食品加工業(yè)全要素生產(chǎn)率及其影響因素研究基于人工智能和農(nóng)業(yè)效率的視角

　　摘要：基于 2009—2019 年省級(jí)面板數(shù)據(jù)，運(yùn)用 DEA-Malmquist 指數(shù)法測(cè)算中國(guó)食品加工業(yè)全要素生產(chǎn)率及分解項(xiàng)，進(jìn)一步在固定效應(yīng)模型下檢驗(yàn)人工智能和農(nóng)業(yè)效率對(duì)全要素生產(chǎn)率的影響機(jī)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(shì)，主要由技術(shù)進(jìn)步拉動(dòng)，但增長(zhǎng)率呈波動(dòng)式下降;分經(jīng)濟(jì)區(qū)考察，南部沿海地區(qū)增長(zhǎng)率最高，東北地區(qū)最低;人工智能促進(jìn)技術(shù)進(jìn)步，卻抑制了全要素生產(chǎn)率增長(zhǎng)，中國(guó)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(jìn)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(jí)、發(fā)展人工智能互補(bǔ)技術(shù)和建設(shè)現(xiàn)代農(nóng)業(yè)為主要任務(wù)的對(duì)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(dòng)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(guó)內(nèi)大循環(huán)，食品加工業(yè)在實(shí)現(xiàn)農(nóng)產(chǎn)品增值的同時(shí)為城鄉(xiāng)居民提供高質(zhì)量消費(fèi)品，是擴(kuò)大國(guó)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(qiáng)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(shí)施農(nóng)產(chǎn)品加工業(yè)提升行動(dòng)的通知》明確了推動(dòng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)的主要目標(biāo)和重點(diǎn)任務(wù)。隨著中國(guó)經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)，傳統(tǒng)資源和勞動(dòng)密集型的產(chǎn)業(yè)要實(shí)現(xiàn)轉(zhuǎn)型升級(jí)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(dòng)能，很多學(xué)者認(rèn)為全要素生產(chǎn)率(TFP)是中國(guó)未來經(jīng)濟(jì)增長(zhǎng)的決定因素。因此，實(shí)證研究近 10年中國(guó)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(guó)學(xué)者對(duì)農(nóng)產(chǎn)品加工業(yè) TFP 變化趨勢(shì)和影響因素非常關(guān)注，對(duì)于更細(xì)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(cè)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(jī)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(cè)算中國(guó)農(nóng)產(chǎn)品加工業(yè) TFP 的變化趨勢(shì)，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(jìn)步推動(dòng)。

　　劉志雄等[4]使用 SFA 的方法估計(jì)生產(chǎn)函數(shù)測(cè)算技術(shù)效率的變化，發(fā)現(xiàn)雖然 1993—2005 年中國(guó)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(jìn)步不明顯。很多學(xué)者實(shí)證分析了影響農(nóng)產(chǎn)品加工業(yè) TFP的因素，當(dāng)前已被證實(shí)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(fù)外部性[3];趙燃等[2]認(rèn)為，國(guó)有控股企業(yè)相對(duì)“三資企業(yè)”在技術(shù)進(jìn)步上更有優(yōu)勢(shì)，資本密集度負(fù)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(duì) TFP 的抑制作用機(jī)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(guó)內(nèi)外學(xué)者關(guān)注“索洛悖論”在各國(guó)家制造業(yè)整體是否成立，并進(jìn)行了大量實(shí)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(cè)中的應(yīng)用

　　劉亮等[6]基于中國(guó)制造業(yè)數(shù)據(jù)證偽了“索洛悖論”，認(rèn)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(rèn)為人工智能通過技術(shù)創(chuàng)新和人力資本優(yōu)化促進(jìn)了地區(qū)制造業(yè)優(yōu)化升級(jí)，而這種促進(jìn)效果對(duì)中國(guó)東部地區(qū)和勞動(dòng)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(yàn)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(dòng)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(guó)際經(jīng)驗(yàn)，驗(yàn)證了人工智能對(duì)中國(guó)勞動(dòng)生產(chǎn)率的抑制作用，原因是勞動(dòng)生產(chǎn)率具有滯后性、錯(cuò)誤的勞動(dòng)生產(chǎn)率估算和人工智能不精確計(jì)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(jì)算中國(guó)食品加工業(yè) Malmquist 指數(shù)，用 DEA 方法計(jì)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(jìn)的程度。

