我國家庭農場的全要素生產率及其差異

王麗霞, 常 偉

(安徽大學 a.經(jīng)濟學院;b.中國三農問題研究中心，安徽 合肥 230031)

我國家庭農場的全要素生產率及其差異

王麗霞, 常 偉

(安徽大學 a.經(jīng)濟學院;b.中國三農問題研究中心，安徽 合肥 230031)

基于1647份的家庭農場微觀調查數(shù)據(jù)，運用隨機前沿生產函數(shù)法系統(tǒng)評估糧食型、非糧食型和混合型3種類別家庭農場效率及其差異分布，結果表明：2011—2016年家庭農場樣本的全要素生產率(TFP)年均增長率為0.75%，增長主要來源于技術進步和要素配置效率變動，但后者貢獻較小，規(guī)模擴張是TFP增長的重要阻礙；糧食型農場效率處于最低水平，非糧食型農場效率最高，3類農場差異顯著。選擇適度規(guī)模經(jīng)營以提升規(guī)模效率、轉變經(jīng)營思路帶動配置效率提升以擴大TFP的提升空間、持續(xù)推進對現(xiàn)有農業(yè)技術的推廣和運用、著重提升糧食型農場效率防止非糧化傾向是當前家庭農場發(fā)展的關注重點。

家庭農場； 全要素生產率； 技術進步； 要素配置； 經(jīng)營規(guī)模

一、引言

當前，中國家庭農場數(shù)量呈現(xiàn)爆發(fā)式增長。數(shù)據(jù)顯示，截至2015年末，全國已有各類家庭農場超過87萬戶，經(jīng)營耕地面積達1.76億畝，占全國承包耕地總面積約13.4%，其中經(jīng)農業(yè)部門認定的家庭農場超過34萬戶。作為新型農業(yè)經(jīng)營主體的重要組成部分，家庭農場的發(fā)展不僅關系到農業(yè)經(jīng)營未來的發(fā)展動向，也是農業(yè)現(xiàn)代化能否真正實現(xiàn)的關鍵因素。評估經(jīng)濟主體發(fā)展表現(xiàn)的重要指標之一是生產效率，因此，分析家庭農場的生產效率對給出合理的政策導向至關重要。從政策的實際出發(fā)，對家庭農場生產的實際效率和潛在的低效率因素進行研究，一方面可以為家庭農場主提供信息以提高經(jīng)營能力，另一方面，政策制定者可以利用這些信息來識別和制定合理的政策以提高農業(yè)生產率和農民的收入[1]。故如何對家庭農場生產效率進行測算與分解，進而了解家庭農場數(shù)量激增背后的動力來源，厘清技術、規(guī)模與配置在家庭農場中的作用，無疑對農業(yè)發(fā)展和農村改革的效果評價具有重要意義。

目前針對家庭農場效率的研究主要集中于全要素生產率和技術效率的測度與分析。從研究方法上看，技術效率的測度主要依賴于參數(shù)方法、非參數(shù)方法、半?yún)?shù)方法。其中參數(shù)方法主要運用隨機前沿模型(SFA)對效率予以估計,如Heshmati和Kumbhakar[2]、Abdulai和Eberlin[3]、Lawson等[4]、B?ckman和Islam[5]、楊承霖[6]等。非參數(shù)方法主要運用數(shù)據(jù)包絡分析(DEA)及在此基礎上改進的方法，如Helfand和Levine[7]、Latruffe和Davidova[8]、Bale?entis和Kri?iukaitien[9]、曹文杰[10]等。亦有學者同時運用兩種方法對比分析農場效率，如Bravo-Ureta和Solís[11]，而Henningsen和Kumbhakar[12]認為DEA和SFA方法均不能恰當分析波蘭家庭農場在經(jīng)濟轉型期的效率，宜采用半?yún)?shù)隨機前沿方法對效率進行估計。

從農場的研究種類看，一些學者關注專業(yè)化農場的效率研究，如糧食種植農場[5,13]、奶牛養(yǎng)殖農場[14-15]、煙草種植農場[16]、咖啡種植農場[17]等，另一些學者則關注家庭農場效率的綜合分析，如Abdulai和Huffman[18]、Mugera和Langemeier[19]等。從研究內容看，既包括純粹農場效率的測算，如Cabrera和Solis[15]、Kim和Chavas[20]，也包括家庭農場效率的影響因素研究，如Lars′en[21]、Douarin和Latruffe[22]、Bojnec和Latruffe[23]、Bale?entis和Kriiukaitien[9]等。

