糧食產業高質量發展創新驅動機制分析

高維龍 李士梅 胡續楠

收稿日期：2021-10-08

基金項目：國家留學基金項目《國家建設高水平大學公派研究生項目》（201906170099）。

作者簡介：高維龍（1992—），男，吉林四平人，吉林大學經濟學院博士研究生，主要研究方向為農業經濟、產業經濟;李士梅（1963—），女，吉林白城人，博士，吉林大學經濟學院教授、博士生導師，主要研究方向為產業經濟;胡續楠（1990—），女，吉林長春人，博士，長春大學經濟學院講師，主要研究方向為產業經濟。

DOI： 10.13253/j.cnki.ddjjgl.2021.11.007

[摘 要] 創新是賦能糧食產業轉型升級、引領高質量發展的第一動力。基于DEAMalmquist指數法、面板固定效應和條件分位數模型，實證分析了糧食全要素生產率時空演化機制及技術傳導路徑。結果發現：當前糧食全要素生產率存在下降趨勢，主要受技術進步不足拖累。東部地區在科技創新方面具有優勢，其技術進步速度領先于中西部地區。從影響路徑來看，除人力資本對技術進步有促進作用外，其余因素均對其有抑制作用，表明糧食全要素生產率提升正面臨要素質量惡化、配置結構扭曲、產業政策失靈和低端技術鎖定等因素限制。且在高質量發展階段，這種制約效應尤為顯著。因此，應從提升要素質量、優化配置結構、完善政策設計、強化科技創新等方面施策，激活糧食產業高質量發展的創新動力。

[關鍵詞]糧食產業;高質量發展;創新驅動;全要素生產率;時空演化

[中圖分類號]?? F326.11[文獻標識碼] A[文章編號] 1673-0461（2021）11-0053-12

一、引 言

“十四五”規劃指出，“全面推進鄉村振興，提高農業質量效益和競爭力”。近年來，中國糧食產業發展面臨諸多挑戰，尤其進入21世紀后，隨著城鎮化、工業化不斷深化，糧食供需矛盾日益凸顯。受農業生產要素萎縮、水資源短缺、氣候惡化、貿易不確定性上升等內外因素疊加影響，傳統依靠要素投入帶動糧食增產的粗放型發展模式已然難以為繼，糧食產業向集約化轉型的壓力十分嚴峻。在此背景下，推動糧食產業向“質量興農”“效益興農”“綠色興農”的高質量發展轉型勢在必行。黨的十九大報告明確指出：“推動農業高質高效發展，必須以供給側結構性改革為主線，提高全要素生產率。”①全要素生產率（TFP）持續穩步提升既是高質量發展的題中之義，更是農業現代化轉型的有效手段。實現糧食產業高質量發展，應充分發揮科技創新與技術進步的核心驅動作用。有鑒于此，深入探究糧食產業高質量發展的創新驅動機制，對確保國家糧食安全、賦能糧食產業轉型升級具有重要理論和現實意義。

一直以來，農業增長與環境污染之間存在不可調和的沖突與矛盾。農業增長通常會加劇環境污染，環境惡化也會反過來導致農業增產空間受限。新古典增長理論認為，在要素邊際收益遞減規律下，技術進步仍能促進全要素生產率持續增長[1]，進而避免農業發展陷入“內卷化”陷阱。但是，也有學者指出農業技術進步速度緩慢，并且存在路徑依賴[2]。因此，如何加速農業技術進步、促進全要素生產率提升就成為學界關注的重點問題。全要素生產率是糧食產出增長扣除有形要素投入后的剩余增長部分，本質上屬于廣義技術進步范疇，其變化可能源于糧食生產中的物化技術，包括土壤改良、育種、栽培等狹義農業技術進步，也可能源于制度創新、規模效應、技術效率以及資源配置效率改善[3-4]。比如，家庭聯產承包責任制[5]、農村稅費改革[6]、糧食收入性補貼[7]等有助于調動農民生產積極性，促進農業技術進步和改善技術效率。農村土地制度改革有利于促進規模化經營、減少土地細碎化的生產效率損失[8]。要素投入結構不合理會降低要素配置效率，進而對TFP形成抑制作用[9]。在TFP演化特征方面，現有研究表明糧食TFP變化表現出復雜性和時空分異性：時間上，不同期間TFP呈現不同的時間趨勢，分為“上升型”[10]、“下降型”[11-12]、“先升后降型” [13]和“波動型”[14]四種;空間上，糧食TFP呈現出空間異質性[15]和空間波動性[16]。此外，已有研究對糧食TFP主導因素存在爭議，主要有技術效率單軌驅動型[11]、技術進步和技術效率雙規驅動型[15]以及技術進步單軌拖累型[11-12]三類。部分研究指出糧食TFP變動與土地規模[17]、耕地質量[18]、農村人力資本[19]、勞動力配置結構[20]和社會外部環境[21]等因素有關。

從已有文獻來看，關于糧食產業高質量發展創新驅動機制的研究仍然存在較大擴展空間：首先，對糧食TFP變化的主導因素和增長源泉仍然存有分歧，基于個別視角探究糧食TFP演化機理難以反映其變動的一般規律。其次，從TFP時空演化視角分析糧食產業高質量發展創新驅動機制的文獻仍較少見，深入理解糧食產業高質量發展的實現路徑亟須更為豐富的理論研究。再次，對TFP演化機制和技術傳導路徑的分析不夠深入，一是對要素質量、配置結構和制度設計等影響因素的分析有待于細化;二是對糧食產業不同發展階段各種因素影響的異質性特征關注不足;三是對糧食TFP變化的外部因素和內部傳導路徑的研究相互割裂，鮮有文獻對二者聯動影響糧食TFP的作用路徑進行系統分析。

