中國農業全要素生產率的再測算及影響因素

龍少波 張夢雪

摘 要：中國農業生產進入高質量發展階段，傳統依靠要素驅動農業發展的方式已無法完全滿足新時代人們對農產品質量的需求。本文根據黨的十九大報告提出的“綠色興農”“質量興農”要求，利用清單分析法核算農業排污量，將環境污染看做非合意產出并納入農業全要素生產率核算框架中。同時，考慮農產品質量提升對農業全要素生產率的影響，將非徑向非角度方向性距離函數引入DEA模型，采用Malmquist-Luenberger生產率指數對高質量發展下農業全要素生產率增長率進行再測算，并進一步分析其主要影響因素。結果表明，與傳統情景相比，高質量發展下農業全要素生產率增速有所下降;技術進步是驅動農業全要素生產率增長的源泉，技術效率對農業全要素生產率有抑制作用。城市化水平的推進、農業生產結構的優化、農業稅負的減免、農業受災狀況的緩解和農業機械化水平的提升對農業全要素生產率有顯著促進作用，但人力資本對農業全要素生產率的影響尚不顯著。

關鍵詞：農業全要素生產率;高質量發展;環境污染;綠色興農;質量興農

中圖分類號：F302.5? 文獻標識碼：A

文章編號：1000-176X（2021）08-0040-12

一、引 言

農業作為基礎產業，為第二三產業的持續穩定發展提供基本的生產原料和動力。近年來，中國農業生產方面取得了顯著成就，糧食生產更是實現了十七連豐。然而，當前中國農業發展仍面臨著一些較為突出的問題，一方面，農業生產投入要素過量使用、農業面源污染、土地資源過度利用等問題日益突出，農業生產效率偏低;另一方面，農產品的品種多而不優、品牌雜而不亮、體量大而不強等問題日益制約著人們對綠色有機、高端優質農產品的需求。

黨的十九大報告首次提出中國經濟已邁向高質量發展階段，通過“綠色興農”“質量興農”推動農業供給體系效率提升是促進農業高質量發展和全面實施鄉村振興戰略的重要路徑?？梢?，未來中國的農業生產不能再依靠增加要素投入的傳統模式，而需要更加重視提升農產品的供給質量。堅持“綠色興農”“質量興農”，大力提升農業生產效率成為新時代中國實現農業高質量發展的必然選擇。農業全要素生產率（Total Factor Productivity，TFP）是衡量農業生產投入產出和資源利用效率的一項綜合指標，可以用于衡量農業生產效率。一般而言，農業全要素生產率的提升意味著農業生產更多地從要素投入型向效率增進型轉變，代表著農業投入—產出比的提升。然而，傳統的農業全要素生產率測算并沒有考慮到農業生產污染物的投入和產生，也沒有考慮農產品質量提升對生產效率的影響。而在高質量發展下，農業全要素的測算必須同時考慮“綠色”和“質量”的影響，這就需要構建一個適合高質量發展下測算農業全要素生產率的指標。為此，本文從“綠色興農”“質量興農”視角出發，在考慮代表環境污染的非合意產出以及質量改善對產出的影響后，再次測算高質量發展下農業全要素生產率增長率，并進一步探究影響其變動的主要因素。

二、文獻綜述

（一）農業全要素生產率測算方法研究

根據測算方法的不同，已有研究中國農業全要素生產率的文獻大致可以分為使用非前沿法和前沿法兩類。20世紀90年代中期前，國內外學者大多都使用非前沿法測算中國農業全要素生產率。McMillan等[1]與Lin[2]考察了中國農業全要素生產率增長率并指出，受計劃經濟體制的影響，中國農業全要素生產率基本處于停滯狀態。Wen[3]研究發現，1958—1960年中國農業全要素生產率大幅下降，但隨著農村家庭聯產承包責任制的全面實施，中國農業全要素生產率增速明顯加快。Carter等[4]的研究表明，1978—1987年中國農業全要素生產率增長率約為5.8%。但由于方法的原因，這些早期的研究都將中國農業全要素生產率的增長變化等同于技術進步，忽視了技術無效率等問題，容易造成對農業全要素生產率測算的偏差。20世紀90年代中期以來，隨著前沿法的引入和廣泛運用，技術無效率這一問題逐漸被考慮。與非前沿法相比，更具優勢的前沿法成為測算農業全要素生產率的主流方法。李靜和孟令杰[5]、李谷成等[6]以及陳衛平[7]采用非參數前沿法，利用數據包絡分析（Data Envelopment Analysis，DEA）進行研究，發現中國農業全要素生產率增長速度相對較快。全炯振[8]利用隨機前沿分析（Stochastic Frontier Analysis，SFA）模型進行了考察，結果顯示，中國農業全要素生產率年均增長率約為0.7%。石慧等[9]運用參數前沿法計算中國農業全要素生產率，并將其更細致地分解為技術效率、技術進步、規模效率和配置效率四個層次。

上述學者的研究將技術無效率問題納入考慮，使中國農業全要素生產率的測算得到進一步發展。但是，鮮有研究考慮到環境污染對農業全要素生產率的影響。這忽視了經濟增長過程中環境污染產生的負外部效應所導致的社會總福利的減少，容易造成估算偏差。為此，環境污染被視為一項非合意產出納入全要素生產率框架。Chung等[10]在研究紙漿廠的全要素生產率時，在傳統Shephard距離函數的基礎上引入方向性距離函數，創造性地發展為Malmquist-Luenberger生產率指數。該方法將環境污染和全要素生產率納入統一框架，更合理地測算污染條件下的全要素生產率。隨著中國對環境保護和可持續發展問題的日益重視，關于環境約束條件下的農業全要素生產率的相關文獻也不斷涌現。李谷成等[6]、潘丹和應瑞瑤[11]以及楊騫等[12]指出，環境污染因素對中國農業全要素生產率的測算具有顯著影響，若忽視環境污染的負面產出影響，極有可能導致相關政策的誤判。

