基于超效率三阶段SBM模型的安徽省农业生产效率测度及其时空差异分析

胡大双; 陈晓玲; 李敏; 周灵琳

doi:10.12371/j.ynau(s).202206043

基于超效率三阶段SBM模型的安徽省农业生产效率测度及其时空差异分析

doi: 10.12371/j.ynau(s).202206043

安徽财经大学统计与应用数学学院，安徽蚌埠 233030

基金项目: 安徽省高校人文社会科学研究项目（重点）“新冠疫情对脱贫农户非农就业影响与对策研究”（SK2021A0225）；安徽财经大学研究生科研创新基金项目“乡村振兴背景下安徽省数字农业生产效率评价与影响因素分析——基于DEA-Malmquist-CLAD方法” (ACYC2021389)

详细信息

作者简介:
胡大双（1999—），女，湖北恩施人，硕士研究生，主要从事宏观经济统计研究

通讯作者:
陈晓玲（1964—），女，安徽蚌埠人，教授，主要从事宏观经济统计研究

中图分类号: F 323.3
计量
- 文章访问数: 1082
- HTML全文浏览量: 392
- PDF下载量: 21
- 被引次数: 0
出版历程
- 收稿日期: 2022-06-10
- 录用日期: 2022-09-21
- 修回日期: 2022-09-20
- 网络出版日期: 2022-09-27
- 刊出日期: 2022-10-14

Measurement of Agricultural Production Efficiency and Its Spatial-temporal Differences in Anhui Province Based on Three-stage SBM Model

College of Statistics and Applied Mathematics, Anhui University of Finance and Economics, Bengbu 233030, China

摘要

摘要: 基于安徽省16个地级市数据，选取2010—2020年作为研究时间段，综合考虑环境因素及随机干扰的影响，采用超效率三阶段SBM模型及Malmquist指数方法从静态和动态角度分析安徽省的农业生产效率与时空特征。研究结果表明，环境因素与随机干扰均显著影响农业生产效率，排除上述干扰之后：（1）2010—2020年安徽省农业生产平均效率整体稳定并呈增长态势，只有3年非DEA有效。测度出的16个地级市中，有7个地区平均效率处于DEA有效状态，有9个地区处于非DEA有效状态；（2）根据时空特征分析结果，2010—2020年平均效率有效的地市主要集中在安徽的西南区域，而东北区域平均效率相对较低；（3）Malmquist指数结果表明安徽省全要素年平均增长率为3.9%。各地级市中排名前3的地区全要素生产率的改善主要得益于技术效率贡献；排名3～9的地区全要素生产率改善主要得益于技术进步要素的贡献，而排名在第9名以后的地级市主要是由于规模效率影响技术效率值增加，从而影响全要素生成产率的改善。针对安徽省农业生产效率尚存在的不足，提出相关政策性的建议。
- 农业生产效率 /
- 超效率三阶段SBM /
- Malmquist /
- 环境变量
Abstract: Based on the data of 16 prefectures in Anhui Province, this article selects the period of 2010—2020 as the study time period, takes into account the influence of environmental factors and random disturbances, and analyzes the agricultural production efficiency and temporal and spatial characteristics of Anhui Province from static and dynamic perspectives by using the super-efficient three-stage SBM model and Malmquist index method. The results show that both environmental factors and random disturbances significantly affect agricultural production efficiency. After excluding the above disturbances:（1）The average efficiency of agricultural production in Anhui Province is stable and growing overall from 2010 to 2020, with only three years of non-DEA validity. Among the 16 prefecture-level cities measured, 7 regions have average efficiency in DEA effective state and 9 regions are in non-DEA effective state.（2）According to the analysis results of spatial and temporal characteristics, the average efficiency and efficiency of cities from 2010 to 2020 are mainly concentrated in the southwest region of Anhui, while the average efficiency in the northeast region is relatively low.（3）Malmquist index results show that Anhui province has the highest annual average growth rate of total factors. Among prefecture-level cities, the top three regions’ total factor productivity improvement is mainly due to the promotion effect of technical efficiency, while the third to ninth regions’ total factor productivity improvement is due to the promotion effect of technological progress factors. The prefecture-level cities ranked after the 9th are mainly due to the scale efficiency which affects the increase of technical efficiency value and thus the improvement of total factor productivity. Finally, the article proposes policy recommendations to address the remaining shortcomings of agricultural production efficiency in Anhui Province.
- agricultural production efficiency /
- super-efficiency three-stage SBM /
- Malmquist /
- environmental variables

