王業(yè)偉　孔令民　呂永東

摘 要：【目的】?jī)?yōu)化山東菏澤定陶區(qū)的玉米種植的資源配置，增加玉米生產(chǎn)總值，促進(jìn)玉米種植經(jīng)濟(jì)綠色可持續(xù)發(fā)展。【方法】研究基于數(shù)據(jù)包絡(luò)法構(gòu)建玉米生態(tài)效率分析模型，利用計(jì)量模型分析生態(tài)效率影響因素，并構(gòu)建Tobit影響因素分析模型來(lái)探究玉米生產(chǎn)效率的投入產(chǎn)出影響因素?！窘Y(jié)果】結(jié)果表明，近5年，玉米生態(tài)效率呈增長(zhǎng)趨勢(shì)，增幅為76.3%，但生態(tài)效率值較低；純技術(shù)效率增幅僅3.9%，應(yīng)加大資源投入中的技術(shù)水平的提升。在影響因素中，種植戶技術(shù)培訓(xùn)程度、單位化肥、農(nóng)藥用量和政策扶持對(duì)生態(tài)效率影響顯著。【結(jié)論】采用三階段實(shí)證分析模型能夠有效得知山東省玉米生產(chǎn)效率的投入產(chǎn)出影響因素，對(duì)推進(jìn)農(nóng)業(yè)生態(tài)效率提出相關(guān)建議具有積極作用。

關(guān)鍵詞：玉米；生態(tài)效率；實(shí)證分析；數(shù)據(jù)包絡(luò)分析；影響因素

引言

保證糧食生產(chǎn)安全和農(nóng)產(chǎn)品供給是我國(guó)民生工程的重大戰(zhàn)略部署，政策的扶持與農(nóng)業(yè)生產(chǎn)技術(shù)的創(chuàng)新使農(nóng)業(yè)生產(chǎn)方式逐漸向現(xiàn)代化轉(zhuǎn)型，農(nóng)業(yè)生產(chǎn)總值得到大幅提升[1]。但由于農(nóng)業(yè)生產(chǎn)過(guò)程中存在操作不規(guī)范的情況，致使農(nóng)業(yè)生產(chǎn)過(guò)程二氧化碳排放過(guò)量，加上化肥與農(nóng)藥的超標(biāo)使用，工業(yè)污水與廢水的侵蝕，農(nóng)田有機(jī)含量下降，糧食生產(chǎn)出現(xiàn)高碳化現(xiàn)象，農(nóng)業(yè)生態(tài)效率問題較以往突出[2-3]。山東作為我國(guó)農(nóng)業(yè)生產(chǎn)大省，農(nóng)產(chǎn)品資源豐富。玉米是山東菏澤市定陶區(qū)的主要糧食作物，在當(dāng)?shù)丶Z食產(chǎn)業(yè)結(jié)構(gòu)中處于核心地位。保障玉米產(chǎn)區(qū)的生態(tài)條件有助于提高玉米產(chǎn)能，因此，為完成當(dāng)?shù)赜衩咨a(chǎn)種植的經(jīng)濟(jì)目標(biāo)與處理農(nóng)業(yè)污染治理的生態(tài)目標(biāo)，有必要對(duì)山東菏澤市定陶區(qū)的玉米種植生態(tài)效率問題進(jìn)行深入研究。目前，關(guān)于生態(tài)效率問題的研究方法主要有綜合評(píng)價(jià)方法中的因子分析賦權(quán)法、灰色綜合評(píng)價(jià)法、能值分析法和數(shù)據(jù)包絡(luò)分析法，但仍存在評(píng)價(jià)方法趨同化和影響因素考慮不全的問題。鑒于此，有必要圍繞農(nóng)業(yè)生態(tài)效率影響因素展開研究[4-5]。此次研究結(jié)合定陶區(qū)近5年來(lái)玉米種植有關(guān)數(shù)據(jù)，首先基于數(shù)據(jù)包絡(luò)分析構(gòu)建玉米生態(tài)效率投入產(chǎn)出模型，對(duì)模型評(píng)價(jià)效果進(jìn)行分析；然后采用基于最大似然估計(jì)法的計(jì)量分析模型對(duì)玉米種植生態(tài)效率影響因素分析，期望助推山東菏澤市定陶區(qū)的生態(tài)玉米種植發(fā)展。

