Scale efficiency of grain production and influencing factors based on survey data from Heilongjiang,Henan and Sichuan
JIALin通讯作者:
收稿日期:2016-09-14
修回日期:2017-02-21
网络出版日期:2017-05-20
版权声明:2017《资源科学》编辑部《资源科学》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词:
Abstract
Keywords:
-->0
PDF (732KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
20世纪70年代末80年代初期实行的家庭联产承包责任制确立了中国粮食生产小规模农户经营的制度基础。但是这种制度安排带来的生产效应很快释放殆尽,农地规模过小导致农民投入产出效果不佳。1987年中央建立农村改革试验区,在江苏苏州、无锡、常州、北京顺义和广东南海试行规模经营,规模经营开始在实践中缓慢发展。进入21世纪,规模经营加快发展。2001年,全国以各种形式流转承包经营权的土地占承包土地总面积的6%~8%[1]。而到2015年底,中国承包耕地流转面积占全国承包耕地面积的33.3%。以非农活动为主的农户提供了土地供给,追求规模效益的专业农户创造了土地需求,二者共同的作用使得农村土地流转成为可能[2]。耕地经营规模的变化,既是技术演进的过程,更是社会变迁的过程[3]。中央从2007年开始土地流转试点,2013年中央一号文件提出“全面开展农村土地确权登记颁证工作”,2014年中央发布了《关于引导农村土地经营权有序流转发展农业适度规模经营的意见》。实践的发展和政策的出台,表明实行规模经营已经成为实现中国农业现代化的必然选择,是未来中国农业发展的必然趋势。规模经营的快速发展,出现了一些盲目扩大耕地面积的现象,由于缺乏规模经营的经验,雇工劳动投入难以有效监管,经营管理更加复杂,土地规模的扩大并未带来产量或收入的规模增长,挫伤了农户粮食生产的积极性。玉米是中国三大主粮之一,2014年播种面积为3712.34万hm2 [4],按照农业部提出的2020年镰刀湾地区玉米种植面积调减目标,面积需减少约9%。由于玉米播种面积远远超过了稻谷和小麦播种面积,结构性调减后,玉米播种面积仍然较大。中国是世界唯一的春夏秋冬“四季玉米”之乡[5],研究玉米生产的规模效率对其他粮食作物规模经营也具有借鉴意义。
在农业生产中,效率主要是指投入到农业生产中的各种子要素,能够充分发挥潜力,以获得最大的经济效益[6]。农户规模与效率的研究一直是国内外研究的热点和重点问题,衡量效率的指标有土地产出率、劳动生产率、农业收入、成本利润率、全要素生产率等多种,并且有的采用单一指标,有的综合考虑多个指标,形成了对农业规模和效率关系的不同看法。较早的研究大多支持经营规模和效率的负相关关系。最具代表性的研究是Sen对印度农业生产的研究,认为农户规模与农业生产效率负相关。小规模农户对耕地的劳动投入更多,且多为家庭劳动力投入,无须监督,劳动交易成本低,因此单产水平高于大规模农户。对发展中国家的研究发现小规模农户更为贫穷,土地产出是其维生的重要依赖,农户对土地的投入不计人力成本 [7-9]。相当一部分****认为粮食经营规模和效率之间存在正相关的关系,扩大农业经营规模,可以优化土地、资金、劳动力资源的配置,对农业全要素生产率具有促进作用,从而提高粮食产出,增加农户的收入[10-12]。张恒春等则认为生产技术效率、粮食单产与经营规模呈现“倒U”型关系[13]。一些****认为规模和效率没有明显关系。刘凤芹的研究结果显示,大规模土地经营与小规模家庭农户相比并没有显示出可察觉到的全要素节约优势和单位产量优势[14]。李谷成等认为大、小农户在全面组合配置资源的综合效率和采用前沿技术以达到最大潜在可能产出的技术效率方面并不存在显著差别[15]。另外,有些研究者落脚点在确定最适的规模区间,认为在适度的范围内,粮食生产效率最高。例如 钱贵霞等[16]、钱克明等[17]、乔金亮 [18]。
