羅 慧 趙芝俊 錢加榮

中國作為世界第一人口大國，以有限的耕地面積養(yǎng)活著14億人口。大量的實證研究表明，這一奇跡的獲得主要得益于制度放活、技術(shù)進步和農(nóng)業(yè)農(nóng)村投入的增加，尤其是糧食生產(chǎn)投入的增加，推動著農(nóng)業(yè)資本深化加速[1]，也推動著中國糧食生產(chǎn)要素配置趨于優(yōu)化。但是，相較于非農(nóng)產(chǎn)業(yè)或農(nóng)業(yè)內(nèi)部其他子產(chǎn)業(yè)而言，我國糧食生產(chǎn)的要素配置效率仍就較低，導(dǎo)致生產(chǎn)技術(shù)與要素投入不匹配，全要素生產(chǎn)率脫離有效狀態(tài)。由此可見，要素配置是否得當(dāng)對深化糧食產(chǎn)業(yè)供給側(cè)結(jié)構(gòu)性改革，提高糧食有效供給，以及保障國家糧食安全有著重大的影響[2]。搞清楚我國糧食生產(chǎn)中關(guān)鍵要素配置狀況，尤其是對全要素生產(chǎn)率(TFP)增長率的影響，對新歷史時期中國糧食產(chǎn)業(yè)的轉(zhuǎn)型升級有著重要的作用。

1986年Syrquin在Solow全要素生產(chǎn)率研究范式的基礎(chǔ)上，對TFP增長率進行了分解并測算了部門間要素配置變化對TFP增長率的影響[2-3]。Hsieh和Klenow在Melitz分析框架基礎(chǔ)上，測算了中國和印度要素錯配程度，提出消除要素錯配可以不同程度提高全要素生產(chǎn)率[4-5]。至此以后，從要素錯配視角研究國家(或地區(qū))間經(jīng)濟發(fā)展差異成為備受關(guān)注的主題，也被認(rèn)為是近十多年來經(jīng)濟增長理論的重要進展之一[6]。

作為一個正處于轉(zhuǎn)型期的發(fā)展中國家，中國的要素錯配問題一直受到極大關(guān)注。研究內(nèi)容主要集中在兩個方面。第一，從產(chǎn)業(yè)層面考察要素錯配對全要素生產(chǎn)率的影響?，F(xiàn)有研究中主要涉及的產(chǎn)業(yè)有制造業(yè)[7-12]、能源業(yè)[13]、高新技術(shù)產(chǎn)業(yè)[14]、金融業(yè)和服務(wù)業(yè)[15]等，并得出相對一致的結(jié)論：糾正要素錯配會有效提升各產(chǎn)業(yè)的全要素生產(chǎn)率。第二，深入探查不同要素的錯配程度對全要素生產(chǎn)率的影響，主要是勞動、資本等要素錯配對不同產(chǎn)業(yè)的影響，但是結(jié)論卻不盡相同。有的學(xué)者認(rèn)為勞動錯配對服務(wù)業(yè)和傳統(tǒng)制造業(yè)的影響較大[16]，而有的學(xué)者提出不同的看法，認(rèn)為工業(yè)的資本錯配變動效應(yīng)最大，農(nóng)業(yè)和其他服務(wù)業(yè)的勞動錯配變動效應(yīng)最大[17]。從研究方法來看，研究主要沿著三條技術(shù)路線展開。一是先估算出全要素生產(chǎn)增長率，再將其進行分解進而刻畫要素配置程度，代表性研究有Brandt等、聶輝華和賈瑞雪[18-19]。Brandt等沿此路線得出1985—2007年中國非農(nóng)產(chǎn)業(yè)的勞動和資本錯配導(dǎo)致TFP損失約20%[18]。聶輝華和賈瑞雪認(rèn)為國有企業(yè)要素錯配程度相對嚴(yán)重，且不同地區(qū)錯配程度明顯不同[19]。二是構(gòu)建要素錯配與全要素生產(chǎn)率之間的數(shù)理模型，并以要素配置較優(yōu)的部門或產(chǎn)業(yè)作為參照物(benchmark)來研究后進國家、地區(qū)或產(chǎn)業(yè)的要素錯配對TFP的影響。在此方面Hsieh和Klenow的研究最具代表性[4]。龔關(guān)和胡關(guān)亮、羅良文和張萬里在Hsieh和Klenow模型的基礎(chǔ)上對我國制造業(yè)的要素錯配程度進行測算，發(fā)現(xiàn)要素錯配對制造業(yè)全要素生產(chǎn)率具有負(fù)面影響[8,11]。三是構(gòu)建多部門的一般均衡模型衡量要素配置狀況。De Melo最先采用此方法對哥倫比亞的資源配置狀況進行研究[20]，其次是Aoki對不同國家的農(nóng)業(yè)、運輸和金融產(chǎn)業(yè)資源配置的測算[21]。袁志剛和謝棟棟、姚毓春等在借鑒Aoki的模型基礎(chǔ)上估算了我國不同產(chǎn)業(yè)的要素錯配程度對生產(chǎn)率的影響[22-23]。

