中國農業產業化效率及其影響因素

向 琳,李季剛

(1.內江師范學院經濟與管理學院,四川 內江 641000;2.中央財經大學應用經濟學博士后流動站,北京 100081)

中國農業產業化效率及其影響因素

向 琳1,李季剛2

(1.內江師范學院經濟與管理學院,四川 內江 641000;2.中央財經大學應用經濟學博士后流動站,北京 100081)

運用數據包絡分析(DEA)方法對國內各地區的農業產業化效率作整體評價和比較分析,同時運用Tobit模型回歸分析各地區農業產業化的影響因素。分析認為,中國農業產業化雖然整體效率較高,但是各地區存在一定的差異:中部地區農業產業化效率低下主要是源于純技術效率的低下,需要不斷加強和完善相關的制度建設;而西部地區規模效率低下是農業產業化效率的主要障礙,需要不斷提高農業產業化規模。分析結果表明,各地區加快農業產業化進程的同時,提高農業產業化效率才是農業產業化發展的關鍵。

農業產業化;效率;DEA模型;Tobit模型

中國農業產業化始于20世紀80年代,其中東部沿海地區率先建立了外向型農產品生產基地,后來進一步將農業與工業、貿易、服務結合起來,形成了農工貿一體化的產業鏈。隨后,農業產業化問題倍受學界的關注。趙慧峰通過對河北農業產業化的研究,認為科技進步、政府的引導與法律保障對農業產業化進程影響巨大[1]。在相關的模式研究方面,姚文戈、騰代娣通過構建農業產業化的階段識別模型,論證了農業產業化的發展主要受經濟環境的影響[2]。孫新章、成升魁從多角度出發構建了農業產業化的評價指標體系[3]。高云峰以金融深化理論與農業產業化的實踐為基礎,指出金融支農是影響農業產業化發展的關鍵因素[4]。齊成喜、陳柳欽從金融支持農業產業化不足的論證出發,認為需要構建完善的農業產業化的金融支農體系[5]。牛若峰認為農業產業化的組織模式取決于起組織主導作用的企業。李季剛以其他國家農業產業化進程為參照,指出了中國農業產業化的發展模式。總體而言,國內對農業產業化的研究大多數還停留在農業產業化發展的影響因素方面,對農業產業化效率研究的文獻相對較少,而且大多是研究政府財稅補貼政策的效率。沈曉明以59家農業上市公司為研究對象,認為政府補貼政策的影響是消極的[6]。林萬龍運用58家農業上市公司的數據進行實證研究,表明政府對農業產業化龍頭企業的扶持政策缺乏效率[7]。已有文獻表明,中國在農業產業化的過程中,不但政府的支持政策效率低下,農業產業化自身效率低下也是影響農業產業化進程的障礙。要更快更好地推進社會主義新農村的建設,不能僅僅依靠增加農業產業化的投入與政府的財政補貼,還應注重農業產業化自身對資源配置的效率,使農業產業化從粗放型向集約型方向發展。因此,有必要對農業產業化資源配置效率作出科學的評價,并在此基礎上厘清農業產業化績效的影響因素,為推動中國農業產業化的進程提供有益的借鑒。基于以上思考,本文運用DEA數據包絡分析(data envelopment analysis,DEA)模型對各地區農業產業化資源配置效率進行評價和分析,并結合Tobit回歸模型探索農業產業化效率的影響因素。

一、研究方法與模型構建

(一)DEA模型與CCR、BCC模型

DEA是一種非參數的效率評估技術方法。DEA模型將每一個被評價單位作為一個決策單元DMU,本文把各地區看作DMU。DEA模型最早是由Charnes、Cooper和Rhodes提出的假定規模報酬不變(CRS)的投入導向的CCR模型[8],后由Banker、Charnes和Cooper對CCR模型加以改進[9],提出了規模收益可變的BCC模型。CCR線性規劃模型為

min[θ-ε(eTs-0+eTs+0)]

其中,θ為決策單位DMU投入相對于產出的有效性,即發展協調指數;ε為阿基米德無窮小量,即小于任何正數且大于0的數;e=(1,1,…,1)T;s-0為輸入的松弛變量;s+0為輸出的松弛變量;λj為DMU的組合系數;xij為第j個地區的第i種農業產業化投入總量,yij為第j個地區第i種農業產業化的產出總量。

令θ＊、s+0＊、s-0＊、λ＊是給定參數的最優解,若θ＊=1,且s+0＊=0或s-0＊=0,則稱第j個地區為DMU有效;若θ＊=1,且s+0＊≠0或s-0＊≠0,則稱第j地區為DUM弱有效;若θ＊＜1,則稱第j地區為DMU無效。CCR模型中的最優值可以判斷DMU的規模收益情況:若則稱DMU的規模收益不變;若則稱DUM的規模收益遞增;若則稱DMU的規模報酬遞減。

