刘 佳,卢秀茹

(河北农业大学 经济管理学院,河北 保定 071000)

中国经济由高速增长向高质量发展转变,在效率变革基础上提高全要素生产率,能不断增强经济创新力和竞争力[1]。在此新形势下,我国农业发展同样面临新的挑战,依靠要素投入推动农业发展已显动力不足,农业提质增效和可持续发展成为一个重大问题。农业全要素生产率指标作为表征农业发展质量的核心因素,被广泛应用于测度高质量发展水平[2],提高农业全要素生产率是农业经济高质量增长的源泉[3]。由于各地资源禀赋不同,全要素生产率存在差异,区域协调发展是农业发展过程中亟待解决的问题[4]。党的二十大报告提出,助推县域经济统筹协调,开通城乡要素流动通道,是新时代生态文明战略下的新生产力要素拓展的需要。因此基于县域范围研究生产效率更符合生产实际。

我国作为棉花生产消费大国,棉花在我国农业经济发展中占有特殊地位。棉花播种面积延续多年来的萎缩趋势,棉花进口依存度依然较高,棉花产业可持续健康发展仍面临诸多挑战。保障我国棉花产业安全,关键要提升棉花全要素生产率。已有研究从不同角度、运用不同方法对棉花全要素生产率进行分析,为本文提供了研究方法与指标选取借鉴。随着国内外学者对农业生产效率的深入研究,农业全要素生产率测算方法日渐丰富,主要有3种:增长核算法、非参数方法和参数法[5]。其中基于DEA的非参数Malmquist 法因其具有无需做先验假定、可进一步分解全要素等特点,能够更好地评价生产效率的最优化努力程度,在效率测算研究中应用较广[6]。由于研究时间、地域跨度不同,研究结果不尽相同,且多数研究基于省域、地市层面数据,为本文县域单元研究留下了研究空间。目前棉花全要素生产率相关研究主要有3方面,一是全要素生产率分解研究。有学者对棉花全要素生产率、技术效率、技术进步效率进行测算发现,我国棉花全要素生产率波动比较大,近几年呈下降趋势[7-8],技术进步效率是限制我国棉花主产区全要素生产率提升的主导因素[9]。二是棉花全要素生产率地区差异分析。有研究表明,中国棉花各个产区全要素生产率增长的差异明显[10],2000—2018年黄河流域棉区和长江流域棉区棉花环境全要素生产率均高于西北内陆棉区[7],黄河流域棉区增长率最高,但仍为负增长,西北内陆棉区纯技术效率较有优势[11]。三是棉花全要素生产率影响因素研究。生产要素投入水平、农业财政支出、农作物产值结构、气温降水量[11-12]、劳动力成本[13]、目标价格补贴[14]等影响因素与棉花全要素生产率关系研究内容丰富。

河北省早在20世纪80年代开始部署棉区东移战略,棉田从水肥条件好的冀中南地区转移到了水肥条件差的黑龙港流域[15],2012年,河北省棉花生产进入调整转型阶段,倡导发展节水农业,继续推进棉田东移,目前该流域植棉面积占全省植棉总面积的90%左右。全省棉田水浇地比例下降,旱薄碱地比例增加,棉田质量明显下降,抗灾减灾能力减弱;“十二五”以来河北省棉花播种面积的持续萎缩,棉花综合效益下降,不可避免地导致棉花总产量持续萎缩[16-17]。而提高棉花全要素生产率,实现河北省棉花生产提质增效,是应对上述问题的关键。

综上所述,本文根据已有文献,基于2015—2020年河北省88个植棉县面板数据,选择DEA-Malmquist指数法测算县域棉花全要素生产率。随着区域间要素流动加强和农业生产集聚程度扩大,区域集聚特征在社会科学实际研究中已成为不可忽视的因素。为进一步考察河北省县域棉花全要素生产率在空间布局上的特征,研究其空间效应,本文借鉴鄢曹政等的做法,在全要素生产率分析中加入空间变量,利用探索性空间数据分析测度棉花全要素生产率的空间集聚特征[18],运用空间计量模型研究河北省棉花全要素生产率影响因素作用强度和方向。