綜覽上述相關(guān)文獻發(fā)現(xiàn)，以中國農(nóng)業(yè)或其子產(chǎn)業(yè)作為研究對象深入討論中國農(nóng)業(yè)要素配置與TFP關(guān)系的文獻鮮少見到。而且，在為數(shù)不多的要素錯配對農(nóng)業(yè)TFP影響的文獻中，研究者都認(rèn)為糾正要素配置扭曲會提高我國農(nóng)業(yè)全要素生產(chǎn)率的增長[24-25]，但是研究內(nèi)容多集中于單要素錯配對農(nóng)業(yè)TFP的影響，其中以土地要素錯配的研究居多[26-29]。值得注意的是，隨著我國農(nóng)村土地流轉(zhuǎn)政策的實施和農(nóng)地面積的變化，土地要素再配置會對其他要素的配置產(chǎn)生連帶影響[30-31]，即農(nóng)地經(jīng)營者會改變農(nóng)業(yè)生產(chǎn)中勞動要素及資本要素的配置以適應(yīng)新的生產(chǎn)狀態(tài)。那么，在農(nóng)業(yè)中占有重要地位的糧食生產(chǎn)是否存在要素錯配？要素錯配又會對中國糧食TFP增長產(chǎn)生何種影響？有效TFP增長率(要素配置最優(yōu)時)和實際TFP增長率(存在要素錯配時)的差距又將如何？這些問題是以往研究未曾涉及的，但又對農(nóng)業(yè)經(jīng)濟發(fā)展有著重要的影響。為此，本文以早秈稻、中秈稻、晚秈稻、粳稻、小麥和玉米等6種糧食作物為研究對象，采用超越對數(shù)生產(chǎn)函數(shù)的隨機前沿模型測算出不同作物的實際全要素生產(chǎn)率(TFP)和有效TFP的增長率，然后在構(gòu)建要素錯配指數(shù)的基礎(chǔ)上分析6種糧食作物要素錯配的時空差異。最后，進一步分析不同要素的錯配對糧食作物的實際TFP增長率的影響，旨在為糧食生產(chǎn)中要素配置的優(yōu)化提供有力的理論支撐和實踐指導(dǎo)。

一、研究設(shè)計

(一)基本模型設(shè)定

在測算TFP的方法中比較常見的是采用隨機前沿分析(SFA)的參數(shù)法和數(shù)據(jù)包絡(luò)分析(DEA)非參數(shù)法的生產(chǎn)前沿分析模型。DEA方法需要大量數(shù)據(jù)得到前沿面單元以免受到奇異值對真實生產(chǎn)前沿面的影響，DEA方法也無法解決許多不確定因素對糧食生產(chǎn)的影響。此外，要素錯配指數(shù)的測算需要用到投入要素的產(chǎn)出彈性系數(shù)，這也是DEA方法無法獲取的。因此，本文選用隨機前沿生產(chǎn)函數(shù)來測算糧食TFP?？紤]到糧食要素投入總量與播種面積存在較強的相關(guān)性，而且農(nóng)業(yè)技術(shù)進步的作用更多體現(xiàn)在單位規(guī)模糧食生產(chǎn)效率的提高上，本文借鑒其他學(xué)者的研究[32-37]，在盡量涵蓋糧食生產(chǎn)主要投入要素的基礎(chǔ)上采用單位面積投入和產(chǎn)出變量作為解釋變量和被解釋變量。最終，本文以Battese和Coelli提出的隨機前沿模型[38]為基礎(chǔ)，采用超越對數(shù)的平均生產(chǎn)函數(shù)模型作為糧食生產(chǎn)函數(shù)，模型具體形式設(shè)定如下：

(1)

TE=μit=μie-η(t-T)

(2)

