摘要：基于2008～2016年的湖南省地级市面板数据，利用了DEA-Malmquist指数法测算了湖南省14个地级市的农业全要素生产率，基于此，运用固定效应模型就城镇化水平对农业全要素生产效率的动态影响进行了实证分析。实证结果表明，城镇化对农业全要素生产率的增长有负作用且存在“U型”关系。因此，应当对农村剩余劳动力进行科技教育和培训，提升机械化水平以及种植结构的调整，以此来减弱因城镇化造成的劳动力减少而对农业全要素生产率的影响。
关键词：城镇化；农业；全要素生产率；“U型”关系
0引言
随着我国城镇化水平的不断发展，越来越多的农民进入城市务工，这势必会对农业发展造成一定影响。农业是我国第一产业，对经济发展具有不可忽略的推动作用。湖南省作为传统农业大省，“十三五”之前城镇化发展一直落后于全国平均水平，进入“十三五”全省城镇建设保持高速发展态势，远超全国平均水平。到2017年末，湖南省城镇化率与全国城镇化率平均水平之间的差距，已从“十一五”末的6.38%，缩小到如今的3.9%。但观察其近几年农业发展，发现农业增速减缓，生产效率不高，因此分析城镇化对农业生产效率的影响，从而提出对应的政策建议。从现有外文献来看，众多学者都对影响农业全要素生产率的因素进行了研究。Po-ChiChen、Ming-MiinYU（2008）发现农业全要素生产率增长的主要来源是技术进步，区域间生产率增长的差距随着时间推移而加剧[1]。时悦、赵铁丰（2009）认为我国财政支农弹性对全要素生产率的提高具有促进作用，但促进作用比较微弱[2]。李杨、伍贤旭等（2012）研究发现自然灾害已经影响到我国农业的正常生产经营，自然灾害抑制了农业全要素生产率的提高[3]。李士梅、尹希文（2017）研究发现，农村劳动力减少阻碍了农业全要素生产率的提升[4]。提高农业全要素生产率，有利于打破农业发展的瓶颈，使农业得以更好发展。因此本文从城镇化的角度出发，运用stata软件，通过建立面板数据模型，分析城镇化如何影响其农业生产效率，从而提出对应的解决对策。
1湖南农业全要素测算
1.1农业全要素生产率（TFP）
针对宏观层面的全要素生产率测算方法可以使用包括增长核算法和增长率回归法的非前沿分析方法与包括DEA数据包络分析法和随机前沿分析法的前沿分析方法。本文将使用DEA数据包络分析法中的DEA-Malmquist指数法对农业全要素生产率进行测算。与其它测算相比，DEA数据包络分析法不需要设定具体的投入产出生产函数形式，避免由于估计函数形式错误而导致的偏差，同时，可以研究多投入和多产出的全要素问题（段文斌、尹向飞，2009）。
1.2数据来源与测算结果
在利用DEA模型测算农业全要素生产率时，农业产出变量是以2008年不变价格进行计算的农林牧渔业总产值（万元）。农业投入变量分别选取乡村年底农林牧渔业从业人员数（万人）、农作物总播种面积（万公顷）、农业机械总动力（万千瓦）、农用化肥施用量（万吨）、农业有效灌溉面积（千公顷）、年度农村用电量（万千瓦时）计算。利用DEA软件，测算出农业生产率Malmquist指数分解平均值结果如表1所示。表1从时间角度显示了湖南省14市2008-2016年各年的农业生产率Malmquist指数。2008-2016年湖南省农业TFP在不同时间段内分别呈现U型的波动特征。从表中可以看出，要想提高农业TFP，主要从技术方面入手，加快新的农业技术的研发推广和运用。
2实证设计
2.1实证模型
本文的关注点是城镇化对农业全要素生产效率的动态影响。其中，i，t分别代表城市和时间；TFP、UR分别为农业全要素生产率和城镇化水平，TFP以对数形式表示；UR2检验城镇化化与农业全要素生产率之间是否存在“U”型关系；control、ciy、ε分别为控制变量、地区虚拟变量、随机扰动项。
2.1.1核心解释变量
城镇化水平（UR）。指一个地区城镇化所达到的程度，是区域经济发展程度的重要标志。目前衡量城镇化水平主要采用单一指标法，即城镇化水平=城镇人口/总人口（均按常住人口计算，不是户籍人口），用于反映人口向城市聚集的过程和聚集程度。
2.1.2控制变量
机械化程度（MA），机械化程度的提高对新农作物品种的使用和农业技术效率的提升有着促进作用，用年末农村从业人员的人均拥有的机械动力表示。农作物结构比率（AS），用于控制种植结构的改变对农业全要素生产率的影响，用粮食种植面积与农作物种植总面积的比值来表示。农作物生产规模（AC），生产规模的进行一定的扩大可以形成规模效应，这对于农业全要素生产率亦有促进作用，用人均播种面积表示。农作物受灾面积率（DA），农作物受灾面积率是影响农业发展的因素之一，农作物受灾面积率提高，农业产值会减少。政府规制（GOV），用于控制政府的投入对农业全要素生产率的影响，用农林水事务财政支出与地区生产总值的比值来衡量。
