基于DEA-Malmquist指數的江西省農業機械化供給效率研究

摘要：

為探究江西農業機械化發展水平，挖掘影響江西農業機械化發展的主要因素，尋求優化江西農業機械化發展路徑。以江西省11個地市為研究對象，運用DEA-Malmquist生產率指數模型，研究江西省農業機械化供給效率動態變化規律。DEA-BBC分析結果表明，江西11個地市農業機械化綜合技術效率處于上升態勢，投入產出效率逐步改善，但整體未達到DEA有效，仍存在上升空間。Malmquist指數分析結果表明，江西省農業機械化TFP呈現階段性波動上升特征，存在明顯的區域性差距，規模效率在推進農業機械化進程中發揮重要作用，而技術創新和技術推廣則成為影響農業機械化發展的關鍵因素。因此，既要從規模效率角度大力推進農業機械化規模發展，也要從政策支撐角度加快新農機、新技術的推廣應用，更要從技術進步角度提高農業機械化技術水平，以優化提高江西省農業機械化供給效率。

關鍵詞：江西省；農業機械化；供給效率；DEA模型；Malmquist指數

中圖分類號：F323.3

文獻標識碼：A

文章編號：2095-5553 （2024） 04-0266

-09

收稿日期：2022年8月30日" 修回日期：2023年1月29日

基金項目：國家自然（地區）科學基金項目（72163015）；國家重點研發計劃子課題（2022YFD1600604—03）；江西省現代農業產業技術體系項目（JXARS—08）

第一作者：余艷鋒，女，1978年生，江西吉安人，碩士，副研究員；研究方向為農業經濟和農村管理。E-mail： fionayu6@126.com.

通訊作者：付江凡，男，1957年生，江西贛州人，研究員；研究方向為管理學。E-mail： fujiangfan@163.com

Research on the supply efficiency of" agricultural" mechanization in Jiangxi Province

based on DEA model and Malmquist index

Yu Yanfeng， Wang Changsong， Fu Jiangfan

（Institute of Agricultural Economics amp; Information， Jiangxi Academy of Agricultural Sciences， Nanchang， 330200， China）

Abstract：

In order to explore the development level of agricultural mechanization in Jiangxi， dig the main factors affecting the development of agricultural mechanization in Jiangxi， and seek to optimize the development path of agricultural mechanization in Jiangxi. Taking 11 cities in Jiangxi Province as research units， the dynamic change rule of the agricultural mechanization supply efficiency of Jiangxi Province is studied by using DEA model and Malmquist index. The analysis results of DEA-BBC show that the comprehensive technical efficiency of agricultural mechanization in 11 cities of Jiangxi Province is on the rise， and the input-output efficiency is gradually improved， but the overall efficiency is not as effective as DEA， so there is still room for improvement. The analysis results of Malmquist index show that the TFP of agricultural mechanization in Jiangxi province presents the characteristics of periodic fluctuation and rise， and there are obvious regional disparities， and scale efficiency plays an important role in promoting the the process of agricultural mechanization， technological innovation and popularization are the key factors affecting the development of agricultural mechanization. Therefore， it is necessary not only to promote the development of agricultural mechanization from the angle of scale efficiency， but also to accelerate the popularization and application of new agricultural machinery and new technology from the angle of policy support， and to raise the level of agricultural mechanization technology from the angle of technological progress， so as to optimize and improve the supply efficiency of agricultural mechanization in Jiangxi Province.

Keywords：

Jiangxi Province; agricultural mechanization; supply efficiency; DEA model; Malmquist index

0 引言

農業機械化是轉變農業發展方式的重要基礎，是解決“誰來種地、怎么種地”的關鍵，也是實現農業高質量發展、推動農業農村現代化、實施鄉村振興戰略的重要支撐。《國務院關于加快推進農業機械化和農機裝備產業轉型升級的指導意見》（國發〔2018〕42號）和《鄉村振興戰略規劃（2018—2022年）》對我國農業機械化和農機裝備發展目標提出了具體要求。江西作為農業大省，在農機購置補貼和《江西省人民政府關于加快推進農業機械化升級和農機裝備產業振興的實施意見》（贛府發〔2019〕9號）共同推動下，江西農業機械化獲得快速發展，農業生產進入了機械化主導新階段。“十三五”期間，江西省共實施農機購置補貼資金30.78億元、補貼機具34.32萬臺（套）；2021年全省新建水稻機械化育秧中心163個、全程機械化綜合農事服務中心38個［1］；到2021年底，江西省農業機械總動力2.694×107 kW［2］，主要農作物和水稻耕種收綜合機械化水平分別超過76%和82%，設施種植機械化水平24.9%（全國平均水平40%左右）、規模養殖機械化水平37.62%（全國平均水平34%左右）；全省農機服務組織達1.2萬個，其中農機專業合作社1 264個、農機戶達103.43萬個、農機作業服務專業戶達35.55萬個。這些數據充分體現出黨和國家對農業機械化發展的諸多支持，也彰顯出江西農業機械化和農機裝備產業轉型升級步伐不斷加快。

