基于DEA 和Malmquist 指數的農田水利基礎設施生產效率分析
——以河南省部分省轄市為例

劉桂芳，姚 峰

（河海大學 公共管理學院，南京 211100）

0 引 言12

【研究意義】農田水利基礎設施建設對保證糧食生產具有不可替代的重要作用，也是實現農業現代化、促進農村經濟發展的重要動力[1]。我國2004—2015年的中央“一號文件”均強調了加強農田水利基礎設施的建設[2]。2016 年，為保障我國糧食安全，提升農業綜合生產力，加強對農田水利的科學規劃并促進其健康發展，國務院發布了《農田水利條例（2016年）》，對農田水利的規劃、水利工程建設、工程運行維護等工作進行了全過程規范。新時代，農田水利建設更是現代化農業以及新農村建設的重要內容。《2020 年農村水利水電工作年度報告》數據顯示，“十三五”期間農村水利水電的投資計劃累計下達1 664.48 億元[3]。2021 年2 月的中央“一號文件”繼續強調了強化農業物質裝備和實施大中型灌區續建配套和現代化改造的重要性。這一系列舉措說明了國家對農田水利設施建設的重視。在此背景下，通過科學的方式對農田水利生產效率展開評估將有利于對其建設和管理，促進資源的合理使用，充分發揮其應有的效益。

【研究進展】農田水利設施作為工程項目，從投資到建設，再到后期的管理運營均會涉及效率問題，現以此為視角對我國農田水利基礎設施的相關研究進行梳理。從投資、供給角度出發，目前學者多分析農田水利基礎設施投資與供給的影響因素，重點關注了人均GDP、區域差異、農民受教育程度以及農民收入水平等因素對效率值的影響。如錢里程等[4]運用DEA 數據包絡的CCR 和BCC 模型分析了我國農村水利投入效率，指出我國建設農村水利投入產出效率偏低，且存在明顯的地域性差異；何平均等[5]選取DEA-Tobit 模型對我國農田水利基礎設施投資績效進行評價，并探究了相關的影響因素，研究發現人均GDP、農村勞動力文盲率等因素與農田水利基礎設施投資績效呈負相關，與農田水利管理體制改革等呈正相關；唐娟莉等[6]以產出為導向的三階段DEA 模型分析了2007—2014 年我國農田水利設施的供給效率，并探究了人口規模、人均GDP、城市化水平等因素與農田水利設施供給效率間的關系；周含韜等[7]運用DEA-Tobit 模型對拉曼灌區（中片區）土地開發項目展開研究，分析了政府財政撥款、農業信貸以及組織管理水平等可觀測因素和不可觀測因素對農田水利工程供給效率的影響；俞蕾等[8]運用SBM-Malmquist方法評價了2009—2018 年我國27 個省（市、自治區）農田水利基礎設施的供給效率及其變化情況，并提出通過吸引農村精英返鄉、優化農村基層組織等途徑提高農田水利供給效率。

對于農田水利基礎設施的建設效率研究，學者多選用DEA 窗口模型以及Malmquist 指數法對農田水利工程項目及其建設管理績效進行評價。其中，部分學者選用典型地區的農田水利建設項目展開研究，周利平等[9]采用DEA方法和Malmquist指數法對江西省19 個地區第一批小型農田水利重點縣的效率進行分析，研究表明“小農水”重點縣建設效率較高，建設規模也趨于優化；靳軻等[10]選用DEA 的窗口模型對河南省18 個地市農田水利供給績效進行評價，并對農田水利基礎設施建設基本飽和的地市和還需發展的地市分別提出整改建議；還有學者對全國范圍的農田水利設施建設展開分析，如劉其濤[2]以我國31 個地區的農田水利基礎設施為研究對象，運用DEA-BCC 模型和Malmquist 生產率指數對投資的綜合技術效率和動態效率進行測算，分析了科技成果轉化推廣在農田水利基礎設施建設中的重要作用；葉銳等[11]運用共享投入DEA 模型測算了我國農田水利設施建設與運行管理效率，證實我國在農田水利建設中存在“重前期投入，輕后期管理”問題。

