中国茶叶种植户生产率增长的源泉与决定因素——来自2011—2017年微观数据的证据

吕建兴，陈富桥，胡林英，姜爱芹

中国茶叶种植户生产率增长的源泉与决定因素——来自2011—2017年微观数据的证据

吕建兴1，陈富桥2*，胡林英2，姜爱芹2*

1. 广州大学经济与统计学院，广东 广州 510006；2. 中国农业科学院茶叶研究所，浙江 杭州 310008

在经济新常态和茶叶消费回归理性的背景下，提高茶叶生产率对于推动茶产业高质量发展具有重要的现实意义。基于2011—2017年微观跟踪数据，利用随机前沿生产函数实证分析茶叶种植户全要素生产率（Total factor productivity，TFP）增长及源泉，并进一步利用2013—2016年微观混合数据，基于“一步法”的随机前沿生产函数，实证分析茶叶种植户的技术效率及影响因素，特别关注不同技术扩散路径和技术采纳行为的影响。研究发现：（1）研究期间茶叶种植户TFP年均增长2.71%，且呈增长趋势，但具有较为明显的西高东低的区域特征；（2）茶叶种植户的规模报酬率及技术进步率年均下降0.25%和1.50%，技术效率年均增长4.46%，表明TFP增长的主要动力来源是技术效率的改进，而规模报酬率和技术进步却有阻碍作用，而且东中西部均表现出相同的特征；（3）进一步分析技术效率的决定因素，发现茶叶种植户参加合作社、参加病虫害防治技术培训和政府发布病虫害预警信息的技术推广和扩散途径能够显著提高技术效率，而且采用生物防治和放置粘虫色板的技术采纳行为同样显著提高技术效率，而是否为种植大户、是否与其他种植户交流病虫害防治经验以及是否安置杀虫灯的影响不显著。本研究对于识别茶叶TFP增长及动力源泉、深刻理解农户技术采纳行为和扩散机理具有重要的理论和现实意义。

全要素生产率；技术效率；技术采纳行为；技术扩散路径；茶叶种植户

改革开放以来，中国茶产业发展取得了巨大的成就。1978—2018年，中国茶园面积从104.8万hm2增至2 298.6万hm2，同期茶叶产量从26.8万t增至261万t，年均增速分别达2.65%和5.86%。同时，中国也是茶叶消费大国，茶叶作为居民日常生活的必需品，2000年以来人均茶叶消费量增长9.38%[1]。此外，中国是世界茶叶出口大国，出口量居世界第二。茶产业的健康发展对满足居民日常生活基本需求、维持南方农村茶叶种植户可持续生计和出口创汇具有重要的意义。当前，中国经济增长已由高速增长阶段转向高质量增长阶段，随着中国人口红利逐渐消失，劳动力成本快速上涨，这对劳动密集型的茶产业产生了重大冲击，茶产业发展从粗放型向集约型高质量发展模式的转型升级迫在眉睫。

经济增长的主要驱动力是要素投入的增加和全要素生产率（Total factor productivity，TFP）的增长。科学测度茶叶TFP以及识别其增长源泉对于推动茶产业高质量发展具有重要意义。已有学者基于宏观层面数据测算了茶叶TFP的增长[2-4]，但是这些研究大多是讨论中国经济新常态以前茶叶TFP的增长特征，而且忽视了个体异质性，可能导致估计存在一定偏差[5]。本研究基于中国经济增速放缓新常态和茶叶消费市场变化的现实背景，利用2011—2017年的微观调查数据实证分析茶叶种植户的TFP增长及源泉，既能克服宏观合计数据导致的估计偏差，也能够深入揭示农户兼业化经营事实和生产效率水平[6]，这样的研究结论更具时效性和现实指导意义。

此外，当前大量学者实证分析了作为TFP增长核心源泉的技术效率及影响因素，如讨论种植规模[7-8]、是否加入合作社[9-10]以及技术采纳和扩散路径[11-12]对技术效率的影响，但这些研究大多只是关注其中某一因素对技术效率的影响。本研究则基于茶叶种植户的微观调查数据同时讨论种植规模、是否加入合作社对技术效率的影响，而且本研究进一步关注技术扩散路径和技术采纳行为对技术效率的影响，能够进一步丰富这些领域的研究。

1 中国茶产业生产率的研究进展

1.1 中国茶叶TFP的测度

已有学者专门关注茶产业的TFP，从研究方法上主要可分为两类：（1）多数学者主要利用数据包络分析（DEA）技术来测度茶叶TFP的变化。如李道和等[4]研究发现，1998—2003年中国绿茶TFP增长1.61%，而2001—2005年红茶TFP增长3.53%。管曦等[3]发现2002—2007年中国茶叶TFP年均增长9.8%，且主要动力来源是技术进步。（2）少数学者利用随机前沿模型分析茶叶TFP的变化。如吕建兴等[2]发现1996—2007年中国茶叶TFP增长0.7%，其增长主要依靠技术进步。

部分学者重点关注茶叶技术效率。如管曦等[13]利用DEA实证分析2007年中国804家精制茶加工企业的技术效率，发现平均技术效率仅为0.361，规模效率为0.801。刘志成等[14]基于DEA模型评估中国茶叶产业的生态效率和生产效率，发现2004—2013年中国茶叶生产效率较高，平均达到0.907，而2009—2013年茶叶生态效率较低，仅为0.614。陈潜等[15]基于155份调查数据利用DEA模型实证分析闽台两地乌龙茶种植户的生产效率，发现福建省种植户的综合技术效率为0.645，高于台湾地区的0.477。但周琼等[16]基于2005—2017年中国台湾地区10个县市的面板数据，发现其茶叶综合技术效率略高于中国大陆。

