農業(yè)生產性服務業(yè)對農業(yè)生產效率的影響研究*
——以山東省為例

劉 明，王瑞波，孫煒琳※

(1.中國農業(yè)科學院農業(yè)經濟與發(fā)展研究所，北京 100081； 2.農業(yè)部農業(yè)生態(tài)與資源保護總站，北京 100125)

0 引言

在農業(yè)生產過程中，為其提供中間投入品，如科技、信息、資金、人才等，從而使得農業(yè)產業(yè)鏈有效延長，并提高農業(yè)生產效率，加強農業(yè)產業(yè)協(xié)調性，這樣的行業(yè)稱之為農業(yè)生產性服務業(yè)[1]。近年來，我國政府高度生產性服務業(yè)的發(fā)展，國務院在2014年發(fā)布的《加快發(fā)展生產性服務業(yè)促進產業(yè)結構調整升級的指導意見》中提出，要實現(xiàn)服務業(yè)與農業(yè)等在更高水平上的有機融合、因地制宜引導生產性服務業(yè)在現(xiàn)代農業(yè)產業(yè)等區(qū)域集聚從而實現(xiàn)規(guī)模效益及特色發(fā)展； 2016年和2017年“中央一號”文件中分別提到，鼓勵并支持新型農業(yè)服務主體進行專業(yè)化服務，繼續(xù)推廣農業(yè)生產全程的社會化服務。目前，我國正處于農業(yè)生產方式轉型升級的關鍵時期，農業(yè)兼業(yè)化、農民老齡化、資源約束、生態(tài)環(huán)境惡化等問題較為突出，如何高效利用現(xiàn)有資源來提升農業(yè)生產效率成為我國農業(yè)農村實現(xiàn)可持續(xù)發(fā)展的關鍵。因此，哪些行業(yè)的農業(yè)生產性服務業(yè)能夠影響農業(yè)生產效率是一個至關重要的問題。

山東省作為農業(yè)大省， 2015年山東省第一產業(yè)生產總值增長4.1%； 全省糧食總產比2014年增長2.5%，實現(xiàn)13年連增； 第一產業(yè)固定資產投資較2014年增長27.4%，在全面推進農業(yè)產業(yè)化、大力發(fā)展現(xiàn)代農業(yè)以及積極轉變農業(yè)發(fā)展方式等方面做出了巨大的努力并取得了一定成就。在鼓勵發(fā)展形式多樣的農業(yè)生產性服務業(yè)的同時，也存在資源配置不合理、效率低下、服務體系不健全等問題。因此，文章以山東省為例，通過測算山東省農業(yè)生產效率并實證檢驗細分行業(yè)的農業(yè)生產性服務業(yè)對農業(yè)生產效率的影響，以期為進一步提升農業(yè)生產效率提供決策依據。

1 文獻綜述

現(xiàn)有相關文獻從不同視角研究了農業(yè)生產效率及生產性服務業(yè)。從農業(yè)生產效率及其影響因素研究來看，Gopinath等[2]分析了美國農業(yè)競爭力的概念、存在的問題及政策含義，認為提高農業(yè)生產效率能夠有效提升農業(yè)競爭力。Ball等[3]通過分析多個國家的農業(yè)生產效率發(fā)現(xiàn)，資本積累與農業(yè)生產效率之間相輔相成，能夠相互促進。不同地區(qū)農業(yè)生產效率存在顯著差異，城市化水平、農村勞動力受教育程度和農業(yè)科技力量對農業(yè)生產技術效率有顯著的正向影響，而農村居民家庭人均純收入、財政支農、自然災害等因素對農業(yè)生產效率有顯著的負向影響； 漁業(yè)產業(yè)結構比重越大，農業(yè)生產率越低，反之，畜牧業(yè)產業(yè)結構占比越大，農業(yè)生產率越高[4-7]。有不少學者對生產性服務業(yè)相關問題進行了研究，例如,Alston等[8]研究發(fā)現(xiàn)服務貿易及公共技術服務這兩類生產性服務業(yè)對美國農業(yè)效率均有正向影響。國內眾多研究表明，農業(yè)生產性服務業(yè)是發(fā)展現(xiàn)代農業(yè)、轉變農業(yè)生產方式的重要支柱，是農業(yè)、農村經濟發(fā)展的新增長點，能夠促進農民增收，為農村經濟發(fā)展注入新的活力，我國經濟增長對生產性服務業(yè)的短期效應較美國強，生產性服務業(yè)的發(fā)展是影響經濟增長的顯著要素，不僅能夠在控制生態(tài)環(huán)境惡化和食品安全源頭問題中發(fā)揮一定作用，且其規(guī)模影響農業(yè)獲利能力，但就目前的發(fā)展現(xiàn)狀來看，農業(yè)生產性服務業(yè)對農業(yè)經濟發(fā)展的部分外溢作用被抑制[1， 9-13]。我國不同地區(qū)之間生產性服務業(yè)的進步有利于農業(yè)現(xiàn)代化效率的提升，對于中西部地區(qū)而言，兩者在長期有較顯著的相互促進的內生關系，其中科學技術和信息技術服務業(yè)是提高農業(yè)生產效率的有效因素[14-15]。

