農業投資效率的評價及制約因素研究
——基于DEA方法和面板數據模型

周澤炯，劉 麗

(安徽財經大學 a.經濟學院； b.金融學院, 安徽 蚌埠 233030)

近年來，我國各地深入推進供給側結構性改革，努力創新農業投資方式，農業投資效率不斷提高。然而，一些省份農業投資機制不完善，投資主體權責不明晰，投資決策不合理，社會資金投資積極性較低，農業投資效率不高，制約著農業經濟健康發展[1]。安徽是農業大省，是我國重要的商品糧基地，正確認識和分析安徽農業投資狀況，科學評價農業投資效率，制定提升農業投資效率的政策措施，對推動農業經濟健康發展具有重要現實意義。本文以安徽省為例，首先分析安徽農業投資狀況，然后運用數據包絡分析(DEA)的BCC模型對農業投資的技術效率、純技術效率和規模效率進行評價，最后分析農業投資效率的制約因素并提出相應的對策建議。

1 農業投資現狀分析

多年來，我國政府財政投入在農業投資中起主導作用，農戶是農業投資主體。以下對安徽政府財政投入和農戶對農業的投資情況進行分析，并對省內16個地市的農業投資情況進行對比分析。

1.1 政府財政對農業投資情況

2000年以來，安徽財政對農業投資的規模不斷擴大，財政支農資金由2000年20.59億元增加到2017年656.89億元，增加了30多倍。全省財政總支出中農業支出所占的比重呈現上升趨勢，由2000年7.1%提高到2017年12.33%，提高了5.23個百分點。在這期間，雖然2010年以后農業支出占財政支出比重有下降趨勢，但仍基本維持在10%以上，這充分反映了安徽政府對農業發展的高度重視。具體數據如表1所示。

表1 2000—2017年安徽財政農業支出

年份財政農業支出/億元農業支出增長率/%農業支出占財政支出比重/%200020.59-3.507.102010292.5212.9014.202011351.8720.3013.202012430.4722.3410.902013478.1711.0811.002014502.695.1310.782015577.7414.9311.032016624.838.1511.312017656.8912.4312.33

注：數據來源于《安徽統計年鑒》和安徽省統計局網站數據匯總

1.2 農戶農業投資情況

2000年以來，安徽農戶農業投資規模不斷增加,具體表現在如下兩個方面：一是人均家庭經營費用支出不斷增加，由2000年的395.44元增加到2017年的2 647.64元，增長了5.69倍，年均增長率達到13.98%；二是人均生產性固定資產支出不斷增加，由2000年的53.66元增加到2017年的948.20元，增長了5.69倍，年均增長率達到18.38%。對比家庭經營費用支出和農戶生產性固定資產支出可見，前者遠遠高于后者，說明安徽個體農戶對農業生產投資的積極性還不高。具體數據如表2所示。

表2 2000—2017年安徽省農戶農業投資 元/人

指標2000年2010年2011年2012年2013年2014年2015年2016年2017年農戶家庭經營費用支出395.441 297.791 763.941 971.071 482.171 645.512 327.442 579.932 647.64生產性固定資產支出53.66150.57174.76250.54321.3363.94763.32813.63948.20

數據來源：《安徽統計年鑒》和安徽省統計局網站數據匯總。

1.3 不同地市農業投資情況

2000年以來，安徽省16個地市的農業投資規模均不斷增加，但不同地市的投資規模差異較大，存在地區投資不平衡現象。2017年，蕪湖、合肥、安慶3市的農業投資規模位于為全省地市的前3位，分別為126.03、110.68和81.34億元，占全省農業投資總額的比重分別為15.29%、14.56%和10.21%；而池州、淮北和亳州3市的農業投資規模位于全省地市的后3位，分別為15.52、18.70和22.99億元，占全省農業投資總額的比重分別為2.12%、2.53%和3.20%。由縱向比較可以看出，2017年和2010年相比，合肥、六安、宣城、安慶、黃山等5市的農業投資額占全省的比重呈現下降趨勢，而其余地市均呈現增加趨勢。具體數據詳見表3所示。

