長江經(jīng)濟(jì)帶農(nóng)水利用效率評價:基于DEA-Malmquist模型

陳汝佳，孫付華

(河海大學(xué) 商學(xué)院，江蘇 南京 211100)

長江經(jīng)濟(jì)帶由11個長江沿線省市構(gòu)成，在國家經(jīng)濟(jì)發(fā)展中具有重要的戰(zhàn)略性地位。長江經(jīng)濟(jì)帶覆蓋了經(jīng)濟(jì)發(fā)達(dá)的上海、江蘇、浙江和中西部的經(jīng)濟(jì)潛力城市群，對全國生產(chǎn)總值和人口總數(shù)的貢獻(xiàn)超過40%，是不可替代的經(jīng)濟(jì)推動力[1]。2014年政府報告中第一次提出“依托黃金水道，打造中國經(jīng)濟(jì)新支撐帶”，充分表明長江經(jīng)濟(jì)帶是國家戰(zhàn)略中不可或缺的部分。2018年4月底，習(xí)近平總書記在深入推動長江經(jīng)濟(jì)帶發(fā)展座談會上強(qiáng)調(diào)，經(jīng)濟(jì)和生態(tài)環(huán)境協(xié)同發(fā)展，要正確把握兩者的關(guān)系，調(diào)整經(jīng)濟(jì)結(jié)構(gòu)和經(jīng)濟(jì)發(fā)展方式。長江流域水資源總量豐富，但人均占有量僅為世界水平的1/3，耕地畝均占有水資源量不到全球標(biāo)準(zhǔn)的七成。與此同時，原始用水形式導(dǎo)致水資源浪費(fèi)，加劇了水資源供需矛盾，嚴(yán)重制約著經(jīng)濟(jì)發(fā)展。農(nóng)業(yè)用水具有最大的用水效率潛力[2]，是解決水資源供需矛盾的關(guān)鍵環(huán)節(jié)，如何高效利用農(nóng)業(yè)水資源儼然成為長江經(jīng)濟(jì)帶各省市的新課題。因此，必須深入研究區(qū)域農(nóng)業(yè)水資源利用效率現(xiàn)狀，對比各省市效率的差異，在此基礎(chǔ)上尋求差異產(chǎn)生的原因，探索提高農(nóng)業(yè)用水效率的有效途徑，從而為實(shí)現(xiàn)長江經(jīng)濟(jì)帶的綠色可持續(xù)發(fā)展提供保障和支撐，為水利供給側(cè)改革提供建議和方向。

關(guān)于農(nóng)業(yè)水資源開發(fā)利用的問題，已引來眾多學(xué)者的關(guān)注。研究大致分為兩種：一是通過數(shù)據(jù)包絡(luò)等模型計算農(nóng)業(yè)用水效率值，分析區(qū)域效率值差異，并據(jù)此提出相關(guān)建議。如楊騫等[3]構(gòu)建非徑向方向性距離函數(shù)模型，計算全國2011和2012年農(nóng)業(yè)用水效率，認(rèn)為水資源稟賦程度會引起效率差異。二是采用SFA等方法研究效率值的影響因素，根據(jù)結(jié)果為提高農(nóng)業(yè)用水效率提供參考對策。如夏蓮等[4]采用隨機(jī)前沿函數(shù)模型，在考慮農(nóng)業(yè)產(chǎn)業(yè)化的基礎(chǔ)上，以馬鈴薯種植為案例，研究農(nóng)戶水資源利用效率的影響因素，認(rèn)為農(nóng)業(yè)技術(shù)、合作企業(yè)和農(nóng)戶受教育程度會影響農(nóng)業(yè)水資源利用效率，建議抓技術(shù)教育，并加強(qiáng)農(nóng)企合作。佟金萍等[5]分析了長江流域1998—2011年農(nóng)業(yè)水資源效率變動情況，發(fā)現(xiàn)水價和對外開放顯著作用于農(nóng)水利用效率，建議合理調(diào)整取水成本。

