山東省智慧農(nóng)業(yè)生產(chǎn)效率空間格局及影響因素分析

賈舒涵，梁耀文，趙順宏，李樹超

（青島農(nóng)業(yè)大學管理學院，山東 青島 266109）

“三農(nóng)”問題一直是國家重點關注領域，農(nóng)業(yè)作為基礎性產(chǎn)業(yè)，是國民經(jīng)濟的重要組成部分，其高質量發(fā)展相對滯后。傳統(tǒng)農(nóng)業(yè)無法擺脫對傳統(tǒng)生產(chǎn)要素的依賴，難以突破我國農(nóng)業(yè)面臨的發(fā)展瓶頸，阻礙了農(nóng)業(yè)現(xiàn)代化轉型，因此需要對傳統(tǒng)農(nóng)業(yè)進行改造，轉變農(nóng)業(yè)生產(chǎn)方式。通過發(fā)展智慧農(nóng)業(yè)提高農(nóng)業(yè)生產(chǎn)效率、促進農(nóng)業(yè)經(jīng)濟增長、推動農(nóng)業(yè)高質量發(fā)展，成為加快農(nóng)業(yè)農(nóng)村現(xiàn)代化發(fā)展的有效路徑［1］。山東省是我國的人口大省、農(nóng)業(yè)大省，2020年山東省農(nóng)林牧漁業(yè)總產(chǎn)值達到10 190.6億元，成為全國首個突破萬億元省份。山東省作為農(nóng)業(yè)發(fā)展的重要省份，全面落實中央關于農(nóng)業(yè)信息化發(fā)展的指示，積極推進智慧農(nóng)業(yè)發(fā)展，加快智慧農(nóng)業(yè)大數(shù)據(jù)應用工程建設。因此本文研究山東省智慧農(nóng)業(yè)生產(chǎn)效率，衡量智慧農(nóng)業(yè)發(fā)展水平，在此基礎上探求影響其效率的關鍵因素，對智慧農(nóng)業(yè)發(fā)展具有重要的指導意義。

我國智慧農(nóng)業(yè)的發(fā)展起步晚，研究基礎較為薄弱，國內(nèi)學者的研究主要集中于智慧農(nóng)業(yè)國外發(fā)展經(jīng)驗借鑒［2－4］、我國發(fā)展現(xiàn)狀［4－6］及智慧農(nóng)業(yè)未來發(fā)展前景［7，8］等定性分析，而對智慧農(nóng)業(yè)定量研究較少，缺乏系統(tǒng)分析，少量與智慧農(nóng)業(yè)生產(chǎn)效率相關的研究主要集中在以下兩個方面：一是運用不同方法對效率進行測算，如采用BCC和CCR模型、超效率SBM模型，選取土地、勞動力、農(nóng)村移動電話數(shù)、農(nóng)村計算機擁有量、農(nóng)村用電量等指標，對效率進行測算［9－11］；二是借助調(diào)研數(shù)據(jù)進行影響因素的研究，如運用方向性距離函數(shù)對武漢地區(qū)智慧農(nóng)業(yè)效率進行測算的基礎上，從土地流轉、農(nóng)業(yè)社會化服務等方面對影響因素進行實證分析［12］。國外學者的研究多集中在智慧農(nóng)業(yè)發(fā)展前景［13，14］、環(huán)境型智慧農(nóng)業(yè)［15，16］、物聯(lián)網(wǎng)智慧農(nóng)業(yè)［17－19］等方面，其研究范圍也多為微觀，很少以地級市這類大尺度的空間為研究區(qū)域探討宏觀空間下的智慧農(nóng)業(yè)發(fā)展策略。

基于此，本文一方面以智慧農(nóng)業(yè)為切入點研究山東省農(nóng)業(yè)生產(chǎn)效率，完善智慧農(nóng)業(yè)生產(chǎn)效率評價體系；另一方面引入勞動生產(chǎn)率、農(nóng)業(yè)機械密度、城鎮(zhèn)化率等指標，對其影響因素進行分析，以期為智慧農(nóng)業(yè)發(fā)展提供借鑒。

