Page 26 - 《华中农业大学学报（社会科学版）》2024年第1期

20 华中农业大学学报（社会科学版） （总169 期）

1.测算粮食全要素生产率的数据来源、模型设定与变量选择
（1）数据来源。本文使用农业农村部全国农村固定观察点 2009−2020 年的农户数据，测算了粮
食全要素生产率增长率。全国农村固定观察点自 1986年开始调查，目前已建成了以家庭调查数据库
和村庄调查数据库为核心的大样本面板数据。其中，农户家庭调查包含了农户种植粮食作物（包括
小麦、稻谷、玉米等）的播种面积、劳动工时、化肥和机械等生产资料和服务支出的详细数据，为测算
粮食全要素生产率提供了充足的数据支撑。
在 2009−2020年我国粮食总产量的变化中，小麦、稻谷、玉米的产量增幅占粮食总产量增幅的比
重分别为 14.19%、12.04%、67.19%，合计为 93.42%。因此，本文的样本选择主要关注种植小麦、稻
谷、玉米的农户。
（2）模型设定。借鉴已有研究的做法 [18⁃19] ，本文基于多重固定效应估计法分别测算了小麦、稻谷、
玉米的全要素生产率及其增长率。具体的估计思路是，在构建柯布—道格拉斯生产函数的基础上，
通过控制多维度的固定效应，得到各种投入要素的产出弹性，然后运用索洛余值法测算得到粮食全
要素生产率及其增长率。根据这一方法，首先设定式（1）如下 。
①
ln y ivt = α ln l ivt + β ln k ivt +{FE}+ ε ivt （1）
其中，下角标 i、 v、 t分别表示农户个体、农户所在村庄、年份， ln y ivt 表示粮食单位面积产量的自然
对数， ln l ivt、 ln k ivt 分别表示亩均劳动投入和亩均资本投入的自然对数， α、 β 分别表示劳动和资本要素
投入的边际产出。FE 包括农户家庭、年份、村庄×年份三个层面的固定效应，其中，通过控制农户层
面的个体固定效应，可以将如家庭承包耕地质量等一些不随时间变化的不可观测因素纳入回归估计
中；通过控制年份层面的时间固定效应，可以将如政策调整等一些随时间变化但不随个体变化的不
可观测因素纳入回归估计中；通过控制村庄×年份层面的固定效应，可以将不同地区不同年份的不
可观测特征，如气候变化等因素纳入回归估计中，从而减少遗漏变量偏误，以此得到更为精准的要素
产出弹性。在估计得到相应的参数之后，可以按照式（2）进一步测算得到农户层面粮食全要素生产
率的增长率。
̂
gTFP ivt = gy ivt - α ̂ gl ivt - βgk ivt （2）
式（2）中， gTFP ivt 表示种粮农户全要素生产率的增长率， gy ivt、 gl ivt、 gk ivt 分别表示种粮农户单位面
̂
积产量、亩均劳动投入、亩均资本投入的同比增长率， α ̂ 、β 分别是基于式（1）回归得到的劳动、资本投
入的产出弹性。
（3）变量选择。参考已有研究的做法 ，本文将小麦、稻谷、玉米全要素生产率测算过程中所需要
[8]
的投入产出变量设定如下。对于粮食产出，以各类粮食作物的亩均产出（千克/亩）作为代理变量；对
于劳动投入，以包括自家劳动与雇佣劳动在内的亩均劳动投入工时（日/亩）作为代理变量；对于资本
投入，以包括种子种苗、化肥、农药、机械租赁和水电及灌溉费用在内的亩均生产资料和服务支出
（元/亩）作为代理变量，并根据省级层面的农业生产资料价格指数进行平减处理。
2.粮食全要素生产率的增长特征及其对产出增长的贡献
基于全国农村固定观察点的农户调查数据，本文使用多重固定效应模型测算了要素投入的产出
弹性，并使用索洛余值法测算了 2009−2020 年小麦、稻谷、玉米三类粮食作物全要素生产率的增长
率，结果如表 1 所示。可以看出，除少数年份外，三类粮食作物的全要素生产率均呈现增长态势。从
2009−2020 年的平均增速来看，玉米的全要素生产率增长最快，增速高达 6.06%，小麦次之，为
3.35%，稻谷最低，为2.24%。
全要素生产率增长率占产出增长率的比重，可以反映粮食产出增长的主要驱动力是否为全要素
生产率。在表 1中，通过比较分析三类粮食全要素生产率增长率和产出增长率之间的关系可以发现，
玉米全要素生产率增长率占产出增长率的比重最高，达到 66.42%，小麦次之，为 66.08%，稻谷较低，

① 已有研究结论显示，我国粮食生产存在规模报酬不变的特征，因此将粮食产出和投入变量均设定为亩均形式。