基于Malmquist指数法的珠三角耕地生产效率研究

秦钟, 王璐,* , 张春霞, 隆少秋, 袁兰

基于Malmquist指数法的珠三角耕地生产效率研究

秦钟1,2,3,4, 王璐1,2,3,4,*, 张春霞1, 隆少秋1,2,3,4, 袁兰1,2,3,4

1. 华南农业大学资源环境学院, 广州 510642 2. 国土资源部建设用地再开发重点实验室, 广州 510642 3. 广东省土地利用与整治重点实验室, 广州 510642 4. 广东省土地信息工程技术研究中心, 广州 510642

耕地的利用效率是保障我国社会经济持续稳定发展的重要前提。为深入了解珠三角地区耕地资源的利用情况, 采用基于数据包络分析法(Data Envelopment Analysis, DEA)的Malmquist生产率指数对2001—2016年间耕地的全要素生产率进行测度。结果发现, 珠三角各县(区)耕地的生产效率整体达有效且趋于不断改善状态。其中金湾区、顺德区、德庆县、江海区和白云区的技术进步、技术效率均呈现同步增长, 耕地的生产效率处于最优水平。番禺区、东莞市、惠阳区等县(区)耕地的生产效率为负增长, 技术进步增幅较小和技术效率下降是导致耕地生产效率下降的主要原因。建议这3个县(区)在遏制耕地面积持续减少的前提下, 通过继续推进科技创新、提高土壤质量和优化资源配置等来改善这一状况。

耕地; 生产效率; Malmqusit 指数; 珠三角

0 前言

耕地是农业生产过程中最重要的投入要素。从长期的趋势来看, 人口与土地关系的总趋势是人口增加, 耕地数量与人均占有量不断减少, 土地质量退化, 未来可供开发的后备耕地资源有限, 人口与土地之间的矛盾日益尖锐, 且在短时期难以逆转[1]。作为人类赖以生存发展的基本条件和不可替代的自然资源, 土地产出是农村家庭最为重要的收入来源, 提高耕地生产效率也是促进农民增收的重要手段之一。如何最大限度地保护与合理利用有限的耕地资源, 对于保障粮食安全、促进区域社会稳定与经济持续发展具有重要的现实意义。为此, 许多学者已采用多种方法, 从不同的角度对耕地资源的利用效率开展了大量的研究, 内容主要集中在耕地利用效率的指标构建[2–3]、区域差异[4–5]、影响因素[6–7]及政策建议[8–9]等方面, 涉及的研究尺度涵盖了宏观大尺度(省域、市域)和中、微观小尺度(县域、镇域)等, 所采用的方法主要有Cobb-Dauglas生产函数、数据包络分析模型、比值分析法等。为了对耕地生产效率空间特征进行分析, 一些学者[2-10]还借助了GIS技术和空间统计学方法研究其空间差异性、关联性等。这些研究对深入剖析耕地生产效率变化规律及原因、探寻提升耕地资源高效利用的途径或改进措施等奠定了坚实的基础。总体来看, 目前对耕地生产效率所开展的研究中所采用的投入指标与产出指标也存在着较大的差异, 尚未有统一的测度指标体系。如何因地制宜, 构建耕地高效利用和优化路径等问题仍需开展大量的实证研究和深入总结。

珠江三角洲地区是我国改革开放的前沿地区和经济高度发达地区, 在工业化、城市化和现代集约化农业的长期高速发展的背景下, 现已成为我国基本农田被大量非农占用, 耕地数量锐减与质量同步下降、环境污染最严重、人地矛盾最为尖锐的地区之一[11]。在多年来对农村土地整治、耕地质量提升和现代农业技术不断发展的过程中, 耕地资源投入产出的水平如何, 总体利用效率发生了怎样的变化, 如何进一步提升等问题有待明确。为此, 研究将在参考现有耕地生产效率评价的基础上确立相应的投入产出指标体系, 采用数据包络模型、Malmquist 生产率指数对珠三角各县(区)耕地的生产效率进行测度, 为明确耕地生产效率的变动规律, 探究其影响因素等提供科学依据。

