中國粳稻全要素生產率增長的時空分異格局

史琛 金濤 陳春蘭 楊秉臻 李欣

摘要：為指引糧食增產動力轉換，以省級粳稻產區為測評對象，基于全國農產品成本收益統計資料，運用固定窗口Malmquist指數法，分析中國糧食連年豐產期粳（2004-2018年）稻全要素生產率（TFP）增長來源。結果顯示：2004年以來，伴隨全國粳稻生產要素投入結構的變化，粳稻單產實現波動增長，南北兩大粳稻主產省投入產出模式分化明顯;這一期間全國粳稻TFP的增長主要通過技術進步實現，后半期（2011-2018年）TFP增速明顯高于前半期（2004-2010年）。省際差異上，2004-2018年，除河南省外，各粳稻主產省份TFP都實現了增長，且增長也大多來自技術進步的貢獻;東北稻區以黑龍江省的TFP增速最高，長江中下游稻區則以安徽省TFP增速最高，江蘇省TFP增速次之。最后，依據后半期TFP增長與技術進步和技術效率的關聯關系，進行類型分區，為分類指導粳稻實現內涵式增產提供參考。

關鍵詞：全要素生產率;糧食生產;粳稻;時空變化

中圖分類號：S511.2+2文獻標識碼：A文章編號：1000-4440（2020）06-1575-08

Abstract：To guide the dynamic transformation for increasing grain yield， the province-scale production area was taken as evaluation object， based on the national agricultural product cost-benefit statistics， the growth of total factor productivity （TFP） of japonica rice and its growth sources were analyzed during the successive high-yield period of grain production in China by using the fixed-window-Malmquist index. The results indicated that with the change of input structure of production factors， yield of japonica rice showed a fluctuating growth during the past 15 years from 2004 to 2018， while the input-output models of two major producing provinces in the north and the south were significantly different. During the period of 2004-2018， the growth of TFP in japonica rice was mainly achieved through technological progress， and the TFP growth rate in the second half（2011-2018） was significantly higher than that in the first half（2004-2010）. TFP in the major japonica rice producing provinces except Henan province increased from 2004 to 2018， and the increase was mainly due to the contribution of technological progress. The highest growth rate of TFP in northeast region occurred in Heilongjiang province， while the highest in the middle and lower reaches of the Yangtze River was Anhui province， followed by Jiangsu province. In conclusion， according to the relationship between TFP growth and technical progress and technical efficiency in the second half， the types were distinguished to provide reference for productivity promotion of japonica rice.

Key words：total factor productivity;grain production;japonica rice;temporal and spatial variation

人口大國要確保糧食安全，根本上取決于糧食生產的發展狀況，糧食安全是關系國家經濟運行和人民生產生活的重大事件[1-2]。中國是世界上最大的稻米生產國和消費國，水稻歷來是中國最重要口糧作物，水稻生產高度依賴于水土資源以及資本密集投入[3-5]。當前中國農業正處于轉方式、調結構和轉換增長動力的攻關期，面對日益趨緊的資源環境約束，推動水稻生產力的質量變革、效率變革，關鍵是增長動力要由主要依靠物質要素投入，轉到依靠科技進步和組織創新，提高全要素生產率，走內涵式現代農業發展道路。

全要素生產率（TFP）是判斷經濟體的增長質量和增長潛力的重要標準，是分析經濟增長源泉的重要工具。測算全要素生產率的方法主要分為以經濟計量為基礎的參數方法與以數學規劃為基礎的非參數方法[6-7]。相對于作為參數方法代表的隨機前沿方法（SFA），作為非參數方法代表的數據包絡分析法（DEA），最大的優點是不需要很強的行為假設和參數估計，完全依靠數據本身的驅動來求解決策單元（DMU）的相對效率，無需假設一個生產函數形式[6]。故DEA-Malmquist成為國家經濟增長和地區差異研究的重要分析工具，也被用來分析水稻生產效率變化過程，如基于日本、印度、中國等國的水稻生產面板數據，國內外學者對國別或區際水稻全要素生產率增長及增長來源進行測度和比較，進而詳細探討增長方式轉變的階段性規律或區際差異特征[8-11]。

