內部管理效率對農業生產效率影響的實證分析＊

賀正楚，翟歡歡，張 蜜

（1.長沙理工大學 經濟與管理學院，湖南 長沙 410114；2.中國社會科學院 農村發展研究所，北京 100732）

資源節約型、環境友好型農業（簡稱“兩型農業”）的基本要求在于實現農業生產的投入產出最大化，協調促進經濟、社會、生態的可持續發展，因此，發展兩型農業的首要任務就是改變現階段農業生產效率低下的現狀，加速農業科技力量的成長和農業產投效率的提高.從生產發展的源泉來看，增長是生產率提高與投入量增長的結果，而生產率的提高又歸結于技術效率（Technical Efficiency，簡稱TE，即生產處于規模報酬可變的前提下，生產單元投入等量要素下的實際產出與最大產出的距離）改進和技術進步的作用.技術效率揭示了技術進步、技術應用與經濟增長三者之間的關系.技術進步會推動前沿生產曲線向外移動，行業潛在的最大產出能力提高，而技術效率的高低則決定了既有技術水平應用于生產的實現程度.

國內外關于農業生產效率的探索主要集中于技術效率，其測度方法主要有參數法和非參數法.Kawagoe和Hayami對跨地區的農業效率進行研究認為[1］，一個地區的農業生產效率高低與勞動力生產率高低關系不大.Prasada－Rao，Coelli等[2－3］利用聯合國糧農組織的數據，采用數據包絡分析方法測算1980—1995年97個國家的Malmquist指數，以中國為代表的發展中國家農業生產效率水平穩步上升.近年來，國內學者也開始關注農業生產效率的問題.林毅夫[4］利用Cobb－Douglass生產函數，結合省際水平的面板數據，分析了1979—1998年農村改革對中國農業增長的貢獻，指出農村體制改革對農業生產效率有積極推動作用.樊勝根等[5］對中國1952—1997年畜牧業和漁業數據進行了調整，并用Tomqvist－Theil指數法計算了農業全要素生產率，測算結果肯定了政府在農業研究、灌溉以及其他基礎設施建設投資對促進中國農業生產的長期增長所起的巨大作用.涂俊等[6］運用DEA－Tobit兩步法對中國區域內農業創新系統效率及影響因素進行了分析，結果表明，農村基礎教育水平、市場建設以及技術服務和推廣人員工資水平這些因素，對縣域農業創新系統效率具有顯著的影響，而政府科技經費與中、高等教育水平并不具有顯著的影響.

上述學者從技術效率的內在構成或外在客觀生產函數角度剖析了農業生產技術效率的問題.由于農業生產效率與技術效率緊密相關，技術效率通常要受到外部環境效應、內部管理效率以及隨機誤差這3個因素的影響.內部管理效率因素是內生的，外部環境效應和隨機誤差兩個因素是外生的.本研究為了測算內部管理效率這一內生因素對生產效率的客觀影響，通過構建DEA 3階段模型，去除外部環境效應和隨機誤差這兩個外生因素對技術效率值的干擾，剖析農業生產效率變動的內在作用機理.

1 3階段DEA模型的構建

1.1 第1階段：傳統的DEA模型

數據包絡分析（簡稱DEA）是一種最常見的基于線性規劃技術的非參數前沿效率分析方法.1978年美國運籌學家Charnes，Cooper和Rhodes首次提出了C2R模型，這標志著DEA作為新的研究領域的開始.運用DEA可以考察農業生產在生產前沿面上的技術有效性和規模有效性.本研究所構建的模型的起點，就是利用DEA的2個基本模型C2R和BC2，這2個模型可以分別用來測算兩型農業生產的技術效率（TE）和純技術效率（Pure Technical Efficiency，簡稱PTE，即生產處于規模報酬不變的前提下，實際生產點與生產可能性曲線差距的測度）.

在規模報酬不變的情況下，引入對偶變量λ1，λ2，…，λn；θ和松弛變量s，傳統的 DEA 模型即Input－C2R模型的數學表達式為：

minθ

式中：θ為各決策單元（Decision Making Unit）的技術效率值（TE）.在考慮規模報酬可變的情況下，Input－BC2模型數學表達式為：

minη

式中：η為各決策單元的純技術效率值（PTE）.利用評價對象在既定產出水平下的最優投入值x＊0＝ηx0－s－和上述2個模型的測算結果，可求得各DMU規模效率SE（Scale Efficiency，反映要素投入產出比例的相對變化），

要找出農業生產效率低效的原因，就要將外部環境效應、內部管理效率以及隨機誤差對生產效率值的各自影響分開.由于應用傳統的DEA模型只會得到一個合成的生產效率值，這無法反映造成生產效率低效的真正原因.因此，要想客觀評價各研究對象的生產效率，就要設法剝離外生因素對生產要素投入的影響，x0與x＊0之差值即為第2階段需要調整的投入額.為此轉入第2階段的SFA模型.

