我國農田水利基礎設施投資效率現狀及動態效率研究

劉其濤

摘要：利用我國省際面板數據，采用數據包絡分析中的BCC模型（DEA-BCC模型）和Malmquist生產率指數分析2007—2013年我國31個省（市、區）農田水利基礎設施投資的綜合技術效率和動態效率。結果表明，我國農田水利基礎設施投資的綜合技術效率偏低，純技術效率改進緩慢，區域間的綜合技術效率存在明顯差異；我國農田水利基礎設施投資的全要素生產率7年間呈下降趨勢，技術進步下降是導致全要素生產率下降的主要原因。因此，加快農田水利基礎設施科技成果轉化推廣、加大科技創新力度成為提高全要素生產率的關鍵。

關鍵詞：農田水利基礎設施；投資效率；數據包絡分析；Malmquist生產率指數；DEA-BCC模型

中圖分類號： S277文獻標志碼： A文章編號：1002-1302（2017）23-0303-04

收稿日期：2017-03-09

目前對我國農田水利基礎設施的研究主要集中在3個方面：一是對農田水利基礎設施運營效率的研究。陳洪轉等以廣東省為例，利用群決策數據包絡分析（DEA）方法對農田水利投入產出的效果進行了分析[1]；吳平等基于DEA和動態Malmquist指數分析了2009年我國24個糧食主產區的農田水利設施配置效率，認為西北和東北地區的農田水利設施配置效率高于其他地區[2]；葉文輝等依據2003—2010年我國31個省（市、區）的面板數據，利用DEA方法實證分析了我國農田水利運營效率，指出我國農田水利運營效率低下，其中東部地區運營效率最高[3]。二是對農田水利基礎設施供給問題的研究。張琰等運用計量經濟模型，以云南省為研究對象，分析了農田水利設施供給和農村經濟發展之間的關系[4]；陳朱偉等認為我國農田水利基礎設施效率低下，并且從供求關系、成本和效益2個方面研究了我國農田水利供給效率的影響因素[5]。三是對農田水利基礎設施投資效率的研究。朱云章以河南省為例，采用計量模型分析了中部糧食主產區農田水利投資績效，發現河南省四大區域投資績效方面存在較大的差異性[6]；何平均等利用DEA方法分析了2002—2012年我國31個省（市、區）的農田水利基礎設施投資績效及影響因素，結果表明，各地區農田水利基礎設施投資績效呈上升趨勢，并且中東部地區高于西部地區[7]。

根據上述研究，已有一些文獻開始測算我國農田水利基礎設施投資效率，為本研究提供了很好的借鑒價值。為此，本研究嘗試通過建立DEA-BCC方法，對2007—2013年我國31個省（市、區）農田水利基礎設施投資的整體效率進行全方位的分析，并通過構建Malmquist指數對各省（市、區）的農田水利基礎設施投資的效率變動進行動態研究，分析各省（市、區）農田水利基礎設施投資的效率，從而提出更加有效的對策建議，以利于我國各省（市、區）農業經濟發展和農業現代化的實現。

1投資動態效率的研究方法與數據

1.1DEA-BCC模型

DEA-BCC模型用來處理規模報酬可變假設下的決策單元有效性問題，該方法是由Banker等放松了CCR模型中規模報酬不變的假設下提出來的，BCC模型能夠將決策單元（DMU）的效率值分解為純粹技術效率和規模效率，同時可以衡量DMU在生產技術可變的情況下是否處于最優生產規模狀態[8]。公式如下所示：

min[θ-E（eTS-+eTS+）]；

s.t. ∑nj=1Xjλj+S-=θX0；

∑nj=1Yjλj-S+=Y0；

∑nj=1λj=1；

λj≥0，S-≥0，S+≥0；j=1，2，…，n。（1）

式中：θ表示決策單元的效率；E為阿基米德無窮小；e為元素為1的向量；X0、Y0表示是“技術有效”，是指它位于生產函數的曲面上；T表示向量e的轉置標記；Xj表示第j個決策單元的投入量，Yj表示第j個決策單元的產出量，j=1，2，…，n；n表示決策單元個數；λ為決策單元的可行解；S-表示農田水利基礎設施投資投入項的差額變量；S+表示農田水利基礎設施投資產出項的超額變量。若θ<0且S+、S-不全為0，則表示決策單元DEA無效率；若θ=1且S+、S-均為0，則表示決策單元DEA有效率；若θ=1且S+、S-有1個不為0，則表示決策單元為弱DEA有效率。

