APP下载

中国农业全要素生产率增长收敛吗?
——基于空间视角的分析

2021-02-01史常亮

内蒙古社会科学(汉文版) 2021年1期
关键词:收敛性省份效应

史常亮,张 益

(1.湖南省社会科学院 经济研究所,湖南 长沙 410003;2.农业农村部农村经济研究中心,北京 100810)

改革开放40多年来,中国农业发展取得了巨大成就,1978年至2019年,农林牧渔业总产值的平均增速高达5.32%。但是,在高速增长的同时,各省份和地区间的农业发展差距也被不断拉大,并成为整个区域发展不平衡的重要来源。区域农业发展不平衡不仅会降低高增长带来的福利,而且会产生一系列社会问题。因此,如何协调区域农业平衡发展、缩小地区间农业发展差距,事关广大农民的根本福祉,并直接影响着农业现代化发展。

国家或地区间经济发展水平的差异在很大程度上源于全要素生产率(Total Factor Productivity,简写为TFP)的差异。[1][2]因此,研究农业TFP是深入理解地区间农业发展差距的必要条件。检验收敛性假说在中国农业TFP增长中是否成立,也就是检验中国地区间农业发展差距是否存在缩小的可能。按照经济增长收敛理论[3],如果农业TFP增长是收敛的,那么农业发展的地区差距在长期中也将会逐渐缩小。目前,已有大量文献对中国农业TFP增长收敛假说进行了检验,但这些研究大多基于新古典收敛理论分析框架,各地区被看成是相互独立的个体,忽略了地区之间的空间关联性。由于资本、劳动力等要素的频繁流动及技术扩散、溢出效应的存在,不同经济体在空间上往往存在着联系。空间经济学的相关研究表明,由于空间相互作用的存在,空间效应在收敛研究中不能被忽略,否则将导致对模型收敛结果的有偏估计。[4]

为考究空间效应对中国农业TFP增长收敛机制的影响,本文从方法调整入手,将地理空间因素纳入农业TFP收敛性研究中,采用空间杜宾模型来估计中国农业TFP增长的收敛性,这不仅为揭示我国农业TFP的时空演变规律提供新的分析范式和经验证据,也有助于我们从新的视角理解当前中国农业经济增长的基本特征和规律,为促进农业区域协调发展提供重要的理论基础和决策依据。

一、文献述评

本文的研究与两类文献直接相关。第一类是关于农业TFP测算的研究。现有关于中国农业TFP测算的文献十分丰富,但不同的研究得到的结果差异很大,最高结果与最低结果相差达十余倍。产生这一差异与两个方面的原因有关。

一是测算方法的选择。目前,宏观层面测算TFP的方法主要有索罗余值法和生产前沿面方法。由于索洛余值法的完全效率假设不适宜发展中国家,所以大部分研究都倾向于使用生产前沿面方法。按照是否采用参数估计,生产前沿面方法又可分为非参数的数据包络分析法(DEA)和参数的随机前沿分析法(SFA)。关于DEA的缺陷及其在农业领域的应用情况,史常亮等人(2016)已进行了总结[5],不再赘述。SFA虽然与农业生产的本质特征更加吻合,但是其对技术进步和规模变化的分解不满足“费雪理想指数”,可能存在分解有偏的问题。[6]还有个别文献将SFA方法与Malmquist生产率指数相结合,得到SFA-Malmquist指数,前提是需要事先假定规模报酬不变[7],否则不仅难以准确测度规模经济形成的TFP变化,而且对技术进步和技术效率变化的分解也是有偏的。[8](PP.297~299)二是对资本投入变量的处理。资本存量是测算TFP重要的投入变量之一。由于现行公开统计资料中没有中国(尤其是省际层面)农业资本存量的直接数据,因此如何准确估计该变量变得十分关键。囿于数据可得性,已有文献使用拖拉机数量、农业机械总动力、中间投入或物质费用、农村生产性固定资产原值、农业固定资产投资等来近似替代农业资本投入,但均被证明并不是农业资本的理想替代变量。[9]农业TFP的大小与资本存量度量的精确度紧密相关,如果不能得到稳健的资本存量数据,那么后续TFP测算结果也将会缺乏说服力。

