吉林省農業機械化發展效率評價

陳蕓 李長偉

摘 要：以2010—2014年的吉林省40個縣域的農業機械化數據為基礎，通過數據包絡分析方法DEA-BCC模型和Malmquist指數模型對吉林省農業機械化發展效率進行了評價，靜態結果表明吉林省農業機械化綜合效率較高歸功于技術效率和規模效率。動態結果表明影響吉林省農業機械化發展效率的主要原因在于農業機械化技術進步與創新程度不足。

關鍵詞：吉林省；農業機械；DEA；Malmquist指數

中圖分類號：S232.3 文獻標識碼：A

DOI：10.19754/j.nyyjs.20190530002

基金項目：湖北省教育廳科研項目“地源熱泵非穩態傳熱模型溫度場的隨機分析”（項目編號：B2017295）；武漢生物工程學院校本教學研究項目“基于應用型人才培養統計學課程教學內容改革的研究與實踐”（項目編號：2017J27）前言

吉林省位于我國東北的中部，是國家糧食的主要產區之一。我國是農業大國，農業在國民經濟中占有十分重要的地位，而農業機械化是實現農業現代化的重要指標之一，解決好“三農問題”離不開農業機械化這一問題。積極發展農業機械化為提高農業生產效率，降低生產成本，加快農村經濟發展，提高農民收入改善居民生活水平，為解決好三農問題提供了一個突破口。如何科學合理的評價農業機械化發展效率，以及在農業機械化建設進程中存在著哪些問題，這些對于農業發展有著重要的意義。關于我國農業機械化發展已有諸多專家學者對此進行研究；梁永等學者利用模糊聚類法對遼寧省農業機械化發展水平進行了評價和分析[1]；劉蕓蕓等利用主成分分析法對新疆農業機械化發展因素進行了研究[2]；李美娥等利用改進的層次分析法對農業機械化的多目標決策問題進行了分析[3]；白冬艷用因子分析法對我國農業機械化發展水平進行了評價[4]；鄭文鐘等利用地理信息系統對浙江省的農業機械化發展水平進行了地區比較[5]；魏效玲等利用模糊綜合評價算法對農業機械化項目績效進行了研究[6]。然而現階段多數學者采用靜態研究的辦法來反映機械化發展情況，缺少動態變化趨勢，本文采用DEA-BBC模型對吉林省40個縣域的農業機械化發展進行靜態評價，再使用Malmquist指數對40個縣域2010—2014年的面板數據進行農業機械化發展動態分析，期冀獲得影響吉林省農業機械化發展效率的原因以及相關對策。

1 數據來源與研究方法

1.1 研究方法

數據包絡分析方法（Data Envelopment Analysis， DEA）由美國運籌學家 A.Charnes，W.W.Cooper和E.Rhodes在1978年提出的；用來評價相同類型的多投入、多產出的多個決策單元（DMU）的相對效率。數據包絡分析法（DEA） 的主要思想是對判斷各個已知的決策單元投入與產出的合理性及有效性[7]。數據包絡分析法以C2R、BC2、ST、FG等模型為代表[8]。評價農業機械化發展效率屬于可變規模收益的范疇，采用BCC模型較為合適。

1.2 數據來源

利用2011—2015年《吉林省統計年鑒》所提供的2010—2014年相關數據，根據DEA-BCC模型和Malmquist指數模型，對吉林省40個縣域的農業機械化發展效率進行了靜態和動態2個方面的評價。考慮到投入與產出指標的科學性和易得性，選取農業技術人員人數（人）、農業機械總動力（萬千瓦）、農村用電量（kw/h）、機耕面積（千公頃）、機播面積（千公頃）、有效灌溉面積（千公頃）、農用小型機手扶拖拉機數量（臺）、大中型農用拖拉機數量（混合臺）、農用排灌動力機械數量（臺）、糧食加工機械數量（臺）作為投入指標，將農林牧漁總產值（萬元）和糧食總產量（t）作為產出指標。其中決策單元（DMU）為吉林省40個縣域（注：2014年12月20日九臺市撤市設區仍當作樣本）。

2 實證分析

2.1 基于產出導向型的DEA-BCC靜態分析

利用2015年《吉林省統計年鑒》所提供的相關指標數據，運用DEAP2.1軟件，選擇產出導向型（Output Orientated）的DEA-BCC評價模型，得到了2014年吉林省40個縣域的農業機械化發展相對效率值，結果如表1所示。

由表1可以得出：從綜合效率來看，吉林省農業機械化發展效率平均值為0.921，總體綜合效率較高。其中，農安、榆樹、永吉、樺甸、磐石、梨樹、伊通、公主嶺、雙遼、東遼、通化、輝南、柳河、集安、撫松、靖宇、長白、臨江、長嶺、遷安、扶余、鎮賚、琿春、龍井、和龍、安圖共26個地區為DEA有效，占65%。技術和規模效率也均為有效，說明農業機械化發展得到了有效的資源配置，處于較為先進的水平。這些地區主要處于吉林中部和南部。從技術效率角度來看，吉林省技術效率平均值為0.957，技術效率處于較高水平。除上述26個地區外，又增加了德惠、舒蘭、延吉、圖門4個地區達到了技術效率有效，占75%。技術效率有效地區大多處于吉林省中部和東部地區，說明這些地區對農業機械化的現有技術利用、技術創新程度非常重視并且得到了有效的管理。余下的10個地區尚未達到技術效率有效，說明對現有技術沒有充分利用，需要加強技術利用和創新，并提高管理水平。從規模效率來看，吉林省規模效率平均為0.961，總體規模效率也較高。這部分地區和綜合效率有效的地區一樣。從規模收益狀況來看，九臺、德惠、蛟河、舒蘭、東豐、前郭、敦化共7個地區規模效率小于1且規模收益處于遞減狀態，不需要進行擴大機械化規模來進行提高產出水平。梅河口、通榆、洮南、大安、延吉、圖門、汪清規模效率小于1且規模收益處于遞增狀態，這些地區處于吉林省西部和東部需要擴大機械化規模，增加投入來提高產出水平。其余地區為規模收益不變，保持目前規模即可。

