程紅莉，陳會玲，黃 恩

(武漢輕工大學(xué) 經(jīng)濟(jì)與管理學(xué)院，湖北 武漢 430023)

湖北農(nóng)業(yè)技術(shù)效率與全要素生產(chǎn)率研究
——基于1995—2014年與江蘇省的比較

程紅莉，陳會玲，黃 恩

(武漢輕工大學(xué) 經(jīng)濟(jì)與管理學(xué)院，湖北 武漢 430023)

本文選取1995-2014年包括湖北在內(nèi)的19省(東部6省、中部8省、西部5省)的農(nóng)業(yè)投入產(chǎn)出數(shù)據(jù)，采用DEA-BBC以及超效率模型計算19省20年來農(nóng)業(yè)技術(shù)效率的變化情況，并采用malmquist TFP指數(shù)對19個省自1995年以來的全要素生產(chǎn)率、技術(shù)進(jìn)步以及效率改變情況進(jìn)行分析。結(jié)果表明，湖北于2002年以前處于19省的平均效率以上，2002年以后一直低于平均效率。全要素增長率湖北則略低于19省平均值，技術(shù)進(jìn)步率略高于19省平均值。同時，將湖北與19省中技術(shù)效率始終處于前沿且全要素增長率與技術(shù)進(jìn)步率最高的江蘇省在單位種植面積的財政投入以及其他各投入要素方面進(jìn)行比較分析，旨在發(fā)現(xiàn)差距，為湖北省的農(nóng)業(yè)發(fā)展提供政策建議。

技術(shù)效率；全要素生產(chǎn)率；農(nóng)業(yè)；湖北；江蘇

1 引言

改革開放以來，我國農(nóng)業(yè)取得了舉世矚目的巨大成就，糧食、棉花、油料等主要農(nóng)產(chǎn)品的每公頃產(chǎn)出由1985年的3483公斤、806.69公斤、1337.67公斤上升到2014 年的5385公斤、1463.25公斤、2497.70公斤，分別增長了54.6%、81.4%、86.7%[1]。農(nóng)業(yè)生產(chǎn)率的演變引起了許多經(jīng)濟(jì)學(xué)家的關(guān)注，并探討這些高增長背后的主要驅(qū)動力。

從相關(guān)文獻(xiàn)來看，現(xiàn)有文獻(xiàn)肯定了1978—1984年間中國農(nóng)村制度變革對中國農(nóng)業(yè)產(chǎn)出和全要素生產(chǎn)率增長的影響。如Fan (1991)[2]估計,制度變遷解釋了中國農(nóng)業(yè)生產(chǎn)率增長的63%,技術(shù)進(jìn)步解釋了剩下的37%。同時，現(xiàn)有文獻(xiàn)認(rèn)為, 1990年以來中國農(nóng)業(yè)產(chǎn)出增長和全要素生產(chǎn)率增進(jìn)主要來自中國農(nóng)業(yè)技術(shù)進(jìn)步。例如，周端明 (2009)[3](利用1978—2005年31個省的面板數(shù)據(jù))、李谷成(2009)[4](利用1990—2003年31個省的面板數(shù)據(jù))、周志專(2014)[5](利用1999—2012年31個省市區(qū)的投入產(chǎn)出數(shù)據(jù))等都運(yùn)用 DEA-Malmquist 生產(chǎn)率指數(shù)法對中國農(nóng)業(yè) TFP 增長的時間演變和省區(qū)空間分布進(jìn)行了實(shí)證分析，結(jié)論都基本一致，即農(nóng)業(yè) TFP 增長較為顯著，各省區(qū)之間的 TFP 增長差異較大，并呈現(xiàn)出明顯的階段性變化特征，TFP 增長主要?dú)w因于農(nóng)業(yè)技術(shù)進(jìn)步，技術(shù)效率狀況改善的貢獻(xiàn)很有限。湖北省是我國的農(nóng)業(yè)大省之一，自然資源豐富，素有千湖之省，魚米之鄉(xiāng)的美譽(yù)。但農(nóng)業(yè)生產(chǎn)效率與全要素增長率在全國居于中等水平。到底是什么原因，有什么可改進(jìn)之處，本研究在分析湖北省近20年來農(nóng)業(yè)生產(chǎn)效率與全要素增長率的基礎(chǔ)上，重點(diǎn)對湖北省與江蘇省進(jìn)行比較研究，旨在找出差距，為湖北省的農(nóng)業(yè)發(fā)展提供政策建議。

