董旭 孟祥瑞

摘要 目的：測(cè)算江蘇省農(nóng)業(yè)全要素生產(chǎn)率，為轉(zhuǎn)變江蘇省農(nóng)業(yè)發(fā)展方式，促進(jìn)江蘇省農(nóng)業(yè)高質(zhì)量發(fā)展提供理論依據(jù)。方法：主要選取江蘇全省13個(gè)市的第一產(chǎn)業(yè)就業(yè)人數(shù)、農(nóng)業(yè)總播種面積、農(nóng)業(yè)機(jī)械總動(dòng)力、農(nóng)村用實(shí)際施用化肥量、農(nóng)村用電量、農(nóng)林牧業(yè)總產(chǎn)值6個(gè)指標(biāo)；通過測(cè)算DEA—BCC模型中綜合效率、純技術(shù)效率、規(guī)模效率、規(guī)模報(bào)酬4個(gè)指標(biāo)；通過DEA—Malmquist模型測(cè)算江蘇全省13個(gè)市2011—2020年農(nóng)業(yè)全要素生產(chǎn)率，并對(duì)全要素生產(chǎn)率進(jìn)一步分解，測(cè)算出技術(shù)效率指數(shù)、技術(shù)進(jìn)步指數(shù)、純技術(shù)效率指數(shù)、規(guī)模效率指數(shù)，以此探究江蘇省農(nóng)業(yè)全要素生產(chǎn)率提升路徑。結(jié)果：江蘇省13個(gè)城市農(nóng)業(yè)資源得到應(yīng)用，農(nóng)業(yè)全要素生產(chǎn)率穩(wěn)步提高，但各城市區(qū)域之間存在農(nóng)業(yè)發(fā)展不均衡現(xiàn)象。結(jié)論：針對(duì)研究結(jié)果，給出了針對(duì)蘇北、蘇中、蘇南農(nóng)業(yè)發(fā)展的建議，為相關(guān)決策和研究提供參考。

關(guān)鍵詞 全要素生產(chǎn)率；農(nóng)業(yè)；江蘇省；DEA—BCC模型；DEA—Malmquist模型

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

文章編號(hào) 1007-7731（2023）14-0179-08

農(nóng)業(yè)全要素生產(chǎn)率是衡量農(nóng)業(yè)高質(zhì)量發(fā)展的重要指標(biāo)，農(nóng)業(yè)的增長主要來自農(nóng)業(yè)生產(chǎn)要素的增加和全要素生產(chǎn)率的提升[1]。中國作為一個(gè)農(nóng)業(yè)大國，進(jìn)一步推動(dòng)農(nóng)業(yè)全要素生產(chǎn)率的提高，是加快農(nóng)業(yè)產(chǎn)業(yè)轉(zhuǎn)型，促進(jìn)現(xiàn)代化農(nóng)業(yè)發(fā)展的必然選擇[2]。全要素生產(chǎn)率是分析經(jīng)濟(jì)增長的重要工具，是國家制定長期政策的重要數(shù)據(jù)指標(biāo)。全要素生產(chǎn)率通過對(duì)各種經(jīng)濟(jì)增長因素的分析，來確定經(jīng)濟(jì)增長的可持續(xù)性，是評(píng)價(jià)長期可持續(xù)政策的基礎(chǔ)。

