甘肃省农业全要素生产率测算及空间差异性分析

李陇东，陈 耀

（甘肃农业大学财经学院，兰州730070）

0 引言

党的十九大报告指出，目前中国经济正处于由高速增长转向高质量发展的重要阶段，提高全要素生产率对中国经济发展方式以及经济结构的转变具有重要的意义。而甘肃省处于西北内陆地区，地势复杂多变、生态环境脆弱，农业经济发展受资源环境约束较大，继续依靠要素投入来促进经济可持续发展的可能性越来越小，提高农业生产技术，重视农业生产效率是实现甘肃省农业高质量发展的必由之路。因此，研究甘肃省农业全要素生产率，分析其农业整体发展水平和区域增长差异，有利于促进农业向高质量发展转变。

有关农业全要素生产率的研究，国外起步较早，Grilliches[1]、Solow[2]等学者在上世纪五十年代开始研究农业全要素生产率，国内起步较晚，开始于农业科技进步贡献率的测算。以研究对象来看，现有研究多集中在全国[3-6]、东南沿海地区[7-9]和农业大省[10-13]；以研究方法来看，大多采用参数法中的随机前沿分析[3-5]和非参数法中的DEA-Malmquist 指数[6，10，14]；从研究内容来看，主要对农业全要素生产率的区域差异性[15-17]、收敛性[18-20]、影响因素[21-22]和空间效应[23-24]进行分析。总的来看，鉴于学者们对于农业全要素生产率研究所选取指标、参数设定等的不同，所得出的结果也有一定差异。张扬[25]和张丽[26]认为技术进步是推动农业全要素生产率的主导力量；而詹礼辉[8]、高齐圣[17]则认为技术进步和技术效率共同作用于农业全要素生产率。

基于对上述文献的分析，近年来，学者们开始运用不同的空间计量方法分析农业全要素生产率，但仍存在以下不足：一是在区域选择上，主要集中在全国和部分发达省份，对西部欠发达地区的研究较少。二是虽然有关农业全要素生产率的研究较多，但分析农业全要素生产率空间相关性的较少。因此，本文通过测算甘肃省农业全要素生产率，分析它的空间特征，以期缩小农业发展的差距，促进区域经济协调发展，对推进农业高质量发展具有重要意义。

1 研究方法、指标选取与数据来源

1.1 研究方法

在进行全要素生产率测算时，常用的方法主要包括参数法和非参数法。其中参数方法主要有生产函数法[17、27]和随机前沿分析法[3-6]（SFA）。非参数方法主要有指数法和数据包络分析法[6、10、14]（DEA）等。参数法的优点是不需要对未知数据进行假设，缺点是需要设定具体的函数模型。而非参数方法就是不需要设定具体的函数模型，对指标选取没有标准化的限制，可以有多个投入和多个产出。基于此，本文选取非参数DEA-Malmquist 指数法对甘肃省农业全要素生产率进行测算。Malmquist生产率指数法可以表示为：

式中，D0指的是距离函数，下标0 代表着产出水平下的距离函数。在本文中，Malmquist 指数函数主要测算的是在t 时期的技术水平条件下，从t 时期到t+1时期的技术效率变化情况。

式中，EC 指的是效率变化指数；TC 指的是技术进步变化指数；PE 代表纯技术效率变化指数；SE 代表规模效率变化指数。

1.2 指标选取

1.2.1 投入指标。在借鉴李谷成[6]、方福前等[28]相关学者关于农业全要素生产率研究的基础之上，结合甘肃省农业发展的现状及特征，在数据可得性和可计算性的基础上，建立评价指标体系。选取的投入指标分别为：农业劳动力投入（农业从业人员）、农业土地投入（农作物播种面积）、农业机械动力投入（农业机械总动力）和农业化肥投入（农业化肥折纯量）。

1.2.2 产出指标。参照时悦[29]、郭丽[30]等相关学者对于农业全要素生产率的研究，选取的产出指标用农业总产值来表示，单位为万元。为排除价格因素的影响，本文将农业总产值统一折算为2010 年的不变价格。具体见表1。

表1 选取指标参照表

1.3 数据来源

本文运用2010—2019 年甘肃省14 个市州的面板数据，其中选取的所有投入产出指标全部来源于历年《甘肃统计年鉴》和《甘肃发展年鉴》，各项指标的描述性分析见表2。

