河南省農業生產效率及影響因素分析

張　娜

河南省農業生產效率及影響因素分析

張娜

（河南財經政法大學河南鄭州450046）

文章基于河南省2010年—2020年18個地級市的面板數據，使用DEA-Malmquist-Tobit模型分析河南省農業生產效率和影響因素。結果顯示，河南省農業生產效率整體處于較低水平，并逐年下降，其主要由技術效率和規模效率的連續下降造成；農業全要素生產率總體呈上升趨勢，其主要由技術進步主導。從影響因素來看，地區生產總值、農林水事務支出對農業生產效率有顯著促進作用，單位耕地機械投入量對農業生產效率有抑制作用。為此，應推動區域經濟發展，優化產業結構，加大農業扶持力度，合理配置資源投入規模，有效提升農業生產效率。

DEA；Malmquist；Tobit模型；農業生產效率

農業是保障我國經濟發展、社會安定的重要基石，是國民經濟的基礎。河南省是我國具有重要戰略地位的農業大省，分析河南省的農業生產效率及影響因素，對后續優化資源配置，促進農業經濟發展具有重要意義。目前針對農業效率的研究非常廣泛，DEA法由于其兼具客觀性和有效性而被廣泛使用。從時間上看，1995年—2005年中國農業生產的全要素生產率在不斷緩慢增長[1]；從空間上看，我國農業效率呈現出從東部、中部到西部依次遞減的趨勢[2]；從變化趨勢上看，1979年—2016年間我國農業生產效率經歷了從波動增長到平穩增長的轉變，增長主要得益于農業技術進步[3]。在研究方法的延伸上，超效率SBM模型、空間計量模型、SFA模型和Malmquist指數的結合也有了廣泛的應用[4-6]。從農業效率的影響因素上看，農業專業人員越多、農業經營規模越大越有助于提高農業生產效率[7]，鄉村人口平均受教育年限較短和自然災害不利于農業生產效率的提升[8]。

目前關于農業生產效率的研究主要有以下特點：一方面主要以跨區域的省際地區為研究對象，容易忽略地區內部的不均衡性；另一方面，DEA模型只能測算靜態農業生產效率。本文以河南省18個地級市為實證研究對象，基于2010年—2020年的面板數據，采用DEA模型得出河南省每年的靜態農業生產效率，之后利用Malmquist指數得出動態農業生產效率，最后結合Tobit模型進行回歸，分析影響農業生產效率的主要因素。

1 研究方法與數據來源

1.1 DEA模型

Charnes等（1979）提出的數據包絡分析（DEA）[9]是一種非常有效且具有實際操作意義的，用于評價具有相同類型的多投入、多產出決策單元（DMU）的非參數方法。由于只需要投入和產出就能夠測算效率，具有客觀性和有效性。本文采用規模報酬可變（BCC）模型進行測算，其中綜合效率為技術效率和規模效率的乘積。

1.2 Malmquist指數

由于DEA存在只能反映農業生產的靜態效率，無法反映隨時間變化的動態效率的缺陷，學者Caves（1982）為了更好地反映影響效率變化的內在因素，在計算全要素生產率中引入了Malmquist指數[10]。Malmquist指數的測算結果用全要素生產率（TFP）表示，其可分解為技術進步效率（Techch）和技術效率（Effch），技術效率又可進一步分解為純技術效率（Pech）和規模效率（Sech），如式（1）所示。

=×=××（1）

1.3 Tobit模型

農業生產效率值有一定的特點，也就是作為一個有界變量，其數值一直在0～1之間。普通的OLS回歸由于無法適應這一特點而會引起偏差，而Tobit模型適用于解釋變量為觀測值，被解釋變量為約束條件下的觀測值的情形，因此被認為是一種解釋效率影響因素的好方法，表達式如下：

