環境影響、空間依賴與中國農業技術效率變化

呂洪渠，任燕燕

（1.山東大學經濟學院，山東濟南250100；2.山東政法學院商學院，山東濟南250014）

●經濟觀察

環境影響、空間依賴與中國農業技術效率變化

呂洪渠1，2，任燕燕1

（1.山東大學經濟學院，山東濟南250100；2.山東政法學院商學院，山東濟南250014）

文章選用中國31個省2000-2015年的面板數據，在充分考慮各地區農業生產表現出差異性和相關性的前提下，運用空間計量方法與隨機前沿相結合測算了各省份農業技術效率，對其區域分布變化進行了比較，并分析了影響農業技術效率的環境因素，同時計算了全要素生產率變化率和技術效率變化率。研究發現：近年來我國農業技術效率整體偏低，且提升速度放緩；各省農業技術效率存在空間正相關，東部地區農業技術效率明顯高于中西部地區；農業技術效率增長率與全要素生產率增長率在全國普遍存在背離現象；農業技術效率受經濟和資源環境影響顯著，受氣候、政策環境影響不顯著，經濟環境對農業技術效率有正向影響，資源環境對農業技術效率有負向影響。

農業技術效率；環境影響因素；空間面板；隨機前沿

一、引言

隨著改革開放的不斷深入，中國農業生產取得了巨大的成就。有學者研究結果顯示，中國農業年均增長率在2005年以后已經超過了10%，2015年中國糧食總產量達到了12 400億斤，超過了世界的一般水平。在肯定農業發展成就的同時，又不得不看到我國農業發展正面臨著要素成本不斷提高的問題，農業生產維持高投入產出的同時表現出低效率、高污染的特征。金融危機后，中國經濟發展步入“新常態”，新形勢下農業生產面臨嚴峻挑戰。農業面臨的新形勢可以從市場、政策以及資源環境等多個角度來描述。從市場角度看，農產品目前面臨成本提高、價格下降的“雙板”壓力。從政策角度看，我國過去多采用簡單低效的農業補貼政策（世貿組織所提出的“黃箱政策”，即政府對農業補貼計為成本，干擾市場價格），但目前這類政策的補貼力度已經達到世貿組織規定的上限，而且實踐證明此類政策效果有限。從資源與環境的角度看，資源缺乏的狀況已對農業發展造成嚴重束縛：耕地持續減少，土地質量不斷下滑；水資源已嚴重短缺；人力資源匱乏，高科技人才流失嚴重；技術資源受到約束，先進的農業技術與管理手段無法得到推廣。面對農業發展的一系列瓶頸，必須提高生產質量，提升技術效率，合理配置市場資源，提高資源利用水平。在此背景下，更加科學地測算農業生產率及農業技術效率勢在必行。

經濟學中對于生產前沿面的研究最主要的方法有非參數方法和參數方法兩類。非參數方法最典型的是數據包絡分析方法（DEA），參數方法最典型的是隨機前沿方法（SFA）。如果從考慮模型的靈活性和模型的多重產出角度考慮，通常選擇DEA方法；如果考慮利用大樣本數據，且要求模型較高的穩定性、兼顧效率影響因素則通常選擇SFA方法［1］。農業增長方式也通常是用全要素生產率對增長的貢獻來衡量。但是學術界目前對全要素生產率增長的認識尚不統一。為了解經濟增長的具體原因，可以對全要素生產率增長進行分解。對全要素生產率的增長有多種分解方式，繼索洛第一次分離出技術進步對提高勞動生產率的作用后，Farrel運用前沿生產函數法將全要素生產率增長分解為技術進步和技術效率變化［2］，從隨機前沿的角度，一些學者先后從全要素生產率增長的分解中得到了技術進步率、技術效率提升、規模效率［3］和配置效率［4］。目前很多學者根據Farrel的分解方式把經濟增長的動因歸結為技術推進和效率驅動兩種［5］。技術效率也稱為“追趕效應”，是決策單元（企業、個體或地區）向最優狀態追趕的程度，也就是生產函數向生產可能性邊界的逼近，通過隨機前沿方法可以直接計算得出。本文認可規模效率與配置效率的作用，但關注的重點是農業技術效率及其變化規律，因而采用Farrel的方式把技術效率提升以外的因素歸結為技術進步。

