中國農業生產性服務供給效率測算與影響因素研究

李穎慧 李敬

摘 要：運用DEA-Malmquist指數法測算出我國農業生產性服務的供給效率，采用Rough Set方法測度了十項農業生產性服務對全要素生產率的影響。研究發現：從全國層面上看，2012—2016年，農業生產性服務供給效率呈現先下降后上升的“U”型變動特征。從區域層面看，重慶、北京、湖北、河南、黑龍江、河北、浙江、遼寧、山東等地區農業生產性服務供給效率較高，而貴州、甘肅、內蒙古、安徽、吉林較低。Rough Set方法測度顯示，農產品銷售服務、農資供應及配送服務、土地流轉服務、農業金融服務、農業信息化服務和農業技術推廣服務六項服務是農業生產性服務供給效率呈現地區差異的主要原因。

關鍵詞：農業生產性服務;供給效率;影響因素

基金項目：國家社會科學基金重點項目“動態公平視角下政府調節城鄉收入差距的路徑與政策研究”（13AJY006）;重慶市研究生教育教學改革研究項目“服務重慶經濟高質量發展視域下應用經濟學博士生科研創新能力形成模式研究”（yjg183094）。

[中圖分類號] F323 [文章編號] 1673-0186（2021）005-0006-011

[文獻標識碼] A? ? ? [DOI編碼] 10.19631/j.cnki.css.2021.005.001

一、引言

近年來，受國家政策的引導和農業內生發展需求的推動，農業生產性服務業得到快速發展。從投入水平看，全國農業生產性服務業的全社會固定資產投資從2012年的1 912.1億元增加到2016年的3 935.6億元，年均增長率達到19.9%。從農林牧漁業對生產性服務中間消耗支出看，1993年到2016年農業生產性服務支出總額從255.23億元增加到7 247億元，24年內增長了28倍，年均增長率為17.44%。從農業生產性服務產出看，全國農林牧漁服務業總產值從2010年的2 535.1億元增長到2016年的4 865.9億元，年平均增長率11.48%;農林牧漁服務業的增加值從2010年的1 179.0億元增長至2016年的2 302.7億元，年平均增長率11.81%。從簡單投入產出增長的對比情況看，農業生產性服務業產值增長速度低于投資增長速度，說明我國農業生產性服務業的整體投入產出效率不高。這將對我國現代農業的發展產生障礙和制約。本文的目的是，通過測算農業生產性服務供給效率更清晰地反映我國農業生產性服務業的發展效率，并從供給內容視角揭示影響農業生產性服務供給效率的因素。本文的研究將有助于探尋提升農業生產性服務業發展效率和優化農業生產性服務的路徑。

目前國內外部分文獻關注了農業生產性服務供給效率及影響因素。楊杰、汪建豐等、張忠軍等、李天嬌研究分析了我國農業生產性服務業發展水平和結構與供給效率的關系[1-4]。吳宏偉等以安徽省為例研究了傳統農業區農業生產性服務供給效率低下的問題[5]。Nambiro、鄭風田等分析了農業信息服務的供給效率和供給態勢[6-7]。楊哲等、張曉琳等討論了農村金融服務可得性問題和供給效率提升方案，研究認為，電子化金融服務模式是大型商業銀行完善農村基礎金融服務的最優路徑選擇[8-9]。應瑞瑤等研究了農戶接受度與服務供給效率的關系[10]。李顯戈等、王釗等、張曉敏等研究認為，農戶的經營類型、經營規模、地區特征、家庭勞動力人數、家庭收入、農戶對農業生產性服務的滿意度等因素對農業生產性服務供給效率產生不同程度的影響[11-13]。蘆千文等指出當前農業生產性服務優質高效發展是未來加快轉變農業發展方式的必然選擇[14]。郝愛民運用 Han-sen的門限回歸思想，設計門限回歸模型實證分析了農業生產性服務供給效率與我國城鎮化的關系[15]。

總體而言，現有針對農業生產性服務供給效率的研究，主要視角局限于某一項或者某個區域，缺少全面的、系統的綜合性研究，同時也缺少從農業生產性服務內容視角對綜合供給效率的影響測度。本文的創新點在于：一是運用DEA-Malmquist指數法測算農業生產性服務的供給效率，從全國和區域兩個層面更全面地揭示出我國農業生產性服務供給的整體效率;二是采用Rough Set方法測度10項農業生產性服務內容對供給效率的影響，以揭示各項農業生產性服務與整體供給效率的關聯性。

