基于DEA 模型和Malmquist 指數的農業生產效率評價研究
——以吉林省為例*

李 強，龐鈺凡，汪 玥

（1.武漢理工大學 馬克思主義學院，武漢 430070；2.廣西民族大學 經濟學院，南寧 530006；3.廣西民族大學 民族學與社會學學院，南寧 530006）

吉林省位于我國東北地區的中部，是國家糧食主產區，省域面積18.74 萬平方公里，耕地面積553.78 公頃，占總面積的28.98%，人均耕地面積0.21 公頃，是全國平均水平的2.18 倍，其農業生產水平在全國農業生產中有舉足輕重的地位，據統計，2017 年吉林省人均糧食產量達1.36 噸，與產量1.58 噸的黑龍江省和產量1.1噸的內蒙古自治區一道成為全國僅有的人均糧食產量上噸數的3 個省份；2017 年玉米出口量為4.21 萬噸，出口金額為992.07 萬美元，出口量和出口金額均位居全國第一；2011—2016 年間糧食作物每公頃產量一直位居全國第一。多年來，吉林省糧食商品率以及人均糧食占有量均列全國第一，但相關資料顯示，吉林省2017年糧食作物每公頃產量為7405.5 公斤/公頃，被上海市超越降為第2 名。我國作為農業生產大國，提升農業生產效率尤為重要，吉林省農業發展水平的高低不僅影響其本區域糧食產量，更直接影響我國農業的發展水平。因此，作為我國重要商品糧生產基地，研究其農業生產效率并采取提高效率的相應舉措刻不容緩。

一、文獻綜述

目前，對農業生產效率的評價研究一直是農業區域經濟研究中的一項重要課題，研究中常用的分析方法主要是數據包絡法分析法（date envelopment analysis，DEA），通過測算不同區域農業效率水平，對區域內各地市進行效率評價與排序，再開展深入探討與研究。王剛毅和劉杰［1］采用數據包絡分析法和Malmquist 指數對東北地區36 個城市2000—2015 年間的農業生產效率進行實證分析，結果發現東北地區農業生產效率的提升仍有很大空間，且機械化水平的提高有利于東北地區農業全要素生產率的增長；李中東和尉遲曉娟［2］用DEA和Malmquist 指數對山東省2011—2016 年間的農業生產效率現狀開展研究，結果發現山東省17 個地市存在農業生產的新舊動能轉換力度不足的問題；徐密等［3］采用DEA 法測算湖北省2001—2016 年間農業機械化投入產出效率，結果發現約50%的年份農業機械化投入產出具有效率，但整體投入產出比例合理；李勇輝和白利鵬［4］利用DEA 模型分析云南省2001—2016 年間的農業科技創新資源配置效率，結果發現云南省農業科技創新資源在技術投入、人力資源和農業資金投入逐年增加，促使其農業創新資源的配置效率整體較高；吳振華和雷琳［5］運用三階段DEA 模型對2012—2016 年間河南省18 個地市的農業土地生態效率開展研究，結果發現規模效率成為制約綜合技術效率的關鍵；趙輝和方天堃［6］基于DEA 方法對改革開放以來1978—2009 年吉林省現代農業發展水平進行評價，結果發現吉林省現代農業生產絕對有效率僅10 年，占總數的不到1/3；曾福生和高鳴［7］基于數據包絡分析法從決策單元有效性、規模效益、投入要素的冗余量、現代農業發展類型和動態面板的績效評價5 個角度評價我國30 個省區的現代農業發展績效情況，結果發現我國現代農業發展類型可分為高效率高產出、高效率中產出、低效率中產出、低效率低產出4 種類型；賀志亮和劉成玉［8］運用三階段DEA 模型實證分析了我國2012 年的農業生產效率，結果發現可以將我國各省份的農業生產效率水平分為“雙高型”“高低型”“低高型”與“雙低型”4 種類型。

