基于DEA-Malmquist模型的安徽省農業用水效率研究

李寶春

(安徽省(水利部淮河水利委員會)水利科學研究院,安徽合肥 230088)

近年來,隨著城鎮化進程的加快和工業化程度的快速提高,水資源需求不斷增長,擠占農業用水已成為目前解決城市用水和工業用水短缺的一個重要途徑,而且我國農業用水效率較低,導致農業用水的需求也不斷增加,因此,我國農業用水正面臨著嚴峻的局勢[1]。資料顯示,2021年安徽省水資源總量為883.3億m3,在全國各省水資源總量中排名第12位,且較2020年水資源總量的1 280.4億m3而言,已有較大幅度降低[2]。此外,安徽省是農業大省,農作物種植面積常年超過866.7萬hm2,其中糧食作物面積超過75%,面積居全國第4位,總產量居全國第6～8位,是全國糧食主產省[3]。水資源是安徽省農業生產中重要的投入元素,也是農業發展的生命線。因此,加強水資源管理,有效提升農業用水效率是緩解當前用水矛盾的重要途徑,也是促進安徽省農業用水高質量發展的必由之路,對安徽省農業發展具有重要意義。

目前,農業用水問題已成為國內學者關注的熱點,大量學者對農業用水效率進行了研究。尚杰等[4]采用SBM模型測算了我國糧食主產區的農業用水效率,并利用泰爾指數法分析了不同區域間農業用水效率的差異,結果表明我國糧食主產區的農業用水效率呈波動上升趨勢。趙麗平等[5]采用數據包絡分析模型對2003—2016年湖北省16個市(州)農業用水效率進行了測算,并得出2003—2016年湖北省農業用水效率總體水平較低,但呈現出波動上升的趨勢的結論。佟金萍等[6]采用超效率DEA法研究了1998—2011年長江流域的農業用水效率,發現農業用水效率呈現出波段式上升趨勢,且不用流域段的農業用水效率具有明顯差異。近年來,盡管有大量學者對農業用水效率測算等方面進行了研究,也取得了一定進展和成就,但是現有的研究大多未考慮投入和產出的松弛變量,無法準確反映出各要素的實際情況,且既有研究多集中在全國或區域較大的層面,而從省際層面研究農業用水效率的研究較少?；诖?該研究先采用DEA模型測算2010—2020年安徽省各地市的農業用水效率,再采用Malmquist指數法分析安徽省農業用水效率的變化規律與特點,以期為提升安徽省農業用水效率、促進安徽省農業水資源集約利用提供參考和依據。

1 研究方法

1.1 DEA模型數據包絡分析法(DEA)是一個管理學、運籌學、數學和數理經濟學相互交叉的研究領域,其核心思想是在保持決策單元(DMU)的輸入或輸出不變的前提下,應用統計方法來確定最小投入或最大產出的邊界,即相對有效的生產前沿面,再通過比較各決策單元偏離生產前沿面的程度來綜合評價被評價決策單元的相對有效性[7]。DEA分析法包括多種模型,主要有規模報酬不變模型(CRS)、規模報酬可變模型(VRS),其中,CRS模型適用于宏觀層面研究,VRS模型則更適用于微觀層面研究。由于農業生產對自然條件的依賴性較強,且農業生產所需的自然資源難以在短時間內大規模同比例增加或降低。因此,筆者采用CRS模型來測算2010—2020年安徽省農業用水效率。將安徽省16地市作為決策單元DUM,各決策單元有m個投入和n個產出,投入變量和產出變量分別用x、y表示,則CRS模型表達式為:

(1)

式中:λj表示第m項投入與第n項產出的加權系數;θ表示技術效率值,取值范圍0≤θ≤1,當θ值為1時,則技術效率值為最大,表示決策單元位于生產前沿,即技術有效狀態。

1.2 Malmquist指數模型Malmquist指數模型是由DEA模型發展而來,與傳統DEA模型相比較,Malmquist指數模型可以動態分析面板數據,以便對決策單元在研究期間的變化趨勢進行觀測,被廣泛應用于測算全要素生產率的指數分解[8]。Malmquist指數模型可以分解為技術效率指數和技術進步指數的乘積,分別表示技術效率提升和技術進步在研究期間對農業用水效率的影響。在規模報酬可變的條件下,技術效率指數還可以分解為純技術效率和規模效率的乘積,可以進一步分析決策單元技術進步的影響因素。

