基于三阶段DEA模型的安徽省农业生产效率研究

张连莲，金怀玉，郑 谦

(安徽科技学院 管理学院，安徽 蚌埠 233030；安徽科技学院 财经学院，安徽 蚌埠 233030)

安徽省作为我国粮食产量第四大省份，在“十四五”期间作为长三角一体化发展的新成员，建设长三角绿色农产品“大基地”，加快推进长三角农业高质量发展承担着重要任务。因此，提高农业生产效率是在紧扣“一体化”和“高质量”两个关键词下发展农业的首要任务，提高农业生产效率能够有效推进长三角地区成为农业产业国内大循环的重要措施。

国内关于农业生产效率的研究已经开展多年，主要集中在用数据包络分析法和随机前沿分析法，冯俊华选取陕西省2010-2016年农业数据,利用DEA模型和Malquist指数模型对农业生产效率进行研究，发现该省农业生产效率较低,但发展相对平衡,而影响农业生产效率进步的主要原因是技术进步[1]。吴园和李波采用随机前沿分析模型对我国15个玉米主产区进行分析，得出我国玉米主产区的生产种植技术效率水平处在较高水平,同时在整体上呈上升发展趋势[2]。颜聪聪在2018年运用三阶段DEA模型,利用2017年新疆各县市种植业生产数据,对种植业生产要素利用效率进行测算，新疆种植业生产效率整体情况不理想，地区间存在参差不齐的现象[3]。

鉴于以往学者的经验，通过三阶段DEA模型对安徽省农业生产效率进行测算，主要通过第二阶段将安徽省各城市放在相同环境和相同运气的情况下，从而真实测算安徽省当前的生产效率情况，分析研究环境变量和随机误差对农业生产效率的影响程度，为以后的农业生产提供指导。

1 研究方法

Fried(2000)认为之前学者在对决策单元效率的分析中忽略了环境因素和随机噪声的影响，经过研究他将环境因素和随机噪声引入传统DEA模型中。后来，Fried又发现，决策单元的效率还要受到管理无效率的影响，但是，由于这三种影响程度不同，有必要将它们分离出来。三阶段DEA模型可以很好地分离环境因素和随机噪声，使得测得的效率值不仅是只受管理低效率的影响下测得的，而且效率值更加真实[4]。结合多位学者的研究，模型的运算及过程分为如下三个阶段：

第一阶段：传统DEA 方法由 Charnes 等提出[5]，这一阶段选取合适的投入产出指标，采用Banker[6]、Charnes 和Cooper 在 1984 年扩充 CCR 模型提出了可变规模报酬假设下的BCC模型，分别测算出各个决策单元的综合技术效率、纯技术效率和规模效率[7]。

第二阶段：第一阶段的DEA模型测度的是相对效率值，没有将外部环境、管理因素和随机干扰三个因素的影响剔除，不是仅对于管理效率的测算。Battese(1995)为解决这一问题把环境变量作为自变量，因变量以投入的松弛变量计算，构建SFA模型对各个投入的松弛变量分别进行分析：

其中，zk=(z1k，z2k，...，zpk)表示K个环境变量，snk表示投入松弛变量；vnk+unk表示综合干扰项；βn表示选取的环境变量的待估参数；βnzk表示环境变量的投入对投入松弛变量snk的影响[8]。

然后利用SFA模型的回归结果调整各DMU的投入项，调整方式如下：

第三阶段：将第二阶段调整后的投入值x*nk作为新的投入指标和原始的产出指标，再次利用DEA模型的BCC模型进行测算，得到的是剔除环境因素和随机误差后各个DMU的效率值。

2 数据来源与说明

2.1 投入产出指标选择

在农业生产过程中，主要的三大投入：土地、人力、资金，细化后可以采用种植面积、从业人数、化肥、机械动力可以看做投入指标。通过对其他学者研究方法的学习，同时考虑数据获取可行性，确定测算的产出指标为农林牧渔总产值，农业生产投入指标选用农作物总播种面积、从事农林牧渔业总人数、机械总动力以及全年农用化肥总施用量[9]，具体如表1所示。

