小麥全要素生產率變化及其影響因素分析
——基于全國15個小麥主產省份數據的實證研究

延楨鴻，馬丁丑

（甘肅農業大學財經學院，甘肅省區域農業與產業組織研究基地，蘭州730070）

農業是國之根本，是關乎國家命脈的戰略性產業。黨的十九大以來提出鄉村振興戰略，明確要求構建現代農業產業體系、生產體系、經營體系，這既是推進農業現代化的重要支撐，也是實施鄉村振興戰略的重要抓手，更是落實“將飯碗端在中國人自己手里”的重要舉措，而小麥作為主要糧食作物之一，小麥產量健康、穩定增長對于國家糧食安全具有重要作用。

關于全要素生產率及其影響因素的研究，前人已經有較多的論述，李谷成［1］研究發現技術效率和技術進步二者實現“雙驅動”對農業全要素貢獻未能實現，需要采取不同經濟政策；蘇柱華等［2］對廣東省人力資本研究中發現人均受教育年限對農業全要素生產率具有負向作用，農業科技研發人員數量對農業全要素生產率具有正向作用；尹朝靜［3］則運用不同方法驗證了科研人員投入對農業生產效率具有顯著影響，而人力資本投入不具顯著性；朱滿德等［4］等研究綜合補貼對玉米全要素生產率影響發現綜合補貼沒有引起市場扭曲和效率損失，有助于提高玉米全要素生產率；龔斌磊［5］研究了投入要素與生產率對農業全要素生產率的貢獻發現，投入要素對農業增長的貢獻度正在降低；陳書章等［6］則比較了不同區域下小麥全要素生產率。

現有研究大部分學者關注的是微觀層面，即某一要素對于農業生產的影響變化，那么細化到糧食作物小麥，各要素對小麥全要素生產率的影響程度如何，各要素組合投入的變化是否能提高小麥的全要素生產率，對于這些問題鮮有學者進行分析說明?；诖耍狙芯拷Y合新古典增長理論和內生增長理論，關注小麥全要素生產率及其影響因素，在農業經濟地位日漸衰微、農業從業人員大規模轉移的背景下，以期對有效提升小麥生產效率、指明小麥未來發展方向、促進小麥可持續發展等方面具有一定導向作用。

1 理論基礎與模型構建

1.1 要素投入對全要素生產率影響機理

以索洛-斯旺為代表的新古典增長理論認為，經濟增長的源泉主要來自于多要素投入和技術進步，其基本公式為：，其中分別表示產出增長、技術進步、勞動投入增長和資本投入增長，α、β分別表示勞動和資本在國民經濟中所占比重。盡管索洛-斯旺模型存在諸多缺陷，但它為現代經濟增長理論研究確定了一個基本范式，是現代經濟增長理論模型的基準形式［7］。內生增長理論認為經濟增長提高不是依靠物質資本和簡單的勞動投入所得，而是通過技術、人力資本投入來實現的，認為這兩種要素是經濟持續增長的必要條件［8］。

1.2 研究方法

研究小麥全要素生產率變化及其影響因素分析，實際上在于研究兩個方面：第一，小麥全要素生產率及變化情況；第二，各要素投入對小麥全要素生產率的影響。根據前人已有的研究并結合本研究要解決的主要問題，選用DEA-Malmquist指數和固定效應回歸（FE）就各要素對小麥全要素生產率影響做出評估。

1.3 小麥全要素生產率測定與影響因素分析

1.3.1 模型設定

常用的生產效率測定方法有基于隨機前沿分析（SFA）的參數方法和基于數據包絡分析（DEA）的非參數方法。SFA模型最大的特點是使用確定的生產函數，利用面板數據進行精確求解，缺陷主要是設定生產函數時容易出現形式偏差，生產測度失效。DEA模型的優勢在于不需要提前獲知具體生產函數，可避免人為因素導致的測度失效問題?；诖耍狙芯坎捎肈EA模型測度小麥全要素生產率，具體公式為：

式中，x0、y0表示每個DMU的投入向量和產出向量，λ表示常數比例，ε表示阿基米德無窮小量，θ表示決策單元（DMU）效率值，s+表示產出的松弛變量，s-表示投入的松弛變量。

