农业龙头企业带动农户效用评价及差异分析——基于南京市119家企业的调研数据

徐丹宁，陈超，陈丽君

(南京农业大学经济管理学院，江苏 南京 210095)

农业龙头企业带动农户效用评价及差异分析
——基于南京市119家企业的调研数据

徐丹宁，陈超，陈丽君

(南京农业大学经济管理学院，江苏 南京 210095)

基于南京市119家不同等级农业龙头企业的调研数据，从带动数量和带动质量角度选取带动农户数量和带动农户增收两个指标为输出变量，从资源和劳动力角度选取主要农产品原材料采购值、对农产品基地建设投入、雇佣农工人数、工资福利等指标为投入变量，运用数据包络分析方法测算了龙头企业带动效率，并比较不同等级龙头企业带动效用的差异。结果表明：龙头企业整体对农户的带动效用远没有达到高效率的状态，尚有较大提升空间；省级以上龙头企业的带动效用较强，与分级目标一致；区(县)级龙头企业带动效用与市级相近，甚至强于市级，与分级预期不一致；同一等级龙头企业的带动效用仍有区别且差异较大。

农业龙头企业；带动效用；分级；南京市

一、问题的提出

在农业现代化进程中，农业龙头企业对于促进农村发展、带动农民就业增收、引导农业发展方式转变方面具有重要作用[1]。龙头企业通过与农户建立可靠、稳定的利益联结机制，对于进一步引导农户生产行为，发挥了很好的带动作用[2]。这种带动作用主要体现为提高农户的社会化和组织化程度，实现农户与市场的对接，一方面降低和分散农户面临的市场风险，另一方面使农户分享到由于产业链延长而带来的利益[3]。

国内外研究涉及龙头企业对农户带动作用的理论比较丰富，主要包括交易费用理论、契约经济理论、博弈论等方面。交易费用理论指明了龙头企业作为带动主体的重要性。Williamson认为实行农业产业化经营，形成龙头企业这一领导组织，可以节省交易费用[4]。契约经济理论则指明了龙头企业发挥带动作用的路径。Key、Runs ten分析认为发展中国家契约农业和大规模增产计划非常普遍[5]；陈灿等从关系契约角度分析了农业龙头企业与农户间的关系特征，指出这种关系特征主要包括正式合约与关系治理两个部分[6]。博弈论则为带动作用的实践提供了指导。许多学者基于博弈论分析认为，农业产业化成功的关键在于企业、农户和政府的三方博弈。国内学者对龙头企业促进技术进步、管理进步、带动农民就业增收的带动作用达成了共识；另有学者创造性地提出龙头企业带动农村社会建设等作用，但尚未在国内学界形成共识[7-9]。

一些国内学者开展实证研究评估了龙头企业对农户的带动作用。陈超和邸长慧基于农户收益视角构建了龙头企业带动农户能力的评价体系[10]。陈磊等利用DEA评价决策单元的有效性，以龙头企业带动农户的效率作为衡量指标，测算了福建省87家龙头企业的带动作用，发现大多数企业整体规模偏小且带动效率低下[11]。姜贵腾等利用 DEA模型对四川省 84家省级林业龙头企业进行测评，同样发现龙头企业的整体带动作用处于较低水平[12]。

综上，国内外学者对龙头企业带动农户的作用进行了多角度分析，但现有研究都是以龙头企业作为一个整体进行研究，缺乏对不同等级龙头企业带动作用的差异分析，没有与政府对龙头企业的管理政策相结合，实践价值相对较小。

中国政府根据龙头企业组织形式、规模、效益、信用、带动能力等指标将其划分为不同等级，对重点龙头企业，国家和地方政府都给予一定的政策支持，以期进一步提高它们对农户的带动作用[13]，但政府界定龙头企业带动能力时仅以带动农户数量作为标准，而忽视了农民增收这一衡量带动质量的重要指标，导致部分龙头企业片面追求带动数量，“分级制”的激励作用明显不足。基于此，笔者拟根据已有理论和实践，以龙头企业带动农户的数量和增收效率作为衡量带动作用主要指标，运用DEA模型对龙头企业带动效用整体情况进行分析，并比较不同等级和相同等级企业间的带动效用差异，为农业企业调结构，深入推进农业供给侧改革提供参考。

