我國糧食主產區(qū)糧食全要素生產率評價研究

摘 要：以我國13個糧食主產區(qū)為研究對象，選取2011—2019年的面板數據，通過構建DEA-Malmquist模型，對糧食主產區(qū)的糧食全要素生產率進行測度，并從時間、空間角度進行分析。研究發(fā)現，2011—2019年，我國糧食主產區(qū)糧食全要素生產率呈波動狀態(tài)，技術進步效率指數對糧食全要素生產率的影響較大；內蒙古、安徽、河北等?。ㄗ灾螀^(qū)）的年均糧食全要素生產率位居前列，遼寧省和湖北省的糧食全要素生產率變動幅度較大。

關鍵詞：糧食主產區(qū)；全要素生產率；DEA-Malmquist模型

中圖分類號：F327 文獻標志碼：A 文章編號：1674-7909（2023）03-50-5

0 引言

習近平總書記指出，要堅持把解決好“三農”問題作為全黨工作重中之重，舉全黨全社會之力推動鄉(xiāng)村振興。農業(yè)是我國的重要基礎產業(yè)，農村是我國的重要改革陣地，農民是我國的重要群眾基礎?！叭r”問題不僅關系到我國農村社會經濟發(fā)展的穩(wěn)定與安全，而且關系到我國整個國民經濟和社會發(fā)展的安全與穩(wěn)定。農業(yè)農村農民問題的解決對實現中華民族的偉大復興有著重要意義。

糧食生產是農業(yè)產業(yè)發(fā)展的核心，促進糧食產業(yè)發(fā)展，有利于維護國家安全和發(fā)展大局的穩(wěn)定，有利于實現農業(yè)農村現代化的建設，有利于我國農業(yè)經濟水平的提升。但是，隨著資源稀缺問題逐漸突顯，提高糧食產量不能再僅僅依靠大量的生產要素投入。只有提高糧食全要素生產率，才能更好地維持糧食生產的可持續(xù)性，始終維護我國糧食安全。因此，筆者以我國13個糧食主產區(qū)為研究對象，對2011—2019年各區(qū)域糧食全要素生產率進行評價分析。

1 文獻綜述

目前，學者在研究糧食生產效率的過程中，主要運用數據包絡分析法（Data Envelopment Analysis，DEA）。數據包絡分析是一種衡量投入產出生產單元效率的統計方法，最早由著名的運籌學家查恩斯提出，以多元函數模型為限制，對各個生產單元的效率進行比較，從而完成不同單元的定量評估。Siddiqui［1］、Bagchi等［2］借助DEA模型對印度和孟加拉國的農業(yè)生產效率進行測度。高穎等［3］基于三階段DEA模型，對山東省的糧食生產效率進行測算，發(fā)現規(guī)模效率是影響山東省糧食生產效率的關鍵因素，并針對此提出了相應對策。張志新等［4］采用DEA-ML指數法將糧食生產的全要素進行分解，并基于此研究農業(yè)基礎設施對糧食生產效率的影響。郭永奇等［5］、秦曉娟等［6］、范文慧等［7］在分析糧食全要素生產率時，均采用了DEA模型或其拓展模型。

2 研究方法

DEA-Malmquist指數模型是一種用于衡量效率變化的經濟學模型。該模型結合了數據包絡分析（DEA）和馬爾奎斯特指數的概念，可以對行業(yè)的效率進行評估和比較。馬爾奎斯特指數則是用來衡量行業(yè)效率變化的指標，它可以分解為技術進步和技術效率變化兩部分。技術進步是指新技術的創(chuàng)新和應用，可以提高行業(yè)的生產效率，而技術效率變化則是指行業(yè)在同樣的技術條件下效率的變化情況。同時，DEA-Malmquist指數模型是在最初DEA模型的基礎上進行計算，不僅能夠度量生產單元在某個階段的靜態(tài)效率，還能進行動態(tài)趨勢的分析，衡量某個生產單元在不同時期全要素生產指數（Total Factor Productivity，TFP）的變化。 DEA-Malmquist 指數模型可以幫助政策制定者了解行業(yè)的效率水平并制定相應的政策和措施來提高效率，發(fā)現技術進步和技術效率變化的原因?；诖?，筆者采用DEA-Malmquist指數法對我國糧食主產區(qū)的糧食全要素生產率（TFP）進行評價。

