地區農業生產效率測度及影響因素范文

本站小編為你精心準備了地區農業生產效率測度及影響因素參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：運用非參數數據包絡分析（DEA）和Malmquist指數測度東北三省36個城市農業部門2000—2015年生產效率及其變化趨勢，并對影響農業技術效率和全要素生產率增長的因素進行實證分析。結果表明：東北地區農業投入產出的平均純技術效率為0．805，農業生產率還有較大提升空間；Malmquist指數分解結果表明，全要素生產率年均增長率為8％的主要源泉是技術進步；農業勞動力受教育水平改善對農業技術效率和全要素生產率增長有促進作用，機械化水平提高有利于東北地區農業全要素生產率增長。

關鍵詞：農業生產效率；數據包絡分析；Malmquist指數

糧食安全在全球政策議程中頗受熱議。全球人口快速增長，食物需求激增，糧食安全備受挑戰。農業生產率增長是保障地區糧食安全的關鍵，農業生產效率在提高糧食產量中的作用已經得到學者和政策制定者的高度認可。BARROS等［1］強調效率是促進農業生產的重要手段，引發了全球對農業技術效率的研究。農業生產率改善對國民經濟增長至關重要，發展中國家對農業技術效率的研究得到學界極大關注［2］。研究效率測度的方法可以追溯到OGUNDARI等［3］的研究。在此基礎上，FAR－RELL［4］引入了將經濟效率分解為技術效率和分配效率的方法。按照FARRELL的定義［4］，技術效率是生產單位在投入給定情形下的最大產出能力，分配效率是產出給定情形下確定最佳投入比例的能力，而經濟效率是衡量總體績效的指標，是技術效率和分配效率的綜合結果。生產效率的測度方法包括參數（隨機前沿生產函數）和非參數（DEA）方法。近年來，遙感、EPIC模型等先進技術已經被廣泛應用于農業生產效率研究［5］。

1文獻回顧與研究方法

1．1文獻回顧

農業生產效率是指在現有技術條件限制下，相對于標準化生產，農業系統或生產單位在要素投入和產出方面的相對表現［6］。為了增加農業產出，各國政府制定了旨在改進本國農業生產效率的政策，現有研究引入了各種方法試圖提高農業生產效率。NDLOVU等［7］對常規和傳統農業生產效率進行了比較，發現農民在常規農業中的產出比傳統農業增長了39％，這對土地數量有限的農民是有利的。JAIME等［8］研究表明，參與生產組織的農民生產效率較高，政府應完善農業組織參與空間，為生產性組織提供指導。黃金波等［9］發現，土地細碎化與農業生產效率存在負相關關系，減少土地細碎化的措施是必要的。GAL－LEGO等［10］回顧了發達國家農業發展的經驗，指出農業R＆D投入對提升全球農業生產效率有積極作用。改革開放以來，中國農業生產效率問題成為學者們關注的熱門話題。關于中國農業生產效率的研究主要集中在2個方面：一是樣本期間內的生產效率測度與分析［11］；二是農業生產效率的影響因素研究［12］。上述許多研究使用的多是省級農業數據，但是省級總量的農業數據可能并不能表達地區之間的準確差異，地級城市層面的研究非常必要［13］。此外，還有一些研究使用樣本期間很短的省級數據來測度中國農業生產效率，這無法描述農業生產效率的變化過程。該研究為測度東北地區農業部門的生產效率及影響因素，使用的是2000—2015年東北三省36個地級城市的面板數據。該研究試圖在以下方面對現有文獻進行拓展：1）使用數據包絡分析（DEA）方法來測度東北地區農業部門的生產效率；2）使用Malmquist生產率指數來反映農業生產率隨時間的變化過程；3）使用Tobit法來分析影響東北地區農業部門生產效率的主要因素。該文擴展了對農業相對發達地區農業生產效率的測度研究，以期為東北地區農業生產進一步發展指明改進方向。

1．2研究方法

1．2．1研究區域研究區位于中國東北部，包括東北三省36個地級市，北接俄羅斯，西毗鄰蒙古，東南接壤朝鮮，面積78．8萬km2，人口8041．7萬，人口密度約為97．9人•km－2。東北地區因其肥沃土壤和優越自然條件聞名于世，它不僅是中國重要的商品糧基地，也是重要的老工業基地。2015年，中國東北地區糧食產量達到119．7萬t，占全國糧食產量的19％，最重要的糧食作物為稻谷、玉米和豆類。東北地區耕地面積2145萬hm2，占中國耕地面積的17．62％。農業人口人均耕地面積遠高于全國平均水平，居全國前列。自1978年以來，家庭聯產承包責任制和技術進步促進了該地區農業生產效率增長。東北地區農業集約化水平較高，為現代農業發展奠定了良好基礎。

