不同退耕规模农户农业生产技术效率及其影响因素研究

不同退耕规模农户农业生产技术效率及其影响因素研究

一、退耕规模对农业生产技术效率的影响自2007年以来，国家从各个方面出发，暂时停止了农业和林业的管理，要求进一步了解25个倾斜耕地的实际情况，并在深入调查、认真总结经验的基础上，制定了农业和林业项目规划（赵玉涛，2010）。此后,在提高这些农村地区人们生活水平的前提下,退耕还林工程是否还要继续推进、在哪里推进等一直是政府部门和专家学者所关心的问题。黄土高原是世界上水土流失最为严重的地区之一,每年进入黄河的泥沙数量相当于尼罗河、密西西比河、亚马逊河和长江4条大河输沙量的总和。为了恢复那些由于风蚀和水蚀造成的土壤退化耕地,1999年中国政府启动了退耕还林(草)工程(尹润生等,2005)。退耕还林工程试点工作在陕西、甘肃和四川三省率先开展。据核查监测,退耕还林工程建设质量良好,取得了良好的生态、经济和社会效益(王博文等,2009)。退耕还林(草)政策是在强制性的政策干预下力图恢复原来的土地利用结构,而在不同的地区退耕规模不同。基于一般经验判断,对当地农户的农业生产和生态环境改善的影响也会不同,如何通过合理资源配置和提高农业生产技术效率来提高农牧业产出水平从而增加农牧业收入具有重要的政策意义。随机前沿生产函数反映在既定的技术条件下可以实现的最大产量,技术效率是实际产量与最大可能产量的比率,它反映现实产出与理论最优产出的差距。技术效率的大小反映生产者利用现有技术的有效程度,为此有必要准确测算黄土高原不同退耕规模前后农业生产的技术效率,找出影响技术效率的主要因素,回答何种退耕规模既有利于保持或促进退耕还林(草)工程已取得的成果又有利于提高当地农户的生产经济效益。这个研究有利于回答退耕还林工程是否还要继续推进、如何推进等问题。为此,笔者利用黄土高原全国退耕还林示范县吴起及相邻华池县319户农户实地调查数据,运用随机前沿函数模型(SFA)对1998年(退耕还林前一年)和2009年(退耕后的第十一年)不同退耕规模农户农业生产技术效率的变化进行深入分析,并以此测算不同退耕规模农户的生产技术效率变化,并对其影响因素进行分析。二、农户在t时期的技术效率函数SFA模型是一种最常见的测量技术效率的参数方法,它的优势在于可以把无效率项和随机误差项分离开,能够保证被估效率的有效性和一致性(何枫,2004)。本文在已有研究的基础上,使用1998年和2009年吴起和华池两县319户农户面板数据,运用参数随机前沿函数模型(SFA)测算不同退耕规模农户的农业生产技术效率并分析其影响因素。根据Aigner等(1977)和Meeusen等(1977)的方法,随机前沿函数模型的一般形式为:Lnyit=Lnf(xit,t;β)+νit-μit,i=1,2,…,N;t=1,2,3…,T(1)其中,νit∼N(0,σ2v)μit∼∣∣N(μ,σ2μ)∣∣νit∼Ν(0,σv2)μit∼|Ν(μ,σμ2)|本文随机前沿函数模型形式为:lnyit=α0+∑jβjlnxjit+βtt+12∑j∑kβjklnxjitlnxkit+12βitt2+∑jβjttlnxjit+νit−uit(2)lnyit=α0+∑jβjlnxjit+βtt+12∑j∑kβjklnxjitlnxkit+12βitt2+∑jβjttlnxjit+νit-uit(2)(2)式中,yit表示第i个农户在t时期的农牧业收入;xit表示第i个农户在t时期的投入(耕地面积、劳动力和物资投入费用)向量;t表示时间趋势,反映技术变化;β表示待估计投入向量参数;νit表示随机统计误差,假定服从正态分布;uit表示由于技术非效率所引起的误差,假定服从截断正态分布;νit与uit相互独立。