• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于DEA-Malmquist指數(shù)的農(nóng)業(yè)生產(chǎn)效率評(píng)價(jià)

      2020-03-08 13:48:33劉雷張夢(mèng)雨
      江蘇農(nóng)業(yè)科學(xué) 2020年21期
      關(guān)鍵詞:技術(shù)效率數(shù)據(jù)包絡(luò)分析

      劉雷 張夢(mèng)雨

      摘要:為反映我國(guó)農(nóng)業(yè)生產(chǎn)的實(shí)際狀況,找出農(nóng)業(yè)發(fā)展中存在的問題與不足,使用2007—2017年的省級(jí)面板數(shù)據(jù),運(yùn)用DEA(包絡(luò)分析法)-Malmquist生產(chǎn)率指數(shù)模型測(cè)算各省份(不含中國(guó)香港特別行政區(qū)、澳門特別行政區(qū)、臺(tái)灣?。┑霓r(nóng)業(yè)全要素生產(chǎn)率(TFP)變化指數(shù),從時(shí)間序列與地區(qū)變換角度分析其增長(zhǎng)變換特征。結(jié)果表明,2007—2017年我國(guó)農(nóng)業(yè)全要素生產(chǎn)率與農(nóng)業(yè)技術(shù)進(jìn)步效率的變化趨勢(shì)相同,農(nóng)業(yè)生產(chǎn)效率省際間不平衡是純技術(shù)效率與規(guī)模效率共同作用的結(jié)果,從純技術(shù)效率和規(guī)模效率來(lái)看,11個(gè)DEA有效地區(qū)的純技術(shù)效率和規(guī)模效率均達(dá)到最佳;農(nóng)業(yè)生產(chǎn)中將生產(chǎn)規(guī)??茖W(xué)合理的規(guī)劃與農(nóng)業(yè)技術(shù)進(jìn)步相結(jié)合,能夠有效促進(jìn)全要素生產(chǎn)率提升,為提高我國(guó)農(nóng)業(yè)全要素生產(chǎn)率,在農(nóng)業(yè)發(fā)展中既要重視技術(shù)進(jìn)步,又要重視資源有效配置以及經(jīng)濟(jì)規(guī)模最優(yōu)。

      關(guān)鍵詞:農(nóng)業(yè)全要素生產(chǎn)率;數(shù)據(jù)包絡(luò)分析;Malmquist指數(shù);技術(shù)效率;規(guī)模效率

