我國農(nóng)業(yè)全要素生產(chǎn)率增長的動態(tài)變化與影響因素
——基于DEA和SFA方法的比較研究

何婷婷

（安徽農(nóng)業(yè)大學經(jīng)濟管理學院，安徽合肥230036）

我國農(nóng)業(yè)全要素生產(chǎn)率增長的動態(tài)變化與影響因素
——基于DEA和SFA方法的比較研究

何婷婷

（安徽農(nóng)業(yè)大學經(jīng)濟管理學院，安徽合肥230036）

采用非參數(shù)的DEA-Malmquist生產(chǎn)率指數(shù)法、參數(shù)的隨機前沿生產(chǎn)函數(shù)法（SFA）以及Pool OLS、固定效應模型（FE）、隨機效應模型（RE）多種方法分析了1990—2012年我國28個省份的農(nóng)業(yè)全要素生產(chǎn)率（TFP）的演變趨勢及其影響因素。研究結論表明：兩種方法測算的農(nóng)業(yè)TFP年均增長率分別為3.1%和3.6%，但波動趨勢呈現(xiàn)出相反的結論，技術進步是國家及其各省份、各區(qū)域農(nóng)業(yè)TFP增長的主要來源，東部、中部、西部農(nóng)業(yè)TFP依次遞減；農(nóng)業(yè)資本投入、人力資本和城市化水平對農(nóng)業(yè)TFP增長都具有正向顯著作用，而農(nóng)業(yè)勞動投入、農(nóng)業(yè)種植結構對農(nóng)業(yè)TFP增長產(chǎn)生了顯著的負向影響，財政支農(nóng)力度在DEA法的結論中表現(xiàn)為對農(nóng)業(yè)TFP的顯著正向作用，土地投入的影響在兩種方法中出現(xiàn)了相反的結論。

農(nóng)業(yè)全要素生產(chǎn)率；DEA-Malmquist；SFA；農(nóng)業(yè)發(fā)展

長期以來，我國農(nóng)業(yè)增長主要依賴各種要素投入增加，這種粗放型的增長方式雖然使得我國農(nóng)業(yè)取得了矚目的成就，但其發(fā)展的可持續(xù)性受到了普遍質疑。面對經(jīng)濟發(fā)展新常態(tài)的挑戰(zhàn)，加快農(nóng)業(yè)發(fā)展方式的轉變是保證國家糧食安全、減少貧困，從而實現(xiàn)我國從農(nóng)業(yè)大國邁向農(nóng)業(yè)強國的根本路徑。而農(nóng)業(yè)全要素生產(chǎn)率（TFP）的提高是發(fā)展方式轉變的關鍵所在，因此準確測算農(nóng)業(yè)全要素生產(chǎn)率以及探究影響其變化的各種因素十分重要。

從已有研究可以發(fā)現(xiàn)，由于采用的測算方法和樣本數(shù)據(jù)不同，對我國農(nóng)業(yè)全要素生產(chǎn)率的測算結果存在一定程度的差異，但大多數(shù)研究結論均表明我國農(nóng)業(yè)TFP呈現(xiàn)出明顯的空間差異性，技術進步是我國農(nóng)業(yè)TFP增長的主要來源[1-2]。近幾年，學者們開始關注我國農(nóng)業(yè)全要素生產(chǎn)率增長的原因，一些代表性文獻從我國農(nóng)村制度變遷、農(nóng)業(yè)投入、人力資本、農(nóng)業(yè)信息化、農(nóng)村基礎設施等方面對我國農(nóng)業(yè)TFP增長的影響進行了研究[3-7]，但由于觀察問題的視角不同，對于哪些因素影響了我國農(nóng)業(yè)TFP變化并未統(tǒng)一，還存在進一步深入探究的空間。

