農業新質生產力的影響因素及發展思路研究

文章編號：1005?9679（2025）01?0067?06

摘 要： 全要素生產率是新質生產力的核心標志。為此，選取河南省18地市2016-2021年的面板數據，運用DEA?Malmquist指數模型，從分年度、分區域角度對農業新質生產力的變化特征進行研究，最后利用Tobit模型對影響因素進行實證分析。結果表明，河南省農業新質生產力在2016-2021年總體處于上升趨勢，18地市存在一定的差距；從分解指標來看，18地市的技術進步水平呈增長趨勢，部分地市的技術效率受規模效率不經濟問題影響呈現下降趨勢；農業經濟水平、文化程度對河南省農業全要素生產率增長存在顯著的正向影響，自然災害、農民生活水平、產業結構、能源利用則反向抑制了河南省農業新質生產力的提升。

關鍵詞： 新質生產力；DEA?Tobit模型；農業全要素生產率；河南省

中圖分類號： F 323 文獻標志碼： A

The Influence Factors and Development Ideas of New Quality

Productive Forces in Agriculture： A Measurement Comparison

Based on the DEA?Tobit Model in 18 Cities of Henan Province

HU Xiaoran1 HE Jing1 ZONG Chuanhong2

（1. Shanghai Ocean University， Shanghai 201306; 2. Shanghai Academy of Social Sciences， Shanghai 200030）

Abstract：Total factor productivity is the core symbol of new quality productivity. Therefore， this paper selects the panel data of 18 cities （Districts） in Henan Province from 2016 to 2021， uses the Dea?Malmquist index model to study the change characteristics of agricultural new quality productivity from the perspective of sub?year and sub?region， and finally uses the Tobit model to conduct an empirical analysis of the influencing factors. The results showed that the agricultural new quality productivity in Henan Province was on the rise from 2016 to 2021， and there was a certain gap in 18 cities （Districts）. From the decomposition index， the technical progress level of 18 cities （Districts） shows an increasing trend， while the technical efficiency of some cities （Districts） shows a decreasing trend due to the problem of scale efficiency economy. Agricultural economic level and educational level have significant positive effects on the growth of agricultural total factor productivity in Henan Province， while natural disasters， farmers' living standards， industrial structure and energy utilization negatively inhibit the improvement of agricultural new quality productivity in Henan Province.

Key words：new quality productivity; DEA?Tobit model; agricultural total factor productivity; Henan Province

本文基于鄉村振興戰略背景，擬通過DEA-Malmquist指數法測算2016-2021年河南省18地市的農業全要素生產率及其分解項，分年度、分區域地探討河南省農業全要素生產率的變化情況，并進一步通過Tobit模型實證檢驗八大因素對農業全要素生產率產生的影響效應，以期為促進農業高質量發展提供科學決策，推進農業現代化發展。

1 研究方法與數據來源

1.1 研究方法

1.1.1 DEA?Malmquist模型

基于多投入多產出指標以及本研究需要分年度、分區域分析全要素生產率及其分解指標的動態變化和趨勢的考慮[1]，本研究選擇DEA?Malmquist模型[8]來測算農業全要素生產率的變化，設i市農業生產投入向量和產出向量為x和y，在t和t+1時期規模報酬可變情況下的Malmquist生產率指數為：

M（[xt+1，yt+1，xt，yt+1）=TFP=[dt（xt+1，yt+1）dt（xt，yt）×dt+1（xt+1，yt+1）dt+1（xt，yt）]12] （1）

[TC=[dt（xt+1，yt+1）dt+1（xt+1，yt+1）×dt（xt，yt）dt+1（xt，yt）]12] （2）

[TE=dt+1（xt+1，yt+1）dt（xt，yt）]" （3）

[TFP=TC×TE=TC×（PE×SE）]" （4）

其中，[xt]、[yt]分別表示[t]時期的投入和產出向量，[xt+1]、[yt+1]分別表示[t+1時期]的投入和產出向量，[dt（xt，yt）]表示以t時期技術為參照的時期t生產點的距離函數。TFP表示全要素生產率，TE、TC分別表示技術效率變化和技術進步變化，PE、SE分別表示純技術效率和規模效率。當指數大于1，表明在該樣本期間該指數呈現增長趨勢，等于1，表明指數沒有發生變動，小于1，表明該指數在樣本期間呈現下降趨勢[2]。