表2 各项指标的描述性分析

2 结果分析

运用甘肃省2010—2019 年14 个市州投入与产出的数据，采用DEAP 2.1 软件，对其农业全要素生产率进行测算与分解。

2.1 时序特征分析

由表3 可知，整体上，2010—2019 年，甘肃省农业全要素生产率年均增长6.5%。其中，技术进步年均增长5.8%，技术效率年均增长0.56%。这表明研究期内，技术进步对甘肃省农业全要素生产率的贡献程度强于技术效率。这主要是由于近些年来，随着农业机械、节水灌溉、生物育种以及水肥一体化技术在农业中的应用，使得技术进步在农业生产中的地位越来越重要。技术效率相比于技术进步对农业全要素生产率的影响程度较低，纯技术效率年均增长值为-0.26%。从侧面反映出技术效率对农业资源有效利用较低、技术效率推广和管理水平较弱，在目前的经济发展条件下，技术效率无法达到技术进步的需求。农业技术效率中规模效率年均增长0.94%，虽然有一定的增长，但作用不明显，这也在一定程度上说明甘肃省的规模化程度不高。主要是因为甘肃省的土地以山地、高原为主，土地地块面积小，规模化耕作难度较大。

表3 2010—2019 年甘肃省农业全要素生产率Malmquist 指数及其分解

由图1 可知，甘肃省农业全要素生产率呈现出明显的阶段波动性。在2010—2019 年，只有2010 年农业全要素生产率指数小于1，出现了负增长。其余年份农业全要素生产率指数全部大于1，农业经济发展水平实现了不同程度的增长。技术效率指数有5 个年份实现了正增长，技术进步指数有8 个年份实现了正增长。2015—2016 年甘肃省农业全要素生产率指数增幅明显，这主要是因为2016 年是“十三五”规划的开局之年，甘肃省出台了农业补贴政策，各地购置了大量的农业机械，机械化水平在一定程度上得到了提升。在2015 年以后，甘肃省化肥施用量不断下降，且在2016 年同比下降10.08%。机械化水平的提升以及规模化生产的发展再加上农业技术进步，促进了农业全要素生产率的提升。技术效率小于1 的年份也有5个，说明在这几年中，农业生产过程中存在着技术无效率的情况，农业生产的技术水平并没有被充分发挥出来，农业技术效率与农业技术进步发展不同步。

图1 2009—2019 年甘肃省农业全要素生产率Malmquist 指数及其分解

2.2 区域差异性分析

由表4 可知，甘肃省农业全要素生产率的均值为1.045，发展水平良好，这与甘肃省对农业发展的扶持力度、基础设施的完善、资源利用效率的提升以及农业技术进步密不可分。2010—2019 年甘肃省各个市州农业技术进步和农业全要素生产率全部大于1，说明技术进步和农业全要素生产率正相关，技术进步促进全要素生产率的提高。而庆阳市、金昌市和定西市的农业技术效率小于1，说明三市的技术效率在一定程度上抵消了农业技术进步的作用，对农业全要素生产率的提高具有阻碍作用。且它的纯技术效率和规模效率也小于1，说明在一定程度上对资源利用效率较低，无法满足技术进步的需求，并且因其规模效率并未达到有效的状态，导致他们的综合技术效率整体上也未能达到完全有效。因此，在之后的发展过程中，应该在充分利用技术水平的基础上，提高规模效率，从而提高农业发展水平。

表4 2010—2019 年甘肃省市州农业全要素生产率Malmquist 指数及其分解

利用ArcGIS 软件做出了甘肃省农业全要素生产率及其分解指数的空间相关图，由图2 可知，甘肃省农业全要素生产率总体上展现出了西北高、东南低的特征。河西地区农业发展水平较好，主要是因为有良好的灌溉条件，疏勒河、黑河、石羊河以及祁连山山脉的冰川，为农作物生产提供了大量的灌溉水源。此外，农作物耕作区的地形平坦，为机械化和规模化生产提供了条件。而东部地区的农业全要素生产率较低，是由于靠近六盘山，耕地以高原山地为主，基础条件差。再加上受水资源、经济资源、生态环境和自然灾害等的影响，使得农业发展水平较低。甘南地区位于黄土高原和青藏高原的交界地带，农业发展水平较为落后，是因为该地区主要以牧业为主，牧业承载着生态环境保护的重要作用，种植业在生产过程中占比较小。并且经营方式还依旧采取着粗放经营的模式，农业生产基础条件差，市场化与信息化发展水平较低，各种因素影响了甘南地区的农业发展水平。

