基于 DEA-Malmquist模型的貴州農業(yè)生產(chǎn)效率分析

王鑫磊， 黃東兵

(貴州財經(jīng)大學 管科學院， 貴州 貴陽 550025)

農業(yè)是支撐貴州省經(jīng)濟發(fā)展的主要國民經(jīng)濟行業(yè)之一，2016年貴州省國民生產(chǎn)總值達11 776.73億元，其中農業(yè)貢獻1 944.32億元，占貴州省國民經(jīng)濟生產(chǎn)總值的16.5%，位居第二。貴州是典型的山區(qū)農業(yè)省，受自然環(huán)境條件的限制，在農業(yè)發(fā)展過程中會受到一些因素的影響，如被山地分割難以規(guī)模化生產(chǎn)，機械化普及有阻礙等。經(jīng)統(tǒng)計表明，貴州省9個市州的農林牧漁總產(chǎn)值在2005-2009年呈緩慢增長趨勢，2009-2010年增長較明顯，2010-2012年下降幅度較大，2012年以后趨于平穩(wěn)。同時主要農作物播種面積自2007年以來呈逐年增長態(tài)勢，表明，只通過要素投入已不能很好地促進農業(yè)經(jīng)濟發(fā)展。研究如何提升貴州省農業(yè)生產(chǎn)效率及促進農業(yè)總產(chǎn)值的持續(xù)增長已成為當前急需解決的問題。

我國學者對農業(yè)生產(chǎn)效率的研究已相當普遍，并取得了豐碩成果。賀志亮等[1]運用三階段DEA模型對我國農業(yè)的生產(chǎn)效率及其影響因素的研究認為，農村居民家庭人均純收入、財政支農支出是農業(yè)生產(chǎn)效率改善的積極因素，鄉(xiāng)村人口平均受教育年限和自然災害是農業(yè)生產(chǎn)效率改善的不利因素。白瑪雍珍[2]基于SFA方法對我國農業(yè)生產(chǎn)的技術效率及其影響因素的實證研究認為，我國農業(yè)技術效率整體呈上升趨勢，但平均技術效率水平較低，有效灌溉面積和人均農機總動力對技術效率的促進作用較大。田偉等[3]運用SFA方法對我國棉花生產(chǎn)技術效率的分析認為，棉花生產(chǎn)的技術效率隨時間波動，且地區(qū)間存在較明顯差異，同時各省份間的棉花生產(chǎn)效率具有趨同趨勢。劉洋等[4]運用DEA-Malmquist生產(chǎn)率指數(shù)方法對中國馬鈴薯生產(chǎn)效率的實證分析指出，中國馬鈴薯的全要素生產(chǎn)率呈下降趨勢，各地區(qū)全要素生產(chǎn)率變化存在較大差異。馬鳳才等[5]運用DEA方法對黑龍江省農業(yè)技術效率進行了研究，并基于生產(chǎn)效率對黑龍江省農業(yè)可持續(xù)性進行了分析。鮑學東等[6]基于超越對數(shù)隨機前沿方法對四川省農業(yè)生產(chǎn)技術效率及其影響因素的分析得出，四川農業(yè)生產(chǎn)技術效率隨時間呈下降趨勢，且地區(qū)間差異明顯，資本投入和社會經(jīng)濟條件對技術效率的影響顯著。另外，王亞坤等[7-8]運用DEA方法分別對我國蔬菜生產(chǎn)和烤煙生產(chǎn)的技術效率進行分析。彭可茂等[9]運用SFA方法對我國油菜生產(chǎn)進行了技術效率分析。李燦華等[10-11]運用SFA方法對我國烤煙生產(chǎn)進行了技術效率的分析。

綜上所述，對農業(yè)生產(chǎn)技術效率的分析研究多運用隨機前沿方法(SFA)和數(shù)據(jù)包絡分析(DEA)2種方法[12]。相對隨機前沿方法，DEA-Malmquist模型不需事先確定生產(chǎn)函數(shù)和相關參數(shù)，避免了模型設定不合理帶來的影響。相對于DEA方法，DEA-Malmquist模型的優(yōu)勢體現(xiàn)在不僅可以處理包含多個時間點觀測值的面板數(shù)據(jù)對技術效率的變動情況進行分析，同時能夠對技術水平的變化(技術進步)進行測定。鑒于此，基于2005-2014年貴州省9個市州的投入產(chǎn)出面板數(shù)據(jù)，選用DEA-Malmquist全要素生產(chǎn)率指數(shù)方法對貴州省農業(yè)生產(chǎn)效率進行測算與分析，并提出發(fā)展貴州省農業(yè)的建議與對策，以期為提升貴州省農業(yè)生產(chǎn)效率，促進貴州省農業(yè)高質量發(fā)展提供參考。

