農業生產效率的真實測度及其影響因素分析

【摘要】利用2015年四川三市411戶稻農調查數據，構建了三階段DEA效率測算模型，對水稻生產效率進行了真實測度。研究發現：絕大多數水稻生產都處于規模報酬遞增階段，說明當前稻農仍有動機通過增加要素投入來獲取產量增加；第一階段和第三階段測算結果顯示，水稻生產純技術效率顯著低于規模效率，說明目前制約水稻生產綜合效率提升的主要因素是純技術效率較低；環境因素對稻農不同生產要素投入冗余影響具有顯著差異性，說明水稻生產效率可能受到外部環境和生產行為的影響；水稻生產規模效率和綜合效率的調整效應顯著為負，表明當前環境因素有利于水稻生產效率水平改善。

【關鍵詞】稻農；水稻生產效率；三階段DEA；影響因素；調整效應

中圖分類號：F323.5 文獻標識碼：A DOI：10.16465/j.gste.cn431252ts.20180104

農業供給側結構性改革的核心是提高方式要素生產率，伴隨糧食產量“十二連增”的同時，增長速度卻呈現下降趨勢，2014年較2013年糧食產量僅增長0.84%，不足1%。糧食產量的增長主要依賴于農業生產要素投入的增加和農業生產效率的提高口，但通過要素投入增加來維持產出增長將帶來巨大的經濟損失和環境代價。在傳統農業生產過程中，過度依賴要素投入來達到提高產量的目的，這必然導致農產品供給與資源環境承載之間的尖銳矛盾。在資源環境硬約束下，“多投入多產出”的傳統農業生產模式顯然不具有可持續性。我國是農業大國，同時也是人口大國，如何持續促進農業生產效率提高，切實保障糧食安全，具有重要現實意義。

1文獻回顧與模型構建

1.1文獻回顧

事實上，在不同背景下，研究農業生產效率的文獻較為豐碩。比如考慮城市化進程、農村經濟開放程度、農村勞動力轉移等，運用省級面板數據很好地闡釋了農業生產效率受到哪些因素的影響。但受限于數據的宏觀性，不能精準測度農戶當前的生產效率狀態。學術界注意到運用省級面板數據研究生產效率存在的缺陷，進而轉向運用微觀數據進行研究，主要集中在外出務工或兼業行為、土地規模或經營主體類別對農業生產效率的影響。研究對象為整個家庭農業總收入，并未細分到具體的某個作物品種，但實際上不同作物生產有其獨特性，例如不同時期有著不同的氣候環境影響作物產量，整體測算降低了估計結果的真實性。方法上多將DEA與Tobit模型、OLS模型等相結合，這些方法僅能幫助探究影響因素，并不能幫助測度提出影響因素之后的真實效率。

針對上述存在的缺陷或問題，文章可能對現有研究作出如下的貢獻：（1）研究對象更清晰，區域特征更突出。跟隨部分學者的成果，文章選取水稻作為研究對象，并且結合人口轉移、農業經濟發展、區域特征等因素聚焦四川省。（2）研究對象更微觀，便于精準分析。文章以樣本區域內農戶為研究主體，探究其水稻生產績效。（3）將DEA與隨機前沿分析（SFA）相結合（即三階段DEA模型），不僅探究影響效率的因素，更剔除這些因素的影響反映農戶真實的水稻生產績效。

1.2研究模型的設計

研究水稻生產績效主要借助于DEA模型展開，但隨著研究的不斷深入，采用傳統DEA模型評價生產績效時會受到外部環境和隨機誤差的影響，不能真實地反應出投入與產出之間的效率關系。基于此文章借鑒傳統DEA模型與SFA模型相結合的方法，測度農戶面臨相同外部環境時的真實生產效率，以期客觀考察農戶的水稻生產績效。具體實現過程包含如下3個階段：

1.2.1第一階段基于原始數據進行傳統的DEA分析

在本階段分析過程中，采用傳統的DEA模型假定規模報酬可變，將綜合效率值分解為純技術效率和規模效率。每個決策單元的線性表達方式為：

1.2.3第三階段利用調整后的投入數據與原始產出數據進行DEA分析

將第二階段調整后的投入數據和原始產出數據代入傳統DEA模型，進行新的效率估算，在這種情況得到的結果為剔除了環境因素和隨機誤差影響后的真實效率值，進一步進行生產績效評價。

