本站小編為你精心準備了地區(qū)農(nóng)業(yè)生產(chǎn)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(fā)您的寫作靈感。歡迎深入閱讀并收藏。

摘要：運用非參數(shù)數(shù)據(jù)包絡分析（DEA）和Malmquist指數(shù)測度東北三省36個城市農(nóng)業(yè)部門2000—2015年生產(chǎn)效率及其變化趨勢，并對影響農(nóng)業(yè)技術(shù)效率和全要素生產(chǎn)率增長的因素進行實證分析。結(jié)果表明：東北地區(qū)農(nóng)業(yè)投入產(chǎn)出的平均純技術(shù)效率為0．805，農(nóng)業(yè)生產(chǎn)率還有較大提升空間；Malmquist指數(shù)分解結(jié)果表明，全要素生產(chǎn)率年均增長率為8％的主要源泉是技術(shù)進步；農(nóng)業(yè)勞動力受教育水平改善對農(nóng)業(yè)技術(shù)效率和全要素生產(chǎn)率增長有促進作用，機械化水平提高有利于東北地區(qū)農(nóng)業(yè)全要素生產(chǎn)率增長。

關(guān)鍵詞：農(nóng)業(yè)生產(chǎn)效率；數(shù)據(jù)包絡分析；Malmquist指數(shù)

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(zhàn)。農(nóng)業(yè)生產(chǎn)率增長是保障地區(qū)糧食安全的關(guān)鍵，農(nóng)業(yè)生產(chǎn)效率在提高糧食產(chǎn)量中的作用已經(jīng)得到學者和政策制定者的高度認可。BARROS等［1］強調(diào)效率是促進農(nóng)業(yè)生產(chǎn)的重要手段，引發(fā)了全球?qū)r(nóng)業(yè)技術(shù)效率的研究。農(nóng)業(yè)生產(chǎn)率改善對國民經(jīng)濟增長至關(guān)重要，發(fā)展中國家對農(nóng)業(yè)技術(shù)效率的研究得到學界極大關(guān)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，F(xiàn)AR－RELL［4］引入了將經(jīng)濟效率分解為技術(shù)效率和分配效率的方法。按照FARRELL的定義［4］，技術(shù)效率是生產(chǎn)單位在投入給定情形下的最大產(chǎn)出能力，分配效率是產(chǎn)出給定情形下確定最佳投入比例的能力，而經(jīng)濟效率是衡量總體績效的指標，是技術(shù)效率和分配效率的綜合結(jié)果。生產(chǎn)效率的測度方法包括參數(shù)（隨機前沿生產(chǎn)函數(shù)）和非參數(shù)（DEA）方法。近年來，遙感、EPIC模型等先進技術(shù)已經(jīng)被廣泛應用于農(nóng)業(yè)生產(chǎn)效率研究［5］。

