我國數字農業全要素生產率測度及區域差異分析

董曉芳,宋彩鳳*,樊祥嘉

(河北經貿大學數學與統計學學院 河北,石家莊 050061)

1 引言

數字農業相較于傳統農業是將信息作為農業的生產要素,利用現代信息技術對傳統農業對象、環境等進行可視化表達、數字化設計、信息化管理的現代農業。2022年,中央一號文件《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》充分體現了黨中央、國務院重農、強農的堅定決心。促進農業的高質量、高水平發展,以發展數字化為著力點,提高農業的綜合效益及競爭力水平,發展數字農業目的是使信息技術與農業各個環節實現有效融合,對改造傳統農業、轉變農業生產方式具有重要意義[1]。

數字農業一方面是數字經濟的重要組成部分,另一方面是實現農業農村現代化鄉村振興戰略總目標的重要途徑。隗瑋[2]提出數字農業將是21世紀農業的重要標志,也是我國實現現代化農業的必然選擇,把數字農業在農業中的應用分為了三部分:農業要素、農業過程、農業管理,在這三個環節中應用數字化現代信息技術實現我國農業的可持續發展。李青芮[3]指出在鄉村振興的大背景下,數字農業作為推動農業生產創新的重要抓手,可以幫助傳統農業走向信息化、標準化發展的新階段,同時指出當前數字農業在我國的突出問題是技術服務落后、普及應用程度不高,這也是我國數字農業的發展現狀,指出改變數字農業發展現狀的突破口。張耀一[4]指出數字農業的發展及應用不只是在傳統農業上的轉變,而是致力于打造新農業、培養新農人、建設新鄉村,數字農業在我國面臨著自主技術薄弱、體系發展滯后、機制缺乏、要素投入不足等問題。數字農業的發展符合時代發展趨勢、順應農業發展規律,是農業發展過程中的必然選擇。

近幾年,一些國內學者對數字農業的發展水平進行了統計研究。張鴻和王浩然[5]運用AHP-熵權法、綜合評價模型測算并評價了我國31個省份2015—2019年數字農業的發展情況。研究表明:我國的數字農業水平穩步上升,但各省份之間的數字農業發展水平仍存在明顯差異,其具體分布格局表現為由高到低明顯的“東—中—西”的階梯型分布格局,其中尤以西部的發展水平與全國發展水平存在一定的差距。張彥軍和李道亮[6]運用熵值法和模糊綜合評價法測算了 2019 年全國農業農村數字化發展水平。研究表明:現階段我國農業生產數字化率仍然較低,信息技術應用普及不足,農業生產數字化發展總體處于起步期。張俊婕[7]運用熵權法測度了中國農村的現代化農業發展水平特征。研究表明:農業農村發展水平現狀呈現出極強的集聚程度,多數省份之間并沒有明顯的空間關聯性。慕娟和馬力平[8]運用熵值法測度了2014—2018年中國農業農村數字經濟發展指數。研究表明:我國31個省(市、區)農業農村數字經濟發展水平穩步提升;八大綜合經濟區之間數字農業的發展程度存在差異顯著,沿海地區和西北地區兩極化程度差別顯著。

現有文獻僅僅是對數字農業發展水平的評估,而對于數字農業發展效率問題的研究尚在起步階段。基于數字農業研究現狀本文利用動態DEA-Maimquist方法測算我國30個省份(直轄市、自治區)的數字農業全要素生產率及其分解效率,分析得出2014—2020年我國數字農業效率的變化規律,在此基礎上,采用泰爾指數方法,分析不同經濟區域的數字農業全要素生產率,分析出不同區域之間的差異,并為提高數字農業全要素生產率提出針對性意見。

2 研究方法

2.1 動態DEA-Malmquist指數方法

動態DEA-Malmquist指數是通過面板數據得出全要素生產率(Tfpch)變動規律的非參數前沿方法,將時間空間因素納入靜態DEA的決策與目標空間,它的這一特征更有利于對數字農業發展效率的分析,符合所收集數據的特征。

根據Fare等的理論分析,將全要素生產率定義為t時期與t+1時期的Malmquist指數的幾何平均,公式如下:

(1)

全要素生產率可以分解為技術效率(Effch)和技術進步率(Tech)的乘積的形式,技術效率又可以分解為純技術效率(Pech)和規模效率(Sech)的乘積的形式[10]。具體的計算公式如下所示:

Tfpch=Effch×Tceh=(Pech×Sech)×Tech

(2)

