非農收入對于水稻生產技術效率的影響及啟示

□王懷豫 董婉璐 VELARDE Orlee REJESUS Roderick 楊 軍

[內容提要]本文采用隨機前沿生產函數，利用斯里蘭卡農戶大樣本調研數據，分析非農收入對水稻生產技術效率的影響。結果表明，非農收入對于水稻生產技術效率的影響是非線性的，呈現倒U型，這說明非農收入對于農業技術效率的影響是個動態過程，而前期相關研究僅僅捕捉了該變化過程某個階段。研究結果對于正確認識城鎮化和非農就業對中國水稻生產系統的影響及其政策都提供了重要參考。

一、介紹

水稻是世界上重要的糧食作物，在世界經濟發展和結構轉型中都起著重要作用(Timmer, 2010)。雖然隨著經濟發展和結構轉型，農業生產，尤其是水稻等糧食作物，相比其他產業在經濟中的地位不斷下降，但其在保障糧食安全和提高農民收入等方面對一個國家宏觀經濟發展依然起著不容忽視的作用。糧食安全的基礎是糧食生產能力的提高，這對于保障糧食安全和提高農民收入都十分重要。

然而，國內外水稻單產增速在過去幾十年逐步放緩。全球水稻單產年平均增速從上世紀七十年代到八十年代的2.2%已經下降至上世紀末的0.8%(IRRI, 2012)。同期，中國水稻單產的年平均增速則從4.1%下降至1.3%①，如何提高農業生產力是現有農業生產技術面臨的重大挑戰和難題(倪洪興，2014)。很多研究顯示：由于自然資源和環境資源的限制，大多數小規模稻農生產效率低下，提高小農農戶的效率是解決糧食安全的重要途徑(Haji,2006;FAO,2012；Tan,2016)。

非農活動已成為越來越重要的農戶家庭經濟活動，并逐步改變著農戶的家庭收入結構和生計策略(Estudillo et al., 2008; Haggblade and Hazell, 1989)。亞洲農戶的非農經濟活動收入平均占其家庭收入的約32% (World Bank, 2000)，而且發展中國家非農收入所占比重較高，約占農戶收入的30%至50%(Haggblade, 2005)。非農活動有助于農戶穩定家庭收入，降低農業生產風險，并且為農業生產提供所需的現金流，這些都為提高農業生產率提供必要條件 (Chang and Wen, 2011; Chavas et al, 2005; Haggblade and Hazell, 1989)。深入研究非農活動與農業技術效率之間的關系對解答非農部門發展對于農業部門的影響及其相關政策具有重要參考價值。

快速工業化和城鎮化使得中國農業經營主體和農業生產投入結構發生巨大變化，非農就業在提高農戶家庭收入、改變收入結構的同時，也引發了激烈的勞動資源競爭(Takahashi and Otsuka, 2009; Zhu and Luo, 2010；Tipi et al., 2009; Timmer, 2010)。然而，目前針對中國非農活動對于農業生產影響的相關研究較少，非農就業機會對于農業生產的影響并未得到清楚回答(Feng, 2008)，這與中國不同地區農業生產差異大且經濟發展不均衡不無關系。各地區在地理特征、地塊質量、氣候條件和技術水平等差異顯著，也使得前沿生產函數估計的有效性降低(Chen et al., 2009)。但是，由于在內在機制上的相似性，其他國家的相關研究可為中國這類問題的認識、解決和相關政策制定提供有效參考和借鑒。

本文將基于斯里蘭卡的實地調研數據，深入分析非農收入對于水稻生產技術效率的影響。斯里蘭卡是南亞次大陸南端印度洋上的一個島國，與印度隔海相望。水稻是斯里蘭卡最重要的糧食作物之一，產量逐年遞增。斯里蘭卡稻農的技術水平和灌溉設施情況發展比較均衡，不像中國等其他發展中國家那樣存在較大差異；并且農戶對于改良品種采用的種類和程度相似性高，差異性較小，這對于控制偏差，準確估計經濟因素對于農戶技術經營效率的影響十分重要。此外，斯里蘭卡正處于經濟快速發展時期，當地非農活動改變了農戶家庭收入結構和家庭生計策略選擇。因此，斯里蘭卡提供了針非農收入對于水稻生產技術效率問題的理想環境。因此，本文旨在基于斯里蘭卡微觀農戶數據研究非農收入對于水稻生產技術效率的影響，不僅可以豐富該領域的研究，進一步甄別非農經濟發展對農業的影響機制，而且其發現對中國相關政策制定具有重要參考價值和借鑒意義。

