我国农产品流通效率测度与发展趋势

2019-09-05王利国顾炜宇

商业经济研究 2019年17期

王利国顾炜宇

内容摘要：“三农”问题一直是政府和学术界关注的重要问题，我国农业现代化发展步伐自改革开放后持续加快，而与之相应的却是农产品流通效率低下，流通体系建设相对滞后。基于此，本文以我国农产品流通为研究对象，构建PCA-DEA评价模型，对我国2006-2016年的农产品流通效率进行测度，探讨我国农产品流通效率水平及其发展趋势。研究表明我国农产品流通效率自2006年以来逐渐趋于有效状态，这主要源自政策引导及市场调节的作用。投入指标和产出指标的主成分具备成本、规模、收益、周转和集中度的信息，同时要素技术效率以及市场规模效率能够影响农产品流通的综合效率。因此，农产品流通效率的提升不仅需要优化要素技术，同时还应适当调整市场规模。

关键词：主成分PCA DEA模型农业现代化农产品流通效率

引言

作为全球最大的发展中国家，农业在我国经济发展过程中处于基础性地位。在供给侧结构性改革的大背景下，我国近几年接连发布文件聚焦农产品流通环节。2014年中央一号文件明确提出：进一步完善我国农产品流通法律法规，加强农产品流通效率的基础设施建设，促进流通效率的改善和提高。2017年再次提出：调整农产品供需結构，加大供给侧改革力度，鼓励创新发展，加快农业现代化建设，进一步提高农业流通现代化。针对农产品流通服务的政府文件持续发布，表明了农产品流通领域所受到的政府关注度日益提高。

随着我国改革开放不断深化，我国城镇化步伐持续加快。2017年，我国常住人口城镇化率达到58.5%，在1978年这一比率仅为17.9%，同时城镇常住人口也由1978年的1.7亿人增长到8.1亿人。城镇人口的增长以及农村劳动力流向城市的现状，使得我国人口出现城市集聚现象，人口不断集聚增加了农产品的需求量，也提高了对农产品流通效率的要求。另外，人均收入的不断增加也促使我国居民消费需求由物质型升级为体验型，这种趋势表现在农产品消费之中，即农产品价格不再是影响消费者消费选择的主导因素，而品质、营养、包装及消费体验等因素逐渐成为影响消费者消费的重要因素。农产品消费需求的升级也要求农产品流通服务体系的优化：从源头的农产品安全，到物流过程的高效快捷，再到配送服务的消费体验都应该进行全面优化。因此，在现阶段测度我国农产品流通效率高低及演变趋势，对推动农产品市场有效运转具有重要作用。

基于以上研究成果，本文把PCA的分析思路应用于DEA模型之中，通过对指标体系科学降维，构建基于PCA-DEA的分析框架，进一步以我国总体农产品流通业作为研究对象，测度我国2006-2016年农产品流通效率。

研究设计

（一）PCA-DEA模型

本文拟构建PCA-DEA组合模型，将主成分分析与数据包络分析相结合，以PCA模型构造的锥权重代入DEA得CCWH模型，从而判定农产品流通效率。

首先，运用主成分分析对投入和产出数据进行降维，分别得到彼此不相关的投入产出主成分，选取包含原始变量85%以上信息的主成分作为最终投入及产出变量。其次，由于数据包络分析要求各评价单元的投入产出数据均为非负数，而主成分分析得到的数据可能存在负数情况，因此对主成分所得数据进行归一化处理，保证所有数据都在（0，1]的区间之内。最后，利用投入主成分和产出主成分得到的判断矩阵计算权重约束锥，计算带有锥权重约束的CCWH模型对流通效率进行评估，观察并分析评估结果。

