我国农业生产技术效率评价研究--基于修正的三阶段dea模型-孟晓霞.pdf

《我国农业生产技术效率评价研究--基于修正的三阶段dea模型-孟晓霞.pdf》由会员分享，可在线阅读，更多相关《我国农业生产技术效率评价研究--基于修正的三阶段dea模型-孟晓霞.pdf（6页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、第4期(总第389期)2016年4月财经问题研究Research on Financial and Economic Issues Number 4 (General Serial No. 389)April, 2016我国农业生产技术效率评价研究 基于修正的三阶段DEA模型孟晓霞1,2,曹洪军1,焦 勇3(1.山东大学经济研究院,山东 济南 250001; 2.济南农村商业银行,山东 济南 250004;3.山东大学经济学院,山东 济南 250001)摘 要:科学评价农业生产技术效率是推动农业可持续发展、农业现代化建设的重要前提。三阶段DEA模型在测算农业生产技术效率时会面临样本规模异质性问

2、题,进而带来调整误差。本文从农业生产技术效率的环境效应和运气差异两个角度出发,基于修正的三阶段DEA模型,改进投入冗余的测算方式,改进后的环境效益模型和运气差异模型所测算2000 2013年我国农业生产技术效率更加科学、稳健。在此基础上,本文进而提出提高农业科学技术效率的策略。关键词:农业生产技术效率;三阶段DEA模型;环境效应模型;运气差异模型中图分类号: F304. 7 文献标识码: A 文章编号: 1000-176X(2016)04-0124-06一、引 言农业生产效率从研究内容看,主要包括技术效率、规模效率和配置效率三方面,其中技术效率用来衡量生产单元在等量要素投入条件下实际产出与生产

3、前沿(最大产出)的距离,可进一步分解为纯技术效率和规模效率。由于准确的价格信息不易获取,资源配置效率不易计算,大多数研究者通常从技术效率或规模效率方面考察农业生产效率1。农业生产效率评价从主流的评价方法看,主要有参数方法即随机前沿分析技术(Stochastic Frontier Analysis,简称SFA技术)和非参数方法即数据包络分析方法( DateEnvelopment Analysis,简称DEA)2。由于DEA方法具有客观、细致、可行等优点,因此,自20世纪80年代后期该方法被介绍、引入后,就广泛应用于我国农业生产效率研究中。然而,农业生产具有天然的不确定性, DEA方法并不能剔除环

4、境因素以及随机误差带来的扰动,在进行农业生产效率评价时, Fried等3认为,应采用三阶段DEA模型。李然和冯中朝1、李鹏和曾光4等采用该方法对我国农业生产效率进行了更深入的分析。使用三阶段DEA模型固然能够剔除环境因素以及随机误差带来的扰动,然而该模型在实际运用中仍然存在较大问题,即在决策单元(不同省份)的投入产出规模存在巨大差异时会产生极大的调整误差。为此,本文尝试做以下努力: (1)探讨农业生产效率计算误差来源,对收稿日期: 2016-01-15基金项目:教育部人文社会科学研究青年项目“农户信贷违约及履约激励机制研究:以苏鲁地区为例” (14YJC790067);国家自然科学基金青年项目

5、“新型城镇化中失地农民融资困境的形成、现状与治理研究” (71503118)作者简介:孟晓霞(1980 -),女,山东济南人,博士研究生,主要从事世界经济和制度经济学等方面的研究。 E-mail:mengxiaoxia0322163. com三阶段DEA模型进行改进,建立环境效应模型和运气差异模型,为真实测度农业生产技术效率提供一种科学的模型和方法。 (2)检验我国农业生产技术效率是否低下及不同地区间的农业生产技术效率是否存在差异。二、文献述评西方发达国家非常重视农业生产效率,一些国家甚至设立了专门的机构对农业生产效率进行监测和评价。 Farrell5是第一个对农业生产效率进行测度的学者,自其

6、开创性地以“非预设生产函数”代替“预设函数”、利用数学规划模型(该模型被认为是DEA的原型)测算英国农业生产效率以来,西方学者围绕农业生产效率展开了大量的研究,研究视角除关注某地区的农业生产效率外,还关注跨地区的农业生产效率和国与国之间的比较。如Kawagoe等6对跨地区的农业生产效率分析后认为,一个地区农业生产效率的高低与地区发展水平密切相关,与劳动力生产率的高低关系不大。 Ball等7对美国等10个国家1973 1993年间的农业生产效率进行了研究,结果显示,资本积累与生产率的增长存在正相关关系。 Vollrath8使用跨国公司数据,探讨了农业土地分配不公对农业生产效率差异的影响。由于随机

