中国省区间农业生产率差异的影响因素研究

作者联系方式作者姓名：石慧单位：上海财经大学财经研究所地址：上海市政立路580弄54号601邮编：200433TEL：[phone]Email：[e-mail]中国省区间农业生产率差异的影响因素研究————————基于空间计量的分析石慧摘要：文章在使用非参数方法测算了中国28个省级地区农业全要素生产率水平的基础上，将空间因素纳入生产率地区差异及影响因素的研究，空间统计分析的结果显示，样本期间内各省区间的农业全要素生产率水平存在局部空间相关性。在收敛的空间计量模型中逐一引入农村工业化程度，地区人力资本，开放程度，城市化率，市场化程度和农业科研投入六个可能的影响因素，结果发现农村工业化程度对生产率的提高具有显著的正向作用，人力资本的作用在不同的样本时期有差别，本文认为可能与劳动力的流动有关。城市化可以显著地促进地区生产率的提高，对外开放和市场化指数的作用不明显。农业科研支出指标的引入降低了整个模型的解释力。关键字：农业全要素生产率水平，双边Malmquist指数，空间相关性Abstract:Abstract:Abstract:Abstract:Thispapercalculatestheagriculturaltotalfactorproductivity(TFP)bynon-parametricmethodfor28provincialdistrictsinChina,andthenstudiesthefactorsthatmayhaveeffectonthedisparityofTFPinvolvedwithspatialfactors.Thespatialstatisticresultshowsthatthereislocalspatialautocorrelationamongtheprovincesinthesample.Afterbringsixpotentialfactorsonebyone,theconvergencemodelshowsthatruralindustrializationhasapositiveeffectonTFP,humancapitalhasdifferenteffectindifferentsample,whichmayrelatetotheflowoflabor,urbanizationcanpromotetheTFPsignificantly.Whiletheopenandmarketizationdonotpassthesignificanttest.Theinterpretativeextentofmodelisweakenedafterbringingtheexpendingofagriculturalresearchanddevelopment.Keywords:Keywords:Keywords:Keywords:TotalFactorProductivity,BilateralRelativeMalmquistProductivityIndex,SpatialAutocorrelation一、引言在实际的生产过程中，随着地区间经济社会等交流的不断加强，地区之间的联系是广泛存在的，而对于地区差距趋势的研究，大多都采用收敛检验的方法，目前比较常用的是新古典经济理论中的绝对σ收敛、绝对β收敛、条件β收敛以及俱乐部收敛，通过这些收敛的检验我们可以知晓经济发展中的地区差距是否有缩小的趋势和潜力，但是上述方法的研究是基于各地区之间是相互独立的假定，而由于地理位置、劳动力等要素的流动，技术的扩散和溢出效应的存在，使得经济体之间在空间上相互之间存在着联系，尤其是技术溢出的效应更被广泛地接受为一种促进地区差距缩小的重要机制（林光平，2005）。经济地理学中，将各地区所处的不同的经济地理环境也作为地区增长差异的因素之一纳入研究范围，近来，关于国内情况的大量实证研究也指出：地理空间因素对产业和地区经济集聚产生了重要的影响。而大多数收敛研究的文献都存在一个问题，即忽略了空间的角色，从地区的角度来看，空间效应尤其是空间自相关性在收敛研究中是不能忽略的，因为例如地区间贸易，技术和知识扩散以及一般地区外部型和技术溢出都会使得地区之间存在地理上的依赖性。由于空间的这种相互作用存在，地理位置在地区经济活动中就扮演了一个重要的角色（Gallo，2001）。马国霞等（2007）使用新经济地理学中的空间计量经济模型，考虑地理空间特性，研究了京津冀地区县域经济增长收敛的机制，认为各县人均GDP分布具有空间依赖关系，京津冀都市圈区域内部的差异比较大，集聚效应仍很强。如果将研究范围扩大到全国，从经济增长的空间分布形状和流动性来看，空间因素的影响依然是地区经济增长分布的重要因素，相邻地区间相互依赖，促使了相似经济水平地区的空间集聚（李国平等，2007）。Zhu等（2008）使用MoranI，马尔可夫链和非平稳的面板技术对中国自改革开放以来的省区间全要素生产率的差异进行了分析，结果发现省区间不仅存在空间相关性，并且这种相关性随着时间的推移不断加强，省区间生产率存在两极分化的现象，考察期间内生产率是发散的。由此，很多关于地区间经济增长收敛的研究也开始关注空间要素在收敛机制中的作用：林光平等采用空间方法研究地区差距趋势的问题，发现了与以往研究不同的结果，第一份（2006）研究在以往的关于地区绝对σ收敛研究的基础上，以区域之间发展的相互影响为出发点，引入“条件”σ收敛的概念，发现各省区之间相关性越来越大，并且新方法使得趋异性降低，1978—2002年省区经济σ收敛具有阶段性，这种波动与总体经济运行具有一致性。他们的另一份研究（2005），在空间滞后和误差模型中，使用不同的权重矩阵对同期地区间经济增长的β收敛情况进行了研究，发现地区间经济存在收敛，但是趋势有所减缓。