縱觀以上研究概況，目前鮮有研究從橫向縱向不同研究層面出發的關于吉林省農業生產效率的研究報道。因此，本文利用DEA 模型和DEA Malmquist 分析方法開展對吉林省的農業生產效率研究，并展開投影分析，找到其農業發展的詬病，最終采取相應措施提升其農業生產效率水平，推動吉林省實施鄉村振興戰略，加快推進農業農村現代化進程，從而為全省經濟社會發展提供基礎支撐。

二、數據來源與研究方法

（一）吉林省農業生產效率評價模型與分析方法

1.DEA 模型

1978 年美國運籌學家Charnes 等［9］提出一種數量分析法，即數據包絡分析法（DEA），這一方法是用線性規劃對所有決策單元DMU 開展效率評價。其基本思路是：通過搜集各決策單元DMU 的指標數據，計算得出DMU 的綜合技術效率值、純技術效率值和規模效率值，從而準確測度決策單元DMU 是否達到DEA 有效。

3 項效率數值存在以下關系：綜合技術效率（technology efficiency）=純技術效率（pure technology efficiency）×規模效率（scale efficiency）。3 項數值越接近1，表明效率水平越高。綜合技術效率數值＜1，表明該決策單元DMU 屬于DEA 無效，若綜合技術效率數值=1，則表示該決策單元DMU 實現DEA 有效。

本文采用的DEA 模型均為DEA 投入導向，在CCR（規模收益不變）和BCC（規模收益可變）模型基礎上，引入投影分析，對吉林省農業生產效率進行評價研究。

2.研究假設

設總體決策單元DMU 有n個，且包含多項投入和產出，其中投入指標有u種，產出指標有v種，第k個DMU 的第m種投入數量用Xmk表示，第k個DMU 的第s種產出數量用Ysk表示，Vm表示投入數據的權重值，Us表示產出數據的權重值。下文公式中，向量Xk表示決策單元DMU 的投入值，Yk表示決策單元DMU 的產出值，P和Q表示權重值向量，則可得：

其中：m=1，2，…，u；k=1，2，…，n；s=1，2，…，v。

定義第k個DMU 的效率評價指數為

定義第k0個DMU 綜合效率的數學模型為

通過觀測以上參數的取值，便可測度第k0個DMU 是否達到DEA 有效。公式（6）的實際意義是：通過線性規劃，如果能找到決策單位DMU 的某種線性組合，要求其實際產出不高于第k0個DMU 的實際產出，則意味著第k0個DMU 達到DEA 有效，反之，屬DEA 無效。根據董明濤［10］的研究，基于公式（6）的模型解的有效性判斷定理是：若存在最優值θ?=1，則其對應的第k0個DMU 為弱DEA 有效；若最優值θ?=1，且存在最優解，即投入松弛變量S-=0，投入產出變量S+=0，則其對應的第k0個DMU 為DEA 有效。

3.數據投影分析

采用白建華等［11］的研究方法，若第k0個決策單元DMU 的效率值θ=1，則該DMU 屬DEA 有效；與此同時，若第t個決策單元DMU 的效率值θ＜1，即屬DEA 無效，借助投影分析可測度DEA 無效地區的整改方向。

4.Malmquist 指數分析

Malmquist 指數是一種測量動態視角下決策單元全要素生產率（total factor productivity，TFP）的新型全方位效率考察模型，將生產效率解構為由技術與效率，相對于靜態視角考察單因素的生產率而言，該模型更具全面性與科學性。其中，農業生產領域中的技術變化與進步體現于技術進步率（techch）的高低；農業生產領域中的技術革新與推廣體現于純技術效率（pech）的高低，規模生產的普及程度與效用水平表現于規模效率（sech）的高低，二者共同組成效率水平的測度指標。TFP 指數的解構公式為

其原理公式如下：

其中：面板數據中t和t+1 兩個時期的投入產出量分別用xt、xt+1、yt、yt+1表示；D0t和D0t+1表示在t時期既定技術水平之下和t+1 兩個時間階段的技術距離函數。

