我国粮食主产区农业资源配置效率评价与差异分析

（江西服装学院 商学院，江西 南昌 330201）

一、引言

我国是人口大国，保障粮食生产供应具有重要的战略意义。随着城镇化、工业化的快速发展，农村劳动力转移、耕地面积减少、农业生态环境污染等问题对粮食安全造成严重威胁，保障粮食供应是经济社会发展过程中需要关注的重点。在人口与环境的双重压力下，农业生产经营方式需要转变，提高农业资源配置效率是主要方向。学者对农业资源配置效率的研究侧重于效率测度、影响因素等方面。在农业经济效率测度方面，张乐等（2013）测度了1991—2010年的中国农业全要素生产率，通过分解指标找出全要素生产率的促进与阻碍因素[1]。郭思源等（2019）测度了黑龙江垦区的农业生产效率[2]。姚凤民（2020）用DEA方法测度了广东省的农业资源配置效率[3]。方方（2019）测算了京津冀地区农业生产效率[4]。在影响因素方面，贺新军等（2019）基于重庆市三个区（县）的调研发现山区农地流转会促进农业生产效率的提升[5]。潘经韬等（2019）研究发现农业机械化服务对我国玉米生产效率有着正向影响[6]。徐清华等（2020）研究表明农村劳动力转移能够显著改善县域农业生产资源配置效率[7]。何悦等（2019）研究了城镇化对粮食生产技术效率的影响[8]。此外，还有部分学者研究农户生计资本、农户信贷、土地流转等因素对农业生产效率的影响（邵雅静等，2020；范志方，2020；史常亮等，2020）[9][10][11]。上述研究为本文的研究提供了基础与思路，但缺乏对我国粮食主产区相关农业资源效率的研究。我国13个粮食主产省（区）粮食产量占全国75%以上，其生产效率的高低对国家粮食安全有重大影响。因此，正确评价粮食主产省（区）的农业资源配置效率并提出优化建议对保障粮食生产供应尤为重要。本文基于2011—2018年我国粮食主产省（区）的农业生产资源投入产出数据，评价农业资源配置效率，找出变化趋势与差异，提出相应对策建议。

二、我国粮食主产省（区）农业资源配置效率测度

（一）模型构建与说明

DEA，即数据包络分析法，是一种非参数效率评价方法，能够系统分析投入与产出之间的相对效率。采用DEA模型测度效率不需要对各变量进行无量纲化处理，能够解决效率测度指标赋权的问题。Malmquist指数由经济学家Sten Malmquist提出，后演变为Malmquist指数模型，在效率评价方面应用很多[12]。

Malmquist表示全要素生产率，当 Mt，t+1大于 1，说明t+1期相较于t期，全要素生产率提高；反之，则表明全要素生产率降低。EC是效率变化指数，代表t+1时期相对于t时期所发生的技术效率变化指数，通过它可以评估资源投入规模是否最优，配置是否最优。技术变化指数（TC）能够反映技术是否有了进步与提升。综合技术效率指数（EC）可以分为纯技术效率变化（PEC）和规模效率变化（SEC），通过纯技术效率变化能够看出资源投入的利用程度与资源配置效率的高低，规模效率变化能够反映资源投入规模的合理化程度。

（二）指标选择

研究对象为我国13个粮食主产省（区），包括河北、内蒙古、辽宁、吉林、黑龙江、江苏、安徽、江西、山东、河南、湖北、湖南、四川。根据已有文献，选取2011—2018年我国13个粮食主产省（区）的农业总产值作为产出指标。投入指标包括农业化肥使用量、农业用水总量、农业机械总动力、城镇单位农业从业人数，因直接农业从业人数目前尚无确切的统计数据，本文用城镇单位农业年末从业人数表示，数据来自历年《中国统计年鉴》《中国劳动统计年鉴》。

（三）农业资源配置效率测度

运用DEAP2.1软件，测度13个粮食主产省（区）2011—2018年农业资源配置效率值（0—1之间），见表1。效率值为1表示农业资源配置效率处于有效状态，否则为无效。我国13个粮食主产省（区）2011—2018年的农业资源配置效率均值为0.936，资源配置效率整体上未实现有效。