1文獻回顧與研究方法

1．1文獻回顧

農(nóng)業(yè)生產(chǎn)效率是指在現(xiàn)有技術(shù)條件限制下，相對于標準化生產(chǎn)，農(nóng)業(yè)系統(tǒng)或生產(chǎn)單位在要素投入和產(chǎn)出方面的相對表現(xiàn)［6］。為了增加農(nóng)業(yè)產(chǎn)出，各國政府制定了旨在改進本國農(nóng)業(yè)生產(chǎn)效率的政策，現(xiàn)有研究引入了各種方法試圖提高農(nóng)業(yè)生產(chǎn)效率。NDLOVU等［7］對常規(guī)和傳統(tǒng)農(nóng)業(yè)生產(chǎn)效率進行了比較，發(fā)現(xiàn)農(nóng)民在常規(guī)農(nóng)業(yè)中的產(chǎn)出比傳統(tǒng)農(nóng)業(yè)增長了39％，這對土地數(shù)量有限的農(nóng)民是有利的。JAIME等［8］研究表明，參與生產(chǎn)組織的農(nóng)民生產(chǎn)效率較高，政府應完善農(nóng)業(yè)組織參與空間，為生產(chǎn)性組織提供指導。黃金波等［9］發(fā)現(xiàn)，土地細碎化與農(nóng)業(yè)生產(chǎn)效率存在負相關(guān)關(guān)系，減少土地細碎化的措施是必要的。GAL－LEGO等［10］回顧了發(fā)達國家農(nóng)業(yè)發(fā)展的經(jīng)驗，指出農(nóng)業(yè)R＆D投入對提升全球農(nóng)業(yè)生產(chǎn)效率有積極作用。改革開放以來，中國農(nóng)業(yè)生產(chǎn)效率問題成為學者們關(guān)注的熱門話題。關(guān)于中國農(nóng)業(yè)生產(chǎn)效率的研究主要集中在2個方面：一是樣本期間內(nèi)的生產(chǎn)效率測度與分析［11］；二是農(nóng)業(yè)生產(chǎn)效率的影響因素研究［12］。上述許多研究使用的多是省級農(nóng)業(yè)數(shù)據(jù)，但是省級總量的農(nóng)業(yè)數(shù)據(jù)可能并不能表達地區(qū)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(shù)據(jù)來測度中國農(nóng)業(yè)生產(chǎn)效率，這無法描述農(nóng)業(yè)生產(chǎn)效率的變化過程。該研究為測度東北地區(qū)農(nóng)業(yè)部門的生產(chǎn)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(shù)據(jù)。該研究試圖在以下方面對現(xiàn)有文獻進行拓展：1）使用數(shù)據(jù)包絡分析（DEA）方法來測度東北地區(qū)農(nóng)業(yè)部門的生產(chǎn)效率；2）使用Malmquist生產(chǎn)率指數(shù)來反映農(nóng)業(yè)生產(chǎn)率隨時間的變化過程；3）使用Tobit法來分析影響東北地區(qū)農(nóng)業(yè)部門生產(chǎn)效率的主要因素。該文擴展了對農(nóng)業(yè)相對發(fā)達地區(qū)農(nóng)業(yè)生產(chǎn)效率的測度研究，以期為東北地區(qū)農(nóng)業(yè)生產(chǎn)進一步發(fā)展指明改進方向。

1．2研究方法

1．2．1研究區(qū)域研究區(qū)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(qū)因其肥沃土壤和優(yōu)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(yè)基地。2015年，中國東北地區(qū)糧食產(chǎn)量達到119．7萬t，占全國糧食產(chǎn)量的19％，最重要的糧食作物為稻谷、玉米和豆類。東北地區(qū)耕地面積2145萬hm2，占中國耕地面積的17．62％。農(nóng)業(yè)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(lián)產(chǎn)承包責任制和技術(shù)進步促進了該地區(qū)農(nóng)業(yè)生產(chǎn)效率增長。東北地區(qū)農(nóng)業(yè)集約化水平較高，為現(xiàn)代農(nóng)業(yè)發(fā)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(guī)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(guī)模經(jīng)營情形。BANKER等［15］建議擴展規(guī)模報酬不變情形下的DEA模型以評估規(guī)模報酬可變（VRS）下的效率，它能更準確地反映DMU經(jīng)營管理水平。DEA可以是投入或產(chǎn)出型的，前者是在產(chǎn)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(chǎn)出效率。在農(nóng)業(yè)生產(chǎn)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(guī)模報酬可變的投入型DEA模型。

1．2．3Malmquist指數(shù)Malmquist指數(shù)由CAVES等［16］基于距離函數(shù)建立，它以數(shù)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(shù)據(jù)測算Malmquist生產(chǎn)率指數(shù)。

