我國雙季稻全要素生產率的時空分析及對策建議

李瓊華， 張琳， 韓昕儒， 宋莉莉

（中國農業科學院農業經濟與發展研究所，北京 100081）

2020年爆發的新型冠狀病毒肺炎疫情引發了人們對糧食安全的擔憂。水稻作為我國三大主糧品種之一，一年耕作兩季的雙季稻對穩定水稻產量的意義不容小覷，但雙季稻播種面積卻在20世紀80年代之后逐年縮減。據我國國家統計局（http://www.stats.gov.cn/）數據，1988年全國早稻播種面積922萬hm2，2019年跌至445萬hm2，減少51.7%，產量則從1988年的4 701萬t降至2019年的2 627萬t，降幅達44%；目前，浙江、福建等早稻生產大省的產量占比已不足2%；如果雙季稻生產急劇下滑且得不到有效遏制，再疊加國內外風險沖擊，將會給糧食安全帶來隱患。為了逆轉雙季稻生產逐年下滑的趨勢，2020年，國務院常務會議提出“鼓勵有條件的地區恢復雙季稻種植”。在國家政策支持下，2020年早稻播種面積有所回升，達到475.1萬hm2，較2019年上漲6.7%，但上漲幅度較小。導致雙季稻尤其是早稻播種面積減少且增長困難的主要原因是，隨著化肥農藥等農業生產資料價格及人工成本的上升，雙季稻種植比較收益偏低，勞動強度較大，農戶種稻積極性下降。

一般來說，雙季稻產量的增長主要取決于綜合生產能力的增長。雙季稻綜合生產能力的提升一般體現在兩方面：一方面是生產要素投入的增加，另一方面是單位生產要素帶來的產量提升，即全要素生產率（total factor productivity，TFP）的增長。在耕地等農業資源有限的情況下，只有轉變生產方式，推動雙季稻生產向依靠科技進步和要素效率提升的內涵式、集約型增長方式轉變才是未來雙季稻生產發展的重點[1]。因此，提高雙季稻TFP是推動我國糧食安全戰略深入實施的重要舉措。

目前，我國關于水稻TFP的研究較多，從研究方法上大致可分為參數法和非參數法兩類。參數法代表為隨機前沿分析（stochastic frontier analysis，SFA），該方法考慮到生產前沿的隨機性，基于假設條件設定生產函數形式，能夠避免隨機擾動對非效率性的影響。亢霞等[2]利用隨機前沿生產函數分析了1992—2002年粳稻、早秈稻、中秈稻、晚秈稻的技術效率及其變動趨勢，并發現擴大土地經營規模對糧食產量增加有積極作用。宿桂紅等[3]運用SFA測算了1998—2008年間中國糧食主產區水稻生產的技術效率，得出了主產區水稻生產的技術效率高且呈上升趨勢。非參數法代表為數據包絡分析（data envelopment analysis，DEA），該方法無需設定函數形式，適用于多投入、多產出的分析。王明利等[4]基于DEA法的Malmquist指數對1990—2003年我國不同種類的水稻進行分析。余航等[5]運用DEA的Malmquist指數法研究了2004—2015年中國早秈稻、中秈稻、晚秈稻和粳稻的TFP。王懷明等[6]運用基于DEA的Malmquist生產率指數測算了1980—2009年大豆、玉米的TFP，并對大豆TFP進行了收斂分析。延楨鴻等[7]采用DEA-Malmquist模型,對2001—2016年全國15個小麥主產省份的小麥TFP進行測算分析，并探討其影響因素。史琛等[8]采用Fixed-Window-Malmquist指數測算粳稻TFP的增長來源。在區域視角下，代海濤[9]通過構建C-D生產函數，深入分析影響吉林省水稻生產效率的相關因素。劉徳娟[10]運用DEA-Malmquist指數法分析了福建省2002—2013年的水稻TFP，并得出了福建水稻的TFP變化主要源于技術進步的結論。吉星星等[11]采用DEA-Tobit兩步法研究了1997—2014年我國水稻主產區的生產效率及影響因素。