样本单元的技术效率函数可表示为:uit=δ0+∑i=1nδiZit+ωit(3)uit=δ0+∑i=1nδiΖit+ωit(3)(3)式中,ωit为服从极值分布的随机变量;Zit表示决定农户生产技术效率的外生变量;δ0和δi分别表示待估参数,反映变量δi对农户技术效率的影响。负值表明该变量对技术效率有正的影响,正值表明有负的影响。虽然上述随机前沿生产函数具有参数线性特性,但是,由于回归方程的误差项不满足最小二乘法的经典假设,包含技术效率因素和随机扰动因素两个不可观测变量,所以不能用OIS方法进行参数估计。根据BatteseandCoelli提出的最大似然估计基本思路1。利用最大似然估计方法可以确定函数中的参数并同时得出每个农户每个时期的距离函数(即技术效率值)。每个农户的技术效率可以用该农户在t时期存在技术非效率时实际产出的期望值与其同期完全技术有效时产出的期望值之间的比率来确定,则第i个农户在t时期的技术效率定义为:TEit=yit|f(xit,t)=e(-μit)≤1(4)计算出技术效率之后就可以来找到影响它的因素。退耕还林相关变量和农户特征是假设的解释变量。根据上述分析,在第二阶段采用下面模型来估算独立要素参数、上述退耕还林及农户自身因素与技术效率之间的回归方程。μi=δ0+δ1familysizei+δ2edui+δ3agei+δ4farminglabori+δ5fnonfarmi+δ6seeds&plastici+δ7SLCPsizei+δ8D1+δ9D2(5)其中,familysize为样本农户人口规模;edu为样本农户户主受教育年限;age为样本农户户主年龄;farminglabor为样本农户家庭农牧业劳动力人数;nonfarm为样本农户是否有外出务工人员(是用1表示,否用0表示);seeds&plastic为样本农户种子和薄膜投入费用2;SLCPsize为农户退耕面积;D1为县虚拟变量(吴起县为1,华池县为0);D2为县虚拟变量(吴起县为0,华池县为1),主要反映耕地质量和制度等其他因素对农户农业生产技术效率的影响程度。本文使用数据基于2010年8月对吴起和华池两县的调查。调查涉及的所有乡、村和户都按照随机原则选取。陕西省吴起县是全国150多个退耕还林县(市、区)封得最早、退得最快、面积最大、群众得到实惠最多的县份,成为全国退耕还林的一面旗帜,全县的林草覆盖率已由1997年的19.2%提高到2007年的62.9%,土壤年侵蚀模数由1997年的每平方公里1.53万吨下降到2007年的0.54万吨,五级以上大风已由1997年之前的年均19次降为5次(中国林业网,2007)。所以吴起是本研究从2005年以来一直跟踪调查的地区。为了对比分析,对自然条件与之相似的甘肃省华池县2010年进行了200户农户调查。吴起退耕力度大、农户都是退耕户,而华池退耕力度小、既有退耕户也有未退耕户。对于所有调查指标,调查员也询问了他们在退耕还林工程实施前一年(1998年)的情况。根据本文研究需要只选择了不同退耕农户的相应数据并同时进行了筛选,剩下有效退耕农户问卷319份(吴起县为180户,华池县为139户,华池县未退耕农户未纳入本研究范围)。本文的投入和产出变量定义如下:(1)农牧业产出变量。农牧业产出以1990年不变价格对主要农产品(如玉米、小麦、洋芋、杂粮、生猪、羊、鸡等)产量折算成农牧业总产值。(2)土地投入变量:以可耕地面积计算,而不是以农作物总播种面积计算,因为在黄土高原地区耕地在一年内基本上只种一次,未退耕的耕地基本上没有休耕、弃耕等现象。(3)劳动力投入变量:从事农牧业劳动力人员数。(4)资本投入变量。资本投入变量包括化肥、地膜、种子、精饲料和青粗饲料等投入要素。