中国县域尺度农业全要素生产率时空变动研究.docxVIP

? ? 中国县域尺度农业全要素生产率时空变动研究 ? ? 　　一、问题提出 　　农业产出的增长有两大来源——扩大农业要素投入规模和提升农业生产效率。依靠扩大要素投入增加产出的方法存在弊端：一是要素投入对产出的作用存在天花板效应；二是这种方式以增加成本为代价，要素的过度使用还可能对环境带来负外部性。因此，这种粗放式的农业发展方式难以为继。经济新常态下，中国农业发展面临着前所未有的挑战，必须依靠提升农业效率实现农业可持续发展。2015年中央一号文件指出，农业生产要尽快由粗放经营转为集约发展，走产出高效、产品安全、资源节约、环境友好的现代农业发展道路。基于此，有必要对中国农业生产效率的历史演变和现状进行深入研究。 　　目前对于生产效率的衡量一般以全要素生产率（TFP）为指标。全要素生产率的理论发展由来已久[1-4]，对农业全要素生产率的研究也颇为丰富。外文文献方面，研究范围从国家内部延伸到全球范围[5-10]。国内关于农业全要素生产率的研究也比较丰富，研究范围主要集中在省级尺度[11-15]。在区域内尺度上，农业全要素生产率的研究多是在省级地区内部进行测算，采用的方法和省级层面的基本一致[16-19]。在县级尺度上进行的全要素生产率研究比较有限，范围一般是在小区域内部，全国范围县域的文献极少[20-24]。还有少量文献利用农户调查数据开展全要素生产率的测算和相关研究[25-29]。此外，也有文献对农业全要素生产率进行综述和文献再研究[30-31]。 　　上述研究为本文提供重要启示，但也存在不足：一是微观尺度的研究相对缺乏，尤其鲜有对中国县域尺度大时间跨度的农业全要素生产率的研究；二是测算方法以非参数的曼奎斯特指数法（Malmquist）居多，使用参数的随机前沿分析法的较少，对其分解项进行全面探讨的文献也相对较少。曼奎斯特指数法将全要素生产率分解为技术变化、纯技术变化和规模效率三部分，法雷尔（Farrell，1957）提出了包含配置效率的全要素生产率分解方法[3]，然而目前对全要素生产率进行分解的研究很少考虑配置效率，在农业全要素生产率中考虑配置效率的则更为罕见，近年来才有学者对此进行研究[15]。基于此，本文对1991-2011年中国县域尺度农业全要素生产率的时空变动进行研究，并采用随机前沿分析法对分解项展开分析，具有较强的独特性和创新性。 　　二、研究方法、模型建立与数据处理 　　（一）随机前沿分析法的测算方法 　　随机前沿分析法（SFA，Stochastic Frontier Analysis）是利用非确定参数法测算全要素生产率的一种方法，最早由艾格纳等（Aigner et al.，1977）[32]、缪森和范登布鲁克（Meeusen van den Broeck，1977）[33]、贝特斯和柯拉（Battese Corra，1977）[34]提出。随机前沿分析法将生产函数的误差分为由于技术非效率导致的管理误差和受不可控随机因素影响的随机误差两部分[35]。随着对面板数据的使用越来越广泛，贝特斯和科埃利（Battese Coelli，1992）提出了针对面板数据进行随机前沿分析的BC模型[36]。该模型认为技术效率随时间变化而变化，管理误差项服从截尾正态分布，模型具体形式为： 　　 　　模型中误差方差之和为，定义。γ代表管理误差项占模型总误差的比例，表明技术非效率导致实际产出中偏离前沿生产面的程度。当γ=0时，不存在技术非效率，则无须使用随机前沿分析模型进行面板分析；当γ=l时，表明不存在随机误差项，则应采用确定性前沿模型；当0＜γ＜1时，越趋近于零，表明总误差中越多地是由随机误差导致的，越趋近于l，则表明总误差越多地是技术非效率引致的。 　　（二）模型建立 　　根据索罗（Solow，1957）[4]、康巴哈那和落弗尔（Kumbhakar Lovell，2000）[37]、马哈德万（Mahadevan，2003）[38]的研究，全要素生产率可分解为： 　　 　　分别代表要素j的产出弹性、相对产出弹性和总成本的占比，规模报酬指数（RTS，Return To Scale）为要素产出弹性之和，其余变量与前文一致。由此，全要素生产率分解为四项——前沿技术进步（FTP，Frontier Technological Progress）、规模效率（SE，Scale Efficiency）、配置效率（AE，Allocative Efficiency）和技术效率变化率（TEC，Technical Efficiency Change）[39]。 　　采用超越对数生产函数，将模型转化为： 　　 　　其中，β表征待估计参数j为各投入要素，其余变量与前文一致。 　　（三）数据处理 　　参考同类研究的做法，以农林牧渔总产值代表产出，以农林牧