二、文獻回顧

非農活動工資上漲促使農戶家庭資源的重新配置，尤其是勞動力分配問題。由于非農就業機會的提高，農業勞動力，特別是青壯勞動力，快速向非農就業轉移。近年來有關中國農戶種植行為的研究都表明：從事糧食生產農戶的平均年齡都在50歲以上，多為老人和女性，青壯年急劇減少。主要糧食作物的勞動投入減少了60%-80%，機械化投入增加了3-6倍(胡瑞法、黃季焜，2002；胡瑞法、冷燕，2006；鄭有貴，2007)；勞動力機會成本增長了近14倍，減少勞動力投入已成為中國農業技術發展的重要方向(胡瑞法，2001；胡瑞法、黃季焜，2002)。中國小農戶生產模式的地區差異大，成為影響農業生產和技術采用的重要因素(李冬梅等，2009；陳慶根，2010；諸彩虹等，2012)。正是由于農業生產和非農生產間的聯系日益緊密，對于農戶農業生產效率的分析不能僅在農業內部進行，而應當將家庭經濟活動視為一個整體，結合非農活動進行研究(Lovo, 2011; Chavas et al, 2005)。

技術效率，作為農戶經濟效率的一部分(Chavas et al. 2005)，主要是用于衡量或評價農業生產者對于某一農業技術的使用效果。農戶技術效率在不同國家不同產品的研究中廣泛使用，用來衡量農戶農業實際生產和可以達到的最佳效果之間的差距。在有關農戶技術效率的研究中，許多研究僅強調農戶的農業生產行為本身，并沒有考慮到非農活動對于農戶種植行為的影響。由于農業活動和非農活動在農業家庭活動中的聯系越發緊密，僅就農業來研究農戶技術效率并不恰當(Lovo, 2011; Chavas et al., 2005).

目前，關于非農活動對于農業生產效率影響的研究結論并不一致，有些結論甚至相互矛盾。有研究顯示非農活動對農業效率的影響為負，即從事非農活動的農戶效率較低(Kumbhakar et al., 1989; Fernandez-Cornejo et al., 1992; Goodwin and Mishra, 2004)。然而，Chang和Wen (2011)的研究并沒有給出類似的結論。他們將臺灣稻農分為從事非農活動和不從事非農活動兩種，對其水稻生產技術效率進行比較，研究結果表明：在技術效率較低的農戶中，從事非農活動的農戶比不從事非農活動的農戶的技術效率更高，這與技術效率較高的農戶情況相反。這一研究說明農戶從事非農活動不一定會導致其較低的農業技術效率(Chang和Wen, 2011)。隨著農戶收入增長和收入結構的改變，非農收入在農戶家庭收入中的比重呈上升趨勢，地位日益重要，如何更好地評估非農收入對于農業技術效率的影響，尤其是對那些正在經歷快速經濟增長和經濟結構變化的發展中國家顯得尤為迫切(Estudillo et al., 2008; Haggblade and Hazell, 1989)。

