雇工劳动对农户粮食生产技术效率的影响研究
——基于三省水稻种植户的调查

黄晨鸣，朱臻,

（1. 浙江农林大学经济管理学院，浙江 临安 311300；2. 浙江农民发展研究中心，浙江 临安 311300）

随着我国城市化进程的加速，农村劳动力非农就业的持续增加导致农业劳动力供给减少和劳动力成本上升，对我国传统的小规模、分散化的家庭农业经营制度构成冲击，随之而来的是我国农村土地承包经营权流转和农业规模化经营的不断推进。农业部统计数据显示，截至2016年6月，全国家庭承包耕地流转面积超过3 000万hm2，经营耕地面积在3.3 hm2以上的规模经营农户超过350万户，经营耕地面积超过2 300万hm2。在此背景下，农业雇工生产成为常态。农业雇工不仅解决了当下农业规模经营中劳动力紧缺的问题，还带来了分工合作的优势。然而，农业雇工生产与传统的家庭联产承包责任制不同，家庭劳动力拥有剩余索取权，因此具有较高的劳动积极性，而雇工劳动则并不具备，若经营主体对雇工的管理是不健全的，雇工劳动将会对农业生产带来负面的影响。由此可见，从雇工视角出发，研究其对农户粮食生产效率影响，对于梳理粮食规模化经营下存在的瓶颈和制约问题，进一步深入比较规模化经营的优劣势具有重要的现实意义。

传统经济理论一般认为，集体农作的效率是低下的，因为在团队生产中，如果对劳动的监督和衡量是不完备的，团队成员往往会产生“搭便车”等机会主义行为，使得团队难以取得较高的生产效率[1]。规模经营本可以使农业生产达到更高程度的分工和专业化水平，但现在由于人为的因素却没有实现[2]，其中重要的原因就是雇工生产存在着信息不对称和“道德风险”等问题。在农业生产中，一方面农业生产管理相对于工业化生产管理而言相对粗放，劳动力投入程度是很难观测到的，这会导致农业规模经营的机会主义行为更加严重；另一方面，从家庭劳动力与雇工关系出发，如果拥有剩余索取权的家庭劳动力更多地参与到农业规模经营中会导致较高的边际产出，而雇工比例越高则面临的道德风险越大，导致农业生产效率受到影响（落入到生产可能性曲线内部）和边际产出的下降。这在以劳动力资源禀赋突出的发展中国家尤为显著，如在印度的研究就表明，在播种环节由于雇佣劳动力劳动质量问题会导致粮食作物产量减少近一半[3]。雇工及其引发的“道德风险”问题，不仅会影响到农业产出，而且会带来高额的劳动力成本，尤其会增加额外的劳动监督成本[4]。如果家庭农业经营中存在雇工行为，大约10%的家庭劳动力时间会花费在对雇工的监督上，这会对劳动力在其他用途上的配置产生挤出效应[5]。

针对雇工劳动与农业生产效率之间关系的研究，学界多集中于理论模型分析，其中使用较多的分析方法是以委托—代理理论为基础，从数理上探讨雇工劳动中道德风险与监督问题对农业生产效率的影响[6-8]；也有学者利用纳什均衡模型，探讨雇主与雇工相互博弈背景下，雇工劳动偷懒与雇主监督策略的选择以及最终均衡条件下的农业收益与生产效率[9]。然而，目前从实证角度的研究大多集中对劳动力投入[10]，劳动力转移[11]和劳动力结构[12]等对农业生产技术效率的影响，并未区分雇工劳动力与家庭自有劳动力，事实上雇工劳动力与家庭自有劳动力并不同质，由于“道德风险”问题的存在导致其边际产出具有明显差异。

因此，本文从实证角度研究雇工劳动与农业生产技术效率之间的关系，基于黑龙江、浙江和四川3省的调研数据，采用不同前沿面的超越对数随机前沿生产函数，分析农户粮食生产技术效率及其损失的影响因素，重点考察雇工劳动对农户粮食生产技术效率的影响，分析其内在的关系，弥补现有研究的不足，为粮食规模化经营中存在的雇工劳动问题梳理和解决提供决策依据。

