鄉村振興視域下縣域農業生產效率研究

劉兵兵 蘇國賢

摘? ? 要：2020年全面實現精準扶貧目標后，鄉村振興戰略的持續實施，為“三農”的現代化發展提供了契機，也提出了新的發展要求。農業生產效率一直是“三農”高質量發展的重要保證，為了加快偏遠山區農業現代化進程，本研究基于新時期鄉村振興戰略下新農業的發展，從經濟效益、社會效益和生態效益角度選取相關分析指標，運用DEA模型對2018年呂梁山區13個區縣的農業生產綜合效率、純技術效率和規模效率進行測算。實證結果表明，呂梁山區農業生產效率整體偏低，城鎮化、機械化與農作物總播種面積對各生產要素的綜合利用效率存在顯著影響。對此，應在鄉村振興戰略的支持下，根據各地區農業發展現狀因地制宜的擴大農業生產要素投入規模，提高科技化發展水平，強化生產經營現代化、專業化，不斷提高現代農業的生產效率。

關鍵詞：鄉村振興;呂梁山區;DEA模型;農業生產效率

中圖分類號：F323.5? ? ? ? ? 文獻標識碼：A? ? ? ? ?DOI 編碼：10.3969/j.issn.1006-6500.2021.03.007

Research on County Agricultural Production Efficiency from the Perspective of Rural Revitalization

—Taking Lyuliang Mountain Area of Shanxi Province as an Example

LIU Bingbing， SU Guoxian

（College of Agricultural Economics and management，Shanxi Agricultural University，Taigu，Shanxi 030800，China）

Abstract： After the goal of targeted poverty alleviation is fully realized in 2020， the sustainable implementation of rural revitalization strategy provides opportunities for the modernization of agriculture， rural areas and farmers， and also puts forward new development requirements. Agricultural production efficiency has always been an important guarantee for the high-quality development of agriculture， rural areas and farmers. In order to speed up the agricultural modernization process in remote mountainous areas， based on the development of new agriculture under the strategy of rural revitalization in the new period， the paper selected relevant analysis indexes from the perspective of economic， social and ecological benefits， and applied DEA model to the comprehensive and pure technical efficiency of agricultural production in 13 districts and counties in Lyuliang Mountain Area in 2018. The results showed that the agricultural production efficiency in Lyuliang Mountain area was low as a whole， and urbanization， mechanization and total planting area of crops had significant influence on the comprehensive utilization efficiency of each production factor. Therefore， with the support of the strategy of rural revitalization， the scale of input of agricultural production factors should be expanded according to the current situation of agricultural development in various regions according to local conditions， the level of scientific and technological development should be improved， the modernization and specialization of production and management should be strengthened， and the production efficiency of modern agriculture should be improved continuously.

Key words： rural revitalization; Lyuliang mountain area; DEA model; agricultural production efficiency

農業作為國民經濟的基礎性產業，自建國以來，從解決全國人民的溫飽問題到邁向現代化農業，取得了舉世矚目的成就。但在現代化建設過程中，農業生產仍存在資源利用率、產出率低、可持續發展緩慢的問題，嚴重制約著鄉村振興戰略目標的實現。在黨的十九大提出的建設社會主義現代化強國的目標中，盡快補齊農業現代化的短板、提高農業機械化、技術科學化、產業化和信息化水平，成為新時期振興鄉村的重要策略[1]。此外，山西省政府提出“513”工程，發揮“小、特”優勢，著力推進縣域工業化、農業產業化，走特色的現代農業發展之路[2]。隨著2020年精準扶貧目標的全面實現，在具有“連片貧困區”之稱的呂梁山區，精準分析農業生產效率，有助于快速實現“三農”發展、鄉村振興。

