内部管理效率对农业生产效率影响的实证分析＊

贺正楚，翟欢欢，张 蜜

（1.长沙理工大学 经济与管理学院，湖南 长沙 410114；2.中国社会科学院 农村发展研究所，北京 100732）

资源节约型、环境友好型农业（简称“两型农业”）的基本要求在于实现农业生产的投入产出最大化，协调促进经济、社会、生态的可持续发展，因此，发展两型农业的首要任务就是改变现阶段农业生产效率低下的现状，加速农业科技力量的成长和农业产投效率的提高.从生产发展的源泉来看，增长是生产率提高与投入量增长的结果，而生产率的提高又归结于技术效率（Technical Efficiency，简称TE，即生产处于规模报酬可变的前提下，生产单元投入等量要素下的实际产出与最大产出的距离）改进和技术进步的作用.技术效率揭示了技术进步、技术应用与经济增长三者之间的关系.技术进步会推动前沿生产曲线向外移动，行业潜在的最大产出能力提高，而技术效率的高低则决定了既有技术水平应用于生产的实现程度.

国内外关于农业生产效率的探索主要集中于技术效率，其测度方法主要有参数法和非参数法.Kawagoe和Hayami对跨地区的农业效率进行研究认为[1］，一个地区的农业生产效率高低与劳动力生产率高低关系不大.Prasada－Rao，Coelli等[2－3］利用联合国粮农组织的数据，采用数据包络分析方法测算1980—1995年97个国家的Malmquist指数，以中国为代表的发展中国家农业生产效率水平稳步上升.近年来，国内学者也开始关注农业生产效率的问题.林毅夫[4］利用Cobb－Douglass生产函数，结合省际水平的面板数据，分析了1979—1998年农村改革对中国农业增长的贡献，指出农村体制改革对农业生产效率有积极推动作用.樊胜根等[5］对中国1952—1997年畜牧业和渔业数据进行了调整，并用Tomqvist－Theil指数法计算了农业全要素生产率，测算结果肯定了政府在农业研究、灌溉以及其他基础设施建设投资对促进中国农业生产的长期增长所起的巨大作用.涂俊等[6］运用DEA－Tobit两步法对中国区域内农业创新系统效率及影响因素进行了分析，结果表明，农村基础教育水平、市场建设以及技术服务和推广人员工资水平这些因素，对县域农业创新系统效率具有显著的影响，而政府科技经费与中、高等教育水平并不具有显著的影响.

上述学者从技术效率的内在构成或外在客观生产函数角度剖析了农业生产技术效率的问题.由于农业生产效率与技术效率紧密相关，技术效率通常要受到外部环境效应、内部管理效率以及随机误差这3个因素的影响.内部管理效率因素是内生的，外部环境效应和随机误差两个因素是外生的.本研究为了测算内部管理效率这一内生因素对生产效率的客观影响，通过构建DEA 3阶段模型，去除外部环境效应和随机误差这两个外生因素对技术效率值的干扰，剖析农业生产效率变动的内在作用机理.

1 3阶段DEA模型的构建

1.1 第1阶段：传统的DEA模型

数据包络分析（简称DEA）是一种最常见的基于线性规划技术的非参数前沿效率分析方法.1978年美国运筹学家Charnes，Cooper和Rhodes首次提出了C2R模型，这标志着DEA作为新的研究领域的开始.运用DEA可以考察农业生产在生产前沿面上的技术有效性和规模有效性.本研究所构建的模型的起点，就是利用DEA的2个基本模型C2R和BC2，这2个模型可以分别用来测算两型农业生产的技术效率（TE）和纯技术效率（Pure Technical Efficiency，简称PTE，即生产处于规模报酬不变的前提下，实际生产点与生产可能性曲线差距的测度）.

在规模报酬不变的情况下，引入对偶变量λ1，λ2，…，λn；θ和松弛变量s，传统的 DEA 模型即Input－C2R模型的数学表达式为：

minθ

式中：θ为各决策单元（Decision Making Unit）的技术效率值（TE）.在考虑规模报酬可变的情况下，Input－BC2模型数学表达式为：

minη

式中：η为各决策单元的纯技术效率值（PTE）.利用评价对象在既定产出水平下的最优投入值x＊0＝ηx0－s－和上述2个模型的测算结果，可求得各DMU规模效率SE（Scale Efficiency，反映要素投入产出比例的相对变化），

要找出农业生产效率低效的原因，就要将外部环境效应、内部管理效率以及随机误差对生产效率值的各自影响分开.由于应用传统的DEA模型只会得到一个合成的生产效率值，这无法反映造成生产效率低效的真正原因.因此，要想客观评价各研究对象的生产效率，就要设法剥离外生因素对生产要素投入的影响，x0与x＊0之差值即为第2阶段需要调整的投入额.为此转入第2阶段的SFA模型.