綜上可見，第一類研究多采用截面數(shù)據(jù)，計算結(jié)果為靜態(tài)，在時間軸上不具有可比性；第二類研究借助Malmquist，橫向與縱向分析相結(jié)合，偏向關(guān)注水資源稟賦、水價和農(nóng)業(yè)技術(shù)對農(nóng)業(yè)水資源利用效率的影響。在供給側(cè)改革的大背景下，水資源的合理配置極為重要。由于水權(quán)交易市場還在逐步構(gòu)建和完善，水資源在部門間的分配更多地是由政府決定。但目前關(guān)于政府對農(nóng)業(yè)的支持與農(nóng)水利用效率關(guān)系的研究較少。因此，筆者采用DEA模型和Malmquist指數(shù)，構(gòu)建效率評價體系，測算各區(qū)域農(nóng)水利用效率和投入冗余值，并分析政府支出與冗余值的關(guān)系，以期為改善長江經(jīng)濟(jì)帶農(nóng)業(yè)用水效率提供科學(xué)的建議。

1 模型構(gòu)建和指標(biāo)選擇

1.1 模型構(gòu)建

1.1.1 BCC模型

在產(chǎn)出不變的情況下，排除規(guī)模影響，計算各DMU的效率值。該模型由美國運(yùn)籌學(xué)家BANKER[6]提出，其DEA模型表達(dá)式為：

(1)

式中：θ為評價指數(shù)；n、m和t分別表示決策單元數(shù)量、投入種數(shù)和產(chǎn)出種數(shù)；s+、s-為正、負(fù)偏差變量，分別表示產(chǎn)出不足和投入冗余；λj為重新構(gòu)造一個有效DMU組合中第j個決策單元的組合比例；x、y分別為投入量和產(chǎn)出量；ε>0是非阿基米德無窮小。

1.1.2 Malmquist指數(shù)

為了研究t期到t+1期效率的變化情況，需將效率指數(shù)分解[7]：

TFPCH=EFFCH×TECHCH

(2)

式中：TFPCH、EFFCH和TECHCH分別表示生產(chǎn)率變化指數(shù)、技術(shù)效率變化指數(shù)和技術(shù)變化指數(shù)，EFFCH等于純技術(shù)效率變化乘以規(guī)模效率變化。

1.2 指標(biāo)選擇

筆者參照文獻(xiàn)[8]～文獻(xiàn)[11]，考慮數(shù)據(jù)的可采集性，選取農(nóng)林牧漁業(yè)總產(chǎn)值為產(chǎn)出指標(biāo)，區(qū)域農(nóng)業(yè)用水量、農(nóng)林牧漁業(yè)全社會固定資產(chǎn)投資額和第一產(chǎn)業(yè)就業(yè)人員為投入指標(biāo)，以國家財政農(nóng)林水事務(wù)支出為自變量，DEA運(yùn)算結(jié)果投入冗余值為因變量。筆者采集了2007—2016年長江經(jīng)濟(jì)帶11個省市的數(shù)據(jù)，數(shù)據(jù)來源于中國統(tǒng)計局網(wǎng)站和各省市統(tǒng)計年鑒。

2 實(shí)證分析

2.1 DEA分析

利用DEAP2.1軟件，選擇BCC模型，測算2007—2016年長江經(jīng)濟(jì)帶11個省市的農(nóng)業(yè)水資源效率值和投入冗余值，效率均值結(jié)果如表1所示，冗余均值結(jié)果如表2所示。

