開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

Construction of aTechnical EficiencyModelforGrainProductionand Analysis of Input-output Impacts Basedonthe Bateseamp; Coelli（1995）Model

CAI Chang- ju¹ LIYum² ，ZHENG Jiang et al（1. Guizhou Province Water Conservancy Science Research Institute，Guiyang，Guizhou 550002;.GuizouProvicialWateronservancyrojectConstructionQualityadafetyCenterGuiyag，Guzouoo;3.Pearlier Water Resources Research Institue，Guangzhou，Guangdong 510000）

AbstractObectie]Underthalcotextofoloicalcivlatioonstrucioandstrctwaterresocemanagent，tisudito revealthedriingmehanssofgaiproductoechalecyinGuzoProvquatfthimpactofgationwateroduco eficiency，andprovidesientificfoundationsforoptimizingagriculturalwaterresourcealocation.Method]Basedontheatese amp; Coelli （1995）model，translgstochasticfrotierproductionfuctioasonstructedPaneldatafroGuzouProvince（-Ol8）eat ed，incorportiutaosshcalowalerls，odterdele screnedusingLikeodRatiLR）tests.Techcaliencwasmeasuredudertwenrioswit/witoutigationwater）dco influencingefcencylossereanald.Result]TeaveragetechicalfncyofgainproductioinGuizourangedbetwnO.02 and O.851 6.Irrigation water improved efficiency by 1.4% ，butexcessive irrigation led to a negative coefficient（-O.O40 5）.Technical inefficiencydomiaedl.Keysddgatiesihbohatiatidroos tivecoelatiosiertlitdgcuraloutputsaeRegioalsparitssicatiageide est mechanization level，while Bijie had the lowest. Irrigation coverage reached 47. 2% in Qiandongnan but only 16. 08% in Bijie. Extreme weather events（e.g.，the Southwest China drought） caused an 8. 3% efficiency decline after 2O11.[Conclusion] Guizhou should enhance watersavingidudcdt， sownareaptiiohaioupgadsndopucureadustsaecommeddtovecoesoceostratsd sustainable grain production growth.

KeywordsEconomerics;Effectiveutilzationcoeffcintoffrmlandirigationwater;Stochasticfrontierproductionfunction

為了破解日益嚴(yán)重的資源、環(huán)境、生態(tài)問題和經(jīng)濟(jì)社會發(fā)展困境，黨的十八大將生態(tài)文明建設(shè)提升到戰(zhàn)略層面，納入社會主義現(xiàn)代化建設(shè)總體布局，突出全面促進(jìn)資源節(jié)約，加強(qiáng)水源地保護(hù)和用水總量管理，推進(jìn)水循環(huán)利用，建設(shè)節(jié)水型社會。該研究針對目前灌溉用水效率指標(biāo)測算方法周期長、工作量大等特點(diǎn)，以農(nóng)業(yè)生產(chǎn)技術(shù)效率工作對象，吸收計量經(jīng)濟(jì)學(xué)方法，構(gòu)建農(nóng)業(yè)生產(chǎn)技術(shù)效率測算模型，選取影響農(nóng)業(yè)生產(chǎn)技術(shù)效率的各種因素，評估農(nóng)業(yè)投入與產(chǎn)出影響因素，為后續(xù)開展農(nóng)田灌溉用水效率評價作準(zhǔn)備。

