基于DEA-Tobit 模型的安徽省农业生产效率综合分析

江激宇，万 宇，徐 腾，熊 琳

(安徽农业大学 经济管理学院，安徽 合肥 230036)

农业是国民经济的基础，2018 年《乡村振兴战略规划(2018－2022 年)》指出乡村振兴离不开产业振兴，衡量产业振兴中的一个重要指标是农业综合生产能力，对于农业来说，由于受到耕地资源、劳动力转移等因素制约，其生产资源的有限性决定了农业增长主要依赖于农业资源合理配置，以提高生产效率。安徽省作为我国农业大省，农业在全省经济发展中占重要地位，农业增长对促进经济发展，保障我国粮食安全具有更加重要的作用。因此，分析安徽省及省内各地级市的农业生产效率和现状，寻求提高农业生产效率的方法，实现最优的资源配置，对促进安徽省农业经济发展具有现实意义。

目前，生产效率的测度方法包括参数方法和非参数方法。参数方法包括计量经济学方法和随机边界法，而非参数方法包括数据包络法和指数法。国内文献大多采用DEA(数据包络分析法)来测量区域农业生产效率状况。在近年来的农业经济研究的文献中，衡量农业生产率的水平和变化的主要分为两个方面：一个是对各地区的农业生产效率进行横向比较分析，如李周、于法稳运用数据包络法从县域角度出发，分析了西部地区各县域的生产效率，王宝义、张卫国基于DEA—ESDA 模型分析了1993—2013 年我国31 个地区省际的农业生产效率进行综合评价，发现我国农业生态效率呈偏“w”的结构。另一个是对某一地区的农业生产效率进行时间上的纵向比较分析，大多使用Malmquist 生产指数建立模型分析TEP 及其变动量来衡量农业生产率的水平和变化，如何泽军、李莹根据2007—2015年省际农业数据，发现我国农业全要素生产率增长主要依靠技术进步。

本文将通过DEA-Tobit 模型分别从横向、纵向角度出发分析安徽省农业生产效率的动态变化状况、各地区投入产出的相对有效性和其影响因素，从而对安徽省农业生产效率有一个清醒的认识，为安徽省农业现代化发展提供意见。

一、研究方法与数据来源

(一)数据包络分析法(DEA 模型)

DEA 方法由运筹学家A.Charnes,W.W.Cooper和 E.Rhodes 提出，是无需对数据进行无量纲化处理、可以处理多投入多产出的有效测算效农业生产效率的方法，本文采取DEA 中的BCC 模型来测算。

(二)Malmquuist 指数模型

Malmquuist 指数法最早由Malmquuist 于1952年提出来，由Fare 等人于1994 年将该方法引入到数据包络分析方法中，形成了现在广泛应用的Malmquist 指数。反映Malmquist 指数模型测算某决策单元从t 到t+1 时间段的全要素生产效率值。

（三）Tobit 模型

测算出安徽省各地区的农业生产效率后，还要进一步借助回归模型分析对农业生产效率产生影响的因素。由于DEA 测算出来的农业生产效率值是介于0-1 的有界变量，不适用于最小二乘法，否则会引起模型估计偏差，而Tobit 模型是受限因变量模型，适用于解释变量为观测值，被解释变量为约束条件下的观测值，因此DEA—Tobit 模型被广泛应用于效率测算。本文中Tobit 回归模型如下：

此模型中，Y0表示为农业生产效率，Xi为解释变量，β为相关系数值，μi为随机误差项且μi～N(0，σ)。

(四)数据来源

本文数据来源于历年安徽省统计年鉴，以安徽省各地级市作为研究对象。

二、实证研究及结果分析

(一)安徽省农业生产效率静态分析

本文选择的农业投入指标为农业机械总动力(万千瓦)、农用化肥施用量(万吨)、第一产业从业人员(万人)和农作物播种面积(万公顷)、有效灌溉面积(千公顷)，产出指标为农林牧渔业总产值(万元)，运用DEAP2.1 软件对安徽省各地级市2008—2017 年相关数据分别测算出每年的综合技术效率、技术效率、规模效率(需要说明的是随着2011 年安徽行政区域调整的完成，安徽目前只有16 个地级市)。

结果如表1，根据结果可以将安徽省16 个地区2008—2017 年的农业生产效率分为三种类型(DEA有效类、技术有效但规模无效类、技术和规模都无效类)。芜湖和黄山属于DEA 有效类，技术效率和规模效率均等于1，表明在当前的农业规模下，技术和管理的投入都得到了充分应用，处在生产前沿上，不存在任何的投入冗余；阜阳、合肥和安庆属于技术有效但规模无效类，这几个地区虽然纯技术效率等于1，但是规模效率均小于1，表明在这几个地区的农业综合效率偏离生产前沿面主要是由于规模效率较低，因此可以通过适当调整农户的生产规模来提高农业规模效率和综合效率；淮北、亳州、宿州、蚌埠、淮南、滁州、六安、马鞍山、宣城、铜陵、池州、黄山12 市均属于技术和规模都无效类，其中，马鞍山综合效率已经达到0.946，稍微调整生产方式和技术投入就可以达到DEA 有效状态，宿州、蚌埠、宣城、池州四个地区的综合效率处于0.8—0.9 之间，属于边缘非效率，应充分发挥当地农业生产优势，合理布局农业生产结构；淮北、亳州、阜阳、淮南、滁州、六安、铜陵农业总效率均小于0.8，说明这七个地区需要充分调整农业投入，需要同时提高技术效率和规模效率，转变传统农业生产方式，提高农业生产水平。

