東北玉米種植結構調整與糧食高質量增長
——基于全要素生產率視角

李明文，王振華，張廣勝

（1. 沈陽農業大學經濟管理學院，遼寧 沈陽 110866；2. 遼寧大學商學院，遼寧 沈陽 110136）

2004—2015 年中國糧食產量實現了歷史性的“十二連增”，但產量增長的背后糧食生產結構性矛盾突出，形成了糧食產量、糧食進口和庫存量“三量齊增”的尷尬局面；玉米在三大主糧作物中階段性供求過剩問題尤為突出，其庫存消費比高達95%以上[1]。為此，在中國經濟由高速增長階段轉向高質量發展階段，糧食作為關系國計民生的重要戰略商品，促進糧食高質量發展，優化結構、提質增效是關鍵。從理論上講，優化種植結構，可使要素配置趨優化，勞動、資本、土地等要素使用效率提高，全要素生產率得到提升[2]，而提高全要素生產率是高質量發展的必然選擇。

東北三省作為我國重要的糧食主產區基地，對于促進糧食高質量發展的重要性不言而喻。2017年黑龍江，吉林和遼寧三省糧食總產量達11 874萬t，約占全國糧食總產量的19.22%；其中東北三省玉米產量達7 146萬t，占全國玉米產量的33.1%，玉米播種面積1 395.9萬hm2，占到全國的39.38%。針對玉米市場高庫存困境，農業部頒布了《關于“鐮刀灣地區”玉米結構調整的指導意見》，明確指出：到2020年“鐮刀灣地區”玉米種植面積調減333.33萬hm2以上，其中東北地區調減面積約占七八成，占到東北地區玉米播種總面積的20%左右。同時，在耕地面積減少、水資源短缺、農村青壯年勞動力持續流失的背景下，單純依賴增加要素投入量來提高糧食產量的難度越來越大[3]，提高糧食全要素生產率的重要作用開始凸顯。因此隨著種植結構矛盾的突出及全要素生產率重要性的突顯，研究玉米種植結構對糧食全要素生產率的影響，探索提高東北糧食全要素生產率的驅動因素，對于推進糧食產業轉型升級、促進糧食高質量發展具有一定的現實意義。

目前，已有文獻關于糧食全要素生產率和糧食種植結構方面的研究頗為豐富。關于糧食全要素生產率的研究中，學者肯定了其對糧食產出的正向促進作用，但糧食全要素生產率的變化趨勢存在差異，這主要是由于增長源泉的差異造成；有學者研究顯示糧食全要素生產率總體呈現上升趨勢，而技術進步是糧食全要素生產率增長的主要源泉[4-5]，也有學者認為糧食全要素生產率呈剛性下降的趨勢，閔銳[6]認為是由于技術效率持續惡化和技術進步動力不足造成，而肖洪波和王濟民[7]則認為技術進步的下降導致了糧食全要素生產率增長的下降；從影響因素來看，有學者認為農業基礎設施是糧食全要素生產率提升的關鍵因素[8-9]；朱德滿等[10]驗證了綜合性收入補貼對玉米全要素生產率的提升作用顯著；江松穎等[11]研究表明技術變遷和經營規模是谷物全要素生產率的主要影響因素，以上學者分析不同因素對糧食全要素生產率的正向提升作用，卻忽略了結構性因素變化對糧食全要素生產率的負面影響。關于糧食種植結構問題的研究，微觀上看由于農戶是種植結構的調整決策主體，因此，學者多關注糧食種植的“非糧化”問題，即從勞動力轉移、土地流轉等角度研究糧食種植結構問題[12-14]；同時，有學者關注了糧食種植結構變化對糧食增產貢獻或資源利用的影響，如李天祥和朱晶[15]研究發現，糧食種植結構調整為糧食生產節省了巨大的播種面積和水資源消耗。至于糧食種植結構對生產率的影響，目前相關研究較少，范紅忠和周啟良[16]探索了農戶土地種植面積和土地生產率之間的關系，發現農戶土地經營規模增加，在多數情況下會增加土地生產率。