鑒于此，本文利用1990—2012年我國28個省級行政單位的面板數(shù)據(jù)，采用DEA和SFA兩種方法對農(nóng)業(yè)TFP進行測算，并在此基礎上對我國農(nóng)業(yè)TFP增長的影響因素進行實證研究，以期為提高我國農(nóng)業(yè)TFP增長提供有益的政策建議。

一、農(nóng)業(yè)全要素生產(chǎn)率的測算方法、數(shù)據(jù)和測算結果

（一）農(nóng)業(yè)全要素生產(chǎn)率的測算方法

1.DEA-Malmquist指數(shù)法

目前，已有文獻對農(nóng)業(yè)TFP的測算方法主要為參數(shù)法與非參數(shù)法，兩種方法各有優(yōu)缺點。特別是數(shù)據(jù)包絡分析法（DEA），由于不需要預先設定具體的函數(shù)形式和分布假設而被廣泛應用。本文采用Caves和Fare的方法[8-9]，在選取規(guī)模報酬不變(CRS)情況下，以產(chǎn)出為導向的DEA-Malmquist生產(chǎn)率指數(shù)法來對我國農(nóng)業(yè)全要素生產(chǎn)率進行測算，并將Malmquist指數(shù)分解為技術進步（TP）和技術效率變化（TECH），具體表示為：

（1）式中，Mi（xt+1,yt+1；xt,yt)為TFP變動，Dti(xt,yt)和Dti(xt+1,yt+1)分別表示以t時期生產(chǎn)技術為參照，第i個決策單元在t時期和t+1時期的距離函數(shù)值，Dt+1i(xt,yt)和Dt+1i(xt+1,yt+1)分別表示以t+1期生產(chǎn)技術為參照，第i個決策單元在t時期和t+1時期的距離函數(shù)值；TECHi（xt+1,yt+1;xt,yt)表示t時期到t+1時期的技術效率變化，TPi（xt+1,yt+1;xt,yt)表示t時期到t+1時期的技術進步，TECHi和TPi大于、等于和小于1分別代表第i個決策單元的技術效率和技術進步是改善、不變和惡化的。

2.隨機前沿生產(chǎn)函數(shù)法（SFA）

Aigner、Lovell、Schmidt和Meeusen、Van den Broeck最初提出了隨機前沿生產(chǎn)函數(shù)[10-11]。隨機前沿生產(chǎn)函數(shù)形式一般表示為：

（2）式中，yit為決策單元i在時期t的實際產(chǎn)出，f表示特定的函數(shù)形式，xit表示一組投入向量，t為時間趨勢，β為投入的待估參數(shù)，vit－uit為復合誤差項，vit和uit相互獨立，vit為系統(tǒng)隨機誤差項，服從N（0,σ2v），vit為技術非效率項，服從非負斷尾正態(tài)分布，即服從N+（u,σ2u），根據(jù)Battese和Coelli的設定[12]，uit可以表示為：

（3）式中，η為待估參數(shù)，表示時間因素對技術非效率項uit的影響，η>0、η=0和η<0分別表示uit隨著時間的變化而遞增、不變和遞減。

技術效率TE定義為實際產(chǎn)出期望與前沿面產(chǎn)出期望之比，即：

（4）式中，當uit=0時，TEit=1，意味著決策單元位于前沿面上，技術有效率；當uit>0時，TEit<1，表示決策單元位于前沿面的下方，技術無效率。

根據(jù)（3）式中uit的表達形式，可進一步將技術效率的變化表示為：

將（2）式兩邊取對數(shù)，得出隨機前沿模型的對數(shù)形式：

將（6）式兩邊同時對t求一階偏導數(shù)可得：

（7）式中，等式右邊第一項表示在既定技術水平下要素投入變化所引起的前沿面的變化情況；第二項表示在要素投入不變情況下前沿面產(chǎn)出變化情況，即技術進步（TP）；第三項表示技術效率的變化（TECH）；x表示投入要素。

