基于權(quán)重約束DEA和Tobit模型農(nóng)業(yè)灌溉用水效率實證研究
----以黑龍江省為例

梁靜溪，張安康，李彩鳳

(1.哈爾濱理工大學(xué)經(jīng)濟管理學(xué)院，黑龍江 哈爾濱 150080；2.甘肅省蘭州市蘭州外語職業(yè)學(xué)院，甘肅 蘭州 730101)

目前，我國農(nóng)業(yè)用水資源匱乏，用水效率低下，農(nóng)業(yè)灌溉用水效率的提高是構(gòu)建節(jié)水型社會的基本要求和優(yōu)先發(fā)展領(lǐng)域。黑龍江省是我國重要的商品糧基地，1998-2012年農(nóng)業(yè)灌溉用水平均效率為0.913[1]。但近些年來，伴隨著區(qū)域經(jīng)濟的發(fā)展，工業(yè)、生活與農(nóng)業(yè)用水之間的競爭日益加劇，擠占農(nóng)業(yè)用水現(xiàn)象與日俱增，農(nóng)業(yè)用水供需失衡、灌溉效率低、地下水位持續(xù)下降等問題十分突出，因此，對此后2013-2015年農(nóng)業(yè)灌溉用水效率的研究至關(guān)重要[2-4]。本文利用權(quán)重約束DEA和Tobit模型，基于2013-2015年黑龍江省13個地區(qū)的數(shù)據(jù)對農(nóng)業(yè)灌溉用水效率進行測算和影響因素分析，并依據(jù)測算和分析結(jié)果提出節(jié)水灌溉的建議和措施。

1 概念界定與文獻綜述

農(nóng)業(yè)技術(shù)效率是衡量經(jīng)濟資源有效利用程度的指標，主要分為兩種情況，一種是投入要素數(shù)量不變情況下實際農(nóng)業(yè)產(chǎn)出達到最大，另一種是產(chǎn)出要素數(shù)量不變情況下實際農(nóng)業(yè)投入達到最小。農(nóng)業(yè)灌溉用水(總)技術(shù)效率，即農(nóng)業(yè)灌溉效率是指在一定生產(chǎn)技術(shù)和投入要素的情況下，最低灌溉用水量和實際灌溉用水量的比值，用公式可表示為：

(1)

式中：WM代表最少灌溉用水輸入量；WR代表實際用水輸入量；WTE代表農(nóng)業(yè)灌溉用水效率，WTE的范圍是[0,1]。當WTE=1時，WM=WR，表明灌溉用水得到充分利用；當0

中外學(xué)者關(guān)于農(nóng)業(yè)灌溉用水效率的研究很多，根據(jù)其研究方法不同，可歸納為以下3種：

(1)運用隨機前沿分析方法(SFA)，Mcgockin et al.(1992年)、Omezzine、Zaibet(1998年)利用SFA方法分析了商業(yè)計劃、天氣預(yù)報等節(jié)水措施對灌溉用水效率的影響[5,6]；Karagiannis et al.(2003年)利用超越對數(shù)的SFA方法對希臘克里特地區(qū)1998-1999年50個農(nóng)場的灌溉用水效率進行測算與分析[7]；Dhehibi et al.(2007年)利用SFA方法分析了突尼斯納布爾地區(qū)的灌溉用水效率[8]；耿獻輝，張曉恒(2014年)運用SFA模型考察了新疆地區(qū)棉花灌溉用水效率[9]。綜合上述學(xué)者的研究結(jié)論發(fā)現(xiàn)，SFA方法可以充分考慮隨機誤差影響，測算的技術(shù)效率精確度高。

