朱滿德 李辛一 徐雪高

摘 要：

運(yùn)用隨機(jī)前沿函數(shù)和效率損失函數(shù)，利用省級(jí)面板數(shù)據(jù)測度了全國及13個(gè)粳稻主產(chǎn)區(qū)1994—2013年粳稻生產(chǎn)技術(shù)效率，并進(jìn)一步探究了農(nóng)業(yè)三項(xiàng)補(bǔ)貼等因素對(duì)粳稻技術(shù)效率損失的影響。研究發(fā)現(xiàn)：過去20年，全國粳稻生產(chǎn)技術(shù)效率有明顯改善，其變化呈現(xiàn)階段性特征；東部、中部和東北地區(qū)技術(shù)效率有所提高，西部地區(qū)改善則不明顯；省際之間的技術(shù)效率差距在不斷縮?。晦r(nóng)業(yè)三項(xiàng)補(bǔ)貼強(qiáng)度的提高在一定程度上促進(jìn)了粳稻生產(chǎn)技術(shù)效率的提升，改善灌溉條件也有助于提高技術(shù)效率；加強(qiáng)農(nóng)村人力資本投資、推進(jìn)農(nóng)業(yè)機(jī)械化與擴(kuò)大種植規(guī)模卻未能有效提高技術(shù)效率。今后應(yīng)進(jìn)一步提高補(bǔ)貼的精準(zhǔn)性和有效性，既要提高農(nóng)業(yè)全要素生產(chǎn)率，又要同時(shí)促進(jìn)農(nóng)業(yè)可持續(xù)發(fā)展。

關(guān)鍵詞：

農(nóng)業(yè)三項(xiàng)補(bǔ)貼；粳稻；技術(shù)效率；隨機(jī)前沿分析；技術(shù)效率損失

中圖分類號(hào)：F323.5

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1000-5099（2017）04-0085-07

國際DOI編碼：10.15958/j.cnki.gdxbshb.2017.04.14

一、問題的提出

農(nóng)業(yè)作為戰(zhàn)略性產(chǎn)業(yè)，事關(guān)國民經(jīng)濟(jì)持續(xù)健康發(fā)展全局。新世紀(jì)以來，我國開始步入工業(yè)化中期階段，隨著經(jīng)濟(jì)社會(huì)不斷發(fā)展，“工業(yè)反哺農(nóng)業(yè)、城市支持農(nóng)村”的條件基本成熟。為了保障國家糧食安全，提高農(nóng)民種糧積極性，促進(jìn)農(nóng)民增收，國家涉農(nóng)政策也開始“由取及予”進(jìn)行全面轉(zhuǎn)型，突出表現(xiàn)為取消農(nóng)業(yè)稅收并對(duì)農(nóng)業(yè)實(shí)施補(bǔ)貼支持。農(nóng)作物良種補(bǔ)貼、種糧直接補(bǔ)貼、農(nóng)機(jī)具購置補(bǔ)貼、農(nóng)資綜合補(bǔ)貼等直接補(bǔ)貼政策，以及最低收購價(jià)、臨時(shí)收儲(chǔ)等價(jià)格支持政策，初步構(gòu)成我國農(nóng)業(yè)補(bǔ)貼政策的整體框架。

農(nóng)業(yè)補(bǔ)貼自施行以來，其效果引起了學(xué)術(shù)界的持續(xù)關(guān)注。由于糧食產(chǎn)業(yè)的特殊性，近年國內(nèi)有關(guān)農(nóng)業(yè)補(bǔ)貼效果的研究大多以糧食為研究對(duì)象，重點(diǎn)探究農(nóng)業(yè)補(bǔ)貼對(duì)糧食生產(chǎn)、要素投入、農(nóng)民增收的具體作用。部分學(xué)者研究認(rèn)為，農(nóng)業(yè)補(bǔ)貼擴(kuò)大了糧食播種面積

