中国期刊网-投稿、查重、发表有保障。
您的位置: 主页 > 学术论文 > 农业论文 >

中间投入视角下农业资源错配对全要素生产率的影响研究

发布时间:2023-03-16 08:26:46

摘    要:基于2002—2018年745个县域面板数据,在引入中间投入的基础上,研究农业资源错配对全要素生产率的影响,再利用固定效应模型分析农业资源错配影响因素。结果表明,总体上看,改善农业资源错配可以提升50.21%~55.81%的全要素生产率,农业资源错配及其造成的全要素生产率损失在研究区间内均有所增加。进一步研究发现,提高财政支出比例、推进卫生基础设施建设以及加快农业机械化有利于改善农业资源错配。基于此,建议切实发挥市场配置农业资源的决定性作用,在政策上加强对农财政支持,重视卫生基础设施建设,以充分释放改善农业资源错配提升农业全要素生产率的潜力。


关键词:农业资源错配;全要素生产率;中间投入;影响因素;


Impact of Agricultural Resource Misallocation on Total Factor Productivity from the

Perspective of Intermediate Inputs

ZHENG Hongyun

LI Gucheng

College of Economics and Management, Huazhong Agricultural University


Abstract:Based on the 2002—2018 panel data of 745 counties in China,this study analyzes the impact of agricultural resource misallocation on Total Factor Productivity by taking intermediate inputs into account.Then,using the fixed-effects model to analyze the influencing factors of agricultural resource misallocation.Results show that the correction of agricultural resource misallocation could increase the TFP by 50.21%-55.81% annually.Agricultural resource misallocation and productivity loss it caused are increasing over the research period.Further analysis shows that improving financial expense ratio,increasing medical infrastructure construction,and accelerating agricultural mechanization have positive and significant impacts on reducing agricultural resource misallocation.Based on this,it is recommended to give full play to the decisive role of the market in allocating agricultural resources,strengthen financial support for agriculture through policies,attach importance to the construction of health infrastructure,and fully unleash the potential of improving the mismatching of agricultural resources and enhancing agricultural total factor productivity.


Keywordagricultural resource misallocation; Total Factor Productivity; intermediate inputs; influencing factors;


一、引言与文献综述

农业是国民经济高质量发展的基础支撑。当前,我国农业正处在转变发展方式、转换增长动力的攻关期,但农业增长仍面临资源环境约束趋紧、农业要素配置不合理、要素流动不顺畅和流动机制不健全等严峻挑战。这些问题在一定程度上造成了农业资源的错误配置,严重影响了农业产出增长和生产率提升[1,2,3,4,5]。改善农业资源错配、推动农业生产率持续增长的要求比以往更加迫切,优化农业农村要素配置也因此得到高度强调[6]。党的二十大报告提出“坚持农业农村优先发展,坚持城乡融合发展,畅通城乡要素流动。”国家质量兴农战略规划将“优化农业农村要素配置”明确为实施质量兴农战略的关键点之一。2023年中央一号文件再次明确提出“畅通城乡要素流动”。可见,纠正农业资源错配、促进农业全要素生产率(Total Factor Productivity,TFP)的可持续增长,对推动中国农业质量变革、效率变革和动力变革,实现十九届五中全会强调的“提高农业质量效益和竞争力”目标具有重要意义。


探讨如何纠正农业资源错配首先需要了解错配的程度及其对TFP的影响。已有研究对此开展了初步讨论。不少学者运用农业农村部农村固定观察点的微观农户面板数据开展分析,这些研究主要考察资本、劳动和土地等要素的错配情况,并评估改善错配可提升的生产率潜力。例如,朱喜等[2]的研究表明有效消除资本和劳动配置扭曲可以提升农户20%以上的农业TFP。Adamopoulos等[7]证实消除村庄内土地错配可以使农业全要素生产率提高24.4%。盖庆恩等[1]发现土地的有效配置可以提升1.36倍的农业TFP,而加总的劳动生产率则将提高1.88倍。已有文献从宏观角度进行测度,但主要运用的是省级面板数据[8,9],极少数文献利用特定省份的市级数据[10]。总体上看,这一类文献也支持改善农业资源错配可以减少农业技术效率损失和产出损失。


