关键词：农地流转；农业技术效率；随机前沿分析SFA；流转广度；流转深度；非效率方程
一、问题的提出与文献回顾
农地流转对TFP增长率和农业技术效率影响的研究，学术界已积累了一定研究成果。文献主要针对农地流转带来的土地或劳动生产率变化的单要素指标展开研究。在土地生产率方面，有学者研究得出传统农地细碎化经营会带来技术效率损失，农地流转能有效提高土地生产率；也有一些学者得出完全相反的结论：耕地细碎化有利于农户灵活调整作物结构和发挥精耕细作的优势，提高土地生产率，农地流转的规模化经营反而会降低这种效率；陈杰、苏群则通过固定观察点数据分析得出农地流转规模与土地生产率之间存在倒“U”型关系。劳动生产率方面结论则基本一致，农地流转通过规模化经营和资本对劳动的替代，实现了农业劳动生产率的提高。
有学者对单要素指标考量提出质疑，认为用单要素生产率度量农业综合生产效率不仅会产生偏差，且不能对农业生产效率作出合理的解释。为更好地度量农地流转的生产效率，有必要测度能够观测到的要素投入组合的产出效率，有学者提出使用TFP增长率来综合衡量，之后有学者对此展开了深入研究。Banerjee等研究了WestBengal实施的土地租赁制度改革对农业生产效率的影响，发现租赁改革能够显著提高农业TFP增长率；GoldsteinandUdry研究了Ghana土地产权再分配对TFP增长率的影响，发现清晰的产权有利于农业TFP增长率的提升。
上述文献基于农地流转的TFP增长率的细分层面，从理论上论述了农地流转对TFP增长率各细分层面的影响。但是，对农地流转的TFP增长率进行分解和综合测算的文献极少，笔者所检索的文献中，仅检索到两篇。陈训波等、俞文博等基于微观调查数据，采取不考虑随机误差的DEA非参数法，将TFP增长率分解为规模效率、技术效率和技术进步率，测算了TFP增长率。这类研究将农户分为转出、转入、没有流转三种类型，通过对局部地区家庭农户动态跟踪调查，获取三类农户的投入产出数据，建立计量模型，测算出技术效率，仅对微观范围内农业生产率进行测量，无法对中国农业生产效率展开一个宏观认识，也没有考虑到地区之间的差异。
二、模型设定与变量选择
（一）模型选择
农业技术效率是实际农业产出与理想农业产出之比，两者比值为1，则为完全技术效率；两者比值小于1，则存在技术非效率。研究方法上，目前主要采用假定不考虑随机误差的DEA非参数法，而运用参数的随机前沿函数方法来测算技术效率的研究相对较少，研究认为，DEA是一种确定性前沿分析法，没有考虑农业生产过程中气候、天气等随机因素和统计噪声的影响。传统的非前沿方法因完全忽略技术非效率则更不符合农业实际。
研究选定的模型为随机前沿分析(SFA)模型。该模型是用来测量决策单元(DMU)技术效率。Battese和Coelli在确定性随机前沿函数模型的基础上增加了技术非效率因素以测算技术与非技术双重因素对产出的影响。Kumbhakar和Lovell将模型的一般形式概括为：
（二）SFA的生产函数形式与变量
（三）技术非效率函数形式与变量
影响农业技术效率有很多因素，如农地流转、农地的自然条件、农民受教育水平、技术创新与推广、政策制度制定与落实、机械化水平、政府公共投资、农业生产或经营形式等等。农地流转是技术效率的重要影响因素这一点已得到国内外学者的论证。选取流转土地占比Z1和规模农户占比Z2为农地流转水平的代理变量主要是基于以下考虑：第一，各个省份流转农地占耕地面积比例能非常直观地在空间范围内反映出农地流转的广度；第二，规模农户占比这个指标可以反映各个省份农地流转的深度，体现出各地区农地流转中农户的流转规模化程度。通过对数据的研究发现，农户经营规模多集中在50亩以下，说明目前我国农地流转的整体规模化水平不高。将经营面积为50亩以上的农户定义为规模农户是根据钱克明等在测量我国农户粮食生产适度规模研究中的成果并结合我国2005—2014年农地流转规模数据得出。
考虑地区间宏观、微观因素的差异，研究认为农业技术效率存在地区差异。本文按照传统划分方法将中国划分为东部、中部和西部三大地区，运用STATA13.0对测算出的农业生产技术效率值分区、分阶段处理，并进行差异比对。
（二）变量的统计性说明
根据研究惯例，选取农业总产值表示产出y，用耕地总面积表示土地x1，第一产业就业人数表示劳动力x2，分别用机械总动力和化肥施用量表示农业资本存量x3和资本品中间投入x4。
四、模型试验、估计与结果分析
（一）模型设定检验
为了确保模型的客观有效性和稳定性，需要对模型设定进行两方面的检验：一是SFA生产函数检验，技术非效率μit的存在性检验；二是技术非效率方程解释变量存在性检验，研究利用似然比检验方法在原假设H0和备择假设H1两种情况下，计算出两组对数似然函数值，1nRR表示在H0下的对数似然函数值，1nRU表示在H1下的对数似然函数值。根据统计量的计算公式：LR=-2［1nRR-1nRU］。在原假设成立的条件下，LR统计量服从自由度为约束个数的渐进卡方分布或混合卡方分布，即LR~χ2（k），若LR＜χ2α（k），则接受原假设；否则，拒绝原假设，模型设定检验结果见表2。