[1]，深化了資本和要素投入，增加了農(nóng)戶收入，充分調(diào)動(dòng)了農(nóng)民的種糧積極性[2-3]；農(nóng)業(yè)補(bǔ)貼政策效果存在區(qū)域差異，對(duì)貧困地區(qū)的正向影響大于非貧困地區(qū)，對(duì)主產(chǎn)區(qū)與非主產(chǎn)區(qū)的影響則沒有明顯差異[4-5]。亦有學(xué)者研究認(rèn)為，農(nóng)業(yè)補(bǔ)貼政策更多地使消費(fèi)者得益，生產(chǎn)者所得不多，難以真正實(shí)現(xiàn)提高農(nóng)民種糧積極性、促進(jìn)糧食生產(chǎn)的目標(biāo)，[6-7]原因在于以土地面積為基準(zhǔn)的補(bǔ)貼方式未能顯著促進(jìn)糧食生產(chǎn)的資本投入，且補(bǔ)貼方式不合理、實(shí)際效能偏低，發(fā)放程序繁雜，執(zhí)行成本高昂。[8-10]近年有部分學(xué)者著手探究農(nóng)業(yè)補(bǔ)貼對(duì)糧食生產(chǎn)效率的作用，相關(guān)結(jié)論表明，農(nóng)業(yè)補(bǔ)貼效率存在時(shí)間異質(zhì)性和空間同質(zhì)性[11]，補(bǔ)貼對(duì)提高玉米等糧食全要素生產(chǎn)率具有較顯著的促進(jìn)作用[12]，這種促進(jìn)在糧食主產(chǎn)區(qū)和貧困地區(qū)表現(xiàn)得尤為明顯[13-14]。也有研究認(rèn)為，補(bǔ)貼對(duì)糧食生產(chǎn)效率的正向影響并不顯著，這可能是由于生產(chǎn)資料價(jià)格上漲、農(nóng)地破碎化等原因所致[15-16]。

2004年以來，我國糧食生產(chǎn)出現(xiàn)了“十二連增”，糧食供給短缺暫時(shí)緩解，但國內(nèi)糧食市場隨之出現(xiàn)了“三量齊增、兩板擠壓”（即糧食產(chǎn)量、庫存量、進(jìn)口量一并增加；糧食價(jià)格天花板與生產(chǎn)成本地板雙重?cái)D壓）的不利局面，過度追求糧食高產(chǎn)所導(dǎo)致的資源浪費(fèi)、環(huán)境破壞、生產(chǎn)效率低下等問題亟待解決。此種情形下，國家開始對(duì)現(xiàn)行的農(nóng)業(yè)補(bǔ)貼政策進(jìn)行改革調(diào)整。2015年，安徽、山東、湖南、四川、浙江5省開展農(nóng)業(yè)“三項(xiàng)補(bǔ)貼”（即良種補(bǔ)貼、糧食直補(bǔ)和農(nóng)資綜合補(bǔ)貼）改革試點(diǎn)。2016年，農(nóng)業(yè)“三項(xiàng)補(bǔ)貼”正式合并為農(nóng)業(yè)支持保護(hù)補(bǔ)貼，政策目標(biāo)調(diào)整為支持耕地地力保護(hù)和糧食適度規(guī)模經(jīng)營。在此背景下，探究農(nóng)業(yè)補(bǔ)貼政策實(shí)施以來，其對(duì)我國糧食生產(chǎn)效率的長期影響無疑有著重要現(xiàn)實(shí)意義。因農(nóng)業(yè)“三項(xiàng)補(bǔ)貼”的政策目標(biāo)都指向調(diào)動(dòng)種糧積極性、穩(wěn)定糧食生產(chǎn)，且補(bǔ)貼方式基本一致，因此將其作為一個(gè)整體進(jìn)行研究；對(duì)農(nóng)機(jī)具購置補(bǔ)貼而言，由于該項(xiàng)補(bǔ)貼政策的目的、發(fā)放方式、作用路徑等方面與“三項(xiàng)補(bǔ)貼”并不一致，故未被納入研究范疇。本文以粳稻為研究對(duì)象，運(yùn)用隨機(jī)前沿生產(chǎn)函數(shù)法（SFA）探究粳稻在1994—2013年間的技術(shù)效率變遷情況，并進(jìn)一步探究“三項(xiàng)補(bǔ)貼”等因素對(duì)粳稻技術(shù)效率的具體影響，以期為新時(shí)期我國農(nóng)業(yè)補(bǔ)貼政策的方向選擇與方式調(diào)整提供實(shí)證參考。

二、理論框架和模型設(shè)定

1.隨機(jī)前沿函數(shù)與技術(shù)效率損失函數(shù)

技術(shù)效率（Technical Efficiency，TE）作為全要素生產(chǎn)率（Total Factor Productivity，TFP）的重要組成部分，反映了經(jīng)濟(jì)個(gè)體由給定的投入集合生產(chǎn)最大產(chǎn)出的能力[17]，在生產(chǎn)效率研究中占有重要地位。常用于測度技術(shù)效率的方法主要有數(shù)據(jù)包絡(luò)分析法（Data Envelopment Analysis，DEA，也稱非參數(shù)方法）和隨機(jī)前沿分析法（Stochastic Frontier Analysis，SFA，也稱參數(shù)方法）。較之?dāng)?shù)據(jù)包絡(luò)分析，隨機(jī)前沿分析可以區(qū)分農(nóng)業(yè)生產(chǎn)中的噪聲干擾，且對(duì)離群值的穩(wěn)定性較好，故本文選擇隨機(jī)前沿分析。