在農田水利的運營管理效率方面，葉文輝等[12]利用DEA-Tobit 兩階段法，選取我國2003—2010 年農田水利的運營投入產出指標數據，對其運營效率及影響因素展開分析，研究發現我國農田水利運營效率較低，且存在區域性差距，并指出農田水利“準公共產品”的性質是其運營效率低下的根源所在；Díaz等[13]將DEA 模型應用于西班牙最具代表性的灌溉區，測算當地灌溉方法的有效性，并為低效率地區提出改進意見；湯潔娟[14]運用DEA 模型和Malmquist 生產效率指數對我國農田水利建設工程的社會經濟效率進行評價，指出通過提高東部和中部地區農田水利工程的使用率進一步發揮農業在國民經濟中的基礎性作用；Hong 等[15]分析了農田水利設施運行效率的影響因素，研究表明農民非農收入的增加與其呈負相關關系；楊運武等[16]將DEA-BCC 模型與線性回歸分析法相結合，分析了農田水利工程對農業生態環境的影響，結果顯示合理建設農田水利工程有助于改善農業生產環境，但相應的改善作用存在不穩定性。

現有研究引入多種DEA 模型從不同角度研究了農田水利設施的效率值，相關的評價指標體系也相對成熟，為本研究提供了良好的參考價值。【切入點】在農田水利基礎設施的生產效率方面，大多數學者集中于利用DEA 模型從宏觀層面分析其運營效率，即決策單元多為省級，對特定省份農田水利生產效率的內部差異分析還不夠深入。此外，從靜態和動態角度測算特定地區農田水利生產效率的研究也較為缺乏。【擬解決的關鍵問題】因此，本研究基于投入角度，運用DEA-BCC 方法對2013—2020 年河南省部分省轄市的農田水利生產效率進行全方位分析，在此基礎上引入Malmquist 指數分析各地區農田水利生產效率的動態變化，并探究各項指數對河南省農田水利生產效率的貢獻程度，從而剖析河南省農田水利生產效率中存在的問題，并挖掘提高農田水利設施使用效率的政策建議。

1 研究方法與數據來源

1.1 研究方法

本研究采用數據包絡法（DEA）和Malmquist 指數法對河南省農田水利效率進行分析。DEA 模型可用于多項投入指標與產出指標的靜態效率評價，不受相應指標單位量綱影響，考慮到農田水利屬于高投入、高風險的工程項目，因而基于投入導向型和規模報酬可變假設，采用DEA-BCC 模型來評價決策單元效率水平，公式如下：

式中：θ為各決策單元農田水利生產的效率水平；ε為非阿基米德無窮小量；s-和s+分別為農田水利設施投入項和產出項的松弛變量；xj為第j個決策單元農田水利基礎設施的投入量；yj為第j個決策單元的農田水利基礎設施產出量；λj為各地農田水利投入和產出的權系數。當θ*=1，s+*=s-*=0 時表示有效，當θ*=1，s+*、s-*不全為0，則表示弱有效，當θ*＜1 時表示效率較低[17]。

對于非DEA 有效評價單元，可借評價單元DMU在相對有效面上的“投影”，獲取其與有效水平間的差距，從而分析造成非DEA 有效的原因，并探究相應的改進方式[18]。令：

Malmquist 指數一般用于測量一段時間內全要素生產率的變化，將之與DEA 模型結合有利于更全面地分析農田水利設施效率的靜態和動態變化。Malmquist 指數法提出后，首先用于生產效率分析，而后加入時間變量，用于衡量2 個相鄰時期的全要素生產效率指數的動態變化[19]，測算結果用全要素生產率（TFP）表示，用于顯示生產中各要素的綜合生產率，在規模報酬不變的情況下，可用Malmquist 指數進一步分析技術進步效率（Techch）和技術效率（Effch），而在規模報酬可變的情況下，測算結果可將技術效率（Effch）分解為純技術效率（Pech）和規模效率（Sech），具體如式（3）所示：

