干旱灾害与农田灌溉对小麦生产技术效率的影响

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

栾健, 韩一军^,中国农业大学经济管理学院,北京 100083

Impacts of drought disasters and farmland irrigation on wheat production technical efficiency

LUAN Jian, HAN Yijun^,College of Economics and Management, China Agricultural University, Beijing 100083, China

通讯作者: 韩一军,男,陕西渭南人,教授,博士生导师,研究方向为农业经济理论与政策。E-mail: hyjcau@126.com

收稿日期:2019-03-12修回日期:2019-05-28网络出版日期:2019-08-25

基金资助:

国家社会科学基金重点项目.17AJY019

Received:2019-03-12Revised:2019-05-28Online:2019-08-25
作者简介 About authors
栾健,男,山东烟台人,博士生,研究方向为农业经济理论与政策E-mail:luanjian110550@126.com。

摘要
干旱灾害对小麦稳产增产影响很大。明晰不同农田灌溉水平下旱灾对小麦生产技术效率的影响具有重要意义。本文基于15个小麦主产省区1991—2016年面板数据,运用随机前沿函数分析法和面板门槛回归模型,探讨了小麦生产技术效率的时空演变趋势、旱灾对小麦生产技术效率影响的门槛效应以及农田水利设施减灾能力的时空异质性,主要结论如下：①小麦生产技术效率总体呈现波动提升趋势,年均增长0.98%,东、中、西部地区小麦生产技术效率具有明显的时序变化趋同性和空间分布异质性,东部地区技术效率水平最高,主导着生产前沿面移动,中、西部地区技术效率提升潜力巨大;②随着有效灌溉率的提升,旱灾对小麦生产技术效率影响具有双重门槛效应,其负向影响随着有效灌溉率的提升而呈现阶梯型下降;③1991—2016年间,各小麦主产省农田水利设施减灾能力明显提升,农田水利设施减灾能力相对薄弱的地区多集中于甘肃、陕西、四川和云南等西部省份。
关键词： 旱灾;农田灌溉;小麦生产;技术效率;随机前沿函数;面板门槛回归模型

Abstract

Drought disasters cause great reduction of wheat yield. It is of vital importance to clarify the impact of drought disasters on wheat production technical efficiency under different levels of farmland irrigation. Based on panel data of 15 major wheat producing provinces of China from 1991 to 2016, stochastic frontier analysis and panel threshold regression model were used in this study to explore the temporal and spatial change of wheat production technical efficiency and the threshold effect of drought disasters on wheat production technical efficiency, as well as temporal and spatial heterogeneity of drought disaster mitigation capacities of farmland irrigation infrastructure. The results are as follows: (1) There is an overall increasing trend with an average annual growth rate of 0.98% of wheat production technical efficiency, which also shows obvious temporal variation convergence and spatial heterogeneity in different regions. Eastern China has the highest level of wheat production technical efficiency, leading the movement of production frontiers. There is a large potential for the central and western regions to improve wheat production technical efficiency. (2) As effective irrigation rate increases, drought disasters show a double threshold effect on wheat production technical efficiency. The negative impact of droughts decreases with the increase of effective irrigation rate. (3) Disaster mitigation capacities of farmland irrigation infrastructure have been significantly improved from 1991 to 2016, while there are still some provinces, such as Gansu, Shaanxi, Sichuan, and Yunnan, whose disaster mitigation capacities are relatively weak. Therefore, the key to alleviating constrains of drought disasters and improving the quality and efficiency of wheat production is to strengthen farmland irrigation investments according to local circumstances to increase effective irrigation rate.

Keywords：drought disasters;farmland irrigation;wheat production;technical efficiency;stochastic frontier function;panel threshold regression model

PDF (8448KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
栾健, 韩一军. 干旱灾害与农田灌溉对小麦生产技术效率的影响. 资源科学[J], 2019, 41(8): 1387-1439 doi:10.18402/resci.2019.08.01
LUAN Jian. Impacts of drought disasters and farmland irrigation on wheat production technical efficiency. RESOURCES SCIENCE[J], 2019, 41(8): 1387-1439 doi:10.18402/resci.2019.08.01

1 引言

日益严重的旱灾已经成为中国粮食稳产增产的硬约束。中国是世界上受自然灾害影响最为严重的国家之一^[1]。近30年来,中国农业气象灾害无论是成灾面积还是成灾比例均呈现加剧趋势^[2],且突发性强、蔓延迅速、破坏性大,具有明显的时序阶段差异和区域异质性^[3],其中尤以旱灾最为严重。2016年,旱灾的成灾率达62.10%。作为中国最重要的口粮之一,小麦的生长过程易受到旱灾的影响。旱灾不仅会导致小麦干物质量累积下降,致使小麦早熟、减产^[4,5],也会增加农户生产经营成本,甚至可能引发后续年份的连续减产^[6]。在旱灾频发的农业生产背景下如何提升小麦生产技术效率,是实现农业可持续发展不可回避的重点问题。

