李 婕 王玉斌,2* 程鹏飞
(1.中国农业大学 经济管理学院，北京 100083；
2.中国农业大学 国家农业农村发展研究院，北京 100083)
改革开放以来，中国农业发展取得长足进步。2020年粮食产量为66 949.15万t，相较1978年的30 476.5万t增加了一倍有余(1)数据来源于国家统计局。。然而，中国当前所面临的农业资源制约、种植成本居高不下、农村留守劳动力结构性失衡、生态环境约束趋紧等问题相互交织，传统生产要素对于农业增长的贡献近乎罄尽，农业粗放式发展已难以为继，农业持续发展亟需寻求新动能。在经济新常态和农业转型时期，依靠技术创新带动农业提质增效是提升中国农业竞争力的核心所在，提高全要素生产率(下面简写为TFP)是中国农业产业实现现代化转型和高质量发展的根本出路[1]。实践中，从2004年起连续多年“中央一号”文件数次强调要加快农业科技创新，以提高农业生产能力，突破资源和市场对中国农业的双重制约。党的十九大更是明确提出“推动经济发展质量变革、效率变革、动力变革，提高全要素生产率”。在上述综合背景下，科学观测中国农业TFP的发展规律，并深入探究其增长源，不仅能够准确判断中国农业发展当前所处的状态，同时亦能衡量技术进步等核心因素在农业经济增长过程中的作用[1]，这对于破解中国三农的持续发展困境、进一步明确农业生产经营方向具有重要意义。
农业TFP的增长是国民财富增长的核心[2]，是农业经济研究的热点问题之一，目前已取得了丰硕的成果，现从样本选择、变量遴选、方法运用及研究内容4方面予以述评。
首先，就样本选择而言。既有文献对中国农业TFP展开了丰富的探讨，学者们往往以1978年作为研究起点[3-7]，研究省域涉及27个省份[8]、28个省份[3-4]、30个省份[9]或31个省份[7,10-11]，各文献的研究时段与样本区域选择存在一定差异。中国自2004年正式推进农业机械购置补贴，同年国务院颁布农民集体建设用地使用权可依法流转的决定，随之一系列重大农业支持措施相继实施，中国农业进入黄金发展期。故此，本研究选取2004年为研究起点，聚焦实施农机购置补贴与农地流转后中国31个省份(统计数据未含港澳台地区，下同)农业TFP的时空演变特征展开研究。
其次，就变量遴选而言。部分文献未能明晰研究范畴，将狭义的农业种植业和广义的农林牧渔业等量齐观，因而通常将农林牧渔业产值和农林牧渔业就业人数作为农业种植业TFP测算的产出指标及劳动力投入指标。本研究主体为农业种植业，借鉴薛超等[11]的研究将农业产值作为农业产出指标，并借助农业产值在农林牧渔业产值中的占比进一步从农林牧渔业就业人数中分离出较为合理的农业种植业劳动力投入数量。另外，2004年起农业机械化进程的迅速发展导致“役畜”逐渐退出农业生产，因此，本研究相较于以往文献不予考虑大牲畜投入变量，而将柴油投入作为机械化投入的附属产品一并纳入。
再次，就方法运用而言。既有研究主要采用随机前沿分析法(SFA)[5,8-9]和Malmquist指数法[3,7,10-12]测算中国农业TFP。SFA需严格遵守预先设定生产函数的形式及非效率项的统计分布，且生产函数不同得到的结果亦不同[3]。而Malmquist指数法在可变规模报酬下不能精确测度TFP的变化[13]，也不能同时分解规模效率和范围效率的增长率[14]。为此，O’Donnell[15]提出了Hicks-Moorsteen指数，该方法在任何规模报酬下都能准确测算TFP值并将其完全分解，能有效克服上述两种方法的限制。因而，本研究拟借助Hicks-Moorsteen指数法对中国农业TFP进行测度与分析。
最后，就研究内容而言。目前有关农业TFP测算的既有研究主要集中于以下3方面：一是农业TFP的时序演进。大多学者发现在其研究期内中国农业TFP呈增长趋势[3-10,16]，但也有学者得出中国农业TFP在其研究期内衰减[12]，而Wang等[17]却发现中国农业TFP在一定时期内停滞。研究结论之所以存在分歧可能是由于既有研究在研究时段、省域样本选择、变量遴选、测算方法等方面各有千秋；
