我国水稻主产区生产效率及影响因素研究

吉星星，毛世平，刘瀛弢，吴敬学

(1中国农业科学院农业经济与发展研究所,北京　100081； 2中国农业科学院财务局，北京　100081)



我国水稻主产区生产效率及影响因素研究

吉星星1，毛世平1，刘瀛弢2，吴敬学1

(1中国农业科学院农业经济与发展研究所,北京100081；2中国农业科学院财务局，北京100081)

摘要：采用DEA-Tobit两步法研究了我国水稻主产区在1997—2014年间的生产效率及影响因素。研究发现，东北平原水稻生产效率最高，长江流域次之，东南沿海最低；在影响水稻生产效率的因素中，人均收入水平、科技发展水平、收入依赖程度、市场化水平对水稻生产效率有显著的正向影响，基础教育水平有方向性的正向影响，自然灾害有方向性的负向影响。在此基础上本文提出了提高我国水稻生产效率、保障粮食安全的政策建议。

关键词：水稻；生产效率；影响因素；粮食供给；口粮安全

我国是水稻生产大国，水稻是我国三大粮食作物之一。1997年我国水稻产量为20 073.6万t，达到了当时历史上的最高水平，自1998年开始，我国水稻产量开始直线下降，到2003年已经降到了16 065.5万t；自2004年开始，我国水稻产量又开始恢复上涨，自此获得“十一连增”，水稻总产量到2014年已经增长到了20 650万t，恢复了下降前的水平。目前我国经济进入新常态，经济增速放缓，通过要素投入获得产量增长的粗放型增长模式将难以为继，因此迫切需要提高水稻的生产效率来保证口粮供给和粮食安全。在水稻产量下降后又上升的这一时期内我国水稻主产区的生产效率如何？有哪些因素会对水稻生产效率产生影响？这是本文将要研究的主要内容。

目前国内对于水稻生产效率的研究已有一定的成果，从方法和视角等方面进行划分可以分为三类。第一类是利用非参数方法对水稻产业整体情况进行分析，如周宏、陈晓东[1，2]利用传统的DEA方法对中国水稻产业的生产效率进行了分析；王明利等[3]运用基于DEA 分析法的Malmquist指数对我国不同种类水稻的生产效率进行了分析；陈超等[4]采用Kaoru Tone在2001年修正的非径向SBM模型的方法考察了1978—2005年我国水稻生产效率的动态变化；徐丽君等[5]采用基于DEA的Malmquist指数法，对南方双季稻区6个省(区)的生产效率进行了分析；第二类是利用参数方法计算生产效率，如宿桂红[6]采用随机前沿生产函数法对1998—2008年10年间中国粮食主产区水稻生产的技术效率进行了测算分析；杨万江等[7]通过对我国南方11省份761户稻农调查，基于随机前沿生产函数对水稻生产效率及影响因素进行了分析；第三类是聚焦于某个省的水稻生产效率或某种具体因素对生产效率的影响，如张越杰[8]采用非参数HMB 指数方法对吉林省8个县(市)水稻生产的效率变动进行分解分析；朱萌等[9]基于湖北省的调研数据分别构建了稻农水稻种植投入模型、生产行为与政策满意度模型和非效率模型对水稻生产技术效率影响因素进行了实证研究；姜岩等[10]利用随机前沿生产函数分析了江苏省的气候变化对水稻生产效率的影响。

我国目前对水稻生产效率的研究大都停留在对水稻整体生产效率水平的分析上，同时，现有研究对影响水稻生产效率的社会和自然环境等因素的研究较少，涉及影响因素的研究往往聚焦于某个省份或局部地区，对整体情况而言缺乏代表性。因此，本文根据我国水稻主产省份的经济地理特征将我国水稻主产区分为东北平原、长江流域、东南沿海等三个区域，通过生产前沿面的非参数DEA方法测算我国水稻主产区的生产效率，并实证检验可能会对水稻生产效率产生影响的自然和经济社会条件等方面的因素，以期为提高水稻生产效率、保障我国的粮食供给和口粮安全提供政策建议。

1数据处理及模型构建

1.1研究方法

数据包络分析(Data Envelopment Analysis，DEA)是基于生产前沿面方法用来评价决策单元的相对有效性的非参数估计方法。经典的DEA模型主要有CCR和BCC两种。利用CCR和BCC模型，可分别求出各决策单元的综合效率(TE)和纯技术效率(PTE)，再根据综合效率等于规模效率乘以纯技术效率，即TE=SE×PTE，SE=TE/PTE，可求出各决策单元的规模效率。

