考慮非期望產(chǎn)出與外部管理環(huán)境下的農(nóng)業(yè)生產(chǎn)效率及其地區(qū)分異研究

孫吳婕 王蕾

摘要：將非期望產(chǎn)出納入考量，并剝離外部環(huán)境的影響，利用改進(jìn)的三階段DEA模型測(cè)算2015—2019年全國(guó)農(nóng)業(yè)生產(chǎn)效率，并分析地區(qū)分異。結(jié)果表明，外部環(huán)境因素顯著影響農(nóng)業(yè)生產(chǎn)效率。農(nóng)民人均可支配收入提高土地和灌溉要素的配置，城鎮(zhèn)化水平促進(jìn)機(jī)械、勞動(dòng)力和化肥等投入的生產(chǎn)效率，地方財(cái)政農(nóng)林水事務(wù)支出的過度投資不利于農(nóng)業(yè)生產(chǎn)效率提高，較高的教育水平可提升農(nóng)戶對(duì)機(jī)械、土地等要素的管控能力，工業(yè)化發(fā)展帶動(dòng)農(nóng)業(yè)機(jī)械作業(yè)。剝離外部環(huán)境干擾后，全國(guó)農(nóng)業(yè)生產(chǎn)效率發(fā)生了顯著變化，5年內(nèi)的綜合效率均值提高了0.07，純技術(shù)效率提高了0.05，規(guī)模效率降低了0.01。將第三階段全國(guó)農(nóng)業(yè)生產(chǎn)效率分為4個(gè)類型，中部的效率“高高型”居多且分布均衡；東部次之，但存在輕微的發(fā)展失衡現(xiàn)象，部分地區(qū)長(zhǎng)期為“低低型”；西部的效率分布極度不均衡，“高高型”和“低低型”間兩極分化嚴(yán)重?；诖耍瑥耐獠凯h(huán)境和地域特征兩個(gè)角度提出推進(jìn)農(nóng)業(yè)建設(shè)的策略。

關(guān)鍵詞：農(nóng)業(yè)生產(chǎn)效率；非期望產(chǎn)出；外部環(huán)境；三階段DEA模型；SBM模型

中圖分類號(hào)：F323；F224 ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：0439-8114（2023）11-0214-07

DOI：10.14088/j.cnki.issn0439-8114.2023.11.037 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Study on agricultural production efficiency and its regional differentiation under the environment of unexpected output and external management

SUN Wu-jiea，WANG Leia，b

（a.School of Business；b.Research Center for Systems Engineering and Management Innovation，Hohai University，Changzhou ?213022，Jiangsu，China）

Abstract：Taking the unexpected output into account and stripping the impact of the external environment， the improved three-stage DEA model was used to calculate the national agricultural production efficiency from 2015 to 2019， and the regional differentiation was analyzed. The results showed that the external environmental factors had a significant impact on agricultural production efficiency. The per capita disposable income of farmers improved the allocation of land and irrigation factors， the urbanization level improved the operation efficiency of machinery， labor and chemical fertilizer， the local financial expenditure on agriculture， forestry and water affairs was not conducive to agricultural production efficiency， the improvement of education level promoted farmers ability to control machinery， land and other factors， and the development of industrialization drove the operation of agricultural machinery. After stripping the external environmental interference， the national agricultural production efficiency had changed significantly. The average comprehensive efficiency in five years had increased by 0.07， the pure technical efficiency had increased by 0.05 and the scale efficiency had decreased by 0.01. In the third stage， the national agricultural production efficiency was divided into four types. The efficiency “high high type” in the middle was mostly and evenly distributed； the east was second， but there was a slight imbalance in development， and some areas had been “l(fā)ow low type” for a long time； the efficiency distribution in the west was extremely uneven， and the polarization between “high high type” and “l(fā)ow low type” was serious.Based on this， the strategies were put forward to promote the agricultural construction from the perspectives of external environment and regional characteristics.

Key words：agricultural production efficiency； unexpected output； external environment； three-stage DEA model；SBM model

截至2021年，中共中央連續(xù)18年聚焦“三農(nóng)”問題，強(qiáng)調(diào)加快推進(jìn)農(nóng)業(yè)現(xiàn)代化。得益于中國(guó)的政策扶持，近年來農(nóng)業(yè)農(nóng)村發(fā)展取得歷史性成就，然而，在糧食產(chǎn)量呈上升態(tài)勢(shì)的同時(shí)，農(nóng)業(yè)生產(chǎn)過程中也引發(fā)了不可忽略的環(huán)境污染。據(jù)《第二次全國(guó)污染源普查公報(bào)》顯示，中國(guó)農(nóng)業(yè)面源污染日趨嚴(yán)重。因此，在保護(hù)環(huán)境的剛性約束下，如何保障中國(guó)農(nóng)業(yè)的可持續(xù)發(fā)展是推進(jìn)農(nóng)業(yè)建設(shè)過程中必須解決的問題。