農業生產效率是指在投入等量的農業要素資源的前提下，農業生產活動的實際產出與最優產出之間的差距，差距越小說明農業生產的效率越高。農業生產效率的大小主要受到自然環境因素、經濟社會因素和科技因素等多種因素的影響。目前，眾多學者對農業生產效率進行了多層次、多角度的分析。何曉瑤等[3]以內蒙古磴口縣為例，運用數據包絡分析方法（DEA），從經濟效率、社會效率和生態效率3個方面評價了我國農牧交錯區現代農業發展效率及其影響因素;焦源[4]運用DEA模型從靜態和動態兩方面對山東省2011年的農業生產效率進行測算分析，并從科技和生產要素投入兩方面提出發展建議;崔保偉[5]從影響農業生產效率的全要素出發，利用DEA模型實證統計了土地經營規模及類型對農業生產效率的影響;楊春等[6]運用DEA方法實證分析了改革開放以來山西省30多年的玉米生產效率，提出要優化資源配置，發揮規模效應;劉莉等[7]、周迪等[8]分別運用DEA模型研究我國農業生產效率和技術效率，并從農業科技、規模化和產業化等方面指出提高農業生產效率的途徑。由此可見，多數學者皆以一省為例，從宏觀經濟出發，研究不同地區影響農業生產效率的因素[9-11]，但是均在不同程度上忽略不同區域內自然地理環境的差異。

山西省左右兩條平行山脈呈南北走向貫穿全境，兩山之間分布著數個盆谷地作為主要農作區，因此造成了各縣市地形復雜多樣，經濟發展水平各異。這些因素均會對農業生產效率的測度產生影響，基于此，本研究借鑒相關文獻，以三階段DEA模型為方法論，對2018年呂梁山區縣域農業生產效率進行測度和分析，并提出相應的發展對策和建議，旨在為呂梁山區現代化農業的發展提供參考與借鑒。

1 模型與變量

1.1 模型建立

農業生產綜合效率一般由規模效率和純技術效率兩部分構成，其中，規模效率指在特定區域內受農業生產規模影響的效率，純技術效率是指受管理及技術等生產方式影響的效率。測量效率的方法主要有參數法和非參數法兩種，本文主要采用非參數法中的數據包絡分析法，它由美國著名運籌學家Charnes A和Rhodes E 于1978年首次提出的，并在討論分析固定規模效益的基礎上，逐步演變為三階段DEA模型，并被廣泛應用于多領域的效率測度[12]。三階段DEA模型的構建與運行主要包括以下3個方面：

在第一階段，采用規模報酬可變的投入導向下BCC模型進行分析，通過測算得出各決策單元的原始技術效率（TE）、純技術效率（PTE）和規模效率（SE），且TE=PTE×SE。此外，通過對比各要素的投入和產出，以及理想投入量和最優情況下的對比，來分析生產要素的利用效率。并且還可以通過比較生產中實際投入量與效率最優時的理想投入量之間的差額，即松弛變量，差額越小，則生產要素的利用效率越高。BCC模型構建如下：

minθ-ε（eT S-+eT S+）

s.t.

Xi λi+S-=θX0

Yi λi+S+=Y0

λi≥0，S- 、S+≥0

式中，i=1，2，……，m表示決策單元;X、Y分別表示投入、產出量;θ表示決策單元的技術效率值;S表示松弛變量。基于每個決策單元的初始投入和初始產出，測算出各項效率值。

在第二階段中，為了避免第一階段中松弛變量受到管理因素、環境因素與隨機因素等要素的影響，也為了排除環境與隨機因素這兩種外生變量對測算原始效率值的影響，通過構建相似SFA分析模型，將3個因素（管理因素、環境因素與隨機因素）進行分離，使測算結果更精確，使之只受到管理因素的影響。

在第三階段中，通過將第二階段調整后的投入數據與第一階段傳統DEA模型中的原始投入數據進行替換，形成新的投入產出組合，再次利用投入導向下的BCC模型進行效率水平的測算，此時得到的效率值就是剔除了環境變量和隨機變量的影響后的管理效率值。

1.2 變量選取

山西省呂梁山區主要包括離石區（市轄區）、孝義市和汾陽市（2個代管縣級市）、文水縣、興縣、柳林縣、中陽縣、石樓縣等13個縣（市），將此作為樣本地區進行研究。變量體系如下表1所示。