二、研究方法与数据来源

根据共生理论，龙头企业将生产农产品业务外包给农户，以共生组织模式和共生行为模式作为建立互惠、共生关系的基础[14-15]，龙头企业对农户的带动作用也是两者在利益分配上互惠，进而形成共生关系的一种重要体现。从共生组织模式分析，“龙头企业+基地+农户”的经营模式是龙头企业与农户共生的主要组织模式[16]。从共生行为分析，龙头企业以基地作为面向农户的主体，建立多种联结方式，通过业务交易(农产品买卖)、农民专业合作社、资金支持、签订契约、股权激励等来影响农户利益，进而影响带动农户[14]。通过以上分析可以发现，基地在带动农户的组织模式和行为模式中都居于核心地位，是龙头企业带动农户的实际主体[17]。因此，笔者将基地作为考察龙头企业带动作用的主体。

龙头企业主要带动作用体现为带动农户就业和增加收入[11,18]。因此，笔者将带动农户数作为数量衡量指标，将带动农户增收额总额作为质量衡量指标，从数量和质量两个维度考察龙头企业的带动效用。为便于在不同企业之间作纵向和横向比较，从排除不同行业干扰的角度考虑，围绕劳动、资源两大经济学经典生产要素，根据企业生产投入和产出情况，选取带动效率作为衡量带动效用的指标较为科学[11-12]。

1．指标选取

根据上述理论分析，遵循评价指标选择的全面性、可比性、可得性和科学性等基本原则，笔者以基地作为决策单元，从带动作用的数量和质量两方面，构建评价龙头企业带动农户效用的指标体系。

(1)投入指标。资源方面选取主要农产品原材料采购值、对农产品基地建设投入；劳动力方面选取雇佣农工人数、工资福利为投入指标。其中，对农产品基地建设投入是指基础设施建设投入、生产资料垫付等指标的合计值。

(2)产出指标。产出指标为带动农户数和带动农户增收额总额。其中，带动农户数反映了龙头企业带动农户作用的数量，即从数量上界定龙头企业带动作用的强弱，与国家划分农业龙头企业的标准保持一致；带动农户增收额总额反映了龙头企业带动农户作用的质量，即从增收上界定龙头企业带动作用的强弱，这点与国家的划分标准不同。

2．模型选择

笔者以带动效率来衡量带动效用。目前测算效率的研究，主要采用两种方法：一是随机前沿生产函数(SFA)，二是数据包络分析(DEA)方法，二者均通过构造生产前沿函数来度量技术效率。与SFA相比，DEA具有无需设定生产前沿的具体函数形式、直接处理多产出情况、主观性小、适用于相对小样本计算等优点[19]。由于规模报酬是在其他条件不变的情况下，企业内部各种生产要素按相同比例变化时所带来的产量变化，在实际生产中，规模报酬会随着规模变化而改变。龙头企业有国家级、省级、市级和区(县)级四个等级，且不同等级龙头企业规模差别很大。在以往研究中，DEA中规模报酬可变的 BCC模型被广泛应用于测算农业企业及政策的相对效率[20-21]。鉴于研究的是不同等级龙头企业多投入多产出的带动效用问题，结合以往研究结果笔者将选用DEA方法中的BCC模型对龙头企业带动农户的效率进行测算。该模型中有综合效率、纯技术效率、规模效率三个衡量指标。其中，纯技术效率是由企业管理和技术等因素影响的生产效率，可以度量龙头企业在带动农户时现有的管理与技术水平是否得到了充分利用，达到了带动效用的最大化。规模效率是由企业规模因素影响的生产效率，可以度量龙头企业带动作用产出与其投入的比例是否适配，使带动效用最大化[22]。而综合效率则是规模效率和纯技术效率的乘积，反映了龙头企业带动农户的综合效用。投入导向的BCC模型为(假设有R个DMU，每个DMU的投入和产出分别是m 和n)：(i=1,2,…,m)代表投入(j=1,2,…,n)代表产出，θ 为效率值，满足0≤θ≤1。

