The Impact of Green Production Socialization Services on Agricultural Production Efficiency: A Case Study of Rice Production in Jiangsu Province
-
摘要:
本研究利用2020年江苏省实地调研数据，通过四阶段DEA–Tobit模型实证检验绿色生产社会化服务对农户生产效率的影响及其可能的路径，并探讨不同规模下影响的差异。研究表明：（1）一阶段样本农户的平均生产效率为0.121，在剔除环境因素和管理无效率后综合效率值上升至0.511，处于较高效率水平，表明环境因素和管理无效率对样本农户水稻生产效率产生重要影响；（2）采用绿色生产社会化服务显著提高了样本农户水稻生产的全要素生产率，且对规模经营主体和小农户的影响并不具有明显差异，以上结论在稳健性检验后仍然成立。基于以上分析，本研究认为应该借鉴“政府购买+市场主体运作”等形式，调动多主体积极性，促进绿色生产社会化服务市场健全发展，实现农业现代化。
-
关键词:
- 绿色生产社会化服务 /
- 农业生产效率 /
- DEA–Tobit模型
Abstract:Using field research data in Jiangsu Province in 2020, this study empirically examined the impact of socialized green production services on farmers’ productivity and its possible paths using a four-stage DEA-Tobit model as an entry point, and further explored the differences in the impact at different scales. The results showed that, (1) The average production efficiency of the sample farmers in the first stage was 0.121, and the overall efficiency value increased to 0.511 after excluding environmental factors and management inefficiency, which was at a high efficiency level, indicating that environmental factors and management inefficiency had an important impact on the rice production efficiency of the sample farmers. (2) The adoption of socialized green production services significantly improved the total factor productivity of rice production of the sample farmers. Based on the above analysis, this study concluded that, we should make use of the form of “government purchase + market entity operation” to mobilize the enthusiasm of various entities and promote the sound development of the socialized green production service market.
-
对于农民来说，增加农业产出是增加收入的主要途径，而农业产出的增长一般有两个来源：一是要素投入的增加，二是生产效率的提高[1]。根据生产要素投入边际递减原则，过量增加要素不仅提高了生产成本，而且产出难以实现预期增长。此外，过量投入农药、化肥等要素的行为，短时间能够提高产出获得收益，长期来看也制约着农业的可持续发展。2018年农业农村部印发的《农业绿色发展技术导则（2018—2030年）》提出全面构建以绿色为导向的农业技术体系，在稳步提高农业土地产出率的同时，大幅度提高农业劳动生产率、资源利用率和全要素生产率[2]。然而，农业生产效率的提高仍然存在多重阻碍，如老龄化程度上升[3−6]、农户认知能力不足[7−8]、信息获取渠道少[9]、风险感知[10]、融资约束[11]等，迫切需要新型经营方式介入以破除困境。近年来，绿色农业社会化服务的发展和社会化服务体系的建立为推进绿色生产，提高生产效率提供了有效途径，如测土配方服务优化化肥要素的配置，降低了生产成本，同时根据土壤养分供给和作物养分需求合理施肥，能够提高作物的产量和质量。在全面推进农业绿色发展、以绿色发展引领乡村振兴的农业发展新阶段，绿色生产社会化服务是促进小农户与绿色生产相衔接、全面迈入农业绿色发展轨道的重要途径[12−13]。因此，有必要探讨绿色生产社会化服务这一新型生产经营模式对农业生产效率的作用及实现机理，从而为推进农业绿色可持续发展、提高农业现代化水平提供启发。