現(xiàn)有文獻對農業(yè)生產效率及生產性服務業(yè)的研究豐富，但農業(yè)生產性服務業(yè)對于農業(yè)生產效率影響的實證分析較少； 由于農業(yè)生產性服務業(yè)涉及的行業(yè)較多，對于細分行業(yè)的研究較少。但細分行業(yè)的農業(yè)生產性服務業(yè)對農業(yè)生產效率的影響不容忽視，因此該文以山東省為例進行實證分析。

2 研究方法與數據說明

2.1 研究方法

(1)三階段DEA模型：數據包絡分析法(DEA)是一種采用非參數形式測算多投入多產出的決策單元(DMU)生產效率的方法，該方法以相對概率為基礎，通過樣本數據構建生產前沿面(即最優(yōu)產出)來衡量各DMU與其之間的距離，DMU的實際產出到生產前沿面的距離越小則說明其綜合效率越高。Farrell最先提出了使用數學規(guī)劃的方法計算英國農業(yè)生產效率，這是DEA方法的原型[16]。Fried等[17]研究認為管理、環(huán)境及隨機因素的無效率導致了投入或產出的冗余，并提出三階段DEA模型來消除環(huán)境與隨機因素的影響，從而能夠更有效地評價DMU的生產效率。構建三階段DEA模型有3個步驟。

第一步：運用經典DEA模型測算DMU的生產效率值及相應的松弛變量。DEA模型分為投入導向型及產出導向型兩種形式，由于該文中所談及的農業(yè)生產效率是指在一定資源投入基礎之上測量的農業(yè)生產綜合效率，因此選擇規(guī)模報酬可變的投入導向型BCC模型，線性規(guī)劃方程：

min[θj-ε(eTs-+eTs+)]

(1)

式(1)中，n為決策單元DMU的個數；m、s分別為投入變量、產出變量的個數；θj為第j個DMU的效率值；ε為非阿基米德無窮小量；eT=(1， 1，…， 1)T∈E；xij、yrj分別表示第j個DMU的第i種投入品數量和第r種產出品數量；λj為第j個DMU的權重系數；s-為投入冗余量，s+為產出不足量。若θ<1且s-、s+至少有一個不為0，則DMU為DEA弱有效； 弱θ=1且s-=s+=0，則DMU為DEA有效。經過該階段能夠計算出農業(yè)生產綜合效率值、純技術效率值、規(guī)模效率值及各投入變量的松弛變量，但由于環(huán)境因素、隨機誤差因素的影響， 3個效率值不能精確反映生產效率情況，故進行第二階段。

第二步：通過構建相似SFA模型以分離出環(huán)境因素、隨機因素。將第一階段計算出的投入松弛變量sij作為因變量，選取合適的環(huán)境變量，構建環(huán)境變量與sij之間的SFA回歸模型：

sij=fi(zp；βi)+vij+uij(i=1，…，m；j=1，…，n；p=1，…，k)

(2)

(3)

(2)Tobit模型：受限因變量模型，該模型的顯著特點之一為解釋變量為實際觀測值，被解釋變量為受限狀態(tài)觀察值[18]。該文利用Tobit模型分析農業(yè)生產性服務業(yè)對農業(yè)生產效率的影響，模型中的被解釋變量為農業(yè)生產效率，其值為有界變量，能較好地避免估計偏誤，故選用Tobit模型，表達式：