1 數(shù)據(jù)來源與研究方法

1.1 指標體系構建

1.1.1 投入產(chǎn)出指標選取 智慧農(nóng)業(yè)是農(nóng)業(yè)生產(chǎn)方式的一種，因此用于衡量農(nóng)業(yè)生產(chǎn)效率的一些指標也同樣適用于智慧農(nóng)業(yè)生產(chǎn)效率的測算，同時在智慧農(nóng)業(yè)生產(chǎn)中生產(chǎn)者在既定的技術條件下，通過生產(chǎn)要素配置，追求和實現(xiàn)均衡狀態(tài)，既不能離開傳統(tǒng)生產(chǎn)要素，又要將技術融入農(nóng)業(yè)生產(chǎn)［7，20］?；诖耍瑓⒖家延械南嚓P研究［12，21，22］，結合研究目的、數(shù)據(jù)的可獲得性以及農(nóng)業(yè)生產(chǎn)的自身特點，本研究選取人力資本、農(nóng)資投入量、農(nóng)業(yè)機械化水平、灌溉投入、土地投入、用電投入為投入指標，其中為體現(xiàn)智慧農(nóng)業(yè)，將農(nóng)村移動通信投入、農(nóng)村互聯(lián)網(wǎng)投入、科創(chuàng)投入等納入投入指標體系，選取農(nóng)業(yè)總產(chǎn)值為產(chǎn)出指標。

表1 智慧農(nóng)業(yè)生產(chǎn)效率指標評價體系

1.1.2 影響因素的選擇 選取勞動生產(chǎn)率、財政支農(nóng)水平、農(nóng)業(yè)機械密度、農(nóng)業(yè)規(guī)?；?、種植結構、城鎮(zhèn)化率、工業(yè)化水平以及區(qū)位因素作為山東省智慧農(nóng)業(yè)生產(chǎn)效率影響因素（表2）。

表2 智慧農(nóng)業(yè)生產(chǎn)效率影響因素

其中，財政支農(nóng)水平的提高有利于促進智慧農(nóng)業(yè)生產(chǎn)效率的提高，但一方面中國財政支農(nóng)資金多運用于化肥、農(nóng)藥等生產(chǎn)要素的補貼，另一方面支持農(nóng)業(yè)技術的投入需要長時間才能收到回報，短期內(nèi)效果并不明顯，因此預判為負向；隨著經(jīng)濟快速發(fā)展，農(nóng)業(yè)生產(chǎn)結構突變，經(jīng)濟作物比重上升趨勢明顯，經(jīng)濟作物的投入遠大于糧食作物且利用率較低，因此預判種植結構影響為負向；城鎮(zhèn)化率的提高造成農(nóng)村空心化和農(nóng)業(yè)從業(yè)人員老年化，不利于智慧農(nóng)業(yè)的應用和發(fā)展，因此預判為負向。

1.2 數(shù)據(jù)來源

選擇山東省2009—2019年的數(shù)據(jù)測算智慧農(nóng)業(yè)生產(chǎn)效率并對影響因素進行分析。農(nóng)業(yè)從業(yè)人員數(shù)、農(nóng)業(yè)機械總動力、第一產(chǎn)業(yè)R＆D投入經(jīng)費、第一產(chǎn)業(yè)用電量、農(nóng)業(yè)生產(chǎn)總值等數(shù)據(jù)來源于2010—2020年山東省統(tǒng)計年鑒、山東省各地市統(tǒng)計年鑒及統(tǒng)計公報、中國統(tǒng)計年鑒、中國農(nóng)村統(tǒng)計年鑒、中國區(qū)域經(jīng)濟統(tǒng)計年鑒及中國縣域統(tǒng)計年鑒；農(nóng)業(yè)總產(chǎn)值為消除物價因素影響，以2009年不變價進行平減。

1.3 研究方法

經(jīng)典的經(jīng)濟增長理論認為，農(nóng)業(yè)增長有增加投入要素和提高生產(chǎn)效率兩種方式。增加投入要素只具備短期效應，而提高農(nóng)業(yè)生產(chǎn)效率才具備長期效應，發(fā)展智慧農(nóng)業(yè)必須依托生產(chǎn)效率的提高，因此本研究從生產(chǎn)效率的角度來評價智慧農(nóng)業(yè)發(fā)展。

