基于DEA-Tobit模型的湖南省環(huán)洞庭湖地區(qū)農(nóng)業(yè)生產(chǎn)效率研究

汪杰 李姣 周翠煙 鄒詩意

摘? ? 要：為進(jìn)一步了解湖南省環(huán)洞庭湖地區(qū)農(nóng)業(yè)生產(chǎn)狀況，本文建立效率評價體系，利用超效率DEA模型和Malmquist指數(shù)模型分析2008—2017年湖南省環(huán)洞庭湖地區(qū)三市（岳陽市、益陽市和常德市）的農(nóng)業(yè)生產(chǎn)效率，并用Tobit模型考察效率的影響因素。結(jié)果表明：2008—2015年湖南省環(huán)洞庭湖地區(qū)三市的農(nóng)業(yè)生產(chǎn)效率呈下降趨勢，益陽市的平均效率排在首位，2015—2017年呈上升趨勢，常德市的平均效率排在首位;Malmquist指數(shù)分解發(fā)現(xiàn)技術(shù)進(jìn)步變化對農(nóng)業(yè)生產(chǎn)效率的影響最大，從影響因素上看，城鎮(zhèn)化率、有效灌溉率和城鄉(xiāng)居民收入比對農(nóng)業(yè)生產(chǎn)效率起負(fù)向作用，農(nóng)林牧漁固定資產(chǎn)投資對農(nóng)業(yè)生產(chǎn)效率起正向作用。在此基礎(chǔ)上提出提高農(nóng)業(yè)生產(chǎn)效率的三點(diǎn)建議：依靠科技和管理水平進(jìn)步，加快推動工業(yè)化和城鎮(zhèn)化進(jìn)程和加大農(nóng)業(yè)固定資產(chǎn)投資。

關(guān)鍵詞：農(nóng)業(yè)生產(chǎn)效率;湖南省;環(huán)洞庭湖地區(qū);DEA模型;Tobit模型

中圖分類號：F304? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ? DOI 編碼：10.3969/j.issn.1006-6500.2019.12.011

Abstract： In order to study the agricultural production efficiency in Dongting lake area of Hunan province， the paper established an efficiency evaluation system and used the super-efficiency DEA model to analyze the agricultural production efficiency of three cities around Dongting lake in Hunan province from 2008 to 2017， and applied the Tobit model to examine the influencing factors of the efficiency. The results indicated that the agricultural production efficiency of three cities showed a downward trend from 2008 to 2015， Yiyang city ranking first; the efficiency showed an upward trend from 2015 to 2017， with Changde city ranking first. With the method of decomposing Malmquist index， it was found that technological progress had the most significant impact on agricultural production efficiency. In terms of influencing factors， urbanization， irrigation rate and income gap had a negative effect on agricultural production efficiency while investment in fixed assets played a positive role on it. On this basis， this paper put forward several suggestions to improve the efficiency of agricultural production： relying on the progress of technology and management level， accelerating the industrialization and urbanization process， increasing the investment in agricultural fixed assets.

Key words：? agricultural production efficiency; Hunan province; Dongting lake; DEA model; Tobit model

湖南省洞庭湖地區(qū)是我國重要的農(nóng)業(yè)經(jīng)濟(jì)示范區(qū)和大宗農(nóng)產(chǎn)品生產(chǎn)基地，環(huán)洞庭湖地區(qū)包括岳陽市、益陽市和常德市3個城市，是湖南省經(jīng)濟(jì)可持續(xù)發(fā)展最具活力的地區(qū)之一，是國家發(fā)改委洞庭湖生態(tài)經(jīng)濟(jì)區(qū)規(guī)劃（包括湖南省岳陽市、益陽市和常德市，長沙市望城區(qū)，以及湖北省荊州市）的核心城市，也是湖南融入國家長江經(jīng)濟(jì)帶建設(shè)戰(zhàn)略的3個城市。探討環(huán)洞庭湖地區(qū)農(nóng)業(yè)生產(chǎn)效率變化，揭示影響農(nóng)業(yè)生產(chǎn)效率變化的原因，完善并豐富農(nóng)業(yè)生產(chǎn)效率研究，對促進(jìn)農(nóng)業(yè)生產(chǎn)管理水平的提高具有一定的理論意義。研究環(huán)洞庭湖地區(qū)農(nóng)業(yè)生產(chǎn)效率能進(jìn)一步了解該地區(qū)的農(nóng)業(yè)生產(chǎn)狀況，發(fā)現(xiàn)農(nóng)業(yè)生產(chǎn)過程中存在的問題，并針對性地提出有效的資源利用方式，綜合規(guī)劃發(fā)展路徑，對提升環(huán)洞庭湖地區(qū)的經(jīng)濟(jì)發(fā)展水平具有重要的現(xiàn)實(shí)意義。

當(dāng)前學(xué)術(shù)界對農(nóng)業(yè)生產(chǎn)效率的研究方法主要有參數(shù)方法和非參數(shù)方法[1]。參數(shù)方法一般使用隨機(jī)前沿分析方法，通過設(shè)定生產(chǎn)函數(shù)形式對參數(shù)進(jìn)行估計(jì)，分析技術(shù)效率項(xiàng)與隨機(jī)誤差項(xiàng)，如李英普等[2]利用此方法測算了河北省的糧食生產(chǎn)效率，白瑪雍珍[3]使用隨機(jī)前沿方法分析了我國2008—2014年的農(nóng)業(yè)技術(shù)效率與影響因素。隨機(jī)前沿方法的變量不可觀測，函數(shù)設(shè)定存在很大難度，DEA方法很好地解決了這個問題。DEA方法即數(shù)據(jù)包絡(luò)分析法，本質(zhì)上是通過線性規(guī)劃的方法來求解最優(yōu)的生產(chǎn)邊界。相對于隨機(jī)前沿方法，DEA方法不用設(shè)定生產(chǎn)函數(shù)的具體形式和估計(jì)參數(shù)，是評價多輸入、多產(chǎn)出系統(tǒng)相對效率的有效方法。Monchuk D C[4]、陳宗富和馬敏[5]、趙春蘭[6]運(yùn)用DEA方法，采用截面數(shù)據(jù)，分別測算了中國、西部苗族欠發(fā)達(dá)地區(qū)和四川省的農(nóng)業(yè)生產(chǎn)效率，但在一定程度上忽視了時間因素，也缺乏動態(tài)比較過程。為了彌補(bǔ)這些不足，部分學(xué)者利用面板數(shù)據(jù)對農(nóng)業(yè)生產(chǎn)效率進(jìn)行評價，如葉文忠等[7]使用權(quán)重約束超效率DEA模型評價長江經(jīng)濟(jì)帶內(nèi)城市的農(nóng)業(yè)生產(chǎn)效率;余玉敏等[8]利用DEA模型衡量了河南省農(nóng)業(yè)生產(chǎn)效率等。

