中國茶葉種植戶生產率增長的源泉與決定因素——來自2011—2017年微觀數據的證據

呂建興，陳富橋，胡林英，姜愛芹

中國茶葉種植戶生產率增長的源泉與決定因素——來自2011—2017年微觀數據的證據

呂建興1，陳富橋2*，胡林英2，姜愛芹2*

1. 廣州大學經濟與統計學院，廣東 廣州 510006；2. 中國農業科學院茶葉研究所，浙江 杭州 310008

在經濟新常態和茶葉消費回歸理性的背景下，提高茶葉生產率對于推動茶產業高質量發展具有重要的現實意義。基于2011—2017年微觀跟蹤數據，利用隨機前沿生產函數實證分析茶葉種植戶全要素生產率（Total factor productivity，TFP）增長及源泉，并進一步利用2013—2016年微觀混合數據，基于“一步法”的隨機前沿生產函數，實證分析茶葉種植戶的技術效率及影響因素，特別關注不同技術擴散路徑和技術采納行為的影響。研究發現：（1）研究期間茶葉種植戶TFP年均增長2.71%，且呈增長趨勢，但具有較為明顯的西高東低的區域特征；（2）茶葉種植戶的規模報酬率及技術進步率年均下降0.25%和1.50%，技術效率年均增長4.46%，表明TFP增長的主要動力來源是技術效率的改進，而規模報酬率和技術進步卻有阻礙作用，而且東中西部均表現出相同的特征；（3）進一步分析技術效率的決定因素，發現茶葉種植戶參加合作社、參加病蟲害防治技術培訓和政府發布病蟲害預警信息的技術推廣和擴散途徑能夠顯著提高技術效率，而且采用生物防治和放置粘蟲色板的技術采納行為同樣顯著提高技術效率，而是否為種植大戶、是否與其他種植戶交流病蟲害防治經驗以及是否安置殺蟲燈的影響不顯著。本研究對于識別茶葉TFP增長及動力源泉、深刻理解農戶技術采納行為和擴散機理具有重要的理論和現實意義。

全要素生產率；技術效率；技術采納行為；技術擴散路徑；茶葉種植戶

改革開放以來，中國茶產業發展取得了巨大的成就。1978—2018年，中國茶園面積從104.8萬hm2增至2?298.6萬hm2，同期茶葉產量從26.8萬t增至261萬t，年均增速分別達2.65%和5.86%。同時，中國也是茶葉消費大國，茶葉作為居民日常生活的必需品，2000年以來人均茶葉消費量增長9.38%[1]。此外，中國是世界茶葉出口大國，出口量居世界第二。茶產業的健康發展對滿足居民日常生活基本需求、維持南方農村茶葉種植戶可持續生計和出口創匯具有重要的意義。當前，中國經濟增長已由高速增長階段轉向高質量增長階段，隨著中國人口紅利逐漸消失，勞動力成本快速上漲，這對勞動密集型的茶產業產生了重大沖擊，茶產業發展從粗放型向集約型高質量發展模式的轉型升級迫在眉睫。

經濟增長的主要驅動力是要素投入的增加和全要素生產率（Total factor productivity，TFP）的增長。科學測度茶葉TFP以及識別其增長源泉對于推動茶產業高質量發展具有重要意義。已有學者基于宏觀層面數據測算了茶葉TFP的增長[2-4]，但是這些研究大多是討論中國經濟新常態以前茶葉TFP的增長特征，而且忽視了個體異質性，可能導致估計存在一定偏差[5]。本研究基于中國經濟增速放緩新常態和茶葉消費市場變化的現實背景，利用2011—2017年的微觀調查數據實證分析茶葉種植戶的TFP增長及源泉，既能克服宏觀合計數據導致的估計偏差，也能夠深入揭示農戶兼業化經營事實和生產效率水平[6]，這樣的研究結論更具時效性和現實指導意義。

此外，當前大量學者實證分析了作為TFP增長核心源泉的技術效率及影響因素，如討論種植規模[7-8]、是否加入合作社[9-10]以及技術采納和擴散路徑[11-12]對技術效率的影響，但這些研究大多只是關注其中某一因素對技術效率的影響。本研究則基于茶葉種植戶的微觀調查數據同時討論種植規模、是否加入合作社對技術效率的影響，而且本研究進一步關注技術擴散路徑和技術采納行為對技術效率的影響，能夠進一步豐富這些領域的研究。

1 中國茶產業生產率的研究進展

1.1 中國茶葉TFP的測度

已有學者專門關注茶產業的TFP，從研究方法上主要可分為兩類：（1）多數學者主要利用數據包絡分析（DEA）技術來測度茶葉TFP的變化。如李道和等[4]研究發現，1998—2003年中國綠茶TFP增長1.61%，而2001—2005年紅茶TFP增長3.53%。管曦等[3]發現2002—2007年中國茶葉TFP年均增長9.8%，且主要動力來源是技術進步。（2）少數學者利用隨機前沿模型分析茶葉TFP的變化。如呂建興等[2]發現1996—2007年中國茶葉TFP增長0.7%，其增長主要依靠技術進步。

部分學者重點關注茶葉技術效率。如管曦等[13]利用DEA實證分析2007年中國804家精制茶加工企業的技術效率，發現平均技術效率僅為0.361，規模效率為0.801。劉志成等[14]基于DEA模型評估中國茶葉產業的生態效率和生產效率，發現2004—2013年中國茶葉生產效率較高，平均達到0.907，而2009—2013年茶葉生態效率較低，僅為0.614。陳潛等[15]基于155份調查數據利用DEA模型實證分析閩臺兩地烏龍茶種植戶的生產效率，發現福建省種植戶的綜合技術效率為0.645，高于臺灣地區的0.477。但周瓊等[16]基于2005—2017年中國臺灣地區10個縣市的面板數據，發現其茶葉綜合技術效率略高于中國大陸。

