地区农业生产效率测度及影响因素范文

本站小编为你精心准备了地区农业生产效率测度及影响因素参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

摘要：运用非参数数据包络分析（DEA）和Malmquist指数测度东北三省36个城市农业部门2000—2015年生产效率及其变化趋势，并对影响农业技术效率和全要素生产率增长的因素进行实证分析。结果表明：东北地区农业投入产出的平均纯技术效率为0．805，农业生产率还有较大提升空间；Malmquist指数分解结果表明，全要素生产率年均增长率为8％的主要源泉是技术进步；农业劳动力受教育水平改善对农业技术效率和全要素生产率增长有促进作用，机械化水平提高有利于东北地区农业全要素生产率增长。

关键词：农业生产效率；数据包络分析；Malmquist指数

粮食安全在全球政策议程中颇受热议。全球人口快速增长，食物需求激增，粮食安全备受挑战。农业生产率增长是保障地区粮食安全的关键，农业生产效率在提高粮食产量中的作用已经得到学者和政策制定者的高度认可。BARROS等［1］强调效率是促进农业生产的重要手段，引发了全球对农业技术效率的研究。农业生产率改善对国民经济增长至关重要，发展中国家对农业技术效率的研究得到学界极大关注［2］。研究效率测度的方法可以追溯到OGUNDARI等［3］的研究。在此基础上，FAR－RELL［4］引入了将经济效率分解为技术效率和分配效率的方法。按照FARRELL的定义［4］，技术效率是生产单位在投入给定情形下的最大产出能力，分配效率是产出给定情形下确定最佳投入比例的能力，而经济效率是衡量总体绩效的指标，是技术效率和分配效率的综合结果。生产效率的测度方法包括参数（随机前沿生产函数）和非参数（DEA）方法。近年来，遥感、EPIC模型等先进技术已经被广泛应用于农业生产效率研究［5］。

1文献回顾与研究方法

1．1文献回顾

农业生产效率是指在现有技术条件限制下，相对于标准化生产，农业系统或生产单位在要素投入和产出方面的相对表现［6］。为了增加农业产出，各国政府制定了旨在改进本国农业生产效率的政策，现有研究引入了各种方法试图提高农业生产效率。NDLOVU等［7］对常规和传统农业生产效率进行了比较，发现农民在常规农业中的产出比传统农业增长了39％，这对土地数量有限的农民是有利的。JAIME等［8］研究表明，参与生产组织的农民生产效率较高，政府应完善农业组织参与空间，为生产性组织提供指导。黄金波等［9］发现，土地细碎化与农业生产效率存在负相关关系，减少土地细碎化的措施是必要的。GAL－LEGO等［10］回顾了发达国家农业发展的经验，指出农业R＆D投入对提升全球农业生产效率有积极作用。改革开放以来，中国农业生产效率问题成为学者们关注的热门话题。关于中国农业生产效率的研究主要集中在2个方面：一是样本期间内的生产效率测度与分析［11］；二是农业生产效率的影响因素研究［12］。上述许多研究使用的多是省级农业数据，但是省级总量的农业数据可能并不能表达地区之间的准确差异，地级城市层面的研究非常必要［13］。此外，还有一些研究使用样本期间很短的省级数据来测度中国农业生产效率，这无法描述农业生产效率的变化过程。该研究为测度东北地区农业部门的生产效率及影响因素，使用的是2000—2015年东北三省36个地级城市的面板数据。该研究试图在以下方面对现有文献进行拓展：1）使用数据包络分析（DEA）方法来测度东北地区农业部门的生产效率；2）使用Malmquist生产率指数来反映农业生产率随时间的变化过程；3）使用Tobit法来分析影响东北地区农业部门生产效率的主要因素。该文扩展了对农业相对发达地区农业生产效率的测度研究，以期为东北地区农业生产进一步发展指明改进方向。

1．2研究方法

1．2．1研究区域研究区位于中国东北部，包括东北三省36个地级市，北接俄罗斯，西毗邻蒙古，东南接壤朝鲜，面积78．8万km2，人口8041．7万，人口密度约为97．9人•km－2。东北地区因其肥沃土壤和优越自然条件闻名于世，它不仅是中国重要的商品粮基地，也是重要的老工业基地。2015年，中国东北地区粮食产量达到119．7万t，占全国粮食产量的19％，最重要的粮食作物为稻谷、玉米和豆类。东北地区耕地面积2145万hm2，占中国耕地面积的17．62％。农业人口人均耕地面积远高于全国平均水平，居全国前列。自1978年以来，家庭联产承包责任制和技术进步促进了该地区农业生产效率增长。东北地区农业集约化水平较高，为现代农业发展奠定了良好基础。