國內外運用DEA測算TFP的方法已經逐漸成熟，但仍存在一定局限性：①在影響因素方面，忽略環境及區位要素對總產出的影響；②在規模效率分析方面，易忽略生產的其他投入規模及配比；③在研究方法上，將技術效率分為純技術效率與規模效率的方法對生產領域中技術更新速度的快慢和技術應用推廣的有效程度考慮較少；④在結果分析方面，大多從時間、空間角度進行數據分析，在當前國家劃分糧食生產功能區的政策背景之下，這一分析可能存在一定的局限性。因此，本研究引入環境指數，將環境對總產出的影響考慮在內；對規模效率指數進行修正，改為“規模及混合效率指數”使其表達更為精確，剔除生產面積（土地）規模因素影響，生產的勞動力、灌溉、機械、化肥等投入規模和配比也會影響效率的數值，進而影響總產出；研究方法上，技術效率指的是純技術效率，也就是生產領域中技術更新速度的快慢和技術應用推廣的有效程度；分析視角上，除了分析水稻TFP的時間和省份差異，將水稻優勢產區的分析引入，豐富研究視角。

本文基于2004—2018年中國雙季稻生產的面板數據，將TFP分為技術指數、環境指數、規模及混合效率指數和科技效率指數4個部分，通過計算各分解因素對雙季稻TFP增長的貢獻，從不同時空維度評估要素投入對我國雙季稻TFP增長的影響效應，為提高雙季稻生產效率、保障國家糧食安全提出對策建議。

1 材料與方法

1.1 數據來源

測算數據主要來自歷年《中國統計年鑒》《全國農產品成本收益資料匯編》以及國家統計局（http://www.stats.gov.cn/）。產出變量為水稻的當年總產量，單位為萬t，產出最大化意味著口糧安全保障能力強。5個投入變量分別為：勞動力投入，其中勞動力數量為農林牧漁業從業人員，勞動力價格以農村居民收入指數代替；機械投入，為農業機械總動力，機械價格以機械化農具生產資料價格指數代替；土地投入，以農作物總播種面積代替，耕地價格以農林牧漁業總產值指數代替；化肥投入，為農用化肥施用折純量，化肥價格以化學肥料生產資料價格指數代替；排灌投入，以有效灌溉面積代替，灌溉價格以農用機油生產資料價格指數代替。環境變量為控制變量，代表各省（區、市）所在的行政區域，主要體現水稻種植的區域性，原因在于水稻生產與自然氣候環境聯系密切，在計算生產率的同時需要控制環境及區位因素對生產的影響。數據周期為2004—2018年。

稻米產品價格為種植業生產價格指數（2004年為100），勞動力價格以農村居民收入指數代替，機械價格以機械化農具生產資料價格指數代替，灌溉價格以農用機油生產資料價格指數代替，化肥價格以化學肥料生產資料價格指數代替，耕地價格以農林牧漁業總產值指數代替，各類價格指數均為定基指數（2004年為100）。對于各省（區、市）存在的缺失值，本研究采用以下手段處理：生產和投入數量數據按照全國產出增長率推算；生產價格按照農產品生產價格指數增長率推算；投入品價格按照農業生產資料價格指數增長率推算。

1.2 研究方法

傳統的TFP測度多使用DEA-Malmquist指數進行測算。DEA-Malmquist指數測算TFP的原理是將TFP分為技術進步和技術效率變動2個部分，并將技術效率部分進一步分解為純技術效率和規模效率，也可以理解為用DEA-Malmquist指數將TFP指標分解為技術進步、純技術效率、規模效率3個部分[12]。產出導向型的Malmquist生產率指數的形式如下。

式中，（xt+1,yt+1)代表t+1時期的投入產出水平，（xt,yt)代表t時期的投入產出水平，計算結果大于1表示從t到t+1時期TFP發生了增長，反之則表示TFP下降；TEC（technical efficiency change）代表t時期到t+1時期的技術效率變化；TC（technical change）代表t時期到t+1時期的技術的變化。技術效率的變化可以進一步分解為純技術效率（pure technical efficiency，PTE）和規模效率的變化（scale technical change，SEC）。

式中，D(X,Y|C)和D(X,Y|V)分別表示不變規模報酬技術和可變規模報酬技術下的產出距離函數。從而，TFP的變化計算公式如下。

隨著環境對生產影響的作用不斷增強，O’Donnell[13]對TFP的測量方法進行了改進，將TFP分解為環境改變、技術改變、效率改變、規模及混合效率改變4個部分。TFP指數（TFP index，TFPI）由產出導向型技術指數（output-oriented technical index，OTI）、產 出 導 向 型 環 境 指 數（output-oriented environmental index，OEI）、產出導向型規模及混合效率指數（output-oriented scale and mix efficiency index,OSMEI）、產出導向型科技效率指數（output-oriented technical efficiency index，OTEI）組成[14]。O’Donnell將TFP表示為總產出與總投入的比值。

