農業科技資源錯配對全要素生產率影響
——基于門檻效應的實證研究

楊傳喜，王修梅，王亞萌

（1.桂林理工大學商學院，廣西桂林 541004；2.西北農林科技大學經濟管理學院，陜西楊凌 712100）

農業科技資源結構性錯配會帶來一定程度的配置效率損失［1］，改善農業科技資源錯配成為提高農業全要素生產率的途徑之一［2］。近年來，資源錯配及其對全要素生產率影響的研究得到相關學者的密切關注。國內學者以中國制造業為研究對象，從不同角度出發，并未得到一致的研究結論。涂正革等［3］運用隨機前沿生產模型，發現科技資源的配置效率對于全要素生產率的影響并不顯著。姚戰琪［4］、曾先鋒等［5］也證實資源錯配對全要素生產率沒有作用。也有學者研究發現，當資源不能得到有效配置時全要素生產率會受到影響。朱喜等［6］研究認為消除農業資源錯配，農戶的農業TFP 有望再增長20%以上。因此，農業科技資源錯配是否一定會降低農業全要素生產率？農業科技資源錯配程度與全要素生產率兩者之間的關系如何？對于這些問題展開研究，有助于更加全面的把握農業科技資源錯配對農業全要素生產率的影響機制，從而優化農業科技資源配置提升農業全要素生產率。基于此，本文采用門檻效應模型，分析農業科技資源錯配與全要素生產率之間的非線性關系，厘清在不同的農業科技資源錯配區間對于農業全要素生產率的影響，尋找改善農業科技資源錯配提升農業全要素生產率的方法。與以往文獻相比，本文的創新點主要是研究方法運用的創新，已有文獻主要是研究他們之間的線性關系，而本文從門檻效應視角來研究農業科技資源錯配與全要素生產率的非線性關系。

1 研究方法及數據來源

1.1 面板模型構建

為探究農業科技資源錯配與全要素生產率的非線性關系，本文采用Hansen 提出的非線性面板門限回歸模型,該方法從數理統計角度識別未知變量的數據特征，從而避免人為劃分門檻區間帶來的偏差。以農業科技資源總錯配指數作為門限變量，構建門限面板回歸模型，檢驗農業科技資源錯配與農業全要素生產率之間的非線性關系。根據本文選取的變量，構建門限模型如下：

本文基本方程為：

（1）農業科技資源錯配與全要素生產率的單重門限模型：

農業科技資源錯配與全要素生產率的雙重門限模型：

其中,省份和年份用i 和t 表示。農業全要素生產率（TFP）為被解釋變量；農業科技資源總錯配指數misait同為核心解釋變量和門檻變量；Hit為控制變量，包括農業科技人員素質、農業信息化水平、農村經濟發展水平。

1.2 變量與數據說明

本文選取1999—2017 年為研究區間，以25 個有效省（市、區）農業科學院為研究對象，利用門檻效應模型對農業科技資源錯配與全要素生產率之間的關系進行驗證。本文數據來源于《中國農業科技統計資料匯編》《中國統計年鑒》。對于部分缺失數據，進行了有效補充。對農業科技活動經費內部支出涉及貨幣量的指標以1999 年數據為基期進行平減，在進行門檻回歸時，除農業科技資源總錯配指數外其他變量都取對數處理。對于農業全要素生產率與農業科技資源錯配指數測算的數據指標如表1 所示。在對1999—2017 年各省份農業科技資源錯配情況進行分析時，將選取的25 個省劃分為六大區域，在各個區域內對各省份的錯配情況進行比較分析，從而更能明顯的分析我國農業科技資源的錯配情況及區域錯配特征。六大區域分為：華北區、東北區、華東區、中南區、西南區、西北區。

1.2.1 被解釋變量農業全要素生產率

運用DEA－Malmquist 方法測算農業全要素生產率，對專利數量、發表科技論文數以及出版科技著作運用熵值法加總。以此作為評價農業科學院創新產出的指標，以農業科技活動人員與平減后的農業科技活動經費支出作為投入變量，構建農業全要素生產率測算指標體系，見表1。

表1 農業全要素生產率、農業科技資源錯配測算指標

1.2.2 門限變量

（1）農業科技人力、財力資源錯配指數。為了準確的計算農業科技人力、財力錯配指數，需要估計兩者的產出彈性。本文在Hesih 等［7］關于資源錯配研究的基礎上假定選定的25 個省份在農業科技生產過程中都投入了農業科技人力、財力資源L、K 兩種要素。同時，用來表示資源要素價格扭曲，則選定的25 個省份在實際生產過程中投入的農業科技人力資源、農業科技財力資源的價格分別為

