中國油料生產的全要素生產率分析

肖望喜，李 然

（1.華中農業大學 經濟管理學院，武漢430070；2.衡陽師范學院 經濟與管理系，湖南 衡陽421002；3.重慶社會科學院，重慶 400020）

0 引言

食用植物油是城鄉居民重要的生活必需品。隨著人民生活水平的不斷提高，中國食用植物油的消費需求快速上升。但國內食用植物油供給增長緩慢，國內食用植物油的供給增長明顯滯后于需求增長，近年來兩者年均差幅穩定在8個百分點左右，考慮到國內廠商大量進口國外油籽加工的因素，二者差距會更加明顯。隨著經濟水平的不斷提高，加快轉變油料生產方式、提高油料生產效率，對于促進油料生產、保障食用植物油的供給安全及維持經濟社會的平穩健康發展具有重要的現實意義。

為了說明中國油料生產效率的影響因素及其運作機理，并對各種因素的作用大小進行比較，本文運用同時承認技術無效與隨機沖擊共存的隨機前沿生產函數模型，測算并分解了2002年以來各地區油料生產的全要素生產率增長率，采用一步極大似然法而非傳統的兩步估計法，分析了影響技術效率的根本原因，避免了因技術效率分布假設在兩階段的不同而導致的估計低效和有偏。另外對于地區技術效率的差異化處理及災害率等因素的引入使得本文的效率函數估計更符合中國農業生產的現實，有利于找到提高各地區油料生產效率的可行之策。

1 方法與模型

1.1 全要素生產率的測算與分解

農業經濟增長的核心在于全要素生產率的增長。一般來說，產出的增長扣除各種投入要素的增長就是全要素生產率的增長，它是勞動、資本等要素投入之外各種因素綜合作用的體現，也是一個生產單元綜合生產能力的集中反映。參數法是TFP測算的主要方法之一。它通過構造隨機前沿生產函數，估計未知參數，實現對生產過程的精確描述。參數法最大的優點在于具有經濟理論基礎，考慮了好壞運氣、統計誤差等隨機因素的影響，效率估計值的離散程度較小等。考慮到農業生產易受氣候等自然因素的影響，為了更好地描述油料生產過程，本文采用了承認隨機沖擊與技術效率損失共存的隨機前沿生產函數方法（SFA）。

為了深入地認識中國油料全要素生產率增長的源泉，有必要對TFP增長的組成部分進行較為細致的分析。全要素生產率一般由技術效率和技術進步兩個部分構成。技術效率用來衡量決策單元在等量要素投入條件下，實際產出與潛在產出的距離。距離越大，則意味著技術效率越低。技術效率又可分為純技術效率與規模效率。技術進步體現了生產前沿隨時間變化的軌跡。技術進步和技術效率具有不同的政策內涵，農村經濟改革不僅需要加速創新，促進技術進步，更為重要的是通過各種手段提高現有資源的利用效率，使實際產出逼近潛在產出。

1.2 估算模型

本文采用Battese和Coelli于1995年定義的隨機前沿生產函數模型對全要素生產率增長進行估算，函數形式如下：

其中，Yit表示t時期第i個生產單元的產出；Xit表示t時期第i個生產單元的K維投入向量；β表示隨機前沿生產函數的未知參數；Vit表示隨機擾動項，并且假設Vit服從獨立于Uit的正態分布N（0，）；Uit表示技術無效率的隨機變量，并且假設Uit服從獨立截斷正態分布N+（mit,）。

效率損失函數表示為：

其中，zit表示影響生產單元技術效率的p維向量，δ表示未知參數向量，用來反映變量zit對技術效率的影響。由于回歸方程的誤差項不同于最小二乘古典假定，因而不能用這一方法來估計有關參數。遵循Battese和Corra的建議，利用，然后利用非線性估計技術，得到所有參數的極大似然法估計量。這里γ∈(0,1)，用來反映復合誤差項中技術無效率項所占比例，當γ趨近于0時，表明復合誤差項主要來自于不可控制的隨機誤差項，此時不存在顯著的技術效率差別；γ趨近于1時，表明復合誤差項主要來自于技術無效率項。

在具體的實證分析中，我們采用的隨機前沿生產函數模型為：

式中，yit表示第i個地區某種油料作物第t年單位面積產量；lit表示第i個地區某種油料作物第t年單位面積勞動力投入；kit表示第i個地區某種油料作物第t年單位面積物質費用投入；α、β表示待估參數。

我們對技術進步的定義為：

其中，(α2+α1t)表示所有地區共同面臨的技術進步水平，它是由于技術的外溢效應致使每個地區都面臨相似的前沿面；(α3lnlit+α4lnkit)表示非中性技術進步水平，由于有些技術是通過“干中學”獲取的，這種能力因地區特征和學習時間的不同而發生變化。

我們對技術效率的定義為：

其中，uit表示非負的技術無效率項。當uit=0時，TEit值為1，即生產單元處于前沿面上，不存在效率損失；當uit趨于無窮大時，TEit值為0，則存在完全的效率損失。

