產業(yè)集聚對農業(yè)生產技術效率的影響

夏雪軼，郭曉東

（南京財經(jīng)大學 糧食經(jīng)濟研究院，江蘇 南京 210003）

農業(yè)發(fā)展問題一直是中國經(jīng)濟建設發(fā)展的重點問題，2020年中央一號文件仍然聚焦農業(yè)農村問題，力圖通過重點支持三農建設為實現(xiàn)全面小康打好基礎。連續(xù)16年有關農業(yè)問題的中央一號文件無疑表明了農業(yè)發(fā)展在社會經(jīng)濟發(fā)展的過程中擔任的重要角色。隨著中國經(jīng)濟發(fā)展的轉型，農業(yè)經(jīng)濟的發(fā)展也正處于向現(xiàn)代化農業(yè)轉變的關鍵時期。

集聚經(jīng)濟是指地理集中多帶來的收益增加或成本節(jié)約，進而帶來生產率的改進[1]。當某個產業(yè)在一個地區(qū)形成產業(yè)集聚時，該產業(yè)的資本要素便會不斷匯聚到一個空間，帶動一個地區(qū)的經(jīng)濟發(fā)展。在現(xiàn)代化農業(yè)思想的帶動下，中國開始出現(xiàn)數(shù)個農業(yè)產業(yè)集聚。目前中外皆有許多成功的農業(yè)產業(yè)集聚區(qū)，如山東壽光的蔬菜生產集聚區(qū)、新疆的棉花種植集聚區(qū)。集聚區(qū)往往具有鮮明的比較優(yōu)勢、明顯的規(guī)模經(jīng)濟，相較于非集聚區(qū)，技術的集中應用可能會帶來較高的生產率以及較強的產業(yè)競爭力。目前國內對產業(yè)集聚的研究大部分集中在服務業(yè)與制造業(yè)，如對生產性服務業(yè)聚集的研究[2-3]。而在農業(yè)產業(yè)集聚的研究上仍較少，主要集中在四個方面，包括對產業(yè)聚集的定義研究，對產業(yè)集聚形成機制的研究[4]，對產業(yè)集聚影響經(jīng)濟發(fā)展效益的研究[5]以及對農業(yè)產業(yè)集聚現(xiàn)狀的分析和理論研究[6]。

產業(yè)集聚的出現(xiàn)對經(jīng)濟發(fā)展有著重要的意義。農業(yè)產業(yè)集聚能夠集中農業(yè)生產的資本要素，一方面擴大對農業(yè)現(xiàn)有成熟技術的需求量，另一方面帶動農業(yè)生產新技術的應用和推廣。農業(yè)產業(yè)的集聚不僅能帶動相關產業(yè)上下游企業(yè)的發(fā)展，同時也能大幅提高農產品在市場上的競爭力，提高農業(yè)市場的活力，從而提升農業(yè)經(jīng)濟效率。目前，現(xiàn)有研究通常是聚焦工業(yè)和服務業(yè)中產業(yè)集聚與技術效率的關系，鮮有聚焦產業(yè)集聚對農業(yè)技術效率影響的研究。因此，本文在已有學者研究的基礎上，測算出產業(yè)集聚度與技術效率，重點研究產業(yè)集聚對農業(yè)技術效率的影響，對農業(yè)產業(yè)集聚的發(fā)展提出相應的建議，以期提高技術效率，實現(xiàn)農業(yè)現(xiàn)代化的順利轉型。

1 數(shù)據(jù)來源和模型設定

1.1 數(shù)據(jù)來源與變量設置

農業(yè)生產領域長時間存在是采用專業(yè)化大生產還是小而精生產方式的討論，部分學者在對這兩種生產方式的技術效率討論中得出了相反的結論，但較少有學者從產業(yè)集聚的角度來分析差別的原因，因此本文選取2019年我國農業(yè)產值總排名前5的省份（河南、山東、四川、江蘇、湖北）為研究對象，計算并分析了2009—2017年5個省市的農業(yè)技術效率和產業(yè)集聚度，共獲得45個樣本，由此對產業(yè)集聚度如何影響技術效率進行初步的研究。

表1對主要變量進行了描述性統(tǒng)計。其中農業(yè)總產值和播種面積、化肥投入、機械投入、勞動力投入分別作為計算技術效率的產出和投入要素。勞動力投入以種植業(yè)從業(yè)人數(shù)來代替，借鑒田偉等[7]所用方法，根據(jù)式（1）計算種植業(yè)從業(yè)人數(shù)。數(shù)據(jù)均來源于《中國農村統(tǒng)計年鑒》《中國漁業(yè)統(tǒng)計年鑒》《中國林業(yè)統(tǒng)計年鑒》和各省的統(tǒng)計年鑒。