水稻中的粳稻，近年來因更符合人們對高品質稻米的消費趨勢，成為水稻增產的主體部分[12]。2000年粳稻產量占全國水稻總產25.69%，到2018年上升到36.70%。中國南方稻區多產秈米，粳稻則適合于北方及高原等寒涼氣候區。進入新世紀以來，東北粳稻種植面積快速擴張，華北因水資源短缺水稻面積收縮，以江蘇省為代表的南方稻區積極推進“北粳南引”，大力擴展粳稻在南方種植的地理范圍。水稻生產變化的地域差異不僅在于生產規模的空間分異，還體現在生產效率變化上。近年來，有研究者運用DEA分析工具測量粳稻生產效率變化，或探討技術進步對粳稻生產效率的影響[13-15]，但專門運用DEA-Malmquist分析工具，尤其對2004年以來中國糧食連年增產這一重要歷史階段的粳稻生產效率變化的研究尚不多見。

為提高農民種糧積極性，2004年起，國家陸續實施種糧農民直補、專項生產性補貼、糧食最低收購價、取消農業稅等系列糧食扶持政策[16]。在這一背景下，中國糧食生產實現歷史性的“十五連豐”。本研究以2004-2018年為研究時段，以口糧作物粳稻為觀察對象，運用粳稻生產省際面板數據，基于DEA的Fixed-Window-Malmquist指數，重點觀測粳稻全要素生產率變化的時空特征，分析全要素生產率增長的來源及其區域差異，為水稻生產高質量發展的分類指導提供參考依據。

1材料與方法

1.1研究方法

固定窗口Malmquist指數求解的全要素生產率指數具備可累乘積性質，能在很大程度上避免技術進步指數小于1的“技術退步”結果，同時可方便觀察生產率變化[17]。故本研究引入DEA方法中的Fixed-Window-Malmquist指數，測度粳稻全要素生產率變化（TFPC），并進一步將TFPC分解為技術變化（TC）與技術效率變化（EC）。公式如下[18]：

上式中TFPCt，t+1W、ECt，t+1W和TCt，t+1W分別表示從t到t+1期全要素生產率、技術效率、技術的變化。技術效率變化（EC）測度的是規模報酬不變且要素自由處置的條件下，不同時期實際產出水平與各自最優產出水平的距離之比，衡量生產是否更靠近當期生產前沿（追趕效應）;技術變化（TC）則是指相同投入在不同時期最優產出水平之比，或稱“前沿面移動效應”，即技術變革，若TC>，說明兩個時期之間的生產技術有創新，即技術有所進步;反之，說明技術后退。本研究以粳稻主產省為DMU，構造以2004年為基期，窗口寬度為3的Malmquist指數[19-20]。相關計算基于MaxDEA7.0軟件求解。

1.2指標選取與數據來源

農業生產主要依靠土地、勞動力與資本的投入[21-23]，基于《全國農產品成本收益資料匯編》[24]中對生產投入類別的劃分，結合已有研究[11，15，25-26]，選取每667 m2土地投入的勞動力與資本2類指標，粳稻產量為產出指標，構建全要素生產率變化測度指標（表1），其中勞動力投入以每667 m2用工量表征，資本投入分為物質投入與費用投入2大類。為消除價格變動的影響，以2004年為不變價格，對費用指標按各省農業生產資料價格指數進行價格平減折算。涉及平均的各指數計算均為各地區的幾何平均數。

研究區域為粳稻主要生產省份，包括安徽、河北、河南、黑龍江、湖北、吉林、江蘇、遼寧、內蒙古、寧夏、山東、云南、浙江13個省（區）。基礎數據主要來源于《全國農產品成本收益資料匯編》[24]（2005-2019年）、《中國農村統計年鑒》[27]（2005-2019年）、《中國統計年鑒》[28]（2005-2019年）、中國水稻研究所，GIS空間分析數據來源于國家基礎地理信息系統。

2結果與分析

2.1全國粳稻產出及投入要素演進態勢

2004年以來，全國粳稻總產從連年增產到高位穩態（圖1），從2004年的4.762 4×107 t增加到2018年的7.784 9×107 t，增長了63.46%。期間全國粳稻面積先增后穩，2004年占全國水稻面積25.04%，到2018年上升到33.59%。2004-2018年，全國粳稻單產在較高水平上呈波動增長態勢，從2004年的6 701.6 kg/hm2增加到2018年的7 676.3 kg/hm2，年均增長率達1.00%，持續高于全國水稻單產水平（2004年6 310.6 kg/hm2，2018年7 026.6 kg/hm2）。