1.2 第2階段：構建SFA模型

第2階段模型構建的主要任務是估計外部環境變量對各決策單元效率值的影響，進行投入變量的差額分析，將外部環境效應和隨機誤差這兩個外生因素剝離出來.Fried等[7－8］認為通過構建SFA模型可分別測算出外部環境效應、隨機誤差和內部管理效率這3個因素的作用大小，從而得出僅由內部管理無效率這一因素造成的DMU投入冗余.本文在Fried研究思路的基礎上更進一步，即：為了對應第1階段的投入型DEA模型，本文建立以投入為導向的SFA模型，分別對M個決策單元的N個投入差額變量進行分析.投入差額變量表達式如下：

式中：sij≥0，xij為決策單元i第j項投入的實際值；x＊ij為決策單元i第j項投入的理想值.以第1階段得到的sij為因變量，外部環境解釋因素zi為自變量，構建SFA回歸方程：

式中：fj（zi，β）為外部環境變量對投入差額值sij的影響方式，一般取為外部環境解釋變量zi的回歸系數；νij＋υij為復合隨機項，假設νij＋N（0，δj2ν）表示決策單元i第j項投入的隨機誤差，νij－N＋（μj，δj2ν）為內部管理無效率擾動項，νij與υij不相關.由上述隨機項的設定可以看出，剔除外在因素對生產效率的影響，首先要把復合誤差項中的隨機擾動項分離出來.管理無效率的條件估計為：

通過SFA方程回歸后，分別得到外部環境效應對生產效率的影響和隨機誤差影響，故可調整外生因素對投入額的干擾，從而較為客觀地測度各決策單元的實際生產效率.基于最有效的DMU，以其投入量為基準，對其他各樣本的投入量進行調整，調整后的要素投入量為：

1.3 第3階段：調整后的DEA模型

將調整后的DMU投入量x′ij與原始產出值xij再次運用第1階段的兩個DEA模型進行評價，所求得各DMU的生產效率值即為去除了外部環境效應和隨機誤差后的效率值.

2 實證分析

2.1 樣本選取與數據說明

基于對兩型農業生產本質要求及外在特征的理解，同時兼顧評價指標的可得性、可量化性、可靠性原則，本文分別提取反映中國31個省市的投入產出指標、外部環境變量指標.文中數據分別來源于《中國統計年鑒2009》、《中國農村統計年鑒2009》和中國三農網（http：//www.nnn.net.cn/）和中國三農信息網（http：//www.sannong.gov.cn/）的部分統計數據.

2.2 指標選取

2.2.1 投入產出指標的選取

兩型農業是針對傳統農業生產過程中高能耗、低產出的不足提出的現代化農業，其基本要求是實現資源的高效利用，經濟效益最大化.同時，兩型農業緊緊圍繞轉變農業發展方式，以資源綜合循環利用和農業生態環境建設保護為重點，大力發展循環農業、生態農業、集約農業等有利于節約資源和保護環境的農業形態，促進經濟、社會、資源的可持續發展，人與自然的和諧發展.因此，投入產出指標的選取必須從經濟、人類、社會、資源4個方面來考慮.投入指標包括農用化肥施用量、農藥使用量、農業機械總動力和糧食播種面積4項；相應地，產出指標包括農業總產值、糧食總產量、農業純收入和造林面積.

2.2.2 外部環境變量的選取

兩型農業生產作為一個體系，其生產過程既不是單純的經濟活動，也不是孤立的技術活動，而是一個由自然、社會、經濟相耦合的復雜系統.作為兩型農業生產體系中的外部環境變量，是指影響各決策單元效率但不在樣本主觀可控范圍內的因素.因此，外部環境變量的甄選需充分考慮自然、社會、經濟3個方面的影響，本文選取以下幾個變量作為外部環境因子：

1）第二、三產業GDP.農業生產由第二、三產業提供物質資料支持和技術支撐，三大產業的發展具有高度的聯動性，因此，第二、三產業的生產效益在很大程度上決定了現代農業的發展水平.

