安徽省农地生产效率及其影响因素研究

2018-01-10江激宇何玲玲

长春理工大学学报(社会科学版) 2017年6期

关键词：播种面积农地安徽省

江激宇，陶崔，何玲玲

（安徽农业大学经济管理学院，安徽合肥，230036）

安徽省农地生产效率及其影响因素研究

江激宇，陶崔，何玲玲

（安徽农业大学经济管理学院，安徽合肥，230036）

运用数据包络分析法和Tobit回归模型对安徽省2006～2015年的农地生产效率变化情况及其影响因素进行了实证研究。结果表明，安徽省农地生产效率相对较高。从区域差异性来看，合肥、亳州、宿州、蚌埠等9个地市的农地生产效率要高于其余7个地市。影响因素分析结果表明，农村劳动力人均播种面积、复种指数、人均国内生产总值对农地生产效率具有正向影响；灌溉面积占农作物播种面积比例、单位耕地面积机械总动力、单位耕地面积化肥施用量对农地生产效率具有负向影响。

安徽省；农地；生产效率；影响因素

一、引言

耕地的稀缺性和不可再生性决定了其在农业生产中的重要地位。根据安徽省第二次土地调查结果，安徽省人均耕地面积仅为1.3亩，远低于全国人均1.52亩和世界人均3.38亩的水平。因此，研究安徽省农地生产效率对于提高农地利用效率，加强农地保护具有重要意义。

学者们关于农地生产效率的研究主要集中在以下三个方面。从研究区域来看，主要是基于全国层面和区域层面的研究。周晓林和吴次芳等运用数据包络分析法，对我国30个地区的农地生产效率差异进行了比较研究［1］。梁流涛则利用方向性距离函数和ML生产率指数方法测度了我国31个省（市）的农地生产效率［2］。王文刚和李汝资等人运用DEA方法，对吉林省农地生产效率及其变化规律进行了研究［3］。丘雯文和杨子生对云南省16个州（市）2009～2013年的耕地生产效率进行了实证分析［4］。从研究内容来看，主要是关于耕地生产效率的区域差异及其影响因素的研究。雷国平在测度了黑龙江省耕地的生产效率的基础上，进一步研究了该省13个地市的生产效率差异以及其影响因素［5］。杨朔和于文海等运用DEA方法，对陕西省1990～2011年的耕地生产效率进行了实证分析，结果表明省内各区域之间的耕地生产效率差异较大，个别地市存投入冗余和产出欠缺的情况［6］。李在军研究了山东省耕地生产效率的区域差异性，并在此基础上分析了耕地生产效率的影响因素［7］。从研究方法来看，雷国平和赵翠萍均采用DEA方法和Tobit模型实证分析了耕地生产效率及其影响因素［5、8］。梁流涛运用方向性距离函数和ML生产率指数方法分析了我国大陆地区的农地生产效率［2］。辛良杰通过构建数理模型来测算吉林省不同经营规模农户的土地生产率［9］。叶浩等人则运用柯布-道格拉斯生产函数方法测度了我国粮食主产区11个省的耕地产出效率［10］。

尽管现有关于农地生产效率方面的研究较多，但是关于安徽省农地生产效率的研究则较少。本文运用数据包络分析法（DEA）对2006～2015年安徽省16个地市的投入和产出数据进行农地生产效率测算，分析不同区域之间的生产效率差异性，在此基础上运用Tobit回归模型分析了安徽省农地生产效率的影响因素。

二、研究方法、指标选择及数据来源

（一）数据包络分析法（DEA）

DEA方法是用来评价多投入、多产出的决策单元效率的有效方法，近三十几年来得到了较大的发展。现有的DEA模型主要有CRS模型、VRS模型、FC模型、超效率DEA模型以及三阶段DEA模型等，其中最常用的是CRS模型和VRS模型。CRS模型又称为CCR模型，测度规模报酬不变条件下的综合技术效率，用来衡量投入转化为产出的效率；VRS模型又称为BCC模型，测度的是规模报酬可变条件下的纯技术效率，用来衡量技术更新速度的快慢和推广的有效程度［11］。本研究采用VRS模型来测度2006～2015年间安徽省16个地市的农地生产效率。

在规模报酬可变的情况下，VRS的约束模型为：

上式中，θv表示效率值，IS为投入松弛变量，OS为产出松弛变量。上式的最优解为λ0，IS0，OS0，θ0，则有：若θ0〈1，则决策单元不为DEA有效；若θ0=1，且，则决策单元仅为DEA弱有效；若θ0=1，且，则决策单元为DEA有效。

