中国农业生产率地区差异的影响因素

*石慧,上海财经大学博士后流动站,:sueshinj@yahoo.,通讯地址：上海市国定路777号,邮政编码：200433；吴方卫,上海财经大学财经研究所,:wfangwei@mail.shufe.省略；本文得到中国博士后科学基金面上项目资助（项目号：20100480575）；作者感谢南京农业大学王怀明教授,钟甫宁教授,南京理工大学孟令杰教授给本文提出的建议,本文曾在第九届中国经济学年会上报告过,感谢与会者的建议,感谢匿名审稿人的宝贵修改意见,文责自负.

摘 要文章使用非参数的双边相对Malmqutist生产率指数（BilateralRelativeMalmquistProductivityIndex―BRMPI）的方法测算了中国28个省级地区农业全要素生产率水平,在控制地区空间因素的基础上研究生产率地区差异趋势及其影响因素.空间统计分析的结果显示,样本期间内各省的农业全要素生产率水平存在局部空间相关性.在利用空间计量方法估计的收敛方程中,我们发现地区工业化和城市化能够显著促进生产率水平的提高,人力资本的作用在不同的样本时期有差别,这可能与劳动力的跨区域流动有关,对外开放、市场化程度和农业科研投入的作用不明显.

关 键 词农业全要素生产率水平双边Malmquist指数空间相关性

一、引言与文献综述

由于地理位置,劳动力等要素的流动,技术的扩散和溢出效应的存在,使得经济体在空间上相互存在着联系,尤其是技术溢出的效应更被广泛地接受为一种促进地区差距缩小的重要机制（林光平等,2005）.而对于地区差距趋势的研究常常会忽略地区之间的联系,大多都采用收敛检验的方法,通过这些检验我们可以知晓经济发展中的地区差距是否有缩小的趋势和潜力,但即使传统方法估计出的β值是显著负的,也只能是地区间收敛的一个必要条件而非充要条件（SakamotoandIslam,2008）.并且传统的收敛方法是基于各地区之间是相互独立的检测定.然而从地区的角度来看,空间效应尤其是空间自相关性在收敛研究中是不能忽略的,因为例如地区间贸易,技术和知识扩散以及一般地区外部性和技术溢出都会使得地区之间存在空间上的依赖性.由于空间的这种相互作用存在,地理位置在地区经济活动中就扮演了一个重要的角色（Gallo,2001）,一些地区之所以能够发展的很好,可能仅仅是因为它有一个好的邻居.

由此,很多关于地区间经济增长收敛的研究也开始关注空间要素在收敛机制中的作用：Dallerba（2005）的研究在考虑了地区间空间误差相关性的条件下,对西班牙地区间的人均GDP进行了空间收敛的分析,研究发现总的人均产值的β收敛趋势要大于农业部门和工业部门,但是小于怎么写作部门,并且只有总的人均产值存在σ收敛,各部门则不存在,原因可能在于落后地区的更多的资源从农业部门流向了更具效率部门.林光平等（2006）的研究在以往的关于地区绝对σ收敛研究的基础上,以区域之间发展的相互影响为出发点,引入“条件”σ收敛的概念,发现各省区之间相关性越来越大,并且新方法使得趋异性降低,1978―2002年省区经济σ收敛具有阶段性,这种波动与总体经济运行具有一致性.他们的另一份研究在空间滞后和误差模型中,使用不同的权重矩阵对同期地区间经济增长的β收敛情况进行了研究,发现地区间经济存在收敛,但是趋势有所减缓（林光平等,2005）.陈晓玲和李国平（2006）使用面板数据对地区间收敛特性和空间相关性统计描述的基础上,进一步使用空间计量模型主要对地区经济β收敛状况进行了研究发现,1978―2004年总体上经济是存在收敛,但在各子时段是有差异的且收敛速度比较缓慢.何江和张馨之（2006）的研究与该研究结果有异曲同工之妙,他们使用面板数据空间计量模型对中国地区经济增长的条件收敛进行了估计,引入空间变量后,也发现条件收敛速度有所减小,并且发现投资是影响收敛与否的突出因素.