1.4 指標選取與數據來源

本文以河南省18個地級市為實證研究對象，研究時間跨度為2010年—2020年。指標體系的選擇上，產出指標（）為農業生產總值（億元），投入指標分別為農作物總播種面積（萬hm2）、農業機械總動力（萬kW）、農用化肥施用量（萬ｔ）、農資投入量（萬ｔ）。本文所選指標的數據來自2010年—2020年的《河南統計年鑒》。

2 河南省農業生產效率實證研究

2.1 基于DEA模型的農業效率靜態評價

2010年、2015年和2020年河南省18個地級市的綜合效率、技術效率、規模效率和規模報酬如表1所示。其中，2010年18個地級市平均綜合效率為0.852，平均技術效率和規模效率分別為0.901和0.945，和DEA有效狀態仍相距較遠。18個地級市中，農業生產效率有效，即綜合效率為1的地級市有4個，占總體樣本量的22%，分別為洛陽、焦作、三門峽和信陽。平頂山、安陽、新鄉、濮陽、南陽、商丘、周口、駐馬店的綜合效率處于較低水平，皆在0.8以下，拉低了河南省總體農業生產效率。從技術效率來看，開封、洛陽、焦作、三門峽、南陽、信陽和濟源達到了有效狀態，處于最低水平的為新鄉。從規模效率上看，達到有效狀態的只有洛陽、焦作、三門峽、信陽4個地級市，規模效率最低的為南陽，僅有0.793。從規模報酬上看，綜合效率有效的4個地級市的規模報酬都達到了不變狀態；鶴壁和濟源處于規模報酬遞增狀態，說明存在投入不足狀況，需要進一步加大投入，提升農業生產效率；其余12個地級市皆處于規模報酬連年下降的不利階段，主要是由于存在投入冗余狀況，需要減少相關農業資源投入，以達到最佳效率值。

2015年的數據顯示，河南省各地級市的平均綜合效率有所下降，僅為0.690，技術效率和規模效率較2010年都有明顯下降，分別為0.816和0.849。其中，綜合效率最低的地級市為駐馬店，僅為0.496。達到農業生產效率有效的地級市僅有三門峽和信陽，占總體地級市數量的11%，而洛陽和焦作由DEA有效變為DEA無效。從技術效率上看，2010年技術效率有效的地級市里，開封從有效轉為無效，共計13個地級市的技術效率處于無效狀態，且距離有效水平仍有一定差距。從規模效率上看，規模效率有效的只有三門峽和信陽，而規模效率無效的地級市有16個，占總體數量的89%。由于2015年較2010年各項數據中大部分有所下降，可推斷綜合效率的下降是由技術效率和規模效率同時下降造成的。從規模報酬來看，大部分地級市處于投入過剩的規模報酬逐年下降狀態，鶴壁、許昌和濟源依舊處于投入不足而引起的規模報酬遞增階段。

2020年河南省農業生產效率進一步下降，各地級市平均綜合效率僅為0.658，技術效率和規模效率也都有所下降，分別為0.796和0.836。綜合效率最低的為濟源和駐馬店，僅為0.489，處于較低水平，且大部分地級市的綜合效率皆在0.8以下，與有效狀態仍有較遠距離。綜合效率有效的僅有三門峽一個地級市，信陽市由DEA有效變為無效狀態。從技術效率上看，2015年技術效率有效的地級市2020年依舊有效，即洛陽、三門峽、南陽、信陽和濟源，占總體地級市數量的22%，其余13個地級市的技術效率處于無效且較低技術效率水平，最低的是安陽，僅為0.582。從規模效率上看，河南省除三門峽外的17個地級市皆處于無效狀態，最低水平地級市是南陽，僅為0.536，從規模報酬上看，三門峽處于規模報酬不變狀態，濟源依舊保持規模報酬遞增狀態，其余16個地級市皆為規模報酬遞減狀態，說明河南省的農業生產效率總體上處于投入冗余導致規模報酬遞減的水平。