表1 农业生产效率投入产出指标

(1)产出指标。农业产出的高效与否最直观的表现是与农业相关的经济指标上，例如GDP，因此本文将农业、林业、畜牧业、渔业和农林牧渔服务业 GDP 之和进行计算作为农业生产效率测算的产出指标。

(2)投入指标。与农业生产息息相关的主要是土地、人力和资金。土地投入：因为各城市的气候以及种植农作物不同，存在一年内种植二次或三次的不定性，因此采用农作物播种总面积表示当年用于农业生产的土地投入。劳动力投入：农业生产中的人员主要以农民为主，但是也存在农民外出务工季节性返农的现象存在，因此选用与农林牧渔业生产相关的乡村从业人员数量表示。农业机械动力投入：在农业生产过程中包括耕种、浇灌、收获、农产品运输以及用于其他与农业生产相关的机械总动力(万千瓦特)[10]。化肥投入：以一个年度农业生产过程中使用的磷、氮、钾和复合肥折纯量的总量计算。以上所需数据均来自2020年《安徽省统计年鉴》。

2.2 环境变量选择

环境变量有不可控和可控因素，不可控因素例如降雨、气候等自然环境，这些因素在农业生产中无法因为管理得到有效控制，因此，选取可控因素作为环境变量要比不可控因素更具说服力。结合安徽省的环境特征，考虑到地区的城镇化率、当地的财政支农力度、农村人均可支配收入、交通便利性等方面可以通过管理进行调整，有利于研究外部环境因素对农业生产影响的大小，选用这四个环境变量的原因分析如下。

(1)城镇化率的提高意味着城市边缘的农村更多的融入到城市中，带来的益处市城市能够创造更多的就业机会，农民劳动力会向城市转移，而农业生产会向集约化方向发展，当地的农业产业结构会发生相应的改变，不断朝着有利于农业生产效率的方向发展。城镇化率表示为城镇人口比上总人口。

(2)财政支持关于农业支出方面，当地政府对于农业越重视，给予农业的财政支出会越多，农民得到帮扶可以避免土地的休耕和撂荒，更多的事能够提高农民从事农业生产的积极性。因此选择各市用于农林水事务的财政支出数额计算。

(3)农村人均可支配收入。农民居民收入水平的的提高可以让农民在购买机械化服务以及更具高效性的生产资料上加大力度，从而能够提高农业生产效率，因此，预期农村人均可支配收入的增加可以提高农业生产效率。

(4)交通便利性。交通基础设施建设的改善可以促进各城市之间在人才、资源上的流动，缩短不同企业之间在信息和资源上的“时间距离”，加速市场交易的频率，有利于产生正外部性，促进农产品的产出，提高农业生产效率。便利的交通能够提高农业生产资料和农产品的流通速度，提高农业生产效率，促进农业生产向更高效的方向发展。选用城市拥有的等级公路总里程与地区总面积的比值，即公路总密度来代替该城市的交通便利性[10]。以上环境变量数据值均可查阅2020年《安徽统计年鉴》获得。

3 实证结果与分析

3.1 第一阶段DEA结果

将收集到的投入产出数据利用DEAP2.1软件进行测算，得到结果如表2所示。

表2 2019年安徽省16个市农业生产综合技术效率、纯技术效率、规模效率及规模报酬

从结果可以看出，传统DEA在没有剔除环境因素和随机因素的影响下，2019年安徽省各市农业综合技术效率平均值为0.847、纯技术效率平均值为0.897、规模效率平均值为0.943。其中合肥、马鞍山、芜湖、宣城、黄山5个城市处在技术效率的前沿面，另外11个城市都没有达到规模报酬不变的状态，综合技术最小值为0.511(淮南)，以上效率值包含了环境因素和随机因素的影响。

