中国农业机械化效率的省际差异研究

刘　涛

(河南理工大学 a.安全与应急管理研究中心;b.应急管理学院，河南 焦作　454003)



中国农业机械化效率的省际差异研究

刘涛a,b

(河南理工大学 a.安全与应急管理研究中心;b.应急管理学院，河南 焦作454003)

摘要：农业机械化不仅要关注总量提升，更要注重资源配置效率。使用BCC超效率模型，测算了2010-2013年中国18个省份农业机械化效率的变动状况。结果发现：大多数省份农业机械化效率并不高，农业机械资源配置不合理；农业机械化效率按照东中西部地区呈现递减趋势；高效率省份农业机械化效率的驱动因素是纯技术效率，低效率省份农业机械化效率的驱动因素呈现多元化。从整体来看，大中型拖拉机、小型拖拉机和农用排灌柴油机数量过多是导致大多数省份农业机械化效率低下的主要原因。为此，要大力推进农业机械投入结构转变，通过战略结构、动力结构和区域结构等优化提升我国农业机械化效率。

关键词：农业机械化；效率；DEA模型；结构优化

0引言

农业机械化是现代农业的重要体现，2013年我国农业机械总动力达到103 906.8万kW。其中，大中型拖拉机527万台，小型拖拉机1 752万台,农用排灌柴油机1 259万台。2013年，全国农作物耕种收综合机械化水平达到50%，2014预计超过61%，比10年前提高27个百分点。农业生产已从人力、畜力为主转到以机械化为主的历史新阶段。农业部数据显示，2014年全国农机总动力达到10.5亿kW，比2004年增加4.1亿kW，增长64%，装备结构加快向大马力、多功能、高性能方向发展[1]。

目前，国内理论界对中国农业机械化进行了大量实证研究，但是对农业机械化效率研究的文献比较少。如张宗毅等(2008)采用2001-2005共5年的统计数据，用DEA方法分析“十五”期间中国各地区农机化的技术效率、纯技术效率、规模效率、技术进步及Malmquist指数的变动及趋势[2]。李卫等(2012)基于前沿面理论对中国农业机械生产配置效率进行了分析[3]。余世勇等(2013)分析了中国31个省份1998-2010年的农业机械化效率[4]。

以上研究极大推进了中国农业机械化效率的研究，基于此，本文使用BCC超效率DEA模型，对2010-2013年中国18省份农业机械化效率的空间差异进行测算分析，提出了进一步提升农业机械化效率的优化策略，对于推动中国农业机械化工作具有重大的指导价值。

1模型方法

数据包络分析法(即DEA)是以决策单元的相对有效性为指标，评价具有相同类型的多投入、多产出的若干个决策单元是否相对有效的非参数统计方法。其基本思路是把其中一个决策单元作为一个被评价单元，由其他的DMU构成评价群体，确立与问题相应的数学模型；通过对模型的求解得到对相对效率的综合分析，从而确定生产可能集和生产前沿面，并根据各DMU与生产前沿面的距离状况，判定各DMU是否DEA有效，进而达到评价排序的结果[5]。最早Charnes、Cooper和Rhode (1978)提出了DEA方法中的规模报酬不变条件下的CCR模型[6]；后来，Banker、Charnes和Cooper (1984)对CCR模型进行拓展，提出了规模报酬可变的BCC模型[7]。但这些传统DEA模型都没有对投入与产出的松弛问题进行研究。由于传统DEA存在的这一缺陷问题，Kaoru Tone在2001年提出了SBM模型。该模型在计算决策单元效率时把松弛变量因素考虑在内，从而很好地解决了传统DEA模型的其中一个缺陷；但是，还是不能区分有效决策单元效率的大小。为此，Tone在SBM基础上又提出了SBM超效率模型[8]，该模型不仅考虑了松弛变量的问题，而且可以对有效决策单元的大小进行区分。其具体如下：假设有n个决策单元，每个决策单元都有m种输入和s输出，在VRS条件下的SBM超效率模型为

