廖成泉，胡银根，章晓曼

（华中农业大学公共管理学院，湖北 武汉430070）

耕地不仅是农业生产的基本要素，也是人类赖以生存的基本资源和条件，人类有将近90%的食物来源于耕地[1]；同时，耕地还承担着国家粮食安全、生态安全、社会稳定的重任[2]。从20 世纪80 年代至今，随着人口的持续增长和工业化、城镇化的快速发展,我国粮食需求呈现刚性增长,而耕地供给将呈现不断减少的态势[3]。对此，中央政府推行了最严格的耕地保护制度，并长期坚守18 亿亩耕地红线不动摇，从中凸显了耕地资源在国家经济社会建设中的战略地位与核心价值。然而，随着工业化和城镇化进程的快速推进，耕地资源正在被过度消耗和占用[4]，耕地数量平衡与耕地质量下降的错位已成为我国耕地资源利用中存在的突出问题。在如此严峻的现实背景下，实现有限耕地资源的高效集约利用，提高耕地资源利用效率，已成为保障国家粮食安全、维护国家经济社会健康稳定运行的外在压力和内在诉求。因此，在保障现有耕地规模的前提下评价区域耕地资源的利用效率，对于认清地区耕地资源经营现状，探索提高耕地资源利用效率的有效路径具有重要的理论和现实意义。

对于耕地资源利用效率及其影响因素的研究，长期以来备受学者关注，且成果显著。研究主要集中在以经典DEA 模型（CCR 模型和BCC 模型）对不同行政级别地区耕地利用效率进行评价， 并辅之以Tobit 模型解析其影响因素。例如，张霞等[5]运用DEATobit 两步法研究了高家镇2009 年耕地利用效率及其影响因素，发现该镇耕地利用效率整体偏低且区域差异显著，人均种植业收入、有效灌溉面积保证率、夏秋收粮食种植比例、耕地复种指数、劳均耕种面积等对耕地利用效率有显著影响。杨朔等[6]也依托DEA-Tobit 两步法对陕西省1990-2008 年间耕地利用效率变化状况及其影响因素进行了实证分析，研究发现，该省耕地利用效率波动性较大，效率值的区域性显著，且受人均GDP、政策等多因素的影响。

综上所述，学术界在利用经典DEA 模型测度耕地资源利用效率方面积累了丰厚的研究基础，然而，经典DEA 模型评价效率时在技术上存有一定局限性，即单一地使用CCR 和BCC 模型并未剔除环境因素对决策单元自身运营效率的影响，不能有效控制外部环境的影响，因此效率估算结果可能会出现高估或者低估的偏差，评估结果客观性不强[7]，而四阶段DEA 法较好地修正了外生环境因素对效率评估所造成的偏误，效率评估结果更为准确[8]。

因此， 本文以四阶段DEA 法为技术手段，以2012 年湖北省17 个市（州、林区）耕地资源利用效率为评价对象，并在此基础上利用Tobit 回归模型进行影响因素分析，以期为实现湖北省耕地资源高效集约利用和区域经济社会可持续发展提供参考与借鉴。

1 研究区概况

湖北省地处长江中游、洞庭湖以北，是我国“中部崛起”和“长江经济带”的重要组成部分和战略支点。全省土地总面积18.59 万km2，占全国总面积的1.93%。该区属亚热带季风性湿润气候，光照充足，热量丰富，且地貌类型多样，山地、丘陵、平原、岗地兼备，是著名的“鱼米之乡”，历来为我国重要的粮、棉、油生产基地。

近年来，湖北省在经济发展方面成绩显著，地区生产总值年均增长率长期高于全国水平，稳居中部经济强省的地位。在武汉城市圈和“宜荆荆”、“襄十随”城市群建设中，区域经济发展进步显著。随着工业化、城镇化进程的加快，湖北省人均耕地资源占有量持续下降，后备耕地资源日益贫乏，推进地区经济社会可持续发展后继乏力，地区粮食安全保障形势严峻。其中，湖北省人均耕地面积由1996 年的0.058 hm2减至2012 年的0.055 hm2，人均粮食占有量由1996 年的428 kg 降至2012 年的423 kg[9]。

