農(nóng)業(yè)投資效率的評價及制約因素研究
——基于DEA方法和面板數(shù)據(jù)模型

周澤炯，劉 麗

(安徽財經(jīng)大學(xué) a.經(jīng)濟學(xué)院； b.金融學(xué)院, 安徽 蚌埠 233030)

近年來，我國各地深入推進供給側(cè)結(jié)構(gòu)性改革，努力創(chuàng)新農(nóng)業(yè)投資方式，農(nóng)業(yè)投資效率不斷提高。然而，一些省份農(nóng)業(yè)投資機制不完善，投資主體權(quán)責(zé)不明晰，投資決策不合理，社會資金投資積極性較低，農(nóng)業(yè)投資效率不高，制約著農(nóng)業(yè)經(jīng)濟健康發(fā)展[1]。安徽是農(nóng)業(yè)大省，是我國重要的商品糧基地，正確認識和分析安徽農(nóng)業(yè)投資狀況，科學(xué)評價農(nóng)業(yè)投資效率，制定提升農(nóng)業(yè)投資效率的政策措施，對推動農(nóng)業(yè)經(jīng)濟健康發(fā)展具有重要現(xiàn)實意義。本文以安徽省為例，首先分析安徽農(nóng)業(yè)投資狀況，然后運用數(shù)據(jù)包絡(luò)分析(DEA)的BCC模型對農(nóng)業(yè)投資的技術(shù)效率、純技術(shù)效率和規(guī)模效率進行評價，最后分析農(nóng)業(yè)投資效率的制約因素并提出相應(yīng)的對策建議。

1 農(nóng)業(yè)投資現(xiàn)狀分析

多年來，我國政府財政投入在農(nóng)業(yè)投資中起主導(dǎo)作用，農(nóng)戶是農(nóng)業(yè)投資主體。以下對安徽政府財政投入和農(nóng)戶對農(nóng)業(yè)的投資情況進行分析，并對省內(nèi)16個地市的農(nóng)業(yè)投資情況進行對比分析。

1.1 政府財政對農(nóng)業(yè)投資情況

2000年以來，安徽財政對農(nóng)業(yè)投資的規(guī)模不斷擴大，財政支農(nóng)資金由2000年20.59億元增加到2017年656.89億元，增加了30多倍。全省財政總支出中農(nóng)業(yè)支出所占的比重呈現(xiàn)上升趨勢，由2000年7.1%提高到2017年12.33%，提高了5.23個百分點。在這期間，雖然2010年以后農(nóng)業(yè)支出占財政支出比重有下降趨勢，但仍基本維持在10%以上，這充分反映了安徽政府對農(nóng)業(yè)發(fā)展的高度重視。具體數(shù)據(jù)如表1所示。

表1 2000—2017年安徽財政農(nóng)業(yè)支出

年份財政農(nóng)業(yè)支出/億元農(nóng)業(yè)支出增長率/%農(nóng)業(yè)支出占財政支出比重/%200020.59-3.507.102010292.5212.9014.202011351.8720.3013.202012430.4722.3410.902013478.1711.0811.002014502.695.1310.782015577.7414.9311.032016624.838.1511.312017656.8912.4312.33

注：數(shù)據(jù)來源于《安徽統(tǒng)計年鑒》和安徽省統(tǒng)計局網(wǎng)站數(shù)據(jù)匯總

1.2 農(nóng)戶農(nóng)業(yè)投資情況

2000年以來，安徽農(nóng)戶農(nóng)業(yè)投資規(guī)模不斷增加,具體表現(xiàn)在如下兩個方面：一是人均家庭經(jīng)營費用支出不斷增加，由2000年的395.44元增加到2017年的2 647.64元，增長了5.69倍，年均增長率達到13.98%；二是人均生產(chǎn)性固定資產(chǎn)支出不斷增加，由2000年的53.66元增加到2017年的948.20元，增長了5.69倍，年均增長率達到18.38%。對比家庭經(jīng)營費用支出和農(nóng)戶生產(chǎn)性固定資產(chǎn)支出可見，前者遠遠高于后者，說明安徽個體農(nóng)戶對農(nóng)業(yè)生產(chǎn)投資的積極性還不高。具體數(shù)據(jù)如表2所示。

