棉花全要素生产率影响因素的国际比较分析

孙鲁云， 王力， 王斌

(1.石河子大学经济与管理学院，新疆 石河子 832003； 2.石河子大学棉花经济研究中心，新疆 石河子 832003；3.中共石河子市委党校，新疆 石河子 832000)

推动高质量发展是中国当前和今后一个时期的根本要求。习近平总书记在十九大报告中指出，中国经济已由高速增长阶段转向高质量发展阶段。按照中央关于高质量发展的战略部署和要求，新时代中国棉业将面临产业重塑、高质量发展的重大机遇[1]。高质量发展的动力源泉是提高全要素生产率[2]，而近年来中国棉花全要素生产率呈负增长态势[3-4]，严重阻碍了棉花产业的高质量发展。在此背景下，深入分析影响棉花全要素生产率的因素，并与世界主要产棉国进行比较分析，对于促进中国棉花供给侧改革、推动棉花高质量发展具有重要的理论和现实意义。

对于棉花全要素生产率，国内外学者较为关注水平测度[5-6]，然而实证分析中只有少数学者对其影响因素进行研究。TAN等[7]发现基于面积的补贴政策与棉花全要素生产率之间存在显著的负向关系。王力等[8]认为影响棉花全要素生产率的因素主要包括要素投入、种植规模、技术水平、自然环境等。徐榕阳等[9]发现适度规模经营对棉花的生产技术效率的提高有益。此外，一些学者就农业全要素生产率及其影响因素进行探讨。何泽军等[10]、侯琳等[11]发现中国农业全要素生产率总体上实现了正增长；赫国胜等[12]发现农村金融发展、对外开放、农业灌溉等能够显著促进中国农业全要素生产率的增长，而农业要素投入水平和自然灾害阻碍了农业全要素生产率的增长；林光华等[13]发现气温对冬小麦全要素生产率有显著影响。一些学者还考察了农业研究和推广支出、基础设施建设、要素投入结构对农业全要素生产率的影响[14-16]。已有文献为棉花全要素生产率的研究奠定了基础，但仍存在以下不足：第一，在样本选择上，现有文献均基于国内棉区数据对棉花全要素生产率进行研究，缺乏国际比较视角；第二，对棉花全要素生产率影响因素的专门研究较为缺乏。鉴于此，本研究基于世界三大产棉国26个棉区1998—2017年的面板数据对棉花全要素生产率的影响进因素进行国际比较分析，以期获得对中国棉花全要素生产率影响因素更为深入的认识，并为促进中国棉花供给侧改革、推动棉花生产高质量发展提供决策参考。

1 研究区域概况

中国、印度、美国是世界上三大棉花主产国。2017年，印度、中国、美国棉花产量分别为631.4万t、598.8万t、455.6万t，位列世界前三，棉花总产量占世界产量的62.6%(表1)。以世界三大棉花主产国(中国、印度、美国)的26个棉花产区为研究样本，探讨棉花全要素生产率的影响因素，具有较好的代表性，同时能够为中国棉花生产发展提供有益的国际参考。中国棉花主产地区包括河北、山西、江苏、安徽、江西、山东、河南、湖北、湖南、陕西、甘肃和新疆等12个省份；美国棉花主产区包括南部沿海地区(Southern seaboard)、草原门户地区(Prairie gateway)、密西西比州门户(Mississippi portal)、中心地带(Heartland)、富饶的边缘地带(Fruitful rim)等5个地区；印度棉花主产区包括哈里亚纳邦(Haryana)、旁遮普邦(Punjab)、拉贾斯坦邦(Rajasthan)、安得拉邦(Andhra Pradesh)、卡纳塔克邦(Karnataka)、泰米尔纳德邦(Tamil Nadu)、古吉拉特邦(Gujarat)、中央邦(Madhya Pradesh)、马哈拉施特拉邦(Maharashtra)等9个地区。

表1 世界棉花主产国的棉花种植面积、产量与出口量 (2017年)Table 1 Cotton plant area, production and export volumes of world’s major cotton producing countries in 2017

