我國農業全要素生產率及其影響因素研究
——基于資源環境約束視角

(東北農業大學 經濟管理學院,黑龍江 哈爾濱 150030)

我國農業全要素生產率及其影響因素研究
——基于資源環境約束視角

張永強,周 寧,張曉飛,蒲晨曦
(東北農業大學 經濟管理學院,黑龍江 哈爾濱 150030)

采用我國31個省份的面板數據,運用SBM方向性距離函數測度了2010—2014年我國農業全要素生產率值,通過建立回歸模型實證分析了影響我國農業全要素生產率的因素。研究結果表明：我國農業全要素生產率總體呈增長趨勢,但東部、中部、西部三大地區間存在明顯差異，化肥施用量、農業機械總動力、農田水利設施對農業全要素生產率具有顯著正向影響,而人力資本、農業生產技術等傳統生產要素的影響并不顯著。針對研究結果,提出完善農業政策補貼、加強中西部地區基礎設施建設、發展生態農業、推進農業科技創新與應用和加強人力資本投入等對策建議。

資源環境;農業全要素生產率;期望產出;非期望產出

隨著我國農業經濟發展,資源環境問題日益突出。2010年國家統計局與國家環保部等多部委聯合發布的《第一次全國污染源普查公報》顯示,農業污染物中COD排放量為1324萬t,占COD總排放量的44%,農業氮、磷排放量為271萬t和29萬t,分別占總排放量的57%和68%。2010年中國已超過美國成為全球第一大資源消耗國,資源消耗量占全球的1/5[1]。2011年和2012年，我國農業COD排放量占總排放量的比重超過45%,農業氮、磷排放量占總排放量的比重超過60%。中國農業生產的資源與環境約束日益嚴峻,繼續靠增加自然資源和要素投入來提高農業產出的余地已越來越小[2]。在資源環境約束下,科學測算出農業全要素生產率(TFP),探尋到農業發展與資源環境之間的均衡點，揭示出影響TFP的因素,已成為我國農業可持續發展的必然要求。但在有關農業生產效率測度的文獻中,將資源環境作為約束條件進行研究的文獻較少,測度出的TFP值差距較大。究竟是哪些因素影響了我國農業生產效率,已有研究沒有得出統一的結果,甚至得出了相反的結論。基于以上分析,本文擬主要解決以下問題:①近年來我國農業具體的TFP數值及其變化趨勢；②影響我國農業TFP的因素；③各個變量對我國農業TFP的影響方向和力度。

1 文獻綜述

一直以來,農業生產率的研究都備受關注。Chung等學者運用方向性距離函數(DDF)將期望產出與非期望產出納入到同一分析框架中測算了瑞典紙漿廠的生產效率,此方法成為日后研究生產效率的基礎[3]。在此基礎上,有學者將DDF與Malmquist-Luenberger(ML)指數相結合,計算了經濟體的全要素生產率,但DDF的基本假定為合意產出與非合意產出以相同比例變化,其本質屬于徑向的數據包絡分析(DEA)模型,而現實經濟活動中存在非零松弛時,徑向DEA模型會高估決策單元的效率[4]。Kaoru Tone將松弛變量引入到SBM方向距離函數中并構建非期望產出的SBM模型來處理非合意產出變量,提高了農業生產率測度的準確性[5]。另有學者利用隨機前沿分析(SFA)對某一品種或某一類別的作物進行研究,取得了豐富成果。

薛建良等、楊俊等學者將環境因素作為約束條件考察了我國農業TFP[6,7],這給測算TFP值增加了限制條件,但更符合現實農業生產活動。岳立等學者使用碳排放量作為環境污染的代理變量,運用距離函數分析了環境規制下我國農業的全要素生產率[8],但碳排放本身的測算有一定難度,它不能準確反映農業環境的污染程度。尹朝靜等學者從增長的分布形狀和內部流動性兩個角度來評估中國農業TFP增長省區分布的動態演進機制,研究表明中國大多數省份中農業技術進步呈不斷增長的趨勢[9]。TFP的測算結果方面也存在著較大的差異,顧海等學者測算的TFP值為3.0%[10],曾先鋒為2.3%[11]、李谷成為2.8%[12]、白林為4.1%[13],造成測量結果存在較大差異的原因主要是測量方法不同,各個學者選擇的投入指標和代理變量也不盡相同。