表3 2017年安徽各市農業投資額

地區農業投資額/億元 占全省比重/% 全省826.89100.00合肥110.6814.56淮北22.702.53毫州24.993.20宿州27.863.53蚌埠38.454.76阜陽44.895.12淮南70.638.88滁州55.557.09六安37.024.79馬鞍山46.775.56蕪湖126.0315.29宣城44.795.71銅陵33.883.79池州15.522.12安慶81.3410.21黃山33.193.69

數據來源：《安徽統計年鑒》和安徽省統計局網站數據匯總。

2 農業投資效率評價

農業投資效率是指農業領域投資主體所取得的有效成果與所消耗的投入額之間的比率，反映著農業資源的利用程度和社會需求的滿足程度。下面運用DEA方法和面板數據模型對安徽農業投資效率進行評價。

2.1 農業投資效率的DEA方法分析

首先介紹DEA方法基本原理并選擇具體評價模型，然后構建農業投資效率評價指標體系，最后運用DEA方法對安徽農業投資效率進行評價。

2.1.1 評價方法選擇

1978年，Charnes、Coopor和Rhodes 3位美國教授提出數據包絡分析(DEA)方法，該方法用來評價決策單元(DMU)的相對有效性[2-5]。首先，在保持決策單元(DMU)的輸入或輸出不變情況下，借助于數學規劃方法和統計數據，確定相對有效性的生產前沿面；然后，把各決策單元投影到相對有效性的生產前沿面，比較各決策單元偏離相對有效性的生產前沿面的程度來評價這些決策單元的相對有效性。該DEA方法后來被學界稱為CCR模型。CCR模型假定規模報酬不變，決策單元增加投入可以達到等比例擴大產出的目的，但現實中大部分生產活動無法滿足規模報酬不變的假設條件。于是，1984年，Banker、Charnes 和Cooper對CCR模型進行了修改，構建了基于可變規模報酬假設條件的BCC模型[6]。該模型假設如下：總共有s個決策單元，每個決策單元有m種投入和n種產出；第j個決策單元的輸入和輸出向量為：

(1)

(2)

其中:xij是第j個決策單元在第i種輸入上的投入，且xij>0；yrj是第j個決策單元在第r種輸出上的產出，且yrj>0。BCC模型如下：

在式(1)中加入松弛變量S-(Slacks)和S+(Surplus),便成為：

(4)

式(2)中:θ是決策單元DMU0的相對有效值；S-表示由松弛變量組成的且與投入相對應的向量，S-≥0；S+表示由松弛變量組成的且與產出相對應的向量，S+≥0；λj為決策單元的線性組合系數。

根據θ、S-和S+的值，把決策單元DMU0分為三大類：當θ=1，且S-=0和S+=0時，稱DMU0為DEA有效；當θ=1，且至少有某個S->0或者S+>0時，稱DMU0為弱DEA有效；當θ<1時，稱DMU0為非DEA有效。

考慮到農業投資的不同規模報酬情況，本文選擇BCC模型對安徽農業投資效率進行評價。

2.1.2 評價指標體系的構建和數據選取

根據BCC模型，構建的農業投資效率評價指標包括投入指標和產出指標等2個1級指標。投入指標包括資源投入和能源投入等2個2級指標，其中資源投入包括農業投資額、農業用地量、農業化肥施用量和農用排灌機械數等4個3級指標；能源投入包括農業用電量和農業用水量等2個3級指標[7]。產出指標為地區農業總產值，該指標反映出農業投資的收益[6]。農業投資評價指標體系詳見表4所示。

表4 農業投資效率評價指標體系

根據《安徽省統計年鑒》和安徽省統計局數據，得到2017年安徽農業投資效率評價指標體系中各個指標的具體數據。

2.1.3 效率評價結果

將2017年安徽省16個地市的農業投入和產出指標的相關數據代入BCC模型，運用DEAP2.1軟件計算出各地市農業投資的總效率即技術效率以及純技術效率和規模效率。其中，技術效率反映出農業投資總效率水平，純技術效率反映在規模報酬可變條件下的農業投資效率水平，規模效率反映出規模水平變化而引起的農業投資效率變化情況[8]。具體評價結果如表5所示。