TFP 指數可繼續解構為從左至右的規模效率（SE）、純技術效率（PTE）、技術進步率（TP）的乘積，TFP 指數也可解釋為綜合技術效率（TE）和技術進步率（TP）的乘積。結合DEA 模型，各指數含義如下：綜合技術效率是否為1 直接關乎面板數據是否實現DEA 有效，其規模效率與純技術效率分別表示生產規模的效用水平與生產技術的應用水平，若在DEA 模型下皆等于1，則意為實現DEA 有效，反之無效；若在Malmquist 指數分析中皆大于1，則證實決策單元的規模報酬與技術效率水平實現逐年增長，反之，逐年下降。技術進步率和全要素生產率在Malmquist 指數分析中若大于1，表明決策單元的技術增長與生產效率水平逐年提升，反之逐年下降。

（二）指標選取及數據來源

1.指標選取

為準確測度吉林省農業生產效率，本文將農業生產的效率評價體系分為農業生產投入與農業生產產出2 個評價理念。在農業生產投入指標體系的選取中，擇取三大投入指標，分別是農作物總播種面積（X1）、農業機械總動力（X2）和歷年財政農業支出（X3），分別代表吉林省農業生產的基礎投入、技術投入與資金投入。在農業生產產出指標體系的選取中，擇取兩大產出指標，分別是農林牧漁業總產值（Y1）、農村居民人均可支配收入（Y2），分別代表吉林省農業生產的直接產出和間接產出。

2.數據來源

針對數據的可獲得性和有效性，本文所用的數據均來源于2004—2017 年的《吉林統計年鑒》，見表1。

表1 吉林省農業生產效率評價指標體系

（三）統計分析

首先，使用DEAP Version 2.1 軟件的DEA 模型，通過縱向分析，計算2004—2017 年吉林省農業生產效率，并計算全省自2004 年起各時期的全要素生產率；再次，通過橫向分析，計算2017 年吉林省省域內9 個地市的農業生產效率，對5 個投入產出指標開展投影分析，綜合測評其農業生產效率；最后，找出吉林省農業發展的制約項，并提出相應的建議和舉措。

三、結果及分析

（一）吉林省農業生產效率縱向分析結果

為科學觀測吉林省農業生產效率，本文先從宏觀入手，以時間軸為主線，縱向測量全省近14 年的DEA 效率值。

1.DEA 效率縱向分析

通過運行DEAP Version 2.1 軟件，得出吉林省2004—2017 年間的農業生產效率結果，見表2。

從表2可以看出，吉林省近14年來，農業生產工作投入產出比例較為合適，DEA完全有效率的年份占據78.5%，只有3 個年份未達到DEA 有效。從表2 的數據均值可以看出，較之綜合技術效率均值0.989、純技術效率均值0.998 和規模效率均值0.991 的水平而言，低于平均綜合技術效率和平均規模效率水平的年份僅有2 個，僅占總年份數的14.3%；低于平均純技術效率水平的省份僅有1 個，占總年份數的7.1%。說明吉林省農業生產資源的配置效率整體水平較高，各年份差距不大。

表2 吉林省2004—2017 年間農業生產效率值

由年份縱向延伸觀測出，2004—2006 年間的綜合技術效率達到DEA 有效，雖然自2007 年起綜合技術效率值下降，但2011—2017 年效率值仍為1，再次實現DEA 有效，表明吉林省2004—2017 年間的農業生產效率基本呈穩中有進的趨勢。即使少數年份處于DEA 無效階段，但所有年份的規模報酬均處于不變或遞增區間，借鑒董明濤［10］的研究結論，說明吉林省近年來的農業生產效率整體水平向好，資源利用率有望實現穩步提升。

綜合技術效率水平是受純技術效率和規模效率共同影響，表2 顯示，吉林省純技術效率總體水平較高，均值高達0.998，除大部分年份效率值均為1 以外，僅有2007 年和2010 年的純技術效率分別為0.990 和0.982，可見吉林省充分發揮當前技術水平，投入資源的利用率較高，這也間接說明了總體效率水平較高的原因，但仍有發展空間。而致使2007 年、2009 年、2010 年的DEA 無效，除2007 年 和2010 年外，只有2009年是由于規模效率無效引起的，但由于其尚且處于規模報酬遞增區間，說明在這一年份，應適當提高規模效率從而提高整體效率。