1研究綜述

生產(chǎn)效率測度一直是經(jīng)濟(jì)學(xué)研究的重要議題，各國學(xué)者在不同歷史階段結(jié)合方法論創(chuàng)新展開了系統(tǒng)性探索。早期研究以國際比較為核心，Kawagoe等[1通過構(gòu)建總生產(chǎn)率指數(shù)對跨國農(nóng)業(yè)部門進(jìn)行橫截面分析，揭示出同一經(jīng)濟(jì)發(fā)展階段國家間勞動生產(chǎn)率差異較小。在方法論層面，F(xiàn)arrell突破傳統(tǒng)指數(shù)局限，提出包含全部投人要素的生產(chǎn)效率評估框架，為后續(xù)研究奠定理論基礎(chǔ)。隨著運(yùn)籌學(xué)方法應(yīng)用深化，Charnes等[3在1977年實(shí)現(xiàn)重要突破：CCR模型首次將數(shù)學(xué)規(guī)劃引入效率評估，構(gòu)建起數(shù)據(jù)包絡(luò)分析（DEA）的基本框架；同期提出的BCC模型通過規(guī)模收益可變假設(shè)擴(kuò)展了方法適用性，使得DEA成為生產(chǎn)效率研究的標(biāo)準(zhǔn)化工具。這一方法創(chuàng)新推動實(shí)證研究向縱深發(fā)展，Armade[4基于DEA框架對77國農(nóng)業(yè)部門展開系統(tǒng)評估，首次實(shí)現(xiàn)全要素生產(chǎn)率指標(biāo)的跨國可比測算。進(jìn)人21世紀(jì)，研究方法呈現(xiàn)多元化趨勢。Shanmugam等[5]針對印度250個農(nóng)業(yè)區(qū)的面板數(shù)據(jù)，創(chuàng)新性應(yīng)用隨機(jī)前沿分析（SFA）進(jìn)行技術(shù)效率估計，克服了傳統(tǒng)方法的確定性邊界缺陷。Ogundari則通過多元回歸分析法對非洲農(nóng)業(yè)效率研究進(jìn)行系統(tǒng)性梳理，基于442項(xiàng)前沿研究的證據(jù)鏈，首次定量識別出影響效率演變的關(guān)鍵驅(qū)動因素。這些方法論創(chuàng)新不斷拓展研究邊界，為政策制定提供了動態(tài)評估工具和實(shí)證依據(jù)。

國內(nèi)農(nóng)業(yè)生產(chǎn)效率研究呈現(xiàn)方法創(chuàng)新與地域深化并進(jìn)的特征。在方法學(xué)層面，學(xué)者們結(jié)合中國農(nóng)業(yè)特征對主流范式進(jìn)行適應(yīng)性改進(jìn)：王兵等率先引入SBM方向性距離函數(shù)與Luenberger生產(chǎn)率指標(biāo)，構(gòu)建1995—2008年省級農(nóng)業(yè)效率動態(tài)評估框架;史常亮等[8]發(fā)展固定效應(yīng)SFA-Malmquist指數(shù)法，有效處理省級面板數(shù)據(jù)的異質(zhì)性；劉戰(zhàn)偉等[則整合SBM與GlobalMalmquist方法，實(shí)現(xiàn)全要素生產(chǎn)率測算的系統(tǒng)優(yōu)化。同一時期，葛靜芳等[\"]基于FP指數(shù)方法的長周期（1985—2013年）省際TFP測算，為比較研究提供歷時性基準(zhǔn)。研究視角的創(chuàng)新體現(xiàn)在投入要素的拓展，如曲昊月等[1]將農(nóng)業(yè)生產(chǎn)性服務(wù)納入投入指標(biāo)體系，構(gòu)建35個經(jīng)濟(jì)體的多維效率評估模型。區(qū)域研究層面，葉文忠等[12]改進(jìn)超效率CCR模型對長江經(jīng)濟(jì)帶11省展開精細(xì)化分析，余玉敏等[13]則聚焦河南省域尺度探討效率驅(qū)動機(jī)制。

該研究以農(nóng)業(yè)生產(chǎn)技術(shù)效率為工作對象，提出Batteseamp;Coelli（1995）驗(yàn)證方法，通過應(yīng)用Batteseamp;Coelli（1995）模型建立農(nóng)業(yè)生產(chǎn)的技術(shù)效率模型，為后續(xù)開展實(shí)測灌溉水有效利用系數(shù)變化趨勢比較作準(zhǔn)備。具體內(nèi)容如下：農(nóng)業(yè)生產(chǎn)技術(shù)效率模型構(gòu)建。計量經(jīng)濟(jì)學(xué)中的Batteseamp;Coelli（1995）模型具有宏觀性，通過廣泛收集貴州省及各市統(tǒng)計年鑒、農(nóng)村統(tǒng)計年鑒及水資源公報等，選取農(nóng)業(yè)生產(chǎn)活動的投入指標(biāo)和產(chǎn)出指標(biāo)，同時構(gòu)建基于計量經(jīng)濟(jì)學(xué)理論的農(nóng)業(yè)生產(chǎn)隨機(jī)前沿生產(chǎn)函數(shù)模型（SFAP）或數(shù)據(jù)包絡(luò)分析法（DEA）分別計算農(nóng)業(yè)生產(chǎn)技術(shù)效率。