1.2 第2阶段：构建SFA模型

第2阶段模型构建的主要任务是估计外部环境变量对各决策单元效率值的影响，进行投入变量的差额分析，将外部环境效应和随机误差这两个外生因素剥离出来.Fried等[7－8］认为通过构建SFA模型可分别测算出外部环境效应、随机误差和内部管理效率这3个因素的作用大小，从而得出仅由内部管理无效率这一因素造成的DMU投入冗余.本文在Fried研究思路的基础上更进一步，即：为了对应第1阶段的投入型DEA模型，本文建立以投入为导向的SFA模型，分别对M个决策单元的N个投入差额变量进行分析.投入差额变量表达式如下：

式中：sij≥0，xij为决策单元i第j项投入的实际值；x＊ij为决策单元i第j项投入的理想值.以第1阶段得到的sij为因变量，外部环境解释因素zi为自变量，构建SFA回归方程：

式中：fj（zi，β）为外部环境变量对投入差额值sij的影响方式，一般取为外部环境解释变量zi的回归系数；νij＋υij为复合随机项，假设νij＋N（0，δj2ν）表示决策单元i第j项投入的随机误差，νij－N＋（μj，δj2ν）为内部管理无效率扰动项，νij与υij不相关.由上述随机项的设定可以看出，剔除外在因素对生产效率的影响，首先要把复合误差项中的随机扰动项分离出来.管理无效率的条件估计为：

通过SFA方程回归后，分别得到外部环境效应对生产效率的影响和随机误差影响，故可调整外生因素对投入额的干扰，从而较为客观地测度各决策单元的实际生产效率.基于最有效的DMU，以其投入量为基准，对其他各样本的投入量进行调整，调整后的要素投入量为：

1.3 第3阶段：调整后的DEA模型

将调整后的DMU投入量x′ij与原始产出值xij再次运用第1阶段的两个DEA模型进行评价，所求得各DMU的生产效率值即为去除了外部环境效应和随机误差后的效率值.

2 实证分析

2.1 样本选取与数据说明

基于对两型农业生产本质要求及外在特征的理解，同时兼顾评价指标的可得性、可量化性、可靠性原则，本文分别提取反映中国31个省市的投入产出指标、外部环境变量指标.文中数据分别来源于《中国统计年鉴2009》、《中国农村统计年鉴2009》和中国三农网（http：//www.nnn.net.cn/）和中国三农信息网（http：//www.sannong.gov.cn/）的部分统计数据.

2.2 指标选取

2.2.1 投入产出指标的选取

两型农业是针对传统农业生产过程中高能耗、低产出的不足提出的现代化农业，其基本要求是实现资源的高效利用，经济效益最大化.同时，两型农业紧紧围绕转变农业发展方式，以资源综合循环利用和农业生态环境建设保护为重点，大力发展循环农业、生态农业、集约农业等有利于节约资源和保护环境的农业形态，促进经济、社会、资源的可持续发展，人与自然的和谐发展.因此，投入产出指标的选取必须从经济、人类、社会、资源4个方面来考虑.投入指标包括农用化肥施用量、农药使用量、农业机械总动力和粮食播种面积4项；相应地，产出指标包括农业总产值、粮食总产量、农业纯收入和造林面积.

2.2.2 外部环境变量的选取

两型农业生产作为一个体系，其生产过程既不是单纯的经济活动，也不是孤立的技术活动，而是一个由自然、社会、经济相耦合的复杂系统.作为两型农业生产体系中的外部环境变量，是指影响各决策单元效率但不在样本主观可控范围内的因素.因此，外部环境变量的甄选需充分考虑自然、社会、经济3个方面的影响，本文选取以下几个变量作为外部环境因子：

1）第二、三产业GDP.农业生产由第二、三产业提供物质资料支持和技术支撑，三大产业的发展具有高度的联动性，因此，第二、三产业的生产效益在很大程度上决定了现代农业的发展水平.

2）地方财政支出.农业生产的规模、效率需要相匹配的基础设施建设与之相适应，而地方财政支出则主要用于地方农业基础设施的建设.