一、研究方法与指标数据说明

(一)研究方法

近年来,河北省棉花生产进一步向优势产区聚集,棉花生产存在明显的空间集聚性。基于此,本文利用DEA-Malmquist指数法测算棉花全要素生产率,动态分析区域内棉花生产效率时空差异。考虑变量间空间依赖关系的范围和强度,利用探索性空间数据分析测算莫兰指数,从空间关联性角度分析棉花全要素生产率空间结构,以期寻找河北省棉花提质增效、推动棉花产业健康稳定可持续发展的路径。

1.DEA-Malmquist指数法。数据包络分析(DEA)由运筹学家Charnes和Cooper于1978年基于相对效率概念提出[19],Malmquist指数由瑞典经济学家Sten Maquist于1953年基于消费分析聚集函数提出。Fare等将Malmquist指数与DEA有效结合,测算动态效率变动情况[20]。DEA-Malmquist指数法可以对决策单元不同时期数据进行动态效率分析,通过测算决策单元t期到t+1期效率相邻参比,对TFP进行深度分解。在规模报酬不变假设下可以把TFP分解为技术进步(TECH)和技术效率(EFFCH)2个部分,而在规模报酬可变假设下则可以将技术效率(EFFCH)进一步分解为纯技术效率(PECH)和规模效率(SECH)2部分[21]。具体如下:

(1)

2.空间权重矩阵选择。空间权重反映空间单元之间的关系,衡量变量间是否存在空间相依赖性。常见的空间权重有4种,邻接空间权重矩阵、地理距离权重矩阵、经济距离矩阵和嵌套矩阵[22]。为探究河北相邻区县棉花全要素生产率空间交互效应,本文采用Queen相邻的邻接空间权重矩阵,并对其进行标准化处理。具体表示为:

(2)

其中,wn,ij=1(i,j具有相邻的边界),wn,ij=0(i,j不具有相邻的边界)。

3.莫兰指数。莫兰指数是衡量空间相关性的重要指标,相邻区域观测值相似,则数据存在空间自相关[23]。全局莫兰指数用于描述空间要素属性值在全区域内的空间特征,并反映其邻域属性值相似度。莫兰指数的值域在-1到1之间,Moran’I>0表示空间正相关性,Moran’I<0表示空间负相关性,Moran’I=0则表示空间呈随机性。公式如下:

(3)

局部莫兰指数用于分析区域内各个空间对象与其邻域对象间的空间相关程度,以及空间对象分布中所存在的局部特征差异,反映局部区域内的空间异质性与不稳定性。局部的取值范围不限于-1～1[24]。公式如下:

(4)

4.空间杜宾模型。空间杜宾模型考虑了解释变量和被解释变量的滞后项。在空间滞后模型中加入解释变量的空间滞后项,即被解释除受本地解释变量影响外,还受邻近地区解释变量的影响。还可进一步将空间效应分解为直接效应、间接效应、总效应。公式具体如下。

Y=ρWY+βX+θWX+ε

(5)

ρWY表示被解释变量的内生交互效应,ρ为空间相关系数;β为本区域解释变量X的相关系数。WX表示相邻区域解释变量的空间滞后项,θ是被解释变量的空间滞后项系数;ε为随机扰动项。当θ=0时,空间杜宾模型退化为空间滞后模型;当ρ=0时,空间杜宾模型变成解释变量的空间滞后模型;当θ=0且ρ=0时,空间杜宾模型变成标准最小二乘回归模型。

(二)指标选取与数据来源

1.指标选取。本文参考棉花全要素生产率相关文献[25-26],建立棉花全要素生产率测算指标体系。由于宏观数据中无法直接获得单独衡量棉花生产的投入指标数据,借鉴已有研究,选择使用权重系数法对农业生产中用于棉花生产的投入要素进行数据剥离,得到棉花生产要素的相关指标数据[26-27]。