7、前沿分析技术需要先预设生产函数模型对系数进行估计,而且只消除了随机干扰的影响,测算方法存在一定缺陷,因此,全炯振9结合Malmquist生产率指数(即曼奎斯特生产率指数)模型测算了各省份及各地区的农业全要素生产率变化,研究结果表明,我国农业全要素生产率增长的特征主要表现在三个方面:一是技术诱导型的增长模式;二是明显的阶段波动;三是地区间增长的不平衡性,并认为,提高中国农业全要素生产率的重要途径是提高农业技术效率水平。 DEA方法不需要对生产函数预设,只通过投入、产出数据从规模效率、纯技术效率和农业综合效率三个层面进行测算,自1978年Charnes等10创立该方法以来,被广泛运用于农业生产效率

8、评价。 Haag等11运用DEA方法研究了美国德州Blacklan Prairie地区14个州的农业生产率。相比于国外运用DEA方法对农业生产效率开展的研究,我国学者在这方面进行的研究更是卓有成效,产生了一大批研究成果。为避免价格因素对测算结果的影响,金怀玉和菅利荣12还采用非参数的DEA-Malmquist指数方法(全要素生产率指数法)研究了我国农业全要素生产率,结果表明,我国农业全要素生产率呈现较大的波动性,农业全要素生产率指数普遍下降,主要原因是气候变化所造成的自然灾害频发。传统的数据包络分析方法虽然不需要对生产函数预设,但没有排除随机变量和外部环境因素对农业生产效率的影响,测算结果可能

9、不能真实地反映农业生产效率水平。三阶段DEA模型综合采用了数据驱动的DEA方法和随机前沿生产函数方法,保留DEA模型计算结构客观性的同时,能够很好地弥补传统DEA模型存在的不足,因此, Fried等3认为,在进行农业生产效率评价时,应采用三阶段DEA模型。基于三阶段DEA模型,我国学者对农业生产效率进行了更深入的研究。李然和冯中朝1利用农户生产调查数据对2008年我国农户家庭经营技术效率进行了实证分析,认为在同质经营环境和经营运气的条件下,区域间的生产决策与管理效率差异较小,农户生产决策与管理效率并不低下,但规模效率制约技术效率的进一步提升。李鹏和曾光4研究了我国12个农业大省的农业生产效率,

10、得出了湖北省农业生产效率低于发达农业省份的结论。刘子飞和王昌海13分析了陕西省洋县的有机农业生产效率,认为有机化可以提高农业生产效率,但效率的提高不是来源于非规模效率的改进而是来源于纯技术效率。邓波等14对我国区域生态效率进行了分析,研究发现区域生态效率在三阶段DEA运算之后出现较大变化,并认为这主要由环境和随机误差造成的。综上,自DEA方法被提出后,国内外学者运用该方法对农业生产效率进行了大量研究,但由于该方法不能剔除环境因素及随机误差带来的扰动,后来的学者改用三阶段DEA模型对农业生产效率进行评价,但三阶段DEA模型在处理差异巨大的决策单元时会带来更大的调整误差,对农业生产效率评价起到严重

11、的干扰作用。基于此,有必要对三阶段DEA模型进行修正,进而对我国农业生产效率进行较为稳健的评价。三、模型修正、变量与数据来源1.三阶段DEA模型(1)第一阶段:传统DEA模型假设农业生产决策单元(Decision MakingUnits,简称DMU)有k个,每个决策单元有n种农业生产要素投入, xn,k和ym,k代表第k个决521我国农业生产技术效率评价研究 基于修正的三阶段DEA模型策单元的第n种投入和第m种产出,则某一特定决策单位的效率值由如下的线性规划方程求得:min k- ( mi=1s-+ si=1s-)s. t. Nn=1nxn,k+s+ =kx0 Nn=1nyn,k-s- =y0

