基于DEA的江西省耕地利用效率及影響因素分析

經 陽，葉長盛，2

（1.東華理工大學 地球科學學院，南昌330013；2.鄱陽湖濕地與流域研究教育部重點實驗室 江西師范大學，南昌330022）

耕地是農業生產過程中最重要的投入要素［1］，也是人類實現基本生存和滿足其他發展要求的重要條件和基礎資源。我國正處在城市化、工業化快速發展時期，城鄉建設用地規模不斷擴大，占用了大量的農業用地尤其是耕地，嚴重威脅我國的糧食安全。提高耕地利用效率是保障國家糧食安全的有效途徑，也是理論界和政府部門共同關注的一個熱點問題［2］。葉浩等［3］運用隨機前沿生產函數方法測算出我國11個糧食主產區的耕地產出效率值；龍開勝等［4］運用CD生產函數和概率優勢模型對比分析了不同利用類型土地的投入產出效率關系。俞勇軍等［5］利用主成分分析法估算了江陰市耕地利用效率并探討其驅動因素。相關研究對于實現耕地資源保護、維持農民基本保障和保持社會穩定具有重要的現實意義。

近年來，數據包絡分析（DEA）方法在耕地利用效率的案例研究方面得到運用。梁流濤等［6］從國家尺度上應用DEA測度1997—2004年的耕地利用效率，并用普通二乘法分析了影響效率變化的因素。楊朔［7］、馮達［8］、潘倩紅［9］、李在軍［10］、李名薇等［11］則分別應用DEA對陜西、湖南、四川、山東、吉林的耕地利用效率進行了研究。但是，我國耕地利用效率研究尚未建立統一的指標測算體系，對耕地的總體利用效率變化及其區域差異關注不夠，相關研究亟待開展。

江西省正處于城市化、工業化快速發展的關鍵時期，非農建設占用耕地面積日益增加，人地矛盾愈加突出［12］。耕地的大量流失不可避免，如何保障糧食安全至關重要，而提高耕地利用效率是解決這一問題的主要途徑。有關江西省耕地利用研究主要集中在城市化與耕地集約利用的關系［13－15］、耕地資源保護研究［16］以及耕地可持續利用研究［17］等方面，耕地利用效率的研究尚不多見。為此，本文將采用DEA模型、GIS技術、數理統計模型相結合的方式對江西省1996—2008年耕地利用總體效率及其區域差異展開分析，利用Tobit回歸模型探討江西省耕地利用效率的影響因素，為提高區域耕地利用效率提供科學依據。

1 研究區概況

江西省位于24°29′—30°04′N，113°34′—118°28′E，地處長江中下游交接處的南岸。全省氣候溫暖，雨量充沛，年均降水量1 341～1 940mm，無霜期長，為亞熱帶濕潤氣候。全省土地總面積16.69萬km2，占全國土地總面積的1.74%。2008年江西省總人口4 400.10萬人，其中農業人口約3 201.08萬人，占全省總人口的72.75%。1996—2008年全省耕地面積凈減少約128.73萬hm2，平均每年減少9.90萬hm2。2008年的農作物播種面積為357.81萬hm2，糧食總產量1 958.10萬t，單產5 473kg／hm2，農用化肥施用量達到402.60萬t，農藥施用量達9.67萬t。江西也是國家13個糧食主產區之一，是典型的雙季稻區。據統計，江西已連續多年以占全國2.30%的耕地面積，生產了3.60%的糧食，年均調出商品糧50億kg左右，為國家糧食安全做出了重要貢獻［18］。

2 研究方法與數據處理

2.1 研究方法

2.1.1 數據包絡分析（Data Envelopment Analysis，DEA） 經濟效率測算常見的研究方法包括比率分析、回歸分析、隨機前沿分析（SFA）、數據包絡分析（DEA）等，其中DEA方法被認為是目前為止構造最好的非參數效率度量方法［19］。DEA方法是通過對所有決策單元（DMU）的投入、產出數據進行處理，構建出前沿效率面，若DMU的效率值為1，表示該DMU投入產出組合效率最優；若DMU的效率值在0～1之間，表示該DMU投入產出組合有效率但沒有達到最優；若DMU的效率值為0，則是無效率的DMU。