二是农业TFP的区域差异。基于农业TFP的测算，现有文献将研究省域划分为东、中、西3个区域[3,5,8,10,12]来进一步分析中国农业TFP的空间分布差异，以上学者普遍证明了各区域农业TFP具有显著差异，也一致认为东部农业TFP增长最快，而对中部和西部的农业TFP增长的变动趋势却存有分歧。亦有学者将中国31个省份分为东、中、西和东北4个区域来探究农业TFP的空间差异[7]。本研究认为，农业生产除与当地经济水平、技术水平密切相关以外，气候、地形、水资源等自然禀赋的影响亦不容忽视。因此，本研究综合考量经济发展水平及地理因素，将中国31个省份划分为华北、东北、华东、华中、华南、西南和西北7个区域深度探究中国农业TFP的空间差异特征。此外，已有研究甚少进一步探究空间差异背后的缘由，本研究将借助Dagum基尼系数及其分解方法尝试探究区域差异存在的原因；
三是农业TFP的收敛性分析，即判断区域农业TFP的变动态势是趋同亦或发散，但研究结果也存在分歧。高帆[10]研究发现各省份的农业TFP不存在σ收敛，TFP累积增长率甚至呈现显著的发散态势。而王军等[7]的研究结果却得出在全国整体及东、中、西及东北地区4个区域内农业TFP均存在明显的σ收敛和β收敛。
有鉴于此，本研究尝试从以下3方面进行拓展：首先运用Hicks-Moorsteen指数法对中国实施农机购置补贴与农地流转以来31个省份的农业TFP增长率进行全新测算及分解，归纳中国2004—2020年间农业TFP的时序演进趋势；
然后，综合考量区域经济发展水平及自然地理要素，将中国细分为7个区域以探究中国农业TFP的空间分布特征，进而全面认识中国农业发展的区域均衡状况；
最后，通过Dagum基尼系数及其分解法测度各个地区农业TFP的差异并挖掘区域差异的来源，以期为中国农业高质量发展提供参考依据。
1.1 研究方法
1.1.1农业全要素生产率的测度方法
O’Donnell[15]将某一产业的TFP定义为总产出与总投入的比率。假定第i个农业区域(Ai)t期的总产出和总投入分别为Qit和Xit，则Ai在t期的TFP为：
(1)
农业TFP增长率指所有农业生产要素的投入保持不变时，其农业产出量仍能增加的部分。某一生产单元的TFP增长率表示为跨时期过程中产出增长与投入增长的比值。Ai在t期的TFP相对于Ah在s期的TFP增长率为：
(2)
用Shephard距离函数表示输出量和输入量指数，则计算的TFP为Hicks-Moorsteen TFP指数(简写为TFPHM)：
(3)
TFPHM是乘积完备指数，TFP增长率指数可分解为技术进步和效率变化之积：
(4)
式中：右侧括号中的第一项测量了最大TFP随时间的变化，为技术进步的度量，第二项衡量总体效率的变化。TFP增长率指数可分解为以下更精细的内容：
(5)
(6)
(7)
1.1.2农业全要素生产率区域不平衡成因
本研究采用Dagum基尼系数及其分解方法揭示中国7个区域农业TFPHM指数空间差异及其存在的内在原因，Dagum基尼系数表示为：
(8)
Dagum基尼系数及其分解方法用于测度地区发展差异[18]，G可以分解为区域内差异GW、区域间差异Gnb和超变密度(2)超变密度是指由于区域间的重叠引起的区域不平衡。Gt三者之和。Dagum基尼系数越大(小)，则区域之间的差异性越大(小)、区域协同性越弱(强)。j区域的基尼系数Gjj、区域内差异的贡献GW、j和h区域间的基尼系数Gjh、区域间差异的贡献Gnb及超变密度的贡献Gt分别如下：
(9)
(10)
(11)
(12)
(13)
Djh=(djh-pjh)/(djh+pjh)
(14)
(15)
(16)
1.2 数据来源及说明
本研究样本考察期为2004—2020年，研究区域为中国内地31个省(直辖市、自治区)(统计数据未含港澳台地区，下同)，将其划分为华北地区(包括北京、天津、河北、山西、内蒙)、东北地区(包括辽宁、吉林、黑龙江)、华东地区(包括上海、江苏、浙江、安徽、福建、江西、山东)、华中地区(河南、湖北、湖南)、华南地区(包括广东、广西、海南)、西南地区(包括重庆、四川、贵州、云南、西藏)和西北地区(包括陕西、甘肃、青海、宁夏、新疆)。结合已有文献，本研究建立了农业 Hicks-Moorsteen TFP指数测算指标体系(如表1)，数据来源于2005—2021年《中国农村统计年鉴》[19]。同时，为了剔除价格波动的影响，本研究的农业产值以2004年为基期进行价格平减处理。此外，统计年鉴中第一产业劳动力数据在部分年份缺失，故采用均值插补法对其补充。
表1 农业Hicks-Moorsteen TFP指数测算的指标体系Table 1 Index system for measuring agricultural Hicks-Moorsteen TFP index
