我國省際糧食生產效率評價與影響因素研究

王子涵

河南工業大學，河南鄭州 450000

“民以食為天，食以安為先。”糧食安全與國家發展緊密結合，是興國安民的一等要務。“十四五”規劃綱要指出要將糧食安全作為國家安全的堅實根基，并對此進行了安排部署，體現了糧食安全極其重要的地位。中央經濟工作會議、中央農村工作會議和黨的十九屆五中全會均表現出對糧食安全的高度重視。近年來，我國在糧食安全發展方面取得了舉世矚目的成就，但在農業比較效益低、農業生產成本高、農業生產的耕地資源逐漸減少的現狀下，我國糧食安全仍面臨著許多潛在的威脅[1]。

新型冠狀病毒肺炎疫情暴發以來，部分國家對糧食出口采取限制性措施，由于疫情管控的封鎖措施影響了糧食產出水平與流通速度，全球糧食安全和農產品貿易受到了一定的沖擊[2]。全球為緩解糧食危機發布的2021年《全球糧食危機報告》指出，全球糧食危機水平已上升至近5年來最高。新型冠狀病毒肺炎疫情的暴發對各國防范糧食市場風險、化解生產隱患和保障市場供給都提出了重大的挑戰。后疫情時代，全球主要農業大國紛紛調整和制定新的糧食發展戰略和糧食安全舉措。在面對后疫情時代世界糧食發展與安全格局的新變化時，作為世界糧食的生產和消費大國，中國穩定糧食生產，保障糧食絕對安全是當前和未來很長一段時間需要解決的突出問題[3]。

與此同時，當前國際糧食貿易秩序也進一步增加了中國的糧食安全風險，主要表現在3個方面：第一，世界糧食安全治理面臨困境。由發達國家主導的全球糧食安全治理體系處于不平等的狀態，跨國糧農企業控制全球糧食貿易，以跨國糧農企業為中心的糧食體系缺乏韌度和自我調整性。第二，新型冠狀病毒肺炎疫情的全球暴發進一步加劇世界糧食安全惡化態勢。聯合國糧食和農業組織發布的《2021年世界糧食安全和營養狀況》指出：“到2030年可能仍有約66億人面臨饑餓，與未發生COVID-19疫情的情景相比增加3 000萬人，其中部分原因是疫情對全球糧食安全造成的長期影響。”第三，中國糧食進口來源國較為集中，其中大豆的對外依存度最高，這使得中國在國際糧食貿易中承擔更多的政治風險、法律風險、商業風險、價格風險和供應鏈風險[4]。

我國在提高農業生產效率時所面臨的首要挑戰是兼顧糧食安全和對農業資源利用。國內學者研究表明，解決上述問題的切實可行的辦法是提高農業資源利用效率[5]。研究者不僅要研究各投入要素與農業生產效率之間的關系，還要論證以下幾個問題：國家糧食安全體制與資源利用效率對農業生產效率的影響。技術投入與生產規模如何影響農業生產效率？對于上述問題，利用《中國統計年鑒》，利用農村用電量、有效灌溉面積、農藥使用量和農用塑料薄膜使用量等要素分析2015—2020年全國各個省（市）的糧食效率，同時分析居民人均可支配收入、R&D經費和鄉村人口指標對糧食生產效率的影響，以期為中國以提高農業資源利用效率和糧食安全為目的的經濟水平提升提供依據，助力中國維護國家糧食安全戰略。

1 文獻綜述

農業生產資源的利用和糧食安全如何影響農業生產率一直是農業經濟學者的研究重心[6]。國內學者對農業生產率進行了深入的分析調查，主要側重于農業經營體制、農業勞動生產率和耕地資源利用效率等方面[7]。在農業生產效率方面，主要從效率測定、投入因子等方面進行研究。在糧食安全方面，則更多的是關注糧食安全現狀、糧食生產效率、投入因子等[8]。學者在增長因素方面存在2種不同看法：一種主張技術進步會促進全要素生產率增長，技術效率則會限制其進步與發展，另一種主張技術進步與技術效率相輔相成，共同促進了全要素生產率的增長[9]。在影響因素方面，影響糧食全要素生產率的因素主要包括經濟水平、基礎設施、糧食產出和農民人口占比等，研究結論隨著時間和區域的不同會有所差異[10]。

