我国省际粮食生产效率评价与影响因素研究

王子涵

河南工业大学，河南郑州 450000

“民以食为天，食以安为先。”粮食安全与国家发展紧密结合，是兴国安民的一等要务。“十四五”规划纲要指出要将粮食安全作为国家安全的坚实根基，并对此进行了安排部署，体现了粮食安全极其重要的地位。中央经济工作会议、中央农村工作会议和党的十九届五中全会均表现出对粮食安全的高度重视。近年来，我国在粮食安全发展方面取得了举世瞩目的成就，但在农业比较效益低、农业生产成本高、农业生产的耕地资源逐渐减少的现状下，我国粮食安全仍面临着许多潜在的威胁[1]。

新型冠状病毒肺炎疫情暴发以来，部分国家对粮食出口采取限制性措施，由于疫情管控的封锁措施影响了粮食产出水平与流通速度，全球粮食安全和农产品贸易受到了一定的冲击[2]。全球为缓解粮食危机发布的2021年《全球粮食危机报告》指出，全球粮食危机水平已上升至近5年来最高。新型冠状病毒肺炎疫情的暴发对各国防范粮食市场风险、化解生产隐患和保障市场供给都提出了重大的挑战。后疫情时代，全球主要农业大国纷纷调整和制定新的粮食发展战略和粮食安全举措。在面对后疫情时代世界粮食发展与安全格局的新变化时，作为世界粮食的生产和消费大国，中国稳定粮食生产，保障粮食绝对安全是当前和未来很长一段时间需要解决的突出问题[3]。

与此同时，当前国际粮食贸易秩序也进一步增加了中国的粮食安全风险，主要表现在3个方面：第一，世界粮食安全治理面临困境。由发达国家主导的全球粮食安全治理体系处于不平等的状态，跨国粮农企业控制全球粮食贸易，以跨国粮农企业为中心的粮食体系缺乏韧度和自我调整性。第二，新型冠状病毒肺炎疫情的全球暴发进一步加剧世界粮食安全恶化态势。联合国粮食和农业组织发布的《2021年世界粮食安全和营养状况》指出：“到2030年可能仍有约66亿人面临饥饿，与未发生COVID-19疫情的情景相比增加3 000万人，其中部分原因是疫情对全球粮食安全造成的长期影响。”第三，中国粮食进口来源国较为集中，其中大豆的对外依存度最高，这使得中国在国际粮食贸易中承担更多的政治风险、法律风险、商业风险、价格风险和供应链风险[4]。

我国在提高农业生产效率时所面临的首要挑战是兼顾粮食安全和对农业资源利用。国内学者研究表明，解决上述问题的切实可行的办法是提高农业资源利用效率[5]。研究者不仅要研究各投入要素与农业生产效率之间的关系，还要论证以下几个问题：国家粮食安全体制与资源利用效率对农业生产效率的影响。技术投入与生产规模如何影响农业生产效率？对于上述问题，利用《中国统计年鉴》，利用农村用电量、有效灌溉面积、农药使用量和农用塑料薄膜使用量等要素分析2015—2020年全国各个省（市）的粮食效率，同时分析居民人均可支配收入、R&D经费和乡村人口指标对粮食生产效率的影响，以期为中国以提高农业资源利用效率和粮食安全为目的的经济水平提升提供依据，助力中国维护国家粮食安全战略。

1 文献综述

农业生产资源的利用和粮食安全如何影响农业生产率一直是农业经济学者的研究重心[6]。国内学者对农业生产率进行了深入的分析调查，主要侧重于农业经营体制、农业劳动生产率和耕地资源利用效率等方面[7]。在农业生产效率方面，主要从效率测定、投入因子等方面进行研究。在粮食安全方面，则更多的是关注粮食安全现状、粮食生产效率、投入因子等[8]。学者在增长因素方面存在2种不同看法：一种主张技术进步会促进全要素生产率增长，技术效率则会限制其进步与发展，另一种主张技术进步与技术效率相辅相成，共同促进了全要素生产率的增长[9]。在影响因素方面，影响粮食全要素生产率的因素主要包括经济水平、基础设施、粮食产出和农民人口占比等，研究结论随着时间和区域的不同会有所差异[10]。

