摘要：采用三階段DEA模型對(duì)中國(guó)13個(gè)小麥（Triticum aestivum L.）主產(chǎn)區(qū)的生產(chǎn)效率進(jìn)行靜態(tài)分析，并運(yùn)用三階段DEA-Malmquist模型，以2008—2019年面板數(shù)據(jù)，從綜合效率變動(dòng)指數(shù)、技術(shù)效率變動(dòng)指數(shù)以及技術(shù)進(jìn)步變動(dòng)指數(shù)3個(gè)方面進(jìn)行動(dòng)態(tài)研究。研究發(fā)現(xiàn)，中國(guó)小麥主產(chǎn)區(qū)普遍存在管理水平低下、創(chuàng)新科技水平應(yīng)用程度較低以及小麥種植規(guī)模未達(dá)到最優(yōu)等問題，在未來發(fā)展上還有很大的提升空間。

關(guān)鍵詞：小麥（Triticum aestivum L.）;生產(chǎn)效率;DEA-Malmquist模型;中國(guó)

中圖分類號(hào)：F323;F224 " " " " 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：0439-8114（2022）03-0173-07

DOI：10.14088/j.cnki.issn0439-8114.2022.03.035 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Analysis of wheat production efficiency in China based on DEA-Malmquist model

SUN Xiao-yu，LU Yong-hua

（School of Management，Qingdao Agricultural University，Qingdao "266000，Shandong，China）

Abstract： The three-stage DEA model is used to statically analyze the wheat production efficiency of 13 main wheat producing areas in China， and the three-stage DEA-Malmquist model is used to conduct dynamic research from three aspects of comprehensive efficiency change index， technical efficiency change index and technological progress change index based on panel data from 2008 to 2019.It is found that there are many problems in China’s main wheat producing areas， such as low management level，low application level of innovation and science and technology， and suboptimal wheat planting scale. There is still a lot of room for improvement in the future development.

Key words：wheat（Triticum aestivum L.）; production efficiency; DEA-Malmquist model; China

小麥（Triticum aestivum L.）是中國(guó)第二大糧食作物，是商品糧的重要組成部分，對(duì)維護(hù)中國(guó)糧食安全和社會(huì)穩(wěn)定至關(guān)重要。中國(guó)幅員遼闊，人口眾多，人均耕地面積不足世界的40%，資源相對(duì)匱乏，加之近幾年對(duì)環(huán)境保護(hù)的重視，實(shí)行的一系列退耕還林政策，更是使得耕地面積不斷減少。隨著人口數(shù)量的不斷提升，人們對(duì)糧食的需求量也在不斷增加，導(dǎo)致人口與耕地之間的矛盾越來越突出，依靠擴(kuò)大耕地面積來提高產(chǎn)量的措施已不適應(yīng)當(dāng)前社會(huì)發(fā)展的要求。由于種植結(jié)構(gòu)的不斷調(diào)整，一些經(jīng)濟(jì)效益高的作物開始被人們廣泛種植，收益較低的糧食作物開始被減少種植，小麥、水稻更是首當(dāng)其沖，因此，越來越多學(xué)者的關(guān)注點(diǎn)開始轉(zhuǎn)移到提升小麥生產(chǎn)效率上來。

數(shù)據(jù)包絡(luò)（DEA）模型是目前應(yīng)用最廣泛的效率評(píng)價(jià)模型之一。該方法曾被用于績(jī)效評(píng)價(jià)[1]、產(chǎn)業(yè)科技資源配置效率[2]、創(chuàng)新效率[3]等領(lǐng)域研究。經(jīng)過不斷的完善與擴(kuò)展，人們開始逐漸將其應(yīng)用于農(nóng)業(yè)生產(chǎn)領(lǐng)域。在中國(guó)農(nóng)業(yè)生產(chǎn)領(lǐng)域內(nèi)，DEA模型已經(jīng)被用于農(nóng)業(yè)生產(chǎn)效率[4]、農(nóng)業(yè)結(jié)構(gòu)效率[5]、蘋果生產(chǎn)[6]、玉米生產(chǎn)技術(shù)效率[7]等多數(shù)農(nóng)產(chǎn)品的生產(chǎn)效率分析。隨著中國(guó)農(nóng)業(yè)開始由粗放型的農(nóng)業(yè)生產(chǎn)模式向精細(xì)化、集約化方式轉(zhuǎn)變，探索小麥生產(chǎn)效率的提升更是成為研究熱點(diǎn)。郎新婷等[8]從成本收益角度，運(yùn)用DEA模型對(duì)新疆小麥生產(chǎn)效率及地區(qū)差異進(jìn)行分析，結(jié)果表明技術(shù)進(jìn)步才能有效促進(jìn)小麥生產(chǎn)效率的提高且不同地區(qū)間的小麥生產(chǎn)效率存在差異，存在地區(qū)追趕效應(yīng)。近年來，學(xué)者們對(duì)小麥生產(chǎn)效率的研究日益增多，研究領(lǐng)域也越來越寬泛。曲朦等[9]指出，耕地流轉(zhuǎn)對(duì)小麥生產(chǎn)效率具有正向影響，耕地流入通過土地規(guī)模效應(yīng)產(chǎn)生正向影響，耕地流出則通過要素溢出產(chǎn)生正向作用。劉成等[10]從多角度分析得出，農(nóng)技服務(wù)投入對(duì)小麥生產(chǎn)效率具有顯著的正向影響，而人口老齡化則存在顯著的負(fù)向影響，農(nóng)業(yè)生產(chǎn)雇工的影響則并不顯著。吳天龍等[11]對(duì)非農(nóng)收入與小麥生產(chǎn)技術(shù)效率之間的關(guān)系進(jìn)行研究，結(jié)果表明二者之間并不存在顯著關(guān)系，小麥生產(chǎn)技術(shù)效率與家庭勞動(dòng)力的部分轉(zhuǎn)移無關(guān)。

