喀斯特地区家庭农场茶叶生产经营效率研究

王运，宋山梅

1.贵州大学经济学院，贵州 贵阳550025；2.贵州大学管理学院，贵州 贵阳550025

贵州省近年来以“生态”和“发展”为底线，重点扶持茶产业，在产业扶贫推进和实现小康过程中发挥了巨大作用。2019年，贵州省茶园面积46.58万hm2，已连续7年居全国第一，茶产业辐射带动356.1万人，带动贫困户34.81万人，脱贫17.46万人，涉茶人员年人均收入1.1万元，其中涉茶贫困户人均年收入5 722.79元。茶产业已然成为贵州省助推脱贫攻坚的成功典范，为实现乡村振兴战略奠定了坚实的基础。

目前对茶产业方面的研究多局限于土地平缓、交通便利的平原地区，对于喀斯特这种特殊地区的茶产业研究极少。家庭农场式茶叶经营是我国当下茶叶生产经营的新型重要形式，在该种形式下茶农经营的规模偏小。相较盆地和平原地区，喀斯特地区茶园规模普遍更小。其家庭农场的经营中是否存在明显的规模效应、是处于规模报酬递增还是递减阶段等问题，从茶产业发展的角度来看迫切需要研究与分析。

在对土地规模报酬的研究方法上，学者们多以传统的函数为主，如许海平[1]从全要素生产率和技术效率两个角度对海南国营植胶农场进行了测算，得到两者与橡胶生产规模呈“倒U 型”曲线关系，存在适度规模的结论。罗艳等[2]通过构造函数对安徽金安区的数据进行非线性拟合得到当地最适农户规模为0.084 hm2。杨江帆等[3]通过横向比较世界其他主要茶叶出口国的茶叶生产经营规模水平，发现中国是最低的。朱启臻[4]用人均可承担土地面积计算出河北省部分农作物的最适规模。纵观前人文献，传统函数如生产函数等，只能从宏观上进行测算，对样本的研究仅停留在表面，未深入分析单个样本情况，研究较为模糊。而本文将使用DEA （数据包络分析法） 结合Cobb-Douglas 生产函数模型对样本个体及总体情况进行深入分析。

一、研究方法与数据来源

DEA 多被应用于企业、工厂等不同行业的效率分析中，而对农业生产经营类的效率评估涉及极少。本文将在前人运用DEA 方法的案例基础上，将此方法运用到茶叶种植的家庭农场规模报酬测算中，对各个家庭农场茶叶种植的投入产出数据进行定量分析，使DEA的应用扩展到茶业这个崭新的领域。DEA 的原理是基于投入产出要素的分析而构建出有效的生产前沿面，其分析得到的相对效率值为（0，1］，值越高表明产效越好。考虑到茶叶生产容易受到自然条件、社会条件等外部因素的影响，加之家庭农场的投入都是人为可控的，其规模报酬可变，因此选择投入导向视角规模报酬可变的BCC模型进行分析。

1.指标体系的构建

基于在贵州省遵义市、黔南布衣族苗族自治州等地调研走访的50户家庭农场获取的数据、参照的文献和专家给出的意见，本文选取的投入指标为：茶叶种植面积、肥料与农药成本、雇工成本、机械成本以及其他投入成本5个指标（表1）。

茶叶种植面积，指的是1 个行政村家庭农场所种植茶叶的总面积，因本文研究的重点土地适度规模，所以茶叶种植面积是必选指标。而有机肥等肥料成本和劳动力成本，无论是传统农业还是现代农业都是必须的成本。雇工成本即农户雇佣他人所支出的成本，需要特别指出的是，在实地调研中发现，少部分小规模农场自身劳动投入较大，但总体上差异较小，各样本自身劳动投入基本相当，人工成本的差异性主要还是体现在雇佣他人的成本上，故本指标去除自身劳动投入，将自身劳动投入的差异适当在最后一个指标里体现。这里的机械成本指的是购买茶叶修剪机、茶叶加工机等机器的费用。对于1年里因茶叶生产销售而购买的其他物品及其他支出（包含自身劳动投入差异折算）归为最后一个投入指标。因出售茶叶的时间不同，茶叶的价格也不同，故本文的投入指标不选择茶叶种植的收入，而是选择茶青产量作为产出指标。

