江西省农业生产效率评价及影响因素研究

谌贻庆，王华瑞，陶春峰



●华东经济

江西省农业生产效率评价及影响因素研究

谌贻庆，王华瑞，陶春峰

（南昌大学 经济管理学院，江西 南昌 330031）

摘要：文章采用超效率DEA视窗分析、Malmquist指数分析和规模收益分析评价和探讨江西省2009-2014年11个地市的农业生产效率情况，并运用Tobit模型估计农业生产主要因素对江西各类地区农业发展的影响程度。分析显示：近年来，江西省景德镇、抚州及环鄱阳湖地区的农业生产效率相对较高；技术进步变化指数和技术效率变化指数发展不平衡；农业生产主要地市吉安、九江等地规模收益呈下滑状态；农业生产技术进步变化指数和农民纯收入对地区农业生产效率提高具有促进作用。研究结果表明，对农业生产效率高低不同的地区应当因地制宜，对高效率地区加大其农业科研技术的投入，对低效地区引导其转变农业粗放型发展方式，科学施肥，提高农业生产效率，促进农民增收。

关键词：农业生产效率；超效率DEA；视窗分析；全要素生产率；Tobit回归

［DOI］10.3969/j.issn.1007-5097.2016.07.004

一、引　言

江西省作为我国农业大省之一，围绕“改革线”、“产业升级线”、“三线联动”，以绿色为引领，加快建设产出高效、产品安全、资源节约、环境友好农业强省的步伐。于是，提高农业发展效率成为亟须解决的问题。近年来，关于农业发展效率的研究多数采用以数据包络分析（Data Envelopment Analysis，DEA）为主的非参数研究方法。贺志亮、刘成玉（2015）采用传统的三阶段DEA模型实证分析了2012年我国农业生产效率，认为农村居民家庭人均纯收入和财政支农支出是农业生产效率改善的积极因素［1］；林永钦、熊雪（2011）采用传统DEA模型衡量了2009年环鄱阳湖地区农业循环经济的发展效率，认为鄱阳湖地区农业存在农药化肥投入冗余、粮食单产不足的问题，应当调整农业产业结构，发展循环农业［2］；吴小庆、王亚平（2011）采用层次分析法和传统数据包络分析法，将江苏无锡市1998-2008年的农业产业作为决策单元，评价了无锡市农业各年度生态效率，认为无锡市农业面源污染治理成效显著，农业可持续发展水平显著提高［3］。以上三种研究均使用截面数据或时间序列数据并采用传统DEA模型来衡量农业的发展效率，它忽略了时间因素，忽视资金政策滞后效应对后期农业经济发展的影响，另外，部分此类研究缺乏地区农业动态发展趋势的纵向比较。为克服截

以上这些研究虽然都采用不同的方法对农业发展效率进行了测度，指明了所研究地区的农业发展效率，点出了效率低下的影响因素，但是仍普遍存在以下问题：第一，在指标选择上均采用地区主要农业发展指标的总量数据，未排除地区人口、面积对农业发展各经济指标总量的影响；第二，在研究方法上，均采用了单一的DEA研究方法，并未综合利用各种DEA研究方法，以发挥其相互补充的优势；第三，多数对农业发展效率的评价结果进行了描述分析，并未进一步探究决策单元农业生产效率高低不同的深层原因。于是，本文汲取前人研究的经验，补充其研究的不足，以江西省2009-2014年由各地区农业生产主要经济指标所组成的面板数据为基础，一方面对江西省农业生产效率进行评价并研究其动态变化趋势，另一方面，采用适当的回归模型探讨主要农业经济指标对农业发展效率的影响程度。

二、研究方法

（一）研究模型

1.超效率DEA模型

DEA方法通过对一组具有多输入和多输出的决策单元（DMU）进行数据分析，判断这些DMU的相对效率［7］。传统的静态DEA模型虽然能够将决策单元（DMU）明显区分为有效的决策单元和无效的决策单元，但是不能对有效的决策单元继续进行再比较，实现效率的高低排序。针对这种情况，Andersen和Pe⁃tersen于1993年提出super-efficiency DEA即超效率DEA评价模型，简称SE-DEA［8］。SE-DEA将被评价的DMU从效率边界剔除，以剩下的DMU为基础，把前者的投入或产出与后者投入或产出量的线性组合所组成的假想决策单元相比较，对于无效的决策单元而言，其效率值仍然小于1，对于有效的决策单元而言，其效率值会大于1，从而可以对同为DEA有效的DMU做进一步的评价分析，其评价结果更具有区别性［9］。