通過分析整理已有文獻(xiàn)發(fā)現(xiàn)，國(guó)內(nèi)對(duì)生產(chǎn)效率的研究大多集中于探討某單一要素或以某單一地區(qū)為研究對(duì)象，以多地區(qū)并細(xì)化農(nóng)產(chǎn)品種類為研究對(duì)象的文獻(xiàn)較少。本研究運(yùn)用三階段DEA-Malmquist模型從動(dòng)態(tài)和靜態(tài)2個(gè)角度對(duì)中國(guó)13個(gè)小麥主產(chǎn)區(qū)的小麥生產(chǎn)效率進(jìn)行研究分析，旨在找出小麥生產(chǎn)過程中的薄弱環(huán)節(jié)，并對(duì)提升小麥生產(chǎn)效率提出有針對(duì)性的建議。

1 研究設(shè)計(jì)

1.1 研究方法

1.1.1 DEA-BCC模型 采用三階段DEA分析法，在傳統(tǒng)DEA分析的基礎(chǔ)上，利用SFA回歸排除環(huán)境因素和隨機(jī)擾動(dòng)項(xiàng)的干擾，使結(jié)果更具可靠性。按照規(guī)模報(bào)酬是否可變，可將DEA模型分為CCR（規(guī)模報(bào)酬不變）和BCC（規(guī)模報(bào)酬可變）模型?？紤]到BCC模型可將綜合技術(shù)效率進(jìn)行拆分分析，能夠更加清楚地分析其內(nèi)在變化，故本研究選用BCC模型進(jìn)行分析，設(shè)定模型如下。

設(shè)有n個(gè)決策單元，每個(gè)決策單元有m項(xiàng)投入（[x1j]，[x2j]，…，[xmj]）和S項(xiàng)產(chǎn)出（[y1j]，[y2j]，…，[ysj]），其中[xij]gt;0，[yrj]gt;0，[i]=1，2，…，[m];[r]=1，2，…，[s];[j]=1，2，…，[n]。每個(gè)決策單元[DMUj]都有其相對(duì)應(yīng)的效率評(píng)價(jià)指數(shù)[θ]，評(píng)價(jià)第[j]個(gè)決策單元效率的模型為[12，13]：

[minθ-εi=1ms-i+r=1ss+is，tj=1nλjxij+s-i=θxi0， i=1，…，mj=1nλjyrj-s+i=yr0， r=1，…，sj=1nλj=1λj，s-i，s+i≥0， j=1，…，n] " （1）

若以上模型的最優(yōu)解為（[λ*]，[θ*]，[s-*i]，[s+*i]），則可以得出如下結(jié)論：①若[θ*lt;1]，則稱決策單元非DEA有效;②若[θ*=1]，但存在松弛變量[s-*i≠0]或[s+*i≠0]，則稱決策單元為弱DEA有效;③若[θ*=1]，且所有的松弛變量都為0，則稱決策單元DEA有效。

1.1.2 DEA-Malmquist模型 Malmquist指數(shù)最初由Malmquist于1953年提出，主要用于生產(chǎn)效率的測(cè)算，直到1994年，F(xiàn)are等將其與DEA模型理論相結(jié)合，使其得以廣泛推廣和應(yīng)用[14]。Malmquist指數(shù)計(jì)算公式的假設(shè)前提是規(guī)模報(bào)酬不變，從t期到t+1期的Malmquist為：