1．2．2DEA模型CHAVAS等［14］提出了具有輸入方向并假定規模報酬不變（CRS）的DEA模型。但是CRS假設只適用于所有決策單元（DMU）均以最佳規模經營情形。BANKER等［15］建議擴展規模報酬不變情形下的DEA模型以評估規模報酬可變（VRS）下的效率，它能更準確地反映DMU經營管理水平。DEA可以是投入或產出型的，前者是在產量不變條件下最大限度減少要素投入以提高效率；后者則是在投入要素不變條件下最大限度提高產出效率。在農業生產效率測度中，控制要素投入相對容易，因此，該研究選擇采用規模報酬可變的投入型DEA模型。

1．2．3Malmquist指數Malmquist指數由CAVES等［16］基于距離函數建立，它以數量為基礎，更適合中國的情況。利用2000—2015年東北三省36個地級市數據測算Malmquist生產率指數。

2數據說明及實證結果

2．1數據說明研究

區域覆蓋中國東北地區三省（黑、吉、遼）36個地級城市。選取農林牧漁總產值為農業產出指標、第一產業勞動力、農業機械總動力、農作物播種總面積和化肥施用量作為農業投入指標。產出變量為36個地市以2000年為基期的實際農林牧漁總產值，之所以選用農林牧漁總產值而不是增加值指標，是因為農林牧漁增加值不包含中間投入要素，而該研究選用了中間投入變量［18］。第一產業勞動力主要指的是從事農業的勞動力數量，不從事農業生產的農村人口不在農業勞動力范圍內。農業機械總動力指的是用于農業的各種機械動力總和。農作物播種總面積比耕地面積更準確，因為它考慮了重復播種情況，反映土地投入情況更為準確［19］。化肥指的是鉀肥、氮肥、磷肥和復合肥的折純量之和。數據均來自2001—2016年《遼寧統計年鑒》《吉林統計年鑒》《黑龍江統計年鑒》和《中國統計年鑒》。

2．2農業部門技術效率與規模效率

使用面向投入DEA模型得到的技術效率和規模效率結果如圖1所示。2000—2015年，在CRS和VRS假設下，東北地區平均農業技術效率分別為0．673和0．805。這表明東北地區各地級市減少32．7％（19．5％）的投入要素也可以達到同樣產出水平。東北地區平均農業規模效率為0．856，這說明東北地區農業生產規模尚未達到最佳規模。假定沒有其它因素制約，且耕地經營規模達到最佳，另外14．4％的生產效率增長是可以實現的。東北地區和遼寧、吉林、黑龍江省的農業技術效率和規模效率是通過地級市均值估算得到的。2000—2015年間，東北地區技術效率和規模效率走勢并不相同。在CRS假設下，農業技術效率大致呈下降趨勢；在VRS假設下，農業技術效率出現了波動增長趨勢，但2008年后，技術效率呈下降趨勢。

2．3Malmquist指數分解

將Malmquist指數分解為效率變化（EFFI）指數和技術變化（TECH）指數。為了分析規模效率變化，進一步將效率變化指數分解為純技術效率（PUREFF）指數和規模效率（SCAL）指數。為了獲得每個地級市的Malmquist（MALM）指數和其它指標，使用DEAP2．1來計算輸出距離函數。結果顯示，遼寧、吉林、黑龍江和東北地區平均農業生產增長率（MALM）分別為7．9％、6．7％、9．4％和8．2％（表1）。農業生產增長率較高反映出4種要素較低的投入增長率和較高的產出增長率。平均來看，東北地區技術變化指數上漲了7．9％，遼寧和黑龍江效率變化指數有所上升，吉林效率變化指數下降了0．9％。技術變化和技術效率指數增加表明，東北地區農業生產率的提高源于技術創新和技術效率改善。但是，技術效率增長幅度較小，這是由于規模效率下降導致的。