式中，Qks、Xks為k省（區、市）s時期的總投入及總產出。其中，Qks=Q(qks)、Xks=X(xks)，為各種產出、投入的總和，Q(·)與 X(·)均為滿足非負、非減、線性、齊次要求的加總函數。

TFPI表示k省（區、市）在s時期的TFP和n省（區、市）在m時期的TFP對比，主要用于衡量生產率的變化，其表達式如下。

式中，QI(·)是任意的產出系數，XI(·)是任意的投入系數，式（5）也可以表示如下。

式中，Q(qks)表示k省（區、市）在s時期的總產出，表示k省（區、市）在s時期和z環境能夠達到的最大產出。

由于環境因素是不可預測的，且許多投入會發生錯誤測量，因此這里估計隨機前沿模型（stochastic frontier model，SFM）的參數。為了測算OTE，使用ML或貝葉斯估計。涉及多種變量的SFM分析可以得出以下聯立方程。

式中，uks≥0表示產出導向型技術無效率效應，和wks表示對統計噪音的不同度量。

運用Lowe系數指數比較不同省份在每個時期的TFP與第1個投入期某個省（區、市）的TFP。因此，式（8）可將TFPI分解為技術進步、環境變化和效率變化的度量。式（9）可進一步將OTE變化分解為年齡和教育效果。式（8）可將任何TFPI表示如下。

式中，右邊第1個系數為OTI，第2個系數為OEI，第3個為OSMEI，最后2個系數是OTEI以及統計噪音系數（statistics noise index，SNI）。式（11）可以表示如下。

OTI、OEI、OSMEI通過 ML 估計值來評估系數，SNI為實際觀察值與估計值（擬合值）之間的差。

2 結果與分析

2.1 全國雙季稻TFP及分解指數的時序分析

從2004年到2018年，我國雙季稻和早秈稻、晚秈稻 TFP平均值分別為 1.006、1.081、0.931。從圖1可以看出，2004—2018年雙季稻生產率的發展可分為3個階段：第1階段為2004—2008年、第2階段為2009—2013年、第3階段為2014—2018年。

圖1 2004—2018年我國雙季稻TFP變化Fig.1 Changes of TFP of double cropping rice in China from 2004 to 2018

2004—2008年，雙季稻、早秈稻、晚秈稻的TFP增長迅速，年平均增長率分別為8.29%、8.21%、8.38%。從構成指數變化（表1）來看，OSMEI變動趨勢與TFP變動趨勢相近，3種類型水稻分別增長了23.84%、25.02%、22.72%；OTI增長明顯，分別提高了7.15%、6.60%、7.70%；OTEI波動較大。從構成指數特征來看，該階段雙季稻的TFP增長主要來自于技術進步以及規模擴張。出現這一現象的原因是多方面的，主要有：①2004年國家宣布3年內免除農業稅，同時頒布實施《農業機械化促進法》，這對農戶種植雙季稻行為有著較強的激勵作用；②2005年國家在稻谷主產區施行最低保護價收購政策，這一政策穩定了雙季稻價格，在促進農業生產和農民增收方面發揮了重要作用；③水稻育種水平不斷提高，對雙季稻產出的穩定做出了貢獻。據國家統計局（http://www.stats.gov.cn/）數據，在2004—2008年間，我國水稻單產水平從2004年的6 310.61 kg·hm-2增長至2008年的6 562.54 kg·hm-2，增長了3.99%，總產量增長了7.55%，其中早秈稻單產水平從2004年的5 417.8 kg·hm-2增長至2008年的5 535.3 kg·hm-2，增長了2.17%。

表1 2004—2018年我國雙季稻TFP構成指數變化Table 1 Changes of composition index of total factor productivity of double cropping rice in China from 2004 to 2018

2009—2013年，雙季稻、早秈稻、晚秈稻的TFP呈波動下降趨勢，分別下降了0.084、0.101、0.066。從構成指數變化（表1）來看，OTEI波動最大；OSMEI波動下降明顯，3種類型水稻分別降低了9.69%、3.64%、15.35%；相對而言，OTI表現出不同的發展趨勢，晚秈稻的OTI逐年提高，而早秈稻的OTI在2011年之后明顯下降，下降了4.7%。從構成指數特征來看，早、晚秈稻的規模指數對生產率帶來了負面的影響。在2009—2013年間，晚秈稻的OTEI最低，處于0.8～0.9之間，影響晚秈稻生產率提高。出現這一現象的原因主要有：①近年來，由于雙季稻比較效益偏低、農村勞動力短缺等原因，南方秈稻產區“雙改單”現象明顯，早、晚秈稻種植面積減少；②雙季晚稻的茬口時間緊，水稻移栽時需栽插長秧齡大苗，但現有機插秧技術只適合中小苗栽插，不適應長秧齡大苗栽插，從而限制了機械化種植技術在晚稻中的應用。

