粮食丰产科技工程对小麦全要素生产效率的影响.docVIP

粮食丰产科技工程对小麦全要素生产效率的影响 　　摘要：基于DEA-Malmquist方法对粮食丰产科技工程实施以来中国小麦全要素生产率（TFP）的变化进行分析。研究表明，该政策的实施显著促进了中国小麦产业全要素生产率的增长，华北地区已经成为中国小麦生产的优势地区。粮食丰产科技工程战略的实施已显成效，相关地区应利用发展时机不断提高生产技术和生产效率，确保中国小麦产业持久发展以保障粮食安全。 　　关键词：粮食丰产科技工程；全要素生产率；DEA-Malmquist方法 　　中图分类号：F326 文献标识码：A 文章编号：0439-8114（2013）06-1453-04 　　在当前国际粮价大幅上涨造成市场供应趋紧，粮食安全形势异常紧张的背景下，保障粮食稳定供应成为中国农业科技工作的重大基础和长期性战略任务。2012年中央一号文件依然将保障粮食安全作为农业工作的重点。作为科技部、农业部和国家粮食局等部门牵头的重大项目，2004年开始实施的粮食丰产科技工程对保障国家粮食安全做出了不容忽视的贡献[1]。小麦作为中国居民主要主粮和粮食丰产科技工程三大作物之一，在粮食安全中处于关键地位[2]。中国小麦产量除了20世纪50年代靠扩大面积增加外，主要是依靠科技进步提高单产使总产量增加[3]。因此，对粮食丰产科技工程实施以来的中国小麦全生产效率进行深入分析，对保障中国目前的粮食安全问题具有重要意义。 　　基于中国小麦种植业的现状，可以将其看作是典型的劳动密集型产业，因而整个产业的长期增长从根本上取决于两个因素：一是小麦行业生产要素投入的增加；二是小麦行业生产率水平的提高[4]。从根本上来说，中国耕地资源约束决定了小麦生产实现长期增长无法依赖要素投入的无限增加，因而提高要素生产率成为惟一可行的选择[5]。基于DEA-Malmquist指数方法，对粮食丰产科技工程政策实施前后中国小麦主产区小麦的全要素生产率进行深入分析，对该政策的实施绩效做出评价。本研究对该政策的有效实施和中国小麦产业的持续发展具有十分重要的理论和现实意义。 　　1 DEA-Malmquist方法 　　Malmquist生产率指数方法最早由Caves、Christensen和Diewert等人提出，主要用于测量全要素生产率变化[6]。由于该方法需要测算距离函数，这使得计算极为复杂，在20世纪90年代中期之前在实际中很少应用[7]。Fare提出的基于DEA的非参数Malmquist算法使得各种距离函数的计算不再成为难题，这就为Malmquist方法的实际应用提供了方便可行的途径[8]，可以很方便地使用DEA方法对各种生产效率进行计算和分析。 　　从t期到t+1期，测度全要素生产率增长的DEA-Malmquist生产率指数可以表示为： 　　M（xt+1，yt+1，xt，yt）=■×■■ 　　（1） 　　其中，Dt（xt，yt），Dt（xt+1，yt+1）分别为以t期的技术为参考的t期和t+1期的决策单元的距离函数，Dt+1（xt+1，yt+1）和Dt+1（xt+1，yt+1）含义同上。 　　Malmquist指数可以分解为技术效率变化（TEC）和技术进步变化（TC）两部分，其中技术效率变化可以进一步分解为纯技术效率变化（PTEC）和规模效率变化（SEC）[9]。因此，上式可以表示为： 　　2 指标变量选取和数据来源 　　粮食丰产科技工程12个实施省分别为河南、河北、山东、黑龙江、吉林、辽宁、江苏、安徽、江西、湖南、湖北和四川。本研究依据小麦生产资源条件、生产水平和存在问题的一致性，结合行政区划和按照相邻区毗连的原则，将粮食主产区划分为华北地区（包括河南、河北和山东）、东北地区（包括黑龙江、吉林和辽宁）和长江中下游地区（包括江苏、江西、安徽、湖北、湖南和四川）[10]。 　　在数据来源及指标选择方面，选择中国以上小麦生产省份1999-2010年的小麦各项投入和产出的数据样本，对小麦全要素生产率总体变化趋势及效率提高状况进行分析研究。出于减少指标间相关性的考虑，将相似投入指标进行合并，如农家肥与化肥合并为“肥料”，机械作业与畜力合并为‘机械畜力”。此外，为排除不同年份价格变化的影响，尽可能地选择剔除价格指数变化的指标，如小麦生产的人力投入和种子等选用数量指标。最终，所选择的投入指标有人力投入量、种子消耗量、农药投入费用、机械畜力投入量和肥料费等共计5项，选取的产出指标为小麦总产量。 　　3 计算结果及分析 　　3.1 中国小麦生产的全要素生产率增长和分解要素的总体变化情况 　　运用DEAP 2.1软件包计算得到1999-2010年中国小麦生产的Malmquist生产率及分解指数的均值。 　　由表1可见，中国12个小麦主产省区在1999-2010年间