1 研究方法

1.1 理论模型

农业生产领域生产率和效率的度量一般使用前沿函数模型，主要包括数据包络分析（DEA）的非参数方法，确定性前沿生产函数和随机前沿生产函数（SFA）的参数分析法。但是非参数方法存在很大局限：该方法主要运用线性规划方法进行计算，不像参数法具有统计特性，可以对模型中参数进行检验；虽然非参数法不需要估计农户的生产函数，但是对样本观测数要求较高，同时DEA方法的前沿面是固定的，忽略了样本之间的差异性，而在实际农业生产中往往会受到随机扰动和技术效率两个方面因素的影响，相比较而言参数法中的SFA更接近现实的农业生产。该方法首先以具体的生产函数形式估计农户的生产前沿面，进而计算农户实际产出与最优产出的差距，技术效率则为实际产出与最优产出的比值。Aigner等[13]与Meeusen和Broeck[14]最早提出了随机前沿生产函数为：

式中：Yi表示第i个农户的粮食产出；f(Xi;β)代表生产前沿，即在当前投入水平和技术条件下的最大产出；Xi为生产投入的要素向量，包括土地、资本和劳动力等，Vi-Ui为混合误差，其中Vi表示随机误差，且Vi～iidN(0,)；Ui为技术效率损失率，服从独立的截断正态分布N(mi,)分布。其中mi即为技术无效率的程度，可以根据Battese 和Coelli[15]提出的一种同时估计随机前沿生产函数和技术效率影响因素的方法进行估计，以避免两步法中分析结果的偏差。值得注意的是（1）式中复合扰动项不满足最小二乘法的经典假设，不能使用OLS进行参数估计，因而需采用最大似然值的方法。具体可以根据 Battese和 Corra[16]的建议 ：令和其反映了复合扰动项中技术无效率所占比例。具体可以采用在该区间内搜寻的方式得到一个γ的初始值，然后利用非线性估计的方法得到所有参数的最大似然估计量。当γ趋近于0时，说明误差主要来自于随机误差，此时可能不存在明显的技术非效率；当γ趋近于1时，说明误差项主要来源于技术的非效率。

生产单位i的技术效率采用以下公式[17]：

式中：TEi为技术效率，E(.)表示对括号中的数学式求期望值。当TEi=1，表明无技术效率损失，TEi越趋近于0，表明技术效率损失越大。

所有样本的平均技术效率为：

式中：n为样本总数。

1.2 实证模型

传统C-D模型，暗含一个前提假设：各种生产投入要素的替代弹性为0或1[18]。在确定农户农业生产函数形式时，由于事先并不知道各种生产投入要素之间的替代弹性情况，所以本文采用形式比较灵活，可近似反映任何生产技术的超越对数形式的随机前沿生产函数模型。需要注意的是，由于不同种植规模的农户可能采用不同的生产技术，因此其前沿面也是有差异的[19]（图1），笼统的分析可能会混淆生产效率差异和生产技术的差异。

图1 不同规模农户的前沿面和共同前沿面Fig. 1 Frontiers of farmers of different scales and common frontier

因此，本文对传统的超越对数生产函数进行了修正，添加一个是否规模户的虚拟变量与其他项做交叉，以此控制规模户与普通户的前沿面。生产函数具体形式为：

农户技术无效率函数设定为：

式中：Yi表示第i个农户的粮食产出，Ki和Li分别表示资本投入和劳动力投入，Di为是否规模户的虚拟变量（1=规模户，0=普通户），areai表示样本省份的虚拟变量，β0～β12为待估参数；μi为随机误差项，Zj表示影响农户技术效率的第j项外生性变量，δj为待估参数，其反应Zj对技术效率的影响。δj负值表示Zj对技术效率有正的影响，正值表示Zj对技术效率有负的影响。

通过对超越对数生产函数即公式（4）求导可以分别计算出各投入要素的产出弹性。资本投入要素的产出弹性为：

劳动力要素的产出弹性为：

式中：lnL、lnK的值由样本地区的投入指标值进行简单算术平均得到，β来自模型估计结果。

为了论证模型设置的适宜性，利用Frontier4.1软件对模型进行回归，通过计算似然比（LR）统计量对不同模型设定进行检验。

式中：lnL(H0)和lnL(H1)分别是零假设H0和备择假设H1下的对数似然函数值，k为自由度，表示受约束条件的自由度。将LR统计量与临界值进行比较，当LR统计量值大于临界值时拒绝原假设，否则，接受原假设。具体主要包括以下3个零假设：1）规模户和非规模户的前沿面并没有显著的差异，即模型不需要添加是否规模户虚拟变量；2）用C-D形式的前沿生产函数更为合适，即所有二次项系数均为零；3）其他变量对技术效率没有影响，即不存在外生的影响。

