本文摘要：摘要：基于 20092019 年省級面板數(shù)據(jù)，運用 DEA-Malmquist 指數(shù)法測算中國食品加工業(yè)全要素生產(chǎn)率及分解項，進一步在固定效應(yīng)模型下檢驗人工智能和農(nóng)業(yè)效率對全要素生產(chǎn)率的影響機制和影響程度。結(jié)果表明，研究期間食品加工業(yè)全要素生產(chǎn)率整體呈上升趨勢，主要由技術(shù)進
摘要：基于 2009—2019 年省級面板數(shù)據(jù)，運用 DEA-Malmquist 指數(shù)法測算中國食品加工業(yè)全要素生產(chǎn)率及分解項，進一步在固定效應(yīng)模型下檢驗人工智能和農(nóng)業(yè)效率對全要素生產(chǎn)率的影響機制和影響程度。結(jié)果表明，研究期間食品加工業(yè)全要素生產(chǎn)率整體呈上升趨勢，主要由技術(shù)進步拉動，但增長率呈波動式下降;分經(jīng)濟區(qū)考察，南部沿海地區(qū)增長率最高，東北地區(qū)最低;人工智能促進技術(shù)進步，卻抑制了全要素生產(chǎn)率增長，中國食品加工業(yè)存在“生產(chǎn)率悖論”;農(nóng)業(yè)效率通過正向影響技術(shù)效率，促進全要素生產(chǎn)率提高。據(jù)此提出以賦能食品加工業(yè)轉(zhuǎn)型升級、發(fā)展人工智能互補技術(shù)和建設(shè)現(xiàn)代農(nóng)業(yè)為主要任務(wù)的對策建議。
關(guān)鍵詞：食品加工業(yè);全要素生產(chǎn)率;人工智能;農(nóng)業(yè)效率
食品加工業(yè)是農(nóng)產(chǎn)品的直接上游行業(yè)之一，其在賦能鄉(xiāng)村振興、推動農(nóng)村供給側(cè)結(jié)構(gòu)性改革、一二三產(chǎn)業(yè)融合方面具有領(lǐng)頭作用，是為耕者謀利的制造業(yè);習(xí)近平同志在逆全球化和新冠疫情的背景下提出了“雙循環(huán)”戰(zhàn)略，要求暢通國內(nèi)大循環(huán)，食品加工業(yè)在實現(xiàn)農(nóng)產(chǎn)品增值的同時為城鄉(xiāng)居民提供高質(zhì)量消費品，是擴大國內(nèi)需求、為人民謀福祉的民生產(chǎn)業(yè)。中共中央《十四五規(guī)劃建議》強調(diào)優(yōu)先發(fā)展農(nóng)業(yè)農(nóng)村，資源要素向農(nóng)村傾斜，2018 年農(nóng)業(yè)部《關(guān)于實施農(nóng)產(chǎn)品加工業(yè)提升行動的通知》明確了推動產(chǎn)業(yè)轉(zhuǎn)型升級的主要目標和重點任務(wù)。隨著中國經(jīng)濟發(fā)展進入新常態(tài)，傳統(tǒng)資源和勞動密集型的產(chǎn)業(yè)要實現(xiàn)轉(zhuǎn)型升級就更要關(guān)注高質(zhì)量發(fā)展，尋求除要素投入以外的新動能，很多學(xué)者認為全要素生產(chǎn)率(TFP)是中國未來經(jīng)濟增長的決定因素。因此，實證研究近 10年中國食品加工業(yè) TFP 的變化和影響因素具有重要意義。
1 研究現(xiàn)狀
中國學(xué)者對農(nóng)產(chǎn)品加工業(yè) TFP 變化趨勢和影響因素非常關(guān)注，對于更細分的食品加工業(yè)研究成果較少，但仍有極大的借鑒意義。農(nóng)產(chǎn)品加工業(yè)TFP 的測算有兩類主流方法：非參數(shù)數(shù)據(jù)包絡(luò)模型(DEA-Malmquist)和隨機前沿模型(SFA)。戰(zhàn)炤磊等[1]、趙燃等[2]、龔新署等[3]基于行業(yè)面板數(shù)據(jù)測算中國農(nóng)產(chǎn)品加工業(yè) TFP 的變化趨勢，樣本階段雖各不相同，都得出了 TFP 年均上升的結(jié)論，并且主要由技術(shù)進步推動。
劉志雄等[4]使用 SFA 的方法估計生產(chǎn)函數(shù)測算技術(shù)效率的變化，發(fā)現(xiàn)雖然 1993—2005 年中國食品加工業(yè)技術(shù)效率逐年提高，卻存在顯著的技術(shù)損失，技術(shù)進步不明顯。很多學(xué)者實證分析了影響農(nóng)產(chǎn)品加工業(yè) TFP的因素，當前已被證實的影響因素分為兩大類：行業(yè)宏觀層面和公司微觀層面。產(chǎn)業(yè)集聚和外商直接投資在不同階段顯示出正外部性和負外部性[3];趙燃等[2]認為，國有控股企業(yè)相對“三資企業(yè)”在技術(shù)進步上更有優(yōu)勢，資本密集度負向影響農(nóng)產(chǎn)品加工業(yè)TFP 的提高。胡泉水等[5]從公司角度分析融資約束和技能結(jié)構(gòu)失衡對 TFP 的抑制作用機理。但是人工智能在食品加工業(yè)生產(chǎn)效率中的作用還沒有學(xué)者研究，國內(nèi)外學(xué)者關(guān)注“索洛悖論”在各國家制造業(yè)整體是否成立，并進行了大量實證研究。
