江西省農(nóng)業(yè)生產(chǎn)效率評價及影響因素研究

諶貽慶，王華瑞，陶春峰

?

●華東經(jīng)濟

江西省農(nóng)業(yè)生產(chǎn)效率評價及影響因素研究

諶貽慶，王華瑞，陶春峰

（南昌大學 經(jīng)濟管理學院，江西 南昌 330031）

摘要：文章采用超效率DEA視窗分析、Malmquist指數(shù)分析和規(guī)模收益分析評價和探討江西省2009-2014年11個地市的農(nóng)業(yè)生產(chǎn)效率情況，并運用Tobit模型估計農(nóng)業(yè)生產(chǎn)主要因素對江西各類地區(qū)農(nóng)業(yè)發(fā)展的影響程度。分析顯示：近年來，江西省景德鎮(zhèn)、撫州及環(huán)鄱陽湖地區(qū)的農(nóng)業(yè)生產(chǎn)效率相對較高；技術進步變化指數(shù)和技術效率變化指數(shù)發(fā)展不平衡；農(nóng)業(yè)生產(chǎn)主要地市吉安、九江等地規(guī)模收益呈下滑狀態(tài)；農(nóng)業(yè)生產(chǎn)技術進步變化指數(shù)和農(nóng)民純收入對地區(qū)農(nóng)業(yè)生產(chǎn)效率提高具有促進作用。研究結果表明，對農(nóng)業(yè)生產(chǎn)效率高低不同的地區(qū)應當因地制宜，對高效率地區(qū)加大其農(nóng)業(yè)科研技術的投入，對低效地區(qū)引導其轉變農(nóng)業(yè)粗放型發(fā)展方式，科學施肥，提高農(nóng)業(yè)生產(chǎn)效率，促進農(nóng)民增收。

關鍵詞：農(nóng)業(yè)生產(chǎn)效率；超效率DEA；視窗分析；全要素生產(chǎn)率；Tobit回歸

［DOI］10.3969/j.issn.1007-5097.2016.07.004

一、引　言

江西省作為我國農(nóng)業(yè)大省之一，圍繞“改革線”、“產(chǎn)業(yè)升級線”、“三線聯(lián)動”，以綠色為引領，加快建設產(chǎn)出高效、產(chǎn)品安全、資源節(jié)約、環(huán)境友好農(nóng)業(yè)強省的步伐。于是，提高農(nóng)業(yè)發(fā)展效率成為亟須解決的問題。近年來，關于農(nóng)業(yè)發(fā)展效率的研究多數(shù)采用以數(shù)據(jù)包絡分析（Data Envelopment Analysis，DEA）為主的非參數(shù)研究方法。賀志亮、劉成玉（2015）采用傳統(tǒng)的三階段DEA模型實證分析了2012年我國農(nóng)業(yè)生產(chǎn)效率，認為農(nóng)村居民家庭人均純收入和財政支農(nóng)支出是農(nóng)業(yè)生產(chǎn)效率改善的積極因素［1］；林永欽、熊雪（2011）采用傳統(tǒng)DEA模型衡量了2009年環(huán)鄱陽湖地區(qū)農(nóng)業(yè)循環(huán)經(jīng)濟的發(fā)展效率，認為鄱陽湖地區(qū)農(nóng)業(yè)存在農(nóng)藥化肥投入冗余、糧食單產(chǎn)不足的問題，應當調整農(nóng)業(yè)產(chǎn)業(yè)結構，發(fā)展循環(huán)農(nóng)業(yè)［2］；吳小慶、王亞平（2011）采用層次分析法和傳統(tǒng)數(shù)據(jù)包絡分析法，將江蘇無錫市1998-2008年的農(nóng)業(yè)產(chǎn)業(yè)作為決策單元，評價了無錫市農(nóng)業(yè)各年度生態(tài)效率，認為無錫市農(nóng)業(yè)面源污染治理成效顯著，農(nóng)業(yè)可持續(xù)發(fā)展水平顯著提高［3］。以上三種研究均使用截面數(shù)據(jù)或時間序列數(shù)據(jù)并采用傳統(tǒng)DEA模型來衡量農(nóng)業(yè)的發(fā)展效率，它忽略了時間因素，忽視資金政策滯后效應對后期農(nóng)業(yè)經(jīng)濟發(fā)展的影響，另外，部分此類研究缺乏地區(qū)農(nóng)業(yè)動態(tài)發(fā)展趨勢的縱向比較。為克服截

以上這些研究雖然都采用不同的方法對農(nóng)業(yè)發(fā)展效率進行了測度，指明了所研究地區(qū)的農(nóng)業(yè)發(fā)展效率，點出了效率低下的影響因素，但是仍普遍存在以下問題：第一，在指標選擇上均采用地區(qū)主要農(nóng)業(yè)發(fā)展指標的總量數(shù)據(jù)，未排除地區(qū)人口、面積對農(nóng)業(yè)發(fā)展各經(jīng)濟指標總量的影響；第二，在研究方法上，均采用了單一的DEA研究方法，并未綜合利用各種DEA研究方法，以發(fā)揮其相互補充的優(yōu)勢；第三，多數(shù)對農(nóng)業(yè)發(fā)展效率的評價結果進行了描述分析，并未進一步探究決策單元農(nóng)業(yè)生產(chǎn)效率高低不同的深層原因。于是，本文汲取前人研究的經(jīng)驗，補充其研究的不足，以江西省2009-2014年由各地區(qū)農(nóng)業(yè)生產(chǎn)主要經(jīng)濟指標所組成的面板數(shù)據(jù)為基礎，一方面對江西省農(nóng)業(yè)生產(chǎn)效率進行評價并研究其動態(tài)變化趨勢，另一方面，采用適當?shù)幕貧w模型探討主要農(nóng)業(yè)經(jīng)濟指標對農(nóng)業(yè)發(fā)展效率的影響程度。