1.2 农户技术效率影响因素的研究

1.2.1 经营规模与技术效率的相关研究

当前已有大量的学者实证分析了农户土地经营规模与技术效率的关系，结论却存在明显分歧。部分学者发现土地经营规模对农户生产率和技术效率有正向作用。如Sheng等[8]发现小型农场雇佣资本服务能够提高生产率，从而使得可以获得与大型农场相当的生产率。章德宾[17]研究发现，中等和大规模的种植户生产效率显著高于小规模种植户。但部分学者却发现农户经营规模的扩大并没引致生产效率和技术效率的提高。如Sheng等[7]基于中国农场层面数据发现对于大多数小型农场来说，农户对于劳动力和资本的选择导致这样的非线性关系，并非经营规模越大、农场生产效率越高。唐轲等[18]利用8个粮食主产省的农户数据讨论耕地经营规模对粮食单产和成本的影响时发现，农户经营规模越大则单产越低，但随着时间的推移这种负向作用逐渐减弱。

1.2.2 加入合作社与技术效率的相关研究

当前虽然大量理论研究认为农户加入合作社对保障农户收入水平和提高技术效率存在积极影响[19]，但实证研究还不是很丰富，而且也尚未形成一致的结论。如李霖等[9]研究发现，与市场机制相比，加入合作社显著提高农户的技术效率，而纵向协作模式的作用却不明显。张德元等[20]研究发现，合作社普通成员和核心成员的家庭农场技术效率均比非合作社成员的家庭农场高。但黄祖辉等[10]则发现，当消除样本选择性偏差后，参与合作社的农户并没有更高的技术效率，其主要原因在于合作社服务功能的弱化。

1.2.3 农业新技术采纳及扩散与技术效率的相关研究

当前关注技术采纳或扩散模式对技术效率影响的研究还较为鲜见。部分国外学者关注了具体技术扩散路径对效率的影响。如Foster等[21]发现高产新种子采用的自有经验和邻居经验能够显著提高其经营效益；但是也存在农户从他人那里学习技术的“搭便车”行为，导致这种学习的溢出效应影响不大。Alene等[12]发现技术采纳领先者与跟随者的效率存在显著差异，而且主要表现在种子、杀虫剂、肥料等使用上的差异。国内学者则更加关注技术扩散及路径。如舒元等[22]发现中国技术进步存在从北京、上海、广东向其他省份的扩散路径。高鸣等[23]发现各省粮食生产技术效率存在空间收敛，认为这种收敛主要是技术扩散导致的。少部分研究关注新技术采纳对农户技术效率的影响。张瑞娟等[11]讨论了小农户和大户新技术采纳和技术效率的差异，发现采纳新技术的农户技术效率更高，而参加技术培训和经常使用网络的信息获取渠道显著提高农户采纳新技术的概率。

综上可见，关于中国茶叶TFP测度的研究目前已经具有坚实的基础，但未来研究还存在以下的改进方向：（1）当前大部分关于中国茶叶TFP变化及分解的研究时限均较为久远，部分研究距离当前已有近20年。近些年，中国经济增速已经转为新常态，国内茶叶价格和消费从高位回归常态化，茶产业也经历新的调整，重新估计中国茶叶TFP变化及其动力来源，具有新的理论价值和现实意义。（2）已有研究主要基于宏观合计数据展开，这样的处理方式是将微观个体均视为同质，这显然与现实不符；而且省际合计数据平滑了微观个体的异质性，可能导致估计的偏差[5]，也无法揭示真实的生产效率水平[6]。

此外，当前大量学者已经对农户生产效率和技术效率的影响因素展开了丰富且有深度的研究，具有重大的借鉴价值。但还有以下改进的空间：（1）大量学者仅关注是否加入合作社或者是否是种植大户某一种因素对农户技术效率的影响，少有研究同时关注这两种因素对技术效率的影响。（2）当前国外学者已经展开了关于技术扩散路径对效率的影响深度分析，但国内学者则更加关注新技术采纳对效率的影响，而同时关注技术扩散路径和具体采纳技术对技术效率的影响较为少见。

为此，本研究利用微观跟踪数据来测度茶叶TFP变化及其动力源泉，避免宏观合计数据可能带来的估计偏差，从而尽量保证估计的准确性；此外，本研究利用2013—2017年多个维度的非平衡面板微观数据，同时关注是否加入合作社、是否为种植大户对农户技术效率的影响，更为重要的是本研究不仅讨论农业技术扩散路径对农户技术效率的影响，而且进一步实证分析采纳不同技术对技术效率的影响，这对于深刻理解农户技术采纳与扩散机理具有重要的理论和现实意义。

2 研究方法与数据

2.1 研究方法

2.1.1 基于超越对数随机前沿生产函数TFP增长的测度及其分解

借鉴Aigner等[24]相关研究，可将随机前沿分析（SFA）表述为：

y=(X,)exp(it-it) ············（1）

其中，y表示时期决策单元的产出；X表示时期决策单元的投入向量；(·)表示决策单元生产可能性边界上的确定性前沿产出，代表现有技术条件下一定要素投入的最佳产出；时间趋势项测度技术进步（）；v表示随机扰动项；非负项u≥0表示基于产出的相对于随机前沿面的技术非效率项，用来衡量实际产出Y与最大产出(·)之间的差距。

将式（1）两边取自然对数，可得对数形式的随机前沿模型：

lny=ln(X,)+(it-it) ············（2）

为了避免模型设定偏误，本研究选择能够体现技术偏性的超越对数生产函数来刻画(·)生产函数[25]。为了测度茶叶种植户TFP增长及其分解，在式（2）的基础上，基于土地、劳动和中间物质资本投入下，引入时间变化特征，可将超越对数的随机前沿模型转化为：

