張旭云,鄭 謙,王子陽

安徽科技學(xué)院管理學(xué)院,安徽蚌埠,233000

1 相關(guān)研究與問題提出

一直以來,農(nóng)業(yè)是我國發(fā)展不可或缺的重要組成部分和重點(diǎn)關(guān)注領(lǐng)域,而智慧農(nóng)業(yè)作為我國農(nóng)業(yè)現(xiàn)代化的重要組成部分,是我國實(shí)現(xiàn)鄉(xiāng)村振興、推動農(nóng)業(yè)高質(zhì)量發(fā)展的重要抓手。近年來,我國多項(xiàng)文件中都有智慧農(nóng)業(yè)的身影,如二十大報(bào)告中指出要強(qiáng)化農(nóng)業(yè)科技與裝備支撐;2023年,中央一號文件中提到要加快農(nóng)村大數(shù)據(jù)應(yīng)用,推進(jìn)智慧農(nóng)業(yè)發(fā)展;2022年,國家發(fā)改委印發(fā)的《“十四五”擴(kuò)大內(nèi)需戰(zhàn)略實(shí)施方案》中強(qiáng)調(diào),要加快發(fā)展智慧農(nóng)業(yè),推進(jìn)農(nóng)業(yè)生產(chǎn)經(jīng)營和管理服務(wù)數(shù)字化改造等。當(dāng)前我國正致力于推動農(nóng)業(yè)朝著數(shù)字化、信息化、智能化以及現(xiàn)代化的方向轉(zhuǎn)變,而這一轉(zhuǎn)變以信息技術(shù)為基礎(chǔ),賦能農(nóng)業(yè)生產(chǎn)模式和發(fā)展業(yè)態(tài),助力我國農(nóng)業(yè)朝著現(xiàn)代化和高質(zhì)量方向推進(jìn)[1]。

安徽省作為我國農(nóng)業(yè)大省和產(chǎn)糧大省,其糧食產(chǎn)量已經(jīng)連續(xù)5年穩(wěn)定在800億斤以上,穩(wěn)居全國第4位。提升安徽省農(nóng)業(yè)數(shù)字化水平,不僅關(guān)乎安徽省農(nóng)業(yè)的發(fā)展,更有利于我國的糧食供應(yīng)穩(wěn)定。因此,為積極響應(yīng)中央號召,深入實(shí)施數(shù)字鄉(xiāng)村行動,加快推進(jìn)數(shù)字農(nóng)業(yè)發(fā)展,安徽省出臺了《加快“數(shù)字皖農(nóng)”建設(shè)若干措施》,并且全面推進(jìn)“數(shù)字江淮”和“兩強(qiáng)一增”等行動,助力安徽省農(nóng)業(yè)數(shù)字化進(jìn)程。本文以安徽省智慧農(nóng)業(yè)生產(chǎn)效率為研究基點(diǎn),分析2015—2021年安徽省智慧農(nóng)業(yè)的整體生產(chǎn)效率及智慧農(nóng)業(yè)分布情況,以期為安徽省數(shù)字農(nóng)業(yè)發(fā)展提供借鑒。

