基于三階段DEA的安徽省農業生產效率分析

范紫菱，陳雪玫

（上海海事大學經濟管理學院，上海201306）

一、引言

農業是我國經濟發展的重要產業，也是保障我國糧食安全的重要基礎。近年來，我國越發重視“三農”問題，并堅持農業優先發展戰略。習近平總書記在十九大報告中強調農業發展的重要性，指出：“農業農村農民問題是關系國計民生的根本性問題。”安徽省位于中國東部，省內有豐富的河流和湖泊，氣候溫和濕潤，地形多樣，素有“魚米之鄉”的稱號，具有發展農業的良好條件，在中國農業發展戰略中具有重要地位。但隨著耕地面積減少、生態環境破壞、農業科技發展、農業政策支持等方面因素的影響，以前一味地通過增加農業生產要素的投入來提高農業產出的生產模式已經不再合理，建設現代化的新型農業需要不斷提高農業的投入產出效率。因此不斷衡量農業生產效率、發現農業生產問題、整合優化農業的投入資源就顯得尤為重要。

論文利用安徽省2019年統計年鑒的相關數據，采用三階段DEA模型分析安徽省2018年各地級市的農業生產效率，發現大多數地級市表現良好，都處在生產前沿面。但考慮到可能不同地級市所處環境和隨機干擾的不同，在剔除這些影響因素后再次測算各地級市的農業生產效率，情況發生了變化，各地區之間存在明顯的差距。需要進一步解決如何提高安徽省農業生產效率、改善省內農業發展不均衡的問題。

二、研究方法和數據來源

（一）研究方法：三階段DEA模型

論文研究了2018年安徽省16個地級市的農業生產數據。

第一階段，通過BBC模型如下，

將原始投入產出數據代入傳統DEA模型進行初始效率評價，并分情況進行討論，若θ=1，S+=S-=0，則決策單元DEA有效；若θ=1，S+≠0，或S-≠0，則決策單元弱DEA有效；若θ＜1，則決策單元非DEA有效。

其中，j=1，2，…，n表示決策單元，X、Y分別是投入、產出向量。

第二階段，構造SFA模型，函數表示如下：

其中，是調整后的投入；Xni是調整前的投入。

第三階段，通過調整后的投入產出變量再次測算各決策單元的效率（調整后的DEA模型）。

（二）數據來源

論文數據來源均為《安徽統計年鑒2019》。

1.投入、產出變量

通過對評價農業生產效率影響因素相關文獻的研究，并考慮變量選取的相關性和可獲取性，以耕地面積（千公頃）、有效灌溉面積（千公頃）、鄉村從業人員數（人）、農業機械總動力（萬千瓦）、化肥施用量（噸）等變量來衡量安徽省農業投入。以農業總產值（萬元）來衡量安徽省農業產出。

2.環境變量

環境變量的選取需要考慮兩個基本條件，既要能夠影響農業的生產效率，又不能為農業生產效率所控制?？紤]各地級市的差異性和實際經濟狀況，選取農村居民家庭人均可支配收入代表農村居民生活水平；農林水事務支出代表農業財政政策；第二、三產業產值代表當地經濟發展水平。具體如表1所示：

表1 衡量農業生產效率變量

三、實證結果與分析

（一）第一階段DEA的結果分析

將2018年安徽省16個地級市的投入指標和產出指標代入模型中，得到結果如表2所示：

表2 2018年安徽省各地級市農業生產效率測算結果

續表

從表2中可以看出，2018年安徽省16個地級市的綜合技術效率、純技術效率和規模效率的平均值分別是0.904、0.962、0.941，由均值可知安徽省整體農業效率較高。其中，合肥市、蚌埠市、滁州市、馬鞍山市、蕪湖市、宣城市、池州市、黃山市效率值為1；宿州市、安慶市效率值在0.9以上；阜陽市、六安市效率值在0.8以上，處于效率前沿。其余地級市效率值在0.8以下，淮北市最低（0.678），說明這些地區存在效率水平低下、資源投入不合理的問題。但考慮環境因素和隨機誤差可能帶來的影響，需要對各投入變量調整后進行進一步的測算，得到更為真實有效的數據結果。

（二）第二階段SFA回歸結果分析

將第一階段的各地級市投入指標的松弛變量與環境變量進行回歸，得到SFA隨機前沿分析的結果如表3所示：

表3 SFA回歸結果

由表3可知，五個投入變量的松弛變量單邊似然比（LR）檢驗結果分別為12.66、12.43、14.60、11.44、10.50，均通過了顯著性檢驗，并且表中的t檢驗值大多都顯著，說明SFA回歸分析是有效的，而且確實證實了各決策單元投入要素的松弛變量受到環境因素的影響，下面逐步分析各環境變量的具體影響。

