水稻投入产出效率评价及相关因素分析

杨 凡，齐振宏，王景旭，周 未

(华中农业大学 经管 土管学院，武汉 430070)

在农业生产过程中，西南地区经济的发展致使农作物播种面积成下降的趋势，从2000年的26103.8千公顷减少为2009年的25810.1千公顷，而主要农作物的产量从2000年的7321.5万吨下降到2009年的7011.3万吨，下降趋势远大于播种面积。从另一个角度而言，农业投入的增长速度远远超过了西南地区农业产出的增长速度，投入与产出之间的不协调性逐渐加剧，西南地区的投入产出效率逐年下降。水稻作为西南地区的第一大粮食作物，对保证我国西南地区粮食安全、促进农村经济发展具有举足轻重的作用。因此，测算西南地区水稻生产投入产出效率，分析各影响因素的作用大小，对于改善投入产出不协调的矛盾，促进西南资源贫乏地区农业发展具有极强的现实意义。

1 数据来源、变量选择及模型设定

1.1 数据来源及变量选择

1.1.1 数据来源

本文的研究数据主要来源于国际合作项目盖茨基金“为亚洲和非洲资源贫乏地区培养绿色超级稻的经济评估”课题组2009年对西南四省等种稻主产区农户的调查。这四个省分别是云南、贵州、四川和广西，调查内容除了水稻投入和产出的情况外，还包括农户基本特征、种植的品种、种植的地块特征、农户获取农业技术信息的来源及对新技术的的需求等，以便在分析水稻投入产出效益时控制这些因素对结果的影响。调查采取随机抽样的方法，选取了四个省的18各村，共发放问卷240份，回收有效问卷216份，有效回收率为90%。

1.1.2 相关指标的选取

通过查阅《中国农村统计年鉴》、研究相关文献，发现水稻投入产出效益既取决于水稻生产系统内部的生产力水平，即农药、化肥、劳动力、土地资源、种子、机械化水平等，也取决于生产系统的生产力与外部环境的相容性（卢中华，2005），即水稻生产系统与外界自然资源环境、产业制度环境等的相容性。本文结合前人的研究及2009年调查整理的数据，选取水稻年总产值（y）作为产出指标，劳动力（x1）、土地（x2）、种子（x3）、灌溉成本（x4）、化肥（x5）和农药成本（x6）、农业机械总动力（x7）及政府农业补贴（x8）等8类要素作为投入指标。

1.2 模型设定

根据现有的农业投入产出方面的研究，研究方法主要集中于建立C—D生产函数模型、DEA模型等进行分析，例如，林玉蕊(2007)应用C—D生产函数建立农业投入产出数学模型，并进行了弹性分析和边际产量分析，李晓敏（2006）选取C—D生产函数的扩展模型，依据水稻影响因素的生产弹性分析了湖北省水稻生产效益的影响因素及影响程度；林江鹏(2009)通过建立DEA模型对全国13个粮食主产区的土地治理项目财政支出的使用效率进行了研究。

基于当前西南资源贫乏地区水稻投入产出效率问题的现实性和急迫性，在前人研究的背景下，本文拟运用主成分分析法和相关分析法共同构造构建计量模型进行实证研究，分析水稻的投入产出效率。实证研究的具体思路为:首先，对选取的8个水稻投入指标进行多重共线性诊断，检查各投入要素之间是否存在相关性；其次，根据上述诊断结果，运用主成分分析法对预先设定的指标进行降维处理，提取出能代表原始指标携带信息主成分；然后，利用提取出来的主成分对西南四省水稻投入产出做进一步的相关性分析；最后，构建西南四省资源贫乏地区水稻投入产出效率的评价模型，深入分析各投入指标对水稻产出的影响程度。

2 模型估计结果分析

2.1 运用多重回归分析进行共线性诊断

按照上述设定的模型，本文首先对水稻各投入指标进行多重共线性诊断。本文选取水稻生产过程中的劳动力、土地、种子等8个投入要素作为研究指标，由于各指标之间可能存较强的相关性，首先对原自变量进行多重回归分析，进行共线性诊断（见表1）。

