我國玉米生產效率時空特征分析

張麗娜 陳 志 楊敏麗 黃 凰 葉 春

(1.中國農業大學工學院， 北京 100083； 2.中國農業大學中國農業機械化發展研究中心， 北京 100083；3.中國農業機械工業協會， 北京 100083； 4.華中農業大學工學院， 武漢 430070；5.江西省農業科學院農業工程研究所， 南昌 330200)

0 引言

玉米是獨具糧、經、飼、能等多元用途的重要戰略物資[1]。從國內視角看，玉米在我國農業生產中占有十分重要的地位。在我國糧食生產中其種植面積和產量均位居第一位，2015年，全國玉米種植面積達3 811.9萬hm2，總產量22 463.2萬t[2-4]，分別占糧食種植面積和總產量的33.6%和36.1%，玉米在全國范圍內廣泛種植，對促進糧食增產、農民增收，保障我國糧食安全等方面都發揮了巨大的作用。而目前，國內水、耕地等基礎資源短缺態勢越來越嚴峻，成為制約農業發展的重要因素；同時，在玉米供給側結構性改革背景下，其種植面積在不斷調減，這都決定了我國玉米生產不可能依靠無限擴張的投入要素來發展，要保障糧食安全，保證農民收益，就需要依賴生產效率的不斷提高。此外，生產效率也是測度競爭力的重要指標，從國際視角看，我國是僅次于美國的世界第二大玉米生產國和消費國，但與美國相比，我國玉米單產低，生產成本高[4]，2015年，我國玉米單產為7 332.15 kg/hm2，比美國低了3 150 kg/hm2；總生產成本10 482.15元/hm2，比美國高了5 839.35元/hm2。從2010年開始，我國已成為玉米凈進口國，對外依存度越來越高，自我供需保障能力減弱，對外的競爭能力弱，亟需提高生產效率。科學評價我國玉米產業生產效率，對其影響因素進行分析，提出玉米生產效率改進的方法，為提高生產效率制定合理的政策提供依據，對促進我國玉米產業健康發展有重要意義。

關于玉米生產效率，不少學者做了一定的研究[5-11]。但主要集中在對全國玉米生產效率及以個別省份為例的玉米生產效率研究[4-10]，這些都對本文提供了有價值的參考。而玉米生產效率的時空特征包含時間特征和空間特征，其中，時間特征是縱向分析，指其隨著時間的變化呈現的變化特征；空間特征是橫向分析，主要指其在不同區域的分布情況。從研究角度來看，目前鮮有對我國玉米生產效率時空演變特征的研究。本文對玉米生產效率的時空演變特征進行研究，分析其隨時間變化的規律以及空間分布的變化情況，將對于提高區域玉米生產效率，保障區域糧食安全及可持續發展有重要的指導意義。

1 研究方法與數據來源

1.1 理論與模型

1.1.1 DEA模型

數據包絡分析法(Data envelopment analysis，DEA)，最初由CHARNES和COOPER等于1978年開始創建，是對多種投入與產出變量進行效率分析的一種有效方法[12-17]。該方法將具有多輸入和輸出的系統稱為一個決策單元(DMU)，根據對各個DMU觀測的數據(各決策單元與最佳前沿面之間的距離)來確定各DMU的技術效率與規模效率，從而判斷是否為DEA有效。DEA的常用模型有CRS與VRS，前者假設規模報酬不變，主要用來測算綜合技術效率(TE)，后者假定規模報酬可變，可將綜合技術效率(TE)分解為純技術效率(PTE)、規模效率(SE)，且為二者乘積。此外，基于DEA的Malmquist指數法普遍被用來測算全要素生產率變化，該模型可將全要素生產率(TFP)變化的原因分為技術進步效率變化(Tch)與技術效率變化(Ech)，并進一步把技術效率變化細分為純技術效率變化(TEch)和規模效率變化(SEch)，反映產出的變動與全部要素投入變動的關系[18-21]。

玉米生產是多投入和產出的系統，為了更好評價我國玉米生產效率，本文把每一個省(區)作為一個決策單元，基于2005—2015年的面板數據，利用DEA的VRS模型與Malmquist指數法，得到歷年研究樣本總體與各省(區)玉米生產綜合技術效率及其分解與全要素生產率變化及其分解的值。從對歷年效率值的分析得到玉米生產效率的時序變化趨勢與特征，動態評價我國玉米主要生產省(區)的生產率變動情況；從對各省(區)對應效率值的分析了解玉米生產效率的空間分布情況。假設有n個省(區)，每一個當成一個DMU，則DEA的VRS(用字母“V”表示)模型為