由于很多的相關因素可能導致DMU存在規模報酬變化(VRS),因此,在固定的規模報酬的基礎上,Banker等人增加了一個凸性假設得到BCC模型[9]。通過執行規模報酬不變(CRS)和規模收益可變(VRS)的DEA,可以獲得農業產業化的規模效率。其關系可以表示為

其中,ICTE表示規模收益不變的技術效率得分,IVTE表示規模收益可變的技術效率得分,ISE表示規模效率得分。根據這些指標,本文就可以對中國各地區農業產業化效率作出整體評價。

(二)兩階段法與Tobit模型

為了進一步尋找農業產業化效率的影響因素,本文采用“兩階段法”:第一步,采用DEA模型分析并評估出各地區農業產業化的效率值;第二步,以第一步中得出的效率值作為因變量,以其影響因素指標作為自變量建立回歸模型。由于DEA模型得出的效率值指數在[0,1]之間,數據被截斷,普通最小二乘法估計的參數是嚴重的有偏和不一致。所以,進而采用Tobit回歸分析。該方法可解釋截取數據,以此判斷各影響因素對農業產業化效率的影響程度。

對于第j地區,標準的Tobit模型為

二、研究指標與數據選取

(一)DEA模型指標與數據選取

運用DEA模型對中國農業產業化效率進行評價時,首先要確定農業產業化的各項投入和產出指標。農業產業化的關鍵是在一定的投入規模下實現產出的效果最佳。基于以上考慮,兼顧樣本數據的可比性、可得性、科學性和影響的重要程度,本文構建了農業產業化效率評價的指標體系(表1)。

本文以中國的30個省、自治區和直轄市為決策單元,由于西藏的數據收錄不全,未進行分析。在分析中國區域農業產業化效率時,仍按傳統劃分法分為東部、中部和西部三大地區。東部地區包括河北、北京、天津、廣東、江蘇、遼寧、山東、上海、浙江、福建、海南;中部地區包括安徽、河南、黑龍江、吉林、湖北、湖南、江西、山西;西部地區包括內蒙古、廣西、貴州、云南、四川、重慶、寧夏、青海、甘肅、陜西、新疆。投入產出選取的指標數據來源于《中國統計年鑒》(2008)、《中國經濟年鑒》(2008)、《中國區域經濟統計年鑒》(2008)經過整理組成2007年中國各地區截面數據。

表1 農業產業化投入績效評價指標體系

(二)Tobit模型指標與數據選取

應用Tobit模型時,以DEA模型計算出來的各地區農業產業化的可變規模報酬(VRS)效率值作為因變量,各地區的經濟環境、誠信環境、風險狀況、活力狀況、協調狀況與其他指標(表2)為自變量作回歸分析;各自變量的數值來源于《中國統計年鑒》(2008)、《中國經濟統計年鑒》(2008)、《中國金融年鑒》(2008)、《中國農業年鑒》(2008)、《中國各省市縣大辭典》、《中國區域經濟統計年鑒》(2008)。

表2 農業產業化效率的影響因素指標體系

三、實證分析

(一)農業產業化效率評價

運用DEAP 2.1軟件系統,將表1中各投入產出指標代入求解,得到2007年中國各地區農業產業化的效率評價結果(表3)。

表3 農業產業化效率

1.技術效率

技術效率是技術與規模的綜合效率,表示農業產業化在最大產出下的最小投入。利用技術效率值可以衡量在投入導向下中國各地區農業產業化的投入是否存在不合理現象,即是否存在資源利用的不足或者浪費。從表3可以看出,中國農業產業化的總體效率較高,處于技術效率前沿的有23個省、自治區、直轄市,占總體樣本的76.67%。從三大區域來看,東部地區效率最高,西部地區最低;從數量上看,東部地區處于技術效率前沿的有10個省、直轄市,占所在地區的90.90%,中部地區有5個省,占62.5%,西部地區有8個省、自治區、直轄市,占72.73%。可見,中部地區平均技術效率高于西部地區,但是其有效前沿省份所占比重不及西部地區。

2.純技術效率

純技術效率表示農業產業化在同一規模的最大產出下最小的投入量。利用純技術效率值可以衡量在投入導向下農業產業化的無效率狀態到底有多少是由技術無效率造成的。該指標側重反映相關制度運行的效率和管理水平。從表3看出,處于純技術有效前沿的有25個省、自治區、直轄市,占83.33%。從三大區域來看,東部地區效率最高,中部地區最低。從數量上看,東部地區處于純技術有效前沿的有10個省、直轄市,占所在地區的90.90%,中部地區有6個省,占75%,西部地區有9個省、自治區、直轄市,占81.82%。中部地區不但平均純技術效率低下,而且有效前沿省份所占比重也最低,這充分說明,制度運行效率和管理水平的不足正是困擾中部地區農業產業化的障礙。

