全要素生產率及其在農業領域的研究進展

范麗霞，李谷成

(1.武漢工業學院經濟與管理學院，湖北 武漢 430023;2.華中農業大學經濟管理學院，湖北 武漢 430070)

早期的生產率概念主要指單要素生產率(Single Factor Productivity，SFP)概念，如土地生產率、勞動生產率等。直到當代，全要素生產率(Total Factor Productivity，TFP)概念才興盛起來，因為其可以彌補SFP不能全面反映經濟增長過程等不足，具有獨特的優勢［1］。該概念主要是隨著宏觀經濟學增長核算(Growth Accounting)框架的發展而發展起來，但近年來，其理論和實證研究均得到了進一步深化，研究對象從宏觀經濟逐漸擴展到各大產業(如農業、工業、金融和服務業等)、微觀企業和農戶等絕大多數生產主體，在樣本空間上擴展到了跨國、省區(州)和城市比較等。總體來看，由于TFP概念所具有的重大理論和實踐意義，對其研究一直都未停止過，一些政府部門和世界機構都會定期出版關于本領域內的TFP研究成果，如OECD、世界銀行和美國農業部、勞工部等。鑒于TFP研究的廣泛性，相關文獻浩如煙海，本文不可能面面俱到。論文主要在對TFP進行概念性闡釋的基礎上，重點就目前應用較多的TFP核算方法及其前沿進展、中國農業TFP增長及其影響因素的研究動態進行述評，希冀能夠對豐富相關方面的研究有所幫助。

一、全要素生產率與全要素生產率增長

經典意義上的生產率概念主要是指古典經濟學中的勞動生產率概念，其他類似單要素生產率概念還包括土地和資金生產率等。但生產單位在其生產過程中經常需要同時使用到勞動、土地和資本等多種生產要素，各要素之間則存在一定程度的替代性，單要素生產率經常會因為其不能反映這種替代性而面臨一定局限性。例如，對發展中國家小農戶與大農戶的生產率比較中，采用土地和勞動生產率指標，就會出現截然相反的結果［2］;在進行農業生產率的跨國比較時，如中美農業，應用不同指標，也會出現不同結果。

全要素生產率衡量的是生產單位在生產過程中單位總投入(加權后)的總產量的生產率指標，即總產量與全部要素投入之比，分母一般用各要素投入的加權平均表示。以資本(K)和勞動(L)兩要素為例，加權后的綜合要素投入可以表示為X=LαKβ或其它形式。其中α和β分別為正規化后和對產出的生產彈性，滿足α+β=1，并經?？梢圆捎蒙a函數估計得到。那么，TFP可以定義為:

這是一般意義上的TFP水平值概念。經驗研究中，應用更廣泛的卻是其增量概念，即我們經常提到的全要素生產率增長或變化。增量概念主要來自于增長核算框架，增長核算的目的是測度增長源泉，以此確定各要素對產出增長的貢獻，但其中一個重要結果就是:通常認為增長的兩個源泉——資本和勞動，不能解釋絕大多數實際增長的成績，這其中明顯遺漏了某些東西，包括規模經濟、R＆D、技術進步、勞動的重新配置等。這一遺漏其實就是TFP的貢獻，又被稱為“余值”。對(1)式求全微分，整理可得:

從(2)式可以看出，TFP增長是指產出增長超出加權要素投入增長的部分，反映的是要素投入所不能解釋的那部分產出的增長。

又因為經常定義α+β=1，所以:

所以，TFP增長實質上仍然是各單要素生產率增長的加權平均。

TFP核算框架主要歸功于Solow［3］的貢獻，他開創性地提出了規模報酬不變的總量生產函數和增長方程，在數量上確定了產出增長率、投入增長率和技術進步率(Solow Residual，Kendrick將其定義為TFP)之間的關系。上述方法也是目前測算TFP增長最為廣泛的方法，即“索洛殘差法”或“余值法”。該方法測算出來的TFP又經常被解釋為技術(或科技)進步，這在國內學術界更多被發展成為技術(科技)進步率及其貢獻率的測度，例如《國家中長期科學與技術發展規劃(2006-2020年)》、農業部［4］“我國農業科技進步貢獻率測算方法”等。

在很長一段時期內，以“索洛殘差”估計的TFP被當作技術進步的精確測度，增長核算框架在中國相當大程度上被機械地套用，這與TFP的含義沒有被很好地理解有關［5］。隨著認識的不斷深化，TFP實際上包含了更為豐富的內容。除了直接的技術進步外，他還包括間接的效率改善，例如“干中學”、要素質量提高、專業化分工、和規模經濟性等內容，經常被用來度量要素投入數量變化之外其他各種因素對產出增長的作用，即產出增長中各種要素投入無法解釋的部分，又有“索洛黑箱(Black Box)”之稱。

例如，Nishinizu 和 Page［6］曾首次提出了 TFP 增長的分解框架。Kumbhakar和 Lovell［7］則在隨機前沿生產函數框架下對TFP增長進行了四個方面的分解:

