基于DEA-malmquist指数的菜花生产效率研究

来源:用户上传      作者:

　　摘   要   基于DEA-malmquist指数法，对我国九个代表省区2011—2018年露地菜花的全要素生产率进行测度。结果显示，我国的露地菜花生产率以每年2.8%的速度降低，其中技术效率年均降低2.2%是我国露地菜花全要素生产率降低的主要原因，技术进步指数变化是Malmquist指数随时间变化而变化的主要原因。提出建议：实施政策扶持;实行产业化经营提高露地菜花生产的规模效率，加快促进露地菜花发展由粗放式朝向集约化转变;加快农业科技创新体系的建立与完善。
　　关键词   露地菜花;生产效率;DEA-Malmquist指数
　　中图分类号：F326.13    文献标志码：A    DOI：10.19415/j.cnki.1673-890x.2020.10.004
　　蔬菜是我国第二大农作物，仅次于粮食作物，是我国农业经济发展的重要产业之一。随着我国人民消费习惯的改变，越来越多的人对于蔬菜有消费偏好，更加关注膳食平衡和有机生态[1]。经济增长理论指出，经济的增长一方面可以依靠生产要素的持续性投入，另一方面则是依靠全要素生产率的提高。而在我国资源紧张的局面下，是不可能依靠资源持续性投入这条路子的。在实施菜篮子工程中，技术进步是目前最主要的障碍，提高蔬菜生产的技术效率也渐渐地受更多学者与生产者关注。
　　当前，国内外测算生产效率的方法主要是数据包络分析（DEA）和随机前沿生产函数（SFA）解析。总体来看，DEA模型比较受农业部门的青睐，应用得更加广泛，随机前沿生产函数则相对较为复杂，应用得较少。国内外学者应用DEA分析农业生产部门的技术效率已较为成熟。例如，在前人的研究中，彭科等将数据包络法和随机前沿生产法相结合测算出山东寿光无公害蔬菜的技术效率，得出其平均技术效率不高是由要素投入过剩与规模不经济所致的结论[2]。Khem R. Sharma等对中国多品种混养鱼塘的水产养殖技术效率进行了DEA分析[3];Po-Chi CHEN等利用中国29个省份的面板数据，分析了1990—2003年中国农业部门生产力增长情况，采用序贯数据包络法，发现区域生产力增长差距随着时间的推移而加剧，并通过回归得出了技术效率的提高与市场改革、教育和灾害缓解有关的结论[4]。林文煌等基于Malmquist指数分析了我国2014—2016年设施西红柿全要素生产率的综合变动情况，找出技术进步的降低是其全要素生产率水平降低的主要原因[5]。张丽等运用Malmquist指数模型分析山东省农业生产效率，发现该省少数地区投入冗余与产出不足，提出了加强农业技术创新和推广，合理有效整合资源等建议[6]。罗屹等发现我国马铃薯全要素生产率提高的主要动力是技术进步效率的提高，综合效率增长对其生产率的贡献不大[7]。延桢鸿等认为我国小麦在今后的发展过程中应该更加注重农业人力资本的培育及农业机械化率的提高[8]。叶春等认为我国长江流域的油菜生产效率主要受技术进步的影响，应提高技术进步水平和技术管理水平[9]。
　　迄今为止，在蔬菜方面，我国学者的大多数研究集中在西红柿、马铃薯等设施蔬菜的具体种植方式、生产投入要素效率等方面，对于露地菜花的生产效率鲜有研究。笔者认为，研究分析我国露地菜花的发展现状、生产效率、技术进步贡献和综合效率等，对促进我国露地菜花的可持续发展具有重要意义。本文基于DEA-malmquist指数法，通过对2011—2018年我国九个代表省区露地菜花的全要素生产率进行测度，为露地菜花的可持续发展和规模化经营提供参考依据。
　　1 数据与方法
　　1.1 数据来源及指标