(2)運用數(shù)據(jù)包絡(luò)分析方法(DEA)，Rodiguez et al.(2004年)利用數(shù)據(jù)包絡(luò)方法測算了西班牙灌溉區(qū)的效率值[10]；Lilienfeld和Asmild(2007年)運用DEA方法對美國堪薩斯州西部地區(qū)43個灌溉區(qū)的用水效率進行了分析與測算[11]；Yilmaz et al.(2009年)運用DEA方法對土耳其的門德雷斯盆地灌溉區(qū)進行了測算[12]；王學(xué)淵(2009)利用1997-2006年31個省份的面板數(shù)據(jù)，采用DEA方法對中國宏觀層面的灌溉用水效率進行測算與分解[13]；佟金萍，馬劍鋒(2015年)基于1998-2011年長江流域10個省份的面板數(shù)據(jù)，運用超效率DEA模型對流域內(nèi)農(nóng)業(yè)用水效率進行了測度[14]；Watto和Mugera(2015年)運用DEA方法測算了巴基斯坦地區(qū)甘蔗種植的灌溉用水效率[15]；楊揚，蔣書彬(2016年)基于1998-2012年面板數(shù)據(jù)，運用DEA方法對我國農(nóng)業(yè)灌溉用水效率進行研究[1]；Pereira和Marques(2017年)對前人關(guān)于農(nóng)業(yè)灌溉用水效率的研究進行了總結(jié)，發(fā)現(xiàn)DEA方法是測算農(nóng)業(yè)灌溉用水效率最常用的方法之一[16]。綜合上述學(xué)者的研究結(jié)論表明，DEA方法不指定生產(chǎn)函數(shù)的形式，應(yīng)用靈活，且在處理多產(chǎn)出模型較方便。

(3) 將SFA和DEA兩種方法相結(jié)合，王學(xué)淵(2010年)利用DEA和SFA兩種方法對中國省區(qū)的灌溉用水效率進行了比較，發(fā)現(xiàn)兩種方法測算出來的效率值基本一致[17]；孫天合(2013年)運用DEA和SFA兩種方法對陜西關(guān)中地區(qū)農(nóng)業(yè)用水技術(shù)效率和經(jīng)濟效率進行了測算，結(jié)果表明，基于DEA方法測算的是灌溉成本效率，而基于SFA方法測算的是農(nóng)業(yè)用水配置效率[18]。綜合上述學(xué)者的研究結(jié)果發(fā)現(xiàn)，DEA和SFA最終測算的效率差異較小，且DEA測算的是灌溉成本效率，SFA測算的是農(nóng)業(yè)用水配置效率。

整理相關(guān)文獻發(fā)現(xiàn)，現(xiàn)有的研究具有以下幾點不足之處：①研究模型不夠精準，模型中都是運用單純的DEA或SFA方法，沒有加入權(quán)重約束的條件，不能反映出決策者意愿的主觀因素，缺乏全面性；②研究范圍狹窄，已有文獻都是研究全國、省際或灌溉區(qū)之間的用水效率問題，很少有人研究關(guān)于省際內(nèi)城市之間灌溉用水效率之間的差異。因此，為了改進已有研究的不足，本文利用具有權(quán)重約束的DEA方法，對黑龍江省13個地區(qū)的灌溉用水效率進行測算，一方面降低了傳統(tǒng)DEA模型出現(xiàn)的大范圍高效率問題，另一方面避免了輸入要素權(quán)重值為0的問題，能很好地反映決策者意愿，且利用Tobit模型，從自然氣候、水利設(shè)施、農(nóng)業(yè)用水和經(jīng)濟發(fā)展四個方面考慮，更能全面的分析黑龍江省各地區(qū)灌溉用水效率的影響因素。

2 權(quán)重約束的DEA與Tobit模型構(gòu)建

2.1 權(quán)重約束的DEA模型

數(shù)據(jù)包絡(luò)模型(DEA)是一種分析決策單元相對效率的線性規(guī)劃方法。雖然DEA模型有其自身的缺點，但測算灌溉用水效率是在確保農(nóng)業(yè)產(chǎn)值下可節(jié)約的水資源量，屬于分向量，利用隨機前沿方法(SFA)實現(xiàn)較困難。當規(guī)模報酬可變時，測算得到純技術(shù)效率(BCC)和規(guī)模效率；當規(guī)模報酬不變時，測算得到總技術(shù)效率(CCR)。與此同時，基于投入產(chǎn)出距離函數(shù)，DEA可分為投入型和產(chǎn)出型，投入型是為測算相同產(chǎn)出水平下最小投入要素的效率，產(chǎn)出型是為測算相同投入水平下最大產(chǎn)出差距。本文研究的是水資源匱乏之下可節(jié)約水量，因此選擇投入型的DEA模型，且對規(guī)模報酬是否可變進行了測算與比較。

