我國糧食生產力的空間差距分解及影響因素分析
——基于單要素生產力視角

洪名勇，吳昭洋，何玉鳳，王珊

（1. 貴州大學管理學院/中國西部發展能力研究中心，貴州 貴陽 550025；2. 浙江大學管理學院/中國農村發展研究院，浙江 杭州 310012）

我國糧食生產力的空間差距分解及影響因素分析
——基于單要素生產力視角

洪名勇1,2，吳昭洋1*，何玉鳳1，王珊2

（1. 貴州大學管理學院/中國西部發展能力研究中心，貴州 貴陽 550025；2. 浙江大學管理學院/中國農村發展研究院，浙江 杭州 310012）

能否有效提升單要素生產力是保障我國糧食安全以及提升全要素生產力的基礎所在。本文以我國30個省區2003-2015年間糧食單要素生產力為研究對象，通過構建“描述性統計-泰爾指數(Theil Index)分解-空間回歸模型”這一實證分析框架，較為全面地比較了糧食單產水平(yA)和勞動生產率(yL)兩指標之間的關聯與差異。結果表明：1）國內研究大都選擇yA，而國際學界則更多采用yL作為測度指標。研究范式的差異是造成指標選取差異的根源所在，不同測度指標的選取也會深刻影響糧食政策制定與實施的一般性傾向；2）兩指標均呈現由東北向西南逐漸降低的空間分布特征，但彼此間并不存在均勻的線性相關關系。兩指標經整體與局部空間層面的泰爾指數分解后均呈現較為明顯的相異趨勢；3）空間回歸分析中，農地流轉和中間投入品等變量對兩指標的影響機制在回歸系數的方向、大小和顯著性等方面具有較高一致性，但以yL為因變量的模型擬合效果顯著優于yA。精準化與差異化的施策方式為本文的政策啟示所在。

單要素生產力；糧食單產水平；糧食勞動生產率；空間差距分解；空間回歸分析

Abstract：Improving the single factor productivity efficiently is the basis for China’s grain security and the improvement of the total factor productivity. Based on the data of 30 provincial areas in China from 2000 to 2015, this paper built an empirical framework, “descriptive statistics- decomposition of Theil Index-spatial regression models”, and examined the relationship and differences between the two different indicators, including the grain yield per unit area (yA) and the labor productivity (yL). Results show that: 1) Domestic researchers usually prefer yA, while foreign researchers often select yL, as the measuring indicator of agricultural productivity. The difference in selecting indicators originates from different research paradigms. The indicator selection will affect the general tendency profoundly when making and enforcing grain policies; 2) The spatial distribution of the two indicators displays a gradual declining trend from the northeast to the southwest and there is no obvious linear relationship between them. Opposite trends have been shown obvious difference after decomposing the Theil Index of the two indicators; and 3) Spatial regression analysis shows that farmland transfer and intermediate inputs have consistent infuences on these two indicators in terms of the direction, magnitude and signifcance level of the estimated coeffcients. However, the models’ goodness of ft performsbetter when yLis treated as the dependent variable than when yAis treated as the dependent variable. Policy implications of this paper include enforcing and optimizing the current polices in a more targeted and heterogeneous way.

Key words：single factor productivity; grain yield per unit area; grain yield per labor force; decomposition of spatial disparities; spatial regression analysis

在我國“三農”領域，“糧食安全、食品安全與耕地安全”已成為當前經濟社會發展中必須面對的重大民生問題，其中又以糧食安全最為根本，在構建“三農”安全網中扮演著承上啟下的關鍵角色。農業生產力的持續性增長對長期經濟增長的重要性已逐漸成為經濟理論界與相關政策制定者的普遍共識[1-2]。作為度量生產力進步的關鍵指標，全要素生產率(TFP)以及基于投入產出分析計算得出的技術效率指數僅僅是一個加總的概念集合，認識我國農業生產力的增長不僅需要傳統的全要素生產率，更需要深入研究單要素生產率[3]。通過廣泛比較國內外針對農業或糧食單要素生產力問題的相關研究，本文發現：已有文獻在衡量農業單要素生產力水平時存在較大的指標選取差異。