(二)全要素生產(chǎn)率(TFP)增長率的分解

實際上，TFP的增長遠比技術(shù)進步的涵義要豐富得多。除了狹義的技術(shù)進步以外，TFP增長還受到資源配置、規(guī)模經(jīng)營、技術(shù)使用效率、要素質(zhì)量以及專業(yè)分工協(xié)作等內(nèi)容的影響，甚至天氣因素、基礎(chǔ)設(shè)施狀況和制度因素等都在TFP增長中有所體現(xiàn)，因此，全要素生產(chǎn)率(TFP)增長率又被稱為廣義技術(shù)進步率。為了更加準(zhǔn)確地分析廣義技術(shù)進步對經(jīng)濟增長的影響，很多經(jīng)濟學(xué)家開始嘗試將TFP增長率進行分解。本文借鑒其他學(xué)者的研究方法[39]，將TFP增長率分解為狹義技術(shù)進步率(TP)、規(guī)模報酬收益變化率(SRC)、要素配置效率變化率(AEC)和技術(shù)效率變化率(TEC)四個部分，TFP增長率的分解方程如下：

(3)

(4)

(3)式中第二項代表規(guī)模收益變化率(SRC)，為簡化公式表達，在此用Xj(j=1，2，3，4)依次代表勞動投入量Lit、化肥折純量Fit、機械投入量Mit、種子投入量Sit。εj表示投入要素(勞動、化肥、農(nóng)機和種子)的產(chǎn)出彈性，ε=∑εj。如果ε=1，表示規(guī)模報酬不變，即規(guī)模報酬收益率為零；如果ε>1，表示規(guī)模報酬遞增；如果ε<1，表示規(guī)模報酬遞減。

(3)式中的第四項是技術(shù)效率變化率(TEC)，可由技術(shù)效率(TE)對時間t求偏導(dǎo)得到。

(三)要素錯配指數(shù)測定方法

(5)

二、數(shù)據(jù)處理與假設(shè)檢驗

(一)數(shù)據(jù)收集和處理

本文采用2000—2017年中國糧食作物中早秈稻、中秈稻、晚秈稻、粳稻、小麥和玉米的數(shù)據(jù)。6種糧食作物的產(chǎn)出和要素投入數(shù)據(jù)來源于2000—2018年的《全國農(nóng)產(chǎn)品成本收益資料匯編》(1)參見國家發(fā)展和改革委員會價格司編.全國農(nóng)產(chǎn)品成本收益資料匯編(2004—2018年).北京：中國統(tǒng)計出版社；國家發(fā)展和改革委員會價格司編.全國農(nóng)產(chǎn)品成本收益資料匯編(2000—2003年.北京：中國物價出版社。。選取糧食單位面積產(chǎn)量(公斤/畝)作為糧食產(chǎn)出變量；勞動、化肥、機械和種子4種要素畝均使用量作為要素投入變量，其中，勞動投入采用用工量(工日/畝)，化肥投入采用化肥施用折純量(公斤/畝)，機械投入采用每畝機械作業(yè)費與直接物質(zhì)費用的比值(%)表示(2)關(guān)于糧食生產(chǎn)要素的選擇，有兩點說明：第一，部分學(xué)者通常將勞動、土地以外的要素合為一種生產(chǎn)要素，稱為“資本”或“物質(zhì)費用”進行研究。然而，在《全國農(nóng)產(chǎn)品成本收益資料匯編》中某些年份和省份數(shù)據(jù)的缺失導(dǎo)致資本(物質(zhì)費用)核算的準(zhǔn)確性降低。另外，隨著現(xiàn)代農(nóng)業(yè)和精準(zhǔn)農(nóng)業(yè)的推進，不同物質(zhì)要素的配置狀況受到更多的關(guān)注，因此，本文對物質(zhì)費用進行了分解。第二，隨著農(nóng)業(yè)現(xiàn)代化的發(fā)展，機械投入對糧食生產(chǎn)的作用不容忽視，但由于無法取得各省份不同糧食作物生產(chǎn)中的機械投入的數(shù)據(jù)，本文借鑒孫昊[36]的做法，用機械作業(yè)費占直接生產(chǎn)費用的比例代以測度。；要素的成本選取以2000年不變生產(chǎn)資料價格計算的人工成本(元/畝)、化肥費(元/畝)、機械作業(yè)費用(元/畝)和種子費(元/畝)來表示。

