程 婷，劉伯霞，柴 洪

（甘肅農(nóng)業(yè)大學(xué) 財經(jīng)學(xué)院，甘肅 蘭州 730070）

0 引言

我國脫貧攻堅戰(zhàn)已取得全面勝利，同時，我國發(fā)展不平衡不充分的問題仍然突出，農(nóng)業(yè)基礎(chǔ)不穩(wěn)固?！笆奈濉币?guī)劃指出，全面實施鄉(xiāng)村振興戰(zhàn)略，提高農(nóng)業(yè)質(zhì)量效益，需要不斷提高農(nóng)業(yè)綜合生產(chǎn)能力。四川是全國13 個糧食主產(chǎn)區(qū)之一，是農(nóng)業(yè)大省。2010—2018年四川省農(nóng)業(yè)生產(chǎn)總值呈逐年遞增趨勢，平均增長率為7.49%。一方面，農(nóng)業(yè)現(xiàn)代化水平不斷提升，不斷涌現(xiàn)出新的農(nóng)業(yè)生產(chǎn)經(jīng)營方式，農(nóng)業(yè)生產(chǎn)效率成為影響農(nóng)業(yè)農(nóng)村發(fā)展、農(nóng)民收入的關(guān)鍵因素，是鄉(xiāng)村振興的基礎(chǔ)。另一方面，為了解四川省各市（州）近年來的農(nóng)業(yè)生產(chǎn)效率情況，更好地指導(dǎo)區(qū)域間資源的合理配置，本文運用三階段DEA 模型對四川省2010 年、2014年、2018 年的21 個市（州）的農(nóng)業(yè)生產(chǎn)效率進行評價研究。

1 研究方法與數(shù)據(jù)說明

1.1 三階段DEA 模型

目前學(xué)術(shù)界研究農(nóng)業(yè)生產(chǎn)效率的評價方法主要有數(shù)據(jù)包絡(luò)分析方法（DEA）和隨機前沿分析法（SFA）。由于DEA 方法具有客觀、簡便以及無須事先估計生產(chǎn)函數(shù)等優(yōu)點[1]，被廣泛用于農(nóng)業(yè)生產(chǎn)效率的評價[2]。但是DEA 方法無法克服農(nóng)業(yè)生產(chǎn)的天然不確定性，即無法剔除環(huán)境因素及隨機誤差帶來的擾動，因此，F(xiàn)ried[3]提出了三階段DEA 模型，使得到的效率值更真實、更準確。本文綜合采用DEA 方法和SFA 方法，其具體的操作步驟可以分為以下三個階段：

第一階段：傳統(tǒng)的DEA 模型。DEA 方法中，CCR 模型和BCC 模型最常見且受到眾多學(xué)者的青睞，Charnes等所提出的CCR 模型適用范圍是規(guī)模報酬不變前提下的效率測度分析。Banker 等提出的BCC 模型適用范圍是規(guī)模報酬可變前提下的效率測度分析。此外，DEA模型的建立分為投入導(dǎo)向與產(chǎn)出導(dǎo)向，本文選用DEA的BCC 模型。對每一個決策單元[4]，投入導(dǎo)向的BCC模型表示如下：

從DEA 模型得出的效率值為綜合技術(shù)效率，可以進一步將其分解[5]，即綜合技術(shù)效率= 純技術(shù)效率×規(guī)模效率。

第二階段：構(gòu)建相似SFA 回歸模型。根據(jù)Fried 等人[3]的想法，可以構(gòu)造如下類似SFA 回歸函數(shù)（投入導(dǎo)向）：

首先根據(jù)Jondow 等（1982）的思路對管理無效率進行分離，公式如下：

第三階段：調(diào)整后的DEA 模型。將調(diào)整后得到的投入變量數(shù)據(jù)和原始產(chǎn)出變量數(shù)據(jù)，重復(fù)DEA 第一階段計算過程，再次測算各決策單元效率值。

1.2 評價指標構(gòu)建與數(shù)據(jù)來源

1.2.1 指標構(gòu)建。根據(jù)馬鳳才[6]、魯慶堯[7]、王博[8]等學(xué)者的研究以及指標選取客觀性、易獲得性等原則，本文對四川農(nóng)業(yè)生產(chǎn)效率進行評價選取一個產(chǎn)出指標，四個投入指標和三個反映環(huán)境因素的指標。具體選取情況如表1 所示。