不同于以往研究，本文的邊際貢獻主要在于：①研究視角方面，從TFP時空演化的視角切入，構建了TFP演化的一般分析框架，重點探究了以往研究較少關注的要素質量、配置結構及制度設計問題，拓寬了糧食產業高質量發展創新驅動機制的研究視閾。②研究對象方面，聚焦于糧食TFP的時空演化機制及技術傳導路徑，通過系統考慮外部因素和內部傳導路徑的聯動機制，試圖揭開糧食TFP變動之謎，以澄清現有關于糧食TFP增長源泉的分歧，為強化創新驅動力、提升糧食供給效率提供理論和現實依據。③研究方法方面，基于DEAMalmquist指數法、面板固定效應和條件分位數模型對糧食TFP變動的外部因素和內部傳導路徑進行系統分析，并進一步刻畫這種影響的地區異質性以及不同發展階段的異質性特征，從而深化糧食TFP的時空演化機制，為實現創新驅動的糧食產業高質量發展提供經驗證據。

二、概念界定與典型化特征

（一）糧食產業高質量發展的概念界定

糧食產業高質量發展是在新發展時期為應對國內外形勢變化，對糧食產業發展質態提出的更高層次要求，旨在緩和與化解在高速增長階段所積累的矛盾，也為了更好地促進經濟向更高質態發展軌道躍遷。其內含于經濟高質量發展之中，是我國經濟高質量發展一個極其重要的方面，具有戰略性和基礎性地位，關乎國家糧食安全、鄉村產業振興和農業全面現代化目標能否成功實現[22]。糧食產業高質量發展是高質量發展理念在農業領域的實踐與延續，是新時期經濟高質量發展目標的具象化和深度化。在新發展理念的指導下，糧食產業高質量發展是以效率和質量為導向，體現質量第一、效率優先、更加公平和更可持續的發展[23]。基于此，糧食產業高質量發展可被定義為，以保障國家糧食安全為前提，以提高資源利用效率為導向，以促進綠色化生產為手段，以實現全民共享發展為目標的發展。從該定義來看，糧食產業高質量發展與TFP穩步提升具有高度的耦合性和內在的統一性，主要表現在以下四個方面：

首先，TFP反映產出增長扣除有形要素投入后的剩余增長部分，是表征糧食生產過程中全部生產要素綜合利用效率的重要指標。TFP穩步提升能夠緩解糧食生產的資源環境約束，有利于提高糧食供給能力，保障國家糧食安全。其次，TFP是科技創新與技術進步的直接體現，創新活動的本質是生產要素和生產條件的重新組合，其最終目的在于優化資源配置、提升資源利用效率。只有依靠創新驅動的內涵式發展，克服要素投入的規模報酬遞減，才能實現TFP穩步提升。再次，TFP強調資源節約與合理化利用，通過提高化肥農藥使用效率，促進糧食減量化和綠色化生產，從而減少糧食生產過程中環境污染負外部性，實現生產效益、生態效益和社會效益的協調統一，這顯然與糧食產業高質量發展相一致。最后，TFP穩步提升是擴大共享基礎、保障共享質量的必要前提[24]，通過激活糧食產業的食物功能、環境功能、經濟功能和康養功能，反哺整個生態系統，增進農村社會福利，實現全民共享發展成果，這正是高質量發展的根本目的。

（二）糧食TFP的時空演化特征

1.時序特征

表1第2至6列是1999—2018年我國糧食TFP及其分解指數，大于1意味著生產率上升，否則意味著生產率下降或不變，顯著性通過自助法獲取1萬次隨機樣本計算得到[25]。②第7至9列是以1999年為基期各指數的累積增長率，用以反映長期趨勢。可以發現：第一，我國整體糧食TFP呈下降趨勢，1999—2018年TFP指數均值為0.989，年均下降1.1%。累計增長率為0.798，即2018年相對于1999年下降了20.2%。考察期內，糧食總產量從50838.6萬噸增加到65789.2萬噸，產出增長率29.4%，故TFP增長率對糧食產出增長率的貢獻為-68.69%。換言之，我國糧食增產的主要推動因素是要素投入增長而非TFP增長，這與陳衛平等[14]、黃金波等[26]的結論相符。第二，TEC有所上升，均值為1.005，年均上升0.5%，累計增長率為1.080。從TEC分解來看，PEC和SEC分別為1.001和1.003，SEC改進程度略高于PEC。第三，考察期內出現明顯的技術退步趨勢，TP均值為0.986，年均下降1.4%，累積增長率為0.740。因此，技術退步是1999—2018年我國糧食TFP下降的主導因素，即TFP下降主要是因為生產前沿“內移”超越了向生產前沿“推進”。

分時間段看，2004年以前TFP指數一直在1附近不顯著波動，僅2000年出現顯著下降。而2004—2011年則出現了4次顯著下降，之后在1附近平穩波動，其他指數也表現出類似特征。各指數波動最密集的時間段是2004—2011年，其中TP從2006年0.998快速下降到0.879，2008年又迅速上升至1.060，隨后驟降為0.898，2010年再恢復到1.038，呈W型波動。TEC、PEC和SEC在同時期則經歷了先增后減，再增再減的M型波動。這種密集波動可能與2004年中央出臺的一系列農業支持政策有關，因此以2004年為界，將全樣本劃分為1999—2004年和2005—2018年兩個子樣本，使用KolmogorovSmirnov統計量檢驗政策前后TFP及分解指數的變化情況[27]。③結果顯示，TFP、TP、PEC、TEC分別在1%、1%、5%、10%水平上發生顯著變化。從兩組樣本的均值看，政策實施前后TFP、PEC、TP分別上升了0.016、0.001、0.021，說明農業支持政策通過改善技術效率和技術進步兩條途徑促進糧食TFP增長。一方面，減免農業稅、提高良種補貼、加大農業教育投入等惠農政策有利于調動農民種糧積極性、提高技術效率。另一方面，加強農業科技推廣和基礎設施建設有助于推動技術進步，這與馬林靜等[15]的研究結論一致。然而，研究期間內SEC未發生顯著變化，可能是因為我國農村土地制度改革存在滯后性和不完全性，限制了規模經濟發揮作用[11，28]。

