湖南省农业生产效率时空变化及影响因素研究——以洞庭湖区为例

欧阳昶，王安平

（湖南省农林工业勘察设计研究总院，长沙 410007）

《中共中央国务院关于做好2022 年全面推进乡村振兴重点工作的意见》要求全力抓好粮食生产和重要农产品供给，确保粮食播种面积稳定、产量保持在6 500 亿kg 以上。湖南省是中国最主要的商品粮生产基地，而洞庭湖区又是湖南省粮仓。近年来，洞庭湖区农村经济结构不合理、农业集约化生产比例低、大量农田抛荒、水利设施老化等因素，导致洞庭湖区农业生产效率低下，限制了洞庭湖区农业经济的持续发展。因此，对洞庭湖区的农业生产效率进行分析，找到农业生产的影响因素，提出改善措施，推动洞庭湖区农业经济高效、可持续发展，是实现湖南省乡村振兴的重要推手。

本研究选择湖南省洞庭湖区24 个县（市、区）（岳阳市的岳阳县、华容县、湘阴县、平江县、岳阳楼区、君山区、云溪区、临湘市、汨罗市，常德市的安乡县、汉寿县、澧县、临澧县、桃源县、石门县、武陵区、鼎城区、津市市，益阳市的南县、桃江县、安化县、沅江市、资阳区、赫山区）2005—2015 年的相关数据，构建农业生产效率测度指标体系，分析该区域农业生产效率的变化情况，通过普通DEA 分析和超效率DEA 分析方法，分析区域生产效率的变化情况，最后采用Tobit 模型分析影响农业生产效率的相关因素，以期为提高洞庭湖区的农业生产效率、加快湖南省乡村振兴提供政策建议。

1 研究方法和指标选取

1.1 普通DEA 模型

数据包络分析（Data envelopment analysis，DEA）是由美国著名运筹学家Charnes 等［1］创建的，其本质是借助数学规划模型对具有多个输入、多个输出的决策单元（Decision making unit，DMU）建立经济数学模型，确定其生产可能集的生产前沿面，随后在现阶段DMU 投入产出量的基础上，判断DMU 是否位于该生产可能集的生产前沿面上，从而评价其有效性。

本研究中农业生产是由一个多投入、多产出的生产系统构成，因此首先选取了普通DEA模型对农业生产数据进行分析。设有n个决策单元（j=1，2，…，n），每个决策单元有相同的m项投入（i=1，2，…，m）和相同的s项产出（r=1，2，…，s）。xij表示第j个决策单元的第i项投入量，yrj表示第j个决策单元的第r项产出量。xi和yj分别表示第j个决策单元的投入和产出量。θ为产出效率，θ大于1，则说明其对应的评价单元为有效单元，反之则为无效单元。在给定投入的情况下，θ越大则产出越高。

式中，x0和y0分别为选定决策单元的投入与产出量；λ为相对选定的决策单元重新构造一个有效的决策单元组合中n个决策单元的组合比例；θ为选定决策单元投入相对产出的有效利用程度，即效率值。

1.2 超效率DEA 模型

虽然数据包络分析（DEA）作为效率评价的一种重要方法，但直接利用传统DEA 模型中的效率值进行排序还存在诸多缺陷，如传统效率值只能分辨出决策单元是DEA 有效还是非有效，即将群体一分为二，不具备对决策单元（尤其是有效单元）进行分级、排序的能力。超效率DEA 模型对以上存在的问题进行了完善和改进，在对决策单元进行评价时，先将被评价的决策单元排除在决策单元的集合之外，其表达式如下。

式中，θ为决策单元的效率值，Xi，j为第j个决策单元的第i种投入值，Yj为第j个决策单元的产出值，si-和si+分别为第i种投入和第i种产出的松弛变量。

1.3 受限因变量模型

Tobit 模型也称受限因变量模型，不同于一般的连续变量选择模型和离散选择模型的地方是被解释变量满足某种约束条件，其被解释变量大致是连续的，但却在某一点或多点上具有非零概率，普通的最小二乘法会导致估计结果有偏差，因此需要通过最大似然法进行估计。其表达式如下。

