基于双前沿面SBM-DEA模型的农业用水效率评价

赵 敏,刘 姗

(1.河海大学商学院,江苏 南京 211100; 2.江苏省水资源与可持续发展研究中心,江苏 南京 211100;3.江苏沿海开发与保护协同创新中心,江苏 南京 211100)

近年来,我国对农业用水愈加重视,发展高效节水灌溉成为农业用水的主题之一。2016年中华人民共和国水利部、国家发展和改革委员会联合印发了《“十三五”水资源消耗总量和强度双控行动方案》,对农业用水提出“加快实施区域规模化高效节水灌溉工程”的要求。2019年中央一号文件《关于坚持农业农村优先发展做好“三农”工作的若干意见》明确提出“实施区域化整体建设,推进田水林路电综合配套,同步发展高效节水灌溉”。水资源供需矛盾突出仍然是经济社会可持续发展的主要瓶颈,而农业用水粗放、浪费严重成为农业发展的顽疾,提高农业用水效率将作为推进农业可持续发展的一项重点任务。

1 研究综述

目前已有研究中,学者们从不同角度和用不同方法对农业用水效率进行了评价和分析。从研究角度来说主要分为两种:

a. 从微观角度,使用土壤相对含水量和叶片水分利用效率的方法,根据现场试验观测值评价农业用水效率。Haghverdi等[1]在2008—2015年连续8个种植季节进行了3次田间试验,基于6年试验结果,为甜菜灌溉管理提供借鉴;Wu等[2]利用地表能量平衡系统整合土壤水分信息等估算绿洲蒸散量,以评估水资源利用效率;刘笑吟等[3]用小型蒸渗仪和涡度相关仪分别测量了节水灌溉稻田冠层蒸散量(ETCML)和田间尺度蒸散量(ETEC),分析了ETCML和ETEC的典型日和逐日变化规律,以及在小时和日时间尺度上的影响因素。

b. 从经济学角度,利用投入产出法计算农业用水效率。其测度方法主要分为参数法和非参数法。①参数法依赖于生产函数的选择,使用较多的是随机前沿分析法(SFA)。王学渊等[4]利用随机前沿生产函数计算农业灌溉用水效率,研究发现农田水利设施显著影响用水效率。Dhehibi等[5]使用随机前沿生产函数对突尼斯柑橘农场灌溉用水进行了效率测度。雷贵荣等[6]基于随机前沿生产函数对徐州市农业用水技术效率进行测度,发现水资源投入的增长不能带来农业用水效率的增加。魏玲玲等[7]使用随机前沿生产函数测算新疆高农业用水区用水效率,发现不同地洲之间用水效率差异高达0.81。②非参数法中使用最多的是数据包络分析法(DEA)。屈晓娟等[8]利用DEA中BC2模型测度西部地区农业水资源利用效率,认为西部地区在水资源节约方面有较好的表现。杜根等[9]基于超效率DEA模型对新疆农业水资源利用效率进行测度,发现在考察期内新疆各地州市农业用水效率总体呈增长趋势。陈洪斌[10]运用三阶段DEA模型测评各省农业用水效率,认为农业用水效率不仅受投入产出变量的影响,还受外部环境变量的影响。王普查等[10]利用非期望SBM模型对农业用水效率进行研究,得出各省(市、自治区)的农用水效率发展趋势不同,且江苏、广东等地具有较大的节水潜力。方琳等[11-12]研究发现采用不同生产前沿面函数为基准测评得到的效率也有所不同。孙付华等[13]剔除了资源禀赋、经济水平和政府支出等影响因素评价我国农业用水效率。

还有一些学者通过其他方法对农业用水效率进行测度[14-15],如焦勇等[12]利用基于信息熵的可变模糊评价,发现新疆农业用水效率在2001—2011年间从量变到渐变式质变再到量变阶段。杨丹等[16]在结合熵权法和模糊物元法的基础上,引进欧氏贴近度评价江苏省历年农业用水效率,户艳领等[17]应用熵值法从自然条件、技术条件、水资源消耗及经济产出四方面对农业水资源利用效率进行测度。

