陳蕓 李長偉

摘 要：以2010—2014年的吉林省40個縣域的農(nóng)業(yè)機械化數(shù)據(jù)為基礎，通過數(shù)據(jù)包絡分析方法DEA-BCC模型和Malmquist指數(shù)模型對吉林省農(nóng)業(yè)機械化發(fā)展效率進行了評價，靜態(tài)結果表明吉林省農(nóng)業(yè)機械化綜合效率較高歸功于技術效率和規(guī)模效率。動態(tài)結果表明影響吉林省農(nóng)業(yè)機械化發(fā)展效率的主要原因在于農(nóng)業(yè)機械化技術進步與創(chuàng)新程度不足。

關鍵詞：吉林??；農(nóng)業(yè)機械；DEA；Malmquist指數(shù)

中圖分類號：S232.3 文獻標識碼：A

DOI：10.19754/j.nyyjs.20190530002

基金項目：湖北省教育廳科研項目“地源熱泵非穩(wěn)態(tài)傳熱模型溫度場的隨機分析”（項目編號：B2017295）；武漢生物工程學院校本教學研究項目“基于應用型人才培養(yǎng)統(tǒng)計學課程教學內(nèi)容改革的研究與實踐”（項目編號：2017J27）前言

吉林省位于我國東北的中部，是國家糧食的主要產(chǎn)區(qū)之一。我國是農(nóng)業(yè)大國，農(nóng)業(yè)在國民經(jīng)濟中占有十分重要的地位，而農(nóng)業(yè)機械化是實現(xiàn)農(nóng)業(yè)現(xiàn)代化的重要指標之一，解決好“三農(nóng)問題”離不開農(nóng)業(yè)機械化這一問題。積極發(fā)展農(nóng)業(yè)機械化為提高農(nóng)業(yè)生產(chǎn)效率，降低生產(chǎn)成本，加快農(nóng)村經(jīng)濟發(fā)展，提高農(nóng)民收入改善居民生活水平，為解決好三農(nóng)問題提供了一個突破口。如何科學合理的評價農(nóng)業(yè)機械化發(fā)展效率，以及在農(nóng)業(yè)機械化建設進程中存在著哪些問題，這些對于農(nóng)業(yè)發(fā)展有著重要的意義。關于我國農(nóng)業(yè)機械化發(fā)展已有諸多專家學者對此進行研究；梁永等學者利用模糊聚類法對遼寧省農(nóng)業(yè)機械化發(fā)展水平進行了評價和分析[1]；劉蕓蕓等利用主成分分析法對新疆農(nóng)業(yè)機械化發(fā)展因素進行了研究[2]；李美娥等利用改進的層次分析法對農(nóng)業(yè)機械化的多目標決策問題進行了分析[3]；白冬艷用因子分析法對我國農(nóng)業(yè)機械化發(fā)展水平進行了評價[4]；鄭文鐘等利用地理信息系統(tǒng)對浙江省的農(nóng)業(yè)機械化發(fā)展水平進行了地區(qū)比較[5]；魏效玲等利用模糊綜合評價算法對農(nóng)業(yè)機械化項目績效進行了研究[6]。然而現(xiàn)階段多數(shù)學者采用靜態(tài)研究的辦法來反映機械化發(fā)展情況，缺少動態(tài)變化趨勢，本文采用DEA-BBC模型對吉林省40個縣域的農(nóng)業(yè)機械化發(fā)展進行靜態(tài)評價，再使用Malmquist指數(shù)對40個縣域2010—2014年的面板數(shù)據(jù)進行農(nóng)業(yè)機械化發(fā)展動態(tài)分析，期冀獲得影響吉林省農(nóng)業(yè)機械化發(fā)展效率的原因以及相關對策。

1 數(shù)據(jù)來源與研究方法

1.1 研究方法

數(shù)據(jù)包絡分析方法（Data Envelopment Analysis， DEA）由美國運籌學家 A.Charnes，W.W.Cooper和E.Rhodes在1978年提出的；用來評價相同類型的多投入、多產(chǎn)出的多個決策單元（DMU）的相對效率。數(shù)據(jù)包絡分析法（DEA） 的主要思想是對判斷各個已知的決策單元投入與產(chǎn)出的合理性及有效性[7]。數(shù)據(jù)包絡分析法以C2R、BC2、ST、FG等模型為代表[8]。評價農(nóng)業(yè)機械化發(fā)展效率屬于可變規(guī)模收益的范疇，采用BCC模型較為合適。