假設(shè)有n個決策單元，m個投入要素和s個產(chǎn)出要素，對于第p個決策單元，XP={X1p,X2p,X3p,…,Xmp}T為DMUi的投入要素，YP={Y1p,Y2p,Y3p,…,Ysp}T為DMUi的產(chǎn)出要素，則由Charnes等人提出投入導(dǎo)向的CCR模型如下：

(2)

st：

uk、vj≥0k=1,2,…,sj=1,2,…,m

式中：yki表示DMUi對第k種輸出的產(chǎn)出量；xji表示DMUi對第j種輸入的投入量；uk表示對k種輸出的度量；vj表示對j種輸入的度量。上述分式方程式可以根據(jù)C2轉(zhuǎn)換為如下線性規(guī)劃問題。

Charnes_Coopers(C2)變換：

st：

(3)

μk,wj≥0k=1,2,…,sj=1,2,…,m

公式(3)被計算n次，以確定所有DMU的相對效率得分。一般而言，如果DMU的得分為1，則認為DMU是有效的，小于1則意味著效率低下。

如果DMU是無效的，其他有效單元的組合可以在相同投入要素情況下生產(chǎn)更多的產(chǎn)出，或者使用較少投入要素生產(chǎn)一樣的產(chǎn)出。這些有效單元可以從對偶過程中獲得，如下所示：

minθ

st：

(4)

λ≥0i=1,2,…,n

式中：θ表示效率值；λi表示對偶變量。

由于我們只考慮水資源投入的灌溉用水效率，因此進一步構(gòu)建分向量DEA模型[19]，其模型如下：

minθ

st：

(5)

λi≥0i=1,2,…,n

DEA中另一個經(jīng)典模型為BCC模型，其主要不同在于模型λi和等于1。如圖1所示，包絡(luò)面可采用規(guī)模報酬不變的CRS形式和可變的VRS形式。

圖1 CRS(CCR)和VRS(BCC)前沿面

如前所述，在確定DMU效率值時，DEA模型并沒有對權(quán)重加以限制，這就允許決策單元可通過放棄不適當投入和產(chǎn)出權(quán)重來實現(xiàn)相對較高的效率，導(dǎo)致效率值與現(xiàn)實不符。因此，本文在傳統(tǒng)DEA模型中加入權(quán)重約束來解決這個問題，參考國外相關(guān)文獻[20,21]，將權(quán)重約束條件形式設(shè)置如下：

(6)

式子中：βi、αi以及ζr、θr分別代表決策者主觀信息輸入、輸出的上下限，將約束條件加入到傳統(tǒng)DEA模型即得到具有權(quán)重約束的DEA模型。此外，約束條件的個數(shù)為[22]：

(7)

式中：I為輸入變量的個數(shù)；O為輸出變量的個數(shù)

2.2 Tobit模型

Tobit模型是一種解決因變量是受限變量的模型，其中，受限因變量是指因變量的觀測值被約束條件所限制，以至于不能反映實際狀態(tài)，當出現(xiàn)這種狀態(tài)時，一般采用最大似然法估計模型參數(shù)。由于DEA效率值的范圍是[0,1]，宜采用Tobit模型，其形式可表示為：

式中：i表示地區(qū)；t表示時間；WTEit表示效率值;μit表示待估參數(shù);Zit表示影響農(nóng)業(yè)灌溉用水的自變量;εit表示正態(tài)分布的誤差項。

3 變量設(shè)定與數(shù)據(jù)說明

本文選用農(nóng)作物灌溉面積、農(nóng)業(yè)機械總動力、農(nóng)業(yè)勞動投入、農(nóng)業(yè)總產(chǎn)值和相應(yīng)反映決策者意愿的權(quán)重作為衡量指標，此外，由于測算農(nóng)業(yè)灌溉用水效率問題，所以采用農(nóng)業(yè)灌溉用水量這一指標，如表1所示。與此同時，根據(jù)表2各投入產(chǎn)出變量之間的相關(guān)系數(shù)可看出，灌溉用水量與農(nóng)業(yè)總產(chǎn)值的相關(guān)系數(shù)為0.444 8，反映了在農(nóng)業(yè)生產(chǎn)中水資源至關(guān)重要。

表1 農(nóng)業(yè)灌溉用水效率評價指標

表2 投入與產(chǎn)出要素之間的相關(guān)系數(shù)