1.2 農戶技術效率影響因素的研究

1.2.1 經營規模與技術效率的相關研究

當前已有大量的學者實證分析了農戶土地經營規模與技術效率的關系，結論卻存在明顯分歧。部分學者發現土地經營規模對農戶生產率和技術效率有正向作用。如Sheng等[8]發現小型農場雇傭資本服務能夠提高生產率，從而使得可以獲得與大型農場相當的生產率。章德賓[17]研究發現，中等和大規模的種植戶生產效率顯著高于小規模種植戶。但部分學者卻發現農戶經營規模的擴大并沒引致生產效率和技術效率的提高。如Sheng等[7]基于中國農場層面數據發現對于大多數小型農場來說，農戶對于勞動力和資本的選擇導致這樣的非線性關系，并非經營規模越大、農場生產效率越高。唐軻等[18]利用8個糧食主產省的農戶數據討論耕地經營規模對糧食單產和成本的影響時發現，農戶經營規模越大則單產越低，但隨著時間的推移這種負向作用逐漸減弱。

1.2.2 加入合作社與技術效率的相關研究

當前雖然大量理論研究認為農戶加入合作社對保障農戶收入水平和提高技術效率存在積極影響[19]，但實證研究還不是很豐富，而且也尚未形成一致的結論。如李霖等[9]研究發現，與市場機制相比，加入合作社顯著提高農戶的技術效率，而縱向協作模式的作用卻不明顯。張德元等[20]研究發現，合作社普通成員和核心成員的家庭農場技術效率均比非合作社成員的家庭農場高。但黃祖輝等[10]則發現，當消除樣本選擇性偏差后，參與合作社的農戶并沒有更高的技術效率，其主要原因在于合作社服務功能的弱化。

1.2.3 農業新技術采納及擴散與技術效率的相關研究

當前關注技術采納或擴散模式對技術效率影響的研究還較為鮮見。部分國外學者關注了具體技術擴散路徑對效率的影響。如Foster等[21]發現高產新種子采用的自有經驗和鄰居經驗能夠顯著提高其經營效益；但是也存在農戶從他人那里學習技術的“搭便車”行為，導致這種學習的溢出效應影響不大。Alene等[12]發現技術采納領先者與跟隨者的效率存在顯著差異，而且主要表現在種子、殺蟲劑、肥料等使用上的差異。國內學者則更加關注技術擴散及路徑。如舒元等[22]發現中國技術進步存在從北京、上海、廣東向其他省份的擴散路徑。高鳴等[23]發現各省糧食生產技術效率存在空間收斂，認為這種收斂主要是技術擴散導致的。少部分研究關注新技術采納對農戶技術效率的影響。張瑞娟等[11]討論了小農戶和大戶新技術采納和技術效率的差異，發現采納新技術的農戶技術效率更高，而參加技術培訓和經常使用網絡的信息獲取渠道顯著提高農戶采納新技術的概率。

綜上可見，關于中國茶葉TFP測度的研究目前已經具有堅實的基礎，但未來研究還存在以下的改進方向：（1）當前大部分關于中國茶葉TFP變化及分解的研究時限均較為久遠，部分研究距離當前已有近20年。近些年，中國經濟增速已經轉為新常態，國內茶葉價格和消費從高位回歸常態化，茶產業也經歷新的調整，重新估計中國茶葉TFP變化及其動力來源，具有新的理論價值和現實意義。（2）已有研究主要基于宏觀合計數據展開，這樣的處理方式是將微觀個體均視為同質，這顯然與現實不符；而且省際合計數據平滑了微觀個體的異質性，可能導致估計的偏差[5]，也無法揭示真實的生產效率水平[6]。

此外，當前大量學者已經對農戶生產效率和技術效率的影響因素展開了豐富且有深度的研究，具有重大的借鑒價值。但還有以下改進的空間：（1）大量學者僅關注是否加入合作社或者是否是種植大戶某一種因素對農戶技術效率的影響，少有研究同時關注這兩種因素對技術效率的影響。（2）當前國外學者已經展開了關于技術擴散路徑對效率的影響深度分析，但國內學者則更加關注新技術采納對效率的影響，而同時關注技術擴散路徑和具體采納技術對技術效率的影響較為少見。

為此，本研究利用微觀跟蹤數據來測度茶葉TFP變化及其動力源泉，避免宏觀合計數據可能帶來的估計偏差，從而盡量保證估計的準確性；此外，本研究利用2013—2017年多個維度的非平衡面板微觀數據，同時關注是否加入合作社、是否為種植大戶對農戶技術效率的影響，更為重要的是本研究不僅討論農業技術擴散路徑對農戶技術效率的影響，而且進一步實證分析采納不同技術對技術效率的影響，這對于深刻理解農戶技術采納與擴散機理具有重要的理論和現實意義。

2 研究方法與數據

2.1 研究方法

2.1.1 基于超越對數隨機前沿生產函數TFP增長的測度及其分解

借鑒Aigner等[24]相關研究，可將隨機前沿分析（SFA）表述為：

y=(X,)exp(it-it) ············（1）

其中，y表示時期決策單元的產出；X表示時期決策單元的投入向量；(·)表示決策單元生產可能性邊界上的確定性前沿產出，代表現有技術條件下一定要素投入的最佳產出；時間趨勢項測度技術進步（）；v表示隨機擾動項；非負項u≥0表示基于產出的相對于隨機前沿面的技術非效率項，用來衡量實際產出Y與最大產出(·)之間的差距。

將式（1）兩邊取自然對數，可得對數形式的隨機前沿模型：

lny=ln(X,)+(it-it) ············（2）

為了避免模型設定偏誤，本研究選擇能夠體現技術偏性的超越對數生產函數來刻畫(·)生產函數[25]。為了測度茶葉種植戶TFP增長及其分解，在式（2）的基礎上，基于土地、勞動和中間物質資本投入下，引入時間變化特征，可將超越對數的隨機前沿模型轉化為：