　　張莉俠等[11]實(shí)證檢驗(yàn)農(nóng)業(yè)自身的效率并不會(huì)直接影響技術(shù)效率水平。上述關(guān)于使用 DEA-Mamlquist指數(shù)測(cè)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(duì)推動(dòng)國(guó)家經(jīng)濟(jì)高質(zhì)量發(fā)展、助推鄉(xiāng)村振興意義重大，為實(shí)現(xiàn)在新一輪科技革命階段抓住人工智能技術(shù)機(jī)遇、充分發(fā)揮食品加工業(yè)對(duì)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(xiàng)的增長(zhǎng)變動(dòng)情況研究行業(yè)發(fā)展趨勢(shì)，并構(gòu)建人工智能指標(biāo)和農(nóng)業(yè)效率指標(biāo)，實(shí)證分析這 2 個(gè)因素在中國(guó)食品加工行業(yè)的影響效果和影響機(jī)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(duì)食品加工業(yè)全要素生產(chǎn)率的影響機(jī)制

　　2.1 人工智能對(duì)食品加工業(yè)技術(shù)進(jìn)步和全要素生產(chǎn)率的影響機(jī)制人工智能在國(guó)家工業(yè)體系中具有知識(shí)溢出[12]和知識(shí)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(jìn)知識(shí)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(shí)溢出作用，推動(dòng)食品加工業(yè)的技術(shù)進(jìn)步。

　　另外，人工智能以人機(jī)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(cè)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(dòng)關(guān)系[14]，企業(yè)獲得庫存、生產(chǎn)、物流、營(yíng)銷各關(guān)節(jié)點(diǎn)的準(zhǔn)確信息，為制造業(yè)企業(yè)創(chuàng)造豐富的顯性知識(shí)，實(shí)現(xiàn)由數(shù)據(jù)到信息再到知識(shí)的價(jià)值轉(zhuǎn)化，也帶動(dòng)制造業(yè)創(chuàng)新效率的提升，人工智能的知識(shí)創(chuàng)造效應(yīng)有利于食品加工業(yè)的技術(shù)進(jìn)步。諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者索洛提出“除開生產(chǎn)率統(tǒng)計(jì)，無論何處，你都能目睹計(jì)算機(jī)的時(shí)代”，“信息技術(shù)生產(chǎn)率悖論”是否存在于中國(guó)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(shí)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(zhǔn)確計(jì)量的無形資產(chǎn)后續(xù)支出，相應(yīng)的這些資本積累在當(dāng)期帶來的產(chǎn)出貢獻(xiàn)卻非常有限，通過 Malmquist指數(shù)計(jì)算 TFP 時(shí)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(guó)內(nèi)對(duì)無人駕駛汽車的投資達(dá)95.4億元，卻尚未在汽車市場(chǎng)上形成最終產(chǎn)出，然而新技術(shù)帶來的市場(chǎng)潛力難以衡量，只有在未來趨向成熟時(shí)這些人工智能投資才能得到回報(bào)。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(jī)器人、3D 打印、無人農(nóng)機(jī)、智能檢測(cè)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(jī)器人對(duì)生產(chǎn)率貢獻(xiàn)有限[15]。

　　第三，人工智能具有技術(shù)狹隘性，其僅對(duì)國(guó)民經(jīng)濟(jì)活動(dòng)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(jìn)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(shí)處于相對(duì)劣勢(shì)，同時(shí)，新技術(shù)的好處加劇行業(yè)間和企業(yè)間的不公平競(jìng)爭(zhēng)，造成資源浪費(fèi)[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(shí)滯性、技術(shù)狹隘性以及食品加工業(yè)在國(guó)民經(jīng)濟(jì)所處的地位，本研究認(rèn)為人工智不能促進(jìn)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(duì)食品加工業(yè)全要素生產(chǎn)率的影響