正如鄭京海［8］所明確指出，生產率分析技術具有很好的系統性和結構框架，是一個經過嚴格定義的量化指標和參數體系，包括技術進步、技術效率、規模效益、配置效率、替代彈性等，涵蓋了工農業生產的各個方面，該研究框架既可用于生產系統的結構描述，也可用于經濟計劃與預測，還可以應用于政策分析與績效評估。而且，TFP分析技術還可以將生產率指標與諸多政策變量橫向結合起來，例如所有制變化［9］、制度變遷［10］、結構調整［11］、對外開放［12］、技術創新［13］、環境保護［14-15］和人力資本［16］等。時下，中國政府正積極倡導轉變經濟發展方式，TFP增長可以用來度量要素投入變化之外各種因素對經濟增長的綜合作用，轉變經濟發展方式在很大程度上也就是要擴大TFP對經濟增長的貢獻份額，TFP理論必將因為其寬闊的視野而進一步得到廣泛應用。所以，全要素生產率問題是研究中國經濟可持續增長的核心問題［8］。

二、全要素生產率增長核算與分解

(一)增長核算法和指數法

1.增長核算法

該算法主要是采用公式(2)來核算TFP，其關鍵在于準確估計各要素對產出增長的貢獻系數，如α和β。已有文獻經常使用的系數值主要包括:一是采用計量經濟學方法例如生產函數來估計各要素的生產彈性，直接應用生產彈性值作為貢獻系數的估計值。這里需要補充說明的是，各彈性值之和RTS=并不一定為1，故必須對各彈性值進行正規化處理，λj=εj/RTS，以此來作為各要素貢獻系數估計值。二是以各要素報酬占凈產出比重作為各貢獻系數的近似值。以勞動L為例，其報酬占凈產出比重:RL=PLL/Y=α。可以證明，在競爭性生產者均衡條件下，各要素占凈產出比重與各要素產出彈性相等。三是通過政府發文或對已有文獻進行總結來預設各系數值，即經驗法。國民經濟中，國家計委曾發文建議 α =0.2 ～ 0.3、β =0.8 ～ 0.7;農業部門中，農業部［4］曾設定物質費用、勞動力和耕地各貢獻系數值分別為0.55、0.20 和 0.25。

對時間序列數據，還有一種簡單直接的TFP核算方法，即時間參數法?！跋？怂怪行约夹g進步”條件下，在生產函數回歸中直接引入時間趨勢項來表示技術進步。該方法簡單實用，常見于科技進步貢獻率的測算中，如蔣和平等［17］、王啟現等［18］。以考慮技術進步的C-D生產函數為例，設，則:

當α+β=1時，δ與“索洛余值”的定義完全一致。在利用時間序列估計時，要充分注意數據非平穩性可能導致的“虛假回歸(Spurious Rgeression)”問題，但筆者發現諸多研究卻很少能夠在生產函數估計前進行單位根等平穩性和協整檢驗。

隱性變量法(Latent Variable Approach，LV)可以有效解決這一問題，該方法的基本思路是:將TFP視為一個隱性變量即未觀測變量，借助狀態空間模型(State Space Model)和極大似然估計來給出TFP估算［19］。

隱性變量法事先會對模型進行設定檢驗，包括數據平穩性檢驗和協整檢驗。一般而言，各投入產出存量變量的趨勢成分是單位根過程且不存在協整關系，故常利用產出、勞動和資本存量的一階差分序列來建立回歸方程。以規模報酬不變C-D函數為例，會有如下方程:

其中，Δln(TFPt)為TFP增長率，假設其為一個隱性變量，遵循一階自回歸(AR(1))過程，則有下列狀態方程:

其中，ρ為自回歸系數，且|ρ|＜ 1，υt為白噪聲。如此，利用狀態空間模型，通過最大似然估計同時估計觀測方程(8)和狀態方程(9)，可以得到TFP增長估計值［19］。

2.指數法

上述增長核算法 TFP測度的是“我們的無知［20］”，(代數)指數法則主要從 TFP的原始定義出發，將其表示為產出數量指數與所有投入要素加權指數的比率，這其實是TFP的水平值。在完全競爭市場和規模收益不變條件下，有總產出等總成本:PtQt=wtLt=rtKt，但由于技術進步等因素的作用，該式在動態分析中并不完全成立，需改寫為:

其中，r0、w0和P0分別為基準利率、工資和產出價格。參數TFPt反映了技術進步等因素對產出的影響，則:

指數法的關鍵在于如何對各生產要素和產出進行加總，這對農業生產而言尤其復雜。與(代數)指數法的本質相同，還有其他諸多形式的TFP指數。

例如:Tornqvist-Theil指數，該指數是一個連鎖量指數［21］，其對投入和產出的加總公式為:

下標1和0分別代表對照期和基期，Cj=表示投入或產出的加總。Tornqvist-Theil生產率指數的對數形式可以表達為:

Divisa指數，該指數采用要素成本(零利潤條件下成本也可用產出替代)份額作為要素貢獻權重來構造TFP指數，采用積分形式，主要適合于連續數據。而Tornqvist-Theil指數其實是對Divisa指數的不連續逼近［21］。

指數法作為一種統計學方法，還有Paasche指數、Laspeyres指數和Fisher指數等。正如郭慶旺、賈俊雪［19］所指出，各指數法形式雖然有所不同，但基本思想卻是一樣的，本文不一一贅述。指數法較為直觀地體現了TFP的內涵，其雖然沒有明確生產函數形式，但卻暗含著要素之間可以完全替代，且邊際生產率恒定，缺乏一定合理性。作為一種概念性方法，其較少用于實證分析。