表1 2007—2016年長江經(jīng)濟(jì)帶區(qū)域農(nóng)業(yè)水資源利用效率值均值

表2 2007—2016年長江經(jīng)濟(jì)帶區(qū)域農(nóng)業(yè)水資源利用冗余值均值

由表1可知，長江經(jīng)濟(jì)帶近十年農(nóng)業(yè)用水的純技術(shù)效率均值為0.896 6，區(qū)域間差異較大，上海、江蘇、重慶和四川的純技術(shù)效率處于前沿面，而江西、云南和安徽的純技術(shù)效率值不到0.8，江西甚至低于均值的2/3。規(guī)模技術(shù)效率的均值為0.971 2，其中規(guī)模技術(shù)效率值為1.000 0的是上海和重慶，其余省市的規(guī)模技術(shù)效率值均在0.9以上。這表明長江經(jīng)濟(jì)帶農(nóng)水利用效率在整體上有提升潛力，不同省市激發(fā)潛力的側(cè)重點(diǎn)不同。上海和重慶的綜合技術(shù)效率相對值為1.000 0，說明其在11個省市中處于“榜樣”地位，對農(nóng)業(yè)水資源的利用是相對有效的，這兩個地區(qū)改善農(nóng)水效率的焦點(diǎn)應(yīng)是行業(yè)結(jié)構(gòu)的調(diào)整和水權(quán)市場的推廣。江西、云南和安徽是 “拉后腿”的省份，均處于技術(shù)劣勢，故這3個省份的針對性建議是要考慮增加先進(jìn)技術(shù)的投入，同時擴(kuò)大生產(chǎn)規(guī)模，發(fā)揮規(guī)模效應(yīng)。

效率值和冗余值是對應(yīng)的，效率值越低冗余值越多，但不同的省市投入冗余值的組成比例不同。由表2可知，江西的農(nóng)業(yè)用水量和農(nóng)林牧漁業(yè)全社會固定資產(chǎn)投資額的冗余值在長江經(jīng)濟(jì)帶11省市中“拔得頭籌”，結(jié)合表1可知，擴(kuò)大生產(chǎn)規(guī)模能提高水資源的邊際效應(yīng)，更新生產(chǎn)技術(shù)能提高產(chǎn)品的產(chǎn)量和質(zhì)量，將冗余值有效地轉(zhuǎn)換為產(chǎn)出，間接減少投入冗余值。第一產(chǎn)業(yè)就業(yè)人員冗余值最多的是云南，云南在農(nóng)業(yè)發(fā)展上人力投入和湖南接近，但前者的農(nóng)林牧漁業(yè)總產(chǎn)值僅為后者的1/2，云南應(yīng)改進(jìn)生產(chǎn)技術(shù)，增大農(nóng)業(yè)機(jī)械化應(yīng)用范圍。第一產(chǎn)業(yè)就業(yè)人員冗余值較高的還有安徽和貴州，其中貴州農(nóng)業(yè)水資源利用的綜合技術(shù)效率值和純技術(shù)效率值均排名第七，在長江經(jīng)濟(jì)帶中屬于中等水平，其投入冗余值幾乎全為第一產(chǎn)業(yè)就業(yè)人員。這說明貴州提高農(nóng)水利用效率的重點(diǎn)是發(fā)揮人力資源的最大效益，政府可考慮適當(dāng)組織農(nóng)戶技術(shù)培訓(xùn)。安徽和湖南的冗余值比例相近，兩個地區(qū)在提高綜合技術(shù)效率時可互相借鑒。

2.2 Malmquist分析

為了觀察長江經(jīng)濟(jì)帶農(nóng)水利用效率近十年的動態(tài)變化，引入Malmquist模型，利用DEAP2.1軟件運(yùn)算，結(jié)果如表3和圖1所示。

表3 2007—2016年長江經(jīng)濟(jì)帶Malmquist生產(chǎn)率指數(shù)及其分解指標(biāo)

圖1 2007—2016年長江經(jīng)濟(jì)帶各省份Malmquist生產(chǎn)率指數(shù)均值分布圖

由表3可看出，以2007年為基準(zhǔn)年，2007—2016年全要素生產(chǎn)率變化指數(shù)的均值高于1，即近十年長江經(jīng)濟(jì)帶農(nóng)水利用效率整體呈上升趨勢。根據(jù)技術(shù)效率變化指數(shù)和技術(shù)進(jìn)步變化指數(shù)均值的大小可判斷，效率變化過程中技術(shù)進(jìn)步扮演著“推動因子”的角色，技術(shù)效率變化的貢獻(xiàn)則不太明顯。按年份分析：2009年全要素生產(chǎn)率變化指數(shù)小于1，效率發(fā)生下行現(xiàn)象，這是由于規(guī)模效率倒退造成的；2010和2011年由于“中央一號”文件的發(fā)布和實(shí)施，農(nóng)水利用效率值快速增長，全要素生產(chǎn)率連續(xù)兩年突破10%的增長率；2012年后全要素生產(chǎn)率變化腳步放慢，整體變化趨于平穩(wěn)，基本維持2%～5%的增長率。