农田水利设施薄弱是导致旱灾灾情逐年加剧的重要原因^[7]。尽管全国耕地有效灌溉面积从1991年的478220.70 km²提升至2016年的671406.20 km²,但较多农田水利设施均修建于20世纪五六十年代,在后续维护资金不足和管理缺失的情况下,其老化失修等问题日益加剧,使得防灾减灾效果不断削弱。2010年的西南大旱更加引发了社会各界对农田水利设施建设的关注。2011年中央一号文件提出将水利作为公共财政投入的重点领域,旨在提高抗旱防洪除涝能力^[8];2016年,国务院颁布《农田水利条例》^[9],以期实现科学灌溉和农业可持续发展。

迄今为止相关研究主要从自然灾害对粮食生产影响以及农田水利设施减灾能力两方面展开。从自然灾害对粮食生产影响看,以往研究多注重于回答自然灾害对粮食产量^[3,10]、粮食生产效率^[11]、技术采纳^[12,13,14]、要素投入^{[15,16,17,18]}及其他适应性行为^[19,20]的影响,对不同农田灌溉水平下自然灾害对粮食生产影响的差异性重视不够。从农田水利设施的减灾能力研究看,已有研究多选取若干农田水利设施投资指标构建减灾能力评价体系,根据减灾能力综合指标进行描述性统计^[21,22]和相关分析^[23],缺少对农田水利设施减灾效果的因果推断。总体来看,农田水利设施对实现防灾减灾、提高农业生产效率、保障粮食安全、促进农民增收具有重要作用^[24,25],且由于不同粮食作物生理特征存在差别,自然灾害对粮食作物的影响程度也存在差异^[6]。中国幅员辽阔、地形复杂、气候多变,不同地区间水资源禀赋和地形条件的差异使得农田水利设施种类和灌溉水平存在差别。如黄淮海平原是小麦传统优势产区,地势平坦、水资源缺乏,灌溉方式以地下水灌溉为主,多选择机井灌溉;相对于北方地区,南方的小麦主产省水源相对丰富,更倾向于修建水闸、泵站从河流湖泊中抽水灌溉。另一方面,经济发展水平的差异也使不同省份农田水利设施存量存在空间异质性。因此,不同农田灌溉条件下,旱灾对粮食生产的影响存在差别。现有研究要么单独探讨自然灾害对粮食生产的影响,忽略了不同农田灌溉水平的差异;要么直接通过构建减灾能力综合指标进行评价分析。而粮食生产受自然灾害和农田灌溉两个因素的综合作用,以往研究多注重分析其中一个因素,使另一个因素成为遗漏变量而造成估计结果有偏。

与已有研究相比,本文的特点在于：第一,将旱灾、农田灌溉和小麦生产技术效率同时纳入分析框架,揭示不同农田灌溉水平下旱灾对小麦生产技术效率影响的差异,厘清农田水利设施减灾能力的时空异质性,是对已有研究^{[4-7,10,11,21-25]}的丰富与拓展;第二,选取小麦作为研究对象而不是对所有粮食作物进行研究,研究针对性更强,结论更为准确。通过1991—2016年中国小麦主产省小麦生产的实证分析,旨在回答如下问题：不同农田灌溉水平下,旱灾对小麦生产技术效率的影响是否存在门槛效应?农田灌溉水平的提升是否起到了减灾作用?减灾效果具有何种空间异质性?回答以上问题可为国家进一步加强农田水利设施建设、提高防灾减灾能力、实现小麦稳产增产提供重要的实证依据。

2 理论框架

研究不同农田灌溉水平下旱灾对小麦生产技术效率的影响,必须厘清旱灾、农田灌溉和小麦生产技术效率的作用机制。小麦生产技术效率是在既定的要素投入下决策单元实际产出与既定要素投入实现最优配置时的最优产出的比值。旱灾、农田灌溉和小麦生产技术效率三者间的关系如图1所示。旱灾对小麦生产技术效率的影响主要体现在两方面：一方面,旱灾的发生导致土壤水分不足,致使小麦水分平衡遭到破坏而降低有效产出,造成小麦生产技术效率下降;另一方面,旱灾带来外部环境的变化也使得原有投入要素的投入量和配置结构发生改变,影响小麦生产技术效率。旱灾发生时,原有投入要素的边际产出下降。在利润最大化条件下,农民会根据旱灾灾情进行生产要素投入的优化配置和结构调整,主要是增加水资源和劳动力投入^[26]、调整化肥投入、农机畜投入和其他资本要素总投入等^[15],使得小麦生产技术效率发生改变。

图1

新窗口打开|下载原图ZIP|生成PPT
图1旱灾、农田灌溉与小麦生产技术效率关系的理论分析框架

Figure 1Relationship between drought disasters,farmland irrigation, and wheat production technical efficiency

农田水利设施对小麦生产技术效率的影响可分为直接影响和间接效应。直接影响体现在以下两方面：首先,水资源投入与其他要素投入存在一定的替代与互补关系,完善的农田水利设施可以保障有效灌溉,改善小麦生长环境,提高其他要素投入的边际产出^[27],实现要素投入的优化配置和投入成本的降低,提高小麦生产技术效率;另一方面,农田水利设施的建设与完善有助于实现节水增效,通过管控灌溉用水量实现水资源集约利用,降低小麦生产的管理和灌溉成本。从间接效应看,农田水利设施可通过蓄水和跨区域调配,从时空维度优化水资源配置,保障小麦生产灌溉水供给,降低旱灾对小麦生产的负面影响,提升小麦生产技术效率。由于地理位置、气候条件、社会经济发展水平等诸多因素的差异,不同地区农田水利设施的减灾能力存在空间异质性,因此通过理论分析可以初步判断,不同农田灌溉水平下旱灾对小麦生产技术效率的影响存在门槛效应。