（二）指标选取及数据说明

农产品流通效率受到多个因素的影响，现有的关于农产品流通效率指标体系的研究表明，影响农产品流通效率的因素可以划分为成本、速度、规模和效益四个方面。其中，成本是指在农产品流通过程中发生的费用和投资运营成本;速度是指农产品流通过程中的产品和资金周转速度;规模是指农产品流通行业的市场数量、营业面积等市场规模大小;效益是指农产品流通过程产生的经济效益。基于已有文献研究（洪涛，2002;宋则，2003;谭向勇，2008;孙剑，2011;王伟新，2013;陈耀庭，2015;张亮亮，2017;王天宝，2018），同时考虑数据可得性，文章基于流通成本、流通速度、流通规模和流通效益四个维度构建我国农产品流通效率评价指标体系，其中投入输入簇包括5个流通成本指标，产出输出簇包含3个流通速度指标、3个流通规模指标以及3个流通效益指标，具体指标体系构成如表1所示。

具体指标计算公式如下：

流通成本。总资产（X1）为农产品市场资本存量，劳动力（X2）为农产品批零业从业人数，主营业务成本（X3）为农产品批零业主营业务成本，库存总额（X4）为农产品批零业市场库存总额，营业面积（X5）为农产品批零业总营业面积。根据经济学理论，同等产出情况下的成本最小化是企业及市场追求的目标，成本与产出的配置关系直接决定市场运行效率。

流通速度。农产品批零业流动资产周转率（Y1）为限额以上农产品批零企业主营业务收入与企业流动资产之比，农产品批零业固定资产周转率（Y2）为限额以上农产品批零企业主营业务收入与企业固定资产之比，农产品批零业存货周转率（Y3）为限额以上农产品批零企业主营业务成本与企业存货之比。通常来说，资产的周转速度越快，则企业周转能力越强，市场流通效率越高。

流通规模。农产品批零业系数（Y4）为限额以上农产品批发业销售额与限额以上农产品零售业销售额之比，农产品批零业集中度（Y5）为限额以上农产品批零业销售额与限额以上批零企业销售额之比，农产品零售业集中度（Y6）为限额以上农产品零售企业销售额与全社会消费品零售额之比。一般而言，对于农产品这类产业附加值较低的行业，市场规模越大越容易形成规模经济，且市场集中度越高，资源配置能力则越强，市场运行效率也更优。

流通效益。农产品批零业利润率（Y7）为限额以上农产品批零企业主营业务利润与主营业务收入之比，农产品批零业劳动生产率（Y8）为农产品批零业总产值与农产品批零业从业人员数之比，农产品摊位销售额（Y9）为亿元以上综合市场农产品销售额与摊位总数之比。其中，利润率反映了企业获取利润的能力，间接表现为市场流通效率。劳动生产率和摊位销售额则衡量了每人或每摊位的单位流通效率水平。

根据文章所构建的农产品流通效率测算指标体系，结合数据获得的难易程度，文章将农产品限定为食品、饮料和烟草制品的狭义范围内，利用农产品批零业年度数据对我国2006-2016年的农产品流通效率进行测度，计算变量需要的所有原始數据均来自于国家统计局年度数据。

实证分析

（一）PCA分析

首先采用SPSS22.0基于主成分分析对数据进行降维处理，同时解决变量的相关性。运用KMO和Bartlett球形度检验判定所选取指标是否适合主成分分析。一般而言，当KMO值在0.7以上时，变量适合进行PCA分析。Bartlett检验则用来判断变量之间是否存在相关性，当变量存在相关性，即检验显著性概率小于0.05时，才可以利用主成分分析进行数据降维处理。表2列出了指标变量的KMO和Bartlett检验结果。

由表2的检验结果可知，所构建指标体系的KMO值为0.751>0.700，且球形度检验的显著性概率为0.012<0.05，说明指标变量之间具有相关性，即可以对数据进行主成分分析。根据样本方差的特征值和方差贡献，依照累计方差贡献率大于或等于85%的要求分别提取投入和产出的主成分，如表3所示Z1、Z2为投入指标提取主成分，Z3、Z4、Z5为产出指标提取主成分。

进一步利用方差最大化正交旋转得到旋转后的因子载荷矩阵，以判断主成分中所包含的具体信息，投入与产出指标体系的旋转载荷矩阵如表4所示。

根据旋转后的因子载荷矩阵，可以计算出投入主成分和产出主成分的得分值。其中，投入指标体系的主成分公式分别为：

Z1=0.653X1+0.891X2+0.915X3+0.957X4+0.310X5

Z2=0.429X1+0.412X2+0.407X3+0.302X4+0.858X5

由以上两个等式可以看到：投入指标的第一主成分（Z1）中，劳动力（X2）、主营业务成本（X3）及库存总额（X4）占有较大比重;在投入指标的第二主成分（Z2）中，总资产（X1）和营业面积（X5）占比较大。因此，投入指标的主成分分别包含了成本和规模的原始信息。另外，产出指标体系的主成分公式分别为：