2 研究區(qū)概況

貴州省地處 103^°36^′～109^°35^′E?24^°37^′～29^°13^′N ，作為西南地區(qū)重要地理樞紐，處于湘、桂、滇、川、渝4省1市環(huán)抱之中，東西跨度約 595km ，南北縱距約 509km 。全省土地總面積17.62萬 km² ，約占全國陸地面積的 1.84% ，分屬長江、珠江兩大水系，其中長江流域占 65.7% ，珠江流域占 34.3% 。作為典型的內(nèi)陸山地省份，其自然稟賦特征顯著：喀斯特地貌發(fā)育形成獨(dú)特生態(tài)景觀，亞熱帶季風(fēng)氣候帶來溫潤環(huán)境，礦產(chǎn)資源與生物多樣性富集，同時作為多民族聚居區(qū)，融合了豐富的民族文化傳統(tǒng)。

統(tǒng)計數(shù)據(jù)顯示，貴州省現(xiàn)有蓄水工程20316處，總庫容為30.86億 m³ （未包括以發(fā)電為主水庫庫容），有效灌溉面積38.95萬 hm² ；引水工程58456處，有效灌溉面積27.54萬 hm² ;提水工程165處，有效灌溉面積3.75萬 hm² 。按規(guī)模來分：貴州省現(xiàn)無大型灌區(qū)，中型灌區(qū)236處，有效灌溉面積31.33萬 hm² ；小型灌區(qū)15871處，有效灌溉面積60.10萬 hm² 。

3模型建立

3.1模型選擇 當(dāng)前隨機(jī)前沿生產(chǎn)模型主要有ALS模型（1977年）CSS模型（1990年）LS模型（1993年）Batteseamp;Coelli（1992年）模型和Batteseamp;Coelli（1995）模型。ALS模型作為基礎(chǔ)框架，首次分離隨機(jī)誤差與技術(shù)非效率，但僅適用于截面數(shù)據(jù)且無法分析效率動態(tài)變化；CSS模型通過時間效應(yīng)函數(shù)改進(jìn)面板數(shù)據(jù)適應(yīng)性，但其“技術(shù)差異即效率差異”的隱含假設(shè)忽略外部環(huán)境差異，導(dǎo)致解釋力受限；LS模型采用非參數(shù)方法提升靈活性，但計算復(fù)雜且對數(shù)據(jù)時間跨度要求苛刻，難以推廣；Batteseamp;Coelli（1992）模型引入技術(shù)非效率的時變指數(shù)衰減假設(shè)，但未將效率差異與外部驅(qū)動因素（如政策、管理）關(guān)聯(lián)，無法解釋效率差異根源；Batteseamp;Coelli（1995）模型突破性地將技術(shù)非效率均值與外部解釋變量結(jié)合，支持一步法估計生產(chǎn)函數(shù)與效率驅(qū)動因子，同時兼容面板數(shù)據(jù)的動態(tài)效率分析。

選取Batteseamp;Coelli（1995）模型的根本原因在于：其直接關(guān)聯(lián)技術(shù)非效率與外部變量，滿足驅(qū)動因子量化需求；通過時變非效率項(xiàng)適應(yīng)長期面板數(shù)據(jù)（2001—2018年），避免靜態(tài)偏差；參數(shù) 驗(yàn)證產(chǎn)出差距主要由管理缺陷而非隨機(jī)誤差導(dǎo)致，與研究結(jié)論一致；同時，超越對數(shù)函數(shù)與Fron-tier程序支持復(fù)雜交互效應(yīng)的實(shí)證分析，契合貴州農(nóng)業(yè)生產(chǎn)的異質(zhì)性場景，顯著優(yōu)于其他模型的強(qiáng)假設(shè)局限。