　　機(jī)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(dòng)了農(nóng)業(yè)效率提高，部分地區(qū)大力推進(jìn)綠色農(nóng)產(chǎn)品種植和營(yíng)養(yǎng)強(qiáng)化型初級(jí)農(nóng)產(chǎn)品研發(fā)，促進(jìn)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(duì)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(jià)值增加的作用。農(nóng)業(yè)效率的提高促進(jìn)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�；�于上述分析提出假說 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(cè)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(diǎn)：不要求價(jià)格信息、不需要假設(shè)行為、便于計(jì)算。運(yùn)用Malmquist 指數(shù)不僅可以測(cè)算 TFP 的變化還可以根據(jù)分解項(xiàng)得出增長(zhǎng)的主要?jiǎng)恿�。因此，本研究選擇DEA-Malmquist指數(shù)方法測(cè)算中國(guó)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(guó)國(guó)民經(jīng)濟(jì)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(gè)子行業(yè)作為研究對(duì)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(guó) 31 個(gè)省(市、自治區(qū))食品加工業(yè)主營(yíng)業(yè)務(wù)收入(2019 年為營(yíng)業(yè)收入)作為產(chǎn)出指標(biāo)，并用 2009年為基期各子行業(yè)相應(yīng)的生產(chǎn)者出廠價(jià)格指數(shù)平減處理。模型的投入指標(biāo)包括勞動(dòng)投入和資本投入，勞動(dòng)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(dòng)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(jià)格指數(shù)平減，行業(yè)流動(dòng)資產(chǎn)用工業(yè)生產(chǎn)者購進(jìn)價(jià)格指數(shù)平減后的年均余額表示流動(dòng)資 本 。 基 于 以 上 指 標(biāo) 使 用 DEAP2.1 軟 件 計(jì) 算Malmquist指數(shù)及其分解項(xiàng)。數(shù)據(jù)來源于《中國(guó)統(tǒng)計(jì)年鑒》和《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》，其中 2018年《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》未出版，缺失數(shù)據(jù)用趨勢(shì)外推法估算補(bǔ)齊。

　　2009—2019 中國(guó)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(zhǎng)率呈波動(dòng)式下降，僅研究期的起始年 2009—2010 年增長(zhǎng)率達(dá)到 30%，之后的 8 年增長(zhǎng)率在-10%~10% 浮動(dòng)。其中，技術(shù)效率指數(shù)(EFFCH)和技術(shù)進(jìn)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(zhǎng)是技術(shù)效率提升和技術(shù)進(jìn)步共同作用的結(jié)果，但技術(shù)進(jìn)步的貢獻(xiàn)更明顯。TFP 與技術(shù)進(jìn)步趨勢(shì)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(dòng)主要是由技術(shù)進(jìn)步引起的，尤其在 2017—2018年 TFP 大幅下降了 12.7個(gè)百分點(diǎn)，同時(shí)技術(shù)變化下降幅度高達(dá) 21.0%，拖累效應(yīng)明顯，技術(shù)效率卻一改下降趨勢(shì)，呈現(xiàn)出 11.8% 的增長(zhǎng)，可能原因：

　�、賴�(guó)家統(tǒng)計(jì)局在編訂 2019年《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》時(shí)，修改了統(tǒng)計(jì)制度，將工業(yè)各行業(yè)“主營(yíng)業(yè)務(wù)收入”指標(biāo)調(diào)整為“營(yíng)業(yè)收入”指標(biāo)，致使2018 年食品加工業(yè) 3 個(gè)子行業(yè)的產(chǎn)出數(shù)值明顯下降，3個(gè)子行業(yè)收入下降幅度達(dá) 20% 以上。同時(shí)，由于 2018年新會(huì)計(jì)制度允許新購進(jìn) 500萬元以下固定資產(chǎn)一次性計(jì)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(biāo)沒有明顯變化。②2018 年中國(guó)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(qǐng)數(shù)也有所降低，說明在 2018年企業(yè)更加規(guī)�；�，企業(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(dá)到 7.1個(gè)百分點(diǎn)，而技術(shù)進(jìn)步出現(xiàn)了大幅降低。