農(nóng)業(yè)生產(chǎn)效率是研究的焦點(diǎn)，備受國(guó)內(nèi)外學(xué)者關(guān)注。就研究方法而言，Charnes等［1］基于Farrell［2］的模型正式提出DEA模型。隨后，F(xiàn)ried等［3］認(rèn)為原始模型未考慮環(huán)境因素與隨機(jī)噪聲對(duì)決策單元（DMU）的干擾，進(jìn)而提出了三階段DEA模型。既有學(xué)者借鑒國(guó)外研究，采用三階段DEA模型對(duì)農(nóng)業(yè)生產(chǎn)效率進(jìn)行測(cè)算，研究發(fā)現(xiàn)剔除環(huán)境因素后，效率發(fā)生明顯變化［4-6］?？紤]到三階段DEA模型仍有缺陷，如在測(cè)量有差異的DMU時(shí)產(chǎn)生更大的調(diào)整誤差，無法排除外部隨機(jī)誤差的影響等［7，8］，孟曉霞等［7］、陳池波等［8］、劉宏笪等［9］運(yùn)用不同方法修正了三階段DEA模型，使測(cè)算結(jié)果更真實(shí)。然而，修正的三階段DEA模型解決了外部隨機(jī)誤差對(duì)生產(chǎn)效率的干擾，但未將非期望產(chǎn)出納入產(chǎn)出的范疇。若要得出更科學(xué)的結(jié)果，須納入非合意產(chǎn)出，運(yùn)用SBM模型測(cè)算農(nóng)業(yè)生產(chǎn)效率。從環(huán)境因素來看，學(xué)者們從不同的方面選取環(huán)境指標(biāo)對(duì)農(nóng)業(yè)生產(chǎn)效率的影響因素進(jìn)行了分析，但由于方法不同，研究結(jié)論存在差異。如高帆［10］用DEA-ML指數(shù)分析發(fā)現(xiàn)1992—2012年農(nóng)業(yè)財(cái)政支出占比有利于全國(guó)農(nóng)業(yè)全要素生產(chǎn)率的提高，而在對(duì)相似時(shí)空范圍的農(nóng)業(yè)生產(chǎn)效率測(cè)量時(shí)，宋科艷等［11］得到了相反的結(jié)論。

綜上，為剔除外部環(huán)境的影響，學(xué)者們借助三階段DEA模型測(cè)量了農(nóng)業(yè)生產(chǎn)效率，他們的研究成果為本研究提供了重要的借鑒思路，但仍然沒能考慮到以下幾個(gè)方面：第一，鮮有學(xué)者考慮到農(nóng)膜殘留、氮磷流失等非期望產(chǎn)出，缺乏將SBM模型引入三階段DEA模型的實(shí)證研究；第二，學(xué)者們對(duì)外部環(huán)境因素進(jìn)行分析時(shí)，使用不同的效率測(cè)度方法，常得出不同的結(jié)論。因此，在把非期望產(chǎn)出納入三階段DEA模型后，環(huán)境因素對(duì)生產(chǎn)效率的作用機(jī)制是否與前人研究一致，仍須進(jìn)一步分析。因此，本研究選取2015—2019年的省際數(shù)據(jù)，依托改進(jìn)的三階段DEA模型，此模型的創(chuàng)新之處在于將非期望產(chǎn)出納入中國(guó)農(nóng)業(yè)生產(chǎn)效率的測(cè)量之中，最終為中國(guó)進(jìn)一步優(yōu)化農(nóng)業(yè)生產(chǎn)資源配置，改善相關(guān)管理措施提供依據(jù)。

1 研究方法與指標(biāo)選取

1.1 研究方法

本研究采用Fried等［3］提出的三階段DEA模型，此模型通過分離環(huán)境因素等對(duì)效率的干擾，實(shí)現(xiàn)對(duì)DMU效率水平的有效估量?；趯?duì)農(nóng)業(yè)生產(chǎn)過程中產(chǎn)生了大量污染這一現(xiàn)狀的考量，本研究將非期望SBM模型引入其中，該模型由Tone等［12，13］在傳統(tǒng)DEA模型基礎(chǔ)上提出。修正后的模型由如下三個(gè)階段構(gòu)成。

第一階段：除了將非期望產(chǎn)出納入考量，為比較諸多個(gè)處于生產(chǎn)前沿面的DMU，本研究選擇了Super-SBM模型。假定DMU有N個(gè)，F(xiàn)個(gè)投入變量，[Z]個(gè)期望產(chǎn)出變量和W個(gè)非期望產(chǎn)出變量，則此模型可表達(dá)為：

[γ=min1+1Fo=1fS-oxoq1-1Z+W（u=1ZS+uyuq+v=1WSc-vcvq）] ? ? （1）

s.t. ?[g=1，g≠gqNxgσg-S-≤xq（o=1，…，f）g=1，g≠gqNygσg+S-≥yq（u=1，…，Z）g=1，g≠gqNcgσg-Sc-≤cq（v=1，…，W）1-1Z+W（u=1ZS+uuuq+v=1WSc-vccq）>0σg、S-o、S+u、Sc-v≥0（g=1，…，N，g≠gq）] （2）