3．数据来源

江苏省农业产业化发展水平较高，其省会南京市拥有较多的龙头企业，因此选择南京市龙头企业作为样本有典型代表性。本研究所用数据来源于笔者所在课题组2013年对南京市溧水、高淳、江宁、浦口及六合区共计 236家龙头企业进行的问卷调查。经过数据的整理与筛选，在剔除数据的缺失值后，有119家农业龙头企业的经营数据符合分析要求，其中国家级企业4家、省级企业16家、市级企业46家、区(县)级企业53家。这些龙头企业分级投入产出指标统计数据如表1所示。

表1 投入产出指标平均值统计情况

三、农业龙头企业带动效用的整体评价

1．整体带动效用分析

笔者借助DEAP2.1软件对2013年南京市119家农业龙头企业带动农户效率整体情况进行分析，输出结果如表2所示。

(1)龙头企业带动作用综合效率有待提高，总体效率差异较大。119家龙头企业综合效率平均值为0.458，纯技术效率平均值为0.603，规模效率平均值为0.702，与最优值1存在较大差距。综合效率值在0～0.3之间的企业有55家，占比高达46.23%，表明龙头企业带动农户作用发挥仍不佳；达到了技术有效和规模有效，资源配置相对最佳，社会效益较好，有效带动农户的龙头企业(综合效率、纯技术效率、规模效率三者值均为1)只有21家，占总数的17.65%。

(2)龙头企业带动作用的纯技术效率相对弱于规模效率。数据显示，纯技术效率平均值为0.603，低于规模效率平均值(0.702)，纯技术效率的标准差为0.341，大于规模效率的标准差(0.294)，说明纯技术效率的离散程度比规模效率高。据此可以推测技术效率的低下可能是导致龙头企业带动农户效用差异的主要原因。纯技术效率方面，虽然效率值为1、资源配置达到最优的企业有41家(占比为34.45%)，但社会产出不足导致带动农户作用较差；规模效率方面，规模效率值在0.9以上、实现了带动作用产出与投入的比例适配与产出最大化的企业占45家，仍有大半数的龙头企业规模效率有待优化。

表2 龙头企业带动农户效率整体情况

2．带动效用的类型划分

为了便于对龙头企业的带动效用整体情况进行对比分析，笔者参考类似研究，采用聚类研究的方法[23]，以纯技术效率和规模效率为变量，将农业龙头企业分为四种类型[24]。具体情况如表3所示：

表3 龙头企业聚类分析表(k均值法聚类分析)

根据聚类分析结果可得到四种类型的企业，其特点分别为：纯技术效率和规模效率数值都较高；纯技术效率数值较高，规模效率数值较低；纯技术效率数值较低，规模效率数值较高；纯技术效率和规模效率数值都较低。根据这一特点依次命名为双高型、高低型、低高型、双低型四种类型。

但从实用角度分析，聚类结果在划分各组时，存在着标准过低的问题。例如，在“双高型”分组中纯技术效率的最低值0.614，接近于技术效率平均值0.603，无法满足“选优”的目的。结合帕累托法则(二八定律)[25]，笔者认为对纯技术效率和规模效率各以0.9为临界值进行划分较为合理[24]，因此调整结果如表4所示：

表4 龙头企业带动效用四种类型统计表

经过分析可知：处于最优类型的“双高型”、次优类型的“高低型”与“低高型”、最差类型的“双低型”大致符合帕累托原则，呈235∶ ∶ 的比例。其中“双高型”企业带动农户效率相对较高、需改进方面较少；“高低型”企业应改进规模效率，合理配置资源；“低高型”企业应注重管理水平和科技水平的提高；“双低型”企业在管理水平、创新能力、投入方面都应有所加强，以提升带动效用。

3．带动效用规模报酬分析

从规模报酬的变动情况(表5)来看，大部分龙头企业处于规模不经济状态。有 21家企业处于规模报酬不变状态，达到比较良好的规模；17家企业处于规模报酬递减状态，说明其资源投入已经超过技术意义上的最优规模，资源投入过剩，因此，这些企业应适度控制经营规模，注重提高资源利用率，提高带动作用质量；81家企业处于规模报酬递增状态，说明其资源仍不足，企业和政府还应加大投入，以提高其带动农户数量与质量。