1 材料與方法

1.1 數(shù)據(jù)來源

基礎數(shù)據(jù)來源于《貴州統(tǒng)計年鑒》，選取貴州省2005-2014年9個市州的面板數(shù)據(jù)進行研究。

1.2 方法

參考文獻[13-16]以農林牧漁總產(chǎn)值為產(chǎn)出指標，為避免受價格波動的影響，采用價格指數(shù)以2005年為基期進行調整；以農村第一產(chǎn)業(yè)就業(yè)人員、農作物總播種面積、農業(yè)機械總動力和化肥用量等4個指標為投入指標。

假設(x2,y2)和(x2+1,y2+1)分別表示決策單元(DMU)在時期t和時期t+1的投入變量和產(chǎn)出變量，以規(guī)模收益不變(CRS)條件下產(chǎn)出導向的距離函數(shù)為基礎進行Malmquist指數(shù)(全要素生產(chǎn)率變化指數(shù))的計算。首先設定參考集，即分別采用t時期和t+1時期作為參考前沿，其次，用Dt和Dt+1分別表示以t時期和t+1時期為參考前沿的距離函數(shù)，通過計算得到2個時期的Malmquist指數(shù)。

Mt(xt+1,yt+1,xt,yt)=Dt(xt+1,yt+1)/Dt(xt,yt)

Mt+1(xt+1,yt+1,xt,yt)=Dt+1(xt+1,yt+1)/Dt+1(xt,yt)

對Mt和Mt+1計算幾何平均值作為被測算決策單元(DMU)的Malmquist指數(shù)，其中，M>1表示生產(chǎn)率的提高，M<1表示生產(chǎn)率下降，當M=1則表示生產(chǎn)率沒有變化。

技術效率(EC)變化為：

EC=Dt+1(xt+1,yt+1)/Dt(xt,yt)

技術變化(TC)即2個時期前沿面相對前移的情況。

Malmquist指數(shù)可分解為技術效率變化和技術變化：

在規(guī)模收益(VRS)可變條件下，技術效率變化可拆分為純技術效率(PEC)變化和規(guī)模效率(SEC)變化。

式中，Dv(xt,yt)表示規(guī)模報酬可變的距離函數(shù)，DC(xt,yt)表示規(guī)模報酬不變的距離函數(shù)。

從而Malmquist指數(shù)可分解為：

M(xt+1,yt+1,xt,yt)=PEC×SEC×TC

1.3 數(shù)據(jù)處理

運用DEAP 2.1對2005-2014年貴州省9個市州的農業(yè)投入產(chǎn)出數(shù)據(jù)進行分析，計算各市州綜合技術效率變化指數(shù)、技術水平變化指數(shù)、純技術效率變化指數(shù)、規(guī)模效率變化指數(shù)和Malmquist指數(shù)。

2 結果與分析

2.1 各市州的 Malmquist指數(shù)

從表1可知，2005-2014年貴州省農業(yè)Malmquist指數(shù)平均為0.981，全要素生產(chǎn)率年均增長率為-1.9%，全要素生產(chǎn)率呈下降趨勢，主要由純技術效率的下降和規(guī)模效率的下降導致。規(guī)模效率的降低，表明貴州省農業(yè)處于規(guī)模收益遞減階段，不能單純依靠擴大種植面積提升生產(chǎn)率，而要通過加快促進規(guī)模化生產(chǎn)、專業(yè)化分工及產(chǎn)業(yè)化經(jīng)營提高農業(yè)生產(chǎn)效率。盡管技術水平變化指數(shù)為1.010，表現(xiàn)為技術水平的提高，但無法帶動全要素生產(chǎn)率的提升，說明單靠技術水平的提高還無法促進生產(chǎn)率的提升，還需依靠技術效率的提高。故對于貴州省農業(yè)而言，應在現(xiàn)有技術水平基礎上優(yōu)化資源配置及提升管理水平，使技術優(yōu)勢得以充分發(fā)揮，同時應繼續(xù)加快提高生產(chǎn)技術水平，通過技術創(chuàng)新及科技成果轉化，提升農業(yè)的發(fā)展質量。

