基于Malmquist指数的我国区域农业生产效率动态评价及其应对策略

刘凤梅

摘要：运用数据包络分析（DEA）方法和Malmquist指数对我国31个省（市、区）2004—2013年农业生产效率进行评价，结果表明，我国农业生产效率均值为0.954，说明我国大部分地区农业生产要素投入比较合理，尤其在农业资源要素的使用上；从农业生产效率分解的纯技术效率和规模效率结果来看，19个DEA有效的省（市、区）纯技术效率和规模效率均为最优，表明这些地区的农业生产投入各要素得到了较好的配置。在研究期内，我国农业生产效率呈上升状态，增长了 10.5%，其主要贡献源于技术进步效率的迅猛提升；技术效率增长缓慢，制约了我国农业生产效率的快速提升速度。基于农业生产效率及Malmquist指数分类测算结果可知，我国31个省（市、区）可分为强有效增长型、高有效增长型、弱有效增长型、低有效增长型4种类型，针对不同类型地区的农业生产特点，提出不同的优化策略。

关键词：农业生产效率；DEA方法；Malmquist指数；农业生产效率；技术效率；应对策略

中图分类号： F327 文献标志码： A

文章编号：1002-1302（2016）11-0505-04

农业是国民经济的基础部门，其生产效率关系到国家的战略稳定，2014年我国国内生产总值为636 463亿元，农业产业增加值为58 332亿元，占比9.16%，可见农业的快速发展是我国经济发展的基本保障，影响着我国社会主义新农村和现代农业的发展，更直接影响到农民的收入等多项切身利益。随着工业化和城镇化的不断推进，我国农业正在由传统农业向规模化、现代化农业过渡，进而促进农民收入的多元增收，由于我国农业属于弱势产业，在经济发展过程中农业资源投入等都受到限制，尤其是农业科技人才的缺少等因素，导致我国农业的发展依然以小农户的发展为主要方式。依托生产资料的大量投入，从而促进农业生产效率不断提高，因此，对我国各省（市、区）农业生产效率进行研究，对我国各省（市、区）农业生产效率进行合理评价，探讨我国农业生产资源配置存在的问题，寻求各地区农业生产效率提高的现实途径是当前农业经济领域研究值得关注的问题，对于认识我国及各省（市、区）农业生产有着重要的现实意义。根据前期学者的研究，农业生产效率动态评价有很多评价方法，如DEA[1]、系统聚类方法、运筹方法等。学术界对于使用DEA模型及Malmquist指数对农业生产效率评价比较普遍，陈卫平通过DEA和Malmquist指数对我国1990—2003年的农业生产数据进行测算我国农业生产效率，提出我国大部分省（市、区）呈现出农业技术进步与农业效率损失共存的情况[2]。汪旭晖等采用DEA模型评价了我国31个省（市、区）的农业生产效率，认为我国各省（市、区）农业生产效率不高并非是投入不足，应从建立科技农业发展、发展农业新型组织、调整农业人力资源配置等方面提高区域农业生产效率[3]。曾先峰等通过对我国28个省（市、区）1980—2005年的数据，运用DEA方法测算我国各省（市、区）共25年的农业生产率，结果表明，在这25年期间我国农业生产率在平均年增速2.2%，技术进步效率年均增长4.2%，但相对技术效率则以1.9%的速度退步[4]。本研究运用DEA-Malmquist模型作为评价方法，以2004—2013年数据为主对我国31个省（市、区）（不含香港特别行政区、澳门特别行政区、台湾省）农业生产投入产出的有效性及动态效率进行评价。

1 理论与模型

1.1 数据包絡法

1978年，著名运筹学家Charnes等提出的数据包络分析法是在生产过程中的生产要素投入与产出各要素不变的前提下，找出各决策单元（DMU）与数据包络分析（DEA）最优前沿面板的偏离程度，用于评价在生产过程中投入产出比的效率情况，其公式如下：

2 评价指标与数据选取

在建立基于农业生产效率的DEA-Malmquist指数模型中，首先须要选取可行的投入指标以及产出指标。考虑到反映我国农业投资效率数据的可得性、完整性以及连续性，本研究投入指标主要考虑耕地面积、农业从业人数、固定资产投入、农业生产投入、农资投入5个方面，因此选取的投入指标有：以耕地面积作为土地投入（×103 hm2）；以农业就业人员数作为劳动力投入（万人）；以农业机械总动力（万kW）作为农业固定资产投入；以农村用电量（亿kW·h）和农用柴油使用量（万t）作为农业生产投入；以化肥使用量（万t）、农用塑料薄膜使用量（t）、农药使用量（t）作为农资投入。使用数据来自2005—2014年《中国统计年鉴》《中国农村统计年鉴》。各地变量描述性统计见表1。