以上學(xué)者采用數(shù)據(jù)包絡(luò)分析法對農(nóng)業(yè)生產(chǎn)效率進(jìn)行研究，并使用計(jì)量方法評估效率的影響因素，不過也存在以下幾點(diǎn)問題：多數(shù)文獻(xiàn)在評價效率之后，沒有對DEA方法給出的松弛率進(jìn)行分析[9]，沒有進(jìn)一步探究影響農(nóng)業(yè)生產(chǎn)效率的原因[10];研究區(qū)域多以某個省為主，而以某省內(nèi)部城市為研究對象，開展特定湖區(qū)的農(nóng)業(yè)生產(chǎn)效率研究相對較少[6，8]。相關(guān)文獻(xiàn)對農(nóng)業(yè)生產(chǎn)效率的研究多以傳統(tǒng)DEA模型為主，屬于靜態(tài)效率范圍，缺乏在時間和空間視角下對農(nóng)業(yè)生產(chǎn)效率的動態(tài)評價[5-6]。

本文選擇數(shù)據(jù)包絡(luò)分析方法（DEA），結(jié)合湖南省環(huán)洞庭湖地區(qū)的實(shí)際情況，構(gòu)建農(nóng)業(yè)生產(chǎn)效率測度指標(biāo)體系，選取湖南省環(huán)洞庭湖地區(qū)三市（岳陽市、益陽市和常德市）2008—2017年的相關(guān)數(shù)據(jù)，分析該區(qū)域農(nóng)業(yè)生產(chǎn)效率變化情況和松弛率，進(jìn)一步地，利用Malmquist指數(shù)方法對農(nóng)業(yè)生產(chǎn)效率進(jìn)行分解，對農(nóng)業(yè)生產(chǎn)效率進(jìn)行動態(tài)評價，并采用Tobit模型分析影響農(nóng)業(yè)生產(chǎn)效率的相關(guān)因素，最后提出了提升區(qū)域農(nóng)業(yè)生產(chǎn)效率的建議。

1 研究方法

1.1 DEA-CCR模型

DEA方法是一種評價生產(chǎn)率指標(biāo)的非參數(shù)方法，其生產(chǎn)邊界由DEA模型計(jì)算而得，通過考慮生產(chǎn)邊界和決策單元（DMU）的投入項(xiàng)與產(chǎn)出項(xiàng)來計(jì)算效率值。DEA方法計(jì)算效率不用先預(yù)設(shè)方程和估計(jì)參數(shù)，一定程度上減少了主觀預(yù)設(shè)帶來的偏差。CCR模型是著名的運(yùn)籌學(xué)家Charnes A等[11]提出的，是以規(guī)模收益不變?yōu)榛炯僭O(shè)的效率評價模型，CCR模型假設(shè)有n個決策單元，每個決策單元有m種投入和s種產(chǎn)出，第j個決策單元的投入和產(chǎn)出分別用xj[xj=（x1j，x2j，…，xmj）T]和yj[yj=（y1j，y2j，…，ysj）T]來表示，其中j=1，2，3，…，n。通過線性規(guī)劃來計(jì)算每一個決策單元的效率值：

式中，x0和y0為選定的決策單元的投入與產(chǎn)出量;λ為相對于選定的決策單元重新構(gòu)造一個有效的決策單元組合中n個決策單元的組合比例;θ為選定決策單元投入相對于產(chǎn)出的有效利用程度，即效率值。

1.2 超效率DEA模型

CCR模型不能對有效的決策單元進(jìn)行進(jìn)一步評價排序，為了解決這個問題，Andersen P等[12]提出了針對性的測度方法，后來被稱為超效率DEA模型。超效率DEA模型在對決策單元進(jìn)行評價時，先將被評價的決策單元排除在決策單元的集合之外，其數(shù)學(xué)表達(dá)式為：

1.3 Malmquist指數(shù)模型

Malmquist指數(shù)是一個動態(tài)的效率指標(biāo)，由瑞典經(jīng)濟(jì)學(xué)和統(tǒng)計(jì)學(xué)家Malmquist提出。DEA模型來測算某個時間點(diǎn)的生產(chǎn)技術(shù)效率，Malmquist指數(shù)指的是全要素生產(chǎn)率，意味著當(dāng)某個決策單元包含多個時間點(diǎn)觀測值的面板數(shù)據(jù)時，Malmquist指數(shù)可以對效率值進(jìn)行分解，進(jìn)而對生產(chǎn)率的變動、技術(shù)效率和技術(shù)進(jìn)步的情況進(jìn)行分析，并分析后兩者對生產(chǎn)率變動的影響[13]。

Malmquist指數(shù)可以將生產(chǎn)率變化分解為效率變化與技術(shù)變化，公式為：

當(dāng)該指數(shù)大于1時代表決策單元的全要素水平在該時期內(nèi)上升，當(dāng)該指數(shù)小于1時代表決策單元的全要素水平在這段時期內(nèi)下降。對Malmquist指數(shù)做如下分解：