其中，表示產出，用種植戶茶葉銷售收入表示；投入變量包括茶園面積、勞動投入以及包括肥料、殺蟲劑、水電費等中間物質資本投入。v為隨機擾動項，服從白噪聲分布；u為技術非效率項，且假定與v相互獨立。通常非負u的分布可分為指數分布、半正態分布、斷尾正態分布和Gamma分布。由于半正態分布估計較容易，為此本研究假定u為半正態分布。

根據Kumbhakar[26]的方法，可將TFP的變動分解為以下四部分：技術進步率（）、技術效率變化率（′）、規模報酬收益率（）和資源配置效率（）。由于價格信息難以獲得，資源配置效率不易計算，因此對于TFP增長的分解通常只包括技術進步率、技術效率變化率和規模報酬收益率。在估計出（3）式的相應參數后，可計算出土地、勞動和中間物質資本要素的產出彈性。

2.1.2 基于超越對數隨機前沿生產函數技術效率的測度及影響因素

由于微觀跟蹤數據的調查難度，無法獲取大樣本長時間的平衡面板數據和豐富信息，為了測度茶葉種植戶技術效率及重要影響因素，本研究在（3）式的基礎上，剔除時間變化特征，進而將前文的平衡面板數據轉為混合數據，并控制時間和省份固定效應，由此可將（3）式轉為：

其中，為時間固定效應，區間為2011—2017年，為省份固定效應，由此來控制時間和地區的異質性；v為隨機擾動項，u為技術非效率項，假定u與v相互獨立。同上文一致，本研究假定u為半正態分布。其余變量的含義與上文相同。

為了進一步分析技術非效率的影響因素，基于調查數據的特征，本研究主要考慮調查對象、家庭特征、規模特征、參與合作社特征和病蟲害防治技術特征對茶葉種植戶技術非效率的影響，如此可將技術非效率模型設定為：

其中，age、education和labor_family分別表示第個種植戶年齡、受教育程度、家庭勞動力人數，以此刻畫調查對象及家庭特征對技術非效率的影響。large_farmer和cooperative分別表示茶葉種植戶是否為大規模養殖戶和是否參加合作社，以此檢驗規模化經營和加入合作社是否能夠顯著提高種植戶技術效率的假說。pest_control_train、pest_communicate分別表示茶葉種植戶是否參加病蟲害防治技術培訓、是否與其他種植戶交流病蟲害防治經驗，由此揭示正式和非正式技術信息交流和擴散途徑對技術效率的影響。pest_technology表示茶葉種植戶的具體病蟲害防治技術方式，具體包括是否采用殺蟲燈、是否采用生物技術控制害蟲和是否在茶園安裝色板等非農藥病蟲害防治技術，從而進一步揭示哪種病蟲害防治技術能夠顯著提高技術效率。若為負值，則表示該因素降低了技術非效率，也即對技術效率有正向影響，反之亦然。

通常利用隨機前沿分析估計（4）式后可計算出種植戶的技術效率和技術非效率，而如何進一步分析技術非效率的影響因素，當前學術界基本已經形成共識，認為“兩步法”即采用先估計出技術非效率，再利用Tobit等模型分析其影響因素，可能存在估計偏差。主要原因是“兩步法”中的第二步在分析技術非效率影響因素時與第一步假定隨機前沿分析與技術效率不相關的假定存在內生性沖突[25]，為此當前主流做法是利用“一步法”直接估計隨機前沿生產函數和技術非效率的影響因素。本研究同樣利用“一步法”來估計茶葉種植戶隨機前沿生產函數和技術非效率的影響因素。

2.2 數據來源及處理

借鑒呂建興等[2]相關研究，結合調查問卷的現實情況，本研究選擇茶葉銷售收入作為產出指標，選擇土地投入、勞動投入和中間資本投入作為投入變量。其中，土地投入選擇茶園面積作為代理變量，勞動投入包括雇傭采茶工人和管理人員的費用支出，中間資本投入包括肥料、殺蟲劑、水電費等中間資本投入。

對于技術非效率影響因素的選擇，基于調查問卷的限制，本研究主要選擇以下四大類影響因素：（1）調查對象和家庭特征，主要包括戶主年齡、教育程度和家庭勞動力人數；（2）調查對象的經營特征，包括是否為種植大戶、是否參加合作社，其中本研究將調查對象茶園面積大于樣本75分位的調查對象設為種植大戶（門檻值為1.267?hm2），本研究這樣的設置具有一定的合理性，主要表現在該門檻值與《中共貴州省委貴州省人民政府關于加快茶產業發展的意見（黔黨發[2007]6號）》關于茶葉種植大戶界定為大于1.331?hm2非常接近。當然，為了避免不同區域資源稟賦不同而造成的偏差，本研究在后續的估計策略中均控制了省份異質性。（3）病蟲害防治技術信息擴散特征，包括當地政府是否發布病蟲害預警信息、種植戶是否參加病蟲害防治技術培訓、種植戶是否與其他種植戶交流病蟲害防治經驗；（4）病蟲害防治具體措施，主要包括是否采用殺蟲燈、是否采用生物防治技術、是否采用粘蟲色板等非農藥防治技術。

由于微觀數據可能存在部分變量缺失，基于盡量不損失樣本且保持真實性原則，對于茶園面積基本不變的樣本，本研究用前后年份的均值來插補部分樣本部分年份缺失的數據。而對于部分樣本部分變量所有年份均缺失的數據，通常直接刪除該樣本，但可能會增加抽樣誤差，進而導致生產前沿邊界內移，影響估計效率[27]。為此，對于茶園面積有較大變化樣本的缺失數據和部分樣本部分變量所有年份的缺失數據，本研究借鑒Kuosmanen[27]、呂建興等[28]的做法，用0值來替代產出缺失數據，用該農戶和其所在縣市投入最大值來替代投入缺失數據。