      中圖分類號(hào):F323.5?文獻(xiàn)標(biāo)志碼:A?文章編號(hào):1002-1302(2020)21-0309-06

      農(nóng)業(yè)是國(guó)民經(jīng)濟(jì)的基礎(chǔ)性產(chǎn)業(yè),在經(jīng)濟(jì)發(fā)展過程中發(fā)揮重要作用,習(xí)近平總書記在十九大報(bào)告中指出,“農(nóng)業(yè)農(nóng)村農(nóng)民問題是關(guān)系國(guó)計(jì)民生的根本性問題?!薄叭r(nóng)”問題在黨的十九大報(bào)告提出“鄉(xiāng)村振興戰(zhàn)略”后被推向更高一層[1]。與建國(guó)初期相比,我國(guó)糧食總產(chǎn)量增加了近5倍,但是我國(guó)農(nóng)業(yè)生產(chǎn)投入產(chǎn)出能力與日本、澳大利亞、美國(guó)等農(nóng)業(yè)發(fā)達(dá)國(guó)家相比仍存在較大差距[2]。要素投入不足、生產(chǎn)規(guī)模過小、農(nóng)業(yè)生產(chǎn)技術(shù)與經(jīng)營(yíng)體制相對(duì)滯后成為制約我國(guó)農(nóng)業(yè)現(xiàn)代化的根本性因素[3]。農(nóng)業(yè)生產(chǎn)率問題是農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的根本問題[4]。對(duì)于發(fā)展中國(guó)家來(lái)說(shuō),農(nóng)業(yè)生產(chǎn)率是國(guó)民財(cái)富增長(zhǎng)的核心[5]。關(guān)于農(nóng)業(yè)生產(chǎn)效率的研究從效率評(píng)價(jià)方法上看,主要分為參數(shù)法與非參數(shù)法;從內(nèi)容上看,主要包括農(nóng)業(yè)生產(chǎn)效率的測(cè)算及其變化的影響因素與區(qū)域間差異等。參數(shù)法以隨機(jī)前沿生產(chǎn)函數(shù)法為代表,石慧等基于隨機(jī)前沿生產(chǎn)函數(shù)對(duì)1985—2005年我國(guó)地區(qū)農(nóng)業(yè)生產(chǎn)績(jī)效進(jìn)行測(cè)算,發(fā)現(xiàn)配置效率波動(dòng)是農(nóng)業(yè)全要素生產(chǎn)率(TFP)波動(dòng)的主要原因[6]。張樂等使用隨機(jī)前沿生產(chǎn)函數(shù)法對(duì)1991—2010年中國(guó)農(nóng)業(yè)生產(chǎn)率變化進(jìn)行研究,發(fā)現(xiàn)規(guī)模效率變化是農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)的主要阻礙因素[7]。溫紅梅等通過隨機(jī)前沿生產(chǎn)函數(shù)法對(duì)黑龍江省農(nóng)業(yè)生產(chǎn)效率以及影響因素進(jìn)行研究,發(fā)現(xiàn)黑龍江省農(nóng)林牧漁以及農(nóng)村勞動(dòng)力會(huì)抑制農(nóng)業(yè)生產(chǎn)效率,而農(nóng)村固定資產(chǎn)投資有促進(jìn)其農(nóng)業(yè)生產(chǎn)效率的作用,農(nóng)業(yè)用電量會(huì)影響農(nóng)業(yè)生產(chǎn)效率,農(nóng)用化肥和機(jī)械的使用有待提高[8]。非參數(shù)法主要以數(shù)據(jù)包絡(luò)分析法(DEA)為基礎(chǔ),任世鑫等運(yùn)用超效率DEA模型測(cè)算2013年中原經(jīng)濟(jì)區(qū)30個(gè)?。ㄊ?、區(qū))的農(nóng)業(yè)生產(chǎn)效率,發(fā)現(xiàn)東部和東南部地區(qū)農(nóng)業(yè)生產(chǎn)效率高于其他城市,存在明顯的區(qū)域差異[9]。劉鳳梅運(yùn)用DEA研究我國(guó)2004—2013年農(nóng)業(yè)全要素生產(chǎn)率,發(fā)現(xiàn)我國(guó)農(nóng)業(yè)生產(chǎn)效率在研究期間提升明顯,其動(dòng)力主要來(lái)源于技術(shù)進(jìn)步效率的迅速提升;而技術(shù)效率增長(zhǎng)緩慢,對(duì)我國(guó)農(nóng)業(yè)生產(chǎn)效率的提升產(chǎn)生制約[10]。王丹等將DEA的BCC模型與Malmquist指數(shù)法相結(jié)合,對(duì)2000—2014年青海省農(nóng)業(yè)生產(chǎn)效率進(jìn)行研究,發(fā)現(xiàn)青海省農(nóng)業(yè)全要素生產(chǎn)率較低,主要是由較低的規(guī)模效率導(dǎo)致的,而農(nóng)業(yè)技術(shù)進(jìn)步效率促進(jìn)了全要素生產(chǎn)率的增加[11]。何澤軍等使用DEA-Malmquist指數(shù)法對(duì)我國(guó)2007—2015年農(nóng)業(yè)全要素生產(chǎn)率進(jìn)行測(cè)算,發(fā)現(xiàn)其增長(zhǎng)主要源于技術(shù)進(jìn)步,且我國(guó)農(nóng)業(yè)全要素生產(chǎn)率存在顯著的時(shí)間序列和空間區(qū)域上的差異[12]。與DEA相比,Malmquist指數(shù)法在描述農(nóng)業(yè)生產(chǎn)效率的基礎(chǔ)上進(jìn)一步分析了其效率的動(dòng)態(tài)變化。將DEA中的BCC模型與Malmquist指數(shù)模型結(jié)合,對(duì)2007—2017年我國(guó)31個(gè)省(市、區(qū))(不含香港特別行政區(qū)、澳門特別行政區(qū)、臺(tái)灣省,下同)的農(nóng)業(yè)生產(chǎn)效率的靜態(tài)有效性及動(dòng)態(tài)效率進(jìn)行更加全面的評(píng)價(jià)分析,在分析中國(guó)農(nóng)業(yè)生產(chǎn)效率地區(qū)差異的同時(shí)探討可能的影響因素。