在影響TFP諸多因素的研究中,基于不同的估計方法學者們得出了不同的結論。Songqing Jin等學者認為農業科研投入和資本投入對TFP有著更為深遠的影響[14]。鄭循剛采用隨機前沿生產函數分析方法研究了2000—2007年西部農業生產全要素生產率,結果表明對全要素生產率增長的影響主要是技術進步、資源配置效率和規模效率,技術進步是主要的推動力量,平均占104%[15]。王兵等學者利用SBM模型測度了我國31個省份1995—2008年的TFP值,同時對其影響因素進行分析,研究結果表明1995—2008年的TFP增長率為5.6%，機械化水平是影響TFP的重要因素,并且東部地區的TFP值大于中西部地區[16]。潘丹等學者在環境約束下測算了我國1998—2009年的農業生產效率,結果表明農業經濟發展水平、產業結構、農業基礎設施建設對TFP具有顯著影響[17]。方福前、鄭云利用非參數ML指數法和2OLS分析了影響TFP的諸多因素,研究結果表明鄉村從業人員、政府對農業和農村的公共投資對TFP的影響最為顯著,區域間的TFP值差異明顯[18,19]。Whalley等學者指出農產品價格的上升和農民生產積極性的提高是影響TFP的主要因素[20]。Yao、王奇等學者認為，在要素投入既定條件下，農業生產技術效率對TFP影響較大[21,22]。金懷玉等學者以實物量作為農業投入產出的指標,采用DEA-ML模型測算了我國的TFP值并對其影響因素進行了研究,結果表明氣候變化是影響TFP的主要因素[23]。杜江利用1978—2011年間的省際面板數據與Global Malmquist分析了我國種植業的TFP及其影響因素,研究結果表明技術進步是推動農業TFP增長的主要因素,東部地區的增速大于中西部地區[24]。

通過對現有文獻的回顧與整理,在TFP研究方面,學者們取得了豐富的成果,但仍存在不足:①估計方法受到的限制條件較多,導致TFP值測算結果存在較大偏誤。指數法將完全效率假設作為隱含的前提條件來測度TFP值,但在農業生產中經濟資源很難實現完全利用。此外,指數法往往需要價格信息,而農產品價格受國家宏觀經濟政策的影響較大,其價格波動幅度也較大,將價格納入到分析模型中進行研究會降低測度結果的準確性。SAF模型則需要設定具體的函數形式,而在實際研究中很難直接獲取或推導出函數表達式,投入產出變量間不存在嚴格的同比變化關系,生產單位也很難達到前沿面上的生產,徑向模型難以準確測度出TFP值。②忽略了資源環境作為約束變量對農業產出存在的負向影響。TFP的傳統測量方法僅考察基本的生產要素投入(土地、資本、勞動力的投入)對農業產出的正向影響,卻忽略了在資源環境約束下農業產出對生態環境造成的負面影響,將資源環境作為約束條件來考察我國農業TFP的文獻甚少。③現有文獻多是對農業生產現象的統計描述,缺乏相應的實證分析。本文將資源環境作為約束條件納入到TFP體系中,運用SBM模型測算了我國2010—2014年的TFP值,在此基礎上通過實證分析探索出影響TFP的主要因素及其變化趨勢,以期為提高我國農業生產率和保障國家糧食安全提供相應的參考依據。

2 研究方法

為避免徑向函數產生的結果偏誤,本文采用SBM非徑向方向性距離函數來測度我國2010—2014年的TFP值。我們將每個省份作為一個獨立的決策單元(DMU)來構建農業生產的最優邊界點。假設每個DMU使用M種要素投入,能夠獲得I種期望產出y和J種非期望產出b,期望產出和非期望產出的可行性集合即為環境生產技術(EPT),其表達式為:

EPT={(x,y,b),(y,b)為x的產出變量}

(1)

EPT滿足兩個基本假設,一是期望產出y和非期望產出b相關,若y=0或b=0,則EPT=0;二是期望產出y和非期望產出b具有弱處置性，即要素投入既定水平下,非期望產出b的減少必然占用既有資源,會降低期望產出y。數學形式表達為:(x,y,b)∈EPT且γ∈[0,1],則(x,γy,γb)∈EPT。在滿足上述假定條件下,EPT的具體表達式為:

(2)

其中,k=1,2,3,…,K;m=1,2,3,…,M;i=1,2,3,…,I;j=1,2,3,…,J。z-k≥0，表示EPT滿足規模報酬不變;zk=1，表示EPT滿足規模報酬可變。根據Charmbers等學者的研究[25],DDF的表達式為:

(3)

s.t.

zk≥0;k=1,2,3,…,K;β≥0

(4)

值得注意的是，DDF屬于徑向函數,當投入變量與產出變量之間存在非零松弛時,TFP值會存在較大偏差。為了縮小度量結果偏誤,Fukuyama、Barros等學者運用非徑向距離函數并將非期望產出納入其中,對經濟體的生產效率進行了研究[26,27]。此后,Zhang等學者對非徑向距離函數做了進一步分析[28]。本文將SBM非徑向方向性距離函數表達為：

(5)

(6)

s.t.

(7)

3 數據說明及指標選取

3.1 數據說明

本文選取中國2010—2014年31個省份(因數據缺失，未統計香港與澳門特別行政區和臺灣地區)的農業投入—產出數據作為研究的樣本數據,由于TFP值受投入產出變量的影響較大,DEA模型中DMU的數量至少是投入產出變量的兩倍,選取過多的指標會增加DMU的數量,導致變量間區分度下降，因此選取的投入產出變量不宜過多。借鑒已有研究,考慮到數據的可靠性與準確性,本研究主要選取資源稟賦指標、行為主體指標、誘致性指標3大層次指標中的8個變量作為投入變量,將糧食產量作為正向產出變量,將農業污染物排放量作為負向產出指標進行分析。各地區數據為相應省份的加總數據,缺失值的計算方法為:本年度變量數據=上一年度變量數據×(1+本年度農業產出量的增長率)。選取的指標數據來源于歷年的《中國統計年鑒》、《中國農村統計年鑒》、《中國科技統計年鑒》、《中國環境統計年鑒》。

3.2 指標選取

農業部門中的土地生產要素屬不可再生要素,土地資源的絕對稀缺會限制農業生產水平的提高,土地資源對農業生產率有著直接影響。勞動力作為農業生產的基本投入要素,勞動力的數量與質量對農業生產活動和農業經營管理方式有著重要作用,對農業產出具有直接影響。農業基礎設施是進行農業生產的重要保障,完備的農業基礎設施可為農業生產提供良好的外部環境,對農業產出具有正外部性；反之,則存在負外部性。在資源稟賦指標中,本文選取該地區糧食種植總面積、人力資本(各省務農人員數量×該省農村居民平均每百個勞動力中初中及以上文化的比例)、農業機械總動力、農田水利設施建設(有效灌溉面積/糧食種植總面積)4個基本指標作為解釋變量。在資源環境問題日益嚴峻的形勢下,政府作為環境規制的行為主體,在資源環境與農業產出協調發展關系方面發揮著重要的調節作用。政府通過財政補貼方式進行環境治理的同時,還通過頒布環保政策、檢驗環保項目等環保行為實現自我約束。農戶作為農業生產的經營主體,在追求農業產出的同時必須考慮環境規制對農業生產活動的限制,環境規制對政府和農戶的約束形成了一種倒逼機制,促使政府和農戶更多地采取環保行為。基于以上分析,在以政府為行為主體的指標中,選取環保強度(政府用于環境治理的財政支出額/本省GDP)作為解釋變量;在以農戶為行為主體的指標中,選取化肥施用量作為解釋變量。經濟發展水平和農業生產技術兩個變量對資源稟賦指標和行為主體指標產生影響的同時,通過直接與間接兩條路徑對TFP產生影響,但由于這兩個變量不是TFP的內生影響因素,故稱之為外部誘致因素。在誘致性指標中,本文借鑒李谷成等、王兵等的研究,選取經濟發展水平(以本省人均GDP衡量)、農業生產技術(研究與試驗發展經費內部支出額×該地區糧食總產值/該地區GDP)兩個基礎指標作為解釋變量。在產出指標中,選取農業污染物排放量作為環境規制的代理變量來表示農業產出的負向指標。為避免價格因素對TFP的影響,選取糧食總產量作為農業產出的正向指標。

