基于空間效應的農(nóng)田水利投資對農(nóng)業(yè)全要素生產(chǎn)率的影響

宋 敏,李明弦,張鳳澤

(河海大學商學院,江蘇 南京 211100)

糧食安全是關系國計民生的重要問題[1],而農(nóng)田水利建設是糧食安全的基礎保障。我國政府非常重視農(nóng)田水利建設,2018年公布的中央一號文件強調(diào)要大力實施“鄉(xiāng)村振興”戰(zhàn)略。農(nóng)田水利投資對農(nóng)田排灌渠系統(tǒng)、水土保持建設設施、截流提水設施等農(nóng)業(yè)生產(chǎn)條件會產(chǎn)生直接影響,農(nóng)業(yè)生產(chǎn)條件的改善將對農(nóng)業(yè)生產(chǎn)要素投入、種植規(guī)模、種植品種、農(nóng)業(yè)產(chǎn)出等造成直接的影響,進而影響農(nóng)業(yè)全要素生產(chǎn)率。在農(nóng)田水利投資方面,現(xiàn)有文獻大都是關于其與農(nóng)業(yè)經(jīng)濟增長關系的研究;在研究農(nóng)業(yè)全要素生產(chǎn)率時多采用非參數(shù)方法,如DEA、DEA-Malmquist指數(shù)法等;對于農(nóng)業(yè)全要素生產(chǎn)率的影響因素研究,主要選取的要素宏觀層面包括制度變革[2]、農(nóng)業(yè)政策、自然氣候條件[3]、勞動力流動[4]等,微觀層面包括農(nóng)戶規(guī)模[5]、非農(nóng)經(jīng)營活動、農(nóng)村信貸等方面。本文使用隨機前沿方法和空間計量方法研究解決在加入農(nóng)田水利投資情況下,我國農(nóng)業(yè)全要素生產(chǎn)率的測算情況、空間分布,以及農(nóng)田水利投資對農(nóng)業(yè)全要素生產(chǎn)率產(chǎn)生的影響。

1 文獻綜述

農(nóng)業(yè)經(jīng)濟增長是整體經(jīng)濟增長中重要的組成部分,農(nóng)業(yè)全要素生產(chǎn)率是衡量農(nóng)業(yè)高質(zhì)量發(fā)展的核心指標,因此很多學者致力于農(nóng)業(yè)全要素生產(chǎn)率增長問題的研究。20世紀60年代末,Griliches[6]研究美國的農(nóng)業(yè)經(jīng)濟問題時,第一次將全要素生產(chǎn)率概念應用到農(nóng)業(yè)領域,并用這一概念來解釋美國農(nóng)業(yè)經(jīng)濟的發(fā)展問題。Martin等[7]用國際數(shù)據(jù)測算全要素生產(chǎn)率發(fā)展狀況,結果表明發(fā)展水平相似的國家其農(nóng)業(yè)全要素生產(chǎn)率要高于制造業(yè)。高帆等[8]對我國農(nóng)業(yè)全要素生產(chǎn)率進行測算,并探究了我國分地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的差異以及產(chǎn)生差異的原因。隨著研究的深入,更多的學者開始關注農(nóng)業(yè)全要素生產(chǎn)率的影響因素。部分學者從要素市場分析要素配置[9]和要素偏好[10]對農(nóng)業(yè)全要素生產(chǎn)率的影響。韓海彬等[11]研究了環(huán)境因素對東部、中部、西部三大地區(qū)農(nóng)業(yè)TFP指數(shù)和農(nóng)業(yè)技術進步指數(shù)的影響。汪輝平等[12]的研究表明,FDI對農(nóng)業(yè)TFP的空間溢出效應顯著。李谷成等[13]將農(nóng)業(yè)設施細分為農(nóng)電、公路、灌溉等設施,研究表明不同的基礎設施對農(nóng)業(yè)TFP的影響及強度不同。隨后,尹朝靜等[14]研究了氣候變化及農(nóng)業(yè)科技存量對農(nóng)業(yè)全要素生產(chǎn)率增長的影響。

