滿倉(cāng)寶，王盼盼，李慧玲

（新疆師范大學(xué)商學(xué)院，烏魯木齊 830017）

中國(guó)與巴基斯坦兩國(guó)的人民和政府具有深厚的友誼，提出建設(shè)中巴經(jīng)濟(jì)走廊設(shè)想、以走廊建設(shè)為中心構(gòu)建“1+4”經(jīng)濟(jì)合作布局，得到巴基斯坦政府的積極響應(yīng)和支持。這些都展現(xiàn)了中國(guó)與巴基斯坦有著密切的合作關(guān)系，關(guān)注和研究巴基斯坦是十分必要的，而巴基斯坦又是一個(gè)農(nóng)業(yè)大國(guó)，對(duì)其農(nóng)業(yè)的研究就顯得極其重要，在當(dāng)今面臨糧食危機(jī)的年代，農(nóng)業(yè)中糧食又是其中的重中之重，糧食的根本還是糧食的生產(chǎn)效率，所以對(duì)其糧食生產(chǎn)效率的研究十分有意義。

在經(jīng)濟(jì)學(xué)研究中，關(guān)于糧食生產(chǎn)效率的問(wèn)題，很早就被討論到了，并且一直是研究的熱點(diǎn)問(wèn)題，隨著糧食安全問(wèn)題的影響不斷擴(kuò)大，近些年關(guān)于糧食生產(chǎn)效率問(wèn)題成了各領(lǐng)域?qū)W者研究的重中之重。[1]目前，我國(guó)的學(xué)者大多數(shù)都是采用數(shù)據(jù)包絡(luò)（DEA）的方法研究農(nóng)業(yè)生產(chǎn)效率：譚忠昕[2]認(rèn)為我國(guó)對(duì)糧食生產(chǎn)率的研究主要有三個(gè)方面，一是不同測(cè)算方法，二是不同地區(qū)的差異，三是影響的因素。白林等[3]使用面板數(shù)據(jù)測(cè)算了我國(guó)農(nóng)業(yè)全要素生產(chǎn)率；詹禮輝等[4]對(duì)我國(guó)不同地區(qū)的農(nóng)業(yè)全要素生產(chǎn)率進(jìn)行了研究；陳衛(wèi)平[5]、周端明[6]運(yùn)用非參數(shù)的Malmquist 指數(shù)法研究了中國(guó)農(nóng)業(yè)全要素生產(chǎn)率；王桂波、[7]侯琳[8]基于超效率DEA Malmquist 指數(shù)對(duì)我國(guó)農(nóng)業(yè)生產(chǎn)效率進(jìn)行分析；朱永東、[9]楊力等[10]基于超效率DEA Malmquist 指數(shù)對(duì)學(xué)校院系績(jī)效、區(qū)域研發(fā)效率進(jìn)行了研究。綜合使用超效率SBM模型和Malmquist 指數(shù)法對(duì)巴基斯坦及4 個(gè)省級(jí)地區(qū)糧食生產(chǎn)效率同時(shí)從靜態(tài)和動(dòng)態(tài)兩方面進(jìn)行研究比單一方法更可靠。

一、巴基斯坦農(nóng)業(yè)現(xiàn)狀

農(nóng)業(yè)在巴基斯坦具有重要地位，可以說(shuō)是巴基斯坦的經(jīng)濟(jì)命脈。2018年巴基斯坦國(guó)內(nèi)生產(chǎn)總值約37.9723 萬(wàn)億盧比，在國(guó)內(nèi)生產(chǎn)總值中，“三產(chǎn)”所占的比重分別為18.74%、19.74%、61.52%。巴基斯坦主要農(nóng)作物有小麥、大米、玉米、棉花、甘蔗，產(chǎn)量占農(nóng)業(yè)增加值的21.90%和GDP 的4.06%，其他農(nóng)作物產(chǎn)量分別占11.21%和2.08%，牲畜產(chǎn)量分別占60.54%和11.22%。其他重要農(nóng)產(chǎn)品包括水果、蔬菜、牛奶、牛肉、羊肉等。