可以由全要素生產率的大小判斷出數字農業發展效率的變化情況。當全要素生產率的數值大于1時,說明從t時期到t+1時期的數字農業全要素生產率是增長的,反之則說明是下降的[11]。

2.2 泰爾指數方法

泰爾指數(TL)最初作為區域經濟差異指標,用于分析地區收入水平差異,也可用來分析各區域水平的差異情況。泰爾指數的可分解性質是既能測度總體差異又能把總體差異分解為地區間與地區間差異,這就為我們考察地區間及地區間公平度及二者對總體差異貢獻大小提供了一個條件。泰爾指數的計算公式、分解公式以及貢獻率計算公式如下:

(3)

(4)

(5)

(6)

其中,TFP表示每個省數字農業的全要素生產率,μ為n個省全要素生產率的平均值,m為分組數,TLj表示第j個區域泰爾指數,fj為第j個區域樣本數占總樣本數的比重,μj為第j個區域全要素生產率的平均值。

3 指標體系和數據來源

3.1 投入產出指標的構建

在投入指標方面的選取上,包含數字農業發展情況、數字農業信息基礎、數字農業人才資源、數字農業技術支持、數字農業綠色發展五個方面作為一級指標,在產出指標的選取上包含信息技術服務產出、農林牧漁業總產值、電子商務銷售額。 綜上所述,本文構建的數字農業發展效率指標評價體系見表1。

表1 我國數字農業指標評價體系

3.2 數據來源與處理

本文以我國30個省市自治區為研究對象(因西藏自治區缺失部分數據,在此不分析),選取2014—2020年的面板數據對我國數字農業發展效率進行研究。指標數據均由《中國統計年鑒》《中國農業統計年鑒》、國家統計局等官方網站獲取。本文在收集數據的過程中,在個別指標上部分省市存在年份數據丟失的情況,對于丟失的數據本文采用插值法處理缺失值。對我國四大區域的劃分參照了《中國科技統計年鑒》,四大區域分別為東部地區、中部地區、西部地區以及東北部地區。

4 實證分析

4.1 我國數字農業全要素生產率的測算和結果分析

4.1.1 我國數字農業全要素生產率的時間演變分析

本次研究選取30個省份(自治區、直轄市)作為動態分析的評價單元,動態DEA-Malmquist指數方法是以投入為導向,使用DEAP軟件對30個省份的2014—2020年數字農業的全要素生產率進行測度與分析。2014—2020年的全要素生產率及其分解效率詳見表2。

表2 2014—2020年我國數字農業全要素生產率及其分解效率

整體來看2014—2020年我國30個省份(直轄市、自治區)的數字農業全要素生產率呈現出下降趨勢,以每年4%的速度下降,表明我國對數字農業的投入資源利用不充分。從分解效率的角度來看,產生這一結果的原因是技術效率和技術進步率共同退步所致。2014—2020年我國數字農業的技術進步率為0.981,每年平均下降1.9%,表明生產技術的“前沿面異動效應”不顯著,表明我國在數字農業的技術創新方面仍有欠缺,需進一步提高。從技術效率的分解結果來看,是由于純技術效率和規模效率的共同消極作用導致,在這兩者中純技術效率所起的消極作用更為明顯,這表明我國在數字農業的建設上在注重產出規模的同時,應將重心向提升數字農業有關技術和管理方面的提升。

4.1.2 我國數字農業全要素生產率的區域分析

為了進一步探究數字農業發展效率在地域上的差異,可以將30個省份分為東部、中部、西部、東北地區,圖1給出了我國四大區域的數字農業全要素生產率及其分解效率的均值的折線圖。東部地區的數字農業全要素生產率最高,中部次之,西部地區略高于東北部地區,東北部地區的數字農業全要素生產率局于四大區域之末,符合“東-中-西”的空間分布格局。

從技術效率來看,東部、中部、西部、東北地區的技術效率均小于1,四個區域的技術效率分別為0.981、0.988、0.974、0.974,這一現象表明對于東部、中部地區數字農業全要素生產率的增長主要依靠技術的改進,西部、東北地區提高全要素生產率需要注重技術效率和技術進步率共同提高,其中西部和東北地區的技術進步率相對極低,需要尤為重視,反映出這兩個地區的技術創新能力不足或未得到充分利用。

