蒋硕凡，李晶洁，杨富贵

(1.天津商业大学 理学院，天津 300134；2.广州工商学院 基础教学部，广东 佛山 528138)

1 引言

中国是一个农业大国，农业作为国民经济的基础，为经济发展提供了充足的物质保障。进入21世纪，我国农业迈入“高成本”时代而农业生产效率却逊于发达国家。我国农业基础竞争力薄弱的根源是资源、劳动力、农业机械、科技等短板。为此我国提出了促进农业循环经济的战略。农业循环经济是采用农业资源减量消耗、农产品多次利用和农业有机废弃物资源化的闭合循环生产模式的工业型农业。它是把农业生产、农产品加工和农业废弃物通过产业链有机地组合在一起,形成资源低投入低消耗,产品互为原料、多次使用,废弃物再利用,实现废弃物资源化的周而复始的循环经济体系。在产业体系中,农业是与自然界关系最密切的产业。它与生态和环境紧密相连,存在着相互促进、相互影响、互相制约的内在联系。因此,农业更易于和谐地纳入到自然生态系统的物质、能量循环的过程中。由于循环经济可以将生态保护与经济发展有机结合，它被认为是解决农业可持续发展的有效方法。然而，我国在资本、技术、服务、机械投入等多个方面都面临着巨大的挑战。特别是在我国区域政策、人口、耕地、污染等不同环境下，如何评价地区农业循环经济的发展状况成为了一项有意义的研究。本文试图从定量分析角度出发，利用超效率DEA方法对2016～2018年我国31个地区的农业循环经济效率情况进行研究,得出不同省市之间的农业循环经济效率方面存在的差异，在此基础上，给出协调和提升各个省市农业循环经济效率的建议，以此达到解决节约能源、发展农业经济、保护生态环境的目的，并为提高我国地区循环农业生产效率提供了科学依据和建议。

为此，通过文献综述，对我国农业循环经济模型评价指标进行了构建，选取2016～2018年中国31个省市农业数据，对我国地区农业循环经济进行了实证分析，给出了相关结论和建议。

2 文献综述

在经济飞速发展的背景下，如何解决农业循环经济效率问题受到学术界的广泛关注，部分学者对相关农业行为进行了研究并取得了一定的进展。

鲁真等利用层次分析法和地理信息系统对2017年惠州市各个县区垦造水田适宜性进行评价[1]。层次分析法将定性分析和定量分析相结合，思路简单，层次清晰，对问题涉及的因素及其关系分析的透彻，能有效地建立指标的权值分布，但随意性较大，主观性强，难以准确反映生态安全评价领域的实际情况[2]。李慧针对黑龙江领域水质的实际状况，建立基于迭代修正的主成分投影水质评价模型，通过计算得出各水质指标的指标变换值作为权重集[3]。主成分投影法克服了指标间的信息重叠，客观确定评价对象的相对位置及安全等级，但未考虑指标实际含义，易出现确定的权重与实际重要程度相悖的情况[2]。王志丹等基于熵权法构建沈阳现代都市农业发展水平评价指标体系，对2011～2015年沈阳市现代都市的发展水平进行测评[4]。熵权法根据各指标提供的信息量来计算综合指标，能充分挖掘原始数据本身蕴含的信息，客观准确地得到各指标权重，并可对评价指标进行选择，但不能反映专家地知识和经验及决策者的意见，有时得到的权重可能与实际重要程度不符[2]。谢小梅、胡豹运用层次分析法建立创意农业发展水平的评估体系，再利用模糊综合评价对小镇进行评价[5]。模糊综合法评价结果较全面、精确，能够对单项指标的生态安全等级进行判定，使评价结果更加客观可信。但农业发展对生态的影响是一个开放的系统，涉及众多因素，这些信息都存在着有序性，而对有序评价空间不适合用“最大隶属度”识别准则和排序，因此模糊综合评价结果的合理性和科学性值得深讨[2]。