2.DEA视窗分析

前文已经提到，传统的DEA模型比较适合分析截面经济数据，一方面，这种分析忽略了时间因素的作用，只能实现同一年度决策单元间发展效率的横向比较，无法实现同一DMU效率变化趋势的动态纵向比较；另一方面，经济投入往往具有滞后作用，例如某一时期某种资源投入过多会致使当期效率得分较低，这却可能正向作用于未来时期的产出，决策单元的经济发展情况在时间上并没有明显的界线。为了将时间指标加入模型，同时实现纵向和横向比较，G.Klopp在1985年率先提出DEA面板数据处理方法，将每个不同时期同一个DMU当成独立的DMU来计算，即视窗分析法（Windows analysis approach）［10］。假设共有N年M个地市的面板数据，设视窗长度为W，则视窗的个数为N-W+1，于是整个计算过程中，独立的DMU个数为NM(N-W+1)。视窗分析模型在反复运算中将不同的决策单元组成参考集，这种分析方法更能挖掘出DMU的真实效率情况［11］。

3.Malmquist指数模型

1953年，Malmquist最早提出Malmquist指数，Fare、Grosskopf、Lndgren and Ross1994年借助Fisher理想指数的思路，将非参数线性规划法与DEA理论相结合，构造了从t期到t+1期的全要素能源效率变化的Malmquist指数(total factor productivity change，Tfpch)，以此客观评价技术效率变动、技术进步和全要素变动之间的关系，弥补了静态DEA模型不能对面板数据进行分析的不足［12］。在VRS假设前提下，Tfpch可以分解为技术变化指数(technological change，Techch)和技术效率变化指数(technical effi⁃ciency change，Effch)，前者刻画了生产技术前沿面的移动，又称为“前沿面移动效应”，它表明了技术创新，Techch<1意味着由t期到t+1期生产前沿面向下移动；后者刻画了DMU相对技术效率的变化，又称为“追赶效应”，它用来表示DMU是否于当前的生产前沿面进行生产，Effch<1则DMU未达到由t期到t+1期的生产前沿面，相对技术效率降低。Effch又可以进一步分解为纯技术效率变化指数(pure technical efficiency change，Pech)和规模效率变化指数(scale efficiency change，Sech)，前者代表了组织管理者管理水平的变化情况，Pech<1表示由t期到t+1期DMU组织管理水平低下，在一定程度上影响或阻碍了效率的提高；上述指标小于1，表明相应效率较上一年恶化［13］。后者代表DMU是否在最优规模下进行生产，Sech<1表示由t期到t+1期DMU偏离了最优生产规模。上述指标小于1，表明相应效率较上一年恶化［13］。以上五种指数的关系如下：

4.Tobit回归

DEA模型计算的效率值是离散的，可能会有部分DMU处于效率边界，在估计因子对效率的影响系数时，如果采用普通最小二乘法进行回归系数估计，不能解释其中极限值和非极限观察值之间的性质差异，回归参数估计值会出现有偏且不一致的情况。Tobin于1958年提出了采用极大似然法截取回归模型对受限制因变量进行回归估计［14］，国内学者亦将tobit回归模型应用于生产有效性的因素分析上［15-17］。本文加以利用该方法。

（二）研究思路

1.指标选择

要素投入指标大体可以分为资本投入和劳动力投入两类。为避免前文提到的地区劳动力总量对农业发展各经济指标规模的影响问题，文章根据之前学者对农业的研究资料及江西省2010-2015年统计年鉴，所选择的农业投入产出指标有：

资本投入指标。农村用电量（千瓦小时/人）：各地市农村用电总量/各地市农村人口；农林水事务支出（元/人）：各地市农林水事务支出总量/各地市农村人口；农用化肥施用量（折纯量）（吨）。在农村，用电量是农民为确保生产有效进行的必需资本投入，农林水事务支出代表着政府为促进当地农业有效发展所进行的资金投入，农村人口代表着农村劳动力投入量，排除人口对指标总量的影响，利用人均投入来替代总量，能更好地反映农民及政府对农村农业生产的资本投入水平。