上述都是近年来出现的将经济地理因素纳入地区差距的相关研究,总体的研究结论是：经济地理因素在地区经济中有重要作用.而技术本文的技术指全要素生产率,因为全要素生产率（TFP）度量的是一种广义的技术因素.作为一种要素,其溢出的作用在空间上应该更为直接.刘旭华等（2004）将空间要素纳入区域生产率（第二产业）增长的研究,发现改革开放至1998年地区间经济的相互联系越来越密切,并且地区生产率存在条件收敛,经济总量、“后发优势”等是影响生产力提高的重要因素.吴玉鸣和李建霞（2006）曾对中国区域工业全要素生产率进行了空间计量的分析,实证结果比较符合发展实际,地理空间因素对单要素生产率和全要素生产率都产生了影响,且省区工业企业存在着空间集聚的现象,地区差异显著.Zhuetal.(2008)对中国自改革开放以来的省区间全要素生产率的差异进行了分析,结果发现省区间不仅存在空间相关性,并且这种相关性随着时间的推移不断加强,省区间生产率存在两极分化的现象,考察期间内生产率是发散的.而具体到农业生产率的地区差异的研究却很少有关注到地区空间因素,但农业生产对土地、气温和日照等要素的依赖比较强,邻近地区由于地理环境气候及播种品种等原因,技术扩散会相对更加容易,以及随着农业机械跨区作业等的不断发展和扩大,邻近地区的技术溢出效果可能也更为明显,因而本文在以往研究的基础上,引入空间地理因素以控制邻近地区的影响,使用空间模型的方法来考察地区间农业生产率水平的差异以及可能影响生产率变化的因素.

另外一直以来关于农业、农村和农民发展问题的研究层出不穷,虽然都赞同要大力促进“三农”的发展,但是在具体的路径和政策上的争论不断.其中一些学者倾向采用移民的方式间接促进农业的发展和农村的致富,将大量的农民转变为市民,一方面可以产生集聚效应促进城市的发展（范剑勇等,2004）,另一方面也减少了农村的隐性失业,缓解了农村的资源紧张局面,随着农业人口的减少,农业的规模化种植便成为可能了,农业得到发展,农民人均收入也随之提高,“三农”问题自然而然也就不成问题了（牛文元《人民日报》(2005年03月03日第十四版)对中国科学院可持续发展战略研究组首席科学家牛文元的采访《加快城市化步伐势在必行》.,2005；刘泽民,2005）.但实证上并没有证据来检验这种途径对农业的作用,本文的实证结果试图填补这一空白.

接下来的安排如下：第二部分是生产率测算方法和数据的处理介绍,第三部分在测算的基础上介绍生产率空间相关性检验的方法,以及检验结果的分析；第四部分是在考虑空间因素的条件下,考察地区间生产率差异及其影响因素；第五部分为文章的结论和政策建议.

二、生产率测算方法、数据与基本结果

(一)生产率测算方法

生产率一般分为增长率和水平值两种,前者表示技术进步的速度,后者则表示技术的绝对水平,生产率增长率收敛仅是生产率水平收敛的必要条件.生产率测算的方法大体上可以分为参数和非参数两种.相比较而言,参数方法可以直接测算出样本期间内各地区的农业全要素生产率水平,但是要基于一些比较严格的检测定,而非参数的方法无需这些严格的检测定,能直接得到全要素生产率的增长,可以用来研究每个决策单元（DMU）的全要素生产率的变化情况,但是在投入和产出无法获得的情况下,非参数方法无法计算全要素生产率的绝对水平.鉴于参数和非参数方法各自的优缺点,本文将采用基于非参数的双边相对Malmqutist生产率指数来测算各地区相对农业全要素生产率水平.这种方法避免了参数方法的缺点,又可以得到各个地区的相对生产率水平,为后文进一步研究奠定了基础.

具体测算过程如下：

第一步,为了比较每个DMU在同一时段的生产率水平,构建下列模型：

对任意的k和t,1≤k≤n,1≤t≤T：定义一个n个虚拟的决策单元{DDMUit}t1≤i≤n,和一个虚拟的时间段tt,在时间段t内所有的虚拟决策单元DDMU与某一个DMUkt拥有同样的投入和产出.而在虚拟时间段tt,对所有的1≤i≤n时,DDMUit与DMUit是同样的生产点.这样就有两个生产可能性集：

时间段t的生产可能性集PPS1k等于{{DMUit}t1≤i≤n,{DDMUit}t1≤i≤n}t；

虚拟时间段的生产可能性集PPS2k等于{{DMUit}t1≤i≤n,,{DDMUit}tt1≤i≤n}tt.（每个生产前沿面都有2n个决策单元）

值得注意的是,由这两个生产可能性集所决定的两个生产前沿面,与仅由生产可能性集{DMUit}t1≤i≤n所决定的生产前沿面是相同的.然后运用Malmquist指数方法测算时期t和tt内的2n个DMU的效率,就可以得到对所有的1≤k,i≤n都有的双边的相对Malmquist生产率指数,记为BRMPIki,代表的是时期t内DMUi相对于DMUk的生产率水平.对所有的k等于1,2,等,n,重复上面的过程就可以得到n×n个MPI,即可以用于直接比较的相对生产率水平指标.所有的DMU之间的生产率水平的两两比较可以用下面的BRMPI矩阵来表示：