假設生產函數為規模報酬不變的C-D生產函數，即：

地楓皮作為狹域分布的珍稀植物，多分布于裸露的石灰巖山頂，長期生長在干旱、水分不足、光照強烈、土層淺、伴生物種少等極端干旱的環境中。而葉片的形態特征是對環境適應性最直觀的反映[18]。研究表明，葉脈發達、葉片的角質厚、柵欄組織發達、氣孔密度大等特征，都有利于適應干旱環境。葉脈結構直接影響葉片對外界環境因子(如溫度、水分有效性)脅迫的敏感性[19]。研究發現,地楓皮中脈發達，平均厚度約546.67 μm，木質部所占比例約為50%,具有豐富的木纖維和韌皮纖維，這種類似莖的結構大大加強了中脈的支持力和輸導能力，3個不同分布區的地楓皮中脈厚度隨著海拔高度的增加而增大，說明地楓皮具有較強的耐旱能力。

根據上文推導出來的價格扭曲的均衡解，可以進一步得出農業科技資源絕對扭曲系數：

農業科技資源配置的絕對扭曲系數反映的是農業科技資源投入無扭曲價格的加成程度，而農業科技資源的相對扭曲程度才是農業科技資源在各省份之間錯配的主要原因。因此，將i 區域的農業科技產出所占總省份的總農業科技產出的比例表示為，農業科技資源要素貢獻值為則農業科技資源的相對扭曲系數可以表示為：

聯立（3）式和（5）式可得i 區域的農業科技資源相對扭曲系數為：

（2）農業科技資源總錯配指數(TMis)的計算。借鑒白俊紅等［8］的方法，根據本文計算得出農業科技財力資源錯配指數和農業科技人力資源錯配指數，通過取平均數的方式獲得歷年各地區農業科技資源總錯配指數。

1.2.3 控制變量

對于控制變量的選取主要有以下三個：（1）地區經濟發展水平采用人均GDP(AGDP)表示。（2）農業科技活動人員素質(RL)，采用各省科技活動人員受教育年限來表示，具體計算方法是借鑒陳釗等［9］的加權求和方法，將各階段受教育年限作為不同教育階段的權重。（3）農業信息化水平(IN)參照韓海彬等［10］做法，具體選用村居民家庭每百戶黑白電視機、彩色電視機、電話機擁有量（部）作為農業信息化指標。

2 實證結果與分析

2.1 農業科技資源錯配程度分析

如表2 所示，我國25 個省份農業科技資源都存在著不同程度的農業科技人力、財力資源錯配情況，同一省份在不同年份之間有較大波動，且農業科技人力資源在北京、河北、吉林、遼寧、浙江、江西這幾個省份錯配情況較為嚴重，其他省份也表現為不同程度的農業科技人力資源錯配情況但錯配指數在1 附近波動，在這25 個省份之中大多還是農業科技人力資源配置不足。

表2 2010—2017 年農業科技資源錯配情況

表2 （續）

從劃分的六大地區華北地區、東北地區、華東地區、中南地區、西南地區、西北地區來看：（1）華北地區不同省份在不同年份存在不同的錯配情況，北京、內蒙農業科技人力、財力錯配系數都大于1，表明北京、內蒙這兩個省份農業科技人力、財力資源都存在嚴重過剩。山西、天津農業科技財力錯配系數大于1；農業科技財力資源存在過剩，山西實際財力投入是有效投入3～4 倍，天津實際財力投入是有效投入的2 倍以上，山西省是華北地區農業科技財力資源錯配情況最為嚴重的省份。（2）東北地區遼寧省農業科技人力、財力資源都存在配置過剩，吉林省則表現為嚴重的農業科技人力資源配置過剩；黑龍江農業科技財力資源配置過剩。東北地區近年來產能過剩問題最為嚴重，農業科技財力資源大量閑置。遼寧、黑龍江農業科技財力資源配置過剩整體呈波動趨勢。（3）華東地區安徽作為我國中部的崛起省份，投入了大量的財力資源，但安徽農業科技占的比重并不大，大量的投入使得安徽農業科技財力資源配置過剩現象十分嚴重，2010 年財力實際投入是有效投入的4 倍以上，但從2014 開始，安徽省農業科技財力資源錯配情況在不斷的得到改善，財力資源相對錯配系數已降到2017 年的3.8。上海、福建、江西三省的農業科技財力資源錯配無明顯變化趨勢，總體趨勢W上海＞W福建＞W江西。而浙江省農業科技財力資源配置不足，農業科技人力資源表現嚴重的過剩情況。(4)中南地區河南、湖南、廣西、海南都表現為農業科技財力資源配置過剩，農業科技人力資源配置不足情況主要因為中南部地區科技活動人員較少無法合理的運用科技活動經費使其轉化為科技成果。(5)西南地區重慶、西藏都表現為農業科技人力、財力資源配置過剩，云南農業科技財力資源配置存在過剩，農業科技人力資源配置不足。（6）西北地區甘肅、青海、新疆農業科技財力資源都表現為資源配置過剩現象但并不明顯，農業科技人力資源配置不足主要因為西部地區對于科技活動人員的供給小于其需求，造成西部地區由于人才的缺乏不能很好的進行科技成果的轉化。

