福建省县域农业规模经营水平评价

雷 娜 郑传芳

(1福建农林大学马克思主义学院，福州 350002；2福建农林大学经济学院，福州 350002)

《福建省新型城镇化规划(2014-2020)》指出，要“鼓励承包经营权在公开市场上向专业大户、家庭农场、农民合作社、农业企业流转，发展多种形式规模经营”。发展农业规模经营，首先需要了解不同地区当前的发展水平，然后才能因地制宜，科学推进。本文的研究目的是要对福建省58个县域城市的农业规模经营水平进行综合评价，为因地制宜地发展不同县域地区的农业规模经营提供参考资料。为实现上述目的，首先要寻找并确定衡量县域农业规模经营水平的评价指标，然后选择测度县域农业规模经营水平的方法，接下来收集指标数据对福建省县域农业规模经营水平进行评价并分析评价结果。

一、县域农业规模经营水平评价指标体系构建

(一)县域农业规模经营水平评价指标选择确定

现有研究中以“农业规模经营”“农地规模经营”“农业经营规模”和“农地经营规模”为主题的研究非常丰富[1]，但是综合分析已有研究可以发现，对于“农业规模经营”的衡量往往采用的是单一指标法。杨名远讨论了衡量农业经营规模常用的单一指标。他指出，衡量农业经营规模常采用的指标有劳动力数量、主要生产资料数量和产出量。他认为劳动力数量这个指标在农业生产力水平低时是衡量经营规模的一个重要指标，但是在技术密集型的生产条件下，生产工具的重要性大大提升，劳动力数量指标就难以正确反映经营规模。他还认为单纯采用生产资料数量来衡量农业经营规模同样存在片面性，生产资料必须结合生产率才可以有效衡量经营规模，因此产出量才是经营规模的综合的终极指标[2]。

本文认为，对于农户层级的微观对象而言，单一指标法是一个较好的选择，简单直观，代表性强。但是在县域一级或者更宏观的层面上，依然采用单一指标法来衡量农业规模经营水平就不再是一个好的选择，而应该考虑采用综合指标。在一定地域范围内，一定存在规模大小不同的农户，如果继续采用单一指标来衡量其农业规模经营水平，会导致较大的偏差。首先因为农业规模经营并不单单指要素投入规模或者产出规模其中的某一个因素，而包括了劳动、资本、技术和管理等各种要素的有机结合，以及包括农业产前、产中和产后整个产业链上各个环节的有效组合[3]。其次，县域农业规模经营水平本身是一个综合性的概念，它涵盖了农、林、牧、渔等大农业概念下面的不同产业，这些不同的农业产业的生产特征各不相同，生产效率也有差别。因此本文采用综合指标来测度县域农业的规模经营水平，以期将农业产业不同的生产环节和不同的农业产业包含在评价体系之中。

因此，本文提出从三个维度来设计衡量农业经营规模的综合指标。这三个维度分别是：1.农业劳动力总量。2.生产资料的投入量。3.农业产出量。每一个维度包含若干个具体指标(表1)。具体指标选择的一个重要考量在于实证研究的可行性，也就是数据的可获得性。

表1 福建省县域农业规模经营水平评价指标体系

(二)对评价指标和数据来源的说明

1.农林牧渔业从业人员数：是指从事第一产业，即农、林、牧、渔业(不含农、林、牧、渔服务业)的人员。由于从2014年开始原来的《中国县(市)社会经济统计年鉴》分为《中国县域统计年鉴(县市卷)》和《中国县域统计年鉴(乡镇卷)》两卷，新的《中国县域统计年鉴(县市卷)》没有“农林牧渔业从业人员数”这一指标，所以本文用2012年的数据近似，该数据来源于《中国县(市)社会经济统计年鉴2013》。

2.“劳均”的概念严格说来应该是针对真正从事具体某个农业产业的劳动力而言，但是目前获取这样的统计数据超出了研究者的能力范围。在县域的范畴内，本文用“农林牧渔业从业人员数”代表农业劳动力总量，并作为劳均类指标的分母。因此，所有劳均类指标的值都是以相应指标的总量除以农业劳动力总量获得。