表12010年、2015年和2020年河南省18個地級市的農業生產效率

地級市2010年2015年2020年綜合效率技術效率規模效率規模報酬綜合效率技術效率規模效率規模報酬綜合效率技術效率規模效率規模報酬 鄭州0.8490.8660.980遞減0.6670.7340.908遞減0.6940.7030.987遞減 開封0.9861.0000.986遞減0.7890.9930.795遞減0.6950.8550.812遞減 洛陽1.0001.0001.000不變0.8571.0000.857遞減0.7021.0000.702遞減 平頂山0.7540.7720.976遞減0.6430.7310.880遞減0.5920.6400.926遞減 安陽0.7440.7740.960遞減0.5600.6710.835遞減0.5220.5820.896遞減 鶴壁0.8910.9070.982遞增0.6760.7540.897遞增0.6130.7260.844遞減 新鄉0.6950.7170.969遞減0.5670.6910.820遞減0.5480.6420.853遞減 焦作1.0001.0001.000不變0.8030.8540.940遞減0.8060.8330.967遞減 濮陽0.7590.7720.982遞減0.6440.7190.896遞減0.7080.7860.901遞減 漯河0.9200.9470.971遞減0.6390.6680.958遞減0.5430.5920.917遞減 許昌0.8190.8340.983遞減0.5920.6020.982遞增0.7080.7110.996遞減 三門峽1.0001.0001.000不變1.0001.0001.000不變1.0001.0001.000不變 南陽0.7931.0000.793遞減0.5511.0000.551遞減0.5361.0000.536遞減 商丘0.7560.9150.825遞減0.5640.7460.756遞減0.5610.7090.792遞減 信陽1.0001.0001.000不變1.0001.0001.000不變0.7871.0000.787遞減 周口0.7740.9700.798遞減0.5640.8280.681遞減0.4890.8150.601遞減 駐馬店0.6220.7470.833遞減0.4960.7010.708遞減0.4890.7260.675遞減 濟源0.9671.0000.967遞增0.8151.0000.815遞增0.8521.0000.852遞增 平均值0.8520.9010.945—0.6900.8160.849—0.6580.7960.836—

從整體上看，河南省農業生產效率在2010年、2015年、2020年三個年份連續下降，原因是技術效率和規模效率的連續下降。個別地級市的技術效率和規模效率都遠低于平均效率，如濮陽、商丘、駐馬店等地級市。這些地級市相關部門一方面需要提升技術水平，以提升農業生產效率；另一方面需要合理配置農業資源投入，達到最優生產規模。

2.2 基于Malmquist指數的農業生產效率動態評價

利用DEAP2.1計算可得到河南省2010年—2020年的農業生產技術效率、技術進步效率、純技術效率、規模變化效率以及全要素生產率變化，分別用Effch、Techch、Pech，Sech和Tfpch表示，分解情況如表2所示。河南省農業全要素生產率大部分年度都大于1，說明農業生產效率處于進步狀態，由于技術進步平均值大于技術效率，且除去2017年—2018年和2019年—2020年兩個年度，技術效率皆小于技術進步，說明河南省的農業生產全要素生產率的進步是技術進步主導的，即由于科技的進步和創新手段的應用提升了生產效率，技術進步的年增長率為6.7%。從技術效率來看，河南省技術效率、純技術效率、規模效率三者變化趨勢基本一致，說明技術效率的變化受純技術效率和規模效率的共同作用。純技術效率和規模效率的年平均增長值皆為-1.3%，一方面說明河南省存在高投入低產出問題，另一方面存在管理落后，生產結構需要進一步優化的問題。

表22010年—2020年河南省農業生產效率Malmquist指數及其分解

yearEffchTechchPechSechTfpch 技術效率技術進步純技術效率規模效率全要素生產率 2010—20110.981.1281.0130.9681.106 2011—20120.9671.0940.9750.9921.058 2012—20130.9731.1020.9860.9861.073 2013—20140.8911.1490.9550.9331.024 2014—20150.9751.0260.9661.0091.001 2015—20160.9521.1071.0030.9481.053 2016—20170.9061.2420.920.9851.125 2017—20181.1210.7641.0531.0640.857 2018—20190.9771.1470.9900.9871.121 2019—20201.0100.9881.0101.0000.998 平均值0.9741.0670.9870.9871.039

