乡村振兴视角下青岛农业生产效率研究——基于三阶段DEA模型的分析

乔元波，邵晓燕，张 玲

(1.山东大学 县域发展研究院； 2.中共青岛市即墨区委党校 乡村振兴教研处，山东 青岛 266200)

优化农业生产要素配置，提升农业生产效率，是推动农业高质量发展的关键。加快农业农村现代化，亟待解决水资源短缺、劳动力不足、农产品质量不达标等问题。2021年，青岛粮食产量312.77万吨，达到历史峰值，粮食作物平均亩产434.35公斤。第一产业增加值占地区生产总值的比重为3.3%，乡村人口占总人口的比重为22.83%，农业生产对经济社会发展具有重要意义。从收入方面来看，2021年青岛农村居民人均可支配收入为26125元，在副省级城市中排第八位，低于宁波、杭州、广州、南京、厦门、成都、武汉。提升农业生产效率，有助于进一步增加粮食产量，增强农业综合生产能力，提高农民收入水平。基于历史数据测算农业生产效率，探求影响农业生产的关键因素，能够为加快农业农村现代化和全面推进乡村振兴提供一定的参考。

一、文献综述

对农业生产效率的研究，主要集中于农业生产效率测算和影响因素分析两个方面。测算方法包括随机前沿分析法和数据包络分析法。随机前沿分析法属于参数化估计方法，通过对生产过程的经济学分析建立生产函数，估计不同因素对于产出和效率的影响。彭代彦和吴翔采用此方法研究了我国2003—2010年的农业生产技术效率。[1]数据包络分析法属于非参数估计方法，由于无需事先设定投入产出的具体形式，可以有效避免模型设定偏差对结果的影响，在多投入多产出类型的效率分析中获得了广泛应用。[2]刘继为、李雪飞和高鹏怀等使用DEA方法对河北省的农业生产效率进行了测算。[3]潘丹和应瑞瑶在传统DEA模型的基础上，采用非径向、非角度的基于松弛变量测度SBM模型，计算了我国1998—2009年的农业生态效率。[4]考虑到产出效率还可能受到环境因素和统计噪声的影响，Fried提出了三阶段DEA方法[5]，乔雅洁运用此方法分析了我国2017年的农业产业规模效率[6]。影响因素主要包括农业技术[7]、经营规模[8]、组织化模式[9]等。经济发展水平、土地质量、自然灾害和财政支持[10]，环境约束[11]、农民人力资本[12]和城镇化水平[13]，近年来也引发了学界的广泛关注。

在分析文献的基础上，本文综合采用三阶段DEA模型对青岛的农业生产效率进行研究。一方面，DEA模型考虑了技术和规模对效率的影响，是效率分析中广泛应用的方法；另一方面，使用三阶段模型进一步考虑了经济发展水平和气候等外部环境和随机因素的影响，能更真实地反映农业生产效率，比单纯使用一种方法得到的结果更加可靠。

二、研究方法与数据来源

(一)研究方法

数据包络分析DEA方法自提出以来，由于无需事先设定具体形式，而且指标权重由数据计算得到，分析结果具有客观性，获得了广泛应用。DEA方法的基本模型包括CCR模型和BCC模型，二者分别在规模报酬不变和规模报酬可变的假设下计算决策单元的投入产出效率。CCR模型可以表示为

minθ

s.t.Xλ+s-=θx0,Yλ-s+=y0,λ≥0,s-≥0,s+≥0

其中X和Y为n个决策单元的投入和产出矩阵，x0和y0为目标决策单元的投入和产出向量，s-和s+分别表示为投入要素和产出要素松弛量的向量，λ为权重。计算得到的θ即为目标决策单元的生产效率，取值在0和1之间。θ越大表示生产效率越高，θ=1表示决策单元生产完全有效。BCC模型在上述模型的基础上，增加了凸性约束条件1′λ=1，其中1为元素都为1的向量，这一约束条件使得决策单元只与具有类似规模的决策单元进行比较，得到的效率要比CCR模型得到的效率更高。

由CCR模型计算得到的效率为综合技术效率，由BCC模型计算得到的效率为纯技术效率，二者之间的比值为规模效率。综合技术效率是对决策单元的资源配置能力、资源使用效率等多方面能力的综合衡量与评价。综合技术效率越趋近于1，表示该决策单元的投入产出越综合有效(即同时技术有效和规模有效)。纯技术效率是企业由于管理和技术等因素影响的生产效率，反映的是决策单元在最优规模时投入要素的生产效率。纯技术效率越趋近于1，表示在技术水平给定的情况下，投入资源的使用越有效率。规模效率是由于企业规模因素影响的生产效率，反映的是实际规模与最优生产规模的差距。综合技术效率=纯技术效率×规模效率。

DEA模型考虑到了规模和技术对生产效率的影响，但是忽略了环境因素和随机噪声的影响，所得结果仍然可能不准确。Fried等提出了三阶段DEA方法，结合随机前沿分析SFA对经典DEA模型进行了改进。具体步骤如下：