食品加工論文：探究酶學(xué)技術(shù)在食品加工與食品質(zhì)量檢測中的應(yīng)用
劉亮等[6]基于中國制造業(yè)數(shù)據(jù)證偽了“索洛悖論”，認為人工智能主要通過提高技術(shù)效率提高制造業(yè) TFP。付文宇等[7]認為人工智能通過技術(shù)創(chuàng)新和人力資本優(yōu)化促進了地區(qū)制造業(yè)優(yōu)化升級，而這種促進效果對中國東部地區(qū)和勞動密集型產(chǎn)業(yè)影響更顯著。工業(yè)智能化如何影響制造業(yè)高質(zhì)量發(fā)展，唐曉華等[8]檢驗了工業(yè)智能化與制造業(yè)發(fā)展的 U 型關(guān)系，影響途徑是優(yōu)化勞動力結(jié)構(gòu)、提高生產(chǎn)效率與提升產(chǎn)品質(zhì)量。郭敏等[9]結(jié)合國際經(jīng)驗，驗證了人工智能對中國勞動生產(chǎn)率的抑制作用，原因是勞動生產(chǎn)率具有滯后性、錯誤的勞動生產(chǎn)率估算和人工智能不精確計量共同導(dǎo)致。雖然食品加工業(yè)是農(nóng)業(yè)的直接上游行業(yè)，鮮有學(xué)者將第一產(chǎn)業(yè)與食品加工業(yè)納入同一研究框架分析。靖飛等[10]將省際主要農(nóng)產(chǎn)品產(chǎn)量加入投入變量計算中國食品加工業(yè) Malmquist 指數(shù)，用 DEA 方法計算技術(shù)效率未完全有效的省份在農(nóng)產(chǎn)品利用效率上調(diào)整改進的程度。
張莉俠等[11]實證檢驗農(nóng)業(yè)自身的效率并不會直接影響技術(shù)效率水平。上述關(guān)于使用 DEA-Mamlquist指數(shù)測算食品加工業(yè)全要素生產(chǎn)率已比較普遍，然而將人工智能、農(nóng)業(yè)效率和食品加工業(yè)全要素生產(chǎn)率納入同一框架中的研究還未出現(xiàn)。鑒于食品加工業(yè)對推動國家經(jīng)濟高質(zhì)量發(fā)展、助推鄉(xiāng)村振興意義重大，為實現(xiàn)在新一輪科技革命階段抓住人工智能技術(shù)機遇、充分發(fā)揮食品加工業(yè)對農(nóng)產(chǎn)品的增值作用，本研究擬從 2009—2019 年食品加工業(yè) Malmquist 指數(shù)及其分解項的增長變動情況研究行業(yè)發(fā)展趨勢，并構(gòu)建人工智能指標和農(nóng)業(yè)效率指標，實證分析這 2 個因素在中國食品加工行業(yè)的影響效果和影響機制，以期豐富這一領(lǐng)域研究成果。
2 人工智能、農(nóng)業(yè)效率對食品加工業(yè)全要素生產(chǎn)率的影響機制
2.1 人工智能對食品加工業(yè)技術(shù)進步和全要素生產(chǎn)率的影響機制人工智能在國家工業(yè)體系中具有知識溢出[12]和知識創(chuàng)造效應(yīng)[13]。首先，智能化降低了企業(yè)間的信息傳遞成本，一定程度瓦解了企業(yè)間的技術(shù)壁壘從而促進知識共享，而人工智能技術(shù)作為通用目的的技術(shù)具有滲透性[6]，這種滲透性在區(qū)域產(chǎn)業(yè)集群中發(fā)揮知識溢出作用，推動食品加工業(yè)的技術(shù)進步。
另外，人工智能以人機交互為基本形式，以深度學(xué)習(xí)和大數(shù)據(jù)分析為代表的智能化信息技術(shù)輔助企業(yè)關(guān)聯(lián)和預(yù)測大量數(shù)據(jù)，在企業(yè)內(nèi)部產(chǎn)生前向關(guān)聯(lián)溢出、后向關(guān)聯(lián)溢出，密切生產(chǎn)部門、研發(fā)部門和應(yīng)用部門間的互動關(guān)系[14]，企業(yè)獲得庫存、生產(chǎn)、物流、營銷各關(guān)節(jié)點的準確信息，為制造業(yè)企業(yè)創(chuàng)造豐富的顯性知識，實現(xiàn)由數(shù)據(jù)到信息再到知識的價值轉(zhuǎn)化，也帶動制造業(yè)創(chuàng)新效率的提升，人工智能的知識創(chuàng)造效應(yīng)有利于食品加工業(yè)的技術(shù)進步。諾貝爾經(jīng)濟學(xué)獎獲得者索洛提出“除開生產(chǎn)率統(tǒng)計，無論何處，你都能目睹計算機的時代”，“信息技術(shù)生產(chǎn)率悖論”是否存在于中國的食品加工業(yè)，是文章需要探討的問題。
