陳汝佳，孫付華

(河海大學 商學院，江蘇 南京 211100)

長江經(jīng)濟帶由11個長江沿線省市構成，在國家經(jīng)濟發(fā)展中具有重要的戰(zhàn)略性地位。長江經(jīng)濟帶覆蓋了經(jīng)濟發(fā)達的上海、江蘇、浙江和中西部的經(jīng)濟潛力城市群，對全國生產總值和人口總數(shù)的貢獻超過40%，是不可替代的經(jīng)濟推動力[1]。2014年政府報告中第一次提出“依托黃金水道，打造中國經(jīng)濟新支撐帶”，充分表明長江經(jīng)濟帶是國家戰(zhàn)略中不可或缺的部分。2018年4月底，習近平總書記在深入推動長江經(jīng)濟帶發(fā)展座談會上強調，經(jīng)濟和生態(tài)環(huán)境協(xié)同發(fā)展，要正確把握兩者的關系，調整經(jīng)濟結構和經(jīng)濟發(fā)展方式。長江流域水資源總量豐富，但人均占有量僅為世界水平的1/3，耕地畝均占有水資源量不到全球標準的七成。與此同時，原始用水形式導致水資源浪費，加劇了水資源供需矛盾，嚴重制約著經(jīng)濟發(fā)展。農業(yè)用水具有最大的用水效率潛力[2]，是解決水資源供需矛盾的關鍵環(huán)節(jié)，如何高效利用農業(yè)水資源儼然成為長江經(jīng)濟帶各省市的新課題。因此，必須深入研究區(qū)域農業(yè)水資源利用效率現(xiàn)狀，對比各省市效率的差異，在此基礎上尋求差異產生的原因，探索提高農業(yè)用水效率的有效途徑，從而為實現(xiàn)長江經(jīng)濟帶的綠色可持續(xù)發(fā)展提供保障和支撐，為水利供給側改革提供建議和方向。

關于農業(yè)水資源開發(fā)利用的問題，已引來眾多學者的關注。研究大致分為兩種：一是通過數(shù)據(jù)包絡等模型計算農業(yè)用水效率值，分析區(qū)域效率值差異，并據(jù)此提出相關建議。如楊騫等[3]構建非徑向方向性距離函數(shù)模型，計算全國2011和2012年農業(yè)用水效率，認為水資源稟賦程度會引起效率差異。二是采用SFA等方法研究效率值的影響因素，根據(jù)結果為提高農業(yè)用水效率提供參考對策。如夏蓮等[4]采用隨機前沿函數(shù)模型，在考慮農業(yè)產業(yè)化的基礎上，以馬鈴薯種植為案例，研究農戶水資源利用效率的影響因素，認為農業(yè)技術、合作企業(yè)和農戶受教育程度會影響農業(yè)水資源利用效率，建議抓技術教育，并加強農企合作。佟金萍等[5]分析了長江流域1998—2011年農業(yè)水資源效率變動情況，發(fā)現(xiàn)水價和對外開放顯著作用于農水利用效率，建議合理調整取水成本。

綜上可見，第一類研究多采用截面數(shù)據(jù)，計算結果為靜態(tài)，在時間軸上不具有可比性；第二類研究借助Malmquist，橫向與縱向分析相結合，偏向關注水資源稟賦、水價和農業(yè)技術對農業(yè)水資源利用效率的影響。在供給側改革的大背景下，水資源的合理配置極為重要。由于水權交易市場還在逐步構建和完善，水資源在部門間的分配更多地是由政府決定。但目前關于政府對農業(yè)的支持與農水利用效率關系的研究較少。因此，筆者采用DEA模型和Malmquist指數(shù)，構建效率評價體系，測算各區(qū)域農水利用效率和投入冗余值，并分析政府支出與冗余值的關系，以期為改善長江經(jīng)濟帶農業(yè)用水效率提供科學的建議。