学界有关农业生产效率的研究十分丰富，主要集中在两个方面：一是农业生产效率的测算。目前国内外常用的农业生产效率测算方法主要包括DEA、SFA、Malmquist指数等。其中，DEA方法因具有对生产要素的数量和质量不作任何假设的优点被广泛应用，如王宝义等和田淑英等分别采用DEA方法测算我国各省份的农业生态效率和林业生产效率[14-15]。但DEA模型仍存在部分缺陷。Fried等人优化性地提出了三阶段DEA模型[16]，能够去除外部环境与随机误差对效率的影响，更真实地反映决策单元的内部管理水平，逐渐被学界应用。国外具有代表性的研究是Smith J等在2015年用三阶段DEA模型测算了Batinah地区60个农场的生产效率[17]，而国内的郭军华等运用三阶段DEA模型对中国2008年农业生产效率进行了实证分析[18]。二是农业生产效率的影响因素研究。学界对此关注较早，形成了较为全面的研究体系，主要包括气候[19]、自然灾害[20]等自然环境因素，劳动力[21]、资本[22]、技术[23]、土地[24−25]等生产要素因素，农业支持政策[26]、农村土地制度改革[27]等政策因素等。但鲜有研究专门探讨绿色生产社会化服务对农业生产效率的影响。
绿色生产社会化服务是指在保护环境、提高农产品质量的前提下，采用社会化服务的方式来推广和普及绿色生产技术和理念，从而提高农业生产效率和降低生产成本。当前，我国绿色生产社会化服务仍然处于发展阶段，目前对其研究较少，沈兴兴等人探索性地将绿色生产社会化服务定义为“处于生产阶段，并为农业绿色生产而提供的所有技术和服务”，强调环境与生态效益并重，在各生产环节提供服务之外还涉及资源化再利用、与循环产业对接及其他相关业务[12]。尽管学者们较少专门研究绿色生产社会化服务与农业生产效率的关系，但是已有学者从投入和产出角度说明农业绿色生产社会化服务能够优化农业生产要素配置结构[28]，降低生产成本，增加期望产出，通过社会化服务与绿色发展相融合是实现农业高质量发展的重要引擎[29]。
已有文献为本研究的开展奠定了基础，但仍然存在不足之处：大多数研究将绿色生产社会化服务纳入整个社会化服务体系考虑，缺乏对绿色生产社会化服务的单独关注；测算生产效率多使用传统DEA模型，忽略环境因素与管理无效率的影响，并不完全可靠。综上，本研究基于2020年江苏省土地调查数据，采用改进后的三阶段DEA模型测算农业生产效率，探究绿色生产社会化服务对生产效率的影响及规模异质性，以期为农业社会化服务的发展提供启发。
一、 理论分析
改造传统农业，其出路是引进新的现代化生产要素[30]。农业生产效率的提高是实现农业现代化的要求，而生产效率的提高离不开绿色生产社会化服务发展。社会化服务能够有效解决农业经营主体要素瓶颈问题，有助于经营主体克服小规模经营存在的缺陷，从而实现专业化分工与集约化服务。服务供给主体可以根据服务对象需求情况提供解决途径，彰显专业化分工优势，提高农业生产效率。与传统的农业生产社会化服务相比，绿色生产社会化服务有助于改善投入的结构与数量，优化生产要素配置[28]，如测土配方、节水灌溉等技术能够减少化肥和水资源的使用，降低投入成本，提高要素投入质量，有效提高生产要素的利用率。绿色生产社会化服务的出现，拓展了农户了解与运用绿色生产技术的途径，使农户能够更加迅速地获取绿色生产所需的资源和信息，采纳绿色生产技术服务更加便捷，推动小农户与现代农业相衔接。此外，从长期来看，有害化学物质的过量使用可能导致土地肥力下降，绿色投入要素的使用、资源的回收利用能够降低有害化学物质的外部性，改善环境福利，有助于长期农业生产效率的提高与可持续发展。绿色生产社会化服务影响农业全生产率提高的理论机制如图1所示。
绿色生产社会化服务对不同规模经营主体发挥的生产效率改进作用理论上存在差异，这主要由技术选用和采纳程度差异、交易成本差异和地块规模和集中连片条件差异引起的[31]。农业绿色生产的全过程，需要采取资源节约、生态友好和低碳循环生产方式，需要生产者提供资金、技术、设备、信息和其他现代生产要素，与传统的农业生产方式相比较，绿色生产对社会化服务提出了更高的要求。规模经营主体生产能力强，对能否可持续发展要求高，对于绿色生产方式与社会化服务的采纳意愿更加强烈。同时由于规模化经营，对于信息与资本的投入边际成本低于小农户，交易成本低，抵御风险的能力也更强，绿色生产社会化服务高昂的成本使小农户望而却步；此外，小农户分散化的地块特征也阻碍了绿色生产技术的采用[8]，因而影响了效率提升。现阶段绿色生产社会化服务在供给数量和质量上更偏好于规模经营主体，制约了小农户获取数量充足及质量优异的社会化服务，因此弱化了其对小农户技术效率的提升效应。
二、 研究方法
（一） 数据来源
本研究数据来源于南京农业大学2020年开展的中国土地经济调查（China Land Economic Survey）数据库，样本共计调查江苏省13个地级市和52个行政村，调查内容涵盖土地市场、农业生产、乡村产业、生态环境等多个领域。剔除部分数据缺失、信息前后矛盾的农户样本，最终得到有效样本1008份。
（二） 变量选择与描述性统计
1. 被解释变量
被解释变量为农业生产效率，采用数据包络分析（DEA）模型剔除管理无效率及环境因素后的估计。选取2019年农户水稻种植面积作为土地投入变量，水稻种植投入工日作为劳动投入变量，种子秧苗费、化肥费用、农药费用、水电及灌溉费用之和作为资本投入变量，机械作业费用作为机械投入变量，选取水稻总产量作为产出变量。具体变量如表1所示。