[t]期和[t]+1期的Malmquist（ML）指數表示為

[Mt=Dt（xt，yt）Dt（xt+1，yt+1）] （1）

[Mt+1=Dt+1（xt，yt）Dt+1（xt+1，yt+1）] （2）

式（1）和式（2）中：[x]、[y]分別表示決策單元的投入、產出；[D]表示[t]期和[t+1]期的距離函數。

[ML]指數可分解為技術效率變化指數（Efficiency Change，EC）和技術進步變化指數（Technical Change，TC），即

[ML=EC×TC] （3）

其中，[EC]和[TC]分別為

[EC=Dt（yt，xt）Dt+1（yt+1，xt+1）] （4）

[TC=Dt+1（yt+1，xt+1）Dt（yt+1，xt+1）×Dt+1（yt，xt）Dt（yt，xt）1/2] （5）

將式（4）和式（5）代入式（3），即

[ML=Dt（yt，xt）Dt+1（yt+1，xt+1）Dt+1（yt+1，xt+1）Dt（yt+1，xt+1）×Dt+1（yt，xt）Dt（yt，xt）1/2]（6）

技術效率變化指數又可以拆分為純技術效率變化指數（Pure Technical Efficiency Change，PEC）和規(guī)模報酬效率變化指數（Scale Efficiency Change，SEC），因此，可得出如下公式。

[ML=TFP=EC×TC=PEC×SEC×TC] （7）

[ML]指數表示效率隨時間的變化趨勢。[ML]指數大于1，表示效率隨著時間的延長而提高；[ML]指數小于1，表示效率隨時間的延長不斷下降；[ML]指數等于1，說明效率保持穩(wěn)定。

3 指標選取和數據來源

3.1 指標的選取

糧食全要素生產率是指單位投入全要素（勞動、資本、土地、能源等）所產出的糧食產量。糧食全要素生產率的測算，不僅要兼顧糧食生產過程中的資源消耗、經濟效益，還要考慮糧食生產對生態(tài)帶來的損耗，以及對環(huán)境的影響。綜合糧食生產生態(tài)效率和農業(yè)生態(tài)效率方面的理論和已有研究，最終選取以下投入、產出指標。

3.1.1 投入指標選擇。結合經濟增長理論和柯布-道格拉斯生產函數，一般將投入要素分為勞動和資本兩類。但是，農業(yè)不同于制造業(yè)，其投入要素較多，而且投入與產出之間的結果具有一定的隨機性。參考以往學者的研究，筆者選取5個投入指標，即土地、勞動力、水資源、化肥、機械動力。

3.1.2 產出指標選擇。產出是經濟活動的重要一環(huán)。傳統生產活動的產出往往用行業(yè)增加值來衡量。但從糧食生產角度來看，最重要的衡量指標是糧食產量，故筆者選取糧食產量作為生產單元的產出。

3.2 數據來源

筆者選擇我國13個糧食主產區(qū)作為研究對象，分別為黑龍江、河南、山東、四川、江蘇、河北、吉林、安徽、湖南、湖北、內蒙古、江西、遼寧等13個省（自治區(qū)）。投入和產出的數據來自各個省（自治區(qū)）的統計年鑒，部分缺失的數據通過插值法計算得出。

4 糧食主產區(qū)糧食全要素生產效率分析

運用DEA軟件對我國糧食主產區(qū)2011—2019年的投入、產出指標進行測算，得到13個?。ㄗ灾螀^(qū)）的糧食全要素生產效率及其相應的分解效率，并基于此分析糧食主產區(qū)的糧食全要素生產效率的時空演變。