由表1 可以看到各主要農(nóng)作物的耕種面積和產(chǎn)量，產(chǎn)量最多的農(nóng)作物是棉花跟甘蔗，糧食類農(nóng)作物產(chǎn)量與耕種面積都小于棉花和甘蔗產(chǎn)量、面積，所以研究糧食生產(chǎn)效率，提高糧食產(chǎn)量對(duì)巴基斯坦非常重要。

表1 2004-2018年巴基斯坦主要農(nóng)作物的面積和產(chǎn)量

由圖1 可以看出，巴基斯坦的糧食作物產(chǎn)量總體趨勢(shì)是增加的，個(gè)別年份有減少，而且整體的增加趨勢(shì)都相對(duì)緩慢。相比較旁遮普其他三個(gè)地區(qū)的糧食作物產(chǎn)量是比較低的，遠(yuǎn)遠(yuǎn)低于這一地區(qū)。產(chǎn)量低的原因有很多，可能是耕地面積、灌溉面積，本身投入就少，并不能說(shuō)明其生產(chǎn)效率就低。巴基斯坦農(nóng)業(yè)生產(chǎn)系統(tǒng)是相對(duì)脆弱的，農(nóng)業(yè)基礎(chǔ)設(shè)施也比較落后，先進(jìn)農(nóng)業(yè)生產(chǎn)技術(shù)不夠普及，農(nóng)業(yè)生產(chǎn)效率相對(duì)較低，農(nóng)業(yè)配套產(chǎn)業(yè)不夠完善，不能很好地發(fā)揮農(nóng)業(yè)比較優(yōu)勢(shì)和潛能。[11]

圖1 2004-2018年巴基斯坦糧食作物產(chǎn)量

根據(jù)巴基斯坦的第六次全國(guó)人口普查報(bào)告顯示，巴基斯坦人口達(dá)到2.08 億，巴基斯坦勞動(dòng)力分布情況大致為：農(nóng)業(yè)38.5%、制造業(yè)16.1%、建筑業(yè)7.6%、批發(fā)零售14.9%、倉(cāng)儲(chǔ)運(yùn)輸6.2%、社區(qū)服務(wù)14.7%、其他（采礦、金融等）2%。農(nóng)業(yè)為38.5%的勞動(dòng)力提供就業(yè)機(jī)會(huì)，以農(nóng)業(yè)為生計(jì)的人口占全國(guó)人口的59.5%。

二、研究方法與指標(biāo)選取

（一）研究方法

自從 Charnes，Cooper 和 Rhodes[12]應(yīng)新的環(huán)境要求并不斷改進(jìn)，到現(xiàn)在有上百種組合的模型。DEA的優(yōu)點(diǎn)有很多，從根來(lái)說(shuō)該方法對(duì)投入產(chǎn)出的生產(chǎn)函數(shù)形態(tài)及數(shù)據(jù)單位均沒(méi)有太多要求，并且模型中的權(quán)重由數(shù)學(xué)規(guī)劃根據(jù)數(shù)據(jù)產(chǎn)生,不需提前去設(shè)定，也因此DEA 在農(nóng)業(yè)生產(chǎn)效率測(cè)算研究中廣泛應(yīng)用。[13]糧食生產(chǎn)效率也屬于投入與產(chǎn)出的效率問(wèn)題，用DEA 方法測(cè)度糧食生產(chǎn)效率是非常合適的，其基本思想是綜合效率值越高，則其生產(chǎn)效率就越高。

一般的DEA 方法下容易忽視要素松弛造成結(jié)果偏差，相比較而言超效率DEA 模型考慮了要素松弛，是相對(duì)完善的一種效率模型。傳統(tǒng)DEA 方法在樣本少時(shí)，其結(jié)果效率往往都是1，這樣就無(wú)法進(jìn)行對(duì)比，進(jìn)一步去分析，而超效率DEA 能很好地解決這一問(wèn)題。利用Anderson 和Petersen[14]提出的超效率DEA 模型，構(gòu)建巴基斯坦糧食生產(chǎn)效率的超效率DEA 模型如下：

