吉林省农业生态效率测度研究

李新月

（哈尔滨商业大学经济学院，哈尔滨150028）

近年来，吉林省农业经济保持平稳健康发展，2019年已达到粮食总产量363.3亿千克，位居全国第7位。单位产6487.5千克每公顷，位居全国第4位。粮食产量连续6年超过350亿千克。但与此同时，吉林省传统的粗放型农业发展模式过度依赖高投入及高污染排放带来的高经济产出，严重影响了其农业资源环境。而作为我国农业生产大省，吉林省粮食生产环境重要性不言而喻。为保证吉林省粮食产品质量安全，保障资源、环境和生态三者之间协调、健康、可持续发展，合理准确地对吉林省农业生态效率进行测度研究具有重大意义。

根据现有的农业生态效率研究成果，国内外学者大多以实证为主。从研究区域上看，众多学者针对全国的农业生态效率进行了测度研究，以及针对中国粮食主产区、山东省等农业生态效率的评价研究；从研究方法上看，应用较为广泛的为数据包络分析法，主要采用的模型有传统DEA模型，SBM模型，超效率模型等；从研究内容上看，众多学者们在分析农业生态效率的基础上，还对其提升路径，空间溢出效应及时空分异做出了评价研究。

研究发现，学者们对于吉林省的农业生态效率研究成果较少。笔者选取了2015-2019年的面板数据，利用DEAP2.1软件，对吉林省农业生态效率分别进行基于传统DEA模型的静态评价分析和基于Malmquist指数的动态评价分析，得出结论并提出改善建议。

一、研究方法与理论模型

（一）DEA-BCC模型

数据包络分析（DEA）是美国著名运筹学家Charnes等提出的一种效率评价方法。评价对象即为决策单元（DMU）。DEA法把单投入与单产出的效率概念发展到多投入、多产出的综合性效率评价中，DEA法避免主观干扰，具有很强的科学性和客观性。对样本容量要求较低，一般为两倍指标数即可。DEA模型的最大效率值为1，值越大，说明效率越高。

BCC模型是以规模报酬可变为前提条件，1984年，Banker，Charnes和Cooper提出该模型，技术效率（TE）还可分解为纯技术效率（PTE）和规模效率（SE），即TE=PTE×SE。

（二）DEA-Malmquist模型

Malmquist指数能够很好地反映农业生态效率的动态变化情况。MalmquistSten最初提出Malmquist指数模型，随后Caves等（1982）将其首度应用于生产率动态变化的测算。全要素生产率指数（tfpch）可以分解为技术效率指数（effch）和技术进步指数（techch），其中技术效率指数可进一步分解为纯技术效率指数（pech）和规模效率指数（sech）。

Malmquist指数是衡量全要素生产率的动态变化情况。当该指数大于1时，表示全要素生产率呈上升趋势，效率有一定程度的提高；反之，若该指数值小于1则表明全要素生产率呈下降趋势，效率有所下降。

二、指标选取与数据来源

农业生态效率评价的思想就是在保证最小投入量的同时，确保达到最大化的产出。参考以往学者的研究情况，将成本指标作为投入指标，将收益性指标作为产出指标，构建吉林省农业生态效率评价指标体系（见表1）。研究数据均来源于各年的《吉林省统计年鉴》以及各县市统计年鉴。

表1 吉林省农业生态效率评价指标体系

三、实证结果及分析

（一）吉林省农业生态效率的静态评价

1.从区域角度比较分析

通过DEAP2.1软件，对吉林省39个县域2015年到2019年的农业生态效率进行了测度，之后将其按所属市区进行平均取值。结果如表2所示。

表2 吉林省9地级市2015—2019年平均农业生态效率值

从整体上来看，2015到2019年间，吉林省农业生态效率平均值为0.894，并未处于生产有效前沿面上，约有10.6%的投入并未得到有效的产出。从个体上看，吉林省不存在五年间均处于生产有效状态的城市。其中，五年间有2-4年达到生产有效状态的有四平市和白山市，相对来说是DEA有效的。长春、辽源和松原市的农业生态效率值均在0.9以上，虽然没有达到最优状态，但整体效率较高。吉林、通化、白城和延边朝鲜族自治州的效率值均在吉林省平均水平之下，说明这些城市的资源利用率较低，存在投入浪费现象。