表1 变量共线性诊断

上表显示选取的水稻投入指标之间存在较强的共线性（条件指数φ=158.531），常数项、土地(X2)和种子成本(X3)的VP均值较大，分别为0.95、0.97、0.96，因此，常数项与土地投入和种子投入之间高度相关，究其原因，一方面可能伴随着种稻面积的扩大或者缩小，会带来规模经济效应的增加或减少，从而影响水稻种子投入的成本；另一个方面，农户作为经济人，在扩大或者缩小种稻面积时，常常会考虑更换种子的品种以达到利益与风险的平衡，从而也会影响种子的投入成本。鉴于此，本文拟采用主成分分析法将相关性较高的指标转化为彼此独立或不相关的指标，从中得出几个新指标，即主成分，解释原始指标的同时达到降维的效果。

2.2 主成分分析

2.2.1 运用主成分分析提取主成分

主成分分析方法的核心思想是：针对一些具有错综复杂关系、存在内部相关性的因子，采用多元统计的方法对原指标体系降维，将原指标体系归结为能够反映其大量信息的综合因子。本文首先运用主成分分析法对原来选定的水稻投入指标体系降维，提取主成分，运行得到结果（见表2）

本文主成分的统计信息主要包括特征值的排列顺序、各主成分的贡献率及累计贡献率。表3显示，在提取的成分中，第一主成分的特征值为4.472，解释了原来8个投入指标的总方差的55.901%，第二主成分的特征值为1.350，解释了原来8个投入指标的总方差的16.875%，第三主成分的特征值为1.013，解释了原来8个投入指标量的总方差的12.667 %，前三个特征值的累计贡献率达到了85.443%，即前三个变量包含了原来8个投入指标85.443%的信息，故选取前三个主成分代替原有的8个投入指标。

表2 农户水稻投入原变量的主成分统计信息

2.2.2 运用主成分分析计算主成分值

提取出前三个关键指标作为主成分后，运用spss软件运行得到水稻投入产出主成分得分系数矩阵（如表3），所有的主成分表示为各个自变量的线性组合，并得出如下三个主成分的表达式：

其中，Z1、Z2、Z3分别是提取的第一、第二、第三主成分，stdxi(i=1,2,3,4,5,6,7,8)是经过标准化处理后的指标值。

2.3 水稻投入产出的相关分析

通过主成分分析对原变量进行降维处理后，本文利用上表的西南四省水稻投入产出主成分得分系数矩阵，得出泊松相关系数矩阵，进一步分析西南四省资源贫乏地区农户水稻投入产出之间的相关性（见表4）。

从表4可以看出，西南四省资源贫乏地区农户水稻投入产出及投入之间的相关系数值均较大，相关性较强。从西南四省水稻投入产出的相关性来看，水稻上生产上，农药和化肥的投入与水稻总产值的相关性最强，其相关系数值分别为0.823、0.722，灌溉成本与水稻总产值的相关性最弱，其相关系数值为0.177，这可能与西南地区的资源禀赋相关。同时，由于本调查是在2009年实行的，2010年以前西南地区由于极少遭遇干旱等的胁迫，其山区与高原的优势赋予了水稻生产过程中较为富足的水分需求，所以相关分析的结果显示灌溉成本与水稻的总产值相关性最弱。从水稻生产过程中的各投入要素之间的相关性来看，水稻种子成本与水稻播种面积的相关性最强，其相关系数值为0.969，这一点在对原自变量进行多重共线性诊断时已做分析，此处不再赘述。

表3 农户水稻投入产出的主成分得分系数矩阵

表4 农户水稻投入产出的相关性

2.4 构建西南四省农户水稻投入产出效率评价模型

在得出个投入要素对水稻总产值的相关关系后，为了更加具体评价西南四省水稻生产中各投入要素对水稻最终产出的影响程度，本文以水稻产值为被解释变量，以提取的主成分为解释变量进行回归分析，构建水稻投入产出的效率评价模型，得出如下线性回归方程：

