基于DEA-Malmquistt指數的四川省農業生產效率差異分析

林偉敏

摘要：本文通過DEA-BCC模型，對2018年四川省農業投入與產出面板數據進行橫向測算，得出全省農業規模效率整體向好，而純技術效率稍弱，兩者共同影響著綜合效率的發展水平。同時，以時期序列為軸線，運用Malmquist指數法對效率值進行縱向分析。研究發現：2010-2018年全省農業TFP值整體呈上升趨勢，發展勢頭較好，而技術效率與技術進步效率兩者呈逆向變化趨勢，表明當前全省農業發展面臨著不協調、不充分狀態，存在著設施配置不足、資源轉換低效、生產技術落后等問題。為此，通過實施區域差異化的發展戰略、完善要素投入機制，同時強化技術引導，培育優質農田，全面提升產出效益是四川省農業發展未來的重心。

關鍵詞：農業生產效率 DEA模型 Malmquist指數 TFP效率值

民之大事在于農，農之大事在于穩。農業作為事關國計民生的頭等大事，對于社會平穩運行、國家繁榮發展起著重要的支撐作用。四川作為我國重要的農業大省，其糧食產出量不僅關系到區域經濟發展水平，而且關乎中國14億人民的口糧安全，重要性不言而喻。因此，實現農業產出最大化，投入最小化，促進資源高效轉化，是全省農業發展的重中之重。同時，為確保農業產出的平穩性，固本強基、降本增效、提質增速三大任務應全程貫穿于農業發展的始終，進而實現農業高質量發展。本文從靜態視角出發，采用DEA- BCC模型，對2018年全省農業生產效率進行橫向測算。同時采用Malmquist指數法，動態分析各地區TFP值在年份上的具體差異及空間分布特征，精準定位，找尋破解難題突破口，合理施策，補齊發展缺口，進而推進全省農業騰飛發展。

一、研究方法與理論基礎

（一）DEA模型相關概念

數據包絡分析（DEA）指運用線性規劃方法對所有決策單元（DMU）進行數據計算，得出效率分解值，它一般以1作為衡量標準，判斷是否達到生產前沿面，以平均值為基準線，衡量是否處在正常效率值范圍。DEA模型應用領域廣泛，常用于企業效率評價、物流效率測算、經濟效率評估等方面內容。考慮到農業生產效率測算同屬于投入與產出的類型，與DEA模型相契合，具有較好的對比性。因次，本文采用DEA模型對四川省農業生產效率進行綜合評價，分析當前農業發展存在短板，以此提出相應解決對策。其公式如下：

上述公式可進一步分解為：tfpch=effchtechch=（pechsech） techch，由此可知，TFP受effch與techch雙重影響。只有當兩者同步遞增時，TFP才能達最大值。因此，若全省農業效率要發揮出極致效果，必須重視這兩項指標。

（三）指標選取與數據來源

1.指標選取。DEA模型指標選取具有嚴格規范要求，只有符合邏輯規律、并且能夠反映現實狀況的生產要素才能作為可選指標。因此，本文在遵循科學性、客觀性、一致性原則的基礎上，結合全省農業發展的實際狀況，構建出四川省農業生產效率評價體系。該評價體系由兩級指標所組成，一級指標分為投入變量與產出變量，二級指標則按人力、土地、資源與產出等要素劃分出農業從業人員、農作物總播種面積、化肥使用量與農林牧副漁業總產值。

2.數據來源。為了能夠客觀地反映四川省農業生產狀況，同時保證研究結果的可信度，本文截選了2010—2018年農業生產效率面板數據進行DEA測算，定位其發展薄弱環節，以此提出綜合性的解決對策。

二、四川省農業生產效率靜態分析

（一）DEA模型的靜態分析

DEA模型有投入、產出兩種導向。投入導向：即在保證產量不縮減的前提下，降低生產成本?？紤]到農業產出具有較大波動性和不確定性，故而本文以投入徑向為假設對象。運用DEAP2.1軟件，選用規模變動的BCC模型，可得2018年四川省農業生產效率值，如表1所示。

1.綜合效率。綜合效率是指對農業資源的配置效率、利用情況，以及產出效益等內容進行整體評估。該效率值能客觀地反映地區農業生產狀況，因此，它常被作為評判效率的重要指標。如表1所示，成都、雅安、甘孜州的三項效率值均為1，達到DEA有效，占比14.28%，表明這3個地區資源要素、生產技術和規模收益均達到最優化配置。而剩下地區為非DEA有效，占比85.72%，其中攀枝花、德陽、內江、眉山、宜賓、資陽、阿壩州7個州市綜合效率位于平均線之上，占比33.33%，這些地區雖未達到DEA有效，但農業資源利用情況整體向好。而自貢、瀘州、綿陽、廣元、遂寧、樂山、南充、廣安、達州、巴中、涼山州11個州市綜合效率未達平均水平，比例為52.38%，占比較大，后期發展應以增強效率為主，提升效益為輔。特別是巴中市綜合效率僅為0.297，處在全省最低位，若想提高整體的綜合效率，應著重破解效率不對等難題，完善資源管理機制，加強技術引導，從而實現"質量與效益"的雙贏局面。