[M0（xi+1，yi+1xi，yi）=dt0（xt+1，yt+1）dt0（xt，yt）×dt+10（xt+1，yt+1）dt+10（xt，yt）12-dt0（xt+1，yt+1）dt+10（xt+1，yt+1）×dt0（xt，yt）dt+10（xt，yt）12×dt+10（xt+1，yt+1）dt0（xt，yt）]（2）

即：Tfpch=Tech×Effch。

式中，[（xt+1，yt+1）]、[（xt，yt）]分別表示t+1時(shí)期和t時(shí)期的投入產(chǎn)出量;[dt+10]、[dt0]分別表示t+1時(shí)期和t時(shí)期的混合距離函數(shù)[15]。Tfpch表示全要素生產(chǎn)率變動(dòng)指數(shù)，Tech表示技術(shù)進(jìn)步變動(dòng)指數(shù)，Effch表示技術(shù)效率變動(dòng)指數(shù)。當(dāng)Techgt;1表明生產(chǎn)技術(shù)進(jìn)步，反之則表明生產(chǎn)技術(shù)后退;Effchgt;1，表明決策單元向前沿面靠近，技術(shù)效率得到改善，即管理措施正當(dāng)有效;反之則表明技術(shù)效率倒退。

全要素變動(dòng)指數(shù)（Malmquist指數(shù)）能夠動(dòng)態(tài)地反映社會(huì)各要素資源投入后的利用效率。若該指數(shù)大于1，則說明與上一年相比，管理方法、科學(xué)技術(shù)的推廣和應(yīng)用以及種植規(guī)模都有所改善，創(chuàng)新能力也有一定程度的提高。

1.2 評(píng)價(jià)指標(biāo)體系的構(gòu)建

中國(guó)地域遼闊，不同地區(qū)在地理、氣候環(huán)境等方面存在差異，小麥產(chǎn)量和品質(zhì)受到投入要素以及各種變量的多重干擾。考慮到各年份和各地區(qū)的數(shù)據(jù)連續(xù)性和完整性，為便于分析整理，本研究構(gòu)建了小麥生產(chǎn)效率評(píng)估指標(biāo)體系（表1）。

1.3 數(shù)據(jù)來源

本研究實(shí)證分析的樣本數(shù)據(jù)主要來源于2009—2020年《中國(guó)統(tǒng)計(jì)年鑒》《全國(guó)農(nóng)產(chǎn)品成本收益資料匯編》，樣本時(shí)期為2008—2019年。選取河北、山西、內(nèi)蒙古、湖北、安徽、河南、山東、江蘇、陜西、甘肅、寧夏、新疆和四川共13個(gè)省份（自治區(qū)）作為中國(guó)小麥種植研究省份進(jìn)行分析。選取這13個(gè)省份（自治區(qū)）主要出于以下2個(gè)方面的考慮：①13個(gè)省份（自治區(qū)）的小麥種植面積和產(chǎn)量占全國(guó)比重超90%，在數(shù)據(jù)方面具有很高的說服力;②考慮到數(shù)據(jù)的可得性。

本研究所選取的變量數(shù)據(jù)主要來源于《全國(guó)農(nóng)產(chǎn)品成本收益資料匯編》，只有13個(gè)省份（自治區(qū)）的數(shù)據(jù)能夠完整地從2008—2020年進(jìn)行披露，且數(shù)據(jù)披露準(zhǔn)則前后一致。

2 中國(guó)小麥生產(chǎn)效率實(shí)證分析

2.1 中國(guó)小麥生產(chǎn)效率靜態(tài)分析

采用DEAP 2.1和Frontier 4.1軟件對(duì)2008—2019年中國(guó)13個(gè)省份（自治區(qū)）小麥的投入產(chǎn)出指標(biāo)進(jìn)行測(cè)算，結(jié)果見表2。