2010年—2020年河南省18個地級市的Malmquist的指數分解情況如表3。可以看到，河南省各個地級市農業全要素生產率皆在1以上，均值為1.039，區域間差距較小，說明河南省農業生產效率在10年間得到一定提升。這種進步主要是由技術進步帶來的，18個地級市在10年間的技術進步平均提升6.7%。其中提升程度最大的是漯河和三門峽，分別提升了8.4%和8.9%，提升程度最小的是洛陽，提升了5.4%，最高與最低水平之間相差不大，總體處于區域間協調的水平。從技術效率上看，僅三門峽的技術效率達到1，說明10年間河南省大部分地級市的技術效率都處于一個較低水平。從技術效率的分解情況來看，純技術效率只有洛陽、濮陽、三門峽、南陽、信陽和濟源達到了有效狀態，規模效率上只有鄭州、許昌、三門峽達到了有效狀態，其余地級市的純技術效率和規模效率在10年間并未得到有效提升。這說明河南省大部分地級市在管理與技術層面，以及適宜的生產規模層面，仍需要進一步的改進。

表32010年—2020年河南省18個地級市的農業生產效率Malmquist指數及其分解

firmEffchTechchPechSechTfpch 技術效率技術進步純技術效率規模效率全要素生產率 鄭州0.981.0650.9791.0011.044 開封0.9661.0600.9850.9811.024 洛陽0.9651.0541.0000.9651.018 平頂山0.9761.0590.9810.9951.034 安陽0.9651.0670.9720.9931.030 鶴壁0.9631.0680.9780.9851.028 新鄉0.9761.0650.9890.9871.040 焦作0.9791.0660.9820.9971.044 濮陽0.9931.0581.0020.9911.051 漯河0.9491.0840.9540.9941.029 許昌0.9861.0640.9841.0011.049 三門峽1.0001.0891.0001.0001.089 南陽0.9621.0641.0000.9621.023 商丘0.9711.0710.9750.9961.040 信陽0.9761.0691.0000.9761.044 周口0.9551.0740.9830.9721.026 駐馬店0.9761.0630.9970.9791.038 濟源0.9871.0601.0000.9871.047 mean0.9741.0670.9870.9871.039

3 農業生產效率影響因素分析

農業生產效率受多方面因素的影響，本文選取地區生產總值（GDP）占比衡量經濟發展水平，農民人均可支配收入衡量農民收入，財政支出中的農林水事務支出衡量地方政府對農業的支持力度，第一產業就業人數衡量農業勞動力的投入情況，單位耕地機械投入量衡量現代技術對農業進步的影響，第二產業比重衡量地區經濟結構。利用Stata 15構建Tobit模型，回歸參數如表4。

表4影響因素Tobit回歸一覽表

解釋變量系數標準差T值顯著性水平 地區生產總值占比4.351 1691.333 1493.260.002 農村人均可支配收入0.000 030 20.000 0112.740.007 農林水事務0.414 940 50.232 280 71.790.077 第一產業就業人數-0.001 100 30.000 231-4.760.000 單位耕地機械投入量-0.219 610 50.038 182 8-5.750.000 第二產業比重-0.202 533 60.243 857 3-0.830.408