當TFP＞1時，表示農田水利生產效率在研究期間的相對效率有所改善，當TFP＜1時，則反之。

1.2 指標選取及數據來源

本研究以河南省部分省轄市為效率分析對象，由于濮陽市、漯河市以及周口市存在數據缺失，因而予以剔除。數據的時間跨度為2013—2020 年。考慮到數據的可獲得性，以及河南省農田水利基礎設施的實際情況，構建相應的投入產出指標體系作為測算依據。基于農田水利設施改善農業生產條件、提高農產品生產效率等作用的考慮，選取農林牧漁業總產值和灌溉面積作為農田水利設施的產出衡量指標，分別用于分析農田水利設施的經濟產出和生態產出。在投入方面，從物資投入和勞動力投入出發，選取水庫數量、農村用電量、第一產業就業人員作為農田水利設施的投入指標。數據來源于《河南統計年鑒》[20]與《河南水利年鑒》[21]，利用軟件DEAP2.1 進行測算。

2 農田水利基礎設施生產效率實證分析

2.1 河南省部分省轄市農田水利基礎設施生產效率靜態分析評價

1）從綜合技術效率層面分析，通過比較表1 和圖1 中各省轄市綜合技術效率值可以發現，2013 年河南省15 個省轄市綜合技術效率均值為0.795，未達到DEA 有效狀態，共有3 個市的農田水利達到了綜合技術效率有效，分別是開封市、鶴壁市、新鄉市，其余均為DEA無效，最低為平頂山市，效率值為0.517；2017 年河南省15 個省轄市農田水利基礎設施綜合技術效率均值為0.784，開封市、鶴壁市、三門峽市3個市的綜合技術效率達到有效狀態，平頂山市為0.482，仍為最低值；2020 年，河南省15 個省轄市綜合技術效率均值為0.843，開封市、鶴壁市、焦作市、三門峽市、商丘市、信陽市6 個市的綜合技術效率值達到DEA有效，最低是鄭州市，效率值為0.409。2013、2017、2020 年，平頂山市綜合技術效率均處于非DEA有效狀態，且2013 年和2017 年均為最低值，可見平頂山市農田水利基礎設施較為薄弱。而開封市、鶴壁市的綜合技術效率在2013、2017、2020 年均達到了DEA 有效，包括技術有效和規模報酬最優。通過資料查詢可以發現：開封市和鶴壁市農田水利基礎設施的良好發展，離不開強有力的政策和資金支持。2013年開封市在市級“以獎代補”資金引導下開展農田水利基本建設，鶴壁市加大上級水利項目資金爭取力度，并引導社會力量參與水利建設；2017 年開封市完成水利投資20.2 億元，創歷史新高，鶴壁市則以“紅旗渠精神杯”競賽活動為載體，全方位推動農田水利基本建設，而同年的平頂山市在農田水利、河道治理等項目實施總資金為4.8 億元，資金投入相對較低；2020 年開封市以水利脫貧攻堅為重點，加強貧困地區水利基礎設施建設，鶴壁市以“十大提升工程”為抓手，持續推進重點水利工程建設，并編制了《水利基礎設施空間布局規劃》[21]，可見良好的政策環境和充足的資金投入是農田水利發展的基礎保障。

圖1 2013、2017、2020 年河南省部分省轄市農田水利基礎設施綜合技術效率比較Fig.1 Comparison of comprehensive technology efficiency of farmland water infrastructure in some provincial cities of Henan Province in 2013, 2017, 2020

表1 河南省部分省轄市農田水利基礎設施生產效率值Table 1 Efficiency of farmland water infrastructure in some provincial cities of Henan Province