由于本文先利用DEA计算各决策单元的生产效率值，再将生产效率值作为因变量与各影响因素(自变量)进行回归分析，并根据回归结果分析各因素对效率值的影响，而生产效率值为>0且≤1的数值，数据被截断，如果采用最小二乘法，回归结果将会有偏且不一致，因此采用Tobit模型进行回归分析。

1.2数据选择及处理

为了保证数据的完整性和可得性，减少分析误差，本文选取每亩主产品产量作为产出指标，每亩用工数量、每亩化肥费用以及每亩其他物质和服务费用作为投入指标，每亩其他物质和服务费用是指每亩物质服务费用扣除化肥费用以外的费用，为了剔除价格因素的影响，本文使用各地区的化肥生产资料价格指数对每亩化肥费用进行平减，用各地区综合生产资料价格指数对每亩其他物质和服务费用进行平减。

用于计量分析的基础数据来自于历年《中国统计年鉴》、《中国农村统计年鉴》、《全国农产品成本收益资料汇编》、国家统计局数据库，部分数据经作者整理计算得到。

1.3模型构建

在测算各个水稻主产省份的综合效率值之后，本文使用综合效率作为因变量，影响水稻生产效率的因素作为自变量。从水稻生产主体及其所处的经济社会和自然环境等方面以及已有的研究成果[11-13]综合考量可能影响水稻生产效率的因素，选取人均收入水平、科技发展水平、生产者收入依赖程度、基础教育水平、市场化水平、自然灾害等影响因素(表1)，本文所选取的指标及假设如下：

表1　各影响因素预计影响方向

(1)人均收入水平。本文以各地区的人均GDP来反映各地区的人均收入水平。本文认为，人均收入水平越高的地区，人均GDP越高，水稻的生产效率越低，一方面收入来源更广泛，人们更倾向于不从事农业生产，从二三产业中获得的收入远比从水稻生产中获得的收入更多也更容易，另一方面该地区的土地会更多的种植经济作物。

(2)科技发展水平。本文以各地区技术市场交易额占GDP的比重来作为各地区科技发展水平的代理变量。本文认为一个地区的科技发展水平越高，水稻的生产效率也会越高。技术市场交易额越高，意味着科学技术在地区发展中起到的作用越大，相对应地农业科技也会更先进，从而促进生产效率的提高。

(3)收入依赖程度。本文以各地区的农村居民家庭经营性收入占家庭纯收入的比重来作为水稻生产者收入依赖程度的代理变量。本文认为，随着水稻生产者经营性收入在家庭收入中的比重降低，生产者对来自于水稻生产的收入依赖程度降低，水稻生产效率也会降低。

(4)基础教育水平。本文以各地区15岁及15岁以上不识字或识字很少的人口占当地总人口的比重，即所谓的文盲率来反映农村的基础教育水平，文盲率越低则表明该地区的基础教育水平越高。由于目前我国农村地区相对于城镇地区教育水平相对落后，文盲人口也基本都分布于农村地区，所以这一指标具有一定的代表性。本文认为文盲率越低，农村的基础教育水平越高，生产效率也越高。

(5)市场化水平。本文以各地区水稻的商品率来体现市场化水平。本文认为，水稻的商品率越高，则市场化水平越高，从而使水稻的生产效率越高。

(6)自然灾害。本文以农作物受灾面积占农作物播种面积的比重来反映该地区的自然灾害情况。水稻生产受光热等气候条件的影响较大，自然灾害严重的地区，水稻产量会下降，从而降低水稻的生产效率。

根据以上理论分析，构建计量经济模型式如(1)式：

TE=α0+α1GDP+α2+TD+α3ID+α4BE

+α5ML+α6ND+μ

(1)

(1)式中，α0为常数项；α1-α6是各个解释变量的系数；μ为残差项。

2实证结果分析

2.1DEA结果分析

从水稻优势产区的综合情况来看，我国水稻优势产区的综合技术效率均值基本比较稳定，年际间的变化波动比较频繁，但是波动幅度不大。东南沿海的综合技术效率有明显下降的趋势，而东北平原和长江流域则相对较为稳定。东北平原的综合技术效率高于全国平均水平，长江流域的技术效率均值与全国水平较为接近，东南沿海的技术效率均值低于全国平均水平(附图)。

附图　我国三大优势产区水稻生产效率均值

从东北平原、长江流域、东南沿海的区域效率均值来看，不论是综合技术效率还是纯技术效率和规模效率，都是东北平原最高，长江流域次之，东南沿海最低。从各省份的综合效率排名来看，最高的前三位依次是重庆、黑龙江、四川，最低的依次是广西、广东、贵州。从各省份的纯技术效率排名来看，最高的前三位依次是黑龙江、海南、重庆，最低的依次是广西、广东、贵州。从各省的规模效率排名来看，最高的前三位依次是重庆、黑龙江、河南，最低的依次是海南、广东、广西。除了河南和海南之外，三种效率值的排名都比较一致(表2)。