（二）Tobit模型

Tobit回归模型法是当被解释变量受到限制时而采用的一种研究方法，最早是由经济学家Tobin J.教授于1958年在研究耐用消费品需求时提出［12］。Tobit回归的优点在于回归解释变量可以是连续的数值类型的变量，也可以是0或1类型的虚拟变量。标准Tobit模型如下：

（三）投入产出指标的选取

综合考虑研究数据的有效性、科学性以及可得性，本文选取农作物总播种面积（公顷）作为土地投入指标，选取农业从业人员数量（人）作为劳动力投入指标，选取农业机械总动力（万千瓦）、农地化肥使用量（吨）、农药使用量（吨）、有效灌溉面积（千公顷）作为资本投入指标，以农业总产值（万元）作为产出指标。

（四）数据来源与处理

数据主要来源于2007～2016年的《安徽省统计年鉴》和安徽省统计局门户网站。对于研究中所使用的农业总产值数据进行折算，折算的基准年为2005年。由于农业从业人员数量无法直接从《安徽省统计年鉴》中直接获得，根据林毅夫（2005）和黄少安（2005）的研究方法，用农业总产值占农林牧渔业总产值的比值作为权数，将农林牧渔业从业人员进行换算，从而得到2006～2009年安徽省农业从业人员的数量［13-14］。

三、实证研究及结果分析

以安徽省合肥、淮北、亳州、宿州、蚌埠、阜阳、淮南、滁州、六安、马鞍山、芜湖、宣城、铜陵、池州、安庆、黄山16个地级市2006～2015年的投入产出数据为基础，运用DEAP2.1软件对这16个地市的农地生产效率进行测算，并将各市2006～2015年的生产效率结果进行汇总后平均，即可得到安徽省2006～2015年农地生产效率的变化情况，如图1。

图1 2006～2015年安徽省农地生产效率

（一）安徽省农地生产效率特征

根据测算结果，安徽省2006～2015年农地生产效率的综合技术效率的平均值0.927，这说明实际生产占理想生产的92.7%。此时只要将投入降低7.3%，且产出保持不变，农地的生产效率便会实现有效。总体看来，2006～2015年安徽省农地生产的综合技术效率值不稳定，大致可以分为两个阶段。第一阶段为2006～2010年，处于下降状态，第二阶段为2010～2015年，处于波动上升趋势。2008年综合技术效率达到最高值0.951后便开始下降，2010年达到最低值0.9，此后开始增长，并趋于稳定。规模效率从2008年的0.995快速降低至2010年的0.946，此后便开始逐渐上升。技术效率则相对稳定，平均值达到0.955。2006～2015年间安徽省农地生产的规模效率变动趋势与综合技术效率一致，由此可见，在非DEA有效的年份，规模效率对综合技术效率有着较大的影响。

（二）各地市农地生产效率分析

表1 2006～2015年安徽省16个地市农地生产效率平均值

通过对安徽省16个地市2006～2015年间的农地生产效率进行汇总后平均，可以得到这16个地市的农地生产效率平均值，如表1。根据表1中的效率值，可以将16个地区的农地生产效率分为3种不同状态，即DEA有效率状态、技术有效但规模无效率状态、技术和规模均无效率状态。处于DEA有效率状态的有合肥、蚌埠、阜阳、黄山，2006～2015年这四个城市的技术效率、规模效率和综合技术效率均值均为1，说明在当前经营规模下，技术投入和管理水平已达到最优。宿州、马鞍山、铜陵技术效率为1，规模效率和综合技术效率均小于1，则这三个市处于技术有效但规模无效率状态，造成这种情况的关键原因在于规模效率较低。因此，可以通过扩大农户的生产经营规模来提高农地生产的规模效率和综合技术效率。当技术效率、规模效率和综合技术效率都小于1时，淮北、亳州、淮南、滁州、六安、芜湖、宣城、池州、安庆九市都处于技术和规模均无效率的状态。

1.综合技术效率。2006～2015年合肥、蚌埠、阜阳、黄山4个地区的平均综合技术效率均为1，处在综合技术效率前沿面上，说明这4个地区的各项投入已经达到最佳状态。综合技术效率值较高的地区有亳州、宿州、滁州、马鞍山、芜湖、池州，这6个地区的平均综合技术效率值均达到了0.95以上；处于中等水平的有淮北、宣城、安庆，这3个地区的平均综合技术效率值达到了0.85以上；淮南、六安和铜陵三个地区的平均综合技术效率值较低。上述结果表明，经济发展水平较高的地区，其平均综合技术效率较高，耕作条件和气候条件较好的地区平均综合技术效率值也较高。