近年來許多關于農業生產的研究都認為農業技術效率增長存在區域不均衡和區域依賴特征［6-7］。農業生產發展往往表現出地區間的關聯性，這是普通面板隨機前沿模型無法解決的問題，用普通面板數據隨機前沿模型也無法準確地測量農業技術效率。測算準確度不高的主要表現是多項研究測算中國農業技術效率結果差異較大。本文比較了2008年以后的部分文獻發現，同一時期（2008年以后）有的研究認為中國農業技術效率不斷提高［8］，而有的研究則認為農業技術效率呈下降趨勢［9］；在農業技術效率的地區間差異上，有的研究認為東中西部地區農業技術效率差距不斷拉大［10］，而有的研究認為這一差距不斷縮小［8］。結合空間面板數據分析方法，可以建立空間隨機前沿模型，以便在測算技術效率時可以充分考慮到空間個體間的交互作用，因而測算結果更加準確可信，但目前國內還很少有學者在實證研究中應用此方法。

農業技術效率受很多因素影響，農業的經濟增長因素也分為要素投入和非要素投入。首先，要素投入對農業技術效率產生影響。其中資本要素投入是影響技術效率的首要因素。農業發展資金來源有很多渠道，例如政府財政支出和農業貸款。顯然，農業發展離不開政府扶持，且很多地區的實踐經驗表明財政支農支出的增長對農業技術效率的提高有顯著的推動作用［11］。農業發展也依賴于寬松的融資環境，但是有的研究認為農業信貸對全國農業技術效率的影響不明顯［12］。勞動力要素投入對農業技術效率的影響通常也是正向的，有研究發現農業科技人才數量的增加對農業技術效率有顯著的促進作用［13］。其次，環境也會對農業技術效率造成影響。一些實證研究認為外部環境因素和隨機誤差對各地區的農業生產技術效率均產生了明顯影響［14］。其實作為影響因素的環境不僅包括自然環境，也包括經濟環境、政策環境等多個方面。多項研究表明農業技術效率與區域經濟空間條件相關性很大，經濟發達地區農業技術效率顯著高于經濟落后地區，區域經濟發展水平的提高對農業技術效率有明顯改善［15］。城鎮化水平會對農業技術效率帶來影響，一般認為城鎮化水平的提升會顯著促進農業技術效率的提高［15］。但也有學者研究得出的結論更加復雜［16］，認為城鎮化水平的提升與農業技術效率的提高在短期內有相互抑制的作用，長期內存在正向交互影響。政策環境對農業技術效率的影響主要指農業政策帶來的影響，鄭循剛［17］實證研究表明已有的多項農業政策對農業技術效率產生了不同的影響。

與現有文獻相比，本研究選擇空間面板隨機前沿模型進行技術效率測度，既考慮到面板數據的優點，又兼顧農業生產存在的空間相關關系，還計算了全要素生產率增長率和技術效率增長率，并對它們的區域分布特征進行了比較。用驗證性因子分析的方法，將各類抽象的環境影響因素作為潛變量加入模型，進一步分析環境因素對農業技術效率的影響。

二、理論方法與模型構建

（一）農業技空間面板隨機前沿模型

面板數據隨機前沿模型的一般表達式為：

Yit=f(Xit,β)eεit

下標i表示決策單元(DMU)，t表示時間，Yit表示決策單元的產出，Xit為要素集合的向量組，εit=vit-uit為復合擾動項。vit為控制統計噪音的一般擾動項，通常假定它服從正態分布N(0,σv)。uit≥0用以衡量技術無效性，它的分布情況有幾種假設，通常假定其服從半正態分布uit～N+(0,σu2)或指數分布。Yit=f(Xit,β)evit為生產前沿。技術效率表示為

農業生產可能存在空間相關性，因此考慮建立空間面板隨機前沿模型來測度農業技術效率。在確立模型最終形式之前建立三種模型，即普通面板隨機前沿模型、空間面板隨機前沿模型I、模型II。每種模型的要素變量均設一次形式和二次形式，對幾種模型形式進行試估計和檢驗，選出最優形式。三種模型矩陣形式分別為：