2數(shù)據(jù)說明及實證結(jié)果

2．1數(shù)據(jù)說明研究

區(qū)域覆蓋中國東北地區(qū)三省（黑、吉、遼）36個地級城市。選取農(nóng)林牧漁總產(chǎn)值為農(nóng)業(yè)產(chǎn)出指標、第一產(chǎn)業(yè)勞動力、農(nóng)業(yè)機械總動力、農(nóng)作物播種總面積和化肥施用量作為農(nóng)業(yè)投入指標。產(chǎn)出變量為36個地市以2000年為基期的實際農(nóng)林牧漁總產(chǎn)值，之所以選用農(nóng)林牧漁總產(chǎn)值而不是增加值指標，是因為農(nóng)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(chǎn)業(yè)勞動力主要指的是從事農(nóng)業(yè)的勞動力數(shù)量，不從事農(nóng)業(yè)生產(chǎn)的農(nóng)村人口不在農(nóng)業(yè)勞動力范圍內(nèi)。農(nóng)業(yè)機械總動力指的是用于農(nóng)業(yè)的各種機械動力總和。農(nóng)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(shù)據(jù)均來自2001—2016年《遼寧統(tǒng)計年鑒》《吉林統(tǒng)計年鑒》《黑龍江統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》。

2．2農(nóng)業(yè)部門技術(shù)效率與規(guī)模效率

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

2．3Malmquist指數(shù)分解

將Malmquist指數(shù)分解為效率變化（EFFI）指數(shù)和技術(shù)變化（TECH）指數(shù)。為了分析規(guī)模效率變化，進一步將效率變化指數(shù)分解為純技術(shù)效率（PUREFF）指數(shù)和規(guī)模效率（SCAL）指數(shù)。為了獲得每個地級市的Malmquist（MALM）指數(shù)和其它指標，使用DEAP2．1來計算輸出距離函數(shù)。結(jié)果顯示，遼寧、吉林、黑龍江和東北地區(qū)平均農(nóng)業(yè)生產(chǎn)增長率（MALM）分別為7．9％、6．7％、9．4％和8．2％（表1）。農(nóng)業(yè)生產(chǎn)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(chǎn)出增長率。平均來看，東北地區(qū)技術(shù)變化指數(shù)上漲了7．9％，遼寧和黑龍江效率變化指數(shù)有所上升，吉林效率變化指數(shù)下降了0．9％。技術(shù)變化和技術(shù)效率指數(shù)增加表明，東北地區(qū)農(nóng)業(yè)生產(chǎn)率的提高源于技術(shù)創(chuàng)新和技術(shù)效率改善。但是，技術(shù)效率增長幅度較小，這是由于規(guī)模效率下降導致的。