農(nóng)業(yè)生產(chǎn)效率的優(yōu)化與調(diào)整對于合理配置農(nóng)業(yè)投入要素和提升農(nóng)業(yè)產(chǎn)出都具有重要影響,我國有眾多學(xué)者就農(nóng)業(yè)生產(chǎn)效率問題進(jìn)行了相關(guān)研究。一方面,有眾多學(xué)者從不同主體和不同視角來探究農(nóng)業(yè)生產(chǎn)的效率問題,例如,劉依杭[2]通過對比家庭農(nóng)場與小農(nóng)戶來研究我國農(nóng)業(yè)生產(chǎn)效率在不同規(guī)模的經(jīng)營主體間存在的差異性。劉燕等[3]通過三階段DEA模型測算得出西部地區(qū)退耕還林農(nóng)戶的農(nóng)業(yè)生產(chǎn)效率呈現(xiàn)可持續(xù)變化趨勢。王麗娜[4]通過測算中國農(nóng)業(yè)綠色生產(chǎn)效率發(fā)現(xiàn),當(dāng)前我國各省份間農(nóng)業(yè)綠色生產(chǎn)效率差距逐漸縮小。李江等[5]運(yùn)用2007—2016年的省級面板數(shù)據(jù)證明我國農(nóng)村勞動人口的轉(zhuǎn)移加大了我國區(qū)域間農(nóng)業(yè)生產(chǎn)效率的差異。崔許峰等[6]以低碳發(fā)展的角度探究我國農(nóng)業(yè)生態(tài)效率的發(fā)展趨勢與演變特征。除此之外,還有許多學(xué)者從區(qū)域差異角度進(jìn)行研究,分別測度了不同區(qū)域的農(nóng)業(yè)生產(chǎn)效率,如肖琴等[7]運(yùn)用 MinDS模型和Global Malmquist-Luenberger指數(shù)相結(jié)合的方法對我國長江流域的農(nóng)業(yè)綠色生態(tài)效率進(jìn)行測度,發(fā)現(xiàn)我國長江流域的農(nóng)業(yè)綠色生產(chǎn)效率整體保持較高水平,并且持續(xù)增長。繆建群等[8]研究了江西農(nóng)業(yè)生產(chǎn)有效性,李強(qiáng)等[9]評價(jià)了吉林省農(nóng)業(yè)生產(chǎn)效率,陳振等[10-13]分析了河南省農(nóng)業(yè)生產(chǎn)效率等。

上述文獻(xiàn)梳理發(fā)現(xiàn),目前我國學(xué)者大多集中于對傳統(tǒng)農(nóng)業(yè)生產(chǎn)效率方面的問題研究,而對于智慧農(nóng)業(yè)的生產(chǎn)效率這一問題的研究較少。此外,學(xué)者們研究農(nóng)業(yè)生產(chǎn)效率時(shí)通常只使用農(nóng)業(yè)投入和農(nóng)業(yè)產(chǎn)出兩類指標(biāo)進(jìn)行測算,由于農(nóng)業(yè)生產(chǎn)過程中易受外部環(huán)境和隨機(jī)不確定因素的影響,單獨(dú)考慮投入和產(chǎn)出進(jìn)行測度得到的結(jié)果可能存在一定的偏差。因此,本文在借鑒前人研究成果的基礎(chǔ)上,在指標(biāo)體系內(nèi)加入農(nóng)業(yè)環(huán)境指標(biāo)并且使用超效率三階段DEA模型有效剔除環(huán)境因素和隨即干擾因素對安徽省智慧農(nóng)業(yè)生產(chǎn)效率所產(chǎn)生的影響,從而測度和分析2015—2021年安徽省智慧農(nóng)業(yè)生產(chǎn)效率,探究當(dāng)前安徽省智慧農(nóng)業(yè)生產(chǎn)效率整體情況、智慧農(nóng)業(yè)的演進(jìn)趨勢和空間格局,以期為安徽省智慧農(nóng)業(yè)生產(chǎn)效率調(diào)整提供有效的數(shù)據(jù)支撐。

2 指標(biāo)選取、數(shù)據(jù)來源與研究方法

2.1 指標(biāo)選取

智慧農(nóng)業(yè)是一種將傳統(tǒng)農(nóng)業(yè)生產(chǎn)方式與高科技農(nóng)業(yè)機(jī)械、互聯(lián)網(wǎng)技術(shù)、大數(shù)據(jù)等現(xiàn)代技術(shù)相結(jié)合的新型農(nóng)業(yè)生產(chǎn)方式。因此,某些衡量農(nóng)業(yè)生產(chǎn)效率的指標(biāo)在智慧農(nóng)業(yè)生產(chǎn)效率的測度方面也具有同樣的適用性。為了更加準(zhǔn)確地測度安徽省數(shù)字農(nóng)業(yè)生產(chǎn)效率,并考慮指標(biāo)數(shù)據(jù)的可獲得性,本文構(gòu)建了包含農(nóng)業(yè)投入、農(nóng)業(yè)產(chǎn)出和環(huán)境成本的三類指標(biāo),結(jié)合前人研究成果選取以下指標(biāo):鄉(xiāng)村從業(yè)人員(人)[10]、農(nóng)村用電量(萬千瓦時(shí))[14-15]、農(nóng)業(yè)機(jī)械總動力(萬千瓦時(shí))[16]、農(nóng)村每百戶計(jì)算機(jī)擁有量(臺)[17]、農(nóng)作物播種面積(公頃)[13]、有效灌溉面積(公頃)[18]為農(nóng)業(yè)投入指標(biāo),以農(nóng)林牧漁總產(chǎn)值(億元)[19]為產(chǎn)出指標(biāo),以化肥、農(nóng)藥、農(nóng)膜、農(nóng)用柴油、農(nóng)業(yè)灌溉、農(nóng)業(yè)碳排放綜合(萬噸)[20]指標(biāo)為環(huán)境指標(biāo),詳見表1。

