趙曉楓，魏 峰

（安徽大學 經濟學院，安徽 合肥 230026）

一、引 言

黨的十九大報告強調解決“三農”問題，促進農業(yè)農村快速發(fā)展，實現(xiàn)農業(yè)農村現(xiàn)代化。實現(xiàn)農業(yè)增長，主要依賴要素投入和實現(xiàn)農業(yè)生產效率增長，而生產資源是相對匱乏的，這就決定了農業(yè)增長主要依賴于生產效率的提高。農業(yè)生產效率是農業(yè)投入產出的轉化率，是衡量農業(yè)進步的關鍵指標，有關農業(yè)生產效率的研究一直是一項重要課題。

安徽省地處華東腹地，農業(yè)資源豐富，形成了以種植業(yè)、林業(yè)、畜牧業(yè)、漁業(yè)為主的農業(yè)結構。據(jù)2009—2019年《安徽省統(tǒng)計年鑒》顯示：2008年，安徽省農林牧漁總產值為2 446.51億元，2018年達到4 672.71億元。從年份來看，2008—2017年間農林牧漁總產值均保持較為平緩增長，2018年略有下降。從行業(yè)來看，林業(yè)產值的增加最為明顯，2008—2018年平均增長率為10.69%；其次是漁業(yè)，年平均增長率為8.16%；再次為種植業(yè)和畜牧業(yè)，年平均增長率分別為6.79%和6.37%。從各地級市來看，淮北、亳州、宿州、蚌埠、阜陽、滁州、宣城、池州、黃山在2008—2018年間農林牧漁總產值保持平穩(wěn)增長；其余各市波動較大，例如，六安市2015年的農業(yè)總產值比2014年下降17.6%。作為我國農業(yè)大省，安徽省農業(yè)產值增長對經濟穩(wěn)定發(fā)展具有不可或缺的重要作用。

二、文獻綜述

關于農業(yè)生產效率的研究一直是學術界關注的熱點問題，全要素生產率是衡量經濟增長效率的一個關鍵指標。當前，對于農業(yè)全要素生產率的測算主要有參數(shù)估計和非參數(shù)估計［1］，其中具有代表性的模型分別為隨機前沿分析（SFA）和數(shù)據(jù)包絡分析（DEA）。相對于參數(shù)估計，非參數(shù)估計更具優(yōu)勢，因為利用線性規(guī)劃方法對研究對象進行測算，可以防止出現(xiàn)函數(shù)形式設置錯誤和非效率項等問題。

國外學者首先采用定量研究方法進行農業(yè)生產效率測算。Farrell［2］將模型中的預設函數(shù)替換為非預設生產函數(shù)，對英國農業(yè)生產率進行測算，該種方法包含了DEA的基本思想。Cooper等［3］以此為基礎，提出了DEA模型。此后DEA被廣泛應用于生產效率評價，并不斷發(fā)展和完善。

國內學者基于DEA模型對省內區(qū)域農業(yè)生產率差異進行了研究。王秀峰、張銘［4］采用DEA模型和Malmquist指數(shù)法分析了貴州省2008—2016年的數(shù)據(jù)，發(fā)現(xiàn)貴州省全要素生產率在不同年間波動較大，不同州市也具有較大差異；劉榮增、范琳琳［5］運用DEA對河南省內地區(qū)經濟效率進行實證分析，并針對河南省的情況提出對策建議；諶貽慶等［6］使用超效率DEA、Malmquist指數(shù)分析及規(guī)模收益方法測算了江西省2009—2014年各地級市的農業(yè)生產效率，并運用Tobit模型對影響江西省農業(yè)生產的主要原因進行分析，結論是江西省各地級市發(fā)展不平衡，應當因地制宜；崔寧波、張正巖［7］利用超效率DEA模型和Malmquist指數(shù)法從靜態(tài)、動態(tài)兩個方面對黑龍江省農業(yè)生產效率進行研究，得到農業(yè)技術進步是農業(yè)生產率增長主要動力的結論，并提出進一步提高黑龍江農業(yè)生產率的建議；李中東、尉遲曉娟［8］運用超效率DEA和Malmquist指數(shù)法，研究了2011—2016年山東省農業(yè)生產效率現(xiàn)狀和發(fā)展狀態(tài)，發(fā)現(xiàn)雖然只有少數(shù)地級市生產效率有效，但是17個地市的全要素生產率都在穩(wěn)步上升，并對各地市農業(yè)新舊動能轉換提出相關政策建議。