從是否需要預先設定生產函數具體形式的角度來看，又可將TFP核算方法分為參數法(Parameter Estimation)和非參數法(Non-parameter Estimation)。指數法和增長核算法分別作為非參數法和參數法的代表，各有優勢。經驗研究中，增長核算法應用要相對廣泛。不過，上述無論指數法還是增長核算法，實際上都隱含著一個假設條件:即經濟資源得到了充分利用，或生產單位實現了100%的技術效率。這又被稱為完全效率假設，即假設生產單位實現了生產前沿面(Production Frontier)上的生產，利用到了其最高可資利用的生產函數。經驗研究證明這一假設對發展中國家并不適宜［22］。立足于完全效率假設的核算方法也就無法進一步尋找TFP增長的源泉，而直接將TFP增長與技術進步等同起來。從計量經濟學角度來看，應用普通最小二乘法(OLS)估計出來的生產函數實際上是一種平均意義上的生產函數(Average Production Function)，這在理論上與新古典生產函數的最優化定義矛盾。由此，生產前沿面方法(Production Frontier Approach，PFA)應運而生，并在經驗研究中得到廣泛應用。

(二)生產前沿面方法

根據是否需要預設和估計生產函數的具體形式，生產前沿面方法同樣可以分為參數法和非參數法;根據構造的生產前沿面是否考慮隨機因素的影響，又分為隨機性前沿面(Stochastic Frontier)方法和確定性前沿面(Deterministic Frontier)方法。參數隨機性前沿面方法和非參數確定性前沿面方法分別以隨機前沿生產函數(Stochastic Frontier Analysis，SFA)和數據包絡分析(Data Envelopment Analysis，DEA)最為典型，兩者的應用最為廣泛。本文重點對他們進行綜述性介紹。

1.隨機前沿生產函數

隨機前沿生產函數最初由 Aigner et al［23］、Meesuen et al［24］和 Battese et al［25］提出，并很快成為計量經濟學引人注目的一個分支［26］。SFA主要沿襲傳統生產函數的思想，通過確定一個合適的前沿生產函數來描述生產前沿面，即首先根據需要確定具體生產函數形式，然后利用計量經濟學方法，估計出前沿生產函數中的未知參數，繼而求出實際產出與潛在產出的比值(技術效率，TE)。其發展經歷了兩個階段:早期的確定性前沿面和現在的隨機性前沿面。確定性前沿面假定存在一個確定的上界生產函數，該前沿面是固定的，并將影響產出的不可控因素如氣候、統計誤差等和可以控制的因素放在一起，全部納入到一個單側誤差項，作為技術非效率的反映。隨機性前沿面則將生產前沿面看作是可控的確定性因素與不可控的隨機因素共同作用的結果，將整個誤差項表示為一個復合誤差項:技術非效率項和隨機誤差項。

以公式(4)為例，－ut≤0代表生產單位的技術非效率，技術效率可以定義為:

因為 －ut≤0，所以0＜TE≤1。當 －ut=0時，TE=1，生產單位處于生產前沿面上。

在只考慮技術效率的條件下，TFP增長可以分解為:

對ut分布的不同假定衍生出了不同的SFA模型，這至少可以出歸納出5 種:①Kumbhakar et al［27］對Zellner-Revankar隨機前沿生產函數所進行的特殊化處理，把技術效率假設為其他解釋變量的函數，同時考慮配置和規模效率的作用;②Reifschneider et al［28］的隨機前沿生產函數，假設技術效率不是其他變量的函數，而只是一個非負值;③Huang et al［29］的技術非中性隨機前沿生產函數，假設技術效率受生產單位各種特征變量及這些變量與要素投入變量交互關系的影響;④Battese and Coelli［30］的隨機前沿生產函數，將技術效率解釋為時間變量的函數;⑤Battese and Coelli［31］包絡數據的隨機前沿生產函數?？傊?，公式(4)和(13)通過允許技術非效率項(－ut)的存在，利用計量經濟學方法估計出前沿生產函數，最終將TFP增長分解為技術進步和技術效率變化。

2.數據包絡分析。

數據包絡分析主要是利用線性規劃技術和對偶原理(Dual Approach)來確定生產前沿面，其本質是先通過所觀測實際生產點的數據來構造生產前沿包絡面，然后把非DEA有效的生產單位影射到DEA有效的生產前沿包絡面上，再基于一定有效性標準來尋找包絡面上的相對有效點，并通過比較非DEA有效的生產單位“偏離”DEA有效生產前沿面的程度來評價各生產單位相對效率［32］。在此基礎上，可以進而求解出技術效率及TFP指數。

DEA由數據驅動(Data-Driving)，無需尋求生產前沿面的具體函數形式和技術非效率項的分布形式，并能很好地與經濟學生產理論的集合論結合，形成了一個獨具特色的理論體系。自從Farrell［33］提出技術效率度量以來，DEA文獻進展很快，主要有CCR、BCC和ADD模型等。生產率分析中應用DEA最廣泛的是Malmquist指數，該指數可以將TFP增長分解為技術進步和技術效率變化［34］。在不變規模報酬(Constant Returns to Scale，CRTS，C)和要素強可處置性(Strong Disposability of Inputs，S)條件下，t期生產可能性集合Pt可以被定義為:

z表示密度變量，反映單個生產單位評價技術效率時的權重?；诋a出角度單個生產單位的Farrell［33］技術效率可以被定義為實際產出與最大產出的比率:

產出距離函數(Distance Function)則被定義為實際產出相對生產前沿面能夠擴大的最大比例，正好是Farrell技術效率的倒數。

與之對應，基于(t+1)期參考技術的TFP指數表示為:

通過取兩期Malmquist指數的幾何平均值，TFP指數可以分解為技術效率變化和技術進步。

大多數采用DEA-Malmquist指數的TFP文獻采用的是當期(Contemporaneous)DEA，這經常會出現技術退步(TP＜0)的“尷尬”，與一般生產者行為假設相矛盾。序列 DEA(Sequential DEA)［35-36］技術不僅考慮當期觀測值，還考慮以前所有觀察值來構造生產前沿面，有效避免了技術退步。為了考察環境污染損失對 TFP的影響，Chung et al［37］通過引入方向性距離函數(Directional Distance Function，DDF)創造性地提出了Malmquist-Luenberger生產率指數，這被廣泛應用于核算綠色TFP和環境技術效率，如Jeon和Sickles［38］。其它還有廣義(General-ized)Malmquist指數、全局(Global)Malmquist指數等。這些指數形式雖然有所不同，但思想均基于經典Malmquist生產率指數，本文將重點放在SFA與DEA比較上。

3.SFA與DEA的比較

SFA與DEA是生產前沿面法中應用最廣泛的兩種方法，互有優劣。其實兩者最早都可以追溯到Farrell［33］的前沿函數思想和凸邊界模型(Convex Facets)。通過綜合比較分析，本文將兩者的異同點、優劣勢及應用中需要注意的問題歸納如下。

①SFA是一種計量經濟學方法，從概率分布的角度來分析各樣本點的技術效率，具有統計學特征，可以對模型設定和參數估計進行統計檢驗;DEA是一種線性規劃方法，將生產單位的實際觀測數據進行線性組合，不具備統計學特征。目前，Simar and Wilson［38-39］發展的 Bootstrap糾偏技術已用來提高DEA的準確性，但應用尚不廣泛。②SFA需要事先預設生產函數的具體形式和技術非效率項的分布形式，這種先驗性假設對生產前沿面形狀強加了要求，當函數形式和非效率項分布存在誤設時，就會產生偏差;DEA無需生產者行為假設，直接根據數據特征構造生產前沿面(數據驅動，Data-driven)，不去尋求其顯性函數表達形式，也無需設定誤差項分布形式。③SFA能對隨機干擾和技術非效率進行區分，避免了統計誤差、運氣等隨機因素對技術效率的影響;DEA將每個生產單位同等對待，無法考慮隨機誤差的影響，將這些因素都歸于技術非效率的作用，可能會影響到估計的準確性。④SFA服從大數定理，自由度越多，效果越佳;DEA將隨機誤差歸結于效率差異，樣本越多，數據偏差就越多，平均技術效率就可能越低。⑤SFA常用于單產出、多投入場合;DEA則無此限制，多產出或單產出均可有效處理。⑥SFA和DEA在數據結構上都經歷了橫截面數據向面板數據的發展，兩者都可以將TFP增長分解為技術進步和技術效率變化。但DEA對異常數據很敏感，容易出現自我識別(Self-Identifiers)或近似自我識別(Near-Self-Identifiers)，即投入產出指標數和其它約束個數大幅度超過觀測值個數時，效率值經常會達到(或接近)100%。

一般而言，SFA與DEA的經驗結果十分相似，但也有實證表明SFA與DEA是相互排斥的［41］。在文獻中，兩者都得到了廣泛應用，包括中國經濟研究。傅曉霞、吳利學［42］曾對兩者應用于中國經濟的研究進行了綜述，發現SFA在某種程度上要優于DEA的估計結果。在農業領域，SFA的應用前景理論上應該比DEA廣闊，因為SFA更加吻合于農業生產的本質特征，例如自然風險等。但實證中DEAMalmquist技術似乎得到了更為廣泛的應用，下文將綜述到這一點。一般而言，DEA技術效率值要稍高于SFA效率值，但在TFP及構成的時間趨勢(增量)上，兩者往往是一致的。另外，除了TFP核算，生產前沿面方法也被廣泛應用于技術效率評價、排序及其影響因素分析等，例如，采用 SFA“一步法”［26］、DEA-Tobit“兩步法”［43-44］等對技術效率影響因素的實證。如果能夠獲取投入產出方面的價格信息，生產前沿面方法還可以求解出配置效率、成本效率和經濟效率的非效率因素的作用，這些也是TFP增長的重要源泉，如公式(5)。限于研究目的，本文不再一一列舉。

綜上所述，TFP核算方法的具體發展脈絡可以歸納如圖1①此示意圖的制作借鑒了Mahadevan(2003)以及鄭京海相關課程講義中的思想和介紹。。

圖1 全要素生產率增長估計方法演進示意圖

中國經濟轉型取得了巨大成功，但又面臨著加快轉變經濟發展方式的重大任務，自從Krugman［45］引發“東亞無奇跡”的論戰以來，中國TFP問題吸引了眾多研究者的目光。中國富強的關鍵在于提高全要素生產率。對面臨剛性資源約束條件的農業而言，TFP地位更為突出。例如，林毅夫［46］曾將改革開放以來農業的成功總結為農業科研、現代技術和家庭耕作制度三個方面，這些因素實際上都可以通過TFP的變動反映出來。在具體應用方面，本文重點關注農業TFP及其增長因素的研究進展。

三、中國農業全要素生產率增長估計與分解

改革開放以前，人民公社體制下的農業往往被認為是低效的。Wen［47］和Tang［48］表明 1952-1978年農業TFP指數大約下降了25%，這比推行合作化運動以前的1952年和家庭聯產承包責任制以后的80年代初期要低20% ～30%。70年代晚期至80年代初期農業改革的成功，導致了TFP在短期內迅速上升，成為當時農業快速增長的重要來源［10，47、49-50］。不過，從 1984 年開始，TFP 增長開始明顯減速，農業增長也開始下滑［10］。但受完全效率假設和“索洛余值”法的影響，上述文獻大多采用平均生產函數尤其是Griliches生產函數來估計農業TFP。