3農(nóng)業(yè)技術(shù)效率和農(nóng)業(yè)全要素生產(chǎn)率的影響因素分析

在對東北地區(qū)農(nóng)業(yè)部門技術(shù)效率、規(guī)模效率和全要素生產(chǎn)率分析后，使用上述結(jié)果對影響東北地區(qū)農(nóng)業(yè)技術(shù)效率和農(nóng)業(yè)全要素生產(chǎn)率的因素進行統(tǒng)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(shù)據(jù)限制，選取的影響因素有：1）農(nóng)業(yè)結(jié)構(gòu)。使用東北三省36個市的農(nóng)業(yè)產(chǎn)值比重、農(nóng)業(yè)勞動力人均機械擁有量和畜牧業(yè)產(chǎn)值比重來衡量地區(qū)農(nóng)業(yè)結(jié)構(gòu)。農(nóng)業(yè)產(chǎn)值比重越大，政府對農(nóng)業(yè)發(fā)展就會越重視，農(nóng)業(yè)發(fā)展模式就會有很大區(qū)別，對農(nóng)業(yè)技術(shù)效率和全要素的影響是較大的。農(nóng)業(yè)機械化是現(xiàn)代農(nóng)業(yè)發(fā)展的重要條件，對農(nóng)業(yè)生產(chǎn)效率的改善是不言而喻的［20］。畜牧業(yè)在農(nóng)業(yè)中占據(jù)著重要地位，生產(chǎn)方式與種植業(yè)也有所區(qū)別，畜牧業(yè)對農(nóng)業(yè)生產(chǎn)效率的改善是否有效，值得探討。2）地區(qū)產(chǎn)業(yè)和人口結(jié)構(gòu)。地區(qū)產(chǎn)業(yè)結(jié)構(gòu)用工業(yè)產(chǎn)值比重來衡量，人口特征用城市農(nóng)村人口比重來表征。工業(yè)對農(nóng)業(yè)有是雙重影響，一方面工業(yè)反哺農(nóng)業(yè)，為農(nóng)業(yè)發(fā)展提供技術(shù)、化肥等要素；另一方面，工業(yè)規(guī)模過大會搶奪農(nóng)業(yè)資源，抑制農(nóng)業(yè)發(fā)展。農(nóng)村人口占比也會影響農(nóng)業(yè)生產(chǎn)效率，農(nóng)村人口占比越大，農(nóng)業(yè)勞動力比重就越大，農(nóng)業(yè)生產(chǎn)效率就越低［21］。3）財政支農(nóng)力度。用政府財政支農(nóng)支出比重來評估財政支農(nóng)力度對農(nóng)業(yè)生產(chǎn)效率的影響。財政支農(nóng)支出通過支出農(nóng)業(yè)技術(shù)研發(fā)、增加農(nóng)業(yè)要素投入來改善農(nóng)業(yè)生產(chǎn)率。4）農(nóng)業(yè)勞動力受教育程度。用每百名農(nóng)業(yè)勞動力中高中及以上受教育程度的人口來衡量教育對農(nóng)業(yè)生產(chǎn)效率的影響程度。農(nóng)業(yè)教育對農(nóng)業(yè)產(chǎn)出有促進作用，但是農(nóng)村人才流失嚴重，教育對農(nóng)業(yè)生產(chǎn)率的影響有待考察［22］。采用Tobit模型來分析農(nóng)業(yè)技術(shù)效率和全要素生產(chǎn)率與其影響因素的關(guān)系。回歸結(jié)果見表4。豪斯曼檢驗結(jié)果表明應選用固定效應模型。CRS和VRS2種情形下農(nóng)業(yè)生產(chǎn)效率的影響因素作用方向一致。農(nóng)業(yè)產(chǎn)值比重負向影響農(nóng)業(yè)技術(shù)效率和全要素生產(chǎn)率，而且其對農(nóng)業(yè)技術(shù)效率的影響顯著，對農(nóng)業(yè)全要素生產(chǎn)的影響是不顯著的。這與李博等［23］的結(jié)論是不一致的，他認為農(nóng)業(yè)在地區(qū)經(jīng)濟中的地位越重要，將會導致全要素生產(chǎn)率的改善。研究結(jié)論存在差別的可能原因是研究區(qū)域和時間區(qū)間不同。地區(qū)農(nóng)業(yè)產(chǎn)值比重較大，用于農(nóng)業(yè)的投入要素就會越多，但是只有技術(shù)要素投入增加，才會使得農(nóng)業(yè)生產(chǎn)率的提高，因此農(nóng)業(yè)產(chǎn)值比重越大，不意味著農(nóng)業(yè)技術(shù)效率就會越高。農(nóng)業(yè)勞動力人均機械擁有量對農(nóng)業(yè)效率的影響是顯著負向，這與焦源［24］的結(jié)論是吻合的，他發(fā)現(xiàn)機械化水平與農(nóng)業(yè)生產(chǎn)效率沒有必然聯(lián)系；而機械化水平對全要素生產(chǎn)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(chǎn)率包括了技術(shù)進步，而技術(shù)效率僅是運用現(xiàn)有的能力。畜牧業(yè)產(chǎn)值比重負向影響農(nóng)業(yè)技術(shù)效率和全要素生產(chǎn)率，這反映出地區(qū)畜牧業(yè)地位越重要，就越會抑制農(nóng)業(yè)技術(shù)效率的改進，這與MONCHUK等［25］的研究是一致的。

