基于能值与改进DEA-EBM模型的"青贮玉米+养殖"种养结合模式产出效率评估研究——以四川省"粮改饲"青贮玉米示范区为例

作者:织梦网浏览:274


  "食为人天, 农为正本", 农业既是百姓赖以生存的根本, 也是国家安定和改革发展的基础与依靠。随着中国农业的发展, 农业生产的主要矛盾已由总量不足转变为结构性矛盾。近年来, 作为主要粮食作物之一的玉米出现高产量、高收购量和高库存量的"三高"叠加现象, 而玉米供应链下游需求却呈现疲软, 从而导致国内玉米阶段性供过于求。与此同时, 中国人均牛羊肉和奶类占有量分别约为世界平均水平的2/3和1/3, 是今后市场需求增长中最具潜力的品种, 但目前国内草食畜牧业的发展却仍然受制于优质饲草料供给不足。针对国内"玉米阶段性供给过剩"与"优质饲草供给不足"并存、种养结合不紧密的情况, 从2015年至2017年, 中央"一号文件"已连续三年将"加快发展草牧业, 支持青贮玉米和苜蓿等饲草料种植, 开展‘粮改饲’和种养结合模式试点"作为中国农业发展的重要任务, "粮改饲" 成为了中国推进农业供给侧结构性改革的重要举措。截至2016年, "粮改饲"试点范围已扩大17个省区的121个试点县。根据《全国种植业结构调整规划 (2016-2020年) 》计划, 至2020年, 中国青贮玉米的种植面积将增加到2500万亩。

  但随着"粮改饲"和种养结合模式试点的推进, 一些因素正悄然制约着"青贮玉米+养殖"的种养结合模式的发展。比如因开展时间短, 农户种植经验不足, 且种植区域环境复杂, 部分经营主体在生产要素的投入配置上存在不足, 从而对该模式的产出效率造成不良影响。因此, 对"青贮玉米+养殖"的种养结合系统开展产出效率评估, 不仅能发现试点中存在的问题, 还能为该种养结合模式的科学决策与发展提供参考依据, 对提高相对劣势经营主体的产出水平具有实践意义, 是充分发挥改革成效、实现农民增收和推动乡村振兴的必然要求。

  目前, 学术界关于生产技术效率的测度, 主要是以随机前沿分析 (Stochastic Frontier Approach, SFA) 为代表的参数估计方法[1,2,3], 和以数据包络分析 (Data Envelopment Analysis, DEA) 为代表的非参数估计方法[4,5,6]。两类方法均可实现较高相关度的结果[7,8,9], 其主要差别在于生产函数。其中, 参数估计方法要求预先设定严格的生产函数, 而实际生产中往往难以确定具体生产函数形式, 故对生产函数形式设定的偏误可能会产生有偏估计, 进而影响对效率的评价。而基于生产决策单元构建的DEA分析方法无需主观赋权和设置既定函数关系, 更为客观直接、灵活易用, 可从一定程度上避免函数形式设定错误的问题, 还能解决技术非有效与技术中性等问题, 其得出决策单元的相对效率呈现出相对显著的优势[10,11], 同时也因其可应用于多投入和多产出的效率评价而被学者们广泛应用[12,13,14,15,16]。例如, 龚锋运用DEA方法, 对2005年中国内地70个大中城市公共安全服务的供给效率进行了实证评估[17];陈池波和盛国勇采用四阶段DEA方法测度了中国农业生产技术效率[18]。然而在传统的径向DEA模型中, 效率值的计算仅考虑了当前状态与目标值间的等比例改进的部分, 而忽略了非径向的松弛改进的部分, 且不能实现效率的要素层面分解[19]。此后, Tone提出了非径向的SBM (Slack Based Measure) 模型较为全面地考虑了比例改进部分与松弛改进部分[20], 受到学术界的广泛采纳。例如, Deng等人运用SBM模型对中国省级水资源利用率进行了分析[21]。但这一改进使得效率前沿投影值的原始比例信息也随之损失, 并令效率测算结果出现误差。出于对上述问题的考虑, Tone和Tsutsui提出了EBM (Epsilon-Based Measure) 模型[22]。该模型是一种同时包含径向与SBM两类距离函数的混合模型, 可兼顾前述两类DEA模型的优势, 更为科学、准确、全面。高鸣和张瑞娟等学者运用该方法分别对粮食生产效率以及农户的新技术采纳行为技术效率进行了分析[23,24]。此外, Cheng和Qian针对上述EBM模型中的参数计算方法的不足进行了改进, 从而构成了改进DEA-EBM模型[25], 使其能够取得更为合理的效率评价结果。纵观效率评估的相关研究, 其开展领域较为广泛, 研究方法的应用也较为成熟, 这为文中的方法选取提供了丰富的理论参考。