2）從純技術效率角度上看，對表1 中各省轄市的純技術效率值進行比較，2013、2017、2020 年開封市、鶴壁市、南陽市、商丘市、信陽市、駐馬店市、濟源市7 市的純技術效率值均達到了1，2013 年和2017 年純技術效率值最低者均為平頂山市，其值分別為0.539 和0.483，2020 年最低是鄭州市，值為0.424。相應年份純技術效率最低的地區和綜合技術效率一致，可見平頂山市和鄭州市農田水利基礎設施綜合技術效率受純技術效率的影響較大。2013、2017、2020年，每年都有8～9 個地區達到了純技術效率有效，說明近年來河南省農田水利技術推廣力度較大且取得了一定成就，但地域差異較為明顯，平頂山市和鄭州市相對較低，2 個地區分別作為資源型工業城市和省會城市，第一產業發展相對不足，農田水利資源的管理或相關技術的開發與應用還有待改善。

3）從規模效率視角出發，比較表1 中河南省各省轄市的規模效率值，2013 年開封市、鶴壁市、新鄉市規模效率值均為1，最低為濟源市的0.644；2017年開封市、鶴壁市、三門峽市規模效率達到了1，濟源市仍處于最低值，為0.519；2020 年開封市、鶴壁市、焦作市、三門峽市、商丘市、信陽市規模效率值為1，南陽市為0.803，為最低值。2013、2017 年濟源市規模效率最低，主要由于當地88%的面積為山區和丘陵，且近年來城鎮化和工業化發展較快，促使人地矛盾突出，農村勞動力不足[22]，自然環境條件和城鎮化發展使得當地農田水利基礎設施發展規模受限。結合《河南水利年鑒》進行縱向比較，2013 年河南省推動小農水重點縣建設和大型灌區配套改造，2017 年大力發展節水灌溉并印發《河南省2017—2018 年度冬春農田水利基本建設實施方案》，2020 年以水利脫貧攻堅和農村飲水安全為抓手，完善農村水利設施建設[21]，在良好的政策支持下，河南省農田水利基礎設施規模效率達到有效的地區從2013 年的3 個提升至2020 年的6 個，說明河南省農田水利建設投入要素的配置正趨于合理狀態。

4）非DEA 有效地區農田水利設施的投入與產出冗余分析，選取2020 年綜合技術效率、純技術效率、規模效率均無效的地區進行農田水利基礎設施的投入產出分析，采用DEAP2.1 軟件測算各市投入、產出的冗余值，具體結果如表2 所示。整體來看，2020年河南省非有效地區均存在不同程度的投入冗余和產出不足。從投入指標來看，各地在水庫數量、第一產業就業人員和農村用電量上均存在投入冗余，水庫數量和第一產業就業人員投入冗余量最高的均為鄭州市，分別為99 座和38.187 萬人，農村用電量投入冗余最高的則是新鄉市，為46.964 億kW·h；從產出指標來看，鄭州市、安陽市、新鄉市和許昌市在農林牧漁業總產值上均存在產出不足，其中鄭州市和許昌市的農林牧漁業總產值產出不足量相對較高，分別為72.876 億元和77.884 億元，洛陽市和平頂山市則在灌溉面積上存在產出不足，洛陽市灌溉面積產出不足量相對較高，為12.337 9 萬hm2。究其原因，河南省素有“中原糧倉”的美譽，農村面積大、農民眾多，由于氣候因素和地理條件影響，水旱災害頻發，因而尤為注重興修水利[23]。而非DEA 有效的鄭州市地跨黃河、淮河水域，洪澇災害頻發，新鄉市畜牧業發展迅速，農業生產和畜牧業用電量多[24]。此外，據《河南水利年鑒》顯示，2020 年鄭州市和許昌市農村水利重點工作在于推動農村飲水安全和生態修復，洛陽市則強調灌區節水改造及安全飲水[21]。可見非DEA有效地區投入冗余和產出不足是地區資源稟賦差異、政府年度工作重心和農田水利資源利用不當的交互效應。因而，提高河南省非有效地區農田水利生產效率需結合地區發展情況以統籌農田水利發展規劃，進一步提升水庫、勞動力和農村用電的利用率，減少已有物力資源和人力資源的浪費。

