何玉成，闫桂权，杨 雪

（华中农业大学经济管理学院，武汉 430070）

一、引 言

我国是桑蚕茧生产大国，桑蚕茧产业兼具生态环保、出口创汇等特性，是推动农业发展、农村稳定、农民致富的重要途径和地方经济发展的支柱产业（张晴等，2008）。随城镇化、工业化进程深入推进，我国东中西部桑蚕茧产业发展比较优势差异显著，为顺应产业区域迁移趋势，商务部于2006年启动“东桑西移”工程，桑蚕茧生产中心由东部向中西部转移（胡小平等，2007）。“东桑西移”工程启动对我国尤其是中西部地区生产效率提升发挥促进作用（胡兴明等，2011）。桑蚕茧产业发展将助力中西部地区“精准扶贫”及生态文明建设持续开展。

目前，我国进入全面建成小康社会决胜阶段，中等收入群体持续扩大，中高端消费需求快速增长，纺织品消费结构升级，国内丝绸消费市场前景广阔（商务部市场运行和消费促进司，2018）。但我国桑蚕茧生产持续放缓，与茧丝绸产业关系密切的桑蚕茧生产基础薄弱。根据商务部和《中国丝绸年鉴》统计数据，我国桑园面积自2013年连续5年减少，平均降幅0.78%，最大降幅达3.45%；2017年全国桑园面积11.831万公顷，较上年减少0.6%，其中，西部地区较上年同期上升1.7%，东中部地区桑园面积分别下降8.8%和0.8%。蚕种发种量自2013年连续4年降低，平均降幅为1.92%，最大降幅达2.47%；2017年蚕种发种量1 591.6万张，较上年上升2.8%。桑蚕茧生产量自2011年连续5年减少，平均降幅为1.44%，最大降幅达2.74%；2017年桑蚕茧生产量止降回升，产量为64.3万吨，较上年上升3.6%。为满足国际国内消费需求，确保市场有效供给，商务部2016年印发的《茧丝绸行业“十三五”发展纲要》指出，“十三五”期间我国年均桑（柞）蚕茧产量应稳定于75万吨左右（商务部市场运行和消费促进司，2018）。在我国宏观经济增速放缓、国际消费需求疲软、产业下行压力增大背景下，桑蚕茧产业面临的土地约束、劳动力供给收紧等瓶颈亟待突破，充分挖掘东部蚕区桑蚕茧生产潜力，巩固提升作为优质蚕桑基地的中西部蚕区生产效率，成为解决上述产业问题、保证桑蚕茧产量、稳定产业发展的重要途径，对于实现“东桑西移”工程提出的“稳定东部、提升中部、发展西部”的桑蚕茧产业发展构想意义重大。

鉴于此，有必要持续关注“东桑西移”工程启动以来我国桑蚕茧生产效率时空差异与动态演进，探析生产效率影响因素。胡兴明等（2011）采用DEA-Malmquist指数法分析我国14个省份2001～2008年桑蚕茧生产全要素生产率，研究发现中西部蚕区全要素生产率增长较快，“东桑西移”工程对中西部蚕区技术效率发挥积极作用；宋长鸣等（2011）运用超越对数函数随机前沿分析方法测算我国16个省份2003～2008年桑蚕茧技术效率和生产弹性，结果表明桑蚕茧平均技术效率呈下降趋势，各蚕区存在不同程度技术效率水平损失；赵明等（2018）借助超效率DEA模型测算我国15个省份2014年桑蚕茧生产效率，提出以城镇化率、教育水平、农林水支出和人均工业产值构建Tobit两阶段模型，探讨桑蚕茧生产效率主要影响因素。

总体而言，我国其他大宗农产品生产效率研究成果深入且有效，桑蚕茧生产效率研究相对匮乏，研究范围存在局限。就计量方法而言，主要采用基于数据包络分析（DEA）的非参数方法，采用基于随机前沿生产函数模型（SFA）参数方法的研究成果较少，DEA和SFA方法优势分别体现于效率指数分解和效率影响因素方面，二者结合运用可实现优势互补、全面考查（李双杰等，2009；谢杰等，2018）；就考查时期而言，已有研究样本多为2009年前，难以反映桑蚕茧生产效率时空差异与动态演进，目前我国桑蚕茧产业环境变化巨大，“东桑西移”工程对于桑蚕茧生产效率是否持续发挥积极作用有待探讨；就SFA方法随机前沿函数和技术无效率函数设定而言，存在技术效率影响因素考虑不全面、选择不合理的缺陷，选择角度较单一；就研究内容而言，现有文献主要考查“东桑西移”背景下我国东中西部蚕区桑蚕茧生产效率变迁，鲜少考虑其对主要、次要及零星蚕区动态影响。

