浙江省农业生产效率分析

摘要 为了研究浙江省农业生产投入产出情况，进一步提升其农业生产效率，先利用DEA模型对2020年浙江省各市农业生产效率进行静态分析，再运用Malmquist指数对2014—2020年浙江省各市农业全要素生产率进行动态分析。结果表明：2020年浙江省农业整体向好，但部分地区存在投入与产出不匹配的情况，影响了全省平均农业综合效率；2014—2020年，浙江省农业TFP均大于1，其中技术进步推动作用显著；各地级市TFP差异在合理范围内，技术效率成为大部分地级市生产效率提升的制约因素；浙东北和浙西南的年均TFP基本持平。因此，浙江省可以加强农业基础设施建设，持续提高农业科技水平，推动区域农业均衡发展，从而提升农业生产效率。

关键词 DEA模型；农业全要素生产率；Malmquist指数

中图分类号 S-9   文献标识码 A

文章编号 0517-6611（2023）02-0229-04

doi：10.3969/j.issn.0517-6611.2023.02.055

Analysis of Agricultural Production Efficiency in Zhejiang Province—Based on DEA Model and Malmquist Index

ZHANG Jia-wei

（College of Economics and Management， Zhejiang Ocean University，Zhoushan，Zhejiang 316000）

Abstract In order to study the input and output of agricultural production in Zhejiang Province and further improve its agricultural production efficiency， the DEA model was used to statically analyze the agricultural production efficiency of cities in Zhejiang Province in 2020， and then the Malmquist index was used to analyze the total agricultural factors of cities in Zhejiang Province from 2014 to 2020.The results show that the agriculture of Zhejiang Province is generally improving in 2020， but there is a mismatch between input and output in some areas， which affects the average comprehensive agricultural efficiency of the whole province. The promotion of progress is significant; the differences in TFP between local-level cities are within a reasonable range， and technical efficiency has become a restrictive factor in the improvement of production efficiency in most prefecture-level cities; the average annual TFP in northeastern Zhejiang and southwestern Zhejiang is basically the same. Therefore， Zhejiang Province can strengthen the construction of agricultural infrastructure， continuously improve the level of agricultural science and technology， and promote the balanced development of regional agriculture， thereby improving the efficiency of agricultural production.

Key words DEA model；Total factor productivity in agriculture；Malmquist index

作者简介 张家威（1998—），男，浙江舟山人，硕士研究生，研究方向：农业技术与经济管理。

收稿日期 2022-03-09；修回日期 2022-04-11

浙江省作为农、林、牧、渔全面发展的大省，一直重视农业农村发展，并已启动农业“双强”行动。党的十九大报告指出要走质量兴农道路，提高农业全要素生产率是其主要依靠。自从2014年我国加快农业可持续发展长效机制构建至今，浙江省的农林牧渔总产值逐年递增，除农作物播种面积有些许增长外，资本和劳动等要素投入均有一定程度的减少，存在产出投入不相匹配的情况，农业生产面临挑战，需要稳住农业生产增长趋势，增强薄弱环节，调节区域间平衡。因此，测算浙江省农业综合效率，分析其制约因素，具有十分重要的意义。

国内学者关于农业生产效率的实证研究十分深入，研究区域已从国家层面缩小至县级市，但由于构建的指标体系不同，研究角度不一，因此采取的方法也各不相同，主要可分为SFA法和DEA法。SFA属于参数法，而DEA属于非参数法，各有优劣，均是生产前沿面法中应用最最广泛的方法，相比较而言，非参数方法（DEA）尤其是Malmquist指数应用最广泛。华坚等［1］通过构建三阶段DEA-Malmquist模型，对2007—2012年全国30个省、直辖市和自治区的农业全要素生产率增长情况进行测度分析；何泽军等［2］运用DEA-Malmquist指数法，根据2007—2015年省际农业投入产出面板数据，测算中国农业全要素生产率（TFP）在时间序列和空间区域上的变化特点［2］；李文华［3］选取1998—2015年全国31个省、市、自治区面板数据，运用非参数Malmquist生产率指数方法测算中国农业全要素生产率的变化情况，并且将1998—2015年分为1998—2002、2003—2008、2009—2015年3个子时段，将全国31个省、市、自治区分为东、中、西部3个地区，以测度全国农业TFP变动、时空差异及制约因素，分析极为全面［3］。

省市层面上，江然［4］利用DEA-Malmquist生产率指数对浙江省11个地级市1995—2011年农业全要素生产率进行分析，并且根据农业TFP增长情况将浙江省11个市划分为高速组、快速组、中速组和慢速组；黄玛兰等［5］将DEA的BCC模型与Malmquist指数法相结合，对湖北省各市（州）2007—2011年农业生产效率进行实证分析，并且加入了投影分析，给出了要素投入的松弛调整方案；李鹏菲等［6］以2010—2019年福建省农业产业投入产出数据为研究对象，结合数据包络分析（DEA）、Malmquist指数及Tobit模型为研究方法，对福建省农业经济发展的效率进行系统的分析；林伟敏［7］通过DEA-BCC模型和Malmquist指数对四川省农业生产效率分别进行横向和纵向分析，并且制作四川省各市农业综合效率四方图，进行了象限分析。