表2 河南省2020 年非有效地區的產出投入指標調整結果Table 2 Adjustment of output and input indicators for non-DEA effective areas in Henan Province in 2020

2.2 河南省部分省轄市農田水利基礎設施生產效率變化趨勢分析

1）基于時間視角的農田水利生產效率分析

基于規模報酬可變假設，使用DEAP2.1 軟件對2013—2020 年河南省部分省轄市農田水利全要素生產率指數及其分解情況進行測算，從而研究河南省部分省轄市農田水利基礎設施生產效率的動態變化特征。

由表3 和圖2 可知，2013—2020 年河南省農田水利的平均全要素生產率為1.100，平均增長率為10.0%，而技術效率、技術進步、純技術效率和規模效率的平均增長率分別為0.7%、9.2%、-0.5%和1.2%，可見技術效率和技術進步是河南省農田水利全要素生產率增長的動力源，技術進步是其主要動力源，而技術效率的提高主要源于規模效率改善的推動。從單個時間段來看，僅有2014 年和2017 年的全要素生產率小于1，隨著河南省農田水利基礎設施綜合利用能力的逐步提升，從2018 年開始，全要素生產率變化指數逐年上升，2020 年全要素生產率達到1.650，為2013—2020 年中的最高值，這可能與相應年份的政策環境相關，如2018 年河南省政府印發了《關于實施四水同治加快推進新時代水利現代化的意見》和建設規劃綱要，治水興水被列入河南省各級政府部門的重點工作[25]；2019 年黃河流域各省區以 “讓黃河成為造福人民的幸福河”為戰略目標，協同推進大治理[26]，河南省全省水利系統加快構建水網體系；而2020 年則是“十三五”規劃的收官之年，河南省水利廳多措并舉以推動水利工程的安全、有效、良性運行[27]。

圖2 2013—2020 年河南省部分省轄市分年Effch、Techch 和TFP 指數變化趨勢Fig.2 The variation of Effch, Techch and TFP by year in some provincial cities of Henan Province in 2013—2020

表3 2013—2020 年河南省部分省轄市農田水利基礎設施生產效率分年Malmquist 指數及分解Table 3 The Malmquist index and decomposition of efficiency of farmland water infrastructure in some provincial cities of Henan Province by year in 2013—2020

從技術效率指數（Effch）來看，2013—2020 年河南省的技術效率小于1 的有2014、2016、2020 年，其中，技術效率主要受純技術效率較低的影響，說明河南省2014、2016、2020 年對技術要素的使用效率偏低，在農田水利投入資源的管理和利用能力方面存在一定問題，從而導致了產出不足或投入冗余。其余年份的技術效率都有小幅提升，2017 年河南省水利水土保持技術推廣站爭取了省級財政補助資金以建設水利新技術示范樣板，并對“河南省農村水利技術推廣網”進行改版，以發揮網絡在政策宣傳和技術推廣上的重要作用[21]，隨著技術推廣效果的顯現，2018年河南省農田水利基礎設施的技術效率增長率高達10.2%，說明農田水利技術的推廣有助于農田水利資源實現優化配置，使得資源利用效率得以提高。

從技術進步效率（Techch）來看，2015、2017 年和2018年的技術進步變化小于1，其余年份均大于1，且平均技術進步效率為1.092，處于上升狀態，說明河南省在農田水利基礎設施管理運營中由于新技術應用而使得最佳生產狀態得到了改進。而從圖2 可知，河南省農田水利TFP變化指數與技術進步變化指數具有高度一致的波動性增長趨勢，因而技術進步是影響河南省部分省轄市農田水利全要素生產率變化的關鍵因素，而河南省長期以來都高度重視水利科技工作，每年均會評選“水利科技攻關研究項目”和“水利科技英才”，并給予物質和精神獎勵，可見河南省通過增加水利科技投入，一定程度上激發了科研單位和科研人員開展水利技術創新的活力，推動了農田水利發展。

