北京航空航天大学学报(社会科学版)  2017, Vol. 30 Issue (6): 46-51, 62   PDF    
中国蔬菜生产效率地区差异及产区细分——以露地茄子为例
王欢, 穆月英     
中国农业大学 经济管理学院, 北京 100083
摘要:在中国自然资源限制下,提高蔬菜生产效率对保障供给有十分重要的意义。针对中国25省(市)露地茄子生产效率,运用数据包络分析(DEA)、超效率DEA和逐步判别聚类法进行了分析,并根据生产特点将中国蔬菜生产省份划分为不同产区,研究发现:规模的不适度是制约中国大多数地区蔬菜发展的主要因素;西北地区蔬菜生产效率具有一定优势;从投入、产出和效率三个指标出发中国的蔬菜生产可以分为经济型低投高产、高投低产低效、产量型低投高产、低投高产高效、高投高产高效等五个产区,而针对不同产区的生产特点,蔬菜生产发展的重点应不同。
关键词 蔬菜生产效率      地区差异      产区      数据包络分析      超效率DEA      逐步判别聚类法     
Regional Differences of Vegetable Production Efficiency and Classification of Vegetable Production in China: A Case Study of Open-ground Eggplant Production
WANG Huan, MU Yueying     
College of Economics and Management, China Agriculture University, Beijing 100083, China
Abstract: With limited agricultural resources in China, it is of great significance to improve the efficiency of vegetable production for the security of supply. This research takes open-ground eggplant production for an example to calculate and analyse the vegetable production efficiency of 25 provinces separately by Data Envelope Analysis (DEA), Supper Efficiency DEA and K-means. The conclusions are as follows:first of all, improper scale of production is the main factor that prevents development of vegetable production in most provinces; secondly, some provinces in northwestern China have the advantages over other areas in regard to production efficiency; thirdly, 25 provinces can be divided into 5 production areas considering the differences in input, output and efficiency and for different areas there should be different development strategies.
Key words: vegetable production efficiency     regional differences     production area     Date Envelope Analysis (DEA)     Supper Efficiency DEA     K-means    
一、引言

蔬菜生产既与居民生活息息相关,同时又是中国农村的重要产业之一。中国虽然幅员辽阔,但蔬菜生产所必须的耕地和水等资源又普遍稀缺。在有限的资源供给水平下提高生产效率是发展中国蔬菜生产,提高国内蔬菜供给能力的有效途径。此外,中国各地区地形和气候类型丰富,蔬菜生产也呈现不同的特点,而蔬菜生产的发展也应符合各个地区的自然禀赋、社会经济等基础条件。因此,对中国各省(市)蔬菜生产效率的测算以及对各地区蔬菜生产特点的探究具有十分重要的意义。

生产效率一直以来都是各生产领域关注的热点,已有文献中对蔬菜生产效率的研究主要基于微观和宏观两个视角。基于微观视角的研究主要以农户为研究对象,对其生产的效率等进行测算,并根据测算结果提出提高小农蔬菜生产效率的关键在于提高蔬菜生产中技术的利用率和普及度[1-2]和增加小农的土地经营规模[3-4];而随着农业经营主体多样化的发展,一些研究也开始着重于在蔬菜生产中不同经营形式优劣的对比,如对蔬菜多种经营主体效率之间的对比[5],以及对不同蔬菜种植方式生产效率的对比[6]。基于宏观视角的蔬菜生产效率研究则可以分为两类,一类是从地区比较的角度出发,对不同地区之间蔬菜生产进行对比研究,或从国内各省份层面展开的蔬菜生产的对比[7-9];另一类则是从时间动态的角度对蔬菜生产的研究,如对北京市蔬菜生产效率的变化和技术进步率的测算和分析[10]或对全国各省蔬菜生产全要素生产率的测算[11-13]

宏观研究和微观研究相比,虽然无法考察各个种植单位存在的差别,但可以对各地区的蔬菜生产发展水平有总体上的把握和认识,提出的相关建议也更具有可实施性。现有文献对蔬菜生产效率的宏观研究中虽然已经对各地区蔬菜生产效率进行了比较全面的分析,为文章提供了借鉴和启发,但在地区差异对比中往往以地理位置进行简单的区域划分,再按照效率值比较来直接判定各省市蔬菜生产发展的优劣,并没有很好地体现出各地区蔬菜生产的特点。基于上述考虑,文章首先对蔬菜生产效率进行测算,在此基础上,利用多元统计分析方法对各地区蔬菜生产特点进行综合对比,并对地区生产加以分类,以期将效率测算与生产特点分析相结合得到更加客观全面的对比结果。