4.1 糧食全要素生產率的時間演變

2011—2019年我國糧食主產區(qū)糧食全要素生產率及其效率分解結果見表2。

4.1.1 從全要素生產率指數角度進行分析。由表2可知，從2012年到2013年，我國糧食主產區(qū)的全要素生產率由1.024減少到0.998，降幅最大，達到0.026。漲幅最大的年份是2018年，與2017年相比，糧食全要素生產率增長了0.043。2014年，糧食全要素生產率也達到了峰值（1.028）。整體來看，2011—2019年我國糧食主產區(qū)的糧食全要素生產率呈波動狀態(tài)，除了2011年、2013年和2017年外，其余年份的糧食全要素生產率都大于1，說明我國糧食主產區(qū)的糧食全要素生產率得到提升。

4.1.2 從綜合技術效率指數和技術進步效率指數角度進行分析。由表2可知，技術進步效率指數和全要素生產率指數的波動趨勢基本相同，說明技術進步對全要素生產率作用更加明顯。與2012年相比，2013年的綜合技術效率指數得到大幅度提升，提升了0.050，技術進步效率卻下降了0.076，達到最小值，導致該階段我國糧食主產區(qū)的全要素生產率小于1。技術進步效率指數有5年超過1，占比55.56%；綜合技術效率指數有6年突破1，占比為66.67%。與2017年相比，2018年技術進步效率指數提升了0.081，也使得該階段的糧食全要素生產率達到最大值?？傮w而言，2011—2019年，我國糧食主產區(qū)的綜合技術效率指數和技術進步效率指數有所變動，但兩者都在很大的比例上突破1。

4.1.3 從純技術效率指數和規(guī)模效率指數角度進行分析。由表2可知，純技術效率指數和規(guī)模效率指數在一定程度上影響綜合技術效率的大小。純技術效率指數在2015年達到最大值，在2016年達到最小值，二者差幅為0.028。在2017年后，純技術效率指數趨于穩(wěn)定，維持在1的水平。規(guī)模效率指數有5年突破1，2017年達到最大值，2012年最低?？傮w來看，2011—2019年，純技術效率指數和規(guī)模效率指數波動相對頻繁，但幅度較小。

4.2 糧食全要素生產率的空間演變

2011—2019年糧食主產區(qū)糧食全要素生產率如表3所示。

由表3可知，2019年，除遼寧省、湖北省、吉林省和黑龍江省外，其他9個糧食主產區(qū)的糧食全要素生產率指數都超過了1；其中湖北省的糧食全要素生產率指數相較于2011年增長了0.075，增幅最大；其次是湖南省，增長了0.044。2011—2019年，吉林省的糧食全要素生產率指數下降幅度較大，從2011年的1.031降到2019年的0.979，降了0.052。總之，各個糧食主產區(qū)的糧食全要素生產率指數在2011—2019年不斷變動。結合這一時期糧食全要素增長率均值來看，只有江西省的糧食全要素生產率低于1，其他12個?。ㄗ灾螀^(qū)）的全要素生產率全都突破1。

糧食主產區(qū)技術效率變化指數及其構成如表4所示。

由表4可知，除山東省、湖北省外，其他糧食主產區(qū)的綜合技術效率指數大于或等于1，且純技術效率指數與規(guī)模效率指數大致相當，表明純技術效率指數與規(guī)模效率指數對糧食主產區(qū)綜合技術效率的影響基本相同。湖北省的各項效率指數都小于1，說明其糧食生產綜合技術效率低，是由技術改進上的不合理和產業(yè)擴張中投入要素比例不合適共同造成的。山東省糧食生產的規(guī)模效率小于1，純技術效率等于1，表明提高山東省糧食生產綜合技術效率，重點在于擴大糧食規(guī)模種植，實現規(guī)模經濟，享受規(guī)模效益。

2011—2019年糧食主產區(qū)技術進步指數如表5所示。由表5可知，2019年，糧食主產區(qū)大部分?。ㄗ灾螀^(qū)）的技術進步指數都超過了2011年，僅有吉林省、黑龍江省、山東省、湖北省的技術進步指數出現下降，但降幅較緩，分別減少0.052、0.039、0.029、0.009。2019年，技術進步指數處于前兩位的?。ㄗ灾螀^(qū)）分別是四川和內蒙古，分別比2011年增長了0.015、0.030。結合2011—2019年糧食主產區(qū)技術進步指數均值，發(fā)現除了遼寧省和江西省外，其他11個主產區(qū)的年均技術進步指數均超過了1，表明這些地區(qū)的技術水平得到了提升。