HTML全文

图 1 第一阶段安徽省超效率SBM均值变化趋势

下载: 全尺寸图片幻灯片

图 2 第三阶段安徽省农业生产效率均值变化趋势

下载: 全尺寸图片幻灯片

图 3 2010—2022安徽省全要素生产率及其构成的变化趋势

下载: 全尺寸图片幻灯片

表 1 变量的定义与度量

变量类型	变量名称	指标	符号	单位
产出变量	农业产出值	第一产业增加值	OP	亿元
投入变量	劳动力投入	第一产业从业人员数	I₁	万人
	技术投入	农业机械总动力	I₂	万kW
	灌溉投入	有效灌溉面积	I₃	千hm²
	化肥投入	化肥施用量	I₄	万t
	土地投入	农作物播种面积	I₅	千hm²
环境变量	经济发展水平	农村居民家庭人均可支配收入	E₁	年
	政策	农林水事物支出	E₂	万元
	城镇化率	城镇人口占总人口比率	E₃	%
	农业结构	农作物种植面积占总播种面积比率	E₄	元
	工业化水平	第二产业产值占总产值比率	E₅	%
	教育	人均受教育年限	E₆	%

下载: 导出CSV

表 2 投入产出指标的Pearson相关系数

	OP	I₁	I₂	I₃	I₄	I₅
OP	1.000
I₁	0.855***	1.000
I₂	0.835***	0.812***	1.000
I₃	0.905***	0.808***	0.891***	1.000
I₄	0.898***	0.863***	0.893***	0.875***	1.000
I₅	0.921***	0.910***	0.928***	0.921***	0.939***	1.000
注：、、** 分别表示在 0.1、0.05、0.01 水平上显著，表4同。

下载: 导出CSV

表 3 第一阶段安徽省16个地市超效率SBM值

地区	2010	2011	2012	2013	2014	2015	2016	2017	2018	2019	2020	均值	排序
合肥市	1.32	1.32	1.33	1.36	1.38	1.42	1.46	1.42	1.67	1.36	1.42	1.41	2
淮北市	0.48	0.50	0.51	0.53	0.54	0.52	0.48	0.54	0.52	0.50	0.52	0.51	16
亳州市	0.59	0.65	0.63	0.61	0.58	0.54	1.03	0.57	0.51	0.56	0.54	0.62	15
宿州市	1.06	1.00	1.02	1.01	1.01	1.00	0.73	0.71	0.62	0.65	1.00	0.89	10
蚌埠市	1.01	1.02	1.02	1.04	1.04	1.04	1.05	1.05	1.04	1.03	1.04	1.03	5
阜阳市	1.00	1.00	1.00	1.00	1.00	1.00	1.00	1.00	1.00	1.00	1.00	1.00	6
淮南市	0.65	1.01	1.01	0.77	0.79	0.52	0.55	0.56	0.50	0.47	0.52	0.67	13
滁州市	0.76	0.74	0.72	0.71	0.71	0.67	0.66	0.65	0.56	0.64	0.67	0.68	12
六安市	0.74	0.65	0.63	0.59	0.60	0.67	0.69	0.69	0.62	0.71	0.67	0.66	14
马鞍山市	1.25	0.93	0.91	0.88	0.84	0.83	0.85	1.00	1.03	0.87	0.83	0.93	8
芜湖市	1.00	1.06	1.04	1.06	1.01	1.01	0.89	1.00	0.85	1.01	1.01	0.99	7
宣城市	0.85	1.00	1.00	0.88	0.86	0.84	0.87	0.90	1.01	1.04	0.84	0.92	9
铜陵市	1.65	2.39	2.38	2.46	2.46	0.73	0.79	0.80	1.00	1.17	0.73	1.50	1
池州市	0.80	0.87	1.00	0.87	0.88	0.86	0.84	0.86	0.85	1.07	0.86	0.89	11
安庆市	1.12	1.09	1.08	1.08	1.05	1.03	1.03	1.03	1.01	1.03	1.03	1.05	4
黄山市	1.18	1.30	1.27	1.28	1.28	1.47	1.41	1.39	1.39	1.36	1.47	1.34	3
均值	0.97	1.03	1.04	1.01	1.00	0.88	0.89	0.89	0.88	0.91	0.88	0.94	—