与此同时，数据包络分析法(DEA)是美国著名运筹学家Charnes等提出的一种效率评价方法。目前，该方法较活跃的应用领域是对效率和效益方面的研究。国际上，Zamanian G R等人运用DEA和SFA两种方法对中东和北美国家农业生产效率进行研究发现，SFA测算出的效率值明显低于DEA测算的效率值[6]；Mao运用DEA对中国区域农业生产效率进行研究，并深入研究技术对生产效率的促进作用[7]。Morteza Yazdani等人通过DEA和灰色关联分析，分析了太阳能光伏扶贫项目效率在中国有针对性的扶贫任务中的贡献[8]。国内，刘文忠和刘俞希运用DEA方法对长江经济带的11个省市2006～2015年农业生产效率进行了研究[9]；周宗安等针对2004～2015年湖南省14个地级市，运用双重差分与倾向值匹配法研究生态经济区的成立所引发的农业经济效益[10]。张丽、郑军运用DEA—Malmquist模型对2012、2014及2016年山东省17个地级市农业生产效率进行静态和动态分析[11]。丁宝根、彭勇樟运用DEA—SBM模型对农业绿色发展效率进行测度与评价[12]。张心怡等运用农户调查问卷和DEA模型，对中部平原农区粮食生产适度规模进行测度，对不同规模分组的投入结构和产出特点进行分析，探索DEA有效分组特征和无效分组的原因[13]。薛选登、王迪运用DEA模型从静态和动态两方面对河南省2006～2017年农业生产效率进行测算分析[14]。赵坤选择内蒙古12个盟市，运用数据包络分析法，从综合效率、纯技术效率、规模效率、投入冗余4个方面评价内蒙古农业可持续发展效率情况[15]。王秀峰、张铭采用DEA模型和Malmquist指数法对2008～2016年的贵州省九州市及全国各省的农业产出投入的面板数据进行分析[16]。

从现有文献看，关于农业生产循环经济效率研究，国内外学者从定性与定量两方面都深入进行了分析，并已经取得了一定成就。部分研究运用了层次分析法、主成分分析法、熵权法、模糊综合评价等方法对地区生产效率进行评价研究，这些方法从定性角度分析虽有一定成果，但主观性过强，与实际情况有所偏离。与此同时，在DEA方法的运用上，由于其在分析决策单元的有效性时无需对数据进行无量纲化处理，体现了数据的客观性，受到了广泛的应用。然而，学者往往采用传统DEA方法对地区农业开展相关研究。传统DEA方法虽然不用设立生产函数，但对有效率值为1的DMU无法进行比较，就研究内容上来看，往往是对具体地区农业经济进行研究，从全国角度的研究较少。为了克服以上缺点，本文在传统DEA模型的基础上引入超效率DEA模型，对全国各省市农业循环经济效率进行评价分析，并给出化解各地区农业循环经济问题的政策建议。

3 基于DEA模型的地区农业循环经济评价指标体系

3.1 理论基础

DEA方法指使用数学规划模型评价具有多个输入和多个输出的“部门”或“单位” (称为决策单元, 简记为DMU) 间的相对有效性 (称为DEA有效) 。与传统评价方法相比，它不需要估计各个指标的参数与权重也无需考虑投入与产出之间的函数关系，还可以对无效DMU进行比例改进与松弛改进，最大程度实现最优化。由此可见，DEA方法非常适用于绩效评价问题。

但是传统DEA模型在测算结果中，通常会出现多个决策单元有效的情况，尤其是在投入指标和产出指标的数量较多时，有效的DMU数量也会随之增多。传统DEA模型得出的最大效率值为1，有效的DMU效率值是相同的，都为1，此时就无法再对评估对象的效率值进行具体详细的区分。针对这种情况，Andersen和Petersen提出的一种经过改进的DEA模型：超效率DEA模型，该模型可在原有基础上对DEA有效的决策单元进行效率计算。在单纯自我评价的体系上加入了互评体系，即对某一个有效的DMU进行评价时，该DMU的投入产出可由所有其他DMU的投入产出线性组合所代替，并且该DMU被排除在外，从而使得效率评价更为客观。该DMU到所有其他DMU构成的新生产前沿面的距离为其效率值。有效DMU的效率值通常情况下会大于1，进而对有效的DMU进行区分。这一模型被称为超效率模型。

图1 超效率模型原理

3.2 评价指标的选取

投入指标需要能在最大程度上反应农业发展过程中投入要素的数量与程度，农业发展需人力、物力与资本要素投入，其中包括土地数量、机械设施数量、施用化肥量、人员投入数量等。而产出效率一般以农业总产值、粮食总产量等作为评价因素。本文应用超效率模型对DMU进行测评，所有投入产出指标数据的选择要尽可能减少不同指标之间替代或互补关系的存在，根据相关文献的指标选取和超效率模型指标选取的原则，本文主要选取5个投入指标，分别为农作物总播种面积X1、有效灌溉面积X2、农用化肥施用量X3、农业机械总动力X4和农、林、牧、渔业就业人员X5，2个产出指标，分别为粮食产量Y1和农林牧渔业总产值Y2。如表1、2所示。