(1)

式中x0、y0——被評價決策單元的投入和產出變量xj、yj——第j個省(區)的投入和產出變量

θ——綜合技術效率(θ∈[0,1])，其值越大表示綜合技術效率越高，其值為1時效率有效(最優)，投入得到了最充分利用

λj——各單位組合系數

基于Malmquist生產效率指數表示的TFP模型為

(2)

式中 (xs,ys)、(xt,yt)——s時期和t時期的投入量和產出量

Ech、Tch——t時期相對于s時期技術效率和技術進步效率的變化

若Malmquist指數大于1，則表示全要素生產率(TFP)提高。當技術進步率和技術效率指數大于1時，表示其為TFP增長的主要因素，反之，則是導致TFP下降的因素。而規模效率指數和純技術效率指數的高低，則反映其對技術效率指數的影響。

1.1.2 GIS探索性空間數據分析方法

GIS探索性空間數據分析方法(ESDA)是一種用于探測空間分布的非隨機性或空間自相關特性的空間數據分析方法[22-24]。它將圖形計算技術與統計學方法結合，以更直觀的方式將空間分布、空間相互作用等特征展現出來，是一種認識空間分布特征最常用的分析方法。主要有兩種不同等級的分析。一種是全局空間相關性分析，主要用來分析空間數據在整個系統內部所表現出來的分布特征。通常用Moran指數I(Moran，1950)和Geary指數C(Geary，1954)2個指標來度量。第2種是局部空間相關性分析，用于分析系統內局部子系統所表現出的空間分布特征。主要是用G統計量、Moran散點圖和LISA圖來測度。

本文運用Geoda軟件進行ESDA研究，以20個省(區)為例，對2001—2015年間各省(區)玉米生產效率進行全局自相關分析與局部自相關分析，在空間上進一步揭示玉米生產效率的分布與發展變化特征。綜上，運用DEA結合ESDA的方法對玉米生產效率進行時空特征分析是一種適用有效的方式。

1.2 變量選取及數據來源

勞動力、土地、資本是農業生產的3個主要要素。玉米生產是多投入系統，在保證指標可以基本反映玉米生產過程中投入和產出，同時保障數據的可獲得性、準確性基礎上，選取單位面積用工數量(標準日/hm2)、土地成本(元/hm2)、化肥費用(元/hm2)、種子費用(元/hm2)、機械作業費(元/hm2)以及其他費用(農藥、農膜等直接費用，元/hm2)作為投入指標，以單位面積產量(kg/hm2)作為產出指標。

本文研究數據來源于《全國農產品成本收益資料匯編》[4](以下簡稱《匯編》)。利用2005—2015年11年間的相關統計數據，對河北、山西、內蒙古、遼寧、吉林、黑龍江、江蘇、安徽、山東、河南、湖北、廣西、重慶、四川、貴州、云南、陜西、甘肅、寧夏、新疆等20個玉米生產省(區)的玉米生產效率進行分析(表1)。由于2007年廣西數據缺失，2014年黑龍江省與重慶市單位面積土地成本缺失數據，用上下年份數據算術平均后所得，最終樣本量共計220個。

表1 研究區域分布情況Tab.1 Distribution of study areas

注：分區參照《玉米優勢區域布局規劃(2008—2015年)》。

2 實證分析

2.1 玉米生產效率時序特征分析

依據2006—2016年《匯編》，獲得2005—2015年各指標的基礎數據，運用DEAP 2.1軟件進行運算，得到我國上述20個省(區)2005—2015年期間玉米生產率的總體情況如表2所示，其在時間序列上的變化見圖1。

表2 2005—2015年我國玉米各指標生產效率(基于20個省份分析)Tab.2 Efficiency, total factor productivity and disintegrated indexes of maize from 2005 to 2015 (Based on 20 main producing provinces)

圖1 研究區域玉米生產效率變化情況Fig.1 Trends of maize production efficiency, total factor productivity and disintegrated indexes in study areas

