李穎慧 李敬

摘 要：運用DEA-Malmquist指數(shù)法測算出我國農(nóng)業(yè)生產(chǎn)性服務(wù)的供給效率，采用Rough Set方法測度了十項農(nóng)業(yè)生產(chǎn)性服務(wù)對全要素生產(chǎn)率的影響。研究發(fā)現(xiàn)：從全國層面上看，2012—2016年，農(nóng)業(yè)生產(chǎn)性服務(wù)供給效率呈現(xiàn)先下降后上升的“U”型變動特征。從區(qū)域?qū)用婵?，重慶、北京、湖北、河南、黑龍江、河北、浙江、遼寧、山東等地區(qū)農(nóng)業(yè)生產(chǎn)性服務(wù)供給效率較高，而貴州、甘肅、內(nèi)蒙古、安徽、吉林較低。Rough Set方法測度顯示，農(nóng)產(chǎn)品銷售服務(wù)、農(nóng)資供應(yīng)及配送服務(wù)、土地流轉(zhuǎn)服務(wù)、農(nóng)業(yè)金融服務(wù)、農(nóng)業(yè)信息化服務(wù)和農(nóng)業(yè)技術(shù)推廣服務(wù)六項服務(wù)是農(nóng)業(yè)生產(chǎn)性服務(wù)供給效率呈現(xiàn)地區(qū)差異的主要原因。

關(guān)鍵詞：農(nóng)業(yè)生產(chǎn)性服務(wù);供給效率;影響因素

基金項目：國家社會科學(xué)基金重點項目“動態(tài)公平視角下政府調(diào)節(jié)城鄉(xiāng)收入差距的路徑與政策研究”（13AJY006）;重慶市研究生教育教學(xué)改革研究項目“服務(wù)重慶經(jīng)濟(jì)高質(zhì)量發(fā)展視域下應(yīng)用經(jīng)濟(jì)學(xué)博士生科研創(chuàng)新能力形成模式研究”（yjg183094）。

[中圖分類號] F323 [文章編號] 1673-0186（2021）005-0006-011

[文獻(xiàn)標(biāo)識碼] A? ? ? [DOI編碼] 10.19631/j.cnki.css.2021.005.001

一、引言

近年來，受國家政策的引導(dǎo)和農(nóng)業(yè)內(nèi)生發(fā)展需求的推動，農(nóng)業(yè)生產(chǎn)性服務(wù)業(yè)得到快速發(fā)展。從投入水平看，全國農(nóng)業(yè)生產(chǎn)性服務(wù)業(yè)的全社會固定資產(chǎn)投資從2012年的1 912.1億元增加到2016年的3 935.6億元，年均增長率達(dá)到19.9%。從農(nóng)林牧漁業(yè)對生產(chǎn)性服務(wù)中間消耗支出看，1993年到2016年農(nóng)業(yè)生產(chǎn)性服務(wù)支出總額從255.23億元增加到7 247億元，24年內(nèi)增長了28倍，年均增長率為17.44%。從農(nóng)業(yè)生產(chǎn)性服務(wù)產(chǎn)出看，全國農(nóng)林牧漁服務(wù)業(yè)總產(chǎn)值從2010年的2 535.1億元增長到2016年的4 865.9億元，年平均增長率11.48%;農(nóng)林牧漁服務(wù)業(yè)的增加值從2010年的1 179.0億元增長至2016年的2 302.7億元，年平均增長率11.81%。從簡單投入產(chǎn)出增長的對比情況看，農(nóng)業(yè)生產(chǎn)性服務(wù)業(yè)產(chǎn)值增長速度低于投資增長速度，說明我國農(nóng)業(yè)生產(chǎn)性服務(wù)業(yè)的整體投入產(chǎn)出效率不高。這將對我國現(xiàn)代農(nóng)業(yè)的發(fā)展產(chǎn)生障礙和制約。本文的目的是，通過測算農(nóng)業(yè)生產(chǎn)性服務(wù)供給效率更清晰地反映我國農(nóng)業(yè)生產(chǎn)性服務(wù)業(yè)的發(fā)展效率，并從供給內(nèi)容視角揭示影響農(nóng)業(yè)生產(chǎn)性服務(wù)供給效率的因素。本文的研究將有助于探尋提升農(nóng)業(yè)生產(chǎn)性服務(wù)業(yè)發(fā)展效率和優(yōu)化農(nóng)業(yè)生產(chǎn)性服務(wù)的路徑。

