劉莉+張文愛

摘 要：不斷提升農(nóng)業(yè)全要素生產(chǎn)率是新時(shí)代農(nóng)業(yè)現(xiàn)代化的必然要求。建立超越對(duì)數(shù)生產(chǎn)函數(shù)模型，測(cè)算我國(guó)31個(gè)省市區(qū)2000—2014年的農(nóng)業(yè)全要素生產(chǎn)率（TFP），并采用動(dòng)態(tài)SAR模型分析農(nóng)業(yè)TFP的空間溢出效應(yīng)，結(jié)果表明：我國(guó)農(nóng)業(yè)TFP整體上不斷增長(zhǎng)，但近年來增速趨于下降；農(nóng)業(yè)TFP存在顯著的動(dòng)態(tài)效應(yīng)，表現(xiàn)出較強(qiáng)的發(fā)展慣性；農(nóng)業(yè)TFP具有顯著的正向空間溢出效應(yīng)，相鄰地區(qū)的農(nóng)業(yè)TFP增長(zhǎng)相互促進(jìn)；勞動(dòng)和資本投入不僅直接促進(jìn)本地區(qū)的農(nóng)業(yè)TFP增長(zhǎng)，也間接促進(jìn)鄰近地區(qū)的農(nóng)業(yè)TFP增長(zhǎng)。為此，需要從加強(qiáng)農(nóng)業(yè)投入、區(qū)域合作、政策支持等方面入手，充分利用農(nóng)業(yè)TFP增長(zhǎng)的空間溢出效應(yīng)和動(dòng)態(tài)效應(yīng)，有效促進(jìn)各地區(qū)農(nóng)業(yè)TFP的持續(xù)快速增長(zhǎng)。

關(guān)鍵詞：農(nóng)業(yè)全要素生產(chǎn)率；隨機(jī)前沿分析（SFA）；動(dòng)態(tài)SAR模型；空間溢出效應(yīng)；動(dòng)態(tài)效應(yīng)；技術(shù)效率；技術(shù)進(jìn)步率

中圖分類號(hào)：F323.3；F224.0 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1674-8131（2017）06-0049-09

一、引言

改革開放以來，我國(guó)農(nóng)業(yè)發(fā)展取得巨大成效，以占世界7.7%的耕地養(yǎng)活了占世界22%的人口，成為“中國(guó)奇跡”的重要內(nèi)容之一，成功回答了20多年前美國(guó)學(xué)者萊斯特·布朗（Lester Brown）之問：“誰來養(yǎng)活中國(guó)？”。但是，我們也必須認(rèn)識(shí)到，在我國(guó)農(nóng)業(yè)問題作為“三農(nóng)”問題的核心，始終是國(guó)民經(jīng)濟(jì)發(fā)展中的重大問題。正因?yàn)榇?，十?dāng)?shù)年來，中央“一號(hào)文件”無一例外的與“三農(nóng)”問題相關(guān)，充分體現(xiàn)了“三農(nóng)”問題特別是農(nóng)業(yè)問題的基礎(chǔ)性、重要性和緊迫性。在當(dāng)前我國(guó)經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)和深入推進(jìn)供給側(cè)結(jié)構(gòu)性改革的新發(fā)展背景下，農(nóng)業(yè)發(fā)展中人多地少、資源環(huán)境硬約束與對(duì)農(nóng)業(yè)產(chǎn)品剛性需求的基本矛盾更加突出。改變粗放型發(fā)展方式，走集約型內(nèi)涵式發(fā)展道路，以技術(shù)進(jìn)步和效率改善為抓手，提升農(nóng)業(yè)全要素生產(chǎn)率，既是農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革的題中之義，也是促進(jìn)農(nóng)業(yè)增產(chǎn)增效優(yōu)質(zhì)發(fā)展的客觀要求。

自Farrell（1957）開創(chuàng)性提出經(jīng)濟(jì)效率測(cè)度以來，國(guó)內(nèi)外學(xué)者圍繞經(jīng)濟(jì)效率展開了豐富的研究。關(guān)于中國(guó)農(nóng)業(yè)全要素生產(chǎn)率（TFP）的增長(zhǎng)問題，F(xiàn)an（1991）研究指出，中國(guó)農(nóng)業(yè)增長(zhǎng)的一半以上是靠要素投入驅(qū)動(dòng)，而不是靠全要素生產(chǎn)率增長(zhǎng)；Scott Rozelle和黃季焜（2005）的研究結(jié)論與之相似，并指出過重依賴要素投入的發(fā)展模式是不可持續(xù)的，中國(guó)農(nóng)業(yè)發(fā)展的根本出路在于提升農(nóng)業(yè)全要素生產(chǎn)率。中國(guó)作為發(fā)展中國(guó)家，在農(nóng)業(yè)生產(chǎn)技術(shù)水平還相對(duì)落后的條件下大力提升農(nóng)業(yè)生產(chǎn)率，無疑是國(guó)民財(cái)富增長(zhǎng)的重要而有效的途徑之一。