3 研究方法与数据来源

3.1 研究方法

3.1.1 随机前沿函数分析法

在技术效率测算的方法选择方面,现有文献主要运用数据包络分析（DEA）和随机前沿函数分析（SFA）两种方法。DEA法的缺陷在于：无法考虑环境因素和随机误差对效率的影响以及对异常值较为敏感。小麦生产无疑是一个充满噪声的过程,且受自然条件和国家政策的影响较大,异常值难免会出现。尽管SFA法存在需要先验设定函数形式和误差项概率分布等缺陷,但正因为对误差项和效率损失进行了分离才使得估计结果更加准确,因此选择SFA法在某种程度上优于DEA法的估计结果^[28]。由于SFA法的结果高度依赖模型设定,选择不同的函数形式产生的分析结果具有明显差别,因此采用广义似然比（LR）统计量进行模型设定检验。检验结果（表1）表明,在5%的显著性水平下,各检验的LR统计量均大于相应的临界值,均拒绝原假设H₀。因此,小麦生产中存在技术进步、技术非中性和技术无效率特征,选取超越对数函数更加准确有效,具体模型设定如式（1）所示。

（1）

\begin{array}{l} \ln Y_{it} = β_{0} + β_{1} \ln labo r_{it} + β_{2} \ln fe r_{it} + β_{3} \ln K_{it} + \\ β_{4} time + β_{5} \ln labo r_{it} \ln fe r_{it} + β_{6} \ln labo r_{it} \ln K_{it} + \\ β_{7} \ln fe r_{it} \ln K_{it} + β_{8} time \ln labo r_{it} + β_{9} time \ln fe r_{it} \\ β_{10} time \ln K_{it} + β_{11} (\ln labo r_{it})^{2} + β_{12} (\ln fe r_{it})^{2} + \\ β_{13} (\ln K_{it})^{2} + β_{14} tim e^{2} + v_{it} - u_{it} \end{array}

Table 1
表1
表1随机前沿函数形式的假设检验
Table 1Hypothesis testing of specifications of stochastic frontier function

假设检验	LR检验值	自由度k	临界值	结果
C-D生产函数H₀： $β_{5} = \dots = β_{14} = 0$	142.05	10	18.31	拒绝
技术无进步H₀： $β_{4} = β_{8} = β_{9} = β_{10} = β_{14} = 0$	113.21	5	11.07	拒绝
技术非中性H₀： $β_{8} = β_{9} = β_{10} = 0$	121.56	3	7.81	拒绝
非技术效率效应H₀： $δ_{1} = δ_{2} = δ_{3} = δ_{4} = δ_{5} = 0$	192.95	7	14.07	拒绝

新窗口打开|下载CSV

式中：Y_it表示第i小麦主产省第t年的小麦单产;labor_it、fer_it、K_it分别表示第i小麦主产省第t年的亩均劳动力投入、化肥投入和其他资本投入;time为时间趋势项;

β

为待估计参数;

v_{it}

为随机误差项,表示统计误差以及随机波动等无法控制的因素,其分布为

v_{it} ~ N (0, σ_{v}^{2})

;

u_{it}

为技术无效率项,即距离最佳前沿面的效率损失,假定其分布为

u_{it} ~ N^{+} (m_{it}, σ_{it}^{2})

。当

u_{it}

被估计出来之后,小麦生产技术效率可以表示为：

（2）

t e_{it} = \exp (- u_{it})

为提高估计的有效性,利用“一步法”将外部环境的变化因素同时引入到小麦生产技术效率的估计中,计算公式为：

（3）

\begin{array}{l} m_{it} = δ_{0} + δ_{1} drat e_{it} + δ_{2} irrirat e_{it} + δ_{3} otherrat e_{it} + δ_{4} huma n_{it} \\ ???????? + δ_{5} urba n_{it} + δ_{6} scal e_{it} + δ_{7} mac h_{it} + δ_{8} polic y_{it} + ω_{it} \end{array}

式中：m_it表示技术效率损失函数;

ω_{it}

为随机误差项;

δ_{0}

为常数项;

δ_{1}

δ_{8}

为待估计参数,如果符号为负,表明该因素对技术效率具有正向作用,反之则为负向作用;drate_it、irrirate_it、otherrate_it、human_it、urban_it、scale_it、mach_it和policy_it分别表示第i小麦主产省第t年的旱灾成灾率、有效灌溉率、其他灾害成灾率、农村人力资本水平、城镇化率、农地经营规模、机械化水平和农业政策。

3.1.2 面板门槛回归模型

门槛效应（Threshold Effects）是指当某一变量达到特定的临界值后,会引起某一解释变量对被解释变量的作用方向和影响程度出现结构突变,该临界值则被称为门槛值。门槛回归的核心思想在于,如何确定导致经济增长发生结构突变的临界值,即结构变化内生于经济增长中,一定程度上避免了主观判断临界值带来的统计偏差和估计偏误。为探索旱灾对小麦生产技术效率影响的门槛效应,选取有效灌溉率作为门槛变量建立如下面板门槛回归模型：