目前國內(nèi)外部分文獻(xiàn)關(guān)注了農(nóng)業(yè)生產(chǎn)性服務(wù)供給效率及影響因素。楊杰、汪建豐等、張忠軍等、李天嬌研究分析了我國農(nóng)業(yè)生產(chǎn)性服務(wù)業(yè)發(fā)展水平和結(jié)構(gòu)與供給效率的關(guān)系[1-4]。吳宏偉等以安徽省為例研究了傳統(tǒng)農(nóng)業(yè)區(qū)農(nóng)業(yè)生產(chǎn)性服務(wù)供給效率低下的問題[5]。Nambiro、鄭風(fēng)田等分析了農(nóng)業(yè)信息服務(wù)的供給效率和供給態(tài)勢[6-7]。楊哲等、張曉琳等討論了農(nóng)村金融服務(wù)可得性問題和供給效率提升方案，研究認(rèn)為，電子化金融服務(wù)模式是大型商業(yè)銀行完善農(nóng)村基礎(chǔ)金融服務(wù)的最優(yōu)路徑選擇[8-9]。應(yīng)瑞瑤等研究了農(nóng)戶接受度與服務(wù)供給效率的關(guān)系[10]。李顯戈等、王釗等、張曉敏等研究認(rèn)為，農(nóng)戶的經(jīng)營類型、經(jīng)營規(guī)模、地區(qū)特征、家庭勞動力人數(shù)、家庭收入、農(nóng)戶對農(nóng)業(yè)生產(chǎn)性服務(wù)的滿意度等因素對農(nóng)業(yè)生產(chǎn)性服務(wù)供給效率產(chǎn)生不同程度的影響[11-13]。蘆千文等指出當(dāng)前農(nóng)業(yè)生產(chǎn)性服務(wù)優(yōu)質(zhì)高效發(fā)展是未來加快轉(zhuǎn)變農(nóng)業(yè)發(fā)展方式的必然選擇[14]。郝愛民運用 Han-sen的門限回歸思想，設(shè)計門限回歸模型實證分析了農(nóng)業(yè)生產(chǎn)性服務(wù)供給效率與我國城鎮(zhèn)化的關(guān)系[15]。

總體而言，現(xiàn)有針對農(nóng)業(yè)生產(chǎn)性服務(wù)供給效率的研究，主要視角局限于某一項或者某個區(qū)域，缺少全面的、系統(tǒng)的綜合性研究，同時也缺少從農(nóng)業(yè)生產(chǎn)性服務(wù)內(nèi)容視角對綜合供給效率的影響測度。本文的創(chuàng)新點在于：一是運用DEA-Malmquist指數(shù)法測算農(nóng)業(yè)生產(chǎn)性服務(wù)的供給效率，從全國和區(qū)域兩個層面更全面地揭示出我國農(nóng)業(yè)生產(chǎn)性服務(wù)供給的整體效率;二是采用Rough Set方法測度10項農(nóng)業(yè)生產(chǎn)性服務(wù)內(nèi)容對供給效率的影響，以揭示各項農(nóng)業(yè)生產(chǎn)性服務(wù)與整體供給效率的關(guān)聯(lián)性。

二、農(nóng)業(yè)生產(chǎn)性服務(wù)供給效率測度——基于DEA-Malmquist指數(shù)法

本文運用DEA-Malmquist指數(shù)法對我國農(nóng)業(yè)生產(chǎn)性服務(wù)供給效率進(jìn)行測度。根據(jù)Galor等、Jones等的理論，農(nóng)業(yè)生產(chǎn)性服務(wù)供給效率可以分解為技術(shù)進(jìn)步率和配置效率兩個方面[16-17]。技術(shù)進(jìn)步率指的是由于技術(shù)進(jìn)步導(dǎo)致生產(chǎn)前沿的向外移動;配置效率指的是在要素投入總量不變的情況下，通過資源配置和結(jié)構(gòu)調(diào)整，提高生產(chǎn)效率，導(dǎo)致實際產(chǎn)出向生產(chǎn)前沿移動。技術(shù)進(jìn)步率和配置效率的乘積就是農(nóng)業(yè)生產(chǎn)性服務(wù)整體供給效率。

（一）DEA-Malmquist指數(shù)測度方法

Malmquist提出的基于DEA方法的Malmquist指數(shù)法具有不需設(shè)定具有嚴(yán)格前提假設(shè)的函數(shù)、對數(shù)據(jù)類型要求低、可處理不同量綱的投入產(chǎn)出數(shù)據(jù)等優(yōu)點，能更簡潔地實現(xiàn)供給效率的測度和各項分解[18]。另外，Malmquist指數(shù)法是對多個對象和指標(biāo)的樣本測度，便于對各區(qū)域供給效率的差異比較。

