我国农机社会化服务供给效率及其影响因素*——基于DEA-Tobit两步法分析

邱溆，杨丽

(海口经济学院，海口市，571127)

0 引言

家庭联产承包责任制改变了我国农村旧的经营管理体制，解放了长期被压抑的农村劳动力。但是，人多地少的资源约束、使分户承包带来土地“细碎化”的问题，“耕者有其机”的政策倡导由于配置效率低，制约了农业机械化的发展，不利于农业现代化的推进。农机社会化服务作为一种农机资源配置的创新制度设计，以市场需求为导向的、以农机经营者的经营效益最大化为驱动，按照市场规律实现农业机械与劳动者、劳动对象等生产要素的优化配置[1]。突破了单个农户所面对的土地规模的制约，引导和促进了土地以农机服务组织、农机专业户为中心的流转集中。因而，推进农机社会化服务是在当前政策背景及资源现状下，解决广大农民对于农业机械、尤其是大型机械“买不起”与“用得起”的现实矛盾，以促进农业机械化“全程、全面、高质、高效”[2]发展的必然要求，也是整合农业大生产和小农经济[3]、推动现代农业发展的最佳路径。围绕农机社会化服务的推进，相关文献主要集中于农户是否采用农机社会化服务的影响因素。如张晴晴[4]研究认为年龄越大、文化程度越高，采用农机社会化服务的可能性越大，种植面积、土地细碎化程度、地形也具有显著影响。郭如良等[5]提出兼业化有利于促进农户对农机社会化服务的采用，土地细碎化则起到抑制作用。提升服务效率亦是推进农机社会化服务发展的有效途径，目前这方面的研究较少。杨印生等[6]通过构建指标及因子分析，指出当前影响农机服务组织作业效率的首要因素是组织实力，包括组织拥有的农机数量、组织人员的数量以及组织成员的综合素质。张维政[7]，崔敏等[8]提出搭建信息平台以促进农机供需双方的对等链接，能够实现农机社会化服务效率的提升。

本文将在上述文献的基础上，利用分省的截面数据和DEA方法测算中国各省农机社会化服务的供给效率，并运用Tobit模型进一步考察农机社会化服务供给效率的影响因素及影响程度，以探讨改进农机社会化服务效率、增强农机服务主体市场竞争力、从而促进农业机械化和农业现代化的可能思路。

1 研究方法与理论模型

1.1 数据包络分析法

第一步采用数据包络分析法DEA(Data Envelopment Analysis)测算效率值。作为目前运用较广的一种非参数方法，该方法不必明确投入、产出间的函数关系，通过对投入、产出指标实际数据的分析，借助于数学规划确定相对有效的生产前沿面，将各个决策单元(DMU)投影到DEA的生产前沿面上，并通过比较DMU偏离DEA前沿面的程度来评价其相对效率[9]。BCC模型是一种基本的DEA模型，以规模报酬可变为基本假设研究DMU的效率问题，认为综合技术效率(TE)是由纯技术效率(PTE)与规模效率(SE)共同决定的。

本文构建投入导向的BCC模型，即在产出不变的前提条件下研究如何尽可能的减少投入。假设有n个DMU，每个DMU又有m个投入类型和s个产出类型,则投入向量Xij=(x1j,x2j,…,xmj)T，其中j=1,2,…,n；i=1, 2, …,m；产出向量Yrj=(y1j,y2j, …,ysj)T，其中j=1, 2, …,n；r=1, 2, …,s。对于任一决策单元DMU0，其对偶形式的BCC模型(投入导向)可表示为

Min[θ-ε(eTs-+eTs+)]

式中：x0——选定决策单元DMU0的投入指标；

y0——选定决策单元DMU0的产出指标；

λ——相对于DMU0重新构造一个有效的DMU组合中n个决策单元的组合比例或组合系数；

θ——DMU0的效率值；

s-，s+——松弛变量；

eT——单元行向量；

ε——非阿基米德无穷小量。

若θ=1，且s-=s+=0时，则该决策单元为DEA有效；若θ=1，但s+≠0或s-≠0，则称该决策单元为DEA弱有效；若θ<1，说明该决策单元DEA无效。

1.2 Tobit模型

第二步以效率值作为因变量，构建回归模型。由于在第一步中通过BCC模型确定的效率值大于0小于1，且不同于一般的连续变量和离散变量，表现为大致连续，但却在某一点或多点上具有非零概率，即被解释变量满足某种约束条件，这时若用普通最小二乘法(OLS)对模型直接回归，则参数估计值将会是有偏的、不一致的(Greene,1981)。为解决这一类问题，Tobin于1958年提出了受限因变量模型，也称为Tobit模型或者截取回归模型，通过最大似然法进行估计[10]，表达式如下