式中，Y为洞庭湖区农业生产效率，作为因变量；将影响农业生产效率的因素作为自变量，记为X1,X2,…,Xn，α为常数项，λ1，…，λn为回归系数（均为未知参数），e为随机误差。

1.4 数据选取和来源

1.4.1 DEA 模型数据选取和来源 本研究对已发表的同类文献中投入产出指标进行梳理［2-5］，选取了7 个投入指标、4 个产出指标。农业从业人员是从事第一产业的基本劳动力，农作物播种面积、机耕面积和有效灌溉面积是生产农作物最基本的土地要素，农业机械总动力、化肥使用量和农村用电量是农产品生产过程中投入的资本要素，以上都是建立的投入指标。洞庭湖区的土地生产作物主要是粮食，其次以生产棉花和油料最典型，将生产的农作物在市场中转化成产值也是生产过程的一项产出，由此建立的投入和产出指标要素如表1 所示。

表1 DEA 模型投入和产出指标要素

结合洞庭湖区实际情况以及行政区域的划分，选取了洞庭湖区24 个县（市、区）作为评价单元。并对各县（市、区）的指标分别进行汇总统计，所引用数据来源于《湖南省农村统计年鉴》。

1.4.2 Tobit 回归模型数据选取和来源 本研究参考张召华等［6］、李慧等［7］、郝爱民［8］的研究，结合湖南省洞庭湖区农业生产的实际情况，考虑到数据的可获取性，选取普通小学在校人数、普通中学在校人数、总人口、城市化水平、工业总产值、人均GDP、农民平均每人纯收入、消费品零售总额、受灾面积、成灾面积以及水土流失治理面积作为影响因素，具体见表2。

表2 洞庭湖区农业生产效率影响因素的变量说明

2 结果与分析

2.1 基于普通DEA 模型的动态变化分析

从时间尺度上分析2005—2015 年洞庭湖区农业生产效率的变化情况，在空间层面上将洞庭湖区细分到市直辖、县级行政单位。为了简单直观地了解洞庭湖区24 个县（市、区）农业生产效率的变化，计算得出洞庭湖区2005—2015 年各县（市、区）的农业生产效率，并根据效率值判断评价单元是否为有效单元，结果如表3 所示。

由表3 可知，综合11 年的农业生产效率可以发现，出现了多个县（市、区）排名并列为1 的情况，说明该方法计算出的结果辨别能力弱，排序意义不大，因此需要通过超效率DEA 模型进行改进，以提高结果的辨别能力。

表3 2005—2015 年洞庭湖区各县（市、区）基于普通DEA 模型的效率

2.2 基于超效率DEA 模型的动态变化分析

本研究利用2005—2015 年洞庭湖区的投入指标数据，基于超效率DEA 模型得到近11 年洞庭湖区各县（市、区）的农业生产效率，并对其进行排名，结果如表4 所示。

由表4 可知，在2005—2015 年洞庭湖区24 个县（市、区）的超效率DEA 排名中，岳阳楼区农业生产效率排名第一的次数最多，为7 次。云溪区的效率排名为最后出现的频数最高，为6 次。说明11 年间岳阳楼区的农业生产效率最高，云溪区在洞庭湖区发展后劲不足，农业生产发展还有待加强。

由表4 可知，2005—2015 年，农业生产效率平均值大于1.100 的年份为2005、2009、2010 年和2014年，在1.000~1.100 的年份为2006、2007、2008、2011年和2012 年，小于1.000 的年份为2013 年和2015年，说明整个洞庭湖区农业生产效率缓慢下降。2013 年洞庭湖区24 个县（市、区）的农业生产效率平均值为0.995，与2012 年相比略有下降，说明2013 年洞庭湖区的农业生产出现退化现象，2015 年洞庭湖区24 个县（市、区）的农业生产效率平均值为0.730，说明2015 年洞庭湖区的农业发展水平明显下降，农业生产效率发展水平较低。

