關中地區不同農業經營主體耕地生產效率比較
——基于Meta-Frontier模型

郭 斌， 尹夢雅

(西安建筑科技大學管理學院，陜西西安 710055)

關中地區位于陜西省秦嶺和渭北山系之間，面積約3.6萬km2，包括西安市、寶雞市、咸陽市、渭南市、銅川市及楊凌示范區。同時，西安、寶雞、咸陽、渭南等市處于“關中灌區噸良田產業帶”，銅川、咸陽、寶雞等市屬于“渭北旱作高產玉米產業帶”，關中地區農業地理位置具有獨特的優越性，各農業經營主體間經濟水平、資源稟賦、科技水平等存在差距，對其耕地生產效率進行調查和對比分析，從而有針對性地培育農業經營主體、提高農業生產的經濟效益。同時，為了進一步完善各主體間由于技術水平差異導致的生產效率測度偏差，從節約資源和減少農業面源污染(指農業生產活動中，溶解的或固體的污染物)排放2個方面同時考慮，從“技術”和“管理”2個角度深入分析各主體間資源無效的原因，并提出提高關中地區耕地生產利用效率的政策建議，為省、地市級政府制定發展戰略提供政策參考。

近年來學者們對于土地利用效率的研究日益深入，研究單元的范圍與類型日漸多樣化，已有文獻對耕地生產效率的研究主要是利用宏觀面板數據進行分析[1-6]，而缺乏利用微觀數據對耕地生產效率進行實證研究；同時，現有文獻對除傳統承包經營農戶以外的其他農業經營主體耕地生產效率的研究相對較少[7-10]，由于針對不同農業經營主體耕地生產效率的研究相對缺乏，所以針對不同農業經營主體耕地生產效率提升路徑的文獻相對也較少。

1 研究方法的選擇

在國內外已有的相關研究中，生產效率的測算方法可以分為參數法與非參數法，參數法包括隨機前沿方法(SFA)、自由分布法(DFA)和厚邊界方法(TFA)；非參數法包括數據包絡分析法(DEA)和自由可置殼法(FDH)。由于非參數法不須要設定函數，避免了函數設定帶來的誤差，應用最為廣泛[11]。DEA方法由于不用考慮投入變量和產出變量的單位，便于處理多輸入多輸出生產過程而得到廣泛的應用[12-14]。為了解決DEA模型無法考慮“松弛變量”的問題，Tone提出基于投入、產出松弛變量的環境效率評價模型(slacks-based measure，SBM)。SBM模型不需要進行徑向和角度選擇，還充分考慮了投入、產出的松弛性問題，度量的環境效率值也更加精確，從而更加符合生產實際，使用也較普遍[15-16]。對于效率研究的方法，盡管相關研究在技術上取得了很大進步，但仍存在一個基本的限制，即沒有考慮到不同主體之間的生產技術存在差異，因此測度出來的效率值是有偏差的。由于不同農業經營主體在人員結構、發展水平、政策導向等方面存在較大差異，如果不能考慮這些差異，將這些主體在同一技術水平下進行耕地生產效率比較，則無法獲得各農業經營主體真實的耕地生產效率。對此，Battese等給出了解決方法，首先根據某一標準將各DUM劃分為不同群組，用隨機前沿法(SFA)構建共同前沿和不同群組前沿，并測算出共同前沿和不同群組前沿的技術效率，將兩者比值定義為技術缺口比率(TGR)[17]。在此基礎上，O’Donnell構建了基于DEA方法的群組前沿和共同前沿[18]。因此，采用共同前沿(Meta-Frontier)模型對關中地區不同農業經營主體的耕地生產效率進行分析。

2 研究方法與數據

2.1 方向距離函數

在測算關中地區不同農業經營主體的耕地生產效率時考慮了非期望產出(農業面源污染)，而能夠在模型中對期望產出和非期望產出進行區別對待是方向距離函數模型(DDF)的主要功能之一，因此引用方向距離函數來測算耕地生產效率。