研究方法上,对农业规模和效率关系的研究应用较多的是参数方法和非参数方法两大类。其中,参数方法主要是随机前沿生产函数(SFA),刘颖等采用随机前沿生产函数分析了江汉平原347户农户水稻生产技术效率[19]。李文明等采用随机前沿生产函数,对水稻种植适度规模经营进行了研究[20]。非参数方法主要是数据包络分析法(DEA),由于不需要以参数形式确定前沿生产函数,避免了模型的误设,DEA方法在效率评价方面应用非常广泛。例如,Aziz Karimov等[21]、姜天龙等[22]、薛龙等[23]。
综上所述,专家****对粮食生产规模与效率进行了诸多研究,形成了粮食生产规模效率的不同观点。较早的研究多是基于调研数据基础上,对单位产量、农业收入、生产成本和经营规模进行描述性分析,从而判断规模经营的效率。近些年数量分析方法被更多应用于规模与效率的分析,但是基于不同的效率评价标准、不同的作物类型,或者宏观、或者微观数据,对规模经营效率始终未取得一致意见。国外对农业经营规模与效率的研究,重点关注的是二者之间的关系,较少直接涉及适度经营规模[24],国内的研究也由更多关注适度经营规模转向研究经营规模与效率的关系。因此,本文运用黑龙江、河南和四川三省2014年玉米种植情况的调研数据,采用数据包络分析法,计算不同规模玉米种植农户的规模效率,并采用Tobit回归对影响玉米规模效率的因素进行分析,为农户提高玉米生产规模效率提供借鉴,同时也为提高玉米优势产区生产,调整非优势产区玉米种植结构提供参考和借鉴。
2 数据来源及研究方法
2.1 数据来源
本研究数据来自于中国农业科学院财政金融与创新团队在2015年8月对黑龙江、河南、四川三省进行的粮食规模生产调研,调研针对农户2014年秋季水稻或者玉米生产情况开展。本文采用此次调研中黑龙江、河南、四川的农户玉米生产数据。黑龙江、河南和四川均为中国玉米主产省,2014年黑龙江玉米播种面积为544.02万hm2,占全国玉米播种面积的14.65%,玉米产量为3343.42万t,占全国玉米产量的15.50%;河南玉米播种面积为328.39万hm2,占全国比例8.85%,玉米产量为1732.05万t,占全国比例8.03%;四川玉米播种面积为138.12万hm2,占全国比例3.72%,玉米产量为751.90万t,占全国比例3.49%[4]。这三个省位于不同的玉米产区,其中,黑龙江属东北平原春玉米产区,河南属华北平原春夏播玉米产区,四川属西南山地丘陵玉米产区。选取这三个省的农户玉米生产数据进行研究,具有代表性。此次调研采取多阶段随机抽样,由调查员进行面对面问卷访谈。每个省选取4个县,每个县选择8~9个乡镇,共调查了25个乡镇,80个村庄。剔除数据缺失问卷和不符合本文分析要求的问卷,最终得到农户问卷有效样本517份,其中黑龙江178份,河南252份,四川87份。调查内容包括农户家庭基本信息、土地基本信息、投出产出信息、技术选择信息等。同时,在各样本村对村干部进行访谈,获得了村级有效问卷80份。具体样本选择分布如表1所示,分省调研样本玉米种植基本情况如表2所示。
Table 1
表1
表1调查样本分布
Table 1Distribution of survey samples
调查县/市 | 调查乡(镇)数 | 调查村庄数 | 有效样本数/户数 | |
---|---|---|---|---|
黑龙江 | 肇东市、龙江县、汤原县、宁安市 | 8 | 22 | 178 |
河南 | 西平县、夏邑县、许昌县、安阳县 | 8 | 16 | 252 |
四川 | 资阳市、邻水县、南部县、中江县 | 9 | 42 | 87 |
合计 | 12 | 25 | 80 | 517 |
新窗口打开
Table 2
表2
表22014年调研样本玉米种植基本情况
Table 2Basic situation of maize production in the sample villages of survey provinces in 2014
户均耕地面积 /hm2 | 非农就业 劳动力比例/% | 耕地流转比例 /% | 玉米播种面积最大值/hm2 | 玉米播种面积 最小值/hm2 | |
---|---|---|---|---|---|
黑龙江(N=22) | 1.73 | 28.95 | 39.21 | 68.33 | 0.35 |