二、研究方法

（一）研究模型

1.超效率DEA模型

DEA方法通過對一組具有多輸入和多輸出的決策單元（DMU）進行數(shù)據(jù)分析，判斷這些DMU的相對效率［7］。傳統(tǒng)的靜態(tài)DEA模型雖然能夠將決策單元（DMU）明顯區(qū)分為有效的決策單元和無效的決策單元，但是不能對有效的決策單元繼續(xù)進行再比較，實現(xiàn)效率的高低排序。針對這種情況，Andersen和Pe?tersen于1993年提出super-efficiency DEA即超效率DEA評價模型，簡稱SE-DEA［8］。SE-DEA將被評價的DMU從效率邊界剔除，以剩下的DMU為基礎，把前者的投入或產(chǎn)出與后者投入或產(chǎn)出量的線性組合所組成的假想決策單元相比較，對于無效的決策單元而言，其效率值仍然小于1，對于有效的決策單元而言，其效率值會大于1，從而可以對同為DEA有效的DMU做進一步的評價分析，其評價結果更具有區(qū)別性［9］。

2.DEA視窗分析

前文已經(jīng)提到，傳統(tǒng)的DEA模型比較適合分析截面經(jīng)濟數(shù)據(jù)，一方面，這種分析忽略了時間因素的作用，只能實現(xiàn)同一年度決策單元間發(fā)展效率的橫向比較，無法實現(xiàn)同一DMU效率變化趨勢的動態(tài)縱向比較；另一方面，經(jīng)濟投入往往具有滯后作用，例如某一時期某種資源投入過多會致使當期效率得分較低，這卻可能正向作用于未來時期的產(chǎn)出，決策單元的經(jīng)濟發(fā)展情況在時間上并沒有明顯的界線。為了將時間指標加入模型，同時實現(xiàn)縱向和橫向比較，G.Klopp在1985年率先提出DEA面板數(shù)據(jù)處理方法，將每個不同時期同一個DMU當成獨立的DMU來計算，即視窗分析法（Windows analysis approach）［10］。假設共有N年M個地市的面板數(shù)據(jù)，設視窗長度為W，則視窗的個數(shù)為N-W+1，于是整個計算過程中，獨立的DMU個數(shù)為NM(N-W+1)。視窗分析模型在反復運算中將不同的決策單元組成參考集，這種分析方法更能挖掘出DMU的真實效率情況［11］。

3.Malmquist指數(shù)模型

1953年，Malmquist最早提出Malmquist指數(shù)，F(xiàn)are、Grosskopf、Lndgren and Ross1994年借助Fisher理想指數(shù)的思路，將非參數(shù)線性規(guī)劃法與DEA理論相結合，構造了從t期到t+1期的全要素能源效率變化的Malmquist指數(shù)(total factor productivity change，Tfpch)，以此客觀評價技術效率變動、技術進步和全要素變動之間的關系，彌補了靜態(tài)DEA模型不能對面板數(shù)據(jù)進行分析的不足［12］。在VRS假設前提下，Tfpch可以分解為技術變化指數(shù)(technological change，Techch)和技術效率變化指數(shù)(technical effi?ciency change，Effch)，前者刻畫了生產(chǎn)技術前沿面的移動，又稱為“前沿面移動效應”，它表明了技術創(chuàng)新，Techch<1意味著由t期到t+1期生產(chǎn)前沿面向下移動；后者刻畫了DMU相對技術效率的變化，又稱為“追趕效應”，它用來表示DMU是否于當前的生產(chǎn)前沿面進行生產(chǎn)，Effch<1則DMU未達到由t期到t+1期的生產(chǎn)前沿面，相對技術效率降低。Effch又可以進一步分解為純技術效率變化指數(shù)(pure technical efficiency change，Pech)和規(guī)模效率變化指數(shù)(scale efficiency change，Sech)，前者代表了組織管理者管理水平的變化情況，Pech<1表示由t期到t+1期DMU組織管理水平低下，在一定程度上影響或阻礙了效率的提高；上述指標小于1，表明相應效率較上一年惡化［13］。后者代表DMU是否在最優(yōu)規(guī)模下進行生產(chǎn)，Sech<1表示由t期到t+1期DMU偏離了最優(yōu)生產(chǎn)規(guī)模。上述指標小于1，表明相應效率較上一年惡化［13］。以上五種指數(shù)的關系如下：

4.Tobit回歸

DEA模型計算的效率值是離散的，可能會有部分DMU處于效率邊界，在估計因子對效率的影響系數(shù)時，如果采用普通最小二乘法進行回歸系數(shù)估計，不能解釋其中極限值和非極限觀察值之間的性質差異，回歸參數(shù)估計值會出現(xiàn)有偏且不一致的情況。Tobin于1958年提出了采用極大似然法截取回歸模型對受限制因變量進行回歸估計［14］，國內學者亦將tobit回歸模型應用于生產(chǎn)有效性的因素分析上［15-17］。本文加以利用該方法。