第一，人工智能的生產(chǎn)率效應(yīng)存在時滯性，在人工智能發(fā)展的前期，各企業(yè)投入有形固定資產(chǎn)、高技術(shù)人力資源還有無法準確計量的無形資產(chǎn)后續(xù)支出，相應(yīng)的這些資本積累在當期帶來的產(chǎn)出貢獻卻非常有限，通過 Malmquist指數(shù)計算 TFP 時通常以產(chǎn)值作為產(chǎn)出，這就導(dǎo)致了 TFP 被低估。如 2020 年國內(nèi)對無人駕駛汽車的投資達95.4億元，卻尚未在汽車市場上形成最終產(chǎn)出，然而新技術(shù)帶來的市場潛力難以衡量，只有在未來趨向成熟時這些人工智能投資才能得到回報。第二，食品加工業(yè)屬于非技術(shù)密集型的輕工業(yè)，目前在行業(yè)內(nèi)推廣使用的智能化設(shè)備如工業(yè)機器人、3D 打印、無人農(nóng)機、智能檢測設(shè)備雖然在安裝量上大幅上升，但仍停留在形式層面，尤其是中低技術(shù)復(fù)雜度的傳統(tǒng)工業(yè)機器人對生產(chǎn)率貢獻有限[15]。
第三，人工智能具有技術(shù)狹隘性，其僅對國民經(jīng)濟活動中的部分行業(yè)如廣告定位、金融資產(chǎn)交易和高技術(shù)制造業(yè)的促進作用明顯，而食品加工業(yè)在利用和發(fā)展人工智能技術(shù)時處于相對劣勢，同時，新技術(shù)的好處加劇行業(yè)間和企業(yè)間的不公平競爭，造成資源浪費[16]，破壞了新技術(shù)帶來的福利。鑒于人工智能具有生產(chǎn)率效應(yīng)時滯性、技術(shù)狹隘性以及食品加工業(yè)在國民經(jīng)濟所處的地位，本研究認為人工智不能促進全要素生產(chǎn)率提高，基于此提出假說 1。
2.2 農(nóng)業(yè)效率對食品加工業(yè)全要素生產(chǎn)率的影響
機制食品加工業(yè)是鏈接第一產(chǎn)業(yè)與第二產(chǎn)業(yè)、農(nóng)村與城市的重要輕工業(yè)，現(xiàn)代農(nóng)業(yè)發(fā)展水平為食品加工業(yè)提供原材料基礎(chǔ)，現(xiàn)代農(nóng)業(yè)和智慧農(nóng)業(yè)的推廣發(fā)展推動了農(nóng)業(yè)效率提高，部分地區(qū)大力推進綠色農(nóng)產(chǎn)品種植和營養(yǎng)強化型初級農(nóng)產(chǎn)品研發(fā)，促進食品加工業(yè)現(xiàn)代種植技術(shù)、現(xiàn)代工業(yè)技術(shù)的推廣普及。對食品加工業(yè)來說，高質(zhì)量農(nóng)產(chǎn)品原料供給賦能企業(yè)降低農(nóng)產(chǎn)品產(chǎn)后損失并提高資源利用效率，食品加工業(yè)能夠充分發(fā)揮農(nóng)產(chǎn)品價值增加的作用。農(nóng)業(yè)效率的提高促進了農(nóng)產(chǎn)品加工業(yè)的技術(shù)效率，從而提高全要素生產(chǎn)率�；谏鲜龇治鎏岢黾僬f 2。H2：農(nóng)業(yè)效率正向影響食品加工業(yè)全要素生產(chǎn)率。
3 食品加工業(yè)全要素生產(chǎn)率測算與分析
3.1 DEA-Malmquist指數(shù)法Fare等[17]指出 Malmquist指數(shù)有以下優(yōu)點：不要求價格信息、不需要假設(shè)行為、便于計算。運用Malmquist 指數(shù)不僅可以測算 TFP 的變化還可以根據(jù)分解項得出增長的主要動力。因此，本研究選擇DEA-Malmquist指數(shù)方法測算中國食品加工業(yè)全要素生產(chǎn)率。
3.2 數(shù)據(jù)選取按照中國國民經(jīng)濟二位數(shù)分類代碼(GB/T 4754—2017)，選取農(nóng)副食品加工業(yè)、食品制造業(yè)和酒、飲料、茶制造業(yè) 3個子行業(yè)作為研究對象，后文稱食品加工業(yè)，研究階段為 2009—2019年。為保證數(shù)據(jù)連續(xù)性和可獲得性，選取中國 31 個省(市、自治區(qū))食品加工業(yè)主營業(yè)務(wù)收入(2019 年為營業(yè)收入)作為產(chǎn)出指標，并用 2009年為基期各子行業(yè)相應(yīng)的生產(chǎn)者出廠價格指數(shù)平減處理。模型的投入指標包括勞動投入和資本投入，勞動投入用行業(yè)平均用工人數(shù)表示，資本投入分為固定資本和流動資本投入，其中固定資本用行業(yè)固定資產(chǎn)凈值并以 2009 年為基期的固定資產(chǎn)投資價格指數(shù)平減，行業(yè)流動資產(chǎn)用工業(yè)生產(chǎn)者購進價格指數(shù)平減后的年均余額表示流動資 本 。 基 于 以 上 指 標 使 用 DEAP2.1 軟 件 計 算Malmquist指數(shù)及其分解項。數(shù)據(jù)來源于《中國統(tǒng)計年鑒》和《中國工業(yè)統(tǒng)計年鑒》，其中 2018年《中國工業(yè)統(tǒng)計年鑒》未出版，缺失數(shù)據(jù)用趨勢外推法估算補齊。