表1 2011—2018年我国13个粮食主产省（区）农业资源配置效率值

研究期间内，13个粮食主产省（区）的资源配置效率差异较大，根据农业资源配置是否有效以及效率值大小，可以将我国13个粮食主产省（区）划分为3个梯队，第一梯队为辽宁、吉林、江西、山东、河南、四川，其农业资源配置效率值为1，表明农业生产投入资源得到合理充分的利用，实现了效率的最佳配置。第二梯队为河北、江苏、湖南，其农业资源配置效率值大于0.9，接近最优配置，其中河北各年度的效率值均较为接近1，2013年实现有效，有较大的提升潜力；江苏的效率值在前期为有效，后期有所跌落；湖南在2011年达到有效，之后出现下降，波动幅度较大。第三梯队是内蒙古、黑龙江、安徽、湖北，其效率值均呈现较大幅度波动，其中内蒙古的农业资源配置效率值下降趋势较为明显，安徽的效率值最低并波动上升。

（四）曼奎斯特指数（Malmquist Index）分析

根据2011—2018年我国13个粮食主产省（区）的面板数据，基于DEAP 2.1测算得到我国粮食主产省（区）分年度、分地区的全要素生产率指数与分解指数（见表2）。

表2 2011—2018年我国粮食主产省（区）分年农业资源配置效率Malmquist指数整体分析

如表2所示，我国粮食主产省（区）各年度的全要素生产率指数均大于1，说明我国粮食主产省（区）的农业资源配置效率在整体上是处于上升阶段。从各分解指标上看，技术进步指数的均值均大于1，综合技术效率均值小于1，说明农业资源配置效率的提高主要由技术进步驱动；对比纯技术效率与规模效率的具体数值，发现综合技术效率的下降更多是因规模效率值较低引起，进而限制了全要素生产率的增长。从各年度具体数值来看，全要素生产率与技术进步在各年度均大于1，说明技术进步与整体农业资源配置效率不断提升；综合技术效率只有在2011—2012年、2012—2013年两个周期内大于1，说明各时期内农业资源配置全要素生产率主要依靠技术进步推动，在综合技术效率方面仍有较大的提升潜力。

从表3可以看出，2011—2018年间除了吉林的全要素生产率小于1，其余12个省（区）的全要素生产率均大于1，说明这12个省（区）的农业资源配置规模报酬递增。全部省（区）的技术进步指数均大于1，且大于综合技术效率，说明技术进步起着主要的提升作用。分区域来看，四川、山东、黑龙江的全要素生产率排在前列，对应的是这3个省的技术进步指数也排在前列，这也说明了技术进步的重要作用。在综合技术效率指数上，只有江西、黑龙江、山东、河南、四川五省的技术效率值大于或等于1，说明这五省的技术效率值有所提升，但对全要素生产率贡献仍然有限。吉林的全要素生产率小于1是由综合技术效率值过低导致，通过分解指标发现，是受规模效率值较低的限制。农业资源配置效率在一定程度上能够反映区域农业资源利用能力的差异与农业经济发展水平的高低。由以上分析可以发现，我国技术进步更快的粮食主产省（区）对农业资源配置效率提升的促进作用更为明显，而综合技术效率成了全要素生产率提升的限制因素，因此需要采取措施提高综合技术效率，促进农业资源的高效利用。

表3 2011—2018年我国粮食主产省（区）分地区农业资源配置效率Malmquist指数整体分析

三、农业资源投入产出的差异分析

由于聚类分析只能直接作用于截面数据，因此，选择我国13个粮食主产省（区）2018年的农业资源投入与产出的截面数据进行分析，利用SPSS25.0软件，通过离差平方和法（Word法）得到层次聚类分析结果如图1所示。