EFFCH為技術(shù)效率變化指數(shù)（簡稱EC），指的是被評價單元對現(xiàn)有技術(shù)的利用情況。若EFFCH>1表明被評價單元的技術(shù)效率有所改善;若EFFCH<1表明被評價單元對現(xiàn)有技術(shù)利用情況并不理想。技術(shù)效率變化指數(shù)進(jìn)一步可以分解為純技術(shù)效率變化指數(shù)（PEC）和規(guī)模效率變化指數(shù)（SEC），即EC=PEC×SEC。TECHCH為技術(shù)進(jìn)步變化指數(shù)簡稱（TC），主要是指生產(chǎn)技術(shù)的進(jìn)步對決策單元的影響，若TC>1，表明出現(xiàn)了技術(shù)進(jìn)步或技術(shù)創(chuàng)新。因此Malmquist生產(chǎn)率指數(shù)可表示為M=EC×TC，進(jìn)一步表示為M=PEC×SEC×TC。

1.4 Tobit回歸方程

Tobit模型也叫受限因變量模型，運(yùn)用極大似然的概念對因變量進(jìn)行回歸分析，以此來估計(jì)影響農(nóng)業(yè)生產(chǎn)效率的影響因素。其基本模型為：

2 效率測算與分析

2.1 指標(biāo)選取與數(shù)據(jù)來源

利用DEA方法分析湖南省環(huán)洞庭湖地區(qū)三市的農(nóng)業(yè)生產(chǎn)效率，需要建立合理的評價指標(biāo)體系。在借鑒其他文獻(xiàn)基礎(chǔ)之上，本文對相關(guān)文獻(xiàn)中投入產(chǎn)出指標(biāo)進(jìn)行梳理[14-17]，結(jié)合數(shù)據(jù)的可獲得性和環(huán)洞庭湖地區(qū)的實(shí)際情況，選擇糧食播種面積、農(nóng)業(yè)機(jī)械總動力、有效灌溉面積、化肥施用量和農(nóng)業(yè)從業(yè)人員5個指標(biāo)作為衡量農(nóng)業(yè)生產(chǎn)效率的投入指標(biāo);選擇農(nóng)業(yè)總產(chǎn)值和糧食總產(chǎn)量2個指標(biāo)作為產(chǎn)出指標(biāo)，相關(guān)數(shù)據(jù)來自2009—2018年《湖南省統(tǒng)計(jì)年鑒》。指標(biāo)具體說明如表1所示。

2.2 效率值分析

用DEA-Solver軟件，選用投入導(dǎo)向的超效率CCR模型，分別計(jì)算岳陽市、益陽市和常德市2008—2017年的土地利用效率值（表2、圖1）。

2008—2017年，岳陽市、益陽市和常德市農(nóng)業(yè)生產(chǎn)效率值大致呈先降后升的趨勢。其中2008—2013年，益陽市的平均效率值排在首位（1.048）;2013—2017年常德市的平均效率值排在首位（1.068）。岳陽市在2011年的效率值有很大的上升，從投入數(shù)據(jù)上看，岳陽市2011年的農(nóng)用化肥施用量增長了8%[18]，是所有年份中增長數(shù)額最多的，對農(nóng)業(yè)生產(chǎn)效率的增長有一定影響。以下數(shù)據(jù)可以佐證這個結(jié)論：2012—2016年益陽市和岳陽市的農(nóng)用化肥施用量出現(xiàn)負(fù)增長[19]，農(nóng)業(yè)生產(chǎn)效率也呈逐年下降趨勢;2012年后常德市每年化肥施用量呈增長趨勢，3個城市中只有常德市的農(nóng)業(yè)生產(chǎn)效率在2012年后依舊是上升的;2016—2017年，3個城市的化肥施用量相對前一年都有所增長，3個城市的農(nóng)業(yè)生產(chǎn)效率相對前一年也都有所提升。因此，基本可以判斷，化肥施用量與3個城市的農(nóng)業(yè)生產(chǎn)效率正相關(guān)，并導(dǎo)致2011年岳陽市生產(chǎn)效率值大幅度上升。

2.3 松弛率分析

DEA-CCR模型在計(jì)算出效率得分的同時，也給出了達(dá)到最優(yōu)效率的改進(jìn)數(shù)值。筆者從投入產(chǎn)出松弛率的視角，尋找農(nóng)業(yè)生產(chǎn)效率損失的原因，分析農(nóng)業(yè)生產(chǎn)效率的改善方向和比例。環(huán)洞庭地區(qū)三市的農(nóng)業(yè)生產(chǎn)投入指標(biāo)松弛率具體數(shù)值如表3。

從表3中可以看出，與效率前沿面相比，岳陽市2008年的農(nóng)業(yè)機(jī)械總動力（X2）、有效灌溉面積（X3）和化肥施用量（X4）松弛率數(shù)值都大于0，2009和2010年小于0，2011年又大于0，呈現(xiàn)出由冗余到相對不足再到冗余的特點(diǎn)，農(nóng)業(yè)生產(chǎn)效率也在2011年出現(xiàn)了一個高峰值再回落的過程（表2）。2011年的投入相對不足反而出現(xiàn)較高的農(nóng)業(yè)生產(chǎn)效率，可見農(nóng)業(yè)生產(chǎn)過程中，過多投入并不一定會提高農(nóng)業(yè)生態(tài)效率，投入指標(biāo)的合理配置才有利于提高生產(chǎn)效率。2012—2017年，岳陽市農(nóng)業(yè)生產(chǎn)投入冗余現(xiàn)象比較嚴(yán)重。其中，2017年的農(nóng)業(yè)播種面積、有效灌溉面積以及農(nóng)業(yè)勞動人員與目標(biāo)值相比較，分別多投入23.5%，20.07%和15.65%;過多的投入導(dǎo)致資源浪費(fèi)，不利于農(nóng)業(yè)生產(chǎn)的可持續(xù)發(fā)展。