我國全要素生產(chǎn)率的研究主要集中在全要素生產(chǎn)率測(cè)算、綠色全要素生產(chǎn)率和全要素生產(chǎn)率影響因素等方面。很多學(xué)者對(duì)我國全要素生產(chǎn)率測(cè)算方面進(jìn)行了研究，比如，徐永慧和鄧宏圖[3]在重構(gòu)投入產(chǎn)出數(shù)據(jù)的基礎(chǔ)上，對(duì)城市綠色全要素生產(chǎn)率變化進(jìn)行重新測(cè)算，從規(guī)模效應(yīng)和產(chǎn)業(yè)選擇視角對(duì)城市綠色全要素生產(chǎn)率的時(shí)空特征和增長機(jī)制進(jìn)行經(jīng)濟(jì)解釋。程永生等[4]以中國家庭追蹤調(diào)查的農(nóng)戶數(shù)據(jù)為樣本，用微觀測(cè)度方法與Malmquist—Luenberger指數(shù)結(jié)合，測(cè)度出農(nóng)戶層農(nóng)業(yè)綠色全要素生產(chǎn)率的狀況，并進(jìn)一步選用核密度估計(jì)法和Dagum基尼系數(shù)法，呈現(xiàn)了微觀樣本農(nóng)業(yè)綠色全要素生產(chǎn)率的動(dòng)態(tài)演變規(guī)律及其區(qū)域差異特征。譚少鵬[5]通過構(gòu)建投入產(chǎn)出指標(biāo)體系，運(yùn)用SBM模型和GML指數(shù)對(duì)2002—2020年中國30個(gè)省域林業(yè)綠色全要素生產(chǎn)率進(jìn)行測(cè)算。申丹虹等[6]通過2003—2019年的省際面板數(shù)據(jù)，運(yùn)用Malmquist指數(shù)和柯布-道格拉斯函數(shù)對(duì)中國六大區(qū)域制造業(yè)全要素生產(chǎn)率的變動(dòng)值和數(shù)值進(jìn)行測(cè)算，并對(duì)全要素生產(chǎn)率變動(dòng)及其分解進(jìn)行分析，同時(shí)運(yùn)用趨同理論對(duì)全要素生產(chǎn)率檢驗(yàn)。隨著保護(hù)環(huán)境和經(jīng)濟(jì)發(fā)展日益密切，綠色全要素生產(chǎn)率逐漸成為生產(chǎn)率研究的重要課題。姚雪瑞[7]采用DID方法探究了電子商務(wù)示范城市建設(shè)對(duì)城市綠色全要素生產(chǎn)率的影響及其內(nèi)在機(jī)制。雷曉麗[8]基于2012—2020年我國30個(gè)省份面板數(shù)據(jù)，以固定效應(yīng)模型、門檻模型研判數(shù)字金融與技術(shù)創(chuàng)新對(duì)流通產(chǎn)業(yè)綠色全要素生產(chǎn)率的影響效應(yīng)。楊錦琦和左騰達(dá)[9]用SBM超效率模型測(cè)算了2012—2019年長江經(jīng)濟(jì)帶農(nóng)業(yè)綠色全要素生產(chǎn)率，并采用GML指數(shù)分析農(nóng)業(yè)綠色全要素生產(chǎn)率的時(shí)空演化和生產(chǎn)率的變化來源。此外，政策制定、產(chǎn)業(yè)規(guī)模、結(jié)構(gòu)轉(zhuǎn)型等都會(huì)對(duì)全要素生產(chǎn)造成影響。唐凱桃等[10]以全要素生產(chǎn)率度量城市發(fā)展水平，考察國家審計(jì)對(duì)城市高質(zhì)量發(fā)展的影響及其空間溢出效應(yīng)。葛潤政等[11]以產(chǎn)業(yè)集群為研究對(duì)象，通過實(shí)證方法分析了集群衰退背景下零售企業(yè)規(guī)模、集群規(guī)模與零售企業(yè)全要素生產(chǎn)率的互動(dòng)關(guān)系。任志成和趙梓衡[12]通過收集2009—2020年A股制造業(yè)上市公司相關(guān)數(shù)據(jù)，選用雙重差分模型和PSMDID方法研究制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型與否對(duì)全要素生產(chǎn)率的提升效果。

提升農(nóng)業(yè)全要素生產(chǎn)率是現(xiàn)代化農(nóng)業(yè)發(fā)展的需要，是提升農(nóng)產(chǎn)品競(jìng)爭(zhēng)力的途徑，是確保國家糧食安全的保障，也是農(nóng)民增收的基礎(chǔ)。汪中華和尹妮[13]基于2002—2020年26個(gè)主要糧食生產(chǎn)省份數(shù)據(jù)，利用三要素嵌套CES生產(chǎn)函數(shù)和DEA-Malmquist模型測(cè)度農(nóng)業(yè)技術(shù)進(jìn)步偏向和糧食全要素生產(chǎn)率，并運(yùn)用空間滯后模型分析農(nóng)業(yè)技術(shù)進(jìn)步偏向?qū)Z食全要素生產(chǎn)率的影響。王亞飛等[14]基于SBM-ML指數(shù)法測(cè)算了2004—2020年30個(gè)省份的農(nóng)業(yè)綠色全要素生產(chǎn)率及其分解指數(shù)。并利用泰爾指數(shù)法和核密度估計(jì)法對(duì)各省份農(nóng)業(yè)綠色全要素生產(chǎn)率進(jìn)行時(shí)空演進(jìn)態(tài)勢(shì)分析。吳海霞等[15]基于1997—2018年全國15個(gè)小麥主產(chǎn)省份的面板數(shù)據(jù)，運(yùn)用空間Durbin模型，探究農(nóng)業(yè)機(jī)械化對(duì)小麥全要素生產(chǎn)率的影響及空間溢出效應(yīng)。羅斯炫等[16]利用中國28個(gè)省（區(qū)、市）1978—2017年數(shù)據(jù)，將農(nóng)業(yè)生產(chǎn)要素質(zhì)量與農(nóng)村基礎(chǔ)設(shè)施納入增長核算框架中，并考察其對(duì)農(nóng)業(yè)增長的貢獻(xiàn)。