上述研究成果為本文提供了良好的研究基礎，但卻鮮有學者研究糧食種植結構對糧食全要素生產率的影響。以玉米為主的高產作物播種比例不斷提高為我國糧食持續增產發揮了重要的作用[17]，但增產的同時，中國糧食全要素生產率有下降的趨勢[18]，且糧食種植結構變化會改變要素配置，即在有限的耕地面積下，玉米種植面積的擴大，會對其他農作物種植規模形成替代或擠壓，生產要素的投入也會隨之變化[19]，進而可能會影響糧食全要素生產率，因此推測玉米種植結構與糧食全要素生產率存在一定關系。鑒于此，本文基于2001—2016年東北34個地級市面板數據，使用DEA-Malmquist指數法測算糧食全要素生產率，分析其動態變化；并利用空間SAC模型揭示玉米種植結構對全要素生產率的影響。

1 研究方法與數據來源

1.1 研究方法

1.1.1 Malmquist指數法 Malmquist指數法是對全要素生產率增長率進行測算和分解的一種非參數模型方法，該指數用Shepard提出的距離函數來定義，將全要素生產率分解為技術效率和技術進步[20]。本文將運用該方法測算東北三省地級市的糧食全要素生產率指數，具體公式如下[21]：式中：t=1，…，π，表示時期，Yt表示t期的產出，Xt表示t期的投入，M0t(Xt+1，Yt+1，Xt，Yt)表示t期的Malmquist全要素生產率指數，(Xt，Yt)和(Xt+1，Yt+1)分別表示t期和t+1期投入產出變量，D0t(Xt，Yt)和分別表示生產者以t期技術為參照，t和t+1期的技術效率水平和Yt+1)分別表示生產者以t+1期技術為參照，t和t+1期的技術效率水平；ECH表示技術效率，TCH表示技術進步。（1）式中指數大小取決于技術效率和技術進步的共同作用。Malmquist＞1時，說明從t期到t+1期的全要素生產率增長率是上升的，反之下降；TCH＞1時，說明從t期到t+1期出現技術進步，反之出現技術后退；ECH＞1時，說明從t期到t+1期技術效率提高，反之降低。在規模報酬可變假設下，技術效率可進一步分解為純技術效率和規模效率，具體公式如下[21]：

式中：C表示規模報酬不變，V表示規模報酬可變，和分別表示在規模報酬不變的前提下，在t和t+1期達到的技術效率水平分別表示在規模報酬可變的前提下，在t和t+1期達到的技術效率水平；PECH表示純技術效率，SECH表示規模效率，其他符號所表示含義同（1）式。

測算糧食全要素生產率指數前需要確定產出和投入指標，產出指標選擇東北三省地級市糧食總產量；投入指標包括資本、土地、勞動力相關指標。由于宏觀數據中無法獲得單獨衡量糧食投入方面的數據，考慮數據的可得性和準確性，需要對糧食全要素生產率的投入指標相關數據進行處理。本文借鑒馬文杰[22]使用的權重系數法，將廣義農業中用于糧食生產的要素投入剝離出來；所用的兩種權重系數分別為：

式中：A和B代表糧食生產要素投入的權重系數；a代表糧食播種面積，b代表農作物播種面積，c代表農業產值，d代表農林牧漁業產值。產出指標：東北三省地級城市歷年的糧食總產量。投入指標：1）勞動投入指標用地級市歷年糧食生產從業人員表示，即用地區歷年農林牧漁業從業人員乘以A權重系數得到；2）資本投入指標用糧食生產的機械總動力、化肥施用量和有效灌溉面積表示，即用地區歷年農業機械化總動力、化肥施用折純量、有效灌溉面積分別乘以B權重系數得到；3）土地投入指標用地級市歷年糧食播種面積表示（表1）。產出投入指標錄入DEAP2.1軟件得到2002—2016年東北三省地級市糧食全要素生產率。

表1 糧食全要素生產率指數測算指標Table 1 Measuring index of the grain total factor productivity

1.1.2 空間SAC模型 城市的數據存在一定的空間依賴性，而空間計量模型剛好能夠解決數據之間的空間依賴性[23]，鑒于此，選用空間SAC模型作為實證計量模型。構建模型如下[24]：