總結現(xiàn)有的研究發(fā)現(xiàn)：(1)在家庭農場數(shù)據(jù)的選取上主要針對截面數(shù)據(jù)，對面板數(shù)據(jù)的分析較少；(2)指標設定上以靜態(tài)效率為主，缺乏動態(tài)演化路徑的分析，且分析方法多為均值分析，缺乏對個體效率分布特征的討論；(3)總體范圍的討論多以農場樣本全體為對象，缺乏對不同類型家庭農場的分類比較。基于上述問題，本文采用課題組的調查數(shù)據(jù)，以樣本總數(shù)為1647份、時間為2011—2016年的家庭農場面板數(shù)據(jù)作為分析基礎，系統(tǒng)評估家庭農場效率。具體而言，首先，將家庭農場分為糧食型、非糧食型和混合型3種類別。其次，運用SFA方法測算不同類別家庭農場靜態(tài)效率，并基于Kumbhakar[24]提出的效率分解技術對各類型家庭農場動態(tài)變化予以分解。其中靜態(tài)效率包括全要素生產率(TFP)和技術效率(TE)，動態(tài)效率包括TFP變動及由其分解所得次級指標技術變動(CTP)、技術效率變動(CTE)、規(guī)模效率變動(CSE)和配置效率變動(CAE)。最后，采用多維核密度技術，運用均值分析和個體分析相結合的方式分析和決定家庭農場效率變化的關鍵因素。

二、測度方法、數(shù)據(jù)說明與特征描述

(一)測度方法：靜態(tài)與動態(tài)二維刻畫

為使得家庭農場效率變化得到有效分解，本文運用參數(shù)化方法度量家庭農場效率，基于Battese和Coelliti[25]提出的攜帶時變技術無效率指數(shù)的隨機前沿模型(BC模型)計算家庭農場效率，并采用Kumbhakar[24]提出的方法對效率指標予以分解。為進一步區(qū)分可能涉及到前后兩期數(shù)據(jù)比較的效率指標，將家庭農場效率分為靜態(tài)效率和動態(tài)效率[26]。

1.測度方法一：靜態(tài)效率(Static Efficiency)

靜態(tài)效率分析只涉及當期數(shù)據(jù)，本文包括生產率和技術效率。Coelli和Rao[27]指出單要素生產率作為生產率的度量易產生結果偏誤，宜采用全要素生產率(TFP)作為生產率指標的度量。Caves和Christense[28]采用的索洛余值法運用生產函數(shù)對數(shù)形式估計式中的產出項與投入項對數(shù)值的差值估計TFP，這一方法因其操作的簡便性而得到了廣泛的使用，但其隱含的重要假設是要素被充分利用并在給定技術水平下產出達到最優(yōu)。而經(jīng)營主體在現(xiàn)實中面臨的隨機環(huán)境往往會干擾最優(yōu)產出的實現(xiàn)，尤其是農業(yè)生產的特殊性使其面臨的隨機因素更多。因此Battese和Coelliti[25]將隨機前沿生產函數(shù)引入農業(yè)生產效率分析，其模型為：

Yi=f(Xi,β)exp(vi)

(1)

式中Xi和Yi分別為第i個樣本的投入和產出向量；exp(vi)指給定要素投入和生產技術不變前提下，隨機因素導致的實際產出相對于生產邊界即最大產出的偏離程度，其中vi可正可負；β為生產函數(shù)的待估參數(shù)。

除隨機因素外，經(jīng)營主體自身存在的各種低效率行為也會導致產出無法實現(xiàn)最優(yōu)。定義全要素生產率(TFP)為實際產出與要素投入的比值，而技術效率(TE)為實際產出(記為Y′)與最優(yōu)產出(記為Y)的比值，則考慮技術效率后的生產函數(shù)形式為：

Yi=f(Xi,β)exp(-ui)

(2)

式中ui稱為技術無效率指數(shù)，則相應的技術效率可表示為：

TE=exp(-ui)

(3)

結合(1)(2)得到的同時考慮技術效率和隨機因素的對數(shù)化生產函數(shù)形式為：

lnYi=lnf(Xi,β)+vi-ui

(4)

(5)

而全要素生產率計算公式為：

(6)

其中sj為第j項要素的成本份額。

2.測度方法二：動態(tài)效率(Dynamic Efficiency)

為進一步考察全要素生產率和技術效率的動態(tài)變化，Battese和Coelliti[25]在(4)式的基礎上提出具有動態(tài)變化的面板數(shù)據(jù)模型：

lnYit=lnf(Xit,β)+vit-uit

(7)

uit=ui×exp[-η×(t-T)]

(8)

(9)

式中sj如前所述定義為第j種投入要素的成本份額，εj為第j種投入要素的產出彈性，計算公式為：

(10)

相應的

為獲得各分解項的估計，需給出生產函數(shù)的具體形式。許慶[30]指出超越對數(shù)(Translog)生產函數(shù)對要素替代彈性不施加任何限制條件。就替代可能性而言，該函數(shù)對于任意的生產技術，都能較好地近似，同時Kumbhakar[24]建議在translog生產函數(shù)中加入時間趨勢項以表征技術進步。其具體形式如下：

(11)

式中下標j=1,2,3分別表示土地、勞動和資本投入；t為時間變量；α及β為待估參數(shù)。式(10)所述隨機前沿模型表明，允許存在非中性技術進步(βTj>0,j=1,2,3)，而若有βTj=0,j=1,2,3，則技術進步是中性的。結合(9)式可得各項的分解式分別為：

