基于DEA-Tobit模型的花生种植户生产效率及其影响因素分析.docx

《基于DEA-Tobit模型的花生种植户生产效率及其影响因素分析.docx》由会员分享，可在线阅读，更多相关《基于DEA-Tobit模型的花生种植户生产效率及其影响因素分析.docx（16页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、基于DEA-Tobit模型的花生种植户生产效率及其影响因素分析 农业技术培训、商品化率均对花生种植户生产效率具有显著正向影响;而是否加入花生专业合作社对花生种植户生产效率具有不显著正向影响;不同地区之间生产效率存在较明显差异，黄淮海花生区和长江流域花生区的生产效率处于较高水平。 关键词：花生种植户;生产效率;影响因素;DEA-Tobit模型 中图分类号： F323.3 文献标记码： A 文章编号：1012-130203-0283-05 由于全球价值链的形成与发展，国家间的分工已经从产业内部分工发展到产品内部的分工，导致国家间的相互联系更加紧密。在农业领域，各个国家间的农产品进出口量也逐年攀升，

2、国际贸易依靠程度不断提高，因此，国家粮食平安问题不容忽视。 近年来，随着我国二孩政策的放开，人口总量将接着增加。同时，城镇化进程的加快，居民收入水平的提高，人们对高质量生活的憧憬和需求，使得植物蛋白等油料消费需求将呈渐渐递增趋势。我国目前三大主要油料作物分别是大豆、花生、油菜。中国农村统计年鉴的数据显示，2022年我国大豆产量1 300万t，总进口量8 391万t，说明我国对大豆的国际贸易依靠程度比较严峻;而花生的自给率较高，播种面积和产量也稳步上升，2022年我国花生播种面积为 473.75万hm2，占全国油料总播种面积的33.44%，比2022年提高了0.55一百零一分点;2022年我国花

3、生产量为1 739万t，占全国油料总产量的47.64%，比2022年提高了1.16一百零一分点。 花生作为我国拥有竞争优势的主要农产品之一，理应引起足够的重视。花生产业的生产环节是提升我国花生产业价值链整体竞争力的源头动力。农户作为花生生产的主体，其生产效率的凹凸在很大程度上确定了相应价值增值的实力和程度。王云等指出，在微观经济学理论中，生产技术效率描述投入产出选择实现最佳投入产出的程度，可以反映种植户生产活动实现收益最大化的程度1。因此，对花生生产效率及其影响因素的分析与探讨，具有重要的价值和意义。 通过整理以往的文献发觉，现有针对农产品生产效率及影响因素的探讨方法主要有參数随机前沿分析方法

4、和非参数数据包络分析方法。有学者利用国家或地区宏观数据探讨生产效率改变，例如，孙林等基于DEA模型分析了110102001年我国棉花生产效率的时际和区际改变2;石会娟等采纳DEA模型对河北省苹果生产效率与全国苹果生产效率进行了对比分析3;曾福生等运用SBM-Tobit模型核算了我国2022年粮食生产效率，并对相关显著影响因素进行了实证分析4;贺志亮等运用三阶段DEA模型实证分析了2022年我国农业生产效率及效率影响因素5。也有学者基于农户微观数据探讨生产效率及其影响因素，例如，陈潜等基于DEA-Tobit模型测算了福建省农户毛竹生产效率，并进一步对影响毛竹生产效率的因素进行分析6;肖阳等采纳D

5、EA模型测算农户种植马铃薯的生产效率，并利用Tobit模型对影响马铃薯生产效率的因素进行分析7;曾雅婷等采纳SFA模型测度农户粮食生产技术效率，并采纳Tobit模型检验影响粮食生产技术效率的主要因素8。 在我国花生产业生产主体效率的探讨方面，大多利用花生投入产出的全国或省级数据，分析年度间花生生产效率的构成及改变。例如，田伟等利用20012022年我国11个主要花生产区的投入产出数据，基于非参数Malmquist指数方法对花生的生产效率变动进行分解分析，并运用数据包络分析方法给出了提高全国花生生产综合技术效率的改进方案9;白丽等则采纳非参数Malmquist指数的DEA方法对我国1101120