2 研究方法與數(shù)據(jù)處理

2.1 方法選取：DEA

評價系統(tǒng)效率的方法主要分為兩類，一類是參數(shù)技術(shù)，如隨機(jī)前沿方法(SFA)，一類是非參數(shù)技術(shù)，如數(shù)據(jù)包絡(luò)分析方法(DEA)。兩類方法各有其優(yōu)勢與不足，隨機(jī)前沿技術(shù)充分考慮了隨機(jī)誤差和無效率因素對效率的影響，但其前提是正確設(shè)定函數(shù)模型；DEA方法有效地揭示了技術(shù)效率的內(nèi)涵，無需對函數(shù)模型進(jìn)行事先假定，是由A·Charnes于1978年提出的一種評價多投入、多產(chǎn)出指標(biāo)決策單元的非參數(shù)統(tǒng)計方法[6]。即利用線性優(yōu)化給出邊界生產(chǎn)函數(shù)與距離函數(shù)的估算，無需預(yù)先主觀給定具體生產(chǎn)函數(shù)形式和較難獲取的相關(guān)要素價格等方面的信息，避免了較強(qiáng)的理論約束，提供了生產(chǎn)有效性分析的一種新途徑。而且參數(shù)估計由于對模型形式的較強(qiáng)假設(shè)，離群數(shù)據(jù)的存在常使估計的魯棒性減弱。由于參數(shù)估計的方法在一些實(shí)際應(yīng)用中不足以充分刻畫響應(yīng)變量和相關(guān)共變量之間的潛在關(guān)系，所以在過去的二十年中，越來越多的學(xué)者將研究的興趣投向無定型模型非參數(shù)估計的理論分析和實(shí)際應(yīng)用。

本研究采取DEA方法中的以下幾個模型：(1)產(chǎn)出導(dǎo)向的CRS以及超效率模型，即利用20年19省的截面數(shù)據(jù)測算規(guī)模報酬不變假設(shè)條件下決策單元的相對有效性問題，同時考察規(guī)模效率可變假設(shè)下的規(guī)模效率與純技術(shù)效率，并進(jìn)一步利用超效率模型對前沿面上的省份進(jìn)行比較。(2)對面板數(shù)據(jù)用Malmquist 指數(shù)的幾何平均值來測算各省份的全要素增長率(TFP)，并分解測度技術(shù)進(jìn)步與效率改變。(3)將湖北與處于前沿面以及全要素增長率第一的江蘇進(jìn)行投入要素以及有關(guān)發(fā)展策略進(jìn)行比較，找出差異，尋找發(fā)展對策。(具體的模型公式與原理在此由于篇幅限制略過。)

2.2 變量與數(shù)據(jù)處理

(1)指標(biāo)選取

產(chǎn)出指標(biāo)：選取各省農(nóng)業(yè)總產(chǎn)值為產(chǎn)出指標(biāo)，以1995年為不變價，乘以各年度相對于上一年份的(增長)指數(shù)，得到各年份以1995年為不變價的農(nóng)業(yè)生產(chǎn)總值。

投入指標(biāo)：包括①農(nóng)業(yè)從業(yè)人數(shù)(萬人)，因?yàn)榻y(tǒng)計年鑒中只有“農(nóng)林牧漁業(yè)從業(yè)人員”或“第一產(chǎn)業(yè)從業(yè)人數(shù)”，因此采用第一產(chǎn)業(yè)從業(yè)人數(shù)×農(nóng)業(yè)占比進(jìn)行了換算；②農(nóng)作物播種總面積(千公頃)；③農(nóng)業(yè)機(jī)械總動力(萬千瓦)；④有效灌溉面積(千公頃)；⑤化肥折純法(萬噸)；⑥農(nóng)藥施用量(折百量：萬噸)；⑦農(nóng)用塑料膜使用量(萬噸)。此外還選取了受災(zāi)面積、農(nóng)林水事務(wù)財政支出(億元)、初中以上文化程度占比幾個方面作為效率影響要素。其中，總受災(zāi)面積=受災(zāi)面積×15%+成災(zāi)面積×40%(受災(zāi)面積指因?yàn)?zāi)減產(chǎn)1成以上的農(nóng)作物播種面積。成災(zāi)面積指因?yàn)?zāi)減產(chǎn)3成以上的農(nóng)作物播種面積。)

