中国玉米生产配置效率的空间关联效应及其影响因素研究

王雪娇，肖海峰

（中国农业大学经济管理学院，北京100083）

中国玉米生产配置效率的空间关联效应及其影响因素研究

王雪娇，肖海峰

（中国农业大学经济管理学院，北京100083）

基于DEA成本效率模型，测算了2002—2014年中国20个主产省的玉米生产配置效率，然后利用空间Moran′s I对区域间玉米生产配置效率的空间关联进行测度，最后采用空间面板数据模型估计玉米生产配置效率的影响因素。结果表明，2002—2014年中国各省玉米生产配置效率的均值为78.42%，年度间波动不大，但地区间差异较大；区域间玉米生产配置效率存在正的空间相关性，配置效率较高的地区主要集中在东北、西北和华东地区；除财政支农资金比重和农业机械总动力以外，农户经营规模、人均GDP、农业科技人员占比、农民平均文化程度及农业贷款比重的扩大或提高都能有效改善玉米生产配置效率。

玉米生产；配置效率；空间相关性；空间面板数据模型

古语有云：“仓廪实，天下安。”自古以来，粮食就是安天下之本。中国作为当前世界人口大国，粮食的重要性更是不言而喻。与水稻、小麦等其他粮食作物相比，玉米适应性强、分布较广、产量较高，种植效益优势明显，再加上它的多用途性使其对于当前经济快速发展的中国而言，具有十分重要的意义。然而，受现阶段中国消费需求放缓、替代产品进口冲击等因素的影响，玉米出现暂时性供大于求、库存大幅增加、种植效益降低等问题。为此，2015年农业部提出将不断调减玉米种植面积，2016年国家发改委取消玉米临时收储政策，缓解由于玉米价格不断下跌及国内外玉米价格倒挂带来的农民“卖粮难”问题。那么，市场经济时期如何在玉米价格下跌的情况下保障农民的利益不受损失，这是一个值得深入研究的问题。根据配置效率理论，农户根据生产函数和成本函数，在一定技术水平和目标产量情况下，可以通过生产要素最优配置实现成本的最小化［1］［2］［3］。然而，地域要素禀赋的差别会导致那些资源稀缺地区的生产资源低效配置［4］，尤其是像中国这样地域辽阔，区域间自然条件、社会经济基础与技术水平差异巨大的国家，更容易出现非优势区域玉米生产资源的低效配置，导致区域间经济发展不均衡。因此，孤立的、单一的生产经营模式不能充分有效地提高玉米生产配置效率，只有合理规划布局玉米种植结构，充分利用各地区资源禀赋条件，完善生产要素跨区域流动机制，才能转变玉米生产方式，有效提高玉米生产配置效率，进而降低生产成本，保障农民的利益不受损失。

目前国内学者对粮食生产技术效率及其全要素生产率的关注比较多［4］［5］［6］，而配置效率方面的研究相对较少，国外学者则更关注粮食生产过程中水资源的优化配置问题［7］［8］。玉米作为主要的粮食作物之一，学者们更多地关注其生产技术效率及全要素生产率的变动情况［9］-［13］，而配置效率及其影响因素的研究相对较少［14］［15］［16］，基于空间计量经济学视角的研究就更少了。

一、研究方法、数据来源及指标说明

（一）研究方法

1.DEA成本效率模型

规模报酬不变（Constant Returns to Scale，CRS）的条件下，配置效率等于成本效率（Cost Efficiency，CE）除以技术效率（Technical Efficiency，TE），因此，通过测算玉米生产的成本效率和技术效率能获得其配置效率（Allocative Efficiency，AE），即AE=CE／TE。

根据王建华（2011）［2］的研究，DEA成本效率模型可定义如下：

在规模报酬不变的条件下，最小生产成本C∗（P，Y0）可表示为：

由此可以得到最优解C∗（P，Y0），则成本效率表示为：CE=

当CE=1时，说明生产要素投入有效，即生产成本达到最小化；当CE＜1时，生产处于无效的水平，说明实际投入成本过高。在实际生产过程中，决策单元通常处于规模报酬可变（Variable Returns to Scale，VRS）的条件下，此时技术效率可分解为纯技术效率（Pure Technical Efficiency，PTE）和规模效率（Scale Efficiency，SE）。因此，可变规模报酬条件下的成本效率等于纯技术效率、规模效率和配置效率三者的乘积，即CE=PTE∗SE∗AE。