表5 龙头企业规模报酬变动情况

四、各等级龙头企业带动效用差异

1.纵向比较

表6显示了南京市不同等级龙头企业带动效用的情况，在国家级、省级、市级、区(县)级这四个等级中，按综合效率平均值和纯技术效率平均值排序，国家级最高，其次是省级，然后是区(县)级，最低的是市级；按规模效率平均值排序，省级最高，其次是国家级，然后是市级，最低的是区(县)级。

表6 不同等级龙头企业带动农户效率情况

根据中国现有龙头企业分级方法，龙头企业等级的申报需要满足组织形式、规模、效益、信用、带动能力等不同的硬性条件，其中带动农户数量是带动能力的衡量指标。高级别的企业带动的农户更多，会享受更多的优惠政策，也便于更好地发挥对农户带动作用。从样本龙头企业综合效率和纯技术效率看，国家级、省级龙头企业明显有着更高的带动效率，这可能是因为国家级和省级龙头企业规模较大、实力较强，在采用技术和优化管理方面较有优势，相比于低级龙头企业，带动优势较为明显，同时受到更多的政府支持，可以更好地发挥带动作用。而市级龙头企业的带动效率略低于区(县)级龙头企业，与分级标准预期不符，可以推断市级龙头企业在管理水平和科技水平方面尚有较大的提升空间。出现这种反差的原因可能是区(县)级企业经营规模较小，管理和科学技术的引进、资源的配置相对有效，而市级企业规模相对区(县)级较大，但限于能力和环境，科技和管理水平的提升未跟上规模发展。另外区(县)级龙头企业与区(县)政府联系较为紧密，便于获得直接支持，而市级龙头企业反而缺乏这一优势。

从规模效率分析，国家级和省级龙头企业的带动效率接近，国家级略低于省级。可能是因为实际上国家级龙头企业是由省级龙头企业发展而来，二者均达到了较大规模，同时受限于规模报酬递减规律，国家级龙头企业在规模效率上还比不上省级龙头企业。但是，国家级与省级龙头企业的规模效率远高于市级，而市级又高于区(县)级，说明在投入产出的控制和规模发展方面，上一级龙头企业优于下一级。因此从规模效率判断，各级龙头企业的情况符合分级制度标准，原因可能是因为规模效率与带动数量关系较大，和龙头企业中国分级制度的衡量标准一致。

2．横向比较

从规模报酬角度分析(表7)，国家级和省级龙头企业多数处于规模报酬不变或递减状态，市级、区(县)级龙头企业多处于规模报酬递增阶段。75%的国家级龙头企业处于规模递减或不变状态，68.75%的省级龙头企业处于规模报酬递减或不变状态，表明这些企业已经超出其最优生产规模，其规模效率不再是制约其带动农户效率提升的主要因素。因此，这类高级别的龙头企业应在控制规模的基础上，把提高带动作用的质量作为提升其对农户带动效用的核心。而市级和区(县)级龙头企业大多处于规模报酬递增状态，表明现阶段扩大其规模有利于提升其对农户的带动效用。据此，区(县)级龙头企业应当侧重于扩大发展规模，加强基地建设。

表7 不同等级农业龙头企业规模报酬变动情况 %

根据上文对龙头企业的聚类划分，按不同等级进行细分，情况如表8 所示。

表8 不同等级龙头企业占四种企业类型分布情况 %

结果显示，处于同一等级的龙头企业内部带动效用之间依然存在着一定区别，一些高级的龙头企业在带动效用并不一定强于低级的龙头企业。因此，有关部门在完成龙头企业分级后，还应注意同一等级内部企业带动效用的提升。“双高型”企业类型中，市级企业占比最小；而“双低型”企业中，区(县)级企业占比最大；同时，市级、区(县)级的龙头企业在企业类型分布情况上比较接近。这可能是由于二者发展的环境和管理模式相对类似。所以不同等级龙头企业划分时可以考虑将市、区(县)级进行合并，在带动效用方面二者差距不大。