      1 研究方法與模型的建立

      1.1 數(shù)據(jù)包絡(luò)分析法

      運(yùn)用DEA進(jìn)行生產(chǎn)效率測(cè)算,該模型根據(jù)已知數(shù)據(jù)得到相應(yīng)的生產(chǎn)邊緣函數(shù),來(lái)評(píng)價(jià)具有多投入和多產(chǎn)出決策單元(DMU)的相對(duì)有效。DEA模型包括投入導(dǎo)向型和產(chǎn)出導(dǎo)向型,由于農(nóng)業(yè)產(chǎn)出具有不確定性,所以應(yīng)在產(chǎn)出不變的基礎(chǔ)上盡可能縮小投入。從規(guī)模報(bào)酬可變性角度來(lái)看,DEA模型分為規(guī)模報(bào)酬可變(VRS)模型和規(guī)模報(bào)酬不變(CRS)模型。在VRS模型中,綜合技術(shù)效率可分解為純技術(shù)效率和規(guī)模效率。為了分析我國(guó)31個(gè)省(市、區(qū))農(nóng)業(yè)生產(chǎn)效率水平及其低效的原因,選擇在VRS假設(shè)下的投入導(dǎo)向型的BCC模型,以期為農(nóng)業(yè)生產(chǎn)從技術(shù)和規(guī)模上提出相應(yīng)的改進(jìn)建議。

      設(shè)模型最優(yōu)解為θ*,λ*,s*+,s*-,則判定是否同時(shí)技術(shù)有效和規(guī)模有效有如下結(jié)論:(1)如果 θ*=1,s*+=0,s*-=0,則決策單元j0是DEA有效的,技術(shù)效率和規(guī)模效率同時(shí)有效。(2)如果θ*=1,但某決策單元輸入或輸出松弛量大于0,則j0是弱DEA有效,而技術(shù)效率和規(guī)模效率不是同時(shí)有效。(3)如果θ*<1,則j0是非DEA有效,而技術(shù)效率和規(guī)模效率都未達(dá)到最佳。

      1.2 Malmquist全要素指數(shù)法

      Malmquist指數(shù)法是一種基于DEA提出的,目前使用較廣泛的效率動(dòng)態(tài)評(píng)價(jià)方法。該方法于1953年提出,最初是為了研究消費(fèi)在不同時(shí)期的變化問題。之后,F(xiàn)are等對(duì)其進(jìn)行改進(jìn),成功將其與DEA結(jié)合[13]。Malmquist指數(shù)法通過構(gòu)建跨時(shí)期的投入和產(chǎn)出向量的徑向距離,對(duì)效率演化路徑和趨勢(shì)進(jìn)行分析。在t~t+1時(shí)期,投入導(dǎo)向型的Malmquist指數(shù)可以表示為

      式中:Dti、Dt+1i分別表示第i個(gè)地區(qū)t、t+1時(shí)期的距離函數(shù);xti、xt+1i分別表示t、t+1時(shí)期的投入;yti、yt+1i表示相應(yīng)產(chǎn)出。

      對(duì)公式(1)進(jìn)行整理分解

      2 指標(biāo)和數(shù)據(jù)選取

      2.1 效率分析層次

      由于我國(guó)地域廣闊,不同地區(qū)之間生態(tài)環(huán)境千差萬(wàn)別,農(nóng)業(yè)基礎(chǔ)差異較大,因此以國(guó)家為單位很難得到有意義的結(jié)果。為了更好地反映不同地區(qū)間農(nóng)業(yè)生產(chǎn)效率的區(qū)域差異,本研究選用省域作為效率分析層次。

      2.2 效率分析指標(biāo)選取

      根據(jù)DEA模型相關(guān)理論,農(nóng)業(yè)生產(chǎn)效率測(cè)算分析指標(biāo)包括投入指標(biāo)和產(chǎn)出指標(biāo)2類。根據(jù)評(píng)價(jià)指標(biāo)的科學(xué)性、一致性以及可得性,在梳理相關(guān)學(xué)者研究的基礎(chǔ)上進(jìn)行指標(biāo)選取。投入指標(biāo)包括自然要素和社會(huì)要素2個(gè)方面共6個(gè)指標(biāo),而產(chǎn)出指標(biāo)包括經(jīng)濟(jì)效益和社會(huì)效益2個(gè)方面共2個(gè)指標(biāo)(表1)。