分析農戶技術效率的方法包括參數估計和非參數估計。一般來說，主要有隨機前沿生產函數(SFA)和數據包絡分析(DEA)兩種。前者由Aigner et al. (1977) 、Meeusen 和van den Broeck (1977)提出，后者則是由Farrell (1957) 和Charnes等(1978)提出。關于兩種方法的使用，學界一直都針對其適用性進行很多研究和討論。作為非參數估計，數據包絡分析方法(DEA)的優勢在于并沒有預先設定模型的具體形式和誤差分布，適合處理多種產出結果或者多種作物的情況(Lovo，2011)，但是測量誤差可以顯著影響估計邊界的形狀和位置(Coelli和Battese，1996)。相反，在SFA中明確指定了兩個誤差項(即技術無效率和隨機誤差項)，這有助于克服DEA中出現的問題(Coeli和Battese，1996)。由于本文只關注單個特定作物(即水稻)，相比之下隨機前沿生產函數比較適合本研究，也就是說，基于生產因素的隨機生產邊界與最大似然估計的無效率的決定因素在同一模型同時進行估計(Battese和Coelli，1995)。

三、數據和方法

本文采用分層隨機抽樣的方式進行農戶調查。斯里蘭卡全國分為三個氣候帶，包括西南的濕潤地帶、北部和東部的干燥地帶以及兩者之間的中間地點。三個氣候帶的劃分主要是根據降雨量而來。東北(12月到2月)和西南(五月到九月)的兩個季風和季風交替是斯里蘭卡降雨的主要影響因素(Weerakoon et al., 2011)。干旱、洪澇和鹽度是影響水稻生產的主要非生物脅迫因素。根據非生物脅迫因素、灌溉和水稻生產區域，項目在每一個氣候帶中選擇了一個區縣進行調查，共三個區縣，即Kalutara, Kurunegala 和Puttalam(圖1)。Kalutara位于西部省份，屬于濕潤地帶，平均年降雨量為2500毫米，是易洪澇地區的代表，隨機選擇調查村一個，采用隨機取樣原則調查農戶90戶，其中每三戶選擇一戶做詳細的投入產出調查。Kurunegala位于北部省份，屬于中間氣候帶，年降雨量為1750到2500毫米，因為當地包括“雨養”和灌溉兩種水稻生態系統，在兩種生態系統條件下各隨機選擇一個調查村。Puttalam位于西北省份，是內陸鹽度地區，降雨量較小，年降雨量在1750毫米以下，屬于干旱地區，調查村包括次要灌溉區域和主要灌溉區域地區。每一個地區都采用了隨機抽樣的方式選擇農戶進行調查。農戶調查數據為2010年水稻主產季的數據，共計120戶農戶。當地農戶的農作物以水稻為主，農戶除少量的椰子種植外，很少種植其他農作物。這也在一定程度上排除了農業生產內部的土地和勞動力資源的分配，以及其他農作物種植所產生的農業技術溢出效應的可能。

圖1 調查點分布

考慮到要搜集水稻生產投入的詳細數據，要求受訪者是農戶家庭內負責水稻生產的人。調查內容包括農戶的家庭資源稟賦情況、水稻品種、水稻投入產出、農戶家庭收入結構等相關信息。在水稻投入產出數據中，詳細信息包括各生產資料的投入、動力投入、農業機械、勞動力以及各項投入的成本等。動力成本包括機械投入和牲畜使用。為了獲得準確的投入信息，每一戶農戶選擇最大一塊水稻生產地塊為調查對象，即基于地塊詳細信息的水稻生產投入產出數據。

分析模型設置如下：

使用描述性和推論性統計來分析農業家庭的投入使用模式和社會經濟特征。生產函數模型如下：

(1)

其中j表示第j個觀察值。由于每個家庭選出一塊水稻地塊進行調查，所以第j個地塊也代表第j個家庭。 Yj表示水稻單產； Xi是第i個地塊的各種生產投入要素和指標變量(比如灌溉等)的向量；βj是要估計的參數向量。 Vj是獨立且服從相同分布的隨機誤差項。 Uj是非負隨機變量，用于捕獲相對于隨機前沿的無效效應(即通過截斷零點的正態分布)的無效率分量。

水稻生產技術無效率模型如下：

(2)

其中Uj表示在隨機生產函數中估計的第j個家庭或者地塊的技術無效率。 Zij是家庭層面影響第j個地塊的水稻技術效率的第i個社會經濟決定因素，δj是要估計的參數。

在實際生產中，有些農民并不投入有機肥料或者農藥，使得這些原始值在生產函數中數值為零。對于零值，本文采用Battese(1997)提出區間賦值的方法進行處理，模型如下：