根據(jù)產出彈性及式(9)可計算規(guī)模效率變動(CSE)和配置效率變動(CAE)。

(二)數(shù)據(jù)說明與描述性分析

本研究數(shù)據(jù)來源于中國三農問題研究中心農村社會經(jīng)濟調查課題組的家庭農場專項調查，家庭農場樣本按照隨機原則取自安徽省17個縣50個鄉(xiāng)鎮(zhèn)的86個行政村，時間跨度為2011至2016年，由于存在家庭農場經(jīng)營者的退出和新入，農場個體總數(shù)為369戶，實際有效樣本為1647個。調查范圍地貌既包含平原地區(qū)，也包含山地和丘陵地區(qū)，涵蓋了各種地形地貌和農業(yè)生產環(huán)境。

本文考察多投入、單產出情形。由于家庭農場經(jīng)營的農場品種類存在差異，產出以產量計算僅能體現(xiàn)效率的絕對性而無法進行相對性的比較，因此以總收入作為唯一產出指標。為保障測算結果的準確性，剔除收入來源中的包含政府補貼、打工等非農收入部分。投入向量包括土地、勞動和資本投入，其中土地投入指家庭農場實際生產用土地，由于家庭農場經(jīng)營土地多為流轉而得，因此其價格即為流轉土地租金；勞動投入即投入的勞動力數(shù)量，其中雇傭勞動力價格以實際支付價格計算，而家庭自有勞動力以雇傭勞動力的平均價格計算；資本投入包括中間消費品(化肥、農藥、飼料、種子等)及農場總資產。同時，為進一步考察不同類型家庭農場效率及變動差異，鑒于糧食生產不可替代的重要性，根據(jù)家庭農場經(jīng)營產品是否為糧食作物將家庭農場分為糧食型、非糧食型和混合型，其中糧食型指家庭農場僅種植糧食作物，如水稻、小麥、玉米等；非糧食型指家庭農場經(jīng)營收入來源于經(jīng)濟作物(如種植水果、蔬菜、苗木、花卉、藥材等)或畜禽、水產養(yǎng)殖等；其他為混合型家庭農場。

表1列舉了不同類型農場的投入產出指標的總體概況。從樣本分布看，家庭農場仍以糧食種植為主，樣本占比為48.69%，非糧食型占比最低，比值為19.73，即高達80.27%的農場種植糧食作物。從投入指標看，資本在所有樣本農場中，投入占比最高，尤其是非糧食型農場，高達72.16%；土地投入占比最高為糧食型，其次為混合型，非糧食型土地投占比最小，僅為11.96%；勞動占比以混合型居多，但也僅為20.84%，據(jù)此，家庭農場規(guī)模化經(jīng)營帶來的機械化對勞動的替代作用逐漸顯現(xiàn)。最后，盡管3種類別的投入產出比值相差較小，但仍可看出，若以投入產出比作為效率衡量標準，則糧食型農場效率最低，混合型最高，后文的效率測算結果將進一步說明這一點。

表1 家庭農場年投入產出指標均值的描述性分析

注：總收入一行占比指投入產出比，即投總值與產出總值之比。

三、3類家庭農場的靜態(tài)效率和動態(tài)效率實證分析

(一)模型的基礎檢驗

由于隨機前沿函數(shù)模型的結論高度依賴于模型的函數(shù)形式，函數(shù)形式設定的合理性直接關系到結論的正確與否。為此，本文對模型(10)的設定做了5個方面的假設檢驗，分別為：(1)技術無效率的存在性檢驗(檢驗γ、μ、η是否同時為零)；(2)無效率函數(shù)的參數(shù)檢驗(檢驗μ、η分別是否為0)；(3)技術效率是否存在時間效應檢驗(檢驗含時間t項系數(shù)是否為0)；(4)技術變化是否Hicks中性的檢驗(檢驗時間t與要素投入的交互項系數(shù)是否為0)；(5)生產函數(shù)是否可以退化為Cobb-Douglas函數(shù)模型的檢驗(檢驗所有交互項和平方項系數(shù)是否為0)。上述檢驗均可通過構建似然比檢驗統(tǒng)計量LR，采取最大似然估計法予以檢驗，LR=-2(lnL0-lnL1)，其中l(wèi)nL0和lnL1分別為零假設和備擇假設下的對數(shù)似然函數(shù)值，相關的零假設和檢驗結果見表2。

表2 模型的假設檢驗結果(全樣本)

表2中的6個檢驗均在1%的顯著性水平下拒絕了零假設，具體而言，拒絕假設1意味著存在技術無效率；拒絕假設2表明技術無效率指數(shù)不能退化為均值為0的半正態(tài)分布；拒絕假設3說明技術效率變動存在時間效應；拒絕假設4意味著盡管技術存在無效率，但技術進步也顯著存在；進一步，拒絕假設5表明樣本中家庭農場發(fā)展存在非中性的技術進步；最后，拒絕假設6表明相對于簡單的C-B函數(shù)，Translog函數(shù)更能充分反映出家庭農場的投入產出變化。