根據(jù)Solow提出的增長核算法[13]，全要素生產(chǎn)率的增長來自于產(chǎn)出變化中未被要素投入變化所解釋的部分，稱為“索洛余值”，即：

根據(jù)（7）式和（8）式可得：

由此可見，TFP增長可以表示為技術進步（TP）和技術效率變化（TECH）之和。

本文在借鑒Battese和Coelli模型的基礎上，采用超越對數(shù)生產(chǎn)函數(shù)的隨機前沿模型進行分析，具體形式為：

（10）式中，β為待估參數(shù)，j和l分別代表第j個和第l個投入要素，其余變量的定義與前文相同。

一般來說，為保證結論的正確性，使用隨機前沿生產(chǎn)函數(shù)前需要對其模型設定進行相關檢驗，為此本文采用最大似然比的方法對模型設定進行4個方面的假設檢驗，如表1所示。

表1 SFA模型假設檢驗

（二）測算數(shù)據(jù)指標

為保持統(tǒng)計口徑的統(tǒng)一，考慮到海南省和重慶市特殊的建制歷史，本文借鑒李谷成的做法[14]，將重慶市和海南省分別并入四川省和廣東省進行計算?？紤]到DEA方法對異常數(shù)據(jù)的敏感性，剔除了西藏自治區(qū)的數(shù)據(jù)，最終采用1990—2012年我國28個省級行政區(qū)（不包括港澳臺地區(qū)）的平衡面板數(shù)據(jù)作為樣本，用歷年《中國統(tǒng)計年鑒》《中國農(nóng)業(yè)年鑒》和國家統(tǒng)計局網(wǎng)站公布的數(shù)據(jù)作為原始數(shù)據(jù)。選取1990年不變價格的農(nóng)林牧漁業(yè)總產(chǎn)值作為農(nóng)業(yè)產(chǎn)出變量（Y）。農(nóng)業(yè)投入具體包括五個方面：勞動投入（X1）采用農(nóng)林牧漁從業(yè)人員數(shù)計算；土地投入（X2）采用主要農(nóng)作物總播種面積計算；機械動力投入（X3）以農(nóng)業(yè)機械總動力計算；化肥投入（X4）以化肥施用量(折純量)計算；灌溉投入（X5）采用農(nóng)業(yè)有效灌溉面積計算。本文所使用的投入產(chǎn)出指標描述性統(tǒng)計結果如表2所示。

表2 投入產(chǎn)出變量的描述性統(tǒng)計結果

(三)測算結果

1.SFA模型設定的檢驗。以前述1990—2012年我國28個省級面板數(shù)據(jù)為樣本，參照劉勇、孟令杰的做法[15]，對原模型中的投入和產(chǎn)出變量用土地投入（農(nóng)作物總播種面積）進行標準化，利用Frontier4.1軟件對（10）式進行回歸，估計結果如表3所示。

表3 SFA模型變量影響系數(shù)估計結果

從表3中的估計結果可以看出，γ通過了顯著性水平為1%的顯著性檢驗，表明本文采用SFA方法是合理的,γ=0.994 3表明在我國農(nóng)業(yè)總體技術非效率中，由人為可控制的技術非效率所占比重為99.43%，而隨機因素引起的技術非效率占0.57%，意味著通過改進人為因素，可以有效改善農(nóng)業(yè)技術的非效率問題。大多數(shù)變量的影響系數(shù)均在1%的顯著性水平下顯著，并且單邊偏誤似然比檢驗值符合混合卡方分布，說明模型整體估計效果較好。時變系數(shù)η為負值顯著，意味著技術效率以遞增的速度遞減。另外，由于設定形式的隨機前沿生產(chǎn)函數(shù)模型的估計結果會產(chǎn)生較大偏差，為保證研究結論的穩(wěn)健性，一般來說，應該對其模型設定進行相關檢驗。本文采用最大似然比的方法對模型設定進行四個方面的假設檢驗，具體包括：（1）C-D函數(shù)適用性檢驗，原假設H0為“應該采用C-D隨機前沿生產(chǎn)函數(shù)”；（2）技術進步存在性檢驗，原假設H0為“不存在技術進步”；（3）技術進步?？怂怪行詸z驗，原假設H0為“技術進步是?？怂怪行缘摹保唬?）技術效率時變性檢驗，原假設H0為“時變參數(shù)η=0”。通過構造似然比統(tǒng)計量LR，本文采用最大似然值比值檢驗法來進行相關檢驗，LR檢驗統(tǒng)計量可以表示為：