1.3 數據來源與指標選取該研究以安徽省16地市為研究區域,建立2010—2020年安徽省16地市的面板數據。研究數據主要來自2010—2020年《安徽統計年鑒》《安徽省水資源公報》。在安徽省農業用水效率測算模型中,綜合考慮各項內在因素和外在因素,并堅持科學性、代表性和可得性的原則,最終選取農作物播種面積、農業總用水量、農業機械總動力、化肥施用量、農藥使用量、農業就業人數作為投入指標,以農業總產值作為產出指標,見表1。

表1 安徽省農業用水效率測算指標選取

2 實證分析

2.1 安徽省農業用水效率測度與分析該研究以5年為間隔,分別對2010、2015、2020年安徽省16地市的截面數據進行分析,結果見表2。

表2 2010—2020年安徽省16地市農業用水效率及其構成

2.1.1綜合效率。由表2可以看出,2010、2015和2020年安徽省農業用水效率平均值分別為0.819、0.817、0.774,均未達到有效狀態,且呈緩慢降低的趨勢。2010和2015年,宿州市、銅陵市和黃山市的農業用水效率處于最優生產前沿面,即這3個地市的農業用水處于最優配置狀態,水資源利用效率達到最大化;2020年,淮北市、宿州市、阜陽市、黃山市4個地市的農業用水效率處于最優生產前沿面?？傮w上看,2010—2020年安徽省16地市中僅宿州市、黃山市達到純技術效率和規模效率同時有效,農業生產投入產出達到最優狀態;其他地市均未達到最優,水資源利用仍具有較大的提升空間。其中,2010年綜合效率最低的為淮南市(0.588);2015年綜合效率最低的為滁州市(0.611),2020年綜合效率最低的為淮南市(0.478),與全省平均值均具有較大差距。在研究期內僅淮北市的綜合效率呈現出逐漸上升的趨勢,由2010年的0.883上升到2015年的0.922,再到2020年的1.000;合肥市和滁州市的綜合效率呈現出不斷下降的趨勢;亳州市、蚌埠市、阜陽市和安慶市的綜合效率呈現出先降低后上升的波動趨勢;淮南市、六安市、馬鞍山市、蕪湖市、宣城市、池州市的綜合效率則均表現出先上升后降低的波動趨勢。

2.1.2純技術效率。由表2可以看出,安徽省純技術效率平均值由2010年的0.900降至2015年的0.899,再降至2020年的0.878,呈逐漸降低的趨勢。2010年,合肥市、宿州市、蚌埠市、阜陽市、銅陵市、安慶市、黃山市7個地市的純技術效率達到有效;2015年上升為9個地市,即合肥市、淮北市、宿州市、蚌埠市、阜陽市、蕪湖市、銅陵市、安慶市、黃山市;2020年又降為7個地市,合肥市、淮北市、宿州市、蚌埠市、阜陽市、宣城市、黃山市,這些地市的農業生產技術均達到有效。其中,2010年純技術效率最低的為淮南市(0.587),2015年純技術效率最低的為亳州市(0.605),2020年純技術效率最低的為淮南市(0.496),與全省平均值均具有較大差距。在研究期內,合肥市、宿州市、蚌埠市、阜陽市、黃山市5個地市的技術水平較高;淮北市、蕪湖市、宣城市、池州市純技術效率值較為穩定,且整體呈上升趨勢;亳州市、淮南市、滁州市、六安市、馬鞍山市、銅陵市、安慶市的純技術效率值則反復波動,且整體呈降低趨勢。

2.1.3規模效率。由表2可以看出,安徽省規模效率平均值由2010年的0.902降至2015年的0.900,再降至2020年的0.888,呈逐漸降低的趨勢。2010、2015年,宿州市、銅陵市、黃山市3個地市的規模效率均達到有效;2020年,淮北市、宿州市、阜陽市、黃山市4個地市的規模效率均達到有效。2010、2015年規模效率值最低的均為安慶市(分別為0.758、0.694),2020年規模效率值最低的為合肥市(0.655)。在研究期內,淮北市、亳州市、阜陽市的規模效率值較高,整體呈上升趨勢;合肥市、淮南市、滁州市、池州市的規模效率值呈逐年降低趨勢;蚌埠市、安慶市的規模效率值反復波動,但整體呈上升趨勢;六安市、馬鞍山市、蕪湖市、宣城市、銅陵市的規模效率值反復波動,且整體呈降低趨勢。