（二）指標(biāo)選取與描述分析

基于DEA的Malmquist指數(shù)法需要首先確定投入與產(chǎn)出指標(biāo)。一是農(nóng)業(yè)生產(chǎn)性服務(wù)產(chǎn)出指標(biāo)。本文選用各地區(qū)農(nóng)業(yè)生產(chǎn)性服務(wù)業(yè)增加值（ZJZ）。二是農(nóng)業(yè)生產(chǎn)性服務(wù)投入指標(biāo)。為了能較為全面地評價農(nóng)業(yè)生產(chǎn)性服務(wù)的整體狀況，本文用農(nóng)業(yè)生產(chǎn)性服務(wù)業(yè)固定資產(chǎn)投資（TZ）以及十項農(nóng)業(yè)生產(chǎn)性服務(wù)作為投入指標(biāo)。其中十項農(nóng)業(yè)生產(chǎn)性服務(wù)投入指標(biāo)分別是：農(nóng)機(jī)服務(wù)（AMOS）采用各地區(qū)農(nóng)業(yè)機(jī)械總動力來反映;農(nóng)業(yè)基礎(chǔ)設(shè)施服務(wù)（AI）用各地區(qū)農(nóng)田水利有效灌溉面積反映;農(nóng)業(yè)信息化（AIS）用各地區(qū)農(nóng)村居民家庭每百戶計算機(jī)擁有量反映;農(nóng)業(yè)技術(shù)推廣服務(wù)（ATP）用農(nóng)業(yè)技術(shù)人員數(shù)反映;農(nóng)資供應(yīng)及配送服務(wù)（NZ）采用各地區(qū)農(nóng)用生產(chǎn)資料價格指數(shù)來反映;農(nóng)業(yè)金融服務(wù)（FI）用各地區(qū)農(nóng)林牧漁業(yè)貸款總額反映;農(nóng)產(chǎn)品質(zhì)量安全服務(wù)（ZJ）用各地區(qū)質(zhì)檢中心數(shù)反映;農(nóng)產(chǎn)品銷售服務(wù)（XS）用農(nóng)產(chǎn)品綜合市場數(shù)量來反映;農(nóng)產(chǎn)品物流服務(wù)（RR）用各地區(qū)鄉(xiāng)村道路長度反映;土地流轉(zhuǎn)服務(wù)（LZ）用各地區(qū)土地流轉(zhuǎn)服務(wù)中心數(shù)量反映。由于我國農(nóng)業(yè)生產(chǎn)性服務(wù)業(yè)的產(chǎn)出值在2012年以后才有相關(guān)統(tǒng)計，因此本研究時間區(qū)間為2012—2016年，橫截面為31個省市區(qū)。表1展示了變量的描述統(tǒng)計結(jié)果。

（三）實證結(jié)果與討論

1.基于全國層面的表現(xiàn)

2012—2016年全國農(nóng)業(yè)生產(chǎn)性服務(wù)業(yè)DEA-Malmquist指數(shù)見表2。從配置效率看，除了2015年外，其他年份都有不同程度的下降趨勢。說明農(nóng)業(yè)生產(chǎn)性服務(wù)資源配置的整體效率不高。尤其是2016年，資源配置效率下降比較多。從技術(shù)進(jìn)步率和整體供給效率來看，有先下降后上升的過程，呈現(xiàn)“U”型特征。但由于受資源配置效率的拖累，整體供給效率增長低于技術(shù)進(jìn)步率增長。2012—2016年技術(shù)進(jìn)步率和整體供給效率呈現(xiàn)“U”型變化特征的可能原因是，2012年后，我國經(jīng)濟(jì)進(jìn)入了新常態(tài)，我國大力推進(jìn)經(jīng)濟(jì)增長方式從粗放式增長向高質(zhì)量發(fā)展轉(zhuǎn)變，經(jīng)濟(jì)增長速度從高速增長轉(zhuǎn)為中高速增長，經(jīng)濟(jì)結(jié)構(gòu)不斷優(yōu)化升級，經(jīng)濟(jì)增長動力從要素驅(qū)動、投資驅(qū)動轉(zhuǎn)向創(chuàng)新驅(qū)動。在此期間，農(nóng)業(yè)生產(chǎn)性服務(wù)行業(yè)也進(jìn)行深度結(jié)構(gòu)性調(diào)整，原有落后產(chǎn)能逐步被淘汰，新的產(chǎn)能逐漸形成。這個過程是“不斷破壞舊的和不斷創(chuàng)造新”的過程。根據(jù)熊彼特的破壞式創(chuàng)新理論，讓過去的固定資產(chǎn)設(shè)備和資本投資過時、無效或者貶值，這一“痛苦”過程可能導(dǎo)致投入產(chǎn)出效率和產(chǎn)出水平的暫時下降。當(dāng)通過創(chuàng)新產(chǎn)生大量新的資本（利潤）來彌補(bǔ)這些貶值和無效時，便體現(xiàn)出創(chuàng)新性替代，體現(xiàn)出投入產(chǎn)出效率提升和新技術(shù)嵌入。這一“破壞性創(chuàng)新”過程便呈現(xiàn)出技術(shù)進(jìn)步率和整體供給效率先下降后上升的“U”型變化特征。