二、農業生產性服務供給效率測度——基于DEA-Malmquist指數法

本文運用DEA-Malmquist指數法對我國農業生產性服務供給效率進行測度。根據Galor等、Jones等的理論，農業生產性服務供給效率可以分解為技術進步率和配置效率兩個方面[16-17]。技術進步率指的是由于技術進步導致生產前沿的向外移動;配置效率指的是在要素投入總量不變的情況下，通過資源配置和結構調整，提高生產效率，導致實際產出向生產前沿移動。技術進步率和配置效率的乘積就是農業生產性服務整體供給效率。

（一）DEA-Malmquist指數測度方法

Malmquist提出的基于DEA方法的Malmquist指數法具有不需設定具有嚴格前提假設的函數、對數據類型要求低、可處理不同量綱的投入產出數據等優點，能更簡潔地實現供給效率的測度和各項分解[18]。另外，Malmquist指數法是對多個對象和指標的樣本測度，便于對各區域供給效率的差異比較。

（二）指標選取與描述分析

基于DEA的Malmquist指數法需要首先確定投入與產出指標。一是農業生產性服務產出指標。本文選用各地區農業生產性服務業增加值（ZJZ）。二是農業生產性服務投入指標。為了能較為全面地評價農業生產性服務的整體狀況，本文用農業生產性服務業固定資產投資（TZ）以及十項農業生產性服務作為投入指標。其中十項農業生產性服務投入指標分別是：農機服務（AMOS）采用各地區農業機械總動力來反映;農業基礎設施服務（AI）用各地區農田水利有效灌溉面積反映;農業信息化（AIS）用各地區農村居民家庭每百戶計算機擁有量反映;農業技術推廣服務（ATP）用農業技術人員數反映;農資供應及配送服務（NZ）采用各地區農用生產資料價格指數來反映;農業金融服務（FI）用各地區農林牧漁業貸款總額反映;農產品質量安全服務（ZJ）用各地區質檢中心數反映;農產品銷售服務（XS）用農產品綜合市場數量來反映;農產品物流服務（RR）用各地區鄉村道路長度反映;土地流轉服務（LZ）用各地區土地流轉服務中心數量反映。由于我國農業生產性服務業的產出值在2012年以后才有相關統計，因此本研究時間區間為2012—2016年，橫截面為31個省市區。表1展示了變量的描述統計結果。

（三）實證結果與討論

1.基于全國層面的表現

2012—2016年全國農業生產性服務業DEA-Malmquist指數見表2。從配置效率看，除了2015年外，其他年份都有不同程度的下降趨勢。說明農業生產性服務資源配置的整體效率不高。尤其是2016年，資源配置效率下降比較多。從技術進步率和整體供給效率來看，有先下降后上升的過程，呈現“U”型特征。但由于受資源配置效率的拖累，整體供給效率增長低于技術進步率增長。2012—2016年技術進步率和整體供給效率呈現“U”型變化特征的可能原因是，2012年后，我國經濟進入了新常態，我國大力推進經濟增長方式從粗放式增長向高質量發展轉變，經濟增長速度從高速增長轉為中高速增長，經濟結構不斷優化升級，經濟增長動力從要素驅動、投資驅動轉向創新驅動。在此期間，農業生產性服務行業也進行深度結構性調整，原有落后產能逐步被淘汰，新的產能逐漸形成。這個過程是“不斷破壞舊的和不斷創造新”的過程。根據熊彼特的破壞式創新理論，讓過去的固定資產設備和資本投資過時、無效或者貶值，這一“痛苦”過程可能導致投入產出效率和產出水平的暫時下降。當通過創新產生大量新的資本（利潤）來彌補這些貶值和無效時，便體現出創新性替代，體現出投入產出效率提升和新技術嵌入。這一“破壞性創新”過程便呈現出技術進步率和整體供給效率先下降后上升的“U”型變化特征。

2.基于區域層面的表現

2012—2016年各地區農業生產性服務業DEA-Malmquist指數幾何均值見表3。各地區農業生產性服務供給效率呈現明顯差異。從資源配置效率來看，重慶、黑龍江、北京、湖北、浙江效率較高，配置效率指數分別為1.134 0、1.060 0、1.059 0、1.041 0和1.005 0;而上海、新疆、天津、內蒙古、江西、四川、寧夏、廣西和山西效率較低，配置效率指數分別為0.912 0、0.926 0、0.927 0、0.927 0、0.930 0、0.953 0、0.962 0、0.991 0和0.993 0。從技術進步率來看，河南、北京、上海、河北、湖北、新疆、遼寧、浙江、山東、重慶這十個地區較高，技術進步率均超過5%;而貴州、甘肅、安徽、吉林、內蒙古相對較低，技術進步率指數分別為0.692 0、0.730 0、0.812 0、0.820 0、0.850 0。從整體供給效率來看，重慶、北京、湖北、河南、黑龍江、河北、浙江、遼寧、山東較高，整體供給效率均超過5%，重慶達到20.30%;而貴州、甘肅、內蒙古、安徽、吉林較低，整體供給效率指數分別為0.692 0、0.730 0、0.788 0、0.812 0和0.820 0。