2014—2018年，雙季稻、早秈稻、晚秈稻的TFP持續增長，分別增長了20.61%、23.35%、17.48%。從構成指數變化（表1）來看，3種類型水稻的OTI以及OSMEI均為持續增長，其中晚秈稻的OTI增長最快，增長率為7.72%。從構成指數特征來看，雙季稻TFP的增長主要來自技術進步。這一現象的原因有：①2015年以來，稻谷最低收購價持續下調，相比較而言，晚秈稻的價格較高，凈利潤相對可觀，極大地促進該類水稻品種的種植；②規模化生產提高了雙季稻的機械化應用水平，一定程度上促進了雙季稻的生產率水平提高。

2.2 雙季稻優勢產區的TFP及分解指數分析

目前我國著力建設東北平原、長江流域和東南沿海3個水稻優勢產區。由于雙季稻主要分布在長江流域及東南沿海優勢產區，故此部分僅探討長江流域和東南沿海優勢產區。長江流域和東南沿海均是我國最主要的雙季稻產區，分別約占全國雙季稻面積的60%和40%。從整體（表2）來看，長江流域的TFP指數高于全國均值，而東南沿海低于全國均值，其中OSMEI起決定性作用。長江流域和東南沿海優勢產區的TFPI分別與全國均值相差6.88%和-5.87%，OSMEI分別與全國平均值相差6.98%和-6.60%。從構成指數特征來看，OEI、OSMEI等均對TFPI提升有一定負向影響。

表2 雙季稻優勢產區不同品種的TFP變化指數及其分解Table 2 Changes of TFP of different varieties in dominant producing areas of double cropping rice

從水稻品種來看，早秈稻的TFPI最高，均值達到1.087，高出晚秈稻14.46%。早秈稻生產率較高的原因同樣主要在于OSMEI較高，高出晚秈稻17.55%。長江流域、東南沿海以生產秈稻為主，且長江流域早晚秈稻的生產率指數均高于東南沿海地區，其中長江流域的晚秈稻比東南沿海的高出29.4%，早秈稻高出20.9%。造成以上現象的原因主要有：①長江流域雙季稻種植面積廣，特別是江淮地區的雙季稻TFP處于較高水平，規模效率提升了生產率指數；②東南沿海地區經濟發展水平較高，雙季稻種植效益對農戶的刺激不高，而且土地分散，機械化難以大規模應用，雙季稻面積下滑較為明顯。③早秈稻TFP水平較高的原因在于早秈稻生產的規模集成化程度增強，以農業專業化種植為主，規模效應顯著。

2.3 不同省區雙季稻TFP及分解指數分析

2.3.1 早秈稻TFP變動分析 我國8個早秈稻生產區的TFPI差異相對較小（表3）。湖北、海南、安徽、江西4省的早秈稻TFP高于全國平均水平，分別高出31%、15.5%、10.5%、6.7%。早秈稻TFP水平最低的為廣東省，僅為0.666，約為全國平均水平的61.27%。從產區分布情況來看，長江流域早秈稻產區的TFP總體高于東南沿海產區，是我國早秈稻生產的優勢產區。

表3 不同省區早秈稻TFP及分解指數Table3 Total factor productivity and decomposition index of early Indica rice in different province or region

從分解指數來看，早秈稻的OTI在省（區）間無明顯差異，指數值穩定在1.121，其余3個指數在不同省份之間存在小幅變動；OSMEI在各省（區）間的分布特征與TFP的分布特征基本吻合，湖北省最高，達到1.186，廣東省最低，僅為全國平均水平的62.7%；就技術效率指數而言，8個省（區）之間差別較小，均在1.06左右。在4個分解指數中，技術指數和技術效率指數對早秈稻各省TFP的貢獻較大，早秈稻生產率提高更得益于水稻良種技術和栽培技術等關鍵生產技術的突破和推廣。

2.3.2 晚秈稻TFP變動分析 我國晚秈稻TFP的省際分布特征與早秈稻相似（表4）。在9個晚秈稻生產區中，TFP水平最高的為湖北省，達到1.304，高出全國平均水平的40%；TFP水平最低的為廣東省，僅為0.542，是全國平均水平的58.2%。從產區分布情況來看，長江流域晚秈稻生產省份的TFP高于東南沿海省區，長江流域產區是晚秈稻的優勢產區。