2009—2019 中國食品加工業(yè) TFP 的平均變化率是 1.041，在這 10 年間平均提升 4.1%，但是 TFP 增長率呈波動式下降，僅研究期的起始年 2009—2010 年增長率達到 30%，之后的 8 年增長率在-10%~10% 浮動。其中，技術(shù)效率指數(shù)(EFFCH)和技術(shù)進步數(shù)(TECHCH)分別上升1.6% 和 2.5%，說明食品加工業(yè) TFP的增長是技術(shù)效率提升和技術(shù)進步共同作用的結(jié)果，但技術(shù)進步的貢獻更明顯。TFP 與技術(shù)進步趨勢基本一致，2010—2017 年技術(shù)效率的變化不明顯，食品加工業(yè) TFP 的波動主要是由技術(shù)進步引起的，尤其在 2017—2018年 TFP 大幅下降了 12.7個百分點，同時技術(shù)變化下降幅度高達 21.0%，拖累效應(yīng)明顯，技術(shù)效率卻一改下降趨勢，呈現(xiàn)出 11.8% 的增長，可能原因：
①國家統(tǒng)計局在編訂 2019年《中國工業(yè)統(tǒng)計年鑒》時，修改了統(tǒng)計制度，將工業(yè)各行業(yè)“主營業(yè)務(wù)收入”指標調(diào)整為“營業(yè)收入”指標，致使2018 年食品加工業(yè) 3 個子行業(yè)的產(chǎn)出數(shù)值明顯下降，3個子行業(yè)收入下降幅度達 20% 以上。同時，由于 2018年新會計制度允許新購進 500萬元以下固定資產(chǎn)一次性計提折舊，固定資產(chǎn)凈值出現(xiàn)較大幅度的下降，但其他投入指標沒有明顯變化。②2018 年中國食品加工業(yè)規(guī)模以上企業(yè)數(shù)量增加，但 R&D 投入和 R&D 人員數(shù)量減少，專利申請數(shù)也有所降低，說明在 2018年企業(yè)更加規(guī)�；髽I(yè)采取提高管理效率、調(diào)整產(chǎn)品結(jié)構(gòu)等優(yōu)化產(chǎn)業(yè)配置的措施，短暫忽略技術(shù)創(chuàng)新能力提升，使 2017—2018年食品加工業(yè)技術(shù)效率提升，尤其是規(guī)模效率的增幅達到 7.1個百分點，而技術(shù)進步出現(xiàn)了大幅降低。
從各項指標的經(jīng)濟學(xué)含義來看，技術(shù)變化指標為企業(yè)除投入要素以外對產(chǎn)出有影響的無形要素，包括技術(shù)進步、組織創(chuàng)新等。技術(shù)效率指標衡量在現(xiàn)有技術(shù)條件下，組織管理、產(chǎn)業(yè)結(jié)構(gòu)等是否優(yōu)化，純技術(shù)效率指標說明企業(yè)管理效率是否提高，規(guī)模效率指數(shù)說明現(xiàn)有規(guī)模是否達到了最優(yōu)規(guī)模。中國食品加工業(yè)的技術(shù)效率進步不明顯，近 10年增長僅1.6%，主要是因為規(guī)模效率平均下降 0.04% 的拖累，規(guī)模效率僅在 2010年、2012年、2015年和 2018年是增長的，其他年份均下降，說明中國食品加工業(yè)規(guī)模經(jīng)濟帶來的作用還沒有顯現(xiàn)。純技術(shù)效率增長也不明顯，食品加工業(yè)提高管理水平、提高資源利用效率和擴大經(jīng)營規(guī)模是下一階段的重要努力方向，并在政策的支持下，鼓勵食品加工業(yè)提高市場集中度，注重食品質(zhì)量并加快打響國際知名品牌，著重擴大國內(nèi)市場。
3.4 各經(jīng)濟區(qū)食品加工業(yè)全要素
生產(chǎn)率變動為進一步分析中國各省食品加工業(yè)全要素生產(chǎn)率的空間異質(zhì)性，將 31個省(市、自治區(qū))(下文稱為各地區(qū))按照“十二五”期間區(qū)域規(guī)劃的“八大經(jīng)濟區(qū)”進行劃分。其中，各個地區(qū)間資源稟賦、主導(dǎo)產(chǎn)業(yè)和經(jīng)濟發(fā)展水平相似，尤其在農(nóng)業(yè)專業(yè)化生產(chǎn)方面具有相似性，食品加工業(yè)與農(nóng)業(yè)的關(guān)系最緊密，因此有必要進行經(jīng)濟區(qū)層面的分析，以促進區(qū)域間的協(xié)調(diào)發(fā)展。2009—2019 年中國 27 個省(市、自治區(qū))的食品加工業(yè)實現(xiàn)了 TFP 增長，8 個經(jīng)濟區(qū)的平均增長率都是正值。
首先，南部沿海地區(qū) TFP 增長幅度最大，達到近 9%，海南省和福建省 TFP 的增長分別位于全國的前 2 位，引領(lǐng)了該經(jīng)濟區(qū)的生產(chǎn)前沿面，并且是源于技術(shù)效率和技術(shù)進步共同的推進作用。海南省是中國最大的熱帶作物、特色禽畜、水產(chǎn)品初加工基地之一，2018 年成為經(jīng)濟特區(qū)后，其在生產(chǎn)技術(shù)發(fā)展、管理技術(shù)人員吸引、外資引進方面具有優(yōu)勢，發(fā)展?jié)摿薮?農(nóng)產(chǎn)品加工業(yè)是福建省重要支柱產(chǎn)業(yè)之一，依靠地理優(yōu)勢和豐富的農(nóng)產(chǎn)品優(yōu)勢，福建省的糖果、罐頭和冷凍水產(chǎn)品產(chǎn)量位居全國前列。其次是大西南經(jīng)濟區(qū)，5 個省份的食品加工業(yè) TFP 平均增長 6.8%，貴州省、云南省、廣西均保持 7% 以上增長率，其中云南省 9.7% 的增長率由技術(shù)效率中的純技術(shù)效率主要貢獻，說明近 10年間云南省食品加工業(yè)的管理組織效率提升、產(chǎn)業(yè)結(jié)構(gòu)不斷合理化，但是規(guī)模效率仍是下降趨勢。