本文數(shù)據(jù)均來自《中國統(tǒng)計年鑒》(2014-2016)、《黑龍江省統(tǒng)計年鑒》(2014-2016)、黑龍江省水資源公報(2013-2015)。其中，農(nóng)業(yè)灌溉用水量在年鑒中沒有直接找到，使用農(nóng)業(yè)用水總量的90%代替[23]，此外，指標數(shù)量m與決策單元數(shù)目n保持2m≤n≤3m[24]的關(guān)系，本文中m為5，n為13，滿足10≤13≤15，從而保證指標體系的合理性，且論文中數(shù)據(jù)都是經(jīng)過歸一化處理，進一步保證數(shù)據(jù)的穩(wěn)定性。

利用權(quán)重約束DEA模型對黑龍江省13個地區(qū)進行評價，請20位農(nóng)業(yè)領(lǐng)域的專家分別對四個輸入指標給出等級分數(shù)，得到矩陣V。

(9)

根據(jù)層次分析法計算權(quán)重約束DEA模型得到以下向量：

μ=(1.21,1.22,2.83,1.13,2.6,2.4)′

σ=(0.31,0.34,0.89,0.36,0.8,0.76)′

μ-3σ=(0.2,0.2,0.15,0.06,0.2,0.11)′

μ+3σ=(2.05,2.25,5.51,2.21,5,4.69)′

α=(0.03,0.07,0.28,0.62)′

β=(0.44,0.3,0.2,0.06)′

進而求出輸入和輸出指標間兩兩比較重要性比率的上下限，從而得到權(quán)重約束條件為(10)式，其中由(7)式得出有6個約束條件。

4 實證結(jié)果分析

4.1 農(nóng)業(yè)灌溉用水效率測算

根據(jù)公式(5)，基于2014年黑龍江省13個地區(qū)的數(shù)據(jù)，運用EMS軟件對不加入權(quán)重約束的CCR和BCC模型進行測算，如表3所示，CCR和BCC模型測算的效率值普遍很高，且部分投入要素的權(quán)重為0，例如，灌溉面積的權(quán)重為0，說明灌溉面積對生產(chǎn)產(chǎn)值沒有任何貢獻，與現(xiàn)實不符；灌溉用水量的權(quán)重為0，是不合理的，因為水是灌溉農(nóng)業(yè)的必要條件。因此，運用這種方法測算的結(jié)果與實際情況嚴重偏離。

表3 沒有權(quán)重約束的CCR與BCC模型結(jié)果

注：左邊是CCR模型結(jié)果，右邊是BCC模型結(jié)果。

為了解決上述問題，本文在模型中加入權(quán)重約束來測算合理的效率和權(quán)重，根據(jù)公式(6)的約束條件，得到表4的權(quán)重[25]，運用EMS軟件得出關(guān)于CCR和BCC模型具有權(quán)重約束的結(jié)果，如表5所示，發(fā)現(xiàn)具有權(quán)重約束比沒有權(quán)重約束的效率值普遍低，且投入要素的權(quán)重都不為0，與實際相符。哈爾濱、大慶、佳木斯、牡丹江、綏化的效率值高，表明這些地區(qū)充分利用農(nóng)業(yè)灌溉用水，而鶴崗和大興安嶺地區(qū)的效率值低，表明這些地區(qū)灌溉用水效率存在改進空間。

表4 投入和產(chǎn)出要素的權(quán)重

根據(jù)總技術(shù)效率(CCR)和純技術(shù)效率(BCC)得到規(guī)模效率，如表6，結(jié)果發(fā)現(xiàn)七臺河地區(qū)DEA無效是由于規(guī)模效率無效導(dǎo)致的，表明該地區(qū)農(nóng)業(yè)灌溉規(guī)模小，可通過擴大規(guī)模來提高用水效率；鶴崗地區(qū)DEA無效是由于純技術(shù)效率和規(guī)模效率都無效導(dǎo)致，可通過擴大灌溉規(guī)模和改善技術(shù)來提高用水效率。綜合來看，黑龍江省農(nóng)業(yè)灌溉用水總技術(shù)效率為0.707 0，純技術(shù)效率為0.816 3，規(guī)模效率為0.866 1。