三、各項農業生產性服務對供給效率的影響——基于Rough Set方法

綜上，農業生產性服務供給效率存在波動。那么，哪些因素造成了波動的產生呢？為此本部分運用Rough Set方法，重點分析上文投入指標中的十項農業生產性服務的影響，以揭示各項農業生產性服務與供給效率的關聯性，找出農業生產性服務供給的短板。

（一）Rough Set方法篩選影響因子重要性的基本方法

Rough Set是Pawlak等研究提出的篩選影響因子重要性的一種數學方法[21]，是一種研究不完整數據、模糊和不確定性知識的數學工具。該方法可以不需要提供所研究問題以外的任何先驗信息，只需要通過刪除觀測數據中的冗余信息，即可分析刪除信息后不完整信息的程度變化及不同屬性間的關系和重要程度，從而幫助研究者做出決策[22-23]。Rough Set方法主要內涵介紹如下。

1.關于信息系統

S=（U，A，V，f）是一個十項農業生產性服務信息系統，其中U表示對象的非空有限集合。稱為論域;A是所有屬性（十項農業生產性服務）的非空有限集合;V是所有屬性（十項農業生產性服務）對應值域的并集。f表示U×A→V的一個信息函數，它為每個對象的每個屬性（某項農業生產性服務業）賦予一個信息值。

在此設有兩個等價集合：U/B和U/Q。

U/B ={[x]│x∈U，[x]是U上基于等價關系B的等價類}

U/Q ={[y]│y∈U，[y]是U上基于等價關系Q的等價類}

這兩個集合都是U 上的劃分（稱為知識系統）。可以采用Shannon的信息熵對知識的不確定性進行度量。

2.關于信息熵

3.各項農業生產性服務（屬性）重要性的測度

在信息系統S=（U，A，V，f）中，在a∈A的重要性定義為：

SA（a）=|H（A）-H（A-a）|（7）

式（7）中H（A）表示所有屬性（十項農業生產性服務）組成的集合A的信息熵;H（A-a）為屬性（十項農業生產性服務）集合A去除屬性a（某一項農業生產性服務）時的信息熵。當SA（a）>0時，稱a∈A在A中是必要的，即此項農業生產性服務對供給效率是重要的;當SA（a）=0時，則a是冗余的，說明此項農業生產性服務對各地區供給效率差異沒有貢獻。SA（a）的值越大，該項農業生產性服務對供給效率的重要性程度越高。

4.各項農業生產性服務（屬性）的貢獻

根據式（7）計算出所有農業生產性服務（屬性）對應的SA（a）值。如果當SA（a）=0，則刪去該項農業生產性服務（屬性）。剩下的風險指標集為C={C1，C2，…，Ct}。再次運用式（7）計算各農業生產性服務（屬性）的重要程度SC（Ci），對SC（Ci）做歸一化處理，得到各農業生產性服務（屬性）的貢獻：

（二）數據處理與賦值

Rough Set方法需要對各分析數據進行離散化處理。本研究的分析數據包含上一部分DEA-Malmquist指數法測度的表2中的各地區配置效率、技術進步率和供給效率數據以及表1列出的十項農業生產性服務投入數據。我們按照四級分類方法進行離散化處理，先計算指標的均值和標準差，大于均值加上2個標準差的賦值為4，大于均值但小于均值加2個標準差的賦值為3，低于均值但不小于均值減2個標準差的賦值為2，小于均值加2個標準差以上的賦值為1。

（三）測度結果與討論

1.基于配置效率的農業生產性服務信息熵及屬性重要性

基于配置效率的測度，根據表4的結果分析，除農業基礎設施服務外，其他九項服務對各地區農業生產性服務業的配置效率表現差異均具有實質性貢獻，因此冗余信息并不多。農資供應及配送服務、農產品銷售服務、土地流轉服務、農業信息化服務和農業技術推廣服務與各地區農業生產性服務業配置效率更為密切，其貢獻率分別為25.28%、20.92%、14.96%、11.74%和10.60%，合計貢獻為83.50%。也就是說，各地區農業生產性服務配置效率的表現差異主要由這五個因素所致。而農產品物流服務、產品質量安全服務、農機服務、農業金融服務和農業基礎設施服務五個方面合計只有16.50%的貢獻份額。