Yi=α0+αiXi+εii=1, 2, 3…n

式中：Yi——被解释变量，即效率值；

Xi——解释变量;

ai——待估参数;

εi——随机变量；

n——解释变量的个数。

2 我国农机社会化服务供给效率核算

2.1 指标选取与数据来源

农机社会化服务是指农机服务组织、农机户为农业生产者提供机耕、机播、机收、排灌、植保等各类农机作业服务，以及相关的农机维修、供应、中介、租赁等有偿服务，从而获取经营效益的过程[11]。其中，劳动力和资本是主要的投入要素。劳动力此处主要指农机服务从业人员，资本包括物质资本和资金的投入，前者用农业机械总动力表示，后者用农机化投入表示。作为农机社会化服务的产出，选取两个指标，一是农业机械化作业总收入，另一个是农业机械化作业总面积(包括机耕面积、机播面积、机电灌溉面积、机械植保面积和机收面积)。本文考察的时间期限为2018年，空间范围包括中国大陆的31个省份。相关数据主要来自于《2005—2019年中国农业机械工业年鉴》《2019年中国农村统计年鉴》《2019年中国统计年鉴》。综合上述投入、产出指标，构建效率评价体系如表1所示。

表1 农机社会化服务供给效率评价指标体系Tab. 1 Evaluation index system on the supply efficiency ofagricultural machinery socialized service

2.2 农机社会化服务供给效率测算

基于投入导向和规模报酬可变的假定，本文采用BCC模型测算2018年中国大陆31个省份的农机社会化服务供给效率。根据各省的相关投入产出指标数据，采用DEAP软件进行分析，结果如表2所示。

表2 2018年中国各省(市)农机社会化服务供给效率Tab. 2 Supply efficiency of agricultural machinery socialized servicesin different province (city) of China in 2018

由BCC模型的特点可知，每个决策单元的综合技术效率(TE)是纯技术效率(PTE)和规模效率(SE)综合作用的结果，即综合技术效率是对决策单元的资源配置能力、资源使用效率等多方面能力的综合衡量与评价。从上表可知，2018年我国农机社会化服务供给综合效率平均得分为0.721。其中，共有5个地区的综合效率得分为1，说明其资源的使用和配置是有效率的，它们分别是黑龙江、上海、安徽、广西、新疆。其他地区都存在无效率的现象，其中，北京、天津、河北、浙江、福建、湖南、海南、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏等15个地区综合效率低于平均值。

根据国发〔2000〕第33号文件将31个地区划分为东、中、西三个地区，则不难发现，DEA有效的5个地区中有1个位于东部地区，2个位于中部地区，另外2个位于西部地区。综合效率低于平均水平的15个地区中，8个属于西部地区。中部8地区中有7个地区的综合效率高于平均水平。规模报酬(RS)方面，处于递增(irs)阶段的22个省份中，东部占8个，中部4个，西部10个；处于递减(drs)阶段的4个地区中，东部和中部各2个。无论规模报酬递增或递减，都表明要素投入增加的比例与产出增加的比例未达到最佳匹配。

以上说明我国农机社会化服务供给效率由于受管理水平和技术因素的制约，总体上还存在较大的提升空间。0.721的综合效率平均得分，意味着相对于生产前沿面，在既有的产出情况下，平均投入水平下降27.9%才能达到综合技术有效，或者在既有的投入情况下，平均产出水平还需提高27.9%。而且，供给效率表现出明显的区域差异，中部地区效率较高，其次是东部地区，西部地区平均水平较低[12]。

3 农机社会化服务供给效率的影响因素分析

3.1 基本假设及理论分析

上文运用DEA模型测算出了各省份农机社会化服务供给效率的得分，为进一步研究是哪些因素影响效率得分以及影响程度，结合中国当前农机服务的实际情况和相关文献，主要从服务主体的规模、服务中介组织的发展、服务人员素质、农机规模化经营潜力[13]以及服务模式创新等五个方面进行分析，并提出如下假设。

假设一：农机服务主体规模对服务效率具有正相关的显著影响。

农机服务主体主要包括农机服务组织和专业户，一般认为，农机服务主体规模的扩大，尤其是农机合作社[14]的数量与人员增加，反映了农机服务逐步向合作化、规模化方向演化，体现了服务组织实力的不断增强，是当前影响农机社会化服务效率的首要因素之一。