表1 變量的描述性統(tǒng)計

式中：EPI為種植業(yè)從業(yè)人數(shù)，萬人；FIP為第一產業(yè)從業(yè)人口，萬人；FEP為林業(yè)單位年末在崗人數(shù)，萬人；FP為漁業(yè)人數(shù)，萬人。

1.2 產業(yè)集聚的衡量

目前，產業(yè)集聚的測算主要采用專業(yè)化差異指標、區(qū)位商以及空間基尼系數(shù)等[8]。其中，專業(yè)化差異主要是統(tǒng)計計算差異化指標來獲得，通過一個地區(qū)相對于另一個地區(qū)的產出差異來計算出該地區(qū)的差異化指標，衡量的是某個地區(qū)某個產業(yè)的專業(yè)化水平。而空間基尼系數(shù)則主要考察一個產業(yè)在全國的分布程度。考慮到農業(yè)的實際情況以及數(shù)據(jù)的可獲得性，本文采用區(qū)位商指標來衡量產業(yè)集聚的程度。

區(qū)位商可以用來反映某個特定產業(yè)的專業(yè)化程度，因此可以通過該指標的計算結果來分析產業(yè)的集聚化（專業(yè)化）程度。區(qū)位商的計算公式：

式中：LQab為b地區(qū)a行業(yè)的區(qū)位商；xab為b地區(qū)a行業(yè)的勞動力投入，萬人；xb為b地區(qū)的勞動力總投入，萬人；xa為a行業(yè)全部地區(qū)的勞動力投入，萬人；x為全國勞動力的投入，萬人。

區(qū)位商指標的測算一般以1為分界點，若某省的區(qū)位商測算結果大于1，則表明該省農業(yè)的比重高于全國的平均水平；若測算結果小于1，則表明該省的農業(yè)比重低于全國的平均水平；若測算結果等于1，則表明該省的農業(yè)比重等于全國的平均水平。由于此項指標數(shù)據(jù)較易獲得，因此區(qū)位商指標的計算方法相較于其他指標的計算更為方便快捷（需要注意的是此指標衡量的是行業(yè)聚集的相對規(guī)模）。

1.3 技術效率及模型的構建

目前技術效率的測算主要有兩種：一種是數(shù)據(jù)包絡分析法（DEA），另一種是隨機前沿分析法（SFA）。前者的好處在于不必制定生產函數(shù)的形式，相較于后者來說更加快捷且不受限制。而后者則考慮了模型的誤差項和參數(shù)的可檢驗性[9]。本文采用考慮了隨機誤差因素的隨機前沿分析以及簡潔、易于分析的Cobb-Douglas生產函數(shù)來計算技術效率，函數(shù)形式如下：

式中：Yi為i省份的農業(yè)總產值，億元；xij為i省份的j投入要素（具體指標如表1所示）；α為待估參數(shù)；Vit為隨機誤差項；Uit為技術非效率項。

隨后，將計算出的技術效率作為被解釋變量，考察產業(yè)集聚對技術效率的影響。構建的回歸模型如下：

式中：abo為產業(yè)的集聚度；z為其他可能影響技術效率的因素（具體指標及其含義如表2所示）；β為待估參數(shù)。

表2 指標的具體選擇以及含義

為了保證回歸方程的穩(wěn)健性，對回歸中所有的變量都取對數(shù)值來進行分析。

2 實證結果與分析

2.1 產業(yè)集聚度的計算

借助于式（2）可以計算出5個省份每年的區(qū)位商，如表3所示。2009—2017年5個省份的農業(yè)聚集度總體呈上升趨勢，但上升幅度均不大，個別年份存在下降的現(xiàn)象。農業(yè)聚集度的上升主要得益于近年來規(guī)模化生產的擴大以及生產專業(yè)化思想的推廣，在各地政府的主導下，形成了若干個農業(yè)生產的集聚區(qū)（以山東壽光蔬菜生產集聚區(qū)為代表），在一定程度上提高了農業(yè)生產的專業(yè)化。

表3 不同年份的農業(yè)聚集度（區(qū)位商）

河南、湖北、江蘇、山東、四川5個省份2009—2017年的平均區(qū)位商分別為1.408、1.327、0.607、1.020、1.329。其中：河南省的平均區(qū)位商在五省之中排名第一，江蘇省的最低。由上述對區(qū)位商的分析可知，除江蘇之外，其他4個省份的平均區(qū)位商都高于全國的平均水平。江蘇省作為經(jīng)濟發(fā)展的大省，其農業(yè)產值也排名前列，但是產業(yè)集聚度卻低于全國的平均水平。這可能是因為本文選擇農業(yè)勞動力人數(shù)來計算區(qū)位商指標，而作為有著天然經(jīng)濟發(fā)展優(yōu)勢的大省，江蘇省農業(yè)生產先進技術的應用程度可能高于其他省份，因而導致對其區(qū)位商的低估。