3.規模效率

規模效率表示農業產業化在最大產出下技術效率的生產邊界的投入量與最優規模下投入量的比值。規模效率值衡量在投入導向下農業產業化是否處于最優的規模。表3數據表明,中國農業產業化的規模效率從整體來看較高。其中,東部地區所有的省、直轄市均達到規模效率前沿,西部地區最低。從數量上看,東部地區規模效率有效的有10個省、直轄市,占所在地區的90.90%,中部地區有5個,占62.5%,西部地區有8個,占72.73%。這說明農業產業化的最優規模在東部地區,西部地區規模效率最低。

(二)農業產業化效率影響因素回歸分析

為了分析影響農業產業化效率的因素,將數據帶入Tobit模型作回歸分析,運用Eviews 5.1軟件處理后,回歸結果見表4。其中Z統計量是大樣本平均值差異性檢驗值,P值是可信程度的遞減指標。

表4的模型檢驗結果表明,農村信用社的農業貸款回收率對農業產業化效率存在顯著的影響,而其他指標對農業產業化效率的影響并不顯著。這說明,農業產業化效率在很大程度上受當地誠信環境的影響。但是值得關注的是,農村信用社的農業貸款回收率對農業產業化效率的回歸系數為負,也就是說農村信用社的農業貸款回收率的增加,即信用環境的改善并沒有帶動農業產業化效率的提升。

四、結 語

從整體而言,中國農業產業化的平均效率較高,但是各地區存在一定的差異。東部地區農業產業化效率總體高于中部和西部地區。中部地區缺乏效率,主要是純技術效率低下所導致的,為此需要不斷完善相關的制度建設和提高管理水平;西部地區規模效率低下,故需要進一步提高農業產業化規模。從影響農業產業化的因素來看,所有的外部環境都不是影響農業產業化效率的關鍵因素,也就是說,農業產業化自身效率的提高才是推動農業產業化進程的關鍵。

[1] 趙慧峰.國外農業產業化經驗及發展模式比較:兼論對河北省農業發展的借鑒[M].北京:中國物價出版社,2001.

[2] 姚文戈,騰代娣.農業產業化發展階段的實證分析[J].當代經濟研究,2005,16(6):56-58.

[3] 孫新章,成升魁.基于農戶調查資料的區域農業產業化進程評價[J].資源科學,2005,27(1):74-79.

[4] 高云峰.農業產業化發展中的金融約束與金融支持[J].農業經濟問題,2003,24(8):66-69,78.

[5] 齊成喜,陳柳欽.農業產業化經營的金融支持體系研究[J].農業經濟問題,2005,26(8):43-46.

[6] 沈曉明.論農業產業化政策的市場性目標與公益性目標的沖突:兼析農業上市公司的競爭力減弱現象[J].農業經濟問題,2002,23(5):18-22.

[7] 林萬龍,張莉琴.農業產業化龍頭企業政府財稅補貼政策效率:基于農業上市公司的案例研究[J].中國農村經濟,2004,20(10):33-40.

[8] CharnesA,CooperW W,Rhodes E.Measuring the efficiency of decision making unit[J].European Journal of Operational Research,1978,20(2):37-38.

[9] Banker R D,Charnes A,CooperW W.Some models for est imating technical and scale inefficiencies in data envelopment analysis[J].Management Science,1984,16(3):50-51.

Efficiency of China's agricultural industr ialization and its influential factors

X IANGLin1,L IJi-gang2
(1.School of Economics andManagement,NeijiangNormalUniversity,Neijiang 641000,Sichuan,China;2.Post-doctoral Research Center forApplied Economics,Central University of Finance and Economics,Beijing 100081,China)

Based on the data envelopment analysis(DEA),this paper evaluates the efficiency of the China's agricultural industrialization.The paper uses Tobit regression model to analyze the factors impacting the agricultural industrialization.The authors find that the central region has to perfect the agricultural industrialization'smanagement and rule level and the western region needs to improve the scale efficiency.The authors finally suggest that while quickening the agricultural industrialization,it is more i mportant to improve its efficiency.

agricultural industrialization;efficiency;DEA model;Tobitmodel

F304.7

A

1671-6248(2010)03-0077-05

2010-03-01

國家社會科學基金項目(06CJL008);中國博士后科學基金項目(20090450625)

向 琳(1982-),男,四川廣元人,講師。