2）基于空間視角的農田水利生產效率分析

表4 顯示了2013—2020 年河南省部分省轄市農田水利基礎設施生產效率分地區的全要素生產率（TFP）及其分解情況。從各地的全要素生產率來看，2013—2020 年河南省各地農田水利均為增長趨勢，平均增長率達到了10.0%。增長最快的焦作市達到了18.7%，主要受技術進步效率的影響，外部因素可能與焦作市對農田水利良好的建設管理相關[10]。增長最慢的是許昌市，為4.3%，主要是許昌市的技術效率指數小于1，相比于技術效率同樣小于1 的鄭州市、洛陽市和新鄉市而言，其技術進步指數相對較低，且純技術效率下降了2.2%；從各項分解指數來看，技術進步指數增長最快，增長率為9.2%，說明河南省農田水利設施配置效率的提升主要受技術進步的影響。從技術效率的分解來看，純技術效率變化呈現衰退趨勢（-0.5%），主要是由鄭州市、洛陽市、新鄉市和許昌市的純技術效率下降造成，其中鄭州市的純技術效率下降的速率最快（-7.5%），而各地規模效率的變化平均增長率為1.2%；從各地區來看，由于各地技術進步效率不同使得各地區的全要素生產率增長存在差異，洛陽市、安陽市、焦作市、商丘市、濟源市的TFP 指數和技術進步指數增長率均大于10%，高于河南省平均水平10%和9.2%。

表4 2013—2020 年河南省部分省轄市農田水利基礎設施生產效率分地區Malmquist 指數及分解Table 4 The Malmquist index and decomposition of efficiency of farmland water infrastructure in some provincial cities of Henan Province by region in 2013—2020

3 結論與建議

1）河南省部分省轄市農田水利生產效率靜態評價的結果顯示，2013、2017 年和2020 年河南省15個省轄市農田水利生產的綜合技術效率偏低，但2020年達到DEA 有效狀態的地區數相比2013 年呈上升趨勢，說明河南省農田水利資源配置和使用效率正在趨于改善，綜合技術效率受純技術效率影響較大，有2個省轄市的綜合技術效率在2013、2017、2020 年均達到了DEA 有效，分別是開封市和鶴壁市，而平頂山市2013、2017 年綜合技術效率最低。由2013、2017、2020 年各地平均純技術效率和規模效率可知，在持續的政策支持下，河南省對農田水利投入要素的配置逐漸趨于合理，但平均純技術效率值相對較低，主要是由于純技術效率值地域差異較為明顯，因而需要加大農田水利相關技術和管理方法的推廣力度，這與張亮等[22]在河南省農田水利現代化水平研究中得出的結論基本一致。而在對2020 年非DEA 有效地區農田水利設施的投入和產出冗余分析后，可以發現這些地區由于自然稟賦差異性和政府注意力有限性而對農田水利設施缺乏統籌規劃，存在大量的投入冗余和產出不足。在投入方面，水庫資源、第一產業就業人員、農村用電量均未得到充分利用，存在大量資源浪費情況；在產出方面，鄭州市和許昌市農林牧漁業總產值產出不足量相對較高，洛陽市則在灌溉面積上產出不足量相對較高。

2）河南省部分省轄市農田水利生產效率動態評價的結果顯示，2013—2020 年河南省15 個省轄市農田水利資源全要素生產率變化指數呈現波動式增長趨勢，其得益于技術效率指數和技術進步指數均有效，而技術進步變化是主要動力源。因而，河南省在加大水利科技投入、提升自主創新能力的同時，也需關注技術效率的驅動潛力，重視資源管理和配置能力的提升。從2018 年開始，河南省農田水利全要素生產率變化指數開始呈現逐年上升趨勢，可能受益于近年來良好的政策環境。從空間角度來看，2013—2020 年焦作市農田水利基礎設施全要素增長率最快，許昌市的增長率相對較低。洛陽市、安陽市、焦作市、商丘市和濟源市的全要素生產率和技術進步增長率高于河南省平均水平，相對而言主要集中于豫北地區。