  根据目前已有的研究, 文中所涉及的领域仍存在一些可作进一步完善与补充之处, 其主要体现在以下三方面:一是在研究思路方面, 学术界关于农业生产的效率评价大都局限于有形的物质生产要素投入, 而忽视了无形的环境资源投入要素, 且随着中国乡村振兴战略的推进, 农业生产活动的开展对"绿色生产"和"生态友好"的要求逐渐提高, 故应该探寻更为科学、全面的农业生产绩效评估思路;二是在评估模型方面, 国内学者在进行效率评估的相关研究中, 对于EBM模型这类在DEA方法下的最新技术的运用还相对不足;三是在实践意义方面, 目前国内社科学者关于"粮改饲"政策、"青贮玉米+养殖"种养结合农业生产模式的相关研究仍主要停留在政策层面的理论分析[26,27], 而鲜有学者对其进行相关的实证研究。

  文中立足经济生产的角度, 以2017年四川省"粮改饲"试点县的新建青贮玉米示范区为例, 引入生态经济学中的能值分析方法, 采用包含径向与非径向两类距离函数的最新的改进DEA-EBM模型, 探索性地将有形的生产要素投入和无形的环境资源投入纳入到统一生产效率评价体系, 对"青贮玉米+养殖"种养结合的农业生产模式的产出效率进行评估与分析, 尝试发现试点中的潜在生产问题, 并提出针对性的优化建议, 以期为"青贮玉米+养殖"的种养结合生产模式未来在四川范围内的全面推广乃至全国范围内的进一步推广提供经验参考。

1 "青贮玉米+养殖"种养结合农业生产模式分析

1.1 "青贮玉米+养殖"种养结合生态循环农业模式概述

  种养结合模式主要是指在一定土地管理的区域内, 通过将种植与养殖科学、高效、有机地进行结合, 实现农业生产过程的清洁化以及农产品的绿色、有机化, 同时实现对资源的循环利用, 使种植业与养殖业之间物质流、能量流顺畅流转起来, 并且将农业活动对环境的有害影响最小化, 最终使得农业生态环境保持相对平衡的一种循环农业生产经营模式。概括而言, 文中的"青贮玉米+养殖" 种养结合生态循环模式的做法主要是, 由新型农业经营主体购买一定数量规模的肉牛 (羊) 进行规模化养殖, 将养牛 (羊) 场产生的粪便经过处理后转化为有机肥料及养分, 将有机肥料及养分用于青贮玉米的种植中;而种植的全株青贮玉米经过打碎、发酵等工序制成青贮饲料, 并用作肉牛 (羊) 养殖的饲料 (图1) 。

青贮玉米+养殖"种养结合生态循环农业模式

1 "青贮玉米+养殖"种养结合生态循环农业模式

1.2 "青贮玉米+养殖"种养结合生态循环农业模式应用特征分析

  "青贮玉米+养殖"种养结合的生态循环农业生产模式有助于调节当前市场所出现的供需结构性矛盾。该模式按照"减量化、再利用、资源化"的循环经济理念, 推动农业生产由"资源-产品-废弃物"的线性经济, 向"资源-产品-再生资源-产品"的循环经济进行转变, 能够有效提升农业资源的利用效率, 并促进农业循环经济的发展, 实现经济效益与生态效益双赢的目标, 有利于农民增收和推动乡村振兴。"青贮玉米+养殖"的种养结合模式对经营主体经济效益的促进作用主要体现在两方面:

  (1) 优化种植作物的品种, 更新生产技术, 提升产品品质。相较于传统的玉米品种, 青贮专用良种玉米具有高产、优质、抗逆性强特征, 并且其作为青绿多汁饲料, 拥有高营养价值和数倍于普通饲草的高产量, 能够提高土地利用率和进一步改善肉类品质, 增加高品质产品供应量, 增加经营主体收入。同时, 在青贮玉米种植过程中采用间套种植、适度密植、种子包衣、机械播种、配方施肥、病虫害综合防治等高产栽培技术, 以及适时收货、机械收货及添加剂青贮等关键设备和技术, 还可以解决畜牧业生产中饲料供应不足、牲畜全年养分接受不均等问题。

  (2) 发挥规模效应, 降低成本, 提高生产效益。"青贮玉米+养殖"的种养结合生产模式, 可以实现由作物到饲料的就地转化增值, 满足规模化养殖所需要的大量饲草供应, 降低贮运成本, 并且青贮玉米依托机械化装备进行集中种植, 还大大降低了饲料成本, 从而实现了农业生产的经济效益最大化。

  此外, 采取"青贮玉米+养殖"的种养结合农业生产模式还有利于提高生态效益。一方面, 采用全株青贮玉米用作饲料, 可以避免对秸秆的二次收贮问题, 并降低因焚烧秸秆等废弃物而产生的潜在环境危害, 还可以降低因牲畜粪便直接排放而造成的污染问题, 促进"环境友好"的生态农业的发展;另一方面, 该模式还可将废弃物资源化, 实现废弃物再利用, 充分发挥自然、经济投入要素的价值。