　　從各項(xiàng)指標(biāo)的經(jīng)濟(jì)學(xué)含義來看，技術(shù)變化指標(biāo)為企業(yè)除投入要素以外對(duì)產(chǎn)出有影響的無形要素，包括技術(shù)進(jìn)步、組織創(chuàng)新等。技術(shù)效率指標(biāo)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(biāo)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(dá)到了最優(yōu)規(guī)模。中國(guó)食品加工業(yè)的技術(shù)效率進(jìn)步不明顯，近 10年增長(zhǎng)僅1.6%，主要是因?yàn)橐?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(zhǎng)的，其他年份均下降，說明中國(guó)食品加工業(yè)規(guī)模經(jīng)濟(jì)帶來的作用還沒有顯現(xiàn)。純技術(shù)效率增長(zhǎng)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(kuò)大經(jīng)營(yíng)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(lì)食品加工業(yè)提高市場(chǎng)集中度，注重食品質(zhì)量并加快打響國(guó)際知名品牌，著重?cái)U(kuò)大國(guó)內(nèi)市場(chǎng)。

　　3.4 各經(jīng)濟(jì)區(qū)食品加工業(yè)全要素

　　生產(chǎn)率變動(dòng)為進(jìn)一步分析中國(guó)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(gè)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(jì)區(qū)”進(jìn)行劃分。其中，各個(gè)地區(qū)間資源稟賦、主導(dǎo)產(chǎn)業(yè)和經(jīng)濟(jì)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(jìn)行經(jīng)濟(jì)區(qū)層面的分析，以促進(jìn)區(qū)域間的協(xié)調(diào)發(fā)展。2009—2019 年中國(guó) 27 個(gè)省(市、自治區(qū))的食品加工業(yè)實(shí)現(xiàn)了 TFP 增長(zhǎng)，8 個(gè)經(jīng)濟(jì)區(qū)的平均增長(zhǎng)率都是正值。

　　首先，南部沿海地區(qū) TFP 增長(zhǎng)幅度最大，達(dá)到近 9%，海南省和福建省 TFP 的增長(zhǎng)分別位于全國(guó)的前 2 位，引領(lǐng)了該經(jīng)濟(jì)區(qū)的生產(chǎn)前沿面，并且是源于技術(shù)效率和技術(shù)進(jìn)步共同的推進(jìn)作用。海南省是中國(guó)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(jì)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(jìn)方面具有優(yōu)勢(shì)，發(fā)展?jié)摿�巨�?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(shì)和豐富的農(nóng)產(chǎn)品優(yōu)勢(shì)，福建省的糖果、罐頭和冷凍水產(chǎn)品產(chǎn)量位居全國(guó)前列。其次是大西南經(jīng)濟(jì)區(qū)，5 個(gè)省份的食品加工業(yè) TFP 平均增長(zhǎng) 6.8%，貴州省、云南省、廣西均保持 7% 以上增長(zhǎng)率，其中云南省 9.7% 的增長(zhǎng)率由技術(shù)效率中的純技術(shù)效率主要貢獻(xiàn)，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(shì)。

　　東北地區(qū)和黃河中下游綜合經(jīng)濟(jì)區(qū)的食品加工業(yè) TFP 的年均增長(zhǎng)率最低，主要因?yàn)榧夹g(shù)進(jìn)步拉動(dòng)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(gè)省應(yīng)加大政策指引并擴(kuò)大消費(fèi)需求，提高本省優(yōu)勢(shì)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(fù)增長(zhǎng)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(shí)現(xiàn)產(chǎn)業(yè)規(guī)�；�，但山東省是經(jīng)濟(jì)發(fā)達(dá)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(jī)遇，打造現(xiàn)代化食品加工業(yè)以促進(jìn)地區(qū)經(jīng)濟(jì)發(fā)展。

　　4 計(jì)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(cè)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(biāo)。李廉水等[12]強(qiáng)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(duì)性的基礎(chǔ)設(shè)施投入指標(biāo)如下：①C1：食品加工業(yè) 3 個(gè)子行業(yè)的內(nèi)部 R&D 經(jīng)費(fèi)。R&D 經(jīng)費(fèi)主要用于高技術(shù)研發(fā)設(shè)備購進(jìn)、研發(fā)人員工資發(fā)放，因此分別將經(jīng)費(fèi)的 50% 以當(dāng)年固定資產(chǎn)投資價(jià)格指數(shù)平減，50% 以當(dāng)年消費(fèi)者價(jià)格指數(shù)平減，得到剔除價(jià)格因素后的 R&D內(nèi)部支出。②C2：3個(gè)子行業(yè)的研發(fā)機(jī)構(gòu) R&D人員數(shù)量之和。③C3：高技術(shù)設(shè)備投入指標(biāo)。一個(gè)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(biāo)。生產(chǎn)應(yīng)用層指標(biāo)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(jī)器人的安裝數(shù)量。