本文基于有效效率前沿(乐观)和无效效率前沿(悲观)面SBM-DEA模型,对中国31个省(市、自治区)农业用水效率进行测算，既能够将乐观效率前沿和悲观效率前沿测得结果再综合,求出更全面更真实的效率,也能够解决松弛性问题。

2 农业用水效率测度及分析

2.1 农业用水效率测度模型——双前沿面SBM-DEA模型

传统DEA模型存在两个问题:①仅从有效效率前沿比较分析效率,因此会出现当几个决策单元均处于有效效率前沿时无法排序的问题。②无法解决投入产出问题中的松弛性问题[10]。SBM-DEA模型可以解决投入产出的松弛性及径向选择的问题。因此,本文采用Azizi等[18]的研究结果,利用双前沿面SBM-DEA模型研究农业用水效率,既从有效效率前沿面进行效率测评,同时也考虑无效效率前沿面的效率,这有助于降低有关投入或产出变量不合理偏好的程度[19]。参考相关文献[9，20-22],选取水资源投入、劳动力投入、土地投入、技术投入(物理投入和化学投入)5项作为投入变量,物质产出和经济产出2项作为产出变量。

2.1.1基于有效效率前沿(乐观)SBM-DEA模型

将1个省(市、自治区)看作一个决策单元(DMU, decision-making unit),此时生产系统有31个决策单元,每个决策单元有5个投入和2个产出,用xij(i=1,2，…,5;j=1,…,31)表示第j个决策单元对第i种产品的投入量,yrj(r=1,2;j=1,2，…,31)表示第j个决策单元对第r种产品的产出量。则生产可能性集Te为

(1)

式中Te是基于有效生产前沿,具有凸性特征的有界闭集。基于有效效率前沿面的SBM-DEA模型[23]:

(2)

(3)

式中,当τ=1时,认为决策单元是有效率的,称之为乐观有效;当τ<1时,决策单元处于有效效率前沿(乐观)的上方,需要通过减少投入或增加产出使其到达乐观有效。

2.1.2基于悲观效率前沿的SBM-DEA模型

Azizi等[18]将无效效率前沿的生产可能性集Ti定义为

(4)

(5)

式中,当φ=1时,认为决策单元无效,称之为悲观无效;当φ>1时,决策单元处于无效效率前沿(悲观)的下方,称之为悲观有效。如图1所示,A点和B点距离有效效率前沿面相同,但是A点离无效效率前沿面更近。在该情况下,认为将A点效率值排在B点后面更为客观准确,即A点效率值低于B点。

图1 双前沿面结构

2.1.3综合效率模型

为了更全面客观地评价用水效率,综合考虑乐观效率和悲观效率。关于综合效率的计算,大多文献将乐观效率及悲观效率的几何平均值作为决策单元的效率值[24]。本文借鉴Wang等[24-25]的模型计算综合效率:

(6)

2.2 变量选取及数据来源

基于2003—2017年中国31个省(市、自治区)统计数据进行实证研究,选取的投入产出指标如下。

a. 水资源投入。参考杜根等[9]的研究,使用农业用水量指标,数据主要来源于《中国统计年鉴》,部分来源于《水资源公报》。

b. 劳动力投入。已有文献中多采用农林牧渔从业人数表示。本文参考刘渝等[20]对人力资本的测算方法,借鉴《中国人口和就业统计年鉴》受教育程度人口分类标准,分为不识字或很少/未上过学(E1)、小学(E2)、初中(E3)、高中(E4)、大专及以上(E5)。