江蘇省作為經(jīng)濟(jì)大省、人口大省，同樣也是我國主要的糧食產(chǎn)區(qū)，以占全國1%的土地面積，貢獻(xiàn)了超過10%的經(jīng)濟(jì)總量，并且連續(xù)多年糧食總量穩(wěn)定在350億kg以上，為全國糧食增產(chǎn)增收提供有效保障，因此推動(dòng)江蘇省農(nóng)業(yè)生產(chǎn)要素發(fā)展勢(shì)在必行。同時(shí)，江蘇省的農(nóng)業(yè)發(fā)展也存在新舊動(dòng)能轉(zhuǎn)換不足等問題，如何進(jìn)一步保障江蘇省農(nóng)業(yè)全要素生產(chǎn)率的提升，實(shí)現(xiàn)江蘇省農(nóng)業(yè)協(xié)調(diào)發(fā)展，是農(nóng)業(yè)發(fā)展過程中需要進(jìn)一步解決的問題。這一問題的有效解決，將對(duì)貫徹中央農(nóng)業(yè)新發(fā)展理念，構(gòu)建農(nóng)業(yè)現(xiàn)代化發(fā)展格局，推動(dòng)農(nóng)業(yè)產(chǎn)業(yè)高質(zhì)量發(fā)展有著重要意義。DEA-BCC模型用于多項(xiàng)投入與多項(xiàng)產(chǎn)出的效率評(píng)估，并且不受投入產(chǎn)出量綱的影響，本文選取的投入產(chǎn)出指標(biāo)多、數(shù)據(jù)量大，符合DEA模型規(guī)律。傳統(tǒng)的DEA-BCC模型僅能反映決策單元的靜態(tài)效率情況，無法反映2011—2020年江蘇省不同時(shí)期效率值的變化情況，而Malmquist指數(shù)模型能夠測(cè)算時(shí)間序列數(shù)據(jù)的動(dòng)態(tài)效率。此外，Malmquist指數(shù)能夠提供生產(chǎn)率變化的細(xì)分，有利于對(duì)全要素生產(chǎn)率的進(jìn)一步分解。為此，本文擬采用Malmquist指數(shù)與DEA模型相結(jié)合，實(shí)現(xiàn)對(duì)江蘇省農(nóng)業(yè)全要素生產(chǎn)效率動(dòng)態(tài)變化的描述。

1 江蘇省農(nóng)業(yè)發(fā)展評(píng)價(jià)模型構(gòu)建

1.1 DEA—BCC模型

數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis，簡(jiǎn)稱DEA）是由美國運(yùn)籌學(xué)家Charnes和Cooper[17]等在相對(duì)效率的基礎(chǔ)之上演變出的一種效率評(píng)價(jià)方法。DEA把數(shù)學(xué)規(guī)劃方法和觀測(cè)到的有效樣本數(shù)據(jù)相互結(jié)合，從而對(duì)決策單元進(jìn)行評(píng)價(jià)分析。數(shù)據(jù)包絡(luò)分析是運(yùn)籌學(xué)、管理學(xué)以及經(jīng)濟(jì)學(xué)等廣泛研究的一個(gè)領(lǐng)域，因其可以充分反映評(píng)價(jià)數(shù)據(jù)的信息特點(diǎn)，被廣泛應(yīng)用。

本文研究的是江蘇省13個(gè)市農(nóng)業(yè)全要素生產(chǎn)率，即有13個(gè)決策單元，用i來表示，即[i∈1，13]，其中每個(gè)決策單元DMUi都有n種輸入變量[Xi]以及m種輸出變量[Yi]，其中[Xiu>0]表示在公式中第i個(gè)決策單元中的第u種輸入變量；[Yin]則表示在第i個(gè)決策單元中的第v種輸出變量。在此公式中[λ]表示權(quán)重，[s?]和[s+]則分別表示運(yùn)算過程中所投入的松弛變量以及產(chǎn)出變量，[ε]則表示為任意無窮小的正數(shù)，[θ]則表示為效率得分，具體線性規(guī)劃方程見式（1）：

在表達(dá)式（1）中，[θ]表示效率評(píng)價(jià)值，當(dāng)[θ=1]時(shí)，代表決策單元弱有效，當(dāng)[θ<1]時(shí)，代表決策單元非有效，而當(dāng)[θ=1]并且[s?=0、s+=0]時(shí)表示決策單元有效。

1.2 DEA—Malmquist模型

Malmquist全要素生產(chǎn)率指數(shù)，是Malmquist[18]在1953年提出的專門用來測(cè)量動(dòng)態(tài)效率的一種指數(shù)。數(shù)年后Fare[19]率先把Malmquist指數(shù)拆分技術(shù)進(jìn)步改變和綜合技術(shù)效率改變，技術(shù)進(jìn)步改變指的是隨著時(shí)間的推移將產(chǎn)生生產(chǎn)前沿面的移動(dòng)情況，而綜合技術(shù)效率的改變指的是反映決策單元和生產(chǎn)前沿之前的距離變動(dòng)。直到目前為止，該方法被廣泛應(yīng)用于金融，工業(yè)等領(lǐng)域的生產(chǎn)效率測(cè)算。

在Malmquist指數(shù)模型中，時(shí)期t到時(shí)期t+1的表達(dá)式見式（2）：

在Malmquist的表達(dá)式中，[Etxt，yt]和[Et+1xt+1，yt+1]則分別指的是K在2個(gè)時(shí)間的技術(shù)效率指標(biāo)，也可以將其看成是2個(gè)時(shí)間段的技術(shù)效率變化，具體公式如式（3）：