其中，表示产出，用种植户茶叶销售收入表示；投入变量包括茶园面积、劳动投入以及包括肥料、杀虫剂、水电费等中间物质资本投入。v为随机扰动项，服从白噪声分布；u为技术非效率项，且假定与v相互独立。通常非负u的分布可分为指数分布、半正态分布、断尾正态分布和Gamma分布。由于半正态分布估计较容易，为此本研究假定u为半正态分布。

根据Kumbhakar[26]的方法，可将TFP的变动分解为以下四部分：技术进步率（）、技术效率变化率（′）、规模报酬收益率（）和资源配置效率（）。由于价格信息难以获得，资源配置效率不易计算，因此对于TFP增长的分解通常只包括技术进步率、技术效率变化率和规模报酬收益率。在估计出（3）式的相应参数后，可计算出土地、劳动和中间物质资本要素的产出弹性。

2.1.2 基于超越对数随机前沿生产函数技术效率的测度及影响因素

由于微观跟踪数据的调查难度，无法获取大样本长时间的平衡面板数据和丰富信息，为了测度茶叶种植户技术效率及重要影响因素，本研究在（3）式的基础上，剔除时间变化特征，进而将前文的平衡面板数据转为混合数据，并控制时间和省份固定效应，由此可将（3）式转为：

其中，为时间固定效应，区间为2011—2017年，为省份固定效应，由此来控制时间和地区的异质性；v为随机扰动项，u为技术非效率项，假定u与v相互独立。同上文一致，本研究假定u为半正态分布。其余变量的含义与上文相同。

为了进一步分析技术非效率的影响因素，基于调查数据的特征，本研究主要考虑调查对象、家庭特征、规模特征、参与合作社特征和病虫害防治技术特征对茶叶种植户技术非效率的影响，如此可将技术非效率模型设定为：

其中，age、education和labor_family分别表示第个种植户年龄、受教育程度、家庭劳动力人数，以此刻画调查对象及家庭特征对技术非效率的影响。large_farmer和cooperative分别表示茶叶种植户是否为大规模养殖户和是否参加合作社，以此检验规模化经营和加入合作社是否能够显著提高种植户技术效率的假说。pest_control_train、pest_communicate分别表示茶叶种植户是否参加病虫害防治技术培训、是否与其他种植户交流病虫害防治经验，由此揭示正式和非正式技术信息交流和扩散途径对技术效率的影响。pest_technology表示茶叶种植户的具体病虫害防治技术方式，具体包括是否采用杀虫灯、是否采用生物技术控制害虫和是否在茶园安装色板等非农药病虫害防治技术，从而进一步揭示哪种病虫害防治技术能够显著提高技术效率。若为负值，则表示该因素降低了技术非效率，也即对技术效率有正向影响，反之亦然。

通常利用随机前沿分析估计（4）式后可计算出种植户的技术效率和技术非效率，而如何进一步分析技术非效率的影响因素，当前学术界基本已经形成共识，认为“两步法”即采用先估计出技术非效率，再利用Tobit等模型分析其影响因素，可能存在估计偏差。主要原因是“两步法”中的第二步在分析技术非效率影响因素时与第一步假定随机前沿分析与技术效率不相关的假定存在内生性冲突[25]，为此当前主流做法是利用“一步法”直接估计随机前沿生产函数和技术非效率的影响因素。本研究同样利用“一步法”来估计茶叶种植户随机前沿生产函数和技术非效率的影响因素。

2.2 数据来源及处理

借鉴吕建兴等[2]相关研究，结合调查问卷的现实情况，本研究选择茶叶销售收入作为产出指标，选择土地投入、劳动投入和中间资本投入作为投入变量。其中，土地投入选择茶园面积作为代理变量，劳动投入包括雇佣采茶工人和管理人员的费用支出，中间资本投入包括肥料、杀虫剂、水电费等中间资本投入。

对于技术非效率影响因素的选择，基于调查问卷的限制，本研究主要选择以下四大类影响因素：（1）调查对象和家庭特征，主要包括户主年龄、教育程度和家庭劳动力人数；（2）调查对象的经营特征，包括是否为种植大户、是否参加合作社，其中本研究将调查对象茶园面积大于样本75分位的调查对象设为种植大户（门槛值为1.267 hm2），本研究这样的设置具有一定的合理性，主要表现在该门槛值与《中共贵州省委贵州省人民政府关于加快茶产业发展的意见（黔党发[2007]6号）》关于茶叶种植大户界定为大于1.331 hm2非常接近。当然，为了避免不同区域资源禀赋不同而造成的偏差，本研究在后续的估计策略中均控制了省份异质性。（3）病虫害防治技术信息扩散特征，包括当地政府是否发布病虫害预警信息、种植户是否参加病虫害防治技术培训、种植户是否与其他种植户交流病虫害防治经验；（4）病虫害防治具体措施，主要包括是否采用杀虫灯、是否采用生物防治技术、是否采用粘虫色板等非农药防治技术。

由于微观数据可能存在部分变量缺失，基于尽量不损失样本且保持真实性原则，对于茶园面积基本不变的样本，本研究用前后年份的均值来插补部分样本部分年份缺失的数据。而对于部分样本部分变量所有年份均缺失的数据，通常直接删除该样本，但可能会增加抽样误差，进而导致生产前沿边界内移，影响估计效率[27]。为此，对于茶园面积有较大变化样本的缺失数据和部分样本部分变量所有年份的缺失数据，本研究借鉴Kuosmanen[27]、吕建兴等[28]的做法，用0值来替代产出缺失数据，用该农户和其所在县市投入最大值来替代投入缺失数据。