由于DEA模型只能靜態化測量效率，引入Malmquist指數對不同時間段數據進行動態測量，公式為：

技術效率變動指數又可以進一步分解為純技術效率指數與規模效率指數，即：

當Malmquist指數TFP＞1時，則意味著全要素生產率呈上升趨勢；TFP=1時，則表示全要素生產率不變；TFP＜1時，則表示全要素生產率呈衰退趨勢。

為了進一步研究小麥全要素生產率變化的影響因素，參考相關研究成果［3］，根據C-D生產函數建立關于小麥全要素生產率的產出計量模型，公式為：

式（4）中，TFPit表示第i個省在t時期的全要素生產率，Xit，n代表小麥全要素生產率的影響因素（n=1，2，…，p），p代表小麥全要素生產率影響因素的數量。

為使公式計算簡化，分別對式（4）兩邊取對數，可得：

影響小麥全要素生產率的因素包括自然因素、經濟社會因素、人力資源因素、勞動力因素、政策因素等，據此可得最終的計量模型：

其中，CFit表示自然因素，ESFit表示經濟社會因素，AHFit表示人力資本因素，LFit表示勞動力因素，POLit表示政策因素，εit表示隨機誤差項。

1.3.2 指標選取與描述性統計

關于投入產出指標的選取，產出變量選取2001—2016年15個小麥主產省份年總產量。投入變量選取種子投入、勞動力投入、土地投入、農用機械投入、化肥投入5個方面，其中：種子投入選取每667 m2種子費；勞動力投入選取小麥每667 m2用工人數；土地投入為小麥種植面積；機械化水平選取每667 m2機械作業費；化肥投入選取小麥每667 m2化肥投入量（折純）。為消除價格因素影響，所有價格指標基于2001年不變價格進行計算。數據來源于《中國農村年鑒》、《中國統計年鑒》、《全國農產品成本收益資料匯編》。

關于影響因素變量的選取，主要選?。海?）自然因素：溫度對小麥產量具有重要影響［9］。研究表明，溫度對小麥產量影響呈現開口向上拋物線形狀，溫度的提升有利于小麥產量增加。另外，根據尹朝靜［3］等研究，受災率會抑制農作物生產效率，采用受災面積與農作物播種面積之比來表示。采用省會城市年均氣溫和受災率來衡量自然條件，預計受災率會對小麥全要素生產率產生負向影響，但溫度對小麥全要素生產率是否有影響有待進一步驗證。（2）經濟社會因素：科技、生產投入和社會經濟發展對小麥生產驅動作用明顯［10］。眾多學者研究也表明社會經濟因素對小麥生產的影響正在逐步加大，社會經濟發展、農民收入增加，對小麥生產產生重要推進作用，但不可否認的是，社會財富增加、人均收入提高相應會減弱農民對農業依賴程度，采用農機總動力、有效灌溉面積、人均收入來衡量經濟社會條件，預估農機總動力、有效灌溉面積會產生正向影響，人均收入的影響有待進一步驗證。（3）人力資本因素：人力資本作為重要投入要素，對農業現代化的影響呈顯著正向作用［11-12］。借鑒前人研究相關成果，采用人均受教育年限來衡量人力資本，根據盧卡斯人力資本模型，為便于統計和計算，選取人均受教育年限作為衡量標準，依據我國現有統計口徑，受教育程度可劃分為文盲及半文盲、小學、初中、高中、大專及以上，相應接受教育年限可劃分為0年、6年、9年、12年、15.5年，預計會對小麥全要素生產率產生正向影響。（4）勞動力因素：勞動力作為農業生產不可或缺的因素，其投入規模對農業生產具有重要影響，前人研究表明，農業勞動力投入能顯著提高糧食產量［13］。基于此，選取農林牧漁業勞動力投入指標，預計會產生正向影響。（5）政策因素：國家政策導向對小麥種植具有非常重要的影響，國家自2004年開始，逐步推行了良種補貼等四大農業補貼政策，國家對農業的大力支持，極大地提高了農民生產積極性，根據高鳴等［14］等研究，糧食補貼對小麥全要素生產率具有正向影響。采用每667 m2糧食補貼來衡量政策條件，預計會對小麥全要素生產率產生正向影響。相關數據來源于《全國農產品成本收益資料匯編》、《中國統計年鑒》、《中國農村統計年鑒》以及各省市農業農村廳、局，部分年份缺失數據采用Lagrtange插值法進行插值處理，變量描述性統計見表1。