本文進一步測算了2013和2015年具有權(quán)重約束的CCR模型，做成了柱形圖，如圖2所示，在所研究的3年中，哈爾濱和黑河地區(qū)效率值不斷提高，齊齊哈爾、大慶、佳木斯和大興安嶺地區(qū)效率值先提高后降低，盡管如此，黑龍江省大部分地區(qū)3年的效率值無顯著變化，表明測算結(jié)果的平穩(wěn)性和可靠性。

4.2 農(nóng)業(yè)灌溉用水效率影響因素分析

采用DEA模型對黑龍江省13個地區(qū)的農(nóng)業(yè)灌溉用水效率進行測算，效率值不盡相同，對此，利用Tobit模型分析各地區(qū)效率值的影響因素，找出農(nóng)業(yè)用水差異的原因。

表5 具有權(quán)重約束的CCR和BCC模型結(jié)果

表6 總技術(shù)效率、純技術(shù)效率和規(guī)模效率值

圖2 2013-2015年黑龍江省13個地區(qū)總技術(shù)效率值

(1) 自然氣候因素。降水量是評價地方水資源豐裕度的指標。黑龍江省年降水量平均在400～800 mm，但受水汽入流方向、地理位置和地形的影響，地區(qū)分布不均，存在山區(qū)大平原小、中部和南部大、西部和北部小的特點。一方面，一個地區(qū)降水量多，農(nóng)業(yè)所需水量就少，用水效率高，兩者呈正向關(guān)系；另一方面，降水量多的地區(qū)，農(nóng)戶灌溉方式相對傳統(tǒng)，用水效率低，兩者呈反向關(guān)系。氣溫高有利于農(nóng)作物生長，使得用水效率提高，與此同時，氣溫高也增加水分蒸發(fā)，導(dǎo)致用水效率低下，因此，假設(shè)降水量和氣溫與農(nóng)業(yè)灌溉用水效率都存在雙向影響。

(2) 水利設(shè)施狀況。農(nóng)田水利設(shè)施在農(nóng)業(yè)生產(chǎn)中至關(guān)重要，可以保證糧食和農(nóng)業(yè)生產(chǎn)，強化農(nóng)業(yè)在國民經(jīng)濟中的重要地位?；跀?shù)據(jù)可得性，選取水庫數(shù)量、水庫容量和除澇面積代表水利設(shè)施狀況，水庫數(shù)量越多，容量越大，說明可以存儲和利用的水資源量多，利用效率就高。而且，除澇面積可以保證農(nóng)作物的產(chǎn)量，也利于提高農(nóng)業(yè)灌溉用水效率，因此，假設(shè)水庫數(shù)量、水庫容量和除澇面積與農(nóng)業(yè)灌溉用水效率都存在正向影響。

(3) 農(nóng)業(yè)用水特征。農(nóng)作物可以劃分為經(jīng)濟和糧食作物，黑龍江省的糧食和經(jīng)濟作物主要有小麥、玉米、棉花、大豆等，由于不同農(nóng)作物用水情況不同，因此農(nóng)作物種植結(jié)構(gòu)會作用于用水特征，導(dǎo)致農(nóng)業(yè)用水特征發(fā)生很大變化。本文選取糧食播種面積的比重來說明農(nóng)業(yè)用水特點，糧食作物種植面積越大，農(nóng)業(yè)用水效率就越低，因此，假設(shè)糧食作物播種面積占總播種面積的比重與農(nóng)業(yè)灌溉用水效率存在反向影響。

(4) 經(jīng)濟發(fā)展程度。水資源作為一種稀缺性經(jīng)濟資源，由于不同的教育水平和經(jīng)濟發(fā)展程度，人們對用水效率的關(guān)注程度也不同，節(jié)水意識也就產(chǎn)生較大差異。本文用人均GDP來衡量經(jīng)濟發(fā)展狀況，人均GDP越多，經(jīng)濟發(fā)展程度越高，人們的節(jié)水意識越強，因此，假設(shè)人均GDP與農(nóng)業(yè)灌溉用水效率存在正向影響。

表7 Tobit模型變量及影響效應(yīng)假設(shè)

本文將2013-2015年黑龍江省13個地區(qū)的農(nóng)業(yè)灌溉用水總技術(shù)效率作為被解釋變量，降水量、氣溫、水庫數(shù)量、水庫容量、除澇面積、糧食作物面積占總播種面積的比重和人均GDP作為解釋變量，建立如下Tobit模型(11)[26]：