(4)

式(4)中，xi，yi分別表示解釋變量，被解釋變量；β為估計參數。

2.2 數據說明與來源

由于農業(yè)系統(tǒng)是經濟、社會、生態(tài)等多種因素共同作用的綜合統(tǒng)一體，因此其生產結果也包含經濟、社會、生態(tài)等效益，故應該在數據可得、統(tǒng)計口徑一致的基礎上，系統(tǒng)性的選擇各個指標[19]。該文運用三階段DEA模型對山東省農業(yè)生產效率進行計算，模型中的產出指標選取農業(yè)總產值(萬元)，即各市農林牧漁總產值； 投入指標則包括：農作物總播種面積(千hm2)、第一產業(yè)從業(yè)人數(萬人)、農業(yè)機械總動力(萬kW)和實際有效灌溉面積(千hm2)。其中，農業(yè)機械總動力僅包括耕作機械、排灌機械、收獲機械、農用運輸機械、植保機械、林牧漁業(yè)機械及其他農業(yè)機械。各指標數據均來自于2016年《山東省統(tǒng)計年鑒》。

由于產出變量與投入變量必須滿足“同向性”假設，即當投入項增加時，產出項應該增加或者至少保持不變，因此使用STATA軟件采用Pearson相關性檢驗方法對上述所選投入產出項進行驗證，結果如表1。由表1得知，山東省各市投入值與產出值的相關系數均大于0，且通過了1%統(tǒng)計水平下的顯著性檢驗，這表明該文所選投入及產出變量滿足“同向性”原則，可以進行下一步運算。

表1 2015年山東省17市農業(yè)投入指標與產出指標的Pearson相關系數

產出指標投入指標總播種面積農業(yè)機械總動力第一產業(yè)從業(yè)人數實際有效灌溉面積第一產業(yè)總產值 0.725 5***(0.001 0) 0.806 4***(0.000 1) 0.725 5***(0.001 0)0.828 4***(0.000 0) 注:***表示在1%統(tǒng)計水平上顯著; 括號內的數值為相應的p值

對環(huán)境變量進行選擇時，應注意以下原則，即該變量對農業(yè)生產效率有影響，但不受樣本主觀的控制[20]，主要包括政府制定的與農業(yè)相關的政策、國家宏觀環(huán)境、人力資源等。一般以財政支農支出表示政府對農業(yè)的支持，該代理變量數值越大，會使得農業(yè)生產條件改善，從而間接提高農業(yè)生產效率[21]。一般認為，農民收入增加會使得農民的積極性提高，從而間接提高農業(yè)生產效率。隨著城鎮(zhèn)化不斷發(fā)展，農村土地變得越來越集中，使得農業(yè)生產規(guī)?；潭忍岣?，也能夠對農業(yè)生產效率產生正向影響[11]。教育在人力資本形成過程中占據重要地位，代表了農民獲取勞動技能的能力，有較高受教育程度的勞動力對于新型技術、生態(tài)環(huán)境保護等有較好的認知，故認為較長的受教育年限有助于提高農業(yè)生產效率。因此該文選取4種環(huán)境變量：財政支農支出(萬元)、城鎮(zhèn)化率、農村居民家庭人均純收入(元)、農村人口平均受教育年限(年)。相關變量數據均來自于2016年《山東省統(tǒng)計年鑒》、《山東省農村統(tǒng)計年鑒》及山東農業(yè)信息網。

農業(yè)生產性服務業(yè)一般包含農業(yè)配送服務、農業(yè)信息服務、農業(yè)金融保險服務、農產品服務、農機推廣服務。該文在分析山東省農業(yè)生產性服務業(yè)對該省農業(yè)生產效率的作用機理時，借鑒已有研究中的分類方法，將農業(yè)生產性服務業(yè)進行行業(yè)細分，以農村固定資產投資投向交通運輸、倉儲、郵政業(yè)的資金作為農業(yè)配送服務變量，以農村固定資產投資投向信息傳輸、計算機服務、軟件業(yè)的資金作為農業(yè)信息服務變量，以農村固定資產投資投向金融業(yè)的資金作為農村金融保險服務變量，以農村固定資產投資投向批發(fā)和零售業(yè)以及科學研究、技術服務、地質勘查業(yè)的資金分別作為農產品銷售服務變量和農技推廣服務變量[9， 11-12， 15]。相關指標數據來源于2016年《山東省統(tǒng)計年鑒》、《山東省農村統(tǒng)計年鑒》、山東統(tǒng)計信息網及山東農業(yè)信息網。