1.1.2 Tobit模型

由于通過DEA-Malmquist 模型測算的生產率值受限在一定的取值范圍內，比如本研究的生產率值在0-3之間，因而通過Tobit模型來對生產率的影響因素展開實證分析更為有效，具體的模型如下：

[TFPti]=[β0+φcontrolti+εti]" （5）

[TFPti]=[β0+φcontrolti+areai+εti]" （6）

[TFPti]=[β0+φcontrolti+areai+yeari+εti]" （7）

[controlti]表示控制變量的合集，包括自然環境、農業經濟水平、農民生活水平、產業結構、農業財政支出、能源利用、社會發展水平、文化程度。[εti]表示模型的隨機擾動項，area、year分別表示控制區域和年份效應。

1.2 指標選取

1.2.1 投入產出指標的選取

本研究從投入和產出角度出發，對農業系統生產率的影響因素加以分析，參考趙文斌等（2022）[3]的研究，選擇農業總產值作為產出指標，農業生產過程的投入包括土地、勞動力、技術、資本、能源5個要素，考慮到已有的研究成果和數據獲得的成本效益原則，從實際情況來看，土地要素可以分為耕地面積和播種面積，為了有效反映土地的實際利用情況，本文參考學者們[4?5]的做法，選擇了農作物播種面積代替農業用地面積來衡量土地投入，以農林牧漁業城鎮非私營單位就業人員數衡量勞動力投入，技術投入為農業機械總動力[6]，資本投入則包括農用化肥使用折純量和農藥使用量，能源投入主要指的是電力投入，以農業用電量衡量。

1.2.2 綠色農業生產率影響因素指標的選取

參考前人研究的基礎，并依據農業生產的技術特點和指標選取原則，篩選出8個可能影響河南省農業全要素生產率的因素，包括自然災害、農業經濟水平、農民生活水平[7]、產業結構[8?9]、農業財政支出[10]、能源利用、社會發展水平、文化程度[11]，指標的具體衡量情況見表2。

1.3 數據來源

本研究的樣本對象為河南省18地市2015-2021年的投入和產出的面板數據，數據主要來源于2014-2022年《河南統計年鑒》和《河南調查年鑒》等，對于部分數據缺失的情況采用均值法進行填補，且由于DEA分析的投入產出無量綱的特點，因此無需對各變量的單位進行統一處理。

2 綠色農業全要素生產率的測度與評價

2.1 2016-2021年河南省農業生產率的時序分析

表3為2016-2021年河南省農業全要素生產率的時序分析結果，總體來看，2016—2021年農業全要素生產率（TFP）的均值為 1.051，說明整體全要素生產率以5.1%的增速處于上升階段，農業發展趨勢向好，進一步印證了國家及河南省政府對農業產業高質量發展的政策發揮成效。也與新時期河南省政府大力提倡的助農惠農政策、稅收優惠政策、風險補助政策、以獎代補政策等的實施密不可分。

從分年度來看，河南省農業全要素生產率在2016-2017年期間以5.3%的速度增加，在2018年降至了0.977，降幅達到12.9%，隨后，在2019年-2020年呈現遞增趨勢，從0.999到1.138，達到最大增幅13.9%，而在2021年，受疫情的影響，河南省農業全要素生產率較2020年有所下降。從分解指標來看，技術效率、技術進步的均值分別為0.979和1.074，表明在樣本期間，河南省農業技術效率呈現下降的趨勢，而技術進步呈現上升趨勢，具體來看，2016-2021年期間河南省農業技術效率呈現“遞減-遞增-遞減”的變動趨勢，在2018年降至最低點0.925，在2020年上升至峰值1.016，而樣本期間河南省農業技術進步呈現“先增再減”的循環往復的變化趨勢，表現為“M”型，與農業全要素生產率的變化趨勢較為一致，可見，河南省農業全要素生產率的水平受技術進步指數的影響更大。

