許亞松 張克榮 侯有信 蔣武林

摘要?基于三階段DEA模型和安徽省面板數據實證分析了2014—2018年16個地市的農業(yè)生產效率。結果表明，安徽省農業(yè)生產效率值整體較低，規(guī)模效率低是制約其發(fā)展的主要原因。農民收入的增加、受教育水平的提高對農業(yè)生產效率起促進作用，而城市規(guī)模的擴充不利于農業(yè)生產效率的提高。安徽省農業(yè)生產效率在空間上呈現以合肥為中心的“X”狀高效率集聚格局，在區(qū)域上呈現“皖中>皖北>皖南”的發(fā)展格局。

關鍵詞?三階段DEA;安徽省;農業(yè)生產效率;空間演變

中圖分類號?S-9?文獻標識碼?A?文章編號?0517-6611（2021）09-0213-06

doi：10.3969/j.issn.0517-6611.2021.09.058

Abstract?Based on the Three-stage DEA model and panel statistical data of Anhui Province， this paper empirically analyzes the agricultural production efficiency of 16 cities in Anhui Province from 2014 to 2018. The results show that the overall agricultural production efficiency of Anhui Province is low， and the low scale efficiency is the main reason restricting its development. The increase of farmers income and education level can promote the efficiency of agricultural production， but the expanding of urbanization level is not conducive to the improvement of agricultural production efficiency. The spatial distribution of agricultural production efficiency in Anhui Province is X-shaped with Hefei as the center， and the regional development pattern is “Central Anhui > Northern Anhui > Southern Anhui”.

Key words?Three-stage DEA;Anhui Province;Agricultural production efficiency;Spatial evolution

“鄉(xiāng)村振興戰(zhàn)略”是黨的十九大提出的一項重大戰(zhàn)略，是新時代中國特色社會主義偉大事業(yè)的重要內容，而其重要的突破口和切入點就是實現農業(yè)現代化發(fā)展。加快現代農業(yè)轉型升級的關鍵在于如何提高資源利用率，常用農業(yè)生產效率衡量[1]。安徽省作為農業(yè)大省，如何優(yōu)化農業(yè)資源配置、提高農業(yè)生產效率是當前亟需解決的問題之一。

目前，針對農業(yè)生產效率的研究多以DEA模型為主，DEA模型對于測度多投入多產出的生產效率更加全面和準確。Farrell[2]最早通過對英國的農業(yè)生產效率進行分析，提供了利用數學規(guī)劃求出技術前沿面的思路，一般被認為是DEA的原型。國外方面，Toma等[3]通過DEA模型檢驗歐盟國家的農業(yè)生產效率，研究發(fā)現大多數歐盟國家都可以合理化其投入使用，從而獲得更多的產出。Da Silva e Souza[4]以農業(yè)產值為產出，土地、勞動力等為投入，運用DEA模型分析了1976—2016年巴西的農業(yè)生產效率。國內學者在傳統(tǒng)DEA的基礎上對指標選取和方法進行了改進，如陳新華等[5]基于生態(tài)效率評價視角，將農業(yè)碳匯效應、農業(yè)面源污染等指標納入農業(yè)生產效率的分析體系中，應用DEA對廣東省的農業(yè)投入產出效率值進行了測算。傅麗芳等[6]構建了可以處理面板數據的立體DEA模型，對黑龍江省各區(qū)域的農業(yè)生產效率進行測度。馮俊華等[7]運用DEA-Malmquist指數模型對陜西農業(yè)生產效率進行靜態(tài)與動態(tài)測算。

針對傳統(tǒng)DEA無法處理環(huán)境因素和隨機噪聲的影響，Fried等[8]提出三階段DEA模型，更多學者選用這種方法用于農業(yè)生產效率的研究。郭軍華等[9]運用三階段DEA模型對2008年國內各省市的農業(yè)生產效率進行測度和分析。在環(huán)境變量的影響方面，王蕾等[10]發(fā)現提高城鎮(zhèn)化水平、教育水平、工業(yè)化發(fā)展水平均有利于促進農業(yè)生產效率，而糧食播種面積與農作物播種面積比、地方財政農林水事務支出等指標不利于農業(yè)生產效率的提高。王洋洋等[11]通過實證測度發(fā)現經濟發(fā)展水平、自然災害和極端天氣、人口結構等因素顯著影響了“一帶一路”沿線國家和地區(qū)的農業(yè)生產效率。在與空間計量的結合方面，侯孟陽等[12]采用超效率SBM模型測算省際農業(yè)生態(tài)效率，并建立空間計量模型對分區(qū)域、分時段的分異特征進行討論。王海飛[13]采用超效率的SSBM模型和探索性空間數據分析（ESDA）相結合的方法，以縣域單元為尺度對安徽省農業(yè)效率水平、空間格局及其演變趨勢進行實證分析。