产出指标:各县各年棉花产量(吨)。投入指标:土地投入指标选择各县各年棉花播种面积(公顷);化肥投入指标选择各县各年植棉化肥投入(吨);农药投入指标选择各县各年植棉农药投入(吨);机械动力投入指标选择各县各年植棉机械总动力(千瓦);劳动力投入指标选择各县各年棉花从业人员(人)。其中化肥、农药、机械总动力采用各县各年化肥施用量(按折纯法计算 )、农药使用量、农业机械总动力乘以棉花播种面积与农作物播种面积比值获得。劳动力投入采用各县各年农林牧渔业从业人员乘以权重A得到。

(6)

影响因素指标:农业生产性服务发展水平(as),采用农林牧渔服务业产值与农作物总播种面积比值表示,农业生产性服务业的发展能够优化区域内资源配置,完善棉花生产的分工体系,提高棉花生产效率;棉花种植规模(area),采用棉花播种面积与农作物播种总面积比值表示,棉花种植规模越大,越有利于棉花全要素生产率提高;化肥投入水平(fertilizer),用化肥施用量与农作物播种总面积比值表示,一般认为化肥会提高棉花产量;机械投入水平用机械化耕地水平(ma)和机械化播种水平(ms)表示,分别表示机耕面积、机播面积占总播种面积的比重;农业产业化经营率(ind)采用各县各年的农业产业化经营率数据表示,机械化投入代表农业现代化发展水平;积植棉规模化程度(pg)采用各县各年的棉花播种面积与棉花劳动力投入比值表示,规模种植会对棉花生产效率产生一定影响。

2.数据来源。数据来源于《河北农村统计年鉴》相关指标,考虑到数据的可得性和连续性,剔除行政区划变更和统计数据缺失区县,最终选取2015—2020年河北省88个棉花生产县的相关指标数据测算棉花全要素生产率。影响因素的选取为减少异方差的影响,在实证分析中对其作对数处理。变量的描述性统计见表1。

表1 变量描述性统计

二、河北省县域棉花全要素生产率测算与分析

(一)基于DEA-Malmquist模型的TFP指数分析

采用Deap2.1软件,运用DEA-Malmquist模型测算2015—2020年河北省88个植棉县的棉花全要素生产率(TFP),得到技术效率值、技术进步效率值、纯技术效率值、规模效率值和全要素生产率值。分析如下。

1.棉花全要素生产率总体变动分析。2015—2020年河北省县域棉花全要素生产率及其分解如表2所示。从全要素生产率的构成可以看出,观测期内,河北省棉花全要素生产率年际波动较大,年均增长率较小,为0.2%。其中,技术效率的年均增长率4.5%,技术进步的年均增长率为-4.1%,说明技术效率是推动全要素生产率增长的主要动力,虽然技术创新性不足,但技术管理水平以及资源利用效率高,棉花生产技术能得到有效推广,技术转化为经济效益能力较强。技术效率又可以进一步分解为纯技术效率和规模效率,研究期内其年均增长率分别为2.4%和2.1%,可见河北省棉花产业化经营进程较快,适度规模经营成效明显。

表2 2015—2020年河北省棉花全要素生产率及其分解

如图1可知,研究期内,棉花全要素生产率与技术进步呈同方向变动,总体波动较大,技术进步是全要素生产率波动的主要因素,但全要素生产率下降较小,主要是技术效率的增长在拉动全要素生产率。从时间序列来看,2015—2016年度棉花TFP最高,为1.099,主要是技术进步效率提高13.2%。2016—2017年度棉花TFP下降幅度最大,增长率为-11.4%,也是研究期内最小值,TFP值0.886,主要是技术进步效率下降14.3%。2017—2019年度,棉花全要素生产率呈增长趋势,其中2017—2018年度主要是技术效率拉动,2018—2019年度主要是技术进步拉动。2019—2020年度全要素生产率负增长,主要是技术进步效率负增长引起,虽然技术效率正增长,但对全要素生产率拉动作用有限。

图1 2015—2020年河北省棉花全要素生产率变动趋势

全要素生产率作为技术效率与技术进步的乘积,技术进步主导全要素生产率的波动情况,技术效率的增长可以改善技术进步效率带来的负增长。说明河北省棉花技术体系创新能力是提升棉花全要素生产率的主要力量,虽然河北省棉花技术管理、推广应用能力较强,但是技术创新力不足,全要素生产率增长潜力有限。推进全要素生产率提高,不仅要重视技术推广应用,更要重视棉花技术创新,提高技术进步效率,否则技术效率带来的全要素生产率增长将不再明显。