進一步將技術效率分解為純技術效率（PE）和規模效率（SE），這兩大效率的總體均值均小于1，表示該省農業純技術效率和規模效率處于下降趨勢，具體來說，河南省農業純技術效率水平在2016-2019年期間呈現逐年遞減的趨勢，在2019年降至最低點0.961，隨后在2019-2021年期間緩慢增加，而河南省農業規模效率在樣本期間呈現“遞減-遞增-遞減”的變動趨勢，于2018年降至最低點。由此可知，由于規模效率和純技術效率水平的雙重低下，因而技術效率的總體水平較低，呈現下降的趨勢。

2.2 河南省18地市的農業生產率的區域差異分析

表4為河南省18地市農業全要素生產率的變動均值及其分解情況，可以看出，2016-2021年間除了新鄉市和許昌市處于增長率變動小于1的下降狀態以及濮陽市處于不增不減的平穩狀態之外，其余15市均處于增長率變動大于1的上升狀態，但上升幅度均不相同，其中增幅最高的是南陽市10.5%，增幅超過5%的有12個地市，如鄭州市、開封市、平頂山市等，增幅最低的是焦作市1.4%，說明河南省各地市由于資源稟賦、發展條件的約束，各地市農業產業發展存在差異性，并未得到同等程度的提高。

從技術進步水平來看，河南省18地市的技術進步變動均大于1，其中增幅最高的是漯河市，增率達到13.7%，增幅超過10%的有4個，分別是漯河市、洛陽市、平頂山市、駐馬店市，增幅分別為13.7%、10%、11.5%、10.9%，增幅最低的為濮陽市，說明技術進步在驅動河南省地區各地市農業生產率的提高中是主要動力。

從技術效率水平來看，除開封市、安陽市、南陽市、商丘市、三門峽市外，其余地市的技術效率變動值均小于1，下降幅度在0.7%～5.9%，以鶴壁市的技術效率的下降幅度最大，說明這些地市并未真正實現技術有效，尤以鶴壁市最為顯著。其中，有11市的純技術效率保持不變，另有7市的純技術效率變動值小于1，下降幅度為0.1%～7.7%，新鄉市農業純技術效率下降幅度最大。除開封市、洛陽市、安陽市、新鄉市、南陽市、商丘市的規模效率存在小幅度的增長，其余11市的規模效率變動值均小于1。表明，河南省18地市的農業技術效率水平主要受規模效率變動的影響，由于全要素投入產生了邊際報酬遞減現象，規模效率不經濟問題影響了技術效率的實現。尤其是許昌市技術效率下降了6.8%，但技術進步僅增長了1.2%，技術進步的弱增長不足以彌補技術效率的下降，因而許昌市農業的全要素生產率以5.7%的降幅呈現負增長趨勢。簡言之，新鄉市和許昌市農業全要素生產率的變動主要源于技術進步和技術效率的雙重驅動，其余12市（區）的主要驅動因素為技術進步。

3 綠色農業全要素生產率影響因素的實證分析

3.1 全樣本描述性分析

本文選取2016-2021年河南省18地市的農業樣本，各變量的描述性統計如表5所示，農業全要素生產率的平均值大于1，說明河南省農業的發展總體上是呈現正向增長的趨勢。其中，除農業經濟水平、農業財政支出、社會發展水平的均值較為居中，其他變量如自然環境、農民生活水平、能源利用、文化程度、產業結構的均值偏向于最小值，表明被調查樣本的這些變量水平處于中等偏下水平，農民生活水平的標準差較大，表明被調查樣本的農民生活水平存在較大差異。

3.2 影響因素的實證分析

本文將前文測算的全要素生產率，和八大影響因素一并納入到實證模型中，通過stata軟件進行估算，探討2016-2021年對河南省農業生產率增長的關鍵因素進行分析，分析結果如表6所示。

表6為河南省農業全要素生產率的影響因素的實證分析結果，其中第三列是在第二列模型的基礎上加上了地區效應，第四列則是在第三列的基礎上加上了時間效應。從第四列的結果可知，河南省農業全要素生產率增長主要受自然環境、農業經濟水平、農民生活水平、產業結構、能源利用、文化程度的影響，并且都通過了置信水平10%的顯著性檢驗。具體各個因素的影響如下：