隨著人們對TFP的認識逐漸深化，生產前沿面方法開始得到應用。相對 SFA技術，DEA尤其Malmquist指數的應用較廣泛。國外文獻如Mao and Koo［51］、Lambert and Parker［52］和 Wu et al［53］，國內文獻如顧海［54］、陳衛平［55］和李谷成［56］等，他們分別利用Malmqusit指數對不同時間段的農業加總數據進行分解，并得出了相似結論。即改革開放以來，農業TFP實現了較快增長，但呈明顯階段性波動特征，地區之間的TFP增長極不平衡，從增長源泉來看，TFP增長主要由技術進步貢獻，技術效率基本上是惡化的。SFA方法雖然與農業生產的本質特征較為一致，但應用卻相對有限。石慧等［57］利用前文公式(5)對農業TFP增長進行了詳盡分解，發現改革開放以來技術進步是TFP增長的主要來源，技術效率和規模效率是惡化的，配置效率波動是導致TFP波動的主要原因。全炯振［58］則進一步驗證了DEA-Malmquist指數方法的上述結論。李谷成等［59］系統研究了各作物品種的TFP增長及差異，發現普遍的技術進步與技術效率損失主要發生在90年代以來，80年代這一特征并不明顯，這為相關結論提供了更為深刻的行業基礎。

總的來看，已有文獻大致將改革開放以來(1978-2005年)農業TFP增長劃分為五個階段:1978-1984、1984-1991、1992-1996、1997-2000和2001-2005年①對于農業TFP增長的時間演變特征，不同文獻對各階段在具體年份上的劃分可能會存在一定差異，但并不存在根本性的差別。，其中又普遍認為1992年是一個重要轉折點。不同研究雖然對各階段TFP具體增長率存在較大差異，但普遍認為TFP在第一階段增長較快，第二階段陷入了停滯甚至衰退，第三階段重新有所回升，第四階段又明顯放慢，第五階段重新加快增長，階段性波動特征較明顯。文獻對TFP增長源泉的認識也較為一致，即農業技術進步與技術效率惡化并存，并且地區差異性較大。

文獻調研表明，不同研究對各階段農業TFP的具體增長率存在較大差異，這應該與三個方面的原因有關。一是具體核算方法的選擇，二是投入產出變量的選擇，三是宏觀統計數據的調整問題。除了選擇合適的核算方法，正如科埃利 等［60］所明確指出，如果遺漏掉重要的投入或產出變量，那么TFP核算將產生有偏的估計結果。不過，已有文獻對這個問題表現出了一定隨意性。從產出變量來看，選用農林牧漁總產值的較多，其次是第一產業總產值，還有文獻采取農業增加值或者自己直接將各類農產品加總來表示。投入變量的隨意性更大，主要包括勞動力、耕地(播種面積)、機械動力、化肥和有機肥施用量、灌溉、農業用電量、種子及農藥投入不等。文獻比較表明，即使產出變量是相同的，采用的投入變量也經常并不相同。

另一方面，一直有學者對中國宏觀經濟數據的準確性持懷疑態度，農業統計數據也不例外。例如，Lu［61］、Fullerdeng［62］曾表明，國家統計局對畜牧業主產品的產出均存在大幅度的高估。但在農業TFP核算過程中，這一問題并沒有引起文獻的足夠重視。只有Fan和Zhang［63］對農業產出數據進行了調整，并發現采用官方統計數據可能會夸大農業改革對TFP增長的影響。不過，一般研究中國經濟的學者也都同意，來自官方的統計數據是目前可得的最好數據，使用數據的人的目的決定了他對數據可信度的判斷［64］。總之，除了核算方法以外，投入產出變量的選擇和數據質量問題同樣是提高農業TFP核算可信度的重要問題，在未來研究中理應得到更大程度的重視。

四、中國農業全要素生產率增長因素分析

中國農業TFP的增長因素分析主要包括農村制度變遷、農業科研投入、人力資本、農業貿易條件和基礎設施建設等方面，其中又以制度變遷為重點。眾多文獻都傾向于從制度變遷的視角來解釋TFP增長的階段性波動特征。例如，第一階段TFP的高速增長大多被歸因于以家庭聯產承包責任制為代表的農業改革。McMillan et al［65］、Fan［49］和 Lin［10］等對HRS的生產率效果進行了計量分析，其次就是農產品第一次政策性提價的作用［10，65］。不過，Lin［10］同樣表明這種制度激勵效應往往是一次性的。黃少安、孫圣民 等［66］則在一個更大的視野內檢驗了1949-1978年土地產權制度變化的生產率效應，通過分階段檢驗，該文表明不同土地產權制度會產生不同的生產率效應，HRS是一種相對較好的制度。然而，很少有文獻會討論到HRS對生產率的負面影響。只有劉玉銘、劉偉［67］討論了該制度的局限性，包括對農業規模經濟、分工協作和統一服務的破壞等，這會影響到TFP的進一步提高。