2 研究方法、变量选择与数据来源

2.1 四阶段DEA法

DEA 是由Charnes 和Cooper 等于1978 年创建的以相对效率概念为基础发展起来的一种非参数前沿效率分析方法，可用于处理多投入和多产出情况，还可以找出改进效率的最佳途径[10]。随后Fried 等[11]在经典DEA 模型的基础上提出了全面测度决策单元（DMU）效率的方法，使得DEA 效率评估更为准确，该方法分四个阶段。

1）阶段一：DEA-BCC 模型测算。选取投入导向型且规模报酬可变的DEA-BCC 模型分析测算各投入要素的总松弛量。假设有j（j＝1，2，…，n）个DMU，每个DMU 有m 项投入xj=（x1j，x2j，…，xmj）和s 项产出yj=（y1j，y2j，…，ysj），其中xj＞0，yj＞0，j＝1，2，…，n，模型表示如下：

式中：ε 为非阿基米德无穷小量，eˆT=（1，1，…；1）∈Em，eT=（1，1，…；1）∈ES，线性规划Dε的最优解为λ0，s-0，s+0，θ0，若θ0=1，则DMU 为弱DEA 有效；若θ0=1，且s-0=0，s+0=0，则DMU 为DEA 有效；若θ0＜1，则DMU 为非DEA 有效，在保持产出不小于y0的条件下，可使各种投入同时缩小θ0倍。

2）阶段二：构建Tobit 模型。根据第一阶段得到的投入松弛量可知，各项投入松弛量均不小于0，故被解释变量在0 处被截取，为避免估计参数产生趋向0 的偏误，故采用Tobit 截断模型进行分析，构建I个Tobit 回归模型（I 为投入数量）,模型定义如下:

式中：Sik表示第一阶段计算得到的第i 个投入要素的总松弛量，Zik为外生环境变量向量，ai为常数项，βi为待估系数向量，ui为随机误差项。

3）阶段三：根据Tobit 结果调整初始投入量。基于外生环境变量对研究对象的影响存在区域性，故必须根据外部环境的具体状况对初始投入量予以调整，以期得到更为准确的效率值。根据投入松弛量的拟合值调整初始投入变量，公式如下:

4）阶段四：调整投入变量后的DEA 模型。利用调整后的投入量和初始产出量再次运用BCC 模型测算得到新的效率值，此效率值反映了剔除环境因素影响后的各地区耕地资源利用效率状况。

2.2 变量选择

2.2.1 投入产出变量的选择 土地资源的投入要素包括资本、技术、劳动，因此农业生产的投入量可以用土地、资本、劳动力的投入数量予以表征[12-13]。基于数据获取的可行性和可量性，文章对耕地利用过程中投入要素的选取分别以年末耕地面积、农业机械总动力、化肥施用量、农业劳动人数代表土地、资本、劳动力投入（表1）。就耕地产出而言，现有文献多集中于选取农业总产值、农业增加值、粮食总产量、农民人均纯收入这四类变量中的两个或两个以上予以衡量[14-17]。但农业总产值、农业增加值以及粮食总产量对耕地产出的衡量内涵无异，只是表现形式有所差异，而对于农民人均纯收入而言，打工经济背景下湖北省农民收入中农业经营收入的比重相对较小，不宜用于衡量耕地产出，故选取农业总产值作为耕地资源经济产出。

表1 耕地利用效率评价体系Table 1 Evaluation system of arable land utilization efficiency

综上所述，文章以年末耕地面积、农业劳动人数、化肥施用量、农业机械总动力四项投入变量和农业总产值一项产出变量构建耕地资源利用效率评价体系，并通过Spearman 分析表明投入变量与产出变量高度相关（表2），效率评价结果具有严格的统计意义。