2.基于技術進步率的農業生產性服務信息熵及屬性重要性

基于技術進步率的測度，根據表5的結果分析，與基于配置率的結果類似，除農業基礎設施服務外，其他九項服務對各地區農業生產性服務業的技術進步率表現差異具有不同程度貢獻。農資供應及配送服務、農產品銷售服務、土地流轉服務、農業技術推廣服務和農業信息化服務與各地區農業生產性服務技術進步率更為密切，其貢獻率分別為27.13%、21.33%、14.96%、12.91%和7.32%，合計貢獻達83.66%。但與基于配置效率不同的是農業技術推廣服務的貢獻更靠前，排在第4位。說明在技術進步率方面，農業技術推廣服務的作用高于農業信息化服務。同樣，各地區農業生產性服務技術進步率的表現差異也主要由這五個因素所致。此外，農產品物流服務和農業金融服務的貢獻率為5.83%和5.71%。而農產品質量安全服務、農機服務和農業基礎設施服務三個方面合計只有4.80%的貢獻份額。

3.基于整體供給效率的農業生產性服務信息熵及屬性重要性

基于整體供給效率的測度，根據表6的結果分析，發現農業基礎設施服務和農機服務兩個方面對各地區農業生產性服務整體供給效率表現差異不具有實質性貢獻，其他八項服務都具有實質性貢獻。農產品銷售服務、農資供應及配送服務、土地流轉服務、農業金融服務、農業信息化服務和農業技術推廣服務與各地區農業生產性服務整體供給效率更為密切，其貢獻率分別為26.99%、26.88%、12.95%、9.74%、8.56%和7.94%，合計貢獻達93.06%。也就是說，各地區農業生產性服務整體供給效率表現差異主要由這六個因素所致。對比基于配置效率和技術進步率的結果來看，其他五個方面都是一樣的，這里多了農業金融服務。其中農產品銷售服務、農資供應及配送服務、土地流轉服務三方面的貢獻達到66.82%。而農產品物流服務、農產品質量安全服務、農機服務和農業基礎設施服務四個方面合計只有6.94%的貢獻份額。

以上研究結果表明，農產品銷售服務、農資供應及配送服務、土地流轉服務、農業金融服務、農業信息化服務和農業技術推廣服務是各地區農業生產性服務供給效率呈現發展差異的主要原因。

四、研究結論與政策啟示

本文運用DEA-Malmquist指數法測算了農業生產性服務的供給效率，并采用Rough Set方法測度了十項農業生產性服務對整體供給效率的影響。研究發現：從全國層面上看，2012—2016年，農業生產性服務供給效率呈現先下降后上升的“U”型變動特征;從區域層面看，重慶、北京、湖北、河南、黑龍江、河北、浙江、遼寧、山東等地區農業生產性服務供給效率較高，而貴州、甘肅、內蒙古、安徽、吉林等地區較低。Rough Set方法測度顯示，農產品銷售服務、農資供應及配送服務、土地流轉服務、農業金融服務、農業信息化服務和農業技術推廣服務六項服務是農業生產性服務供給效率呈現地區差異的主要原因。

根據研究結論，提出如下政策建議：一是根據農業生產性服務發展需求，優化農業生產性服務供給結構，大力提升農業生產性服務資源配置效率;二是要大力促進農業生產性服務技術創新，改進服務方式，全面提高技術進步率;三是積極促進農業生產性服務業區域協調發展，加強農產品銷售服務、農資供應及配送服務、土地流轉服務、農業金融服務、農業信息化服務和農業技術推廣服務這六項服務的區域資源優化配置，積極支持各地區因地制宜發展農業生產性服務業，縮小區域間農業生產性服務的整體供給效率差距。

參考文獻

[1]? 楊杰.中國生產性服務業與農業效率提升的關系研究——基于Malmquist指數中國省際面板數據的實證分析[J].山東經濟，2010（5）：29-34.

[2]? 汪建豐，劉俊威.中國農業生產性服務發展差距研究——基于投入產出表的實證分析[J].經濟學家，2011（11）：52-57.

[3]? 張忠軍，易中懿.農業生產性服務外包對水稻生產率的影響研究——基于 358 個農戶的實證分析[J].農業經濟問題，2015（10）：69-76.