本研究使用的數據來自課題組于2011年開始建立的茶農與茶葉龍頭企業產銷固定監測數據庫。該數據庫依托全國16個茶葉主產省份31個國家茶葉產業技術體系綜合試驗站對全國155個茶葉主產縣2?325個茶葉種植固定觀測戶展開的跟蹤調查。茶葉種植固定觀測戶的選擇為按照茶園面積大小將每個縣的茶葉種植戶劃分為大中小三類，每類抽測5戶。茶葉種植戶跟蹤調研每年一次，部分固定觀測戶有調整，輪換原則主要考慮茶園面積相近和近鄰等因素，盡量保證其具有可比性。問卷發放和回收主要依托體系綜合試驗站完成，調研內容包含固定項調研和專項調研，固定項調研每年題目基本一致，包括茶葉種植戶人口、性別、受教育程度等基本信息和茶葉種植成本收益情況，專項調研每年題目有所差異，主要包括銷售渠道構成、綠色防控等。

由于微觀調查數據部分樣本存在非連續性的現實情況，本研究使用3個層次的數據來測度茶葉種植戶TFP變化、技術效率及影響因素。第一層，本研究利用2011—2017年全國14個茶葉主產省26個地級市的茶葉種植跟蹤數據來測度茶葉TFP增長及分解情況。第二層，本研究利用2013—2016年全國16個茶葉主產省62個地級市的混合數據來測度茶葉技術效率及是否茶葉種植大戶和是否參加合作社對技術非效率的影響。第三層，在第二層數據的基礎上，進一步提取2014年和2016年的全國16個茶葉主產省57個地級市的混合數據來測度茶葉種植戶技術效率以及病蟲害防治技術信息擴散特征和病蟲害防治具體技術對技術非效率的影響。

表1展示了主要變量的描述性統計特征。可以發現，跟蹤調查農戶的平均茶葉銷售收入約為71?183.85元，平均茶園面積為1.451?hm2，平均勞動投入35?736.22元，平均中間資本投入21?626.45元。兩個混合樣本數據特征比微觀跟蹤數據特征略大，但差異不大。

3 結果與分析

3.1 總體結果

利用隨機前沿模型估計（3）式，并據此測算茶葉種植戶的要素產出彈性、TFP變化及分解。由表2可知，LR統計檢驗在1%水平顯著拒絕不存在技術非效率項的原假定，說明利用隨機前沿模型進行估計是合理的；在1%水平下顯著且估計值為0.746，這說明有74.6%的隨機擾動項變異來自技術非效率項的變異；在5%的水平下顯著為正，這說明研究期間茶葉種植戶的技術效率呈改進狀態；在1%的水平下顯著，說明茶葉種植戶生產中存在技術非效率。總體上，利用隨機前沿模型能夠較好的擬合茶葉種植戶投入產出特征，其模型選用是合理的。

本研究同時也估計了基于C-D生產函數隨機前沿模型的結果，其土地、資本和勞動的產出彈性分別為0.47、0.239和0.017，、和分別為0.739、0.019和1.718，且均在1%水平下顯著，這些結果與基于超越對數生產函數的估計結果差異很小，說明本研究的估計結果較為穩健。

3.2 要素產出彈性

根據表2的估計結果，測算了不同投入要素的產出彈性。結果表明，研究期間茶葉種植戶的土地、中間資本和勞動產出彈性分別為0.552、0.215和0.029，說明增加茶園面積帶來的產出高于增加勞動投入和中間資本投入的產出。同時，投入要素的產出彈性之和為0.796，說明茶葉種植戶總體呈規模報酬遞減特征。

表1 主要變量的描述性統計

從各要素產出彈性的變化特征看（圖1），可以發現土地產出彈性最大且呈穩步增長態勢，而中間資本產出彈性卻呈逐年下降特征，勞動產出彈性則處于低位平穩態勢。該結果的政策含義是，擴大茶葉種植戶的茶園經營面積，提高合作化經營水平，實現規模經濟對提高茶葉種植戶收入和效率有重要作用；而通過增加勞動投入對提高茶葉種植戶收入和效率的作用不大。

從各區域要素產出彈性之和的分布特征看，東部要素產出彈性之和最高，西部次之，而中部最低。具體從各要素產出彈性的分布特征看，東部地區要素產出彈性之和最高的主要原因是東部地區土地產出彈性最大，而三大區域的勞動和中間資本產出彈性差異不大（圖2）。這與東部地區主產名優茶，具有較為突出的品牌價值和價格優勢的現實基本相符。

3.3 TFP增長及分解

從測算結果看，研究期間茶葉TFP年均增長率為2.71%，其中規模報酬率年均下降0.25%，技術進步年均下降1.50%，技術效率年均增長4.46%。這說明TFP增長的動力來源是技術效率的改進，而規模報酬率和技術進步卻對TFP增長有阻礙作用。同其他已有測算結果相比，本研究測算的茶葉TFP增長率與陳衛平[29]估計農業TFP增長的2.59%接近，明顯高于李谷成等[30]測算1993—2005年的茶葉TFP（–0.64%）；同時，本研究估計茶葉TFP增長率高于糧食（1.17%）[31]，低于棉花（5.49%）[32]。

圖1 投入要素產出彈性的變化特征

表2 基于超越對數生產函數的茶葉種植戶隨機前沿模型的估計結果

注：上述結果已控制時間和省份固定效應；*<0.10，**<0.05，***<0.01

Note: The above results have controlled the time and province fixed effects. *<0.10, **<0.05, ***<0.01

圖2 各區域要素產出彈性特征

從TFP增長動力來源來看，研究期間茶葉種植戶TFP增長主要來自技術效率的提高，而技術進步卻有抑制作用。這樣的結果與其他研究發現農業TFP增長主要動力是技術進步的結果不同[33]。可能的原因是隨著供求失衡和消費市場變化，全國茶葉消費開始逐漸回歸理性，高價茶、禮品茶的銷量大幅下降，茶葉價格增長整體趨緩；與此同時，勞動力和物質資本投入成本迅速攀升，雙重擠壓了茶葉種植戶的利潤空間。在這樣的現實背景下，影響了茶葉企業在育種、植保等方面研發投入，從而導致茶葉科技進步速度較慢，并轉向提高現有技術利用率上，為此TFP增長的驅動力來自技術效率的改善。當然本研究與部分近期相關研究的發現一致，如匡遠配等[34]發現2005—2015年中國農業TFP增長的動力主要來自技術效率和規模效率的提高，而技術進步的作用不大。

