農戶生產技術效率的空間環境效應研究——基于DEA-VRS-HLM模型的檢驗

姚增福 唐華俊

?

農戶生產技術效率的空間環境效應研究
——基于DEA-VRS-HLM模型的檢驗

姚增福 唐華俊

經濟空間一體化架構下，基于3省15個鄉鎮649份農戶數據，利用DEA-VRS-HLM模型，實證檢驗了空間環境對農戶生產技術效率的影響效應。研究結果表明，對農戶技術效率作用效應上，教育和技術是顯著的正向預期因子，而年齡和外出務工時間是顯著的負向預期因子，農戶層次變量的作用效應被鄉鎮層次變量解釋的比例最多的是外出務工時間的65%，最小的是年齡的45%；鄉鎮層次變量強化了教育、外出務工時間、技術與農戶技術效率間的正向、負向、正向關聯關系，而弱化了年齡與農戶技術效率間負向作用效應；地理環境對農戶技術效率的提升影響上，年齡和外出務工時間變量在黑龍江和甘肅作用效應更大，而教育和技術在湖南發揮的作用效應更大。

農戶； 生產技術效率； 空間環境； DEA-VRS-HLM模型

我國現有農村基本經營制度與農業現代化是相容的，農戶經濟將長期存在并有效發展，普通承包農戶仍是我國糧食生產的最大主體[1]。農戶生產技術效率不僅決定了生產要素利用效率，更為重要農產品的有效供給和國家糧食安全提供了微觀保障。隨著研究的深入，農戶自身異質性和環境異質性兩個層次的影響因素受到了極大的關注。那么，如何準確測量農戶異質性和環境異質性兩個層次對農戶生產技術效率的影響以及兩個層次因素相互作用對農戶生產技術效率變異的影響等問題已經成為近些年空間計量經濟學研究的熱點和重點問題，亦是本文關注的核心問題。

農業技術效率的測度方法主要有基于參數的隨機前沿生產函數法(SFA)和基于非參數的數據包絡分析法(DEA)。在技術效率測算及其影響因素分析上，學者們的處理方式主要有三種：第一是一步法，即將各種環境變量統一納入SFA或DEA模型框架，主要目的是為了測算技術效率及對全要素生產率(TFP)進行分解。如Banker和Morey將產出、投入和多種環境變量納入了DEA模型中，一步估計了農業技術效率及影響因素[2]，Kalirajan利用我國省際樣本數據對農業TFP增長進行了SFA估計[3]，亢霞和劉秀梅利用SFA方法對我國省際層面的糧食技術效率進行了分析[4]，李谷成等基于微觀農戶數據，運用SFA方法測算了農戶家定經營技術效率及分解了全要素生產率增長成分[5]。一步法估計將環境變量和隨機誤差因素認為是事先確定的，很難準確檢驗這些變量對技術效率的隨機影響效應[6]；第二是兩步法，即先利用SFA或DEA模型估計效率值，再檢驗技術效率的影響因素，主要目的是為了在測算技術效率基礎上探究影響技術效率高低的因素。如McCarty和Yaisawarng在兩步法中，運用DEA技術估計效率并利用第二階段回歸中的殘差項調整第一階段的效率值[7]，錢麗等運用DEA-Tobit模型分析了我國省域間農業生產效率的影響因素[8]，同時趙京等和賈馳分別利用DEA-誤差修正模型和DEA-Panel Data模型，分析了政府農村公共產品投入和自然環境資源及農村社會資源等要素對農業生產效率的影響[9-10]，常向陽和韓園園利用DEA-結構方程模型分析了農戶農業技術擴散動力及渠道運行對農業生產效率的影響[11]，周亮等采用DEA-GIS空間分析方法，對2000—2011年淮河流域35個地市的農業生產效率及時空變化特征進行了分析[12]。兩步法主要差異在第二步上，但無論第二步是利用DEA分析技術還是利用回歸分析技術，都無法完全克服模型事先確定性以及隨機因素的影響效應[6]93；第三是三步法，即第一步按照傳統DEA技術測算技術效率，第二步建立相似SFA分析模型剔除環境因素和隨機因素，并得出僅由管理無效率造成的決策單元的投入冗余對效率值進行調整，第三步利用調整后的數據再利用DEA模型進行測算，主要目的是為了將影響技術效率高低的管理因素和隨機因素剝離出來，并分別進行分析研究。Friedet等為了能夠去除外部環境與隨機誤差對效率的影響，較早地提出用三階段DEA模型評估決策單元的技術效率[13]，國內學者如郭軍華等和焦源分別利用三階段DEA模型在微觀農戶層面或宏觀省域層面檢驗了內部管理效率以及隨機環境因素對農業生產效率的影響效應[14-15]。三步法雖然能夠克服模型設定、管理因素和隨機因素對技術效率帶來的估計誤差問題，但三步法估計中不能夠解析管理因素以及隨機環境因素的空間異質性對農戶或省域層面技術效率估計的影響差異。