表3 Translog模型回歸結果

注：*、**、***分別表示10%、5%和1%水平下具有顯著性差異。

(二)家庭農場靜態(tài)效率分析

表4分別匯報了家庭農場靜態(tài)效率(全要素生產率和技術效率)均值分類得分及歷年平均水平變化。從表4的數(shù)據(jù)可以看出，不論是歷年數(shù)據(jù)還是總體平均數(shù)據(jù)，在所有農場分類中糧食型農場的全要素生產率和技術效率均處于最低水平，分別低于平均水平9.54和7.31個百分點，TFP、TE與總水平的差距分別在2012和2011年達到最大值(12.37%和12.64%)。與之形成鮮明對比的是非糧食型農場的靜態(tài)效率遠高于平均水平，相對差距為32.19%和28.65%，且在差距較大的年份分別達到35.68%(2013年)和35.94%(2011年)。對比糧食型和非糧食型農場，TFP差距在2013年達到峰值58.62%，TE差距在2011年達到峰值55.63%?；旌闲娃r場靜態(tài)效率則居于糧食型和非糧食型之間。這一結果表明多元化經(jīng)營策略并非提升經(jīng)營效率的充分條件。究其原因，一方面保障糧食安全是農業(yè)生產之關鍵，從樣本量對比亦可發(fā)現(xiàn)，純糧食種植型農場數(shù)量顯著高于其他類型農場，而糧食種植型效率卻處于最低水平；另一方面需要注意到家庭農場主仍以中低人力資本為主，嚴重限制了技術的掌握和運用。

表4 家庭農場靜態(tài)效率均值分類比較

另外，從技術效率的取值看，家庭農場所有類別的技術效率值均處于較低水平，除非糧食型外，其他類別技術效率均未超過50%。據(jù)此，相較于高成本的農業(yè)新技術的研發(fā)，如何實現(xiàn)現(xiàn)有技術的充分挖掘與運用仍是農業(yè)發(fā)展的關鍵。值得注意的是，盡管糧食型農場的TFP和TE均處于較低水平，但是從技術效率的變化趨勢看，糧食型家庭農場技術效率呈緩慢但明顯的上升趨勢，這表明近年來家庭農場的發(fā)展不僅表現(xiàn)在農場收入的提升，也體現(xiàn)在農業(yè)技術利用效率的提升。

為分析效率變化的趨勢特征和個體效應，本文運用多維隨機核密度估計結合Matlab軟件對靜態(tài)效率予以可視化分析。將效率向量按年份2011—2016視為相互獨立的有序連續(xù)變量進行核密度估計。圖1展示了所有樣本的TFP核密度估計結果和不同類型家庭農場TFP的分布比較。圖1(左)中，2011—2016年總體TFP水平變化差異不大，最高點均集中于較低水平4～7之間；2011年和2013年TFP值峰度較小，即取值分布范圍較廣，且效率峰值出現(xiàn)于6～7之間，而其他年份的TFP均集中程度較高，但取值較低，集中在5～6之間。圖1(右)給出了3種類型農場的TFP比較，顯然非糧食型農場峰度較低，取值分布較廣，結合表1中均值為8.0115的比較，其核密度估計右偏特征明顯；糧食型峰度最高，但峰值最低，范圍在4～6之間；混合型峰度居于兩者之間，取值主要分布于5～7，由于取值較非糧食型集中，因此盡管峰值高于非糧食型，但均值低于后者。另外，對全要素生產率核估計帶寬的分析發(fā)現(xiàn)，在最優(yōu)帶寬選擇下歷年數(shù)據(jù)均具有單峰特征，即使對帶寬作出一定調整，這一特征依然明顯(篇幅有限，此處未列出不同帶寬調整下的估計圖形)。

圖1 全要素生產率隨機核密度估計

圖2反映了技術效率的隨機核密度估計趨勢及不同類型的技術效率比較。首先，從圖2左圖可以看出，歷年TE最高峰值并無明顯差異，且峰值點幾乎在0.2～0.4之間，2016年達到最高，這可能與2016年農業(yè)生產面臨的自然災害有關*民政部國家減災辦發(fā)布的《2016年全國自然災害基本情況》顯示，2016年因自然災害導致農作物受災面積2622萬公頃，其中絕收290萬公頃，直接經(jīng)濟損失5032.9億元，為2011—2016年最高水平。，盡管農業(yè)保險大幅度彌補家庭農場遭受的損失，但不利的氣候條件使得技術效率無法充分發(fā)揮[9]，從而使其技術效率集中于較低水平。但與TFP不同的是，在最優(yōu)帶寬選擇下，歷年技術效率均具有多峰特征，例如2011年技術效率取值具有0.2～0.3、0.4～0.5、0.6～0.7、0.8～0.9四個范圍的峰值。值得注意的是，其中兩個峰值范圍0.4～0.5、0.8～0.9隨著時間的推移呈現(xiàn)向右遷移的趨勢。這表明盡管家庭農場總體技術效率低下，但仍有一部分農場致力于技術效率提升，且受自然災害的影響較少。圖2右圖中非糧食型農場的技術效率分布范圍極廣，在0.2～1之間均有取值，且在0.8附近存在波峰，表明左圖中技術效率為0.8～0.9范圍的集中值可能來源于非糧食型農場，而糧食型農場集中程度最高，但水平較低，混合型居于兩者之間。總體而言，技術效率的分布規(guī)律與全要素生產率一致，表明技術效率可能是家庭農場TFP的決定因素。