基于此，本研究拟借助超效率DEA模型、Malmqusit指数方法测算和分解2009～2016年我国15个主要桑蚕茧生产省份生产效率，系统考查“东桑西移”背景下我国桑蚕茧生产效率时空差异与动态演进，并构建SFA-Translog生产函数，从多角度设定效率损失函数，深入挖掘我国桑蚕茧生产效率影响因素，并据此提出相关政策启示以供参考。

二、数据说明、指标选取与研究模型

（一）数据说明与指标选取

桑蚕茧生产效率评价主要体现于要素投入产出关系，投入包括劳动力、土地和资本等，产出包括单位面积桑蚕茧主产品产量等。参照已有研究成果（亢霞等，2005）选取桑蚕茧生产投入与产出指标（见表1）。农产品生产过程中投入要素需兼顾质量与数量，因此以费用金额代表投入要素具有一定合理性（崔静等，2011）。为消除物价波动影响，各投入要素CPI折实后引入模型。

表1 投入产出指标体系

生产效率影响因素众多，借鉴田伟等（2009）、鲁强（2017）研究成果，结合指标的可测量性和独立性、数据的可获得性和可操作性原则，从区域与时序因素、生产因素和环境因素三方面选取自变量构建技术无效率函数（见表2）。部分指标根据年鉴数据整理计算，采用相邻年份插值法补齐个别年份缺失数据。

表2 技术无效率函数指标体系

本文选取2009～2016年广西、四川、江苏、浙江、云南和广东等15个生产桑蚕茧省份面板数据，样本量为120。上述省份2016年桑蚕茧产量占全国桑蚕茧总产量99.19%，样本涵盖我国各类蚕区，具有一定代表性，可反映近年桑蚕茧生产技术效率变化。根据我国官方统计资料蚕区划定方式，可依据桑蚕茧年产量将桑蚕茧省份划分为主要、次要和零星蚕区。年产桑蚕茧2万吨（含2万吨）以上为主要蚕区，2万吨以下、3 000吨（含3 000吨）以上为次要蚕区，3 000吨以下为零星蚕区。此外，本文借鉴相关研究，根据区域经济发展水平将我国生产桑蚕茧省份划分为东部、中部和西部蚕区（见表3）。本文数据来自2009～2016年《全国农产品成本收益资料汇编》《中国统计年鉴》《中国农村统计年鉴》《中国环境统计年鉴》《中国教育统计年鉴》和《中国丝绸年鉴》。

表3 蚕区划分情况

（二）研究模型

生产前沿分析方法是测算技术效率（Technical Efficiency，TE）水平的常用方法，从参数估计方法角度看，根据生产前沿依靠生产函数具体形式是否已知，可将生产前沿分析划分为以数据包络分析（Data Envelope Analysis，DEA）为代表的非参数方法和以随机前沿分析（Stochastic Frontier Analysis，SFA）为代表的参数方法（李双杰等，2009；亢霞等，2005）。

DEA方法由Charnes等（1978）提出，该方法无需预先设定生产函数形式，不受输入输出量纲影响，基于线性规划方法确定相同决策单元（DMU，Decision Making Unit）相对有效的生产前沿面，将各DMU投影至DEA生产前沿面上，并通过比较DMU偏离DEA前沿面程度评价生产相对有效性。

Anderson等（1993）提出超效率DEA（Super-efficiency DEA）模型，该模型计算出的效率值可超过1，以区分效率值为1的DMU，解决一般DEA方法难以比较效率的问题；非有效评价单元生产前沿不改变，效率值与一般DEA方法相同。