由表2可知，從綜合技術(shù)效率來看，就13個(gè)小麥主產(chǎn)區(qū)而言，2008—2019年小麥生產(chǎn)效率整體呈振蕩狀態(tài)。2008—2010年呈下降狀態(tài)，2011年有所回升，上升至0.962，2012—2013年又隨之下降，之后2014—2018年整體呈上升態(tài)勢(shì)，2019年又開始下降，總體表現(xiàn)為下降趨勢(shì)。從地區(qū)來看，東部和中部地區(qū)綜合技術(shù)效率分別為0.950和0.959，高于全國(guó)平均水平，處于區(qū)域領(lǐng)先地位，且中部地區(qū)優(yōu)于東部地區(qū)。東部地區(qū)中山東省12年間綜合技術(shù)效率一直保持在0.900以上，明顯優(yōu)于其他2省。中部地區(qū)中安徽省、河南省和湖北省12年間綜合技術(shù)效率穩(wěn)定在0.900以上，小麥生產(chǎn)效率較高。西部地區(qū)綜合技術(shù)效率均值雖然低于全國(guó)平均水平，但高于0.900，其中陜西省綜合技術(shù)效率一直保持在1.000，說明其12年間小麥投入產(chǎn)出達(dá)到DEA有效，生產(chǎn)效率維持在較高水平。僅次于陜西省的是四川省，除2010年、2013年和2014年沒有達(dá)到DEA有效之外，其他年份一直維持在1.000，處于生產(chǎn)效率領(lǐng)先地位。由此可見，綜合技術(shù)效率在區(qū)域之間表現(xiàn)出差異性，呈中部地區(qū)gt;東部地區(qū)gt;西部地區(qū)的格局。

純技術(shù)效率一般是在不考慮規(guī)模報(bào)酬影響下分析小麥資源投入的利用狀況，測(cè)算現(xiàn)在的資源投入是進(jìn)行了有效利用還是存在冗余。2008—2019年中國(guó)13個(gè)小麥主產(chǎn)區(qū)純技術(shù)效率如表3所示。

從表3可以看出，2008—2019年中國(guó)13個(gè)小麥主產(chǎn)區(qū)純技術(shù)效率一直維持在較高水平且圍繞在0.950上下波動(dòng)。從區(qū)域角度分析，東部地區(qū)純技術(shù)效率均值為0.968，略高于全國(guó)平均水平，其中山東省純技術(shù)效率12年間一直為1.000，說明其一直處于DEA有效狀態(tài)且小麥投入資源得到合理利用，產(chǎn)出達(dá)到最佳。中部地區(qū)純技術(shù)效率均值為0.980，在3個(gè)地區(qū)中最高，處于區(qū)域領(lǐng)先地位，其中安徽省和湖北省12年間一直處于DEA有效狀態(tài)，其次是河南省，純技術(shù)效率接近于1.000，說明河南省對(duì)小麥資源的投入雖不及安徽省和湖北省，但其利用率也較高。山西省純技術(shù)效率均值為0.920，不僅低于全國(guó)平均水平，更遠(yuǎn)低于中部地區(qū)均值，說明該省對(duì)資源的投入沒有進(jìn)行充分利用，忽視了科學(xué)管理和科技的應(yīng)用，需要進(jìn)一步改善。西部地區(qū)純技術(shù)效率均值低于全國(guó)平均水平，落后于東部和中部地區(qū)，但值得關(guān)注的是四川省和陜西省純技術(shù)效率一直處于DEA有效狀態(tài)。甘肅省純技術(shù)效率均值為0.860，在13個(gè)小麥主產(chǎn)區(qū)中最低，處于DEA無效狀態(tài)，應(yīng)創(chuàng)新科學(xué)管理的方法，提高技術(shù)的應(yīng)用程度。

規(guī)模效率分析區(qū)別于純技術(shù)效率，規(guī)模效率將規(guī)模報(bào)酬的影響考慮在內(nèi)，反映實(shí)際規(guī)模與最優(yōu)生產(chǎn)規(guī)模之間的差距。2008—2019年中國(guó)13個(gè)小麥主產(chǎn)區(qū)規(guī)模效率如表4所示。

從表4可以看出，中國(guó)13個(gè)小麥主產(chǎn)區(qū)2008—2019年規(guī)模效率整體呈略微下降狀態(tài)。2015年和2016年達(dá)到峰值0.989。從區(qū)域角度分析，東部地區(qū)規(guī)模效率均值高于全國(guó)平均水平，但東部地區(qū)3個(gè)省份都處于規(guī)模無效狀態(tài)。山東省優(yōu)于其他2省，除2008年規(guī)模無效以外，其余11年均達(dá)到規(guī)模有效狀態(tài)。中部地區(qū)規(guī)模效率均值略高于全國(guó)平均水平，其中湖北省僅在2018年處于規(guī)模無效狀態(tài)，2019年經(jīng)過調(diào)整后重新恢復(fù)到規(guī)模有效。中部地區(qū)規(guī)模效率均值最低的是山西省，在2008—2019年均處于規(guī)模無效狀態(tài)，后期應(yīng)通過擴(kuò)大或縮小種植面積使其達(dá)到有效狀態(tài)。西部地區(qū)均值低于全國(guó)平均水平，除陜西省外，其他省份均處于規(guī)模無效狀態(tài)。陜西省在綜合技術(shù)水平和純技術(shù)效率方面都處于DEA有效，說明陜西省實(shí)際種植規(guī)模最優(yōu)，應(yīng)用科學(xué)技術(shù)進(jìn)行小麥種植水平較高且能創(chuàng)新科學(xué)管理方法對(duì)小麥田間種植進(jìn)行管理，其他省份應(yīng)借鑒其方法和經(jīng)驗(yàn)，努力使西部地區(qū)達(dá)到規(guī)模有效狀態(tài)。