　　投入及产出指标的选取：产出变量选取2011—2018年我国九个省、直辖市露地菜花的平均667 m2产量。投入变量选取露地菜花的种子投入、农业机械化水平、化学肥料投入、农业劳动力投入，其中，种子投入為每667 m2的种子费，机械化水平为每667 m2的机械作业费，化学肥料投入为每667 m2的化肥费，劳动力投入为每667 m2的劳动力用工数量。为了消除价格因素带来的影响，几个指标均以2011年（=100）为基期，其间个别数据缺失，用相邻两年的数值取平均值得到。基础数据选自于相应年份的《全国农产品成本收益资料汇编》和《中国统计年鉴》。
　　1.2 模型引入
　　数据包络分析（DEA）和随机前沿法（SFA）等为代表的非参数分析法，由于其属于一种确定性的方法且不需要设定具体的生产函数形式，因而可以有效避免模型设定带来的误差，被广泛用于TFP的测量。其中数据包络分析对于随机前沿法而言，由于不需要设定任何形式的函数或者是假设，仅是通过线性规划的方法来测量，而更加具有优势。Malmquist 指数在1953年由Malmquiststen提出，被用于测度全要素生产率的增长率。Caves等（1982）将该指数推广在生产率指数的测算上并使其得到更为普遍的应用。Fare（1994）提出基于 DEA的Malmquist指数模型，通过DEA的方法测算该指数。相较于其他指数法而言，DEA-malmquist指数法的投入和产出变量的数据更容易获取且不需要相关的价格信息，本文正是基于此方法对露地菜花的全要素生产率进行测度。
　　1.3 数据处理
　　运用DEAP 2.1软件对2011—2018年全国九个省区的露地菜花投入产出的数据进行分析，计算得出其菜花生产效率指数。
　　2 结果与分析
　　通过对全国九个省区露地菜花全要素生产率的测算，发现我国露地菜花Malmquist指数在考察时期内呈现出降低的趋势，年均降低2.8%，其降低的原因主要是综合技术效率降低和纯技术效率降低，技术进步虽然有所降低但是降低的幅度没有技术效率的幅度大（见表1）。技术效率的大幅度降低，意味着我国的菜花种植只是在种植面积上的扩大，并没有由于规模扩大而带来规模效率的提升，说明我国的菜花种植在过去几年忽视了资源的有效利用，呈现一种粗放式的发展;同时技术进步也出现降低的趋势，这更加应证了我国粗放式的菜花种植模式。 　　在所考察的九个样本中，河北和湖北在考察期内全要素生产率是上升的，这两个省区菜花生产水平较高，资源得以充分利用，体现出其先进的管理理念和对技术的不断改善。福建的生产率降低最大，平均每年降低达12.8%。在九个省区中，重庆、甘肃、安徽虽然整体上TFP是降低的，导致其降低的主要原因是技术效率的降低，技术进步虽然提高，但是不足以抵消技术效率降低带来的影响，这也反映出这三个地区虽技术水平值得肯定，但资源利用效率低，在今后要更加注意生产资源的优化组合，提高管理水平，加快土地流转，实现规模效率的提高。
　　从表2可以看出，我国露地菜花Malmquist指数在考察期内变动比较大，例如在2016—2017年间生产率指数增加了125.3%，而在2015—2016年间生产率指数降低了61.7%。当技术进步提高时，全要素生产率上升最快，比如2016—2017年间，技术进步提高115.6%，是该期生产率上升的主要原因;类似地，技术进步降低59.4%，也是导致2015—2016年生产率降低的主要原因，因此可以得出技术进步是提高我国露地菜花生产率的主要动能的结论。
　　农业技术不能持续性地提高可能与农业技术创新的适应性、间歇性和滞后性有关，这就表明需要加快形成农业科技创新可持续发展体系，通过体制创新来推动技术创新，通过制度创新来释放民间科技创新的活力，通过政策创新来激发全民科技创新的潜力。
　　3 结论与建议
　　3.1 结论