2.基于區(qū)域?qū)用娴谋憩F(xiàn)

2012—2016年各地區(qū)農(nóng)業(yè)生產(chǎn)性服務(wù)業(yè)DEA-Malmquist指數(shù)幾何均值見表3。各地區(qū)農(nóng)業(yè)生產(chǎn)性服務(wù)供給效率呈現(xiàn)明顯差異。從資源配置效率來看，重慶、黑龍江、北京、湖北、浙江效率較高，配置效率指數(shù)分別為1.134 0、1.060 0、1.059 0、1.041 0和1.005 0;而上海、新疆、天津、內(nèi)蒙古、江西、四川、寧夏、廣西和山西效率較低，配置效率指數(shù)分別為0.912 0、0.926 0、0.927 0、0.927 0、0.930 0、0.953 0、0.962 0、0.991 0和0.993 0。從技術(shù)進(jìn)步率來看，河南、北京、上海、河北、湖北、新疆、遼寧、浙江、山東、重慶這十個地區(qū)較高，技術(shù)進(jìn)步率均超過5%;而貴州、甘肅、安徽、吉林、內(nèi)蒙古相對較低，技術(shù)進(jìn)步率指數(shù)分別為0.692 0、0.730 0、0.812 0、0.820 0、0.850 0。從整體供給效率來看，重慶、北京、湖北、河南、黑龍江、河北、浙江、遼寧、山東較高，整體供給效率均超過5%，重慶達(dá)到20.30%;而貴州、甘肅、內(nèi)蒙古、安徽、吉林較低，整體供給效率指數(shù)分別為0.692 0、0.730 0、0.788 0、0.812 0和0.820 0。

三、各項農(nóng)業(yè)生產(chǎn)性服務(wù)對供給效率的影響——基于Rough Set方法

綜上，農(nóng)業(yè)生產(chǎn)性服務(wù)供給效率存在波動。那么，哪些因素造成了波動的產(chǎn)生呢？為此本部分運用Rough Set方法，重點分析上文投入指標(biāo)中的十項農(nóng)業(yè)生產(chǎn)性服務(wù)的影響，以揭示各項農(nóng)業(yè)生產(chǎn)性服務(wù)與供給效率的關(guān)聯(lián)性，找出農(nóng)業(yè)生產(chǎn)性服務(wù)供給的短板。

（一）Rough Set方法篩選影響因子重要性的基本方法

Rough Set是Pawlak等研究提出的篩選影響因子重要性的一種數(shù)學(xué)方法[21]，是一種研究不完整數(shù)據(jù)、模糊和不確定性知識的數(shù)學(xué)工具。該方法可以不需要提供所研究問題以外的任何先驗信息，只需要通過刪除觀測數(shù)據(jù)中的冗余信息，即可分析刪除信息后不完整信息的程度變化及不同屬性間的關(guān)系和重要程度，從而幫助研究者做出決策[22-23]。Rough Set方法主要內(nèi)涵介紹如下。

1.關(guān)于信息系統(tǒng)

S=（U，A，V，f）是一個十項農(nóng)業(yè)生產(chǎn)性服務(wù)信息系統(tǒng)，其中U表示對象的非空有限集合。稱為論域;A是所有屬性（十項農(nóng)業(yè)生產(chǎn)性服務(wù)）的非空有限集合;V是所有屬性（十項農(nóng)業(yè)生產(chǎn)性服務(wù)）對應(yīng)值域的并集。f表示U×A→V的一個信息函數(shù)，它為每個對象的每個屬性（某項農(nóng)業(yè)生產(chǎn)性服務(wù)業(yè)）賦予一個信息值。