3.非粮食作物包括油料、甘蔗、茶叶和园林水果。

4.“农机总动力”和“第一产业增加值”这两个指标的数据来源于《中国县域统计年鉴(县市卷)2015》，其它投入和产出类指标的数据均来自于《福建省统计年鉴2015》。

二、县域农业规模经营水平评价方法

近年来关于综合评价中应用较多的方法是熵权法[4]-[6]。根据熵权法的基本思想，在样本期内变动大的指标所分配的权重就大，反之相对平稳的指标所分配的权重就小，显然该方法适用于风险控制的情形，但是对于测度农业规模经营水平则未必适用。因为依据熵权法的上述思想，如果衡量农业规模经营水平的指标体系中某个指标波动大，则分配给该指标的权重就大，而样本中相对平稳的指标所分配的权重就会小，但是我们要注意指标波动性的大小与农业规模经营水平的衡量之间并没有联系。基于上述考虑，并在综合权衡的基础上，本文将采用因子分析法来测度县域农业规模经营水平。

因子分析法是一个比较成熟的多元统计分析方法，在经济分析领域应用广泛[7]-[8]。因子分析始于1904年Charles Spearman对学生考试成绩的研究。该方法的基本思想是根据相关性大小把原始变量分组，使得同组内的变量之间相关性较高，而不同组的变量间相关性则较低。每组变量代表一个基本结构，并用一个不可观测的综合变量表示，这个基本结构就称为公共因子。对于所研究的某一具体问题，原始变量就可以分解为两部分之和的形式，一部分是少数几个不可观测的所谓公共因子的线性函数，另一部分是与公共因子无关的特殊因子。因子分析的目的就是从一些有错综复杂关系的经济现象中找出少数几个主要因子，每一个主要因子就代表经济变量间相互依赖的一种经济作用。抓住这些主要因子就可以帮助我们对复杂的经济问题进行分析和解释[9]。因子分析法作为一种比较成熟的多元统计分析方法，在许多统计学教材里面均有详细介绍，这里就不再赘述。

三、基于因子分析法的福建省县域农业规模经营水平评价

采用因子分析法测度农业规模经营水平的主要步骤为：第一步，求特征值及贡献率；第二步，建立因子载荷矩阵；第三步，计算各要素农业规模经营水平综合得分；第四步，结果分析。其中确定因子载荷有很多方法可供选择，如主成分法、主轴因子法、最小二乘法、极大似然法等，本文选择主成分法。下面遵循上述步骤来对2014年福建省县域农业规模经营水平进行测度。

(一)求特征值和贡献率

把收集到的福建省58个县域城市的10个农业规模经营水平评价指标数据进行标准化处理，对数据进行标准化处理的目的在于消除各指标的量纲、数量级以及指标正负属性对评价结果的影响。正向指标数据标准化的计算公式为：

(1)

负向指标数据标准化的公式为：

(2)

农业规模经营水平评价指标体系中，只有“农林牧渔业从业人员数”是负向指标，因此该指标用式(2)标准化，其余指标用式(1)标准化。

在进行因子分析之前，还需要将标准化后的数据进行KMO和Bartlett’s球形检验。KMO检验的目的是通过比较各变量间简单相关系数和偏相关系数的大小判断变量间的相关性，相关性强时，偏相关系数远小于简单相关系数，KMO值接近1。一般情况下，KMO<0.5不适宜作因子分析。Bartlett’s球型检验是用于检验相关阵是否是单位阵，即各变量是否独立。它是以变量的相关系数矩阵为出发点，零假设：相关系数矩阵是一个单位阵。如果Bartlett’s球形检验的统计量数值较大，且对应的相伴概率值小于用户给定的显著性水平，则应该拒绝零假设；反之，则不能拒绝零假设，认为相关系数矩阵可能是一个单位阵，不适合做因子分析。若假设不能被否定，则说明这些变量间可能各自独立提供一些信息，缺少公因子。此处的KMO值为0.616，Bartlett’s球型检验统计量为484.283，相伴概率为0.000，说明可以进行因子分析。