WTEit=μit+μitPRETit+μitTEMPit+μitRESit+

μitCAPAit+μitLOGGit+μitPROPit+μitGDPit+εit

(11)

式中：i表示地區(qū)(1～13)；t表示時間(2013-2015年)。

本文采用Eviews8.0對上述所建立的Tobit模型進行回歸，由于考慮到影響因素太多，可能存在多重共線性問題，因此計算各影響因素之間的相關(guān)系數(shù)(表8)，結(jié)果表明，影響因素之間不存在多重共線性，運行模型得到結(jié)果(表9)。

表8 影響因素之間的相關(guān)系數(shù)

回歸結(jié)果表明：降水量與農(nóng)業(yè)灌溉效率成反比，表明黑龍江省各地區(qū)農(nóng)戶的灌溉方式比較傳統(tǒng)，用水效率低，雖然存在這種可能性，但是這個結(jié)果不顯著，說明降水量對黑龍江省農(nóng)業(yè)灌溉用水效率影響?。粴鉁嘏c農(nóng)業(yè)灌溉效率成正比，氣溫高利于農(nóng)作物生長，且這種影響在10%水平下顯著。

表9 Tobit模型結(jié)果

注：*，**，***分別表示在10%，5%和1%水平下顯著其中，原始數(shù)據(jù)經(jīng)過了對數(shù)化處理，左邊截斷為無窮，右邊為1。

水庫數(shù)量、除澇面積與農(nóng)業(yè)灌溉用水效率成正比，水庫數(shù)量越多可以利用的水資源越多，用水效率越高，同理，除澇面積也可以保證農(nóng)作物產(chǎn)量，提高農(nóng)業(yè)灌溉用水效率，且這兩種因素都是顯著的，然而，與預(yù)期假設(shè)不一樣的是水庫容量，水庫容量與農(nóng)業(yè)灌溉用水效率成反比，可能是由于水庫容量多，水量充足，人們節(jié)約用水的概念缺少，浪費水資源，使得農(nóng)業(yè)灌溉用水效率低下。

糧食作物面積占總播種面積的比重與農(nóng)業(yè)灌溉用水效率成反比，盡管經(jīng)濟作物的用水量要比糧食作物多，但其價值遠遠大于糧食作物，因此經(jīng)濟作物單位產(chǎn)值要比糧食作物大，糧食作物種植面積越大，用水效率越低，且這種影響是顯著的。

人均GDP與農(nóng)業(yè)灌溉用水效率成反比，人均GDP越高，經(jīng)濟發(fā)展程度越高，農(nóng)業(yè)用水效率也越高，但是結(jié)果與我們假設(shè)相反，可能是由于雖然經(jīng)濟發(fā)展程度高，但農(nóng)田水利設(shè)施是公共物品，農(nóng)民不會在水利設(shè)施上花費資金，灌溉用水效率也不會發(fā)生變化，且這種影響也不顯著。

5 研究結(jié)論與建議啟示

5.1 研究結(jié)論

本文基于2013-2015年黑龍江省13個地區(qū)的投入產(chǎn)出數(shù)據(jù)，采用具有權(quán)重約束的DEA模型重點分析了2014年灌溉用水技術(shù)效率、規(guī)模效率和純技術(shù)效率，并對3年的灌溉用水技術(shù)效率進行比較，最后運用Tobit模型分析了農(nóng)業(yè)灌溉用水技術(shù)效率的影響因素。主要研究結(jié)論有：

(1) 基于2014年黑龍江省13個地區(qū)的投入產(chǎn)出數(shù)據(jù)，運用具有權(quán)重約束的DEA模型測算的灌溉用水技術(shù)效率更加符合黑龍江省實際情況，一方面排除了大部分地區(qū)效率值都是1的情況，另一方面排除了大部分投入要素權(quán)重為0的情況；在此基礎(chǔ)上，進一步測算了規(guī)模效率和純技術(shù)效率，發(fā)現(xiàn)技術(shù)效率等于兩者乘積，且各自均值為0.707 0、0.816 3、0.866 1；最后，整體分析了2013-2015年的灌溉用水技術(shù)效率，通過柱狀圖可以看出，各地區(qū)效率值變化不一，但總體上無顯著差異，比較穩(wěn)定。