2 研究方法与数据说明

2.1 研究方法
2.1.1 能值分析法

  能值分析法被誉为生态学与经济学的"桥梁"。应用这一科学概念, 可将生态经济系统内流动和储存的各种不同类别的能量和物质转化为同一标准的能值从而进行定量分析[28], 因此被广泛应用于多种能量、经济系统的分析与评估中。农业生产系统作为一种生态-经济复合系统, 既受到人类主观经济生产活动的影响, 又受到自然界客观规律的支配。文中参考宋涛等人的方法[29], 考虑采用能值分析法建立能值清单, 作为对"青贮玉米+养殖"种养结合系统的账户统计工具, 以太阳能焦耳 (Solar Emjoules, 即sej) 作为各投入产出要素单位, 并以此对该系统进行产出效率评估。投入产出要素能值计算公式为:

  Emi=Transformityi×Ei (1)

  式中, Emi为某投入或产出要素i的能值;Transformityi为输入或输出i的能值转换率, 单位为sej/unit;Ei为该物质或能量i的数量。

2.1.2 改进DEA-EBM模型

  数据包络分析 (Data Envelopment Analysis, DEA) 是运用详细规划构建不同决策单元 (Decision Making Unit, DMU) 观测数据的非参数分段前沿面, 进行相对效率计算的系统性方法[30]。文中采用由其发展而来的改进DEA-EBM模型 (Adjusted-EBM) 对"青贮玉米+养殖"种养结合模式的产出效率进行测度。该模型存在投入导向与产出导向两种模式, 前者用于规划产出一定时的投入最小化问题, 而后者用于规划投入一定时的产出最大化问题。两者本质上是以不同角度对同一问题求解, 最终所得结论一致。而从研究目的而言, 文中对于"青贮玉米+养殖"种养结合模式的评估, 重在对要素投入层面进行探讨, 期望通过对要素投入结构进行优化从而促进产出效率的提高, 故选取投入导向的模型。其投入导向CRS模型的线性规划表达式为:

γ*=minθ-ε∑i=1mωi-si-x0    s.t.{Xλ-θxk+s-=0Yλ≥ykλ≥0, s-≥0          (2)

  在 (2) 式中, γ*是待测算的"青贮玉米+养殖"种养结合模式产出效率值, θ为径向效率值, X、Y、λ、s-分别代表投入、产出、权重系数和投入松弛向量。ω-i表示各项投入指标的相对重要程度, ε是决定γ*效率值计算中非径向部分重要程度的关键参数, 取值范围为[0, 1], 当取值为0时相当于径向模型, 取值1时相当于SBM模型。受文中篇幅所限, 其详细的参数计算参见Tone和Cheng等人的方法[22,25]。

  文中将运用该模型, 对"青贮玉米+养殖"种养结合模式进行效率测度与分析, 在规模报酬不变 (CRS) 条件下计算各示范区的综合效率, 并在规模报酬可变 (VRS) 条件下计算各示范区纯技术效率情况, 进而利用所得的VRS效率值与CRS效率值计算得出各示范区的规模效率情况 (1) 。对于各综合效率有效的DMU, 文中将构建超效率Adjusted-EBM模型进行效率评估与区分;而对于技术效率非有效的DMU进行投影分析, 文中将进一步挖掘相对劣势经营主体在投入规模与数量结构等方面所存在的问题, 并提出优化建议。

 "青贮玉米+养殖"种养结合模式系统能值流动图

2 "青贮玉米+养殖"种养结合模式系统能值流动图

2.2 评价指标

  通过对"青贮玉米+养殖"种养结合模式的基本经营情况的调查, 本研究以饲草料种植业亚系统和养殖业亚系统为系统边界, 对输入、输出该系统的能量、物质以及系统内部能量、物质的流动、运行量进行分析整理, 绘制形成如图2所示的系统能值图。

  文中结合上述种养结合系统的分析整理结果, 并参考以往相关研究, 将"青贮玉米+养殖"种养结合系统的整体视为一个"黑箱"系统, 并选取其投入产出能值指标及其对应能值转换率如表1所示。

2.3 数据来源与说明

  本研究数据主要来源于课题组在2018年1月进行的实地调查, 调查对象为2017年四川省进行"粮改饲"试点的20个青贮玉米示范区 (2) 。相关地理、气象数据来源于当地统计信息和通用算法, 土壤净侵蚀率数据来源于中国成都山地研究所的四川省县级资料, 土壤有机质含量由访员在各示范区内的青贮玉米种植区域中通过"五点取样法"实地采集土样并送交土壤实验室测定得到。

3 测度结果及数据分析

3.1 "青贮玉米+养殖"种养结合模式的能值构成

  考虑到DEA-EBM模型的投入产出项数量限制条件, 文中将各"粮改饲"青贮玉米示范区作为决策单元 (DMU) , 将经过能值转换的环境资源投入 (Nature) 、作物饲料生产投入 (Planting) 、畜牧养殖资源投入 (Breeding) 、工业能源与劳力投入 (Industry) 作为投入变量, 将总产出能值 (Output) 作为产出变量。各示范区2017年全年的投入产出指标计算结果见表2。

1 "青贮玉米+养殖"种养结合模式投入产出能值构成

能值类别与代码 能值项目 单位 定 义 能值转化率 (sej/Unit)