表1 智慧農(nóng)業(yè)指標(biāo)及來源

2.2 數(shù)據(jù)來源

本文中農(nóng)業(yè)投入指標(biāo)數(shù)據(jù)和農(nóng)業(yè)產(chǎn)出指標(biāo)數(shù)據(jù)主要依據(jù)2016—2022年安徽省《統(tǒng)計(jì)年鑒》以及安徽省各市《國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計(jì)公報(bào)》《統(tǒng)計(jì)年鑒》,部分缺失數(shù)據(jù)采用插值法進(jìn)行補(bǔ)齊。農(nóng)業(yè)碳排放指標(biāo)數(shù)據(jù)來源于《安徽省統(tǒng)計(jì)年鑒》中的化肥、農(nóng)藥等使用量數(shù)據(jù),并根據(jù)相應(yīng)的碳排放系數(shù)計(jì)算得出,農(nóng)業(yè)碳排放系數(shù)如表2所示。

表2 農(nóng)業(yè)碳排放源及排放系數(shù)

2.3 超效率三階段DEA模型

超效率三階段DEA模型是將超效率DEA模型與三階段DEA模型[21]相結(jié)合,超效率三階段DEA模型可以有效規(guī)避以下情況:(1)傳統(tǒng)DEA模型可測得的最高效率值為1,且無法對效率值為1的有效決策單元進(jìn)行進(jìn)一步排序;(2)傳統(tǒng)的DEA模型無法分離隨機(jī)噪聲和外部環(huán)境對決策單元效率值的影響。超效率三階段DEA模型將參數(shù)與非參數(shù)的方法相結(jié)合,既可以剔除環(huán)境等影響因素,彌補(bǔ)非參數(shù)模型的測量誤差,又可以對有效的決策單元進(jìn)行排序,能夠更加清晰對比各決策單元的差異。

第一階段:運(yùn)用超效率DEA方法將安徽省16個(gè)市的數(shù)據(jù)進(jìn)行相應(yīng)的效率值測算。根據(jù)測算結(jié)果,將第一階段效率值的投入目標(biāo)值與實(shí)際投入值相減計(jì)算出各投入變量的松弛變量。由于該理論應(yīng)用已相對成熟,因此理論解釋不在此贅述。

第二階段:通過隨即前沿模型(SFA)對投入變量進(jìn)行調(diào)整。為了區(qū)別第一階段的管理效率、環(huán)境因素和隨機(jī)因素這三部分對投入產(chǎn)出的影響,得到更加準(zhǔn)確客觀的效率值,需要在第二階段構(gòu)建由一階段的投入松弛變量與環(huán)境變量構(gòu)成的隨機(jī)前沿分析(SFA)模型。

sik=fn(zk;δi)+vik+uik

(1)

并運(yùn)用羅登躍[22]給出的式(2)管理無效率公式,從式(1)中分離管理無效率影響因素和隨機(jī)不可控影響因素。其中λ=σu/σv,εi=vi+ui為聯(lián)合誤差項(xiàng),φ、ψ分別代表標(biāo)準(zhǔn)正態(tài)分布中的分布函數(shù)和密度函數(shù)。

(2)

第三階段:將調(diào)整好的指標(biāo)數(shù)據(jù)和原始產(chǎn)出進(jìn)行整理,把整理后的數(shù)據(jù)重新進(jìn)行超效率DEA模型計(jì)算,得到剔除環(huán)境變量和隨機(jī)誤差影響后的安徽省智慧農(nóng)業(yè)生產(chǎn)超效率值。

