基于三阶段DEA模型的黑龙江省农业生产效率研究

李 燕，张 赛

（哈尔滨商业大学，黑龙江 哈尔滨 150028）

一、引言

在党对农村工作的领导下，我国的农村经济社会发生了翻天覆地的变化，形成了辉煌的农村发展历程和丰富的农村发展经验。但我国是农业大国，而非强国，农业发展面临着很多现实问题。近年来，果园的高产主要依赖于大量农药、化肥的投入，而投入要素的不合理利用造成了资源浪费和环境污染，不利于农业的可持续发展。此时投入产出效率的提高及投入要素的整合优化就显得尤为重要。《黑龙江省农业强省规划(2019-2025年)》从农业综合产能、生产效率等六个方面提出了农业强省目标，将农业和绿色食品产业打造成为全省第一支柱产业，奋力在寒地黑土上建成质量更高、效益更好、竞争力更强的农业强省，所以黑龙江省的农业生产效率研究对国家、黑龙江省的发展都具有重要意义。

DEA模型原型最早由Farrell提出，此后数据包络分析方法被A.Charnes等在此基础上提出，Fried觉得决策单元绩效的影响可分离为管理无效率、统计噪声、环境因素三方面。国内学者关于该模型的介绍最早出现在2008年，随后有关该模型运用的论文开始大量出现。有研究旅游业的，如史慧丽，有研究物流业的，如薛阳等，有研究工业的，如蒋姝睿等，有关于地区的研究，如范紫菱等对安徽省、马凤才等对辽宁省、鲁庆尧等对江苏省、李强等对吉林省、万长松等对甘肃省、卢东宁等对四川省的农业生产率研究，有对全国整体的研究，如贺志亮等，尚无学者用三阶段DEA模型对黑龙江的农业生产效率进行研究。

本文利用黑龙江省相关数据，采用三阶段DEA模型分析黑龙江省2020年各地级市的农业生产效率，旨在为提高黑龙江农业生产效率、缩小地区差异提出合理性、针对性建议。

二、研究方法和数据来源

(一)研究方法

第一阶段，传统DEA模型。投入导向的BCC模型：

第二阶段，相似SFA分析模型。将松弛变量进行分解：

第三阶段，调整后的DEA。用调整后的变量再次进行测算，此时的效率相对真实客观。

表1 农业生产效率变量

(二)数据来源

数据源自《2021黑龙江统计年鉴》、各地区的《2021年国民经济和社会发展统计公报》。

借鉴现有文献的研究，同时考虑数据的可得性、有效性，确定了产出变量为农业总产值，投入变量为主要农作物播种量、农业机械总动力、化肥施用折纯量和乡村从业人数(综合考虑土地、资本和劳动力投入)，环境变量选择农村常住居民人均可支配收入、农林水事务支出和工业化水平，其中用第二产业占总值的比表示工业化水平。

三、实证分析

(一)第一阶段传统DEA实证结果

利用DEAP2.1软件算得的结果如表2所示：

表2 第一阶段传统DEA分析结果

剔除环境、随机因素之前，2020年黑龙江省各市农业生产综合效率均值为0.832，规模效率和纯技术效率均值分别为0.89和0.925，整体来看黑龙江省的农业生产率处于较高水平。其中，农业生产效率处于效率前沿面的城市分别是双鸭山、伊春、佳木斯、牡丹江、黑河、大兴安岭，这6个城市的纯技术效率和规模效率均达到了1，表明其技术管理和资源配置效率相对有效，规模报酬也达到了最优状态；除了这6个城市，处于纯技术效率前沿面上的是哈尔滨、鸡西和绥化，这三个城市的农业生产技术都相对成熟，技术创新效率较高，主要是规模效率拉低了农业生产整体效率水平；综合技术效率最低的是齐齐哈尔为0.388，纯技术效率和规模效率值分别为0.61和0.636，说明齐齐哈尔对现有技术的利用能力和对生产要素的配置能力都处于较低水平，综合技术效率排名倒数第二的是七台河为0.468，究其原因主要是规模效率较低为0.557，理应提高对生产要素的配置能力。

但传统的DEA模型包含了随机和环境因素影响，不能真实体现农业生产效率，所以选用SFA模型进行调整。

(二)第二阶段SFA回归分析结果

把投入松弛变量、环境变量分别作为被解释变量、解释变量，用Front4.1软件进行SFA回归分析，结果如下。

LR值大部分通过了1%的单边似然比检验，即SFA回归效果较好；环境变量多数在1%的水平上显著，通过了t检验，表明对投入冗余存在显著影响；同时，都非常接近于1，表示实际产出与理想产出的差距主要是由管理因素引起的。

表3 第二阶段SFA回归结果

1.农村常住居民人均可支配收入。农村常住居民人均可支配收入除了与主要农作物播种面积投入松弛变量的相关系数没有通过显著性检验，其余的都通过了0.01水平的检验，并且系数为负，说明当农民的收入有所提升时，可能更倾向于从事除了农业以外的其他收入更高的工作，从而使农业机械总动力、化肥施用折纯量和乡村从业人数的减少,即冗余量减少，提高了生产效率。