1．2．2DEA模型CHAVAS等［14］提出了具有输入方向并假定规模报酬不变（CRS）的DEA模型。但是CRS假设只适用于所有决策单元（DMU）均以最佳规模经营情形。BANKER等［15］建议扩展规模报酬不变情形下的DEA模型以评估规模报酬可变（VRS）下的效率，它能更准确地反映DMU经营管理水平。DEA可以是投入或产出型的，前者是在产量不变条件下最大限度减少要素投入以提高效率；后者则是在投入要素不变条件下最大限度提高产出效率。在农业生产效率测度中，控制要素投入相对容易，因此，该研究选择采用规模报酬可变的投入型DEA模型。

1．2．3Malmquist指数Malmquist指数由CAVES等［16］基于距离函数建立，它以数量为基础，更适合中国的情况。利用2000—2015年东北三省36个地级市数据测算Malmquist生产率指数。

2数据说明及实证结果

2．1数据说明研究

区域覆盖中国东北地区三省（黑、吉、辽）36个地级城市。选取农林牧渔总产值为农业产出指标、第一产业劳动力、农业机械总动力、农作物播种总面积和化肥施用量作为农业投入指标。产出变量为36个地市以2000年为基期的实际农林牧渔总产值，之所以选用农林牧渔总产值而不是增加值指标，是因为农林牧渔增加值不包含中间投入要素，而该研究选用了中间投入变量［18］。第一产业劳动力主要指的是从事农业的劳动力数量，不从事农业生产的农村人口不在农业劳动力范围内。农业机械总动力指的是用于农业的各种机械动力总和。农作物播种总面积比耕地面积更准确，因为它考虑了重复播种情况，反映土地投入情况更为准确［19］。化肥指的是钾肥、氮肥、磷肥和复合肥的折纯量之和。数据均来自2001—2016年《辽宁统计年鉴》《吉林统计年鉴》《黑龙江统计年鉴》和《中国统计年鉴》。

2．2农业部门技术效率与规模效率

使用面向投入DEA模型得到的技术效率和规模效率结果如图1所示。2000—2015年，在CRS和VRS假设下，东北地区平均农业技术效率分别为0．673和0．805。这表明东北地区各地级市减少32．7％（19．5％）的投入要素也可以达到同样产出水平。东北地区平均农业规模效率为0．856，这说明东北地区农业生产规模尚未达到最佳规模。假定没有其它因素制约，且耕地经营规模达到最佳，另外14．4％的生产效率增长是可以实现的。东北地区和辽宁、吉林、黑龙江省的农业技术效率和规模效率是通过地级市均值估算得到的。2000—2015年间，东北地区技术效率和规模效率走势并不相同。在CRS假设下，农业技术效率大致呈下降趋势；在VRS假设下，农业技术效率出现了波动增长趋势，但2008年后，技术效率呈下降趋势。

2．3Malmquist指数分解

将Malmquist指数分解为效率变化（EFFI）指数和技术变化（TECH）指数。为了分析规模效率变化，进一步将效率变化指数分解为纯技术效率（PUREFF）指数和规模效率（SCAL）指数。为了获得每个地级市的Malmquist（MALM）指数和其它指标，使用DEAP2．1来计算输出距离函数。结果显示，辽宁、吉林、黑龙江和东北地区平均农业生产增长率（MALM）分别为7．9％、6．7％、9．4％和8．2％（表1）。农业生产增长率较高反映出4种要素较低的投入增长率和较高的产出增长率。平均来看，东北地区技术变化指数上涨了7．9％，辽宁和黑龙江效率变化指数有所上升，吉林效率变化指数下降了0．9％。技术变化和技术效率指数增加表明，东北地区农业生产率的提高源于技术创新和技术效率改善。但是，技术效率增长幅度较小，这是由于规模效率下降导致的。