Z3=0.216Y1+0.851Y2+0.271Y3-0.182Y4-0.725Y5+0.154Y6+0.915Y7+0.248Y8+0.852Y9

Z4=0.753Y1+0.217Y2+0.944Y3+0.286Y4-0.257Y5-0.141Y6+0.418Y7+0.725Y8+0.317Y9

Z5=0.597Y1+0.109Y2+0.156Y3+0.895Y4-0.412Y5-0.083Y6+0.309Y7-0.075Y8-0.216Y9

由以上三个等式可以得出：产出指标的第一主成分（Z3）中，农产品批零业固定资产周转率（Y2）、农产品批零业利润率（Y7）及农产品摊位销售额（Y9）占比重较大;产出指标的第二主成分（Z4）中，农产品批零业流动资产周转率（Y1）、农产品批零业存货周转率（Y3）及农产品批零业劳动生产率（Y8）占比较大;产出指标的第三主成分（Z5）中，农产品批零业流动资产周转率（Y1）和农产品批零业系数（Y4）占比较大。因此，产出指标的主成分分别包含了收益、周转和集中度的原始信息。

DEA模型的分析前提之一是要求指标为非负数，因此对所有数据进行归一化处理，在此基础上根据投入产出的主成分得分综合贡献率计算综合得分，分别对11个（2006-2016年）评价单元的投入产出效率值进行排序，表5列出具体的效率水平及排序结果。

由表5中所得各评价单元的投入产出效率水平，可以发现：投入效率方面，从2006-2016年，11个评价单元的投入效率呈现逐渐提升的趋势，2006年投入效率最低，为-3.415，2016年投入效率最高，为9.607，其间的各年投入效率排序位置虽有局部调整，但总体而言我国农产品流通投入效率呈升高趋势;产出效率方面，2006-2016年产出效率基本也体现出上升态势，其中反常年份为2011年和2014年，2011年产出效率值达到7.246，排在第2位，2014年产出效率值仅为3.093，排在第6位，这说明2011年资源得到有效配置，投入产出比较均衡，2014年则存在严重的资源浪费问题。综合来看，我国农产品流通业投入与产出效率在2006-2016年间表现出逐步优化的趋势，与我国较快的经济发展现实相一致。

（二）DEA分析

为更好解释农产品流通效率所包含的经济意义，在传统的CCWH模型中加入基于PCA分析构建的锥权重约束，利用PCA-DEA模型测度11个评价单元的农产品流通效率水平，分析采用MATLAB2017a进行编程。表6为模型运算11个评价单元的具体结果。

其中，技术效率是指农产品流通的市场结构是否能够满足效益需求，即由于管理理念和技术因素所带来的效率改变;规模效率是指农产品流通市场结构优化对企业或个人的作用强弱，即由于企业规模因素所带来的效率改变，综合效率则由技术效率和规模效率共同组成，表明所评价决策单元的投入产出综合水平。根据表6结果可以看到：在评价单元为DMU4和DMU10时，技术效率、规模效率及综合效率值均为1，说明在2009年和2015年我国农产品流通效率达到DEA有效，即帕累托效率最优水平，在投入水平固定的情况下能够得到最优的产出。

除去DEA有效的两个评价单元外，剩余的9个评价单元的综合效率值小于1，即市场效率未达到DEA有效状态，这可能由于技术没有达到有效或规模未处在最优。其中，DMU5的技术效率为1，即2010年的综合效率低是由于规模无效导致的，合理安排市场规模能够提升农产品流通效率;DMU11的规模效率为1，即2016年市场规模达到最优水平，而要素技术方面未能得到有效利用，优化要素配置和革新市场技术能够改善农产品流通效率低的现实;其它7个评价单元中，技术效率、规模效率及综合效率均小于1，农产品流通行业表现出不同程度的市场无效状态，因此既应该注重技术方面的决策，同时还应兼顾市场规模的大小。