總體看來，2005—2015年，20個省(區)玉米生產綜合技術效率平均值為0.958，純技術效率和規模效率均值分別為0.984和0.973，均未達到DEA有效水平，而規模效率低于純技術效率，相較而言是造成綜合技術效率DEA無效的主要原因，各效率還有改進優化空間。從綜合技術效率來看，2005—2007年，由0.959降至0.925，2008年升至0.968后繼續下降，至2012年達到峰值0.985，2015年又降回0.959，整體不斷波動。從Malmquist指數來看，2005—2015年，研究省(區)玉米生產的綜合技術效率變化、技術進步變化、純技術效率變化、規模效率變化及全要素生產率變化指數的平均值分別為0.933、1.000、0.933、1.000與1.000，各個指數均未超過1，說明11年間各效率均未進步。其中全要素生產率平均下降6.7%(平均指數為0.933，小于1)，說明20個省(區)玉米生產效率研究時間段內整體呈下降趨勢。而從全要素生產效率的分解結果并結合圖1來看，2005—2015年間玉米全要素生產率變動幅度較大，主要受技術進步變化的影響(技術進步率年平均下降6.7%)，即先進適用的技術未得到有效推廣利用或機具配置不合理、利用率低，如2015年我國大中型拖拉機與配套農具比例為1∶1.58，小型拖拉機與配套農具比例為1∶1.79，低于合理配套比1∶2以上的要求。制約了玉米全要素生產率的提升。2014—2015年度，全要素生產率變化形成峰值，其主要原因也是技術進步(技術進步指數大于1且超過同時期其他效率進步指數),說明這一時間段內玉米生產的技術水平有所提高，而此時間段內我國玉米耕種收綜合機械化水平突破80%，達到了81.2%；其中玉米機收水平更提高了7.5%，首次突破60%，達到了64.3%，也印證了這一結果。總之，我國玉米全要素生產率的增長顯著依賴于技術進步，所以，提高玉米生產技術效率水平是未來一定時期內提高玉米全要素生產效率的潛在動力。

2005—2015年，各年度玉米生產綜合技術效率變化指數在1上下波動，10個時期中有4個時期(2007—2008，2009—2010，2011—2012與2013—2014年度)指數大于1，說明這些年份資源得到了充分利用，投入產出都處于最佳配置狀態。6個階段(2005—2006、2006—2007、2008—2009、2010—2011、2012—2013與2014—2015年度)指數小于1，尤其是2012—2013年度，綜合技術效率變化指數為0.963，處最低水平，在所在研究時間段內投入產出效率最低，需要改進的幅度最大。

研究期間，技術進步變化的平均值為0.933(小于1)，除2013—2014年度與2014—2015年度外，其余年度技術進步變化均小于1，說明只有2013—2014年度與2014—2015年度技術進步，但進步幅度較小(均為0.2%)。

玉米生產純技術效率變化指數大于1的時期有2007—2008、2009—2010、2011—2012、2014—2015年度，說明這些年度技術使用效率不斷上升。2010—2011、2012—2013、2013—2014年度的純技術效率變化基本趨于1(分別為0.999、0.998、0.999)，說明這些年度技術使用效率基本與上一年持平。2005—2006、2006—2007年度與2008—2009、2014—2015年度純技術效率變化均小于1，說明這些年度技術使用效率與上一年相比下降。

玉米生產規模效率變化的平均值為1，說明研究期間玉米生產規模越來越接近最優規模。但是，其中有5個時間段的規模效率變化值小于1，分別為2005—2006年度(0.994)、2006—2007年度(0.994)、2010—2011年度(0.991)、2012—2013年度(0.965)與2014—2015年度(0.987)，這些年度規模報酬遞減。

2.2 玉米生產效率分析

2.2.1 綜合技術效率及其分解

由表3知，研究省(區)玉米生產綜合技術效率的平均值為0.959，純技術效率平均值與規模效率平均值分別為0.990與0.969，均未達到DEA有效，而規模效率值低于純技術效率值，說明規模效率低是制約綜合技術效率提升的主要因素，另一方面也說明純技術效率的提高是促進綜合技術效率提升的重要因素。從綜合技術效率來看，DEA非有效省(區)有河北省、山西省、內蒙古自治區等8個省(區)，說明這些省(區)資源的投入與產出結構配置不合理。尤其是江蘇省，綜合技術效率為0.694，遠低于平均值，主要是由于其規模效率(0.694)低造成。DEA非有效省份個數占所研究省(區)總數的40%，說明我國玉米主產區整體上綜合技術效率還有較大提升空間。從純技術效率看，DEA非有效省(區)有河北省、內蒙古自治區、廣西壯族自治區3個，占所研究省(區)總數的15%，相比綜合技術效率的DEA非有效省(區)占比少，說明綜合技術效率是否為DEA有效，除了純技術效率的影響外還受規模效率的影響，只有純技術效率達到優也不一定能使綜合技術效率達到優。從規模效率分析，DEA非有效省(區)有河北省、山西省、江蘇省等7個，說明這些省(區)的規模配置不合理，還有改進空間，而這些省(區)11年間的平均規模報酬遞增，則說明在當前的技術條件下，它們的玉米種植規模偏小，可以適當繼續擴大規模來獲得最優效率，得到更佳收益。

