新疆棉花生产效率及其时空分异研究*

李焕，余国新，王贵荣

(新疆农业大学经济管理学院,乌鲁木齐市,830052)

0 引言

2020年,中央一号重要文件明确提出“持续抓好农业稳产保供和农民增收,推进农业高质量发展”,强调农业在我国的重要主导地位。棉花是我国重要的农业经济作物,在农业主体经济与我国农业高质量发展的进程中发挥重要作用。“世界棉花看中国,中国棉花看新疆”,新疆地区作为目前我国的主体棉区,植棉地位一直很稳固,在棉花产业提升增效上具有重要影响,持续推动新疆棉花生产是中国棉花自产自给的必要条件[1-3]。生产效率研究一直是农业经济的重点主题[4-6],我国学者多数在全国、区域及省份的基础上进行研究[7],涉及县域层面的研究较少。基于前人对棉花生产效率的研究来看,石晶等[8]基于DEA-Tobit两阶段模型,发现2002—2011年我国棉花生产效率呈现先降后升再降的变化趋势;采用DEA模型中的Malmquist生产率指数法,王力等[9]对中国11个主要棉区开展研究,结果发现中国棉花全要素生产率波动较大,且出现下降的现象,提出加大科技的应用以及调整种植规模提高生产效率;岳会等[10]在对我国2004—2019年棉花生产率进行研究时发现我国棉花生产率主要受到技术进步的影响;高升等[11]分析出棉花目标价格政策对新疆棉花总产量有提升的作用;王力等[12]从全要素生产率的角度入手,对棉花行业的综合生产能力展开研究,结果表明:棉花全要素生产率在不同政策执行时期出现区域差异性;宋玉兰等[13]对中国棉花生产要素报酬差异进行分析,发现技术进步是中国棉花增长的重要原因;李宁等[14]通过对新疆棉花生产要素使用效率变化情况进行分析,发现棉花临时收储政策的实施、棉花目标价格补贴是棉花产量提高的主要原因。

国内外学者在对生产效率进行实证分析时,多数运用传统DEA模型中单一的CCR或BCC方法,并没有考虑到环境因素对效率值造成的影响。因此本文从县域层面出发,基于三阶段DEA模型对新疆42个县2009—2018年棉花生产效率进行研究,剔除了环境、随机因素对决策单元的影响,使得棉花的生产效率更为真实,进而分析各县棉花生产效率的时空演变差异,对进一步研究提升新疆棉花产出规模和我国棉花产业健康发展具有重要意义。

1 研究方法和数据来源

1.1 研究方法

Farrell在计算英国农业生产效率时提出使用数学规划的方法,这便是DEA模型原型[15]。至今已扩展出几十种模型,均被广泛应用。其中,三阶段DEA模型能够剔除决策单元中环境因素和随机因素的影响,可以反映出决策单元的真实效率值。

1.1.1 第一阶段:传统DEA模型

传统DEA模型包括两种导向型,分别是投入导向型和产出导向型,本文选择规模报酬可变的投入导向型BCC模型,如式(1)所示。

(1)

式中:n——决策单元;

X——投入变量;

Y——产出变量;

θ——效率值;

λ——决策单位的权重系数;

ε——非阿基米德无穷小;

S-——投入冗余量;

S+——产出不足量。

DEA模型的本质是一个线性规划问题。若θ=1,S+=S-=0,表明决策单元DEA有效;若θ=1,S+≠0或S-≠0,表明决策单元弱DEA有效;若θ<1,表明决策单元DEA有效。

导向型BCC模型计算出来的效率是综合技术效率值,是由规模效率和纯技术效率构成。Fried等[16]研究认为,决策单元的效率受到管理、环境及随机因素的无效率影响,因此需要进行第二阶段检验。

1.1.2 第二阶段:似SFA回归前沿模型

第二阶段:似SFA回归前沿模型,利用似SFA回归前沿模型剔除环境和随机因素对棉花生产效率的影响。第一阶段计算出来的投入松弛量作为被解释变量,环境变量作为解释变量逐个回归,构建SFA模型如式(2)所示。

Sni=f(Zi;βn)+νni+μni

i=1,2,…,I;n=1,2,…,N

(2)

式中:Sni——第i个决策单位的第n项的投入松弛值;

βn——环境变量系数;

νni——随机干扰项;

μni——管理无效率。

为了使决策单元处于相同的水平,需要再次对投入变量进行调整,调整的公式如式(3)所示。

[max(νni)-νni]

i=1,2,…,I;n=1,2,…,N

(3)

Xni——调整前投入;