表1 變量描述性統計Table 1 Descriptive statistics of variables

2 結果與分析

2.1 小麥全要素生產率結果分析

采用DEAP 2.1軟件，運用DEA-Malmquist模型對全國15個小麥主產省2001—2016年小麥綜合效率變化、技術進步、純技術效率變化、規模效率變化以及全要素生產率變化指數進行了測算，運用幾何平均值得出全國各時期相應指數（表2、表3）。

表2 全國小麥全要素生產率指數及其構成變化Table 2 Nationalwheat total factor productivity index and its composition changes

從整體上看，2001—2016年全國小麥全要素生產率平均增長2.8%，其中：技術效率年均增長1.4%，技術進步年均增長1.4%，純技術效率年均增長為-0.01%，規模效率年均增長1.6%。這一時期全國小麥全要素生產率增長比較緩慢，技術進步增長貢獻率和技術效率進步貢獻相同，但該階段純技術效率為負增長，對整體呈現下拉態勢。

從變化趨勢來看，2001—2016年，全國小麥全要素生產率變化呈現階段性特征?！笆濉睍r期，小麥全要素生產率變動幅度較大，2001—2003年均保持正向穩定增長，但增長率逐年遞減，2004—2005年技術效率、技術進步效率、規模效率突降，導致全要素生產率為負，2005—2006年又迅速反彈，出現較大波折；“十一五”時期，小麥全要素生產率整體呈現“衰退”態勢，除2007—2008年增長率為正外，其余年份均為負值；“十二五”時期，小麥全要素生產率走出“十一”五時期陰影，整體呈現穩步增長態勢，年均增長5.18%。

分區域來看，2001—2016年，各地區小麥全要素生產率呈現較大差異性：東北地區小麥全要素生產率增長速度最快，年均增長7.6%，高于全國小麥全要素生產率增長速度4.8個百分點；中部地區小麥全要素生產率全部呈現正向增長，年均增長2.2%，山西、河南、安徽、湖北四省年均增長率分別達到3.5%、0.8%、2.3%、2.3%；東部地區也呈現全正向增長態勢，但除江蘇外，河北、山東省增長速度均低于全國水平；西部地區整體發展較為緩慢，小麥全要素生產率增長率年均僅為0.9%。

表3 全國各小麥主產省份全要素生產率及構成變化Table 3 Total factor productivity and com position changes ofmajor wheat producing provinces in China

2.2 小麥全要素生產率影響因素結果分析

2.2.1 數據有效性檢測

為了保證結果的有效性，避免“偽回歸”現象出現，利用LLC和ADF方法分別對所有變量進行單位根檢驗（表4），結果顯示所有變量均通過顯著性檢驗，表明面板數據整體平穩。

表4 單位根檢驗結果Table 4 Unit root test results

2.2.2 模型結果分析

利用Stata 13.0軟件，以小麥全要素生產率指數為因變量，以年均氣溫、人均收入等8個指標作為自變量，分別進行混合面板（OLS）、固定效應（FE）和隨機效應（RE）模型回歸。由表5可知，首先通過F檢驗，P值為0.0000，說明拒絕原假設，FE模型優于OLS模型，其次通過Breusch-Pagan LM檢驗，P值為1.0000，故接受原假設，表明OLS模型優于RE模型，最后通過Hausman檢驗，P值為0.0000，表明拒絕原假設，應采用FE模型。因此，經過模型檢驗比較分析，最終采用固定效應模型（FE）的回歸結果。