第一階段DEA分析沒有剔除外部環(huán)境因素和隨機(jī)擾動(dòng)項(xiàng)對(duì)小麥生產(chǎn)效率的影響，因此，對(duì)小麥生產(chǎn)效率的分析可能是不完善的。運(yùn)用SFA回歸排除外部環(huán)境和隨機(jī)擾動(dòng)項(xiàng)的干擾，使各省份都處于相同的外部環(huán)境和運(yùn)氣，能夠更加客觀地對(duì)小麥生產(chǎn)效率進(jìn)行測(cè)算和分析。測(cè)算結(jié)果見表5。

由表5可知，經(jīng)過第二階段SFA回歸剔除環(huán)境因素和隨機(jī)擾動(dòng)項(xiàng)之后，綜合技術(shù)效率得到明顯改善，說明中國(guó)小麥的種植環(huán)境總體較差，在這種環(huán)境下，小麥生產(chǎn)的綜合技術(shù)效率被低估了。分析原因可能是：①隨著城鎮(zhèn)化步伐的加快，城鎮(zhèn)化率越來越高，越來越多農(nóng)民開始認(rèn)識(shí)到產(chǎn)業(yè)發(fā)展的不平衡，主動(dòng)放棄農(nóng)耕，轉(zhuǎn)而進(jìn)城務(wù)工;②城鎮(zhèn)化的不斷推進(jìn)，一些農(nóng)民的耕地可能會(huì)被依法占用用于商業(yè)化，被征收土地的農(nóng)民會(huì)獲得一定的經(jīng)濟(jì)補(bǔ)償，使得農(nóng)民嘗到了工業(yè)化收益見效快的甜頭，越來越忽視農(nóng)業(yè)發(fā)展的重要性，轉(zhuǎn)而投入打工人的浪潮中;③通過整理分析數(shù)據(jù)發(fā)現(xiàn)，中國(guó)農(nóng)業(yè)生產(chǎn)者受教育程度普遍較低，導(dǎo)致新的管理方法、科技成果以及一些機(jī)械化作業(yè)在農(nóng)業(yè)生產(chǎn)過程中難以推廣和應(yīng)用，在小麥生產(chǎn)過程中耗費(fèi)許多不必要的人力和時(shí)間成本。綜上可知，這些惡劣的生產(chǎn)環(huán)境對(duì)小麥種植產(chǎn)生的負(fù)面影響顯然要大于好的種植環(huán)境帶來的積極影響，從而導(dǎo)致在沒有剔除這些影響因素的條件下小麥的綜合技術(shù)效率被低估了。

圖1反映了中國(guó)13個(gè)小麥主產(chǎn)區(qū)調(diào)整后的技術(shù)效率均值及其分解的變動(dòng)趨勢(shì)，由此可見，純技術(shù)效率始終高于規(guī)模效率，且純技術(shù)效率除在2012年出現(xiàn)較大幅度的波動(dòng)外，其他年份都較為穩(wěn)定并一直處于高位波動(dòng)。此外，綜合技術(shù)效率與規(guī)模效率保持著相似的變動(dòng)趨勢(shì)，說明中國(guó)小麥產(chǎn)業(yè)技術(shù)效率受規(guī)模效率影響最大，規(guī)模效率較低成為制約中國(guó)小麥產(chǎn)業(yè)綜合技術(shù)效率升高的關(guān)鍵因素。

2.2 中國(guó)小麥生產(chǎn)效率動(dòng)態(tài)分析

2.2.1 第一階段DEA-Malmquist指數(shù)分析 DEA-Malmquist模型的第一階段是基于BCC模型對(duì)中國(guó)小麥主產(chǎn)區(qū)的投入產(chǎn)出要素進(jìn)行動(dòng)態(tài)分析得出全要素生產(chǎn)率變動(dòng)指數(shù)。