河南(N=16) | 0.30 | 40.64 | 41.34 | 80.00 | 0.07 |
四川(N=42) | 0.22 | 46.85 | 30.02 | 4.13 | 0.02 |
新窗口打开
2.2 研究方法
生产效率测定的方法主要有参数方法和非参数方法两大类,参数方法要求设定特定的生产函数来测定生产效率,生产函数选择正确与否,直接影响到生产效率测量的结果。相比之下,非参数方法不要求设定特定的函数形式来描述效率前沿面,也不需要估计参数,具有显著优势。本研究采用投入导向的数据包络分析方法(DEA,Data Envelopment Analysis)估计农户玉米生产的规模效率,然后采用Tobit模型对影响规模效率的外生因素进行分析。2.2.1 DEA模型
DEA模型由Charnes等于1978年提出[25],是广泛应用的比较成熟的非参数效率测量的方法。该方法的基本原理是通过保持决策单元(Decision Making Unites,DMU)的输入或者输出不变,借助于数学规划模型确定相对有效的生产前沿面,将各个决策单元投影到DEA的生产前沿面上,通过比较决策单元偏离DEA前沿面的程度来评价它们的相对有效性。DEA方法有投入导向型和产出导向型两种形式,投入导向型是在给定产出的情况下使投入最少,产出导向型是在给定投入的情况下使产出最大。DEA方法最先开发出的是规模报酬不变(CRS)模型,主要用于测度包含了规模效率(Scale Efficiency,SE)和纯技术效率(Pure Technical Efficiency,PTE)的综合技术效率(Technical Efficiency,TE),并没有将SE和PTE分开度量。Charnes等将规模报酬不变DEA模型拓展为可变规模报酬(VRS)DEA模型。VRS模型将纯技术效率和规模效率从综合技术效率中分离出来,可用于对决策单元所处的规模报酬的阶段的测量,并且克服了CRS规模报酬不变假定的弱点。本文选取可变规模报酬(VRS)模型,具体模型设定如下:
式中
2.2.2 Tobit模型
采用DEA方法所测得的规模效率值为0~1,属于截断数据,对于影响效率的因素及其影响程度的估计,如果采用普通最小二乘法(OLS)估计,结果是有偏的,并且不一致。对此,可以进一步采用Tobit方法进行回归分析,通过最大似然估计法(ML)对模型中的参数进行估计。Tobit回归模型为:
式中
3 实证分析
3.1 变量选择
调查问卷的数据可以形成517个玉米种植农户的横截面数据,每个农户作为一个决策单元(DMU),有1个产出变量和6个投入变量。产出变量(y)用玉米总产出表示(万kg);土地投入(x1)用农户玉米种植面积来表示(hm2);劳动力要素投入(x2)用雇佣劳动力和农户自有劳动力投入的总和来表示(h);种子投入(x3)用玉米种子成本表示(元);农药投入(x4)用所有农药投入的成本来表示,包括防治病虫害、除草剂、生长调节剂(元);化肥投入(x5)是施用的所有化肥的成本(元);机械投入(x6)包括自有机械投入和雇用机械投入,是玉米生产各个环节机械投入的总和(h)。值得说明的是,由于灌溉设备设施例如机井、水泵、沟渠等基本上属于国家出资兴建,农户灌溉只需要支出电费,在总费用中所占比例相对较低,故本文未将水费计入玉米生产投入。各变量的描述性统计见表3。Table 3
表3
表3DEA模型中变量的描述性统计
Table 3Summarize of variables in DEA model
变量名称 | 变量说明 | 平均值 | 标准差 | 最小值 | 最大值 |
---|---|---|---|---|---|
产出 | |||||
玉米产量y | 14%左右含水量的玉米干粮产量/万kg | 2.38 | 5.48 | 0.01 | 107.11 |
投入 | |||||
土地x1 | 玉米播种面积/hm2 | 2.34 | 5.77 | 0.02 | 80.00 |
劳动x2 | 自有和雇佣劳动力投入/h | 264.39 | 564.30 | 1.00 | 9 455.00 |
种子x3 | 玉米种子投入/元 | 2 267.42 | 6 175.30 | 22.00 | 92 250.00 |
农药x4 | 防治病虫害、除草剂、生长调节剂的投入/元 | 1 020.18 | 2 378.12 | 4.00 | 31 200.00 |