從數(shù)值上看，相對于岳陽市，益陽市的農(nóng)業(yè)生產(chǎn)投入松弛率絕對數(shù)值相對較小，由圖1可知其農(nóng)業(yè)生產(chǎn)效率比岳陽市高，農(nóng)業(yè)生產(chǎn)效率下降趨勢也相對比較平緩。與岳陽市相同的是，2014—2016年，益陽市農(nóng)業(yè)生產(chǎn)的5個投入指標(biāo)均出現(xiàn)投入過多的狀態(tài)，農(nóng)業(yè)生產(chǎn)效率比較低，也驗(yàn)證了多投入不一定帶來高效率的結(jié)論。

常德市農(nóng)業(yè)生產(chǎn)投入松弛率絕對數(shù)值也相對較小，農(nóng)業(yè)生產(chǎn)效率整體上相對較高。與岳陽市和益陽市不同的是，常德市2016年的農(nóng)業(yè)生產(chǎn)存在投入不足現(xiàn)象;與目標(biāo)值相比，糧食播種面積、農(nóng)業(yè)機(jī)械總動力、有效灌溉面積、化肥施用量和農(nóng)業(yè)從業(yè)人員的不足比例分別為4.65%，12.54%，8.23%，11.05%和12.54%。盡管投入不足，但是常德市2016年的農(nóng)業(yè)生產(chǎn)效率相對于2015年仍有增長，猜想原因可能是：盡管農(nóng)業(yè)生產(chǎn)指標(biāo)投入相對不足，但投入的人力、物力都得到充分運(yùn)用，使其效率值維持在一個較高的水平，這與2008年岳陽市和益陽市投入不足但是效率水平仍相對較高的情況類似。

綜合來看，投入指標(biāo)之間的比例分配是影響生產(chǎn)效率的關(guān)鍵[20]。從松弛率分析可以看到，投入指標(biāo)均呈現(xiàn)冗余狀況是不利于提高農(nóng)業(yè)生產(chǎn)效率的，而2010和2012年岳陽市的各項(xiàng)農(nóng)業(yè)生產(chǎn)投入指標(biāo)均出現(xiàn)冗余，因而相對于2011年，2010和2012年的農(nóng)業(yè)生產(chǎn)效率值更低。

2.4 Malmquist指數(shù)分析

借助Deap2.1軟件，本文對2008—2017年環(huán)洞庭湖地區(qū)三市的農(nóng)業(yè)生產(chǎn)效率Malmquist指數(shù)進(jìn)行分析，計(jì)算得到各個年份的Malmquist指數(shù)和指數(shù)分解結(jié)果，具體數(shù)值和趨勢見表4和圖2。

2008—2017年，環(huán)洞庭湖地區(qū)三市的農(nóng)業(yè)全要素生產(chǎn)率（Malmquist指數(shù)）數(shù)值為1.015，說明環(huán)洞庭湖地區(qū)農(nóng)業(yè)生產(chǎn)效率10年來總體呈上升趨勢，且上升了1.5%。從Malmquist指數(shù)的分解結(jié)果來看，技術(shù)效率和規(guī)模效率的平均值都是1.001，而技術(shù)進(jìn)步變化平均值為1.015，明顯高于技術(shù)效率和規(guī)模效率。環(huán)洞庭湖地區(qū)農(nóng)業(yè)全要素生產(chǎn)率的變動受到技術(shù)效率變動、技術(shù)進(jìn)步變動和規(guī)模效率變動的影響，技術(shù)進(jìn)步主要表現(xiàn)為農(nóng)業(yè)科技水平的發(fā)展和生產(chǎn)創(chuàng)新，技術(shù)效率則反映的是農(nóng)業(yè)生產(chǎn)和農(nóng)業(yè)資源配置的管理水平的提高，對環(huán)洞庭湖地區(qū)農(nóng)業(yè)全要素生產(chǎn)率進(jìn)步影響最大的是技術(shù)進(jìn)步變化。

從表4和圖2可以看出，環(huán)洞庭湖地區(qū)2010—2011年的農(nóng)業(yè)全要素生產(chǎn)率呈上升趨勢，上升了3.3%，這主要是源于技術(shù)進(jìn)步指數(shù)變化的上升。2011—2012年農(nóng)業(yè)全要素生產(chǎn)率下降了1.8%，也是由于在這一年中技術(shù)進(jìn)步變化下降了2.2%，這一年中，技術(shù)效率和規(guī)模效率都有小幅度的上升。再一次說明對環(huán)洞庭湖地區(qū)農(nóng)業(yè)生產(chǎn)效率影響最大的是技術(shù)進(jìn)步變化。從表4中我們還可以看出，技術(shù)進(jìn)步變化在2012—2016年出現(xiàn)大幅度上升，期間農(nóng)業(yè)全要素生產(chǎn)率有所提高;2016—2017年農(nóng)業(yè)生產(chǎn)效率下降，最主要的因素也是由于技術(shù)進(jìn)步變化的下降。

從表5可以看出，2008—2017年環(huán)洞庭湖地區(qū)三市的Malmquist指數(shù)值都是大于1的，農(nóng)業(yè)生產(chǎn)效率處于上升階段。上升幅度最大的是益陽市，為2.4%，岳陽市和常德市的農(nóng)業(yè)生產(chǎn)效率值分別上升了1.4%和0.7%。從指數(shù)分解結(jié)果來看，技術(shù)進(jìn)步變化對農(nóng)業(yè)全要素生產(chǎn)率的變動影響最大，與前文結(jié)論是相同的。

3 影響因素分析

3.1 指標(biāo)選取與模型建立

筆者先用DEA-CCR模型計(jì)算基于投入角度的農(nóng)業(yè)生產(chǎn)效率，將此效率值作為因變量，再通過建立Tobit模型，運(yùn)用Stata軟件計(jì)算并分析影響農(nóng)業(yè)生產(chǎn)的因素。