BRMPI等于BRMPI11,BRMPI12,等,BRMPI1n

BRMPI21,BRMPI22,等,BRMPI2n

等等

等等

BRMPIn1,BRMPIn2,等,BRMPInn

矩阵中的元素BRMPIij表示的是第j个地区相对于第i个地区的生产率水平,例如1代表北京,则第一列则代表北京相对于其他地区的生产率水平,第一行代表其他地区相对于北京的生产率水平.在使用该方法进行某时点上多元比较的时候,需要注意一个传递性的问题,以保证多元比较的内部一致性,也就是说直接比较任何两个单元s和t的结果,和通过另外一个第三个单元来间接比较s和t的结果应该是一样的,即对任意一个r,1≤r≤n,都有：BRMPIst等于BRMPIsr×BRMPIrt.

第二步构造全要素生产率水平面板数据集,通过使用上述的方法我们可以测算出基期年份各地区相对于某一个地区的全要素生产率水平,然后进一步通过普通的Malmquist生产率指数,测算出各个地区每年相对于上一年的全要素生产率的指数.

最后将所得到的基期年份相对生产率水平与生产率指数相乘得到每个地区在所有的样本期间内的相对生产率水平,即一个面板数据特征的相对全要素生产率水平集合.

在测算省际地区农业全要素生产率基期水平时,本文选取北京地区作为DMUk,即测算出来的基期年份农业TFP相对水平是各地区相对于北京地区的相对TFP水平.采用新的方法一方面是为了避免参数方法严格的检测定以及误差项的干扰,另一方面也使得相同地区不同年份以及相同年份不同地区的TFP都具有可比性.

(二)测算数据指标

所选择的样本期间是从1985年开始,主要是因为农村的体制改革所带来效率改善在80年代中期基本结束（林毅夫,1992）,之前和之后的数据并不具有可比性.结合已有的研究,并综合考虑农业投入的因素,本文将把生产性固定资产纳入投入要素体系进行考虑,而现有统计资料缺乏2006和2007年的农村户数,因此样本年限为1985―2005年.另外样本中不包含海南省,将1997年之后的重庆数据并入到四川,另外由于数据的不可获得性,西藏也没有包含在样本中.

产出指标采用的是农业总产值,投入数据中包括了种子、化肥等中间投入、劳动力和土地,除此之外还包括大多数研究所忽视的生产性固定资产.农业产出数据来自《新中国50年统计资料》和历年各省的《中国统计年鉴》,要素投入部分的中间投入使用的是农业总产值与农业GDP的差,因为在国民经济核算中总产值重复计算了中间投入,而农业GDP是增加值,因此将两者相减得到中间投入虽然总产值中忽略了怎么写作的价值,不过由于农业中怎么写作的价值很低,因而这部分不构成总产值与GDP的主要差异..中间投入与农业总产出都按照1990年不变价计算；农业从业人员采用的是第一产业就业人数；以农作物总播种面积衡量土地投入.

生产性固定资产数据的处理方面,目前可查到的统计数据中仅有的农村居民家庭生产性固定资产原值,将农村居民家庭生产性固定资产与乡村户数相乘,由此得到的是各地区购写时的原值.在资本投入方面,总体经济和工业行业的研究是通过一定的折旧率将资本流量转化为某时期内的存量,但关于农业经济的文献中,极少有考虑生产性固定资产的投入,因而也很难找到相应的折旧率来进行数据的处理,为了使数据具有可比性,根据农业生产中生产性固定资产的一般使用情况,检测定生产性固定资产折旧的年份为10年从全国来看,农村居民生产性固定资产原值中70%以上为农业生产用固定资产,根据1992年12月31日财政部《农业企业财务制度》中农业企业固定资产分类折旧年限表的第二类――农业专用设备分类折旧年限,大多数固定资产折旧年限都在10年左右,因此我们检测定现役农村居民家庭生产性固定资产为10年前购写.具体折旧年限如下：9．拖拉机（1）大中型拖拉机6～10年；（2）小型拖拉机（14千瓦以下）4～6年；10．谷物联合收获机8～12年；11．机引农具及渔业、牧业机械5～8年；12．排灌机械及大型喷灌机8～12年；13．粮食处理机械10～16年；14．农田基本建设机械8～12年；15．农用飞机及作业设备10～14年；16．修理专用设备及测试设备10～15年；17．金属油罐10～15年.,即是在10年前购写的,例如1995年在役的生产性固定资产检测定是1985年购写的,所以1995年的原值实际上是1985年表示的价值,1996年的则是1986年表示的原值,如果我们想调整为1990年表示的价值,则2000年的数据无需调整（因为检测定了为1990年）,而2001年的需要用1991年的指数进行调整（因为检测定2001年的数据为1991年的）,在实际的计算中,使用各地区农村工业品零售指数作可比性调整的指标,对某些地区个别年份缺失的指数使用全国同一年的农村工业品零售指数来填补.