6、22年期间花生、大豆、油菜及3种粮食作物的全要素生产率进行测算分析，从作物间和年际间2个角度分析我国花生生产效率水平的变动状况，认为技术进步水平低下干脆导致我国花生全要素生产率呈下降趋势10。另外，有学者依据花生种植户的微观调查数据探讨我国花生生产效率及区域差异。例如，周曙东等选择随机前沿生产函数模型分析和识别了2022年全国19个省份花生单产增长及生产技术效率损失的主要影响因素，认为花生种植年数、是否为花生生产示范户、种植规模、参与培训的次数和花生商品率对花生的生产效率有显著的正向影响11，但是没有涉及农户组织程度对花生生产效率的影响。事实上，花生专业生产合作社在组织农户规模化和标准化生产经

7、营、提高生产水平以及进入市场程度等方面的作用正日益显现。 因此，本探讨借鉴通用的DEA-Tobit两阶段法分析评估花生种植户生产效率及其影响因素。在测定花生种植户生产效率的基础上，采纳删截数据回来Tobit模型，以每个决策单元的综合效率为被说明变量，以包括是否参与合作社在内的农户特征为说明变量，旨在为提高花生生产效率、提升农户价值增值实力供应政策建议。 1 探讨方法与数据来源 1.1 探讨方法理论模型 DEA-Tobit两阶段模型是以DEA模型计算出来的各个决策单元的效率值作为被说明变量，选取生产经营主体特征等影响因素作为说明变量的方法。 1.1.1 DEA模型 数据包络分析方法是闻名运筹学家

8、Charnes等在11018年发表的论文中提到关于面对投入的规模酬劳不变模型后，成为运筹学、管理科学和数理经济学交叉的新领域12。该方法运用线性规划构建1个非参数逐段线性的生产前沿面，将数据包络起来，依据每个决策单元的输入输出数据运用数学规划模型综合分析并评价它们的相对有效性。 DEA模型在计算技术效率时依据是否解除规模效率的影响有2种详细模型，一种是假设规模酬劳不变模型，另一种是规模酬劳可变模型。本探讨把每个花生生产农户看作一个DMU测度花生生产效率，在实地调研中发觉，我国农村普遍存在小规模经营现象，可能并未实现最优的经营规模，因此，本探讨选择产出导向的规模酬劳可变模型。 设上述对偶规划的最

9、优解为0、IS0、OS0、0，若满意0=1，IS0=0，OS0=0，则DMUj0为DEA有效;若0=1，IS0和OS0不同时为0，则DMUj0为弱DEA有效;若0<0，则DMUj0非DEA有效。 1.1.2 Tobit模型 由于DEA测算出来的效率值在区间0，1内，属于典型的两端删截“受限被说明变量”，若干脆运用一般最小二乘法估计回来系数，会导致参数估计得不一样，因此经济学家Tobin提出了删截数据回来模型，即Tobit模型。详细形式如下： 式中：Yi表示DEA模型测算出的效率值;0表示截距项;xik表示说明变量;k表示未知参数向量;i独立且听从正态分布，i=1，2，3，。本探讨采纳To

10、bit模型分析花生生产效率的影响因素。 1.2 数据来源 本探讨运用的数据均来自国家花生产业体系产业经济专家组2022年收回的关于反映2022年实际状况的花生种植户调查问卷。调查范围包括辽宁、吉林、河北、河南、山东、山西、湖北、湖南、安徽、江苏、四川、江西、广东、广西、贵州、福建、新疆共17个花生生产省份。依据中国农村统计年鉴2022的统计数据可知，2022年，全国花生播种总面积为473.75万hm2，其中这17个省份的花生播种面积占94.89%;全国花生产量为 1 738.101万t，其中这17个省份的花生产量占96.61%。由此可以看出，调查地区的花生生产具有很好的代表性。 实际调查实行典

11、型调查和问卷调查相结合的方法，在地方农业管理部门、花生站长、主要经营管理者、代表性花生种植户研讨的基础上，根据先分类再随机抽样的方式进行，综合考虑花生生产大户及小户、花生示范户与非示范户等，进行入户访谈和问卷调查。调查内容主要包括花生种植户家庭基本信息以及2022年花生种植、销售和成本收益状况。调查过程中共发放问卷562份，收回547份，问卷回收率为101.3%;剔除内容不全、有逻辑错误的问卷，有效问卷共489份，有效率为89.4%。 2 花生种植户生产效率的测算 2.1 投入产出指标体系设计及说明 在花生生产过程中，产出要素用单位面积产量表示，投入要素主要包括土地、物质与服务和劳动力。由于在