圖2 技術效率隨機核密度估計

(三)家庭農場動態(tài)效率分解

根據(jù)式(9)，本文對上述靜態(tài)效率進行計算和分解，得出家庭農場TFP的動態(tài)效率變化。表5匯報了所有家庭農場樣本及分類樣本的TFP變動(CTFP)、技術變動(CTP)、技術效率變動(CTE)、規(guī)模效率變動(CSE)和配置效率變動(CAE)在2012—2016年的平均水平*Kumbhakar(2000)提出的測算方法中分解項TE變動具有完整年度數(shù)據(jù)，其他項效率變動僅含2012—2015年數(shù)據(jù)，為保持結果統(tǒng)一性，表5中數(shù)據(jù)以2012年為起點。另外，此處TFP變動為其分解項技術變動、技術效率變動、規(guī)模效率變動和配置效率變動之和，而非直接運用TFP直接計算的結果。。對表5的分析可發(fā)現(xiàn)家庭農場動態(tài)效率變動具有如下特征：

第一，農業(yè)全要素生產率變動呈增產趨勢。表5中，2012—2016年，TFP變動的年均水平為0.75%，非糧食型農場平均增長率最高，為2.2%，糧食型最低，僅為0.34%。易于發(fā)現(xiàn)，盡管樣本年度較短，但家庭農場全要素生產率仍呈現(xiàn)出明顯的增長。從變化趨勢看，除混合型農場存在不穩(wěn)定的波動外，全樣本、糧食型和非糧食型TFP增長率均呈現(xiàn)上升趨勢，其中，糧食型農場TFP由最初兩年的負值逐漸增長至0.86%。這一結果表明，雖然作為新型農業(yè)經(jīng)營主體的家庭農場發(fā)展面臨市場機制不健全、要素匱乏[32]、土地租約不健全[33]、自然風險等多重約束，但是從效率的角度出發(fā)，仍顯現(xiàn)出積極的生命力。針對家庭農場效率提升的原因，學者們從不同維度給出了解釋。一是適度規(guī)模經(jīng)營帶來的效率提升[34-35]；二是家庭農場具有企業(yè)應具備的市場決策能力，有助于科學化的管理[36]；三是政府政策的大力扶持[37]。另外，本文所得數(shù)據(jù)低于全炯振[38]及張樂和曹靜[39]對于全國農業(yè)全要素增長率的估計*由于二者均采用與本文類似的方法對全國年均農業(yè)生產率進行測算，與本文具有一定的可比性。前者基于1978—2007年數(shù)據(jù)得出，中國農業(yè)全要素生產率的年均增長率為0.7%，后者基于1991—2010年數(shù)據(jù)測算出全國年均農業(yè)TFP增長率為5.12%。，這既與地區(qū)差異有關，也與投入要素的分類存在關聯(lián)。

第二，家庭農場存在無效的規(guī)模擴張。從家庭農場TFP增長率的分解結果分析發(fā)現(xiàn)，規(guī)模效率(CSE)在全樣本和分類樣本中均取負值，表明規(guī)模效率對TFP增長具有抑制作用。規(guī)模效率變動年均降低TFP增長率0.35%，是家庭農場TFP增長率的重要阻礙因素，其中規(guī)模效率對糧食型農場的阻礙最大，混合型農場所受影響相對較小。表明家庭農場全要素投入并不能與規(guī)模報酬相適應，同時由各要素投入彈性之和為0.5447<1*根據(jù)式(10)計算得出。亦可推斷，家庭農場生產中存在無效的規(guī)模擴張，這意味著盡管規(guī)模經(jīng)營是家庭農場全要素生產率提升的重要原因，但盲目的規(guī)模擴張將起到相反的效果。且本文數(shù)據(jù)表明這一盲目擴張在中國的農場普遍存在。