2.棉花全要素生产率时空差异分析。限于篇幅原因,88个县棉花全要素生产率不一一列出。表3为2015—2020年河北省9个市域内棉花平均全要素生产率及其分解。各市区县平均技术效率均大于1,其中纯技术效率和规模效率均大于1;技术进步效率均小于1。总体上可以看出,技术效率是河北省棉花全要素生产率的主要动力。廊坊、石家庄、唐山、沧州、保定、邯郸地区棉花平均全要素生产率为正增长,年均增长率分别为2%、1.9%、1.0%、0.4%、0.3%、0.3%、0.2%。秦皇岛、邢台、衡水地区植棉县棉花年均全要素生产率为负增长,低于河北省平均水平。邢台、衡水地区作为优势植棉区,棉花平均全要素生产率负增长可能是由于受土壤肥力下降、水资源匮乏、植棉效益波动较大等因素影响,亟需突破棉花技术创新瓶颈,提高生产技术,形成新的效率增长点。

根据河北省88个植棉县各年各县的棉花全要素生产率绘制分级地图(图2)。可以看出,河北省各县棉花全要素生产率存在一定空间差异,同时也呈现明显的空间集聚特征。2016年邯郸西部、邢台、石家庄、衡水地区低值集聚,保定、廊坊、沧州、唐山地区棉花全要素生产率高值区县较多。到2020年,棉花全要素生产率高值区域逐渐向冀中南区县偏移,冀东棉区棉花全要素生产率高值集聚明显增多。在一定程度上反映了技术效率对全要素生产率的推动作用,棉花生产管理技术得到了有效推广。且县域间棉花全要素生产率存在密切联系,相邻区县间棉花全要素生产率指数相近,表现出一定集聚特征。

图2 2016、2018、2020年河北省棉花全要素生产率空间分布图

(二)棉花全要素生产率空间相关性检验

1.全局空间相关性检验。本文运用全局莫兰指数分别对河北省88个植棉县2015—2020年的棉花全要素生产率进行空间相关性检验(表4)。2016—2020年棉花全要素生产率莫兰指数均大于0,分别通过1%、5%的显著性检验,表现出显著的空间集聚特征。说明河北省棉花全要素生产率空间正相关,全要素生产率越高(低)的区县越容易出现集聚现象。因此,河北省88植棉区县棉花全要素生产率不能作为独立的观测值,可以选择空间计量模型进行回归分析。

表4 2015—2020河北省棉花全要素生产率全局Moran’s I

2.局部空间相关性检验。局部莫兰指数考察局部区域内的空间关联性,检测集聚和异常值出现的地区,绘制局部莫兰指数散点图可以观测河北省县域棉花全要素生产率局部空间特征。如图3,1-88表示石家庄、唐山、秦皇岛、邯郸、邢台、保定、沧州、廊坊、衡水的88个棉花种植县。可以看出,第一、三象限散点较多,即局部区域存在正空间相关性,相似值集聚,棉花全要素生产率高值与高值相邻近,低值与低值相邻近。第二、四象限则表示局部区域存在空间异质性。第二象限表示棉花全要素生产率低值被邻近棉花全要素生产率高值区县包围,具有一定发展潜力,应加强与邻近棉花全要素生产率高值区县交流与合作,提升自身棉花生产效率。第三象限表示棉花全要素生产率高值被邻近棉花全要素生产率低值区县包围,棉花全要素生产率高值区县对周边区县具有辐射作用,应发挥自身优势,拉动周边区县棉花生产效率增长。总体来看,河北省棉花全要素生产率集群趋势明显,棉花全要素生产率高(低)值区县在空间上更容易聚集,空间差异较小,区域联动效应明显。各地区棉花产业能够进行有效技术交流,形成区域化发展趋势。局部空间正相关性显著,与全局莫兰指数结论一致。