總體來看，目前的研究視角多集中在全國和省域層面，而針對安徽省各地市農業(yè)生產效率的研究寥寥無幾，在研究時間上也較為陳舊，大多以定性的建議對策為主。安徽省作為傳統(tǒng)農業(yè)大省，更應積極探索現代農業(yè)的轉型和升級，研究安徽省農業(yè)生產效率水平和影響因素對安徽省推動農業(yè)現代化轉型，提升區(qū)域地位有著重要的意義。因此，筆者選取2014—2018年安徽省16個地級市的面板數據，基于三階段DEA模型對安徽省農業(yè)生產效率進行測算和分析。

1?研究方法與數據來源

1.1?三階段 DEA 模型

DEA模型作為一種非參數方法，是處理多目標決策問題時的有力工具，廣泛運用于經濟和管理領域。三階段DEA模型在原有基礎上剔除掉環(huán)境因素和隨機誤差的影響，具有良好的客觀性，具體步驟如下。

第一階段，傳統(tǒng)DEA模型。1978年由A.Charnes等首先提出了DEA模型，原理是運用凸分析和線性規(guī)劃對各決策單元（DMU）效度進行測量，用于評價相同部門間的相對有效性。該研究采用投入導向下的BCC模型進行測量，BCC模型可表示為：

第二階段，相似SFA分析模型，用原始投入值減去投入目標值得到各投入指標的松弛變量，作為被解釋變量，再將環(huán)境變量作為解釋變量進行回歸分析，其中松弛變量是由環(huán)境因素、管理無效率和隨機因素構成，第二階段的主要目的是將第一階段的松弛變量分解成以上3種效應，并對環(huán)境和隨機因素進行剝離分析，以此來調整原始投入值[14]。

具體計算步驟如下：

第三階段，調整后的DEA模型，原始產出值不變，與剔除掉環(huán)境因素和隨機噪聲后的投入值再次重復一階段過程進行效率值測度。

1.2?投入產出指標、環(huán)境變量的選取及數據來源

1.2.1?投入產出指標的選取。

該研究依據數據可得性和統(tǒng)一性原則，選取的農業(yè)投入變量包括灌溉、化肥、 農業(yè)機械動力、土地及勞動力5個方面。其中灌溉投入，選取有效灌溉面積（1 000 hm2）計算;化肥投入，以當年用于農業(yè)生產中的磷、氮、鉀和復合肥折純量的總量（t）計算;農業(yè)機械動力投入采用農業(yè)機械總動力（萬kW）計算;土地投入，選取農作物總播種面積（1 000 hm2）計算;勞動力投入，以第一產業(yè)從業(yè)人員（萬人）計算。最后，將農林牧漁業(yè)總產值（萬元）作為產出指標。

各投入項與產出項之間需符合“同向性”假設（投入增加時產出不會減少），常采用Pearson相關性檢驗方法進行檢測[15]。利用SPSS 20.0軟件進行檢驗，結果見表1。由表1可以看出，安徽省各地市的農業(yè)投入與產出之間的相關系數均為正且都能通過0.05水平下的置信（雙尾）檢驗，充分滿足“同向性”假設。

1.2.2?環(huán)境變量的選取。

環(huán)境變量指標應選擇那些對農業(yè)生產效率產生影響但是又不受本身主觀控制的因素，綜合參考現有研究和文獻[16-18]，該研究選取城市規(guī)模、政策支持、農民收入水平、受教育水平4個變量作為環(huán)境變量，分別采用城鎮(zhèn)率（%），農林水事物支出（萬元），農村居民人均可支配收入（元），人均受教育年限（年）表示。