表2 第一階段DEA測算農業(yè)生產效率值

地級市TE1PTE1SE1規(guī)模報酬濟南市1.0001.0001.000-青島市0.8670.9330.929drs淄博市0.8360.8450.990irs棗莊市0.9110.9190.991irs東營市1.0001.0001.000-煙臺市1.0001.0001.000-濰坊市0.7671.0000.767drs濟寧市0.9011.0000.901drs泰安市0.9550.9560.999irs威海市1.0001.0001.000-日照市0.9530.9550.998irs萊蕪市0.9941.0000.994irs臨沂市0.7330.7490.979drs德州市0.5070.6340.801drs聊城市0.5370.5610.957drs濱州市0.7750.7760.998irs菏澤市0.3680.3681.000- 注:TE1,PTE1,SE1分別表示第一階段DEA測算出的農業(yè)生產綜合效率、純技術效率、規(guī)模效率;irs,-,drs分別表示規(guī)模報酬遞增、規(guī)模報酬不變和規(guī)模報酬遞減

3 實證結果分析

3.1 第一階段DEA模型實證結果及分析

應用DEAP 2.1軟件計算出2015年山東省17個市的農業(yè)生產效率，此時得出最原始的農業(yè)生產綜合效率值、純技術效率值以及規(guī)模效率值，結果見表2。

由表2可知， 2015年山東省農業(yè)生產綜合效率的平均值為0.830，純技術效率為0.864，規(guī)模效率為0.959。其中處于技術效率前沿面的城市有濟南市、東營市、煙臺市、威海市，這表明這4個市的農業(yè)生產水平較高； 其他各市在純技術效率或規(guī)模效率方面小于1，說明存在一定的進步空間。由于該計算結果中包含了環(huán)境、隨機因素的干擾，并不能完全真實反映出各市的農業(yè)生產效率的水平，故需進行第二步的調整和評價。

3.2 第二階段SFA模型實證結果及分析

表3 第二階段SFA模型回歸結果

項目名稱總播種面積松弛變量農業(yè)機械總動力松弛變量第一產業(yè)從業(yè)人數松弛變量實際有效灌溉面積松弛變量常數項-28.21320.7478.92313.647財政支農支出2.219*-1.208**-4.831*-2.506*城鎮(zhèn)化水平-1.106**-1.390-6.469**-2.721農村人口平均受教育年限-13.042**-12.113**-4.710***-10.314**農村居民家庭人均純收入-2.003**1.719*3.907***-2.449γ0.926**0.002*0.983***0.901*σ21.8570.1451.9661.812Log likelihood-17.641-19.762-13.287-15.814LR test of the one-sided error6.8394.3115.6294.721 注:*、**、***分別表示變量在10%、5%、1%的統(tǒng)計水平上顯著

財政支農支出對總播種面積、農業(yè)機械總動力、第一產業(yè)從業(yè)人數和實際有效灌溉面積4個變量的投入松弛變量的回歸系數均小0，且通過了10%的顯著性檢驗，這說明增加財政支農支出有利于減少這3種投入變量的浪費，與預期結果相符。

城鎮(zhèn)化水平的提高對4種投入松弛變量相應的系數為負，且對總播種面積及第一產業(yè)從業(yè)人員通過了5%的顯著性檢驗，但對其余兩種投入松弛變量的影響不顯著。這說明推進城鎮(zhèn)化進程有利于減少部分投入變量的浪費或產出不足現(xiàn)象，城鎮(zhèn)化水平的提高能夠使得城市、農村有限資源得到合理配置，從而有利于農業(yè)生產效率的提高。

農村人口平均受教育年限的回歸系數均為負，且通過了5%統(tǒng)計水平上的顯著性檢驗，這說明該變量的增加有助于減少各投入變量冗余。人力資本的積累離不開教育的貢獻，高素質農民對新型農業(yè)技術的學習接納程度、新型組織經營模式及政策學習認知方面等都有積極的作用，有利于新型知識、技術成果的有效轉化，該結果與預期一致。