1 玉米生態(tài)效率實(shí)證分析模型搭建

1.1 基于DEA的投入導(dǎo)向BCC模型設(shè)計(jì)

生態(tài)效率是指經(jīng)濟(jì)體提供的價(jià)值與經(jīng)濟(jì)體消耗能源或資源的比值。此次研究基于數(shù)據(jù)包絡(luò)分析方法（Data Envelopment Analysis，DEA）進(jìn)行玉米生態(tài)效率的實(shí)證分析。DEA一般被用來(lái)測(cè)量一些決策部門的生產(chǎn)效率，可用于處理投入與產(chǎn)出之間的關(guān)系。DEA模型運(yùn)用方便，客觀性較強(qiáng)，適合多投入產(chǎn)出影響分析。DEA通過(guò)固定決策單元（Decision Making Units，DMU）的輸入，借助數(shù)學(xué)規(guī)劃和統(tǒng)計(jì)數(shù)據(jù)確定相對(duì)有效的DEA生產(chǎn)前沿面，將各個(gè)決策單元投影到DEA的生產(chǎn)前沿面上，并通過(guò)確定決策單元對(duì)于DEA前沿面的偏離程度來(lái)評(píng)價(jià)它們的相對(duì)有效性。DEA的生產(chǎn)前沿面即為邊界區(qū)域，在邊界區(qū)域上DMU的投入產(chǎn)出效率高，在邊界區(qū)域外的DMU表示無(wú)效率[6-7]。常見的DEA模型為固定規(guī)模報(bào)酬下的模型，但規(guī)模報(bào)酬不變與實(shí)際情況出入較大，因此本研究使用規(guī)模可變（Variable returns of scale，VRS）的三階段DEA-BCC（Banker，Charnes和Cooper，BCC）模型，處理變化規(guī)模報(bào)酬的情形。BCC將純技術(shù)效率（Pure TechnicalEfficiency，PTE）和規(guī)模效率（Scale efficiency，SE）相乘得到綜合效率（Technical Efficiency，TE），多方面對(duì)DMU的效率進(jìn)行評(píng)價(jià)，PTE、SE、TE之間的關(guān)系如圖1所示[8-9]。

其中，技術(shù)效率的定義公式見式（1）。式（1）中，XG、XA分別表示G和A的投入量。由圖1可見，A點(diǎn)與G點(diǎn)的產(chǎn)出可能大小相等，但A點(diǎn)的投入量可能大于G點(diǎn)，這時(shí)A表示無(wú)效率。

同理，PTE、SE的定義公式見式（2）。式（2）中，XB表示B的投入量。同樣，A點(diǎn)與B點(diǎn)的產(chǎn)出可能大小相等，但A點(diǎn)的投入量可能大于B點(diǎn)，這時(shí)A表示無(wú)效率。

第一階段的決策單元投入導(dǎo)向下對(duì)偶形式的BCC定義式見式（3）。式（3）中j表示決策單元；X表示投入變量；Y表示產(chǎn)出變量；θ （0 <θ ≤1）表示各項(xiàng)要素投入產(chǎn)出綜合效率指數(shù)， S? ， S+ 分別表示投入和產(chǎn)出的松弛變量，當(dāng)θ =1，S? = S+ = 0 時(shí)，DEA有效；當(dāng)θ =1， S? ≠ 0 / S+ ≠ 0 時(shí)，DEA弱有效；θ <1，DEA無(wú)效；ε 表示非阿基米德無(wú)窮小[10-11]。

第二階段借助隨機(jī)前沿方法（Stochastic FrontierApproach，SFA）回歸分解松弛變量，松弛變量代表初始低效率，包括環(huán)境因素、管理無(wú)效率和統(tǒng)計(jì)噪聲，其表達(dá)式見式（4），vni代表隨機(jī)干擾項(xiàng)，uni代表管理無(wú)效率，Zi為環(huán)境變量， βn 表示系數(shù)。