　　工業(yè)機(jī)器人代替了部分低技能勞動(dòng)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(jí)行業(yè)全國(guó)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(guó)總量的比重估計(jì)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(yíng)業(yè)收入占制造業(yè)整體營(yíng)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(yíng)業(yè)收入占制造業(yè)整體營(yíng)業(yè)收入的比重表示，營(yíng)業(yè)收入用相應(yīng)的行業(yè)生產(chǎn)者出廠價(jià)格指數(shù)換算成2009年的不變價(jià)格。以上 6個(gè)指標(biāo)選取的樣本考察期均為 2009—2019年，并用熵值法測(cè)算出綜合評(píng)分作為各地區(qū)人工智能指數(shù) AI，指數(shù)越大說明這個(gè)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(cè)算了 31個(gè)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(jì)值得到絕對(duì)全要素生產(chǎn)率。

　　3 個(gè)指數(shù)分別作為被解釋變量進(jìn)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(cè)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(yùn)輸成本高的農(nóng)業(yè)產(chǎn)品加工生產(chǎn)，一個(gè)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。控制變量：①外商投資依存度 FDI。開放經(jīng)濟(jì)下外商投資進(jìn)入制造業(yè)諸多行業(yè)，為行業(yè)帶來國(guó)外先進(jìn)技術(shù)、設(shè)備和管理體系，食品加工業(yè)是中國(guó)最早引進(jìn)外資的行業(yè)，F(xiàn)DI 的知識(shí)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(huì)產(chǎn)生技術(shù)擠出效應(yīng)，抑制東道國(guó)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(yíng)業(yè)收入占整個(gè)食品加工業(yè)營(yíng)業(yè)收入的比重表示。

　　②產(chǎn)業(yè)結(jié)構(gòu)STR。一個(gè)地區(qū) 3個(gè)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(gè)地區(qū)的支柱產(chǎn)業(yè)，容易形成專業(yè)化經(jīng)濟(jì)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(yíng)業(yè)收入與從業(yè)人員數(shù)比值的對(duì)數(shù)表示。④產(chǎn)權(quán)特征 INST。鼓勵(lì)非公有所有制經(jīng)濟(jì)的改革措施有效促進(jìn)企業(yè)間自由競(jìng)爭(zhēng)，從而促進(jìn)技術(shù)進(jìn)步，用國(guó)有控股食品加工企業(yè)營(yíng)業(yè)收入占全部食品加工業(yè)營(yíng)業(yè)收入的比重表示。以上產(chǎn)值指標(biāo)均用各行業(yè)生產(chǎn)者出廠價(jià)格指數(shù)平減計(jì)算。上述省級(jí)產(chǎn)值數(shù)據(jù)、價(jià)格指數(shù)和規(guī)模以上企業(yè)數(shù)來源于 2010—2020年《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》。人工智能指標(biāo)相關(guān)數(shù)據(jù)來源于 2010—2020 年《中國(guó)科技統(tǒng)計(jì)年鑒》和《中國(guó)高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》，工業(yè)機(jī)器人分行業(yè)安裝量來源于國(guó)際機(jī)器人聯(lián)盟(IFR)公布的統(tǒng)計(jì)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(shí)證檢驗(yàn)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(duì)省級(jí)面板數(shù)據(jù)進(jìn)行豪斯曼檢驗(yàn)，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(gè)體效應(yīng)的固定效應(yīng)模型(FE)進(jìn)行實(shí)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(shí)證結(jié)果的穩(wěn)健性。