1.3 变量选择

生产函数模型主要包括单个产出和多个生产投入，因此，产出变量使用单位面积粮食产量表示（kg/hm2），生产投入变量主要为单位面积资本投入（元/hm2）和单位面积劳动力投入（h/hm2）。其中，单位面积资本投入包括化肥、农药、种子、灌溉服务和机械服务等的投入，单位面积劳动力投入包含家庭自有劳动力投入和雇工劳动力投入。

粮食作物生产技术效率受多种因素的影响，主要包括自然因素，家庭特征和资源禀赋等因素[20-22]，本文主要从这3个方面进行变量选取。

1）自然因素：土地是农业生产中最基础的要素，土地的特征直接影响到农户农业产出，对生产效率产生巨大的影响，所以这里的自然因素主要考虑了农户地块的特征，包括地块的面积，土地的质量、地块与农户居住地的距离等。

2）家庭户主特征因素：农户户主特征是人力因素的重要体现，这些特征包括户主的年龄，受教育程度等。户主的年龄反应了其种植经验、社会阅历等，而受教育年限可以反应农户接受农业信息、应用新农业技术和农业经营水平的能力等。

3）家庭资源禀赋因素：资源禀赋直接影响到农户在农业生产上的投入，例如家庭的农业劳动力人数会影响到劳动力要素的投入，而农户家庭收入则会影响资本要素的投入。此外，土地经营的规模等都会影响农业的生产投入。

具体模型的解释变量中，关键变量为雇工投入比例（Z1），雇工投入比例等于单位面积农田雇工劳动力投入除以总的劳动力投入。农业生产中雇工投入比例越高意味着家庭自有劳动力相对越少，劳动监督难度增加，雇工劳动力的道德风险增大，从而导致劳动生产质量下降，对生产效率产生影响。农业经营的规模过小会丧失分工、专业化协作的优势，但规模过大会带来组织内部协调成本和监督成本等交易费用的上升[23]，农业雇工生产面临着极为相似的问题，因此本文添加雇工投入比例的平方项（Z2），是为了考虑雇工投入比例与粮食生产技术效率之间可能是一种非线性关系。

控制变量方面，Z3为户主年龄（岁）；Z4为户主的受教育年限（年）；Z5为家庭农业劳动力人口（人）；Z6表示农户的人均纯收入（元）；Z7表示该地块的面积（hm2）；Z8表示农户粮食生产规模（hm2）；Z9为农户家与该地块的距离（km）；Z10表示该块地今年是否受灾（1=是，0=否）；根据农户调查反映结果将土地肥力分为三类（好，中，差），以土地肥力中为对照组，Z11表示土壤肥力好的虚拟变量（1=好，0=其他），Z12表示土壤肥力差的虚拟变量（1=差，0=其他）。

1.4 数据来源

本文数据资料来自课题组2015年在黑龙江、浙江和四川3省展开的关于种粮农户的问卷调查。本调查首先采用分层抽样原则，每个省选择4个样本县（市），共12个样本县（市）；其次，采取随机抽样方法，在每个县市随机挑选2个乡镇，共24个乡镇，并在每个乡镇随机选择4个村，共96个村作为样本村；按规模户与普通户1∶2的比例每个村挑选10户农户，若规模户数量不足则由普通户补充调查。调查内容主要包括农户家庭特征、农户2014年粮食生产情况，每户农户调查自有地块与转入地块2块地块的粮食产出和投入情况等，本次调查包含水稻和玉米两种粮食作物，本文讨论的粮食生产效率问题以粮食作物水稻为例，最终共收获水稻经营户有效问卷499份，其中有水稻生产经营行为的地块797块。

