美國農業(yè)生產率增長真的放緩了嗎

統計學和農業(yè)分析專家一直關注農產品生產和消費巨頭——美國的農業(yè)發(fā)展情況。不同專家和機構給出的結果卻不盡相同。在上期（第9期）的《國際新聞》版塊中我們就談到了《美國農業(yè)生產率增長》的報告，本文我們將具體論述如何運用統計學方法和工具論證生產率增長是否真的放緩這一爭論焦點。而這些統計學方法值得我們在進行經濟發(fā)展和農業(yè)增長趨勢分析中加以運用。

中圖分類號：S8-9 文獻標識碼：C 文章編號：1001-0769（2015）10-0068-04

1 背景

1990～2000年間，農作物產量增長速度放緩（圖1），農作物實際價格經過長時間的衰退，在本世紀末迎來了增長。這些變化關系到美國農業(yè)是否能夠在未來繼續(xù)保持生產率的持續(xù)增長和可持續(xù)生產。美國是世界上最大的農產品消費國和生產國之一。隨著全球人口數量和糧食需求量的逐步增加，美國是否能夠繼續(xù)保持生產率持續(xù)增長，不僅會影響美國的食品市場，同時也會威脅全球糧食安全。

一些研究（Alston等，2009）把近幾年相對于20世紀60年代和70年代發(fā)展趨勢有所下降的農作物產量增長率與美國農業(yè)生產率放緩聯系起來。每十年的作物產量增長率大幅波動（圖1）并且有下降趨勢，直到最近的2000年到2010年的10年間，棉花、大麥、小麥和大豆的產量其增長率才有所增加。然而，事實上自20世紀50年代以來，產量水平（不是增長率）呈線性增長。雖然線性增長將表現出增長率下降的趨勢（因為產量的基數增加），但是以10年為基礎的作物產量年均增長不應像圖1所示那樣下降如此劇烈。因為我們的數據分析涉及整個美國的農業(yè)部門，包括牲畜生產和農作物生產，我們采用全要素生產率（total Factor Productivity，TFP）統計方法來檢驗生產率下降。

TFP的長期增長主要受到具有時間滯后特點的技術革新的驅動。但是，短期內，多數是受氣候條件、能源危機、宏觀經濟影響和其他國際因素的影響，不同年份之間的TFP的增長會出現大幅波動。這些短期的大幅波動使長期變化趨勢難以確定。一般來說，產出增長和TFP之間密切相關，兩者均隨時間顯著變化（圖2）。而另一方面，投入增長遠沒有產出或TFP的變化顯著。投入的增長更牢固地掌握在農場經營者手中，他們經常在進行種植前幾個月決定作物的種植計劃，與此同時短期的產出變化和TFP變化可能更受到隨機事件的影響。

由于TFP囊括影響經濟增長的不明因素中未算入實測投入增長的剩余部分，我們有理由認為TFP系列會隨著產出增長而出現相應的波動，前提是投入增長相對穩(wěn)定。例如，在1983年，惡劣的氣候條件和聯邦政府的實用支付債券（Payment-In-Kind，PIK）計劃導致產出下降了14.4 %。同年，TFP下降13.6 %，而投入的增長只有少許降低。圖2還顯示，在1988年、1993年和1995年，全國大部分地區(qū)因受高溫影響，產出增長下降。同時伴發(fā)的干旱（1993年中西部出現洪澇）導致產出下降4.9 %～5.1 %，結果TFP下降4 %～8 %。大多數這些影響因素不能在種植季節(jié)的早期進行準確預測，所以，TFP下降可以表明產出的“多余的”投入，即沒有產出，但也不能被農民節(jié)省下來。由于傳統的TFP在進行測算時，投入不包括天氣因素，所以在出現TFP下降時，可能不是因為技術衰退而是受到惡劣天氣的影響。從長遠來看，TFP通常還會返回到正常水平。

氣候因素的影響和宏觀經濟走勢的短期波動（經濟周期）可顯著影響TFP的測算；因此，增長率對開始測算和結束測算的時間選擇變化敏感。雖然采用隨機期限（如十年）來分解樣本并進行比較的方法相對方便，但是使用該方法得到的結果可能會給出關于生產率放緩的錯誤信息。