将标准化后的数据建立相关系数矩阵并得到其特征值(用主成分法)、贡献率和累计贡献率(见表2)，具体的运算过程交给统计软件来完成。(使用的软件为SPSS 19.0。)

表2 农业规模经营因子分析特征值和贡献率

(二)建立因子载荷矩阵

保留因子特征值大于1的因子，(还有一个原则是，累计贡献率大于85%则认为损失的原指标数据信息比较少，这里所选四个主因子的累计贡献率刚好超过85%，可以认为损失的信息比较少。)共提取四个主因子，累计贡献率达85.520%。然后对主因子建立初始因子载荷矩阵(为节省版面，略去该表)。为了更好地解释每一个所提取的公共因子的意义，接下来对初始因子载荷矩阵进行旋转，以期找到意义更为明确、实际意义更明显的公共因子。采用正交旋转法，使新的因子载荷系数要么尽可能地接近于零，要么尽可能地远离零(旋转后的因子载荷矩阵见表3)。从表3可见，第一个主因子X1在劳均粮食作物播种面积、劳均非粮食作物播种面积和劳均粮食产量上有较大的载荷，将其命名为“作物播种面积和粮食产量”因子；第二个主因子X2在劳均农林水事务支出、劳均农机总动力、劳均水产品产量和劳均第一产业增加值上有较大的载荷，将其命名为“资本投入和水产品产量”因子；第三个主因子X3在劳均非粮食种植作物产量上有较大的载荷，将其命名为“非粮食作物产量”因子；第四个主因子X4在劳均肉类产量上有较大的载荷，将其命名为“肉类产量”因子。

表3 旋转后的农业规模经营因子载荷矩阵

(三)计算因子得分

计算因子得分的目的在于考察每一个分析单位的性质及分析单位之间的相互关系。通过观察各个县域城市在各个主因子上的得分，可以得知具体某个县域在哪些方面发展水平较高，在哪些方面还存在不足。通过观察因子总得分，就可以得知各个县域的农业规模经营水平，并可以进行县域之间水平的比较。

主因子得分由软件自动计算给出。因子总得分是通过各主因子的方差贡献率占四个主因子总方差贡献率的比重作为权重将各主因子得分进行加权汇总，得到各个县域城市的综合得分X，即：

X = (31.433*X1+29.001*X2+14.071*X3+11.015*X4)/85.520

(3)

根据式(3)可以计算得到福建省2014年58个县域城市农业规模经营水平的测度结果(见表4)。如果因子总得分X的值大于零，则说明该县域的城镇化水平在58个县域的平均水平得分之上，小于零则说明该县域的城镇化水平在平均水平得分之下。

对福建省县域农业规模经营水平总得分的频率分布特征进行分析，可以获得福建省县域农业规模经营水平分布的概括性特征(表5和图1)。表5和图1表明，福建省县域农业规模经营水平总得分的频率分布呈现近似正态分布。峰度为-0.674，说明总得分较高的县域占据的比重更大一些。中位数只是略小于平均数，说明不存在特别的离群异常值。标准差为0.5420，说明大部分县域的农业规模经营水平差距并不太大。全距为2.0372，说明农业规模经营发展高水平和低水平县域之间存在一定的差距，但是这个差距并不是很大。

表4 福建省2014年县域农业规模经营水平得分及排序

表5 福建省县域农业规模经营水平得分频率分布特征

图1 福建省县域农业规模经营水平得分频率分布图

四、福建省县域农业规模经营水平评价结果分析

(一)各主因子得分结果分析

1.作物播种面积和粮食产量因子(X1)。该因子上得分位于前三位的是邵武市、明溪县和清流县，这三个地区在X1因子上的得分都超过了2.0。从劳均粮食作物播种面积、劳均非粮食作物播种面积和劳均粮食产量这三个指标的表现来看，上述三个地区的表现也是相对最好的。由于播种面积和产量在“农业规模”概念中占有重要的地位，因此X1主因子在整个综合评分中具有最重要的作用。这三个地区在X1主因子上的优秀表现决定了它们在农业规模经营水平的综合得分上位居前列。在X1主因子上得分排名后五位的分别为平潭县、福清市、东山县、石狮市和连江县。连江县排在倒数第一，在该因子上的得分仅为-1.6839，与排名第一的邵武市(在X1上的得分为2.3536)相比有相当大的差距。该地区相对而言劳均种植面积少，同时劳均粮食产量低。