五、结论及其启示

上述研究表明，南京市不同等级农业龙头企业的发展和分级制度仍存在一定问题：一是龙头企业整体对农户的带动效用远没有达到高效率的状态，尚有较大提升空间；二是分级制度，省级以上龙头企业带动效用的强弱与分级基本一致，即等级越高的龙头企业带动效用越强；而省级以下，市级、区(县)级龙头企业带动效用与分级并不一致，区(县)级龙头企业带动效用与市级相近，甚至强于市级，失去了分级制度的激励作用和意义；三是同一等级企业的带动效用仍有区别且差异较大，一方面说明了分级考察制度有待完善，另一方面说明应重视同一等级企业带动效用的均衡发展，完善同一等级企业资源的合理配置。究其原因，可能有三个：一是中国农业龙头企业的分级制度在带动效用方面只选取带动数量指标，而忽视了带动质量指标的选取，即忽视了龙头企业对农民增收作用的重视；二是中国农业龙头企业的分级制度有着一定的时效性，企业的发展具有动态性，企业带动效用随发展情况不同而不同；三是中国农业龙头企业分级制度在带动作用方面选取的衡量指标为带动农户数，而忽视了效率，可能在评价过程中存在着分级准确度较差的问题。总之，现有分级制度对带动作用的界定不准确、不全面，仍然是“粗放型”思维，考察方式仍为静态认定而缺乏动态性考察，造成了分级制度准确性受到影响。

以上结论对于促进中国龙头企业的分级发展具有如下启示：一是政府应完善分级制度考察标准，把对农户带动作用中的带动农户数量和带动农户增收额总额均作为龙头企业评级的重要参考指标，考虑引入带动效率分析。从量和质两方面评价龙头企业对农户的带动作用，并建立灵活的考评机制，据此激励企业在生产运营中自主地做出旨在带动农户增收的相关决策。二是政府应完善分级制度层级，在综合考虑经济效益、产业类型的基础上，将原有的国家、省级、市级、区(县)级的四级龙头企业合并精简为国家、省级、市级三级龙头企业，降低管理成本，以更好地促进龙头企业带动效用的提升。三是政府应结合实际情况从整体上提高龙头企业的带动效用，对四种不同纯技术效率和规模效率类型的企业分别采取针对性的支持政策，采取控制规模、提高带动质量、引进技术、改善管理等方式促进整体带动效用的提高。四是政府要高度重视相同等级内龙头企业带动效用的差异。应结合农业供给侧改革，加强龙头企业引导，合理配置资源，不能“一家独大”，应综合运用市场、金融、财政等手段，系统性地促进同等级龙头企业带动效用的提升；应引导龙头企业重视自身的经营管理，重视经济效益，调整生产布局，补齐带动农户作用的短板，在更好地发展的同时，进一步提高带动效用；应引导企业注意适度控制企业规模，规模报酬达到最优或下降的企业要从“粗放型”向“精细型”发展方式转变。

[1] 陈磊，张春霞，许佳贤．农业龙头企业带动农户效率的影响因素分析——基于福建省87家龙头企业面板数据随机前沿函数分析[J]．福建农林大学学报(哲学社会科学版)，2013(6)：57-60．