从多数文献结果来看,农业资源错配会造成TFP和产出损失。那么,改善农业资源错配就成为提升农业TFP的有效路径。只有识别出关键的影响因素,才可以提出改善农业资源错配的对策。从已有研究来看,农业资源错配主要是由政策和市场两方面因素造成的[11]。特别是对长期受政策影响较大的农业部门而言,深化对微观环节和宏观层面诸多政策约束的改革至关重要[12]。已有文献指出,加强对农财政支出,有助于纠正非农配置偏向政策,从而优化农业部门的生产要素配置[13]。而农村经济基础设施建设则是对农偏向政策应关注的重点[14]。也有学者就改善特定要素错配开展分析,提出农业机械化有利于改善农业劳动力错配[15],转向农户的土地流转能有效提高农地资源配置效率[16]。这些都为本研究进一步探索农业资源错配的影响因素提供了良好借鉴。


已有文献基本认为中国农业存在资源的错误配置,并造成了农业产出和生产率损失,但已有研究仍存在两方面的不足:一是在农业资源错配问题的分析中较少考虑中间投入;二是宏观数据分析集中在省级或市级层面,在县域层面的分析则较为不足。有文献指出,化肥等中间品投入在增长核算中同样重要[17]。此外,也有必要将农业资源错配研究向县域层面拓展。基于此,本文利用2002—2018年745个县域面板数据,在引入中间投入的基础上,评估农业资源错配及其对全要素生产率的影响,并进一步利用固定效应模型分析农业资源错配的影响因素。本文的研究结果可为评估农业资源错配程度及其对TFP的影响提供更小空间尺度上的依据,也可以针对性地提出优化农业资源配置的政策建议。


二、理论分析

参考Ayerst等[18]的做法,首先设定农业生产函数。假定农业部门在t时期仅有一种产出,且存在数量一定的生产单元Nt。设定农业部门的加总生产函数形式如下:


Yt=At[(KαtMβtL1−α−βt)1−θFθt]γN1−γt(1)


式(1)中:Yt为t时期的加总农业产出;At为t时期的农业TFP;Kt为t时期的加总资本投入;Mt为t时期的加总土地投入;Lt为t时期的加总劳动投入,Ft为t时期的加总中间投入;Nt为t时期的生产单元数量。在经典的增长核算框架下,α(1−θ)γ、β(1−θ)γ、(1−α−β)(1−θ)γ和θγ表示各要素的产出弹性。利用式(1)和参数α、β、θ和γ,可以将农业产出变动分解为要素投入变动和农业TFP变动。


农业部门的生产单元在本文中定义为县,假定生产单元的生产能力(farming ability)不同,并将其定义为sit。农业生产单元在规模报酬递减条件1下的生产函数表示为:


yit=sit1−γ[(kitαmitβlit1−α−β)1−θfθt]γ(2)


式(2)中:yit、kit、mit、lit和fit分别表示i生产单元在t时期的农业产出、资本投入、土地投入、劳动投入和中间品投入;参数α、β和θ表示各项要素投入在农业生产中的相对重要程度;γ∈(0,1)表示生产单元的控制能力(span-of-control),即更高生产力的生产单元可以利用更多的要素投入,也可以表示农业生产的规模报酬情况;s1−γit表示i生产单元在t时期的TFP水平。


其次定义最优配置,即在投入给定的情况下,在一定数量生产单元间配置资源以实现最大产出的状态。最优配置可由如下目标函数求解得到:


Yet=max∑Nti=1s1−γit[(kαitmβitl1−α−βit)1−θfθt]γ(3)


资源约束条件为:


Kt=∑Nti=1kit,Mt=∑Nti=1mit,Lt=∑Nti=1lit,Ft=∑Nti=1fit(4)