傳統(tǒng)的數(shù)據(jù)包絡分析CCR和BCC模型未考慮松弛變量對效率估算產(chǎn)生的誤差，Tone提出了考慮松弛變量的SBM模型，克服角度和徑向帶來的偏差，以此來估算決策單元（DMU）的相對效率，但在實際檢驗過程中，會出現(xiàn)多個效率值為1的情況，無法對有效決策單元進行排序。2002年，Tone提出了超效率SBM模型，彌補了傳統(tǒng)DEA不能區(qū)分多個有效決策單元的缺陷。因此首先選擇非角度非徑向超效率SBM模型對山東省各地區(qū)智慧農(nóng)業(yè)生產(chǎn)效率進行測算。從山東省整體來看，假設有n個地區(qū)，每個地區(qū)有m個投入和s個產(chǎn)出，分別用投入變量x和產(chǎn)出變量y表示，根據(jù)超效率SBM模型建立表達式為：

其次，為從空間角度分析山東省智慧農(nóng)業(yè)生產(chǎn)效率變化趨勢，采用探索性空間數(shù)據(jù)分析（ESDA），通過可視化方法對數(shù)據(jù)空間分布特征、數(shù)據(jù)空間結構等進行描述，具體計算方法參見文獻［23］。

最后，在效率測算的基礎上，為探究山東省智慧農(nóng)業(yè)效率變化發(fā)展的原因，進一步分析影響智慧農(nóng)業(yè)生產(chǎn)效率的因素。由于本研究計算的效率值以0為限，具有明顯的歸并特征，因此選擇Tobit模型對山東省智慧農(nóng)業(yè)生產(chǎn)效率影響因素進行分析［24］，其表達式為：

式中被解釋變量yit為山東省第i個地區(qū)第t年的智慧農(nóng)業(yè)生產(chǎn)效率值，且值受限，yit≥0時取實際觀測值，xit為解釋變量，εit表示參數(shù)，μit是第i個地區(qū)第t年的個體效應。

2 結果與分析

2.1 山東省智慧農(nóng)業(yè)生產(chǎn)效率分析

基于規(guī)模報酬不變假設，運用MaxDea Ultra8軟件，采用非角度非徑向的超效率SBM模型，測算出山東省各地區(qū)智慧農(nóng)業(yè)生產(chǎn)效率值（表3）。

表3 山東省2009—2019年山東省智慧農(nóng)業(yè)生產(chǎn)效率值

總體來看，2009—2019年山東省智慧農(nóng)業(yè)生產(chǎn)效率均值為0.982，也就是說實際產(chǎn)出占理想產(chǎn)出的98.2%，且各效率值均達到0.8以上，處于效率良好狀態(tài)。分地區(qū)發(fā)展情況來看，威海市智慧農(nóng)業(yè)生產(chǎn)效率均值最高，達到1.379，臨沂市最低，僅為0.610。濟南、青島、東營、煙臺、濟寧、泰安、威海、日照、萊蕪、德州等市智慧農(nóng)業(yè)生產(chǎn)效率均值均達到1以上，效率較高；棗莊、濰坊、濱州、菏澤、聊城等市智慧農(nóng)業(yè)生產(chǎn)效率均值達到0.8以上，效率良好；淄博、臨沂等市智慧農(nóng)業(yè)生產(chǎn)效率較低。由此可見，山東省各地區(qū)智慧農(nóng)業(yè)生產(chǎn)效率差異較大，智慧農(nóng)業(yè)區(qū)域發(fā)展不均衡。

青島、東營、煙臺、濟寧、威海等10市智慧農(nóng)業(yè)生產(chǎn)效率較高，表明這些地區(qū)在資源利用、農(nóng)業(yè)科技發(fā)展等智慧農(nóng)業(yè)生產(chǎn)方面均取得了較好成效。臨沂、濱州、淄博、濰坊、聊城、菏澤等市智慧農(nóng)業(yè)生產(chǎn)效率低于山東省平均水平，年均值都小于1，說明這些地區(qū)存在不同程度的投入冗余。