3）公路里程数.公路里程数意味着交通的发达程度，它在一定程度上反映了市场信息传递、物质资料配送的发展水平.在市场经济条件下，信息传播渠道以及农产品运输是否通畅决定了技术推广能否广泛开展，农业创造价值能否充分实现，社会再生产能否顺利进行.

外部环境变量的各变量统计描述性特性如表1所示.

表1 各变量描述性统计特性Tab.1 Descriptive statistics of variables

3 实证结果及分析

3.1 第1阶段传统DEA实证分析结果

第1阶段运用Deap 2.1软件对中国31个省市的效率水平和规模报酬进行了分析，结果如表2所示.在不考虑外部环境效应和随机误差影响时，新型农业生产的平均技术效率为0.744，平均纯技术效率为0.79，平均规模效率为0.944.其中北京市、天津市等9个省市的技术效率较高，表明这些省市处于技术效率前沿.北京市、天津市等15个省市的纯技术效率较高，表明这些省市处于纯技术效率前沿.这说明纯技术效率不是制约中国各省市技术效率提高的瓶颈.从规模报酬的情况大致来看，东北部以及西部11个省市规模报酬处在不变的水平上，而位于中部及东南的5个省份（河南、湖北、安徽、广西、福建）则呈现出规模报酬递增的发展态势，扩大两型农业的生产规模有利于生产技术效率的提高.

表2 第1阶段DEA评价结果Tab.2 Evaluation outcomes of first－stage DEA

3.2 第2阶段SFA回归分析结果

由第1阶段实证结果可得出各决策单元投入变量的松弛量，将其作为SFA方程的被解释变量，第二、三产业GDP、地方财政支出、公路里程数作为解释变量.运用Frontier4.1软件对各参数进行最大似然估计，各参数估计值如表3所示.

从表3中可知，以松弛变量为被解释变量的回归方程中γ值均趋近于0，且在各显著性水平下都不显著，这说明分析中不能拒绝γ＝0的原假设，即内部管理无效率对各松弛变量的影响近乎没有，主要是由随机误差所决定.因此，对于这些回归方程使用SFA技术，并不太合适，但这也从另外一方面探索了解释松弛变量变动的影响要素.

从回归方程的系数来看，第二、三产业GDP对各松弛变量的影响β1均未通过显著性检验，因而表明第二、三产业的发展对农业的生产效率没有明显的影响；地方财政支出对各松弛变量的影响β2效果甚微；公路里程数所代表的科技信息与农产品价值实现渠道对各松弛变量影响β3并不一致，但从总体作用效果来看，交通便利利于农业科技广泛应用，资源得到有效配置.上述各回归系数的影响方向与相关经济理论相一致，实证结果基本达到预期效果.

表3 第2阶段SFA回归估计结果Tab.3 Evaluation outcomes of second－stage SFA

3.3 第3阶段投入修正后的DEA评价结论

由第2阶段所估计出的参数，结合Fried等（2002）提出的原理对原始投入量进行外部环境效应和随机误差调整.将调整后的投入值以及原始产出值再次运用Deap 2.1进行DEA分析，结果如表4所示.

对比第1阶段和第3阶段的结果，容易发现，剔除外部环境因素和随机误差影响后，各省市的生产效率值发生了显著变化.对于原来的技术效率无效的几个省市而言，其技术效率值均大幅上升，在去除上述两大因素的影响后，其技术效率状态也落在生产前沿曲线上，这表明外部环境因素以及随机误差对技术效率起着负面作用，直接遏制了各省市充分利用技术进步提高生产效率的能力.

纯技术效率体现的是生产规模可变时，生产实际状况与生产前沿面的距离.从调整后的纯技术效率来看，各省市大部分位于有效前沿上或者近似有效，再次证明了纯技术效率对生产技术效率的贡献，也为提高中国技术效率指明了发展的重点和方向.

从调整后的规模效率来看，外部环境效应与随机误差的影响不再是单方向的，部分省份因投入的调整，其生产与有效面的距离变大，由此可见，外生因素对中国各省市农业生产规模效率变化的影响是不确定的.

对于中国大部分省市而言，其农业生产规模处在规模报酬递减的发展水平上，这就要求在现有农业发展规模基础上，更加注重新型农业、现代农业的精髓，合理调整安排农业的生产布局，实现农业由量到质的深层次转变；对于那些处于规模报酬递增的省份而言，如安徽、福建、湖南等省则需进一步扩大现代农业的生产规模，实现地区经济、社会、生态的整合发展.