2 结果与分析

2.1 描述性统计分析

从投入产出情况来看，农户地块的平均产出为7 448.50 kg/hm2，最小的仅为732.56 kg/hm2，最大的达到了16 744.19 kg/hm2（表1），个体产出差异较大。农户水稻经营的资本投入均值为8 101.62元/hm2；劳动力投入为997.99 h/hm2，农户间的资本与劳动力投入差异均较大。

技术效率损失模型中雇工投入比例均值为0.16，并且存在有农户采用完全雇工形式的生产；户主的平均年龄为56.44岁而受教育年限仅为6.05年，显示从事粮食生产的农户平均年龄较大但教育水平都比较低。家庭户均农业劳动力为1.78个，仅占农户家庭总劳动力人数的57%。农户人均纯收入相对较高，非农就业已成为其主要收入来源，样本农户的非农就业收入占到了家庭总收入的54%，从对劳动力配置的边际效益来看，农户更愿意把自家劳动力配置到非农就业上从而带来更高的边际报酬，而在农业生产中或农忙时节通过雇工满足农业生产的需求。样本户样本地块的平均面积为0.94 hm2，家庭户均地块数为13.89块，户均农地经营规模为4.44 hm2，而样本户粮食种植规模中位数仅为1.53 hm2，实际上农户粮食经营的规模普遍较小，经营细碎化程度较高；样本地块距离平均为0.81 km，且91%的土地质量均为中等及以上，离家较近且土地质量良好，30%的农地有受到自然灾害的影响，证明样本省的立地、自然气候和交通条件对农业经营非常便利。

表1 主要变量的基本特征Table 1 Basic features of the main variables

2.2 雇工劳动投入对农户粮食生产投入产出的影响

表2显示了不同雇工投入水平下农户的粮食生产投入产出情况。44.7%的农户家庭在粮食生产经营中存在雇佣劳动力行为，且这部分农户家庭的平均粮食经营面积为8.2 hm2，粮食生产雇工在规模户中已经成为一种常见的现象。将雇工投入比例平均分为5组，从样本的交叉统计特征来看，随着雇工投入比例的增加，粮食经营规模和雇工实际投入呈基本上升趋势，雇工投入比例在50%～75%区间中，雇工实际投入水平最高；而自有劳动力投入主要集中在小规模粮食经营中，55.3%的样本户粮食经营都依赖于自投工，但这部分农户的粮食经营面积只有1.4 hm2。

表2 不同雇工投入比例分组下农户的粮食生产投入产出情况Table 2 Rural households’ input and output in different employee input proportions

随着雇工投入比例的增加，资本投入和机械服务支出也在增加，而由于浙江和四川地区土地资源禀赋限制，机械对劳动力的替代并不明显。但是随着雇工投入比例的增加，单位产出水平并没有呈单边的上升趋势，雇工投入比例在25%～50%区间地块产出最高，为8 204.3 kg/hm2，然后向两边递减，呈现“倒U型”的趋势，即单从描述性统计来看，追求最优产出的雇工比例应该在25%～50%，这验证了本文的研究假说，即随着雇工投入比例的增加，由于农户道德风险的存在，会影响到农户的粮食经营水平，但此种关系是在不剔除其他因素干扰上的，深入考察雇工投入比例对于粮食单产的影响需要通过计量模型进行验证。

2.3 随机前沿生产函数估计结果分析

表3为随机前沿生产模型设定的假设检验结果，其中，第1个检验是针对零假设1（模型2）的检验，检验结果在1%水平下拒绝零假设，说明规模户和普通户的前沿面存在着差异，需要使用虚拟变量区分规模户与普通户的前沿面；第2个检验是针对零假设2（模型3）的检验，检验结果在1%水平下拒绝零假设，说明超越对数形式的前沿生产函数更适合本文所使用的数据，使用传统C-D模型可能会造成估计结果的偏差；第3个检验是针对零假设3（模型4）的检验，检验结果在1%水平下拒绝零假设，说明粮食生产技术效率还受到一些特定变量的影响，粮食生产中存在技术无效率的现象。