1 材料与方法

1.1 Malmquist 生产率指数

Malmquist 指数由Malmquist[12]于1953提出, Caves和Christensen[13]将其用于生产效率变化的测算。1994年Fare[14]将这一理论的一种非参数线性规划法与数据包络分析法理论相结合, 将Malmquist生产率指数分解为效率变化和技术变化两部分, 并将效率变化进一步分解为技术效率变化和规模效率变化, 对技术变化部分亦作了进一步的剖析, 使Malmquist指数得以广泛应用。

Malmquist指数是通过对不同时期生产点距离的几何平均值来计算的, 因此, 为了避免由于时期选择上的随意性可能出现的差异, Caves和Christensen[13]在1982年模仿Fisher 理想指数的构造方法, 将式(1)与式(2)的几何平均值作为衡量从t时期到t+1时期全要素生产率(Total Factor Productivity, 简记为TFP) 变化的Malmquist生产率指数, 即:

在规模报酬不变的情况下, 式(3)可以表示为技术效率变化指数(Technical Efficiency Change Index, 简记为Ech)与技术变化指数(也称技术进步指数, Technical Change Index, 简记为Tch)的乘积, 即:

在规模报酬可变的情况下, 由于技术效率(Ech)可以进一步分解为纯技术效率(Pure Technical Efficiency, 简记为 Pech)与规模效率(Scale Efficiency, 简记为 Sech), 此时, 式(4)可以表示为纯技术效率变化指数(Pech)、规模效率变化指数(Sech)与技术变化指数(Tch)的乘积, 即:

1.2 评价指标的选取

参阅了最新国内外有关土地利用效率评价体系研究文献[15-17]并充分考虑指标数据获取的难易程度, 从耕地投入和产出两个基本维度选取指标构建县(区)耕地利用效率的DEA评价体系。其中农业机械总动力水平1(kw·hm–2)、化肥施用强度2(折纯量, 103kg·hm–2)、农用塑料和薄膜使用水平3(103kg·hm–2)、农药施用水平4(103kg·hm–2)、灌溉面积所占比例5(即灌溉总面积与农作物播种面积的比例)、农林牧渔劳动力6(104人)为投入指标; 粮食亩产1(kg·hm–2)、单位面积农业GDP产值2(104元·hm–2)和劳均农林牧渔业总产值3(104元·人–1)作为输出指标。对农业GDP产值、农林牧渔业总产值, 以1990年不变价进行平减。选择包括广州、佛山、珠海等9个珠三角地市所辖的32个县(区)作为决策单元, 在研究期间(2001—2016年)内指标不全的县(区)如海珠区、黄埔区、禅城区及深圳所属县(区)等没有纳入分析范围。

各指标数据主要来源于2002—2017年《广东统计年鉴》[18]、《广东农村统计年鉴》[19]、广东统计信息网和中国资讯行高校财经数据库等。

3 结果分析

3.1 各县(区)耕地全要素生产率及分解

在研究期间, 珠三角地区耕地的生产效率实现了较小幅度的增长, 所研究的32个县(区)中, 86%的县(区)的生产率基本上都得到了不同程度的平稳增长(表1)。其中增长最快的前5个地区依次为: 金湾区、顺德区、德庆县、江海区和白云区, 生产率增长幅度在4.0%—7.7%之间。这些县(区)的技术进步、技术效率均呈现同步的持续增长。除顺德外, 其他4个地区技术进步的增长率均高于技术效率, 说明这些地区耕地生产效率的增长一方面来源于技术效率的增长, 另一方面也更多来源于技术进步的提高。在其他耕地的生产效率增长的县(区)中, 香洲区、斗门区和鹤山市的技术进步均趋于下降, 但同期的技术效率均有增加。与之相对应地, 增城、恩平、台山、开平、南海区和博罗县的技术效率呈现负增长, 但同期的技术进步有较大增幅, 两种情形下这些地区耕地的全要素生产率仍处于增长态势。在13个耕地生产率负增长的地区中, 降幅较大的地区依次为: 番禺区、东莞市、惠阳区、惠东县和三水区, 生产率下降幅度在1.47%—10.99%。这些地区耕地生产效率下降的主要原因是技术进步增幅较小和技术效率下降共同造成的。从整个研究时段来看, 珠三角县(区)耕地的全要素生产率、技术进步均呈现上升趋势, 但技术效率在波动中略有下降, 主要与规模效率存在损失有关。