式(4)中:Kt、Mt、Lt和Ft是t时期加总水平上给定的各项要素投入之和。


根据式(3)和式(4)可以求出最优配置时各要素的边际产出。实现最优配置时各生产单元的边际产出必然相等,从而实现产出最大化。在最优配置时,各生产单元所投入的要素水平与其相对生产能力sit相关,则i生产单元在t时期对任一要素x∈{k,m,l,f}的最优投入水平可表示为xeit=sit∑Nti=1sitXt,其中,Xt表示在t时期各项要素的加总投入。基于此,可以得到t时期的最优加总产出:


Yet=(S¯¯tNt)1−γ[(KαtMβtL1−α−βt)1−θFθt]γ,S¯¯t=1Nt∑Nti=1sit(5)


农业生产实际中各生产单元的边际产出并不相等,即农业资源配置偏离了最优配置,存在资源错配。根据这一思想,如果能将生产要素从低生产率的生产单元重新配置到高生产率的生产单元,则有可能提高加总TFP水平。因此,式(1)中加总产出变动的另一个重要源泉还可能是资源配置变化。参考Ayerst等[18]的做法,本文并不考虑单要素错配情况,而是考虑i生产单元在t时期由各项资源错配所导致的综合错配水平,公式如下:


TFPRit=yit(kαitmβitl1−α−βit)1−θfθt=((MPKitα(1−θ)γ)α(MPMitβ(1−θ)γ)β(MPLit(1−α−β)(1−θ)γ)1−α−β)1−θ(MPFitθγ)θ(6)


式(6)中:MPXit表示生产单元i在t时期的要素X对应的边际产出;TFPRit(Total Factor Productivity of Revenue,TFPR)为基于各生产单元的边际产出度量的综合错配程度。TFPRit在已有文献中通常被定义为收益全要素生产率,这一概念来自于经典的HK错配分析模型[19]。TFPRit的离散程度(如标准差等)可以度量资源错配程度[20,21],离散程度越高,表明错配程度越深。本文以TFPRit标准差来度量其离散程度。在最优配置条件下各生产单元的边际产出相等,TFPRit的标准差为0,表明不存在资源错配。


在加总要素投入水平给定的情况下,农业资源错配对产出和生产率的影响程度相同[18]。农业资源错配对TFP的影响可以通过(Yt/Yet−1)×100%求得,即将错配条件下的产出与最优配置条件下的产出相比较,可以判断改善错配可以提升的农业TFP水平。


三、数据来源、变量选取与模型选择

(一)数据来源

本文数据主要来源于《中国区域经济统计年鉴》《中国县(市)社会经济统计年鉴》《中国县域统计年鉴》《全国地市县财政统计资料》《全国分县市人口统计资料》、CNKI中国经济与社会发展统计数据库、各省统计年鉴和部分地市级统计年鉴,以及部分省市县(区)的统计局。通过数据整理,最终得到2002—2018年745个县域平衡面板数据,范围覆盖内蒙古、安徽、山东、广东、新疆、江苏、河北、浙江、湖北、湖南、甘肃、福建和重庆等13个省份。需要说明的是,在以农林牧渔业总产值为产出口径时,本文使用的是745个县域平衡面板数据(共计12 665个观测值),而以第一产业增加值为产出时,则是重新整理的939个县域平衡面板数据(共计15 963个观测值)。


(二)变量选取与描述性统计

1.产出变量


本文的农业产出以农林牧渔业总产值表示,并以省级价格指数折算为2002年不变价。此外,还将不变价的第一产业增加值作为农业产出进行比较。


2.投入变量


结合已有研究对农业投入指标的讨论[22,23],选择的投入指标包括资本、劳动、土地和中间投入。这也是目前应用较为广泛的4种农业投入要素。其中,资本以农业机械总动力表示,劳动用农林牧渔业从业人员表示,土地以农作物总播种面积表示,中间投入以化肥施用折纯量表示。


3.被解释变量


本文被解释变量为农业资源错配,用TFPRit到其平均值的离差绝对值表示。在最优配置条件下各生产单元的TFPR相等,到平均值的距离为0,即不存在资源错配。而在错配条件下各生产单元的TFPR存在差异,到平均值的距离越远,表明资源错配程度越深。


