論文：中國農業(yè)經濟增長地區(qū)差距實證研究

論文：中國農業(yè)經濟增長地區(qū)差距實證研究

摘要: 本文通過使用Maudos等（2000）提出的增長分解框架將勞均產出的變化分解為要素投入積累、技術進步以及技術效率變化的效應三個部分，并通過建立檢驗方程來檢驗增長源泉各部分的收斂效應，對中國農業(yè)經濟增長源泉和地區(qū)差距的原因進行分析。研究發(fā)現(xiàn)，1987-2005年要素積累是我國農業(yè)經濟增長的主要依靠因素，TFP（尤其是其中技術前沿的進步）是造成農業(yè)經濟增長地區(qū)差距的重要方面。今后我國農業(yè)經濟增長過程中，提高技術效率促進TFP的增長應該成為農業(yè)經濟增長過程中著重關注的方面。中、西部地區(qū)技術前沿的進步是促進中、西部農業(yè)經濟增長，縮小與東部地區(qū)差距的重要途徑。
關鍵詞：農業(yè)經濟增長 地區(qū)差距 要素投入 全要素生產率

Abstract: Decompositions of agricultural labor productivity growth into technical changes, efficiency changes and the accumulation of inputs per worker are conducted to e*amine the regional disparity of Chinas agricultural labor productivity growth. The convergence test is also used in the analysis of the determinants of regional disparity of Chinas agricultural labor productivity growth. It is found that, during 1987 and 2005, although China’s labor productivity growth mainly depends on factor accumulation, TFP (particularly the shift in production frontier) is the important factor which causes regional disparity of agricultural productivity. Improving th
……（新文秘網http://m.jey722.cn省略1580字，正式會員可完整閱讀）……　
合對一國的全要素生產率（Total Factor Productivity：TFP）的變化進行測度和分解。Maudos，Pastor and Serrano（2000）依據(jù)Färe et al.（1994）的研究思路建立了基于DEA方法的勞均產出變化的分解框架。
對全要素生產率進行拆分的前沿生產函數(shù)模型有兩種：確定性的非參數(shù)型模型和隨機性的參數(shù)型模型。以DEA為基礎的Malmquist指數(shù)法生產率模型是應用確定性前沿生產函數(shù)對TFP進行估算和拆分的方法。Malmquist指數(shù)是由Malmquist（1953）作為一種消費指數(shù)提出，Caves，Christensen and Diewert（1982）將其應用到生產率變化的度量。其中的生產可能性邊界是運用DEA方法求解樣本數(shù)據(jù)中的最佳生產實踐而得到的。該方法的優(yōu)點是無須估計生產函數(shù)，從而避免了因錯誤的函數(shù)形式帶來的問題；缺點是需要大量的個體數(shù)據(jù)，且對算法的要求很高。Kalirajan，Obwona and Zhao（1996）、Wu et al.（2001）、Hsu et al.（2005）、江激宇、李靜和孟令杰（2005）以及陳衛(wèi)平（2006）等運用這一方法對我國農業(yè)TFP的變化進行測度和分解，分析了技術進步和效率變化對TFP的貢獻，他們的分解結果顯示：改革開放以來，我國農業(yè)TFP的增長主要是由技術進步造成的，生產效率的下降對TFP的增長造成了不利的影響。
隨機前沿方法（Stochatic Frontier Approach：SFA）源于1977年Aigner，Lovell and Schmidt（1977）以及Meeusen and Van den Broeck（1977）分別獨立提出隨機前沿理論。Battese and Coelli（1988，1995）等將其發(fā)展為面板數(shù)據(jù)。其最大優(yōu)點是通過估計生產函數(shù)對個體的生產過程進行了描述，從而使對技術效率的估計得到了控制；缺點是對效率分布的偏倚方向設定及效率和技術進步參數(shù)之間的識別尚無法提供靈活、可行的解決方案。Kalirajan，Obwona and Zhao（1996）、米建偉、章奇和梁勤（2005）采用隨機前沿方法對我國農業(yè)TFP的進行分解，得到結論也認為，技術進步的差異和變動是構成中國各地區(qū)農業(yè)TFP差異和變動的主要因素。
基于DEA的Malmquist指數(shù)方法和基于計量經濟學分析的隨機前沿方法均能夠將TFP分解為技術進步和技術效率兩個部分；但是，在針對勞均產出增長的研究中，將勞均產出的變化分解為要素積累和TFP兩部分后再對TFP進行分解，隨機前沿方法還存在技術上未能得到較好解決的問題；基于DEA的Malmquist指數(shù)方法雖然也是一種較新的研究途徑，但技術方面相對比較成熟，而且相對于隨機前沿方法，Malmquist指數(shù)方法能夠為每一個決策單元（Decision Making Unit）提供不同的技術進步率，能夠滿足本文從省際差異入手研究地區(qū)差異的需要，因此，本文在對我國農業(yè)增長進行分解研究的過程中選用基于DEA的Malmquist指數(shù)方法。
本文通過使用Maudos，Pastor and Serrano（2000）提出的增長分解框架將勞均產出的變化分解為要素投入積累、技術進步以及技術效率變化的效應三個部分。通過分解，一方面可以找到我國農業(yè)增長的源泉，另一方面可以為地區(qū)農業(yè)經濟差異的原因提供相應的解釋。