（二）農業全要素生產率的影響因素研究

20世紀80年代以來，有關農業全要素生產率影響因素的研究逐漸增多。McMillan等[1]與Wen[3]的研究發現，農業全要素生產率的增長歸根結底在于農業生產制度的變革。但Lambert和Parker[13]指出，制度對農業生產率的作用會隨著經濟的不斷發展而逐漸失效。張元紅[14]指出，制度創新和技術進步是促進中國農業全要素生產率增長的源泉。部分文獻從內在因素角度分析了提升農業全要素生產率的內在因素，即技術進步和技術效率。Wu等[15]發現，1980—1995年，技術進步驅動農業全要素生產率提升的作用不斷增強，但技術效率的作用卻不斷減弱。Lambert和Parker[13]指出，農業全要素生產率增長的主要驅動力是技術進步，而技術效率的作用是有限的。李靜和孟令杰[5]與全炯振[8]研究發現，中國農業全要素生產率的增長主要源于技術進步，技術效率的作用在退化。另一部分文獻則從內外兩個角度對農業全要素生產率進行研究。王玨等[16]發現，地理因素、工業化進程、土地利用能力、對外開放和技術水平對農業全要素生產率增長影響顯著，而用電水平、自然環境和需求因素的影響不顯著。李谷成[17]指出，人力資本是提升農業全要素生產率的重要因素。李谷成等[18]研究發現，公路設施對農業全要素生產率的影響是正向的，而灌溉設施的影響卻是負面的。余航等[19]則考察了土地配置效率改進、留守農戶平均生產率、城鄉二元結構、農業補貼政策等誘致性變遷因素與強制性變遷因素對農業全要素生產率的影響。

綜上，已有文獻對農業全要素生產率進行了大量研究，但仍然存在有待改進之處：一方面，現有研究沒有考慮到環境污染帶來的非合意產出對農業全要素生產率的影響，這將導致對中國農業全要素生產率的高估，不能反映出新時代“綠色興農”的發展思想;另一方面，現有對農業全要素生產率的測算只考慮到農業總產值，而忽視了農產品供給質量改善所帶來的提升，從而可能低估中國農業全要素生產率，并且無法體現黨中央有關“質量興農”的重要發展思想。為了彌補已有文獻的不足，筆者結合黨的十九大以來農村工作精神，在高質量發展下對體現中國“綠色興農”“質量興農”思想的農業全要素生產率進行再測算，并著重分析影響高質量發展下農業全要素生產率的主要因素。與以往的文獻相比，本文的創新之處和可能的學術貢獻在于：一方面，從“綠色興農”角度出發，考慮環境污染帶來的非合意產出對農業全要素生產率的影響;另一方面，從“質量興農”角度出發，考慮反映供給側結構性改革帶來的農業產出質量提升對農業全要素生產率的影響，并利用DEA模型引入非徑向非角度方向性距離函數以測算高質量發展下農業全要素生產率。在此基礎上，利用面板數據回歸模型捕捉影響中國高質量發展下的農業全要素生產率變動的主要因素，并提出相關的政策建議。

三、高質量發展下農業全要素生產率測算方法

在農業生產過程中，除了正常的好產出之外，也伴隨著環境污染等壞產出，從而產生負外部性。現有文獻對壞產出的處理方法主要有以下兩種方式：一是將污染治理等同于要素投入;二是將污染物納入全要素生產率統一框架，作為非合意產出引入生產過程。前者由于相關指標難以測算和分配，往往不能真實反映生產情況，從而導致全要素生產率被高估。而后者則可以克服這方面問題，因而我們將環境污染作為壞產出引入高質量發展下農業全要素生產率的測算中。關于具體的測算方法，Chung等[10]在測算全要素生產率時開創性地提出了基于方向性距離函數的Luenberger生產率指數，隨后這一方法被廣泛應用。Zhou等[20]在此基礎上對全要素生產率的測算方法進一步拓展，提出了一種具有明顯優勢的非徑向非角度方向性距離函數方法。因此，本文借鑒非徑向非角度方向性距離函數方法并考慮環境污染這一壞產出的影響，對中國高質量發展下的農業全要素生產率進行測算。

（一）環境生產技術

我們將環境污染納入全要素生產率統一框架，作為非合意產出引入生產過程。假設中國31個省份（中國香港、中國澳門和中國臺灣地區除外）農業要素投入向量為X，合意產出向量為Y，非合意產出向量為B，λj≥0（j=1，2，…，N）表示N個生產單位各自的權重。根據Sueyoshi和Goto[21]，現定義以下環境生產技術。若一個生產單位為降低非合意產出從而降低生產要素投入，而在降低非合意產出和要素投入的同時，盡可能增加合意產出的比例，則稱其為傳統技術。若一個生產單位通過增加要素投入來增加合意產出比例，同時添加適當的環境管制以減少非合意產出，則稱其為波特技術[22] 。兩種情形的生產集分別如下：