圖1 我國四大區域數字農業全要素生產率及其分解效率的均值

4.2 數字農業全要素生產率的區域差異性分析

4.2.1 總體泰爾指數的測算及結果分析

整體來看,我國數字農業全要素生產率的總體泰爾指數在研究期內呈現出區域間差異性逐漸縮小的過程,中間出現了一年的反彈。總體泰爾指數和分解指數詳見表3。

表3 全要素生產率的總體泰爾指數及其分解指數

在2015年時,兩者的貢獻率相差不多,但在2016年時,區域外貢獻率是區域內貢獻率的三倍,在2019年時又回到相差不多的狀態。可見,我國四大區域的數字農業資源配置趨向均衡的進程十分緩慢,區域內部各省市也在向著共同發展的方向去努力。總的來說,數字農業的發展需要區域內和區域外協同發展、共同進步來達成。

4.2.2 四大區域泰爾指數的測算及結果分析

表4給出了2014—2020年間我國四大區域數字農業全要素生產率的具體泰爾指數,總體來說,四個區域在2020年泰爾指數都下降到自己區域的最小值,可見數字農業差異化水平都在不同程度的下降。

從四大區域的泰爾指數的貢獻率來看,其中東部地區和西部地區的泰爾指數的貢獻率變動較大,中部和東北部地區的泰爾指數的貢獻率變動較小,其中西部地區的泰爾指數貢獻率超過其他三個地區,東部和西部的泰爾指數貢獻率在多個年份都高于中部和東北部地區。結果說明,東部和西部地區內部差異大是造成數字農業全要素生產率分布不均衡的主要原因。

表4 我國四大區域數字農業全要素生產率的泰爾指數

5 結論與建議

從上述中得出以下結論:(1)從研究期內總體變化趨勢來看,2014—2020年我國數字農業全要素生產率整體上呈現出下降的趨勢,是由于技術效率和技術進步率的共同抑制。這表明我國數字農業整體發展速度緩慢,投入資源沒有得到充分利用。(2)分省市來看,數字農業全要素生產率大于1,數字農業發展效率呈現出增長趨勢的省市主要為經濟水平較為先進的一線省市,相對比數字農業全要素生產率較低的省市主要為經濟較為落后的省市,這表明經濟水平在一定程度上會對數字農業發展效率產生影響。(3)分區域來看,東部地區的數字農業全要素生產率最高,中部地區的數字農業全要素生產率次之,西部地區的數字農業全要素生產率略高于東北部地區。這也與傳統農業的發展情況相一致,傳統農業可以在一定程度上反映出各地域的農業發展水平與自然地理環境因素的影響。(4)從總體泰爾指數及其分解來看,我國數字農業全要素生產率在2014—2020年間總體泰爾指數呈現出鋸齒狀變動的態勢,總體變化趨勢上呈現出下降趨勢。區域內和區域間的泰爾指數在整體上均呈現出下降的態勢,兩者相比之下,區域內泰爾指數的變動更加明顯,由此可見區域間差異大是造成數字農業資源配置不均衡的主要原因。(5)根據四大區域泰爾指數結果可知,其中以西部地區區域內差異較為顯著,在地區發展不均衡中所占權重最大,其余三個地區區域內差異較小,所占權重也相對較小。

為了提升我國數字農業全要素生產率以及縮小區域間數字農業全要素生產率發展水平的差距,提出以下幾條建議:(1)走數字農業特色路線。地方政府在推進數字農業發展政策的同時,應首先考慮所在地區的具體情況、因地制宜。針對像東部、中部這些數字農業全要素生產率高的地域,在穩步推進技術創新的同時,應該把更多的注意力轉移到投入資源的合理配置上,推進全域的協同發展。針對西部、東北地區這些數字農業全要素生產率低的地域,在技術創新上的阻礙更大,應結合自己所處的地域優勢,探索出適合自身發展的技術道路。(2)走“攙扶”路線。我國發展數字農業的最終目標是要實現全國范圍內的農業數字化[12],目前我國數字農業各省市之間發展水平不一,現急需加強各省市之間的交流合作,推動強省對弱省的扶持。針對數字農業全要素生產率高的省市,鼓勵積極分享經驗、資源、方法去幫扶數字農業全要素生產率相對較低的省市,也可實現各省市之間的優勢互補。(3)平衡投入要素。研究發現區域內、區域間發展水平存在一定的差異,為了實現全國數字農業快速發展的目標,要促進區域內、區域間的協同發展,加強東部、中部、西部、東北地區之間的聯動,促進生產要素跨區域協同流動,使資源得到最大利用,尤其要注意對西部地區的資源傾斜。