SFA的回歸調(diào)整公式見式（5）。式（5）中，XAni表示調(diào)整后的投入，Xni是調(diào)整前的投入，SFA的回歸是對(duì)外部因素進(jìn)行調(diào)整，并將決策單元的隨機(jī)誤差調(diào)整為相同水平。

第三階段將去除環(huán)境、隨機(jī)因素的影響，經(jīng)過(guò)三階段DEA-BCC模型之后得到的生態(tài)效率能更準(zhǔn)確地反映無(wú)效率狀況，測(cè)算結(jié)果精確率更高。最后，結(jié)合現(xiàn)有研究成果以及定陶區(qū)玉米產(chǎn)業(yè)實(shí)際情況，確定投入產(chǎn)出指標(biāo)，具體指標(biāo)評(píng)價(jià)體系見表1。

1.2 基于最大似然估計(jì)法的Tobit影響因素分析模型設(shè)計(jì)

用BCC模型測(cè)算生態(tài)效率值以后，繼續(xù)分析生態(tài)效率影響因素。研究從宏觀因素、農(nóng)業(yè)發(fā)展水平和政策扶持三個(gè)層面對(duì)生態(tài)效率影響因素進(jìn)行考量。經(jīng)濟(jì)發(fā)展的水平?jīng)Q定了農(nóng)業(yè)經(jīng)濟(jì)與農(nóng)業(yè)技術(shù)的發(fā)展；同時(shí)，農(nóng)村勞動(dòng)力的種植專業(yè)技能水平對(duì)農(nóng)業(yè)產(chǎn)值影響較大，因此經(jīng)濟(jì)發(fā)展水平與種植戶的技術(shù)水平可以衡量農(nóng)業(yè)宏觀發(fā)展環(huán)境對(duì)玉米種植生態(tài)效率的影響；產(chǎn)業(yè)結(jié)構(gòu)以及種植機(jī)械化、規(guī)?；潭取挝环N植化肥、農(nóng)藥用量在一定程度反映了定陶區(qū)的農(nóng)業(yè)發(fā)展水平，發(fā)展水平的變革會(huì)增大投入與產(chǎn)出的轉(zhuǎn)化效率，生態(tài)優(yōu)勢(shì)可轉(zhuǎn)化為產(chǎn)業(yè)優(yōu)勢(shì)；國(guó)家政策支持也對(duì)維護(hù)農(nóng)業(yè)生態(tài)資源具有正向作用。玉米種植生態(tài)效率影響因素指標(biāo)及變量解釋見表2。

研究采用基于最大似然估計(jì)法的Tobit模型對(duì)處于[0，1]范圍內(nèi)的生態(tài)效率值進(jìn)行回歸分析。Tobit模型擅長(zhǎng)通過(guò)回歸系數(shù)分析解決存在截?cái)鄶?shù)據(jù)的情況下的統(tǒng)計(jì)分析問題，模型可以調(diào)節(jié)變量的強(qiáng)弱關(guān)系。首先，對(duì)生態(tài)效率進(jìn)行測(cè)度，然后將測(cè)度值與影響因素建立回歸模型。線性關(guān)系與截?cái)鄶?shù)據(jù)見式（6）。式（6）中，Xi表示解釋變量，Yi表示被解釋變量，β T表示未知參數(shù)向量，c表示已知限制[12-14]。

根據(jù)式（6）建立Tobit模型，去掉限制值c，令誤差服從正態(tài)分布，Tobit模型形式見式（7）。式（7）中，Xi為實(shí)測(cè)值，Yi以限制方式被測(cè)。當(dāng)Yi＞0時(shí)，無(wú)限制測(cè)值為實(shí)測(cè)值；Yi≤0，受限測(cè)值截取為0。

全體樣本的似然函數(shù)見式（8）。式（8）中，F(xiàn)（·）表示分布函數(shù)，n表示測(cè)點(diǎn)數(shù)量。

由此，舍棄常數(shù)項(xiàng)之后可得似然函數(shù)的對(duì)數(shù)函數(shù)，對(duì)數(shù)函數(shù)見式（9）。

最大似然法的核心就是使未知參數(shù)滿足式（10）的關(guān)系，式（10）如下。似然法的極值可用數(shù)值方式或者求解代數(shù)方程的方式求解[15]。

