城镇化与粮食生产效率

刘东阁（西南大学经济管理学院，重庆北碚400715）



城镇化与粮食生产效率

刘东阁
（西南大学经济管理学院，重庆北碚400715）

【摘要】基于DEA-Malmquist方法测算中国31省份的粮食生产综合技术效率和全要素生产率，并用面板结构工作文件分析影响粮食生产技术效率的因素。研究结果表明：中国粮食生产综合技术效率较低，技术利用水平不高，处于规模报酬递减阶段，纯技术效率仍有较大的提升空间；全要素生产率呈下降趋势，多数省份全要素生产率指数较低，且表现出东部地区全要素生产率高于中西部地区的现象，应加大粮食生产技术的支持力度；城镇化的实施能促进中东部地区粮食生产技术效率的提高，但对西部地区却产生负向影响。

【关键词】粮食生产；技术效率；全要素生产率；城镇化；DEA-Malmquist

一、引言

粮食是人类赖以生存的物品，对于任何一个国家和民族来讲，粮食生产与安全都是一个备受关注的问题。2013年全国粮食总产量达到60 193.5万吨（12 038.7亿斤），比2012年增加1 235.6万吨（247.1亿斤），增长了2.1%，我国粮食产量实现了“十连增”。但是，在粮食连年增产的背后，却隐藏着过半省份的粮食不能自给、粮食消费超过生产的严重问题。伴随着人口增加、城镇化与工业化进程加快、人民生活水平的不断提高以及食物结构的变化，我国的粮食需求仍将不断上升。由联合国粮农组织(FAO)秘书处和经合组织(OECD)联合编写的《2013—2022年农业展望》预测了这一趋势：未来10年，中国粮食消费量的增长仍将略快于产量增长，消费量年均增速将比产量高0.3%。《中国的粮食问题》白皮书预测，2030年我国粮食需求总量为6.4亿吨，未来10~20年我国粮食产量必须增加1亿吨以上才能弥补粮食供需的缺口。2013年，中国的城镇化率达到53%，城镇化过程中，每年1 700万农民进城成为市民，消费习惯与生活方式的转变会形成巨大的粮食需求。同时，城镇化过程中引起耕地面积逼近18亿亩红线，农村青壮劳动力转移到其他产业，农业从业人员减少，这对我国的粮食生产产生了深远影响。因此，在城镇化步伐不断加快的形势下，如何通过合理资源配置来提高粮食生产效率、增加粮食产量，紧紧地把“饭碗”端在自己手中，具有重要的现实意义。

关于粮食生产效率研究的文献十分丰富，诸多文献利用计量分析等实证方法对粮食生产效率问题进行了有益的研究工作。乔世君(2004)采用超越对数随机前沿面生产函数研究了中国粮食生产技术效率的空间分布和影响因素，研究表明，农业生产的自然条件和一些社会经济因素对粮食生产的技术效率有着显著的影响。李周、于法稳(2005)利用DEA方法分析了西部地区县域层面上农业生产的效率，包括规模效率、技术效率及全要素生产率的变化。全炯振(2009)运用非参数Malmquist生产率指数模型和参数随机前沿函数模型结构的SFA-Malmquist生产率指数模型，测算了中国各省份及东部、中部、西部地区的农业全要素生产率(TFP)变化指数，并指出提高农业技术效率水平是中国未来提高农业全要素生产率的潜在动力。谢杰(2007)通过逐步回归和加权最小二乘回归等经典单方程计量经济学方法发现:土地和化肥使用是影响粮食生产的最主要要素，并认为在土地、化肥施用已达极限的背景下，技术进步是提高我国粮食产量的新途径。李岳云(2007)指出了城镇化对粮食生产的负面影响：对耕地的大量占用，使粮食种植面积锐减，造成粮食总产量下降;对高素质劳动力的大量吸引，使农业劳动力老龄化、女性化和弱质化，造成粮食单产不高。刘宁(2011)应用超效率Output-DEA模型，对中国2008年的粮食生产能力（以13个粮食主产省区为代表）进行了研究。结果表明，多数省区技术无效率是由于规模效益低造成，各技术无效率省区还存在投入的冗余，减少这些投入冗余对于降低粮食生产成本具有重要作用。相类似的研究还有肖红波、王济民(2012)和亢霞、刘秀梅(2005)。杜宇能(2013)认为耕地面积的减少和农村劳动力的外流与城镇化之间的影响是显著的，城镇化必然带来粮食消费结构的变化和总量的上升，对粮食生产资源是有威胁性的。

综上所述，现有文献运用多种方法研究了中国在不同阶段和不同区域的粮食生产效率，为国家相关政策的制定提供了有力的参考。但鲜有分析中国粮食生产效率的变化趋势与区域差异的文献。基于此，本文重点考察在推进城镇化进程的背景下，中国粮食生产效率的变化趋势与区域差异，并进一步分析影响粮食生产效率的主要因素。