衡量农业生产效率最主要的概念是农业全要素生产率，其主要用途是测度除劳动力和资本投入以外，因技术发展和效率进步等实现的农业增长。我国学者在研究农业全要素生产率时主要分为2个方面。

一是研究农业全要素生产率的不同测算方式，主要包括随机前沿面分析法(SFA)、生产函数法和基于DEA的Malmquist生产函数指数法等，并且对不同方式的结果进行了对比式分析。王阳[11]运用生产函数法研究了四川省的面板数据，得出农业技术水平的提升一方面推动了农业TFP的增长,另一方面却拉大了技术效率差距。黄金波等[12]引入半参数和完全非参数随机前沿模型，得出我国粮食生产技术效率的时间效应关于连续型影响变量具有显著效应。王永静等[13]运用含非期望产出的超效率EBM模型和GlobalMalmquist指数模型测算各省（市）农业全要素能源效率和能源全要素生产率，得出农业能源效率提高与能源全要素生产率具有高度的相关性。

二是研究农业全要素生产率的主要影响因子，国内学者从农户资源生产要素、农村公共品供给、经济发展水平等因素对农业全要素生产率的影响。周鹏飞等[14]采用DEA-Malmquist指数法和两步系统GMM模型分析，得出农业TFP增长率及其对第一产业总产值增长的贡献率均呈现出中部大于西部、西部大于东部的特点。李文华[15]运用非参数Malmquist生产率指数方法测算了中国农业全要素生产率的变化特征。王留鑫等[16]利用DEA-Malmquist指数法对农业全要素生产率进行研究,发现我国农业全要素生产率年均增长2.8%。

由上述分析可得，DEA是一种较为直观、全面的农业全要素生产率测算方式，多数地区由于各方面禀赋不同，在测算时需要考虑地域差异。而DEA不用研究者主观地设定函数，客观性较强，结果可视化程度高，可以减小误差，运用范围较广，便于理解与分析。利用DEA-Malmquist指数等方法对中国各省农业全要素生产率进行测定，从时间、空间等多维角度对中国粮食效率进行可读化分析，有利于更好地把握中国农业经济水平和发展趋势，了解粮食安全和农业资源利用效率对农业生产效率的影响，并提出一些前瞻性的建议。

2 研究方法与变量选取

2.1 实证方法

2.1.1 数据包络模型Malmquist生产率指数是由Malmquist(1953)最早提出来的，后来Caves等(1982)将Shepherd距离函数与Malmquist生产率指数相联系用于生产率变化的测算。由于选用的研究数据是多输入多输出型，不用对数据作出任何调整，且不需要了解数据之间的某些表达式关系，而DEA模型只从决策单元的实际输入输出数据求出最优权重，具有很强的客观性，能更准确清晰地反映动态效率变化，因此选用DEA-Malmquist指数进行分析[17]。

由文献可得，DEA-Malmquist指数公式如下：

在公式（1）中，TPFCH为全要素生产率，Dt为以t期技术水平表示的t期与t+1期的距离函数，Dt+1为以t+1期技术水平表示的t期与t+1期的距离函数。全要素生产率（TFP）为技术效率（TEC）和技术进步（TC）的乘积，技术效率为纯技术效率（PEC）和规模效率（SEC）的乘积，如下式：

2.1.2 受限因变量模型Tobit模型由James Tobin（1958）提出，指因变量虽然在正值上大致连续分布，但包含一部分以正概率取值为0的观察值的一类模型。因变量在该模型中是有取值范围的。效率测算的结果在0到1之间，属于受限因变量模型，此时用最小二乘法估计含有截尾数据的模型参数会产生偏差，且估计量是不一致的。而Tobit模型则不会出现上述问题，所以使用Tobit模型分析我国粮食效率的影响因素。