然而新發展階段，江西農業機械化和農機裝備產業發展不平衡不充分的問題比較突出，農機裝備結構不合理，新型農機具和大動力農機裝備明顯不足；果菜茶等優勢特色產業全面機械化水平不高；農機裝備制造企業“散、小、弱”，龍頭企業帶動產業集聚效應薄弱；農機“行路難、看病難、住房難”問題仍存在［3］；農業機械化科技創新能力不足，農機人才隊伍建設亟待加強；農業機械化投入不足，農機裝備有效供給有待進一步提升等等問題制約著江西農業機械化供給效率提升。

在此背景下，科學測算江西省農業機械化供給效率、挖掘影響江西農業機械化供給效率差異的影響因素、尋求優化江西農業機械化發展路徑，對推動江西農業高質量發展、助力江西現代農業強省目標的實現具有重要意義。

1 文獻綜述

當前，農業機械化推動農業發展與產業升級已在學術界形成共識，形成諸多有關農業機械化的研究成果，主要集中在以下3個方面。

1.1 供給效率測度方面

目前常采用C-D生產函數模型、超效率SBM模型、Tobit模型等相關模型，利用熵權法、DEA方法、模糊DEMATEL-ISM法、Malmquist生產率指數法等有關測度方法對農業供給效率進行測算。劉開華等［4］以2001—2017年為研究時段，采用C-D生產函數模型對農業供給效率進行動態分析，采用熵權法構建農業發展潛力指數評價模型，并根據各地區農業發展潛力指數構建農業發展潛力競爭模型。邱溆等［5］采用DEA方法測算我國農機社會化服務效率，并運用Tobit模型分析其影響因素。許波等［6］采用超效率SBM模型和Malmquist指數法分析2010—2020年湖南省14個市州農業生產效率的時空變化特征，并運用多元線性回歸模型分析影響農業生產效率的因素。金龍新等［7］以湖南省14個地州市為研究單元，運用Malmquist生產率指數，研究2011—2015年湖南省農業機械化供給效率動態變化規律。陳昭玖等［8］以1999—2013年我國12個粳稻主產區省際面板數據，采用DEA分析法測算與分解各地區粳稻TFP及其分解項。張宗毅等［9］利用DEA-Malmquist指數模型分析了2008—2015年全國30個省市區農業機械化全要素生產率變化及趨勢。

1.2 影響供給效率的因素方面

大多學者基于定量分析結果認為生產要素、自然環境、社會經濟發展水平和補貼政策對農業機械化供給效率影響較大，且農業機械化可優化農業結構、有效促進農業生產。李衛［10］借助基尼系數法對農業機械化不平衡性問題進行定量研究，認為經濟發展水平、研發推廣政策、自然地理條件、種植制度和土地經營規模對區域農機裝備水平產生影響。田曉暉等［11］利用多時點雙重差分模型識別農機購置補貼政策對地區農業機械化水平的影響，認為農機購置補貼政策顯著提高地區農業機械化水平，也間接影響生態環境。匡遠配等［12］結合蔡昉對中國經濟發展階段的劃分方法，認為農村資本要素不足，農業機械化發展緩慢。黎星池等［13］等運用空間Durbin模型定量分析農業機械化發展對種植結構的空間溢出效應，認為農業機械化推動農業分工深化和種植結構調整。蔡榮等［14］利用固定效應SFA模型和反事實分析法，認為農業機械化對小麥生產化肥投入效率具有顯著正向影響。呂雍琪等［15］運用變系數固定效應模型，采用柯布—道格拉斯生產函數分析農業機械化對各省種植業產出貢獻率，認為農業機械化促進種植業的發展，在中國大部分省份的農業生產中發揮著較大的作用。

1.3 提升供給效率的對策建議方面

多數學者認為農業機械化能有效促進農業現代化。姚春生［16］指出通過建立質量提升機制，強化事中事后監管等措施，擴大農業機械化優質增量供給，實現農業機械化宏微觀質量的“雙提高”。許欣等［17］認為農機購置補貼政策為我國農業機械化和工農協調發展提供強大動力，未來應有針對性地調整、優化農機購置補貼政策，同時積極引導、推動農機工業轉型升級、技術創新突破。陳旭等［18］認為，我國要想進一步提升農業機械化水平應注重從加大資金投入、建立完善安全機制、構建市場化主導的農機社會服務體系等多方面入手。