考慮到糧食作物投入產(chǎn)出數(shù)據(jù)的可獲得性和年度間的連續(xù)性以及糧食種植區(qū)域的不均衡性，樣本的選取情況如下：早秈稻，選取浙江、安徽、福建、江西、湖北、湖南、廣東、廣西、海南等9??；中秈稻，選取江蘇、安徽、福建、河南、湖北、四川、貴州等7??；晚秈稻，選取浙江、安徽、福建、江西、湖北、湖南、廣東、廣西、海南等9?。痪?，選取河北、內(nèi)蒙古、遼寧、吉林、黑龍江、江蘇、浙江、安徽、山東、河南、湖北、云南、寧夏等13省；小麥，選取安徽、甘肅、河北、河南、江蘇、內(nèi)蒙古、黑龍江、湖北、山東、山西、陜西、四川、寧夏、新疆、云南等15省；玉米，選取安徽、廣西、貴州、甘肅、河北、黑龍江、河南、湖北、江蘇、吉林、遼寧、寧夏、內(nèi)蒙古、陜西、山東、山西、四川、云南、新疆等19省。

為了不遺失更多數(shù)據(jù)信息，本文對于缺失的數(shù)據(jù)采取以下方法插補：第一，《全國農(nóng)產(chǎn)品成本收益資料匯編》未統(tǒng)計2001年化肥投入量，本文用前后一年化肥投入量的平均值代替2001年數(shù)據(jù)。第二，指標(biāo)缺失2～3年的數(shù)據(jù)利用其他年份計算的平均增長率估算得到。

(二)假設(shè)檢驗與估計結(jié)果

為了驗證基本模型(1)式的合理性并確定6種作物模型的具體形式，本文需要進行以下四項檢驗：

(1)H0:β5=β6=β7=……=β19=β20=0，檢驗是否應(yīng)采用超越對數(shù)生產(chǎn)函數(shù)。若不拒絕原假設(shè)，應(yīng)采用C-D函數(shù)；若拒絕原假設(shè)，則采用超越對數(shù)生產(chǎn)函數(shù)合理。

(2)H0:β17=β18=β19=β20=0，檢驗是否符合?？怂怪行约夹g(shù)進步。若拒絕原假設(shè)，即認(rèn)為技術(shù)進步是有偏向的，否則，為中性技術(shù)進步。

(3)H0:γ=μ=η=0，檢驗是否存在技術(shù)無效率項。若不拒絕原假設(shè)，不需要用隨機前沿模型分析；若拒絕原假設(shè)，說明模型設(shè)定為隨機前沿合理。

(4)H0:η=0，檢驗技術(shù)效率是否隨時間變化。

本文采用FRONTIER4.1軟件對6種糧食作物逐一進行初始回歸與假設(shè)檢驗，結(jié)果見表1。表1中(1)列和(3)列表明，采用隨機前沿超越對數(shù)生產(chǎn)函數(shù)是合理的。(2)列中，除了晚秈稻以外，其他5種糧食作物生產(chǎn)函數(shù)在5%的顯著性水平上拒絕原假設(shè)，說明其生產(chǎn)中存在偏向性技術(shù)進步；而晚秈稻生產(chǎn)不存在偏向性技術(shù)進步。(4)列中，早秈稻、晚秈稻、小麥和玉米生產(chǎn)函數(shù)顯著拒絕原假設(shè)，即其技術(shù)效率隨時間變化；而中秈稻和粳稻生產(chǎn)函數(shù)不拒絕原假設(shè)，說明其技術(shù)效率不隨時間變化。