從表5可知：安徽省16個地市農業投資的技術效率均值為0.937、純技術效率均值為0.969、規模效率均值為0.966；從技術效率來看，安徽省16個地市中農業投資的總體效率為1的地市有合肥、亳州、宿州、蚌埠、阜陽、六安、馬鞍山、池州、安慶、黃山等10個，占所有評價地市中的2/3，說明安徽農業投資總體效率較高；從純技術效率看，安徽省16個地市中12個地市農業投資效率優于平均水平；值得注意的是，淮北和銅陵2個地市的純技術效率為1，但它們的技術效率均小于1，說明兩個地市農業投資僅為純技術有效，而不是規模有效；從規模效率來看，安徽省16個地市中10個地市農業投資是規模報酬不變的，即這些地市農業投資具有效率，5個地市的農業投資是規模報酬遞增的，說明這些地市繼續增加農業投資可以提高效率；1個地市即宣城的農業投資是規模報酬遞減的，反映了該市農業投資規模過大，應該降低投資規模，以提高農業投資效率。由此可見，安徽農業投資效率整體水平較好，呈現良好的發展趨勢。

表5 安徽農業投資效率評價結果

地區技術效率純技術效率規模效率規模報酬合肥1.0001.0001.000不變淮北0.8051.0000.805遞增毫州1.0001.0001.000不變宿州1.0001.0001.000不變蚌埠1.0001.0001.000不變阜陽1.0001.0001.000不變淮南0.6390.7370.867遞增滁州0.8700.8790.990遞增六安1.0001.0001.000不變馬鞍山1.0001.0001.000不變蕪湖0.8900.9210.967遞增宣城0.9400.9600.979遞減銅陵0.8421.0000.842遞增池州1.0001.0001.000不變安慶1.0001.0001.000不變黃山1.0001.0001.000不變

注：技術效率值等于純技術效率和規模效率的乘積

2.2 農業投資效率的面板數據分析

以上運用DEA方法對安徽各地市農業投資效率進行評價，只是得到16個地市農業投資效率的相對有效性，無法分析那些影響農業投資效率的具體因素對農業投資效率的影響程度。為此，以下運用2012—2017年面板數據對安徽農業投資效率進行計量分析。

2.2.1 計量模型的構建

將農業總產值作為因變量，農業投資、農業用地量、農業化肥施用量、農業排灌機械數、農業用電量和農業用水量作為自變量，構建如下回歸分析模型：

Yit=β0+β1X1it+β2X2it+β3X3it+

β4X4it+β5X5it+β6X6it+εit

(5)

式(1)中：Yit為i市第t年的農業總產值；X1it、X2it、X3it、X4it、X5it和X6it分別為i市第t年的農業投資、農業用地量、農業化肥施用量、農業排灌機械數、農業用電量和農業用水量；εit為隨機誤差項。

2.2.2 回歸結果與分析

運用面板數據模型進行回歸分析，需要判別模型中是否存在個體固定效應、隨機效應。通常運用Hausman檢驗和F檢驗確定計量模型的具體形式。首先，運用Hausman檢驗來對比分析隨機效應模型和個體固定效應模型，檢驗結果顯示，H統計量為14.07，接受原假設的概率為0.001 1，說明本回歸分析運用個體固定效應模型比隨機效應模型更加合理。然后，運用F檢驗來比較混合模型和個體固定效應模型，檢驗結果表明，F統計量為1.81，接受原假設的概率接近于0，說明本回歸分析運用個體固定效應模型比隨機效應更為合理。因此，以下運用個體固定效應模型分析安徽農業投資效率回歸模型(5)，回歸分析結果見表6。

