平一定的情况下使投入成本最小；产出导向是在投入水平不变的情况下获得最大产出可能。在实际经验中，人们更倾向于获得更多的产出，因此本文将运算模型设定为产出导向。

2.1 时序动态分析

从时间维度上分析河南省农业全要素生产率变动情况，如表4所示。河南省农业全要素生产率指数的平均值为1.056，平均增长率为5.6%，表明河南省全要素生产率整体呈现波动上升的趋势。将TFP分解来看，技术进步指数在观测年间的平均值为1.060，平均增长率为6.0%；技术效率在观测年间下降了0.4%，由于技术效率的进步受到管理、人才素质等多种因素的影响，农业技术效率存在与技术进步不匹配的现象。技术效率可进一步分解为纯技术效率和规模效率，平均指标分别为0.995和1.000，其中纯技术效率增长率为-0.5%，处于无效率或低效率的发展状态，而规模效率在观测年间变化较为稳定。

表4 河南省农业全要素生产率指标动态分析

进一步对比分析河南省全要素生产率、技术进步和技术效率三者在观测年间的动态变化情况。如图1所示，技术进步与全要素生产率两者的变动方向趋于一致，技术效率在观测年间则处于相对稳定的状态，整体发展水平相对滞后。该现象表明：在全要素生产率波动前进的过程中，起主导作用的是技术进步，先进生产技术装备的大力发展有可能抵消了一部分由于技术无效率所造成的滞后影响。技术效率表示在现有的技术条件下，通过优化投入要素组合所能达到的最佳产出，当前技术效率处于较稳定的态势，表明各种资源的利用和配置还没有达到到最优的状态，河南省农业全要素的增长主要依赖技术进步的带动。

图1 河南省TFP、TP与TE对比分析图

在规模报酬可变的情况下，技术效率可以进一步分解为规模效率和纯技术效率。上文提到技术效率主要考量的是生产决策单元对资源配置、利用的情况，纯技术效率主要考量的则是管理、制度方面的因素，规模效率可以看作是现有投入规模与最优投入规模之间的产出差距[18]。如图2所示，纯技术效率与规模效率在观测年间交错波动，整体波动幅度不大，但两者的效率水平仍存在一定的无效或低效情况，表明现阶段管理手段以及对资源的组合利用都还未达到较高的水平。

图2 河南省PTE、SEC和TFP对比分析图

2.2 区域差异分析

从空间维度上分析河南省农业全要素生产率变动情况，表5为河南省18个地市的Malmquist指数及其分解项。河南省全要素生产率Malmquist指数平均值为1.056，整体处于不断向前发展的状态，但各地市的指数存在一定的差异，最低值许昌和最高值三门峡两地的发展速度分别为2.1%和10.3%。河南省各地市的技术效率平均值为0.996，其中技术效率指数最高的为商丘1.017，最低的为许昌0.967，两者的发展水平相差5%。纯技术效率和规模效率指标的平均值分别为0.995和1.000，纯技术效率和规模效率最高的地区分别为濮阳和周口。各地的技术进步指数都优于本地区的技术效率和规模效率，技术进步指数最低的区域为新乡，其指数为1.043，最高的是三门峡，其指数为1.103，两者之间的发展速度相差6%。

表5 河南省各地市Malmquist指数及其分解项

从区域差异结果的分析中可以得出：各地的全要素生产率都处于有效的状态，局部地区存在较为明显差异；各地的技术效率存在一定差距，整体处于低效的状态，各地对农业资源的配置能力以及资源利用效率还存在提升的空间；技术效率可以分解为纯技术效率和规模效率，因此各地区之间的纯技术效率差异和技术效率差异相似，各地的规模效率差异不大；各地的技术进步存在明显差异，且对全要素生产率具有显著影响，技术进步的有效发挥不仅与当地的地势地形有关，还与当地的农业生产条件等基础设施有密切关系。

3 河南农业全要素生产率驱动因素分析

根据上文选取的指标，运用EViews 10软件进行固定效应模型回归分析，结果如表6所示。

表6 河南全要素生产率驱动因素回归结果

结果显示，城镇化率（CZH）和公共财政预算教育支出比（JY）在1%水平上具有显著性，两者系数值分别为0.93和1.40，表明城镇化率和教育对农业全要素生产率具有正向影响，且教育因素的影响更为显著。第一产业固定资产投资比（TZ）的P值大于0.01，小于0.05，在5%水平上具有显著性，但系数为负值，表明其对农业全要素生产率具有负向影响，这种结果可能在于部分农村地区基础设施较为薄弱，影响了农业全要素生产率的有效发挥。

4 结论与建议

4.1 结论

在当前粮食安全的大背景下，面临不断变化的国际和国内环境，如何实现农业产出的稳定增长以及更好推动农业提质增效成为学者关注的热点问题。基于以上背景，本文选取2011—2019年河南省18个地市的7个投入产出指标构成的面板数据，利用Malmquist-DEA模型对全省的农业全要素生产率进行测算，并从时间和空间两个维度进行分析，得到如下结论：

1）从时间发展趋势上看，近十年间河南省全要素生产率和技术进步率呈波动向上的趋势，且具有较高的相似度，其在样本观测期间的平均增长率分别为5.6%和6.0%；技术效率在样本观测年间发展较为缓慢，还存在一定的上升空间；规模效率整体处于有效且稳定的状态。

2）从区域空间维度上看，各地市的技术效率存在一定差异，受其影响，技术进步和全要素生产率在空间地域上也呈现出相似的波动性；规模效率各地市整体上相差不大，各别地区有小幅度的差异。

3）从发展贡献程度上看，全要素生产率的增长主要依赖于技术进步，其次是规模效率，但在观测年间整体变化不大；技术效率对全要素生产率的影响较为显著，在观测年间平均下降了0.4%，仍然存在一定的无效或低效状态，表明当前对各种生产要素的优化组合和配置利用仍然存在一定的进步空间。

4.2 建议

基于以上结论与分析，提出如下建议：

1）促进技术进步与技术效率提高相匹配。农业技术的大幅度跃升离不开政府、科研院所以及社会各界持续不断的推动，应该加强农业技术成果的推广与应用，促进先进生产技术手段与当地农业生产环境相结合，优化各生产要素之间的配置与组合；同时注重培养新农人等农业专业人才，不断推进农业生产效率和资源利用效率的提高，以促进技术进步与技术效率的协同发展。

2）促进适度规模经营，激活农业规模效益。以适度规模经营为基础，引导规模经营主体采取新的生产技术方式以及更先进合理的农业生产经营管理模式与当地农业生产条件相结合，促进农业生产经营单位更好地发挥规模优势，提高农民增收能力和市场竞争力，促进农业可持续发展。

3）以提质增效为发力点，促进农业产业持续良性发展。首先，加强政府政策引导，推动农业生产结构调整，促进农业高质量发展；其次，以市场需求为着眼点，畅通农业生产与市场需求的对接渠道，推动面向不同消费者群体的优质农业；最后，加强农村基础设施的建设，完善农业生产的配套设施，让城乡资源能够进得去、出得来，以多元方式促进城乡融合发展。