P1（X）=（Y，B）：Y≤∑Nj=1Yjλj，B≥∑Nj=1Bjλj，X≥∑Nj=1Xjλj（1）

P2（X）=（Y，B）：Y≤∑Nj=1Yjλj，B≥∑Nj=1Bjλj，X≤∑Nj=1Xjλj（2）

其中，P1（X）和P2（X）的區別在于生產要素投入X的約束條件不一樣。傳統技術條件下，要素投入X不小于其加權平均;而波特技術條件下，要素投入X不大于其加權平均。P（X1）和P（X2）的并集P（X）允許生產單位在上述兩種技術中進行選擇，故稱其為可選技術[22]。

圖1 環境生產技術示意圖

環境生產技術示意圖如圖1所示。為便于分析，本文僅考慮如下情況：即一種投入（X），一種合意產出（Y）和一種非合意產出（B）。其中，（XK，YK，BK）表示第K個生產單位的坐標。圖1中上方的曲線刻畫合意產出前沿，下方曲線刻畫非合意產出前沿。兩條生產前沿均包括傳統技術部分（K點以左）和波特技術部分（K點以右）。在傳統技術中，K單元可沿gx-、gy和gb方向改變投入、合意及非合意產出，兩個可能的映射分別為KB和KE;在波特技術中，K單元則可以沿gx+、gy和gb的方向改變投入、合意及非合意產出，兩個可能的映射分別為KD和KH?？蛇x技術涵蓋了上述兩種技術的對應部分，K單元可沿兩個方向，即gy、gb改變合意和非合意產出，gx+、gx-改變投入，生產前沿上的所有點都是其可能的映射點，即A-C-D和E-G-I[22]。

（二）非徑向非角度方向性距離函數

基于方向性距離函數的DEA模型是目前測算全要素生產率的主流方法之一，該模型假設投入、產出按照相同比例向增減相反方向變動，這顯然與現實情況不相符合。而Zhou等[20]的非徑向非角度方向性距離函數則允許投入、產出按照不同的比例向增減相反方向變動，這比傳統的方向性距離函數更符合實際，但未考慮存在要素投入不足的情形。參考Sueyoshi和Goto[21]，本文在Zhou等[20]的距離函數模型中引入波特技術，采用跨期數據分析法，拓展并構造了基于可選技術的DEA模型[22]。

假設中國31個省份在農業生產中的生產要素投入向量X有n種，X=（x1，x2，…，xn）∈Rn+，最終生產出的合意產出向量Y有m種，Y=（y1，y2，…，ym）∈Rm+，非合意產出向量B有k種，B=（b1，b2，…，bk）∈Rk+。在每個時期t（t=1，2，…，P），每個省份i（i=1，2，…，N）的要素投入和產出向量表示為（xt，i，yt，i，bt，i），距離函數it可通過如下非線性規劃進行求解，則投入和產出無效率程度之和為：

it（Xit，Yit，Bit;gx+t，gx-t，gyt，gbt）=maxωx（βx+it+βx-it）T+ωyβyTit+ωbβbTit

s.t∑tτ=1∑Nj=1Xjτλjτ=Xit+gx+t·diag（βx+it）+gx-t·diga（βx-it），

∑tτ=1∑Nj=1Yjτλjτ=Yit+gyt·diag（βyit），（3）

∑tτ=1∑Nj=1Bjτλjτ=Bit+gbt·diag（βbit），

∑tτ=1∑Nj=1λjτ=1，

βxh+itβxh-it=0

其中，h=1，2，…，n，βx+it≥0，βx-it≥0，βyit≥0，βbit≥0且λjτ≥0（j=1，2，…，N;τ=1，2，…，P）。ωx，ωy，ωb分別表示投入、合意和非合意產出的權重向量;βjit（j=x+，x-，y，b）表示投入或產出增減比例向量;gjit（j=x+，x-，y，b）表示投入或產出增減方向性向量;gjt·diag（βjit）（j=x+，x-，y，b）表示投入或產出松弛;兩個松弛項（投入約束等式右側）使得模型對投入不足和過量均能產生約束;T表示對相應向量進行轉置?！苩t=1∑Nj=1λjt=1表示可變規模報酬;βxh+itβxh-it=0這一非線性條件用以確保不會同時發生投入增加和減少。設定方向性向量如下：

gxh+t=maxxhjtj=1，2，…，N-minxhjtj=1，2，…，N（4）

gxh-t=-maxxhjtj=1，2，…，N+minxhjtj=1，2，…，N（5）

gyrt=-maxyrjtj=1，2，…，N-minyrjtj=1，2，…，N（6）

gbst=-maxbsjtj=1，2，…，N+minbsjtj=1，2，…，N（7）

其中，h=1，2，…，n;r=1，2，…，m;s=1，2，…，k。

（三）Malmquist-Luenberger生產率指標

在各類文獻中，基于傳統Shephard距離函數計算得到的Malmquist-Luenberger指數，通常被分解為乘積形式。而基于非徑向非角度方向性距離函數求解得到的Luenberger生產率指標，一般分解為加法形式。借鑒Chambers等[23]，t到t+1期的Luenberger生產率指標如下：

LPI=12×t（Xit，Yit，Bit;gx+t，gx-t，gyt，gbt）-t（Xit+1，Yit+1，Bit+1;gx+t+1，gx-t+1，gyt+1，gbt+1）+

t+1（Xit，Yit，Bit;gx+t，gx-t，gyt，gbt）-t+1（Xit+1，Yit+1，Bit+1;gx+t+1，gx-t+1，gyt+1，gbt+1） （8）