2.2 門檻面板回歸分析

本文采用ADF 法進行單位根檢驗，結果見表3。農業科技資源總錯配指數、農業科技活動人員素質在0 階和1 階情況下均保持平穩，而農業信息化水平和農村經濟發展水平均在一階條件下才保持平穩。

表3 面板數據平穩性檢驗

已有研究對于門檻變量的選擇主要有兩種方法：（1）通過理論分析框架確定門檻變量對研究對象進行分組［11］。（2）通過門檻效應模型自動識別數據內生特性，利用被解釋變量與其影響因素的相關系數來確定門檻值以代替外生分組，從而對樣本進行有效劃分［12］。為克服傳統分組標準的隨意性和主觀性，本文選取第二類方法確定待檢分組門檻變量，通過對待檢分組門檻變量的顯著性進行分析以確定分組門檻變量。由表4，可以發現在影響農業全要素生產率中最大的兩個因素是農業科技資源總錯配指數與農業信息化程度分別為0.1213、0.099 7。故依據農業科技資源總錯配指數作為門檻分組變量。

表4 變量相關系數矩陣

本文主要分析農業科技資源錯配與全要素生產率的非線性關系，以農業科技資源錯配作為門檻變量采用stata14.0 對數據進行回歸，通過“自抽法”(Bootstrap)重復抽樣500 次獲得。回歸結果如表5，可知以農業科技資源總錯配指數作為門檻變量時，對應的F 值均通在一門檻、二門檻模型都通過了顯著性檢驗。因此，模型中存在兩個門檻值，本文選擇雙重門檻模型進行計量。

表5 門檻效應檢驗結果

由表6 可以看出具體的兩個門檻估計值以及相對應的95%置信區間。因此可以根據兩個門檻值數據將我國各省區劃分為低錯配（Misa＜0.452 2)、中錯配(0.452 2＜Misa＜1.762 3)和高錯配(Misa＞1.762 3)三個區間。

表6 門檻估計值及置信區間

2.3 模型穩健性檢驗及結果

為了檢驗模型的穩健性，采用模型一、二、三分別回歸，結果如表7 所示，模型一為沒有加入控制變量的單一門檻回歸模型。模型二為加入控制變量的單一門檻回歸模型。模型三為不考慮門檻效應的固定效應模型。從模型一可知當農業科技資源總錯配指數小于0.455 2 時，農業科技資源總錯配指數對于農業全要素生產率的影響系數為0.178 且在10%的水平上顯著，當農業科技資源錯配總指數大于0.455 2 小于1.762 3 時影響系數將為-0.107 且在5%水平上顯著，表明此時的農業科技資源總錯配指數對于農業全要素生產率的增長具有抑制作用。當農業科技資源總錯配指數大于1.762 3 時影響系數為-0.311 且在1%水平上顯著時表明農業科技資源錯配在大于1.762 3 這個區間對農業全要素生產率的增長也有抑制作用。模型二加入控制變量后農業科技資源錯配對于農業全要素生產率的影響程度有一定的提升，但在跨過0.455 2 門檻值后在1%水平上呈反向抑制作用。模型三是固定效應模型從回歸系數上看農業科技資源錯配對于農業全要素生產率的增長具有抑制作用。說明三種模型中農業科技資源錯配對農業全要素生產率的影響系數和顯著性差異程度不大，包含控制變量的單一門檻回歸模型具有一定的穩健性，且擬合系數最高，可以采用。因此重點分析模型二。

模型二中，在以農業科技資源錯配misait 為門檻變量的雙重門檻模型中，當農業科技資源總錯配指數小于0.452 2 時，其對農業全要素生產率影響的系數為0.238 7，且在5%水平上顯著。由此可以看出當農業科技總資源錯配較小時，會顯著提高農業全要素生產率，但是一旦農業科技資源錯配總指數跨過0.452 2 的門檻值時，其對農業全要素生產率的影響系數下降為-0.815 9 且在1%水平上通過了顯著性檢驗，影響作用方向也從正效應變為負效應。隨著農業科技資源總錯配指數的增大，二者關系呈現一種明顯的U 型曲線關系；當農業科技資源總錯配指數繼續提高以至于超過1.762 3 第二個門檻值時，農業科技資源總錯配指數對農業全要素生產率的影響效應依然為負，由于邊際效應遞減的原理其影響系數已經下降到-0.022，但是依然在1%的水平上顯著，說明農業科技資源錯配對農業全要素生產率之間存在門檻效應，其效應呈現由“正效應-負效應”的變化趨勢。為什么農業科技資源錯配指數在不同的錯配情況下對于農業全要素生產率的影響有顯著差異呢？其內在原因是當農業科技人力、財力資源錯配程度較小時還不足以影響農業全要素生產率的變動，但當農業科技人力、財力資源的錯配達到一定閾值時導致資源不能被合理的利用進而不能很好的將農業科技資源轉化為農業科技產出進而會導致農業全要素生產率的下降。

