会员登录
会员注册内容提要：2004-2010年中国粮食产量虽然实现“七连增”，但随着粮食需求不断增长，供给缺口仍然巨大，而以化肥、农药等生产性资源高投入所推动的粮食产量增长则具有明显的粗放性，不利于粮食产量的可持续增长。更为严峻的是，在粮食产量增长的同时，粮食生产效率却呈现波动下降的趋势。本文基于Malmquist-DEA模型，利用面板数据来计算中国粮食全要素生产率变化，并对其要素进行分解，研究发现：在粮食产量“七连增”年间，粮食全要素生产率指数年均下降了0.7%，而技术进步年均指数的大幅度下降则成为粮食生产效率下降的主要原因。通过DEA方法分析可以看出，中国粮食生产要素投入冗余（即要素投入的粗放性）问题突出。因此，中国粮食生产领域的关键问题在于加快技术进步，提高要素投入效率，达到粮食生产DEA相对有效，实现粮食产量的可持续增长。
关键词：粮食产量，Malmquist，生产率指数，投入冗余
一、引言
2004-2010年中国粮食产量实现“七连增”，2010年粮食总产量达到54647.7万吨，创历史新高，从而为满足市场需求、确保粮食安全、保持经济社会平稳较快发展奠定了坚实的物质基础。但是，面对这一大好形势，我们仍然需要冷静思考以下问题：（1）目前的粮食产量能否满足日益增长的粮食需求？还需不需要继续提高粮食产量？（2）中国粮食产量增长是否具有可持续性？（3）在城市化、工业化速度的加快而导致耕地面积减少的情况下，粮食增产必须依赖生产效率的提高，而中国粮食生产效率是否在提高？
关于第一个问题，我们的结论是，粮食需求不断上升，粮食缺口仍然巨大。根据韩长赋的研究结论，现阶段中国每年净增人口700多万，每年新增大约500万农民工进城务工，城市人口每年大约增加1000多万人，由此每年增加的粮食需求约在70亿斤到80亿斤。另一方面，近十年来中国粮食净进口呈直线上升态势，2001、2004、2005、2008、2009年中国净进口粮食分别为835万吨、1784万吨、2145万吨、3752万吨、4894万吨。而2010年中国粮食进口总量高达6695.3万吨，已占世界粮食贸易量的1／6左右，进口粮食超过国内产粮的十分之一。再按中国粮食统计口径，中国粮食自给率已由2001年的98.2%下降到2011年的90.9%，95%的自给率目标早已失守。因此，继续保持粮食产量增长仍是当务之急。那么，我们有无能力保持粮食产量的继续增长则显得尤为重要。
关于第二个问题，即粮食产量增长的可持续问题，也不容乐观。中国粮食“七连增”的背后是化肥、农药等生产性资源投入的高速增长，生产性资源消耗的急剧透支。中国粮食增产的代价是消耗了全球近35%的氮肥和70%左右的可用水资源，目前中国单位面积化肥使用量是联合国粮农组织规定上限的2倍，农药使用量高达世界平均水平的2.5倍以上。这样一种能源、资源投入型的粮食生产方式，具有明显的粗放性，一方面大大提高了能源、资源等要素成本，降低了粮食高增长所产生的经济效益，另一方面又破坏了农业赖以生存与发展的资源与环境基础，这对保持粮食产量的可持续增长形成了威胁。
在这一形势下，第三个问题，即提高粮食生产效率，就成了最为关键的增产手段。粮食产量的增长无外乎依赖两个途径：一是生产要素投入量的增加，二是生产要素使用效率的提高。综上所述，在面对粮食需求量巨大的挑战时，未来中国粮食生产面临着农业资源稀缺的矛盾和资源与环境的双重约束，因此提高粮食生产效率就显得至关重要。而对于这一问题，我们的研究结论仍不乐观，在粮食产量“七连增”的背后，粮食生产效率却处于波动下降趋势。正是基于此，本文试图对这七年的粮食生产效率进行测度，分析粮食生产效率下降的原因，并就如何提高中国粮食生产效率的问题提出政策建议。
二、相关文献综述
有关粮食生产效率问题，国内学者从不同的角度进行了研究。
关于粮食产量的主要影响因素，高帆（2004）认为，在工业化和城市化水平快速提高的背景下，粮食生产所依赖的土地、水等自然资源的供给压力有不断增大的趋势，而在市场化程度的提高和种粮比较收益偏低的条件下，农户针对粮食生产的投资能力和投资意愿也有弱化的倾向。周四军（2003）利用中国1983-2001年粮食生产的投入产出数据，运用C-D生产函数进行估计，发现中国粮食生产主要依赖于有效播种面积和农用化肥施用量，而劳动力和技术对粮食产量影响并不显著。马文杰（2006）运用面板数据模型对中国粮食生产1999～2004年的投入产出关系进行分析，得出粮食播种面积是影响中国粮食生产的最主要因素，农业机械总动力、劳动力和农用化肥施用量对中国粮食生产仍有正的效应。谢杰（2007）利用中国1978～2004年间的粮食生产投入产出数据，同时考虑农业改革的政策影响，通过逐步回归和加权最小二乘回归来构建中国粮食生产函数，发现土地和化肥施用量是影响粮食生产的最主要因素，并认为在土地、化肥施用量达到极限的背景下，技术进步是提高中国粮食产量的新途径。上述学者均利用粮食生产的投入产出数据来研究影响中国粮食生产的主要因素，均认为中国的粮食生产主要依赖于有效的播种面积与化肥的施用量。