4.解释变量


参考现有研究[9,10,14,24,25],选择如下变量。①财政支出比例,用财政支出与地区生产总值之比表示。②产业结构指数,具体设定为第一产业总产值/地区生产总值+2×第二产业总产值/地区生产总值+3×第三产业总产值/地区生产总值。③教育基础设施,用在校的小学和普通中学学生人数之和与地区总人口数之比表示。④卫生基础设施,用医疗卫生机构床位数与总人口之比表示。⑤土地资源禀赋,用农作物播种面积与农林牧渔业从业人员之比表示。⑥农业机械化水平,用农业机械总动力与农作物总播种面积之比表示。各变量说明与描述性统计如表1所示。


表1 变量说明与描述性统计


(三)模型选择

根据理论分析框架,计算农业资源错配的程度TFPRit和农业资源错配对TFP的影响(Yt/Yet−1)×100%都需要确定参数α、β、θ和γ。由于本文所用的县域面板数据可能在省份层面存在经济水平、自然禀赋等方面的差异,参考已有文献[15,26],利用最小二乘虚拟变量法(Least Square Dummy Variable,LSDV)对上述参数进行估计。与普通固定效应模型相比,LSDV方法可以在回归中加入省份效应、年份效应和二者的交互项,有利于在回归中进一步控制省际差异。


在测算农业资源错配及其对TFP影响的基础上,参考已有文献[27],进一步构建如下模型考察农业资源错配的影响因素:


RMit=α0+α1Xit+μi+θt+εit(7)


式(7)中:RMit为被解释变量农业资源错配,RMit越大,表明TFPRit的分布越离散,农业资源错配程度越深,反之说明不存在严重的农业资源错配;Xit表示农业资源错配的影响因素;α0为常数项;α1为待估参数向量;μi和θt为空间效应和时间效应;εit为随机误差项。


四、结果与分析

(一)农业要素产出弹性与参数估计

农业要素产出弹性的估计结果如表2所示。首先,根据表2的估计系数,计算得出γ在以农林牧渔业总产值为产出的结果和以第一产业增加值为产出的结果中分别为0.834和0.807,综合起见,取γ=0.820,这既符合规模报酬递减的假定,也与已有文献的结果基本一致。例如,对越南农业资源错配研究确定的γ为0.85[18],对中国农业资源错配的估计所得到的结果则为0.855[1]。因此,本文测算得到的结果也相对合理。其次,根据以农林牧渔业总产值为产出的结果,可以得到α(1−θ)γ=0.492、β(1−θ)γ=0.104、(1−α−β)(1−θ)γ=0.161和θγ=0.077。在γ=0.820的条件下,对应的参数分别为α=0.662、β=0.140和θ=0.094。根据以第一产业增加值为产出的结果,可以得到α(1−θ)γ=0.430、β(1−θ)γ=0.116、(1−α−β)(1−θ)γ=0.163和θγ=0.098,对应的参数分别为α=0.595、β=0.160和θ=0.119。此外,各要素的边际产出同样可以根据表2的估计结果求得,从而得到计算农业资源错配所需的全部参数。


表2 农业要素产出弹性估计结果


(二)农业资源错配的变化趋势

结合估计出的参数和边际产出,计算县域层面的农业TFPR,具体分布如图1所示。农业TFPR的分布在一定程度上可以反映出农业资源配置的变动特征。如果农业TFPR分布变得更为集中,说明各生产单元的农业TFPR水平趋同,资源被配置到不同的生产单元后被有效利用的可能性越大,反之表明资源被不合理配置的可能性越大[28,29]。为简单起见,本文只选择2002年、2010年和2018年作为代表性年份。由图1可以看出,与2002年相比,2010年的农业TFPR分布变化不大,但到2018年,分布峰值明显下降,且整体分布变得更为分散,密度曲线的双尾在研究区间内均有拉长趋势。这表明TFPR较大的生产单元增速较快,而TFPR较低的增速较慢。从资源配置视角来看,这可能不是一个好的信号。在研究区间内,更加离散的农业TFPR分布表明农业资源错配程度加深。