3.2 第二阶段SFA回归结果

在经过第一阶段分析后，获取DEAP2.1中得到的投入目标值，与实际投入值相减的差额作为松弛变量，把各投入松弛变量作为被解释变量，解释变量则用收集好的四个环境变量，运用软件Frontier4.1进行随机前沿分析，整理后分析结果见表3。

表3 SFA回归结果

表3结果为外部环境变量对各农业投入要素的影响。当回归系数值为负时，表明增加环境变量可以降低投入变量的松弛量值，即表示该环境变量的提高能够节约投入量，达到提高农业生产效率的效果；相反，当系数为正时，说明当环境变量增加时引起投入的松弛变量朝着增加的方向发展，会造成投入要素的浪费，降低农业生产的效率，不利于农业生产[10]。

表3显示，四个环境变量系数都通过了显著性检验，这说明经过测算外部环境因素对各市农业生产投入冗余存在显著的影响。

(1)城镇化率。城镇化率对各投入变量的影响中，t值通过1%显著性水平的检验的是农业机械总动力投入和化肥投入。同时，城镇化率的系数均为正数，表明提高城镇化率不能够减少所有投入的松弛变量，因此城镇化率的提高不能提高农业生产效率，这和理论预期恰恰相反，说明在进行农业集约化发展时要注意由此产生的土地和劳动力的浪费，要合理规划土地使用和劳动力分配。

(2)财政支农。财政支农的增加对农业机械总动力投入松弛变量的t值在1%的水平上表现为显著，对化肥投入松弛变量通过显著检验的的t值为10%，同时4个投入松弛变量的系数在增加财政支农的投入时均表现为负，说明增加财政支农的投入能够提高农民种地的积极性，减少土地的浪费从而提高农业生产效率。

(3)农村人均可支配收入。农村人均可支配收入对4个投入松弛变量系数均为负，且t值通过1%显著性水平检验的分别是农业机械总动力和农用化肥总施用量投入。说明农村人均可支配收入的增加有利于农户选择更智能更现代化的农业生产资料，从而可以减少对农业化肥的购买，这样可以减少化肥农药的浪费，有利于提高农业生产效率。

(4)交通便利性。交通便利性对四种投入松弛变量的影响表现结果系数均为负，显著较好的是对化肥投入松弛变量，其t值显示为1%；对农业机械总动力投入松弛变量的t值在10%的水平下为显著。表明较好的交通方便农业生产资料和农产品的运输，加快了市场的交易流动，有利于农业生产效率的提高。

通过以上分析，各环境变量对不同地区的影响存在差异，因此，进行调整各投入变量的数值操作就很有必要，根据相关公式进行相应调整后得到新的投入值，再对农业生产效率进行DEA测算。

3.3 第三阶段投入调整后的DEA分析

将上一阶段整理调整得到新的投入值与原产出值再次进行DEA模型分析，得到相同外部环境因素和随机因素条件下的真实生产效率值。通过表4可以看出在排除环境因素和随机因素影响的条件下，安徽省各市综合技术效率平均下降了0.002，纯技术效率平均上升了0.086，规模效率平均下降了0.083，说明引起综合技术效率偏低的主要原因是规模效率降低了。

表4 调整前后各市的农业生产效率相关数据变化情况

再从全省的综合技术效率值变化情况来看，有9个城市的综合技术效率是增加的，而减少的有5个，但是综合技术效率值平均值仍然是下降的，引起平均综合技术效率降低的主要是因为经过调整后下降的规模效率值幅度要大于规模效率上升的幅度，例如马鞍山、铜陵、黄山的规模效率值分别下降了0.98、0.297、0.297，说明调整后的农业生产效率降低，从而导致整个省的农业生产效率下降。从纯技术效率值增减变化来看，有6个城市表现为增加，剩余的10个城市还是处于效率值不变，全省的平均值在增加，说明全省各市的纯技术效率值整体较高。各市农业生产规模收益由7个不变、5个规模收益递减和4个规模收益递增变为4个不变、12个递增，说明在调整以后全省农业生产规模报酬在上升。