2.2数据来源与描述性统计
本文数据来源于《湖南省统计年鉴》和《中经网》，选取2008-2016年湖南省14市农业投入和产出数据。
2.3实证分析
本文使用计量软件Stata14.0对面板数据进行了回归分析。在实证检验中采用固定效应模型的LSDV进行估计。下面，本文将使用固定效应模型进行回归分析。
2.3.1总体样本的回归分析
模型1是不考虑城镇化率（LNUR）与农业生产率（LNTFP）的非线性关系的情况下，探究城镇化（LNUR）与流通业生产率（LNTFP）之间关系的固定效应回归结果，结果显示，城镇化率（LNUR）在5%的显著水平下显著，说明城镇化率（LNUR）对农业生产率（LNTFP）存在抑制作用。模型2是考察城镇化（LNUR）与农业全要素生产率之间是否存在“U型”关系的固定效应回归结果，结果显示，城镇化率（LNUR）和其平方项分别在1%、5%的显著水平下显著，说明城镇化与农业全要素生产率之间存在显著的正“U型”关系。在控制变量中，尽管机械化（LnMA）和政府规制（LNGOV）没有通过10%的显著性检验，但其系数为正，说明技术效率和政府投入对农业全要素生产率亦存在着影响。自然灾害（LNDR）通过了1%的检验，说明自然灾害对农业全要素生产效率有着显著的抑制作用。农业种植结构（LnAS）和生产规模（LNSC）分别通过了5%和10%的检验。（表3）
2.3.2按地区分样本的回归分析
为了进一步探究城镇化对农业全要素生产率影响的区域性差异，本文将湖南省14个地级市分为环长株潭城市群和城市群外两个分地区样本，均使用固定效应模型进行了回归分析。回归结果表明，环长株潭城市群内城镇化率（LNUR）和其平方项的显著性比城市群外的城市显著性要高，这可能群内市城市城镇化化率群外城市的高。城镇化与农业全要素生产率之间也存在正“U型”关系，这与前文的整体分析结果一致。即当城镇化水平（UR）在某一值时，农业全要素生产率达到最小值，位于正“U型”的最低点。在控制变量中，环长株潭城市群内政府规制（LNGOV）通过10%的显著性检验，而城市群外城市并没有通过检验，这可能是群内城市的政府投入较群外的城市多，对农业全要素生产率的增长起到了一定的作用。机械化水平（LNMA）均没有通过10%检验，但其系数均为正，这与前文的检验结果一致。此外，自然灾害（LNDR）均通过了1%的检验，说明自然灾害依然是阻碍农业全要素生产效率提高的重要因素。两个分区样本城市的农业种植结构（LnAS）和生产规模（LNSC）均通过了显著性的检验，但环长株潭城市群内的规模效应显著性要比其他城市的强，这可能是因为城市群内的城市种植规模较大，形成了一定的规模效应。（表4）
3结论与建议
本文通过DEA－Malmquist方法分析了2008-2016年湖南省14个地级市农业全要素生产率，发现湖南省农业全要素生产率年均增长率1.7%。在此基础上，通过固定效应模型分析了城镇化水平对湖南省农业全要素生产率的影响，得到如下结论：第一，城镇化水平对农业全要素生产率增长有负作用且存在“U”型关系；第二，农业机械化程度、种植结构的优化以及适当的扩大生产规模能促进农业全要素生产率的提升；第三，自然灾害依然是影响农业生产的重要因素；第四，政府规制即财政投入农业所占的比重对湖南省农业全要素生产率也存在一定的促进作用。因此，在城镇化进程中，应当对农村剩余劳动力进行科技教育和培训以提高科技文化的素质，减弱因城镇化造成的劳动力减少对农业全要素生产率的影响。农业全要素生产率的提高应重视机械化水平的提升和种植结构的调整。地方政府应鼓励新农业经营组织的发展，利用土地流转和大规模经营的机遇，通过适当扩大农业生产经营规模，使得农业机械化水平的提高更好的服务于农业生产，提高农业全要素生产率和加速现代农业的发展。此外，政府应当加强对自然灾害的防范，切实保障农民的收益，保证农民生产的积极性。与此同时，在保证粮食安全的情况下，通过对农业产品的产业结构调整，迎合市场需求，合理进行资源配置，做到资源利用效率最大化。最后，加大对农业科研投入，研究新的农业管理模式和农业技术，通过政府牵引来和相关高校及研究所进行合作以分析解决生产过程遇到的典型问题并培养专业的农业科研人才，加快农业技术成果的运用，理论结合实际，使研发的新技术更好的服务于农业生产。
作者:方龙朋 单位:安徽财经大学国际经济与贸易学院