在面板數(shù)據(jù)的條件下，隨機(jī)前沿生產(chǎn)函數(shù)一般形式為：

（1）式中，y為產(chǎn)出，x為投入向量，β為待估參數(shù)向量，exp（ε）為有隨機(jī)沖擊情況下的效率水平，i為經(jīng)濟(jì)個(gè)體，t表示時(shí)間，v為特異性誤差[v～N（0，σ2v）]。無效率項(xiàng)u也稱技術(shù)效率損失，反映了經(jīng)濟(jì)個(gè)體i在時(shí)期t至效率前沿的距離，根據(jù)u分布的不同有半正態(tài)分布、截?cái)嗾龖B(tài)分布、指數(shù)分布等模型形式。由于（1）式的誤差項(xiàng)不滿足最小二乘法的基本假設(shè)，需要進(jìn)行一定的處理方可進(jìn)行間接回歸。設(shè)置復(fù)合擾動(dòng)項(xiàng)：

為了衡量u在復(fù)合擾動(dòng)項(xiàng)中的重要性，構(gòu)建參數(shù)λ與γ如下：

λ表示u與v的比重關(guān)系：λ>1且數(shù)值越大，表明技術(shù)效率損失所占比重越大，其對(duì)產(chǎn)出的影響也居于主導(dǎo)地位；反之則說明技術(shù)效率損失對(duì)產(chǎn)出的影響較小。變差率γ用來衡量復(fù)合擾動(dòng)項(xiàng)中技術(shù)效率損失所占比重，γ趨向于1表明模型中誤差主要由無效率項(xiàng)決定，γ趨向于0則表明無效率項(xiàng)的重要性較小。

通過對(duì)（1）式回歸即可得出對(duì)u的估計(jì)。常用的產(chǎn)出導(dǎo)向技術(shù)效率TE是可觀測產(chǎn)出與相應(yīng)隨機(jī)前沿產(chǎn)出之比，TE取值于[0，1]之間：

在估計(jì)出TE的基礎(chǔ)上，以u(píng)為被解釋變量，外生效率影響因素為解釋變量，可建立技術(shù)效率損失函數(shù)進(jìn)行回歸分析：

（5）式中，Z′為外生效率影響因素向量，ξ為待估參數(shù)向量，w為隨機(jī)誤差項(xiàng)。

2. 實(shí)證模型的構(gòu)建

實(shí)證估計(jì)選擇真實(shí)固定效應(yīng)模型（True Fixed Effects Models，TFE）[18]進(jìn)行分析。利用柯布-道格拉斯（C-D）函數(shù)，對(duì)（1）式等號(hào)兩邊取對(duì)數(shù)，建立隨機(jī)前沿生產(chǎn)函數(shù)實(shí)證模型：

（6）式中，粳稻主產(chǎn)品產(chǎn)值（Y，單位：元/公頃）系被解釋變量；鑒于農(nóng)業(yè)生產(chǎn)的特點(diǎn)，解釋變量分別由化肥費(fèi)用（FERT，單位：元/公頃）、機(jī)械作業(yè)費(fèi)（MACH，單位：元/公頃）、人工成本（WORK，單位：元/公頃）、種子費(fèi)用（SEED，單位：元/公頃）4種生產(chǎn)性投入構(gòu)成，以代表農(nóng)資、機(jī)械、勞動(dòng)力等農(nóng)業(yè)投入要素。角標(biāo)i表示省份，t表示年份。

在（6）式的基礎(chǔ)上，建立技術(shù)效率損失函數(shù)實(shí)證模型：

（7）式中，u作為被解釋變量，其取值大于等于0。結(jié)合本文的研究目的與相關(guān)文獻(xiàn)的研究思路，擬研究農(nóng)業(yè)“三項(xiàng)補(bǔ)貼”政策、土地灌溉條件、人力資本條件、地區(qū)經(jīng)濟(jì)環(huán)境、農(nóng)業(yè)機(jī)械化程度、農(nóng)業(yè)生產(chǎn)規(guī)模及自然氣候條件對(duì)粳稻技術(shù)效率的影響。為此，分別選取農(nóng)業(yè)“三項(xiàng)補(bǔ)貼”強(qiáng)度（SUB，單位：元/公頃，用農(nóng)業(yè)三項(xiàng)補(bǔ)貼資金總額與耕地總面積的比率表示）、耕地有效灌溉率（IRR，單位：%）、農(nóng)村人均受教育年限（EDU，單位：年）、第一產(chǎn)業(yè)產(chǎn)值占地區(qū)生產(chǎn)總值比重（AGR，單位：%）、第一產(chǎn)業(yè)勞均機(jī)械動(dòng)力（LMA，單位：千瓦）、第一產(chǎn)業(yè)勞均耕地面積（SCA，單位：公頃）和各省省會(huì)年降水量（RAI，單位：毫米）作為解釋變量。