對(duì)于出現(xiàn)的生產(chǎn)前沿的移動(dòng)情況，則可以通過式（4）來進(jìn)行闡述：

當(dāng)TC[>]1則表示為生產(chǎn)前沿前移，當(dāng)TC[<]1則表示生產(chǎn)前沿后移，生產(chǎn)前沿前移代表著技術(shù)進(jìn)步，生產(chǎn)前沿后退則代表著技術(shù)退步。

Malmquist指數(shù)以及效率和技術(shù)三者之間的數(shù)量關(guān)系式可以通過公式（5）來表示：

當(dāng)MI[>]1時(shí)，則表示效率值在提高，MI[<]1時(shí)，則說明效率值在下降，MI=1時(shí)，則代表效率值保持不變。

2 江蘇省農(nóng)業(yè)全要素生產(chǎn)率評(píng)價(jià)指標(biāo)選擇

2.1 指標(biāo)選取

本文在遵循權(quán)威性、系統(tǒng)性、可獲取性等準(zhǔn)則的基礎(chǔ)之上，根據(jù)江蘇省發(fā)布的《江蘇統(tǒng)計(jì)年鑒》（2012—2021）摘取相關(guān)信息。江蘇省全要素生產(chǎn)率的測(cè)算主要由投入與產(chǎn)出2個(gè)部分組成，在參考向熠等[20]研究的基礎(chǔ)之上，選取第一產(chǎn)業(yè)就業(yè)人數(shù)、農(nóng)業(yè)總播種面積、農(nóng)業(yè)機(jī)械總動(dòng)力、農(nóng)村用實(shí)際施用化肥量以及農(nóng)村用電量作為投入指標(biāo)（由于《江蘇統(tǒng)計(jì)年鑒》并未給出漁業(yè)生產(chǎn)要素?cái)?shù)據(jù)，故將漁業(yè)投入產(chǎn)出數(shù)據(jù)剔除）；產(chǎn)出指標(biāo)為農(nóng)業(yè)生產(chǎn)總值，該總值在《江蘇統(tǒng)計(jì)年鑒》中為農(nóng)林牧業(yè)總產(chǎn)值（剔除漁業(yè)總產(chǎn)值數(shù)據(jù)）。具體投入與產(chǎn)出指標(biāo)見表1。

2.2 決策單位選擇

本文選取江蘇全省13個(gè)市作為決策單元，分別是常州市、淮安市、連云港市、南京市、南通市、蘇州市、宿遷市、泰州市、無錫市、徐州市、鹽城市、揚(yáng)州市、鎮(zhèn)江市。實(shí)施行政區(qū)劃調(diào)整為推動(dòng)城鎮(zhèn)化進(jìn)程發(fā)揮著特殊的效應(yīng)，促進(jìn)了資源要素的合理流動(dòng)和優(yōu)化配置，為加快城鎮(zhèn)化進(jìn)程創(chuàng)造更好的條件，同時(shí)也是城鎮(zhèn)化進(jìn)程中行政區(qū)劃與區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展的重要途徑和措施。因此，按照城市地域劃分為蘇北（徐州市、宿遷市、淮安市、鹽城市、連云港市）、蘇中（揚(yáng)州市、泰州市、南通市）、蘇南（南京市、蘇州市、無錫市、常州市、鎮(zhèn)江市）3個(gè)大區(qū)域，以便進(jìn)一步比較。

2.3 數(shù)據(jù)來源

本文原始數(shù)據(jù)均來自原《江蘇統(tǒng)計(jì)年鑒》（2012—2021）統(tǒng)計(jì)數(shù)據(jù)，并做出相關(guān)處理（由于《江蘇統(tǒng)計(jì)年鑒》并未給出漁業(yè)生產(chǎn)要素?cái)?shù)據(jù)，故將漁業(yè)投入產(chǎn)出數(shù)據(jù)剔除）。

3 江蘇省農(nóng)業(yè)全要素生產(chǎn)率分析

3.1 基于DEA-BCC模型的靜態(tài)分析

基于DEA-BCC模型，運(yùn)用MaxDEA 9.1軟件，對(duì)江蘇省13個(gè)市農(nóng)業(yè)全要素生產(chǎn)率進(jìn)行分析，結(jié)合尼魯帕爾·迪力夏提和郭靜利[21]的研究，選取了綜合效率、純技術(shù)效率、規(guī)模效率3個(gè)指標(biāo)進(jìn)行對(duì)比，計(jì)算數(shù)據(jù)見表2。同時(shí)，本文根據(jù)地域把江蘇省分為蘇北（徐州市、宿遷市、淮安市、鹽城市、連云港市）、蘇中（揚(yáng)州市、泰州市、南通市）、蘇南（南京市、蘇州市、無錫市、常州市、鎮(zhèn)江市）3個(gè)區(qū)域，利用折線圖更直觀地分析江蘇省農(nóng)業(yè)全要素發(fā)展變化及江蘇省不同區(qū)域農(nóng)業(yè)全要素生產(chǎn)率的變化，具體見圖1、圖2、圖3。