家庭聯產承包責任制作為一項基本經營制度被穩定下來后，農村經濟實際上又發生了許多重要制度變遷。對此，喬榛［68］、鄭晶和溫思美［69］、楊正林［70］等繼續在 Lin［10］的 Griliches 生產函數框架內對各制度變量的TFP增長效應進行擴展，對應分階段討論了財稅制度變遷、農村稅費改革、農村工業化、農業開放程度和價格體制改革等制度變量的生產率效應。李谷成［71］則在DEA非參數框架內分階段估計了上述制度變量的TFP效應。這些文獻大都證實了制度變遷會對TFP變化產生顯著影響，制度創新是提高TFP的重要突破口。不過，Mead［72］曾表明政策的不穩定性本身也是農業TFP波動的重要原因。

除了制度變量，農業TFP增長因素主要還包括:①人力資本投資(如張艷華［73］;李谷成［74］)。人力資本是一種特殊的生產要素，不僅具有直接的生產要素效應，還因為其正外部性而產生間接的生產率效應。不過，關于人力資本的準確計量問題在已有文獻中并沒有得到很好解決。②自然因素和氣候變化(如 Zhang and Carter［75］;You［76］)。這包括受災率、全球氣候升溫等，主要與農業所面臨的自然風險較大有關。③基礎設施建設和R＆D投入。Fan and Pardey［77］、Fan and Zhang［78］和王紅林、張林秀［79］等表明，R＆D和基礎設施建設是影響農業TFP增長的重要因素。喬榛［68］、魏朗［80］等進一步認為政府財政支農支出的生產率效應不容忽視，這與農業本身的弱質性和公益性特征有關。④比較優勢。Lin［10］和李谷成等［59］表明地區比較優勢的偏離或發揮是影響TFP增長的重要因素。

總之，農業TFP增長因素分析涉及的影響因素較多，要羅列這些因素或者進行定性分析并不困難，困難主要體現在實證分析上。一是如何對這些因素進行準確量化;二是如何準確估計其對農業TFP的影響大小，并對其重要性進行排序。這些對于政府制定政策及實施的優先序具有更重要意義。另外，對TFP增長地區差異性影響因素的研究也是一個重要方向，即對所謂收斂性“工具箱”的拓展，包括那些刻畫不同TFP穩態水平的具體變量，例如儲蓄率、基礎設施、人口因素等，但是卻很少發現有文獻關注于中國農業TFP此方面的研究。

五、結束語

無論理論還是實證上，全要素生產率都受到了國內外研究者的高度強調，在農業經濟領域亦得到了廣泛應用，成為觀察中國農業增長模式的重要分析工具，但對這一理論也存在著不少批評，尤其是一些技術細節上爭議較大。易綱和樊綱［81］、林毅夫和任若恩［82］、鄭玉歆［83］等對這一問題作了一定討論。這些批評主要集中在:①要素質量改進如何度量，例如資本和勞動力質量;②TFP體現的技術進步是不包括資本投入的Hicks中性技術進步［82］，這也就產生了資本內含型(Embodied)技術進步與不包含資本型(Disembodied)技術進步的區分問題，還有TFP所體現技術進步的外生性問題;③技術進步與要素增長的因果關系，兩者是獨立的嗎?例如，不可分性農業技術進步往往發生在大規模投資之中;④投入與產出指標的準確定義與度量，這在農業領域比宏觀經濟更為復雜，包括實物量與價值量問題;⑤TFP

核算的基礎理論——生產者行為理論和實證估計方法論的挑戰。上述問題一方面可能與TFP含義沒有被很好地理解或者核算方法被機械地套用有關，另一方面也是TFP理論和實證方法本身發展過程中需要進一步解決的問題。但無論如何，TFP是客觀存在的，TFP理論是宏觀經濟理論發展的重要里程碑，我們所面臨的問題只是如何更精確無誤地去度量TFP及其貢獻而已，這與否定TFP的客觀存在性是性質不同的兩個問題。如果能恰當地運用和解釋，增長核算是一種很有價值的工具［84］。正如張軍等［1］指出，盡管全要素生產率理論存在局限性，但對經濟學家來說，沒有比研究經濟增長和TFP變動更讓人著迷的了，測度TFP水平及其變動模式始終是當代經濟學家認真思考和認識經濟增長的主要內容。農業經濟領域亦然如此。

［1］張軍，施少華，陳詩一.中國的工業改革與效率變化［J］.經濟學季刊，2003，3(1):1-39.

［2］李谷成，馮中朝，范麗霞.小農戶真的更加有效率嗎?［J］.經濟學(季刊)，2009(10):95-124.

［3］Solow R M.Technical change and aggregate production function［J］.Review of Economics and Statistics，1957，39:12-320.

［4］農業部.關于規范農業科技進步貢獻率方法的通知［Z］.北京:中國農科院農業經濟研究所，1997.

［5］鄭京海，胡鞍鋼，Arne Bigsten.中國的經濟增長能否持續?［J］.經濟學(季刊)，2008(4):777-809.

［6］Nishimizu M，Page J M.Total factor productivity growth，technical progress and technical efficiency change:Dimensions of productivity change in Yugoslavia，1965-78［J］.The Economic Journal，1982，92:929-936.

［7］Kumbhakar S C，Lovell C A K.Stochastic frontier analysis［M］.Cambridge:Cambridge University Press，2000.

［8］鄭京海.《經濟學(季刊)》生產率研究專輯引言［J］.經濟學(季刊)，2008(4):775-776.

［9］劉小玄，李利英.企業產權變革的效率分析［J］.中國社會科學，2005(2):4-16.

［10］Lin Yifu.Rural reforms and agricultural growth in China［J］.American Economic Review，1992，82(1):34-51.