農村居民家庭人均純收入對于農業(yè)機械總動力、第一產業(yè)從業(yè)人數投入松弛變量的回歸系數為正，這表明農村居民人均純收入增加會造成農業(yè)機械過量的使用，使得從業(yè)人員過量增加，不僅不會增加產出，反而造成了投入的浪費，進而不利于農業(yè)生產效率的提高。該環(huán)境變量對其他變量的系數均小于0，對總播種面積通過了5%的顯著性檢驗。對于這一矛盾的產生，可能是因為當農民收入增加時，山東省部分地區(qū)的農民選擇重新從事農業(yè)生產從而造成勞動力冗余； 由于生產方式依然是粗放低技型，收入增加帶來了機械投入的不合理，這也反映了農戶技能較低及農業(yè)生產的弱質性。

基于該文的討論得知,由于處于有差異的經營環(huán)境或運氣好壞不同使得不同地區(qū)的農業(yè)生產效率不夠真實精確，因此，必須調整原始的投入變量，使其排除環(huán)境因素和隨機誤差的影響，進行第三階段的測評。

表4 第三階段DEA測算農業(yè)生產效率值

地級市TE2PTE2SE2規(guī)模報酬濟南市0.9010.9610.938irs青島市0.9121.0000.912drs淄博市0.8080.8910.907irs棗莊市0.7680.8250.931irs東營市0.8740.9470.923irs煙臺市1.0001.0001.000-濰坊市0.7111.0000.711irs濟寧市0.7300.8320.877drs泰安市0.7870.8710.903irs威海市1.0001.0001.000-日照市0.8390.8950.937irs萊蕪市0.8460.9060.934drs臨沂市0.6350.6930.917irs德州市0.5010.6000.835irs聊城市0.4620.5160.896irs濱州市0.7150.7640.936drs菏澤市0.3340.3490.957irs 注:TE2,PTE2,SE2分別表示第三階段DEA測算出的農業(yè)生產綜合效率、純技術效率、規(guī)模效率;irs,-,drs分別表示規(guī)模報酬遞增、規(guī)模報酬不變和規(guī)模報酬遞減

表5 Tobit模型回歸結果

解釋變量Tobit模型TRI1.014***(6.890)INF0.513**(9.821)FIAN0.459(0.993)SALE0.636*(4.870)TECH1.233**(0.914)C14.923(23.064)Log Likelihood-107.239Prob>chi20.000 注:*、**、***分別表示變量在10%、5%、1%的統(tǒng)計水平上顯著; 括號內數字表示相應t統(tǒng)計量的值

3.3 第三階段DEA模型實證結果及分析

根據式(1)對各投入變量進行調整，并將所得值再次帶入經典DEA模型中進行測算，得到結果如表4。

實驗結果以均數±標準差(±s)表示，應用SPSS 19.0進行統(tǒng)計分析，多組間比較采用單因素方差分析，組間兩兩比較采用t檢驗，P＜0.05為差異具有統(tǒng)計學意義。

通過對比表2、表4可知，經過第二階段將環(huán)境因素和隨機誤差影響消除后，該省平均農業(yè)生產綜合效率、純技術效率及規(guī)模效率均有所下降，其值分別下降為0.754， 0.826， 0.913； 純技術效率、規(guī)模效率的下降幅度分別為4.39%， 4.79%，具體分析如下。

(1)各市的農業(yè)生產綜合效率。從第一階段至第三階段整體處于技術效率前沿面的市有所減少，一直保持效率前沿面的有煙臺市、威海市，表明這兩個地級市的農業(yè)生產效率實際情況較好，有較高水平的管理生產技術； 相比第一階段，綜合生產效率有所上升的有青島市，而從技術效率前沿面退出的有濟南市、東營市，其余各市的農業(yè)生產綜合效率均出現(xiàn)了不同程度的下降，說明在環(huán)境因素和隨機誤差因素的作用下，第一階段顯示出的高效率并不能完全反映這些地區(qū)的實際農業(yè)生產水平，其農業(yè)生產效率有待提高。

