黑龙江省粮食生产效率空间差异及影响因素

　　摘 要：以2000-2018年黑龙江省13个地级市(区)为样本，运用DEA-Windows模型评价黑龙江各地市粮食生产综合效率，采用ArcGIS分析空间差异的时空演变，运用面板Tobit模型对影响区域粮食生产综合效率的因素进行分析研判。结果表明：黑龙江粮食生产综合效率呈现波动上升的趋势，各地市之间的差异明显但呈缩小态势;粮食播种面积和人均GDP对粮食生产综合效率具有显著的促进作用，化肥折纯施用量对粮食生产综合效率具有显著的负向影响，农业从业人员和农业机械总动力的作用效果不显著。合理配置粮食生产资源，提高农业科技的创新能力，完善粮食贸易和粮食补贴制度，是提升粮食生产综合效率的主要对策。

　　关键词：粮食生产效率 空间差异 影响因素 DEA-Windows 黑龙江省

　　民以食為天，随着社会经济的持续发展，粮食的供需结构呈现出不同的发展态势。现有粮食生产方式不能保证粮食产量稳定增长，并对生态环境造成破坏。认清粮食生产现状、理清粮食生产效率的影响因素、优化资源配置才是促进粮食生产能力可持续发展的重要举措。研究黑龙江省13个地级市(区)的粮食生产综合效率，分析影响黑龙江省粮食生产综合效率的因素对稳定全国粮食储备和维护粮食安全至关重要。

　　目前学界有关生产效率测算方法和影响因素方面的研究成果丰富。Farrell[1]最早提出了测量粮食生产效率方法，通过测算农业生产效率得到生产效率前沿面;黄金波[2]等运用随机前沿生产函数估算了中国粮食生产的技术效率，发现农业基础设施建设和制度因素是影响技术效率的关键;肖红波[3]等利用 DEA 模型测算了中国粮食生产的技术效率，认为技术创新在影响因素中呈减退趋势，提出应加强科技创新，倡导规模化生产;曾福生、高鸣[4]通过非径向SBM模型测算了中国的粮食生产效率，得出粮食播种面积、化肥施用量和有效灌溉面积对粮食生产效率具有显著影响;唐建[5]采用随机前沿生产函数估算中国31个省粮食生产的技术效率，得出家庭经济水平和劳动力受教育水平与技术效率呈现显著正向相关的结论;杨勇[6]等人以华北平原县域为研究单元，建立随机前沿生产函数估算粮食的生产效率，表明提高耕地的复种指数可以显著提升粮食的生产效率;曹慧、赵凯[7]通过超越对数生产函数模型分析全国13个主产区粮食生产的技术效率和时空演变，发现粮食的产出与劳动力、机械动力、农药等都有显著的相关关系;田红宇、祝志勇[8]基于DEA-Tobit两步法研究中国省域粮食生产效率，发现支农政策、化肥、农业机械等影响因素存在地区差异;何悦、漆雁斌[9]研究城镇化如何影响粮食生产的技术效率，发现人口城镇化的影响呈“倒U型”。

　　本文在已有研究的基础上，基于2000-2018年黑龙江省粮食生产的面板数据，通过DEA-Windows模型测算不同地区粮食生产的综合效率，分析粮食生产综合效率的时空演变，提出提升粮食生产综合效率的有效途径，为黑龙江省粮食生产效率的研究提供理论支持。

　　1 材料与方法

　　1.1 研究区概况

　　黑龙江省位于121°11′E-135°05′E、43°25′N-53°33N′，属于寒温带大陆性季风气候，四季分明，夏季雨热同期，冬季漫长寒冷。全省年平均气温多在-4℃～5℃之间，年降水量400～650 mm。自然资源丰富，土壤有机质含量高，是世界著名的三大黑土带之一，包括三江平原、松嫩平原，是中国耕地面积最大的省份。作为重要的商品粮基地，盛产大豆、水稻、玉米、小麦、马铃薯等粮食作物。粮食的播种面积达到农作物面积的95 %左右，2018年全省粮食的播种面积为21321.8万亩，粮食产量达到7507万吨，位居全国首位。

　　1.2 测算指标与模型

　　1.2.1 测算指标

　　本文基于粮食产出视角对黑龙江粮食生产的综合效率进行研究。根据指标选取的可获取性和代表性等原则，构建粮食生产综合效率的评价体系如表1。选取农业从业人员、粮食播种面积、化肥折纯施用量、农用机械总动力，分别表征粮食生产过程中劳动力、土地、资本方面的投入方面;产出方面则选取地区粮食作物产量和粮食作物产值来表征。由于统计年鉴未对粮食生产中的各项指标做专项统计，需从农林牧副渔业中剥离出来。参考已有研究，将农业从业人员和粮食作物产值采用权重A进行转化，化肥折纯施用量和农业机械总动力使用权重B进行调整。