［11］Chen Shiyi，Jefferson G H，Zhang Jun.Structural change，productivity growth and industrial transformation in China［J］.China Economic Review，2011，22(1):133-150.

［12］何元慶.對外開放與TFP增長:基于中國省際面板數據的經驗研究［J］.經濟學(季刊)，2007(7):1127-1143.

［13］張海洋.R＆D兩面性、外資活動與中國工業生產率增長［J］.經濟研究，2005(5):107-117.

［14］涂正革.環境、資源與工業增長的協調性［J］.經濟研究，2008(2):93-105.

［15］王兵，王麗.環境約束下中國區域工業技術效率與生產率及其影響因素實證研究［J］.南方經濟，2010(11):3-19.

［16］岳書敬，劉朝明.人力資本與區域全要素生產率分析［J］.經濟研究，2006(4):90-96.

［17］蔣和平，蘇基才.1995-1999年全國農業科技進步貢獻率的測定與分析［J］.農業技術經濟，2001(5):12-17.

［18］王啟現，李志強，劉振虎，等."十五"全國農業科技進步貢獻率測算與2020年預測［J］.農業現代化研究，2006(11):416-419.

［19］郭慶旺，賈俊雪.中國全要素生產率的估算:1979-2004［J］.經濟研究，2005(6):51-60.

［20］Abramovitz M.Resource and output trends in the United States since 1870［J］.American Economic Review，1956，46(2):5-23.

［21］樊勝根.中國農業生產與生產率的增長:新的測算方法及結論［J］.農業技術經濟，1998(4):27-35.

［22］Felipe J.Total factor productivity growth in East Asia:A critical survey［J］.The Journal of Development Studies，1999，35:1-41.

［23］Aigner D J，Lovell C A K，Schmidt P.Formulation and estimation of stochastic frontier production function models［J］.Journal of Econometrics，1977，6:21-37.

［24］Meeusenm W，van den Broeck J.Efficiency estimation from Cobb-Douglas production functions with composed error［J］.International Economic Reviews，1977，18:435-444.

［25］Battese G E，Corra G S.Estimation of a production frontier model:With application to the pastoral zone of Eastern Australia［J］.Australian Journal of Agricultural Economics，1977，21:169-179.

［26］涂正革，肖耿.中國的工業生產力革命［J］.經濟研究，2005(3):4-15.

［27］Kumbhakar S C，Guckin J T，Ghosh S.A generalized production frontier approach for estimating determinants of inefficiency in U.S.dairy farm［J］.Journal Business and Economic Statstics，1991(9):279-286.

［28］Reifschneider D，Stevenson R.Systematic departure from the frontier:A framework of the analysis of firm inefficiency［J］.InternationalEconomic Review，1991，32:715-723.

［29］Huang C J，Liu Jintan.Estimation of a non-neutral stochastic frontier production function［J］.Journal of Productivity Analysis，1994，5:171-180.

［30］Battese G E，Coelli T J.Frontier production functions，technical efficiency and panel data:With application to paddy farmers in India［J］.Journal of Productivity Analysis，1992，3:153-169.

［31］Battese G E，Coelli T J.A model for technical inefficiency effects in a stochastic frontier production function for panel data［J］.Empirical Economics，1995，20:325-332.

［32］魏權齡.數據包絡分析［M］.北京:科學出版社，2004.

［33］Farrell M J.The measurement of production efficiency［J］.Journal of Royal Statistical Society，Series A，General，1957，120:253-281.

［34］Fare R，Grosskopf S，Lovell C A K.Production frontiers［M］.Cambridge:Cambridge University Press，1994.

［35］Shestalova V.Sequential malmquist indices of productivity growth:An application to OECD industrial activities［J］.Journal of Productivity Analysis，2003，19:211-226.

［36］Los B，Timmer M P.The‘appropriate technology’explanation of productivity growth differential:An empirical approach［J］.Journal of Development Economics，2005，77(2):517-531.

［37］Chung Y，Fare R，Grosskopf S.Productivity and undesirable outputs:A directional distance function approach［J］.Journal of Environmental Management，1997，51:229-240.

［38］Jeon B，Sickles R.The role of environmental factors in growth accounting［J］.Journal of Applied Econometrics，2004，19(5):567-591.

［39］Simar L，Wilson P.Sensitivity analysis of efficiency scores:How to bootstrap in nonparametric frontier models［J］.Management Science，1998，44(1):49-61.

［40］Simar L，Wilson P.Statistical inference in nonparametric frontier models:the state of the art［J］.Journal of Productivity Analysis，2000，13(1):49-78.

［41］Lovell C A K.Applying efficiency measurement techniques to the measurement of productivity change［J］.Journal of Productivity Analysis，1996，7:329-340.

［42］傅曉霞，吳利學.前沿分析方法在中國經濟增長核算中的適用性［J］.世界經濟，2007(7):56-66.

［43］Kirjavainen T，Loikkanen H A.Efficiency differences of finish senior secondary schools:An application of DEA and Tobit analysis［J］.Economics of Education Review，1998，17(4):377-394.

［44］涂俊，吳貴生.基于DEA-Tobit兩步法的區域農業創新系統評價及分析［J］.數量經濟技術經濟研究，2006(4):136-145.

［45］Krugman P.Myth of Asia's miracle［M］.Foreign Affairs.1994.

［46］林毅夫.再論制度、技術與中國農業發展［M］.北京:北京大學出版社，2000.296-321.