表3 2005—2015年我國玉米主產省(區)生產效率平均值Tab.3 Average efficiency, total factor productivity and disintegrated indexes of maize in main producing provinces from 2005 to 2015

2.2.2 全要素生產率及其分解

由表3可知，2005—2015年，所研究20省(區)全要素生產率的平均變化指數小于1，綜合技術效率變化指數等于1，而技術進步變化指數小于1，說明所研究20省(區)整體的全要素生產效率下降，其主要原因是先進適用技術沒有得到更好地推廣與運用。同時，根據各省(區)的技術進步變化指數都低于綜合技術效率變化指數，并最終顯著導致了各省(區)對應全要素生產效率變化指數低，也再次驗證了全要素生產率的增長顯著依賴于技術進步這一分析。從個體來看，20個省(區)中有19個的全要素生產率的變化指數小于1，呈負增長，其中，貴州省為最小值(0.813)，究其原因是技術水平制約(技術進步變化指數0.823)，即各區域缺乏先進適用的生產技術或這些技術未得到有效投入、推廣使用，最終制約了玉米全要素生產率的提升。

圖2 我國玉米主產省(區)綜合技術效率分級圖Fig.2 Levels of comprehensive technolgy efficiency in main producing provinces of maize

從綜合技術效率變化指數看，大于1的省(區)僅有河北省、山西省、內蒙古自治區、江蘇省、廣西壯族自治區與陜西省6個，且最大值為1.037，即11年間綜合技術效率最高僅進步了3.7%，其余5省(區)進步幅度很小(最小只有0.1%)。有6個省(區)的綜合技術效率呈下降趨勢，占研究省(區)總數的30%，而其綜合技術效率變化指數低是由純技術效率變化指數低或者規模效率變化指數低導致的。

根據自然斷裂點分級法，運用GIS將各省2005、2010、2015年的20個省(區)玉米生產綜合技術效率、純技術效率、規模效率分級并進行可視化操作(圖2～4)。①相對低效率：2005年江蘇省與廣西壯族自治區綜合技術效率較低，占所研究省(區)總數的10%，2015年綜合技術效率較低的有遼寧省與廣西壯族自治區，占10%。②相對中等效率：2005年綜合技術效率中等的區域有河北省、山西省、內蒙自治區等7個省(區)，占所研究省(區)總數的35%，2015年中等效率區有湖北省、貴州省、云南省、甘肅省、寧夏回族自治區5省(區)，占25%。③相對高效率：2005年綜合技術效率較高的有黑龍江省、吉林省、山東省、新疆維吾爾自治區等11個省(區)，占所研究省(區)總數的55%，2015年高效的有河北省、山西省、內蒙古自治區、黑龍江省等13個省(區)，占65%。整體來看，2005—2015年20個玉米主產省(區)中綜合技術效率低的區域比例保持不變，中等效率區域減少，高效率區域在擴大，整體呈好轉趨勢。而根據圖3與圖4分析可知，綜合技術效率好轉主要是由于先進技術的發展，機械化的發展等，使得純技術效率大范圍的提高，然而綜合技術效率的高效率區域與純技術效率的高效率區域并未重合一致，說明規模效率不佳制約了部分省(區)綜合技術效率的提升，如遼寧省，2005年綜合技術效率為高效，但2015年卻相對低效，主要原因就是其玉米生產的規模效率沒有進步或下降。

圖3 我國玉米主產省(區)純技術效率分級圖Fig.3 Levels of pure technolgy efficiency in main producing provinces of maize

圖4 我國玉米主產省(區)規模效率分級圖Fig.4 Levels of scale efficiency in main producing provinces of maize