從表6可以看出，全要素生產(chǎn)率變動(dòng)指數(shù)為0.981，相當(dāng)于造成了1.9%的缺失。由于全要素生產(chǎn)率變動(dòng)指數(shù)可以分解為技術(shù)進(jìn)步變動(dòng)指數(shù)和技術(shù)效率變動(dòng)指數(shù)，而技術(shù)效率變動(dòng)指數(shù)又可以進(jìn)一步分解為純技術(shù)效率變動(dòng)指數(shù)以及規(guī)模效率變動(dòng)指數(shù)，因此，全要素生產(chǎn)率變動(dòng)指數(shù)的下降可以進(jìn)一步歸結(jié)為純技術(shù)效率和技術(shù)進(jìn)步變動(dòng)指數(shù)的下降，其中技術(shù)進(jìn)步變動(dòng)指數(shù)起關(guān)鍵作用。2013—2014年全要素生產(chǎn)率變動(dòng)指數(shù)未發(fā)生變化，技術(shù)效率變動(dòng)指數(shù)的掣肘和技術(shù)進(jìn)步變動(dòng)指數(shù)的增長(zhǎng)相互抵消。2014—2015年全要素生產(chǎn)率變動(dòng)指數(shù)為1.009，較上年增長(zhǎng)了0.9%，除技術(shù)進(jìn)步變動(dòng)指數(shù)呈下降趨勢(shì)外，其他指數(shù)均呈增長(zhǎng)狀態(tài)，說明在小麥種植過程中并未完全摒棄以往的不良之處，新技術(shù)、新方法在田間沒有得到深層次的推廣和應(yīng)用。2018—2019年全要素生產(chǎn)率變動(dòng)指數(shù)為1.008，實(shí)現(xiàn)0.8%的增長(zhǎng)，從深層次進(jìn)行分析是純技術(shù)效率變動(dòng)指數(shù)和規(guī)模效率變動(dòng)指數(shù)的抑制作用，也在一定程度上說明中國(guó)小麥田間管理水平低下，現(xiàn)有的投入資源未得到充分利用，投入產(chǎn)出協(xié)調(diào)性不足;另一方面說明中國(guó)小麥實(shí)際種植規(guī)模未達(dá)到最優(yōu)狀態(tài)，存在改進(jìn)空間。除2013—2014年、2014—2015年以及2018—2019年外，其他年份全要素生產(chǎn)率變動(dòng)指數(shù)均呈下降趨勢(shì)，是各變動(dòng)指數(shù)的無效率共同造成的。

2.2.2 第三階段DEA-Malmquist指數(shù)分析 由于三階段DEA-Malmquist和三階段DEA的第二階段操作過程一致，均是利用SFA回歸剔除外部環(huán)境變量和隨機(jī)擾動(dòng)項(xiàng)的影響，因此不再對(duì)第二段進(jìn)行重復(fù)贅述。

從表7可以看出，剔除環(huán)境變量和隨機(jī)擾動(dòng)項(xiàng)，使各省處于相同外部環(huán)境和運(yùn)氣之下，Malmquist指數(shù)由0.981下降到0.969，說明傳統(tǒng)的Malmquist指數(shù)被高估了，高估了技術(shù)進(jìn)步效率和規(guī)模效率變動(dòng)指數(shù)。由數(shù)據(jù)分析可知，造成全要素生產(chǎn)率變動(dòng)指數(shù)下降的主要原因是技術(shù)進(jìn)步變動(dòng)指數(shù)的下降，而技術(shù)效率變動(dòng)指數(shù)內(nèi)部純技術(shù)效率變動(dòng)指數(shù)和規(guī)模效率變動(dòng)指數(shù)的增減變動(dòng)相互抵消，所以調(diào)整前后技術(shù)效率變動(dòng)指數(shù)未發(fā)生變化，對(duì)全要素生產(chǎn)率變動(dòng)指數(shù)無影響。從全要素生產(chǎn)率變動(dòng)指數(shù)的均值進(jìn)行分析，考慮環(huán)境因素后全要素生產(chǎn)率變動(dòng)指數(shù)較高的原因可能是“波特假說”，即環(huán)境規(guī)制能夠促進(jìn)科技創(chuàng)新和資源的優(yōu)化配置[16]。提高生產(chǎn)率的根本在于提高科技生產(chǎn)力，因此要深入研究和發(fā)展科技創(chuàng)新力，并將其應(yīng)用到小麥種植生產(chǎn)過程中，提高中國(guó)小麥的技術(shù)進(jìn)步變動(dòng)指數(shù)和生產(chǎn)效率。

3 結(jié)論與建議

3.1 結(jié)論

本研究通過三階段DEA和三階段DEA-Malmquist模型，分別從靜態(tài)和動(dòng)態(tài)2個(gè)角度對(duì)中國(guó)13個(gè)小麥主產(chǎn)區(qū)的生產(chǎn)效率進(jìn)行測(cè)算，在具體分析綜合技術(shù)效率和全要素生產(chǎn)率變動(dòng)指數(shù)的同時(shí)，對(duì)DMU進(jìn)行橫向分析，同時(shí)引入了時(shí)間序列對(duì)各項(xiàng)指標(biāo)進(jìn)行縱向的研究和分析，得出如下結(jié)論。