2.1 中国农业全要素生产率的时空演变特征
2.1.1中国农业全要素生产率时间序列演化分析
将中国农业TFP指数及其分解值进行时间序列整理(表2)。样本期间中国农业TFP增长率历年均值为1.060 3，表明中国农业TFP在样本期间以年均6.03%的速度上升，其主要原因在于农业技术水平以年均6.29%的速度进步。相比而言，农业效率年均下降0.25%，阻碍了TFP的增长。进一步分析发现，农业效率的下降主要由技术效率0.46% 的下降和规模效率0.13%的下降导致，而残余组合效率呈0.35%的递增趋势。农业机械补贴政策的实施为中国农业发展注入了现代化设备，加速了中国农业机械化进程，促进农业技术快速进步，进而推动农业生产逐步产业化、高效化。根据公开数据，2020年中国农机总动力达到10.56亿万瓦(3)数据来源于国家统计局。，2019年中国农作物耕、种、收机械化率分别为74.81%、57.30%和61.40%(4)数据由2020年《中国农业机械工业年鉴》中相关数据计算所得。，中国农业生产方式已实现从依靠人力、畜力到依靠机械化动力的巨大转变，这也是以上结论的实践依据。农业效率的下降反映了中国农业在机械化发展的背后，其基层农业技术推广体系仍不够成熟，以致农业生产的技术推广受阻。另外，农民集体所有建设用地使用权可依法流转并未产生显著的规模效应。
具体而言，样本期内除2007—2008年及2016—2017年外，中国农业TFP均呈增长状态，其中增长最高点出现在2019—2020年(19.35%)，其次为2006—2007年(14.89%)，这主要得益于2006年中国全面取消农业税，农民的生产积极性、主动性和创造性在家庭联产承包责任制之后于2006—2007年达到了又一新高；
而中国农业TFP增长的最低点则出现在2007—2008年(-7.3%)，这是由于2008年中国南方遭受了雪灾、北方遭受了旱灾。另外，2008年金融危机下中国农产品价格全面下行、优势农产品出口受阻，多方因素引致当年农业产业的不良发展态势；
除2004—2005年以外，农业技术进步的变动趋势与农业TFP的增减完全一致。该轨迹表明，技术进步是中国农业TFP增长的重要源泉，研究期内中国农业发展呈现技术诱导型增长。农业技术进步在2004—2005年出现下降可能是由于2004年11月生效《中华人民共和国农业机械化促进法》，农户理解相关条例到实际购买农机存在一定的时间间隔，因而该政策对于农业技术进步的促进作用具有滞后性。
表2 中国农业TFP指数演化趋势Table 2 Evolution trend of China’s agricultural TFP index
2.1.2中国7个区域农业全要素生产率的演化分析
如表3所示，样本期内，7个区域的农业TFP均呈现不同程度的增长态势，东北地区(6.69%)、华北地区(6.23%)、西南地区(6.23%)、华南地区(6.05%)的增长程度相对较高且均高于全国平均水平，而华中地区(5.91%)、西北地区(5.89%)、华东地区(5.79%)的增长程度相对较低且均低于全国平均水平。对分解值进行测度发现，7个区域的农业技术水平均取得进步，技术进步年均速度由高到低依次为西南地区(8.05%)、西北地区(7.58%)、华北地区(6.48%)、华中地区(6.07%)、华东地区(5.32%)、东北地区(5.11%)、华南地区(4.80%)；
另外，东北地区、华南地区和华东地区的农业效率分别以年均1.51%、1.19%和0.45%的速率增长，其他4个区域的农业效率却呈下降趋势，下滑态势最明显的是西南地区(-1.69%)。如此表明，东北地区、华南地区和华东地区的农业TFP增长来源于技术进步和效率增长，而西南地区、西北地区、华北地区和华中地区的农业TFP增长来源于技术进步而非效率增长。
表3 中国7个区域农业TFP增长率及其分解值Table 3 Agricultural TFP growth rate and its decomposition value in seven regions of China
2.1.3各省份农业生产潜力分析
TFP演变的驱动因素包括技术水平变动和效率变动。基于此，本研究以农业技术水平增长率和效率增长率作为横纵坐标，将各省份列入四个象限来分析其农业生产潜力(图2)。象限III内无任何省份，表明中国各省份农业发展在技术进步和效率增长二者中至少具有一个驱动优势；