表2 2000—2017年安徽省農(nóng)戶農(nóng)業(yè)投資 元/人

指標(biāo)2000年2010年2011年2012年2013年2014年2015年2016年2017年農(nóng)戶家庭經(jīng)營費用支出395.441 297.791 763.941 971.071 482.171 645.512 327.442 579.932 647.64生產(chǎn)性固定資產(chǎn)支出53.66150.57174.76250.54321.3363.94763.32813.63948.20

數(shù)據(jù)來源：《安徽統(tǒng)計年鑒》和安徽省統(tǒng)計局網(wǎng)站數(shù)據(jù)匯總。

1.3 不同地市農(nóng)業(yè)投資情況

2000年以來，安徽省16個地市的農(nóng)業(yè)投資規(guī)模均不斷增加，但不同地市的投資規(guī)模差異較大，存在地區(qū)投資不平衡現(xiàn)象。2017年，蕪湖、合肥、安慶3市的農(nóng)業(yè)投資規(guī)模位于為全省地市的前3位，分別為126.03、110.68和81.34億元，占全省農(nóng)業(yè)投資總額的比重分別為15.29%、14.56%和10.21%；而池州、淮北和亳州3市的農(nóng)業(yè)投資規(guī)模位于全省地市的后3位，分別為15.52、18.70和22.99億元，占全省農(nóng)業(yè)投資總額的比重分別為2.12%、2.53%和3.20%。由縱向比較可以看出，2017年和2010年相比，合肥、六安、宣城、安慶、黃山等5市的農(nóng)業(yè)投資額占全省的比重呈現(xiàn)下降趨勢，而其余地市均呈現(xiàn)增加趨勢。具體數(shù)據(jù)詳見表3所示。

表3 2017年安徽各市農(nóng)業(yè)投資額

地區(qū)農(nóng)業(yè)投資額/億元 占全省比重/% 全省826.89100.00合肥110.6814.56淮北22.702.53毫州24.993.20宿州27.863.53蚌埠38.454.76阜陽44.895.12淮南70.638.88滁州55.557.09六安37.024.79馬鞍山46.775.56蕪湖126.0315.29宣城44.795.71銅陵33.883.79池州15.522.12安慶81.3410.21黃山33.193.69

數(shù)據(jù)來源：《安徽統(tǒng)計年鑒》和安徽省統(tǒng)計局網(wǎng)站數(shù)據(jù)匯總。

2 農(nóng)業(yè)投資效率評價

農(nóng)業(yè)投資效率是指農(nóng)業(yè)領(lǐng)域投資主體所取得的有效成果與所消耗的投入額之間的比率，反映著農(nóng)業(yè)資源的利用程度和社會需求的滿足程度。下面運用DEA方法和面板數(shù)據(jù)模型對安徽農(nóng)業(yè)投資效率進行評價。

2.1 農(nóng)業(yè)投資效率的DEA方法分析

首先介紹DEA方法基本原理并選擇具體評價模型，然后構(gòu)建農(nóng)業(yè)投資效率評價指標(biāo)體系，最后運用DEA方法對安徽農(nóng)業(yè)投資效率進行評價。

2.1.1 評價方法選擇

1978年，Charnes、Coopor和Rhodes 3位美國教授提出數(shù)據(jù)包絡(luò)分析(DEA)方法，該方法用來評價決策單元(DMU)的相對有效性[2-5]。首先，在保持決策單元(DMU)的輸入或輸出不變情況下，借助于數(shù)學(xué)規(guī)劃方法和統(tǒng)計數(shù)據(jù)，確定相對有效性的生產(chǎn)前沿面；然后，把各決策單元投影到相對有效性的生產(chǎn)前沿面，比較各決策單元偏離相對有效性的生產(chǎn)前沿面的程度來評價這些決策單元的相對有效性。該DEA方法后來被學(xué)界稱為CCR模型。CCR模型假定規(guī)模報酬不變，決策單元增加投入可以達到等比例擴大產(chǎn)出的目的，但現(xiàn)實中大部分生產(chǎn)活動無法滿足規(guī)模報酬不變的假設(shè)條件。于是，1984年，Banker、Charnes 和Cooper對CCR模型進行了修改，構(gòu)建了基于可變規(guī)模報酬假設(shè)條件的BCC模型[6]。該模型假設(shè)如下：總共有s個決策單元，每個決策單元有m種投入和n種產(chǎn)出；第j個決策單元的輸入和輸出向量為：