2.技术效率。2006～2015年技术效率有效的地区有合肥、宿州、蚌埠、阜阳、马鞍山、铜陵、黄山，说明这7个地区的技术投入水平和管理水平相对较高。虽然马鞍山和铜陵的技术效率有效，但是其平均综合技术效率却无效；亳州、滁州、芜湖、池州、安庆的平均技术效率较高，平均综合技术效率却低于平均规模效率，说明这些地区的农地生产效率主要受到规模效率的影响。其余处于技术效率无效的地区，说明这些地区在技术投入和推广方面有所欠缺。

3.规模效率。根据16个地区的规模效率测算结果可以发现，处于规模效率有效状态的只有合肥、蚌埠、阜阳和黄山，说明这4个地区的生产规模结构已经达到最优。规模效率在0.95以上的有亳州、宿州、淮南、滁州、六安、马鞍山、芜湖、宣城、池州。亳州、滁州、芜湖的平均技术效率和平均规模效率都较高，说明这3个地区的技术投入和生产规模已经达到最佳状态。淮南和六安的平均规模效率均大于平均技术效率，且平均综合技术效率较低，说明提高农地生产效率的关键在于加强科技方面的投入。

（三）农地生产效率地区差异分析

为了研究安徽省16个地市之间的农地生产效率差异，运用stata14.0软件对安徽省各个地区2006～2015年的平均综合技术效率值进行聚类分析，如表2。

表2 安徽省16个地区综合技术效率聚类分析结果及其效率平均值

根据表2可以得出，安徽省16个地市的农地生产效率有着明显的区域差异。其中以合肥、亳州、宿州和蚌埠等城市为主的一类地区多为经济发展水平相对较高或者农业生产条件较好的地区，这些地区的综合技术效率、技术效率和规模效率的平均值较高，分别达到了0.991，0997和0.995，远高于全省平均水平。此外，这9个地区的技术效率平均值也高于规模效率平均值，且接近于1，这表明该类地区的投入已经接近生产前沿面，此时可以通过调整农业生产规模来提高农地的生产效率。

二类地区和三类地区的综合技术效率平均值为0.913和0.751，远低于一类地区，这些地区经济发展水平和农业生产条件也远不及一类地区。从表2还可以看出，二类地区和三类地区的规模效率均大于技术效率，表明这些地区在技术投入和推广方面存在欠缺。因此，要提高这些地区的农地生产效率，就应该加强科技投入，推广农业新技术。

表3 安徽省农地技术效率Tobit模型回归结果

四、农地生产效率影响因素分析

（一）影响因素的选择

根据现有对土地生产效率影响因素的研究［4-5、7-8］，综合考虑数据的可得性，选取农村劳动力人均播种面积、复种指数、受灾面积占农作物播种面积比例、人均国内生产总值、灌溉面积占农作物播种面积比例、单位耕地面积机械总动力、单位耕地面积化肥施用量共7个因素作为安徽省农地生产效率的影响因素。Tobit回归模型具体形式如下：

其中，Yit表示i地区在第t年的农地综合技术效率值；X1、X2、X3、X4、X5、X6、X7分别表示农村劳动力人均播种面积、复种指数、受灾面积占农作物播种面积比例、人均国内生产总值、灌溉面积占农作物播种面积比例、单位耕地面积机械总动力、单位耕地面积化肥施用量；β0为常数项，β1、β2、β3、β4、β5、β6、β7为各个自变量系数；μ为随机扰动项。

（二）农地生产效率影响因素分析

利用Stata14.0对安徽省16个地市的农地生产效率影响因素进行Tobit回归分析。从表3的回归结果可以看出，农村劳动力人均播种面积（X1）、单位耕地面积机械总动力（X6）在10%的水平下显著，复种指数（X2）在5%的水平下显著，人均国内生产总值（X4）、灌溉面积占农作物播种面积比例（X5）和单位耕地面积化肥施用量（X7）在1%水平下显著，受灾面积占农作物播种面积比例（X3）不显著。

1.农村劳动力人均播种面积对农地生产效率具有正向影响。人均播种面积每扩大1个单位，农地生产效率将会增加0.21个单位。这表明人均播种规模的扩大将会促进农地生产效率的提高，这与我国目前所提倡的开展多种形式的适度规模经营的观点相符合。并且随着面积的扩大，农户会把农业耕作作为家庭主业来经营，会更加关注农地的生产效率。

2.复种指数对农地生产效率具有正向影响。复种指数能够反映一个地区农地的利用程度，复种指数越高，表明该地区的农业生产条件越好，可利用程度也就越高。安徽省农业生产的自然条件较好，农作物生产能够做到一年两熟。从表3中可知，复种指数每增加1个单位，农业生产效率将会将会增加0.07个单位。