表1 经营规模效率评价指标体系

2.数据来源

喀斯特地区以贵州省最为著名，但贵州地域广阔，加之各种条件限制，考虑到全省实地调研难度大，所以采用典型调研和随机取样相结合的方法，选择遵义市、黔南布衣族苗族自治州、都匀市等地为调研区，随机抽选了50户种植茶叶的家庭农场进行问卷调查，具体样本情况如表2。

3.模型构建

共50个样本，即50个决策单元。对于第一个决策单元（记为DMU1），其产出的综合值为Y1U1，其中Y1表示产出指标茶青的产量，U1表示对应产出指标的权重。DMU1的投入综合值为X11V1+X12V2+X13V3+X14V4+X15V5，X 表示投入指标，X 下标的数字用来区别不同决策单元的不同投入要素，前一个数字表示决策单元编号，范围为1～50，后一个数字表示不同的投入指标，本文选取了种植面积、肥料与农药投入成本、雇工成本、机械成本和其他成本共5 个投入指标，所以范围为1～5，如Xnj，表示第n个决策单元第j个投入指标。V则表示对应投入指标的权重。在经过划线性化处理后利用对偶性得到以下模型：

其中λn表示相应决策单元投入指标的权值；θ表示对应决策单元求解的相对效率值，0＜θ≤1。对上式求解50次，即可得到50个决策单元的效率值。增加约束条件，再引入松弛变量s+、s-后得到下式：

ε为非阿基米德无穷小量（大于0 但小于所有正数的数），当松弛变量不全为0 时，DEA 有效，反之则DEA无效。

本模型所求出的综合效率、规模效率、纯技术效率之间的关系为：综合效率=规模效率×纯技术效率。

表2 样本统计描述

二、结果与分析

将原始数据代入模型，通过DEAP 2.1 运算得各个决策单元的综合效率、纯技术效率和规模效率值及规模报酬情况如表3。

计算各效率均值为：综合效率0.942、纯技术效率0.952、规模效率0.989，所有行政村家庭农场的综合效率值、纯技术效率值、规模效率值的平均值依次与生产前沿效率值1.000 相差0.058、0.048、0.011，差距很小，说明总体情况良好，各个决策单元的生产投入要素都几乎得到了合理的配置，需要进行调整的幅度并不大。

根据表3的结果，从各个茶叶种植家庭农场的综合效率来看，DMU1、DMU2、DMU3、DMU4、DMU15、DMU18、DMU23、DMU31、DMU32、DMU37、DMU39、DMU40、DMU41、DMU45、DMU47、DMU49的综合效率值为1.000，生产投入要素的配置最佳，而其他决策单元的综合效率值不足1.000，表明其要素的配置不合理，纯技术效率和规模效率至少有1个值不为1.000，要素的生产潜力没有被彻底发挥出来。对于要素配置不合理的家庭农场，要按目标值给出的最佳要素权重来配置各个投入要素，以提高产能。就纯技术效率来看，DMU1、DMU2、DMU3、DMU4、DMU15、DMU18、DMU23、DMU25、DMU31、DMU32、DMU36、DMU37、DMU39、DMU40、DMU41、DMU42、DMU45、DMU47、DMU48、DMU49、DMU50的纯技术效率值为1.000，说明这些决策单元生产投入要素的配置模式合理，在当前管理模式和技术条件下并没有被限制，有效配置了要素，而其他纯技术效率不为1.000的决策单元则表明对应茶叶种植的家庭农场因当前技术限制或管理模式不佳，导致生产投入要素的配置模式存在一定问题，需要注意提升生产技术或改进管理模式。就规模效率来看，DMU1、DMU2、DMU3、DMU4、DMU15、DMU18、DMU23、DMU31、DMU32、DMU37、DMU39、DMU40、DMU41、DMU45、DMU47、DMU49的规模效率值为1.000，说明这些决策单元对应的家庭农场在茶叶种植规模方面是合适的，同时这些决策单元都处于规模报酬不变，说明除了规模适度，在要素配置、管理模式等各方面都是最适的，其茶叶种植处于农业土地适度经营状态。而其他决策单元的规模效率不足1.000，说明其规模还没有达到最适，进而影响了综合效率，如DMU36的纯技术效率值为1.000，但规模效率值为0.989，导致综合效率值为0.989，对于这类家庭农场需要根据自身实际情况扩大或缩小当前规模，否则不能彻底激发生产要素的潜力。

表3 样本的综合效率、纯技术效率、规模效率和规模报酬

在50 个决策单元里，处于规模报酬不变的决策单元共计16个，规模报酬递增的决策单元也为16个，而规模报酬递减的决策单元为18个，对比发现规模报酬递减主要集中在茶叶种植面积为0.667 hm2以上的家庭农场，而规模报酬递增则主要集中在种植面积0.667 hm2及以下的家庭农场。