式中，[γ]表示綜合技術(shù)效率，包含純技術(shù)效率和規(guī)模效率兩部分；[S-o]為投入松弛量，[S+u]為期望產(chǎn)出的松弛變量，[Sc-v]為非期望產(chǎn)出的松弛量；[σg]為強(qiáng)度變量；[xq]、[yq]、[cq]為[DMUq]的投入、產(chǎn)出、非期望變量；如果[S-]、[S+]、[Sc-]互不相等，則[γ不為]1，代表DMU無效率；如果[S-]、[S+]、[Sc-]三者相等，則DMU有效。

第二階段：在剝離外部環(huán)境與統(tǒng)計(jì)噪聲等對(duì)效率干擾時(shí)，學(xué)者們普遍采用相似SFA模型進(jìn)行這一操作，公式如下：

[Sfj=f（Aj;αf）+σfj+τfj] ? ? ? ? ? ? ? ? （3）

式中，f表示有f項(xiàng)投入；j表示j個(gè)決策單元；[Sfj]為投入松弛量；[f（Aj;αf）]表示外部環(huán)境對(duì)[Sfj]的影響；[σfj]～N（0，[δ2σf]），表示隨機(jī)因素的影響；[τfj]～[N+]（[δf]，[δ2τf]），表示管理的失效；[γ=δ2τfδ2τf+δ2σf]，當(dāng)[γ]趨近于1，管理失效作用更明顯；當(dāng)[γ]趨近于0，隨機(jī)因素影響更明顯。

運(yùn)用式（4）調(diào)整每個(gè)DMU的投入量，公式如下：

[yfj]=[yfji+]［[maxjAjαf]-[Ajαf]］+［[maxjσfj]-[σfj]］，j= [1，…，?] ；f= [1，…，e] ? ?（4）

式中，[yfji]、[yfj]分別為調(diào)整前后的投入變量。因環(huán)境變量和隨機(jī)因素的影響被剝除，調(diào)整后的投入變量將處于相同的外部環(huán)境中。

第三階段：選擇調(diào)整后的投入變量作為新投入指標(biāo)，再次用Super-SBM模型測(cè)得所需效率。

1.2 數(shù)據(jù)來源與指標(biāo)選取

1）數(shù)據(jù)來源。為了觀察全國(guó)農(nóng)業(yè)生產(chǎn)效率的時(shí)空變化，本研究選取2015—2019年為期5年全國(guó)31個(gè)?。ㄊ?、自治區(qū)）的面板數(shù)據(jù)，數(shù)據(jù)均來源于《中國(guó)統(tǒng)計(jì)年鑒》和各省市統(tǒng)計(jì)年鑒。

2）投入產(chǎn)出指標(biāo)。參考已有的研究成果［4-10，14，15］，學(xué)者們常從勞動(dòng)力、土地、機(jī)械等方面選取農(nóng)業(yè)生產(chǎn)的投入指標(biāo)，采用農(nóng)業(yè)產(chǎn)值、農(nóng)業(yè)面源污染作為產(chǎn)出指標(biāo)，本研究結(jié)合數(shù)據(jù)的可獲得性和統(tǒng)計(jì)口徑的一致性，選擇以下變量：投入指標(biāo)包含農(nóng)林牧漁業(yè)從業(yè)人員、化肥施用量、農(nóng)作物播種面積、農(nóng)業(yè)機(jī)械總動(dòng)力和有效灌溉面積；期望產(chǎn)出指標(biāo)為按照2015年為基期、利用CPI指數(shù)進(jìn)行平減計(jì)算得到的農(nóng)林牧漁業(yè)總產(chǎn)值；非期望產(chǎn)出指標(biāo)為農(nóng)膜殘留、農(nóng)藥殘留、氮肥流失和磷肥流失，4個(gè)變量由農(nóng)膜、農(nóng)藥、氮肥和磷肥流失的使用量乘以第一次農(nóng)藥流失系數(shù)得到。

在做進(jìn)一步分析前，需對(duì)上述指標(biāo)進(jìn)行Pearson相關(guān)性檢驗(yàn)，詳見表1。除少數(shù)指標(biāo)外，投入產(chǎn)出指標(biāo)幾乎都通過了1%的顯著性檢驗(yàn)，表明上述指標(biāo)選擇具有合理性，適應(yīng)進(jìn)一步分析。