12、DEA模型中均以单位面积状况衡量投入产出指标，因此，本探讨选取1个产出指标、6个投入指标，未将土地变量纳入模型。其中，产出指标是花生平均产量，投入指标分别是单位面积种子费用、单位面积肥料投入为农家肥和化肥2部分之和，元/hm2、单位面积农膜费用、单位面积农药费用、单位面积机械作业费用以及单位面积劳动力投入，描述性统计如表1所示。 从表1可以看出，花生种植户之间生产要素投入产出差异较大，其中种子费用最大相差6 000元/hm2，肥料投入最大相差 6 090元/hm2，农膜费用最大相差2 250元/hm2，农药费用最大相差 2 400元/hm2，机械作业费用最大相差 3 300元/hm2，产量最低

13、只有1 500 kg/hm2，最高达到 7 500 kg/hm2，相差6 000 kg/hm2。调研中发觉，许多生产农户运用自留种或农家肥，因此种子费用或肥料投入为0元。 平均物质与服务总费用投入达到7 210.2元/hm2，其中种子费用和肥料投入的均值最高，约为2 373元/hm2，农膜费用的均值最低，为314.1元/hm2。依据天下粮仓网的统计数据，2022年国内花生平均价格约为8元/kg，因此可大致估算出农户平均收入约为34 200元/hm2。 2.2 花生种植户生产效率测算结果及说明 本探讨利用DEAP 2.1软件测算了489个有效样本农户的生产效率值，得到它在各区间上的分布状况。由表

14、2可知，全部有效样本农户中，生产效率值最低的样本为0.245，样本数为8份;生产效率值最高的样本为1，样本数为52份，仅占全部决策单元总数的10.63%，说明這些农户达到了DEA有效。在生产效率区间分布上，生产效率0.9的样本数占到19.22%，而在0.3以下的占到1.64%，农户之间生产效率的差异较大。农户在每个区间上都有分布，生产效率在0.3，0.4）之间的样本数占 4.50%，在0.4，0.5）之间的占1063%，0.5，0.6）和0.6，0.7）之间的比例相同，均为1493%，在0.7，0.8）之间的样本数最多，达到23.31%，在0.8，0.9）之间的占比为10.84%。 3 花生种

15、植户生产效率的影响因素分析 3.1 探讨假设及理论分析 本探讨基于我国花生生产农户实际特点和相关探讨成果，并结合实地调查数据，主要从农户生产特征、家中是否接受农业技术培训、是否加入花生专业合作社、商品化率、地区因素5个角度，分析花生种植户生产效率的影响因素。其中，花生种植户的生产特征用已种花生年数、播种面积和是否为科技示范户3个变量测度。因此，提出以下探讨假设。 假设1：已种花生年数对农户生产效率具有显著正向影响。 一般来说，花生种植户种植的时间越长，积累的劳作阅历越丰富，对于花生市场行情的把握和推断越精确。在花生生产过程中能够应用生产经营及管理阅历，对于肥料、农药、农膜等生产资料投入运用的效

16、率较高。因此，假设已种花生年数对提高农户生产效率有着主动作用。 假设2：花生播种面积对农户生产效率具有显著正向影响。 在花生生产规模较小的状况下，播种面积的增长可使机械作业和劳动力等投入要素得到更加有效的利用，从而实现规模效益，提高花生生产效率。因此，本探讨假设花生播种面积与农户生产效率之间成正相关的关系。 假设3：农户为科技示范户对生产效率具有显著正向影响。 花生科技示范户意味着农户在花生生产过程中专业化、技术化程度较高，与非科技示范户相比更简单接受先进的生产技术并进行普及运用，更能够合理搭配生产经营中的投入产出关系，因此假设花生科技示范户对生产效率具有显著正向影响。 假设4：农户家中接受过

17、农业技术培训对生产效率具有显著正向影响。 农业技术培训可以帮助农户全面和深化地了解驾驭高效好用的花生生产技术，一般来说，接受过农业技术培训的花生种植户能够接触到更多的生产技术信息，并可能得到相关领域专家的实际指导和帮助。因此，假设农户接受过农业技术培训，生产效率也会更高。 假设5：农户加入花生专业合作社对生产效率存在显著正向影响。 农户加入花生专业合作社以后，可以从合作社获得良种集中选购、标准化生产及先进生产模式改进、技术服务推广、管理水平改善、市场信息、统一收购等方面的指导和帮助，提高花生生产竞争力，并且在应对生产经营中各类困难或风险时有更好的保障，有利于生产效率的提高。因此，假设参与花生专