3.2模型數(shù)據(jù)查閱貴州省統(tǒng)計年鑒、各市州統(tǒng)計年鑒、貴州省水資源公報、各市水資源公報，收集整理貴州省以及各市在2001—2018年農(nóng)業(yè)有關(guān)統(tǒng)計數(shù)據(jù)，采用此時間段數(shù)據(jù)主要有以下3個方面原因：一是政策背景契合性，2001—2018年覆蓋了貴州省生態(tài)文明建設(shè)與水資源嚴(yán)格管控的關(guān)鍵政策周期。黨的十八大將生態(tài)文明提升為國家戰(zhàn)略，貴州省作為生態(tài)脆弱區(qū)，此階段的水資源管理政策對糧食生產(chǎn)效率影響顯著；二是極端氣候事件代表性，2011年西南大旱導(dǎo)致貴州省糧食生產(chǎn)技術(shù)效率下降 8.3% ，研究需包含災(zāi)前災(zāi)后對比，分析災(zāi)害對效率的長期影響；三是數(shù)據(jù)完整性，貴州省水利基礎(chǔ)設(shè)施在2000年后加速發(fā)展，此時間段可完整反映灌溉用水與機(jī)械化投入對效率的動態(tài)作用。當(dāng)然，選取該時間段數(shù)據(jù)也存在時效性不足、政策性響應(yīng)滯后、氣候變化趨勢不及時等缺陷，但出于農(nóng)業(yè)年報、水資源公報等數(shù)據(jù)發(fā)布延遲，超越對數(shù)函數(shù)需長期面板數(shù)據(jù)保證參數(shù)穩(wěn)定性，新增數(shù)據(jù)可能因統(tǒng)計口徑變化破壞時序可比性等因素考慮，還是選取2001—2018年數(shù)據(jù)開展分析。

隨機(jī)前沿模型用到的原始數(shù)據(jù)序列見表1，包括生產(chǎn)要素投入（勞動力規(guī)模、機(jī)械動力總量、化肥施用折純量）、土地資源利用（農(nóng)作物總種植面積、糧食作物播種面積、有效灌溉面積）水資源管理（灌溉用水量）產(chǎn)出效益指標(biāo)（糧食總產(chǎn)量、農(nóng)業(yè)產(chǎn)值、農(nóng)林牧漁業(yè)總產(chǎn)值）4類指標(biāo)。

3.3模型構(gòu)建根據(jù)技術(shù)效率的兩種定義可知，隨機(jī)前沿方法包括隨機(jī)前沿生產(chǎn)函數(shù)（stochasticfrontieranalysisbasedonproduction）和隨機(jī)前沿成本函數(shù)（stochastic frontier analy-sisbasedoncost）。前者是用來描述在生產(chǎn)投人不變的條件下實(shí)際產(chǎn)量與前沿面產(chǎn)量之間差距的模型，后者是描述在市場價格和技術(shù)水平不變的條件下達(dá)到相同產(chǎn)出的最小成本和實(shí)際成本差距的模型。而技術(shù)非效率表示實(shí)際生產(chǎn)活動和前沿面生產(chǎn)活動的差距，即生產(chǎn)活動的最大潛力。該研究采用隨機(jī)前沿生產(chǎn)函數(shù)描述糧食生產(chǎn)的技術(shù)非效率情況

表1投入產(chǎn)出指標(biāo)的量綱

根據(jù)相關(guān)性分析結(jié)果和假設(shè)檢驗(yàn)，采用Batteseamp;Coelli（1995）模型，即超越對數(shù)隨機(jī)前沿生產(chǎn)函數(shù)，建立2001—2018 年貴州省糧食生產(chǎn)技術(shù)效率模型（考慮灌溉用水量）：

式中： Y 為糧食總產(chǎn)量（萬t）； L 為機(jī)械動力總量（億W）； H 為化肥施用折純量（萬t）； M 為糧食作物播種面積（萬 hm² ）；W 為灌溉用水量（億 m³ ）； T 為時間變量，2001—2018年分別為 1～18;i 為地市序號， 1，2，…，9;t 為年份，2001—2018年分別為 1～18;β_?0～β_?20 為解釋變量的系數(shù)，為待估參數(shù)； 和 V_it 含義同前所述。

技術(shù)非效率模型見式（2）：

U_it=δ₀+δ₁LJNJ+δ₂FLBL+δ₃DJHF+δ₄LJMJ+δ₅AR+δ₆IR+

式中：LJNJ為勞均機(jī)械動力總量（KW/人）;FLBL為非糧作物種植面積占農(nóng)作物總種植面積的比例 （%） ;DJHF為地均化肥施用折純量 （ kg/hm² ）;LJMJ為勞均糧食作物播種面積

（ ×10³hm²， 萬人）；AR為農(nóng)業(yè)產(chǎn)值占農(nóng)林牧漁業(yè)產(chǎn)值的比重（%） ;IR為灌溉面積比例，糧食灌溉面積/糧食作物播種面積 （%） δ_?1～δ_?6 為常數(shù)項(xiàng)和解釋變量系數(shù)。

技術(shù)效率計算公式如下：

式中 為標(biāo)準(zhǔn)正態(tài)分布的累積密度函數(shù)； E 表示求數(shù)學(xué)期望。

4假設(shè)檢驗(yàn)