表2 投入产出变量相关性分析结果Table2 Correlation analysis results of input-output variables

2.2.2 外生环境变量的选择 外生环境变量是对研究对象产生影响但又不受主观控制的因素。耕地利用作为一项复杂的生产活动，其运行效率的高低取决于经济、社会等外部因素与土壤、水等内部因素的合力，而影响耕地资源利用效率的因素众多，已有文献的研究除了较为普遍的耕地质量等级、有效灌溉率、耕地复种指数、农民人均纯收入、户主受教育程度、区域经济水平、农业补贴、耕地资源禀赋以外，还包括农民土地退出意愿[18]、农业劳动力年龄[19]、农民分化[20]、耕地细碎化[21]等因素。基于因素选取的可行性和可量性原则，本文选取农田水利条件、耕地资源禀赋和农民经济条件三大因素作为影响耕地资源利用效率的外部环境因素，并以有效灌溉率、人均耕地面积和农民人均纯收入分别表示农田水利条件、耕地资源禀赋和农民经济条件。由于外生环境变量是四阶段DEA 模型评价效率时第二阶段选取的重要变量，故将有效灌溉率、人均耕地面积和农民人均纯收入作为外生环境变量纳入耕地资源利用效率评价体系（表1）。

2.3 数据来源

文章各项变量数据均取自2013 年《湖北统计年鉴》，恩施、仙桃、潜江、天门、神龙架的人均GDP 数据源于各地区2013 年的统计年鉴。

3 实证分析

3.1 测算初始效率值

根据初始DEA-BCC 模型的投入产出量，运用Deap2.1 软件测算出各市耕地资源利用效率值（表3）及其对应的投入松弛量。整体来看，在不考虑外在环境因素影响的情况下，2012 年湖北省17 个地区耕地资源利用效率均值为0.740， 纯技术效率均值为0.815，规模效率均值为0.914。具体而言，仅武汉和宜昌两市的三项效率值均为1，处于技术效率前沿面，其他15 个地区在规模效率方面尚有不同程度的改进空间，其中有13 个地区的耕地利用表现为技术无效。但受外生环境变量的影响，经典DEA 模型的技术效率可能存在“失真”，不能准确反映各地区耕地资源利用的实际效率。因此，本文运用四阶段DEA法来“过滤”外部环境因素的不良影响。

3.2 外生环境变量的Tobit回归分析

表3 DEA 一阶段效率值Table 3 Efficiency results of first-stage of DEA

在效率评价过程中，由于外生环境变量的影响，一阶段DEA 测算的效率值尚未准确、客观反映各地区耕地资源利用效率水平。基于此，本文以初始DEA测算结果中各投入要素松弛量和选取的三类外生环境变量分别作为被解释变量和解释变量构建Tobit回归模型，以此过滤外部环境因素对效率值产生的影响，使各DMU 处于相同外部环境。运用Stata11.0进行Tobit 回归分析，结果见表4。

表4 二阶段DEA 的Tobit 回归结果Table 4 Tobit regression results of second-stage of DEA

Tobit 回归结果显示，每项投入松弛量与选取的三项外生环境变量构成的回归模型均能高效通过检验，卡方检验统计量（LR chi2(3)） 分别为10.36、16.04、6.36 和10.32，对应的P 值（Prob＞chi2）均不超过10%，表明外生环境因素对耕地资源的各类投入松弛量均存在显著影响，通过Tobit 回归模型剔除外生环境因素对耕地资源利用效率的影响具有一定的技术意义。

由表4 可看出，有效灌溉率和农民人均纯收入两项外生环境变量对年末耕地面积松弛量均通过5%的显著性检验，对农业劳动人数松弛量均通过1%的显著性检验。此外，有效灌溉率对年末耕地面积与农业劳动人数两类松弛量均呈正相关，而农民人均纯收入对年末耕地面积与农业劳动人数两类松弛量均呈负相关。