本研究使用的数据来自课题组于2011年开始建立的茶农与茶叶龙头企业产销固定监测数据库。该数据库依托全国16个茶叶主产省份31个国家茶叶产业技术体系综合试验站对全国155个茶叶主产县2 325个茶叶种植固定观测户展开的跟踪调查。茶叶种植固定观测户的选择为按照茶园面积大小将每个县的茶叶种植户划分为大中小三类，每类抽测5户。茶叶种植户跟踪调研每年一次，部分固定观测户有调整，轮换原则主要考虑茶园面积相近和近邻等因素，尽量保证其具有可比性。问卷发放和回收主要依托体系综合试验站完成，调研内容包含固定项调研和专项调研，固定项调研每年题目基本一致，包括茶叶种植户人口、性别、受教育程度等基本信息和茶叶种植成本收益情况，专项调研每年题目有所差异，主要包括销售渠道构成、绿色防控等。

由于微观调查数据部分样本存在非连续性的现实情况，本研究使用3个层次的数据来测度茶叶种植户TFP变化、技术效率及影响因素。第一层，本研究利用2011—2017年全国14个茶叶主产省26个地级市的茶叶种植跟踪数据来测度茶叶TFP增长及分解情况。第二层，本研究利用2013—2016年全国16个茶叶主产省62个地级市的混合数据来测度茶叶技术效率及是否茶叶种植大户和是否参加合作社对技术非效率的影响。第三层，在第二层数据的基础上，进一步提取2014年和2016年的全国16个茶叶主产省57个地级市的混合数据来测度茶叶种植户技术效率以及病虫害防治技术信息扩散特征和病虫害防治具体技术对技术非效率的影响。

表1展示了主要变量的描述性统计特征。可以发现，跟踪调查农户的平均茶叶销售收入约为71 183.85元，平均茶园面积为1.451 hm2，平均劳动投入35 736.22元，平均中间资本投入21 626.45元。两个混合样本数据特征比微观跟踪数据特征略大，但差异不大。

3 结果与分析

3.1 总体结果

利用随机前沿模型估计（3）式，并据此测算茶叶种植户的要素产出弹性、TFP变化及分解。由表2可知，LR统计检验在1%水平显著拒绝不存在技术非效率项的原假定，说明利用随机前沿模型进行估计是合理的；在1%水平下显著且估计值为0.746，这说明有74.6%的随机扰动项变异来自技术非效率项的变异；在5%的水平下显著为正，这说明研究期间茶叶种植户的技术效率呈改进状态；在1%的水平下显著，说明茶叶种植户生产中存在技术非效率。总体上，利用随机前沿模型能够较好的拟合茶叶种植户投入产出特征，其模型选用是合理的。

本研究同时也估计了基于C-D生产函数随机前沿模型的结果，其土地、资本和劳动的产出弹性分别为0.47、0.239和0.017，、和分别为0.739、0.019和1.718，且均在1%水平下显著，这些结果与基于超越对数生产函数的估计结果差异很小，说明本研究的估计结果较为稳健。

3.2 要素产出弹性

根据表2的估计结果，测算了不同投入要素的产出弹性。结果表明，研究期间茶叶种植户的土地、中间资本和劳动产出弹性分别为0.552、0.215和0.029，说明增加茶园面积带来的产出高于增加劳动投入和中间资本投入的产出。同时，投入要素的产出弹性之和为0.796，说明茶叶种植户总体呈规模报酬递减特征。

表1 主要变量的描述性统计

从各要素产出弹性的变化特征看（图1），可以发现土地产出弹性最大且呈稳步增长态势，而中间资本产出弹性却呈逐年下降特征，劳动产出弹性则处于低位平稳态势。该结果的政策含义是，扩大茶叶种植户的茶园经营面积，提高合作化经营水平，实现规模经济对提高茶叶种植户收入和效率有重要作用；而通过增加劳动投入对提高茶叶种植户收入和效率的作用不大。

从各区域要素产出弹性之和的分布特征看，东部要素产出弹性之和最高，西部次之，而中部最低。具体从各要素产出弹性的分布特征看，东部地区要素产出弹性之和最高的主要原因是东部地区土地产出弹性最大，而三大区域的劳动和中间资本产出弹性差异不大（图2）。这与东部地区主产名优茶，具有较为突出的品牌价值和价格优势的现实基本相符。

3.3 TFP增长及分解

从测算结果看，研究期间茶叶TFP年均增长率为2.71%，其中规模报酬率年均下降0.25%，技术进步年均下降1.50%，技术效率年均增长4.46%。这说明TFP增长的动力来源是技术效率的改进，而规模报酬率和技术进步却对TFP增长有阻碍作用。同其他已有测算结果相比，本研究测算的茶叶TFP增长率与陈卫平[29]估计农业TFP增长的2.59%接近，明显高于李谷成等[30]测算1993—2005年的茶叶TFP（–0.64%）；同时，本研究估计茶叶TFP增长率高于粮食（1.17%）[31]，低于棉花（5.49%）[32]。

图1 投入要素产出弹性的变化特征

表2 基于超越对数生产函数的茶叶种植户随机前沿模型的估计结果

注：上述结果已控制时间和省份固定效应；*<0.10，**<0.05，***<0.01

Note: The above results have controlled the time and province fixed effects. *<0.10, **<0.05, ***<0.01

图2 各区域要素产出弹性特征

从TFP增长动力来源来看，研究期间茶叶种植户TFP增长主要来自技术效率的提高，而技术进步却有抑制作用。这样的结果与其他研究发现农业TFP增长主要动力是技术进步的结果不同[33]。可能的原因是随着供求失衡和消费市场变化，全国茶叶消费开始逐渐回归理性，高价茶、礼品茶的销量大幅下降，茶叶价格增长整体趋缓；与此同时，劳动力和物质资本投入成本迅速攀升，双重挤压了茶叶种植户的利润空间。在这样的现实背景下，影响了茶叶企业在育种、植保等方面研发投入，从而导致茶叶科技进步速度较慢，并转向提高现有技术利用率上，为此TFP增长的驱动力来自技术效率的改善。当然本研究与部分近期相关研究的发现一致，如匡远配等[34]发现2005—2015年中国农业TFP增长的动力主要来自技术效率和规模效率的提高，而技术进步的作用不大。