東北地區(qū)和黃河中下游綜合經(jīng)濟區(qū)的食品加工業(yè) TFP 的年均增長率最低，主要因為技術(shù)進步拉動作用不足，其中吉林省和河南省 TFP年均下降 2%，作為重要的糧食大省，這 2個省應(yīng)加大政策指引并擴大消費需求，提高本省優(yōu)勢農(nóng)業(yè)產(chǎn)品利用效率。此外，山東省、西藏和青海食品加工業(yè) TFP 下降，均是由技術(shù)效率中規(guī)模效率變化的負增長拖累所致，青海和西藏地理環(huán)境阻礙制造業(yè)的發(fā)展，因此較難實現(xiàn)產(chǎn)業(yè)規(guī)�；�，但山東省是經(jīng)濟發(fā)達地區(qū)，食品加工業(yè)產(chǎn)值高，應(yīng)注重生產(chǎn)技術(shù)研發(fā)、抓住智能制造機遇，打造現(xiàn)代化食品加工業(yè)以促進地區(qū)經(jīng)濟發(fā)展。
4 計量模型設(shè)定和變量選取
本研究核心解釋變量之一是人工智能指數(shù) AI，參考季良玉[18]構(gòu)建智能化水平測度體系的方法，從基礎(chǔ)設(shè)施層和生產(chǎn)應(yīng)用層選取人工智能指標。李廉水等[12]強調(diào)從投入的角度衡量各地區(qū)智能化水平，本研究選取更有針對性的基礎(chǔ)設(shè)施投入指標如下：①C1：食品加工業(yè) 3 個子行業(yè)的內(nèi)部 R&D 經(jīng)費。R&D 經(jīng)費主要用于高技術(shù)研發(fā)設(shè)備購進、研發(fā)人員工資發(fā)放，因此分別將經(jīng)費的 50% 以當年固定資產(chǎn)投資價格指數(shù)平減，50% 以當年消費者價格指數(shù)平減，得到剔除價格因素后的 R&D內(nèi)部支出。②C2：3個子行業(yè)的研發(fā)機構(gòu) R&D人員數(shù)量之和。③C3：高技術(shù)設(shè)備投入指標。一個地區(qū)的電信基礎(chǔ)設(shè)施完善程度為人工智能在制造業(yè)中的普遍應(yīng)用提供條件，如 5G配套設(shè)施，因此選用電信固定資產(chǎn)投資作為高技術(shù)設(shè)備投入指標。生產(chǎn)應(yīng)用層指標從食品加工行業(yè)內(nèi)部和所在地區(qū)外部環(huán)境 2 方面分別選取如下：①C4：各地區(qū)食品加工業(yè)規(guī)模以上企業(yè)工業(yè)機器人的安裝數(shù)量。
工業(yè)機器人代替了部分低技能勞動力，并貫穿生產(chǎn)的各階段，由于相關(guān)數(shù)據(jù)僅具體到工業(yè)二級行業(yè)全國安裝量，用各地區(qū)規(guī)模以上食品加工企業(yè)數(shù)量占全國總量的比重估計了各區(qū)域的安裝量。②C5：高技術(shù)產(chǎn)業(yè)發(fā)展水平。用各地區(qū)高技術(shù)制造業(yè)營業(yè)收入占制造業(yè)整體營業(yè)收入的比重表示。③C6：信息服務(wù)業(yè)發(fā)展水平。用各地區(qū)信息服務(wù)業(yè)營業(yè)收入占制造業(yè)整體營業(yè)收入的比重表示，營業(yè)收入用相應(yīng)的行業(yè)生產(chǎn)者出廠價格指數(shù)換算成2009年的不變價格。以上 6個指標選取的樣本考察期均為 2009—2019年，并用熵值法測算出綜合評分作為各地區(qū)人工智能指數(shù) AI，指數(shù)越大說明這個地區(qū)食品加工業(yè)的人工智能程度越高。
被解釋變量：前文測算了 31個地區(qū) 2009—2019年 Malmquist指數(shù)和分解結(jié)果，令 2009年的 TFPCH、TECHCH、EFFCH 指數(shù)為 1，之后年份換算成以 2009年為基期的累計值得到絕對全要素生產(chǎn)率。
