基于DEA的我国高标准农田建设资源配置效率评价

袁祖培

摘要：“十四五”以来，高标准农田项目作为我国的一项重要农业基础工程持续受到来自支农资金的重点倾斜，但随着建设成本费用的逐年攀升，高标准农田亩均投入也逐年增长，如何科学评价我国高标准农田建设资源配置效率并采取相应改进措施对提升支农资金使用效益具有重要意义。本文选取我国各省高标准农田建设项目面板数据，建立投入产出效益评价指标体系，并以DEA模型为主要分析工具计算得出研究结果，最后对我国高标准农田建设问题进行探讨，并针对问题提出相应对策建议，以期对提高我国高标准农田建设效益提供参考。

关键词：高标准农田 资源配置 DEA 效益评价

一、引言

习近平总书记在中央农村工作会议讲话中强调，要把解决好“三农”问题作为全党工作重中之重，“三农”问题不仅关系民生福祉，更关系到国家粮食安全，因而一直受到党和国家的高度关注。在此背景下，我国各省积极采取措施，将支农资金重点投向粮食主产区及其高标准农田建设项目，有节奏地实施规模开发，

但随着建设成本及费用等的逐年上涨，高标准农田亩均投入也随之增长：已由“十一五”时期1200元/亩、“十二五”时期的1500元/亩，增至“十三五”时期的1800元/亩。因此，如何有效测算并科学评价高标准农田建设项目资源配置效率，进而采取相应改进措施对提升支农资金使用效益具有重要意义。

相关学者大都把高标准农田项目视为一项工程建设项目或政治目标，便侧重在工程技术标准及政府公共管理进行研究：如，沈明（2012）选取了耕地等级、粮食生产能力等指标，建立了相应的区域评价指标体系。冯锐（2012）等学者选取了12个评价指标进行评价，对四川省高标准农田项目建设作出了建设时序安排等；亦或是将高标准农田项目囊括在土地整治项目、财政支农资金中去研究，如厉伟、姜玲、华坚（2014）运用DEA与SFA结合的三阶段DEA方法，对我国26个省（区）2007—2011年财政支农效率进行分析李俊杰、李建平、梅冬（2022）通过选取4个粮食主产省的8个粮食大县进行调研，采用半结构性方式研究分析了农田建设政策落实及项目实施中存在的问题并提出建议等。少有学者通过数学模型去评价高标准农田建设资源配置效率。因此，本文基于DEA模型对我国内地29个省份高标准农田建设效率进行分析，之后针对其存在问题提出相应对策建议，为高标准农田建设发展提供参考。

二、高标准农田建设效率：模型、指标与数据

（一）高标准农田建设效率评价模型

数据包络分析（DEA）方法是运用数学工具评价经济生产有效性的非参数方法，一般用于评价多投入、多产出的多决策单元（DMU）生产效率，1957年由Farrel开创性提出，该方法在实际应用中不断完善，主要由A.charenes、W.Cooper和E.Rhodes等人将DEA方法推广开来。

DEA数据包络分析方法，因其只需考虑投入和产出指标的确立，不用考虑生产函数及其表达形式，且无需对指标数据进行无钢量化处理，因而被广泛运用于农业生产效率的测算与评价之中。因此本文对高标准农田建设效率的测算主要选用DEA方法。模型介绍如下（具体演化步骤省略）：

（二）高标准农田建设效率评价指标体系及数据来源

本文在评价高标准农田建设资源配置效率的指标方面，遵循科学客观、数据可得等原则，通过总结已有文献研究成果，并依据2016年《高标准农田建设评价规范》和2022年《高标准农田建设通则》（GB/T 30600—2022）标准，选取了指标如下：

实验数据主要来源自农村土地动态监测监管信息系统数据库（因访问受限，故参考了马晓妍，何仁伟，魏洪斌的文献数据并进行整理）以及历年《中国财政年鑒》《中国农村统计年鉴》《中国统计年鉴》等，用单位面积指标来测算可有效避免各地区因建设数量不均而产生的差异。本文选取了2012—2017年全国已验收入库的高标准农田建设项目作为决策单元DMU，运用DEA模型对我国内地29个省份（其中上海、西藏因项目数量极少，故排除）的高标准农田建设效率进行测算。

三、高标准农田建设实证结果与分析

（一）高标准农田建设投入产出效率

将上述全国各个省份高标准农田建设项目投入和产出指标数据录入表格，然后在DEAP2.1软件包中设置指令文件参数，并使用和模型对表格数据进行测算，基于和模型的高标准农田建设效率分析结果如表2所示：

由表2可知，通过和模型测算得出：我国各省高标准农田建设综合技术效率均值为0.694，纯技术效率均值为0.778，规模效率均值为0.905。在29个省份项目投入产出效率得分中，共有5个省份DEA有效，即这些决策单元在投入不变的情况下，资源配置效率达到了相对最优化。

除去5个DEA有效省份外，其余24个省份均为非DEA有效，其中有7个省份的纯技术效率值为1.000，原因可能为规模效率低下所致；剩余17省的综合技术效率和纯技术效率均小于1，可能是因为投入规模不当且产出不足所致。对此，可通过DEA模型进一步对其投入产出的松弛变量进行测算，并作具体分析。我国高标准农田建设项目资源配置分析中，非DEA有效占比高达83%，该数据表面我国高标准农田建设资源配置效率有较大的提升空间。