鑒于以上結論，可以發現河南省在大力支持農田水利發展的過程中，加大了對農田水利基礎設施的建設投入，但部分地區并未實現農田水利生產效率的最大化，應當重視資源的合理配置，遏制或消除盲目的農田水利建設投入。首先，由于河南省不同地區的資源稟賦差異和各地主導產業不同，需要結合各地發展定位，使得農田水利發展服務于各地重大戰略部署，因地制宜、因時制宜對資源加以利用，如水庫數量和第一產業就業人員投入冗余量最高的均為鄭州市，而相應的農林牧漁業總產值上又存在產出不足情況，鄭州市作為省會城市傾向于注重第二、第三產業的發展，應注重調整農業投入結構，加大水利科技創新和成果推廣，加快農田水利的現代化步伐。其次，爭取政策支持、創新資金籌措是農田水利發展的基礎，開封市和鶴壁市以政策項目為依托，在爭取上級資金支持的同時，吸引社會資本投入，實現了地區農田水利基礎設施建設的良好發展，因而省級相關部門可加大對農田水利基礎建設薄弱地區的政策傾斜力度，而各市級相關部門也需加強對農田水利基礎設施建設的關注度，通過學習借鑒開封市和鶴壁市的建設經驗，創新資金籌措方式，抓好地區農田水利工程建設。再次，由于研究期間河南省各地平均純技術效率值相對較低，且存在明顯的地域差異，而技術進步又是影響河南省農田水利全要素生產率的主要動力源，因此各地在積極研發新技術的同時，還需充分發揮河南省農田水利水土保持技術推廣站的作用，還可考慮與高校合作組建“科技小院”[28]，完善農田水利技術推廣服務體系，為純技術效率相對較低的平頂山市、許昌市、鄭州市等地提供技術支持，而這些地區自身也需以科技興水為戰略，調整農田水利投入形式，將水利科技創新與農村水利建設類重大項目相融合，加大水利技術研發投入，吸引科研單位和科研人員參與項目工作，以項目帶動科技創新及成果推廣，減少盲目投資帶來的資源冗余。濟源市、南陽市等受規模效率影響較大的地區可結合地區發展定位和實際情況適當擴大農田水利基礎設施的投資建設規模或對老舊設施進行現代化改造，關注本地已有農田水利資源的利用與升級。最后，從2020 年河南省非DEA 有效地區第一產業就業人員較高的冗余值來看，河南省需以新型城鎮化和鄉村振興戰略為依托，促進鄉鎮企業發展，并加強農村勞動力職業技能培訓，從而推動農村勞動力非農化轉移，解決農村富余勞動力問題。因而，提高河南省農田水利生產效率，良好的政策環境和資金支持是基礎，農田水利科技的創新和推廣是關鍵，同時注重區域差異和資源的合理配置，遏制或消除農田水利基礎設施中的盲目投入。

總體而言，本研究通過DEA 模型和Malmquist指數對河南省15 個省轄市農田水利基礎設施生產效率進行了實證分析，并為促進河南省農田水利資源的合理利用提出了具有一定參考價值的結論與建議。但由于方法本身的局限性，DEA 模型僅能對河南省15個省轄市農田水利基礎設施生產效率進行相對性評價，因而處于有效狀態的省轄市是相對于其他參與評價的地區而言，并不代表這些地區已處于最佳效率狀態。其次，傳統DEA-BCC 模型無法剔除管理效率、環境變量、隨機誤差等因素對效率值的影響，需構建SFA 模型進一步展開分析[6]。最后，Malmquist 指數僅能從動態把握各省轄市效率變化情況，并從宏觀層面反映全要素生產率的影響因素，無法從微觀層面準確分析各因素的影響程度，需進一步構建Tobit 模型彌補不足[5,7-8,12]，從而獲得更完善的改進意見。上述不足有待在今后的研究中進一步完善。

（作者聲明本文無實際或潛在的利益沖突）