目前,關于農(nóng)田水利投資對農(nóng)業(yè)全要素生產(chǎn)率影響的研究較為鮮見,國內(nèi)學者大都通過面板數(shù)據(jù)分析農(nóng)田水利基礎設施建設與農(nóng)業(yè)經(jīng)濟發(fā)展或國民經(jīng)濟發(fā)展的關系。徐建國等[15]探討了農(nóng)業(yè)生產(chǎn)率進步在中國經(jīng)濟增長中的作用,認為農(nóng)業(yè)部門與非農(nóng)部門良性聯(lián)動,充分激發(fā)了我國經(jīng)濟發(fā)展的潛力。葉文輝等[16]利用2001—2010年我國省際面板數(shù)據(jù),探究了農(nóng)田水利基礎設施投資與農(nóng)業(yè)增長之間的關系,研究表明農(nóng)田水利基礎設施投資對農(nóng)業(yè)增長的影響在各區(qū)域之間存在差異。汪琦等[17]運用DEA法測算我國省級全要素農(nóng)田水利效率,也得出其存在明顯地區(qū)差異的結果。由此看出,農(nóng)田水利基礎設施建設對農(nóng)村經(jīng)濟增長具有正向作用,但這種作用在地區(qū)之間差別很大[18-20]。

雖然測算我國農(nóng)業(yè)全要素生產(chǎn)率的文獻較多,但使用的方法各異,主要有隨機前沿法和數(shù)據(jù)包絡分析法。數(shù)據(jù)包絡分析法的優(yōu)點較明顯,其對產(chǎn)出數(shù)量、函數(shù)形式、變量的量綱均沒有要求,因而適用范圍較廣泛。但數(shù)據(jù)包絡分析法沒有明確的函數(shù)模型,指標的顯著性無從得知,而且將技術無效率擴大化,不能準確分析結果的成因。

本文首先將農(nóng)田水利投資加入農(nóng)業(yè)生產(chǎn)函數(shù)的構建中,運用隨機前沿法測算我國1996—2015年各地區(qū)農(nóng)業(yè)全要素生產(chǎn)率;再根據(jù)測算結果,考慮31個省(市、自治區(qū))的空間關系,從空間計量角度分析農(nóng)田水利投資對農(nóng)業(yè)全要素生產(chǎn)率的影響。

2 基于隨機前沿法的農(nóng)業(yè)TFP測算

索洛提出的“索洛余值”,是指為經(jīng)濟增長做出貢獻的不只是投入的增加,還有一部分其他貢獻,即全要素生產(chǎn)率[21]。在進行農(nóng)田水利投資對農(nóng)業(yè)全要素生產(chǎn)率影響測算之前,首先需要測算農(nóng)業(yè)全要素生產(chǎn)率。

2.1 模型構建與數(shù)據(jù)處理

2.1.1超越對數(shù)隨機前沿生產(chǎn)函數(shù)的構建

參數(shù)方法和非參數(shù)方法是測算全要素生產(chǎn)率的常見方法,雖然使用非參數(shù)方法的數(shù)據(jù)包絡分析法較多,但根據(jù)方法和研究對象的特點,參數(shù)方法更加適合農(nóng)業(yè)全要素生產(chǎn)率的測算。本文選取不要求技術進步中性、要素替代彈性可變、形式靈活的超越對數(shù)隨機前沿生產(chǎn)函數(shù)測算農(nóng)業(yè)全要素生產(chǎn)率。

選取超越對數(shù)隨機前沿生產(chǎn)函數(shù)[22]形式,構建包含資本投入(k)和勞動力投入(l)在內(nèi)的農(nóng)業(yè)生產(chǎn)函數(shù)。其中,資本投入包括農(nóng)田水利投資(k1)、農(nóng)業(yè)機械總動力(k2)、農(nóng)用化肥施用量(k3)和農(nóng)業(yè)科技投入(k4)。構建的農(nóng)業(yè)超越對數(shù)隨機前沿生產(chǎn)函數(shù)模型如下:

lnY=β+βk1lnk1+βk2lnk2+βk3lnk3+

βk1k3lnk1lnk3+βk1k4lnk1lnk4+βk1llnk1lnl+

βk2k3lnk2lnk3+βk2k4lnk2lnk4+βk2llnk2lnl+

βk3k4lnk3lnk4+βk3llnk3lnl+βk4llnk4lnl+βtlnt+

βtt(lnt)2+βtk1tlnk1+βtk2tlnk2+βtk3tlnk3+

βtk4tlnk4+βtltlnl

(1)