2.投影縱向分析

為更好地分析無效年份的投入產出效率值，利用DEAP Version 2.1 軟件運算，測得吉林省無效年份2007年、2009 年以及2010 年的DEA 投影分析結果，以及投入產出松弛變量和量化后的投產調整數額，最終結果見表3、表4。

表3 DEA 無效年份投影結果

表4 DEA 無效年份投影數值

由表3、表4 可以看出，無效年份2009 年投入、產出松弛變量皆為0，這是由于當年吉林省農業生產純技術效率值為1，即規模效率不足導致DEA 無效。其余兩年雖DEA 無效，但其綜合技術效率數值分別為0.990與0.940，整體效率水平較高，且投產松弛變量數值較小，調整區間不大，這與吉林省近年來積極推進農業生產工作規范化、現代化，優化農機裝備體系和服務體系等工作密切相關。

3.Malmquist 指數動態縱向分析

為動態考察吉林省近14 年來的農業生產效率，利用DEAPA2.1 運行得出TFP 數值，分析吉林省全要素生產率變化情況，結果見表5。

由表5 可知，綜合技術效率、純技術效率、規模效率皆為1 且保持不變，且技術進步率與全要素生產率呈現同趨勢漲跌，說明技術進步率是促進全省全要素生產率變化的關鍵因素。全要素生產率平均值為0.978，超過1 和小于1 的年份均有5 個，表明2004 年以來吉林省農業全要素生產率的變化總體趨勢有跌落趨勢，且有一定的波動性；5 個時期實現了全要素生產負增長，占總時期數的38%，表明從動態視角來看，吉林省歷年技術引領的效率較低，動力不足。

表5 吉林省2004—2017 年全要素生產率及其分解

（二）吉林省農業生產效率橫向分析結果

為繼續科學觀測，因此從微觀出發，利用2017 年吉林省9 個地市的農業產出、投入數據，橫向測度各區域的農業生產DEA 效率。

1.DEA 效率橫向分析

運用DEAP Version 2.1 軟件計算吉林省2017 年9 個地市農業生產的綜合技術效率值、純技術效率值、規模效率值，統計規模報酬以及各單位DEA 是否有效的情況，結果見表6。

表6 2017 年吉林省各地區農業生產效率分析

從表6 可以看出，2017 年吉林省9 個地市農業生產的綜合技術效率平均值為0.810，純技術效率平均值為0.828，規模效率平均值為0.977，吉林省省域內低于平均綜合技術效率水平、平均純技術效率水平以及平均規模效率水平的地市均為3 個，占總地市數的33.3%。說明吉林省2017 年9 個地市的農業生產效率水平一般，在提高效率配置方面應繼續加大力度。

由表6 觀測出，2017 年吉林省9 個地市中，綜合技術效率值最高的是四平市、遼源市、白山市，綜合技術效率為1，數目占總地市數的33.3%，均實現DEA 有效，說明這3 個地市生產效率高，資源沒有產生太大浪費。剩余6 個地市的綜合技術效率值由高到低排序依次為：長春市、吉林市、通化市、松原市、白城市、延邊朝鮮族自治州，綜合技術效率值分別為：0.961、0.927、0.852、0.728、0.502、0.321，除長春市和吉林市的純技術效率為1 以外，其余地市的3 項效率指標均不達標，同屬DEA 無效地區，說明這些地市投入的農業生產資源并未得到充分有效的利用，且產出水平相對較低。