(1)

(2)

其中:xij是第j個決策單元在第i種輸入上的投入，且xij>0；yrj是第j個決策單元在第r種輸出上的產(chǎn)出，且yrj>0。BCC模型如下：

在式(1)中加入松弛變量S-(Slacks)和S+(Surplus),便成為：

(4)

式(2)中:θ是決策單元DMU0的相對有效值；S-表示由松弛變量組成的且與投入相對應(yīng)的向量，S-≥0；S+表示由松弛變量組成的且與產(chǎn)出相對應(yīng)的向量，S+≥0；λj為決策單元的線性組合系數(shù)。

根據(jù)θ、S-和S+的值，把決策單元DMU0分為三大類：當(dāng)θ=1，且S-=0和S+=0時，稱DMU0為DEA有效；當(dāng)θ=1，且至少有某個S->0或者S+>0時，稱DMU0為弱DEA有效；當(dāng)θ<1時，稱DMU0為非DEA有效。

考慮到農(nóng)業(yè)投資的不同規(guī)模報酬情況，本文選擇BCC模型對安徽農(nóng)業(yè)投資效率進行評價。

2.1.2 評價指標(biāo)體系的構(gòu)建和數(shù)據(jù)選取

根據(jù)BCC模型，構(gòu)建的農(nóng)業(yè)投資效率評價指標(biāo)包括投入指標(biāo)和產(chǎn)出指標(biāo)等2個1級指標(biāo)。投入指標(biāo)包括資源投入和能源投入等2個2級指標(biāo)，其中資源投入包括農(nóng)業(yè)投資額、農(nóng)業(yè)用地量、農(nóng)業(yè)化肥施用量和農(nóng)用排灌機械數(shù)等4個3級指標(biāo)；能源投入包括農(nóng)業(yè)用電量和農(nóng)業(yè)用水量等2個3級指標(biāo)[7]。產(chǎn)出指標(biāo)為地區(qū)農(nóng)業(yè)總產(chǎn)值，該指標(biāo)反映出農(nóng)業(yè)投資的收益[6]。農(nóng)業(yè)投資評價指標(biāo)體系詳見表4所示。

表4 農(nóng)業(yè)投資效率評價指標(biāo)體系

根據(jù)《安徽省統(tǒng)計年鑒》和安徽省統(tǒng)計局數(shù)據(jù)，得到2017年安徽農(nóng)業(yè)投資效率評價指標(biāo)體系中各個指標(biāo)的具體數(shù)據(jù)。

2.1.3 效率評價結(jié)果

將2017年安徽省16個地市的農(nóng)業(yè)投入和產(chǎn)出指標(biāo)的相關(guān)數(shù)據(jù)代入BCC模型，運用DEAP2.1軟件計算出各地市農(nóng)業(yè)投資的總效率即技術(shù)效率以及純技術(shù)效率和規(guī)模效率。其中，技術(shù)效率反映出農(nóng)業(yè)投資總效率水平，純技術(shù)效率反映在規(guī)模報酬可變條件下的農(nóng)業(yè)投資效率水平，規(guī)模效率反映出規(guī)模水平變化而引起的農(nóng)業(yè)投資效率變化情況[8]。具體評價結(jié)果如表5所示。