在此設(shè)有兩個等價集合：U/B和U/Q。

U/B ={[x]│x∈U，[x]是U上基于等價關(guān)系B的等價類}

U/Q ={[y]│y∈U，[y]是U上基于等價關(guān)系Q的等價類}

這兩個集合都是U 上的劃分（稱為知識系統(tǒng)）?？梢圆捎肧hannon的信息熵對知識的不確定性進(jìn)行度量。

2.關(guān)于信息熵

3.各項農(nóng)業(yè)生產(chǎn)性服務(wù)（屬性）重要性的測度

在信息系統(tǒng)S=（U，A，V，f）中，在a∈A的重要性定義為：

SA（a）=|H（A）-H（A-a）|（7）

式（7）中H（A）表示所有屬性（十項農(nóng)業(yè)生產(chǎn)性服務(wù)）組成的集合A的信息熵;H（A-a）為屬性（十項農(nóng)業(yè)生產(chǎn)性服務(wù)）集合A去除屬性a（某一項農(nóng)業(yè)生產(chǎn)性服務(wù)）時的信息熵。當(dāng)SA（a）>0時，稱a∈A在A中是必要的，即此項農(nóng)業(yè)生產(chǎn)性服務(wù)對供給效率是重要的;當(dāng)SA（a）=0時，則a是冗余的，說明此項農(nóng)業(yè)生產(chǎn)性服務(wù)對各地區(qū)供給效率差異沒有貢獻(xiàn)。SA（a）的值越大，該項農(nóng)業(yè)生產(chǎn)性服務(wù)對供給效率的重要性程度越高。

4.各項農(nóng)業(yè)生產(chǎn)性服務(wù)（屬性）的貢獻(xiàn)

根據(jù)式（7）計算出所有農(nóng)業(yè)生產(chǎn)性服務(wù)（屬性）對應(yīng)的SA（a）值。如果當(dāng)SA（a）=0，則刪去該項農(nóng)業(yè)生產(chǎn)性服務(wù)（屬性）。剩下的風(fēng)險指標(biāo)集為C={C1，C2，…，Ct}。再次運用式（7）計算各農(nóng)業(yè)生產(chǎn)性服務(wù)（屬性）的重要程度SC（Ci），對SC（Ci）做歸一化處理，得到各農(nóng)業(yè)生產(chǎn)性服務(wù)（屬性）的貢獻(xiàn)：

（二）數(shù)據(jù)處理與賦值

Rough Set方法需要對各分析數(shù)據(jù)進(jìn)行離散化處理。本研究的分析數(shù)據(jù)包含上一部分DEA-Malmquist指數(shù)法測度的表2中的各地區(qū)配置效率、技術(shù)進(jìn)步率和供給效率數(shù)據(jù)以及表1列出的十項農(nóng)業(yè)生產(chǎn)性服務(wù)投入數(shù)據(jù)。我們按照四級分類方法進(jìn)行離散化處理，先計算指標(biāo)的均值和標(biāo)準(zhǔn)差，大于均值加上2個標(biāo)準(zhǔn)差的賦值為4，大于均值但小于均值加2個標(biāo)準(zhǔn)差的賦值為3，低于均值但不小于均值減2個標(biāo)準(zhǔn)差的賦值為2，小于均值加2個標(biāo)準(zhǔn)差以上的賦值為1。

（三）測度結(jié)果與討論

1.基于配置效率的農(nóng)業(yè)生產(chǎn)性服務(wù)信息熵及屬性重要性

基于配置效率的測度，根據(jù)表4的結(jié)果分析，除農(nóng)業(yè)基礎(chǔ)設(shè)施服務(wù)外，其他九項服務(wù)對各地區(qū)農(nóng)業(yè)生產(chǎn)性服務(wù)業(yè)的配置效率表現(xiàn)差異均具有實質(zhì)性貢獻(xiàn)，因此冗余信息并不多。農(nóng)資供應(yīng)及配送服務(wù)、農(nóng)產(chǎn)品銷售服務(wù)、土地流轉(zhuǎn)服務(wù)、農(nóng)業(yè)信息化服務(wù)和農(nóng)業(yè)技術(shù)推廣服務(wù)與各地區(qū)農(nóng)業(yè)生產(chǎn)性服務(wù)業(yè)配置效率更為密切，其貢獻(xiàn)率分別為25.28%、20.92%、14.96%、11.74%和10.60%，合計貢獻(xiàn)為83.50%。也就是說，各地區(qū)農(nóng)業(yè)生產(chǎn)性服務(wù)配置效率的表現(xiàn)差異主要由這五個因素所致。而農(nóng)產(chǎn)品物流服務(wù)、產(chǎn)品質(zhì)量安全服務(wù)、農(nóng)機(jī)服務(wù)、農(nóng)業(yè)金融服務(wù)和農(nóng)業(yè)基礎(chǔ)設(shè)施服務(wù)五個方面合計只有16.50%的貢獻(xiàn)份額。