　　通过运用非参数DEA-malmquist指数法对我国九个代表省区2011—2018年的露地菜花投入与产出的面板数据测算，得出如下结论：1）我国露地菜花的全要素增长率呈现出降低的趋势，每年以2.8%的速度降低，其原因是全部因素都在降低，但主要是因为技术效率的降低，其比重占降低份额的78.57%。2）湖北、河北两地全要素生产率呈现出增长的趋势，分别以每年0.70%、4.80%的速度增长，两地全要素生产率增长的主要原因是由于技术进步的提高;福建的生产率降低最大，平均每年降低达12.8%。3）Malmquist指数随着时间的变化而变化，其中技术进步的变动对Malmquist指数的影响最大。
　　3.2 建议
　　1）技术效率的降低是我国露地菜花Malmquist指数降低的主要原因，表明我国存在着严重的资源分配不均或资源浪费严重。建议政府可以从宏观层面出台相关政策，扶持资源较为稀缺的地区，区域间协同发展;特定地区可以适当减少种植面积，使有限的土地资源达到生产的最优化，注重规模效率的提升。加快土地流转速度，引导职业农民入驻，提高经营主体的管理水平，提高农民的技能水平，实行更加合理的分工合作。2）在当下我国农业种植以散户为主的现状下，实行产业化经营提高露地菜花生产的规模效率，以“龙头企业+种植散户”方式实现规模优势。应大力培育农业专业合作社、种植大户、职业农民及职业经理人等新型现代化经营主体，更加注重农业技术推广与传播体系和现代农业服务体系的完善，加快促进露地菜花发展由粗放式朝向集约化转变。3）加快农业科技创新体系的建立与完善，努力营造技术创新的氛围，注重科研成果的转化与落地，实行更加积极的人才引进政策，完善农业科技创新可持续发展体系。
　　参考文献：
　　[1] 张标，张领先，傅泽田，等.我国蔬菜生产技术效率变动及其影响因素分析——以黄瓜和茄子为例[J].中国农业大学学报，2016，21（12）：133-143.
　　[2] 彭科，安玉发，方成民.农户生产无公害蔬菜的技术效率及其影响因素分析——基于山东寿光无公害黄瓜和西红柿生产的调查[J].技术经济，2011，30（3）：81-86.
　　[3] Khem R. Sharma， PingSun Leung， Hailiang Chen， et al. Economic efficiency and optimum stocking densities in fish polyculture： an application of data envelopment analysis （DEA） to Chinese fish farms[J]. Aquaculture， 1999， 180（3）： 207-221.
　　[4] Po-Chi CHEN， Ming-Miin YU， Ching-Cheng CHANG， et al. Total factor productivity growth in China’s agricultural sector[J]. China Economic Review， 2008， 19（4）： 580-593.
　　[5] 林文煌，祝華军，杨学军.基于DEA-Malmquist指数的全国设施西红柿生产效率研究[J].农村经济与科技，2019，30（12）：22-23.
　　[6] 张丽，郑军.基于DEA-Malmquist模型的山东省农业生产效率测算研究[J].湖北农业科学，2019，58（21）：219-223.
　　[7] 罗屹，王鑫.基于DEA模型的中国马铃薯生产效率分析[J].中国农业文摘·农业工程，2018（4）：13-18.
　　[8] 延桢鸿，马丁丑.小麦全要素生产率变化及其影响因素分析——基于全国15个小麦主产省份数据的实证研究[J].上海农业学报，2019，35（4）：114-120.
　　[9] 叶春，李艳大，舒时富，等.基于Malmquist指数的长江流域油菜生产效率实证分析[J].农学学报，2017，7（4）：79-83.
　　（责任编辑：丁志祥）
转载注明来源:https://www.xzbu.com/1/view-15219551.htm