綜上所述，國內學術界有關農業機械化效率的研究成果比較豐富，為本研究奠定了重要基礎。但多數研究基于傳統DEA模型評價決策單元效率，無法動態反映效率變化水平；且基于江西視角的農業機械化供給效率評估研究甚少，尤其是近年來，江西各地不斷優化農機購置補貼政策，完善農機應用環境，以提升各地區農業機械化水平，亟需采用基于多投入多產出的傳統DEA評價模型，以靜態反映各地區在某一時間段農業機械化供給效率的橫向變化情況，并結合Malmquist指數，以動態反映各地區在多個時期內農業機械化供給效率的縱向變化情況，使得研究結論更科學、準確。因此本文借鑒已有的研究成果，構建江西省農業機械化供給效率評價指標體系，運用DEA-Malmquist指數對江西省農業機械化供給效率進行系統科學地測量，在掌握江西農業機械化供給效率整體水平基礎上，對江西11個地市農業機械化供給效率進行空間差異分析，找出影響農業機械化供給效率的決定性因素，為推動江西農業機械化進程和現代農業高質量發展提供理論借鑒及實踐支撐。

2 研究區概況與數據來源

2.1 研究區概況

江西地處中國東南部，長江中下游南岸，地形地貌以山地、丘陵為主，山地丘陵占全省總面積的78%，崗地、平原、水面占22%，除北部較為平坦外，東西南部三面環山，中部丘陵起伏［19］。此外，據國家統計局江西調查總隊數據顯示，2021年末全省鄉村常住人口1 741.01萬人，比2020年減少46.79萬人，占全省常住人口的38.5%，鄉村空心化現象加劇；2019年全省全年農民外出從業人員908.6萬人，比上年增長1.5%，農村勞動力持續外流。作為農業大省，尤其是肩負糧食安全重任的糧食主產區，顯著的山地丘陵地貌特征制約了農業機械化的應用，而城鎮化進程的加快加速了鄉村空心化、老齡化，使得鄉村產業發展迫切需要農業機械化，尤其是適合山地丘陵農機助力。

2.2 研究方法

2.2.1 數據包絡分析法（DEA）

DEA由美國著名運籌學家Charnes采用線性規劃理論評價決策單元之間相對有效性的一種模型方法。DEA把受評估單位或組織稱為決策單元（DMU），通過選取DMU的多項投入產出數據，利用線性規劃，以最優投入產出作為有效生產前沿面，構建數據包絡曲線，并根據DMU與有效生產前沿面的相對距離偏離程度來確定每個DMU是否DEA有效。傳統的DEA模型基于規模報酬不變和可變情形，可分為CCR模型和BBC模型，其中CCR模型基于固定規模報酬情形下，用于衡量總效率；BCC模型則是基于可變規模報酬情形下，用于衡量純技術和規模效率。由于農業機械化發展的要素投入多來自政府、企業等主體，這些投入要素可控、可調節，但農業機械化產出水平則無法控制或干預，其規模收益往往可變。因此，本研究選取可變規模報酬BCC模型用于評價江西農業機械化供給效率，綜合技術效率取值范圍為0～1，若綜合效率值越接近1則表示DEA越有效。BBC模型如式（1）所示。

2.3 指標選取與數據來源

農業機械化供給效率是對農機供給側結構性改革成效和農機利用程度的反映，表現為農業機械化供給過程中各項投入與產出之間的關系，體現了農業機械的資源配置狀況，是度量在一定要素投入條件下，農機獲得的實際產出與最大產出之間的比率。因此，反映江西農業機械化供給效率的指標選取要立足江西農機供給狀況，遵循科學準確、簡明實用和兼顧數據可得性、有效性原則。故此，本文選取的江西農業機械化供給效率投入產出指標如表1所示。

其中，反映農機投入狀況可表現在三個方面：地方財政投入（地方財政農林水事務支出、地方固定資產投資）、農機裝備動力投入（農業機械總動力）、農機作業投入（機耕面積）。反映農機產出狀況可表現在三個方面：農業增產（糧食單產，鑒于江西屬于糧食主產區，糧食種植面積占主要農作物面積的66%以上，糧食是江西第一大種植業，具有代表性）、農業增效（農林牧漁總產值，按當年價計算）、農民增收（農村居民人均可支配收入）。所有指標均為正向指標。數據來源于《江西統計年鑒》《江西11個地市統計年鑒》《江西11個地市國民經濟和社會發展統計公報》、江西省農業農村廳等統計部門數據。同時，對原始指標數據做標準化處理，以消除不同評價指標之間的量綱影響，為后續效率測算提供更加可靠的保障。