由圖1可知，全要素生產(chǎn)率變化指數(shù)在標(biāo)準(zhǔn)線1的外側(cè)，說明11個省市的農(nóng)水利用效率整體表現(xiàn)為上行。觀察技術(shù)進(jìn)步變化指數(shù)和技術(shù)效率變化指數(shù)，發(fā)現(xiàn)前者在標(biāo)準(zhǔn)線1的外側(cè)，后者有部分處于標(biāo)準(zhǔn)線內(nèi)側(cè)，分別是安徽和湖南。由純技術(shù)效率變化指數(shù)和規(guī)模效率變化指數(shù)可知，安徽和湖南是受純技術(shù)效率影響。因此，安徽和湖南改善農(nóng)水利用效率時要提高在技術(shù)方面資金投入的效益值，關(guān)注如何高效利用技術(shù)這輛“生產(chǎn)力馬車”。表現(xiàn)特別的有江蘇省，其五個指標(biāo)數(shù)值一樣，并正好落在標(biāo)準(zhǔn)線1上，說明江蘇農(nóng)水利用的相對效率在近十年內(nèi)基本不變。此外，圖1中技術(shù)進(jìn)步變化指數(shù)在全要素生產(chǎn)率變化指數(shù)附近波動，兩者變化的步調(diào)基本一致，這與表3中的結(jié)論吻合，再次表現(xiàn)出全要素生產(chǎn)率對技術(shù)進(jìn)步的依賴性[12]。

2.3 政府支出對投入冗余值影響分析

為了研究政府資金補(bǔ)助是否會影響地區(qū)農(nóng)業(yè)水資源利用效率，筆者將國家財政農(nóng)林水事務(wù)支出作為自變量，將上述DEA運(yùn)算后的投入冗余值作為因變量，10年11個省市共110組數(shù)據(jù)，采用Stata軟件進(jìn)行回歸分析，結(jié)果如表4所示。

表4 政府資金補(bǔ)助與DEA投入冗余值的回歸結(jié)果

注：***表示p<0.01；**表示p<0.05；*表示p<0.1

由表4可知，國家財政農(nóng)林水事務(wù)支出對農(nóng)業(yè)用水量冗余值和第一產(chǎn)業(yè)就業(yè)人員冗余值的回歸系數(shù)為負(fù)。但前者p值大于0.1，兩者關(guān)系不顯著；后者p值小于0.05，通過顯著性檢驗(yàn)。國家財政農(nóng)林水事務(wù)支出對農(nóng)林牧漁業(yè)全社會固定資產(chǎn)投資額冗余值的回歸系數(shù)為正，且p值低于0.01，顯著性高。這說明政府資金補(bǔ)助會影響地區(qū)農(nóng)水利用效率，主要表現(xiàn)為對固定資產(chǎn)和人力投資的作用，即資金補(bǔ)助越多，固定資產(chǎn)投資冗余越大，人力投入冗余越少。究其原因：①政府資金投入是為了更快更好地促進(jìn)農(nóng)業(yè)現(xiàn)代化，農(nóng)業(yè)現(xiàn)代化就意味著傳統(tǒng)農(nóng)業(yè)生產(chǎn)模式的改變，要將現(xiàn)代的技術(shù)和科學(xué)的管理融入農(nóng)業(yè)生產(chǎn)。為了實(shí)現(xiàn)農(nóng)業(yè)現(xiàn)代化，資金自然而然流向固定資產(chǎn)模塊。對于固定資產(chǎn)投入未能滿足農(nóng)業(yè)發(fā)展需要的地區(qū)，政府資金補(bǔ)助的增加對農(nóng)水利用效率產(chǎn)生正向影響；對于固定資產(chǎn)本身已有冗余值的地區(qū)，政府資金補(bǔ)助則會加劇資源的浪費(fèi)。②農(nóng)業(yè)現(xiàn)代化的發(fā)展減少了生產(chǎn)對人力要素的需求量。一是因?yàn)檗r(nóng)業(yè)生產(chǎn)中機(jī)械化覆蓋率上升，一些簡單重復(fù)、危險系數(shù)高等的工作由機(jī)器代替；二是因?yàn)榕c時俱進(jìn)的管理理念，生產(chǎn)組織內(nèi)部的協(xié)調(diào)性增強(qiáng)，人員利用更為合理高效。當(dāng)政府補(bǔ)助資金投入時，地區(qū)會調(diào)節(jié)就業(yè)人員的配置，將第一產(chǎn)業(yè)就業(yè)人員向第二、第三產(chǎn)業(yè)轉(zhuǎn)移，其冗余值降低。