1 模型構建和指標選擇

1.1 模型構建

1.1.1 BCC模型

在產出不變的情況下，排除規(guī)模影響，計算各DMU的效率值。該模型由美國運籌學家BANKER[6]提出，其DEA模型表達式為：

(1)

式中：θ為評價指數(shù)；n、m和t分別表示決策單元數(shù)量、投入種數(shù)和產出種數(shù)；s+、s-為正、負偏差變量，分別表示產出不足和投入冗余；λj為重新構造一個有效DMU組合中第j個決策單元的組合比例；x、y分別為投入量和產出量；ε>0是非阿基米德無窮小。

1.1.2 Malmquist指數(shù)

為了研究t期到t+1期效率的變化情況，需將效率指數(shù)分解[7]：

TFPCH=EFFCH×TECHCH

(2)

式中：TFPCH、EFFCH和TECHCH分別表示生產率變化指數(shù)、技術效率變化指數(shù)和技術變化指數(shù)，EFFCH等于純技術效率變化乘以規(guī)模效率變化。

1.2 指標選擇

筆者參照文獻[8]～文獻[11]，考慮數(shù)據(jù)的可采集性，選取農林牧漁業(yè)總產值為產出指標，區(qū)域農業(yè)用水量、農林牧漁業(yè)全社會固定資產投資額和第一產業(yè)就業(yè)人員為投入指標，以國家財政農林水事務支出為自變量，DEA運算結果投入冗余值為因變量。筆者采集了2007—2016年長江經(jīng)濟帶11個省市的數(shù)據(jù)，數(shù)據(jù)來源于中國統(tǒng)計局網(wǎng)站和各省市統(tǒng)計年鑒。

2 實證分析

2.1 DEA分析

利用DEAP2.1軟件，選擇BCC模型，測算2007—2016年長江經(jīng)濟帶11個省市的農業(yè)水資源效率值和投入冗余值，效率均值結果如表1所示，冗余均值結果如表2所示。

表1 2007—2016年長江經(jīng)濟帶區(qū)域農業(yè)水資源利用效率值均值

表2 2007—2016年長江經(jīng)濟帶區(qū)域農業(yè)水資源利用冗余值均值

由表1可知，長江經(jīng)濟帶近十年農業(yè)用水的純技術效率均值為0.896 6，區(qū)域間差異較大，上海、江蘇、重慶和四川的純技術效率處于前沿面，而江西、云南和安徽的純技術效率值不到0.8，江西甚至低于均值的2/3。規(guī)模技術效率的均值為0.971 2，其中規(guī)模技術效率值為1.000 0的是上海和重慶，其余省市的規(guī)模技術效率值均在0.9以上。這表明長江經(jīng)濟帶農水利用效率在整體上有提升潛力，不同省市激發(fā)潛力的側重點不同。上海和重慶的綜合技術效率相對值為1.000 0，說明其在11個省市中處于“榜樣”地位，對農業(yè)水資源的利用是相對有效的，這兩個地區(qū)改善農水效率的焦點應是行業(yè)結構的調整和水權市場的推廣。江西、云南和安徽是 “拉后腿”的省份，均處于技術劣勢，故這3個省份的針對性建議是要考慮增加先進技術的投入，同時擴大生產規(guī)模，發(fā)揮規(guī)模效應。

效率值和冗余值是對應的，效率值越低冗余值越多，但不同的省市投入冗余值的組成比例不同。由表2可知，江西的農業(yè)用水量和農林牧漁業(yè)全社會固定資產投資額的冗余值在長江經(jīng)濟帶11省市中“拔得頭籌”，結合表1可知，擴大生產規(guī)模能提高水資源的邊際效應，更新生產技術能提高產品的產量和質量，將冗余值有效地轉換為產出，間接減少投入冗余值。第一產業(yè)就業(yè)人員冗余值最多的是云南，云南在農業(yè)發(fā)展上人力投入和湖南接近，但前者的農林牧漁業(yè)總產值僅為后者的1/2，云南應改進生產技術，增大農業(yè)機械化應用范圍。第一產業(yè)就業(yè)人員冗余值較高的還有安徽和貴州，其中貴州農業(yè)水資源利用的綜合技術效率值和純技術效率值均排名第七，在長江經(jīng)濟帶中屬于中等水平，其投入冗余值幾乎全為第一產業(yè)就業(yè)人員。這說明貴州提高農水利用效率的重點是發(fā)揮人力資源的最大效益，政府可考慮適當組織農戶技術培訓。安徽和湖南的冗余值比例相近，兩個地區(qū)在提高綜合技術效率時可互相借鑒。