环境资源投入
(Nature )
太阳光能 J (太阳常数*日照时数* (1-反射率) ) *农地面积 1

风 能
J 空气密度*阻力系数* (风速3) *农地面积 6.63E+02

雨水势能
J 平均海拔*平均降雨量*雨水密度*重力加速度*农地面积 8.89E+03

雨水化学能
J 平均降雨量*雨水的古布斯自由能*雨水密度*农地面积 1.54E+04

表层土净损耗能
J 土壤净侵蚀率*单位质量土壤有机质能量*农地面积 6.25E+04

作物饲料生产投入
( Planting)
种 子 J 投入青贮玉米种子的总重量*对应能量折算系数 6.60E+04

氮 肥
g 使用氮肥的总重量 4.62E+09

磷 肥
g 使用磷肥的总重量 1.78E+10

钾 肥
g 使用钾肥的总重量 2.69E+09

复合肥
g 使用复合肥的总重量 2.80E+09

有机肥
J 使用有机肥的总重量*对应能量折算系数 2.70E+04

农 膜
g 使用农膜的总重量 6.38E+08

农 药
g 使用农药的总重量 1.60E+09

青贮饲料添加剂
$ 使用青贮饲料添加剂总价 4.05E+12

畜牧养殖资源投入
(Breeding)
幼 崽 $ 投入养殖的牲畜总价值 4.05E+12

外购饲料
$ 从种养结合系统之外获得的饲料的总价值 4.05E+12

消毒剂及医疗药品
g 使用消毒剂及医疗药品的总量 2.49E+10

工业能源与劳力投入
(Industry)
机械动力 J 机械动力总使用量 1.11E+05

生产用电
J 总生产用电量 1.60E+05

柴 油
J 柴油质量*对应能量折算系数 5.30E+04

汽 油
J 汽油质量*对应能量折算系数 6.60E+04

劳 力
$ 参与农业生产的劳动力总工资 4.05E+12

总产出
(Output )
肉 类 $ 产出的活畜以及肉类总价 4.05E+12

乳 类
$ 产出的乳类总价 4.05E+12

未加工青贮玉米
$ 产出的未加工的青贮玉米总价 4.05E+12

青贮饲料
$ 产出的青贮饲料总价 4.05E+12

注:相关参数来自当地统计资料和通用算法, 能量折算系数与能值转换率参考Odum、蓝盛芳和Cheng等人的研究[31-34]。

2 2017年四川省20个"粮改饲"青贮玉米示范区全年的投入产出情况 (单位:sej) 


DMU
Nature Planting Breeding Industry Output

Anyue1
1.01E+17 9.14E+16 3.89E+19 2.42E+18 3.78E+19

Anyue2
7.20E+16 9.60E+16 0.00E+00 3.84E+17 6.15E+16

Changning1
1.16E+17 1.54E+17 0.00E+00 1.65E+18 1.56E+18

Changning2
5.03E+16 2.68E+16 0.00E+00 2.63E+17 4.32E+17

Hongya1
1.62E+17 1.02E+17 0.00E+00 1.34E+18 2.30E+18

Hongya2
1.95E+17 1.96E+17 2.46E+18 4.44E+17 2.46E+18

Jiange1
1.51E+17 9.46E+16 1.20E+19 6.24E+17 2.10E+19

Jiange2
8.98E+16 1.02E+17 1.68E+18 1.21E+18 1.81E+18

Jintang1
3.95E+16 6.49E+18 4.95E+17 1.66E+17 6.35E+17

Jintang2
6.07E+16 9.42E+18 2.73E+18 8.58E+16 3.33E+18

Pengan1
5.56E+16 2.53E+16 1.01E+18 3.17E+17 5.28E+17

Pengan2
4.34E+16 6.64E+16 5.02E+18 1.36E+17 1.98E+18

Pingchang1
1.45E+17 2.89E+16 4.60E+18 1.50E+17 5.96E+18

Pingchang2
6.61E+16 1.62E+17 6.67E+18 3.45E+17 8.64E+18

Santai1
8.15E+16 8.73E+16 0.00E+00 8.01E+17 2.84E+18

Santai2
5.48E+16 9.77E+16 0.00E+00 9.07E+17 1.46E+18

Xuanhan1
1.36E+17 1.06E+17 3.47E+19 7.26E+17 4.80E+19

Xuanhan2
1.50E+17 8.38E+16 9.20E+18 5.27E+17 2.51E+19

Yanyuan1
1.25E+17 2.96E+16 5.66E+17 5.90E+17 9.13E+17

Yanyuan2
1.56E+17 6.86E+17 2.44E+17 3.30E+17 5.08E+17

注:表中数据根据前公式与参数计算得到。

由表2可知, 部分"粮改饲"青贮玉米示范区的畜牧养殖资源投入 (Breeding) 数值为0。其主要因为各"粮改饲"青贮玉米示范区的经营主体不同且其经营方式存在差异, 该部分畜牧养殖资源投入 (Breeding) 为0的青贮玉米示范区的经营主体未采取内部种养结合的经营模式, 而是仅负责青贮玉米种植和青贮饲料加工出售或者只是单纯地进行青贮玉米的种植销售经营活动, 并且其青贮玉米与青贮饲料的外销渠道较为分散, 难以将其作为相对封闭的种养结合系统纳入测度。因此, 2017年四川省实际采取内部种养结合模式经营的"粮改饲"青贮玉米示范区共有14个。