模型设定的似然比检验结果显示，合成误差项中存在非零的技术非效率因素对农业产出有显著影响（检验1拒绝μit=0的原假设）；7个技术非效率影响因素中至少有一个对技术非效率有显著影响（检验2拒绝δ1=δ2...=δ7=0的原假设）。检验结果说明SFA模型和非效率方程设定是合理有效的。
（二）估计结果分析
通过对数据整理，运用FRONTIER4.1对(4)和(5)两式进行极大似然估计，得出SFA参数结果，如表3所示：
1.总体分析
由表2可以看出，模型中32个待估参数中有17个在1%的水平下显著，4个在5%水平下显著，3个在10%水平下显著。γ=σ2μ/σ2=0.972，且在1%显著水平下通过了T检验，γ值非常接近１，表明技术非效率是合成扰动项的主要构成部分，运用SFA模型分析效率是有意义的。合成扰动项vit－μit中，随机误差项对非效率的影响所占比例仅为2.8%。实际产出与前沿产出存在差距，说明2005—2014研究期内农业投入要素使用存在生产技术损失。σ2为0.029且在1%的水平上具有统计显著性，可知传统的生产函数并不能充分地拟合研究数据。对数似然函数对数值和单边偏误似然比都较大，表明SFA模型设定是稳定可靠的。
2.SFA生产函数参数估计值解释
四类投入要素参数都在1%的水平上通过了T检验，耕地、劳动力的产出弹性为负。
（1）耕地投入参数β1为负。较合理的解释有三个原因：第一，政府从1998年开始实施“退耕还林”，直接导致耕地面积的减少。第二，城乡一体化和土地非农化。近些年来由于城市化、工业化用地经济收益远远大于农地，农地非农化和非粮化步伐加快，耕地大量减少。第三，农村各项制度完善，政府对农业公共投资的增加，农业机械化推动的技术进步，农药化肥等投入要素的增加，良种的使用，粮食作物播种面积的增加，农作物单改双加上农地流转进程加快带来的配置效率、规模效率的提升等这些因素在一定程度上弥补了耕地面积的减少，极大地促进了农业产生近十年依然快速攀升。但要注意的是，任何投入要素不能无限制地减少，否则，由于某一投入要素严重缺失，农业产出也会出现大幅下降的局面。
（2）劳动力投入参数β2为负。yoshinRM、周燕等的研究对此问题给予了解释。中国农村劳动力在从农业向工业转移的过程中，局部存在劳动力需求大于供给的现象，即“民工荒”，这类劳动力供需失衡本质上属于短期摩擦性劳动力供给不足，从整体和长远来看，农村剩余劳动力仍然大量存在，城市工业化对农村剩余劳动力的吸收仍然存在较大的空间，刘易斯拐点尚未到来。引导边际产出为零的农村剩余劳动力向第二、第三产业转移将有利于农业技术效率的提高。此外，农业机械化水平的提高带来的机械对劳动力替代一定程度上弱化了农业劳动力投入减少带来的影响。
（3）机械和化肥投入参数β3和β4为正。表明化肥和农业机械投入对于农业产出具有正效应。随着近几年劳动力与资本价格比不断上升，农村要素配给不断由传统劳动力向资本增密的机械化替代，一方面，农业机械使用的增加能够促进农业的规模化经营，产生规模经济效益，提高农业产出；另一方面，农业机械减轻了劳动力的工作强度，有效提高了劳动者生产率。β4远远大于β3，样本期内化肥施用量逐年增加，提高了土壤肥力，说明化肥是农业产出增加的强心针，这个结论与杜鑫研究中提出中国农业增长很大部分归因于化肥投入增加的结论是基本一致的。
3.技术非效率效应函数参数估计值解释
根据公式（5）的估计结果，非效率截距项、流转土地占比和规模农户占比的估计参数在统计上显著。流转土地占比Z1参数为负，说明流转的农地越多，能显著提高农业技术效率。农地流转作为农业技术效率的决定因素，在耕地面积减少和农业劳动力转移等约束下，我国农业在近十年依然实现突飞猛进的发展，跟农地流转带来的效率增加是分不开的。然而，值得注意的是，规模农户占比对非效率的影响δ2为0.022（10%显著），即农地流转过程中，50亩以上规模农户占比越多，反而会降低农业技术效率。这一点可以通过经济学得到解释：农地细碎化经营状态下农户通过流转土地来扩大规模，会产生规模报酬递增的现象；农户经营规模继续扩大到一定水平，会产生规模报酬不变的现象；如果继续通过流转扩大经营规模，则会导致规模报酬递减。这一方面说明了既要鼓励农地有序流转，增加农地流转的广度，但也要控制单个农户流转的规模（流转的深度），另一方面验证了政府在推动农地流转过中强调的发展适度规模农业的原则。
4.农业技术效率分析
通过FRONTIER4.1计算得到的2005—2014年我国各省（西藏除外）的农业技术效率值，整理出我国各地区农业平均技术效率分布频数图（图1）。
（1）技术效率值分析
总体上看，平均农业技术效率值只有0.57，说明实际农业产出距离生产最优前沿面还有较远的距离和较大的增长空间。根据图1可以看出，样本期各地区农业技术效率值主要分布在0.47~0.62之间。
从空间上看，北京平均技术效率水平最高，为0.8409；安徽平均技术效率水平最低，为0.4306。2005—2014年平均技术效率水平大于0.7的只有北京、辽宁、上海、浙江。效率值低于0.5的却有11个地区，且集中在中部地区，呈现出较明显的地理分布特征。
（2）分区域效率值分析
五、结论与政策建议
作者简介：匡远配，男，湖南农业大学经济学院院长，教授，博士生导师。杨佳利，女，湖南农业大学经济学院博士研究生。
中国乡村发现网转自：南京农业大学学报（社会科学版）2018年第2期