本研究基于超效率SBM模型測算出松弛變量，分別對這些地區(qū)的年均投入調(diào)整值和年均產(chǎn)出調(diào)整值進行計算，得到表4。在保持實際產(chǎn)出不變的情況下，這些地區(qū)的農(nóng)業(yè)資源利用效率不高、農(nóng)業(yè)機械化發(fā)展水平相對較低以及對農(nóng)業(yè)科技發(fā)展重視不夠，特別是農(nóng)業(yè)機械化、農(nóng)村移動電話、互聯(lián)網(wǎng)以及第一產(chǎn)業(yè)R＆D投入經(jīng)費利用效率較低，在推動智慧農(nóng)業(yè)發(fā)展方面有較大的提升空間。

表4 2009—2019年山東省智慧農(nóng)業(yè)生產(chǎn)效率較低地區(qū)年均投入產(chǎn)出優(yōu)化調(diào)整

2.2 山東省智慧農(nóng)業(yè)生產(chǎn)效率空間格局分布

運用ESDA方法，根據(jù)前文計算結果，借助ArcGIS10.2軟件，分別將山東省各地區(qū)智慧農(nóng)業(yè)生產(chǎn)效率劃分為3個等級來對比，選取2010、2013、2016和2018年山東省各地區(qū)生產(chǎn)效率值，繪制各地區(qū)智慧農(nóng)業(yè)生產(chǎn)效率分布圖。

由圖1可知，2010年山東省智慧農(nóng)業(yè)生產(chǎn)效率較低地區(qū)主要有聊城、菏澤、淄博、濰坊、臨沂5個地區(qū)，約占全省總數(shù)的29.4%，主要分布在山東省中部和西南部；效率較高地區(qū)主要有濟南、青島、煙臺、威海等11個地區(qū)，約占全省總數(shù)的64.7%，這表明山東省智慧農(nóng)業(yè)發(fā)展基礎較為良好。2013年山東省智慧農(nóng)業(yè)生產(chǎn)效率整體比2010年有小幅度提升，到2018年山東省智慧農(nóng)業(yè)生產(chǎn)效率較低地區(qū)下降為4個，且主要分布在中部地區(qū)。由此來看，2009—2019年山東省智慧農(nóng)業(yè)生產(chǎn)效率，在空間上明顯呈現(xiàn)東西地區(qū)高中間地區(qū)低的分布格局，各地區(qū)智慧農(nóng)業(yè)生產(chǎn)低效率和中等效率地區(qū)有所減少，效率較高地區(qū)有向西南部擴大的趨勢，低值區(qū)域集中在中部地區(qū)，智慧農(nóng)業(yè)生產(chǎn)效率整體呈逐漸上升態(tài)勢。

圖1 山東省各地區(qū)智慧農(nóng)業(yè)生產(chǎn)效率分布

2.3 山東省智慧農(nóng)業(yè)生產(chǎn)效率空間格局變化趨勢

利用ArcGIS 10.2軟件的趨勢分析工具，選取2010、2013、2016、2018年山東省各地區(qū)智慧農(nóng)業(yè)生產(chǎn)效率作為Z值，X、Y值分別為正東、正北方向，生成三維趨勢圖（圖2）。

圖2 山東省智慧農(nóng)業(yè)生產(chǎn)效率空間分布趨勢

2010、2013、2016、2018年山東省智慧農(nóng)業(yè)生產(chǎn)效率空間分布趨勢較為相似，自西向東呈先下降后上升態(tài)勢，即山東省西部和東部地區(qū)生產(chǎn)效率較高，中部地區(qū)生產(chǎn)效率較低。南北方向上呈現(xiàn)自南向北先下降后升高的態(tài)勢，其中2013年山東南部和北部地區(qū)生產(chǎn)效率變化幅度較大。綜上所述，山東省智慧農(nóng)業(yè)生產(chǎn)效率存在明顯的空間差異特征，整體呈現(xiàn)“東西方向和南北方向先下降后升高”的空間格局變化趨勢。

2.4 山東省智慧農(nóng)業(yè)生產(chǎn)效率影響因素分析

為了更好地考察智慧農(nóng)業(yè)生產(chǎn)效率的影響因素，本文選擇3個模型進行對比分析，結果如表5所示。通過LR檢驗模型是否存在個體效應，原假設為不存在個體效應，即“H0：σu＝0”，經(jīng)檢驗3個模型的LR結果均強烈拒絕原假設，說明3個模型均存在個體效應，選用隨機效應面板Tobit模型是正確的。