(2)各市的純技術效率。第一階段DEA結果顯示有7個市的純技術效率位于技術前沿面上，但是經過第二階段剔除環(huán)境和隨機因素的干擾后，只有其中3個市仍然處于最佳效率，分別為煙臺市、濰坊市、威海市，主要原因是這3個市的農業(yè)技術發(fā)展水平相對較高，農業(yè)生產機械化水平較高； 對于青島市、淄博市，其純技術效率有所提高，說明這兩個地區(qū)的實際管理技術水平并沒有那么差，而是因為受到了“較差”的環(huán)境條件或“較明顯”的隨機因素干擾，例如受到城鎮(zhèn)化發(fā)展、農業(yè)政策等影響使得當地農業(yè)生產管理水平波動等情況； 其余12市的純技術效率降低了，這說明這些市農業(yè)生產管理尚未建立起長效機制，實際管理水平有待提高。

(3)各市的規(guī)模效率。第一階段中有5個市的規(guī)模效率處于技術效率前沿面，但第三階段顯示只有煙臺市、威海市仍然保持最佳效率，說明這兩個市的規(guī)模效率已經最優(yōu)，不需要再改進； 而其余各市的規(guī)模效率均有不同程度的降低，這說明這些地區(qū)的規(guī)模效率較高只是基于了環(huán)境條件和隨機因素干擾，實際的規(guī)模水平相對較低，主要是由于隨著各市城鎮(zhèn)化發(fā)展不斷推進、農業(yè)政策等的變動，使得勞動力流動、土地流轉等受到一定影響，因此，這也需要各市進一步規(guī)劃與改善實際農業(yè)生產規(guī)模。

(4)各市的規(guī)模狀態(tài)。第一階段顯示山東省共有6市、6市、5市分別處于規(guī)模報酬遞增、規(guī)模報酬遞減、規(guī)模報酬不變狀態(tài)，而第三階段則有11市屬于規(guī)模報酬遞增， 4市屬于規(guī)模報酬遞減， 2市屬于規(guī)模報酬不變，這意味著大多數地區(qū)的農業(yè)生產規(guī)模尚未達到其自身所擁有的技術管理水平等所決定的最優(yōu)的生產規(guī)模，故適當擴大農業(yè)生產規(guī)模將有助于提高農業(yè)生產效率。

3.4 Tobit模型實證結果及分析

由于三階段DEA模型使得17市均處于同質的環(huán)境下，因此將第三階段所得各市農業(yè)生產綜合效率作為被解釋變量，解釋變量則選擇農業(yè)配送服務、農業(yè)信息服務、農村金融保險服務、農產品銷售服務和農技推廣服務5個變量，構建模型：

TEi=C+α1TRIi+α2INFi+α3FIANi+α4SALEi+α5TECHi+ξi，i=1， 2，…， 17

(5)

式(5)中，i表示第i個市;TE表示農業(yè)生產效率；TRI、INF、FIAN、SALE、TECH分別表示解釋變量：農業(yè)配送服務、農業(yè)信息服務、農村金融保險服務、農產品銷售服務及農技推廣服務；C為常數項；α為系數；ξ為隨機誤差項。

利用STATA進行截面Tobit回歸計算得出結果，見表5。

從細分行業(yè)的農業(yè)生產性服務業(yè)的角度分析對農業(yè)生產效率影響回歸結果。

(1)農業(yè)配送服務對農業(yè)生產效率有正向影響，通過了1%的顯著性檢驗，表明2015年山東省對于農村基礎設施建設較好，投資充足，農村交通運輸業(yè)發(fā)展水平較高，全省農資配送、倉儲郵政業(yè)等服務投入較合理，從而能夠促進山東省農業(yè)生產效率的提高。

(2)農業(yè)信息服務、農產品銷售服務和農技推廣服務3個變量的回歸系數為正，且均通過了5%水平下的顯著性檢驗， 3者對農業(yè)生產效率得提高有正向作用，說明山東省對于農村信息傳輸、計算機服務、軟件業(yè)、批發(fā)和零售業(yè)及科學研究等方面投資的增加明顯地推動了農業(yè)生產效率的提高。前兩項涉農生產型服務業(yè)不僅能夠使各個地區(qū)的農民獲得有利的信息、實現(xiàn)農產品最優(yōu)的市場價值，提高了農民生產的積極性； 對于農技推廣服務來說，能夠為農民帶來先進的生產技術和農業(yè)機械，而且使得農民能夠接觸到新型技術，從而有效提高農業(yè)生產效率。