产出指标。农民人均纯收入（元）；第一产业人均生产力（万元）：第一产业总产值/第一产业从业人数。农民人均纯收入是反映地区农村居民收入的平均水平，它是农业生产的重要产出指标，第一产业人均生产力代表着每一位农业劳动者的产出效率，相对于总量指标，第一产业人均生产力能更好地反应地区农业产出质量。

2.研究步骤

第一，各地市农业生产效率的超效率DEA视窗评价。将非参数数据包络分析SE-DEA与DEA-Win⁃dows analysis相结合，建立超效率DEA视窗分析模型(W=3)，采用EMS1.3.0对江西省2009-2014年11个地市农业投入产出进行纵横交互的效率分析。然后利用加权平均法计算江西全省2009-2014年在各个视窗下的农业生产效率值。设在视窗i∈{1,2,…,N-W+1}下，连续W年地市 j∈{1,2,…,11}农业生产的效率值向量为 Kij=(kij(i+8),kij(i+9),kij(i+10))T，记江西省11个地市在视窗 i下的效率矩阵为 Ki∗=(Ki1,Ki2,…,Ki11)，设l∈{2009,…,2014}年，各地市第一产业占全省的比重向量为αl，在视窗i下，则W视窗期第一产业在全省的比重矩阵为αi∗=(αi+8,αi+9,αi+10)，根据加权平均法，在视窗i下，江西全省的农业生产效率值为pi∗=Ki∗αi∗。

第二，各地市农业生产全要素生产率分析及规模收益分析。采用DEAP2.1，运用DEA-Malmquist生产率指数法测算江西省2009-2014年的Tfpch、Effch、Techch、Pech、Sech，分析其趋势变化，同时采用DEAP2.1估计江西省近年来各地市规模收益变化情况。

第三，各因素对各类型农业生产效率影响。以视窗分析中各DMU的年度平均效率为因变量，农业其他主要因素为自变量，分别以全省、低效率地区、高效率地区为单位进行tobit回归分析，估计Techch 和Effch等因素对农业生产效率的影响系数，为如何提高不同地区农业生产效率提供理论支撑。

三、实证结果及分析

（一）超效率DEA视窗分析

本文以2010-2015年江西省统计年鉴为基础，采用EMS1.3.0对农业生产投入产出数据进行超效率DEA视窗分析，分析结果见表1所列。表中罗列了各地市农业生产在三个视窗下的各年度效率及在三个视窗下的平均效率，农业生产相对有效的DMU已加粗标注。从被标注的单元格数量来看，江西省九江市、吉安市最少，则两市农业生产严重偏离了相对有效生产包络面，其农业发展是严重缺乏效率的；新余、景德镇市被标注的单元格数量相对较多，则其农业生产是相对有效的。从表中各地市在各视窗下的效率排名可以得到，除新余市外，景德镇、抚州地区在连续三个视窗下效率排名均较为靠前，则这些地区的农业生产相对有效且稳定；九江、吉安地区农业生产效率则长期低下。

影响农业生产效率的因素可能有农村人口比重、农业生产规模、农业发展模式、第二产业发展情况。从统计数据上看，2014年江西省吉安市农村人口占全市人口55.3%，堪称全省之最，三大产业中，第一产业比例为16.4%，高出全省平均水平10.5%达6个百分点，第二产业比重51.1%亦低于全省平均水平54.5%；与此形成鲜明对比的是，新余、景德镇市农村人口比例结构分别为32.6%、37.7%，第一产业比重分别为5.8%、7.3%，农村人口比重小、农业生产规模小、城镇化率高、工业发展水平相对较高是景德镇、新余市农业生产效率偏高的重要原因；除此之外，根据林永钦、熊雪（2011）的循环农业经济评价结果，景德镇、新余市的农业循环经济效率分别位于江西省第1位和第3位，他们以较少的生态资本消耗获得了较高的经济运行效率，而吉安市生态经济运行效率则位于江西省第9位，其农业循环经济发展较为落后［2］。