蔬菜生产品种异常丰富,蔬菜生产的基本条件也相差较大,各地区蔬菜总体的投入产出数据所计算出的生产效率显然不具有可比性。在所有蔬菜种类中,根茎类蔬菜由于较耐储运,因此,短缺情况较少,而叶菜类蔬菜生产周期短,间作情况普遍,不易于计算投入[13],因此,果类蔬菜是比较理想的研究对象。而在果类蔬菜中,茄子在中国的食用和种植范围十分广泛,同时尽管近年来设施蔬菜生产发展迅速,但露地生产仍是中国蔬菜生产的主要方式。一方面由于自然资源、气候、政策和技术等外在环境条件在省域之内往往具有一定的相似性和统一性,以省为单位讨论蔬菜生产,从发展策略制定层面来讲更具有可操作性,另一方面从省域层面的分析得到的结果更能够对中国蔬菜产区的划分和整体布局的发展政策提供相应的理论基础。因此,以省为单元对蔬菜生产效率进行分析评价并提出发展建议更具有现实意义,故文章选择省域露地茄子生产作为研究对象。

二、实证模型的选择和数据说明 (一) 实证模型的选择 1. 效率测算模型

(1) 数据包络分析(Data Envelopment Analysis, DEA)

在已有对生产效率的研究中,主要采用的方法有两类,一类是参数方法的随机前沿分析(SFA),另一类是非参数方法的数据包络分析(DEA)。参数方法是基于计量经济学对生产过程的投入和产出建立生产函数,并进行最大似然估计,而非参数方法是以运筹学为基础的线性规划求解。相比于参数方法,非参数方法可以适用于多输出多输入的有效性综合评价问题,不受特殊函数形式的要求,也无须考虑变量量纲的问题,因此,在分析比较复杂的投入产出生产问题时有比较明显的优势。由于蔬菜生产是一个复杂的综合性过程,涉及多项投入和产出之间的相互关系,因此,文章采用DEA作为分析的工具,对农户蔬菜生产效率进行测算和分析。

DEA是由美国运筹学家Charnes和Cooper等学者于1978年提出的,以相对效率为基础发展起来的一种效率评价方法。DEA是一个线性规划模型,该方法的基本原理是把每一个被评价对象作为一个决策单元(Decision Making Units,DMU),再由所有被评价对象构成被评价群体,通过对投入和产出比率的综合分析,以DMU的各个投入和产出指标的权重为变量进行评价运算,确定“运营效率的最佳有效前沿面”,并根据各DMU与有效前沿面的距离状况,确定其是否DEA有效,DEA有效表示经济系统的运营效率达到最佳。

根据规模报酬是否可变的不同阶段,DEA模型可以分为基于固定规模报酬的CCR模型和基于可变规模报酬的BCC模型。在文章中,考虑到农业生产投入的可控性,因而采用投入导向型的BCC模型为分析工具。假设有n个不同类型的决策单元DMUj(j=1,2,…,n), 每个决策单元均有m(m≧1)个投入变量xp(p≧1)个产出变量y,那么该模型的基本原理是线性规划模型,即

(1)

其中:θt为第t个DMU的技术效率值也即综合效率,满足0≤θ≤1;Si-为投入的松弛变量;Sr+为产出的松弛变量;λj为第j个决策单元的非负权重。

在BCC模型下,效率分析结果可以分为三部分,即技术效率(TE)和技术效率进一步分解的纯技术效率(PTE)和规模效率(SE)。技术效率即综合效率,代表了决策单元的效率综合水平。其中,纯技术效率代表了决策单元管理和技术水平所带来的效率;规模效率代表了不考虑技术和管理水平的情况下,现有生产规模相对于最优生产规模的效率值。三个效率值的关系可以表示为

(2)

在BCC模型中,决策单元的规模报酬值等于既定决策单元对应的所有λ的和,即,反映决策单元处于规模报酬的阶段。当k=1时,表示决策单元的规模报酬不变,此时决策单元的生产规模达到最优。当k<1时,表示该决策单元的规模报酬递增,该决策单元在现有的投入基础上适当增加投入可以得到更高的回报。当k>1时,表示该决策单元规模报酬递减,在现有基础上增加投入的回报较低。

根据BCC模型分析结果还可以计算各类产出可优化的程度以及各类投入要素可节省的比例即产出不足率和投入冗余率。计算公式为ηtxt/xtρ0y0/y0,分别代表决策单元实际投入与产出水平与优化后投入产出水平的差距。