表3 假设检验结果Table 3 Hypothesis test results

表4为随机前沿生产函数模型的估计结果，将回归的系数代入（6）和（7）式中计算得规模户与非规模户的资本投入要素与劳动力要素的产出弹性分别为：0.167 9，-0.033 4和0.175 9，-0.022 1。资本投入要素的产出弹性大于0，说明资本的边际产出大于0，表明在当前生产水平下增加资本的投入可以提高耕地的单产；单位面积劳动力的投入对耕地单产有较弱的负向影响，说明在当前水平下劳动力投入已经出现过剩的状况，提高粮食的单产不能再一味的依靠劳动力要素的增加，更应注意机械在生产中的运用。更值得注意的是，劳动力中的雇工劳动力由于道德风险的存在，其边际产出相对家庭自有劳动力更低，其产出弹性会更小，而由此带来的对劳动效率的制约影响会更大。

2.4 技术效率影响因素分析

表4 超越对数随机前沿生产函数参数估计结果Table 4 Parameter estimation results of the stochastic frontier production function

表5是影响农户粮食生产技术效率因素的实证结果，系数为正号表示该变量对粮食生产技术效率有负向影响，系数为负号则表示有正向影响。从模型估计结果看，3个模型的回归结果相近，说明技术效率损失模型的估计较稳健，并不会因为生产函数设置的不同而产生较大的改变。农户的平均粮食生产技术效率为85.11%，意味着若消除技术效率的损失，农户的粮食生产技术效率还有14.89%的提升空间。关键变量、自然因素和家庭特征因素均对技术效率有显著的影响。

表5 技术效率损失模型估计结果Table 5 Estimation results of the technical efficiency loss function

雇工投入比例对农户的粮食生产技术效率有正向影响，且在1%水平下显著；雇工投入比例的二次项对农户的粮食生产技术效率有负向影响，且在1%水平下显著。即在雇工投入比例较低的时候，雇工的增加会对技术效率带来非常显著且很强的正效应，而随着雇工数量的增加，超越了雇工与自用工的最优组合时，雇工投入对粮食生产技术效率转而产生负向的影响。说明雇工投入比例与粮食生产效率的确存在“倒U型”的非线性关系。

农户家庭特征变量，户主的受教育年限对农户的粮食生产技术效率有正向影响，且在1%水平下显著，人均纯收入对农户的粮食生产技术效率有正向影响，且在10%水平下显著。一般而言，户主的受教育水平越高，对农业科技和资讯更为了解，更加重视科学专业的粮食生产，因此，农户的粮食生产技术效率也会更高；家庭的人均收入越高意味着农户有更多的资金购买农业资料投入到粮食生产中，从而提高粮食生产的技术效率。

自然因素方面，地块的面积对粮食生产技术效率有正向影响，且在1%水平下显著，一般的研究认为土地的细碎化是不利于粮食生产的，主要是因为影响机械在其中的使用，所以地块面积越大，越有利于粮食生产技术效率的提高，这与许玉光等[20]得出的结论是一致的；粮食经营规模对粮食生产技术效率有较弱的负向影响，且在10%水平下显著，一般认为规模化的经营会产生规模经济从而有利于粮食生产，粮食生产中规模经济的产生主要是由生产的机械化与专业化造成的，土地细碎化是影响专业化与机械化的重要因素，而本文控制了地块面积变量，因此这里的种地规模系数为正（未控制地块面积变量时系数为负），这主要是由于规模的扩大会造成内部协调、分工的困难，造成技术效率的损失，另外，根据屈小博[23]研究，规模小于0.53 hm2的种植户群体，规模变量对生产技术效率会带来负的效应；地块离家的距离对粮食生产技术效率有负向影响，且在1%水平下显著，即地块距离农户越远，生产效率越低，说明优良的地理位置和交通条件有利于农户的管理与经营，从而提高粮食的生产效率；其受灾对农户的粮食生产技术效率有负向影响，且在1%水平下显著，并且系数较大，说明自然灾害是造成粮食减产的一个重要因素。因此做好灾害预防工作，加大基础防护设施建设可以有效提高农户的粮食生产技术效率；差的土壤肥力对粮食生产技术效率有负向影响，且在1%水平下显著。所以，合理的轮作，适当增加有机肥的使用，秸秆还田等方式均能提升农户的粮食生产技术效率。

2.5 雇工劳动对技术效率的影响

前文统计描述显示雇工投入比例与粮食单产存在“倒U型”的关系，计量模型也已证明雇工投入比例与粮食生产效率确实存在一种“倒U型”非线性关系，为了更清晰地描述雇工投入对粮食生产的影响，本文对不同雇工投入水平下农户的技术效率做了统计分析（表6）。