式中:β為系數(shù);t為時期。部分文獻在構建生產(chǎn)函數(shù)時加入了土地變量,將變量處理為單位土地面積上的產(chǎn)出和投入。這是由于土地變量本身隨時間的變化不是很明顯,引起農(nóng)業(yè)經(jīng)濟增長更多的是外在的投入,因而將各項變量均勻分布在農(nóng)作物總播種面積上的分析更加接近實際農(nóng)業(yè)經(jīng)濟的增長原因。

隨機前沿生產(chǎn)模型可以表示為

Y=f(X,t,β)exp(-u)

(2)

經(jīng)過模型變換與分解,全要素生產(chǎn)率增長可以表示為

ΔTFP=ΔT+ΔTE+ΔSE+ΔAE

(3)

式中:ΔT為技術進步率;ΔTE為技術效率增長;ΔSE為規(guī)模效率增長;ΔAE為要素配置效率增長。各地區(qū)各時期的技術進步率、技術效率變化和各投入要素的產(chǎn)出彈性如下:

ΔT=βt+βttt+βtk1lnk1+βtk2lnk2+

βtk3lnk3+βtk4lnk4+βtllnl

(4)

(5)

αk1=βk1+βk1k1lnk1+βk1k2lnk2+βk1k3lnk3+

βk1k4lnk4+βk1llnl+βtk1t

(6)

αk2=βk2+βk2k2lnk2+βk1k2lnk1+βk2k3lnk3+

βk2k4lnk4+βk2llnl+βtk2t

(7)

αk3=βk3+βk3k3lnk3+βk1k3lnk1+βk2k3lnk2+

βk3k4lnk4+βk3llnl+βtk3t

(8)

αk4=βk4+βk4k4lnk4+βk1k4lnk1+βk2k4lnk2+

βk3k4lnk4+βk4llnl+βtk4t

(9)

αl=βl+βlllnl+βk1llnk1+βk2llnk2+βk3llnk3+

βk4llnk4+βtlt

(10)

2.1.2數(shù)據(jù)處理與說明

數(shù)據(jù)來源于1996—2015年《中國農(nóng)村統(tǒng)計年鑒》《中國水利統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》《中國農(nóng)業(yè)統(tǒng)計年鑒》《全國科技經(jīng)費投入統(tǒng)計公報》、國家統(tǒng)計局等政府部門網(wǎng)站匯總得到。

a. 產(chǎn)出變量Y。選取農(nóng)業(yè)總產(chǎn)值(億元)作為農(nóng)業(yè)產(chǎn)出變量,并以1990年為不變價進行平減。

b. 投入變量。勞動變量和資本變量中的農(nóng)用化肥施用量、農(nóng)業(yè)機械總動力是非貨幣計量的,因而不需要進行修正。資本變量中的農(nóng)田水利投資和農(nóng)業(yè)科技投入均以1990年的不變價進行平減,其中農(nóng)業(yè)科技投入采用農(nóng)業(yè)R&D投入。

測算要素配置效率增長時,在價格數(shù)據(jù)指標的選擇上,勞動價格(pl)參考文獻[19]的做法,用農(nóng)民的工資性收入表示(元/人);農(nóng)田水利投資價格(pk1)按照農(nóng)田水利投資額,以1990年不變價格進行重新計算;農(nóng)業(yè)機械總動力價格(pk2)取全國平均水平,0.65元/(kW·h);農(nóng)用化肥施用量價格(pk3)數(shù)據(jù)由于統(tǒng)計資料中沒有列示,因此參考劉晗[23]的方法,利用化肥價格指數(shù)(可查詢中國化肥信息網(wǎng))平減最近幾年的化肥價格,求出各省(市、自治區(qū))歷年化肥的單位價格;農(nóng)業(yè)科技投入價格(pk4)采用農(nóng)業(yè)科技投入額平減后的結果。