其中l(wèi)nL0、lnL1分別表示零假設H0和備選假設H1下的對數(shù)似然函數(shù)值，q表示原假設H0中零約束的個數(shù)。當LR檢驗統(tǒng)計量大于其對應的臨界值χa2（q）時，應拒絕原假設；反之，應接受原假設。隨機前沿模型的檢驗結果如表4所示。

根據(jù)表4的檢驗結果可知，四個統(tǒng)計量假設檢驗的LR檢驗統(tǒng)計量均大于其對應臨界值，應拒絕原假設H0，這表明本文采用帶有時變技術非效率的非中性技術變化的超越對數(shù)隨機前沿生產(chǎn)函數(shù)，較好地擬合了樣本數(shù)據(jù)，并應該使用最大似然估計法進行估計。

2.DEA和SFA方法的農(nóng)業(yè)TFP測算結果比較。根據(jù)產(chǎn)出為導向的Malmquist指數(shù)模型，利用前述1990—2012年我國28個省級行政區(qū)的農(nóng)業(yè)投入產(chǎn)出數(shù)據(jù)，分別采用DEAP2.1軟件和Frontier4.1軟件進行Malmquist指數(shù)測算，得出我國整體農(nóng)業(yè)TFP增長率及其分解指數(shù)的結果如圖1和表5所示。

從圖1可以看出：第一，兩種方法測算的農(nóng)業(yè)TFP的變化趨勢存在一些差異，DEA方法測算的TFP在1991—2012年呈現(xiàn)出明顯的波動上升趨勢，而SFA方法的測算結果顯示出單調(diào)下降趨勢，但全國平均農(nóng)業(yè)TFP的測算結果較為接近，年均增長率分別為3.1%和3.6%；第二，兩種方法測算的全國技術效率指數(shù)均小于1（0.988和0.991），技術進步指數(shù)均大于1（1.044和1.045），說明我國農(nóng)業(yè)技術效率在下降但技術進步在增強。從趨勢上看，技術進步指數(shù)在兩種方法測算結果中都顯示出了下降趨勢，但DEA的結果具有明顯的波動性；技術效率變化在DEA測算結果中表現(xiàn)出震蕩上升趨勢，而SFA結果則展現(xiàn)出平緩而略有下降的趨勢；第三，兩種方法的測算結果均顯示出我國農(nóng)業(yè)TFP的增長主要源于技術進步，技術進步指數(shù)的提高超過了技術效率指數(shù)的下降，從而對農(nóng)業(yè)TFP增長產(chǎn)生了促進作用。

圖1 1991—2012年DEA方法與SFA方法測算的中國農(nóng)業(yè)TFP增長及其分解

從各省份情況來看（如表5所示），兩種方法的測算結果均顯示東部、中部、西部地區(qū)的農(nóng)業(yè)TFP增長率以及技術進步指數(shù)依次遞減，技術效率指數(shù)呈現(xiàn)出東部、西部、中部地區(qū)的順序依次遞減。中、西部地區(qū)在TFP增長及其分解項上的表現(xiàn)都低于全國平均水平，說明我國農(nóng)業(yè)TFP增長存在空間異質性，中、西部地區(qū)明顯落后于東部地區(qū)，存在較大的提升空間。