將基于產出方向的方向距離函數定義為：

(1)

2.2 共同前沿(Mate-Frontier)模型

假設研究總體中存在k個子技術水平的子集合TK，K=1,2,…,k，則Tmeta={T1∪T2∪…∪TK}。

距離函數Dmate和Dk分別在共同前沿和群組前沿條件下用公式(1)所示的方向距離函數模型進行計算。

在共同前沿框架下，最重要的指標是“技術缺口比率(TGR)”，該指標反映了群組前沿和共同前沿技術水平的差距。TGR用共同和群組距離函數表示為。

技術缺口比率將共同前沿和群組前沿緊密地聯系起來，用來衡量同一DUM在不同前沿下的技術效率差距，TGR數值越大，表明實際生產效率越接近潛在生產效率[19-20]。

2.3 生產效率無效率分解

為了進一步探究不同農業經營主體耕地生產效率差異的真正原因，參考Chiu提出的方法，將共同前沿下關中地區各農業經營主體耕地生產無效(IE)分解為技術差距無效率(TIE)和管理無效率(MIE)[19]，具體如下：

IE=1-MTE=TIE+MIE；

TIE=GTE×(1-TGR)；

MIE=1-GTE。

2.4 樣本、數據及變量

黨的十八大報告明確提出發展多種形式規模經營，構建集約化、專業化、組織化、社會化相結合的新型農業經營體系；2013年中央1號文件也提出要“創新農業生產經營體制”。新型農業經營主體主要包括龍頭企業、農業專業合作社、家庭農場和專業大戶，傳統農業經營主體主要指普通農戶。因此，本研究的經營主體主要包括龍頭企業、專業合作社、家庭農場、專業大戶和普通農戶。

近年來，關中地區農業發展勢頭良好，為了全面了解不同農業經營主體的差異性，筆者所在課題組在關中地區5市1區的14個縣(區)選取350個各類農業經營主體進行專項調研，收回有效問卷333份，有效問卷率達95%，調研時間為2017年1—3月。由于考慮到每個經營主體受生產規模、地理位置、生產條件、所處區域經濟發展水平等影響，存在較大差異，所以調查對象以選取典型樣本的方式確定，調研區域及各縣(區)主要農作物分布見表1。

表1調查區(縣)主要農作物統計

由于糧食、蔬菜、水果3類作物之間的投入產出存在較大差異，因此分別分析它們對不同經營主體耕地生產效率的差異，調查數據中關中地區不同農業經營主體分布情況見表2。

表2關中地區不同農業經營主體分布情況

通過對已有文獻的系統回顧，考慮到耕地生產效率反映了農業資源合理利用、農業經濟效益、環境可持續發展的綜合情況，在耕地生產效率評價過程中選擇土地、勞動力、農業機械、化肥、農藥等作為耕地生產效率的投入指標，產出指標分為期望產出和非期望產出，期望產出使用農業總產值表示，非期望產出使用農業面源污染[指重鉻酸鹽指數(CODCr)排放量、總氮(TN)排放量、總磷(TP)排放量的總和]表示[21-24]。耕地生產效率評價指標體系設計見表3。

農業生產過程中伴隨產生的農業污染是影響耕地生產效率的主要原因之一，農業污染物排放量越多，對農業生產環境帶來的負面影響越大，耕地生產效率則越低。農業面源污染排放量的計算根據饒靜等提出的農業產污系數[25-26]確定，農作物產污系數為：CODCr1.286 400 kg/hm2，TN 含量 0.008 267 kg/hm2，TP含量 0.001 207 kg/hm2[農作物造成的面源污染(CODCr、TN、TP)=農作物產量×農作物產污系數(CODCr、TN、TP)]。