從TFP增長及其分解的變化趨勢看（圖3），研究期間茶葉TFP總體呈增長趨勢，2017年略有下降；同時，研究期間技術效率總體在高位平穩運行，其對TFP增長的拉動作用無明顯變化；此外，研究期間茶葉種植戶的規模報酬率和技術進步率有增長趨勢，特別是規模報酬率從原來對TFP增長的抑制作用逐漸轉為正向推動作用，而技術進步率雖然對TFP增長有抑制作用，但負向作用幅度逐漸減小。上述結果表明，近些年茶產業在先進技術推廣和使用方面取得了較大進步，但新技術的研發和規模經濟還有待進一步改善，這是推動茶葉TFP持續增長的重要潛力來源。

3.4 技術效率及影響因素

在前述研究基礎上，本研究基于2013—2016年的混合數據進一步分析影響茶葉種植戶技術非效率的影響因素，而且主要關注種植戶是否參加合作社、是否為種植大戶、不同技術擴散路徑以及采納具體技術對技術非效率的影響。控制種植戶年齡、受教育程度、家庭勞動力數量、時間和省份固定效應，基于“一步法”利用超越對數的隨機前沿生產函數聯合估計式（4）和（5），實證分析茶葉種植戶技術非效率及影響因素（表3）。表3中，隨機前沿生產函數（Stochastic frontier production function）為、、、、、、、和；技術非效率影響因素（Influencing factors of technical inefficiency，Usigma）：為、、、、、、、、、和。

表3中，（1）欄展示了基于2013—2016年混合數據測度的是否種植大戶、是否參加合作社對技術非效率的影響，（2）—（5）欄展示了基于2014年和2016年混合數據測度的是否種植大戶、是否參加合作社以及病蟲害防治技術特征對技術非效率的影響。由表3的結果可知，所有統計量均在1%水平顯著拒絕不存在技術非效率的原假設，表明隨機前沿生產函數的誤差主要來自無效率項，為此選用隨機前沿模型進行分析是合理的。

從表3中（1）欄的結果發現，在投入要素的產出彈性中，土地產出彈性最大，達0.462，而中間資本投入的產出彈性次之，為0.357，而勞動投入的產出彈性最小，僅為0.016。三大投入要素的產出彈性之和為0.835，表明茶葉種植戶呈規模報酬遞減特征。這些結論與前文利用2011—2017年的微觀跟蹤數據所得到的結論基本相同，說明本研究的估計結果較穩健。此外，茶葉種植戶技術效率為0.851，說明當前茶葉種植戶對技術的利用水平只達到85.1%，存在14.9%的技術效率損失。

從表3中（1）欄技術非效率影響因素的估計結果發現，茶葉種植大戶對技術非效率的估計參數為負，但不顯著，這意味著茶葉種植大戶并沒有比非種植大戶的技術效率更高。對此可能的解釋是茶產業是比較典型的勞動密集型產業，隨著規模的擴大不容易通過實現機械化來提高效率。該結果也說明在茶葉領域并不存在諸如張瑞娟等[11]發現的大規模農戶技術效率更高的現象，而與Sheng等[7]所述的經營規模與技術效率可能呈非線性關系或沒有顯著關系的結論一致。同時，茶葉種植戶是否加入合作社的估計參數在1%水平下顯著為負，說明加入合作社的茶葉種植戶其技術效率顯著高于沒有加入合作社的種植戶，這與合作社具有技術服務推廣功能的現實相符，意味著繼續推進茶葉種植戶加入合作組織對于提高茶產業高質量發展具有重要意義。由（2）欄的子樣本估計結果，同樣可以得到種植大戶技術效率沒有顯著更高、加入合作社的種植戶技術效率顯著更高的結論，這表明本研究估計結果的穩健性。

從表3中（3）欄的結果發現，政府是否發布茶園病蟲害預警信息、茶葉種植戶是否參加病蟲害防治技術培訓對技術非效率有顯著負向影響，說明政府發布病蟲害預警信息和茶葉種植戶參與病蟲害防治技術培訓等規范的技術推廣路徑能顯著降低技術非效率，這樣的結果也表明特定的技術交流和推廣手段對提高技術效率有重大作用。這也意味著各級政府應繼續極推動農業氣象服務中心等農業氣象災害監測預報預警平臺建設、強化種植戶正規技術培訓。

有意思的是，茶葉種植戶是否與其他種植戶交流病蟲害防治經驗對技術非效率的影響不顯著，這與Alene等[12]的研究發現不一致。傳統上認為，非正式的信息傳播渠道能夠加快技術擴散的速度，進而提高技術效率。本研究的發現并不支持這樣的假說，可能的解釋有兩方面：（1）由于具體病蟲害發生原因及演化階段等方面的差異導致其他種植戶的經驗并不能對癥下藥，從而可能影響技術使用效果，現實中也經常發生諸如親戚朋友提供的技術信息對病蟲害沒有效果甚至會進一步危害農作物的案例。（2）Conley等[35]的研究表明，農戶是否使用新技術取決于先前使用該技術的鄰居是否獲得超額收益，若茶葉種植戶的“領先者”隱藏超額收益或沒有超額收益，那么可能導致種植戶之間的技術信息交流對技術效率影響不大。該發現也表明政府通過正規渠道推廣技術使用信息的重要性。

表3 茶葉種植戶技術非效率的影響因素

注：上述結果已控制時間和省份固定效應；（1）欄的全樣本數據包括2013—2016年的混合數據，（2）—（5）欄的子樣本數據包括2014年和2016年的混合數據；*<0.10，**<0.05，***<0.01

