“一帶一路”沿線國家和地區農業生產技術效率研究

王洋洋，張曉慧，崔冀娜

（西北農林科技大學 經濟管理學院，陜西 咸陽 712100）

0 引言

自“一帶一路”倡議提出以來，學者們對其展開的研究大致可以分為四類。一是對“一帶一路”協調機制和頂層設計方面的研究[1,2]；二是對“一帶一路”意義與價值闡述及風險預警的研究[3,4]；三是對“一帶一路”背景下中國與其他沿線國家和地區在具體領域合作貿易的研究和展望[5,6]；四是在“一帶一路”背景下對國內各省或者地區將面臨的機遇與挑戰的研究[7,8]。通過梳理文獻發現，已有研究在方法上多偏重理論分析，在研究內容上多集中在體制機制頂層設計、金融經貿產業合作、基礎設施互聯互通、地緣政治安全和風險等方面，仍處于前期探索性研究階段，缺少系統化的深入研究。而農業在“一帶一路”沿線國家和地區的產業交流合作中居于突出地位，但目前理論界對其關注尤顯不足。

本文通過構建基于生態視角的評價指標體系、引入非期望產出指標以及剔除非效率因素的影響，使用三階段DEA模型對“一帶一路”沿線66個國家和地區2013年的農業生產技術效率進行測度，以期為農業產業合作交流、貿易投資及農業基礎設施互聯互通提供有價值的理論參考。

1 研究方法

本文采用了三階段DEA模型，它在效率評價中由Fried等（2002）[9]提出，主要是為解決傳統DEA模型無法剔除非效率因素（環境變量和隨機誤差）的影響這一問題。該方法可以更為有效和精確地評估和反映決策單元（DMU）的效率值，模型的基本構建和操作步驟可以歸納為：

在第一階段和第三階段，使用傳統的DEA-BCC模型對決策單元的生產技術效率進行測算。DEA-BCC模型測算的是規模可變報酬，解決假設條件下決策單元的相對有效性問題，而本文采用投入導向的BCC模型，限于篇幅在此不贅述。然后在第三階段，利用產出要素變量和調整后的投入要素變量，再一次使用DEA-BCC模型進行技術效率測算，最終得到剔除非效率因素后的更為精確的結果。

在第二階段，借助投入導向的SFA模型對第一階段各投入要素的松弛變量進行分解，剔除非效率因素對測量結果的影響，然后根據估計結果進行調整各投入要素，具體可參見文獻[10,11]。但需要特別說明的是，在此過程中對管理無效率進行估計時，國內一些學者誤用了Jondrow等提出的JLMS技術，而本文在此處參照其建議，此階段DEA模型中管理無效率的估計公式為：

接著依據調整公式（3），將上面計算出的估計值代入對決策單元的投入量進行調整：

其中，和xik分別表示決策單元調整前后的投入要素量部分調整的目的是使所有決策單元都處于共同的外部環境中的調整是使所有決策單元處于共同的自然狀態。

2 指標選取和數據來源

2.1 投入產出指標的選取

在投入指標選取方面，本文延續現有的關于測算農業技術效率研究中必有的指標，即土地投入、勞動力投入、水資源投入、機械動力投入和化肥投入。另外，考慮到廣義的農業概念包含農林牧副漁，以及數據獲取的便利，本文納入了森林投入這一要素指標。而在產出指標上，本文選取了谷類產量、農業增加值和農產品原材料出口值三個產出指標，由于研究的樣本為不同的國家和地區，僅考慮以美元計價的產值指標并不能更好地反映農業生產技術效率，故選入谷類產量這一絕對數的產出指標。

為確保滿足DEA模型的“同向性”假定，本文對投入產出指標進行Pearson相關檢驗。結果顯示個別投入產出指標間的相關系數并不理想，但是基于現有研究的經驗，本文所選投入產出指標具有合理性，因此個別指標間的“非同向性”，并不影響進一步的研究。此外，本文還引入兩個非期望產出指標，即農業甲烷排放量和農業一氧化二氮排放量，這兩類指標越高說明產出效率越不好，而在本文中將把他們取倒數轉化為期望產出納入模型。