2.空間特征

表2是TFP變化的空間分布情況。全國近1/3省份的TFP有所上升，其余呈下降趨勢，這與肖洪波等[11]的研究相符。TFP提高的主導因素在地區間存在差異，如在研究期間TFP提高的10個省份中，江蘇、天津是規模效率單軌驅動，福建、遼寧是純技術效率單軌驅動，寧夏、海南則是技術進步和規模效率雙軌驅動。而TFP下降的21個省份中，上海、山東等13個省份完全由技術退步導致，其余8省份TFP下降也主要歸因于技術退步，與時序特征一致。從各地區均值看，東、西、中部地區的TFP依次下降，且中部地區低于全國均值。東部地區經濟發展水平較高，在農業科研投入、人力資本等方面具有優勢，三大地區中技術進步最快，但由于糧食生產一直處于弱勢地位，限制了技術進步對TFP的拉動效應。中部地區省份多為糧食主產區，土壤、氣候等條件適宜糧食作物規模化種植，生產管理制度與經營組織相對成熟，因而規模效率與技術效率狀況良好，但由于近年來土壤肥力下降、水資源短缺、農田水利設施基礎薄弱、科研投入不足等原因對技術進步產生了消極影響[29]。隨著西部地區經濟的快速發展，農業科研投入增速遠超中部地區，但人力資本積累不足抑制了技術效率提升[30]。

TFP空間格局演化特征方面：1999—2000年除新疆、西藏、云南、湖南、山西和上海外，其余25省份TFP均有所下降。2004—2005年TFP上升的省份數提高至14個，快速下降省份數則從10個減少為4個，其中，北京、天津、吉林、黑龍江、寧夏、甘肅和青海從快速下降區轉為平穩或快速上升區，表明2004年的農業支持政策發揮了積極作用，同時技術進步也有較大改善，與TFP幾乎同向變動。2008—2009年受自然災害影響，除少數東、西部省份外，其余省份TFP均呈下降態勢，主要是因為自然災害引發了技術退步。2013年與2004年相比變化并不明顯，TFP上升地區主要為東、西部省份，而中部省份表現不佳。2004—2005年有19個省份的技術進步指數大于1，而2013—2014年僅西藏、甘肅、青海、內蒙古、河南和黑龍江6省份保持技術進步。因此，TFP增長受限于技術進步不足，這與2013年中國經濟步入新常態，亟須實現新舊動能轉換的大背景相符。2015年底中央提出供給側結構性改革，提高全要素生產率。從測算結果來看，2017—2018年TFP呈現積極改善，有18個省份的TFP指數大于1，同時TFP下降省份數有所減少，表明供給側改革措施初見成效。但僅有新疆、西藏、青海、上海和貴州5省份技術進步較快，說明創新仍然沒有成為TFP增長的核心和主導力量。因此，有必要深入探究TFP時空演化邏輯，從而形成TFP持續增長的長效機制，激發糧食產業高質量發展的創新動力。

三、模型、變量與數據

（一）模型構建

本文從內部構成和外部因素兩方面分析糧食TFP時空演化機制。首先，構建CobbDouglas生產函數：

Y=A（t）LαKβ（1）

其中，L為簡單勞動，K為物質資本等糧食生產中間投入，進一步得到廣義技術進步，即TFP的表達式為：

dAA=dyy-αdLL-βdKK（2）

內生增長理論認為，改變要素配置方式（如要素配置結構）、發掘要素創新性用途（如要素新使用價值特性即質量增量）以及提供激勵創新的外部環境（如市場條件）都是技術創新的重要來源。參考相關文獻[31-32]，本文將TFP影響因素分為要素質量、要素結構、自然環境、制度環境和經濟環境五類，并構建如下固定效應模型檢驗各類因素對糧食TFP的影響：④

TFPit=β0+β1Qualityit+β2Structureit

+β3Natureit+β4Institutionit

+β5Economicsit+μi+εit（3）

其中，i和t分別表示省份和年份，β0為常數項，TFP為糧食全要素生產率，Qualityit、Structureit、Natureit、Institutionit、Economicsit分別表示要素質量、要素結構、自然環境、制度環境和經濟環境，μi表示省份固定效應，εit為隨機擾動項。