3農業技術效率和農業全要素生產率的影響因素分析

在對東北地區農業部門技術效率、規模效率和全要素生產率分析后，使用上述結果對影響東北地區農業技術效率和農業全要素生產率的因素進行統計分析。選取的影響因素來自文獻梳理和作者對該問題的思考，考慮到數據限制，選取的影響因素有：1）農業結構。使用東北三省36個市的農業產值比重、農業勞動力人均機械擁有量和畜牧業產值比重來衡量地區農業結構。農業產值比重越大，政府對農業發展就會越重視，農業發展模式就會有很大區別，對農業技術效率和全要素的影響是較大的。農業機械化是現代農業發展的重要條件，對農業生產效率的改善是不言而喻的［20］。畜牧業在農業中占據著重要地位，生產方式與種植業也有所區別，畜牧業對農業生產效率的改善是否有效，值得探討。2）地區產業和人口結構。地區產業結構用工業產值比重來衡量，人口特征用城市農村人口比重來表征。工業對農業有是雙重影響，一方面工業反哺農業，為農業發展提供技術、化肥等要素；另一方面，工業規模過大會搶奪農業資源，抑制農業發展。農村人口占比也會影響農業生產效率，農村人口占比越大，農業勞動力比重就越大，農業生產效率就越低［21］。3）財政支農力度。用政府財政支農支出比重來評估財政支農力度對農業生產效率的影響。財政支農支出通過支出農業技術研發、增加農業要素投入來改善農業生產率。4）農業勞動力受教育程度。用每百名農業勞動力中高中及以上受教育程度的人口來衡量教育對農業生產效率的影響程度。農業教育對農業產出有促進作用，但是農村人才流失嚴重，教育對農業生產率的影響有待考察［22］。采用Tobit模型來分析農業技術效率和全要素生產率與其影響因素的關系。回歸結果見表4。豪斯曼檢驗結果表明應選用固定效應模型。CRS和VRS2種情形下農業生產效率的影響因素作用方向一致。農業產值比重負向影響農業技術效率和全要素生產率，而且其對農業技術效率的影響顯著，對農業全要素生產的影響是不顯著的。這與李博等［23］的結論是不一致的，他認為農業在地區經濟中的地位越重要，將會導致全要素生產率的改善。研究結論存在差別的可能原因是研究區域和時間區間不同。地區農業產值比重較大，用于農業的投入要素就會越多，但是只有技術要素投入增加，才會使得農業生產率的提高，因此農業產值比重越大，不意味著農業技術效率就會越高。農業勞動力人均機械擁有量對農業效率的影響是顯著負向，這與焦源［24］的結論是吻合的，他發現機械化水平與農業生產效率沒有必然聯系；而機械化水平對全要素生產率有顯著促進作用。這可以從二者概念上進行解釋，全要素生產率包括了技術進步，而技術效率僅是運用現有的能力。畜牧業產值比重負向影響農業技術效率和全要素生產率，這反映出地區畜牧業地位越重要，就越會抑制農業技術效率的改進，這與MONCHUK等［25］的研究是一致的。

4結論與討論

使用DEA模型測度東北城市農業生產效率的變化趨勢，可以確定農業生產的最佳實踐城市，還能為農業生產管理提供借鑒。以這些最佳城市為基準，效率低下的城市可以判斷哪些農業要素投入是必要的，以改善農業生產效率。研究表明，36個城市如果按照最佳生產實踐從事農業生產，平均可以減少19．6％的要素投入。總的來看，規模效率比技術效率更有效。東北三省的效率得分分布表明，黑龍江的城市技術效率最高，而遼寧的城市規模效率最高。Malmquist分解結果顯示，東北三省全要素生產率平均每年增長8％的主要源泉是技術進步。促進農業生產，應重視農業生產效率地提高。研究還發現，規模效率直到2010—2015年才恢復。土地規模化經營促進了規模效率地增長。3個時期純技術效率持續降低，意味著制定相關政策，加大農業科技投入力度，加強對農民的技術培訓很有必要。地區效率存在差異表明，城市之間可以通過技術合作來改善農業效率。該研究還就農業效率的影響因素進行了分析。農業產值比重較大不利于地區農業效率改進；機械化程度對農業技術效率的影響是顯著為負的，對全要素生產率的影響是顯著正向的；畜牧業產值比重越大越不利于地區農業效率增長。地區產業結構對農業效率提高的影響是負向的；人口結構對農業技術效率和全要素生產率的影響是負向的，但并不顯著。財政支農對農業技術效率和全要素生產率增長并無幫助，這與傳統觀點相左；農業勞動力受教育程度對農業技術效率和全要素生產率的影響是顯著正向的，說明教育對農業有“溢出效應”。該研究的政策涵義在于提升東北地區農業部門生產效率，應該調整農業與工業的關系，讓工業反哺農業；優化財政支農手段；加大對農業科技和農業教育的投入。該研究的貢獻在于通過對東北地級城市農業部門生產效率測度，并對影響農業效率和全要素生產率的因素進行分析，發現政府財政對農業的投入對農業效率有負向影響，這與傳統觀點并不相符。另外，關于農業效率測度的文獻進行了拓展，為農業條件優越地區的農業效率改善有積極借鑒意義。當然，研究也存在一些不足。Malmquist和DEA模型對數據一致性和全面性要求較高。由于客觀因素，該研究數據來源于統計年鑒。一些指標，如農業勞動時間和其它指標不包括在模型中。在之后的研究中，要更加注意增強指標數據的一致性和綜合性。

作者：王剛毅；劉杰 單位：東北農業大學經濟管理學院