Note: The above results have controlled the time and province fixed effects. The full sample data in column (1) includes the mixed data in 2013-2016, and the sub sample data in column (2)-(5) includes the mixed data in 2014 and 2016. *<0.10, **<0.05, ***<0.01

需要注意的是，與表3中（1）、（2）欄相比，（3）欄的是否參與合作社的估計系數不顯著，可能的原因是合作社具有技術交流和推廣的作用，這與是否參加技術培訓等其他變量多重共線。據此，本研究進一步剔除是否參加合作社變量進行再估計。從（4）欄的估計結果發現，政府是否發布病蟲害預警信息、茶葉種植戶是否參與病蟲害防治技術培訓以及是否與其他種植戶交流病蟲害防治經驗的估計值與（3）欄基本相同，這進一步證實前文結論的可靠性。

從表3中（5）欄的結果發現，是否采用生物技術控制害蟲和是否在茶園安裝色板對技術非效率的估計值均顯著為負，說明采用生物技術控制病害蟲和安裝色板這兩種病蟲害防治技術方式能夠顯著提高茶葉種植戶的技術效率；同時，是否采用殺蟲燈對茶葉種植戶技術效率沒有顯著影響。可能的原因有以下幾方面：（1）安裝和使用殺蟲燈需要一定的資本投入（如安裝太陽能殺蟲燈每臺需要2?000～3?000元的費用），從而限制了一般種植戶的使用；而采用粘蟲色板的成本較低而且使用方便，并且會有部分政府或合作社集中采購免費發放給茶農戶，種植戶的采用意愿較高；據課題組的調查數據顯示，僅有16.47%的種植戶安裝了殺蟲燈，而有33.48%的種植戶使用了粘蟲色板。（2）通常具有經濟屬性的茶樹是低矮的常綠木本植物，但由于殺蟲燈覆蓋范圍較廣，存在一定的外部性特征（每臺殺蟲燈覆蓋面積1.34?hm2），導致規模較小或茶園地塊細碎的種植戶不愿提供這種“準公共品”。這也意味著政府應彌補市場失靈，提供具有（準）外部性的公共品，或通過財稅優惠、補貼等形式，鼓勵種植戶提供準公共品，以此提高整體種植戶的技術效率。

4 結論與政策建議

4.1 結論

本研究基于2011—2017年的微觀調查數據，利用超越對數的隨機前沿生產函數模型實證分析了茶葉種植戶TFP變化及其分解，并分析了茶葉種植戶技術效率及影響因素，主要研究結果如下：

中國茶葉種植戶TFP年均增長2.71%，且呈增長趨勢，其中技術效率的改進是TFP增長的主要動力源泉，而規模報酬率和技術進步有阻礙作用；同時，研究期間茶葉種植戶TFP變化及其動力源泉均存在區域異質性特征，且主要表現為西高東低的區域特征，但隨著時間的推移，不同區域的TFP增長存在收斂趨勢。

參加合作社、參加病蟲害防治技術培訓以及政府發布病蟲害預警信息等正規技術推廣和擴散途徑顯著提高了茶葉種植戶的技術效率，而且采用生物防治和放置粘蟲色板等技術采納行為也顯著了提高技術效率，而種植大戶、與其他種植戶交流病蟲害防治經驗以及安置殺蟲燈并沒有顯著提高種植戶的技術效率。

4.2 政策建議

（1）近些年茶產業在供求結構性失衡背景下仍然實現了TFP的穩步增長，其中理順技術推廣體系、保證技術的高效使用是關鍵。因而政府應繼續支持合作社的發展、鼓勵正規技術培訓、建立具有權威性技術傳播和擴散渠道、補貼或者提供準公共品，以此穩定和提高種植戶的技術效率。

（2）不同茶葉產區存在較大的異質性，TFP增長的動力源泉也存在差異，相關政策制定和調整應注意區域異質性，特別要解決阻礙TFP增長的因素，支持和鼓勵東部地區企業或種植戶的技術研發和創新，使其繼續發揮先進技術的引領和示范作用；同時積極引導茶葉種植戶的適度規模經營，穩步推進社會化服務體系，提高規模報酬率對TFP增長的推動作用，進而實現小農戶與現代農業的有機銜接。

[1] 陳富橋, 胡林英, 姜愛芹. 我國茶產業發展40年[J]. 中國茶葉, 2019, 41(10): 1-5.

Chen F Q, Hu L Y, Jiang A Q. The 40 years of tea industry development in China [J]. China Tea, 2019, 41(10): 1-5.

[2] 呂建興, 陳富橋. 我國茶產業全要素生產率增長及其分解—基于隨機前沿生產函數的分析[J]. 技術經濟與管理研究, 2015(4): 117-122.

Lv J X, Chen F Q. The total factor productivity growth and the decomposition of Chinese tea industry: based on the analysis of the stochastic frontier production function [J]. Journal of Technical Economics & Management, 2015(4): 117-122.

[3] 管曦, 林曉娟. 基于DEA的中國茶業技術效率的實證分析[J]. 中國科技論壇, 2009(10): 130-133.

Guan X, Lin X J. Empirical Analysis on technical efficiency of Chinese tea industry based on DEA [J]. Forum on Science and Technology in China, 2009(10): 130-133.

[4] 李道和, 池澤新, 劉濱. 基于DEA的中國茶葉產業全要素生產率分析[J]. 農業技術經濟, 2008(5): 52-56.

Li D H, Chi Z X, Liu B. Analysis of total factor productivity of Chinese tea industry based on DEA [J]. Journal of Agrotechnical Economics, 2008(5): 52-56.

[5] 李谷成, 馮中朝, 占紹文. 家庭稟賦對農戶家庭經營技術效率的影響沖擊—基于湖北省農戶的隨機前沿生產函數實證[J]. 統計研究, 2008, 25(1): 35-42.

Li G C, Feng Z C, Zhan S W. An empirical analysis about the effect of household endowments on the technical efficiency of farmer’s household management: evidence from the farmers of Hubei province [J]. Statistical Research, 2008, 25(1): 35-42.