綜上，研究時間段內玉米全要素生產率的增長顯著依賴于技術進步。而玉米生產綜合技術效率主要受純技術效率與規模效率的影響，其中規模效率是主要制約因素，而純技術效率是主要促進因素。各省(區)玉米生產綜合技術效率的空間差異主要受其農業生產方式(先進技術運用等)及經營規模影響。綜合生產技術效率較高的省(區)，純技術效率與規模效率均較高；而綜合效率較低的省(區)，純技術效率與規模效率的差異較大。即可將研究省(區)分為3類：一類是純技術效率與規模效率均高的省(區)，如遼寧省、吉林省、黑龍江省、四川省等，先進適用的生產技術在這類省(區)得到了較好的推廣運用，玉米種植規模也較為適度；二類是純技術效率較高，而規模效率較低的省(區)，如河北省、江蘇省、陜西省、廣西壯族自治區等，這類省(區)經營規模偏小，制約先進生產技術發揮最大效率；三類是純技術效率較低，規模效率較高的省(區)，如內蒙古自治區，這類省(區)技術投入不足或者適用技術沒有得到有效推廣運用，主要依靠經營規模擴大來提高綜合生產技術效率。此外，農業生產占比一定程度上也影響玉米生產綜合技術效率；如云南省2005年其值相對較高，2015年則相對低效，這與云南省近年來農業占比變小，而越來越以旅游業等第三產業為主的轉變有關(云南第一產業占比由2005年的19.3%降低到2015年的15.1%，而第三產業占比由2005年的39.5%提高到2015年的45.1%)。同時，根據表3與圖2可知，地形與經濟條件并非是影響綜合技術效率的決定因素，如北方地區與黃淮海區域相對西南地區地勢平坦，黃淮海區域經濟水平相對較高，但其區內各省(區)的玉米綜合生產效率并不都比西南區域省(區)高。

2.3 玉米生產要素投入分析

總的來看，我國玉米主產區各個投入生產要素均存在不同程度的松弛，各要素配置不合理，均有可節約的空間。

2.3.1 人力資源松弛

2005年，20個省(市、自治區)單位面積用工數量松弛量為0.654日/hm2，2015年為0.190日/hm2。說明隨著科技的發展，機械化水平的提高，勞動力逐漸轉移到二、三產業，我國玉米生產逐漸由勞動力密集投入型向機械化生產轉變。但要實現全程機械化，還需進一步提高勞動生產率。

2.3.2 土地資源松弛

單位面積土地成本的松弛量由2005年的0.910元/hm2變為101.766元/hm2。說明近年來土地生產成本猛漲(由2005年的859.10元/hm2上漲至2015年的2 957.27元/hm2)，玉米生產在土地資源上投入的成本越來越多。為更好地提高機械化生產水平，降低生產成本，需要促進土地的合理流轉、集中，推進玉米生產的適度規模經營，充分發揮土地規模經營的優勢，提高生產效益。

2.3.3 化肥投入松弛

單位面積化肥費用的松弛量由2005年的3.065元/hm2變為2015年的8.719元/hm2。說明，我國玉米產量的提高某種程度還是依賴于化肥的過多投入，造成化肥過度使用、資源與資本浪費、環境污染等問題。要解決此問題，一是需要推廣先進適用的精準施肥技術應用；二是需要研發、推廣適合不同區域玉米生產的緩控釋肥。總之，促進科學施肥，節約肥料成本，提高化肥使用效益，減少環境污染，促進土壤生產可持續，勢在必行。

2.3.4 種子投入松弛

單位面積種子費用的松弛量由2005年的13.771元/hm2變為2015年的23.615元/hm2，說明玉米生產中，還可以通過標準化、規模化、集約化生產降低種子成本，通過精量播種等技術節約種子使用數量，從而降低種子投入費用。

2.3.5 機械投入松弛

單位面積機械作業費用的松弛量由2005年的1.121元/hm2變為2015年的9.617元/hm2。近年來我國玉米生產在機械化方面的投入逐漸增加，玉米生產機械化水平不斷提高。然而先進、適宜、高效的高端機械配置少，低端機械的投入多，降低機械生產效率，提高機械生產成本投入，尤其體現在玉米機收環節，如目前玉米籽粒直收機械尚在改進、探索推廣階段，自走式玉米聯合收獲機的保有量只有31.32萬臺，機收率為64.18%，還有較大提升空間。亟需推進先進適用的玉米生產機械尤其是收獲機械的研發、改進與推廣應用或是報廢更新，從而提高機械生產效率，降低生產成本。