表3關中地區不同農業經營主體耕地生產效率投入產出指標體系

3 關中地區不同農業經營主體耕地生產效率評價

3.1 共同前沿效率(MTE)和群組前沿效率(GTE)分析

3.1.1 不同糧食農業經營主體耕地生產效率測算與比較 在假設規模報酬可變的情況下運用共同前沿(Mate-Frontier)模型，將5種不同農業經營主體的投入和產出指標帶入其中，運用MaxDEA 7.2.1版本軟件，選擇方向距離函數產出導向對數據進行計量，分別測算出共同前沿效率和群組前沿效率(表4)。

表4共同前沿和群組前沿下糧食不同經營主體技術效率的統計描述

由表4可知，在共同前沿下，各群組耕地生產效率值(MTE)從高到底排列依次為農業合作社、家庭農場、農戶、龍頭企業、專業大戶，其值分別為0.803、0.558、0.552、0.540、0.538。說明如果采用潛在最優生產技術，農業合作社還有19.7%的效率提升空間；同理，家庭農場、農戶、龍頭企業、專業大戶仍分別有44.2%、44.8%、46.0%、46.2%的效率提升空間。在群組前沿下，首先，群組技術效率表現最佳的是專業大戶，GTE均值達0.931，最大值為1.000，接近最優狀態；表現最差的是農業合作社，GTE均值為0.804，最小值僅為0.525。其次，群組前沿下龍頭企業和農戶標準差相對較小，說明該群組內部差異較小。MTE和GTE均值差距最大的是專業大戶，差值為0.393。MTE表現最佳的是農業合作社，GTE表現最佳的是專業大戶，專業大戶MTE和GTE差值為0.393，表明專業大戶并不能代表耕地生產效率先進水平，而農業合作社差值僅為0.001，表明農業合作社在一定程度上代表糧食種植耕地生產的先進水平。

3.1.2 不同蔬菜農業經營主體耕地生產效率測算與比較 采取糧食不同農業經營主體耕地生產效率的測算方法，分別對5種不同經營主體蔬菜的耕地生產效率進行測算(表5)。

表5共同前沿和群組前沿下蔬菜不同經營主體技術效率的統計描述

由表5可知，關中地區不同種植蔬菜的農業經營主體群組前沿效率值均大于共同前沿效率值，群組前沿下各經營主體的GTE表現最佳均達到1.000。在共同前沿下，各群組耕地生產效率值(MTE)從高到底排列依次為龍頭企業、農業合作社、家庭農場、農戶、專業大戶，其值分別為0.839、0.857、0.740、0.676、0.559，龍頭企業和農業合作社特別是龍頭企業因具備資金和人才等諸多優勢，使其在農業生產過程中機械化水平普遍較高，技術效率得以充分發揮，因而MTE表現較好，家庭農場、農戶、專業大戶仍分別有26.0%、32.4%、44.1% 的效率提升空間。在群組前沿下，GTE均值表現較好的前3位分別為龍頭企業、專業大戶、家庭農場，標準差分別為0.023、0.060、0.093，也排在前3位，而排在第4位的農業合作社也超過了0.900，說明除普通農戶外，蔬菜經營主體技術發展對均衡、技術效率差異不明顯，相對于糧食生產雖然蔬菜生產周期較短，但幾乎每天都須要人工除草、灑水、噴藥等操作，須要投入更多的人工數量和時間成本，新型經營主體的集約化管理更適用于提升蔬菜種植的耕地生產效率。