陈晓玲等（2006）认为使用截面数据分析地区经济增长差距存在很大的随机性和偶然性，因而在使用面板数据对地区间收敛特性和空间相关性统计描述的基础上，进一步使用空间计量模型主要对地区经济β收敛状况进行了研究发现，1978—2004年总体上经济是存在收敛，但在各子时段是有差异的且收敛速度比较缓慢。何江等（2006）的研究与该研究结果有异曲同工之妙，他们使用面板数据空间计量模型对中国地区经济增长的条件收敛进行了估计，引入空间变量后，也发现条件收敛速度有所减小，并且发现投资是影响收敛与否的突出因素。上述都是国内近年来出现的将经济地理因素纳入地区差距的相关研究，总体的研究结论是：经济地理因素在地区经济中有重要作用。而技术溢出的作用在空间上应该直接，TFP度量便是一种广义的技术因素。但具体到生产率尤其是全要素生产率地区差距的方面的研究还比较少提及经济地理的因素。刘旭华等（2004）将空间要素纳入区域生产率增长的研究，运用区域经济空间动态发展模型研究了改革开放至1998年的区域劳动生产率（第二产业）增长率，发现地区间经济的相互联系越来越密切，并且如果固定其他因素较落后地区生产率增长率会比先进地区更高（即地区生产率存在条件收敛），经济总量、“后发优势”等是影响生产力提高的重要因素。吴玉鸣等（2006年）曾对中国区域工业全要素生产率进行了空间计量的分析，实证结果比较符合发展实际，地理空间因素对单要素生产率和全要素生产率都产生了影响，且省区工业企业存在着空间集聚的现象，地区差异显著。本文的研究对象是省区间农业全要素生产率水平地区差异的影响因素，由于农业生产对土地要素的依赖比较强，邻近地区的技术扩散相对更加容易，技术溢出效果也会更为明显，且有研究指出：即使传统方法估计出的β值是显著负的，但也只能是地区间收敛的一个必要条件而非充要条件（Sakamoto等,2006）。因而在以往研究的基础上，引入空间地理因素，控制住邻近地区的影响，使用空间模型的方法来考察地区间农业生产率的差异以及可能影响生产率变化的因素。二、方法1111、生产率测算方法：生产率测算的方法大体上可以分为参数和非参数方法。两者相比较，参数方法虽然可以直接测算出样本期间内各地区的农业全要素生产率水平，但使用参数方法测算，都是基于一些比较严格的假定的基础之上的，而非参数的方法往往无需这些严格的假定，直接可以得到的是全要素生产率的增长，可以用来研究每个DMU的全要素生产率的变化情况，或者比较各个主体生产率的增长情况，但是在投入和产出价格信息比较难以获得的情况下，全要素生产率的绝对水平是没有办法得到的，所以也很难去比较不同个体间生产率绝对水平的高低和差距。本研究旨在研究各个不同时期内地区间的农业全要素生产率水平的地区差异及影响因素，而鉴于参数和非参数方法各自的优缺点，将采用基于非参数相对生产率水平的测算方法即双边的相对Malmqutist生产率指数（bilateralrelativeMalmquistproductivityindex—BRMPI）来测算各地区相对农业全要素生产率水平。这种方法可以不需参数方法的各种前提假定，又可以得到各个地区某时期内的相对生产率水平，为研究地区农业TFP水平差距奠定了基础。具体测算过程如下：第一步，为了比较每个DMU在同一时段的生产率水平，构建下列模型：对任意的k和t，1≤k≤n，1≤t≤T：定义一个n个虚拟的决策单元{DDMUit}t1≤i≤n，和一个虚拟的时间段tt，在时间段t内所有的虚拟决策单元DDMU与某一个DMUkt拥有同样的投入和产出。而在虚拟时间段tt，对所有的1≤i≤n时，DDMUit与DMUit是同样的生产点。这样就有两个生产可能性集：时间段t的生产可能性集PPS1k={{DMUit}t1≤i≤n，{DDMUit}t1≤i≤n}t；虚拟时间段的生产可能性集PPS2k={{DMUit}t1≤i≤n,，{DDMUit}tt1≤i≤n}tt。（每个生产前沿面都有2n个决策单元）值得注意的是分别由这两个生产可能性集所决定的两个生产前沿面与仅由生产可能性集{DMUit}t1≤i≤n所决定的生产前沿面是相同的。然后运用Malmquist指数方法测算时期t和tt内的2n个DMU的效率，就可以得到对所有的1≤k，i≤n都有的双边的相对Malmquist生产率指数，记为BRMPIki，代表的是时期t内DMUi相对于DMUk的生产率水平。对所有的k=1,2,…,n，重复上面的过程就可以得到n×n个MPI来反应可以用于直接比较的相对生产率水平指标。所有的两个DMU之间的生产率水平的比较可以用下面的BRMPI矩阵来表示：BRMPI11,BRMPI12,…,BRMPI1nBRMPI21,BRMPI22,…,BRMPI2nBRMPI=…….………….……BRMPIn1,BRMPIn2,…,BRMPInn第一行的每个元素代表所有DMU相对于第一个DMU的生产率水平，……第n行的每个元素代表所有DMU相对于第n个DMU的生产率水平。在使用该方法进行某时点上多元比较的时候，需要注意一个传递性的问题，以保证多元比较的内部一致性，也就是说直接比较任何两个单元s和t的结果，和通过另外一个第三个单元来间接比较s和t的结果应该是一样的，即对任意一个r,，1≤r≤n，都有：BRMPIst=BRMPIsr×BRMPIrt。第二步构造全要素生产率水平面板数据集，通过使用上述的BRMPI的方法我们可以测算出基期年份各地区相对于某一个地区的全要素生产率水平，然后进一步通过普通的Malmquist生产率指数，测算出各个地区每年相对于上一年的的全要素生产率的指数。最后将所得到的基期年份相对生产率水平与生产率指数相乘得到每个地区在所有的样本期间内的相对生产率水平，即一个面板数据特征的相对全要素生产率水平集合。在测算省际地区农业全要素生产率水平时，本文选取北京地区作为DMUk，即测算出来的基期年份农业TFP相对水平是各地区相对于北京地区的相对TFP水平。而对于严格来说接下来的样本期间内各地区的TFP相对水平应该在基期年份相对水平的基础上乘以各地区的莫氏增长指数再除以北京的莫氏增长指数。而采用新方法测算一方