1.2.3?數據來源。

該研究所選取的投入產出變量和環(huán)境變量的面板數據來源于2015—2019年《安徽統(tǒng)計年鑒》。

2?結果與分析

2.1?第一階段DEA分析結果

利用DAP 2.1軟件的投入導向BCC模型對2014—2018年安徽省16個市農業(yè)生產效率進行測度，結果見表2。

由表2可得，2014—2018年安徽省農業(yè)生產綜合效率平均值分別為0.836、0.823、0.848、0.851、0.857，綜合效率、純技術效率、規(guī)模效率的5年平均值分別為0.843、0.927、0.910，說明安徽省農業(yè)生產效率值較低，但整體是呈增長趨勢的。綜合效率值等于純技術效率值與規(guī)模效率值相乘，觀察可得，安徽省農業(yè)每年的純技術效率值均高于規(guī)模效率值，因此效率值低下更多的可歸因于規(guī)模效率的低下。傳統(tǒng)DEA模型未剔除環(huán)境因素和隨機噪聲對真實效率值的影響，所以有必要選用SFA模型進行下一步的調整和分析。

2.2?第二階段 SFA 回歸分析結果

將第一階段計算得到的投入松弛變量作為被解釋變量，將環(huán)境變量作為解釋變量，數據對數化處理后，運用Front 4.1軟件進行隨機前沿分析（SFA），結果見表3。

從表3可以看出，環(huán)境變量對投入松弛變量進行回歸時大部分統(tǒng)計量在0.01的檢驗水平上顯著，具有較高的統(tǒng)計顯著性，表明外部環(huán)境因素在不同程度上影響著各地市農業(yè)生產的投入冗余，進而對農業(yè)生產效率產生影響。環(huán)境變量對各投入松弛變量回歸系數的正負代表的意義也是不同的，系數為負時，表明環(huán)境變量的增加有助于減少投入冗余，即降低投入的浪費;反之，則表示增加環(huán)境變量會導致投入浪費的增加。下文逐一對各環(huán)境變量對投入松弛變量的影響進行分析。

（1）城市規(guī)模。城市規(guī)模除對第一產業(yè)從業(yè)人員松弛變量不顯著以外，對其他投入松弛變量均能通過0.01的顯著性檢驗，但回歸系數均為正，表示城市規(guī)模的擴充不利于安徽省農業(yè)生產效率的提高，這一結論與理論預期相反。主要原因可能在于安徽省是傳統(tǒng)農業(yè)大省，但整體經濟實力較為落后，城市規(guī)模擴大的同時造成大量年輕的農村勞動力向城市中心轉移，導致農村優(yōu)質勞動力資源嚴重不足。而留守農村者老弱病殘居多，加重了農村的棄耕拋荒問題，這些因素直接制約了安徽省農業(yè)生產效率的提高。

（2）財政支農支出。財政支農支出只通過了對化肥施用量松弛變量的0.01水平顯著性檢驗，松弛變量系數為正，說明財政支出的增加會造成化肥投入冗余的增加，這可能是由于政府的惠農補貼政策導致的化肥投入資源的浪費;對第一產業(yè)從業(yè)人員松弛變量的系數為負，對剩余變量系數為正，但t檢驗結果都不顯著，這說明財政支農支出對農業(yè)生產效率并沒有起到顯著的影響和作用。

（3）農村居民人均可支配收入。該變量大多數通過了0.01的檢驗，且回歸系數均為負，也就是說農民收入水平的提高對農業(yè)生產效率產生了顯著的積極影響。這與理論預期完全一致。

（4）受教育年限。該變量除對第一產業(yè)從業(yè)人員松弛變量不顯著外，對其余投入松弛變量均在0.01顯著性水平下顯著，除了化肥施用量投入松弛變量的回歸系數為正外，其他系數均為負，這說明人均受教育年限對農業(yè)生產效率的提高是有利因素，受教育程度的提升能降低各投入指標的冗余，從而提升農業(yè)生產效率，這與理論預期一致。

2.3?第三階段：調整后的DEA分析結果

將剔除掉環(huán)境因素和隨機噪聲影響的投入值與原始產出值代入BCC模型，重復第一階段過程，得到調整后的各地市效率值，具體見表4。

通過剔除環(huán)境因素以及隨機因素干擾過后，可以觀察出2014安徽省農業(yè)生產綜合效率值發(fā)生了比較明顯的變動，除2015和2016年略有上升外，其余年份的效率值都發(fā)生了下降，綜合效率、純技術效率、規(guī)模效率的5年平均值分別為0.849、0.943、0.902，與第一階段相比，綜合效率值和純技術效率值上升，規(guī)模效率值下降，這表明環(huán)境因素和隨機噪聲的干擾是顯著的，證明了第二階段對投入變量調整的必要性。

2.4?安徽省農業(yè)生產效率空間演化特征

2.4.1?農業(yè)效率空間格局分布。

為揭示安徽省農業(yè)生產效率在空間地理上的演變規(guī)律，通過ArcGIS 10.2軟件繪制了2014和2018年安徽省各地市農業(yè)生產綜合效率的分位圖，采用自然間斷點法進行分級，結果見圖1。

