基于DEA模型的江蘇省農(nóng)業(yè)機械化效率分析

劉蔚然 劉 婷

（南京財經(jīng)大學紅山學院，江蘇 南京 210000）

0 引言

隨著我國城鎮(zhèn)化程度不斷提升，農(nóng)村勞動力持續(xù)向城鎮(zhèn)轉移，農(nóng)村人口老齡化問題進一步加劇，人口紅利逐步消失，這對我國的農(nóng)業(yè)可持續(xù)發(fā)展和糧食安全構成了一定程度的威脅。要想實現(xiàn)農(nóng)業(yè)產(chǎn)量的不斷增長，解決農(nóng)村勞動力不足問題，提高農(nóng)業(yè)生產(chǎn)效率，就必須促進傳統(tǒng)農(nóng)業(yè)向現(xiàn)代農(nóng)業(yè)轉變，提高農(nóng)業(yè)機械化水平。農(nóng)業(yè)機械化是農(nóng)業(yè)現(xiàn)代化的重要組成部分。習近平總書記強調(diào)，要把發(fā)展農(nóng)業(yè)科技放在更加突出的位置，大力推進農(nóng)業(yè)機械化、智能化，給農(nóng)業(yè)現(xiàn)代化插上科技的翅膀。沒有農(nóng)業(yè)機械化，就沒有農(nóng)業(yè)農(nóng)村現(xiàn)代化。農(nóng)業(yè)機械化是提高農(nóng)業(yè)綜合生產(chǎn)力的基礎，是推進農(nóng)業(yè)農(nóng)村現(xiàn)代化的必要手段，是實施鄉(xiāng)村振興戰(zhàn)略和保障糧食安全的重要支撐。

江蘇省是農(nóng)業(yè)大省，是我國重要的糧食主產(chǎn)區(qū)。江蘇省農(nóng)業(yè)機械化水平發(fā)展總體水平較高，但還存在一些矛盾和問題亟須破解。例如，部分農(nóng)作物品種多、規(guī)模小，不適合機械化作業(yè)；部分地區(qū)農(nóng)業(yè)機械裝備有效供給不足，低端農(nóng)機裝備過剩，高端農(nóng)機供給不足；當?shù)厝狈ν菩修r(nóng)業(yè)機械化的基礎條件建設，導致農(nóng)機作業(yè)難、保管難、維修難。要解決這些矛盾和問題，相關部門就需要加大工作力度?；诖耍P者在分析江蘇省農(nóng)業(yè)機械發(fā)展水平和農(nóng)業(yè)機械化效率的基礎上，提出解決問題的措施和方法。

1 文獻綜述

目前，已有不少學者對我國農(nóng)業(yè)機械化效率進行研究并發(fā)表了文獻。王明芳等［1］較早探討了農(nóng)業(yè)機械化的相關問題。余世勇等［2］運用DEA-Windows模型對我國31個?。ㄗ灾螀^(qū)、直轄市）的農(nóng)業(yè)機械化效率進行分析，研究發(fā)現(xiàn)我國農(nóng)業(yè)機械化效率處于較低水平且區(qū)域差距大，需要注重農(nóng)業(yè)機械的充分利用及機械化效率的提高。曹衛(wèi)華等［3］運用DEA-Tobit兩步法分析了江蘇省部分地區(qū)農(nóng)業(yè)機械化生產(chǎn)模式的效率。虞松波等［4］、王丹等［5］均研究了農(nóng)業(yè)機械化對糧食生產(chǎn)效率的影響。也有不少學者探討了農(nóng)業(yè)機械化效率對水稻、小麥、玉米、甘蔗、油菜和棉花等農(nóng)作物產(chǎn)量的影響。

現(xiàn)有的研究側重于對農(nóng)業(yè)機械化發(fā)展影響因素的研究，以及對農(nóng)業(yè)生產(chǎn)效率、農(nóng)業(yè)能源使用效率、糧食和棉花等農(nóng)作物農(nóng)業(yè)機械化效率的分析，關于近年的省域、市域?qū)用娴霓r(nóng)業(yè)機械化效率的研究相對較少。為有效測度江蘇省近年的農(nóng)業(yè)機械化效率情況，筆者利用數(shù)據(jù)包絡分析法（DEA），選取相應的投入產(chǎn)出指標，對江蘇省9個地級市2015—2020年農(nóng)業(yè)機械化效率評估，并針對實證研究結果，提出提高江蘇省農(nóng)業(yè)機械化水平的建議。