第三，家庭農場TFP增長表現(xiàn)為技術誘導型增長模式。在TFP變動的分解項中，技術變動(CTP)與技術效率變動(CTE)為正，表明二者對家庭農場TFP增長率具有促進作用。前者的年均貢獻為0.59%，后者則為0.51%，結合前文的分析表明，盡管家庭農場技術效率處于較低水平，但技術變動和技術效率變動仍是家庭農場總TFP增長的決定性因素，這與靜態(tài)效率分析中得出的結論一致。從分類樣本中CTP和CTE的數(shù)值與CTFP的比較亦能佐證這一點，甚至有CTP+CTE>CTFP，但二者的作用被規(guī)模效率的負向影響所抵消?？梢哉f，中國家庭農場全要素的增長屬于技術誘導型增長模式。但需要注意的是，從總樣本看，二者總體變化呈遞減趨勢，即技術變動和技術效率變動對TFP增長貢獻遞減。前文分析指出，家庭農場發(fā)展中存在土地節(jié)約型技術進步(表3中βT1<0)，因此，僅從樣本年度看，目前的技術進步趨勢與家庭農場的生產方式變化并不相符。全炯振[38]在對中國農業(yè)全要素增長率的測算中指出，當農業(yè)技術進步有力推動中國農業(yè)TFP增長時，總會出現(xiàn)農業(yè)技術效率變動下降的情形，產生農業(yè)技術效率損失與農業(yè)技術進步并存現(xiàn)象，說明中國現(xiàn)有對農業(yè)技術的推廣和擴散有待于進一步加強。這也與前文對靜態(tài)分析的結論一致。

表5 家庭農場TFP增長率及其分解

第四，家庭農場要素配置效率具有波動性特征。張樂和曹靜[39]指出要素配置效率是正向影響農業(yè)全要素生產率的決定因素，本文對家庭農場配置效率的測算表明，配置效率變動(CAE)在除糧食型外的樣本中，均值為正，即配置效率總體上對TFP增長具有促進作用，這與張樂和曹靜[39]的結論類似，不同的是，與技術變動和技術效率變動相比，配置效率變動對TFP變動的貢獻率最低，且從歷年數(shù)據(jù)觀察，這種促進作用并不穩(wěn)定，常常在某一年份表現(xiàn)為負值。而配置效率變動對糧食型農場TFP增長率貢獻則直接表現(xiàn)為負值，即糧食型農場的TFP水平低下的一個重要原因是要素配置的無效性。

第五，不同類型農場動態(tài)效率差異明顯。基于類型差異的家庭農場橫向比較發(fā)現(xiàn)，不同農場的TFP分解結果亦存在明顯差異。糧食生產型農場的各項效率分解值最低，而非糧食型農場的效率最高，混合型居中。為從統(tǒng)計意義上說明這一點，采用雙樣本異方差檢驗對3種類型農場進行兩兩對比，其結果見于表6。首先3種樣本的TFP變動均在1%的顯著性水平上存在差異；其次在占據(jù)主導地位的技術變化和技術效率變化中，三者也表現(xiàn)出顯著不同。但在分解值比重較小的規(guī)模效率變動和配置效率變動中表現(xiàn)不顯著。

表6 家庭農場動態(tài)效率的差異檢驗

注：*、**、***分別表示10%、5%和1%水平下具有顯著性差異。

四、結論

本文基于安徽省樣本數(shù)為1647份的家庭農場2011—2016年的面板數(shù)據(jù)，運用隨機前沿函數(shù)法分類評估糧食型、非糧食型和混合型3種類別家庭農場效率。在獲得不同類別家庭農場靜態(tài)效率全要素生產率和技術效率的基礎上，將各類家庭農場全要素生產率變動分解得到各類型家庭農場動態(tài)效率指標，并運用均值分析和個體分析相結合的方式分析家庭農場效率測算結果及引致效率變動的關鍵因素。通過對全樣本及糧食型、非糧食型和混合型3種類別家庭農場效率的對比分析，本文得出如下結論：

(1)總體而言，各類別的家庭農場TFP以遞增的速率逐年上升，但增速較慢，年均增速為0.75%，且這種增長表現(xiàn)為技術誘導型模式，即技術變動和技術效率變動是TFP變動的主要來源。

(2)規(guī)模效率和配置效率對TFP變動的貢獻較小，但二者方向不同，表現(xiàn)為規(guī)模效率對TFP變動具有負向阻礙作用，而配置效率對TFP變動具有正向促進作用，但糧食型農場的配置效率仍取值為負，無法對家庭農場TFP起到提升作用。

(3)3種類別家庭農場的靜態(tài)效率和動態(tài)效率均存在較大差異，對于所有的效率指標，均為糧食型家庭農場最低，其次為混合型農場，而包括養(yǎng)殖、經(jīng)濟作物種植等在內的非糧食型農場效率最高，且TFP變動、技術變動和技術效率變動的差異明顯。

結合上述結論，家庭農場發(fā)展過程應注意以下幾點：第一，防止無效而盲目的規(guī)模擴張，選擇適度規(guī)模經(jīng)營以提升規(guī)模效率；第二，注重家庭農場在土地、勞動和資本投入尤其是糧食型農場要素的合理配置，通過提升配置效率擴大TFP的提升空間；第三，除了重視農業(yè)人力資本的培育以研發(fā)農業(yè)新技術外，對現(xiàn)有農業(yè)技術的推廣和運用仍應是農業(yè)工作的重點；第四，對糧食生產型農場的扶持和效率的提升應得到關注，防止因糧食生產效率低下而導致家庭農場生產非糧化趨勢的產生而影響糧食安全。

[1]SOLIS D, BRAVO-URETA B E, QUIROGA R E. Technical efficiency among peasant farmers participating in natural resource management programmes in Central America[J]. Journal of Agricultural Economics, 2009, 60(1): 202-219.