（二）研究思路

1.指標選擇

要素投入指標大體可以分為資本投入和勞動力投入兩類。為避免前文提到的地區(qū)勞動力總量對農(nóng)業(yè)發(fā)展各經(jīng)濟指標規(guī)模的影響問題，文章根據(jù)之前學者對農(nóng)業(yè)的研究資料及江西省2010-2015年統(tǒng)計年鑒，所選擇的農(nóng)業(yè)投入產(chǎn)出指標有：

資本投入指標。農(nóng)村用電量（千瓦小時/人）：各地市農(nóng)村用電總量/各地市農(nóng)村人口；農(nóng)林水事務支出（元/人）：各地市農(nóng)林水事務支出總量/各地市農(nóng)村人口；農(nóng)用化肥施用量（折純量）（噸）。在農(nóng)村，用電量是農(nóng)民為確保生產(chǎn)有效進行的必需資本投入，農(nóng)林水事務支出代表著政府為促進當?shù)剞r(nóng)業(yè)有效發(fā)展所進行的資金投入，農(nóng)村人口代表著農(nóng)村勞動力投入量，排除人口對指標總量的影響，利用人均投入來替代總量，能更好地反映農(nóng)民及政府對農(nóng)村農(nóng)業(yè)生產(chǎn)的資本投入水平。

產(chǎn)出指標。農(nóng)民人均純收入（元）；第一產(chǎn)業(yè)人均生產(chǎn)力（萬元）：第一產(chǎn)業(yè)總產(chǎn)值/第一產(chǎn)業(yè)從業(yè)人數(shù)。農(nóng)民人均純收入是反映地區(qū)農(nóng)村居民收入的平均水平，它是農(nóng)業(yè)生產(chǎn)的重要產(chǎn)出指標，第一產(chǎn)業(yè)人均生產(chǎn)力代表著每一位農(nóng)業(yè)勞動者的產(chǎn)出效率，相對于總量指標，第一產(chǎn)業(yè)人均生產(chǎn)力能更好地反應地區(qū)農(nóng)業(yè)產(chǎn)出質量。

2.研究步驟

第一，各地市農(nóng)業(yè)生產(chǎn)效率的超效率DEA視窗評價。將非參數(shù)數(shù)據(jù)包絡分析SE-DEA與DEA-Win?dows analysis相結合，建立超效率DEA視窗分析模型(W=3)，采用EMS1.3.0對江西省2009-2014年11個地市農(nóng)業(yè)投入產(chǎn)出進行縱橫交互的效率分析。然后利用加權平均法計算江西全省2009-2014年在各個視窗下的農(nóng)業(yè)生產(chǎn)效率值。設在視窗i∈{1,2,…,N-W+1}下，連續(xù)W年地市 j∈{1,2,…,11}農(nóng)業(yè)生產(chǎn)的效率值向量為 Kij=(kij(i+8),kij(i+9),kij(i+10))T，記江西省11個地市在視窗 i下的效率矩陣為 Ki?=(Ki1,Ki2,…,Ki11)，設l∈{2009,…,2014}年，各地市第一產(chǎn)業(yè)占全省的比重向量為αl，在視窗i下，則W視窗期第一產(chǎn)業(yè)在全省的比重矩陣為αi?=(αi+8,αi+9,αi+10)，根據(jù)加權平均法，在視窗i下，江西全省的農(nóng)業(yè)生產(chǎn)效率值為pi?=Ki?αi?。

第二，各地市農(nóng)業(yè)生產(chǎn)全要素生產(chǎn)率分析及規(guī)模收益分析。采用DEAP2.1，運用DEA-Malmquist生產(chǎn)率指數(shù)法測算江西省2009-2014年的Tfpch、Effch、Techch、Pech、Sech，分析其趨勢變化，同時采用DEAP2.1估計江西省近年來各地市規(guī)模收益變化情況。

第三，各因素對各類型農(nóng)業(yè)生產(chǎn)效率影響。以視窗分析中各DMU的年度平均效率為因變量，農(nóng)業(yè)其他主要因素為自變量，分別以全省、低效率地區(qū)、高效率地區(qū)為單位進行tobit回歸分析，估計Techch 和Effch等因素對農(nóng)業(yè)生產(chǎn)效率的影響系數(shù)，為如何提高不同地區(qū)農(nóng)業(yè)生產(chǎn)效率提供理論支撐。

三、實證結果及分析

（一）超效率DEA視窗分析

本文以2010-2015年江西省統(tǒng)計年鑒為基礎，采用EMS1.3.0對農(nóng)業(yè)生產(chǎn)投入產(chǎn)出數(shù)據(jù)進行超效率DEA視窗分析，分析結果見表1所列。表中羅列了各地市農(nóng)業(yè)生產(chǎn)在三個視窗下的各年度效率及在三個視窗下的平均效率，農(nóng)業(yè)生產(chǎn)相對有效的DMU已加粗標注。從被標注的單元格數(shù)量來看，江西省九江市、吉安市最少，則兩市農(nóng)業(yè)生產(chǎn)嚴重偏離了相對有效生產(chǎn)包絡面，其農(nóng)業(yè)發(fā)展是嚴重缺乏效率的；新余、景德鎮(zhèn)市被標注的單元格數(shù)量相對較多，則其農(nóng)業(yè)生產(chǎn)是相對有效的。從表中各地市在各視窗下的效率排名可以得到，除新余市外，景德鎮(zhèn)、撫州地區(qū)在連續(xù)三個視窗下效率排名均較為靠前，則這些地區(qū)的農(nóng)業(yè)生產(chǎn)相對有效且穩(wěn)定；九江、吉安地區(qū)農(nóng)業(yè)生產(chǎn)效率則長期低下。