農(nóng)業(yè)生產(chǎn)過程中，有些因素如肥料投入、播種面積、勞動力投入等，農(nóng)民可以自己進(jìn)行調(diào)整和掌握;有些因素如經(jīng)濟(jì)發(fā)展水平、城市化水平、城鄉(xiāng)收入差距、農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)等，受到宏觀經(jīng)濟(jì)狀況和國家政策的影響，這些因素又影響農(nóng)民對可直接控制要素的管理，進(jìn)一步影響著農(nóng)業(yè)生產(chǎn)效率。相關(guān)文獻(xiàn)主要從宏觀經(jīng)濟(jì)環(huán)境角度考慮，選取相關(guān)指標(biāo)[21-22]，筆者結(jié)合環(huán)洞庭湖地區(qū)的發(fā)展背景，基于數(shù)據(jù)可獲得性，主要研究第一產(chǎn)業(yè)占GDP的比重、城鎮(zhèn)化率、農(nóng)林牧漁固定資產(chǎn)投資、有效灌溉率和城鄉(xiāng)居民收入比這5個因素對農(nóng)業(yè)生產(chǎn)效率的影響（表6），并提出以下假說。

假說一：城鎮(zhèn)化率與農(nóng)業(yè)生產(chǎn)效率負(fù)相關(guān)。城鎮(zhèn)化對農(nóng)業(yè)生產(chǎn)效率的影響是正向還是負(fù)向，有兩種不同觀點(diǎn)：一種認(rèn)為，城鎮(zhèn)化的快速發(fā)展擠占了大量的農(nóng)業(yè)生產(chǎn)資源，在一定程度上影響著農(nóng)業(yè)生產(chǎn)[23]。一方面，城鎮(zhèn)化伴隨工業(yè)化發(fā)展，擠占大量的土地資源，影響著農(nóng)業(yè)生產(chǎn);另一方面，城鎮(zhèn)化吸收了大量的青壯年農(nóng)村勞動力，勞動力的流失和生產(chǎn)資料的成本上升，不利于農(nóng)業(yè)生產(chǎn)效率的提高。另一種觀點(diǎn)認(rèn)為城鎮(zhèn)化有利于促進(jìn)農(nóng)業(yè)生產(chǎn)效率提高[24]。城鎮(zhèn)化的發(fā)展吸收農(nóng)村勞動力，促進(jìn)土地集中和農(nóng)業(yè)生產(chǎn)的規(guī)?；c集約化，提高了農(nóng)業(yè)技術(shù)指導(dǎo)的效率，從而促進(jìn)農(nóng)業(yè)生產(chǎn)效率的提高。由于環(huán)洞庭湖地區(qū)處于城鎮(zhèn)化快速發(fā)展的過程，猜測其城鎮(zhèn)化率與農(nóng)業(yè)生產(chǎn)效率負(fù)相關(guān)。

假說二：第一產(chǎn)業(yè)占比與農(nóng)業(yè)生產(chǎn)效率正相關(guān)。一般來說，某個地區(qū)的第一產(chǎn)業(yè)占比越低，工業(yè)化和城鎮(zhèn)化水平越高，農(nóng)業(yè)生產(chǎn)效率也就越低[23]。第一產(chǎn)業(yè)占比越高，地區(qū)的農(nóng)業(yè)生產(chǎn)經(jīng)驗(yàn)相對豐富，農(nóng)業(yè)規(guī)模比較大，一定程度上有利于提高農(nóng)業(yè)生產(chǎn)效率;另一方面，第一產(chǎn)業(yè)占比低，第二產(chǎn)業(yè)和第三產(chǎn)業(yè)占比高，工業(yè)發(fā)展在一定程度上反哺農(nóng)業(yè)，給農(nóng)業(yè)提供資金與技術(shù)支持，有利于提高區(qū)域的農(nóng)業(yè)生產(chǎn)效率。猜測第一產(chǎn)業(yè)占比對農(nóng)業(yè)生產(chǎn)效率的影響是正向還是負(fù)向，與研究區(qū)域有一定關(guān)系，環(huán)洞庭湖地區(qū)是我國重要的商品糧生產(chǎn)基地，農(nóng)業(yè)生產(chǎn)歷史悠久，第一產(chǎn)業(yè)占比高有利于提高農(nóng)業(yè)生產(chǎn)效率。

假說三：農(nóng)林牧漁固定資產(chǎn)投資與農(nóng)業(yè)生產(chǎn)效率正相關(guān)。農(nóng)林牧漁固定資產(chǎn)投資是改變農(nóng)業(yè)生產(chǎn)條件，使農(nóng)業(yè)生產(chǎn)長期穩(wěn)定發(fā)展的重要物質(zhì)基礎(chǔ)，也是農(nóng)業(yè)持續(xù)穩(wěn)定發(fā)展的重要物質(zhì)保證。研究發(fā)現(xiàn)農(nóng)業(yè)固定資產(chǎn)投資是提高農(nóng)業(yè)生產(chǎn)效率、促進(jìn)農(nóng)民增收的有效途徑[25]。擴(kuò)大農(nóng)林牧漁固定資產(chǎn)投資有利于提高環(huán)洞庭湖地區(qū)三市的農(nóng)業(yè)生產(chǎn)效率。

假說四：有效灌溉率與農(nóng)業(yè)生產(chǎn)效率正相關(guān)。水利是農(nóng)業(yè)的命脈，灌溉是農(nóng)業(yè)發(fā)展的基礎(chǔ)，有效灌溉面積率反映了農(nóng)業(yè)水利情況。洞庭湖區(qū)域有效灌溉面積越大，農(nóng)作物抵抗干旱的能力也就越強(qiáng)，越有利于提高農(nóng)業(yè)生產(chǎn)效率。

