基于SFA模型的农业生产技术效率分析.docVIP

基于SFA模型的农业生产技术效率分析 　　摘要：采用了SFA模型，对新疆地区的农业生产技术效率，在C-D生产函数的假设下，进行了量化分析，旨在提出新疆地区农业生产效率较低地区提高农业产量的策略与建议。另外，还对模型的结果进行了剖析，对新疆地区农业生产的现状进行了描述。 　　关键词：SFA；农业生产技术效率；新疆；C-D生产函数；随机前沿生产函数 　　中图分类号：F2文献标识码：A文章编号2014 　　1前言 　　中国人口占全世界人口的五分之一，是不折不扣的人口大国。虽然中国拥有九百六十万平方公里的国土面积，然而中国的耕种面积却是非常有限的。 　　所谓“国以民为本，民以食为天”，“兵马未动粮草先行”，自古至今，农业生产都是国之根本，因此，怎样在有限的土地资源限制下达到最大限度的农业产出显得尤为重要，对于新疆维吾尔自治区的农业生产是否是有效的，对农业生产效率的研究成为一个迫在眉睫的一个问题。 　　2国内外研究现状 　　目前，我国对于农业生产技术效率分析的研究主要利用以下两种方法：一，数据包络分析（DEA），非参数前沿模型。二，应用确定性前沿模型和随机前沿生产函数（SFA）进行技术效率分析。前沿随机生产函数（SFA）更多用于非农业生产中的效率分析，受到这种研究的影响，我国的农业生产效率研究也迎来了SFA模型在农业生产中实证研究的热潮。 　　SFA模型的误差项可以分解为随机误差和技术非效率误差，这样做使得气候，自然灾害等非可控因素得以从误差项中分离出来，从而获得的技术非效率误差更加精确。上世纪90年代，SFA分析法得到了巨大的发展，它不仅可以测量各个样本的技术效率水平，对样本间的技术效率进行定量分析，还可以对影响技术效率的因素进行测量和分析。 　　SFA模型相对于DEA模型来讲，优势在于对误差的估计。并且SFA模型不仅可以对各个参数进行检验，还可以对整个函数的形式进行检验。DEA模型的优势在于无需对生产函数的形式进行设定，本文之所以采用SFA模型，原因在于，本文的生产函数采用了C―D生产函数。 　　3对模型中生产函数的假设 　　模型中关于C―D生产函数的介绍：C―D生产函数是数学家柯布和经济学家道格拉斯于20世纪30年代提出来的，被认为是一种很有用的生产函数。 　　一般形式为：Q=ALαKβ（1） 　　其中，Q为产量，L和K分别为劳动和资本投入量，A、α和β为三个参数，并且0α，β1，当规模报酬不变，即α+β=1时，α和β分别表示劳动和资本在生产过程中的相对重要性，α为劳动所得在总产量中所占的份额，β为资本所得在总产量中所占的份额。 　　农业生产的投入可以包括：土地，农用物质资本，劳动力和农业技术。对于土地的衡量指标，本文采用常见的一种方式――耕种土地的面积（需要说明的是，土地作为生产要素还应该包括对土地质量的考虑，但是考虑到数据的可获得性，本文采用可耕种的土地面积作为土地变量的衡量指标）。农用物质资本主要是指在农业生产中所使用的各类资本总和。本文采用代表固定资产的农业机械总动力和代表流动资产的化肥施用折纯量来计量。劳动力应该用总工时数来计量，但是考虑到数据的可获得性，所以一般采用劳动力总数量（默认每个人在相同时间段内的劳动时间相同），在规模报酬不变的假设前提下我们可以把函数形式假设为： 　　lnY=β0+∑βilnXi+εi（2） 　　4对模型的介绍 　　在农业生产过程中，生产环境和非可控因素的干扰都会影响生产者的总产值，换言之，就是在一定的生产条件下，总有一些生产没有处于其最大可能的产出值上。SFA模型要做的就是要测定实际产值与前沿面的距离，并以此来度量农业生产的效率。 　　本文采用基于截面数据的随机前沿生产函数极大似然估计方法，前沿随机函数的基本表达方式为： 　　yi=f（xi）exp（vi-ui）（3） 　　其中，yi表示在一定的生产条件下的最大产出值，xi表示生产所投入所有生产要素的投入量，误差项为（vi-ui），是复合结构。vi与ui相互独立，并对这两个变量作如下假设，vi表示非可控的影响生产产量的随机因素，为独立同分布变量，并且vi～N（0，σ2v）；ui则表示术无效项，为独立同分布变量，并且ui～|（N（μ，σ2u）|，我们对于公式（3）的左右两边同时取自然对数，于是得到了： 　　lnyi=lnxi+vi-ui（4） 　　我们不妨假设： 　　γ=σ2u1σ2v+σ2u（5） 　　于是，γ是由于技术非效率的存在所导致的不能达到产量上限所占因素的百分比值，这一比值，不言而喻是越低越会有高的收益，当然，在此我们需要说明的是，我们要假设所有地区的非技术因素的，随机干扰因素导致的生产差异（比如气候影响，自然灾害，大气污染，水土流失，土壤质量