總體而言，國內學者大都采用單位播種面積產量（常稱“單產”，yA），而國際農業經濟學界則更多地選擇單位勞動力產量（常稱“勞動生產率”，yL）指標展開生產力問題的討論。選取不同的單要素生產力指標絕非單純的測度問題，國際經濟學界廣泛選擇單位勞動力產量或產值作為單要素生產力測量指標的深層次原因在于其理論基礎與分析方法根植于標準的新古典經濟學范式，該范式以具有齊次或非齊次性質的生產與效用函數為建模基礎，又以基于經濟增長理論的生產力分析為典型代表[4-5]。此外，任一指標在不同時期所表現出的非一致性對技術變遷路徑和制度安排具有深刻影響，是在政策偏好下實現“精準施策”及“有效施策”的重要依據。

具體而言，國內方面，李靖和孫曉明[6]通過“剔除趨勢”模型對糧食單產波動及其年均增長趨勢進行研究，指出我國糧食單產存在地區差異這一事實；楊麗霞等[7]選擇相同的糧食單產指標和若干自變量指標，利用地理加權回歸(GWR)模型分析了不同區域糧食單產的驅動因素，研究表明糧食單產的影響因素在空間上呈現出異質性，其中尤以單位播種面積的化肥施用水平對不同地區糧食單產的差異化影響最大。作為對全國范圍開展研究的補充，國內一些學者利用灰色關聯分析等方法對局部地區或直接對某一省份的糧食單產的波動、空間分布與影響因素等問題進行了研究[8-10]。國際方面，Hayami和Ruttan[11]較早地選擇單位勞動力產量指標對發展中國家和發達國家的農業生產力水平進行了比較研究；Luh等[12]也將該指標作為測算Malmquist生產力增長指數的產出變量，較為系統地對東亞8個國家和地區的農業生產力變遷及其影響因素進行了實證分析；Gollin[13]和Gollin等[14]在研究跨國生產力差異時特意將單要素生產力指標的選擇作為重點環節展開了詳細論述，在充分結合國家層面和微觀層面的數據進行對比分析后指出：單位勞動力產量(yL)指標具有更高的一致性和穩健性。此外，Fan和Pardey[15]在探討農業研究（或知識存量）對我國1965-1993年間農業生產力的影響機制與程度時，特別指出土地生產力和勞動生產力兩種單要素生產力指標間存在較大差異這一事實，即土地生產力的增長速度明顯快于勞動生產率，該差異從全國層面反映出相關決策主體在土地節約型技術和勞動增強型技術的選擇中存在一般性傾向。大量基于產量層面的跨國研究進一步表明，農業勞動生產率差異遠大于其他生產力測量水平的差異程度[16-17]。此外，基于產值層面的勞動生產力指標在國際價格采取數量加權的價格形成機制下，該指標更適用于產量數據較為準確的發達國家和地區[14,18]。選擇何種單要素生產力指標測度農業生產力水平不僅是一個看似簡單、甚至較少被關注的應用問題，而且是一個源于研究范式差異的理論問題。

不同的生產力指標有著相異的經濟意涵和理論側重，而這一關鍵問題在現有研究中被廣泛忽視。研究我國農業生產力，尤其是研究我們最為關心的糧食生產力水平地區差距以及相關影響因素等問題時，有必要充分結合國內外已有文獻，將糧食單產指標與勞動生產率指標在同一分析框架內展開對比研究，從更為全面的分析視角深入探討我國糧食生產力地區差距的結構性問題。本文在國內已有研究基礎上的推進與貢獻在于：通過構建“描述性統計-泰爾指數分解-空間回歸模型”這一實證分析框架，較為全面地比較了糧食單產水平(yA)和勞動生產率(yL)兩種單要素生產力指標的關聯與差異狀況，為政策制定與調整的精準性提供有效依據。

1 研究方法與變量選取

1.1 泰爾指數（T h e il I n d e x）分解法

通過對不平等指數的分解來研究地區差距的結構性問題已成為重要的實證方法之一[19-21]。考慮到本文側重從地理空間層面對兩種單要素生產力指標的地區差異及其結構性問題展開比較分析，需要選擇一個從方法上能夠完全分解為組間與組內差距的不平等測度指數，泰爾指數(Theil Index)就是其中的代表。通過對總泰爾指數(TT)進行分解，可計算地區內、地區間以及總體差異程度[19]。以糧食生產力空間差距分解為例，令TT=TW+TB，TT為總體差距，TW和TB分別表示所劃分的k個區域組的組內和組間差距，具體設定如下：

TPm為區域m內的省際間差距，可進一步表示為：

式中：ym表示區域m的糧食作物總產量，Y表示全國糧食作物總產量，ymi表示區域m內i省的糧食作物產量；類似地，Nmi、Nm、Ni和N分別表示區域m內i省、區域m、i省以及全國的糧食作物播種面積或糧食作物勞動力數量，Q為區域m內的省區數量。