普通面板隨機前沿模型：

一次形式：

lnY=[lnk lnl]Β+v-u

二次形式：

lnY=[lnk lnl(lnk)2(lnl)2(lnk)(lnl)]Β+v-u（1）

空間模型I：

一次形式：

三類模型中模型I和II為農業空間面板隨機前沿模型的矩陣表達式，分別對應于空間面板隨機前沿模型I和II。Y為各省農林牧漁業總產值；k和l分別為農林牧漁業投資額和從業人員；Β為回歸系數向量；各列向量維度均為N×T，IT為T階單位矩陣，WN為N階空間權重矩陣，T和N分別表示時期數與空間個體數，符號?表示Kronecker積；v為擾動項向量，表示影響生產的不確定性因素；u為無效率項，這里假定它服從半正態分布；WN為我國各省以地理距離為權重的空間權重矩陣；IT為單位矩陣；λ和ρ為空間相關系數；αi和ξ分別為個體效應和誤差項。

用空間隨機前沿方法計算技術效率變化率，其表達式為：

通過推導也不難得到技術效率變化率的非極限形式：

為便于后文畫圖，本文將（5）式中（-1）項去掉可計算平移后的技術效率變化率。運用Divisia生產率變化指數可以將相應的全要素生產率變化定義為：

ΔTFP=y˙-x˙index=

其中，y˙為產出增長率；Sj為要素j的成本份額；x˙j為要素投入增長率。

（二）環境影響因素分析、驗證性因子模型與可測變量的選擇

本研究在參考以往學者研究成果的基礎上兼顧數據可得性，力求更加全面地分析農業技術效率的影響因素，選擇了14個可測變量。為進一步匯總、提取可測變量提供的信息，將環境因素視為影響農業技術效率的潛變量，并將環境細分為經濟環境、氣候環境、資源環境和政策環境。

經濟環境制約著一個區域的科技發展水平、市場繁榮程度、居民消費水平以及基礎設施建設等方面的發展。這些對農業先進技術、農業先進設備的使用率、農業科技人才數量以及農產品的市場銷售情況產生直接影響，進而間接影響了農業技術效率的提升。資源環境對技術效率的提升產生負向影響。國內外許多學者研究發現經濟增長與資源稟賦呈負相關關系，如Auty(1993)最早提出經濟發展的“資源詛咒”概念，HausmannRigobon(2002)則進一步研究發現越依賴資源的國家往往經濟發展技術效率越低。徐康寧（2005）、邵帥（2009）、馮宗憲（2010）等都研究發現國內資源稟賦對技術存在“擠出效應”。具體到農業發展上，林杰、趙連閣等（2014）實證研究發現有些地區的水資源狀況對養殖業技術效率存在約束，但全國整體上不存在“資源詛咒”現象。本文考慮的資源環境主要包括水資源、土地資源和農業設備資源等與農業生產密切相關的代表性資源。氣候環境的作用類似于資源環境，但本文研究結果顯示氣候環境對農業技術效率影響不顯著。姜巖、朱曉莉等（2015）研究發現一年內不同月份的溫度、降水、光照等因素對農產品生產技術效率分別有提升作用和抑制作用。本文研究的政策環境主要考慮的是與農業生產息息相關的財政支出、污染治理、水土流失治理等扶持性政策，也即WTO所謂的“黃箱政策”。各地區政府對農業都采取了一系列的扶持政策，形成了當地的農業政策環境。事實證明政策環境對地區農業全要素生產率的變化是有一定作用的，但是是否對內在的農業技術效率有積極的影響有待于實證檢驗。

表1為各影響因素潛變量對應的可測變量及數據來源。本文其他變量數據均取自中國統計年鑒（2000-2016）以及國家統計局網站。

表1 無效率項影響因素對應可測變量

圖1顯示了經濟環境、政策環境、氣候環境、資源環境等四個影響因素的驗證性因子分析路徑圖。各驗證性因子模型路徑圖中橢圓圖標為不同環境影響因素潛變量，方框圖標為各潛變量對應的可測變量，標有ei的圓形圖標為誤差項。