2.2 基于Malmquist指數的動態分析

利用DEAP2.1 軟件對2011—2015年《吉林省統計年鑒》所提供的各地區201—2014年的相關指標數據計算Malmquist指數及其分解的結果，按年份結果如表2所示，按縣域結果如表3所示。

從表2來看，2010—2014各年農業機械化發展效率的Malmquist指數呈現先下降而后又上升的趨勢，從平均數來看Malmquist指數為0.917，說明全要素生產率年均下降了8.3%，之所以出現這種狀況可能與這期間受災情況有關，尤其是2013年受災人數最多。其中技術效率變動指數為1.009，技術變化為0.909，說明總體效率下降主要因素為技術變化，即受到了農業機械化技術進步與創新的限制。而構成技術效率變動的純技術效率變動指數和規模效率變動指數分別為1.005和1.004，說明資源配置、機械化規模和管理水平的提高推動了技術效率變動。

從表3來看，蛟河、樺甸、舒蘭、磐石、梨樹、撫松、靖宇、長白、臨江、前郭、長嶺、乾安、扶余、鎮賚、通榆15個縣域的Malmquist指數大于1，占37.5%。說明這些地區在2010—2014年農業機械化的全要素生產率有不同程度的提高。其中大部分縣域都是由于技術變化（techch）造成的，除了樺甸、舒蘭、磐石、梨樹是因為技術效率（effch）變動造成的。另外還有集安、汪清和安圖的Malmquist指數大于或等于平均水平。在余下的低于平均水平的各縣域中，也是由技術變化（techch）造成了農業機械化發展效率低。根據圖1吉林省農業機械化全要素生產率空間分布圖可以看出全要素生產率指數較高的縣域大多在吉林省西北部和中部，分布不均勻。區域性差異的客觀存在和有規律的分布，決定了各區域農業機械化發展面臨的機遇和挑戰各不相同[10]。需要因地制宜、科學的指導，改善和促進農業機械化的協調實現快速發展。（注：圖1中白色部分為市轄區。）

3 結論與建議

利用數據包絡分析法（DEA）中的產出導向BCC模型對2014年吉林省各縣域農業機械化發展相對效率靜態分析得到技術效率平均值為0.957和規模效率平均值為0.961，綜合效率平均值為0.921。結果表明總體綜合效率較高受到技術效率和規模效率的影響。這得益于國家對吉林省農業機械化的大力扶持，使得規模擴大，機械化管理水平和技術水平都得到了改善。

利用Malmquist指數對2010—2014年吉林省農業機械化發展相對效率的動態分析得到：技術效率變動指數平均值為1.009，技術變化指數平均值為0.909，純技術效率變動指數平均值為1.005，規模效率變動指數平均值為1.004，全要素生產率變動指數平均值為0.917。結果表明影響吉林省農業機械化發展效率的主要原因在于技術變化（techch），即農業機械化技術進步與創新程度不足。要進一步提高吉林省農業機械化的全要素生產率需加大機械化技術進步和創新程度，與此同時需要吸引人才，增加農業技術人員數量，并且讓更多的農戶受到專業的培訓和指導。

參考文獻

[1] 梁永， 邱立春. 遼寧省農業機械化發展水平的評價與分析[J]. 農機化研究， 2006（6）： 70-72.

[2] 劉蕓蕓， 李紅. 基于主成分回歸模型的新疆農業機械化發展影響因素評價[J]. 貴州農業科學， 2013（9）： 197-201.

[3] 李美娥， 單士睿. 改進的AHP法在評價農業機械化發展水平中的應用[J]. 農機化研究， 2011，33（5）： 56-59.

[4] 白冬艷. 用因子分析法評價我國農業機械化發展水平[J]. 農機化研究，2006（9）： 1-5.

[5] 鄭文鐘， 何勇. 基于GIS的浙江省農業機械化發展水平的地區比較[J]. 浙江大學學報（農業與生命科學版）， 2004 （6）： 82-86.

[6] 魏效玲， 王杰華， 周振中. 農業機械化項目績效模糊綜合評價算法[J]. 東北農業大學學報， 2012，43 （8）： 68-73.

[7] 潘國剛， 賈江濤. 考慮科技投入的區域能源效率評價研究—以廣東省為例[J]. 科學技術與工程， 2011，11（28）： 7036-7041.

[8] 張悟移， 楊云飛. 中國區域經濟發展效率評價—基于DEA和Malmquist指數[J]. 華東經濟管理， 2014，28（11）： 63-67.

[9] 王曉玲， 方杏村. 東北老工業基地經濟振興效率評價及影響因素分析[J].商業研究， 2017（1）： 69-74.

[10] 段亞莉， 何萬麗， 黃耀明，等. 中國農業機械化發展區域差異性研究[J].西北農林科技大學學報（自然科學版），2011，39（6）： 210-216.