隨機(jī)前沿生產(chǎn)函數(shù)的形式有很多種，因此，在計算之前要進(jìn)行模型的選擇。先將模型形式設(shè)定為包容性強(qiáng)大的超越對數(shù)隨機(jī)前沿函數(shù)，通過假設(shè)檢驗(yàn)對各種生產(chǎn)函數(shù)形式進(jìn)行排除和選擇，最后通過檢驗(yàn)的函數(shù)形式將用于技術(shù)效率的研究。

采用最大似然比檢驗(yàn)（LR檢驗(yàn)）法，確定函數(shù)形式。廣義似然比統(tǒng)計量計算公式如下：

λ=-2ln[L（H₀）/L（H₁）]

式中： L（*） 為似然函數(shù)； H₀ 和 H₁ 分別為零假設(shè)和備擇假設(shè)； λ 為廣義似然比統(tǒng)計量。

表2假設(shè)檢驗(yàn)結(jié)果

Table2 Hypothesis testing results

5糧食生產(chǎn)技術(shù)效率計算

5.1全省效率指標(biāo)統(tǒng)計此次選擇對糧食生產(chǎn)技術(shù)效率產(chǎn)生影響的因素有勞均糧食作物播種面積（LJMJ）、勞均機(jī)械動力總量（LJNJ）、地均化肥施用量折純量（DJHF））、非糧作物播種面積比例（FLBL）農(nóng)業(yè)產(chǎn)值占農(nóng)林牧漁業(yè)產(chǎn)值的比重（AR）灌溉面積比（IR），具體的指標(biāo)值見表3。

表3影響技術(shù)效率的指標(biāo)值（貴州省平均）

表3結(jié)果顯示，勞均機(jī)械動力總量、非糧食作物播種面積比例、地均化肥用量和灌溉面積比例呈現(xiàn)出逐年上升的趨勢，勞均糧食作物播種面積和農(nóng)業(yè)比重在一定水平范圍內(nèi)波動變化。

5.2市級行政區(qū)效率指標(biāo)值統(tǒng)計2001—2018年影響各市糧食生產(chǎn)技術(shù)效率的指標(biāo)的平均值見表4。如表4所示，貴陽市勞均機(jī)械動力總量最大，其次是六盤水市，畢節(jié)市農(nóng)業(yè)生產(chǎn)機(jī)械化水平最低。貴陽市非糧食作物播種面積比例最高，六盤水市最低。安順市地均化肥用量最大，其次是貴陽市，黔東南州最小。遵義市勞均糧食作物播種面積最大，其次是銅仁和畢節(jié)市，安順市最小。畢節(jié)市農(nóng)業(yè)比重占比最大，其次是貴陽市，黔西南州農(nóng)業(yè)比重最小。在灌溉面積比例方面，黔東南自治州值最大，其次是安順市，畢節(jié)市值最小。

表4影響技術(shù)效率的指標(biāo)值（市多年平均）

Table4Multi-year average values of technical effciency indicators（city-level）

5.3不考慮灌溉用水量的模型估算該研究運(yùn)用超越對數(shù)隨機(jī)前沿生產(chǎn)函數(shù)分別在考慮灌溉用水量和不考慮灌溉用水量2種情況下，選取2001—2018年的相關(guān)指標(biāo)的數(shù)據(jù)構(gòu)建基于面板數(shù)據(jù)的隨機(jī)前沿生產(chǎn)函數(shù)模型和效率損失模型，首先不考慮灌溉用水量計算糧食生產(chǎn)技術(shù)效率，其參數(shù)估計結(jié)果見表5。