表1 超效率DEA视窗分析结果

全省的农业效率发展趋势分析。图1展示了各地市在第一视窗2009-2011年和第四视窗2012-2014年的农业生产效率地理热图，颜色越深，农业生产效率越高，反之，则效率越低。从整体来看，第四视窗下的农业效率地图颜色明显要深于第一视窗下的颜色，以此来看，近年来，江西省农业生产平均效率有所提升；从各地区来看，新余、景德镇地区农业生产效率持续领先，抚州、鹰潭地区后来居上；从地理分布上看，环鄱阳湖地区农业发展效率相对高于其他地区，它是江西省2009年以来大力推进鄱阳湖生态经济圈建设、发展猪-沼-粮等循环农业发展模式正确性的有力证明，也是鄱阳湖生态经济圈农业发展初见成效的真实体现。

图1　各地市农业生产效率变化

为更好地分析江西省农业的效率趋势，本文以各地市农业生产份额所占的比例为权重，利用加权平均法计算了江西省2009-2014年运用超效率视窗分析的年度平均值，如图2所示。由图2可知，2009年以来全省产业结构的调整升级使第一产业产值比重处于不断下滑状态；2009年鄱阳湖生态经济圈初建成，投入的滞后效应致使全省农业生产平均效率于2010年大幅提升，之后，平均效率呈现直线递减态势，2010-2013年平均效率衰减速度较快，2014年衰减速度变缓。2010年至今，农业产值比重与农业生产效率呈现极为相似的递减趋势，由此推断，除去省内2009年以来产业转型升级、着重发展第三产业的缘故外，农业生产效率的递减状态也是导致第一产业产值比重不断减小的原因之一。

图2　江西省农业生产效率分析

（二）Malmquist指数分析和规模效益分析

本节利用软件DEAP2.1对各地市投入产出数据进行Malmquist指数分析和规模效益分析，对江西省近年来的农业生产效率情况进行详细评价。Malmquist指数分析见表2所列。数值加粗表示相应指标达到了相对有效水平。相对于2009年，2010年江西省农业生产技术得到了较大改进、劳动者组织管理水平有所提高，农业处于更佳的规模上进行生产，这使得2010年全要素生产率提升0.08，技术进步变化指数提升0.07。细分而言，2011年，全省农业技术生产边界向后推移；2012年，全省农业技术生产边界回移，但是各地市相对技术效率变化降低，组织管理水平降低，并且生产偏离了最优生产规模，致使全省Effch小于1；2013年，Tfpch小于1，原因是技术进步变化指数Techch为0.92，相对于2012年降低，技术生产边界向后推移；2014年，Techch提升使得全要素生产率回归有效状态。综上所述，除2010年外，2011-2014年江西省农业生产技术进步变化指数与技术效率变化指数总是呈现顾此失彼的状态，这导致整体全要素生产率低下。由此看来，在新的技术水平提高的同时，还需注重生产组织管理水平及生产规模的优化控制，两者同步发展，才能达到更高的生产效率状态。

表2　江西省农业生产全要素生产率分析

规模收益分析见表3所列。规模收益分析展示了地区农业生产所处的规模状态：递增、递减、不变。“-”表示规模收益不变，“drs”表示规模收益递减（已用有色标记标出），“irs”表示规模收益递增。由表3可知，农业生产低效的吉安连续三年规模收益持续递减，九江规模收益连续四年处于递减状态，萍乡农业规模收益情况亦不容乐观；江西农业生产主要地区之一上饶市目前规模收益情况递增，生产状态相对较好；其他地区则连续六年农业规模收益保持稳定。综上，江西省整体处于规模效益缩小的生产面上，主要原因归结于第一产业对江西省影响较大的吉安、萍乡、九江地区规模收益持续递减，三者第一产业之和对江西省第一产业的影响力度为24.6%。这就需要部分地区改变以往扩大规模、增加投入的粗放型增长模式，适当缩小农业的发展规模，将生产规模调至规模效益不变状态或规模效益递增状态。

