基于DEA模型的武汉郊区农用地利用效率评价

2017-07-15高梦雅方世明许基伟

湖北农业科学 2017年12期

高梦雅+方世明+许基伟

摘要：为了解武汉市郊区农用地利用效率的时空分布情况，利用DEA模型对2008～2014年武汉郊区农用地效率进行计算。结果表明，在时间序列上，农用地利用效率呈逐年下降的趋势，并且变异系数逐年增加，表明各区间农用地利用效率差异呈逐年扩大的趋势；从空间角度，新洲区和蔡甸区的农用地利用效率偏低。通过纯技术效率和规模效率的计算得到新洲区和蔡甸区DEA值非有效的主要原因是純技术效率偏低，并在DEA模型中找到改进的途径以及潜力。

关键词：DEA模型；农用地利用；投入产出效率

中图分类号：F301.2 文献标识码：A 文章编号：0439-8114（2017）12-2377-05

DOI：10.14088/j.cnki.issn0439-8114.2017.12.044

Evaluation of Agricultural Land Use Efficiency in Wuhan Suburbss Based on DEA Model

GAO Meng-ya，FANG Shi-ming，XU Ji-wei

（School of Public Administration，China University of Geosciences，Wuhan 430074，China）

Abstract： In order to understand the temporal and spatial distribution of agricultural land use efficiency in Wuhan suburb，the DEA model was used to calculate the farmland efficiency in Wuhan suburb from 2008 to 2014. The results showed that the agricultural land use efficiency decreased year by year，and the coefficient of variation increased year by year，which indicated that the difference of agricultural land use efficiency was increasing year by year. The utilization efficiency of agricultural land is low in Xinzhou and Caidian districts. The main reason for the inefficiency of the DEA of Xinzhou and Caidian is that the pure technical efficiency is low，and the improvement approach and potential are found in the DEA model.

Key words： DEA model； agricultural land use； input-output efficiency

随着社会经济飞速发展，土地供给与需求间的矛盾越来越严重，土地资源的稀缺性和重要性要求人们必须集约利用土地，努力提高土地资源利用效率[1，2]。其中农用地的利用效率和中国粮食安全问题直接相关，尤其值得深入研究。然而目前关于土地利用效率评价的主要研究对象是城市土地，很少研究农用地利用效率。因此亟需对农用地利用效率进行深入研究。

农用地是农民进行农业生产所依赖的土地，包含耕地、园地、林地、牧草地和养殖水面等。由于农用地的利用过程是一个动态变化的过程，因此农用地利用效率在时间序列上也呈现出逐步变化的动态过程。农用地利用效率能够衡量农用地资源利用水平的高低以及判断各要素配置是否合理，它的高低与农用地资源利用水平呈高度正相关性，农用地利用效率越高说明农用地资源利用水平越高，农用地投入资源配置也就越合理。

1 研究方法与数据来源

1.1 数据包络分析的CCR模型

数据包络分析（DEA）是一种多输入多输出的分析方法，也就是一种要素投入与产出之间的相对效率评价的分析方法[3，4]。因为不需要确定各变量间函数关系、不需要主观地赋予权重以及可以分析决策单元无效率的原因并提出改进措施等优点，DEA方法已经成为了评价相对效率的主要工具[5，6]。DEA方法的基本思想是由每一个被评价单元构成一个决策单元（DMU），经过对投入指标和产出指标的整体分析，判断各决策单元是否有效，如果决策单元非有效，则对其提出改进措施及改进潜力[7，8]。CCR模型是DEA模型中最经典的模型，其假定生产规模报酬不变，通过线性规划估计生产前沿，并估算出各决策单元的相对效率。假设对n个决策单元的效率进行评价，每个决策单元有m个投入变量和s个产出变量，决策单元的输入变量为Xj=（x1j，x2j，…，xmj）T，决策单元的输出变量为Yj=（y

1.2 变异系数

1.3 指标体系的建立

在运用DEA方法的过程中，指标选择至关重要。根据已有研究，并考虑到指标的可获得性以及CCR模型的特点来选择指标，最终确定了指标体系（表1）。

1）投入指标。农用地的投入包括土地投入、资本投入、劳动力投入。土地投入是指各种农用地的面积，由于数据的可获取性，故选取具有代表性的耕地面积作为土地投入指标。化肥施用量、农药使用量、塑料薄膜使用量在一定程度上可以代表农用地的资本投入。劳动力投入是指在农用地上进行农业生产的人员数量，因此可以直接用农林牧渔业从业人员数来表示。