1.2.1 投入產出變量選擇與說明 在選取指標的過程中，依據數據可得性和統計口徑統一性原則，將農林牧漁業總產值（萬元）作為研究農業生產效率的產出量。在現代綠色發展理念的倡導下，農業生產也更加重視經濟、社會與生態效益的統一。在選取衡量投入指標時，要以系統性的視角協調綜合考量。化肥的大量使用雖然能提高農業生產效率，但同時也是影響自然生態環境的主要因素，因此用化肥施用量（t）來反映農業生產效率中的生態效益。城市化進程的加快，城鄉融合發展，“逆城市化”使得“城歸”一族異軍突起，農業生產中的人口紅利開始顯現，農業從業人員的結構特征以及勞動力（萬人）的投入，成為評價農業生產中社會效益的重要因素。呂梁山區由于地形區域的限制，沒有類似平原式的大片田地，禁止小農戶平整土地的法令也影響著農業播種面積（hm2）的擴大和大型機械（總動力/kW）的使用，但現代農業機械的精細化極大提高了農業的生產效率，因此用其來反映農業生產中的經濟效益。

1.2.2 環境變量選擇與說明 環境變量作為農業生產者最不可控的影響因素，主要是指那些既影響生產效率又不在樣本主觀可控范圍內的因素。通過分析新時期鄉村振興戰略下農業生產的轉型升級，城鎮化和工業化促使生產要素的集聚與回流，以農民為主體、財政為保障的發展機制，為現代化農業的發展提供了主客觀條件。同時，以此為基礎，鄉村振興背景下的“三農”發展換發了新的生機，高素質生產者大量出現，農業綜合體式的合作社蓬勃發展，帶動鄉村產業結構升級，真正實現了工業對農業的反哺，以工促農目標得以實現，在財政的扶持下，工業化與城鎮化合力促進“三農”發展。此外，作為農業生產者最關注的收入問題，一直以來受到多方面的關注，農業生產好不好，就看農民收入高不高，因此，將農村居民收入作為評析農業生產效率的另一因素。基于此，將城鎮化水平（%）、工業化水平（%）、農村居民收入（元）、財政支出（%）作為環境變量進行分析。

1.2.3 數據來源 本文數據主要來源于2019年《山西統計年鑒》[13]、《中國統計年鑒》[14]和呂梁市農業信息網。

2 實證分析

2.1 傳統DEA模型實證分析

運用DEAP2.1軟件，采取投入導向下的BCC模型，對2018年呂梁山區的農業生產效率進行測算，得到各區縣受環境因素和隨機因素影響下的技術效率（TE1）、純技術效率（PTE1）及規模效率（SE1）。同時，通過對實際效率值和技術效率前沿的比較測算，得出各區縣的投入松弛變量，具體結果如表2所示。

由表2可知，2018年呂梁山區農業生產技術效率的平均值為0.596，純技術效率為0.820，規模效率為0.737，純技術效率均值最大，居于主導地位。其中，交城縣、交口縣和孝義市的所有效率值均為1，處于技術前沿面;柳林縣的技術效率水平最低，為0.303，純技術效率和規模效率分別為0.618和0.489，需要提升新時期的農業技術管理水平和各要素資源的合理配置;在規模效率沒有達到技術前沿的數個城市中，文水縣和臨縣收益呈遞減狀態，其余8個地區處于遞增狀態。此外，13個縣（市）中，臨縣和汾陽市的規模效率均超出純技術效率0.5以上，表明規模效率主導著這兩個地區的農業生產綜合效率;離石區、石樓縣、方山縣和中陽縣的純技術效率均超出規模效率0.4以上，表明純技術效率在這4個地區綜合效率的決定中起主導作用;文水縣、興縣、柳林縣和嵐縣的純技術效率與規模效率分值相差較小，表明影響這些地區農業生產效率的因素相對均衡。

2.2 相似SFA實證分析

通過第一階段DEA模型的測算，所得結果包含著環境要素和隨機因素，并不能準確反映農業生產效率的真實水平，需進一步測算兩者對農業生產效率的影響，并在此基礎上再次進行效率的測算。將第一階段得出的各投入要素的松弛變量作為因變量，4項環境變量作為自變量，構建SFA回歸模型，利用軟件Frontier4.1進行回歸計算，所得結果如表3所示。

