河南省农业生产效率及影响因素分析

张　娜

河南省农业生产效率及影响因素分析

张娜

（河南财经政法大学河南郑州450046）

文章基于河南省2010年—2020年18个地级市的面板数据，使用DEA-Malmquist-Tobit模型分析河南省农业生产效率和影响因素。结果显示，河南省农业生产效率整体处于较低水平，并逐年下降，其主要由技术效率和规模效率的连续下降造成；农业全要素生产率总体呈上升趋势，其主要由技术进步主导。从影响因素来看，地区生产总值、农林水事务支出对农业生产效率有显著促进作用，单位耕地机械投入量对农业生产效率有抑制作用。为此，应推动区域经济发展，优化产业结构，加大农业扶持力度，合理配置资源投入规模，有效提升农业生产效率。

DEA；Malmquist；Tobit模型；农业生产效率

农业是保障我国经济发展、社会安定的重要基石，是国民经济的基础。河南省是我国具有重要战略地位的农业大省，分析河南省的农业生产效率及影响因素，对后续优化资源配置，促进农业经济发展具有重要意义。目前针对农业效率的研究非常广泛，DEA法由于其兼具客观性和有效性而被广泛使用。从时间上看，1995年—2005年中国农业生产的全要素生产率在不断缓慢增长[1]；从空间上看，我国农业效率呈现出从东部、中部到西部依次递减的趋势[2]；从变化趋势上看，1979年—2016年间我国农业生产效率经历了从波动增长到平稳增长的转变，增长主要得益于农业技术进步[3]。在研究方法的延伸上，超效率SBM模型、空间计量模型、SFA模型和Malmquist指数的结合也有了广泛的应用[4-6]。从农业效率的影响因素上看，农业专业人员越多、农业经营规模越大越有助于提高农业生产效率[7]，乡村人口平均受教育年限较短和自然灾害不利于农业生产效率的提升[8]。

目前关于农业生产效率的研究主要有以下特点：一方面主要以跨区域的省际地区为研究对象，容易忽略地区内部的不均衡性；另一方面，DEA模型只能测算静态农业生产效率。本文以河南省18个地级市为实证研究对象，基于2010年—2020年的面板数据，采用DEA模型得出河南省每年的静态农业生产效率，之后利用Malmquist指数得出动态农业生产效率，最后结合Tobit模型进行回归，分析影响农业生产效率的主要因素。

1 研究方法与数据来源

1.1 DEA模型

Charnes等（1979）提出的数据包络分析（DEA）[9]是一种非常有效且具有实际操作意义的，用于评价具有相同类型的多投入、多产出决策单元（DMU）的非参数方法。由于只需要投入和产出就能够测算效率，具有客观性和有效性。本文采用规模报酬可变（BCC）模型进行测算，其中综合效率为技术效率和规模效率的乘积。

1.2 Malmquist指数

由于DEA存在只能反映农业生产的静态效率，无法反映随时间变化的动态效率的缺陷，学者Caves（1982）为了更好地反映影响效率变化的内在因素，在计算全要素生产率中引入了Malmquist指数[10]。Malmquist指数的测算结果用全要素生产率（TFP）表示，其可分解为技术进步效率（Techch）和技术效率（Effch），技术效率又可进一步分解为纯技术效率（Pech）和规模效率（Sech），如式（1）所示。

=×=××（1）

1.3 Tobit模型

农业生产效率值有一定的特点，也就是作为一个有界变量，其数值一直在0～1之间。普通的OLS回归由于无法适应这一特点而会引起偏差，而Tobit模型适用于解释变量为观测值，被解释变量为约束条件下的观测值的情形，因此被认为是一种解释效率影响因素的好方法，表达式如下：

1.4 指标选取与数据来源

本文以河南省18个地级市为实证研究对象，研究时间跨度为2010年—2020年。指标体系的选择上，产出指标（）为农业生产总值（亿元），投入指标分别为农作物总播种面积（万hm2）、农业机械总动力（万kW）、农用化肥施用量（万ｔ）、农资投入量（万ｔ）。本文所选指标的数据来自2010年—2020年的《河南统计年鉴》。

