財政支農對農業技術效率的影響研究

王丹亞，高齊圣

(青島大學經濟學院， 山東 青島 266061 )

0 引言

近年來，為解決“三農”問題，實現農業經濟的持續穩定發展，中國政府出臺了一系列財政支農政策，財政支農支出的總體規模在不斷擴大，數據顯示，財政支農支出從2010年的8 129.58億元，增長到2019年的22 420.11億元，年均增長10.68%，與此同時，農林牧漁業總產值也有大幅增長，從2010年的67 763.13億元，增長到2019年的123 967.94億元。財政支農支出作為農業經濟重要的物質基礎，不僅可以作為投入要素直接影響農業經濟增長，還可以通過影響農業技術效率間接影響農業經濟增長[1]。隨著農業資源環境約束的增強和農村或農業勞動力等生產要素持續流向城鎮或其他行業，依靠物資資本和勞動力等要素驅動農業經濟增長的方式不具有可持續性，在此背景下，農業技術效率在未來農業經濟發展過程中將扮演著重要作用[2]。

技術效率的概念最早是由Farrell在1957年提出的，考慮了經濟中大多數生產者不能達到最優生產效率的現實情況[3]。隨機前沿生產模型最初是由Aginer等以及Meeusen等在1977年分別獨立地提出，該模型同時考慮了技術無效率與隨機因素對產出的影響，并對技術無效率項和隨機擾動項設定了特定的分布，從而可以根據誤差項的假設分布估算出技術效率水平，若存在外生變量可以解釋技術無效率項時，還可以適當放松部分假設條件[4]。最新研究中，Lai和Kumbhakar提出以生產函數和成本最小化一階條件為系統，利用最大似然法對整個系統進行估計，同時估算出了技術效率和配置效率[5]，隨后，Kumbhakar和Tsionas以此為基礎，研究了模型中存在外生變量的情況下對技術效率和配置效率的影響。

在現有文獻中，研究外生因素對技術效率影響的方法主要有兩步法和一步法兩類。劉佳、余國新[1]基于隨機前沿生產函數利用一步估計法分析了2000～2011年地方財政支農支出對農業技術效率的影響，發現財政支農支出對農業技術效率具有正向影響。張海鑫、楊剛橋[6]基于隨機前沿超越對數生產函數利用一步估計法研究了耕地細碎化、勞動力受教育程度、農業政策等因素對農業生產技術效率的影響，發現耕地細碎化不利于技術效率的提高，種糧補貼對農戶的生產技術效率具有正向影響。唐建和Jose Vila[7]基于隨機前沿生產函數利用兩步估計法研究了1990～2013年間財政支農支出、家庭經濟水平、家庭人口規模和勞動力未受教育程度等因素對糧食生產技術效率的影響，發現財政支農支出總體上表現為對技術效率具有促進作用，但在各省市中呈現出明顯的差異。Boubacar S B等[8]基于隨機前沿生產函數利用一步估計法以幾內亞為例研究了戶主、務農經驗、非農收入、家庭規模等對水稻生產技術效率的影響，發現家庭規模等對技術效率具有正向效應。王亞飛等[2]基于DEA-Malmquist指數法利用兩步估計法研究了24個省市的農業外商直接投資對技術效率的影響，發現外商直接投資增加可以促進技術效率改善，但兩者之間存在倒U型關系。周鵬飛等[9]基于DEA-Malmquist指數法利用兩步估計法研究了財政支農、城鎮化水平、工業化程度、農村公路密度等因素對農業技術效率變化的影響，發現財政支農對農業技術效率改善具有正向效應。

隨著財政支農體制機制改革的不斷推進，現代農業產業技術體系不斷調整優化，以國家農技推廣機構為主導，農業科研院校、社會化服務等廣泛參與、分工協作的農技推廣體系不斷完善，農業技術推廣和擴散的速度逐漸加快，勢必會對農業技術效率產生一定的影響。然而，目前關于研究財政支農與農業技術效率的文獻相對較少，而且數據較陳舊。因此，本文采用2002～2017年31個省市的面板數據，運用隨機前沿超越對數生產函數測算出農業技術效率，實證分析了財政支農支出等因素對農業技術效率的影響，并提出相應的政策建議。