2.空间自相关性检验模型

空间Moran＇s I可以用来检验区域间玉米生产配置效率是否存在空间自相关性，其测算公式如下［17］：

其中，n为区域数，Yi、Yj分别表示第i、j个省份的玉米生产配置效率值，分别为玉米生产配置效率的平均值和方差，Wij为空间权值矩阵。Moran's I∈［-1，1］，当Moran's I＞0时，表明区域间玉米生产配置效率存在空间正相关，反之相反，当Moran's I=0时，表明空间上呈随机分布。

3.空间面板数据模型

常见的空间面板数据模型（Spatial Panel Data Model，SPDM）包括空间面板滞后模型（Spatial Panel Lag Model，SPLM）和空间面板误差模型（Spatial Panel Error model，SPEM）。SPLM假定因变量存在空间上的依赖性，其表达式为：yit=；SPEM假定因变量依赖于观测个体自身特征，误差项存在空间相关性，其表达式为：+εit。表达式中i=1，2，…，N指观测样本数。t= 1，2，…，T指时间，yit是因变量观测值，δ为空间自回归系数，是i省省会城市与j省省会城市间的地理距离）为空间权重矩阵W中的元素［17］，δΣwijyjt是因变量的空间滞后项。Xit为K维解释变量行向量，β为K维系数列向量，μi是空间单元个体效应，εit表示均值为0，方差为σ2，独立同分布的随机误差项，φit是空间自相关误差项，ρ为空间自相关系数，ρΣwijφjt是随机扰动项中的空间滞后项。

（二）数据来源及指标说明

首先，本文用于测算玉米生产配置效率的投入产出数据来源于《全国农产品成本收益资料汇编》和《中国统计年鉴》。其次，估计配置效率影响因素的指标数据主要来源于《中国农村统计年鉴》《中国统计年鉴》《中国科技统计年鉴》《中国教育统计年鉴》《中国人口和就业统计年鉴》《新中国60年统计资料汇编》、各省统计年鉴以及中国农村金融服务报告等，个别年份个别指标的缺失数据，为了保持数据的平稳性，取前后两年的平均数。另外，测算玉米生产配置效率时选取的投入要素包括劳动和物质投入两方面，其中物质投入构成中，选取每亩种子用量、每亩化肥用量和每亩租赁作业动力等投入量替代物质投入。考虑到价格因素对投入要素的影响，产出变量选取玉米生产的每亩主产品产值。要素投入价格（人工价格、种子价格、化肥价格和每亩机械租赁价格）通过对应的费用除以其投入量计算得到。需要说明的是，每亩租赁作业动力=（第t年i省农业产值／第t年省农林牧副渔总产值）（第t年i省粮食播种面积／第t年i省农作物总播种面积）（第t年i省玉米种植面积／第t年粮食播种面积）（第t年i省农业机械总动力／第t年i省年末耕地面积）［18］。在研究中国玉米生产配置效率影响因素时选取的指标分别为各省的农户经营规模、人均GDP、农民平均文化程度财政支农资金比重、农业科技人员占比、农业机械总动力及农业贷款比重。

二、数据处理和实证结果分析

（一）玉米生产配置效率测算结果及分析

表1是CRS和VRS条件下中国各省①包括河北、山西、内蒙古、辽宁、吉林、黑龙江、江苏、安徽、山东、河南、湖北、广西、重庆、四川、云南、贵州、陕西、甘肃、宁夏和新疆省（市、自治区）。分年度玉米成本效率、技术效率及配置效率的平均值测算结果。可知，CRS假设条件下的各效率值均小于VRS的；根据Zheng等（1998）［19］建议，当在两种效率假设取值不同时，应以VRS假设下的结果为主。故本文基于VRS假设下的结果对玉米生产配置效率进行分析。首先，2002—2014年中国各省玉米生产配置效率的均值偏低，为0.7842，远低于纯技术效率（0.9505）和规模效率值（0.9625），直接导致玉米生产的低成本效率。其次，年度间配置效率围绕80%上下波动，纯技术效率和规模效率也都在95%左右变动，导致历年的成本效率保持在75%左右。