下载: 导出CSV

表 4 第二阶段SFA回归分析结果

环境变量	松弛变量
环境变量	I₁	I₂	I₃	I₄	I₅
C	175.53***	1554.34***	47.83	−35.59***	1437.08***
E₁	−4.56**	−70.95	66.14***	3.85**	12.99
E₂	5.55***	45.77***	16.55***	1.31***	36.59***
E₃	−15.95***	−226.52*	−68.48**	0.75***	−180.76*
E₄	9.89	307.72**	57.46	10.71***	316.46**
E₅	12.66***	−69.19	40.53	−6.62	−67.93
E₆	−10.16***	143.54	−108.48	2.28	−247.09
$ {\mathrm{\sigma }}^{2} $	780.23***	28100.64***	4552.53***	138.95**	23448.55***
$ \mathrm{\gamma } $	0.86***	0.73***	0.85***	0.96***	0.82***
Log likelihood	−716.02	−1057.3217	−854.8	−429.24	−1010.72
LR test	105.11	79.65	101.77	100.78	120.74

下载: 导出CSV

表 5 第三阶段安徽省16个地市超效率SBM值

地级市	2010	2011	2012	2013	2014	2015	2016	2017	2018	2019	2020	均值	排名
合肥市	1.01	1.01	1.01	0.92	1.01	1.01	0.86	1.01	1.02	1.03	1.02	0.99	10
淮北市	1.00	0.98	0.97	1.00	0.96	1.00	1.04	1.00	1.00	1.00	0.96	0.99	9
亳州市	0.97	0.94	0.96	0.96	0.97	1.00	1.15	0.97	0.98	1.00	1.00	0.99	8
宿州市	1.00	1.01	1.02	1.02	1.01	1.01	0.86	0.96	1.00	0.99	1.00	0.99	11
蚌埠市	1.02	1.02	1.01	1.01	1.01	1.01	1.01	1.01	1.02	1.02	1.02	1.02	4
阜阳市	1.00	1.00	1.00	1.00	1.00	1.00	1.00	1.00	1.00	1.00	1.00	1.00	7
淮南市	1.02	1.01	1.01	0.97	1.00	1.04	1.05	1.05	1.05	1.05	1.02	1.03	3
滁州市	0.95	1.00	0.96	0.94	1.00	0.95	0.88	1.01	0.97	1.00	1.01	0.97	12
六安市	1.04	1.03	1.04	1.06	1.02	1.02	1.04	1.04	1.03	1.03	0.97	1.03	2
马鞍山市	1.00	0.97	0.95	0.94	0.92	0.95	0.93	0.98	1.00	1.00	0.93	0.96	14
芜湖市	1.01	1.01	1.00	0.96	1.00	1.01	0.93	0.97	0.90	0.95	0.94	0.97	13
宣城市	0.96	0.89	0.91	0.93	0.94	0.93	0.91	0.95	0.88	0.88	0.90	0.91	16
铜陵市	1.44	1.69	1.68	1.71	1.71	1.04	1.03	1.04	1.05	1.07	1.12	1.33	1
池州市	0.92	0.93	0.98	0.95	0.96	0.96	0.95	0.96	0.92	0.93	0.93	0.94	15
安庆市	1.02	1.02	1.02	1.02	1.02	1.01	0.89	1.00	1.00	1.00	1.00	1.00	6
黄山市	1.01	1.01	1.01	1.01	1.01	1.00	1.00	1.00	1.03	1.02	1.02	1.01	5
均值	1.02	1.03	1.03	1.02	1.03	1.00	0.97	1.00	0.99	1.00	0.99	1.01