1 研究方法

1.1 模型設置

技術效率(TE)衡量了某生產單位在既定技術水平和投入規模下，實際產出與生產前沿面上可能最大產出之間的垂直距離，距離越大，說明技術效率水平越低，反映了生產者產出能力、資本利用效率和成本控制等特征[10]。目前測度技術效率的方法主要有參數法和非參數法兩大類，非參數方法主要以數據包絡法(DEA)為代表，該方法主要利用線性規劃技術，不需要考慮生產函數，能直接處理多產出情況，但無法考慮隨機因素對產出的影響。參數方法主要以隨機前沿法(SFA)為代表，該方法需要首先設定生產函數，因采用極大似然估計法估計參數，其計算結果較為穩定，不易受異常值的影響[11-12]。參考Battese和Coelli的研究[13]，隨機前沿生產函數的基本形式為

(1)

得到TEit后，為進一步考察外生因素對技術效率的影響，設置技術效率影響因素模型的一般形式為[14]

TEit=F(Zit,δ)+εit

(2)

其中，Zit=(1,Z1,Z2,…,ZM1)表示M1個外生解釋變量，δ=(δ0,δ1,δ2,…,δM2)表示待估系數，εit為誤差項。

1.2 模型參數估計

在模型(1)中，由于存在復合誤差，普通最小二乘估計失效，為得到有效且一致的估計量，使用極大似然法進行估計。具體估計步驟如下[13]。

根據Vit服從正態分布，Uit服從截斷正態分布，兩者之間相互獨立的假設，可以得到兩者的聯合概率密度函數，令Ei=(Ei1,Ei2,…,EiT)′，Ui=(Ui1,Ui2,…,UiT)′，進而可以求出Ei與Ui之間的聯合密度函數：

(3)

其中，ei，ui分別為隨機變量Ei，Ui的值。因此，Ei的邊際密度函數為

(4)

根據Ei與Ui的聯合概率密度函數和Ei的邊際密度函數，可以得到Ui的條件概率密度函數：

(5)

最終得到技術效率的測算公式為

(6)

(7)

(8)

2 數據說明和模型構建

2.1 數據選取及說明

本文研究所用的數據來源于歷年《中國統計年鑒》、《中國農村統計年鑒》、《中國固定資產投資統計年鑒》及各省統計年鑒，樣本范圍是31個省市，樣本的時間從2002～2017年，基期為2002年。

隨機前沿生產函數中農業產出(Y)采用廣義的農林牧漁業總產值，利用農林牧漁業總產值指數對農林牧漁業總產值進行平減，剔除價格因素的影響。投入要素選取勞動力(L)和資本(K)兩種生產要素。勞動力投入用第一產業從業人員數進行衡量，黑龍江省2011～2013年數據缺失，采用三次樣條插值法進行補缺處理。資本投入用農業資本存量來表示，國內外大多數學者都采用永續盤存法來計算資本存量。永續盤存法計算公式為[15]

Kit=Iit+Kit-1(1-δit)

(9)

式(9)一共涉及到4個變量：一是當年固定資產投資Iit，采用農林牧漁業固定資產投資進行衡量，二是固定資產投資價格指數，用來平減固定資產投資，消除價格因素的影響，采用農業生產資料價格指數進行平減，三是經濟折舊率δit，農業資本折舊率采用吳方衛計算的0.054 2[16]，四是基年資本存量Ki0，采用國際上通用的做法，用基年2002年固定資本投資與上樣本期間各省區投資增長的幾何平均數加上折舊率的比值進行衡量[17]。