控制變量對農業全要素生產率影響存在顯著差異，農業信息化水平和農村生產力發展水平均在1%水平上顯著，且農村生產力發展水平對農業全要素生產率的系數為正，表明農村生產力發展水平的提升對于農業全要素生產率的增長具有促進作用。但農業科技活動人員素質和農業信息化程度對農業全要素生產率的系數為負，表明農業科技活動人員素質和農業信息化水平的提高對于農業全要素生產率的增長具有抑制作用，這說明農業科技勞動投入對于農業全要素生產率的增長有限，甚至在某種程度上會產生負向作用［13］。農業信息化程度對農業全要素生產率產生負向作用，主要是由于農業人力資本未達到相應的水平時不能充分利用農業信息使之轉化為科技成果，進而不能有效地促進農業全要素生產率的提升。

表7 面板門檻模型回歸及穩健性檢驗結果

2.4 門檻值的區域差異

從各省市農業科技資源錯配情況來看，根據門檻效應的檢驗結果，總樣本存在兩個農業科技資源總錯配門檻，為了直觀反映區域異質性，把1999—2017 年25 個省份總樣本最終劃分為三個性質不同的子樣本，分別為組1（Misait＜0.452)、組2（0.452＜Misait＜1.76）、組3（Misait＞1.76）分組結果見表8，可知處于相對最優的中錯配區間（0.452＜Misait＜1.76）樣本數總體上所占比例相對較大，占總數的43.78%；處于高資源錯配區間（Misait＞1.76）樣本數占比最大，占總數的53.89%。表明近幾年我國農業科技資源錯配雖然有一定的改善趨勢，但效果并不是十分明顯。

表8 1999—2017 年我國25 個省份農業科技資源錯配相對門限值分布情況 單位：組

表8 （續）

3 結論與啟示

本文根據可獲性省級面板數據以農業為例運用DEA 非參數法測度了農業全要素生產率及其變化，并通過門檻效應模型研究農業科技資源錯配對全要素生產率的非線性關系，通過實證檢驗可以得出以下結論：

（1）我國25 個省級農業科學院存在著不同程度的農業科技資源錯配情況，經濟較為發達地區由于農業科技活動人員與農業科技活動經費的大量積聚造成經濟發達地區存在農業科技人力、財力資源存在過剩情況，對于經濟后發地區西南地區、西北部地區資源錯配程度較為嚴重，具體表現為農業科技財力資配置過剩和農業科技人力資源配置不足等現象。

（2）農業全要素生產率的提升顯著受限于地區農業科技資源錯配程度的影響。總體而言，隨著農業科技資源錯配不斷跨越門檻值，農業科技資源錯配對農業全要素生產率的影響作用由正變負。同時，根據門檻等級將地區劃分為農業科技資源低錯配區間、農業科技資源中錯配區間和農業科技資源高錯配區間三種類型。在低資源錯配區間（Misait＜0.452)，農業科技資源錯配程度較輕，可以顯著促進農業全要素生產率的提升，而在高資源錯配區間（Misait＞1.76）,農業科技資源錯配在很大程度上會抑制農業全要素生產率的提升。

根據研究結論，優化農業科技資源配置，提高農業全要素生產率可以從以下幾個方面努力：（1）完善中國科技資源配置體系，不僅要從宏觀上掌握科技資源配置整體狀況，還要在微觀上關注資源配置能力水平。（2）在農業科技人力資源方面，創造科研人員適宜發展的環境，培養多樣化的科技人才，加強地區之間的人才流動以便實現農業科技活動人員之間的優勢互補，為了更好的讓科技活動人員投入到科研活動中應該完善科技環境和體制；在農業科技財力資源配置方面，加強政府對于資金的管理力度，切實落實一體化改革實現資金最優配置，通過加強產學研合作消除農業科技人力、財力資源之間存在的障礙［14］。（3）加強區域聯動，合理引導農業科技資源有序配置轉移，實現優勢互補進而減少農業科技資源的錯配，提高農業全要素生產率。持續深入優化中西部地區的農業科技環境，加強農業科技活動人員的引進工作，改善農業科技人力資源配置不足的現狀。