在粳稻生產投入上（圖2），2004年以來，勞動力投入大幅減少，勞動用工日年均下降5.76%，與此同時，機械作業費顯著上升，年均上升11.67%，這意味著這一期間全國粳稻要素投入結構發生明顯變化，粳稻生產“機器換人”進程加速推進。種子是農業生產資料的最基本部分，單位面積種子用量總體穩定。化肥、農藥投入水平與稻米質量和生態環境息息相關，這一期間單位面積化肥施用量年均增長0.84%，農藥費用年均增長4.68%，2015年國家啟動化肥和農藥零增長行動計劃后，單位面積農藥費用投入開始有所下降，而化肥施用強度未顯下降態勢。水稻生產對水資源依賴較大，這一期間單位面積排灌費上升態勢明顯，意味著粳稻生產的用水成本不斷上升。

簡便起見，產投要素變化主要選擇南北粳稻生產規模最大的2個省份——黑龍江省和江蘇省來觀測。2004-2018年，全國粳稻生產向核心主產省空間集中的趨勢明顯。2004年，江蘇省為粳稻生產全國第一大省，黑龍江省第二，當年兩省粳稻面積和產量分別占全國總量的45.53%和49.98%，到2018年分別升至57.93%和58.25%。以黑龍江省為代表的東北稻區擴增迅速，黑龍江省粳稻面積和產量從2004年分別占全國總量的22.34%和23.73%上升至2018年的37.30%和34.50%，已完全替代江蘇省成為中國粳稻生產第一大省。由于南北氣候、土壤和農作制度模式的差別，兩省粳稻生產模式分化明顯，江蘇省粳稻高投入高產出的集約化高產特征較為明顯。以近期的全國平均水平為參照，江蘇省粳稻單產水平較高，種子、化肥、農藥投入也較高，用工與全國大體持平，黑龍江省則相反。排灌費和機械作業費，近期兩省均相對較低，表明兩省在水資源條件和機械化方面生產優勢明顯。

2.2中國粳稻全要素生產率增長演變態勢

2004-2018年，中國粳稻全要素生產率（TFP）年均增長1.74%，技術進步年均增長1.80%，技術效率年均變化-0.06%，TFP變化趨勢與技術變化趨勢相對一致（圖3），表明這一期間中國粳稻TFP增長主要通過技術進步實現，而不是效率提高。以2010年為界，將整個分析周期分成2個時段觀察（圖3）：穩中有增期（2004-2010年），粳稻全要素生產率年均增長1.00%，技術進步和技術效率年均增長分別為1.80%和-0.02%;波動提升期（2011-2018年），年度波動加大，粳稻全要素生產率年均增長達到2.48%，技術進步和技術效率年均增長分別為2.58%、-0.10%。這些結果大致表明，2004年以來，良田、良種和良法等方面的技術革新變化是中國粳稻全要素生產率增長的主要驅動力，這意味著稻農在這一時期采用了高水平的新技術。而技術效率幾乎沒有提高，甚至后期還呈現退化態勢，這意味著粳稻生產中，良種與良法、農技與農藝因不能很好地配套和推廣，或農民不適當地應用技術/組合投入而沒有提高效率，對整個分析周期的粳稻整體生產率增長總體并未有積極的作用。

2.3中國粳稻全要素生產率增長的空間差異

2004-2018年，中國粳稻單產年均增長率1.00%，TFP年均增長1.74%，各主產地都在努力提升生產力水平，但增長的質量各不相同（表2）。為便于測算，按照整建制省份處理分區問題，根據農業生態條件，將全國粳稻分五大產區進行觀察和比較。

（1）東北稻區。包括東三省和內蒙古東四盟，本研究將內蒙古自治區劃入東北稻區。2018年，東北稻區粳稻面積接近全國總量的51.88%，僅黑龍江省粳稻面積占全國近四成（37.30%）。2004-2018年，東北稻區粳稻TFP全部實現了增長，黑龍江省的TFP年均增長最高（2.58%），其次是遼寧省和吉林省，內蒙古自治區的增速較小。分階段看，黑龍江與吉林兩省的增長幾乎完全由技術變化主導，兩階段均沒有觀察到技術效率變化，技術變化在后期相對有所放緩。遼寧省的TFP年均增速1.54%，其中1.33%歸因于技術變化，0.21%歸因于技術效率變化，后期技術進步的增長已略超黑龍江省。內蒙古自治區的TFP增長受限于技術效率的變化，后階段技術效率退化導致TFP停滯。