与本文相关的另一类文献是关于中国农业TFP收敛性的研究。韩晓燕和翟印礼(2005)在国内较早运用Barro回归方程研究了农业TFP的收敛性。[10]随后,一些与此相关的文献不断涌现,但从未达成一致看法。一方面,大部分研究都支持中国农业TFP增长存在σ收敛或β收敛。[10][11][12]另一方面,部分文献认为,中国农业TFP增长并没有收敛的迹象,而是呈现发散态势。[13][14]近年来,有学者尝试采用新的方法来研究中国农业TFP的收敛问题[5][15],但分歧依然存在。另需注意的是,在上述研究中,地区之间通常被假定是彼此独立的,收敛检验均未考虑地理空间的作用。与其他产业相比,农业生产对自然条件具有高度依赖性,邻近地区往往由于地理环境较为相似,农业增长表现出一定的空间相关性。劳动力的跨区域流动,高速公路等交通基础设施建设,互联网、移动通信工具等信息化手段的日益改善以及农业社会化服务的快速发展,进一步强化了空间联系。实证研究表明,中国省际农业TFP增长存在显著的空间依赖性[16],忽略了空间效应造成收敛结果出现偏误的问题。[17]

综上所述,尽管已有文献对中国农业TFP测算及其收敛性进行了较多探讨,但仍然存在深入研究的空间。本文从两个方面对已有研究进行补充。一是基于生产前沿面方法,利用区分地区异质性的真实固定效应SFA模型和考虑了规模经济效益的广义Malmquist生产率指数,对改革开放以来中国农业TFP的增长情况进行测算,改进了农业TFP测算方法;二是通过设置考虑地理、经济距离在内的多种空间权重矩阵,将空间因素引入农业TFP收敛性检验中,以揭示空间效应对中国农业TFP收敛机制的影响。

二、模型设定和变量说明

(一)模型设定

1.全要素生产率测算模型 与已有研究不同,本文采用SFA与广义Malmquist生产率指数相结合的方法,对中国农业TFP及其各成分变化进行测算。广义Malmquist指数可以在生产技术呈现规模报酬可变的情形下实现对TFP变化更为全面和准确的测量,有效地克服了传统Malmquist指数对TFP分解的偏误或不完全问题,将之与SFA方法相结合使用,不仅避免了DEA未考虑随机因素的缺陷,还更加吻合农业生产的本质特征,能够有效规避常规SFA分解中的非“费雪理想指数”问题,准确地认识我国农业TFP增长情况。面板SFA模型的基本形式为:

lnyit=lnf(xkit;φ)+νit-μit

(1)

在式(1)中,i代表生产单元,t代表时期,yit为生产单元i在时期t被实际观察到的产出水平,f(·)是具有完全效率的生产前沿函数,xkit与φ分别是投入要素向量和对应的系数,νit为随机误差项,μit为技术无效率项。假设μit服从特定的分布,并且可随时间变化,式(1)就是典型的时变SFA模型。进一步考虑地区经济发展水平差异,其技术水平也很可能不同,在式(1)中加入反映地区异质性的参数αi,得到式(2):

lnyit=αi+lnf(xkit;φ)+νit-μit

(2)

在式(2)中,αi代表地区异质性的截距项,即“个体效应”,随生产单元i而异。Greene(2005)称上述区分了地区异质性和无效率项的模型为真实固定效应(TFE)模型或真实随机效应(TRE)模型[18],二者的区别在于对αi的假设不同,即前者假设αi与解释变量x相关,后者则假设αi与x不相关。在实际应用中,可采用Hausman检验来判断使用何种模型。TFE模型和TRE模型同样允许技术无效率项μit可随时间变化,且没有限定μ的分布形式。

对式(2)可以用虚拟变量极大似然法进行估计。在得到模型参数后,利用JLMS技术便可获得生产单元i在时期t的技术效率:

TEit=exp {-E[μit|(νit-μit)]}

(3)