從表5可知：安徽省16個地市農(nóng)業(yè)投資的技術(shù)效率均值為0.937、純技術(shù)效率均值為0.969、規(guī)模效率均值為0.966；從技術(shù)效率來看，安徽省16個地市中農(nóng)業(yè)投資的總體效率為1的地市有合肥、亳州、宿州、蚌埠、阜陽、六安、馬鞍山、池州、安慶、黃山等10個，占所有評價地市中的2/3，說明安徽農(nóng)業(yè)投資總體效率較高；從純技術(shù)效率看，安徽省16個地市中12個地市農(nóng)業(yè)投資效率優(yōu)于平均水平；值得注意的是，淮北和銅陵2個地市的純技術(shù)效率為1，但它們的技術(shù)效率均小于1，說明兩個地市農(nóng)業(yè)投資僅為純技術(shù)有效，而不是規(guī)模有效；從規(guī)模效率來看，安徽省16個地市中10個地市農(nóng)業(yè)投資是規(guī)模報酬不變的，即這些地市農(nóng)業(yè)投資具有效率，5個地市的農(nóng)業(yè)投資是規(guī)模報酬遞增的，說明這些地市繼續(xù)增加農(nóng)業(yè)投資可以提高效率；1個地市即宣城的農(nóng)業(yè)投資是規(guī)模報酬遞減的，反映了該市農(nóng)業(yè)投資規(guī)模過大，應(yīng)該降低投資規(guī)模，以提高農(nóng)業(yè)投資效率。由此可見，安徽農(nóng)業(yè)投資效率整體水平較好，呈現(xiàn)良好的發(fā)展趨勢。

表5 安徽農(nóng)業(yè)投資效率評價結(jié)果

地區(qū)技術(shù)效率純技術(shù)效率規(guī)模效率規(guī)模報酬合肥1.0001.0001.000不變淮北0.8051.0000.805遞增毫州1.0001.0001.000不變宿州1.0001.0001.000不變蚌埠1.0001.0001.000不變阜陽1.0001.0001.000不變淮南0.6390.7370.867遞增滁州0.8700.8790.990遞增六安1.0001.0001.000不變馬鞍山1.0001.0001.000不變蕪湖0.8900.9210.967遞增宣城0.9400.9600.979遞減銅陵0.8421.0000.842遞增池州1.0001.0001.000不變安慶1.0001.0001.000不變黃山1.0001.0001.000不變

注：技術(shù)效率值等于純技術(shù)效率和規(guī)模效率的乘積

2.2 農(nóng)業(yè)投資效率的面板數(shù)據(jù)分析

以上運用DEA方法對安徽各地市農(nóng)業(yè)投資效率進行評價，只是得到16個地市農(nóng)業(yè)投資效率的相對有效性，無法分析那些影響農(nóng)業(yè)投資效率的具體因素對農(nóng)業(yè)投資效率的影響程度。為此，以下運用2012—2017年面板數(shù)據(jù)對安徽農(nóng)業(yè)投資效率進行計量分析。

2.2.1 計量模型的構(gòu)建

將農(nóng)業(yè)總產(chǎn)值作為因變量，農(nóng)業(yè)投資、農(nóng)業(yè)用地量、農(nóng)業(yè)化肥施用量、農(nóng)業(yè)排灌機械數(shù)、農(nóng)業(yè)用電量和農(nóng)業(yè)用水量作為自變量，構(gòu)建如下回歸分析模型：

Yit=β0+β1X1it+β2X2it+β3X3it+

β4X4it+β5X5it+β6X6it+εit

(5)

式(1)中：Yit為i市第t年的農(nóng)業(yè)總產(chǎn)值；X1it、X2it、X3it、X4it、X5it和X6it分別為i市第t年的農(nóng)業(yè)投資、農(nóng)業(yè)用地量、農(nóng)業(yè)化肥施用量、農(nóng)業(yè)排灌機械數(shù)、農(nóng)業(yè)用電量和農(nóng)業(yè)用水量；εit為隨機誤差項。