[6] 趙建梅, 孔祥智, 孫東升, 等. 中國農戶兼業經營條件下的生產效率分析[J]. 中國農村經濟, 2013(3): 16-26.

Zhao J M, Kong X Z, Sun D S, et al. Analysis on the production efficiency of Chinese farmers under the condition of concurrent operation [J]. Chinese Rural Economy, 2013(3): 16-26.

[7] Sheng Y, Ding J, Huang J. The relationship between farm size and productivity in agriculture: evidence from maize production in northern China [J]. American Journal of Agricultural Economics. 2019, 101(3): 790-806.

[8] Sheng Y, Chancellor W. Exploring the relationship between farm size and productivity: evidence from the Australian grains industry [J]. Food Policy, 2019, 84: 196-204.

[9] 李霖, 王軍, 郭紅東. 產業組織模式對農戶生產技術效率的影響—以河北省、浙江省蔬菜種植戶為例[J]. 農業技術經濟, 2019(7): 40-51.

Li L, Wang J, Guo H D. The impact of industrial organization models on farmers’ production technical efficiency: based on vegetable farmers in Hebei and Zhejiang province [J]. Journal of Agrotechnical Economics, 2019(7): 40-51.

[10] 黃祖輝, 朋文歡. 農民合作社的生產技術效率評析及其相關討論—來自安徽碭山縣5鎮(鄉)果農的證據[J]. 農業技術經濟, 2016(8): 4-14.

Huang Z H, Peng W H. Evaluation and analysis of production technical efficiency of farmers' cooperatives: evidence from fruit farmers in 5 towns of Dangshan County in Anhui Province [J]. Journal of Agrotechnical Economics, 2016(8): 4-14.

[11] 張瑞娟, 高鳴. 新技術采納行為與技術效率差異—基于小農戶與種糧大戶的比較[J]. 中國農村經濟, 2018(5): 84-97.

Zhang R J, Gao M. New technology adoption behaviors and differences in technology efficiency: a comparative analysis of small and large grain producers [J]. Chinese Rural Economy, 2018(5): 84-97.

[12] Alene A D, Manyong V M. Farmer-to-farmer technology diffusion and yield variation among adopters: the case of improved cowpea in northern Nigeria [J]. Agricultural Economics, 2006, 35(2): 203-211.

[13] 管曦, 楊江帆. 中國精制茶加工企業技術效率的分析[J]. 茶葉科學, 2011, 31(2): 160-165.

Guan X, Yang J F. Analysis on the technical efficiency of Chinese refining tea enterprise [J]. Journal of Tea Science, 2011, 31(2): 160-165.

[14] 劉志成, 張晨成. 我國茶葉產業生態效率與生產效率評價研究—基于DEA方法的實證分析[J]. 生態科學. 2017, 36(1): 111-117.

Liu Z C, Zhang C C. Study on ecological efficiency and production efficiency evaluation of China's tea industry based on the empirical analysis of DEA method [J]. Ecological Science, 2017, 36(1): 111-117.

[15] 陳潛, 彭嬋娟, 楊潔潔, 等. 閩臺烏龍茶主產區生產效率及其影響因素比較[J]. 亞太經濟, 2017(4): 101-106.

Chen Q, Peng C J, Yang J J, et al. Comparison of production efficiency and its influencing factors in main producing areas of Oolong tea in Fujian and Taiwan [J]. Asia-pacific Economic Review, 2017(4): 101-106.

[16] 周瓊, 劉德娟, 曾玉榮. 臺灣地區茶產業生產效率實證分析[J]. 世界農業, 2019(9): 112-118.

Zhou Q, Liu D J, Zeng Y R. An empirical analysis on the production efficiency of tea industry in Taiwan Province [J]. World Agriculture, 2019(9): 112-118.

[17] 章德賓. 不同蔬菜種植規模農戶農業生產效率研究: 主產區2009—2016年的調查[J]. 農業技術經濟, 2018(7): 41-50.

Zhang D B. Study on vegetable production efficiency by scale: evidence from 2009—2016 surveys in main vegetable production areas [J]. Journal of Agrotechnical Economics, 2018(7): 41-50.

[18] 唐軻, 王建英, 陳志鋼. 農戶耕地經營規模對糧食單產和生產成本的影—基于跨時期和地區的實證研究[J]. 管理世界, 2017(5): 79-91.

Tang K, Wang J Y, Chen Z G. The impact of farmers' cultivated land management scale on grain yield and production cost: an empirical study based on cross period and region [J]. Management World, 2017(5): 79-91.

[19] 張曉山. 農民專業合作社的發展趨勢探析[J]. 管理世界, 2009(5): 89-96.

Zhang X S. Analysis on the development trend of farmers' professional cooperatives [J]. Management World, 2009(5): 89-96.

[20] 張德元, 宮天辰. “家庭農場”與“合作社”耦合中的糧食生產技術效率[J]. 華南農業大學學報(社會科學版), 2018, 17(4): 64-74.

Zhang D Y, Gong T C. The technical efficiency of food production in linking family farms with cooperatives [J]. Journal of South China Agricultural University (Social Science Edition), 2018, 17(4): 64-74.

[21] Foster A D, Rosenzweig M R. Learning by doing and learning from others: human capital and technical change in agriculture [J]. Journal of Political Economy, 1995, 103(6): 1176-1209.

[22] 舒元, 才國偉. 我國省際技術進步及其空間擴散分析[J]. 經濟研究, 2007(6): 106-118.

Shu Y, Cai G W. An analysis on technology progress and spatial diffusion among China's provinces [J]. Economic Research Journal, 2007(6): 106-118.

[23] 高鳴, 宋洪遠. 糧食生產技術效率的空間收斂及功能區差異—兼論技術擴散的空間漣漪效應[J]. 管理世界, 2014(7): 83-92.

Gao M, Song H Y, Spatial convergence and functional area difference of technical efficiency of grain production [J]. Management World, 2014(7): 83-92.