      2.2.1 投入指標(biāo) 自然要素主要指土地要素投入,由于棄耕現(xiàn)象的存在,指標(biāo)選用農(nóng)作物總播種面積(×103 hm2)。社會(huì)生產(chǎn)要素:在勞動(dòng)力投入方面選取第一產(chǎn)業(yè)從業(yè)人員數(shù)(萬(wàn)人)并對(duì)其進(jìn)行衡量;在資本投入方面,農(nóng)業(yè)的機(jī)械化現(xiàn)代化發(fā)展使機(jī)械在各方面代替了人力,因此選取農(nóng)業(yè)機(jī)械動(dòng)力投入(萬(wàn)kW);在化肥、能源投入方面,選用化肥投入量(萬(wàn)t)、農(nóng)村用電量以及灌溉投入面積(×103 hm2)等指標(biāo)。

      2.2.2 產(chǎn)出指標(biāo) 經(jīng)濟(jì)效益方面,基于中國(guó)現(xiàn)有統(tǒng)計(jì)資料里較系統(tǒng)全面可靠的指標(biāo),選取農(nóng)林牧漁業(yè)總產(chǎn)值(億元),該總產(chǎn)值是廣義的農(nóng)業(yè)總產(chǎn)值,其統(tǒng)計(jì)口徑與投入指標(biāo)中廣義的農(nóng)業(yè)勞動(dòng)力即第一產(chǎn)業(yè)從業(yè)人員數(shù)及農(nóng)業(yè)機(jī)械動(dòng)力投入相對(duì)應(yīng)。從社會(huì)效益方面考慮,選用糧食作物產(chǎn)量(萬(wàn)t)指標(biāo)。

      2.3 數(shù)據(jù)來(lái)源

      上述指標(biāo)數(shù)據(jù)來(lái)源主要包括2個(gè)方面:中國(guó)31個(gè)?。ㄊ?、區(qū))的歷年統(tǒng)計(jì)年鑒;國(guó)家統(tǒng)計(jì)局分省年度數(shù)據(jù)。其中,2017年第一產(chǎn)業(yè)從業(yè)人員數(shù)部分省份數(shù)據(jù)缺失,采用線性回歸法對(duì)1995—2016年共22年數(shù)據(jù)進(jìn)行補(bǔ)缺處理。

      3 基于DEA的農(nóng)業(yè)生產(chǎn)效率評(píng)價(jià)

      在VRS假設(shè)下用BCC模型測(cè)算我國(guó)2007—2017年農(nóng)業(yè)生產(chǎn)效率。利用統(tǒng)計(jì)的相應(yīng)指標(biāo)數(shù)據(jù),通過DEAP2.1分析得到2007—2017年我國(guó)31個(gè)?。ㄊ?、區(qū))農(nóng)業(yè)生產(chǎn)效率及其分解結(jié)果(表2)。其中,北京、上海、江蘇、福建、海南、重慶、四川、西藏、遼寧、吉林、黑龍江等11個(gè)省(市、區(qū))的規(guī)模效率、純技術(shù)效率、綜合技術(shù)效率均等于1.000。

      3.1 我國(guó)各省(市、區(qū))DEA綜合效益評(píng)價(jià)

      綜合技術(shù)效率是指現(xiàn)有農(nóng)業(yè)生產(chǎn)資源得到充分利用的程度,該效率值越接近于1,農(nóng)業(yè)生產(chǎn)的資源配置效率越高。由表2可知,2007—2017年我國(guó)農(nóng)業(yè)綜合技術(shù)效率均值為0.870,其分解所得的純技術(shù)效率為0.928,規(guī)模效率為0.938。在我國(guó)31個(gè)?。ㄊ?、區(qū))中,北京、上海、江蘇、福建、海南、重慶、四川、西藏、遼寧、吉林、黑龍江等11個(gè)?。ㄊ?、區(qū))的規(guī)模效率、純技術(shù)效率、綜合技術(shù)效率均等于1.000,屬于DEA有效,占比為35.5%。說(shuō)明這些地區(qū)在進(jìn)行農(nóng)業(yè)生產(chǎn)時(shí),生產(chǎn)資源的投入及產(chǎn)出達(dá)到了最佳配置。另外20個(gè)地區(qū)為非DEA有效,占比為64.5%,其中陜西省農(nóng)業(yè)生產(chǎn)效率最低,僅為0.600,寧夏回族自治區(qū)和山西省略高。分別分析各地區(qū)純技術(shù)效率及規(guī)模效率可知,部分地區(qū)在農(nóng)業(yè)生產(chǎn)過程中投入要素未能有效促進(jìn)產(chǎn)出,導(dǎo)致出現(xiàn)較低的純技術(shù)效率及規(guī)模效率,二者共同作用拉低了全國(guó)農(nóng)業(yè)綜合技術(shù)效率。