3 研究結(jié)果與分析

3.1 安徽省智慧農(nóng)業(yè)生產(chǎn)效率分析

3.1.1 一階段基于超效率DEA的智慧農(nóng)業(yè)生產(chǎn)效率結(jié)果

將安徽省16地市智慧農(nóng)業(yè)的投入產(chǎn)出數(shù)據(jù)導(dǎo)入DEAP2.1軟件,結(jié)果如表3所示。整體來看,2015—2021年安徽省智慧農(nóng)業(yè)生產(chǎn)效率均值為1.13,說明實(shí)際產(chǎn)出較好,并且安徽省各地市中農(nóng)業(yè)生產(chǎn)效率均值都在0.7以上,整體處于一個(gè)良好的狀態(tài)。蕪湖市的智慧農(nóng)業(yè)生產(chǎn)效率均值在整個(gè)安徽省排名最高,為2.17;而淮南市排名最低,效率均值僅為0.7。蕪湖、阜陽、黃山、宿州、蚌埠等12個(gè)市的智慧農(nóng)業(yè)生產(chǎn)效率均值都達(dá)到了1,效率水平高;六安市和淮北市的智慧農(nóng)業(yè)生產(chǎn)效率在0.8以上,屬于效率良好;銅陵市和淮南市智慧農(nóng)業(yè)生產(chǎn)效率在安徽省內(nèi)排名較后,效率較低。由于本次測算并未排除環(huán)境因素和隨機(jī)干擾項(xiàng)的影響,可能會影響最終數(shù)據(jù)的準(zhǔn)確性,并不能真實(shí)地反映2015—2021年安徽省智慧農(nóng)業(yè)生產(chǎn)效率的具體情況,因此需要在一階段模型的基礎(chǔ)上對環(huán)境因素和隨機(jī)誤差項(xiàng)進(jìn)行干預(yù),以得到更準(zhǔn)確的數(shù)據(jù)。

表3 2015—2021年安徽省16市第一階段智慧農(nóng)業(yè)生產(chǎn)效率值

3.1.2 二階段SFA回歸分析

通過對一階段計(jì)算所得數(shù)據(jù)進(jìn)行整理,運(yùn)用Frontier 4.1軟件做隨機(jī)前沿分析(SFA),將6個(gè)農(nóng)業(yè)投入變量計(jì)算所得到的投入松弛變量作為二階段計(jì)算中的被解釋變量,以環(huán)境變量農(nóng)業(yè)碳排放作為解釋變量進(jìn)行第二階段SFA回歸分析,回歸結(jié)果如表4。

表4 2015—2021年安徽省16市第二階段SFA回歸結(jié)果

根據(jù)表4可知,農(nóng)業(yè)碳排放這一環(huán)境因素對農(nóng)業(yè)投入指標(biāo)的松弛變量基本上都通過了1%顯著性水平檢驗(yàn),證明環(huán)境變量對投入變量均有顯著性影響。在回歸方程中,鄉(xiāng)村從業(yè)人數(shù)、農(nóng)村用電量和農(nóng)村每百戶計(jì)算機(jī)擁有量的γ值均大于0.75,說明管理無效率是主要的影響因素,需要進(jìn)行調(diào)整;而農(nóng)業(yè)機(jī)械總動力、農(nóng)作物播種面積和有效灌溉面積的γ值均大于0.5,說明隨機(jī)干擾因素雖有一定影響,但其內(nèi)部因素仍然占主導(dǎo)。根據(jù)回歸結(jié)果顯示,農(nóng)業(yè)碳排放對鄉(xiāng)村從業(yè)人員數(shù)、農(nóng)村用電量、農(nóng)作物播種面積、有效灌溉面積這幾個(gè)投入松弛變量均通過1%的T值顯著性水平檢驗(yàn),農(nóng)業(yè)機(jī)械總動力的松弛變量通過5%的T值顯著性水平檢驗(yàn),其回歸結(jié)果都為正值。這證明農(nóng)業(yè)碳排放的提升將會減少以上五項(xiàng)農(nóng)業(yè)投入的冗余,引起農(nóng)業(yè)投入數(shù)量的節(jié)約促進(jìn)農(nóng)業(yè)投入結(jié)構(gòu)的優(yōu)化。農(nóng)業(yè)碳排放對農(nóng)村每百戶計(jì)算機(jī)擁有量的回歸結(jié)果為負(fù)值,并且通過了1%的顯著性檢驗(yàn)。這說明在農(nóng)業(yè)方面計(jì)算機(jī)的使用能夠有效提升農(nóng)業(yè)智慧化水平,減少農(nóng)業(yè)碳排放量,促進(jìn)農(nóng)業(yè)資源的合理有效配置,從而提升智慧農(nóng)業(yè)生產(chǎn)效率優(yōu)化農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)。