自然災害的系數為負且在10%水平上顯著，表明兩者呈現負相關關系，即自然災害會造成農業全要素生產率的降低，主要是因為自然災害如洪澇不僅會減少農產品的收成，而且會造成農田、土地等受災面積的擴大，由此引發該地區農作物在國際市場的比例降低，造成其對應的農業生產率的降低[17?18]。

農業經濟水平的系數為正且在1%水平上顯著，表明隨著農村經濟發展水平的不斷提升，農村會加大對農業生產技術創新活動的投入力度以及現代化農業推廣的支持力度，從而促進了河南省農業全要素生產率的有效提高[18]。

文化程度的系數為正且顯著，說明河南省各地市農戶的文化程度越高，知識結構水平和資源配置效率越高，越能涌現出高端的技術型專業人才和高素質管理人才，成果轉化率也能不斷上升，農業技術改造升級不斷加快，有效促進河南省農業全要素生產率的提升[2，5]。

農民生活水平的系數為負且在10%水平上顯著，表明現階段河南省農民的生活水平非但不能有效促進農業全要素生產率的提升，反而對其產生逆向影響關系。主要是因為當前階段農民生活水平雖然有所提升，但離預期的效果還有一定的差距，因而對農業生產率的推動效應也并未達到預期效果[12]。

產業結構和能源利用均在5%水平上與全要素生產率呈現負相關關系，這可能是因為當前河南省在產業結構優化和能源利用方面仍然存在不少短板弱項，雖然產業結構有所調整，但由于河南省各地區之間存在的資源稟賦和發展水平的差異，并未采取因地制宜的方式調整并優化產業結構，導致邊際效應為負數。同樣的，花費了大量的資本要素提升能源利用效率，但并未有效提升技術效率和技術進步水平，以至于全要素生產率提升的雙輪驅動力并未能發揮實效。

而農業財政支出、城鎮化進程均未通過顯著性檢驗，可見，在樣本期間，河南省農業財政支出和城鎮化進程并未有效促進農業產業生產率的提升，可能的解釋是因為這次政府在農業方面的支持力度還不夠且河南省的城鎮化進程仍需進一步加快。

如表7所示，本文分別通過混合效應模型、隨機效應模型、混合Tobit模型和隨機Tobit模型進行穩健性檢驗，檢驗系數大多顯著且與預期結果較為一致，表明模型設定及工具變量選擇合理，即本文研究結果的穩健性較好。

4 結論與建議

4.1 結論

本文選用河南省18地市2015-2021年的農業數據，運用DEA-Malmquist指數模型從分年度、分區域兩個角度測算了河南省農業生產率的總體水平及其分解指標的水平，并進一步運用Tobit模型分析了農業全要素生產率的影響因素，得到了以下結論：

第一，河南省2016-2021年期間的農業全要素生產率的均值為1.051，整體呈現出“遞減-遞增-遞減-遞增”的M型變動趨勢，但總體呈緩慢上升趨勢，說明這幾年間推行的惠農政策對農業生產率的提升起到一定的作用，農業發展趨勢向好；分區域來看，新鄉市、許昌市處于增長率變動小于1的下降狀態，濮陽市處于不增不減的平穩狀態，其余15市均以不同的增長幅度處于增長率變動大于1的上升狀態，可見河南省各市區之間農業生產率的發展存在顯著差異；從分解指標來看，18地市的技術進步水平呈增長趨勢，但除開封市、安陽市、南陽市、商丘市、三門峽市外，其余13地市的技術效率均有所下降，具體表現為規模效率不經濟問題影響了技術效率的實現。

第二，在影響因素方面，農業經濟水平、文化程度對河南省農業全要素生產率增長存在顯著的正向影響，自然災害、農民生活水平、產業結構、能源利用則反向抑制了河南省農業全要素生產率的提升，農業財政支出、城鎮化進程對全要素生產率增長的影響不顯著。

4.2 政策建議

在當前國家強調新質生產力提升的背景下，農業全要素生產率的增長不僅依賴于傳統生產要素（如土地、勞動力、資本）的優化配置，更需聚焦于技術創新、組織創新、管理創新等多維度的綜合提升。新質生產力，作為以全要素生產率提升為核心標志的生產力形態，為農業高質量發展提供了全新的路徑和動力。

