浙江省農業生產效率分析
——基于DEA模型和Malmquist指數

張家威

(浙江海洋大學經濟與管理學院，浙江舟山 316000)

浙江省作為農、林、牧、漁全面發展的大省，一直重視農業農村發展，并已啟動農業“雙強”行動。黨的十九大報告指出要走質量興農道路，提高農業全要素生產率是其主要依靠。自從2014年我國加快農業可持續發展長效機制構建至今，浙江省的農林牧漁總產值逐年遞增，除農作物播種面積有些許增長外，資本和勞動等要素投入均有一定程度的減少，存在產出投入不相匹配的情況，農業生產面臨挑戰，需要穩住農業生產增長趨勢，增強薄弱環節，調節區域間平衡。因此，測算浙江省農業綜合效率，分析其制約因素，具有十分重要的意義。

國內學者關于農業生產效率的實證研究十分深入，研究區域已從國家層面縮小至縣級市，但由于構建的指標體系不同，研究角度不一，因此采取的方法也各不相同，主要可分為SFA法和DEA法。SFA屬于參數法，而DEA屬于非參數法，各有優劣，均是生產前沿面法中應用最最廣泛的方法，相比較而言，非參數方法(DEA)尤其是Malmquist指數應用最廣泛。華堅等[1]通過構建三階段DEA-Malmquist模型，對2007—2012年全國30個省、直轄市和自治區的農業全要素生產率增長情況進行測度分析；何澤軍等[2]運用DEA-Malmquist指數法，根據2007—2015年省際農業投入產出面板數據，測算中國農業全要素生產率(TFP)在時間序列和空間區域上的變化特點[2]；李文華[3]選取1998—2015年全國31個省、市、自治區面板數據，運用非參數Malmquist生產率指數方法測算中國農業全要素生產率的變化情況，并且將1998—2015年分為1998—2002、2003—2008、2009—2015年3個子時段，將全國31個省、市、自治區分為東、中、西部3個地區，以測度全國農業TFP變動、時空差異及制約因素，分析極為全面[3]。

省市層面上，江然[4]利用DEA-Malmquist生產率指數對浙江省11個地級市1995—2011年農業全要素生產率進行分析，并且根據農業TFP增長情況將浙江省11個市劃分為高速組、快速組、中速組和慢速組；黃瑪蘭等[5]將DEA的BCC模型與Malmquist指數法相結合，對湖北省各市(州)2007—2011年農業生產效率進行實證分析，并且加入了投影分析，給出了要素投入的松弛調整方案；李鵬菲等[6]以2010—2019年福建省農業產業投入產出數據為研究對象，結合數據包絡分析(DEA)、Malmquist指數及Tobit模型為研究方法，對福建省農業經濟發展的效率進行系統的分析；林偉敏[7]通過DEA-BCC模型和Malmquist指數對四川省農業生產效率分別進行橫向和縱向分析，并且制作四川省各市農業綜合效率四方圖，進行了象限分析。

回顧上述文獻，國內運用DEA模型和Malmquist指數同時對我國及區域農業生產率進行分析的研究眾多，學者們構建的指標體系不斷創新，產出指標上主要考慮的是農業總產值，農林牧漁總產值或農村居民人均純收入，投入指標選擇相差不大。分析結果時，學者們注重全要素生產率分解后的指數分析，即動態分析，能對靜態分析進行補充，得出更為可靠的結論。而近年利用此法對浙江省農業全要素生產率的文獻不多，選取面板數據的年份靠前。鑒于此，基于DEA模型和Malmquist指數對2014—2020年浙江省11個地級市農業生產效率進行分析，并在實證分析結論的基礎上提出相關建議。

1 研究方法與數據來源

1.1 研究方法

1.1.1數據包絡分析(DEA)。數據包絡分析方法是用線性規劃對所有決策單元(DMU)開展效率評價[8]，適用于多投入多產出的情況，在針對農業生產效率的評價分析中運用廣泛[9]。DEA發展至今，最具代表性的模型有CCR、BCC、FG和ST模型，CCR模型和BCC模型運用較為常見，前者不允許規模收益存在可變性，而后者允許，適用更廣的范圍。該研究對浙江省農業生產的靜態分析選用的是規模變動的BCC模型。