4 實證分析

4.1 描述性統計分析

為了分析資源環境約束下TFP的區域差異,本文根據經濟學研究中空間區域的劃分方法,將我國劃分為東部、中部、西部三大地區。其中,東部地區包括北京、天津、上海、山東、江蘇、浙江、黑龍江、吉林、遼寧、河北、海南、廣西、廣東、福建、安徽；中部地區包括內蒙古、山西、湖南、河南、湖北、江西、重慶、四川、貴州、云南；西部地區包括陜西、甘肅、青海、寧夏、新疆、西藏。為保證數據統計方法的一致性,本文省略了我國香港與澳門特別行政和臺灣地區的相關數據。全國及三大地區的相關統計量見表1。

表1 全國及三大地區的相關統計量

注:Y1為農業產出增量；Y2為農業污染物排放量；X1為糧食種植總面積；X2為人力資本；X3為農業機械總動力；X4為農田水利設施；X5為環保強度；X6為化肥施用量；X7為地區經濟發展水平；X8為農業生產技術水平。各地區變量值等于所在省份對應變量值的加總。

根據表1,農業產出量(Y1)和農業污染物排放量(Y2)由高到低依次為東部地區、中部地區、西部地區。就其均值而言,中西部地區產異化程度較低,Y1、Y2僅分別相差62.192萬t和86.622萬t，但在投入變量中,三大地區間存在顯著差異。如東部地區化肥施用量(X6)是西部地區的5.087倍;農業機械總動力(X3)東部與西部地區相差5.349倍;在農業生產技術(X8)方面,東部與西部差距達到了6.872倍。

4.2 TFP值的測度及分析

為了從整體上分析全國及三大地區在2010—2014年TFP存在的空間差異,根據本文分析的SBM方向性距離函數模型,將每一地區的農業投入—產出數據作為方向向量,結合SBM非徑向方向性距離函數的表達式,在CRS假設下測算出各地區的TFP值,結果見表2。與傳統徑向函數不同的是,直接測度的SBM效率值反映的是松弛變量的無效率水平,無效率值越大,與生產前沿面的距離越遠,對應的TFP值越小。

表2 全國及三大地區2010—2014年TFP值

從表2可見,全國及三大地區的TFP值總體呈上升趨勢,東部地區最高,中部地區次之,西部地區最低,測度結果與我國農業經濟發展的現狀相吻合。東部地區地形平坦、機械化水平高、具有規模經濟的優勢,良好的農業資源稟賦條件使東部地區的農業發展方式更趨于綠色環保型。而中西部地區在自然條件和資源稟賦方面均沒有比較優勢,農業發展方式簡單粗放,TFP值提高受到限制。從近兩年的TFP值看,三大地區間的差異化更加明顯。東部地區的增長速度大于中西部地區，原因可能是東部地區農業基礎設施建設比較完備、農業生產技術先進、從事農業生產的經營主體具有先進的生產理念,這為TFP的提升創造了有利的外部環境。相比東部地區,中西部地區近年來水土流失加劇，土地鹽堿化與沙漠化嚴重,資源環境對農業發展的制約力量突出,因此TFP值增長相對緩慢。

4.3 TFP影響因素分析

采用時間序列數據建立的計量模型,可能存在多重共線的問題,本文采用的數據類型屬于面板數據,但各變量之間也可能存在相關的共同趨勢。因此,采用Pearson相關系數進行檢驗,檢驗結果見表3。

表3 各個統計量的Pearson相關系數

注:***、**、*分別表示在1%、5%、10%的顯著性水平下相關。

從表3中可見,除Y2外,其他變量之間在10%的顯著性水平下均存在正相關關系。在解釋變量中,X1和X6之間、X1和X7之間、X4和X6之間的相關系數較高,其中X1和X6之間的相關系數最高為0.781,對應的方差膨脹因子(Variance Inflation Factor,VIF)為2.564lt;10。經計算,所有解釋變量之間的VIF均小于10,可認為解釋變量之間不存在多重共線性,各參數估計值的經濟意義較為合理,適合回歸分析。