1.2 空間計量回歸分析

1.3 變量選取

1.3.1 單要素生產力指標（被解釋變量） 本文選取全國30個省區（除西藏和港澳臺外）2003-2015年的糧食產量、糧食播種面積和勞動生產率等指標計算糧食單要素生產力；yA表示糧食單產水平，即單位播種面積產量；yL表示勞動生產率水平，即單位勞動力產量。需要指出的是，糧食單產水平(yA)和勞動生產率(yL)在理論上存在如（8）式所表示的分解關系，其中，Y為糧食產量水平，L為種糧勞動力數量，A為糧食播種面積。

1.3.2 影響因素指標（解釋變量） 本文選取政府支持水平、土地、勞動力以及中間投入品等4類指標所涉及的9個變量作為空間回歸分析中的解釋變量（表1）。為避免因遺漏變量所帶來的內生性問題，變量選取除了考慮已有文獻在研究影響糧食生產力的諸多因素中常用的指標變量外[22-23]，進一步將“政府支持水平”指標納入分析之中，選取“地方財政農林水事務支出(GSit)”作為政府支持水平的代理變量。此外，“農地流轉(LTit)”作為實現農業現代化的基礎條件之一，近年來受到越來越多的關注[27-28]，本研究也將該指標納入分析之中。需要說明的是，影響糧食生產力的因素還有很多，從模型與量化視角探討究竟是何種因素影響糧食生產力并非本研究的目的所在，本文的重點在于探究兩種單要素生產力指標的聯系與差異，即便如此，所選變量也已經能夠較為全面地反應影響糧食生產力的因素集合。

表1 變量選取與說明Table 1 Variable selection and defnitions

2 數據說明與空間區域劃分

2.1 數據說明

糧食單產水平由歷年《中國農村統計年鑒》及歷年《國家統計局關于糧食產量的公告》中糧食產量和播種面積指標計算求得；勞動生產率數據來源于國家統計局歷年《國家統計局關于糧食產量的公告》，由于2013-2015年勞動生產率數據缺失，作為重要的被解釋變量之一，此三年的勞動生產率數據經移動平均方法處理后獲得。影響因素方面，“農地流轉率(LTit)”數據由歷年《全國農村經營管理統計資料》獲得，其余變量數據均來自于歷年《中國農村統計年鑒》（表2）。此外，由于“地方政府財政支農支出(GSit)”的統計口徑在2007年前后不一致，該變量2003-2006年的數據由農業支出、林業支出與農林水利氣象等涉農部門事業費加和求得；“農村勞動力文化水平(GLit)”指標由于2013-2015年數據未公布，文中采用2003-2012年間該指標的年均增長率計算求得2013-2015年數據。需要說明的是，本文空間回歸分析重在比較因變量指標差異下影響機制及擬合效果的異同，不同模型設定下自變量均保持一致，因此自變量數據存在統計口徑差異及部分數值缺失并不會影響本文主要結論的得出，不僅如此，缺失年份的數量相較于整體時序長度而言明顯較短，進行相應處理與補足后影響有限。

表2 變量描述性統計Table 2 Descriptive statistics of variables

2.2 空間區域劃分

本文借鑒張硯杰和王曉兵[29]以及Fan和Pardey[15]對我國農業生產力區域劃分的方法，將全國糧食生產力從空間層面劃分為6個區域組；此劃分方法的優點在于較為全面地考慮了地理空間、資源稟賦和文化屬性特征等空間異質性因素，所得分析結果的橫向可比性更強，所獲政策意涵也更具洞察力。6個空間區域組具體劃分如下：①直轄市組3個：北京、天津和上海；②沿海省份組7個：河北、江蘇、浙江、福建、山東、廣東和海南；③東北三省組3個：黑龍江、吉林和遼寧；④中部省份組6個：山西、安徽、江西、河南、湖北和湖南；⑤西北省份組6個：內蒙古、陜西、甘肅、青海、寧夏和新疆；⑥西南省份組5個：重慶、四川、貴州、云南和廣西。西藏自治區和港澳臺地區由于數據完整性和異質性較強，在此作為缺失值處理；重慶市由于地理、資源稟賦以及文化等條件具有較強空間異質性，空間區域組劃分時歸入西南省份組，而非直轄市組。

3 結果與比較分析

3.1 基于描述性統計的比較分析

表3 各省區糧食單產水平(yA)與勞動生產率(yL)均值、均值排名與變異系數（2003-2015年）Table 3 Mean, mean’s ranking and the coeffcients of variance of yAand yLof provincial regions (2003-2015)