1.3數據來源與變量設計

1.3.1數據來源

文章數據來源于2015年7～8月對四川省水稻種植農戶入戶調查。樣本點的選取上，以2014年四川省各市州統計年鑒為基準，主要考慮水稻種植面積和糧食產量，選取了水稻種植情況較好的成都市、南充市和達州市，每個市發放150份問卷，調查方式采用半結構形式（即一問一答形式）。共發放450份問卷，回收450份，回收率100%。根據研究需要剔除關鍵問題缺漏問卷，獲得411份有效研究數據，有效率為91.33%，其中成都市140份、南充市135份、達州市136份。

1.3.2變量設計

1.3.2.1投入與產出變量

選取水稻種植戶2014年全年水稻產量為產出變量，樣本農戶的水稻產量均值為2368.36kg；采用2014年水稻種植面積、自有勞動力投工總工日、資本投入和化肥施用量作為投入變量。有必要說明的是：文章將每人勞作8小時折算為1工日；資本投入為除化肥以外的所有水稻種植過程涉及花費；化肥施用量單列為一個投入變量，源于近年來土壤肥力下降，化肥投入增加，將其從資本中剝離，單從量上考慮有利于真實測度水稻生產績效。

1.3.2.2環境變量

在環境變量選擇上，結合水稻種植特點，借鑒國內外學者的研究經驗，遵循會影響到農戶生產行為，進而會影響其水稻生產績效的原則，文章選取如下幾個環境變量：

（1）水稻生產決策者年齡。一般而言隨著生產決策者的年齡不斷增長，其種植經驗也在不斷積累，豐富的種植經驗可能會促進投入冗余減少，進而提高生產績效，但也有研究表明，農戶年齡與投入冗余之間存在正向關系，即隨著農戶年齡的增加導致投入冗余的增長，進而降低生產績效。綜上，盡管學術界對此尚有分歧，但也說明生產決策的年齡的確會對生產績效產生影響。

（2）受教育程度。一般而言受教育程度越高農戶對新技術、新方法的掌握越快。受教育程度越高越能提高技術效率，或能在一定程度上降低某些變量的投入冗余，提高生產績效。但也有學者指出受教育程度對農業生產績效的影響偏負向，盡管影響微弱，甚至有學者指出由于農業生產是一項重復性質的工作，教育無法提高生產力，也就無法降低投入冗余。

（3）非農收入比例。家庭中非農收入占家庭總收入的比例越高，表明農戶脫離農業生產的傾向越大，兼業或者非農都將降低農戶對農業生產的關注度，直接導致農業生產效率下降。但非農收入的比例越高，也就意味著當地農業生產的機會成本越高，這將促進農業生產決策者更充分合理地分配生產要素，提高農業生產績效。

（4）糧食補貼收入比例。糧食補貼占家庭總收入的比例作為農戶所處的具體外部環境之一，不同的補貼類型對農業生產績效的影響是不一樣的。生產性補貼導致了投入冗余的增加，進而降低生產績效。但農機具購置補貼卻降低了投入冗余，進而提高生產績效。

（5）土地細碎化程度。土地細碎化對農業生產效率的影響機制已基本成為共識，土地細碎化程度越高，農業生產效率或農業技術效率越低，這都將降低農業生產績效，因此考察農戶水稻真實的生產績效必須控制其土地細碎化程度，文章采用農戶擁有的水田塊數表征土地細碎化程度。

（6）是否機耕。農戶想要開展規模化生產，必然要通過機械化實現，是否機械化耕作在一定程度上反映了現代技術在農業生產中的運用，同時也側面體現了農田區位，一般而言農田區位較好才能適宜機械化耕作。因此考慮是否采用機械耕作來表征一個具體環境變量，經過調整，能夠將農戶的生產行為至于相同的外部環境下，以探討真實的水稻生產績效。

（7）是否有技術指導。技術指導將直接影響到農戶生產的技術效率值，進而影響到農戶生產績效。盡管縣鎮農業技術人員指導對某些變量的投入冗余具有負向影響，對另外一些變量的投入冗余具有微弱的正向影響，但整體來看技術指導對農戶生產績效的影響是積極。

文章模型所有變量的定義、度量與統計如表1所示。

2實證結果與分析

2.1第一階段傳統DEA：基于原始投入和產出數據的BCC模型估計

在DEAP 2.1軟件中，利用原始投入和產出數據，對411戶水稻種植戶的水稻生產效率進行測度。表2展示了一階段DEA分析結果，結果顯示在不考慮環境因素和隨機誤差的影響下，農戶水稻種植的生產效率并不高，僅0.42。農戶之間的綜合效率差距較大，效率最高的農戶達到隨機前沿為1，最低僅為0.08。而從分解來看，農戶的純技術效率較低，而規模效率較高，因此農戶水稻種植的無效率主要是由純技術效率較低造成的，純技術效率相對較低是制約農戶水稻生產績效提升的主要因素。從規模報酬的情況來看：有324戶種植戶（占樣本78.83%）處于規模報酬遞增階段；有70戶種植戶（占樣本17.04%）處于規模報酬遞減；僅有17戶種植戶（占樣本4.13%）規模報酬不變，處于隨機前沿面。因此，在當前階段農戶仍然可以通過增加要素投入來獲取更高的產出回報，這有可能降低農戶通過學習技術來提高產出的意愿，從而表現為純技術效率低下。

