我国小麦主产区小麦生产效率研究

朱婷

摘要：近年来，我国小麦总产量有所提升，但在新的国情下，仅仅停留在小麦总产量层面的研究无法全面衡量我国小麦的生产力水平。本文利用DEA-Malmquist模型，对我国小麦主产区在20009-2014年的面板数据进行全要素生产力变动的测算，剔除外部环境因素和随机干扰的影响后对影响小麦生产率的因素进行分析。

关键词：小麦生产效率；DEA-Malmquist模型

一、引言

小麦是我国地位仅次于水稻的主要口粮，与我国的民生问题紧密关联，牵动着我国社会安稳程度，因此对于小麦生产问题的研究是十分有必要的，这关系到我国的粮食安全战略。

增加小麦产量一般有两个途径，一方面扩大种植规模从而实现总产量增加的目的。另一方面是提高单产量。近年来农业资源越发紧张，环境污染问题也越来越严重，这对于我国小麦生产提出了新的要求。我国土地资源紧张，人多地少是长期存在的矛盾，而随着城市化进程加快，耕地面积还将减少，小麦播种面积对小麦总产量的贡献度越来越低，小麦总产量增加将主要依赖于小麦单位产量的提高。因此，提高小麦单位产量，减少生产投入消耗，对于我国提高小麦生产效率，同时兼顾可持续发展要求具有重要意义。

二、文献述评

国内外学者对农业生产效率进行了大量的研究，为农业发展做出了巨大贡献。Haag（1992）使用DEA模型，评估了美国德州41个郡的农业生产效率水平；coelli（2005）运用曼奎斯特生产率指数法，测算了93个国家在1980-2000年间的农业全要素生产率并对此进行了分析；M ehm et等人（2007）用SFA回归分析法分析了对土耳其75个农场的技术效率造成影响的因素。国内学者诸如周宏（2003）认为农业生产受到有限资源的约束，想要实现长期增长的目标，需要从提高农业生产效率上着手：而吴玉鸣认为对我国农业产出量影响最显著的要素是劳动和资本。于法稳（2005）探讨了可持续农业与全要素生产率、技术效率、规模效率的关系；马凤才（2008）用定性与定量相结合的分析方法，对黑龙江省农业生产的可持续性进行了研究。

现有文献对于效率问题的研究较为常用的分析方法是DEA和SFA。相比较随机前沿分析，DEA模型具有明显的优势，不仅可以对多产出多投入的生产问题进行分析，同时不需要事先确定生产函数和相关参数。前辈学者们更多地从宏观角度对整体农业生产效率进行研究，成果也是极其丰硕的，但小麦是我国重要口粮之一，牵动着我国粮食安全和社会稳定，因此本文基于数据包络模型，采用DEA-Maim quist指数模型测算全要素生产率及其变动来衡量小麦生产效率水平，以期为提高小麦生产效率提出可供参考的建议，

三、模型设定与变量选取

（一）Ma Imqu i st生产率变动指数的线性等式如下所示：

该公式表示的是第期的样本点的生产效率的进步，其中表示的是以时期t所处生产前沿面为准，在投入生产要素x后获得的产出量y能够增加的最大比例。D表示的是以时期所处生产前沿面为准，在投入生产要素x后获得的产出量y能够增加的最大比例。M>1时表示生产率获得了提高：M<1代表了生产率有所下降：而当M=1时表示生产率保持不变。

（二）投入产出指标选取

模型中指标的选取，关系到测量结果的准确性，本文基于可靠性原则和可获得性原则，兼顾投入产出指标数量的适当性，选取指标如下：

小麦的生产活动需要投入的众多要素，本文将从土地投入、人力成本、物料费用这几个方面确定指标。劳动力投入方面选择每亩人工成本，物料费方面的指标设置从两个角度考虑，一是小麦种植中每亩化肥折纯用量，另外除了化肥的施用量，其他的投入要素都归类到每亩物质与服务费用（x1）指标。同样为了保证获得的数据在研究年份和不同地区间具有连续性和完整性，本文选取的产出变量为研究年份中各地小麦生产的亩产量和亩产值。

（三）环境变量指标

在小麦的生产种植过程中，其产量除了受到我们的投入要素影响外，还会受到许多其他因素的影响，本文从宏观经济环境、国家政策支持力度以及自然环境因素等层面取合适的指标作为环境变量：