LPI表示從t期到t+1期的全要素生產率變化率，進一步將其分解為技術進步（TECH）變化和技術效率（EFF）變化之和，具體公式如下：

TECH=12×t+1（Xit+1，Yit+1，Bit+1;gx+t+1，gx-t+1，gyt+1，gbt+1）-t（Xit+1，Yit+1，Bit+1;gx+t+1，gx-t+1，gyt+1，gbt+1+

t+1（Xit，Yit，Bit;gx+t，gx-t，gyt，gbt）-t（Xit，Yit，Bit;gx+t，gx-t，gyt，gbt）（9）

EFF=t（Xit，Yit，Bit;gx+t，gx-t，gyt，gbt）-t+1（Xit+1，Yit+1，Bit+1;gx+t+1，gx-t+1，gyt+1，gbt+1）（10）

四、高質量發展下農業全要素生產率的測算結果分析

（一）變量選取與數據說明

考慮到經濟狀況和數據的可得性，本文選取了2001—2016年中國31個省份的相關數據進行研究，所有數據均來源于歷年《中國統計年鑒》《中國農業統計年鑒》以及各省份統計年鑒。

本文參考全炯振[8]、李谷成等[6]、潘丹和應瑞瑤[11]以及梁俊和龍少波[22]的研究，選取相關投入變量包括，勞動投入、土地投入、化肥投入、機械投入、役畜投入和農業水資源投入。上述變量分別采用農林牧漁從業人員（萬人）為基礎乘以平均受教育年限、農作物播種面積與水產養殖面積（千公頃）、農用化肥施用量（萬噸）、農業機械總動力（萬千瓦）、農用役畜年末存欄數（萬頭）和農業用水總量（億立方米）進行衡量。

對于產出變量，合意產出以農林牧漁總產值（億元）表示?？紤]到各種農產品種類不一致、單位不統一而不易加總，本文利用價值量而非產量來表示。為了剔除價格因素的影響，本文將農林牧漁總產值轉換為以2000年的不變價格來表示。為對比分析供給質量因素，以農業內部結構指標、綠色農業產品、有機農產品占農業總產值比重指標對農業產出進行加權，得到考慮質量因素的供給指標，以體現“質量興農”的要求。非合意產出（即環境污染排放量）以農業面源污染指標表示。農業面源污染具有分散性、不確定性和不易檢測性等特征，這使面源污染指標難以量化。陳敏鵬等[24]利用清單分析方法計算農業污染排放量，現被大多學者采納和拓展。本文借鑒梁流濤[25]的清單分析方法對中國31個省份的農業面源污染排放量進行估算。其中，農業面源污染主要指標包括氮（N）、磷（P）和化學需氧量（COD）的排放量。農業面源污染產污來源主要包括農田化肥、畜禽養殖、農田固體廢棄物和農村生活。農業面源產污核算單元清單如表1所示。

根據梁流濤[25]關于污染物的核算方法，各類農業面源污染的排放量公式如下：

E=∑iEUiρi（1-ηi）Ci（EUi，S）（11）

其中，E表示某種污染物的排放量;EUi表示單元i的統計數;ρi表示單元i的污染物產污強度系數;ηi表示相關資源利用效率系數;由單元i和空間特征S決定的Ci表示單元i的污染物排放系數，用以衡量各種管理措施、區域環境、水文和降雨對農業及農村污染的綜合影響[22]。計算所需的污染物排放量系數參考梁流濤[25]的研究，而氮肥利用率、磷肥利用率、復合肥氮含量、復合肥磷含量等系數參考陳同斌等[26]的研究。

本文將分別計算傳統情景和高質量發展下農業全要素生產率增長率。傳統情景與高質量發展下農業投入—產出變量選擇如表2所示。其中，合意產出變量使用農林牧漁總產值+標準化的農業服務業總產值來表示。由于農業服務業的發展對農業發展有重要的支撐作用，因而該指標能較好地衡量農業發展質量和潛力，是“高質量”指標的合理候選。本文假定追求農業絕對產值和提升農業生產質量同樣重要。為此，本文將農業服務業總產值的量擴大了10倍，以將其標準化為與數量指標一個量級。由于數據包絡分析計算的是變量的相對大小，因而選擇更大或更小的倍數對定性結果并無影響。

（二）高質量發展下農業全要素生產率測算結果分析

1. 農業全要素生產率增長率時間變動趨勢分析

利用上述方法測算得到了2001—2016年傳統情景和高質量發展下農業全要素生產率增長率，并將二者進一步分解為技術進步增長率和技術效率增長率，具體結果如表3所示。

通過對中國31個省份農業全要素生產率增長率簡單加權平均，得到傳統情景下與高質量發展下農業全要素生產率的年均增長率分別為2%和0.84%?？梢姡诳紤]“綠色”和“質量”的情景下，中國農業全要素生產率增長率有明顯的下降。這是因為，如果考慮綠色發展的要求，環境污染的負向產出會對農業總產出產生明顯影響;而前期的農產品供給質量的提升幅度不夠大，對高質量的農業全要素生產率的影響效應不夠。因而與傳統情景相比，高質量發展下農業全要素生產率增長率偏低。