象限I与象限III完全相反，该象限内可能达到的最优产出与投入要素的利用程度均大于1，因而该象限内各省份(华北地区的北京、河北、山西，东北地区的黑龙江、辽宁，华东地区的山东，华中地区的河南，华南地区的广东、海南以及西北地区的陕西)的农业发展潜力很强，其农业生产竞争力会不断凸显。西南地区没有省份落入象限I，可能的原因为作为中国典型的生态脆弱区，该区域易受到农业水利设施和极端气候自然灾害的影响，因而现阶段农业生产水平普遍较低，农民增盈也相对缓慢；
象限II内仅包含上海，虽然其要素利用程度在上升，但其可能达到的最优产出在下降。这是因为上海发展精致农业，而非粗放型农业。对于上海这一技术水平基数很高的区域而言，虽然每年从国外引进最新的农业技术及优良品种，但却难以实现技术水平的持续上升，因此其技术进步整体呈下降趋势；
除上述省份以外，其余省份均处于象限IV。在农业机械化、现代化发展的大背景下，这些省份的技术水平提升很快，但现阶段的投入要素尚未得到充分利用，因而在后续发展中应着重提升各种投入资源的利用程度和要素的有效配置。
图1 各省份农业生产潜力分析Fig.1 Analysis of agricultural production potential of each province
2.2 中国农业全要素生产率区域差异的成因分析
2.2.1中国农业全要素生产率增长率的总体差异
表4展示了7个区域农业TFP指数的总体差异及演变趋势。能够发现：2005—2020年间，7个区域农业TFP指数总体基尼系数的均值为 0.038，且整体由2005年的0.037增长至2020年的0.048，表明7个区域农业TFP指数的总体差异呈不断扩大的趋势。观察其演变过程，发现7个区域农业TFP指数的总体差异呈现“上升—下降—上升—下降”的演变特征，先由2005年的0.037 上升至2009年的0.049，然后下降至2014年的0.024，并达到考察期内的最小值，而后再次上升，并于2017年达到最大值0.057，随后又逐渐降至2020年的0.048。
2.2.2中国农业全要素生产率增长率的区域内差异
表4揭示了中国7个区域农业TFP变动的区域内差异及演变趋势。可以得出：第一，7个区域农业TFP增长率的区域内差异处于不同水平。在考察期内，西南地区区域内差异最大，其均值为0.042 3，其次为西北地区、华北地区、东北地区、华东地区、华中地区，而华南地区的区域内差异最小，仅为0.017 5。第二，在考察期内，华北地区、华南地区和西北地区的农业TFP变动的区域内差异呈波动下降的态势，其中华南地区(-41.33%)的下降趋势最为显著，其次为西北地区(-21.94%)、华北地区(-14.06%)；
华东地区、华中地区和西南地区的农业TFP变动的区域内差异则总体呈波动上升态势，华中地区(483.91%)的扩大幅度最高，其次为西南地区(37.10%)和华东地区(30.59%)；
而东北地区农业TFP变动的区域内差异在研究期内几乎维持不变。
2.2.3中国农业全要素生产率增长率的区域间差异
表4展现了7个区域农业TFP变动的区域间差异及其演变趋势，能够看出：第一，农业TFP变动的区域间差异呈明显的波动态势，样本考察期内，7个区域农业TFP增长率区域间差异均值为0.039 1。具体来看，华北与东北、西南、西北地区，东北与西南、西北地区以及西南与华东、华中、华南、西北地区间的农业TFP增长率区域间差异的均值均高于7个区域农业TFP增长率区域间差异的平均值，而其他区域农业TFP增长率之间的区域差异均值都低于7个区域间总体区域差异的平均水平。其中华北与西南地区之间差异的均值最高(0.051)，华东和华中地区之间差异的均值最低(0.029)。第二，就演变过程而言，华南与华北、华东地区，西北与华北、华东、华南地区农业TFP变动的区域间差异总体呈波动下降的趋势，西南与东北、华南地区农业TFP变动的区域间差异则几乎持平，而其他地区之间的区域间差异均呈现出波动上升的趋势。
2.2.4中国农业全要素生产率增长率区域差异的来源及其贡献