2）产出指标。选取社会产出、经济产出两个方面作为产出指标。最能代表社会利益的重要指标就是居民人均纯收入，故将农村居民人均纯收入作为社会产出指标。农林牧渔业总产值和粮食作物产量可以在一定程度上体现出农用地的经济产出情况，因此可以用作经济产出指标。

1.4 数据来源

所有指标数据均来自于2009～2015年《武汉统计年鉴》。其中，耕地面积来自于分区耕地面积，农林牧渔从业人员来自于分区农村户数、人口、从业人员，化肥施用量、农药使用量、塑料薄膜使用量来自于分区农业投入，农林牧渔业总产值来自于分区按当年价格计算的农林牧渔业产值，农村居民人均纯收入来自于分区农村居民人均纯收入，粮食作物产量来自于分区农作物总产量。

2 武汉郊区农用地利用效率分析

2.1 武汉郊区农用地利用效率时空演变分析

根据各项统计数据利用DEA Solver Pro5.0软件中的CCR模型对武汉郊区农用地利用效率进行计算，并利用公式（2）计算出历年各区间农用地利用效率变异系数。由图1可知，2008～2014年间武汉郊区农用地利用效率平均值为0.96，但呈现逐年递减的趋势，在2013年降到了0.93，如果能够把当年的生产要素潜力全部发挥出来，产出效率还可以提高7%。同时，各区间的变异系数逐年增大，各区间农用地利用效率差异呈逐步扩大的趋势。为具体分析2008～2014年武汉郊区农用地利用效率在空间上如何演变，利用2008、2010、2012、2014年各区的农用地利用效率值，在ArcGIS 10.1平台上绘制各区农用地利用效率的空间分布图并对其进行空间分析（图2）。对于DEA非有效的区域，低于数值平均值减半个标准差作为DEA相对低效区域，在数值平均值减半个标准差与数值平均值加半个标准差之间为DEA相对中效区域，高于数值平均值加半个标准差作为DEA相对高效区域[12，13]。具体到2008年，DEA有效的区域为东西湖区、汉南区、蔡甸区、江夏区、黄陂区，仅新洲区为DEA非有效区域，效率值为0.97，相对于其他区域的效率来说是相对低效区域。2010年蔡甸区的农用地利用效率降低为0.99，从DEA有效区域变成DEA相对中效区域，新洲区依旧是DEA相对低效区域，相较于2008年的数值，其农用地利用效率下降了11%。2012年各区的农用地利用效率值变化不大，依旧是蔡甸区和新洲区DEA非有效，相较于前年的数值，蔡甸区农用地利用效率值减少了12%，成为DEA相对低效区域，新洲区效率值维持不变。2014年蔡甸区农用地利用效率值稍有回升，增加了4%，成为DEA相对中效区域，新洲区农用地利用效率值持续下降到76%，依然是DEA相对低效区域。

2.2 农用地利用效率的分解

用BCC模型计算得出纯技术效率，再将CCR模型的計算结果除以BCC模型所得结果可得到规模效率（图3）。由图3可知，规模效率与纯技术效率大致上同步变化，均呈下降趋势，其中纯技术效率均值为0.97，低于规模效率的均值0.99，但是纯技术效率与综合技术效率的相关性明显高于规模效率与综合技术效率的相关性（图4）。由图4可知，回归线均偏离了对角线，说明综合技术效率受到纯技术效率和规模效率的双重制约[14，15]，并且技术效率与综合技术效率的回归线相较于规模效率更接近于对角线，说明纯技术效率对武汉郊区农用地利用效率的影响更大，也就表明蔡甸区、新洲区效率偏低的主要因素是纯技术效率较低，因此该区应该在往后的农用地利用中提升纯技术效率。