以2000年為基期，根據累乘法則可以獲得兩種情景下各年的農業全要素生產率變動趨勢，如圖2所示。從圖2可以發現，一方面，傳統情景和高質量發展下農業全要素生產率的變動趨勢大體一致，均呈現穩定增長態勢，這與21世紀以來中國農業產量、產值快速增長相符。另一方面，傳統情景下農業全要素生產率增速顯著高于高質量發展下農業全要素生產率增速。但一旦考慮農業綠色生產要求和高質量發展要求，中國農業全要素生產率的增長速度明顯放緩。2001—2016年傳統情景下農業全要素生產率累積增長了37%，而高質量發展下農業全要素生產率累積增長率僅為15%，相差22個百分點，且自2003年開始，這一差距明顯加大。原因在于，高質量發展下農業全要素生產的測算考慮了標準化的農業服務業總產值和環境非合意產出的影響。一方面，考慮標準化農業服務業的產值會增加農業全要素生產率。另一方面，環境污染帶來的非合意產出亦會降低農業全要素生產率增速。由于中國高質量的農業發展尚處于起步當中，農業生產污染較為嚴重，標準化農業服務業總產值對農業全要素生產率增長率的正向影響低于環境非合意產出對農業全要素生產率增長的負向影響。因此，如不考慮“質量”和“綠色”的約束，中國農業全要素生產率的增長速度將被顯著高估。

將高質量發展下的農業全要素生產率增長率分解為技術進步和技術效率兩部分，并進一步考察中國農業全要素生產率及其分解部分的變動趨勢，結果如圖3所示。從圖3可以發現，2001—2016年高質量發展下中國農業全要素生產率始終以相對穩定的速度緩慢增長。但在2008年和2011年出現了負增長，這可能源于當時的經濟和自然環境等因素的沖擊。如2008年出現的全球經濟危機導致的全球農產品價格大幅下調;2011年長江中下游發生的近50年來最嚴重的旱災導致的農產品減產等。 就高質量發展下農業全要素生產率的分解部分而言，農業技術進步增長率與農業全要素生產率增長率大致呈現出相同的變動趨勢。但2001—2016年農業技術效率增長率的均值約為-0.0009，大部分年份均保持負增長，且2007年的下降趨勢十分明顯，技術效率對農業全要素生產率的貢獻作用在降低甚至趨向惡化?？梢姡哔|量發展下中國農業全要素生產率的提升主要來源于技術進步的推動，而技術效率改進的作用相對有限，甚至還呈現出輕微的抑制作用。由于技術進步的促進作用顯著高于技術效率的抑制作用，中國農業全要素生產率仍呈現出增長態勢。

2.高質量發展下農業全要素生產率空間變動趨勢分析

進一步地，將中國分為東部地區、中部地區、西部地區和東北地區四大經濟區域，分析高質量發展下農業全要素生產率及其分解部分的空間變動趨勢特征。各區域的相關指標用2001—2016年的算數平均數替代，結果如表4所示。相比其他三大地區，中部地區高質量發展下農業全要素生產率年均增長率最高，約為1.22%;東北地區和東部地區次之，分別約為0.95%和0.74%;西部地區最低，約為0.70%。此外，中部地區和東北地區高質量發展下農業全要素生產率增長率均高于全國平均水平（0.84%），而東部地區和西部地區卻在全國平均水平之下?？赡艿脑蛟谟?，中部地區位于長江、黃河流域流經區域，豐富的水系資源為農業發展提供了優質的自然地理環境，且湖南、湖北等是中部的產糧大省，對農業技術水平的提高一向重視，先天優勢比較明顯，因此，外部技術革新能促進農業全要素生產率較快增長。東北地區是中國糧食主產區，糧食產量在全國的占比約為1/5。由于其地廣人稀，黑土肥沃且地勢平緩，能夠大面積推廣農業機械，因而該地區的農業機械化程度較高。且中國的東北地區分布著全國最大的國有農場，農業規模化程度高、速度較快，使農業全要素生產率的增長速度較快。而在東部地區和西部地區，高質量發展下農業全要素生產率增長率低于全國平均水平。上述兩個地區處于中國經濟發展水平的兩個極端，這對其農業全要素生產率的變化產生了重要影響。就東部地區而言，經濟發達、城市化和工業化水平高，因而發展重心在于附加值較高的第二三產業，而農業的發展規模相對較小，致使其農業全要素生產率增長較慢。而就經濟不發達的西部地區而言，相對惡劣的自然地理條件、相對落后的技術水平和農業生產方式，使該地區的農業資源利用效率低下，導致農業生產效率較低，因而農業全要素生產率增長速度滯后于全國平均水平。

進一步探究高質量發展下農業全要素生產率的內部構成，可以發現，除東北地區之外，全國其他三大經濟區域均依靠技術進步帶動農業全要素生產率增長，技術效率卻對其產生了負向影響。而就東北地區而言，技術進步和技術效率共同驅動該地區農業全要素生產率提升，這主要得益于其得天獨厚的三江平原自然條件及規?；膰修r場經營體系，其在農業生產技術進步加快的同時，先進技術的利用效率也相對較高，二者共同促進了東北地區農業全要素生產率的提升。而在東部地區和中部地區，即使技術效率對農業全要素生產率增長具有抑制作用，依靠較為發達的經濟體系和較快的技術進步也能為農業提供強勁的全要素生產率，從而帶動本地區的農業發展。西部地區由于涵蓋省份眾多，平均來看，技術效率對該地區的農業全要素生產率提升的抑制作用相對較小，因而技術進步仍是該地區的農業全要素生產率增長的主要動力。綜上，從區域層面來看，技術進步仍然是促進高質量發展下農業全要素生產率增長的主要源泉。

五、高質量發展下農業全要素生產率增長的影響因素分析

本文以2000年為基期，將前文計算出的31個省份高質量發展下的農業全要素生產率（TFP）、技術進步（TECH）和技術效率（EFF）作為被解釋變量，選取可能對其有影響的因素做深入分析。