迄今已經發展出一百多種DEA模型，應用最為廣泛的是 Charnes，Cooper and Rhode（1978）提出的CCR 模 型 和 Banker，Charnes and Cooper提 出 的BCC模型［19］。CCR模型假設規模報酬不變（CRS），測度的是綜合技術效率（TE）；BCC模型假設規模報酬可變（VRS），測度的是規模報酬可變條件下的純技術效率（PTE）與規模效率（SE）。有學者在應用DEA測度我國耕地利用效率時指出TE可以分解為PTE和SE，即TE＝PTE·SE，進一步細化了耕地的利用效率。

2.1.2 Tobit模型 在計量學中有種模型叫受限因變量模型，Tobit模型也稱為受限因變量模型，是因變量滿足某種約束條件下取值的模型。因變量是連續的，但是受到某種限制，不能按照一般的模型進行估計。該模型不同于離散選擇模型和一般的連續變量選擇模型，它的特點在于因變量是受限變量，模型實際上由兩類方程組成，主要研究在某些選擇行為下，連續變量如何變化的問題［20］。

由于DEA方法得出的效率值在0和1之間，數據都被截斷，最小二乘法無法對模型進行直接回歸分析，Tobit模型適合解決技術效率的影響因素問題，并能找出效率改進的方向和途徑，其一般表達式為：

式中：——被解釋變量；yi——被解釋變量；Xi——解釋變量；β——解釋變量的系數；εi服從于N（0 ，σ2），i＝1，2，…，n［9］。

本文把綜合技術效率值作為被解釋變量，各種影響因素為解釋變量，運用Tobit模型作回歸分析，通過判斷解釋變量的系數β來解釋各因素對效率值的不同影響。

2.2 數據來源與指標選取

2.2.1 數據來源 考慮指標數據的可獲取性和年份的連續性，1996—2005年耕地資源數據來自江西省土地利用變更調查數據，由于二調數據尚未完全公布，因此以2005年末土地變更調查數據為基數，將2006—2008年統計年鑒上的耕地面積數據做差值疊加在基數上得出2006—2008年的耕地面積，社會經濟數據均來自于《江西省統計年鑒》。

2.2.2 耕地利用效率指標選取 以江西省11個地級市作為生產決策單元，測度1996—2008年全省及各市的耕地利用效率。測算耕地利用效率時，一般要綜合考慮投入與產出兩個方向：（1）投入指標：選取年末耕地面積、年末實際機耕面積、農業機械總動力、農用化肥使用量（折純量）、農村用電量及第一產業從業人員人數，分別代表農業生產中土地、資本和勞動力三大基本要素的投入數量。（2）產出指標：選取農業總產值、糧食總產量兩項。

2.2.3 耕地利用效率影響因素指標選取 分析耕地利用效率影響因素時，考慮到影響因素（解釋變量）不能與DEA分析中的投入、產出指標完全相同，在選擇變量時，參考其他學者的研究同時兼顧數據的可獲取性，選取人均GDPX1，耕地復種指數X2，有效灌溉面積X3，單位面積機械總動力X4作為解釋變量，分別代表經濟發展水平、自然與社會條件、耕地生產設施、技術使用。采用Tobit模型建立效率值與影響因素之間的回歸方程，對1996—2008年江西省11地市的143個樣本進行回歸分析。具體公式如下：

Y＝β0＋β1X1＋β2X2＋β3X3＋β4X4＋u

式中：Y——耕地綜合技術效率值；u——隨機擾動項；β1，β2，β3，β4——各解釋變量的系數；β0——常數項［10］。

3 結果與分析

3.1 江西省耕地利用效率分析

3.1.1 總體變化分析 采用DEA中的CCR和BCC模型以投入為導向，運用DEA數據處理軟件計算出1996—2008年江西省耕地的綜合技術效率（TE）、純技術效率（PTE）和規模效率值（SE），并匯總每年三個效率值的均值，分析各效率的變化趨勢。