其中，δ*是效率值，m和s是投入产出变量的个数，si-、si+是投入和产出变量的松弛变量。

2评估指标与数据来源

关于农业机械化效率的评价指标，目前理论界看法不一。本文在已有研究基础上,考虑到指标数据的可获得性,建立了中国农业机械化效率评估指标，如表1所示。其中，投入指标包括大中型拖拉机、小型拖拉机和农用排灌柴油机，3个指标可以很好地度量农业机械化状况；产出指标选取粮食作物播种面积而非农作物播种面积，因为农业机械化主要应用于粮食作物的耕种收。

表1　中国农业机械化效率评估指标

为了使得决策单元具有可比性，参照2014年中国统计年鉴中粮食作物的播种面积，将粮食作物的播种面积在3 000khm2以上的省份作为比较对象，从而确定了18个比较对象。2010-2013年中国农业机械化效率数据来源于历年《中国统计年鉴》。

3中国农业机械化效率的实证分析

3.1中国农业机械化效率空间差异特征

根据2010-2013年中国农业机械化的投入产出数据，利用Maxdea6.4专业版软件，从非非径向SBM的非导向(投入优先)角度出发，结合BCC模型和超效率模型，测算了2010-2013年我国18个省份农业机械化效率的变动状况，如表2所示。

表2　2010-2013年我国18个省份农业机械化效率测算结果

中国农业机械化效率大致呈现出以下空间特征：

1)中国农业机械化效率总体较低，且省际差异明显。从均值来看， 2010-2013年中国农业机械化效率都小于1，未达到有效前沿面；但总体技术效率处于上升趋势，2010年中国农业机械化效率为0.660，到2013年上升到0.671，上升1.7%。

2010年，农业机械化效率最高的省份为山西(1.502)，最低的省份是山东(0.149)，二者相差9倍；2013年二者差距进一步扩大为10倍以上。

2)农业机械化效率按照东中西部地区呈现递减趋势。东部地区的农业机械化效率总体上最低。2010年，6个东部省份(河北、黑龙江、吉林、江苏、辽宁、山东)的农业机械化均值为0.426，此后几年略有上升，到2013年增长到0.537，但是仍要低于中西部地区。由此可见，与中西部地区相比，东部地区的农业机械化资源并未得到高效利用。

中部地区的农业机械化效率总体上介于东部和西部之间。2010年6个中部省份(安徽、河南、湖北、湖南、江西、山西)的农业机械化均值为0.732，此后几年先小幅增长，后又下降，到2013年降到0.696；但总体上仍大于东部地区，小于西部地区。

西部地区的农业机械化效率总体上最高。2010年6个西部省份(广西、贵州、内蒙古、陕西、四川、云南)的农业机械化均值为0.822，此后先升后降，到2013年变为0.781，仍高于东中部地区。

3.2我国18 个省份农业机械化效率空间差异动因

表3测算了2013年我国18个省份农业机械化效率分解状况。

表3　2013年我国18个省份农业机械化效率分解

由表3可知，中国18 个省份农业机械化效率空间差异动因为：

1)高效率省份农业机械化效率的驱动因素是纯技术效率。2013年处于有效前沿面的省份共有4个，江西省农业机械化综合技术效率为2.275,这与纯技术效率(2.430)较高有很大关系。黑龙江省规模效率虽然很低,仅为0.287；但是，由于拥有最高的纯技术效率(5.671),使得其综合技术效率也达到了有效,为1.628。四川和贵州农业机械化综合技术效率为1.338和1.073，与之对应，四川和贵州农业机械化纯技术效率分别为2.177及1.635。