2 玉米生態(tài)效率評(píng)價(jià)結(jié)果及影響因素分析

將定陶區(qū)玉米種植生態(tài)效率與定陶區(qū)農(nóng)業(yè)整體生態(tài)效率和非農(nóng)業(yè)用地生態(tài)效率進(jìn)行對(duì)比分析，農(nóng)業(yè)用地指直接用于農(nóng)牧業(yè)生產(chǎn)的土地，非農(nóng)業(yè)用地指用來(lái)生產(chǎn)非農(nóng)業(yè)產(chǎn)品或用于其他目的的用地。以定陶區(qū)8個(gè)鎮(zhèn)，2個(gè)鄉(xiāng)近5年來(lái)農(nóng)業(yè)種植超過(guò)一公頃的種植戶為研究對(duì)象，共包含306戶，數(shù)據(jù)來(lái)源于山東省統(tǒng)計(jì)年鑒和近5年政府和環(huán)保局的工作報(bào)告。研究選取的分析變量及各個(gè)變量的描述性統(tǒng)計(jì)結(jié)果見表3。

生態(tài)效率對(duì)比分析結(jié)果如圖2所示。由圖2可見，從2018—2022年，定陶區(qū)的玉米種植生態(tài)效率和非農(nóng)業(yè)用地生態(tài)效率值呈增長(zhǎng)趨勢(shì)。玉米種植生態(tài)效率從0.38增長(zhǎng)至0.67，增長(zhǎng)幅度約為76.3%；非農(nóng)業(yè)用地生態(tài)效率值從0.65增長(zhǎng)至0.92，增長(zhǎng)幅度約為41.5%。與非農(nóng)業(yè)用地生態(tài)效率相比，盡管玉米種植生態(tài)效率增長(zhǎng)幅度更大，但仍處于較低水平；農(nóng)業(yè)種植生態(tài)效率存在波動(dòng)，但始終低于其他兩種用地的生態(tài)效率值，平均生態(tài)效率值為0.46。至2022年結(jié)束，定陶區(qū)的玉米種植生態(tài)效率距離實(shí)現(xiàn)生態(tài)有效仍有較大差距，玉米的種植仍未實(shí)現(xiàn)科學(xué)綠色的產(chǎn)業(yè)規(guī)模，近33%的生產(chǎn)投入是無(wú)效率的，定陶區(qū)的玉米種植產(chǎn)業(yè)仍有很大進(jìn)步空間。

三階段DEA-BCC模型PTE與SE的乘積得到TE，將玉米種植的生態(tài)效率值進(jìn)行分解，分解結(jié)果如圖3所示。由圖3可見，從2018—2022年，玉米種植規(guī)模效率從0.87上升至1.08，增長(zhǎng)了0.21，但2022年的規(guī)模效率值大于1.00，玉米種植投入資源過(guò)多，導(dǎo)致資源的浪費(fèi)。規(guī)模效率和決策單元有關(guān)，當(dāng)規(guī)模效率的值小于1時(shí)，則規(guī)模無(wú)效，需加大生產(chǎn)規(guī)模投入，規(guī)模效率值越大越好。5年間，定陶區(qū)玉米種植的綜合效率從0.41提升至0.53，增長(zhǎng)幅度約為29.3%，但仍遠(yuǎn)小于1，玉米種植的綜合效率判定為無(wú)效。綜合效率是對(duì)投入與產(chǎn)出的綜合評(píng)價(jià)，只有當(dāng)綜合效率值為1時(shí)，決策單元位于前沿條件下，生產(chǎn)有效。純技術(shù)效率值從0.51提升至0.53，增長(zhǎng)幅度約為3.9%，提升幅度較小。截至2022年，純技術(shù)效率值仍未達(dá)到1，定陶區(qū)的玉米種植未達(dá)到技術(shù)有效，投入指標(biāo)在當(dāng)前技術(shù)水平上表現(xiàn)為無(wú)效。綜合純技術(shù)效率與綜合效率發(fā)現(xiàn)，定陶區(qū)的玉米種植生態(tài)效率始終處于無(wú)效水平，而2022年規(guī)模資源值表明，繼續(xù)投入資源對(duì)定陶區(qū)的玉米種植生態(tài)效率無(wú)明顯促進(jìn)作用，應(yīng)考慮提升資源投入中的技術(shù)水平。