第一，瞄準農業領域短板，縮小區域間的差異。對于農業全要素生產率偏低的新鄉市、許昌市、濮陽市，應當根據各區域的農業發展特點和地理位置優勢，因地制宜地制定不同的發展戰略規劃，改善農業技術的利用效率和農業基礎設施的建設，促進農業產業結構調整，同時加強各區域間經驗分享，以點帶面縮小區域間的差距，帶動河南省全省農業生產率的全面提升。

第二，增加農業投資，提升農業經濟水平。政府一方面仍應當加大力度支持農業科技投入，鼓勵引進國內外先進生產技術，推動農業技術的革新，提升農業技術進步率，另一方面還應加強完善農業科技成果轉化的政策體制機制，完善并加強農業資金的監管，從而提高農業財政資金的使用效應，優化資源的有效配置，帶來農業規模效率的提升，為河南省農業生產率的增長提供長期驅動力。

第三，加強人才隊伍建設，培養農業專業人才。加強政府對農業意識教育普及和新型農業技術的推廣，積極鼓勵各類人才進入農業領域，打造一支高素質的新型職業農民隊伍，不斷進行農業技術探索。同時建立更加完善的農業教育體系，結合理論和實踐，開展人才進實習基地的活動，讓人才更好理解和掌握農業技術和知識，增強本地農戶的農業技術知識和水平。

參考文獻：

[ 1 ] 許菱，張紅.基于全要素生產率視角下紡織服裝產業高端化發展[J].紡織科技進展，2022（5）：20?24.

[ 2 ] MALMQUIST S.Index numbers and indifference surfaces[J].Trabajos De Estadistica，1953，4（2）：209?242.

[ 3 ] 趙文斌，崔寧波.民族地區農業綠色全要素生產率測度及影響因素分析[J].黑龍江民族叢刊，2022（5）：74?80.

[ 4 ] 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DEA—Malmquist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.

[ 5 ] 高莉莉，余德明，汪凱.安徽省農業綠色全要素生產率測度及影響因素研究[J].河北工程大學學報（社會科學版），2021，38（1）：20?24.

[ 6 ] 周一凡，張潤清.基于DEA?Malmquist指數方法的河北省農業全要素生產率分析[J].河北農業大學學報（社會科學版），2021，23（1）：48?55，2，129.

[ 7 ] 梁勁銳，席小瑾.山東省農業綠色全要素生產率測度及影響因素分析[J].農村經濟與科技，2022，33（5）：1?5，15.

[ 8 ] 段寶娜.河南省農業全要素生產率的實證研究——基于各地市面板數據[J].統計與管理，2021，36（12）：35?41.

[ 9 ] 向熠，葉言，繆甜甜，等.長江經濟帶農業全要素生產率提升路徑研究——基于38市的DEA與fsQCA分析[J/OL].中國農業資源與區劃：1?20[2023?10?11].http：//kns.cnki.net/kcms/detail/11.3513.S.20220921.1124.002.html.

[10] 柳夢姣.中國農業綠色全要素生產率的區域差異及影響因素研究[D].蘭州：蘭州財經大學，2024.

[11] 毛美玲.農業全要素生產率的時空差異、收斂性及影響因素研究[D].曲阜：曲阜師范大學，2020.

[12] 胡清華.黃河流域經濟帶農業全要素生產率測度及其影響因素研究[D].鄭州：河南大學，2021.

收稿日期：2024?09?23

基金項目：教育部人文社會科學規劃項目（23YJA630031），國家社會科學基金重大項目（21amp;ZD100），國家自然科學基金面上項目（71871144）

作者簡介：胡笑冉（1999-），女，上海人，碩士，學生，主要研究方向為農業管理、河蟹產業發展；何靜（1972-），女，山東濟寧人，博士，上海海洋大學經濟管理學院副教授，博士，碩士生導師，主要研究方向為農業經濟管理；宗傳宏（1971-），男，安徽淮南人，博士，上海社科院副研究員，主要研究方向為區域經濟。