地区教育程度E的计算公式为

(7)

c. 土地投入。目前研究中多采用农作物总播种问题、耕地面积、有效(耕地)灌溉面积等指标。参考方琳等[11]的研究,采用有效(耕地)灌溉面积衡量土地投入。

d. 技术投入。参考魏金义等[21]的研究,以农业机械总动力表示物理投入,以化肥施用量表示化学投入。

e. 物质总量产出。参考刘涛[22]的研究,采用粮食产量表示物质总量产出。

f. 经济总量产出。参考刘涛[22]的研究,采用农林牧渔业总产值表示经济总量产出。

变量选取及数据来源汇总如表1所示。

表1 变量选取及数据来源

2.3 农业用水效率实证分析

利用MATLAB 2018a软件,构建基于双前沿面的SBM-DEA模型,对中国31个省(市、自治区)农业用水效率进行测度。所有指标数据均调整为以2003年为基期。

2.3.1总体评价

根据测度结果,2003—2017年全国农业用水效率均值如图2所示。乐观效率总体呈现小幅度上升趋势,悲观效率呈现下降-上升-下降-上升趋势,因此,综合效率呈现下降-上升-下降-上升趋势。由此可见,基于不同前沿面的测评结果会有所差异,其中,2004年农业用水综合效率为近15年最低,1.018 3。2003年和2005年农业用水效率全国均值偏高,是由于各省农业用水悲观效率偏高,处于悲观有效状态。出现这种现象可能的原因是,一方面,我国在21世纪初开始进行节水试点、农田水利建设、展开节水型社会建设试点等相关工作。另一方面,2004年东北地区及南方地区出现特大干旱,人均水资源量急剧减少,且人们普遍缺乏节水意识。自2006年以后,全国农业用水效率每年都在小幅度平稳上升。我国的节水行动落实初显成效,进步空间仍然很大。

2.3.2分区评价

从横截面数据来看,各省(市、自治区)之间农业用水效率差异较大。为了便于分析,借鉴佟金萍等[26]的做法,对中国各省(市、自治区)近5年农业用水量均值进行聚类分析,将31个省(市、自治区)划分成三类用水地区:高农业用水地区、中农业用水地区和低农业用水地区(表2)。

表2 中国农业用水地区分类

为便于直观分析,以全国乐观效率均值(0.855 4)和悲观效率均值(1.648 7)为分界线,将各省效率散点图分成4个区域(图3):乐观效率和悲观效率均高于均值的为HH(high-high)地区,乐观效率高于均值但悲观效率低于均值的为HL(high-low)地区,乐观效率低于均值但悲观效率高于均值的为LH(low-high)地区,乐观效率和悲观效率均低于均值的为LL(low-low)地区。各省农业用水效率均值结果见表3。

图3 各省(市、自治区)效率散点

结合图2和表3,高农业用水地区中,HH地区有:河南、内蒙古、黑龙江、江苏、山东、湖南、河北、湖北,其中,黑龙江、内蒙古和山东农业用水效率位居前三,该三省(市、自治区)在全国也处于用水效率领先地位,其乐观效率和悲观效率均高,整体上拉高了高用水地区的效率均值。这些农业用水大省均在节水灌溉或水库基础设施建设中有较大投入。HL地区有安徽省。近年来,安徽省大力发展二次产业,挤占了大量农业用水,约束了农业用水资源。LH地区有四川、广西。经济发展较为落后的地区,农民对节水灌溉技术和设施的接纳度也会相对较低。江西、新疆、广东为LL地区,人均水资源量丰富,但难以逃脱“资源诅咒”的困境[27],浪费严重,导致农业用水效率低下。

从中农业用水地区来看,辽宁和甘肃为HH地区,位于水资源短缺区域,但在节水制度和管理、农业水价管理上已具备丰富的实践经验。吉林和云南为LH地区,吉林省在农业节水方面,集中精力搞好中西部易旱区高效节水灌溉农业项目,但是从全国节水灌溉面积来看,仍低于平均水平。云南省水资源总量丰富,但水资源开发利用率低下。随着节水灌溉技术的探索和研究,云南省已经形成相对完善的高原特色节水灌溉技术体系。浙江和福建为LL地区,农业用水乐观效率及悲观效率均低下。自实行最严格水资源管理制度后,农业用水综合效率在缓慢小幅度上升。