2.2 農(nóng)業(yè)超越對數(shù)生產(chǎn)函數(shù)參數(shù)估計

根據(jù)農(nóng)業(yè)超越對數(shù)生產(chǎn)函數(shù)模型式(1),選取我國31個省(市、自治區(qū))1996—2015年的數(shù)據(jù),利用Frontier4.1進行三階段(最小二乘估計、格點搜索、迭代求解)極大似然參數(shù)估計,用Frontier4.1計算整理得到的結果見表1,其中截面數(shù)為31,時期數(shù)為20,LR值為638,LogL值為304,觀察數(shù)為620。

表1 我國農(nóng)業(yè)超越對數(shù)生產(chǎn)函數(shù)模型估計結果

表1中,βk1、βk2、βk3、βk4、βl分別表示農(nóng)田水利投資(k1)、農(nóng)業(yè)機械總動力(k2)、農(nóng)用化肥施用量(k3)、農(nóng)業(yè)科技投入(k4)和農(nóng)業(yè)勞動力投入(l)的估計系數(shù)?？梢钥闯?5個主要變量均通過了1%的顯著性檢驗,說明所選農(nóng)業(yè)生產(chǎn)函數(shù)投入變量對農(nóng)業(yè)產(chǎn)出的影響很大。從作用來看,4項資本的投入對農(nóng)業(yè)產(chǎn)出的影響是正向的,且農(nóng)業(yè)機械總動力影響最大,農(nóng)田水利投資次之。而勞動力投入對農(nóng)業(yè)產(chǎn)出的影響為負,說明我國農(nóng)業(yè)產(chǎn)出的增加已不再依靠勞動力的增加,甚至出現(xiàn)了反向變動關系。從隨機前沿生產(chǎn)函數(shù)參數(shù)的t統(tǒng)計檢驗結果來看,60%以上的參數(shù)在l%水平下顯著,說明隨機前沿生產(chǎn)函數(shù)模型的估計是有效的。

2.3 我國各地區(qū)農(nóng)業(yè)TFP測算結果分析

經(jīng)測算,我國31個省(市、自治區(qū))農(nóng)業(yè)全要素生產(chǎn)率增長呈上升趨勢。從表2可以看出,在測算時期的前10年,即1996—2005年,我國31個省(市、自治區(qū))的平均農(nóng)業(yè)全要素生產(chǎn)率增長是負增長;后10年期間,即2006—2015年,整體農(nóng)業(yè)全要素生產(chǎn)率增長開始由負向轉(zhuǎn)變?yōu)檎蛟鲩L,特別是2011—2015年,平均農(nóng)業(yè)全要素生產(chǎn)率增長只有山西為負,其余省(市、自治區(qū))均實現(xiàn)了正向增長。

從橫向結果來看,初始時,黑龍江、吉林、遼寧3省的農(nóng)業(yè)全要素生產(chǎn)率增長率水平遠高于其他省(市、自治區(qū)),中部地區(qū)的河南和湖北最低。而經(jīng)過20多年的發(fā)展,全要素生產(chǎn)率增長率已經(jīng)有了較大的變化。截止到2015年,近5年平均全要素生產(chǎn)率增長率最高的省(市、自治區(qū))是江蘇,湖南、浙江、上海、新疆次之,排在末位的有山西、黑龍江、貴州和吉林。

從縱向結果來看,農(nóng)業(yè)全要素生產(chǎn)率增長增加最多的是湖北、湖南、河南、江蘇,增加最少的是遼寧、吉林和黑龍江。全要素生產(chǎn)率增長的橫向和縱向分析結果顯示其增長具有一定的區(qū)域性和地域集聚性。