不考慮灌溉用水量為解釋變量時，各市州2001—2018年平均的糧食生產(chǎn)技術(shù)效率分布如圖1所示。

不考慮灌溉用水量時，2001—2018年貴州省平均的糧食生產(chǎn)技術(shù)效率變化趨勢如圖2所示。

選取2005、2009和2015年貴州省各市州的糧食生產(chǎn)技術(shù)效率分布狀況進(jìn)行分析，如圖3所示。

表5前沿函數(shù)和效率函數(shù)估計結(jié)果

Table5 Frontier function and efficiency estimation results

從圖3對比貴州省各市州2005、2009及2015年糧食生產(chǎn)技術(shù)效率走勢，大部分市州在這3個代表年間糧食生產(chǎn)技術(shù)效率呈現(xiàn)出先增加后減小的趨勢。分析其原因：在對貴州省糧食生產(chǎn)技術(shù)效率起負(fù)面影響的因素中，勞均糧食作物播種面積（LJMJ）呈逐漸下降的趨勢。而對糧食生產(chǎn)技術(shù)起正面影響的因素中，地均化肥使用量（DJHF）呈逐年增長的趨勢，農(nóng)業(yè)比重（AR）基本保持在一定水平波動，總體呈增長趨勢?？紤]西南大旱災(zāi)的特殊氣象條件，因此貴州省各市州在2005、2009和2015年這3個代表年間糧食生產(chǎn)技術(shù)效率呈現(xiàn)先增長后下降的趨勢。

圖2貴州省平均技術(shù)效率2001一2018年際分布（隨機(jī)前沿法，不考慮灌溉用水量）

Fig.2Annual technical efficiency trends in Guizhou Province during20o1-2018（stochasticfrontiermethod，irrigation wateruse excluded）

5.4考慮灌溉用水量的模型估算考慮灌溉用水量，選取2001一2018年的相關(guān)指標(biāo)的數(shù)據(jù)構(gòu)建基于面板數(shù)據(jù)的隨機(jī)前沿生產(chǎn)函數(shù)模型與效率損失模型，參數(shù)估計結(jié)果見表6。

圖3各市代表年糧食生產(chǎn)技術(shù)效率分布（不考慮灌溉用水量） Fig.3Grain production technical efficiency of each city and prefectureinselected years（irrigationwateruseexcluded）

考慮灌溉用水量為解釋變量時，各市州2001—2018年平均的糧食生產(chǎn)技術(shù)效率分布見圖4。

考慮灌溉用水量時，2001—2018年貴州省平均的糧食生產(chǎn)技術(shù)效率變化趨勢如圖5所示。

選取2005、2009和2015年貴州省各市縣和自治州的糧食生產(chǎn)技術(shù)效率分布狀況來進(jìn)行分析，如圖6所示。

由圖6可知，與不考慮灌溉用水量時選用代表年進(jìn)行各市州糧食生產(chǎn)技術(shù)效率分布圖趨勢基本一致，貴州省大部分市州在這3個代表年份糧食生產(chǎn)技術(shù)效率呈現(xiàn)先增長后下降的趨勢。分析其原因：對糧食生產(chǎn)技術(shù)起正面影響的因素中，地均化肥使用量（DJHF）呈逐年增長的趨勢，農(nóng)業(yè)比重（AR）基本保持在一定水平波動，總體呈增長趨勢，在對貴州省糧食生產(chǎn)技術(shù)效率起負(fù)面影響的因素中，勞均糧食作物播種面積（LJMJ）呈逐漸下降的趨勢。而又由于西南大旱災(zāi)，使得2011年后糧食生產(chǎn)技術(shù)效率大幅下降，因而貴州省各市州在2005、2009和2015年這3個代表年份糧食生產(chǎn)技術(shù)效率呈現(xiàn)先增長后下降的趨勢。

表6隨機(jī)前沿函數(shù)與效率函數(shù)估算結(jié)果（考慮灌溉用水量）

Table 6Stochastic frontier function and efficiency function estimation results（including water use

圖5貴州省平均技術(shù)效率2001—2018年際分布（隨機(jī)前沿法，考慮灌溉用水量）

圖6各市代表年份糧食生產(chǎn)技術(shù)效率分布（考慮灌溉用水量） Fig.6Grain production technical efficiency in cities and prefectures of Guizhou Province in selected years（irrigation included）

6結(jié)論

從表5和表6的參數(shù)估計結(jié)果可以看出，影響糧食總產(chǎn)量的因素中，考慮灌溉用水量與不考慮灌溉用水量時化肥折純量對糧食總產(chǎn)量的影響是不同的。當(dāng)不考慮灌溉用水量時，化肥折純量對糧食總產(chǎn)量有小幅度正向影響；而當(dāng)考慮灌溉用水量時，化肥折純量對糧食總產(chǎn)量則有小幅度負(fù)向影響。由此說明在現(xiàn)有的生產(chǎn)技術(shù)條件下，通過化肥的投入已經(jīng)難以使得糧食生產(chǎn)技術(shù)效率再得以提升，與此同時甚至還會造成化肥的浪費(fèi)，需要加大對勞動力和播種面積的投人力度來實(shí)現(xiàn)糧食生產(chǎn)技術(shù)效率的提高。