2.农林水事务支出。同样只有主要农作物播种面积没有通过检验，其他均通过了0.01水平的检验，但系数均为很小的正值。原因可能是农林水事务支出并没有起到应有的作用，财政支农会增加农民的预期收入，放松农户的资金约束，加大生产要素的投入，从而导致资源的浪费。

3.工业化水平。工业化程度对各松弛变量存在正向作用，均通过了t检验，说明对各地区而言，工业化水平的提高并没有促进农用机械升级换代、提高农业生产效率，其原因可能是随着黑龙江省工业化水平的进步，更多的农村劳动力愿意从事工业活动，致使农村中年轻的劳动力流失，从事农业生产活动的劳动力结构多为老弱病残群体，不能较好地机械化、规模化生产，同时导致了化肥的浪费。

(三)第三阶段DEA分析

根据前两阶段的结果进行投入变量的调整，再次利用DEAP2.1测算，将结果与第一阶段进行对比，如表4所示。

表4 第一和第三阶段DEA结果比对

1.整体来看，剔除环境因素、管理无效率和随机误差之后，黑龙江省13个地级市的平均各效率都有所提升，分别提升了5.5%、5.3%、1.0%。综合技术效率的最大值不变，最小值降低，处于效率前沿面的城市个数由6个上升到8个，说明整体的生产效率有所提高，但各市之间差距增大了。纯技术效率值最大值不变，最小值增大，平均值增加，说明各市的纯技术效率整体提高，差距缩小。规模报酬最优的城市个数也有所增加，由原来的6个增加为8个。

2.具体来看，双鸭山、佳木斯、牡丹江、黑河一直处于效率前沿面，说明这些城市在管理、技术等方面较为先进，要素投入可实现产出最大化。调整后达到前沿面的有哈尔滨、鸡西、鹤岗、大庆，说明真实的农业生产率较高，所处的环境和运气一般，外部环境降低了其对现有技术的利用能力。伊春和大兴安岭地区不再处于效率前沿面，原因是这两个地区所处的环境、运气较好，第一阶段高估了它们的农业生产效率，尤其是大兴安岭地区，纯技术效率仍然为1，但规模效率有较大程度的下降，致使它在调整后的综合技术效率排在黑龙江省的末位，远低于平均水平0.876，说明大兴安岭地区的生产效率主要受益于其所处的环境、运气因素，其本身的技术水平并不高。齐齐哈尔和七台河的综合技术效率都一直低于全省的平均水平，远落后于其他地区，齐齐哈尔的规模报酬系数大于1，规模报酬递减，说明规模过大，生产的各方面难以有效调节；七台河的规模效率调整前后都低于全省平均水平，反映其生产要素的资源配置能力低，规模报酬递增，可适当扩大规模增加效益。

四、总结及建议

第一，黑龙江省的农业生产率的变动既受到农业投入要素的影响，也与环境因素密切相关。经过投入要素的调整，全省的平均各效率都有不同程度的提升，规模报酬递增和不变的城市增多，即三阶段DEA模型对农业生产效率测算更为合理。

第二，整体来看，黑龙江整体农业生产率水平较高，在SFA回归结果中发现，农村常住居民人均可支配收入的提高对农业生产有显著的积极作用，而农林水务支出和工业化水平对农业生产有负面影响。所以对黑龙江来说，通过对农业发展外部环境进行调整来提高生产效率是切实可行的，政府对农业生产的财政支持，不能盲目投入要有针对性、分层次去投资，确保财政支出的落实。在提升工业化水平的同时，力求通过第二产业的发展带动第三产业，提升第一产业，促进三个产业在更高层次上的联合协调发展。

第三，从区域差异来看，第三阶段结果中发现，在以传统农业为基础进行农业转型升级时需要“对症下药”，不同地区的农业发展情况也不尽相同，七台河和大兴安岭地区是由于规模效率拉低了农业生产率，可以通过土地流转将分散的土地集中起来，统一采购生产资料、统一利用先进种植管理技术、统一收获和销售，实现农产品的规模化、集约化生产，在家庭联产承包的基础上，根据当地区域特点，建设具有竞争力农业生产基地。齐齐哈尔、伊春、绥化地区技术和规模需要同时加强，通过打造智慧农业、加大黑土地保护、优化升级农用设备、建设高标准农田等措施，实现规模化、高效化、规范化生产，不断提升农业科技化水平，大力发展现代化农业。

第四，黑龙江各地区农业发展严重不均衡，无论是综合技术效率、纯技术效率还是规模效率，地区最低值都远低于全省的平均水平，差距明显，因此各地区追求稳步发展的同时，要重视产业间联动效应，以强带弱，以大带小，处于效率前沿面的地区尽可能地带动周边地区的发展，如大兴安岭地区和齐齐哈尔可以借鉴学习黑河的农业先进技术和资源配置经验。对于黑龙江提出的构建“一圈一团一带K型点轴”新型城镇化空间格局是科学合理也是有必要的，发挥大城市的辐射和带动作用，努力推动黑龙江一体化、高质量发展。