基于三階段數據包絡分析法江蘇省農業生產效率評價

程怡然　丁勝　蔣昌宇　曹福亮　呂柳　趙慶建

摘要：江蘇農業處在“十三五”規劃的重要轉型期，在資源和環境的約束下，農業生產效率的提升是江蘇農業可持續發展的關鍵。文章在消除隨機變量的干擾的基礎上，應用三階段數據包絡分析的方法，對江蘇13個地市的農業生產效率進行評價。研究表明：農民人均純收入是農業生產效率提高的有利因素，江蘇的財政支農投入，在土地、機械和環境保護方面的支持并未起到預期的目標。農業技術人員的貢獻只對化肥資源的投入節約產生了正面影響，對其它生產要素的集約使用上未能起到正向作用方。蘇南地區的農業生產效率最高，蘇北地區的農業生產效率相對較低，而且大多規模經濟報酬遞減。江蘇應在財政精準支農、優化農業生產的投入結構及農技推廣上深化農業供給側改革，提升農業生產效率水平。

關鍵詞：數據包絡分析法；農業生產；生產效率；評價

一、引言

中國經濟發展業已進入“十三五”規劃，中國農業的發展也隨之面臨著新的挑戰。國務院《“十三五”生態環境保護規劃》提出的“發展高效安全的現代農業技術”將會是未來農業研究和實踐的新的方向。江蘇農業經濟的增長一方面依靠相關生產要素的投入增加，另一方面則來自于生產效率的提高，而且在資源和環境的約束下，生產效率的作用則顯得更為重要。對生產效率的初步研究來源于 Farrell （1957），Restuccia等（2008）分別利用跨國數據分析了國際農業生產效率問題。關于農業生產效率運用最為廣泛的方法就是數據包絡分析，戚焦耳等（2015）運用DEA-Tobit模型對農業生產效率的影響因素的研究分析，任世鑫等（2016）運用超效率DEA分析方法對中原農業的生產效率進行了較為深入的研究。考慮不同產業形態的研究，劉子飛等（2015）比較分析了陜西洋縣與周邊縣區的農業生產效率，顯示三階段數據包絡分析法有效消除管理變量及隨機變量對農業生產效率的作用。然而針對省級層面的應用評價研究還較為缺乏，因此本文針對江蘇13個地市的農業生產的實際，分析各地市農業生產效率問題，以期為江蘇農業的可持續發展及管理提供參考。

二、研究理論與方法

（一）農業生產效率

農業生產效率是農產品投入和農產品產出之間的運行效率，具體指反映農業經濟增長的全要素生產率（TFP），與單要素所形成的綜合效率有著本質的區別，通常綜合技術效率反映的是決策單元在投入一定的情況下所能夠獲取最大產出的效率；然而全要素生產率則包含技術進步與綜合技術效率，是由科技進步與綜合技術效率相互作用所形成的效率。在規模報酬變化的條件下，綜合技術效率則由規模效率與純技術效率所組成，其中純技術效率指決策單元對生產要素進行有效利用的能力，規模效率則反映決策單元規模經濟的作用結果。

（二）三階段數據包絡分析法

三階段數據包絡分析法是由Charnes Cooper創建的一種非參數分析方法，主要由BCC模型和CCR模型構成，其中BCC模型不但能夠反映綜合效率，而且能夠將綜合效率進一步分解為規模效率與技術效率。CCR模型考察的是規模報酬不變的情形，即技術效率就是綜合效率，沒有考察規模經濟帶來的影響。由于江蘇農業生產規模是變化的，所以選取BCC模型。

第一階段指的是傳統BCC模型分析。第二階段指相似SFA模型分析。利用SFA模型的回歸結果進一步對決策單元的投入項進行調整，剔除隨機因素的影響。第三階段是對調整后的數據包絡模型作進一步深入分析。