表2 我國省際農(nóng)業(yè)全要素生產(chǎn)率增長

3 農(nóng)田水利投資對農(nóng)業(yè)TFP的空間影響

3.1 模型與數(shù)據(jù)選取

由于SDM模型具有解釋性強、應用范圍廣等優(yōu)點,選擇SDM模型[24]進行農(nóng)田水利投資對農(nóng)業(yè)全要素生產(chǎn)率的測算,構建模型為

y=ατn+Xβ+ρWy+yWX+ε

(11)

選取我國31個省(市、自治區(qū))的數(shù)據(jù)進行分析,時間范圍選擇1996—2015年共20年的時間序列。在參考其他文獻和考慮現(xiàn)實中影響農(nóng)業(yè)全要素生產(chǎn)率的因素后,選取的指標如下:

a. 因變量。以我國農(nóng)業(yè)全要素生產(chǎn)率增長率為因變量。希望通過空間計量模型發(fā)現(xiàn)農(nóng)田水利投資對農(nóng)業(yè)全要素生產(chǎn)率的影響。

b. 解釋變量。農(nóng)田水利隸屬于水利系統(tǒng),其定義也有廣義與狹義之分。廣義的農(nóng)田水利是指與農(nóng)業(yè)和農(nóng)村有關的水利設施,狹義的農(nóng)田水利主要以灌溉為主。考慮到相關數(shù)據(jù)的可得性與文章研究對象相互關系的一致性,本文研究的農(nóng)田水利投資指狹義的農(nóng)田水利。解釋變量選取農(nóng)田水利基礎設施投資額,以x表示。

c. 控制變量。選擇農(nóng)業(yè)勞動力、農(nóng)業(yè)科技投入、農(nóng)業(yè)政策、農(nóng)戶經(jīng)營規(guī)模4個指標作為控制變量。未將農(nóng)戶個人特征選入控制變量指標體系是由于本文的研究范圍是全國的31個省(市、自治區(qū)),每個省(市、自治區(qū))的農(nóng)戶特征是一個微觀變量,用統(tǒng)一的指標來衡量不夠合理;未選擇制度因素是由于本文的研究時期處于農(nóng)業(yè)生產(chǎn)制度發(fā)生變革之后。①農(nóng)業(yè)勞動力(x1)數(shù)據(jù)與前文數(shù)據(jù)處理一致。②農(nóng)業(yè)科技投入(x2)數(shù)據(jù)與前文數(shù)據(jù)的處理一致。③農(nóng)業(yè)政策(x3)用政府財政支農(nóng)力度表示,即財政農(nóng)業(yè)支出占財政總支出的比重。政府財政支農(nóng)力度加大,一方面有利于農(nóng)業(yè)科研人員開展研究,促進農(nóng)業(yè)科技進步,完善農(nóng)業(yè)基礎設施,改進農(nóng)業(yè)生產(chǎn)條件,另一方面也有利于農(nóng)村基礎教育和職業(yè)教育的發(fā)展,從而提高農(nóng)業(yè)勞動力綜合素質(zhì),提高農(nóng)業(yè)新技術、新良種的推廣與應用,因此變量x3對農(nóng)業(yè)全要素生產(chǎn)率增長會產(chǎn)生較大影響。④農(nóng)戶經(jīng)營規(guī)模(x4)用農(nóng)業(yè)從業(yè)人員人均農(nóng)作物播種面積表示。

由于被解釋變量為農(nóng)業(yè)全要素生產(chǎn)率增長率,故解釋變量和控制變量在原有處理的基礎上也采用增長率表示，即

(12)

3.2 農(nóng)業(yè)TFP空間集聚性檢驗

通過測算Moran’sI指數(shù)對因變量的全局空間相關性進行分析。表3為1996—2015年間我國31個省(市、自治區(qū))的農(nóng)業(yè)全要素生產(chǎn)率的空間全局自相關估算結果。從顯著性上來看,Moran’sI指數(shù)在1996年通過了10%的顯著性檢驗,在1996年外的其他年份都在5%的水平上通過了顯著性檢驗。從Moran’sI指數(shù)值的具體結果來看,計算值集中在0.177 8～0.440 6之間,整體表現(xiàn)出正向較好的空間集聚性,表明我國31個省(市、自治區(qū))的農(nóng)業(yè)全要素生產(chǎn)率高的地區(qū)和低的地區(qū)出現(xiàn)相對集聚的現(xiàn)象。