表1　中国各地区2002—2014年玉米成本效率平均值测算结果

表2是CRS和VRS假设条件下2002—2014年中国分区域玉米配置效率的平均值测算结果。同上，此处仅基于VRS假设下的效率值进行分析。首先，中国玉米主产省中，仅黑龙江和新疆两个地区的玉米生产配置效率是有效的，达到100%，其余大多数省份的配置效率在80%左右，而贵州、云南和重庆地区的配置效率值均低于65%。其次，除黑龙江和新疆外，贵州、湖北、江苏和重庆地区玉米生产的纯技术效率尽管处于技术生产前沿面，但是受其玉米生产各项投入要素组合的低效配置，这四省玉米生产成本效率均为无效。最后，除规模效率外，地区间玉米生产的配置效率、纯技术效率和成本效率差异较大。一方面，黑龙江和新疆地区耕地广阔，土壤肥力较高，地势平坦，玉米种植集中连片达到规模种植的比例较高，适合大型机械作业，机械化水平较高。2012年，黑龙江玉米耕整地机械水平为98.8%，播种机械化水平达99.3%，植保机械化水平为99%，收获机械化水平为54.7%［20］，同年，新疆地区玉米机耕、机播和机收的比例分别为98.23%、92.06%和37.80%［21］；另一方面，黑龙江和新疆地区玉米生产的人工价格较其他地区明显偏高。相较于其他地区，黑龙江和新疆地区玉米种植每亩用工数量很低，而由于人工成本基本占玉米种植成本的一半以上（部分地区高达70%以上），导致以机械代替人工可以节约大量的投入成本。且新疆地区虽然每亩种子用量和化肥用量偏高，但是由于其价格较低，使得这两个地区的投入要素配置效率相对较高。而重庆和贵州位于中国西南地区，丘陵和山地居多，玉米种植面积比较分散，不适合大型机械作业，只能多投入人工，但是当地的人工价格并不低，导致其玉米生产的投入成本相对较高。

表2　2002—2014年中国各地区玉米成本效率平均值测算结果

（二）玉米生产配置效率的空间相关性分析

根据上述测度的中国各省玉米生产配置效率值，借助R 3.1.0软件，可以得到各地区2002—2014年玉米生产配置效率的Moran's I值（见表3）。由表3可知，2002—2014年各年度的Moran's I值均大于0，总体呈震荡下降趋势，绝大多数年份的Moran＇s I值在5%的显著性水平上表现出正的空间相关性，说明中国玉米生产资源配置存在地区间的空间溢出效应，即具有较高配置效率的地区互相邻近。另外，2002—2005年、2006—2008年Moran＇s I值均随着时间而减小，表明这期间空间自相关的强度有减弱的趋势。

表3　2002—2014年我国各地区玉米生产配置效率的Moran's I值

（三）玉米生产配置效率影响因素的实证分析

为进一步研究各因素在空间上对玉米生产配置效率的影响程度，本文建立空间面板数据模型并借助Matlab R 2014a软件进行估计。为直观进行对比分析，表4同时给出了OLS、SPLM和SPEM的参数估计结果。