θ 綜合超效率值；每個(gè)決策單元有n 項(xiàng)輸入，m項(xiàng)輸出，即DUMj=（xj，yj），x=（x1j，x2j，…，xnj）T，yj=（y1j，y2j，…，ymj）T，Xij表示第i年第j 個(gè)決策單元的投入值；Yij表示第 i年第 j 個(gè)決策單元的產(chǎn)出值；i=1，2，…，t 為 t年；i=1，2，…，r 表示 r 個(gè)決策單元；λj表示第j 個(gè)決策單元的權(quán)重；Xk、Yk表示評(píng)價(jià)單元的投入、產(chǎn)出值；S-、S+表示松弛變量。[15]

將上述模型計(jì)算出的結(jié)果分為三類，[16]效率值θ＞1，表明該決策單元極有效或無(wú)可行解；效率值，表明該決策單元未達(dá)到有效：效率值θ=1，若模型中松弛變量S-、S+不全為零，則該決策單元為弱有效，若模型中松弛變量S-、S+全為零，則該決策單元為有效但非極有效。

在1953年，由瑞典經(jīng)濟(jì)學(xué)家Malmquist[17]提出的Malmquist 指數(shù)，當(dāng)時(shí)是為了測(cè)量不同時(shí)期的消費(fèi)變化問(wèn)題。之后，CAVES 等[18]提出了多投入和多產(chǎn)出條件下的Malmquist 生產(chǎn)率指數(shù)概念，并且將該指數(shù)運(yùn)用到生產(chǎn)效率的分析中。1994年，F(xiàn)ARE等[19]歸納出一種分析生產(chǎn)技術(shù)前沿和測(cè)量全要素生產(chǎn)率（Total Factor Productivity，簡(jiǎn)稱 TFP）非參數(shù)線性規(guī)劃法，并進(jìn)一步分解為技術(shù)變化指數(shù)和技術(shù)效率指數(shù)。

Malmquist 指數(shù)的分解如下式表示：

δt表示基于產(chǎn)出的距離函數(shù)；x、y 分別為投入與產(chǎn)出向量。

右端乘號(hào)之間分成兩個(gè)式子，左邊一項(xiàng)為技術(shù)效率變化指數(shù)，記作effch，右邊一項(xiàng)為技術(shù)進(jìn)步指數(shù)，記作techch。最終，Malmquist 生產(chǎn)效率指數(shù)M0（xt+1，yt+1，xt，yt）=effch×techch。

（二）指標(biāo)選取

糧食是一個(gè)寬泛的概念，普遍的對(duì)糧食的劃分可以分為廣義與狹義兩種。而在巴基斯坦糧食的定義則更傾向于狹義的范疇，它是指小麥、稻米、玉米、小米、豆類、高粱、大麥的總和，但不包含薯類與其他雜糧等。由于本文圍繞巴基斯坦國(guó)情背景下的糧食生產(chǎn)效率，且巴基斯坦糧食統(tǒng)計(jì)對(duì)糧食概念有明確的劃分，因此本文的糧食指以上六種作物的總和。

根據(jù)數(shù)據(jù)的相關(guān)性以及可獲取性，本文研究數(shù)據(jù)選取2004-2018年巴基斯坦和其4 個(gè)地區(qū)（旁遮普省、信德省、開伯爾- 普什圖省、俾路支?。?5年的糧食投入和產(chǎn)出為樣本，數(shù)據(jù)主要來(lái)自巴基斯坦《經(jīng)濟(jì)調(diào)查》和《農(nóng)業(yè)統(tǒng)計(jì)》，農(nóng)業(yè)勞動(dòng)力根據(jù)各省人口和農(nóng)林業(yè)從業(yè)人口占比計(jì)算得到。我們選取Y：糧食產(chǎn)量（千噸）作為產(chǎn)出指標(biāo)，X1：糧食播種面積（千公頃），X2：化肥消耗量（千噸），X3總灌溉面積（百萬(wàn)公頃），X4：農(nóng)業(yè)勞動(dòng)人口（千人），X5：農(nóng)業(yè)銀行提供的農(nóng)業(yè)信貸（百萬(wàn)盧比）為投入指標(biāo)。