(2) 從Tobit模型的結(jié)果可知，降水量、水庫容量、糧食作物播種面積占總播種面積的比重和人均GDP與農(nóng)業(yè)灌溉用水效率呈負向效應(yīng)，氣溫、水庫數(shù)量和除澇面積與農(nóng)業(yè)灌溉用水效率呈正向效應(yīng)，且除了降水量和人均GDP不顯著，其他影響因素都是顯著的，因此，可通過增加水庫數(shù)量和除澇面積，適當減少水庫容量和糧食作物的種植面積，來提高黑龍江省各地區(qū)農(nóng)業(yè)灌溉用水技術(shù)效率。

5.2 建議啟示

為了提高灌溉用水效率，緩解黑龍江省各地區(qū)水資源短缺的狀況，綜合上述研究結(jié)論，提出以下建議啟示：

(1) 引入水價來促使農(nóng)戶節(jié)約用水。限制于傳統(tǒng)用水習(xí)慣和意識，農(nóng)民對水資源價格反應(yīng)不明顯。從本文的研究結(jié)論也可以看出人均GDP和水庫容量都與灌溉效率成反比，主要是由于農(nóng)戶節(jié)水意識弱，認為農(nóng)田水利設(shè)施屬于公共物品，不需要進行節(jié)約用水，造成水資源浪費，灌溉用水效率低下。因此，我們要對水價進行合理的規(guī)定，對水資源的經(jīng)濟屬性進行合理的宣傳，使得農(nóng)戶意識到水也是一種商品，使用時需要支付費用，自覺產(chǎn)生節(jié)水意識，提高農(nóng)業(yè)灌溉用水效率。

(2) 引入制度來規(guī)范水資源管理。通過引入制度要素來成立農(nóng)民用水協(xié)會等相關(guān)組織，農(nóng)民用水協(xié)會是一種管理模式，這種模式主要解決農(nóng)民節(jié)水意識不強問題。成立相關(guān)組織，能夠很好增強農(nóng)民自我約束能力，使得基礎(chǔ)設(shè)施維護情況得到改善，充分發(fā)揮農(nóng)民自治組織在提高灌溉用水效率中的重要作用。

(3) 引入技術(shù)來實現(xiàn)節(jié)水灌溉。灌溉技術(shù)不同對農(nóng)業(yè)灌溉用水效率有很大影響，且差異明顯。在技術(shù)上，一方面可以適當改變農(nóng)作物種植的結(jié)構(gòu)，研究結(jié)果表明糧食作物播種面積比重與效率成反比，因此可以構(gòu)筑與用水量相適應(yīng)的生產(chǎn)布局，適當降低糧食作物播種面積，擴大節(jié)水作物播種面積；另一方面可以推廣簡單易學(xué)的節(jié)水灌溉技術(shù)，改變傳統(tǒng)的灌溉方式，研究結(jié)果表明氣溫、水庫數(shù)量和除澇面積對效率的影響都是正向且顯著的，因此，可以擴大常用地膜等材料的覆蓋面積，促進作物的蒸騰作用，提高農(nóng)業(yè)灌溉用水效率。

參考文獻：

[1] 楊 揚, 蔣書彬. 基于DEA和Malmquist指數(shù)的我國農(nóng)業(yè)灌溉用水效率評價 [J]. 生態(tài)經(jīng)濟,2016,(05):147-151.

[2] 付 強, 劉 巍, 董淑華, 等. 黑龍江省灌溉水利用效率影響因素分析 [J]. 應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報,2017,(02):286-295.

[3] 付 強, 劉 巍, 劉 東, 等. 黑龍江省灌溉用水效率指標體系空間格局研究 [J]. 農(nóng)業(yè)機械學(xué)報,2015,(12):127-132.

[4] 龔時宏, 吳文勇, 廖人寬. 東北糧食主產(chǎn)區(qū)高效節(jié)水灌溉技術(shù)與集成應(yīng)用 [J]. 中國環(huán)境管理,2017,(01):111-112.

[5] Mcgockin J T, Gollehon N, Chosh S. Water conservation in Irrigated agriculture: a stochastic production frontier m-odel [J].Water Resources Research,1992,28(1):305-312.