(2) DMU 選定與數(shù)據(jù)來源

本次研究選取安徽、福建、廣東、廣西、河南、黑龍江、湖北、湖南、吉林、江蘇、江西、山東、浙江、甘肅、貴州、遼寧、山西、陜西、云南19個省從1995年—2014年共20年的有關(guān)數(shù)據(jù)進(jìn)行分析，數(shù)據(jù)來源于中國數(shù)據(jù)網(wǎng)(http://data.stats.gov.cn)和各省份的統(tǒng)計年鑒(中國統(tǒng)計年鑒所缺數(shù)據(jù)來自各省份的統(tǒng)計年鑒)。

3 實(shí)證結(jié)果分析

3.1 基于截面數(shù)據(jù)的技術(shù)效率分析

(1)19省的技術(shù)效率情況

將19省20年的數(shù)據(jù)分割為20個截面數(shù)據(jù)文件，采用軟件DEAP2.1，采用產(chǎn)出導(dǎo)向模型。在規(guī)模不變模式下，這19個省份中，廣東、江蘇、浙江這三個省20年來始終處于效率值為1的前沿面上。采用規(guī)模可變模式，則20年來全為有效率的省份增加福建、吉林、貴州和遼寧四省，且20年來19省中始終有10—12個省份處于前沿面上，可能是投入變量較多的緣故。為了進(jìn)一步比較一直處于前沿面上的廣東、江蘇、浙江這三省的效率，進(jìn)一步采用maxdea1.0進(jìn)行規(guī)?？勺兡Ｊ较碌某视嬎悖⑴c湖北這四個省各年份的超效率值繪成折線圖(見圖1)。從圖1看，2007年以前，廣東省農(nóng)業(yè)生產(chǎn)率穩(wěn)居第一，2007年以后，江蘇省的效率值超越廣東省，躍居第一。

(2)湖北省各年份的農(nóng)業(yè)技術(shù)效率

將湖北省各年的技術(shù)效率值與19省的平均效率值進(jìn)行比較(見圖2)，可以發(fā)現(xiàn)，19省的平均效率是逐年下降的，同時，湖北省在19個省中的相對效率，在2005年以前是逐漸下降的，2005年以后，有了緩慢的回升，但仍低于2003年以前的相對位置，且在2001年以前，高于19省的平均效率，2002年以后，則低于19省的平均效率值。分解為純技術(shù)效率(pech)和規(guī)模效率(sech)后，可以發(fā)現(xiàn)除了1995年與1997年，技術(shù)效率、純技術(shù)效率以及規(guī)模效率達(dá)到1，其余年份都小于1。而2013、2014年份為規(guī)模遞減，其他年份則處于規(guī)模效率遞增階段。從數(shù)據(jù)來看，播種面積從1995年的7413.71千公頃經(jīng)過或增或減到2006年達(dá)到最低6900.59千公頃后逐年擴(kuò)大，至2013、2014年超過8100千公頃。說明，湖北省要提高規(guī)模效率，不應(yīng)繼續(xù)擴(kuò)大總的種植面積，重點(diǎn)在于高標(biāo)準(zhǔn)農(nóng)田建設(shè)上。

圖1 四省20年來的超效率折線圖

圖2 湖北與19省平均的技術(shù)效率比較圖

3.2 基于面板數(shù)據(jù)的全要素增長率分析

對19省20年的面板數(shù)據(jù)進(jìn)行Malmquist指數(shù)計算，得到19個省各年份的全要素生產(chǎn)率(TFP)、效率改變(effch)以及技術(shù)進(jìn)步值(techch)。其中，湖北自1995年以來的TFP增長率平均為1.013(略低于19省平均值1.019)，2006年以來連續(xù)9年的增長率大于1，其中2006到2007年的TFP增長率為最高值，達(dá)到1.101。技術(shù)進(jìn)步率平均為1.033(略高于13省平均值1.028)，有15個年份的技術(shù)進(jìn)步值大于1，其中也是2006到2007年的技術(shù)進(jìn)步值最高，達(dá)到1.057。效率改變平均為0.981(略低于平均值0.991)，有12個年份低于1，說明生產(chǎn)效率隨著時間的推移并沒有進(jìn)步，反而略有降低，全要素增長率主要依賴于技術(shù)進(jìn)步。而技術(shù)效率分解后的平均規(guī)模效率值，湖北省為0.997，說明湖北省的規(guī)模沒有達(dá)到有效值。