技術效率影響因素模型的核心解釋變量為財政支農(zn)，用財政支農支出占財政支出的比值進行衡量。由于財政支農的統計指標在不同年份發生了較大變化，借鑒朱萬里、胡瑜杰[18]的做法，2002年的數據選取農業綜合開發支出，2003～2006年的數據為農業支出、林業支出和農林水利氣象等部門的事業費支出之和，2007～2017年選取農林水事務支出?？刂谱兞堪ǔ擎偦?czl)、灌溉基礎設施(ggl)、自然災害水平(szl)及人力資本水平(jy)4個變量，用城鎮人口數占總人口的比值表征城鎮化水平，有效灌溉面積占農作物總播種面積的比值表示灌溉基礎設施情況，受災面積占農作物總播種面積的比重表示自然災害水平，受教育年限表示人力資本水平。

2.2 模型構建

隨機前沿生產函數模型中常用的生產函數主要有柯布-道格拉斯和超越對數兩種形式，由于柯布-道格拉斯函數假定技術中性和產出彈性不變，而超越對數生產函數形式更為靈活，能更好地避免由于函數形式誤設而帶來的估計偏差[19]。因此，本文采用隨機前沿超越對數生產函數進行測算技術效率，模型的具體形式為

(10)

其中，Yit表示第i省市在t時期的農業產出，Kit表示第i省市在t時期的資本投入，Lit表示第i省市在t時期的勞動投入，TEit表示第i個省市在t時期的農業技術效率，t表示時間項，znit表示第i省市在t時期的財政支農，czlit,gglit,szlit,jyit分別表示第i省市在t時期的城鎮化水平、灌溉基礎設施、自然災害水平、人力資本水平，其余變量和誤差項定義與前文相同。

3 模型結果分析

3.1 農業技術效率的測算結果

本文采用兩步法估計農業技術效率及影響因素，隨機前沿生產函數估計結果如表1所示?？梢钥闯靓霉烙嬛禐?.995 4，十分接近于1，且在1%水平下顯著，說明技術無效率項的方差對復合誤差的方差影響較大，使用隨機前沿分析法是比較合理的。模型的對數似然函數值和似然率LR值都非常大，遠大于1%顯著性水平下的臨界值，拒絕增加約束條件引起模型變動的原假設，表明模型整體可靠。

從模型估計系數來看，農業資本一次項為正和二次項為負但不顯著，農業勞動力一次項和二次項均為負，且在5%水平上顯著，農業資本和勞動力的交叉項為正，且在1%水平上顯著。時間變量的一次項為正但不顯著，二次項系數為-0.002 3，在統計學意義下接近于0，這說明在樣本選擇期間內不存在顯著的技術進步影響，故以下主要考慮財政支農對農業技術效率的影響。

根據估計結果，可以得到2002～2017年31個省市的技術效率平均值，具體如表2所示?？梢钥闯觯?002～2017年31個省市農業技術效率平均水平都未達到技術有效前沿面，說明都存在一定程度的效率損失，現有農業技術的發揮程度較低，其中，農業技術效率排名前十位的省市依次為山東、江蘇、河南、廣東、四川、湖南、河北、安徽、廣西和福建，排名后三位的都是西部地區省市，分別為寧夏、青海和西藏。

進一步從中國東部、中部、西部和東北四大區域來看，地區之間存在著農業技術效率水平的明顯差距，中部地區農業技術效率平均水平為0.503，東部地區為0.472 3，東北地區為0.4，西部地區為0.268 1。易于發現，中部地區農業技術效率水平高于東部、西部、東北和平均值，而且按照由中部到東部，再由東部到東北，然后由東北到西部的順序呈現出遞減趨勢。