在2017 年處于DEA 有效的3 個地市中，四平市是吉林省第3 大城市，自2012 年起，全市種植結構不斷優化，糧食播種面積平穩增長，經濟作物面積減少，2017 年四平市糧食播種面積85.8 萬公頃，省內排名第3，而在全省各地市糧食產量與農林牧漁業總產值排名中，四平市排名第2 位，僅次于省會長春市。這一結果在一定程度上反映了四平市農作物種植面積并不占據優勢，但糧食產量越大、產值越高，區域綜合效率越有效；遼源市地理概貌為五山一水四分田，農產品加工業是遼源市支柱產業。目前，全市各類農產品加工企業已經發展到近500 戶，市級以上龍頭企業114 戶，國家級龍頭企業2 戶，省級龍頭企業24 戶，市級龍頭企業88 戶。2018 年農產品加工業銷售收入449 億元，同比增長6.7，農民可支配收入在全省處靠前位置，可見，遼源市農業生產效率較高，達到DEA 有效；白山市屬“九山半水半分田”地貌，優先發展依附于森林資源的特色種植業。全市人參種植面積達2363 公頃，人參產品也成功打造“吉字號”公共產業，其中，全省唯一的兩個農業農村部地理標志認證人參產品就是白山市盛產的靖宇林下參和西洋參。2018 年，全市特產業產值實現155 億元，比上年增長9%。發展特色產業使白山市綜合技術效率水平較高，達到DEA 有效。

在2017 年處于DEA 非有效的6 個地市中，縱觀純技術效率，長春市與吉林市純技術效率均為1，總體綜合技術效率水平較高，只存在規模效率不足的問題，這與其地處吉林省經濟、政治中心密切相關，故DEA 無效?？v觀規模效率，長春市、吉林市、通化市處于規模報酬遞減階段，說明這3 個地市投入的農業生產資源存在浪費情況，資源未完全利用，應調整這類地區的農業生產資源投入的數量以及質量，一定程度上縮小農業生產規模，以提高其生產效率。剩余省份如松原市、白城市、延邊朝鮮族自治州處于規模報酬遞增階段，說明由于其生產規模普遍較小，雖然DEA 無效，但又較大發展空間，可通過加大農業生產資源投入，擴大生產規模，提高該地區農業生產效率。

2.投影橫向分析

為科學觀測DEA 無效地區的效率值，通過DEAP Version 2.1 軟件，測度出2017 年吉林省農業生產效率DEA 無效地區的投影分析結果、投產松弛變量值以及調整數值，結果見表7、表8。

表7 2017 年吉林省DEA 無效地區投影結果

表8 2017 年DEA 無效地區投影數值

由表7 可以看出，長春市、吉林市沒有出現投入松弛與產出緊縮值，只是規模效率不足，因此兩市應立足提高規模效率，加強規模效應。通化市出現了投入松弛值，無產出緊縮值，其余松原市、白城市、延邊朝鮮族自治州均有投入松弛值和產出緊縮值。

在當前松弛變量值分析之下，可進一步得出DEA 無效地區的投入冗余額與產出不足額。由表8 可以看出，通化市、松原市、白城市、延邊朝鮮族自治州在農作物總播種面積、農業機械總動力、財政農林水事務支出的投入中都出現了相應的投入冗余量和產出不足量，相較之無產出不足量的通化市，可進一步說明其余3 個地市在減少一定量投入、擴大一定量產出后，很可能實現效率提升，但通化市在減少一定投入量之后，仍處于現有產出水平，借鑒白建華等［12］的研究，表明其資源利用率低下，存在資源浪費。

由表8 可以看出，吉林省9 個地市中的6 個DEA 無效地區，其農作物播種面積的投入冗余平均值為256143.161 公頃，超出平均值地市包括松原市和白城市，說明這些地市的土地利用率較低。6 個地市的農業機械總動力的投入冗余平均值為154.176 萬千瓦，超出平均值的地市包括松原市、白城市、延邊朝鮮族自治州，說明這3 個地市的農機利用率較低。6 個地市的歷年財政農林水事務支出的投入冗余平均值為250610.906 萬元，超出平均值的地市有通化市、白城市、延邊朝鮮族自治州，說明這些地區的資金利用率不高，未達到預期效果，借鑒熊鷹和許鈺莎［13］的研究，說明導致了資源浪費。

四、討論

本文采用DEA 模型與Malmquist 指數分析，基于2004—2017 年吉林省省域及2017 年吉林省9 個地市的農業投入、產出的面板數據測算出吉林省的農業生產效率，結果發現：