Tobit回归模型为：

其中，Y*为截断因变量向量，Y为效率值向量，X为自变量向量，β为回归参数向量，μ为误差项，且μ～(0，σ2)。

2.2 变量选择

在运用DEA-Malmquist指数方法进行测算与分析前，综合考虑产出变量的真实、准确、完整和可获得性，对投入变量、产出变量和影响指标进行明确的定义。

农业生产总值是衡量粮食效率最重要、最根本的产出变量，但考虑到其容易受到价格因素的影响，所以选取农业生产总值和粮食产量2个产出变量，两者优势互补，使结果更加直观明晰。

考虑各变量对结果的影响程度和重要性，共选取8个投入变量。一是主要农业机械年末拥有量，指农业生产单位实际拥有的各种农业机械设备的数量，包括专门用于农业生产的和以农业生产为主进行综合利用的机械设备。二是有效灌溉面积指的是地块比较平整，有水源、灌溉配套设施，在一般年景下当年能进行正常灌溉的农田面积。三是农作物总播种面积，是指实际播种或移植有农作物的面积。四是农用柴油使用量，指用于拖拉机和排灌柴油机的柴油使用量。五是农药使用量，指农业上用于防治病虫害和调节植物生长的化学药剂使用量。六是农用塑料薄膜使用量，指农业生产中用于保护植物水分流失等措施的一种制品的使用量。七是农村用电量，指农业用于生活生产的电使用量。八是农用化肥施用折纯量，指本年内实际用于农业生产的化肥数量，包括氮肥、磷肥、钾肥和复合肥。

为使研究模型更多维立体，研究结果更全面完整，除投入产出变量外，延展选取3个外生变量作为影响效率的指标。作为消费开支的最重要决定性因素，居民人均可支配收入常被用来衡量一个国家生活水平的变化情况。R&D经费能够直接体现国家对研究与开发的经费投入，是表现国家对粮食效率发展支持程度的关键指标。乡村人口。劳动力可以显著提高粮食生产效率，但由于数据不可获得，因此以乡村人口代替为影响指标。投入产出变量与影响指标的统计性描述见表1。

表1 变量的统计性描述

2.3 数据来源

所有数据选自《中国统计年鉴》《中国农村统计年鉴》（2016—2021）。

3 结果与分析

使用DEAP2.1版本，运用DEA—Malmquist指数方法，对中国31个省（市）2015—2020年间粮食效率技术进步、技术效率、纯技术效率、规模效率、全要素生产率进行分解与测算，并运用Stata16.0来分析效率影响因素。

3.1 粮食效率的变化趋势

粮食效率随年份变化趋势见表2，从 总 体 上 来 看，2015—2020年，中国31个省（市）粮食效率全要素生产率平均增长5.6%，技术效率平均增长-2.94%，技术进步平均增长12.08%，纯技术效率增长-0.96%，规模效率增长-2.08%。不难看出，粮食效率的全要素生产率增长幅度较大，主要依靠技术进步的快速增长，同时体现出技术无效率。技术无效率具体表现为纯技术效率和规模效率的退步，且主要归因于规模无效率。

表2 2016—2020年粮食产量效率的变化趋势

在研究期间，我国实行第十三个五年规划，加大投入力度，鼎力支持农业技术水平的提升，粮食效率全要素生产率呈现逐年递增的趋势，粮食效率的技术进步指数始终大于1，作出了重大贡献，但正向贡献程度较低，还有提升空间。技术效率自2018年起才对全要素生产率具有正向促进作用，但由于2019年中美贸易战拉开帷幕，新型冠状病毒肺炎疫情暴发，技术效率受到了严重影响，2020年疫情稍有好转，我国各行各业的经济逐渐复兴，带动了农业技术和技术效率的快速提高。技术效率仅有在2018年和2020年呈正向增长，主要原因为纯技术效率指数大于1，其中2018年技术效率增长幅度最大，因为此时规模效率和纯技术效率协同促进其增长。