從圖1可以看出我國31個省(市、自治區(qū))的農(nóng)業(yè)全要素生產(chǎn)率的局部空間關聯(lián)特征:

a. 我國31個省(市、自治區(qū))的農(nóng)業(yè)全要素生產(chǎn)率總體呈現(xiàn)顯著的高高(high-high, HH)型和低低(low-low, LL)型的空間俱樂部現(xiàn)象,低高(low-high, LH)集聚區(qū)數(shù)量少于高低(high-low, HL)集聚區(qū)。在各類型區(qū)域中,較多年份處于低低集聚區(qū)與高高集聚區(qū),二者基本相等,高低集聚區(qū)與低高集聚區(qū)較少,占5%～10%。

表3 我國31省(市、區(qū))農(nóng)業(yè)全要素生產(chǎn)率全局自相關Moran’s I指數(shù)

b. 華東、華中、華北地區(qū)的農(nóng)業(yè)全要素生產(chǎn)率變現(xiàn)出高高集聚的特征,東北、西北地區(qū)則變現(xiàn)出低低集聚的特征,高高聚集區(qū)和低低聚集區(qū)在時間序列上基本比較穩(wěn)定。

3.3 空間效應測算結果分析

通過構建農(nóng)田水利投資對農(nóng)業(yè)全要素生產(chǎn)率影響的實證模型,并運用Stata進行模型的估計與測算,最終確認了選擇空間Durbin模型的雙固定效應模型,測算結果見表4。

表4 農(nóng)田水利投資與控制變量對農(nóng)業(yè)全要素生產(chǎn)率的空間溢出效應測算

a. 總效應。主要關注的解釋變量農(nóng)田水利投資對于農(nóng)業(yè)全要素生產(chǎn)率的影響為正向,這與理論預期的結果和現(xiàn)實中的情況相一致。本文研究的是狹義的農(nóng)田水利,進行農(nóng)田水利投資可以極大地改善農(nóng)業(yè)生產(chǎn)條件,如農(nóng)田排灌渠系統(tǒng)和截留提水設施建設可以改善部分地區(qū)農(nóng)民靠天吃飯的窘境,而水土保持建設是農(nóng)業(yè)可播種面積的重要保障,進而可以提高農(nóng)業(yè)產(chǎn)值,對農(nóng)業(yè)全要素生產(chǎn)率的提高起促進作用。

(a) 1996年

(b) 2005年

(c) 2015年

4個控制變量中:①農(nóng)業(yè)勞動力對農(nóng)業(yè)全要素生產(chǎn)率的影響為負,這與統(tǒng)計數(shù)據(jù)中農(nóng)林牧漁業(yè)從業(yè)人員逐年下降有關聯(lián),最主要的原因是隨著科技的進步和農(nóng)業(yè)機械化的發(fā)展,單位農(nóng)業(yè)產(chǎn)值所需要的勞動力在下降,如果增加勞動力的投入反而會使成本增加,造成勞動資源的浪費和要素配置的不合理。②農(nóng)業(yè)科技投入的影響為正,這是由于農(nóng)業(yè)科技投入可以從農(nóng)業(yè)播種技術、種子的改良等多個方面促進農(nóng)業(yè)產(chǎn)值的提高,進而對農(nóng)業(yè)全要素生產(chǎn)率產(chǎn)生正向的影響。③農(nóng)業(yè)政策對農(nóng)業(yè)全要素生產(chǎn)率的影響為正,在實證測算時,該指標選取的是財政支農(nóng)力度,由此可以看出國家政策對農(nóng)業(yè)生產(chǎn)的支持力度會在很大程度上影響農(nóng)業(yè)全要素生產(chǎn)率的增長。④農(nóng)戶經(jīng)營規(guī)模對農(nóng)業(yè)全要素生產(chǎn)率的影響也為正,這是由于我國農(nóng)業(yè)生產(chǎn)整體處于分散經(jīng)營、規(guī)模效率很低的狀態(tài),農(nóng)戶經(jīng)營規(guī)模的擴大能極大地提高農(nóng)業(yè)生產(chǎn)效率以及全要素生產(chǎn)率,但由于我國農(nóng)戶經(jīng)營規(guī)模水平本身較低,所以對農(nóng)業(yè)全要素生產(chǎn)率的提升作用十分有限。