关于粮食生产效率，郑循刚（2009）采用随机前沿生产函数分析方法，测算了中国2000～2007年的农业生产技术效率并对其影响因素进行了研究，得出中国农业生产平均技术效率水平偏低，各地区之间差异比较明显，全国31个省、市、地区的农业生产技术效率基本集中在0.5-0.9之间，东部地区农业生产技术效率高于中、西部地区；复种指数、劳均化肥施用量、灌溉率、区域经济发展水平、劳均播种面积、农业政策等对农业生产技术效率的提高有着显著的正影响，而劳均农机总动力对农业生产技术效率水平的提高有着显著的负影响。黄金波、周先波（2010）则利用1978～2008年间中国30个省市区的面板数据，对中国粮食生产进行了随机前沿分析。以此为基础，对中国粮食生产技术效率的影响因素进行了分析，并对粮食生产全要素生产率增长进行分解及趋势分析，结论得出，农业基础设施建设和制度因素是影响中国粮食生产技术效率的关键因素；中国粮食产量增长主要是由投入要素的增长拉动，TFP对中国粮食产量的贡献很小。刘宁（2011）应用超效率Output-DEA模型，对中国2008年13个粮食主产省区的粮食生产能力进行了研究，结果表明，中国粮食主产区处于技术有效的省份仅有4个，其超效率值存在较大差距，多数省区技术无效率是规模效率低造成的；各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；中国政府应该把提高粮食生产效率作为粮食政策的首要目标，提高无效率省区的技术效率，发挥有效率省份的生产潜力。
以上学者分别对粮食产量影响因素及粮食生产效率的总体情况进行了研究，本文则对粮食产量“七连增”年间（2004～2010年）粮食产量影响因素及粮食生产效率进行逐年研究，以详细、全面分析中国粮食产量增长情况下粮食生产效率变化趋势及所存在的问题。在研究方法上，本文则采取较为优越的Malmquist-DEA模型，用较全面的面板数据来计算粮食全要素生产率及其构成部分的变化。
三、中国粮食生产效率测算
（一）研究方法
1.方法介绍。我们采取Malmquist-DEA模型是基于不同学者采取不同的研究方法得出的结论往往不同，而Malmquist-DEA模型则较具客观性和优越性。
目前关于测度全要素生产率（即Total Factor Productivity，以下简称TFP）的方法有两种：非参数规划方法，主要有数据包络分析法（Data Envelopment Analysis，DEA）；参数方法，主要有随机前沿分析法（Stochastic Frontier Analysis，SFA）。
相对于参数分析法，DEA方法更有优势。数据包络分析是美国著名运筹学家A.Charnes（1978）等学者提出的一种效率评价方法，该方法把单输入、单输出的工程效率概念推广到了多输入、多输出的同类型决策单元（Decision-Making Units，DMU）的有效性评价中，是以凸分析和线性规划为工具来评价多输入与多输出决策单元之间相对有效性的评价体系。DEA方法应用数学规划模型计算比较决策单元之间的相对效率，对评价对象做出评价，能充分考虑对于决策单元本身最优的投入产出方案，因而能够更理想地反映评价对象自身的信息和特点。DEA方法应用于评价复杂系统的投入产出分析时，在避免主观因素，简化运算和减少误差等方面有其优越性。同时，DEA这种非参数方法由于无需事先确定生产函数的形式、允许无效率存在以及便于分解等诸多优势，得到了越来越广泛的应用，比较突出的几个应用领域是绩效分析、效率分析、资源的优化配置、金融投资、技术和生产力进步以及对生产函数的刻画等。