4結(jié)論與討論

使用DEA模型測度東北城市農(nóng)業(yè)生產(chǎn)效率的變化趨勢，可以確定農(nóng)業(yè)生產(chǎn)的最佳實踐城市，還能為農(nóng)業(yè)生產(chǎn)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(nóng)業(yè)要素投入是必要的，以改善農(nóng)業(yè)生產(chǎn)效率。研究表明，36個城市如果按照最佳生產(chǎn)實踐從事農(nóng)業(yè)生產(chǎn)，平均可以減少19．6％的要素投入。總的來看，規(guī)模效率比技術(shù)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(shù)效率最高，而遼寧的城市規(guī)模效率最高。Malmquist分解結(jié)果顯示，東北三省全要素生產(chǎn)率平均每年增長8％的主要源泉是技術(shù)進步。促進農(nóng)業(yè)生產(chǎn)，應重視農(nóng)業(yè)生產(chǎn)效率地提高。研究還發(fā)現(xiàn)，規(guī)模效率直到2010—2015年才恢復。土地規(guī)模化經(jīng)營促進了規(guī)模效率地增長。3個時期純技術(shù)效率持續(xù)降低，意味著制定相關(guān)政策，加大農(nóng)業(yè)科技投入力度，加強對農(nóng)民的技術(shù)培訓很有必要。地區(qū)效率存在差異表明，城市之間可以通過技術(shù)合作來改善農(nóng)業(yè)效率。該研究還就農(nóng)業(yè)效率的影響因素進行了分析。農(nóng)業(yè)產(chǎn)值比重較大不利于地區(qū)農(nóng)業(yè)效率改進；機械化程度對農(nóng)業(yè)技術(shù)效率的影響是顯著為負的，對全要素生產(chǎn)率的影響是顯著正向的；畜牧業(yè)產(chǎn)值比重越大越不利于地區(qū)農(nóng)業(yè)效率增長。地區(qū)產(chǎn)業(yè)結(jié)構(gòu)對農(nóng)業(yè)效率提高的影響是負向的；人口結(jié)構(gòu)對農(nóng)業(yè)技術(shù)效率和全要素生產(chǎn)率的影響是負向的，但并不顯著。財政支農(nóng)對農(nóng)業(yè)技術(shù)效率和全要素生產(chǎn)率增長并無幫助，這與傳統(tǒng)觀點相左；農(nóng)業(yè)勞動力受教育程度對農(nóng)業(yè)技術(shù)效率和全要素生產(chǎn)率的影響是顯著正向的，說明教育對農(nóng)業(yè)有“溢出效應”。該研究的政策涵義在于提升東北地區(qū)農(nóng)業(yè)部門生產(chǎn)效率，應該調(diào)整農(nóng)業(yè)與工業(yè)的關(guān)系，讓工業(yè)反哺農(nóng)業(yè)；優(yōu)化財政支農(nóng)手段；加大對農(nóng)業(yè)科技和農(nóng)業(yè)教育的投入。該研究的貢獻在于通過對東北地級城市農(nóng)業(yè)部門生產(chǎn)效率測度，并對影響農(nóng)業(yè)效率和全要素生產(chǎn)率的因素進行分析，發(fā)現(xiàn)政府財政對農(nóng)業(yè)的投入對農(nóng)業(yè)效率有負向影響，這與傳統(tǒng)觀點并不相符。另外，關(guān)于農(nóng)業(yè)效率測度的文獻進行了拓展，為農(nóng)業(yè)條件優(yōu)越地區(qū)的農(nóng)業(yè)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(shù)據(jù)一致性和全面性要求較高。由于客觀因素，該研究數(shù)據(jù)來源于統(tǒng)計年鑒。一些指標，如農(nóng)業(yè)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(shù)據(jù)的一致性和綜合性。

作者：王剛毅；劉杰 單位：東北農(nóng)業(yè)大學經(jīng)濟管理學院