二、研究方法

数据包络分析(data envelopment analysis,DEA) 是Charnes, Cooper and Rhodes提出的非参数效率评价方法。DEA以投入产出数据为基础，通过测算决策单元(DMU)的生产曲面与最佳前沿面之间的距离来计算效率值，并以此来衡量决策单元是否达到最有效投入或产出比率。DEA方法具有不需要事先确定前沿生产函数的形式，不需要限定效率前沿的形状，不必估计前沿效率函数的参数，无需进行标准化处理等优点。

Malmquist指数首先由Caves等(1982)提出，是在参照技术下，通过比较从时期s到t的产出观测值和利用投入所能生产的最大产出水平之间的比较(保持产出组合不变)来测算生产率的。我们参照Fare等(1994)定义出以产出为指标的Malmquist生产率变化指数。

假定存在n个生产单元，在t=1,2,…，T时期,可以将要素xt=(xt1,xt2,…，xtn)∈R+m转化为产出yt= (yt1,…，ytn)∈R+m,用如下形式表示：

上式中，Tt又称生产可能性集合，每一给定投入的最大经济产出子集即为生产技术的前沿。在此基础上，定义t时刻生产单元的距离函数为：

一般情况下，Dt0(xt,yt）≤1，只有生产单元位于Tt的前沿面上时等号才成立，此时技术效率为100%，说明在给定投入的情况下实现了最大产出。同理可定义以t时刻的技术水平为参照时(xt+1, yt+1）的距离函数为：

基于以上分析可以给出以t时刻的技术水平为参照的Malmquist指数：

同样可以给出以t+1时期生产技术为参照的Malmquist指数。为了避免在选择生产技术参照系时的随意性,Fare建议采用两者的几何平均值作为Malmquist指数：

Malmquist指数在规模报酬不变的条件下可以分解为技术效率指数effch和技术进步指数techch两部分：

=技术效率指数effch×技术进步指数techch

技术效率指数effch在规模报酬可变的条件下又可以进一步分解为纯技术效率指数pech和规模效率指数sech两部分的乘积。

三、实证分析

考虑到数据的可得性及测度中国粮食生产效率的需要，选择粮食的总产量作为粮食产出指标，投入指标选择乡村从业人员数、农机总动力、农作物总播种面积、有效灌溉面积、化肥施用量、农药施用量、农用塑料薄膜使用量、农村用电量、农用柴油使用量等指标衡量粮食生产的投入情况。为了解中国粮食生产效率变化情况及比较不同省份和地区的差异，研究选用2003—2011年全国31个省份作为考察对象，并划分为东、中、西部地区①进行分析。文中使用的数据来源于历年《中国统计年鉴》《中国农业统计年鉴》和《新中国农业60年统计年鉴》。

（一）粮食生产的技术效率与规模报酬分析

从技术效率看，31个省份粮食生产综合技术效率的平均值为0.758，纯技术效率的平均值为0.844，规模效率的平均值为0.904，如表1所示。综合技术效率偏低，粮食生产技术利用水平不高，纯技术效率仍有较大的提升空间，粮食生产处于规模报酬递减阶段。从综合技术水平来看，有8个省份的综合技术效率水平为1，处于粮食生产的前沿面上，并且其纯技术效率与规模效率也为1，达到了最优。在这8个省份中，除了粮食生产大省吉林与黑龙江位于东北地区外，处于中西部地区的6省市克服耕地面积较少和恶劣自然环境的不利影响，实现了综合技术效率的最优。作为全国经济较发达的地区如北京、上海、天津，粮食生产效率均低于全国平均值，北京市与天津市效率偏低的原因是纯技术效率较低，但两市粮食生产的规模效率较高；上海市粮食生产效率偏低的原因是规模效率较低，但该市的纯技术效率为1。综合技术效率处于0.8~1范围的包括辽宁、江西、湖南、广东、四川5个省，其中四川与湖南粮食生产的纯技术效率为1，广东省粮食生产的规模效率为1，江西和辽宁省粮食生产的规模效率均高于平均值。综合技术效率在0.6~0.8范围的省份有11个，多分布在中西部地区。河南、山东、海南的规模效率的低水平导致这些省份综合效率低于全国平均水平。山西与青海两省的规模效率达到了最优，但纯技术效率不高。其余省份的纯技术效率与规模效率均未达到最优，导致综合技术效率下降。