表6为不同雇工投入比例分组下农户的粮食生产技术效率，粮食生产技术效率在25%～50%这个雇工比例区间中最高，并向两边逐渐递减，同样呈现出“倒U型”的关系。这是因为在雇工投入比例较低的时候，由于劳动力的缺乏，雇工的增加会削弱劳动力供给约束对生产的影响，同时劳动力的增加还会带来分工与专业化协作的优势，从而对技术效率带来非常显著且很强的正向影响，而随着雇工数量的增加，雇工的劳动生产质量问题逐渐突出和放大，雇工劳动力相对于自有劳动力边际产量低的问题更加突出，这时需要农户额外的挤出劳动力投入到对雇工的监督上，然而农业生产管理相对粗放，劳动的监督和衡量很难实现，因此，当雇工劳动所带来的负面效应超越了所带来的正面效应时，即超越了雇工与自用工的最优组合时，雇工投入对粮食生产的技术效率转而产生负向的影响。

表6 不同雇工投入比例下分组农户的生产技术效率Table 6 Farmers’ production technology efficiency loss in different employee input proportions

进一步分析各省以及规模户和普通户的生产技术效率，发现在各省分组以及规模户和普通户分组中，雇工投入比例与粮食生产效率均存在倒“U”型的关系。但是可以发现普通户和规模户的最优雇工比例区间存在着一定的差异，普通户的最优区间高于规模户的最优区间，这是因为普通户的经营规模远小于规模户，因此对于雇工的监督易于规模户，从而雇工投入比例的最优区间上移。另一方面，虽然样本规模户的户均雇工投入和雇工投入比例均大于普通户，然而其技术效率仍高于普通户。这是由规模户规模经营、机械化的运用所带来的优势导致的，因此即使雇工投入和雇工投入比例均大于普通户，其仍可以获得较高的生产效率。从以上分析可看出雇工生产解决了劳动力短缺所带来的不利影响，但由于其自身所存在的劳动质量问题，也会对农业生产产生不利的影响。农户自身的监督和管理是避免雇工劳动问题的必要手段，此外运用机械替代劳动力也是当前劳动力成本不断上升背景下唯一的选择，同时也是政府一直所推行和倡导的。

3 结论与建议

3.1 结论

研究表明，当前雇工生产行为在粮食生产中已成为一种普遍现象，规模经营户的雇工需求尤为突出；样本地区尤其是四川和浙江的丘陵地区机械化水平仍然不高，相较于发达国家的高度机械化水平仍存在很大的差距。这意味着即使在土地规模流转背景下，由于资源禀赋造成的机械无法大规模替代劳动力的限制仍然是一个值得重视的问题。

样本地区农户粮食生产的平均技术效率为85.11%，存在显著的技术效率损失，技术效率受多种因素影响；农业雇工投入对粮食生产技术效率的影响呈现“倒U型”的效应趋势，并在25%～50%的区间中最高，因而在农业机械尚无法大规模替代劳动力，劳动力的产出弹性较低的情况下，更需要注意适度规模问题，否则雇佣劳动所带来的劳动质量下降会极大地限制粮食生产水平的提升。

3.2 建议

1）加大科技服务投入，在有条件的地区普及农业机械化生产，开拓新型经营方式，积极推进粮食适度规模经营。由本文计量模型可知，劳动力的产出弹性为负，在地形条件较平缓的地区的粮食规模经营户中可以依靠推进农业机械化替代劳动力，解决雇佣劳动所带来的劳动质量问题；同时，在机械替代劳动力较困难的地区，开拓农业服务外包、农户间合作经营和托管经营等新型农业经营方式，促使劳动力要素配置更加专业化，也可以缓解由于雇佣劳动力所带来的劳动质量问题；由于规模经营不可避免的会产生雇工劳动的问题，雇工劳动存在一个最优的比例，因此从劳动力层面同样要求农户适度规模经营。