2 經濟放緩的測算、結果和意義

一種不依賴于選擇預定節(jié)點的分析波動和趨勢的方法，是采用Hodrick-Prescott濾波器（H-P filter，Hodrick和Prescott，1997）法來平衡TFP系列的變化。在圖3中，我們列出兩種通過對TFP實際增長運用隨機平滑系數（Lambda，λ）獲得的“H-P改良TFP”。兩個估測的H-P系列都表明TFP實際增長的上揚幾乎被急劇下降的平均值抵消。

在圍繞1958年和1984年的兩個時期，在平滑的增長趨勢上，較小的平滑系數（Lambda，λ）卻顯示出了更高的浮動。這意味著，TFP在二戰(zhàn)后加速增長，而從1958年直到上世紀70年代末，經濟增長減緩；之后，經濟增長再次崛起，到1984年增長率達到另一個高點。再到1985年后，TFP增長再次放緩。由于H-P濾波法具有一定的局限性，所以還需要對這些時期的TFP增長率進行進一步分析。同時，在進行子時段分析時避免隨機時間節(jié)點的選擇，H-P濾波法采用可能會影響預測趨勢增長的隨機平滑系數λ。H-P濾波技術還存在一個終點偏差問題，它使用的數據往往是在一個非周期終點的時間點進行截斷，這樣往往會測算出錯誤的周期與一些無關緊要的結果相關（Harvey和Jaeger，1993）。

檢驗數據統計特性和測算生產率長期趨勢的另一種方法，是把樣本分成若干子時間段進行檢驗，從而研究這些時間段的平均增長率差異。而達到該目的另一種更加正規(guī)的方法是Chow（1960）提出的結構突變法，該方法包括每個子時間段回歸參數的估測以及使用F檢驗對兩組樣本參數平等性的檢測。

例如，James等（2009）對1994～2002年間國家級TFP增長率進行測算，用InSTePP（International Science Technology Practice Policy，國際科學與技術應用和政策）TFP數據轉換器分析美國農業(yè)生產率的發(fā)展趨勢。他們選擇不同的節(jié)點，對節(jié)點前期和后期的平均TFP增長率進行差異分析。從而發(fā)現，以1990年作為節(jié)點時，1990年后的TFP增長速度更慢。Wang等（2012）也采用這種方法檢驗在過去的幾十年里，幾個西歐國家農業(yè)部門生產率放緩。他們發(fā)現，以1983年作為節(jié)點時，1983年之后，比利時、丹麥、意大利的TFP增長率顯著增高，而德國、荷蘭、西班牙、瑞典和英國卻降低了。大多數統計檢驗表明，以1993年作為節(jié)點，在之后的時期，生產率增長水平較低，除法國和瑞典外，大多數國家增長差異不顯著。另一方面，不論使用哪個時間作為節(jié)點，在之后的時期中，意大利是唯一一個顯示出TFP增長率水平明顯上升的國家。

Chow結構突變法的一個主要局限性是節(jié)點的時間必須事先設定。研究人員往往根據可能包含相同時長的隨機點，或可以根據其他一些已知的數據特性確定候選節(jié)點，用來分割時間。正如Hansen（2001）所說，這些檢驗結果可能是“無意義的”，因為這種非統計方法可能會得不到真正的時間節(jié)點；或是“誤導性的”，因為由數據確定的節(jié)點具有內源性，并且在實際并不存在的情況下，一個隨機時間段卻可能出現節(jié)點。

一些統計方法考慮到時間系列中有未知的結構突變，也就是說，結構突變是運用統計學獲得的。Ball等（2013a）使用這種方法采用ERS TFP系列對1948～2009年的數據進行研究。他們指出，自1974年開始，生產率增長放緩，研究人員是通過檢驗其他行業(yè)中通常與經濟衰退有關的結構變化確定這個年份的，還發(fā)現1985年是TFP增長的轉變之年。其他研究人員對引起1974年和1985年之間的結構變化因素進行論述，這些因素包括較高利率和能源危機引起的資本投資下降所導致資產報廢，這些使設備的運行成本更高。當時商品價格的飛漲使農民受益，但是，快速變化的經濟環(huán)境使許多長期投資決策難以評估。

