湖南省農業生產效率時空變化及影響因素研究
——以洞庭湖區為例

歐陽昶，王安平

（湖南省農林工業勘察設計研究總院，長沙 410007）

《中共中央國務院關于做好2022 年全面推進鄉村振興重點工作的意見》要求全力抓好糧食生產和重要農產品供給，確保糧食播種面積穩定、產量保持在6 500 億kg 以上。湖南省是中國最主要的商品糧生產基地，而洞庭湖區又是湖南省糧倉。近年來，洞庭湖區農村經濟結構不合理、農業集約化生產比例低、大量農田拋荒、水利設施老化等因素，導致洞庭湖區農業生產效率低下，限制了洞庭湖區農業經濟的持續發展。因此，對洞庭湖區的農業生產效率進行分析，找到農業生產的影響因素，提出改善措施，推動洞庭湖區農業經濟高效、可持續發展，是實現湖南省鄉村振興的重要推手。

本研究選擇湖南省洞庭湖區24 個縣（市、區）（岳陽市的岳陽縣、華容縣、湘陰縣、平江縣、岳陽樓區、君山區、云溪區、臨湘市、汨羅市，常德市的安鄉縣、漢壽縣、澧縣、臨澧縣、桃源縣、石門縣、武陵區、鼎城區、津市市，益陽市的南縣、桃江縣、安化縣、沅江市、資陽區、赫山區）2005—2015 年的相關數據，構建農業生產效率測度指標體系，分析該區域農業生產效率的變化情況，通過普通DEA 分析和超效率DEA 分析方法，分析區域生產效率的變化情況，最后采用Tobit 模型分析影響農業生產效率的相關因素，以期為提高洞庭湖區的農業生產效率、加快湖南省鄉村振興提供政策建議。

1 研究方法和指標選取

1.1 普通DEA 模型

數據包絡分析（Data envelopment analysis，DEA）是由美國著名運籌學家Charnes 等［1］創建的，其本質是借助數學規劃模型對具有多個輸入、多個輸出的決策單元（Decision making unit，DMU）建立經濟數學模型，確定其生產可能集的生產前沿面，隨后在現階段DMU 投入產出量的基礎上，判斷DMU 是否位于該生產可能集的生產前沿面上，從而評價其有效性。

本研究中農業生產是由一個多投入、多產出的生產系統構成，因此首先選取了普通DEA模型對農業生產數據進行分析。設有n個決策單元（j=1，2，…，n），每個決策單元有相同的m項投入（i=1，2，…，m）和相同的s項產出（r=1，2，…，s）。xij表示第j個決策單元的第i項投入量，yrj表示第j個決策單元的第r項產出量。xi和yj分別表示第j個決策單元的投入和產出量。θ為產出效率，θ大于1，則說明其對應的評價單元為有效單元，反之則為無效單元。在給定投入的情況下，θ越大則產出越高。

式中，x0和y0分別為選定決策單元的投入與產出量；λ為相對選定的決策單元重新構造一個有效的決策單元組合中n個決策單元的組合比例；θ為選定決策單元投入相對產出的有效利用程度，即效率值。

1.2 超效率DEA 模型

雖然數據包絡分析（DEA）作為效率評價的一種重要方法，但直接利用傳統DEA 模型中的效率值進行排序還存在諸多缺陷，如傳統效率值只能分辨出決策單元是DEA 有效還是非有效，即將群體一分為二，不具備對決策單元（尤其是有效單元）進行分級、排序的能力。超效率DEA 模型對以上存在的問題進行了完善和改進，在對決策單元進行評價時，先將被評價的決策單元排除在決策單元的集合之外，其表達式如下。

式中，θ為決策單元的效率值，Xi，j為第j個決策單元的第i種投入值，Yj為第j個決策單元的產出值，si-和si+分別為第i種投入和第i種產出的松弛變量。

1.3 受限因變量模型

Tobit 模型也稱受限因變量模型，不同于一般的連續變量選擇模型和離散選擇模型的地方是被解釋變量滿足某種約束條件，其被解釋變量大致是連續的，但卻在某一點或多點上具有非零概率，普通的最小二乘法會導致估計結果有偏差，因此需要通過最大似然法進行估計。其表達式如下。