3.2 粮食效率的省际间差异分析

由于各省（市）在经济水平、区位特征、自然资源和农业发展水平等方面存在显著的差异，因此对粮食效率在2015—2020年间分省差异情况的分析不可或缺。

粮食效率分省差异情况见表3，从整体上来看，我国31个省（市）在2015—2020年间的综合效率、技术效率和规模效率具有较强的波动性和随机性，并且各个省（市）的综合效率、技术效率和规模效率的均值都小于1，仍有一定的上升空间。从全要素生产率的组成部分来看，1个省（市）的综合效率指数等于1，为海南省，4个省（市）的技术效率指数等于1，分别为北京市、福建省、广东省和海南省，处于技术有效率状态，1个省（市）的规模效率指数等于1，为海南省，站在了生产的前沿，达到了最佳状态。其中，海南省着力于农业发展，为粮食效率的提高作出重要贡献。由此可见，各个省（市）粮食效率的全要素生产率进步主要得益于技术进步指数的增长，而综合效率指数为1则主要归因于技术效率所带来的巨大效益。

表3 粮食效率分省变化情况

按照国家的规定对31个省（市）进行东、中、西3个区域的划分。东部、中部和西部地区综合效率分别为0.397、0.130、0.261，技术效率分别为0.71、0.315、0.5，规模效率分别为0.578、0.55、0.587。从总体出发，东部区域对中国提高粮食效率的贡献率较高，处于生产前端，带动着西部和中部的农业发展。

从粮食效率的组成要素来看，东部地区剩余农业经济发展能力较强，实行东部现代化政策，有北京、浙江、福建、广东、海南5个省（市）的综合效率指数大于平均值，有4个省（市）的技术效率值低于平均值，5个省（市）的规模效率值低于平均值。

西部地区大力落实西部大开发战略，有重庆、陕西、青海、新疆和贵州5个省（市）的技术效率指数大于平均值，有4个省（市）的技术效率值低于平均值，5个省（市）的规模效率值低于平均值。中部地区虽然积极施行中原崛起政策，同时受到疫情和洪水等自然灾害的负面影响较为严重，有山西、江西、河南、湖北和湖南5个省（市）的综合效率指数大于平均值，有6个省（市）的技术效率值低于平均值，6个省（市）的规模效率值低于平均值。纵观三大区域的指数构成，东部地区综合效率、技术效率和规模效率的正向带动效果最明显，处于生产前沿面，是我国粮食效率发展的核心动力，西部地区与东部地区相比，技术效率的促进作用稍有减弱，总体仍呈稳步上升态势，中部地区的投入没有带来理想的结果，或许是资源配置效率不高，导致科学生产力不足，对中国粮食效率的促进作用较弱，整体效率较低。

3.3 粮食影响效率因素

由上文分析可得出，在2015—2020年间，粮食的生产效率随着省（市）和地域的变化表现出较大的差异。通过Tobit模型进一步测算与分析粮食生产效率的影响因素。粮食的生产效率不仅受到投入产出变量的影响，还受到农业经济水平、政府支持农业发展的程度、农村村庄空心化程度和农村居民消费水平等外生变量的影响。下文选择居民人均可支配收入为判断农业经济提升水平的指标、R&D经费为判断政府支持农业发展程度的指标、乡村人口为判断农村村庄空心化程度的指标。对影响粮食生产效率因素的具体统计性描述见表4。