表4 不同省區晚秈稻TFP及分解指數Table 4 Total factor productivity and decomposition index of late Indica rice in different province or region

從分解指數來看，OSMEI、OTEI在不同省（區）之間存在一定的差異，而各省（區）OTI則穩定在1.142。就規模及混合效率指數而言，指數值最高的省份為湖北省，高出全國平均水平的32.3%，廣東省最低，約為全國平均水平的64.35%。就OTEI指數而言，9個省（區、市）的指數值均在0.8～0.9之間。從對分解指數的分析中可得，東南沿海產區的廣東、廣西、海南的OSMEI、OTEI均低于全國平均水平，其中廣東省遠低于全國平均水平。

3 討論

已有研究對稻谷生產率的分析主要圍繞TFP及其技術效率展開[15]，技術進步在水稻投入產出效率的增長中發揮重要作用[16-17]。但現有的研究成果在規模效率的分析上忽略了生產投入規模及配比[18]。基于此，本研究應用DFA方法對我國2004—2018年雙季稻TFP及其構成指數變動進行測算，將TFP分為技術指數、環境指數、規模及混合效率指數和科技效率指數，分析各分解因素對雙季稻TFP增長的貢獻。本研究發現技術進步能夠有效提升雙季稻的生產效率，但現階段，我國雙季稻生產效率的提升主要來源于規模及混合效率的變動，技術進步對雙季稻生產效率的貢獻幅度相對較小[19]。具體而言，從全國層面看，2004—2018年我國雙季稻的生產率呈小幅變動，其中雙季稻TFP在2004—2008年和2014—2018年均呈小幅上升，而在2009—2013年呈小幅波動下降，政策因素是波動影響的關鍵[20]；從不同優勢產區看，長江流域與東南沿海地區是我國傳統的雙季稻優勢產區，而長江流域的生產率顯著高于東南沿海地區[11]，其中規模效率起到決定性作用，本研究認為，東南沿海生產率水平較低的原因在于受城鎮化等因素影響，農民非農化與土地非糧化現象凸顯，雙季稻的生產規模不斷縮減，規模效率水平不斷下降；從不同省（區、市）看，雙季稻TFP的差異總體較小，早秈稻生產方面，湖北、海南、安徽、江西的生產率高于全國平均水平，是全國早秈稻生產的重點地區，晚秈稻生產方面，安徽、江西、浙江、湖北的生產率水平較高，這一結論與王恒等[21]、朱滿德等[22]的結果有差異，可能與研究方法、變量差異有關。與王明利等[4]測算的水稻TFP不同的是，2004年以來，江西、安徽的雙季稻生產率得到快速發展，而福建、廣東的生產率水平顯著降低，這說明雙季稻生產重心發生轉移，逐漸向長江流域地區集中。

在推進農業供給側結構性改革的背景下，加大政策支持力度，穩定雙季稻生產獎勵政策。政策是穩住民心，保障雙季稻生產的重要基礎，應當鼓勵適宜地區恢復發展早秈稻生產，在穩定稻谷最低收購價、建立生產者補貼等國內生產支持政策的基礎上，加大對雙季稻主產區地方政府和生產經營主體的支持力度，保障政府重農抓糧和農戶務農種糧的積極性。同時，進一步完善補貼標準及流程，使補貼真正受益農戶。

在當前錯綜復雜的國內外形勢下，建議進一步發揮主產區優勢，穩定雙季稻產能。優化雙季稻布局，積極建設長江流域雙季稻優勢產區，以優勢區作為組織創新和技術進步的試點基地，打造雙季稻生產高地，帶動周邊區域雙季稻生產。以江西、安徽、湖南、湖北等為雙季稻重點生產區，加強區域布局規劃，加大政策傾斜力度，穩定雙季稻生產。東南沿海地區應利用發展優勢，加快集成推廣區域性、標準化雙季稻綠色高質高效技術模式，推進農機農藝融合發展，走高效生態農業道路，引導支持農戶復耕，共同維護國家糧食安全。

促進雙季稻規模化生產，進一步提高良種采用率及機械化水平。土地經營規模是影響雙季稻TFP的重要因素，適度規模經營將是未來雙季稻生產的主要方向。規模化生產是提高雙季稻生產效率的主要途徑，也是提升良種利用率和機械化率的重要手段。持續培育新型農業經營主體，使其成為雙季稻生產的主力軍，助力雙季稻發展。進一步完善耕地流轉制度，鼓勵耕地有序流轉，為雙季稻生產的適度規模化奠定良好的基礎。