3.數(shù)據(jù)來源

1994—2013年的粳稻投入產(chǎn)出數(shù)據(jù)源自《建國以來全國主要農(nóng)產(chǎn)品成本收益資料匯編（1953—1997年）》、《全國農(nóng)產(chǎn)品成本收益資料匯編》（1999—2014年，歷年）。由于所采取的指標(biāo)是價(jià)格性指標(biāo)，為消除通脹影響，分別運(yùn)用各地區(qū)消費(fèi)者物價(jià)指數(shù)（CPI）或農(nóng)業(yè)生產(chǎn)資料價(jià)格指數(shù)進(jìn)行平減處理。其中，粳稻產(chǎn)區(qū)包括河北、江蘇、浙江、山東、安徽、河南、湖北、云南、寧夏、遼寧、吉林、黑龍江13個(gè)省區(qū)，囊括了我國主要粳稻生產(chǎn)省份，其播種面積和產(chǎn)量占全國的90%以上，具有良好的代表性。1994—2013年耕地有效灌溉率、農(nóng)村人均受教育年限、第一產(chǎn)業(yè)就業(yè)人數(shù)占地區(qū)生產(chǎn)總值比重、第一產(chǎn)業(yè)勞均機(jī)械動(dòng)力、第一產(chǎn)業(yè)勞均耕地面積、各省省會(huì)年降水量等數(shù)據(jù)，由《中國農(nóng)村統(tǒng)計(jì)年鑒》《中國統(tǒng)計(jì)年鑒》（1995—2014年，歷年）相關(guān)數(shù)據(jù)進(jìn)行處理得到。

其中，農(nóng)業(yè)“三項(xiàng)補(bǔ)貼”強(qiáng)度由“三項(xiàng)補(bǔ)貼”資金與耕地面積估計(jì)。2002—2013年三項(xiàng)補(bǔ)貼數(shù)據(jù)源自《中國農(nóng)業(yè)年鑒》（2003—2014年）、各地區(qū)規(guī)范性法律文件庫、財(cái)政廳、農(nóng)業(yè)廳、農(nóng)業(yè)委員會(huì)等官方網(wǎng)站，以及中國知網(wǎng)相關(guān)報(bào)刊資料數(shù)據(jù)庫。對(duì)個(gè)別缺失的省份數(shù)據(jù)，采用拉格朗日插值法予以補(bǔ)齊。補(bǔ)貼數(shù)據(jù)已運(yùn)用各地區(qū)歷年消費(fèi)者物價(jià)指數(shù)進(jìn)行平減處理。

4.單位根檢驗(yàn)與廣義似然比檢驗(yàn)

為了避免數(shù)據(jù)出現(xiàn)偽回歸現(xiàn)象，在對(duì)面板數(shù)據(jù)回歸前進(jìn)行單位根檢驗(yàn)。為確保結(jié)果的穩(wěn)健性，采用了LLC檢驗(yàn)、IPS檢驗(yàn)和Fisher檢驗(yàn)3種方法。結(jié)果表明，隨機(jī)前沿生產(chǎn)函數(shù)和技術(shù)效率損失函數(shù)的變量都通過了單位根檢驗(yàn)，數(shù)據(jù)是平穩(wěn)的，不存在偽回歸的情形，詳見表1。

由于隨機(jī)前沿分析法對(duì)函數(shù)設(shè)定形式要求較為嚴(yán)格，函數(shù)形式的正確與否直接關(guān)系到回歸結(jié)論的合理性程度。為驗(yàn)證模型的適應(yīng)性，以（3）式中的變差率γ為基礎(chǔ)進(jìn)行廣義似然比檢驗(yàn)（Generalized Likelihood Ratio Test，LR）。原假設(shè)H0為：①隨機(jī)前沿生產(chǎn)函數(shù)形式設(shè)定有誤；②技術(shù)效率損失函數(shù)外生因素?zé)o顯著影響。LR檢驗(yàn)統(tǒng)計(jì)量為：