式中，Y為洞庭湖區農業生產效率，作為因變量；將影響農業生產效率的因素作為自變量，記為X1,X2,…,Xn，α為常數項，λ1，…，λn為回歸系數（均為未知參數），e為隨機誤差。

1.4 數據選取和來源

1.4.1 DEA 模型數據選取和來源 本研究對已發表的同類文獻中投入產出指標進行梳理［2-5］，選取了7 個投入指標、4 個產出指標。農業從業人員是從事第一產業的基本勞動力，農作物播種面積、機耕面積和有效灌溉面積是生產農作物最基本的土地要素，農業機械總動力、化肥使用量和農村用電量是農產品生產過程中投入的資本要素，以上都是建立的投入指標。洞庭湖區的土地生產作物主要是糧食，其次以生產棉花和油料最典型，將生產的農作物在市場中轉化成產值也是生產過程的一項產出，由此建立的投入和產出指標要素如表1 所示。

表1 DEA 模型投入和產出指標要素

結合洞庭湖區實際情況以及行政區域的劃分，選取了洞庭湖區24 個縣（市、區）作為評價單元。并對各縣（市、區）的指標分別進行匯總統計，所引用數據來源于《湖南省農村統計年鑒》。

1.4.2 Tobit 回歸模型數據選取和來源 本研究參考張召華等［6］、李慧等［7］、郝愛民［8］的研究，結合湖南省洞庭湖區農業生產的實際情況，考慮到數據的可獲取性，選取普通小學在校人數、普通中學在校人數、總人口、城市化水平、工業總產值、人均GDP、農民平均每人純收入、消費品零售總額、受災面積、成災面積以及水土流失治理面積作為影響因素，具體見表2。

表2 洞庭湖區農業生產效率影響因素的變量說明

2 結果與分析

2.1 基于普通DEA 模型的動態變化分析

從時間尺度上分析2005—2015 年洞庭湖區農業生產效率的變化情況，在空間層面上將洞庭湖區細分到市直轄、縣級行政單位。為了簡單直觀地了解洞庭湖區24 個縣（市、區）農業生產效率的變化，計算得出洞庭湖區2005—2015 年各縣（市、區）的農業生產效率，并根據效率值判斷評價單元是否為有效單元，結果如表3 所示。

由表3 可知，綜合11 年的農業生產效率可以發現，出現了多個縣（市、區）排名并列為1 的情況，說明該方法計算出的結果辨別能力弱，排序意義不大，因此需要通過超效率DEA 模型進行改進，以提高結果的辨別能力。

表3 2005—2015 年洞庭湖區各縣（市、區）基于普通DEA 模型的效率

2.2 基于超效率DEA 模型的動態變化分析

本研究利用2005—2015 年洞庭湖區的投入指標數據，基于超效率DEA 模型得到近11 年洞庭湖區各縣（市、區）的農業生產效率，并對其進行排名，結果如表4 所示。

由表4 可知，在2005—2015 年洞庭湖區24 個縣（市、區）的超效率DEA 排名中，岳陽樓區農業生產效率排名第一的次數最多，為7 次。云溪區的效率排名為最后出現的頻數最高，為6 次。說明11 年間岳陽樓區的農業生產效率最高，云溪區在洞庭湖區發展后勁不足，農業生產發展還有待加強。

由表4 可知，2005—2015 年，農業生產效率平均值大于1.100 的年份為2005、2009、2010 年和2014年，在1.000~1.100 的年份為2006、2007、2008、2011年和2012 年，小于1.000 的年份為2013 年和2015年，說明整個洞庭湖區農業生產效率緩慢下降。2013 年洞庭湖區24 個縣（市、區）的農業生產效率平均值為0.995，與2012 年相比略有下降，說明2013 年洞庭湖區的農業生產出現退化現象，2015 年洞庭湖區24 個縣（市、區）的農業生產效率平均值為0.730，說明2015 年洞庭湖區的農業發展水平明顯下降，農業生產效率發展水平較低。