（2）長江中下游稻區。主要分布江蘇、安徽、上海、浙江和湖北5省（市）。2018年粳稻面積占全國總量的33.60%，其中江蘇省占全國總量的兩成（20.63%）。2004-2018年，本區粳稻TFP全部實現了增長。江蘇省TFP年均增速相對較小（1.63%），主要來自技術進步的貢獻，技術進步增速后期有所加快，技術效率前期雖有退化，后期呈向好態勢;安徽省年均增長率最高（4.67%），4.35%來自技術革新，0.30%來自技術效率，這一驚人增長主要在于前期貢獻，后期情況發生逆轉，成為少有的技術退步地區。湖北省與浙江省粳稻TFP增長由技術進步主導，技術效率無變化，湖北省后期技術退步導致TFP后退，浙江省技術進步則始終保持增長態勢。

（3）西南稻區。主要分布貴州、四川、云南、重慶等省（市）。2018年粳稻面積占全國粳稻的8.42%，云南高原產區種植規模相對較大。云南粳稻TFP增長總體由技術進步主導，后期技術進步增速雖有所放緩，但技術效率改進明顯，由前期的效率退化地區逆轉為效率提升地區。

（4）華北稻區。主要分布河南、山東、河北、天津4省（市）。2018年粳稻面積占全國總量的4.55%。整個分析周期中，河北省和山東省的TFP增速較高，似乎源自技術進步和技術效率的改善。河南省是在整個觀察期唯一粳稻TFP下降地區，主要由技術效率退化導致，后期技術效率提速加快，但出現技術退步。

（5）西北稻區。以新疆維吾爾自治區、寧夏回族自治區為主。2018年粳稻面積僅占全國總量的1.54%。在所有觀察樣本中，寧夏回族自治區是主要由技術效率改善推動粳稻TFP增長的唯一案例，且前后兩階段技術效率均在改善，表明這一期間稻農能夠很好地應用新技術。

2.4粳稻全要素生產率增長來源的區域劃分

2004-2018年，除河南省外，樣本省份的粳稻TFP全部實現了增長。以這一期間全國粳稻TFP平均增長率為標準，各地TFP增速分為增長領先和滯后2類，再按各自前后階段增速的對比，分增強和減弱2類變化過程，將靜態水平與動態過程相關聯。各地粳稻TFP增長在整個觀察期的變化可分成3類地區：（1）增長領先、增勢減弱地區，有黑龍江、安徽、浙江、湖北、云南5省。TFP年均增長率較高，但后期增長勢頭相對放緩。（2）增長落后、增勢增強地區，有遼寧、江蘇、河南、河北、寧夏5省（自治區）。除河南省外，TFP總體增速相對較弱，但后期增勢加強。（3）增長落后、增勢減弱地區，有吉林、內蒙古、山東（省、自治區）。TFP總體增速較弱，且后期增勢相對放緩。

TFP近期態勢的把握，對粳稻TFP增長的引導更有針對性和指導意義。以后半階段為觀察期，中國粳稻TFP總體進入高增長階段，但地區間發展并不平衡，如安徽、湖北、內蒙古出現負增長，在TFP增長普遍依賴于技術進步大趨勢下，安徽、湖北、河南3省卻出現技術倒退。

按TFP的變動是前進還是后退，分增長和后退2類，再根據TFP變動與技術變化和技術效率變化的關聯，可將13省（市、自治區）劃分為5類地區（表2）。

（Ⅰ）技術效率與技術進步協調增長型：這類地區幾乎在全國各大稻區均有分布，地處長江中下游的江蘇省，東北的遼寧省，西北的寧夏回族自治區，西南的云南省，表現為技術效率與技術進步增長均高于全國平均水平，二者協同發展，帶動全要素生產率增長。

（Ⅱ）技術進步引發TFP增長型：黑龍江、吉林、浙江、山東、河北5省，近期技術效率變化較小，全要素生產率的增長很大程度上歸功于稻農采用現代技術所帶來的。未來在保持技術進步的趨勢下，應著力提升技術效率，以挖掘粳稻TFP增長潛力。

[5]楊萬江，李琪. 我國農戶水稻生產技術效率分析——基于11省761戶調查數據[J]. 農業技術經濟， 2016， 32（1）： 71-81.