引入松弛变量，对投入值进行径向改进和松弛改进，将各茶叶种植家庭农场应调整的总改进值情况整理如表4。如DMU38，其茶叶种植面积应减少0.118 hm2，每年投入的机械费用应减少501.929 元，肥料与农药费也随之减少689.508元，雇工费用要减少3 665.969 元，其他成本应减少208.822元。

就总体来看，决策单元的要素投入过多，这是由当前贵州省茶产业发展现状导致。2003—2013年，贵州茶产业迅猛发展，种植茶叶的家庭农场越来越多，贵州于2013年成为全国首屈一指的茶产业大省。随着品牌的推广，茶叶需求量大增，正向刺激了贵州喀斯特地区茶产业。因喀斯特的特殊地貌，种植面积很难扩大，加之当地茶农文化程度不高，只能用增加肥料等其他投入为主的生产经营模式以期增加产量，导致投入冗余。

表4 决策单元应调整的总改进值

三、基于C-D生产函数模型的计算与分析

本文中的各个要素之间具有相互替代的可行性，但这种替代可行性是有限替代，因而构建C-D（Cobb-Douglas）生产函数模型。该函数一般形式为：Y=ALb1Jb2Kb3Mb4Nb5。

模型中Y 表示茶青产量，L 表示茶叶种植面积，J 表示茶相关机械投入成本，K 表示雇工成本，M表示肥料和农药投入成本，N表示其他生产投入成本，A为生产函数参数，b1、b2、b3、b4、b5分别为对应投入指标的弹性系数。弹性系数之和有以下3种情况。

b1+b2+b3+b4+b5＞1，此时农场的规模报酬为递增型，说明在现有技术水平下，农户通过增加各种要素的投入量扩大茶叶种植规模以期增加收益是可行的。

b1+b2+b3+b4+b5＜1，此时农场的规模报酬为递减型，说明在当前技术水平下，农户继续投入各生产要素扩大种植规模以期提高收益是不可行的。

b1+b2+b3+b4+b5＝1，此时农户生产投入结构合理，为规模报酬不变型，收益被当前的技术水平所限制，不提高生产技术水平，收益就不会增加。

将C-D 生产函数的一般形式做对数化处理以得到线性函数：

1nY=1nA+b11nL+b21nJ+b31nK+b41nM+b51nN

把该函数化为回归方程标准形式：

y=b0+b1x1+b2x2+b3x3+b4x4+b5x5

在参照前人利用最小二乘法和回归方程案例[5-6]的文献基础上，利用STATA 软件最小二乘法对调整后的目标值求解后得到模型关系式为：

Y=1.825 9×L0.8170J0.0186K0.0434M0.0451N0.0346

b1＝0.817 0，表示茶叶种植面积每增加1%，茶青产量增加0.817%；b2＝0.018 6，表示机械投入每增加1%，茶青产量增加0.019%；b3＝0.045 1，表示雇工投入每增加1%，茶青产量增加0.045%；b4＝0.043 4，表示肥料与农药投入每增加1%，茶青产量增加0.043%；b5＝0.034 6，表示其他投入每增加1%，茶青产量增加0.035%。

b1+b2+b3+b4+b5＝0.958 7＜1，所有弹性系数之和小于1，此时规模报酬递减，但0.958 7与1仅差0.041 3，因此，贵州省喀斯特地区总体呈规模报酬微递减状态，这与上述DEA模型中规模递减单元多的结果相符。在所有投入要素中，茶叶种植面积对产量的影响最大，肥料与雇工投入影响其次，机械与其他投入影响最小。

四、结论与建议

1.结论

（1）总体生产经营效率低

根据DEA模型所得结果，只有16个样本的综合效率值达到1.000，仅占总体的32%，仍有68%的家庭农场样本生产经营情况不佳。从C-D 生产函数的结果看，贵州省喀斯特地区茶叶生产经营的总体情况是规模报酬微递减，种植规模偏大，导致效率反而达不到最佳。

（2）土地要素影响最大

根据模型结果的改进情况来看，茶叶种植面积的松弛改进全为0，土地投入要素的改进主要体现在径向改进中，而通过C-D 生产函数求出的土地要素弹性系数来看，是所有弹性系数中最大的，土地要素投入对产出的影响最大。