表4 2005—2015 年洞庭湖區各縣（市、區）基于超效率DEA 模型的效率

2.3 Tobit回歸分析

本研究以2005—2015 年超效率DEA 模型得出的洞庭湖區農業生產效率作為因變量（Y），根據數據的可獲得性及有效性，選取間接影響農業生產效率的11 個指標（外生變量）作為自變量。在Stata 軟件里進行Tobit 分析，模型分析結果如表5 所示（因2009、2011、2014 年數據缺失，故不列入表中）。

表5 2005—2015 年洞庭湖區農業生產效率影響因素的Tobit回歸結果

由表5 可知，總人口在2005 年與農業生產效率呈顯著正相關，2006—2008 年呈顯著負相關，其他年份無顯著影響。城市化水平在2006、2008、2010、2013、2015 年與農業生產效率呈顯著正相關，其他年份呈顯著負相關。工業總產值在2005、2010、2012、2013 年與農業生產效率呈顯著正相關，其他年份呈顯著負相關。人均GDP 在2008、2015 年與農業生產效率呈顯著正相關，其他年份呈顯著負相關。農民平均每人純收入在2005、2015 年與農業生產效率呈顯著正相關，其他年份呈顯著負相關。消費品零 售 總 額 在2005、2006、2007、2008、2010、2012、2013 年與農業生產效率呈顯著正相關，2015 年呈顯著負相關。普通小學在校人數在2006、2007、2008、2012、2013、2015 年與農業生產效率呈顯著正相關，其他年份呈顯著負相關。普通中學在校人數在2006 年與農業生產效率呈顯著正相關，其他年份呈顯著負相關。受災面積在2013 年與農業生產效率呈顯著正相關，其他年份呈顯著負相關。成災面積在2007、2008、2010、2015 年與農業生產效率呈顯著正相關，其他年份呈顯著負相關。水土流失治理面積在2008、2010、2013、2015 年與農業生產效率呈顯著正相關，其他年份呈顯著負相關。各因素在不同年份分別表現為正向或負向的顯著影響。

3 討論

為了驗證本研究分析的農業生產效率影響因素的合理性，選取已有文獻的相關結論進行比較分析。

1）人口因素。尹翠霞等［9］在對河北省趙縣梨產業化比較優勢的研究中得出趙縣梨生產效率與受教育年限、家庭務農人數呈顯著正相關，但是，邵泉成［10］認為農民工通過外出務工獲得的收益可以用來改善農業基礎設施、發展種植和養殖業，進而提高農業生產效率，即人口數和農業生產效率成反比。在本研究中，2005 年人口數與農業生產效率呈顯著正相關，2006—2008 年呈顯著負相關，可能是因為農業生產效率受到家庭務農人數與外出務工收益的雙重影響。

2）城市化因素。王剛毅等［11］認為隨著城市的不斷擴張，城市農業的前景更加廣闊，農業的發展水平會越來越高，即城市化水平和農業生產效率成正比；Cai 等［12］提出中國快速的城市化和人口增長也造成了有限的耕地損失以及對糧食安全的高度關注，城市化對農地的轉化和流失有直接影響，城市化也對農業系統產生間接影響，這些都將導致農業效率下降，都證實了本研究城市化水平對農業生產效率有顯著影響的結論。

3）農民文化素質。農村勞動力文化素質因素即普通小學在校人數和普通中學在校人數對洞庭湖區農業生產效率進行分析，得出農村勞動力的文化素質提高對中國農業技術效率的增長既有促進作用也有抑制作用。張召華等［6］基于DEA-Tobit 兩階段法研究陜西省農業生產效率評價以及影響因素，認為陜西省農業生產效率與農民文化水平以及農業生產中投入資金量呈正相關關系。張寧等［13］對中國農村勞動力素質對農業效率影響的實證分析也驗證了其促進作用，這與本研究的其中一個結論相似。