圖2 產出角度Malmquist生產率指數(shù)
設對某個經濟體而言，N種要素投入經由生產技術轉化為M種產出。對時期t＝1，2，…，T而言，有T個生產行為觀察點：(*1,Y1), (*2,Y2),…, (*T,YT)。基于此，定義時期t的技術為：
…………（1）
中性規(guī)模報酬條件下，定義（1）的具體含義是：
…………（2）
用（*s,Ys）和（*t,Yt）分別表示時期s、t的實際投入產出向量；用表示以s時期技術為參照的，時期s的投入產出向量的產出距離函數(shù)；用表示以s時期技術為參照的，時期t的投入產出向量的產出距離函數(shù)。s時期技術、產出角度的Malmquist生產率指數(shù)為：
…………（3）
用Ts、Tt表示時期s、t的生產技術下的生產可能集。假設時期s到時期t發(fā)生了技術進步，則有Tt包含Ts。是Ts技術下的生產可行點，因此有；而D(*t,Yt)不是Ts技術下的生產可行點，因此有，時期s到時期t發(fā)生技術進步時，。
類似地用t時期技術Tt作參照，給出t時期技術、產出角度的Malmquist生產率指數(shù)：
…………（4）
對應于圖2中的各點，距離函數(shù)分別為：
；
；
；
。
兩個時期s、t的生產技術的差異會導致測算結果的不同，即。為了避免對時期選擇的任意性所帶來的差異，根據(jù)Cave，Cheistensen and Diewart（1982）、Färe et al.（1994）、Coelli，Rao and Battese（1997）等有關效率方面的文獻中的通常做法，采用幾何平均方法作為Malmquist生產率指數(shù)：
…………（5）
如此定義的Malmquist生產率指數(shù)具有良好的理論性質，實際上它是包含F(xiàn)isher指數(shù)和Tornqvist指數(shù)為特例的、更為一般性的生產率指數(shù)[ 1992年Caves、Diewert等人證明，在生產者理性行為（利潤最大化或成本最小化）、不變規(guī)模報酬及Translog形式距離函數(shù)等假設下，Malmquist生產率指數(shù)與Tornqvist生產率指數(shù)是相等的，而且與Fisher生產率指數(shù)相近。]。
將Malmquist生產率指數(shù)變換形式，分解為效率變化和技術變化：
…………（6）
在投入角度上，Malmquist生產率指數(shù)的分解仍然相類似（下標I，表示投入角度），即：
…………（7）
其中：技術效率變化，技術前沿變化。
測度生產率的增長及變化，須求解四個不同的距離函數(shù)、、和，由于距離函數(shù)的定義與DEA對效率的定義與測度原理是一致的，從投入角度定義的距離函數(shù)的值正是DEA的效率值（產出角度與此成倒數(shù)關系），所以，本文使用投入角度的DEA模型測度這些距離函數(shù)。

Malmquist生產率指數(shù)的分解對應于圖2中的各點表示為：
…………（8）
基于上述定義，可以將在t 期的勞均產出相對于在s期的農業(yè)產出分解為：

………（9）
即：

…………（10）
（10）式將分解為三個因子的乘積，其中，前兩個因子分別為技術效率變化帶來的增長效應（EC）和技術進步帶來的增長效應（TP），第三個因子刻畫了從時期s到時期t之間，要素投入水平變化帶來的產出增長效應（INC）。前兩個因子EC和TP的乘積就是Malmquist生產率指數(shù)。
（10）式中的4個產出距離函數(shù)、、和分別通過求解下面的線性規(guī)劃問題而得到。
求取的線性規(guī)劃問題為：
…………（11）
求取的線性規(guī)劃將（11）當中涉及到的s置換為t即可。
求取的線性規(guī)劃問題為：
…………（12）
求取的線性規(guī)劃將（12）當中涉及到的s和t分別置換為t和s即可。
前面介紹的DEA方法，是在中性規(guī)模報酬假定之下，針對總量的生產函數(shù)而構造的。這里使用的總量生產函數(shù)對應的生產要素包括農業(yè)勞動力數(shù)量、物質投入和土地三種。但是，本文將要進行分解分析的是農業(yè)勞均產出的增長，這樣集約形式的生產函數(shù)對應的生產要素為勞均物質投入和勞均土地兩種。在總量生產函數(shù)滿足規(guī)模報酬中性的條件下，集約生產函數(shù)則呈現(xiàn)規(guī)模報酬非遞增的特征。在單一產出品的情況下，也即在本文這里分析的情形下，經由總量生產函數(shù)分解得到的技術效率和技術前沿提升對農業(yè)總 ……（未完，全文共24675字，當前僅顯示4438字，請閱讀下面提示信息。收藏《論文：中國農業(yè)經濟增長地區(qū)差距實證研究》）