圖1 四種影響因素驗證性因子分析路徑

運用驗證性因子分析方法對上述四個構念進行路徑分析，運用Joreskog（2000）所述的方法提取潛變量因子得分作為解釋變量建立無效率項影響因素模型：

（7）式中，uit為技術無效率項；EEit為經濟環境影響因素；CEit為氣候環境影響因素；REit為資源環境影響因素；PEit為政策環境影響因素。對模型進行估計時考慮復合誤差項v-u不一定服從獨立同正態分布，估計方法上選擇極大似然或準極大似然估計都可能得到非一致估計量，所以選擇Kelejian Prucha（2004，2010）［18-19］給出的基于廣義矩思想的GS2SLS方法，Arraiz(2010)證明了此方法可以得到一致估計量。

三、模型檢驗與估計結果分析

實證分析過程按如下步驟進行，首先對模型進行選擇，考慮到農業生產發展受到地區限制也必然存在空間依賴，在選擇模型時先對農業產值是否存在空間相關關系進行驗證，如能通過檢驗則確認用模型I和II，否則選用普通面板數據隨機前沿模型。同時用驗證性因子分析提取無效率項影響因素加入模型進行試估計，最終選擇最優模型進行農業技術效率測度。空間面板隨機前沿估計和空間相關系數計算運用STATA12.0軟件編程完成，驗證性因子分析運用AMOS17.0軟件完成。

（一）空間相關性檢驗

檢驗空間相關關系常見的指標有Moran’s I指數、Geary’C指數和Getis-Ord G指數。Moran’s I指數通常取值在-1～1之間，大于0為正相關，表示空間集聚，小于0為負相關，表示空間分散。Geary’C指數取值在0～2之間，大于1表示負相關，小于1表示正相關，兩個指數之間存在反向變動關系。表2顯示了2000-2015年農林牧漁業總產值之間的全局Moran’s I指數和全局Geary’C指數以及相應的顯著性檢驗P值。

表2 農業總產值空間相關系數

計算結果顯示所有年份的Moran’s I指數都可以通過顯著性水平為5%水平下的顯著性檢驗，大多數年份的Geary’C指數在可以通過顯著性水平為10%的顯著性檢驗，可以認為各省農林牧漁業總產值之間具有明顯的空間相關性。同時可以看出歷年Moran’s I指數均在0～1之間，Geary’C指數也在0～1之間，說明我國農業產值存在明顯的空間正相關，應該選擇空間面板隨機前沿模型。

（二）環境影響因素的驗證性因子分析

表3顯示了各環境影響因素驗證性因子分析結果的標準化估計值。通過對驗證性因子模型進行簡單的修正和估計，將調整后的最優結果呈現在表3中。在眾多適配度指標中選擇報告了比較重要的絕對適配度統計量P值、簡約適配度統計量卡方自由度比值NC。表中顯示除了農機總動力和家庭經營耕地面積兩個變量外，其余變量的參數都可通過1%的顯著性檢驗。計算各因子的信度α系數，所得各驗證性因子模型的α系數均在0.5以上，可以認為各模型內部一致性信度較高。各模型所提取可解釋方差百分比也都大于0.5，可見每個構念聚合效度較高。每個驗證性因子分析模型卡方值都較小，相應的p值均在0.05以上，可以認為初始模型設定正確。簡約適配度指標NC均在1～3區間內，可以認為四個模型適配良好，可以提取各潛變量因子得分值作為無效率項模型的解釋變量。

表3 無效率項影響因素的驗證性因子分析

（三）隨機前沿模型估計與無效率影響因素分析

對模型I、II四種形式進行試估計和比較發現兩種模型的二次函數形式的二次項、交叉項系數均未通過5%的顯著性檢驗，且空間相關系數λ和ρ也未通過顯著性檢驗，與空間相關性檢驗結果不符，因此舍棄二次函數形式。兩種模型的一次函數形式Haus?man檢驗統計量均為負值，依據stata軟件官方手冊提供的解釋，Hausman統計量出現負值時應當選擇隨機效應模型，因而舍棄了兩個模型一次函數的固定效應形式，保留了隨機效應模型。表4顯示了模型I、II一次函數隨機效應估計的結果。