①肥料投入:指本年内氮肥、磷肥、钾肥、复合肥和农家肥等实际用于农业生产的投入成本,并按1990年的不变价格折算。②地膜投入:依据实地调研获取的农户购买地膜费用并按1990年不变价格折算。③种子投入:依据实地调研获取的农户购买良种费用和自留种子按当年市价折算费用,并都按1990年不变价格折算。④燃料动力费:生产过程中直接耗费的各项燃料、动力和润滑油支出,并按1990年不变价格折算。⑤租赁费用:指农户租用别人机械设备和役畜进行作业所支付的费用,包括机械作业费、排灌费和畜力费三项。使用自有机械设备和耕畜作业时在某些情况下也视同租赁作业,按照租赁作业市场价格进行核算计入租赁作业费。并按1990年不变价格折算。⑥农药费用:指农户用于喷洒农作物购买的各种杀虫剂所花费用,并按1990年不变价格折算。⑦仔畜费用:指购买或自育仔畜、仔禽等费用,并按1990年不变价格折算。⑧饲料投入:包括精饲料和青饲料投入。依据实地调研,精饲料投入主要指农户自产的玉米和土豆的消耗量按调研年份的市价折算的费用,后再按1990年不变价格折算;青粗饲料投入主要指野生及种植的各种青粗饲料消耗量,当年市价折算费用后并都按1990年不变价格折算。表1显示在319户退耕农户中,退耕规模0.67～1.33公顷所占比例最少,1.33公顷以上的农户所占比例最高,同时该组农户间退耕规模的差距达到了1.29公顷。由表2可以看出,2009年退耕农户农作物播种的集约化程度较退耕前一年(1998年)提高了。不同退耕规模农户2009年农作物单位面积的产出都较1998年要高,退耕面积越大,农作物的单产水平越高,对耕地投入越多。2009年退耕1.33公顷以上的农户的平均单位面积产出和资本投入水平在三组不同退耕规模中都是最高的。本研究采用了319份比较完整的农户资料。表3列出了与研究有关的主要统计指标,包括变量的样本平均值、最小值和最大值。可以看出,随着退耕规模的变大,农户生产投资总量随着减少。表4列出了影响农户生产技术效率的变量,农户的家庭人口规模变量的均值为4.71;家庭农牧业劳动力人数均值2009年较退耕前一年减少21.11%;户主年龄变量均值2009年较退耕前高7.55岁,显示目前留在农村从事农牧业的户主平均年龄较大;户主受教育程度变量均值显示样本农户的平均受教育程度为介于小学与初中文化水平(5.39年)之间;是否有外出务工人员显示退耕后外出务工人员的百分比较退耕前上升1.44倍;种子和薄膜投入显示退耕后农户加大了良种和薄膜投入。三、模型评价结果与分析(一)退耕规模、耕地与时间参数符号本研究采用FRONTIER4.1软件计算BatteseandCoelli(1995)提出的随机前沿生产函数的两阶段估计模型,由此得到技术效率。对于农户前沿生产函数来说,可以用零检验来检验是否存在技术效率效应,方法是假设检验为H0：γ=0,对立假设为H0：γ≠0。Coelli(1995)认为进行最大似然估计时应当采用单边检验,因为这个检验有合适的范围,其单边检验的临界值为X12(2α)。α=5%的条件下,临界值为100.62,文中回归模型的LR单边检验误差值都超过了X12(2α),因此可以拒绝H0：γ=0而接受H1∶γ≠0。由此表明模型中存在技术效率效应。表5是方程(2)超越对数随机前沿生产函数对不同退耕规模农户数据的参数估计。就耕地面积而言,退耕规模在0.67公顷以下和0.67～1.33公顷之间的样本农户,耕地面积的参数估计符号都为负,表示耕地面积对产出的贡献为负,耕地的精耕细作程度不高,单位面积产出能力低,仍有退耕空间,那些边际产出能力很低的坡耕地应退耕;不同的是,退耕规模在0.67公顷以下的样本农户耕地面积与时间参数符号为负,而退耕规模在0.67～1.33公顷的农户耕地面积与时间参数符号为正,表明前者进一步退耕或休耕的必要性,后者随着时间的推移耕地产出边际能力增强。