根據表1的計算結果，得到1996—2008年江西省PTE的平均值為0.978，最高值出現在1996年，達到1.000，最低值在1998年，為0.928；SE的平均值為0.981，各年份之間變化不明顯，最高值在2008年，為0.999，1998年最低，為0.960；而TE的平均值為0.967，最高值也在1996年，為0.991，最低值是1998年，為0.889，差距較大。

表1 1996－2008年江西省耕地綜合技術效率、純技術效率、規模效率平均效率值

從縱向的變化趨勢分析，1996—1998年江西省三個效率值都呈下降趨勢，1998—2008年三個效率值的總體走向是呈現上升并趨于穩定，最后純技術效率值與綜合技術效率值數值無限接近最后重合。結果表明純技術效率對綜合效率的影響要大于規模效率，可推得出江西的耕地利用效率主要是技術效率驅動模式（圖1）。

圖1 1996－2008年江西省耕地綜合技術效率、純技術效率、規模效率變化趨勢

3.1.2 耕地利用效率的區域差異 對江西省11個地區13a的耕地利用效率值求平均得到每個評價單元的三個效率的平均值，進行匯總，分析各地區的耕地利用效率情況（表2）。

表2 1996－2008年江西省各省轄市耕地利用效率平均值

1996—2008年江西省萍鄉市、贛州市、吉安市、宜春市、撫州市5市TE均為1.000，均處在前沿面上，說明不管是耕地資源的配置能力還是使用效率等方面都已經達到最優；新余市也十分接近最優水平，TE和SE值均為0.996，PTE值達到1.000；而南昌市、景德鎮市、鷹潭市和上饒市的TE值都在0.9以上，達到了較高水平，而九江市TE值相對最低，也在0.8以上。

以上分析可得出，經濟發達程度與效率值成反比關系。由于全省的效率值很高，相對來說，不同區域效率值存在差異可能與各區域的耕地面積大小、經濟發展結構以及發展政策不同有關，處在綜合技術效率前沿面上的5個市的耕地面積要比其他城市要大。而經濟相對發達地區比較重視及時對產業結構的調整，第二、三產業水平較高，第一產業水平較低；經濟欠發達地區在產業結構調整方面反應較慢，第一產業比重仍然較高。另外，一些傳統的農業大市（如宜春、撫州、上饒），其耕作條件和氣候條件也相對較好，耕地利用效率也較高。

根據各地區的綜合技術效率值將11個地級市進行聚類，效率值相似的為一類，對聚類結果進行分析調整，11個地級市可以劃分為三類，從而更清晰地了解江西省耕地利用效率的地區差異。

從三類地區的分類結果，在ArcGIS軟件中運用聚類分析法繪制出江西省耕地利用效率分布圖（圖2）。

圖2 江西省耕地利用效率分類

（1）第一類地區包括萍鄉、贛州、吉安、宜春、撫州5個省轄市，耕地處于最佳效率。該類地區土地、資金、勞動力等要素投入與耕地經營規模適應，要素投入已達到最優水平，應注重保持技術、管理與規模之間的協調與均衡。

（2）第二類地區包括新余、鷹潭2個省轄市，PTE值為1，但SE值小于1，表明較低水平的規模效率是耕地綜合技術效率相對較低的主要原因，應該提高耕地的規模化利用水平。

（3）第三類地區包括南昌、景德鎮、九江、上饒4個市，其PTE，SE值均小于1，耕地利用效率相比前面兩類地區較低，在耕地的技術和規模上都有待改善。

第一類地區分布范圍較廣，集中分布于江西省西南部，這類地區大多位于丘陵和山地，其耕地資源面積較大，傳統農業歷史較悠久，在耕地利用上傳承了非常豐富的經驗。

相對來說，第二類地區分布較分散，主要包括新余、鷹潭，其土地面積較小，可用于耕地的土地面積更小，同時由于兩地的區位條件和歷史特征，新余和鷹潭的城市定位是工業城市，導致效率不及第一類地區。