4 实证分析

4.1 数据收集与预处理

以全国31个省份为决策单元，对2016～2018年农业循环经济超效率进行评估。本文决策单元数为31，大于投入与产出指标之和的2倍，符合DEA模型的要求。相关指标的统计描述如表1和表2所示。

表1 全国31个省份农业投入指标的统计描述(2016～2018)

表2 全国31个省份农业产出指标的统计描述(2016～2018)

由表1相关数据可知，三年来，我国农作物总播种面积、农用化肥施用量和农林牧渔业就业人员一直处于下降状态。对有效灌溉面积和农业机械总动力的投入量却一直在增加。结合表2不难看出，农业总产值在三年内一直处于增加状态。这表明农业方面的相关技术在不断更新，农用化肥施用量减少，对环境的危害也会相应的减少，这更加符合绿色发展循环经济的要求。

4.2 超效率DEA模型评价结果及分析

以中国31个省份2016～2018三年的农作物总播种面积X1、有效灌溉面积X2、农用化肥施用量X3、农业机械总动力X4、农林牧渔业就业人员X5、粮食产量Y1和农林牧渔业总产值Y2数据为依据，运用MaxDEA软件来计算各省份的农业循环经济超效率，计算结果如表3所示。

表3反应了2016～2018年中国31个省份地区各年农业循环经济超效率值及三年平均值，从中可以得出如下结论。

(1)从各个省份三年超效率平均值来看，浙江、黑龙江、山东、吉林排名在前四名，效率均值超过了1.5，这4个省份均是我国农业大省，农业产值在全国位居前列，无论从政策导向、资金的集中度和新技术的引入都有更有优势；新疆、宁夏、甘肃、云南排在最后四名，效率均值全部低于0.8，而这4个省份全部位于我国中西部经济不发达地区，这些地区农业现代化程度和劳动生产效率都处于较低水平，需持续加大机械及科技投入。

表3 全国31个省份农业循环经济超效率值

(2)从三年趋势变化来看，大部分省份三年效率水平稳步增长。只有北京市相对于2016年效率值，2017年和2018年效率值都有明显下降，这是由于近几年北京市传统农业规模不断收缩，致使农业总产值持续下降，而为了推进农业转型升级，农业投入量并没有降低，导致效率值出现下降情况。而山东省相对于2016年和2017年，在2018年效率值有了显著提升，这是因为山东省作为农业大省明确提出建设“现代高效农业”，农业生产结构继续优化，推动农业生产提质增效，同时农业总产量大幅提升。

5 结论与建议

本文运用超效率DEA方法对我国31个省份地区2016～2018年农业循环经济效率进行分析，结果表明我国大部分地区农业效率持续提高，从平均效率看东西部地区差距较为明显。针对本文的结论提出以下建议。

(1)创新经营模式，加强农民农业生产技能培训。发挥多种形式农业适度规模经营引领作用。坚持以农户家庭经营为基础，支持新型农业经营主体和新型农业服务主题为建设农业现代化的主干力量，充分发挥多种形式适度规模经营在农业机械和科技成果应用、绿色发展、市场开拓等方面的引领功能。各省市根据实际情况，开展相关的农业生产技能培训课程，鼓励农民积极参加。

(2)加强省际间的合作，促进生产要素的流动。中部地区仍然处于追赶东部的发展阶段，应当加快建立技术交流中心，加强对东部地区先进技术的引进、消化和吸收，改变长期以来农业落后的局面。西部地区拥有较多技术资源的省如陕西、甘肃等地，应采取技术联盟的形式，积极与其他地区开展技术合作，形成区域间的技术流动，从而提高生产效率。宁夏、青海等省份可在引进先进技术的同时，加大农业生产要素的投入，以新技术推进资源的合理利用。从宏观角度讲，应在各地区之间构建合作机制，尽快将生产要素转变为生产力。

(3)构建引进人才的长效机制，提高区域的生产效率。人才是区域创新体系健康持续发展的重要保障，但我国农业创新型人才的分布极其不平衡，中西部地区人才流失、生产环境恶劣，人才的吸引力不足，严重制约着我国农业生产效率的进一步提高。应尽快创立一个集信息存储、联络沟通、信息发布为一体的人才数据库，及时掌握各类人才的创新情况、工作情况和个人意愿，构建引进人才的长效机制。中西部地区应发挥区域特色，适时调整生产结构，加强与东部农业发达地区的交流与合作，引导高等学校、科研院所开展农技服务，推行科技特派员制度，鼓励支持技术特派员深入一线创新创业，不断扩宽人才的吸纳渠道，以便吸引更多高素质的研究开发人员。