2017年-世界发展银行全球_Farm_Size_and_Productivity___A_Direct-Inverse-Direct_Relationship_25页_864kb
报告摘要
总结:Farm Size and Productivity: A “Direct-Inverse-Direct” Relationship
核心内容
本文通过使用埃塞俄比亚农村家庭调查(ERHS)的两轮数据,提出了一种新的对“农场规模与生产率”关系的解释。传统观点认为,农场规模与生产率之间存在“反向关系”(IR),即生产率随着农场规模的增加而下降。然而,作者通过量化回归方法发现,这种关系并非单调或单一,而是呈现出“直接-反向-直接”(DID)的非线性特征。
主要观点
- 反向关系(IR)并非普遍适用:大多数研究使用普通最小二乘法(OLS)估计IR,关注的是生产率的条件均值,但这种方法忽略了生产率分布的不同部分。
- 非线性关系的存在:通过量化回归分析,发现生产率与农场规模的关系在不同生产率水平上表现出不同的趋势:
- 低生产率农户:呈现倒U型关系,即生产率随农场规模增加先上升后下降,存在一个最小阈值。
- 高生产率农户:呈现U型关系,即生产率随农场规模增加先下降后上升,存在一个最大阈值。
- 阈值差异:阈值的性质因农户的生产率水平而异,低生产率农户的阈值是最小规模,而高生产率农户的阈值是最大规模。
- 生产率与规模的关系依赖于其他因素:包括农业生态条件和非农业机会,这些因素影响农户在不同规模下的生产率表现。
关键信息
- 数据来源:使用了埃塞俄比亚农村家庭调查(ERHS)的两轮数据,涵盖四个农业行政区域,共15个区,具有代表性。
- 农户特征:
- 平均每户拥有1.4公顷土地,6个家庭成员。
- 仅三分之一的农户雇佣外部劳动力,家庭成员为主要劳动力来源。
- 农户平均教育年限较低,农业收入占总收入的78%,但农业收入占比有所下降,工资和其他收入来源增加。
- 生产率变化:农业生产率从446美元/公顷增加到549美元/公顷,平均为497美元/公顷。
- 统计方法:采用量化回归(QR)方法,以捕捉生产率分布的不同部分,而不是仅关注条件均值。QR方法不需要假设误差项服从正态分布,适用于异方差数据。
- 分布特征:
- 低生产率农户的生产率分布呈倒U型。
- 高生产率农户的生产率分布向右偏斜。
- 中位数生产率农户的分布呈现双峰形态。
- 政策含义:
- 效率提升和土地再分配改革应考虑农场规模与当前和潜在生产率水平的关系。
- 政策设计需区分不同生产率水平农户的行为差异,以实现更有效的农业发展策略。
分析方法
- 量化回归模型:用于估计不同生产率分位数下农场规模的影响,能够反映生产率分布的全貌。
- 模型形式:考虑了生产率与农场规模之间的关系,同时控制了土地质量、基础设施、市场接近性、气候和地形等外生变量。
- 模型假设:OLS模型假设误差项服从正态分布,而QR模型允许误差项非正态,从而更稳健地估计不同分位数下的关系。
结论
- 生产率与农场规模的关系复杂:不同生产率水平的农户表现出不同的趋势,表明IR并非普遍适用。
- 阈值的重要性:生产率与规模的关系在阈值两侧呈现不同的方向,说明存在一个关键的规模临界点。
- 政策建议:应基于更全面的生产率分布信息,制定更具针对性的农业政策,以促进效率和公平。
方法论贡献
- 量化回归的使用:首次在农业政策研究中系统应用量化回归,揭示了生产率分布的不同部分对规模变化的反应差异。
- 数据质量提升:利用地理参考数据和更准确的土地面积测量,减少了统计偏差和测量误差的影响。
- 理论拓展:结合了交易成本理论、风险偏好和管理质量等理论,解释了生产率与规模关系的非线性特征。
政策启示
- 土地改革需考虑生产率水平:政策应针对不同生产率农户采取差异化措施,避免一刀切。
- 促进管理质量提升:通过提高管理效率,可能有助于逆转反向关系,实现生产率的提升。
- 支持多样化农业策略:鼓励农户根据自身生产率水平选择合适的农业策略,如扩大土地面积或提高土地利用效率。
参考文献与背景
- 历史研究:IR最早由Chayanov(1926)在俄罗斯观察到,后被应用于印度、肯尼亚等国家。
- 文献综述:早期研究主要关注市场不完善和家庭劳动效率,近期研究则更多涉及统计偏差和测量误差。
- 模型验证:通过ERHS数据验证了S-S(2017)的研究结论,即IR可能是统计偏差的结果,而非经济规律。
未来研究方向
- 进一步研究不同国家和地区的差异:探索不同农业生态和经济条件下的生产率与规模关系。
- 考虑非农业机会的影响:分析非农业收入对农户农业决策的影响。
- 优化土地政策设计:结合量化回归结果,制定更有效的土地政策以提升农业效率和公平。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载