表1 模型設(shè)定識別檢驗結(jié)果(3)由于篇幅所限，初始回歸結(jié)果沒有報告。讀者如有需要，可向本文作者索要。

根據(jù)檢驗結(jié)果(見表1)，調(diào)整6種糧食作物的生產(chǎn)函數(shù)模型，最終估計結(jié)果如表2所示。6種糧食作物生產(chǎn)函數(shù)關(guān)于γ、μ、η同時為0的似然比(LR)單邊檢驗結(jié)果都在1%的水平上顯著，說明γ、μ、η不全為0，存在技術(shù)效率損失。在早秈稻、晚秈稻、小麥和玉米的技術(shù)非效率模型中的η在5%的水平上通過了顯著性檢驗，說明這4種作物生產(chǎn)的技術(shù)效率會隨著時間出現(xiàn)顯著變化，而中秈稻和粳稻生產(chǎn)的技術(shù)效率損失主要是由時間以外其他原因造成。若γ統(tǒng)計顯著，說明在樣本條件下，作物生產(chǎn)存在效率損失，復(fù)合擾動項可由技術(shù)非效率解釋的部分由γ的大小表示。中秈稻、晚秈稻、粳稻、小麥和玉米的γ在5%顯著性水平上通過了t檢驗，說明以上5種作物存在技術(shù)效率損失，可以解釋復(fù)合擾動項的部分分別為40.13%、99.68%、76.5%、89.53%和66%。從時間t的系數(shù)β15和β16的估計結(jié)果可以看出，t的一次項只有在晚秈稻和粳稻生產(chǎn)函數(shù)中統(tǒng)計顯著，二次項在小麥和玉米生產(chǎn)函數(shù)中統(tǒng)計顯著，卻都趨近于0，這說明這6種作物生產(chǎn)技術(shù)進步增長緩慢。

表2 6種作物超越對數(shù)隨機前沿生產(chǎn)函數(shù)估計結(jié)果及顯著性

三、測算結(jié)果與分析討論

(一)糧食作物實際TFP增長率的變化及其分解項

圖1直觀反映了2000—2017年中國6種糧食作物實際TFP增長率的變化趨勢，不同作物之間存在明顯差異。中秈稻TFP增長率在樣本期間波動最為明顯，2012年達到所有糧食作物TFP增長率的最高值12.23%，2013年又跌至所有作物TFP增長率的最低值-7.67%。其原因是，從2012年開始在中秈稻生產(chǎn)中每畝種子投入量不足1公斤，尤其是江蘇省和河南省2012年每畝種子投入量分別比2011年減少了19.6%和14.9%，導(dǎo)致2012年和2013年中秈稻TFP變化異常顯著。與之相較，早秈稻和晚秈稻TFP波動相對較小?？偟膩碚f，2000—2017年間6種糧食作物實際TFP增長率平均為2.24%，由高到低分別是：中秈稻(2.78%)、玉米(2.66%)、粳稻(2.48%)、小麥(2.24%)、晚秈稻(1.72%)和早秈稻(1.57%)。

圖1 中國6種糧食作物實際TFP增長率的時序變化(2000—2017年)

從實際TFP各分解項貢獻程度的時序變化來看(表3)，6種作物生產(chǎn)的技術(shù)進步率(TP)對中國糧食作物實際TFP增長起到正向拉動作用，但是拉動效果在減弱。要素配置效率變化率(AEC)對我國糧食作物的實際TFP增長起到很強的刺激作用，這種作用與規(guī)模效率(SRC)所產(chǎn)生的影響有著明顯的互補效果。從區(qū)域?qū)用?4)借鑒尹朝靜對全國省份的劃分方式，本文將樣本中涉及的26個省份按照經(jīng)濟發(fā)展水平不同劃分為東部、中部和西部三個地區(qū)。東部地區(qū)包括山東、廣東、海南、江蘇、浙江、福建、河北和遼寧等8個省份；中部地區(qū)包括湖北、湖南、山西、吉林、黑龍江、安徽、江西和河南等8個省份；西部地區(qū)包括內(nèi)蒙古、廣西、四川、云南、貴州、山西、甘肅、青海、寧夏和新疆等10個省份。尹朝靜對全國省份的劃分方式，詳見尹朝靜，付明輝，李谷成. 技術(shù)進步偏向、要素配置偏向與農(nóng)業(yè)全要素生產(chǎn)率增長. 華中科技大學(xué)學(xué)報(社會科學(xué)版),2018(5): 50-59。觀察發(fā)現(xiàn)有以下兩個顯著特點(表4)。第一，除了西部地區(qū)的中秈稻和小麥的技術(shù)進步(TP)貢獻率為負(fù)值外，在東部、中部和西部地區(qū)其他作物的技術(shù)進步(TP)貢獻率都為正值。其中，東部地區(qū)水稻類作物，中部地區(qū)晚秈稻，西部地區(qū)中秈稻、晚秈稻和粳稻等糧食作物的TP對實際TFP增長率的貢獻率都高于50%。第二，6種作物技術(shù)效率變化(TEC)對實際TFP的貢獻率在東部、中部和西部三個地區(qū)存在很大的差異。中部地區(qū)的晚秈稻和東部地區(qū)的早秈稻的技術(shù)效率的變化(TEC)對實際TFP的貢獻率超過75%；東部和西部地區(qū)晚秈稻的TEC表現(xiàn)不佳，貢獻度都是負(fù)值；其他情況下TEC對TFP的貢獻率介于10%～50%。