表1 四川農(nóng)業(yè)生產(chǎn)效率指標體系

1.2.2 數(shù)據(jù)來源。本文研究數(shù)據(jù)主要來自2010—2018年的《中國統(tǒng)計年鑒》和《四川統(tǒng)計年鑒》。

2 實證分析

本文以四川省21 個市（州）為研究對象[9]，樣本容量大于投入與產(chǎn)出指標之積的兩倍，符合DEA 分析的要求。

2.1 第一階段：傳統(tǒng)的DEA 分析

利用DEAP 2.1 軟件VRS 模塊分別對2010 年、2014 年、2018 年四川省21 個市（州）農(nóng)業(yè)生產(chǎn)的截面數(shù)據(jù)進行DEA 模型分析，其測算結(jié)果如表2 所示。

表2 第一階段農(nóng)業(yè)生產(chǎn)效率變化表

2.1.1 綜合效率分析。從四川整體來看，2010 年、2014年、2018 年這三年里的綜合效率平均值都小于1，分別為0.836、0.88、0.818，說明四川農(nóng)業(yè)綜合效率總體未處于生產(chǎn)前沿面上，尚有提升空間。從單個年份來看，2010 年只有五個地區(qū)的綜合技術(shù)效率達到了最優(yōu)，包括成都、遂寧、南充、達州、甘孜，即處于生產(chǎn)前沿面上，有12 個市（州）的綜合技術(shù)效率低于平均效率值0.836；2014 年的數(shù)據(jù)顯示，有6 個市（州）的綜合技術(shù)效率值為1，分別是成都、瀘州、德陽、內(nèi)江、南充、甘孜，與2010 年相比，只有遂寧和達州這兩個地區(qū)綜合技術(shù)效率降低，沒有處于生產(chǎn)前沿面上，但也高于平均效率值0.88，有7 個市（州）綜合技術(shù)效率低于平均水平；2018 年只有4 個市（州）綜合技術(shù)效率達到了最優(yōu)，分別是成都、遂寧、雅安、甘孜，其中成都和甘孜表現(xiàn)最穩(wěn)定，在這三個年份里綜合技術(shù)效率均為1。

2.1.2 純技術(shù)效率分析。從純技術(shù)效率平均值來看，2010年、2014 年、2018 年分別為0.877、0.903、0.864，2014 年較2010 年提高了3%，但在2018 年降低了4.3%。從單個年份來看，2010 年純技術(shù)效率有效的市（州）包括成都、遂寧等9 個地區(qū)，占比43%；2014 年純技術(shù)效率有效的包括成都、南充等10 個市（州），占比48%；2018年純技術(shù)效率有效的包括成都、自貢等7 個市（州），占比33%。這三個年份中，只有成都、自貢、攀枝花、遂寧、阿壩州、甘孜州這6 個地區(qū)表現(xiàn)最穩(wěn)定，均達到了純技術(shù)效率有效。南充和德陽在2010 年和2014 年純技術(shù)效率均為有效，在2018 年非有效，但也高于同年純技術(shù)效率平均值。

2.1.3 規(guī)模效率與規(guī)模收益分析。從規(guī)模效率平均值來看，2010 年、2014 年、2018 年分別為0.949、0.971、0.941，均在0.9 以上，說明規(guī)模效率整體較好。從單個年份來看，2010 年規(guī)模效率有效的市（州）包括成都、遂寧、南充、達州、甘孜州共五個地區(qū)，占比24%；2014年，規(guī)模效率有效的市（州）有6 個，分別是成都、瀘州、德陽、內(nèi)江、南充、甘孜州，占比29%；2018 年，規(guī)模效率有效的市（州）包括成都、遂寧、雅安、甘孜州共四個地區(qū)，占比19%。成都和甘孜州在這三個年份里均表現(xiàn)出規(guī)模效率有效，規(guī)模收益不變，說明這兩個地區(qū)農(nóng)業(yè)生產(chǎn)相對穩(wěn)定，且效率較好，達到了最佳生產(chǎn)狀態(tài)。從農(nóng)業(yè)生產(chǎn)規(guī)模收益變化來看，2010 年沒有出現(xiàn)規(guī)模報酬遞減的地區(qū)，為“五恒十六增”，2014 年為“六恒十一增四減”，2018 年為“四恒十四增三減”，其中有兩個地區(qū)在這三年里均處于規(guī)模報酬不變狀態(tài)，有七個市（州）在這三年里均處于規(guī)模報酬遞增狀態(tài)。