在此基础上,生产单元i从时期t到时期t+1的技术效率变化、技术变化、规模效率变化和TFP变化分别按照公式(4)~(7)计算得到。

根据Orea(2002)的研究[19],式(4)~(6)都可以由式(2)通过构造超越对数形式的距离函数方法推导得出。显然,与传统Malmquist指数测量的TFP变化(仅包括技术效率变化和技术变化两项)不同,式(7)测量的TFP变化能够在规模报酬可变条件下进一步分离出规模效率变化,对TFP变化的测量将更为全面。此外,由于式(5)和式(6)都是基于实际而非虚拟前沿面得到的,所以对技术变化与规模效率变化的分解也更为准确。

2.收敛检验模型 收敛包括σ收敛、β收敛和俱乐部收敛。本文主要讨论β收敛问题,这又可以分为绝对β收敛和条件β收敛,前者指初始TFP水平低的省份比TFP水平高的省份增长更快,二者之间存在“追赶效应”,最终所有省份的TFP将趋同于相同的稳态水平;后者指由于地理位置、资源禀赋、农业生产条件和经济基础等方面的差异,各省份TFP最终将趋同于各自的稳态水平。对β收敛的检验可按模型(8)和模型(9)进行。

在式(8)和式(9)中,Ait、Ai,t-1分别为生产单元i在第t期和第t-1期的农业TFP增长率,考虑到Malmquist指数测算的TFP为相对值,为避免动态指标无法直接进行回归和在0附近变动不显著而造成的计量不显著问题,将其转化为累积形式再放入模型;X表示影响农业TFP变动的其他因素;α、β、λ为待估计参数;ω为随机误差项。在式(8)中,如果β显著小于0,说明农业TFP增长具有绝对β收敛趋势,收敛速度为s=-ln(1+β),收敛的半生命周期即落后省份追赶上发达省份所需要的时间为τ=ln(2)/s。式(9)用于进一步检验农业TFP增长是否存在条件收敛趋势,即各省份农业TFP增长是否会根据各自的特定条件而收敛。

经典增长收敛理论假定各地区是封闭的,但由于地区之间农业生产要素的流动和机械跨区作业等,省际农业TFP增长往往表现出一定的空间相关性。为了能够真实刻画农业TFP增长这一特征,引入空间计量模型。空间杜宾模型不仅是研究空间效应的有效工具,而且无论原始数据满足何种数据生成过程,都能够保证模型参数的无偏估计。[20](PP.26~32)因此,本文主要采用空间杜宾模型对中国农业TFP增长的空间收敛性进行检验。模型设定为:

(二)数据来源

区别于已有文献,本文拟从改革开放至今40余年(1978年至2019年)的视角考察中国农业TFP的动态演化与收敛特征。使用的数据主要来源于《中国统计年鉴》《中国农村统计年鉴》《新中国六十年统计资料汇编》《改革开放三十年农业统计资料汇编》《中国国内生产总值核算历史资料(1952—1995、1996—2002)》(以下简称“历史资料”)和个别省份某些年份的统计年鉴。在分析时,我们将中国大陆的每个省份当作一个独立的生产单元,其中,由于西藏数据缺失严重,所以未包含在样本中,最终考察的样本省份共30个(1)虽然海南省、重庆市分别在1988年和1997年才设立,但是在《新中国六十年统计资料汇编》中将其作为省级单位提供了早年的数据,故本文并没有按照惯例对其进行合并处理。。

(三)变量说明

依据农业生产投入与产出的关系,本文选取以下指标对农业TFP进行测算。(1)总产出(Y):用剔除了“中间消耗”的第一产业增加值(1978年不变价)表示。(2)劳动投入(L):用第一产业从业人员(2)2009年后用从事第一产业劳动力数代替,数据来源于《中国农村经营管理统计年报》。衡量。(3)土地投入(S):用年末农作物播种面积表示。(4)资本投入(K):使用永续盘存法估算得到,即Kit=Ki,t-1+Iit/Pit-δKi,t-1。其中,投资(Iit)用第一产业固定资本总额(3)对于《历史资料》中缺失的1978年至1992年江西省、广东省数据,参考张勋和徐建国(2014)的方法(张勋、徐建国《中国资本回报率的再测算》,载《世界经济》2014年第8期)进行补齐;缺失的2003年及以后数据,以农林牧渔业固定资产投资占全社会固定资产投资比重为权重,乘以该时段的全社会固定资本形成总额补齐。衡量;资本折旧率(δ)统一取5.42%,这也是在同类文献中引用较高的参数[9];基期资本存量(Ki0)采用文献中惯用的处理方法,用各省份1978年的第一产业固定资本总额除以10%得到;固定资本价格缩减指数(Pit)用农业生产资料价格指数代替(四个直辖市及个别省份个别年份缺失的数据用全国指数替代)。