（一）影響因素

城市化水平（CSH）。城市化水平對農業全要素生產率可能會產生雙向影響。一方面，隨著城市化進程的不斷發展，城鎮不斷向農村擴張，加速農村人口轉移速度，農用耕地被少數人擁有，加速規模化進程，因而城市化水平的提升可能會促進農業發展;另一方面，若城市化無序擴張，侵占、污染農業用地和其他農業生產條件，則會對農業全要素生產率造成負面影響。因而本文選取城鎮人口占總人口的比重衡量城市化水平。

人力資本水平（RLZB）。人力資本提升是全要素生產率提升的重要途徑。人力資本存量會提升農業人員的投入量和技術知識水平，預期人力資本對農業全要素生產率具有促進作用。本文選取鄉村從業人口與平均受教育年限的乘積衡量人力資本水平，通過加權平均獲得該區域人均受教育年限。受教育年限劃分為未上過學、小學、初中、高中、大專及以上，并分別賦值0、6、9、12和16。

受災狀況（SZL）。農業生產和發展對自然環境具有很強的依賴性，自然災害的發生不利于農業生產。若自然災害頻發，農業生產也會受到嚴重影響，從而導致農業全要素生產率下降。本文選擇受災面積占農作物播種面積的比例衡量受災狀況。預計其對農業全要素生產率具有抑制作用。

農業稅負（NYSF）。對農業生產征收稅會導致農民負擔加重，使其生產積極性受挫，從而影響農業全要素生產率的提升。中國于2006年起正式廢止征收農業稅，2006年之后則無農業稅相關數據?，F與農業生產相關的稅種主要包含耕地占用稅、契稅和煙葉稅。本文用此三大稅種衡量農業稅負，選擇農業稅占農林牧漁總產值的比重衡量農業稅負。預計其對農業全要素生產率具有抑制作用。

農業生產結構（NYJXZDL）。農業生產結構衡量農業各生產部門組成的比例關系。合理的農業生產結構能夠充分利用區域資源優勢，合理優化配置生產資源，提高資源利用效率，實現農業產出的增加。本文以糧食作物播種面積占農作物播種面積的比重衡量農業生產結構。

農業機械化程度（NYJX）。農用機械已成為現代農業生產中不可或缺的一部分，農業機械化有助于解放勞動生產力，提高單位土地面積的產出效率，從而提高農業生產效率。本文選擇農業機械總動力衡量農業機械化程度。預計其對農業全要素生產率具有促進作用。

虛擬變量（D）。自2013年起，中國農業全要素生產率保持相對穩定的速度增長，2013年前變化較明顯。為此，文本引入虛擬變量，2013年之前取0，2013年及之后取1。

本文用高質量發展下農業全要素產率變動指標反映從t期到t+1期的生產率增長變動情況。以2000年作為基期，經過環比增長換算成絕對值農業全要素生產率，技術進步和技術效率也做同樣處理。數據主要來源于《中國統計年鑒》《中國農村統計年鑒》和各省份統計年鑒等。

（二）模型設定

本文設定如下面板數據回歸模型以開展分析：

lnYi，t=αi+β1lnCSHi，t+β2lnRLZBi，t+β3lnNYJGi，t+β4lnSZLi，t+β5lnNYSFi，t+β6lnNYJXZDLi，t+φiDi+ui，t（12）

等式兩邊都取對數，其參數經濟意義表示彈性，即自變量變動率引起因變量變動率的變化情況。其中，Y表示被解釋變量，TFP、TECH、EFF、CSH、RLZB、NYJG、SZL、NYSF、NYJXZDL、D的含義與上文一致;αi表示常數項;β1—β6和φi為待估參數;μi，t為隨機誤差項;i=1，2，…，31表示中國31個省份;t表示年份。農業技術進步和技術效率的設定與農業全要素生產率一致。

在進行面板數據回歸前，需要就固定效應還是隨機效應模型的選擇進行Hausman檢驗。當農業全要素生產率、技術進步和技術效率分別作為被解釋變量時，Hausman檢驗結果均在5%的顯著性水平下均拒絕原假設，故選擇個體固定效應模型。

（三）結果分析

高質量發展下農業全要素生產率影響因素回歸結果如表5所示。F檢驗表明，回歸方程整體是顯著的，回歸結果擬合優度較好。具體來看，各因素對高質量發展下農業全要素生產率的影響如下：

城市化水平對農業全要素生產率具有促進作用，且在1%的水平下顯著。城市化水平對技術進步有顯著的正向影響，而對技術效率存在顯著負向影響，這種反向作用抵消了部分由技術進步引起的農業全要素生產率的增長?？梢?，城市化水平主要通過技術進步提升高質量發展下農業全要素生產率。雖然中國城市化進程起步較晚，但城市化速度非常快，過剩的農業勞動力人口迅速向城市轉移，從而有利于形成規?；?、機械化農業生產，帶動農業全要素生產率增長。同時，城市化與工業化的快速發展能夠為農業發展提供機械設備和種子化肥，并提供現代化技術服務，從而為反哺農業提供物質和技術支持。因此，總體來看，中國城市化水平的提升對農業全要素生產率增長具有促進作用。

人力資本對農業全要素生產率的影響系數為正但不顯著，表明人力資本提升并沒有顯著帶來農業全要素生產率的增長;但人力資本對技術效率的正向影響及其對技術進步的負向影響均顯著。人力資本對技術效率的正向影響抵消了技術進步的負向影響，從而使人力資本對農業全要素生產率的影響并不顯著。人力資本對農業生產的影響作用主要表現在勞動力增加和知識技能提升兩方面。在本文中，人力資本目前所發揮的作用仍然體現在勞動力增加對農業全要素生產率的促進作用上。