M0(xt+1,yt+1,xt,yt)

1.2 指標選取及數據來源投入指標選取2014—2020年浙江省各市第一產業從業人員數量(單位：萬人)作為勞動要素投入，主要農作物播種面積(103hm2)作為土地要素投入，農用化肥施用量(折純)(t)和農業機械總動力(萬kW)作為資本要素投入。

產出指標選取2014—2020年浙江省各市農林牧漁生產總值(億元)，按當年價格計算。

該研究所用的數據均來源于《浙江統計年鑒》(2014—2021年)，部分地級市數據通過查閱對應市區統計年鑒(2014—2021)整理獲取。

2 結果與分析

2.1 DEA模型的靜態分析運用DEAP 2.1軟件計算2020年浙江省11個地市農業生產效率值，結果見表 1。杭州、寧波和舟山的農業綜合效率、純技術效率、規模效率3項效率值均為1，決策單元DEA有效，表明這3個地區農業資源的配置效率、利用情況，以及產出效益等達到最優化配置。剩下地區中，僅紹興與臺州綜合效率高于平均值，雖未達到DEA有效，但資源利用情況與技術水平整體良好。全省有6個地市綜合效率未達平均水平，已超過半數，這些地區今后發展應以增強效率為主，提升效益為輔。尤其是溫州、金華和衢州綜合效率遠低于平均水平，投入冗余和產出不足情況較為嚴重。從純技術效率方面看，杭州、寧波、嘉興、舟山、臺州和麗水的純技術效率均為1，資源轉化效率高，投入要素得到了充分利用，實現產出最大化。溫州、金華和衢州的綜合效率和純技術效率均低于平均值，仍有較大發展空間。從規模效率方面看，全省規模效率為0.861，呈現積極向好態勢。在非DEA有效的地區中，高于平均值的地級市有4個，規模效率接近生產前沿面，經營規模達到比較理想狀態。衢州的規模效率值最小，現有規模與最優規模之間差異大，可改進空間大。

表1 2020年浙江省11個地級市農業綜合效率評價結果Table 1 Evaluation results of comprehensive agricultural efficiency of 11 prefecture-level cities in Zhejiang Province in 2020

2.2 Malmquist指數動態分析由表2可知，2014—2020年浙江省11個市農業全要素生產率均大于1，平均全要素生產率為1.080，表明農業生產率在逐年增長，且增長速度較快。從全要素生產率的分解上看，浙江省農業技術進步年均增長9.4%，技術效率下降1.3%，其中規模效率下降0.3%，純技術效率下降1%，表明浙江省農業TFP的增長主要由技術進步推動。2015—2019年的農業技術效率均小于1，部分抵消了技術進步推動的農業生產率增長，表明這幾個年份間浙江省的技術效率和技術進步不相適應，農業生產技術的潛力沒有被完全發揮，這可能是因為浙江省農業技術進步發展快速，而農業技術推廣與普及的速度滯后，故而業技術效率相應較低。2020年浙江省的技術效率相較于2019年呈上升趨勢，技術效率年貢獻為2.1%，對農業全要素生產率開始起到正向推動作用，但技術效率中規模效率的作用不高，表明浙江省農業生產集約化程度依舊有待提高。

表2 2014—2020年浙江省農業全要素生產率及構成變化Table 2 Agricultural total factor productivity and composition changes in Zhejiang Province from 2014 to 2020

由表3可知，研究期間浙江省11個市農業生產率均有增長，前4名地區分別為杭州市、臺州市、寧波市和舟山市，且其生產率的增長是由技術效率和技術進步的共同提高所推動[11]。其余地區的農業技術效率較低，主要靠技術進步帶動來彌補，這可能是由于過量的農業投入造成產量負增長，從而降低了效率。從各地級市農業全要素生產率構成來看，技術進步均超過1，近半數地區接近1.1，且技術水平提高最快的依舊是杭州市。從技術效率看，浙江省超過半數的市區低于1；從技術效率分解來看，浙江省各地級市純技術效率和規模技術效率平均值分別為0.990和0.997，較接近于1，表明各市資源轉換率較高，農業投入產出結構較為合理，技術進步依舊是影響全要素生產率的主要因素。