3.2 "青贮玉米+养殖"种养结合模式Adjusted-EBM效率评价

  文中根据改进后的EBM模型 (Adjusted-EBM) , 利用软件MaxDEA Ultra 7.6.1对2017年采取"青贮玉米+养殖"种养结合模式的14个"粮改饲"青贮玉米示范区的投入产出指标进行估计分析, 其结果如表3所示。

3 2017年四川省青贮玉米 示范区的种养结合模式产出效率 


DMU
Crste Vrste Scale RTS

Anyue1
1.000 1.000 1.000 Constant

Hongya2
0.345 0.697 0.495 Increasing

Jiange1
0.748 0.812 0.922 Increasing

Jiange2
0.372 0.776 0.479 Increasing

Jintang1
0.442 1.000 0.442 Increasing

Jintang2
0.662 1.000 0.662 Increasing

Pengan1
0.181 1.000 0.181 Increasing

Pengan2
0.239 1.000 0.239 Increasing

Pingchang1
0.697 1.000 0.697 Increasing

Pingchang2
0.621 1.000 0.621 Increasing

Xuanhan1
1.000 1.000 1.000 Constant

Xuanhan2
1.000 1.000 1.000 Constant

Yanyuan1
0.554 1.000 0.554 Increasing

Yanyuan2
0.711 1.000 0.711 Increasing

注:"Crste"、"Vrste"和"Scale"列分别表示综合效率、纯技术效率和规模效率"RTS"列表示DMU规模收益情况, Increasing表示规模递增, Decreasing表示规模递减, Constant表示规模不变。

超效率Adjusted-EBM模型评价结果与排序  


DMU
Adjusted-
EBM模型
超效率Adjusted
-EBM模型
Rank

Xuanhan1
1.000 1.046 1

Xuanhan2
1.000 1.019 2

Anyue1
1.000 1.001 3

Jiange1
0.748 0.748 4

Yanyuan2
0.711 0.711 5

Pingchang1
0.697 0.697 6

Jintang2
0.662 0.662 7

Pingchang2
0.621 0.621 8

Yanyuan1
0.554 0.554 9

Jintang1
0.442 0.442 10

Jiange2
0.372 0.372 11

Hongya2
0.345 0.345 12

Pengan2
0.239 0.239 13

Pengan1
0.181 0.181 14

注:表中为投入导向的CRS模型的运算结果。

  表3中"Crste"栏给出了投入导向的CRS模型的演算结果。根据结果, 在所有示范区中, 有3个示范区的CRS效率值为1 (占总体的21.43%) , 达到综合效率有效, 分别是"Xuanhan1"、"Xuanhan2"和"Anyue1", 并且这些示范区的纯技术效率与规模效率值也都为1, 达到了技术有效和规模有效, 且规模报酬不变, 表明其经营效率较高, 生产结构合理, 利用得当, 产生了较为稳健的规模效益。而另一方面, 其余11个示范区表现为总效率非有效, 其CRS效率值低于1。根据"Scale"栏可知, 这些无效的示范区的规模效率值均小于1, 表现为规模效率无效, 这说明这些示范区普遍存在资源要素投入规模欠妥的问题。并且"RTS"栏显示该部分示范区的规模效益均为递增, 这表明进一步扩大这些规模效率无效示范区的经营规模, 将有助于其获得更好的生产效率。

  此外, 由"Vrste"栏所呈现的VRS模型的运算结果可知, 在DEA无效的11个示范区中, "Jintang1"、"Jintang2"、"Pengan1"、"Pengan2"、"Pingchang1"、"Pingchang2"、"Yanyuan1"和"Yanyuan2"这8个示范区的纯技术效率均为1, 达到了技术效率有效, 这反映出这8个示范区在资源要素整合、生产结构安排等方面表现良好。而"Hongya2"、"Jiange1"、"Jiange2"这三个示范区的纯技术效率值低于1, 呈现出技术效率无效, 表明其存在着种养结构、资源要素整合不佳的问题, 需要对其经营方式作进一步优化, 提高其资源要素的配置效率。

3.3 超效率Adjusted-EBM分析

  根据表3结果, 本研究所评估的示范区中多个评价单元的综合效率有效, 然而传统的CRS模型无法对同为有效的决策单元进行进一步区分与比较。出于此考虑, 文中参考Andersen和Petersen构建的径向超效率模型以及Tone提出的非径向超效率模型的原理, 构建了超效率Adjusted-EBM模型[35,36]。模型的求解结果如表4所示。

  由表4可知, 对于传统Adjusted-EBM模型测算效率值低于1的决策单元, 其超效率模型的运算结果不会发生改变。而对于原本效率值为1的决策单元, 在超效率Adjusted-EBM模型的演算结果中, 其效率值变化成了不低于1的不同数值, 据此可实现对有效决策单元综合效率高低的区分与排序。此外, 表5还给出了径向超效率模型与SBM超效率模型对于有效决策单元的评价结果。通过对比三种模型的运算结果可知, 在有效决策单元的区分与排序上, 三种方法结论一致, 这支持了其排序结果的科学性。