(三)基本测算结果

使用双边相对的Malmqutist生产率指数办法,测算出了1985―2005年中国28个省级地区的农业全要素生产率相对水平,表1列出了各地区主要年份的生产率水平.

从表中可以看出,绝大多数地区的农业生产率水平与基期年相比都有提高,从均值来看的全国整体的生产率水平也有所提高,尤其是1997年以后,生产率整体水平以比较快的速度提高,而1988年至90年代中期,生产率整体水平比较稳定,但是与之前的水平相比略有下降.在样本期间内各地区的生产率水平都有不同的波动和变化,大多数地区都呈现出先下降后提高的∪型变化,所不同的是最低点出现的时间有差异；而上海、福建、广东、黑龙江、吉林、辽宁、天津和内蒙古则处于一直上升的趋势.另外进入新世纪以来,与上一年相比,生产率出现下降的地区数量也显著减少了.

图1历年TFP平均水平变化趋势

三、农业生产率空间自相关的检验

有关区域经济的空间计量分析的基本思路是,首先采用空间统计分析的Moran指数法检验被解释变量是否存在空间自相关性,若存在则意味着被解释变量在不同空间位置上存在相关性,需要建立空间计量模型进一步分析（吴玉鸣和李建霞,2006）.实证研究中一般也采用Moran指数法来检验空间自相关（ReyandMontouri,1999,ReyandJanikas,2005；Annekatrin,2001；陈晓铃和李国平,2006；马国霞等,2007；张晓旭和冯宗宪,2008）,MoranI有全局指标（GlobalMoransI）和局部指标（LocalMoransI）两种.

全局指标定义为：

MoransIt等于1∑ni等于1∑nj等于1Wij•,∑ni等于1∑nj等于1Wij(TEPit-TEP)(TFPjt-TFP)∑ni等于1(TFPit-TFP)2n（1）

局部MoransI为：

MoransIit等于(TEPi-TEP)∑nj等于1Wij(TFPj-TFP)∑ni等于1(TFPi-TFP)2n（2）

其中,wij是权重矩阵W的元素,当i与j相邻时,wij等于1,不相邻则wij等于0,TFPit和TFPjt是地区i和j在时期t的农业全要素生产率观测值,TFP是生产率的平均值,n为地区数量.根据定义,MoransI值应该介于-1和1之间,如果MoransI为零则说明地区i的农业全要素生产率与邻近地区的生产率水平无关,即空间分布是随机的.MoransI为正或负时,分别说明地区i的农业生产率水平与邻近地区正相关或负相关.通过全局MoransI的测算可以描述总体上我国农业全要素生产率水平的空间自相关模式,但其平均化了地区之间的差异,不能具体反映各地区的空间依赖情况.局部MoransI是一种以局部Moran空间统计指标为基础的自相关分析,描述的是局部的自相关,通过局部MoransI的测算,可以得到有关地区聚集和Moran散点图,其中散点图中的变量都是被标准化过的,图中横轴和纵轴分别是该变量当期值和滞后项.四个象限分别表示四种类型的空间相关性：第一,二,三,四象限分别表示高高（HH表示高水平地区的邻居整体也为高水平）,低高（LH）,低低（LL）,高低（HL）.HH和LL为正的空间自相关,LH和HL为负空间自相关.另外通过地区集聚地图一方面可以说明局部地区的空间相关性,另一方面也可以为俱乐部收敛寻找证据.根据式1对每年所有地区作全局空间自相关检验,结果下表所示：

注：伴随概率PValue的值直接取决于序列的数目,在绝大多数情况下序列数为999对于取得一个稳定的结果就足够了（Anselin,2003）,因此每个PValue的产生序列都为999.

可以看出全局MoransI都不显著,即从全国总体平均水平来看,生产率与邻近地区的生产率水平不存在显著的相关性.但不能根据该结果就判断任何地区的生产率水平都与邻近地区无关,因为这种相关性可能只存在于部分地区,或者正负相互抵消,在统计上不显著,因此需要进一步通过局部的MoransI来考察局部地区的空间自相关程度.

