基于DEA的我国高标准农田建设资源配置效率评价_袁祖培.pdf

理论研究当代农村财经2023年第2期基于DEA的我国高标准农田建设资源配置效率评价 袁祖培摘要：“十四五”以来，高标准农田项目作为我国的一项重要农业基础工程持续受到来自支农资金的重点倾斜，但随着建设成本费用的逐年攀升，高标准农田亩均投入也逐年增长，如何科学评价我国高标准农田建设资源配置效率并采取相应改进措施对提升支农资金使用效益具有重要意义。本文选取我国各省高标准农田建设项目面板数据，建立投入产出效益评价指标体系，并以DEA模型为主要分析工具计算得出研究结果，最后对我国高标准农田建设问题进行探讨，并针对问题提出相应对策建议，以期对提高我国高标准农田建设效益提供参考。关键词：高标准农田 资源配置 DEA 效益评价一、引言习近平总书记在中央农村工作会议讲话中强调，要把解决好“三农”问题作为全党工作重中之重，“三农”问题不仅关系民生福祉，更关系到国家粮食安全，因而一直受到党和国家 的 高 度 关 注。在 此 背 景 下，我国各省积极采取措施，将支农资金重点投向粮食主产区及其高标准农田建设项目，有节奏地实施规模开发，但随着建设成本及费用等的逐年上涨，高标准农田亩均投入 也 随 之 增 长：已 由“十 一五”时 期 1200 元/亩、“十 二五”时 期 的 1500 元/亩，增 至“十 三 五”时 期 的 1800 元/亩。因此，如何有效测算并科学评价高标准农田建设项目资源配置效率，进而采取相应改进措施对提升支农资金使用效益具有重要意义。相关学者大都把高标准农田项目视为一项工程建设项目或政治目标，便侧重在工程技术标 准 及 政 府 公 共 管 理 进 行 研究：如，沈 明（2012）选 取 了耕地等级、粮食生产能力等指标，建立了相应的区域评价指标 体 系。冯 锐（2012）等 学 者选 取 了 12 个 评 价 指 标 进 行 评价，对四川省高标准农田项目建 设 作 出 了 建 设 时 序 安 排 等；亦或是将高标准农田项目囊括在土地整治项目、财政支农资金 中 去 研 究，如 厉 伟、姜 玲、华 坚（2014）运 用 DEA 与 SFA结合的三阶段 DEA 方法，对我国 26 个省（区）20072011 年财 政 支 农 效 率 进 行 分 析 李 俊杰、李 建 平、梅 冬（2022）通过选取 4 个粮食主产省的 8 个粮食大县进行调研，采用半结构性方式研究分析了农田建设政策落实及项目实施中存在的问题并提出建议等。少有学者通过数学模型去评价高标准农田建设资源配置效率。因此，本文基于 DEA 模型对我国内地 29个省份高标准农田建设效率进行分析，之后针对其存在问题提出相应对策建议，为高标准农田建设发展提供参考。二、高标准农田建设效率：模型、指标与数据（一）高标准农田建设效率评价模型数据包络分析（DEA）方法是运用数学工具评价经济生产有效性的非参数方法，一般用于评价多投入、多产出的多决策单元（DMU）生 产 效 率，1957 年 由Farrel开创性提出，该方法在实际应用中不断完善，主要由 A.cha-renes、W.Cooper 和 E.Rhodes 等人将DEA方法推广开来。DEA 数据包络分析方法，因其只需考虑投入和产出指标的确立，不用考虑生产函数及其8理论研究当代农村财经2023年第2期表达形式，且无需对指标数据进行无钢量化处理，因而被广泛运用于农业生产效率的测算与评价之中。因此本文对高标准农田建设效率的测算主要选用 DEA 方 法。模 型 介 绍 如 下（具体演化步骤省略）：设 有 n 个 DMU，不 同 DMU分别有 m 种类型的“输入 X”，和 s 种类型的“输出 Y”。记第 j个 决 策 单 元 的 输 入 变 量，Xj=（x1j，xj2，xmj）T，j=1，2，n；输 出 变 量Yj=（y1j，yj2，ymj），j=1，2，n。