對(duì)農(nóng)業(yè)全要素生產(chǎn)率的實(shí)證測(cè)度，早期文獻(xiàn)主要依靠傳統(tǒng)的非前沿方法，包括Kendrick算術(shù)指數(shù)、Trnqvist-Theil 生產(chǎn)率指數(shù)等非參數(shù)非前沿方法（馮海發(fā)，1990；Fan et al，2002；李靜 等，2006）以及生產(chǎn)函數(shù)與增長(zhǎng)核算相結(jié)合的參數(shù)非前沿方法（Fan，1991；辛翔飛 等，2007）。非前沿方法將全要素生產(chǎn)率的變化全部歸于技術(shù)變化，未考慮生產(chǎn)技術(shù)上的非效率性。20世紀(jì)90年代中期以后，隨著生產(chǎn)前沿模型理論的引介與應(yīng)用，運(yùn)用前沿方法研究全要素生產(chǎn)率逐漸成為主流，包括以數(shù)據(jù)包絡(luò)分析（DEA）為代表的非參數(shù)前沿方法（陳衛(wèi)平，2006；張樂 等2013；高帆，2015；徐曉紅 等，2016）和以隨機(jī)前沿分析（SFA）為代表的參數(shù)前沿方法（石慧 等，2008；全炯振，2009；劉晗 等，2015；Glass et al，2016）。較之非前沿方法，前沿方法可以對(duì)全要素生產(chǎn)率進(jìn)行分解，獲得技術(shù)進(jìn)步、技術(shù)效率、規(guī)模效率以及配置效率等，具有顯著的優(yōu)勢(shì)，已日漸成為全要素生產(chǎn)率研究的基本方法。

關(guān)于農(nóng)業(yè)全要素生產(chǎn)率的主要影響因素，Lin（1992）指出，農(nóng)村經(jīng)濟(jì)體制改革對(duì)中國(guó)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)具有重要的促進(jìn)作用；孟令杰（2000）等認(rèn)為，技術(shù)進(jìn)步是中國(guó)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的主要來源；而陳錫文（2012）、孔祥智和周振（2014）等學(xué)者認(rèn)為，農(nóng)業(yè)技術(shù)創(chuàng)新、機(jī)械裝備等現(xiàn)代生產(chǎn)要素的投入可以大幅提高農(nóng)業(yè)生產(chǎn)效率。其他學(xué)者的研究結(jié)論也基本類似（石慧 等，2008；王玨 等，2010；高帆，2015）。

近年來，隨著區(qū)域經(jīng)濟(jì)聯(lián)系的加強(qiáng)，區(qū)域之間技術(shù)溢出對(duì)全要素生產(chǎn)率增長(zhǎng)的影響引起了越來越多的學(xué)者關(guān)注（Ertur et al，2013；Tientao et al，2016）。然而，這方面的研究還遠(yuǎn)未成熟，相關(guān)文獻(xiàn)還較為缺乏，尚未形成系統(tǒng)的研究結(jié)論。特別是，受到研究方法和數(shù)據(jù)的限制，現(xiàn)有研究很少有對(duì)農(nóng)業(yè)全要素生產(chǎn)率的空間溢出效應(yīng)展開實(shí)證考察。事實(shí)上，作為技術(shù)、效率、政策、制度等因素的綜合體現(xiàn)，農(nóng)業(yè)全要素生產(chǎn)率往往具有顯著的空間溢出效應(yīng)，即一個(gè)地區(qū)具有高的農(nóng)業(yè)全要素生產(chǎn)率，很可能對(duì)鄰近地區(qū)產(chǎn)生示范或者帶動(dòng)作用，進(jìn)而促進(jìn)鄰近地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的增長(zhǎng)。有鑒于此，本文在對(duì)我國(guó)農(nóng)業(yè)全要素生產(chǎn)率進(jìn)行科學(xué)測(cè)算的基礎(chǔ)上，采用空間計(jì)量模型和方法識(shí)別和捕捉我國(guó)農(nóng)業(yè)全要素生產(chǎn)率的空間溢出效應(yīng)，以期為農(nóng)業(yè)經(jīng)濟(jì)政策的制定與實(shí)施提供理論參考和決策依據(jù)。

二、我國(guó)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)趨勢(shì)