ιnYj=β0+(α0-β0)D2j+β1ιnX1j+β2ιnX2j*+Vj，i=1,2，…，n

(3)

其中，D2j= 1 如果X2j= 0；

D2j= 0 如果X2j> 0; X2j*= Max (X2j, D2j)

模型3中若農戶水稻生產的各項投入要素數值大于零，則以實際要素投入量的數值取值；若農戶水稻生產的投入要素數值為零，則對于該生產要素賦值為1。該方法假定農民的產量相對于生產投入的彈性是相同的條件下，允許施用和不施用有機肥料或者農藥的農民之間的誤差方差是同質的。換句話說，通過這種賦值虛擬變量的方法可以調整施用和不施用特定生產投入要素的農戶在同一模型中的截距項，以適用于同一模型分析而不損失觀察值。此外，生產函數中還包括額外的虛擬變量以控制水稻生態系統的類型和土地所有權的種類。

回歸的具體方程如下：

1nYj=β0+β11n(seedj)+β21n(chemicalfertj)+β31n(organicfertj)+β41n(herbj)+β51n(pestj)+β61n(powerj)+β71n(laborj)+β8Dirrigj+β9Dtenurej+Vj-Uj

(4)

并且，

Uj=δ0+δ1agej+δ2eduj+δ3hhsizej+δ4farmsizej+δ5nonfarmj+δ6nonfarm2j+δ7riceitensityj+Wj

(5)

生產要素投入的變量選擇中(模型4)，與以前的水稻生產實證研究類似(比如Haji，2006; Yao和Shively，2007; Takahashi和Otsuka，2009，Chang和Wen，2011)，生產投入包括種子、有機肥、化肥、各種農藥和除草劑以及勞動力投入②，即seedj表示第j個農戶水稻調查地塊的種子投入量，chemicalfertj和organicfertj分別表示該地塊的化肥和有機肥料投入量，herbj和pestj表示該地塊除草劑和農藥的投入成本，laborj表示該地塊的勞動力投入量，Dirrigj和Dtenurej是灌溉類型和土地所有權類型的虛擬變量。這也是被廣泛用于估計發展中國家的農業生產前沿函數的變量和投入要素(Haji，2006)。其中，勞動力以單位面積的總投入天數進行計量，生產要素以投入的有效成分的數量進行測算。由于農民使用的農藥和除草劑是液體或粉末狀，不能以標準計量單位表示，這里采用單位面積的成本金額作為替代方案。

無效率模型(即模型5)中的家庭變量包括受訪者的年齡(age)和受教育程度(edu)、家庭人口規模(hhsize)、戶均土地規模(farmsize)、土地利用程度(即土地復種指數，riceintensity)和非農收入(nonfarm及其平方項nonfarm2)。受訪者是農戶家庭內實際進行種植水稻生產的人，戶主調查中很多并不參與水稻種植活動，因此模型中引入的是受訪者而不是戶主的個人特征。年齡對水稻技術效率的影響可以是積極的或消極的，因為年齡較大的受訪者往往有更多的農業經驗，但同時也可能對于接受新事物新技術比較慢而妨礙生產率的提高。本文假設教育將對技術效率產生積極影響，并且農場規模較小的家庭由于更需要提高生產力以獲得足夠的產量滿足口糧需求，其技術效率可能要優于水稻生產規模較大的農戶，故假設種植規模較大的農戶水稻生產技術效率較低。