式中：Y代表因變量，X代表自變量，W表示單位空間權重矩陣，μ表示空間計量模型的擾動項，ρWY表示空間計量模型的空間自回歸項，λWμ表示空間計量模型的空間滯后項，ε服從正態分布；空間權重矩陣為鄰接矩陣，鄰接矩陣是按照空間鄰接關系建立的矩陣，即兩個城市若相鄰為1，不相鄰則為0。

1.2 數據來源

本文研究對象為東北三省全部地級市數據，其中遼寧14個、吉林8個、黑龍江12個，共34個地級市，時間跨度為2001—2016年，共16年；數據來源于《中國區域經濟統計年鑒》、《遼寧統計年鑒》、《吉林統計年鑒》和《黑龍江統計年鑒》。根據聯合國糧農組織界定，本文所研究的糧食主要包括水稻、小麥、玉米、高粱、谷子、薯類、大豆和其他雜糧的總和，全要素生產率投入和產出指標的選擇依據柯布-道格拉斯生產函數。

2 糧食生產現狀及全要素生產率時空變化

2.1 東北三省糧食生產現狀

從圖1看，2001—2017年東北三省糧食產量呈現出波動中上升的趨勢，2017年遼寧、吉林和黑龍江省糧食產量的年均增長率分別為2.71%、4.11%、5.26%，三省糧食產量分別在2013、2017和2015年達到最高，產量分別為2 195.6萬t、3 720萬t和6 324萬t。遼寧在2009年與2014年受旱災影響，糧食產量出現嚴重下滑，尤其在2014年糧食總產量僅為1 753.9萬t，比上年減產441.7萬t，降幅達20.1%，自2011年來產量首次降到2 000萬t以下。吉林在2007年與2009年受到春季低溫多雨、夏季罕見旱情影響，糧食產量出現不同程度的下降，尤其2009年全年糧食產量2 460萬t，下降13.4%。與遼寧和吉林相比，2001—2017年黑龍江省的糧食產量波動較明顯，漲幅也較顯著，2003年與2016年由于受旱災、低溫等災害的影響糧食出現減產，與上年相比糧食產量分別下降14.58%和4.19%，2017年糧食產量略有下降，為6 018.8萬t，但仍連續7年位列全國第一。

圖1 東北三省糧食產量Fig. 1 Grain production in three Northeast provinces

從圖2看，2001—2017年遼寧、吉林和黑龍江省糧食播種面積呈現出穩步上升的態勢，年均增長率分別為0.98%、2.56%、3.67%；遼寧和吉林糧食播種面積變化趨勢大體相似，相對比來看，黑龍江省2001—2017年糧食播種面積增幅較大，2017年糧食播種面積為1 415.43萬hm2，比2001年增加了619.73萬hm2。2004年實施的一系列強農惠農政策，提升了農戶種糧積極性，2004—2015年東北三省糧食播種面積逐年升高，且在2015年同時達到最高點，實行“鐮刀彎地區”玉米調減政策后，東北糧食播種面積略有下降，其中2015—2017年玉米播種面積均處于下降狀態，如2016和2017年東北三省各自調減的玉米播種面積中，黑龍江兩年共調減227.63萬hm2，遼寧兩年調減23.71萬hm2，吉林兩年調減21.03萬hm2，東北三省兩年共計調減272.37 萬 hm2。

圖2 東北三省糧食播種面積Fig. 2 Planting areas of grain in three Northeast provinces

圖3顯示了2001—2017年東北三省玉米播種面積占糧食播種面積比例的變化情況，遼寧、吉林、黑龍江從2005—2015年玉米種植比例均呈現出逐漸上升的趨勢，同時在2015年玉米種植比例達到最高點，分別為67.54%、71.46%、46.05%。2015年后玉米結構調整政策的作用下，東北三省玉米種植比例均呈現下降趨勢，黑龍江省在2016年下降比例最大，下降了8.2%。