目前，DEA方法应用最广泛的是Malmquist生产率指数。Malmquist生产率指数用于来分析不同时期的消费变化，由瑞典经济学家Malmquist于1953年首次提出。Caves et al（1982）则将该指数首次应用于生产率变化的测算，此后与Charnes等（1978）建立的DEA方法和理论相结合，此后日益广泛地应用于生产率的测算。Fare等（1994）给出了这种理论的一种非参数的线性规划算法以后，使得Malmquist生产率指数得到更加广泛的应用。利用Malmquist-DEA生产率指数方法研究TFP主要优点为：适用于面板数据分析；不需要相关的价格信息就能利用多种投入与产出变量进行效率的分析；可进一步分解成技术效率变化指数和技术进步变化指数两部分；无需特定的生产函数和生产无效率项的分布假设。基于以上优点，本文采用Fare等提出的Malmquist-DEA方法对中国粮食生产的全要素生产率进行测算。
2.Malmquist指数分析原理。从t期到t+1期TFP变化的Malmquist指数可以表示为：
式中，（xt，yt）和（xt+1，y +1）分别表示t期和t+1期投入产出变量；dt（xt，yt）和dt（xt+1，yt+1）分别表示以t时期技术T为参照，t期和t+1期的距离函数；dt+1（xt，yt）和dt+1（xt+1，yt+1）表示以t+1时期技术T+1为参照，t期和t+1期的距离函数。若M>1，表示评估的决策单元从t到t+1期的生产率是增长的：若M<1，表示评估的决策单元从t到t+1期的生产率是衰退的；M＝1，表示评估的决策单元从t到t+1期的生产率没有变化。
Malmquist指数在规模报酬不变的条件下可以分解为技术效率变化指数（Effch）和技术进步指数（Techch），用公式表示为
若Techch>1，表示技术在进步；若Techch<1，表示技术在退步；若Techch＝1，表示技术不变。若Effch>l，表示技术效率提高；若Elfch<1，表示技术效率损失；若Elfch＝1，表示技术效率不变。
技术效率变化指数（Effch）还可进一步分解为纯技术效率变化指数（Pech）和规模效率变化指数（Sech），用公式表示为：
若Pech>1，表示纯技术效率进步；若Pech<1，表示纯技术效率退步；若Pech＝1，表示纯技术效率不变。若Sech>1，表示第t+1期相对于第t期而言，越来越接近固定规模报酬，或逐渐向长期最佳规模逼近；若Sech<l，表示第t+1期相对于第t期而言，距离规模报酬越来越远。
（二）实证分析
1.数据选择及说明。由于中国官方公布的各投入产出指标的时间跨度不统一，考虑到样本质量、数据可得性及本文研究需要，本文采用2003～2010年的面板数据来分析粮食“七连增”年份的粮食生产效率，研究样本包括31个省、市、自治区。2003～2008年的数据来源于《新中国农业60年统计资料》，2009～2010年的数据来自于《中国农村统计年鉴2010～2011》。
我们所研究的是粮食投入与产出效率，因而涉及产出变量和投入变量。产出变量选取的是各省、市、自治区的粮食总产量（万吨），用以衡量粮食生产状况。对于投入变量，由于没有关于粮食生产人数的统计，我们选择各地区农林牧渔业的从业人员总数（万人）来代替；以粮食作物播种面积（千公顷）来衡量土地投入；另外用化肥施用量（万吨）、农药使用量（万吨）、农用柴油使用量（万吨）、农业机械总动力（万千瓦）、农村用电量（亿千瓦时）、农用塑料薄膜使用量（万吨）来分别衡量各地区的能源和资源消耗状况。
2.中国粮食全要素生产率测算与分析。下面借助DEAP2.1软件，对2003-2010年间的全国31个省、市、自治区粮食生产投入与产出的面板数据进行Malmquist生产率指数进行测算与分析。
（1）中国粮食全要素生产率指数变动及其构成。在分析TFP的变动时，对2004-2010年TFP逐年的Malmquist生产率指数进行分解，然后利用年度Malmquist生产率指数的平均值来反映TFP的总体变动情况（见表1）。
表1显示，总体来看，尽管2004～2010年中国粮食总产量实现了“七连增”，但2004-2010年间中国粮食TFP平均仅为0.993，年平均下降了0.7%。从变化趋势上看，中国粮食TFP表现出了明显的波动下降特征（由2003～2004年的1.024下降至2009～2010年的0.988），只有2003～2004年、2006～2008年粮食TFP实现了正增长（TFP增长率分别为2.4%、0.6%、1%），其余4年则为负增长，下降幅度最大的年份是2008～2009年，增长率为-4%。
从TFP的构成要素来分析，平均来看，2004～2010年间技术进步为负增长，平均增长率为-0.9%，可见，中国粮食TFP的下降主要是受技术衰退的影响。不过2004～2010年间技术效率为正增长，平均增长率为0.3%，表明技术效率对粮食TFP有正向的拉动作用。其中，纯技术效率平均增长率为0.2%，规模效率平均增长率为0.1%。