第一阶段：使用原始投入和产出数据，运用DEA模型对青岛的农业生产效率进行估计，并得到投入和产出变量的松弛量。

第三阶段：使用调整后的投入数据和原始的产出数据，运用DEA模型对青岛的农业生产效率进行再次估计，并对结果进行比较分析，得出结论。

(二)指标选择与数据来源

本文以青岛的农业生产效率为考察对象，基于文献分析和数据可得性选取投入、产出和环境变量。投入方面选取土地、劳动力、技术和资本。土地是农业生产必不可少的要素，也是农业生产的本质特征。以农作物总播种面积(万公顷)作为农业生产中土地要素的衡量指标。基于数据可得性和相关性的考虑，以第一产业就业人数(万人)作为衡量农业生产中劳动力要素的指标。化肥施用量是衡量农业生产的重要技术指标，选取农用化肥施用折纯量(万吨)作为衡量农业生产技术要素的指标。农业机械化是采用机械逐步替代劳动力的过程，在农业生产中发挥着越来越重要的作用，且购买农业机械在农业生产中属于重要投资内容，因此选取农业机械总动力(万千瓦)作为衡量农业生产资本要素的指标。产出方面选取农业总产值(亿元)和主要农作物产量(万吨)作为衡量指标。在影响农业生产效率的环境因素方面，主要考虑经济发展水平和地理气候环境的影响，以人均GDP(元)来衡量当地的经济发展水平，以日照时数(小时/每年)、气温(摄氏度)和降水量(毫米/年)来表示农业相关的地理气候环境。研究使用的变量指标汇总于表1。

其中，日照时数、气温和降水量数据来源于历年《山东统计年鉴》，其余指标数据来源于历年《青岛统计年鉴》。基于数据可得性，各指标的时间范围为2005—2020年，共计有16年数据。由此，DEA模型中的决策单元有16个，投入指标4个，产出指标2个，在数据结构上满足数据包络分析方法的基本要求，即决策单元的数量是投入产出指标的2倍以上，可以使用DEA进行效率分析。

表1 投入、产出及环境变量指标选择

三、实证结果分析

(一)第一阶段：使用统计数据直接计算青岛农业生产效率

使用DEA-SOLVER_Pro5.0软件分析从统计年鉴中收集整理得到的投入产出数据。分别使用CCR模型和BCC模型来计算综合技术效率和纯技术效率，并由此得到规模效率。计算得到的2005—2020年青岛农业生产的综合技术效率、纯技术效率和规模效率的变化如图1所示。

从图1中可以看出，纯技术效率一直处于较高水平，综合技术效率2007—2014年较低，主要原因在于规模效率不高。自2015年开始，农业生产规模效率得到快速提升，纯技术效率保持稳定发展，综合技术效率得到显著提升。

图1 青岛农业生产效率变化情况(2005—2020年)

(二)第二阶段：使用Tobit回归对投入数据进行调整

直接使用统计数据计算得到的青岛农业生产效率并未剔除环境变量和随机因素对决策单元效率评价的影响，因此在第二阶段需要使用Tobit模型来对投入要素进行调整。以第一阶段计算中得到的投入变量的松弛变量为被解释变量，以环境变量为解释变量，使用Stata软件进行Tobit回归分析。投入变量的松弛变量为非负值，且计算得到的松弛变量中出现了较多的0值，因此专门处理具有截断特征数据的Tobit回归比随机前沿分析SFA更加适合本研究。使用Tobit回归得到的结果如表2所示。

由表2可知，各环境变量对农业投入要素的松弛变量具有显著影响，可能对农业生产效率估计产生不可忽视的影响。具体而言，以人均GDP衡量的经济发展水平对农作物播种总面积的冗余具有显著负向影响，表明经济发展水平的提高将有助于降低农作物播种总面积，从而提高单位土地面积的产出，提升农业生产效率。这与经济发达地区的农业生产效率较高的实际是相符合的。与此同时，提高经济发展水平，也可能降低第一产业就业人数和农用化肥施用折纯量的冗余，提升农业生产效率。同时，经济发展也有可能增加农业机械总动力的冗余量。

表2 第二阶段Tobit回归结果

地理气候环境因素方面，光照的提升有助于降低农业生产中土地、劳动、资本和技术的冗余量，尤其是会显著影响第一产业就业人数和农用化肥施用折纯量的冗余，对于提高农业生产效率有利。气温和降水方面，气温的升高和降水量的增加反而会进一步增加农作物总播种面积和农用化肥施用折纯量的冗余，从而降低农业生产效率。稳定的气温和降水有助于提升农作物产量，气候的变化会对作物产量产生影响，农业生产经营管理由此面临更高的要求。如果忽视了气候变化的影响，农业生产的效率就会降低。