2 理论分析与模型设定

2.1 棉花全要素生产率影响因素的理论探析

参考相关文献，并考虑数据的可得性，本研究总结了影响棉花全要素生产率的因素，包括生产要素投入、生产技术水平、气候变化、农作物产值结构、农业财政支出等。

2.1.1 生产要素投入对棉花全要素生产率的影响 棉花产出增长的直接因素是生产要素投入和技术进步[17]。棉花的生产要素包括土地、物质、劳动和机械。生产要素投入量的扩大不仅能够促进棉花产出，还可能会通过规模效应影响产出效率，进而促进棉花全要素生产率的提高。高鸣等[18]研究发现要素投入增长是小麦全要素生产率增长的一个主要原因，然而王珏等[19]研究表明，要素投入水平对农业全要素生产率增长存在抑制效应，单纯通过要素投入实现农业经济增长对于农业全要素生产率的提高是不利的。可见，生产要素投入水平与棉花全要素生产率的关系尚需实证检验。

2.1.2 生产技术水平对棉花全要素生产率的影响 全要素生产率提升的来源之一就是技术进步。对于棉花生产而言，技术进步最直接的体现就是通过使用更为先进的生产技术、更有效率的机械设备等手段提高物质-劳动比，进而促进效率的改善。

2.1.3 气候变化对棉花全要素生产率的影响 气候变化对棉花全要素生产率有重要影响。一方面，气候变化直接影响农作物生长，影响生产力。在一些国家，气候变化对农作物产量的不良影响甚至可以抵消由技术、二氧化碳施肥和其他因素带来的产量增长的大部分[20]。另一方面，极端气候使得更多的社会资源转向节能减排、绿色生产技术等研发活动，由此对技术进步产生积极影响[21]。典型的气候因素包括温度和降水量。棉花生长需要一定的积温，温度越高越利于棉花生长，而无论旱还是涝，对棉花生长都会造成不良影响，因此温度对棉花全要素生产率可能存在促进作用，而降水量与棉花全要素生产率可能存在非线性关系。

2.1.4 农作物产值结构对棉花全要素生产率的影响 农作物产值结构是一个地区农业产业结构的微观层面，表示种植业内部不同作物之间的比例关系。棉花产值比重能够反映棉花作物在地区农业经济中的地位，棉花产值比重越高，表明棉花对该地区越重要，越能引起人们的重视，从而诱发农业生产条件的改善和农业组织方式创新。此外，棉花产值比重高，还能反映出该地区具有规模优势，由于规模效应的存在可能对棉花全要素生产率产生正向影响。

2.1.5 农业财政支出对棉花全要素生产率的影响 财政支出是衡量政府购买的核心指标，反映了政府农业政策干预市场的程度，可作为农业政策的代理变量。政府财政支出能够通过公共产品供给的“结构调整效应”，影响资本和劳动的要素积累方式，优化资源配置[22]，对棉花全要素生产率产生积极作用。然而由于公共支出使用的低效率使得公共支出并不一定总能促进全要素生产率的增长。此外，政府财政支出可能会加剧要素市场的扭曲程度，对全要素生产率产生抑制作用[23]。

2.2 计量模型设定

本研究运用面板数据模型检验前述因素与棉花全要素生产率的关系，模型设定如下：

TFPi,t=α+β1FLi,t+β2FSi,t+β3TEi,t+β4PRi,t+β5PRi,t×PRi,t+β6CSi,t+β7AEi,t+μi,t

(1)

式中：被解释变量TFP表示棉花全要素生产率；解释变量依次为生产要素投入水平(FL)、生产技术水平(FS)、温度(TE)、降水量(PR)、农作物产值结构(CS)、政府农业财政支出(AE)；i和t分别表示第i个地区和第t年；α为截距项，β1～β7分别为各影响因素的待估系数；μ为随机干扰项。需要说明的是：(1)如前述分析，降水量与棉花全要素生产率可能存在非线性关系，因此引入降水量的平方项，以验证这一关系。(2)为减少可能存在的异方差问题，所有变量均作取对数处理。