从TFP增长及其分解的变化趋势看（图3），研究期间茶叶TFP总体呈增长趋势，2017年略有下降；同时，研究期间技术效率总体在高位平稳运行，其对TFP增长的拉动作用无明显变化；此外，研究期间茶叶种植户的规模报酬率和技术进步率有增长趋势，特别是规模报酬率从原来对TFP增长的抑制作用逐渐转为正向推动作用，而技术进步率虽然对TFP增长有抑制作用，但负向作用幅度逐渐减小。上述结果表明，近些年茶产业在先进技术推广和使用方面取得了较大进步，但新技术的研发和规模经济还有待进一步改善，这是推动茶叶TFP持续增长的重要潜力来源。

3.4 技术效率及影响因素

在前述研究基础上，本研究基于2013—2016年的混合数据进一步分析影响茶叶种植户技术非效率的影响因素，而且主要关注种植户是否参加合作社、是否为种植大户、不同技术扩散路径以及采纳具体技术对技术非效率的影响。控制种植户年龄、受教育程度、家庭劳动力数量、时间和省份固定效应，基于“一步法”利用超越对数的随机前沿生产函数联合估计式（4）和（5），实证分析茶叶种植户技术非效率及影响因素（表3）。表3中，随机前沿生产函数（Stochastic frontier production function）为、、、、、、、和；技术非效率影响因素（Influencing factors of technical inefficiency，Usigma）：为、、、、、、、、、和。

表3中，（1）栏展示了基于2013—2016年混合数据测度的是否种植大户、是否参加合作社对技术非效率的影响，（2）—（5）栏展示了基于2014年和2016年混合数据测度的是否种植大户、是否参加合作社以及病虫害防治技术特征对技术非效率的影响。由表3的结果可知，所有统计量均在1%水平显著拒绝不存在技术非效率的原假设，表明随机前沿生产函数的误差主要来自无效率项，为此选用随机前沿模型进行分析是合理的。

从表3中（1）栏的结果发现，在投入要素的产出弹性中，土地产出弹性最大，达0.462，而中间资本投入的产出弹性次之，为0.357，而劳动投入的产出弹性最小，仅为0.016。三大投入要素的产出弹性之和为0.835，表明茶叶种植户呈规模报酬递减特征。这些结论与前文利用2011—2017年的微观跟踪数据所得到的结论基本相同，说明本研究的估计结果较稳健。此外，茶叶种植户技术效率为0.851，说明当前茶叶种植户对技术的利用水平只达到85.1%，存在14.9%的技术效率损失。

从表3中（1）栏技术非效率影响因素的估计结果发现，茶叶种植大户对技术非效率的估计参数为负，但不显著，这意味着茶叶种植大户并没有比非种植大户的技术效率更高。对此可能的解释是茶产业是比较典型的劳动密集型产业，随着规模的扩大不容易通过实现机械化来提高效率。该结果也说明在茶叶领域并不存在诸如张瑞娟等[11]发现的大规模农户技术效率更高的现象，而与Sheng等[7]所述的经营规模与技术效率可能呈非线性关系或没有显著关系的结论一致。同时，茶叶种植户是否加入合作社的估计参数在1%水平下显著为负，说明加入合作社的茶叶种植户其技术效率显著高于没有加入合作社的种植户，这与合作社具有技术服务推广功能的现实相符，意味着继续推进茶叶种植户加入合作组织对于提高茶产业高质量发展具有重要意义。由（2）栏的子样本估计结果，同样可以得到种植大户技术效率没有显著更高、加入合作社的种植户技术效率显著更高的结论，这表明本研究估计结果的稳健性。

从表3中（3）栏的结果发现，政府是否发布茶园病虫害预警信息、茶叶种植户是否参加病虫害防治技术培训对技术非效率有显著负向影响，说明政府发布病虫害预警信息和茶叶种植户参与病虫害防治技术培训等规范的技术推广路径能显著降低技术非效率，这样的结果也表明特定的技术交流和推广手段对提高技术效率有重大作用。这也意味着各级政府应继续极推动农业气象服务中心等农业气象灾害监测预报预警平台建设、强化种植户正规技术培训。

有意思的是，茶叶种植户是否与其他种植户交流病虫害防治经验对技术非效率的影响不显著，这与Alene等[12]的研究发现不一致。传统上认为，非正式的信息传播渠道能够加快技术扩散的速度，进而提高技术效率。本研究的发现并不支持这样的假说，可能的解释有两方面：（1）由于具体病虫害发生原因及演化阶段等方面的差异导致其他种植户的经验并不能对症下药，从而可能影响技术使用效果，现实中也经常发生诸如亲戚朋友提供的技术信息对病虫害没有效果甚至会进一步危害农作物的案例。（2）Conley等[35]的研究表明，农户是否使用新技术取决于先前使用该技术的邻居是否获得超额收益，若茶叶种植户的“领先者”隐藏超额收益或没有超额收益，那么可能导致种植户之间的技术信息交流对技术效率影响不大。该发现也表明政府通过正规渠道推广技术使用信息的重要性。

表3 茶叶种植户技术非效率的影响因素

注：上述结果已控制时间和省份固定效应；（1）栏的全样本数据包括2013—2016年的混合数据，（2）—（5）栏的子样本数据包括2014年和2016年的混合数据；*<0.10，**<0.05，***<0.01

Note: The above results have controlled the time and province fixed effects. The full sample data in column (1) includes the mixed data in 2013-2016, and the sub sample data in column (2)-(5) includes the mixed data in 2014 and 2016. *<0.10, **<0.05, ***<0.01