假设二：服务中介组织的发展对服务效率具有正相关的显著影响。

农机服务中介组织是连接农机服务供需双方的纽带，在不完全竞争的农业市场上，为农机服务主体与农业生产者之间，以及与农业机械供应商、维修商等之间架设桥梁，减少信息不对称所带来的障碍，降低交易成本[15]，提升服务的供给效率。本文用农机化中介组织机构和人员数来表示其发展情况。

假设三：服务人员素质对服务效率具有正相关的显著影响。

农机社会化服务是一种农业分工的结果，通过在农业生产过程中注入人力资本与知识资本，以发挥其专业化的服务优势。因而，人是确保服务质量和服务组织能否有序高效发展的关键因素[16]，农机服务人员素质对于服务效率的提升就显得尤为重要。本文以2018年乡村农机从业人员中获得农机职业技能鉴定证书的人数为指标，假设这部分人数越多，农机社会化服务供给效率越高。

假设四：农机规模化经营潜力对服务效率具有正相关的显著影响。

农机社会化服务以市场为导向，在不受资源约束的条件下，能够按照市场规律实现农业机械与劳动力、土地等生产要素的优化配置[17]。而农机从业人员人均可作业耕地面积反映了农机规模化经营的一种约束条件，规模化经营显然是提升效率的重要条件[18]。本文用农机从业人员人均可作业耕地面积表示农机规模化经营潜力。

假设五：农机服务模式创新对服务效率具有正相关的显著影响。

农机服务模式是解决如何提供农机服务的方法论。随着城镇化和农业经济的发展，通过农机服务模式的不断创新、能够更为有效地满足市场对农机服务的多元化需求。利用不同地区农作物成熟的时间差，组织跨越地理区域的农机作业服务，已成为有中国特色的农机服务社会化和市场化的创新模式，以及推动农业节本增效的重要途径。本文以农机合作社的跨区作业面积为指标，假定其与农机服务效率正相关。

3.2 实证分析

3.2.1 变量选择及数据处理

本文以2018年中国31个地区的农机社会化服务供给效率值为被解释变量Y，解释变量分别为：X1农机作业服务组织规模(农机化作业服务组织年末人数/机构数)、X2农机作业服务专业户规模(农机作业服务专业户年末人数/户数)、X3农机化中介组织年末机构数(个)、X4农机化中介组织年末人数(人)、X5乡村农机从业人员中具有农机职业技能鉴定证书的人数(人)、X6乡村农机从业人员的人均可作业耕地面积(耕地面积/农机从业人员)。X7农机合作社跨区作业面积(khm2)。为了降低数据的异方差性，对变量X7进行取自然对数处理，得到变量lnX7。为了满足Tobit模型中要求的因变量中必须含有一定比例的0值[19]，本文对因变量Y进行适当的变形，得到变量Y0，具体变换方法为：Y0=(1/Y)-1。变换后的Y0值越小表示农机社会化服务供给效率越高，即随着Y0值的增加，农机社会化服务供给效率会降低。

3.2.2 建立模型及回归估计

为了对我国东、中、西部情况进行区分，以西部作为比较的基础，引入东部和中部的虚拟变量分别为D1和D2。由于虚拟变量中的1和0可以用来代表某种属性的存在与否，则各地区可具体表示如下：东部(D1=1,D2=0)，中部(D1=0,D2=1),西部(D1=0,D2=0)。根据以上假设，构建影响农机社会化服务供给效率的Tobit回归模型。