（三）指標體系構建及數據來源

根據江蘇農業生產的實際狀況，綜合考量指標體系的可操作性、全面性、獨立性等原則，構建江蘇農業生產效率指標體系（表1）。

三階段數據包絡線法需要在第二階段的SFA回歸過程中運用到農業生產相關的外部環境指標，這些外生變量是農業生產冗余產生影響的相關變量，具體包括農民人均純收入、財政支農、農技人員規模。農業生產中的各投入產出指標、外生變量的數據均來源于《2016年江蘇統計年鑒》、《2017 年江蘇統計年鑒》等統計年鑒，其他數據則來源于江蘇各地政府及統計局的權威統計及相關研究。

三、結果與分析

根據構建的農業生產效率指標體系，對江蘇省的2016年和2017年農業生產效率狀況進行數據包絡分析法三階段評價分析。

（一）第一階段

對2016和2017年江蘇省蘇南、蘇中、蘇北地區的13個城市的農業生產效率值進行測算，結果如表2所示。其中在2016年3個城市（蘇州、無錫、揚州）三項效率值達到1，在2017年4個城市（南京、蘇州、無錫、揚州）三項效率值達到1，可以看出在江蘇省這兩年中蘇州、無錫和揚州的農業生產效率均達到傳統DEA分析的有效前沿面，而其他城市的農業生產綜合技術效率值均有一定的提升空間。

（二）第二階段

表3的回歸結果顯示，農民人均純收入、財政支農、農業專業技術人力資源三個環境變量均通過了1%水平的顯著性檢驗，這說明外生變量的選取較為合理。進一步考察農民人均純收入、財政支農、農技人員規模等各環境因素對五種投入松弛變量的影響。

1. 農民人均純收入

農民人均純收入水平對于非期望產出農業污染、勞動力投入、土地投入、化肥投入等變量的影響系數均為負，影響的方向與理論預期一致，且對于農業污染、機械投入、化肥投入等變量的影響系數通過了 1% 顯著性水平的檢驗，這表明了農村居民收入水平的提升會有利于促進當地農業生產效率的提高，同時也說明農民人均純收入水平對于江蘇省各地區的農業生產率水平影響較為顯著。

2. 財政支農效率

從表3的分析結果中可以看出，財政支農變量雖然都基本通過了1%顯著水平上的檢驗，但是對于勞動力、化肥投入變量的影響系數為負數，對土地投入、機械投入和農業污染的影響系數為正，這表明農業財政支出某種程度上促進了土地、機械投入要素的浪費，加重了農業污染。另外財政支農對農業投入要素影響情況的不一致也體現出江蘇省農業財政支出效果差強人意，江蘇農業勞動力與化肥投入變量在促進農業生產效率的提高上作用明顯，然而農業用地與農用機械投入的增加，卻未能在提升農業生產效率上產生應有的效果，而且還對農業污染治理產生了一定程度的負面影響。

3. 農技人員規模

根據表3的回歸結果顯示，農技人員規模對勞動力、土地、機械及農業污染松弛變量的系數均為正，對勞動力、土地投入、機械投入等松弛變量的t檢驗結果并不顯著，只有農業污染投入松弛變量的系數通過了5%的顯著性檢驗；表現出的農業技術人員在提升農業生產效率上的作用與預期不一致，農業技術人員沒有發揮自身技術的帶動作用，對多數農業投入要素未能產生節約資源的成效，造成了整個江蘇農業資源的利用效率仍然處于較低水平的狀態，勞動力、農業機械、化肥等生產要素依然使用粗放。

（三）第三階段

由于地理位置和經濟結構等因素的影響，江蘇省各地農民人均純收入、財政支農力度及農技人員專業水平等方面差異較大。為了客觀比較各地農業生產率的真實水平，需調整原投入變量，使江蘇各地農業生產面對同樣的收入水平、政府對農業的扶持力度及農技人員規模因素等外部影響。第三階段的數據包絡分析結果如表4所示，通過與表2對比可以發現，根據外生變量的影響調整投入變量的數值以后，江蘇省農業生產效率發生了一定的變化。調整后的江蘇省13個地市的綜合技術效率、純技術效率及規模效率的均值都有一定程度的下降，2016年減少為0.742、0.869及0.841，2017年減少為0.731、0.849及0.851。