马鞍山、芜湖、池州和黄山的综合技术效率值由1变为小于1，说明在排除环境因素和随机因素的影响下，这几个市的农业生产效率不再是高效的，主要是由于各市的规模效率值在降低，而纯技术效率仍然保持在1水平。宿州和阜阳的综合技术效率值由小于1变为1，主要原因是这两个市的规模效率值由小于1变为1，说明在经过调整后这两个市的农业生产变为高效的。

4 结论与建议

4.1 结论

(1)通过对比调整前后的各市农业生产效率相关数据，不同城市农业生产效率均发生了不同程度的增减，这说明在农业生产过程中环境因素和随机因素确实产生了不同程度的影响。当各城市处于相同环境条件和相同运气条件下，表现明显的是纯技术效率值变为大幅上升，而农业综合技术效率值不升反降，主要是因为规模效率值的大幅下降导致，除了合肥和宣城的规模效率不变以外，其他城市规模报酬方向被调整为递增，说明在经过三阶段DEA模型测算的农业生产效率更加符合事实。

(2)结合第二阶段的随机前沿分析结果可以发现，环境因素中财政支农、农村人均可支配收入、交通便利性都对投入变量产生正向促进效果，都有助于提高农业生产效率，有利于农业生产朝着高效发展，在农业生产中可以增加这些环境因素带来的积极作用；而城镇化率对农业生产没有起到促进作用，存在极小的负面影响，在一定程度上降低了农业生产向高效发展，在农业生产中要合理考虑城镇化率带来的正负面作用。

4.2 建议

基于上述的结果分析给出如下政策建议：

第一，注重财政支持向农业倾斜，从研究结果来看，财政支持对农民加大农业生产具有积极性的作用，可以调动其参与农业生产的积极性，改善农业生产环境。农业生产经营环境的调节和改善一定程度上取决于政策资源配置状况，在政策配置过程中，地方政府往往受限于有限的配置资源，指导原则是将更多的政策资源分配给更有效的经营环境[11]。对于不同地区的农业生产应当采取针对性的环境优化措施。例如：引导农民合理使用补贴，良种补贴要勇于选择适宜的种子，农资补贴要勇于选择质量合格的肥料，通过政策宣传让农民科学使用各种专项补贴，实现资源的有效配置。

第二，从各个方面提高农民收入，不论是从公共保障和服务方面还是农民工资方面，应当在提高农民收入水平入手，加大财政支持向农村倾斜，从而尽可能提高农村人均可支配收入。相关政府部门应积极探索并推动建设有利于农民高效生产的机制，通过加强农民的职业培训来拉动其成长和创新，增加其在农业生产上的收益；与此同时，还应重视各类新型经营主体的发展，引导和鼓励家庭农场、农民合作社以及农业企业扩大对当地农民的招工，一方面既能增加经营主体的经营收益，另一方面也能增加农民的收入，促进农业生产效率的提高。

第三，重点改善各地交通和道路基础设施，特别是农村道路，在农产品主要销售地区建设更发达的交通运输道路，保障农产品“进城出村”的顺利发展。助力广大农民提高自身农业生产效率，发展农业农田产业化、水资源管理、加工、销售和交通配套基础设施建设。另外，政府也应当从市场信息服务平台建设方面加强农业生产网络化“道路”的建设，让农民能够更充分和更及时地掌握市场信息，进而有效地进行生产经营决策。

第四，适度规模化经营，鼓励农业生产者创新土地流转形式，加快土地流转监管平台建设[12]，规范新型经营主体在经营发展中遵循适度规模化，从而获得最佳的经济效益。经过对投入进行调整，各城市的规模收益都向递增方向发展，说明安徽省的生产环境改善对提升规模效率有利。因此，农业生产想要高效率发展，就要完善土地流转政策，实行适度规模经营，尤其是在当前农村老龄化、年轻劳动力转移的形势下，要充分利用现有耕地资源，避免管理无效和大规模荒废[13]。