已有文獻表明，在研究農業(yè)生產效率時，不同的學者往往會選擇不同農業(yè)產業(yè)、不同農業(yè)產出，但是基本都采用DEA模型和全要素生產率方法，并且文獻表現(xiàn)出一種趨勢，即對于生產效率的測算偏向于由傳統(tǒng)DEA轉向超效率DEA，因為后者具有明顯優(yōu)勢。超效率DEA的優(yōu)勢在于該方法不僅可以區(qū)分生產要素之間效率的差異，還能考察農業(yè)生產效率的動態(tài)變化。雖然有大量關于農業(yè)投入產出方面的研究，但有關安徽省農業(yè)生產效率的研究不多。因此，通過超效率DEA模型和Malmquist指數(shù)法對安徽省農業(yè)生產效率進行測度和分析，比較各地級市農業(yè)生產效率的差異，并提出關于提升安徽省農業(yè)生產效率、促進安徽省農業(yè)發(fā)展的建議，具有一定的現(xiàn)實價值。

三、方法與模型

（一）超效率DEA

數(shù)據(jù)包絡分析（DEA）是根據(jù)多項投入指標和多項產出指標，以凸線形規(guī)劃方法為工具，計算比較決策單元（DMU）之間的相對效率，并做出評價的一種數(shù)學模型。該方法可以得出對于決策單元本身投入產出的最優(yōu)方案，因而可以更加合理地體現(xiàn)評價對象自身包含的信息和特性。決策單元是用來評價DEA是否有效的一個評價指標。當DEA有效時，就說明該決策單元是有效的［9］。

而傳統(tǒng)DEA模型的結論較為籠統(tǒng)，結果常常會產生多個DEA有效的決策單元，并且很難對這些決策單元的效率進行評價和排序，Andersen和Petersen在傳統(tǒng)DEA理論上提出了規(guī)模報酬不變（CCR）情況下的超效率DEA模型［10］，CCR模型在評估決策單元時，需要將被評估的決策單元從決策單元的集合中剔除。因此，在效率評價結果中，DEA有效的決策單元的效率值與CCR模型計算出來的效率值是相同的，而超效率DEA模型計算出來的效率值可以大于1，從而可以用來對所有的決策單元進行比較排序［11］。超效率DEA模型表示如下：

約束條件為：

（二）Malmquist指數(shù)分析法

1953年，Malmquist提出Malmquist指數(shù)法，一般用于生產效率變化的測算。1994年，F(xiàn)are將該測算理論中的非參數(shù)線性規(guī)劃與數(shù)據(jù)包絡分析模型相結合［12］，把生產率指數(shù)解釋為效率變化和技術變化，效率變化可接著分解為技術效率變化和規(guī)模效率變化，對技術效率部分的進一步劃分使得該方法得到更廣泛的應用。

設向量X=(X1,X2,…,Xt)，為投入向量；Y=[Y1,Y2,…,Yt]，為產出向量。Malmquist生產率指數(shù)可以表示為：

上述方程的技術效率變化部分可再分解為純技術效率變化和規(guī)模效率變化：

當M>1時，全要素生產率從t到t+1期呈增長趨勢；M=1，表示停滯；M<1，表示下降趨勢。

Malmquist指數(shù)法測度t期到t+1期全要素生產率（TFP），可以將其分解為技術效率（ECH）和技術進步（TCH）的乘積。其中，全要素生產率變化指數(shù)表示從t期到t+1期某個決策單元生產率的變化程度；技術效率變化指數(shù)表示t期到t+1期某個決策單元對生產可能性邊界的追趕速度；技術進步變化指數(shù)反映t到t+1時期生產前沿面的移動［14］。技術效率可以進一步分解為純技術效率（PECH）與規(guī)模效率（SECH），即技術效率等于純技術效率與規(guī)模效率的積，所以有