1.測(cè)算方法與數(shù)據(jù)來源

對(duì)全要素生產(chǎn)率的測(cè)算，現(xiàn)行的主要方法有以DEA-Malmquist為代表的非參數(shù)前沿方法和以隨機(jī)前沿分析（SFA）為代表的參數(shù)研究方法。本文采用SFA進(jìn)行分析，根據(jù)Aigner等（1977）提出的方法，并借鑒Battese和Coelli（1992）的處理辦法，在面板數(shù)據(jù)結(jié)構(gòu)下構(gòu)建包含時(shí)變（Time-varying）技術(shù)無效率的隨機(jī)前沿生產(chǎn)函數(shù)：

用以下變量衡量農(nóng)業(yè)產(chǎn)出和投入：農(nóng)業(yè)產(chǎn)出（Y）用“農(nóng)林牧漁業(yè)總產(chǎn)值”衡量（2000年可比價(jià)，億元），勞動(dòng)力（L）用年末第一產(chǎn)業(yè)的就業(yè)人員數(shù)衡量（萬人），土地（D）用農(nóng)作物總的播種面積衡量（千公頃），資本（K）用農(nóng)用化肥施用量衡量（折純量， 萬噸），機(jī)械動(dòng)力（P）用農(nóng)業(yè)機(jī)械總動(dòng)力衡量（萬千瓦）。本文采用中國(guó)除港、澳、臺(tái)地區(qū)外的31個(gè)省、直轄市和自治區(qū)2000—2014年的數(shù)據(jù)進(jìn)行分析，原始數(shù)據(jù)來源于《新中國(guó)統(tǒng)計(jì)資料匯編六十年》《中國(guó)統(tǒng)計(jì)年鑒》以及各省市區(qū)統(tǒng)計(jì)年鑒，并對(duì)原始數(shù)據(jù)進(jìn)行對(duì)數(shù)化處理。endprint

2.農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)測(cè)算結(jié)果

由于模型中變量較多，采用超越對(duì)數(shù)函數(shù)的待估參數(shù)過多，且多重共線性可能使得某些參數(shù)不顯著。為了保證模型的統(tǒng)計(jì)性質(zhì)，首先對(duì)包括全部自變量的模型進(jìn)行回歸估計(jì)；然后，根據(jù)估計(jì)結(jié)果的t統(tǒng)計(jì)量的顯著性水平對(duì)變量進(jìn)行逐次篩選，去掉不顯著的自變量項(xiàng)。經(jīng)過反復(fù)篩選，得到估計(jì)結(jié)果如表2。由回歸結(jié)果可知，模型具有良好的統(tǒng)計(jì)性質(zhì)。LR值高達(dá)768.5378，表明模型整體上具有良好的解釋能力；對(duì)于確定性前沿生產(chǎn)函數(shù)，所有參數(shù)均在1%顯著性水平下顯著；考察技術(shù)無效率項(xiàng)，u的均值為0.7357，在1%顯著性水平下顯著，表明技術(shù)無效率的確存在；隨機(jī)前沿生產(chǎn)函數(shù)的總體方差為0.3477，技術(shù)無效率的方差為0.3465，技術(shù)無效率的方差在總方差中的占比（γ）為0.9964，且通過1%顯著性水平檢驗(yàn)，表明技術(shù)無效率對(duì)產(chǎn)出差異具有重要影響。

計(jì)算得到2000—2014各地區(qū)農(nóng)業(yè)生產(chǎn)技術(shù)進(jìn)步率的年平均值（見圖1）和農(nóng)業(yè)生產(chǎn)技術(shù)效率的年平均值（見圖2）。我國(guó)各地區(qū)農(nóng)業(yè)生產(chǎn)的年均技術(shù)進(jìn)步率差異較大，河南最高（4.91%），西藏最低（1.73%），前者是后者的2.84倍；而農(nóng)業(yè)生產(chǎn)年均技術(shù)效率的區(qū)域差異更大，山東最高（0.9834），寧夏最低（0.1127），前者是后者的8.73倍。將2000年各地區(qū)的農(nóng)業(yè)全要素生產(chǎn)率設(shè)為1，計(jì)算得到2000—2014年各地區(qū)的農(nóng)業(yè)全要素生產(chǎn)率（見圖3），各地區(qū)的農(nóng)業(yè)全要素生產(chǎn)率處于持續(xù)上升過程中，但增長(zhǎng)速度表現(xiàn)出顯著差異。為了直觀展示各地農(nóng)業(yè)全要素生產(chǎn)率的增長(zhǎng)速度，計(jì)算得到2000—2014年農(nóng)業(yè)全要素生產(chǎn)率的增長(zhǎng)率（見圖4）。