影響農(nóng)業(yè)生產(chǎn)效率的因素可能有農(nóng)村人口比重、農(nóng)業(yè)生產(chǎn)規(guī)模、農(nóng)業(yè)發(fā)展模式、第二產(chǎn)業(yè)發(fā)展情況。從統(tǒng)計數(shù)據(jù)上看，2014年江西省吉安市農(nóng)村人口占全市人口55.3%，堪稱全省之最，三大產(chǎn)業(yè)中，第一產(chǎn)業(yè)比例為16.4%，高出全省平均水平10.5%達6個百分點，第二產(chǎn)業(yè)比重51.1%亦低于全省平均水平54.5%；與此形成鮮明對比的是，新余、景德鎮(zhèn)市農(nóng)村人口比例結構分別為32.6%、37.7%，第一產(chǎn)業(yè)比重分別為5.8%、7.3%，農(nóng)村人口比重小、農(nóng)業(yè)生產(chǎn)規(guī)模小、城鎮(zhèn)化率高、工業(yè)發(fā)展水平相對較高是景德鎮(zhèn)、新余市農(nóng)業(yè)生產(chǎn)效率偏高的重要原因；除此之外，根據(jù)林永欽、熊雪（2011）的循環(huán)農(nóng)業(yè)經(jīng)濟評價結果，景德鎮(zhèn)、新余市的農(nóng)業(yè)循環(huán)經(jīng)濟效率分別位于江西省第1位和第3位，他們以較少的生態(tài)資本消耗獲得了較高的經(jīng)濟運行效率，而吉安市生態(tài)經(jīng)濟運行效率則位于江西省第9位，其農(nóng)業(yè)循環(huán)經(jīng)濟發(fā)展較為落后［2］。

表1 超效率DEA視窗分析結果

全省的農(nóng)業(yè)效率發(fā)展趨勢分析。圖1展示了各地市在第一視窗2009-2011年和第四視窗2012-2014年的農(nóng)業(yè)生產(chǎn)效率地理熱圖，顏色越深，農(nóng)業(yè)生產(chǎn)效率越高，反之，則效率越低。從整體來看，第四視窗下的農(nóng)業(yè)效率地圖顏色明顯要深于第一視窗下的顏色，以此來看，近年來，江西省農(nóng)業(yè)生產(chǎn)平均效率有所提升；從各地區(qū)來看，新余、景德鎮(zhèn)地區(qū)農(nóng)業(yè)生產(chǎn)效率持續(xù)領先，撫州、鷹潭地區(qū)后來居上；從地理分布上看，環(huán)鄱陽湖地區(qū)農(nóng)業(yè)發(fā)展效率相對高于其他地區(qū)，它是江西省2009年以來大力推進鄱陽湖生態(tài)經(jīng)濟圈建設、發(fā)展豬-沼-糧等循環(huán)農(nóng)業(yè)發(fā)展模式正確性的有力證明，也是鄱陽湖生態(tài)經(jīng)濟圈農(nóng)業(yè)發(fā)展初見成效的真實體現(xiàn)。

圖1　各地市農(nóng)業(yè)生產(chǎn)效率變化

為更好地分析江西省農(nóng)業(yè)的效率趨勢，本文以各地市農(nóng)業(yè)生產(chǎn)份額所占的比例為權重，利用加權平均法計算了江西省2009-2014年運用超效率視窗分析的年度平均值，如圖2所示。由圖2可知，2009年以來全省產(chǎn)業(yè)結構的調整升級使第一產(chǎn)業(yè)產(chǎn)值比重處于不斷下滑狀態(tài)；2009年鄱陽湖生態(tài)經(jīng)濟圈初建成，投入的滯后效應致使全省農(nóng)業(yè)生產(chǎn)平均效率于2010年大幅提升，之后，平均效率呈現(xiàn)直線遞減態(tài)勢，2010-2013年平均效率衰減速度較快，2014年衰減速度變緩。2010年至今，農(nóng)業(yè)產(chǎn)值比重與農(nóng)業(yè)生產(chǎn)效率呈現(xiàn)極為相似的遞減趨勢，由此推斷，除去省內2009年以來產(chǎn)業(yè)轉型升級、著重發(fā)展第三產(chǎn)業(yè)的緣故外，農(nóng)業(yè)生產(chǎn)效率的遞減狀態(tài)也是導致第一產(chǎn)業(yè)產(chǎn)值比重不斷減小的原因之一。