表1 前沿函數參數估計結果

表2 2002～2017年31個省市平均技術效率水平

3.2 財政支農對農業技術效率的影響分析

3.2.1 全國整體情況分析

結合31個省市2002～2017年的農業技術效率和財政支農等面板數據，通過Eviews軟件，采用Hausman檢驗，結果顯示應構建截面個體固定效應模型，模型估計結果如表3所示。在控制其他混雜因素干擾下，依次引入財政支農的一次項(直線型)、二次項(U型)和三次項(N型)，結果表明，主要解釋變量財政支農與農業技術效率之間呈現直線型的線性關系。財政支農對農業技術效率的影響系數為0.056 4，且在1%水平上顯著，這表明財政支農對農業技術效率具有明顯的正向促進作用。其可能的原因為：1)隨著國家的一系列惠農政策的實施，比如減免農業稅和增加農業補貼等，極大地提高了農民的生產積極性，促進了農業技術的推廣和擴散，進而提高了農業技術效率；2)隨著“一主多元”推廣體系不斷完善，農技推廣隊伍不斷壯大，科技特派員制度不斷推進，科研人員和廣大農技人員與農民溝通更加有效，推動了農業科技成果轉化、消化和吸收以及農業技術的應用，有力地提高了中國農業技術效率水平。就其他解釋變量而言，城鎮化水平和灌溉基礎設施對中國農業技術效率具有顯著的正向影響。自然災害水平對中國農業技術效率的影響系數為負，且在1%水平上顯著，表明自然環境越惡劣，越會降低農業技術效率。

3.2.2 地區差異情況分析

根據表3的結果可以看出，財政支農在總體上表現為對農業技術效率具有促進作用，但是根據圖1可以看出，財政支農與農業技術效率的全樣本散點圖不具有明顯規律性，整個圖形比較分散，因此，根據國家劃分的東部、中部、西部和東北地區4大經濟區域，按四個地區分別進行估計，在控制其它混雜因素干擾下，并依次引入財政支農的一次項(直線型)、二次項(U型)和三次項(N型)作為模型結構形式[20]，進一步考察各區域財政支農與技術效率之間的線性和非線性作用模式，以體現地區差異性。采用Hausman檢驗，結果顯示各區域應構建截面個體隨機效應模型，模型參數估計結果如表4所示。結果發現，中部地區財政支農與技術效率之間呈現倒N型的非線性關系，東部、西部和東北地區財政支農與技術效率之間呈現直線型的線性關系。從模型的估計系數來看，東西部及東北地區財政支農的系數分別為0.039 3、0.028 2、0.137 3，且均通過了1%的顯著性水平，表明財政支農對農業技術效率在東西部及東北地區具有顯著正向影響，中部地區財政支農的一次項系數為-14.838 2，且在1%水平下顯著，這表明在中部地區財政支農對技術效率具有顯著的負向影響。

表3 財政支農與農業技術效率關系

圖1 財政支農與農業技術效率關系散點圖

表4 各區域財政支農與農業技術效率關系

4 結論及啟示

本文利用2002～2017年31個省市的面板數據，運用隨機前沿超越對數生產函數測度了各省市的農業技術效率，并進一步研究了中國及四大地區財政支農與農業技術效率的關系，結果表明：1)各省市都存在農業技術效率損失，而且地區間存在明顯差異，主要表現為中部地區農業技術效率平均水平高于東西部及東北地區和平均水平，呈現出中部、東部、東北、西部依次遞減的趨勢。2)從整體來看，財政支農支出對農業技術效率具有顯著的線性促進作用；從各地區來看，中部地區財政支農對農業技術效率具有顯著的倒N型非線性作用，且在考察期內體現出明顯的負向影響，東西部及東北地區財政支農對農業技術效率具有顯著的線性促進作用。

基于上述結論，本研究提出如下政策啟示：1)進一步完善以國家農技推廣機構為主導的現代農業服務體系，加快對現有農業技術的擴散和傳播，推進農業新技術的廣泛應用，以提高中國農業技術效率水平。通過制定合理的政策，推動先進的技術和管理經驗向西部地區擴散，逐步縮小中國農業技術效率水平的地區差距。2)鑒于財政支農對農業技術效率的作用模式在各個地區存在差異性，各地區應因地制宜，結合各地實際情況，調整財政支農資金的結構及規模，加大財政支農政策效應，使得財政支農政策更好地服務農村減貧和鄉村振興戰略。