综上可见，技术进步年均指数的大幅度下降成为粮食生产效率下降的主要原因，而纯技术效率和规模效率对粮食生产效率的提升有促进作用，这反映出，中国粮食产量增长具有粗放性。因此，中国粮食生产领域的关键问题在于加快技术进步，实现粮食产量的可持续增长。
（2）各省粮食全要素生产率及构成。平均意义上的TFP总体变动分析无法反映各省份（市、自治区）粮食全要素生产率的变动特点和差异程度，因此有必要分析各省份粮食全要素生产效率及其构成情况（见表2）。
由表2可知，从各省份的粮食TFP来看：
第一，2004年以来，中国有15个省份的Malmquist生产率指数大于1，TFP实现了正增长。这15个省份中，有6个省份TFP实现了2%以上较大幅度的正增长，有4个省份TFP实现了1%以上的正增长，其他5个省份TFP只有微幅正增长，其中增长最高的是河南和北京，增长率达到了4.4%和3.6%，这与其较高的技术效率和技术进步水平有关。
从这15个省份粮食TFP的构成情况来看，有12个省份的技术进步指数高于技术效率变化指数，15个省份的平均技术进步指数为1.011，平均技术效率指数为1.004。在这15个省份中，只有安徽的技术进步指数小于1，而其他14个省份的技术进步指数均大于1，表明其粮食生产技术在提高，其中技术进步最快的是黑龙江和江苏，达到了2.8%和1.7%。
以上分析表明，在中国粮食TFP实现正增长的省份中，技术进步和技术效率均发挥了正向的促进作用，但技术进步的作用更大，而技术效率仍有待提高。
第二，2004年以来，中国有16个省份的Malmquist生产率指数小于1，TFP呈现出负增长，除广东外，其余1S个省份都集中在中西部地区。这16个省份中，有7个省份TFP增长率达-2%以下，全部集中于西部地区。
从这16个省份的粮食TFP构成情况来看，有13个省份的粮食生产技术效率的贡献高于技术进步的贡献，有12个省份的粮食生产的技术效率在提高，而仅有2个省份的粮食生产技术在进步。
以上分析表明，粮食TFP呈现负增长的16个省主要是受技术进步负增长的影响，而技术效率的提高对粮食TFP起到了正向的促进作用。
3.粮食生产投入冗余分析。为了进一步全面分析粮食产量的影响因素，深入了解粮食生产率低下的原因，考察粮食产量增长的粗放性，本文用DEA方法，以2010年31个省区市的粮食生产投入产出数据为例，进行投入产出松弛量分析，得到各省份粮食生产要素投入的冗余值，并将各省份粮食生产投入的原始值与DEA分析所得到的冗余值、目标值进行比较，以各要素的总体改进比例来分析各要素资源可以调整改进的空间，以明确各省份应该如何减少要素的投入冗余。
DEAP2.1软件计算结果如表3，剔除相对技术效率为1的省份（即该省份投入产出不存在冗余），表3列出了各省粮食生产各资源要素投入的总体改进比例。
从表3可以看到，2010年中国粮食生产投入中，只有吉林、黑龙江、上海、江西、湖南、四川、重庆、内蒙古、贵州、宁夏、西藏等11个省市的投入是相对合理的，其粮食生产达到了DEA相对有效，其中西部地区有6个省份、东北地区有2个省份处于粮食生产效率的前沿，而其他大部分地区存在不同程度的投入冗余。从各要素投入冗余程度来看，只有两个省份的粮食生产播种面积存在冗余，表明其粮食生产播种面积冗余程度最小；从各要素的总体改进比例的平均值来看，农林牧渔业从业人员、农业机械总动力和农村用电量投入冗余程度较大，利用效率低，资源可调整改进的空间较大；化肥施用量、农药使用量、农用柴油使用量、农用塑料薄膜使用量也存在不同程度的冗余量，各要素的利用效率有待大幅度提升。大多数地区存在不同程度的投入冗余表明，在当前产出不变的条件下，可通过减少各要素的投入，通过提高各要素的利用效率，来使得粮食生产达到DEA相对有效。
四、主要结论与政策建议
（一）主要结论
（1）2004-2010年，尽管中国粮食总产量实现了“七连增”，但只有2003～2004年、2006～2008年粮食TFP实现了正增长，其余4年均为负增长；中国粮食TFP平均仅为0.993，TFP年均下降了0.7%。技术进步年均指数的大幅度下降成为粮食生产效率下降的主要原因，这反映出中国粮食产量增长具有粗放性，技术进步成为粮食产量可持续增长的关键因素。