从规模报酬来看，在规模报酬递增的8个省份中，除了新疆位于西部地区，主要集中在东部地区，考虑到这些地区较高的经济水平与城镇化率，进行粮食生产的播种面积较小，在此水平上增加粮食播种面积，可以提高粮食单位面积的产量。中部地区的河南、安徽、湖南、湖北和江西等5省规模报酬递减，这些省份粮食播种面积逐渐增加，可能超过了使规模效率达到最优值的播种面积。有近三分之一的省份规模报酬不变，并且主要分布在中西部地区，显示了粮食生产在一定时期内的稳定性。

（二）粮食生产的全要素生产率分析

对各省份粮食生产的全要素生产率进行计算，结果显示，2003—2011年中国31个省份的粮食全要素生产率平均指数为0.996，平均下降0.4%；技术效率指数平均值为1.003，技术进步指数平均值为1.004，技术效率与技术进步缓慢提高；纯技术效率与规模效率平均下降0.7%和0.1%，仍有较大的改进空间，技术的应用和改善对中国粮食生产的全要素生产率影响不是十分明显，如表2所示。

从表2分析还可以发现，中国31个省份的全要素生产率指数均处于0.85以上，有15个省份的粮食全要素生产率指数呈现正向增长。北京市的全要素生产率指数最高，达到10.5%，与其较高的技术效率和技术进步有关。有8个省份的全要素生产率指数超过2%，剩余6个省份的全要素生产率指数较小。其中，天津市的规模效率指数最大，上海市的纯技术效率指数最大，这可能与其较发达的经济水平、较高的农业科技含量有关。

全要素生产率指数小于1的有16个省份，西藏与贵州的全要素生产率指数低于0.9，主要因为两地的技术进步指数较低。9个省份的技术效率指数高于技术进步指数，表明技术进步的不足是导致全要素生产率指数下降的主要原因。而云南、广东、广西、海南、青海5省份的粮食生产全要素指数较低的原因是技术效率低于技术进步指数。

表1　各省粮食生产技术效率及其分解

表2　各省粮食全要素生产率变化

分地区来看，东部地区的全要素生产率指数几乎均高于1，占全要素生产率指数大于1省份的60%，这与其较高的技术效率指数和技术进步指数有关。广东和海南省的技术效率指数小于技术进步指数，且低于全国平均值。中部8省份中有5个省份全要素生产率指数高于1，但其中7个省份的技术进步指数低于全国平均值，粮食生产技术进步指数呈下降态势。西部多数省份的全要素生产率指数小于1，主要是较低的技术进步指数导致，但技术效率指数是正向增长。

（三）粮食生产技术效率的影响因素

基于前文分析，文章进一步考察影响粮食生产技术效率的因素。影响粮食生产效率的因素较多，包括自然环境、气候变化、政策变化、劳动者素质等。考虑到数据的可获得性和研究的需要，同时借鉴乔世君、黄金波的做法，选用人均机械总动力（JX）、人均播种面积(BZ)、亩均化肥施用量(HF)、受灾面积比例(SZ)、城镇化率(UR)及有效灌溉比率(GG)来考察其对粮食生产效率技术效率的边际影响。人均机械总动力、人均播种面积、亩均化肥施用量、受灾面积比例和有效灌溉比率有相关统计数据计算得来，城镇化率用城镇人口数占总人口数比例表示，2005年以前没有城镇化率的直接数据，用非农业人口的比例代替。

考虑到不同地区之间粮食生产效率的较大差异，分别建立东、中、西部省份的面板结构模型。使用Eviews软件对面板结构数据进行估计，主要由包含Pool对象和面板结构(Panel)的工作文件进行分析。Pool对象多适用于截面成员较少而时期较长的“窄而长”数据，而面板结构文件一般用于截面成员较多而时期较短的“宽而短”数据。本文对东部和西部地区的省份采用面板结构的工作文件进行估计，对中部地区省份采用Pool对象进行估计，得到回归结果，如表3所示。

表3　分地区各省粮食生产技术效率的回归结果

在模型的选取上，Hausman检验显示中东部省份和西部省份分别在1%和10%的显著性水平上拒绝了选择随机效应的原假设，故文中模型均采用固定效应模型进行回归。F值在1%的显著性水平下通过检验，表明模型中各变量之间的线性关系显著，模型整体拟合优良。

表3显示，人均机械总动力（JX）对各省份粮食生产技术效率的影响具有负向作用，但不显著。人均播种面积(BZ)对各省份粮食生产技术效率的影响是正向促进，且对西部地区影响更加显著。受灾面积比例(SZ)对西部地区省份具有明显的抑制，对中东部地区的负向影响不显著，这可能与中东部地区较为完善的粮食生产防灾减灾系统有关。亩均化肥施用量(HF)对中部省份具有显著正向促进作用，说明中部省份粮食产量提高仍主要依赖于物质资料的投入，这与中部地区的纯技术效率不高相一致。有效灌溉比率(GG)是影响中东部地区粮食生产技术效率的关键因素，播种面积有效灌溉比率的改进并未真正促进粮食生产技术效率的提高。