在上述回归结果的基础上，我们再使用前面的计算方法对投入要素进行调整，以把环境变量和随机因素的影响考虑进来，得到新的投入要素变量。

(三)第三阶段：使用调整后数据重新计算农业生产效率

再次使用DEA-SOLVER_Pro5.0软件计算调整后的投入数据和原始的产出数据，结果如表3所示。

表3 青岛农业生产效率(调整前和调整后结果)

调整前，2005—2020年农业生产的平均综合技术效率、纯技术效率和规模效率分别为0.934、0.995和0.939。调整后，综合技术效率降至0.925，纯技术效率降至0.991，规模效率降至0.933，且有效决策单元的个数由调整前的9个下降为调整后的7个。如果不考虑环境变量和随机因素的影响，农业生产效率存在被高估的风险。因此，效率评价应将环境变量和随机因素的影响考虑在内，使用三阶段DEA而非单阶段DEA模型来进行估计。

1.调整后，农业生产综合技术效率下降后上升，并趋于平稳。从综合技术效率来看，农业生产效率调整后的效率值要低于调整前。2015年以前，综合技术效率被高估。2015年以后，综合技术效率受环境变量和随机因素的影响变弱。调整前和调整后的效率值差距微弱。详见图2。

图2 青岛农业生产综合技术效率调整前后结果对比

2.调整后，纯技术效率处于较高水平，且变化平稳。从纯技术效率来看，农业生产效率一直处于较高水平，调整前和调整后的效率差别不大，仅在个别年份略有不同。在规模效率既定的情况下，纯技术效率反映了农业技术、生产规划等因素导致的农业生产效率变化。近年没有出现较为典型的创新和技术提升，也与农业生产技术效率一直较高有关。详见图3。

图3 青岛农业发展纯技术效率调整前后结果对比

3.调整后，规模效率先降后升，逐渐趋稳。规模效率反映的是当前的生产规模与最优生产规模之间的差距。从变化趋势来看，农业生产规模与最优规模之间的差距越来越小，表明农业生产规模越来越趋于合理化。详见图4。

图4 青岛农业生产规模效率调整前后结果对比

使用较长时期的农业生产投入产生数据，在剔除环境变量和随机因素的影响后，对农业生产效率进行估计后发现，农业生产效率并不是平稳上升的，而是在2005—2007年出现了较大幅度的下降，之后逐步上升并趋于平稳。原因在于播种面积和农作物产量大幅下降。2005年播种面积为75.02万公顷，农作物产量为315.02万吨。2007年耕种面积下降至64.13万公顷，产量也仅为231.94万吨。这一剧烈的调整导致了生产效率的下降。此后随着生产方式和管理方式的不断完善以及农业机械总动力的持续增加，农业生产效率逐步提升。

四、结论与对策

(一)结论

农业机械总动力的持续增加提升了农业生产效率。由实证结果可知，农业生产效率呈现出先下降后上升并逐渐平稳的特征。2008年之后，农业生产效率基本上保持了持续上升的趋势。虽然第一产业从业人员人数和化肥使用量不断下降，但是农业机械总动力持续增加，维持了产量和产值的增加，总体效率也不断变好。

规模化生产能显著提高农业生产的规模效率。研究发现，影响农业生产综合技术效率的主要因素是规模效率。近年来农业生产规模与最优生产规模之间的差距呈现出不断缩小的趋势，表明规模化生产的提升有助于提高农业生产的综合效率。

环境变量对青岛农业生产的投入要素冗余具有显著影响，经济发展水平提升将有助于降低农作物总播种面积，减少第一产业从业人员，提升单位土地面积产出和劳动生产率。地理气候因素也会产生影响，稳定的气候有助于农业生产效率的提升。

(二)对策

根据实证分析结论，结合现阶段政策环境和发展实际，就青岛如何进一步提高农业生产效率，促进农业发展，提出建议如下：

加大农业机械化和科技化投入，解决劳动力不足的问题。农业机械化是提升生产效率的重要支柱。研究发现，农业生产效率自2008年以来持续上升，第一产业就业人数持续减少，化肥使用量也不断下降，但是农业机械总动力不断上升。这一结果充分说明了农业机械化在提升农业生产效率方面的重要作用。农业机械总动力持续增加成为农业生产效率上升的主要推动因素。

发展规模化生产，提高农业生产规模效率。青岛农业生产纯技术效率一直较高，影响总效率的主要因素是规模效率。进一步提高农业生产效率，需要优化土地结构，扩大种植规模，发展规模化生产，提高农业生产的规模效率。从规模化生产的角度来说，加强土地承包流转和发展农村合作社是可行路径。

改善农业生产生态环境，提高农业生产经营效率。经济发展水平和地理气候条件会对农业生产效率产生一定的影响。提高农业生产效率不应只关注农业的投入和产出变量，也要把外部环境潜在的影响考虑进去。要以绿色可持续发展理念为指导，加大单位种植面积农业生产的科技投入，提高水资源和耕地资源的利用率，加强环境和气候管理，为农业生产提供更加适宜的发展环境。