湖南省耕地利用效率及其影响因素研究

来源:用户上传      作者:

　　[摘 要] 本文利用超效率DEA模型对2008—2017年湖南省的耕地利用率进行测度，并利用灰色关联模型分析影响耕地利用效率的因素。结果表明，湖南省的耕地利用效率较高，在各种影响因素中，有效灌溉面积和城市化水平与耕地利用效率的关联度较高，而农村居民人均可支配收入、受灾面积及农林水事务财政支出与耕地利用效率的关联度较低。研究结论对于提高湖南省的耕地利用效率具有一定的借鉴作用。
　　[关键词] 耕地利用效率;灰色关联法;超效率DEA模型;湖南省
　　[中图分类号] F323.211 [文献标识码] A [文章编号] 1674-7909（2019）02-119-3
　　耕地是农业生产的基本要素，是人类赖以生存发展的基本资源，承担着粮食安全的重任。然而，随着城市化和工业化的快速推进，耕地非农化趋势日益加剧，耕地数量日益减少，耕地质量日益下降。因此，分析耕地的利用效率及影响因素，探讨提高耕地利用效率的措施，对于保障国家粮食安全、推动经济社会的可持续发展具有重要的现实意义。
　　国内外学者对于耕地利用效率进行了广泛研究。Li等分析了1980—2010年山东省耕地利用强度的变化[1]。Song等从政策发展的角度分析了1999—2007年中国土地利用效率的变化[2]。Wang等采用主成分分析法分析了河南省的耕地利用效率及其影响因素[3]。刘玉海等构建了全要素耕地利用效率指标，对我国各个省份和四大区域在1985—2008年的全要素耕地利用效率及其收敛性进行了测算，并利用回归模型分析了社会环境因素对全要素耕地生产力的影响[4]。梁流涛等分析了1997—2004年我国耕地的利用效率及其影响因素，研究发现我国耕地的整体利用效率较低[5]。杨朔等采用DEA模型和Tobit模型分析了陕西省的耕地利用效率及其影响因素[6]。叶浩等利用对数柯布-道格拉斯生产函数分析了我国耕地利用效率的区域间差异及其收敛性，发现我国不同地区之间耕地利用效率的差距较为显著[7]。石成玉利用Translog前沿生产函数分析了1999—2012年我国的耕地利用效率，并认为受自然灾害、水利建设等因素的制约，部分地区的耕地利用效率较低[8]。王玲玲等采用三阶段DEA模型分析了江苏省的耕地利用效率[9]。谢贤健等采用DEA模型和GWR模型对西南地区耕地利用效率的时空格局演变及其影响因素进行了分析[10]。
　　综上所述，学术界对于耕地利用效率展开了深刻的研究，但湖南省耕地利用效率及其影响因素的探讨较为欠缺，农业在经济社会中的地位极其重要，而湖南省又是农业大省，因此测算湖南省的耕地利用效率，探讨影响耕地利用效率的因素有助于提高农业生产力，促进湖南省农业产业发展。本文采用超效率DEA模型对湖南省的耕地利用效率进行了测度，并利用灰色关联分析法对影响耕地利用效率的因素进行了分析，以期为提高农业生产效率、促进农业可持续发展提供理论依据。
　　1 研究方法与模型
　　1.1 超效率DEA模型
　　本文使用超效率DEA模型对湖南省的耕地利用效率进行了测度，DEA模型最初由Charnes等提出，是基于多种投入和多种产出决策单元进行效率测算的一种方法，最初的DEA模型为规模报酬不变的CCR模型，1984年Banker等改进了CCR模型，提出了规模报酬可变的BCC模型。本文选取超效率BCC模型对湖南省的耕地利用效率进行分析，设决策单元的个数为[n]，每个决策单元的投入种类为[m]，产出种类为[s]，记第[j]个决策单元为[DUMj]，[xj=（x1j，x2j，…，xmj）T]为[DUMj]的投入向量，[yj=（y1j，y2j，…，ysj）T]为[DUMj]的产出向量，则超效率DEA的模型结构如式（1）所示。
　　 [minθ-εeT1s-+eT2s+]
　　[s.t.Σnj=1，j≠j0xjλj+s-≤θxj0       Σnj=1，j≠j0yjλj-s+≥yj0           Σnj=1λj=1λj，s+，s-≥0，j=1，2，…，n，j≠j0 ]  （1）
　　式（1）中，[θ]为决策单元的综合效率值，在BCC模型中[θ]可以分解为技术效率值和规模效率值;[ε]为非阿基米德无穷小量;[s-]为投入指标的松弛变量;[s+]为产出指标的松弛变量，[e1=（1，1，…，1）T∈Em]，[e2=（1，1，…，1）T∈Es];[λj]为权重系数。[θ≥1]表示决策单元是有效率的，[θ<1]表示決策单元存在效率损失。
　　1.2 灰色关联分析法
　　不同系统间要素变化的相关程度被称为关联度，灰色关联分析法被用于测度不同系统间要素的关联度，其具体步骤如下。
　　①确定参考数列和比较数列，本文将湖南省耕地的综合利用效率作为参考数列，将影响耕地利用效率的因素作为比较数列。
　　②对数据进行无量纲化处理，具体公式如式（2）（3）所示。
　　[X'ik=XikX1（k），i=2，3，4，…]  （2）
　　[X'1k=X1kX1（k）                  （3）]
　　式（3）中，[X'1k]，为标准化后[k]时刻参考数列的取值，[X'ik]为标准化后[k]时刻比较数列的取值，[X1（k）]为[k]时刻参考数列的取值，[Xi（k）]为[k]时刻比较数列的取值。
　　③计算参考数列与比较数列的灰色关联系数，具体公式如式（4）（5）所示。
　　[ξk=Δmin+ρΔmaxΔk+ρΔmax]                      （4） 　　[Δk=X'ik-X'1k，i=2，3，4，…]   （5）