表4 空間隨機前沿估計結果

表4估計結果顯示兩個模型一次函數各系數、指標的估計具有較高的一致性。兩模型存在的主要差異是模型I的空間相關系數λ仍未通過顯著性檢驗，與空間相關性檢驗結果不相符，而模型II兩個空間相關系數均通過5%水平下的顯著性檢驗，與空間相關性檢驗比較相符。模型I和模型II兩種投入要素的彈性系數估計值均可通過1%顯著性水平下的顯著性檢驗，不同的是模型I的兩個彈性系數之和小于1，模型II兩個彈性系數之和約等于1。即模型I顯示我國農業生產整體呈規模報酬遞減，模型II顯示我國農業生產整體規模報酬不變。國內外許多學者都將全要素生產率分成技術進步率、技術效率提升和規模效率三個部分。而規模報酬遞增、遞減還是不變會直接對規模效率產生影響，而不影響技術效率。兩個模型和的計算結果非常一致，都顯示的數值遠大于，這導致兩模型的γ值都在0.8左右，模型II的γ值略高一些，這都說明我國農業生產整體存在明顯的技術無效率性，因而運用隨機前沿模型是合理的。兩模型的估計結果恰好反映了我國農業生產在規模報酬遞減和規模報酬不變兩種可能性下各因素對技術效率的影響，綜合考慮兩模型各指標的表現可認為模型II的可信度更高，即認為個體效應存在空間相關性。

兩模型對四種環境影響因素的估計結果也非常一致，都顯示經濟環境影響因素EE和氣候環境影響因素CE的系數為負值，說明經濟環境、氣候環境對農業技術效率存在正向影響；資源環境影響因素RE和政策環境影響因素PE的系數為正值，說明資源環境和政策環境對農業技術效率存在負向影響。此外，兩模型還顯示氣候環境影響因素和政策環境影響因素的系數未能通過顯著性檢驗，經濟環境影響因素和資源環境影響因素的系數均可通過1%水平下的顯著性檢驗。

經研究發現歷年平均農業技術效率最高的5個省份依次為浙江、江蘇、山東、河南、廣東，其中4個省份屬東部經濟發達地區。平均技術效率達到0.9以上的省份共有15個，其中有10個省份屬于東部地區。可以看出農業技術效率對地區的經濟發展水平有較強的依賴關系。資源環境對農業技術效率提升產生抑制作用的原因主要應該有兩個方面：一是農業生產中的資源對技術的“擠出效應”，即資源分布較豐富的地區存在資源依賴使他們降低了提升農業技術效率的動力；二是資源利用不合理，如有些地區還存在投入的水資源或經營耕地資源超過農戶生產能力等現象，農業生產效率低下加上資源配置效率低下加劇了對農業技術效率的抑制作用。

依照姜巖、朱曉莉等（2015）的發現可以認為短期內氣候變化對農產品生產技術效率是有影響的。但從長期看各地區氣候環境相對穩定，從《中國氣象年鑒》收集到的數據可以看出多年以來各地區平均氣溫、濕度、光照程度都沒有明顯改變。但2000-2015年間各省農業技術效率普遍得到提升。可見，長期氣候環境對農業技術效率沒有明顯的影響。毫無疑問政府對污染與水土流失的治理都應當加大力度，這樣才能有效保護我國有限的水資源和耕地資源，但是我國每年水資源污染情況和水土流失情況都在加劇，說明國家雖然在治理方面的投入不斷加大，但尚未收到足夠效果；對農業單純的補貼類政策也已經很多，有不少地區農業生產對國家財政補貼存在依賴，這些都不利于農業技術效率的提升。以上是政策環境對農業技術效率作用不明顯的原因。

（四）農業技術效率的測度結果與分布特征

運用模型II的一次函數隨機效應模型對2000-2015年31個省的農業技術效率進行計算，由于篇幅限制這里不給出全部技術效率列表，僅對各省歷年技術效率變化作簡單描述。2000-2015年，各省農業技術效率基本都呈現出波動式上升的趨勢。