2.2.2 回歸結(jié)果與分析

運用面板數(shù)據(jù)模型進行回歸分析，需要判別模型中是否存在個體固定效應(yīng)、隨機效應(yīng)。通常運用Hausman檢驗和F檢驗確定計量模型的具體形式。首先，運用Hausman檢驗來對比分析隨機效應(yīng)模型和個體固定效應(yīng)模型，檢驗結(jié)果顯示，H統(tǒng)計量為14.07，接受原假設(shè)的概率為0.001 1，說明本回歸分析運用個體固定效應(yīng)模型比隨機效應(yīng)模型更加合理。然后，運用F檢驗來比較混合模型和個體固定效應(yīng)模型，檢驗結(jié)果表明，F(xiàn)統(tǒng)計量為1.81，接受原假設(shè)的概率接近于0，說明本回歸分析運用個體固定效應(yīng)模型比隨機效應(yīng)更為合理。因此，以下運用個體固定效應(yīng)模型分析安徽農(nóng)業(yè)投資效率回歸模型(5)，回歸分析結(jié)果見表6。

表6 農(nóng)業(yè)投資效率回歸結(jié)果

由表6可知：農(nóng)業(yè)投資系數(shù)顯著為正，但系數(shù)值較小，僅為0.029 7，說明安徽農(nóng)業(yè)投資促進農(nóng)業(yè)發(fā)展，但農(nóng)業(yè)投資效率有待提高；農(nóng)業(yè)化肥施用量系數(shù)為負值，且在5%水平顯著，說明安徽農(nóng)業(yè)化肥施不但沒有促進農(nóng)業(yè)發(fā)展，反而對農(nóng)業(yè)發(fā)展產(chǎn)生不利影響，究其原因，安徽農(nóng)業(yè)生產(chǎn)以傳統(tǒng)家庭生產(chǎn)方式為主，不能科學(xué)施肥，導(dǎo)致農(nóng)業(yè)化肥施用量過度；農(nóng)業(yè)用地量、農(nóng)業(yè)排灌機械數(shù)、農(nóng)業(yè)用電量和農(nóng)業(yè)用水量等變量系數(shù)均顯著為正，說明安徽農(nóng)業(yè)用地量、農(nóng)業(yè)排灌機械數(shù)、農(nóng)業(yè)用電量和農(nóng)業(yè)用水量等因素促進了農(nóng)業(yè)發(fā)展。

3 農(nóng)業(yè)投資效率的制約因素及其對策建議

基于DEA方法和面板數(shù)據(jù)模型對安徽投資效率的評價結(jié)果，分析安徽農(nóng)業(yè)投資效率提升的制約因素，并提出相應(yīng)的對策建議。

3.1 安徽農(nóng)業(yè)投資效率的制約因素

目前，制約安徽農(nóng)業(yè)投資效率的因素主要反映在投資系統(tǒng)、投資決策機制、激勵保障機制和融資機制等方面。

1) 農(nóng)業(yè)投資系統(tǒng)不明確。農(nóng)業(yè)投資涉及農(nóng)業(yè)生產(chǎn)、農(nóng)民生活以及農(nóng)業(yè)生態(tài)資源保護等多方面，關(guān)系復(fù)雜。而目前安徽政府財政對農(nóng)業(yè)的投資多是在各相應(yīng)主管部門負責(zé)下，多個部門共同推動和管理。由于受到現(xiàn)行條塊分割的行政管理體制的影響，農(nóng)業(yè)投資系統(tǒng)不明確，投資精準(zhǔn)性不高，投資效率大打折扣。

2) 農(nóng)業(yè)投資決策機制不合理。農(nóng)業(yè)投資公共性較強，政府作為公共利益的代表者，是其重要主體，應(yīng)發(fā)揮主導(dǎo)作用，但并不能完全替代其他主體的作用[9]。安徽現(xiàn)有農(nóng)業(yè)投資決策幾乎都是政府主導(dǎo)、設(shè)計和實施的，其他主體往往缺乏表達投資建議的渠道，不能參與投資決策，而成為被動參與者，從而導(dǎo)致部分農(nóng)業(yè)投資脫離實際需求、投資效率低下。