對(duì)三階段DEA-BCC模型進(jìn)行的階段評(píng)價(jià)效果進(jìn)行比較，不同階段的評(píng)價(jià)結(jié)果如圖4所示。第一階段與第三階段的測(cè)算評(píng)價(jià)結(jié)果存在明顯差異。環(huán)境因素影響和隨機(jī)統(tǒng)計(jì)噪聲使生態(tài)效率值結(jié)果出現(xiàn)誤差，由此可見，使用三階段DEA-BCC模型對(duì)玉米種植生態(tài)效率投入產(chǎn)出進(jìn)行分析是可行的。

將可能影響玉米種植生態(tài)效率因素進(jìn)行回歸分析，分析結(jié)果見表4。由表4可知，影響定陶區(qū)玉米種植生態(tài)效率的因素主要有種植戶技術(shù)培訓(xùn)程度、單位化肥、農(nóng)藥用量和政策支持。種植戶技術(shù)培訓(xùn)程度越高，人力技術(shù)水平越高，投入與產(chǎn)出的轉(zhuǎn)化效率越好；產(chǎn)業(yè)結(jié)構(gòu)對(duì)生態(tài)效率存在負(fù)影響，增大玉米種植面積會(huì)使生態(tài)效率降低；玉米種植機(jī)械化程度和規(guī)模化程度對(duì)玉米種植生態(tài)效率表現(xiàn)出積極作用，不僅降低了生產(chǎn)過(guò)程的勞動(dòng)力成本，而且有助于提高農(nóng)業(yè)生產(chǎn)技術(shù)；農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平對(duì)生態(tài)效率的影響顯著性較低，很大程度上是由于農(nóng)業(yè)經(jīng)濟(jì)發(fā)展周期較長(zhǎng)，見效緩慢，農(nóng)業(yè)現(xiàn)代化轉(zhuǎn)型過(guò)渡期較長(zhǎng)導(dǎo)致的。國(guó)家政策扶持會(huì)對(duì)玉米種植生態(tài)效率產(chǎn)生良性影響，影響顯著性較高。

3 結(jié)論

為了促進(jìn)定陶區(qū)玉米種植產(chǎn)業(yè)的可持續(xù)發(fā)展，研究圍繞玉米生態(tài)效率展開研究分析。研究結(jié)果表明，近5年來(lái)，定陶區(qū)的玉米種植生態(tài)效率呈增長(zhǎng)的趨勢(shì)，增幅為76.3%，但生態(tài)效率值最高0.67，仍處于較低水平，近33%的生產(chǎn)投入無(wú)效率；DEA-BCC模型的玉米規(guī)模、綜合和純技術(shù)效率均不斷提升，分別增長(zhǎng)0.12，0.02，增幅29.3%、3.9%，但2022年時(shí)規(guī)模效率大于1，繼續(xù)投入資源對(duì)玉米生態(tài)效率無(wú)促進(jìn)作用，應(yīng)提升資源投入中的技術(shù)水平。三階段DEABCC模型可以減小環(huán)境因素影響和隨機(jī)統(tǒng)計(jì)噪聲產(chǎn)生的誤差，Tobit模型分析發(fā)現(xiàn)種植戶技術(shù)培訓(xùn)程度、單位化肥、農(nóng)藥用量以及政策支持對(duì)玉米生態(tài)效率影響較為顯著。根據(jù)模型結(jié)果可知，玉米種植的產(chǎn)業(yè)發(fā)展還需從內(nèi)而外地進(jìn)行優(yōu)化。包括調(diào)整生產(chǎn)方式，優(yōu)化產(chǎn)業(yè)布局以及促進(jìn)農(nóng)村城鎮(zhèn)的資源合理化配置，加強(qiáng)農(nóng)業(yè)補(bǔ)貼與政策建設(shè)?；贒EA的實(shí)證分析模型合理有效，但還可考慮更多因素對(duì)模型進(jìn)一步優(yōu)化。

參考文獻(xiàn)

[1] 張英男，龍花樓.農(nóng)業(yè)生產(chǎn)轉(zhuǎn)型及其環(huán)境效應(yīng)的研究進(jìn)展與展望[J].自然資源學(xué)報(bào)，2022，37（7）：1691-1706.