表3 不同時期6種糧食作物實際TFP增長率及其分解項的貢獻程度

表4 不同區(qū)域6種糧食作物TFP增長率分解項的貢獻率

(二)中國糧食作物實際TFP增長率與有效TFP增長率的差異

當(dāng)(3)式中的第三項“要素配置效率變化率(AEC)”為0時，要素配置達到最佳狀態(tài)，此時TFP增長率被稱為“有效TFP增長率”。當(dāng)投入要素存在錯配時，AEC不等于0，偏離有效狀態(tài)的TFP增長率被稱為“實際TFP增長率”。由上述測算可知，中國糧食作物生產(chǎn)過程中存在明顯的要素錯配現(xiàn)象，因此，糧食作物在不同時段的實際TFP增長率與有效TFP增長率之間的差異也同樣顯著(見表5)。

表5 6種糧食作物不同時段有效TFP年均增長率和實際TFP年均增長率(%)

通過比較發(fā)現(xiàn)(見表5)：第一，除了早秈稻和粳稻的個別時段以外，6種糧食作物的實際TFP增長率通常高于有效TFP增長率。其原因是從1998年開始，中國糧食產(chǎn)量連續(xù)五年減產(chǎn)，到2003年糧食產(chǎn)量降到4.3萬噸，是20世紀(jì)90年代以來糧食產(chǎn)量的最低水平(5)數(shù)據(jù)來源于國家統(tǒng)計局農(nóng)村社會經(jīng)濟調(diào)查司編.中國農(nóng)村統(tǒng)計年鑒2017.北京：中國統(tǒng)計出版社。。此后國家開始出臺一系列政策促進糧食生產(chǎn)技術(shù)的發(fā)展和產(chǎn)量的提升。2004年開始中國糧食產(chǎn)量開啟了歷史性的“十二年連增”，致使2006年以后糧食作物的實際TFP增長率普遍高于有效TFP增長率，特別是小麥的實際TFP增長率偏離程度更高。這說明我國糧食生產(chǎn)的目標(biāo)十分明確，就是加大糧食產(chǎn)量的提高，保障糧食數(shù)量安全，但是，這種單純提高糧食生產(chǎn)率的行為扭曲了糧食生產(chǎn)要素的配置結(jié)構(gòu)。第二，雖然樣本數(shù)據(jù)沒有完全包含“十三五”規(guī)劃的所有年份，但是從現(xiàn)有測算結(jié)果來看，隨著2015年以后中國供給側(cè)結(jié)構(gòu)性改革的不斷推進，糧食實際TFP增長率與有效TFP增長率的偏離度有縮小的趨勢，其中小麥、中秈稻和玉米的偏離度的縮小程度最為明顯，表明糧食產(chǎn)業(yè)結(jié)構(gòu)性改革，尤其是種植結(jié)構(gòu)的調(diào)整對中國糧食生產(chǎn)要素的合理配置產(chǎn)生積極影響。

(三)中國糧食作物生產(chǎn)中要素錯配指數(shù)的時空測度

根據(jù)要素錯配指數(shù)公式(5)式對中國6種糧食作物生產(chǎn)中的要素錯配指數(shù)進行了不同時段和地區(qū)的測度(見表6和表7)。

表6 不同時期中國糧食作物要素錯配指數(shù)

表7 不同區(qū)域6種糧食作物的要素錯配指數(shù)

從時間維度看(見表6)，除個別時期和個別作物以外，糧食生產(chǎn)要素的投入處于過度的狀態(tài)，特別是勞動要素的投入過度更為明顯。其原因是拉動糧食單產(chǎn)及總產(chǎn)增長的關(guān)鍵因素是財政支農(nóng)政策[42]，但是農(nóng)業(yè)政策對糧食產(chǎn)量的拉動作用在減弱[41-43]。在農(nóng)業(yè)生產(chǎn)要素成本不斷提高，農(nóng)業(yè)政策效果又在減弱的狀況下，糧食生產(chǎn)要素的產(chǎn)出彈性份額相對于上漲的要素投入成本是處于下降狀態(tài)的，導(dǎo)致要素錯配指數(shù)大于0，糧食生產(chǎn)要素投入過度。