2.3.6 其他費用松弛

單位面積其他費用(農藥、農膜等)的松弛量由39.262元/hm2(2005年)變為53.321元/hm2(2015年)。與化肥投入的情況相似，目前，我國玉米生產中農藥與農膜等過度使用、資源與資本浪費、環境污染。要降低玉米其他費用投入，治理農業面源污染，則需研發推廣先進適用的技術(如精準噴藥技術、殘膜回收技術等)，堅決落實“一控兩減三基本”目標。

2.4 玉米生產效率時空演變分析

2.4.1 綜合技術效率全局空間自相關分析

借助GeoDA軟件，運用全局空間自相關性方法分析研究區域玉米生產綜合技術效率的空間相關性。計算玉米生產綜合技術效率全局自相關指數Moran及其檢驗值，如表4所示。由表4可知，20個省(區)2005—2015年間玉米生產綜合技術效率的全局自相關指數的變化情況，Moran指數均為正數，在0.3～0.4之間波動，都通過了Z統計量檢驗(5%水平下臨界值為1.96)，說明研究時間段內，20個省(區)玉米生產綜合技術效率有顯著正相關特征，綜合技術效率呈現空間集聚性，即效率高的省(區)相鄰，效率低的省(區)相鄰。從Moran指數看，針對20個省(區)玉米生產綜合技術效率空間相關性來看，2015年與2005年相比基本接近，2006年最弱，2011年最強，且歷年差距不大，說明所研究的11年間我國20個玉米主要生產省(區)之間的生產聯系基本沒有進步(加強)，反而在部分年份有所減弱，空間集聚性減弱，差異擴大。

表4 2005—2015年研究省(區)玉米綜合技術效率全局Moran指數及其檢驗值Tab.4 Global autocorrelation results of 20 main producing provinces of maize from 2005 to 2015

2.4.2 綜合技術效率局部空間自相關分析

為了更好地了解區域之間真正的空間相關性關系與局部聚集情況，本文采用局部空間相關性分析補充研究。主要采用局部Moran指數、Moran’sI散點圖和LISA集聚圖來分析。本文繪制2005、2015年的局部Moran’sI散點圖(圖5)，從散點圖可知，11年間玉米生產綜合技術效率空間集聚情況沒有較大的變化。因此需根據LISA分析進一步研究局部范圍內各省(區)玉米生產綜合技術效率的空間集聚情況(LISA是衡量某一空間單元與周圍單元之間的相關程度及顯著性指標)，在Z檢驗基礎上(P小于5%)，繪制2005年與2015年玉米生產綜合技術效率LISA聚集圖(圖6)。由圖6知，11年間，大部分研究省(區)玉米生產綜合技術效率無明顯的空間相關性(灰色區域較多)，少部分區域存在顯著的正相關關系(紅色區域)，且存在正相關的區域比較穩定，主要集中在北方地區與黃淮海地區，呈現明顯的空間集聚特征。研究省(區)中，2005年“H-H”類型的有內蒙古自治區、陜西省、河南省，2015年有山西省、內蒙古自治區、遼寧省、山東省、河南省、陜西省，這些省(區)的玉米生產綜合技術效率集聚性強，與周邊省(區)玉米生產關聯較密，帶動性較強。與2005年相比，2015年新增入“H-H”類型的有遼寧省、山西省與山東省，說明它們在11年的發展中逐漸在周邊省(區)中起到了帶動輻射作用。

圖5 2005、2015年研究區域玉米生產綜合技術效率Moran散點圖Fig.5 Local Moran scatter plots of comprehensive technolgy efficiency of maize production in 2005 and 2015

圖6 2005、2015年研究區域玉米生產綜合技術效率LISA集聚圖Fig.6 LISA cluster maps of comprehensive technolgy efficiency of maize production in study area in 2005 and 2015

3 結論

(1)從綜合技術效率、純技術效率與規模效率看，2005—2015年研究區域玉米生產綜合技術效率平均值、純技術效率和規模效率均值均未達到DEA有效水平，整體上還有較大提升空間，其中規模效率相較而言是制約綜合技術效率提升的主要因素。各省(區)綜合技術效率的差異主要受農業生產方式(技術運用等)、經營規模及農業生產占比等的影響。綜合生產技術效率較高的省(區)，純技術效率與規模效率均較高；而綜合效率較低的省(區)，純技術效率與規模效率的差異較大。