檢驗(yàn)的原理在于，若接受H0，約束條件下的似然函數(shù)最大值與非約束條件下的似然函數(shù)最大值差異將很小，則LR檢驗(yàn)統(tǒng)計(jì)量較小；若拒絕H0，則檢驗(yàn)統(tǒng)計(jì)量將大于臨界值。檢驗(yàn)結(jié)果表明，本文選擇的真實(shí)固定效應(yīng)隨機(jī)前沿模型與樣本數(shù)據(jù)擬合程度較好，外生影響因素對(duì)技術(shù)效率損失值的影響確實(shí)存在。

三、參數(shù)估計(jì)與粳稻技術(shù)效率測度

運(yùn)用Stata 13.0軟件進(jìn)行隨機(jī)前沿生產(chǎn)函數(shù)和技術(shù)效率損失函數(shù)的回歸分析。鑒于現(xiàn)有隨機(jī)前沿分析官方命令對(duì)面板數(shù)據(jù)具有較多限制[19]，因此采用了用戶編訂的“Sfpanel”執(zhí)行命令，并運(yùn)用后續(xù)“Predict”命令進(jìn)行技術(shù)效率的測算。模型形式選擇上，采用截?cái)嗾龖B(tài)分布假定進(jìn)行估計(jì)?；貧w步驟選擇方面，早期研究技術(shù)效率外生影響因素的方法為兩步法。該方法在估計(jì)出技術(shù)效率值的基礎(chǔ)上，將其作為被解釋變量進(jìn)行受限因變量回歸，這會(huì)帶來投入要素與外生影響因素出現(xiàn)相關(guān)性的矛盾，導(dǎo)致估計(jì)有偏。[20]因而，本文采用一步法進(jìn)行分析，以避免上述問題，增加模型有效性。

1.隨機(jī)前沿函數(shù)參數(shù)估計(jì)

對(duì)（6）式進(jìn)行一步法估計(jì)，所得結(jié)果見表3。從表3可知，化肥、勞動(dòng)、種子投入的回歸系數(shù)都為正值且通過了顯著性檢驗(yàn)，表明勞動(dòng)和農(nóng)資要素投入對(duì)粳稻生產(chǎn)具有明顯促進(jìn)作用。尤以種子（lnSEED）的作用最為突出，其彈性系數(shù)達(dá)到0229，表明種子投入費(fèi)用每增加1%，粳稻的每公頃主產(chǎn)品產(chǎn)值就將增加0.229%，這意味著良種使用在粳稻增產(chǎn)中占有重要地位。機(jī)械作業(yè)費(fèi)的影響系數(shù)雖然為正，但系數(shù)相對(duì)較小且沒有通過顯著性檢驗(yàn)，表明機(jī)械可能并非是粳稻增產(chǎn)主要?jiǎng)恿?。回歸結(jié)果中的lambda即是（3）式中的λ，其值為1.048，略大于臨界值1，說明在復(fù)合擾動(dòng)項(xiàng)中sigma_u地位更為重要，技術(shù)效率損失的影響不可忽略。

2.粳稻生產(chǎn)技術(shù)效率評(píng)估與地區(qū)比較

對(duì)各地區(qū)粳稻技術(shù)效率損失u進(jìn)行評(píng)估，并據(jù)（4）式得出技術(shù)效率值，結(jié)果見表4。

從表4可知，從全國平均數(shù)據(jù)看，1994—2013年粳稻生產(chǎn)的技術(shù)效率總體有改善，期間出現(xiàn)了大幅波動(dòng)，效率變化趨勢(shì)呈現(xiàn)明顯的階段性特征。1994年，粳稻的技術(shù)效率水平為0.883，2014年增至0954，總增幅為8.04%，表明長期以來我國粳稻生產(chǎn)技術(shù)的使用更加充分有效，這將有利于促進(jìn)粳稻穩(wěn)定發(fā)展。雖然技術(shù)效率總體呈上升趨勢(shì)，但上升趨勢(shì)表現(xiàn)為明顯的兩階段特征：第一階段（1994—2002年）為調(diào)整期，期間技術(shù)效率由初始的0.883逐步下降至期末的0.627，下降29%，年均下降4.19%；第二階段（2003—2013年）為恢復(fù)期，技術(shù)效率由2003年的0.672穩(wěn)步上升至2013年的0.954，11年間增幅達(dá)41.96%，年均增長3.56%。特別是2008年以來技術(shù)效率大于09，持續(xù)穩(wěn)定在高水平狀態(tài)。