TFP=ECH×TCH=PECH×SECH×TCH

因此，運用Malmquist指數(shù)法對安徽省農業(yè)全要素生產率進行分解測算能夠綜合考察全省及各市對勞動力、機械等投入的配置能力和使用效率。此外，從純技術效率角度可以分析安徽省及各市在不考慮投入要素利用率時所產生的效率損失；從規(guī)模效率的角度可以分析其現(xiàn)有的農業(yè)生產規(guī)模與最優(yōu)規(guī)模間的差異。

四、實證分析

（一）指標選取及數(shù)據(jù)處理

選用農林牧漁業(yè)總產值作為安徽省農業(yè)產出指標，按當年價格計算。通過對農業(yè)產值的投入產出指標構建以及相關文獻［15-16］的研究分析，選取了4種投入指標，分別是機械投入、勞動投入、化肥投入、土地投入。機械投入是農林牧漁生產過程中使用的機械動力總和；勞動投入為第一產業(yè)從業(yè)人數(shù)，可有效反映某一時期內農業(yè)勞動力的實際投入情況；化肥投入是農用氮肥、磷肥、鉀肥及復合肥的折純量；土地投入是農作物的總播種面積，可以更好反映土地實際使用情況。

巢湖市在2011年被撤銷地級市。原居巢區(qū)農業(yè)產值數(shù)據(jù)較為完整，但廬江縣、和縣、含山縣、無為縣的數(shù)據(jù)缺失較多。文中將原居巢區(qū)相關數(shù)據(jù)與合肥市原始數(shù)據(jù)相加作為調整后的合肥市數(shù)據(jù)；因其余各縣相關數(shù)據(jù)缺失嚴重，馬鞍山、蕪湖2008—2010年有效數(shù)據(jù)無法調整，故采用原始數(shù)據(jù)。因此，將調整后的合肥市有關數(shù)據(jù)以及其余未調整的各地級市數(shù)據(jù)，共16個地級市數(shù)據(jù)做測算與分析。文中使用數(shù)據(jù)來自2009—2019年《安徽省統(tǒng)計年鑒》，采取相應方法計算得出。

（二）農業(yè)生產效率的測算

1.基于超效率DEA模型的安徽省各地級市的農業(yè)生產效率

使用DEA-SOLVER PRO5.0對數(shù)據(jù)進行分析，結果見表1所列。

表1 2008—2018安徽省地級市農業(yè)超效率DEA值

從表1可知，安徽省在2008—2018年間農業(yè)生產效率的均值為0.87，說明其農業(yè)生產效率并未達到有效，省內各市農業(yè)生產效率也存在較大差異。具體來看，超效率均值大于1的前五名地級市分別為黃山、馬鞍山、合肥、蕪湖和安慶，超效率均值分別為1.22、1.1、1.04、1.03、1.02，表明對于這5個地級市，按同等比例增加22%、10%、4%、3%、2%的投入，仍能保持相對有效。其余各市均未達到DEA有效。

在未達到DEA有效的地級市中，池州市在2012年達到生產有效，但在2012年之后由于農業(yè)投入與生產規(guī)模不相匹配而導致生產失效。宣城市在2008—2018年農業(yè)生產效率呈上升趨勢，并且在2017—2018年達到了DEA有效，經分析，宣城農業(yè)處于規(guī)模效率遞減期間，其農作物播種面積有緩慢的下降趨勢，而機械投入保持穩(wěn)定增長，其綜合效率的提升主要是受純技術效率的影響，體現(xiàn)了使用農業(yè)機械如大型拖拉機、聯(lián)合收割機等產生的積極作用。宿州、淮南、銅陵、滁州、蚌埠、阜陽、六安、亳州、淮北等市的農業(yè)生產效率處于較低水平，可能有兩方面的原因：一是勞動資源配置及作物規(guī)模存在問題，如勞動力投入與生產規(guī)模不匹配、農作物種植規(guī)劃不合理等導致資源利用效率低；二是機械投入不夠，未引進和使用大型農業(yè)生產器械，未采用合理科學的化肥施用方法，忽視了農業(yè)先進技術在農業(yè)生產過程中的重要作用。其中，阜陽、六安在2008—2018年間農業(yè)生產效率保持穩(wěn)定的增長趨勢。因此，這些地級市應當調整現(xiàn)有資源的配置情況，合理調整勞動力投入與生產規(guī)模，加大農機研發(fā)與學習應用的投入，以期達到DEA有效。