3.2 珠三角耕地全要素生产率的变动

自2001年起, 珠三角耕地全要素生产率呈现不断增长的趋势。全要素生产率增长最快的年份是2011年, 期间技术进步、技术效率同步增长, 使同期TFP的增长率达到12.44%, 之后TFP的增长开始回落(表2)。2004—2005年的技术效率是研究期内年生产率下降较快的一年, 降幅达10.92%, 同时这年技术进步也处于下调状态, 双方共同作用使当年的生产率下降了12.46%。在大部分份时间段内, 耕地利用的技术进步和技术效率的变动趋势并不一致, 全要素生产率的变化相对较为和缓, 并与技术进步、技术效率变化绝对值最大的一方保持一致。总的来看, 2001—2016年间, 珠三角地区的耕地全要素生产率在波动中略有增长, 平均年增长率达0.97%, 平均技术效率略有下降, 为0.03%, 但技术进步有着1.70%的平均增幅, 全要素生产率的增长主要是技术进步的贡献。这可能由于农业生产等相关部门通过提高农业生产技术水平, 推动技术前沿向外扩展、辐射带动所致, 但如果在重视技术进步同时忽略了对现有农业投入品的高效利用的技术效率提高, 必将造成生产的无效和资源浪费。

表1 珠三角各县(区)耕地的生产率及排序

技术效率是由纯技术效率与规模效率共同作用的结果。在珠三角地区耕地利用技术效率的变动中, 纯技术效率以年均2.04%的速度增长, 规模效率则以年均1.55%的速度下降, 使得技术效率的平均增长率呈现小幅下滑。技术效率变化与规模效率的变化更趋于一致, 表示技术效率变化受规模效率的影响较大。2010 年的纯技术效率、规模效率均分别有8.21%和4.99% 的增幅, 从而使得该段时间内技术效率的增长速度最快, 达13.30%。整个研究期间, 有一半年份的纯技术效率、规模效率的变化并不同步, 从而使技术效率呈现不同幅度的下降。究其原因, 主要是近30多年来珠三角地区在经济快速发展、农业结构不断调整的过程中, 耕地总量持续减少, 导致规模效率不足所致。以东莞为例, 2000年东莞的年末耕地面积为4.42×104hm2降至2016年的3.64×104hm2, 平均年降幅约1.0%。亟需采取有效的耕地保护措施, 为提高耕地的生产能力提供可靠保障。

表2 2001—2016年珠三角耕地Malmquist平均指数及其分解

3.3 地(市)耕地的全要素生产率

2001—2016 年间, 全要素生产率在各地市间的变动与技术效率基本一致(图1)。各地市间之间的全要素生产率、技术效率和技术进步的变动区间分别为: 0.6568—1.4817, 0.6091—1.4323和0.7964— 1.3129。8个地(市)的年均技术进步都处于有效状态。除惠州和东莞外, 其他地市耕地的全要素生产率均大于1。各地市中珠海的技术效率和全要素生产率均最高。广州、惠州和东莞三地耕地的全要素生产率略低于珠三角地区的平均水平, 技术效率尚未达到有效。尤其是东莞, 该市纯技术效率、规模效率均低于1.0, 使技术效率的水平处于无效状态。除珠海和佛山外, 其他地市的规模效率都出现了损失, 一定程度上影响了技术效率的提升。在各地市(除东莞外)纯技术效率有效的情况下, 广州、惠州、江门、肇庆和东莞这几个地区的规模效率均有待改善, 才能使这些地区的农业生产技术潜力得到充分发挥。