进而，将主成分分析结果导入上述线性回归方程后，得到被解释变量Y与标准自变量stdxi的线性回归方程，即：

最后，将标准指标stdxi还原为原始指标xi，得到解释变量与被解释变量xi的线性回归方程：

上述结果充分表明了西南资源贫乏地区各水稻投入要素对水稻产出绩效的影响，且各影响程度不尽相同。在所考察的8个投入要素中，化肥投入对水稻产量的影响最大，达到0.210。说明化肥投入是水稻生产中对水稻产量提高制约性最强的因素，科学合理使用化肥是提高水稻产量的最有效途径。农药投入对水稻产量的影响程度仅次于化肥，农药投入每改变1%，水稻产量将改变0.167%。水稻播种面积对水稻产出影响程度位于第3，水稻播种面积没增加1%，水稻产值将增加0.123%，这虽然和部分学者对于全国粮食产量影响因素的分析结果不太一致，可能与西南地区自身的资源禀赋相关，我国西南地区是一个人口、资源与环境矛盾日益突出的资源贫乏地区，贫困与生态恶化的双重压力使该地区水稻生产系统的脆弱程度进一步恶化，多种致灾因子的刺激使得水稻对化肥和农药的依赖程度越来越大，因此农药和化肥的投入严重影响着水稻的总产值，而扩大水稻播种面积并非提高产值的最有效方法。此外，通过分析发现，劳动力和种子投入对水稻产值的影响基本持平，重要性位于水稻播种面积的影响之后，其中，劳动力投入每增加1%，就可能导致水稻产值减少0.103%，这说明了我国西南地区人口与资源矛盾的恶化正在进一步加剧，在水稻生产的过程中，资源贫乏地区经济的落后导致人们的资源禀赋存在较大差异，务农人口的剩余导致水稻生产的低效率，这一点必须引起足够的重视。农业机械总动力和政府农业补贴的增加对水稻总产值的提高也具有较大的作用，而水资源投入对水稻产值的影响最小，这可能是由于本文是基于2009年调查数据的基础之上研究的成果，而在2010年以前，西南地区极少遭遇干旱等胁迫，其山区与高原的地带优势赋予了水稻生产过程中极为富足的水分需求，所以水资源并未构成水稻产值提高的关键影响因素。

3 结论及政策建议

以上分析结果表明，水稻产出受劳动力、土地、种子、灌溉成本、化肥和农药投入、农技投入及政府补贴等因素的影响，不同因素的影响程度均不相同，选取的全部变量中，化肥投入对水稻产出的影响最大，其次分别是农药、土地、劳动力、种子、农机投入及政府财政补贴，水稻灌溉成本对水稻产出的影响较小。基于以上研究结论，本文提出以下几点政策建议：

（1）推广优良品种，加强技术指导

（2）完善支农惠农政策，加大支农惠农力度

（3）推进农村土地流转，促进农民增收

[1]蔡洪法.我国水稻生产现状与发展展望[J].发展与对策，2000,（6）

[2]黄季火昆,李宁辉.中国农业政策分析和预测模型— —CAPSiM[J].南京农业大学学报(社会科学版),2003,3(2).

[3]关俊霞，丁士军.南方农户水稻生产的投入产出及技术需求分析——来自四省的农户调查[D].华中农业大学，2007.

[4]顾俊龙.农业投入产出结构变化及影响因素分析[J].山西财经大学学报,2006，(10).

[5]蒋庭松.加入WTO与中国粮食安全[J].管理世界,2004,（3）.

[6]靖飞.江苏省水稻生产投入要素及影响因素实证研究[J].技术经济，2008,(2).

[7]陆文聪,黄祖辉.中国粮食供求变化趋势预测:基于区域化市场均衡模型[J].经济研究,2004,(8).

[8]李晓敏，丁士军.对湖北省粮食生产效益的实证分析[J].安徽农业科学，2006,34(2).

[9]林江鹏，樊小璞.我国财政农业的投入产出效率研究[J].经济学家，2009，(8).

[10]林玉蕊.农业投入产出生产函数及其应用研究[J].数学的实践与认识,2007，(7).

[11]李争，冯中朝.油菜种植户的技术偏好及影响因子研究[J].中国科技论坛，2009,（9）.

[12]卢中华.蔬菜生产效益及其影响因素研究[D].南京农业大学，2006.