为直观观测我国2006-2016年农产品流通效率变化的时间趋势，图1展示了PCA-DEA模型测算的技术效率、规模效率及综合效率的时变图。由图1可以发现：在2006-2016年，我国农产品流通效率表现出持续震荡态势。首先，2006-2008年，农产品流通效率相对平稳，未出现大幅度提高或下降，而在2009年，随着全球金融危机的到来，以往的市场泡沫得到一定释放，国际市场环境的不景气反而促进了国内市场发展，农产品流通效率出现大幅提升，在该年达到DEA最优状态。随后，2010年开始进入市场调整期，消费偏好的改变以及互联网购物的兴起使得居民对市场产品和流通环境提出更高标准，与之相对的是农产品成本走高、流通能力下滑，因此我国农产品流通效率在此之后逐年降低，2014年到达最低点。2015年，我国经济正式进入“新常态”阶段，“三去一降一补”成为经济发展新的聚焦点，这对我国农产品流通发展间接起到改善作用，2015年和2016年我国农产品流通效率显著提高，技术效率和规模效率均有明显增长，2015年综合效率达到DEA最优状态，2016年综合效率也趋近有效。综合来看，自2006年以来，我国农产品流通效率表现出波动增长趋势，政策适时调整及市场持续优化使得我国农产品流通效率趋于有效状态。

政策建议

提高农产品流通效率，需要从多维度建设我国农产品流通体系。第一，政府各部门之间应加强联系，统筹协调农产品流通管理，打破各自为政的“政务孤岛”，优化农产品流通市场布局规划，形成规模经济，降低流通成本。第二，在大数据背景下，互联网消费已经成为大多数消费者的消费新选择，因此农产品流通应充分利用电商平台，依托电商自身的物流优势，提高农产品的流通效率。第三，交通运输网络在物流运输中占有举足轻重的地位，各地方政府应加大交通运输设施建设，形成区域内发达的交通运输网，同时国家应在宏观层面对交通运输路线进行全局优化，降低流通过程的运输成本。第四，随着城鎮化水平的不断提高，水果、蔬菜等农产品的城市需求也持续上升，农产品流通中的仓储保鲜能力就显得尤为重要，因此企业和政府应投入资金、培养人才来研究仓储现代化技术，提高农产品流通规模和效率。第五，开展农村合作项目，形成农产品流通产业链，推进连锁经营、农产品市场等农产品流通新方式，提高农产品流通行业的总体竞争力，促进农产品流通效率的提高。

参考文献：

1.寇荣，谭向勇.论农产品流通效率的分析框架[J].中国流通经济，2008（5）

2.王娜，张磊.农产品流通效率的评价与提升对策研究—基于流通产业链视角的一个分析框架[J].农村经济，2016（4）

3.赵锋.广西农产品流通效率评价探析[J].物流工程与管理，2011，33（12）

4.王仁祥，孔德树.中国农产品流通效率评价模型构建及其应用[J].辽宁大学学报（哲学社会科学版），2014，42（4）

5.周峻岗，尚杰.基于不同流通模式的农产品流通效率评价研究[J].安徽农业科学，2015，43（2）

6.欧阳小迅，黄福华.我国农产品流通效率的度量及其决定因素：2000-2009[J].农业技术经济，2011（2）

7.崔振洪.基于DEA的Malmquist指数分析法在农产品流通效率评价中的应用[J].齐齐哈尔大学学报（哲学社会科学版），2013（5）

8.陈金波，陈向军，罗权.湖北农产品流通效率评价及对策研究[J].统计与决策，2014（11）

9.张永强，张晓飞，刘慧宇.我国农产品流通效率的测度指标及实证分析[J].农村经济，2017（4）

10.汪旭晖，文静怡.我国农产品物流效率及其区域差异—基于省际面板数据的SFA分析[J].当代经济管理，2015，37（1）

11.李专，于爱淼.中国农产品流通效率的实证分析[J].农业经济，2016（8）