2.2 技術效率

本研究使用Stata 15軟件，利用隨機前沿方法計算出了不同省份的技術效率，表4展示了生產函數(shù)的估計結果。播種面積、化肥投入、機械投入、勞動力投入均在1%的水平上顯著，這也說明農業(yè)總產出會隨著這些要素投入的增加而提高。同時表中P值為0也反映出回歸方程的擬合程度較好，因此結果較為可信。

表4 隨機前沿生產函數(shù)估計結果

如表5所示，五省2009—2017年的技術效率值呈上升趨勢。自2014年開始所有省份的生產技術效率均達到90%以上。技術效率的快速提高一方面是依賴于前些年高投入高產出的“粗放式”發(fā)展；另一方面，由于生產環(huán)境惡化的限制，各省也在積極嘗試通過專業(yè)化的管理以及先進技術的應用來提高效率。

表5 2009—2017年各省份技術效率值

2.3 產業(yè)集聚對技術效率的影響分析

在對總體樣本的回歸分析中，若變量的系數(shù)為正，則表示該變量對農業(yè)技術效率存在正向的影響；若變量的系數(shù)為負，則表示該變量對農業(yè)技術效率存在負向的影響。回歸結果如表6所示。實證結果顯示，產業(yè)集聚、財政助農支出和城鎮(zhèn)化水平對農業(yè)技術效率皆存在正向的影響，且都在1%水平下顯著。產業(yè)集聚度每增加1%，農業(yè)生產技術效率增加0.279%。產業(yè)集聚能夠通過提高生產專業(yè)化和集中化的方式，降低技術應用在“分散式”農業(yè)中的成本和風險，加快各項先進技術在現(xiàn)實農業(yè)生產中的落地，從而達到提高技術效率的目的。財政助農支出通過對建設農業(yè)基礎設施的大力投資以及專項農業(yè)技術的大力扶持，為農業(yè)生產集聚區(qū)的出現(xiàn)打下了良好的基礎，同時通過助農補貼提高了農戶生產的積極性。在當年國家大力發(fā)展現(xiàn)代化農業(yè)的背景下，新型數(shù)字農村建設的推進勢必會吸引大批高技術型的城市人才反哺農業(yè)，城鎮(zhèn)化水平的提高在未來將有效提高農業(yè)技術型人才的比例，為發(fā)展新型現(xiàn)代化農業(yè)打下堅實的基礎。有效灌溉面積及人均機械動力對技術效率的影響均不顯著，且人均機械動力對技術效率存在負面的影響，這與田偉等[7]的研究結果一致，表明我國的機械化水平在提高技術效率方面還未發(fā)揮出真正的作用和效用，需要更加合理的安排機械化的使用。

表6 線性回歸結果

3 結 論

本文建立了Cobb-Douglas生產函數(shù)，利用隨機前沿生產法探究產業(yè)集聚對農業(yè)技術效率的影響。研究發(fā)現(xiàn)，河南、湖北、山東、四川2009—2017年的平均區(qū)位商均高于全國平均水平，同時研究的5個省份的平均技術效率均達到85%以上，處于一個比較高的水平。此外，本文的核心解釋變量產業(yè)集聚對農業(yè)技術效率有著正向的影響，且財政助農支出、城鎮(zhèn)化水平也對農業(yè)技術效率有顯著的正向影響。

農業(yè)產業(yè)化發(fā)展使得農業(yè)企業(yè)可以通過擴大自身規(guī)模擴大經(jīng)濟效益，但是這樣便無法獲得產業(yè)集聚帶來的外部效應。中國的農業(yè)產業(yè)集聚仍處于初級階段，有較大的發(fā)展空間。與國外相比，中國的農業(yè)產業(yè)存在集聚特征不明顯，分工化合作不到位等現(xiàn)象，所以在國際上的競爭力仍然偏弱。因此，為了大力推動農業(yè)產業(yè)集聚的發(fā)展，首先，政府應加大對農業(yè)產業(yè)集聚區(qū)的政策扶持力度，提高農戶的參與度；其次鼓勵農業(yè)龍頭企業(yè)建立與生產農戶的良好合作關系，促進良性競爭；最后政府需要加大農業(yè)科技研發(fā)投入，培養(yǎng)更多的新型復合型農業(yè)人才，從而增強中國農業(yè)產業(yè)在國際市場的競爭力。