人力资本对农业全要素生产率增长的影响分析_纯技术效率.docVIP

人力资本对农业全要素生产率增长的影响分析_纯技术效率 论文导读:：本文应用DEA分析方法，使用2001-2008年我国30个省(直辖市)的农业面板数据测度我国农业TFP增长，同时考查了人力资本存量的差异对各省份农业TFP及其构成的影响，并对影响的显著性进行了假设检验。不考虑各省份之间农业劳动力人力资本的差异会导致低估规模效率、技术效率以及纯技术效率的改善对农业TFP增长的贡献，同时也会高估技术进步对农业TFP增长的贡献。 论文关键词：规模效率，技术效率，纯技术效率 一、引言与文献综述 传统的关于农业全要素生产率(TFP)的研究主要采取的是Solow（1957）余值法，即从农产出增长中扣除资本和劳动对产出增长的贡献，从而得到全要素生产率[1]。但这种方法却存在三个方面的缺陷：一是没有考虑到技术无效率（TechnicalInefficiency）的情形；二是设定了农业生产的具体函数形式；三是Solow余值法不能将TFP增长进一步细化，从而使得TFP成了一个庞杂的概念。 受Debreu(1951)和Koopmans(1951)启发[2] [3]，Farrell(1957)首次将农业生产效率分解为技术效率和配置效率两部分[4]纯技术效率，Boles(1966) [5]，Bressler(1966) [6]，Seitz(1966)和Sitorus(1966)将Farrell的现代线性规划方法应用到农业增长研究中[7] [8]，最终启发了以Charmes，Cooper和Rhodes(1978)为代表人物的数据包络分析（DEA）的研究[9]。运用DEA方法测量农业TFP增长较之随机前沿分析(SFA)方法有两方面的优点：其一是不需要设定具体的农业生产函数；其二是无需设定技术无效率项(Aigner，1968)的分布函数[10]论文格式范文。 本文采用DEA方法，使用2001-2008年我国30个省(直辖市)的农业面板数据测度我国农业TFP增长，同时考虑不同省份之间劳动力异质的情形，笔者考查了人力资本存量的差异对各省份农业TFP及其构成的影响，并对影响的显著性进行了假设检验。 二、理论框架与模型的建立 我们选用Malmquist生产率指数法(Fare et al，1994)来度量我国农业TFP增长[11]。令 X表示投入向量纯技术效率，Y表示产出向量（可以是单一产出，也可以是多元产出），则产出导向型Malmquist生产率变化指数(Productivity Change Index)可表示为： ， （1） 其中 ，（2） ，（3） ，（4） ，（5） 线性规划（2）式中的距离函数和（3）式中的距离函数分别表示第t期和第t+1期的技术效率TE(Technical Efficiency)，由Farrell(1957)对TE的定义可知，，即线性规划（2）和（3）式中；对于线性规划（4）式纯技术效率，当技术进步时（生产前沿面向外移动），可能成立；同理，对于线性规划（5）式，当技术退步时，可能成立。如果Malmquist指数大于1，则表示第t+1期农业生产较之第t期TFP增长，反之则TFP增长为负值。 为了更详细分析农业TFP增长的原因，我们将Malmquist指数进行分解，得 ， 其中TP表示技术进步，TC表示技术效率变化纯技术效率，根据Banker，Charnes和Cooper(1984)提出的VRS模型(Variable Returns to ScaleModel) [12]，我们将 TC分解为纯技术效率变化(PTC)和规模效率变化(SC)，则Malmquist指数可进一步分解为 ， （6） （6）式表明农业TFP增长来源于三个方面：纯技术效率变化，规模效率变化和技术进步。在其他条件不变时，当农业生产向前沿面(Frontier)靠近时，会有利于TFP增长；产出弹性份额比其成本份额大的生产要素投入的增加也会带来TFP的增长。由（6）式可知Malmquist生产率指数法比Solow余值法测度的TFP更有利于解释农业增长的源泉。 此外，值得注意的是本文中所讨论的TP是狭义技术进步，而非内生增长理论(Romer，1990)中的广义技术进步[13]论文格式范文。 三、数据处理 本文选取2001-2008年我国30个省(直辖市)的农业面板数据（其中重庆并入四川计算）纯技术效率，7种农业生产投入要素分别是：农业机械总动力、农业劳动力人口、农业用电量、化肥施用量、耕地面积、有效灌溉面积和人力资本存量。各个省份的农业实际总产出计算方法是：将每年的名义农业总产出以2001年为基期，按农业物