復種指數是農戶作物的總播種面積與實際土地面積的比值。水稻復種指數用以衡量農戶對于稻田的種植和使用頻率，水稻復種指數小于或等于1意味著農民每年只種植一季水稻；若大于1則說明農戶可能在部分或者全部稻田種植兩季水稻。具有較高復種指數的農戶將從事更多的水稻種植活動，可能更有經驗，這將有助于提高他們的技術生產效率。然而，復種指數較高的這些農民預期一年收獲較大，收獲保障系數大，也可能導致效率降低。復種指數低的農戶由于風險更集中，必須最大化現有種植面積的潛力，也可能使技術效率更高。以前的研究對于復種指數和生產力之間的關系結果也并不一致。Pillai(2012)的研究表明復種指數高有助于提高土地生產力，農戶更有效率。但一些研究表明，在較低效率的農民中觀察到較高的復種指數(Ahmad，2001; Venkataramani et al.，2006)。以往的研究表明農業技術效率與非農收入之間的關系并不一致，研究結果也各有差異(Chavas et al.，2005; Hertz，2009; Bojnec and Ferto，2011; Chang and Wen，2011)，這可能與非農活動的定義有關。本文從大農業角度出發，所謂非農活動包括除作物種植和牲畜飼養之外的所有其他經濟活動。

四、斯里蘭卡的水稻生產和政策

斯里蘭卡國土面積為65,610平方公里，2010年擁有人口2065萬人。據統計，2010年人均GDP為2,399美元，貧困發生率為8.9%。農業占全國GDP總額的12%，共吸納33%的就業人口。水稻作為最重要的糧食作物，2010年水稻生產占全國GDP的1.8%，滿足當地人口40%左右的卡路里攝入。斯里蘭卡的水稻生產是一個自給型供給，其進出口數量都很少。水稻生產的90%都是用于食物消費，政府水稻政策的主要目的是促進和穩定水稻生產。

由于技術的進步、化肥使用的增加、種植面積的擴大和政府各種支持政策的制定和實施，斯里蘭卡水稻生產一直保持增長趨勢(Walisinghe et al. 2010)。2008-2010年三年平均年稻谷產量為四百萬噸，種植面積約為一百萬公頃。水稻主要種植于Maha和Yala季節。Maha是當地水稻主產季，其產量約占全年產量的三分之二，種植期為九月下旬播種至次年二月；Yala種植期從四月上旬至九月上旬。斯里蘭卡政府通過貿易和市場政策使得消費者和生產者雙受益。政府分別制定了市場最高銷售價格和最低收購價格以保護消費者和生產者的權益。水稻市場委員會(Paddy Marketing Board)是負責執行這些政策的主要機構。斯里蘭卡另一個重要的水稻政策是投入補貼政策。政府2009年財政補貼270億盧比③(約合2450萬美元)補貼水稻生產的化肥投入。市場上化肥正常銷售價格是每公斤120盧比，政府補貼金額約是化肥價格的95%，也就是說，稻農水稻生產的化肥投入價格僅為市場價格的5%。此外，政府提供的水稻生產的灌溉服務也是免費的。2011年初，斯里蘭卡開始一項為期三年的現代種業項目，項目投入7億盧比(約合640萬美元)。同時，土地政策上，政府還規定用于水稻生產的土地未經政府許可不能轉換種植其他作物。

五、分析結果

各主要變量的描述性統計如表1所示。斯里蘭卡稻農的水稻單產約在3噸/公頃左右，平均每公頃投入化肥370公斤。但由于斯里蘭卡政府對于水稻種植化肥投入的高額財政補貼，化肥成本僅占總農戶生產成本的極小部分。機械投入成本所占比重較高，平均每公頃機械成本約為115美元。水稻單產水平不同的農戶的機械和人力投入成本存在差異，并且投入來源不同，一般水稻主產季的農戶勞動力總投入平均70個工作日④，其中75%的農戶會雇用農村勞動力從事水稻生產，雇用的勞動力數占總勞動投入的30%左右。

斯里蘭卡以男性戶主為主，調查中約93%的家庭戶主為男性，戶均人口規模約4人。與中國農業生產類似的是，實際從事水稻生產的農民平均年齡超過50歲，其平均受教育年限為8.5年。雖然水稻生產者的教育年限從文盲到13年不等，但其標準差的值比較小，說明不同地區農戶的教育差異不大。