表3　规模收益分析

（三）农业生产效率tobit回归分析

以上采用超效率DEA视窗分析和Malmquist指数分析及规模收益分析评价和探讨了江西省6年中11个地市的农业生产效率情况。为深度研究技术要素等对江西省农业生产效率的影响程度，为促进不同地区农业生产效率的提高提供决策依据，本节利用stata tobit回归分析进行探讨［18］。以农业生产效率（平均值）ef为因变量，技术进步变化指数Techch、技术效率变化指数effch、化肥施用量（折纯量）hf、人均用电量ydl、农林水事务平均支出zc、农民纯收入csr、地区农村人口比例nrk为自变量，构建回归模型：由于经济变量之间的内在联系与因果关系及量级的影响，（2）式中自变量间可能存在多重共线性关系，首先对面板数据进行共线性检验，由stata得出的矩阵散点图和共线性检验方差膨胀因子vif分别如图3和表4所示。根据图3，地区农民纯收入csr和地区农林水事务支出zc存在较强的共线性关系，地区农林水事务支出可能是影响农民纯收入的重要因素，另由表4，自变量农民纯收入、农林水事务支出的方差膨胀因子大于10，则其与其他自变量间存在共线性问题的可能性较大。于是，由于可能存在的共线性关系，本文采用逐步回归法进行tobit回归。

表4　方差膨胀因子vif

本节对江西全省、农业生产低效率地区(ef<1)、农业生产高效率地区(ef≥1)分别进行一般的tobit回归和tobit逐步回归，结果见表5所列。根据对全省农业生产效率的回归结果，自变量农林水事务支出和农民纯收入之间可能存在的共线性关系并不影响回归系数的显著性，所以tobit逐步回归保留了这两个存在较强相关性的变量，同时将回归不具有显著性的技术效率变化指数Techch、Effch剔除，tobit逐步回归并没有引起变量回归系数的较大变化。由全省的回归结果显示：农民纯收入对农业生产效率具有显著正向的影响；化肥施用量、农林水事务支出、农村人口比例等则从反方向影响全省农业生产效率的提高，农村人口比例的负向影响最大。

根据对低效率地区的回归分析，技术进步变化指数和技术效率变化指数对低效率地区的影响不显著，其他因素均通过显著性检验；农林水事务支出、农村人口比例等对低效率地区的农业生产产生负向影响，特别是农村人口比例，每升高10个点，低效率地区农业生产效率下滑0.08；在参与回归的变量中仅有农民纯收入对该类型地区的农业生产产生正向影响。这些低效率地区存在较为庞大的农村人口基数，阻碍了现代农业生产技术的推广，进而导致其农业生产与现代化农业技术应用脱轨，即使财政补贴对农业产出具有较强的促进作用［19］，但这并不能使支农资金得到高效率利用。所以，授之以鱼，不如授之以渔。

与低效率地区逐步tobit回归不同，高效率地区在回归分析中自动保留了技术进步变化指数，并且它成为对高效率地区农业生产效率正向影响最大的因子，技术进步变化指数每提升0.1，则地区农业生产效率提升0.037，可见，这些地区之所以具有较高的农业生产效率得益于该类地区农业生产技术的进步与提高；与低效率地区相同，化肥施用量、人均用电量对地区农业生产效率均产生负向影响，但影响程度相对较小；农村人口比例和农林水事务人均支出对农业高效率地区的作用不显著。农业生产高效率地区普遍存在农村人口比重较低，农业生产规模小的现象，它更容易接纳现代化农业生产技术，充分发挥现代化生产技术的作用，但是在财政支农结构中，仅有小比例支出用于农业现代技术的研发，导致财政支出效率不高。

表5　tobit回归结果

综合以上对tobit回归结果的分析，各因素对农业生产效率的影响方向见表6所列。

表6　各因素对农业生产效率的影响方向

本文认为为提高江西省的农业生产效率，需对不同发展程度的地区采取不同的措施。对于农业生产低效地区而言，应加强现代农业技术在这些地区特别是在农村人口比例大、农业生产规模较大的吉安市地区的推广与普及，鼓励有机肥、种植绿肥等化肥减量措施的实施，较好地控制化肥使用量，改善土壤环境，降低农村对化肥等资源的高度依赖关系，充分发挥现代技术对农业生产的作用，同时完善支农资金在农村基础设施建设的作用机制，增加农民增收，提高城镇化水平，使农民有更多的资金用于购买新的机械、高产量种苗等农业现代化生产资料，也有更多的机会参与培训提高劳动技能，促使耕作效率得到进一步提高；对于高效率地区而言，农业技术变化对农业生产效率的提高具有不可磨灭的作用，应当调整农业支出比例结构，加强对该类地区的农业科技三项费用投入，鼓励生产资料的创新研发，使农林水事务支出资金恰到好处，这才能继续发挥农业技术对高效率地区农业发展的刺激作用。根据经济空间溢出的原理［20］，高效率地区农业生产效率的提高有利于周围其他低效率地区农业生产效率的提高。