2.純技術效率。純技術效率是反映技術轉化程度的重要指標，它一般受當地的生產條件、管理方法和技術熟練度等因素影響，該數值越接近于1，其資源轉化效率就越高。從表1可知，非DEA有效的地區中，攀枝花、阿壩州純技術效率均為1，處于技術前沿面。而內江、眉山、宜賓、資陽四個地級市高于平均值，分別為：0.954、0.816、0.917、0.936，整體發展良好。另外，德陽、綿陽、樂山、涼山州的純技術效率介于【0.700—0.760】范圍之間，這些地區純技術效率雖然未發揮到極致，但仍有較大的發展空間。剩下地區均低于0.7，特別是瀘州、廣元、達州、巴中這4個地級市的綜合效率和純技術效率普遍偏低，存在投入冗余現象，應合理調整投入要素，完善相應激勵機制，加強內部管理，從而提高農業產出率。

3.規模效率。規模效率一般用來衡量農業投入與產出之間是否達到最優規模狀態。從整體來看，全省規模效率為0.921，呈現積極向好態勢。在非DEA有效的地區中，介于【0.900—1.000】之間地級市有11個，占比52.38%，這些地區規模效率接近生產前沿面，經營規模達到比較理想狀態。介于【0.800—0.900】之間的地級市，有4個，分別為廣元、內江、宜賓、資陽和涼山州。而低于0.800地區有2個，分別為攀枝花和巴中，這兩個地區規模效率普遍偏低。另外，從規模效益來看，規模遞減地區有4個，分別為眉山、宜賓、資陽、涼山州，這些地區農業資源未得到有效整合，后期發展可適當縮小農業規模，力求達到供需平衡狀態。而規模遞增的地區則應繼續加大資源投入，提高技術應用能力，從而達到農業規模最優狀態。

（二）四川省農業綜合效率分解

為更加直觀地反映全省農業生產狀況，根據上述表1的內容，繪制了四川省農業綜合效率四方圖（如圖1所示），以平均值（0.76，0.921）為中軸線，劃分出四種類型分布圖。其中，雙高型地區有5個，分別為成都、雅安、眉山、甘孜州、阿壩州，這5個地區兩項指標均高于平均值，農業生產效率最好。與右上角相對應則是雙低型，該區間效率值處于最低位，多項指標均<平均值，存在明顯地投入產出不對等現象，后期應注重均衡式發展。二四象限則呈現一高一低的發展態勢。第二區間以高低型為主，該類型在規模效率具有優勢，而在純技術效率方面處于劣勢，由樂山、遂寧、南充、廣安、達州、瀘州6個地區所組成。而在第四象限內，主要以純技術效率為主，形成的是低高型隊伍。從圖1可知，全省有4個地區屬于此類型，分別為：資陽、內江、宜賓、攀枝花。進一步分解可知：高低型與低高型彼此之間存在明顯的短板與弱項，互補性較強。因此，二者間可建立起農業互助幫扶機制，在生產方式與結構上相互借鑒，取長補短，共同補齊農業發展的短板與弱項。最后，值得關注是綿陽與德陽，這兩個地級市的規模效率處在平均線上方，且純技術效率逼近平均值，說明該市兩項指標發展良好，發展空間較大，有較大希望挺近雙高型隊伍。

三、四川省農業生產效率動態分析

（一）DEA模型的動態分析

DEA靜態分析是無法呈現出連續、動態變化。為了能夠清晰、能動地反映2010-2018全省農業整體發展狀況，本文采用Malmquist指數法對效率值進行動態分析。通過對TFP值逐一分解，深入剖析，進而提出有指向性的解決對策。

1.綜合數值分析。從表2可知，全省農業TFP平均值為1.085，年上漲率8.5%，整體發展較好。而技術效率為0.984，發展較為緩慢，未達到生產前沿面。深入分解可知：純技術效率與規模效率也呈相同發展趨勢，效率值分別下降0.9%、0.7%。進一步表明：技術效率增速較為緩慢，成為制約其發展的關鍵因素。而技術進步效率則出現正增長，增幅達10.3%，發展較好，成為驅動TFP值增長的核心因素。因此，全省TFP值提高的關鍵因素在于技術效率。