(3)該回歸結果顯示農村金融保險服務的系數為正但不顯著，即農村金融保險服務的提高對農業(yè)生產效率的提高有一定的正向影響，但目前階段影響效果并不顯著。這表明在目前的農業(yè)轉型過程中，由于資金不足、農戶貸款較難、保險意識及抵御風險能力較弱等多方面制約從而使得農業(yè)生產效率的進步受限。

4 結論與建議

4.1 結論

該文基于三階段DEA-Tobit模型，利用2015年相關統(tǒng)計數據對山東省17市的農業(yè)生產效率進行了測算，并分析了不同服務領域的農業(yè)生產性服務業(yè)對該省農業(yè)生產效率的影響，得出結論：(1)經典DEA模型測算出的農業(yè)生產效率值包含環(huán)境因素及隨機誤差的影響較大，第二階段應用SFA回歸模型分析得知環(huán)境和隨機誤差因素對農業(yè)生產效率會產生顯著影響。其中，增加財政支農支出、城鎮(zhèn)化水平的提高、農村人口平均受教育年限的增長均對農業(yè)生產效率的提升有推動作用，而農村居民家庭人均純收入只在一定程度上起到了有利作用。(2)將環(huán)境因素和隨機誤差的影響剔除后進行第三階段DEA測算得， 2015年山東省平均農業(yè)生產綜合效率值、純技術效率值及規(guī)模效率值分別為0.754、0.826、0.913，處于規(guī)模報酬遞增狀態(tài)的城市較多，位于技術效率前沿面的有煙臺市、威海市，其他各市有不同程度的上升空間。(3)利用Tobit回歸分析處于同質條件下的17市農業(yè)生產效率與農業(yè)生產性服務業(yè)的關系得知，增加對農業(yè)配送服務，農業(yè)信息服務及農產品銷售服務及農技推廣服務的資金投入對農業(yè)生產效率有顯著的促進作用，而農村金融保險服務的影響不明顯。

4.2 建議

(1)高效推動新型城鎮(zhèn)化建設、適度擴大山東省農業(yè)生產規(guī)模。在有序建設新型城鎮(zhèn)的同時，應適當擴大農業(yè)生產規(guī)模，建立土地資源市場化流轉的長效機制，鼓勵農村加快土地流轉，使各種資源得到有效配置，從而加大對農業(yè)生產性服務業(yè)的需求，推動農業(yè)生產性服務業(yè)逐漸走向集聚化，進而實現(xiàn)農業(yè)生產集約化，降低生產成本，提高農業(yè)生產效率。

(2)完善農村基礎設施建設、引入先進現(xiàn)代農業(yè)生產技術。山東省應該更好地規(guī)劃農村地區(qū)交通及物流的布局并實現(xiàn)統(tǒng)籌管理，讓先進的基礎設施等公共資源能夠被不同區(qū)域的農民共享，建立符合各地區(qū)特點、以大型物流企業(yè)和村民流通合作組織為主體的流通網絡，從而使得農產品、農資產品等更加高效地流通，更好地“走出去”。

(3)在農村地區(qū)普及多元化教育。通過組織政府培訓、職業(yè)教育、技術推廣教育、開展遠程教育等提高農民的科技文化水平、認知水平和各項農業(yè)專業(yè)技能，使得知識要素和人力資本充分發(fā)揮其溢出作用，使其更好地為農民進行農業(yè)生產服務。

(4)引導金融保險服務業(yè)與農業(yè)結合且健康發(fā)展。應該充分發(fā)揮各大銀行及金融機構的支農作用，進一步完善小額農貸等制度，優(yōu)化對第一產業(yè)發(fā)展的信貸服務； 還應健全農業(yè)保險服務，提高天生弱質的農業(yè)產業(yè)的抗風險能力，從而為農業(yè)產業(yè)鏈的延長做出保障。

(5)創(chuàng)新財政支農投資方式，為農業(yè)生產性服務業(yè)發(fā)展模式注入活力。應加強政府對該體系扶持資金合理分配，結合山東省農業(yè)生產性服務業(yè)的發(fā)展特點，探索更多優(yōu)秀的可持續(xù)發(fā)展模式，例如創(chuàng)新運用產業(yè)投資基金、示范園區(qū)建設資金、PPP項目資金等多種方式扶持農業(yè)生產性服務業(yè)的健康發(fā)展，使其更好地為農業(yè)生產服務。