通过Moran散点图和LISA（空间联系指标）来考察观测值的局部空间特征,图2中分别为1986,1995和2005年的Moran散点图,图3分别为这三年的LISA空间集聚地图.

图21986,1995,2005年Moran散点图

通过Moran散点图可以看出,1986年那些与整体不一致的即非典型（与总体趋势不一致的）的点应该是落在第一和第三象限的一部分,非典型的地区包括：安徽、上海、浙江、福建、黑龙江,属于HH类型；山东、四川、宁夏、贵州,属于LL类型.1995年非典型地区应该落在第一和第三象限,包括：吉林、浙江和福建,属于HH；四川、贵州、湖南、湖北、陕西、河南、安徽和山东,属于LL.2005年的非典型地区：吉林、天津和福建,属于HH；新疆、青海、云南、四川、贵州、湖北、陕西、山西、河南、安徽和山东,属于LL.期初和期末非典型地区发生了剧烈变化,安徽从1986年的HH变到2005年的LL,同时属于LL的省份也越来越多,这说明地区之间的关系随时间出现显著的变化,从图3可以更清楚地看出.

如果从局部LISA图的显著性水平来看,1986年有三个地区是显著的青海、宁夏和湖北,其中青海和湖北属于HL,宁夏属于LL；1995年显著的地区有5个：山东、河南、湖北属于LL,内蒙属于HL,黑龙江LH；2005年的显著地区有山东、河南、湖北和四川,属于LL,内蒙古属于HL型.通过局部自相关发现,虽然有的地区全局Moran统计指标是不显著的,但在一些地区确实出现了局部的地区空间相关性,并且随着时间的推移,可以看出显著的LL地区越来越多.如果按南、中、北的角度来考察各地区的话,最终局部生产率低水平地区出现了集聚,并且集中在中部.由此可以看出,至2005年中国省级地区间农业生产率不存在显著的高水平向低水平的溢出,真正相关较多的是在低水平地区之间.

图31986,1995,2005年LISA集群图其中西藏、海南、香港、澳门和台湾缺失数据.

通过上述分析发现80年代中期以来中国各地区农业生产率不存在全局的空间相关性,但从局部显著性来看,LL地区都集中在中部,并且这些地区邻近地区的生产率水平也为低水平,中部地区因此成为一个比较完整的低生产率水平地带.高水平地区间的空间相关性并不存在.

四、农业生产率地区差异及影响因素实证分析

传统的新古典经济学中的收敛检测说认为各地区是封闭的,而实际上一国内部的不同区域的联系是非常密切的,因此在收敛检验中需要考虑空间相关性.如果检验的结果支持空间相关性,那么研究影响地区生产率水平因素时,需要使用空间计量经济的模型进行分析,普通OLS估计遗漏变量会违背BLUE原则.而OLS发生偏误的程度就取决于空间自相关的形式,按照形式的不同有空间滞后模型（SAR）和空间误差模型（SEM）两种最基本的形式,前者是用来分析特定变量在某地区是否有扩散的现象,空间的自相关性是体现在因变量的滞后项中,后者的空间自相关则是体现在误差项中的,用来考察邻近地区的误差冲击对所考察地区生产率水平的影响（AnselinandRey,1991）.具体的空间滞后变量模型为：

1/tln(TFPit/TFPi0)等于α0I+ηW［1/tln(TFPit/TFPi0)］

+β1lnTFPi0+αmXm+εit（3）

其中I是单位向量,η表示了观察值之间的空间相关性,W为采用邻近原则确定的空间权重矩阵,TFPit和TFPi0分别表示报告期和基期生产率水平.加入空间滞后项的模型,可以估计地区间因变量之间的空间相关度,同时也会改变其他解释变量的系数值和显著性.实际估计时,是将（3）式改写成如下形式：

1/tln(TFPit/TFPi0)等于α0(I-ηW)-1I+β1(I-ηW)-1lnTFPi0

+αm(I-ηW)-1Xm+(I-ηW)-1εit（4）

空间误差模型的基本形式为：

1/tln(TFPit/TFPi0)等于α0+β1lnTFPi0+αmXm+εit

εit等于λWεit+μiε,μN(0,σ2I)（5）

其中λ为空间误差系数,反应了残差之间的空间关联程度.空间误差模型考察的是相邻地区间那些观测不到的因素的空间相关性,并且这些因素会对因变量产生影响.如果存在误差的空间相关,普通的OLS回归中的误差项不相关的经典检测设不成立,其估计也是有偏的.