(2)從Malmquist指數來看，玉米全要素生產率的增長顯著依賴于技術進步。19個研究省(區)的玉米全要素生產率呈負增長，主要受缺乏區域適用的生產技術或技術未得到有效投入、推廣使用影響。對綜合技術效率進步指數分解看，規模效率下降是導致其下降的主要原因。

(3)從玉米生產要素投入分析看，我國玉米主產區生產各個投入要素均存在不同程度的松弛，各要素配置不合理，均有可節約的空間。

(4)從空間全局自相關分析來看，2005—2015年，20個省(區)玉米生產綜合技術效率有顯著正相關特征，呈現集聚性。2015年與2005年相比Moran指數基本接近，且歷年差距不大，說明11年間，全國玉米主要生產省(區)之間的玉米生產聯系基本沒有進步(加強)，反而在部分年份有所減弱，空間集聚性減弱，空間差異擴大。

(5)從空間局部自相關分析來看。11年間，大部分研究省(區)玉米生產綜合技術效率無明顯的空間相關性，少部分區域存在顯著的正相關關系，且存在正相關的區域比較穩定，主要集中在北方地區與黃淮海地區，呈現明顯的空間集聚特征。新增入“H-H”類型的省份在研究期間的發展中逐漸在周邊省(區)中起到了帶動輻射作用。

1 楊虎. 20世紀中國玉米種業發展研究[D].南京：南京農業大學,2011. YANG Hu. On the development of maize seed industry in the 20th century[D]. Nanjing: Nanjing Agricultural University,2011. (in Chinese)

2 國家統計局.中國統計年鑒[M]．北京：中國統計出版社，2016．

3 農業部農業機械化管理司．全國農業機械化統計年報[M]．北京：中國農業出版社，2015．

4 國家發展和改革委員會價格司．全國農產品成本收益資料匯編[M]．北京：中國統計出版社，2015．

5 楊國慶,劉天軍.入WTO以來中國玉米生產效率評價——來自全國15個省的面板數據分析[J]. 廣東農業科學,2013,40(3):217-221. YANG Guoqing, LIU Tianjun. Research on the evaluation of production efficiency in China maize zone after entering WTO—based on the panel data from 15 provinces[J]. Guangdong Agricultural Sciences ,2013,40(3):217-221. (in Chinese)

6 欒義君,楊照,韓潔. 玉米生產技術效率的隨機前沿分析[J]. 南方農村,2014,30(8):27-29.

7 舒坤良,郭亞梅,高敬偉,等. 中國玉米生產二次相對效率評價[J]. 玉米科學,2010,18(5):145-148. SHU Kunliang, GUO Yamei, GAO Jingwei, et al. Evaluation of two-stage relative efficiency on maize production process in China[J]. Journal of Maize Sciences, 2010,18(5):145-148. (in Chinese)

8 王軍,徐曉紅,王洪麗,等.中國核心優勢產區玉米生產效率增長及其分解分析[J]. 玉米科學,2010,18(6):133-137，142. WANG Jun, XU Xiaohong, WANG Hongli, et al. Study on TFP of maize production in Chinese core advantage area [J]. Journal of Maize Sciences, 2010,18(6):133-137,142. (in Chinese)

9 張越杰. 中國東北地區玉米生產效率的實證研究——以吉林省為例[J]. 吉林農業大學學報,2008,30(4):632-639. ZHANG Yuejie. A poitive study on efficiency of maize production in northeast China[J]. Journal of Jilin Agricultural University,2008,30(4):632-639. (in Chinese)

10 趙貴玉,王軍,張越杰. 基于參數和非參數方法的玉米生產效率研究——以吉林省為例[J]. 農業經濟問題,2009(2):15-21,110. ZHAO Guiyu, WANG Jun, ZHANG Yuejie. Study on the efficiency of maize production based on parametric and non-parametric analysis:case of Jilin provice[J]. Issues in Agricultural Economy, 2009(2):15-21,110. (in Chinese)

11 高翔,劉維忠,戴健. 基于DEA的新疆玉米生產效率地區差異分析[J]. 技術經濟與管理研究,2008(5):118-121. GAO Xiang, LIU Weizhong, DAI Jian. Analysis on the differences in the efficiency of corn’s production around Xinjiang based on DEA[J]. Technoeconomics & Management Research,2008(5):118-121. (in Chinese)