圖2　江西省農(nóng)業(yè)生產(chǎn)效率分析

（二）Malmquist指數(shù)分析和規(guī)模效益分析

本節(jié)利用軟件DEAP2.1對各地市投入產(chǎn)出數(shù)據(jù)進行Malmquist指數(shù)分析和規(guī)模效益分析，對江西省近年來的農(nóng)業(yè)生產(chǎn)效率情況進行詳細評價。Malmquist指數(shù)分析見表2所列。數(shù)值加粗表示相應指標達到了相對有效水平。相對于2009年，2010年江西省農(nóng)業(yè)生產(chǎn)技術得到了較大改進、勞動者組織管理水平有所提高，農(nóng)業(yè)處于更佳的規(guī)模上進行生產(chǎn)，這使得2010年全要素生產(chǎn)率提升0.08，技術進步變化指數(shù)提升0.07。細分而言，2011年，全省農(nóng)業(yè)技術生產(chǎn)邊界向后推移；2012年，全省農(nóng)業(yè)技術生產(chǎn)邊界回移，但是各地市相對技術效率變化降低，組織管理水平降低，并且生產(chǎn)偏離了最優(yōu)生產(chǎn)規(guī)模，致使全省Effch小于1；2013年，Tfpch小于1，原因是技術進步變化指數(shù)Techch為0.92，相對于2012年降低，技術生產(chǎn)邊界向后推移；2014年，Techch提升使得全要素生產(chǎn)率回歸有效狀態(tài)。綜上所述，除2010年外，2011-2014年江西省農(nóng)業(yè)生產(chǎn)技術進步變化指數(shù)與技術效率變化指數(shù)總是呈現(xiàn)顧此失彼的狀態(tài)，這導致整體全要素生產(chǎn)率低下。由此看來，在新的技術水平提高的同時，還需注重生產(chǎn)組織管理水平及生產(chǎn)規(guī)模的優(yōu)化控制，兩者同步發(fā)展，才能達到更高的生產(chǎn)效率狀態(tài)。

表2　江西省農(nóng)業(yè)生產(chǎn)全要素生產(chǎn)率分析

規(guī)模收益分析見表3所列。規(guī)模收益分析展示了地區(qū)農(nóng)業(yè)生產(chǎn)所處的規(guī)模狀態(tài)：遞增、遞減、不變?！?”表示規(guī)模收益不變，“drs”表示規(guī)模收益遞減（已用有色標記標出），“irs”表示規(guī)模收益遞增。由表3可知，農(nóng)業(yè)生產(chǎn)低效的吉安連續(xù)三年規(guī)模收益持續(xù)遞減，九江規(guī)模收益連續(xù)四年處于遞減狀態(tài)，萍鄉(xiāng)農(nóng)業(yè)規(guī)模收益情況亦不容樂觀；江西農(nóng)業(yè)生產(chǎn)主要地區(qū)之一上饒市目前規(guī)模收益情況遞增，生產(chǎn)狀態(tài)相對較好；其他地區(qū)則連續(xù)六年農(nóng)業(yè)規(guī)模收益保持穩(wěn)定。綜上，江西省整體處于規(guī)模效益縮小的生產(chǎn)面上，主要原因歸結于第一產(chǎn)業(yè)對江西省影響較大的吉安、萍鄉(xiāng)、九江地區(qū)規(guī)模收益持續(xù)遞減，三者第一產(chǎn)業(yè)之和對江西省第一產(chǎn)業(yè)的影響力度為24.6%。這就需要部分地區(qū)改變以往擴大規(guī)模、增加投入的粗放型增長模式，適當縮小農(nóng)業(yè)的發(fā)展規(guī)模，將生產(chǎn)規(guī)模調至規(guī)模效益不變狀態(tài)或規(guī)模效益遞增狀態(tài)。

表3　規(guī)模收益分析

（三）農(nóng)業(yè)生產(chǎn)效率tobit回歸分析

以上采用超效率DEA視窗分析和Malmquist指數(shù)分析及規(guī)模收益分析評價和探討了江西省6年中11個地市的農(nóng)業(yè)生產(chǎn)效率情況。為深度研究技術要素等對江西省農(nóng)業(yè)生產(chǎn)效率的影響程度，為促進不同地區(qū)農(nóng)業(yè)生產(chǎn)效率的提高提供決策依據(jù)，本節(jié)利用stata tobit回歸分析進行探討［18］。以農(nóng)業(yè)生產(chǎn)效率（平均值）ef為因變量，技術進步變化指數(shù)Techch、技術效率變化指數(shù)effch、化肥施用量（折純量）hf、人均用電量ydl、農(nóng)林水事務平均支出zc、農(nóng)民純收入csr、地區(qū)農(nóng)村人口比例nrk為自變量，構建回歸模型：由于經(jīng)濟變量之間的內在聯(lián)系與因果關系及量級的影響，（2）式中自變量間可能存在多重共線性關系，首先對面板數(shù)據(jù)進行共線性檢驗，由stata得出的矩陣散點圖和共線性檢驗方差膨脹因子vif分別如圖3和表4所示。根據(jù)圖3，地區(qū)農(nóng)民純收入csr和地區(qū)農(nóng)林水事務支出zc存在較強的共線性關系，地區(qū)農(nóng)林水事務支出可能是影響農(nóng)民純收入的重要因素，另由表4，自變量農(nóng)民純收入、農(nóng)林水事務支出的方差膨脹因子大于10，則其與其他自變量間存在共線性問題的可能性較大。于是，由于可能存在的共線性關系，本文采用逐步回歸法進行tobit回歸。