農業生產結構對農業全要素生產率和技術進步有顯著促進作用，但對技術效率的促進作用卻并不顯著。中國的水稻、小麥等糧食作物的技術進步相對于其他農產品增長飛速，糧食作物增產促進了農業全要素生產率的提升。且隨著農業供給側結構性改革的推進，國家政策引導更多的土地用于生產優質、高產的糧食作物。因此，糧食作物播種面積占比的適當提高對農業全要素生產率具有促進作用。

受災狀況對農業全要素生產率、技術進步均具有明顯的抑制作用，且在1%或5%的水平下顯著，但對技術效率的抑制作用卻不顯著。這表明自然災害通過影響技術進步從而阻礙農業全要素生產率的增長。農業生產有賴于良好的自然條件，而自然災害的發生則會直接導致農業損失，并影響先進農業技術的應用，進而使農業產出下降。因此，受災狀況會抑制農業全要素生產率的增長。

農業稅負對農業全要素生產率、技術進步具有顯著負向影響，但對技術效率的負向影響不顯著。這表明，農業稅負仍然通過抑制技術進步對農業全要素生產率產生負向影響。稅負的增加卻會使單位土地面積產出收益減少。企業和個體為獲取收益最大化，將土地利用面積調整到邊際收益與邊際產出相等的水平，這在一定程度上會減小農業生產規?；蛘咦璧K農業技術在該片土地的使用。因此，農業稅負的增加對農業全要素生產率提升產生抑制作用。

農業機械化對農業全要素生產率具有顯著的促進作用，對技術進步和技術效率雖表現為正向作用，但均不顯著。引入農用機械代表農業生產器械和方式的革新，農業機械化程度越高，農業現代化的速度越快，單位土地面積的產出效率越高。

虛擬變量對農業全要素生產中的影響系數并不顯著，說明相對于2001—2012年，2013—2016年的農業全要素生產率并未顯著提升。但對于技術進步而言，虛擬變量的系數是顯著的，這說明2013年以來，中國農業技術進步速度相對于2001—2012年有明顯提升;但對于技術效率而言，虛擬變量的系數仍不顯著，說明近一段時期內農業生產效率的改善幅度與速度相較于之前沒有明顯變化。

考慮到本文使用的是2001—2016年的面板數據，模型可能存在時間趨勢效應。為了保證估計結果的有效性及可靠性，本文采用雙固定效應模型再次進行了估計，得到的結果與個體固定效應模型的結果基本一致，表明上述結果是穩健且有效的，如表5所示。

六、結論與政策建議

黨的十九大提出中國已經邁向高質量發展階段，大力推進“綠色興農”“質量興農”是加快實現農業高質量發展的重要舉措。本文在DEA模型的基礎上引入非徑向非角度方向性距離函數，測算了高質量發展下農業全要素生產率，并與傳統情景下農業全要素生產率進行了對比分析，并討論了城市化水平、人力資本、農業生產結構、受災狀況、農業稅負和農業機械化程度等因素對農業全要素生產率的影響。研究發現：一是相較于傳統情景，高質量發展下農業全要素生產率增速明顯下降，其中，技術進步是高質量發展下農業全要素生產率提升的主要動力源泉，而技術效率的改進卻呈現出輕微的抑制作用;二是對高質量發展下農業全要素生產率及其分解部分的影響因素分析表明，城市化進程的推進、農業生產結構的優化、農業稅負的減免、農業受災狀況的緩解和農業機械化水平的提高能夠提升農業全要素生產率，但人力資本的增加對農業全要素生產率的影響并不顯著?；谝陨辖Y論，本文提出如下政策建議：

第一，加快推進農業綠色高質量發展。一方面，積極發揮財稅補貼政策的引導作用，鼓勵農業從業者優先使用綠色環保的生物農藥、生物化肥等，減少農業面源污染，從而降低非合意產出對農業全要素生產率增長的負面影響。另一方面，依據區域特色，因地制宜發展綠色、有機農業，加快推進農業與第二、三產業融合，延長農業產業鏈并提升農產品附加值，從而促進農業合意產出增加并帶動農業全要素生產率提升。

第二，強化農業科技創新能力。一方面，加強農業科技創新投入力度，通過設立專項基金、開展國家及省部級科研項目、稅收減免、財政補貼等方式，鼓勵高校、科研機構、企業積極開展農業科技基礎前沿技術以及關鍵核心技術創新。另一方面，完善農業科技創新人才培育機制，繼續實施農業科研杰出人才培養計劃，選拔一批創新能力突出的高素質農業科技人才隊伍;同時，加快完善農業科技人員薪酬制度，落實科技成果轉化收益，強化相關人才開展農業科技創新的動力，形成農業科技創新的根本力量。

第三，加快城市化進程，強化災害防御及處理能力。在推進城市化進程方面，加快破解城鄉二元結構體制，通過促進城鄉融合實現農村和城市要素雙向自由流動，包括建立完善的戶籍管理制度，減少因戶籍障礙造成的信息溝通不順暢和社會福利損失;統籌城鄉收入分配，改善城鄉收入分配結構;統籌城鄉社會保障制度，縮小城鄉養老、醫療、工傷、生育和失業等社會保障的待遇差距;統籌城鄉就業，建立完善的城鄉人才雙向流動就業機制。在災害防御及處理方面，做好預警預案以及應急處置工作，包括通過報刊、電視、網絡等各種渠道宣傳和加強全民環保和防災減災意識;加強農業灌溉設施、蓄水節水等農業基礎防護設施工程設施的建設，強化水利設施防洪抗旱的能力;建設一批具有快速應急響應能力的農業救災隊伍，降低農業受災經濟損失。