十六年間農業技術效率提升幅度最大的是寧夏，由2000年的0.19上升到2015年的0.60；其次是黑龍江，由2000年的0.43提升至2015年的0.89；提升幅度最小的是西藏，由2000年的0.23提升到2015年的0.28。廣東、江蘇、福建提升幅度也較小。從技術效率數值上看技術效率相對較高的區域主要集中在東部地區特別是沿海地區，平均技術效率0.8以上的有22個省份，分別是江蘇、浙江、山東、河南、廣東、上海、河北、遼寧、湖北、福建、安徽、四川、湖南、海南、北京、江西、吉林、黑龍江、天津、新疆、重慶、廣西，東部地區的省市全部包括在內，而西部地區的西藏、青海、寧夏、甘肅、陜西全部屬于技術效率最低的省份。東、中、西三大地區農業技術效率差異并未呈現逐步放大趨勢。

十六年間全國平均農業技術效率由0.57提升至0.83。其中提升最快的年份發生在2003-2011年間。2003年全國平均農業技術效率突然由0.57提升至0.69，之后一直持續走高，2011年平均技術效率達到這15年中的最高值0.84，2012-2015年全國平均農業技術效率沒有再發生較大的提升，2015年全國平均農業技術效率為0.83。2012年之后的幾年可以說農業已經開始遭遇各種瓶頸，技術效率提升難度加大。

圖2直觀顯示了2008年和2015年各省技術效率分布情況。將計算所得2008年和2015年農業技術效率按照由淺到深劃分五個等級進行著色，最深顏色表示技術效率值在0.8～1區間，最淺顏色表示技術效率值在0～0.2區間。從技術效率分布上可以看出，至2015年農業技術效率最高的區域仍然是東部地區，并且2008-2015年間全國絕大多數省份農業技術效率未發生質的改變，僅有甘肅、青海、新疆三個西部省份實現了“升級”。可見，新形勢瓶頸下實現農業技術效率的提升步履維艱。

從技術效率測定的結果還可以看出，十六年間中國農業技術效率整體上未達到最有效產出水平。歷年全國平均技術效率均小于1，各省歷年農業技術效率也都小于1。

圖2 2008年、2015年農業技術效率分布比較

根據式（5）、（6）分別計算中國農業全要素生產率增長率和技術效率增長率，計算結果顯示2008-2015年間，中國農業整體的全要素生產率和技術效率均有增長，技術效率增長率低于整體上全要素生產率增長率，平均全要素生產率增長率為1.038，平均技術效率增長率為1.035。可見從全國整體上看，技術效率變化未能成為推動生產率增長的主要因素。另一方面看，技術效率增長率的分布狀況比全要素生產率增長率的分布狀況更加分散，全要素生產率增長率的波動范圍在0.98～1.09之間，技術效率增長率的波動范圍在0.95～1.21之間。將各省全要素生產率增長率和技術效率增長率統一按照組距為0.05進行分組，并按照由淺到深劃分等級進行著色繪制圖3。

圖32008-2015年全要素生產率變化率、技術效率變化率比較

圖3 顯示，按照同樣的分組標準，全要素生產率增長率只劃分了三個組，技術效率增長率劃分了六個組。從兩組數據分布上看，全要素生產率增長較快的地區主要在東部，最快的11個省份分別為河北、遼寧、河南、海南、山東、吉林、福建、湖北、上海、浙江、江蘇，增長率最慢的4個省份為貴州、重慶、西藏、云南。技術效率提升較快的省份大多集中在中西部，最快的8個省份為甘肅、黑龍江、山西、云南、新疆、青海、寧夏、貴州，最慢的10個省份為西藏、內蒙古、河北、陜西、天津、廣西、北京、浙江、福建、江蘇。通過比較可以發現技術效率變化率和全要素生產率增長率兩組數據普遍存在背離現象。東部地區普遍全要素生產率增長較快，技術效率提升相對較慢；中西部地區技術效率提升較快，全要素生產率增長較慢。