2)低效率省份农业机械化效率的驱动因素呈现多元化。2013年农业机械化总体技术效率不高省份的动因大致存在3种情况：一是部分技术低效地区农业机械化总体技术效率不高的动因在于规模效率过低，如河南、山西、云南。这3省的农业机械化纯技术效率都大于1，但是规模效率都小于1，致使这3省的总体技术效率未达到有效。二是部分技术低效地区农业机械化总体技术效率不高的动因在于纯技术效率过低，如广西、湖北、湖南、江苏4省。这4个地区的规模效率都接近于1，然而由于纯技术效率远小于1，使得总体技术效率未达到有效。三是部分技术低效地区农业防涝抗旱总体技术效率不高的动因在于纯技术效率和规模效率过低，如安徽、河北、吉林、辽宁、内蒙古、山东和陕西。这7个地区纯技术效率和规模效率普遍不高，共同导致农业机械化总体技术效率低下。

3)农业机械化规模收益变动递增地区较少。通过对各省份农业机械化规模收益变动趋势分析发现，目前规模收益变动递减的省份有9个，分别为安徽、河北、河南、黑龙江、湖北、江苏、江西、山东和四川，说明这9个省份在目前技术水平下通过增加农业机械数量实现收益增加的可能性越来越小。规模收益不变的省份有1个，为广西，目前无法单纯通过增加农业机械数量实现收益的递增。规模收益递增的省份有8个，分别为贵州、湖南、吉林、辽宁、内蒙古、山西、陕西和云南，对于这8个省份来说，目前通过增加农业机械数量仍然能够实现收益的递增。

3.3我国18 个省份农业机械投入冗余

表4显示了2013年我国18 个省份农业机械投入松弛变量状况。由表4可知：

1)从整体来看，大中型拖拉机、小型拖拉机和农用排灌柴油机数量过多是导致大多数省份农业机械化效率低下的主要原因。一是许多农业机械化效率较低省份3个农业机械投入变量都存在严重冗余。如安徽、河北、湖北、辽宁和山东，5省份大中型拖拉机、小型拖拉机和农用排灌柴油机松弛系数都超过了50%。其中，河北省大中型拖拉机数量与其他省份相比超标92.55%，山东省小型拖拉机数量与其他省份相比超标93.28%，辽宁省农用排灌柴油机数量与其他省份相比超标81.08%。二是部分农业机械化效率较低省份在某个变量上不存在松弛状况。如吉林和山西两省在农用排灌柴油机、云南省在大中型拖拉机的投入上不存在松弛。三是其他农业机械化效率较低省份大中型拖拉机、小型拖拉机和农用排灌柴油机存在1～2个变量松弛系数超过50%。

2)对于4个农业机械化效率较高的省份来说，在维持技术有效的前提下可以继续增加农业机械投入数量：贵州省可以增加22%的大中型拖拉机；黑龙江省可以增加50.16%小型拖拉机和138.21%的农用排灌柴油机；江西省可以增加350.83%的大中型拖拉机和31.57%的农用排灌柴油机；四川可以增加49.46%的小型拖拉机和51.91%的农用排灌柴油机。

表4　2013年中国18 个省份农业机械投入松弛系数

4结论与建议

1)中国农业机械化效率总体较低，且省际差异明显。农业机械化效率按照东中西部地区呈现递减趋势。东部地区的农业机械化效率总体上最低，中部地区的农业机械化效率总体上介于东部和西部之间，西部地区的农业机械化效率总体上最高。

2)高效率省份农业机械化效率的驱动因素是纯技术效率，低效率省份农业机械化效率的驱动因素呈现多元化。其大致存在3种情况：一是河南、山西、云南3省农业机械化总体技术效率不高的原因在于规模效率过低；二是广西、湖北、湖南、江苏4省农业机械化总体技术效率不高的原因在于纯技术效率过低；三是安徽、河北、吉林、辽宁、内蒙古、山东和陕西7省农业防涝抗旱总体技术效率不高的动因在于纯技术效率规模效率过低。农业机械化规模收益变动递增地区较少，1/2以上省份农业机械化规模收益变动处于非增阶段,目前通过增加农业机械数量无法能够实现收益的递增。

3)从整体来看，大中型拖拉机、小型拖拉机和农用排灌柴油机数量过多是导致大多数省份农业机械化效率低下的主要原因。

总之，大多数省份农业机械化效率并不高，存在农业机械资源配置不合理的问题。为此，要大力推进农业机械投入结构转变，通过结构优化策略提升我国农业机械化效率。具体结构优化策略包括:

1)农业机械化战略结构优化。转变重资源数量投入的粗放式农业机械化发展战略，建立效率导向型的农业机械化发展战略。

2)农业机械化动力结构优化。加强对农业机械资源的管理和整合，实现农业机械资源的优化配置，提升农业机械的纯技术效率是大力提升我国大多数省份农业机械化效率的主导驱动因素。在此基础上，也不能忽视农业机械的规模效应，应在现有农业机械资源优化的基础上进一步加大农业机械的投入规模，可以明显提高我国的农业机械化效率和水平。

3)农业机械化区域结构优化。转变同一化的农业机械资源投入模式，建立差异化的农业机械资源投入模式。对于4个农业机械化效率较高的省份来说，在维持技术有效的前提下可以继续增加农业机械投入数量。对于低效率地区来说，其农业机械资源投入重点是加强对现有农业机械资源存量的整改提升，在存量优化基础上适度增加农业机械资源的投入。

参考文献：

[1]韩长赋.中国农作物耕种收综合机械化水平今年将超过61%[EB/OL].2014-11-03.http://news.xinhuanet.com/fortune/2014-11/03/c_1113097444.htm.

[2]张宗毅，曹光乔．"十五"期间中国农机化效率及地区差异[J].农业工程学报，2008，24(7) : 284-289．

[3]李卫，薛彩霞，朱瑞祥，等．基于前沿面理论的中国农业机械生产配置效率分析[J].农业工程学报，2012，28(3): 38-43．

[4]余世勇，王佳.中国农业机械化效率分析[J].江苏农业科学，2013，41(12)：420-422.

[5]侯翔，马占新，赵春英.数据包络分析模型评述与分类[J].内蒙古大学学报：自然科学版，2010(5):583-593.

[6]Charnes A，Cooper W W，Rhodes E.Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Research，1978(2):429-444．

[7]Banker R D，Charnes A，Cooper W W.Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J].Management Science，1984，30:1078-1092．

[8]TONE K.A Slacks-Based Measure of Super-efficiency in Data Envelopment Analysis[J].European Journal of Operational Research,2002,143(3):32-41.

Study on the Inter-Provincial Differences of Agricultural Mechanization Efficiency in China

Liu Taoa,b

(a.Research Center of Safety and Emergency Management; b.Emergency Management School，Henan Polytechnic University, Jiaozuo 454003，China)

Abstract：We should not only pay attention to enhance the total amount of agricultural mechanization，but also pay more attention to the efficiency of resource allocation.Based on BCC model and super efficiency model，this paper calculates the changes of the agricultural mechanization efficiency in 18 provinces in China during 2010-2013.The conclusions are: agricultural mechanization efficiency in most of the provinces is not high，and agricultural mechanization resources are irrational allocated.Agricultural mechanization efficiency in the eastern and western regions is decreasing.The driving factor of agricultural mechanization efficiency in high efficiency provinces is pure technical efficiency.The driving factor of agricultural mechanization efficiency in low efficiency provinces is diversified.Overall，the too much number of large and medium-sized tractors，microtractors and agricultural diesel engines is the main reason leading to the low agricultural mechanization efficiency in most of the provinces.To this end,we should vigorously promote the transformation of agricultural machinery input structure,improve the agricultural mechanization efficiency in China through the optimization of strategic structure ,power structure and regional structure.

Key words：agricultural mechanization ；efficiency；DEA method；structure optimization

文章编号：1003-188X(2016)05-0001-05

中图分类号：S23-01

文献标识码：A

作者简介：刘涛(1983-)，男，山东沂水人，副教授，博士，硕士生导师，(E-mail)liutao2511001@126.com。

基金项目：教育部人文社会科学研究青年基金项目(13YJCZH106)；河北省社会科学基金项目( HB13LJ001)；河南理工大学博士基金项目(B2012-037)

收稿日期：2015-05-07