12 秦鐘,章家恩,駱世明,等. 基于DEA時間窗分析的廣東省農業生產效率評價[J]. 中國生態農業學報,2011,19(6):1448-1454. QIN Zhong, ZHANG Jiaen, LUO Shiming, et al. Evaluation on agricultural production efficiency of Guangdong Province by using DEA window analysis [J]. Chinese Journal of Eco-Agriculture,2011,19(6):1448-1454. (in Chinese)

13 賀正楚. 基于數據包絡分析法的湖南省"兩型"農業生產效率評價[J]. 農業現代化研究,2011,32(3):344-347. HE Zhengchu. Evaluation of resource-saving and environment-friendly oriented agricultural productivity in Hunan Province based on data envelopment analysis(DEA)[J]. Research of Agricultural Modernization,2011,32(3):344-347. (in Chinese)

14 張銳,翟歡歡,張訓. 基于DEA的縣域兩型農業生產效率評價[J]. 經濟數學,2011,28(1):105-110. ZHANG Rui, ZHAI Huanhuan, ZHANG Xun. An evaluation of county-scale two-oriented agricultural production efficiency[J]. Journal of Quantitative Economics,2011,28(1):105-110. (in Chinese)

15 郭軍華,倪明,李幫義. 基于三階段DEA模型的農業生產效率研究[J]. 數量經濟技術經濟研究,2010,27(12):27-38. GUO Junhua, NI Ming, LI Bangyi. Research on agricultural production efficiency based on three-stage DEA model[J]. The Journal of Quantitative & Technical Economics,2010,27(12):27-38. (in Chinese)

16 方宏斌,鄭業軍,姜志德. 基于DEA的漢中市蔬菜生產效率研究[J]. 現代經濟信息,2011(13):282-283.

17 石會娟,王俊芹,王余丁. 基于DEA的河北省蘋果產業生產效率的實證研究[J]. 農業技術經濟,2011(10):86-91.

18 宋增基,徐葉琴,張宗益. 基于DEA模型的中國農業效率評價[J]. 重慶大學學報:社會科學版,2008,14(3):24-29. SONG Zengji, XU Yeqin, ZHANG Zongyi. A DEA efficiency analysis of Chinese agriculture[J]. Journal of Chongqing University: Social Science Edition,2008,14(3):24-29. (in Chinese)

19 王茜,秦富. 農業產業化龍頭企業的生產效率分析——基于DEA模型[J]. 技術經濟,2009,28(3):53-57. WANG Qian, QIN Fu. Analysis on production efficiency of leading agricultural enterprises in China:based on DEA mode[J]. Technology Economic,2009,28(3):53-57. (in Chinese)

20 周曉林,吳次芳,劉婷婷. 基于DEA的區域農地生產效率差異研究[J]. 中國土地科學,2009,23(3):60-65. ZHOU Xiaolin, WU Cifang, LIU Tingting. Study on productive efficiency difference of regional farmland based on DEA[J]. China Land Science,2009,23(3):60-65. (in Chinese)

21 顧海,王艾敏. 基于Malmquist指數的河南蘋果生產效率評價[J]. 農業技術經濟,2007(2):99-104.

22 關偉,張華,許淑婷. 基于DEA-ESDA模型的遼寧省能源效率測度及時空格局演化分析[J]. 資源科學,2015,37(4):764-773. GUAN Wei，ZHANG Hua，XU Shuting. Spatial and temporal pattern evolution of energy efficiency in Liaoning based on the DEA-ESDA model[J]. Resources Science,2015,37(4):764-773. (in Chinese)

23 李梅,王鐵. 基于ESDA的區域經濟格局時空演變研究——以山東省為例[J]. 國土與自然資源研究,2011(6):9-11. LI Mei,WANG Tie. Spatial and temporal evolution of regional economy pattern based on ESDA—a case study of Shandong Province[J]. Territory & Natural Resources Study,2011(6):9-11. (in Chinese)

24 蒲英霞,葛瑩,馬榮華,等. 基于ESDA的區域經濟空間差異分析——以江蘇省為例[J]. 地理研究,2005,24(6):965-974. PU Yingxia, GE Ying, MA Ronghua, et al. Analyzing regional economic disparities based on ESDA[J]. Geographical Research,2005,24(6):965-974. (in Chinese)