表4 第3阶段调整投入值DEA评价结果Tab.4 Evaluation outcomes of third－stage DEA

4 政策建议

表4的实证分析证明，中国两型农业平均技术效率和平均纯技术效率分别达到0.743和0.782，平均规模效率是0.818.这些平均值相对于生产有效前沿的最大值1，说明各省市整体农业生产效率水平较高.如果将技术效率测度值大于0.8的省市划分为农业发展生产效率第1阶梯，0.6～0.8划分为第2阶梯，其他省市则归为第3阶梯，那么中国新型农业发展的生产效率分布并没有呈现出明显的地域差距，如表5所示.

表5 中国31个省市两型农业生产效率分布Tab.5 Agri－production efficiency distribution

从规模报酬的角度来看，中部省份中湖南、湖北、安徽3省处在规模报酬递增阶段，这要求政府部门加大农业基础设施的建设，增加农业支出在财政支出中的比例，通过加强现代农业和重要商品粮基地建设，不断引入新技术，进一步开发利用和推广农业增产技术，对传统农业进行改造；其次，大力发展优质、安全、生态农业.切实把农业发展转移到依靠科技进步上来，加快运用高新技术和生物技术改造提高传统农业，发挥各中部地区自然资源优势，改善农作物品质和结构.

对于东部大部分省市而言，其生产规模并没有达到最优水平上，相应的技术效率也参差不齐，故发展水平的提升不能通过简单的扩大或缩小规模方式来实现.两型农业发展的战略重点：一是农业产业化战略，以推进农业产业化经营为目标，推进清洁生产技术和废弃物资源化技术在农业中的广泛应用，以传统优势农产品精加工、深加工为纽带的产业链延伸型的循环农业模式.二是农业绿色化战略.以农业生态环境保护为重点，开发以资源节约、生态农业、绿色食品开发为目标的生态保护型循环农业.三是农业品牌化战略，利用高新技术改造农业各子产业，推动农业结构调整，把农业真正转向名、优、特、稀产品的生产上来.

对于西部地区而言，云南、西藏、青海、宁夏4个省份的发展水平均处在生产有效前沿上，这表明上述省份在自然环境处于劣势的客观条件下，其两型农业的发展可以本着发挥优势、突出特色的原则，切实抓好草原生态建设、特色农业、畜牧业、退耕还林还草、旱作节水农业和农业基础设施建设等重点领域.在发展模式上，对传统的农业生产和经营方式进行深刻变革，依靠农业的产业化经营和集约化经营，实现高起点和跨越式发展.

[1]KAWAGOE T，HAYAMI Y.An intercountry comparison of agricultural production efficiency[J］.American Journal of Agricultural Economics，1985（8）：162－177.

[2]PRASADA－RAO D S，COELLI T J .Catch－up and convergence in global agricultural productivity[J］.Indian Economic Review，2004（39）：123－148.

[3]BATTESE G E，COELLI T J.A model for technical inefficiency effects in a stochastic frontier production function for panel data[J］.Empirical Economics，1995（20）：325－332.

[4]林毅夫.再论制度，技术与中国农业发展[M］.北京：北京大学出版社，2000：103－123.LIN Yi－fu.Re－discussion on the system，technology and agricultural development in China[M］.Beijing：Beijing University Press，2000：103－123.（In Chinese）

[5]樊胜根，张小波.中国农村公共投资研究[M］.北京：中国农业出版社，2002：79－82.FAN Sheng－gen，ZHANG Xiao－bo.Study on public investment in rural areas[M］.Beijing：China Agriculture Press，2002：79－82.（In Chinese）

[6]涂俊，吴贵生.基于DEA－Tobit两步法的区域农业创新系统评价及分析[J］.数量经济技术经济研究，2006，22（4）：136－145.TU Jun，WU Gui－sheng.The evaluation and analysis of regional agro－innovation systems by DEA－Tobit two stage method[J］.The Journal of Quantitative ＆ Technical Economics，2006，22（4）：136－145.（In Chinese）

[7]FRIED H O，LOVELL C A.Accounting for environmental effects and statistical noise in data envelopment analysis[J］.Journal of Productivity Analysis，2002（17）：157－174.

[8]JAMES J，LOVELL C A.On the estimation of technical inefficiency in the stochastic frontier production function model[J］.Journal of Econometrics，1982（19）：233－238.