圖3 東北三省玉米種植比例Fig. 3 Proportions of corn planting in three Northeast provinces

2.2 糧食全要素生產率時空變化

圖4呈現了東北三省糧食全要素生產率的變化，發現除2007、2009、2014年外，全要素生產率均處于正向增長狀態，但2002—2016年東北三省地級市的糧食全要素生產率增長率呈現出緩慢下降的趨勢。其中最高值出現在2003年，增長了7.9%，最低值出現在2007年，下降了3%。

從糧食全要素生產率分解來看，技術效率變化較平穩，但在多年出現了負增長，其中在2008年表現最明顯，下降了9.2%，而在2013年技術效率提升較快，提高了7.3%；技術進步波動較明顯，同糧食全要素生產率變化相似，呈現出緩慢下降的趨勢，技術進步最快出現在2006年，增長率達到14.3%，而在2007年卻出現了明顯的負增長，下降8.6%。通過指數對比看，技術進步和全要素生產率波動較明顯且變化步調基本一致，說明技術進步是東北地級市糧食全要素生產率增長的主要源泉。

圖4 東北三省地級市糧食全要素生產率指數及分解的時序變化Fig. 4 Time series change of the grain total factor productivity index and its decomposition in three Northeast Provinces

表2顯示了東北地級市2002—2016年平均糧食全要素生產率指數及分解，發現糧食全要素生產率增長率年均上升1.1%，技術效率提高了0.5%，技術進步上升了0.6%；除長春、通化、鶴崗、七臺河、黑河外，其余29個地級市糧食全要素生產率增長率均呈上升狀態，其中上升最快的兩個市是朝陽和阜新，年均分別上升5.9%、5.0%，其主要通過技術效率的提高實現，技術效率分別提高5.6%、4.5%；而負增長最嚴重的兩市為鶴崗和七臺河，年均增長率下降6.8%和5.6%，主要由于沒有實現技術進步導致，技術進步年均下降5%和5.6%。

從糧食全要素生產率指數的分解來看，技術效率提高最快的是朝陽市，主要由于純技術效率的提高拉動的，其中純技術效率提高了5.6%；技術效率負增長最嚴重的是黑河市，技術效率年均下降2.5%，主要是由于規模效率下降造成的。技術進步最快的是白山市，年均上升4.8%；而技術出現退后最嚴重的為七臺河市，年均下降5.6%。

表2 2002—2016年東北三省地級市糧食全要素生產率指數及分解Table 2 Total factor productivity index and its decomposition of grain in three Northeast Provinces from 2002 to 2016

3 玉米種植結構對糧食全要素生產率影響的實證分析

3.1 變量選取

本文把全要素生產率及分解指數均作為被解釋變量，被解釋變量為糧食全要素生產率、技術效率、技術進步、純技術效率和規模效率指數；影響糧食全要素生產率的因素眾多，考慮到數據的可獲得性并參考其他學者已有的研究成果，設定以下變量作為自變量：

3.1.1 核心解釋變量 1）玉米種植比例（RA）：用玉米播種面積與糧食播種面積的比值來表示。一般來講，玉米播種面積占比越大，越有利于玉米產量的增加，但是否會促進糧食全要素生產率的提高還需要實證驗證。

2）玉米播種面積差分（RA1）：用本年的玉米播種面積減去上一年的玉米播種面積來表示。玉米播種面積差分正向越大，代表玉米播種面積增加幅度越大，同樣可以促進玉米產量的增加，但對糧食全要素生產率的影響未知。

3.1.2 其他解釋變量 財政支農比例（EP）：用東北地級市農業財政支出占總財政支出的比重表示。第一產業占比（AG）：用各市第一產業增加值占地區生產總值的比重表示。人均GDP（PG）：用一定時期地區生產總值除以同時期人口總數表示。人均種糧規模（PG）：用各市糧食播種面積除以糧食生產從業人員來表示。糧食單產（PA）：用各市糧食單位面積產量表示，糧食單位面積產量越高，代表糧食生產能力越強。單位面積機械化水平（MA）：用各市農業機械化總動力除以糧食播種面積。單位面積化肥施用量（FE）：用各市化肥施用折純量除以糧食播種面積來表示。單位面積灌溉水平（IR）：用各市有效灌溉面積除以糧食播種面積來表示（表3）。