3.1.3 三階段調(diào)整后智慧農(nóng)業(yè)生產(chǎn)效率結(jié)果

將第二階段調(diào)整后的農(nóng)業(yè)投入數(shù)據(jù)進(jìn)行整理,用新數(shù)據(jù)再次進(jìn)行超效率測算,得出安徽省智慧農(nóng)業(yè)生產(chǎn)效率值,如表5所示。

對比表3和表5中的數(shù)據(jù)可知,在去除環(huán)境因素和隨機(jī)干擾項(xiàng)的影響后,安徽省農(nóng)業(yè)生產(chǎn)效率值發(fā)生了較大的變化,整體效率均值由1.13下降到0.94,安徽省處于DEA有效的決策單元由一階段的12個(gè)變?yōu)槿A段的7個(gè)。同時(shí),相比一階段測度結(jié)果,阜陽、合肥、滁州、安慶、六安在剔除影響因素后在省內(nèi)效率值排名上升,蕪湖、黃山、池州等地效率值下降明顯下降,說明環(huán)境因素影響較大;此外,蕪湖和安慶在去掉環(huán)境因素后仍然分別存在5個(gè)和4個(gè)年份效率值無效,證明影響該地智慧農(nóng)業(yè)生產(chǎn)效率是受管理無效率的影響,并且其投入產(chǎn)出方面也存在不合理。通過對比發(fā)現(xiàn),淮北、銅陵和淮南一直處于非DEA前沿面上,說明管理無效率雖然在一定程度上制約了該地發(fā)展,但更主要的是該地區(qū)不合理的投入產(chǎn)出結(jié)構(gòu)所導(dǎo)致地區(qū)智慧農(nóng)業(yè)生產(chǎn)效率值低下。

3.2 智慧農(nóng)業(yè)生產(chǎn)效率時(shí)空特征分析

時(shí)間演化特征是基于三階段超效率DEA數(shù)據(jù)計(jì)算出2015—2021年安徽省智慧農(nóng)業(yè)生產(chǎn)效率均值,從而判別安徽省智慧農(nóng)業(yè)生產(chǎn)效率的時(shí)間演進(jìn)趨勢。由圖1可知,安徽省智慧農(nóng)業(yè)生產(chǎn)效率總體呈現(xiàn)上升趨勢,均值從2015年的0.87提高到2021年的1.05,增速較為平緩。此外,安徽省智慧農(nóng)業(yè)生產(chǎn)效率均值由2015年的非DEA有效逐漸轉(zhuǎn)化為DEA有效,說明在這7年間安徽省智慧農(nóng)業(yè)生產(chǎn)不論在管理方面還是投入產(chǎn)出方面都變得更為合理。

圖1 2015—2021年安徽省智慧農(nóng)業(yè)生產(chǎn)效率均值變化

將安徽省2015年、2017年、2019年、2021年16個(gè)地市的智慧農(nóng)業(yè)生產(chǎn)效率進(jìn)行可視化處理,如圖2所示。安徽省智慧農(nóng)業(yè)生產(chǎn)效率整體呈現(xiàn)出東部高西部低的空間特征,區(qū)域間生產(chǎn)效率差異較大。不同年份智慧農(nóng)業(yè)生產(chǎn)效率差異較小,但從2015—2021年安徽省智慧農(nóng)業(yè)生產(chǎn)效率逐步提升,其中阜陽市和蕪湖市智慧農(nóng)業(yè)生產(chǎn)效率提升最為明顯,阜陽市農(nóng)業(yè)生產(chǎn)效率由2015年的1.14增長到2021年的1.76,共提高了56個(gè)百分點(diǎn);蕪湖市從2015年非DEA有效到2021年轉(zhuǎn)變?yōu)镈EA有效。銅陵市、池州市、黃山市的智慧農(nóng)業(yè)生產(chǎn)效率偏低,表明這三地位置多山區(qū)農(nóng)業(yè)發(fā)展受到地理環(huán)境影響較大。