图2 甘肃省农业全要素生产率Malmquist 指数及其分解空间相关图

2.3 空间相关性分析

2.3.1 全局空间相关性分析。全域空间自相关是指分析研究对象的整体性特征，本文运用全局Moran’s I指数来计算甘肃省农业TFP 的全域空间相关性，其计算方法具体如下所示：

yi表示i 地区的数据值表示研究对象所有地区数据值的平均值；n 为区域总量。wij表示空间权重矩阵，计算得出的Moran’s I 结果区间应该在[-1,1]的范围内，若Moran’s I>0，则说明研究期内在空间上存在正相关，测算的莫兰指数值越大，空间相关性越显著。若Moran’s I<0，则说明研究期内在空间上存在负相关，测算的莫兰指数值越小，空间相关性越微弱。

由表5 可知，Moran’s I<0 的年份只有2011 年，甘肃省农业全要素生产率空间存在负相关，空间相关性较弱。而其余年份的Moran’s I 全部大于0，说明在这些年份中，甘肃省农业全要素生产率空间存在正相关，空间集聚现象明显。也就是说甘肃省农业全要素生产率相似的地区趋于空间集聚，即农业全要素生产率水平高的市州趋于集聚而形成高高集聚，水平低的市州趋于集聚而形成低低集聚。从检验的结果来看，2011 年跟2017 年的p 值通过了5%的显著性检验，其余年份的P 值全部通过了1%的显著性检验。但对于空间单元之间的相关程度，莫兰指数无法更好地去反映，可以通过莫兰指数散点图来进行分析。莫兰指数散点图主要分析研究区域内每个区域的空间集聚特征。

表5 甘肃省农业全要素生产率全局Moran’s I 指数

2.3.2 局部空间相关性分析。本文运用空间关联局域指标（lisa 图）来研究区域空间关联性。lisa 的空间自相关性分析以及集群分析主要运用的是局域Moran’s I指数。局部Moran’s I的计算方法如下：

式中，n 代表区域总数；yi代表第i 地区数值；yj表示第j 地区数值；代表研究对象所有地区的平均值；wij代表空间权重矩阵。如果Moran’s I>0，说明研究区域与周边区域差异较小；如果Moran’s I<0，说明研究区域与周边区域差异较大。

图3 显示了2010、2014、2015、2019 年空间自相关lisa 集聚图。由图可知，甘肃省农业全要素生产率的热点区域在不同的时间点集中在不同的区域，2010 年集中在张掖市，2014 年集中在武威市，2015 年集中在张掖市、武威市以及兰州市。而到2019 年时，则没有热点区域。冷点区域也伴随着时间的改变而改变，2010年集中在甘南州、临夏州和天水市，2014 年在此基础上加入了定西市和陇南市，2015 年主要集中在定西市和天水市，2019 年集中在陇南市和定西市。总体来看，热点区域主要集中在河西部分地区，冷点区域主要集中在甘肃省南部地区，其他地区在所选时段内均呈现出不显著的状态。在研究期内，甘肃省农业全要素生产率的空间自相关存在着差异性，在不同的时期，不同市州的空间自相关性也呈现出不一样的特点，热点区域和冷点区域的聚集程度也不同，这主要是因为各市州所处的地理位置、自然环境以及经济发展程度不同所导致的，各地的原始分布和经济发展水平的不同，对于空间自相关的影响程度也不同。

图3 甘肃省农业全要素生产率空间自相关lisa 集聚图

3 结论与建议

3.1 研究结论

本文采用非参数DEA-Malmquist 指数法和Moran’s I 对甘肃省2010—2019 年14 个市州的农业全要素生产率进行了测算，并对其空间相关性进行了分析。结果表明，农业技术进步年均增长5.8%，农业技术效率年均增长0.56%。技术进步依旧是推动甘肃省农业全要素生产率提高的主要动力。农业全要素生产率在总体上呈现出西北高、东南低的特征，且存在着空间正相关性，空间集聚现象明显，热点区域主要分布在河西部分地区，冷点区域主要分布在南部地区。

3.2 政策建议

基于上述结论，本文就此提出以下几点建议。一是要依靠创新驱动农业发展，加大农业科研经费投入，引进农业科技人才。二是要逐步改变以化肥、农药、农膜等生产要素投入向提升农业技术效率和农业高质量发展方向转变。三是要落实区域经济协调发展，促进技术进步在区域间的流动，发挥各个地区的产业优势。四是要加强区域间的辐射以及带动程度，从经济高发展区向经济低发展区进行资源转移与共享，缩小区域间的差距。