江蘇省各地市的農業投入產出效率差異較大，蘇南地區的蘇州、無錫兩年都處于技術效率前沿面，而南京也在2017年達到了技術效率前沿面，常州和鎮江的純技術效率及規模效率值均較高，效率最低的均屬蘇北地市。可見，蘇南地區的農業生產整體處在較為發達的水平上。不同地區農業投入產出效率較低的原因也有所不同，蘇北地區的淮安、宿遷市主要是由于純技術效率較低從而影響了綜合效率，蘇中地區的農業投入產出綜合效率不高則主要是受泰州的純技術效率和南通的規模效率較低的影響。對比2017年和2016年，各地市的效率差異變化并不大，并未出現農業生產效率大幅波動的情形，說明近兩年江蘇省的農業生產處于穩定的發展時期。

四、結論

1. 除農民人均純收入，其他外生變量對農業生產效率的促進作用未能達到預期效果。農民人均純收入是農業生產效率提高的有利因素，所以江蘇的整體經濟水平足以支撐農業的高效生產。但其他外生變量沒有達到預期效果，江蘇的財政支農投入，在土地、機械和環境保護方面的支持并未起到預期的目標。農業技術人員的貢獻只對化肥資源的投入節約產生了正面影響，對其它生產要素的集約使用上未能起到正向作用，這在一定程度上說明了江蘇對農技人員的專業培養方向不夠明確，對農業污染治理的技術推廣及使用仍存在需要改進的地方。

2. 綜合農業生產效率略有下降，蘇南地區依然維持著較高的農業生產率水平。根據第二階段SFA回歸分析的結果對投入變量進行調整后，江蘇省農業綜合技術效率由第一階段測量的平均值2016年0.769減少為0.742，2017年0.772減少為0.731，綜合效率均有所下降。從江蘇省各地區農業生產來看，綜合效率均值蘇南地區為0.951，蘇中地區為0.733，蘇北地區僅0.505，在綜合效率值達到1的3個城市中，有2個來自于蘇南地區，可以看出蘇南地區的農業生產效率最高。

3. 蘇北地區在農業生產率水平相對較低的水平下出現規模經濟收益遞減。對比2017年與2016年江蘇農業生產效率，蘇南地區的南京和鎮江的綜合效率均有所增長，其中南京綜合效率增長至1，常州的綜合效率略有降低，而蘇中和蘇北地區綜合效率增長的只有徐州，揚州保持綜合效率為1未變，其余均有所降低。總體來看，蘇北地區的農業生產效率相對較低，而且大多規模經濟報酬遞減，因此蘇中蘇北地區需要提升資源利用效率，改變粗放型生產模式，積極發展生態集約型的農業生產模式。

參考文獻：

[1]Fried，Lovell，Schmidt and Yaisawarng，Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis[J].Journal of Productivity Analysis，2002（17）.

[2]Restuccia D.，Yang D. T.，Zhu X.Agriculture and aggregate productivity： A quantitative cross-country analysis[J].Journal of Monetary Eco-nomics，2008（02）.

[3]戚焦耳，郭貫成，陳永生.農地流轉對農業生產效率的影響研究——基于DEA-Tobit模型的分析[J].資源科學，2015（09）.

[4]任世鑫，謝志祥，楊洋，等.基于超效率DEA的中原經濟區農業生產效率研究[J].華中師范大學學報（自然科學版），2016（02）.

[5]劉子飛，王昌海.有機農業生產效率的三階段DEA分析——以陜西洋縣為例[J].中國人口·資源與環境，2015（07）.

[6]謝煜，胡非凡.基于Mitchell三分類評分法的林業企業關鍵利益相關者識別研究[J].生態經濟，2016（12）.

[7]郭承龍， 張智光.長三角地區環境庫茲涅茨曲線探討——基于蘇浙滬的分析[J].科技管理研究，2017（24）.

*基金項目：國家自然科學基金資助項目“面向2035的中國經濟林科技和產業發展戰略研究”（L1724029）；國家自然科學基金資助項目“基于利益相關者視角的森林生態系統服務恢復力及調控模擬研究”（71373125）；教育部人文社會科學基金一般項目“干旱區流域生態與社會經濟過程耦合機制及調控模擬研究”（10YJC790395）。

（作者單位：南京林業大學經濟管理學院。呂柳為通訊作者）