表 1 变量定义与描述性统计结果变量类型 变量名称 定义 均值 标准差 产出变量 产量 2019年水稻总产量 23233.2 99501.36 投入变量 土地投入 2019年水稻种植面积 37.16 134.37 劳动投入 2019年水稻投入工日 384.43 3223.94 资本投入 2019年水稻种植资金投入 13039.3 47182.07 机械投入 2019年水稻机械作业费用 559.98 195.46 环境变量 村人均收入 村人均纯收入金额 18044.88 8621.71 村到县城距离 村委会到县城的距离 19.74 13.94 政府扶持程度 全村农业生产性补贴 5748.53 33934.47 水稻种植占比 家庭水稻种植面积/总经营面积 0.92 0.63 被解释变量 农业生产效率 三阶段DEA模型测算综合效率值 0.511 0.234 主要解释变量 绿色生产社会化服务 是否采用绿色生产社会化服务 0.683 0.466 控制变量 农地规模 农地规模 0.129 0.335 年龄 户主年龄 61.492 9.93 兼业情况 户主非农工作天数/农业劳动天数 2.332 9.391 受教育程度 户主在校年限 6.984 3.501 健康状况 户主健康程度 3.926 1.091 农业技术培训 户主是否接受过农业技术培训 0.36 0.48 家庭规模 家庭常住人口数 3.43 1.685 平均年龄 家庭人口平均年龄 47.562 15.935 是否村干部 家庭内是否有村干部 0.143 0.35 地力情况 面积最大的一块地的土地肥力 2.393 0.627 土地流转情况 土地是否存在转入或转出 0.65 0.477 2. 解释变量
核心解释变量为绿色生产社会化服务。借鉴沈兴兴等[12]对绿色生产社会化服务的分类，结合问卷设置，选取测土配方技术服务、节能高效设施农业服务、节水灌溉技术、秸秆综合利用技术、农用清洁再生能源技术服务5项服务为代表。农户采用其中任何一项技术服务则认为其采用绿色生产社会化服务，均不采用则表明其并未采用绿色生产社会化服务。
3. 控制变量
参考已有研究，选取户主年龄、户主受教育水平、户主健康状况、家庭内是否有村干部、户主兼业情况，家庭规模、平均年龄、土地流转情况、地力情况和农业培训作为控制变量。变量的描述性统计如表1所示。
（三） 模型设定
1. 农业生产效率测算模型
本研究采用Fried等[16]提出的三阶段DEA模型测算农户的农业生产效率，相较于传统的DEA模型能更准确地反映决策单元投入产出效率。
（1）第一阶段：基于原始投入与产出变量的DEA分析
由于水稻种植生产效率受土地投入面积影响，本研究采用Fried[16]的规模报酬可变BCC修正模型。该模型分为投入导向型和产出导向型，投入导向型指在产出水平一定的情况下, 使得投入最小化的规划；产出导向型则指在投入水平一定的情况下, 使得产出最大化的规划。对决策单元即农户而言，投入要素更可控，因而本研究采用投入导向型，以原始的水稻投入产出数据进行效率评价。该模型测算的效率值为综合技术效率（TE），可以进一步分解为纯技术效率（PTE）和规模效率（SE），且
$ TE=PTE \times SE $ 。模型构建如下：$$\begin{split} &\underset{\theta ,\lambda }{\mathrm{min}}\left[\theta -\epsilon \left({{e}^{t}{s}^-+e}^{t}{s}^+\right)\right] \\&s.t.\sum _{i=1}^{n}{\lambda }_{i}{y}_{ir}-{s}^+={y}_{0r} \\ &\sum _{i=1}^{n}{\lambda }_{j}{y}_{ij}+{s}^-=\theta {x}_{0j}\\ &\sum _{i=1}^{n}{\lambda }_{i}=1;{\lambda }_{i}\geqslant 0;{s}^+\geqslant 0;{s}^-\geqslant 0\end{split}$$ (1) 式（1）中：
$ i=\mathrm{1,2},\cdots ,n;\;j=\mathrm{1,2},\cdots ,m;\;r=\mathrm{1}, \mathrm{2},\cdots ,s $ 。$ n $ 为决策单元的个数，$ m $ 和$ s $ 分别为投入与产出的变量的个数,$ {x}_{ij}\left(j=\mathrm{1,2},\cdots ,m\right) $ 为投入要素，$ {{y}_{ir}} (r= {\mathrm{1,2}},\cdots ,s) $ 为产出要素。若$ \theta =1,{s}^{+}= {s}^{-}= 0 $ ，则决策单元DEA有效；若$ \theta = 1,\;{s^ + } \ne 0 $ 或$ {s^ - } \ne 0 $ ,$ \theta=1,\; {s}^{+}\ne 0 $ 或$ {s}^{-}\ne 0 $ ，则决策单元弱DEA有效；若$ \theta $ <1，则决策单元非DEA有效。（2）第二阶段：利用SFA模型剔除管理无效率、环境因素及噪声统计的影响
本阶段的目的是将第一阶段测得的投入松弛变量分解为以上三种效应。通过建立SFA回归模型，将松弛变量对环境因素变量和混合误差项回归，根据回归结果调整原始投入，以此剔除外部环境因素和随机误差项对投入的影响，从而使得所有决策单元的比较均处于相同外部环境。
根据Fried等的研究方法，投入松弛变量的计算方法如下式：
$$ \begin{aligned}{s}_{ni}={x}_{ni}-{x}_{n}\lambda \geqslant 0,\;&n=\mathrm{1,2},\cdots ,N;\\& i={1,2},\cdots ,I\end{aligned} $$ (2) $ {s}_{ni} $ 是第一阶段中投入松弛变量值，$ {x}_{ni} $ 是原始投入变量值，${x}_{n}\lambda $ 是理论上最优的投入值。因而建立如下的SFA回归方程：$$ \begin{aligned} s_{ni}=f({Z}_{i};{\beta }_{n})+\nu_{ni}+\mu_{ni};\;&i={1,2},\cdots ,I;\\& n={1,2},\cdots ,N\end{aligned} $$ (3) 式（3）中,