結(jié)合表2和圖1可知，從整體來看，2011—2020年間江蘇省整體農(nóng)業(yè)生產(chǎn)綜合效率呈現(xiàn)出總體上升的態(tài)勢(shì)，平均值為0.926，屬于高范疇，表明江蘇省在這10年間對(duì)農(nóng)業(yè)全要素的投入產(chǎn)出越來越高，這也得益于江蘇省經(jīng)濟(jì)的快速發(fā)展。因?yàn)?011年是“十二五”開局之年，江蘇省第一產(chǎn)業(yè)比2010年增加3 064.8億元，增長4％。從表2中也反映出，2011—2012年增長最快，為0.065；2018和2020年綜合效率為1，說明這2年農(nóng)業(yè)投入產(chǎn)出的DEA完全有效；由于江蘇省產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，第一產(chǎn)業(yè)產(chǎn)值在2019年增長1.3％，與第二產(chǎn)業(yè)、第三產(chǎn)業(yè)相比增速放緩，因此在2019年綜合效率下降，但總體仍然呈現(xiàn)上升趨勢(shì)；蘇北地區(qū)因其廣闊的平原，是江蘇省的主要糧食產(chǎn)區(qū)，在2011—2013年間一直高于蘇中和蘇南地區(qū)；蘇南地區(qū)是江蘇省經(jīng)濟(jì)、科技重心，2013年蘇南地區(qū)加快農(nóng)業(yè)科技改革，在農(nóng)業(yè)綜合效率指標(biāo)上實(shí)現(xiàn)了對(duì)蘇北地區(qū)的超越。

從表2可以看出，江蘇省農(nóng)業(yè)生產(chǎn)技術(shù)效率在2011、2012以及2017—2020年這6年均為1，表明江蘇省在目前的技術(shù)水平上投入資源的使用有效。2011—2020年間，總體呈現(xiàn)下降回升的趨勢(shì)。蘇南地區(qū)在2011—2017年間，純技術(shù)效率指標(biāo)遠(yuǎn)高于蘇北和蘇中地區(qū)，蘇南地區(qū)作為江蘇省經(jīng)濟(jì)，教育中心有著巨大的資金及科技優(yōu)勢(shì)。隨著2018年后江蘇全省經(jīng)濟(jì)水平的增長，全年實(shí)現(xiàn)地區(qū)生產(chǎn)總值92 595.4億元，比上年增長6.7%，蘇北和蘇中也加大了農(nóng)業(yè)技術(shù)投入，純技術(shù)效率指標(biāo)在2019年后進(jìn)一步縮小。

由表2可知，2011—2020年間規(guī)模效率均值為0.930，大于0.9，說明江蘇省整體農(nóng)業(yè)生產(chǎn)投入規(guī)模是合理的，整體規(guī)模效率呈現(xiàn)上漲趨勢(shì)，只有2019年出現(xiàn)小規(guī)模下降。結(jié)合圖3可知，蘇南地區(qū)整體低于蘇北、蘇中地區(qū)，且差距較大，是因?yàn)樘K南地區(qū)城市面積較大，耕地面積較小所導(dǎo)致。蘇北和蘇中地區(qū)呈現(xiàn)平穩(wěn)增長趨勢(shì)，但是增長幅度較小，原因在于規(guī)模效率趨近于1，規(guī)模發(fā)展接近飽和，很難再達(dá)到較大增幅。

3.2 基于DEA-Malmquist模型的動(dòng)態(tài)分析

本文基于DEA-Malmquist模型，運(yùn)用MaxDEA 9.1軟件，參考李俊波等[22]研究，分別從整體全要素生產(chǎn)率變化、個(gè)體技術(shù)效率指數(shù)、技術(shù)進(jìn)步指數(shù)、純技術(shù)效率指數(shù)、規(guī)模效率指數(shù)，對(duì)江蘇省13個(gè)市農(nóng)業(yè)全要素生產(chǎn)率進(jìn)行評(píng)價(jià)。分解全要素生產(chǎn)率，更有利于江蘇省各城市間農(nóng)業(yè)發(fā)展要素的對(duì)比，從整體和微觀的角度找出各城市間農(nóng)業(yè)發(fā)展瓶頸。

3.2.1 全要素生產(chǎn)率整體分析? 從表3和圖4可以看出，2011—2020年間江蘇省全要素生產(chǎn)率呈現(xiàn)平穩(wěn)上升趨勢(shì)。雖然技術(shù)進(jìn)步率指數(shù)在2018—2019年有所下降，但下降數(shù)值不大，并且很快又反彈回來，農(nóng)業(yè)生產(chǎn)過程中技術(shù)進(jìn)步在全要素生產(chǎn)過程中占據(jù)重要比重，江蘇省農(nóng)業(yè)生產(chǎn)技術(shù)的提高導(dǎo)致全要素生產(chǎn)率的提高。通過技術(shù)效率的分解項(xiàng)可以看出，純技術(shù)效率指數(shù)均值為0.999，可以得出江蘇省農(nóng)業(yè)生產(chǎn)技術(shù)水平較高。江蘇省規(guī)模效率均值為1.001，大于1，表明江蘇省13個(gè)城市規(guī)模收益在不斷提高。從圖4還可以看出，全要素生產(chǎn)率的變化和技術(shù)進(jìn)步的變化基本一致。技術(shù)效率的變化和規(guī)模效率的變化基本相同，在2017—2018年間，規(guī)模效率在下跌后反彈，因此全要素生產(chǎn)率的變化與技術(shù)進(jìn)步有著較強(qiáng)的聯(lián)系，而規(guī)模效率的變化又影響著技術(shù)效率的發(fā)展。