[2] 汪凤桂，林建峰．农业龙头企业对水产养殖户质量安全行为的影响[J]．华中农业大学学报(社会科学版)，2015(6)：11-18．

[3] 郭建宇．农业产业化的农户增收效应分析——以山西省为例[J]．中国农村经济，2008(11)：8-17．

[4] 威廉姆森．资本主义经济制度——论企业契约与市场契约[M]．北京：商务印书馆，2002：35-113．

[5] 科斯，哈特，斯蒂格利茨．契约经济学[M]．北京：经济科学出版社，2003．

[6] 陈灿，万俊毅，吕立才．农业龙头企业与农户间交易的治理——基于关系契约理论的分析[J]．华中农业大学学报(社会科学版)，2007(4)：42-45+49．

[7] 姜开圣．农业产业化龙头企业的发展壮大及其对农民收入的影响[J]．农业经济问题，2003(3)：25-29．

[8] 李克，周静．农业产业化龙头企业带动农户形式比较[J]．中国市场，2011(22)：6-8．

[9] 陈灿，罗必良．农业龙头企业对合作农户的关系治理[J]．中国农村观察，2011(6)：46-57．

[10] 陈超，邸长慧．南京市农业龙头企业带动农户能力实证研究[D]．南京：南京农业大学，2007．

[11] 陈磊，张春霞，许佳贤．基于DEA的农业产业化龙头企业带动农户能力评价研究——以福建省87家龙头企业为例[J]．经济问题，2011(12)：82-85．

[12] 姜贵腾．四川省林业产业化龙头企业带动农户能力研究[D]．昆明：西南财经大学，2013．

[13] 农业部经管司．农业产业化国家重点龙头企业认定和运行监测管理暂行办法[J]．农业科技与装备，2011(3)：3-5．

[14] 彭建仿．供应链环境下龙头企业与农户共生关系优化研究——共生模式及演进机理视角[J]．经济体制改革，2010(3)：93-98．

[15] 彭建仿．应链环境下安全农产品供给的协同机理研究——基于龙头企业与农户共生的理论分析[J]．经济体制改革，2011(3)：89-95．

[16] 张海燕．“龙头+基地+农户”经营模式：问题及对策[J]．湖南农业大学学报(社会科学版)，2007(8)：18-21．

[17] 陈超，周宏，黄武．论农业产业化过程中龙头企业的创新[J]．农业经济问题，2002(5)：23-26．

[18] 黎东升，李雄文．培育龙头企业大力推进农业结构战略性调整——荆州市农业产业化经营发展考察[J]．华中农业大学学报(社会科学版)，2002(1)：19-22．

[19] 李双杰，范超．随机前沿分析与数据包络分析方法的评析与比较[J]．统计与决策，2009(7)：25-28．

[20] 熊巍，祁春节．湖北省柑橘产业生产效率的DEA分析[J]．华中农业大学学报(社会科学版)，2012(5)：36-40．

[21] 王茜．农业产业化龙头上市企业经营效率的实证研究[J]．经济与管理，2008(10)：48-51．

[22] 陈晓琳．公共产品视角下农业高校科研效率实证分析[J]．华中农业大学学报(社会科学版)，2014(6)：119-125．

[23] 居祥，张燕，黄贤金．聚类分析在长江流域地区房地产价格研究中的应用[J]．经济地理，2013(3)：79-83．

[24] 厉伟，姜玲，华坚．基于三阶段 DEA 模型的我国省际财政支农绩效分析[J]．华中农业大学学报(社会科学版)，2014(1)：71-77．

[25] 克里斯•安德森．长尾理论[M]．北京：中信出版社，2006：123-148．

责任编辑：李东辉

Evaluation of leading enterprise’s driving effects on farmers household and its difference among different leveled enterprises: Based on an investigation data of 119 agriculture leading enterprises in Nanjing

XU Danning, CHEN Chao, CHEN Lijun
(College of Economics and Management, Nanjing Agricultural University, Nanjing 210095, China)

Based on an investigation data of 119 agriculture leading enterprises in different levels in Nanjing, it employs Data Envelopment Analysis (DEA) to estimate the efficiency of leading enterprises’ driving effects and compares the difference of driving effects among different leveled leading enterprises. Output variables are defined as the number and increased income of driven farmers based on both quantity and quality of driving effects. Input variables are selected to capture resource and labor input, such as raw materials procurement value of the main agricultural products, investments in construction of agricultural products base, number of farmer employers, salary and welfare. The result shows that in general, the driving effects on farmers of leading enterprises are not efficient enough and still have a big room for improvement. The driving effects of the leading enterprises in or above the provincial level are stronger which is consistent with the objective of hierarchical action. The driving effects of the leading enterprises in the district (county) level are similar to those in city level or even stronger, which turns out to be inconsistent with hierarchical expectations. And certain differences exist among leading enterprises in the same level.

agriculture leading enterprises; driving effects; hierarchical action; Nanjing

F324

A

1009-2013(2016)04-0022-07

10.13331/j.cnki.jhau(ss).2016.04.004

2016－06－10

南京农业大学资助项目(1606j0784)

徐丹宁(1990—)，女，江苏丹阳人，硕士研究生。