  表4根据超效率Adjusted-EBM模型测算的CRS效率值大小对全部14个"粮改饲"青贮玉米示范区的种养结合系统的产出效率进行排序, 并将排名情况报告于"Rank"栏, 效率值越大、排名越高, 代表其总效益越好。同时, 为直观地反应不同示范区综合效率值大小的相对情况, 文中将测算结果按排名顺序整理为图3。

各超效率模型评价结果对比  


DMU
超效率Adjusted
-EBM模型
超效率
SBM模型
超效率
DEA模型
Rank

Xuanhan1
1.046 1.500 1.897 1

Xuanhan2
1.019 1.203 1.562 2

Anyue1
1.001 1.014 1.057 3

注:表中均为投入导向的CRS模型的运算结果。

超效率Adjusted-EBM模型评价结果 

超效率Adjusted-EBM模型评价结果 

  根据测算结果, 总体上各示范区的产出效率之间具有较为明显的差距, 并且有效决策单元的CRS效率值都明显高于其他所有非有效的决策单元的效率值。其中, CRS效率有效的示范区由高到低排序为"Xuanhan1"、 "Xuanhan2"、 "Anyue1", 且"Xuanhan1"为所有示范区中种养结合系统综合效率最高的示范区, 其种养结合的生产布局以及对各自然、经济资源的利用比较合理, 其生产技术与经营管理相对具有模范性, 值得其他示范区业主参考与学习。而在CRS效率非有效的示范区中, "Pengan1"和"Pengan2"的产出效率相对处于较低的水平, 且和模范性示范区具有较大差距, 应注重提高资源的利用效率并合理调整其生产规模。

3.4 关于"青贮玉米+养殖"种养结合模式VRS效率的投影分析

  为进一步探究投入导向Adjusted-EBM模型运算得出纯技术效率非有效的示范区所存在的问题, 从而优化生产经营结构, 本研究进一步对3个VRS效率需要改进的示范区进行投影分析, 测算其所存在的改进空间。被评价DMU的弱有效目标值 (投影值) 计算方法如 (3) 式所示:

PTWEF=Original-Value+Proportionate-Movement (3)

而强有效目标值的计算方法如 (4) 式所示:

PTSEF=Original-Value+Proportionate-Movement+Slack-Movement (4)

在 (3) 式、 (4) 式中, PTWEF、PTSEF分别代表在弱有效前沿的投影值 (Projection to Weak Efficient Frontier) 和在强有效前沿的投影值 (Projection to Strong Efficient Frontier) , Original-Value是投入指标的原始数值, 而两式中的改进值包括比例改进值 (Proportionate-Movement) 和松弛改进值 (Slack-Movement) 两个部分。文中根据公式计算出的各改进值的结果如表6所示。

各决策单元投入指标的比例改进值与松弛改进值 (单位:sej)  


DMU

Proportionate Movement
Slack Movement

Nature
Planting Breeding Industry Nature Planting Breeding Industry

Hongya2
-5.45E+16 -5.48E+16 -6.90E+17 -1.24E+17 -7.25E+16 -1.12E+17 0.00E+00 0.00E+00

Jiange1
-2.82E+16 -1.76E+16 -2.23E+18 -1.16E+17 0.00E+00 -6.48E+15 0.00E+00 -1.57E+16

Jiange2
-1.80E+16 -2.06E+16 -3.38E+17 -2.42E+17 0.00E+00 -5.29E+16 0.00E+00 -5.92E+17

注:表中为投入导向的VRS模型的运算结果。

  在投入指标中, 若改进值不为零, 则表明相应的投入要素未能充分发挥作用。表6的"Proportionate Movement"栏给出了各投入指标的比例改进值, 示范区"Hongya2"、"Jiange1"、"Jiange2"在自然资源的利用和经济资源的投入上, 普遍存在不同程度的投入冗余, 从而造成资源的相对浪费, 其中畜牧养殖资源投入 (Breeding) 和工业能源与劳力投入 (Industry) 的冗余情况尤其突出。原数据在经过表中"Proportionate Movement"栏所示的比例改进后可至少达到弱有效状态, 即无法在不减产的前提下等比例减少各项投入的数量。而若要达到强有效状态, 使得在种养结合模式的生产中无法在不减产的前提下减少任何一项投入的数量, 则还需要按照表6中"Slack Movement"栏的改进值进行松弛改进。根据表6可知, 示范区"Hongya2"的待松弛改进项目有环境资源投入 (Nature) 和动物饲料生产投入 (Planting) , 而示范区"Jiange1"、"Jiange2"的待改进项目集中于动物饲料生产投入 (Planting) 和工业能源与劳力投入 (Industry) 。

