（二）随机前沿生产函数

　　本文在估计技术效率时使用Cobb-Douglas生产函数。粮食生产主要依赖于播种面积、劳动力投入、种子投入、化肥投入、农药和除草剂投入、灌溉投入和机械投入。以稻农参与土地流转市场状况和地块来源为分类标准。

　　江西省上饶市稻农的水稻种植模式分为“早籼稻+晚籼稻”或者单独种植中籼稻。此外，稻农在不同的水稻种植季节种植不同的水稻品种，不同的水稻品种可获得不同的亩产和销售单价。因此，笔者将稻农不同水稻种植季节的产出相应换算成价值形式后相加。这里使用的价格为稻农相应水稻品种相应季节的销售价格。如果因自己食用而没有相应的销售价格，则取该季节该样本村稻谷的平均销售价格。每个地块水稻总产值为7230.83元，或者每亩1229.73元；而平均每个地块的水稻播种面积为5.88亩。调查时将劳动力区分为家庭劳动力和雇佣劳动力，劳动的衡量单位为天，并将劳动时间按8小时=1天进行换算。稻农平均在每个地块上投入家庭劳动力11.44天和雇佣劳动力4.43天，或者每亩投入家庭劳动力1.95天和雇佣劳动力0.75天。种子投入、化肥投入、农药和除草剂投入、灌溉投入、机械投入都以元衡量。在平均每亩水稻播种面积上，种子费用29.64元、化肥费用116.16元、农药和除草剂费用55.35元、机械服务费114.36元、灌溉费用15.22元。理论上讲，除了农药和除草剂，所有要素投入对水稻产量预期都有正向效应；而农药和除草剂投入对水稻产量的影响取决于农药和除草剂的使用是为了预防还是控制病虫害和杂草。如果是为了预防病虫害和杂草，农药和除草剂投入预期对水稻产量有正向影响；反之，农药和除草剂投入预期对水稻产量有负向影响。

　　但是，笔者的数据无法区分这两者的效应，故农药和除草剂投入对水稻产量的影响不确定。

　　此外，本文在估计Cobb-Douglas生产函数时加入了村虚拟变量，用来控制村际不可观测却存在系统性差异的因素。笔者假设，稻农水稻生产前沿会随着样本村的不同而移动。

　　（三）技术效率影响因素

　　技术效率并非用来衡量收入或者产出，而是对管理效率和生产效率的测量（Wouterse，2010）。

　　参照RahmanandRahman（2008）、Feng（2008）和Chenetal.（2009）的研究，本文选择的技术效率影响因素有地权稳定性特征、农地细碎化特征、地块特征、农业生产特征和稻农特征。以稻农参与土地流转市场状况和地块来源为分类标准。

　　地权稳定性以地块来源为代理变量。地块按其来源可分为租入地块和集体分配地块。租入地块是稻农从其他农户或村集体以租金（分成制）租入的水稻田块；集体分配地块为村集体通过家庭承包制分配给稻农的水稻田块。在783个水稻田块中，有151个田块通过租入获得。地块来源以虚拟变量的形式进入模型，当地块为租入地块时，变量赋值为1；当地块为集体分配地块时，变量赋值为0。一般认为，租入地块具有因口头约定而容易被原主人收回的风险，因而农户对租入地块的农业投资较集体分配地块少（DeiningerandJin，2006）。参照PenderandFafchamps（2006），租入地块虚拟变量与稻农参与土地流转市场变量的交叉项被纳入技术效率影响因素估计方程，用来检验对发生土地流转的稻农而言，租入地块与集体分配地块上水稻生产的技术效率是否存在差异。笔者认为，稻农可以通过土地流转来改变当年的耕地情况，因而2011年耕地地块数和2011年平均每块耕地面积具有内生性，不能直接用来当作农地细碎化程度的代理变量。考虑到笔者收集了稻农2007年耕地的基本情况，所以，农地细碎化程度以稻农2007年耕地地块数和2007年平均每块耕地面积这两个变量来表示。稻农农地细碎化程度高即稻农2007年耕地地块数多会对其农业生产技术效率带来负向影响（RahmanandRahman，2008）。相反，在耕地地块数保持不变的情况下，平均地块面积增加可以有效提高稻农农业生产技术效率（Tanetal.，2010），因此，2007年平均每块耕地面积预期会对稻农农业生产技术效率有正向影响。地块特征以地块的位置（包括离家距离、离最近硬化道路距离）来表示。地块离家越远，生产运输和劳动力往返所需时间越长。对较远的地块，稻农倾向于粗放经营，生产要素投入频次会减少，但每次投入数量会增加。因此，地块离家距离预期会对稻农农业生产技术效率带来负向影响。