      將農(nóng)業(yè)綜合技術(shù)效率初步分解,從純技術(shù)效率和規(guī)模效率來(lái)看,我國(guó)DEA有效的11個(gè)地區(qū)的純技術(shù)效率和規(guī)模效率均達(dá)到最佳。與非DEA有效地區(qū)相比,這些地區(qū)進(jìn)行農(nóng)業(yè)生產(chǎn)時(shí)投入要素配置效率較高,不僅有較高的農(nóng)業(yè)生產(chǎn)資源的利用水平,且其農(nóng)業(yè)生產(chǎn)規(guī)模以及農(nóng)業(yè)生產(chǎn)技術(shù)水平等都與當(dāng)?shù)剞r(nóng)業(yè)發(fā)展水平相適應(yīng)。

      3.2 我國(guó)各?。ㄊ?、區(qū))技術(shù)效率分解評(píng)價(jià)

      純技術(shù)效率是指農(nóng)業(yè)生產(chǎn)資源的配置在不考慮規(guī)模因素條件下的有效程度,該效率值越接近1,資源配置狀況越接近于純技術(shù)有效。在非DEA有效的20個(gè)地區(qū)中,有浙江、山東、廣東、河南、湖南、內(nèi)蒙古、廣西7個(gè)?。▍^(qū))達(dá)到純技術(shù)效率有效,處于前沿;河北、江西、貴州、青海4個(gè)省純技術(shù)效率值在0.9~1.0之間;除山西?。?.606)、云南?。?.727)、陜西?。?.601)、甘肅省(0.676)以外,其他地區(qū)純技術(shù)效率值在0.8~0.9。從純技術(shù)效率值地區(qū)分布結(jié)果來(lái)看,部分地區(qū)的非DEA有效是由規(guī)模低效率引起的。

      規(guī)模效率是指第一產(chǎn)業(yè)從業(yè)人員數(shù)、農(nóng)業(yè)機(jī)械動(dòng)力投入、化肥投入、農(nóng)村用電量等投入與農(nóng)林牧副漁業(yè)總產(chǎn)值、糧食作物產(chǎn)量等產(chǎn)出之間是否達(dá)到最佳狀態(tài)。規(guī)模效率值取值范圍是0.000~1.000,1.000為規(guī)模效率最佳值,越接近于1.000規(guī)模效率越高。由表2可知,非DEA有效地區(qū)只有青海省達(dá)到規(guī)模效率最佳。天津、廣東、山西、江西、湖南、內(nèi)蒙古、貴州、云南、陜西、甘肅、新疆11個(gè)省(市、區(qū))規(guī)模效率處于0.9~1.0;浙江、山東、安徽、湖北4個(gè)省規(guī)模效率處于0.8~0.9之間;寧夏回族自治區(qū)最低,僅為0.675,其他地區(qū)規(guī)模效率則處于 0.7~0.8之間,屬于較低水平。

      4 基于Malmquist指數(shù)的生產(chǎn)效率動(dòng)態(tài)分析

      為了對(duì)我國(guó)農(nóng)業(yè)生產(chǎn)效率進(jìn)行更加全面直觀地認(rèn)識(shí),繼續(xù)運(yùn)用Deap 2.1軟件,通過Malmquist指數(shù)對(duì)2007—2017年我國(guó)31個(gè)省(市、區(qū))的農(nóng)業(yè)生產(chǎn)進(jìn)行動(dòng)態(tài)分析。對(duì)全要素生產(chǎn)率進(jìn)行分解分析,初步分為技術(shù)進(jìn)步效率和技術(shù)效率,而技術(shù)效率又是純技術(shù)效率和規(guī)模效率共同作用的結(jié)果。因此,分解公式對(duì)農(nóng)業(yè)全要素生產(chǎn)率進(jìn)行逐步深入分析。