条件收敛回归方程中控制的因素包括:(1)有效灌溉率(pirr),用有效灌溉面积与农作物播种面积之比表示;(2)农业种植结构(str),用粮食作物播种面积占农作物播种总面积比重表示;(3)工业化率(ind),用工业增加值占地区生产总值比重表示;(4)财政支农力度(afs),用财政对农业支出总额占财政总支出比重表示;(5)农业地理集聚(agg),用各省份农作物播种面积占全国农作物播种总面积比重表示。

三、实证结果及分析

(一)中国农业TFP测算及增长特征分析

在估计式(2)之前,本文先利用Hausman检验判断应该采用随机效应模型还是固定效应模型,检验结果在1%显著性水平上拒绝了“随机效应模型更合适”的原假设,说明真实固定效应SFA模型更适合本文的数据结构。从表1估计结果可以看出,当控制住不可观测的地区异质性,并将其从无效率项中分离出来之后,大部分参数都表现出较强的统计显著性,模型拟合效果较为理想。检验真实固定效应SFA模型与传统面板SFA模型的LR统计量,在1%显著性水平下拒绝了“无地区异质性”的假定,说明各省份的异质性有必要包含在SFA模型中,本文模型设定合理。另外,无效率项和随机误差项的标准差比值λ为1.589,大于临界值1,并且非常显著,说明在复合扰动项中无效率项地位更为重要,技术效率损失的影响不可忽略。综上判断,本文运用真实固定效应SFA模型对省级农业生产函数进行拟合是必要且可靠的。

根据真实固定效应SFA模型估计结果,结合广义Malmquist生产率指数,将农业TFP增长分解为技术效率变化、技术进步和规模效率变化三部分。分解结果显示,1978年至2019年,中国农业TFP年均增长率为3.83%,这一增长主要得益于技术进步水平的稳步提高,其年均增长3.97%;技术效率贡献的作用十分微弱,其年均增长0.32%;规模效率年均下降0.45%,减缓了农业TFP的增长速度。进一步分析发现,样本期间内各要素产出弹性系数之和为0.592,Wald检验在1%显著性水平下拒绝了“规模报酬不变(即各要素产出弹性之和为1)”的原假设,这说明,平均而言,中国农业生产的规模报酬递减,即规模不经济是中国农业规模效率表现不佳的主要原因。

表1 真实固定效应SFA模型估计结果

图1给出了改革开放以来中国农业TFP及其各成分的变动轨迹。首先,每年计算得出的广义Malmquist指数值均大于1,说明自改革开放以来,中国农业TFP整体处于增长态势,但上升趋势并不稳定,前期波动较大,后期趋于平稳,与农业经济增速的换挡几乎同步。其次,从TFP趋势性特征看,过去40多年里,中国农业TFP增长呈现出明显的周期性波动特点,如果把TFP增长率从一个最低点到下一个最低点的过程看作一个周期,则样本期内中国农业TFP增长至少经历了三个周期,分别是1979年至1991年、1992年至2010年和2011年至今,这与整个农业增长的阶段和波动是高度一致的,也与中国农村经济制度的变迁相吻合。最后,从各时期农业TFP及其成分的增长情况看,不但不同时段的农业TFP增长速度存在差异,从第一阶段到第三阶段依次为4.50%、3.76%、3.02%,呈逐期递减趋势,而且在不同时段农业TFP增长的源泉也不同。其中,在第一、二阶段,TFP增长主要由技术进步与技术效率共同贡献,规模效率存在一定程度的恶化,到了第三阶段,规模效率继续处于恶化状态,并且技术效率指数也开始下降,TFP增长转变为完全由技术进步单独驱动。从理论上讲,纯粹依靠技术进步主导的经济增长模式成本较高,通常具有发散效应,易产生农户个体或者省份整体间的差距,造成不稳定因素。