我們定義的效率損失函數為：

其中，DR表示受災率，即農作物受災面積占農作物總播種面積的比重；Dj表示地帶虛擬變量，j=1,2,3分別表示油料主產帶、東部和西部地區，當且僅當樣本省份處于上述地帶時值為1，否則為0；SR表示某種油料作物播種面積占農作物總播種面積的比重。

2 數據說明

本文所使用的數據主要來源于《全國農產品成本收益資料匯編》(2003～2014)、《中國統計年鑒》(2003～2014)及《中國農村統計年鑒》(2003～2014)等。大豆、油菜和花生是中國最主要的三種油料作物，常年播種面積和產量占油料（包括大豆）總播種面積和總產量的90%以上，因此，選擇這三種油料作物具有較強的代表性。由于統計資料不全使部分地區數據缺失，為了保證數據的一致性，本文選擇的三種油料作物樣本區域如表1所示。

表1 三種油料作物樣本區域

本文選取的主要變量有：

(1)產出變量y：采用各地區油料作物生產的單位面積主產品產量，單位為kg/畝。

(2)投入變量l：采用各地區油料作物生產過程中實際發生的勞動用工量表示，包括雇傭工和自用工，按每天8小時折算成工日，單位為標準勞動日/畝。

(3)投入變量k：采用各地區油料作物生產過程中單位面積所花費的物資費用表示，包括肥料費、機械畜力費、種子費、農藥費、水電排灌費、燃料動力費等，并采用各地區對應農業生產資料價格指數將其折算成1990年不變價格（1990年為100），單位為元/畝。

(4)其他變量：影響油料生產效率的因素很多，從性質上可以分為三類：生物因素，包括生物品種特性、氣候、土壤、自然災害等；人力資本因素，體現在生產和經營管理決策所需的知識技能上；社會經濟條件，包括所在地區的經濟發展水平、政府政策和制度環境。結合數據的可獲得性及各油料作物的生產技術特點，本文選取的環境變量包括：受災率DR、地區虛擬變量D1（值為1分別表示處于東北及內蒙大豆主產帶、長江流域油菜主產帶及黃淮海花生主產帶，值為0則不處于這些區域，以反映資源條件、氣候、地形地貌等因素的影響）、地區虛擬變量D2和D3（D2中值為1表示處于東部地區，D3中值為1表示處于西部地區，用來反映地區經濟發展水平等因素對生產效率的影響）、各油料作物播種面積占農作物總播種面積的比重SR。由于人力資本對改革開放以來中國各地區技術效率差異的影響很小，因而本文并未考慮這一因素的影響。

3 結果及分析

3.1 隨機前沿生產函數估計

利用2002～2013年分省面板數據，分別采用一步極大似然法和傳統的兩步估計法對上述隨機前沿生產函數進行了回歸，如表2和表3所示。

表2報告了隨機前沿生產函數的估計結果。從表中可以發現，兩個模型的估計結果較為接近，但勞動和物資費用的系數值存在差異。模型1中，大豆的勞動平均產出彈性為0.01，物資費用平均產出彈性為0.45；油菜的勞動平均產出彈性為0.03，物質費用平均產出彈性為0.38；花生的勞動平均產出彈性為0.09，物質費用平均產出彈性為0.39。模型2中，大豆的勞動平均產出彈性為0.25，物資費用平均產出彈性為0.38；油菜的勞動平均產出彈性為0.14，物質費用平均產出彈性為0.27；花生的勞動平均產出彈性為0.15，物質費用平均產出彈性為0.38。通過比較，我們認為模型1比較符合實際，因為中國的耕地相對稀缺，農村剩余勞動力較多，屬于典型的精耕細作型農業，種子、化肥、農藥、機械畜力等物質費用投入較多，對農業生產的貢獻較大。似然比檢驗結果顯示，模型1的設定形式是合理的；勞動、物資費用、時間及二次項系數的t檢驗是顯著的，證明所選模型1具有相當的解釋力；模型1中，γ值基本上都接近于1（油菜模型中為0.89），表明生產無效率主要由技術無效率引起的，而不是隨機因素。

表2 隨機前沿生產函數估計結果

表3報告了生產無效率方程的估計結果。從表中不難看出，水災、旱災等自然災害對三種油料作物生產的技術效率有顯著的負效應，即隨著災害的增多，使效率損失增加，技術效率降低。不同的是，油菜受災害的影響強度更大，受災率增加1%，會導致油菜生產的效率損失增加2.27%。是否位于大豆、油菜及花生主產帶，主要用來考察氣候等生物性因素對生產效率的影響，實證結果表明，處于主產帶省份的油料生產技術效率要顯著高于其他地區。東、中、西部在經濟發展水平、政策與制度環境等方面差異明顯，而這些因素對于提升技術效率具有重要作用。本文的研究也證明了這一點。和中部地區相比，東部地區油料生產的技術效率損失要少一些，而西部地區則要多一些。油料播種面積占農作物總播種面積比例，反映了該油料作物在當地農業生產中的地位。該比例越大，說明政府與生產者愈加重視，技術的引進及各種要素的投入愈大，管理手段也更趨于合理。此外，該比例的增加還意味著種植規模的擴大，有利于提高油料生產的規模效率。表3的結果也表明，油料作物播種面積所占比例越大，越有利于減少效率損失，提高技術效率水平。