DEA方法或超效率DEA模型仅测算全要素生产率在同一时间生产前沿面相对技术效率，为静态横向比较，无法动态评价全要素生产率。Malmqusit指数分解方法由Caves等（1982）及Färe等（1997）引入生产分析，该方法基于静态DEA方法，利用不同时期DMU生产点与几何平均值距离动态测算DMU效率变动情况。可将桑蚕茧全要素生产率变化（TFPC）来源分解为技术效率变化（Technical Efficiency Change，TEC）和技术进步变化（Technical Change，TC）。技术效率变化（TEC）可分解为纯技术效率变化（Pure Technical Efficiency Change，PTEC）及规模效率变化（Scale Efficiency Change，SEC）。

Meeusen等（1977）及Aigner等（1977）提出随机前沿分析（SFA）方法，Battese等（1995）和Kumbhakar等（2000）进一步完善后，SFA成为测算技术效率水平的有效工具。超越对数生产函数假定弹性可变，相较于C-D生产函数，超越对数生产函数可解释更多经济问题（胡逸文等，2016）；相较于DEA，SFA可精确描述农业生产过程，可将随机因素纳入生产前沿面考查范围，考虑随机因素对农业产出影响（李谷成等，2010）。由于不了解各种桑蚕茧投入要素替代弹性，本文选择超越对数生产函数作为桑蚕茧生产效率分析模型，表达式如下：

式（1）中，Lit、Mit、Kit、Pit、Sit和Fit分别代表第i个蚕区在t时期的劳动力、土地、资本、农药、种子和化肥投入；T为时间变量，用以衡量技术效率变化时间趋势，待估参数为技术效率递减随机因素，vit为经典误差项，即v～iid.N(0 ,)，测度误差及不可控随机因素；非效率误差项uit是独立于vit的非负随机变量，u～iid.N+(0 ,)，表示技术无效率对桑蚕茧生产的影响； βk（i=1,2,…,36）为待估参数，本文构建效率损失函数模型：

其中，δk（k=1,2,…,11）为待估参数，其取值反映特定技术无效率变量对桑蚕茧生产的影响，investmentit-1代表第i个省份支援农村生产支出占地方财政预算支出比重，因此考虑滞后一期。由于效率损失函数中大多数变量为无量纲，因此本文标准化处理变量profession、machine和economy。

三、中国桑蚕茧生产效率实证分析

选择2009～2016年我国15个桑蚕茧生产省份作为DMU，首先，构建基于投入导向规模报酬可变（VRS）的超效率DEA模型测算桑蚕茧静态生产效率；其次，利用Malmqusit指数分解方法分解生产效率，将桑蚕茧全要素生产率变化（TFPC）分解为技术效率变化（TEC）、技术进步变化（TC）、纯技术效率变化（PTEC）以及规模效率变化（SEC）；最后，估计SFA-Translog生产函数及效率损失函数，分析投入要素及效率损失因素的影响。

（一）生产效率静态时空差异分析

由表4可知，我国桑蚕茧生产效率总体呈下降态势，2016年开始回升。

（1）就全国而言，超效率值均值为0.871，考查期内变动幅度较大，超效率值在2009年达最高值1.322，2015年降至最低值0.689，与有效值存在3.11%的差距空间。

（2）就具体省份而言，仅河南、甘肃和陕西三省达DEA有效；整体水平差距较大，7个省超效率值低于全国平均值，江苏省超效率值均值最低，仅0.546，上述省份与有效生产前沿面仍存在差距，需提升桑蚕茧生产效率；2009～2010年河南和湖北省效率值大幅降低，广西则大幅提升；陕西、江西和四川省超效率值变动幅度较小，2015～2016年我国生产效率总体回升，河南和甘肃省超效率值大幅提升，陕西省小幅提升，三省均达DEA有效状态，生产效率不同程度改善。

（3）据年产桑蚕茧数量划分蚕区而言，主要蚕区实际平均产出仅为理想产出的77.6%，且超效率值连续下降，平均降幅为7.77%，最大降幅高达22.4%，表明我国主要蚕区投入-产出转换能力弱化；我国零星蚕区效率最高，均值为1.022，达DEA有效，次要蚕区次之，均值为0.890，两蚕区2015～2016年均出现回升。

（4）依据区域经济划分蚕区，东部蚕区超效率值均值仅0.679，且超效率值不断下降；中部蚕区超效率值均值为0.975，接近生产前沿面，西部蚕区超效率值均值为0.913，表明“东桑西移”工程启动以来，中西部蚕区实际投入-产出转换能力强于东部蚕区，对我国桑蚕茧产业发展贡献较大；同时中西部蚕区超效率值变动频繁，不利于桑蚕茧产业稳定发展。