四、结　论

本文采用超效率DEA视窗分析和Malmquist指数分析及规模收益分析来评价和探讨江西省2009-2014年11个地市的农业生产效率情况，并探讨了地区各因素如技术进步变化指数、农民纯收入等因素对地区农业生产效率的影响程度。可以得出如下结论：

（1）在超效率DEA视窗分析下，江西省农村人口比重低、农业生产规模小、农业循环发展模式得到有效推广的景德镇、抚州等地的农业生产效率相对较高，农村人口比重高、城镇化率低的九江市、吉安市效率最低；环鄱阳湖区的农业生产效率要高于其他地区；全省农业生产效率自2010年大幅提升之后逐步下滑。

（2）全要素生产率分析显示，2010年全要素生产率水平、技术进步变化指数、技术效率变化指数较2009年均有所提高；但2010年之后，农业技术进步变化指数与技术效率变化指数总是顾此失彼，致使全省全要素生产率下滑。可见，生产技术水平的提高与组织管理水平的完善缺一不可。

（3）规模收益分析指出，江西省九江、萍乡、吉安农业生产规模收益持续下滑，多数地区规模收益保持不变，这导致江西总体农业生产偏离了最优生产规模。吉安、九江等地区有必要转变粗放型发展模式，将农业生产调整至最佳生产规模位置。

（4）Tobit回归表明，农业生产影响因素对效率不同的地区影响程度不同，应当采取不同的促进措施。应加强低效率地区现代农业技术的推广，增加高效率地区农业科研经费的支出比例，因地制宜，使支农资金充分发挥其作用，提高全要素生产率，增加农民收入，农民收入的增加反过来进一步促进地区农业生产效率的提高。

参考文献：

［1］贺志亮，刘成玉.我国农业生产效率及效率影响因素研究——基于三阶段DEA模型的实证分析［J］.农村经济，2015（6）：48-51.

［2］林永钦，熊雪，傅春.鄱阳湖生态经济区农业循环经济发展综合评价［J］.长江流域资源与环境，2011，20（12）：1532-1536.

［3］吴小庆，王亚平，何丽梅，等.基于AHP和DEA模型的农业生态效率评价——以无锡市为例［J］.长江流域资源与环境，2012，21（6）：714-719.

［4］曾大林，纪凡荣，李山峰.中国省际低碳农业发展的实证分析［J］.中国人口·资源与环境，2013，23（11）：30-35.

［5］吴旭晓.基于超效率DEA视窗分析模型的区域农业发展效率研究——以豫、鄂、湘、赣4省为例［J］.开发研究，2012（6）：58-61.

［6］秦钟，章家恩，骆世明，等.基于DEA时间窗分析的广东省农业生产效率评价［J］.中国生态农业学报，2011，19（6）：1448-1454.

［7］李力，韩丽媛.基于能源—经济—环境DEA分析的我国工业发展效率评价研究［J］.科技管理研究，2008（5）：93-95.

［8］Andersen P，Petersen N C.A Procedure for Ranking Effi⁃cient Units in Data Envelopment Analysis［J］.Management Science，1993，39（10）：1261-1264.

［9］赵前，焦捷，王以华.中国省际科技竞争力评价——基于超效率DEA的分析［J］.清华大学学报：自然科学版，2011，51（6）：820-826.

［10］Klopp G.The Analysis of the Efficiency of Production Sys⁃tem with Multiple Inputs and Outputs［R］.Chicago：Uni⁃versity of Illinois at Chicago，Industrial and Systems Engi⁃neering College，1985.

［11］姜宝，周晓敏，李剑.我国海洋科技投入产出效率的区域差异研究——基于超效率DEA视窗-Malmquist指数［J］.科技管理研究，2015（10）：49-53.

［12］Fare R，Grosskopf S，Norris M，et al.Productivity Growth，Technical Progress，and Efficiency Change in In⁃dustrialized Countries［J］.American Economic Review，1994，84（1）：66-83.