3.1.1 生產力空間分布與差異 依照所劃分的6個空間區域組，表3展示了2003-2015年間糧食單產水平(yA)與勞動生產率(yL)的均值、均值排名以及變異系數等內容。整體層面，兩指標均值水平呈現出由東北向西南逐步下降的空間分布特征，均值排名中僅有5個省區位次一致；消除量綱影響的變異系數（CV = (S/)×1 00%）值則進一步表明：勞動生產率變異程度明顯大于糧食單產水平變異程度，勞動生產率與糧食單產水平變異程度自東北向西南逐漸降低；進一步驗證了已有文獻對我國糧食生產力在大區域格局間存在明顯區域差異的判斷[30]。局部層面，各區域組內部呈現出“整體一致，個體相異”的組內特征，其中東北地區得益于土地資源稟賦、種植條件以及規模化經營程度相對較高等優勢，除黑龍江省糧食單產水平較低以外均處于全國前列，但黑龍江省的指標變異系數明顯高于其他省份；相比而言，西北和西南省份組的單要素生產力水平普遍低于其他區域組，但兩區域組分別在勞動生產率和糧食單產水平指標下具有相對優勢。具體地，西南省份組在兩單要素指標測度下均處于較低水平，且兩指標排名差異較小；貴州、青海、甘肅、廣西和云南等欠發達省區在兩種糧食單要素生產力指標下均處于落后狀態，此外，共有8個省區的兩指標均值排名差異大于10，但所屬區域和個體差異的方向并不具有一致性。理論上講，空間分布存在較為明顯的非一致性是各區域組之間以及組內各省區單位勞動力播種面積存在差異的必然結果。鑒于此，若單一使用某項指標作為全國生產力布局以及相關政策制定的依據則勢必存在較為嚴重的偏差，糧食生產力水平的可持續提升需要更為精準化與差異化的政策措施。

3.1.2 相關性與增長趨同趨勢比較 通過散點圖及計算相關統計參數，可進一步探討兩單要素生產力指標間的關系。一元線性回歸擬合結果雖然通過了顯著性檢驗，但擬合效果較差，調整后的R2值僅為0.112 1（圖1），lowess非參數擬合曲線也呈現末端分叉特征（圖1中虛線）；由此可見，兩指標在整體層面存在一定的相關性，但局部擬合效果較差，無法從個體層面得出兩指標間存在穩健線性相關這一結論。

圖 1 兩單要素生產力指標散點圖及線性擬合Fig. 1 Scatter plot and linear ftting of the two single factor productivity indicators

進一步從增長的趨同趨勢層面比較兩種單要素生產力指標。圖2和圖3清晰地刻畫了兩指標的增長趨同趨勢，顯而易見，兩指標呈現出相反的增長趨同方向。其中，糧食單產的初始水平越低其增長速度就越快，線性擬合效果也較好（圖2）；與之相比，勞動生產率則呈現出相反的趨同趨勢，即某省區初始水平越高，其后期增長速度也越快（圖3）。由此可見，兩種單要素生產力指標在經濟發展進程中表現出相異的趨同增長路徑，糧食單產水平存在與傳統政策偏好一致的增長方向，而勞動生產率卻沒有出現具有“后發優勢”的增長特征。

圖2 糧食單產水平(yA)初始值與增長率Fig. 2 Initial level and the growth rate of grain yield per unit area (yA)

圖3 勞動生產率(yL)初始值與增長率Fig. 3 Initial level and the growth rate of labor productivity (yL)

3.2 基于T h e il I n d e x的空間差距分解

3.2.1 生產力空間差距的總體演變趨勢 Theil指數的大小意味著各地區糧食單產水平與勞動生產率的差異程度，利用上文所述的泰爾指數計算方法，通過平滑折線圖反映各年份空間差異變化的總體演變趨勢（圖4和圖5）。具體地，2003年以來我國糧食單產水平的地區差距總體呈下降趨勢，2004-2007年為上升階段，2007年達到差距最大值，2007年后在波動中逐年下降（圖4）。此外，在糧食單產水平的總體區域差距構成中，區域內差距的貢獻大于區域間差距，區域內差距的下降推動了全國總差距水平的下降。就勞動生產率而言，2003年以來勞動生產率的地區間差距總體呈上升趨勢，區域間差距的貢獻大于區域內差距，區域間差距的上升帶動了全國總差距水平的上升（圖5）。同已有研究結果相比，糧食單產水平的分解結果驗證了各區域存在明顯的“俱樂部趨同”現象[22]，但基于勞動生產率的分解結果卻得不到類似結論。

