浙江省農(nóng)業(yè)生產(chǎn)效率分析
——基于DEA模型和Malmquist指數(shù)

張家威

(浙江海洋大學(xué)經(jīng)濟(jì)與管理學(xué)院，浙江舟山 316000)

浙江省作為農(nóng)、林、牧、漁全面發(fā)展的大省，一直重視農(nóng)業(yè)農(nóng)村發(fā)展，并已啟動(dòng)農(nóng)業(yè)“雙強(qiáng)”行動(dòng)。黨的十九大報(bào)告指出要走質(zhì)量興農(nóng)道路，提高農(nóng)業(yè)全要素生產(chǎn)率是其主要依靠。自從2014年我國(guó)加快農(nóng)業(yè)可持續(xù)發(fā)展長(zhǎng)效機(jī)制構(gòu)建至今，浙江省的農(nóng)林牧漁總產(chǎn)值逐年遞增，除農(nóng)作物播種面積有些許增長(zhǎng)外，資本和勞動(dòng)等要素投入均有一定程度的減少，存在產(chǎn)出投入不相匹配的情況，農(nóng)業(yè)生產(chǎn)面臨挑戰(zhàn)，需要穩(wěn)住農(nóng)業(yè)生產(chǎn)增長(zhǎng)趨勢(shì)，增強(qiáng)薄弱環(huán)節(jié)，調(diào)節(jié)區(qū)域間平衡。因此，測(cè)算浙江省農(nóng)業(yè)綜合效率，分析其制約因素，具有十分重要的意義。

國(guó)內(nèi)學(xué)者關(guān)于農(nóng)業(yè)生產(chǎn)效率的實(shí)證研究十分深入，研究區(qū)域已從國(guó)家層面縮小至縣級(jí)市，但由于構(gòu)建的指標(biāo)體系不同，研究角度不一，因此采取的方法也各不相同，主要可分為SFA法和DEA法。SFA屬于參數(shù)法，而DEA屬于非參數(shù)法，各有優(yōu)劣，均是生產(chǎn)前沿面法中應(yīng)用最最廣泛的方法，相比較而言，非參數(shù)方法(DEA)尤其是Malmquist指數(shù)應(yīng)用最廣泛。華堅(jiān)等[1]通過構(gòu)建三階段DEA-Malmquist模型，對(duì)2007—2012年全國(guó)30個(gè)省、直轄市和自治區(qū)的農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)情況進(jìn)行測(cè)度分析；何澤軍等[2]運(yùn)用DEA-Malmquist指數(shù)法，根據(jù)2007—2015年省際農(nóng)業(yè)投入產(chǎn)出面板數(shù)據(jù)，測(cè)算中國(guó)農(nóng)業(yè)全要素生產(chǎn)率(TFP)在時(shí)間序列和空間區(qū)域上的變化特點(diǎn)[2]；李文華[3]選取1998—2015年全國(guó)31個(gè)省、市、自治區(qū)面板數(shù)據(jù)，運(yùn)用非參數(shù)Malmquist生產(chǎn)率指數(shù)方法測(cè)算中國(guó)農(nóng)業(yè)全要素生產(chǎn)率的變化情況，并且將1998—2015年分為1998—2002、2003—2008、2009—2015年3個(gè)子時(shí)段，將全國(guó)31個(gè)省、市、自治區(qū)分為東、中、西部3個(gè)地區(qū)，以測(cè)度全國(guó)農(nóng)業(yè)TFP變動(dòng)、時(shí)空差異及制約因素，分析極為全面[3]。

省市層面上，江然[4]利用DEA-Malmquist生產(chǎn)率指數(shù)對(duì)浙江省11個(gè)地級(jí)市1995—2011年農(nóng)業(yè)全要素生產(chǎn)率進(jìn)行分析，并且根據(jù)農(nóng)業(yè)TFP增長(zhǎng)情況將浙江省11個(gè)市劃分為高速組、快速組、中速組和慢速組；黃瑪蘭等[5]將DEA的BCC模型與Malmquist指數(shù)法相結(jié)合，對(duì)湖北省各市(州)2007—2011年農(nóng)業(yè)生產(chǎn)效率進(jìn)行實(shí)證分析，并且加入了投影分析，給出了要素投入的松弛調(diào)整方案；李鵬菲等[6]以2010—2019年福建省農(nóng)業(yè)產(chǎn)業(yè)投入產(chǎn)出數(shù)據(jù)為研究對(duì)象，結(jié)合數(shù)據(jù)包絡(luò)分析(DEA)、Malmquist指數(shù)及Tobit模型為研究方法，對(duì)福建省農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的效率進(jìn)行系統(tǒng)的分析；林偉敏[7]通過DEA-BCC模型和Malmquist指數(shù)對(duì)四川省農(nóng)業(yè)生產(chǎn)效率分別進(jìn)行橫向和縱向分析，并且制作四川省各市農(nóng)業(yè)綜合效率四方圖，進(jìn)行了象限分析。