12、 Nn=1n=1(1)其中, k代表决策单元的农业生产技术效率值, s-和s+分别为投入和产出松弛变量。在k=1的情况下, s-和s+的取值决定了决策单元的有效性:当两者均为0时,代表决策单元DEA有效;当两者均不等于0时,决策单元为弱DEA有效; kXD2, sD1代表决策单元D1在第N要素投入中产生的冗余,并假定这一冗余值远大于决策单元D2在该要素上的投入值,假设M=K XD2,其中K为规模超过D2的要素投入倍数,按照式(4),决策单元D1面临的生产运气相对较差,需要调整该要素投入,调整后的该要素投入为:XD1 =XD1 (6)XD2 =XD2+ max (Vn,k) -Vn,k=XD2

13、+ sD1 -sD2 + f (zD1, D1 ) -f (zD1,D1) + lnTED1-lnTED2=XD2+K-1K M+ f (zD1, D1 ) -f (zD1, D1 )+ lnTED1-lnTED2 (7)三阶段DEA模型中,在第二阶段排除环境621财经问题研究 2016年第4期 总第389期效应和随机误差时,采用的调整方法是以受到环境干扰最严重的决策主体和随机误差最大、运气最差的决策主体为参照系,然而由于不同省份的农业生产存在数量级上的差异,容易导致在其他省份调整时出现调整幅度过大的问题。为此,可采用两种不同的做法对环境效应或运气差异进行误差修正调整。第一种做法是不对随机误差

14、所导致的决策单元的运气水平进行调整(原因是为避免误差调整时受到特殊值的干扰出现更大的调整误差),由此形成环境效应模型。第二种做法是按照不产生投入松弛的运气水平进行调整(从要素投入是否发生冗余来看,没有产生冗余要素所占比例较大,所以在调整时,只调整随机误差中的投入冗余),由此形成运气差异模型。3.变量定义与数据来源参考国内外相关文献资料,并结合现实数据的可得性,我们选择以下变量进行分析:产出变量按照2000年不变价格计算的各地区农林牧渔业产值(y);投入变量包含农业机械总动力(power)、化肥施用(fert)、播种面积(area)、第一产业从业人员(peop)以及农业水资源(water);外部

15、环境变量包含工业化发展、受灾情况以及财政支农情况,分别用工业化(indu)、成灾面积比重(plag)和财政支农比重(fisc)表示。由于2006年农业机械总动力、化肥施用量、第一产业从业人员、 2011年第一产业从业人员、2000年和2001年农业用水总量等的数据缺失,参考国内外研究做法,我们采用该数据的前后年指标数值的算术平均值进行推算。全国和省区数据均来源于中国统计年鉴 (2001 2014年)和国家统计局网站。四、检验结果与分析1.描述性统计分析与同向性分析表1为时间跨度为2000 2013年变量的描述性统计结果。表1变量的描述性统计结果变 量单 位均 值最大值最小值标准差y亿元52 0

16、71. 926 96 995. 272 24 915. 776 24 394. 383power万千瓦76 733. 355 103 906. 735 52 573. 615 17 904. 824fert万吨5 017. 813 5 911. 846 4 146. 002 609. 877area千公顷157 113. 702 164 626. 937 152 149. 503 4 138. 809peop万人29 664. 671 32 797. 506 27 032. 254 1 999. 982water亿立方米5 911. 303 6 183. 403 5 547. 807 212.

17、 796indu % 45. 738 47. 420 43. 708 1. 068plag % 14. 276 21. 991 7. 029 4. 947fisc % 8. 584 9. 523 6. 842 1. 082由表1可知, 2000 2013年我国农林牧渔业产值最大值为96 995. 272、最小值为24 915. 776、均值为52 071. 926、标准差为24 394. 383,说明我国农林牧渔业产值差异较大。投入变量也表现出相同的趋势。相比于产出变量和投入变量,外部环境变量的差异较小。三阶段DEA模型要求投入量增加时产出量也要增加,即各投入项与产出项之间要具有“同向性”。为

18、此,我们采用Pearson相关系数对其进行检验,检验结果如表2所示。表2我国31个省区市农业投入与产出变量的Pearson相关系数检验结果投入产出 农业机械总动力化肥施用播种面积第一产业从业人员水资源农林牧渔业产值0. 926* * (0. 000) 0. 834* * * (0. 000) 0. 564* * * (0. 000) 0. 712* * * (0. 000) 0. 657* * * (0. 000)注:* *和* * *分别表示5%和1%显著性水平,括号中的数值为p值。721我国农业生产技术效率评价研究 基于修正的三阶段DEA模型 由表2可知,各省市投入与产出变量之间的相关系数