已有研究文獻已經闡明了農戶自身特征因素以及區域要素特征對農業技術效率影響存在差異，但在大多數文獻中，區域間及區域與農戶間的空間相互作用和未觀測到的實地異質性未被納入農業技術效率研究的框架內，如Anselin等、Holloway等和吳玉鳴基于新經濟地理學理論，利用空間計量模型分別研究了氮肥管理對玉米生產的作用、生物經濟與土地利用關系以及生產要素產出彈性[16-18]；但新經濟地理學理論建模的微觀基礎—市場一體化的局限性以及空間權重的設定缺乏經濟學理論基礎，受到了學者們的質疑或批評。只限于經濟空間格局的市場一體化研究，忽視了重要的社會、生態和環境空間架構的經濟一體化，經濟空間一體化不僅能夠反映出居民、企業和政府之間的相互作用、相互影響，而且能夠反映出經濟因素與生態變量、環境變量之間的相互作用與相互影響[19-20]。因此有必要將經濟空間一體化作為微觀基礎納入空間計量模型中，同時避免因空間權重設置而導致的模型估計偏誤的問題，建立無偏估計的空間交互模型，準確檢驗農戶生產技術效率差異的空間環境影響效應。

本文所作的貢獻主要有：(1)在經濟空間一體化架構下，利用甘肅、湖南和黑龍江3省15個鄉鎮649份實地調研數據，建立“農戶—鄉鎮”兩個層次數據庫，合理的空間數據結構能夠更加準確地檢驗農戶層次、鄉鎮層次變量以及兩個層次變量相互作用，對農戶生產技術效率產生的影響；(2)利用DEA模型中投入主導型的規模收益可變模型(VRS)技術，從農戶層面準確測量不同區域農戶生產技術效率值；(3)借鑒Corrado和Fingleton的研究思路，通過HLM理論建模思想構建兩層次空間環境模型，并利用農戶和鄉鎮兩個層次的空間數據結構檢驗不同層次變量空間相互作用對農戶生產技術效率的影響效應。

一、農戶生產技術效率模型構建及變量選擇

(一)DEA模型構建

DEA模型利用投入導向型(Input-Orientated)和產出導向型(Output-Orientated)兩種技術測算決策單元的技術效率。投入導向型是指在產出水平一定的情況下，使投入最小化的規劃問題。農戶是生產要素的占有者，同時又是生產要素的使用者，對生產要素投入具有獨立的決策能力?；诖伺袛啵疚难赜么蠖鄶缔r業生產效率測算技術選擇的一般做法，采用投入主導型的規模收益可變模型(VRS)技術，測算農戶生產技術效率，具體規劃形式如下：

λk≥0(k=1,2…K)

其中，k為決策單元，xn為決策單元投入變量；ym為決策單元的第m項產出項，λk為第n項投入和第m項產出的加權系數；θk為第k個決策單元的效率值，0<θk<1，其值越接近1表示效率值越高，反之，越低。

(二)投入產出指標變量選擇

本文選擇的產出變量為農戶家庭水稻生產經營總收入(單位：元)。需要特別指出的是，與黑龍江、甘肅不同湖南省調查樣本農戶水稻種植制度為一年雙季，因此，在計算湖南省調查農戶水稻經營總收入時包括了雙季稻的總收入。

投入變量包括土地投入、勞動力投入、物化資本投入等3個方面。土地投入，按照實際投入土地面積計算，包括自有土地和租入等土地總規模(單位：畝)。勞動力投入，按照調查農戶家庭種植過程中實際投入的勞動力人數(人)乘以當地的用工價(元/人天)計算得出(單位：元)。物化資本投入，該指標包括農戶家庭水稻生產中對種子、農藥、化肥、耕作機械費用、排灌水費等資金投入總量(單位：元)。

可以直接通過DEAP2.1軟件將農戶生產技術效率值測算出來，具體過程文章不再贅述，同時將測算出來的農戶生產技術效率作為兩層次空間環境模型的因變量。

二、兩層次空間環境模型構建、指標選擇及數據說明

(一)模型構建

在經濟地理學中，由于區域和國家等不同層次環境因素會對以具體地理區位為特征的經濟問題研究結果產生明顯的水平影響效應，因此，這些相同區域的個體會受到來自不同層次的空間環境的影響。實際上，如果研究樣本數據來源于相同行政區域空間結構時，假設有一個共同隨機誤差項的空間自相關(spatial autocorrelation)或者獨立性假設都是有誤的[21]。在構建空間環境效應模型時加入一個共同的獨立誤差和組間的誤差項，在誤差項和解釋變量的描述上都是必要的。