回顧上述文獻(xiàn)，國(guó)內(nèi)運(yùn)用DEA模型和Malmquist指數(shù)同時(shí)對(duì)我國(guó)及區(qū)域農(nóng)業(yè)生產(chǎn)率進(jìn)行分析的研究眾多，學(xué)者們構(gòu)建的指標(biāo)體系不斷創(chuàng)新，產(chǎn)出指標(biāo)上主要考慮的是農(nóng)業(yè)總產(chǎn)值，農(nóng)林牧漁總產(chǎn)值或農(nóng)村居民人均純收入，投入指標(biāo)選擇相差不大。分析結(jié)果時(shí)，學(xué)者們注重全要素生產(chǎn)率分解后的指數(shù)分析，即動(dòng)態(tài)分析，能對(duì)靜態(tài)分析進(jìn)行補(bǔ)充，得出更為可靠的結(jié)論。而近年利用此法對(duì)浙江省農(nóng)業(yè)全要素生產(chǎn)率的文獻(xiàn)不多，選取面板數(shù)據(jù)的年份靠前。鑒于此，基于DEA模型和Malmquist指數(shù)對(duì)2014—2020年浙江省11個(gè)地級(jí)市農(nóng)業(yè)生產(chǎn)效率進(jìn)行分析，并在實(shí)證分析結(jié)論的基礎(chǔ)上提出相關(guān)建議。

1 研究方法與數(shù)據(jù)來源

1.1 研究方法

1.1.1數(shù)據(jù)包絡(luò)分析(DEA)。數(shù)據(jù)包絡(luò)分析方法是用線性規(guī)劃對(duì)所有決策單元(DMU)開展效率評(píng)價(jià)[8]，適用于多投入多產(chǎn)出的情況，在針對(duì)農(nóng)業(yè)生產(chǎn)效率的評(píng)價(jià)分析中運(yùn)用廣泛[9]。DEA發(fā)展至今，最具代表性的模型有CCR、BCC、FG和ST模型，CCR模型和BCC模型運(yùn)用較為常見，前者不允許規(guī)模收益存在可變性，而后者允許，適用更廣的范圍。該研究對(duì)浙江省農(nóng)業(yè)生產(chǎn)的靜態(tài)分析選用的是規(guī)模變動(dòng)的BCC模型。

M0(xt+1,yt+1,xt,yt)

1.2 指標(biāo)選取及數(shù)據(jù)來源投入指標(biāo)選取2014—2020年浙江省各市第一產(chǎn)業(yè)從業(yè)人員數(shù)量(單位：萬人)作為勞動(dòng)要素投入，主要農(nóng)作物播種面積(103hm2)作為土地要素投入，農(nóng)用化肥施用量(折純)(t)和農(nóng)業(yè)機(jī)械總動(dòng)力(萬kW)作為資本要素投入。

產(chǎn)出指標(biāo)選取2014—2020年浙江省各市農(nóng)林牧漁生產(chǎn)總值(億元)，按當(dāng)年價(jià)格計(jì)算。

該研究所用的數(shù)據(jù)均來源于《浙江統(tǒng)計(jì)年鑒》(2014—2021年)，部分地級(jí)市數(shù)據(jù)通過查閱對(duì)應(yīng)市區(qū)統(tǒng)計(jì)年鑒(2014—2021)整理獲取。