2.资本投入和水产品产量因子(X2)。在X2主因子上得分位于前五位的分别是石狮市、东山县、连江县、华安县和长泰县。其中排在第一和第二位的石狮市和东山县在该因子上的得分明显高于其他地区。这两个地区的劳均水产品产量远超其他城市，在劳均农机总动力和劳均农林水事务支出方面的表现也是所有县域地区中最优秀的。在该主因子上得分位于后五位的分别为福清市、诏安县、漳浦县、平和县和仙游县。其中福清市、诏安县和漳浦县在劳均农林水事务支出方面的表现很差，而平和县和仙游县的水产品产量非常低。

3.非粮食作物产量因子(X3)。在该因子上得分位于前五位的分别是平和县、永泰县、南靖县、长泰县和闽侯县。这些地区的非粮食种植作物劳均产量高，得益于开发出了具有地区特色品牌的农产品，如平和县的蜜柚、永泰县的李干、南靖县的金线莲和兰花、长泰县的芦柑等等。质量和品牌知名度的提升增加了农产品的价值，刺激了农民的积极性和规模种植的欲望。比如平和县的农民大都希望能够扩大自家的蜜柚种植规模，然而却很难租到合适规模的土地，原因在于大家都想扩大规模，从而很少有人愿意主动将自家的土地流转租出。在该主因子上得分位于后五位的地区分别为政和县、晋江市、惠安县、石狮市和安溪县。这些地区的劳均非粮食作物产量普遍偏低。

4.肉类产量因子(X4)。在该因子上得分位于前五位的分别是光泽县、武平县、南靖县、上杭县和永定区。值得注意的是，排在第一的光泽县在该主因子上的得分达到7分以上，远远超出了其他地区在该因子上的得分(排在第二位的武平县得分是0.5679分)。究其原因，在于福建省的农业龙头企业圣农集团有限公司位于该地区境内，因而大大提升了该地区的肉类总产量和劳均肉类产量。在该主因子上得分位于后五位的地区分别为清流县、安溪县、晋江市、建宁县和石狮市。这些地区的劳均肉类产量普遍偏低。

(二)因子总得分结果分析

根据福建省2014年县域农业规模经营水平的因子总得分，对全部58个县域城市进行适当分类。在综合考虑因子总得分和各主因子得分的情况下，把58个县域城市的农业规模经营水平分为五类，具体的分类标准和结果见表6。

第一类的农业规模经营水平最高，这类县域共有三个：邵武市、明溪县和清流县。这三个县域是福建省县域农业规模经营水平最高的地区。这三个地区之所以能够在县域农业规模经营水平上领先于福建省的其他县域城市，主要原因在于它们的劳均作物播种面积相对较大，同时劳均粮食产量较高。这三个地区的劳均粮食作物播种面积分别为0.6945公顷、0.6268公顷、0.5190公顷，而福建省58个县域的平均水平为0.2488公顷。劳均非粮食作物播种面积分别为0.3720公顷、0.4160公顷、0.5642公顷，相对58个县域的平均水平0.2280也要高出许多。这三个地区的劳均粮食产量分别为3.7064吨、3.3105吨、2.7432吨，同样也高出平均水平(1.3856吨)一大截。除了这三个指标领先于其他地区外，邵武市、明溪县和清流县还在劳均农机总动力和劳均农林水事务支出方面没有落后于其他地区，这在一定程度上巩固了它们的领先位置。

第二类地区的县域农业规模经营水平属于中等偏上。这些县域地区往往在某一个因子上的表现特别突出，(如光泽县在肉类产量因子上的表现异常抢眼，再如石狮市在资本投入和水产品产量因子上的表现非常好。)或者在某几个因子上的综合表现不错，如建宁县、东山县和永泰县。长泰县、沙县和福安市则是在四个主因子上的得分都没有落在零分以下，从而综合得分较高。

