植物品种的选择是否会影响农民的技术效率？来自中国小麦种植业的证据

《Journal of Agriculture and Food Research》：Does choice of plant variety affect farmers’ technical efficiency? Evidence from wheat farming across China

中国小麦生产中品种选择对技术效率的影响研究。通过分析2016年8省3279户数据，发现忽视品种异质性会导致技术效率高估（模型1效率0.89，模型3效率0.85）。主要巨型品种Jimai22占种植面积70.38%，其效率达0.90。研究揭示：1）品种类型显著影响投入产出关系（HQSG效率0.82-0.91，HYMG效率0.85-0.90）；2）地理区域能力差异使同品种效率波动达17%；3）氮肥与农药投入存在品种特异性效应。建议通过区域适配品种推广、配套农艺技术优化、种子体系改革等策略提升生产效率。

　　农业生产的效率提升是确保粮食安全和改善农村生计的关键因素。在中国，小麦是最重要的主食作物之一，其生产与消费量均居世界首位。尽管在过去五十年中，高产小麦品种显著推动了小麦产量的增加，但只有少数改良品种被农民广泛采用。因此，提高农业投入的效率依然是育种和政策制定的核心议题，因为这直接影响到农场层面的生产效率。本研究旨在探讨农民在不同小麦品种间的实践差异，并评估品种选择对技术效率的影响程度。研究结果表明，如果忽略品种间的异质性，技术效率会被高估，平均效率水平大约在0.85左右。在识别的105个品种中，只有少数被广泛采用的“超级品种”占据了大部分产量。这些发现强调了需要通过有针对性的推广计划加速品种更替，优先推广适应区域条件的改良品种，并加强种子体系改革，以在可持续投入使用的基础上缩小产量差距。研究还指出，品种选择在塑造中国小麦生产成果方面具有重要影响，为政策制定者、研究人员和实践者提供了具体的指导，以设定育种和推广优先事项。

小麦作为全球重要的主食作物，其生产不仅关乎国家粮食安全，也影响着数亿人口的日常饮食。中国不仅是全球最大的小麦生产国和消费国，而且小麦种植覆盖了全国近一半的省份，为超过60%的人口提供主食。为了确保稳定的可持续小麦生产，中国政府一直在支持农民提高农业生产力。尽管政府支持的育种和推广计划使小麦产量保持稳定，但自2000年以来，中国小麦种植面积却减少了近20%。与此同时，预计到2030年，中国对小麦的需求将增加36%，这凸显了在有限土地资源下提高生产力的迫切需求。因此，缩小实验条件下获得的产量与农民实际产量之间的差距对于满足日益增长的需求至关重要。

虽然技术效率在作物生产领域已有广泛研究（Tilman等，2011；Lu等，2015），但小麦品种选择在塑造效率方面的作用仍不充分。新品种不断被开发，例如在2010年代初期，农民采用的小麦品种年均数量接近400种（Xiang和Huang，2020）。尽管已发布超过2000种小麦品种，其中仅在2022年就发布了106种，但新品种的采用率仍然较低。目前实验田中获得的小麦产量可以超过10吨/公顷，而2017年的平均产量仅为5.4吨/公顷（Li等，2019）。总体而言，小麦产量低于水稻和玉米。2013年至2022年间，中国水稻和玉米的平均产量分别约为7.0吨/公顷和6.1吨/公顷，从2013年的6.7吨/公顷和6.0吨/公顷增长至2022年的7.1吨/公顷和6.4吨/公顷。而在同一时期，小麦的平均产量为5.5吨/公顷，从2013年的5.0吨/公顷上升至2022年的5.9吨/公顷。农民选择特定作物品种显著影响作物产量及其变异性（Spielman和Smale，2017；Singh等，2020）。农场通常种植多种具有不同农艺特性的品种，这可能改变耕作模式、投入使用和产量结果。忽视品种异质性可能导致技术效率估计出现偏差。

本研究旨在探讨农民在不同小麦品种之间的实践差异，并评估品种选择对农场层面技术效率的影响程度。通过关注命名的小麦品种，研究提供了分析特定遗传和农艺特性如何在现实条件下转化为生产力差异的契机。研究的贡献在于，首先，它首次在分析农民技术效率时，将特定小麦品种信息纳入农场层面。通过将小麦品种分为组并准确识别其名称，我们能够识别出小麦生产中的超级品种。为了实现这一目标，需要收集大量与相应农业投入相关的品种信息。在本研究中，农民报告使用了105种小麦品种，其中几种主导品种融合在一起。例如，高质量高面筋（HQSG）小麦、济南17和石峦02-1是最常见的选择。高产中等面筋（HYMG）小麦中，超过80%的种植面积使用N-HYMG。吉麦22被确定为整体主导的超级品种。观察到的品种选择、耕作模式和投入使用的差异表明，品种选择影响了生产实践。这体现了技术驱动决策在小麦生产中的作用，与Douthwaite等（2001）和Checco等（2023）的先前发现一致，即应强调技术特征的纳入。