衡量農業生產效率最主要的概念是農業全要素生產率，其主要用途是測度除勞動力和資本投入以外，因技術發展和效率進步等實現的農業增長。我國學者在研究農業全要素生產率時主要分為2個方面。

一是研究農業全要素生產率的不同測算方式，主要包括隨機前沿面分析法(SFA)、生產函數法和基于DEA的Malmquist生產函數指數法等，并且對不同方式的結果進行了對比式分析。王陽[11]運用生產函數法研究了四川省的面板數據，得出農業技術水平的提升一方面推動了農業TFP的增長,另一方面卻拉大了技術效率差距。黃金波等[12]引入半參數和完全非參數隨機前沿模型，得出我國糧食生產技術效率的時間效應關于連續型影響變量具有顯著效應。王永靜等[13]運用含非期望產出的超效率EBM模型和GlobalMalmquist指數模型測算各省（市）農業全要素能源效率和能源全要素生產率，得出農業能源效率提高與能源全要素生產率具有高度的相關性。

二是研究農業全要素生產率的主要影響因子，國內學者從農戶資源生產要素、農村公共品供給、經濟發展水平等因素對農業全要素生產率的影響。周鵬飛等[14]采用DEA-Malmquist指數法和兩步系統GMM模型分析，得出農業TFP增長率及其對第一產業總產值增長的貢獻率均呈現出中部大于西部、西部大于東部的特點。李文華[15]運用非參數Malmquist生產率指數方法測算了中國農業全要素生產率的變化特征。王留鑫等[16]利用DEA-Malmquist指數法對農業全要素生產率進行研究,發現我國農業全要素生產率年均增長2.8%。

由上述分析可得，DEA是一種較為直觀、全面的農業全要素生產率測算方式，多數地區由于各方面稟賦不同，在測算時需要考慮地域差異。而DEA不用研究者主觀地設定函數，客觀性較強，結果可視化程度高，可以減小誤差，運用范圍較廣，便于理解與分析。利用DEA-Malmquist指數等方法對中國各省農業全要素生產率進行測定，從時間、空間等多維角度對中國糧食效率進行可讀化分析，有利于更好地把握中國農業經濟水平和發展趨勢，了解糧食安全和農業資源利用效率對農業生產效率的影響，并提出一些前瞻性的建議。

2 研究方法與變量選取

2.1 實證方法

2.1.1 數據包絡模型Malmquist生產率指數是由Malmquist(1953)最早提出來的，后來Caves等(1982)將Shepherd距離函數與Malmquist生產率指數相聯系用于生產率變化的測算。由于選用的研究數據是多輸入多輸出型，不用對數據作出任何調整，且不需要了解數據之間的某些表達式關系，而DEA模型只從決策單元的實際輸入輸出數據求出最優權重，具有很強的客觀性，能更準確清晰地反映動態效率變化，因此選用DEA-Malmquist指數進行分析[17]。

由文獻可得，DEA-Malmquist指數公式如下：

在公式（1）中，TPFCH為全要素生產率，Dt為以t期技術水平表示的t期與t+1期的距離函數，Dt+1為以t+1期技術水平表示的t期與t+1期的距離函數。全要素生產率（TFP）為技術效率（TEC）和技術進步（TC）的乘積，技術效率為純技術效率（PEC）和規模效率（SEC）的乘積，如下式：

2.1.2 受限因變量模型Tobit模型由James Tobin（1958）提出，指因變量雖然在正值上大致連續分布，但包含一部分以正概率取值為0的觀察值的一類模型。因變量在該模型中是有取值范圍的。效率測算的結果在0到1之間，屬于受限因變量模型，此時用最小二乘法估計含有截尾數據的模型參數會產生偏差，且估計量是不一致的。而Tobit模型則不會出現上述問題，所以使用Tobit模型分析我國糧食效率的影響因素。