由表2 可以看出，不同地區(qū)不同年份各投入產(chǎn)出的均值、標(biāo)準(zhǔn)差、最大值和最小值，無(wú)缺失數(shù)據(jù)，不同地區(qū)的投入產(chǎn)出相差較大，各地區(qū)農(nóng)業(yè)發(fā)展很不均衡。

表2 面板數(shù)據(jù)描述性統(tǒng)計(jì)

三、結(jié)果與分析

（一）超效率SBM 模型分析

根據(jù)超效率DEA 模型結(jié)果解釋，糧食生產(chǎn)效率按DEA 綜合效率值的高低分為“高”和“低”兩個(gè)狀態(tài)，其中高可以進(jìn)一步劃分較高和極高。[2]

使用 DEA-SolverPro 軟件選取 Super-SBM 模型，將2004-2018年巴基斯坦糧食生產(chǎn)效率相關(guān)指標(biāo)數(shù)據(jù)帶入模型中進(jìn)行處理，得到2004-2018年巴基斯坦及其四個(gè)地區(qū)的農(nóng)業(yè)生產(chǎn)綜合技術(shù)超效率值及平均數(shù)，具體計(jì)算結(jié)果見表4。

表4 2004-2018年巴基斯坦各地區(qū)農(nóng)業(yè)生產(chǎn)綜合技術(shù)超效率值及平均數(shù)

效率值小于1 的DEA 是無(wú)效的，大于1 的DEA 是有效的，等于1 的進(jìn)一步分為弱有效和強(qiáng)有效。從表4 中看以看出，各省份的農(nóng)業(yè)效率值基本都是大于1 的處在DEA 有效，但巴基斯坦整體農(nóng)業(yè)效率值是小于1 的處在非DEA 有效。均值排名由高到低的有俾路支省、信德省、旁遮普省、開伯爾- 普什圖省、巴基斯坦；按照表3 可知：平均效率極高的有一個(gè)地區(qū)，即俾路支省；平均效率高的有三個(gè)地區(qū)信德省、旁遮普省、開伯爾- 普什圖省，而整個(gè)巴基斯坦的平均效率值處在較低的生產(chǎn)效率。各地區(qū)各年份均值基本都大于1，DEA 大多數(shù)都是有效的，綜合效率并不高。存在DEA 無(wú)效情況，說(shuō)明巴基斯坦并沒(méi)有實(shí)現(xiàn)了糧食生產(chǎn)各投入要素的有效配置。因?yàn)槌蔇EA 模型并不代表其真實(shí)的效率值，而是對(duì)決策單元的效率值進(jìn)行了轉(zhuǎn)換，方便各決策單元比較，進(jìn)行下一步分析，真實(shí)的效率需要進(jìn)一步進(jìn)行投入的投影分析。

表3 綜合效率值的劃分

（二）巴基斯坦非有效DEA 糧食生產(chǎn)要素投影分析

糧食產(chǎn)量的高低，并不能說(shuō)明糧食生產(chǎn)效率的高低。由圖1 我們可以看出，糧食產(chǎn)量最大的地區(qū)是旁遮普省，然而旁遮普省的糧食生產(chǎn)率卻不是最高的，而且還是這幾個(gè)地區(qū)中倒數(shù)第二低位的。顯然旁遮普省并沒(méi)有實(shí)現(xiàn)糧食生產(chǎn)要素的最優(yōu)配置，如何實(shí)現(xiàn)生產(chǎn)要素的最優(yōu)配置，我們選取巴基斯坦整體為例進(jìn)行投影分析。

