我国东中西部农业劳动生产率的影响因素研究.docVIP

我国东中西部农业劳动生产率的影响因素研究 　　摘 要：长期以来，我国东部地区的农业劳动生产率一直高于中部与西部地区。本文基于1990―2013年三大地区的省际面板数据，通过系统SYS-GMM动态面板回归发现，农业机械化水平、化肥施用量、农村居民固定资产投入以及农村居民个人收入等因素对全国三大地区的农业劳动生产率的提高都具有显著正向作用。但是就影响差异而言，东部地区的农村固定资本投入对农业劳动生产率的带动作用明显大于中西部地区；而中西部的农业机械化水平、农用化肥投入量的增加以及农村居民个人收入的提高对农业劳动生产率的带动作用反而高于东部地区。可见，东部地区农村固定资本的投入数量及利用效率远远超过中西部地区。同时研究发现，从全国范围讲，高水平专业技术人才的缺乏已成为近年制约我国农业生产的瓶颈。 　　关键词：东中西部；农业劳动生产率；影响因素；SYS-GMM 　　一、引言 　　提高农业劳动生产率是农业增长的源泉，也是非农产业发展的基础，是解决农业增产增效、农民增收增富的关键所在。在我国东中西部经济发展不平衡由来已久，农村劳动生产率在三大经济区域也存在差异，就其影响因素来看，在东中西部地区存在着怎样的不同？ 　　在相关文献中，XinandQin通过使用Maudos，PastorandSerrano提出的增长分解框架，认为自1987年-2005年，要素积累是中国农村劳动生产率增长的主要依靠因素，而全要素生产率（尤指技术前沿的进步）是重要贡献方面。张平运用索罗模型就1980年―2007年我国省区横截面数据表明，生育率和人力资本对农业劳动生产率有重要贡献。余康等利用1988年―2008年29个省级面板数据，运用随机前沿生产函数模型，发现劳均物质资本、农村劳动力规模和劳均土地因素对我国农业劳动生产率地区差异的影响逐渐减小，而技术效率和技术进步的影响逐渐增大。匡远凤则认为1988年以来，技术进步和技术效率的“双驱动”模式是对省份农业劳动生产率增长存在积极影响的重要因素。 　　尽管这些研究取得不少成果，但是从空间单位看，较少从国内不同区域差异的视角进行研究；并且，应该考虑到，地区差异在时序演进中的变动速度是较慢的，前水平很可能取决于过去历史水平。鉴于此，本文从东中西部地区各省际数据中选取影响农业劳动生产率的主要因素，采用长动态面板模型，以防止基本计量模型的设定偏误，同时消除部分解释变量可能产生的内生性偏误。 　　二、数据来源与地区农业劳动生产率变化趋势 　　在宏观经济统计实践中，较为准确的定义劳动生产率的做法是使用”每个工作小时的产出”或“每个就业者的产出”作为反映整体经济劳动生产率水平的指标。因此，本研究采用的农业劳动生产率=农林牧渔业总产值/乡村就业人口的公式计算。同时，为了剔除物价波动影响，各年农林牧渔业生产总产值按1990年为基期计算，以反映真实生产能力。 　　本研究数据均取自1990年―2013年的《中国统计年鉴》及《中国农业统计年鉴》各省际面板数据，并根据《中国统计年鉴》中经济区域三分法，将我国划分为东部、中部、西部3个区域。东部地区包括北京、天津、辽宁、河北、上海、江苏、浙江、福建、山东、广东、海南11个省（市），中部地区包括吉林、黑龙江、山西、安徽、江西、河南、湖北、湖南8个省，西部地区包括内蒙古、陕西、青海、宁夏、新疆、甘肃、四川、重庆、贵州、云南、西藏、广西等12个省（自治区）。 　　本研究发现自1990年―2013年，我国东中西部农业劳动生产率总体呈现明显的提高趋势，但是东部地区的农业劳动生产率远高于中西部，西部农业劳动生产率最低，并且地区之间的差距仍有扩大趋势。如图所示，截止到2013年，东部地区的平均农业劳动生产率为0.61，而西部地区的平均农业劳动生产率仅为0.34，东部农业生产效率几乎为西部地区的两倍。东部农业劳动生产率最高的是海南省，最低的是上海市；中部农业劳动生产率最高的是黑龙江省，最低的是山西省；西部农业劳动生产率最高的是内蒙古自治区，最低的是贵州省。其中，海南省农业劳动生产率为1.05，而贵州省仅为0.17，相差近6倍。 　　三、模型与计量方法 　　为了分析影响不同地区农业生产率的基本因素，本研究从各省市（自治区）选取了5个具有代表性的指标：农业机械化水平（台/千公顷）（x1）、平均农用化肥施用量（吨/公0顷）（x2）、人均农村居民个人固定资产投入（元/人）（x3）、大专及以上学历人数（人）（x4）、人均农村居民纯收入（元/人）（x5）作为解释变量。由于x1，x2，x3，x5数量级较大，笔者对原始数据进行了对数化处理。本文选择动态回归模型，并采用”系统广义矩估计法”（SYS-GMM）对回归系数进行参数估计，以研究解释变量对农业劳动生产率的动态影响，具体模型见（1）―（4）。本研