（4）

\begin{array}{l} t e_{it} = α_{i} + θ_{1} drat e_{it} \cdot I (irrirat e_{it} < γ) + \\ θ_{2} dra t e_{it} \cdot I (irrirat e_{it} \geq γ) + Zβ + μ_{it} \end{array}

式中：I()表示示性函数,当符合条件时为1,否则为0;drate_it和irrirate_it分别表示第i小麦主产省第t年的旱灾成灾率和农田灌溉水平;

γ

表示农田灌溉水平的门槛值;截距项

α_{i}

表示省际异质性;

θ_{i}

表示不同农田灌溉水平区间内旱灾对小麦生产技术效率影响的估计参数;Z和

β

分别表示控制变量及对应的估计参数;

μ_{it}

为随机误差项。当

θ_{1} \neq θ_{2}

时,说明存在门槛效应。

与分组检验法外生确定分组标准不同的是,门槛模型中门槛值

γ

完全由样本数据内生决定。通常采用网格搜索法（Grid Research）确定最优门槛值,使得门槛模型的残差平方和

S (γ)

最小,即

\overset{?}{γ} = argmin S (γ)

。得出最优门槛值后,采用LR检验进一步明确门槛效应是否显著以及门槛估计值是否等于真实值。

上述模型假设仅存在单一门槛,在许多情况下可能存在多个门槛值,如存在2个门槛值,则模型可以表示为：

（5）

\begin{array}{l} t e_{it} = α_{i} + θ_{1} drat e_{it} \cdot I (irrirat e_{it} < γ_{1}) + \\ θ_{2} drat e_{it} \cdot I (γ_{1} \leq irrirat e_{it} < γ_{2}) ???????? + \\ θ_{3} drat e_{it} \cdot I (irrirat e_{it} \geq γ_{2}) + Zβ + μ_{it} \end{array}

式中：

γ_{1} < γ_{2}

,其他变量含义同式（4）。对于式（5）,参照Hansen^[29]提出的网格搜索法进行双重门槛估计。首先,假设模型仅存在单一门槛,搜索出最优门槛值

{\overset{?}{γ}}_{1}

后,固定住

{\overset{?}{γ}}_{1}

;在此基础上继续搜索第二个门槛值

{\overset{?}{γ}}_{2}

,若

{\overset{?}{γ}}_{2}

存在,则固定住

{\overset{?}{γ}}_{2}

;然后对第一个门槛值进行重新搜索。重复上述过程,最终得到两个门槛值优化后的一致估计量。

3.2 数据来源与变量选取

小麦生产技术效率的投入产出变量。小麦的产出变量以亩均小麦产量来衡量,投入变量为劳动力投入、化肥投入和资本投入,分别以亩均用工数量、亩均化肥施用折纯量以及扣除化肥费用以外的亩均物质与服务费用表示。为剔除价格因素的影响,将物质与服务费用折算为1991年不变价格。以上数据均来自全国15个小麦主产省区^①(①这15个省区为河北、山西、内蒙古、黑龙江、江苏、安徽、山东、河南、湖北、四川、云南、陕西、甘肃、宁夏、新疆,1991—2016年间,上述15个省区的小麦播种面积和产量平均占全国的94.35%和95.82%。)1992—2017年的《全国农产品成本收益资料汇编》^[30]。

核心变量包括旱灾成灾率和农田灌溉水平。旱灾成灾率是旱灾严重程度的直接体现,用旱灾成灾面积占农作物总播种面积比值表示。农田灌溉水平用有效灌溉率表示。中国农田水利设施可分为蓄水设施、引水设施、输水配水设施、提水设施、灌水设施以及必要的量测水设施和灌溉试验站等^[31],单用某一种农田水利设施不能作为农田灌溉的有效衡量指标^[32]。为准确衡量农田灌溉的总体特征,借鉴李谷成等^[32]和卓乐等^[25]的研究,采用有效灌溉率衡量,具体来说用有效灌溉面积占农作物总播种面积比值表示。

控制变量包括其他灾害成灾率、农村人力资本水平、城镇化率、农地经营规模、机械化水平和农业政策。其中,其他灾害成灾率用洪涝灾害、风雹灾害和冰冻灾害成灾面积之和占农作物总播种面积的比值表示。农村人力资本水平是农村劳动力质量的直接体现,对粮食生产效率具有重要影响^[33],用农村劳动力中高中以上文化程度人数占比衡量。城镇化水平的提高会通过劳动力非农转移^[34]、改变农业生产要素配置和提高农民收入等多种渠道影响小麦生产技术效率,选择城镇常住人口占总人口比重表示城镇化水平。农地经营规模用耕地面积除以乡村人口数表示。土地利用效率的提高是实现中国农业增长的源泉^[35]。中国小麦种植以小规模经营为主,适当扩大规模可能会通过规模效应提高技术效率^[36]。农业机械化水平用农业机械总动力除以农作物总播种面积表示。机械化程度的提升可有效缓解劳动力成本上升对农业生产的负面影响^[37],有利于提高农地生产效率。农业政策以2006年农业税的取消设定虚拟变量,2005及之前年份为0,其余为1。2006年农业税的取消降低了农业生产经营成本,提高了农民的种粮积极性,对小麦生产技术效率产生正向影响。核心变量和控制变量数据均取自1992—2017年的《中国统计年鉴》^[38]和《中国农村统计年鉴》^[39],其中,个别省区少量缺失数据采用线性趋势法或内插法进行填补。各变量描述性统计指标如表2所示。

