我國水稻主產區生產效率及影響因素研究

吉星星，毛世平，劉瀛弢，吳敬學

(1中國農業科學院農業經濟與發展研究所,北京　100081； 2中國農業科學院財務局，北京　100081)

?

我國水稻主產區生產效率及影響因素研究

吉星星1，毛世平1，劉瀛弢2，吳敬學1

(1中國農業科學院農業經濟與發展研究所,北京100081；2中國農業科學院財務局，北京100081)

摘要：采用DEA-Tobit兩步法研究了我國水稻主產區在1997—2014年間的生產效率及影響因素。研究發現，東北平原水稻生產效率最高，長江流域次之，東南沿海最低；在影響水稻生產效率的因素中，人均收入水平、科技發展水平、收入依賴程度、市場化水平對水稻生產效率有顯著的正向影響，基礎教育水平有方向性的正向影響，自然災害有方向性的負向影響。在此基礎上本文提出了提高我國水稻生產效率、保障糧食安全的政策建議。

關鍵詞：水稻；生產效率；影響因素；糧食供給；口糧安全

我國是水稻生產大國，水稻是我國三大糧食作物之一。1997年我國水稻產量為20 073.6萬t，達到了當時歷史上的最高水平，自1998年開始，我國水稻產量開始直線下降，到2003年已經降到了16 065.5萬t；自2004年開始，我國水稻產量又開始恢復上漲，自此獲得“十一連增”，水稻總產量到2014年已經增長到了20 650萬t，恢復了下降前的水平。目前我國經濟進入新常態，經濟增速放緩，通過要素投入獲得產量增長的粗放型增長模式將難以為繼，因此迫切需要提高水稻的生產效率來保證口糧供給和糧食安全。在水稻產量下降后又上升的這一時期內我國水稻主產區的生產效率如何？有哪些因素會對水稻生產效率產生影響？這是本文將要研究的主要內容。

目前國內對于水稻生產效率的研究已有一定的成果，從方法和視角等方面進行劃分可以分為三類。第一類是利用非參數方法對水稻產業整體情況進行分析，如周宏、陳曉東[1，2]利用傳統的DEA方法對中國水稻產業的生產效率進行了分析；王明利等[3]運用基于DEA 分析法的Malmquist指數對我國不同種類水稻的生產效率進行了分析；陳超等[4]采用Kaoru Tone在2001年修正的非徑向SBM模型的方法考察了1978—2005年我國水稻生產效率的動態變化；徐麗君等[5]采用基于DEA的Malmquist指數法，對南方雙季稻區6個省(區)的生產效率進行了分析；第二類是利用參數方法計算生產效率，如宿桂紅[6]采用隨機前沿生產函數法對1998—2008年10年間中國糧食主產區水稻生產的技術效率進行了測算分析；楊萬江等[7]通過對我國南方11省份761戶稻農調查，基于隨機前沿生產函數對水稻生產效率及影響因素進行了分析；第三類是聚焦于某個省的水稻生產效率或某種具體因素對生產效率的影響，如張越杰[8]采用非參數HMB 指數方法對吉林省8個縣(市)水稻生產的效率變動進行分解分析；朱萌等[9]基于湖北省的調研數據分別構建了稻農水稻種植投入模型、生產行為與政策滿意度模型和非效率模型對水稻生產技術效率影響因素進行了實證研究；姜巖等[10]利用隨機前沿生產函數分析了江蘇省的氣候變化對水稻生產效率的影響。

我國目前對水稻生產效率的研究大都停留在對水稻整體生產效率水平的分析上，同時，現有研究對影響水稻生產效率的社會和自然環境等因素的研究較少，涉及影響因素的研究往往聚焦于某個省份或局部地區，對整體情況而言缺乏代表性。因此，本文根據我國水稻主產省份的經濟地理特征將我國水稻主產區分為東北平原、長江流域、東南沿海等三個區域，通過生產前沿面的非參數DEA方法測算我國水稻主產區的生產效率，并實證檢驗可能會對水稻生產效率產生影響的自然和經濟社會條件等方面的因素，以期為提高水稻生產效率、保障我國的糧食供給和口糧安全提供政策建議。

1數據處理及模型構建

1.1研究方法

數據包絡分析(Data Envelopment Analysis，DEA)是基于生產前沿面方法用來評價決策單元的相對有效性的非參數估計方法。經典的DEA模型主要有CCR和BCC兩種。利用CCR和BCC模型，可分別求出各決策單元的綜合效率(TE)和純技術效率(PTE)，再根據綜合效率等于規模效率乘以純技術效率，即TE=SE×PTE，SE=TE/PTE，可求出各決策單元的規模效率。

