广西桂平市耕地生产效率评价研究

2019-12-23李思旗陆汝成

湖北农业科学 2019年22期

李思旗　陆汝成

摘要：运用数据包络分析（DEA）法评价了2007—2016年广西桂平市耕地生产效率情况。结果表明，2007—2016年桂平市耕地生产效率发展均处于波动状态。Malmquist生产率指数法分析全要素生产效率的变动情况，仅2009年生产力出现倒退。Tobit模型分析桂平市耕地生产效率的影响要素，复种指数、灌溉面积比例、平均农用机械总动力影响显著，且平均农用机械总动力是负向影响，复种指数、灌溉面积比例是正向影响，桂平市耕地生产效率有待提高。

关键词：耕地生产效率;数据包络分析法;Malmquist生产率指数法;Tobit模型;广西桂平市

中图分类号：F301.2 文献标识码：A

文章编号：0439-8114（2019）22-0233-06

DOI：10.14088/j.cnki.issn0439-8114.2019.22.053 开放科学（资源服务）标识码（OSID）：

Study on the evaluation of cultivated land production efficiency

in Guiping city of Guangxi

LI Si-qi， LU Ru-cheng

（School of Land Resources and Surveying，Nanning Normal University，Nanning 530001，China）

Abstract： Data envelopment analysis （DEA） was used to evaluate the production efficiency of cultivated land in Guiping city of Guangxi from 2007 to 2016. The results showed that the development of production efficiency of cultivated land in Guiping city was in a fluctuating state from 2007 to 2016. Malmquist productivity index method is used to analyze the change of total factor productivity， the productivity only declined in 2009. Tobit model was used to analyze the influencing factors of cultivated land productivity in Guiping city. The multiple cropping index， the proportion of irrigation area and the average total power of agricultural machinery had significant effects， and the average total power of agricultural machinery had negative effects. The multiple cropping index and the proportion of irrigation area had positive effects. The production efficiency of cultivated land in Guiping city needed to be improved.

Key words： farmland production efficiency; data envelopment analysis; Malmquist productivity index method; Tobit model; Guangxi Guiping

耕地是人類赖以生存的基本资源和条件，是土地的精华所在，是农业生产最大的投入要素[1]。党和国家都非常重视农业的生产和发展，在十九大报告会议中，党和国家领导人也多次提出必须把解决好“三农”问题作为全党工作的重要部分。提高耕地生产效率对国民经济的发展和国家的生态、粮食安全以及社会的稳定起着重要的作用。桂平市是农业生产重要地区，是广西最大的粮食生产基地。近年来，随着经济的发展，工业化、新型城镇化以及重大旅游项目建设的推进，桂平市耕地数量不断减少，这必然会加剧人口、粮食与耕地之间的矛盾，提高耕地生产效率对解决当前桂平市在农业生产上面临的问题显得尤为重要。

近年来，国内外许多专家学者运用不同的评价方法，从多个角度对耕地生产效率进行研究。梁流涛等[2]应用DEA方法分析中国1997—2004年各省、自治区、直辖市之间耕地利用效率的差异，得出北京市效率值最高，宁夏最低，PTE值影响耕地的利用效率。杨朔等[3，4]用DEAP中的VRS模型和Eviews中的Tobit模型，研究陕西省耕地利用效率现状，发现各地域利用效率的变化相差很大，高效率地区占45%，且效率的高低受多种要素的影响。潘倩红等[5]应用DEA方法与Tobit模型对四川省17年的耕地生产效率与影响耕地生产效率因素进行了研究。黄永莹[6]采用DEA、Malmquist指数、Tobit模型结合实际情况选取指标对开封市以及各辖区各县进行耕地生产效率评价研究，得出开封市耕地生产效率的平均值，且分析了耕地生产影响因素的影响强度及方向，发现该地区在农业生产配置上存在不足，并提出了解决办法。Khai等[7]研究了2005—2006年越南水稻的技术效率，并分析了影响水稻生产效率的主要因素，提出了政府应注重投资灌溉，并通过短期培训或推广服务提高农民教育水平，了解新技术应用和支出管理。

1 耕地生产效率

耕地生产效率是指在一定的要素投入下，耕地的实际产出与最优产出间的比率。综合技术效率（TE）是指实际产量和理想产量之比，是对决策单元的资源配置及利用能力等状况的评价。当TE<1时，对纯技术效率（PTE）以及规模效率（SE）进行分析，以期找出影响耕地生产效率的因素。