5 結論和啟示

5.1 結論

①從時間維度上看，2011—2019年我國糧食主產區(qū)的糧食全要素生產率呈波動狀態(tài)，除了2011年、2013年和2017年外，其余年份的糧食全要素生產率都大于1；2011—2019年，我國糧食主產區(qū)的綜合技術效率指數和技術進步效率指數有所變動，但兩者都在很大的比例上突破1；2011—2019年，純技術效率指數和規(guī)模效率指數波動相對頻繁，但幅度較小。

②從空間維度上看，各個糧食主產區(qū)的糧食全要素生產率在2011—2019年不斷變動，年均糧食全要素生產率位居前列的?。ㄗ灾螀^(qū)）分別為內蒙古、安徽、河北。2019年，只有遼寧省、湖北省、吉林省和黑龍江省的糧食全要素生產率小于1，但湖北省的糧食全要素生產率相比2013年增長最快，增幅為0.075。此外，吉林省的糧食全要素生產率下降幅度較大，降幅達到0.052。

5.2 啟示

第一，加大科技投入，提高農業(yè)領域科技水平?？萍歼M步是我國糧食主產區(qū)糧食全要素生產率提升的關鍵因素，因此，政府應加大對農業(yè)科技的投入，推廣新的種植技術，培育新的優(yōu)質品種，提高糧食生產效率和產量。各地應積極發(fā)揮技術進步的正向作用，在投入要素不變的情況下，依靠科技驅動獲得更高的糧食產量，維持高水平的糧食全要素生產率。

第二，注重區(qū)域差異，提升區(qū)域農業(yè)生產要素的利用效率。對于湖北省等純技術效率和規(guī)模效率都小于1的省份，不僅要充分利用投入要素，提高投入要素的利用效率，還要注重規(guī)模化經營，增加規(guī)?；找?，以促進糧食全要素生產率提升。對于山東省等僅有規(guī)模效率低于1的省份，應改善管理方式，采取聯合經營方式，從而提高糧食全要素生產效率。

第三，政府應進一步加大對糧食主產區(qū)糧食生產的扶持力度，提高農民種糧積極性；同時，應通過多種方式加快農村土地流轉，擴大糧食生產經營規(guī)模，提高糧食產業(yè)發(fā)展水平。政府應加大對農村基礎設施建設的投入，包括農村道路、水利設施、電力等，改善農業(yè)生產條件和提高生產效率。政府還應加強對農資市場的監(jiān)管，保障種子、化肥等農資的質量。

參考文獻：

［1］SIDDIQUI S A. Total factor productivity growth of Indian Life Insurance "Companies： a Malmquist approach［J］. Indian Journal of Economics and Development， 2021（1）：232-236.

［2］BAGCHI M， RAHMAN S， SHUNBO Y. Growth in agricultural productivity and "its components in Bangladeshi Regions （1987－2009）： an application of bootstrapped data envelopment analysis （DEA）［J］. Multidisciplinary Digital Publishing Institute，2019（7）：1-16．

［3］高穎，王兆華.基于三階段DEA模型的山東省糧食生產效率研究［J］.湖北農業(yè)科學，2022（17）：39-44.

［4］張志新，李成，白海洋.農業(yè)基礎設施對糧食生產效率的影響［J］.華東經濟管理，2022（10）：100-109.

［5］郭永奇，侯林岐.中國糧食主產區(qū)糧食農業(yè)綠色全要素生產率測度及影響因素研究［J］.科技管理研究，2020（19）：223-229.

［6］秦曉娟，田鳳霞.高質量發(fā)展引領下山西省農業(yè)生產效率評價：基于糧食產銷平衡區(qū)省域的比較［J］.山西農業(yè)科學，2021（6）：791-796.

［7］范文慧，吳鵬.江蘇省糧食生產效率及影響因素研究［J］.安徽農學通報，2021（13）：57-59.