表3 各省(市、自治区)在2003—2017年农业用水效率均值

图4 各省农业用水综合效率空间分布

从低农业用水地区来看,HH地区有陕西、青海和宁夏。陕西省处于我国东南湿润区与西北干旱区的过渡地带,青海和宁夏位于西北干旱区,在水资源约束的情况下,该省(市、自治区)积极落实水生态环境保护工作。LH地区和HL地区分别为重庆、北京。重庆农民经济收入低,多采用地面灌水方式,限制了该地区节水灌溉技术的推广及应用。LL地区有天津、山西、上海、海南、贵州和西藏。海南和贵州节水意识不足,节水灌溉技术落后,浪费严重。北京、天津和上海农业用水乐观效率均在0.8以上,甚至北京处在有效效率前沿,达到乐观有效。但是其悲观效率低下,因此综合效率总体落后于其他省(市、自治区)。西藏地区农业用水乐观效率低下,且处于悲观效率前沿,故西藏地区农业用水综合效率为全国最低。各省(市、自治区)农业用水综合效率空间分布如图4所示,颜色越深,表示地区农业用水效率越高。

总之,不同农业用水区的省份之间也存在较大的用水效率差异。提高农业用水效率不能“一刀切”,需要根据不同的地区特点,从不同因素考虑,在建设节水型社会的背景下,充分发挥地区优势,进而提高农业用水效率。

3 农业用水效率影响因素分析

通常情况下,计量模型中假定的因变量是连续的。但本文的因变量农业用水效率>0,具有从下面截断或从左边截断的特征。故使用受限因变量模型,即Tobit模型,对中国农业用水效率影响因素进行分析。

3.1 变量选取和数据来源

将农业用水效率作为被解释变量。影响农业用水效率的可能因素有结构因素、经济因素、资源因素、技术因素、基础设施建设因素等。故参考陈洪斌等[10，28-29]的研究,农业用水效率影响因素变量选取及数据来源如表4所示。

表4 变量选取及数据来源

选取2003—2017年31个省(市、自治区)相关数据,共465个样本单元。剔除数据缺失的样本,有效样本单元共451个。数据来源于各年度《中国统计年鉴》《中国农村统计年鉴》《水资源公报》《中国环境统计年鉴》《中国水利年鉴》。本文在回归之前对面板数据进行缩尾处理。

3.2 模型建立

基于Tobit模型分析农业用水效率影响因素,模型构建如下:

Yit=β0+β1X1it+β2X2it+β3X3it+

β4X4it+β5X5it+β6X6it+εit

(6)

式中:Yit表示第t年第i地区的农业用水效率;βk(k=0,1,…,5)为待估系数;εit为随机误差项。

3.3 实证分析

使用Eviews 10.0对样本数据进行Tobit回归分析。回归结果见表5。

表5 Tobit回归模型结果

第一产业增加值所占地区生产总值比重、人均水资源量(m3/人)、节水灌溉面积(103hm2)、水库总库容量(亿m3)、地区教育水平都通过显著性检验,与农业用水效率显著相关。农业用水量(亿m3)未通过10%的显著性检验。从系数上来看,地区教育水平对农业用水效率影响最大。

3.3.1结构因素与农业用水效率显著相关

第一产业增加值所占地区生产总值比重与农业用水效率正相关,且通过10%水平上的显著性检验。说明各地区的经济因素会影响农业用水效率。第一产业增加值所占地区生产总值比重降低,农业用水效率也会降低。在中国新工业时代背景下,工业用水挤占了部分农业用水,会对农业用水效率造成一定程度的影响。

3.3.2资源因素显著影响农业用水效率

人均水资源量与农业用水效率成负相关关系,且通过1%水平的显著性检验。可能的原因是水资源禀赋充裕的地区节约用水、高效用水意识不足,水资源浪费严重。农业用水量与农业用水效率正相关,这与高农业用水区总体用水效率最高,中农业用水区次之,低农业用水区总体用水效率最低的结果一致。但农业用水量对农业用水效率无明显影响,未通过10%水平的显著性检验。可能的原因是:一方面,在其他各方面影响因素的相互作用下,农业用水量对农业用水效率的影响比较微弱；另一方面,用水区之间的效率差异在0.04左右,差异较小。