[2]HESHMATI A, KUMBHAKAR S C. Farm heterogeneity and technical efficiency: Some results from Swedish dairy farms[J]. Journal of Productivity Analysis, 1994, 5(1): 45-61.

[3]ABDULAI A, EBERLIN R. Technical efficiency during economic reform in Nicaragua: Evidence from farm household survey data[J]. Economic Systems, 2001, 25(2): 113-125.

[4]LAWSON L G, BRUUN J, COELLI T, AGGER J F, LUND M. Relationships of efficiency to reproductive disorders in Danish milk production: A stochastic frontier analysis[J]. Journal of Dairy Science, 2004, 87(1): 212-224.

[5]BACKMAN S, ISLAM K M Z, SUMELIUS J. Determinants of technical efficiency of rice farms in north-central and north-western regions in Bangladesh[J]. The Journal of Developing Areas, 2011, 45(1): 73-94.

[6]楊承霖. 中國農場效率的實證研究——以內蒙古呼和浩特市土默特左旗牧區(qū)為例[J]. 世界農業(yè), 2013 (8): 122-126.

[7]HELFAND S M, LEVINE E S. Farm size and the determinants of productive efficiency in the Brazilian Center-West[J]. Agricultural Economics, 2004, 31(2-3): 241-249.

[8]LATRUFFE L, DAVIDOVA S, BALCOMBE K. Productivity change in Polish agriculture: An illustration of a bootstrapping procedure applied to Malmquist indices[J]. Post-Communist Economies, 2008, 20： 449-460.

[9]BALEZENTIS T, KRISCIUKAITIENE I, BALEZENTIS A. A nonparametric analysis of the determinants of family farm efficiency dynamics in Lithuania[J]. Agricultural Economics, 2014, 45(5): 589-599.

[10]曹文杰. 基于DEA-Tobit模型的山東省家庭農場經(jīng)營效率及影響因素分析[J]. 山東農業(yè)科學, 2014, 46(12): 133-137.

[11]BRAVO-URETA B E. SOLIS D, LOPEZ V H M, etc. Technical efficiency in farming: A meta-regression analysis[J]. Journal of productivity Analysis, 2007, 27(1):57-72.

[12]HENNINGSEN A, KUMBHAKAR S. Semiparametric stochastic frontier analysis: An application to Polish farms during transition[C]. Pisa: Euopean Workshop on Efficiency and Productivity Analysis (EWEPA), 2009.

[13]DHUNGANA B R, NUTHALL P L, NARTER G V. Measuring the economic inefficiency of Nepalese rice farms using data envelopment analysis[J]. Australian Journal of Agricultural and Resource Economics, 2004, 48(2): 347-369.

[14]KOMPAS T, CHE T N. Technology choice and efficiency on Australian dairy farms[J]. Australian Journal of Agricultural and Resource Economics, 2006, 50(1): 65-83.

[15]CABRERA V E, SOLIS D, DEL CORRAL J. Determinants of technical efficiency among dairy farms in Wisconsin[J]. Journal of Dairy Science, 2010, 93(1): 387-393.

[16]ABAY C, MIRAN B, GUNDEN C. An analysis of input use efficiency in tobacco production with respect to sustainability: The case study of Turkey[J]. Journal of Sustainable Agriculture, 2004, 24(3): 123-143.

[17]HALLAM D, MACHADO F. Efficiency analysis with panel data: A study of Portuguese dairy farms[J]. European Review of Agricultural Economics, 1996, 23(1): 79-93.

[18]ABDLAI A, HUFFMAN W. Structural adjustment and economic efficiency of rice farmers in northern Ghana[J]. Economic Development and Cultural Change, 2000, 48(3): 503-520.

[19]MUGERA A W, LANGEMEIER M R. Does farm size and specialization matter for productive efficiency? Results from Kansas[J]. Journal of Agricultural and Applied Economics, 2011, 43(4): 515-528.

[20]KIM K, CHAVAS J P, BARHAM B, FOLTA J. Specialization, diversification, and productivity: A panel data analysis of rice farms in Korea[J]. Agricultural Economics, 2012, 43(6): 687-700.

[21]LARSEN K. Effects of machinery-sharing arrangements on farm Efficiency: Evidence from Sweden[J]. Agricultural Economics, 2010, 41(5): 497-506.

[22]DOUARIN E, LATRUFFE L. Potential impact of the EU Single Area Payment on farm restructuring and efficiency in Lithuania[J]. Post-Communist Economies, 2011, 23(1): 87-103.

[23]BOJNECT , LATRUFFE L. Farm size and efficiency during transition: Insights from Slovenian farms[J]. Transformation in Business & Economics, 2011, 10(3):104-116.