3) 農(nóng)業(yè)投資激勵保障機制不健全。農(nóng)業(yè)基礎(chǔ)設(shè)施、農(nóng)業(yè)環(huán)保事業(yè)等方面投資具有較強的外部性，且投資規(guī)模大，投資資金回收期長，盈利水平低，而目前安徽農(nóng)業(yè)投資激勵保障機制還不健全，從而使得農(nóng)戶和農(nóng)業(yè)企業(yè)等私人投資主體對這些方面的農(nóng)業(yè)投資動力不足、投資規(guī)模較小。農(nóng)業(yè)企業(yè)的生產(chǎn)活動除了消耗大量農(nóng)業(yè)資源消耗外，還排放大量污染，破壞農(nóng)村生態(tài)環(huán)境，但這些農(nóng)業(yè)企業(yè)對生態(tài)資源的認識還不全面，更缺少主動投資維護良好農(nóng)業(yè)生態(tài)的動機。

4) 農(nóng)業(yè)投融資機制不完善。財政專項投入、政策性銀行貸款以及農(nóng)戶自籌是當(dāng)前安徽農(nóng)業(yè)投資的主要融資方式。政府專項投入受到財力限制，投入規(guī)模有限；政策性銀行貸款由于利息成本和投資風(fēng)險，農(nóng)業(yè)企業(yè)和農(nóng)戶在使用時還非常謹慎；農(nóng)戶自籌方式，由于農(nóng)戶資金實力有限，自籌投資持續(xù)性不足。融資機制的滯后，使得社會資金難以順利進入農(nóng)業(yè)投資領(lǐng)域，導(dǎo)致安徽農(nóng)業(yè)投資規(guī)模的進一步擴大受限[10]。

3.2 提升安徽農(nóng)業(yè)投資效率的政策建議

針對安徽農(nóng)業(yè)投資效率的制約因素，從投資主體事權(quán)范圍、投資決策機制、激勵保障機制以及創(chuàng)新融資機制方面提出以下對策措施：

1) 合理劃分農(nóng)業(yè)投資主體事權(quán)。首先，明確政府和市場作用范圍，對不同的農(nóng)業(yè)投資項目，應(yīng)選擇相應(yīng)的投資主體，充分發(fā)揮市場機制對提高投資效率的促進作用。其次，建立農(nóng)業(yè)投資主體分類參與機制，對與正外部性強的農(nóng)業(yè)投資，主要有政府進行投資，而對于具有部分外部性的農(nóng)業(yè)投資項目，引入社會資本，形成政府與社會資本合作投資模式。

2) 優(yōu)化農(nóng)業(yè)投資決策機制。建立多元主體參與的農(nóng)業(yè)投資決策機制，暢通各個農(nóng)業(yè)投資主體的溝通渠道，提高農(nóng)業(yè)投資科學(xué)性和投資效率。對于規(guī)模大的農(nóng)業(yè)投資項目，需要對農(nóng)戶和農(nóng)業(yè)企業(yè)進行廣泛調(diào)研，征求他們對投資項目規(guī)劃、組織實施的意見[11]。同時，邀請專家學(xué)者和專業(yè)技術(shù)人員參與農(nóng)業(yè)投資項目的設(shè)計決策過程。

3) 創(chuàng)新農(nóng)業(yè)投融資機制。首先，建立多元化的農(nóng)業(yè)投資融資渠道，為農(nóng)業(yè)投資提供穩(wěn)定的資金來源，以促進農(nóng)業(yè)投資。其次，設(shè)立農(nóng)業(yè)生態(tài)資源和環(huán)境保護專項投資基金，積極利用現(xiàn)有PPP基金，籌集社會資金[12]。農(nóng)業(yè)投資基金主要用來投資農(nóng)業(yè)生態(tài)資源保護、生態(tài)環(huán)境治理與修復(fù)以及農(nóng)業(yè)環(huán)境基礎(chǔ)設(shè)施建設(shè)等項目。充分利用農(nóng)業(yè)投資基金，既可以分散農(nóng)業(yè)投資風(fēng)險，也可以提高農(nóng)業(yè)投資效益。