　　對(duì)于資本密集型和勞動(dòng)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(shí)現(xiàn)環(huán)環(huán)相扣。這可能是由于中國(guó)的制造業(yè)正處于由大轉(zhuǎn)強(qiáng)、由高速發(fā)展向高質(zhì)量發(fā)展的攻堅(jiān)時(shí)期，食品加工企業(yè)在高技能勞動(dòng)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(rèn)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(bǔ)系統(tǒng)，如車間管理實(shí)踐、高質(zhì)量產(chǎn)品創(chuàng)新和豐富技術(shù)經(jīng)驗(yàn)的勞動(dòng)力，那么投資信息技術(shù)反而會(huì)抑制企業(yè)生產(chǎn)率提升，當(dāng)前中國(guó)食品加工業(yè)也面臨著互補(bǔ)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(chǎng)，食品加工企業(yè)應(yīng)抓住智能制造機(jī)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(duì)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(yàn)，但是對(duì)技術(shù)進(jìn)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(jìn)了全要素生產(chǎn)率，驗(yàn)證了假說2。農(nóng)業(yè)效率的提高意味這個(gè)地區(qū)農(nóng)業(yè)生產(chǎn)的專業(yè)化、標(biāo)準(zhǔn)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(shí)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(jìn)步，促進(jìn)技術(shù)效率提高，對(duì) TFP 的影響為負(fù)但沒有通過顯著檢驗(yàn)，原因是中國(guó)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(guó)的勞動(dòng)力和資源優(yōu)勢(shì)，僅將處于價(jià)值鏈下游的加工業(yè)務(wù)建立在中國(guó)，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(shì)卻顯著提高了本國(guó)企業(yè)的管理效率;地區(qū)產(chǎn)業(yè)結(jié)構(gòu)對(duì)于 3 個(gè)被解釋變量的影響均顯著為正，第二產(chǎn)業(yè)的發(fā)達(dá)程度有效促進(jìn)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(xiàng)，說明提高食品加工業(yè)規(guī)模能夠吸引促進(jìn)技術(shù)進(jìn)步和技術(shù)效率的有利條件，對(duì)TFP 的提高產(chǎn)生積極作用;產(chǎn)權(quán)特征對(duì) TFP 的影響不顯著，可能因?yàn)槭称芳庸�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(guó)有控股企業(yè)占比高，有利于商品的對(duì)外貿(mào)易、控價(jià)，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(jìng)爭(zhēng)程度高，所以國(guó)有或“三私”食品加工企業(yè) TFP 并不會(huì)因?yàn)楫a(chǎn)權(quán)特征的差別而發(fā)生變化。

　　穩(wěn)健性檢驗(yàn)結(jié)果為確保實(shí)證結(jié)果的穩(wěn)健性，修改全要素生產(chǎn)率的計(jì)算方法，使用固定效應(yīng)模型進(jìn)行主要解釋變量對(duì) 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(jì)算技術(shù)進(jìn)步效率，在假設(shè)規(guī)模收益不變的前提下技術(shù)進(jìn)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(duì)食品加工業(yè) TFP 發(fā)生阻礙作用，農(nóng)業(yè)效率起到促進(jìn)作用。