[24] Aigner D, Lovell C A K, Schmidt P. Formulation and estimation of stochastic frontier production function models [J]. Journal of Econometrics, 1977, 6(1): 21-37.

[25] 傅曉霞, 吳利學. 隨機生產前沿方法的發展及其在中國的應用[J]. 南開經濟研究, 2006(2): 130-141.

Fu X X, Wu L X. The development of the stochastic production frontier approach and its applications in China [J]. Nankai Economic Studies, 2006(2): 130-141.

[26] Kumbhakar S C. Estimation and decomposition of productivity change when production is not efficient: a panel data approach [J]. Econometric Reviews, 2000, 19(4): 425-460.

[27] Kuosmanen T. Data envelopment analysis with missing data [J]. Journal of the Operational Research Society, 2009, 60: 1767-1774.

[28] 呂建興, 張璟, 劉景景, 等. 中國大宗淡水魚養殖戶技術效率、TFP增長及分解—基于25個省份微觀調查數據[J]. 農業技術經濟, 2020(1): 102-119.

Lv J X, Zhang J, Liu J J, et al. Technical efficiency, total factor productivity growth and decomposition of bulk freshwater aquaculture farmers in China [J]. Journal of Agrotechnical Economics, 2020(1): 102-119.

[29] 陳衛平. 中國農業生產率增長、技術進步與效率變化: 1990～2003年[J]. 中國農村觀察, 2006(1): 18-23.

Chen W P. Productivity growth, technical progress and efficiency change in Chinese agriculture: 1990-2003 [J]. China Rural Survey, 2006(1): 18-23.

[30] 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—一項基于隨機前沿生產函數的行業比較研究[J]. 農業技術經濟, 2010(5): 4-14.

Li G C, Feng Z C. Agricultural TFP growth in China: technology promotion or efficiency driven: a comparative study of industries based on stochastic frontier production function [J]. Journal of Agrotechnical Economics, 2010(5): 4-14.

[31] 黃金波, 周先波. 中國糧食生產的技術效率與全要素生產率增長: 1978—2008[J]. 南方經濟, 2010(9): 40-52.

Huang J B, Zhou X B. Technical efficiency and growth of total factor productivity of food production in China: 1978-2008 [J]. South China Journal of Economics, 2010(9): 40-52.

[32] 田偉, 譚朵朵. 中國棉花TFP增長率的波動與地區差異分析: 基于隨機前沿分析方法[J]. 農業技術經濟, 2011(5): 110-118.

Tian W, Tan D D. Analysis on fluctuation and regional difference of TFP growth rate of cotton in China: based on stochastic frontier analysis method [J]. Journal of Agrotechnical Economics, 2011(5): 110-118.

[33] 尹朝靜, 李谷成, 葛靜芳. 糧食安全:氣候變化與糧食生產率增長—基于HP濾波和序列DEA方法的實證分析[J]. 資源科學, 2016, 38(4): 665-675.

Yin C J, Li G C, Ge J F. Food security, climate change and grain productivity growth based on HP filter and sequential DEA methods [J]. Resources Science, 2016, 38(4): 665-675.

[34] 匡遠配, 楊佳利. 農地流轉的全要素生產率增長效應[J]. 經濟學家, 2019(3): 102-112.

Kuang Y P, Yang J L. The effect of total factor productivity growth on rural land transfer [J]. Economist, 2019(3): 102-112.

[35] Conley T G, Udry C R. Learning about a new technology: pineapple in Ghana [J]. American Economic Review, 2010, 100(1): 35-69.

The Sources and Determinants of Productivity Growth for Tea Growers: Evidence from Micro Data of 2011-2017

LYU Jianxing1, CHEN Fuqiao2*, HU Linying2, JIANG Aiqin2*

1. School of Economics and Statistics, Guangzhou University, Guangzhou 510006, China 2. Tea Research Institute, Chinese Academy of Agricultural Sciences, Hangzhou 310008, China

Under the background of new economic normal and tea consumption returning to rationality, improving tea productivity has important practical significance for promoting the high-quality development of tea industry. Based on the micro data from 2011 to 2017, the stochastic frontier production function was used to analyze the growth and sources of total factor productivity (TFP) for tea growers, and the micro-pool data from 2013 to 2016 and “one-step” stochastic frontier production function were also used to analyze the technical efficiency and its determinants of tea growers, with particular attention to the impacts of different technology diffusion paths and technology adoption behavior on technical efficiency. The results show: (1) during the study period, the TFP of tea growers increased by an average of 2.71% per year and showed an increasing trend, but it has obvious regional characteristics of high in the West and low in the East. (2) The average annual rate of return to scale and technological progress of tea growers decreased by 0.25% and 1.50%, and their technological efficiency increased by 4.46%. It shows that the main driving force of TFP growth is the improvement of technological efficiency, while the rate of return to scale and technological progress hinder the growth, and both the East and the West show the same characteristics.(3) Through further analysis of the determinants of technical efficiency, the results show that the technical promotion and diffusion paths of tea growers' participation in cooperatives, training in disease and pest control techniques, and the government's early warning information of disease and pest could significantly improve technological efficiency. In addition, the adoption of technologies such as biological control and placement of stained swatches could also significantly improve technical efficiency. Whether they were large growers, exchange the information on disease and pest control experience with other growers, and whether insecticidal lamps were installed had no significant impacts. The conclusions are of great theoretical and practical significance to identify the growth and driving force of tea TFP, and to deeply understand growers' technology adoption behavior and diffusion mechanism.

TFP, technical efficiency, technology adoption behavior, technology diffusion path, tea growers

S571.1；F323.3

A

1000-369X(2021)04-577-15

2020-11-11

2021-02-02

財政部和農業農村部：國家現代農業產業技術體系（CARS-19）、中國農業科學院茶葉研究所基本科研業務費專項（1610212020004）

呂建興，男，博士，講師，主要從事產業經濟方面的研究。*通信作者：fuqiao@126.com；jiangaiqin@tricaas.com

（責任編輯：趙鋒）