各省區(qū)普遍具有與全國平均技術(shù)效率一致的階段性變化特征，但地區(qū)之間也各有特點(diǎn)：第一，東部、中部和東北的省份技術(shù)效率呈增長態(tài)勢(shì)，其中東北三省的增長尤為顯著，西部的云南、寧夏兩省區(qū)技術(shù)效率略有下滑。1994年，東北三省的技術(shù)效率全部低于0.8；2014年，遼寧、吉林、黑龍江的技術(shù)效率分別達(dá)到0.897、0.972和0.980，較1994年分別提高了31.5%、22%和34.1%。反之，屬于西部的云南、寧夏兩省區(qū)技術(shù)效率出現(xiàn)了微弱的停滯或退步。第二，地區(qū)間技術(shù)效率隨時(shí)間的推移體現(xiàn)出明顯的集中趨勢(shì)。以差距最為懸殊的安徽與遼寧為例，1994年，兩省技術(shù)效率分別為0.966與0.682，安徽較遼寧高0.284；2013年，兩省的差距縮小至0.086?，F(xiàn)階段各粳稻主要產(chǎn)區(qū)的技術(shù)效率水平基本都達(dá)到了高水平均衡狀態(tài)，地區(qū)之間差異已不再明顯。

四、補(bǔ)貼強(qiáng)度對(duì)技術(shù)效率損失的影響

為增加真實(shí)固定效應(yīng)模型（TFE）估計(jì)結(jié)果的穩(wěn)健性和有效性，本部分使用面板校正標(biāo)準(zhǔn)誤差最小二乘回歸模型（OLS-PCSE）和全面可行廣義最小二乘回歸模型（FGLS）作為參照模型。由表5可見，3個(gè)模型所估系數(shù)值僅存較小差異，其符號(hào)一致且標(biāo)準(zhǔn)誤差較為接近，表明回歸結(jié)果是穩(wěn)健的和有效的。

在影響技術(shù)效率損失值的各種因素中，作為政策因素的農(nóng)業(yè)“三項(xiàng)補(bǔ)貼”強(qiáng)度（SUB）是本文重點(diǎn)關(guān)注對(duì)象。綜合分析TFE、OLS-PCSE和FGLS 3種模型的估計(jì)結(jié)果，農(nóng)業(yè)“三項(xiàng)補(bǔ)貼”強(qiáng)度的系數(shù)分別為-0.016、-0.008和-0.008，且TFE模型系數(shù)通過5%水平的顯著性檢驗(yàn)，OLS-PCSE模型和FGLS模型的系數(shù)通過了1%水平的顯著性檢驗(yàn)。這表明，自2002年來國家所推行的農(nóng)業(yè)“三項(xiàng)補(bǔ)貼”政策，伴隨農(nóng)業(yè)補(bǔ)貼強(qiáng)度的提高，有效減少了粳稻生產(chǎn)技術(shù)的效率損失；同時(shí)也表明，雖然近年農(nóng)業(yè)“三項(xiàng)補(bǔ)貼”已經(jīng)越來越被當(dāng)作一種普惠性的收入性政策，但從長期看，其在增加農(nóng)民收入的同時(shí)依然提高了農(nóng)戶對(duì)農(nóng)業(yè)生產(chǎn)技術(shù)的利用效率，并未對(duì)粳稻的生產(chǎn)效率造成負(fù)向扭曲，從而基本實(shí)現(xiàn)了政策的初衷。

其余因素的影響分析如下：（1）耕地有效灌溉率（IRR）的估計(jì)系數(shù)通過了1%水平的顯著性檢驗(yàn)，且對(duì)技術(shù)效率損失的影響為負(fù)，說明土地灌溉條件的改善促進(jìn)了粳稻技術(shù)效率的增長，這也與一般的農(nóng)業(yè)生產(chǎn)經(jīng)驗(yàn)相符；（2）第一產(chǎn)業(yè)產(chǎn)值占地區(qū)生產(chǎn)總值比重（AGR）的系數(shù)顯著為負(fù)，說明地區(qū)農(nóng)業(yè)經(jīng)濟(jì)的發(fā)展促進(jìn)了粳稻技術(shù)效率的增長。農(nóng)業(yè)在經(jīng)濟(jì)中所占比重較高，地方農(nóng)業(yè)生產(chǎn)的發(fā)展對(duì)經(jīng)濟(jì)社會(huì)的影響越顯著，從而導(dǎo)致農(nóng)業(yè)所受重視程度提高，可獲得的政策支持機(jī)會(huì)也會(huì)增加，有助于改善粳稻等農(nóng)作物的技術(shù)效率狀況；（3）反映人力資本積累的農(nóng)村人均受教育年限（EDU）系數(shù)為正，且在3種模型中都通過了1%水平的顯著性檢驗(yàn)，表明農(nóng)村教育的推進(jìn)并未減少粳稻技術(shù)效率損失。一種可能解釋是：近年農(nóng)村教育事業(yè)逐步推進(jìn)，雖提高了勞動(dòng)者的潛在經(jīng)濟(jì)生產(chǎn)率，但也增強(qiáng)了勞動(dòng)者的遷移能力，由于個(gè)體效用差異、就業(yè)偏好等原因，農(nóng)村教育的遷移效應(yīng)往往超過總生產(chǎn)率效應(yīng)，故受教育的年輕一代傾向于離開農(nóng)村，導(dǎo)致農(nóng)村勞動(dòng)力老齡化日趨嚴(yán)重。最終農(nóng)村人力資本的積累依舊難以實(shí)現(xiàn)，對(duì)粳稻生產(chǎn)的技術(shù)效率促進(jìn)作用不明顯；（4）第一產(chǎn)業(yè)勞均機(jī)械動(dòng)力（LMA）、第一產(chǎn)業(yè)勞均耕地面積（SCA）的系數(shù)符號(hào)為負(fù)，但并不顯著，表明農(nóng)業(yè)機(jī)械化程度與農(nóng)業(yè)生產(chǎn)規(guī)模對(duì)粳稻技術(shù)效率的促進(jìn)作用不明顯，這一點(diǎn)與理論不一致，需做進(jìn)一步探討。此外，作為自然因素的年降水量（RAI）對(duì)技術(shù)效率沒有顯著的影響，這可能是農(nóng)村水利生產(chǎn)設(shè)施不斷改進(jìn)，導(dǎo)致自然因素的影響被削弱所致。