表3 2014—2020年浙江省各地級市農業全要素生產率及構成變化Table 3 Agricultural total factor productivity and composition changes in Zhejiang Province during 2014-2020

按地理區位劃分，表3中，2014—2020年浙東北6個地市的農業全要素生產率增長幅度與浙西南5個地市增長幅度基本持平，浙西南農業技術進步稍高于浙東北，而浙東北農業技術效率稍高于浙西南[4]。浙東北地區普遍擁有地勢平坦、交通便利和經濟發達的優勢，農業推廣體系比浙西南地區健全，先進技術的普及率較高，但浙東北的農業技術基本是最前沿，進步速度趨于平緩，為此技術進步相對較低，而技術效率較高。浙西南地區的情況與浙東北相反，農業技術進步的空間較大，而技術效率較低，可能是地區山地丘陵居多，致使農業技術推廣不易，體系建設不完善。其中，衢州、金華與麗水技術效率低于浙西南地區平均水平，溫州技術效率正好是平均水平。

3 結論與建議

3.1 結論該研究先用DEA模型對2020年浙江省各市農業生產效率進行靜態分析，再運用Malmquist指數對浙江省2014—2020年各市農業全要素生產率進行測算，研究發現:2020年浙江省農業整體向好，杭州、寧波和舟山達到DEA有效,但部分地區存在投入冗余和產出不足的情況，拉低了整體的農業綜合效率；2014—2020年浙江省農業TFP實現了快速的增長，年均增長率為8%，并且主要是由于農業技術進步推動的；2019—2020年農業技術效率開始對浙江省農業TFP起到正向推動作用；各市農業全要素生產率在1.058～1.131波動，農業發展具有區域不平衡性；浙東北與浙西南2個區域的農業全要素生產率基本持平，均是技術進步推動而技術效率阻礙增長，但浙東北在農業技術效率上稍顯優勢。

3.2 建議

3.2.1加強基礎設施建設，夯實農業發展基礎。前沿面技術的研發與應用是需要建立在一定的物質基礎上的，因此必須加強水、電、路、綠化等農業基礎設施建設，尤其是高標準農田工程建設。在適用田地應用高效節水灌溉技術，能夠達到土地利用率與勞動生產率雙重提高的目的，減少損耗。大中型灌區改造后的高標準田抵御自然災害能力強，產量高且穩定，便于管理，適應現代農業生產和經營方式。此外，浙江省現代農業園區的建設需要基礎設施配套齊全，農業園區匯聚資源要素，帶動周邊設施落地，從而有效解決農村資源不足、設施分散等問題，為浙江省農業集約化發展提供堅實的基礎。

3.2.2提高農業科技水平，實現技術成果轉化。先進的農業科技可以預測農業氣象，減少臺風和寒潮等極端天氣對浙江省農業生產的危害。浙江省經濟發達的地區可以發展智慧農業，依托BDS系統、無線通信等科學技術手段，實現智能可視管理，為農民的精準耕作提供可能，減少農業資源的浪費，防止過量施肥。發展先進技術的同時，也應培育相關的農業技術人才，成立專業的農業科研團隊，投入農業關鍵核心技術的攻關工作。此外，浙江省技術效率較低的地區需重視農業技術服務和推廣，實現技術轉換為生產力的目標，在應用中體現技術成果的價值。

3.2.3采取差異化管控方式，推動區域農業均衡發展。浙江省各市農業全要素生產率增長形勢良好，但在農業技術進步或農業技術效率上存有各自的問題，應由面到點，準確定位薄弱項，整體上采取差異化管理。對于純技術效率或規模效率較低的市區，應加強農業技術推廣和服務，落實土地流轉政策，實現要素的集約化利用；對于技術進步和技術效率發展速度較快的市區，可通過工業反哺農業、城市支持農村，推動城鄉融合發展。實施差異化管理的同時，應加強相鄰市區間的合作，突破行政壁壘，共享區域資源，打造“一小時”都市圈，促進要素自由流通。