3.2.2 全要素生產(chǎn)率分解分析? 為了更進(jìn)一步的分析江蘇省13個(gè)城市在農(nóng)業(yè)全要素生產(chǎn)率的優(yōu)劣勢(shì)，本文還將全要素生產(chǎn)率進(jìn)行分解，測(cè)算出技術(shù)效率指數(shù)、技術(shù)進(jìn)步指數(shù)、純技術(shù)效率指數(shù)、規(guī)模效率指數(shù)。

糧食生產(chǎn)技術(shù)進(jìn)步，不僅包括糧食生產(chǎn)過程中經(jīng)營管理水平的提升，還包括糧食自身生產(chǎn)技術(shù)的改進(jìn)。從表4可以看出，淮安市農(nóng)業(yè)技術(shù)進(jìn)步指數(shù)最低，原因在于宿遷整體經(jīng)濟(jì)水平在江蘇省處于末端，前期農(nóng)業(yè)科技投入不高。但是江蘇省各城市整體呈現(xiàn)出上升的趨勢(shì)，這也表明江蘇省在農(nóng)業(yè)發(fā)展方面在不斷使用新的農(nóng)業(yè)技術(shù)，使得技術(shù)進(jìn)步對(duì)糧食的生產(chǎn)產(chǎn)生正面作用。

技術(shù)效率是農(nóng)業(yè)全要素生產(chǎn)率評(píng)價(jià)的綜合性指標(biāo)，是對(duì)農(nóng)業(yè)生產(chǎn)中的產(chǎn)出以及投入的整體性評(píng)價(jià)。從表5可以看出，徐州市技術(shù)效率指數(shù)最高，宿遷市技術(shù)效率指數(shù)最低，2個(gè)城市差距不大。其中，淮安市、南京市、蘇州市、徐州市、鹽城市、鎮(zhèn)江市這6個(gè)城市技術(shù)效率指數(shù)大于1，表明農(nóng)業(yè)產(chǎn)出與投入整體效率較高。其他幾個(gè)城市技術(shù)效率指數(shù)接近1，產(chǎn)出與投入整體效率還要進(jìn)一步提高。

純技術(shù)效率指標(biāo)是對(duì)最大產(chǎn)出能力的考察。從表6可以看出，江蘇省13個(gè)城市中，只有宿遷市、泰州市、揚(yáng)州市純技術(shù)效率指標(biāo)小于1，但是從年度來分析，這3個(gè)城市的純技術(shù)效率指標(biāo)呈現(xiàn)出波動(dòng)上升的趨勢(shì)。因此，江蘇省應(yīng)在以后的糧食生產(chǎn)過程中，加大科學(xué)管理水平，提升現(xiàn)代化的生產(chǎn)技術(shù)，要進(jìn)一步完善城市間的生產(chǎn)要素分配，進(jìn)行科學(xué)的管理。

規(guī)模效率指的是農(nóng)業(yè)經(jīng)營規(guī)模影響農(nóng)業(yè)生產(chǎn)率的變化。規(guī)模效率反映的是實(shí)際農(nóng)業(yè)生產(chǎn)規(guī)模與理想的農(nóng)業(yè)生產(chǎn)規(guī)模之間的差值，一般指的是農(nóng)業(yè)生產(chǎn)投入和農(nóng)業(yè)產(chǎn)出之間的相關(guān)程度。表7反映了江蘇省13個(gè)城市之間農(nóng)業(yè)產(chǎn)品是否能夠在合理的結(jié)構(gòu)下發(fā)展。從表7可以看出，淮安市、南京市、蘇州市、宿遷市、泰州市、徐州市、鹽城市、鎮(zhèn)江市這8個(gè)城市規(guī)模效率大于1，表明規(guī)模發(fā)展較為合理，其他5個(gè)城市還需要進(jìn)一步完善。

4 結(jié)論與建議

4.1 結(jié)論

本文選取江蘇省13個(gè)城市為研究對(duì)象，針對(duì)第一產(chǎn)業(yè)就業(yè)人數(shù)、農(nóng)業(yè)總播種面積、農(nóng)業(yè)機(jī)械總動(dòng)力、農(nóng)村用實(shí)際施用化肥量、農(nóng)村用電量、農(nóng)林牧業(yè)總產(chǎn)值為投入產(chǎn)出指標(biāo)，進(jìn)行DEA—BCC和DEA—Malmquist指數(shù)的測(cè)算和分析，得到如下結(jié)論：

（1）DEA—BCC分析結(jié)果表明，針對(duì)投入導(dǎo)向，江蘇省13個(gè)城市均實(shí)現(xiàn)DEA有效，農(nóng)業(yè)資源得到較高利用，農(nóng)業(yè)資源得到最大化生產(chǎn)。