(二)中国农业TFP增长空间收敛性检验

本文的主旨是探讨空间效应在中国农业TFP增长中的作用及其对农业TFP增长收敛性的影响。作为对比,我们先考察不包含空间效应的情形。由于本文使用的数据类型属于时间单元大于截面单元的长面板数据,误差项可能在截面单元和时间单元上相关,结合Hausman检验,我们使用具有双向固定效应的可行广义最小二乘法(FGLS)对收敛方程(8)和方程(9)进行估计,估计结果如表2所示。表2中第(1)至第(2)列的估计结果表明,中国省际农业TFP增长同时存在显著的绝对β收敛和条件β收敛趋势。其中,绝对收敛的速度是8.56%,半程收敛时间大约需要8.1年;条件收敛的速度为11.20%,半程收敛时间大约需要6.2年。条件收敛速度明显快于绝对收敛速度,这是因为前者考虑了各省份农业TFP增长初始条件的异质性。具体来看,有效灌溉率的估计系数显著为正,说明该因素的增加有利于各省份农业TFP的增长;而农业种植结构、工业化率、农业地理集聚的估计系数均显著为负,说明这些因素的变化对农业TFP增长有负面影响。

图1 1978年至2019年中国农业

由于传统收敛模型忽略了地区间的空间相关性,估计结果可能有偏。为此,将空间因素纳入β收敛模型,检验中国农业TFP增长是否存在空间收敛。根据空间Hausman检验结果,本文采用个体固定效应的空间杜宾模型进行估计。从表2中的第(3)至第(8)列可以看到,在不同收敛方程和空间权重矩阵设定下,空间滞后系数ρ始终显著为正,说明中国省际农业TFP增长存在显著空间溢出效应,即经济发展水平相近或者地理临近省份农业TFP的快速增长对本省农业TFP增长起到正向促进作用。同时注意到,地理距离权重下的空间相关性高于邻接权重和经济距离权重,这说明,相对而言,地理距离在中国省际农业TFP增长的空间相关性中占据重要地位。从表2中的空间收敛检验结果可以看出,在考虑了空间外溢效应后,中国农业TFP增长仍然同时存在着显著的绝对β收敛和条件β收敛趋势,但是收敛的速度与不包含空间效应时相比有所下降。其中,采用邻接权重矩阵估计得到的空间收敛率分别为7.69%和9.65%(4)由于空间杜宾模型中变量的参数估计值并非代表其边际影响,本文使用解释变量估计的直接效应来检验是否存在空间收敛,并计算空间收敛率。,对应的半程收敛周期分别为9.0年和7.2年;采用地理距离权重矩阵估计得到的空间收敛率分别为8.01%和10.09%,对应的半程收敛周期分别为8.7年和6.9年;采用经济地理距离权重矩阵估计得到的空间收敛率分别为6.40%和8.66%,对应的半程收敛周期分别为10.8年和8.0年。该结果说明,一方面,由于存在“核心—边缘”格局以及极化效应,空间溢出效应将减缓农业TFP的收敛速度;另一方面,在农业TFP收敛性检验中,遗漏空间效应会高估其收敛性。此外,本文还发现,无论是绝对收敛还是条件收敛,空间收敛速度都以地理距离矩阵为最大,邻接矩阵次之,而经济矩阵最小。结合空间滞后系数的回归结果,发现,与空间邻接或者经济规模相近相比,地理距离的邻近不仅有利于溢出效应的发生,而且使得TFP趋同效应更加明显,提升了省份之间农业TFP增长的收敛速度,缩短了收敛周期。