其次，分別以TP和TEC作為被解釋變量，探究各類因素影響糧食TFP的技術傳導路徑，模型形式如下：

TPit=β0+β1Qualityit+β2Structureit

+β3Natureit+β4Institutionit

+β5Economicsit+μi+εit（4）

TECit=β0+β1Qualityit+β2Structureit

+β3Natureit+β4Institutionit

+β5Economicsit+μi+εit（5）

最后，為了進一步探究各類因素在不同發展階段的異質性影響，構建條件分位數面板模型如下：

TFPit（γ|Qualityit，Structureit，Natureit，Institutionit，

Economicsit）=β0（γ）+β1（γ）Qualityit

+β2（γ）Structureit+β3（γ）Natureit

+β4（γ）Institutionit

+β5（γ）Economicsit+μi+εit（6）

其中，γ代表糧食TFP不同百分位數，分別選取10、25、50、75、90百分位點進行回歸。

（二）變量選取

1.被解釋變量

使用DEAMalmquist指數法測度糧食TFP，Malmquist生產率指數計算公式為[33]：

Mo（xt+1，yt+1，xt，yt）=Dto（xt+1，yt+1）Dto（xt，yt）Dt+1o（xt+1，yt+1）Dt+1o（xt，yt）12（7）

進一步可分解為[34]：

Mo（xt+1，yt+1，xt，yt）=Dt+1v（xt+1，yt+1）Dtv（xt，yt）

×Dtv（xt+1，yt+1）Dt+1v（xt+1，yt+1）Dtv（xt，yt）Dt+1v（xt，yt）12

×Dtc（xt+1，yt+1）Dtv（xt+1，yt+1）Dtc（xt，yt）Dtv（xt，yt）Dt+1c（xt+1，yt+1）Dt+1v（xt+1，yt+1）Dt+1c（xt，yt）Dt+1v（xt，yt）12（8）

其中，式（8）右側第一項為不同時期決策單元與生產前沿距離比值，反映技術效率變動。第二項測度相鄰兩個時期生產前沿移動，反映技術進步。第三項通過比較不同時期決策單元在同一生產前沿上的規模效率， 反映規模報酬變動。

參考相關文獻[35-37]，測算TFP所使用的產出指標為糧食產量，⑤投入指標包括土地、勞動、資本、機械、化肥、灌溉。借鑒閔銳等[38]的研究，按比例系數對機械、化肥、勞動等要素進行調整。其中，種糧勞動力的調整比例系數A=農業產值/農林牧漁業總產值糧食播種面積/農作物播種面積，機械總動力與化肥的調整比例系數B=糧食播種面積農作物播種面積。資本使用1999年為基期的固定資產投資價格指數平減，以剔除價格變化的影響，⑥具體情況如表3所示。

2.解釋變量

（1）要素質量。要素質量對糧食TFP變化有直接影響，如耕地、勞動力質量下降可能會抑制TFP提升，以有效灌溉率作為耕地質量（GL）的代理指標;教育和醫療是人力資本形成的兩條重要途徑，以地區人力資本（HC）和農村醫療資源（MR）作為勞動力質量的代理變量。

（2）要素結構。生產要素在市場機制作用下進行流動和結構調整，通過改變資源配置效率、要素稟賦條件等途徑影響TFP。種植業內部糧食與其他作物的生產結構、生產要素的比例結構以及種糧勞動力在農業和非農領域的配置結構是要素結構在不同層面的重要表征，分別以農業結構調整（AS）、勞均經營規模（PCA）和非農收入占比（PWI）作為其代理變量。

（3）自然環境。糧食生產的特殊性決定了氣候環境對TFP的影響不容忽視，使用受災率反映不可控的氣候因素。

（4）制度環境。糧食生產具有弱質性，長期以來受到政策扶持，因此制度環境對糧食TFP有較大影響，使用農業稅負（AT）、財政支農力度（AFI）和農業貿易條件（ATC）反映財政收支及農產品價格體制改革等農業制度變量。

（5）經濟環境。宏觀經濟環境可能通過產業資源競爭、技術溢出等途徑影響生產率變化，分別選取對外開放度（OPEN）、工業化水平（IND）、城鎮化水平（URB）3個指標作為其代理變量。

（三）數據來源

考慮到數據可得性，本文研究不包括中國西藏、臺灣、香港和澳門地區，這僅限于一種學術處理，研究時間為1999—2018年。以上所有數據均來源于《中國統計年鑒》《中國農村統計年鑒》《中國衛生和計劃生育統計年鑒》《中國稅務年鑒》及各省份統計年鑒。其中，糧食TFP、技術進步及綜合技術效率是以上年為100的環比指數，文本將其轉化為以1999年為100的累計增長指數并取對數后作為被解釋變量。變量描述性統計如表4所示。

四、實證結果與分析

（一）單位根檢驗

為了避免“偽回歸”問題，在構建面板模型之前需要進行單位根檢驗，表5是LLC、IPS、Hadri LM 3種單位根檢驗結果，從中可以看出，各變量大多在5%顯著性水平上拒絕存在單位根的原假設，表明面板數據為平穩過程，可以利用原始數據構建計量模型。

（二）影響路徑分析

從表6結果來看，要素質量中反映耕地質量的農田水利設施對糧食TFP表現為約束作用，且這種約束作用主要是通過技術進步來實現傳導的，對技術效率影響不顯著。農田水利設施建設有利于解決水資源分配不均問題，提高作物對洪澇災害的抵御能力，極大地提升水資源利用效率。農田水利設施建設能夠促進滲透和滴灌技術使用，也使得育苗、栽培等其他現代農業技術得以推廣。因此，對糧食技術水平有顯著促進作用[32]。然而，由于農村基礎設施建設一直以來都是“三農”發展的短板，尤其農田水利設施建設歷史欠賬較多，進而對糧食技術進步產生了抑制作用。反映勞動力質量的地區人力資本對TFP增長有促進作用，且這種促進作用主要是通過技術進步來實現傳導的，對技術效率的影響為負但不顯著。人力資本有較強的外部性，無論是先進的機械設備還是農業技術，對糧食生產效率的正向影響必須依靠人的主觀能動性才能得以發揮作用。因此，人力資本對糧食技術進步有顯著促進作用。而人力資本對技術效率有不顯著的負向影響，可能是因為人力資本在農業和非農業部門之間的流動具有單向性，人力資本越高，勞動力向非農部門轉移的可能性也越大。因此，人力資本積累可能對技術效率產生負向影響，進而部分抵消了技術進步對TFP的推動作用。農村醫療資源與人力資本較為類似，但由于我國農村醫療資源總量相對匱乏，其對TFP的影響并不明顯。