1.2Malmquist生產率指數

Malmquist指數方法最初由Malmquist提出，Caves等首先將其運用到生產分析上[9]。Fre等建立了用來考察2個相鄰時期生產率變化的Malmquist生產率變化指數[10]。具體地，令xt、yt分別代表t時期的輸入、輸出向量，t為離散參數變量，則Malmquist生產率指數可以表示為

M（yt+1，xt+1，yt，xt）=Dt（xt+1，yt+1）Dt（xt，yt）×Dt+1（xt+1，yt+1）Dt+1（xt，yt）1/2。（2）

式中：Dt、Dt+1分別表示以t、t+1期的技術St、St+1為參照的距離函數；（xt，yt）（xt+1，yt+1）分別表示t、t+1期的投入產出向量。若M（yt+1，xt+1，yt，xt）>1則表示生產效率提高；若M（yt+1，xt+1，yt，xt）<1則表示生產效率下降。Malmquist生產率指數可分解為技術效率變動指數（EC）和技術變動指數（TC）2個部分：

M（yt+1，xt+1，yt，xt）=Dt+1（xt+1，yt+1）Dt（xt，yt）×Dt（xt+1，yt+1）Dt+1（xt+1，yt+1）×Dt（xt，yt）Dt+1（xt，yt）1/2。（3）

式中：Dt+1（xt+1，yt+1）Dt（xt，yt）為t時期到t+1時期的技術效率變動，若EC>1，則表示與最優決策單元的差距在縮小，反之表示差距在擴大；Dt（xt+1，yt+1）Dt+1（xt+1，yt+1）×Dt（xt，yt）Dt+1（xt，yt）1/2為t時期到t+1時期的技術變動，若TC>1，則表示決策單元技術得到改善，反之則表示衰退。endprint

1.3數據選取與來源

本研究的研究對象是我國31個省（市、區）農田水利基礎設施投資效率，樣本區間為2007—2013年，為進一步分析各地區農田水利基礎設施的投資效率進行區域比較，發現農田水利建設存在的問題，將我國31個省（市、區）根據傳統劃分方法分為東部、中部和西部地區。

鑒于數據的可獲性和指標的科學性，投入指標包括資金投入和勞動投入2個指標，資金投入以農田水利基礎設施投資額來表示，單位億元，勞動投入以農林牧漁勞動力計算；產出指標包括農林牧漁業總產值、糧食總產量、農村居民人均純收入和有效灌溉面積，其中農林牧漁業總產值統一換算成可比價，有效灌溉面積以各省（市、區）實際有效灌溉面積計算。以上數據資料主要來源于歷年的《中國統計年鑒》《中國農業年鑒》《中國農村統計年鑒》和各省統計年鑒。

2結果與分析

2.1我國農田水利基礎設施投資綜合效率分析

根據BCC模型，運用DEAP 2.1軟件計算得到2007—2013年我國農田水利基礎設施投資綜合技術效率、純技術效率和規模效率，進一步整理后得到相應效率的平均值，結果如表1所示。

2.2各省（市、區）農田水利基礎設施投資綜合效率差異性分析

為了準確了解各省（市、區）農田水利基礎設施投資綜合技術效率的差異性，本研究測算了2007—2013年我國31個省（市、區）農田水利基礎設施的投資效率。

從表2可以看出，我國區域間農田水利基礎設施投資綜合技術效率存在明顯的差異。為了檢驗區域間農田水利基礎設施投資效率是否存在差異性，本研究對東部、中部和西部地區農田水利基礎設施投資的綜合技術效率、純技術效率和規模效率是否存在顯著性差異進行統計檢驗，采用Kruskal-Wallis方法，利用S-plus軟件進行計算。

由表3可知，三大地區農田水利基礎設施投資的綜合技術效率和純技術效率的P值較小，因此拒絕原假設，所以三大地區農田水利基礎設施投資的綜合技術效率和純技術效率存在顯著性差異，其中，東部地區的綜合技術效率和純技術效率最高。三大地區農田水利基礎設施投資的規模效率的P值較大，因此無法拒絕原假設，所以沒有嚴格的證據證明三大地區農田水利基礎設施投資的規模效率存在顯著性差異。基于以上分析，本研究認為我國農田水利基礎設施投資的綜合技術效率與經濟發展水平密切相關，經濟的發展為投資效率的提高提供了良好的基礎，同時東部地區具有較高的資源利用效率。

除個別省（市、區）外，大部分省（市、區）農田水利基礎設

檢驗項目原假設K-W

統計量P值綜合技術效率三大地區綜合技術效率無顯著性差異7.153 40.025 8純技術效率三大地區純技術效率無顯著性差異9.012 00.010 9規模效率三大地區規模效率無顯著性差異1.701 40.416 0