[max(νni)-νni]——对随机干扰项进行调整。

1.1.3 第三阶段:调整后DEA-BBC模型

将调整后的投入变量和原始产出变量导入DEA模型中,重新进行传统DEA模型测算,将得到的生产效率与第一阶段所得到的效率进行比较与分析。

1.2 变量选取和数据来源

1.2.1 变量选取

1) 产出指标:结合新疆棉花生产状况和田红宇等[17]的研究,本文以棉花总产量作为产出变量。

2) 投入指标:根据以往学者的研究,投入指标选取可直接投入的生产要素,生产者可直接掌控的生产要素是土地、劳动、化肥和机械四个要素。土地投入使用棉花播种面积(千公顷)来表示;劳动力投入借鉴郭思源等[18]的研究,使用乡村从业人员(人)与权重A进行分离计算得出,用棉花从业人员表示;化肥投入与机械投入使用化肥施用量(折纯数,吨)和机械总动力(千瓦)与权重B分离计算得出,分别使用化肥施用量和机械总动力表示。

权重A=(农业总产值/农林牧渔产业总产值)×(棉花播种面积/农作物总播种面积)

权重B=棉花播种面积/农作物总播种面积

因为产出指标与投入指标都应该满足“同向性”假设[19],即当投入指标发生变化时,产出指标也必须同向变化。所以,本文将采用Pearson相关系数检验,对上述投入指标和产出指标进行检验。利用STATA软件检验相关性程度如表1所示。

表1 2009—2019年新疆42个县的棉花投入指标与产出指标的Pearson相关系数检验Tab. 1 Pearson correlation coefficient test of cotton input index and output indicators in 42 counties of Xinjiang from 2009 to 2019

分析表1可知,棉花总产量与投入指标的相关系数呈现明显的正相关,且在1%统计水平下显著,符合产出与投入指标之间“同向性”假设。从表1进一步分析可知,棉花播种面积、化肥施用量和机械总动力的投入对棉花总产量的影响比较大,相关系数分别为0.987、0.931、0.920;而棉花从业人员的投入对棉花总产量的影响相对较小,相关系数为0.791。

3) 环境指标:环境指标的选取原则是既对决策单元有影响,但又不受其控制[20]。本文从经济环境、社会环境与产业结构三个方面来对影响棉花生产效率的环境因素进行控制。(1)经济环境:棉花产业发展受到经济大环境的影响。经济发展水平通常用人均生产总值衡量。人均生产总值越高,说明该区域经济发展水平高,对棉花产出的技术贡献比例也将被提升,因此促进棉花生产效率的提升,所以人均生产总值对棉花生产效率有正向影响;(2)社会环境:随着城镇化的不断发展,农村生产越来越集约化,使得农业生产规模化和机械化水平得到极大的提升,从而降低了农业生产成本,提高农业生产效率[21]。理论上,城镇化发展进程对棉花生产效率有正向影响;(3)产业结构:目前新疆第三产业处于主导位置,农业产值在国民经济中占比较低,为13.1%(2019年)。各县间农业对经济发展的贡献率存在一定的差异,农业GDP占比较高的地区拥有农业生产的相对优势,这是因为政治条件、自然禀赋和其他生产资源优越,理论上,农业GDP占比对棉花生产效率有正向影响。综上所述,本文选取人均生产总值,城镇化率以及农业GDP占比作为环境变量。

1.2.2 数据来源

选取新疆2009—2019年持续生产棉花的42个县作为研究对象,所涉及数据主要源于《新疆统计年鉴》和《国家统计年鉴》,各变量的说明与描述性统计见表2。

表2 棉花生产效率相关变量及其统计性描述Tab. 2 Related variables of cotton production efficiency and their statistical description

2 结果与分析

2.1 第一阶段传统DEA模型

将新疆42个县的棉花生产产出与投入原始值导入DEA 2.1软件中,得到棉花生产效率,结果见表3。

表3 2009—2019年第一阶段的棉花生产效率Tab. 3 Cotton production efficiency in the first-stage of 2009-2019

由表3可知,全疆的棉花平均生产效率为0.829,与生产前沿存在一定的差距;从地区上看,北疆的棉花生产效率最高,为0.88,南疆和东疆的棉花生产效率分别为0.822和0.733,低于全疆的平均水平;从县域上看,各县的棉花生产效率均小于1,表明有一定的可改进空间。在研究期内,呼图壁、玛纳斯等七个县的棉花生产效率较高且相对稳定,均在0.95以上;沙湾、和布克赛尔蒙古自治等八个县的棉花生产效率整体呈现上升趋势,且在0.8之上;若羌、且末等县存在着下降趋势,其中鄯善县、察布查尔锡伯自治县、霍城县、焉耆回族自治县的棉花生产效率值低于0.7。由于该计算结果没有剔除环境和随机因素的干扰,并不能反映出棉花生产效率的真实水平,所以还需要进行第二步的调整和测算。