3）環(huán)境變量。不同地區(qū)的環(huán)境差異使其農(nóng)業(yè)生產(chǎn)效率暴露在不同的背景中，導(dǎo)致在比較時(shí)存在偏差。黃伶俐等［16］研究發(fā)現(xiàn)農(nóng)戶的生產(chǎn)積極性隨著農(nóng)民人均可支配收入的增長(zhǎng)而提高，預(yù)期該指標(biāo)有利于農(nóng)業(yè)生產(chǎn)效率；城鎮(zhèn)化水平以城鎮(zhèn)人口占比衡量，城鎮(zhèn)人口越多意味著農(nóng)業(yè)工作者越少，有學(xué)者指出人口城鎮(zhèn)化有礙農(nóng)業(yè)生態(tài)效率［17］，預(yù)期該指標(biāo)不利于生產(chǎn)效率；地方財(cái)政農(nóng)林水事務(wù)支出反映政府對(duì)農(nóng)業(yè)基礎(chǔ)設(shè)施和農(nóng)技的補(bǔ)貼強(qiáng)度，張春梅等［18］指出為促進(jìn)農(nóng)業(yè)生產(chǎn)應(yīng)加大財(cái)政補(bǔ)貼，預(yù)期該指標(biāo)促進(jìn)農(nóng)業(yè)生產(chǎn)效率；教育水平反映農(nóng)戶受教育程度，本研究采用康繼軍等［19］的賦值方法計(jì)算得出。高素質(zhì)的農(nóng)戶有更高的接受新農(nóng)技意愿，預(yù)期該指標(biāo)促進(jìn)農(nóng)業(yè)生產(chǎn)效率；工業(yè)化發(fā)展水平通過第二產(chǎn)業(yè)GDP與總GDP之比衡量，已有研究表明工業(yè)化促進(jìn)耕地的有效利用［20］，因此預(yù)期該指標(biāo)有利于農(nóng)業(yè)生產(chǎn)效率。本研究選擇農(nóng)民人均可支配收入、城鎮(zhèn)化水平、地方財(cái)政農(nóng)林水事務(wù)支出、教育水平和工業(yè)化發(fā)展水平作為環(huán)境變量，其中，農(nóng)民人均可支配收入和地方財(cái)政農(nóng)林水事務(wù)支出按照2015年為基期，用CPI指數(shù)平減后計(jì)算得出。

具體的指標(biāo)體系見表2。

2 結(jié)果與分析

2.1 第一階段：SBM模型結(jié)果分析

利用MATLAB軟件測(cè)量Super-SBM模型下從2015年開始為期5年的全國(guó)農(nóng)業(yè)生產(chǎn)效率，圖1顯示了全國(guó)以及東中西部2015年、2017年、2019年的效率數(shù)據(jù)。就全國(guó)而言，2015—2019年綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率均值分別為0.63、0.75、0.85，可見5年間農(nóng)業(yè)生產(chǎn)沒能達(dá)到最佳的狀態(tài)。其中，規(guī)模效率對(duì)綜合技術(shù)效率的貢獻(xiàn)更大。5年間東部的綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率均值分別達(dá)0.88、1.00、0.86，中部的三大效率均值分別達(dá)0.35、0.50、0.80，西部的三大效率均值分別達(dá)0.63、0.75、0.89。由此可初步看出，東部地區(qū)的城市處于農(nóng)業(yè)生產(chǎn)效率前沿，其發(fā)達(dá)的農(nóng)業(yè)技術(shù)為農(nóng)業(yè)生產(chǎn)效率提供了堅(jiān)實(shí)的基礎(chǔ)；中部地區(qū)的農(nóng)業(yè)生產(chǎn)效率落后于全國(guó)平均水平，技術(shù)差距是主要的抑制因素；西部地區(qū)的農(nóng)業(yè)生產(chǎn)效率處于中間水平，其區(qū)域優(yōu)勢(shì)是擁有較高的規(guī)模效應(yīng)。然而，未將外部環(huán)境剝離而測(cè)算得到的效率可能與真實(shí)值存在一定偏差，需要在下一階段時(shí)將環(huán)境因素分離。

2.2 第二階段：SFA回歸模型結(jié)果分析

運(yùn)用Frontier4.1軟件構(gòu)建5個(gè)回歸模型，得到SFA回歸結(jié)果，詳見表3。對(duì)數(shù)似然函數(shù)值和似然比檢驗(yàn)表明回歸結(jié)果較好，環(huán)境變量對(duì)投入變量的作用幾乎全部通過1%的顯著性水平檢驗(yàn)，說明環(huán)境變量對(duì)投入指標(biāo)存在顯著影響。

1）農(nóng)民人均可支配收入。該環(huán)境因素與農(nóng)作物播種面積、有效灌溉面積呈負(fù)相關(guān)且通過顯著性檢驗(yàn)。農(nóng)民可支配收入提高的同時(shí)，農(nóng)作物播種面積和有效灌溉面積投入過剩的現(xiàn)象逐漸緩解，與上述假設(shè)一致。然而，該環(huán)境因素與農(nóng)林牧漁業(yè)從業(yè)人員和化肥施用量呈正相關(guān)且通過顯著性檢驗(yàn)，這可能是因?yàn)橹饾u增長(zhǎng)的收入促使農(nóng)戶積極投身于農(nóng)業(yè)生產(chǎn)，傾向于購(gòu)買化肥等易獲得的肥料，由此導(dǎo)致過剩的勞動(dòng)力和肥料。同時(shí)，該環(huán)境因素對(duì)農(nóng)業(yè)機(jī)械總動(dòng)力的作用并不顯著，說明不同層次的農(nóng)戶收入水平對(duì)于機(jī)械總動(dòng)力投入的作用差異不明顯。