      4.1 我國(guó)農(nóng)業(yè)生產(chǎn)效率變化分析

      從時(shí)間序列角度來(lái)看,以2007年數(shù)據(jù)為基數(shù),2007—2017年全國(guó)年度農(nóng)業(yè)全要素生產(chǎn)率指數(shù)值見表3。由表3可知,農(nóng)業(yè)全要素生產(chǎn)率值的影響因素及變化速度存在明顯的年度差異。2007—2017年我國(guó)的農(nóng)業(yè)全要素生產(chǎn)率年均增長(zhǎng)4.3%。具體來(lái)看,研究期間農(nóng)業(yè)技術(shù)進(jìn)步效率年均增長(zhǎng)3.9%,而農(nóng)業(yè)技術(shù)效率年均增長(zhǎng)0.4%。進(jìn)一步分解分析可知,純技術(shù)效率年均增長(zhǎng)0.4%,而規(guī)模效率則平均不變。說(shuō)明我國(guó)農(nóng)業(yè)雖然是勞動(dòng)密集型產(chǎn)業(yè),技術(shù)水平較低,但隨著農(nóng)業(yè)生產(chǎn)方式的轉(zhuǎn)變,農(nóng)業(yè)技術(shù)推廣,農(nóng)業(yè)技術(shù)進(jìn)步效率得以提升。而其規(guī)模效率沒有明顯的提升,未能為我國(guó)農(nóng)業(yè)全要素生產(chǎn)率的提升做出積極貢獻(xiàn)。

      由表3數(shù)據(jù)可得2007—2017年的全要素生產(chǎn)率、技術(shù)進(jìn)步效率、技術(shù)效率變化趨勢(shì)圖(圖1)。由圖1可知,2007—2017年我國(guó)農(nóng)業(yè)全要素生產(chǎn)效率與農(nóng)業(yè)技術(shù)進(jìn)步效率的變化趨勢(shì)相同,技術(shù)進(jìn)步帶動(dòng)了農(nóng)業(yè)全要素生產(chǎn)效率的提高。在2008—2009年以及2013—2014年期間全要素生產(chǎn)率明顯降低,與之相對(duì)應(yīng)的技術(shù)進(jìn)步效率也呈現(xiàn)明顯的負(fù)增長(zhǎng)現(xiàn)象。其余時(shí)期,這2個(gè)指標(biāo)都整體正向增長(zhǎng)。而技術(shù)效率整體呈現(xiàn)出均衡的變化趨勢(shì)。2014年后全要素生產(chǎn)率呈現(xiàn)穩(wěn)步上升的趨勢(shì),技術(shù)效率和技術(shù)進(jìn)步效率也均呈現(xiàn)出良好的上升趨勢(shì)。

      4.2 我國(guó)各?。ㄊ?、區(qū))的農(nóng)業(yè)生產(chǎn)效率分析

      從地區(qū)變化角度來(lái)看,2007—2017年我國(guó)分省農(nóng)業(yè)全要素生產(chǎn)率及其分解結(jié)果見表4。從分省TFP計(jì)算結(jié)果可知,2007—2017年我國(guó)農(nóng)業(yè)生產(chǎn)率總體向好,除西藏自治區(qū)外,各?。ㄊ?、區(qū))平均TFP均實(shí)現(xiàn)增長(zhǎng)。且其地區(qū)的TFP大于1.00,其技術(shù)進(jìn)步效率均大于1.00?在農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)中起促進(jìn)作用。北京、浙江、福建、山西、內(nèi)蒙古、青海、新疆7個(gè)?。ㄊ?、區(qū))的TFP大于1.06,這7個(gè)地區(qū)屬于農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng)較強(qiáng)的區(qū)域,占總數(shù)的22.6%。其中,北京市、浙江省、福建省和青海省農(nóng)業(yè)生產(chǎn)率的增長(zhǎng)主要依靠技術(shù)進(jìn)步效率的提升,規(guī)模效率和純技術(shù)效率的促進(jìn)作用較小。而山西省和新疆維吾爾自治區(qū)農(nóng)業(yè)生產(chǎn)效率提升是技術(shù)進(jìn)步效率和純技術(shù)效率上升彌補(bǔ)規(guī)模效率下降后共同作用的結(jié)果。內(nèi)蒙古自治區(qū)則是技術(shù)進(jìn)步效率和規(guī)模效率上升效應(yīng)被純技術(shù)效率下降抵消一部分后的結(jié)果。TFP處于1.00~1.06區(qū)域的地區(qū),除湖南省外其純技術(shù)進(jìn)步效率均大于或等于1.000,農(nóng)業(yè)生產(chǎn)率增長(zhǎng)較弱主要是由規(guī)模效率下降導(dǎo)致的。湖南省則是規(guī)模效率與技術(shù)進(jìn)步效率均下降的作用結(jié)果。東部地區(qū)為帶動(dòng)國(guó)民經(jīng)濟(jì)發(fā)展的核心區(qū),其TFP相對(duì)優(yōu)越。中部地區(qū)為重要的糧食生產(chǎn)基地,其TFP整體呈穩(wěn)定上升趨勢(shì),但規(guī)模效率衰減問題明顯。西部地區(qū)除西藏自治區(qū)外,TFP整體向好。東北地區(qū)農(nóng)業(yè)生產(chǎn)效率呈上升趨勢(shì),技術(shù)效率增強(qiáng)。總體來(lái)看,TFP的提高主要依賴于農(nóng)業(yè)技術(shù)進(jìn)步和農(nóng)業(yè)生產(chǎn)知識(shí)的普及。農(nóng)業(yè)生產(chǎn)中生產(chǎn)規(guī)模科學(xué)合理的規(guī)劃與農(nóng)業(yè)技術(shù)進(jìn)步相結(jié)合,能夠有效促進(jìn)生產(chǎn)效率提升。