9個市州中只有貴陽市的Malmquist指數(shù)維持在1.000不變，技術水平變化指數(shù)、純技術效率變化指數(shù)和規(guī)模效率變化指數(shù)均為1.000；其他市州的Malmquist指數(shù)均在1.000以下。其中，六盤水市和遵義市全要素生產(chǎn)率的降低主要由規(guī)模效率的降低引起，今后要加快促進農業(yè)的規(guī)模化經(jīng)營，適度降低種植面積。安順市、黔西南州、黔東南州和黔南州全要素生產(chǎn)率的降低主要由純技術效率的降低引起，今后要注重提升農業(yè)管理水平、優(yōu)化資源配置及發(fā)掘內部潛力。畢節(jié)市全要素生產(chǎn)率的降低由技術水平的降低引起，應加快畢節(jié)市農業(yè)的技術創(chuàng)新步伐，加速創(chuàng)新成果的轉移轉化，從新技術的引進與應用方面提升全要素生產(chǎn)率。銅仁市的Malmquist指數(shù)最低，為0.907，全要素生產(chǎn)率年均下降9.3%，主要由技術水平、純技術效率和規(guī)模效率的降低共同引起，銅仁市應在加快農業(yè)科技創(chuàng)新的同時，還要加大發(fā)掘系統(tǒng)內的技術潛力、優(yōu)化資源配置及提升管理水平，同時加快引導土地流轉，形成規(guī)模化生產(chǎn)的農業(yè)發(fā)展模式。致使貴州省各市州全要素生產(chǎn)率降低的原因各不相同，應針對各市州的具體情況，制定提升農業(yè)生產(chǎn)率的對策。

表1 2005-2014年貴州省9個市州的Malmquist指數(shù)

2.2 各年 Malmquist指數(shù)的變化趨勢

從圖1和表2看出，2005-2014年的Malmquist指數(shù)波動性較大，如貴州省農業(yè)全要素生產(chǎn)率的增長率2009-2010年的最高，為100.8%，2011-2012年的最低，為―33.2%，同時各年的綜合技術效率、純技術效率和規(guī)模效率變化指數(shù)基本圍繞1呈微小波動，且基本保持穩(wěn)定態(tài)勢，對全要素生產(chǎn)率的波動影響較小，技術水平變化指數(shù)曲線與Malmquist指數(shù)曲線的變化基本一致[17]，當全要素生產(chǎn)率增長率達最高時，技術水平的增長率也最高，為109.5%，當全要素生產(chǎn)率增長率最低時，相應的2010-2012年的技術水平的增長率達最低水平，分別為-41.7%和-30.6%，也是導致生產(chǎn)率變化指數(shù)波動的原因。說明，技術水平的提高對貴州省農業(yè)全要素生產(chǎn)率的提升具有重要作用，今后，貴州省應加快構建農業(yè)的技術創(chuàng)新體系，增加科研投入，加強政策支持和人才引進，注重提升科技成果的轉化效率，通過創(chuàng)新驅動發(fā)展貴州農業(yè)。

從圖1看出，生產(chǎn)技術水平不可持續(xù)性提高可能與技術創(chuàng)新的間斷性、滯后性和適應性有關。表明，應加快技術創(chuàng)新的效率，形成創(chuàng)新機制，通過源源不斷創(chuàng)新成果的應用使創(chuàng)新釋放持久活力。

圖1 2005-2014年貴州省各年度 Malmquist指數(shù)的變化趨勢

表2 2005-2014年貴州省各年度的 Malmquist指數(shù)

3 結論與討論

運用非參數(shù)的DEA-Malmquist全要素生產(chǎn)率指數(shù)方法，對2005-2014年貴州省9個市州農業(yè)投入產(chǎn)出面板數(shù)據(jù)的分析得出：一是貴州省農業(yè)的平均全要素生產(chǎn)率呈下降態(tài)勢，全要素生產(chǎn)率年均增長率為―1.9%，下降的主要原因是綜合技術效率的降低，而綜合技術效率的下降是由純技術效率和規(guī)模效率同時下降導致的。二是除貴陽市的全要素生產(chǎn)率保持不變外，其余各市州的全要素生產(chǎn)率均降低，且各地降低的主導因素不同，應針對各市州的具體情況，制定提升農業(yè)生產(chǎn)率的對策。三是Malmquist指數(shù)隨時間波動的主導原因是技術水平的變化，技術水平的提高對生產(chǎn)率的提升具有較大作用。

為提升貴州省農業(yè)生產(chǎn)效率，提出如下建議：首先是在保持不增加耕種面積的前提下，加快引導土地流轉，引入強勢的經(jīng)營主體，形成規(guī)模化生產(chǎn)，將農民組織起來，加強專業(yè)分工。其次是建立專業(yè)化管理隊伍，引入現(xiàn)代化管理理論，加強農業(yè)的管理水平。第三是建立農業(yè)發(fā)展的技術創(chuàng)新體系，營造技術創(chuàng)新環(huán)境，形成高效的創(chuàng)新機制，加快科技成果的轉移轉化，同時推進互聯(lián)網(wǎng)、大數(shù)據(jù)及人工智能等與農業(yè)的深度融合，形成貴州省農業(yè)發(fā)展新模式。