全要素生產(chǎn)率的增長(zhǎng)率由技術(shù)效率變動(dòng)率和技術(shù)進(jìn)步率兩部分構(gòu)成（涂正革 等，2005）。整體上看，2000—2014年各地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的增長(zhǎng)率均為正，即有正向的增長(zhǎng)，但增長(zhǎng)速度的下降趨勢(shì)明顯。導(dǎo)致這一結(jié)果的主要原因在于：一方面，農(nóng)業(yè)技術(shù)效率的提升非常緩慢，計(jì)算表明這一時(shí)期農(nóng)業(yè)生產(chǎn)技術(shù)效率的改善不明顯，年均提高率僅為0.87%；另一方面，盡管農(nóng)業(yè)技術(shù)進(jìn)步率在持續(xù)提高，但近年來增長(zhǎng)速度不斷下降，減緩了農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)。進(jìn)一步，整理計(jì)算得到我國(guó)31個(gè)省市區(qū)2000—2014年農(nóng)業(yè)全要素生產(chǎn)率的年均增長(zhǎng)率（見表3），平均來看增長(zhǎng)速度尚可（4%左右），但近年來的增速下降趨勢(shì)需要警惕。

三、我國(guó)農(nóng)業(yè)全要素生產(chǎn)率的空間溢出效應(yīng)

農(nóng)業(yè)全要素生產(chǎn)率是政策、制度、技術(shù)、人力資本等多種因素的綜合體現(xiàn)，既受到其鄰近地區(qū)的影響，也會(huì)影響鄰近地區(qū)，往往具有空間溢出效應(yīng)，因此，適于建立空間計(jì)量模型加以捕捉。經(jīng)典的空間面板數(shù)據(jù)模型（Spatial Panel Data Model，SPDM）的一般化形式是Manski 模型（Manski，1993），由于Manski模型有太多的參數(shù)需要估計(jì)，可能導(dǎo)致模型識(shí)別困難，實(shí)際應(yīng)用中通常需要簡(jiǎn)化，常用的有以下三個(gè)模型（Elhorst，2009）：空間自回歸模型（SAR）、空間誤差模型（SEM）和空間Durbin模型（SDM）。在經(jīng)典SAR和經(jīng)典SDM模型中，加入時(shí)期滯后項(xiàng)即得動(dòng)態(tài)空間計(jì)量模型，主要有動(dòng)態(tài)空間自回歸模型和動(dòng)態(tài)空間Durbin模型（Dynamic SDM）。

進(jìn)行空間計(jì)量分析，一個(gè)重要的輸入?yún)?shù)是空間權(quán)重矩陣W。W反映了各個(gè)體之間的空間相互關(guān)聯(lián)性及其強(qiáng)度?？臻g權(quán)重矩陣W的賦值方法常見的有三種：地理鄰接空間權(quán)重、逆距離空間權(quán)重和經(jīng)濟(jì)或社會(huì)空間權(quán)重。三種方法各有利弊，在實(shí)踐中均有應(yīng)用。其中，地理鄰接空間權(quán)重的設(shè)置方法假定只有在地理上相鄰的地區(qū)之間才具有直接的空間相關(guān)性，這種直接的空間相關(guān)性將會(huì)通過地區(qū)間的傳遞最終形成所有地區(qū)間具有或強(qiáng)或弱的相關(guān)性，這種設(shè)置方法較為簡(jiǎn)單，在實(shí)證分析中得到了較為廣泛的應(yīng)用（吳玉鳴，2006）。本文采用地理鄰接空間權(quán)重，即將地理空間上相鄰的地區(qū)i和地區(qū)j之間的權(quán)重Wij賦值為1，其余的賦值為0；根據(jù)樣本地區(qū)的地理關(guān)系，可得到地理鄰接空間權(quán)重矩陣W。

基于前述理論分析，以農(nóng)業(yè)全要素生產(chǎn)率為被解釋變量，以農(nóng)業(yè)勞動(dòng)力、農(nóng)作物播種面積和農(nóng)業(yè)資本投入為自變量，建立空間計(jì)量模型由于變量農(nóng)業(yè)機(jī)械動(dòng)力在主要回歸模型中均不顯著，故刪除該變量。 ，其中，自變量數(shù)值均進(jìn)行了對(duì)數(shù)化變換。采用STATA計(jì)量經(jīng)濟(jì)學(xué)軟件包，對(duì)普通面板數(shù)據(jù)回歸模型（OLS）、動(dòng)態(tài)空間自回歸模型（Dynamic SAR）、空間誤差模型（SEM）和動(dòng)態(tài)空間Durbin模型（Dynamic SDM）進(jìn)行參數(shù)估計(jì)，并將結(jié)果一并報(bào)告，以便對(duì)模型進(jìn)行比較分析（見表4）。