化肥x5 | 化肥总投入/元 | 5 467.79 | 14 288.49 | 0 | 190 210.00 |
机械x6 | 自有和雇佣机械投入/h | 65.36 | 111.51 | 0.20 | 1 679.00 |
新窗口打开
以DEA分析所获得的规模效率作为被解释变量,选取户主个人特征、农业技术培训情况、家庭非农业收入占纯收入比重、耕地质量状况进行规模效率影响因素分析。其中户主个人特征具体选取4个变量,户主年龄,以户主的实际年龄表示;户主的受教育程度,文盲为0,小学为1,初中为2,高中及以上为3;户主是否出县打过工,是为1,否为0;户主从事粮食生产时间,以户主实际从事粮食生产年限来表示。农业技术培训情况用是否参加农业技术讲座来表示,如果家庭劳动力2011-2013年有人参加过农业技术讲座取值为1,否则取值0;家庭非农收入占纯收入比重,为农户2012-2014年年均非农收入占年均纯收入的比重;耕地质量状况具体选取2个变量来表征,耕地肥力和耕地是否能灌溉。其中,耕地肥力分为3种程度,肥力好为1,肥力中等为2,肥力差为3;耕地是否能灌溉,是为1,否为0。另外不同地区经济和社会发展情况不同,粮食生产气候条件等存在差异,也会对规模效率产生影响。本研究在Tobit模型中分别进行未引入地区虚拟变量和引入地区虚拟变量两种回归,以便对比。各变量的基本描述分析见表4。
Table 4
表4
表4Tobit模型变量分析
Table 4Analysis of Tobit variables
变量 | 变量含义 | 变量类型 | 均值 | 标准差 | 最小值 | 最大值 |
---|---|---|---|---|---|---|
规模效率 | Deap2.1软件测算出的规模效率值,取值[0,1] | 截断数据[0,1] | 0.90 | 0.14 | 0.20 | 1.00 |
户主年龄/岁 | 连续变量 | 51.06 | 11.02 | 24.00 | 76.00 | |
户主受教育程度 | 文盲=0,小学=1,初中=2,高中及以上=3 | 离散变量 | 1.74 | 0.75 | 0 | 3.00 |
是否出县打过工 | 户主是否出县打过工(是=1;否=0) | 虚拟变量 | 0.50 | 0.50 | 0 | 1.00 |
从事粮食生产时间 | 户主从事粮食生产时间/年 | 连续变量 | 30.86 | 13.65 | 0 | 61.00 |
2011-2013年家庭成员是 否参加过农业技术讲座 | 是=1;否=0 | 虚拟变量 | 0.47 | 0.50 | 0 | 1.00 |
2012-2014年农户年均非 农收入占纯收入比重 | 连续变量 | 0.46 | 0.34 | 0 | 1.00 | |
2014年耕地肥力 | 好=1,中=2,差=3 | 离散变量 | 1.63 | 0.61 | 1.00 | 3.00 |
2014年耕地能否灌溉 | 是=1,否=0 | 虚拟变量 | 0.65 | 0.48 | 0 | 1.00 |
地区控制变量 | D1=1,河南;D1=0其他;D2=1,黑龙江,D2=0,其他;D3=1,四川,D3=0,其他 | 虚拟变量 | - | - | - | - |
新窗口打开
3.2 效率评价结果分析
运用deap2.1软件计算得出517个农户玉米生产效率,平均来看,综合效率为0.62,纯技术效率为0.69,规模效率为0.90。其中规模报酬递增的样本有306户,占全部样本的59.2%;规模报酬递减的样本有174户,占33.7%;规模报酬不变的样本有37户,占7.2%。这说明虽然农户玉米生产规模效率比较高,但是仍然有提高的空间。总体来看,农户玉米生产的综合效率较低,由于综合技术效率=纯技术效率×规模效率,所以纯技术效率或规模效率值较低,都会导致综合效率偏低。农户纯技术效率较低,导致综合效率偏低,这与戚焦耳等的研究结论一致[26]。约有59.2%的农户规模报酬递增,表明农户未能充分利用生产要素,增加玉米种植面积能充分利用各投入要素的产出能力,即提高规模效率。将517个样本农户按照经营面积分组,得到各组综合技术效率、纯技术效率和规模效率的平均值,结果见表5。