3 個指數(shù)分別作為被解釋變量進行影響因素回歸分析。核心解釋變量：人工智能指數(shù) AI和農(nóng)業(yè)效率指數(shù) AGRI。AI 的測度方法已在上一節(jié)敘述，農(nóng)、林、牧、漁產(chǎn)業(yè)為食品加工業(yè)提供基本生產(chǎn)原材料，農(nóng)產(chǎn)品初加工企業(yè)往往選用其所在區(qū)域的易腐易敗或運輸成本高的農(nóng)業(yè)產(chǎn)品加工生產(chǎn)，一個地區(qū)農(nóng)業(yè)效率高低一定程度決定了原材料供給能力。本研究用各地區(qū)第一產(chǎn)業(yè)增加值占農(nóng)業(yè)總產(chǎn)值的比重作為農(nóng)業(yè)效率指數(shù) AGRI�？刂谱兞浚孩偻馍掏顿Y依存度 FDI。開放經(jīng)濟下外商投資進入制造業(yè)諸多行業(yè)，為行業(yè)帶來國外先進技術(shù)、設(shè)備和管理體系，食品加工業(yè)是中國最早引進外資的行業(yè)，F(xiàn)DI 的知識溢出效應(yīng)有利于食品加工業(yè)的生產(chǎn)率提高，但是 FDI 在產(chǎn)業(yè)集群中會產(chǎn)生技術(shù)擠出效應(yīng)，抑制東道國企業(yè)全要素生產(chǎn)率提高[3]，用外商直接投資規(guī)模以上企業(yè)的營業(yè)收入占整個食品加工業(yè)營業(yè)收入的比重表示。
�、诋a(chǎn)業(yè)結(jié)構(gòu)STR。一個地區(qū) 3個產(chǎn)業(yè)的比例不盡相同，工業(yè)增加值反映了這一地區(qū)制造業(yè)發(fā)展程度，用第二產(chǎn)業(yè)增加值與第三產(chǎn)業(yè)增加值的比重衡量地區(qū)產(chǎn)業(yè)結(jié)構(gòu)。③行業(yè)規(guī)模 SCAL。如果食品加工業(yè)成為一個地區(qū)的支柱產(chǎn)業(yè)，容易形成專業(yè)化經(jīng)濟的產(chǎn)業(yè)集群，有利于行業(yè)內(nèi)技術(shù)和資源共享并獲得政策支持，提高全要素生產(chǎn)率，用食品加工業(yè)營業(yè)收入與從業(yè)人員數(shù)比值的對數(shù)表示。④產(chǎn)權(quán)特征 INST。鼓勵非公有所有制經(jīng)濟的改革措施有效促進企業(yè)間自由競爭，從而促進技術(shù)進步，用國有控股食品加工企業(yè)營業(yè)收入占全部食品加工業(yè)營業(yè)收入的比重表示。以上產(chǎn)值指標均用各行業(yè)生產(chǎn)者出廠價格指數(shù)平減計算。上述省級產(chǎn)值數(shù)據(jù)、價格指數(shù)和規(guī)模以上企業(yè)數(shù)來源于 2010—2020年《中國統(tǒng)計年鑒》《中國工業(yè)統(tǒng)計年鑒》。人工智能指標相關(guān)數(shù)據(jù)來源于 2010—2020 年《中國科技統(tǒng)計年鑒》和《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計年鑒》，工業(yè)機器人分行業(yè)安裝量來源于國際機器人聯(lián)盟(IFR)公布的統(tǒng)計數(shù)據(jù)。
5 人工智能、農(nóng)業(yè)效率影響食品加工業(yè)全要素生產(chǎn)率的實證檢驗基于上文設(shè)定的模型(4)、模型(5)和模型(6)，使用 Stata14.0 軟件對省級面板數(shù)據(jù)進行豪斯曼檢驗，結(jié)果顯示 P分別為 0.0001、0.0006和 0.0001，均拒絕原假設(shè)，選用固定效應(yīng)模型更有效。因此選擇控制個體效應(yīng)的固定效應(yīng)模型(FE)進行實證分析，并提供最小二乘法(OLS)的回歸結(jié)果，隨后修改被解釋變量證明實證結(jié)果的穩(wěn)健性。
對于資本密集型和勞動密集型的制造業(yè)，人工智能沒有起到優(yōu)化企業(yè)制造流程并提高管理效率的作用，食品加工業(yè)在智能化設(shè)備投入、研發(fā)支出方面不成熟，屬于低效率的資本投入和人力投入，在行業(yè)內(nèi)部缺乏與人工智能技術(shù)相匹配的人才以充分發(fā)揮資本作用，于是在基礎(chǔ)投入層、生產(chǎn)應(yīng)用層和產(chǎn)出層之間未實現(xiàn)環(huán)環(huán)相扣。這可能是由于中國的制造業(yè)正處于由大轉(zhuǎn)強、由高速發(fā)展向高質(zhì)量發(fā)展的攻堅時期，食品加工企業(yè)在高技能勞動力配備和管理技術(shù)方面面臨瓶頸難以將人工智能投入向產(chǎn)出轉(zhuǎn)化。
Black等[19]認為即使在工廠車間廣泛應(yīng)用信息技術(shù)，卻沒有相應(yīng)的技術(shù)互補系統(tǒng)，如車間管理實踐、高質(zhì)量產(chǎn)品創(chuàng)新和豐富技術(shù)經(jīng)驗的勞動力，那么投資信息技術(shù)反而會抑制企業(yè)生產(chǎn)率提升，當前中國食品加工業(yè)也面臨著互補系統(tǒng)與人工智能生產(chǎn)應(yīng)用不匹配的瓶頸，但是隨著新一輪的科技革命逐漸深化，人工智能技術(shù)趨向成熟、走向市場，食品加工企業(yè)應(yīng)抓住智能制造機遇，參與重構(gòu)全球食品產(chǎn)業(yè)結(jié)構(gòu)，注重人工智能資本積累和成果轉(zhuǎn)化。