Table 2
表2
表2小麦生产投入产出变量及技术效率影响因素的统计描述
Table 2Descriptive statistics of input and output variables of wheat production and influencing factors of its technical efficiency

变量类别	变量名称	单位	均值	标准差	最小值	最大值
小麦投入产出变量	亩均产出	kg/亩	300.60	77.85	100.90	494.28
	亩均用工数量	天/亩	8.73	4.52	0.26	23.46
	亩均化肥施用折纯量	kg/亩	20.86	6.75	7.32	38.75
	亩均物质与服务费用	元/亩	57.02	14.52	29.15	90.98
小麦生产技术效率影响因素变量	旱灾成灾率	%	9.65	8.83	0.00	48.10
	有效灌溉率	%	38.33	15.81	11.71	93.89
	其他灾害成灾率	%	6.36	5.54	0.00	47.12
	农村人力资本水平	%	12.63	4.41	3.37	23.10
	城镇化率	%	38.60	13.87	0.31	71.67
	农地经营规模	hm²/人	0.23	0.19	0.01	1.02
	机械化水平	万kW/千hm²	0.42	0.25	0.10	1.27
	农业政策	/	0.42	0.50	0.00	1.00

注：表2中亩均物质与服务费用是折算为1991年不变价格且扣除化肥费的物质与服务费用。

新窗口打开|下载CSV

从旱灾成灾率看,旱灾对小麦主产省区影响表现出作用范围广、持续时间长和区域集聚性明显的时空分布特征。1991—2016年,绝大多数小麦主产省区均有不同程度的旱灾发生,其中最为严重的出现在1999年的山西省,旱灾成灾率达到48.10%。旱灾的发生不仅会直接影响当年的小麦生产,也可能引发持续性干旱,如内蒙古自治区在1999—2001年连续3年旱灾成灾率均超过28%,而与之邻近的宁夏回族自治区在此时段内旱灾成灾率也持续高于15%。此外,从旱灾成灾率的标准差和均值与极值间的差距可以看出,旱灾成灾率具有极强的波动性,这种波动性使得旱灾更加难以预防。从有效灌溉率看,小麦主产省区农田灌溉水平总体呈现稳步提升趋势,但存在明显的空间异质性。从时序演变趋势看,1991—2016年间,小麦主产省区有效灌溉率总体年均提升0.40%,农田水利基础设施建设得到不断完善与提高。从空间分布格局看,不同小麦主产省区农田灌溉水平存在巨大差异。2016年,河北、山东和江苏3个东部省份有效灌溉率均已超过45%,而云南、四川、陕西3省有效灌溉率尚未达到30%。因此,如何因地制宜加强农田水利设施建设,实现有效灌溉率全面提升,仍然是破除农业水资源约束的重点问题。

4 结果与分析

4.1 小麦生产技术效率估计结果

使用Stata14.0 MP软件,采用“一步法”对式（1）和式（3）所定义的模型进行极大似然估计,结果如表3所示^②(②为便于比较,将无效率损失模型估计结果列于表5。)。模型中大部分参数均具有统计显著性,其中

σ_{u}

、

σ_{v}

以及二者的比值λ分别在1%水平上统计显著,表明小麦生产中存在技术无效,采用随机前沿模型有效。经计算,γ值为0.8294,表明在影响小麦产出的各项因素中,有82.94%的内容可以用技术无效率来解释,仅有17.06%是随机因素造成的。从各变量系数符号及显著性看,劳动投入的一次项系数、二次项系数以及与时间的交互项系数均为负值,表明小麦生产的技术变化使得劳动力投入不断减少;化肥投入与时间的交互项系数为正值,表明技术进步可促进化肥的有效施用;其他费用的一次项系数和二次项系数均不显著,但系数符号仍可间接地反映出其他费用投入存在短期的冗余,其他费用与时间的交互项显著为负,说明随着时间的推移,技术进步可以有效降低其他费用投入,提高小麦生产技术效率;时间趋势变量的一次项系数和二次项系数均显著,表明样本期间小麦生产存在技术进步,但技术进步速率略有放缓。从交互项看,劳动投入与化肥投入和其他费用的系数均显著为正,表明上述三者费用间存在互补性。

Table 3
表3
表3随机前沿函数估计结果
Table 3Estimation results of stochastic frontier function

变量	系数	标准误	变量	系数	标准误
劳动	-0.554**	0.221	劳动×其他费用	0.115*	0.068
化肥	0.197	0.537	化肥×其他费用	-0.278	0.180
其他费用	-0.548	0.786	劳动×时间	-0.017***	0.003
时间	0.033*	0.020	化肥×时间	0.041***	0.004
劳动平方项	-0.023	0.019	其他费用×时间	-0.021***	0.006
化肥平方项	0.048	0.079	常数项	6.315***	1.442
其他费用平方项	0.198	0.139	σ_u	0.110***	0.008
时间平方项	-0.001***	0.000	σ_v	0.050***	0.010
劳动×化肥	0.155***	0.060	λ	2.205***	0.016