　　地块靠近硬化道路，便于农业生产机械（例如耕地拖拉机和收割机）的使用，也便于稻农日常的田间管理，所以，地块离最近硬化道路距离预期会对稻农农业生产技术效率有负向效应。

　　农业生产特征以2011年年初劳动力人均分配耕地面积、拥有拖拉机虚拟变量、拥有耕牛虚拟变量、家庭劳动力平均年龄、家庭劳动力平均受教育年限来表示。劳动力人均分配耕地面积（包括免费代耕耕地面积）代表稻农的土地禀赋。稻农水稻种植的机械化程度非常高，特别是在整地和收割这两个水稻生产环节。拥有拖拉机和耕牛可以确保稻农水稻生产特定环节作业的及时性。家庭劳动力平均年龄作为稻农农业生产经验的代理变量，对其技术效率的影响方向不确定，这取决于稻农是更有经验还是更墨守成规。家庭劳动力平均受教育年限是稻农农业生产管理技能的代理变量。劳动力受教育程度越高的稻农，越能有效利用现有农业生产技术进行生产管理（BatteseandCoelli，1995），因此，稻农农业生产技术效率预期会随着家庭劳动力平均受教育年限的增加而提高。

　　稻农特征以住房面积，家庭劳动力规模，小孩、老人和女性劳动力分别占家庭总人口的比例，科技示范户虚拟变量和稻农参加过相关农业培训虚拟变量来表示。住房面积为被调查时稻农所住住房的实际建筑面积，用来当作稻农财富水平的代理变量。稻农越富有，越不会因资金受限制而延缓农业生产要素的投入和先进生产技术的采用。家庭劳动力被定义为家庭中年满16周岁非学生、参军和非丧失劳动能力者。小孩被定义为16岁及以下人口，老人被定义为65岁及以上人口，女性劳动力定义为16岁以上65岁以下非学生、非参军和非丧失劳动能力的女性。家庭劳动力规模，小孩、老人和女性劳动力分别占家庭总人口的比例通过影响稻农的时间禀赋来影响其技术效率。稻农科技示范户虚拟变量、在2011年水稻生产过程中稻农参加过相关农业技术培训虚拟变量用来当作农业技术推广的代理变量，以检验籼稻主产区农业技术推广的绩效。

　　农村劳动力非农转移对农业生产的影响存在两方面的博弈。农村劳动力数量和质量下降对农业生产可能造成负向影响；同时，农村劳动力非农就业能减少稻农的收入风险，带来的非农收入能缓解稻农的资金约束，使其能及时购置农资和雇佣劳动力，从而会对农业生产带来正向影响。因为稻农非农就业决策、土地流转决策是同时决定的，笔者认为，不能直接用2011年家庭非农收入信息，本文用2007年家庭非农收入与总收入之比来表示非农就业机会，这也代表水稻生产的机会成本。

　　（四）技术效率影响因素的内生性问题

　　采用一步法估计随机前沿生产函数和技术效率值及其影响因素时，技术效率的影响因素必须为外生变量。然而，本文研究中一个核心变量“稻农参与土地流转市场”是稻农2011年的决策行为，存在内生性，直接使用该变量会导致有偏的估计结果。为解决内生性问题，参照Feng（2008），本文首先在农户层面对其2011年土地流转市场参与行为用Probit模型进行估计，然后根据估计结果预测稻农租入土地的概率。在进行一步法最大似然估计时，用预测的稻农租入土地概率来替代稻农参与土地流转市场变量。租入地块虚拟变量与稻农参与土地流转市场变量的交叉项也被定义为租入地块虚拟变量与稻农租入土地概率的乘积。如果稻农2011年租入土地种植水稻，则其土地流转市场参与状况赋值为1，否则赋值为0。在全部样本稻农中，有159个稻农租入土地，占49%。租入土地稻农的土地租入面积占其实际耕种面积的62%。参照FengandHeerink（2008），该模型的解释变量包括稻农特征（住房面积和住房类型，家庭劳动力规模，小孩、老人和女性劳动力分别占家庭总人口的比例，科技示范户虚拟变量，2007年非农业风险（包括火灾、家庭成员重大疾病、大的家畜疫病）虚拟变量）、农业生产特征（劳动力人均分配耕地面积、拥有拖拉机虚拟变量、拥有耕牛虚拟变量、家庭劳动力平均年龄、家庭劳动力平均受教育年限）、村级土地租金和2007年家庭非农收入与总收入之比。