農(nóng)業(yè)效率對食品加工業(yè)全要素生產(chǎn)率和技術(shù)效率回歸系數(shù)分別為 4.281和 3.223，均通過 5% 和 10%的顯著性水平檢驗，但是對技術(shù)進步的影響不顯著，說明食品加工業(yè)所在地區(qū)的農(nóng)業(yè)增效通過提高食品加工業(yè)技術(shù)效率促進了全要素生產(chǎn)率，驗證了假說2。農(nóng)業(yè)效率的提高意味這個地區(qū)農(nóng)業(yè)生產(chǎn)的專業(yè)化、標準化水平提高，并為食品加工業(yè)提供高質(zhì)量的原材料供給，有利于降低產(chǎn)后損失并實現(xiàn)農(nóng)產(chǎn)品增值。
從控制變量系數(shù)看，外商直接投資的技術(shù)擠出效應(yīng)明顯，抑制了食品加工業(yè)的技術(shù)進步，促進技術(shù)效率提高，對 TFP 的影響為負但沒有通過顯著檢驗，原因是中國食品加工企業(yè)與外商投資企業(yè)技術(shù)水平差距不明顯，加之外商投資企業(yè)利用東道國的勞動力和資源優(yōu)勢，僅將處于價值鏈下游的加工業(yè)務(wù)建立在中國，并且有意封鎖核心技術(shù)，這就使得食品加工業(yè)吸引的外資帶無法帶來技術(shù)溢出作用，但是外企擁有的管理技術(shù)優(yōu)勢卻顯著提高了本國企業(yè)的管理效率;地區(qū)產(chǎn)業(yè)結(jié)構(gòu)對于 3 個被解釋變量的影響均顯著為正，第二產(chǎn)業(yè)的發(fā)達程度有效促進食品加工業(yè) TFP 逐漸提高;行業(yè)規(guī)模正向影響了全要素生產(chǎn)率及其分解項，說明提高食品加工業(yè)規(guī)模能夠吸引促進技術(shù)進步和技術(shù)效率的有利條件，對TFP 的提高產(chǎn)生積極作用;產(chǎn)權(quán)特征對 TFP 的影響不顯著，可能因為食品加工業(yè)子行業(yè)的產(chǎn)權(quán)特征差別明顯，酒制造業(yè)之中，國有控股企業(yè)占比高，有利于商品的對外貿(mào)易、控價，而農(nóng)副食品加工業(yè)和食品制造業(yè)占比小，行業(yè)內(nèi)自由競爭程度高，所以國有或“三私”食品加工企業(yè) TFP 并不會因為產(chǎn)權(quán)特征的差別而發(fā)生變化。
穩(wěn)健性檢驗結(jié)果為確保實證結(jié)果的穩(wěn)健性，修改全要素生產(chǎn)率的計算方法，使用固定效應(yīng)模型進行主要解釋變量對 TFP 的影響回歸分析。選用索洛余值法基于柯布-道格拉斯生產(chǎn)函數(shù)計算技術(shù)進步效率，在假設(shè)規(guī)模收益不變的前提下技術(shù)進步率代表了全要素生產(chǎn)率�；貧w結(jié)果與原模型相比，人工智能指數(shù) AI和農(nóng)業(yè)效率 AGRI系數(shù)值和顯著性沒有太大變化，人工智能對食品加工業(yè) TFP 發(fā)生阻礙作用，農(nóng)業(yè)效率起到促進作用。
6 小結(jié)與建議
本研究基于 2009—2019 年省級面板數(shù)據(jù)，計算了食品加工業(yè)的 DEA-Malmquist 指數(shù)及分解項，從基礎(chǔ)設(shè)施投入層和生產(chǎn)應(yīng)用層構(gòu)建了智能化指標，并構(gòu)建農(nóng)業(yè)效率指標，在固定效應(yīng)模型下實證檢驗人工智能和農(nóng)業(yè)效率對食品加工業(yè)全要素生產(chǎn)率的影響路徑，得出結(jié)論如下：①2009—2019 年中國食品加工業(yè)全要素生產(chǎn)率年均增長 4.1%，技術(shù)效率變動貢獻 1.6%，技術(shù)進步貢獻 2.5%，全要素生產(chǎn)率的變動趨勢與技術(shù)進步高度吻合，全要素生產(chǎn)率的增長率呈波動式下降。其中，2017—2018 年全要素生產(chǎn)率下降幅度較大，主要是規(guī)模擴大而技術(shù)變化負增長導(dǎo)致。②分經(jīng)濟區(qū)來看，南部沿海地區(qū)和大西南地區(qū)生產(chǎn)率增長最快，而東北地區(qū)增長最慢。③在固定個體效應(yīng)的模型下，人工智能顯著促進食品加工業(yè)技術(shù)進步，卻抑制了全要素生產(chǎn)率提高，說明在 2009—2019年的 10年間中國食品加工業(yè)存在“生產(chǎn)率悖論”。④農(nóng)業(yè)效率水平正向影響食品加工業(yè)技術(shù)效率進而促進全要素生產(chǎn)率增長，且回歸系數(shù)較大。
基于此提出以下建議。