棉花全要素生产率通过DEA-Malmquist方法进行测算。测算时所选取的产出指标为单位面积平均棉花产值，投入指标为单位面积平均物质、机械和劳动力投入。其中，物质投入以单位面积平均种子费用、肥料费用、农药费用、地膜费用之和衡量；机械投入以单位面积平均机械作业费用衡量；劳动投入以单位面积平均人工成本衡量。在实际估算时，将棉花全要素生产率指数转换为累积形式。解释变量中，生产要素投入以单位面积平均物质投入费用、劳动投入费用、机械作业费用之和衡量；生产技术水平使用单位面积平均人工成本占单位面积平均生产成本的比重来衡量，该数值越大，说明生产技术水平越低；农作物产值结构以棉花产值占农作物产值的比重衡量；政府农业财政支出以中央农业财政支出额衡量。

2.3 数据来源与处理

中国、美国、印度3国棉花生产成本收益数据分别来自中国《全国农产品成本收益资料汇编(1999―2018)》、美国农业部经济研究中心(USDA ERS)网站、印度农业、合作与农民福利部经济与统计局网站。考虑到不同年份、国家指标的可比性，本研究将各项指标换算为1990年为基期的可比价，其中单位面积平均棉花产值通过农产品生产价格指数进行折算，棉花生产投入指标通过农业生产资料价格指数进行折算。以上指标均通过汇率转换成以人民币为计价单位。生产价格指数、汇率数据来自中国国家统计数据库、世界银行WDI数据库。

气候数据包括月均气温、降水量。中国气候数据来自国家气象信息中心中国地面国际交换站气候资料月值数据集，该数据集包括中国173个基本、基准地面气象观测站及自动站1951年至今的月度气象资料。美国、印度气象数据来自美国国家气候数据中心(NCDC)的世界每月气候数据集(MCDW)，该数据集包括全球大约2 000个地面数据采集站月度气象数据。美国、印度气象数据采集站点与行政区划之间的对应关系来自Weather Graphics发布的主位置标识符数据库(Master Location Identifier Database,MLID)，该数据库集成了国际民航组织和世界气象组织等机构的站点代码标识和标准化地名。本研究对棉花生长期内月值气温和降水量数据分棉区进行处理。中国、美国棉花生长期主要集中在4—10月，印度中部、南部棉区棉花生长期集中在7月到次年1月，印度北部棉区棉花生长期集中在5—11月。

中国、美国、印度历年棉花产值、农作物产值、中央农业财政支出额等数据来自世界银行WDI数据库，计量单位均为以美元核算的2010年不变价。因为缺乏以各棉区为单位的统计数据，农作物产值结构、农业财政支出2项指标采用国家层面的数据来近似反映。

本研究所用变量的描述性统计如表2所示。从表2可以看出，三大棉花主产国整体棉花全要素生产率指数(累积增长率)为1.04。其中，印度均值最高，为1.12，其次是美国(1.09)，最后是中国(0.96)；就生产要素投入量而言，中国最高(5 870.85元·hm-2)，印度次之(1 845.45元·hm-2)，美国最低(1 654.80元·hm-2)；就技术水平而言，美国最高，印度和中国次之；就棉花生长期月均气温而言，印度最高，平均为26.97 ℃，中国和美国相差不大，在21 ℃左右；就月均降水而言，印度月均降水量最大，为115.78 mm·月-1，其次为中国、美国；就棉花产值占农作物产值的比重而言，印度最高，为4.74%，其次是中国(4.03%)，最后是美国(3.88%)；就中央财政农业支出而言，中美印3国相差较大，美国最高(260.74亿美元·年-1)，其次是印度(160.77亿美元·年-1)，最后是中国(54.72亿美元·年-1)。

表2 变量的描述性统计Table 2 Descriptive statistics of variables

3 实证结果与分析

3.1 中、美、印3国棉花全要素生产率影响因素整体分析

首先对相关变量进行单位根检验，单位根检验结果如表3所示。无论是LLC检验还是IPS检验，结果都显示各变量均能在1%的显著性水平下拒绝有单位根的原假设，即TFP、FL、FS、TE、PR、CS、AE序列均为平稳序列。