［13］刘秉镰，林坦，刘玉海.规模和所有权视角下的中国钢铁企业动态效率研究——基于Malmquist指数［J］.中国软科学，2010（1）：150-157.

［14］Tobin J.Estimation of Relationships for Limited Depen⁃dent Variables［J］.Econometrica，1958，26（1）：24-36.

［15］胡根华，秦嗣毅.“金砖国家”全要素能源效率的比较研究——基于DEA-Tobit模型［J］.资源科学，2012，34（3）：533-540.

［16］韩华为，苗艳青.地方政府卫生支出效率核算及影响因素实证研究——以中国31个省份面板数据为依据的DEATobit分析［J］.财经研究，2010，36（5）：4-15，39.

［17］丁一兵，付林.中美大型企业社会责任对其企业效率的影响机制研究——基于DEA-Tobit两步法的分析［J］.产业经济研究，2015（6）：21-31.

［18］Honore B E.Trimmed Lad and Least Squares Estimation of Truncated and Censored Regression Models with Fixed Effects［J］.Econometrica，1992，60（3）：533-565.

［19］郑军，朱甜甜.经济效率和社会效率：农业保险财政补贴综合评价［J］.金融经济学研究，2014，29（3）：88-97.

［20］肖小勇，李秋萍.中国农业技术空间溢出效应：1986-2010 ［J］.科学学研究，2014，32（6）：873-881，889.

［责任编辑：余志虎］

中图分类号：F127；F323.5

文献标志码：A

文章编号：1007-5097（2016）07-0021-08

收稿日期：2015-11-11

基金项目：国家社会科学基金青年项目（12CJY093）；江西省社会科学“十二五”（2014年）规划一般项目（14GL08）

作者简介：谌贻庆（1963-），男，江西新建人，教授，硕士生导师，博士，研究方向：区域经济模型；王华瑞（1988-），女，河南郑州人，硕士研究生，研究方向：数量经济学；陶春峰（1975-），男，江西南昌人，副教授，硕士生导师，博士，研究方向：数量经济模型与方法。面数据的不足，也有学者以面板数据为基础，对农业发展效率进行评价：曾大林、纪凡荣（2013）采用传统的DEA-SBM模型，对2000-2010年全国低碳农业的发展状况进行了评价，认为化肥和农膜是农业碳排放的主要源头，各省农业发展效率值存在收敛性，但是该文以农业碳排放量作为农业生产的产出指标，具有不合理性［4］；吴旭晓（2012）使用基于超效率DEA的视窗分析方法，衡量了2005-1010年我国中部豫、鄂、湘、赣四个省份农业发展效率，认为将财政农业支出比例不断加大，以维持农业高补贴，实施农业保护政策，才能够逐步实现农业现代化［5］；秦钟、章家恩（2011）采用DEA视窗分析对广东省21个地市在1994-2007年间农业投入产出的效率进行了测算，从横向和纵向两个方面对农业发展相对效率进行了对比分析［6］。

Evaluation of Agricultural Production Efficiency and Study on Its Influential Factors in Jiangxi Province

CHEN Yi-qing，WANG Hua-rui，TAO Chun-feng
（School of Economics&Management，Nanchang University，Nanchang 330031，China）

Abstract:Super efficiency DEA Windows analysis，Malmquist TFP Index，and analysis of Returns to Scale are employed to evaluate agricultural productivity of Jiangxi province from 2009 to 2014 in this paper.Then the paper analyzes the influences of other agriculture factors to the efficiency based on Tobit model.The empirical results show that：Agricultural input-output performance of Jingdezhen，Xinyu，is relatively optimal，and regions of higher agricultural productivity are concentrated in Poyang lake areas；Technological change and technical efficiency change are not at the same step in Jiangxi province；Some ar⁃eas，such as Ji’an and Jiujiang，are at a stage of scale decreasing；The progress of technological change and the pure income of farmers do good to the efficiency.So it is insisted that measures adopted should be different in different area in Jiangxi prov⁃ince.It is important to pay more attention to agriculture research in higher efficiency area and changing the growth mode in lower efficiency area，which will be helpful to efficiency promoting and pure income increasing.

Keywords:agricultural production efficiency；SE-DEA；Windows analysis；total factor productivity；Tobit model