從整個模型的適應性來看，4個回歸方程的LR值均通過了模型設定形式的合理性檢驗，且γ值介于0～1之間，說明SFA模型適合對當前數據的分析。

從回歸方程的系數來看，城鎮化水平對4項投入松弛變量的回歸系數均是負值，且均在5%或1%的水平上顯著。說明城鎮化雖然進一步導致了農村勞動力的非農化就業，但在鄉村振興背景下，城鄉一體化的發展，使得農業生產中的各投入要素配置得到改善，農業生產效率得到提高。工業化水平對松弛變量的回歸系數亦均是負數，且在1%的水平上通過檢驗，說明地區工業化有利于農業生產效率的提高。綠色發展與產業升級優化、工業化水平的提高，真正實現了對農業的反哺，極大提高了區域農業生產效率水平。

農村居民收入水平對除機械總動力外的其他3項要素投入松弛變量的回歸系數也為負數，在10%或1%的水平上通過檢驗，農村居民收入的提高，在一定程度上降低了農業的人力資本投入，土地流轉政策和支農政策提高了對高質量土地和優質化肥的需求，進一步促進了農業生產效率的提高。財政支出亦與除機械總動力外的其他3項投入松弛變量的回歸系數均在1%的水平上顯著，表明政府財政對三農方面的支出，有利于提高各投入要素資源的利用效率，進而提高了區域內的農業生產效率。

2.3 調整后的DEA模型實證分析

調整原始投入水平，將調整后的投入水平與原始產出水平構成新的投入產出體系，將其再次帶入到BCC模型中進行分析，得到各區縣調整后的規模報酬和效率值，結果如表4所示。

通過表2、表4的對比可以發現，在剔除環境因素和隨機因素之后，呂梁地區各區縣農業生產綜合效率和規模效率分別出現了不同程度的下降，效率值的平均數分別從原來的0.596，0.737下降到0.576，0.672，純技術效率平均值由原來的0.820上升到0.850。經過調整后，區域內各區縣規模報酬遞增的縣市增加，但農業綜合效率較低，尤其是規模效率出現了較大程度的下滑，說明運氣成分和環境因素作用下的效率值虛高。

具體來看，由交城縣、交口縣和孝義市組成的原始綜合效率前沿變成了文水縣和孝義市，除了交城縣、中陽縣和交口縣3個縣區農業生產綜合效率有所下降孝義市保持不變之外，其余9個區縣的農業生產綜合效率均有不同程度的上升，表明這些地區第一階段效率值不高的原因在于不利的環境和運氣，并非管理技術水平不高所致。經調整之后，純技術效率平均值增長了0.03，上升至0.85，除離石區、交城縣、柳林縣、中陽縣和交口縣5個縣區下降，文水縣和孝義市保持不變之外，其余6個區縣都有所上升，這表明整個區域農業生產的技術管理水平總體較高，并且受到環境因素和隨機因素的影響較小，得益于鄉村振興戰略下三農產業現代化和機械化水平的大力發展。

此外，經調整后，區域內農業生產的規模效率減值最多，減幅達0.065，受環境因素和隨機因素的影響最大。除孝義市保持不變，離石區、文水縣、臨縣、柳林縣、石樓縣、嵐縣和方山縣等7個區縣有所提高之外，交城縣、興縣、中陽縣、交口縣和汾陽市等5個縣市都出現了不同程度的下降。從規模收益來看，只有臨縣的農業生產效率在調整前后均呈規模報酬遞減，文水縣由調整前的規模報酬遞減變為規模報酬不變，交城縣和交口縣由調整前的規模報酬不變變為規模報酬遞增，孝義市在調整前后均為規模報酬不變，其余8個縣市在調整前后均為規模報酬遞增。3 結論與建議

本文基于三階段DEA模型，利用2018年相關統計數據對呂梁市13個地市農業生產效率進行研究，經過第一階段和第三階段的對比，文水縣和孝義市的效率值在同質環境下都相對較高，農業生產合理，發展向好。以工商業發展為主的離石區、土壤貧瘠的石樓縣和地形崎嶇的方山縣的純技術效率依舊高于規模效率0.4以上，農業發展規模較小，生產要素投入不均衡，農業發展偏向于精細化。臨縣和汾陽市的規模效率在農業生產效率的決定中仍舊起主導作用，農業生產者以就近務工為主，農業種植規模普遍較大，對農業科技與機械等方面的投入相對較低，再者，各種“富民戰略”帶來的農業產業結構的調整也極大的減少了對農機的需求。得益于居民收入水平的提高和國家對三農的大力支持，農業科技日益發達，在去除環境因素和隨機因素的影響之后，純技術效率和規模效率對農業綜合生產效率的影響日趨均衡。