需要注意的是，与表3中（1）、（2）栏相比，（3）栏的是否参与合作社的估计系数不显著，可能的原因是合作社具有技术交流和推广的作用，这与是否参加技术培训等其他变量多重共线。据此，本研究进一步剔除是否参加合作社变量进行再估计。从（4）栏的估计结果发现，政府是否发布病虫害预警信息、茶叶种植户是否参与病虫害防治技术培训以及是否与其他种植户交流病虫害防治经验的估计值与（3）栏基本相同，这进一步证实前文结论的可靠性。

从表3中（5）栏的结果发现，是否采用生物技术控制害虫和是否在茶园安装色板对技术非效率的估计值均显著为负，说明采用生物技术控制病害虫和安装色板这两种病虫害防治技术方式能够显著提高茶叶种植户的技术效率；同时，是否采用杀虫灯对茶叶种植户技术效率没有显著影响。可能的原因有以下几方面：（1）安装和使用杀虫灯需要一定的资本投入（如安装太阳能杀虫灯每台需要2 000～3 000元的费用），从而限制了一般种植户的使用；而采用粘虫色板的成本较低而且使用方便，并且会有部分政府或合作社集中采购免费发放给茶农户，种植户的采用意愿较高；据课题组的调查数据显示，仅有16.47%的种植户安装了杀虫灯，而有33.48%的种植户使用了粘虫色板。（2）通常具有经济属性的茶树是低矮的常绿木本植物，但由于杀虫灯覆盖范围较广，存在一定的外部性特征（每台杀虫灯覆盖面积1.34 hm2），导致规模较小或茶园地块细碎的种植户不愿提供这种“准公共品”。这也意味着政府应弥补市场失灵，提供具有（准）外部性的公共品，或通过财税优惠、补贴等形式，鼓励种植户提供准公共品，以此提高整体种植户的技术效率。

4 结论与政策建议

4.1 结论

本研究基于2011—2017年的微观调查数据，利用超越对数的随机前沿生产函数模型实证分析了茶叶种植户TFP变化及其分解，并分析了茶叶种植户技术效率及影响因素，主要研究结果如下：

中国茶叶种植户TFP年均增长2.71%，且呈增长趋势，其中技术效率的改进是TFP增长的主要动力源泉，而规模报酬率和技术进步有阻碍作用；同时，研究期间茶叶种植户TFP变化及其动力源泉均存在区域异质性特征，且主要表现为西高东低的区域特征，但随着时间的推移，不同区域的TFP增长存在收敛趋势。

参加合作社、参加病虫害防治技术培训以及政府发布病虫害预警信息等正规技术推广和扩散途径显著提高了茶叶种植户的技术效率，而且采用生物防治和放置粘虫色板等技术采纳行为也显著了提高技术效率，而种植大户、与其他种植户交流病虫害防治经验以及安置杀虫灯并没有显著提高种植户的技术效率。

4.2 政策建议

（1）近些年茶产业在供求结构性失衡背景下仍然实现了TFP的稳步增长，其中理顺技术推广体系、保证技术的高效使用是关键。因而政府应继续支持合作社的发展、鼓励正规技术培训、建立具有权威性技术传播和扩散渠道、补贴或者提供准公共品，以此稳定和提高种植户的技术效率。

（2）不同茶叶产区存在较大的异质性，TFP增长的动力源泉也存在差异，相关政策制定和调整应注意区域异质性，特别要解决阻碍TFP增长的因素，支持和鼓励东部地区企业或种植户的技术研发和创新，使其继续发挥先进技术的引领和示范作用；同时积极引导茶叶种植户的适度规模经营，稳步推进社会化服务体系，提高规模报酬率对TFP增长的推动作用，进而实现小农户与现代农业的有机衔接。

[1] 陈富桥, 胡林英, 姜爱芹. 我国茶产业发展40年[J]. 中国茶叶, 2019, 41(10): 1-5.

Chen F Q, Hu L Y, Jiang A Q. The 40 years of tea industry development in China [J]. China Tea, 2019, 41(10): 1-5.

[2] 吕建兴, 陈富桥. 我国茶产业全要素生产率增长及其分解—基于随机前沿生产函数的分析[J]. 技术经济与管理研究, 2015(4): 117-122.

Lv J X, Chen F Q. The total factor productivity growth and the decomposition of Chinese tea industry: based on the analysis of the stochastic frontier production function [J]. Journal of Technical Economics & Management, 2015(4): 117-122.

[3] 管曦, 林晓娟. 基于DEA的中国茶业技术效率的实证分析[J]. 中国科技论坛, 2009(10): 130-133.

Guan X, Lin X J. Empirical Analysis on technical efficiency of Chinese tea industry based on DEA [J]. Forum on Science and Technology in China, 2009(10): 130-133.

[4] 李道和, 池泽新, 刘滨. 基于DEA的中国茶叶产业全要素生产率分析[J]. 农业技术经济, 2008(5): 52-56.

Li D H, Chi Z X, Liu B. Analysis of total factor productivity of Chinese tea industry based on DEA [J]. Journal of Agrotechnical Economics, 2008(5): 52-56.

[5] 李谷成, 冯中朝, 占绍文. 家庭禀赋对农户家庭经营技术效率的影响冲击—基于湖北省农户的随机前沿生产函数实证[J]. 统计研究, 2008, 25(1): 35-42.

Li G C, Feng Z C, Zhan S W. An empirical analysis about the effect of household endowments on the technical efficiency of farmer’s household management: evidence from the farmers of Hubei province [J]. Statistical Research, 2008, 25(1): 35-42.

[6] 赵建梅, 孔祥智, 孙东升, 等. 中国农户兼业经营条件下的生产效率分析[J]. 中国农村经济, 2013(3): 16-26.

Zhao J M, Kong X Z, Sun D S, et al. Analysis on the production efficiency of Chinese farmers under the condition of concurrent operation [J]. Chinese Rural Economy, 2013(3): 16-26.