2 結(jié)果與分析

2.1 DEA模型的靜態(tài)分析運(yùn)用DEAP 2.1軟件計(jì)算2020年浙江省11個(gè)地市農(nóng)業(yè)生產(chǎn)效率值，結(jié)果見表 1。杭州、寧波和舟山的農(nóng)業(yè)綜合效率、純技術(shù)效率、規(guī)模效率3項(xiàng)效率值均為1，決策單元DEA有效，表明這3個(gè)地區(qū)農(nóng)業(yè)資源的配置效率、利用情況，以及產(chǎn)出效益等達(dá)到最優(yōu)化配置。剩下地區(qū)中，僅紹興與臺(tái)州綜合效率高于平均值，雖未達(dá)到DEA有效，但資源利用情況與技術(shù)水平整體良好。全省有6個(gè)地市綜合效率未達(dá)平均水平，已超過半數(shù)，這些地區(qū)今后發(fā)展應(yīng)以增強(qiáng)效率為主，提升效益為輔。尤其是溫州、金華和衢州綜合效率遠(yuǎn)低于平均水平，投入冗余和產(chǎn)出不足情況較為嚴(yán)重。從純技術(shù)效率方面看，杭州、寧波、嘉興、舟山、臺(tái)州和麗水的純技術(shù)效率均為1，資源轉(zhuǎn)化效率高，投入要素得到了充分利用，實(shí)現(xiàn)產(chǎn)出最大化。溫州、金華和衢州的綜合效率和純技術(shù)效率均低于平均值，仍有較大發(fā)展空間。從規(guī)模效率方面看，全省規(guī)模效率為0.861，呈現(xiàn)積極向好態(tài)勢(shì)。在非DEA有效的地區(qū)中，高于平均值的地級(jí)市有4個(gè)，規(guī)模效率接近生產(chǎn)前沿面，經(jīng)營(yíng)規(guī)模達(dá)到比較理想狀態(tài)。衢州的規(guī)模效率值最小，現(xiàn)有規(guī)模與最優(yōu)規(guī)模之間差異大，可改進(jìn)空間大。

表1 2020年浙江省11個(gè)地級(jí)市農(nóng)業(yè)綜合效率評(píng)價(jià)結(jié)果Table 1 Evaluation results of comprehensive agricultural efficiency of 11 prefecture-level cities in Zhejiang Province in 2020

2.2 Malmquist指數(shù)動(dòng)態(tài)分析由表2可知，2014—2020年浙江省11個(gè)市農(nóng)業(yè)全要素生產(chǎn)率均大于1，平均全要素生產(chǎn)率為1.080，表明農(nóng)業(yè)生產(chǎn)率在逐年增長(zhǎng)，且增長(zhǎng)速度較快。從全要素生產(chǎn)率的分解上看，浙江省農(nóng)業(yè)技術(shù)進(jìn)步年均增長(zhǎng)9.4%，技術(shù)效率下降1.3%，其中規(guī)模效率下降0.3%，純技術(shù)效率下降1%，表明浙江省農(nóng)業(yè)TFP的增長(zhǎng)主要由技術(shù)進(jìn)步推動(dòng)。2015—2019年的農(nóng)業(yè)技術(shù)效率均小于1，部分抵消了技術(shù)進(jìn)步推動(dòng)的農(nóng)業(yè)生產(chǎn)率增長(zhǎng)，表明這幾個(gè)年份間浙江省的技術(shù)效率和技術(shù)進(jìn)步不相適應(yīng)，農(nóng)業(yè)生產(chǎn)技術(shù)的潛力沒有被完全發(fā)揮，這可能是因?yàn)檎憬∞r(nóng)業(yè)技術(shù)進(jìn)步發(fā)展快速，而農(nóng)業(yè)技術(shù)推廣與普及的速度滯后，故而業(yè)技術(shù)效率相應(yīng)較低。2020年浙江省的技術(shù)效率相較于2019年呈上升趨勢(shì)，技術(shù)效率年貢獻(xiàn)為2.1%，對(duì)農(nóng)業(yè)全要素生產(chǎn)率開始起到正向推動(dòng)作用，但技術(shù)效率中規(guī)模效率的作用不高，表明浙江省農(nóng)業(yè)生產(chǎn)集約化程度依舊有待提高。

表2 2014—2020年浙江省農(nóng)業(yè)全要素生產(chǎn)率及構(gòu)成變化Table 2 Agricultural total factor productivity and composition changes in Zhejiang Province from 2014 to 2020