19、均为正,且在5%的显著性水平上通过双尾检验,这说明我们选择的投入产出指标符合模型要求,具有合理性。2.我国农业生产技术效率测算结果与分析表3报告了利用三阶段DEA模型、环境效应模型和运气差异模型计算的各省区2000年和2013年的农业生产技术效率测算结果。表3环境效应、运气差异的三阶段DEA模型估计结果年 份2000年2013年类 型三阶段DEA模型环境效应模型运气差异模型三阶段DEA模型环境效应模型运气差异模型北 京0. 255 0. 717 0. 717 0. 171 0. 349 0. 349天 津0. 257 0. 839 0. 839 0. 196 0. 412 0. 412河 北0

20、. 852 0. 799 0. 801 0. 836 0. 752 0. 752山 西0. 292 0. 471 0. 481 0. 277 0. 436 0. 436内蒙古0. 511 0. 657 0. 692 0. 559 0. 608 0. 611辽 宁0. 856 1. 000 1. 000 1. 000 1. 000 1. 000吉 林0. 597 0. 689 0. 803 0. 737 0. 786 0. 812黑龙江0. 553 0. 579 0. 601 0. 585 0. 581 0. 581上 海0. 327 1. 000 1. 000 0. 195 1. 000 1.

21、 000江 苏1. 000 0. 882 0. 882 1. 000 1. 000 1. 000浙 江0. 951 1. 000 1. 000 0. 885 1. 000 1. 000安 徽0. 742 0. 627 0. 631 0. 658 0. 510 0. 510福 建0. 901 1. 000 1. 000 0. 892 1. 000 1. 000江 西0. 626 0. 755 0. 755 0. 627 0. 600 0. 600山 东1. 000 0. 933 0. 933 1. 000 0. 999 0. 999河 南0. 974 0. 832 0. 879 1. 000 1

22、. 000 1. 000湖 北0. 828 0. 877 0. 885 0. 796 0. 711 0. 711湖 南0. 785 0. 711 0. 721 0. 767 0. 586 0. 595广 东1. 000 1. 000 1. 000 1. 000 0. 912 0. 912广 西0. 563 0. 585 0. 585 0. 595 0. 477 0. 482海 南0. 350 0. 808 0. 808 0. 523 1. 000 1. 000重 庆0. 440 1. 000 1. 000 0. 452 0. 813 0. 813四 川1. 000 0. 994 0. 994

23、0. 959 0. 796 0. 796贵 州0. 407 0. 725 0. 725 0. 385 0. 505 0. 505云 南0. 547 0. 652 0. 652 0. 570 0. 539 0. 539西 藏0. 081 0. 316 0. 316 0. 082 0. 556 0. 556陕 西0. 410 0. 602 0. 602 0. 498 0. 750 0. 762甘 肃0. 316 0. 434 0. 434 0. 382 0. 450 0. 451青 海0. 096 0. 396 0. 396 0. 102 0. 480 0. 480宁 夏0. 103 0. 248

24、 0. 249 0. 137 0. 283 0. 286新 疆0. 541 0. 766 0. 807 0. 520 0. 637 0. 637全国平均0. 586 0. 738 0. 748 0. 593 0. 694 0. 696注:限于篇幅,本文没有列出农业生产技术效率的分解(纯技术效率和规模效率)。从表3可知, 2013年全国农业生产技术效率按照环境效应模型和运气差异模型测算的结果分别为0. 694和0. 696,表明我国农业生产技术效率整体不高,尚有30%以上的提升空间,农业产出仍然有较大增长潜力;按照三阶段DEA模型测算的2000年和2013年全国农业生产技术效率平均值分别为0.