2 研究方法

2.1 数据包络分析（DEA）法

DEA方法是基于DEAP 2.1软件对生产效率进行评价。DEAP軟件中常用模型有BC2、C2R。选用BC2模型对生产效率情况进行评价，其一般形式如下。

式中，α、θ表示决策单元输出、输入的权系数，Vx为输出最小值，VD为输出最大值，λj表示第j个决策单元的输入与输出权系数，xj表示第j个输入的决策单元，s-、s+分别为输入、输出松弛变量。基于模型运算公式，用DEAP软件计算出TE、PTE、SE值，对TE、PTE、SE值进行深入分析可以得出耕地生产效率水平。

2.2 Malmquist生产率指数法

运用DEAP软件计算出生产效率值，发现10年间生产效率有变化。Malmquist生产率指数法是基于DEAP软件分析效率变化情况，运算模型如下。

可以把式（2）划分成3个部分，第一部分表示纯技术效率变化，第二部分表示规模效率变化，第三部分表示综合技术效率变化。当DEAP软件计算出结果时，可以从上述3种变化进行分析。

2.3 Tobit回归分析法

Tobit回归模型是因变量满足某种约束条件下的取值模型[8]，Tobit回归模型具体如下。

式中，yix是潜在因变量，xi是自变量，β是系数，μi是误差项。综合分析上述两种方法的研究结果，选用Tobit回归分析法分析桂平市耕地生产效率的影响因素。

3 数据来源及指标选择

3.1 数据来源

桂平市以及各乡镇农业从业人员、农用化肥施用折纯量、农用机械总动力、农业生产总值来自桂平市农业局文件、材料及桂平市统计局2008—2017年《贵港统计年鉴》，耕地面积来自该市自然资源局的相关文件等，整理得出研究所需的数据值。

3.2 桂平市概况

桂平市地处广西东南部，地势两边高、中间低。平原与盆地占总面积的41.55%，丘陵占52.29%，山地占6.16%。截至2016年，耕地面积11.64万hm2，农田有效灌溉面积5.45万hm2。桂平市农业与矿产资源丰富，气候条件优越，因郁江与黔江交汇形成的浔江流经市内，桂平市河流水系发达，适宜各种农作物与鱼类的生长与生活。优越的条件使得桂平市成为广西重要的糖、粮生产基地。桂平市下辖26个乡镇，土地总面积4 074.51 km2。截至2016年，地区生产总值322.72亿元，同比增长7.7%;全市以农业生产种植为主，农林牧渔业总产值达111.58亿元，占总产值的34.5%。

3.3 评价指标的选择

对桂平市耕地生产效率进行评价，需要综合考虑各投入和产出要素对生产效率的影响情况，客观选取评价指标，建立评价指标体系。以桂平市以及辖区内26个乡镇为决策单元，以此来反映桂平市耕地生产效率。鉴于数据的可比性，系统性、经济性原则[9]，综合考虑研究区域的实际情况，选取农业从业人员、耕地面积、农用化肥施用折纯量、农业机械总动力作为投入指标;选取农业生产总值作为产出指标。

4 结果与分析

4.1 桂平市耕地生产效率评价

从2008—2017年《贵港统计年鉴》、桂平市农业局、自然资源局文件及资料搜集所需数据，把搜集到的资料与数据按指标进行归类、整理与分析，获得2007—2016年桂平市投入与产出指标数据（表1）。

运用DEAP 2.1统计软件对表1数据进行分析运算，以年份为决策单元，通过整理“EFFICIENCY SUMMARY”得出2007—2016年桂平市的TE、PTE、SE值以及规模收益状况，计算结果见表2。

由表2可知，2007—2016年桂平市TE、PTE、SE的平均值分别是0.880、0.918、0.961，实际产量占理想产量的88%，表明桂平市的生产效率还有较大的提升空间。对各年份数据进行分析可知，2008、2014、2016年桂平市的效率值都为1，DEA有效，表明这3年耕地生产的自然要素、人力投入、物资消耗及生产规模合理，耕地的实际产出达到理想化模式。其他年份的综合技术效率小于1，DEA无效，说明这7年桂平市的耕地生产效率没有达到最佳状态，实际产出未达到理想值。