2.2 第二階段：似SFA 回歸結(jié)果分析

將第一階段得到的四個投入變量的松弛變量作為被解釋變量，三個環(huán)境變量作為解釋變量，對2010 年、2014 年、2018 年的變量分別建立似SFA 回歸方程，使用Frontier 4.1 軟件進行計算，其測算結(jié)果整理如表3所示。

由表3 可知，廣義單邊似然比檢驗值均大于5%顯著性水平下的標準值，說明SFA 模型的設(shè)定是合理的。投入變量冗余值與三個環(huán)境變量之間大多能通過10%置信水平顯著性檢驗，說明本文所選的環(huán)境變量對于四川省2010 年、2014 年、2018 年21 個市（州）的農(nóng)業(yè)投入指標值產(chǎn)生了影響。

表3 2010 年、2014 年、2018 年外部環(huán)境變量的SFA 回歸結(jié)果

2.2.1 農(nóng)村居民人均可支配收入對各投入松弛變量的影響。整體來看，該變量在2010 年、2014 年和2018年這三個年份里，對四種投入松弛變量的系數(shù)均為負數(shù)，基本都能通過10%的顯著性檢驗，說明隨著農(nóng)村居民人均可支配收入的提高，會降低投入變量的冗余值，從而對農(nóng)業(yè)生產(chǎn)效率產(chǎn)生積極作用。

2.2.2 農(nóng)林水事務(wù)支出對各投入松弛變量的影響。農(nóng)林水事務(wù)支出對四種投入松弛變量僅在2018 年全部通過10%的顯著性檢驗，其余年份均未通過，說明2010 年和2014 年該環(huán)境變量對投入松弛變量的影響不顯著。整體來看，該變量在2010 年、2014 年和2018年這三個年份里，對四種投入松弛變量的系數(shù)均為負數(shù)，說明政府在農(nóng)林水事務(wù)方面的財政投入在一定程度上能夠提升農(nóng)業(yè)生產(chǎn)效率。

2.2.3 城鎮(zhèn)化率對各投入松弛變量的影響。城鎮(zhèn)化率除了在2010 年對農(nóng)作物播種面積的投入松弛變量影響為正數(shù)外，其余年份對四種投入松弛變量的影響均為負數(shù)，且大部分都能通過10%顯著性檢驗，說明隨著城鎮(zhèn)化率的提高，投入冗余值會減少，對農(nóng)業(yè)生產(chǎn)效率產(chǎn)生積極的影響。

2.3 第三階段：調(diào)整投入后的DEA 效率分析

將調(diào)整后的投入值與原始產(chǎn)出值再次運用DEAP 2.1 軟件進行測算，整理結(jié)果如表4 所示。

對比表2 和表4 可知，2010 年調(diào)整前后處于技術(shù)效率前沿面的市（州）無變化；2014 年調(diào)整后處于技術(shù)效率前沿面的市（州）從6 個減少為5 個，其中南充在調(diào)整后的綜合技術(shù)效率值小于1，說明環(huán)境變量對其影響較大；2018 年處于技術(shù)效率前沿面的市（州）由4個上升到5 個，其中成都、遂寧、雅安、甘孜州仍處于技術(shù)效率前沿面，說明這幾個地區(qū)的農(nóng)業(yè)生產(chǎn)效率確實較好。整體來看，這三個年份的綜合技術(shù)效率均值除了2018 年不變外，其余兩個年份均下降，其中2010年調(diào)整后的均值為0.79，與調(diào)整前0.836 相比下降了6%，2014 年調(diào)整前的綜合技術(shù)效率均值為0.88，調(diào)整后下降了4%為0.849，主要是純技術(shù)效率下降所致。