注：***、**、*分别代表在0.1、0.05和0.01的水平下显著。

新窗口打开|下载CSV

Table 5
表5
表5旱灾对小麦生产技术效率影响回归结果
Table 5Estimation results of regression models of drought impact on wheat production technical efficiency

变量名称	一步法	单一门槛模型	双重门槛模型
有效灌溉率	-0.557***	0.448***	0.326***
	(-5.44)	(6.24)	(4.18)
农村人力资本	-1.364***	0.329**	0.246
	(-4.25)	(2.05)	(1.55)
农地经营规模	0.186**	-0.270***	-0.273***
	(2.33)	(-5.53)	(-5.68)
城镇化率	0.175**	-0.052	-0.029
	(2.15)	(-1.17)	(-0.66)
机械化水平	0.015	-0.012	-0.004
	(0.20)	(-0.33)	(-0.11)
农业政策	-0.090***	0.076***	0.076***
	(-3.14)	(6.89)	(7.03)
其他灾害成灾率	0.952***	-0.568***	-0.552***
	(6.70)	(-9.05)	(-8.93)
旱灾成灾率	0.579***
	(6.46)
旱灾成灾率（有效灌溉率<24.8%）		-0.687***	-0.751***
		(-7.31)	(-7.98)
旱灾成灾率（有效灌溉率≥ 24.8%）		-0.348***
		(-7.74)
旱灾成灾率（24.8%≤有效灌溉率<38.5%）			-0.420***
			(-8.68)
旱灾成灾率（有效灌溉率≥ 38.5%）			-0.153**
			(-2.21)
常数项	0.420***	0.700***	0.744***
	(5.34)	(24.53)	(24.39)
样本数	390	390	390

注：括号内的数值为t值。

新窗口打开|下载CSV

通过式（2）估计各小麦主产省区每年的小麦生产技术效率,并将不同区域省区的小麦生产技术效率进行平均,得到1991—2016年全国小麦生产技术效率的年际趋势变化图（图2）。从时序变化轨迹看,1991—2016年间,中国小麦生产技术效率均值为0.79,总体表现为波动提升趋势,从1991年的0.70提升至2016年的0.87,年均增长0.98%。具体来看,小麦生产技术效率又表现出明显的阶段性差异,大致可以分为4个阶段,分别为1991—1997年、1998—2003年、2004—2010年、2011—2016年,分别呈现出小幅提升、大幅下降、快速提升和稳定增长的变化态势。

图2

新窗口打开|下载原图ZIP|生成PPT
图21991—2016年小麦生产技术效率变化趋势

Figure 2Change of wheat production technical efficiency, 1991-2016

按照东、中、西部对小麦主产省区划分^③(③ 根据中国区域划分,结合小麦的种植区位特征,将小麦主产省区划分为东、中、西部,东部小麦主产省包括河北、江苏、山东;中部小麦主产省区包括山西、内蒙古、黑龙江、安徽、河南和湖北;西部小麦主产省区包括四川、云南、陕西、甘肃、宁夏和新疆。),小麦生产技术效率又表现出明显的时序趋同性与空间异质性。第一,从时序变化态势上,东、中、西部虽在波动幅度上有所差别,但变化方向基本一致,实现了时序演变轨迹的趋同。第二,从效率均值看,东部效率均值（0.89）>西部效率均值（0.77）>中部效率均值（0.75）。东部地区效率均值最高,主导着小麦生产前沿面的移动,较好的经济发展水平和对农业生产的高度重视确保了东部地区小麦生产的优势地位;与以往研究结果^[40,41]不同的是,西部效率均值已超过中部效率均值,这可能与西部地区农业现代化的快速演进有关。第三,从各地区效率变化趋势看,东、中、西部小麦生产技术效率提升速率表现为：中部速率（1.59%）>东部速率（0.80%）>西部速率（0.74%）。东部地区小麦生产技术效率增长率已经低于中部地区,虽然东部地区多为传统农业优势产区,但在农业资源有限和种粮比较收益低下的硬约束下^[42],小麦增产的瓶颈效应已逐渐显现;中部地区由于技术效率均值较低,距离生产前沿面具有较大提升空间,因此提升速率较高;西部地区技术效率增速最低,原因可能在于劳动力的跨区域转移、资源条件及人力资本约束,造成了小麦生产要素投入配置不佳。

4.2 旱灾对小麦生产技术效率影响的门槛效应

根据理论分析,选取有效灌溉率作为门槛变量,对式（4）进行门槛效应检验从而确定门槛模型的形式。依次在旱灾成灾率对小麦生产技术效率存在单一门槛、双重门槛和三重门槛的假设下进行估计,同时计算F统计量,并借助Bootstrap方法重复抽样500次得到P值,估计结果如表4所示。单一门槛和双重门槛模型对应的F值分别在1%和5%的显著性水平下拒绝原假设,第三门槛不显著,可认为存在双重门槛。基于此,根据有效灌溉率将小麦主产省区划分为低水平灌溉、中等水平灌溉和高水平灌溉3类。