(2) 超效率(Super Efficiency)DEA方法

超效率DEA方法是在DEA方法上发展起来的。一般的DEA方法虽然可以测量决策单元的效率高低,但由于DEA测算的原理是根据所研究的全部对象构造理想投入产出模式——生产前沿,并通过与生产前沿的对比来计算效率水平的高低。这种方法在决策单元较少时容易出现有效决策单元过多的情况,不便于有效地区分效率水平,而超效率DEA模型可以较好解决这一问题,区分有效决策单元的效率水平。超效率模型是由Andersen和Petersen提出的,其基本思想是在评估决策单元时,将该决策单元本身排除在单元的集合之外[14],再建立生产前沿进行相对效率的测算。其数学表达式为

(3)

其中:θtsuper为第t个决策单元的超效率值,与一般DEA相比差别在于构建生产前沿是将待评价DMU排除在外,因此,可得出大于1的效率估计值。超效率DEA对于有效决策单元大于1的效率的解释为可扩张比例,如当计算出的效率为1.25时,表明该有效决策单元可以在投入扩大25%的情况下仍然是有效的。因而,通过可扩张比例的概念区分有效决策单元的效率高低。

2. 逐步判别聚类法(K-means)

K-means方法是多元统计分析中的一种聚类方法,该方法的特点是可以通过不断的迭代从而达到最优解,其计算步骤是:(1)将样本分为几类,并计算每一组分类的聚类中心;(2)计算各样本到聚类中心的距离,逐个将所有样本点归入其距离最近的聚类中心;(3)根据新的分类结果计算新的聚类中心;(4)重复步骤(2)和步骤(3)直到计算出的聚类中心与上一次的聚类中心重合。

(二) 数据说明

文章所使用的数据来自《全国农产品成本收益资料汇编2014》中25个省(市)露地茄子的生产数据。以各省(市)作为生产的决策单位。为了避免产值所包含价格水平在各地区之间的差异性对实际产出信息表达的干扰,产出变量选用每667 m2的产量。另外,按照生产环节和生产要素的性质,投入变量选取每667 m2的种子费、肥料费、农药费、农膜费、按每天8 h折算的劳动力投入工日的数据。在K-means分析中,利用产出、投入变量以及计算出的技术效率、纯技术效率和规模效率建立评价指标体系,分为产量和产值代表的产出指标、五项投入所代表的投入指标以及三类效率值所代表的效率指标。

三、模型测算结果及生产效率的地区比较 (一) 效率测算结果 1. DEA模型计算结果

根据DEA模型计算的结果如表 1图 1所示。25个省(市)的平均技术效率、纯技术效率和规模效率分别为0.777、0.907和0.851。通过对效率的分解和对比可以发现,在非DEA有效的18个省(市)中,有10个省(市)的规模效率小于纯技术效率即较多省(市)DEA非效率是来自于规模效率损失。这说明,从整体来看,不适度的生产规模是中国蔬菜生产效率提高的主要障碍。在所研究省份中共有7个省(市)达到生产有效:天津市、新疆维吾尔自治区、河北省、山东省、甘肃省、重庆市、广东省。可见用BCC-DEA计算出的有效决策单元数过多,因此,对这些省(市)采用超效率DEA模型进行效率水平高低的区分。

表 1 各省(市)生产效率DEA分析结果

图 1 各省(市)生产效率分布示意图

2. 超效率DEA分析结果

在利用超效率DEA模型进行计算后,生产有效的7个省(市)生产效率水平由高至低的排名如图 2表 2所示。在7个有效省(市)之中天津市、河北省、山东省3省市处于环渤海地区,这说明环渤海地区在茄子生产中具有一定的优势。此外,天津市为效率最高,且效率值远高于其他各省(市),按超效率DEA模型计算出的效率值为2.394,说明天津市可增加茄子生产投入139.4%的基础上仍处于有效前沿面。进一步分析天津市的各项投入产出发现,天津市虽然各项投入均较少,但产量和产值居于中间水平。这表明,虽然从效率方面来看,天津市水平最高,但在保障蔬菜供给方面其生产模式并不理想,因此,有必要结合投入产出以及效率对各省(市)蔬菜生产进行更加综合的评价。