3 江西省農業機械化供給效率的實證分析

采用DEA-BCC模型和Malmquist模型，運行Deap2.1軟件，以江西省11個地市2013年、2018年為截面數據進行DEA-BCC靜態分析，以2013—2018年的6年數據為序列進行Malmquist動態分析。

3.1 DEA-BCC模型的靜態截面數據評價

運用DEAP2.1軟件，基于BCC模型評價2013年和2018年江西省11個地市農業機械化供給效率，結果見表2。總的來看，江西農業機械化供給效率呈上升態勢，發展趨勢良好。

3.1.1 綜合技術效率分析

綜合技術效率值越接近1，表明投入產出效率越好。從表2可以看出，2013年江西11個地市農機供給綜合技術效率平均值為0.901，2018年上升到0.986，增幅達到9.49%，但整體并未達到DEA有效，仍存在上升空間。

2013年江西11個地市農業機械化供給綜合技術效率生產前沿的地市有6個，占比54.55%；2018年上升為9個，占比81.82%，這9個（南昌、宜春、贛州、鷹潭、新余、撫州、萍鄉、上饒、景德鎮）地市農業機械化供給效率均表現為有效，說明這9個地市農機供給的投資結構實現最優配置，投入產出組合達到最優效果，農業機械化供給效率較好。而九江、吉安地區則處于DEA弱有效，尚未達到生產前沿面，主因在于純技術效率和規模效率不高，因此兩地區要適度調整投資結構，改善資金使用，以提升綜合技術效率。

3.1.2 純技術效率分析

純技術效率是綜合技術效率的分解指標之一，其數值越接近于1，表明該區域的農機供給技術和管理水平較高。從表2可以看出，2013年江西11個地市農業機械化供給純技術效率為0.943，2018年該值上升到0.987，增幅達到4.63%，但整體仍未達到DEA有效，反映出農機供給的管理和技術能力還有進步空間。

2013年江西農業機械化供給純技術效率有效的地市有7個，占比63.64%；2018年上升為9個，占比81.82%，表明這9個（南昌、宜春、贛州、鷹潭、新余、撫州、萍鄉、上饒、景德鎮）地市農業機械化供給的技術與管理水平在省內排位靠前。此外，通過對比純技術效率指數和規模效率指數發現，九江、吉安兩地市的純技術效率值低于規模效率值，表明限制這2個地市農機供給效率的主因是純技術效率偏低，在農機供給過程中應加強技術和管理經驗的更新提升。

3.1.3 規模效率分析

規模效率也是綜合技術效率的分解指標之一，其數值越接近于1，表明該區域在相同的技術與管理水平下的投入規模越接近最佳規模。從表2可以看出，2013年江西11個地市農業機械化供給規模效率為0.950，2018年上升到0.999，增速達到5.15%，但仍未達到最優規模。

2013年農業機械化供給規模效率有效的地市有7個，占比63.64%；2018年上升為10個，占比90.91%。表明這10個（南昌、九江、宜春、贛州、鷹潭、新余、撫州、萍鄉、上饒、景德鎮）地市的農業機械化供給規模效率均已達到最優，農機供給投入始終處于最佳規模。僅有吉安市農機供給規模未達到有效，其規模收益處于遞增狀態，表明只要吉安市適度增加規模投入，可以實現最佳規模。

3.2 Malmquist指數的動態序列數據評價

采用DEAP2.1軟件對2013—2018年江西省11個地市農業機械化供給投入產出數據運算，從年度、區域角度考察江西省農業機械化供給全要素生產率及其構成的動態變化特征。

3.2.1 全要素生產率階段性分析

1）" 從全省層面看，2013—2018年期間，江西省農業機械化供給全要素生產率指數平均值小于1，除2016—2017年全要素生產指數出現下滑外，整體呈現波動上升態勢，說明江西省農業機械化供給總體效率有所提升但仍未得到充分發揮，發展空間較大。2013—2018年江西省11個地市農業機械化供給Malmquist指數分解指標如表3所示。從分解指標來看，技術效率年均增長4.7%，年均波動幅度相對較小；技術進步率年均下降9.6%，年均波動幅度相對較大。同時結合表2可知：全要素生產率與技術進步率呈同方向變動，表明江西省農業機械化供給全要素生產率增長動力主要來自技術進步，即江西農業機械化供給效率的提升屬于技術進步型。