表4　方差膨脹因子vif

本節(jié)對江西全省、農(nóng)業(yè)生產(chǎn)低效率地區(qū)(ef<1)、農(nóng)業(yè)生產(chǎn)高效率地區(qū)(ef≥1)分別進行一般的tobit回歸和tobit逐步回歸，結果見表5所列。根據(jù)對全省農(nóng)業(yè)生產(chǎn)效率的回歸結果，自變量農(nóng)林水事務支出和農(nóng)民純收入之間可能存在的共線性關系并不影響回歸系數(shù)的顯著性，所以tobit逐步回歸保留了這兩個存在較強相關性的變量，同時將回歸不具有顯著性的技術效率變化指數(shù)Techch、Effch剔除，tobit逐步回歸并沒有引起變量回歸系數(shù)的較大變化。由全省的回歸結果顯示：農(nóng)民純收入對農(nóng)業(yè)生產(chǎn)效率具有顯著正向的影響；化肥施用量、農(nóng)林水事務支出、農(nóng)村人口比例等則從反方向影響全省農(nóng)業(yè)生產(chǎn)效率的提高，農(nóng)村人口比例的負向影響最大。

根據(jù)對低效率地區(qū)的回歸分析，技術進步變化指數(shù)和技術效率變化指數(shù)對低效率地區(qū)的影響不顯著，其他因素均通過顯著性檢驗；農(nóng)林水事務支出、農(nóng)村人口比例等對低效率地區(qū)的農(nóng)業(yè)生產(chǎn)產(chǎn)生負向影響，特別是農(nóng)村人口比例，每升高10個點，低效率地區(qū)農(nóng)業(yè)生產(chǎn)效率下滑0.08；在參與回歸的變量中僅有農(nóng)民純收入對該類型地區(qū)的農(nóng)業(yè)生產(chǎn)產(chǎn)生正向影響。這些低效率地區(qū)存在較為龐大的農(nóng)村人口基數(shù)，阻礙了現(xiàn)代農(nóng)業(yè)生產(chǎn)技術的推廣，進而導致其農(nóng)業(yè)生產(chǎn)與現(xiàn)代化農(nóng)業(yè)技術應用脫軌，即使財政補貼對農(nóng)業(yè)產(chǎn)出具有較強的促進作用［19］，但這并不能使支農(nóng)資金得到高效率利用。所以，授之以魚，不如授之以漁。

與低效率地區(qū)逐步tobit回歸不同，高效率地區(qū)在回歸分析中自動保留了技術進步變化指數(shù)，并且它成為對高效率地區(qū)農(nóng)業(yè)生產(chǎn)效率正向影響最大的因子，技術進步變化指數(shù)每提升0.1，則地區(qū)農(nóng)業(yè)生產(chǎn)效率提升0.037，可見，這些地區(qū)之所以具有較高的農(nóng)業(yè)生產(chǎn)效率得益于該類地區(qū)農(nóng)業(yè)生產(chǎn)技術的進步與提高；與低效率地區(qū)相同，化肥施用量、人均用電量對地區(qū)農(nóng)業(yè)生產(chǎn)效率均產(chǎn)生負向影響，但影響程度相對較??；農(nóng)村人口比例和農(nóng)林水事務人均支出對農(nóng)業(yè)高效率地區(qū)的作用不顯著。農(nóng)業(yè)生產(chǎn)高效率地區(qū)普遍存在農(nóng)村人口比重較低，農(nóng)業(yè)生產(chǎn)規(guī)模小的現(xiàn)象，它更容易接納現(xiàn)代化農(nóng)業(yè)生產(chǎn)技術，充分發(fā)揮現(xiàn)代化生產(chǎn)技術的作用，但是在財政支農(nóng)結構中，僅有小比例支出用于農(nóng)業(yè)現(xiàn)代技術的研發(fā)，導致財政支出效率不高。

表5　tobit回歸結果

綜合以上對tobit回歸結果的分析，各因素對農(nóng)業(yè)生產(chǎn)效率的影響方向見表6所列。

表6　各因素對農(nóng)業(yè)生產(chǎn)效率的影響方向

本文認為為提高江西省的農(nóng)業(yè)生產(chǎn)效率，需對不同發(fā)展程度的地區(qū)采取不同的措施。對于農(nóng)業(yè)生產(chǎn)低效地區(qū)而言，應加強現(xiàn)代農(nóng)業(yè)技術在這些地區(qū)特別是在農(nóng)村人口比例大、農(nóng)業(yè)生產(chǎn)規(guī)模較大的吉安市地區(qū)的推廣與普及，鼓勵有機肥、種植綠肥等化肥減量措施的實施，較好地控制化肥使用量，改善土壤環(huán)境，降低農(nóng)村對化肥等資源的高度依賴關系，充分發(fā)揮現(xiàn)代技術對農(nóng)業(yè)生產(chǎn)的作用，同時完善支農(nóng)資金在農(nóng)村基礎設施建設的作用機制，增加農(nóng)民增收，提高城鎮(zhèn)化水平，使農(nóng)民有更多的資金用于購買新的機械、高產(chǎn)量種苗等農(nóng)業(yè)現(xiàn)代化生產(chǎn)資料，也有更多的機會參與培訓提高勞動技能，促使耕作效率得到進一步提高；對于高效率地區(qū)而言，農(nóng)業(yè)技術變化對農(nóng)業(yè)生產(chǎn)效率的提高具有不可磨滅的作用，應當調整農(nóng)業(yè)支出比例結構，加強對該類地區(qū)的農(nóng)業(yè)科技三項費用投入，鼓勵生產(chǎn)資料的創(chuàng)新研發(fā)，使農(nóng)林水事務支出資金恰到好處，這才能繼續(xù)發(fā)揮農(nóng)業(yè)技術對高效率地區(qū)農(nóng)業(yè)發(fā)展的刺激作用。根據(jù)經(jīng)濟空間溢出的原理［20］，高效率地區(qū)農(nóng)業(yè)生產(chǎn)效率的提高有利于周圍其他低效率地區(qū)農(nóng)業(yè)生產(chǎn)效率的提高。