Tobit回歸模型為：

其中，Y*為截斷因變量向量，Y為效率值向量，X為自變量向量，β為回歸參數向量，μ為誤差項，且μ～(0，σ2)。

2.2 變量選擇

在運用DEA-Malmquist指數方法進行測算與分析前，綜合考慮產出變量的真實、準確、完整和可獲得性，對投入變量、產出變量和影響指標進行明確的定義。

農業生產總值是衡量糧食效率最重要、最根本的產出變量，但考慮到其容易受到價格因素的影響，所以選取農業生產總值和糧食產量2個產出變量，兩者優勢互補，使結果更加直觀明晰。

考慮各變量對結果的影響程度和重要性，共選取8個投入變量。一是主要農業機械年末擁有量，指農業生產單位實際擁有的各種農業機械設備的數量，包括專門用于農業生產的和以農業生產為主進行綜合利用的機械設備。二是有效灌溉面積指的是地塊比較平整，有水源、灌溉配套設施，在一般年景下當年能進行正常灌溉的農田面積。三是農作物總播種面積，是指實際播種或移植有農作物的面積。四是農用柴油使用量，指用于拖拉機和排灌柴油機的柴油使用量。五是農藥使用量，指農業上用于防治病蟲害和調節植物生長的化學藥劑使用量。六是農用塑料薄膜使用量，指農業生產中用于保護植物水分流失等措施的一種制品的使用量。七是農村用電量，指農業用于生活生產的電使用量。八是農用化肥施用折純量，指本年內實際用于農業生產的化肥數量，包括氮肥、磷肥、鉀肥和復合肥。

為使研究模型更多維立體，研究結果更全面完整，除投入產出變量外，延展選取3個外生變量作為影響效率的指標。作為消費開支的最重要決定性因素，居民人均可支配收入常被用來衡量一個國家生活水平的變化情況。R&D經費能夠直接體現國家對研究與開發的經費投入，是表現國家對糧食效率發展支持程度的關鍵指標。鄉村人口。勞動力可以顯著提高糧食生產效率，但由于數據不可獲得，因此以鄉村人口代替為影響指標。投入產出變量與影響指標的統計性描述見表1。

表1 變量的統計性描述

2.3 數據來源

所有數據選自《中國統計年鑒》《中國農村統計年鑒》（2016—2021）。

3 結果與分析

使用DEAP2.1版本，運用DEA—Malmquist指數方法，對中國31個省（市）2015—2020年間糧食效率技術進步、技術效率、純技術效率、規模效率、全要素生產率進行分解與測算，并運用Stata16.0來分析效率影響因素。

3.1 糧食效率的變化趨勢

糧食效率隨年份變化趨勢見表2，從 總 體 上 來 看，2015—2020年，中國31個省（市）糧食效率全要素生產率平均增長5.6%，技術效率平均增長-2.94%，技術進步平均增長12.08%，純技術效率增長-0.96%，規模效率增長-2.08%。不難看出，糧食效率的全要素生產率增長幅度較大，主要依靠技術進步的快速增長，同時體現出技術無效率。技術無效率具體表現為純技術效率和規模效率的退步，且主要歸因于規模無效率。

表2 2016—2020年糧食產量效率的變化趨勢

在研究期間，我國實行第十三個五年規劃，加大投入力度，鼎力支持農業技術水平的提升，糧食效率全要素生產率呈現逐年遞增的趨勢，糧食效率的技術進步指數始終大于1，作出了重大貢獻，但正向貢獻程度較低，還有提升空間。技術效率自2018年起才對全要素生產率具有正向促進作用，但由于2019年中美貿易戰拉開帷幕，新型冠狀病毒肺炎疫情暴發，技術效率受到了嚴重影響，2020年疫情稍有好轉，我國各行各業的經濟逐漸復興，帶動了農業技術和技術效率的快速提高。技術效率僅有在2018年和2020年呈正向增長，主要原因為純技術效率指數大于1，其中2018年技術效率增長幅度最大，因為此時規模效率和純技術效率協同促進其增長。