2）" 技術效率指數2013—2018年的年均值大于1，年均增長率達4.7%，表明江西省農業機械化供給的技術效率總體上處于穩中向上狀態，農機設備更新、農機技術創新處在較高水平，正向提升了農業機械化供給全要素生產率。從分解指標來看，純技術效率指數為1.012，年均增長1.2%，年均波動幅度相對較小；規模效率指數為1.035，年均增長3.5%，年均波動幅度相對較大；可見，規模效率年均增幅快于純技術效率年均增幅，表明規模效率是影響技術效率的主因素，在推動農業機械化進程中發揮了較好的作用。同時結合表2可知：技術效率與規模效率基本呈同方向變動，表明規模效率在推動農業機械化進程中發揮了重要作用，這主要得益于扶持江西省農業機械化發展的政策、資本、人力、制度的多維發力。

3）" 技術進步率指數的年際波動較為明顯。2013—2018年技術進步率指數年均下降9.6%。其中，2014—2016年的技術進步率指數均大于1，表明在這兩年間江西對農業機械化供給的技術利用和技術創新的重視程度較高；2015—2016年的技術進步指數高達1.21，表明該年農業機械化供給得到了技術上的強大支持。究其原因，與2014年《江西省人民政府關于加快推進農業機械化和農機工業發展的實施意見》（贛府發［2014］22號）有緊密聯系，文件提出全面提升農業生產裝備水平，振興農機工業，并從財稅金融等角度提出了政策支撐措施，大力促進了江西省農業機械化發展。

3.2.2 全要素生產率區域性分析

江西11個地市農業機械化供給全要素生產率Malmquist指數分解指標如表4所示。

1）" 從區域尺度看全要素生產率指數變動，2013—2018年，贛東北地區農業機械化供給全要素生產率指數大于1，年均增長率10.7%，增長率明顯，主因在于技術進步率和規模效率的提升，說明近年來，贛東北地區科技創新力度不斷提升，科技成果推廣應用速度不斷加快，農機裝備研發和農機推廣體系比較完善，農機推廣應用規模和農機裝備產業科技創新能力均處在全省前列，有力拉動了區域和全省農業機械化綜合效率提升。其他區域農業機械化綜合效率未呈現明顯增長，全要素生產率指數均小于1，說明這些區域的農機技術創新尚未能適應現代農業發展需要，且這些區域受制于明顯的山地丘陵地勢地貌影響，以中小型農機具為主，大型農機具使用受限，未能有效發揮農機規模優勢和技術優勢。

11個地市中，鷹潭市全要素生產率指數最高（1.423），主因源自技術進步；新余市全要素生產率指數最低（0.303），主因在于技術進步指數偏低，制約了當地農業機械化水平提升，表明新余市應出臺鼓勵地方性農機研發激勵政策，加大農機研發投入，有效提高新余市農機供給的技術效率。

2）" 從技術效率指數變動情況來看，2013—2018年，贛東北地區技術效率年均增長5.6%，贛中年均增長0.5%，贛西年均增長0.3%，贛南保持穩定，可見贛東北區域農業機械化供給過程中的各項生產要素配置比較合理，對農機技術推廣和農機裝備應用更加成熟，有效提高了區域農業機械化供給效率。

從純技術效率指數變動情況來看，贛東北地區純技術效率變化率均值為1.023，年均增長2.3%，增幅最大；贛中地區純技術效率變化率均值為1.005，年均增長0.5%；贛西和贛南地區純技術效率變化率均值為1，其純技術效率沒有發生變化。從地市內部來看，南昌、九江、吉安、上饒的純技術效率均大于1，宜春、新余、萍鄉、鷹潭、景德鎮、撫州、贛州的純技術效率等于1，說明江西11個地市都能較好的開展農機管理、運營和農機示范推廣。

從規模效率指數變動情況來看，贛東北地區規模效率變化率均值為1.032，年均增長3.2%，增幅最大；贛西地區規模效率變化率均值為1.003，年均增長0.3%，增幅變動小；贛中、贛南地區規模效率變化率均值為1，保持穩定。從地市內部看，贛州、鷹潭、新余、撫州、吉安、萍鄉、上饒、景德鎮的規模效率等于1，南昌、九江和宜春的規模效率均大于1，說明江西11個地市農業機械化供給呈現規模報酬遞增階段，均能合理配置農機資源，通過提升規模效率有效實現農機供給綜合效率的提高。