四、結　論

本文采用超效率DEA視窗分析和Malmquist指數(shù)分析及規(guī)模收益分析來評價和探討江西省2009-2014年11個地市的農(nóng)業(yè)生產(chǎn)效率情況，并探討了地區(qū)各因素如技術進步變化指數(shù)、農(nóng)民純收入等因素對地區(qū)農(nóng)業(yè)生產(chǎn)效率的影響程度。可以得出如下結論：

（1）在超效率DEA視窗分析下，江西省農(nóng)村人口比重低、農(nóng)業(yè)生產(chǎn)規(guī)模小、農(nóng)業(yè)循環(huán)發(fā)展模式得到有效推廣的景德鎮(zhèn)、撫州等地的農(nóng)業(yè)生產(chǎn)效率相對較高，農(nóng)村人口比重高、城鎮(zhèn)化率低的九江市、吉安市效率最低；環(huán)鄱陽湖區(qū)的農(nóng)業(yè)生產(chǎn)效率要高于其他地區(qū)；全省農(nóng)業(yè)生產(chǎn)效率自2010年大幅提升之后逐步下滑。

（2）全要素生產(chǎn)率分析顯示，2010年全要素生產(chǎn)率水平、技術進步變化指數(shù)、技術效率變化指數(shù)較2009年均有所提高；但2010年之后，農(nóng)業(yè)技術進步變化指數(shù)與技術效率變化指數(shù)總是顧此失彼，致使全省全要素生產(chǎn)率下滑?？梢?，生產(chǎn)技術水平的提高與組織管理水平的完善缺一不可。

（3）規(guī)模收益分析指出，江西省九江、萍鄉(xiāng)、吉安農(nóng)業(yè)生產(chǎn)規(guī)模收益持續(xù)下滑，多數(shù)地區(qū)規(guī)模收益保持不變，這導致江西總體農(nóng)業(yè)生產(chǎn)偏離了最優(yōu)生產(chǎn)規(guī)模。吉安、九江等地區(qū)有必要轉變粗放型發(fā)展模式，將農(nóng)業(yè)生產(chǎn)調整至最佳生產(chǎn)規(guī)模位置。

（4）Tobit回歸表明，農(nóng)業(yè)生產(chǎn)影響因素對效率不同的地區(qū)影響程度不同，應當采取不同的促進措施。應加強低效率地區(qū)現(xiàn)代農(nóng)業(yè)技術的推廣，增加高效率地區(qū)農(nóng)業(yè)科研經(jīng)費的支出比例，因地制宜，使支農(nóng)資金充分發(fā)揮其作用，提高全要素生產(chǎn)率，增加農(nóng)民收入，農(nóng)民收入的增加反過來進一步促進地區(qū)農(nóng)業(yè)生產(chǎn)效率的提高。

參考文獻：

［1］賀志亮，劉成玉.我國農(nóng)業(yè)生產(chǎn)效率及效率影響因素研究——基于三階段DEA模型的實證分析［J］.農(nóng)村經(jīng)濟，2015（6）：48-51.

［2］林永欽，熊雪，傅春.鄱陽湖生態(tài)經(jīng)濟區(qū)農(nóng)業(yè)循環(huán)經(jīng)濟發(fā)展綜合評價［J］.長江流域資源與環(huán)境，2011，20（12）：1532-1536.

［3］吳小慶，王亞平，何麗梅，等.基于AHP和DEA模型的農(nóng)業(yè)生態(tài)效率評價——以無錫市為例［J］.長江流域資源與環(huán)境，2012，21（6）：714-719.

［4］曾大林，紀凡榮，李山峰.中國省際低碳農(nóng)業(yè)發(fā)展的實證分析［J］.中國人口·資源與環(huán)境，2013，23（11）：30-35.

［5］吳旭曉.基于超效率DEA視窗分析模型的區(qū)域農(nóng)業(yè)發(fā)展效率研究——以豫、鄂、湘、贛4省為例［J］.開發(fā)研究，2012（6）：58-61.

［6］秦鐘，章家恩，駱世明，等.基于DEA時間窗分析的廣東省農(nóng)業(yè)生產(chǎn)效率評價［J］.中國生態(tài)農(nóng)業(yè)學報，2011，19（6）：1448-1454.

［7］李力，韓麗媛.基于能源—經(jīng)濟—環(huán)境DEA分析的我國工業(yè)發(fā)展效率評價研究［J］.科技管理研究，2008（5）：93-95.

［8］Andersen P，Petersen N C.A Procedure for Ranking Effi?cient Units in Data Envelopment Analysis［J］.Management Science，1993，39（10）：1261-1264.

［9］趙前，焦捷，王以華.中國省際科技競爭力評價——基于超效率DEA的分析［J］.清華大學學報：自然科學版，2011，51（6）：820-826.

［10］Klopp G.The Analysis of the Efficiency of Production Sys?tem with Multiple Inputs and Outputs［R］.Chicago：Uni?versity of Illinois at Chicago，Industrial and Systems Engi?neering College，1985.