[7] Sheng Y, Ding J, Huang J. The relationship between farm size and productivity in agriculture: evidence from maize production in northern China [J]. American Journal of Agricultural Economics. 2019, 101(3): 790-806.

[8] Sheng Y, Chancellor W. Exploring the relationship between farm size and productivity: evidence from the Australian grains industry [J]. Food Policy, 2019, 84: 196-204.

[9] 李霖, 王军, 郭红东. 产业组织模式对农户生产技术效率的影响—以河北省、浙江省蔬菜种植户为例[J]. 农业技术经济, 2019(7): 40-51.

Li L, Wang J, Guo H D. The impact of industrial organization models on farmers’ production technical efficiency: based on vegetable farmers in Hebei and Zhejiang province [J]. Journal of Agrotechnical Economics, 2019(7): 40-51.

[10] 黄祖辉, 朋文欢. 农民合作社的生产技术效率评析及其相关讨论—来自安徽砀山县5镇(乡)果农的证据[J]. 农业技术经济, 2016(8): 4-14.

Huang Z H, Peng W H. Evaluation and analysis of production technical efficiency of farmers' cooperatives: evidence from fruit farmers in 5 towns of Dangshan County in Anhui Province [J]. Journal of Agrotechnical Economics, 2016(8): 4-14.

[11] 张瑞娟, 高鸣. 新技术采纳行为与技术效率差异—基于小农户与种粮大户的比较[J]. 中国农村经济, 2018(5): 84-97.

Zhang R J, Gao M. New technology adoption behaviors and differences in technology efficiency: a comparative analysis of small and large grain producers [J]. Chinese Rural Economy, 2018(5): 84-97.

[12] Alene A D, Manyong V M. Farmer-to-farmer technology diffusion and yield variation among adopters: the case of improved cowpea in northern Nigeria [J]. Agricultural Economics, 2006, 35(2): 203-211.

[13] 管曦, 杨江帆. 中国精制茶加工企业技术效率的分析[J]. 茶叶科学, 2011, 31(2): 160-165.

Guan X, Yang J F. Analysis on the technical efficiency of Chinese refining tea enterprise [J]. Journal of Tea Science, 2011, 31(2): 160-165.

[14] 刘志成, 张晨成. 我国茶叶产业生态效率与生产效率评价研究—基于DEA方法的实证分析[J]. 生态科学. 2017, 36(1): 111-117.

Liu Z C, Zhang C C. Study on ecological efficiency and production efficiency evaluation of China's tea industry based on the empirical analysis of DEA method [J]. Ecological Science, 2017, 36(1): 111-117.

[15] 陈潜, 彭婵娟, 杨洁洁, 等. 闽台乌龙茶主产区生产效率及其影响因素比较[J]. 亚太经济, 2017(4): 101-106.

Chen Q, Peng C J, Yang J J, et al. Comparison of production efficiency and its influencing factors in main producing areas of Oolong tea in Fujian and Taiwan [J]. Asia-pacific Economic Review, 2017(4): 101-106.

[16] 周琼, 刘德娟, 曾玉荣. 台湾地区茶产业生产效率实证分析[J]. 世界农业, 2019(9): 112-118.

Zhou Q, Liu D J, Zeng Y R. An empirical analysis on the production efficiency of tea industry in Taiwan Province [J]. World Agriculture, 2019(9): 112-118.

[17] 章德宾. 不同蔬菜种植规模农户农业生产效率研究: 主产区2009—2016年的调查[J]. 农业技术经济, 2018(7): 41-50.

Zhang D B. Study on vegetable production efficiency by scale: evidence from 2009—2016 surveys in main vegetable production areas [J]. Journal of Agrotechnical Economics, 2018(7): 41-50.

[18] 唐轲, 王建英, 陈志钢. 农户耕地经营规模对粮食单产和生产成本的影—基于跨时期和地区的实证研究[J]. 管理世界, 2017(5): 79-91.

Tang K, Wang J Y, Chen Z G. The impact of farmers' cultivated land management scale on grain yield and production cost: an empirical study based on cross period and region [J]. Management World, 2017(5): 79-91.

[19] 张晓山. 农民专业合作社的发展趋势探析[J]. 管理世界, 2009(5): 89-96.

Zhang X S. Analysis on the development trend of farmers' professional cooperatives [J]. Management World, 2009(5): 89-96.

[20] 张德元, 宫天辰. “家庭农场”与“合作社”耦合中的粮食生产技术效率[J]. 华南农业大学学报(社会科学版), 2018, 17(4): 64-74.

Zhang D Y, Gong T C. The technical efficiency of food production in linking family farms with cooperatives [J]. Journal of South China Agricultural University (Social Science Edition), 2018, 17(4): 64-74.

[21] Foster A D, Rosenzweig M R. Learning by doing and learning from others: human capital and technical change in agriculture [J]. Journal of Political Economy, 1995, 103(6): 1176-1209.

[22] 舒元, 才国伟. 我国省际技术进步及其空间扩散分析[J]. 经济研究, 2007(6): 106-118.

Shu Y, Cai G W. An analysis on technology progress and spatial diffusion among China's provinces [J]. Economic Research Journal, 2007(6): 106-118.

[23] 高鸣, 宋洪远. 粮食生产技术效率的空间收敛及功能区差异—兼论技术扩散的空间涟漪效应[J]. 管理世界, 2014(7): 83-92.

Gao M, Song H Y, Spatial convergence and functional area difference of technical efficiency of grain production [J]. Management World, 2014(7): 83-92.

[24] Aigner D, Lovell C A K, Schmidt P. Formulation and estimation of stochastic frontier production function models [J]. Journal of Econometrics, 1977, 6(1): 21-37.

[25] 傅晓霞, 吴利学. 随机生产前沿方法的发展及其在中国的应用[J]. 南开经济研究, 2006(2): 130-141.