总的而言，安徽省各地区2008-2017 年农业生产中，由于各地自然禀赋差异，经济发展差异，各地区农业生产效率不同，大多数地区处于非DEA有效状态。

表1 安徽省各地区2008—2017 年农业生产效率

(二)安徽省农业生产效率动态分析

为了进一步研究安徽省农业生产效率及其构成变化，对2008—2017 年安徽省的数据进行Malmquist 生产指数分析，结果由表2 所示。技术进步(TP)代表生产前沿面的移动，反映技术进步和创新情况,技术效率(TE)衡量决策单元到生产前沿面最优产出的接近程度,可以分解成纯技术效率和规模效率。在2008—2017 年间，安徽省农业全要素生产率基本呈现上升状态并且主要受技术进步的影响，技术效率值普遍低于技术进步值，属于“技术进步单轨型”增长。其中2016 年相比2015 年农业全要素生产率下降了3.72%,下降主要原因是该年份的技术进步指数的下降，其余年份全要素生产率均呈上升趋势，增长速度最快的年份是2011 年和2017 年，分别相对于上年上升了14.3%和72.3%。2008—2017 年安徽省农业的平均技术进步增长值为1.103，年增长率为10.3%，但是纯技术效率值和规模效率值偏低，导致技术效率值较低，说明安徽省农业生产转变农业生产方式、实现“高产、优质、低耗”的目标任重道远。

表2 2008—2017 年安徽省农业生产效率Malmquist 指数及其分解

如表3，通过对安徽省16 个地区的数据整理发现，从全要素生产率来看，安徽省各区域间全要素生产率(TFP)差异较小,TFP 均大于1,表明各地区的农业生产效率在10 年内均得到有效提高，其中以六安的增长速度最快，平均每年增长14.5%，宿州和宣城次之，分别为11.6%和11.5%。从技术进步来看，16 个地区年增长率均大于1，增长率最高的是亳州市，平均每年增长11%。从技术效率来看，除了淮南、滁州、马鞍山、铜陵、池州、安庆6 市，其余10 市的增长率均大于或等于1，而且技术效率值最高的亳州和技术效率值最低的安庆相差0.029，可见区域间技术效率相差较小。

表3 2008—2017 年安徽省16 个地区农业生产效率Malmquist 指数及其分解

三、安徽农业生产效率影响因素分析

农业生产效率受多种环境因素的影响，不仅受自然环境的制约，综合考虑数据的科学性和可得性，选取人均GDP 衡量地区经济发展水平，第二产业占GDP 比例来衡量地区产业结构，农林水事务支出衡量政府支持力度情况，农村人均纯收入衡量农民收入情况，农业受灾面积衡量极端恶劣天气对农业生产的影响，单位耕地人员衡量农业人员投入情况，选取单位耕地机械投入量衡量现代化农业发展情况，构建Tobit 模型，并对各影响因素进行对数化处理，用 Stata 对上述模型进行回归结果如表4 表示。由表4 可见，人均GDP 每上升1%，农业生产效率将提高0.372847%。主要是随着经济的发展，地区的农业配套设施不断完善，有助于农户及时调整农产品生产结构；第二产业占GDP比例和农业生产效率呈负相关，是因为工业的发展，地区更多资源将用于发展工业，从而对农业发展产生挤占作用；农林水事务支出与农业生产效率呈正相关关系，表明财政资金的支持对农业效率提高起到一定的作用；农民人均纯收入和农业生产效率存在正相关，这是由于农民收入提高将提高农民生产积极性，提高农业生产效率；受灾面积与农业生产呈负相关关系，极端自然灾害频发导致农产品减产甚至绝产；单位耕地人员投入量和农业生产效率呈正相关关系，这表明单位耕地人员投入量提高有助于提高农业生产效率。单位耕地农业机械投入量对农业生产效率具有负相关，单位耕地农业机械总动力提高1%，农业生产效率减少约0.02%，这是由于机械化生产虽然改变传统农业生产方式，但是同时也降低单位耕地劳动力投入量。

表4 安徽省农业生产效率影响因素的Tobit 回归分析一览

四、建议

做好耕地保护和质量提升工作，坚持农地农用，坚守耕地红线不动摇；现代化农业发展离不开政府财政支持，应继续加大财政支农力度，优化财政支农结构，提高财政支农的有效性和针对性重点扶持绿色生态高效农业项目；统筹安排，优化农业人力资源配置，构建科学规范的新型职业农民培育机制；完善农业基础设施和配套设施探索适合本地的传统农业向现代农业发展的道路；同时推进道路、机耕道、沟渠等配套建设，提高农业生产效率。