回顾上述文献，国内运用DEA模型和Malmquist指数同时对我国及区域农业生产率进行分析的研究众多，学者们构建的指标体系不断创新，产出指标上主要考虑的是农业总产值，农林牧渔总产值或农村居民人均纯收入，投入指标选择相差不大。分析结果时，学者们注重全要素生产率分解后的指数分析，即动态分析，能对静态分析进行补充，得出更为可靠的结论。而近年利用此法对浙江省农业全要素生产率的文献不多，选取面板数据的年份靠前。鉴于此，基于DEA模型和Malmquist指数对2014—2020年浙江省11个地级市农业生产效率进行分析，并在实证分析结论的基础上提出相关建议。

1 研究方法与数据来源

1.1 研究方法

1.1.1 数据包络分析（DEA）。数据包络分析方法是用线性规划对所有决策单元（DMU）开展效率评价［8］，适用于多投入多产出的情况，在针对农业生产效率的评价分析中运用广泛［9］。DEA发展至今，最具代表性的模型有CCR、BCC、FG和ST模型，CCR模型和BCC模型运用较为常见，前者不允许规模收益存在可变性，而后者允许，适用更广的范围。该研究对浙江省农业生产的静态分析选用的是规模变动的BCC模型。

1.1.2 Malmquist指数。1982年，Caves等［8］首先运用Malmquist指数分析全要素生产率。Fre等［10］于1997年，用Mt0和Mt+10的几何平均数值来计算生产率的变化，将Malmquist指数分解为技术效率变化指数（Effch）和技术变化指数（Techch），模型构建如下：

M0（xt+1，yt+1，xt，yt）

=Dt0（xt+1，yt+1）Dt0（xt，yt）Dt+10（xt+1，yt+1）Dt+10（xt，yt）1/2

=Dt+10（xt+1，yt+1）Dt0（xt，yt）×Dt0（xt+1，yt+1）Dt+10（xt+1，yt+1）Dt0（xt，yt）Dt+10（xt，yt）1/2

等式右边的Dt+10（xt+1，yt+1）Dt0（xt，yt）表示在t和t+1时刻间技术效率变化，即技术效率变化指数（Effch）；

Dt0（xt+1，yt+1）Dt+10（xt+1，yt+1）Dt0（xt，yt）Dt+10（xt，yt）1/2代表t和t+1期间的技术变化，即技术变化指数（Techch）。当M0＞1时，全要素生产率从t期到t+1期呈增长趋势，反之则呈下降趋势，而M0=1时为停滞状态。技术效率（Effch）又可以进一步分解为纯技术效率（Pech）和规模效率（Sech）。即EFFCH=

Dt+10（xt+1，yt+1）Dt0（xt，yt）PECH×SECH，所以上述公式最终可简化为M=TC×TEC×SEC。该研究采用DEA与Malmquist指数相结合的方法，运用DEAP 2.1软件对浙江省及各地级市农业全要素生产率进行测量，DEA模型可以对多投入与多产出决策单位进行生产效率的有效估计，具有单位不变性的特点，指标单位无需进行调整［11］。

1.2 指标选取及数据来源 投入指标选取2014—2020年浙江省各市第一产业从业人员数量（单位：万人）作为劳动要素投入，主要农作物播种面积（103hm2）作为土地要素投入，农用化肥施用量（折纯）（t）和农业机械总动力（万kW）作为资本要素投入。

产出指标选取2014—2020年浙江省各市农林牧渔生产总值（亿元），按当年价格计算。

该研究所用的数据均来源于《浙江统计年鉴》（2014—2021年），部分地级市数据通过查阅对应市区统计年鉴（2014—2021）整理获取。

2 结果与分析

2.1 DEA模型的静态分析 运用DEAP 2.1软件计算2020年浙江省11个地市农业生产效率值，结果见表 1。杭州、宁波和舟山的农业综合效率、纯技术效率、规模效率3项效率值均为1，决策单元DEA有效，表明这3个地区农业资源的配置效率、利用情况，以及产出效益等达到最优化配置。剩下地区中，仅绍兴与台州综合效率高于平均值，虽未达到DEA有效，但资源利用情况与技术水平整体良好。全省有6个地市综合效率未达平均水平，已超过半数，这些地区今后发展应以增强效率为主，提升效益为辅。尤其是温州、金华和衢州综合效率远低于平均水平，投入冗余和产出不足情况较为严重。从纯技术效率方面看，杭州、宁波、嘉兴、舟山、台州和丽水的纯技术效率均为1，资源转化效率高，投入要素得到了充分利用，实现产出最大化。温州、金华和衢州的综合效率和纯技术效率均低于平均值，仍有较大发展空间。从规模效率方面看，全省规模效率为0.861，呈现积极向好态势。在非DEA有效的地区中，高于平均值的地级市有4个，规模效率接近生产前沿面，经营规模达到比较理想状态。衢州的规模效率值最小，现有规模与最优规模之间差异大，可改进空间大。

.

2.2 Malmquist指数动态分析