五、主要結(jié)論及政策建議

運(yùn)用隨機(jī)前沿分析對(duì)1994—2013年我國粳稻技術(shù)效率進(jìn)行了測算和區(qū)域?qū)Ρ?，在此基礎(chǔ)上，利用技術(shù)效率損失函數(shù)探究了農(nóng)業(yè)“三項(xiàng)補(bǔ)貼”等因素對(duì)技術(shù)效率損失的具體影響。結(jié)果表明，20多年來：（1）全國粳稻生產(chǎn)的技術(shù)效率總體有改善，技術(shù)效率呈現(xiàn)“先降后升”特征；各省區(qū)技術(shù)效率隨時(shí)間變遷明顯向高水平集中。較之西部省區(qū)技術(shù)效率的停滯，東部、中部和東北的各省技術(shù)效率呈現(xiàn)增長態(tài)勢(shì)，其中東北三省尤為顯著。（2）農(nóng)業(yè)“三項(xiàng)補(bǔ)貼”強(qiáng)度的影響系數(shù)顯著為負(fù)，表明其對(duì)粳稻技術(shù)效率起到了顯著的促進(jìn)作用，并未導(dǎo)致粳稻生產(chǎn)效率的扭曲。（3）土地灌溉條件的改善和地區(qū)經(jīng)濟(jì)的發(fā)展，都有助于粳稻技術(shù)效率的提升。（4）農(nóng)村教育條件的改善可能更多地導(dǎo)致了人力資本的流出，并未使得技術(shù)效率得到明顯改善；機(jī)械化的推進(jìn)與農(nóng)業(yè)生產(chǎn)規(guī)模的擴(kuò)大未顯著提升粳稻技術(shù)效率，降水因素的影響也微乎其微。

農(nóng)業(yè)“三項(xiàng)補(bǔ)貼”強(qiáng)度的增加對(duì)粳稻技術(shù)效率雖有正向影響，但其促進(jìn)作用依然較弱。隨著農(nóng)業(yè)農(nóng)村經(jīng)濟(jì)社會(huì)形勢(shì)的快速變化，普惠制補(bǔ)貼模式難以增加農(nóng)業(yè)生產(chǎn)效益。國家新推出的農(nóng)業(yè)支持保護(hù)補(bǔ)貼致力于保護(hù)耕地地力，促進(jìn)糧食適度規(guī)模經(jīng)營和農(nóng)業(yè)可持續(xù)發(fā)展，但由于實(shí)際運(yùn)行時(shí)間較短，其政策實(shí)施效果仍有待觀察。鑒于我國“三農(nóng)”問題的特殊性，農(nóng)業(yè)補(bǔ)貼的改革應(yīng)該逐步實(shí)現(xiàn)補(bǔ)貼對(duì)象的針對(duì)性和發(fā)放操作的精準(zhǔn)性，以利于實(shí)現(xiàn)粳稻等糧食作物生產(chǎn)過程中的提質(zhì)增效，促進(jìn)農(nóng)業(yè)生產(chǎn)綠色發(fā)展，保障國家糧食安全。

參考文獻(xiàn)：

[1]錢加榮，趙芝俊.現(xiàn)行模式下我國農(nóng)業(yè)補(bǔ)貼政策的作用機(jī)制及其對(duì)糧食生產(chǎn)的影響[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2015（10）：41-47.