表1調查農戶基本特征及其水稻生產投入產出情況

數據來源：GSR-IRRI農戶調查。

調查地區農戶收入略高于全國平均水平，農戶戶均年收入約3300美元，人均收入為每天2.50美元。收入來源包括非農收入、養殖業收入和水稻生產收入。其人均土地資源比較有限，屬于小規模農戶，平均戶均土地面積1.3公頃，其中45%的農戶戶均土地面積不足1公頃。當地農戶種植水稻土地利用率比較高，相當一部分農戶每年種植兩季水稻，稻田復種指數平均為1.32。水稻收入除滿足當地稻農的口糧需求外，也是家庭收入的重要補充，占農戶家庭總收入的11%。非農收入是當地農戶的主要收入來源，平均占農戶家庭總收入的40%左右，其中56%的農戶家庭總收入的一半以上來自于非農收入(圖2)。

圖2調查樣本農戶非農收入占家庭收入比重的分布

水稻單產是衡量農戶技術采用效果的一個重要指標，為了進一步分析農戶的水稻生產和家庭收入之間的關系，本文根據水稻單產的水平對調查農戶進行了分組比較(表2)，可見水稻單產越高的農戶，其水稻收入在農戶家庭總收入的比重也越高。對于水稻單產較低的農戶，農戶則可能因為以非農收入補償農業收入而損失了一定的水稻單產。但是，非農收入比重、家庭收入和水稻單產三者并沒有趨同，即家庭總收入高的農戶并不一定水稻單產就更高，非農收入高的農戶也不一定水稻單產高。農戶收入和水稻單產之間的關系還需進一步的分析。

如前所述，隨機前沿函數包括C-D生產函數和超越對數轉化(Translog)兩種形式。為了選擇更適合隨機前沿函數的模型，C-D生產函數被嵌套在超越對數(Translog)生產函數中進行了廣義似然比測試，似然比檢驗的結果顯示，檢驗統計值為30.06，其p值為0.02，說明C-D生產函數單獨就已經是隨機前沿的適當模型，不用引入超越對數生產函數。因此，在本研究中采用等式(1)中所示的C-D函數形式作為模型進行分析。

(一)模型檢驗

為了驗證隨機前沿函數的回歸結果，在對分析結果進行闡述前，本文對模型的幾個假設進行了檢驗。假設一：技術無效率并不存在于模型中，即農戶水稻生產效率已達到邊界，并沒有無效率行為。如表3的第一行所示，該零假設被拒絕，也就是說，從統計上顯示斯里蘭卡稻農的隨機前沿生產函數中存在無效率行為。假設二：技術無效率模型可觀測參數不存在隨機分布，即技術效率不是隨機的假設進行了檢驗。這一原假設被拒絕(如表3的第二行)，說明無效率模型的參數具有隨機分布。假設三：針對模型所選擇的影響技術效率的變量，原假設為模型中的影響技術效率的因素并不顯著，該假設也被拒絕(表3的第三行)，這說明模型中引入的解釋變量顯著影響農戶的技術無效率行為。

表2 不同水稻單產水平上的農戶收入情況

數據來源：GSR-IRRI農戶調查。

表3 假設檢驗結果

(二)隨機前沿邊界

最大似然估計的隨機前沿模型的參數如表4所示。回歸結果表明勞動投入對水稻單產影響并不顯著。對于水稻這種勞動密集型的生產來說，勞動投入是重要的生產要素投入，而這一結果并不顯著很可能是因為當地農戶在單位面積水稻生產上的勞動投入差異較小。如表1所示，斯里蘭卡農戶水稻主產季的平均勞動投入是每人每天70人，標準差僅為26。

表4隨機前沿模型回歸結果

注：*P<0.10,**P<0.05,***P<0.01.