（3）生产策略带有盲目性

弹性系数之和为0.958 7，小于1，此时为规模报酬递减。因近些年贵州茶产业的蓬勃发展，茶农获得了巨大的利益，在利益导向下，盲目扩大茶叶种植面积，不考虑山地的坡度、气候等限制茶叶产量的各种因素。如黔南贵定县连片山地被盲目开发成茶园，不仅如此，茶农甚至还普遍认为生产仍被种植面积所限，对已有种植土地继续增加要素投入，导致效率降低。

（4）存在隐性技术水平限制

根据表3 可知，纯技术效率的平均值为0.951 9，基本达到1，说明喀斯特地区茶农对当前技术的利用是强有效的，但规模报酬总体呈微递减，这反映出当前技术水平实际上已经成为束缚茶业生产力的一个深层次原因。贵州省作为“中国数谷”，具有先进的大数据技术，但政府并未有效利用这个先进的技术工具，存在隐性技术限制，新技术若不能有效推广，就难以打破当前的困境。

2.建议

（1）整合农业发展基金，加大基建投入

喀斯特地区因地貌特殊，农业发展多在山中以种植山地特色经济作物为主，交通、销售和宣传等方面存在不便。贵定县茶产业就是喀斯特地区特色经济作物的典例，其茶树品种为鸟王树，仅在云雾山地生长。山地曲折险峻，增加了农户的生产成本。因地势的特殊性，喀斯特地区农户主要以摩托车为农业代步工具，而平原和盆地主要以电动车为主，相比电动车电能，摩托车燃油所产生的成本更大。此外，雇佣山外的农户劳作，也需要付出比平原地区等更高的雇工费用。因此，政府各部门首先要对曲折难行的山路建设加大投入，为喀斯特地区茶产业的发展建立良好的基础环境。

（2）采取因地制宜的理性土地利用策略

现阶段，黔南贵定县的农场主在利益导向下，盲目扩大茶叶种植面积，导致县内多有连绵的“茶山”。而农业生产经营追求最适利用规模，家庭农场这种新型经营模式也是以集约利用为核心的，规模在精不在大。此外，利用土地时，茶农对坡度、气温、土质等对茶叶种植有巨大影响的因素欠缺考虑，造成了贵定县当前产效不佳的情况。根据模型运算结果，农场主应径向减少茶叶种植面积，合理调整茶叶的投入要素结构。如，只在茶叶生长的最佳地块进行种植，其余地块种植其他适宜的经济作物。有学者的实证研究[7]表明，种植高度是经营规模的重要影响因素，最佳茶叶种植地应在山的中部，太低或者太高对经营效率都会产生影响。低海拔地区的茶叶生长速度快，周期短，但存在的明显弊端是茶叶品质不高，这对走中高端产品发展路径的贵州茶产业来说显然是不可取的。而高海拔地区茶叶的品质虽好，但气候偏寒，茶叶生长速度慢，且易受到损害，经济效益不高，在过高海拔种植也不可取。因此，将茶种于山的中部，在低处种植粮食作物，高处种植稀有中药材等，这样因地制宜，经济效益才会最大化。

（3）注重教育提升，加大人才引进

贵州省位于西南内陆，山多路远，经济落后。对内人才难留，对外吸引力不足，教育水平也不高。样本农场主普遍为初中和小学文化，受教育程度偏低直接导致了思维的狭隘，产生了盲目的生产策略。唯有提升教育水平，才能突破思维束缚，理性提高经营效率。高素质农民在建设绿色生态农业中发挥着主体作用，应加大茶农现代农业知识培训力度，同时要注重培育懂技术、会管理的新型职业茶农，加快构建专业化、组织化、社会化相结合的新型茶业经营服务体系[8]。政府在引导当地茶农提升自身素质的同时，还应加大对外地人才的引进力度。可采取对来贵州指导茶业生产的人才给予一定补贴并颁发相关凭证，同时为其未来发展提供便利等措施吸引人才。

（4）抓住大数据机遇，发展“智慧茶业”

产业要突破发展，必须打破技术束缚，赋予新的动能。新技术能否被有效利用至关重要，贵州省拥有国内首个大数据综合试验区，这为茶产业经济的腾飞提供了良好的机遇。当地政府可以借助大数据工具，分析茶产业数据，制定有效决策。如贵州省以发展中高端茶产业为主，政府可利用大数据对影响茶树生长的外部环境进行长期追踪和收集，在获得大量数据的基础上，面对不同的外部环境做出恰当的决策。