第三類地區主要包括南昌、景德鎮、九江、上饒，主要分布于江西省北部，靠近安徽和湖北，從全省范圍看，這類地區較為發達，在發展二、三產業方面明顯比在提高耕地利用效率上更有優勢，對耕地生產技術的投入與推廣較少，導致其純技術效率值和規模效率值都相對較低。

3.2 耕地利用效率影響因素分析

本文采用Eviews 6.0統計軟件中的Tobit模型對江西省耕地效率進行回歸分析，結果如表3所示。

表3 江西省耕地利用效率影響因素回歸結果

根據表3的計算結果，可以得出人均GDP、耕地復種指數、有效灌溉面積以及單位面積機械總動力在回歸分析中都有意義，在某種程度上對耕地效率都有影響。根據系數絕對值的大小，分析不同因素的影響強度，從大到小的排序為：單位面積機械總動力（X4）＞耕地復種指數（X2）＞有效灌溉面積（X3）＞人均GDP（X1）。

單位面積機械總動力對耕地利用效率的影響最顯著，但結果是呈負向影響關系，表明在單位耕地面積上投入的農用機械越多，耕地利用效率卻越低，全省單位面積機械總動力從1996年的37.957kW／hm2增長到2008年的119.951kW／hm2，耕地效率卻由0.991減少到0.971，這與常理不符。分析其原因，江西省受地形、地貌等自然條件的影響，耕地分布較為破碎，耕地很難實現大規模生產、農業機械很難規模化投入，造成了部分投入存在浪費現象。

耕地復種指數與耕地利用效率成反比，影響程度略低于單位面積機械總動力的投入。說明江西省局部存在盲目追求種植作物的次數，卻造成純技術效率不高的現象。2003年較2001年耕地復種指數減少了14.50%，而耕地效率反而提高了0.016，應適當地增加種植作物的次數和注重保持土壤肥力。

有效灌溉面積與耕地利用效率呈正向相關關系。處于長江中下游的江西省區位優勢明顯，水資源較為豐富，有效灌溉面積也較高，對耕地利用效率的提高有一定的促進作用。

人均GDP與耕地的生產效率呈現顯著的正相關，但相關性并不顯著，對耕地利用效率影響相對較小，說明經濟發展水平的提高對農業技術和物質的投入提供了一定的物質條件，但總體影響不大。

4 結論與建議

4.1 結 論

本文運用DEA對江西省11個地區1996—2008年的耕地利用效率進行了測算，并采用Tobit模型對影響效率變化的幾種因素加以分析，結果表明：

（1）1996—2008年全省的耕地綜合技術效率平均值為0.967，耕地總體利用水平較高，13a來全省的耕地利用率有幾次較大幅度的波動，先降后升，上升的幅度表現出先快后慢最后趨于穩定。

（2）根據各市的耕地綜合技術效率值進行聚類分析，可將11個地市劃分為三類區域，更清晰地獲知江西耕地利用效率的地區差異。第一類地區綜合效率值為1，處在前沿面上，包括萍鄉、贛州、吉安、宜春、撫州。第二類地區包括新余、鷹潭，這2個省轄市的純技術效率為1，規模效率小于1。第三類地區包括南昌、景德鎮、九江、上饒，這4個市的純技術效率、規模效率均小于1，耕地利用效率相對前兩類地區較低。

（3）利用Tobit模型分析得出經濟發展水平、自然與社會條件、耕地生產設施、技術使用對耕地利用效率的影響具有差異性，即人均GDP、耕地復種指數、有效灌溉面積以及單位面積機械總動力對耕地效率的影響程度有所差異，單位面積機械總動力＞耕地復種指數＞有效灌溉面積＞人均GDP。