（1）從縱向分析來看，全省農業生產缺乏規模效用，生產技術遇發展瓶頸。這與郭慶海［14］研究吉林省農業供給側結構性改革問題時得出的研究結果基本一致。綜合吉林省近14 年效率情況來看，總體水平較高，綜合技術效率、純技術效率、規模效率的均值分別為0.989、0.998、0.991，處于較高水平，依據何曉瑤等［15］的研究，仍有提升的空間。尤其是全省整體規模報酬處于不變狀態的居多，只有2009 年和2010 年實現規模報酬遞增，這與王曉麗和祝源清［16］提出的吉林省縣域農業生產存在規模無效的研究結論基本一致。從動態視角來看，全省自2004 年以來技術進步率較低，導致全要素生產率不高，農業生產技術水平未實現持續穩步正增長。因此，尋求新的發展出路、提高農業科技水平對于全省農業發展取得突破性進展至關重要，這與趙輝和方天堃［6］得出的吉林省現代農業發展應加速技術進步的研究結果基本一致。

（2）從橫向分析來看，地市農業生產缺乏區域平衡，發展水平遇失衡瓶頸。本文選取的吉林省9 個地市的效率表明，純技術效率與綜合技術效率不高成為制約農業生產效率的關鍵，致使此情形發生是因為9 個地市效率水平嚴重失衡。四平市、遼源市、白山市的農業生產效率達到DEA 有效，綜合技術效率為1，但松原市綜合技術效率僅有0.728、純技術效率僅有0.746，白城市綜合技術效率僅有0.502、純技術效率僅有0.531，延邊朝鮮族自治州綜合技術效率僅有0.321、純技術效率僅有0.324，區域發展不平衡問題較為嚴重，大部分地市存在農業投入冗余與產出不足的問題，地區性發展不平衡形勢很嚴峻，這與王曉麗和祝源清［16］在分析吉林省縣域農業生產效率評價時得出的研究結果一致。

（3）從投影分析來看，全省各地市農業生產缺乏統籌規劃，投產資源有浪費現象。這與吳曉紅［17］、潘玥［18］、趙輝和方天堃［6］在研究吉林省農業發展水平時得出的研究結果基本一致。吉林省在效率無效年份2007 年綜合技術效率為0.990，2010 年綜合技術效率為0.914，投入冗余量的調整主要從農作物播種面積、農業機械總動力、財政支出進行小幅度調整，產出不足量也是從2007 年的農民人均可支配收入和2010 年的農林牧漁總產量開展小范圍調整。但在6 個DEA 無效地市中，除長春市和吉林市是由于規模效率不足引起的DEA 無效之外，通化市、松原市、白城市、延邊朝鮮族自治州均有較高的投入冗余量及產出不足量，特別是白城市的耕地面積、農業機械總動力投入冗余量最高，農民人均可支配收入產出不足最高，延邊朝鮮族自治州的財政農林水事務支出冗余額最大。

從不同的投入視角來看，其一，在基礎投入方面，吉林省作為糧食大省，耕地資源豐富，有效利用現有耕地資源就顯得頗為重要。但通化市、松原市、白城市、延邊朝鮮族自治州在作物播種面積方面有冗余，且白城市冗余額最大，表明整體在農作物耕地資源利用率較低，這與王曉麗和祝源清［16］提出的提高吉林省縣域土地資源產出率的結論基本一致；其二，在技術投入方面，農業機械總動力作為農業生產的技術資本投入，在DEA 無效地區中利用率較低，其中，投入冗余額最大的是白城市255.309 萬千瓦，存在大量的資本浪費；其三，在資金投入方面，吉林省政府的財政農林水事務投資巨大，但得不到高效利用；最后，在產出方面，在吉林省的9 個地市中，3 個DEA 無效地區出現了農民人均可支配收入產出不足的情況，表明城鎮化的不斷推進造成了農村人口數量逐年下降，農民外出務工也更減少了農村勞動力，這與段夢和黃德林等［19］在研究農業轉移人口市民化對農業經濟的影響是得出的結論基本一致，且城鎮化、經濟發展、人口轉型等諸多因素也造成了該地區大量的閑置土地，這與孫悅［20］在研究鄉村振興戰略下的農村土地閑置問題是得出的研究結果基本一致，說明在無效地區存在農民收入不高、農業生產成果轉化率較低且勞動力不足的情況。