Y0=α0+α1D1+α2D2+β1X1+β2X2+β3X3+

β4X4+β5lnX5+β6X6+ε

式中：ε——随机干扰项。

当表示东部地区时，回归模型的截距项为α0+α1；当表示中部地区时，回归模型的截距项为α0+α2；当表示西部地区时，回归模型的截距项为α0。

本文采用eviews软件，建立Tobit模型，具体回归结果如表3所示。

回归结果显示：(1)农机服务组织规模(X1)对农机社会化服务效率的影响不显著，而农机服务专业户规模(X2)对农机社会化服务效率的影响呈显著正相关，这反映了当前农机服务专业户机构规模偏小的现状，适度增加农机服务专业户的人员将有利于促进服务效率的提升。(2)农机化中介服务机构数(X3)对服务效率影响不显著，但农机化中介组织年末人数(X4)正向影响服务效率，说明目前的农业市场仍然属于不完全竞争市场，随着农机社会化服务供给范围的不断扩大，单纯依赖于亲戚、朋友介绍从而获取相关信息、直接建立与服务主体联系的传统方式难以满足现实的多样化需求。作为这种传统方式的替代与补充，农机服务中介人员在促进供需信息对称，降低交易成本，提升服务供给效率方面发挥着越来越重要的作用。(3)农机从业人员中具有农机职业技能鉴定证书的人数(X5)对服务效率的影响不显著。这与假设三不相符。原因可能在于农机职业技能鉴定证书只是对农机从业人员专业素质和实际操作能力的认定，还需提高整体文化素质，才能更好地发挥专业优势，提升服务效率。(4)农机从业人员的人均可作业耕地面积(X6)对服务效率的影响在10%显著水平下正相关，即假设四可以接受。因为规模化经营是提升效率的重要条件，而农机从业人员人均可作业耕地面积越大，其规模化经营的潜力越大，从而提升效率的可能性更大。(5)农机合作社跨区作业面积(lnX7)显著正向影响农机社会化服务效率，符合假设五的判断。农机资源的配置按照总体规划，在一定程度上跨越行政和地理区域的限制，必将有利于地区之间互通有无，推动资源的充分利用和优化配置，减少浪费，提高效率。(6)虚拟变量D2的系数在10%显著性水平下显著为负，反映了中部地区的平均农机社会化服务供给效率高于西部地区和东部地区， 这与地区间的地形地貌、农业生产自然条件等方面的差异相符。

表3 农机社会化服务供给效率影响因素的回归结果Tab. 3 Regression results of influencing factors on supply efficiency ofagricultural machinery socialized service

4 结论及建议

本文采用DEA-Tobit两步法分析我国农机社会化服务的供给效率及影响因素，第一步使用非参数DEA方法(在可变规模报酬的假设下)对我国31个省份的农机社会化服务供给效率进行测算；第二步以前面得出的效率值为因变量，结合相关理论分析我国农机社会化服务供给效率的影响因素，从中选择和确定自变量，并构建基本假设。在此基础上运用Tobit模型进行回归分析，验证假设。研究结果显示，中国农机社会化服务供给效率的平均水平较低(0.721)，而且，东中西部地区存在显著的区域差异。中部地区平均得分较高(0.867)，东部次之(0.681)，西部地区较低(0.661)。规模报酬递增地区大部分位于西部地区，规模报酬递减地区则大部分位于东、中部。对农机社会化服务效率的影响因素中，农机服务专业户规模、农机中介服务组织年末人数、农机从业人员人均可作业耕地面积、农机合作社跨区作业面积等因素均表现出显著的正向影响。对此提出如下建议。

4.1 加强农机社会化服务人才培养

首先，增加农村基础文化教育投入，提高农民的整体文化素质。同时，制定优惠政策，吸引大中专毕业生扎根农村[20]、投身农机服务业，为农机社会化服务提供人才支撑。其次，加强农机服务人员业务水平和服务意识的培养。充分利用农业类高等院校、农机企业等各类培训资源，调动全社会各种力量，通过政策扶持、多元投入，积极开展针对农机手的农机服务技能培训，以及针对农机服务组织领头人的经营管理培训。

4.2 优化农机社会化服务体系

农机社会化服务包括农机作业、维修、供应、中介、租赁等主要内容，不同服务内容之间相互关联，构成一个完整的体系。服务效率的提升依赖于各部分之间的合理搭配，即服务体系的优化。因此，要在不断创新土地托管等农机作业服务模式的基础上，构建便捷高效的维修、供应服务网络，为农机作业服务提供有效保障；引导农机中介服务机构全面提升服务质量，开展跨区作业信息咨询和机具调度，充分发挥农机服务供需双方的桥梁纽带作用；发展农机租赁服务，提高农业生产者获得服务的便利性。

4.3 推进农机社会化服务产业化发展

规模化是产业化的必要条件。要以市场需求为导向，引导专业化的服务组织开展区域性甚至跨区域作业，突破单个农户所面对的土地规模的制约；鼓励以农机专业户和农机服务合作社为基础，通过土地流转推动土地的集中和规模化经营，实现土地、机械和人力的合理搭配，形成以农机服务为中心的农业生产规模经济。

4.4 理顺农机社会化服务机制

建立高效有序的运行管理机制，降低服务组织的运行协调成本，有效实现组织的生产经营目标；发挥市场机制对生产要素的优化配置，追求经营效益的最大化；施行兼顾效率与公平的分配机制，激发服务组织成员的积极性、主动性、创造性和归属感。

4.5 健全农机工业体系

农业机械是开展农机社会化服务的基础和依托。要加快农机技术的研发与更新，探索互联网信息技术、人工智能等高科技在农业机械领域的运用，发展智慧农机；相关部门统筹规划，以避免农机工业的重复建设，实现合理布局；农机企业以市场为导向创新农机产品，丰富农机产品线，提高产品质量。