[1] 姜長云.關于發(fā)展農業(yè)生產性服務業(yè)的思考.農業(yè)經濟問題， 2016(5)： 8～15

[2] Gopinath M P， Kennedy L.Agricultural trade and productivity growth：A state-level analysis.American Journal of Agricultural Economics， 2000， 82(5) 1213～1218

[3] Ball V E， Bureau J，Nehring R.Levels of farm sector productivity：An international comparison.Journal of Productivity Analysis， 2001, 15(1): 5～29

[4] 郭軍華， 倪明，李幫義.基于三階段DEA模型的農業(yè)生產效率研究.數量經濟技術經濟研究, 2010(12)： 27～38

[5] 方鴻. 中國農業(yè)生產技術效率研究：基于省級層面的測度、發(fā)現(xiàn)與解釋.農業(yè)技術經濟, 2010(1)： 34～41

[6] 邢慧茹， 張曉駿，鄧義.農業(yè)生產效率與其影響因素相關關系實證分析——基于湖北省數據.中國農業(yè)資源與區(qū)劃， 2016, 37(12): 198～203

[7] 蘇小松. 農戶社會資本對農業(yè)生產效率的影響分析——基于山東省高青縣的農戶調查數據.農業(yè)技術經濟, 2013(10)： 64～72

[8] Alston J M， Andersen A，James J S，et al.Persistence pays：U.S.agricultural productivity and the benefits from public R&D spending.New York：Springer， 2011

[9] 姜長云. 發(fā)展農業(yè)生產性服務業(yè)的模式、啟示與政策建議——對山東省平度市發(fā)展高端特色品牌農業(yè)的調查與思考.宏觀經濟研究, 2011(3)： 14～20

[10]肖衛(wèi)東， 杜志雄.農業(yè)生產性服務業(yè)發(fā)展的主要模式及其經濟效應——對河南省發(fā)展現(xiàn)代農業(yè)的調查.學習與探索, 2012(9)： 112～115

[11]郝愛民. 農業(yè)生產性服務業(yè)對農業(yè)外溢效應與條件研究.南方經濟， 2013, 31(5): 38～48

[12]郝愛民. 提升農業(yè)生產性服務業(yè)外溢效應的路徑選擇.農業(yè)現(xiàn)代化研究， 2015, 36(4): 580～584

[13]喬玉輝， 吳文良，李花粉，等.華北高產糧區(qū)基于環(huán)境保護的農產品安全生產服務體系現(xiàn)狀及改進建議——以山東桓臺縣為例.中國農業(yè)資源與區(qū)劃， 2017, 38(1): 1～6

[14]王耀中， 江茜.生產性服務業(yè)對農業(yè)現(xiàn)代化效率的影響.商業(yè)研究， 2016, 62(1): 22～30

[15]李慧， 陰朋莉.基于DEA-Tobit模型的生產性服務業(yè)對農業(yè)生產效率的影響.技術與創(chuàng)新管理， 2016, 37(6): 678～683

[16]Farrell M J.The measurement of productive efficiency.Journal of the Royal Statistical Society， 1957, 120(30): 253～281

[17]Fried H O，Lovell C A K，Schmidt S，et al.Accounting for environmental effects and statistical noise in Data Envelopment Analysis.Journal of Productivity Analysis， 2002， 17(1-2)： 157～174

[18]薛龍， 劉旗.基于DEA-Tobit模型的河南省糧食生產效率分析.河南農業(yè)大學學報， 2014, 12(6): 700～704

[19]焦源. 山東省農業(yè)生產效率評價研究.中國人口·資源與環(huán)境， 2013, 23(12): 105～110

[20]鐘祖昌. 基于三階段DEA模型的中國物流產業(yè)技術效率研究.財經研究， 2010, 36(9): 81～90

[21]閆淑霞， 劉慧敏，孟凡琳，等.基于灰色DEA模型的河南省18市農業(yè)生產效率研究.河南農業(yè)大學學報， 2015, 49(6): 866～870