各要素的影響結果表現為：（1）年均氣溫對小麥全要素生產率具有正向影響，與預期估計一致，但未通過顯著性檢驗，根據楊婷等［14］所研究的結論，小麥生長條件對溫度有一定的要求，溫度提高有助于小麥全要素生產率提高，因而該因素還需要進一步研究論證，受災率與預期估計一致，且通過1%水平顯著性檢驗，表明受災率增加會延緩小麥全要素生產率增長。（2）人均受教育年限對小麥全要素生產率具有正向影響，通過了1%水平顯著性檢驗，人均受教育水平提高有助于小麥全要素生產率提升，說明農民對教育的重視程度以及國家實施的“三農人才”政策等培養人才措施對小麥全要素生產率有顯著成效。（3）農機總動力對小麥全要素生產率有正向影響，與預估結論一致，且通過了5%水平顯著性檢驗，這與現實情況相符，東北地區機械化水平普遍高于全國其他省份，小麥全要素生產率同時也是全國增長速度最快的。（4）有效灌溉面積對小麥全要素生產率有負向影響，但未通過顯著性水平檢驗，2001—2016年，全國小麥主產省份除東部沿海地區可以實行大面積小麥機井等灌溉措施外，中西部廣大地區由于地形等原因，仍然依靠自然降水來實現灌溉，排灌設施不健全，人力灌溉成本很高，對小麥生產是一種很大的負擔，不利于小麥全要素生產率提高，但根據現有朱滿德等［4］的研究以及實際情況，有效灌溉面積增加有可能推動全要素生產率的提高，但還有待進一步驗證。（5）農林牧漁業勞動力投入對小麥全要素生產率有負向影響，且通過10%水平顯著性檢驗，與預期估計相反，說明增加農林牧漁業勞動力投入對小麥全要素生產率有削弱作用，但結果也和人力資本、農機總動力因素相對應，全要素生產率不能夠依靠增加人力投入來實現，而要提升人力資本質量，加強科技、機器使用，才能切實提高小麥全要素生產率，增加小麥產量。（6）每667 m2糧食補貼對小麥全要素生產率有正向影響，且通過1%水平顯著性檢驗，與預期估計相同，說明國家對小麥的糧食補貼政策對小麥全要素生產率具有促進作用，這也與高鳴等［14］的研究結論以及目前國家政策導向相一致，未來國家仍然會繼續加強對小麥種植進行政策補貼，這將有助于促進小麥全要素生產率的提高。

表5 小麥全要素生產率影響因素回歸模型結果Table 5 Results of regression model for factors affecting total factor productivity of wheat

3 結論與建議

本研究運用DEA-Malmquist模型，測度2001—2016年全國各小麥主產省份全要素生產率，分析了小麥全要素生產率變化及其影響因素。研究表明：（1）2001—2016年，中國小麥全要素生產率呈現波動增長的態勢，在此期間，技術效率和技術進步貢獻相當。2001—2005年，伴隨著教育、農機裝備水平提升，小麥全要素生產率相應得到提升；2006—2010年，多個年份由于氣候原因，小麥秧苗、機械化作業受到嚴重影響，此時勞動力投入較往年明顯增多，成本提高，全要素生產率受到較大影響。2011—2016年，隨著國家農業人才培育計劃實施，人力資本水平明顯提升，該時期農村勞動力轉移也達到一定規模，農林牧漁業從業人員明顯降低，但農機使用迅速填補了勞動力轉移的空缺，小麥全要素生產率呈現反彈式增長。（2）不同省份間小麥全要素生產率差異明顯，其中：東北地區增長最強勁，東部地區微弱領先于中部地區，西部地區增長空間較大。傳統小麥種植優勢地區——東北地區和東部地區，只有東北地區依靠國家商品糧基地的優勢地位和補貼政策保持較高生產率，東部地區區位優勢已經逐步下降，一方面是因為東部地區經濟發展水平較高，政府投資結構明顯傾向于第二產業和第三產業，另一方面，東部地區人均收入明顯高于其他省份，農民對農業依賴程度已經大大下降，也不利于小麥全要素生產率的持續提升。

為了促進小麥生產率可持續提升，未來小麥發展應著重人力資源投入、機械化水平提升兩方面。（1）大力加強農業人才培育。單純勞動力投入不能有效提升小麥全要素生產率，政府應發揮引導作用，繼續加強對農業人才培育力度，培育新型職業農民，提升農民教育水平，轉變農業經營方式，同時鼓勵大學生等高水平人才投入農業生產。（2）著力提高農機裝備水平。機械化水平提升是實現規模化經營的重要舉措，對提高運作效率、降低生產成本具有重要意義，各地區應按照自身實際，實行因地制宜政策，對地勢相對平坦開闊的地區，應著力推行大型機械化種植，而對地形較為復雜的丘陵等山區，應推動中小型機械入地，同時為應對農機使用成本高的問題，各地區可以探索實行農機專業化服務體系，用租用替代購買，以此降低農民的使用成本［5］，實現小麥種植健康快速發展。