就有效灌溉率而言，有效灌溉率对年末耕地面积松弛量和农业劳动人数松弛量均呈正相关，表明提高有效灌溉率会加大耕地资源及其劳动人数的过剩程度，即改善农田水利条件会加剧耕地资源以及从事耕地生产的劳动力资源的浪费。换言之，农田水利条件的改善促使现存耕地资源量及其从事耕地生产的劳动力数量过大，超出了地区经济社会建设对两类资源需求的合理供应值。对此认为，由于农田水利条件的改善无疑扩大了耕地的单位产出，增强了粮食供给能力，因此，各地区在巩固和提升地区粮食安全保障能力的驱动下新增耕地资源的动力进一步加强，从而导致新增耕地面积扩大，但在地区粮食消费水平一定的条件下，这种扩大后的耕地产出量对粮食消费需求量供过于求，从而显得地区耕地资源对地区粮食消费水平相对过剩，故耕地资源以及从事耕地生产的劳动力资源相对过剩。因此，耕地资源以及从事耕地生产的劳动力资源的过剩是相对的，而非绝对量的过剩。

就农民人均纯收入而言，农民人均纯收入对年末耕地面积松弛量和农业劳动人数松弛量均呈负相关，表明增加农民人均纯收入会减少耕地资源及其劳动力资源的供给过剩程度，换言之，农民收入水平的提高会削弱耕地资源以及从事耕地生产的劳动力资源的过度投入。对此认为，湖北省作为外出务工人员的输出大省，随着各地区农户家庭非农收入比例的提高，多数农户缺乏种田动力，进而加剧了耕地抛荒、撂荒势头，参与生产的耕地资源量减少，从而遏制了耕地供给的过剩。此外，农业比较利益的偏低导致经济条件改善的农户从事耕地生产的积极性降低，进而导致从事耕地生产的农业劳动人数下降。

3.3 测算拟合调整后的DEA效率值

根据外生环境变量对耕地资源利用效率的Tobit回归分析结果对投入松弛量进行拟合调整，并结合初始产出量再次通过DEA-BCC 模型测算得到相应效率值（表5）。由DEA-BCC 模型的定义可知，测算出的效率值有三类，分别为技术效率（TE）、纯技术效率（PTE）和规模效率（SE），且TE=PTE×SE，若纯技术效率和规模效率均为1，则表明DMU 为DEA 有效；若两者中只有一项值为1，表明DMU 为弱DEA 有效；若两者均不为1，则表明DMU 为非DEA 有效。

首先，就整体而言，17 个市（州、林区）的技术效率、纯技术效率和规模效率均值分别为0.645、0.737和0.891，技术效率＜纯技术效率＜规模效率，表明湖北省耕地资源利用效率整体水平不高，且主要是纯技术效率偏低所致。

其次，就DEA 的有效性而言，17 个市（州、林区）中仅武汉和宜昌两市为DEA 有效，即纯技术效率和规模效率均有效，表明上述两地区耕地资源的利用在技术上和规模上均有效，耕地资源投入产出比达到最优；襄阳市和神龙架林区为弱DEA 有效，均只表现在纯技术效率有效，表明这两地区的耕地利用仅在技术上有效；其余13 个市（州、林区）为非DEA有效，即不存在技术上有效和规模上有效，表明这些地区在耕地资源利用过程中均存在投入过剩或产出不足。

表5 四阶段DEA 效率值Table 5 Efficiency results of fourth-stage of DEA

最后，就规模报酬而言，DEA 有效的武汉和宜昌两市表现为规模报酬不变，而DEA 无效或弱有效的15 个市（州、林区）中，仅襄阳市处于规模报酬递减阶段，表明该市耕地经营规模过大，规模化程度偏高，剩余14 个地区的耕地利用均处于规模报酬递增阶段，表明这些地区耕地规模化经营仍具有一定潜力。

4 耕地资源利用效率的影响因素分析

通过四阶段DEA 法剔除外生环境因素对决策单元自身运营效率的影响，修正了外生环境因素对耕地资源利用效率评估所造成的偏误，形成了更为准确的评估结果。基于此，文章将进一步分析耕地资源利用效率的影响因素，考察各类因素对效率水平的影响。