$ {{n}}={1,2},\cdots,N;i={1,2},\cdots,I $ 。$ {s}_{ni} $ 表示第$ i $ 个决策单元第$ n $ 个投入的松驰值;$ {Z}_{i} $ 表示环境变量,$ {\beta }_{n} $ 为环境变量的待估计参数;$ {f}\left({Z}_{i};{\beta }_{n}\right) $ 代表环境变量对投入松弛变量的影响；$ {\nu }_{ni}+{\mu }_{ni} $ 是混合误差项，$ {\mu }_{ni} $ 与$ {\nu }_{ni} $ 独立不相关。$ {\nu }_{ni} $ 为随机扰动项，表示随机干扰因素对投入松弛变量的影响，$ {\mu }_{ni}\sim {N}^{+}({\mu }_{n} , {{\sigma }^{2}}_{un}) $ ；$ {\mu }_{ni} $ 为管理无效率变量，表示管理因素对投入松弛变量的影响，假定其服从在零点的截断正态分布，即$ {\mu }_{ni}\sim N\left(0，{\sigma }^{2}\right) $ 。由于Fried 等并没有给出管理无效率的估计公式，国内已有研究对其仍然存在分歧，本文根据罗登跃推导的公式进行管理无效率的分离。公式如下：$$ \begin{array}{c}{\rm E}\left(\mu |\varepsilon \right)={\sigma }_{*}\left[\dfrac{\varphi \left(\lambda \dfrac{\varepsilon }{\sigma }\right)}{\mathrm{\Phi }\left(\dfrac{\lambda \varepsilon }{\sigma }\right)}+\dfrac{\lambda \varepsilon }{\sigma }\right]\end{array} $$ (4) 式（4）中，
$ {\sigma }_{*}=\dfrac{{\sigma }_{\mu }{\sigma }_{\nu }}{\sigma } $ ,$ {\sigma }=\sqrt{{{\sigma }_{\mu }}^{2}+{{\sigma }_{\nu }}^{2}} $ ,$ \lambda =\dfrac{{\sigma }_{\mu }}{{\sigma }_{\nu }} $ 。$ \gamma =\dfrac{{\sigma }^{2}}{{{\sigma }_{\mu i}}^{2}+{{\sigma }_{\nu i}}^{2}} $ 是技术无效率方差与总方差之比，$ \gamma $ 值越接近1，环境因素的影响越大；反之，$ \gamma $ 值越接近0, 随机误差的影响越大。根据公式（3）的回归结果调整原始投入值，其调整公式如下：
$$ \begin{split}X_{ni}^{A}=&X_{ni}+\left[{\rm{max}}\left(f\left(Z_{i};{\widehat{\beta }}_{n}\right)\right)-f\left({Z}_{i};{\widehat{\beta }}_{n}\right)\right]+\\ &[{\rm{max}}\left({\nu }_{ni}\right)-\nu _{ni}]i={1,2},\cdots ,I;n={1,2},\cdots ,N\end{split} $$ (5) 式（5）中，
$ {X}_{ni}^{A} $ 为调整后投入；$ {X}_{ni} $ 为调整前投入；$ \left[{\rm{max}}\left(f\left({Z}_{i};{\widehat{\beta }}_{n}\right)\right)-f\left({Z}_{i};{\widehat{\beta }}_{n}\right)\right] $ 是对外部环境因素进行调整；$ \left[{\rm{max}}\left({\nu }_{ni}\right)-{\nu }_{ni}\right] $ 则是将所有决策单元调整到相同的环境水平下。此外，为了剔除环境变量间单位不同的影响，本研究对四个环境变量进行了标准化处理，以便更好地分析环境因素对生产效率的影响。
（3）第三阶段：用调整后的投入变量进行效率测算
将第二阶段测得的调整后投入
$ {X}_{ni}^{A} $ 变量作为新的投入变量，原始产出变量仍为产出变量，再次运行BCC模型，测算得到更加准确的生产效率值。2. 绿色生产社会化服务对农业生产效率的影响
由于三阶段DEA模型测算的农业生产效率值取值范围是0～1，因而在探究绿色生产社会化服务对农业生产效率的影响时采用Tobit模型。首先探讨绿色生产社会化服务对农业生产效率的影响，进而探讨其在不同经营规模下对生产效率调节作用。具体模型如下：
$$ \begin{aligned}Y=&{{\text{α}} }_{0}+{{\text{β}} }_{1}{gpss+{\text{β}} }_{2}sacle+{{\text{β}} }_{3}gpss\times sacle+\\ &{{\text{γ}} }_{i}{others}_{i}+{{\text{ε}} }_{i}\end{aligned} $$ (6) 式（6）中，Y指三阶段DEA模型最终测得的水稻生产效率值，
$ gpss $ 表示农户是否采用绿色生产社会化服务，$ sacle $ 指农户种植规模，大于3.33hm2为1、 小于3.33hm2为0，$ gpss\times sacle $ 为绿色生产社会化服务与农户规模交互项，$ others $ 表示其他控制变量，包括等变量，$ {{\text{α}}}_{0} $ 、$ {{\text{β}}}_{1} $ 、$ {{\text{β}} }_{2} $ 、$ {{\text{β}} }_{3} $ 、$ {{\text{γ}} }_{i} $ 为待估参数，$ {{\text{ε}} }_{i} $ 为随机干扰项。三、 实证结果与分析