［11］姜寶，周曉敏，李劍.我國海洋科技投入產(chǎn)出效率的區(qū)域差異研究——基于超效率DEA視窗-Malmquist指數(shù)［J］.科技管理研究，2015（10）：49-53.

［12］Fare R，Grosskopf S，Norris M，et al.Productivity Growth，Technical Progress，and Efficiency Change in In?dustrialized Countries［J］.American Economic Review，1994，84（1）：66-83.

［13］劉秉鐮，林坦，劉玉海.規(guī)模和所有權視角下的中國鋼鐵企業(yè)動態(tài)效率研究——基于Malmquist指數(shù)［J］.中國軟科學，2010（1）：150-157.

［14］Tobin J.Estimation of Relationships for Limited Depen?dent Variables［J］.Econometrica，1958，26（1）：24-36.

［15］胡根華，秦嗣毅.“金磚國家”全要素能源效率的比較研究——基于DEA-Tobit模型［J］.資源科學，2012，34（3）：533-540.

［16］韓華為，苗艷青.地方政府衛(wèi)生支出效率核算及影響因素實證研究——以中國31個省份面板數(shù)據(jù)為依據(jù)的DEATobit分析［J］.財經(jīng)研究，2010，36（5）：4-15，39.

［17］丁一兵，付林.中美大型企業(yè)社會責任對其企業(yè)效率的影響機制研究——基于DEA-Tobit兩步法的分析［J］.產(chǎn)業(yè)經(jīng)濟研究，2015（6）：21-31.

［18］Honore B E.Trimmed Lad and Least Squares Estimation of Truncated and Censored Regression Models with Fixed Effects［J］.Econometrica，1992，60（3）：533-565.

［19］鄭軍，朱甜甜.經(jīng)濟效率和社會效率：農(nóng)業(yè)保險財政補貼綜合評價［J］.金融經(jīng)濟學研究，2014，29（3）：88-97.

［20］肖小勇，李秋萍.中國農(nóng)業(yè)技術空間溢出效應：1986-2010 ［J］.科學學研究，2014，32（6）：873-881，889.

［責任編輯：余志虎］

中圖分類號：F127；F323.5

文獻標志碼：A

文章編號：1007-5097（2016）07-0021-08

收稿日期：2015-11-11

基金項目：國家社會科學基金青年項目（12CJY093）；江西省社會科學“十二五”（2014年）規(guī)劃一般項目（14GL08）

作者簡介：諶貽慶（1963-），男，江西新建人，教授，碩士生導師，博士，研究方向：區(qū)域經(jīng)濟模型；王華瑞（1988-），女，河南鄭州人，碩士研究生，研究方向：數(shù)量經(jīng)濟學；陶春峰（1975-），男，江西南昌人，副教授，碩士生導師，博士，研究方向：數(shù)量經(jīng)濟模型與方法。面數(shù)據(jù)的不足，也有學者以面板數(shù)據(jù)為基礎，對農(nóng)業(yè)發(fā)展效率進行評價：曾大林、紀凡榮（2013）采用傳統(tǒng)的DEA-SBM模型，對2000-2010年全國低碳農(nóng)業(yè)的發(fā)展狀況進行了評價，認為化肥和農(nóng)膜是農(nóng)業(yè)碳排放的主要源頭，各省農(nóng)業(yè)發(fā)展效率值存在收斂性，但是該文以農(nóng)業(yè)碳排放量作為農(nóng)業(yè)生產(chǎn)的產(chǎn)出指標，具有不合理性［4］；吳旭曉（2012）使用基于超效率DEA的視窗分析方法，衡量了2005-1010年我國中部豫、鄂、湘、贛四個省份農(nóng)業(yè)發(fā)展效率，認為將財政農(nóng)業(yè)支出比例不斷加大，以維持農(nóng)業(yè)高補貼，實施農(nóng)業(yè)保護政策，才能夠逐步實現(xiàn)農(nóng)業(yè)現(xiàn)代化［5］；秦鐘、章家恩（2011）采用DEA視窗分析對廣東省21個地市在1994-2007年間農(nóng)業(yè)投入產(chǎn)出的效率進行了測算，從橫向和縱向兩個方面對農(nóng)業(yè)發(fā)展相對效率進行了對比分析［6］。

Evaluation of Agricultural Production Efficiency and Study on Its Influential Factors in Jiangxi Province

CHEN Yi-qing，WANG Hua-rui，TAO Chun-feng
（School of Economics&Management，Nanchang University，Nanchang 330031，China）

Abstract:Super efficiency DEA Windows analysis，Malmquist TFP Index，and analysis of Returns to Scale are employed to evaluate agricultural productivity of Jiangxi province from 2009 to 2014 in this paper.Then the paper analyzes the influences of other agriculture factors to the efficiency based on Tobit model.The empirical results show that：Agricultural input-output performance of Jingdezhen，Xinyu，is relatively optimal，and regions of higher agricultural productivity are concentrated in Poyang lake areas；Technological change and technical efficiency change are not at the same step in Jiangxi province；Some ar?eas，such as Ji’an and Jiujiang，are at a stage of scale decreasing；The progress of technological change and the pure income of farmers do good to the efficiency.So it is insisted that measures adopted should be different in different area in Jiangxi prov?ince.It is important to pay more attention to agriculture research in higher efficiency area and changing the growth mode in lower efficiency area，which will be helpful to efficiency promoting and pure income increasing.

Keywords:agricultural production efficiency；SE-DEA；Windows analysis；total factor productivity；Tobit model