在我國農村，鄉鎮是非常重要的農業經濟行政管理單位，由于地理和經濟環境的差異，鄉鎮內農戶經濟行為的同質性遠大于鄉鎮之間的差異性，而且鄉鎮內農戶生產技術效率存在相互影響的可能性很大，如技術模仿等[22]?？紤]到農戶所處鄉鎮空間環境的差異，農戶生產技術效率與影響因素之間的關系可能會隨著所處鄉鎮的不同而存在異質性。已有的實證研究也表面鄉鎮環境帶來的固定和隨機的影響并不是空間相關聯的，而是區域異質性綜合作用于個體的結果，即固定和隨機干擾是不相互獨立的[23]。

基于以上判斷，借鑒Corrado and Fingleton(2012)的研究思路[21]220，本文構建的兩層次空間環境HLM模型的形式為：

Y=β0+Xβ1+Zγ+ε

(1)

其中，Y={Ync}表示鄉鎮層次C中第n個農戶的生產技術效率值，Z={Znc}表示鄉鎮層次C上的一系列情景因素，X={Xnc}表示鄉鎮層次C中個體層次變量。公式(1)具體可以分解為如下形式：

(2)

在公式(2)中，ε={enc}+{uc}表示混合誤差項；Y、X和Z的維度分別是(N×1)、(N×k)和(N×k)；β0、β1和γ是固定效應參數向量；誤差項ε由異質的誤差項enc和隨機效應uc組成，enc表示處在鄉鎮層次C上的第n個體的隨機誤差，uc表示鄉鎮層次C的隨機影響。

同時有如下的模型假設：

enc|Xnc:N(0,σe)Cov(enc,en′c)=0?n≠n

uc|Xnc:N(0,σu)Cov(uc,enc)=0

對空間環境交互多層次模型(HLM)的不同層次方程進行估計時，采用有限迭代廣義二乘法(RIGLS)或者有限最大似然估計方法(REML)可以得到無偏、一致的回歸參數估計值[25-26]，本文利用HLM6.08正式版軟件，采用有限最大似然估計方法對各層次回歸方程進行參數估計。

(二)指標選擇

在兩層次空間環境模型中，為了綜合反映農戶、鄉鎮兩個層次變量以及兩個層次變量間相互作用對生產技術效率的影響，本文選擇的各層次指標變量如下。

1.農戶層次變量

為了進一步反映農戶異質性對生產技術效率的影響，本文選擇了如下農戶層面變量。

(1)年齡(NL)：已有文獻表明，農戶年齡既影響其從事農業生產的積極性、農業代際效應(cohort effect)，又影響著自身生產技術效率，即年齡效應(age effect)[27]。在農戶個體生命周期內，動態演化的社會環境會隨著個體的成長使其行為模式和技術效率發生變化，誘發年齡效應[28]。一般來看，年輕的農戶更容易接受新鮮事物，生產技術效率更高，相反年紀大的農戶更趨于保守，生產技術效率較低。本文采用調查問卷中家庭實際從事農業生產的戶主的實際年齡為變量進行檢驗。

(2)教育(JY)：教育是人力資本投資的重要手段，在微觀和宏觀層面，會通過其“內部效應”和“外部效應”對農戶生產技術效率產生顯著影響[29]?，F有文獻表明，農戶教育程度越高其生產技術效率越高，反之越低。本文沿用家庭戶主接受正規教育的年數表示受教育程度，實際測算中定義為：1=6年(小學)及以下；2=9年(初中)；3=12年(高中)；4=15年及以上(中專及以上)。

(3)外出務工時間(WC)：一般認為，外出務工經歷能夠有效提升農戶生產要素利用能力，對其要素配置效率產生重要影響[30]，務工匯款和社會資本流入產生的“積累效應”，也能夠進一步促進農業技術進步[31]。文章采用家庭成員外出務工累計時間(單位：月)來具體檢驗其作用效應。

(4)技術(JS)：技術作為重要的農業生產要素投入，其通過政府推廣及農戶間相互模仿多種渠道“擴散效應”的體現，在廣大農村地區發揮著重要的作用[32]。正常情況下，在農戶間技術所產生的“溢出效應”和“擴散效應”將更有利于農戶生產技術效率的提升。本文采用農戶家庭在農業生產中“是否采用高新技術品種”(1=是；2=否)作為技術的替代變量。