在表5和表6中， γ 值均近似等于1，說明貴州省2001—2018年糧食實(shí)際生產(chǎn)狀況與理論最優(yōu)生產(chǎn)狀況的差距幾乎全是由于技術(shù)效率所引起的，計算統(tǒng)計誤差的影響較小，因此未來貴州糧食生產(chǎn)發(fā)展要在生產(chǎn)效率方面引起更多重視。

由表5和表6的平均糧食生產(chǎn)技術(shù)效率對比得知，當(dāng)考慮了灌溉用水量后，糧食生產(chǎn)技術(shù)效率提高，說明灌溉用水的技術(shù)水平發(fā)揮程度可以起到提高糧食生產(chǎn)技術(shù)效率的作用。但是，灌溉用水量的系數(shù)為負(fù)，說明貴州現(xiàn)有條件下灌溉用水的投入過剩，已經(jīng)造成了水資源浪費(fèi)，需合理減小灌溉用水量的投入。

由表5和表6的效率損失影響因素的系數(shù)估計結(jié)果可以看出，勞均糧食作物播種面積（LJMJ）、勞均機(jī)械動力總量（LJNJ）非糧食作物播種面積比例（FLBL）、灌溉面積比例（IR）指標(biāo)對糧食生產(chǎn)技術(shù)效率呈負(fù)相關(guān)，地均化肥折純量（DJHF）和農(nóng)業(yè)比重（AR）對糧食生產(chǎn)技術(shù)效率呈正相關(guān)，表明提高這2項(xiàng)指標(biāo)值可以相應(yīng)提高糧食生產(chǎn)的技術(shù)水平發(fā)揮程度，這點(diǎn)和實(shí)際生產(chǎn)情況是完全相符的。

圖2描述了在不考慮灌溉用水量時，貴州省9個市州在2001—2018年平均糧食生產(chǎn)技術(shù)效率的變化趨勢，糧食生產(chǎn)技術(shù)效率呈現(xiàn)出波動變化但總體上升的趨勢，變化出現(xiàn)了2001—2010和2011—2018年2個上升期，產(chǎn)生斷層的原因是西南大旱災(zāi)這一極端的氣象情況。圖5表述了在考慮灌溉用水量時，貴州9個市州在2001—2018年平均糧食生產(chǎn)技術(shù)效率的變化狀況，變化趨勢與不考慮灌溉用水量時基本一致，且平均技術(shù)效率有所上升，但程度有限。因此應(yīng)當(dāng)從提高灌溉用水技術(shù)效率出發(fā)，研究提高糧食生產(chǎn)的技術(shù)效率的途徑，從而實(shí)現(xiàn)提高糧食總產(chǎn)量的目標(biāo)。

參考文獻(xiàn)

[1]KAWAGOE T，HAYAMI Y. An intercountry comparison of agricultural production efficiency[J].American joumal of agricultural economics，1985，67 （1）：87-92.

[2]FARRELL MJ.The measurement of productive efficiency[J].Joumal of theroyal statistical society：SeriesA，1957，120（3） ：253-290.

[3]CHARNESA，COOPERWW，RHODESE.Measuring the efficiencyof decision making units[J]. European joumal of operational research，1978，2 （6）：429-444.

[4]ARNADE CA.Using data envelopment analysis to measure international agricultural efficiency and productivity[R].United States Department of Agriculture，1994.

[5]SHANMUGAMKR，VENKATARAMANI A.Technical efficiency inagricultural production and its determinants：An exploratory study at the districtlevel[J].Indian journal ofagricultural economics，2OO6，61（2）：2-17.

[6]OGUNDARI K.The paradigm of agriculturai efficiency and its implication onfood security in Africa：What doesmeta-analysis reveal[J].World development，2014，64：690-702.

[7]王兵，楊華，朱寧.中國各省份農(nóng)業(yè)效率和全要素生產(chǎn)率增長：基于 SBM方向性距離函數(shù)的實(shí)證分析[J].南方經(jīng)濟(jì)，2011（10）：12-26.

[8]史常亮，朱俊峰，揭昌亮.中國農(nóng)業(yè)全要素生產(chǎn)率增長地區(qū)差異及收斂 性分析：基于固定效應(yīng)SFA模型和面板單位根方法[J].經(jīng)濟(jì)問題探 索，2016（4） ：134-141.