[2]劉克春. 糧食生產(chǎn)補(bǔ)貼政策對(duì)農(nóng)戶糧食種植決策行為的影響與作用機(jī)理分析——以江西省為例[J]. 中國農(nóng)村經(jīng)濟(jì)，2010（2）： 12-21.

[3]霍增輝，吳海濤，丁士軍.中部地區(qū)糧食補(bǔ)貼政策效應(yīng)及其機(jī)制研究——來自湖北農(nóng)戶面板數(shù)據(jù)的經(jīng)驗(yàn)數(shù)據(jù)[J].農(nóng)業(yè)經(jīng)濟(jì)問題，2015（6）：20-29.

[4]陳慧萍，武拉平，王玉斌. 補(bǔ)貼政策對(duì)我國糧食生產(chǎn)的影響——基于2004—2007 年分省數(shù)據(jù)的實(shí)證分析[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2010（4）： 100-106.

[5]吳海濤，霍增輝，臧凱波.農(nóng)業(yè)補(bǔ)貼對(duì)農(nóng)戶農(nóng)業(yè)生產(chǎn)行為的影響分析——來自湖北農(nóng)村的實(shí)證[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2015（5）：25-31.

[6]馬愛慧，張安錄.農(nóng)業(yè)補(bǔ)貼政策效果評(píng)價(jià)與優(yōu)化[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2012（3）：33-37.

[7]李韜.糧食補(bǔ)貼政策增強(qiáng)了農(nóng)戶種糧意愿嗎？——基于農(nóng)戶的視角[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2014（5）：86-94.

[8]王姣，肖海峰.中國糧食直接補(bǔ)貼政策效果評(píng)價(jià)[J].中國農(nóng)村經(jīng)濟(jì)，2006（12）：4-12.

[9]黃季焜，王曉兵，智華勇，等.糧食直補(bǔ)和農(nóng)資綜合補(bǔ)貼對(duì)農(nóng)業(yè)生產(chǎn)的影響[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2011（11）：4-12.

[10]張淑杰，孫天華.農(nóng)業(yè)補(bǔ)貼政策效率及其影響因素研究——基于河南省360戶農(nóng)戶調(diào)研數(shù)據(jù)的實(shí)證分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2012（12）：68-74.

[11]張宇青，周應(yīng)恒. 中國糧食補(bǔ)貼政策效率評(píng)價(jià)與影響因素分析——基于2004—2012年主產(chǎn)區(qū)的省際面板數(shù)據(jù)[J].財(cái)貿(mào)研究，2015（6）：30-38.

[12]朱滿德，李辛一，程國強(qiáng).綜合性收入補(bǔ)貼對(duì)中國玉米全要素生產(chǎn)率的影響分析——基于省級(jí)面板數(shù)據(jù)的DEA-Tobit兩階段法[J].中國農(nóng)村經(jīng)濟(jì)，2015（11）：4-14.

[13]馬林靜，王雅鵬，田云.中國糧食全要素生產(chǎn)率及影響因素的區(qū)域分異研究[J].農(nóng)業(yè)現(xiàn)代化研究，2014（4）：385-391.

[14]高鳴，馬鈴.貧困視角下糧食生產(chǎn)技術(shù)效率及其影響因素——基于EBM￣Goprobit二步法模型的實(shí)證分析[J].中國農(nóng)村觀察，2015（4）：49-60.

[15]李燕凌.基于DEA￣Tobit模型的財(cái)政支農(nóng)效率分析——以湖南省為例[J].中國農(nóng)村經(jīng)濟(jì)，2008（9）：52-62.

[16]劉海英，謝建政.政府補(bǔ)貼、農(nóng)戶收入和城鎮(zhèn)化對(duì)糧食生產(chǎn)效率的影響[J].江西師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2016（1）：22-26.

[17]Coelli J T， Prasada R D S， O Donnell C J， et al. An Introduction to Efficiency and Productivity Analysis [M].Beijing： China Renmin University Press， 2008.

[18]Greene W. Reconsidering Heterogeneity in Panel Data Estimators of The Stochastic Frontier Model [J].Journal of Econometrics， 2005 （126）， 269-303.

[19]Belotti F， Daidone S， Ilardi G， et al. Stochastic Frontier Analysis Using Stata [J].The Stata Journal， 2012， 5（2）：1-39.

[20]陶長琪，王志平.隨機(jī)前沿方法的研究進(jìn)展與展望[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2011（11）：148-161.

（責(zé)任編輯：鐘昭會(huì)）