2.基于技術(shù)進(jìn)步率的農(nóng)業(yè)生產(chǎn)性服務(wù)信息熵及屬性重要性

基于技術(shù)進(jìn)步率的測度，根據(jù)表5的結(jié)果分析，與基于配置率的結(jié)果類似，除農(nóng)業(yè)基礎(chǔ)設(shè)施服務(wù)外，其他九項服務(wù)對各地區(qū)農(nóng)業(yè)生產(chǎn)性服務(wù)業(yè)的技術(shù)進(jìn)步率表現(xiàn)差異具有不同程度貢獻(xiàn)。農(nóng)資供應(yīng)及配送服務(wù)、農(nóng)產(chǎn)品銷售服務(wù)、土地流轉(zhuǎn)服務(wù)、農(nóng)業(yè)技術(shù)推廣服務(wù)和農(nóng)業(yè)信息化服務(wù)與各地區(qū)農(nóng)業(yè)生產(chǎn)性服務(wù)技術(shù)進(jìn)步率更為密切，其貢獻(xiàn)率分別為27.13%、21.33%、14.96%、12.91%和7.32%，合計貢獻(xiàn)達(dá)83.66%。但與基于配置效率不同的是農(nóng)業(yè)技術(shù)推廣服務(wù)的貢獻(xiàn)更靠前，排在第4位。說明在技術(shù)進(jìn)步率方面，農(nóng)業(yè)技術(shù)推廣服務(wù)的作用高于農(nóng)業(yè)信息化服務(wù)。同樣，各地區(qū)農(nóng)業(yè)生產(chǎn)性服務(wù)技術(shù)進(jìn)步率的表現(xiàn)差異也主要由這五個因素所致。此外，農(nóng)產(chǎn)品物流服務(wù)和農(nóng)業(yè)金融服務(wù)的貢獻(xiàn)率為5.83%和5.71%。而農(nóng)產(chǎn)品質(zhì)量安全服務(wù)、農(nóng)機(jī)服務(wù)和農(nóng)業(yè)基礎(chǔ)設(shè)施服務(wù)三個方面合計只有4.80%的貢獻(xiàn)份額。

3.基于整體供給效率的農(nóng)業(yè)生產(chǎn)性服務(wù)信息熵及屬性重要性

基于整體供給效率的測度，根據(jù)表6的結(jié)果分析，發(fā)現(xiàn)農(nóng)業(yè)基礎(chǔ)設(shè)施服務(wù)和農(nóng)機(jī)服務(wù)兩個方面對各地區(qū)農(nóng)業(yè)生產(chǎn)性服務(wù)整體供給效率表現(xiàn)差異不具有實質(zhì)性貢獻(xiàn)，其他八項服務(wù)都具有實質(zhì)性貢獻(xiàn)。農(nóng)產(chǎn)品銷售服務(wù)、農(nóng)資供應(yīng)及配送服務(wù)、土地流轉(zhuǎn)服務(wù)、農(nóng)業(yè)金融服務(wù)、農(nóng)業(yè)信息化服務(wù)和農(nóng)業(yè)技術(shù)推廣服務(wù)與各地區(qū)農(nóng)業(yè)生產(chǎn)性服務(wù)整體供給效率更為密切，其貢獻(xiàn)率分別為26.99%、26.88%、12.95%、9.74%、8.56%和7.94%，合計貢獻(xiàn)達(dá)93.06%。也就是說，各地區(qū)農(nóng)業(yè)生產(chǎn)性服務(wù)整體供給效率表現(xiàn)差異主要由這六個因素所致。對比基于配置效率和技術(shù)進(jìn)步率的結(jié)果來看，其他五個方面都是一樣的，這里多了農(nóng)業(yè)金融服務(wù)。其中農(nóng)產(chǎn)品銷售服務(wù)、農(nóng)資供應(yīng)及配送服務(wù)、土地流轉(zhuǎn)服務(wù)三方面的貢獻(xiàn)達(dá)到66.82%。而農(nóng)產(chǎn)品物流服務(wù)、農(nóng)產(chǎn)品質(zhì)量安全服務(wù)、農(nóng)機(jī)服務(wù)和農(nóng)業(yè)基礎(chǔ)設(shè)施服務(wù)四個方面合計只有6.94%的貢獻(xiàn)份額。

以上研究結(jié)果表明，農(nóng)產(chǎn)品銷售服務(wù)、農(nóng)資供應(yīng)及配送服務(wù)、土地流轉(zhuǎn)服務(wù)、農(nóng)業(yè)金融服務(wù)、農(nóng)業(yè)信息化服務(wù)和農(nóng)業(yè)技術(shù)推廣服務(wù)是各地區(qū)農(nóng)業(yè)生產(chǎn)性服務(wù)供給效率呈現(xiàn)發(fā)展差異的主要原因。