有機肥料投入和化肥投入對于水稻單產影響顯著，這與之前的Yao和Shively(2007)在菲律賓的相關研究結果類似。然而，與菲律賓和亞洲其他稻米生產國不同，斯里蘭卡政府大量補貼水稻生產中的化肥，價格補貼占市場價格的95%左右。在其他國家顯著影響水稻生產的化肥投入成本在斯里蘭卡可能并不是主要因素，但模型分析結果仍然顯示化肥主要影響因素。為了進一步分析化肥對于斯里蘭卡水稻生產效率的影響，對農戶的化肥施用對照技術標準進行了比較分析。

結果顯示，在氮肥施用上，60%的農戶每公頃施用量為100-150公斤；在磷肥施用上，95%的農戶每公頃施用磷肥25公斤；約77%的農戶每公頃施用鉀肥的數量從30公斤到60公斤不等。以斯里蘭卡農業部推薦的肥料施用為參考⑤，只有17%的農民在調查地區按照推薦量施用氮肥。大部分農戶(Kalutara地區73%，Puttalam地區100%)的氮肥施用都超標。磷肥和鉀肥的施用情況類似，農戶也很少按照技術標準進行水稻種植，只有7%和5%的受訪農戶按照技術標準分別施用磷肥和鉀肥，大多數農民(90%)施用磷肥不足，而78%的農戶則超標施用鉀肥。通常化肥投入與水稻單產呈現正相關關系，農戶的實際施用情況與技術標準還存在一定距離，這也反映出，通過提高化肥投入或者調整化肥施用構成仍可以一定程度上提高單產，尤其是對于那些化肥投入不足的地塊，化肥投入提高單產仍是斯里蘭卡水稻單產提高的重要途徑。此外，灌溉地塊的水稻單產平均高于雨養地塊，這與菲律賓的Yao和Shively(2007)的觀測結果相似。

調查農戶的水稻生產技術效率分布如圖3所示，技術效率范圍從不足10%到接近100%，其平均水平為63%。這說明當地稻農的水稻單產技術效率仍有較大的提升空間。但值得注意的是，這一趨勢分布呈現出雙峰分布，對于影響技術效率的因素分析將有助于理解雙峰分布，這將在稍后進行討論。

圖3 水稻生產技術效率的分布

(三)農戶水稻技術效率的影響因素

如前所述，非農收入有可能影響水稻生產的農業投入和勞動力分配，從而直接或間接影響農戶水稻生產的技術效率。非農收入增加有助于農戶購買水稻生產所需的各種生產要素(比如化肥、良種等)。雖然非農收入會加劇農戶家庭內部優質勞動力資源在農業生產和非農活動之間的競爭，但現代農業生產要素投入也有利于提高農戶農業技術采用的邊際效率，從而彌補優質家庭勞動力資源流失而損失的技術效率；另一方面，非農收入使得農戶也有可能通過雇用勞動力來補充家庭勞動力的不足，從這個角度來說，非農收入增加則有可能提高農戶水稻生產的技術效率。

技術無效率模型的回歸結果如表5所示，模型中引入了非農收入所占家庭收入的比重及其平方項。非農收入比重的系數為負且顯著，當非農收入所占比重提高1%時，農戶的水稻生產無技術效率將下降3.57%，即技術效率提高3.57%；然而，非農收入比重的平方項卻顯著為正，即技術效率隨著非農收入的提高而下降。這樣的結果表明技術效率低下和非農活動之間的關系可能是非線性的，呈現倒U形。與非農收入有助于提高水稻生產技術效率的研究結果相比，如Sadika等(2012)、Chang和Wen(2011)以及Olson和Vu(2007)，本文的結果表明：非農收入對農業技術效率的影響是一個動態變化過程，即隨著農戶非農收入比重的增加，其水稻技術生產技術效率不斷提高(即無效率逐步下降)，然而技術提高的幅度越來越緩慢；當非農收入水平達到一定水平后，非農收入比重的上升使農戶水稻技術生產效率逐步下降。

為了進一步分析這一動態變化，本文將農戶非農收入和技術效率的變化趨勢按分位數進行分析(如圖4所示)。可以看出，在非農收入比重較低和較高的分位數中，農戶可觀察到的技術效率得分較低。這說明在非農收入水平較低時，非農收入比重的增加將提高農業效率，即可能通過減輕農民面臨的現金流等限制，提高農戶實現增加生產要素投入的可能性。但是，隨著更多的勞動力從農業生產轉移出來，非農收入對于水稻生產的積極影響會逐漸減少，甚至可能為負。圖4所示的分位數分布與前面隨機前沿回歸模型的結果一致。這一發現反映了非農收入增長對技術效率所產生促進效應和制約效應的動態變化過程，而且這一發現可以解釋以前不同研究結論不一致的原因所在，即有爭議的研究結論可能只是揭示其中的某一階段非農收入增長與技術效率之間的關系。

表5 農戶技術無效率影響因素模型回歸結果

注：*P<0.10,**P<0.05,***P<0.01.