3.2 糧食效率的省際間差異分析

由于各省（市）在經濟水平、區位特征、自然資源和農業發展水平等方面存在顯著的差異，因此對糧食效率在2015—2020年間分省差異情況的分析不可或缺。

糧食效率分省差異情況見表3，從整體上來看，我國31個省（市）在2015—2020年間的綜合效率、技術效率和規模效率具有較強的波動性和隨機性，并且各個省（市）的綜合效率、技術效率和規模效率的均值都小于1，仍有一定的上升空間。從全要素生產率的組成部分來看，1個省（市）的綜合效率指數等于1，為海南省，4個省（市）的技術效率指數等于1，分別為北京市、福建省、廣東省和海南省，處于技術有效率狀態，1個省（市）的規模效率指數等于1，為海南省，站在了生產的前沿，達到了最佳狀態。其中，海南省著力于農業發展，為糧食效率的提高作出重要貢獻。由此可見，各個省（市）糧食效率的全要素生產率進步主要得益于技術進步指數的增長，而綜合效率指數為1則主要歸因于技術效率所帶來的巨大效益。

表3 糧食效率分省變化情況

按照國家的規定對31個省（市）進行東、中、西3個區域的劃分。東部、中部和西部地區綜合效率分別為0.397、0.130、0.261，技術效率分別為0.71、0.315、0.5，規模效率分別為0.578、0.55、0.587。從總體出發，東部區域對中國提高糧食效率的貢獻率較高，處于生產前端，帶動著西部和中部的農業發展。

從糧食效率的組成要素來看，東部地區剩余農業經濟發展能力較強，實行東部現代化政策，有北京、浙江、福建、廣東、海南5個省（市）的綜合效率指數大于平均值，有4個省（市）的技術效率值低于平均值，5個省（市）的規模效率值低于平均值。

西部地區大力落實西部大開發戰略，有重慶、陜西、青海、新疆和貴州5個省（市）的技術效率指數大于平均值，有4個省（市）的技術效率值低于平均值，5個省（市）的規模效率值低于平均值。中部地區雖然積極施行中原崛起政策，同時受到疫情和洪水等自然災害的負面影響較為嚴重，有山西、江西、河南、湖北和湖南5個省（市）的綜合效率指數大于平均值，有6個省（市）的技術效率值低于平均值，6個省（市）的規模效率值低于平均值。縱觀三大區域的指數構成，東部地區綜合效率、技術效率和規模效率的正向帶動效果最明顯，處于生產前沿面，是我國糧食效率發展的核心動力，西部地區與東部地區相比，技術效率的促進作用稍有減弱，總體仍呈穩步上升態勢，中部地區的投入沒有帶來理想的結果，或許是資源配置效率不高，導致科學生產力不足，對中國糧食效率的促進作用較弱，整體效率較低。

3.3 糧食影響效率因素

由上文分析可得出，在2015—2020年間，糧食的生產效率隨著省（市）和地域的變化表現出較大的差異。通過Tobit模型進一步測算與分析糧食生產效率的影響因素。糧食的生產效率不僅受到投入產出變量的影響，還受到農業經濟水平、政府支持農業發展的程度、農村村莊空心化程度和農村居民消費水平等外生變量的影響。下文選擇居民人均可支配收入為判斷農業經濟提升水平的指標、R&D經費為判斷政府支持農業發展程度的指標、鄉村人口為判斷農村村莊空心化程度的指標。對影響糧食生產效率因素的具體統計性描述見表4。