2）地方財政支出.農業生產的規模、效率需要相匹配的基礎設施建設與之相適應，而地方財政支出則主要用于地方農業基礎設施的建設.

3）公路里程數.公路里程數意味著交通的發達程度，它在一定程度上反映了市場信息傳遞、物質資料配送的發展水平.在市場經濟條件下，信息傳播渠道以及農產品運輸是否通暢決定了技術推廣能否廣泛開展，農業創造價值能否充分實現，社會再生產能否順利進行.

外部環境變量的各變量統計描述性特性如表1所示.

表1 各變量描述性統計特性Tab.1 Descriptive statistics of variables

3 實證結果及分析

3.1 第1階段傳統DEA實證分析結果

第1階段運用Deap 2.1軟件對中國31個省市的效率水平和規模報酬進行了分析，結果如表2所示.在不考慮外部環境效應和隨機誤差影響時，新型農業生產的平均技術效率為0.744，平均純技術效率為0.79，平均規模效率為0.944.其中北京市、天津市等9個省市的技術效率較高，表明這些省市處于技術效率前沿.北京市、天津市等15個省市的純技術效率較高，表明這些省市處于純技術效率前沿.這說明純技術效率不是制約中國各省市技術效率提高的瓶頸.從規模報酬的情況大致來看，東北部以及西部11個省市規模報酬處在不變的水平上，而位于中部及東南的5個省份（河南、湖北、安徽、廣西、福建）則呈現出規模報酬遞增的發展態勢，擴大兩型農業的生產規模有利于生產技術效率的提高.

表2 第1階段DEA評價結果Tab.2 Evaluation outcomes of first－stage DEA

3.2 第2階段SFA回歸分析結果

由第1階段實證結果可得出各決策單元投入變量的松弛量，將其作為SFA方程的被解釋變量，第二、三產業GDP、地方財政支出、公路里程數作為解釋變量.運用Frontier4.1軟件對各參數進行最大似然估計，各參數估計值如表3所示.

從表3中可知，以松弛變量為被解釋變量的回歸方程中γ值均趨近于0，且在各顯著性水平下都不顯著，這說明分析中不能拒絕γ＝0的原假設，即內部管理無效率對各松弛變量的影響近乎沒有，主要是由隨機誤差所決定.因此，對于這些回歸方程使用SFA技術，并不太合適，但這也從另外一方面探索了解釋松弛變量變動的影響要素.

從回歸方程的系數來看，第二、三產業GDP對各松弛變量的影響β1均未通過顯著性檢驗，因而表明第二、三產業的發展對農業的生產效率沒有明顯的影響；地方財政支出對各松弛變量的影響β2效果甚微；公路里程數所代表的科技信息與農產品價值實現渠道對各松弛變量影響β3并不一致，但從總體作用效果來看，交通便利利于農業科技廣泛應用，資源得到有效配置.上述各回歸系數的影響方向與相關經濟理論相一致，實證結果基本達到預期效果.

表3 第2階段SFA回歸估計結果Tab.3 Evaluation outcomes of second－stage SFA

3.3 第3階段投入修正后的DEA評價結論

由第2階段所估計出的參數，結合Fried等（2002）提出的原理對原始投入量進行外部環境效應和隨機誤差調整.將調整后的投入值以及原始產出值再次運用Deap 2.1進行DEA分析，結果如表4所示.

對比第1階段和第3階段的結果，容易發現，剔除外部環境因素和隨機誤差影響后，各省市的生產效率值發生了顯著變化.對于原來的技術效率無效的幾個省市而言，其技術效率值均大幅上升，在去除上述兩大因素的影響后，其技術效率狀態也落在生產前沿曲線上，這表明外部環境因素以及隨機誤差對技術效率起著負面作用，直接遏制了各省市充分利用技術進步提高生產效率的能力.

純技術效率體現的是生產規模可變時，生產實際狀況與生產前沿面的距離.從調整后的純技術效率來看，各省市大部分位于有效前沿上或者近似有效，再次證明了純技術效率對生產技術效率的貢獻，也為提高中國技術效率指明了發展的重點和方向.

從調整后的規模效率來看，外部環境效應與隨機誤差的影響不再是單方向的，部分省份因投入的調整，其生產與有效面的距離變大，由此可見，外生因素對中國各省市農業生產規模效率變化的影響是不確定的.