1)發(fā)揮政策引領(lǐng)、加強頂層設(shè)計，賦能食品加工業(yè)轉(zhuǎn)型升級。近 10 年食品加工業(yè) TFP 增長速度遠低于學(xué)者測算的制造業(yè) TFP 增長速度，2019 年中國食品加工業(yè)產(chǎn)值占工業(yè)總產(chǎn)值的 7.8%，卻仍處于大而不強的地位。新常態(tài)下，各地政府應(yīng)加快食品加工業(yè)轉(zhuǎn)型升級，推動量質(zhì)齊增的發(fā)展方式，通過技術(shù)創(chuàng)新、管理創(chuàng)新提高資源利用效率，改變資源消耗式的增長動力。在現(xiàn)有政策文件的支持下，各地區(qū)明確“十四五”時期食品加工業(yè)發(fā)展方向，落實農(nóng)產(chǎn)品加工園區(qū)規(guī)劃建設(shè)，農(nóng)業(yè)發(fā)達地區(qū)充分發(fā)揮特色農(nóng)產(chǎn)品比較優(yōu)勢，經(jīng)濟發(fā)達地區(qū)則積極引進先進生產(chǎn)技術(shù)和設(shè)備，吸引高技術(shù)人才，開拓國內(nèi)市場暢通國內(nèi)大循環(huán)。全國范圍內(nèi)統(tǒng)籌規(guī)劃初加工、精深加工和副產(chǎn)品綜合利用，實現(xiàn)食品加工業(yè)高質(zhì)量發(fā)展。
2)發(fā)展人工智能互補性技術(shù)，吸引高技術(shù)人才。人工智能在現(xiàn)階段還無法促進食品加工業(yè)的生產(chǎn)率提升，但是這種負向影響不會一直持續(xù)。食品加工企業(yè)應(yīng)抓住智能制造機遇，充分發(fā)揮人工智能的知識溢出和知識創(chuàng)造效應(yīng)，雖然企業(yè)進行人工智能的有形投資和無形投資是昂貴的，在現(xiàn)階段對生產(chǎn)率的促進作用有限，然而這些通用型的技術(shù)和設(shè)備可以幫助企業(yè)實現(xiàn)互補性創(chuàng)新。企業(yè)著重推進經(jīng)營策略變革、高素質(zhì)人才培養(yǎng)、管理水平提升，實施技術(shù)培訓(xùn)和輪崗制提升工人的高技術(shù)設(shè)備操作能力。當企業(yè)內(nèi)部配備與人工智能匹配的技術(shù)和人才時，這些前期的投資才能夠體現(xiàn)在生產(chǎn)率的提高上。
3)加快建設(shè)現(xiàn)代農(nóng)業(yè)，保證農(nóng)產(chǎn)品高效供給�，F(xiàn)代農(nóng)業(yè)是中國農(nóng)業(yè)發(fā)展的方向。農(nóng)業(yè)現(xiàn)代化是應(yīng)用現(xiàn)代科學(xué)技術(shù)、裝備、先進管理理念和營銷方式，推動傳統(tǒng)小農(nóng)經(jīng)濟向產(chǎn)供銷相結(jié)合轉(zhuǎn)化，打造一二三產(chǎn)業(yè)融合的新型產(chǎn)業(yè)，延伸產(chǎn)業(yè)鏈條，促進食品加工業(yè)與農(nóng)業(yè)緊密聯(lián)系進而實現(xiàn)農(nóng)產(chǎn)品多環(huán)節(jié)增值。同時，食品加工企業(yè)與當?shù)剞r(nóng)戶采取“產(chǎn)品定制”交易，既為農(nóng)民創(chuàng)收又保證食品加工企業(yè)獲得高質(zhì)量原材料供應(yīng)。
參考文獻：
[1]戰(zhàn)炤磊，王 凱 .產(chǎn)業(yè)集聚、企業(yè)規(guī)模與農(nóng)產(chǎn)品加工業(yè)全要素生產(chǎn)率——來自江蘇的證據(jù)[J].中南財經(jīng)政法大學(xué)學(xué)報，2012(5)：134-140.
[2]趙 燃，駱 樂，韓 鵬 .中國農(nóng)產(chǎn)品加工業(yè)技術(shù)效率、技術(shù)進步與生產(chǎn)率增長[J].中國農(nóng)村經(jīng)濟，2008(4)：24-32.
[3]龔新蜀，韓俊杰 .中國農(nóng)產(chǎn)品加工業(yè)全要素生產(chǎn)率增長解析——基于集聚與 FDI互動視角[J].農(nóng)業(yè)經(jīng)濟與管理，2019(6)：28-38.
[4]劉志雄，何忠偉 .中國食品加工業(yè)的技術(shù)效率及變化趨勢——跨省隨機前沿分析[J].中國科技論壇，2009(2)：43-47.
[5]胡泉水，王振華，張廣勝.農(nóng)產(chǎn)品加工企業(yè)全要素生產(chǎn)率低下的解釋：基于融資約束和技能結(jié)構(gòu)失衡視角[J].農(nóng)村經(jīng)濟，2021(3)：119-127.
[6]劉 亮，胡國良 .人工智能與全要素生產(chǎn)率——證偽“生產(chǎn)率悖論”的中國證據(jù)[J].江海學(xué)刊，2020(3)：118-123.
[7]付文宇，李 彥，趙景峰 .人工智能如何影響地區(qū)制造業(yè)優(yōu)化升級?——基于雙重中介效應(yīng)的研究[J].經(jīng)濟體制改革，2020(4)：187-193.
作者：申丹虹，趙筱楠
轉(zhuǎn)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///jjlw/30196.html