18、业合作社的农户有更高的生产效率。 假设6：花生商品化率对农户生产效率存在显著正向影响。 周曙东等指出，花生商品率反映农户生产的市场化程度和产品的获利实力11。详细计算方法如下： 花生商品化率=该农户当年花生销售部分对应的产量该农户当年花生总产量101%。 以花生销售为主的较高商品化率农户，在理性行为中出于追求经济利润最大化的目的，会对生产管理过程的有效性更加关注，因此，假设其生产效率也相应较高。 假设7：地区因素对农户生产效率存在显著影响。 由于花生作为我国传统经济作物，分布在我国较广的种植区域，而各地区自然生态和社会经济环境的差异较大，因此，假设地区因素对于农户生产效率有明显的影响。本探讨选

19、取主要花生生产区作为虚拟变量，分别为长江流域花生区、黄淮海花生区、华南花生区和其他花生区。 3.2 探讨变量描述性统计分析 依据选取的探讨变量作描述性统计。 从表3可以看出，花生种植户主要有以下特征：样本花生种植户已种花生年数较高，平均种植年数达到20年，说明大多有着较为丰富的花生生产阅历，但同时反映出可能存在年龄偏大的现象，一方面健康状况可能有所下降，另一方面接受新技术、新政策的程度可能受到影响。虽然平均每户花生播种面积约为0.93 hm2，但样本范围内差异较大，依据调查数据，从0.0213.33 hm2不等。科技示范户的比例尚未达到1/2，但家中接受过农业技术培训的比例较高，可以看出农户对

20、于农技培训较为感爱好。花生种植户的组织化程度并不高，加入花生专业合作社的只有84户，占样本总数的17%。平均每户花生商品化率较高，达到了75%，花生是我国农夫的重要经济作物。 3.3 模型估计结果及其说明 本探讨运用Stata软件对Tobit删截数据回来模型进行估计分析，结果如表4所示。 通过回来结果可以看出，模型通过整体显著性检验，针对自变量的详细说明如下： 在反映花生种植户生产特征的3个变量中，已种花生年数通过1%的显著性水平检验，对农户生产效率具有显著正向影响，接受假设1，表明农户种植花生的年数越长，对实际生产过程中的阅历积累，在肯定程度上越有利于生产效率水平的提高;播种面积通过1%的显

21、著性水平检验，对农户生产效率具有显著正向影响，接受假设2，表明种植面积较大的农户比种植面积较小的农户的生产效率要高，即随着花生播种面积的适度增长，农户可以提高规模效益，有利于生产效率的提高;是否为科技示范户通过5%的显著性水平检验，对农户生产效率具有较显著正向影响，接受假设3，表明科技示范户的生产效率高于非科技示范户，科技示范户对于新信息、新学问的接受实力和适应实力更强，因而有利于生产效率的提高。 家中是否接受農业技术培训通过1%的显著性水平检验，对农户生产效率具有显著正向影响，接受假设4，说明农业技术培训可以增加农户获得信息的渠道和途径，在生产管理过程中指导和帮助农户改善经营状况，进而提高生

22、产效率。 是否加入花生专业合作社对农户生产效率具有正向影响，但该变量没有通过显著性检验，说明农户参与花生专业合作社可以帮助其提高生产效率，但效果并不明显，这可能是由合作社管理不规范造成的。通过调查发觉，根据合作社产生的原动力可将其大致划分为公司领办型、能人大户牵头型、产品带动型和技术型，而作为主要形式之一的公司领办型合作社可能存在公司利用相对农户优势的地位在产品购销等环节侵害农户利益的问题。 商品化率通过1%的显著性水平检验，对农户生产效率具有显著正向影响，接受假设6，即花生商品化率高，农户的生产效率也越高。商品化率越高，说明农户参加市场化程度高，追求利润最大化的驱动力强，有利于提高生产效率，