2）建立有效劳动监督和“农业CEO”管理机制，合理使用各种劳动激励手段。雇主根据雇工实际情况建立有效劳动监督机制。在劳动生产可计量的环节尝试使用绩效工资，同时可根据劳动成果给予一定的激励措施，减少雇工败德行为发生，从而提高雇工劳动的质量和劳动的积极性；建立“农业CEO”的农业生产管理机制，目前在社会资本投资农业，促使粮食规模经营越来越普遍的情况下，转变传统的生产经营、管理方式，用现代化经营理念改造传统农业，雇佣具有现代经营才能的“农业CEO”进行科学经营管理，运用企业的思维经营农业。在生产的各个环节，制定精细化的管理细则和生产流程，以此控制生产成本，提高粮食生产效率，实现效益的最大化。

3）重视农业劳动力的人力资本积累，进一步落实“科教兴农、人才强农、新型职业农民固农”的战略要求。现代农业背景下，现代机械和现代耕种方法的使用，传统的雇工已经难以满足雇主的需求[24]，同时农村优质劳动力大量向非农行业转移，农业劳动力质量急需提升。因此，基层农技部门应加大农业科技推广，充分发挥科技推广部门的作用，因地制宜地开展各类技术培训和农业科普宣传活动，提高广大农民的科学文化水平。此外，要增加对农业教育的投入，推进农民的继续教育，进一步提高农民的文化素养与道德水平，力争向高水平的职业农民转变。

参考文献：

[1] Alchian A A, Demsetz H. Production, information costs, and economic organization[J]. IEEE Engineering Management Review, 1972, 62(2): 21-41.

[2] 黄云鹏. 农业经营体制和专业化分工——兼论家庭经营与规模经济之争[J]. 农业经济问题, 2003, 24(6): 50-55.Huang Y P. Agricultural management system & division of labour on the basis of specialization—Concurrently discusses household management and large-scale production[J]. Issues in Agricultural Economy, 2003, 24(6): 50-55.

[3] Remesan R, Roopesh M S, Remya N, et al. Wet land paddy weeding—A comprehensive comparative study from south India[J]. International Commission of Agricultural Engineering,2007(5): 1-21.

[4] 孙新华. 农业经营主体: 类型比较与路径选择——以全员生产效率为中心[J]. 经济与管理研究, 2013(12): 59-66.Sun X H. Agricultural production operator: Comparison of types and path choice—From the perspective of the overall production efficiency[J]. Research on Economics and Management, 2013(12):59-66.

[5] Bharadwaj P. Fertility and rural labor market inefficiencies:Evidence from India[J]. Journal of Development Economics,2015, 115: 217-232.

[6] 王颜齐, 郭翔宇. 农地规模化流转背景下的农业雇佣生产合约:理论模型及实证分析[J]. 中国农村观察, 2011(4): 65-76.Wang Y Q, Guo X Y. Agricultural production contracts of employment after large-scale rural land circulation: Theoretical model and empirical analysis[J]. China Rural Survey, 2011(4):65-76.

[7] 廖雅珍, 廖添土. 兼业Ⅰ农户与雇主雇佣生产合约的模型及实证分析[J]. 华南农业大学学报(社会科学版), 2013(4): 57-65.Liao Y Z, Liao T T. Tagricultural production contracts of employment between the concurrent business of farmers and employers: Theoretical model and empirical analysis[J]. Journal of South China Agricultural University (Social Science Edition),2013(4): 57-65.

[8] 张五常. 佃农理论: 应用于亚洲的农业和台湾的土地改革[M].北京: 商务印书馆, 2000.Zhang W C.The Theory of Share Tenancy: With Special Application to Asian Agriculture and the First Phase of Taiwan Land Reform[M]. Beijing: The Commercial Press, 2000.

[9] 罗必良. 农民合作组织: 偷懒、监督及其保障机制[J]. 中国农村观察, 2007(2): 26-37.Luo B L. The farmer cooperative organization: Lazy, supervision and security mechanism[J]. China Rural Survey, 2007(2): 26-37.

[10] 王晓兵, 许迪, 张砚杰, 等. 农场规模、劳动力投入量与技术效率及其相关性问题研究[J]. 资源科学, 2016, 38(3): 476-484.Wang X B, Xu D, Zhang Y J, et al. The relevance of farm scale,labor inputs and technical efficiency[J]. Resources Science, 2016,38(3): 476-484.