2.Malmquist指數(shù)及其分解

（1）安徽省各年份Malmquist指數(shù)。使用DEAP2.1分析數(shù)據(jù)，安徽省2008—2018年農業(yè)Malmquist指數(shù)及分解，見表2所列。

從表2可以得出，安徽省各地級市農業(yè)全要素生產率的平均值為1.059，大于1，說明2008—2018年農業(yè)全要素生產率有所提高。根據(jù)全要素生產率分解結果來看，全要素生產率受到技術效率和技術進步的共同影響，在2010、2012、2014、2015、2016年相對于上一年技術效率有所下降，農業(yè)生產為弱有效以外，其他年份相較于上一年均保持農業(yè)技術效率有略微上升。結合表2、表3，規(guī)模技術效率在2008—2018年的平均值為1.032，純技術效率的均值為1.005，技術進步的均值為1.014，都有小幅度的增加，說明安徽省在這期間比較重視農業(yè)技術的研發(fā)與使用。

整體來看，全要素生產率在2008—2018年的11年間波動較大。在2008—2009這段時間，全要素生產率最低，可能由于外部經濟不景氣，導致在農業(yè)方面的各項投入不足，使得農業(yè)生產技術方面相對落后，從表中也可以看出在這期間，技術進步率也是最低的。由于2009年出現(xiàn)的大面積干旱對安徽農業(yè)產生重創(chuàng)，導致農業(yè)生產率的下降。在2009—2011年、2012—2014年以及2016—2018年，全要素生產率都是大于1的。在2013—2014年，全要素生產率增加最高，達到了51.6%，這一年的技術進步水平也是最高的，可能有以下原因：十八大以來，黨中央高度重視“三農”問題，安徽省在2013年大力支持農業(yè)產業(yè)化發(fā)展，采取增加財政投入、加強人才建設等政策來促進農業(yè)產業(yè)的升級；對農業(yè)機械的購置提供了政策補貼，極大提高了農業(yè)機械化生產水平；在全省大力推廣配方肥的使用；加大了對農業(yè)基礎設施建設的投入，這些措施對提高農業(yè)生產率起到了積極促進作用。在此后，全要素生產率出現(xiàn)下降，主要是由于2014—2015年安徽省自然災害頻發(fā)導致的農業(yè)產業(yè)受損嚴重。如在2014年，淮北遭遇多次干旱，分別出現(xiàn)在1月、4月、7月和8月；2015年，安徽省遭遇多次強降雨過程，洪澇災害頻發(fā)，農作物大面積受災，經濟損失嚴重。在此之后，安徽省全要素生產率有逐步上升的趨勢，主要由于2015年后，我國經濟進入新階段，推進農業(yè)供給側結構性改革，促進了全要素生產率的提高。

（2）安徽省各地級市的Malmquist指數(shù)。從表3可以看出，安徽省的全要素生產率平均增長了4.2%，說明安徽省農業(yè)在2008—2018年期間穩(wěn)定發(fā)展。整體來看，安徽省全要素生產率的增長受到技術效率和技術進步共同作用的影響。