（一） 三阶段DEA结果分析
通过运行deap2.1计算得到农户农业生产效率值，如表2所示。结果显示，第一阶段效率值处于较低水平，综合效率值、纯技术效率值和规模效率均值分别为0.121、0.210和0.656。在剔除环境因素和管理无效率后综合效率值上升了0.39，纯技术效率值提高了0.532，规模效率值上升到0.684，处于较高的效率水平。
表 2 农业生产效率计算结果项目 第一阶段 第三阶段 综合效率值 0.121 0.511 纯技术效率值 0.210 0.742 规模效率值 0.656 0.684 第二阶段利用Frontier 4.1进行SFA回归分析，回归结果如表3所示：所选择的环境变量大部分都在5%的水平上显著，表明环境因素对生产效率影响较大，利用SFA模型进行回归分析是有效的。环境变量的系数估计值代表其对投入冗余的影响，系数为正说明该环境变量加大了投入冗余，造成了生产效率降低，反之同理。村庄经济发展水平和交通条件对四个投入均具有显著正面影响，表明村人均收入的增加和交通条件改善会加重各要素投入浪费的情况，使生产效率降低；政策支持力度与土地要素和机械要素投入具有负向关系，与劳动投入和资本投入显著呈正向关系，且系数较大，这可能是由于政策补贴使农户有资金购买生产资料，加剧了资本投入冗余，但却投入提高了土地的生产效率；水稻种植占比只与土地投入冗余负相关，说明水稻占比越大，对于土地投入越集约，对于劳动、资本和机械的投入越冗余。
表 3 第二阶段SFA实证结果变量名称 土地投入冗余 劳动投入冗余 资本投入冗余 机械投入冗余 系数估计值 标准误 系数估计值 标准误 系数估计值 标准误 系数估计值 标准误 常数项 −41.617 2.922 −3603.128 2.847 −3603.128 2.847 −21557.551 15.463 经济发展水平 55.260** 10.622 3.162** 1.025 3.162*** 1.025 16787.640*** 2.140 交通条件 67.624*** 4.978 1702.949*** 1.432 1702.949*** 1.432 7829.574*** 6.299 政策支持力度 −18.553 3.090 558.765*** 1.135 558.765 1.135 −5059.945 3.225 水稻种植占比 −30.714 16.198 320.257*** 2.347 320.257*** 2.347 2359.255*** 15.218 sigma2 32585.639*** 0.996 23334306.000*** 1.000 23334306.000*** 1.000 809819550.000*** 1.000 gamma 1.000*** 0.000 1.000*** 0.000 1.000*** 0.000 1.000*** 0.000 LOG −5778.8298 −9184.4845 −11871.3600 −11051.6880 LR单边检验 904.8727*** 764.7047*** 524.5653** 560.8055*** 注：***、**、* 分别表示1%、5%、10%的显著性水平，下同。 第三阶段以调整后的投入产出值为变量再次运行deap2.1，得到新的农业生产效率。结果显示，剔除管理无效率和环境变量的影响后，农户综合效率、纯技术效率和规模效率均有所提高，且纯技术效率提高幅度最大，此时农户生产效率处于较高水平。这表明，管理无效率等环境因素对水稻生产的影响巨大，阻碍了水稻生产效率的提高，而农户生产要素投入相对合理。
（二） 绿色社会化服务对农业生产效率影响分析
运行软件stata16.0对样本数据进行Tobit回归分析，回归结果如表4所示。模型1与模型2分别测算了绿色生产社会化服务对农业生产效率的影响以及加入绿色生产社会化服务与农户规模类型交互项后对农业生产效率的影响。模型1中，绿色生产社会化服务对农业生产效率的影响在1%的水平上显著为正，说明农户采用绿色生产社会化服务会提高其生产效率。这可能是由于农户在采用绿色生产社会化服务之前，劳动力投入的数量和质量都难以实现合理配置，导致生产效率低下，绿色生产社会化服务将资金、信息、劳动力等资本整合，引入绿色生产技术，能够有效提高生产效率。而在模型2中表明，绿色生产社会化服务与农户规模类型去中心化后交互项的回归系数并不显著，表明绿色生产社会化服务对不同规模经营主体的影响并不具有明显的差异。可能的原因是，就目前来看，无论是规模经营主体还是小农户，绿色生产在整个农业生产环节占比较小，因而其对不同规模生产效率的调节作用并不显著。在农户个体特征方面，户主年龄对农业生产效率的影响显著为负，这可能是因为年龄越大农户投入在农业生产中的人力资本的数量和质量越低，也抑制了新型生产技术的使用与土地的培肥养护，因而导致农业生产效率下降。户主受教育水平、户主健康状况和户主兼业情况对农业生产效率的影响都为负，可能的原因是受教育水平和健康状况越好，对农业的精细化管理投入越多，潜在降低了其他生产要素的投入，而非农工作时间越长对农业生产的时间精力投入会越少，使得生产效率下降；家庭特征方面，家庭人口数和家庭平均年龄对生产效率产生正向影响；农地特征变量中，土地肥力和土地流转情况都不利于农业生产效率的提高，可能的解释是土地肥力越高，农户对土地的信任与依赖越强，对于化肥、农药等施用力度会减弱导致投入不足，而影响生产效率的提高，土地流转则意味着土地的所有权与使用权并不属于同一农户，农户各种生产要素的投入积极性会受到抑制。