四、研究結(jié)論與政策啟示

本文運用DEA-Malmquist指數(shù)法測算了農(nóng)業(yè)生產(chǎn)性服務(wù)的供給效率，并采用Rough Set方法測度了十項農(nóng)業(yè)生產(chǎn)性服務(wù)對整體供給效率的影響。研究發(fā)現(xiàn)：從全國層面上看，2012—2016年，農(nóng)業(yè)生產(chǎn)性服務(wù)供給效率呈現(xiàn)先下降后上升的“U”型變動特征;從區(qū)域?qū)用婵?，重慶、北京、湖北、河南、黑龍江、河北、浙江、遼寧、山東等地區(qū)農(nóng)業(yè)生產(chǎn)性服務(wù)供給效率較高，而貴州、甘肅、內(nèi)蒙古、安徽、吉林等地區(qū)較低。Rough Set方法測度顯示，農(nóng)產(chǎn)品銷售服務(wù)、農(nóng)資供應(yīng)及配送服務(wù)、土地流轉(zhuǎn)服務(wù)、農(nóng)業(yè)金融服務(wù)、農(nóng)業(yè)信息化服務(wù)和農(nóng)業(yè)技術(shù)推廣服務(wù)六項服務(wù)是農(nóng)業(yè)生產(chǎn)性服務(wù)供給效率呈現(xiàn)地區(qū)差異的主要原因。

根據(jù)研究結(jié)論，提出如下政策建議：一是根據(jù)農(nóng)業(yè)生產(chǎn)性服務(wù)發(fā)展需求，優(yōu)化農(nóng)業(yè)生產(chǎn)性服務(wù)供給結(jié)構(gòu)，大力提升農(nóng)業(yè)生產(chǎn)性服務(wù)資源配置效率;二是要大力促進(jìn)農(nóng)業(yè)生產(chǎn)性服務(wù)技術(shù)創(chuàng)新，改進(jìn)服務(wù)方式，全面提高技術(shù)進(jìn)步率;三是積極促進(jìn)農(nóng)業(yè)生產(chǎn)性服務(wù)業(yè)區(qū)域協(xié)調(diào)發(fā)展，加強(qiáng)農(nóng)產(chǎn)品銷售服務(wù)、農(nóng)資供應(yīng)及配送服務(wù)、土地流轉(zhuǎn)服務(wù)、農(nóng)業(yè)金融服務(wù)、農(nóng)業(yè)信息化服務(wù)和農(nóng)業(yè)技術(shù)推廣服務(wù)這六項服務(wù)的區(qū)域資源優(yōu)化配置，積極支持各地區(qū)因地制宜發(fā)展農(nóng)業(yè)生產(chǎn)性服務(wù)業(yè)，縮小區(qū)域間農(nóng)業(yè)生產(chǎn)性服務(wù)的整體供給效率差距。

參考文獻(xiàn)

[1]? 楊杰.中國生產(chǎn)性服務(wù)業(yè)與農(nóng)業(yè)效率提升的關(guān)系研究——基于Malmquist指數(shù)中國省際面板數(shù)據(jù)的實證分析[J].山東經(jīng)濟(jì)，2010（5）：29-34.

[2]? 汪建豐，劉俊威.中國農(nóng)業(yè)生產(chǎn)性服務(wù)發(fā)展差距研究——基于投入產(chǎn)出表的實證分析[J].經(jīng)濟(jì)學(xué)家，2011（11）：52-57.

[3]? 張忠軍，易中懿.農(nóng)業(yè)生產(chǎn)性服務(wù)外包對水稻生產(chǎn)率的影響研究——基于 358 個農(nóng)戶的實證分析[J].農(nóng)業(yè)經(jīng)濟(jì)問題，2015（10）：69-76.

[4]? 李天嬌.基于投入產(chǎn)出視角分析我國農(nóng)業(yè)服務(wù)業(yè)發(fā)展趨勢[J].現(xiàn)代管理科學(xué)，2018（4）：30-32.

[5]? 吳宏偉，侯為波，卓翔芝.傳統(tǒng)農(nóng)業(yè)區(qū)農(nóng)業(yè)生產(chǎn)性服務(wù)業(yè)現(xiàn)狀、問題和發(fā)展思路——以安徽省為例的實證分析[J].農(nóng)村經(jīng)濟(jì)，2011（9）：44-47.

[6]? NAMBIRO B， CHIANU E. The association of agricultural information services and technical efficiency among maize producers in Kakamega， western Kenya[C]// Aaae Third Conference/aeasa， Conference， September 19-23， 2010.

[7]? 鄭風(fēng)田，許竹青，羅丹，等.農(nóng)民信息供需態(tài)勢及其功能拓展：634個樣本[J].重慶社會科學(xué)，2012（3）：5-14.