2 河南省农业生产效率实证研究

2.1 基于DEA模型的农业效率静态评价

2010年、2015年和2020年河南省18个地级市的综合效率、技术效率、规模效率和规模报酬如表1所示。其中，2010年18个地级市平均综合效率为0.852，平均技术效率和规模效率分别为0.901和0.945，和DEA有效状态仍相距较远。18个地级市中，农业生产效率有效，即综合效率为1的地级市有4个，占总体样本量的22%，分别为洛阳、焦作、三门峡和信阳。平顶山、安阳、新乡、濮阳、南阳、商丘、周口、驻马店的综合效率处于较低水平，皆在0.8以下，拉低了河南省总体农业生产效率。从技术效率来看，开封、洛阳、焦作、三门峡、南阳、信阳和济源达到了有效状态，处于最低水平的为新乡。从规模效率上看，达到有效状态的只有洛阳、焦作、三门峡、信阳4个地级市，规模效率最低的为南阳，仅有0.793。从规模报酬上看，综合效率有效的4个地级市的规模报酬都达到了不变状态；鹤壁和济源处于规模报酬递增状态，说明存在投入不足状况，需要进一步加大投入，提升农业生产效率；其余12个地级市皆处于规模报酬连年下降的不利阶段，主要是由于存在投入冗余状况，需要减少相关农业资源投入，以达到最佳效率值。

2015年的数据显示，河南省各地级市的平均综合效率有所下降，仅为0.690，技术效率和规模效率较2010年都有明显下降，分别为0.816和0.849。其中，综合效率最低的地级市为驻马店，仅为0.496。达到农业生产效率有效的地级市仅有三门峡和信阳，占总体地级市数量的11%，而洛阳和焦作由DEA有效变为DEA无效。从技术效率上看，2010年技术效率有效的地级市里，开封从有效转为无效，共计13个地级市的技术效率处于无效状态，且距离有效水平仍有一定差距。从规模效率上看，规模效率有效的只有三门峡和信阳，而规模效率无效的地级市有16个，占总体数量的89%。由于2015年较2010年各项数据中大部分有所下降，可推断综合效率的下降是由技术效率和规模效率同时下降造成的。从规模报酬来看，大部分地级市处于投入过剩的规模报酬逐年下降状态，鹤壁、许昌和济源依旧处于投入不足而引起的规模报酬递增阶段。

2020年河南省农业生产效率进一步下降，各地级市平均综合效率仅为0.658，技术效率和规模效率也都有所下降，分别为0.796和0.836。综合效率最低的为济源和驻马店，仅为0.489，处于较低水平，且大部分地级市的综合效率皆在0.8以下，与有效状态仍有较远距离。综合效率有效的仅有三门峡一个地级市，信阳市由DEA有效变为无效状态。从技术效率上看，2015年技术效率有效的地级市2020年依旧有效，即洛阳、三门峡、南阳、信阳和济源，占总体地级市数量的22%，其余13个地级市的技术效率处于无效且较低技术效率水平，最低的是安阳，仅为0.582。从规模效率上看，河南省除三门峡外的17个地级市皆处于无效状态，最低水平地级市是南阳，仅为0.536，从规模报酬上看，三门峡处于规模报酬不变状态，济源依旧保持规模报酬递增状态，其余16个地级市皆为规模报酬递减状态，说明河南省的农业生产效率总体上处于投入冗余导致规模报酬递减的水平。

表12010年、2015年和2020年河南省18个地级市的农业生产效率

地级市2010年2015年2020年综合效率技术效率规模效率规模报酬综合效率技术效率规模效率规模报酬综合效率技术效率规模效率规模报酬 郑州0.8490.8660.980递减0.6670.7340.908递减0.6940.7030.987递减 开封0.9861.0000.986递减0.7890.9930.795递减0.6950.8550.812递减 洛阳1.0001.0001.000不变0.8571.0000.857递减0.7021.0000.702递减 平顶山0.7540.7720.976递减0.6430.7310.880递减0.5920.6400.926递减 安阳0.7440.7740.960递减0.5600.6710.835递减0.5220.5820.896递减 鹤壁0.8910.9070.982递增0.6760.7540.897递增0.6130.7260.844递减 新乡0.6950.7170.969递减0.5670.6910.820递减0.5480.6420.853递减 焦作1.0001.0001.000不变0.8030.8540.940递减0.8060.8330.967递减 濮阳0.7590.7720.982递减0.6440.7190.896递减0.7080.7860.901递减 漯河0.9200.9470.971递减0.6390.6680.958递减0.5430.5920.917递减 许昌0.8190.8340.983递减0.5920.6020.982递增0.7080.7110.996递减 三门峡1.0001.0001.000不变1.0001.0001.000不变1.0001.0001.000不变 南阳0.7931.0000.793递减0.5511.0000.551递减0.5361.0000.536递减 商丘0.7560.9150.825递减0.5640.7460.756递减0.5610.7090.792递减 信阳1.0001.0001.000不变1.0001.0001.000不变0.7871.0000.787递减 周口0.7740.9700.798递减0.5640.8280.681递减0.4890.8150.601递减 驻马店0.6220.7470.833递减0.4960.7010.708递减0.4890.7260.675递减 济源0.9671.0000.967递增0.8151.0000.815递增0.8521.0000.852递增 平均值0.8520.9010.945—0.6900.8160.849—0.6580.7960.836—