(三)进一步讨论

为确保本文研究结论的可靠性,进一步的讨论按照以下三个思路展开。一是考虑区域间存在异质性,按照东中西三大区域(5)根据国家统计局的划分标准,东部区域包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南;中部区域包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南;西部区域包括内蒙古、广西、四川、重庆、贵州、云南、陕西、甘肃、青海、宁夏和新疆。分开讨论;二是考虑到改革开放以来我国在不同阶段实行了不同的农业政策,农业TFP的收敛状况也必然随之发生改变,为了更好地把握农业TFP收敛的动态变化过程,从时间上分阶段讨论;三是将农业TFP内部构成分为技术效率变化、技术变化和规模效率变化展开讨论。检验结果如表3、表4、表5所示。考虑到基于地理距离构建的空间权重既克服了二元邻接矩阵过于简单的缺陷,又避免了经济距离矩阵可能存在的内生性问题,本部分的空间收敛性检验将以地理距离权重矩阵的估计结果为准展开分析,主要分析条件收敛的结果。

表2 中国农业TFP增长收敛性检验结果

固定效应,限于篇幅,表中空间杜宾模型估计结果仅列出了直接效应

1.分区域的收敛性分析 根据表3中的回归结果,从空间相关性上看,中部和西部地区的空间相关性较显著,东部地区的空间相关性不显著。这可能是因为东部地区经济比较发达,在农业发展方面一般具有本省份比较优势,地理相邻省份之间技术溢出的动机较弱或者已趋于饱和,从而各省份的农业TFP增长之间没有表现出明显的空间相关性;中部和西部地区经济相对落后,在地方政府“标尺竞争”背景下,为了缩小与发达省份的差距,更有可能模仿与学习邻近省份的发展模式,从而产生技术外溢效应,使得相邻省份之间的农业TFP增长呈现出相关性。从收敛系数β看,无论是否加入空间因素,其估计值在所有回归模型中均显著为负,说明中国农业TFP增长不仅存在全国范围内的条件收敛,而且还存在东部、中部和西部的俱乐部收敛。但是,与全国层面不同的是,中部和西部地区考虑了空间溢出效应后的收敛速度高于经典模型下的收敛速度,说明空间因素对这两个区域农业TFP增长的收敛性具有加速效应。另外注意到,与东部地区不同,中部和西部地区的收敛速度高于全国平均水平。究其原因,收敛速度与初始发展水平呈现出某种程度的负相关,中部和西部各省份农业TFP在初始期的差距比较大,落后省份对先进省份的追赶效应更加明显,导致该地区省际农业TFP增长的收敛速度也较大。东部各省份的初始农业TFP水平差距相对较小,收敛性相应略低。

2.分时间段的收敛性分析 1992年社会主义市场经济体制改革目标的确立和2004年农村税费改革的全面实行,使中国农村经济运行机制发生了较大变化。为了能够反映这种变化,以1992年、2004年为节点,本文将改革开放以来中国农业TFP增长分为三个阶段。从表4中可以看出,在所分的三个时间段内,1978年至1991年间各省份农业TFP增长并不存在显著空间相关性,之后,这种空间相关性随时间不断增强。这与不同阶段的经济体制有关。改革开放初期,中国基本实行的是双轨制,省域间的经济基本由国家调控,地区之间的经济往来较少且不密切,导致农业TFP增长的空间相关性较弱。1992年社会主义市场经济体制改革目标的正式提出,市场化经济体制改革不断深化,地区间的经济往来日益密切,劳动力、技术、资本等要素的跨区域流动日渐频繁,使得各省份农业TFP增长开始表现出较强的空间相关性。从收敛系数β的显著性及大小看,虽然各时段β都是显著小于0的,即均存在条件收敛现象,但是收敛的速度总体上在放缓。其中,1978年至1991年的收敛速度最高,达到50.25%;1992年至2003年和2004年至2019年的收敛速度显著降低,分别下降31.26和24.51个百分点。总的来看,在1992年市场化改革之后,中国农业TFP增长的收敛性明显减弱,这与韩晓燕和翟印礼(2005)[10]、李欠男等人(2019)[17]的研究结论相吻合。出现这种情况的原因是,在此以前,市场机制还没有得到充分发挥,地方政府在中央统一规划指导下配置资源,省际农业TFP增长的差距相对较小;此后,随着市场化进程的推进,各种束缚生产要素自由流动的规范逐渐被打破,由要素稀缺引致的趋优性使生产要素自发地向具有初始优势的发达省份集中,加速两极分化,相应省际农业TFP增长的差距被不断拉大。此外,近年来,社会经济条件的变化,使得各种有利于农业TFP增长收敛的力量被弱化,这也是一个重要原因。