表3 生產無效率方程估計結果

利用FRONTIER4.1軟件求解模型1，還可以得到各地區油料作物生產的技術效率水平。圖1描述了中國各地區大豆、油菜和花生平均技術效率的變化趨勢。2002～2013年，油菜生產的技術效率水平最高，平均效率值為0.897，大豆和花生次之。近年來，油菜生產技術效率經歷了先上升后下降的變化過程，2007年效率值最大，為0.95，2013年降至0.91；大豆生產技術效率基本上在0.85上下浮動，2010年跌至0.792，但2013年迅速恢復至0.851；花生生產技術效率表現出先下降后上升的變動特征，2006年降至最低點，為0.689，后逐漸恢復至2013年的0.75。綜合來看，大豆和花生生產技術效率提升空間較大，在樣本考察期間內大豆的技術效率變化較為平穩，花生的效率波動較大。

圖1 中國三種油料作物生產技術效率變化曲線

3.2 全要素生產率的增長與分解

根據Kumbhakar全要素生產率增長的分解公式，我們可以將TFP表示為：

式中，ΔTFP、ΔTE、TP分別表示全要素生產率增長率、技術效率變化率和技術進步率，Δxj表示第j種生產要素（勞動和物質費用）的增長率，Ej(j=1,2)表示勞動和物質費用的產出彈性。其中，勞動和物質費用的產出彈性為：

依據上述界定，經過計算，得到了中國2002～2013年三種油料作物全要素生產率的變化軌跡（如圖2所示）。從圖2中可以發現，2002年以來三種油料作物的TFP增長率呈現出不斷波動的特征。大豆的TFP增長率變化最為劇烈，花生則相對較為平緩，油菜的TFP增長最快。

圖2 中國三種油料作物TFP增長率變化曲線

表4報告了各地區三種油料作物全要素生產率增長率及其組成部分。從表中可以發現，三種油料作物TFP增長率地區差異明顯。大豆的標準差和變異系數最高，地區間TFP差異最大。從全要素生產率增長的構成來看，技術效率改善是大豆和花生TFP增長的最主要因素，技術效率變化的貢獻率分別為58.9%和62.8%；技術進步則構成油菜TFP增長的主因，技術進步貢獻率為57.8%。本文雖未對規模效率作出具體定義，但依據式(7)和表4仍可計算出，規模效率變化對大豆、油菜和花生TFP增長的貢獻率分別為15.4%、13.3%和9.3%。

表4 各地區三種油料作物全要素生產率增長率及其構成

4 結論

利用隨機前沿面板數據生產函數模型，測算了2002年以來中國各地區油料生產的技術效率及全要素生產率增長率，并利用分解公式考察了全要素生產率增長的組成部分，采用一步極大似然法而非傳統的兩步法分析了三種油料作物生產技術效率的影響因素。我們得到的主要結論是：

(1)2002年以來中國三種油料作物的TFP增長率呈現出不斷波動的特征。大豆的TFP增長率變化最為劇烈，花生則相對較為平緩，油菜的TFP增長最快。

(2)三種油料作物TFP增長率地區差異明顯。大豆的標準差和變異系數最高，地區間TFP差異最大。

(3)從全要素生產率增長的構成來看，技術效率改善是大豆和花生TFP增長的最主要因素，技術進步則構成油菜TFP增長的主因。

(4)從技術效率的影響因素來看，水災、旱災等自然災害對三種油料作物生產的技術效率有顯著的負效應，即隨著災害的增多，效率損失增加，使技術效率降低，三種作物中，油菜的技術效率最易受到災害的影響。處于主產帶省份的油料生產技術效率要顯著高于其他地區。和中部地區相比，東部地區油料生產的技術效率損失要少一些，而西部地區則要多一些。油料作物播種面積所占比例越大，越有利于減少效率損失，提高技術效率水平。

[1]Aigner D J,Lovell C A K,Schmidt P.Formulation and Estimation of Stochastic Frontier Production Models[J].Journal of Econometrics,1977,(6).

[2]Meeusen W,Van D B.Efficiency Estimation From Cobb-Douglas Production Functions With Composed Error[J].International Economic Review,1977,(18).

[3]Coelli T J.A Guide to FRONTIER Version 4.1:A Computer Program for Stochastic Frontier Production and Cost Function Estimation[R].CEPA Working Paper 96/07,University of New England,Australia,1996.

[4]余建斌,喬娟,龔崇高.中國大豆生產的技術進步和技術效率分析[J].農業技術經濟,2007,(4).

[5]李然,馮中朝.中國各地區油菜生產率的增長及收斂性分析[J].華中農業大學學報（社科版）,2010,(1).

[6]傅曉霞,吳利學.技術效率、資本深化與地區差異[J].經濟研究,2006,(10).