图 2 超效率DEA效率计算结果

表 2 超效率DEA对有效决策单元的区分

(二) K-means分析结果

将种子、肥料、劳动力、农膜、农药等投入和产量、产值产出以及利用一般DEA计算出的技术效率、纯技术效率和规模效率作为指标,建立评价体系,并利用K-means进行归类,最终可以将25个省(市)分为五类:第一类为山东省、湖南省、广东省;第二类为吉林省、福建省、江西省、海南省、贵州省、云南省;第三类为天津市、湖北省、四川省、宁夏回族自治区、新疆维吾尔自治区;第四类为北京市、河北省、山西省、辽宁省、黑龙江省、河南省、重庆市、甘肃省;第五类为内蒙古自治区、广西壮族自治区和陕西省。各类别的聚类中心如表 3图 3所示,可对各类的特点总结如下:

表 3 各类地区指标特征值

图 3 各类地区指标特征值对比示意图

第一类属于经济型低投入高产出地区,其特点是投入水平较低,产量较低,产值水平较高,效率水平也较高。在各项投入中该类地区除了劳动力投入略高于其他地区,其余投入均为较低水平,产量在所有地区中处于较低水平,而产值水平却处于较高水平,产值和产量比为2.94元/千克,远高于其他地区,说明该地区蔬菜的经济价值较高,即种植露地茄子的经济效益较好。从效率来看,低投入低产量的生产方式造成生产效率整体偏低。总体来说,该地区的露地茄子生产虽然在单位面积产量上具有提高的潜力,但是对于农户增收具有一定的积极意义。

第二类属于高投低产低效地区,其特点是产量和产值最低、各项投入均较高,各项效率值也明显低于其他地区。在各项投入中,肥料费和农药费明显高于其他地区,仅次于第五类地区。劳动力投入虽然较低,但与其他地区之间的差距并不明显。在较高的投入水平下,并没有实现相应的产出,反而在产量和产值指标上属于各地区中的最低值。高投入低产出的生产方式体现出生产的技术效率的低下,远低于其他地区为0.54。对技术效率的分解可以看出,纯技术效率较高,规模效率损失成为总体生产效率低下的主要原因。这说明虽然要素投入的利用率较高,但该类地区的蔬菜种植规模普遍与理想规模相差较大,造成生产效率低下,进而使本地高投入并不能得到高产出的回报。

第三类属于产量型低投入高产出地区,其特点是投入水平较低,产量较高,效率水平也较高。该类地区在投入方面,除了种子费和农膜费较高,其他投入均属于最低水平。较低的投入水平下产量却属于各地区中最高,但产值较低,产值产量比仅为1.29,不足第一类地区的一半。各效率指标值属于较高水平。其中纯技术效率为各组中最高,表明了该类地区由于生产技术和管理水平较高带来的要素投入高利用率。该地区的特点说明本地露地茄子较高产,是城市蔬菜的稳定供给的可靠保障。然而生产带来的经济价值偏低,可能会影响农民生产的积极性,蔬菜生产可能被其他经济价值更高的作物代替。

第四类属于低投入高产出高效地区,其特点是投入水平较低,产值产量较高,效率水平最高。各项投入除种子费外均较低,产量和产值均属于五类地区中较高的地区。低投入高产出的生产模式使得该地区各效率指标水平较高,这表明该地区的蔬菜生产规模、管理和技术水平均比较理想。因此,总体来说虽然该地区相对于其他各地区在产值和产量上都没有达到最高水平,但生产兼顾投入的节省、经济价值和产量保障,是最为理想的生产模式。

第五类属于高投高产高效地区,其特点是是高投入,单位投入、产值水平远高于其他地区,产量水平略低于第三组,同时效率水平也较高。这一地区虽然产量并不是最高,但产值水平远高于其他各组,这说明该地区茄子生产带来的经济收益较高。此外,该组规模效率最高,组内平均值为0.97,接近有效水平。但纯技术效率却是各组内最低,仅为0.84。这说明该组实际生产中普遍比较接近最优生产规模,但技术和管理水平较低带来的要素投入利用率较低是造成效率损失的主要来源。

四、结论与政策建议

文章运用DEA模型、超效率DEA,分析了全国25个省(市)蔬菜生产的效率,并通过K-means聚类法将全国25个省(市)蔬菜生产分为五类地区,分析了各类地区的生产特点。主要的研究结论:

第一,中国大部分蔬菜生产非有效的省(市)规模效率低于纯技术效率,这说明相比于管理和技术的不完善,不适度的生产规模对生产效率的影响更大。

第二,从区域划分来看,环渤海地区蔬菜生产上具有效率优势。

第三,全国25个省(市)的蔬菜生产根据投入、产出以及效率三类评价指标可以分为五类地区,其中第四类低投入高产出高效地区的生产模式比较理想,而针对其他不同地区蔬菜生产发展应有不同的对策。