農戶分散于不同的市縣，所面臨的家庭經濟情況、個人素質等環境迥然不同，如果不考慮這些因素和隨機誤差的干擾，得到的結果無法客觀反映農戶水稻生產績效的真實情況。因此將借鑒隨機前沿模型剔除環境因素和隨機誤差的干擾，將農戶水稻生產行為置于相同的外部環境下，探析其真實的生產效率，以客觀評價其生產績效。

2.2第二階段SFA：影響技術效率的環境變量分析及投入變量調整

在第二階段中，借助于隨機前沿分析方法（SFA）分解出環境變量、隨機誤差和管理無效率分別對生產效率的影響，并調整其原始投入，將所有樣本農戶置于相同的外部生產環境，衡量其水稻生產績效。采用Frontier 4.1軟件包，結合上文所建立的多元線性回歸模型，利用極大似然估計方法，分別估計環境變量對各投入要素的投入冗余的影響，估計結果見表3。

由表3可知，多數主要環境解釋變量至少通過了10%水平的顯著性檢驗，且各個模型的LR單邊誤差檢驗值均通過了1%水平的顯著性檢。這表明，選取的環境變量較為合理，采用SFA分析方法是合適的。γ值為1，表示農戶生產的投入冗余主要是由于管理無效率造成的，表明采用SFA方法進行三者影響因素的剝離并進行投入調整是很有必要的。

整體來看，水稻生產決策者的年齡對水稻生產投入冗余具有負向影響，一種可能的解釋是隨著年齡增長，水稻種植經驗逐漸積累，豐富的種植經驗有利于農戶根據自身條件調整種植面積、選擇合適的勞動力投入和較優資本投入，尤其是對水稻種植面積和資本投入優化方面的影響十分顯著，均通過了1%水平的顯著性檢驗。

決策者的受教育程度對種植面積投入冗余和資本投入冗余分別通過了1%、10%水平的顯著性檢驗，作用方向不一樣。受教育程度有利于降低種植面積投入冗余，作用效果僅為0.004，受教育程度不利于降低資本投入冗余，但作用效果為11.101。一種可能的原因是，受教育程度越高的農戶越愿意通過引入技術、雇傭工人以期獲取更高的邊際回報，這將導致農戶過度投入資本以換取技術和社會化服務，增加資本投入冗余。

非農收入比例對種植面積、資本投入、施肥量的影響通過了1%水平的顯著性檢驗。這表明隨著農戶非農收入比例的提高，水稻種植逐漸被副業化，對農業的關注程度不高，農戶并不會關心農業生產是否恰當合理，導致投入冗余增加，水稻生產績效降低。

糧食補貼收入占比對種植面積和資本投入冗余具有正向影響，這可能存在一個逆向選擇的問題，即規模大的農戶才能獲得一定量的補貼。因此農戶為了獲得更多的補貼會盲目投入資金、種植更多面積土地，形成粗放經營模式，從而導致投入冗余增加。雖然對施肥量和勞動力影響為負但不顯著。

水田塊數對水稻生產要素投入冗余具有負向影響，這與一般的認識存在差異。一般而言水田種植的塊數越多其投入冗余就越高，將導致生產效率下降。對于本文的結果而言，一種可能的解釋是分散的地塊雖然在一定程度上意味著土地細碎化，但分散的土地也在一定程度上降低了病蟲害帶來的威脅，保證水稻產量。同時也值得關注的是這些影響并不顯著。

是否機耕、是否有技術指導都對投入冗余表現出正影響，即機耕和有技術指導相對于無機耕和沒有技術指導的農戶生產效率更低。一種可能的解釋是，機耕的存在，會使得農戶盲目擴大生產規模，導致農業生產呈現粗放式經營，有技術指導同樣會存在這樣的影響機制。

由上述分析可知，環境因素對不同的農戶水稻生產要素投入冗余的影響程度不同。處于不同外部環境下的農戶，其農業生產行為可能受到外部環境的影響導致其水稻生產績效存在差異。因此，有必要去除環境因素和隨機誤差的影響，將各農戶置于相同的外部環境條件下進行分析。