2.2 第二阶段似SFA前沿回归分析

第一阶段计算得到的投入松弛变量作为被解释变量,环境变量作为解释变量,通过Frontier4.1软件,依次进行4次似SFA前沿回归,结果见表4。

表4 新疆42个县的棉花生产效率二阶段似SFA前沿回归调整结果Tab. 4 Two-stage SFA like frontier regression adjustment results of cotton production efficiency in 42 counties of Xinjiang

从表4可知,4个模型的单边似然比检验(LR)在1%统计水平下显著,说明了似SFA模型的回归拟合效果良好。γ管理无效率方差系数占方差的比例,如果值接近于0,则表明随机误差占主要位置;若值接近于1,表示管理因素γ占领导位置。棉花播种面积松弛变量、棉花从业人员松弛变量、化肥施用量松弛变量和机械总动力松弛变量的分别为0.932 5、0.723 0、0.609 5和0.657 9,均在1%统计水平下显著,表明管理因素和随机误差共同影响着棉花生产效率。如果回归系数是正值,则说明增加该环境变量的投入,同时也会提高棉花投入变量的松弛量,从而不利于进一步提升棉花的生产效率;如果回归系数是负值,说明增加对该环境的投入会减少棉花投入变量的冗余,促进棉花生产效率的改善。

对环境变量的具体分析如下。

1) 人均生产总值:人均生产总值对棉花播种面积、棉花从业人员、化肥施用量、机械总动力的松弛量的回归系数均为负值,且在10%统计水平下显著,说明地区经济发展水平的提高能够促进生产要素的合理配置,对提升棉花生产效率有正向影响,与预想结果一致。

2) 城镇化率:城镇化率投入变量的松弛变量的回归系数均为正值,且在1%统计水平下显著,说明城镇化进程提高了棉花播种面积、棉花从业人员、化肥施用量及机械总动力的松弛量,对提升棉花生产效率不利,与预想结果相反。合理的解释为,随着城镇化的持续发展,农村大量从业人员向城镇聚集与就业,使农村人口不断减少,有大量“空心村”的出现[22],严重影响农业生产的劳动质量,因此对棉花生产效率产生消极影响。

3) 农业GDP占比:与预期结果不一致的是,农业GDP占比对棉花播种面积松弛量的回归系数为正值,且在10%的显著水平下显著;农业GDP占比对棉花从业人员、化肥施用量以及机械总动力的松弛量的回归系数为负值,且在10%统计水平下的显著,与预想结果一致。由此可见农业生产优势区能够减少劳动力、化肥和机械资源的冗余,对棉花生产效率的提升起促进作用。整体来看,环境变量对棉花生产效率存在显著性影响,因此需要调整原始投入数据,剔除环境因素对棉花生产效率的影响,进一步考察真实的生产效率。

2.3 调整后DEA-BBC模型

通过似SFA前沿回归对环境变量进行剔除,得到调整后的投入数据;将新的投入数据与原始产出数据再次导入DEA2.1软件中,进行传统的DEA测算,得到真实的棉花生产效率,结果见表5。

表5 2009—2019年第三阶段的棉花生产效率Tab. 5 Cotton production efficiency in the third-stage from 2009 to 2019

1) 从全疆层面看:通过第二阶段的调整,棉花生产效率从0.829下降到0.707。主要原因是新疆地貌以及气候较为复杂,自然灾害发生较为频繁,棉蚜等害虫的大量存在,使得棉花蕾铃脱落数量增加、引起棉花黄萎病的发生,棉花产量受到严重影响,进而降低棉花生产效率;以及新疆棉田规模大,机械化程度较高[23],导致劳动力配置不够理想和资源浪费,使棉花成本增加,从而需要合理使用土地、劳动力、化肥和机械。因此在剔除环境因素与随机干扰项的影响后,多数县的棉花生产效率降低,使全疆的棉花生产效率均值骤减。

2) 从地区层面看:南疆的棉花生产效率最高,北疆次之,东疆最低;东疆的棉花生产效率低于全疆的平均水平,由于东疆可用的土地资源较少,棉花种植的土地投入低,使得东疆的棉花生产效率低于全疆的均值,因此需要适度扩大东疆地区的棉花种植规模;北疆和南疆的棉花生产效率高于全疆的平均水平,因为北疆拥有较好的灌溉条件和农业机械;南疆的土地资源丰富,气候条件好,但土地碎片化和机械化发展水平不高,种植规模需向棉花保护区集中和加大机械投入,促使棉花生产效率的提高。