3.1.3 不同水果農業經營主體耕地生產效率測算與比較 采取上述測算方法，分別對5種不同經營主體蔬菜的耕地生產效率進行測算(表6)。由表6可知，關中地區不同種植水果的農業經營主體在共同前沿和群組前沿下，GTE顯著高于MTE。在共同前沿下，技術效率最高的是農業合作社，均值MTE達到0.901，隨后依次是龍頭企業、農戶、家庭農場、專業大戶，如果采用潛在最優生產技術，農業合作社還有9.9%的效率提升空間；同理，龍頭企業、農戶、家庭農場、專業大戶仍分別有25.8%、28.2%、41.6%、46.6%的效率提升空間。在群組前沿下，表現最佳的是龍頭企業，GTE均值達0.966，最大值為1.000，接近于最優狀態；表現最差的是家庭農場，GTE均值為0.833，最小值僅為0.562，表明將環境因素納入耕地生產效率衡量框架之后，無論是與家庭農場群組前沿最優生產技術還是與共同前沿最優生產技術相比，家庭農場都仍有較高的提升空間。MTE和GTE均值差距最大的是農業合作社，差值為0.025，表明相較于其他農業經營主體而言，農業合作社的水果生產水平較先進，由于水果種植需要專業的技術人才，并且須要開展相應的科學研究，因此龍頭企業和專業合作社具備資本和人才的絕對優勢，而家庭農場、專業大戶和普通農戶的技術水平仍有較大的提升空間。

表6共同前沿和群組前沿下水果不同經營主體技術效率的統計描述

綜上分析可知，關中地區不同農業經營主體耕地生產效率在群組前沿下的耕地生產效率顯著高于共同前沿下的耕地生產效率；龍頭企業和專業合作社的耕地生產效率高于其他3類主體，家庭農場、專業大戶、普通農戶3類主體與潛在最優生產技術差距較大；無論是在共同前沿還是在群組前沿條件下，龍頭企業和家庭農場種植蔬菜的耕地生產效率最大，農業合作社和普通農戶種植水果的耕地效率最大，專業大戶種植蔬菜和水果的效率幾乎持平，表明各類主體種植蔬菜和水果的耕地生產效率高于種植糧食作物的耕地生產效率。

3.2 技術缺口比率(TGR)分析

在對關中地區不同作物各經營主體MTE和GTE測度的基礎上，利用技術缺口比率(TGR)分析各主體間耕地生產效率的差距(表7)。

由表7可知，種植糧食作物的各農業經營主體中，龍頭企業、農業合作社、家庭農場、專業大戶、農戶的平均技術缺口比率分別為0.623、0.999、0.675、0.580、0.606，從各主體技術缺口比率穩定性來看，農業合作社的技術缺口比率標準差最小，結果最穩定。該結果說明農業合作社在共同前沿和群組前沿條件下被評價單元的參考集并沒有太大差距，農業合作社達到潛在技術效率最優水平的99.9%，代表了糧食種植的最高水平，基本實現了資源與環境的和諧發展。種植蔬菜的各經營主體從高到低依次為農業合作社、龍頭企業、家庭農場、農戶、專業大戶，表現最穩定的前3位依次是專業大戶、農戶、家庭農場，表明農業合作社、龍頭企業和家庭農場最接近潛在的生產效率。在種植水果的各經營主體中，TGR值最高的仍為農業合作社，其次是龍頭企業和家庭農場，且專業大戶的技術缺口比率標準差最小，結果仍最穩定。綜合來看，農業合作社相對于其他經營主體在種植各類作物中表現最優，基本上代表了農產品種植的最高水平。

3.3 耕地生產無效率分解

為了進一步探究關中地區各農業經營主體間耕地生產效率無效的原因，進而為各級政府提供參考，將各經營主體的耕地生產無效率(IE)分解為技術水平差距無效率(TIE)和管理無效率(MIE)(表8)。

由表8可知，關中地區各農業經營主體的耕地生產無效率無效的原因大部分是技術水平差距無效率(TIE)，綜合糧食、蔬菜和水果的耕地生產無效率原因，其中龍頭企業和專業大戶平均TIE占比高于其他主體，表明龍頭企業和專業大戶的管理水平相對較完善，管理體系也較完整；同時，雖然龍頭企業和專業大戶相對于其他經營主體技術水平較高，但他們在技術方面的提升空間大于管理方面，這可能是由于龍頭企業技術水平參差不齊或相關部門對專業大戶的技術支持不夠到位，所以它們仍須在技術研發和創新方面努力。MIE占比最高的是農業合作社，說明農業合作社在農業生產過程中技術方面可提升空間不大，管理方面存在較大問題須要改進，反映出農業合作社的管理體制可能存在缺陷。而農戶和家庭農場TIE和MIE占比相對均衡，因為相對于其他經營主體而言，家庭農場更接近于農戶這一傳統農業種植模式，只是在規模和人員數量上稍有增加，可是在技術和管理方面仍存在一定的欠缺，因此它們在提升自身技術水平的同時也須要解決管理方面存在的問題。

