教育投資對農業效率影響的分析

前言：本站為你精心整理了教育投資對農業效率影響的分析范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

一、引言與文獻綜述

自上個世紀50年代Koopmans和Debreu首次提出技術效率的概念以來[1][2]，技術效率分析范式引起了西方學者廣泛的關注。Aigner[3]、Afriat和Meeusen從隨機前沿分析(SFA)的視角建立了技術效率分析范式[4][5]；另一方面，Charmes、Cooper和Rhodes則從數據包絡分析（DEA）的視角建立了技術效率分析范式[6]。隨著技術效率分析范式的不斷完善，將技術效率測度方法應用于農業的西方文獻開始涌現。Farrell首次用實證方法測度了美國農業的技術效率[7]；BattesseandColli應用SFA方法測度了印度農業的技術效率[8]；Mochebelele用技術效率分析范式測度了非洲不同農場的技術效率水平，并且作了勞動力轉移對農場技術效率影響的顯著性檢驗[9]；Eswaran和Kotwal使用其他發展中國家的經驗數據，檢驗了眾多影響農場技術效率的因素，如教育水平、營養狀況、流動性約束和農場規模[10]；Wu應用DEA方法測度了美國愛達華州不同農場的技術效率水平[11]。

隨著西方農業技術效率分析文獻的逐年增多，國內學者開始借鑒國外的理論和方法研究我國農業的技術效率。亢霞使用隨機前沿超越對數生產函數，利用我國1992至2002年分省的數據，測度了小麥、玉米、大豆和稻米生產的技術效率[12]；張雪梅應用西方的技術效率分析范式，對影響我國玉米生產的技術效率水平的三大因素顯著性進行了檢驗[13]；Liu用SFA方法測度了江蘇和四川兩省的農業技術效率[14]。應用DEA方法測度我國農業技術效率的文獻較之用SFA方法更為普遍[15][16][17]，但是DEA方法卻存在一個致命的缺陷，它忽略了隨機誤差對于農業產出的影響，由此造成可能存在的隨機誤差的影響混同在農業技術效率的估計中。而農業生產中隨機誤差的影響確實存在，如氣候條件的影響等。

本文試圖應用SFA分析范式，使用超越對數前沿生產函數和2001-2008年我國30個省(直轄市)的農業數據，測度各省(直轄市)的農業技術效率水平，并檢驗教育投資對農業技術效率影響的顯著性。本文在測度農業技術效率并估計外生變量對農業技術效率影響的過程中，使用“一步估計法”，從而克服“兩步法悖論”[18]。

二、理論框架與模型的建立

根據Koopmans提出的技術有效性的概念，我們可以將農業技術效率定義為在農業總產出既定的情況下，縮小投入的能力，或者在投入既定的情況下，擴大農業產出的能力。三、計量模型的設定和數據處理根據上文的討論，我們將中國農業生產前沿設定為超越對數函數形式，其計量模型如下：it01it2it3it4itP=β+βM+βR+βD+βF5itit6itit7itit8itit9itit10itit+βMR+βMD+βMF+βRD+βRF+βDF22221112131415itititititit+βM+βR+βD+βF+βT+vu，（5）（5）式中除時間變量T外，其他變量均以自然對數形式表示，其中i=1，2，，30個省或直轄市（其中重慶并入四川計算）；t=1，2，，8，表示2001-2008年；P表示平均每公頃耕地的實際農業總產出（將每年的名義農業總產出，以2001年為基期，按農業物價指數進行平減，求得每年的實際農業總產出，然后再除以耕地面積）；M表示平均每公頃耕地的農業機械總動力；R表示平均每公頃耕地的農業勞動力；D表示平均每公頃耕地的農業用電量；F表示平均每公頃耕地的化肥施用量（本文將原始數據按每公頃耕地面積進行平均處理，可以降低多重共線性的干擾）；

itv表示農業生產中的噪音誤差項，如機械的運行狀況、天氣變化等，itv服從2.(0,)viidNδ的分布；itu獨立于itv，表示農業生產中的技術非效率項，itu服從2.(,)ituiidNmδ+的分布,其中it01itm=θ+θEDU，（6）θ為待估計參數，EDU是農戶教育投資資本存量的變量，表示從事農業生產的勞動力平均受教育年限[20]，測度EDU的公式是：01234EDU=(H+5.5H+8.5H+11.5H+15.5H)/100，（7）其中0H表示平均100個農業勞動力中文盲或半文盲人口數；1H、2H、3H和4H分別表示平均每百個農業勞動力中小學文化程度的人口、初中文化程度人口、高中及中專文化程度人口、大專及大專以上文化程度人口。此處我們假定文盲或半文盲人口的平均受教育年限為1年；假定小學文化程度人口的平均受教育年限為5.5年(在上個世紀八十年代之前我國農村小學實行的是五年制小學義務教育，自1986年我國頒布《中華人民共和國義務教育法》之后，農村開始推行九年制義務教育，即小學學制為六年，由于原始數據沒有將這兩種接受不同學制的小學教育的勞動人口進行細分，此處簡化處理，假定小學文化程度的農業勞動力平均受教育年限為5.5年)；假定初中文化程度的農業勞動力平均受教育年限為8.5年；假定高中及中專文化程度的農業勞動力平均受教育年限11.5年；假定大專及大專以上文化程度人口平均受教育年限15.5年(由于原始數據沒有將大專、本科生、碩士研究生和博士研究生文化程度的農業勞動人口進行細分，此處同樣采取簡化處理)。

每百個農業勞動力中各級文化程度人口數據來自于2002-2009年的《中國農村統計年鑒》；各省(直轄市)的農業總產出、農業物價指數、農業機械總動力、農業勞動力人口、農業用電量（根據農村用電量按比例折算成農業生產用電量）、化肥施用量和耕地面積來自于2002-2009年的《中國統計年鑒》（對于西藏不全的數據，須使用到軟件Frontier4.1中非平衡縱列數據處理技術）。

四、模型的估計結果

本文采用極大似然估計法，使用隨機前沿計量軟件Frontier4.1，對模型（5）和（6）使用“一步估計法”。

五、結語

本文在應用西方的技術效率分析范式時，選取超越對數生產模型，較之柯布-道格拉斯對數線性函數有更大的靈活性；單側似然比檢驗結果表明，組合誤差的設定較之傳統的單一誤差模型更為符合我國農業生產的實際情況；在測度農業技術效率并估計外生變量對農業技術效率影響的過程中，“一步估計法”較之傳統的“兩步估計法”（先單獨測度技術效率，然后將技術效率作為被解釋變量對外生變量做回歸）更優，因為“一步估計法”拋棄了“兩步估計法”中一個關鍵的假定：假定技術非效率效應（TechnicalInefficiencyEffects）在前后兩步估計中相互獨立。

由于數據的可獲得性問題，除教育投資之外，筆者沒有將其他的經濟文化環境變量放入解釋技術效率的變量向量中，因而有所欠缺。上海和北京較低的農業技術效率水平，表面上似乎只能當作異常值處理，但問題的背后卻凸顯了上海和北京的農業耕地被非法占用現象的嚴重性。