表4 第三階段農(nóng)業(yè)生產(chǎn)效率變化表

以0.9 的效率值為高效率的臨界點[10]，對2018 年按照純技術(shù)效率及規(guī)模效率進行劃分，可將四川農(nóng)業(yè)生產(chǎn)效率分為四種類型，第一種為“雙高型”，即純技術(shù)效率及規(guī)模效率均在0.9 以上，包括處于技術(shù)效率前沿面的成都、遂寧、雅安、資陽、甘孜州，此外還有自貢、德陽、南充、宜賓和阿壩州，這類地區(qū)農(nóng)業(yè)生產(chǎn)水平較高，所需改進較小。第二種為“純技術(shù)效率型”，即純技術(shù)效率高于0.9，而規(guī)模效率低于0.9，如攀枝花和內(nèi)江，其農(nóng)業(yè)生產(chǎn)效率應(yīng)著重改進的方向為規(guī)模效率，變革的重點是擴大農(nóng)業(yè)生產(chǎn)規(guī)模，實現(xiàn)資源的集中配置。第三種為“規(guī)模效率型”，即純技術(shù)效率在0.9以下但規(guī)模效率在0.9 以上，包括樂山、眉山、廣安、達州和涼山州，這一類地區(qū)在后續(xù)發(fā)展中要突出改進純技術(shù)效率，提高技術(shù)管理水平。第四種類型為“雙低型”，即純技術(shù)效率和純規(guī)模效率都在0.9 以下，包括瀘州、綿陽、廣元、巴中，這些地區(qū)農(nóng)業(yè)生產(chǎn)條件往往較差，農(nóng)業(yè)勞動生產(chǎn)率和土地產(chǎn)出率較低，因此在農(nóng)業(yè)生產(chǎn)效率的改進方向上既要提高農(nóng)業(yè)生產(chǎn)科技水平，加強新型職業(yè)農(nóng)民的培育，也要發(fā)展農(nóng)業(yè)適度規(guī)模經(jīng)營，注重提高農(nóng)業(yè)生產(chǎn)規(guī)?；?。

3 結(jié)論與建議

經(jīng)過第三階段調(diào)整后各市（州）農(nóng)業(yè)生產(chǎn)效率發(fā)生明顯變化，表明環(huán)境因素和隨機誤差是農(nóng)業(yè)生產(chǎn)效率評價中不可忽視的重要因素。農(nóng)村居民人均可支配收入和農(nóng)林水事務(wù)支出的提高可以減少農(nóng)作物總播種面積、農(nóng)業(yè)機械總動力、農(nóng)、林、牧、漁業(yè)就業(yè)人數(shù)的投入冗余；城鎮(zhèn)化率的提高能減少絕大部分投入變量的冗余值，有利于其生產(chǎn)效率的提高。從縱向來看，經(jīng)第二階段調(diào)整后的農(nóng)業(yè)生產(chǎn)效率在2010 年、2014 年、2018 年的均值分別為0.79、0.849、0.818，與調(diào)整前的0.836、0.88、0.818 相比，2018 年無變化，其余年份均下降。對2018 年各市按照0.9 的效率值為臨界點，將四川各市（州）的農(nóng)業(yè)生產(chǎn)效率劃分為四種類型，即“雙高型”“純技術(shù)效率型”“規(guī)模效率型”和“雙低型”。四川各市（州）由于實際生產(chǎn)條件等情況不同，應(yīng)該因地制宜發(fā)展多種農(nóng)業(yè)生產(chǎn)，強化農(nóng)業(yè)生產(chǎn)基礎(chǔ)設(shè)施和防災(zāi)體系建設(shè)，推進規(guī)模經(jīng)營，提高財政支農(nóng)力度。

四川省21 個市（州）中，只有成都和甘孜州在2010 年、2014 年和2018 年里綜合技術(shù)效率均達到最優(yōu)，處于技術(shù)效率前沿面上。2010 年，綜合效率低于平均值的市（州）共有11 個，包括攀枝花、瀘州、綿陽、廣元、內(nèi)江、樂山、眉山、雅安、巴中、資陽和阿壩州，其綜合效率的平均值僅為0.662。2014 年，綜合效率低于平均值的市（州）共有8 個，包括廣元、遂寧、眉山、廣安、達州、雅安、巴中、資陽，主要分布在成都經(jīng)濟區(qū)和川東北經(jīng)濟區(qū)，其綜合效率平均值為0.712。2018 年，綜合效率低于平均值的市（州）共有9 個，包括攀枝花、瀘州、綿陽、廣元、內(nèi)江、樂山、廣安、巴中、涼山州，其綜合效率平均值僅為0.64，說明四川省各市（州）間農(nóng)業(yè)生產(chǎn)效率差距較大，四川各區(qū)域之間應(yīng)該加強區(qū)域協(xié)同效應(yīng)，對于那些實現(xiàn)規(guī)?；⒓s化和高效化的農(nóng)業(yè)生產(chǎn)效率較好的地區(qū)，可以組織其將先進的農(nóng)業(yè)生產(chǎn)技術(shù)和高效的農(nóng)業(yè)生產(chǎn)管理制度推介給那些處于農(nóng)業(yè)生產(chǎn)低效率的地區(qū)，為推進鄉(xiāng)村振興提供堅實基礎(chǔ)。