對于中國大部分省市而言，其農業生產規模處在規模報酬遞減的發展水平上，這就要求在現有農業發展規?；A上，更加注重新型農業、現代農業的精髓，合理調整安排農業的生產布局，實現農業由量到質的深層次轉變；對于那些處于規模報酬遞增的省份而言，如安徽、福建、湖南等省則需進一步擴大現代農業的生產規模，實現地區經濟、社會、生態的整合發展.

表4 第3階段調整投入值DEA評價結果Tab.4 Evaluation outcomes of third－stage DEA

4 政策建議

表4的實證分析證明，中國兩型農業平均技術效率和平均純技術效率分別達到0.743和0.782，平均規模效率是0.818.這些平均值相對于生產有效前沿的最大值1，說明各省市整體農業生產效率水平較高.如果將技術效率測度值大于0.8的省市劃分為農業發展生產效率第1階梯，0.6～0.8劃分為第2階梯，其他省市則歸為第3階梯，那么中國新型農業發展的生產效率分布并沒有呈現出明顯的地域差距，如表5所示.

表5 中國31個省市兩型農業生產效率分布Tab.5 Agri－production efficiency distribution

從規模報酬的角度來看，中部省份中湖南、湖北、安徽3省處在規模報酬遞增階段，這要求政府部門加大農業基礎設施的建設，增加農業支出在財政支出中的比例，通過加強現代農業和重要商品糧基地建設，不斷引入新技術，進一步開發利用和推廣農業增產技術，對傳統農業進行改造；其次，大力發展優質、安全、生態農業.切實把農業發展轉移到依靠科技進步上來，加快運用高新技術和生物技術改造提高傳統農業，發揮各中部地區自然資源優勢，改善農作物品質和結構.

對于東部大部分省市而言，其生產規模并沒有達到最優水平上，相應的技術效率也參差不齊，故發展水平的提升不能通過簡單的擴大或縮小規模方式來實現.兩型農業發展的戰略重點：一是農業產業化戰略，以推進農業產業化經營為目標，推進清潔生產技術和廢棄物資源化技術在農業中的廣泛應用，以傳統優勢農產品精加工、深加工為紐帶的產業鏈延伸型的循環農業模式.二是農業綠色化戰略.以農業生態環境保護為重點，開發以資源節約、生態農業、綠色食品開發為目標的生態保護型循環農業.三是農業品牌化戰略，利用高新技術改造農業各子產業，推動農業結構調整，把農業真正轉向名、優、特、稀產品的生產上來.

對于西部地區而言，云南、西藏、青海、寧夏4個省份的發展水平均處在生產有效前沿上，這表明上述省份在自然環境處于劣勢的客觀條件下，其兩型農業的發展可以本著發揮優勢、突出特色的原則，切實抓好草原生態建設、特色農業、畜牧業、退耕還林還草、旱作節水農業和農業基礎設施建設等重點領域.在發展模式上，對傳統的農業生產和經營方式進行深刻變革，依靠農業的產業化經營和集約化經營，實現高起點和跨越式發展.

[1]KAWAGOE T，HAYAMI Y.An intercountry comparison of agricultural production efficiency[J］.American Journal of Agricultural Economics，1985（8）：162－177.

[2]PRASADA－RAO D S，COELLI T J .Catch－up and convergence in global agricultural productivity[J］.Indian Economic Review，2004（39）：123－148.

[3]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）：325－332.

[4]林毅夫.再論制度，技術與中國農業發展[M］.北京：北京大學出版社，2000：103－123.LIN Yi－fu.Re－discussion on the system，technology and agricultural development in China[M］.Beijing：Beijing University Press，2000：103－123.（In Chinese）

[5]樊勝根，張小波.中國農村公共投資研究[M］.北京：中國農業出版社，2002：79－82.FAN Sheng－gen，ZHANG Xiao－bo.Study on public investment in rural areas[M］.Beijing：China Agriculture Press，2002：79－82.（In Chinese）

[6]涂俊，吳貴生.基于DEA－Tobit兩步法的區域農業創新系統評價及分析[J］.數量經濟技術經濟研究，2006，22（4）：136－145.TU Jun，WU Gui－sheng.The evaluation and analysis of regional agro－innovation systems by DEA－Tobit two stage method[J］.The Journal of Quantitative ＆ Technical Economics，2006，22（4）：136－145.（In Chinese）

[7]FRIED H O，LOVELL C A.Accounting for environmental effects and statistical noise in data envelopment analysis[J］.Journal of Productivity Analysis，2002（17）：157－174.

[8]JAMES J，LOVELL C A.On the estimation of technical inefficiency in the stochastic frontier production function model[J］.Journal of Econometrics，1982（19）：233－238.