因TE/PTE=SE，当DEA无效即TE小于1时，可以从纯技术效率和规模效率的角度上分析生产效率的影响因素。2007年的纯技术效率为1，表明这一年桂平市的技术推广与投入力度大，推行效果佳，但是规模效率较低，导致了生产效率较低，这可能与当地农民的人均耕地面积少和农田耕作分散有关。从规模效率的角度看，2011、2015年的效率值是1，说明这两年达到最优生产规模。2009、2010、2012、2013年纯技术效率和规模效率均未达到有效状态，说明这4年桂平市在人力资本投入、土地要素投入、主要物资消耗等3个方面的结构配置需要优化，在生产规模上可以优化配置结构，其中2009与2010年受PTE值的影响明显。

从规模收益状况的角度来看，桂平市2007、2009、2010、2012、2013年生产效率的规模收益状况是增长的，其他年份处于稳定状态。为了使结果表现更形象，将2007—2016年桂平市3个效率值用折线图表示，得出桂平市耕地生产效率变化趋势（图1）。图1显示了2007—2016年桂平市耕地生产效率随着时间的变化情况，从变化趋势看，桂平市耕地综合技术效率值处于变动状态。2007—2016年影响桂平市耕地综合技术效率的情况可分为两种，一是2007年桂平市耕地生产效率低下主要受规模效率的影响，所以这一年提高综合技术效率重点在于提高规模效率;二是2009—2011、2015年桂平市耕地生产效率低下主要受纯技术效率的影响，应着力通过提高纯技术效率来提高综合技术效率。2012—2013年纯技术效率和规模效率都较高，对耕地综合技术效率影响较小。

4.2 各乡镇耕地生产效率评价

运用DEAP 2.1统计软件对2007—2016年桂平市各乡镇投入与产出指标数据进行分析运算，整理“EFFICIENCY SUMMARY”平均得出各乡镇的效率值（表3）。

为了使结果更形象地表现出来，在GIS技术支持下，将桂平市2007—2016年的TE、PTE、SE值用分级图表示出来，见图2。

以3种效率值的特点为依据，可将桂平市26个乡镇划分为效率完全有效型、纯技术效率有效型、無效型3类。

效率完全有效型仅有金田镇，金田镇耕地效率值均为1，这意味着在耕地利用方面，金田镇的人力资本投入、土地要素投入、主要物资消耗资本投入与耕地经营规模达到最优组合，要素投入达到最佳水平。

纯技术效率有效型有麻垌镇、厚禄乡、南木镇、垌心乡、紫荆镇，这5个乡镇的纯技术效率值为1，DEA有效，但规模效率都未达到DEA有效，规模效率是造成该地区综合技术效率无效的重要因素。因此，这4个乡镇应着力优化耕地资源配置，推进耕地资源的市场化流转，引导耕地向农业生产大户流转，以实现耕地的最优规模经营。

其他乡镇属于无效型，其纯技术效率、规模效率均小于1，耕地生产效率总体较低。这些地区应结合自身实际情况，拓展农业科技的推广面，提高整体的规模化经营水平，合理配置耕地资源和农业资本投入，促进技术水平、管理能力与耕地规模之间的协调发展。

除金田镇外，其余乡镇规模效率值都无效，与实际情况相符。造成这种现状的原因可能是各农户所拥有的耕地面积比较少，且相对分散，所以规模效率难以实现最优。

4.3 耕地生产效率变化分析

从上述DEA评价的效率水平情况可以看出，各年间的效率值均有差异。采用Malmquist生产率指数法分析桂平市耕地生产效率的变化情况，找出使全要素生产力发生变化的主要因素，以此改善影响生产力的关键因素，以期提高桂平市的生产力，进而为桂平市提高耕地生产效率提供建议。把2007年作为基准年，用DEAP 2.1软件分析桂平市耕地生产效率变化情况，结果见表4。

Malmquist指数（Tfpch）是研究效率和技术进步变化指数（Techch）的重要方法，当Malmquist指数大于1时，表明耕地生产效率不断提高，Malmquist指数等于1时，表明耕地生产效率处于稳定状态，Malmquist指数小于1时，耕地生产效率呈下降的趋势[10，11]。

依据表4可知，2009年技术进步指数是0.821小于1，其他年份的值都大于1。依据模型运算公式可知，Tfpch主要受Techch的影响，且桂平市Tfpch波动显著，最小为0.821，最大为1.335。Tfpch值的波动可能与现代农业技术的广泛应用有关，技术应用程度的提高推进了现代农业的建设，使得当地的农业生产无论在物质上、规模上还是生产管理上都更加现代化，同时也使耕地生产效率得到提高。桂平市这十年间Tfpch都处于不稳定状态，可能与外在影响因素有关。