表 4 Tobit回归结果分析结果变量名称 模型1 模型2 系数估计值 标准误 系数估计值 标准误 绿色生产社会化服务 0.064*** 0.021 0.064*** 0.021 农户规模类型 0.096*** 0.027 0.096*** 0.027 社会化服务×农户规模类型 — — 0.042 0.048 年龄 −0.004*** 0.001 −0.004*** 0.001 兼业程度 −0.001 0.001 −0.001 0.001 文化程度 −0.005* 0.003 −0.005* 0.003 健康状况 −0.003 0.009 −0.003 0.009 农业培训 0.025 0.02 0.025 0.02 家庭人口数 0.013*** 0.005 0.014*** 0.005 家庭平均年龄 0.001 0 0.001 0 是否村干部 0.053** 0.025 0.054** 0.025 土地肥力 −0.007 0.015 −0.007 0.015 土地流转 −0.007 0.019 −0.007 0.019 常数项 0.7*** 0.098 0.697*** 0.098 var（e.efficiency） 0.045 0.003 0.045 0.003 地区变量 已控制 已控制 样本量 575 572 Pseudo R2 −0.8202 −0.8262 Prob ＞ F 0.0000 0.0000 （三） 稳健性检验
本文的稳健性检验采用替换估计方法，将Tobit模型替换为OLS模型，以验证上述实证结果的稳健性。表5展示了OLS回归结果，绿色生产社会化服务显著提高了农业生产效率，但对不同规模经营主体的影响差异并不显著。结果与前文估计结果一致，表明本研究结果具有稳健性。
表 5 稳健性检验结果变量名称 系数 标准误 绿色生产社会化服务 0.061*** 0.022 社会化服务×农户规模类型 0.039 0.066 农户规模类型 0.068 0.058 控制变量 已控制 样本量 572 R2 0.095 Prob ＞ F 0.000 四、 结论与启示
（一） 结论
本文利用江苏省2020年农户实地调研数据，运用三阶段DEA模型测算水稻种植户的农业生产效率，用Tobit实证分析绿色生产社会化服务及农户规模类型对农业生产效率的影响。研究结果表明：
（1）江苏省水稻种植户的农业生产效率处于较低水平，综合效率为0.121，存在较大提升空间，这主要是由于纯技术效率低导致的。
（2）村庄经济发展水平和交通条件显著提高了四个投入要素的冗余；政策支持力度抑制了土地要素和机械要素投入的过量投入，但却增加了劳动和资本投入冗余；水稻种植占比越高，对劳动、资本和机械投入的冗余会减少。
（3）绿色生产社会化服务有助于农业生产效率的提高，且绿色生产社会化服务对不同规模经营主体的影响并不具有明显的差异；在控制变量中，户主年龄、文化程度、农业培训、家庭规模等对农业生产效率都有显著影响。
（二） 启示
根据上文研究结论，本文得到以下几点启示。
（1）加大先进农业生产技术的推广和培训，提高农户纯技术生产效率。通过开展集体会议或与村干部进行交流等方式，提前了解农户需求，有的放矢开展针对性技术培训。利用新媒体技术结合影像资料及数据说明，宣传先进技术的优势，使农户真正了解和接受先进技术，进而引导农户采纳先进技术与集约经营，减少投入要素冗余与资源浪费。
（2）实行更具针对性的农业补贴政策，落实到具体生产环节与投入要素上。我国幅员辽阔、地势复杂，投入要素时需深入实地考察，综合考虑当地村庄所处的地域条件与经济水平，避免因无序要素投入而导致资源冗余与成本上升，优化农户生产要素配置。
（3）完善社会化服务体系，促进绿色生产社会化服务市场健全发展，增强三类主体的积极性，提高绿色生产服务供给能力。有效结合当地公益性与经营性服务组织，加强政策引导，完善支持机制，学习借鉴“政府购买+市场主体运作”等形式，给予市场化主体资质的严密审查和具体服务行为全程监管，发挥市场主体的支撑作用。
-
表 1 变量定义与描述性统计结果
变量类型 变量名称 定义 均值 标准差 产出变量 产量 2019年水稻总产量 23233.2 99501.36 投入变量 土地投入 2019年水稻种植面积 37.16 134.37 劳动投入 2019年水稻投入工日 384.43 3223.94 资本投入 2019年水稻种植资金投入 13039.3 47182.07 机械投入 2019年水稻机械作业费用 559.98 195.46 环境变量 村人均收入 村人均纯收入金额 18044.88 8621.71 村到县城距离 村委会到县城的距离 19.74 13.94 政府扶持程度 全村农业生产性补贴 5748.53 33934.47 水稻种植占比 家庭水稻种植面积/总经营面积 0.92 0.63 被解释变量 农业生产效率 三阶段DEA模型测算综合效率值 0.511 0.234 主要解释变量 绿色生产社会化服务 是否采用绿色生产社会化服务 0.683 0.466 控制变量 农地规模 农地规模 0.129 0.335 年龄 户主年龄 61.492 9.93 兼业情况 户主非农工作天数/农业劳动天数 2.332 9.391 受教育程度 户主在校年限 6.984 3.501 健康状况 户主健康程度 3.926 1.091 农业技术培训 户主是否接受过农业技术培训 0.36 0.48 家庭规模 家庭常住人口数 3.43 1.685 平均年龄 家庭人口平均年龄 47.562 15.935 是否村干部 家庭内是否有村干部 0.143 0.35 地力情况 面积最大的一块地的土地肥力 2.393 0.627 土地流转情况 土地是否存在转入或转出 0.65 0.477 
下载: 导出CSV
表 3 第二阶段SFA实证结果