　　6 小結(jié)與建議

　　本研究基于 2009—2019 年省級(jí)面板數(shù)據(jù)，計(jì)算了食品加工業(yè)的 DEA-Malmquist 指數(shù)及分解項(xiàng)，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(biāo)，并構(gòu)建農(nóng)業(yè)效率指標(biāo)，在固定效應(yīng)模型下實(shí)證檢驗(yàn)人工智能和農(nóng)業(yè)效率對(duì)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(guó)食品加工業(yè)全要素生產(chǎn)率年均增長(zhǎng) 4.1%，技術(shù)效率變動(dòng)貢獻(xiàn) 1.6%，技術(shù)進(jìn)步貢獻(xiàn) 2.5%，全要素生產(chǎn)率的變動(dòng)趨勢(shì)與技術(shù)進(jìn)步高度吻合，全要素生產(chǎn)率的增長(zhǎng)率呈波動(dòng)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(kuò)大而技術(shù)變化負(fù)增長(zhǎng)導(dǎo)致。②分經(jīng)濟(jì)區(qū)來看，南部沿海地區(qū)和大西南地區(qū)生產(chǎn)率增長(zhǎng)最快，而東北地區(qū)增長(zhǎng)最慢。③在固定個(gè)體效應(yīng)的模型下，人工智能顯著促進(jìn)食品加工業(yè)技術(shù)進(jìn)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(guó)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(jìn)而促進(jìn)全要素生產(chǎn)率增長(zhǎng)，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(qiáng)頂層設(shè)計(jì)，賦能食品加工業(yè)轉(zhuǎn)型升級(jí)。近 10 年食品加工業(yè) TFP 增長(zhǎng)速度遠(yuǎn)低于學(xué)者測(cè)算的制造業(yè) TFP 增長(zhǎng)速度，2019 年中國(guó)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(qiáng)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(jí)，推動(dòng)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(zhǎng)動(dòng)力。在現(xiàn)有政策文件的支持下，各地區(qū)明確“十四五”時(shí)期食品加工業(yè)發(fā)展方向，落實(shí)農(nóng)產(chǎn)品加工園區(qū)規(guī)劃建設(shè)，農(nóng)業(yè)發(fā)達(dá)地區(qū)充分發(fā)揮特色農(nóng)產(chǎn)品比較優(yōu)勢(shì)，經(jīng)濟(jì)發(fā)達(dá)地區(qū)則積極引進(jìn)先進(jìn)生產(chǎn)技術(shù)和設(shè)備，吸引高技術(shù)人才，開拓國(guó)內(nèi)市場(chǎng)暢通國(guó)內(nèi)大循環(huán)。全國(guó)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(shí)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(bǔ)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(jìn)食品加工業(yè)的生產(chǎn)率提升，但是這種負(fù)向影響不會(huì)一直持續(xù)。食品加工企業(yè)應(yīng)抓住智能制造機(jī)遇，充分發(fā)揮人工智能的知識(shí)溢出和知識(shí)創(chuàng)造效應(yīng)，雖然企業(yè)進(jìn)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(duì)生產(chǎn)率的促進(jìn)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(shí)現(xiàn)互補(bǔ)性創(chuàng)新。企業(yè)著重推進(jìn)經(jīng)營(yíng)策略變革、高素質(zhì)人才培養(yǎng)、管理水平提升，實(shí)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(dāng)企業(yè)內(nèi)部配備與人工智能匹配的技術(shù)和人才時(shí)，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(guó)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(jìn)管理理念和營(yíng)銷方式，推動(dòng)傳統(tǒng)小農(nóng)經(jīng)濟(jì)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(jìn)食品加工業(yè)與農(nóng)業(yè)緊密聯(lián)系進(jìn)而實(shí)現(xiàn)農(nóng)產(chǎn)品多環(huán)節(jié)增值。同時(shí)，食品加工企業(yè)與當(dāng)?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(xiàn)：

　　[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(cái)經(jīng)政法大學(xué)學(xué)報(bào)，2012(5)：134-140.

　　[2]趙 燃，駱 樂，韓 鵬 .中國(guó)農(nóng)產(chǎn)品加工業(yè)技術(shù)效率、技術(shù)進(jìn)步與生產(chǎn)率增長(zhǎng)[J].中國(guó)農(nóng)村經(jīng)濟(jì)，2008(4)：24-32.

　　[3]龔新蜀，韓俊杰 .中國(guó)農(nóng)產(chǎn)品加工業(yè)全要素生產(chǎn)率增長(zhǎng)解析——基于集聚與 FDI互動(dòng)視角[J].農(nóng)業(yè)經(jīng)濟(jì)與管理，2019(6)：28-38.

　　[4]劉志雄，何忠偉 .中國(guó)食品加工業(yè)的技術(shù)效率及變化趨勢(shì)——跨省隨機(jī)前沿分析[J].中國(guó)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(jì)，2021(3)：119-127.

　　[6]劉 亮，胡國(guó)良 .人工智能與全要素生產(chǎn)率——證偽“生產(chǎn)率悖論”的中國(guó)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(jí)?——基于雙重中介效應(yīng)的研究[J].經(jīng)濟(jì)體制改革，2020(4)：187-193.

　　作者：申丹虹，趙筱楠

轉(zhuǎn)載請(qǐng)注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///jjlw/30196.html