施投資處于依靠規模投入帶動發展的階段。在31個省（市、區）中，北京、浙江、廣東和內蒙古等地區表現為規模報酬遞減，占總數的12.9%，說明這些省（市、區）的農田水利基礎設施投資已經處于規模報酬遞減階段，今后應縮小規模，重點考慮管理機制和制度創新；有16個省（市、區）的農田水利基礎設施投資表現為規模報酬遞增，占總數的51.6%，說明這些省（市、區）的農田水利基礎設施投資已經處于規模報酬遞增階段，未來須要通過增加規模來提高效率，特別是西部地區的規模報酬遞增表現的更加明顯。總之，我國大部分省（市、區）農田水利基礎設施投資仍然處于投入不足的狀況，這與實際情況是相符的，因此，各省（市、區）應該適當增加投入，從而促進我國農田水利基礎設施投資效率的提升。

2.3我國農田水利基礎設施投資動態效率分析

2.3.1我國農田水利基礎設施投資生產率指數及其分解動態效率是研究各省（市、區）農田水利基礎設施投資在技術逐步升級的過程中效率的變動情況，根據上述研究方法，運用DEAP 2.1軟件測算我國農田水利基礎設施投資Malmquist生產率指數及其分解情況。

從表4可以看出，2007—2013年我國農田水利基礎設施投資全要素生產率指數（M指數）呈下降趨勢，年均下降60%，整體效率水平偏低。從其分解結果來看，考察期內我國農田水利基礎設施投資技術變動指數呈明顯退步趨勢，年均下降6.1%，而技術效率變動指數有所上升，年均增長02%，這表明技術進步緩慢是導致我國農田水利基礎設施投資全要素生產率下降的主要原因。2007年以來，我國農田水利基礎設施投資技術效率有所改進，但技術進步緩慢，僅有2012—2013年間呈增長趨勢，這說明我國農田水利基礎設施建設技術更新速度緩慢，科技成果轉化率低下，今后須要吸收和引進先進技術，加快技術創新，促進我國農田水利基礎設施投資效率的改善，而技術效率的總體改善則說明了我國農田水利基礎設施投資管理及制度等方面取得了一定的成就。

2.3.2各省（市、區）農田水利基礎設施投資動態效率差異性分析表5列出了我國各省（市、區）農田水利基礎設施投資全要素生產率指數、技術變動指數和技術效率變動指數的平均值。結果顯示，各省（市、區）農田水利基礎設施投資全要素生產率指數之間存在明顯的差異，全國有約1/5的省（市、區）的全要素生產率指數處于上升趨勢，其余省（市、區）的全要素生產率指數呈現下降趨勢。31個省份中有8個省（市、區）的全要素生產率有明顯改善，分別是北京（4.6%）、內蒙古（0.7%）、遼寧（4.0%）、上海（3.4%）、江蘇（4.3%）、浙江（6.5%）、西藏（1.0%）、陜西（0.3%），均高于全國平均水平，除內蒙古地區外，其余7省（市）全要素生產率增長的來源是技術變動與技術效率變動的雙重驅動。這與這些省（市、區）的經濟發展水平、新技術的應用和科技推廣是密不可分的，同時也說明了這些省（市、區）農田水利基礎設施管理水平較高，從而改善了生產效率。其余省（市、區）的全要素生產率指數均處于下降趨勢，其主要是由于技術進步下降引起的，出現了負增長，說明這些省（市、區）農田水利基礎設施現有技術進一步提高的空間有限，今后須要進一步加大技術資金投入進行技術創新，提高技術進步效率。endprint

2.4我國農田水利基礎設施投資綜合效率與動態效率的綜合分析

為了對各省（市、區）農田水利基礎設施投資進行綜合分析，提供更加科學合理的建議，本研究將綜合技術效率與Malmquist生產率進行綜合比較分析，結果劃分為4種類型：（1）綜合技術效率等于1和Malmquist生產率大于1屬于整體相對有效且兼具持續進步。（2）綜合技術效率等于1和Malmquist生產率小于1屬于整體相對有效，但進步空間不大。（3）綜合技術效率小于1和Malmquist生產率大于1屬于整體相對效率較低，但未來具有持續進步潛力。（4）綜合技術效率和Malmquist生產率均小于1屬于整體相對效率較低且未來出現衰退跡象[11]。根據表2和表5測算結果歸類如圖2所示。