為了分析出各個基礎變量對TFP的影響方向及影響力度,本研究根據面板數據建立了相應的計量經濟學模型。其中,Yit為采用SBM模型而測算的TFP值；α為常數項；β為各變量的回歸系數；i為各個省份；t為時間。模型的具體形式為：Yit=αit+βXit+μit，其回歸結果見表4。

表4 計量模型的回歸結果

根據表4的回歸結果,從解釋變量是否顯著影響TFP的角度看,農業機械總動力(X3)、農田水利設施(X4)對TFP的影響較為顯著,回歸系數分別為0.181和0.117,表明農業基礎設施的完善對農業生產效率的提高具有顯著的正向推動作用。糧食種植總面積(X1)、化肥施用量(X6)在所有解釋變量中對TFP的影響最為顯著,回歸系數分別為0.431和0.337,表明我國農業生產效率的提高主要源于種植面積增加和化肥投入。為了獲得更高的農業產出,經濟生產的逐利性會驅使農民開墾更多的荒地、增加化肥投入量,但生產成本也隨之提高,化肥的邊際生產率逐年下降。農民為追求產出最大化,又會開墾荒地和增加化肥投入量,如此循環往復,最終形成惡性循環,這也是導致我國荒地面積不斷減少和農業面源污染加劇的主要原因。從生態效益與經濟效益協調發展的角度看,這并不利于我國農業的可持續發展。

理論上,人力資本(X2)作為基本的農業生產要素對農業生產效率具有重要影響,但回歸結果顯示,人力資本對TFP的影響并不顯著,回歸系數僅為0.096,經濟理論與實際生產相“違背”。出現“違背”現象的主要原因是:①本文衡量人力資本水平高低的標準為受教育程度,而實際生產中受教育程度與務農水平之間不存在嚴格的相關關系,一定程度上務農經驗比正規教育對TFP更具影響力。②工業經濟的高速發展在很大程度上爭奪了農業生產資源,素質較高的勞動力轉向工業部門,農業剩余勞動力在勞動素質方面普遍較低且同質化程度較高,素質趨同的人力資本掩蓋了本身對TFP的影響。③農業生產中,機械生產部分取代了人工生產,機械對勞動力形成了替代關系,從而削弱了人力資本對農業生產的影響,這是農業機械總動力這一變量回歸系數較大的一個原因。

在農業生產技術(X8)方面,已有研究表明農業生產技術是影響TFP的顯著因素,但回歸結果顯示,它對TFP的影響并不顯著,回歸系數僅為0.061。農業生產技術作為傳統的投入要素,對農業生產效率產生的影響在理論上同樣應該顯著,但理論分析與回歸結果并不吻合。出現這一結果的主要原因是：農業技術本身發展迅速,但相對于技術進步而言,當前農業技術推廣最后一公里沒有落實到位,延長了生產技術應用的滯后期,導致技術應用與實際生產在時間上相脫節。經濟發展水平(X7)的回歸系數為0.087,對TFP具有不顯著的正向影響,表明經濟發展能夠為農業產出創造良好的外部環境,是促進農業發展的驅動因素。值得注意的是,環保強度(X5)這一解釋變量的回歸系數為0.105,說明農業生態環境的改善對我國農業產出具有較強的正向促進作用,這也預示著綠色農業具有廣闊的發展空間。

5 結論及對策建議

農業生態環境問題已成為制約我國農業發展的重要瓶頸,研究資源環境約束下我國農業全要素生產率的具體水平及其影響因素,對實現我國經濟效益和生態效益協調發展意義重大。2010—2014年我國TFP值逐年增長,就地區而言,三大地區的TFP值由東向西依次遞減,地區差異化明顯。中西部地區近年來水土流失加劇、土地沙漠化與鹽堿化嚴重,資源環境對本地區農業發展的制約力量更為突出,使中西部地區的TFP值與生產前沿面相距較遠,農業生產效率較低且增長緩慢,但未來會有更大的提升空間。在諸多影響因素中,糧食種植面積、農用化肥施用量、農用機械總動力、農田水利設施對提升TFP具有顯著的促進作用,而人力資本、農業技術等傳統生產要素的影響并不顯著。農業基礎設施的改善對提升農業生產效率具有正向推動作用，但長期看,提高農業生產效率主要依靠增加化肥投入量并不符合生態農業的發展理念,創新農業生產技術、完善農業基礎設施建設、改善農業生態環境是提升農業生產效率的突破點。