对于影响农业技术扩散和技术水平的因素,本文主要考察以下几类：

人力资本（HC）：在新古典经济学中,人力资本是导致内生经济增长的源泉,其差异直接影响全要素生产率（Romer,1986,Lucas,1988）,而在农业生产中,农民受教育程度高的地区,农业技术更容易传播和扩散,地区农业生产效率水平也会越高（TongandFulginiti,2002,韩晓燕和翟印礼,2005；张永霞,2006）.本文首先计算各地区平均受教育年限：

Ed等于prop0•,0+prop1•,6+prop2•,9+prop3•,12+prop4•,13+prop5•,15

其中prop0prop5代表不识字、小学、初中、高中、中专、大专及以上的人口比重,然后参照HallandJones（1999）将受教育年限转化为人力资本的做法,即人力资本X1是教育年限的一个函数,检测定该函数形式为X1等于h(Ed)等于eφ(Ed),再将φ(Ed)看成一个分段函数（黎德福和陈宗胜,2008）,结合使用PsacharopoulosandPatrinos(2004)所给的中国教育的社会回报率初等教育回报率为0.144,中等教育0.129,高等教育0.113.的数据,将各地区每年的平均受教育年限转化为人力资本.由于统计上没有1988年以前的农村居民家庭劳动力文化状况的数据,因此人力资本的数据为1988―2005年.

农村工业化（Ind）：改革开放后的农村工业化的突出表现是乡镇企业的发展,工业化一方面吸纳了富裕的农村劳动力,使得单个农业劳动力的产出上升,即劳动生产率提高（苗长虹,1997）,另一方面直接提高了农业的技术水平,当地的工业化对农业产生技术溢出.本文使用乡镇企业总产值占该地区农业总产值的比重从1984年起村及村以下工业产值划归工业,因此乡镇企业总产值占地区农业总产值比重的数字有可能是大于1的..从中国资讯行可以获得1999―2005年中国各地区乡镇企业总产值数据,1987―1998年的乡镇企业总产值数据来自历年《中国农业年鉴》.其中1996年的各地区乡镇企业总产值数据在现有统计资料中没有报告,我们采用插值法补充.

科技因素（R&D）：大部分文献都认为农业的研发投入对技术进步有显著作用（McCunnandHuffman,2000,TongandFulginiti,2002）.但由于数据的限制,无法得到各地区用于农业方面的科研投入数据,本文使用的是各地区农业科研机构的研发支出,数据来源于《全国农业科技统计资料》,该数据是从1999年开始统计的,因此数据是从1999年到2005年.

文章还考察了其他指标对地区生产率变化的影响,一个是反映地区市场化程度的指标（Mark）――市场化指数,该数据来源于樊纲等关于2001、2003、2004和2006年的四个市场化程度报告,每个地区的市场化程度指标包括政府与市场关系、非国有经济发展、产品市场和要素市场的发育程度以及市场相似度检测组织发育和法制环境,数据期间为1997―2005.另一个指标是开放程度（Open）―进出口总额占GDP的比重,一个地区对外开放程度高,则会增加该地区接触和引进新技术的机会,提高学习和使用技术的效率,从而也会促进一个地区生产率水平的提高.最后一个指标是城市化率（City）,城市化水平越高说明该地区城镇人口比重越大,则对农产品的需求也会越大,产品就会相应提高,可以刺激农业生产的积极性,促进农业生产率的提高,我们以城镇人口的比重作为对城市化的度量.

通过第三部分的分析,发现局部空间相关是存在的,也就是说局部地区的生产率水平与其邻近地区的生产率水平发生了显著的空间相关性.那么在进行中国农业全要素生产率地区差异研究时,需要控制住邻近地区对本地生产率水平的影响,即采用空间计量模型进行分析.另外可获得的数据的时间跨度也不一样,本文将逐步引入工业化、人力资本、对外开放程度、城市化、市场化指数和科研投入.根据Arbiaetal.（2005）针对意大利地区差距的研究,控制固定效应可以将空间依赖的作用跟空间异质性和遗漏变量的影响区分开来,这样可以准确估计一国内部的地区收敛过程,因此在估计各模型时采用双向固定效应的模型.

表3空间误差和空间滞后的固定效应模型回归结果由于篇幅限制,作者只列出了最终选择解读的模型,模型Ⅴ的空间滞后和误差模型结果基本没有差异,只列出了误差模型,其他模型结果如有需要可向作者索要.

注：括号内为t值,其中*、**和***分别代表10%、5%和1%的显著性水平.