（1）宏观经济环境。良好的社会经济环境，对于农业生产活动具有十分积极的意义。一般来说，农民收入水平越高，农民对于从事农业生产的积极性也越高，从而能够提升我国农业生产的效率；另一方面随着我国新型城镇化政策的推进，农业人口转移至城市已成为趋势，这意味着农业生产要素的配置将越来越合理化.对小麦的生产具有十分积极的作用。因此本文用农民收入水平（农村居民家庭人均纯收入）和城镇化水平（城镇人口与总人口的比值）来衡量我国的宏观经济环境。

（2）国家政策支持力度。积极的农业政策不仅是农业科技进步的动力机，也是农业资源投入的保障所在。考虑到数据的可获得性，本文选择财政支农（农林水事务占当地财政支出的比重）来衡量国家政策对于小麦种植的影响。预期农林水事务支出比重的增长将促进小麦的生产。

（3）自然灾害。本文选择受灾面积作为指标来衡量各地受自然灾害的影响程度。预期自然灾害对于小麦生产会产生负面影响。

本文投入与产出指标的数据来源于2009年至2015年份的《全国农产品成本收益资料汇编》，环境变量指标的数据来源于相关年份的《中国统计年鉴》和各研究地域的地方统计年鉴。四、实证分析

基于投入导向的Bcc-DEA模型，运用传统的DEA-M ah qu ist指数法对我国小麦生产效率进行测算，得到全要素生产率变动指数、技术效率变动指数、技术进步变动指数，其中技术效率变动指数进一步可分解为纯技术效率变动和规模效率变动指数，由表1对小麦全要素生产率变动及其分解指数分析，可以得到以下结论：

一是我国小麦生产效率波动较大，但整体上变动不显著，具体表现为2009-2014年小麦主产地平均tfpch为0.999；二是从tfpch构成来看技术进步是全要素生产率增长的主要动力来源，技术效率对于全要素生产率增长没有起到正向推动：三是从年份来看，2009-2010年小麦生产效率下降最為明显，全要素生产率变动指数仅为0.911，2013-2014小麦生产率水平增长最快，达到了12%。

分析表2中数据可以看到，2009-2014年我国多个小麦主产省全要素生产率呈上升的趋势。其中年均全要素生产率变动指数最大的省份是内蒙古，上升了4.7%。内蒙古的平均技术效率变动指数为1.013，在现有技术水平的条件下，小麦种植业对于投入要素的利用率提高了1.3%：技术变动指数为1.033，在小麦种植的创新方面有一定的进步；纯技术效率变动为1.022.规模效率变动为0.992。可以看出的是内蒙古全要素生产率的增长是技术效率改善和技术进步共同促成的，技术效率的改善主要取决于规模效率的提高，内蒙古在2009-2014年间规模效率年均增长达4.7%，同时在现有科学技术水平下对于新技术、新管理模式的应用还不到位。黑龙江的年均全要素生产率变动指数仅次于内蒙古为1.046，增长了4.6%。黑龙江在这几年的技术效率变动指标为l，这表示了在现有的技术条件下，小麦生产中的投入要素量获得了最优的产出，技术效率没有得到进一步改善。技术进步实现了4.6%的增长，直接带动了小麦生产全要素生产率的提高。甘肃的年均全要素生产率较低，下降了5.8%，全要素生产率的下降主要原因在于技术效率的衰退，在现有的技术投入水平下，对于资源的利用率较低。

五、结论与启示

通过以上分析，可以得出以下结论：第一，通过DEA—M ab quist指数法，可以发现整体上15个小麦主产区的平均全要素生产率小于1，从动态上表明整体全要素生产率是下降的，tfpch值为0.999，近似于1，这种下降不是很明显，通过统筹小麦种植规划，加强管理，推进新技术的应用，推广农用机械覆盖率，很有希望在此基础上取得全要素生产率的显著增长。第二从整体上来看，在样本年份，纯技术效率和规模效率变动指标值都小于1，说明技术效率低下不利于全要素生产率增长，是全要素生产率没有增长的主要原因。

上述结论可以为提高我国小麦主产区的小麦生產效率指明方向。首先要继续推行各项支持农业发展和农业创新的政策并注意保持政策的连续性和稳定性，在落实政策的过程中注意结合各省市的小麦实际生产投入情况，有针对性地进行政策和财政方面的扶持与帮助，杜绝“一刀切”现象。另外我国小麦生产效率增长主要靠技术进步带动，这是好现象，今后的生产中要注意保持这种优势，同时对于现有资源和技术，政府及相关科研单位需要进一步对实用性进行推广与普及，培养农户不断学习掌握新技术的意识，提高对已有生产资料的利用效率。