我国农产品流通量与流通产值效率分析

吴盛汉++张洁梅

基金项目：福建省教育厅A类“龙岩市工程机械产业发展研究”（JA12307S）

中图分类号：F713.1 文献标识码：A

内容摘要：本文在总结已有研究资料与文献的基础上，选择新的样本数据，以随机前沿分析方法（SFA法）为研究工具，从两个角度实证研究了我国的农产品流通效率：流通量与流通产值。与此同时，文章还分析了影响农产品流通效率的关键要素，并以此为依据给出了提高我国农产品流通效率的政策建议。

關键词：SFA 农产品 流通量 流通产值 流通效率

相关文献综述

李春海（2005）指出，导致我国农产品流通效率较低的主要原因包括信息不对称、渠道结构不稳定以及成本较高等，为创新农产品流通模式指明方向；孔德树（2008）基于DEA法构建评价指标体系，并测算农产品流通效率；余鹏（2009）选取三类指标评价我国农产品流通效率，并指出周转率、效益性与规模性指标对其影响显著；赵大伟（2013）以黑龙江省为研究对象，对该省农产品流通效率进行实证分析，结果发现市场体系、流通渠道以及流通计划是限制农产品流通效率提高的三大主因；吕丹（2013）构建农产品流通效率评价指标体系，并对影响流通效率因子的重要性进行排序。不难发现，农产品流通效率问题已经得到了学术界一定的关注，但很少有学者对影响农产品流通的因素进行系统分析。基于此，本文以已有理论与研究成果为基础，实证研究了影响我国农产品流通效率的关键要素，以期为相关领域的研究提供一些新思路。

我国农产品流通效率的衡量与基本属性

（一）随机前沿法（SFA法）

第一，基础模型。在初期研究中，SFA法主要用于截面数据，SFA基础模型为：

Yi=f（x，β）exp（vi）exp（-ui），i=1，2，…，N （1）

上式中，Yi为产出要素，xi为投入要素，β是与投入要素对应的参数，vi为随机误差，ui为流通无效率项（ui>=0）。ui、vi、xi彼此完全独立。

第二，计算过程。根据式（1），可以用下式计算SFA流通效率：

（2）

在已知Ui分布的条件下，流通效率均值TE=E[exp（-Ui）]，此时无法得到所有Ui与Vi的估计值。本文参考李栋（2013）的研究思路，将流通效率设为TEi=exp[-E（Ui|εi）]，基于指数分布原理推导求解E（Ui|εi），以此估算每个样本点的流通效率。

（二）数据样本选取

本文旨在通过SFA法，以农产品流通量与流通产值为主要变量，估计出以下两个效率指标：流通非效率U和流通效率TE。研究所用的数据样本取自《中国统计年鉴》、互联网信息中心以及《国家发展报告》，在研究过程中对部分数据进行必要的处理。流通量方面，选取2007-2016年我国25个省份的统计数据；流通产值方面，选取2009-2016年我国25个省份的统计数据。

现阶段，学术界尚未就影响农产品流通效率的投入与产出指标达成一致。基于柯布-道格拉斯生产函数的理念，产出取决于资本、技术以及投入的劳动力，本文结合课题研究的实际需要以及数据的可得性，认为可以将资本与投入的劳动力定义为影响流通效率的投入要素，将流通量与流通产值定义为影响流通效率的产出要素，并运用SFA法依次对其进行分析。投入与产出要素指标如表1所示。

（三）模型构建

本文建立的模型为：

（3）

Ln（Y1）为Y1的对数，其中Y1为农产品流通量，i代表省份，t代表第t个年度，t=2007，2008，...，2016。Ln（x1），....，Ln（x3）为x1，....，x3的对数。Dj为第j个年度的调整项，j=2008，2009，...，2016。

式（3）中，εit为复合误差：

εit=vit-uit （4）

以此类推，农产品流通产值的效率估算模型为：

（5）

Ln（Y2）是Y2的对数，其中Y2为农产品流通产值，其它变量同式（3）。

式（4）中的vit为随机扰动项，uit为流通无效率项（以下简记为U），U值越大，意味着效率越低；与之相反，TE值越大，意味着效率越高。

如前所述，本文选取截面数据来估算流通非效率U。估算过程由两个步骤构成：第一步，通过式（3）与式（5）估计U值，之后横向对比各省份U值存在的差异；第二步，以U值为被解释变量，确定影响其变化的外生因素。需要注意的是，上述两个步骤不分先后，需同时进行。

我国农产品流通效率分析

将数据样本代入式（3）与式（5）后，可以得到表2中的数据。结合表2以及图1、2不难发现：

首先，农产品流通量方面。样本选取的年度区间内，U始终呈现出较快下滑趋势。具体来讲，2007年的U值为0.5340，2010年已经降至0.2444，2016年更是降至0.0027，与之对应的TE则呈现出快速升高的趋势。具体来讲，2007年的TE值为0.5850，意味着这一年全国农产品流通量流通效率仅为59%，距离最优流通量尚有41%的缺口，效率损失比例很高；2010年的TE值上升至78%，2012年的TE值升至87%，2013年高达91%，2016年的TE值接近99%，代表农产品流通业与最优流通水平的差距已经非常小，流通效率损失可以忽略不计。由图1可见，2015年后TE曲线是条趋近于1的直线。其次，农产品流通产值方面。样本选取的年度区间内，U始终在以较快速度下滑，TE则呈现较快升高的趋势。具体来讲，2009年的U值为0.6633，到2010年时降至0.3814，2016年更是降至0.0391。与之相对应的，2009年的TE值为0.5067，意味着这一年全国农产品产值流通效率仅为51%，距离最优流通产值尚有49%的缺口，2013年的TE值接近70%，2016年的TE值高达95%，意味着尚有5%的流通产值未能进行有效流通。最后，流通量流通效率较之流通产值流通效率更高，代表交通运输、库存以及人力投入等因素对农产品流通效率的影响越来越小。不过，这些效率在转变为货币价值时，不可避免的损失了一些产值流通效率。endprint