4 研究结论与启示

(1) 总体上各示范区的综合效率差距明显, 且大部分处于综合效率无效的状态, 这说明在"粮改饲"试点中, 部分经营主体在实施"青贮玉米+养殖"种养结合的农业生产模式的过程中的确存在经营管理等方面的潜在问题。

(2) 所有综合效率无效的示范区的规模效率均无效且规模效益递增, 这表明这些综合效率非有效的示范区的资源要素投入规模普遍欠妥, 进一步扩大其经营规模将有助于取得更好的生产效率。

(3) 少数综合效率无效的示范区还存在纯技术效率无效的情形, 而根据投影分析的结果, 这些示范区在自然、经济资源的投入上普遍存在投入冗余的情况, 并且主要集中在畜牧养殖资源投入 (Breeding) 和工业能源与劳力投入 (Industry) 方面。

(4) 在综合效率有效的示范区中, 示范区"Xuanhan1"的相对综合效率最高, 相对具有模范性, 其生产经营的模式与经验值得其他示范区经营主体学习借鉴。

  回顾全文, 并结合调研实践, 可以得到以下几方面启示:一是为充分发挥改革成效, 应该从多方面提高生产效率, 这既需要在对生产技术的科学指导下不断改进生产方式, 也需要经营主体提高其内部经营管理水平, 优化种养结构, 选择适度的经营规模。二是在"粮改饲"政策的推进过程中, 需要进行充分且合理的宣传引导, 营造良好社会氛围, 激发农业企业、合作社和农户的积极性。三是就"粮改饲"政策和"青贮玉米+养殖"种养结合的农业生产模式的推广, 政府应给予适当的政策扶持, 探索与完善多元化的补贴机制, 强化资金管理, 充分发挥政策资金的激励效应。四是应构建并完善运营监督机制, 强化工作督导与后期项目总结。五是对于农业生产系统效率的评估, 不仅应考虑投入的有形物质要素及其产生的经济效益, 还需要考虑无形的自然资源投入和该生产系统的生态效率。此外, 受"粮改饲"试点的开展时长所限, 本研究目前对"青贮玉米+养殖"种养结合模式的产出效率评估是基于截面数据的静态分析, 而对于未来在动态视角下基于面板数据的效率评估, 还值得作进一步的探究。

参考文献

[1] Gedara K M, Wilson C, Pascoe S, et al.Factors affecting technical efficiency of rice farmers in village reservoir irrigation systems of Sri Lanka[J].Journal of Agricultural Economics, 2012, 63 (3) :627-638.

[2] Tzouvelekas V, Pantzios C J, Fotopoulos C.Technical efficiency of alternative farming systems:the case of Greek organic and conventional olive-growing farms[J].Food Policy, 2001, 26 (6) :549-569.

[3] 刘天军, 蔡起华.不同经营规模农户的生产技术效率分析-基于陕西省猕猴桃生产基地县210户农户的数据[J].中国农村经济, 2013 (3) :37-46.

[4] Cook W D, Seiford L M.Data envelopment analysis (DEA) -Thirty years on[J].European Journal of Operational Research, 2009, 192 (1) :1-17.

[5] Cook W D, Tone K, Zhu J.Data envelopment analysis:Prior to choosing a model[J].Omega, 2014, 44:1-4.

[6] Deng G, Li L, Song Y.Provincial water use efficiency measurement and factor analysis in China:Based on SBM-DEA model[J].Ecological Indicators, 2016, 69:12-18.

[7] Wadud A, White B.Farm household efficiency in Bangladesh:a comparison of stochastic frontier and DEA methods[J].Applied Economics, 2000, 32 (13) :1665-1673.

[8] Thiam A, Bravo-Ureta B E, Rivas T E.Technical efficiency in developing country agriculture:a meta‐analysis[J].Agricultural Economics, 2001, 25 (2-3) :235-243.

[9] Alene A D, Zeller M.Technology adoption and farmer efficiency in multiple crops production in eastern Ethiopia:A comparison of parametric and non-parametric distance functions[J].Agricultural Economics Review, 2005, 6 (1) :5.

[10] Ehrgott M, Holder A, Nohadani O.Uncertain Data Envelopment Analysis[J].European Journal of Operational Research, 2018, 268 (1) :231-242.

[11] 石旻, 张大永, 邹沛江, 等.中国新能源行业效率-基于DEA方法和微观数据的分析[J].数量经济技术经济研究, 2016 (4) :60-77.

[12] Toma P, Miglietta P P, Zurlini G, et al.A non-parametric bootstrap-data envelopment analysis approach for environmental policy planning and management of agricultural efficiency in EU countries[J].Ecological Indicators, 2017, 83:132-143.

[13] Wilson P W.FEAR:A software package for frontier efficiency analysis with R[J].Socio-Economic Planning Sciences, 2008, 42 (4) :247-254.

[14] Hwang S, Lee H, Zhu J.Handbook of Operations Analytics Using Data Envelopment Analysis[M].Berlin:Springer, 2016.

[15] Zhu J.Quantitative Models for Performance Evaluation and Benchmarking:Data Envelopment Analysis with Spreadsheets[M].Berlin:Springer, 2014.