25、586和0. 593,而同期按照环境效应模型和运气差异模型测算的全国农业技术效率分别为0. 738、 0. 748、 0. 694和0. 696,后者比前者测算的结果分别高出0. 152、 0. 162、821财经问题研究 2016年第4期 总第389期0. 101和0. 103,各省2000年和2013年农业技术效率测算结果也呈现了相同趋势,即按照三阶段DEA模型测算的全国农业生产技术效率被低估。其原因是因为三阶段DEA模型在进行环境调整、随机误差调整,特别是在进行随机误差调整时,是以决策单元所遭受的最差运气为参照,由于农业生产条件差异巨大,农业生产规模存在巨大差异,按照最差运气状况进行调整

26、会出现估计误差方差较大的问题。此外,从环境效应模型、运气差异模型与当年三阶段DEA模型估计的农业生产技术效率的差异看, 2000年的差值分别为0. 152、 0. 162,2013年的差值分别为0. 101、 0. 103,相比之下,2013年模型间的农业生产技术效率差异较小,这说明2013年我国农业生产所承受的外部环境不确定性减小,我国农业生产稳定性得到强化。五、结 语基于改进后的环境效应模型和运气差异模型,本文使用2000 2013年间全国31个省份(或直辖市)的数据进行分析,得到如下结论:第一,我国农业生产技术效率整体不高,尚有30%以上的提升空间,农业产出仍然有较大增长潜力;从结构上看

27、,各地区农业生产技术效率差异较大;农业生产技术效率存在长期被低估的现象。第二,相比于2000年, 2013年农业生产技术效率差异较小,农业生产效率受外部环境的影响程度逐步减弱,农业生产的稳定性正在增强。本文的贡献主要体现在两个方面:一是对现有衡量农业生产效率的主要模型 三阶段DEA模型进行了改进,建立了环境效应模型和运气差异模型。二是本文运用环境效应模型和运气差异模型对我国农业生产技术效率进行了较为稳健的评价,为政府制定提高我国农业生产技术效率的相关政策和措施提供了支持。参考文献:1 李然,冯中朝.环境效应和随机误差的农户家庭经营技术效率分析 基于三阶段DEA模型和我国农户的微观数据J .财经

28、研究,2009,(9):92-102.2 张潆文,张富刚,陈玉福.基于DEA模型的江苏省204国道样带区农业生产效率评价J.资源科学,2010,(2):353-358.3 Fried, H. O. , Lovell, C. A. , Schmidt, S. S. ,Yaisawarng, S. Accounting for Environmental Effectsand Statistical Noise in Data Envelopment AnalysisJ. Journal of Productivity Analysis,2002,17 (1):157-174.4 李鹏,曾光.基于

29、三阶段DEA模型的湖北省农业生产率研究J.电子科技大学学报(社科版),2014,(4):43-48.5 Farrell, M. J. The Measurement of ProductiveEfficiencyJ. Journal of the Royal Statistical Society,1957,120(3): 253-290.6 Kawagoe, T. , Hayami, Y. , Ruttan, V. W. TheIntercountry Agricultural Production Function andProductivity Differences among Cou

30、ntriesJ. Journalof Development Economics, 1985,19(6):113-132.7 Ball, V. E. , Bureau, J. , Butault, J. , Nehring, R.Levels of Farm Sector Productivity: An InternationalComparison J. Journal of Productivity Analysis,2001,15 (1):5-29.8 Vollrath, D. Land Distribution and InternationalAgricultural Produc

31、tivity J. American Journal ofAgricultural Economics, 2007,89(1):202-216.9 全炯振.中国农业全要素生产率增长的实证分析 基于随机前沿分析(SFA)方法J.中国农村经济, 2009,(9):36-47.10 Charnes, A. , Cooper, W, W. , Rhodes, E.Measuring the Efficiency of Decision Making UnitsJ. European Journal of Operation Research,1978,2(6):429-444.11 Haag, S.

32、, Jaska, P. , Semple, J. Assessing theRelative Efficiency of Agricultural Production Units inthe Blackland Prairie, Texas J. AppliedEconomics,1992, 24 (5):55-65.12 金怀玉,菅利荣.中国农业全要素生产率测算及影响因素分析J.西北农林科技大学学报(哲学社会科学版),2013,(2):29-35.13 刘子飞,王昌海.有机农业生产效率的三阶段DEA分析 以陕西洋县为例J.中国人口资源与环境,2015,(7):119-126.14 邓波,张学军,郭军华.基于三阶段DEA模型的区域生态效率研究J.中国软科学,2011,(1):92-99.15 Kumbhakar, S. C. , Lovell, C. K. StochasticFrontier Analysis M. Cambnidge: CambridgeUniversity Press,2000. 20-43.(责任编辑:刘 艳)我国农业生产技术效率评价研究 基于修正的三阶段DEA模型