圖4 糧食單產水平(yA)泰爾指數分解Fig. 4 Decomposition of the Theil Index of grain yield per unit area (yA)

圖5 勞動生產率(yL)泰爾指數分解Fig. 5 Decomposition of the Theil Index of labor productivity (yL)

圖 6 糧食單產水平(yA)各區域差距分解Fig. 6 Decomposition of the regional disparities of grain yield per unit area (yA)

圖 7 勞動生產率(yL) 各區域差距分解Fig. 7 Decomposition of regional disparities of labor productivity (yL)

3.2.2 生產力空間差距的地區結構分解 進一步對總體層面的區域內差距展開分解可得到6個區域組的組內差距變化趨勢。具體地，就糧食單產水平而言，各區域內差距除西南省份組存在上升趨勢外，其他區域組均呈下降趨勢（圖6）；此外，東北三省組在2004-2007年間逐漸上升并達到最大值，2007年后其組內差距明顯下降，可以推斷，總體層面的區域內差距下降主要源于東北三省組組內差距的下降。就勞動生產率而言，沿海省份組的組內差距上升明顯，西北省份組的組內差距相對平穩但遠高于其他區域的組內差距水平，總體層面的區域內差異變動主要是由沿海省份組和西北省份組的差異波動所引起（圖7）。比較而言，糧食單產水平在各區域組的組內差距明顯小于勞動生產率指標，雖然東北三省組糧食單產水平的組內差距在下降，但勞動生產率的組內差距卻呈上升趨勢。

3.3 基于空間回歸模型的影響因素分析

作為空間回歸分析的基礎，利用(4)式計算全局Moran’s I，分別對2003-2015年間糧食單產水平與勞動生產率進行全局空間自相關檢驗。Moran’s I大于0表示存在空間正相關，小于0表示存在空間負相關，接近于0則表明相互獨立。結果表明，兩種單要素生產力在各年份、各權重選擇下Z(I)值均顯著大于0，單要素糧食生產力存在正向的空間自相關和空間收斂特征（表4）。

空間自相關檢驗表明選擇空間回歸方法進行研究的適用性。結合前文所設定的空間滯后計量模型(6)式和空間誤差模型(7)式，同時考慮兩種空間權重類型，對因變量與自變量進行對數處理后展開具體的空間回歸分析。所得空間面板數據經豪斯曼檢驗(Hausman Test)，對空間滯后與空間誤差回歸模型分別采用隨機效應和固定效應進行處理。

模型最大似然估計(MLE)估計結果如表5所示。結果顯示，空間誤差模型(SEM)相比之下具有更好的模型擬合效果，引入經濟空間權重矩陣(We)并未有效提升模型的解釋力；此外，自變量回歸系數的方向均保持一致，除受災程度(LDit)和勞動力文化水平(CLit)在1%顯著性水平上顯著為負外，其他7個因素均呈正向作用關系；其中，受災程度(LDit)對兩種生產力指標具有一般性影響；農村勞動力文化水平(CLit)的上升隱含著優質農村勞動力更傾向于種植其他經濟作物或選擇外出務工，而農村剩余勞動力的學習能力和體力相對較弱，導致農村勞動力文化水平的提升對糧食生產力的增長產生負面影響；農地流轉(LTit)作為提升農業生產力以及發展現代農業的基礎環節，對生產力的提升具有顯著正向影響。此外，勞均經營規模(MSit)對勞動生產率的促進作用更為顯著，農業中間投入品所含3個變量也均能促進生產力提升。無論基于何種權重類型與模型類別的組合方式，因變量差異是導致模型解釋力差異的單一核心因素，即各影響因素對勞動生產率的解釋程度明顯高于對糧食單產水平的解釋程度。綜上所述，基于兩種單要素生產力指標的空間計量回歸結果表現出“系數差異性小而擬合效果差異性大”的特征，自變量系數的弱差異性很可能是由于在回歸中對各變量取對數所致，但不同因變量下模型整體擬合效果的差異十分顯著，空間誤差模型下以勞動生產率為因變量的回歸模型相比而言具有更強的解釋力。

表 4 糧食單產與勞動生產率全局莫蘭指數空間自相關檢驗Table 4 Tests of spatial autocorrelation of the two indicators based on the Global Moran’s I

表 5 基于兩種單要素生產力的空間計量模型估計結果Table 5 Estimated results of the spatial econometric models based on the two single factor productivity indicators