[11] 马林静, 欧阳金琼, 王雅鹏. 农村劳动力资源变迁对粮食生产效率影响研究[J]. 中国人口·资源与环境, 2014, 24(9): 103-109.Ma L J, Ouyang J Q, Wang Y P. The influence of evolvement of rural labor resources on grain production efficiency[J]. China Population, Resources and Environment, 2014, 24(9): 103-109.

[12] 彭代彦, 文乐. 农村劳动力老龄化、女性化降低了粮食生产效率吗——基于随机前沿的南北方比较分析[J]. 农业技术经济,2016(2): 32-44.Peng D Y, Wen L. Do rural labor force aging and feminization reduces grain production efficiency—A comparative analysis of north and south based on stochastic frontier production function[J]. Journal of Agrotechnical Economics, 2016(2): 32-44.

[13] Aigner D, Lovell C A K, Schmidt P. Formulation and estimation of stochastic frontier production function models[J]. Journal of Econometrics, 1977, 6(1): 21-37.

[14] Meeusen W, Broeck J V D. Efficiency estimation from cobbdouglas production functions with composed error[J]. International Economic Review, 1977, 18(2): 435-444.

[15] Battese G E, Coelli T J. A model for technical inefficiency effects in a stochastic frontier production function for panel data[J].Empirical Economics, 1995, 20(2): 325-332.

[16] Battese G E, Corra G S. Estimation of a production frontier model:With application to the pastoral zone of eastern Australia[J].Australian Journal of Agricultural Economics, 1977, 21(3): 169-179.

[17] Battese G E, Coelli T J. Prediction of firm-level technical efficiencies with a generalized frontier production function and panel data[J]. Journal of Econometrics, 1988, 38(3): 387-399.

[18] Boisvert R N. The translog production function: Its properties,its several interpretations and estimation problems[J]. Journal of Agricultural Economics Research, 1982, 28(9): 5-35.

[19] Battese G E, Rao D S P, O’Donnell C J. A metafrontier production function for estimation of technical efficiencies and technology gaps for firms operating under different technologies[J]. Journal of Productivity Analysis, 2004, 21(1): 91-103.

[20] 许玉光, 杨钢桥, 文高辉. 耕地细碎化对耕地利用效率的影响——基于不同经营规模农户的实证分析[J]. 农业现代化研究, 2017, 38(4): 688-695.Xu Y G, Yang G Q, Wen G H. Impacts of arable land fragmentation on land use efficiency: An empirical analysis based on farms of different scales[J]. Research of Agricultural Modernization, 2017,38(4): 688-695.

[21] 李谷成, 冯中朝, 占绍文. 家庭禀赋对农户家庭经营技术效率的影响冲击——基于湖北省农户的随机前沿生产函数实证[J].统计研究, 2008, 25(1): 35-42.Li G C, Feng Z C, Zhan S W. An empirical analysis about the effect of household endowments on the technical efficiency of farmer’s household management—Evidence from the farmers of Hubei Province[J]. Statistical Research, 2008, 25(1): 35-42.

[22] 王志刚, 李腾飞, 黄圣男, 等. 基于随机前沿模型的农业生产技术效率研究——来自甘肃省定西市马铃薯生产的数据[J].华中农业大学学报(社会科学版), 2013(5): 61-67.Wang Z G, Li T F, Huang S N, et al. Study on agricultural production technical efficiency based on stochastic frontier model—Taking potato data from Dingxi City, Gansu Province for example[J]. Journal of Huazhong Agricultural University (Social Sciences Edition), 2013(5): 61-67.

[23] 屈小博. 不同规模农户生产技术效率差异及其影响因素分析——基于超越对数随机前沿生产函数与农户微观数据[J]. 南京农业大学学报(社会科学版), 2009, 9(3): 27-35.Qu X B. Technical efficiency of different farmer sizes and its influencing factors—Based on stochastic frontier production function and micro-data of households[J]. Journal of Nanjing Agricultural University (Social Sciences Edition), 2009, 9(3): 27-35.

[24] 向倩雯. 农村空心化背景下的农业雇工现状与特征简析[J]. 中国农业资源与区划, 2016, 37(11): 158-162.Xiang Q W. Agricultural employment characteristics under the background of rural hollowing[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2016, 37(11): 158-162.