19個省中，江蘇與福建的全要素生產(chǎn)率最高，分別居第一和第二，其中，江蘇的技術(shù)進(jìn)步率第一，福建次之，而福建的效率增長率居第一，江蘇居第二，具體數(shù)據(jù)見表1。

表1 全要素生產(chǎn)率結(jié)果表

效率改變技術(shù)進(jìn)步純技術(shù)效率規(guī)模效率全要素增長率福建1.0031.04511.0031.048江蘇11.053111.05319省平均0.9911.0280.9940.9971.019湖北0.9811.0330.9830.9971.013

3.3 農(nóng)業(yè)全要素生產(chǎn)率的影響因素分析

目前，對農(nóng)業(yè)全要素增長率的影響因素的分析與選擇上，主要有如下幾個方面：(1)受災(zāi)面積占比。受災(zāi)面積對農(nóng)業(yè)生產(chǎn)效率有負(fù)的影響，這一點(diǎn)基本得到了證實(shí)，本文采用變量受災(zāi)面積占比(disaster)表示；(2)農(nóng)業(yè)財政投入、科研投入等。通常認(rèn)為，農(nóng)業(yè)財政投入、農(nóng)業(yè)科研投入對農(nóng)業(yè)增長具有促進(jìn)作用。因?yàn)檗r(nóng)業(yè)科研投入經(jīng)費(fèi)的數(shù)據(jù)不能直接獲取而需從地方研發(fā)經(jīng)費(fèi)總投入中剝離，本研究采用農(nóng)業(yè)財政投入強(qiáng)度，即財政投入增長率來表示,記為變量finputch；(3)農(nóng)村勞動者受教育情況。有研究顯示教育對農(nóng)業(yè)TFP增長的影響不大[7]，基礎(chǔ)教育水平(初中及以上文化程度勞動者所占比例)與農(nóng)業(yè)生產(chǎn)效率正相關(guān)，但影響并不顯著[8]。更深入一步，有研究顯示[9]小學(xué)以下學(xué)歷與農(nóng)業(yè)TFP增長負(fù)相關(guān)[10]，初中教育對農(nóng)業(yè)TFP增長有正向影響，高中及以上教育對農(nóng)業(yè)TFP無顯著影響。本研究采用初中及以上文化程度勞動者的增長率為變量，用edulevel表示。

面板數(shù)據(jù)包括了個體、指標(biāo)和時間三個維度的信息,回歸建模時有固定效應(yīng)回歸模型、隨機(jī)效應(yīng)回歸模型和混合回歸模型?；旌瞎烙嬆Ｐ途褪歉鱾€截面估計方程的截距和斜率項都一樣，隨機(jī)效應(yīng)模型和固定效應(yīng)模型則認(rèn)為回歸方程估計結(jié)果在截距項和斜率項上是不一樣的，區(qū)別在于，隨機(jī)效應(yīng)模型認(rèn)為誤差項和解釋變量不相關(guān)，而固定效應(yīng)模型認(rèn)為誤差項和解釋變量相關(guān)。采用隨機(jī)效應(yīng)模型還是固定效應(yīng)模型可用Hausman檢驗(yàn)。在此，選擇變截距模型，即C隨個體i而變化，而各解釋變量的系數(shù)固定。將TFP與影響因素設(shè)定為如下回歸模型：

TFPit= Ci+β1Finputchit+β2disasterit+β3edulevelit+ui+vt +wit

其中：i表示第i省，t表示第t年。表示個體隨機(jī)誤差分量；表示時間隨機(jī)誤差分量；表示個體時間隨機(jī)誤差分量。采用統(tǒng)計軟件EVIEWS6進(jìn)行估算，經(jīng)Hausman檢驗(yàn)，適合采用固定系數(shù)變截距的隨機(jī)效應(yīng)回歸模型。F統(tǒng)計值為12.77758，Prob(F-statistic)接近0，即模型通過顯著性水平檢驗(yàn)。計算的各系數(shù)如下表2(各省份的截距變化量因?yàn)槠P(guān)系在此省略)。

表2 回歸計算結(jié)果

變量名系數(shù)標(biāo)準(zhǔn)誤T統(tǒng)計量相伴概率PC(基礎(chǔ)截距)1.27150.26894.737930.0000財政投入增長率0.03110.01621.887970.0598受災(zāi)面積占比-0.4360.0788-5.518900.0000文化程度增長率-0.2370.2674-0.876010.3816