3农业技术效率和农业全要素生产率的影响因素分析

在对东北地区农业部门技术效率、规模效率和全要素生产率分析后，使用上述结果对影响东北地区农业技术效率和农业全要素生产率的因素进行统计分析。选取的影响因素来自文献梳理和作者对该问题的思考，考虑到数据限制，选取的影响因素有：1）农业结构。使用东北三省36个市的农业产值比重、农业劳动力人均机械拥有量和畜牧业产值比重来衡量地区农业结构。农业产值比重越大，政府对农业发展就会越重视，农业发展模式就会有很大区别，对农业技术效率和全要素的影响是较大的。农业机械化是现代农业发展的重要条件，对农业生产效率的改善是不言而喻的［20］。畜牧业在农业中占据着重要地位，生产方式与种植业也有所区别，畜牧业对农业生产效率的改善是否有效，值得探讨。2）地区产业和人口结构。地区产业结构用工业产值比重来衡量，人口特征用城市农村人口比重来表征。工业对农业有是双重影响，一方面工业反哺农业，为农业发展提供技术、化肥等要素；另一方面，工业规模过大会抢夺农业资源，抑制农业发展。农村人口占比也会影响农业生产效率，农村人口占比越大，农业劳动力比重就越大，农业生产效率就越低［21］。3）财政支农力度。用政府财政支农支出比重来评估财政支农力度对农业生产效率的影响。财政支农支出通过支出农业技术研发、增加农业要素投入来改善农业生产率。4）农业劳动力受教育程度。用每百名农业劳动力中高中及以上受教育程度的人口来衡量教育对农业生产效率的影响程度。农业教育对农业产出有促进作用，但是农村人才流失严重，教育对农业生产率的影响有待考察［22］。采用Tobit模型来分析农业技术效率和全要素生产率与其影响因素的关系。回归结果见表4。豪斯曼检验结果表明应选用固定效应模型。CRS和VRS2种情形下农业生产效率的影响因素作用方向一致。农业产值比重负向影响农业技术效率和全要素生产率，而且其对农业技术效率的影响显著，对农业全要素生产的影响是不显著的。这与李博等［23］的结论是不一致的，他认为农业在地区经济中的地位越重要，将会导致全要素生产率的改善。研究结论存在差别的可能原因是研究区域和时间区间不同。地区农业产值比重较大，用于农业的投入要素就会越多，但是只有技术要素投入增加，才会使得农业生产率的提高，因此农业产值比重越大，不意味着农业技术效率就会越高。农业劳动力人均机械拥有量对农业效率的影响是显著负向，这与焦源［24］的结论是吻合的，他发现机械化水平与农业生产效率没有必然联系；而机械化水平对全要素生产率有显著促进作用。这可以从二者概念上进行解释，全要素生产率包括了技术进步，而技术效率仅是运用现有的能力。畜牧业产值比重负向影响农业技术效率和全要素生产率，这反映出地区畜牧业地位越重要，就越会抑制农业技术效率的改进，这与MONCHUK等［25］的研究是一致的。

4结论与讨论

使用DEA模型测度东北城市农业生产效率的变化趋势，可以确定农业生产的最佳实践城市，还能为农业生产管理提供借鉴。以这些最佳城市为基准，效率低下的城市可以判断哪些农业要素投入是必要的，以改善农业生产效率。研究表明，36个城市如果按照最佳生产实践从事农业生产，平均可以减少19．6％的要素投入。总的来看，规模效率比技术效率更有效。东北三省的效率得分分布表明，黑龙江的城市技术效率最高，而辽宁的城市规模效率最高。Malmquist分解结果显示，东北三省全要素生产率平均每年增长8％的主要源泉是技术进步。促进农业生产，应重视农业生产效率地提高。研究还发现，规模效率直到2010—2015年才恢复。土地规模化经营促进了规模效率地增长。3个时期纯技术效率持续降低，意味着制定相关政策，加大农业科技投入力度，加强对农民的技术培训很有必要。地区效率存在差异表明，城市之间可以通过技术合作来改善农业效率。该研究还就农业效率的影响因素进行了分析。农业产值比重较大不利于地区农业效率改进；机械化程度对农业技术效率的影响是显著为负的，对全要素生产率的影响是显著正向的；畜牧业产值比重越大越不利于地区农业效率增长。地区产业结构对农业效率提高的影响是负向的；人口结构对农业技术效率和全要素生产率的影响是负向的，但并不显著。财政支农对农业技术效率和全要素生产率增长并无帮助，这与传统观点相左；农业劳动力受教育程度对农业技术效率和全要素生产率的影响是显著正向的，说明教育对农业有“溢出效应”。该研究的政策涵义在于提升东北地区农业部门生产效率，应该调整农业与工业的关系，让工业反哺农业；优化财政支农手段；加大对农业科技和农业教育的投入。该研究的贡献在于通过对东北地级城市农业部门生产效率测度，并对影响农业效率和全要素生产率的因素进行分析，发现政府财政对农业的投入对农业效率有负向影响，这与传统观点并不相符。另外，关于农业效率测度的文献进行了拓展，为农业条件优越地区的农业效率改善有积极借鉴意义。当然，研究也存在一些不足。Malmquist和DEA模型对数据一致性和全面性要求较高。由于客观因素，该研究数据来源于统计年鉴。一些指标，如农业劳动时间和其它指标不包括在模型中。在之后的研究中，要更加注意增强指标数据的一致性和综合性。

作者：王刚毅；刘杰 单位：东北农业大学经济管理学院