表4 影响粮食生产效率的因素分析

农村居民人均可支配收入对综合效率、技术效率和规模效率都在10%的显著性水平上有影响。居民人均可支配收入每提高1个单位，综合效率提高0.368个单位、技术效率提高0.764个单位、规模效率下降0.181个单位。居民人均可支配收入提升，在研究农业生产方法、研发农业生产机器和投入粮食生产等方面的可支配收入也会得到相应增加，进而导致技术效率的大幅度上升，同时由于居民粮食生产更加个体化，规模效率下降，对综合效率起到负向作用。在影响综合效率的因素中，技术效率占主导地位，说明居民可支配收入的提升对粮食效率提升有显著的正向促进作用。

R&D经费对综合效率和技术效率在10%的显著性水平上有影响，对规模效率在5%的显著性水平上有影响。R&D经费每提升一个单位，综合效率下降0.065个单位，技术效率下降0.116个单位，规模效率上升0.48个单位。在2015—2020年国家实行“十三五”规划纲要，增加农业研究开发投入，大力支持农业经济发展的大环境下，粮食生产产量、粮食生产农户和农耕田地的数量显著增加，规模效率稳步上升，但受到疫情对粮食运输、买卖渠道和供需关系的影响，大批农产品滞销，农业经济每况愈下。科学技术是第一生产力，规模不断扩大而技术水平没有得到显著提升，形成了R&D经费的提升对粮食效率提高起到负向带动作用的局面。

乡村人口对技术效率和规模效率在10%的显著性水平上有影响，对综合效率没有显著性影响。乡村人口每提升一个单位，技术效率提升0.276个单位，规模效率下降0.199个单位。乡村人口的增加导致劳动力越来越廉价，不利于农业机械化发展。

4 结论与建议

根据运用DEA方法和Tobit模型对 中 国31个 省（市）2015—2010年 间的粮食生产效率及其影响因素进行实证分析，结论如下：中国31个省（市）的粮食生产效率随年份变化呈现出稳步上升的趋势。2015—2020年中国31个省（市）粮食效率的全要素生产率为1.056，年均增长5.6%,表明粮食生产效率逐年上升。具体来看，大部分年份的技术进步指数不断上升，技术效率指数不断下降。中国31个省（市）的粮食生产效率存在较大的区域差异。2015—2020年间中国31个省（市）的综合效率均值仅有0.27，低于0.3，表明粮食生产总体效率较低。其中，综合效率大于0.6的仅有福建省和海南省，技术效率大于0.6的省（市）有12个，大于0.9的省（市）有7个，且主要为东部省（市），规模效率大于0.8的省（市）有3个，均匀分布在东中西3个区域。海南省是唯一一个达到了综合效率、技术效率、规模效率的省（市），其他省（市）仍有很大的上升空间。由此可以看出，东部粮食生产效率最高，中部最低，整体差异较大。农村居民人均可支配收入与中国31个省（市）粮食效率之间呈显著的正相关，R&D经费与中国31个省（市）粮食效率之间呈显著的负相关，乡村人口对粮食效率的影响不显著。

针对结论分析，提出以下建议。

第一，我国应大力支持提升农业生产技术水平，使农业经济不断增值。同时，引用前沿管理理念和发展方法，引入先进的生产机器，培育农业生产技术型人才，提高农业管理水平，提高农业管理效率，促使传统农业向现代化农业转变，不断提高农业生产技术效率。

第二，在推进粮食效率高速发展的过程中，中国要兼顾落实农业经济一体化，要时刻注意各个地区之间的均衡发展，避免拉大生产效率差异。在保持粮食效率较高地区高速发展的基础上，带动粮食效率较低的地区发展，缩小各省农业生产效率的差距，实现中国农业高质量一体化发展。

第三，国家应不断加大对农业经济的投入，增加居民可支配收入，大力支持粮食效率的发展。各省（市）应明晰自己的定位，制定合理的发展规划，粮食生产效率较低的省（市）应完善财政支农机制，提高支农资金的使用率，促使各省共同提高国家粮食效率。