[6]李亞寒. 氣候變化對中國水稻生產與效率的影響研究[D]. 南京： 南京農業大學， 2014.

[7]魏丹. 我國糧食生產資源要素優化配置研究[M]. 北京： 經濟科學出版社， 2012.

[8]KONDO K， YAMAMOTO Y， SASAKI J， et al. Total factor productivity of the Japanese rice industry[J]. Asian Economic Journal， 2017， 31（4）： 331-353.

[9]KANNAN E， PALIWAL A， SPARKS A. Spatial and temporal patterns of rice production and productivity[M]∥MOHANTY S， CHENGAPPA P， MRUTHYUNJAYA， et al. The future rice strategy for India. London：Academic Press of Elsevier， 2017： 50-68.

[10]徐麗君，楊敏麗. 基于Malmquist指數法的水稻生產效率實證分析[J]. 農業機械學報， 2012， 43（S1）： 169-174.

[11]江松穎，劉穎，王嫚嫚. 我國谷物全要素生產率的動態演進及區域差異研究[J]. 農業技術經濟， 2016， 32（6）： 13-20.

[12]王成軍，呂驍泓，費喜敏，等. 中國粳稻生產中技術進步研究——基于粳稻主產省面板數據的分析[J]. 管理評論， 2016， 28（10）： 79-88.

[13]張永強，王榮，蒲晨曦，等. 中國粳稻生產效率演變及區域差異[J]. 中國農業資源與區劃， 2019， 40（5）： 47-53.

[14]陳昭玖，胡雯. 要素供給與中國粳稻生產效率增長：技術推動抑或效率驅動——基于DEA-Tobit模型[J]. 農業經濟與管理， 2016， 32（6）： 35-42.

[15]胡雯，嚴靜嫻，陳昭玖. 要素稟賦約束下中國粳稻生產率的地區差異及收斂性分析[J]. 農業現代化研究， 2016， 37（6）： 1055-1060.

[16]張玉周. 我國糧食生產可持續發展路徑研究[M]. 北京： 經濟管理出版社， 2014.

[17]李谷成，范麗霞，成剛，等. 農業全要素生產率增長：基于一種新的窗式DEA生產率指數的再估計[J]. 農業技術經濟， 2013， 32（5）： 4-17.

[18]成剛. 數據包絡分析方法與MaxDEA軟件[M]. 北京： 知識產權出版社， 2014.

[19]ASMILD M， PARADI J C， AGGARWALL V， et al. Combining DEA window analysis with the Malmquist Index Approach in a study of the Canadian banking industry[J]. Journal of Productivity Analysis， 2004， 21（1）： 67-89.

[20]FRE R， GROSSKOPF S， PASURKA C A. Pollution abatement activities and traditional productivity[J]. Ecological Economics， 2007， 62（3）： 673-682.

[21]楊宗翰，雷良海，岳桂寧，等. 農業科技研發支出與科技創新對農業生產的促進作用[J].南方農業學報，2019，50（12）：2855-2864.

[22]吳迪，劉滿強，焦加國，等. 有機物料接種蚯蚓對設施菠菜產量及品質的影響[J].江蘇農業學報，2018，34（2）：411-417.

[23]孫小鈞，伍國勇，任秀. 化肥投入變化對糧食生產效率的影響——基于貴州省縣域面板數據的實證分析[J].南方農業學報，2019，50（8）：1869-1877.

[24]國家發展計劃委員會. 全國農產品成本收益資料匯編[M]. 北京： 中國物價出版社， 2005-2019.

[25]王明利，呂新業. 我國水稻生產率增長、技術進步與效率變化[J]. 農業技術經濟， 2006， 32（6）： 24-29.

[26]王懷明，尼楚君，徐銳釗. 中國大豆生產效率變動及收斂性分析[J]. 江蘇農業學報， 2011， 27（1）： 199-203.

[27]國家統計局農村社會經濟調查司. 中國農村統計年鑒[M]. 北京： 中國統計出版社， 2005-2019.

[28]中華人民共和國國家統計局. 中國統計年鑒[M]. 北京： 中國統計出版社， 2005-2019.

[29]王玨，宋文飛，韓先鋒. 中國地區農業全要素生產率及其影響因素的空間計量分析——基于1992-2007年省域空間面板數據[J]. 中國農村經濟， 2010， 32（8）： 24-35.

（責任編輯：張震林）