从各地市在不同年份的波动情况来看, 中山市耕地的全要素生产率、技术效率在年际间的波动最大, 其次是东莞和佛山。中山市耕地的技术进步波幅最为平缓, 说明全要素生产率在很大程度上受技术效率变化的影响。肇庆技术效率的年际波动最小, 技术进步和技术效率均略高于或低于珠三角区域的平均水平。广州、江门两地区的效率值波动也相对较为平缓, 表明自2000年以来, 这些地区的耕地利用的技术效率状况持续改善与前沿技术进步并存, 使耕地的全要素生产率相对平稳增长。耕地全要素生产率的波动性一定程度上反映农业生产率的增长机制容易受到国家宏观环境和农业、土地利用等相关政策的影响。当国家及地区宏观环境和土地利用相关政策有利于农业发展时, 农用生产率就表现出稳定的增长; 而当宏观环境和土地利用相关政策处于调整或不利于农业发展时, 农业生产率就会表现出波动或衰退的迹象。珠三角各地市耕地生产率年际间的稳定性说明区域经济及农业发展能够为全面提高耕地综合生产能力等, 促进耕地生产率的均衡、持续增长提供可靠的保障。

图1 珠三角主要地(市)耕地的生产效率

Figure 1 Arable land production efficiency in subregions of Pearl River Delta

4 结论

运用县(区)级耕地利用的投入、产出面板数据, 采用基于非参数的Malmquist 生产率指数方法定量考察了2001—2016 年珠三角耕地全要素生产率的增长状况, 并将其进一步分解为纯技术效率的变化、规模效率的变化和技术进步。研究结果表明: 从各效率值的动态变化来看, 珠三角耕地全要素生产率在波动中增长, 平均年增长率达0.70%, 其中技术进步、技术效率的平均增长率分别为0.97%和-0.20%。耕地全要素生产率的增长主要是技术进步的贡献, 制约技术效率改善的主要原因是规模效率的损失。在所研究的32个县(区)中, 19个县(区)的全要素生产率均得到了不同程度的增长, 主要来源于技术效率的改善和技术进步的提升。尽管珠三角耕地生产效率存在一定的小区域差异及时间变异, 但在近年来各地重视农业科技创新、提升土壤质量和优化资源配置的背景下, 这种差异最终将缩小并达到共同的稳态。

[1] 王军. 土地质量发展趋势对我国土地整理研究的启示[J]. 地域研究与开发, 2006, 25(6): 108–111.

[2] 陆柳霖, 卢远. 基于GIS和熵值法的农用地利用效率评价[J]. 广西师范学院学报(自然科学版), 2011, 28 (4): 55–61.

[3] 雷波, 胡玉福. 农用地集约利用评价研究－以四川通江为例[J]. 资源与人居环境, 2017(8): 6–9.

[4] 张荣天. 安徽省农用地利用效率测度及区域差异分析[J]. 安徽农业大学学报(社会科学版), 2017, 26(3): 21–25.

[5] 燕雪艳, 张全景, 吕晓. 山东省农用地利用效率的综合测度与空间分异[J]. 山东农业科学, 2014, 46 (8): 93–98.

[6] 徐莉. 农村流转过程中农户行为对土地利用效率的影响[D]. 沈阳: 沈阳师范大学, 2015: 37–40.

[7] 李辉. 土地资源配置、利用效率与区域经济增长[D]. 长沙: 湖南大学, 2016: 100–109.

[8] 刘传明, 李红, 贺巧宁. 湖南省土地利用效率空间差异及优化对策[J]. 经济地理, 2010, 30(11): 1890–1896.

[9] 翟印礼, 刘烨雷. 辽宁省建平县土地利用结构预测与可持续利用对策[J]. 沈阳农业大学学报(社会科学版), 2009, 11(4): 402–404.

[10] 陈影, 门明新, 周亚鹏, 等. 基于空间数据挖掘技术的农用地产能核算数据库的应用研究[J]. 测绘科学, 2009, 34(4): 212–213.

[11] 刘丽辉. 广东耕地占用对经济增长贡献的时空特点及区域差异性研究[J]. 广东农业科学, 2017, 44(8): 157–162.