要素結構變量對糧食TFP均有消極影響，反映當前要素的配置結構不合理。其中，農業結構調整對TFP的抑制作用主要是通過技術進步來實現傳導的。種植業內部結構變化在很大程度上受國家政策影響，有時甚至可能會偏離資源比較優勢，從而造成生產前沿“內移”。勞均經營規模

對技術進步和技術效率都表現出負向影響。規模效應一直是影響生產效率的重要因素，土地規模化經營有助于降低畝均生產資料價格，提高農業機械化水平，調動農民精耕細作的積極性，從而促進技術進步、提升技術效率[24]。但由于我國人均耕地面積小、土地細碎化，且農村人口“老齡化”“婦女化”問題突出，規模經濟的釋放仍然存在諸多困難。非農收入占比對TFP的抑制作用主要是通過技術效率來實現傳導的。非農收入占比提高意味著糧食增收的重要性相對下降，這會加速勞動力向“非糧化”和“非農化”轉移，進而導致生產效率損失。與預期一致，受災率對糧食TFP、技術進步和技術效率均有消極影響，反映我國糧食生產自然災害的抵御能力較差。

制度環境中財政支農力度和農業貿易條件對TFP的影響顯著為負，農業稅負的影響不顯著。其中，財政支農力度對TFP的抑制作用主要是通過技術進步來實現傳導的。這似乎與預期相悖，從絕對量看，財政支農支出一直快速增長，但其相對占比在長期未發生太大變化，標準差僅為0.03。換言之，宏觀經濟政策的“工業偏向性”一直存在，財政支農支出對糧食生產需求仍然相對不足，因此，對糧食生產效率的促進作用不明顯。農業貿易條件與財政支農支出類似。正常情況下，農業貿易條件改善會提高生產效率，二者應為正相關。但是，農產品價格支持政策也會在一定程度上扭曲價格機制，從而改變糧食生產者的市場預期和經營行為，對TFP造成不利影響。由于扭曲的價格機制難以獲得糧食經營主體積極的行為響應，因此，這種影響更多地表現為對“最佳實踐者”的負向激勵。

經濟環境3個指標對TFP有顯著的負向影響，說明經濟環境對糧食生產效率的影響更多表現為資源競爭而非技術溢出效應。并且，這種負向影響主要是通過技術進步來實現傳導的。其中，對外開放對糧食技術效率有一定的促進作用，但整體來看，對技術進步的抑制作用更強。由于我國糧食競爭力較低，導致“國糧入庫、洋糧入市”，出現“三量齊增”的怪象，這無疑會擠占糧食市場需求，壓縮國內糧食生產技術的進步空間。同時，也會提高國內市場對外國農產品的依賴性，強化我國糧食生產技術的低端鎖定。工業化和城鎮化與之情況類似，隨著工業化和城鎮化不斷深化，城鄉生產要素單向流動加速，農村優質勞動力不斷向城市非農產業轉移，從而對生產效率產生了抑制作用。

（三）地區異質性分析

為檢驗各類因素對糧食TFP的影響是否存在地區差異，本文進一步分地區進行回歸。由表7結果可知，農田水利設施促進了東部地區TFP增長，對中西部地區TFP則有抑制作用。與東部地區相比，中西部地區農田水利設施基礎薄弱，東部地區有效灌溉率均值為0.84，遠高于中西部地區。農村醫療資源與之類似。人力資本在各地區都有正向影響，但東、中、西部地區的影響系數依次下降。

農業結構調整對東部地區影響為正，對西部地區影響顯著為負，對中部地區影響不顯著。如前文所述，東部地區糧食生產一直處于弱勢地位，農業結構向糧食生產調整有利于發揮東部地區科技與人才資源優勢對TFP的拉動效應。西部地區生產條件較差，結構調整有時可能會偏離比較優勢，中部地區多為糧食主產區，結構調整空間有限。勞均經營規模對中部地區TFP有消極影響，對東部和西部地區影響不顯著。中部地區勞均經營規模均值遠高于東西部地區，可能超過規模報酬遞增區間，而東西部地區的規模經濟尚未顯現。非農收入占比對中西部的影響顯著為負，對東部地區影響不顯著。非農收入占比增加意味著農業生產收入重要性相對下降，會提高種糧勞動力在非農領域的配置比重，由于東部地區農民人均純收入水平較高，對非農收入占比變化不敏感。受災率對中部地區的負向影響最大，表明中部地區自然災害抵御能力最差。對西部地區影響不顯著，可能是因為西部地區自然條件相對惡劣，近年來隨著經濟快速發展，自然災害抵御能力逐步提高。

與前文分析一致，財政支農力度在三大地區都存在顯著消極影響。農業貿易條件在中西部地區影響顯著為負，對東部地區影響不顯著。農業稅負與東部地區TFP呈顯著負向關系，與中部地區正相關，對西部地區影響不顯著。2005年以來中央政府大幅削減農業稅，減輕了農民負擔，但由于中西部地區的稅負均值遠小于東部地區，因此農業稅削減對中西部地區的影響較弱。另一方面，耕地占用稅大幅削減可能會加劇“占優補劣”對現有耕地質量的侵蝕。對外開放度和工業化水平分別對西部、中部地區有顯著負向影響，城鎮化率則對東部和中部地區有顯著負向影響。

（四）不同發展階段異質性分析

固定效應模型實際上是條件均值回歸，很難反映整個條件分布全貌。分位數回歸結果不易受極端值影響，具有較高的穩健性，同時還能提供關于條件分布更為全面的信息。因此，本文利用條件分位數面板模型探究在糧食TFP的不同位置分布各類因素影響的異質性特征。結果如表8所示。