23、从而增加收益。 在地区因素中，与比照组的其他花生区相比，黄淮海花生区和长江流域花生区系数符号为正且分别通过5%和10%的显著性水平检验，说明这2个花生区的生产效率更高一些;华南花生区系数符号为负，但并没有通过显著性检验，说明华南生产区与比照组生产效率的差异并不明显。 4 结论与建议 本探讨利用2022年全国花生种植户的调研数据，运用DEA-Tobit两阶段模型首先对样本农户的生产效率进行了测算，结果发觉，花生种植户生产效率普遍较低，可提升空间大，且不同农户之间生产效率差异较大。在此基础上，进一步构建Tobit删截数据回来模型对影响花生种植户生产效率的因素进行分析，主要得出以下结论：已种花生年数

24、、播种面积、是否为科技示范户、家中是否接受过农业技术培训、商品化率均对花生种植户生产效率具有显著的正向影响;是否加入花生专业合作社对花生种植户生产效率具有不显著正向影响;不同地区之间生产效率存在较明显差异，黄淮海花生区和长江流域花生区的生产效率处于较高水平。 依据以上探讨结果，本探讨提出以下对策建议：培育新型农业经营主体，引导有实力的花生种植户进行适度规模种植，有利于生产标准化和机械化的推广，实现有效率的规模经济;重视农技推广服务，帮助花生种植户提高科学技术水平，通过专家实地指导、开班教学和农户互助等多种形式，合理配置生产资料的投入，改进花生生产技术，提高经营管理水平;创新花生产品价值增值的方

25、式方法，激励花生种植户主动改善在花生产业价值链中的地位，产生更多的效益增长点，在市场化经营过程中得到更多的收入;支持和发展花生专业合作社的组织形式，同时加强监管，完善运行制度和利益安排机制，保障花生种植户权益，发挥产业化经营的主动作用;充分挖掘我国花生生产的区域性特征及优势，制定有针对性的发展战略，从而提高花生种植户种植的生产效率。 参考文献： 1王 云，霍学喜. 基于Bootstrap-DEA方法的苹果种植户生产效率及其影响因素分析J. 统计与信息論坛，2022，29：106-112. 2孙 林，孟令杰. 中国棉花生产效率变动：110102001基于DEA的实证分析J. 数量经济技术经济探讨

26、，2004：23-27. 3石会娟，王俊芹，王余丁. 基于DEA的河北省苹果产业生产效率的实证探讨J. 农业技术经济，2022：86-91. 4曾福生，高 鸣. 我国粮食生产效率核算及其影响因素分析基于SBM-Tobit模型二步法的实证探讨J. 农业技术经济，2022：63-73. 5贺志亮，刘成玉. 我国农业生产效率及效率影响因素探讨基于三阶段DEA模型的实证分析J. 农村经济，2022：48-51. 6陈 潜，彭婵娟，刘伟平，等. 福建省农户毛竹生产效率及影响因素探讨基于DEA-Tobit模型J. 福建论坛，2022：132-136. 7肖 阳，朱立志. 基于DEA-Tobit模型的马铃薯

27、生产效率分析以甘肃省定西市为例J. 中国农业资源与区划，2022，37：37-43. 8曾雅婷，吕亚荣，刘文勇. 农地流转提升了粮食生产技术效率吗来自农户的视角J. 农业技术经济，2022：41-55. 9田 伟，谭朵朵. 中国花生主产区的生产效率分析J. 农村经济与科技，2022，20：39-42. 10白 丽，赵邦宏，曹文文. 中国花生生产效率的实证分析基于Malmquist指数方法J. 河南农业科学，2022，40：69-73，87. 11周曙东，王 艳，朱思柱. 中国花生种植户生产技术效率及影响因素分析基于全国19个省份的农户微观数据J. 中国农村经济，2022：27-36，46. 1

28、2Charnes A，Cooper W W，Rhodes E. Mearsuing the efficiency of decision making unitJ. European Journal of Operational Resarch，11018，2：429-444.何 琛，普拉提莫合塔尔，居玛吐尼亚孜，等. 中国特色小镇的空间分异J. 江苏农业科学，2022，47：288-293. 第16页 共16页第 16 页 共 16 页第 16 页 共 16 页第 16 页 共 16 页第 16 页 共 16 页第 16 页 共 16 页第 16 页 共 16 页第 16 页 共 16 页第 16 页 共 16 页第 16 页 共 16 页第 16 页 共 16 页