從整體來看，傳統DEA模型無法排除環境變量和隨機誤差對技術效率的影響，所得結果并不能完全反映現實情況。第二階段SFA模型分析中，各變量的提高能夠有效提升農業生產效率，并且環境變量對農業生產效率的影響較大。調整后DEA模型得出的效率值更能真實反映各市效率水平，呂梁地區各縣市的規模效率和純技術效率整體水平不高，綜合技術效率偏低，除文水縣和孝義市外，其他地區效率值都沒有達到理想狀態，仍有較大上升空間。

基于以上結論，可以從以下幾個方面提高呂梁市農業生產效率：

（1）開展精細集約化規模經營。在新時期三農優先發展戰略下，合理利用現有的自然地形條件，在純技術效率較高的地區適度擴大農業生產規模，改變農戶分散、粗放、無序的經營狀態，實現農業集約化發展。同時，在此基礎上加大對純技術效率低的地區的科技和農業機械的投入，借助新時期農業生產轉型發展的機遇，完善農村專業技術培訓機制，加強對農業從業人員的專業技能培訓，使之與新時期的脫貧產業相配套，提高農業產業的生產效率，進而推動新型農業的現代化發展。

（2）加大政府對農業發展的扶持力度，降低農業生產風險和溢出效應。通過宏觀調控，改善農業市場環境，切實保障農業生產者的利益。在以“富民戰略”為主的規模化種植的區域，合理引導與規劃布局，兼顧技術和規模效率，提高綜合效率。在優化農業產業結構的前提下，加大對科研技術的投入，擴大對優質農業品種的引進，實現優種優產，在精細化的過程中實現生產效率的提高。同時，為了緩解環境因素對規模化農業帶來的普遍風險，通過財政支農，加大對低溫凍害頻發地區的農業保險支持力度，最大限度的降低農業生產者的風險，實現農業的無優化生產。

參考文獻：

[1] 李映強，李之鳳，楊婕妤.基于DEA模型對甘肅省農業生產效率評價[J].生產力研究，2020（2）：48-51.

[2] 賈明進.以“513”工程為核心不斷提升農產品精深加工水平[J].農產品加工，2013（2）：17-18.

[3] 何曉瑤，彭文英，李若凡.基于DEA模型的現代農業發展效率評價——以內蒙古磴口縣為例[J].水土保持研究，2019，26（1）：374-380.

[4] 焦源. 山東省農業生產效率評價研究[J]. 中國人口·資源與環境， 2013， 23（12）： 105-110.

[5] 崔保偉.土地流轉背景下基于DEA模型的農業生產效率的研究[J].農業科技通訊，2019，12：209-212.

[6] 楊春，鐘鈺.基于DEA模型的山西玉米生產效率研究[J].農機化研究，2014，（5）：106-110.

[7] 劉莉， 武云亮. 基于DEA模型的我國農業生產效率研究[J]. 重慶科技學院學報（社會科學版）， 2012（2）： 82-84.

[8] 周迪， 韓桂蘭. 基于三階段DEA模型的中國農業生產技術效率研究[J]. 新疆農墾經濟， 2012（3）： 4-8.

[9] 姚曉潔， 童亮， 李久林. 基于DEA的傳統農耕地區農業生產效率測度——以皖北為例[J]. 中國農業資源與區劃， 2020， 41（11）： 131-139.

[10] 余瑞林， 鄭彬鑫， 馬淑萍， 等. 湖北省農產品主產區農業生產效率的時空變化及影響因素[J]. 華中師范大學學報（自然科學版）， 2020， 54（6）： 1015-1021.

[11] 廖文梅， 袁若蘭， 王璐， 等. 社會化服務、農地確權對農業生產效率的影響研究[J]. 農業現代化研究， 2020， 41（6）： 978-987.

[12] 陳新華，王厚俊.基于生態效率評價視角的廣東省農業生產效率研究[J].農業技術經濟，2016（4）：94-104.

[13] 山西省統計局， 國家統計局山西調查總隊. 山西統計年鑒2019[M]. 北京： 中國統計出版社.

[14] 國家統計局. 中國統計年鑒2019[M]. 北京：中國統計出版社.