表3 模型中各变量的单位根检验Table 3 Unit root test of each variable in the model

接着，基于1998—2017年3个国家26个棉区的面板数据对式(1)进行估计。Wald检验结果显示，在1%的水平下显著拒绝“不同截面的扰动项同方差均相等”的原假设，认为随机扰动项存在组间异方差；Wooldridge检验结果显示，在1%的水平下显著拒绝“不存在组内自相关”的原假设，认为扰动项存在组内自相关。对此本研究使用可行广义最小二乘法(FGLS)进行参数估计，回归结果如表4所示。

表4 主要产棉国棉花全要素生产率的影响因素模型回归结果Table 4 Regression results of cotton total factor productivity in main cotton producing countries

根据表4中第2列可知，就三大棉花主产国整体而言，除生产要素投入之外的其他变量，包括技术水平、气温、降水量、农作物产值结构、农业财政支出，均对棉花全要素生产率有显著影响。具体而言：生产要素投入的系数为负，但在统计上并不显著，这表明生产要素的大量投入对棉花全要素生产率的影响不明显。技术水平的系数为-0.233，在1%的水平下显著，这表明较高的劳动占比对棉花全要素的提升有抑制效应。气温、降水量的系数显著，证实了气候变化对棉花全要素生产率的显著影响。气温的系数为正，这表明较高的积温条件能够促进棉花生产，也有利于棉花全要素生产率的提升；降水量的系数显著为正，降水量平方项的系数显著为负，说明降水量对棉花全要素生产率的影响呈倒U型，即随着降水量的增加，棉花全要素生产率先不断上升，到达临界“阈值”之后，开始下降。这一非线性倒U型关系是由棉花作物生长特点所决定的。降水不足时，不利于棉花生长发育，降水过多导致棉田积水、棉花根系功能受阻，同时会促使蕾铃脱落。农作物产值结构的系数为0.550，通过显著性检验，说明棉花产值比重越大，越有利于棉花全要素生产率的提升。一方面是由于良好的禀赋条件，另一方面规模效应提高了资源配置效率。农业财政支出的系数为-0.272，在1%的水平下显著，说明农业财政支出对棉花全要素生产率的增长有抑制效应。如前文所分析，这主要源于农业财政支出使用的低效率和农业财政支出导致的要素市场扭曲。

3.2 中、美、印3国棉花全要素生产率影响因素比较分析

表4中第3～5列分别给出了中国、美国、印度3国的模型估计结果。由估计结果可知：对中国而言，生产要素投入、气温、降水量、农业财政支出等对棉花全要素生产率均有显著影响，其余影响因素的作用则在统计上不显著。生产要素投入系数为-0.567，且在1%的水平下显著，说明在中国，生产要素的过量投入对棉花全要素生产率产生了抑制作用。单纯依靠物质、劳动等传统要素持续投入，已经无法满足当前棉花高质量发展的要求。转变棉花经济增长驱动模式势在必行。技术水平的系数不显著，说明中国机械化水平对棉花全要素生产率的作用发挥不足。气温、降水量的系数均显著，说明气候因素对中国棉花全要素生产率有重要影响。棉花产值比重的系数未通过显著性检验，说明农作物产值结构对棉花全要素生产率的影响不显著。农业财政支出的系数显著为负，对棉花全要素生产率的增长存在负向影响。这与朱沛华等[23]、严成樑等[24]的研究相符。

对美国而言，除气温、农作物产值结构之外，其他因素均能对棉花全要素生产率产生显著影响。生产要素投入、农业财政支出的估计系数分别为-0.449、-0.613，表明随着生产要素投入的增多以及农业财政支出的加大，美国棉花全要素生产率不增反降。技术水平的估计系数为-0.195，通过显著性检验，说明随着棉花生产技术水平的提高，人工成本的比重降低，大大促进了棉花全要素生产率的提升。