表2　我国水稻主产省份各类效率及排名

纯技术效率能够反映生产过程中投入的要素是否被有效使用，纯技术效率值越高，表示投入要素的使用越有效率。规模效率反映的是产出要素与投入要素的比例是否合适、产出水平是否最佳；规模效率值越高，表明要素投入的规模和产出水平越接近最佳状态。表2可见我国水稻主产省份综合技术效率、纯技术效率以及规模效率值及排名。

为比较分析三大优势产区之间的综合技术效率差异的显著性，本文运用统计学的方差分析方法对东北平原、长江流域、东南沿海这三个地区水稻的生产效率均值进行了分析。统计分析结果显示，单因素方差分析的F值为56.074，在1%显著性水平下显著，说明东北平原、长江流域、东南沿海这三大区域的水稻生产效率均值存在显著的差异(表3)。

表3　单因素方差分析

为进一步分析不同地区相互之间水稻生产效率的差异性，利用Student-Newman-Keuls多重比较分析方法，对这三大区域进行两两比较分析，分析结果表明这三大区域综合技术效率相互之间均存在明显的差异。东北平原水稻综合技术效率均值为0.95，长江流域为0.896，东南沿海为0.805(表4)。

表4　Student-Newman-Keuls多重比较分析结果

2.2模型回归结果分析

本文利用前文所构建的计量经济模型，对水稻生产效率的影响因素进行了回归，从表5可以看出：

表5　水稻生产效率影响因素回归结果

注：括号内为各个系数的P值，**表示在5%显著性水平下显著、***表示在1%显著性水平下显著。

(1)人均收入水平的系数在5%显著性水平下通过了检验，表明人均收入水平对水稻的生产效率有负向影响。人均收入水平越高的地区，水稻的生产效率越低，一方面收入来源更广泛，人们更倾向于不从事农业生产，从二三产业中获得的收入远比从水稻生产中获得的收入更多也更容易；另一方面该地区的土地会更多的种植经济作物。

(2)科技发展水平的系数在5%显著性水平下通过了检验。表明科技发展水平对水稻生产效率有正向影响。一个地区的科技发展水平越高，意味着科学技术在地区发展中起到的作用越大，相对应地农业科技也会更先进，从而促进生产效率的提高。

(3)收入依赖程度的系数在5%显著性水平下显著。表明水稻生产者收入依赖程度与生产效率有正向关系。随着家庭经营性收入在家庭收入中的比重逐渐降低，生产者逐渐失去提高生产效率的驱动力，各种资源的配置也不会向水稻生产倾斜，从而使生产效率不断下降。

(4)基础教育水平的代理变量文盲率系数为没有通过显著性检验，但是接近10%显著性水平，说明基础教育水平对生产效率的影响是方向性的。由于目前我国农村地区相对于城镇地区教育水平相对落后，文盲人口也基本都分布于农村地区，地区的文盲率越低，表明水稻生产者的基础教育水平越高，促进了生产效率的提高，这与已有的研究结论相同。

(5)市场化水平的系数在1%显著性水平下通过了检验。市场化水平越高的地区，水稻越容易转化为收入，因此水稻的生产者就会愿意去提高生产效率以获得更多的收入。

(6)受灾率的系数并未通过显著性检验，但是非常接近10%显著性水平。表明自然灾害对生产效率的负向影响是方向性的。由于自然灾害的情况较为复杂，各地区的抗灾能力使得这种负向影响变得更为复杂，通过受灾率无法非常完善地体现出自然灾害对生产效率的影响，但是仍然可以认可自然灾害对生产效率的负向影响。

3研究结论与政策建议

3.1研究结论

利用DEA对我国水稻优势产区的生产效率进行分析的结果表明，无论是综合技术效率还是纯技术效率和规模效率，所体现的情况都比较一致，即东北平原最高，长江流域次之，东南沿海最低。

通过DEA-Tobit两步法对生产效率的影响因素进行实证检验的结果显示，人均收入水平、科技发展水平、收入依赖程度、市场化水平对水稻生产效率有显著的正向影响，基础教育水平有方向性的正向影响，自然灾害有方向性的负向影响。

3.2政策建议

基于本文的研究结论，提出以下政策建议。

一是加快市场化进程，建立健全粮食流通体制。充分利用市场作为配置资源的基础，加强国内统一市场的建立。地区间的市场分割不利于水稻生产资源配置的优化，也不利于农民收入的提高。为了加强各地区稻米的流动，加强各地农产品市场的整合，国家应该建立合理的粮食流通体制，促进稻米在地区间的流通。

