推文人 | 胡琨

 

原文信息：Mamiit, Rusyan Jill , J. Yanagida , and D. Villanueva . "Farm locations and dwelling clusters: Do they make production and technical efficiency spatially contagious?." Food Policy 92(2020):101883.

 

原文链接：https://www.sciencedirect.com/science/article/pii/S0306919220300853

 

01引言

 

在农村，有关“三块地”改革的问题一直是学术界和政策界讨论的热点问题。近期，Amalavoyal等(2020)和盖庆恩等(2020)先后在《Review of Economic Studies》和《经济学（季刊）》利用中国农村固定观察点数据讨论了农村承包地流转对农村土地利用效率和农村粮食生产效率的影响。然而，关于承包地和农村住宅的空间分布是否会对农村粮食生产产生影响，仍然值得进一步讨论。因此，本文分享Rusyan等 2020年4月发表于《Food Policy》的论文，讨论菲律宾农场和农民住宅分布与农业生产效率的关系，以抛砖引玉。

 

02背景与数据介绍

 

尽管“绿色革命”以来，菲律宾水稻单产大幅上升，粮食产量上升速度仍然不及粮食需求增长速度。1995年以后，菲律宾成为大米净进口国。2007-2008年国际粮食危机以后，菲律宾政府开始认识到粮食安全的重要性。为了保障粮食安全，该国于2012年推出“主粮自给计划”(FSSP, Food Staples Sufficiency Program)。计划主要考虑了三个方法：（1）扩大水稻生产面积；（2）通过套种、间种以及推广良种的方法提高单产；（3）加强食品系统的连通性，减少从“地头”到“餐桌”的粮食浪费。

 

根据菲律宾当地粮食研究机构对区域水稻丰收程度的划分，作者选取了吕宋岛上的新埃西哈省（代表高水平地区）、打拉省（代表中水平地区）和奥罗拉省（代表低水平地区）。考虑奥罗拉省2013年台风受灾严重导致近乎绝收，本文研究只包含了前两个地区的情况。作者随机抽取了27个村庄展开调查，其中18个位于新埃西哈省，9个位于打拉省。随后，随机抽取了471户展开家户调查，其中301户位于新埃西哈省，170户位于打拉省。最终，作者获得有效数据新埃西哈省294户，打拉省150户。本文人口学数据、农场粮食产量数据、坐标数据和经济数据均来自于家户调查。

 

菲律宾吕宋岛埃西哈省和打拉省占地面积分别为5,507平方千米和3050平方千米，各拥有64个村庄和35个村庄。农民耕地面积占当地90%以上。两个地区农民平均年龄54岁，平均受教育年限为8年，平均每户5口人，平均每户水稻种植面积1.42公顷（21.3市亩）。2013年新埃西哈省稻田旱季亩产量450公斤（6.76公吨/公顷），雨季亩产量308公斤（4.63公吨/公顷），打拉省稻田亩产量旱季产量约为新埃西哈省57%，雨季约为新埃西哈省64%。

 

本文，作者首先衡量吕宋岛中部两个市镇村庄水稻农场的技术效率，然后调查各种因素对效率水平的影响程度，并核算地理空间属性对农场整体绩效的影响。

 

03计量方法与结果

 

本文作者选用定向输出随机前沿分析（output-oriented SFA）方法测度分析农业生产效率。文章选用CD随机前沿生产函数刻画两地的两季生产。

其中，（1）式度量旱季影响水稻生产效率因素，式中X（j）包括种子、肥料、农药、灌溉、农机、牲畜、劳动力密度和是否使用杂交品种共8个影响因素，v(i)是随机扰动，u(i)是导致生产非效率的因素；（2）式在（1）式基础上考虑雨季台风影响，增加了台风受灾虚拟变量。（3）式用于分析导致农场效率低下的因素。用于检验的因素Z(j)包括农民年龄、农民受教育程度、农民水稻种植经验、农民社交网络、（农场管理方面的）灌溉基础设施的连通性、技术应用、到农资市场的距离、农业培训参与度、与农业技术人员互动，以及（生产方面的）是否存在高价农资投入、是否存在高价雇佣和是否缺水共12个影响因素。文章基本SFA结果如“Table 1”所示。