3 結(jié)論與建議

筆者基于DEA-Malmquist模型，計算長江經(jīng)濟(jì)帶11個省市2007—2016年的農(nóng)業(yè)用水效率，同時采用Stata軟件對投入冗余值和國家資金補(bǔ)助進(jìn)行回歸分析。DEA運(yùn)算結(jié)果表明：長江經(jīng)濟(jì)帶的農(nóng)水利用效率整體有提升潛力、個體間差異大，各地區(qū)投入冗余值的比例也不盡相同。上海、江蘇、重慶和四川位于前沿面，表現(xiàn)出效率的相對有效，江西、云南和安徽的效率值小于平均值，表現(xiàn)出效率的相對無效。從投入冗余值的比例可看出，不同省份相對無效的原因是有差異的。Malmquist指數(shù)分解結(jié)果表明：長江經(jīng)濟(jì)帶農(nóng)業(yè)用水效率在2007—2016年內(nèi)總體呈波動上升趨勢，前五年起伏較大，后五年緩慢增長，主要是技術(shù)進(jìn)步帶動了全要素生產(chǎn)率的變化。Stata回歸結(jié)果表明：政府資金補(bǔ)助會影響區(qū)域的農(nóng)水利用效率，具體表現(xiàn)為兩方面。一是政府資金補(bǔ)助與固定資產(chǎn)投入冗余成正向關(guān)系，即補(bǔ)助增多，固定資產(chǎn)冗余也增多；二是政府資金補(bǔ)助對人員投入冗余形成反向影響，即補(bǔ)助有利于第一產(chǎn)業(yè)就業(yè)人員向第二、第三產(chǎn)業(yè)轉(zhuǎn)移。根據(jù)上述結(jié)果，筆者提出以下建議：

(1)提高農(nóng)水效率的方案要因地制宜。長江經(jīng)濟(jì)帶涵蓋11個省市，各省市的地理位置、經(jīng)濟(jì)水平和農(nóng)業(yè)水資源利用現(xiàn)狀不一。位于效率前沿面的地區(qū)，一方面要保持自己的“榜樣”形象，可以從行業(yè)結(jié)構(gòu)和水權(quán)市場入手，不斷地探索節(jié)水路徑；另一方面要帶頭響應(yīng)生態(tài)優(yōu)先、綠色發(fā)展，密切關(guān)注和控制農(nóng)業(yè)污染物排放量，逐步改善水質(zhì)，實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)量與質(zhì)的共同提升。效率相對無效的地區(qū)要參考投入冗余值情況，找出效率低下的原因，從而提出針對性的解決方法。

(2)要充分發(fā)揮政府資金補(bǔ)助的推動作用。政府資金補(bǔ)助是把雙刃劍，不僅能調(diào)節(jié)人員結(jié)構(gòu)配置，降低第一產(chǎn)業(yè)就業(yè)冗余，提高農(nóng)水利用效率；還能引發(fā)固定資產(chǎn)的過度投資，不利于資源的高效利用。因此，政府要以地區(qū)農(nóng)業(yè)生產(chǎn)現(xiàn)狀為基礎(chǔ)，觀察其固定資產(chǎn)和人員投入的邊際效應(yīng)大小，結(jié)合補(bǔ)助資金對兩者的作用，調(diào)整在農(nóng)業(yè)方面的投資額。