4 結論

本研究主要結論如下：

1）不論采用平均產值還是變異系數進行計算，兩指標在空間層面均呈現出由東北向西南逐漸下降的空間分布特征，線性與非參數擬合結果表明兩者間未呈現均勻的線性相關關系；從增長的趨同趨勢看，兩指標也呈現出完全相反的變遷路徑，糧食單產水平表現出較為積極的“后發優勢”，勞動生產率則呈現“強者更強，弱者不強”的趨同特征。

2）基于泰爾指數的總體空間差距分解結果顯示，糧食單產水平與勞動生產率分別呈現出不斷縮小和逐漸擴大的空間差距演變趨勢，東北三省組、西北省份組以及西南省份組的組內差距變化是兩指標總體差距變化呈現異化趨勢的主要原因。

3）基于空間滯后模型與空間誤差模型的回歸分析結果表明，各影響因素對兩指標的微觀作用機制較為穩健，但模型的整體解釋力存在顯著差異，以勞動生產率為因變量的模型擬合效果明顯優于糧食單產水平。研究結果充分表明，不同的單要素生產力指標確實具有不同的空間分布、趨同趨勢以及空間差距演變等特征，指標選擇的差異絕非單純的測度問題，而是根植于分析范式與研究視角差異的理論問題，不同指標的選取會深刻地影響政策制定與實施的一般性傾向。

5 政策啟示

基于研究結論，政策啟示如下：

1）糧食生產力的空間布局與優化既要有區域側重，又要有相應的指標抓手。當前，西部地區糧食生產能力相對較弱，但各區域單要素生產力具有不同測度指標下的相對優勢，相關政策的制定也應順勢而為，有側重地加強相應技術的研發與推廣；例如，西北省份組和西南省份組的糧食生產力雖明顯落后于其他區域，但分別在勞動生產率和糧食單產水平上具有相對優勢，全國及地方性糧食政策的制定、調整和實施過程中應充分發揮這一相對優勢，在上述地區分別加大對勞動增強型技術和土地增強型技術的投入力度，提升資源的配置效能。

2）“十三五”及今后一段時期，農業與糧食政策的調整與優化必須由“大水漫灌”向“精準發力”過渡，推行“精準化”、“差別化”的糧食生產力政策，基于各區域和各省區自身的生產力指標差異識別出生產力提升中的抓手所在，推行“一區域一策、一省區一策”的精細化科學發展思路；此外，在落實好2017年4月發布的《國務院關于建立糧食生產功能區和重要農產品生產保護區的指導意見》的基礎上，建議進一步制定具有區域特點的糧食生產力發展規劃，將農業與糧食生產力的政策舉措同區域經濟社會發展水平相匹配。

3）加大對專業化合作社、新型職業農民以及大學生等“新農人”組織與群體從事農業生產的引導和支持力度，提升現有存量種糧人口的生產技能和學習意愿，彌補農村優質勞動力外流所帶來的負外部性；此外，對貴州、青海和廣西等糧食生產力水平較弱的省區，繼續加大農業與農村基礎設施投入，降低農村土地流轉中的交易費用，提升中間投入品的數量和質量，與此同時，加快調整并完善欠發達地區農村勞動力跨區域轉移和就地城鎮化的相關配套政策，在保障糧食供給安全的同時，實現糧食單要素生產力、種糧收入以及城鎮化水平的多元協調發展。

[1] 盛來運, 付凌暉. 轉型期農業發展對經濟增長的影響[J]. 中國農村經濟, 2014(1): 4-12.

Sheng L Y, Fu L H. Agricultural development’s impact on economic growth during transition period[J]. Chinese Rural Economy, 2014(1): 4-12.

[2] 黨國英. 中國農業發展的戰略失誤及其矯正[J]. 中國農村經濟, 2016(7): 2-14.

Dang G Y. The faults and corrections of China’s agricultural development strategic[J]. Chinese Rural Economy, 2016(7): 2-14.

[3] 辛翔飛, 秦富. 我國農業生產力水平的地區差距及其結構分解[J].農業技術經濟, 2007(4): 23-27.

Xin X F, Qin F. Regional disparities of China’s agricultural productivity and structural decomposition of the disparities[J]. Journal of Agrotechnical Economics, 2007(4): 23-27.

[4] Griliches Z. The sources of measured productivity growth: United States’ agriculture, 1940-60[J]. Journal of Political Economy, 1963, 71(4): 331-346.