從表8可以看出，耕地質量在各百分位數回歸系數分別為-0.043、0.058、0.116、0.071和-0.012，且均在1%水平上顯著，表明農田水利設施對TFP的影響在整體上呈現先升后降的“倒U型”趨勢。在發展質量較低的初期階段，農田水利設施建設對糧食生產效率的促進效應不斷增強，但隨著糧食生產效率提高到一定程度（約50%），這種促進效應開始呈現遞減趨勢。此時，需要通過引入新生產要素（如新型基礎設施建設）或者促進要素質量升級才能突破衰減瓶頸，促進TFP持續提升。表現出規模報酬遞減特征的還有農業結構調整與非農收入占比。人力資本和農村醫療資源對TFP的影響則經歷了先降后升的“U型”變化，表明二者的影響可能存在門檻效應，越在高質量發展階段，勞動力質量的積極作用就越顯著。勞均經營規模與工業化水平的情況與之類似。隨著發展質量逐步提升，財政支農力度對TFP的正向影響逐漸增大，而對外開放度對糧食生產技術的低端鎖定效應有所增強，需要引起重視。農業貿易條件和城鎮化率的影響在不同百分位水平上變化不大，與OLS回歸結果近似保持一致。而農業稅負和受災率對TFP的影響趨于弱化，可能是因為近年來農業稅負大幅減免，政策操作空間有限，“稅收紅利”逐漸消失。隨著發展質量提升，運用科技抵御自然風險的能力不斷加強，因而受災率對TFP的負向影響明顯弱化。

（五）穩健性檢驗

本文從三個方面進行穩健性檢驗：一是基于內生性問題處理的穩健性檢驗。考慮到可能存在由雙向因果關系而導致的內生性問題，比如勞均經營規模會影響TFP，反過來TFP也可能影響勞均經營規模。陳海磊等[39]認為，在農村土地實際分配過程中，面臨著數量與質量的權衡取舍，為了追求相對公平，分到土地面積較少的農戶，其耕地質量可能會更好，從而TFP也更高。為了控制內生性問題，本文使用內生變量的滯后一階和二階作為工具變量，利用IV估計對模型重新回歸。二是基于異常值處理的穩健性檢驗。為了消除異常值對估計結果的影響，本文對原始數據進行縮尾處理，保留1%～99%區間的觀測值后重新回歸。三是基于替換被解釋變量的穩健性檢驗。在利用DEAMalmquist指數法測度糧食TFP時，通過改變投入變量的方式重新計算TFP，之后再進行回歸。由表9可知，除個別解釋變量系數大小略有變化外，符號和顯著性基本與前文一致，證實本文所得結論較為穩健。

五、結論與啟示

本文從TFP時空演化的視角探究了糧食產業高質量發展的創新驅動機制，運用DEAMalmquist

指數法、面板固定效應及條件分位數模型實證檢驗了中國31個省份糧食TFP的時空演化特征及技術傳導路徑。主要結論如下：①1999—2018年中國糧食TFP總體上呈現下降趨勢，年均下降1.1%，技術進步年均下降1.4%，技術效率則年均增長0.5%，技術退步是拖累糧食TFP持續提升的主導因素。就不同地區而言，東部地區憑借雄厚的物質資本和人力資本，在科技創新方面具有優勢，其技術進步速度領先于中西部地區。②從影響路徑來看，除地區人力資本通過促進技術進步來驅動糧食TFP提高外，其余變量對技術進步均有負向影響進而抑制了糧食TFP提升，反映我國糧食TFP持續提升正面臨要素質量惡化、配置結構扭曲、產業政策失靈、技術低端鎖定等多重因素制約。并且，在高質量發展階段，這種制約效應尤為顯著。③要素質量方面，耕地質量惡化和農村醫療資源匱乏顯著抑制了中西部地區糧食TFP提升。要素質量惡化或升級速度緩慢會擴大“落后者”與“最佳實踐者”的技術效率差距。④配置結構方面，要素配置結構表現為要素擁擠與稀缺現象并存特征：一是要素空間配置結構失衡，擴大了生產效率的區域差距。東部地區科技與人力資源豐富，具有糧食生產率提升的優越條件，但糧食生產一直處于弱勢地位。中西部地區糧食產量比重較高，但科技和人力資源嚴重不足。二是要素比例結構不合理，限制了規模經濟發揮作用。從勞均經營規模看，中部地區已處于規模報酬遞減階段，而東西部地區的規模經濟尚未顯現。⑤制度設計方面，我國糧食生產支持政策存在缺陷，主要表現為農產品價格支持政策對價格機制強干預的“越位”、財政支農支出不足和結構不合理的“錯位”以及對“占優補劣”監管力度不足的“缺位”。⑥科技創新方面，糧食生產技術長期處于“低端鎖定”，自主創新能力嚴重不足，導致糧食生產抵御自然風險的能力較差，同時也限制了產業融合發展的技術溢出效應。

上述結論深化了糧食TFP時空演化機制，為賦能糧食產業轉型升級、實現創新驅動的高質量發展提供了新思路：

第一，加快要素升級，提高要素質量和檔次。一是穩定耕地面積與提升耕地質量并重。全面落實耕地占補平衡，強化監督與問責機制，堅決杜絕“占優補劣”對現存優質耕地的侵蝕。同時，逐漸擴大高標準農田建設規模，并向糧食生產功能區、主產區適當傾斜，確保耕地質量穩步提升。二是提高中西部地區農村人力資本水平。加大中西部地區農村教育醫療資源投入，充分利用互聯網資源，促進優質教育資源共享，加速農村人力資本積累。豐富農村醫療供給形式，加強農村健康教育，從單一治病向“醫養防治”一體化模式轉變。