從圖2可以看出，上海和江蘇農田水利基礎設施投資屬

于整體相對有效兼具持續進步，且技術創新能力較強。天津、河北、吉林、黑龍江、福建、山東、河南、海南、新疆等9個省（市、區）屬于整體相對有效，但進步空間不大，表明目前科技創新能力不足，應該通過增加投入，推動技術進步，從而提升全要素生產率。北京、內蒙古、遼寧、浙江、西藏、陜西等6個省（市、區）屬于整體相對效率較低，但具有持續進步潛力，進一步分析顯示，北京、內蒙古、浙江等3個省（市）是規模報酬遞減，說明投入產生了冗余，須要降低資源投入，提升資源的配置效率，進而提升整體效率。遼寧、陜西、西藏等3個省是規模報酬遞增，說明目前的投入不足，今后須要增加資源投入。其余14個省（市、區）屬于整體相對效率較低且未來出現衰退跡象，云南、甘肅等近年來干旱的地區要加大農田水利資源方面的投入，大力興建水利建設，保證農田水利供應，而非干旱地區要加強農田水利基礎設施的完善，從而從各個方面促進提升資源配置效率，同時還要進一步推動技術進步提升全要素生產率。

3研究結論與政策建議

本研究分別運用DEA-BCC方法和Malmquist生產率指數測算了2007—2013年我國31個省（市、區）農田水利基礎設施投資的綜合技術效率和動態效率，得出以下主要結論：

總體上，2007—2013年我國農田水利基礎設施投資的綜合技術效率偏低，純技術效率改進較慢，平均值為0.846，而規模效率平均值為0.919，純技術效率偏低是造成綜合技術效率不高的主要原因。

我國農田水利基礎設施投資的綜合技術效率存在明顯的差異性。我國農田水利基礎設施投資的綜合技術效率與經濟發展水平密切相關，經濟的發展為投資效率的提高提供了良好的基礎，其中東部地區具有較高的資源利用效率。大部分省份農田水利基礎設施投資處于依靠規模投入帶動發展的階段。

7年來我國農田水利基礎設施投資生產率呈現下降趨勢，技術倒退是引起下降的主要原因，而技術效率則得到了改善。全國有約1/3的省（市、區）的全要素生產率處于上升趨勢，有超過2/3的省（市、區）的全要素生產率呈現下降趨勢。全要素生產率的提高主要依靠技術效率和技術進步的共同驅動。

我國大部分省（市、區）都屬于整體相對效率較低且未來出現衰退跡象類型， 只有上海和江蘇地區農田水利基礎設施投資屬于整體相對有效且兼具持續進步類型。

參考文獻：

[1]陳洪轉，鄭垂勇，張之艷. 基于群決策DEA的農村水利投入產出研究[J]. 河海大學學報（自然科學版），2009，37（2）：246-248.

[2]吳平，譚瓊. 我國糧食主產區農田水利設施配置效率及區域差異分析——基于DEA和動態Malmquist指數的實證研究[J]. 農業現代化研究，1994，33（3）：331-335.

[3]葉文輝，郭唐兵. 我國農田水利運營效率的實證研究[J]. 山西財經大學學報，2014，36（2）：63-71.

[4]張琰，葉文輝，楊小明，等. 近年來農田水利設施建設問題的研究——以云南為例[J]. 經濟問題探索，2011（5）：180-185.

[5]朱偉，劉春成，高峰，等. 論農田水利供給效率影響因素的二維二層模型及路徑選擇[J]. 安徽農業科學，2013，41（12）：5510-5514.

[6]朱云章. 中部糧食主產區農田水利投資績效分析——以河南省為例[J]. 科學經濟社會，2011，29（2）：58-62.

[7]何平均，劉睿. 基于DEA-Tobit模型的中國各地區農田水利基礎設施投資績效及影響因素分析[J]. 南方農村，2014（11）：59-64.

[8]Banker R D，Charnes A，Cooper W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis[J]. Management Science，1984，30（9）：1078-1092.

[9]Caves D W，Christensen L R，Diewert W E. The economic theory of index numbers and the measurement of input，output，and productivity[J]. Econometrica，1982，50（6）：1393-1414.

[10]Fre R，Grosskopf S，Lindgren B，et al. Productivity changes in Swedish pharamacies 1980-1989：a non-parametric Malmquist approach[J]. Journal of Productivity Analysis，1992，3（1/2）：85-101.

[11]吳天清，趙黎明. 中國火炬計劃項目的效率現狀及動態效率分析[J]. 軟科學，2012，26（2）：1-5.江蘇農業科學2017年第45卷第23期程素云，胡進. 我國生豬價格波動與CPI關系的實證研究[J]. 江蘇農業科學，2017，45（23）：307-311.endprint