2）城鎮(zhèn)化水平。該指標(biāo)正向作用于有效灌溉面積和農(nóng)作物播種面積，且通過了顯著性檢驗(yàn)。城鎮(zhèn)化水平的提升導(dǎo)致土地要素投入過剩，最終不利于農(nóng)業(yè)生產(chǎn)效率，這可能是因?yàn)槌擎?zhèn)化擠占了耕地面積，而破碎的土地難以發(fā)揮生產(chǎn)的規(guī)模效應(yīng)。但該環(huán)境指標(biāo)與農(nóng)業(yè)機(jī)械總動(dòng)力、農(nóng)林牧漁業(yè)從業(yè)人員和化肥施用量呈負(fù)相關(guān)且通過了顯著性檢驗(yàn)，說明城鎮(zhèn)化讓農(nóng)戶思考如何高效利用日益流失的勞動(dòng)力和可以替代勞動(dòng)力的農(nóng)業(yè)機(jī)械設(shè)備，并縮減帶來污染的肥料投入。

3）地方財(cái)政農(nóng)林水事務(wù)支出。該環(huán)境指標(biāo)與化肥施用量呈正相關(guān)但未通過顯著性檢驗(yàn)，與農(nóng)作物播種面積、農(nóng)業(yè)機(jī)械總動(dòng)力、有效灌溉面積和農(nóng)林牧漁業(yè)從業(yè)人員呈正相關(guān)且通過了顯著性檢驗(yàn)。地方財(cái)政支出越多，上述變量投入的冗余量越多，農(nóng)業(yè)生產(chǎn)效率越低，這與預(yù)期不符，意味著財(cái)政支出未能得到應(yīng)有的發(fā)揮，財(cái)政支出存在盲目性、缺乏合理性。

4）教育水平。該環(huán)境指標(biāo)與農(nóng)業(yè)機(jī)械總動(dòng)力、農(nóng)作物播種面積和有效灌溉面積呈負(fù)相關(guān)且通過了顯著性檢驗(yàn)，意味著具有高素質(zhì)的農(nóng)戶對(duì)農(nóng)業(yè)機(jī)械設(shè)備、播種面積和灌溉面積的管控能力越強(qiáng)，農(nóng)業(yè)生產(chǎn)效率也隨之提高。但是，該環(huán)境指標(biāo)與農(nóng)林牧漁業(yè)從業(yè)人員和化肥施用量呈正相關(guān)且通過了顯著性檢驗(yàn)，說明教育水平無法通過控制勞動(dòng)力投入和化肥投入提高生產(chǎn)效率。

5）工業(yè)化發(fā)展水平。該指標(biāo)負(fù)向作用于農(nóng)作物播種面積和農(nóng)業(yè)機(jī)械總動(dòng)力，且通過了顯著性檢驗(yàn)，這與預(yù)期相符，說明工業(yè)化水平可以帶動(dòng)農(nóng)業(yè)機(jī)械作業(yè)，同時(shí)提高耕地利用率。但是，該環(huán)境指標(biāo)與有效灌溉面積呈正相關(guān)但未通過顯著性檢驗(yàn)，與農(nóng)林牧漁業(yè)從業(yè)人員、化肥施用量呈正相關(guān)且通過了顯著性檢驗(yàn)，意味著工業(yè)化發(fā)展造成了灌溉面積、勞動(dòng)力和化肥三方面的投入冗余。

2.3 第三階段：調(diào)整后SBM模型結(jié)果分析

投入變量調(diào)整后再次測(cè)算農(nóng)業(yè)生產(chǎn)效率，得到最終結(jié)果，詳見表4，受制于篇幅，表中僅顯示2015年、2017年和2019年的數(shù)據(jù)。

2.3.1 農(nóng)業(yè)生產(chǎn)效率的時(shí)間維度分析 剔除環(huán)境因素干擾后，5年內(nèi)農(nóng)業(yè)生產(chǎn)效率發(fā)生了較大的改變，相較于第一階段，農(nóng)業(yè)綜合技術(shù)效率和純技術(shù)效率分別平均提高了0.07、0.05，但規(guī)模效率的均值降低了0.01。顯然，在未調(diào)整前，環(huán)境因素制約了農(nóng)業(yè)綜合技術(shù)效率和純技術(shù)效率，促進(jìn)了規(guī)模效率。

將各地區(qū)置于統(tǒng)一的環(huán)境中，剝除隨機(jī)因素的影響后，東部的農(nóng)業(yè)綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率反而下跌。優(yōu)越的氣候因素和經(jīng)濟(jì)因素為東部地區(qū)農(nóng)業(yè)生產(chǎn)提供了優(yōu)良的技術(shù)要素和管理要素，當(dāng)這些優(yōu)勢(shì)被剝離后，效率下跌。中部的農(nóng)業(yè)綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率有所上升，表明中部的農(nóng)業(yè)長(zhǎng)期暴露在不利的生產(chǎn)環(huán)境中，當(dāng)它們被剝離后，效率得到恢復(fù)。因此，中部的農(nóng)業(yè)發(fā)展更需依托鄉(xiāng)村振興等國(guó)家戰(zhàn)略，實(shí)行改革創(chuàng)新，以克服劣勢(shì)的先天環(huán)境。西部的農(nóng)業(yè)綜合技術(shù)效率、純技術(shù)效率有所上升，但規(guī)模效率有所下跌，技術(shù)貧困是抑制西部農(nóng)業(yè)生產(chǎn)的重要因素，因此發(fā)展先進(jìn)的農(nóng)技是西部地區(qū)提高農(nóng)業(yè)生產(chǎn)效率的必由之路。