模型Ⅰ的空间误差和空间滞后变量模型中,期初生产率水平和农村工业化的系数值和显著性差别不大,同时空间误差模型的空间相关系数显著为负,空间滞后变量模型的不显著,两种模型都能通过LM检验,因此选择空间误差模型.从结果来看,在经典β收敛模型的基础上,控制了误差的空间相关性并加入可能的影响因素――农村工业化程度后,中国地区之间的农业全要素生产率仍没有显示出显著的收敛迹象,农村工业化程度因素对生产率的增长有显著的正向作用,即工业化水平越高的地区其生产率增长也越快.对于这一结果,本文认为可能有以下几种机制：

首先,农村工业化程度较高的地区,乡镇企业的产品流通会促进技术和信息的传播,而农业技术和信息的传播又会直接带来生产率的提高.其次是方面的原因,一方面,农村工业化程度较高的地区,农民收入也相对较高作者计算了每年各地区农村工业化程度与农民人均纯收入的相关系数,最低也为0.70,最高达到0.88.,消费水平也会比较高,商品水平也会相应高,而由于农业总产值的计算方法通常是按农、林、牧、渔业产品及其副产品的产量分别乘以各自单位产品求得《中国统计年鉴2007》农业主要统计指标解释.,总产值指标包含了的因素,因此较高,同样产出量条件下的总产值就会较高,从而会使得测算的生产率水平提高；另一方面,农村工业化程度高的地区,一部分乡镇企业从事的是农产品的加工,会加大对农产品的需求,从而提高农产品的.最后,农村工业化会带动农村基础设施建设,比如农村的交通、通信教育等,这些会直接促进本地与外界的交流和沟通,从而带动技术和信息更快地传播和扩散.

模型Ⅱ在模型Ⅰ的基础上加入农村人力资本,无论是空间误差还是空间滞后模型的结果都不显著,通过对两种模型进行LM检验后,发现当不存在空间滞后相关性的时候,空间误差相关也不显著；而在没有空间误差相关时,空间滞后相关性是显著的,即当λ等于0时,η不显著为0,因此对于模型Ⅱ选择空间滞后变量模型的估计结果.由于模型Ⅰ中不控制人力资本因素时是存在显著的空间误差相关的,而控制了人力资本后的模型则不显著,这说明地区间的空间相关性是包含在人力资本因素中的,人口在不同地区之间的流动可以带来技术溢出.

模型Ⅲ在模型Ⅱ的基础上加入了城市化和对外开放程度,空间误差和滞后模型的结果没有太大差异,但空间滞后模型通过了LM检验,因此选择空间滞后变量模型.加入了城市化和对外开放程度指标后,期初生产率水平的回归系数为负,出现了显著收敛的迹象,农村工业化程度对生产率水平的提高仍有显著的正向的促进作用,人力资本的作用为正但仍不显著.同时对外开放对生产率增长没有显著的作用,而城市化水平显著提高生产率的增速,这可能是因为城市人口是农产品的纯粹消费者,且农产品大多属于生活必需品,每个个体对农产品的需求数量不会存在较大差别,城镇人口相对较多的地区市场需求更大,有利于农产品的销售,从而会提高农民生产积极性和引进先进技术,促进生产率的提高.并且城市化率高的地区,也会由于收入高而需求较高层次的农产品,加上农产品自身易腐蚀、不宜储存等特点,使得城市化率高地区的农业生产结构发生变化,即城市化率高的地区生产高附加值的农产品,测算出的生产率水平也较高.

模型Ⅳ中的误差模型存在显著的空间溢出效应,两个模型除对外开放外,其他变量的结果没有大的差别,因此选择空间误差模型.期初生产率水平没有出现收敛迹象,可能是因为样本期缩短为1997―2005,该时期地区间农业生产率水平没有收敛趋势.农村工业化的作用仍然是显著正向的,此时人力资本的作用显著为负,这可能与90年始的农村劳动力大规模流动有关,受教育水平高的劳动力者流动的可能性更大,即便某地区的农村人力资本多,而那些高的人力资本由于流动没有参与当地的农业生产,实际从事农业生产的劳动力是无法流动、人力资本较低的劳动者,所以两者呈负相关.

模型Ⅴ加入各地区农业科研支出,期初生产率水平的符号是负但不显著,所有影响因素中显著的只有农村工业化和对外开放,并且两者对生产率的提高都有显著的促进作用,对外开放程度高的地区,其与外界交流的机会更多,这些交流会同时带来信息和技术的流动,有利于农业生产率的提高.农业科研支出的作用不显著,这可能是因为本文科研投入的指标是各地区农业科研机构的R&D活动支出,而在实际的农业生产中,各级政府机构对农业科技的投入可能才是更合适的指标,同时农业科研机构的研究成果往往外部性很大,并不一定只应用于本地的农业生产.