2 實證研究及分析

2.1 方法介紹及指標選取

數(shù)據(jù)包絡分析法（DEA）是一種重要的效率研究方法。該方法建立在相對效率評價的基礎之上，對每個決策單元（DMU）投入產(chǎn)出指標進行權重賦值，確定生產(chǎn)前沿面，以判斷各決策單元DEA是否有效，并指出改進的方向。該方法適用于多投入、多產(chǎn)出、較為復雜的單元績效評價，不需要建立相關函數(shù)，也不需要人為設置相關指標權重，在縮小誤差、精簡算法等方面有著一定的優(yōu)越性。Charnes等［6］提出了經(jīng)典的DEA-CCR模型，但CCR模型建立在規(guī)模報酬不變的假設基礎上，在實際應用中有著較大的局限性。因此，許多學者根據(jù)研究需要，不斷改進傳統(tǒng)的DEA方法，提出各種模型，如BCC模型、FG模型、ST模型等［7］。改進后的DEA模型被廣泛應用于企業(yè)管理、城市建設、金融行業(yè)、農(nóng)業(yè)領域等。在綜合相關學者研究成果的基礎上，筆者運用DEA-BCC模型對江蘇省農(nóng)業(yè)機械化效率進行研究。相較于CCR模型，BCC模型更考慮生產(chǎn)經(jīng)營活動中的多種不確定因素，放寬規(guī)模報酬不變的假設，并將綜合技術效率進一步分成純技術效率和規(guī)模效率。在規(guī)模報酬可變的條件下，假設有n個決策單元，設投入要素數(shù)量為m，產(chǎn)出要素數(shù)量為s，（xji，yrj）表示第j決策單元的第i種投入要素和第r種產(chǎn)出組合，Vi和Ur分別表示投入要素與產(chǎn)出要素的權重，u0反映規(guī)模情況（u0＞0，表示決策單元規(guī)模報酬遞減；u0＜0，表示決策單元規(guī)模報酬遞增；u0=0，表示決策單元規(guī)模報酬不變），則投入產(chǎn)出向量組可表示為

對于任意決策單元k，其效率可表示為

式（1）（2）（3）（4）（5）中：Ur>0，Vi>0；r=1，2，…，s；i=1，2，…，m；j=1，2，…，n。

綜合相關文獻，為保證投入產(chǎn)出指標選取的綜合性、客觀性、可比性，筆者選取農(nóng)業(yè)機械總動力（萬kW）、大中型拖拉機數(shù)量（臺）、聯(lián)合收割機數(shù)量（臺）作為投入指標，將農(nóng)業(yè)產(chǎn)值（億元）作為產(chǎn)出指標。因各市年鑒統(tǒng)計項目不一致，最終選定南京市、蘇州市、無錫市、常州市、鎮(zhèn)江市、泰州市、徐州市、宿遷市和淮安市9個市的數(shù)據(jù)作為研究樣本。所有數(shù)據(jù)均來自各市的統(tǒng)計年鑒。

2.2 實證結果分析

運用DEAP2.1軟件對江蘇省9個地級市的農(nóng)業(yè)機械化投入產(chǎn)出數(shù)據(jù)進行分析，各市的效率均值如表1所示。

表1 2015—2020年江蘇省9個地級市農(nóng)業(yè)機械化效率

由表1可知，江蘇省9個地級市2015—2020年的農(nóng)業(yè)機械化綜合技術效率、純技術效率和規(guī)模效率的均值分別是0.881、0.979和0.900，說明江蘇省9個市的農(nóng)業(yè)機械化水平整體較高。目前，淮安市的農(nóng)業(yè)機械化綜合技術效率、純技術效率和規(guī)模效率已經(jīng)達到最優(yōu)狀態(tài)，各效率指標的歷年均值均為1.000，規(guī)模收益保持不變。除常州市、淮安市外，其他城市的農(nóng)業(yè)規(guī)模收益均為遞增，說明各市的農(nóng)業(yè)機械化水平逐步提升，若各市在原有投入的基礎上能適當增加投入量，產(chǎn)出量將會有更高比例的增加，農(nóng)業(yè)機械的利用效率也會越來越高。常州市的農(nóng)業(yè)機械化規(guī)模效益為遞減，說明僅僅在原有投入的基礎上增加投入量，不會帶來更高的產(chǎn)出，此時沒有增加決策單元投入量的必要。因此，常州市要結合自身的農(nóng)業(yè)生產(chǎn)和農(nóng)業(yè)機械的實際情況，調(diào)整相關農(nóng)業(yè)資源的投入組合，合理分配，優(yōu)化農(nóng)業(yè)生產(chǎn)布局，從而進一步提高農(nóng)業(yè)機械化效率。