但退耕规模在1.33公顷的样本农户耕地面积的参数估计符号为正,表示耕地面积对产出的贡献为正,精耕细作程度强;但由于耕地面积与时间参数符号为负,意味着随着时间的推移耕地会产出边际能力降低。就资本的参数估计而言,退耕规模在0.67公顷以下和0.67～1.33公顷之间的样本农户资本参数估计符号都为负,表示资本对产出的贡献为负,这一方面表明当地自然条件干旱少雨、投入物资利用率不高,另一方面表明在坡耕地上种植农作物,相对外出务工收入而言单位面积获得的经济效益偏低,农户过分依赖农用物资;但由于资本与时间参数符号为正,意味着随着时间的推移,在农业生产技术提高的前提下,农户会减少农用物资的使用,农用物资的产出贡献有提高趋势。但退耕规模在1.33公顷的样本农户资本参数估计符号为正,表示资本对产出的贡献为正,精耕细作程度强,但由于资本与时间参数符号为负,意味着随着时间的推移农户过多依赖农用物资进而出现农用物资利用率降低、产出效应降低。就劳动力的参数估计而言,退耕规模在0.67公顷以下和0.67～1.33公顷之间的样本农户劳动力参数估计符号都为正,表示劳动力对产出的贡献为正,劳动力存在一定短缺,但不同的是,退耕规模在0.67公顷以下的样本农户劳动力与时间参数符号为正,而退耕规模在0.67～1.33公顷的农户耕地面积与时间参数符号为负,表明前者随着时间的推移劳动力继续呈短缺趋势,后者呈现出劳动力过剩。但退耕规模在1.33公顷的样本农户劳动力参数估计符号为负,表示劳动力对产出的贡献为负,劳动力存在过剩现象;但由于劳动力与时间参数符号为正,意味着随着时间的推移剩余的劳动力会转移出去,劳动力会呈现短缺态势(二)不同退耕规模农户的农业生产技术效率的变化表6是不同退耕规模组样本农户的平均技术效率,从中可以看出,不同退耕规模样本农户中,无论是退耕前还是退耕后样本农户平均农业生产技术效率都是退耕规模在1.33公顷以上的样本农户最高,而最低的则是退耕规模在0.67公顷以下的样本农户,退耕规模在0.67～1.33公顷的样本农户的平均农业生产技术效率则位于两者之间。但退耕后(2009年)与退耕前(1998年)相比,样本农户退耕规模越小平均农业技术生产效率增长幅度越高,退耕规模在0.67公顷以下的样本农户农业生产效率增长幅度最高,为59.53%,而退耕规模在1.33公顷以上的样本农户的平均农业生产技术效率增长幅度则呈负增长,为-0.28%。表7是不同退耕规模样本农户2009年相对于1998年农业生产技术效率的增长变化情况。在吴起和华池两县中,退耕规模在0.67公顷以下的样本农户农业生产效率的增长幅度在-50%以下的农户所占比例仅为2.80%,-50%～0的为39.06%,0～100%的为25.23%,超过100%的为57.01%。退耕规模在0.67～1.33公顷之间的样本农户农业生产效率的增长幅度在-50%以下的农户所占比例仅为3.13%,-50%～0的为14.95%,0～20%的为39.06%,超过20%的为18.76%。退耕规模在1.33公顷以上的样本农户农业生产效率的增长幅度在-50%以下的农户所占比例仅为0.68%,-50%～0的所占比例为46.62%,0～20%的为35.81%,超过20%的为16.90%。可以看出,经过11年退耕后,在三组不同退耕规模样本农户中,退耕规模在0.67公顷以下的样本农户中仅有17.75%的农户农业生产效率呈下降趋势,有82.25%的农户农业生产效率呈增长趋势;退耕规模在0.67～1.33公顷的样本农户中42.19%的农户农业生产技术效率呈下降态势,其比例超过了0.67公顷以下退耕农户的24.44%;退耕规模在1.33公顷以上的样本农户农业生产技术效率呈下降的农户所占比例为47.3%。