图3 2016、2018、2020年河北省棉花全要素生产率局部莫兰散点图

(三)空间聚类分析

LISA聚类图在给定显著性水平下,对通过显著性检验的区县以地图的方式呈现出来,能从整体上判断各植棉县局部相关类型及集聚区域是否在统计意义上显著,直观地表现出河北省棉花全要素生产率的空间差异。从图4中可以看出,河北省棉花全要素生产率存在明显的空间差异,以邢台、邯郸、衡水、沧州为代表的主要植棉区均出现了棉花全要素生产率集群区域,部分地区出现高棉花全要素生产率低空间滞后现象和低棉花全要素生产率高空间滞后现象。棉花全要素生产率高值集聚由冀东向石家庄、保定地区向偏移,石家庄、保定地区棉花全要素高—高、低—低集聚的区县在统计学意义上变得更为显著。2016年不显著区县有71个,到2020年不显著区县有77个,说明从2016年到2020年,河北省主要植棉县虽然存在聚类现象,但近年来逐渐不显著。

图4 2016、2018、2020年河北省棉花全要素生产率聚类图

三、空间计量分析

(一)计量模型选择

河北省棉花全要素生产率空间关联性显著,因此空间计量模型可以更准确地衡量各解释变量对棉花全要素生产率的作用方向。首先对空间面板数据进行 LM检验和 RLM检验,判断是否需要引入空间项,选择合适的模型。如表5可知,莫兰指数为12.859,且通过1%的显著性检验,说明河北省县域棉花全要素生产率存在显著的空间相关关系。空间误差模型和空间滞后模型LM值均在1%水平下显著,面板数据具有空间误差和空间滞后双重效应,因此选择两者结合的空间杜宾模型(SDM)。RLM结果显示空间滞后效应更显著,需要构建SEM模型、SAR模型和SDM模型进行似然比检验(LR),验证SDM是否会退化为SEM模型、SAR模型。

表5 LM检验

据表6可知,根据豪斯曼检验结果,卡方值为15.91,在5%的显著性水平上通过检验,选择固定效应。LR-spatial-lag和LR-spatial-error的值分别为20.01、20.79,均在1%的显著性水平上拒绝SDM模型退化假设,即相比SEM模型、SAR模型,选择SDM模型更优。对SDM模型进行时间空间固定效应LR检验,结果均通过1%的显著性检验,因此本文采用时间空间双固定的空间杜宾模型。

表6 Hausman检验、LR检验结果

(二)空间杜宾模型回归结果分析

根据表7结果,解释变量的直接效应、间接效应在方向与显著性水平上与回归结果基本一致,空间效应结果稳健。空间杜宾模型的空间滞后项系数为 0.030 5且在1%的显著性水平上通过检验,且通过1%水平检验,表明河北省各植棉县之间棉花生产效率存在显著依赖性,本县的棉花全要素生产率对自身有正向的空间溢出效应。棉花种植规模和化肥投入水平的回归估计结果均为负且达到5%的显著性水平,说明适度规模经营对棉花全要素生产率有促进作用,盲目扩张植棉规模不利于生产效率提升。减少化肥投入会有效提高棉花全要素生产率,化肥过剩反而会导致土壤板结、环境污染、加重病虫害等一系列后果,施肥不当会导致棉花早衰现象,进而影响棉花产量与质量,引起棉花全要素生产率下降。

表7 空间效应及其分解

Wx系数能说明解释变量的空间传导效应,但由于空间杜宾模型包含解释变量和被解释变量的空间滞后项,回归系数包含区域交互信息,无法解释真实空间溢出效应,不能反应解释变量与被解释变量的直接关系,对回归系数的解释较为复杂。因此将空间效应分解为直接效应、间接效应、总效应,进一步分析模型中包含的交互信息。

农业生产性服务业发展水平对棉花全要素生产率具有负向的空间溢出效应,即邻近区县的农业生产性服务业发展水平对本地棉花全要素生产率有负向影响。这可能说明农业生产性服务业对不同区县棉花生产促进效果差异较大,农业生产性服务业务发展可能存在边际效率递减,且由于河北省植棉区县空间关联性紧密,各地的农业发展政策可能会影响到区县之间的农业生产要素流动,造成区域间发展不平衡,从而对棉花生产效率产生负向溢出效应。机耕水平具有负向的空间溢出效应,这可能说明河北省各县土地平整度以及适宜大型机械的田间道路水平差异较大,相邻区县的土地规模化程度不够,分散的小规模的种植影响宜机化作业,阻碍机械跨区作业,增加棉花生产机械化投入成本。机械化播种水平间接效应显著为正,本县机械化播种水平的发展会促进周边县棉花TFP的提升,说明相邻区县的机械化播种技术可能存在共用现象,提高播种机械化水平,有利于周边区县发展械化种植。