表2 2008—2018年安徽省農業(yè)Malmquist指數(shù)變化及其分解

表3 2008—2018年安徽省各地級市農業(yè)Malmquist指數(shù)變化及其分解

從各地級市來看，合肥、淮北、亳州、宿州、蚌埠、滁州、宣城、銅陵、池州、安慶、黃山等市的農業(yè)全要素生產率大于1，農業(yè)生產能力在逐步提高，其中，銅陵、宣城、池州、安慶、黃山的年平均增長率均大于10%，排名第一的為銅陵市，達到14.4%。這些地級市的技術效率、技術進步也呈現(xiàn)增長趨勢，說明這些地區(qū)農業(yè)投入與農業(yè)生產規(guī)模較為匹配，合理引入和使用先進農業(yè)機械，技術水平也得到有效提升。合肥、淮北、亳州、宿州、蚌埠、滁州等市的農業(yè)全要素生產率年平均增長率分別為2.1%、3.0%、2.0%、3.5%、0.5%和0.1%，呈現(xiàn)小幅的增長趨勢。蚌埠、滁州等市的農業(yè)技術效率降低，是由當?shù)剞r業(yè)規(guī)模技術效率降低引起的，說明當前存在農業(yè)投入冗余的問題，應當調整現(xiàn)有生產規(guī)模。合肥市的農業(yè)生產技術進步水平在降低，經分析發(fā)現(xiàn)合肥用于農業(yè)生產的機械投入雖總體保持上升趨勢，但波動較為明顯，且增長的幅度比較小，應在當前基礎上加大對農業(yè)機械的投入，以此促進全要素生產率的提高。阜陽、淮南、六安、馬鞍山、蕪湖等市的農業(yè)全要素生產率小于1，其中淮南、六安、馬鞍山、蕪湖等市的農業(yè)技術進步是增長的，全要素生產率的降低主要是由農業(yè)技術效率水平的下降引起的，存在不合理的農業(yè)生產要素投入，導致投入冗余和產出不足。進一步分析發(fā)現(xiàn)，這些地級市的第一產業(yè)從業(yè)人口在2008—2018年間未發(fā)生較大變化，而且農作物播種面積有所下降，造成勞動投入冗余，應當結合當?shù)厍闆r，合理規(guī)劃生產規(guī)模以促進效率的提升。

五、結論與建議

（一）研究結論

通過上述分析，主要得出以下兩點結論。一是，總體來看，安徽省的農業(yè)發(fā)展水平并不高，尚有較大發(fā)展空間，而且各地級市農業(yè)生產效率發(fā)展存在較大差異，影響這些地區(qū)生產效率的因素也各不相同。省內只有少數(shù)地級市農業(yè)生產效率處于DEA有效狀態(tài)，部分地級市存在較大的農業(yè)投入冗余，也有部分地級市農業(yè)發(fā)展在逐步上升，如宣城、阜陽等地。二是，通過對農業(yè)生產效率進行Malmquist指數(shù)分解發(fā)現(xiàn)，安徽省16個地級市的全要素生產率年平均增長4.2%，技術效率和技術進步共同影響全要素生產率，說明安徽省在近幾年的農業(yè)產業(yè)結構配置優(yōu)化較好，原因在于加大了農業(yè)生產技術的投入，從而使得農業(yè)全要素生產率得到增長。從各地級市的地理位置來看，南部、北部地區(qū)地級市的全要素生產率基本都大于1，中部地區(qū)地級市的全要素生產率基本小于1，說明安徽南北部農業(yè)發(fā)展相對較好。

（二）對策建議

1.加大農業(yè)科研投入

安徽省農業(yè)發(fā)展面臨科技水平較低、投入不足的問題，應加大科研經費投入，攻克農業(yè)技術難關，同時加快技術成果轉換和應用能力。自然災害對農業(yè)生產有極大的負面影響，應研發(fā)新型農作物種苗，提高農作物的抗災能力。

2.提高勞動者素質及技術推廣

雖然各地級市的農業(yè)從業(yè)人口較多，但勞動力素質偏低，因此會存在先進機械及生產技術的使用及推廣問題。可以組織勞動力技能培訓，著重解決生產過程中的技術性問題；設立技術服務宣傳講座，調動農民參與學習的積極性，大力推廣農業(yè)技術。

3.加強農業(yè)基礎設施建設

農業(yè)基礎設施是農業(yè)生產發(fā)展的重要保障。加強農田水利建設、農產品物流設施建設，保障農產品的生產及銷售。此外，應加強土地治理，建設高標準農田，推廣施用配方肥，實行保護性耕作等，更加科學有效利用耕地。