表5 1990—2012年我國分省份農(nóng)業(yè)TFP增長及其分解

二、我國農(nóng)業(yè)全要素生產(chǎn)率變動的影響因素分析

（一）分析模型

本文基于上述DEA和SFA兩種方法測算的農(nóng)業(yè)TFP增長率及其分解結果，從內(nèi)在因素以及外在因素兩個方面考慮，分別以農(nóng)業(yè)TFP、技術效率指數(shù)和技術進步指數(shù)的累計值為因變量，將勞動力（L）、資本（K）、土地（CL）、人力資本（H）、灌溉面積占比（IR）視為內(nèi)在影響因素，財政支農(nóng)力度（AP）、自然災害（ND）、經(jīng)濟發(fā)展水平（EC）、農(nóng)業(yè)種植結構（CS）、城市化水平（CY）作為外在影響因素，全部納入自變量,運用28個省級行政區(qū)面板數(shù)據(jù)構建模型以檢驗各因素對農(nóng)業(yè)TFP增長率、技術效率變化以及技術進步的影響，具體模型設定為：

為消除異方差的影響，將所有變量取對數(shù)，其中因變量lnYi,t分別以累積農(nóng)業(yè)TFP、TPCH和TECH的對數(shù)值表示，β為待估參數(shù)，εi,t為隨機誤差項。

（二）變量與數(shù)據(jù)來源

本文分別選取前面測算的TFP增長率、技術效率指數(shù)（TECH）以及技術進步指數(shù)（TP）作為因變量。選取的自變量包括內(nèi)在和外在影響因素，內(nèi)在影響因素包括：（1）農(nóng)業(yè)勞動力投入（L）。采用各省農(nóng)林牧漁業(yè)從業(yè)人數(shù)來表示；（2）農(nóng)業(yè)資本投入（K），采用農(nóng)村居民家庭生產(chǎn)性固定資產(chǎn)原值（元/戶）與鄉(xiāng)村戶數(shù)（萬戶）的乘積進行衡量；（3）土地投入（CL），測量與前文一致；（4）灌溉面積占比（IR），采用有效灌溉面積占農(nóng)作物總播種面積的比重衡量，可作為土地質量的代理變量；（5）人力資本（H），采用農(nóng)村勞動力的平均受教育年限來衡量，將農(nóng)村勞動力的受教育程度劃分為文盲或半文盲、小學、初中、高中、中專和大專及以上6個階段，各階段平均受教育年限分別設定為0年、6年、9年、12年、12年和15.5年，從而可以計算各地區(qū)平均受教育年限Ed，表示為：

（12）式中Li,t表示各省級行政區(qū)每個層次農(nóng)村勞動力人數(shù)，i=1,2,3,4,5,6分別表示6種受教育程度。參照Hall和Jones將受教育年限轉化為人力資本的做法[16]，即人力資本是教育年限的一個函數(shù)，假定該函數(shù)形式為Ht=exp[φ（Ed)]，其中φ（Ed)是一個分段函數(shù)。結合被廣泛使用的Psacharopoulos和Patrinos所給出的中國教育社會回報率的數(shù)據(jù)（初等教育回報率為0.144，中等教育為0.129，高等教育為0.113），將各省級行政區(qū)年均受教育年限轉化為人力資本[17]。外在影響因素具體包括：（1）農(nóng)業(yè)種植結構，采用糧食播種面積（千公頃）與農(nóng)作物總播種面積（千公頃）的比值衡量；（2）財政支農(nóng)力度，采用財政農(nóng)業(yè)支出（億元）占財政總支出（億元）的比重衡量；（3）城市化水平，采用城市人口占總人口的比重衡量。本文研究數(shù)據(jù)來源于相關年份的《中國農(nóng)村統(tǒng)計年鑒》《中國農(nóng)業(yè)年鑒》《中國統(tǒng)計年鑒》《中國財政年鑒》《新中國六十年統(tǒng)計資料匯編》和各省市區(qū)歷年統(tǒng)計年鑒以及國家統(tǒng)計局網(wǎng)站。