随着农户种植面积的扩大,规模效率在提高,经营面积在0.67hm2以下的农户,规模效率为0.8,第2、3、4、5、6组的规模效率较高,超过了0.95,其中经营面积1.33~2.00hm2的农户,规模效率最高,为0.99。经营面积在13.33~20.00hm2时,规模效率明显下降,为0.83。本研究并未将4个面积较大的样本剔除,单独列出了其生产效率值,发现经营面积55.13hm2和80.00hm2的农户规模效率明显偏低,分别为0.65和0.63。虽然单个样本可能无法稳定反映大规模生产农户的规模效率,但也从一定程度上揭示出农户规模扩大到一定程度,极有可能带来规模效率的降低。可能的原因是,随着农户种植规模扩大,需要更多雇工,而对雇工的监督管理缺乏有效的手段。同时,经营管理难度增加,难以实现资源的有效配置。技术效率随着种植面积的扩大,总体上呈现提高趋势。经营规模较大的农户对农业技术的关注程度更高,正如钱克明等所指出的,经营规模达到一定程度的农户更易采用现代生产要素和现代生产方式,对农业机械、新品种、新技术和社会化服务的使用率更高[17]。
Table 5
表5
表5投入导向下农户玉米生产规模效率
Table 5Scale efficiency of maize farming households from input perspective
组别 | 规模区间 /hm2 | 样本数量 /户 | 样本平均规模 /hm2 | 综合技术 效率 | 纯技术 效率 | 规模 效率 |
---|---|---|---|---|---|---|
1 | <0.67 | 218 | 0.28 | 0.53 | 0.68 | 0.80 |
2 | 0.67~1.33 | 66 | 0.90 | 0.63 | 0.64 | 0.98 |
3 | 1.33~2.00 | 55 | 1.56 | 0.70 | 0.71 | 0.99 |
4 | 2.00~2.67 | 54 | 2.28 | 0.68 | 0.70 | 0.98 |
5 | 2.67~3.33 | 29 | 2.92 | 0.74 | 0.76 | 0.97 |
6 | 3.33~5.00 | 47 | 4.16 | 0.64 | 0.67 | 0.96 |
7 | 5.00~6.67 | 22 | 5.72 | 0.68 | 0.72 | 0.95 |
8 | 6.67~10.00 | 10 | 7.74 | 0.69 | 0.75 | 0.92 |
9 | 10.00~13.33 | 6 | 10.94 | 0.83 | 0.90 | 0.91 |
10 | 13.33~20.00 | 6 | 17.06 | 0.69 | 0.84 | 0.83 |
11 | 22.80 | 1 | 22.80 | 1.00 | 1.00 | 1.00 |
12 | 55.13 | 1 | 55.13 | 0.65 | 1.00 | 0.65 |
13 | 68.33 | 1 | 68.33 | 0.90 | 1.00 | 0.90 |
14 | 80.00 | 1 | 80.00 | 0.63 | 1.00 | 0.63 |
新窗口打开
分省来看,见表6,黑龙江的综合技术效率、纯技术效率和规模效率都是最高的,河南其次,四川最低。河南和四川大部分处于规模报酬递增阶段,河南规模报酬递增样本数量为177户,占该省全部样本的比例为70.0%,四川规模报酬递增样本数量为84户,占该省全部样本的比例为96.6%。而黑龙江的大部分样本处于规模报酬递减阶段,规模报酬递减样本数量为102户,占该省全部样本的比例为57.3%。
Table 6
表6
表6各省样本农户玉米生产效率
Table 6Production efficiency of maize production of three provinces
样本数量 | 综合 技术效率 | 纯技术 效率 | 规模效率 | 规模报酬递增样本数量 | 规模报酬递减样本数量 | 规模报酬不变样本数量 | |
---|---|---|---|---|---|---|---|
黑龙江 | 178 | 0.76 | 0.79 | 0.96 | 45 | 102 | 31 |
河南 | 252 | 0.58 | 0.66 | 0.90 | 177 | 71 | 4 |