下载: 导出CSV

表 6 2010—2020安徽省全要素生产率及其构成的变化趋势

年份	技术效率变化 Effch	技术进步变化 Techch	纯技术效率变化 Pech	规模效率变化 Sech	全要素生产率变化 Tfpch
2010—2011	1.009	1.176	1	1.01	1.187
2011—2012	0.997	1.043	0.999	0.998	1.04
2012—2013	1.036	0.995	1.001	1.036	1.031
2013—2014	0.983	0.974	1	0.983	0.958
2014—2015	1.109	1.006	0.999	1.11	1.115
2015—2016	0.995	1	1	0.995	0.995
2016—2017	0.995	0.98	1	0.995	0.975
2017—2018	0.963	1.035	0.999	0.963	0.996
2018—2019	1.022	1.011	0.996	1.026	1.033
2019—2020	0.987	1.099	1.005	0.981	1.084
均值	1.009	1.03	1	1.009	1.039
注：Effch=Pech×Sech ；Tfpch=Effch×Techch。

下载: 导出CSV

表 7 2010—2020年安徽省16个地市全要素生产率平均增长分解

地级市	技术效率变化 Effch	技术进步变化 Techch	纯技术效率变化 Pech	规模效率变化 Sech	全要素生产率变化 Tfpch	排名
合肥市	1.000	1.046	1	1.000	1.046	5
淮北市	1.002	1.029	1	1.002	1.03	9
亳州市	0.994	1.03	1	0.994	1.024	10
宿州市	0.995	1.029	1	0.995	1.023	11
蚌埠市	1.004	1.028	1	1.004	1.032	6
阜阳市	1.000	1.032	1	1.000	1.032	6
淮南市	1.027	1.033	1	1.027	1.061	4
滁州市	0.996	1.036	1	0.996	1.032	6
六安市	0.987	1.036	1	0.987	1.022	12
马鞍山市	1.044	1.028	1	1.044	1.073	2
芜湖市	1.033	1.029	1	1.033	1.064	3
宣城市	0.992	1.025	1	0.992	1.018	14
铜陵市	1.102	1.029	1	1.102	1.134	1
池州市	0.994	1.026	1	0.994	1.02	13
安庆市	0.988	1.024	1	0.988	1.011	16
黄山市	0.989	1.026	1	0.989	1.015	15
均值	1.009	1.03	1	1.009	1.039	−

下载: 导出CSV

参考文献(25)