2.3.2 農(nóng)業(yè)生產(chǎn)效率的區(qū)域維度分析 本研究參考賀志亮等［5］的做法，將0.9設(shè)置為臨界點(diǎn)，把全國(guó)的農(nóng)業(yè)生產(chǎn)效率分成4個(gè)類型，將純技術(shù)效率和規(guī)模效率均達(dá)到0.9的DMU稱為“高高型”，僅純技術(shù)效率達(dá)到0.9的DMU稱為“高低型”，僅規(guī)模效率達(dá)到0.9的DMU稱為“低高型”，純技術(shù)效率和規(guī)模效率都未達(dá)到0的DMU稱為“低低型”。詳見圖2、圖3、圖4。

不論從時(shí)間或空間上來看，東部地區(qū)農(nóng)業(yè)表現(xiàn)均不佳，其效率存在輕微的發(fā)展失衡現(xiàn)象。2015—2019年，東部不少省（市）無法長(zhǎng)期將農(nóng)業(yè)生產(chǎn)效率保持在高水平。浙江、福建、海南3地的純技術(shù)效率和規(guī)模效率前期雖高于0.9，但后期無法維持穩(wěn)定的狀態(tài)，均出現(xiàn)了不同程度的下跌，浙江省在2017年后下滑為“低低型”，福建省在2017年下跌為“高低型”，在2018年又轉(zhuǎn)為“低高型”，海南省在2019年下跌為“高低型”。如若這些省份想保持高效率的生產(chǎn)，必須發(fā)揮各自的產(chǎn)業(yè)優(yōu)勢(shì)，扶持農(nóng)業(yè)科技發(fā)展，善于利用資源，向集約化經(jīng)營(yíng)轉(zhuǎn)變；5年內(nèi)，天津、遼寧、上海3地的純技術(shù)效率和規(guī)模效率始終未達(dá)到0.9，且離該臨界值有一定距離，屬于效率“低低型”，這些?。ㄊ校┪茨茉谵r(nóng)技和生產(chǎn)規(guī)模上取得優(yōu)勢(shì)，與東部其他地區(qū)也存在較大的差距和改進(jìn)空間?？傊瑬|部地區(qū)農(nóng)業(yè)生產(chǎn)缺乏穩(wěn)定性，更應(yīng)注重效率發(fā)展的持久性。

中部地區(qū)的效率最均衡，不少省份在5年間發(fā)生良性變化。吉林、合肥、湖南、內(nèi)蒙古效率水平穩(wěn)定，除內(nèi)蒙古在2016年效率略有波動(dòng)外，5年內(nèi)各?。ㄊ校┑募兗夹g(shù)效率和規(guī)模效率始終在0.9以上，甚至全部達(dá)到了1，屬于典型的效率“高高型”，它們的農(nóng)業(yè)生產(chǎn)效率極高，處于生產(chǎn)前沿面；此外，江西和黑龍江2地在2017年都借力科技發(fā)展，純技術(shù)效率有所增長(zhǎng)，黑龍江由“低低型”躍至“高低型”，江西由“低高型”成功轉(zhuǎn)為“高高型”。相較于東西部而言，5年來中部發(fā)展更為穩(wěn)定，應(yīng)繼續(xù)保持。

西部地區(qū)發(fā)展存在極度不均衡的狀況，廣西、四川、貴州、西藏、陜西、青海均處于效率“高高型”，但剩余的地區(qū)全部處在效率“低低型”，且這種情況在2015—2019年期間從未得到改善，2017年新疆的純技術(shù)效率甚至有所下降，最終跌出“高低型”，這可能是因?yàn)樾陆r(nóng)戶科技文化素質(zhì)較為落后，無法將農(nóng)技有效轉(zhuǎn)化?？傊?，西部地區(qū)農(nóng)業(yè)生產(chǎn)效率發(fā)展失衡，存在嚴(yán)重的效率斷層，農(nóng)業(yè)優(yōu)勢(shì)省的高發(fā)展無法惠及農(nóng)業(yè)弱勢(shì)省。若要實(shí)現(xiàn)有效農(nóng)業(yè)生產(chǎn)，西部必須協(xié)調(diào)區(qū)域內(nèi)的資源配置，實(shí)現(xiàn)共同發(fā)展。

3 小結(jié)與建議

3.1 小結(jié)

為測(cè)算更真實(shí)、科學(xué)的農(nóng)業(yè)生產(chǎn)效率，將非期望產(chǎn)出納入考量，并剝離外部環(huán)境的影響，利用改進(jìn)的三階段DEA模型測(cè)算2015—2019年為期5年全國(guó)的農(nóng)業(yè)生產(chǎn)效率，結(jié)論如下。