［47］Wen G J.Total factor productivity change in China's farming sector:1952-89［J］.Economic Development and Cultural Change，1993，42:1-41.

［48］Tang A M.An analytical and empirical investigation of agriculture in mainland China，1952-80［J］.Chung-Hua Institution for Economic Research ，Taipei，Taiwan.1984.

［49］Fan Shenggen.Effects of technological change and institutional reform on production growth in Chinese agriculture［J］.American Journal of Agricultural Economics，1991，73:266-275.

［50］Xu Yingfeng.Agricultural productivity in China［J］.China Economic Review，1999，10(2):108-121.

［51］Mao Weining，Koo W W.Productivity growth，technological progress，and efficiency change in Chinese agriculture after rural economic reforms:A DEA approach［J］.China Economic Review，1997，2:157-174.

［52］Lambert D K，Parker E.Productivity in Chinese provincial agriculture［J］.Journal of Agricultural Economics，1998，49(3):378-392.

［53］Wu Shunxiang，Walker D，Devadoss S，et al.Productivity growth and its components in Chinese agriculture after reforms［J］.Review of Development Economics，2001，5(3):375-391.

［54］顧海，孟令杰.中國農業TFP的增長及其構成［J］.數量經濟技術經濟研究，2002(10):15-18.

［55］陳衛平.中國農業生產率增長、技術進步與效率變化:1990-2003年［J］.中國農村觀察，2006(1):18-23.

［56］李谷成.技術效率、技術進步與中國農業生產率增長［J］.經濟評論，2009(1):60-68.

［57］石慧，孟令杰，王懷明.中國農業生產率的地區差距及波動性研究［J］.經濟科學，2008(3):20-33.

［58］全炯振.中國農業全要素生產率增長的實證研究［J］.中國農村經濟，2009(9):36-47.

［59］李谷成，馮中朝.中國農業全要素生產率增長:技術推進抑或效率驅動［J］.農業技術經濟，2010(5):4-14.

［60］科埃利，等.效率與生產率分析引論［M］.北京:中國人民大學出版社，2008.

［61］Lu Feng.Output data on animal products in China:How much are they overstated?［R］.China Center for Economic Research Working Paper，1998，No.E1998004.

［62］Fuller F，Hayes D，Smith D.Reconciling Chinese meat production and consumption data［J］.Economic Development and Cultural Change，2000，49(1):23-44.

［63］Fan Shenggen，Zhang Xiaobo.Production and productivity growth in Chinese agriculture:New national and regional measures［J］.Economic Development and Cultural Change，2002，50(4):819-838.

［64］鄒至莊.中國經濟轉型［M］.北京:中國人民大學出版社，2005.89-90.

［65］McMillan J，Whalley J，Zhu Lijing.The impact of China's economic reforms on agricultural productivity growth［J］.The Journal of Political Economy，1989，97(4):781-807.

［66］黃少安，孫圣民，宮明波.中國土地產權制度對農業經濟增長的影響［J］.中國社會科學，2005(3):38-47.

［67］劉玉銘，劉偉.土地制度、科技進步與農業增長［J］.經濟科學，2007(2):52-58.

［68］喬榛，焦方義，李楠.中國農村經濟制度變遷與農業增長［J］.經濟研究，2006(7):73-82.

［69］鄭晶，溫思美.制度變遷對我國農業增長的影響:1988-2005［J］.改革，2007(7):40-47.

［70］楊正林.農村經濟制度變遷與農業增長因素的貢獻度［J］.改革，2007(11):49-54.

［71］李谷成.中國農村經濟制度變遷、農業生產績效與動態演進［J］.制度經濟學研究，2009(3):20-54.

［72］Mead R W.A revisionist view of Chinese agricultural productivity?［J］.Contemporary Economic Policy，2003，21(1):117-131.

［73］張艷華，劉力.農村人力資本對農村經濟增長貢獻的實證分析［J］.中央財經大學學報，2006(8):61-65.

［74］李谷成.人力資本與中國區域農業全要素生產率增長［J］.財經研究，2009(8):115-128.

［75］Zhang B，Carter C A.Reforms，the weather，and productivity growth in China's grain sector［J］.American Journal of Agricultural Economics，1997，79:1266-1277.

［76］You Liangzhi，Rosegrant M，Fang Cheng，et al.Impact of global warming on Chinese wheat productivity［R］.International Food Policy Research Institute Discussion Paper，2005，No.EPTD 143.

［77］Fan Shenggen，Pardey P G.Research，productivity，and output growth in Chinese agriculture［J］.Journal of Development Economics，1997，53:115-137.

［78］Fan Shenggen，Zhang Xiaobo.Infrastructure and regional economic development in rural China［J］.China Economic Review，2004，12:203-214.

［79］王紅林，張林秀.農業可持續發展中公共投資作用研究［J］.中國軟科學，2002(10):21-25.

［80］魏朗.財政支農支出對我國農業經濟增長影響的研究［J］.中央財經大學學報，2007(9):11-17.

［81］易綱，樊綱，李巖.關于中國經濟增長與全要素生產率的理論思考［J］.經濟研究，2003(8):14-20.

［82］林毅夫，任若恩.東亞經濟增長模式相關爭論的再探討［J］.經濟研究，2007(8):4-11.

［83］鄭玉歆.理解全要素生產率［J］.數量經濟技術經濟研究，2007(9):1-9.

［84］Bosworth B，Collins S.The empirics of growth:An update［J］.Brookings Papers on Economic Activity，2003，2:113-179.