变量名称 土地投入冗余 劳动投入冗余 资本投入冗余 机械投入冗余 系数估计值 标准误 系数估计值 标准误 系数估计值 标准误 系数估计值 标准误 常数项 −41.617 2.922 −3603.128 2.847 −3603.128 2.847 −21557.551 15.463 经济发展水平 55.260** 10.622 3.162** 1.025 3.162*** 1.025 16787.640*** 2.140 交通条件 67.624*** 4.978 1702.949*** 1.432 1702.949*** 1.432 7829.574*** 6.299 政策支持力度 −18.553 3.090 558.765*** 1.135 558.765 1.135 −5059.945 3.225 水稻种植占比 −30.714 16.198 320.257*** 2.347 320.257*** 2.347 2359.255*** 15.218 sigma2 32585.639*** 0.996 23334306.000*** 1.000 23334306.000*** 1.000 809819550.000*** 1.000 gamma 1.000*** 0.000 1.000*** 0.000 1.000*** 0.000 1.000*** 0.000 LOG −5778.8298 −9184.4845 −11871.3600 −11051.6880 LR单边检验 904.8727*** 764.7047*** 524.5653** 560.8055*** 注：***、**、* 分别表示1%、5%、10%的显著性水平，下同。
下载: 导出CSV
表 4 Tobit回归结果分析结果
变量名称 模型1 模型2 系数估计值 标准误 系数估计值 标准误 绿色生产社会化服务 0.064*** 0.021 0.064*** 0.021 农户规模类型 0.096*** 0.027 0.096*** 0.027 社会化服务×农户规模类型 — — 0.042 0.048 年龄 −0.004*** 0.001 −0.004*** 0.001 兼业程度 −0.001 0.001 −0.001 0.001 文化程度 −0.005* 0.003 −0.005* 0.003 健康状况 −0.003 0.009 −0.003 0.009 农业培训 0.025 0.02 0.025 0.02 家庭人口数 0.013*** 0.005 0.014*** 0.005 家庭平均年龄 0.001 0 0.001 0 是否村干部 0.053** 0.025 0.054** 0.025 土地肥力 −0.007 0.015 −0.007 0.015 土地流转 −0.007 0.019 −0.007 0.019 常数项 0.7*** 0.098 0.697*** 0.098 var（e.efficiency） 0.045 0.003 0.045 0.003 地区变量 已控制 已控制 样本量 575 572 Pseudo R2 −0.8202 −0.8262 Prob ＞ F 0.0000 0.0000
下载: 导出CSV
表 5 稳健性检验结果
变量名称 系数 标准误 绿色生产社会化服务 0.061*** 0.022 社会化服务×农户规模类型 0.039 0.066 农户规模类型 0.068 0.058 控制变量 已控制 样本量 572 R2 0.095 Prob ＞ F 0.000
下载: 导出CSV
-
[1] 杜维娜, 陈瑶, 李思潇, 等. 老龄化、社会资本与农户化肥减量施用行为[J]. 中国农业资源与区划, 2021, 42(3): 131. DOI: 10.7621/cjarrp.1005-9121.20210316. [2] 中华人民共和国农业农村部. 农业农村部关于印发《农业绿色发展技术导则(2018—2030年)》的通知[EB/OL]. (2018−07−20)[2023−3−22]. http://www.moa.gov.cn/nybgb/2018/201807/201809/t20180912_6157155.html. [3] 黄季焜, 靳少泽. 未来谁来种地: 基于我国农户劳动力就业代际差异视角[J]. 农业技术经济, 2015(1): 4. [4] 闫阿倩, 罗小锋, 黄炎忠, 等. 基于老龄化背景下的绿色生产技术推广研究: 以生物农药与测土配方肥为例[J]. 中国农业资源与区划, 2021, 42(3): 110. DOI: 10.7621/cjarrp.1005-9121.20210314. [5] 杨志海, 王洁. 劳动力老龄化对农户粮食绿色生产行为的影响研究: 基于长江流域六省农户的调查[J]. 长江流域资源与环境, 2020, 29(3): 725. DOI: 10.11870/cjlyzyyhj202003019. [6] 杨志海. 老龄化、社会网络与农户绿色生产技术采纳行为: 来自长江流域六省农户数据的验证[J]. 中国农村观察, 2018(4): 44. [7] 杨彩艳, 齐振宏, 黄炜虹, 等. 效益认知对农户绿色生产技术采纳行为的影响: 基于不同生产环节的异质性分析[J]. 长江流域资源与环境, 2021, 30(2): 448. DOI: 10.11870/cjlyzyyhj202102019. [8] 余威震, 罗小锋, 李容容, 等. 绿色认知视角下农户绿色技术采纳意愿与行为悖离研究[J]. 资源科学, 2017, 39(8): 1573. DOI: 10.18402/resci.2017.08.13. [9] 马艳艳, 刘梅, 范晨露. 信息获取、风险承担与农户绿色生产技术采纳行为: 来自宁夏的微观证据[J/OL]. 云南农业大学学报(社会科学), 2023, 17(2): 61. DOI: 10.12371/j.ynau(s).202209091. [10] 杜三峡, 罗小锋, 黄炎忠, 等. 风险感知、农业社会化服务与稻农生物农药技术采纳行为[J]. 