本文参考已有文献[18,20],在计算标准差的基础上还计算农业TFPR在90%分位点与10%分位点的差值(90/10)、75%分位点和25%分位点的差值(75/25)。90/10和75/25这两个指标也可以表示分布的离散程度。表3汇报了衡量农业TFPR分布的三个指标的变动特征。总体上看,农业TFPR的标准差、90/10和75/25指标在2002—2018年均呈现波动增长。以农林牧渔业总产值为产出时,三个指标的年均增长率分别为2.46%、2.31%和2.18%,以第一产业增加值为产出也呈现类似特征。这表明农业TFPR离散程度变大。分指标来看,以农林牧渔业总产值和以第一产业增加值为产出的农业TFPR标准差在2002年分别为0.394和0.265,但到2018年两者分别达到0.596和0.398,在研究区间内的增长特征明显。同样地,在整个研究区间内,两种产出下的90/10和75/25两个指标的差异呈波动增长趋势。在2002年,两种产出下TFPR在90%和10%分位点的差异为0.783和0.539,在75%和25%分位点的差异分别为0.386和0.295。到2018年两者已经达到1.154和0.777以及0.556和0.391。综合上述分析可以看出,2002—2018年农业TFPR的离散程度逐渐增加,即农业资源错配程度有所加深。这也与已有文献的研究结果较为一致,即引入中间投入后,结果同样证实中国农业资源配置存在不容忽视的错误配置问题。


表3 农业TFPR分布的变动特征


(三)农业资源错配对全要素生产率的影响分析

本文进一步测算引入中间投入后农业资源错配对TFP的影响,即改善农业资源错配可以提升的TFP程度。测算过程是,首先计算最优配置条件下的农业产出Yet,再根据(Yt/Yet−1)×100%计算得到,具体测算结果如表4所示。


根据表4,在以农林牧渔业总产值和以第一产业增加值为产出的条件下,改善农业资源错配年均可提升50.21%~55.81%的农业TFP。与已有文献相比,这一结果较朱喜等[2]的结果偏大。本文的分析框架包括了土地和中间投入,这可能是造成结果不一致的原因。从时间趋势上看,改善农业资源错配可提升的TFP在研究区间内波动上升。以农林牧渔业总产值为产出的条件下,可提升的农业TFP从2002年的47.73%上升至2018年的50.00%,其中最大改进空间为2007年的69.82%。而以第一产业增加值为产出的农业TFP提升比例则从2002年的45.61%变动到2018年的44.52%,最大改进同样发生在2007年,为64.25%。


上述结果有两方面的经济学含义:一是通过改善农业资源错配提升TFP有巨大潜力,优化农业资源配置可以成为未来农业TFP增长的新动能;二是在农业资源错配问题研究中,中间投入是不可忽视的一项投入。特别是与已有文献相比,本文同时考虑资本、劳动、土地和中间投入,更为全面地考察农业资源错配及其对TFP的影响。


表4 农业资源错配对全要素生产率的影响


(四)农业资源错配的影响因素分析

本文进一步分析农业资源错配的影响因素。首先通过Hausman检验判断选择固定效应还是随机效应估计,结果在1%的统计水平上显著,表明应选择固定效应模型,参考郑宏运等[14]的做法,并具体选择个体时间双向固定效应模型开展估计。为简单起见,只选择农林牧渔业总产值为产出的测算结果为被解释变量,结果如表5所示。


从估计结果来看,第一,财政支出比例对改善农业资源错配有显著正向影响,这与吴伟伟等[10]的研究结果相一致。财政支出或补贴是政府干预经济的重要形式[30],政府财政支出同样会影响到农业部门的资源错配。虽然本文的财政支出并非是针对农业口径的,但由于县域行政范围较小,政府在各方面的财政支出必然会影响到农业资源配置。其含义是,即使以市场决定农业资源配置为目标,更好地发挥政府政策的支持作用对优化农业资源配置同样具有积极影响[14]。


第二, 产业结构指数的影响并不显著。这可能与产业结构升级对农业资源错配的作用机制有关。由于产业结构指数是从宏观多部门视角度量的,产业结构升级可能首先作用于宏观经济的资源错配,进而影响农业部门内的资源配置。