2.鄉鎮層次變量

農戶層次的數據是嵌套于不同鄉鎮中，也就是說，農戶層次的指標變量不同程度地受到鄉鎮層次相同變量整體狀況的強化或者弱化，即農戶層次變量在鄉鎮層次上發生變異。本文選擇鄉鎮層次的變量，進一步探究農戶層次變量在鄉鎮層次上的變異和檢驗鄉鎮環境異質性對農戶生產技術效率的影響，選擇的具體鄉鎮層次變量如下。

(1)年齡的鄉鎮常模分數(TNL)：表征某一個鄉鎮實際從事農業生產的勞動力實際年齡的整體狀況，具體是用一個鄉鎮中所有調查樣本農戶家庭戶主實際年齡的平均值計算得出。

(2)教育的鄉鎮常模分數(TJY)：表征某一個鄉鎮實際從事農業生產的勞動力受教育程度的整體狀況，具體是用一個鄉鎮中所有調查樣本農戶家庭戶主受教育年數的平均值計算得出。

(3)外出務工時間的鄉鎮常模分數(TWC)：表征某一個鄉鎮農村勞動力外出務工的整體狀況，具體是用一個鄉鎮中所有調查樣本農戶家庭成員外出務工時間的平均值計算得出。

(4)技術的鄉鎮常模分數(TJS)：表征某一個鄉鎮農業技術應用的整體狀況，具體是用一個鄉鎮中所有調查樣本農戶家庭是否采用新技術的平均值計算得出。

(5)區域啞變量(Dummy Variable)T：T1表示中部湖南省的鄉鎮，屬于中部的鄉鎮數據記錄編碼為1，其他為0；T2表示東北部黑龍江省的鄉鎮，屬于東北部鄉鎮的記錄編碼為1，其他為0；T3表示西北部甘肅省的鄉鎮，屬于西部的鄉鎮數據記錄編碼為1，其他為0。

3.空間地理環境變量

為了進一步揭示區域空間環境作用對農戶生產效率的影響，我們設計交互變量，具體為用創建的啞變量與每個變量的鄉鎮常模相乘，得到T1×TNL、TJY、TWC、TJS；T2×TNL、TJY、TWC、TJS；T3×TNL、TJY、TWC、TJS等12個交互變量，分別利用交互變量對農戶水平的每個變量的回歸效應進行分析。

(三)數據來源說明

黑龍江、甘肅和湖南3省分處我國的東北、西部和中部地區，自然地理環境以及社會經濟環境等資源稟賦差異較大，在水稻生產中各具獨特的地理環境異質性。因此，不同省份不同鄉鎮中農戶層次和鄉鎮層次變量對農戶生產技術效率的影響效應會產生顯著的差異化。根據本文研究的目標以及數據的可獲得性，本文選擇的調查范圍包括黑龍江(通河縣和慶安縣所轄5個鄉鎮)、湖南(祁陽縣和雙牌縣所轄5個鄉鎮)和甘肅(張掖市所轄5個鄉鎮)*甘肅省的農戶調查數據來源于在中國農業科學院從事博士后研究工作中的調查積累。。為了保證獲得數據的有效性和完整性，對農戶進行的問卷調查采用了一對一訪談法，同時輔以重點訪談法，采用隨機抽樣的方法在調查區域每個鄉鎮中發放問卷45份，15個鄉鎮共發放問卷675份，最后收集到有效問卷為649份。

本文將調查獲得的數據進行處理。首先，將獲得的649份農戶數據中投入產出變量帶入技術效率模型中測算農戶生產技術效率；其次，將獲得的649份農戶數據作為數據結構中的第一層，再按照處在相同鄉鎮的調查樣本農戶數據，計算相關指標變量在鄉鎮層次上的平均值作為數據結構中的第二層；最后，用兩個層次(農戶—鄉鎮)的農戶調查數據進行空間環境模型分析。

三、模型估計及結果分析

(一)模型估計

1.農戶層次效應

模型運算*檢驗農戶層次變量對技術效率影響時，以農戶生產技術效率值為因變量，農戶層次變量為解釋變量，鄉鎮層次的變量不包含在第二層方程中，且回歸中允許第一層方程的回歸系數在各個鄉鎮之間隨機變化。結果顯示(見表1)，教育(β=0.005 1，p<0.01)和技術(β=0.021 4，p<0.01)對農戶生產技術效率都有顯著的正向影響效應，而年齡(β=-0.001 3，p<0.05)和外出務工時間(β=-0.009 8，p<0.05)具有顯著的負向作用效應。同時，我們可以看出(見表2)農戶層次的年齡、外出務工時間、技術和教育變量對農戶生產技術效率作用效應的方差分別為0.002 0(χ2=16.279 8)、0.015 8(χ2=29.505 0)、0.063 7(χ2=30.351 3)和0.004 0(χ2=5.146 3)，即表明這些農戶層次變量的作用效應在鄉鎮間存在顯著的變異，這種變異被鄉鎮層次變量解釋的程度分別為45%、65%、53%、50%。