从整体上看，河南省农业生产效率在2010年、2015年、2020年三个年份连续下降，原因是技术效率和规模效率的连续下降。个别地级市的技术效率和规模效率都远低于平均效率，如濮阳、商丘、驻马店等地级市。这些地级市相关部门一方面需要提升技术水平，以提升农业生产效率；另一方面需要合理配置农业资源投入，达到最优生产规模。

2.2 基于Malmquist指数的农业生产效率动态评价

利用DEAP2.1计算可得到河南省2010年—2020年的农业生产技术效率、技术进步效率、纯技术效率、规模变化效率以及全要素生产率变化，分别用Effch、Techch、Pech，Sech和Tfpch表示，分解情况如表2所示。河南省农业全要素生产率大部分年度都大于1，说明农业生产效率处于进步状态，由于技术进步平均值大于技术效率，且除去2017年—2018年和2019年—2020年两个年度，技术效率皆小于技术进步，说明河南省的农业生产全要素生产率的进步是技术进步主导的，即由于科技的进步和创新手段的应用提升了生产效率，技术进步的年增长率为6.7%。从技术效率来看，河南省技术效率、纯技术效率、规模效率三者变化趋势基本一致，说明技术效率的变化受纯技术效率和规模效率的共同作用。纯技术效率和规模效率的年平均增长值皆为-1.3%，一方面说明河南省存在高投入低产出问题，另一方面存在管理落后，生产结构需要进一步优化的问题。

表22010年—2020年河南省农业生产效率Malmquist指数及其分解

yearEffchTechchPechSechTfpch 技术效率技术进步纯技术效率规模效率全要素生产率 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个地级市的Malmquist的指数分解情况如表3。可以看到，河南省各个地级市农业全要素生产率皆在1以上，均值为1.039，区域间差距较小，说明河南省农业生产效率在10年间得到一定提升。这种进步主要是由技术进步带来的，18个地级市在10年间的技术进步平均提升6.7%。其中提升程度最大的是漯河和三门峡，分别提升了8.4%和8.9%，提升程度最小的是洛阳，提升了5.4%，最高与最低水平之间相差不大，总体处于区域间协调的水平。从技术效率上看，仅三门峡的技术效率达到1，说明10年间河南省大部分地级市的技术效率都处于一个较低水平。从技术效率的分解情况来看，纯技术效率只有洛阳、濮阳、三门峡、南阳、信阳和济源达到了有效状态，规模效率上只有郑州、许昌、三门峡达到了有效状态，其余地级市的纯技术效率和规模效率在10年间并未得到有效提升。这说明河南省大部分地级市在管理与技术层面，以及适宜的生产规模层面，仍需要进一步的改进。

表32010年—2020年河南省18个地级市的农业生产效率Malmquist指数及其分解

firmEffchTechchPechSechTfpch 技术效率技术进步纯技术效率规模效率全要素生产率 郑州0.981.0650.9791.0011.044 开封0.9661.0600.9850.9811.024 洛阳0.9651.0541.0000.9651.018 平顶山0.9761.0590.9810.9951.034 安阳0.9651.0670.9720.9931.030 鹤壁0.9631.0680.9780.9851.028 新乡0.9761.0650.9890.9871.040 焦作0.9791.0660.9820.9971.044 濮阳0.9931.0581.0020.9911.051 漯河0.9491.0840.9540.9941.029 许昌0.9861.0640.9841.0011.049 三门峡1.0001.0891.0001.0001.089 南阳0.9621.0641.0000.9621.023 商丘0.9711.0710.9750.9961.040 信阳0.9761.0691.0000.9761.044 周口0.9551.0740.9830.9721.026 驻马店0.9761.0630.9970.9791.038 济源0.9871.0601.0000.9871.047 mean0.9741.0670.9870.9871.039

3 农业生产效率影响因素分析

农业生产效率受多方面因素的影响，本文选取地区生产总值（GDP）占比衡量经济发展水平，农民人均可支配收入衡量农民收入，财政支出中的农林水事务支出衡量地方政府对农业的支持力度，第一产业就业人数衡量农业劳动力的投入情况，单位耕地机械投入量衡量现代技术对农业进步的影响，第二产业比重衡量地区经济结构。利用Stata 15构建Tobit模型，回归参数如表4。