表4 影響糧食生產效率的因素分析

農村居民人均可支配收入對綜合效率、技術效率和規模效率都在10%的顯著性水平上有影響。居民人均可支配收入每提高1個單位，綜合效率提高0.368個單位、技術效率提高0.764個單位、規模效率下降0.181個單位。居民人均可支配收入提升，在研究農業生產方法、研發農業生產機器和投入糧食生產等方面的可支配收入也會得到相應增加，進而導致技術效率的大幅度上升，同時由于居民糧食生產更加個體化，規模效率下降，對綜合效率起到負向作用。在影響綜合效率的因素中，技術效率占主導地位，說明居民可支配收入的提升對糧食效率提升有顯著的正向促進作用。

R&D經費對綜合效率和技術效率在10%的顯著性水平上有影響，對規模效率在5%的顯著性水平上有影響。R&D經費每提升一個單位，綜合效率下降0.065個單位，技術效率下降0.116個單位，規模效率上升0.48個單位。在2015—2020年國家實行“十三五”規劃綱要，增加農業研究開發投入，大力支持農業經濟發展的大環境下，糧食生產產量、糧食生產農戶和農耕田地的數量顯著增加，規模效率穩步上升，但受到疫情對糧食運輸、買賣渠道和供需關系的影響，大批農產品滯銷，農業經濟每況愈下。科學技術是第一生產力，規模不斷擴大而技術水平沒有得到顯著提升，形成了R&D經費的提升對糧食效率提高起到負向帶動作用的局面。

鄉村人口對技術效率和規模效率在10%的顯著性水平上有影響，對綜合效率沒有顯著性影響。鄉村人口每提升一個單位，技術效率提升0.276個單位，規模效率下降0.199個單位。鄉村人口的增加導致勞動力越來越廉價，不利于農業機械化發展。

4 結論與建議

根據運用DEA方法和Tobit模型對 中 國31個 省（市）2015—2010年 間的糧食生產效率及其影響因素進行實證分析，結論如下：中國31個省（市）的糧食生產效率隨年份變化呈現出穩步上升的趨勢。2015—2020年中國31個省（市）糧食效率的全要素生產率為1.056，年均增長5.6%,表明糧食生產效率逐年上升。具體來看，大部分年份的技術進步指數不斷上升，技術效率指數不斷下降。中國31個省（市）的糧食生產效率存在較大的區域差異。2015—2020年間中國31個省（市）的綜合效率均值僅有0.27，低于0.3，表明糧食生產總體效率較低。其中，綜合效率大于0.6的僅有福建省和海南省，技術效率大于0.6的省（市）有12個，大于0.9的省（市）有7個，且主要為東部省（市），規模效率大于0.8的省（市）有3個，均勻分布在東中西3個區域。海南省是唯一一個達到了綜合效率、技術效率、規模效率的省（市），其他省（市）仍有很大的上升空間。由此可以看出，東部糧食生產效率最高，中部最低，整體差異較大。農村居民人均可支配收入與中國31個省（市）糧食效率之間呈顯著的正相關，R&D經費與中國31個省（市）糧食效率之間呈顯著的負相關，鄉村人口對糧食效率的影響不顯著。

針對結論分析，提出以下建議。

第一，我國應大力支持提升農業生產技術水平，使農業經濟不斷增值。同時，引用前沿管理理念和發展方法，引入先進的生產機器，培育農業生產技術型人才，提高農業管理水平，提高農業管理效率，促使傳統農業向現代化農業轉變，不斷提高農業生產技術效率。

第二，在推進糧食效率高速發展的過程中，中國要兼顧落實農業經濟一體化，要時刻注意各個地區之間的均衡發展，避免拉大生產效率差異。在保持糧食效率較高地區高速發展的基礎上，帶動糧食效率較低的地區發展，縮小各省農業生產效率的差距，實現中國農業高質量一體化發展。

第三，國家應不斷加大對農業經濟的投入，增加居民可支配收入，大力支持糧食效率的發展。各省（市）應明晰自己的定位，制定合理的發展規劃，糧食生產效率較低的省（市）應完善財政支農機制，提高支農資金的使用率，促使各省共同提高國家糧食效率。