　　权重A=(农业总产值/农林牧渔业总产值)×(粮食播种面积/农作物总播种面积) 。

　　权重B=粮食播种面积/农作物总播种面积。

　　1.2.2 DEA-Window模型

　　传统DEA方法主要基于静态数据，无法分析黑龙江省各地级市在不同时间序列的效率变动，处理面板数据的时候存在问题。参考Charnes 等人的DEA-Windows 分析方式[10]，将黑龙江省各地级市的不同时段看作不同的研究单元，从而实现了各单元效率值的动态比较。假设黑龙江省T时间序列内存在N个研究单元(DMU)，视窗宽度为D，则第i个视窗包含i到d+i-1时间段内的N × D个DMU，其中1≤i≤T-D+1。模型设定DMUnt(1≤n≤N，1≤t≤T)，视窗P(1≤p≤T-D+1)的投入产出矩阵为：

　　(1)

　　(2)

　　在规模报酬不变的情况下，根据公式(3)计算得出效率值。

　　(3)

　　1.2.3 面板Tobit模型

　　由于运用 DEA-Windows 模型测算的效率值介于 0～1 ，存在明顯的截断数据特征，用普通最小二乘法进行回归的参数估计可能会造成偏差，因此本文通过 Tobit 模型，研究影响黑龙江省粮食生产综合效率的因素。

　　模型具体形式如下：

　　(4)

　　其中，n代表黑龙江各地级市，t代表年份，Y表示粮食生产效率值，X是影响黑龙江粮食生产效率的各解释变量，μn为表示个体异质性的截距项，εnt是随机扰动项。

　　1.3 数据来源

　　粮食生产的综合效率是劳动力、耕地资源、原料和技术投入与所产生的经济效益之间配置情况的表现，反映粮食生产中各要素整体利用程度。本研究以2000-2018年黑龙江省13个地级市(包括大兴安岭地区)为研究对象，由于统计口径不一致未将农垦总局包含在内，个别年份缺失数据用插值法补齐，研究所需数据均来源于《黑龙江省统计年鉴》(2000-2018年)。

　　2 结果与分析

　　2.1 黑龙江省粮食生产效率测算与空间差异分析

　　2.1.1 测算结果

　　基于2000-2018年黑龙江省13个地级市的面板数据，以产出为导向构建规模报酬不变的DEA-Windows 模型，设置窗宽为10[11]，计算得出黑龙江省的粮食生产综合效率如表2。

　　从长时间序列上的变化来看，黑龙江省粮食生产效率分为2个阶段，第1阶段是2000-2012年黑龙江省粮食生产效率总体上呈现波动上升的趋势。在这期间，国家实行粮食生产补贴政策，充分调动了粮食从业者种粮积极性，促进黑龙江省粮食生产效率的提高。受SARS疫情的影响，2003年粮食生产效率大幅度下降。第2个阶段2014年至今，粮食生产效率逐渐稳定并趋于平均水平0.83，值得注意的是，为了进一步调整粮食种植结构，2016年国家取消了东北三省的玉米临时收储政策，导致2017年黑龙江省大部分地区粮食生产效率出现一个小幅度的锐减。

　　2000-2018年黑龙江省粮食生产综合效率的平均水平为0.756，没有达到DEA有效，表明黑龙江省的粮食综合生产效率还有继续提升的空间。从各年份的效率发展趋势分析，2004年鹤岗;2006年佳木斯;2008年七台河;2010年大庆、伊春、绥化、大兴安岭;2011年大兴安岭;2012年哈尔滨、鸡西、大庆、伊春、佳木斯、绥化、大兴安岭;2014、2015、2016年的大兴安岭以及2018年鸡西、双鸭山、伊春分别在各年份期间的综合效率值为1，表明粮食生产的投入和产出达到平衡，综合效率达到最佳，粮食生产要素配置合理。

　　2.1.2 空间差异分析

　　为了更加有效直观表现黑龙江省各地级市粮食生产综合效率的空间演变，本文将综合效率分为5组：0.95以上为高效率组、0.85～0.95为中高效率组、0.75～0.85为中效率组、0.65～0.75为中低效率组、0.65以下为低效率组，分别研究2003、2008、2013和2018年黑龙江省粮食生产综合效率的空间分布态势(如表3所示)。总体而言，4个年份黑龙江省粮食生产效率的平均值分别为0.524、0.832、0.810、0.842，说明粮食生产效率稳步提高，空间差距逐步减小，仍具提升空间。

　　推荐阅读：吉林粮食高等专科学校学报农业技术类期刊征稿

期刊VIP网，您身边的高端学术顾问

文章名称： 黑龙江省粮食生产效率空间差异及影响因素

文章地址： http://www.qikanvip.com/nongyekeji/57766.html