3.从表3中的结果可以看出，人均国内生产总值对农地生产效率具有正向影响，但是影响程度较小。这表明一个地区的经济发展水平高低，对于农业生产具有一定的推动作用，但作用大小主要取决于对农业的投入力度。

4.灌溉面积占农作物播种面积比例也在一定程度上反映了一个地区的农业生产条件。表3中结果表明灌溉面积占农作物播种面积比例对农地生产效率具有显著性的影响，且呈负相关。安徽省水资源相对丰富，但是由于部分地区缺乏完善的灌溉配套设施，从而导致这种负向关系。

5.单位耕地面积机械总动力对安徽省农地生产效率具有负向影响。单位耕地面积机械总动力每增加1个单位，农地生产效率便减少0.007个单位。这是由于机械化的提高虽然带动了劳动生产率的提高，但也降低了单位面积劳动量的投入，从而造成生产效率的减少。

6.单位耕地面积化肥施用量对于农地生产效率具有负向影响。单位面积化肥施用量每增加1个单位，农地生产效率将会减少0.23个单位。随着化肥施用量的增加，化肥施用不合理，利用效率低下，生态环境污染等都会造成这种负向影响的产生。因此，应该实行测土配方，推广有机肥、绿色肥，避免化肥过度施用造成的生态环境污染。

五、结论与讨论

首先利用数据包络分析法对安徽省16个地市2006～2015年间的农地生产效率进行测算，然后分析了农地生产效率的区域差异，最后用Tobit模型分析了安徽省农地生产效率的影响因素。

第一，2006～2015年安徽省农地生产效率的综合技术效率平均值达到0.927，说明实际生产占理想生产的92.7%，且农地生产的平均纯技术效率为0.955，平均规模效率为0.97，表明了安徽省农地生产效率较高。2006～2015年安徽省农地生产的规模效率变动趋势与综合技术效率一致，均呈现U型变化趋势，而技术效率变动趋势较为稳定，平均值达到0.955，这表明安徽省农地生产效率变动是由规模效率变动引起，因此，提高农地生产效率的关键在于提高其规模效率。

第二，2006～2015年安徽省农地生产效率的区域差异显著。一类地区的综合技术效率值远高于二类地区和三类地区，且一类地区的经济发展水平和农业生产条件也优于二类和三类地区。因此，农地生产效率相对较低的区域应该改善农业生产环境，加强科技投入和新技术推广力度。

第三，复种指数和人均国内生产总值对安徽省农地生产效率具有显著的正向影响，灌溉面积占农作物播种面积比例和单位耕地面积化肥施用量对农地生产效率具有显著的负向影响。受灾面积占农作物播种面积比例对农地生产效率影响不显著。农地生产效率受到多方面因素的影响，因此，要从改善农业生产环境、完善农业生产设施、增加劳动力投入和科技投入等方面来促进农地生产效率的提高。

［1］周晓林，吴次芳，刘婷婷.基于DEA的区域农地生产效率差异研究［J］.中国土地科学，2003，2（3）：60-65.

［2］梁流涛.考虑“非意欲”产出的农业土地生产效率评价及其时空特征分析［J］.资源科学，2012，34（12）：2249-2255.

［3］王文刚，李汝资，宋玉祥，等.吉林省区域农地生产效率及其变动特征研究［J］.地理科学，2012，32（2）：225-231.

［4］丘雯文，杨子生.云南省耕地生产效率的时空差异及影响因素［J］.长江流域资源与环境，2016，25（5）：786-793.

［5］雷国平，刘子宁.基于DEA-Tobit两步法的耕地生产效率研究［J］.东北农业大学学报，2014，45（12）：82-87.

［6］杨朔，于文海，李世平.基于DEA非有效改进的陕西省耕地生产效率研究［J］.中国土地科学，2013，27（10）：62-68.

［7］李在军，管卫华，臧磊.山东省耕地生产效率及影响因素分析［J］.世界地理研究，2013，22（2）：167-175.

［8］赵翠萍.河南省耕地生产效率及其影响因素分析［J］.河南农业大学学报，2012，46（4）：469-472.

［9］辛良杰，李秀彬，朱会义，等.农户土地规模与生产率的关系及其解释的印证——以吉林省为例［J］.地理研究，2009，28（5）：1276-1284.

［10］叶浩，濮励杰，张键.我国粮食主产区耕地产出效率研究［J］.长江流域资源与环境，2008，17（4）：584-587.

［11］梁流涛，曲福田，王春华.基于DEA方法的耕地利用效率分析［J］.长江流域资源与环境，2008，17（2）：242-246.

［12］Tobin J.Estimation of relationships for limited dependent variables［J］.Econometrica，1958，26（1）：24-36.