1.2 數(shù)據(jù)來源

利用2011—2015年《吉林省統(tǒng)計年鑒》所提供的2010—2014年相關數(shù)據(jù)，根據(jù)DEA-BCC模型和Malmquist指數(shù)模型，對吉林省40個縣域的農(nóng)業(yè)機械化發(fā)展效率進行了靜態(tài)和動態(tài)2個方面的評價?？紤]到投入與產(chǎn)出指標的科學性和易得性，選取農(nóng)業(yè)技術人員人數(shù)（人）、農(nóng)業(yè)機械總動力（萬千瓦）、農(nóng)村用電量（kw/h）、機耕面積（千公頃）、機播面積（千公頃）、有效灌溉面積（千公頃）、農(nóng)用小型機手扶拖拉機數(shù)量（臺）、大中型農(nóng)用拖拉機數(shù)量（混合臺）、農(nóng)用排灌動力機械數(shù)量（臺）、糧食加工機械數(shù)量（臺）作為投入指標，將農(nóng)林牧漁總產(chǎn)值（萬元）和糧食總產(chǎn)量（t）作為產(chǎn)出指標。其中決策單元（DMU）為吉林省40個縣域（注：2014年12月20日九臺市撤市設區(qū)仍當作樣本）。

2 實證分析

2.1 基于產(chǎn)出導向型的DEA-BCC靜態(tài)分析

利用2015年《吉林省統(tǒng)計年鑒》所提供的相關指標數(shù)據(jù)，運用DEAP2.1軟件，選擇產(chǎn)出導向型（Output Orientated）的DEA-BCC評價模型，得到了2014年吉林省40個縣域的農(nóng)業(yè)機械化發(fā)展相對效率值，結果如表1所示。

由表1可以得出：從綜合效率來看，吉林省農(nóng)業(yè)機械化發(fā)展效率平均值為0.921，總體綜合效率較高。其中，農(nóng)安、榆樹、永吉、樺甸、磐石、梨樹、伊通、公主嶺、雙遼、東遼、通化、輝南、柳河、集安、撫松、靖宇、長白、臨江、長嶺、遷安、扶余、鎮(zhèn)賚、琿春、龍井、和龍、安圖共26個地區(qū)為DEA有效，占65%。技術和規(guī)模效率也均為有效，說明農(nóng)業(yè)機械化發(fā)展得到了有效的資源配置，處于較為先進的水平。這些地區(qū)主要處于吉林中部和南部。從技術效率角度來看，吉林省技術效率平均值為0.957，技術效率處于較高水平。除上述26個地區(qū)外，又增加了德惠、舒蘭、延吉、圖門4個地區(qū)達到了技術效率有效，占75%。技術效率有效地區(qū)大多處于吉林省中部和東部地區(qū)，說明這些地區(qū)對農(nóng)業(yè)機械化的現(xiàn)有技術利用、技術創(chuàng)新程度非常重視并且得到了有效的管理。余下的10個地區(qū)尚未達到技術效率有效，說明對現(xiàn)有技術沒有充分利用，需要加強技術利用和創(chuàng)新，并提高管理水平。從規(guī)模效率來看，吉林省規(guī)模效率平均為0.961，總體規(guī)模效率也較高。這部分地區(qū)和綜合效率有效的地區(qū)一樣。從規(guī)模收益狀況來看，九臺、德惠、蛟河、舒蘭、東豐、前郭、敦化共7個地區(qū)規(guī)模效率小于1且規(guī)模收益處于遞減狀態(tài)，不需要進行擴大機械化規(guī)模來進行提高產(chǎn)出水平。梅河口、通榆、洮南、大安、延吉、圖門、汪清規(guī)模效率小于1且規(guī)模收益處于遞增狀態(tài)，這些地區(qū)處于吉林省西部和東部需要擴大機械化規(guī)模，增加投入來提高產(chǎn)出水平。其余地區(qū)為規(guī)模收益不變，保持目前規(guī)模即可。

2.2 基于Malmquist指數(shù)的動態(tài)分析

利用DEAP2.1 軟件對2011—2015年《吉林省統(tǒng)計年鑒》所提供的各地區(qū)201—2014年的相關指標數(shù)據(jù)計算Malmquist指數(shù)及其分解的結果，按年份結果如表2所示，按縣域結果如表3所示。

從表2來看，2010—2014各年農(nóng)業(yè)機械化發(fā)展效率的Malmquist指數(shù)呈現(xiàn)先下降而后又上升的趨勢，從平均數(shù)來看Malmquist指數(shù)為0.917，說明全要素生產(chǎn)率年均下降了8.3%，之所以出現(xiàn)這種狀況可能與這期間受災情況有關，尤其是2013年受災人數(shù)最多。其中技術效率變動指數(shù)為1.009，技術變化為0.909，說明總體效率下降主要因素為技術變化，即受到了農(nóng)業(yè)機械化技術進步與創(chuàng)新的限制。而構成技術效率變動的純技術效率變動指數(shù)和規(guī)模效率變動指數(shù)分別為1.005和1.004，說明資源配置、機械化規(guī)模和管理水平的提高推動了技術效率變動。