2.2 環境變量的選取

影響一個國家和地區農業生產的環境因素是多方面的，基于經驗和邏輯判斷，本文從七個方面選擇環境變量：（1）政治環境方面，選用國際謀殺犯罪率這一指標來衡量；（2）經濟發展水平，選取人均GDP這一指標來衡量；（3）科學技術，選用R&D研究人員來衡量；（4）自然災害，選取干旱、洪水和極端氣溫受災人口比例來衡量；（5）勞動力素質，選取識字率這一指標衡量；（6）人口結構，選用撫養比來衡量；（7）工業化程度，選取工業增加值這一指標來衡量。

2.3 數據來源

本文的投入產出指標以及環境變量的數據來自世界銀行數據庫，均為2013年度數據，詳細情況見表1。其中部分國家的有關指標是缺失的，因此以其近15年的數據為基礎，綜合使用多種處理缺失值的方法進行了補全。

3 農業生產技術效率測算

3.1 第一階段：未剔除非效率因素的農業生產技術效率測算結果

基于上文中所構建的投入產出指標體系，借助于DEAP2.1軟件使用傳統的DEA-BCC模型對“一帶一路”沿線66個國家和地區的農業生產技術效率進行測算，限于篇幅，結果未列出。從綜合技術效率、純技術效率和規模效率來看，其均值分別為0.722、0.863和0.795，并且有38個國家和地區的效率值都達到了1，以東盟、東亞和獨聯體國家居多，總體上處于規模報酬遞增階段，說明各個國家和地區的農業生產技術效率仍有較大可提升空間。但此時尚未剔除非效率因素影響的測算結果，其準確性和科學性仍有限。

表1 投入、產出指標及環境變量

3.2 第二階段：基于SFA模型剔除非效率因素對農業生產技術效率的影響

借助于FRONTIER4.1軟件使用SFA模型的方法，分解各個投入指標松弛變量，具體以各個投入要素指標的松弛變量為因變量，以本文所選取的環境變量為自變量，SFA模型的回歸結果見下頁表2。

SFA模型回歸結果顯示，每個環境變量至少對兩個投入松弛變量在1%的顯著性水平上具有顯著性影響，說明環境變量的選取是合理的，而六次回歸的γ值均趨向于1，說明管理非效率因素發揮主要作用。篇幅所限，在此僅分析此次回歸結果中與預期不一致的地方，具體為：

國際謀殺犯罪率對土地投入松弛變量在1%的顯著性水平上具有負向影響?？赡苁且驗檎苇h境的惡化突出了農業生產的重要地位，使得有關國家或地區增加了對土地的有效投入，也可能迫于政治環境的緊張，使得對土地的無效投入減少；R&D研究人員對機械投入松弛變量和化肥投入松弛變量在1%的顯著性水平上具有正向影響，不符合理論預期?？赡苁且驗殡S著R&D研究人員數量的增加，一個國家或地區更傾向于通過增加機械投入和化肥投入替代其他要素投入，由此導致機械和化肥的無效投入增加，也可能是有些國家或地區的R&D研究人員中關于農業方面的數量較少，從而降低了農業生產技術效率；干旱、洪水和極端氣溫受災人口比例對森林投入和勞動力投入要素的松弛變量均在1%的顯著性水平上具有負向影響?？赡苁且驗闉榱藨獙ψ匀粸暮p少了對森林要素和勞動力要素的投入，導致其無效投入減少從而提升農業生產技術效率；識字率對土地投入、森林投入和化肥投入的松弛變量在1%的顯著性水平上具有影響，與理論預期不一致。原因可能在于，識字率這一勞動力素質的表征變量在機械要素投入方面具有更高的邊際效益，而在其他三個投入要素方面則相對較低。因為對于一般素質的農業勞動力來說，其知識優勢相對更有可能在機械要素投入方面發揮，也可能是由于大多數國家或地區，識字率較高的人口更多傾向于脫離農業生產，轉移到城市從事非農產業，從而導致農業勞動力人口素質低于平均水平，阻礙了農業生產技術效率的提升；撫養比對機械要素和化肥要素分別在1%和5%的顯著性水平上具有負向影響，不支持理論預期。原因可能是撫養比的提高意味著潛在勞動力的減少，通過在機械要素和淡水資源要素方面追加投入，一定程度上可以抵消因勞動要素投入減少而導致的生產技術效率下降的影響；工業增加值對勞動力要素、化肥要素和機械要素分別在1%和5%的顯著性水平上具有正向影響，與理論預期不相符。原因可能是隨著工業化程度的提升，大多數國家或地區推動農業的現代化和規?；洜I，但是在推動過程中存在投入要素利用效率低下、無效投入過多的問題，結果導致資源浪費和生產技術效率低。