由此可見，與已有研究文獻相比，本文結論與實際情況比較相符，且通過對農業生產效率進行分析可發現投入產出不匹配的相關因素，可有針對性地調整投入，以充分保證農業生產效率。但本文僅從農業生產效率的視角出發，忽視了其農業創新效率的評價研究，因此，對于吉林省農業發展水平的研究，未來可考慮將農業創新因素引入評價體系，從而提出更加微觀的農業生產策略與建議，使本文更具有顯著的經濟意義。

五、建議

綜上所述，通過分析吉林省的農業生產效率可得出，吉林省的農業生產不僅在省域內存在規模效應不足的問題，在各地市也存在著發展失衡以及資源浪費的現象。因此，在推進吉林省農業新常態的工作中，調整和改善以上不足對于糧食大省的農業發展具有重要意義。據此，提出以下幾點建議：

（1）實施全面性的農業生產現代化戰略。政府應積極轉換思路，在夯實農業生產能力的基礎上，順時推進全面性的農業基礎設施建設、農業生產適度規模建設和農業現代化建設。順應國家政策，加大資金投入，提高農田機械化水平，培育大量高標準農田，實現農田高質量生產，促進農業基礎設施建設；吸取社會資本投入力量，加大對新型農業生產經營主體的各項投入，配合土地流轉、托管、入股、聯耕、聯種、代種多種經營模式，合力提升種田大戶和家庭農場等種植主體的農業生產效率，穩步提升農民專業合作社和農業公司等經營主體的生產規模效率［21］；轉變“量化投入”的傳統思路，推進農業供給側結構性改革，革新先進技術的研發和推廣，政策鼓勵和資金支持農業科技人員開展進村入戶等科技服務，釋放農業生產潛能，構建現代農業體系，實現轉型高質量發展。

（2）實施差異性的農業生產區域化策略。綜合測度各地市的效率水平，將吉林省農業生產區域劃分為：包含長春市、吉林市、四平市、遼源市、白山市在內的生產領先區，以及包含松原市、通化市、白城市、延邊朝鮮族自治州在內的生產薄弱區。薄弱區應以條件為導向，著重考慮其農業資源稟賦、農業發展潛力和產品產銷平衡條件，在優化投入產出結構的基礎上，因地制宜實現區域特色產業的規模集約式發展；以問題為導向，加強管理機構與人才基地的建設，解決基建落后、設施缺失、設備低端等難題。領先區應以資源為導向，發揮自身資源效應和政策效應的優勢，共同構建地市間分區農機合作機制［22］，促進領先區與薄弱區之間信息鏈、技術鏈、資金鏈、物流鏈的流通，減少機會成本；以設計為導向，革新農機產業的發展重心，由注重農機推廣轉變為提升投入利用率與成果轉化率，使用新型機具避免效率缺失，引導技術企業開展田野調查，創立教育機構培育高端人才，力爭實現區域協同遞進式發展［23］。

（3）實施統籌性的農業生產高效化策略。統籌實施國家2017 年提出的《關于建立糧食生產功能區和重要農產品生產保護區指導意見》的重要規劃，強化省區耕地綜合生產能力建設，運用現代農業信息技術，建立耕地生產信息監管監督體系，定期對吉林省農作物耕地生產狀況進行實時動態監測，掌握農業生產投入和產出的精細化數據。建立全省區的信息報送制度，落實數據庫的及時更新，開放信息接口，共享信息資源，在數據可測的前提下，實時監測并同步投入產出數據，實現統籌規劃耕地資源、高效利用農機資源、優化財政支農結構、轉化農業生產成果、完善土地流轉制度，竭力降低地區農業生產投入冗余額與產出不足額，推進資源高效利用，從而統籌農業生產。