表4 2005—2015 年洞庭湖区各县（市、区）基于超效率DEA 模型的效率

2.3 Tobit回归分析

本研究以2005—2015 年超效率DEA 模型得出的洞庭湖区农业生产效率作为因变量（Y），根据数据的可获得性及有效性，选取间接影响农业生产效率的11 个指标（外生变量）作为自变量。在Stata 软件里进行Tobit 分析，模型分析结果如表5 所示（因2009、2011、2014 年数据缺失，故不列入表中）。

表5 2005—2015 年洞庭湖区农业生产效率影响因素的Tobit回归结果

由表5 可知，总人口在2005 年与农业生产效率呈显著正相关，2006—2008 年呈显著负相关，其他年份无显著影响。城市化水平在2006、2008、2010、2013、2015 年与农业生产效率呈显著正相关，其他年份呈显著负相关。工业总产值在2005、2010、2012、2013 年与农业生产效率呈显著正相关，其他年份呈显著负相关。人均GDP 在2008、2015 年与农业生产效率呈显著正相关，其他年份呈显著负相关。农民平均每人纯收入在2005、2015 年与农业生产效率呈显著正相关，其他年份呈显著负相关。消费品零 售 总 额 在2005、2006、2007、2008、2010、2012、2013 年与农业生产效率呈显著正相关，2015 年呈显著负相关。普通小学在校人数在2006、2007、2008、2012、2013、2015 年与农业生产效率呈显著正相关，其他年份呈显著负相关。普通中学在校人数在2006 年与农业生产效率呈显著正相关，其他年份呈显著负相关。受灾面积在2013 年与农业生产效率呈显著正相关，其他年份呈显著负相关。成灾面积在2007、2008、2010、2015 年与农业生产效率呈显著正相关，其他年份呈显著负相关。水土流失治理面积在2008、2010、2013、2015 年与农业生产效率呈显著正相关，其他年份呈显著负相关。各因素在不同年份分别表现为正向或负向的显著影响。

3 讨论

为了验证本研究分析的农业生产效率影响因素的合理性，选取已有文献的相关结论进行比较分析。

1）人口因素。尹翠霞等［9］在对河北省赵县梨产业化比较优势的研究中得出赵县梨生产效率与受教育年限、家庭务农人数呈显著正相关，但是，邵泉成［10］认为农民工通过外出务工获得的收益可以用来改善农业基础设施、发展种植和养殖业，进而提高农业生产效率，即人口数和农业生产效率成反比。在本研究中，2005 年人口数与农业生产效率呈显著正相关，2006—2008 年呈显著负相关，可能是因为农业生产效率受到家庭务农人数与外出务工收益的双重影响。

2）城市化因素。王刚毅等［11］认为随着城市的不断扩张，城市农业的前景更加广阔，农业的发展水平会越来越高，即城市化水平和农业生产效率成正比；Cai 等［12］提出中国快速的城市化和人口增长也造成了有限的耕地损失以及对粮食安全的高度关注，城市化对农地的转化和流失有直接影响，城市化也对农业系统产生间接影响，这些都将导致农业效率下降，都证实了本研究城市化水平对农业生产效率有显著影响的结论。

3）农民文化素质。农村劳动力文化素质因素即普通小学在校人数和普通中学在校人数对洞庭湖区农业生产效率进行分析，得出农村劳动力的文化素质提高对中国农业技术效率的增长既有促进作用也有抑制作用。张召华等［6］基于DEA-Tobit 两阶段法研究陕西省农业生产效率评价以及影响因素，认为陕西省农业生产效率与农民文化水平以及农业生产中投入资金量呈正相关关系。张宁等［13］对中国农村劳动力素质对农业效率影响的实证分析也验证了其促进作用，这与本研究的其中一个结论相似。