[4]? 李天嬌.基于投入產出視角分析我國農業服務業發展趨勢[J].現代管理科學，2018（4）：30-32.

[5]? 吳宏偉，侯為波，卓翔芝.傳統農業區農業生產性服務業現狀、問題和發展思路——以安徽省為例的實證分析[J].農村經濟，2011（9）：44-47.

[6]? NAMBIRO B， CHIANU E. The association of agricultural information services and technical efficiency among maize producers in Kakamega， western Kenya[C]// Aaae Third Conference/aeasa， Conference， September 19-23， 2010.

[7]? 鄭風田，許竹青，羅丹，等.農民信息供需態勢及其功能拓展：634個樣本[J].重慶社會科學，2012（3）：5-14.

[8]? 楊哲，黃邁.農村基礎金融服務模式及其創新[J].重慶社會科學，2013（11）：88-93.

[9]? 張曉琳，高山，董繼剛.農戶信貸：需求特征、可得性及影響因素——基于山東省922戶農戶的調查[J].農村經濟，2018（2）：65-71.

[10]? 應瑞瑤，徐斌.農戶采納農業社會化服務的示范效應分析——以病蟲害統防統治為例[J].中國農村經濟，2014（8）：30-41.

[11]? 李顯戈，姜長云. 農戶對農業生產性服務的可得性及影響因素分析——基于1121個農戶的調查[J].農業經濟與管理，2015（4）：21-29.

[12]? 王釗，劉晗，曹崢林.農業社會化服務需求分析——基于重慶市191戶農戶的樣本調查[J].農業技術經濟，2015（9）：17-26.

[13]? 張曉敏，姜長云.不同類型農戶對農業生產性服務的供給評價和需求意愿[J].經濟與管理研究，2015（8）：70-76.

[14] 蘆千文，姜長云.農業生產性服務發展模式和產業屬性[J].江淮論壇，2017（2）：44-49+77.

[15] 郝愛民.城鎮化與農業生產性服務的門檻效應[J].華南農業大學學報（社會科學版），2018（1）：19-26.

[16] GALOR O， TSIDDON D. Technological Progress， Mobility， and Economic Growth[J]. The American Economic Review， 1997， 87（3）： 363-382.

[17] JONES LE， MANUELLI RE. The Sources of Growth[J]. Journal of Economic Dynamics & Control， 1997， 21（1）： 75-114.

[18] MALMQUIST S. Index numbers and indifference surfaces [J]. Trabajos de Estadistica， 1953， 4（2）： 209-242.

[19] CAVES D W， DIEWERT L R C E. The Economic Theory of Index Numbers and the Measurement of Input， Output， and Productivity[J]. Econometrica， 1982， 50（6）： 1393-1414.

[20] FARE R ，GROSSKOPF S， NORRIS M， et al. Productivity Growth， Technical Progress， and Efficiency Change in Industrialized Countries[J]. American Economic Review， 1994， 84（5）： 1040-1044.

[21] PAWLAK Z. Rough Sets： Theoretical Aspects of Reasoning about Data[M]. Kluwer Academic Publishers， 1992.

[22] 鐘波，肖智.一種基于粗糙集理論的組合預測方法[J].統計研究，2002（11）：37-39.

[23] 冉光和，李敬，管洪.地方政府負債風險的生成機理與預警研究[J].中國軟科學，2006（9）：29-37.

Research on the measurement and influencing factors of the supply efficiency of agricultural productive services in China： Based on DEA Malmquist index and rough set method

Li Yinghui? ?Li Jing

（Research Center of the Economy of the Upper Reaches of Yangtze River， Chongqing Technology and Business University， Chongqing 400067）

Abstract： DEA Malmquist index method is used to measure the supply efficiency of agricultural productive services in China， and rough set method is used to measure the impact of 10 agricultural productive services on TFP. The results show that： from the national level， from 2012 to 2016， the supply efficiency of agricultural productive services presents a "U" type change feature of first decline and then rise. At the regional level， the supply efficiency of agricultural productive services in Chongqing， Beijing， Hubei， Henan， Heilongjiang， Hebei， Zhejiang， Liaoning， Shandong and other regions is higher， while that in Guizhou， Gansu， Inner Mongolia， Anhui and Jilin is lower. The rough set method shows that the main reasons for the regional differences in the supply efficiency of agricultural productive services are the sales service of agricultural products， the supply and distribution service of agricultural materials， the land circulation service， the agricultural financial service， the agricultural information service and the agricultural technology extension service.

Key Words： agricultural productive services; total factor productivity; influence factor