由表5 可以看出，巴基斯坦整體存在很多非有效的DEA年份，為了進(jìn)一步分析非DEA 農(nóng)業(yè)生產(chǎn)效率低下的原因，對(duì)非DEA 有效的巴基斯坦進(jìn)行投影分析，發(fā)現(xiàn)從2004-2018年的各項(xiàng)投入存在不同程度的冗余，最高冗余率達(dá)到18.9%之多，投入冗余量即可以達(dá)到有效生產(chǎn)前沿（所需要的調(diào)整量，各年份非DEA 農(nóng)業(yè)生產(chǎn)投入調(diào)整量見表5）。從表5中可以看出，投入變量X1冗余量最高的是2012年，冗余率達(dá)到7.32%，需要減少934.554 千公頃播種面積；投入變量X2冗余量最高的是2012年，冗余率達(dá)到15.895%，需要減少7.32 千噸化肥消耗；投入變量X3冗余量最高的是2012年，冗余率達(dá)到3.75%，需要減少0.7 千公頃灌溉面積；投入變量X4冗余量最高的是2010年，冗余率達(dá)到14.21%，需要減少11800.42 千農(nóng)業(yè)勞動(dòng)力；投入變量X5冗余量最高的是2017年，冗余率達(dá)到18.9%，需要減少15597.11百萬(wàn)盧比農(nóng)業(yè)貸款。農(nóng)業(yè)勞動(dòng)力基本每年都有大量的冗余，說(shuō)明有大量的農(nóng)業(yè)勞動(dòng)是多余的。由于非DEA 有效農(nóng)業(yè)生產(chǎn)各項(xiàng)投入存在不同程度的冗余，因而導(dǎo)致資源的浪費(fèi)，進(jìn)一步影響到糧食產(chǎn)量。總體上來(lái)看，巴基斯坦糧食生產(chǎn)效率仍有諸多提升空間，需要進(jìn)一步進(jìn)行挖掘。

表5 巴基斯坦非DEA 有效農(nóng)業(yè)生產(chǎn)各項(xiàng)投入調(diào)整量（%）

（三）Malmquist 指數(shù)分析

使用DEA-SolverPro13.1 軟件進(jìn)行Malmquist處理，得到巴基斯坦2004-2018年各地區(qū)Malmquist生產(chǎn)率指數(shù)及分解的技術(shù)效率、技術(shù)進(jìn)步（具體計(jì)算結(jié)果見圖2）。從圖2 可以看出巴基斯坦各地區(qū)農(nóng)業(yè)全要素生產(chǎn)率在2004-2018年雖然有小幅度波動(dòng)，但最終基本上都有增加，增加最多的是開伯爾，增加了0.534。增加的原因主要是由于技術(shù)進(jìn)步值大于技術(shù)效率值的結(jié)果，技術(shù)進(jìn)步和技術(shù)效率變動(dòng)的幅度并不是很大，導(dǎo)致這些地區(qū)全要素生產(chǎn)率的數(shù)值變動(dòng)的幅度也比較小。技術(shù)效率增加最多的是開伯爾，增加了0.206，技術(shù)進(jìn)步增加最多的也是開伯爾，增加了0.28。全要素生產(chǎn)率能夠增加主要依靠技術(shù)進(jìn)步的增加，因?yàn)榧夹g(shù)進(jìn)步的增加值大于技術(shù)效率的減小值，而技術(shù)進(jìn)步的減小值又小于技術(shù)效率的增加值。這說(shuō)明巴基斯坦農(nóng)業(yè)生產(chǎn)技術(shù)并沒(méi)有明顯的改進(jìn)，糧食生產(chǎn)效率并沒(méi)有在技術(shù)進(jìn)步上獲得更大的收益。

圖2 2004-2018 巴基斯坦糧食三種生產(chǎn)效率趨勢(shì)圖

圖2 是巴基斯坦各地區(qū)Malmquist 生產(chǎn)率指數(shù)分解平均趨勢(shì)圖，三種效率基本趨于一致，都在1附近有微小的浮動(dòng)，技術(shù)效率和全要素生產(chǎn)率基本上是同方向變化的，而技術(shù)進(jìn)步在開始的時(shí)候是朝著全要素生產(chǎn)率相反方向變動(dòng)，但之后卻慢慢地與全要素生產(chǎn)率同一趨勢(shì)變動(dòng)。正常隨著社會(huì)的進(jìn)步技術(shù)會(huì)越來(lái)越成熟，技術(shù)進(jìn)步往往會(huì)推動(dòng)生產(chǎn)率的提高，而巴基斯坦卻受到各種政策左右和自身環(huán)境原因?qū)е卢F(xiàn)有的技術(shù)沒(méi)有發(fā)揮重要的作用。