表5 山東省智慧農(nóng)業(yè)生產(chǎn)效率影響因素模型估計結果

回歸（1）主要檢驗勞動生產(chǎn)率與智慧農(nóng)業(yè)生產(chǎn)效率之間是否存在“正U形”庫茲涅茨曲線關系。結果表明，勞動生產(chǎn)率與智慧農(nóng)業(yè)生產(chǎn)效率之間存在“正U型”曲線關系。在智慧農(nóng)業(yè)發(fā)展水平較低時，大部分生產(chǎn)者對智慧農(nóng)業(yè)的了解并不深入，單純追求農(nóng)業(yè)產(chǎn)出的提高，將過量的技術投入到農(nóng)業(yè)生產(chǎn)中，導致其更傾向于采取粗放經(jīng)營模式；當智慧農(nóng)業(yè)發(fā)展到一定程度時，一方面技術支撐的作用明顯增強，另一方面粗放經(jīng)營模式的弊端也逐漸顯現(xiàn)，農(nóng)業(yè)生產(chǎn)者的意識隨之改變，促使他們選擇集約化、規(guī)?；⑸鷳B(tài)化的農(nóng)業(yè)發(fā)展方式，進而促進農(nóng)業(yè)生產(chǎn)效率的提高。

回歸（2）主要檢驗直接因素對智慧農(nóng)業(yè)生產(chǎn)效率的影響。從結果來看，財政支農(nóng)水平在10%水平上顯著且影響為負，這是由于一方面支持農(nóng)業(yè)技術的投入需要長時間才能收到回報，短期內(nèi)效果并不明顯，另一方面我國財政支農(nóng)的利用效率較低，沒有真正發(fā)揮促進作用，這與呂煒等［25］的研究結論一致。農(nóng)業(yè)機械密度在1%水平上顯著為正，這說明農(nóng)業(yè)機械密度能夠顯著促進智慧農(nóng)業(yè)生產(chǎn)效率的提升，農(nóng)業(yè)的基礎設施主要是指農(nóng)機設備［26］，良好的農(nóng)業(yè)基礎設施是發(fā)展智慧農(nóng)業(yè)的基礎。種植結構在1%水平上顯著為負，說明種植結構的變動會顯著降低智慧農(nóng)業(yè)生產(chǎn)效率。山東省近年來經(jīng)濟快速發(fā)展，農(nóng)作物種植結構迅速變化，經(jīng)濟作物的比重上升，在一定程度上保證了農(nóng)民的收入，但技術水平的限制會促使農(nóng)民采用粗放式經(jīng)營方式，從而降低農(nóng)業(yè)生產(chǎn)效率。農(nóng)業(yè)規(guī)?；酵ㄟ^了10%水平的顯著性水平檢驗，且對智慧農(nóng)業(yè)生產(chǎn)效率的影響呈正向效應，這說明農(nóng)業(yè)規(guī)模化發(fā)展有利于山東省智慧農(nóng)業(yè)生產(chǎn)效率提高。

回歸（3）主要檢驗間接因素對智慧農(nóng)業(yè)生產(chǎn)效率的影響。城鎮(zhèn)化率在1%水平上顯著為正，城鎮(zhèn)化水平高，會促進城市先進技術向農(nóng)村擴散，顯著促進農(nóng)業(yè)生產(chǎn)技術水平的提高，從而促進智慧農(nóng)業(yè)生產(chǎn)效率增長；工業(yè)化水平在10%水平上顯著，且對智慧農(nóng)業(yè)生產(chǎn)效率的影響為正，說明工業(yè)化發(fā)展帶來科學技術水平的提升，帶動農(nóng)業(yè)先進技術發(fā)展，從而促進農(nóng)業(yè)生產(chǎn)效率的提高。同時檢驗魯東、魯西、魯中三個區(qū)位因素對智慧農(nóng)業(yè)生產(chǎn)效率的影響，區(qū)位因素通過了1%水平的顯著性檢驗，說明不同的地區(qū)農(nóng)業(yè)生產(chǎn)效率之間存在溢出或集聚效應。