四、结论与对策建议

(一)结论

本文从县域层面研究河北省棉花生产效率,选取河北省88个植棉县2015—2020的面板数据,基于DEA-Malmquist指数法,测算并分解河北省棉花全要素生产率,并利用探索性空间数据分析法研究其空间相关性,随后构建空间计量模型,进一步分析河北省棉花全要素生产率影响因素的空间溢出效应,结论如下。

1.研究期内河北省棉花全要素生产率年际波动较大,年均增长率较低,技术效率是推动河北省棉花全要素生产率提升的主要因素,技术进步不足限制了棉花全要素生产率进步。

2.从空间分布上看,河北省各区县棉花全要素生产率差异显著,棉花生产效率不均衡。探索性空间数据分析表明,河北省县域棉花全要素生产率空间关联性显著,表现为形成全要素生产率空间集群,大部分地区形成高高集群和低低集群,空间集聚特征明显。

3.从空间效应结果看,河北省棉花全要素生产率及其影响因素存在空间溢出效应。棉花全要素生产率表现出明显的空间自相关性,同一时点上不同县域棉花全要素生产率具有内生交互效应,空间关联性显著。影响因素存在外生交互效应,即农业生产性服务业发展水平、机械化耕地水平具有显著负向空间溢出效应,机械化播种水平具有显著正向空间溢出效应。

(二)对策建议

根据研究结论,提出对策建议如下。

1.鼓励植棉新技术开发,提高技术进步效率。在保持技术效率优势的基础上进一步激发棉花生产潜能。加强棉花生产产学研结合,积极进行岗站对接,推进棉花育种、栽培、化控、机械等相关科研工作融合发展,探索棉花绿色高效种植模式,为河北省棉花生产提质增效提供科技支撑,依托技术进步,借助生产方式的创新助力棉花生产效率提升。目前河北省棉花生产全程机械化技术走在内地棉区前列,机采棉配套技术体系已日臻成熟,后续可在河北省主产棉区新型种植经营主体中进一步推广应用。由于购置机械成本高,应考虑现有技术与装备,因地制宜开发机械工具,可采用人加简单机械方式,农机、农艺、政策多管齐下,统筹谋划,集成配套,整体推进,降低技术成果转化成本,为棉花轻简化栽培技术、全程机械化技术推广创造实施条件。

2.以县域为单位布局优势棉区,协调区域要素流通。继续推进棉花东移战略,零星分散棉区向优势棉区集中,打造连片化棉区,提高棉花生产规模化、集约化水平,也有利于进一步促进棉花生产技术的推广应用。邻近区县进行统一规划,扩大政策适用范围,加强各棉花种植县之间的互通互联,减少区域间要素流通阻碍,增进地区间植棉技术的交流合作。发挥棉花全要素生产率和技术创新的空间溢出效应,辐射带动区域内棉花生产效率提升,可依托邻近县域棉花生产技术经验,通过技术学习,带动邻近区县棉花生产效率提升,逐渐形成优势棉区。

3.依托新型棉花经营主体,强化相关政策支持。政府推行棉花惠农政策,加强对棉花生产的扶持力度,鼓励因地制宜创新棉花生产组织模式。由专业合作社承担专项任务,强化适度规模经营观念,提升棉花产业化经营水平,推进棉花规模化生产,合理扩大植棉面积,提供宜机化作业条件。加强农业生产性服务业基础设施建设,统筹规划发展路线,探索节本增效的农业生产性服务业组织模式,推动服务主体下沉,降低要素流通成本,调节棉花生产要素投入。借助农业合作组织和农业生产性服务信息平台,减少中间环节成本,清除要素流通障碍,优化棉花生产服务环境,保障棉花生产效率提升。