圖4 非農收入分層下的技術效率水平分布圖

關于技術效率模型中的其他變量，研究結果符合預期。如表5所示，土地規模對水稻技術無效率有積極影響，即農場規模較大的農民技術效率較低。而水稻復種指數對技術效率則有負面影響，并且在Ahmad(2001)和Venkataramani等(2006)的研究中觀察到類似結果。還有值得注意的是，作為本文關注的重要因素的非農收入，其系數在回歸模型中對技術效率的影響比其他變量都大的多，這也說明非農收入對于水稻生產技術效率的重要影響，進一步論證了對于水稻或是其他農業生產技術效率的研究不能忽視非農活動的影響。

六、主要結論和啟示

伴隨著經濟快速增長和結構轉型，斯里蘭卡非農收入及其農民收入不斷上升。而稻米是斯里蘭卡最重要的主食，農戶的生產規模較小，水稻灌溉系統比較完善，這一點與中國比較類似。因為斯里蘭卡水稻生產的特殊性以及當地稻農從事種植業相對單一，加上其經濟發展和政府對于水稻用地的特殊政策，使得可以在一個相對可控的條件下分析非農業對水稻生產的技術效率的影響。

家庭技術效率方程的回歸結果顯示，農戶非農收入對于斯里蘭卡稻農的技術生產效率有著顯著影響，即非農收入比重的增加有助于提高農戶水稻生產的技術效率；然而，非農收入比重的平方項則對農戶水稻技術效率的影響相反，其影響顯著為負。這樣的結果表明：非農收入對于農戶水稻技術效率的影響是非線性的，且呈現倒U形。這意味著非農收入對技術效率的邊際貢獻是積極的，但隨著非農收入比重的增加而逐漸下降,甚至轉變為負面影響。

本文的分析對于中國和其他發展中國家也有著重要的政策含義。農戶可支配收入一直是發展中國家貧困農戶脫貧的主要難題之一，非農活動的增多幫助農戶提高家庭非農收入，這有助于解決小規模貧困農戶的現金流的問題，從而提高現代農業技術的技術效率。這種效應也反映出外部的財政或者金融支持對于促進農戶的農業生產，增加農戶收入，從而幫助農戶脫貧的重要性和可行性。然而，隨著農戶對于非農收入的依賴性增強，非農收入的增長可能會導致更多的勞動力轉移到回報率更高的非農業部門，從而使農業生產面臨其他產業在資源分配上更為激烈的競爭。此時，非農收入增長對于農業技術效率的負面影響會大于其積極影響。當農戶經濟發展和收入結構發展到這樣的階段時，技術創新和政策改革將是維護和進一步提高農業效率的根本途徑。

注 釋：

①根據國家統計局數據資料測算http://data.stats.gov.cn/workspace/index?m=hgnd.

②對于不同形式的勞動力投入都已經在模型進行過分析，也借鑒了Chang和Wen (2011), Dhungana等 (2004)和Audibert (1997)的方法。在所有模型的分析中，勞動力總投入和分項投入的變量均不顯著，最后本文保留勞動力總投入的結果，其他分析結果并沒有在文中一一展示。

③斯里蘭卡的貨幣單位為盧比，即Rupees (Rs)。

④按每人每天8小時工作時間折算。

⑤斯里蘭卡農業部的化肥施用技術標準是在一定水稻單產目標下，根據品種的生長周期和當地農業氣候條件分別制定的。調查中僅有兩戶農戶的水稻單產達到了6噸/公頃，其他農戶的單產都低于5噸/公頃，因此，本文的化肥施用是按照單產5噸/公頃的水平作為參考標準。