（2）Malmquist指數(shù)分析表明，2011—2020年間，江蘇省13個(gè)城市農(nóng)業(yè)全要素生產(chǎn)率波動(dòng)中提高，無論是技術(shù)進(jìn)步指數(shù)、技術(shù)效率指數(shù)、純技術(shù)效率指標(biāo)還是規(guī)模效率指數(shù)都波段提升，這表明農(nóng)業(yè)技術(shù)進(jìn)步和農(nóng)業(yè)產(chǎn)業(yè)規(guī)模擴(kuò)大對(duì)農(nóng)業(yè)全要素生產(chǎn)率的提高起著重要作用。

4.2 建議

4.2.1 加快江蘇省蘇北和蘇中地區(qū)農(nóng)業(yè)新技術(shù)推廣? 我國傳統(tǒng)的農(nóng)業(yè)生產(chǎn)模式依靠大量的勞動(dòng)力，從而導(dǎo)致農(nóng)業(yè)生產(chǎn)效率并不高。根據(jù)本研究結(jié)果分析，農(nóng)業(yè)生產(chǎn)技術(shù)的進(jìn)步是促進(jìn)農(nóng)業(yè)全要素生產(chǎn)率提高的重要原因。因此，需繼續(xù)擴(kuò)大蘇北和蘇中地區(qū)農(nóng)業(yè)新技術(shù)的推廣應(yīng)用，以科技進(jìn)步推動(dòng)農(nóng)業(yè)生產(chǎn)效率的提高。一方面，加強(qiáng)蘇北、蘇中農(nóng)業(yè)持續(xù)技術(shù)的研究，通過引入新技術(shù)示范區(qū)域，把新技術(shù)推廣給其他城市，在實(shí)踐中不斷優(yōu)化技術(shù)發(fā)展，做好專業(yè)技術(shù)人員培訓(xùn)，并對(duì)疑難問題進(jìn)行統(tǒng)一解答。另一方面，加強(qiáng)農(nóng)業(yè)綠色可持續(xù)發(fā)展，培育和適當(dāng)引進(jìn)科技型人才，吸引社會(huì)各界共同參與技術(shù)研究。

4.2.2 提升江蘇省全省農(nóng)業(yè)管理水平? 首先，優(yōu)化江蘇省耕地生產(chǎn)能力，建立健全耕地生產(chǎn)信息監(jiān)測(cè)體系，對(duì)農(nóng)業(yè)生產(chǎn)進(jìn)行動(dòng)態(tài)檢測(cè)，及時(shí)掌握農(nóng)業(yè)投入產(chǎn)出數(shù)據(jù)。其次，加大農(nóng)業(yè)財(cái)政支出，鼓勵(lì)農(nóng)民糧食生產(chǎn)，提高農(nóng)民糧食生產(chǎn)積極性。再次，保障農(nóng)村就業(yè)服務(wù)體系，妥善安排農(nóng)民返鄉(xiāng)就業(yè)。實(shí)現(xiàn)統(tǒng)籌耕地資源、優(yōu)化財(cái)政農(nóng)業(yè)支出結(jié)構(gòu)、提高農(nóng)業(yè)資源利用效率。

4.2.3 優(yōu)化江蘇省蘇南地區(qū)農(nóng)業(yè)生產(chǎn)規(guī)模? 提高蘇南地區(qū)農(nóng)業(yè)生產(chǎn)規(guī)模效率，推動(dòng)農(nóng)業(yè)規(guī)模經(jīng)營。蘇南地區(qū)大規(guī)模的農(nóng)業(yè)生產(chǎn)有利于農(nóng)業(yè)新技術(shù)的推廣以及大型機(jī)器的使用。同時(shí)，大規(guī)模的生產(chǎn)也并非單純的依靠擴(kuò)大生產(chǎn)面積來提升農(nóng)業(yè)生產(chǎn)率，而是在加強(qiáng)農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)的基礎(chǔ)上，提高耕地使用質(zhì)量，提高農(nóng)業(yè)生產(chǎn)機(jī)械化水平，注重農(nóng)業(yè)生態(tài)結(jié)構(gòu)的布局，及時(shí)調(diào)整生產(chǎn)結(jié)構(gòu)，使農(nóng)業(yè)發(fā)展往整體化、集約化、規(guī)?；较虬l(fā)展，推動(dòng)農(nóng)產(chǎn)品高產(chǎn)出、高質(zhì)量、低能耗發(fā)展。

參考文獻(xiàn)

[1] 龔斌磊. 投入要素與生產(chǎn)率對(duì)中國農(nóng)業(yè)增長的貢獻(xiàn)研究[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2018（6）：4-18.

[2] 中國經(jīng)濟(jì)增長前沿課題組，張平，劉霞輝，等. 突破經(jīng)濟(jì)增長減速的新要素供給理論、體制與政策選擇[J]. 經(jīng)濟(jì)研究，2015，50（11）：4-19.

[3] 徐永慧，鄧宏圖. 城市綠色全要素生產(chǎn)率的重新測(cè)算及經(jīng)濟(jì)解釋——基于規(guī)模效應(yīng)和產(chǎn)業(yè)選擇的視角[J]. 中國流通經(jīng)濟(jì)，2022，36（12）：27-43.