（2）2004～2010年，中国有15个省份的Malmquist生产率指数大于1，TFP实现了正增长，技术进步和技术效率均发挥了正向促进作用。在这15个TFP正增长省份中，有12个省份的技术进步指数高于技术效率变化指数，表明技术进步对TFP实现正增长作用更大。同期有16个省份的Malmquist生产率指数小于1，TFP呈现出负增长，主要集中在中西部地区。在这16个TFP负增长省份中，有13个省份粮食生产技术效率的贡献高于技术进步的贡献，14个省份粮食生产技术在衰退。这表明，粮食TFP呈现负增长的16个省份主要是受技术进步负增长的影响，而技术效率的提高对粮食TFP起到了正向促进作用。
（3）本文对2010年31个省份粮食生产投入冗余进行分析，发现2010年中国粮食生产只有11个省份的投入是合理的，其粮食生产达到了DEA相对有效。大多数地区各要素均存在不同程度的投入冗余，其中粮食播种面积几乎不存在冗余，而农林牧渔业从业人员、农业机械总动力和农村用电量投入冗余程度较大，效率提高的空间较大。在当前产出不变的条件下，中国各省份可减少各要素的投入，通过提高各要素的利用效率，来实现粮食生产的DEA相对有效。
（二）政策建议
（1）加快农业科技进步与农业技术推广，提高粮食生产资源消耗的产出效率。中国粮食生产的持续丰收，主要是依靠增加资源要素的投入，这样，粮食持续丰收的时间越长，各种资源要素的消耗就越多，使得中国的粮食增产方式仍然表现为粗放型。而中国粮食的持续有效供给却面临着土地等资源要素的不断流失、农业劳动力的持续转移与日益老龄化、生产成本的快速攀升、国际粮食贸易竞争的日益加剧等资源与环境的压力，各种约束越来越紧。解决好这些难题，必须更加重视推动农业科技进步，加快农业技术的推广。一是要大幅度增加农业科研投入，目前中国农业科研投入强度仅为0.49%，远低于发达国家的2.5%～4.0%的水平，因而增加科研投入十分必要；二是切实加强农业科技推广，政府应在农业科技推广专项资金、公益性农业技术推广等方面给予政策倾斜与资金支持；三是提高农作物新品种培育强度，整合中国种业资源，快速提升中国种业科技创新能力，加大良种覆盖率。
（2）采取差异化的政策支持措施与现代化发展策略，促进粮食全要素生产率的提高。从本文的研究结论来看，由于技术进步与技术效率在不同地区之间存在着显著差异，导致不同省份之间粮食全要素生产率增长模式不同。因此，有必要采取有针对性、差异性的政策支持措施与现代化发展策略来促进粮食生产效率的提高，并充分考虑不同省份资源禀赋、环境要素、生产水平和技术条件等方面的差异，在农业职业培训与农业人力资源水平提升、政府财政支农比例扩大、农业科技投入和农业机械规模化发展等方面制定科学、合理的粮食增长支持措施，以全面提高粮食生产效率。
参考文献：
高帆，2009：《我国粮食生产的波动性及增长趋势：基于HP滤波法的实证研究》，《经济学家》第5期。
周四军，2003：《对中国粮食生产影响因素的计量分析》，《统计与决策》第4期。
马文杰，2006：《中国粮食综合生产能力研究》，华中农业大学出版社。
谢杰，2007：《中国粮食生产函数的构建与计量分析》，《统计与决策》第20期。
郑循刚，2009：《中国农业生产技术效率及其影响因素分析》，《统计与决策》第20期。
黄金波 周先波，2010：《中国粮食生产的技术效率与全要素生产率增长：1978-2008》《南方经济》第9期。
刘宁，2011：《基于超效率Output-DEA模型的主产区粮食生产能力评价》，《软科学》第3期。
Charnes，A.，W.W.Cooper&E.Rodes（1978），“Measuring the efficiency of decision making units”，European Journal of Operational Research（2）：429-444.
Caves，D.W.，L.R.Christensen&J.A.Swanson（1982），“Multilateral comparisons of output，input and productivity using superlative index numbers”，Economic Journal 92.
Fare，R.et al（1994），“Productivity growth，technical progress，and efficiency change in industrialized countries”，American Economic Review 84：66-83.