构 建C2R模 型（1）和 模 型BC2（2）如下：（1）（2）（二）高标准农田建设效率评价指标体系及数据来源本文在评价高标准农田建设资源配置效率的指标方面，遵循 科 学 客 观、数 据 可 得 等 原则，通过总结已有文献研究成果，并依据 2016 年 高标准农田 建 设 评 价 规 范 和 2022 年高标准农田建设 通则（GB/T306002022）标准，选取了指标如下：实验数据主要来源自农村土地动态监测监管信息系统数据库（因访问受限，故参考了马晓妍，何仁伟，魏洪斌的文献数 据 并 进 行 整 理）以 及 历 年中国财政年鉴中国农村统计年鉴中国统计年鉴 等，用单位面积指标来测算可有效避免各地区因建设数量不均而产 生 的 差 异。本 文 选 取 了20122017 年 全 国 已 验 收 入 库的高标准农田建设项目作为决策单元 DMU，运用 DEA 模型对我 国 内 地 29 个 省 份（其 中 上海、西藏因项目数量极少，故排除）的高标准农田建设效率进行测算。三、高标准农田建设实证结果与分析（一）高标准农田建设投入产出效率将上述全国各个省份高标准农田建设项目投入和产出指标数据录入表格，然后在 DEAP2.1软 件 包 中 设 置 指 令 文 件 参 数，并使用和模型对表格数据进行测算，基于和模型的高标准农田建设效率分析结果如表 2 所示：由表 2 可知，通过和模型测算得出：我国各省高标准农田建 设 综 合 技 术 效 率 均 值 为0.694，纯 技 术 效 率 均 值 为0.778，规 模 效 率 均 值 为 0.905。在 29 个省份项目投入产出效率得分中，共有 5 个省份 DEA 有效，即这些决策单元在投入不变的情况下，资源配置效率达到了相对最优化。除去 5 个 DEA 有效省份外，其 余 24 个 省 份 均 为 非 DEA 有效，其中有 7 个省份的纯技术效率值为 1.000，原因可能为规模效率低下所致；剩余 17 省的综合技术效率和纯技术效率均小于 1，可能是因为投入规模不当且产出不足所致。对此，可通过 DEA 模型进一步对其投入产出的松弛变量进行测算，并作具体分析。我国高标准农田建设 项 目 资 源 配 置 分 析 中，非DEA 有效占比高达 83%，该数据表面我国高标准农田建设资源配置效率有较大的提升空间。综上所述，我国各省中高标准农田建设规模效率不变的有 5个，占比 17%；规模效率递减的有 7 个省份，占比 24%；规模效率 递 增 的 有 17 个 省 份，占 比表 1高标准农田建设效率评价指标体系一级指标投入指标产出指标二级指标资金投入经济效益社会效益生态效益三级指标单位面积投资额（X1）单位面积新增粮食产量（Y1）单位面积受益人数（Y2）单位面积农民年均新增收入（Y3）新增农田灌溉率（Y4）9理论研究当代农村财经2023年第2期序号1DMU2DMU3DMU4DMU5DMU6DMU7DMU8DMU9DMU10DMU11DMU12DMU13DMU14DMU15DMU16DMU17DMU18DMU19DMU20DMU21DMU22DMU23DMU24DMU25DMU26DMU29DMU28DMU29DMU决策单元北京天津石家庄太原呼和浩特沈阳长春哈尔滨南京杭州合肥福州南昌济南郑州武汉长沙广州南宁海口重庆成都贵阳昆明西安兰州西宁银川乌鲁木齐均值综合效率crste0.3870.7050.6790.7401.0001.0001.0000.7900.5240.7860.8850.7440.5191.0000.6290.8860.6111.0000.5640.7610.5050.8230.5000.4270.5320.5700.3500.5510.6500.694纯技术效率vrste1.0001.0000.7271.0001.0001.0001.0000.9310.5521.0000.9080.7490.5481.0000.6361.0000.6381.0000.5991.0000.5421.0000.5140.4360.5390.5850.4200.5670.6590.778