從結(jié)果可以看出，受災(zāi)面積在1%的顯著性水平下對TFP具有顯著的負(fù)影響，財政投入增長率在10%的顯著性水平下對TFP有正向影響。初中文化程度的增長對TFP沒有顯著的影響。

同樣，對“技術(shù)進(jìn)步”、“效率改變”指數(shù)采用固定系數(shù)變截距的隨機(jī)效應(yīng)回歸模型進(jìn)行回歸分析，可以發(fā)現(xiàn)，受災(zāi)面積對效率改變有顯著影響(顯著性水平1%)，但對技術(shù)改變沒有顯著性影響。而財政投入在10%的顯著性水平下對技術(shù)改變有正向影響，但對效率改變沒有顯著性影響。初中文化比例的增長對技術(shù)進(jìn)步與效率改變均沒有顯著的影響。

3.4 湖北與江蘇兩省的比較分析

下面將湖北與江蘇兩省20年來單位播種面積的產(chǎn)出與投入進(jìn)行比較分析，并用圖3—6進(jìn)行分析。

圖3顯示，湖北與江蘇在每公頃的產(chǎn)出上有明顯的差距，且有緩慢擴(kuò)大的趨勢。而從兩省糧食和蔬菜單產(chǎn)數(shù)據(jù)來看，江蘇糧食單產(chǎn)每公頃比湖北平均高出494公斤，約10%，差距在2008年以前時略有縮小，2008年以后略有擴(kuò)大。蔬菜單產(chǎn)則在2006年以前，湖北有些年份高于江蘇。2006年以后，則江蘇高于湖北，且差距有擴(kuò)大趨勢。而在財政投入上，湖北單位面積的財政投入明顯低于江蘇，雖然2006年起兩省都加大投入，但差距也越來越大，尤其是2008年以后。圖4顯示，2003年以前，江蘇省每公頃從業(yè)人數(shù)高于湖北省，2003年以后則低于湖北，兩省之間的差距呈減小的趨勢。而有效灌溉面積占總播種面積的比例，江蘇省明顯高于湖北省。圖5顯示，兩省在每公頃的農(nóng)膜投入上，2003年以前差距較小，但2004年以后，江蘇省加大農(nóng)膜投入，與湖北的差距明顯拉大。而在每公頃機(jī)械總動力上的投入，則江蘇省一直高于湖北省，說明江蘇的農(nóng)業(yè)現(xiàn)代化程度比湖北高，但兩省之間的差距有縮小的趨勢。圖6顯示，湖北各年的每公頃農(nóng)藥使用量均高于江蘇省，且兩省在2006年以后呈緩慢減少趨勢。每公頃化肥的使用量，在2008年以前，江蘇省高于湖北省，2008年以后，兩省差不多，2009年以后有了緩慢降低的趨勢，但2011年以后，江蘇省則略微低于湖北省。說明在測土配方、綠色農(nóng)藥的政策推動下，單位面積上的農(nóng)藥、化肥的增長得到有效控制，但化肥使用仍處于高位水平。而江蘇省近幾年在控制農(nóng)藥、化肥的投入方面做得比湖北要好。

圖3 兩省各年份每公頃的產(chǎn)出與財政支出

圖4 兩省有效灌溉面積以及每公頃從業(yè)人數(shù)

圖5 兩省每公頃在農(nóng)膜與機(jī)械總動力上的投入

圖6 兩省每公頃化肥與農(nóng)藥的使用量

4 結(jié)論與建議

4.1 本研究的主要結(jié)論

(1) 在19省中，湖北2002年以前還處于19省的平均效率以上，2002年以后一直低于平均效率，且一直處于規(guī)模效率遞增階段，到2013、2014年則屬于規(guī)模遞減階段，說明種植規(guī)模不需要擴(kuò)大，關(guān)鍵在于建設(shè)高標(biāo)準(zhǔn)農(nóng)田。并且湖北的全要素增長率略低于19省平均值，技術(shù)進(jìn)步率略高于19省平均值，說明湖北這20年來全要素增長率主要依賴于技術(shù)進(jìn)步，生產(chǎn)效率并沒有得到有效的改善。