第二，優化要素比例結構和空間配置結構，改善資源配置效率。一是創新土地流轉機制，突破規模化經營制度壁壘。進一步深化農村土地制度改革，清除權屬安排模糊和權能界定不清的灰色地帶，使產權關系更加有效地發揮作用。同時，積極探索“土地銀行”“土地托管”“土地股權合作”等新型土地流轉模式，優化配置土地經營權，推動適度規模經營。二是依托區域產業互動的技術合作與人才交流，充分利用東部地區科技與人力資源優勢，對中西部地區形成輻射效應，從而加快中西部地區科技人力資本積累。通過優化產業要素空間配置結構，促進產業結構向合理化和高度化轉型。

第三，完善產業政策設計，提高政策適配性和有效性。首先，構建以市場需求為導向的“以質論價、優質優價”機制，提升農產品質量和產業經濟效益，避免以行政手段對價格機制的直接干預，防止市場資源調節機制弱化，按“市場定價、價補分離”原則，對糧食生產環節進行適度支持引導。其次，增加財政支農力度，優化支出結構。目前財政支農力度不足和結構不合理問題并存，主要表現為生產性支出比重偏低，尤其基礎設施建設、農產品加工、產業化組織經營等項目支出嚴重不足，應加大財政支農投入，并逐步提高生產性支出比重。

第四，強化科技創新能力，加速技術突破和跨越式升級。一方面，健全農業科技創新合作機制，打通科技創新的“源頭活水”，重點突破“卡脖子”技術難題，提高糧食作物對環境變化的適應能力。另一方面，將物聯網、人工智能等數字經濟技術積極融入糧食生產、加工、存儲和運輸各環節，通過“產業鏈橫向拓展和縱向延伸、供應鏈優化、價值鏈升級”，提升糧食產業鏈現代化水平，以充分發揮產業融合發展的技術溢出及產業協同效應，加速糧食產業向精準化、數字化、智能化轉型升級。

[注 釋]

① https：//www.spp.gov.cn/tt/201710/t20171018_202773.shtml。

② 根據Atkinson等[25]的研究，隨機抽樣次數應至少等于截面個體數的平方才能保證準確性，因此隨機抽樣1萬次是合適的。同時，為了保證估計結果的穩健性，本文使用百分位法和正態分布法估計置信區間，兩種方法下的估計結果近乎一致。

③ KS檢驗是比較兩個樣本是否存在顯著性差異有效且常用的非參數方法之一，詳見Lopes等[27]。

④ LMtest、LRtest及Hausman檢驗結果均在1%水平上表明面板固定效應模型優于隨機效應模型。

⑤ 糧食包括稻谷、小麥、玉米、高粱、谷子、薯類、大豆及其他雜糧。

⑥ 為鎖定離群值，本文計算了全部樣本對回歸結果的影響力，發現其最大值與均值之比為2.97。且影響力前10位的樣本中新疆和西藏樣本占7位，與原始資料核對后并未發現數據有誤，這可能是因為地區間存在異質性，故不將其視為異常值。

⑦ 現有統計資料不能單獨分離農業稅征收數量，考慮到耕地占用稅和契稅占農業四稅比重較高，本文使用二者之和代表農業稅數量。另外，由于西藏地區契稅數據缺失嚴重，在回歸時將其剔除，西部地區樣本總數為220個。[BFQ][ZK）]

[參考文獻]

[1]SOLOW R M. A contribution to the theory of economic growth[J].The quarterly journal of economics， 1956， 70（1）：65-94.

[2]REDDING S. Path dependence， endogenous innovation， and growth[J].International economic review， 2002， 43（4）：1215-1248.

[3]朱希剛.我國糧食生產率增長分析[J].農業經濟問題，1999（7）：2-9.

[4]龔斌磊，張書睿，王碩，等.新中國成立70年農業技術進步研究綜述[J].農業經濟問題，2020（6）：11-29.

[5]LIN J Y. Rural reforms and agricultural growth in China[J]. The American economic review， 1992，82（1）：34-51.

[6]韋鋒，徐源琴.農業稅減免與農業全要素生產率——來自中國全面取消農業稅的證據[J].世界農業，2020（12）：87-97.

[7]王善高，許昭，劉吉雙.糧食收入性補貼對糧食生產技術效率的影響分析——以不同規模稻谷種植為例[J].農林經濟管理學報，2020，19（3）：297-306.

[8]韓旭東，王若男，楊慧蓮，等.土地細碎化、土地流轉與農業生產效率——基于全國2745個農戶調研樣本的實證分析[J].西北農林科技大學學報（社會科學版），2020，20（5）：143-153.

[9]許慶.技術效率、配置效率與中國的糧食生產——基于農戶的微觀實證研究[J].人民論壇·學術前沿，2013（16）：84-95.

[10]劉戰偉.氣候變化視角下我國糧食生產率增長及其影響因素分析[J].南方農業學報，2019，50（2）：424-431.

[11]肖紅波，王濟民.新世紀以來我國糧食綜合技術效率和全要素生產率分析[J].農業技術經濟，2012（1）：36-46.

[12]楊錦英，韓曉娜，方行明.中國糧食生產效率實證研究[J].經濟學動態，2013（6）：47-53.

[13]江松穎，劉穎，萬晶.湖北省糧食生產的時空特征演變研究——基于耕地因素分解的視角[J].長江流域資源與環境，2016，25（9）：1339-1346.

[14]陳衛平，鄭風田.中國的糧食生產力革命——1953—2003年中國主要糧食作物全要素生產率增長及其對產出的貢獻[J].經濟理論與經濟管理，2006（4）：56-61.