3）" 從技術進步率指數變動情況來看，江西省各地市間農機供給的技術進步率指數存在較大差異，贛東北地區技術進步率為1.049、年均增長4.9%；贛南地區為0.994，年均下降0.6%；贛中地區為0.872，年均下降12.8%；贛西地區為0.681，年均下降31.9%，降幅最大。說明贛東北地區更廣泛采用了農機新機具、新技術。從地市內部看，技術進步率指數最高的地市為地處贛北的鷹潭（1.423），技術進步率指數最低的地市為地處贛西的新余（0.303），究其原因，鷹潭市農業機械化供給技術進步的主要推動力源于中央、省市區各級政府對農業機械化發展，尤其是智能農機裝備產業園發展的鼓勵性政策支持和項目扶持，而新余市農機供給技術進步的主要制約力源自當地農機發展軟環境有待優化。由此可見，技術進步是影響江西農業機械化供給全要素生產率的關鍵因素，各地市應加強對農業機械化供給技術進步的重視。

4 結論與建議

4.1 結論

本研究采用DEA-Malmquist指數分析了江西省2013—2018年11個地市的農業機械化供給效率變化及其分布特征。

1）" 農機供給效率整體發展趨勢向好，但仍存在上升空間。2013—2018年，從靜態角度看，江西省整體農業機械化供給效率較高，多個地市達到了DEA有效前沿面，農業機械化發展態勢良好；從動態角度看，江西省農業機械化供給總體效率呈現波動上升態勢，農業機械化供給全要素生產率指數從2013—2014年的0.685，上升到2017—2018年的0.947，農業機械化發展的政策環境不斷完善，但尚未達到有效狀態，仍存在改進空間。

2）" 不同區域間農業機械化供給效率差距明顯。從地域空間來看，受地形地勢、要素稟賦、地區經濟、政府農機投入等因素影響，2013—2018年，江西省11個地市農業機械化全要素生產率存在明顯的地域差異，贛東北地處長三角經濟圈，區域經濟相對發達，對農業建設資金投入較大，農業基礎設施建設較完善，加之地勢較平坦，平原面積占比較大，具備大范圍示范推廣應用農機具的現實條件，使得贛東北地區農業機械化供給全要素生產率增長水平較高，農業機械化配置總體良好；而贛西、贛中、贛南地區經濟相對落后，山地丘陵地貌明顯，農田多呈現階梯式，田塊小且不集中連片，高標建設推進難度高，農機具應用存在較多制約條件，其農業機械化供給全要素生產率增長水平相對較低，地區間農業機械化配置效率差距較大，甚至出現了負增長。

3）" 技術進步是助推農業機械化發展的關鍵因素。從指數結構分析來看，2013—2018年，江西省11個地市中有7個地市農業機械化供給全要素生產率指數值均小于1，主因在于技術進步率指數均小于1，表明在加快推進江西省農業機械化進程中，盡管規模效率發揮了重要作用，但技術進步效率指數對全要素生產率的增長起著決定性作用，技術進步和技術推廣是江西省農業機械化的關鍵因素，應注重提升對農業機械化發展的重視程度和技術支持。

4.2 建議

隨著信息化、智能化技術的廣泛應用以及《鄉村振興戰略規劃》中提出到2035年我國將實現農業全程全面機械化的要求，農業機械化發展需求愈發緊迫。要提升江西省農業機械化供給效率，更好地實現江西農業機械化高質量發展，結合實證研究結論，提出以下建議。

1）" 提高農機裝備規模效率。深入實施農機裝備產業振興行動，依據現有農機裝備產業發展基礎，繼續推動具備農機裝備產業優勢的區市縣新建或利用有條件的工業園區創建農機智能裝備產業園，在全省打造2～3個特色鮮明的“專、精、特、新”農機裝備產業集群，以農機智能裝備產業園建設帶動產業集群。

2）" 提升農機裝備創新研發能力。圍繞具有江西獨特技術優勢、并能形成全產業鏈的果菜茶、稻油生產全程機械化和設施種植、畜牧水產養殖機械化為方向進行關鍵核心技術攻關，搭建上下游企業與科研機構“產學研推用”深度融合的多層次農業機械化科技創新平臺、創新聯盟［22］，聯合研發適宜丘陵山區作業的智能、綠色、高效、低耗農機產品，帶動相關零部件配套產業集群式發展。