假說五：城鄉(xiāng)居民收入比與農(nóng)業(yè)生產(chǎn)效率負(fù)相關(guān)。相關(guān)研究表明，影響城鄉(xiāng)居民收入差距的一個重要因素是城鄉(xiāng)二元經(jīng)濟(jì)結(jié)構(gòu)，農(nóng)業(yè)相對于其他行業(yè)來說，效率更低，對價格缺乏彈性，依靠農(nóng)業(yè)增收的難度很大[26]。城鄉(xiāng)居民收入差距越大，農(nóng)村勞動力尤其是知識型勞動力向城鎮(zhèn)流動越多，長遠(yuǎn)來看阻礙了農(nóng)業(yè)技術(shù)推廣，不利于農(nóng)業(yè)生產(chǎn)效率的提高。

基于以上設(shè)定，建立Tobit回歸模型為：

式中，Yt為第t年的農(nóng)業(yè)生產(chǎn)效率值，X1為第一產(chǎn)業(yè)占GDP的比重，X2為城鎮(zhèn)化率，X3為農(nóng)林牧漁固定資產(chǎn)投資，X4為有效灌溉率，X5為城鄉(xiāng)居民收入比，u為隨機(jī)擾動項(xiàng)，β1、β2、β3、β4、β5表示各自變量的回歸系數(shù)。運(yùn)用Stata軟件，將環(huán)洞庭湖地區(qū)三市2008—2017年的相關(guān)指標(biāo)作為樣本進(jìn)行回歸分析。

3.2 結(jié)果與分析

環(huán)洞庭湖地區(qū)三市的農(nóng)業(yè)生產(chǎn)效率影響因素的Tobit模型回歸結(jié)果如表7所示。

計(jì)算結(jié)果表明，城鎮(zhèn)化率、有效灌溉率和城鄉(xiāng)居民收入比與環(huán)洞庭湖地區(qū)三市的農(nóng)業(yè)生產(chǎn)效率呈負(fù)相關(guān)，農(nóng)林牧漁固定資產(chǎn)投資與農(nóng)業(yè)生產(chǎn)效率正相關(guān)。其中，城鎮(zhèn)化率和有效灌溉率通過了10%的顯著性檢驗(yàn);農(nóng)林牧漁固定資產(chǎn)投資和城鄉(xiāng)居民收入比分別通過了5%和1%的顯著性檢驗(yàn);第一產(chǎn)業(yè)占比沒有通過檢驗(yàn)，該區(qū)域第一產(chǎn)業(yè)占比與農(nóng)業(yè)生產(chǎn)效率之間在統(tǒng)計(jì)上的相關(guān)性不顯著;對效率影響最大的是城鎮(zhèn)化率，其次是有效灌溉率，農(nóng)林牧漁固定資產(chǎn)投資和城鄉(xiāng)居民收入比對農(nóng)業(yè)生產(chǎn)效率影響相對小。具體分析如下。

（1）城鎮(zhèn)化率負(fù)向地影響著該區(qū)域的農(nóng)業(yè)生產(chǎn)效率，相關(guān)系數(shù)為-1.722 7，與假說一致。隨著城鎮(zhèn)化的推進(jìn)，城鎮(zhèn)第二產(chǎn)業(yè)和第三產(chǎn)業(yè)吸收了大量的農(nóng)村勞動力，導(dǎo)致農(nóng)村優(yōu)質(zhì)勞動力大量流失、農(nóng)業(yè)生產(chǎn)技術(shù)的推廣變得緩慢、農(nóng)業(yè)生產(chǎn)資料成本上升，不利于提高農(nóng)業(yè)生產(chǎn)效率。

（2）農(nóng)林牧漁固定資產(chǎn)投資正向影響該區(qū)域農(nóng)業(yè)生產(chǎn)率，相關(guān)系數(shù)為0.272 7，符合預(yù)先假說。農(nóng)業(yè)基礎(chǔ)設(shè)施是農(nóng)業(yè)賴以發(fā)展的“先行資本”，是農(nóng)村生產(chǎn)穩(wěn)定發(fā)展、農(nóng)業(yè)經(jīng)濟(jì)良性運(yùn)行、農(nóng)民持續(xù)創(chuàng)收增收的基礎(chǔ)條件[27]。農(nóng)業(yè)基礎(chǔ)設(shè)施如農(nóng)田水利、氣象設(shè)施、技術(shù)服務(wù)機(jī)構(gòu)、農(nóng)業(yè)機(jī)械等的建設(shè)和推廣，需要投資大量資源，政府的投資有效提高基層農(nóng)業(yè)的基礎(chǔ)設(shè)施水平，將現(xiàn)代化的科技和服務(wù)引進(jìn)農(nóng)村，有利于提升農(nóng)業(yè)生產(chǎn)的效率水平。

（3）有效灌溉率負(fù)向影響著該區(qū)域的農(nóng)業(yè)生產(chǎn)效率，相關(guān)系數(shù)為-1.179 1，提高有效灌溉水平會對三市的農(nóng)業(yè)生產(chǎn)效率產(chǎn)生反向效應(yīng)，不符合預(yù)先假說。有效灌溉率對農(nóng)業(yè)生產(chǎn)效率的影響是正向還是反向，取決于灌溉方式[28]。湖區(qū)氣候濕潤，水資源充足，長久以來一直依靠傳統(tǒng)的漫灌方式進(jìn)行農(nóng)業(yè)生產(chǎn)，灌溉方式和灌溉設(shè)備工作效率低導(dǎo)致農(nóng)業(yè)生產(chǎn)效率降低。因而推進(jìn)節(jié)水灌溉，有利于提高湖區(qū)的農(nóng)業(yè)生產(chǎn)效率。