长江流域资源与环境, 2021, 30(7): 1768. DOI: 10.11870/cjlyzyyhj 202107023. [11] 余丽燕, 梁辉堡, 鲁益雨. 信贷可得性对农户采纳绿色生产技术的影响: 基于农户加入合作社的调节效应分析[J]. 农林经济管理学报, 2023, 22(1): 56. DOI: 10.16195/j.cnki.cn36-1328/f.2023.01.07. [12] 沈兴兴, 段晋苑, 朱守银. 农业绿色生产社会化服务模式探析[J]. 中国农业资源与区划, 2020, 41(1): 15. DOI: 10.7621/cjarrp.1005-9121.20200103. [13] 沈兴兴, 段晋苑. 服务规模化引领农业绿色发展: 基于湖北省某农机合作联合社的土地托管服务分析[J]. 农业农村部管理干部学院学报, 2018(4): 20. [14] 王宝义, 张卫国. 中国农业生态效率的省际差异和影响因素: 基于1996—2015年31个省份的面板数据分析[J]. 中国农村经济, 2018(1): 46. [15] 田淑英, 许文立. 基于DEA模型的中国林业投入产出效率评价[J]. 资源科学, 2012, 34(10): 1944. [16] FRIED H O, LOVELL C A K, Schmidt S S. Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis[J]. Journal of Productivity Analysis, 2002(17): 157.
[17] SMITH J, JOHNSON E, BROWN D. A Three-Stage DEA Model for Efficiency Evaluation of Agricultural Production[J]. Journal of Agricultural Economics, 2015, 42(3): 567.
[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. DOI: 10.13653/j.cnki.jqte.2010.12.004. [19] WANG H, ZHANG L, LI M. The Impact of Climate Change on Agricultural Production Efficiency: A Case Study[J]. Environmental and Resource Economics, 2019(3): 567.
[20] 贺志亮, 刘成玉. 我国农业生产效率及效率影响因素研究: 基于三阶段DEA模型的实证分析[J]. 农村经济, 2015(6): 48. [21] 钱龙, 洪名勇. 非农就业、土地流转与农业生产效率变化: 基于CFPS的实证分析[J]. 中国农村经济, 2016(12): 2. [22] 李谷成. 资本深化、人地比例与中国农业生产率增长: 个生产函数分析框架[J]. 中国农村经济, 2015(1): 14. [23] 刘鹏, 李丹, 刘洋. 基于三阶段DEA的中国农业生产效率测算及影响因素分析[J]. 中国农村经济, 2019(9): 24. [24] JOHNSON E, SMITH J, BROWN D. The Impact of Agricultural Technological Innovation on Efficiency: A Study of the Agricultural Sector[J]. Agricultural Economics Review, 2016(2): 123.
[25] 李谷成, 冯中朝, 范丽霞. 小农户真的更加具有效率吗?来自湖北省的经验证据[J]. 经济学(季刊), 2010, 9(1): 95. DOI: 10.13821/j.cnki.ceq.2010.01.010. [26] 张少波, 王旭, 王建国. 中国主要粮食生产省份生产效率的三阶段DEA测算[J]. 中国农村经济, 2018(11): 62. [27] 黄少安, 孙圣民, 宫明波. 中国土地产权制度对农业经济增长的影响: 对1949—1978年中国大陆农业生产效率的实证分析[J]. 中国社会科学, 2005(3): 38. [28] 李翠霞, 许佳彬, 王洋. 农业绿色生产社会化服务能提高农业绿色生产率吗[J]. 农业技术经济, 2021(9): 36. DOI: 10.13246/j.cnki.jae.2021.09.003. [29] 万凌霄, 关佳晨, 严明杰. 社会化服务与农业绿色发展相融合: 机理、事实与推进路径[J/OL]. 生态经济: 1−13[2023 − 06 − 25]. http://kns.cnki.net/kcms/detail/53.1193.F.20230606.1646.002.html. [30] TW SCHULTZ. Transforming traditional agriculture: reply[J]. Journal of Farm Economics, 1966, 48(4): 1015. DOI: 10.2307/1236629.
[31] 杨子, 张建, 诸培新. 农业社会化服务能推动小农对接农业现代化吗: 基于技术效率视角[J]. 农业技术经济, 2019(9): 16. -
期刊类型引用(1)
1. 张坪，朱建军. 数字素养对粮农耕地质量保护技术采纳行为的影响研究. 云南农业大学学报(社会科学). 2025(01): 21-28 . 
本站查看
其他类型引用(2)
计量
- 文章访问数: 1325
- HTML全文浏览量: 444
- PDF下载量: 43
- 被引次数: 3