　　四、计量分析结果与讨论

　　（一）土地流转市场参与模型回归结果

　　稻农土地流转市场参与模型的估计结果如表4所示。根据Probit模型估计结果，在影响稻农2011年土地转入行为的因素中，农业生产特征中的劳动力人均分配耕地面积、拥有拖拉机虚拟变量和拥有耕牛虚拟变量都在1%的水平上显著。劳动力人均分配耕地面积变量系数的符号为负，表明劳动力人均分配耕地面积越大，稻农越没有租入土地的激励。拥有拖拉机虚拟变量和拥有耕牛虚拟变量系数的符号皆为正，表明拥有农业机械或牲畜会激励稻农进一步扩大种植规模。家庭劳动力平均受教育年限变量在10%的水平上显著，且系数的符号为负，表明受教育年限对农村劳动力扩大农业生产规模没有正向影响。家庭劳动力平均年龄对稻农土地转入行为没有显著影响。

　　稻农特征变量中，老人占家庭总人口比例越高，稻农用于农业生产的劳动力质量越差，会抑制其转入土地的意愿。随着农业生产机械化程度的上升，人均可以经营的土地面积大大增加，因此，家庭劳动力规模并没有对稻农土地转入行为产生显著影响。以住房面积和住房类型表示的家庭财富变量对稻农土地转入行为没有显著影响。村级土地租金变量、家庭非农收入与总收入之比变量系数的符号皆为负，但它们都不显著。为检验Probit模型估计结果的稳健性，使用相同的控制变量，笔者同时用双限制Tobit模型对稻农2011年租入土地面积占其实际耕种面积比例的影响因素进行了回归。双限制Tobit模型回归结果与Probit模型回归结果相似。而且此时，家庭非农收入与总收入之比变量在5%的水平上显著，且其系数的符号为负。

　　（二）随机前沿生产函数回归结果

　　上半部分列出了随机前沿生产函数的回归结果。水稻产出随着播种面积、雇佣劳动力和机械服务费的增加而提高。播种面积、雇佣劳动力和机械服务费的产出弹性分别为1.047、0.005和0.003。播种面积的高弹性充分表明了在研究区域，土地作为一种稀缺资源对产出的贡献。与预期相反的是，种子费用的产出弹性为负值，且它在10%的水平上显著。这个结果似乎不合常理，但与Feng（2008）的研究发现一致。笔者认为，需要进一步研究种子特征（例如是否杂交稻、是否优质稻）对种子投入的影响，进而找出种子投入影响水稻产出的中间路径。除常数项和村虚拟变量外，各生产要素产出弹性之和为1.031。水稻生产要素规模报酬不变的F检验结果表明，不能拒绝原假设，即研究区域稻农水稻生产具有规模报酬不变的特征。

　　根据技术效率的计算公式TEij.E[exp(.uij)|vij.uij]，本文由随机前沿生产函数的估计结果获得稻农地块水平上水稻生产的技术效率值。全部样本的技术效率值在0.613和0.997之间，平均技术效率值为0.973。这表明，平均97.3%的潜在产出可以通过现有的生产要素组合来获得。将稻农按2011年实际耕种面积分成三类，分别为耕种面积在1公顷及以下的小规模稻农、耕种面积在1公顷以上但2公顷及以下的适度规模稻农、耕种面积在2公顷以上的大规模稻农。根据联合国粮农组织（FAO）对农户规模的定义，2公顷是一个阈值，小于2公顷的为小农场。考虑到中国尤其是江西省被调查区域土地资源稀缺的客观现实，不管是遵照FAO标准，还是以1公顷为划分标准，t检验结果表明（t=4.180，p=0.000），被调查区域2公顷以上种植规模稻农的技术效率显著高于其他种植规模稻农的技术效率；同时，t检验结果也表明（t=3.041，p=0.002），1公顷以上种植规模稻农的技术效率也显著高于1公顷及以下种植规模稻农的技术效率。