表4中的四個(gè)模型均采用固定效應(yīng)估計(jì)獲得。為了檢驗(yàn)這一設(shè)置是否合理，采用Hausman檢驗(yàn)，對(duì)非空間的面板數(shù)據(jù)模型的固定效應(yīng)（FE）與隨機(jī)效應(yīng)（RE）進(jìn)行檢驗(yàn)，其統(tǒng)計(jì)量值Hausman=7031.92，Prob=0.0000，強(qiáng)烈拒絕了隨機(jī)效應(yīng)模型，表明采用固定效應(yīng)模型的估計(jì)結(jié)果是適當(dāng)?shù)?。?duì)比表4中的四個(gè)模型，相對(duì)于普通面板數(shù)據(jù)回歸模型（OLS）而言，3個(gè)空間計(jì)量模型的空間滯后效應(yīng)均十分顯著，表明應(yīng)采用空間計(jì)量模型進(jìn)行估計(jì)。其中，動(dòng)態(tài)SAR模型中各解釋變量均有高度顯著性，而SEM模型中變量回歸系數(shù)統(tǒng)計(jì)顯著性較低，空間Durbin模型的空間滯后項(xiàng)均在10%水平上不具有統(tǒng)計(jì)顯著性。綜上所述，采用動(dòng)態(tài)SAR模型的估計(jì)結(jié)果更具有合理性。

根據(jù)表4中動(dòng)態(tài)SAR模型估計(jì)結(jié)果，農(nóng)業(yè)全要素生產(chǎn)率的空間滯后項(xiàng)的回歸系數(shù)為0.1079，且在1%水平上顯著。表明農(nóng)業(yè)全要素生產(chǎn)率存在顯著的正向空間溢出效應(yīng)，一個(gè)地區(qū)較高的農(nóng)業(yè)全要素生產(chǎn)率可有效促進(jìn)鄰近地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的提升，且這一正向促進(jìn)作用是顯著的。同時(shí)，農(nóng)業(yè)全要素生產(chǎn)率具有顯著的動(dòng)態(tài)效應(yīng)，表現(xiàn)為其時(shí)間滯后項(xiàng)以及空間滯后項(xiàng)均在1%水平上顯，即上一期較高水平的農(nóng)業(yè)全要素生產(chǎn)率會(huì)促使當(dāng)期繼續(xù)保持較高水平，體現(xiàn)了農(nóng)業(yè)全要素生產(chǎn)率在時(shí)間上的發(fā)展慣性和動(dòng)態(tài)效應(yīng)。endprint

在空間計(jì)量模型框架下，自變量的回歸系數(shù)不具有邊際意義。為了考察各自變量對(duì)被解釋變量的邊際影響，需要計(jì)算各自變量的累計(jì)效應(yīng)（Tientao et al，2016）。自變量的單位變化既可能對(duì)地區(qū)自身產(chǎn)生直接影響（直接效應(yīng)），也可能對(duì)鄰近地區(qū)產(chǎn)生間接影響（間接效應(yīng)）。根據(jù)表4的實(shí)證結(jié)果，計(jì)算得到各主要變量的累計(jì)效應(yīng)（見表5）。

由表5可知，作為主要的投入要素，勞動(dòng)、農(nóng)作物播種面積和農(nóng)業(yè)資本投入對(duì)農(nóng)業(yè)全要素生產(chǎn)率的增長(zhǎng)均具有顯著的直接效應(yīng)和間接效應(yīng)。具體表現(xiàn)為：

從直接效應(yīng)看，勞動(dòng)和資本投入具有顯著的正向直接效應(yīng)，即這兩類投入要素對(duì)于各地自身農(nóng)業(yè)全要素生產(chǎn)率的增長(zhǎng)具有正向促進(jìn)作用，這種促進(jìn)作用可能源于農(nóng)業(yè)勞動(dòng)力的知識(shí)技能等人力資本的提高以及農(nóng)業(yè)資本質(zhì)量和科技含量的提高。與此不同的是，農(nóng)作物播種面積對(duì)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的直接效應(yīng)為負(fù)，且這一影響同樣具有統(tǒng)計(jì)顯著性。這與現(xiàn)階段我國(guó)農(nóng)業(yè)生產(chǎn)規(guī)模小以及土地使用分散化、碎片化的經(jīng)營(yíng)特點(diǎn)密切相關(guān)，這種小型化、分散化的經(jīng)營(yíng)模式導(dǎo)致農(nóng)業(yè)生產(chǎn)經(jīng)營(yíng)成本居高不下，無法獲得規(guī)模效益和競(jìng)爭(zhēng)優(yōu)勢(shì)，不利于農(nóng)業(yè)績(jī)效的提升，阻滯了農(nóng)業(yè)全要素生產(chǎn)率的增長(zhǎng)。