表1 農戶層次隨機回歸結果

注：*p<0.05，**p<0.01，***p<0.001。

表2 原始方差和殘差方差

2.鄉鎮層次效應

從表3模型運算結果看，鄉鎮層次上的教育、外出務工時間、技術變量對農戶層次的教育、外出務工時間、技術變量與技術效率之間的關系產生了顯著的強化作用，而鄉鎮層次上的年齡變量弱化了農戶層次年齡變量與技術效率之間的關系。

3.空間地理環境效應

為了進一步探究鄉鎮地理環境對農戶層次變量與農戶生產技術效率間關聯關系的影響程度，本文分別將設定好的啞變量以及鄉鎮層次變量納入多層分析模型的第二層方程中，具體檢驗鄉鎮空間地理環境對農戶生產技術效率的作用效應*在將啞變量納入第二層方程中時，分別選擇一個地區啞變量為參照類別建立標示區域的啞變量來建構多層分析模型(見表4)。參見文獻[26]。。從表4結果看，鄉鎮所處空間地理環境的差異進一步造成了鄉鎮層次變量對農戶生產技術效率的變化。

表3 鄉鎮層次變量對農戶生產效率回歸結果的效應

注：*p<0.05，**p<0.01，***p<0.001。

表4 區域和區域—鄉鎮常模的交互項對農戶水平回歸效應的影響

注：*p<0.05，**p<0.01，***p<0.001。

(二)實證結果分析

1.農戶個體變量的影響效應

從數據分析結果來看(見表1)，受教育程度和采用新技術對農戶生產技術效率產生了顯著的正向影響，這與多數文獻研究結論相一致[29]。戶主的受教育程度高低體現了家庭人力資本投資的規模，人力資本投資越大，生產技術效率值提升越快，充分說明了人力資本在農戶生產技術效率提升上發揮了顯著的“內部效應”。同時，新技術的采用更能夠促進農戶生產技術效率的提升(作用系數較大)，在技術效率提升上技術的“溢出效應”明顯。戶主的年齡和家庭成員外出務工時間對農戶生產技術效率產生了顯著的負向影響。充分表明，戶主的年齡越大越傾向保守的生產方式，越難接受新鮮事物，對生產技術效率的提升產生了明顯的阻礙作用。家庭成員外出務工時間越長，從事農業生產的時間就會越短，實際生產中因缺少精耕細作而導致效率的損失，本文沒能佐證一般文獻得出的外出務工對農業生產效率具有“積累效應”的結論。

2.鄉鎮層次變量的作用效應

從表2中可以看出，農戶層次變量對農戶生產技術效率的作用效應，會隨著鄉鎮的不同而不同，也就是說農戶層次變量的作用效應在鄉鎮層面上會發生變異。農戶層次變量被鄉鎮層次變量解釋比例最多的是外出務工時間效應的方差，約65%，原因可能是外出務工時間與農戶生產技術效率關聯作用在各鄉鎮之間變異程度也比較大的緣故；最少的是年齡效應的變異，只有45%，部分原因可能為年齡與農戶生產技術效率之間的關聯關系在各鄉鎮間變異程度也比較小的緣故；技術效應和教育效應的變異分別約為53%和50%。

第一，鄉鎮層次上的年齡變量弱化了戶主年齡對農戶生產技術效率的負向影響(γ=0.000 5，P<0.01)，即鄉鎮中平均年齡每增加一個單位，年齡對農戶生產技術效率的負向影響就減少0.000 5個單位。也就是說，在平均年齡較大的鄉鎮中，戶主年齡對技術效率負向影響會減弱。在鄉鎮中，對于小規模農戶來說農業生產還主要依靠戶主自身的勞動力投入，戶主年齡較大勞動經驗相對比較豐富，勞動態度較好，在農業生產中更能體現精耕細作的效率改進，因此，在平均年齡較大的鄉鎮中，農戶之間更容易交流和分享生產經驗，在一定程度上能夠彌補因為體力和新鮮事物接受上的不足。