第四，實施農業稅收減免，提升農業機械化水平。在農業稅負方面，實施科學的減免補貼政策，包括對從事農業生產所得報酬不計征個稅和其他相關稅種，并且給予一定直接補貼;對因非人為因素造成的農業損失，產出收益未達到最低生活保障的農業生產者實行補貼;對綠色、生態、高質量農產品的種植實行較高的補貼力度。在農業機械投入方面，對農用設備購置實行補貼政策，提高農業從業者購買農業機械的能力，擴大農業生產機械的投入量;同時注重淘汰高污染、高耗能、技術落后的機械設備，引進符合國家綠色發展方向的先進設備，提升機械設備在農業生產中的使用率。

參考文獻：

[1]McMillan， J.， Whalley， J.， Zhu， L. J. The Impact of Chinas Economic Reforms on Agricultural Productivity Growth[J]. Journal of Political Economy， 1989， 97（4）：781-807.

[2]Lin， J. Y. Rural Reforms and Agriculture Growth in China [J]. The American Economic Review， 1992， 82（1）：34-51.

[3]Wen， G. J. Total Factor Productivity Change in Chinas Farming Sector：1952-1989[J]. Economic Development and Cultural Change， 1993， 42（1）：1-41.

[4]Carter， C. A.， Chen， J.， Chu， B. Agricultural Productivity Growth in China： Farm Level Versus Aggregate Measurement[J]. China Economic Review， 2003， 14（1）：53-71.

[5]李靜，孟令杰.中國農業生產率的變動與分解分析：1978—2004年——基于非參數的HMB生產率指數的實證研究[J].數量經濟技術經濟研究，2006，（5）：11-19.

[6]李谷成，陳寧陸，閔銳.環境規制條件下中國農業全要素生產率增長與分解[J].中國人口·資源與環境，2011，（11）：153-160.

[7]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.

[8]全炯振.中國農業全要素生產率增長的實證分析：1978—2007年——基于隨機前沿分析（SFA）方法[J].中國農村經濟，2009，（9）：36-47.

[9]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——基于隨機前沿生產函數的分析[J].經濟科學，2008，（3）：20-33.

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

[11]潘丹，應瑞瑤.資源環境約束下的中國農業全要素生產率增長研究[J].資源科學，2013，（7）：1329-1338.

[12]楊騫，王玨，李超，等.中國農業綠色全要素生產率的空間分異及其驅動因素[J].數量經濟技術經濟研究，2019，（10）：21-37.

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

[14]張元紅.改革以來中國農業的增長與要素貢獻[J].中國農村經濟，1996，（5）：7-13.

[15]Wu， S.，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.

[16]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，（8）：24-35.

[17]李谷成.人力資本與中國區域農業全要素生產率增長——基于DEA視角的實證分析[J].財經研究，2009，（8）：115-128.

[18]李谷成，尹朝靜，吳清華.農村基礎設施建設與農業全要素生產率[J].中南財經政法大學學報，2015，（1）：141-147.

[19]余航，周澤宇，吳比.城鄉差距、農業生產率演進與農業補貼——基于新結構經濟學視角的分析[J]. 中國農村經濟，2019，（10）：40-59.

[20]Zhou， P.， Ang， B. W.， Wang， H. Energy and CO2 Emission Performance in Electricity Generation： A Non-Radial Directional Distance Function Approach[J]. European Journal of Operational Research， 2012， 221（3）：625-635.

[21]Sueyoshi， T.， Goto， M. DEA Radial and Non-Radial Models for Unified Efficiency Under Natural and Managerial Disposability： Theoretical Extension by Strong Complementary Slackness Conditions[J]. Energy Economics， 2012， 34（3）：700-713.

[22]梁俊，龍少波.農業綠色全要素生產率增長及其影響因素[J].華南農業大學學報（社會科學版），2015，（3）：1-12.

[23]Chambers， R. G.， Fāure， R.， Grosskopf， S. Productivity Growth in APEC Countries[J]. Pacific Economic Review， 1996， 1（3）：181-190.

[24]陳敏鵬，陳吉寧，賴斯蕓.中國農業和農村污染的清單分析與空間特征識別[J].中國環境科學，2006， （6）：751-755.

[25]梁流濤.農業生態環境時空特征及其演變規律研究[D].南京：南京農業大學博士學位論文，2009.72-80.

[26]陳同斌，陳世慶，徐鴻濤，等.中國農用化肥氮磷鉀需求比例的研究[J].地理學報，1998，（1）：33-42.

（責任編輯：徐雅雯）

[DOI]10.19654/j.cnki.cjwtyj.2021.08.005

[引用格式]龍少波，張夢雪. 中國農業全要素生產率的再測算及影響因素——從傳統邁向高質量發展[J].財經問題研究，2021，（8）：40-51.

收稿日期：2021-06-19

基金項目：國家社會科學基金項目“多重機制非對稱作用下的結構性通縮及調控體系研究”（16CJL007）;農業農村部軟科學項目“提高農業全要素生產率研究”（2018007）;中央高?；究蒲袠I務費專項項目“建設現代化經濟體系的政府治理和公共政策研究”（2019CDSKXYGG0042）

作者簡介：龍少波（1984-），男，湖南邵陽人，副教授，博士，主要從事宏觀經濟、農業經濟等方面的研究。E-mail：longshbcqu@126.com