第三, 卫生基础设施的系数为负,且在5%显著性水平上显著,说明卫生基础设施建设有利于改善农业资源错配。在县域较小的行政范围内,农村居民和城市居民基本可以享受到同样的卫生资源。近年来,农村制度改革的一个重要方向是加强农村基础设施建设和促进社会事业发展。特别是在农村地区医疗条件滞后的情况下,卫生基础设施建设对提高农村人力资本具有重要影响,从而有利于改善农业资源错配。


第四,土地资源禀赋对农业资源错配有显著加深作用。吴伟伟等[14]认为这可能与耕地细碎化会影响规模种植的错配改善效应有关。人均农作物播种面积较大,并不意味着农业的规模化经营,反而可能伴随着较高的土地细碎化程度,从而加深农业资源错配。Adamopoulos等[31]指出,土地密度是解释农业生产率和资源错配的重要因素。农业劳动力转移和农村土地“三权分置”改革等政策的影响也集中体现为土地密度的变化。本文结果的政策含义是鼓励土地流转时必须促进土地整合,减少土地细碎化。


第五,农业机械化水平对改善农业资源错配具有显著正向影响。可能的原因是农业机械化水平的提高能反映“农机购置补贴”政策的存量增加效应[32]。农业机械化同时作用于农业劳动力流动、农业生产效率和农业生产竞争力,从而带动农业资源配置优化。


表5 农业资源错配影响因素估计结果 n=12 665 


五、主要结论与政策建议

基于2002—2018年745个县域面板数据,在引入中间投入的情境下分析农业资源错配对TFP的影响,并对农业资源错配的影响因素进行初步探索,主要得到如下研究结论。第一,2002—2018年,农业资源错配程度有所加深。以农林牧渔业总产值为产出为例,农业TFPR的标准差从2002年的0.394上升至2018年的0.596,年均增长率为2.46%。第二,农业资源错配造成年均50.21%~55.81%的农业TFP损失,且在研究区间内波动上升。同样以农林牧渔业总产值为产出为例,改善农业资源错配可提升的农业TFP从2002年的47.73%上升至2018年的50.00%。第三,进一步的检验表明,提高财政支出比例、推进卫生基础设施建设以及加快农业机械化有利于改善农业资源错配。


基于上述研究结论,提出如下政策建议。第一,改善农业资源错配对提升农业TFP具有可观潜力。围绕优化农业农村资源配置的目标,一方面要切实发挥市场配置农业资源的决定性作用,另一方面,在政策上要加强对农支持,有效的政策干预同样有利于改善农业资源错配。第二,改善农业资源错配要特别注重加强财政支持。要加大“真金白银”的对农财政支出,这是改善农业资源错配行之有效的路径。中央和地方要统筹安排农业财政支出,加强对农财政支持的长期性政策规划,明确农业财政支出和规划的重点方向。第三,重视卫生基础设施建设。要统筹规划卫生基础设施投资,使农村居民能享受到更高水平的卫生资源,充分发挥卫生基础设施提高人力资本、改善农业资源错配的作用。


参考文献

[1] 盖庆恩,朱喜,程名望,等.土地资源配置不当与劳动生产率[J].经济研究,2017(5):117-130.

[2] 朱喜,史清华,盖庆恩.要素配置扭曲与农业全要素生产率[J].经济研究,2011(5):86-98.

[3] CHARI A V,LIU E,WANG S,et al.Property rights,land misallocation and agricultural efficiency in China[J].The Review of Economic Studies,2020,87(5):2322-2355.

[4] CHEN C,RESTUCCIA D,SANTAEULÀLIA-LLOPIS R.The effects of land markets on resource allocation and agricultural productivity[J].Review of Economic Dynamics,2022,45:41-54.

[5] 郑宏运,李谷成,周晓时.要素错配与中国农业产出损失[J].南京农业大学学报(社会科学版),2019,19(5):143-153.

[6] 王璐,杨汝岱,吴比.中国农户农业生产全要素生产率研究[J].管理世界,2020,36(12):77-93.

[7] ADAMOPOULOS T,BRANDT L,LEIGHT J,et al.Misallocation,selection and productivity:A quantitative Analysis with panel data from China[J].Econometrica,2022,90(3):1261-1282.