表3 變量統計性分析Table 3 Statistical analysis of variables

3.2 空間自相關檢驗

在構建空間計量模型之前需要對被解釋變量進行空間相關關系檢驗，文獻中多采用Moran's I指數進行檢驗，如表4所示。

表4 空間自相關檢驗結果Table 4 Spatial autocorrelation test results

從Moran's I指數的檢驗結果看，除2003和2015年外，地級市間糧食全要素生產率均存在顯著的空間相關關系。形成空間相關關系的原因可能是：一是地理位置相鄰的省份資源稟賦特征相近，要素稟賦的相關性決定了技術選擇的相關性；二是地理位置相鄰省份經濟活動等交流更為便捷，產生了空間溢出效應，且Moran's I指數為正值，說明這種空間相關關系表現為正向的空間溢出效應。

3.3 實證結果分析

由表5的估計結果可知，ρ和λ的系數均在1%水平下顯著；表明適合采用空間計量模型分析。具體分析如下。

3.3.1 玉米種植比例指標 玉米種植比例指標（RA）對糧食全要素生產率指數（TFP）有負向影響，且通過了5%水平的顯著性檢驗，表明玉米播種面積占比越高，糧食全要素生產率越低；說明隨著玉米種植比例的升高，會導致“效率損失”，進而降低了糧食全要素生產率。以遼寧為例，2001年開始玉米播種面積逐年攀升，到2015年玉米播種面積達到241.68萬hm2，15年間播種面積增加了105.05萬hm2，雖然在結構調整政策下，2016年降低到225.89萬hm2，但玉米種植比例仍然高達69.9%。從全要素生產率分解來看，玉米種植比例對技術效率指數（ECH）有負向影響，說明玉米種植比例越高，技術效率反而降低；這可能是由于規模報酬遞減造成的，隨著種植比例提高，糧食投入要素越多，形成了規模報酬遞減規律，造成效率降低。同樣玉米種植比例對技術進步指數（TCH）有顯著的負向影響，通過了1%水平的顯著性檢驗，說明隨著種植比例的提高，反而不利于技術進步的提高，這可能是由于在耕地面積一定的前提下，玉米播種面積提高，限制了其他糧食作物的種植，不利于其他作物新技術的研發和采用。玉米種植比例對技術效率和技術進步影響均顯著，說明玉米種植結構對于糧食全要素生產率的影響由技術效率和技術進步共同作用實現，但技術進步系數大于技術效率系數，表明技術進步作用要大于技術效率。

從技術效率指數的分解來看，玉米種植比例對規模效率（SECH）有顯著的負向影響，說明玉米種植比例越高，規模效率越低，即隨著玉米種植比例的提高，同樣會導致“效率損失”，不利于規模效率的提高；而玉米種植比例變量對純技術效率（PECH）沒有通過顯著性檢驗，說明玉米種植比例對于技術效率的影響路徑僅通過影響規模效率來實現。

3.3.2 控制變量指標 第一產業占比、單位面積機械化水平對糧食全要素生產率有負向影響，而糧食單產和灌溉水平對糧食全要素生產率有正向影響；其他控制變量沒有通過顯著性檢驗。限于篇幅不對控制變量影響作用作詳細解釋。

3.4 穩健性檢驗

更換核心解釋變量和更換計量模型在穩健性檢驗中普遍被使用，較為權威，因此本文選用這兩種方法來進行穩健性檢驗。

1）更換核心解釋變量來檢驗結論的穩健性。由于玉米播種面積差分指標表示本年對于上一年的玉米播種面積增加情況，與本文核心解釋變量的經濟學解釋大體一致，因此，選用玉米播種面積差分作為核心解釋變量的替代變量。