表7關中地區不同農業經營主體耕地生產效率技術

4 結論與啟示

本研究在共同前沿和群組前沿條件下，測算了關中地區不同農業經營主體的耕地生產效率，在此基礎上分析了各主體的技術缺口比率(TGR)，并將各主體的耕地生產無效率分解為技術水平差距無效率(TIE)和管理無效率(MIE)。結果表明，關中地區不同農業經營主體耕地生產效率在2種前沿下有明顯差異，即群組前沿下的耕地生產效率明顯著高于共同前沿下的耕地生產效率。主要原因是關中地區耕地生產技術水平相對較低，所以須要提高技術水平，在技術研發和創新方面努力，提高耕地生產效率。無論是在共同前沿條約件下還是在群組前沿條件下，龍頭企業和家庭農場種植蔬菜的耕地生產效率最大，農業合作社和普通農戶種植水果的耕地效率最大，專業大戶種植蔬菜和水果的效率幾乎持平，表明各類主體種植蔬菜和水果的耕地生產效率高于種植糧食作物的耕地生產效率。關中地區各經營主體的生產無效率無效主要是因為技術水平差距無效率，所以主要應該提升自身技術水平來提高耕地生產效率。其中，龍頭企業和專業大戶主要須要在技術研發和創新方面努力；而農戶和家庭農場TIE和MIE占比較均衡，說明它們在提升自身技術的同時也須要解決管理方面存在的問題，農業合作社則在管理方面存在較大問題須要改進。

表8耕地生產效率無效率因素分解

綜上，為確保農業生產穩定、健康可持續發展，不斷提升各類經營主體的耕地生產效率，促進農村經濟社會和諧發展，提出以下政策建議：(1)加強對各農業經營主體的針對性培育。關中地區各區(縣)應充分發揮當地的自然資源和人才優勢，有針對性地加快對各類新型農業主體的培育工作，提升農業生產經營的組織水平，著力提高農業供給體系的質量和效率，不斷提升各主體的耕地生產效率。(2)進一步發揮龍頭企業和專業合作社的輻射作用。充分發揮龍頭企業的資本優勢、規范的組織管理水平以及農業專業合作社的技術優勢和應對市場的變化能力。通過農村土地承包經營權流轉，采取“公司+合作社+農戶”的組織模式吸引更多農戶加入龍頭企業和農業合作社的生產經營中，充分發揮其輻射和帶動作用，幫助提升小農戶對市場變化的應變能力。(3)加強對微觀農業生產經營組織的管理和支持。雖然專業大戶表現出的技術水平較高，但管理模式相對落后，家庭農場和普通農戶在管理和技術方面都存在較大欠缺，政府和有關部門應對家庭農場和農戶提供更多技術支持和管理培訓，減少耕地生產過程中投入的浪費，不斷提升各類農業經營主體的耕地生產效率。

參考文獻：

[1]劉玉海，張 麗. 耕地生產率與全要素耕地利用效率——基于SBM-DEA方法的省際數據比較[J]. 農業技術經濟，2012，22(6)：47-56.

[2]謝花林，張道貝，王 偉，等. 鄱陽湖生態經濟區耕地利用效率時空差異及其影響因素分析[J]. 水土保持研究，2016，23(5)：214-221.

[3]丘雯文，楊子生. 云南省耕地生產效率的時空差異及影響因素[J]. 長江流域資源與環境，2016(5)：787-793.

[4]李在軍，管衛華，臧 磊. 山東省耕地生產效率及影響因素分析[J]. 世界地理研究，2013，22(2)：167-175.