2.2 基于Malmquist指數模型的安徽省農業用水動態效率測度為了進一步分析研究期內安徽省各地市農業用水效率和技術水平的動態變化趨勢,運用DEAP2.1軟件中Malmquist指數模型對2010—2020年安徽省16地市的農業用水效率進一步進行分解和分析,結果見表3、4。

表3 2010—2020年安徽省農業用水全要素生產效率及其分解

2.2.12010—2020年安徽省農業用水效率的時間差異分析。由表3可知,2010—2020年安徽省農業用水全要素生產效率整體上呈現出上升的趨勢。研究期間僅2013—2014年的全要素生產效率小于1.000,表明在2013—2014年安徽省農業用水效率呈衰退趨勢;其他時間段的全要素生產效率均大于1.000,表明這些時間段內呈上升趨勢。其中,2018—2019年的全要素生產效率上升幅度較大,增幅達12.4%;2019—2020年的全要素生產效率上升幅度最大,增幅為16.6%。研究期內技術效率值略有波動,5個時間段上升,5個時間段降低,平均值降低了0.5%,安徽省農業用水技術效率水平整體上穩中有降,變化幅度不大。技術進步值僅2013—2014年有所降低,其他時間段均為上升狀態,平均值上升了6.4%。純技術效率值呈現小范圍不斷波動變化的狀態,平均值降低了0.2%。規模效率值在研究期內呈小范圍波動變化,平均值降低了0.3%。整體來看,安徽省農業用水全要素生產效率提高的主要因素是技術進步,純技術效率和規模效率則均在一定程度上制約了全要素生產效率的提高。

2.2.22010—2020年安徽省農業用水效率的空間差異分析。由表4可知,2010—2020年安徽省16地市除銅陵市的農業用水全要素生產效率降低8.7%外,其他地市的農業用水全要素生產效率均有不同程度上升,且上升幅度均超過2%,其中宣城市和池州市的上升幅度較大,分別上升8.4%和6.8%。研究期內淮北市、宿州市、蚌埠市、阜陽市、黃山市5個地市的技術效率、技術進步效率、純技術效率和規模效率值均≥1.000,表明以上5個地市的全要素生產效率是由上述4個指數共同發揮促進作用,農業生產投入較為科學合理,且技術進步對全要素生產效率發揮的作用最大,有效促進了農業用水效率的提高。安徽省16地市的技術進步效率平均值為1.047,僅銅陵市降低5.4%,其他地市均增長2%以上,因此安徽省農業用水效率的提高主要是由技術進步貢獻的。此外,技術效率方面,合肥市、亳州市、淮南市、滁州市、六安市、馬鞍山市、蕪湖市和銅陵市均<1.000,進一步分析可知,以上8個地市的技術進步效率值僅銅陵市<1.000,其他均>1.000,而以上8個地市的純技術效率值僅合肥市、蕪湖市為1.000外,其他均<1.000,表明技術效率低下主要是由純技術效率低下導致的,這些地市的農業水資源管理水平較低,提高農業生產技術水平是提升農業用水全要素生產效率的有效途徑。整體來看,技術進步是影響安徽省農業用水效率的主要因素。

表4 安徽省分地市農業用水全要素生產效率及其分解

3 結論與建議

3.1 結論2010、2015和2020年安徽省農業用水綜合效率均<1.000,均未達到有效,整體呈現出緩慢降低的趨勢,且規模效率值均大于純技術效率值,表明安徽省具有較高的規模經濟水平和要素投入水平,技術方面是其短板,目前要將推廣先進的灌溉設備與技術、提高要素使用效率作為重點,對于純技術效率值較高、而規模效率值較低的地市要適當控制當地的農業生產規模。從時間上看,2010—2020年安徽省農業用水全要素生產效率總體有所增加,且增速波動較大,平均增幅為5.8%。從空間上看,安徽省農業用水全要素生產效率表現出南北兩端高、中部較低的分布規律,且分化較為突出,這些地市需加強農業基礎設施建設,升級農業灌溉技術,以盡快縮短彼此的差距。

3.2 建議首先,安徽省各地市要適當調整農業生產規模和要素投入規模,農業發達的地市應適當控制農業生產規模,農業欠發達地市應適當擴大生產面積,有效提高資源利用效率[9]。其次,大力推廣農業節水技術,完善安徽省農業水利灌溉基礎設施建設,加強水利工程引水灌溉、防旱排澇的功能;利用高科技手段大力發展現代農業,提升科技在提高農業用水效率中的關鍵作用[10];地方政府部門要發揮主導作用,加大對科研機構的資金支持,積極開展農業技術交流與合作。