由于经典的SFA方法假设样本之间相互独立，但众多文献表明，农业生产中样本之间由于诸如灌溉条件、地理环境等因素影响，可能存在空间自相关。文章将使用探索性空间数据分析（ESDA）和莫兰指数来判断样本中农业产量和技术效率是否存在空间自相关和空间依赖性，样本的农场和农户住宅是否存在集聚。结果显示，两地的旱季的高产量农场均存在空间集聚现象。就家户居住而言，在旱季，高产量的新埃西哈省农户居住并不集聚，然而在雨季，新埃西哈省的高产量农户居住集聚。相对，在雨季，打拉省高产量的农场和住户都没有出现集聚现象。检验农场技术效率的空间相关性，文章发现新埃西哈省高效率的农场和住户都不存在空间集聚；打拉省高效率的农场在旱季集聚，低效率的农场在雨季集聚。（详细莫兰指数结果见“Table 2”）

基于以上结果，文章对打拉省农场分布和农民住宅分布展开空间随机前沿分析讨论。文章分别考虑了不同农场之间的地理距离和不同农民家户之间的地理距离，使用行标准化的距离倒数的构建两个空间权重矩阵。基于LM检验，文章选用SARAR模型（检验结果见原文“Table 3”）。对打拉省农场分布和农民住宅分布的SFA分析结果如下表“Table A3”。表中分别汇报了不考虑空间计量模型和考虑SEM、SAR和SARAR模型下，打拉省旱、雨两季的SFA分析结果。针对实证结果，文章结合当地情况逐一进行了具体的分析和解释。

 

文章的具体解释部分可能存在不适用于中国国情的情况，因此这里不做进一步展开。特别的，文章发现，一些影响因素在考虑和不考虑空间效应时显著性存在较大差异。在雨季，化肥这一要素在不考虑空间效应时并不显著，但在SARAR模型下，化肥要素十分显著，可能的解释是雨季的化肥在不同农场之间存在溢出效应。

进一步，基于空间计量结果，文章分离了打拉省农业生产效率和非效率中的直接效应和间接效应，影响结果分别如原文“Table 4”和“Table 5”所示。

基于上述计量分析，文章认为，空间相关性显著影响农业生产产量和效率。

 

04 文章的政策含义

 

针对实证分析中的影响菲律宾水稻生产效率的9个影响因素和12个导致生产非效率影响因素，结合菲律宾政府2012年的FSSP计划，文章给出了相应的政策建议。此外，文章强调，农业政策应当因地制宜，充分考虑农业生产的空间差异和空间依赖性。

 

05 写在后面

 

由于农作物的生长高度依赖环境，农业生产存在很强的空间差异性。文章中，作者指出，尽管本文研究中不存在熟制差异，同样应当注意研究地点的水稻生产会因季节、地方气候和文化习俗而异。因此，如果涉及比较中国东北的水稻生产和江南的水稻生产需要额外控制其他更多的影响变量。

 

此外，由于国情不同，本文没有考虑制度和农民的主观能动性对水稻生产的重要影响。林毅夫（1992）指出，上世纪七十年代末的农村改革使得中国农业生产和生产效率增长迅速。因此，无论农地与村庄集聚对农业生产和生产效率是否有影响，切不可“揠苗助长”。忽视农民主观意愿、损害农民利益而推动的农地或农村集聚，很可能达不到预期效果，甚至取得适得其反的结果。

 

其他参考文献：

 

[1]Chari, A., Liu, E. M., Wang, S.-Y., & Wang, Y. “Property Rights, Land Misallocation and Agricultural Efficiency in China.” The Review of Economic Studies. (2020).

 

[2]盖庆恩,程名望,朱喜,史清华.土地流转能够影响农地资源配置效率吗?——来自农村固定观察点的证据[J/OL].经济学(季刊),2021(01):321-340.

 

[3] Lin, J. Y . "Rural Reforms and Agricultural Growth in China." American Economic Review 82(1992).

 

Abstract

 

In the last decades, local rice supplies in the Philippines have fallen short of local demand. As a result, the Philippines has become a net importer of rice. Reacting to this situation, the Philippine government introduced the Food Staples Sufficiency Program (FSSP) in 2012 with the belief that the Philippines can attain rice self-sufficiency. As physical farm expansion yields only 20% of the necessary increase in production, the remaining 80% must come from increased productivity. This study uses a sample of rice production areas in Central Luzon as representative of rice production in the Philippines. Stochastic production frontier analysis revealed that the average technical efficiency of farms in Central Luzon ranges between 0.76 and 0.92 in the wet and dry seasons. Increasing farm productivity can help attain the FSSP production target by potentially increasing yield per hectare. A combination of spatial econometrics with geostatistical tools demonstrated the presence of spatial dependence in yield and farm performance. Results show significant clustering of best and worst performing farms, specifically in Tarlac City. To increase farm technical efficiency and help attain food production targets at national and even global levels, policy interventions should consider focusing on geographically prioritized areas for technical efficiency improvement.