3) 从县域层面看:与第一阶段的棉花生产效率相比,各县的棉花生产效率均有所改变。在42个县中,玛纳斯县、精河县、轮台县、尉犁县、温宿县、新和县和伽师县出现轻微波动,波动值小于0.01,除温宿县伽师县的棉花效率是0.856和0.845外,其余5个县的棉花效率均在0.9之上,依然占据新疆棉花生产效率的前沿位置;沙湾县、尉犁县、库车县、沙雅县、阿瓦提县、莎车县和巴楚县共计7个县在剔除环境变量后棉花生产效率有所上升,其中,棉花产量高在很大程度上影响着沙湾县、莎车县和巴楚县棉花生产效率;阿克苏地区实施的林棉套种模式[24]提高了温宿县、库车县、沙雅县、新和县和阿瓦提县等地区的棉花生产效率;通过调整,剩余28个县的棉花生产效率均出现显著下降的现象,表明在环境因素的影响下,第一阶段计算出来的生产效率并不能完全体现这些地区的真实棉花生产水平。

为了更加直观地分析环境因素对棉花生产效率的影响,把调整前后新疆42个县的生产效率值通过图1表示出来,以此来对比剔除了环境因素后棉花生产效率发生的变化程度。

(a) 东北疆地区1

1) 从时间演变特征看:由图2可知,2009—2018年新疆的棉花生产效率呈现波动发展。2009—2010年棉花生产效率出现下降的现象;2010—2012年波动上升;2012—2016年显现下降状态;2016—2017年有明显提升的迹象;2017—2018年又急转向下;2018—2019年呈现轻微上升的趋势。东疆地区的棉花生产效率波动幅度较大,由0.524下降到0.345;南北疆地区的棉花生产效率走向与全疆的棉花生产效率的走向大体一致;棉花生产效率的变动既和当时的经济状况、产业结构的调整有关,同时也和各个地区区位条件、资源禀赋,以及对棉花目标价格政策、机采棉政策的执行效果有关。

图2 调整后棉花生产效率的变化趋势

2) 从空间演变特征看:由以上分析可知,南疆的棉花生产效率最高,北疆次之,东疆相对较低。为了能够观测到棉花生产效率的空间演变特征,本文将选取2009年、2014年、2019年3个时期,将新疆42个县按棉花生产效率值进行等级划分,依次为第一类地区(0.000 0,0.250 0]、第二类地区(0.250 1,0.500]、第三类地区(0.500 1,0.750 0]、第四类地区(0.750 1,1.000 0]。在剔除环境因素和随机误差项的前提下,棉花生产效率均值逐年减少,由0.585减少到0.509,说明环境因素对棉花生产效率的影响在逐年加聚。由表6可知,2009—2019年,第一类地区范围明显扩张,由0县增加为3个,东疆有1个县,南疆有2个县;第二类地区数量没有明显变化,仅增加1个县,其中北疆1个县,南疆5个县;第三类地区数量增加了2个,东疆有1个县,北疆有2个县,南疆占数最多,有13个县;第四类地区数量由23个演变为17个,东疆没有变化,北疆增加1个县,南疆减少7个县。

表6 棉花生产效率的等级划分Tab. 6 Classification of cotton production efficiency

3 结论与建议

本文基于三阶段DEA模型,对新疆42个县2009—2019年的棉花生产效率进行了测算和分析。

1) 环境变量对棉花生产效率有显著影响。地区经济发展的提高能够促进劳动力、化肥和机械资源的有效配置,促进农业现代化发展;城镇化进程降低了4种棉花投入的效用,对棉花生产效率起阻碍作用;农业经济发达区的农业创新和农业产业结构升级更具优势,但也会造成棉花播种面积投入过剩的现象。

2) 从时空特征来看,除东疆棉花生产效率呈现下降趋势,北疆和南疆的棉花生产效率与全疆变化趋势相似,说明棉花生产有一定的地区走向趋同性;由于领导注重粮食生产、不断优化农业结构和植棉风险增大,棉农植棉的积极性不高,使得2016年棉花生产效率达到最低谷;全疆的棉花生产效率从0.829下降到0.707,其中玛纳斯县、精河县、轮台县、尉犁县、麦盖提县和伽师县的棉花生产效率变化不大,其他县的棉花生产效率出现了大幅度波动,多数出现下降的趋势,表明环境因素对棉花的生产效率的影响较大。

针对新疆的棉花生产效率时空差异的分析,为提升新疆棉花生产明确了方向。在积极实行“一主两辅”用种模式下,提出以下几点措施:(1)对于恶劣的天气环境,可研发具备可抗逆性的棉花,同时构建农业气象监测和预警体系,提前预防,降低棉花的受灾程度;(2)南疆是全疆播种面积最大的区域,但由于土地碎片化和农田建设水平较低,对棉花生产效率造成了严重的影响,应加快南疆及全疆棉花生产向保护区集中,撤出低效率棉区;(3)积极响应机采棉政策,机采棉不仅成本低,效率高,还利于解放劳动力,对农业现代化发展有正向影响,进而提升棉花生产效率。