农村工业化几乎在所有模型中都对生产率的提高有显著的促进作用,并且结果非常稳健,但其作用在90年代中后期开始减弱.人力资本的影响作用在不同的考察时期是有差异的,可能与农村劳动力流动有关.城市化对生产率的提高也有较明显的促进作用,并且90年代之后有所加强.此外市场化建设和对外开放对农业生产率增长的促进作用并不稳健.

五、结论与政策建议

新经济地理学强调地理空间因素在经济发展中的重要作用,忽略空间因素的简单OLS估计可能是有偏的.本文通过使用空间统计和空间计量的方法,对地区间生产率的空间相关性以及地区差异的影响因素进行了分析,结果发现样本期间内,地区间农业全要素生产率水平在局部存在空间相关性,尤其是低水平地区之间的空间相关.鉴于此,文章在后续考察地区生产率差异影响因素时,控制了地区间的空间相互作用,逐步引入农村工业化、农村人力资本、对外开放、城市化、市场化以及农业科研投入六个要素,以考察他们对各地区生产率差异变化趋势（收敛）的影响.

在所有可能影响技术水平和技术扩散的因素中,工业化和城市化是最重要的两个因素,这说明未来要想促进农业的更快发展,需要推行工业化以扩大对农业的技术溢出,同时推行城市化发展战略,减少农村资源的承载负担.人力资本的作用在不同的样本时期有差别,1997年之后的作用为负,劳动力的流动是一个主要因素.而对外开放、市场化和农业的科研投入的作用都不明显.

本文的结论也为农业的发展战略提供了依据.在考虑地区之间的空间依赖性之后,我们发现不管是增加对农业科研的投入,还是增加对农村教育的投资,其对本地农业发展的作用都非常微弱,而真正起到显著作用的是当地的农村工业化和城市化的发展,这说明仅仅从“三农”本身来解决“三农”问题是远远不够的,至少在可供选择的方案中,从外部来解决“三农”困境的效率会更高,以工业带动农业、以城市促进农村的方式更加可取.因而未来关于中国农业的发展,除了要加强工业化的速度外,需要加大要素市场上的改革,特别是要促进劳动力永久性地移居到城市,农业要实行一定的规模化种植,其技术水平才会得到大幅度的提高.

Zhu,Shujin,MingyongLai,XiaolanFu,2008,“SpatialCharacteristicsandDynamicsofProvincialTotalFactorProductivityinChina,”JournalofChineseEconomicandBusinessStudies,6(2),197217.

陈晓玲和李国平,2006,《我国地区经济收敛的空间面板数据模型分析》,《经济科学》第5期5―17页.

范剑勇、和沈林浩,2004,《产业集聚与农村劳动力的跨区域流动》,《管理世界》第4期22―29页.

何江和张馨之,2006,《中国区域经济增长及其收敛性：空间面板数据分析》,《南方经济》第5期44―52页.

韩晓燕和翟印礼,2005,《中国农业生产率的地区差异与收敛性研究》,《农业技术经济》第6期52―57页.

黎德福和陈宗胜,2008,《改革以来中国经济是否存在快速的效率改进?》,同济大学经济管理学院工作论文.

刘旭华、王劲峰和孟斌,2004,《中国区域经济时空动态不平衡发展分析》,《地理研究》第23卷第4期530―540页.

刘泽民,2005,《增加农民收入的根本出路在于减少农民》,《求是》第7期50―52页.

林光平、龙志和和吴梅,2006,《中国地区经济σ收敛的空间计量实证分析》,《数量经济技术经济研究》第4期14―21页.

林光平、龙志和和吴梅,2005,《我国地区经济收敛的空间计量实证分析：1978―2002年》,《经济学（季刊）》第4卷增刊67―82页.

林毅夫,1992,《制度、技术与中国农业发展》,上海人民出版社.

马国霞、徐勇和田玉军,2007,《京津冀都市圈经济增长收敛机制的空间分析》,《地理研究》第26卷第3期590―598页.

苗长虹,1997,《中国农村工业化对经济发展的贡献》,《经济地理》第2期60―64页.

吴玉鸣和李建霞,2006,《基于地理加权回归模型的省域工业全要素生产率分析》,《经济地理》第26卷第5期748―752页.

张晓旭和冯宗宪,2008,《中国人均GDP的空间相关与地区收敛：1978―2003》,《经济学（季刊）》第7卷第2期399―414页.

张永霞,2006,《中国农业生产率测算及实证研究》,中国农业科学院博士学位论文.

“本文中所涉及到的图表、公式、注解等请以PDF格式阅读”