Table 4
表4
表4旱灾对小麦生产技术效率影响的面板门槛效应检验与门槛估计值结果
Table 4Results of panel threshold effect test and threshold estimation of drought impact on wheat production technical efficiency

假设检验	F值（P值）	门槛值	95%置信区间
H₀：无门槛值;H₁：1个门槛值	20.659***(0.00)	0.248	[0.247,0.273]
H₀：1个门槛值;H₁：2个门槛值	9.097**(0.02)	0.247;0.385	[0.247,0.248];[0.379,0.388]
H₀：2个门槛值;H₁：3个门槛值	0.000(0.96)	0.312	[0.253,0.370]

新窗口打开|下载CSV

确定门槛效应存在性和门槛值后,对式（5）进行参数估计。为便于比较,将一步法和单一门槛模型估计结果见表5。从估计结果可以看出,无论采用一步法、单一门槛模型还是双重门槛模型,各解释变量的显著性和作用方向基本一致,表明估计结果稳健。

4.2.1 门槛效应估计结果分析

有效灌溉率在一步法、单一门槛和双重门槛模型中对小麦生产技术效率影响均显著为正,表明农田灌溉直接促进了小麦生产技术效率的提升。首先,有效灌溉率的提升具有规模扩张效应,能改善土壤结构,提高耕种土地的数量和质量,优化小麦生长环境,实现“藏粮于地”;有效灌溉率的提升也具有技术进步效应,可优化小麦生产要素投入结构,对日益稀缺的劳动力、资本以及其他昂贵投入要素产生替代或互补效应,促进新型农业技术的推广与应用,降低农业生产成本,实现“藏粮于技”。与此同时,有效灌溉率水平的差异使得旱灾对小麦生产技术效率的影响表现出显著的非线性特征：随着有效灌溉率跨越不同门槛,旱灾对小麦生产技术效率的影响程度呈阶梯形下降。这表明农田水利设施不仅可直接促进小麦生产技术效率的提升,还可以降低旱灾的负面影响,实现小麦生产技术效率提升的“双重驱动”。根据双重门槛模型,有效灌溉率低于第一门槛值（24.8%）时,旱灾成灾率对小麦生产技术效率的影响在1%的水平上显著为负,每增加1%会使技术效率下降0.751%;当有效灌溉率提升至第一门槛值（24.8%）和第二门槛值（38.5%）之间时,旱灾成灾率对小麦生产技术效率的影响仍在1%的水平上显著,但影响程度明显下降,每增加1%会使技术效率下降0.420%,这表明有效灌溉率的提升使得小麦生产防灾减灾能力得到了有效提升;当有效灌溉率提升至38.5%以上时,旱灾成灾率对小麦生产技术效率的影响在5%水平上显著为负,影响程度下降至0.153,即旱灾成灾率提升1%会使得技术效率下降0.153%,旱灾对小麦生产的影响程度进一步减弱。可见,旱灾是否会对小麦生产技术效率造成负面影响,很大程度上受到有效灌溉率的约束。跨越有效灌溉率的减灾门槛,是缓解旱灾负面影响的重要路径。

4.2.2 控制变量的估计结果分析

除双重门槛模型外,其他模型中农村人力资本对小麦生产技术效率表现出显著的正向影响,说明提高农户的平均受教育水平可以提高小麦生产技术效率,受教育程度的提升可增强农户学习和使用各类技术的能力,从而更容易接受先进的施肥技术、灌溉技术和良种技术等,促使小麦生产技术效率得到提升。

农地经营规模对小麦生产技术效率具有显著的负向影响,可能原因在于：当经营规模较大时,原有的小麦生产机械投入、劳动力具有较强黏性,短期内无法进行快速调整,致使原有生产技术与扩大的经营规模不匹配,造成效率低下,且规模扩大带来的雇工作业模式可能由于监督成本过高产生怠工现象,也会使得效率下降。

农业政策对小麦生产技术效率具有显著正向作用,表明农业税的取消在提高农民生产积极性的同时,降低了小麦生产成本,促进了要素投入的优化配置,实现了技术效率的提升。

其他灾害成灾率对小麦生产技术效率的影响在1%水平显著为负,洪涝灾害、风雹灾害和冰冻灾害的发生直接降低了小麦单产,也增加了农民防灾减灾的成本与管理费用,使小麦生产技术效率下降,因此,对于其他自然灾害的防范仍不容忽视。

城镇化和农业机械化水平对小麦生产技术效率影响不显著,虽超出预期,却也在情理之中：一是城镇化的推进造成了劳动力非农化,降低了小麦生产的劳动力投入,却使得兼业农民的收入增加,能有更多的资本投入小麦生产中,两条路径的作用效果可能相互抵消;二是在劳动力非农化趋势不断提升的背景下,农业机械化虽可以替代劳动力投入,但由于农村土地细碎化问题严重,机械化作业成本较高,可能对小麦生产技术效率产生负向影响。