对印度而言，要素投入水平、技术水平、农作物产值结构、农业财政支出等因素对棉花全要素生产率产生显著影响，其他因素的作用在统计上不显著。与全样本和美国不同，印度技术水平的系数显著为正，说明棉花生产成本中人工成本比重的增加促进了印度棉花全要素生产率的增长。这与本研究预期有所不同。人工成本比重的降低，意味着棉花机械化水平的提高、劳动要素边际生产力上升，然而这对印度棉花全要素生产率起到了负向作用。与中国、美国不同的是，气候因素的系数均未通过统计检验，说明气候对印度棉花全要素生产率的作用并不显著。这与HEBBAR等[25]的研究结果相一致，即气候对印度棉花的影响因地区而异，但在国家层面上影响不显著，具体地，气候变化对印度北部棉区的生产率略有下降，但对印度中部和南部的生产率可能保持不变或有所提高。

综合以上分析，可以发现：在本研究考察的影响因素中，生产要素投入水平、农业财政支出对3国棉花全要素生产率均产生显著的抑制作用。这表明，棉花生产要素投入边际效用递减以及低效率要素配置问题普遍存在；农业财政支出对要素市场的扭曲，以及财政支出使用的低效率对棉花全要素生产率产生不利影响。气候因素仅对中国、美国棉花全要素生产率有显著影响，其中气温显著促进了中国棉花全要素生产率的增长，降水量与中美2国棉花全要素生产率呈倒U型关系。技术水平对美国棉花全要素生产率有显著的促进作用，对中国作用不显著，但对印度有显著的抑制作用。以机械化为代表的农业技术水平提高，能够促进棉花全要素生产率的提高。然而这在中国并不显著，说明机械化水平对中国棉花全要素的作用发挥还有很大空间。可能的原因是：当前手摘棉向机采棉过渡阶段，一方面技术本身不成熟，另一方面相关环节不配套，这都对棉花高质量发展形成障碍。技术水平对印度棉花全要素生产率的负效应与印度棉花产业属于劳动要素驱动型密切相关。印度拥有丰富的农业劳动力资源，农业劳动的低成本是印度棉花产业的优势之一[26-27]。农作物产值结构仅对印度棉花全要素生产率有显著的促进作用，对中国、美国的作用不显著。这反映出中国、美国棉花优势产区在棉花全要素生产率方面并没有发挥出显著引领作用。

4 结论

提高棉花全要素生产率是棉花实现高质量发展的根本出路。本研究基于中国、美国、印度3国26个棉区1998—2017年数据样本，探讨了影响棉花全要素生产率的因素。主要得出以下结论：就三大产棉国整体而言，技术水平、农作物产值结构对棉花全要素生产率具有显著的促进作用；生产要素投入水平、农业财政支出具有抑制效应；气温能促进棉花全要素生产率增长，降水量与全要素生产率之间呈倒U型关系。但棉花全要素生产率的影响因素存在国别差异，例如技术水平对中国棉花全要素生产率的影响不显著，但对美国正向显著；农作物产值结构对中国棉花全要素生产率不显著，但对印度有显著的促进作用。本研究证实了生产要素投入、农业财政支出对棉花全要素生产率的抑制效应在棉花主产国普遍存在。当前，通过物质、劳动等传统生产要素持续投入来提高棉花全要素生产率的道路已然不通，棉花生产者应更加注重棉花投入产出效益，更加关注边际产量。这就必须解决“过度追求产量”的不良导向，积极引导棉农降低生产成本、实现生产要素的最优配置，切实节本增效。政府财政支出在支持棉花生产发展的同时，由于使用的低效率及其导致的要素市场扭曲对棉花生产具有负效应。提高政府财政资金使用效能、更好发挥政府对棉花生产发展的积极作用是完善当前棉花支持政策的重要出发点。技术水平是棉花全要素生产率的重要影响因素，在美国棉花生产实践中对棉花全要素生产率的提高发挥了积极作用，但在中国棉花生产实践中存在效果不佳的问题。

根据本研究结论，得出以下启示：第一，应提高棉花生产集约化水平，摆脱传统高投入、低效益的粗放模式。加快促进棉花生产机械化进程、推动机采棉种植模式是中国棉花降本增效的有力途径。第二，以市场化改革取向完善棉花补贴政策，发挥棉花集中产区的示范引领作用。第三，加快机采棉关键技术集成与示范推广，扫除机采棉技术不成熟、相关环节不配套等障碍，为中国棉花高质量发展提供有利条件。