2.2 Malmquist分析

為了觀察長江經(jīng)濟帶農水利用效率近十年的動態(tài)變化，引入Malmquist模型，利用DEAP2.1軟件運算，結果如表3和圖1所示。

表3 2007—2016年長江經(jīng)濟帶Malmquist生產率指數(shù)及其分解指標

圖1 2007—2016年長江經(jīng)濟帶各省份Malmquist生產率指數(shù)均值分布圖

由表3可看出，以2007年為基準年，2007—2016年全要素生產率變化指數(shù)的均值高于1，即近十年長江經(jīng)濟帶農水利用效率整體呈上升趨勢。根據(jù)技術效率變化指數(shù)和技術進步變化指數(shù)均值的大小可判斷，效率變化過程中技術進步扮演著“推動因子”的角色，技術效率變化的貢獻則不太明顯。按年份分析：2009年全要素生產率變化指數(shù)小于1，效率發(fā)生下行現(xiàn)象，這是由于規(guī)模效率倒退造成的；2010和2011年由于“中央一號”文件的發(fā)布和實施，農水利用效率值快速增長，全要素生產率連續(xù)兩年突破10%的增長率；2012年后全要素生產率變化腳步放慢，整體變化趨于平穩(wěn)，基本維持2%～5%的增長率。

由圖1可知，全要素生產率變化指數(shù)在標準線1的外側，說明11個省市的農水利用效率整體表現(xiàn)為上行。觀察技術進步變化指數(shù)和技術效率變化指數(shù)，發(fā)現(xiàn)前者在標準線1的外側，后者有部分處于標準線內側，分別是安徽和湖南。由純技術效率變化指數(shù)和規(guī)模效率變化指數(shù)可知，安徽和湖南是受純技術效率影響。因此，安徽和湖南改善農水利用效率時要提高在技術方面資金投入的效益值，關注如何高效利用技術這輛“生產力馬車”。表現(xiàn)特別的有江蘇省，其五個指標數(shù)值一樣，并正好落在標準線1上，說明江蘇農水利用的相對效率在近十年內基本不變。此外，圖1中技術進步變化指數(shù)在全要素生產率變化指數(shù)附近波動，兩者變化的步調基本一致，這與表3中的結論吻合，再次表現(xiàn)出全要素生產率對技術進步的依賴性[12]。

2.3 政府支出對投入冗余值影響分析

為了研究政府資金補助是否會影響地區(qū)農業(yè)水資源利用效率，筆者將國家財政農林水事務支出作為自變量，將上述DEA運算后的投入冗余值作為因變量，10年11個省市共110組數(shù)據(jù)，采用Stata軟件進行回歸分析，結果如表4所示。