四、結論與建議

通過對農業產值的空間相關性檢驗以及空間面板隨機前沿模型估計，主要研究結論可概括為以下四點：

（1）我國農業生產存在明顯的空間正相關性。各年份農業產值全局Moran’s I指數、全局Geary’C指數分別在（0，1）區間內，空間面板隨機前沿模型計算得到的空間相關系數λ和ρ也均為正數，都驗證了農業生產存在空間正相關性。

（2）全國農業技術效率未達到前沿面，且近幾年提升速度趨緩，但不存在持續下降趨勢，全國農業發展整體呈現出規模報酬不變的情形。農業技術效率存在明顯省際差異，且東部地區高于中西部地區，但三大地區技術效率差異并未呈現逐步放大的趨勢。2000-2015年各省農業技術效率均小于1，2010-2015年的5年間全國平均農業技術效率在0.82～0.84之間波動，說明全國乃至各省農業技術效率一直未能得到改善，也意味著農業全要素生產率的提高對技術效率的依賴性太小，甚至可以說農業技術效率抑制了農業生產率的提高，這與以往大多數研究結論一致。從要素投入產出的彈性系數上看，農業生產資本要素投入的彈性系數與勞動力要素投入的彈性系數之和約等于1。

（3）農業全要素生產率增長和農業技術效率提升在很多省份存在背離現象。東部地區整體上全要素生產率增長較快，技術效率提升相對較慢；中西部地區整體上技術效率提升較快，全要素生產率增長較慢。這也說明了在東部相對發達地區，促進農業全要素生產率的主要因素是技術進步；而在中西部地區特別是欠發達地區，技術進步相對較慢，前沿生產函數沒有明顯的外移，如一些學者所說這些地區技術效率提升較快只能稱為“貧窮的高效率”［5］。值得注意的是，2008-2015年間西藏地區全要素生產率和技術效率均未發生較明顯的提高，屬于“雙低”地區，這與西藏地區氣候條件等環境因素的限制有直接關系，正是環境因素的限制導致西藏地區自古以來農業發展就比較緩慢。

（4）農業技術效率的環境影響因素中經濟環境、資源環境對農業技術效率有顯著作用，其中，經濟環境對農業技術效率提升的促進作用顯著，資源環境對農業技術效率提升的抑制作用顯著，而氣候環境、政策環境對農業技術效率作用不明顯。

綜上所述，隨著經濟發展步入“新常態”，農業技術效率提升的難度進一步加大。農業發展在注重技術進步的同時，今后應當更加注重實際生產中對農業新技術的吸收和利用，也即農業技術效率的提升。要提升農業技術效率必須重視環境影響因素，特別是經濟環境和資源環境。只有在區域經濟得到充分發展、經濟環境寬松的條件下，才能為農業生產、加工、銷售提供有力支持，也才能夠提升農業科學技術利用水平和農業科學化管理水平，提高農業技術效率；同時發展農業、提升技術效率應當消除資源依賴，打破資源詛咒，合理配置資源使之與勞動力投入、資本投入相匹配，發揮資源的最大作用。政府在推行農業扶持政策時應當減少簡單、低效的補貼政策，把更多的精力放在培養農業人才和農業新技術的普及推廣上，為農業新技術的應用創造更好的土壤和平臺，使農業技術進步和農業技術效率提高成為推動農業生產力發展的主要手段。

［1］李雙杰，范超.隨機前沿分析與數據包絡分析方法的評析與比較［J］.統計與決策，2009（7）：25-28.

［2］Farrell M J.The measurement of production efficiency［J］. Journal of the Royal Statistical Society，1957，120（3）:253-281.

［3］Kumbhakar S C.Estimation and Decomposition of productiv?ity Change when Production is Not Efficient：A Panel Data Approach［J］.Economic Reviews，2000，19（4）：312-320.

［4］Fioramanti M.Estimation and Decomposition of Total Factor Productivity Growth in the EU Manufacturing Sector：A Long Run Perspective［J］.Journal of Applied Economic Sci?ences，2010，3（13）：217-230.

［5］李谷成，馮中朝.中國農業全要素生產率增長：技術推進抑或效率驅動［J］.農業技術經濟，2010（5）：4-14.