[2] 鄧遠(yuǎn)建，超博.灰水足跡視角下我國(guó)省域農(nóng)業(yè)生態(tài)效率及其影響因素[J].中國(guó)農(nóng)業(yè)科學(xué)，2022，55（24）：4879-4894.

[3] 侯孟陽(yáng)，鄧元杰，姚順波.農(nóng)村勞動(dòng)力轉(zhuǎn)移、化肥施用強(qiáng)度與農(nóng)業(yè)生態(tài)效率：交互影響與空間溢出[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2021（10）：79-94.

[4] 吉雪強(qiáng)，尚杰.基于三階段SBM模型的中國(guó)農(nóng)業(yè)生態(tài)效率研究[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃，2021，42（7）：210-217.

[5] 曾慶順，李永正，周子揚(yáng).基于Super-SBM模型的江蘇省生態(tài)效率評(píng)價(jià)[J].湖北農(nóng)業(yè)科學(xué)，2021，60（23）：191-195+214.

[6] 許燕琳，李子君.基于DEA和STIRPAT模型的山東省農(nóng)業(yè)生態(tài)效率評(píng)價(jià)[J].水土保持研究，2021，28（4）：293-299.

[7] 吳遠(yuǎn)征，張智光.林業(yè)生態(tài)安全效率及其影響因素的DEA-Tobit模型分析——基于生態(tài)與產(chǎn)業(yè)共生關(guān)系[J].長(zhǎng)江流域資源與環(huán)境，2021，30（1）：76-86.

[8] 高凱麗，王紫紅，高山.基于DEA模型的我國(guó)中醫(yī)醫(yī)院運(yùn)營(yíng)效率的綜合評(píng)價(jià)[J].現(xiàn)代預(yù)防醫(yī)學(xué)，2022，49（4）：690-694+705.

[9] 蘭海，吳悅，王丹.基于DEA和Malmquist指數(shù)的青海省科技創(chuàng)新效率研究[J].科技管理研究，2021，41（17）：40-46.

[10] 栗玉香，邊忠讓，張榮馨.我國(guó)世界一流大學(xué)建設(shè)經(jīng)費(fèi)投入效率實(shí)證研究——基于34所高校面板數(shù)據(jù)的三階段DEA-Tobit分析[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2022（6）：30-43.

[11] 于本海，汪婷，何闖，等.基于三階段DEA的我國(guó)醫(yī)療衛(wèi)生服務(wù)體系效率測(cè)度研究[J].管理評(píng)論，2022，34（12）：312-321.

[12] 劉晨，崔鵬.研發(fā)投入、企業(yè)規(guī)模與人工智能企業(yè)的生產(chǎn)效率——基于三階段DEA模型與Tobit模型的二階段分析[J].財(cái)貿(mào)研究，2022，33（5）：45-55.

[13] 閆晗，喬均，杜蓉.糧食最低收購(gòu)價(jià)政策對(duì)糧食加工業(yè)綜合技術(shù)效率的影響——基于三階段DEA和Tobit模型的實(shí)證研究[J].商業(yè)研究，2021（4）：120-131.

[14] Ahmed Chowdhury S，Aziz S，Bellal Hossan M.Cost efficiency evaluation of thermal power plants in Bangladesh using a twostage DEAModel[J].Economics of Energy &Environmental Policy，2022，11（1）：145-163.

[15] 李建華，毛文貴，周舟.基于微型遺傳算法的最大似然法識(shí)別風(fēng)機(jī)轉(zhuǎn)子系統(tǒng)的不對(duì)中載荷[J].應(yīng)用力學(xué)學(xué)報(bào)，2021，38（6）：2250-2255.