從表3來看，蛟河、樺甸、舒蘭、磐石、梨樹、撫松、靖宇、長白、臨江、前郭、長嶺、乾安、扶余、鎮(zhèn)賚、通榆15個縣域的Malmquist指數(shù)大于1，占37.5%。說明這些地區(qū)在2010—2014年農(nóng)業(yè)機械化的全要素生產(chǎn)率有不同程度的提高。其中大部分縣域都是由于技術變化（techch）造成的，除了樺甸、舒蘭、磐石、梨樹是因為技術效率（effch）變動造成的。另外還有集安、汪清和安圖的Malmquist指數(shù)大于或等于平均水平。在余下的低于平均水平的各縣域中，也是由技術變化（techch）造成了農(nóng)業(yè)機械化發(fā)展效率低。根據(jù)圖1吉林省農(nóng)業(yè)機械化全要素生產(chǎn)率空間分布圖可以看出全要素生產(chǎn)率指數(shù)較高的縣域大多在吉林省西北部和中部，分布不均勻。區(qū)域性差異的客觀存在和有規(guī)律的分布，決定了各區(qū)域農(nóng)業(yè)機械化發(fā)展面臨的機遇和挑戰(zhàn)各不相同[10]。需要因地制宜、科學的指導，改善和促進農(nóng)業(yè)機械化的協(xié)調(diào)實現(xiàn)快速發(fā)展。（注：圖1中白色部分為市轄區(qū)。）

3 結論與建議

利用數(shù)據(jù)包絡分析法（DEA）中的產(chǎn)出導向BCC模型對2014年吉林省各縣域農(nóng)業(yè)機械化發(fā)展相對效率靜態(tài)分析得到技術效率平均值為0.957和規(guī)模效率平均值為0.961，綜合效率平均值為0.921。結果表明總體綜合效率較高受到技術效率和規(guī)模效率的影響。這得益于國家對吉林省農(nóng)業(yè)機械化的大力扶持，使得規(guī)模擴大，機械化管理水平和技術水平都得到了改善。

利用Malmquist指數(shù)對2010—2014年吉林省農(nóng)業(yè)機械化發(fā)展相對效率的動態(tài)分析得到：技術效率變動指數(shù)平均值為1.009，技術變化指數(shù)平均值為0.909，純技術效率變動指數(shù)平均值為1.005，規(guī)模效率變動指數(shù)平均值為1.004，全要素生產(chǎn)率變動指數(shù)平均值為0.917。結果表明影響吉林省農(nóng)業(yè)機械化發(fā)展效率的主要原因在于技術變化（techch），即農(nóng)業(yè)機械化技術進步與創(chuàng)新程度不足。要進一步提高吉林省農(nóng)業(yè)機械化的全要素生產(chǎn)率需加大機械化技術進步和創(chuàng)新程度，與此同時需要吸引人才，增加農(nóng)業(yè)技術人員數(shù)量，并且讓更多的農(nóng)戶受到專業(yè)的培訓和指導。

參考文獻

[1] 梁永， 邱立春. 遼寧省農(nóng)業(yè)機械化發(fā)展水平的評價與分析[J]. 農(nóng)機化研究， 2006（6）： 70-72.

[2] 劉蕓蕓， 李紅. 基于主成分回歸模型的新疆農(nóng)業(yè)機械化發(fā)展影響因素評價[J]. 貴州農(nóng)業(yè)科學， 2013（9）： 197-201.

[3] 李美娥， 單士睿. 改進的AHP法在評價農(nóng)業(yè)機械化發(fā)展水平中的應用[J]. 農(nóng)機化研究， 2011，33（5）： 56-59.

[4] 白冬艷. 用因子分析法評價我國農(nóng)業(yè)機械化發(fā)展水平[J]. 農(nóng)機化研究，2006（9）： 1-5.

[5] 鄭文鐘， 何勇. 基于GIS的浙江省農(nóng)業(yè)機械化發(fā)展水平的地區(qū)比較[J]. 浙江大學學報（農(nóng)業(yè)與生命科學版）， 2004 （6）： 82-86.

[6] 魏效玲， 王杰華， 周振中. 農(nóng)業(yè)機械化項目績效模糊綜合評價算法[J]. 東北農(nóng)業(yè)大學學報， 2012，43 （8）： 68-73.

[7] 潘國剛， 賈江濤. 考慮科技投入的區(qū)域能源效率評價研究—以廣東省為例[J]. 科學技術與工程， 2011，11（28）： 7036-7041.

[8] 張悟移， 楊云飛. 中國區(qū)域經(jīng)濟發(fā)展效率評價—基于DEA和Malmquist指數(shù)[J]. 華東經(jīng)濟管理， 2014，28（11）： 63-67.

[9] 王曉玲， 方杏村. 東北老工業(yè)基地經(jīng)濟振興效率評價及影響因素分析[J].商業(yè)研究， 2017（1）： 69-74.

[10] 段亞莉， 何萬麗， 黃耀明，等. 中國農(nóng)業(yè)機械化發(fā)展區(qū)域差異性研究[J].西北農(nóng)林科技大學學報（自然科學版），2011，39（6）： 210-216.