第二，鄉鎮層次上的平均教育程度能夠提高戶主教育程度對生產技術效率的促進作用(γ=0.013 3，P<0.05)，即在鄉鎮中平均教育程度增加一個單位，戶主教育程度對農戶生產技術效率的正向影響就會提高0.013 3個單位。充分說明，在人力資本投資較高的鄉鎮中，人力資本對技術效率的提升效應越明顯。本文的研究與多數文獻的結論是一致的。

第三，鄉鎮層次上的外出務工時間變量強化了家庭成員外出務工時間與農戶生產技術效率之間的負向作用效應(γ=-0.012 7，P<0.001)。結果表明，鄉鎮中農戶家庭成員外出務工時間越長，農戶家庭生產技術效率越低。一方面，家庭成員外出務工時間越長，農業生產中投入的勞動量越少，降低了家庭農業精耕細作的可能性和普遍性；另一方面，成員外出務工獲的經歷、務工匯款以及社會資本的流入沒能充分地投入家庭農業生產中，造成了外出務工“積累效應”釋放不完全。

第四，鄉鎮層次上的技術變量強化了農戶層次技術變量對農戶生產技術效率的正向影響效應(γ=0.164 4，P<0.05)，即在鄉鎮中采用新技術的均值每增加一個單位，農戶層次技術變量對農戶生產技術效率的正向影響就增加0.164 4各單位。實證結果表明，在新技術采用較好的鄉鎮中，農戶技術采用行為會極大地提升生產技術效率。同時也表明，農戶新技術的采用還主要依靠政府新技術的推廣以及農戶間相互模仿等途徑，如果鄉鎮中多數農戶采用新技術，農戶采用新技術的積極性會更高、途徑會更多，就會降低個體采用新技術的成本和風險，那么采用新技術對農戶生產技術效率提升的“溢出效應”和“擴散效應”體現的就更明顯。

3.空間地理環境的影響

以上實證分析結果表面，農戶層次變量對農戶生產技術效率的作用效應會在鄉鎮層面上發生變異，而這種變異又會因為鄉鎮所處的空間地理環境的不同而產生差異。

在農戶層次年齡變量和農戶生產技術效率間關聯影響上，黑龍江省區域啞變量(β=0.053 5，P<0.001)和黑龍江- 年齡鄉鎮常模交互項(β=-0.001 2，P<0.001)兩個變量作用效應顯著，且前者的作用效應大于后者。湖南省區域啞變量(β=-0.024 2，P>0.05)和湖南- 年齡鄉鎮常模交互項(β=0.000 4，P>0.05)兩個變量的作用效應不顯著，但正向的作用趨勢較明顯。與參照類別甘肅相比，在空間地理環境作用下，黑龍江省的鄉鎮層次的年齡變量更有助于提升農戶生產技術效率，其次是甘肅，最后是湖南。

按照這樣的分析思路可以得出：在農戶層次教育變量和農戶生產技術效率間關聯影響上，與參照類別湖南相比，湖南省鄉鎮層次教育變量更有助于提高農戶生產技術效率，其次是甘肅省，最后是黑龍江省。在農戶層次外出務工時間變量和農戶生產技術效率間關聯影響上，與參照類別黑龍江相比，湖南省區域啞變量(β=-0.063 3，P<0.05)有較強的強化作用，而甘肅- 外出鄉鎮常模交互項變量(β=0.052 2，P<0.001)有較強的弱化作用。也就是說，甘肅省鄉鎮層次的外出務工時間變量更能夠促進農戶生產技術效率的提高，其次是黑龍江省，最后是湖南省。在農戶層次技術變量和農戶生產技術效率間關聯影響上，與參照類別甘肅相比，湖南省鄉鎮層次技術變量(β=0.542 2，P<0.05)更有助于提高農戶生產技術效率，其次是甘肅省，最后是黑龍江省(β=-0.025 0，P>0.05)。

四、結論及政策啟示

本文通過建立“農戶—鄉鎮”兩層次數據庫，在利用DEA-VRS模型測算農戶技術效率基礎上，通過構建兩層次空間環境HLM模型，數理檢驗了農戶層次、鄉鎮層次以及空間地理環境變量對農戶生產技術效率影響的差異，得到如下結論：

(1)農戶層次各變量對農戶生產技術效率產生了顯著異質性的作用效應，教育和技術變量是顯著的正向預期因子，而年齡和外出務工時間變量是顯著的負向預期因子。農戶層次各變量的回歸效應在鄉鎮層面上的變異隨著鄉鎮的不同而不同，變異程度由大到小依次為技術、外出務工時間、教育、年齡。