（三）實證分析結果

考慮到估計的穩(wěn)健性，本文利用Eviews8.0軟件，采用了Pool OLS、固定效應模型（FE）、隨機效應模型（RE）多種方法進行了估計，估計結果差異不大。結合Hausman檢驗結果發(fā)現(xiàn)：分別以DEA方法與SFA方法測算的農(nóng)業(yè)TFP、技術效率變化（TECH）以及技術進步（TP）為因變量的模型中，Hausman統(tǒng)計量對應的P值均小于1%的顯著性水平,表明應拒絕隨機效應模型的原假設，建立固定效應模型。本文最終采用固定效應模型作為說明對象，模型回歸結果如表6所示。

綜合兩種方法相關結論來看，農(nóng)業(yè)勞動力投入、農(nóng)業(yè)種植結構對農(nóng)業(yè)TFP增長具有顯著的負向作用，說明農(nóng)業(yè)生產(chǎn)中過剩的勞動力不利于農(nóng)業(yè)技術效率的改善，我國農(nóng)業(yè)TFP的增長已不能依賴勞動力投入數(shù)量的增加而提高。農(nóng)業(yè)種植結構不合理可能偏離了我國農(nóng)業(yè)的比較優(yōu)勢，從而也對農(nóng)業(yè)TFP的提高產(chǎn)生了抑制作用。農(nóng)業(yè)資本投入、人力資本和城市化水平對農(nóng)業(yè)TFP增長都具有正向顯著作用，其中人力資本的正向作用最大，這表明擴大農(nóng)業(yè)資本投入、勞動者素質的提高、推進城市化進程都可以促進農(nóng)業(yè)TFP的提升。從技術效率來看，土地投入和灌溉面積占比具有顯著的負向作用，這表明土地投入數(shù)量增加以及土地質量的改善沒有對農(nóng)業(yè)技術效率改善產(chǎn)生積極影響。人力資本作用顯著為負，這可能是由于受教育程度較高的農(nóng)業(yè)勞動力發(fā)生了從農(nóng)業(yè)生產(chǎn)的流出，從而使實際從事農(nóng)業(yè)生產(chǎn)的勞動力的人力資本較低，不利于農(nóng)業(yè)新技術的推廣和應用，因此與農(nóng)業(yè)技術效率呈現(xiàn)出負相關。城市化水平產(chǎn)生了正向作用，表明城市化水平的提高，有利于農(nóng)產(chǎn)品銷售規(guī)模增加，也會逐漸提升對農(nóng)產(chǎn)品的需求層次，從而刺激農(nóng)民生產(chǎn)的積極性，促使其采用更先進的技術生產(chǎn)滿足更高消費需求的農(nóng)產(chǎn)品，這將對技術效率改善產(chǎn)生正向作用。從技術進步來看，農(nóng)業(yè)勞動力投入、土地投入都對技術進步產(chǎn)生了顯著的負向作用，這意味著勞動力和土地數(shù)量的增加對技術進步會產(chǎn)生抑制作用。農(nóng)業(yè)種植結構對技術進步存在顯著的負向影響，一定程度上也導致了農(nóng)業(yè)TFP增長受到阻礙。農(nóng)業(yè)資本投入、人力資本和灌溉面積占比都對技術進步具有顯著的正向作用，且人力資本的促進作用更加突出，這說明通過增加農(nóng)業(yè)資本投入轉變農(nóng)業(yè)生產(chǎn)方式、提供教育和培訓促進人力資本積累以及促進土地質量的改善都會對農(nóng)業(yè)技術進步產(chǎn)生積極影響。