[5] Gollin D, Lagakos D, Waugh M E. The agricultural productivity gap[J]. Nber Working Papers, 2014, 129(2): 939-993.

[6] 李靖, 孫曉明. 省域糧食單產水平與波動狀況研究[J]. 中國人口·資源與環境, 2011, 21(4): 76-80.

Li J, Sun X M. Analysis on provincial grain unit yield and its fluctuation conditions[J]. China Population, Resources and Environment, 2011, 21(4): 76-80.

[7] 楊麗霞, 楊桂山, 姚士謀. 基于ESDA-GWR的糧食單產及其驅動因子的空間異質性研究[J]. 經濟地理, 2012, 32(6): 120-126.

Yang L X, Yang G S, Yao S M. A study on the spatial heterogeneity of grain yield per hectare and driving factors based on ESDAGWR[J]. Economic Geography, 2012, 32(6): 120-126.

[8] 程葉青. 東北地區糧食單產空間格局變化及其動因分析[J]. 自然資源學報, 2009, 24(9): 1541-1549.

Cheng Y Q. Spatial pattern change and its driving factors of grain per unit area yield in Northeast China[J]. Journal of Natural Resources, 2009, 24(9): 1541-1549.

[9] 張紅富, 周生路, 吳紹華, 等. 江蘇省糧食生產時空變化及影響因素分析[J]. 自然資源學報, 2011, 26(2): 319-327.

Zhang H F, Zhou S L, Wu S H, et al. Temporal and spatial variation of grain production in Jiangsu Province and its infuencing factors[J]. Journal of Natural Resources, 2011, 26(2): 319-327.

[10] 王亞偉, 韓珂. 河南省糧食單產變化趨勢及影響因素分析[J].干旱地區農業研究, 2012, 30(4): 242-247.

Wang Y W, Han K. Change trend of grain yield per hectare and it’s impact factors in Henan Province[J]. Agricultural Research in the Arid Areas, 2012, 30(4): 242-247.

[11] Hayami Y, Ruttan V W. Agricultural productivity differences among countries[J]. American Economic Review, 1970, 60(5): 895-911.

[12] Luh Y H, Chang C C, Huang F M. Efficiency change and productivity growth in agriculture: A comparative analysis for selected East Asian economies[J]. Journal of Asian Economics, 2008, 19(4): 312-324.

[13] Gollin D. Agricultural productivity and economic growth[A]. Arrow K J, Intriligator M D. Handbook of Agricultural Economics, Vol. 4[C]. New York: North-Holland, Elsevier, 2010, 3825-3866.

[14] Gollin D, Lagakos D, Waugh M E. Agricultural productivity differences across countries[J]. American Economic Review: Papers & Proceedings, 2014, 104(5): 165-170.

[15] Fan S G, Pardey P G. Research, productivity and output growth in Chinese agriculture[J]. Journal of Development Economics, 1997, 53(1): 115-137.

[16] Caselli F. Accounting for cross-country income differences[A]. Aghion P, Durlauf, S N. Handbook of Economic Growth, Vol. 1A[C]. New York: North-Holland, Elsevier, 2005, 679-742.

[17] Restuccia D, Yang D T, Zhu X. Agriculture and aggregate productivity: A quantitative cross-country analysis[J]. Journal of Monetary Economics, 2007, 55(2): 234-250.

[18] U. S. Department of Agriculture Economic Research Service. Agricultural Productivity Growth in the United States: Measurement, Trends, and Drivers[R]. Washington, DC: The U. S. Department of Agriculture, 2015.

[19] Tsui K Y. Decomposition of China’ s regional inequalities[J]. Journal of Comparative Economics, 1993, 17(3): 600-627.

[20] Hussain A, Lanjouw P, Stern N. Income inequalities in China: Evidence from household survey data[J]. World Development, 1994, 22(12): 1947-1957.

[21] 高鳴, 宋洪遠. 糧食生產技術效率的空間收斂及功能區差異—兼論技術擴散的空間漣漪效應[J]. 管理世界, 2014(7): 83-92.

Gao M, Song H Y. The spatial convergence and function differences of the technical efficiency of grain production and functional region difference: A discussion on the spatial ripple effect of technology diffusion[J]. Management World, 2014(7): 83-92.

[22] 陳秧分, 李先德. 中國糧食產量變化的時空格局與影響因素[J].農業工程學報, 2013, 29(20): 1-10.

Chen Y F, Li X D. Spatial-temporal characteristics and infuencing factors of grain yield change in China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(20): 1-10.