3 各区农用地利用效率无效率原因与改进潜力

针对武汉郊区农用地利用效率现状，利用CCR模型从投入产出数据中寻找农用地利用无效率的原因，并提出了改进措施以及潜力。CCR模型表明，若θ<1，松弛变量S-、S+的大小可以反映各区农用地利用效率的改进方法[16]。选择2014年各区农用地利用情况进行分析（表2）。由表2可知，蔡甸区的耕地面积投入冗余为15.82%，农林牧渔业从业人员投入冗余为29.61%；新洲区耕地面积投入冗余为22.79%，农林牧渔业从业人员投入冗余为22.77%，化肥施用量投入冗余为46.02%，农药使用量投入冗余为41.28%，塑料薄膜使用量投入冗余为51.45%。分析发现农用地利用无效率区域普遍存在各要素投入冗余的现象，投入要素配置不尽合理以及产出不足的情况[17，18]。因此，优化各要素配置结构，增加单位面积农用地产出是提高各区农用地利用效率的主要途径[19]。

4 小结与讨论

本研究运用CCR模型，根据2008～2014年的武汉统计年鉴数据，分别从时空角度对武汉郊区农用地利用效率进行了实证研究。首先计算了2008～2014年武汉郊区农用地利用效率，分析了各区2008、2010、2012、2014年农用地利用效率的空间演变过程，接着对综合技术效率进行分解，最后对武汉郊区农用地利用无效率区域的无效率原因以及改进潜力进行了详细分析。

1）在研究期间，武汉郊区农用地利用效率呈逐年下降趋势，从99%降到了94%。2008年仅有新洲区DEA非有效，此后蔡甸区农用地利用效率逐步降低，成为DEA非有效区域。各区间的变异系数逐步扩大，从2008年的1%增加到2014年的9%，表明各区农用地利用效率差异呈逐步扩大的趋势。

2）从效率分解的角度，农用地利用效率变化主要是受到纯技术效率演变的制约，在研究期间内武汉郊区农用地利用效率逐年降低，主要是因为纯技术效率偏低。运用CCR模型和BCC模型从投入产出数据中寻找2014年武汉郊区农用地无效率的原因，可以发现蔡甸区和新洲区各要素投入冗余且产出不足，并给出了具体的改进措施和潜力，各区可以根据该措施对农用地利用过程中各投入要素的结构进行优化配置，增加单位面积农用地产出。

5 展望

本研究运用CCR模型研究武汉郊区农用地利用效率时，对于产出指标选用了1个社会指标2个经济指标，由于数据的可获得性并未选取相应的环境指标，在接下来的研究中应引入环境产出指标。并且由于CCR模型本身的缺陷，本研究并未考虑农用地利用过程中产生的非期望产出，因此会使得计算结果普遍高于实际情况，在接下来的研究中可以加入各农用地碳排放量作为非期望产出的指标。

参考文献：

[1] SIVAM A. Constraints affecting the efficiency of the urban residential land market in developing countries：A case study of India[J]. Habitat International，2002，26（4）：523-537.

[2] 刘彦随，邓旭升，甘红.我国城市土地利用态势及优化对策[J].重庆建筑大学学报，2005（3）：1-4.

[3] 杨清可，段学军，叶磊，等.基于SBM-Undesirable模型的城市土地利用效率评价——以长三角地区16城市为例[J].资源科学，2014，36（4）：712-721.

[4] CHARNES A，COOPER W W，RHODES E.Measuring the efficiency of decision making units[J]. European Journal of Operational Research，1978，2（6）：429-444.

[5] 陈江龙，曲福田，陈雯.农地非农化效率的空间差异及其对土地利用政策调整的启示[J].管理经济，2004（8）：37-42，155.

[6] 陈诗一，张军.中国地方政府财政支出效率研究：1978-2005[J].中国社会科学，2008（4）：65-78.

[7] ANDERSEN P，PETERSEN N C. A procedure for ranking efficient units in data envelopment analysis[J].Management Science，1993，10：1261-1264.

[8] TONE K. A slacks-based measure of efficiency in data envelopment analysis[J].European Journal of Operational Research，2001，130：498-509.

[9] 魏權龄.数据包络分析（DEA）[J].科学通报，2000，45（17）：1793-1808.

[10] 朱枫.湖北省耕地生产效率的区域差异及提升研究[D].武汉：华中农业大学，2015.

[11] 陈志辉，祝甲山.浅议城市土地利用及其评价[J].城市问题，2002（6）：62-63.

[12] 李娟，李建强，吉中贵，等.基于超DEA模型的成都市城市土地利用效率评价[J].资源与产业，2010，12（2）：40-45.

[13] 魏楚，沈满洪.规模效率与配置效率——一个对中国能源低效的解释[J].世界经济，2009（4）：84-96.