我国农产品流通效率决定因素分析

（一）农产品流通效率的决定因素分析

结合现有研究成果以及笔者的理解，本文将农产品流通效率的决定因素细化为以下四类：基础设施、组织化程度、信息化程度和城镇居民收入。鉴于文章篇幅限制，下面仅以基础设施为例进行分析。

对于农产品流通效率而言，基础设施是一个不可或缺的重要决定因素。无论是农民自己将农产品拿到市场上出售，还是将农产品卖给收购商，都需要进行一定距离的运输，自然也就会受到道路的影响。通畅的道路能够提高农民与外界的农产品交换质量与效率，这无疑有助于提高农产品流通效率。本文选取公路里程这个基础设施指标来衡量道路因素，将抽象的道路因素量化为可测量的公路里程。将公路里程指标记为z1，公路里程越长，农产品流通效率也越高。将z1分为连续的5组，分组计算其农产品流通效率。由图3可见，z1越大，流通量与流通产值的效率也越大。

（二）计量过程

构建模型：

uit=β0+β1*z1it+β2*z2it+β3*z3it+β4*z4it+β5*year+θit （6）

该模型中，z1=公路里程，代表基础设施水平；z2=流通业企业单位占比，代表组织化程度；z3=服务业中信息化相关岗位就业人数占比，代表信息化管理水平；z4=城镇居民人均收入，反映农产品市场购买力；year代表年份区段，其中2007-2010年的year值=0；2016年的year值=2，其它年份的year值=1。上述变量统计结果如表3所示。

模型估计。表4是对农产品流通量的SFA估计，其中Wald chi2=179.1，P=0，表明模型具体良好的整体显著性，自变量与因变量设置合理，由表4中的数据可见：

第一，非效率估计（表中第1行数据）。其中Lnx1、Lnx2与Lnx3的系数均为正值，意味着农产品流通量会随着投入增加而增加，代表模型自变量与因变量设置合理。举例来讲，Lnx1变量的系数为0.129，代表每增加1%的资本投入，流通量会随之增加0.129%。

第二，z1与流通非效率U之间存在负相关关系（表中第4列第1行数据）。因为z1的系数为负值，代表在其它条件恒定的前提下，某个区域的公路里程数越长，农产品流通非效率越低。

第三，z2与流通非效率U之间存在负相关关系（表中第4列第2行数据）。z2变量的系数为-0.014，同时满足在10%的统计水平上显著，意味着在其它条件保持恒定的前提下，某个地区的流通业企业单位占比升高1单位，农产品流通业的U值会降低0.014个单位。换言之，地区批发零售业、物流行业、仓储业的发展会对农产品流通效率产生积极影响。

第四，z3与流通非效率U之间存在负相关关系（表中第4列第3行数据）。z3变量的系数为-0.114，同时满足在1%的统计水平上显著，意味着在其它条件保持恒定的前提下，某个地区服务业中信息化相关岗位就业人数占比越高，农产品流通业的U值越低。换言之，信息化程度提高能够在一定程度上促进农产品流通效率的提高，随着互联网与软件开发技术不断进步，我国农产品流通效率势必会越来越高。

第五，z4与流通非效率U之间存在负相关关系（表中第4列第4行数据）。意味着在其它条件恒定的前提下，某个地区城镇居民人均收入越高，农产品流通效率也越高。实际上，城镇居民是最主要的农产品消费群体，其收入增加不但会增强对农产品的购买力，对农产品的需求也将更加多元化，这无疑会提高市场对农产品流通业的要求，从而推动其向更加高效的方向发展。

第六，U值随着时间推进而越来越小，存在显著的流通变迁规律（表中第4列第5行数據）。year的系数为-0.139，同时满足在5%的统计水平上显著，意味着在其它条件恒定的前提下，随着时间推进农产品流通业非效率呈现出明显下滑趋势，代表农产品流通效率随着时间推进而提高了。

同样的，本文还估算了农产品流通产值的U值。结果表明，除了z3的显著性达不到统计学要求之外，其它所有变量的系数均为负值，且满足统计显著性要求。这意味着在其它条件保持恒定的前提下，以流通产值为决定因素的农产品流通效率同样会随着流通企业单位占比、城镇居民人均收入以及流通业基础设施水平提高而显著改善。由此可见，从农产品流通量与农产品流通产值两个角度进行的估算所得结果具有很高的一致性，这也间接证明了本文模型设置科学合理，估算结果具有良好的可靠性与稳定性。

参考文献：

1.王仁祥，孔德树.中国农产品流通效率评价模型构建及其应用[J].辽宁大学学报（哲学社会科学版），2016（4）

2.孙金秀.现代流通业效率指标体系的构建与评价—基于中国30个省际数据的比较分析[J].商业经济与管理，2015（6）

3.陈金波，戴化勇.农产品流通效率的评价、影响因素及对策研究[J].湖北农业科学，2015（6）

4.郭艳，王家旭，仲深.我国农产品流通效率评价及影响因素分析—基于2000-2015年省际面板数据[J].商业时代，2014（7）endprint