由于本文先利用DEA計算各決策單元的生產效率值，再將生產效率值作為因變量與各影響因素(自變量)進行回歸分析，并根據回歸結果分析各因素對效率值的影響，而生產效率值為>0且≤1的數值，數據被截斷，如果采用最小二乘法，回歸結果將會有偏且不一致，因此采用Tobit模型進行回歸分析。

1.2數據選擇及處理

為了保證數據的完整性和可得性，減少分析誤差，本文選取每畝主產品產量作為產出指標，每畝用工數量、每畝化肥費用以及每畝其他物質和服務費用作為投入指標，每畝其他物質和服務費用是指每畝物質服務費用扣除化肥費用以外的費用，為了剔除價格因素的影響，本文使用各地區的化肥生產資料價格指數對每畝化肥費用進行平減，用各地區綜合生產資料價格指數對每畝其他物質和服務費用進行平減。

用于計量分析的基礎數據來自于歷年《中國統計年鑒》、《中國農村統計年鑒》、《全國農產品成本收益資料匯編》、國家統計局數據庫，部分數據經作者整理計算得到。

1.3模型構建

在測算各個水稻主產省份的綜合效率值之后，本文使用綜合效率作為因變量，影響水稻生產效率的因素作為自變量。從水稻生產主體及其所處的經濟社會和自然環境等方面以及已有的研究成果[11-13]綜合考量可能影響水稻生產效率的因素，選取人均收入水平、科技發展水平、生產者收入依賴程度、基礎教育水平、市場化水平、自然災害等影響因素(表1)，本文所選取的指標及假設如下：

表1　各影響因素預計影響方向

(1)人均收入水平。本文以各地區的人均GDP來反映各地區的人均收入水平。本文認為，人均收入水平越高的地區，人均GDP越高，水稻的生產效率越低，一方面收入來源更廣泛，人們更傾向于不從事農業生產，從二三產業中獲得的收入遠比從水稻生產中獲得的收入更多也更容易，另一方面該地區的土地會更多的種植經濟作物。

(2)科技發展水平。本文以各地區技術市場交易額占GDP的比重來作為各地區科技發展水平的代理變量。本文認為一個地區的科技發展水平越高，水稻的生產效率也會越高。技術市場交易額越高，意味著科學技術在地區發展中起到的作用越大，相對應地農業科技也會更先進，從而促進生產效率的提高。

(3)收入依賴程度。本文以各地區的農村居民家庭經營性收入占家庭純收入的比重來作為水稻生產者收入依賴程度的代理變量。本文認為，隨著水稻生產者經營性收入在家庭收入中的比重降低，生產者對來自于水稻生產的收入依賴程度降低，水稻生產效率也會降低。

(4)基礎教育水平。本文以各地區15歲及15歲以上不識字或識字很少的人口占當地總人口的比重，即所謂的文盲率來反映農村的基礎教育水平，文盲率越低則表明該地區的基礎教育水平越高。由于目前我國農村地區相對于城鎮地區教育水平相對落后，文盲人口也基本都分布于農村地區，所以這一指標具有一定的代表性。本文認為文盲率越低，農村的基礎教育水平越高，生產效率也越高。

(5)市場化水平。本文以各地區水稻的商品率來體現市場化水平。本文認為，水稻的商品率越高，則市場化水平越高，從而使水稻的生產效率越高。

(6)自然災害。本文以農作物受災面積占農作物播種面積的比重來反映該地區的自然災害情況。水稻生產受光熱等氣候條件的影響較大，自然災害嚴重的地區，水稻產量會下降，從而降低水稻的生產效率。

根據以上理論分析，構建計量經濟模型式如(1)式：

TE=α0+α1GDP+α2+TD+α3ID+α4BE

+α5ML+α6ND+μ

(1)

(1)式中，α0為常數項；α1-α6是各個解釋變量的系數；μ為殘差項。

2實證結果分析

2.1DEA結果分析

從水稻優勢產區的綜合情況來看，我國水稻優勢產區的綜合技術效率均值基本比較穩定，年際間的變化波動比較頻繁，但是波動幅度不大。東南沿海的綜合技術效率有明顯下降的趨勢，而東北平原和長江流域則相對較為穩定。東北平原的綜合技術效率高于全國平均水平，長江流域的技術效率均值與全國水平較為接近，東南沿海的技術效率均值低于全國平均水平(附圖)。

附圖　我國三大優勢產區水稻生產效率均值

從東北平原、長江流域、東南沿海的區域效率均值來看，不論是綜合技術效率還是純技術效率和規模效率，都是東北平原最高，長江流域次之，東南沿海最低。從各省份的綜合效率排名來看，最高的前三位依次是重慶、黑龍江、四川，最低的依次是廣西、廣東、貴州。從各省份的純技術效率排名來看，最高的前三位依次是黑龍江、海南、重慶，最低的依次是廣西、廣東、貴州。從各省的規模效率排名來看，最高的前三位依次是重慶、黑龍江、河南，最低的依次是海南、廣東、廣西。除了河南和海南之外，三種效率值的排名都比較一致(表2)。