4）工业总产值。本研究表明，工业生产总值越大，农业生产效率可能越大也有可能越小。邢慧茹等［14］基于湖北省数据对农业生产效率与其影响因素相关关系实证分析得出工业生产总值与农业生产效率成反比；徐志文等［15］在对安徽省工业化、城镇化和农业现代化协调发展研究时发现，农业工业化水平提高，农业精细化水平也会随之提高，工业生产总值也会上升，工业生产总值和农业效率成正比。曾福生等［16］基于DEA-Tobit 两步法分析中国省际农业基础设施供给效率及影响因素时发现，1989—2010 年西部地区的教育水平与农业基础设施供给效率呈显著正相关，人均GDP、财政支农支出占GDP 比重、市场经济改革与农业基础设施供给效率呈负相关。邓卫平［17］在对财政支农促进农业现代化的机理分析时发现，一方面，财政支农从投资的角度增加了农业的产出，促进了农民的增收，另一方面，财政支农通过发挥杠杆效应和乘数效应，促进了农业的产业升级和技术进步，以上文献的结论证实了本研究的结论。

5）消费品零售总额。市场经济改革水平越高，市场经济就越发达，地区消费品零售总额就越多，农业设施供给效率越低，农业生产水平也随之下降，则消费品零售总额与农业生产效率成反比。冯璐等［18］在研究云南省南部山区农业生产结构转型的目标、生计条件、过程和影响评估时提出，农业生产结构转型以市场导向为目标，市场经济越发达，消费品零售总额越多，农业生产效率也就越大，这证实了消费品零售总额与农业效率成正比。谌贻庆等［19］对江西省农业生产效率评价及影响因素研究发现，农业生产技术进步变化指数和农民纯收入对地区农业生产效率提高具有促进作用。Pfeiffer 等［20］认为农场外收入对农业产出和农场家庭劳动力的使用产生了负面影响，但对购买投入物需求有积极影响，农民获得非农收入的家庭也有轻微的效益增长。

6）自然灾害。本研究提出受灾面积、成灾面积和水土流失治理面积，即灾难对农业效率既有正影响也有负影响。李丹［21］以1996—2009 年大豆两大主产区的数据为基础，从技术进步和技术效率2 个方面分析中国大豆主产区的技术水平，并建立DEA-Tobit 模型分析影响中国大豆主产区技术效率的因素，得出中国大豆的技术效率水平较低，而大豆种植面积占农作物种植面积的比重以及水灾、旱灾等自然灾害对大豆技术效率具有重要的影响作用，且会对大豆的产出造成损失［22］。Tol 等［23］研究了20世纪60 年代以前的文献，认为灾害对GDP 产生积极影响的原因很容易解释，因为灾害破坏的是资本存量，而GDP 计量的是新创造价值部分，其强调储蓄和投资在减灾和恢复工作中的刺激作用，但实证分析都是在对一部分灾害事件的一系列宏观经济变量的单变量分析基础上进行的，因而结果可能不太准确。Skidmore 等［24］计算了1960—1990 年每个国家（用土地面积标准化）的自然灾害发生频率，并对过去30 年中自然灾害发生频率与平均经济增长率、实物和人力资本积累及TFP（全要素生产率）的相关性进行经验分析，发现自然灾害对长期经济增长有促进作用，特别是气候灾害频繁发生的地区反而人力资本积累、TFP 和人均GDP 的增长速度更快。经济发展越快，农业生产也会随之提高，以上文献证实了灾难和农业生产效率成正比这一结论。

4 小结

本研究利用2 种DEA 模型分析了洞庭湖区24个县（市、区）的农业生产效率变化趋势，通过普通DEA 分析发现，2005—2015 年各县（市、区）农业生产效率处于波动变化之中，通过超效率DEA 模型分析发现2005—2015 年洞庭湖区农业生产效率整体呈下降趋势。说明洞庭湖区在农业生产方面需要进一步投入，优化农业生产环境，提升农业生产资源，保障农业生产的可持续发展。

通过超效率DEA 模型结果结合Tobit 回归分析发现，本研究所引用的11 个影响因素均对农业生产效率有显著影响，且各影响因素在不同年份分别表现为正向或负向显著相关，说明农业生产是一个复杂的体系，受到社会各方面发展的影响，洞庭湖区各县（市、区）应从各影响因素入手，制定全面的政策，在劳动力、物质、技术和农业生产效益等方面保障农业生产。