      5 結(jié)論與啟示

      本研究采用DEA和Malmquist指數(shù)分解法對(duì)我國(guó)31個(gè)?。ㄊ?、區(qū))2007—2017年的農(nóng)業(yè)生產(chǎn)效率進(jìn)行分析,得到以下結(jié)論及啟示。

      第一,我國(guó)農(nóng)業(yè)綜合技術(shù)效率的省際間不平衡是純技術(shù)效率與規(guī)模效率共同作用的結(jié)果。從2007—2017年分省DEA分析結(jié)果看,共11個(gè)?。ㄊ?、區(qū))達(dá)到DEA有效。未達(dá)到DEA有效的20個(gè)地區(qū)中,綜合技術(shù)效率最低的為陜西省,僅為0.600。進(jìn)一步分析發(fā)現(xiàn),其對(duì)應(yīng)的純技術(shù)效率僅為0.601,而規(guī)模效率達(dá)到0.998(接近于1),可見該省較低的純技術(shù)效率拉低了綜合技術(shù)效率;而廣西壯族自治區(qū)純技術(shù)效率為1.000,規(guī)模效率為0.751,可見該省較低的規(guī)模效率導(dǎo)致了低綜合技術(shù)效率。說(shuō)明省際間農(nóng)業(yè)發(fā)展不平衡受純技術(shù)效率和規(guī)模效率的共同影響。

      第二,要提高我國(guó)農(nóng)業(yè)TFP,農(nóng)業(yè)發(fā)展中既要重視技術(shù)進(jìn)步,又要重視資源有效配置以及經(jīng)濟(jì)規(guī)模最優(yōu)。中部地區(qū)多數(shù)省份的技術(shù)進(jìn)步效率較高,規(guī)模效率卻存在小于1的地區(qū),有衰減趨勢(shì)。西部地區(qū)多數(shù)省份技術(shù)效率和技術(shù)進(jìn)步效率雖然大于或等于1但接近于1,各方面發(fā)展速度仍有待提高。2007—2017年我國(guó)農(nóng)業(yè)全要素生產(chǎn)率平均提高4.3%,其增長(zhǎng)主要源自于技術(shù)進(jìn)步效率的提升,達(dá)到3.9%,而技術(shù)效率提升僅為其貢獻(xiàn)了0.4%。對(duì)技術(shù)效率進(jìn)一步分解可知,純技術(shù)效率平均提升0.4%,而規(guī)模效率提升為0,對(duì)農(nóng)業(yè)生產(chǎn)效率貢獻(xiàn)很小。要提升我國(guó)TFP,應(yīng)該在注重研發(fā)投入的同時(shí)優(yōu)化投入產(chǎn)出結(jié)構(gòu)及規(guī)模。

      參考文獻(xiàn):

      [1]趙素燕,武 婷.“三農(nóng)”強(qiáng)則國(guó)強(qiáng):實(shí)施鄉(xiāng)村振興戰(zhàn)略的系統(tǒng)思考[J]. 系統(tǒng)科學(xué)學(xué)報(bào),2019,27(4):81-85,102.

      [2]劉宇航,張洪晨,王志丹,等. 國(guó)外提升農(nóng)業(yè)生產(chǎn)效率對(duì)中國(guó)的啟示與借鑒——以美國(guó)、日本、澳大利亞等國(guó)為例[J]. 世界農(nóng)業(yè),2015(2):60-63.

      [3]楊建利,邢嬌陽(yáng). 我國(guó)農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革研究[J]. 農(nóng)業(yè)現(xiàn)代化研究,2016,37(4):613-620.

      [4]王 玨,宋文飛,韓先鋒. 中國(guó)地區(qū)農(nóng)業(yè)全要素生產(chǎn)率及其影響因素的空間計(jì)量分析——基于1992—2007年省域空間面板數(shù)據(jù)[J]. 中國(guó)農(nóng)村經(jīng)濟(jì),2010(8):24-35.