1）從三階段DEA和DEA-Malmquist模型結(jié)果來看 ，在第二階段運(yùn)用SFA回歸剔除環(huán)境變量和隨機(jī)擾動(dòng)項(xiàng)的影響是必要的。外部環(huán)境的存在對(duì)中國(guó)小麥生產(chǎn)效率存在一定的不利影響，影響了小麥生產(chǎn)效率的提高。在當(dāng)前的技術(shù)和管理水平下，要想達(dá)到相同的產(chǎn)出，就必須投入更多的生產(chǎn)要素，這就導(dǎo)致了對(duì)投入生產(chǎn)要素的冗余和浪費(fèi)。

2）中國(guó)對(duì)小麥種植規(guī)模的總體把握還不到位。近幾年各省小麥種植規(guī)模變動(dòng)幅度不大，僅存在小范圍調(diào)整，規(guī)模效率低下，存在倒退現(xiàn)象。各省應(yīng)根據(jù)自己的實(shí)際情況，統(tǒng)籌分配有限的資源，根據(jù)實(shí)際情況合理調(diào)整小麥種植規(guī)模。在政策上，使農(nóng)戶清晰了解國(guó)家各項(xiàng)惠農(nóng)政策，合理有序地實(shí)行土地流轉(zhuǎn)制度，使資源利用最大化，土地效用最大化，從而使小麥生產(chǎn)效率得到提高。

3）在所研究的中國(guó)13個(gè)小麥主產(chǎn)區(qū)中，陜西省的小麥生產(chǎn)效率從靜態(tài)角度上看是比較穩(wěn)定的，連續(xù)12年綜合技術(shù)效率都為1.000，處在技術(shù)前沿面，其他省份應(yīng)從中借鑒。從動(dòng)態(tài)角度進(jìn)行分析，所有省份的全要素生產(chǎn)率變動(dòng)指數(shù)均處于下降趨勢(shì)，說明中國(guó)小麥生產(chǎn)所處的種植環(huán)境總體是不利的。在這些省份中，湖北省全要素生產(chǎn)效率下降得最多，說明近幾年小麥種植環(huán)境不僅沒有改善，反而呈倒退趨勢(shì)。需加大農(nóng)業(yè)方面的科研力度，使新技術(shù)能夠在田間得到實(shí)際應(yīng)用，并合理調(diào)整小麥種植規(guī)模，使其達(dá)到規(guī)模最優(yōu)狀態(tài)，從而提高小麥的生產(chǎn)效率。

4）小麥生長(zhǎng)產(chǎn)出過程是復(fù)雜的，其中涉及的投入、產(chǎn)出要素復(fù)雜多樣。由于受到模型限制和各省市數(shù)據(jù)披露的影響，本研究在設(shè)置投入、產(chǎn)出以及外部環(huán)境指標(biāo)時(shí)只能選擇一部分具有代表性的樣本，這對(duì)中國(guó)小麥生產(chǎn)效率的真實(shí)性分析存在一定的影響。

3.2 建議

1）提升小麥生產(chǎn)中農(nóng)業(yè)技術(shù)的貢獻(xiàn)率。要重視技術(shù)創(chuàng)新與應(yīng)用在提升小麥生產(chǎn)效率中的作用，持續(xù)加大對(duì)農(nóng)業(yè)科研的技術(shù)支持和資金投入，不斷創(chuàng)新農(nóng)業(yè)生產(chǎn)新技術(shù)和新品種研發(fā)，提升小麥產(chǎn)能。

2）合理規(guī)劃種植規(guī)模，實(shí)現(xiàn)規(guī)模效應(yīng)最大化。中國(guó)耕地資源存在利用率低以及冗余浪費(fèi)等現(xiàn)象，未進(jìn)行充分利用和發(fā)揮其最大潛力，土地利用狀況存在相當(dāng)大的改進(jìn)空間。中國(guó)目前農(nóng)業(yè)生產(chǎn)仍然以家庭為主要生產(chǎn)單位，這種生產(chǎn)方式?jīng)Q定了中國(guó)小麥生產(chǎn)經(jīng)營(yíng)比較分散，難以發(fā)揮土地的規(guī)模化作用。只有當(dāng)要素投入和種植規(guī)模相匹配時(shí)，才能使規(guī)模效益達(dá)到最佳狀態(tài)。

