中部崛起下农业大省技术效率比较分析.docVIP

中部崛起下农业大省技术效率比较分析 　　摘要：通过对山西、安徽、河南、江西、湖北和湖南在内的中部六省1998—2010年的农业投入产出数据进行超效率DEA分析，测算了中部六省1998—2010年农业生产效率的变动过程。对地区技术效率差异产生的原因进行讨论。结果表明，河南技术效率最高，河南农业在“中部崛起”战略中一马当先，率先发展。湖北技术效率增幅最快，发展势头较好。其他省份应借鉴河南、湖北的农业发展经验，优化自身结构，提高农业生产率和农业的生产力水平。 　　关键词：中部崛起；DEA模型；技术效率；农业大省 　　中图分类号：F127 文献标志码：A 文章编号：1673-291X（2012）27-0170-03 　　中部崛起是21世纪中国经济发展的亮点，中部六省人口3．61亿，占全国人口28.1%，其中农村人口2．44亿，占全国农村人口近1/3，在这一地区加大农业基础设施投入，提高农业生产能力，将有利于中国三农问题的破解，并通过推动农民增收来实现“扩大内需”这一整体经济发展战略。另外，该地区农业的发展也有利于提高中国粮食保障能力，缓解各种资源的约束。为了将中部六省建成全国粮食核心主产区，提高中部地区农业竞争力，实现农业经济增长，必须转变农业发展方式，促使中部地区农业经济增长由投入增长驱动转向生产效率驱动。 　　一、分析方法与变量选择 　　1.分析方法。传统的DEA模型分为CCR和BCC模型的一个弱点就是如果决策单元的数量较多，可能计算得到的有效单元较多（效率评价值为1），上述模型无法对于这些有效单元的进行进一步评价。Andersen和Petersen于1993年提出了超效率评价模型，使之能够对DEA有效的单元也进行排序，下面将这种模型及其经济含义进行说明。超效率评价模型与DEA模型的数学形式相似，基于投入的超效率DEA模型的线性规划模型： 　　假设现有n个决策单元，每个决策单元有m种不同的投入向量和s种产出向量，设xij 为第j个决策单元中第i种投入向量，ykj 为第j个决策单元中第k种产出向量i∈{1，2，……，m}，k∈{1，2，……，s}，j∈{1，2，……，n}，λi为各向量赋予的权重。 　　与传统的DEA模型不同的是，在进行第j个决策单元效率评价时，其自身并不参与评价。一个有效的决策单元可以使其投入按比例增加而效率值保持不变，其投入增加的比例即超效率。实际上这个模型中只是在对有效单元j评价计算时，除掉了效率指标小于等于1的约束，此时会得到大于等于1的效率θ，这时原来效率值等于1的决策单元都能够进行排序，我们称它为超效率，从而使DEA效率评价的方法得到了优化，超效率模型又可以进一步分为径向技术和非径向技术，基于径向技术距离函数的传统方法存在测算角度单一、投入（产出）常常不能径向逼近生产前沿面等问题。而非径向DEA方法运用定向技术距离函数，投影方向具有一般性，而且同时考虑投入和产出两个方面，将其应用于技术效率测算比较合理（李发勇，2005）。由于中部地区都是传统农业大省，采用传统的CCR和BCC模型评价它们的技术效率时，可能得到的效率值结果相差不大，不宜直接进行比较，因此本文采用超效率的SBM—DEA模型来对中部六省的农业技术效率进行比较研究。 　　2.变量选择。本文选择以下投入和产出指标：本文以狭义的农业即种植业作为研究对象（以下同），具体包括粮食作物、经济作物、饲料作物和绿肥等农作物。本文选择以下投入和产出指标：农业总产值（亿元），反映当年产出水平状况；选择三个农业投入变量，包括劳动力、土地、中间消耗，选择指标分别是农作物播种面积（千公顷）；农业劳动力人数（万人）；中间投入（亿元）。所有数据来源于1998—2010年《中国统计年鉴》和《中国农业年鉴》。投入变量的从业人数通过以下公式估算得到：从业人数=第一产业从业人口-国有林业单位在岗年末人数-渔业人口-（牧业人口+半牧区牧业人口/2），相应的统计人数分别来自于《中国林业统计年鉴》、《中国畜牧业年鉴》和《中国渔业统计年鉴》。同时，为了剔除价格因素的影响，对农业总产值和中间消耗的数据换算成2004年的不变价格。 　　二、实证分析结果与解释 　　1.农业技术效率分析。按照以上原理方法，利用统计软件MAXDEA3.0对1998—2010年的中部六省的农业投入产出数据进行处理，并且对基于投入导向和产出导向的效率值进行了算术平均，由图1可知，1998—2010年十三年间中部六省的农业生产超效率平均值除安徽省外农业生产综合效率达到了比较合理的状态，其数值都超过1，其效率高低顺序为河南1.4075，湖南1.2431，山西1.1770，湖北1.0392，江西1.0203，安徽0.7972。各省农业生产效率逐年发展趋势由图1可知。以上结果在一定程度上说明了河南、湖南、山西、湖北、江西五