东中部省份的城镇化率对粮食生产技术效率有显著的正向促进作用，而对西部省份具有弱的负向促进作用，且对中部省份的影响强于对东部省份的影响。这表明中东部省份粮食生产技术效率伴随城镇化率的发展得到提高，西部省份城镇化发展在一定程度上抑制了粮食生产技术效率的提高。

四、结论与启示

本文利用DEA-Malmquist方法测算我国31个省份的粮食生产综合技术效率和全要素生产率，并用面板结构的工作文件分析了影响粮食生产技术效率的因素。研究表明：中国的粮食生产综合技术效率偏低，技术利用水平不高，处于规模报酬递减阶段，纯技术效率仍有较大的提升空间；全国有8个省份粮食生产表现为规模报酬递增，且从地理分布上主要集中在东部，中、西部地区规模报酬多处于递减阶段；中国粮食的全要素生产率平均下降4%，超过50%的省份全要素生产率指数小于1，且表现出东部地区全要素生产率高于中、西部的现象；城镇化的实施能促进中、东部地区粮食生产技术效率的提高，对西部地区却产生负向影响。因此，在粮食生产的严峻形势下，要因地制宜，合理确定各地的城镇化率，加大推广粮食生产技术水平的力度，提高粮食生产的技术效率和全要素生产率，确保我国粮食生产的安全。

注释:

①东部地区包括：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南；中部地区包括：山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部地区包括：内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、西藏和新疆。

参考文献：

[1]乔世君.中国粮食生产技术效率的实证研究——随机前沿面生产函数的应用[J].数理统计与管理，2004(5): 11-16.

[2]李周,于法稳.西部地区农业生产效率的DEA分析[J].中国农村观察,2005(6):2-10.

[3]全炯振.中国农业全要素生产率增长的实证分析: 1978—2007年——基于随机前沿分析（SFA)方法[J].中国农村经济,2009(9):36-47.

[4]谢杰.中国粮食生产函数的构建与计量分析[J].统计观察，2007(20):74-76.

[5]李岳云.工业化、城市化与粮食安全[J].现代经济探讨[J].2007(1):27-30.

[6]杜宇能.工业化城镇化农业现代化进程中国家粮食安全问题[D].合肥：中国科学技术大学，2013.

[7]刘宁.基于超效率Output-DEA模型的主产区粮食生产能力评价[J].软科学，2003(3):79-83.

[8]亢霞,刘秀梅.我国粮食生产的技术效率分析——基于随机前沿分析方法[J].中国农村观察，2005(4):25-32.

[9]肖红波,王济民.新世纪以来我国粮食综合技术效率和全要素生产率分析[J].农业技术经济，2012(1):36-46.

[10] CHARNES A，COOPER W W，RHODES E. Measuringthe Efficiencyof Decision Making Units[J].European Journal of Operational Research,1978,2(4):429-444.

[11] CAVES D，CHRISTENSEN L C，DIWERT W E. The Economic Theory of Index Numbers and the Measurement of Input,Output and Productivity [J].E-conometrica，1982(50):1393-1414.

[12] FARE R，GROSSKOPF S，NORRIS M，et al. Productivity Growth，Technical Progress and Efficiency Changes in Industrialized Countries[J].American Economic Review，1994,84(1):66-83.

责任编辑：吴强

Urbanization and Grain Production Efficiency

LIU Dongge
（College of Economics and Management, Southwest University, Beibei Chongqing 400715, China）

Abstract:This study measures China’s 31 provinces comprehensive technical efficiency and total factor productivity of grain production based on DEA - Malmquist method, and uses the panel structure working file analyses the influencing factors of grain production technical efficiency. The results show that China’s comprehensive grain production technical efficiency is low, the technology use level is not high, being in the stage of scale diminishing returns, the pure technical efficiency still has larger ascension space; Total factor productivity is on the decline, most provinces total factor productivity index is low, showing the eastern region the phenomenon of total factor productivity is higher than the central and western regions, so we should strengthen the food production technical support; implementation of urbanization can promote the midwest grain production technical efficiency, but it has a negative impact on the western region.

Key words:food production; technical efficiency; total factor productivity; urbanization DEA-Malmquist

作者简介：刘东阁（1989—），男，河南新蔡人，硕士研究生，主要从事产业结构与演变研究。

基金项目：本文系西南大学中央高校基本科研项目“多重不确定性对中国居民消费的影响”（项目号：SWU1509317）的阶段性研究成果。

收稿日期：2015-04-05

中图分类号：F326.11

文献标志码：A

文章编号：1673-8004（2016）01-0101-07