根据以上分析结果,提出以下政策建议:

第一,对于山东省、湖南省、广东省以及天津市、湖北省、四川省、宁夏回族自治区、新疆维吾尔自治区这些低投入高产量或者产值的地区,可以在保持现有生产优势(产量或经济价值的创造上)的基础上,均衡蔬菜生产的供给保障和增收功能。具体的对于山东省、湖南省、广东省可以推广品质更好的种子来提高产量,而对于天津市、湖北省、四川省、宁夏回族自治区、新疆维吾尔自治区则可以通过提高经营技术等方式提高蔬菜产品的品质,以期实现更高的经济收益。

第二,对于内蒙古自治区、广西壮族自治区、陕西省这些高投入高产出高效率的地区,促进蔬菜生产发展首先要保持现有的规模优势,其次主要力量应当集中在引进和应用先进田间技术和管理模式从而实现蔬菜生产中投入要素更高的利用率水平,达到更高的效率水平。

第三,对于吉林省、福建省、江西省、海南省、贵州省、云南省这些高投低产低效的地区,蔬菜生产发展的当务之急是改善蔬菜经营规模,寻找适合当地的适度规模,从而能够在保持已有蔬菜生产技术和管理水平优势基础上调整规模实现更高的效率水平。

文章由于受限于数据的可获得性仅从省域角度对蔬菜生产效率问题进行了探讨。而蔬菜作为依托消费市场而分布于城市郊区的农业生产,以城市为单位对其生产效率的分析则能够提出更为具体和有针对性的发展建议,这也是未来值得进行更深入研究的内容。

References
[1]
SHRESTHA R B, HUANG W C, RAJU G. Production efficiency of smallholder vegetable farms in Ilam district, eastern hill, Nepal[J]. American-Eurasian Journal of Agricultural & Environmental Sciences, 2014, 14(2): 150-154.
[2]
王欢, 穆月英. 基于农户视角的我国蔬菜生产资源配置评价——兼对三阶段DEA模型的修正[J]. 中国农业大学学报, 2014(6): 221-231.
[3]
HUSSAIN I, ABAYOMI O O. Technical and scale efficiency in vegetable crops production under FADAMA in north central Nigeria[J]. Journal of Agricultural Research, 2010, 48(3): 409-418.
[4]
OGUNNIYI L T, OLADEJO J A. Technical efficiency of tomato production in Oyo state Nigeria[J]. Agricultural Science Research Journal, 2011(4): 84-91.
[5]
崔言民, 王骞. 不同组织模式下无公害蔬菜生产效率评价研究[J]. 农业技术经济, 2012(9): 28-34.
[6]
王欢, 穆月英. 北京市设施蔬菜生产效率及结构分析——基于农户调研数据[J]. 中国蔬菜, 2015(1): 45-49.
[7]
吕超, 周应恒. 我国蔬菜产业生产效率变动分析[J]. 统计与决策, 2011(9): 92-94.
[8]
孙瑞华, 韩书爱, 陈强. 基于数据包络分析的山东省蔬菜产业生产效率分析[J]. 河南科学, 2014(6): 1119-1124.
[9]
孟阳, 穆月英. 基于地区比较视角的北京市蔬菜生产效率分析[J]. 中国农学通报, 2012, 28(34): 244-251. DOI:10.3969/j.issn.1000-6850.2012.34.042
[10]
张领先, 熊蓓, 刘雪. 基于DEA的北京蔬菜产业生产效率与技术进步评价[J]. 科技管理研究, 2013(8): 56-63.
[11]
王亚坤, 王慧军. 我国设施蔬菜生产效率研究[J]. 中国农业科技导报, 2015, 17(2): 159-166.
[12]
郭哲彪. 我国主要城市大白菜全要素生产率分析[D]. 呼和浩特: 内蒙古农业大学, 2014. http://cdmd.cnki.com.cn/Article/CDMD-10129-1014373835.htm
[13]
左飞龙, 穆月英. 我国露地番茄生产效率的区域比较分析[J]. 中国农业资源与区划, 2013, 34(4): 64-68. DOI:10.7621/cjarrp.1005-9121.20130412
[14]
蒋萍, 王勇. 全口径中国文化产业投入产出效率研究——基于三阶段DEA模型和超效率DEA模型的分析[J]. 数量经济技术经济研究, 2011(12): 69-80.