第三类地区的县域农业规模经营水平属于中等。这些地区在四个因子的得分中，往往有一到两个相对较高，但是弱点也比较明显。比如武平县在X1主因子上得分不错，但是在X2和X3上的得分都为负数，说明该地区的劳均作物播种面积和劳均粮食产量高于平均水平，但是农业资本投入和非粮食作物产量等要低于平均水平。

第四类地区的县域农业规模经营水平属于中等偏下。这些地区中即使有的在某一个主因子的得分上表现不错，但是由于受到其他因子得分较低的拖累，导致综合得分在零分以下。比如南靖县在非粮食作物产量因子上的得分位列所有58个县域的前三位，但是作物播种面积和粮食产量因子得分不佳，而且资本投入和水产品产量因子的得分也是负数，导致综合因子得分为负数。类似的地区还有平和县、华安县和德华县。在这类地区中，有的在四个主因子上的得分都为负数，比如永定区、顺昌县、漳平市、屏南县、永春县、政和县、惠安县、寿宁县、福鼎市和云霄县，说明这些区域在涉及农业规模经营水平的各个指标上的表现都差强人意，但是由于综合因子得分并不是特别低，所以提升农业规模经营水平的难度不是特别大。在这一类中，值得注意的是连江县。该地区在X2、X3和X4三个因子上的得分都是正数，但是由于它在X1上的得分过低，直接将综合因子得分拉低到了零分以下。

第五类地区的县域农业规模经营水平较低。这些地区的共同特征是在所有的主因子得分上都是负数，说明在衡量农业规模经营水平的各个方面都相对较差。同时这些地区在占综合得分权重很大的第一主因子和第二主因子上的得分都很低，特别是排名在最后四位的福清市、漳浦县、诏安县和仙游县在X1和X2上的得分都小于-1，大大低于全省的平均水平。对于这些地区而言，想要提升县域农业规模经营水平还有较长的路要走。

表6 福建省2014年县域农业规模经营水平分类

以因子总得分(X)是否大于零作为分界，把福建省58个县域城市的农业规模经营水平分为两大类，来观察各地级市之间的农业规模经营水平差异(表7)。由表7可见，福建省县域农业规模经营水平较高的地区是三明地区和福州地区。三明地区一共10个县域城市，有9个城市的农业规模经营水平总得分大于零，说明三明地区在近年来重视农业的发展。实际上三明地区的不少县域城市都是通过扶持农业特色产业来推进本地区的农业发展，提升了农业规模经营水平。相对而言，泉州、漳州和宁德地区的农业规模经营水平相对滞后。泉州地区的东部沿海城市经济活力强，城镇化发展速度快，但是农业规模经营水平相对较低。说明该地区还需要适当调整政策，重视农业产业的发展。

表7 福建省各地区2014年县域农业规模经营水平比较

五、总结和讨论

本文基于农业规模经营概念的内涵构建了县域农业规模经营水平的评价指标体系。该指标体系包含农业劳动力总量、生产资料投入量和农业产出量三个维度，一共有10个具体指标。采用该指标体系，结合因子分析法对福建省2014年58个县域的农业规模经营水平进行了实证分析，获得了这些县域城市的农业规模经营评价结果。随后本文依据因子综合得分从高到低的顺序将58个县域分为了五个类别，对不同类别的县域城市进行了分析。从分类结果看，福建省58个县域中，分在第四类的县域有24个，所占比重最大(41.4%)，占比第二位的是第三类，有15个县域，占比为25.9%，而第一类县域只有3个(只占5.2%)。可见福建省总体的农业规模经营水平还处于中下水平，要全面提升福建省农业规模经营水平还任重道远。

本文评价指标体系设计的一个重要考量在于实证研究的可行性，其中一些指标的设计可能存在改进的空间，但前提是相应的数据要能够获取。比如“劳均”的概念是指实际从事某种农业产业的具体劳动力人数，理想的情况应该是农、林、牧、渔业各个产业各自的从业人员数都能够获取，从而不同产业的投入量和产出量对应各自产业的从业人员数。但是由于笔者无法获取相关的数据，故无法采用上述做法。如果能够获取更加详细的分类数据，笔者期望能够进一步完善该项研究。