4.3 农田水利设施减灾效果的时空异质性

由于不同小麦主产省区所处的自然条件、经济水平和农作物种植规模存在明显差异,有效灌溉率减灾效果表现出明显的时空异质性（表6）。从总体变化趋势看,1991—2016年间,农田水利设施减灾效果呈现明显的阶段差异性：表现为以2010年为时间节点,此后有效灌溉率平均水平超过38.5%,旱灾对小麦生产技术效率的负面影响明显下降。具体来说,云南、四川和甘肃省的农田灌溉由低水平提升至中等水平,内蒙古、宁夏、安徽和山西省区则由中等水平提升至高水平,黑龙江省更是直接从低水平提升至高水平,均实现了农田水利设施减灾效果的明显提升。从农田水利设施减灾效果的区域特征看,山东、江苏、河北省农田水利设施减灾效果始终处于领先地位,这与康蕾等^[21]的研究结论一致。较高的经济发展水平和农业节水技术的推广保障了有效灌溉率的快速提升。有效灌溉率较低的地区多集中于西北和西南地区。西北地区有效灌溉率较低的省份以甘肃省和陕西省为主,地处西北干旱半干旱区,水资源供需矛盾严重,实现有效灌溉率提升的难度较大。对于西南地区,云南和四川省虽然自然资源丰裕,但地形多以丘陵和山地为主,受自然条件约束大,农田水利建设成本较高^[43]。另一方面,西部地区经济发展水平与东部和中部地区相比相对落后,用于农田水利建设的投资也更为匮乏,造成旱灾对小麦生产技术效率产生较大负面影响。因此,在农田水利设施减灾效果存在差异的背景下,更应加强西北地区和西南地区的农田水利投资建设,使其顺利跨越减灾门槛。

Table 6
表6
表6农田水利设施减灾效果的区间划分及省区分布
Table 6Interval division and provincial distribution of disaster mitigation effects of farmland irrigation infrastructure

灌溉条件	1991年	2016年
低水平灌溉（有效灌溉率<24.8%）	云南、四川、甘肃、黑龙江
中等水平灌溉（24.8%≤有效灌溉率<38.5%）	内蒙古、宁夏、安徽、山西、河南、湖北、陕西	云南、四川、河南、湖北、甘肃、陕西
高水平灌溉（有效灌溉率≥ 38.5%）	山东、新疆、江苏、河北	内蒙古、宁夏、安徽、山东、山西、新疆、江苏、河北、黑龙江

新窗口打开|下载CSV

5 结论与政策含义

5.1 结论

基于15个小麦主产省区1991—2016年面板数据,运用随机前沿函数分析法和面板门槛回归模型,研究了小麦生产技术效率的时空演变趋势、旱灾对小麦生产技术效率影响的门槛效应以及农田水利设施减灾能力的时空异质性。得出结论如下：

（1）对小麦生产技术效率的研究表明,1991—2016年间15个小麦主产省区小麦生产技术效率总体呈现波动提升趋势,年均增长0.98%,东、中、西部地区小麦生产技术效率具有明显的时序变化趋同性和空间分布异质性,东部地区技术效率水平最高,主导着生产前沿面移动,中、西部地区技术效率提升潜力巨大。

（2）对不同农田灌溉水平下旱灾对小麦生产技术效率影响研究的主要结论为：随着有效灌溉率的提升,旱灾对小麦生产技术效率影响具有双重门槛效应：当有效灌溉率分别跨越24.8%和38.5%时,旱灾对小麦生产技术效率的负向影响呈现阶梯型下降。

（3）对农田水利设施减灾的时空异质性研究表明,1991—2016年间,各小麦主产省区农田水利设施减灾能力明显提升;从时间维度看,表现为以2010年为时间节点,在此之后,旱灾对小麦生产技术效率的影响显著降低;从空间维度看,农田水利设施减灾能力存在区域性差异,甘肃、陕西、四川和云南省等西部地区的农田水利设施减灾能力相对较弱。

5.2 政策含义

上述结论具有如下政策含义：

（1）提升小麦生产技术效率,应充分发挥不同地区的种植优势。东部小麦主产省技术效率水平较高,应保持效率优势,加强小麦先进技术与品种的研发,引领生产前沿面的前进,拓宽增产空间。与此同时,加强与中、西部地区小麦种植技术与经验的交流,促进技术效率的正向溢出。中、西部小麦主产省区小麦生产技术效率相对较低,提升潜力巨大。政府应加强对中、西部小麦主产省小麦生产的支持力度,优化小麦生产要素投入配置,充分挖掘增产潜力,发挥向生产前沿面移动的“追赶效应”。

（2）优化东、中、西部小麦主产省区农田水利投资配置,根据农田水利设施减灾能力差异,因地制宜加强农田水利投资。对于农田水利设施减灾能力较强的东部小麦主产省,应加强农田水利设施管理与维护,保障农田水利设施减灾能力的充分发挥。对于农田水利设施减灾能力较弱的甘肃、陕西、四川和云南省等西部小麦主产省区,政府应加大农田水利设施建设投资力度,全面提升有效灌溉率,使其早日跨越减灾门槛,缓解旱灾的硬约束,实现小麦生产的提质增效。

此外,本文关注的是旱灾对小麦生产技术效率影响的门槛效应和农田水利设施减灾效果的异质性,但对于何种农田水利设施带来了减灾效果的差异未能进行深入研究,有待于今后进一步探讨。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

王静爱, 史培军, 王平 , 等. 中国自然灾害的时空格局[M]. 北京: 科学出版社, 2006.