2.具體數值分析。為進一步探究效率值變化的原因，本文將對平均值逐一分解，動態分析效率值演化趨勢。分年度來看，四川省2010—2018年農業TFP值均>1，在第一年達到頂峰之后，后面出現小幅度下跌，但整體波動不大。2015年之后開始出現平穩上升趨勢，說明全省農業發展優勢明顯，潛力巨大。仔細觀察圖2可知，TFP值與技術進步效率兩者間相互疊加，聯系緊密，進一步說明，技術進步效率漲落伴隨著TFP值波動起伏。從技術進步效率演化趨勢來看，除2015年小幅跌落外，其余時期均為正增長，整體發展較好。而技術效率則漲跌起伏不定，在2015之后出現下跌，隨后2017年出現上漲，深入分解可知，純技術效率與規模效率也呈相似運動規律，說明當前農業發展存在效率不相等、產出不穩定等問題。為此，提高TFP效率值，應著重從技術效率入手，促進資源高效轉化，確保農業產出平穩性。

3.整體動態分析。從表2可知，四川省21地級市農業TFP值均大于1，平均值1.085，增幅達8.5%，表明全省農業發展整體向好。但區域發展存在較大差異，TFP值增幅超10%的地區有6個，分別為內江、資陽、成都、綿陽、甘孜州、眉山，這些地區農業資源利用率較高，投入產出相對均衡。尤其是成都市，5項指標達到生產前沿面，整體發展最好，其他地區應以此為標桿，因地制宜，探索出符合自身發展的農業道路。增幅7%-10%之間的地級市有10個，這些地區均屬于中等偏上水平，發展較好，后期應注重技術創新，加快產業轉型升級，以提高產出率。而剩下的地區為自貢、樂山、廣安、達州和巴中，這5地區發展較為緩慢，后期發展應注重區域協調性，加大農技推廣力度，提高資源轉化率，進而實現小投入、大產出的經濟效益。

從增長動因來看，成都、內江、眉山、雅安、資陽、甘孜州6個地級市農業TFP值主要由技術效率和技術進步效率共同推動的，而其他地區均由技術進步效率單一因素所驅動的，技術效率起到作用次之。計算得出，技術效率的平均值為0.984，與技術進步效率1.103相比，存在一定差距，成為制約其發展的關鍵因素。因此，全省農業TFP值若想保持較好狀態，必須重視技術效率，把農業短板轉變為增長動力，挖掘新動能，培育新引擎，進而推動全省農業的跨越式發展。

四、研究結論與對策建議

（一）研究結論

通過DEA靜態分析對2018年四川省農業生產效率進行整體評估，研究發現：全省農業發展具有較好區位優勢和生產條件，但由于部分地區純技術效率未能得到有效轉化，投入冗余現象尚存，面臨著投入產出不匹配狀態，進而拉低全省農業的綜合效率。運用Malmquist指數法對四川省2010—2018年農業TFP值進行動態分析，得知全省農業TFP值均大于1，漲幅為8.5%，表明全省農業發展整體向好。從效率演化趨勢來看，技術進步效率是推動農業TFP值上漲的核心因素，而技術效率成為制約其發展的關鍵要素。因此，全省農業發展的核心在于技術效率，后期發展應加大技術投入力度，強化農業科技基礎，補齊發展短板與弱項，進而為全省農業發展賦予強大動力。

（二）對策建議

1.加大基礎設施建設，鞏固農業發展根基。一是要對當地農業的播種面積、生產條件、資源分布等情況進行實際測算，在確保合理產出的前提下，調整農業規模。二是加強農田水利設施建設，開展智能灌溉、節能排水等生產技術，改善生產條件，進一步夯實農業生產基礎。與此同時，區域之間要因地制宜，發展混合式農業，推進農田綜合利用開發，實現規模與效益、質量與數量雙贏局面。三是強化要素投入保障機制，優化投入產出結構，提高資源轉化效率，促進要素高效轉換，保證農業產出的均衡化。

2.實施差異化發展策略，推動區域農業均衡發展。根據全省農業的發展狀況，將區域農業劃分為生產薄弱區與生產領先區。生產薄弱區，應以生產條件為導向，強化深耕細作能力，發展精致農業，挖掘潛力大、效益高的特色農產品，提高產品質量與影響力。同時，引入優良品種，建設高標準農田，培育優質主產區，實現效益多層疊加。另外，對于土壤肥力不足的農田，應實施土地質量監測體系，定期開展質量評估，降低農業生產風險，確保農業產出的平穩性。生產引導區，主要以生產技術為導向，多方部門應加強合作，設立農業科研基金，激勵技術人員開展農業創新，加大前沿技術攻關力度，探索農業新領域，開創農業新高地。與此同時，運用區塊鏈、物聯網、GIS等新技術，在田間地頭布局數據鏈，形成農業數據庫，進而實現農業信息全程追蹤、可視化，確保農業高質量發展。