表3 中国农业TFP增长分区域条件收敛检验结果

表4 中国农业TFP增长分阶段条件收敛检验结果

表5 中国农业TFP增长分构成条件收敛检验结果

3.分TFP构成的收敛性分析 表5中的回归结果表明,从农业TFP各成分看,样本期内技术效率、技术进步与规模效率均表现出显著的条件收敛趋势,但相对而言,技术效率和规模效率具有更为明显的收敛性。这一结论在加入和不加入空间因素的情形下都成立,说明中国农业TFP增长呈现的收敛性主要来自技术效率和规模效率的收敛。

一方面,规模效率较低的省份的农业TFP水平一般也低,其规模效率不断优化,提升幅度较大;农业TFP水平较高的省份的生产规模往往较大,甚至存在规模报酬递减的情况,二者之间的规模效率变化趋势差异带动了农业TFP增长的收敛。另一方面,技术空间外溢效应的存在,使得技术可以脱离空间的锁定,形成巨大的溢出效益(如农机的跨区作业。通过农业机械的空间流动,可以将先进的农机技术推广到其他行政区域),技术效率的趋同最终导致了农业TFP增长的收敛。而技术进步的收敛趋势较弱,这可能是因为以专利为代表的农业科技创新水平本身并没有收敛,反而呈现向经济发达的东部地区集聚的缘故。从数据上看,我国农业专利授权量在东部和中西部存在明显差距,前者要远远高于后者,尤其是分税制改革以后,二者之间的差距进一步拉大,由1994年的1.09倍扩大到2019年的1.36倍。地区间农业科技创新水平的差距不断拉大,导致技术进步呈现弱收敛性。此外,技术效率、技术进步的空间收敛速度均高于经典收敛速度,而规模效率的空间收敛速度则低于经典收敛速度,说明空间因素对农业TFP不同成分的收敛性的影响有所不同。

结论

农业TFP增长收敛性的存在与否关系到我国农业能否实现区域协调发展。本文从方法调整入手,运用广义Malmquist生产率指数与随机前沿分析相结合的方法,测算1978年至2019年中国省际农业TFP增长率,然后建立空间杜宾模型考察其收敛特征,得出三个结论。

第一,改革开放40多年来,中国农业TFP实现了较快增长,年均增长率达到3.83%,这一增长主要得益于技术进步,而技术效率和规模效率的贡献偏低,甚至在个别年份起到了反作用。中国农业TFP增长还呈现出周期性波动特征,不仅增长的幅度趋于下降,而且增长的动力源泉也发生了变化,即逐步由技术进步和技术效率共同驱动转变为完全由技术进步单独驱动。

第二,中国省际农业TFP增长具有显著的空间溢出效应,遗漏空间效应会高估农业TFP增长的收敛性。本文在考虑了空间外溢的情况下,发现样本期内中国农业TFP增长同时存在着绝对β收敛和条件β收敛趋势,总体而言,条件收敛速度快于绝对收敛速度。

第三,中国农业TFP增长空间收敛呈现出区域性、阶段性和结构性的特征。分区域看,东部地区省际空间相关性较弱且收敛速度最慢,中部和西部地区各省份空间相关性较强且收敛特征突出;分阶段看,市场经济体制正式确立之后,收敛速度明显减弱;分TFP内部构成看,技术效率和规模效率收敛性较为明显,而技术进步收敛趋势较弱。

猜你喜欢

收敛性省份效应
懒马效应
16省份上半年GDP超万亿元
22个省
应变效应及其应用
西部地区金融发展水平的收敛性分析
我国省域经济空间收敛性研究
情绪波动、信息消费发散与福利分化效应
偶像效应