[23] 馬林靜, 王雅鵬, 田云. 中國糧食全要素生產率及影響因素的區域分異研究[J]. 農業現代化研究, 2014, 35(4): 385-391.

Ma L J, Wang Y P, Tian Y. Regional differentiation of grain total factor productivity and infuencing factors in China[J]. Research of Agricultural Modernization, 2014, 35(4): 385-391.

[24] Moran P A P. A test for the serial independence of residuals[J]. Biometrika, 1950, 37(2): 178-187.

[25] Elhorst J P. Spatial Econometrics: From Cross-Sectional Data to Spatial Panels[M]. London: Springer, 2014.

[26] 林光平, 龍志和, 吳梅. 我國地區經濟收斂的空間計量實證分析: 1978—2002年[J]. 經濟學(季刊), 2005, 4(S1): 67-82.

Lin G P, Long Z H, Wu M. A spatial analysis of regional economic convergence in China: 1978-2002[J]. China Economic Quarterly, 2005, 4(S1): 67-82.

[27] 王曉兵, 侯麟科, 張硯杰, 等. 中國農村土地流轉市場發育及其對農業生產的影響[J]. 農業技術經濟, 2011(10): 40-45.

Wang X B, Hou L K, Zhang Y J, et al. The development of Chinese rural land transfer market and its impacts on agricultural production[J]. Journal of Agrotechnical Economics, 2011(10): 40-45.

[28] 陳海磊, 史清華, 顧海英. 農戶土地流轉是有效率的嗎?—以山西為例[J]. 中國農村經濟, 2014(7): 61-71.

Chen H L, Shi Q H, Gu H Y. Is the farmland transfer effcient? Evidence from Shanxi Province[J]. Chinese Rural Economy, 2014(7): 61-71.

[29] 張硯杰, 王曉兵. 改革開放30年中國農業生產力和效率變化評估[J]. 農業經濟問題, 2012(10): 19-28.

Zhang Y J, Wang X B. The evaluation of the regional difference of total factor productivity in the past three decades[J]. Issues in Agricultural Economy, 2012(10): 19-28.

[30] 韓榮青, 戴爾阜, 吳紹洪. 中國糧食生產力研究的若干問題與展望[J]. 資源科學, 2012, 34(6): 1175-1183.

Han R Q, Dai E F, Wu S H. Problems and prospects of researches on China’s grain productivity[J]. Resources Science, 2012, 34(6): 1175-1183.

（責任編輯：王育花）

Analysis on the decomposition of the spatial disparities and the infuencing factors of China’s grain productivity: From the perspective of single factor productivity

HONG Ming-yong1,2, WU Zhao-yang1, HE Yu-feng1, WANG Shan2
（1. School of Management/China Center for Western Capacity Development Research, Guizhou University, Guiyang, Guizhou 550025, China; 2. School of Management/China Academy of Rural Development, Zhejiang University, Hangzhou, Zhejiang 310012, China）

F323.2 文獻標識碼：A 文章編號：1000-0275（2017）04-0561-10

10.13872/j.1000-0275.2017.0063

洪名勇, 吳昭洋, 何玉鳳, 王珊. 我國糧食生產力的空間差距分解及影響因素分析—基于單要素生產力視角[J]. 農業現代化研究, 2017, 38(4): 561-570.

Hong M Y, Wu Z Y, He Y F, Wang S. Analysis on the decomposition of the spatial disparities and the infuencing factors of China’s grain productivity: From the perspective of single factor productivity[J]. Research of Agricultural Modernization, 2017, 38(4): 561-570.

國家自然科學基金項目（71673065）；貴州省2014年重大應用基礎研究項目（黔科合JZ字[2014]200205）；貴州大學文科重點特色學科重大項目（GDZT201504）。

洪名勇(1965-)，男，貴州金沙人，博士，教授，主要從事農地流轉、制度經濟學與空間經濟學等方面的研究，E-mail: hongmingyong@163.com；通訊作者：吳昭洋(1989-)，男，河南洛陽人，碩士研究生，主要從事農業生產力增長與經濟結構轉換理論等方面的研究，E-mail: todaywoo@foxmail.com。

2017-04-30，接受日期：2017-06-19

Foundation item: National Natural Science Foundation of China (71673065); Major Applied Basic Research Program of Guizhou Province in 2014 (JZ[2014]200205); Major Program of Key Specialty Majors in Social Science of Guizhou University (GDZT201504).

Corresponding author: WU Zhao-yang, E-mail: todaywoo@foxmail.com.

Received 30 April, 2017;Accepted 19 June, 2017