3.完善要素整合機制，促進農業轉型升級。一是加強農業園區建設，引導資源要素匯聚，輻射帶動周邊設施落地，進而解決農村地區資源不足、設施分散、產業薄弱等問題，以提高農業發展水平。二是引導龍頭企業與小農戶開展合作，實施產銷一體化發展戰略，不斷擴大市場容量和擴充銷售渠道，解決農產品銷售慢、銷售難問題。與此同時，對農產品多次改造升級，深挖產品利潤空間，實現效益多倍產出。三是打通要素流通渠道，引導優勢資源流向薄弱區，促進要素自由流動，實現區域資源有效整合與共享。

4.強化技術引領，培養復合型人才。一是支持有條件的地區設立農業科研團隊、研發中心，推動產學研一體化建設，擴大應用領域，提高前沿技術覆蓋面，切實增強農業綜合水平。二是聘請專家學者對農戶開展全方位指導，統籌規劃，合理布局，分析當前農業發展存在著短板與不足，提出有針對性解決措施，以此提高農業生產效率。三是制定人才培養方案，周期性開展技能培訓，鍛造懂技能、善管理的實用型人才。同時，各地區要出臺各項優惠政策，完善相應激勵政策與保障機制，加大補貼力度，引進素質高、能力強的復合型人才，通過農業人才的科學指導和技術引領，帶動農業高質量發展，進而實現區域農業的均衡發展。

參考文獻：

[1]張麗，鄭軍.基于DEAMalmquist模型的山東省農業生產效率測算研究[J].湖北農業科學，2019，58（21）： 219-223.

[2]劉雷，張夢雨.基于DEAMalmquist指數的農業生產效率評價[J].江蘇農業科學，2020，48（21）：309-314.

[3]李強，龐鈺凡，汪玥.基于DEA模型和Malmquist指數的農業生產效率評價研究——以吉林省為例[J].技術經濟，2020，39（09）：135-143.

[4]姚鳳民，朱美金，查梓琰.廣東農業科技創新效率研究——基于超效率DEA模型和Malmquist指數法[J].科技和產業，2019，19（09）：83-89.

[5]管立杰，趙偉.基于DEAMalmquist的農村基礎設施供給效率評價[J].統計與決策，2020，36（04）：172-175.

[6]溫麗榮，吳昊洢，黃慶華.基于DEA-Malmquist模型的重慶市農業生產效率實證研究[J].新疆農墾經濟，2015（11）：9-14.

[7]蔣飛，厲偉.基于DEAMalmquist指數的江蘇省農業生產效率評價[J].貴州農業科學，2017，45（02）： 167-170.

[8]賀忠連，廖翼.基于DEAMalmquist指數的湖南省科技成果轉化效率研究[J].科技風，2019（29）：22-23.

[9]陳沖，吳煒聰.人口老齡化對農業技術進步的影響機制分析——基于DEA-Malmquist的技術評價與動態面板模型[J].中國農業資源與區劃，2021， 42（01）：231-238.

[10]丁濤，武禎妮.基于Malmquist指數法的農地利用效率測算[J].統計與決策，2019，35（22）：82-84.

Agricultural production efficiency in Sichuan Province based on DEA-Malmquist index Variance Analysis

Lin Weimin

Abstract：In order to make up for the shortcomings and weaknesses of agricultural development， improve the overall operational efficiency， optimize resource allocation， and achieve output equalization and rationalization. In this paper， through the DEA-BCC model， the panel data of agricultural inputs and outputs in Sichuan Province in 2018 are measured cross-sectionally， and it is concluded that the overall agricultural scale efficiency of the province is better， while the pure technical efficiency is slightly weaker， and both of them jointly affect the development level of comprehensive efficiency. Meanwhile， the Malmquist index method was applied to analyze the efficiency values longitudinally， taking the period series as the axis. It was found that：the overall TFP values of the provinces agriculture from 2010-2018 showed an upward trend and a good development momentum， while the technical efficiency and the efficiency of technical progress both showed an inverse trend， indicating that the provinces agricultural development is currently facing an uncoordinated and inadequate state， and there are problems such as insufficient allocation of facilities， inefficient conversion of resources and backward production technology. For this reason， it is the focus of future agricultural development in Sichuan province to improve output efficiency comprehensively by implementing regional differentiated development strategies and improving factor input mechanisms， while strengthening technological guidance and cultivating high-quality farmland.

Keywords： agricultural production efficiency； DEA model； Malmquist index； TFP efficiency value

（作者單位：成都信息工程大學物流學院）

責任編輯：宗宇翔