[15]馬林靜，王雅鵬，田云.中國糧食全要素生產率及影響因素的區域分異研究[J].農業現代化研究，2014，35（4）：385-391.

[16]羅光強，譚芳.糧食生產效率的區域差異及其政策效應的異質性[J].農林經濟管理學報，2020，19（1）：34-43.

[17]文高輝，劉蒙罷，胡賢輝，等.耕地細碎化與農業全要素生產率的空間格局及空間相關性探析[J].地域研究與開發，2020，39（5）：169-174.

[18]張超正，楊鋼橋.農地細碎化、耕地質量對水稻生產效率的影響[J].華中農業大學學報（社會科學版），2020（2）：127-134.

[19]于偉，張鵬，姬志恒.中國省域農村教育人力資本與農業全要素生產率的空間交互效應——基于空間聯立方程的經驗分析[J].中國農業大學學報，2020，25（3）：192-202.

[20]鄧明，柳玉貴，王勁波.勞動力配置扭曲與全要素生產率[J].廈門大學學報（哲學社會科學版），2020（1）：131-144.

[21]秦升澤，吳平.農業全要素生產率影響因素的社會嵌入性研究[J].華中農業大學學報（社會科學版），2020（2）：59-66.

[22]高維龍.農業服務化對糧食產業高質量發展的影響效應及作用機制[J].廣東財經大學學報，2021，36（3）：61-76.

[23]金碚.關于“高質量發展”的經濟學研究[J].中國工業經濟，2018（4）：5-18.

[24]高維龍.產業集聚驅動糧食高質量發展機制[J].華南農業大學學報（社會科學版），2021，20（2）：80-94.

[25]ATKINSON S E， WILSON P W. Comparing mean efficiency and productivity scores from small samples： a bootstrap methodology[J]. Journal of productivity analysis，1995，6（2）： 137-152.

[26]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.

[27]LOPES R H， HOBSON P R， REID I D. Computationally efficient algorithms for the twodimensional KolmogorovSmirnov test[Z]. IOP Publishing，Journal of Physics： Conference Series，2008，119 （042019）.

[28]李士梅，高維龍.要素集聚下我國糧食生產經營制約因素分析[J].農業技術經濟，2019（6）：38-45.

[29]徐永金，黃紀心，苗珊珊.主產區、產銷平衡區和主銷區糧食產量影響因素的實證分析[J].江蘇農業科學，2018，46（20）：362-365.

[30]李文華.基于DEAMalmquist指數的中國農業全要素生產率時空差異及影響因素分析[J].山東農業大學學報（社會科學版），2018，20（2）：96-103.

[31]李谷成.中國農業的綠色生產率革命：1978—2008年[J].經濟學（季刊），2014，13（2）：537-558.

[32]王芳，曾令秋.農業全要素生產率與農業優先發展[J].財經科學，2021（2）：121-132.

[33]FRE R， GROSSKOPF S， NORRIS M， et al. Productivity growth， technical progress， and efficiency change in industrialized countries[J]. The American economic review，1994，84（1）： 66-83.

[34]RAY S C， DESLI E. Productivity growth， technical progress， and efficiency change in industrialized countries： comment[J]. The American economic review，1997，87（5）：1033-1039.

[35]HOU L， ZHANG Y， ZHAN J， et al. Marginal revenue of land and total factor productivity in Chinese agriculture： evidence from spatial analysis[J]. Journal of geographical sciences，2012，22（1）：167-178.

[36]朱滿德，李辛一，程國強.綜合性收入補貼對中國玉米全要素生產率的影響分析——基于省級面板數據的DEATobit兩階段法[J].中國農村經濟，2015（11）：4-14.

[37]周鵬飛，謝黎，王亞飛.我國農業全要素生產率的變動軌跡及驅動因素分析——基于DEAMalmquist指數法與兩步系統GMM模型的實證考察[J].蘭州學刊，2019（12）：170-186.

[38]閔銳，李谷成.環境約束條件下的中國糧食全要素生產率增長與分解——基于省域面板數據與序列MalmquistLuenberger指數的觀察[J].經濟評論，2012（5）：34-42.

[39]陳海磊，史清華，顧海英.農戶土地流轉是有效率的嗎？——以山西為例[J].中國農村經濟，2014（7）：61-71.

Research on Innovation Driving Mechanism of Highquality Development

of Grain Industry

——From the Perspective of Temporalspatial Evolution

of Total Factor Productivity

Gao? Weilong1，? Li? Shimei1，? Hu? Xunan2

（1. Economics School， Jilin University， Changchun 130012， China;

2. Economics School， Changchun University， Changchun 130012， China）

Abstract： ??Innovation is the first driving force to enable the transformation and upgrading of grain industry and to lead highquality development. Based on DEA Malmquist index， the panel fixed effect and the conditional quantile model， this paper empirically analyzes the temporalspatial evolution mechanism and technology transmission path of grain total factor productivity （TFP）. The results show that： At present， the grain TFP has a downward trend， which is mainly due to the lack of technological progress. The eastern region has advantages in scientific and technological innovation， and its technological progress rate is faster than that of the central and western regions. From the perspective of impact path， except for human capital， other factors have negative influence on technological progress， which means the improvement of grain TFP is facing the constraints of many factors， such as deterioration of factor quality， distortion of allocation structure， failure of industrial policy and lockin of lowend technology， etc. Especially in the stage of highquality development， this restriction effect is more significant. Therefore， its necessary to improve factor quality， optimize the collocation structure， perfect policy design， and strengthen scientific and technological innovation to activate the innovation power of highquality development of grain industry.

Key words：grain industry; highquality development; innovation driving; total factor productivity; temporalspatial evolution

（責任編輯：李 萌）