表2 投入松弛變量與環境變量的SFA回歸估計結果

3.3 第三階段：剔除非效率因素后的農業生產技術效率測算結果

由于本文所研究的國家和地區間的自然環境和政治經濟社會科技等差異較大，故有必要調整各投入要素的投入量，盡可能消除非效率因素的影響，使得所研究的國家和地區處于相同的環境下，旨在更為客觀科學準確地測量其農業生產技術效率。在具體操作時，仍借助DEAP2.1軟件，使用原產出數據和調整后的投入要素數據再次利用模型DEA-BCC測算，結果見表3。

比較前后兩次測算的結果可以發現具有很大差異，調整后的綜合技術效率、純技術效率和規模效率的均值降低為0.17、0.485和0.289，說明調整前受非效率因素的影響是顯著的。就單個國家或地區來看，處于技術效率前沿面的個數減少，調整之后僅中國、泰國、拉脫維亞、約旦四國處于技術效率前沿面，其中前三國在調整前的測算結果中也處于技術效率前沿面；從規模報酬狀態來看，處于規模保持不變的國家或地區個數減少，處于規模報酬遞增狀態的國家或地區個數增加，而中國、泰國、拉脫維亞三國始終處于規模保持不變狀態，約旦則由規模報酬遞增狀態調整為規模報酬不變狀態，整體上處于規模報酬遞增狀態，可見多數國家或地區的農業生產規模尚未處于最佳狀態。當前測算結果顯示中國、泰國、拉脫維亞、約旦四國處于技術效率前沿面，也就是均為投出產出的有效決策單元，需要進一步的比較。限于篇幅，本文刪除了使用超效率DEA模型對農業投入產出有效決策單元間進行比較的詳細內容，但本文借助該方法的測算結果顯示，他們間由高到低排序依次是中國、約旦、泰國和拉脫維亞，效率值依次為3.806、2.891、1.229和0.525。

4 結論

（1）環境變量對“一帶一路”沿線國家和地區農業投入產出效率測度影響是顯著的，通過剔除非效率因素影響之后的測度結果與直接測度的結果具有很大差異，其中人均GDP表征的經濟發展水平是提高農業生產效率的顯著性因素。

（2）通過利用SFA方法等調整剔除非效率因素的影響后，“一帶一路”沿線66個國家和地區的農業綜合技術效率的平均值由調整前的0.722變為調整后的0.17。其中就區域來看，調整后東亞國家、東盟國家、中亞國家、南亞國家、西亞國家（地區）、中東歐國家和獨聯體國家的農業綜合技術效率平均值從大到小依次為0.523、0.311、0.247、0.123、0.112、0.13和0.103，各個地區之間差距明顯；就單個國家和地區來看，其內部農業綜合技術效率的差距更大，最大值為1（中國、泰國、約旦、拉脫維亞），最小為0.001（卡塔爾、黎巴嫩）。此外，使用超效率DEA模型對處于投入產出有效國家進一步比較，也發現其綜合技術效率差距明顯。說明絕大多數國家的農業生產技術效率仍存在較大的提升空間。

表3 調整后各國家（地區）農業生產技術效率測算結果

（3）本文所研究的“一帶一路”沿線66個國家和地區中有62個國家和地區為投入產出無效決策單元，其中4個國家的規模報酬狀態處于遞減階段，56個國家和地區處于遞增狀態，并且絕大多數國家和地區的農業規模報酬仍處于可提升階段，純技術效率和規模效率也都存在較大提升空間。

（4）中國的農業生產效率與其他“一帶一路”沿線國家和地區相比，均具有較為顯著的優勢。這意味著中國在農業生產經營中積累的管理經驗和農業技術，對其他“一帶一路”沿線國家和地區農業技術效率的提升具有可借鑒的方面，在農業產業合作交流、貿易、投資方面具有廣泛的前景。