圖2 安徽省各市智慧農(nóng)業(yè)生產(chǎn)效率分布

4 研究結(jié)論與政策建議

4.1 研究結(jié)論

本文采用三階段超效率DEA方法對2015—2021年安徽省16個(gè)地市智慧農(nóng)業(yè)生產(chǎn)效率進(jìn)行測算,并通過隨即前沿方法剔除環(huán)境等影響因素,測度2015—2021年安徽省16市真實(shí)的智慧農(nóng)業(yè)生產(chǎn)效率水平,結(jié)論如下:

第一,通過超效率DEA模型對安徽省智慧農(nóng)業(yè)生產(chǎn)效率進(jìn)行測算,避免了傳統(tǒng)DEA模型所測算效率值結(jié)果無法排序。此外,通過三階段模型可以有效剔除環(huán)境等影響因素測算更為真實(shí)的智慧農(nóng)業(yè)生產(chǎn)效率值。通過一階段和三階段結(jié)果對比發(fā)現(xiàn),測算結(jié)果差異較大,因此,采用三階段超效率模型測算安徽省智慧農(nóng)業(yè)生產(chǎn)效率是科學(xué)且合理的。

第二,從整體來看,安徽省智慧農(nóng)業(yè)生產(chǎn)效率水平較為良好,各地市生產(chǎn)效率均值都在0.5以上。但是,安徽省智慧農(nóng)業(yè)生產(chǎn)效率區(qū)域間差異較大,皖北地區(qū)的智慧農(nóng)業(yè)生產(chǎn)效率明顯高于皖南地區(qū)。

第三,2015—2021年間,安徽省全省智慧農(nóng)業(yè)生產(chǎn)效率值不斷增長,由2015年的非DEA有效逐漸變?yōu)镈EA有效,在此7年間,安徽省智慧農(nóng)業(yè)的管理效率和投入產(chǎn)出結(jié)構(gòu)都得以優(yōu)化。

4.2 政策建議

通過對安徽省智慧農(nóng)業(yè)生產(chǎn)效率進(jìn)行測度,發(fā)現(xiàn)安徽省智慧農(nóng)業(yè)發(fā)展仍存在諸多問題,為進(jìn)一步提升安徽省智慧農(nóng)業(yè)生產(chǎn)效率,提出以下建議:

第一,建立健全智慧農(nóng)業(yè)生產(chǎn)的投入和產(chǎn)出體系,調(diào)整智慧農(nóng)業(yè)生產(chǎn)格局。安徽省智慧農(nóng)業(yè)發(fā)展區(qū)域間差異明顯,優(yōu)化智慧農(nóng)業(yè)生產(chǎn)的投入和產(chǎn)出配比能有效提升落后地區(qū)的智慧農(nóng)業(yè)生產(chǎn)效率。

第二,加強(qiáng)智慧農(nóng)業(yè)平臺搭建,注重智慧農(nóng)業(yè)技術(shù)創(chuàng)新。平臺搭建有利于不同區(qū)域間信息溝通,促進(jìn)區(qū)域間資源合理整合,便于不同地區(qū)間相互學(xué)習(xí)。技術(shù)是第一生產(chǎn)力,只有加強(qiáng)智慧農(nóng)業(yè)技術(shù)創(chuàng)新,提升農(nóng)業(yè)技術(shù)水平,才能有效提升整體智慧農(nóng)業(yè)生產(chǎn)效率。

第三,加強(qiáng)政府對智慧農(nóng)業(yè)建設(shè)的財(cái)政支持力度。智慧農(nóng)業(yè)設(shè)施建設(shè)具有專業(yè)性強(qiáng)、投資大、回報(bào)周期長等特征,如果單純依靠農(nóng)戶配套智慧農(nóng)業(yè)設(shè)施,將導(dǎo)致農(nóng)民資金壓力過大,影響農(nóng)民生產(chǎn)積極性。政府財(cái)政的支持有助于農(nóng)民減輕資金負(fù)擔(dān),提高農(nóng)業(yè)生產(chǎn)效率,調(diào)動農(nóng)民進(jìn)行農(nóng)業(yè)生產(chǎn)的積極性。