[1]	陈悦. 安徽省生猪生产波动与预测研究[D]. 合肥: 安徽农业大学, 2018.
[2]	戈鑫. 农村居民乡村休闲旅游行为意向及其影响因素[D]. 青岛: 青岛大学, 2019.
[3]	崔迎迎, 陆新文. 安徽省农业生产效率及影响因素研究: 基于三阶段DEA-Tobit模型的实证分析[J]. 青岛农业大学学报(社会科学版), 2017, 29(4): 12. DOI: 10.3969/J.ISSN.1674-1471.2017.04.003.
[4]	马凤才, 郭喜伟, 陈璐. 基于三阶段DEA模型的辽宁省农业生产效率分析[J]. 农业经济, 2019(4): 15. DOI: 10.3969/j.issn.1001-6139.2019.04.005.
[5]	华坚, 李政霖, 吴祠金. 基于三阶段DEA-Malmquist模型的我国农业全要素生产率增长研究[J]. 江西农业学报, 2015, 27(10): 134. DOI: 10.3969/j.issn.1001-8581.2015.10.030.
[6]	江激宇, 王丽, 方莹, 等. 气候变化对农业生产效率的影响研究: 以安徽淮河生态经济带为例[J]. 内蒙古农业大学学报(社会科学版), 2022, 24(3): 1.
[7]	余玉敏, 陈万旭, 朱丽君, 等. 河南省农业生产效率测度及影响因素[J]. 水土保持研究, 2018, 25(5): 262.
[8]	王蕾, 于成成, 王敏, 等. 我国农业生产效率的政策效应及时空差异研究: 基于三阶段DEA模型的实证分析[J]. 软科学, 2019, 33(9): 33. DOI: 10.13956/j.ss.1001-8409.2019.09.06.
[9]	时悦, 梁净. 城镇化与农业生产效率耦合协调关系: 基于黑龙江省、辽宁省、吉林省3省数据分析[J]. 农林经济管理学报, 2019, 18(2): 190. DOI: 10.16195/j.cnki.cn36-1328/f.2019.02.22.
[10]	尼鲁帕尔·迪力夏提, 郭静利. 国家级农业科研院所科研效率评价及其影响因素: 基于DEA-Malmquist-Tobit模型[J]. 科技管理研究, 2021, 41(18): 66. DOI: 10.3969/j.issn.1000-7695.2021.18.009.
[11]	侯琳, 冯继红. 基于超效率DEA和Malmquist指数的中国农业生产效率分析[J]. 河南农业大学学报, 2019, 53(2): 316.
[12]	曾福生, 高鸣. 我国粮食生产效率核算及其影响因素分析: 基于SBM-Tobit模型二步法的实证研究[J]. 农业技术经济, 2012(7): 63.
[13]	崔宁波, 张正岩. 基于超效率DEA模型和Malmquist指数的黑龙江省农业生产效率测度[J]. 北方园艺, 2017(22): 192. DOI: 10.11937/bfyy.20171597.
[14]	罗茜. 中国银行业全要素生产率测度[D]. 重庆: 重庆大学, 2011.
[15]	徐志强, 吕斌, 戴岳. 基于三阶段DEA模型的中国地区能源效率评价[J]. 中国矿业, 2013, 22(5): 44. DOI: 10.3969/j.issn.1004-4051.2013.05.011.
[16]	王欣. 我国装备制造业全要素生产率测度[D]. 成都: 西南财经大学, 2010.
[17]	赵爽, 江心英. 基于三阶段DEA和Malmquist指数的长江经济带工业碳排放绩效研究[J]. 财经理论研究, 2018(4): 68. DOI: 10.3969/j.issn.1004-5295.2018.04.008.
[18]	郭军华, 倪明, 李帮义. 基于三阶段DEA模型的农业生产效率研究[J]. 数量经济技术经济研究, 2010, 27(12): 27.
[19]	王刚毅, 刘杰. 东北地区农业生产效率测度及影响因素[J]. 北方园艺, 2018(15): 192. DOI: 10.11937/bfyy.20174595.
[20]	钟丽雯, 张建兵, 蔡芸霜, 等. 近10年广西农业生产效率与全要素生产率时空演变与驱动因素分析[J]. 中国农业资源与区划, 2021, 42(9): 272. DOI: 10.7621/cjarrp.1005-9121.20210929.
[21]	周端明. 技术进步、技术效率与中国农业生产率增长: 基于DEA的实证分析[J]. 数量经济技术经济研究, 2009, 26(12): 70.
[22]	卞圣凯, 王吉发. 基于超效率SBM模型的东北地区农业生产效率研究[J]. 农业经济, 2021(8): 44. DOI: 10.3969/j.issn.1001-6139.2021.08.016.
[23]	李在军, 管卫华, 臧磊. 山东省耕地生产效率及影响因素分析[J]. 世界地理研究, 2013, 22(2): 167. DOI: 10.3969/j.issn.1004-9479.2013.02.020.
[24]	田野, 黄进, 安敏. 乡村振兴战略下农业现代化发展效率评价: 基于超效率DEA与综合熵值法的联合分析[J]. 农业经济问题, 2021(3): 100.
[25]	石象斌. 安徽在工业反哺农业中的思考[J]. 江淮论坛, 2007(4): 59. DOI: 10.3969/j.issn.1001-862X.2007.04.011.