4.2 建 議

根據上述研究結論，就如何提高江西省各類地區的耕地利用效率提出以下建議：

由于江西省各地區自然、區位、經濟發展水平等差異顯著，導致各地區耕地利用效率存在明顯差異。第一類地區應繼續落實現有的高效農業生產的政策，不斷提高廣大農民種糧積極性；第二類地區耕地的規模效率有待提高，需正確處理經濟發展與保護耕地數量的關系，在農業現代化的過程中，不能盲目加大投入，避免資源與能源的浪費；第三類地區要重視經濟發展與農業耕作相結合，將經濟發展成果轉化成可提高耕作效率的有效投入，促進耕地的產出。

［1］ 楊朔，于文海，李世平.基于DEA非有效改進的陜西省耕地生產效率研究［J］.中國土地科學，2013，27（10）：62－68.

［2］ 徐恒周，郭玉燕，吳冠層.農民分化對耕地利用效率的影響：基于農戶調查數據的實證分析［J］.中國農村經濟，2012（6）：31－39，47.

［3］ 葉浩，濮勵杰，張鍵.我國糧食主產區耕地產出效率研究［J］.長江流域資源與環境，2008，17（4）：584－587.

［4］ 龍開勝，陳利根，占小林.不同類型土地投入產出效率的比較分析：以江蘇省耕地和工業用地為例［J］.中國人口·資源與環境，2008（18）：174－178.

［5］ 俞勇軍，陸玉麟.江陰市耕地變化驅動因素及耕地利用效率定量研究［J］.經濟地理，2002，22（4）：440－443.

［6］ 梁流濤，曲福田，王春華.基于DEA方法的耕地利用效率分析［J］.長江流域資源與環境，2008，17（2）：242－246.

［7］ 楊朔，李世平.基于DEA－Tobit兩步法的耕地利用效率研究：以陜西省為例［C］.中國土地學會學術年會論文集.北京：中國大地出版社，2010.

［8］ 馮達，段亞鋒，李婷婷.基于DEA的湖南省耕地利用效率研究［J］.國土資源科技管理，2009，26（3）：57－60.

［9］ 潘倩紅，任大廷.四川省耕地利用效率及影響因素分析：基于DEA方法和Tobit模型的運用［J］.國土資源科技管理，2010，27（4）：95－97.

［10］ 李在軍，管衛華，臧磊.山東省耕地利用效率及影響因素分析［J］.世界地理研究，2013，22（2）：167－175.

［11］ 李茗薇，付強，張軍生，等.基于DEA的吉林省耕地利用效率及其影響因素研究［J］.安徽農業科學，2013，41（8）：3682－3684.

［12］ 楊丹，葉長盛.基于縣域單元的江西省復種指數時空格局分析［J］.農業現代研究，2013，34（6）：722－727.

［13］ 張海英，傅春.江西省經濟增長與耕地集約利用的定量分析［J］.長江流域資源與環境，2010，19（10）：1159－1163.

［14］ 羅志軍，李芳，周克昊.江西省耕地資源利用效益的數量經濟分析［J］.江西農業大學學報，2009，8（1）：15－19.

［15］ 劉平輝，葉長盛，姜勇彪，等.產業發展階段和耕地利用變化的關系研究：以江西省為例［J］.東華理工學院學報：社會科學版，2006，25（4）：350－355.

［16］ 俞勇軍，陸玉麒.江西省耕地變化及保護策略［J］.長江流域資源與環境，2004，13（3）：234－239.

［17］ 唐夢奇，寧愛鳳.城市化進程中農戶土地利用行為對耕地可持續利用影響研究：基于浙江、江西的調查［J］.農業經濟，2011（5）：68－69.

［18］ 康蘭媛，張鈞，祝小平，等.糧食主產區農戶稻作經營行為的調查與分析：基于江西省26縣1058戶農戶調查數據［J］.江西農業大學學報：社會科學版，2008，7（3）：57－61.

［19］ 田濤，許曉春，周可金.安徽省各地市油菜生產效率研究：基于DEA的實證分析［J］.農業技術經濟，2011（12）：46－52.

［20］ 周華林，李雪松.Tobit模型估計方法與應用［J］.經濟學動態，2012（5）：105－119.