[5]王良健，李 輝. 中國耕地利用效率及其影響因素的區域差異——基于281個市的面板數據與隨機前沿生產函數方法[J]. 地理研究，2014，33(11)：1995-2004.

[6]廖成泉，胡銀根，章曉曼. 基于四階段DEA-Tobit的湖北省耕地資源利用效率及其影響因素研究[J]. 農業現代化研究，2015，36(5)：876-882.

[7]相廣萍. 基于數據包絡分析法對山東耕地產出效率及影響因子研究[J]. 山東農業大學學報(自然科學版)，2015，46(1)：65-68.

[8]趙 京，楊鋼橋，汪文雄. 農地整理對農戶土地利用效率的影響研究[J]. 資源科學，2011，33(12)：2271-2276.

[9]吳 晨. 不同農業經營主體生產效率的比較研究[J]. 經濟縱橫，2016(3)：46-51.

[10]劉菲菲. 青島市新型農業經營主體生產效率的比較[J]. 農村經濟與科技，2015，26(5)：142-143，173.

[11]Bergerab A N.Efficiency of financial institutions：international survey and directions for future research[J]. European Journal of Operational Research，1997，98(2)：175-212.

[12]Lamb J D，Tee K H.Data envelopment analysis models of investment funds[J]. European Journal of Operational Research，2012，216(3)：687-696.

[13]Cook W D，Tone K，Zhu J.Data envelopment analysis：prior to choosing a model[J]. Omega，2014，44(2)：1-4.

[14]Cooper W W，Kingyens A T，Paradi J C.Two-stage financial risk tolerance assessment using data envelopment analysis[J]. European Journal of Operational Research，2014，233(1)：273-280.

[15]Fang H H，Lee H S，Hwang S N，et al.A slacks-based measure of super efficiency in data envelopment analysis：an alternative approach[J]. Omega，2013，41(4)：731-734.

[16]Kao C.Efficiency decomposition in network data envelopment analysis with slacks-based measures[J]. Omega，2014，45(3)：1-6.

[17]Battese G ERao D S P，O’Donnell C J.A Metafrontier production function for estimation of ttechnical efficiencies and technology gaps for firms operatingUnder different technology[J]. Journal of Productivity Analysis，2004，21(1)：91-103.

[18]O’Donnell C J，Rao D S P，Battese G E.Meta-frontier frameworks for the study of firm-level efficienciesand technology ratios[J]. Empirical Economics，2008，34(2)：231-255.

[19]Chiu C R，Liou J L，Wu P I，et al.Decomposition of the environmental inefficiency of the meta-frontier with undesirable output[J]. Energy economics，2012(34)：1392-1399.

[20]劉丙泉，于曉燕，李永波. 基于共同前沿模型的中國區域生態效率差異研究[J]. 科技管理研究，2016(5)：211-214，253.

[21]王良健，李 輝. 中國耕地利用效率及其影響因素的區域差異——基于281個市的面板數據與隨機前沿生產函數方法[J]. 地理研究，2014，33(11)：1995-2004.

[22]劉玉海，張 麗. 耕地生產率與全要素耕地利用效率——基于SBM-DEA方法的省際數據比較[J]. 農業技術經濟，2012，22(6)：47-56.

[23]楊 朔，于文海，李世平. 基于DEA非有效改進的陜西省耕地生產效率研究[J]. 中國土地科學，2013，27(10)：62-68.

[24]楊清可，段學軍，葉 磊，等. 基于SBM-Undesirable模型的城市土地利用效率評價——以長三角地區16城市為例[J]. 資源科學，2014，36(4)：712-721.

[25]饒 靜，許翔宇，紀曉婷. 我國農業面源污染現狀、發生機制和對策研究[J]. 農業經濟問題，2011(8)：81-87.

[26]梁疏濤. 農業面源污染時空特征和演變規律研究[D]. 南京：南京農業大學，2009.