表4　玉米生产配置效率影响因素的模型估计结果对比

由表4可知，SPLM的拟合优度和对数似然函数值分别为0.5212、213.027，均大于OLS的0.4100、190.215和SPEM的0.4650、210.186；而且各变量的显著性水平相差不大，再加上SPLM的空间自相关系数为0.360，在1%的显著性水平上显著，再次说明选择SPLM是恰当的，玉米生产配置效率确实存在地区之间的空间效应。从SPLM中还可以看出，除财政支农资金比重和农业机械总动力以外，农户经营规模、人均GDP、农业科技人员占比、农民平均文化程度及农业贷款比重的扩大或提高都能有效改善玉米生产配置效率。由于经营规模越大，农户可支配的土地资源越多。通常经济较发达地区拥有较雄厚的经济实力，能够将更多的资金投入到改善玉米生产条件上，而且受耕地资源稀缺有限制约，会集约利用有限的耕地资源以获得最大产出，从而促进玉米生产配置效率的提高。相对于较低劳动者素质的生产者而言，高素质生产者在玉米生产和先进技术推广过程中认知、接受和掌握玉米新品种、新技术和新方法的程度更快、更准确，能有效把握和获取最新的玉米市场信息，使得玉米投入要素的综合效用得以最大化发挥。农业科技人员占比越多，越有助于完善当地玉米生产的基础设施建设和提高科学技术投入水平，从而为玉米生产技术的发挥创造良好条件，促进玉米生产配置效率的改善。农业贷款比重越高，说明农户可以支配的玉米生产投入资金越多，有助于农户购置机械、雇工及获取生产技术、信息等能力的提高，从而更灵活地配置各项投入要素，促进玉米生产配置效率的提高［22］。

三、研究结论及政策含义

本文从空间视角对中国区域间玉米生产配置效率的分布特征进行分析，并借助SPDM对其影响因素做进一步研究。结果发现：（1）2002—2014年中国玉米主产省生产配置效率的平均值为78.42%，年度间波动不大，而地区间差异较大。（2）2002—2014年，各省玉米生产配置效率的Moran＇s I值在绝大多数年份中于5%的显著性水平上存在正的空间相关性，且配置效率较高的地区主要集中在东北、西北和华东地区。（3）除财政支农资金比重和农业机械总动力外，各省农户经营规模、人均GDP、农民平均文化程度、农业科技人员占比及农业贷款比重等因素的扩大或提高均可以有效改善玉米生产配置效率。因此，对于现阶段玉米生产配置效率相对有效的地区而言，应积极推进市场化进程，充分发挥市场在资源配置中的决定性作用，充分利用自身及邻近地区的优势资源要素，不断提高玉米生产过程中技术和管理水平，扩大生产可能性边界，形成多元化玉米生产资本投入体系，带动周边地区玉米生产配置效率的不断提高以实现全国玉米生产配置效率的更优。对于现阶段玉米生产配置效率相对无效的地区而言，应积极推进农业适度规模化经营，提高土地利用率和生产率，继续加快农户人力资本积累，加强农户及农业科技人员同周边地区先进玉米种植主体的学习、交流和沟通，完善金融支农机制，确保涉农信贷投放力度，充分发挥政策性和合作性金融作用，引导金融资本和社会资本进入玉米生产环节，从而达到放宽玉米种植户的流动性约束的目的，使得农户有更多的资金来提高劳动生产率，实现配置效率的有效。

［1］孙慧.配置效率的度量方法研究［D］.哈尔滨：哈尔滨工业大学，2008.

［2］王建华.基于DEA方法的农作物成本效率测度及区域特征分析——以大豆为例［J］.经济地理，2011，（7）：1190-1195.

［3］张宗毅，曹光乔.基于DEA成本效率模型的我国耕种农机装备结构优化研究［J］.农业技术经济，2012，（2）：74-82.

［4］庞英，李树超，周蕾，等.中国粮食生产资源配置效率及其区域差异——基于动态Malmquist指数的经验［J］.经济地理，2008，（1）：113-117.

［5］魏丹.我国粮食生产资源要素优化配置研究［D］.武汉：华中农业大学，2011.

［6］吴平，谭琼.我国粮食主产区农田水利设施配置效率及区域差异分析——基于DEA和动态Malmquist指数的实证研究［J］.农业现代化研究，2012，（3）：331-335.

［7］LUA Y，CAMP C R，SADLER E J.Efficient Allocations of Irrigation Water and Nitrogen Fertilizer in Corn Production［J］.Journal of Sustainable Agriculture，2004，24（4）：97-111.