[16] 黄德春, 董宇怡, 刘炳胜.基于三阶段DEA模型中国区域能源效率分析[J].资源科学, 2012, 34 (4) :688-695.

[17] 龚锋.地方公共安全服务供给效率评估-基于四阶段DEA和Bootstrapped DEA的实证研究[J].管理世界, 2008 (4) :80-90.

[18] 陈池波, 盛国勇.我国省域农业生产技术效率测度分析-基于四阶段DEA和Bootstrapped DEA的实证研究[J].科技进步与对策, 2014, 31 (3) :50-54.

[19] 汪克亮, 刘悦, 史利娟, 等.长江经济带工业绿色水资源效率的时空分异与影响因素-基于EBM-Tobit模型的两阶段分析[J].资源科学, 2017, 39 (8) :1522-1534.

[20] Tone K.A slacks-based measure of efficiency in data envelopment analysis[J].European Journal of Operational Research, 2001, 130 (3) :498-509.

[21] Deng G, Li L, Song Y.Provincial water use efficiency measurement and factor analysis in China:Based on SBM-DEA model[J].Ecological Indicators, 2016, 69:12-18.

[22] Tone K, Tsutsui M.An epsilon-based measure of efficiency in DEA-a third pole of technical efficiency[J].European Journal of Operational Research, 2010, 207 (3) :1554-1563.

[23] 高鸣, 宋洪远, Carter Michael.补贴减少了粮食生产效率损失吗?-基于动态资产贫困理论的分析[J].管理世界, 2017 (9) :85-100.

[24] 张瑞娟, 高鸣.新技术采纳行为与技术效率差异-基于小农户与种粮大户的比较[J].中国农村经济, 2018 (5) :84-97.

[25] Cheng G, Qian Z.An epsilon-based measure of efficiency in DEA-An alternative method for the affinity index[R].Munich:University Library of Munich, Germany, 2011.

[26] 尹晓青."粮改饲"的山西朔州探索[J].社会科学家, 2018 (2) :40-45.

[27] 胡向东.关于"粮改饲"种植结构调整的思考[J].价格理论与实践, 2017 (2) :19-20.

[28] Odum H T.Environment, Power and Society[M].New York:Wiley-Interscience, 1971.

[29] 宋涛, 蔡建明, 倪攀, 等.基于能值和DEA的中国城市新陈代谢效率分析[J].资源科学, 2013, 35 (11) :2166-2173.

[30] Charnes A, Cooper W W, Rhodes E.Measuring the efficiency of decision making units[J].European Journal of Operational Research, 1978, 2 (6) :429-444.

[31] Odum H T.Environmental Accounting:Emergy and Environmental Decision Making[M].New York:Wiley, 1996.

[32] Odum H T.Explanations of ecological relationships with energy systems concepts[J].Ecological Modelling, 2002, 158 (3) :201-211.

[33] 蓝盛芳, 等.生态经济系统能值分析[M].北京:化学工业出版社, 2002.

[34] Cheng H, Chen C, Wu S, et al.Emergy evaluation of cropping, poultry rearing, and fish raising systems in the drawdown zone of Three Gorges Reservoir of China[J].Journal of Cleaner Production, 2017, 144:559-571.

[35] Andersen P, Petersen N C.A procedure for ranking efficient units in data envelopment analysis[J].Management Science, 1993, 39 (10) :1261-1264.

[36] Tone K.A slacks-based measure of super-efficiency in data envelopment analysis[J].European Journal of Operational Research, 2002, 143 (1) :32-41.

注释

1 VRS模型是在CRS模型的基础上加入∑j=1nλj=1这一约束条件构成的。规模效率值=CRS效率值/VRS效率值。

2 调研区域涵盖眉山市洪雅县 ("Hongya1"、"Hongya2") 、达州市宣汉县 ("Xuanhan1"、"Xuanhan2") 、成都市金堂县 ("Jintang1"、"Jintang2") 、绵阳市三台县 ("Santai1"、"Santai2") 、广元市剑阁县 ("Jiange1"、"Jiange2") 、资阳市安岳县 ("Anyue1"、"Anyue2") 、巴中市平昌县 ("Pingchang1"、"Pingchang2") 、宜宾市长宁县 ("Changning1"、"Changning2") 、南充市蓬安县 ("Pengan1"、"Pengan2") 和凉山彝族自治州盐源县 ("Yanyuan1"、"Yanyuan2") 。


该论文来源于 织梦网的中国知网免费入口,欢迎下载使用。
  • 论文简介
  • 该论文 “基于能值与改进DEA-EBM模型的"青贮玉米+养殖"种养结合模式产出效率评估研究——以四川省"粮改饲"青贮玉米示范区为例” 来源于中国知网cnki,可以通过织梦的提供的中国知网免费入口下载使用,而且是免费使用不受任何限制。
  • 若无法在本站找到论文,请加入本站VIP会员,然后,使用本站提供的中国知网入口下载论文。

织梦图书馆提供中国知网免费入口、读秀、超星、大学电子图书馆等文献入口,可通过入口阅读和下载论文、电子书、期刊、专利等文献。