其次，通过将命名的品种作为遗传特征的代理，我们展示了品种类型和具体品种如何显著影响农民的生产行为和效率结果，并指出忽略品种异质性会带来效率估计的偏差。第三，研究结果为育种者和政策制定者提供了实际的见解，通过将品种选择与生产力联系起来，为有针对性的育种、种子体系改革和推广策略提供了指导，以加快品种更替。研究还指出，品种选择在塑造中国小麦生产成果方面具有重要作用，为政策制定者、研究人员和实践者提供了具体的指导，以设定育种和推广优先事项。

本研究采用了多种计量方法，包括随机前沿分析（SFA）和数据包络分析（DEA），以评估技术效率。SFA允许同时包含连续变量和分类指标，如小麦品种，并同时建模效率的决定因素。因此，SFA特别适合本研究的目标。研究采用了一步SFA方法，通过最大似然估计联合估计随机前沿和效率效应，避免了两步估计的偏差，并允许在效率模型中直接包含农场和品种特定的变量。为了验证哪种模型规格最适合随机前沿，进行了广义似然比检验，其中Cobb-Douglas生产函数（H0）嵌套在超越对数（TRANSLOG）生产函数（H1）中。根据似然比检验的统计量，Cobb-Douglas生产函数适用于HQSG品种，而TRANSLOG生产函数用于其他随机前沿。

在研究中，我们假设错误项由对称的噪声成分和非负的效率成分组成，其中效率成分代表与随机前沿的偏差。此外，我们还考虑了生态系统的类型和农民所有权，通过在生产函数中加入额外的虚拟变量来控制这些因素。为了研究品种异质性，我们实施了固定效应模型，基于上述随机前沿模型。随后，我们应用了多种调整，包括对输入变量进行对数转换以稳定方差，排除扭曲估计的极端异常值，并使用替代函数形式进行稳健性检验。这些调整旨在确保结果的一致性和可靠性。

研究结果表明，农民在不同小麦品种上的技术效率存在显著差异。例如，在模型2中，种植HQSG小麦的农民平均效率为0.91，范围从0.31到0.99，而种植HYMG小麦的农民平均效率为0.90，范围从0.34到0.99。种植HQSG小麦的农民实现了86%的“前沿”产量，表明他们在未考虑品种异质性的模型1中表现优于整体平均效率。类似的研究也强调了在技术效率分析中纳入品种特征的重要性（Tavva等，2017；Adom和Adams，2020）。然而，当考虑品种异质性时，技术效率被低估，模型3中的平均效率下降至0.85，范围从0.65到0.98。这表明，忽略品种异质性会导致技术效率的高估，从而影响对农业投入和生产效率的准确评估。

研究还发现，不同省份的农民在相同品种上的技术效率存在显著差异。这可能与地区特有的农业实践、资源禀赋以及政策支持有关。此外，农民的年龄、性别、家庭规模等人口特征也显著影响技术效率。例如，男性农民更倾向于采用HYMG品种，而种植HYMG品种的农民更可能采用单一种植模式。这些结果表明，技术效率不仅受到品种特征的影响，还受到农民个人特征和农业实践的影响。

研究还探讨了农业投入对技术效率的影响。例如，化学肥料、农药、种子和其他投入的使用量与技术效率之间存在显著相关性。然而，不同品种对投入的响应存在差异，这可能与品种的遗传特性、农艺需求以及农民的管理实践有关。此外，研究还发现，农民在不同品种上的投入使用模式存在显著差异，这表明品种选择与投入使用之间存在复杂的相互作用。因此，为了准确评估技术效率，必须考虑品种异质性。

研究结果对农业政策和育种实践具有重要启示。首先，需要加速品种更替，通过有针对性的推广计划提高新品种的采用率。其次，应优先推广适应区域条件的改良品种，以提高产量和效率。第三，加强种子体系改革，以减少在可持续投入使用下的产量差距。这些措施将有助于实现农业技术的优化配置，提高农民的生产力和收入。

此外，研究还发现，农民的农业经验在技术效率中扮演重要角色。种植时间较长的农民可能更熟悉特定品种的特性，从而更有效地调整投入组合和管理实践。这表明，品种选择与投入使用之间存在互动关系，影响着产量和效率。因此，农业推广工作应注重区域化和具体化，提供符合当地农艺条件和市场需求的品种推荐。

最后，研究指出，未来的研究应进一步探索品种异质性对技术效率的影响机制。例如，可以通过纵向或面板数据捕捉品种采用和效率的动态变化，以及更深入地整合基因组、表型和环境数据，以理解品种特性如何影响生产力。此外，将分析扩展到其他作物和区域，将有助于提高研究结果的普遍性和政策建议的适用性。通过这些努力，可以更好地支持农业创新和可持续发展，满足不断增长的粮食需求。