[4] 程永生，張德元，汪俠. 基于農(nóng)戶視角農(nóng)業(yè)綠色全要素生產(chǎn)率的測(cè)度與分析[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(bào)（中英文），2023，31（5）：820-834.

[5] 譚少鵬. 我國林業(yè)綠色全要素生產(chǎn)率測(cè)度及其影響因素[J]. 中南林業(yè)科技大學(xué)學(xué)報(bào)，2022，42（8）：202-210.

[6] 申丹虹，劉錦葉，崔張?chǎng)? 中國制造業(yè)全要素生產(chǎn)率測(cè)算與區(qū)域趨同檢驗(yàn)[J]. 統(tǒng)計(jì)與決策，2022，38（1）：47-52.

[7] 姚雪瑞. 國家電子商務(wù)示范城市建設(shè)對(duì)城市綠色全要素生產(chǎn)率的影響及其內(nèi)在機(jī)制[J]. 商業(yè)經(jīng)濟(jì)研究，2022（23）：185-188.

[8] 雷曉麗. 數(shù)字金融、技術(shù)創(chuàng)新與流通產(chǎn)業(yè)綠色全要素生產(chǎn)率[J]. 商業(yè)經(jīng)濟(jì)研究，2022（22）：15-18.

[9] 楊錦琦，左騰達(dá). 長江經(jīng)濟(jì)帶農(nóng)業(yè)綠色全要素生產(chǎn)率評(píng)價(jià)及時(shí)空演化分析[J]. 企業(yè)經(jīng)濟(jì)，2022，41（11）：152-160.

[10] 唐凱桃，許婧，李小濤，等. 國家審計(jì)能夠促進(jìn)城市全要素生產(chǎn)率提升嗎？ ——基于空間杜賓模型分析[J]. 財(cái)經(jīng)理論與實(shí)踐，2022，43（6）：94-100.

[11] 葛潤政，MARK H J. 企業(yè)規(guī)模、集群規(guī)模與零售企業(yè)全要素生產(chǎn)率的互動(dòng)關(guān)系——集群衰退背景下[J]. 商業(yè)經(jīng)濟(jì)研究，2022（23）：123-126.

[12] 任志成，趙梓衡. 數(shù)字化轉(zhuǎn)型對(duì)制造業(yè)全要素生產(chǎn)率提升的影響——來自上市公司的微觀證據(jù)[J]. 工業(yè)技術(shù)經(jīng)濟(jì)，2022，41（11）：23-30.

[13] 汪中華，尹妮. 農(nóng)業(yè)技術(shù)進(jìn)步偏向?qū)Z食全要素生產(chǎn)率的影響[J]. 農(nóng)業(yè)現(xiàn)代化研究，2022，43（6）：1029-1041.

[14] 王亞飛，張齊家，柏穎. 我國農(nóng)業(yè)綠色全要素生產(chǎn)率及其時(shí)空演變[J]. 統(tǒng)計(jì)與決策，2022，38（20）：98-102.

[15] 吳海霞，郝含濤，史恒通，等. 農(nóng)業(yè)機(jī)械化對(duì)小麥全要素生產(chǎn)率的影響及其空間溢出效應(yīng)[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2022（8）：50-68.

[16] 羅斯炫，何可，張俊飚. 改革開放以來中國農(nóng)業(yè)全要素生產(chǎn)率再探討——基于生產(chǎn)要素質(zhì)量與基礎(chǔ)設(shè)施的視角[J]. 中國農(nóng)村經(jīng)濟(jì)，2022（2）：115-136.

[17] CHARNES A，COOPER W W，RHODES E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research，1978，2（6）：429-444.

[18] MALMQUIST S. Index numbers and indifference surfaces[J]. Trabajos De Estadistica，1953，4（2）：209-242.

[19] F?RE R，GROSSKOPF S，LINDGREN B，et al. Productivity changes in Swedish pharamacies 1980-1989：A non-parametric Malmquist approach[J]. Journal of Productivity Analysis，1992，3（1/2）：85-101.

[20] 向熠，葉言，繆甜甜，等. 長江經(jīng)濟(jì)帶農(nóng)業(yè)全要素生產(chǎn)率提升路徑研究——基于38市的DEA與fsQCA分析[J/OL].中國農(nóng)業(yè)資源與區(qū)劃：1-20[2023-08-01].http：//kns.cnki.net/kcms/detail/11.3513.S.20220921.1124.002.html.

[21] 尼魯帕爾·迪力夏提，郭靜利. 國家級(jí)農(nóng)業(yè)科研院所科研效率評(píng)價(jià)及其影響因素——基于DEA-Malmquist-Tobit模型[J]. 科技管理研究，2021，41（18）：66-72.

[22] 李俊波，浦華，吳昊，等. 基于DEA-Malmquist模型的四川省礦產(chǎn)資源開發(fā)效率評(píng)價(jià)[J]. 礦產(chǎn)綜合利用，2022（1）：82-88.

（責(zé)編：張宏民）