3）提升純技術(shù)效率對(duì)小麥生產(chǎn)效率的貢獻(xiàn)。首先，提升小麥種植收益，收益的高低與農(nóng)戶生產(chǎn)積極性直接掛鉤，可通過節(jié)水、節(jié)肥、節(jié)藥、防災(zāi)以及機(jī)械操作等方式節(jié)省小麥種植成本，增加農(nóng)戶小麥種植收益。其次，還可通過轉(zhuǎn)變傳統(tǒng)粗放式的經(jīng)營(yíng)模式，統(tǒng)籌規(guī)劃安排人力、物力資源，通過多種方式激勵(lì)農(nóng)戶從事小麥生產(chǎn)的積極性，提升純技術(shù)效率在小麥生產(chǎn)中的貢獻(xiàn)。

參考文獻(xiàn)：

[1] 藍(lán) 虹，穆爭(zhēng)社.中國(guó)農(nóng)村信用社改革后的績(jī)效評(píng)價(jià)及提升方向——基于三階段DEA模型BCC分析法的實(shí)證研究[J].金融研究，2014（4）：63-82.

[2] 黃海霞，張治河.基于DEA模型的我國(guó)戰(zhàn)略性新興產(chǎn)業(yè)科技資源配置效率研究[J].中國(guó)軟科學(xué)，2015（1）：150-159.

[3] 劉滿鳳，李圣宏.基于三階段DEA模型的我國(guó)高新技術(shù)開發(fā)區(qū)創(chuàng)新效率研究[J].管理評(píng)論，2016，28（1）：42-52，155.

[4] 賀志亮，劉成玉.我國(guó)農(nóng)業(yè)生產(chǎn)效率及效率影響因素研究——基于三階段DEA模型的實(shí)證分析[J].農(nóng)村經(jīng)濟(jì)，2015（6）：48-51.

[5] 張冬平，袁 飛.農(nóng)業(yè)結(jié)構(gòu)效率的數(shù)據(jù)包絡(luò)分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2001（3）：5-7.

[6] 強(qiáng)艷玉. 甘肅省蘋果產(chǎn)業(yè)生產(chǎn)效率及影響因素分析[D].蘭州：甘肅農(nóng)業(yè)大學(xué)，2018.

[7] 王 琛，吳敬學(xué).我國(guó)玉米產(chǎn)業(yè)生產(chǎn)技術(shù)效率與其影響因素研究——基于2001—2011年的省級(jí)面板數(shù)據(jù)[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃，2015，36（4）：23-32.

[8] 郎新婷，馬惠蘭.新疆小麥生產(chǎn)效率及地區(qū)差異研究[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃，2016，37（10）：127-133.

[9] 曲 朦，趙 凱，周升強(qiáng).耕地流轉(zhuǎn)對(duì)小麥生產(chǎn)效率的影響——基于農(nóng)戶生計(jì)分化的調(diào)節(jié)效應(yīng)分析[J].資源科學(xué)，2019，41（10）：1911-1922.

[10] 劉 成，周曉時(shí)，馮中朝，等.中國(guó)小麥生產(chǎn)技術(shù)效率測(cè)算與影響因素分析——基于農(nóng)機(jī)服務(wù)視角的研究[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃，2019，40（10）：34-40.

[11] 吳天龍，趙軍潔，習(xí)銀生.收入非農(nóng)化對(duì)農(nóng)戶小麥生產(chǎn)技術(shù)效率的影響——基于河北省的調(diào)查數(shù)據(jù)[J].湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2017，18（3）：19-23.

[12] 陳燕麗，王 磊，姜明棟，等.東北三省制造業(yè)上市公司企業(yè)績(jī)效及影響因素研究——基于DEA-Malmquist-Tobit模型[J].工業(yè)技術(shù)經(jīng)濟(jì)，2018，37（11）：51-57.

[13] 王兆峰，楊 顯.基于DEA-Malmquist模型的中部城市群旅游產(chǎn)業(yè)效率評(píng)價(jià)研究[J].旅游科學(xué)，2018，32（3）：27-38.

[14] 王玉偉. 我國(guó)小麥全要素生產(chǎn)率分析——基于Malmquist指數(shù)[J]. 現(xiàn)代經(jīng)濟(jì)信息，2012（2）：314-316.

[15] 葉 丹，黃慶華.區(qū)域創(chuàng)新環(huán)境對(duì)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率的影響研究——基于DEA-Malmquist方法[J].宏觀經(jīng)濟(jì)研究，2017（8）：132-140.

[16] 王明剛.基于Malmquist指數(shù)的中國(guó)環(huán)境全要素生產(chǎn)率變動(dòng)的實(shí)證研究[J].商，2015（30）：295.