3）" 加快農機示范推廣力度。一是加快宜機化基礎設施改造，以高標準農田改造提升項目重點推進機耕道標準化建設、良地改造和果茶園宜機化改造，提高農機作業便捷性。二是加快農機配套設施建設，積極引導社會資本參與曬場、烘干、農機場庫棚等配套設施建設，提高農機使用效能。三是提高農業機械化技術與設備示范推廣能力，通過召開農機展示活動，示范推廣適用性強的農機新技術、新成果、新機具、新經驗，增強廣大農戶應用新機具、新技術的主動性。

4）" 實施區域間差異化扶持和補助相結合政策。一是優化購機補貼目錄、補貼額。縮減保有量過大、低效高耗的機具補貼額，將畜禽水產養殖類農機納入補貼范圍，穩定提高適用于重點作物、關鍵環節和丘陵山區的智能高效綠色環保農機具補貼標準、補貼名目；推動農機新產品購置補貼和植保無人機補貼試點突破；縮短補貼審核程序和資金兌付時間。二是鼓勵市縣出臺地方農業機械化發展專項資金，按照農機單機補貼額標準進行累加補貼。針對江西各區域地理地勢自然資源條件和農業產業發展特色，贛南地區重點扶持果菜茶全程農機設備，贛東北地區重點扶持大中型、種養收一體化農機設備，贛中地區重點扶持信息化智能化農機設備，贛西地區重點扶持清潔化生產農機設備。

參 考 文 獻

［1］ 李耀文. 扛起糧食主產區的責任與擔當［N］. 江西日報， 2022-04-18.

［2］ 李冬明， 李耀文. 打造農機大省江西如何揚優成勢［N］. 江西日報， 2022-03-03.

［3］ 劉開順. 解決農機“三難”是一項刻不容緩的工作［J］. 農機質量與監督， 2017（5）： 31-33.

［4］ 劉開華， 李彬， 王鳳羽. 基于生產要素視角的重慶市農業供給效率與發展潛力分析［J］. 中國農業資源與區劃， 2021， 42（5）： 178-186.

Liu Kaihua， Li Bin， Wang Fengyu. Analysis of agricultural supply efficiency and development potential in Chongqing from the perspective of production factor ［J］. Chinese Journal of Agricultural Resources and Regional Planning， 2021， 42（5）： 178-186.

［5］ 邱溆， 楊麗. 我國農機社會化服務供給效率及其影響因素——基于DEA-Tobit兩步法分析［J］. 中國農機化學報， 2021， 42（7）： 209-214， 236.

Qiu Xu， Yang Li. Supply efficiency and influencing factors of agricultural machinery socialized service in China： Based on the two-step method of DEA-Tobit ［J］. Journal of Chinese Agricultural Mechanization， 2021， 42（7）： 209-214， 236.

［6］ 許波， 盧召艷， 楊勝蘇， 等. 湖南省農業生產效率演變與影響因素［J］. 經濟地理， 2022， 42（3）： 141-149.

Xu Bo， Lu Zhaoyan， Yang Shengsu， et al. Spatio-temporal evolution pattern and influencing factors of agricultural production efficiency in Hunan Province ［J］. Economic Geography， 2022， 42（3）： 141-149.

［7］ 金龍新， 劉英. 湖南農業機械化供給效率探析［J］. 湖南農業科學， 2018（1）： 100-103.

Jin Longxin， Liu Ying. Analysis on the supply efficiency of agricultural mechanization in Hunan ［J］. Hunan Agricultural Sciences， 2018（1）： 100-103.

［8］ 陳昭玖， 胡雯. 要素供給與中國粳稻生產效率增長： 技術推動抑或效率驅動——基于DEA-Tobit模型［J］. 農業經濟與管理， 2016， 40（6）： 35-42.

Chen Zhaojiu， Hu Wen. Factor supply and growth of Chinese japonica rice production efficiency： Technology driven or efficiency driven-based on DEA-Tobit model ［J］. Agricultural Economics and Management， 2016， 40（6）： 35-42.

［9］ 張宗毅， 王許沁， 葛繼紅. 中國農機化效率： 區域差異及購置補貼影響效應——基于省域視角和DEA-Tobit模型的分析［J］. 湖南農業大學學報（社會科學版）， 2019， 20（3）： 1-8.

Zhang Zongyi， Wang Xuqin， Ge Jihong. Chinese agricultural mechanization efficiency： Analyses on regional differences and the impact effect of purchase subsidy based on DEA-Tobit model of provincial panel data ［J］. Journal of Hunan Agricultural University （Social Sciences）， 2019， 20（3）： 1-8.

［10］ 李衛. 區域格局劃分與農業機械化發展不平衡定量研究［D］. 楊凌： 西北農林科技大學， 2014.