b. 分解效應。解釋變量與控制變量的分解結果都通過了顯著性檢驗,說明運用空間計量模型的合理性。農(nóng)田水利基礎設施的直接效應為0.286 5,間接效應為0.057 4,總效應為二者的加總0.343 9,即我國各省(市、自治區(qū))農(nóng)業(yè)全要素生產(chǎn)率增長中自身農(nóng)田水利投資的貢獻為0.286 5,相鄰省(市、自治區(qū))的農(nóng)田水利投資對本省的貢獻為0.057 4,占總效應的17%。這個占比相對于其他控制變量來說較小,說明雖然我國農(nóng)田水利投資具有溢出效應,但由于多數(shù)農(nóng)田水利投資的主體為各級地方政府,許多相鄰省(市、自治區(qū))的農(nóng)田水利基礎設施使用是“背對背”的情形,因而其間接效應的作用相比直接作用小很多。

控制變量中,①農(nóng)業(yè)勞動力的直接作用為 -0.168 4,間接作用為-0.098 9,總效應為-0.267 3。間接作用占比為37%。②農(nóng)業(yè)科技投入的直接作用為0.154 7,間接作用為0.114 5,總效應為 0.271 9。間接作用占比為42%。③農(nóng)業(yè)政策的直接作用為0.253 9,間接作用為0.146 7,總效應為0.400 6。間接作用占比為37%。④農(nóng)戶經(jīng)營規(guī)模的直接作用為0.189 4,間接作用為0.075 3,總效應為0.264 7。間接作用占比為28%。由此可以看出,在所選取的影響因素中,對農(nóng)業(yè)全要素生產(chǎn)率作用最大的是農(nóng)業(yè)政策,其次是農(nóng)田水利投資。

4 結 語

本文以我國31個省(市、自治區(qū))作為研究樣本,基于超越對數(shù)生產(chǎn)函數(shù)構建包含農(nóng)田水利在內(nèi)的農(nóng)業(yè)生產(chǎn)函數(shù),通過隨機前沿法計算了包含農(nóng)田水利投資等投入要素的農(nóng)業(yè)全要素生產(chǎn)率,在此基礎上考察農(nóng)業(yè)全要素生產(chǎn)率的空間分布特征,并研究不同地區(qū)農(nóng)田水利投資對農(nóng)業(yè)全要素生產(chǎn)率及其分解的作用。結果表明:①我國農(nóng)業(yè)全要素生產(chǎn)率增長呈現(xiàn)出上升的趨勢,且從橫向和縱向比較來看,其增長具有一定的區(qū)域性和地域集聚性;②農(nóng)田水利投資對農(nóng)業(yè)全要素生產(chǎn)率的影響為正,直接效應為0.286 5,間接效應為0.057 4,總效應為0.343 9,表明其空間溢出效應較弱;③農(nóng)業(yè)勞動力對農(nóng)業(yè)全要素生產(chǎn)率的影響為負,農(nóng)業(yè)科技投入、農(nóng)業(yè)政策、農(nóng)戶經(jīng)營規(guī)模的影響均為正向。

本文雖在詳細分析的基礎上得出農(nóng)田水利投資對農(nóng)業(yè)全要素生產(chǎn)率具有正的溢出效應的結論,但是省(市、自治區(qū))之間復雜的相互影響并沒有通過實證得到結果。如何通過空間計量的方法分析得到一個省(市、自治區(qū))和其他省(市、自治區(qū))之間溢出效應的具體數(shù)值將是未來探索的方向。