[8]? 楊哲，黃邁.農(nóng)村基礎(chǔ)金融服務(wù)模式及其創(chuàng)新[J].重慶社會科學(xué)，2013（11）：88-93.

[9]? 張曉琳，高山，董繼剛.農(nóng)戶信貸：需求特征、可得性及影響因素——基于山東省922戶農(nóng)戶的調(diào)查[J].農(nóng)村經(jīng)濟(jì)，2018（2）：65-71.

[10]? 應(yīng)瑞瑤，徐斌.農(nóng)戶采納農(nóng)業(yè)社會化服務(wù)的示范效應(yīng)分析——以病蟲害統(tǒng)防統(tǒng)治為例[J].中國農(nóng)村經(jīng)濟(jì)，2014（8）：30-41.

[11]? 李顯戈，姜長云. 農(nóng)戶對農(nóng)業(yè)生產(chǎn)性服務(wù)的可得性及影響因素分析——基于1121個農(nóng)戶的調(diào)查[J].農(nóng)業(yè)經(jīng)濟(jì)與管理，2015（4）：21-29.

[12]? 王釗，劉晗，曹崢林.農(nóng)業(yè)社會化服務(wù)需求分析——基于重慶市191戶農(nóng)戶的樣本調(diào)查[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2015（9）：17-26.

[13]? 張曉敏，姜長云.不同類型農(nóng)戶對農(nóng)業(yè)生產(chǎn)性服務(wù)的供給評價和需求意愿[J].經(jīng)濟(jì)與管理研究，2015（8）：70-76.

[14] 蘆千文，姜長云.農(nóng)業(yè)生產(chǎn)性服務(wù)發(fā)展模式和產(chǎn)業(yè)屬性[J].江淮論壇，2017（2）：44-49+77.

[15] 郝愛民.城鎮(zhèn)化與農(nóng)業(yè)生產(chǎn)性服務(wù)的門檻效應(yīng)[J].華南農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2018（1）：19-26.

[16] GALOR O， TSIDDON D. Technological Progress， Mobility， and Economic Growth[J]. The American Economic Review， 1997， 87（3）： 363-382.

[17] JONES LE， MANUELLI RE. The Sources of Growth[J]. Journal of Economic Dynamics & Control， 1997， 21（1）： 75-114.

[18] MALMQUIST S. Index numbers and indifference surfaces [J]. Trabajos de Estadistica， 1953， 4（2）： 209-242.

[19] CAVES D W， DIEWERT L R C E. The Economic Theory of Index Numbers and the Measurement of Input， Output， and Productivity[J]. Econometrica， 1982， 50（6）： 1393-1414.

[20] FARE R ，GROSSKOPF S， NORRIS M， et al. Productivity Growth， Technical Progress， and Efficiency Change in Industrialized Countries[J]. American Economic Review， 1994， 84（5）： 1040-1044.

[21] PAWLAK Z. Rough Sets： Theoretical Aspects of Reasoning about Data[M]. Kluwer Academic Publishers， 1992.

[22] 鐘波，肖智.一種基于粗糙集理論的組合預(yù)測方法[J].統(tǒng)計研究，2002（11）：37-39.

[23] 冉光和，李敬，管洪.地方政府負(fù)債風(fēng)險的生成機(jī)理與預(yù)警研究[J].中國軟科學(xué)，2006（9）：29-37.

Research on the measurement and influencing factors of the supply efficiency of agricultural productive services in China： Based on DEA Malmquist index and rough set method

Li Yinghui? ?Li Jing

（Research Center of the Economy of the Upper Reaches of Yangtze River， Chongqing Technology and Business University， Chongqing 400067）

Abstract： DEA Malmquist index method is used to measure the supply efficiency of agricultural productive services in China， and rough set method is used to measure the impact of 10 agricultural productive services on TFP. The results show that： from the national level， from 2012 to 2016， the supply efficiency of agricultural productive services presents a "U" type change feature of first decline and then rise. At the regional level， the supply efficiency of agricultural productive services in Chongqing， Beijing， Hubei， Henan， Heilongjiang， Hebei， Zhejiang， Liaoning， Shandong and other regions is higher， while that in Guizhou， Gansu， Inner Mongolia， Anhui and Jilin is lower. The rough set method shows that the main reasons for the regional differences in the supply efficiency of agricultural productive services are the sales service of agricultural products， the supply and distribution service of agricultural materials， the land circulation service， the agricultural financial service， the agricultural information service and the agricultural technology extension service.

Key Words： agricultural productive services; total factor productivity; influence factor