由于ERS’s TFP系列已被校正，從而能夠整合質量已校整的化肥和契約勞務的新估測值，所以Ball等（2013a）得出的經濟放緩的結果可能已經改變。因此，我們采用相同方法對生產率增長放緩的問題重新進行檢驗，對1948～2011年間的ERS TFP系列進行校正和更新。

為了對減速假說進行驗證，我們提出一個簡單的趨勢模型，并用趨勢回歸參數中的可選“節(jié)點”，對穩(wěn)定線性模型的無效性假設進行檢驗。我們使用統計方法來確定TFP的水平（截距）或者TFP增長趨勢中存在的可能節(jié)點。正如Ball等（2013a）發(fā)現的那樣，為了使截距轉移到更高水平，檢驗把1985年作為最佳的節(jié)點。而早期研究得出的發(fā)展放緩的結果不再具有統計學意義（圖4）。這意味著運用校正并更新的TFP系列，不足以得出美國農業(yè)生產率長期增長趨勢放緩的結果。

1985年截距向上偏移可能是由多個因素造成的。例如，美國經濟隨著能源價格從破紀錄的1974年和1979年回落而復蘇。在經歷1983年嚴重干旱和這一年鼓勵農民通過PIK計劃減少作物生產的農業(yè)干預政策后，農業(yè)生產出現反彈。此外，1985年的《食品安全法案》（農業(yè)法案）中價格支持計劃的改變使之成為將一直延續(xù)下去的更為市場導向的農業(yè)政策的一部分。農業(yè)法案減少了政府對農業(yè)的支持，促進出口，并建立美國農業(yè)部保護儲備計劃（USDA’s Conservation Reserve Program）。自1985年以來，商品價格在很大程度上都是以市場供求為基礎，同時政府價格支持的影響降低。

根據最新數據，如果美國農業(yè)生產率沒有放緩，怎么解釋被熱議的過去二十年間公共研發(fā)投入停滯沒有對生產率產生明顯影響？一個可能的解釋是，雖然公共研發(fā)和生產率增長之間有很緊密的聯系，但是在這一時期，私營部門研發(fā)投資的快速增長可能已經彌補了停滯的公共研發(fā)支出（King等，2012；Wang等，2013）。在公共研發(fā)投資的總體規(guī)模可能沒有增加，以及某些投資項目可能已經從提高生產率轉向環(huán)境保護和食品安全（Schimmelpfennig和Heisey，2009）的同時，私營部門的研究投資已經持續(xù)增長。私營企業(yè)的研發(fā)內容往往趨向于開發(fā)拓寬銷路的生產要素，或者是改善農民投入或是有直接提高產量潛力的種子。

根據一些公開出版物和參考文獻，有證據表明，科學的發(fā)展速度越來越快（Bornmann和Mutz，2015）。如果這是一個農業(yè)研究，那么加快公共和私人研究的投入可以彌補公共部門支出降低的缺口。另外，其他行業(yè)的技術外溢效應，如生物基因技術，有助于農業(yè)創(chuàng)新。然而，公共部門減少研發(fā)投入的整體影響尚不清楚，我們將繼續(xù)監(jiān)測未來生產率增長趨勢變化的跡象。

總之，只要美國仍然是全球基本農產品的主要生產國，美國農業(yè)生產率下降的可能性都將是一個值得關注的問題。如果產量不能跟上全球需求的增長，美國農業(yè)生產率增長放緩可能會成為全球糧食價格上漲的一個因素。也可能會造成環(huán)境問題，如果農民為了增加產出加強土地以及化肥的使用。因為作物產量似乎與農業(yè)生產有著最直接的聯系，TFP考慮到所有的投入，有測算的必要。確定趨勢節(jié)點和TFP長期增長趨勢放緩具有一定的挑戰(zhàn)性，因為，由于隨著每年因極端氣候條件和其他方面的原因，TFP都會有波動。我們采用可靠的統計方法來處理這些問題，最新數據顯示，長期TFP增長并沒有顯著放緩的趨勢。

原題名：Is U.S. Agricultural Productivity Growth Slowing （英文）

原作者：Sun Ling Wang，Paul Heisey，David Schimmelpfennig，Eldon Ball