　　式（4）（5）中，[ξk]为关联系数;[Δk]为[k]时刻比较数列与参考数列差的绝对值;[Δmax]和[Δmin]分别为[Δk]的最大值和最小值;[ρ]为分辨系数，通常取0.5。
　　④计算关联度，具体公式如式（6）所示。
　　[ri=1Nk=1Nξi（k）]                             （6）
　　式（6）中，[ri]为关联度。
　　2 湖南省耕地利用效率及其影響因素研究
　　2.1 指标选取与数据来源
　　借鉴王海力等[10]、徐秋等[11]以及廖成泉等[12]的做法，本文选取农林牧渔业总产值和粮食总产量作为湖南省耕地利用效率的产出指标，选取农林牧渔业劳动力、农业机械总动力、化肥施用量以及耕地面积为投入指标，选取农村居民人均可支配收入、有效灌溉面积、农林水事务财政支出、城市化水平以及受灾面积作为影响耕地利用效率的指标。本文研究时间为2008—2017年，所选取的数据来源于《湖南省统计年鉴》，各变量的名称和度量如表1所示。
　　2.2 湖南省耕地利用效率测算
　　本文采用MyDEA1.0测度2008—2017年湖南省的耕地利用效率，所得的结果如表2所示。
　　由表2可知，2008—2017年，湖南省耕地利用综合效率的平均值为1.010，技术效率的平均值为1.014，规模效率的平均值为0.996，耕地利用的综合效率、技术效率以及规模效率均呈围绕均值小幅波动的状态，这表明湖南省的耕地利用效率较高。在分析耕地利用效率的同时，本文计算了各年份的产出不足率和投入冗余率，计算结果如表3所示。
　　由表3可知，农林牧渔业劳动力的投入冗余率最大，平均值为0.21%，而农业机械总动力、化肥施用量与耕地面积的投入冗余率均值都为负数，总的来说存在投入不足的情况。
　　2.3 湖南省耕地利用效率影响因素分析
　　在对2008—2017年湖南省的耕地利用效率进行测度后，采用灰色关联法对影响耕地利用效率的因素进行了关联度分析，利用MATLAB2018b计算灰色关联度，所得的结果如表4所示。
　　由表4可知，有效灌溉面积和城市化水平与耕地利用效率的关联度较高，灰色关联系数均在0.8以上，而农村居民人均可支配收入、受灾面积以及农林水事务财政支出与耕地利用效率的关联度较低，灰色关联系数均在0.7以下。
　　3 结论
　　本文采用超效率DEA模型和灰色关联分析法对湖南省的耕地利用效率及其影响因素进行了分析，得到如下结论。
　　①2008—2017年，湖南省的耕地利用效率整体较高，耕地利用的综合效率、技术效率及规模效率的变化趋势较为稳定。
　　②在各种投入要素中，农林牧渔业劳动力的投入冗余率最大，而农业机械总动力、化肥施用量与耕地面积存在投入不足的情况。
　　③在耕地利用效率影响因素的灰色关联分析中，各影响因素与耕地利用效率的关联度大小排序依次为有效灌溉面积>城市化水平>农村居民人均可支配收入>受灾面积>农林水事务财政支出。
　　参考文献
　　[1]Li Z，Yu X，Gong C. Intensity Change in Cultivated Land Use in Shandong Province from 1980 to 2010[J].Ieri Procedia，2013（5）：140-146.
　　[2] Song X， Li F. Cultivated land use change in China，1999–2007： Policy development perspectives[J].Journal of Geographical Sciences，2012（6）：1061-1078.
　　[3]Wang K，Zhang P. The Research on Impact Factors and Characteristic of Cultivated Land Resources Use Efficiency---take Henan Province， China as a Case Study[J].Ieri Procedia，2013（5）：2-9.
　　[4]刘玉海，武鹏.转型时期中国农业全要素耕地利用效率及其影响因素分析[J].金融研究，2011（7）：114-127.
　　[5]梁流涛，曲福田，王春华.基于DEA方法的耕地利用效率分析[J].长江流域资源与环境，2008（2）：242.
　　[6]杨朔，李世平，罗列.陕西省耕地利用效率及其影响因素研究[J].中国土地科学，2011（2）：47-54.
　　[7]叶浩，濮励杰.我国耕地利用效率的区域差异及其收敛性研究[J].自然资源学报，2011（9）：1467-1474.
　　[8]石成玉.气候变化、农业水利投资与我国耕地产出效率分析[J].农业技术经济，2015（11）：62-68.
　　[9]王玲玲，王成军，吕骁泓，等.外生环境因素对浙江省耕地利用效率的影响[J]. 江苏农业科学，2016（1）：435-439.
　　[10]谢贤健，王海力，韩光中.基于DEA模型的西南地区耕地利用效率时空格局演变及影响因素分析[J].长江流域资源与环境，2018（12）：2784-2795.
　　[11]徐秋，雷国平，杨厚翔.黑龙江省耕地利用效率时空差异及影响因素研究[J].中国农业资源与区划，2017（12）：33-40.
　　[12]廖成泉，胡银根，章晓曼.基于四阶段DEA-Tobit的湖北省耕地资源利用效率及其影响因素研究[J].农业现代化研究.2015（5）：876-882.
转载注明来源:https://www.xzbu.com/1/view-14794045.htm