四、結(jié)論與建議

（一）結(jié)論

本研究采用超效率DEA 模型和Malmquist 指數(shù)法，分析了2004-2018年巴基斯坦及其4 個(gè)地區(qū)的農(nóng)業(yè)生產(chǎn)效率、全要素生產(chǎn)率。主要結(jié)論如下：第一，超效率DEA 及投影分析顯示，不同年份的不同地區(qū)結(jié)果大部分都是大于1 的，也就是說(shuō)各地區(qū)的DEA 都是有效的，只有巴基斯坦整體處于非DEA有效。糧食產(chǎn)量最多的旁遮普，農(nóng)業(yè)生產(chǎn)綜合效率卻是幾個(gè)地區(qū)倒數(shù)第二低的，表明產(chǎn)量高的地區(qū)往往生產(chǎn)綜合效率較低。進(jìn)一步對(duì)巴基斯坦進(jìn)行投影分析發(fā)現(xiàn)，各糧食生產(chǎn)投入環(huán)節(jié)存在嚴(yán)重的投入冗余或投入不足情況，主要是農(nóng)業(yè)勞動(dòng)量的冗余最為嚴(yán)重，糧食生產(chǎn)要素的配置不合理，通過(guò)對(duì)投入量的調(diào)整可以使生產(chǎn)效率達(dá)到前沿，進(jìn)一步提高生產(chǎn)率。第二，Malmquist 指數(shù)分析表顯示，巴基斯坦各地區(qū)農(nóng)業(yè)全要素生產(chǎn)率、技術(shù)效率和技術(shù)進(jìn)步都有輕幅度增長(zhǎng)，但技術(shù)進(jìn)步增加大于技術(shù)效率的增加，所以技術(shù)進(jìn)步是巴基斯坦農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的主要?jiǎng)恿?lái)源，但個(gè)別地區(qū)農(nóng)業(yè)技術(shù)進(jìn)步出現(xiàn)了負(fù)增長(zhǎng)，技術(shù)進(jìn)步?jīng)]有在巴基斯坦很好地體現(xiàn)出來(lái)，并不總是給農(nóng)業(yè)全要素生產(chǎn)率帶來(lái)快速的增長(zhǎng)。

（二）對(duì)策建議

基于以上分析和結(jié)論，以提高農(nóng)業(yè)生產(chǎn)效率為目的，增加糧食產(chǎn)出提出以下建議：

1.加強(qiáng)農(nóng)業(yè)生產(chǎn)技術(shù)的研發(fā)與推廣。根據(jù)前文分析，巴基斯坦的技術(shù)進(jìn)步并沒(méi)有很好地提升全要素生產(chǎn)率，所以應(yīng)該加大對(duì)技術(shù)的創(chuàng)新以及產(chǎn)品的研發(fā)，同時(shí)引進(jìn)先進(jìn)的農(nóng)業(yè)技術(shù)，并激勵(lì)和補(bǔ)貼使用先進(jìn)技術(shù)的農(nóng)戶。

2.加強(qiáng)區(qū)域農(nóng)業(yè)協(xié)調(diào)均衡發(fā)展。巴基斯坦各地區(qū)糧食產(chǎn)量有較大的差距，旁遮普地區(qū)的糧食產(chǎn)量遠(yuǎn)遠(yuǎn)高于其他幾個(gè)地區(qū)糧食產(chǎn)量，政府應(yīng)該加強(qiáng)這些地區(qū)扶持和引導(dǎo)，結(jié)合當(dāng)?shù)丨h(huán)境條件和氣候，尋找適合該地區(qū)種植的糧食作物。

3.加速傳統(tǒng)農(nóng)業(yè)向現(xiàn)代農(nóng)業(yè)的轉(zhuǎn)型。加強(qiáng)對(duì)先進(jìn)農(nóng)業(yè)技術(shù)的引進(jìn)，同高校聯(lián)合培養(yǎng)農(nóng)業(yè)人才，進(jìn)行農(nóng)業(yè)技術(shù)的推廣，對(duì)農(nóng)民進(jìn)行農(nóng)業(yè)種植宣傳，合理使用投入減少投入的冗余量，冗余的投入使用到其他地方，進(jìn)一步提高全要素生產(chǎn)率和糧食產(chǎn)量。