      [5]Johnson D G. Agriculture and the wealth of nations[J]. American Economic Review,1997,87(2):1-12.

      [6]石 慧,孟令杰,王懷明. 中國(guó)農(nóng)業(yè)生產(chǎn)率的地區(qū)差距及波動(dòng)性研究——基于隨機(jī)前沿生產(chǎn)函數(shù)的分析[J]. 經(jīng)濟(jì)科學(xué),2008(3):20-33.

      [7]張 樂,曹 靜. 中國(guó)農(nóng)業(yè)全要素生產(chǎn)率增長(zhǎng):配置效率變化的引入——基于隨機(jī)前沿生產(chǎn)函數(shù)法的實(shí)證分析[J]. 中國(guó)農(nóng)村經(jīng)濟(jì),2013(3):4-15.

      [8]溫紅梅,王雪瑩. 黑龍江省農(nóng)業(yè)生產(chǎn)效率影響因素的實(shí)證分析[J]. 哈爾濱商業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2016(3):78-84.

      [9]任世鑫,謝志祥,楊 洋,等. 基于超效率DEA的中原經(jīng)濟(jì)區(qū)農(nóng)業(yè)生產(chǎn)效率研究[J]. 華中師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2016,50(2):282-287.

      [10]劉鳳梅. 基于 Malmquist 指數(shù)的我國(guó)區(qū)域農(nóng)業(yè)生產(chǎn)效率動(dòng)態(tài)評(píng)價(jià)及其應(yīng)對(duì)策略[J]. 江蘇農(nóng)業(yè)科學(xué),2016,44(11):505-508.

      [11]王 丹,王征兵,李雙元. 青海省農(nóng)業(yè)生產(chǎn)效率動(dòng)態(tài)評(píng)價(jià)及提升對(duì)策研究[J]. 青海社會(huì)科學(xué),2016(3):107-115.

      [12]何澤軍,李 瑩. 基于DEA-Malmquist指數(shù)法中國(guó)農(nóng)業(yè)全要素生產(chǎn)率變化特征分析[J]. 河南農(nóng)業(yè)大學(xué)學(xué)報(bào),2018,52(5):839-844.

      [13]Fre R,Grosskopf S,Lindgren B,et al. Productivity changes in swedish pharamacies 1980—1989:a non-parametric malmquist approach[J]. Journal of Productivity Analysis,1992,3(1/2):85-101.劉 明,王彥美,江汶靜. 2009—2018年重慶市農(nóng)村建設(shè)用地面積與農(nóng)村人口數(shù)量的時(shí)空特征及耦合關(guān)系[J]. 江蘇農(nóng)業(yè)科學(xué),2020,48(21):315-319.

      猜你喜歡
      技術(shù)效率數(shù)據(jù)包絡(luò)分析
      長(zhǎng)株潭地區(qū)高職院校旅游管理專業(yè)辦學(xué)效率研究
      職教論壇(2016年26期)2017-01-06 19:29:53
      中國(guó)地區(qū)農(nóng)業(yè)技術(shù)效率和技術(shù)差距研究
      陜西省裝備制造業(yè)技術(shù)創(chuàng)新效率評(píng)價(jià)
      財(cái)產(chǎn)保險(xiǎn)公司技術(shù)效率及其影響因素實(shí)證研究
      基于DEA模型的沈陽(yáng)市城市土地利用效益分析
      商(2016年33期)2016-11-24 21:57:42
      湖北省十二市全要素生產(chǎn)率的比較分析
      商(2016年33期)2016-11-24 20:09:16
      我國(guó)旅游上市公司效率評(píng)價(jià)研究
      基于網(wǎng)絡(luò)DEA方法的我國(guó)商業(yè)銀行效率研究
      商(2016年5期)2016-03-28 12:02:53
      武穴市| 双城市| 徐州市| 巫山县| 德惠市| 普安县| 闸北区| 两当县| 乌兰浩特市| 乌恰县| 江西省| 金塔县| 始兴县| 时尚| 永仁县| 太谷县| 苏尼特右旗| 潮州市| 连平县| 涪陵区| 年辖:市辖区| 柳林县| 泽普县| 盐源县| 鹤山市| 大方县| 炎陵县| 句容市| 明水县| 运城市| 嘉兴市| 顺平县| 大埔区| 遵义市| 和龙市| 龙井市| 安阳市| 英吉沙县| 深泽县| 磴口县| 莱阳市|