表4 政府資金補助與DEA投入冗余值的回歸結果

注：***表示p<0.01；**表示p<0.05；*表示p<0.1

由表4可知，國家財政農林水事務支出對農業(yè)用水量冗余值和第一產業(yè)就業(yè)人員冗余值的回歸系數(shù)為負。但前者p值大于0.1，兩者關系不顯著；后者p值小于0.05，通過顯著性檢驗。國家財政農林水事務支出對農林牧漁業(yè)全社會固定資產投資額冗余值的回歸系數(shù)為正，且p值低于0.01，顯著性高。這說明政府資金補助會影響地區(qū)農水利用效率，主要表現(xiàn)為對固定資產和人力投資的作用，即資金補助越多，固定資產投資冗余越大，人力投入冗余越少。究其原因：①政府資金投入是為了更快更好地促進農業(yè)現(xiàn)代化，農業(yè)現(xiàn)代化就意味著傳統(tǒng)農業(yè)生產模式的改變，要將現(xiàn)代的技術和科學的管理融入農業(yè)生產。為了實現(xiàn)農業(yè)現(xiàn)代化，資金自然而然流向固定資產模塊。對于固定資產投入未能滿足農業(yè)發(fā)展需要的地區(qū)，政府資金補助的增加對農水利用效率產生正向影響；對于固定資產本身已有冗余值的地區(qū)，政府資金補助則會加劇資源的浪費。②農業(yè)現(xiàn)代化的發(fā)展減少了生產對人力要素的需求量。一是因為農業(yè)生產中機械化覆蓋率上升，一些簡單重復、危險系數(shù)高等的工作由機器代替；二是因為與時俱進的管理理念，生產組織內部的協(xié)調性增強，人員利用更為合理高效。當政府補助資金投入時，地區(qū)會調節(jié)就業(yè)人員的配置，將第一產業(yè)就業(yè)人員向第二、第三產業(yè)轉移，其冗余值降低。

3 結論與建議

筆者基于DEA-Malmquist模型，計算長江經(jīng)濟帶11個省市2007—2016年的農業(yè)用水效率，同時采用Stata軟件對投入冗余值和國家資金補助進行回歸分析。DEA運算結果表明：長江經(jīng)濟帶的農水利用效率整體有提升潛力、個體間差異大，各地區(qū)投入冗余值的比例也不盡相同。上海、江蘇、重慶和四川位于前沿面，表現(xiàn)出效率的相對有效，江西、云南和安徽的效率值小于平均值，表現(xiàn)出效率的相對無效。從投入冗余值的比例可看出，不同省份相對無效的原因是有差異的。Malmquist指數(shù)分解結果表明：長江經(jīng)濟帶農業(yè)用水效率在2007—2016年內總體呈波動上升趨勢，前五年起伏較大，后五年緩慢增長，主要是技術進步帶動了全要素生產率的變化。Stata回歸結果表明：政府資金補助會影響區(qū)域的農水利用效率，具體表現(xiàn)為兩方面。一是政府資金補助與固定資產投入冗余成正向關系，即補助增多，固定資產冗余也增多；二是政府資金補助對人員投入冗余形成反向影響，即補助有利于第一產業(yè)就業(yè)人員向第二、第三產業(yè)轉移。根據(jù)上述結果，筆者提出以下建議：

(1)提高農水效率的方案要因地制宜。長江經(jīng)濟帶涵蓋11個省市，各省市的地理位置、經(jīng)濟水平和農業(yè)水資源利用現(xiàn)狀不一。位于效率前沿面的地區(qū)，一方面要保持自己的“榜樣”形象，可以從行業(yè)結構和水權市場入手，不斷地探索節(jié)水路徑；另一方面要帶頭響應生態(tài)優(yōu)先、綠色發(fā)展，密切關注和控制農業(yè)污染物排放量，逐步改善水質，實現(xiàn)農業(yè)生產量與質的共同提升。效率相對無效的地區(qū)要參考投入冗余值情況，找出效率低下的原因，從而提出針對性的解決方法。

(2)要充分發(fā)揮政府資金補助的推動作用。政府資金補助是把雙刃劍，不僅能調節(jié)人員結構配置，降低第一產業(yè)就業(yè)冗余，提高農水利用效率；還能引發(fā)固定資產的過度投資，不利于資源的高效利用。因此，政府要以地區(qū)農業(yè)生產現(xiàn)狀為基礎，觀察其固定資產和人員投入的邊際效應大小，結合補助資金對兩者的作用，調整在農業(yè)方面的投資額。