從各個效率指標看，9個市的機械化效率水平呈現(xiàn)一定的差異。3個指標中，綜合技術效率的均值最低，只有0.881，說明江蘇省農(nóng)業(yè)機械化水平整體還有一定的上升空間。9個市中，只有淮安市的綜合技術效率值達到1.000，宿遷市和徐州市的綜合技術效率水平還處于較低水平，分別為0.660和0.649，說明這2個城市的農(nóng)業(yè)機械化水平和其他城市相比還有較大的提升空間。各市的純技術效率均值為0.979，均值水平較高，其中南京市、常州市、徐州市和淮安市的純技術效率均值處于最優(yōu)狀態(tài)，鎮(zhèn)江市的純技術效率值較低，為0.887。從規(guī)模效率看，依舊是宿遷市和徐州市的規(guī)模效率水平較低，歷年均值低于0.700，而其他城市的規(guī)模效率均值都在0.900以上。從數(shù)據(jù)結果看，宿遷市和徐州市應一進步加大農(nóng)業(yè)機械的投入，提高農(nóng)業(yè)機械化水平和農(nóng)業(yè)機械化規(guī)模。

3 提高江蘇省農(nóng)業(yè)機械化水平的建議

3.1 推動農(nóng)業(yè)基礎設施宜機化建設

從實證數(shù)據(jù)可以看出，江蘇省部分城市農(nóng)業(yè)機械化規(guī)模效率較低導致了農(nóng)業(yè)綜合技術效率的降低，說明發(fā)展規(guī)模農(nóng)業(yè)、優(yōu)化區(qū)域農(nóng)業(yè)布局、推進農(nóng)業(yè)專業(yè)化生產(chǎn)，即推動農(nóng)業(yè)基礎設施宜機化建設十分有必要。第一，相關部門要進一步引導土地規(guī)模經(jīng)營，在把握好適度原則的基礎上，確定當?shù)赝恋匾?guī)模經(jīng)營的標準，通過完善土地流轉機制，鼓勵土地經(jīng)營權流轉、代耕代種、生產(chǎn)托管等，發(fā)展多形式的規(guī)模經(jīng)營。第二，相關部門要完善各項配套服務，促進農(nóng)村土地經(jīng)營權流轉、交易的規(guī)范化。第三，相關部門要建立健全監(jiān)督與風險防范制度，提高土地流轉準入門檻，保護流轉雙方的權益，為農(nóng)業(yè)基礎設施宜機化建設提供保障。

3.2 加大農(nóng)業(yè)機械化的投入力度

研究結果顯示，江蘇省有7個市的農(nóng)業(yè)機械化規(guī)模收益呈現(xiàn)遞增態(tài)勢，說明加大農(nóng)業(yè)機械化的投入可以進一步提升農(nóng)業(yè)機械化效率。第一，相關部門要繼續(xù)加大對農(nóng)業(yè)機械化的資金投入，發(fā)揮補貼資金效益，通過增加農(nóng)業(yè)機械燃油補貼、優(yōu)化補貼機具分類分檔擴大補貼機具種類和范圍等方式持續(xù)加大農(nóng)機購置補貼力度。第二，相關部門可以創(chuàng)新農(nóng)業(yè)機械扶持手段，在財政補貼的基礎上，適度引入更多的社會資金進入農(nóng)機領域，完善對大中型農(nóng)機的貸款、擔保、融資租賃管理方法，減輕農(nóng)民購機負擔。第三，相關部門要完善農(nóng)業(yè)機械的報廢更新制度，如以舊換新、增加補貼等方式，加快農(nóng)業(yè)機械的更新?lián)Q代，并促進新型、高端大型機械的發(fā)展。

3.3 開展農(nóng)機人才培育行動

當前形勢下，推廣智能化、復合型農(nóng)業(yè)機械是進一步提高農(nóng)業(yè)生產(chǎn)效率、提升農(nóng)業(yè)機械化水平的必然選擇。農(nóng)業(yè)機械操作人員的素質(zhì)水平是影響農(nóng)業(yè)機械運作效率、作業(yè)效益和使用壽命的關鍵因素。因此，實施農(nóng)機人才培育行動是提高農(nóng)業(yè)機械化效率的重要保障和支撐。農(nóng)機人才的培育要堅持“農(nóng)教聯(lián)合”培養(yǎng)方式，進一步創(chuàng)新“所校聯(lián)動”的合作機制，針對農(nóng)業(yè)院校學生提供農(nóng)機培訓、考證、繼續(xù)教育等服務，全方位拓展人才輸送渠道，引導大學生更多地關注農(nóng)機、扎根基層、服務農(nóng)業(yè)。

3.4 完善現(xiàn)代服務，推動數(shù)智農(nóng)機應用

江蘇省農(nóng)業(yè)機械化效率的進一步提升離不開信息技術的支持。相關部門應充分利用各種技術手段，構建共創(chuàng)、共享、共用的新型服務體系，進一步整合農(nóng)機研發(fā)、推廣、作業(yè)、維修服務平臺，積極示范推廣新技術、新裝備。此外，相關部門要進一步圍繞數(shù)字化、智能化、智慧化的目標，加快培育農(nóng)機作業(yè)、維修、供應等服務市場，推動數(shù)智農(nóng)機在農(nóng)村各類農(nóng)業(yè)場所的實際應用，推進江蘇省農(nóng)業(yè)機械化水平的進一步提升。