［6］李博，張文忠，余建輝.碳排放約束下的中國農業生產效率地區差異分解與影響因素［J］.經濟地理，2016（9）：150-157.

［7］江松穎，劉穎，王嫚嫚.我國谷物全要素生產率的動態演進及區域差異研究［J］.農業技術經濟，2016（6）：13-20.

［8］劉晗，王釗，姜松.人力資本對農業技術效率影響研究［J］.云南財經大學學報，2016（3）：58-68.

［9］史常亮，朱俊峰，揭昌亮.中國農業全要素生產率增長地區差異及收斂性分析［J］.經濟問題探索，2016（4）：134-141.

［10］方鴻.中國農業技術效率研究：基于省級層面的測度、發現與解釋［J］.農業技術經濟，2010（1）：34-41.

［11］劉佳，余國新.地方財政支農支出對農業技術效率影響分析［J］.中國農業資源與區劃，2014（5）：129-134.

［12］李成友，王釗，姜松.農業信貸對農業技術效率的影響分析［J］.中國科技論壇，2014（11）：155-160.

［13］劉晗，李銳，曹守峰.人力資本對農業技術效率影響研究［J］.云南財經大學學報，2016（3）：58-68.

［14］陳池波，盛國勇.我國省域農業生產技術效率測度分析［J］.科技進步與對策，2014（3）：50-54.

［15］劉克非.城鎮化與農業技術效率協整關系的實證研究［J］.統計與決策，2015（9）：115-117.

［16］宋元梁，胡晗，宋光陽.農業技術效率改進與城鎮化關系的實證研究［J］.統計與信息論壇，2012（11）：53-59.

［17］鄭循剛.中國農業生產技術效率及其影響因素分析［J］.統計與決策，2009（23）：102-104.

［18］Kelejian H H，Prucha I R.Estimation of simultaneous sys?tems of spatially interrelated cross sectional equations［J］. Journal of Econometrics，2004，118（1/2）：27-50.

［19］Kelejian H H，Prucha I R.Specification and Estimation of Spatial Autoregressive Models with Autoregressive and Het?eroskedastic Disturbances［J］.Journal of Econometrics，2010，157（1）：53-67.

Environmental Impact,Spatial Dependence and Agricultural Technical Efficiency Change
in China

LV Hong-qu1,2,REN Yan-yan1
（1.School of Economics,Shandong University,Jinan 250100,China; 2.School of Business,Shandong University of Political Science and Law,Jinan 250014,China)

By using the panel data of 31 provinces in China from 2000 to 2015 and fully considering the differences and correlations of ag?ricultural production in different regions,the paper applies the spatial econometric method,combined with the stochastic frontier,to mea?sure the agricultural technical efficiency in each province and compare the regional distribution changes,and analyzes the environmental factors affecting agricultural technical efficiency and calculates the total factor productivity change rate and the technical efficiency change rate.The study shows that:In recent years,the overall agricultural technical efficiency is low in China,and the promoting speed is slowing down;There is a positive spatial correlation between the agricultural technical efficiency in all provinces,and the agricultural tech?nical efficiency in the eastern region is significantly higher than that in the central and western regions;The agricultural technical efficien?cy growth rate and the total factor productivity growth rate deviate widely in the country;The agricultural technical efficiency is significant?ly affected by economic and resource environment,but not significantly affected by climate and policy environment.The economic environ?ment has a positive effect on the agricultural technical efficiency,whereas the resource environment has a negative effect on the agricultur?al technical efficiency.

agricultural technical efficiency;environmental influencing factor;spatial panel;stochastic frontier

F303

A

1007-5097（2017）08-0077-08

［責任編輯：余志虎］

10.3969/j.issn.1007-5097.2017.08.012

2017-03-20

山東省自然科學基金項目（ZR2014AM014）；山東省軟科學研究計劃項目（2015RKB01273）；山東省社會科學規劃研究項目（11CFXJ13）；山東政法學院科研計劃項目（2015Q20B）

呂洪渠（1978-）.男，山東濟南人，講師，博士研究生，研究方向：數量經濟學；任燕燕（1967-）.女，山東德州人，教授，博士生導師，研究方向：數量經濟學。