表2　我國水稻主產省份各類效率及排名

純技術效率能夠反映生產過程中投入的要素是否被有效使用，純技術效率值越高，表示投入要素的使用越有效率。規模效率反映的是產出要素與投入要素的比例是否合適、產出水平是否最佳；規模效率值越高，表明要素投入的規模和產出水平越接近最佳狀態。表2可見我國水稻主產省份綜合技術效率、純技術效率以及規模效率值及排名。

為比較分析三大優勢產區之間的綜合技術效率差異的顯著性，本文運用統計學的方差分析方法對東北平原、長江流域、東南沿海這三個地區水稻的生產效率均值進行了分析。統計分析結果顯示，單因素方差分析的F值為56.074，在1%顯著性水平下顯著，說明東北平原、長江流域、東南沿海這三大區域的水稻生產效率均值存在顯著的差異(表3)。

表3　單因素方差分析

為進一步分析不同地區相互之間水稻生產效率的差異性，利用Student-Newman-Keuls多重比較分析方法，對這三大區域進行兩兩比較分析，分析結果表明這三大區域綜合技術效率相互之間均存在明顯的差異。東北平原水稻綜合技術效率均值為0.95，長江流域為0.896，東南沿海為0.805(表4)。

表4　Student-Newman-Keuls多重比較分析結果

2.2模型回歸結果分析

本文利用前文所構建的計量經濟模型，對水稻生產效率的影響因素進行了回歸，從表5可以看出：

表5　水稻生產效率影響因素回歸結果

注：括號內為各個系數的P值，**表示在5%顯著性水平下顯著、***表示在1%顯著性水平下顯著。

(1)人均收入水平的系數在5%顯著性水平下通過了檢驗，表明人均收入水平對水稻的生產效率有負向影響。人均收入水平越高的地區，水稻的生產效率越低，一方面收入來源更廣泛，人們更傾向于不從事農業生產，從二三產業中獲得的收入遠比從水稻生產中獲得的收入更多也更容易；另一方面該地區的土地會更多的種植經濟作物。

(2)科技發展水平的系數在5%顯著性水平下通過了檢驗。表明科技發展水平對水稻生產效率有正向影響。一個地區的科技發展水平越高，意味著科學技術在地區發展中起到的作用越大，相對應地農業科技也會更先進，從而促進生產效率的提高。

(3)收入依賴程度的系數在5%顯著性水平下顯著。表明水稻生產者收入依賴程度與生產效率有正向關系。隨著家庭經營性收入在家庭收入中的比重逐漸降低，生產者逐漸失去提高生產效率的驅動力，各種資源的配置也不會向水稻生產傾斜，從而使生產效率不斷下降。

(4)基礎教育水平的代理變量文盲率系數為沒有通過顯著性檢驗，但是接近10%顯著性水平，說明基礎教育水平對生產效率的影響是方向性的。由于目前我國農村地區相對于城鎮地區教育水平相對落后，文盲人口也基本都分布于農村地區，地區的文盲率越低，表明水稻生產者的基礎教育水平越高，促進了生產效率的提高，這與已有的研究結論相同。

(5)市場化水平的系數在1%顯著性水平下通過了檢驗。市場化水平越高的地區，水稻越容易轉化為收入，因此水稻的生產者就會愿意去提高生產效率以獲得更多的收入。

(6)受災率的系數并未通過顯著性檢驗，但是非常接近10%顯著性水平。表明自然災害對生產效率的負向影響是方向性的。由于自然災害的情況較為復雜，各地區的抗災能力使得這種負向影響變得更為復雜，通過受災率無法非常完善地體現出自然災害對生產效率的影響，但是仍然可以認可自然災害對生產效率的負向影響。

3研究結論與政策建議

3.1研究結論

利用DEA對我國水稻優勢產區的生產效率進行分析的結果表明，無論是綜合技術效率還是純技術效率和規模效率，所體現的情況都比較一致，即東北平原最高，長江流域次之，東南沿海最低。

通過DEA-Tobit兩步法對生產效率的影響因素進行實證檢驗的結果顯示，人均收入水平、科技發展水平、收入依賴程度、市場化水平對水稻生產效率有顯著的正向影響，基礎教育水平有方向性的正向影響，自然災害有方向性的負向影響。

3.2政策建議

基于本文的研究結論，提出以下政策建議。

一是加快市場化進程，建立健全糧食流通體制。充分利用市場作為配置資源的基礎，加強國內統一市場的建立。地區間的市場分割不利于水稻生產資源配置的優化，也不利于農民收入的提高。為了加強各地區稻米的流動，加強各地農產品市場的整合，國家應該建立合理的糧食流通體制，促進稻米在地區間的流通。