（4）城鄉(xiāng)居民收入比負(fù)向影響著該區(qū)域的農(nóng)業(yè)生產(chǎn)效率，相關(guān)系數(shù)為-0.703 7，符合預(yù)先假說。農(nóng)業(yè)的收入效益相對第二產(chǎn)業(yè)和第三產(chǎn)業(yè)來說更低，大量的年輕勞動力和知識型勞動力向城鎮(zhèn)流動，導(dǎo)致農(nóng)村勞動力逐漸老齡化和低技能化，這樣的勞動力結(jié)構(gòu)會導(dǎo)致農(nóng)村土地閑置和農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)不足，新的農(nóng)業(yè)知識與農(nóng)業(yè)生產(chǎn)資料推廣也更加緩慢，不利于農(nóng)業(yè)資源的有效配置。因此，過高的城鄉(xiāng)居民收入比不利于提高農(nóng)業(yè)生產(chǎn)效率。

4 結(jié)論和政策建議

4.1 結(jié) 論

本文利用超效率DEA模型對湖南省環(huán)洞庭湖地區(qū)三市的農(nóng)業(yè)生產(chǎn)效率進(jìn)行測算，結(jié)果顯示益陽市的平均農(nóng)業(yè)生產(chǎn)效率在2008—2013年最高，常德市的平均農(nóng)業(yè)生產(chǎn)效率在2013—2017年最高，其中肥料投入對農(nóng)業(yè)生產(chǎn)效率的影響比較明顯。松弛率分析表明，環(huán)洞庭湖地區(qū)三市的農(nóng)業(yè)生產(chǎn)資料投入冗余現(xiàn)象較為嚴(yán)重，比較來說，常德投入冗余較小，2009—2010、2016年還存在一定程度的投入不足現(xiàn)象。過多的農(nóng)業(yè)生產(chǎn)資料投入不利于提高農(nóng)業(yè)生產(chǎn)效率，只有合理的資源配置才利于提高生產(chǎn)效率。

Malmquist指數(shù)分解結(jié)果表明，研究期內(nèi)環(huán)洞庭湖地區(qū)三市的農(nóng)業(yè)全要素生產(chǎn)率呈上升趨勢，對農(nóng)業(yè)全要素生產(chǎn)率提升影響最顯著的是技術(shù)進(jìn)步變化，大于技術(shù)效率變化和規(guī)模效率變化對農(nóng)業(yè)全要素生產(chǎn)率提升的影響。從3個城市層面來看，益陽市的農(nóng)業(yè)全要素生產(chǎn)率進(jìn)步最大，技術(shù)進(jìn)步是推進(jìn)其農(nóng)業(yè)生產(chǎn)效率提升最主要的原因。

運(yùn)用Tobit模型進(jìn)一步分析了環(huán)洞庭湖地區(qū)三市的農(nóng)業(yè)生產(chǎn)效率影響因素，發(fā)現(xiàn)城鎮(zhèn)化率、有效灌溉率和城鄉(xiāng)居民收入比反向影響該區(qū)域的農(nóng)業(yè)生產(chǎn)效率;農(nóng)林牧漁固定資產(chǎn)投資正向影響農(nóng)業(yè)生產(chǎn)效率;第一產(chǎn)業(yè)占GDP比重與農(nóng)業(yè)生產(chǎn)效率之間并無顯著關(guān)聯(lián)。

4.2 政策建議

第一，環(huán)洞庭湖地區(qū)農(nóng)業(yè)發(fā)展需要更加注重科學(xué)性和技術(shù)性，推廣集約化農(nóng)業(yè)生產(chǎn)方式，依靠科技進(jìn)步和管理水平提升來促進(jìn)農(nóng)業(yè)生產(chǎn)效率的提高。要優(yōu)化現(xiàn)有農(nóng)業(yè)科技體制，建立健全農(nóng)業(yè)科學(xué)技術(shù)推廣服務(wù)體系，并大力加強(qiáng)農(nóng)業(yè)人才隊(duì)伍建設(shè)，以推廣先進(jìn)和優(yōu)秀的農(nóng)業(yè)技術(shù)，將農(nóng)業(yè)科技成果轉(zhuǎn)化為先進(jìn)的農(nóng)業(yè)生產(chǎn)力。

第二，政府在推進(jìn)工業(yè)化和城鎮(zhèn)化的過程中需要科學(xué)引導(dǎo)勞動力轉(zhuǎn)移，保證農(nóng)村勞動力的數(shù)量與質(zhì)量，更好地推進(jìn)區(qū)域農(nóng)業(yè)現(xiàn)代化建設(shè)，提高農(nóng)業(yè)生產(chǎn)效率。農(nóng)村的農(nóng)業(yè)技術(shù)教育落后不利于農(nóng)業(yè)科學(xué)技術(shù)的廣泛傳播和利用，政府要組織開展學(xué)習(xí)農(nóng)業(yè)先進(jìn)技術(shù)和相關(guān)知識的培訓(xùn)，提高農(nóng)民的農(nóng)業(yè)生產(chǎn)技能和經(jīng)營技能，同時要提高農(nóng)民的科學(xué)文化素質(zhì)，促進(jìn)農(nóng)業(yè)生產(chǎn)的新技術(shù)和新成果在農(nóng)村的推廣。

第三，政府需加大農(nóng)業(yè)固定資產(chǎn)投資，完善和優(yōu)化農(nóng)村農(nóng)業(yè)生產(chǎn)的物質(zhì)基礎(chǔ)。農(nóng)業(yè)固定資產(chǎn)投資不僅有利于改善農(nóng)業(yè)生產(chǎn)條件，而且有利于提高農(nóng)民生活福利，推進(jìn)新型農(nóng)村的建設(shè)與發(fā)展。農(nóng)業(yè)生產(chǎn)配套基礎(chǔ)設(shè)施包括基礎(chǔ)的道路交通、電力供應(yīng)、水利灌溉等，環(huán)洞庭湖地區(qū)要加大農(nóng)業(yè)固定資產(chǎn)投資，改善農(nóng)業(yè)生產(chǎn)條件，除了要做好道路交通的建設(shè)，電力機(jī)械的供給，更要著重建設(shè)防洪減災(zāi)工程，加大灌溉水利建設(shè)投資。要保障農(nóng)業(yè)用水量，完善農(nóng)業(yè)用水管理機(jī)制，降低洪旱災(zāi)害對農(nóng)業(yè)生產(chǎn)的危害，也要合理利用水資源，推廣節(jié)水灌溉，提高水資源利用效率，促進(jìn)農(nóng)業(yè)的可持續(xù)發(fā)展。

參考文獻(xiàn)：

[1]何平均.中國農(nóng)業(yè)基礎(chǔ)設(shè)施供給效率研究[D].長沙：湖南農(nóng)業(yè)大學(xué)，2012.