表6 面板數(shù)據(jù)模型回歸結果

三、結論與政策建議

本文運用DEA-Malmquist指數(shù)法和SFA法分析了1990—2012年我國28個省級行政區(qū)的農(nóng)業(yè)全要素生產(chǎn)率及其分解的演變趨勢及影響因素。TFP的測算研究結論顯示：在考察期內(nèi)，兩種方法測算的我國農(nóng)業(yè)TFP年均增長率較為接近，分別為3.1%和3.6%，但波動趨勢呈現(xiàn)出相反的結論；技術進步是我國農(nóng)業(yè)TFP增長的主要來源，技術效率低下是農(nóng)業(yè)TFP增長的短板，這種情況同樣表現(xiàn)在省市區(qū)以及東部、中部、西部區(qū)域層面。另外，不同區(qū)域之間的農(nóng)業(yè)TFP存在明顯的空間差異，東、中、西部地區(qū)農(nóng)業(yè)TFP依次下降。

通過影響因素的實證分析表明，農(nóng)業(yè)勞動力投入對農(nóng)業(yè)TFP增長以及技術進步產(chǎn)生了負向影響，土地投入對技術效率以及技術進步產(chǎn)生了負向影響，而人力資本對農(nóng)業(yè)TFP增長、技術效率變化以及技術進步都具有正向作用，且影響程度在所有影響因素中最大。說明提升我國農(nóng)業(yè)生產(chǎn)率不能依靠要素投入數(shù)量的增加，而應更加關注要素質量的提升，通過提高農(nóng)業(yè)從業(yè)人員的素質，使新技術得到更好的應用，從而更好地發(fā)揮人力資本對農(nóng)業(yè)生產(chǎn)率提高的促進作用。農(nóng)業(yè)資本投入對農(nóng)業(yè)TFP增長以及技術進步表現(xiàn)出顯著的正向作用，且影響程度僅次于人力資本，意味著政府作為目前的農(nóng)業(yè)資本投入主體，應注重通過其農(nóng)業(yè)投資行為引導農(nóng)戶、企業(yè)加強對農(nóng)業(yè)的資本投入，為農(nóng)業(yè)生產(chǎn)提供更好的基礎設施，為農(nóng)業(yè)研發(fā)提供充足的資金，從而為推動農(nóng)業(yè)TFP增長提供堅實的保障。城市化水平對農(nóng)業(yè)TFP增長以及技術效率變化存在顯著的正向影響，應該繼續(xù)推行城市化戰(zhàn)略，以城市化帶動農(nóng)業(yè)、農(nóng)村發(fā)展，形成城鄉(xiāng)互動、協(xié)調(diào)發(fā)展格局。農(nóng)業(yè)種植結構對農(nóng)業(yè)TFP增長和技術進步具有顯著負向作用，表明在保證糧食安全的前提下，我國農(nóng)業(yè)種植結構應該秉承比較優(yōu)勢原則進行調(diào)整，從而改善農(nóng)業(yè)資源配置效率，促進農(nóng)業(yè)TFP的增長。財政支農(nóng)力度對農(nóng)業(yè)TFP增長表現(xiàn)出正向作用，但系數(shù)較小，在SFA法的結論中并不顯著，政府應更好地調(diào)節(jié)支出結構，加強支農(nóng)資金優(yōu)化配置，以提升支持農(nóng)業(yè)發(fā)展的實際能力。

[1]余康,章立,郭萍.1989－2009中國總量農(nóng)業(yè)全要素生產(chǎn)率研究綜述[J].浙江農(nóng)林大學學報,2012（1）:111-118.

[2]高帆.我國區(qū)域農(nóng)業(yè)全要素生產(chǎn)率的演變趨勢與影響因素——基于省際面板數(shù)據(jù)的實證分析[J].數(shù)量經(jīng)濟技術經(jīng)濟研究,2015（5）：3-19.

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

[4]王玨,宋文飛,韓先鋒.中國地區(qū)農(nóng)業(yè)全要素生產(chǎn)率及其影響因素的空間計量分析——基于1992—2007年省域空間面板數(shù)據(jù)[J].中國農(nóng)村經(jīng)濟,2010（8）：24-35.

[5]石慧,吳方衛(wèi).中國農(nóng)業(yè)生產(chǎn)率地區(qū)差異的影響因素研究——基于空間計量的分析[J].世界經(jīng)濟文匯,2011（3）：59-73.