表6 農業投資效率回歸結果

由表6可知：農業投資系數顯著為正，但系數值較小，僅為0.029 7，說明安徽農業投資促進農業發展，但農業投資效率有待提高；農業化肥施用量系數為負值，且在5%水平顯著，說明安徽農業化肥施不但沒有促進農業發展，反而對農業發展產生不利影響，究其原因，安徽農業生產以傳統家庭生產方式為主，不能科學施肥，導致農業化肥施用量過度；農業用地量、農業排灌機械數、農業用電量和農業用水量等變量系數均顯著為正，說明安徽農業用地量、農業排灌機械數、農業用電量和農業用水量等因素促進了農業發展。

3 農業投資效率的制約因素及其對策建議

基于DEA方法和面板數據模型對安徽投資效率的評價結果，分析安徽農業投資效率提升的制約因素，并提出相應的對策建議。

3.1 安徽農業投資效率的制約因素

目前，制約安徽農業投資效率的因素主要反映在投資系統、投資決策機制、激勵保障機制和融資機制等方面。

1) 農業投資系統不明確。農業投資涉及農業生產、農民生活以及農業生態資源保護等多方面，關系復雜。而目前安徽政府財政對農業的投資多是在各相應主管部門負責下，多個部門共同推動和管理。由于受到現行條塊分割的行政管理體制的影響，農業投資系統不明確，投資精準性不高，投資效率大打折扣。

2) 農業投資決策機制不合理。農業投資公共性較強，政府作為公共利益的代表者，是其重要主體，應發揮主導作用，但并不能完全替代其他主體的作用[9]。安徽現有農業投資決策幾乎都是政府主導、設計和實施的，其他主體往往缺乏表達投資建議的渠道，不能參與投資決策，而成為被動參與者，從而導致部分農業投資脫離實際需求、投資效率低下。

3) 農業投資激勵保障機制不健全。農業基礎設施、農業環保事業等方面投資具有較強的外部性，且投資規模大，投資資金回收期長，盈利水平低，而目前安徽農業投資激勵保障機制還不健全，從而使得農戶和農業企業等私人投資主體對這些方面的農業投資動力不足、投資規模較小。農業企業的生產活動除了消耗大量農業資源消耗外，還排放大量污染，破壞農村生態環境，但這些農業企業對生態資源的認識還不全面，更缺少主動投資維護良好農業生態的動機。

4) 農業投融資機制不完善。財政專項投入、政策性銀行貸款以及農戶自籌是當前安徽農業投資的主要融資方式。政府專項投入受到財力限制，投入規模有限；政策性銀行貸款由于利息成本和投資風險，農業企業和農戶在使用時還非常謹慎；農戶自籌方式，由于農戶資金實力有限，自籌投資持續性不足。融資機制的滯后，使得社會資金難以順利進入農業投資領域，導致安徽農業投資規模的進一步擴大受限[10]。

3.2 提升安徽農業投資效率的政策建議

針對安徽農業投資效率的制約因素，從投資主體事權范圍、投資決策機制、激勵保障機制以及創新融資機制方面提出以下對策措施：

1) 合理劃分農業投資主體事權。首先，明確政府和市場作用范圍，對不同的農業投資項目，應選擇相應的投資主體，充分發揮市場機制對提高投資效率的促進作用。其次，建立農業投資主體分類參與機制，對與正外部性強的農業投資，主要有政府進行投資，而對于具有部分外部性的農業投資項目，引入社會資本，形成政府與社會資本合作投資模式。

2) 優化農業投資決策機制。建立多元主體參與的農業投資決策機制，暢通各個農業投資主體的溝通渠道，提高農業投資科學性和投資效率。對于規模大的農業投資項目，需要對農戶和農業企業進行廣泛調研，征求他們對投資項目規劃、組織實施的意見[11]。同時，邀請專家學者和專業技術人員參與農業投資項目的設計決策過程。

3) 創新農業投融資機制。首先，建立多元化的農業投資融資渠道，為農業投資提供穩定的資金來源，以促進農業投資。其次，設立農業生態資源和環境保護專項投資基金，積極利用現有PPP基金，籌集社會資金[12]。農業投資基金主要用來投資農業生態資源保護、生態環境治理與修復以及農業環境基礎設施建設等項目。充分利用農業投資基金，既可以分散農業投資風險，也可以提高農業投資效益。