3.3.3技术因素与农业用水效率显著相关

节水灌溉面积与农业用水效率在1%水平上显著正相关,表明节水灌溉面积越多,农业用水效率越高。可能的原因是:当一个地区掌握了先进的节水灌溉技术,投入的节水灌溉面积会增加。在先进技术的支持下,农业用水效率也会显著提高。大力提高地区节水灌溉技术,可以显著提高农业用水效率。

3.3.4基础设施因素影响农业用水效率

水库总库容量与农业用水效率在5%水平上显著正相关,即增强地区的水利设施建设,有利于提高农业用水效率。可能的原因是:发展农田水利建设,本质是通过灌溉排水,调节农田水分状况,改善农田生态环境,从而达到增加粮食产量的效果。

3.3.5教育因素显著影响农业用水效率

地区教育水平与农业用水效率在1%水平上显著负相关,即地区教育水平越高,农业用水效率越低。该结论与赵姜等[29]的研究结论一致,似乎有违于一般常识,可能的原因是:一方面,地区教育水平越高,可能更倾向于将精力投入到回报率更高的非农产业。由于节水意识不足,农业用水粗放,用水效率降低。另一方面,教育水平高的地区,经济高速发展,相对于其他地区,第一产业增加值所占地区生产总值比重较低,因此农业用水效率也较低。这也验证了结构因素影响用水效率的结论。

4 结 语

本文首先基于有效效率前沿(乐观)和无效效率前沿(悲观)面SBM-DEA模型,对中国31个省(市、自治区)2003—2017年的农业用水效率进行测度。结果显示:2003—2017年间中国各省(市、自治区)农业用水乐观效率均值为0.855 4,悲观效率为 1.648 7,综合效率(几何平均效率)为1.169 7。中国农业用水乐观效率总体上呈小幅度上升趋势,悲观效率呈现下降-上升-下降-上升趋势,综合效率总体在小幅度平稳上升。不同农业用水区之间用水效率差异较小,差异值在0.04左右:高农业用水区农业用水效率大于中农业用水区大于低农业用水区。但各农业用水区中不同地区之间用水效率差异较大。

其次以双前沿面SBM-DEA模型测算得出的综合效率作为被解释变量,通过Tobit回归模型从结构因素、资源因素、技术因素以及基础设施建设因素这4个方面分析对农业用水效率的影响因素。结果表明:

a. 结构因素、技术因素、基础设施因素与农业用水效率显著正相关。因此,各地不要忽视第一产业的发展,开发和研究节水灌溉技术,通过教学等方式,向农户推广喷滴灌、微灌、低压灌溉等技术。加大水利基础设施建设,提高农业用水效率。各地政府应重视农田水利建设,扩大水库总库容量,增加除涝面积和水土流失治理面积,提高农业用水效率,实现可持续发展。

b. 资源因素、教育因素与农业用水效率显著负相关。水资源禀赋充裕、地区教育水平高的地区更需要提高对节水的关注,注重节水宣传,让节水意识进入每一位公民的心中。

c. 农业用水量已经高乐观-高悲观的HH地区应当发展节水农业,建立完善节水体系,做好表率作用。高乐观-低悲观HL地区和低乐观-高悲观LH地区具有节水潜力,应改变粗放的用水方式,强化农业水资源管理。低乐观-低悲观LL地区中浙江、上海、广东等发达省(市、自治区)应坚持节水优先的策略,强化节水意识。西藏、新疆等发展落后地区应增加科研投入,大力发展先进的节水灌溉技术并进行推广。

d. 基于有效效率前沿(乐观)和无效效率前沿(悲观)计算得到的效率结果有所差异。由此可见,如果仅考虑单一前沿面,测评得到的效率结果会有所偏差。