图1 农业资源投入产出情况的层次聚类分析结果

从图1可知，黑龙江单独聚为一类，内蒙古、湖北、辽宁聚为一类，其余9个省聚为一类。层次聚类分析虽然得到了多个分类解，但执行效率并不理想，因此进一步使用K-Means聚类方法进行分析，并得到每一类别的聚类中心（见表4、表5）。

表4 聚类中心

表5 每个聚类中的案例数

表4显示了3个类的最终类中心点的情况。综合考虑投入与产出指标，可见第2类的指数是最优的，处于高水平；第1类次之，处于中等水平；第3类较差，处于低水平。表5显示了3个类的类成员情况，中等水平的有11个省（区）（吉林、江西、河北、江苏、安徽、山东、河南、湖南、四川、内蒙古、湖北），高水平的有1个省（黑龙江），低水平的有1个省（辽宁）。通过与图1的层次聚类分析对比，可以发现两种聚类分析结果略有差异，内蒙古和湖北的类组做了调整，这是由于两种聚类方法分析思路上的差异造成的。

将K-Means聚类分析结果与前文测度的2018年各省（区）农业资源配置效率结合分析可以看出，处于低水平的辽宁的农业资源配置效率为1，因此可以利用资源配置效率优势，增加资源投入提高效益产出；处于中等水平的11个省（区）中的吉林、江西、山东、河南、四川的农业资源配置效率实现有效，河北、江苏、安徽、湖南、内蒙古、湖北的农业资源配置效率无效，因此这六省（区）应该加强农业结构调整，提高资源配置效率，结合区域优势实现农业高效发展；处于高水平的黑龙江的农业资源配置效率较低，尚未实现有效，因此黑龙江应该摆脱粗放式的农业发展模式，走集约、高效的现代农业之路。

四、结论与建议

本文通过DEA模型测度了13个粮食主产省（区）的农业资源配置效率。研究期间内各省（区）的资源配置效率差异较大，辽宁、吉林、江西、山东、河南、四川六省的资源配置效率有效；河北、江苏、湖南三省的农业资源配置效率虽无效，但接近最优配置；内蒙古、黑龙江、安徽、湖北四省（区）的资源配置效率较低。接着运用Malmquist模型从地区与时间两个维度测算各省（区）的农业资源配置的综合技术效率与技术进步指数，发现技术进步指数是全要素生产率的促进因素，综合技术效率因规模效率限制成为阻碍因素。

进一步通过层次聚类分析和K-Means聚类分析将13个省（区）的农业产业资源利用水平分为3类：黑龙江属于高水平，吉林、江西、河北、江苏、安徽、山东、河南、湖南、四川、内蒙古、湖北属于中等水平，辽宁属于低水平，并与DEA测度出的各省（区）农业资源配置效率进行对比分析，找出不同资源利用水平、不同资源配置效率的省（区）解决农业资源利用问题的方向。

为提升我国粮食主产省（区）的农业资源利用效率，提出如下建议：

1.优化财政支农结构，支持农业技术创新

技术进步对农业资源配置效率的提升作用较为明显，应继续推进。因此，应加大对农业科技研发的支持，优化财政支农的支出结构，将更多的资金用于农业科技研发，建立稳定的农业科技支持机制，通过创新驱动农业科技进步，发挥农业技术进步对农业生产效率的提升效应，促进农业经济提质增效。

2.做好农业技术推广，优化农业资源配置

技术效率是农业资源配置效率的影响因素，因此，需要采取措施提高技术效率，保证其对农业资源配置效率起正向作用。农业技术的创新与研发成果应及时应用于农业生产中，同时，整合农业科技资源，鼓励农业生产经营主体采用新技术、新设备，加强农业科技研发机构与农业生产经营主体的技术应用合作，提供必要的技术指导，将农业技术推广到农业生产领域，提高农业资源利用水平。

3.发展新型农业经营主体，鼓励规模化经营

应根据区域农业发展特征适度扩大农业生产规模，改变农业小规模分散经营的局面，鼓励发展新型农业经营主体，扶持农业生产合作社的发展，实行农业规模化经营，通过规模效应提升农业产出。