规模效率scale0.3870.7050.9340.7401.0001.0001.0000.8490.9490.7860.9740.9940.9471.0000.9890.8860.9581.0000.9410.7610.9320.8230.9730.9790.9860.9750.8330.9720.9850.905规模效率状态非DEA有效非DEA有效非DEA有效非DEA有效DEA有效DEA有效DEA有效非DEA有效非DEA有效非DEA有效DEA有效非DEA有效非DEA有效DEA有效非DEA有效非DEA有效非DEA有效DEA有效非DEA有效非DEA有效非DEA有效非DEA有效非DEA有效非DEA有效非DEA有效非DEA有效非DEA有效非DEA有效非DEA有效评价结果递减（drs）递减（drs）递增（irs）递减（drs）不变（-）不变（-）不变（-）递增（irs）递增（irs）递减（drs）递增（irs）递增（irs）递增（irs）不变（irs）递增（irs）递减（drs）递减（drs）不变（-）递增（irs）递减（drs）递增（irs）递增（irs）递增（irs）递增（irs）递增（irs）递增（irs）递增（irs）递增（irs）递增（irs）表 2 我国高标准农田建设投入产出效率表注：综合效率=纯技术效率规模效率10理论研究当代农村财经2023年第2期59%。这说明我国高标准农田建设项目规模效率总体上处于不变或递增趋势，这可能跟国家财政支农资金逐年增加、对高标准农田建设项目投入逐年侧重有关。（二）非 DEA 有效决策单元的“投影”分析对上述非DEA有效的24个省份，可通过DEA模型进一步对其投入产出的松弛变量进行测算，并作具体分析。为更好地反映各省份投入产出效率的状况，本文对非DEA有效的24个省份做进一步投入冗余分析及产出不足分析，测算结果如下：从表 3 可看出，非 DEA 有效的 24 个 省 份 决 策 单 元 相 比，DMU1、DMU2、DMU4、DMU10、DMU16、DMU20、DMU22 投入效率相对最优，无效 的 投 入 均 为 0；此 外，DMU8、DMU11 投入发挥了较好的作用，无效的投入较低；而DMU3、DMU9、DMU12、DMU13、DMU15、DMU17、DMU19、DMU21、DMU23、DMU24、DMU25、DMU26、DMU27、DMU28、DMU29 的 投入中无效的投入比例均达到了最大，这表明在这些省份经济发展过程中减少投入增加资源配置效率的空间较大。从产出不足结果可看出（篇幅有限，故不列示），24 个省份当前的产出不足主要存在于单位面积受益人数和新增农田灌溉率等，在这两项指标上还存在 较 大 差 距，其 中 DMU8、DMU9、DMU12、DMU19及DMU27、DMU29 在 产 出 上 可 提升空间最高，这些省份应在单位面积受益人数和新增农田灌溉率做出努力以提升整体项目建设效率水平。（三）结论1.我国高标准农田建设项目资源配置效率总体不高，crstevrstescale。我国高标准农田建设 项 目 资 源 配 置 分 析 中，非DEA 有效占比高达 83%，该数据表面我国高标准农田建设资源配置效率有较大的提升空间。2.我国高标准农田建设项目表 3 非 DEA 有效投入冗余分析决策单元DMU1DMU2DMU3DMU4DMU8DMU9DMU10DMU11DMU12DMU13DMU15DMU16DMU17DMU19DMU20DMU21DMU22DMU23DMU24DMU25DMU26DMU27DMU28DMU29投入指标单位面积投资额单位面积投资额单位面积投资额单位面积投资额单位面积投资额单位面积投资额单位面积投资额单位面积投资额单位面积投资额单位面积投资额单位面积投资额单位面积投资额单位面积投资额单位面积投资额单位面积投资额单位面积投资额单位面积投资额单位面积投资额单位面积投资额单位面积投资额单位面积投资额单位面积投资额单位面积投资额单位面积投资