Li Wei. Research on regional landscape division and imbalance of agricultural mechanization development in China ［D］. Yangling： Northwest A amp; F University， 2014.

［11］ 田曉暉， 李薇， 李戎. 農業機械化的環境效應——來自農機購置補貼政策的證據［J］. 中國農村經濟， 2021（9）： 95-109.

Tian Xiaohui， Li Wei， Li Rong. The environmental effects of agricultural mechanization： Evidence from agricultural machinery purchase subsidy policy ［J］. Chinese Rural Economy， 2021（9）： 95-109.

［12］ 匡遠配， 彭鼎. 要素結構配置的階段變化與農業機械化發展探討［J］. 湖南農業大學學報（社會科學版）， 2021， 22（4）： 24-31.

Kuang Yuanpei， Peng Ding. The periodic changes of factor structure configuration and the evolution of agricultural mechanization ［J］. Journal of Hunan Agricultural University （Social Sciences）， 2021， 22（4）： 24-31.

［13］ 黎星池， 朱滿德. 農業機械化對種植結構“趨糧化”的空間溢出效應分析［J］. 農業現代化研究， 2021， 42（4）：684-693.

Li Xingchi， Zhu Mande. Analysis on the spatial spillover effect of agricultural mechanization on the “tendency to grain production” in planting structure ［J］. Research of Agricultural Modernization， 2021， 42（4）： 684-693.

［14］ 蔡榮， 陳佩. 農業機械化有助于化肥投入效率提升嗎？——以小麥為例［J］. 中國農業大學學報， 2021， 26（8）： 265-274.

Cai Rong， Chen Pei. Does agricultural machinery service improve fertilizer input efficiency： Take wheat as an example ［J］. Journal of China Agricultural University， 2021， 26（8）： 265-274.

［15］ 呂雍琪， 張宗毅， 張萌. 農業機械化對中國種植業貢獻率研究［J］. 農業現代化研究， 2021， 42（4）： 675-683.

Lü Yongqi， Zhang Zongyi， Zhang Meng. The contribution rate of agricultural mechanization to China’s crop industry ［J］. Research of Agricultural Modernization， 2021， 42（4）： 675-683.

［16］ 姚春生. 供給側結構性改革背景下農業機械化質量提升對策研究［J］. 中國農機化學報， 2019， 40（1）： 1-4.

Yao Chunsheng. Research of improving China’s agricultural mechanization quality in the context of supply-side structural reform ［J］. Journal of Chinese Agricultural Mechanization， 2019， 40（1）： 1-4.

［17］ 許欣， 朱琰潔， 劉潔， 等. 農機補貼政策的實證檢驗［J］. 河南農業大學學報， 2022， 56（1）： 153-165.

Xu Xin， Zhu Yanjie， Liu Jie， et al. Empirical test on agricultural machinery subsidy policy ［J］. Journal of Henan Agricultural University， 2022， 56（1）：153-165.

［18］ 陳旭， 楊印生. 日本農業機械化發展對中國的啟示［J］. 中國農機化學報， 2019， 40（4）： 202-209.

Chen Xu， Yang Yinsheng. Enlightenment of Japanese agricultural mechanization development to China ［J］. Journal of Chinese Agricultural Mechanization， 2019， 40（4）： 202-209.

［19］ 陳萬睿， 陳婧. 江西省休閑體育旅游資源分布及特征分析［J］. 當代體育科技， 2022， 12（2）： 97-100.

Chen Wanrui， Chen Jing. Analysis on the distribution and characteristics of leisure sports tourism resources in Jiangxi Province ［J］. Contemporary Sports Technology， 2022， 12（2）： 97-100.

［20］ 馮朝睿， 尹俊越. 基于DEA模型和Malmquist指數的我國電商扶貧效率研究［J］. 蘭州學刊， 2021（11）： 134-148.

Feng Zhaorui， Yin Junyue. Research on poverty alleviation efficiency of E-commerce in China based on DEA model and Malmquist index ［J］. Lanzhou Academic Journal， 2021（11）： 134-148.

［21］ 侯琳， 馮繼紅. 基于超效率DEA和Malmquist指數的中國農業生產效率分析［J］. 河南農業大學學報， 2019， 53（2）： 316-324.

Hou Lin， Feng Jihong. Analysis of Chinese agricultural production efficiency based on super-efficiency DEA and Malmquist index ［J］. Journal of Henan Agricultural University， 2019， 53（2）： 316-324.

［22］ 曹志陽. 新時期推進農機產業高質量發展的思考［J］. 江蘇農機化， 2021（5）： 28-31.