四川 | 87 | 0.42 | 0.60 | 0.75 | 84 | 1 | 2 |
新窗口打开
3.3 影响因素回归结果分析
前文的分析获知了农户玉米生产效率、纯技术效率和规模效率的总体水平、以及组际和省际差异,而要提高和改善玉米生产规模效率,需要进一步分析影响规模效率的因素。运用Stata13.1软件进行Tobit回归,回归1未设置区域虚拟变量,回归2设置了区域虚拟变量,回归结果见表7。Table 7
表7
表7变量回归结果
Table 7The regression results of variables
解释变量 | 回归1 | 回归2 | ||
---|---|---|---|---|
系数 | P值 | 系数 | P值 | |
年龄 | -0.002 8***(0.001 0) | 0.005 | -0.000 8 (0.000 9) | 0.351 |
受教育程度 | 0.020 2** (0.009 6) | 0.035 | 0.017 7** (0.008 8) | 0.045 |
是否出县打过工 | 0.023 2* (0.014 1) | 0.099 | 0.029 5** (0.012 9) | 0.023 |
从事粮食生产时间 | -0.000 4 (0.000 8) | 0.608 | -0.000 1 (0.000 8) | 0.894 |
是否参加过农业技术讲座 | 0.036 2***(0.013 7) | 0.008 | 0.020 0 (0.012 6) | 0.114 |
非农收入占纯收入比重 | -0.099 6***(0.019 8) | 0.000 | -0.051 3***(0.019 5) | 0.009 |
耕地肥力 | -0.006 9 (0.010 9) | 0.532 | 0.003 4 (0.010 0) | 0.738 |
耕地能否灌溉 | 0.035 1***(0.014 1) | 0.013 | 0.001 7 (0.016 5) | 0.917 |
地区控制变量D1 | 0.140 7***(0.021 3) | 0.000 | ||
地区控制变量D2 | 0.203 8***(0.020 9) | 0.000 | ||
常数项 | 1.145 4***(0.050 0) | 0.000 | 0.784 0***(0.052 8) | 0.000 |
LR chi2 | 93.71 | 181.99 | ||
Prob>chi2 | 0.000 0 | 0.000 0 |
新窗口打开
从户主个人特征来看,回归1中,户主的年龄对规模效率产生显著负向影响,说明年龄越大的户主其身体素质较差,知识结构老化,思想相对保守落后,总体上不利于实现规模效率。回归2中,年龄对规模效率影响虽然不显著,但是作用方向与回归1一致。回归1和回归2中户主的教育程度对规模效率具有显著正向影响,说明较高的教育水平对户主获取农业信息、学习和掌握农艺技术、提高生产经营管理水平等方面具有积极效果,进而能够提高农户经营的规模效率。户主是否出县打过工在回归1和回归2中对规模效率均产生显著积极影响,外出打工可以增长见识,增强信息获取能力,回流农业后更易接受新技术,经营管理能力也有所提高,从而提高规模效率。Oberai等和Nichols的研究均认为回流劳动力更多采用高产种子,带来更加先进的农业技术和理念[27,28]。户主从事粮食生产时间,对规模效率产生负向作用,并且在回归1和回归2中均不显著。可能的原因是随着户主从事粮食生产时间的增长,其种植经验趋向更加丰富,经营模式趋于固定,不注重采用新技术,加之种植经验增长一般会伴随着年龄增长,体力和经营管理能力较年轻人下降,从而不利于规模效率,但是这种不利影响并不显著。
从农业技术培训情况来看,是否参加过农业技术讲座在回归1中对规模效率具有显著正向作用,在回归2中对规模效率的正向影响不显著。农业技术讲座向农户传授新品种、耕作技术、经营管理等方面的知识和技能,从而有利于提高规模效率。
非农收入占纯收入比重在回归1和回归2中对规模效率均具有显著负向效应,家庭收入越不依赖于农业收入,农户对农业生产投入的努力越少,对农业产出的结果关心程度越差。这与Aziz Karimov等[21]的研究结论一致,小农户与单季种植的农户更加倾向于从事非农活动,由于从事非农活动,农户投入农业的时间减少,从而降低了农户农业生产效率。