Fu X X, Wu L X. The development of the stochastic production frontier approach and its applications in China [J]. Nankai Economic Studies, 2006(2): 130-141.

[26] Kumbhakar S C. Estimation and decomposition of productivity change when production is not efficient: a panel data approach [J]. Econometric Reviews, 2000, 19(4): 425-460.

[27] Kuosmanen T. Data envelopment analysis with missing data [J]. Journal of the Operational Research Society, 2009, 60: 1767-1774.

[28] 吕建兴, 张璟, 刘景景, 等. 中国大宗淡水鱼养殖户技术效率、TFP增长及分解—基于25个省份微观调查数据[J]. 农业技术经济, 2020(1): 102-119.

Lv J X, Zhang J, Liu J J, et al. Technical efficiency, total factor productivity growth and decomposition of bulk freshwater aquaculture farmers in China [J]. Journal of Agrotechnical Economics, 2020(1): 102-119.

[29] 陈卫平. 中国农业生产率增长、技术进步与效率变化: 1990～2003年[J]. 中国农村观察, 2006(1): 18-23.

Chen W P. Productivity growth, technical progress and efficiency change in Chinese agriculture: 1990-2003 [J]. China Rural Survey, 2006(1): 18-23.

[30] 李谷成, 冯中朝. 中国农业全要素生产率增长:技术推进抑或效率驱动—一项基于随机前沿生产函数的行业比较研究[J]. 农业技术经济, 2010(5): 4-14.

Li G C, Feng Z C. Agricultural TFP growth in China: technology promotion or efficiency driven: a comparative study of industries based on stochastic frontier production function [J]. Journal of Agrotechnical Economics, 2010(5): 4-14.

[31] 黄金波, 周先波. 中国粮食生产的技术效率与全要素生产率增长: 1978—2008[J]. 南方经济, 2010(9): 40-52.

Huang J B, Zhou X B. Technical efficiency and growth of total factor productivity of food production in China: 1978-2008 [J]. South China Journal of Economics, 2010(9): 40-52.

[32] 田伟, 谭朵朵. 中国棉花TFP增长率的波动与地区差异分析: 基于随机前沿分析方法[J]. 农业技术经济, 2011(5): 110-118.

Tian W, Tan D D. Analysis on fluctuation and regional difference of TFP growth rate of cotton in China: based on stochastic frontier analysis method [J]. Journal of Agrotechnical Economics, 2011(5): 110-118.

[33] 尹朝静, 李谷成, 葛静芳. 粮食安全:气候变化与粮食生产率增长—基于HP滤波和序列DEA方法的实证分析[J]. 资源科学, 2016, 38(4): 665-675.

Yin C J, Li G C, Ge J F. Food security, climate change and grain productivity growth based on HP filter and sequential DEA methods [J]. Resources Science, 2016, 38(4): 665-675.

[34] 匡远配, 杨佳利. 农地流转的全要素生产率增长效应[J]. 经济学家, 2019(3): 102-112.

Kuang Y P, Yang J L. The effect of total factor productivity growth on rural land transfer [J]. Economist, 2019(3): 102-112.

[35] Conley T G, Udry C R. Learning about a new technology: pineapple in Ghana [J]. American Economic Review, 2010, 100(1): 35-69.

The Sources and Determinants of Productivity Growth for Tea Growers: Evidence from Micro Data of 2011-2017

LYU Jianxing1, CHEN Fuqiao2*, HU Linying2, JIANG Aiqin2*

1. School of Economics and Statistics, Guangzhou University, Guangzhou 510006, China 2. Tea Research Institute, Chinese Academy of Agricultural Sciences, Hangzhou 310008, China

Under the background of new economic normal and tea consumption returning to rationality, improving tea productivity has important practical significance for promoting the high-quality development of tea industry. Based on the micro data from 2011 to 2017, the stochastic frontier production function was used to analyze the growth and sources of total factor productivity (TFP) for tea growers, and the micro-pool data from 2013 to 2016 and “one-step” stochastic frontier production function were also used to analyze the technical efficiency and its determinants of tea growers, with particular attention to the impacts of different technology diffusion paths and technology adoption behavior on technical efficiency. The results show: (1) during the study period, the TFP of tea growers increased by an average of 2.71% per year and showed an increasing trend, but it has obvious regional characteristics of high in the West and low in the East. (2) The average annual rate of return to scale and technological progress of tea growers decreased by 0.25% and 1.50%, and their technological efficiency increased by 4.46%. It shows that the main driving force of TFP growth is the improvement of technological efficiency, while the rate of return to scale and technological progress hinder the growth, and both the East and the West show the same characteristics.(3) Through further analysis of the determinants of technical efficiency, the results show that the technical promotion and diffusion paths of tea growers' participation in cooperatives, training in disease and pest control techniques, and the government's early warning information of disease and pest could significantly improve technological efficiency. In addition, the adoption of technologies such as biological control and placement of stained swatches could also significantly improve technical efficiency. Whether they were large growers, exchange the information on disease and pest control experience with other growers, and whether insecticidal lamps were installed had no significant impacts. The conclusions are of great theoretical and practical significance to identify the growth and driving force of tea TFP, and to deeply understand growers' technology adoption behavior and diffusion mechanism.

TFP, technical efficiency, technology adoption behavior, technology diffusion path, tea growers

S571.1；F323.3

A

1000-369X(2021)04-577-15

2020-11-11

2021-02-02

财政部和农业农村部：国家现代农业产业技术体系（CARS-19）、中国农业科学院茶叶研究所基本科研业务费专项（1610212020004）

吕建兴，男，博士，讲师，主要从事产业经济方面的研究。*通信作者：fuqiao@126.com；jiangaiqin@tricaas.com

（责任编辑：赵锋）