2.从时间变化趋势分析

如表2所示，吉林省2015到2019年间农业生态效率整体上呈上升趋势。其中，白山市除2017年没有达到最优值，其余四年均保持在最优水平；四平市的农业生态效率值逐步提升，在2017年达到了最优，说明资源浪费现象有所改善；长春市2015到2016年效率值有所下降，而后处于稳步提升状态；吉林、辽源、通化、松原、白城和延边地区到2017年农业生态效率值存在不同程度的下降，而后逐步提升，但最终都没有达到效率最优状态，还需进一步改善投入产出比例。

（二）吉林省农业生态效率的动态分析

为了进一步了解吉林省农业生态效率的动态变化过程，笔者通过Malmquist指数法测算出2015-2019年吉林省的全要素生产率，对农业生态效率进行动态分析。

1.吉林省总体效率变化

表3 2015—2019年吉林省Malmquist指数及其分解

表3为吉林省2015—2019年总体效率变动情况。从整体上看，吉林省2019年较2015年生产效率有所下降，全要素生产率均值为97.8%，下降了2.2%。技术进步指数为0.945，下降了5.5%，这也是导致吉林省全要素生产率下降的主要原因。而技术效率变动指数上升了3.4%，表明吉林省技术效率在逐步改善，农业管理方式与决策正确。

2015—2018年间，吉林省全要素生产率指数从1.025下降到0.921，这主要是由于技术效率变动与技术进步指数均呈现衰退趋势。2018-2019年全要素生产率指数有所上升，但数值仍小于1，全要素生产率呈现下降趋势；其中技术效率上升了9.8%，而技术进步指数下降了10.1%，说明尽管技术效率上升，但是还不足以弥补技术进步指数下降所带来的影响。

2.吉林省各城市效率变化

表4为2015—2019年吉林省各城市全要素生产率动态变化情况。吉林省9个地级市中仅有3个城市全要素生产率指数大于1。其中，涨幅最大的城市为延边朝鲜族自治州，增长了6.4%；其次是通化市，全要素生产率增长了3.4%；白城市增长了1.5%。这三个地区的技术进步指数分别都有一定程度的下降，主要是由于技术效率增长引起的全要素生产率增长。其他6个地区的生产率指数均小于1，主要是技术进步指数下降的结果，严重影响了吉林省农业生态效率的提升。

表4 2015—2019年吉林省各城市Malmquist指数及其分解

四、结论与建议

笔者基于传统DEA模型和Malmquist指数法对吉林省农业生态效率分别进行静态和动态的评价分析，并从静态评价角度和动态评价角度总结出结论和建议如下。

（一）静态评价角度

1.吉林省整体在5年间一直未处于生产有效前沿面上。其中四平市和白山市分别有2年和4年达到了生产有效状态，相对DEA有效；长春、辽源和松原市的农业生态效率值均在0.9以上，整体效率处于较高状态，这些城市应在保持现有水平的基础上进一步优化投入产出比例，以期达到DEA有效水平。

2.吉林、通化、白城市和延边朝鲜族自治州的效率值均在吉林省平均水平之下，说明这几个城市的农业投入产出结构不合理，农业生态效率整体水平偏低。此类城市应优化种植结构，完善农业基础设施的建设，加强化肥农药管理监督的力度，减少不必要的指标投入。

（二）动态评价角度

1.吉林省五年间全要素生产率均值为0.978，说明农业生态效率呈现退步趋势。效率退步主要是因技术进步指数下降，而技术效率变动指数增长了3.4%。说明吉林省农业管理方式与决策正确，但整体产业技术有退步趋势，应大力加强农业技术水平的改进。

2.延边朝鲜族自治州、通化市和白城市全要素生产率大于1，技术效率提升是此类地区生产率上升的主要原因。长春、吉林、四平、辽源、白山和松原市的全要素生产率均小于1，处于生态效率退步趋势。研究发现，技术进步指数的下降对吉林省各个地区均存在制约作用。政府应加强对农业发展的扶持力度，加强农业技术现代化，提高生产力水平；同时生产率较高地区也可以向其他地区传送经验，生产率较低地区也要积极吸收外部经验，提高农业发展水平。

吉林省整体还处于农业生态效率较低水平，各地区应基于可持续发展理念，优化农业资源投入产出配置，因地制宜发展农业，提高农业产业化、技术化和生态化水平。在资源、生态、环境三者协调发展的同时，努力提高农业生态效率水平。