表4 我国生产桑蚕茧省份及各蚕区生产效率超效率值与排名

（二）生产效率动态时空差异分析

在采用超效率DEA静态分析桑蚕茧生产效率基础上，进一步探究生产效率动态变化。经测算2009～2016年不同蚕区及桑蚕茧省份桑蚕茧生产效率Malmquist指数变化及其分解情况见表5～7。

（1）就全国而言，由2009～2016年我国桑蚕茧全要素生产率变动（TFPC）可知，全国年均增长率为-15.8%，各年桑蚕茧投入-产出转化能力呈下行状态。从TFPC结构看，全国TEC和TC平均变化分别为0.7%和-16.4%，可见我国桑蚕茧全要素生产率呈负增长是技术效率缓慢提升和生产技术快速退步共同作用结果，桑蚕茧生产不仅需重视“量”的提升，还需“质”的改善。从TFPC变化看，TFPC负增长态势逐年放缓；TC变动较大，且与TFPC变动趋势呈较强一致性，表明桑蚕茧技术退步或技术创新能力弱化是导致TFPC波动的主要原因；在TEC对TFPC恢复提振作用减弱条件下，技术退步速度放缓可阻止全要素生产率进一步下滑。此外，TEC改善得益于规模效率提升，全国SEC平均增长率0.7%，增长率逐年提高，桑蚕茧生产总体处于规模报酬递增阶段。

表5 依据年产桑蚕茧数量划分蚕区桑蚕茧生产效率Malmquist指数变化及其分解

（2）据年产桑蚕茧数量划分蚕区，2009～2016年三类蚕区TFPC均值均小于1，次要蚕区全要素生产率负增长最严重，主要蚕区次之，零星蚕区最小。零星蚕区技术效率基本保持不变（TEC=1），主要蚕区负增长（TEC=0.991），次要蚕区正增长（TEC=1.012）。三类蚕区TC均值均小于1，次要蚕区生产技术退步较严重，主要蚕区次之，零星蚕区较轻微。主要受技术退步速度下降影响，三类蚕区全要素生产率负增长放缓，次要蚕区2015～2016年得到改善（TFPC＞1），主要蚕区全要素生产率恢复过程相对平稳且缓慢。进一步分解各蚕区TEC，其技术效率均受规模效益变化影响。

（3）据区域经济划分蚕区，三个蚕区TFPC均值均小于1，表明各蚕区桑蚕茧全要素生产率存在不同程度负增长，其中西部蚕区最大，中部蚕区次之，东部蚕区最小。原因是各蚕区技术效率和技术进步均出现负增长。而各蚕区全要素生产率下行态势逐年放缓，中部蚕区在2014～2015年得到改善（TFPC＞1），而西部蚕区则相对平稳且恢复较慢；主要因各蚕区TEC在2012年后出现正增长，而TC负增长得到改善。进一步分解TEC，各蚕区技术效率恢复正增长源于规模效率从负增长放缓至正增长及纯技术效率保持稳定。

（4）就具体省份而言，除重庆、陕西、河南和甘肃省技术效率保持不变（TEC=1）外，山西和广西技术效率下降（TEC＜1），其他省份技术效率均不同程度改善（TEC＞1），其中安徽和浙江省改善最明显。由于纯技术效率未改进，各省份技术效率变动主要来自规模效率变化，尤其是技术效率改善省份桑蚕茧生产规模不断接近最优规模。2009～2016年间15个省份全要素生产率（TFPC）均小于1，主要原因为各省份生产技术退步，作为主要蚕区的广西、广东和江苏技术退步较严重。

表6 依据区域经济划分蚕区桑蚕茧生产效率Malmquist指数变化及其分解

表7 生产桑蚕茧省份生产效率Malmquist指数变化及其分解

（三）生产效率影响因素分析

根据设定的生产函数和效率损失函数，采用Frontier 4.1估计参数。由表8可知，σ2值和LR检验均在1%统计水平下显著，桑蚕茧生产存在技术非效率情况，应用SFA方法具有合理性。γ值近似为1（γ=0.999 911 65），且在1%统计水平下显著，说明复合扰动项变异绝大部分可由技术非效率u解释，技术无效项占比99.99%，仅0.01%来自统计随机误差等外部影响，因此利用超越对数生产函数具有有效性。