2.3第三階段調整的DEA：對投入進行調整后的BCC模型分析

采用第二階段剔除環境因素、隨機誤差影響所得的投入數據，利用DEA-BCC模型進行分析，得出真實的效率現狀。表4報告了剔除環境因素和隨機誤差影響前后的整體效率變化，結果顯示綜合效率和規模效率的調整效應顯著，均通過了1%水平的顯著性檢驗，但其值下降，調整效應為負；純技術效率調整效應不顯著，但其值也表現為下降。綜合效率下降0.047，較第一階段值下降11.059%；規模效率下降0.079，較第一階段值下降10.769%。這表明，通過第二階段對投入冗余的調整，第三階段各效率指標均值均低于未剔除環境因素和隨機誤差時對應的指標，導致農水稻生產績效下降的主因是規模效率下降，同時也表明當前的環境因素和隨機誤差能夠在一定程度上改善農業生產績效。

從規模報酬情況來看，處于規模報酬遞減的農戶由70戶下降至24戶（占總樣本5.84%），處于規模報酬遞減的農戶由324戶上升至372戶（占總樣本90.51%）；處于規模報酬不變的農戶由17戶下降至15戶（占總樣本3.65%），表明當前時期絕大多數農戶能夠通過提高種植規模獲取更多產出，但也增大了生產績效下降的可能。

3結論及政策建議

3.1結論

文章運用傳統DEA分析和SFA分析相結合的方法構造了三階段DEA模型，運用四川省411戶水稻種植戶數據實證分析農戶水稻生產績效，主要得出如下結論：（1）當前農戶增產仍能通過增加要素投入實現。從第一階段和第三階段結果表明，規模效率是提高生產績效的主要動力，同時絕大部分的農戶處于規模報酬遞增階段，因此當前水稻種植戶仍能通過增加各項要素投入來實現增產增效，比如土地流轉。但令人擔憂的是，高度的土地集中也造就了逆向選擇，即為換取補貼或補助盲目進行土地流轉擴大生產規模，造成生產資源浪費，降低生產績效。（2）純技術效率低造成生產績效低。剔除環境因素和隨機誤差的影響前后，生產績效較低的主因仍是純技術效率低，這與當前的實際生產情況相符合，當前我國缺乏新型職業農民和高素質農民，農業往往被兼業化，農業生產積極性較低，過高的機會成本和較高的交易成本阻礙農業生產新技術推廣（如水稻病蟲害綜合防治技術），農戶不愿采納新技術，即便是采納新技術或是接受技術指導，也不能很好的掌握，造成資源浪費，增大投入冗余，降低水稻生產績效。（3）環境因素對不同的農戶水稻生產要素投入具有顯著影響，且對不同要素投入行為影響具有顯著差異性。處于不同外部環境下的農戶，其農業生產行為可能受到外部環境的影響導致其水稻生產績效存在差異。（4）當前生產環境利于改善水稻生產績效。從調整的角度來說，經過剔除環境因素和隨機誤差的影響，水稻生產績效實際上下降了，這主要表現在綜合技術效率下降，因此當前生產環境有利于水稻種植戶生產績效改善，但這些外部環境對水稻生產績效的影響并不一致，例如生產技術指導和機械化生產行為卻并不能如預期一樣提高生產績效，相反阻礙生產績效提高。

3.2政策建議

基于上述結論，為提高農戶水稻生產績效。文章得出以下幾點政策啟示：（1）促進農戶水稻生產要素投入結構調整。當前水稻種植戶仍能通過增加要素投入來獲取增產，但盲目的要素追加、過分地追求產量帶來的是生產資源的浪費，生產績效的降低，因此應當引導農戶開展精細化生產，加強要素投入結構調整，以提高生產效率為導向促進農業生產方式轉型。（2）注重水稻生產技術培訓質量。有技術指導的農戶其生產效率反而降低，反映出技術培訓的質量不高，農戶盲目按照技術指導實施造成模仿走樣，降低生產效率，因此在開展相關農業技術培訓不應當注重次數，而應當注重農業技術培訓的質量，同一技術反復講，讓先進帶后進，釋放技術本身的優勢。（3）提高水稻生產過程中的機械化效率。機械化不應當成為盲目擴大生產規模的推手，而應當成為農業精細化管理、幫助勞動力向非農部門轉移的助手。通過節約勞動力，實現生產過程要素投入精準，增強單位要素使用效率，提高水稻生產績效。