由表3可知，研究期間浙江省11個(gè)市農(nóng)業(yè)生產(chǎn)率均有增長(zhǎng)，前4名地區(qū)分別為杭州市、臺(tái)州市、寧波市和舟山市，且其生產(chǎn)率的增長(zhǎng)是由技術(shù)效率和技術(shù)進(jìn)步的共同提高所推動(dòng)[11]。其余地區(qū)的農(nóng)業(yè)技術(shù)效率較低，主要靠技術(shù)進(jìn)步帶動(dòng)來彌補(bǔ)，這可能是由于過量的農(nóng)業(yè)投入造成產(chǎn)量負(fù)增長(zhǎng)，從而降低了效率。從各地級(jí)市農(nóng)業(yè)全要素生產(chǎn)率構(gòu)成來看，技術(shù)進(jìn)步均超過1，近半數(shù)地區(qū)接近1.1，且技術(shù)水平提高最快的依舊是杭州市。從技術(shù)效率看，浙江省超過半數(shù)的市區(qū)低于1；從技術(shù)效率分解來看，浙江省各地級(jí)市純技術(shù)效率和規(guī)模技術(shù)效率平均值分別為0.990和0.997，較接近于1，表明各市資源轉(zhuǎn)換率較高，農(nóng)業(yè)投入產(chǎn)出結(jié)構(gòu)較為合理，技術(shù)進(jìn)步依舊是影響全要素生產(chǎn)率的主要因素。

表3 2014—2020年浙江省各地級(jí)市農(nóng)業(yè)全要素生產(chǎn)率及構(gòu)成變化Table 3 Agricultural total factor productivity and composition changes in Zhejiang Province during 2014-2020

按地理區(qū)位劃分，表3中，2014—2020年浙東北6個(gè)地市的農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)幅度與浙西南5個(gè)地市增長(zhǎng)幅度基本持平，浙西南農(nóng)業(yè)技術(shù)進(jìn)步稍高于浙東北，而浙東北農(nóng)業(yè)技術(shù)效率稍高于浙西南[4]。浙東北地區(qū)普遍擁有地勢(shì)平坦、交通便利和經(jīng)濟(jì)發(fā)達(dá)的優(yōu)勢(shì)，農(nóng)業(yè)推廣體系比浙西南地區(qū)健全，先進(jìn)技術(shù)的普及率較高，但浙東北的農(nóng)業(yè)技術(shù)基本是最前沿，進(jìn)步速度趨于平緩，為此技術(shù)進(jìn)步相對(duì)較低，而技術(shù)效率較高。浙西南地區(qū)的情況與浙東北相反，農(nóng)業(yè)技術(shù)進(jìn)步的空間較大，而技術(shù)效率較低，可能是地區(qū)山地丘陵居多，致使農(nóng)業(yè)技術(shù)推廣不易，體系建設(shè)不完善。其中，衢州、金華與麗水技術(shù)效率低于浙西南地區(qū)平均水平，溫州技術(shù)效率正好是平均水平。

3 結(jié)論與建議

3.1 結(jié)論該研究先用DEA模型對(duì)2020年浙江省各市農(nóng)業(yè)生產(chǎn)效率進(jìn)行靜態(tài)分析，再運(yùn)用Malmquist指數(shù)對(duì)浙江省2014—2020年各市農(nóng)業(yè)全要素生產(chǎn)率進(jìn)行測(cè)算，研究發(fā)現(xiàn):2020年浙江省農(nóng)業(yè)整體向好，杭州、寧波和舟山達(dá)到DEA有效,但部分地區(qū)存在投入冗余和產(chǎn)出不足的情況，拉低了整體的農(nóng)業(yè)綜合效率；2014—2020年浙江省農(nóng)業(yè)TFP實(shí)現(xiàn)了快速的增長(zhǎng)，年均增長(zhǎng)率為8%，并且主要是由于農(nóng)業(yè)技術(shù)進(jìn)步推動(dòng)的；2019—2020年農(nóng)業(yè)技術(shù)效率開始對(duì)浙江省農(nóng)業(yè)TFP起到正向推動(dòng)作用；各市農(nóng)業(yè)全要素生產(chǎn)率在1.058～1.131波動(dòng)，農(nóng)業(yè)發(fā)展具有區(qū)域不平衡性；浙東北與浙西南2個(gè)區(qū)域的農(nóng)業(yè)全要素生產(chǎn)率基本持平，均是技術(shù)進(jìn)步推動(dòng)而技術(shù)效率阻礙增長(zhǎng)，但浙東北在農(nóng)業(yè)技術(shù)效率上稍顯優(yōu)勢(shì)。