以上述四阶段DEA 法的效率测算值为解释变量，参照第二阶段中选取的外生环境变量和数据选取的可获得性，文章选取人均GDP、单位耕地面积农业劳动人数、单位耕地面积化肥施用量、单位耕地面积农业机械总动力分别表示地区经济发展水平、耕地劳动力投入水平、耕地化肥投入水平、耕地机械化投入水平，以此作为耕地利用效率的影响因素。利用Tobit 模型对湖北省17 个市（州、林区）耕地资源利用效率（技术效率）进行回归分析，模型定义如下：

式中：Y 表示耕地资源利用效率（技术效率），X1为人均GDP，X2为单位耕地面积农业劳动人数，X3为单位耕地面积化肥施用量，X4为单位耕地面积农业机械总动力，u 为随机扰动项，β1、β2、β3、β4为变量系数，β0为常数项。通过Stata11.0 进行Tobit 回归分析，结果见表6。

表6 湖北省耕地资源利用效率回归结果Table 6 Tobit regression results of arable land utilization efficiency of Hubei Province

回归结果显示，人均GDP 和单位耕地面积农业机械总动力这两类解释变量通过了1%的显著性检验，即湖北省耕地资源利用效率受上述两因素不同方向的影响。

基于此项结果，有如下分析：1）地区经济发展水平对耕地资源利用效率有正向作用。回归结果显示，人均GDP 与耕地资源利用效率呈显著正相关。对耕地生产而言，人均GDP 作为衡量地区经济发展水平的重要指标之一，其与耕地资源利用效率为正相关关系，表明提高地区经济发展水平有利于提高耕地资源利用效率。因为经济发展水平的高度往往凸显出部门资源的投入强度，故农业部门的生产投入强度需要配套相应高度的经济发展水平，换言之，在经济发展水平得到提升的条件下，地方政府才能对农业部门倾注更多的科技、物质投入以及政策支持，从而提高耕地资源利用效率。

2）耕地机械化投入水平对耕地资源利用效率有负面影响。从回归结果来看，单位耕地面积农业机械总动力与耕地资源利用效率呈显著负相关，表明在一定程度上，单位耕地面积使用的农用机械越多，耕地资源利用效率就越低，即耕地机械化投入水平的提高不利于耕地资源利用效率的提高，但这并非否定农业现代化对耕地资源利用效率的正向作用。究其原因，从农业生产的实际来看，无论农业机械化程度多高，粮食产出的决定因素是耕地资源总量，耕地资源数量不会因机械化程度的提升而增加。在耕地资源总量不变的前提下，农业机械化生产提高的是人均产出率，而不是真正意义上的耕地产出率。同时，结合湖北省的实际情况，由于多数农户的耕地零碎、分散，机械化的农业生产反而改变了过去农户小规模精耕细作的生产方式，导致耕地质量未被充分利用，耕地生产潜力未能被充分挖掘，这与贺雪峰[22]的研究结论基本契合。

5 结论

本文采用四阶段DEA 法对2012 年湖北省耕地资源利用的技术效率、纯技术效率、规模效率进行了定量评价，并在此基础上以Tobit 模型对技术效率进行影响因素分析，并得出如下结论：

1） 湖北省耕地资源利用效率整体水平不高，且主要由纯技术效率偏低所致。在耕地利用过程中，武汉、宜昌两市在技术上和规模上均有效，襄阳市和神龙架林区仅在技术上有效，其余13 个地区不存在技术有效和规模有效。

2）就耕地经营规模的合理性而言，武汉和宜昌2市的耕地经营规模处于适度水平，仅襄阳市耕地经营规模过大，规模化程度偏高，其余14 个地区的耕地规模化经营尚具有一定潜力。

3）改善农田水利条件会加剧耕地资源投入以及从事耕地生产的劳动力资源投入的相对过剩程度，而提高农民收入水平会削弱耕地资源以及从事耕地生产的劳动力资源的过度供给。提高地区经济发展水平有利于提高耕地资源利用效率。耕地机械化投入水平的提高不利于耕地资源利用效率的提高。