[6] Omezzine a, Zaibet I. Management of modern irrigation systems in Oman: allocativevs irrigation efficiency[J]. Agricultural Water Management,1998,37(1):99-107.

[7] Karagiannis G, Tzouvelekas V, Xepapadeas A. Measuring irrigation water efficiency with a stochastic productio-n frontier [J]. Environmentaland Resource Economics,2003,26(1):52-72.

[8] Dhehibi B, Lachaal L., Elloumi M, et al. Measuring irrigation water use efficiency using stochastic production f-rontir: an application on citrus producing farmsin tunisia [J]. African Journal of Agriculturaland Resource Economics,2007,1(2):1-15.

[9] 耿獻輝, 張曉恒, 宋玉蘭. 農(nóng)業(yè)灌溉用水效率及其影響因素實證分析----基于隨機前沿生產(chǎn)函數(shù)和新疆棉農(nóng)調(diào)研數(shù)據(jù) [J]. 自然資源學(xué)報,2014,(06):934-943.

[10] Rodiguez JA, Camacho PE, LOPEZ LR. Application of Data Envelopment Analysis to Studies of Irrigation Efficiency in Andlusia [J]. Journal of Irrigation and Drainage Engineering,2004,130(3):175-183.

[11] Lilienfeld A, Asmild M. Estimation of excess water use in irrigated agriculture :A Data Envelopment Analysis approach [J].Agricultural water management,2007,94:73-82.

[12] Yilmaz B, Yurdusev MA, Harmancioglu NB. The assessment of irrigation efficiency in buyuk menderes basin[J]. Water Resources Management,2009,23(6):1081-1095.

[13] 王學(xué)淵. 基于數(shù)據(jù)包絡(luò)分析方法的灌溉用水效率測算與分解 [J]. 農(nóng)業(yè)技術(shù)經(jīng)濟,2009,(6):40-49.

[14] 佟金萍,馬劍鋒,王圣, 等. 長江流域農(nóng)業(yè)用水效率研究:基于超效率DEA和Tobit模型 [J]. 長江流域資源與環(huán)境,2015,(04):603-608.

[15] Watto MA, Mugera AW. Efficiency of irrigation water application in sugarcane cultivation in Pakistan [J]. Journal of the Science of Food and Agriculture,2015,(95):1860-1867.

[16] Helga Pereira, Rui Cunha Marques. An analytical review of irrigation efficiency measured using deterministic and stochastic models [J]. Agricultural Water Management,2017:184.

[17] 王學(xué)淵. 基于DEA和SFA方法的中國省區(qū)灌溉用水效率比較研究 [J]. 統(tǒng)計與決策,2010,(8):44-47.

[18] 孫天合. 陜西關(guān)中不同灌區(qū)農(nóng)業(yè)灌溉用水效率評價及其影響因素分析[D]. 陜西楊凌：西北農(nóng)林科技大學(xué),2013.

[19] Fare R, Grosskopf S, Lovell C A K. Production Frontiers.Cambridge:Cambridge University Press, 1994:310-324.

[20] Thompson RG, Langemeier, Ln Lee CT. The role of multiplier bounds in efficiency analysis with application to kansas farming[J]. Journal of Econometrics,1990,(46):93-108.

[21] Wong YHB, Beasley JE. Restricting weight flexibility in data envelopment analysis[J]. Journal of the operational research society,1990,(41):829-835.

[22] Joseph Sarkis. A comparative analysis of DEA as a discrete alternative multiple criteria decision tool[J]. European Journal of Operational Research,1998:543-557.

[23] 翟浩輝. 因地制宜, 注重實效, 堅持不懈開展農(nóng)田水利基本建設(shè)[EB/OL]. 中國水利網(wǎng), 2002-09-06.

[24] 葉世綺, 顏彩萍, 莫劍芳. 確定DEA指標體系的B-D方法 [J]. 暨南大學(xué)學(xué)報(自然科學(xué)與醫(yī)學(xué)版),2004,(3):249-255.

[25] R Allen, A Athanassopoulos, R G Dyson et al. Weights restrictions and value judgements in Data Envelopment Analysis: Evol-ution,development and future directions [J]. Annals of Operations Research.1997:13-34.

[26] 唐建軍. 陜西省灌溉用水技術(shù)效率及其影響因素研究[D]. 陜西楊凌：西北農(nóng)林科技大學(xué),2010.