从耕地条件来看,耕地能否灌溉在回归1中对规模效率产生显著影响,能灌溉有利于提高规模效率,回归2中,耕地能否灌溉虽然对规模效率的影响不显著,但是影响方向一致,仍为正向影响。耕地肥力对规模效率的影响在两种情况下差异较大,并且不显著。可能的原因是由于化肥使用量可以反映农户对耕地肥力的评价,在规模效率测量时已经通过化肥投入反映出来,因此耕地肥力并未对规模效率产生显著影响。另外,从地区虚拟变量来看,D1和D2均通过了显著性检验,相对于四川来说河南和黑龙江规模效率显著偏高。
4 结论与政策启示
利用黑龙江、河南、四川的农户实地调研数据,运用DEA方法对玉米生产效率进行了分析,并采用Tobit模型分析了影响玉米生产规模效率的外生因素。研究结论为:(1)样本农户的平均规模效率随着玉米种植面积的增加,呈现先升后降的态势。以不同规模进行分组,小于0.67hm2的规模效率为0.80,0.67~1.33hm2的规模效率为0.98,1.33~2.00hm2的规模效率达到了最高,为0.99。说明随着种植面积的增加,规模效率提高了。但规模达到一个界限之后,规模效率会下降,6.67~10.00hm2的规模效率出现较明显的下降,13.33~20.00hm2规模效率下降非常显著。规模效率的变化,和前人研究的结论是一致的,在其他粮食作物的种植上也被观察到,刘颖等对水稻种植户的研究结果显示,技术效率与经营规模呈现“倒U型关系”[19]。可见,推进粮食规模经营并非规模越大越好,政府要发挥对农户的引导和规范,寻求规模经营合适的度,避免行政命令“一刀切”。
(2)农户玉米生产的规模效率总体较高,但是仍然有提升的空间。对比三省玉米生产的规模效率,黑龙江的规模效率最高,四川的规模效率最低。Tobit回归结果区域差异明显,说明玉米生产表现出明显的区域差异性。因此,规模经营要稳步开展,考虑地区差异,探索适度规模经营的不同形式,因省制宜,不能搞统一模式。黑龙江重在提高纯技术效率而规模效率保持相对稳定,河南以提高技术效率和规模效率并重,四川以发展土地股份合作社促进土地流转和技术效率提高为方向,引导耕地向种田能手集中。
(3)户主的教育程度、户主是否出县打过工对规模效率具有显著影响,说明提高农户的技术水平和经营管理能力对规模效率具有积极作用。因此,政府要加大对农民的培训,培育新型职业农民,鼓励大中专毕业生从事农业,为其流转土地进行适度规模经营提供支持条件。加大各级政府在农业生产服务和技术推广方面的投入,并充分利用科技示范,提高粮食生产的技术效率,为规模经营农户提供更好的科技支撑。
The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
[1] | [J]. , [J]. , |
[2] | [J]. , [J]. , |
[3] | [J]. , [J]. , |
[4] | [EB/OL].( [EB/OL]. (2015-10)[2016-09-14]. .] |
[5] | [J]. , [J]. , |
[6] | . , , |
[7] | [J]. , |
[8] | [J]. , |
[9] | [J]. , [J]. , |
[10] | [J]. , [J]. , |
[11] | [J]. , [J]. , |
[12] | [J]. , [J]. , |
[13] | [J]. , [J]. , |
[14] | [J]. , [J]. , |
[15] | [J]. , [J]. , |
[16] | [J]. , [J]. , |
[17] | [J]. , [J]. , |
[18] | [EB/OL]. ( [EB/OL]. ( |
[19] | [J]. , [J]. , |
[20] | [J]. , [J]. , |
[21] | [J]. , |
[22] | [J]. , [J]. , |
[23] | [J]. , [J]. , |
[24] | [J]. , [J]. , |
[25] | [J]. , |
[26] | [J]. , [J]. , |
[27] | [J]. , |
[28] | [J]. , |