4）工業總產值。本研究表明，工業生產總值越大，農業生產效率可能越大也有可能越小。邢慧茹等［14］基于湖北省數據對農業生產效率與其影響因素相關關系實證分析得出工業生產總值與農業生產效率成反比；徐志文等［15］在對安徽省工業化、城鎮化和農業現代化協調發展研究時發現，農業工業化水平提高，農業精細化水平也會隨之提高，工業生產總值也會上升，工業生產總值和農業效率成正比。曾福生等［16］基于DEA-Tobit 兩步法分析中國省際農業基礎設施供給效率及影響因素時發現，1989—2010 年西部地區的教育水平與農業基礎設施供給效率呈顯著正相關，人均GDP、財政支農支出占GDP 比重、市場經濟改革與農業基礎設施供給效率呈負相關。鄧衛平［17］在對財政支農促進農業現代化的機理分析時發現，一方面，財政支農從投資的角度增加了農業的產出，促進了農民的增收，另一方面，財政支農通過發揮杠桿效應和乘數效應，促進了農業的產業升級和技術進步，以上文獻的結論證實了本研究的結論。

5）消費品零售總額。市場經濟改革水平越高，市場經濟就越發達，地區消費品零售總額就越多，農業設施供給效率越低，農業生產水平也隨之下降，則消費品零售總額與農業生產效率成反比。馮璐等［18］在研究云南省南部山區農業生產結構轉型的目標、生計條件、過程和影響評估時提出，農業生產結構轉型以市場導向為目標，市場經濟越發達，消費品零售總額越多，農業生產效率也就越大，這證實了消費品零售總額與農業效率成正比。諶貽慶等［19］對江西省農業生產效率評價及影響因素研究發現，農業生產技術進步變化指數和農民純收入對地區農業生產效率提高具有促進作用。Pfeiffer 等［20］認為農場外收入對農業產出和農場家庭勞動力的使用產生了負面影響，但對購買投入物需求有積極影響，農民獲得非農收入的家庭也有輕微的效益增長。

6）自然災害。本研究提出受災面積、成災面積和水土流失治理面積，即災難對農業效率既有正影響也有負影響。李丹［21］以1996—2009 年大豆兩大主產區的數據為基礎，從技術進步和技術效率2 個方面分析中國大豆主產區的技術水平，并建立DEA-Tobit 模型分析影響中國大豆主產區技術效率的因素，得出中國大豆的技術效率水平較低，而大豆種植面積占農作物種植面積的比重以及水災、旱災等自然災害對大豆技術效率具有重要的影響作用，且會對大豆的產出造成損失［22］。Tol 等［23］研究了20世紀60 年代以前的文獻，認為災害對GDP 產生積極影響的原因很容易解釋，因為災害破壞的是資本存量，而GDP 計量的是新創造價值部分，其強調儲蓄和投資在減災和恢復工作中的刺激作用，但實證分析都是在對一部分災害事件的一系列宏觀經濟變量的單變量分析基礎上進行的，因而結果可能不太準確。Skidmore 等［24］計算了1960—1990 年每個國家（用土地面積標準化）的自然災害發生頻率，并對過去30 年中自然災害發生頻率與平均經濟增長率、實物和人力資本積累及TFP（全要素生產率）的相關性進行經驗分析，發現自然災害對長期經濟增長有促進作用，特別是氣候災害頻繁發生的地區反而人力資本積累、TFP 和人均GDP 的增長速度更快。經濟發展越快，農業生產也會隨之提高，以上文獻證實了災難和農業生產效率成正比這一結論。

4 小結

本研究利用2 種DEA 模型分析了洞庭湖區24個縣（市、區）的農業生產效率變化趨勢，通過普通DEA 分析發現，2005—2015 年各縣（市、區）農業生產效率處于波動變化之中，通過超效率DEA 模型分析發現2005—2015 年洞庭湖區農業生產效率整體呈下降趨勢。說明洞庭湖區在農業生產方面需要進一步投入，優化農業生產環境，提升農業生產資源，保障農業生產的可持續發展。

通過超效率DEA 模型結果結合Tobit 回歸分析發現，本研究所引用的11 個影響因素均對農業生產效率有顯著影響，且各影響因素在不同年份分別表現為正向或負向顯著相關，說明農業生產是一個復雜的體系，受到社會各方面發展的影響，洞庭湖區各縣（市、區）應從各影響因素入手，制定全面的政策，在勞動力、物質、技術和農業生產效益等方面保障農業生產。