[8] 李佳睿,王善高.要素市场扭曲对农业生产技术效率的影响研究[J].山东农业科学,2018,50(8):161-168.

[9] 雷绍海,秦佳虹,王成军.中国农业资源错配的测算、时空演变特征及影响因素分析[J].中国农业资源与区划,2021:1-13.

[10] 吴伟伟,包铠璇,张燕华.江西省农业生产要素错配测度与影响因素的实证研究[J].长江流域资源与环境,2020,29(4):1005-1015.

[11] WU G L.Capital misallocation in China:Financial frictions or policy distortions?[J].Journal of Development Economics,2018,130(C):203-223.

[12] 蔡昉.中国经济改革效应分析:劳动力重新配置的视角[J].经济研究,2017(7):4-17.

[13] 刘明辉,卢飞.城乡要素错配与城乡融合发展:基于中国省级面板数据的实证研究[J].农业技术经济,2019(2):33-46.

[14] 郑宏运,李谷成.城乡政策偏向对农业资源配置效率的影响研究[J].农业技术经济,2020(7):79-92.

[15] 秦佳虹,王成军.农业机械化能否改善农业劳动力错配[J].农业现代化研究,2019,40(6):1021-1028.

[16] 盖庆恩,程名望,朱喜,等.土地流转能够影响农地资源配置效率吗?[J].经济学(季刊),2020,20(5):321-340.

[17] 李谷成.资本深化、人地比例与中国农业生产率增长:一个生产函数分析框架[J].中国农村经济,2015(1):14-30.

[18] AYERST S,BRANDT L,RESTUCCIA D.Market constraints,misallocation,and productivity in Vietnam agriculture[J].Food Policy,2020,94(1):1-16.

[19] HSIEH C T,KLENOW P J.Misallocation and manufacturing TFP in China and India[J].Quarterly Journal of Economics,2009,124(4):1403-1448.

[20] 杭静,郭凯明,牛梦琦.资源错配、产能利用与生产率[J].经济学(季刊),2021,21(1):93-112.

[21] 刘柏惠,寇恩惠,杨龙见.增值税多档税率、资源误置与全要素生产率损失[J].经济研究,2019,54(5):113-128.

[22] 高帆.我国区域农业全要素生产率的演变趋势与影响因素:基于省际面板数据的实证分析[J].数量经济技术经济研究,2015(5):3-19.

[23] 龚斌磊.投入要素与生产率对中国农业增长的贡献研究[J].农业技术经济,2018(6):4-18.

[24] BAI P,CHENG W.Labour misallocation in China:1980—2010[J].Applied Economics,2016,48(25):2321-2332.

[25] HAN H,LI H,ZHAO L.Determinants of factor misallocation in agricultural production and implications for agricultural supply-side reform in China[J].China & World Economy,2018,26(3):22-42.

[26] 杨少华,王凯.规模经营对中国生猪生产波动的稳定效应研究:基于调节效应和门槛效应模型的双重检验[J].农业经济问题,2022(7):81-96.

[27] 张天华,邓宇铭.开发区、资源配置与宏观经济效率:基于中国工业企业的实证研究[J].经济学(季刊),2020,19(4):1237-1266.

[28] 曲玥.中国工业企业的生产率差异和配置效率损失[J].世界经济,2016(12):121-142.

[29] 聂辉华,贾瑞雪.中国制造业企业生产率与资源误置[J].世界经济,2011(7):27-42.

[30] 刘宗明,吴正倩.中间产品市场扭曲会阻碍能源产业全要素生产率提升吗——基于微观企业数据的理论与实证[J].中国工业经济,2019(8):42-60.

[31] ADAMOPOULOS T,RESTUCCIA D.The size distribution of farms and international productivity differences[J].American Economic Review,2014,104(6):1667-1697.

[32] 潘彪,田志宏.购机补贴政策对中国农业机械使用效率的影响分析[J].中国农村经济,2018(6):21-37.


相关文章
100%安全可靠
7X18小时在线支持
支付宝特邀商家
不成功全额退款