基于以上分析,提出如下政策建議:①完善農業補貼政策,加強中西部地區農業基礎設施建設。將農業環保補貼納入到財政支農體系中,改變單一的種糧補貼政策,實施農業環保補貼與種糧補貼相結合的政策。建立環保激勵機制,對發展綠色農業的地區或農戶進行獎勵,鼓勵農民綠色生產。改善中西部地區的農業灌溉條件,積極發展節水農業,提高植被覆蓋率,積極防治土地鹽堿化、沙漠化,保護水土,提高水資源和土地資源的生產效率。當地政府應在加大對本地區農業的環保投入同時成立專業化的農業生態發展監督體系,加強對農業環境的規制,最大程度地減少對農業生態環境造成的負面影響,為提高農業生產率創造良好的外部環境。②使用高效環保型農業投入品,大力發展生態農業。實際生產中,用生物肥、有機肥、農家肥代替化肥,減少化肥使用量，減輕農業面源污染。通過深耕、翻耕的耕作方式把傳統的撒肥變為埋肥,提高化肥利用率。在追求農業產出的同時,注重對農業生態環境的保護,實現經濟效益與生態效益的協調發展。③積極推進農業科技創新與應用,加強人力資本投資。在注重科技研發的同時,應著重提高農業技術的推廣率和應用率,縮短技術研發與實際應用的滯后時間。在基層農業生產組織中設立農技推廣站,由專業人員定期向農民進行技術培訓,春種、秋收時集中到田間地頭指導農民應用新技術進行農業生產,打通農業技術推廣最后一公里的路徑。以農業科技代替傳統投入要素,提高生產要素的收益率。就農戶而言,應加大人力資本的投入力度,主動學習新型農業技術,提高人力資本的質量,積極配合農技推廣人員的農技傳播工作,并將自身具有的先進務農經驗傳播給其他農民,以提高整體的農業生產效率。

[1]王喜平,姜曄.環境約束下中國能源效率地區差異研究[J].長江流域資源與環境,2013,(11)∶1419-1425.

[2]余康,章立,郭萍.1989—2009中國總量農業全要素生產率研究綜述[J].浙江農林大學學報,2012,(1)∶111-118.

[3]Chung Y H,Fare R,Grosskopf S.Productivity and Undesirable Outputs：A Directional Distance Function Approach[J].Journal of Environmental Management,1997,51(3)∶229-240.

[4]Wang Z H,Zeng H L,Wei Y M,etal.Regional Total Factor Energy Efficiency：An Empirical Analysis of Industrial Sector in China[J].Applied Energy,2012,(97)∶115-123.

[5]Kaoru Tone.A Slacks-based Measure of Efficiency in Data Envelopment Analysis[J].European Journal of Operational Research,2001,130(1)∶130.

[6]薛建良,李秉龍.基于環境修正的中國農業全要素生產率度量[J].中國人口·資源與環境,2011,(5)∶113-118.

[7]楊俊,陳怡.基于環境因素的中國農業生產率增長研究[J].中國人口·資源與環境,2011,(6)∶153-157.

[8]岳立,王曉君.環境規制視域下我國農業技術效率與全要素生產率分析——基于距離函數研究法[J].吉林大學社會科學學報,2013,(4)∶85-92.

[9]尹朝靜,李谷成,盧毓.中國農業全要素生產率增長分布的動態演進機制[J].統計與信息論壇,2014,(3)∶53-58.

[10]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.

[11]曾先峰,李國平.我國各地區的農業生產率與收斂：1980—2005[J].

[12]數量經濟技術經濟研究,2008,(5)∶81-92.

[12]李谷成.轉型期中國農業生產率增長的分解、變遷與分布[J].中國人口·資源與環境,2009,(2)∶148-152.

[13]白林,萬忠,羅其友,等.中國農業全要素生產率構成及區域趨同性分析——基于1996—2010年Malmquist指數法[J].農業現代化研究,2012,(5)∶552-555.

[14]Songqing Jin,Jikun Huang,Ruifa Hu,etal.The Creation and Spread of Technology and Total Factor Productivity in China′s Agriculture[J].American Journal of Agricultural Economics,2002,(84)∶132-136.