[24]KUMBHAKAR S C, DENNY M, FUSS M. Estimation and decomposition of productivity change when production is not efficient: A panel data approach[J]. Econometric Reviews, 2000, 19(4): 312-320.

[25]BATTESE G E, COELLI T J. Frontier production functions, technical efficiency and panel data: With application to paddy farmers in India[M]//International Applications of Productivity and Efficiency Analysis. Dordrecht: Springer Netherlands, 1992: 149-165.

[26]覃家琦, 邵新建. 交叉上市, 政府干預與資本配置效率[J]. 經(jīng)濟研究, 2015, 50(6): 117-130.

[27]COLLI T J, RAO D S P, O′DONNELL C J, etc. An introduction to efficiency and productivity analysis[M]. Dordrecht: Springer Science & Business Media, 2005.

[28]CAVES D W, CHRISTENSEN L R, DIEMERT W E. The economic theory of index numbers and the measurement of input, output, and productivity[J]. Econometrica: Journal of the Econometric Society, 1982, 5(6): 1393-1414.

[29]KIM S, HAN G. A decomposition of total factor productivity growth in Korean manufacturing industries: A stochastic frontier approach[J]. Journal of Productivity Analysis, 2001, 16(3): 269-281.

[30]許慶, 尹榮梁, 章輝. 規(guī)模經(jīng)濟, 規(guī)模報酬與農業(yè)適度規(guī)模經(jīng)營[J]. 經(jīng)濟研究, 2011 (3): 59-71.

[31]COELLI T J. A guide to FRONTIER version 4.1: A computer program for stochastic frontier production and cost function estimation[R]. CEPA working papers, 1996.

[32]紀志耿, 黃婧. 擁有什么條件才能成為家庭農場主——經(jīng)營規(guī)模測算及自立能力分析[J]. 農村經(jīng)濟, 2014 (6): 3-7.

[33]羅必良, 胡新艷. 農業(yè)經(jīng)營方式轉型:已有試驗及努力方向[J]. 農村經(jīng)濟, 2016 (1): 3-13.

[34]REARDON T，KELLY V，CRAWFORD E．Determinants of farm productivity in Africa：A synthesis of four case studies[J]. MSU International Development Paper，1996(22)：194-207.

[35]MORENO-PEREZ O M, ARNLATE-ALEGRE E, ORTIZ-MIRANDA D. Breaking down the growth of family farms: A case study of an intensive Mediterranean agriculture[J]. Agricultural Systems, 2011, 104(6): 500-511.

[36]張德元, 李靜, 蘇帥. 家庭農場經(jīng)營者個人特征和管理經(jīng)驗對農場績效的影響[J].經(jīng)濟縱橫, 2016 (4): 77-81.

[37]闞凱, 楊光焰. 財政支持家庭農場績效評估——以上海市松江區(qū)家庭農場為例[J]. 農村經(jīng)濟, 2013 (7): 78-79.

[38]全炯振. 中國農業(yè)全要素生產率增長的實證分析: 1978～ 2007 年——基于隨機前沿分析(SFA)方法[J]. 中國農村經(jīng)濟, 2009 (9): 36-47.

[39]張樂, 曹靜. 中國農業(yè)全要素生產率增長: 配置效率變化的引入——基于隨機前沿生產函數(shù)法的實證分析[J]. 中國農村經(jīng)濟, 2013 (3): 4-15.

Total Factor Productivity and Its Difference of Family Farms in China

WANG Li-xia, CHANG Wei

(a.SchoolofEconomics；b.ResearchCenteroftheAgriculture-RuralArea-Peasant,AnhuiUniversity,Anhui230061,China)

Based on micro survey data of samples of 1647 family farms, this paper evaluates the efficiency and distribution of the types of grain, non-grain and mixed family farms by using stochastic frontier production function method. The results show that the average growth rate of total factor productivity (TFP) over the family farms in 2011-2016 was estimated at 0.75%. The productivity growth is driven mainly by technological progress and allocative efficiency change, but the latter has little contribution. Scale expansion is a major obstacle for the growth of TFP. Furthermore, the efficiency of grain farms was at the lowest level, yet non-grain farms get the highest efficiency, significant difference in 3 type farms. Policy implications of this article suggest that selecting the appropriate scale of operation in order to promote scale efficiency, changing management ideas in order to expand the TFP efficiency space by improving allocative efficiency, continuing to promote the popularization and application of existing agricultural technology, and focusing on enhancing the efficiency of grain farms to prevent non-grain tendency.

family farm; total factor productivity; technical progress; factors allocation;scale of operation

2017-09-01

10.7671/j.issn.1672-0202.2017.06.003

國家社會科學基金青年項目(12CJY052)；教育部“學術新人獎”項目(T201210501)

王麗霞(1987—)，女，安徽合肥人，安徽大學經(jīng)濟學院博士研究生，安徽大學中國三農問題研究中心助理研究員，主要研究方向為農村社會統(tǒng)計調查。E-mail: wanglixia001@163.com

F306.1

A

1672-0202(2017)06-0020-12