综上所述，我国各省中高标准农田建设规模效率不变的有5个，占比17%；规模效率递减的有7个省份，占比24%；规模效率递增的有17个省份，占比59%。这说明我国高标准农田建设项目规模效率总体上处于不变或递增趋势，这可能跟国家财政支农资金逐年增加、对高标准农田建设项目投入逐年侧重有关。

（二）非DEA有效决策单元的“投影”分析

對上述非DEA有效的24个省份，可通过DEA模型进一步对其投入产出的松弛变量进行测算，并作具体分析。为更好地反映各省份投入产出效率的状况，本文对非DEA有效的24个省份做进一步投入冗余分析及产出不足分析，测算结果如下：

从表3可看出，非DEA有效的24个省份决策单元相比， DMU1、DMU2、DMU4、DMU10、DMU16、DMU20、DMU22投入效率相对最优，无效的投入均为0；此外，DMU8、DMU11投入发挥了较好的作用，无效的投入较低；而DMU3、DMU9、DMU12、DMU13、DMU15、DMU17、DMU19、DMU21、DMU23、DMU24、DMU25、DMU26、DMU27、DMU28、DMU29的投入中无效的投入比例均达到了最大，这表明在这些省份经济发展过程中减少投入增加资源配置效率的空间较大。

从产出不足结果可看出（篇幅有限，故不列示），24个省份当前的产出不足主要存在于单位面积受益人数和新增农田灌溉率等，在这两项指标上还存在较大差距，其中DMU8、DMU9、DMU12、DMU19及DMU27、DMU29在产出上可提升空间最高，这些省份应在单位面积受益人数和新增农田灌溉率做出努力以提升整体项目建设效率水平。

（三）结论

1.我国高标准农田建设项目资源配置效率总体不高，crste< vrste

参考文献：

[1]涂建軍，卢德彬.基于GIS与耕地质量组合评价模型划定基本农田整备区[J].农业工程学报，2012， 28（2）： 234-238.

[2]沈明，陈飞香，苏少青，等.省级高标准基本农田建设重点区域划定方法研究—基于广东省的实证分析[J].我国土地科学，2012，26（7）：28-33.

[3]冯锐，吴克宁，王倩.四川省中江县高标准基本农田建设时序与模式分区[J].农业工程学报，2012， 28（22）： 000243-251.

[4]卢昆，郝平.基于SFA的我国远洋渔业生产效率分析[J].农业技术经济，2016（9）：84-91.

[5]戚涌，郭逸.基于SFA方法的科技资源市场配置效率评价[J].科研管理，2015， 363）：84-91.

[6]何军，胡亮.基于DEA模型的国家财政支农资金效率评价[J].生产力研究，2010（8）：73-74.

[7]厉伟，姜玲，华坚.基于三阶段DEA模型的我国省际财政支农绩效分析[J].华中农业大学学报（社会科学版），2014，33（1）：69-77.

[8]方鸿.政府财政支农资金效率的地区比较—基于三阶段DEA模型的实证分析[J].软科学，2011， 25（7）：27-32.

[9]马晓妍，何仁伟，魏洪斌.我国高标准农田建设项目投资资金效率评价[J].统计与决策，2020，36（12）：85-89.

[10]王涛.基于DEA的全国30个少数民族自治州资源配置效率研究[J].湖北民族学院学报（哲学社会科学版），2016，34（01）：40-45.

[11]李俊杰，李建平，梅冬.新形势下高标准农田建设管理政策存在的问题及建议[J].我国农业资源与区划， 2022，43（05）：84-92.

[12] Farrell M J.The Measurement of Productive Efficiency [J].Journal of the Royal Statistical Society， 1957， 120（3）.

[13] Charnes A， Cooper W W， Rhodes E.Measuring the Efficiency of DecisionMakingUnits[J].European Journal of Operational Research，1978，（2）.

[14]仇大海，吴国华.广东省高标准基本农田建设的调查与思考[J].中国土地，2016（01）：36-38.

[15]周林生，朱明非. 2016年广东省高标准农田建设资金绩效评价报告[EB/OL]，广东省综合改革发展研究院网站，czt.gd.gov.cn/attachment/0/1/ 1810/180468，2018-3-2.

Evaluation of resource allocation efficiency of high-standard farmland construction in China based on DEA

Yuan Zupei

Abstract： Since the "14th Five-Year Plan"， the high-standard farmland project as an important agricultural basic project in China has continued to receive the key inclination from the support of agricultural funds， but with the construction cost increasing year by year， the average investment of high-standard farmland per mu in China has also increased year by year， how to scientifically evaluate the efficiency of resource allocation of high-standard farmland construction in China and take corresponding improvement measures is of great significance to improve the efficiency of the use of funds for supporting agriculture. In this paper， the panel data of high-standard farmland construction projects in various provinces in China is selected， the input-output benefit evaluation index system is established， and the research results are calculated with the DEA model as the main analysis tool， and finally the problem of high-standard farmland construction in China is discussed， and corresponding countermeasures and suggestions are put forward for the problem， in order to provide reference suggestions for improving the efficiency of high-standard farmland construction in China.

Keywords： High standard farmland Resource allocation DEA Benefit evaluation

（作者单位：湖北民族大学经济与管理学院）

责任编辑：李政