由圖1可知，2014年農業(yè)綜合效率值處于優(yōu)秀水平的城市為阜陽市、淮南市、合肥市，其次宿州市、蚌埠市、安慶市、銅陵市、蕪湖市、宣城市處于良好水平，其余城市基本都處于中下水平，因此限制了安徽省農業(yè)生產效率的提升。對比發(fā)現，2018年農業(yè)效率水平增加的城市數量較多，安慶市和蚌埠市效率值達到優(yōu)秀水平，蚌埠市、亳州市、六安市、馬鞍山市、池州市、黃山市由原先的低水平上升為中等水平，但全省的農業(yè)生產綜合效率整體水平并未得到提升，效率值變化不大，可能由于部分地市效率值下降較大，如銅陵市、淮南市。2014和2018年的效率值優(yōu)秀區(qū)域均集中在皖北和皖中地區(qū)，空間上呈現以合肥為中心的“X”狀高效率集聚格局。

2.4.2?農業(yè)效率空間變化趨勢。

根據第3階段效率值，按照省內區(qū)域劃分，將2014—2018年皖北、皖中、皖南3個區(qū)域的農業(yè)生產綜合效率值進行對比，結果見圖2。

由圖2可知，近5年安徽省及三大區(qū)域的效率值水平都呈現先上升后下降的發(fā)展趨勢，并且區(qū)域差異較大。對比全省平均水平，皖中地區(qū)歷年效率水平最高，皖北地區(qū)基本與全省平均水平持平，皖南歷年均低于全省水平，總體呈現出“皖中>皖北>皖南”的發(fā)展格局。皖中地區(qū)受合肥市影響和帶動，依靠地理優(yōu)勢和政策、資金支持，農業(yè)投入資源比較充足，同時依托合肥市的先進技術和人才，在提高農業(yè)生產綜合效率方面具有一定優(yōu)勢。皖北地區(qū)以平原為主，農業(yè)基礎較好，擁有得天獨厚的地理條件;其次得益于當地政府對農業(yè)技術推廣和農業(yè)基礎設施建設的大力政策扶持，農業(yè)生產環(huán)境較好，所以皖中與皖北的整體農業(yè)生產效率值較高。

為進一步探究各區(qū)域綜合效率值差異的影響因素，對三大區(qū)域的綜合效率值進行分解和對比，結果如表5所示。

由表5可知，皖北和皖中的純技術效率值都低于規(guī)模效率值，其中皖中表現明顯，說明兩個地區(qū)主要是由于管理不足而導致技術效率的不理想，因此技術管理水平有待提高。皖南地區(qū)則相反，其綜合效率值受規(guī)模效率值低的影響較大，主要由于其農業(yè)基礎薄弱，農業(yè)投入要素水平基本都處在全省末位，所以皖南地區(qū)應擴大農業(yè)生產規(guī)模，促進農業(yè)規(guī)模化、集約化發(fā)展，提高其農業(yè)規(guī)模效益。

3?結論與建議

對2014—2018年安徽省16個地市的農業(yè)生產效率進行測度與分析，得出以下結論：第一，安徽省農業(yè)生產效率值整體水平較低，規(guī)模效率低是安徽省農業(yè)生產效率提升的制約因素。第二，SFA回歸分析結果表明，農民收入和受教育水平的提升對安徽省農業(yè)發(fā)展起積極作用，城市規(guī)模的擴充對農業(yè)發(fā)展不利，而財政支農的影響并不明顯。第三，對安徽省農業(yè)生產效率空間演化的研究結果表明，安徽省農業(yè)發(fā)展空間上呈現以合肥為中心的“X”狀高效率集聚格局，區(qū)域上呈現“皖中>皖北>皖南”的發(fā)展格局，其中皖中和皖北地區(qū)應提高技術管理水平;皖南地區(qū)應擴大農業(yè)生產規(guī)模，提高農業(yè)規(guī)模效益。

針對以上結論，對安徽省農業(yè)生產發(fā)展提出以下建議：

第一，擴大農業(yè)生產規(guī)模。加快農業(yè)現代化轉型，改變原有的粗放型管理模式，鼓勵推動農業(yè)規(guī)?；?、集約化、產業(yè)化經營發(fā)展，同時加強農業(yè)的管理水平與技術創(chuàng)新，實現農業(yè)發(fā)展的高效率和高效益。