3.2 建議

3.2.1加強(qiáng)基礎(chǔ)設(shè)施建設(shè)，夯實(shí)農(nóng)業(yè)發(fā)展基礎(chǔ)。前沿面技術(shù)的研發(fā)與應(yīng)用是需要建立在一定的物質(zhì)基礎(chǔ)上的，因此必須加強(qiáng)水、電、路、綠化等農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)，尤其是高標(biāo)準(zhǔn)農(nóng)田工程建設(shè)。在適用田地應(yīng)用高效節(jié)水灌溉技術(shù)，能夠達(dá)到土地利用率與勞動(dòng)生產(chǎn)率雙重提高的目的，減少損耗。大中型灌區(qū)改造后的高標(biāo)準(zhǔn)田抵御自然災(zāi)害能力強(qiáng)，產(chǎn)量高且穩(wěn)定，便于管理，適應(yīng)現(xiàn)代農(nóng)業(yè)生產(chǎn)和經(jīng)營(yíng)方式。此外，浙江省現(xiàn)代農(nóng)業(yè)園區(qū)的建設(shè)需要基礎(chǔ)設(shè)施配套齊全，農(nóng)業(yè)園區(qū)匯聚資源要素，帶動(dòng)周邊設(shè)施落地，從而有效解決農(nóng)村資源不足、設(shè)施分散等問題，為浙江省農(nóng)業(yè)集約化發(fā)展提供堅(jiān)實(shí)的基礎(chǔ)。

3.2.2提高農(nóng)業(yè)科技水平，實(shí)現(xiàn)技術(shù)成果轉(zhuǎn)化。先進(jìn)的農(nóng)業(yè)科技可以預(yù)測(cè)農(nóng)業(yè)氣象，減少臺(tái)風(fēng)和寒潮等極端天氣對(duì)浙江省農(nóng)業(yè)生產(chǎn)的危害。浙江省經(jīng)濟(jì)發(fā)達(dá)的地區(qū)可以發(fā)展智慧農(nóng)業(yè)，依托BDS系統(tǒng)、無線通信等科學(xué)技術(shù)手段，實(shí)現(xiàn)智能可視管理，為農(nóng)民的精準(zhǔn)耕作提供可能，減少農(nóng)業(yè)資源的浪費(fèi)，防止過量施肥。發(fā)展先進(jìn)技術(shù)的同時(shí)，也應(yīng)培育相關(guān)的農(nóng)業(yè)技術(shù)人才，成立專業(yè)的農(nóng)業(yè)科研團(tuán)隊(duì)，投入農(nóng)業(yè)關(guān)鍵核心技術(shù)的攻關(guān)工作。此外，浙江省技術(shù)效率較低的地區(qū)需重視農(nóng)業(yè)技術(shù)服務(wù)和推廣，實(shí)現(xiàn)技術(shù)轉(zhuǎn)換為生產(chǎn)力的目標(biāo)，在應(yīng)用中體現(xiàn)技術(shù)成果的價(jià)值。

3.2.3采取差異化管控方式，推動(dòng)區(qū)域農(nóng)業(yè)均衡發(fā)展。浙江省各市農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)形勢(shì)良好，但在農(nóng)業(yè)技術(shù)進(jìn)步或農(nóng)業(yè)技術(shù)效率上存有各自的問題，應(yīng)由面到點(diǎn)，準(zhǔn)確定位薄弱項(xiàng)，整體上采取差異化管理。對(duì)于純技術(shù)效率或規(guī)模效率較低的市區(qū)，應(yīng)加強(qiáng)農(nóng)業(yè)技術(shù)推廣和服務(wù)，落實(shí)土地流轉(zhuǎn)政策，實(shí)現(xiàn)要素的集約化利用；對(duì)于技術(shù)進(jìn)步和技術(shù)效率發(fā)展速度較快的市區(qū)，可通過工業(yè)反哺農(nóng)業(yè)、城市支持農(nóng)村，推動(dòng)城鄉(xiāng)融合發(fā)展。實(shí)施差異化管理的同時(shí)，應(yīng)加強(qiáng)相鄰市區(qū)間的合作，突破行政壁壘，共享區(qū)域資源，打造“一小時(shí)”都市圈，促進(jìn)要素自由流通。