［8］KLOCKE N L，et al.Crop Selections and Water Allocations for Limited Irrigation［C］／／Proceedings of the 21st Annual Central Plains Irrigation Conference.Colby Kansas，2009：24-25.

［9］郭志超.我国玉米生产函数及技术效率分析［J］.经济问题，2009，（11）：74-78.

［10］赵红雷，贾金荣.中国玉米生产技术效率分析：2001—2008——基于随机前沿生产函数［J］.西北农林科技大学学报：社会科学版，2011，（5）：56-61.

［11］MULINGA N.Economic Analysis of Factors Affecting Technical Efficiency of Smallholders Maize Production on Rwanda［J］.Rwanda Journal，2013，1（1）：52-62.

［12］王琛，吴敬学.我国玉米产业生产技术效率与其影响因素研究——基于2001—2011年的省级面板数据［J］.中国农业资源与区划，2015，（4）：23-32.

［13］朱满德，李辛一，程国强.综合性收入补贴对中国玉米全要素生产率的影响分析——基于省级面板数据的DEA-Tobit两阶段法［J］.中国农村经济，2015，（11）：4-14.

［14］栾双军.吉林省玉米生产要素辨识及配置效率分析［D］.长春：吉林大学，2006.

［15］陈秀芝，李嘉晓，庞英.中国玉米生产资源配置效率及其结构优化策略研究［J］.陕西农业科学，2013，（1）：173-177.

［16］IGE R K.Allocative Efficiency of Resources in the Production of Maize among Small Scale Farmers in Odogbolu Local Government Area of OgunState，Nigeria［J］.International Journal of Management Sciences，2014，4（9）：383-387.

［17］高鸣，宋洪远.粮食生产技术效率的空间收敛及功能区差异——兼论技术扩散的空间涟漪效应［J］.管理世界，2014，（7）：83-92.

［18］李岳云.中国粮食波动论［M］.北京：中国农业出版社，2001.

［19］ZHENG J H，LIU X，XANDBIGSTEN A.Ownership Structure and Determinants of Technical Efficiency：An Application of Data Envelopment Analysis to Chinese Enterprises（1986—1990）［J］.Journal of Comparative Economics，1998，26（5）：465-484.

［20］孙士明，靳晓燕，韩宏宇，等.黑龙江省玉米生产机械化现状及发展建议［J］.农机化研究，2015，（5）：1-6.

［21］张静.新疆玉米主栽区农机系统优化配置与规模经营的研究［D］.乌鲁木齐：新疆农业大学，2014.

［22］田杰.中国林业生产要素配置效率研究［D］.杨凌：西北农林科技大学，2014.

Spatial Correlation Measurement and Influence Factors of Allocative Efficiency for Maize Production in China

WANG Xue-jiao，XIAO Hai-feng
（College of Economics and Management，China Agricultural University，Beijing 100083，China）

Based on DEA Cost Efficiency Model，this study calculated the allocative efficiency（AE）of 20 major provinces'maize production in China from 2002 to 2014.Then we used Moran's I to measure its spatial association.Lastly，the Spatial Panel Data Model was employed to estimate its influence factors.Results indicate that the average AE of maize production among provinces is 78.42%during the 2002-2014 period，showing little change between years，while significant differences among regions.AE of maize production represents significant local spatial autocorrelation，and higher efficiency of areas mainly in the Northeast，Northwest and Eastern China.It is also found that in addition to the proportion of financial expenditure and total power of agricultural machinery，household's land operation scale，per capita GDP，agricultural scientists and technicians account for ratio，farmers＇average educational level and proportion of agricultural loans extension or rise can effectively improve AE of maize production.

maize production；allocative efficiency；spatial autocorrelation；spatial panel data model

F326.3

A

1009-1971（2016）06-0125-07

2016-08-18

农业部、财政部项目（CARS-40-20）

王雪娇（1986—），女，陕西西安人，博士研究生，从事农业经济理论与政策研究；肖海峰（1964—），男，内蒙古武川人，教授，博士，从事农业经济理论与政策研究。

［责任编辑：王 春］