(2)農(nóng)業(yè)全要素增長率、效率改變率都受到受災(zāi)面積的負(fù)面影響。財政投入的增長對全要素增長以及技術(shù)進(jìn)步有促進(jìn)作用，但對效率改進(jìn)無影響。而農(nóng)業(yè)勞動力初中以上文化程度的增長對全要素增長率、技術(shù)進(jìn)步以及效率改進(jìn)都沒有顯著影響。

(3) 將湖北與生產(chǎn)效率以及技術(shù)進(jìn)步率最高的江蘇進(jìn)行比較，可以發(fā)現(xiàn)2008年以后，江蘇省對單位面積的農(nóng)業(yè)財政投入、農(nóng)膜投入都在高于湖北的基礎(chǔ)上逐漸拉大了距離。而農(nóng)藥的單位面積使用量，江蘇省低于湖北省，化肥則在2011年以前一直是江蘇高于湖北，2011年以后則低于湖北，說明近年來，江蘇省在減少農(nóng)藥化肥的使用方面做得比湖北好，且并沒有因?yàn)闇p量造成單產(chǎn)的下降。單位面積從業(yè)人數(shù)2002年以后，湖北高于江蘇，而機(jī)械總動力則一直低于江蘇，說明湖北的農(nóng)業(yè)現(xiàn)代化程度低于江蘇，

4.2 建議

(1)加大農(nóng)業(yè)財政投入，培育新型農(nóng)業(yè)主體。通過新型農(nóng)業(yè)主體，如家庭農(nóng)場、養(yǎng)殖大戶，專業(yè)合作社等，更容易開展農(nóng)技培訓(xùn)，推廣現(xiàn)代農(nóng)業(yè)技術(shù)，優(yōu)化農(nóng)業(yè)投入結(jié)構(gòu)。因?yàn)樾∞r(nóng)分散經(jīng)營，在基層公益性農(nóng)技服務(wù)網(wǎng)絡(luò)不健全的情況下農(nóng)技推廣難度大，種什么，不種什么帶有很強(qiáng)的隨機(jī)性，而且農(nóng)藥、化肥等投入要素的使用難以監(jiān)管，容易施用過量，不僅降低效率，而且不利于農(nóng)業(yè)的可持續(xù)發(fā)展。江蘇省近年來農(nóng)業(yè)增長率較大，很大程度上得益于財政支持下新型農(nóng)業(yè)主體的培育。從年鑒的統(tǒng)計數(shù)據(jù)來看，2008年，江蘇的農(nóng)村專業(yè)合作社有12600個，成員達(dá)290萬人，湖北的專業(yè)合作社為2100個[11]；2009年，江蘇的專業(yè)合作組織達(dá)到27650個，居全國第一位，成員數(shù)占總農(nóng)戶的36%，湖北則為6000多個[12]。數(shù)據(jù)對比可看出兩省之間的顯著差距。因此，湖北在培育新型農(nóng)業(yè)主體方面還需進(jìn)一步強(qiáng)化措施，讓財政支農(nóng)項目有效的與新型主體對接。

(2)改善農(nóng)業(yè)投入結(jié)構(gòu)，加強(qiáng)低碳農(nóng)業(yè)的示范和推廣。如利用城市污水污泥、農(nóng)村人畜糞便生產(chǎn)有機(jī)肥的系統(tǒng)化改造，利用蚯蚓翻耕提高肥力改善碳排放，稻田養(yǎng)魚養(yǎng)鴨等。在此，特別提出，農(nóng)膜在促進(jìn)農(nóng)業(yè)增產(chǎn)增收防蟲防雜草方面具有很大的價值，但會造成環(huán)境污染，應(yīng)當(dāng)通過財政投入加強(qiáng)對生物降解農(nóng)膜的研制推廣并降低成本。

(3)打造農(nóng)業(yè)品牌，加強(qiáng)質(zhì)量，加大適合本地自然條件的優(yōu)質(zhì)品種的開發(fā)與市場推廣，提高農(nóng)產(chǎn)品的附加值，并推動農(nóng)村信息化與電子商務(wù)建設(shè)，以加強(qiáng)與市場的聯(lián)系，準(zhǔn)確把握市場需求。江蘇省近年來在一村一品，打造品牌，提高產(chǎn)品附加值方面做得較好，湖北要提高農(nóng)業(yè)生產(chǎn)效率和農(nóng)民收入，需要扶持龍頭企業(yè)以及農(nóng)業(yè)合作化組織，強(qiáng)化產(chǎn)品質(zhì)量監(jiān)督與生產(chǎn)過程中的環(huán)境保護(hù)，倡導(dǎo)優(yōu)質(zhì)優(yōu)價品牌意識。

[1] 中華人民共和國國家統(tǒng)計局.國家數(shù)據(jù)[EB/OL].http://data.stats.gov.cn/easyquery.htm.cn=E0103,2016-03-10.