第二，完善農村基礎教育，提高農民受教育水平。完善農民技術培訓機制和農業(yè)科技人才教育培訓體系，加強相關農業(yè)人力資本的投入，大力引進和培養(yǎng)具有專業(yè)素質的農業(yè)專家和學者。

第三，合理有序地推動城鎮(zhèn)化進程。通過政策補貼、推動城鄉(xiāng)基礎設施一體化和公共服務均等化等措施留住農村優(yōu)質勞動力，鼓勵農民返鄉(xiāng)創(chuàng)業(yè)，抑制棄耕拋荒現象的增長，加大農業(yè)扶持力度，保證農民的合理收入，提高農民生產積極性。

第四，根據不同地區(qū)的生產效率特征，因地制宜地制定措施。對于皖中和皖北地區(qū)，應引進新的管理制度和理念，優(yōu)化資源配置，提高技術管理水平;對于皖南地區(qū)，應增加農業(yè)方面的投入，擴大農業(yè)生產規(guī)模，提高農業(yè)規(guī)模效益。

參考文獻

[1] 李首涵，楊萍，李忠德，等.基于DEA-SBM模型的黃河三角洲現代農業(yè)生態(tài)效率評價[J].湖北農業(yè)科學，2018，57（13）：98-103.

[2] FARRELL M J.The measurement of productive efficiency[J].Journal of the royal statistical society，1957，120（3）：253-281.

[3] TOMA P，MIGLIETTA P P，ZURLINI G，et al.A non-parametric bootstrap-data envelopment analysis approach for environmental policy planning and management of agricultural efficiency in EU countries[J].Ecological indicators，2017，83：132-143.

[4] DA SILVA E SOUZA G，GOMES E G，DE ANDRADE ALVES E R，et al.Technological progress in the Brazilian agriculture[J/OL].Socio-economic planning sciences，2020，72[2020-05-20].https：//doi.org/10.1016/j.seps.2020.100879.

[5] 陳新華，王厚俊.基于生態(tài)效率評價視角的廣東省農業(yè)生產效率研究[J].農業(yè)技術經濟，2016（4）：94-104.

[6] 傅麗芳，魏薇.基于面板數據廣義DEA的農業(yè)生產效率綜合評價[J].統(tǒng)計與決策，2016（6）：57-59.

[7] 馮俊華，劉靜潔.西北地區(qū)農業(yè)生產效率評價研究：以陜西省為例[J].價格理論與實踐，2018（8）：143-146.

[8] FRIED H O，LOVELL C A K，SCHMIDT S S，et al.Accounting for environmental effects and statistical noise in data envelopment analysis[J].Journal of productivity analysis，2002，17（1/2）：157-174.

[9] 郭軍華，倪明，李幫義.基于三階段DEA模型的農業(yè)生產效率研究[J].數量經濟技術經濟研究，2010，27（12）：27-38.

[10] 王蕾，于成成，王敏，等.我國農業(yè)生產效率的政策效應及時空差異研究：基于三階段DEA模型的實證分析[J].軟科學，2019，33（9）：33-39.

[11] 王洋洋，張曉慧，崔冀娜.“一帶一路”沿線國家和地區(qū)農業(yè)生產技術效率研究[J].統(tǒng)計與決策，2019，35（4）：150-153.

[12] 侯孟陽，姚順波.空間視角下中國農業(yè)生態(tài)效率的收斂性與分異特征[J].中國人口·資源與環(huán)境，2019，29（4）：116-126.

[13] 王海飛.基于SSBM-ESDA模型的安徽省縣域農業(yè)效率時空演變[J].經濟地理，2020，40（4）：175-183，222.

[14] 郭亞軍.基于三階段DEA模型的工業(yè)生產效率研究[J].科研管理，2012，33（11）：16-23.

[15] 焦源.山東省農業(yè)生產效率評價研究[J].中國人口·資源與環(huán)境，2013，23（12）：105-110.

[16] 李勇輝，白利鵬.云南省農業(yè)科技創(chuàng)新資源配置效率及影響因素研究[J].中國農業(yè)資源與區(qū)劃，2019，40（6）：63-69.

[17] 時悅，梁凈.城鎮(zhèn)化與農業(yè)生產效率耦合協(xié)調關系：基于黑龍江省、遼寧省、吉林省3省數據分析[J].農林經濟管理學報，2019，18（2）：190-198.

[18] 葉文忠，劉俞希.長江經濟帶農業(yè)生產效率及其影響因素研究[J].華東經濟管理，2018，32（3）：83-88.