[12]MALMQUIST S. Index numbers and indifference surfaces [J]. Trabajos De Estadistica, 1953, 4(2): 209–242.

[13] CAVES D W, CHRISTENSEN L R, DIEWERT W E. The economic theory of index numbers and the measurement of input, output, and productivity [J]. Econometrica, 1982, 50(6): 1393–1414.

[14] FARE R. Productivity growth, technical progress and efficiency changes in industrialized countries [J]. American Economic Review, 1997, 87(5): 1040–1044.

[15] TOMA E, DOBRE C, DONA I, et al. DEA applicability in assessment of agriculture efficiency on areas with similar geographically patterns [J]. Agriculture and Agricultural Science Procedia, 2015, 6: 704–711.

[16] YOU H, WU C, LIN N, et al. Assessment of eco-efficiency of land use based on DEA [J]. Transactions of the Chinese Society of Agricultural Engineering, 2011, 27(3): 309–315.

[17] SEPPÄLÄA J, MELANEN M, MÄENPÄÄ I, et al. How Can the eco-efficiency of a region be measured and monitored?[J]. Journal of Industrial Ecology, 2005, 9(4): 117–130.

[18] 广东统计年鉴编纂委员会. 广东统计年鉴[M]. 北京: 中国统计出版社, 2001–2017.

[19] 广东农村统计年鉴编纂委员会. 广东农村统计年鉴[M]. 北京: 中国统计出版社, 2001–2017.

Estimating arable land production efficiency in Pearl River Delta with Malmquist index

QIN Zhong1,2,3,4, WANG Lu1,2,3,4,*, ZHANG Chunxia1, LONG Shaoqiu1,2,3,4, YUAN Lan1,2,3,4

1.College of Natural Resources and Environment, South China Agricultural University,Guangzhou 510642, China 2.Key Laboratory of Construction Land Improvement, Ministry of Land and Resources, Guangzhou 510642, China 3. Guangdong Province Key Laboratory for Land Use and Consolidation, Guangzhou 510642, China 4. Guangdong Province Engineering Research Center for Land Information Technology, Guangzhou 510642, China

Arable land production efficiency is the essential guarantee of the sustainable development of social economy. To examine the utilization and protection of the agricultural land resource in Pearl River Delta for the period of 2001-2016, total factor productivity, technical progress rate and technical efficiency were calculated and their time series characteristics were evaluated using Malmquist index of data envelopment analysis technique. The results revealed a general efficiency and continuous improvement of agricultural land production for all counties (districts). Both technical efficiency and technology progress exhibited increasing trends for Jinwan, Shunde, Jianghai and Baiyuan districts as well as Deqing county. Agricultural land production was also most efficiency in these regions. Negative growth of agricultural land production efficiency was detected mainly in Panyu, Gongguan, Huiyang counties, which might attribute to the limited increase of technology progress and declined technical efficiency. To improve the arable land use efficiency, these regions were suggested to promote agricultural technology innovation continuously, enhance soil quality and optimize the resource allocation, with the premise of preventing the decline of arable land.

arable land; efficiency; Malmquist index; Pearl River Delta

10.14108/j.cnki.1008-8873.2019.06.018

F301.2

A

1008-8873(2019)06-125-06

2018-12-12;

2019-02-02

国家重点研发计划项目(2018YFD1100103); 广东省科技计划项目(2014B020206002); 国土资源部建设用地再开发重点实验室、广东省土地利用与整治重点实验室开放课题(SCAUGIS-OF2014-01)

秦钟, 女, 汉族, 博士, 副教授. 主要的研究领域为生态系统分析与模拟, E-mail: q_breeze@scau.edu.cn

王璐(1976—), 博士, 副教授, E-mail: selinapple@163.com

秦钟, 王璐, 张春霞, 等. 基于Malmquist指数法的珠三角耕地生产效率研究[J]. 生态科学, 2019, 38(6): 125-130.

QIN Zhong, WANG Lu, ZHANG Chunxia, et al. Estimating arable land production efficiency in Pearl River Delta with Malmquist index[J]. Ecological Science, 2019, 38(6): 125-130.