6 结语

纵观本研究，尽管在实证技术上有了更为客观的结果，但受篇幅和数据获取难度所限，耕地资源利用效率评价及其影响因素分析仍存有一定缺陷。首先，文章仅考虑了耕地的经济产出，而耕地资源的生态、社会等功能价值未能体现；其次，耕地资源利用效率的影响因素未能全面考虑，忽视了耕地质量、土地退出意愿、农业劳动力年龄、农民分化、耕地细碎化等重要因素的影响。对此，将会在后续研究中做进一步的深入探讨。

[1]Costanza R.The value of the world′s ecosystem services and nature capital[J].Nature,1997(387):253-260.

[2]俞奉庆,蔡运龙.耕地资源价值重建与农业补贴——一种解决“三农”问题的政策取向[J].中国土地科学,2004,18(1):18-23.

[3]马永欢,牛文元.基于粮食安全的中国粮食需求预测与耕地资源配置研究[J].中国软科学,2009(3):11-16.

[4]李效顺,曲福田,谭荣,等.中国耕地资源变化与保护研究——基于土地督察视角的考察[J].自然资源学报,2009,24(3):387-401.

[5]张霞,刘秀华,刘勇.基于DEA的高家镇耕地利用效率及其影响因素研究[J].西南师范大学学报:自然科学版,2012,37(3):72-77.

[6]杨朔,李世平,罗列.陕西省耕地利用效率及其影响因素研究[J].中国土地科学,2011,25(2):47-54.

[7]Worthington A C.Cost efficiency in Australian Local Government[J].Financial Accountability and Management,2000,16(3):201-224.

[8]赵峥.基于绿色发展的中国城市公共支出效率研究——基于四阶段DEA和Bootstrapped DEA模型的实证分析[J].云南财经大学学报,2013(5):31-40.

[9]湖北省统计局.湖北统计年鉴[M].北京:中国统计出版社,2013.

[10]魏权龄.数据包络分析[M].北京:科学出版社,2004.

[11]Fried H O,Schmidt SS,Yaisawarng S.Incorporating the operating environment into a nonparametric measure of technical efficiency[J].Journal of Productivity Analysis,1999,12(3):249-267.

[12]张宁,陆文聪.中国农村劳动力素质对农业效率影响的实证分析[J].农业技术经济,2006(2):74-80.

[13]赵芝俊,张社梅.近20年中国农业技术进步贡献率的变动趋势[J].中国农村经济,2006(3):4-12.

[14]梁流涛,曲福田,王春华.基于DEA方法的耕地利用效率分析[J].长江流域资源与环境,2008,17(2):242-246.

[15]冯晓红,周宝同,陈昀暄.基于DEA方法的耕地利用效率分析——以重庆市丰都县为例[J].中国农学通报,2011,27(26):249-253.

[16]李茗薇,付强.基于DEA的吉林省耕地利用效率及其影响因素研究[J].安徽农业科学,2013,41(8):3682-3684.

[17]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):167-175.

[18]高佳,李世平.农民土地退出意愿对耕地利用效率的影响研究[J].大连理工大学学报:社会科学版,2014,35(1):75-80.

[19]杨俊,杨钢桥,胡贤辉.农业劳动力年龄对农户耕地利用效率的影响——来自不同经济发展水平地区的实证[J].资源科学,2011,33(9):1691-1698.

[20]许恒周,郭玉燕,吴冠岑.农民分化对耕地利用效率的影响——基于农户调查数据的实证分析[J].中国农村经济,2012(6):31-39.

[21]李鑫,欧名豪,马贤磊.基于景观指数的细碎化对耕地利用效率影响研究——以扬州市里下河区域为例[J].自然资源学报,2011,26(10):1758-1767.

[22]贺雪峰.地权的逻辑——中国农村土地制度向何处去[M].北京:中国政法大学出版社,2010.