3 基于DEA的我国各省（市、区）农业生产效率评价

3.1 我国各省（市、区）DEA效益评价

根据统计的指标数据，通过DEAP2.1得到2004—2013年我国及各省（市、区）的农业生产效率与分解结果（表2）。由表2可知，2004—2013年我国农业生产效率为0.954，对农业生产效率进行进一步分解，可以得到纯技术效率为0.969、规模效率为0.984，我国31个省（市、区）中，有19个地区属于DEA有效，占比61.3%，说明这些地区农业生产过程中生产性资源的投入和产出都达到最佳配比，这些地区的技术效率和规模效率为同时有效；12个地区为DEA非有效，占比38.7%，其中甘肃省的农业生产效率最低，仅为0.61，其次是山西省。从我国各省（市、区）农业生产效率来看，部分地区纯技术效率较低，从而拉低了全国农业生产效率，农业生产效率低主要是由纯技术效率和规模效率共同引起的，部分地区农业生产投入未能有效地促进产出。

3.2 我国各省（市、区）技术效率分解评价

从农业生产效率分解的纯技术效率和规模效率结果来看，19个DEA有效的省（市、区）纯技术效率和规模效率均为最优，表明这些地区的农业生产投入个要素得到了较好的配置，即其农业投入和产出相对于其他地区来说属于DEA有效，在农业生产资源的利用水平、农业技术应用水平、农业种植者教育水平等方面均实现与其生产需要和生产规模相适应的阶段。内蒙古、黑龙江、江苏、安徽、宁夏等省（区）造成DEA非有效主要是由规模效率非有效引起的，这些地区须要从加大人力资源配置、生产资料供给、扩大生产规模、加大投资力度和调整投资比例等方式实现该地区农业生产的规模效益。河北、山西、辽宁、江西、云南、甘肃、青海等省非DEA有效是由纯技术效率非有效和规模非有效共同引起的，这些地区农业生产的先天性条件较差，农业种植者生产技术较低、农业生产成本高、资源得不到优化配置。因此，这些地区须要加大农业技术的投入与推广程度，适当调整该地区的农业生产资源配置，以达到农业生产过程中的技术和规模均有效的理想状态。

表3为我国各省（区、市）农业生产效益规模阶段，是提高非DEA有效地区农业生产效率的重要参考依据，江西省和宁夏回族自治区的农业生产效率结合处于规模报酬递增阶段，增加农业生产资本、技术以及要素投入可以提升其农业生产效率水平；而河北、山西、内蒙古等10个省（区）处于规模报酬递减阶段，造成了规模不经济，须要合理调整各生产要素的投入。

4 基于Malmquist指数的生产效率动态分析

4.1 我国农业生产效率变化分析

运用DEAP2.1软件对2004—2013年我国31个省（市、区）的数据进行Malmquist指数分析，以2004年的数据为基数，得到我国分年的农业全要素生产效率指数的计算结果，结果见表4、图1。从我国农业全要素生产效率的总体水平来看，由表4可知，2004—2013年我国的农业全要素生产效率呈上升趋势，平均TFP指数为1.105，除了2007年、2011—2012年，其他均为正向增长。10年间我国农业生产效率上涨了14.9%。

将表4中2004—2013年我国农业全要素生产效率的效率变化、技术效率、tfp变化的变化趋势，利用数据点折线图表现出来（图1）。

由图1可知，2004—2013年我国农业全要素生产效率呈现波动上升之势；技术进步却呈现相反的变化趋势，尤其在2008[CM（23*2/3]年后逐年下降；其中，技术效率是农业全要素生产效率下降的根本原因。我国农业全要素生产效率在近年来呈现不同的特点，2004—2008年我国农业全要素生产效率在技术进步效率的拉动下上涨了2.8%，但由于技术效率下降的滞后作用小于技术进步效率，因而未造成我国生产效率的下降。纯技术效率和规模效率下降是导致技术效率下降的原因，从而影响到我国农业全要素生产效率的提高。2008—2009年我国农业全要素生产效率进入快速增长期，达到12.1%，受规模效率快速提升的影响，导致TFP效率进入快速发展期。2008—2013年我国农业全要素生产效率进入高效增长时期，增长速度不断加快，至2013年增长到14.9%。因此，近年来我国农业全要素生产效率的提升主要是技术进步效率增长的结果，贡献度达13.9%，而技术效率仅贡献了 0.7%。

4.2 我国各省（市、区）的农业生产效率分析

从我国各省（市、区）的具体情况来看，将各省（市、区）农业全要素生产效率分为4种增长类型，即强有效增长型（TFP>1.15）、高有效增长型（1.15≥TFP>1.1）、弱有效增长型（1.1≥TFP>1.05）、低有效增长型（1.05≥TFP>1），并对我国各省（市、区）4种类型进行分析（表5）。

4.2.1 以甘肃省为代表的强有效增长型 处于强有效增长型的区域，其TFP值大于1.150，表明2004—2013年这些地区的农业全要素生产效率在不断提升，提高幅度高于15%，甘肃省、山东省和陕西省均属于该类型，占总数的9.7%。从TFP分解来看，甘肃省的农业全要素生产效率的增长主要是由于技术效率的进步带动生产效率的提升，技术进步效率增长缓慢；而山东省和陕西省的农业生产效率的增长主要依靠技术进步效率的提升。