二是改革農業補貼政策，提高水稻生產的積極性。農業補貼向種糧者傾斜，釋放明確的政策“信號”；完善政策性收購和商業收購相結合的糧食收購政策，使水稻生產者通過生產經營獲得收入的途徑多樣化、便利化；適度增加農業機械補貼力度，提高機械化水平，健全農業機械社會化服務體系，提高機耕、機插、機收“三機”作業率，減輕勞動強度，降低勞力成本，提升生產活動的便捷性，最終使種糧大戶等當前的水稻生產主體真正受益。

三是由于水稻生產容易受到氣候條件變化以及自然災害等自然環境條件的影響，因此要做好事前預防、事中補救、事后補償的機制，最大限度的減少自然災害等偶然因素造成的稻米產量的波動。稻米需求關系到國計民生，為了避免因自然災害等意外因素對供給造成太大的沖擊，政府可適當的采取一些經濟干預的手段，包括糧食儲備或相關的貿易政策等調整暫時的供求失衡，避免造成大米價格的劇烈波動。◇

參考文獻

[1]周宏，褚保金.中國水稻生產效率的變動分析[J].中國農村經濟，2003，12：42-46.

[2]陳曉東，姜立峰，郭佳.基于DEA方法的我國水稻生產效率研究[C].長沙：第三屆中國管理學年會，2008.

[3]王明利，呂新業.我國水稻生產率增長、技術進步與效率變化[J].農業技術經濟，2006，6：24-29.

[4]陳超，等.基于SBM模型的中國水稻生產效率分析[J].農業技術經濟，2008，4：71-78.

[5]徐麗君，楊敏麗.基于Malmquist指數法的水稻生產效率實證分析[J].農業機械學報，2012，S1：169-174.

[6]宿桂紅，傅新紅.中國糧食主產區水稻生產技術效率分析[J].中國農學通報，2011，27，2：439-445.

[7]楊萬江，李琪.我國農戶水稻生產技術效率分析——基于11省761戶調查數據[J].農業技術經濟，2016，1：71-81.

[8]張越杰，霍靈光，王軍.中國東北地區水稻生產效率的實證分析——以吉林省水稻生產為例[J].中國農村經濟，2007，5：24-32.

[9]朱萌，齊振宏，等.究竟是什么影響了稻農水稻生產技術效率？——基于湖北省稻農的調查數據[J].科技管理研究，2015，8：77-82.

[10]姜巖，朱曉莉，周宏，王筠菲.氣候變化對江蘇水稻生產效率變動的影響[J].農業技術經濟，2015，12：105-116.

[11]周向陽.我國糧食生產階段中農業科技生產效率問題研究[J].中國食物與營養，2015，12：19-23.

[12]趙俊曄，李秀峰，王川.近年我國糧食產量變化的主要影響因素分析[J].中國食物與營養，2006，9：9-12.

[13]計晗，李志強.我國口糧消費的影響因素研究——基于省級截面數據的分析[J].中國食物與營養，2013，8：43-46.

(責任編輯李燕妮)

基金項目：國家自然科學基金項目“我國農業科研院所科技創新效率研究”(項目編號：71373263)；中國農業科學院科技創新工程(項目編號：ASTIP-IAED—2016- 05)；農業部行政專項“農產品成本收益調查研究”；國家自然科學基金項目“農業技術進步模式對我國糧食生產能力的影響評估”(項目編號：71273263)。

作者簡介：吉星星(1991—)，男，在讀碩士研究生，研究方向：農業經濟理論與政策。

通訊作者：毛世平(1968—)，男，博士，博士生導師，研究員，研究方向：技術經濟、農業科技政策。

Production Efficiency and Affecting Factors of Rice’s Dominant Areas in China

JI Xing-xing1，MAO Shi-ping1，LIU Ying-tao2，WU Jing-xue1

(1Institute of Agricultural Economics and Development， Beijing 100081,China;2Finance Bureau，Chinese Academy of Agricultural Sciences，Beijing 100081， China)

Abstract：This paper analyzed the production efficiency and affecting factors of rice in China from 1997 to 2014 using DEA-Tobit two stage methods.Results found that the Northeast Plain had the highest production efficiency，followed by the Yangtze River Basin，and finally the southeast coast.Among the affecting factors，the level of economic development，science and technology development level，income dependence and marketization level had significant positive influences on production efficiency,basic education level had the positive influence of direction and natural disasters had the negative influence of direction，but not significantly.The paper proposed the policy recommendations to improve the production efficiency of rice and ensure food supply and rations safety.

Keywords：rice；production efficiency；affecting factor；food supply；rations safety