二是改革农业补贴政策，提高水稻生产的积极性。农业补贴向种粮者倾斜，释放明确的政策“信号”；完善政策性收购和商业收购相结合的粮食收购政策，使水稻生产者通过生产经营获得收入的途径多样化、便利化；适度增加农业机械补贴力度，提高机械化水平，健全农业机械社会化服务体系，提高机耕、机插、机收“三机”作业率，减轻劳动强度，降低劳力成本，提升生产活动的便捷性，最终使种粮大户等当前的水稻生产主体真正受益。

三是由于水稻生产容易受到气候条件变化以及自然灾害等自然环境条件的影响，因此要做好事前预防、事中补救、事后补偿的机制，最大限度的减少自然灾害等偶然因素造成的稻米产量的波动。稻米需求关系到国计民生，为了避免因自然灾害等意外因素对供给造成太大的冲击，政府可适当的采取一些经济干预的手段，包括粮食储备或相关的贸易政策等调整暂时的供求失衡，避免造成大米价格的剧烈波动。◇

参考文献

[1]周宏，褚保金.中国水稻生产效率的变动分析[J].中国农村经济，2003，12：42-46.

[2]陈晓东，姜立峰，郭佳.基于DEA方法的我国水稻生产效率研究[C].长沙：第三届中国管理学年会，2008.

[3]王明利，吕新业.我国水稻生产率增长、技术进步与效率变化[J].农业技术经济，2006，6：24-29.

[4]陈超，等.基于SBM模型的中国水稻生产效率分析[J].农业技术经济，2008，4：71-78.

[5]徐丽君，杨敏丽.基于Malmquist指数法的水稻生产效率实证分析[J].农业机械学报，2012，S1：169-174.

[6]宿桂红，傅新红.中国粮食主产区水稻生产技术效率分析[J].中国农学通报，2011，27，2：439-445.

[7]杨万江，李琪.我国农户水稻生产技术效率分析——基于11省761户调查数据[J].农业技术经济，2016，1：71-81.

[8]张越杰，霍灵光，王军.中国东北地区水稻生产效率的实证分析——以吉林省水稻生产为例[J].中国农村经济，2007，5：24-32.

[9]朱萌，齐振宏，等.究竟是什么影响了稻农水稻生产技术效率？——基于湖北省稻农的调查数据[J].科技管理研究，2015，8：77-82.

[10]姜岩，朱晓莉，周宏，王筠菲.气候变化对江苏水稻生产效率变动的影响[J].农业技术经济，2015，12：105-116.

[11]周向阳.我国粮食生产阶段中农业科技生产效率问题研究[J].中国食物与营养，2015，12：19-23.

[12]赵俊晔，李秀峰，王川.近年我国粮食产量变化的主要影响因素分析[J].中国食物与营养，2006，9：9-12.

[13]计晗，李志强.我国口粮消费的影响因素研究——基于省级截面数据的分析[J].中国食物与营养，2013，8：43-46.

(责任编辑李燕妮)

基金项目：国家自然科学基金项目“我国农业科研院所科技创新效率研究”(项目编号：71373263)；中国农业科学院科技创新工程(项目编号：ASTIP-IAED—2016- 05)；农业部行政专项“农产品成本收益调查研究”；国家自然科学基金项目“农业技术进步模式对我国粮食生产能力的影响评估”(项目编号：71273263)。

作者简介：吉星星(1991—)，男，在读硕士研究生，研究方向：农业经济理论与政策。

通讯作者：毛世平(1968—)，男，博士，博士生导师，研究员，研究方向：技术经济、农业科技政策。

Production Efficiency and Affecting Factors of Rice’s Dominant Areas in China

JI Xing-xing1，MAO Shi-ping1，LIU Ying-tao2，WU Jing-xue1

(1Institute of Agricultural Economics and Development， Beijing 100081,China;2Finance Bureau，Chinese Academy of Agricultural Sciences，Beijing 100081， China)

Abstract：This paper analyzed the production efficiency and affecting factors of rice in China from 1997 to 2014 using DEA-Tobit two stage methods.Results found that the Northeast Plain had the highest production efficiency，followed by the Yangtze River Basin，and finally the southeast coast.Among the affecting factors，the level of economic development，science and technology development level，income dependence and marketization level had significant positive influences on production efficiency,basic education level had the positive influence of direction and natural disasters had the negative influence of direction，but not significantly.The paper proposed the policy recommendations to improve the production efficiency of rice and ensure food supply and rations safety.

Keywords：rice；production efficiency；affecting factor；food supply；rations safety