劳动力投入（L）、资本投入（K）、农药投入（P）、种子投入（S）和化肥投入（F）分别在1%和5%统计水平下显著。其中，劳动力投入与桑蚕茧单位面积产量负相关，可初步判定自实施“东桑西移”工程以来，桑蚕茧生产向中西部转移过程中，充分利用中西部富余劳动力的同时，存在劳动力投入过剩，且目前蚕区小规模精耕细作生产方式导致桑蚕茧边际产出较小；资本投入与桑蚕茧单产正相关，在蚕种繁育、桑蚕饲育过程中依赖蚕室、蚕具和必要保温加热设备，即桑蚕茧生产固定资产投入有助于实现生产适度规模化，进而增加产量；而不同农资对桑蚕茧生产影响效果不同，农药和化肥投入与桑蚕茧单产负相关，种子投入与其正相关，说明种子投入对于桑蚕茧生产仍具正效应，桑树栽培过程中存在农药和化肥过度使用情况，单纯增加农药和化肥投入难以提高单产，提升桑蚕茧生产技术水平势在必行。土地投入（M）与桑蚕茧单产正相关但不显著。

表8 SFA-Translog生产函数参数估计

由表9可知，在桑蚕茧生产环境因素中，经济发展水平（economy）、农业发展水平（agriculture）及政府投入强度（investment）对桑蚕茧生产技术效率具有显著正效应。因此，经济发展水平和农业发展水平越高，桑蚕茧生产技术效率辐射作用越显著（张晴等，2018），此外，地方政府支持农村生产力度可一定程度带动桑蚕茧生产。农业经济发展水平与政府投入强度可显著提升地区农业科技水平，桑园栽培、水肥管理技术、桑果和桑叶采摘技术、蚕种质资源培育技术、幼蚕或大蚕自动养殖技术体系等技术条件改善显著影响桑蚕茧生产效率（张晴等，2018）。自然受灾程度（disaster）对桑蚕茧生产技术效率无显著影响。一方面，由于桑树和桑蚕具有不同生物学特性，如旱灾、洪涝、风雹、冷冻和台风直接影响桑树种植，蚕种发育和桑蚕饲育期内，自然灾害主要为冷冻灾，蚕种培育及桑蚕饲育过程通常需要专门蚕室及必要保温设备和加温措施，可一定程度控制灾害影响；另一方面，根据蚕区生产条件选育多样化蚕品种，积极推广强健性优良蚕品种，使蚕种具备强健易养、抗病、抗不良条件的特性，农业自然灾害对桑蚕养殖及本文计量产出所用的主产品蚕茧仅存在微弱间接影响（张晴等，2018）。此外，人力资本水平（human）未显著影响桑蚕茧生产技术效率。

在桑蚕茧生产区域与时序因素中，时序变量（t）在5%统计水平下显著为正，即近年我国桑蚕茧生产技术效率未随时间推移而进步，印证利用超效率DEA模型和Malmqusit指数分解得出2009～2016年桑蚕茧投入-产出转化能力呈下降趋势、全要素生产率负增长的结论；蚕区地位虚拟变量（major）在5%统计水平下显著为负，表明不同规模蚕区桑蚕茧生产技术效率差异显著，即零星蚕区生产技术效率大于次要蚕区，主要蚕区生产技术效率最低，印证超效率DEA模型结论；而经济区域变量（area）不显著，因此不同经济区域桑蚕茧生产省份生产技术效率无显著地域差异。

在桑蚕茧生产因素中，劳动力专业化水平（profession）、农业机械化水平（machine）及农田水利化水平（water）在1%统计水平下显著为正，对桑蚕茧生产技术效率提升均具促进作用（张晴等，2018）。桑蚕茧生产农户具备桑树栽培、桑蚕饲育经验，通过推广应用先进农技，农户生产专业化水平可进一步提高；同时从侧面解释“人力资本水平对桑蚕茧生产技术效率无显著影响”的结论，即农民非职业教育水平提升未显著提升农民桑蚕茧生产技术效率，而经验和类似职业教育的农技推广通过提高农民专业化水平，进而提高桑蚕茧生产技术效率。农业机械化对劳动力具有一定释放效应，农业机械适度替代劳动要素，有利于提高适度规模化经营程度和农业生产力。因此，农业机械化水平提升可提高桑蚕茧生产技术效率。农田水利化建设在降低自然灾害发生率、调整农作物种植结构、增加桑树栽培面积、促进桑园水肥管理水平提升方面具有正向作用，因此农田水利设施越完善，桑蚕茧综合生产能力越强。