表4影响因素Tobit回归一览表

解释变量系数标准差T值显著性水平 地区生产总值占比4.351 1691.333 1493.260.002 农村人均可支配收入0.000 030 20.000 0112.740.007 农林水事务0.414 940 50.232 280 71.790.077 第一产业就业人数-0.001 100 30.000 231-4.760.000 单位耕地机械投入量-0.219 610 50.038 182 8-5.750.000 第二产业比重-0.202 533 60.243 857 3-0.830.408

由表4可知，地区GDP占比对农业生产效率有显著促进作用，随着地区GDP比重提高1%，农业生产效率提高4.35%。这主要是因为随着区域经济的不断发展与进步，一些地区农业基础设施将得到显著改善，在设备得到进一步升级后，生产效率也会大大提高。农村可支配收入与农业生产效率显著正相关，这是由于农村可支配收入提高之后，农户的生产积极性会有显著提升，但是影响系数较小，对农业生产效率的影响程度也较小。农林水事务支出与农业生产效率在90%的显著性水平上正相关，随着农林水事务支出的增长1%，农业生产效率提升0.41%。第一产业就业人数与农业生产效率呈负相关，这是因为只有人力的数量提升而没有质量的提升，不能促进农业效率增长，并未随着劳动力的投入带来规模报酬的递增，影响系数也非常小，说明劳动力投入数量不是农业生产效率主要影响因素。单位耕地机械投入量与农业效率显著负相关，投入量越多，农业效率越低。技术进步解放了劳动力，提升了生产效率，但是由于存在投入冗余情况，并未合理配置资源，导致农业效率并未随着单位耕地机械投入量的提升而提升。第二产业比重对农业生产效率的影响为负，可能是由于推进工业化、城镇化的过程中，过多地挤占了农业生产的空间从而导致农业生产效率的下降，但是由于未通过显著性检验，说明第二产业比重对农业生产效率的影响较小。

4 结论

本文基于2010年—2020年河南省18个地级市的相关指标面板数据，运用DEA-Malmquist-Tobit模型逐步分析河南省农业生产静态效率、动态效率的内在变化，以及生产效率的影响因素，得出结论如下：

（1）根据2010年、2015年和2020年的农业生产静态效率评价，河南省农业生产效率处于逐渐下降的状态，综合效率数值较低主要是由技术效率和规模效率的下降造成。因此，需要各个地级市的政府根据自身情况，一方面加大科研投入力度，提升技术水平，另一方面合理配置资源的投入规模，使之达到最佳状态。

（2）由2010年—2020年的Malmquist指数分解的农业生产全要素情况来看，河南省农业全要素生产率在大部分年度中处于进步水平，其主要是由技术进步的变化引起的，且技术效率在一定程度上阻碍了农业生产全要素的进步。从技术效率分解的纯技术效率和规模效率情况来看，河南省需要进一步优化管理和调整生产规模，从而提升农业生产效率。

（3）从Tobit回归的影响因素分析来看，地区GDP占比、农林水事务支出对农业效率有促进作用。应大力发展区域经济，同时加大对农业事业的扶持力度，以提高农业生产效率。第一产业就业人数和单位耕地机械投入量与农业效率呈负相关，应合理配置资源投入规模，合理规划产业结构，避免过多挤占农业生产空间，造成农业生产效率的进一步下降。

[1]李丹,李强.中国农业生产效率分析:1995～2005[J].生产力研究,2009(1):39-42.

[2]潘丹,应瑞瑶.中国农业全要素生产率增长的时空变异:基于文献的再研究[J].经济地理,2012,32(7):113-117,128.

[3]王军,杨秀云.改革开放以来中国农业全要素生产率的动态演进及收敛性分析[J].统计与信息论坛,2019,34(11):59-66.

[4]郭晓佳,周荣,李京忠,等.黄河流域农业资源环境效率时空演化特征及影响因素[J].生态与农村环境学报,2021,37(3):332-340.

[5]佟金萍,马剑锋,王圣,等.长江流域农业用水效率研究:基于超效率DEA和Tobit模型[J].长江流域资源与环境,2015,24(4):603-608.

[6]全炯振.中国农业全要素生产率增长的实证分析:1978～2007年——基于随机前沿分析(SFA)方法[J].中国农村经济,2009(9):36-47.

[7]宋马林,杨杰,杨力.中国农业效率TFP分解及其影响因素分析——基于区域差异的视角[J].农业系统科学与综合研究,2010,26(3):325-329.

[8]贺志亮,刘成玉.我国农业生产效率及效率影响因素研究——基于三阶段DEA模型的实证分析[J].农村经济,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