[2]李英普，李子君，劉玉，等.基于隨機(jī)前沿分析的河北省糧食生產(chǎn)效率及影響因素研究[J].廣東農(nóng)業(yè)科學(xué)，2015，42（22）：156-161.

[3]白瑪雍珍.我國農(nóng)業(yè)生產(chǎn)的技術(shù)效率及其影響因素——基于SFA的實(shí)證分析[J].商業(yè)經(jīng)濟(jì)研究，2016（23）：172-174.

[4]MONCHUK D C.中國農(nóng)業(yè)生產(chǎn)非效率的影響因素分析[J].世界經(jīng)濟(jì)文匯，2009（2）：47-56，11.

[5]陳宗富，馬敏.基于數(shù)據(jù)包絡(luò)分析方法的農(nóng)業(yè)生產(chǎn)效率評價——來自西部欠發(fā)達(dá)地區(qū)170個苗族村的調(diào)查[J].生態(tài)經(jīng)濟(jì)，2016（1）：135-138.

[6]趙春蘭.基于DEA的四川省農(nóng)業(yè)生產(chǎn)效率分析[J].經(jīng)濟(jì)論壇，2017（4）：9-14.

[7]葉文忠，劉俞希.長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率及其影響因素研究[J].華東經(jīng)濟(jì)管理，2018，32（3）：83-88.

[8]余玉敏，陳萬旭，朱麗君，等.河南省農(nóng)業(yè)生產(chǎn)效率測度及影響因素[J].水土保持研究，2018（5）：272-278.

[9]王剛毅，劉杰.東北地區(qū)農(nóng)業(yè)生產(chǎn)效率測度及影響因素[J].北方園藝，2018（15）：198-208.

[10]傅麗芳，魏薇.基于面板數(shù)據(jù)廣義DEA的農(nóng)業(yè)生產(chǎn)效率綜合評價[J].統(tǒng)計(jì)與決策，2016（6）：57-59.

[11]CHARNES A， COOPER W W， RHODES E. Measuring the efficiency of decision making units[J]. European journal of operational research， 1978，2（6）： 429-444.

[12]ANDERSEN P，PETERSEN N C.A procedure for ranking efficient units in data envelopment analysis[J]. Management science，1993，39（10）：1261-1264.

[13]李姣，周翠煙，張燦明，等.基于生態(tài)足跡的湖南省洞庭湖生態(tài)經(jīng)濟(jì)區(qū)全要素生態(tài)效率研究[J].經(jīng)濟(jì)地理，2019，39（2）：199-206.

[14]焦源.山東省農(nóng)業(yè)生產(chǎn)效率評價研究[J].中國人口（資源與環(huán)境），2013（12）：105-110.

[15]傅麗芳，魏薇.基于面板數(shù)據(jù)廣義DEA的農(nóng)業(yè)生產(chǎn)效率綜合評價[J].統(tǒng)計(jì)與決策，2016（6）：57-59.

[16]余玉敏，陳萬旭，朱麗君，等.河南省農(nóng)業(yè)生產(chǎn)效率測度及影響因素[J].水土保持研究，2018，25（5）：262-268.

[17]夏斌.湖北省農(nóng)業(yè)生態(tài)效率的測算及影響因素分析[D].武漢：湖北大學(xué)，2017.

[18]湖南省統(tǒng)計(jì)局.湖南統(tǒng)計(jì)年鑒[M].北京：中國統(tǒng)計(jì)出版社，2012.

[19]湖南省統(tǒng)計(jì)局.湖南統(tǒng)計(jì)年鑒[M].北京：中國統(tǒng)計(jì)出版社，2017.

[20]王冬梅.基于DEA的串行系統(tǒng)效率評價及資源配置問題研究[D].沈陽：沈陽工業(yè)大學(xué)，2016.

[21]王剛毅，劉杰.東北地區(qū)農(nóng)業(yè)生產(chǎn)效率測度及影響因素[J].北方園藝，2018，414（15）：198-208.

[22]錢麗，肖仁橋，陳忠衛(wèi).碳排放約束下中國省際農(nóng)業(yè)生產(chǎn)效率及其影響因素研究[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理， 2013（9）：100-112.

[23]陳丹妮.中國城鎮(zhèn)化對產(chǎn)業(yè)結(jié)構(gòu)演進(jìn)影響的研究[D].武漢：武漢大學(xué)，2015.

[24]劉克非.城鎮(zhèn)化與農(nóng)業(yè)技術(shù)效率協(xié)整關(guān)系的實(shí)證研究[J].統(tǒng)計(jì)與決策，2015（9）：115-117.

[25]江光輝，王剛貞.安徽省固定資產(chǎn)投資與農(nóng)業(yè)經(jīng)濟(jì)增長關(guān)系的實(shí)證研究[J].安徽農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2016，25（5）：47-52.

[26]李健.我國城鄉(xiāng)居民收入差距的主要影響因素及對策研究[D].哈爾濱：東北農(nóng)業(yè)大學(xué)，2017.

[27]何平均.農(nóng)業(yè)基礎(chǔ)設(shè)施財政投入績效分析——基于公共財政的視角[J].農(nóng)村經(jīng)濟(jì)，2010（11）：60-63.

[28]程建平，曹湊貴，蔡明歷，等.不同灌溉方式對水稻產(chǎn)量和水分生產(chǎn)率的影響[J].農(nóng)業(yè)工程學(xué)報，2006（12）：28-33.