教育投资对农业效率影响的分析

前言：本站为你精心整理了教育投资对农业效率影响的分析范文，希望能为你的创作提供参考价值，我们的客服老师可以帮助你提供个性化的参考范文，欢迎咨询。

一、引言与文献综述

自上个世纪50年代Koopmans和Debreu首次提出技术效率的概念以来[1][2]，技术效率分析范式引起了西方学者广泛的关注。Aigner[3]、Afriat和Meeusen从随机前沿分析(SFA)的视角建立了技术效率分析范式[4][5]；另一方面，Charmes、Cooper和Rhodes则从数据包络分析（DEA）的视角建立了技术效率分析范式[6]。随着技术效率分析范式的不断完善，将技术效率测度方法应用于农业的西方文献开始涌现。Farrell首次用实证方法测度了美国农业的技术效率[7]；BattesseandColli应用SFA方法测度了印度农业的技术效率[8]；Mochebelele用技术效率分析范式测度了非洲不同农场的技术效率水平，并且作了劳动力转移对农场技术效率影响的显著性检验[9]；Eswaran和Kotwal使用其他发展中国家的经验数据，检验了众多影响农场技术效率的因素，如教育水平、营养状况、流动性约束和农场规模[10]；Wu应用DEA方法测度了美国爱达华州不同农场的技术效率水平[11]。

随着西方农业技术效率分析文献的逐年增多，国内学者开始借鉴国外的理论和方法研究我国农业的技术效率。亢霞使用随机前沿超越对数生产函数，利用我国1992至2002年分省的数据，测度了小麦、玉米、大豆和稻米生产的技术效率[12]；张雪梅应用西方的技术效率分析范式，对影响我国玉米生产的技术效率水平的三大因素显著性进行了检验[13]；Liu用SFA方法测度了江苏和四川两省的农业技术效率[14]。应用DEA方法测度我国农业技术效率的文献较之用SFA方法更为普遍[15][16][17]，但是DEA方法却存在一个致命的缺陷，它忽略了随机误差对于农业产出的影响，由此造成可能存在的随机误差的影响混同在农业技术效率的估计中。而农业生产中随机误差的影响确实存在，如气候条件的影响等。

本文试图应用SFA分析范式，使用超越对数前沿生产函数和2001-2008年我国30个省(直辖市)的农业数据，测度各省(直辖市)的农业技术效率水平，并检验教育投资对农业技术效率影响的显著性。本文在测度农业技术效率并估计外生变量对农业技术效率影响的过程中，使用“一步估计法”，从而克服“两步法悖论”[18]。

二、理论框架与模型的建立

根据Koopmans提出的技术有效性的概念，我们可以将农业技术效率定义为在农业总产出既定的情况下，缩小投入的能力，或者在投入既定的情况下，扩大农业产出的能力。三、计量模型的设定和数据处理根据上文的讨论，我们将中国农业生产前沿设定为超越对数函数形式，其计量模型如下：it01it2it3it4itP=β+βM+βR+βD+βF5itit6itit7itit8itit9itit10itit+βMR+βMD+βMF+βRD+βRF+βDF22221112131415itititititit+βM+βR+βD+βF+βT+vu，（5）（5）式中除时间变量T外，其他变量均以自然对数形式表示，其中i=1，2，，30个省或直辖市（其中重庆并入四川计算）；t=1，2，，8，表示2001-2008年；P表示平均每公顷耕地的实际农业总产出（将每年的名义农业总产出，以2001年为基期，按农业物价指数进行平减，求得每年的实际农业总产出，然后再除以耕地面积）；M表示平均每公顷耕地的农业机械总动力；R表示平均每公顷耕地的农业劳动力；D表示平均每公顷耕地的农业用电量；F表示平均每公顷耕地的化肥施用量（本文将原始数据按每公顷耕地面积进行平均处理，可以降低多重共线性的干扰）；

itv表示农业生产中的噪音误差项，如机械的运行状况、天气变化等，itv服从2.(0,)viidNδ的分布；itu独立于itv，表示农业生产中的技术非效率项，itu服从2.(,)ituiidNmδ+的分布,其中it01itm=θ+θEDU，（6）θ为待估计参数，EDU是农户教育投资资本存量的变量，表示从事农业生产的劳动力平均受教育年限[20]，测度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个农业劳动力中文盲或半文盲人口数；1H、2H、3H和4H分别表示平均每百个农业劳动力中小学文化程度的人口、初中文化程度人口、高中及中专文化程度人口、大专及大专以上文化程度人口。此处我们假定文盲或半文盲人口的平均受教育年限为1年；假定小学文化程度人口的平均受教育年限为5.5年(在上个世纪八十年代之前我国农村小学实行的是五年制小学义务教育，自1986年我国颁布《中华人民共和国义务教育法》之后，农村开始推行九年制义务教育，即小学学制为六年，由于原始数据没有将这两种接受不同学制的小学教育的劳动人口进行细分，此处简化处理，假定小学文化程度的农业劳动力平均受教育年限为5.5年)；假定初中文化程度的农业劳动力平均受教育年限为8.5年；假定高中及中专文化程度的农业劳动力平均受教育年限11.5年；假定大专及大专以上文化程度人口平均受教育年限15.5年(由于原始数据没有将大专、本科生、硕士研究生和博士研究生文化程度的农业劳动人口进行细分，此处同样采取简化处理)。

每百个农业劳动力中各级文化程度人口数据来自于2002-2009年的《中国农村统计年鉴》；各省(直辖市)的农业总产出、农业物价指数、农业机械总动力、农业劳动力人口、农业用电量（根据农村用电量按比例折算成农业生产用电量）、化肥施用量和耕地面积来自于2002-2009年的《中国统计年鉴》（对于西藏不全的数据，须使用到软件Frontier4.1中非平衡纵列数据处理技术）。

四、模型的估计结果

本文采用极大似然估计法，使用随机前沿计量软件Frontier4.1，对模型（5）和（6）使用“一步估计法”。

五、结语

本文在应用西方的技术效率分析范式时，选取超越对数生产模型，较之柯布-道格拉斯对数线性函数有更大的灵活性；单侧似然比检验结果表明，组合误差的设定较之传统的单一误差模型更为符合我国农业生产的实际情况；在测度农业技术效率并估计外生变量对农业技术效率影响的过程中，“一步估计法”较之传统的“两步估计法”（先单独测度技术效率，然后将技术效率作为被解释变量对外生变量做回归）更优，因为“一步估计法”抛弃了“两步估计法”中一个关键的假定：假定技术非效率效应（TechnicalInefficiencyEffects）在前后两步估计中相互独立。

由于数据的可获得性问题，除教育投资之外，笔者没有将其他的经济文化环境变量放入解释技术效率的变量向量中，因而有所欠缺。上海和北京较低的农业技术效率水平，表面上似乎只能当作异常值处理，但问题的背后却凸显了上海和北京的农业耕地被非法占用现象的严重性。