由表4可知，地區GDP占比對農業生產效率有顯著促進作用，隨著地區GDP比重提高1%，農業生產效率提高4.35%。這主要是因為隨著區域經濟的不斷發展與進步，一些地區農業基礎設施將得到顯著改善，在設備得到進一步升級后，生產效率也會大大提高。農村可支配收入與農業生產效率顯著正相關，這是由于農村可支配收入提高之后，農戶的生產積極性會有顯著提升，但是影響系數較小，對農業生產效率的影響程度也較小。農林水事務支出與農業生產效率在90%的顯著性水平上正相關，隨著農林水事務支出的增長1%，農業生產效率提升0.41%。第一產業就業人數與農業生產效率呈負相關，這是因為只有人力的數量提升而沒有質量的提升，不能促進農業效率增長，并未隨著勞動力的投入帶來規模報酬的遞增，影響系數也非常小，說明勞動力投入數量不是農業生產效率主要影響因素。單位耕地機械投入量與農業效率顯著負相關，投入量越多，農業效率越低。技術進步解放了勞動力，提升了生產效率，但是由于存在投入冗余情況，并未合理配置資源，導致農業效率并未隨著單位耕地機械投入量的提升而提升。第二產業比重對農業生產效率的影響為負，可能是由于推進工業化、城鎮化的過程中，過多地擠占了農業生產的空間從而導致農業生產效率的下降，但是由于未通過顯著性檢驗，說明第二產業比重對農業生產效率的影響較小。

4 結論

本文基于2010年—2020年河南省18個地級市的相關指標面板數據，運用DEA-Malmquist-Tobit模型逐步分析河南省農業生產靜態效率、動態效率的內在變化，以及生產效率的影響因素，得出結論如下：

（1）根據2010年、2015年和2020年的農業生產靜態效率評價，河南省農業生產效率處于逐漸下降的狀態，綜合效率數值較低主要是由技術效率和規模效率的下降造成。因此，需要各個地級市的政府根據自身情況，一方面加大科研投入力度，提升技術水平，另一方面合理配置資源的投入規模，使之達到最佳狀態。

（2）由2010年—2020年的Malmquist指數分解的農業生產全要素情況來看，河南省農業全要素生產率在大部分年度中處于進步水平，其主要是由技術進步的變化引起的，且技術效率在一定程度上阻礙了農業生產全要素的進步。從技術效率分解的純技術效率和規模效率情況來看，河南省需要進一步優化管理和調整生產規模，從而提升農業生產效率。

（3）從Tobit回歸的影響因素分析來看，地區GDP占比、農林水事務支出對農業效率有促進作用。應大力發展區域經濟，同時加大對農業事業的扶持力度，以提高農業生產效率。第一產業就業人數和單位耕地機械投入量與農業效率呈負相關，應合理配置資源投入規模，合理規劃產業結構，避免過多擠占農業生產空間，造成農業生產效率的進一步下降。

[1]李丹,李強.中國農業生產效率分析:1995～2005[J].生產力研究,2009(1):39-42.

[2]潘丹,應瑞瑤.中國農業全要素生產率增長的時空變異:基于文獻的再研究[J].經濟地理,2012,32(7):113-117,128.

[3]王軍,楊秀云.改革開放以來中國農業全要素生產率的動態演進及收斂性分析[J].統計與信息論壇,2019,34(11):59-66.

[4]郭曉佳,周榮,李京忠,等.黃河流域農業資源環境效率時空演化特征及影響因素[J].生態與農村環境學報,2021,37(3):332-340.

[5]佟金萍,馬劍鋒,王圣,等.長江流域農業用水效率研究:基于超效率DEA和Tobit模型[J].長江流域資源與環境,2015,24(4):603-608.

[6]全炯振.中國農業全要素生產率增長的實證分析:1978～2007年——基于隨機前沿分析(SFA)方法[J].中國農村經濟,2009(9):36-47.

[7]宋馬林,楊杰,楊力.中國農業效率TFP分解及其影響因素分析——基于區域差異的視角[J].農業系統科學與綜合研究,2010,26(3):325-329.

[8]賀志亮,劉成玉.我國農業生產效率及效率影響因素研究——基于三階段DEA模型的實證分析[J].農村經濟,2015(6):48-51.

[9]CHARNES A,COOPER W W,RHODES E.Measuring the efficiency of decision making units[J].European Journal of Operational Research,1979,2(6):429-444.

[10]CAVES R E.Multinational enterprise and economic analysis[M].Cambridge:Cambridge University Press,1982.

10.3969/j.issn.2095-1205.2022.04.42

F323.5

A

2095-1205(2022)04-126-04