4.2.2 以湖南省为代表的高有效增长型 高有效增长型的TFP值介于1.100～1.150之间，湖南、浙江、四川、河北等12个省（市、区）处于这一范围。说明在研究期间，处于此增长类型的地区农业全要素生产效率提高幅度在10%～15%之间，占总数的38.7%。从TFP值分解来看，天津市和河南省的技术效率分别下降的了0.1%、0.6%，但是资源配置效率的提升弥补了技术效率的下降，所以整体是上升的；浙江省、湖南省、广东省、重庆市、四川省的农业全要素生产效率的提升单纯是由规模效率的提升所引起；河北省、山西省、黑龙江省、江苏省、宁夏回族自治区农业全要素生产效率的提升得益于技术效率和技术进步效率的共同促进，相比较而言，技术进步效率贡献度更大。

4.2.3 以青海省为代表的弱有效增长型 弱有效增长型的TFP值介于1.05～1.1之间，共有青海、贵州、北京、遼宁等11个省（市、区）处于该范围之内，占总数的35.5%。从TFP分解来看，主要是得益于技术进步效率的提升，其中安徽、江西、云南等省技术效率均有下降，北京、辽宁、上海、湖北、广西、贵州、新疆等省（市、区）技术效率保持不变，青海省的技术效率有所上升，技术进步效率的提升带动了该类地区的农业全要素生产效率，但由于技术进步效率上涨幅度有效，未能有效提升这些地区的农业全要素生产效率。

4.2.4 以福建省为代表的低有效增长型 低有效增长的TFP值是介于1.000～1.050之间，处于此区间的仅有福建省、吉林省、河南省、内蒙古自治区和西藏自治区5个地区，占总数的16.1%。2004—2013年西藏自治区、海南省、福建省的农业全要素生产效率的仅增长了3.8%，是技术进步效率的上升所带动的，但是增长幅度不大。内蒙古自治区和吉林省农业全要素生产效率较低，是由技术效率下降所引起的，虽然技术进步效率分别提升了5.5%和5.7%，但由于提升幅度不大，没有办法弥补技术效率的下降，技术效率的下降主要是由规模效率的下降引起的，说明如果要提高该地区的农业生产效率，须要在增加农业生产要素的投入。

5 结论

本研究采用DEA模型的Malquist指数方法对我国31个省（市、区）2004—2013年农业生产效率进行了动态分析，得到如下结论：第一，2004—2013年我国农业生产效率均值为0.954，包括19个DEA有效地区，12个非DEA有效地区。说明我国部分省（市、区）农业生产要素投入比较合理，尤其在农业资源要素的使用上，如土地资源、劳动力、农业机械总动力、化肥、农药等利用率较高。就我国而言，规模效率和纯技术效率的下降是导致农业生产效率流失的主要原因。因此，对生产效率较低的省（市、区）应着重提高农业生产资源配置效率，通过扩大农业生产规模和提升农业科技含量来提高农业生产效率。第二，在这10年期间，我国农业全要素生产效率呈提升状态，增长了10.5%，其主要贡献源自于技术进步效率的迅猛提升，达10.9%，技术效率贡献度有所下降，但降幅较小，仅为0.7%，并未对农业全要素生产效率的提升带来较大影响。通过对技术效率的进一步分解可知，技术效率上涨幅度较小主要是由纯技术效率与规模效率增长幅度过小引起的，为提高技术效率，须要从纯技术效率与生产规模效率2个方面同时改进，从而扭转我国农业全要素生产效率增长缓慢的局面。第三，根据我国31个省（市、区）农业生产效率及Malmquist指数分类测算结果可知，我国甘肃省、山东省、陕西省的农业全要素生产效率为强有效增长型；天津、河北、山西、黑龙江、江苏、浙江、河南、湖南、广东、重庆、四川、宁夏等省（市、区）为高有效增长型；北京、辽宁、上海、安徽、江西、湖北、广西、贵州、云南、青海、新疆等省（市、区）为弱有效增长型；内蒙古、吉林、福建、海南、西藏等省（区）为低有效增长型地区。因此，根据各地区农业生产的特点，对强有效增长型的地区而言，应加大对农业全要素生产效率弱、技术进步缓慢地区的技术推广以及经验分享力度；对低有效增长型的地区而言，应根据自身效率流失的原因合理改善资源配置以及资源投入等，提高区域农业全要素生产效率。

参考文献：

[1]魏权龄. 数据包络分析（DEA）[J]. 科学通报，2000（17）：1793-1806.

[2]陈卫平. 中国农业生产率增长、技术进步与效率变化：1990—2003年[J]. 中国农村观察，2006（1）：18-38.

[3]汪旭晖，刘 勇. 基于DEA模型的我国农业生产效率综合评价[J]. 河北经贸大学学报，2008（1）：53-59.

[4]曾先峰，李国平. 我国各地区的农业生产率与收敛：1980—2005[J]. 数量经济技术经济研究，2008（5）：81-91.