表4和图2描述了7个区域农业TFP增长率区域差异来源及其贡献率，不难发现：第一，就差异贡献率来看，考察期内7个区域之间农业TFP变动的差异主要来源于区域间差异，其次是超变密度和区域内差异。在样本考察期内三者的平均贡献率分别为50.39%、37.35%、12.25%。第二，就贡献率的演变趋势来看，区域内差异的贡献基本稳定，区域间差异和超变密度的波动较为明显，且在此消彼长间呈现出周期性特征。具体而言，二者间的变动周期可划分2005—2007年、2007—2011年、2011—2016年、2016—2020年。2007—2011年和2011—2016年两个阶段内区域间差异和超变密度的贡献率均分别呈现“类M形”和“类W形”趋势，而在2005—2007年和2016—2020年两个阶段内区域间差异和超变密度的贡献率均则分别呈现“类倒V形”和“类V形”趋势。特别的，2011、2014和2016年是重要的拐点，这3年超变密度的贡献率高于区域间差异和区域内差异，成为7个区域之间农业TFP变动差异的主要来源。
图2 中国7个区域农业TFP增长率区域差异来源及其贡献率趋势图Fig.2 Regional differences in agricultural TFP growth rate in seven regions and their contribution trend chart
3.1 研究结论
本研究基于中国31个省份2004—2020年的面板数据，借助Hicks-Moorsteen指数对中国农业TFP进行重新测算及分解，进而通过Dagum基尼系数测度各地区农业TFP的差异大小及形成根源。主要结论如下：
第一，研究期内，中国农业呈现技术进步增强而农业效率恶化的态势，技术进步是农业TFP增长的重要源泉。即我国农业TFP的增长主要源于生产前沿面的外移，而不是向生产前沿面追赶；
各区域农业TFP的增长程度及增长源具有显著差异，东北地区、华南地区和华东地区的农业TFP增长来源于技术进步和效率增长，而其余四个区域的农业TFP增长则主要依赖于技术进步。
第二，各省份在农业发展进程中至少仰赖于技术进步和农业效率这两大核心驱动要素的其中之一。华北地区的北京、河北、山西，东北地区的黑龙江、辽宁，华东地区的山东，华中地区的河南，华南地区的广东、海南以及西北地区的陕西均在技术进步和农业效率两方面同步增长。同其他省份相比，上述省份的农业生产具有强大的发展潜力，农业竞争力也会尽显优势。
第三，7个区域农业TFP变动的总体差异有扩大的演变趋势。其中，西南地区区域内差异最大，紧接着依次是西北地区、华北地区、东北地区、华东地区、华中地区、华南地区。此外，华南与华北、华东地区，西北与华北、华东、华南地区农业TFP变动的区域间差异总体呈波动下降的趋势，其他区域之间则呈不变或上升趋势；
7个区域之间农业TFP变动差异的最主要来源是区域间差异。
3.2 政策建议
基于以上研究，本研究得到如下政策启示：
第一，持续强化农业科技创新能力。首先，国家应设立专项资金，培养和积聚现代农业发展所需的农业科研人才，围绕生物技术、数字技术、装备技术等农业科技创新的核心领域，持续加强现代农业技术体系的创新与研发；
其次，要强化培育新型职业农民，结合农民生产发展的现实难题，定期委托高校、科研机构开展技术培训与指导，不断提高农业生产者的基本素质和专业技能，为农业发展创造优质的人力储备；
最后，不断完善农业科技成果转化及农业技术推广的激励与利益分配机制，实现产学研深度融合，强化农业科研人才开展农业科技创新的积极性。
第二，推进农业规模化经营。一方面，在农地三权分置改革持续完善后，持续深化农村土地制度改革，积极推进土地流转，鼓励培育新型农业经营主体发展多种形式农业适度规模经营；
另一方面，要加快构建并不断完善农业社会化服务体系，持续发挥农业社会化服务对于现代农业和规模经济的促进与融合。农业生产性服务业不仅能够将先进的技术装备及现代生产技术惠及分散的小农日常生产之中，亦能通过横向规模连片服务获得规模效益，进而促使受限、传统的小农户与现代农业有机衔接。
第三，促进区域间资源要素调配，因地制宜制定农业发展规划。一方面，促进各个区域间技术、资本、人才等要素流动，通过区域间的有效联动优化资源配置，实现优质资源共享，提升要素利用率，促进不同区域农业结构共同升级；
另一方面，各地区结合自身资源禀赋及发展短板，因地制宜地制定农业发展规划。其中，能够兼顾农业技术进步及技术效率同步增长的区域在做好自身农业发展的同时，也应利用自身优势打造并发挥先行示范区的溢出效应，从而建立健全各区域间农业发展的协调机制。对于农业发展基础相对薄弱的区域，国家应出台惠农强农等优惠政策，加大农业基础设施建设的扶持力度及农业生产的投资补贴力度等。