①農林水事務支出對各投入變量的松弛變量均通過了顯著性檢驗，除了鄉村從業人員數的松弛變量在0.05的水平上顯著，其余4個投入的松弛變量均在0.01的水平上顯著。并且模型結果表明各投入的松弛變量系數均為負，表示農林水事務支出與各投入松弛變量呈正相關，安徽省各地級市在農林水事務支出方面的增加改善了農業生產基礎設施，提高農業生產效率，農業財政支出合理使用；②農村居民家庭人均可支配收入對鄉村從業人員數、化肥施用量和農業機械總動力的松弛變量通過了顯著性檢驗，并且系數非正，表明農村收入水平的提高加大了農民資源的投入，推動了農業產出的效率；③第二、三產業產值除了鄉村從業人員數，對各投入變量的松弛變量也都通過了顯著性檢驗，各投入的松弛變量系數均為正，表明隨著安徽省經濟水平的發展，第二、三產業可能吸收了農業發展的資本和人力，擠壓了農業生產的空間，沒有形成產業之間的良性發展循環。

綜上所述，各個環境變量對投入變量都有顯著性影響，但帶來的影響有好有壞，如何更優的測量安徽省各地級市的農業生產效率，需要進行第三階段DEA模型分析。

（三）第三階段DEA的結果分析

將各原始投入變量剔除環境因素的影響后，代入調整后的DEA模型中，得到結果，如表4所示：

表4 調整后的2018年安徽省各地級市農業生產效率

由表4可知，相比第一階段各地級市的效率值，在剔除了環境因素、管理無效率和隨機誤差后，2018年安徽省16個地級市的平均綜合技術效率值為0.918，提升了2%；平均純技術效率值為0.957，下降了1%；平均規模效率值為0.96，提高了2%。具體而言，相比于第一階段，位于效率前沿面的縣的個數沒有變化，但其中只有合肥市、蚌埠市、滁州市、宣城市和黃山市與第一階段沒有變化。阜陽市、六安市和安慶市相較于第一階段，其規模效率有所提升，所以技術效率也得到相應提升。馬鞍山市、蕪湖市的純技術效率和規模效率都有一定程度的下降，導致綜合技術效率下降。池州市的規模效率有一定程度的下降，但純技術效率都為1，表明政府的政策和管理水平較為成熟，主要是受規模效率下降的影響?？偟膩碚f，農業生產效率與農業技術投入、資源利用以及農業的生產規模緊密關聯。

四、提高安徽省各地級市農業生產效率的建議

從以上分析結果可以看出，安徽省農業生產效率的變化受到多種因素的共同作用，不僅與農業投入要素密切相關，還受到環境因素的顯著影響。在第二階段分析中，農林水事務支出和農村居民家庭人均可支配收入對農業生產效率產生了正面的影響，而第二、三產業產值對農業生產效率卻產生了負面的影響。因此調整農業發展的外部環境，提高安徽省農業生產效率是切實可行的。在剔除環境因素后，安徽省各地級市農業的純技術生產效率均值有所下降，安徽省需要提高農業生產技術，創新農業發展理念，加快推進農業供給側結構性改革，構建現代化的農業體系。

在傳統農業基礎上實現農業轉型升級需要因地制宜。在第三階段調整后的各地級市農業生產效率測算時發現，不同地區的農業發展狀況也不相同，需要“對癥下藥”?；幢笔?、宿州市、銅陵市和池州市需要擴大農業生產規模，加強農業規模的集聚效應，例如以家庭聯產承包為基石，依據地方區域特色打造具有競爭性的農產品生產基地；亳州市、淮南市、馬鞍山市和蕪湖市則需要從技術和規模兩個方面同時加強，引入新型農業技術，推動農業機械化生產，優化農業產業布局。

另外，需要深化政府體制改革，加強政府監管，合理配置農業資源。在發揮農產品種植、加工、旅游等產業領先帶頭作用的同時，也要注重農村一、二、三產業的聯合發展，創新農業發展新模式。把握“綠水青山就是金山銀山”的發展基調，加強農業綠色環保發展理念，開發各地級市農業發展的區域特色，發揮地區優勢，打造當地農業發展的核心競爭力。

五、結論

論文通過構建三階段DEA模型，對安徽省2018年16個地級市進行農業生產效率評價，選取了農村居民家庭人均可支配收入等外部環境變量對農業生產效率的廣泛影響進行分析，在剔除這些影響因素后，更加準確地估算了各地區農業生產效率水平，可以從數據結果中看出安徽省各地級市農業效率的現狀和存在的問題，從問題和短板中找到各地級市未來農業發展的方向。中國作為人口大國，農業的發展是經濟發展的基石，安徽省需要不斷提高農業生產效率，打造現代化農業發展的標桿。