從間接效應(yīng)（即空間溢出效應(yīng)）來看，勞動(dòng)和資本投入對(duì)農(nóng)業(yè)全要素生產(chǎn)率具有顯著的正向間接效應(yīng)，即正向空間溢出效應(yīng)明顯。勞動(dòng)和資本要素的空間聚焦，對(duì)鄰近地區(qū)的農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)具有顯著的正向促進(jìn)作用，這種正向溢出效應(yīng)可能源于勞動(dòng)和資本的省際流動(dòng)及模仿學(xué)習(xí)效應(yīng)。相反的，農(nóng)作物播種面積對(duì)于農(nóng)業(yè)全要素生產(chǎn)率的空間溢出效應(yīng)顯著為負(fù)，農(nóng)作物播種面積的擴(kuò)大對(duì)于鄰近地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的增長(zhǎng)具有負(fù)向影響。這種負(fù)向溢出效應(yīng)的產(chǎn)生，可能是由于農(nóng)作物播種面積的簡(jiǎn)單擴(kuò)大會(huì)對(duì)鄰近地區(qū)的勞動(dòng)、資本等生產(chǎn)要素產(chǎn)生競(jìng)爭(zhēng)和稀釋效應(yīng)，從而不利于鄰近地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的增長(zhǎng)。

四、結(jié)論及啟示

本文基于隨機(jī)前沿生產(chǎn)函數(shù)，建立包括勞動(dòng)、農(nóng)作物播種面積、農(nóng)用機(jī)械動(dòng)力和農(nóng)業(yè)資本等投入要素在內(nèi)的農(nóng)業(yè)超越對(duì)數(shù)生產(chǎn)函數(shù)模型，對(duì)我國(guó)除港、澳、臺(tái)地區(qū)外的31個(gè)省市區(qū)2000—2014年的農(nóng)業(yè)全要素生產(chǎn)率進(jìn)行測(cè)算，并采用動(dòng)態(tài)SAR模型分析農(nóng)業(yè)全要素生產(chǎn)率的空間溢出效應(yīng)。主要結(jié)論如下：（1）樣本期間，我國(guó)農(nóng)業(yè)全要素生產(chǎn)率整體上呈緩慢增長(zhǎng)態(tài)勢(shì)，但各地區(qū)的技術(shù)效率和技術(shù)進(jìn)步率差異較大，且技術(shù)效率改善緩慢，技術(shù)進(jìn)步速度則表現(xiàn)出明顯的下降趨勢(shì)。（2）農(nóng)業(yè)全要素生產(chǎn)率存在顯著的動(dòng)態(tài)效應(yīng)，前期較高水平的全要素生產(chǎn)率會(huì)引致后期全要素生產(chǎn)率繼續(xù)保持較高水平，表現(xiàn)出明顯的發(fā)展慣性。（3）農(nóng)業(yè)全要素生產(chǎn)率具有顯著的正向空間溢出效應(yīng)，一個(gè)地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的提升對(duì)于鄰近地區(qū)的農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)具有促進(jìn)作用。（4）農(nóng)業(yè)勞動(dòng)和資本投入具有顯著的正向直接效應(yīng)和間接效應(yīng)，不僅有助于自身農(nóng)業(yè)全要素生產(chǎn)率的提高，也有助于鄰近地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的增長(zhǎng)，正向空間溢出效應(yīng)顯著；而農(nóng)作物播種面積不僅對(duì)農(nóng)業(yè)全要素生產(chǎn)率具有負(fù)向的直接效應(yīng)，同時(shí)也表現(xiàn)出顯著的負(fù)向空間溢出效應(yīng)。