[6]韓海彬,張莉.農(nóng)業(yè)信息化對農(nóng)業(yè)全要素生產(chǎn)率增長的門檻效應分析[J].中國農(nóng)村經(jīng)濟,2015（8）：11-21.

[7]李谷成,尹朝靜,吳清華.農(nóng)村基礎設施建設與農(nóng)業(yè)全要素生產(chǎn)率[J].中南財經(jīng)政法大學學報,2015（1）：141-147.

[8]CAVES D W,DIEWERT W E.The economic theory of index numbers and the measurement of input,output and productivity[J].Econometrica,1982,50（6）:1393-1414.

[9]FARE R,GROSSKOPE S,NORRIS M,et al.Productivity growth,technical progress and efficiency changes in industrialized countries[J].The American Economic Review.1994，84（1）:66-83.

[10]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.

[11]MEEUSEN W,BROECK J V D.Efficiency estimation from Cobb-Douglas production functions with composed error[J]. International Economic Review,1977,18（2）:435-444.

[12]BATTESE G E,COELLI T J.Frontier production functions,technical efficiency and panel data:with application to paddy farmers in India[J].The Journal of Productivity Analysis,1992（3）:149-165.

[13]SOLOW R M A.Contribution to the theory of economic growth[J].Quarterly Journal of Economics,1956,70（1）:65-94.

[14]李谷成.人力資本與中國區(qū)域農(nóng)業(yè)全要素生產(chǎn)率增長——基于DEA視角的實證分析[J].財經(jīng)研究,2009（8）：115-128.

[15]劉勇,孟令杰.測量Malmquist生產(chǎn)率指數(shù)的SFA方法[J].北京理工大學學報(社會科學版),2002（s1）:42-44.

[16]HALL R E,JONES C L.Why do some countries produce so much more output than others[J].The Quarterly Journal of Economics,1999:114(1):83-116.

[17]PSACHAROPOULOS G,PATRINOS H A.Returns to investment in education:a further update[J].Education Economics，2004,12(2):111-134．

責任編輯：吳強

DynamicChangesandFactorsofGrowthofAgriculturalTotalFactorProductivityinChina——Based on a Compare Study by Using DEA and SFA

HE Tingting
(School of Economics and Management,Anhui Agricultural University,Hefei Anhui 230036,China)

This article analyzes the development trend and factors of agricultural TFP of China’s 28 provinces from 1990 to 2012 by using DEA-Malmquist Index,SFA,Pool OLS,FE and RE.The results show that:the annual growth rates of agricultural TFP are 3.1%and 3.6%respectively based on the two test methods,but the development trends have different directions.Technological progress is the main factor causing agricultural TFP of the whole country and all provinces.Agricultural TFP decrease followed the sequence of eastern area,central area and western area.Agricultural capital investment,human capital and urbanization level have positive effects on the agricultural TFP,while agricultural labor input and agricultural planting structure have significant negative effects.Financial support for agriculture has positive effect on the agricultural TFP by DEA-Malmquist Index analysis. The effect of land input on the agricultural TFP has contrary results by using two different methods.

agricultural TFP;DEA-Malmquist;SFA;agricultural development

F320.1

A

1673-8004（2017）03-0113-09

10.19493/j.cnki.issn1673－8004.2017.03.018

2016-10-24

安徽省高校人文社會科學重點項目“‘兩型農(nóng)業(yè)’視角下安徽省農(nóng)業(yè)綠色全要素生產(chǎn)率增長的減貧效應研究”（SK2017A0140）；教育部人文社會科學青年項目“農(nóng)業(yè)產(chǎn)業(yè)聚集視角下地理標志農(nóng)產(chǎn)品的生產(chǎn)者行為研究”（14YJC79126）。

何婷婷（1981—），女，安徽池州人，講師，主要從事國際貿(mào)易與技術創(chuàng)新管理研究。