從空間維度看(見表7)，糧食要素錯配有以下幾個特點。第一，從區(qū)域比較中發(fā)現(xiàn)，東部地區(qū)糧食生產(chǎn)的4種要素的錯配程度相對較低，西部地區(qū)相對較高。這與李谷成的研究結(jié)果[25]一致。主要原因是經(jīng)濟發(fā)展程度較高的地區(qū)可以為當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)提供更多基礎(chǔ)設(shè)施條件，促使糧食生產(chǎn)管理更加有效，要素配置更加合理。第二，勞動要素投入過量是中國不同地區(qū)糧食生產(chǎn)資源配置不優(yōu)的主要原因。主要是因為地區(qū)間糧食生產(chǎn)中勞動投入的差異取決于農(nóng)業(yè)勞動的機會成本的不同。經(jīng)濟發(fā)達地區(qū)存在更多非農(nóng)就業(yè)機會，農(nóng)戶對糧食生產(chǎn)的依賴性較低，而西部地區(qū)因缺乏更高回報的非農(nóng)就業(yè)機會，糧食生產(chǎn)成為該地區(qū)農(nóng)戶的主要收入來源。此結(jié)果與朱喜等研究結(jié)果[24]相一致。第三，中國糧食生產(chǎn)中化肥的錯配程度較低。主要原因是化肥具有及時性和可分性的特點，而且市場化程度較高，因此，化肥要素配置就更趨于最優(yōu)。但是，值得注意的是，不論是時間維度還是空間維度，小麥的化肥要素投入都明顯不足。此處需要說明的是，“化肥要素投入不足”不是指化肥使用數(shù)量在減少，而是從經(jīng)濟學(xué)的機會成本和要素最優(yōu)配置的角度而言小麥的化肥投入成本份額小于其產(chǎn)出彈性份額。雖然小麥生產(chǎn)中化肥投入量大、效率低，產(chǎn)出彈性下降是個不爭的事實[44]，但是相對于其他要素的產(chǎn)出彈性和小麥的投入成本來說，小麥的化肥投入產(chǎn)出彈性仍然較高，其增產(chǎn)效力仍不可替代[45]。因此，在時空雙維度分析中小麥生產(chǎn)中的化肥要素錯配指數(shù)都小于0。

(四)要素錯配對中國糧食實際TFP增長率的影響度的測算與分析

前面已經(jīng)從時間維度和空間維度對TFP增長率的4個分解項的貢獻率進行了測算和分析。由(3)式可測得要素配置變化率(AEC)對實際TFP增長率的貢獻度(見表3)。下面將分別考察6種糧食作物中每單位要素錯配指數(shù)對實際TFP增長率的影響度(以下簡稱為“要素錯配影響度”，記為：Inf)，具體測算公式如下：

(6)

(6)式中“AEC的貢獻率”是四種要素配置效率變化率對TFP的貢獻率，而AECj(j=1，2，3，4)依次代表勞動錯配效率變化率、化肥錯配效率變化率、機械錯配效率變化率和種子錯配效率變化率。AECj由公式(7)測算得到：

(7)