本文研究結(jié)果的政策含義在于：（1）持續(xù)加大農(nóng)業(yè)投入，特別是在農(nóng)業(yè)科技創(chuàng)新與農(nóng)業(yè)人才培養(yǎng)方面，提高農(nóng)業(yè)科技水平和生產(chǎn)效率，使農(nóng)業(yè)全要素生產(chǎn)率獲得可持續(xù)增長(zhǎng)的源泉和基礎(chǔ)。（2）加強(qiáng)區(qū)域合作與協(xié)同創(chuàng)新，充分發(fā)揮農(nóng)業(yè)全要素生產(chǎn)率的空間溢出作用。特別是在當(dāng)前各地區(qū)的技術(shù)效率和技術(shù)進(jìn)步率差異較大的情況下，通過加強(qiáng)區(qū)域合作，促進(jìn)要素流動(dòng)、技術(shù)傳導(dǎo)和模仿學(xué)習(xí)，促進(jìn)技術(shù)和效率落后地區(qū)向先進(jìn)地區(qū)的趨同，將成為今后較長(zhǎng)時(shí)期內(nèi)我國(guó)農(nóng)業(yè)發(fā)展的重要?jiǎng)恿εc源泉。（3）充分釋放農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的動(dòng)態(tài)效應(yīng)，利用政策、資金、技術(shù)等優(yōu)惠手段支持農(nóng)業(yè)“越級(jí)發(fā)展”，突破低水平發(fā)展陷阱，通過產(chǎn)業(yè)轉(zhuǎn)型和升級(jí)“躍遷”進(jìn)入高水平發(fā)展路徑，形成高增長(zhǎng)慣性，實(shí)現(xiàn)農(nóng)業(yè)全要素生產(chǎn)率的持續(xù)快速增長(zhǎng)。（4）加快推進(jìn)農(nóng)村土地制度改革，積極促進(jìn)農(nóng)業(yè)適度規(guī)模經(jīng)營(yíng)。現(xiàn)階段我國(guó)農(nóng)業(yè)生產(chǎn)經(jīng)營(yíng)的小型化、分散化和碎片化特點(diǎn)，客觀上使農(nóng)業(yè)生產(chǎn)難以獲得規(guī)模效益和競(jìng)爭(zhēng)優(yōu)勢(shì)，并對(duì)勞動(dòng)、資本等生產(chǎn)要素產(chǎn)生稀釋效應(yīng)，不利于農(nóng)業(yè)全要素生產(chǎn)率的增長(zhǎng)。適度規(guī)模經(jīng)營(yíng)則有利于機(jī)械化耕作的運(yùn)用以及新技術(shù)、新品種的推廣，有助于提升農(nóng)業(yè)生產(chǎn)效益。因此，破除現(xiàn)階段土地流轉(zhuǎn)中的制度瓶頸，有序推進(jìn)農(nóng)業(yè)經(jīng)營(yíng)的適度規(guī)?；?，既是農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的現(xiàn)實(shí)需要，更是新時(shí)代實(shí)現(xiàn)農(nóng)業(yè)現(xiàn)代化的客觀要求。

參考文獻(xiàn)：

陳衛(wèi)平.2006.中國(guó)農(nóng)業(yè)生產(chǎn)率增長(zhǎng)、技術(shù)進(jìn)步與效率變化：1990—2003年[J].中國(guó)農(nóng)村觀察（1）：18-23+38.

陳錫文.2012.中國(guó)特色農(nóng)業(yè)現(xiàn)代化的幾個(gè)主要問題[J].改革（10）：5-8.

馮海發(fā). 1990.中國(guó)農(nóng)業(yè)總要素生產(chǎn)率變動(dòng)趨勢(shì)及增長(zhǎng)模式[J].經(jīng)濟(jì)研究（5）：47-54.

高帆.2015.我國(guó)區(qū)域農(nóng)業(yè)全要素生產(chǎn)率的演變趨勢(shì)與影響因素——基于省際面板數(shù)據(jù)的實(shí)證分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究（5）：3-19.

孔祥智，周振.2014.“三個(gè)導(dǎo)向”與新型農(nóng)業(yè)現(xiàn)代化道路[J].江漢論壇（7）：42-49.

李靜，孟令杰.2006.中國(guó)農(nóng)業(yè)生產(chǎn)率的變動(dòng)與分解分析：1978—2004年——基于非參數(shù)的HMB 生產(chǎn)率指數(shù)的實(shí)證研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究（5）：11-19.

劉晗，王釗，姜松.2015.基于隨機(jī)前沿生產(chǎn)函數(shù)的農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)研究[J].經(jīng)濟(jì)問題探索（11）：35-42.

孟令杰.2000.中國(guó)農(nóng)業(yè)產(chǎn)出技術(shù)效率動(dòng)態(tài)研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)（5）：1-4.

全炯振.2009.中國(guó)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的實(shí)證分析：1978—2007年——基于隨機(jī)前沿分析（SFA）方法[J].中國(guó)農(nóng)村經(jīng)濟(jì)（9）：36-47.