表9 技术无效率函数参数估计结果

四、研究结论及政策建议

本文选择2009～2016年我国15个桑蚕茧生产省份作为决策单元（DMU），首先，构建基于投入导向规模报酬可变的超效率DEA模型测算桑蚕茧静态生产效率，其次，利用Malmqusit指数分解方法分解桑蚕茧全要素生产率变化，最后，估计随机前沿分析超越对数（SFA-Translog）生产函数及效率损失函数。

（一）研究结论

1.我国桑蚕茧生产技术效率存在静态时空差异

就全国而言，整体生产技术效率与有效生产前沿面存在3.11%差距；就具体省份而言，仅河南、甘肃和陕西三省达DEA有效，大部分省份DEA非有效，陕西、江西和四川省变动超效率值幅度较小；就依据年产桑蚕茧数量划分蚕区而言，主要蚕区实际平均产出仅为理想产出的77.6%，零星蚕区效率最高且达DEA有效；就依据区域经济划分蚕区而言，中西部蚕区实际投入-产出转换能力强于东部蚕区，但各蚕区均未达生产前沿面，超效率值连续下行。

2.我国桑蚕茧生产技术效率存在动态时空差异

就全国而言，各年桑蚕茧投入-产出转化能力呈下降趋势，桑蚕茧技术退步或技术创新能力弱化是全要素生产率下降主要原因，技术效率改善得益于规模效率提升，且我国桑蚕茧生产总体处于规模报酬递增阶段；就依据年产桑蚕茧数量划分蚕区而言，次要蚕区全要素生产率负增长最严重，主要蚕区次之，零星蚕区最小，零星蚕区技术效率基本保持不变，主要蚕区负增长，次要蚕区正增长，次要蚕区生产技术退步情况较严重，主要蚕区次之，零星蚕区较轻微；就依据区域经济划分蚕区而言，各蚕区桑蚕茧全要素生产率均不同程度负增长，西部蚕区最大，中部蚕区次之，东部蚕区最小；就具体省份而言，除重庆、陕西、河南和甘肃省技术效率保持不变，山西和广西技术效率下降，其他省份均不同程度改善，安徽和浙江省改善最明显。

3.我国桑蚕茧生产存在技术非效率情况

复合扰动项变异绝大部分可由技术非效率u解释，技术无效项占比99.99%；在我国桑蚕茧生产环境因素中，经济发展水平、农业发展水平及政府投入强度对桑蚕茧生产技术效率具有显著正效应；在桑蚕茧生产区域与时序因素中，时序变量和蚕区地位虚拟变量均显著，即桑蚕茧生产技术效率未随时间推移而进步，且不同规模蚕区桑蚕茧生产技术效率差异显著；桑蚕茧生产因素中，劳动力专业化水平、农业机械化水平及农田水利化水平均显著为正，对桑蚕茧生产技术效率提升具有促进作用。

（二）政策建议

（1）加大桑蚕茧生产资金扶持力度，改善中西部地区桑蚕茧生产条件，推进农田水利化和农业机械化；（2）优化产业布局，实现区域协作与专业分工，充分发挥中西部地区丰裕耕地资源、优越生态环境和充足人力资源等方面优势，推进适度化规模经营、集约生产，提升中西部蚕区生产效率，稳定中西部优质茧丝基地发展；（3）引进优质桑苗，保证桑苗抗病性和抗逆性；强化桑园水肥管理，保证桑苗生长环境免受污染侵害；（4）加大新品种繁育研发投入，培育并选用优质桑蚕品种，提高蚕茧、生丝质量，增加植桑养蚕经济效益；（5）建立健全桑蚕茧科技创新体系和技术推广、服务体系建设，加快技术推广应用，提高植桑养蚕技术水平，依靠技术进步实现桑蚕茧生产效率提升。