第一，外部環(huán)境因素顯著影響著農(nóng)業(yè)生產(chǎn)效率的真實(shí)值。農(nóng)民人均可支配收入提高了農(nóng)作物播種面積和有效灌溉面積的配置，但也增加勞動(dòng)力和肥料的冗余值。城鎮(zhèn)化水平提高了機(jī)械總動(dòng)力、農(nóng)林牧漁業(yè)從業(yè)人員和化肥施用量的作業(yè)效率，但也導(dǎo)致農(nóng)作物播種面積和有效灌溉面積的過剩。地方財(cái)政農(nóng)林水事務(wù)支出未能得到應(yīng)有的發(fā)揮，造成了機(jī)械總動(dòng)力、勞動(dòng)力、農(nóng)作物播種面積和有效灌溉面積的浪費(fèi)。教育水平的提高會(huì)加強(qiáng)農(nóng)戶對(duì)機(jī)械設(shè)備、播種和灌溉面積的管控能力，但無法有效利用勞動(dòng)力和化肥投入。促進(jìn)工業(yè)化發(fā)展可以帶動(dòng)農(nóng)業(yè)機(jī)械作業(yè)，提高耕地利用率，但也會(huì)浪費(fèi)灌溉面積、勞動(dòng)力和化肥的投入。

第二，剝離外部環(huán)境干擾后，全國(guó)農(nóng)業(yè)生產(chǎn)效率發(fā)生了顯著變化。相較于第一階段，雖然5年內(nèi)農(nóng)業(yè)綜合技術(shù)效率和純技術(shù)效率在第三階段有所上升，但規(guī)模效率卻存在下跌的現(xiàn)象。其中，東部的農(nóng)業(yè)綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率均存在明顯的下跌；中部的農(nóng)業(yè)生產(chǎn)效率得到恢復(fù)；除規(guī)模效率下跌外，西部的農(nóng)業(yè)綜合技術(shù)效率、純技術(shù)效率有所上升。

第三，將第三階段全國(guó)農(nóng)業(yè)生產(chǎn)效率以0.9為效率臨界值，分為4個(gè)類型。2015—2019年，中部地區(qū)的農(nóng)業(yè)生產(chǎn)效率均衡且穩(wěn)定，如吉林、合肥、湖南、內(nèi)蒙古4地效率高且穩(wěn)定，黑龍江、江西2地呈優(yōu)良的發(fā)展態(tài)勢(shì)；東部次之，其效率存在輕微的發(fā)展失衡現(xiàn)象，如浙江、福建、海南3地?zé)o法維持高效率，天津、遼寧、上海3地長(zhǎng)期處于效率“低低型”；西部效率分布極度不均衡，存在嚴(yán)重的兩極分化，2015—2019年廣西、四川、貴州、西藏、陜西、青海均處于效率“高高型”，但西部其他地區(qū)均處在效率“低低型”，且5年內(nèi)未曾改變。

3.2 建議

第一，改善外部環(huán)境，優(yōu)化生產(chǎn)要素配置。如保障農(nóng)戶人均可支配收入，引導(dǎo)農(nóng)民利用富余資金，購(gòu)置合理的投入要素；有效規(guī)劃城鎮(zhèn)建設(shè)，吸收農(nóng)村剩余勞動(dòng)力，避免非必要的勞動(dòng)力流失對(duì)農(nóng)業(yè)生產(chǎn)的負(fù)面影響；加大財(cái)政補(bǔ)貼力度的同時(shí)，優(yōu)化財(cái)政結(jié)構(gòu)，緩解農(nóng)村發(fā)展財(cái)政資金充足但財(cái)政資金錯(cuò)位的尷尬困境；提高農(nóng)戶素質(zhì)，定期開展素質(zhì)培訓(xùn)，培養(yǎng)農(nóng)戶接受先進(jìn)農(nóng)技的意識(shí)和使用農(nóng)機(jī)的能力；發(fā)揮以工促農(nóng)的正效益，借鑒工業(yè)化發(fā)展理念，推動(dòng)農(nóng)業(yè)現(xiàn)代化、產(chǎn)業(yè)化，實(shí)現(xiàn)科技興農(nóng)。

第二，各區(qū)域結(jié)合類型特點(diǎn)，因地制宜地推進(jìn)農(nóng)業(yè)建設(shè)。如東部地區(qū)農(nóng)業(yè)生產(chǎn)應(yīng)思考維持效率持久性、穩(wěn)定性和協(xié)調(diào)性的措施，利用東部地區(qū)的經(jīng)濟(jì)優(yōu)勢(shì)，長(zhǎng)久保持在農(nóng)業(yè)生產(chǎn)效率的前沿面，發(fā)揮典型示范的作用；西部地區(qū)必須協(xié)調(diào)區(qū)域內(nèi)部的資源配置，攻克低效率地區(qū)農(nóng)業(yè)技術(shù)薄弱的難題，繼續(xù)發(fā)揮自然資源優(yōu)勢(shì)，優(yōu)化投入要素的配置結(jié)構(gòu)，實(shí)現(xiàn)各地區(qū)協(xié)調(diào)發(fā)展；中部地區(qū)要保持自身區(qū)域間效率最協(xié)調(diào)的優(yōu)勢(shì)，不僅要吸收農(nóng)業(yè)技術(shù)的先進(jìn)經(jīng)驗(yàn)，也要發(fā)揮農(nóng)業(yè)生產(chǎn)規(guī)模效應(yīng)，促進(jìn)農(nóng)業(yè)純技術(shù)效率和規(guī)模效率共同提升。

參考文獻(xiàn)：

［1］ 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.