[2] Fan Shenggen. Effects of Technological Change and Institutional Reform on Production Growth in Chinese Agriculture[J]. American Journal of Agricultural Economics, 1991,73(5): 266- 275.

[3] 陳衛(wèi)平.中國農(nóng)業(yè)生產(chǎn)率增長、技術(shù)進(jìn)步與效率變化: 1990-2003年[J]. 中國農(nóng)村觀察, 2006(1):18-23.

[4] 李谷成.技術(shù)效率、技術(shù)進(jìn)步與中國農(nóng)業(yè)生產(chǎn)率增長[J].經(jīng)濟(jì)評論, 2009(1): 60-68.

[5] 周志專.中國農(nóng)業(yè)生產(chǎn)率的時空特征研究——基于序列DEA的非參數(shù)測度框架[J]. 湖北社會科學(xué), 2014(2):78-83.

[6] 李鵬,曾光.基于三階段DEA模型的湖北省農(nóng)業(yè)生產(chǎn)率研究[J].電子科技大學(xué)學(xué)報(社科版),2014,16(4): 43-48.

[7] 米建偉, 梁勤,馬驊.我國農(nóng)業(yè)全要素生產(chǎn)率的變化及其與公共投資的關(guān)系——基于1984——2002年分省份面板數(shù)據(jù)的實(shí)證分析[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì), 2009(3):4-16.

[8] 錢麗,肖仁橋,陳忠衛(wèi).碳排放約束下中國省際農(nóng)業(yè)生產(chǎn)效率及其影響因素研究[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理,2013(9):100-112.

[9] 陳剛,王燕飛.農(nóng)村教育、制度與農(nóng)業(yè)生產(chǎn)率——基于中國省級層面數(shù)據(jù)的實(shí)證研究[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì), 2010(6):18-27.

[10] 張召華,雷玲.陜西農(nóng)業(yè)生產(chǎn)效率評價以及影響因素分析——基于DEA-Tobit兩步[J].農(nóng)機(jī)化研究,2011(5):39-42.

[11] 中國農(nóng)業(yè)年鑒編輯委員會.中國農(nóng)業(yè)年鑒(2009)[M].北京:中國農(nóng)業(yè)出版社,2009.

[12] 中國農(nóng)業(yè)年鑒編輯委員會.中國農(nóng)業(yè)年鑒(2010)[M].北京:中國農(nóng)業(yè)出版社,2010.

A study on the agricultural technical efficiency and the growth of total factor productivity of Hubei——making a comparison with Jiangsu from 1995 to 2014

CHENGHong-li,CHENHui-ling,,HUANGEn

(School of Economic and Management, Wuhan Polytechnic University, Wuhan 430023，China)

The paper calculated agricultural technical efficiency and the growth of TFP(Total Factor Productivity) by DEA-BBC, DEA-super efficiency and DEA-Malmquist index method, Using 1995-2014 statistical data about agricultural input and output of 19 provinces (6 provinces in Eastern region , 8 provinces in central region and 5 provinces in western region) including Hubei. The results show that the agricultural technical efficiency of Hubei has been lower than the average efficiency of 19 provinces since 2002. The TFP of Hubei is slightly lower than the average of the 19 provinces,and the technology growth is slightly higher than the average value of 19 provinces. At the same time, the research compared Hubei with Jiangsu which is always in the frontier and is the highest on TFP and technology growth among the 19 provinces, about financial investment and other input factors so as to find the gap and further to provide policy recommendations for Hubei agricultural development.

technical efficiency；malmquist TFP index；agriculture；Hubei,；Jiangsu

2017-02-26.

2017-04-12.

程紅莉(1977-)，女，講師，博士研究生，E-mail：ch_hongli@126.con.

湖北省教育廳人文社會科學(xué)研究一般項目(15Y094).

2095-7386(2017)02-0078-06

10.3969/j.issn.2095-7386.2017.02.015

F 323

A