[15]鄭循剛.西部農業生產全要素生產率增長分解——基于2000—2007的面板數據[J].軟科學,2010,(8)∶79-81,87.

[16]王兵,楊華,朱寧.中國各省份農業效率和全要素生產率增長——基于SBM方向性距離函數的實證分析[J].南方經濟,2011,(10)∶12-26.

[17]潘丹,應瑞瑤.環境污染約束下農業生產率增長地區差異及其動態分布演進[J].中國科技論壇,2013,(5)∶60-67.

[18]方福前,張艷麗.中國農業全要素生產率的變化及其影響因素分析——基于1991—2008年Malmquist指數方法[J].經濟理論與經濟管理,2010,(9)∶5-12.

[19]鄭云.中國農業全要素生產率變動、區域差異及其影響因素分析[J].經濟經緯,2011,(2)∶55-59.

[20]John J Whalley,Lijing Zhu.The Impact of China′s Economic Reforms on Agricultural Productivity Growth[J].Journal of Political Economy,1989,(97)∶321-332.

[21]Shujie Yao,Zinan Liu,Zongyi Zhang.Spatial Differences of Grain Production Efficiency in China, 1987-1992[J].Economic Change and Restructuring,2001,(34)∶65-72.

[22]王奇,王會,陳海丹.中國農業綠色全要素生產率變化研究：1992—2010年[J].經濟評論,2012,(5)∶24-33.

[23]金懷玉,菅利榮.中國農業全要素生產率測算及影響因素分析[J].西北農林科技大學學報(社會科學版),2013,(2)∶29-35,42.

[24]杜江.中國農業全要素生產率增長及其時空分異[J].科研管理,2015,(5)∶87-98.

[25]Chambers R G,Chung Y,Fare R.Benefit and Distance Functions[J].Journal of Economic Theory,1996,70(2)∶407-419.

[26]Fukuyama H,Weber W L.A Directional Slacks-based Measure of Technical Efficiency[J].Socio-Economic Planning Sciences,2009,43(4)∶274-287.

[27]Barros C P,Managi S,Matousek R.The Technical Efficiency of the Japanese Banks：Non-radial Directional Performance Measurement with Undesirable Outputs[J].Omega,2012,40(1)∶1-8.

[28]Zhang N,Zhou P,Choi Y.Energy Efficiency,CO2Emission Performance and Technology Gaps in Fossil Fuel Electricity Generation in Korea：A Meta-frontier Non-radial Directional Distance Function Analysis[J].Energy Policy,2013,(56)∶653-662.

StudyonTotalFactorProductivityandItsInfluencingFactorsofAgricultureinChina——UndertheRestrictionofResourcesandEnvironment

ZHANG Yong-qiang,ZHOU Ning,ZHANG Xiao-fei,GAO Guo-qing
(College of Economics and Management,Northeast Agricultural University,Harbin 150030,China)

This paper used the panel data and SBM directional distance function of 31 provinces in China,to measure the agricultural total factor productivity value in 2010-2014,through the establishment of regression model to analysis factors of total factor productivity.The results showed that the total factor productivity of agriculture in China was increasing,but there were obvious differences among the three regions.Fertilizer application,total power of agricultural machinery,farmland water conservancy facilities had a significant positive impact on total factor productivity of agriculture,while the impact of traditional production factors such as human capital and agricultural production technology was not significant.Aiming at the research results,to improve the subsidy of agricultural policy,strengthen the infrastructure construction of midwest,develop the eco-agriculture,promote the innovation and application of agricultural science and technology,and strengthen the investment of manpower capital and so on.

resources and environment;total factor productivity of agriculture;expected output;non-expected output

10.3969/j.issn.1005-8141.2017.06.006

F32；X322

A

1005-8141(2017)06-0672-06

2017-04-20；

2017-05-18

國家自然科學基金項目(編號:71173035);國家軟科學項目(編號:2014GXS2D017);中國博士后基金項目(編號:20100480973);黑龍江省社科基金項目(編號:14B066)。

及通訊作者簡介：張永強(1971-),男,內蒙古自治區包頭人,博士,東北農業大學經濟管理學院副院長,教授,碩士生導師,主要研究方向為農業經濟管理。