從表6結果看，玉米播種面積差分（RA1）對糧食全要素生產率指數（TFP）有顯著的負向影響，且通過1%水平的顯著性檢驗；而差分表示玉米播種面積的變化程度，差分越大表示增長幅度越大，說明隨著玉米播種面積增長幅度越大，越不利于糧食全要素生產率的增長；以黑龍江省為例，2009年比2008年玉米播種面積增加了120.7萬hm2，成為自1980年來增加幅度最大的一次；以黑龍江省2009年增加幅度最大的幾個城市為例，哈爾濱、齊齊哈爾和綏化市玉米播種面積分別增加了13.91萬hm2、16.37萬hm2和20.61萬hm2，而相應的糧食全要素生產率僅分別為0.904、0.897和0.889。從糧食全要素生產率的分解來看，玉米播種面積差分對技術效率（ECH）和技術進步（TCH）均有負向影響，表明玉米播種面積增長幅度越大，越不利于技術效率和技術進步的提高；從影響路徑看，玉米播種面積差分對技術效率和技術進步的影響系數相似且對兩者均有顯著影響，說明其對于糧食全要素生產率的影響是通過技術效率和技術進步共同作用實現的。同樣，玉米播種面積差分對于規模效率（SECH）有顯著的負向影響，對于純技術效率（PECH）影響不顯著。更換核心解釋變量后，模型結果與基準回歸結果基本一致，說明相關結論是穩健的。

2）更換計量模型來檢驗結論的穩健性。選擇更換面板Tobit模型重新對數據進行實證檢驗，結果顯示：玉米種植比例變量對糧食全要素生產率影響的回歸結果與空間SAC模型結果一致（表7）。玉米種植比例對糧食全要素生產率的影響主要靠技術效率和技術進步驅動，對技術效率的影響是通過影響規模效率來實現，與基準模型分析一致，其他控制變量與基準模型的結果大體一致。更換計量模型后，結果與基準回歸結果類似，說明結論是穩健的。

表6 更換核心解釋變量的估計結果Table 6 Estimation results of replacing core explanatory variables

表7 面板Tobit模型結果Table 7 Results of the panel Tobit model

4 結論與啟示

4.1 結論

本文基于2001—2016年東北三省地級市面板數據，使用Malmquist指數法測算得到2002—2016年東北三省34個地級市的糧食全要素生產率指數；進一步利用空間SAC模型分析了玉米種植結構對東北地級市糧食全要素生產率的影響。有以下研究結論：

1）時間維度層面，2002—2016年東北地級市的糧食全要素生產率增長率呈現出緩慢下降的趨勢，技術進步是拉動東北三省糧食全要素生產率增長的主要源泉。

2）空間維度層面，糧食全要素生產率增長率年均上升1.1%，技術效率提高0.5%，技術進步上升0.6%。

3）玉米種植結構對糧食全要素生產率有負向影響，即玉米播種面積和種植比例的提高會導致“效率損失”，進而降低糧食全要素生產率。

4）從影響路徑看，玉米種植比例和玉米播種面積差分變量對糧食全要素生產率的影響路徑主要通過技術效率和技術進步共同來實現，而對技術效率的作用僅通過影響規模效率來實現。

4.2 啟示

1）以市場導向為主、政府引導為輔，提高農民調整意愿。玉米播種面積及種植比例過大，不利于糧食全要素生產率的提升，“鐮刀彎地區”玉米結構調整符合質量興農需求，但在結合政策目標調減東北地區玉米種植面積時，要嚴格區分優勢產區和非優勢產區，有序、有度引導農民進行結構調整，且推進玉米結構調整，要讓市場“唱主角”，政府進行適當的指導，實現“有形之手”與“無形之手”的有效結合。

2）增強科技創新的驅動作用，提高投入要素的合理配置。東北地區糧食全要素生產率的技術效率有逐漸惡化的趨勢，在推動技術進步的同時，要采取措施重點改善穩步提升技術效率，最終實現技術進步和技術效率對糧食全要素生產率的“雙軌驅動”。

3）緩解農業資源環境壓力，走高質量綠色發展之路。東北地區耕地資源過度開發、黑土地不斷退化、灌溉方式粗放等問題突出，要采取先進的灌溉制度、灌溉技術和科學的施肥制度，建立節地、節水為中心的集約化農業生產體系，在耕地面積減少、水資源短缺、勞動力流失的背景下，提高生產要素投入效率，進而提升糧食全要素生產率。