［2］ FARRELL M J．The measurement of productive efficiency［J］.Journal of the royal statistical society，1957，120（3）： 253-281.

［3］ FRIED H O，LOVELL C A K，SCHMIDT S S，et al.Accounting for environmental effects and statistical noise in data envelopment analysis［J］. Journal of productivity analysis， 2002，17（1）：157-174.

［4］ 熊 鷹，郭耀輝，景曉衛(wèi)，等.四川省重點(diǎn)生態(tài)功能區(qū)有機(jī)農(nóng)業(yè)生產(chǎn)效率研究——基于三階段DEA模型的實(shí)證分析［J］.中國(guó)農(nóng)業(yè)資源與區(qū)劃，2017，38（10）：162-170.

［5］ 賀志亮，劉成玉.我國(guó)農(nóng)業(yè)生產(chǎn)效率及效率影響因素研究——基于三階段DEA模型的實(shí)證分析［J］.農(nóng)村經(jīng)濟(jì)，2015（6）：48-51.

［6］ 崔海洋，卓雯君，虞 虎，等.基于三階段DEA模型的農(nóng)業(yè)生產(chǎn)效率及其時(shí)空特征研究——以長(zhǎng)江經(jīng)濟(jì)帶為例［J］.中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)（中英文），2021，29（7）：1243-1252.

［7］ 孟曉霞，曹洪軍，焦 勇.我國(guó)農(nóng)業(yè)生產(chǎn)技術(shù)效率評(píng)價(jià)研究——基于修正的三階段DEA模型［J］.財(cái)經(jīng)問題研究，2016（4）：124-129.

［8］ 陳池波，盛國(guó)勇.我國(guó)省域農(nóng)業(yè)生產(chǎn)技術(shù)效率測(cè)度分析——基于四階段DEA和Bootstrapped DEA的實(shí)證研究［J］.科技進(jìn)步與對(duì)策，2014，31（3）：50-54.

［9］ 劉宏笪，張濟(jì)建.我國(guó)省市區(qū)農(nóng)業(yè)機(jī)械化生產(chǎn)效率測(cè)度分析——基于Bootstrap修正的三階段DEA模型［J］.東北農(nóng)業(yè)科學(xué)，2020，45（5）：132-138.

［10］ 高 帆.我國(guó)區(qū)域農(nóng)業(yè)全要素生產(chǎn)率的演變趨勢(shì)與影響因素——基于省際面板數(shù)據(jù)的實(shí)證分析［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2015，32（5）：3-19，53.

［11］ 宋科艷，曹明福.轉(zhuǎn)型時(shí)期中國(guó)農(nóng)業(yè)生產(chǎn)效率及其影響因素研究［J］.財(cái)經(jīng)問題研究，2014（8）：118-124.

［12］ TONE K. A slacks-based measure of efficiency in data envelopment analysis［J］. European journal of operational research， 2001，130（3）：498-509.

［13］ TONE K， TOLOO M， IZADIKHAH M. A modified slacks-based measure of efficiency in data envelopment analysis［J］. European journal of operational research， 2020， 287（2）：560-571.

［14］ 潘 丹， 應(yīng)瑞瑤. 資源環(huán)境約束下的中國(guó)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)研究［J］. 資源科學(xué)， 2013，35（7）：1329-1338.

［15］ 張熒楠，張?zhí)m婷，韓立民. 農(nóng)業(yè)生態(tài)效率評(píng)價(jià)及提升路徑研究——基于山東省17個(gè)地級(jí)市的實(shí)證分析［J］.生態(tài)經(jīng)濟(jì)，2021，37（4）：118-124，131.

［16］ 黃伶俐， 章秀琴. 中國(guó)農(nóng)業(yè)生態(tài)效率的時(shí)空演進(jìn)規(guī)律及影響因素探析——基于非期望產(chǎn)出的SBM模型分析［J］. 洛陽(yáng)師范學(xué)院學(xué)報(bào)，2021， 40（5）：50-54.

［17］ 尚 杰， 吉雪強(qiáng)， 陳璽名. 中國(guó)城鎮(zhèn)化對(duì)農(nóng)業(yè)生態(tài)效率的影響——基于中國(guó)13個(gè)糧食主產(chǎn)區(qū)2009—2018年面板數(shù)據(jù)［J］. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)（中英文）， 2020，28（8）：1265-1276.

［18］ 張春梅，王 晨. 財(cái)政補(bǔ)貼與綠色農(nóng)業(yè)生產(chǎn)效率相關(guān)性研究［J］.地方財(cái)政研究，2020（2）：79-87.

［19］ 康繼軍， 張宗益， 傅蘊(yùn)英. 中國(guó)經(jīng)濟(jì)轉(zhuǎn)型與增長(zhǎng)［J］. 管理世界， 2007（1）：7-17，171.

［20］ 王 蕾，于成成，王 敏，等. 我國(guó)農(nóng)業(yè)生產(chǎn)效率的政策效應(yīng)及時(shí)空差異研究——基于三階段DEA模型的實(shí)證分析［J］.軟科學(xué)，2019，33（9）：33-39.