基本上可以得出,大规模退耕的农户农业生产技术效率呈降低趋势,而小规模退耕农户的农业生产技术效率反而呈大幅增长趋势。(三)退耕规模组中农户生产技术效率特征为了寻找吴起、华池不同退耕规模农户农业生产技术效率差异背后的深层次原因,表8给出了影响不同退耕规模农户生产技术效率的外生变量的参数估计结果。1.户主受教育程度、户主年龄、种子和地膜投入三个影响因素的参数符号在三个不同退耕规模组样本户中均为负,分别在1%、5%、10%的水平上通过了显著性检验,说明对农户生产技术效率产生显著的正效应。其中尽管种子和地膜的投入成本系数绝对值很小,但却通过了10%的显著水平,再一次实证了种子和地膜对农业生产效率提高的重要的性。2.劳动力人数在0.67公顷和0.67～1.33公顷两组不同退耕规模户中参数符号为负,说明对农户生产技术效率产生正效应,意味着该退耕规模组中农户家中农业劳动力存在需求空间;而1.33公顷以上退耕组参数符号则为正,说明对农户生产技术效率产生负效应,意味着该退耕规模组中农户家中农业劳动力存在冗余。3.家庭规模变量在三组不同退耕规模组中参数符号都为负,说明对农户生产技术效率产生正效应,但对三组样本农户生产技术效率影响都不显著,可能因为家庭人口数量多但不一定从事农业的有效劳动力就多。4.家里是否有外出务工人员参数符号在三个不同退耕规模样本农户中均为正,分别在5%和10%的水平上通过显著检验,说明农户对农户生产技术效率产生显著的负效应。意味着在当今现实条件下,外出务工劳动力在收益上有比较优势,外出务工收入较高,对农业收益的依赖程度减弱,进而影响了农业生产技术效率。5.退耕规模参数符号在退耕0.67公顷以下和0.67～1.33公顷样本农户均为负,而在退耕1.33公顷以上的样本农户则为正,说明在黄土高原小规模(0.67公顷)和中等规模(0.67～1.33公顷)退耕坡耕地有助于农业生产效率的提高,而大规模(1.33公顷以上)退耕对农户农业生产技术效率则起着降低作用,尽管这三组都没有通过显著检验,却意味着处理退耕规模与农业生产、生态环境三者量化变动关系的大致界定。6.地区虚拟变量。退耕规模在0.67公顷以下的样本农户,吴起县地区虚拟变量和华池县地区虚拟变量的参数符号都为负,且在1%的水平下通过显著性检,说明对该退耕规模农户生产技术效率产生显著的正效应,并有地区差异;而退耕规模在0.67～1.33公顷的样本农户,吴起县地区虚拟变量的参数符号为负但没有通过显著性检验,表明对该退耕规模农户农业生产技术效率能产生一定程度的正效应,而华池县地区虚拟变量的参数符号为正且没有通过显著性检验,表明对该退耕规模农户农业生产效率产生一定程度的负效应;退耕规模在1.33公顷以上的农户,吴起县虚拟变量的参数符号为负且在1%的水平下通过显著性检,说明对该退耕规模农户生产技术效率产生显著的正效应,华池县虚拟变量的参数符号也为负但没有通过显著性检验,表明对该退耕规模农户生产技术效率能产生一定程度的正效应。这不仅验证了吴起台地耕地质量较华池坡耕地质量有利于农业生产技术效率的提高,而且验证了在黄土高原上进行退耕还林一方面有利于农业生产效率的提高,另一方面还促进了当地的生态环境改善。四、主要结果与政策建议本文采用超越对数函数形式的随机前沿模型,基于陕西吴起和甘肃华池两县退耕农户的微观调查数据,对不同退耕规模农户生产技术效率进行理论和实证考察,同时对影响农户农业生产技术效率的外生变量进行了深入分析。研究得出初步结论:(1)大规模退耕农户的生产效率在退耕前就高于小规模和中等规模农户的技术效率,也就是在第一轮(1999—2009年)退耕还林工程中,相当一部分边际产出能力很低的坡耕地没有被退耕,该结论与徐晋涛(2004)所得出的结论一致。(2)大规模退耕的农