Scott Rozelle，黃季焜. 2005.中國(guó)的農(nóng)村經(jīng)濟(jì)與通向現(xiàn)代工業(yè)國(guó)之路[J]. 經(jīng)濟(jì)學(xué)（季刊）（4）：1019-1042.endprint

石慧，孟令杰，王懷明.2008.中國(guó)農(nóng)業(yè)生產(chǎn)率的地區(qū)差距及波動(dòng)性研究——基于隨機(jī)前沿生產(chǎn)函數(shù)的分析[J].經(jīng)濟(jì)科學(xué)（3）：20-33.

涂正革，肖耿.2005.中國(guó)的工業(yè)生產(chǎn)力革命——用隨機(jī)前沿生產(chǎn)模型對(duì)中國(guó)大中型工業(yè)企業(yè)全要素生產(chǎn)率增長(zhǎng)的分解及分析[J].經(jīng)濟(jì)研究（3）：4-15.

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

吳玉鳴.2006.空間計(jì)量經(jīng)濟(jì)模型在省域研發(fā)與創(chuàng)新中的應(yīng)用研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究（5）：74-85+130.

辛翔飛，劉曉昀.2007.要素稟賦及農(nóng)業(yè)勞動(dòng)生產(chǎn)率的地區(qū)差異[J].世界經(jīng)濟(jì)文匯（5）：1-18.

徐曉紅，汪俠.2016.中國(guó)綠色全要素生產(chǎn)率及其區(qū)域差異——基于30個(gè)省面板數(shù)據(jù)的實(shí)證分析[J].貴州財(cái)經(jīng)大學(xué)學(xué)報(bào)（6）：91-98.

張樂，曹靜.2013.中國(guó)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)：配置效率變化的引入——基于隨機(jī)前沿生產(chǎn)函數(shù)法的實(shí)證分析[J].中國(guó)農(nóng)村經(jīng)濟(jì)（3）：4-15.

AIGNER D，LOVELL C A K，SCHMIDT P. 1977. Formulation and estimation of Stochastic Frontier Production Function models[J]. Journal of Econometrics，6（1）：21-37.

BATTESE G E，COELLI T J. 1992. Frontier production functions，technical efficiency and panel data：With application to paddy farmers in India[J]. Journal of Productivity Analysis， 3（1/2）： 153-169.

ELHORST J P. 2009. Spatial panel data models[M]//FISCHER M M，GETIS A. Handbook of Applied Spatial Analysis. Springer， New York.

ERTUR C，MUSOLESI A. 2013. Weak and strong cross-sectional dependence：A panel data analysis of international technology diffusion[R]. Grenoble Applied Economics Laboratory （GAEL），Working papers，2013-09.

FAN S. 1991. Effects of technological change and institutional reform on production growth in Chinese agriculture[J]. American Journal of Agricultural Economics，73（2）：266-275.

FAN S，ZHANG X. 2002. Production and productivity growth in Chinese agriculture：New national and regional measures[J]. Economic Development and Cultural Change，50（4）：819-838.

FARRELL M J. 1957. The measurement of productivity efficiency[J]. Journal of the Royal Statistical Society，120（3）：253-290.

GLASS A J，KENJEGALIEVA K.，SICKLES R C. 2016. A spatial autoregressive stochastic frontier model for panel data with asymmetric efficiency spillovers[J]. Journal of Econometrics，190：289-300.

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

TIENTAO A，LEGROS D，PICHERY M C. 2016. Technology spillover and TFP growth：A spatial Durbin model[J]. International Economics，145：21-31.

Abstract： Continuously promoting of agricultural total factor productivity （TFP） is inevitable requirement for agricultural modernization at new era. Based on stochastic frontier production function， this paper constructs a transcendental logarithmic production function model to measure agricultural TFP of 31 provinces and municipalities during 2000-2014， and uses dynamic SAR model to analyze spatial spillover effect of agricultural TFP. The results show that the overall agricultural TFP has a certain degree of growth， but the growth tends to decline in recent years， that the dynamic effect plays a significant role in agricultural TFP， showing a strong inertia of development， that agricultural TFP has significantly positive spatial spillover effect， that adjacent regions agricultural TFP will promote each other， that the main input of agricultural production not only directly affects the agricultural TFP growth itself significantly， but also affects the neighborhood's indirectly. Therefore， some countermeasures are put forward， including strengthening agricultural input， regional cooperation， policy support etc.， to promote the sustained and rapid growth of agricultural TFP by sufficiently taking advantage of the spatial spillover effect and dynamic effect of agricultural TFP.

Key words： agricultural total factor productivity； stochastic frontier analysis （SFA）； dynamic spatial autoregressive model； spatial spillover effects； dynamic effect； technical efficiency； technical progress

CLC number：F323.3；F224.0 Document code：A Article ID： 1674-8131（2017）06-0049-09

（編輯：夏 冬）endprint