根據(jù)測算結(jié)果(見表8和表9)發(fā)現(xiàn)，要素錯配對實際TFP增長率的影響有以下四個特點。第一，各要素的錯配影響度與要素錯配指數(shù)并不完全是同向的關(guān)系。以早秈稻勞動錯配對實際TFP增長率的影響為例，不論是時間維度還是空間維度，早秈稻的勞動錯配指數(shù)都大于0(見表6和表7)，說明早秈稻勞動投入過多，而且隨著時間的推移，錯配指數(shù)越來越高，但是勞動錯配對早秈稻的實際TFP增長率的影響卻并不相同(見表8和表9)。2011—2015年和2016—2017年兩個時段中，早秈稻勞動要素投入過多推高了早秈稻實際TFP增長率，而另外兩個時段卻拉低了實際TFP增長率。同樣，早秈稻在東部、中部和西部地區(qū)的投入過多拉低了實際TFP增長率。可能原因是不同時段、不同地區(qū)的要素資源配置最優(yōu)狀態(tài)是不同的，這主要取決于市場供求關(guān)系的動態(tài)變化，消費者對不同糧食品種的需求不同會導(dǎo)致要素錯配對實際TFP增長率產(chǎn)生的效果不同。第二，勞動要素錯配影響度與機械、化肥的錯配影響度的方向通常相反。這從側(cè)面印證了已有的研究結(jié)論，即糧食生產(chǎn)中機械和化肥要素對勞動要素具有替代作用[46-47]。第三，在多數(shù)情況下西部地區(qū)勞動和機械要素是配置過度的，但兩者對TFP的影響度卻是相反的，說明在西部地區(qū)糧食生產(chǎn)中增加機械要素投入，減少勞動要素投入會進一步提高該地區(qū)糧食作物的TFP增長率。第四，糧食作物的實際TFP增長率對要素錯配指數(shù)的敏感度不同。就作物的品種來看，中秈稻在東部和中部地區(qū)的實際TFP增長率對要素錯配指數(shù)的敏感度異常突出(要素錯配影響度全部大于1)，其中勞動和機械要素錯配影響度超過了10。就要素而言，實際TFP增長率對機械錯配指數(shù)的敏感度相對更強，尤其是中部地區(qū)的秈稻類作物。就地區(qū)的整體情況而言，中部地區(qū)糧食作物的實際TFP增長率對要素錯配的敏感度要強于東部和西部地區(qū)。敏感性強意味著要素錯配的微弱變化會引起實際TFP增長率的較大反應(yīng)；反之，如果實際TFP增長率對要素錯配的反應(yīng)不夠敏感就很可能造成大量要素資源的浪費。因此，正確判斷糧食作物要素錯配影響度的方向性和敏感性對優(yōu)化要素配置，提高全要素生產(chǎn)率的水平，乃至促進糧食產(chǎn)業(yè)的可持續(xù)發(fā)展都有著指導(dǎo)性的作用。

表8 不同時期糧食作物要素錯配對實際TFP增長率的影響度

表9 不同地區(qū)糧食作物要素錯配對實際TFP增長率的影響度

四、結(jié)論與政策啟示

本文基于超越對數(shù)生產(chǎn)函數(shù)的隨機前沿模型對中國早秈稻、中秈稻、晚秈稻、粳稻、小麥和玉米等6種糧食作物的TFP的增長率進行測算，并借助TFP增長率分解方程構(gòu)建了勞動、機械、化肥和種子等4種要素的錯配指數(shù)，比較分析了6種糧食作物的實際TFP增長率和有效TFP增長率的差異，以及不同要素的錯配對實際TFP增長率影響的時空差異。結(jié)論顯示：(1)2000—2017年要素錯配導(dǎo)致我國糧食實際TFP增長率(2.24%)明顯高于有效TFP增長率(0.73%)。其中，狹義技術(shù)進步對實際TFP增長的拉動作用在減弱，而要素配置效率的優(yōu)化對糧食作物實際TFP的提升作用在增強。(2)我國糧食生產(chǎn)中勞動、機械、化肥和種子等要素在時間維度和空間維度都存在不同程度的錯配。勞動投入過多是中國不同地區(qū)糧食生產(chǎn)資源配置不優(yōu)的主要原因。從空間區(qū)域來看，東部地區(qū)糧食作物生產(chǎn)投入的4種要素錯配程度相對較低，其次是中部地區(qū)，西部地區(qū)相對較高。(3)要素配置狀況與實際TFP增長率之間不是線性關(guān)系，而且實際TFP增長率對要素錯配的敏感性并不一致。相對來說，中部地區(qū)的實際TFP增長率對要素錯配的敏感度要強于東部和西部地區(qū)。

針對上述研究結(jié)論，本文提出以下三點政策啟示：第一，以節(jié)本增效為目標(biāo)，“以良種為基礎(chǔ)、智能機械化為載體”提升現(xiàn)代糧食生產(chǎn)技術(shù)的創(chuàng)新水平，提高糧食資源配置效率。第二，在確?！翱诩Z絕對安全”的前提下，“以農(nóng)為本”創(chuàng)新增收途徑，擴大糧農(nóng)收入來源，并鼓勵更多的資本要素投向中部和西部地區(qū)的糧食生產(chǎn)，努力縮小實際TFP增長率和有效TFP增長率之間的差距。第三，綜合考量和優(yōu)化各糧食主產(chǎn)省份中糧食資源配置狀況，根據(jù)技術(shù)優(yōu)勢、區(qū)域經(jīng)濟優(yōu)勢形成與資源稟賦相匹配的糧食生產(chǎn)布局。努力提升不同類型經(jīng)營主體在精準(zhǔn)化糧食生產(chǎn)管理和要素綜合配置方面的能力，促進糧食產(chǎn)業(yè)向優(yōu)質(zhì)化、綠色化和高效益的方向發(fā)展。