(2)鄉鎮層次各變量對農戶層次變量與農戶技術效率關聯作用的影響具有顯著的異質性。具體表現為：在平均年齡較大的鄉鎮中，戶主年齡對技術效率負向影響會減弱；在平均受教育程度較高的鄉鎮中，人力資本對農戶生產技術效率的正向效應更加明顯；鄉鎮中農戶家庭成員外出務工時間越長，農戶家庭生產技術效率越低；在新技術采用較好的鄉鎮中，農戶技術采用行為會更顯著地提升農戶生產技術效率。同時，研究也表明：農戶層次變量的作用效應在鄉鎮層次變量中被解釋的比例，最多的是外出務工時間，最少的是年齡效應的45%，技術和教育被解釋的比例分別為53%和50%。

(3)空間地理環境變量對農戶生產技術效率的影響具有明顯的差異性。黑龍江省鄉鎮層次年齡變量更有助于農戶生產技術效率的提高，其次是甘肅，最后是湖南；湖南省鄉鎮層次教育變量更有助于提高農戶生產技術效率，其次是甘肅省，最后是黑龍江??；甘肅省鄉鎮層次外出務工時間變量更能夠促進農戶生產技術效率的提高，其次是黑龍江省，最后是湖南?。缓鲜∴l鎮技術變量更有助于提高農戶生產技術效率，其次是甘肅省，最后是黑龍江省。

根據文章以上的實證分析結果，得到的政策啟示很明確：

(1)培育新型農業經營主體。從農戶維度來說，制定新型農業經營主體的政策重點，政府應該在掌握農戶經濟活動區位特征基礎上，著力培育和提升區域農戶自主發展能力以及農戶對外部環境約束的響應能力[33]，提高農戶與區域地理環境間的適宜性，充分釋放要素稟賦的勢能，才能在本質上提高農戶資源利用效率及生產技術效率。

(2)完善鄉鎮層面的農業服務體系。從鄉鎮空間維度來看，政府農業服務體系構建的著力點應該放在鄉鎮層面，完善鄉鎮層面的要素供給服務體系，有利于要素在鄉鎮內和鄉鎮間流動，提升農戶要素配置效率，更有利于減少政策的執行成本，提高政策的準確性和精確性。

(3)制定區域差異化的農民政策。政府制定農民政策要在“普惠式”基礎上，更加強調“差異化”，區域異質性的要素結構和質量內生決定了農業產業發展，只有差異化的農民政策才能提高區域農業要素稟賦與農戶自身稟賦間的適宜度，提高農戶農業生產的積極性和要素利用效率，進而提升農戶生產技術效率。

[1] 王景新.“農戶經濟”：將長期存在并有效發展.http:∥theory.people.com.cn/n/2013/0809/c40531-22500668.html.2013- 08- 09

[2] Banker R D, Morey R C. Efficiency analysis for exogenously fixed inputs and outputs.OperationsResearch, 1986(4): 513-521

[3] Kalirajan K P, Obwona M B, Zhao S. A decomposition of total factor productivity growth: the case of Chinese agricultural growth before and after reforms.AmericanJournalofAgriculturalEconomics, 1996(2): 331-338

[4] 亢霞，劉秀梅.我國糧食生產的技術效率分析.中國農村觀察，2005(4)：25-32

[5] 李谷成，馮中朝，范麗霞.農戶家庭經營技術效率與全要素生產率增長分解.數量經濟技術經濟研究，2007(8)：25-34

[6] 李然，馮中朝.環境效應和隨機誤差的農戶家庭經營技術效率分析.財經研究，2009(9)：92-102

[7] McCarty T A, Yaisawarng S. Technical efficiency in New Jersey school districts.Themeasurementofproductiveefficiency:Techniquesandapplications, 1993: 271-287

[8] 錢麗，肖仁橋，陳忠衛.碳排放約束下中國省際農業生產效率及其影響因素研究.經濟理論與經濟管理，2013(9)：100-112

[9] 趙京，楊鋼橋，汪文雄.政府農村公共產品投入對農業生產效率的影響分析.經濟體制改革，2013(3)：76-80

[10] 賈馳.資源和諧匹配與農戶生產效率提升.商業經濟與管理，2013(4)：81-88

[11] 常向陽，韓園園.農業技術擴散動力及渠道運行對農業生產效率的影響研究.中國農村觀察，2014(4)：63-70

[12] 周亮，等.糧食增產背景下淮河流域農業生產效率時空變化分析.地理科學，2013(12)：1476-1483

[13] Fried H O, Lovell C A K, Schmidt S S, et al. Accounting for environmental effects and statistical noise in data envelopment analysis.JournalofproductivityAnalysis, 2002(1-2): 157-174