3 結論與建議

3.1 結論

本研究基于2009—2019年山東省智慧農(nóng)業(yè)投入與產(chǎn)出的相關統(tǒng)計數(shù)據(jù)，運用超效率SBM模型對山東省智慧農(nóng)業(yè)生產(chǎn)效率進行測算，并研究了智慧農(nóng)業(yè)生產(chǎn)效率分布的空間格局及演化趨勢，最后利用Tobit回歸分析其影響因素，結果表明：

（1）2009—2019年間，山東省智慧農(nóng)業(yè)生產(chǎn)效率總體呈上升趨勢，但地區(qū)間發(fā)展不均衡。濟南、青島、東營等10市智慧農(nóng)業(yè)生產(chǎn)效率均值大于1，處于效率較高地區(qū)；棗莊、濰坊、聊城、菏澤4市智慧農(nóng)業(yè)生產(chǎn)效率平均值在0.8～1.0之間，屬于效率良好地區(qū)；淄博市和臨沂市智慧農(nóng)業(yè)生產(chǎn)效率平均值小于0.8，處于效率較低地區(qū)。

（2）研究期內(nèi)，山東省智慧農(nóng)業(yè)生產(chǎn)效率整體呈逐漸上升態(tài)勢，但存在明顯的空間差異特征，整體呈現(xiàn)東西方向和南北方向先下降后升高的空間格局變化趨勢。

（3）從山東省各地區(qū)智慧農(nóng)業(yè)生產(chǎn)效率的影響因素分析結果看，技術進步與智慧農(nóng)業(yè)生產(chǎn)效率之間存在“倒U型”庫茲涅茨曲線關系，農(nóng)業(yè)機械密度、農(nóng)業(yè)規(guī)?；健⒊擎?zhèn)化率、工業(yè)化水平分別在1%、5%、1%、10%統(tǒng)計水平上與智慧農(nóng)業(yè)生產(chǎn)效率呈顯著正相關，這說明農(nóng)業(yè)機械化水平、農(nóng)業(yè)規(guī)模化水平、城鎮(zhèn)化水平、工業(yè)化水平越高，山東省智慧農(nóng)業(yè)生產(chǎn)效率越高；財政支農(nóng)水平和種植結構分別在10%和1%的統(tǒng)計水平上與智慧農(nóng)業(yè)生產(chǎn)效率呈顯著負相關，這說明財政支農(nóng)水平與種植結構變化會在很大程度上降低山東省智慧農(nóng)業(yè)生產(chǎn)效率；區(qū)位因素通過了1%水平的顯著性檢驗，說明不同地區(qū)農(nóng)業(yè)生產(chǎn)效率之間存在溢出或集聚效應。

3.2 政策建議

（1）加快落后地區(qū)農(nóng)業(yè)基礎設施建設，縮小地區(qū)間發(fā)展差異。一方面，政府部門應加大對智慧農(nóng)業(yè)發(fā)展較為落后地區(qū)的農(nóng)業(yè)扶持，通過扶持政策、專項資金等手段優(yōu)化農(nóng)業(yè)基礎設施建設，并通過資金補貼等形式降低設備購置成本，鼓勵農(nóng)民積極使用現(xiàn)代化農(nóng)機設備；另一方面，加強農(nóng)村網(wǎng)絡信息基礎設施建設，努力為山東省智慧農(nóng)業(yè)發(fā)展打下堅實的基礎。

（2）根據(jù)本研究，農(nóng)業(yè)技術進步對山東省智慧農(nóng)業(yè)生產(chǎn)效率影響顯著。首先，應加強科技研發(fā)投入，加大對農(nóng)業(yè)高新技術研發(fā)及農(nóng)業(yè)高新技術成果轉化的投入力度。其次，要重視智慧農(nóng)業(yè)生產(chǎn)基地和科研部門的聯(lián)合協(xié)作，根據(jù)一線農(nóng)業(yè)生產(chǎn)者的需求，在提高科研成果轉化率的同時進一步提高農(nóng)業(yè)生產(chǎn)的智慧化程度。