4.4 耕地生产效率的影响因素分析

桂平市耕地生产效率在2007—2016年的数值各不相同，其中只有3年的效率值为1。为了提高耕地生产效率，以TE为因变量，选择可能影响耕地生产效率的因素作为自变量进行Tobit回归分析。

4.4.1 Tobit模型构建与指标选择以DEAP 2.1软件计算的2007—2016年桂平市耕地生产综合技术效率为因变量，结合研究区域实际情况，考虑数据的可获取性、指标选取不重复性，参照相广萍[12]、李茗薇等[13]的耕地生产效率影响因素分析情况，选取灌溉面积比例、复种指数、平均农用机械总动力、人均GDP作为耕地生产效率影响因素，Tobit回归分析模型如下。

Y_i=C+C₁X_1i+C₂X_2i+C₃X_3i+C₄X_4i（5）

其中，C是常数项，C₁、C₂、C₃、C₄分别是自变量的相应系数。Y_i表示第i年的综合技术效率，X_1i、X_2i、X_3i、X_4i分别表示第i年灌溉面积比例、复种指数、平均农用机械总动力、人均GDP。

4.4.2 回归结果分析运用Eviews 6.0软件导入因变量和自变量，选择Tobit回归模型进行计算分析，结果见表5。根据表5计算结果可以建立桂平市耕地生产效率与各自变量的关系模型，即Y_i=-48.441 360+0.998 865X_1i+0.031 129X_2i-0.151 722X_3i-0.140 218X_4i。由表5可知，对耕地生产效率影响程度的强弱排序依次是平均农用机械总动力（X₃）>灌溉面积比例（X₁）>复种指数（X₂）>人均GDP（X₄），其中，灌溉面积比例、复种指数对耕地生产效率呈显著的正向影响，平均农用机械总动力对耕地生产效率呈负向影响，人均GDP对耕地生产效率影响不明显。

5 小结

1）运用DEAP 2.1软件对2007—2016年桂平市整体耕地生产效率进行DEA评价发现，2008、2014、2016年桂平市TE、PTE和SE值均为1，其他年份DEA无效，需作进一步优化。对各乡镇进行评价发现，各乡镇综合技术效率差异明显，金田镇TE、PTE、SE值均为1，效率值偏低的乡镇是木乐镇、木圭镇、木根镇，分别为0.539 6、0.587 9、0.553 7，资源配置失衡。

2）基于Malmquist生产指数法模型计算，除2009年外，其他年份的指数值都大于1，表明桂平市整体耕地生产技术不断进步，技术进步指数稳步提升，技术的进步是桂平市耕地生产效率提高的重要原因。

3）采用Tobit回归分析模型研究桂平市耕地生产效率的影响因素。结果表明，灌溉面积比例、复种指数显著正向影响耕地生产效率，即灌溉面积比例、复种指数值越大，桂平市耕地生产效率越高。平均农用机械总动力显著负向影响耕地生产效率，即平均农用机械总动力值越大，桂平市耕地生产效率越低。人均GDP对耕地生产效率的影响效果不明显。

参考文献：

[1] 樊高源，杨俊孝，景守武.新疆1998—2012年耕地生产效率分析[J].天津农业科学，2015，21（7）：58-62.

[2] 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.

[3] 杨朔，李世平，罗列.陕西省耕地利用效率及其影响因素研究[J].中国土地科学，2011，25（2）：47-54.

[4] 杨朔，李世平.陕西省耕地全要素生产分析[J].西北农林科技大学学报（社会科学版），2014，14（3）：114-118.

[5] 潘倩红，任大廷.四川省耕地生产效率及影响因素分析[J].国土资源科技管理，2010，27（4）：95-101.

[6] 黄永莹.基于DEA-Tobit的开封市耕地生产效率评价研究[D].河南开封：河南大学，2015.

[7] KHAI H V，YABE M.Technical efficiency analysis of rice production in Vietnam[J].Journal of ISSAAS，2011，17（1）：135-146.

[8] 周华林，李雪松.Tobit模型估计方法与应用[J].经济学动态，2012（5）：105-119.

[9] 胡永宏，贺思辉.综合评价方法[M].北京：科学出版社，2000.

[10] 楊印生，张充.公共投资对粮食主产区农业生产率增长的驱动效应分析——基于吉林省1989—2006年的数据实证检验[J].数理统计与管理，2010，29（4）：571-577.

[11] 宁爱凤，刘友兆.城市化进程中农业生产效率研究——基于粮食生产的视角[J].资源科学，2013，35（6）：1174-1183.