[14] 郭軍華，倪明，李幫義.基于三階段DEA模型的農業生產效率研究.數量經濟技術經濟研究，2010(12)：27-38

[15] 焦源.山東省農業生產效率評價研究.中國人口﹒資源與環境，2013(12)：105-110

[16] Anselin L, Bongiovanni R, Lowenberg-DeBoer J. A spatial econometric approach to the economics of site-specific nitrogen management in corn production.AmericanJournalofAgriculturalEconomics, 2004(3): 675-687

[17] Holloway G, Lacombe D, LeSage J P. Spatial Econometric Issues for Bio-Economic and Land-Use Modelling.JournalofAgriculturalEconomics, 2007(3): 549-588

[18] 吳玉鳴.中國區域農業生產要素的投入產出彈性測算.中國農村經濟，2010(6)：25-37

[19] Pinkse J, Slade M E. The Future of Spatial Econometrics.JournalofRegionalScience, 2010(1): 103-117

[20] 劉安國，張越，張英奎.新經濟地理學擴展視角下的區域協調發展理論研究.經濟問題探索，2014(11)：184-190

[21] Corrado L, Fingleton B. Where Is the Economics in Spatial Econometrics?JournalofRegionalScience, 2012(2): 210-239

[22] 李興緒，劉曼莉，葛珺沂.西南邊疆民族地區農戶收入的地理影響因素分析.地理學報，2010(2)：235-243

[23] Deaton A. Data and econometric tools for development analysis.HandbookofDevelopmentEconomics,ElsevierScience. Amsterdam, Netherlands,1995(3):1858-1861

[24] Blundell R, Windmeijer F. Cluster effects and simultaneity in multilevel models.HealthEconomics, 1997(4): 439-443

[25] Goldstein H. Restricted unbiased iterative generalized least-squares estimation.Biometrika, 1989(3): 622-623

[26] 張雷，雷靂，郭伯良.多層線性模型應用.教育科學出版社，2003:12-13

[27] 楊俊，楊鋼橋，胡賢輝.農業勞動力年齡對農戶耕地利用效率的影響.資源科學，2011(9)：1691-1698

[28] 魏下海，董志強.中國企業勞動收入份額變動分解：代際效應與年齡效應.財經研究，2013(1)：82-92

[29] 陳釗，陸銘，金煜.中國人力資本和教育發展的區域差異.世界經濟，2004(12)：25-31

[30] 劉新智，劉雨松.外出務工經歷對農戶創業行為決策的影響.農業技術經濟，2015(6)：4-14

[31] 錢文榮，鄭黎義.勞動力外出務工對農戶家庭經營收入的影響.農業技術經濟，2011(1)：48-56

[32] 儲成兵，李平.農戶環境友好型農業生產行為研究.統計與信息論壇，2013(3)：89-93

[33] 李小建，等.不同環境下農戶自主發展能力對收入增長的影響.地理學報，2009(6)：643-652

Study on Spatial Environment Effect of Farmers’Producing Technical Efficiency——Based on DEA-VRS-HLM Model Test

Yao Zengfu Tang Huajun

Under the economic space integration framework，this article makes an empirical test of the impact of spatial environment on farmers’ producing technical efficiency by using DEA-VRS model and HLM model of spatial environment, based on 649 micro data from 15countiesof 3 provinces. Results show that in farmers dimension variable impacting on farmers’ producing technical efficiency, education and technology are significant positive factors, while the age and migrant workers time are significantly negative factors. The variation of farmers dimension effect in the villages dimension from high to low in turn is technology, migrant workers time, education and age. The proportion explained by village level variables is largest 65% in migrant workers time and smallest 45% in age. Villages dimension variables strengthen the effect in positive association relationship of education and farmers’ producing technical efficiency, in negative association relationship of migrant workers time and farmers’ producing technical efficiency, and in positive association relationship of technology and farmers’ producing technical efficiency. That weakens the effect in negative association relationship of age and farmers’ producing technical efficiency. The promotion effect on age and migrant workers time to farmers’ producing technical efficiency is more favorable in Heilongjiang Province and Gansu Province. However, the promotion effect on education and technology to farmers’ producing technical efficiency is more favorable in Hunan Province.

Farmers; Producing technical efficiency; Spatial environment; DEA-VRS-HLM model

2016-04-12

國家社科基金一般項目“西部農戶農業環境效率、要素配置效率及其提升機制研究”(編號：15BGL131)。

姚增福，桂林航天工業學院外語外貿系副教授；

唐華俊，中國農業科學院農業資源與農業區劃研究所研究員、博士生導師，中國工程院院士，郵編：100081。