基于DEA模型的湖北省农业经济效率评价研究的论文

基于DEA模型的湖北省农业经济效率评价研究的论文（通用6篇）

基于DEA模型的湖北省农业经济效率评价研究的论文 篇1

基于DEA模型的湖北省农业经济效率评价研究的论文

中国经济发展进人新常态是中国经济发展阶段性特征的必然反映，新常态反映在农业领域，即农业发展速度的变化、动力的转化和结构的优化，最根本是转变农业发展方式。这就要求农业领域要主动适应经济发展新常态，继续夯实农业稳定发展的基础，农业新常态是农业经济发展的必然选择。同时，发展方式的切实转变是建设两型社会的必然选择，也是贯彻落实科学发展观、实现社会可持续发展的重大举措。作为农业大省，湖北省承担着保障国家粮食安全和实现农产品有效供给的责任，因此，分析湖北省农业增长方式从增加要素投入到通过效率的转变具有重要意义。

农业经济研究一直是国内众多学者的一项重要课题。冉杰等□运用DEA法和曼奎斯特生产效率指数对中国西部农业生产效率进行了总体效率分析、规模状况分析和生产力指数分折;倪冰莉等[2]应用DEA法对中国中部六省1990-的农业生产效率变化进行了分析;王爽英等[3]运用主成分分析方法，选择可反映湖南省农业发展现状的8个指标，并借助DPS数据处理系统对湖南省地市进行了研究;黄利军等w采用DEA方法对西部地区农业生产效率进行分析，探讨了来西部地区农业生产效率;钱丽等运用3个DEA模型对安教省17个地市-20农业生产效率进行了实证研究分析;涂俊等[6]运用DEA、Tobit两步法对中国30个省(市、自治区)的农业创新系统效率以及影响因素进行了分析比较;贺正楚等[7]运用层次聚类、混合聚类方法对湖南省市州“两型社会”区域农业发展状况进行了评价以及提出了备选方案。综上所述，各学者对农业经济效率的分析大部分是基于区域进行研究以及关注投入产出效率值并对其进行排序，但都未能对单个决策单元进行深入探讨，对湖北省各地市农业经济效率的评价还未见于相关文献。本研究基于构建DEA投人与产出模型、Malmquist指数法对-湖北省13个地市的农业经济效率进行测算评价，分析了湖北省各地市农业生产效率的内部差异及原因，提出了最优生产可能性边界，从而提出改进农业生产效率的根本方法，以优化农业资源配置，促进其高效稳步发展。

1研究方法

数据包络方法(Decisionmakingunit,DMU)是由美国著名运筹学家Chames等[8]在1978年以“相对有效性”概念为基础创立的，用于研究多投人与多产出对象的规模有效性和技术有效性的一种线性规划模型。此后，Banker等[9]构建了C2R模型。

把每一个省看作一个生产决策单位，运用Fare等改造的DEA方法来构造每一个时期中部各省的生产最佳前沿面。把每一个省的生产同最佳实践前沿进行比较,从而对效率变化和技术进步进行测度。

Malmquist模型用于处理面板数据，是一种生产前沿方法。Malmquist生产率变化指数是Caves等[11]在Malmquist数量指数与Shepherd距离函数概念基础上建立起来的用于测量全要素生产率变化的专门指数。Fare等?运用生产函数法，并在规模报酬不变的假设下，把7TP(全要素生产率)分解为技术效率指数和技术进步指数。在规模报酬可变的假设下;技术效率进一步分解为纯技术效率和规模效率。

2指标选取和数据来源

依据农业生产系统多输入、多输出的特点，农业投人产出的特征以及评价指标的可量化性、可靠性、可得性原则选取了能够反映湖北省13个市(自治州)农业生产效率整体情况的投人、产出指标。选取4个投入指标和2个产出指标作为研究湖北省农业经济效率的评价指标体系，力求客观公正地反映整个农业生产系统的效率。投人指标包括农牧渔业的劳动力(不)、农作物总播种面积(Z2)、农业机械总动力(X3)、农用化肥施用量(Z4),分别可以反映人力资本投入、土地要素投人、技术投人;产出指标包括农林牧渔业总产值(F0、农村家庭人均年纯收入cr2),可以反映在农业经济方面所取得的成果和效益。指标数据均来源于2008-20〈〈湖北省统计年鉴》、《中国农村统计年鉴》。

3综合效率分析

运用Deap2.1软件对湖北省13个地市的农业投人产出面板数据进行分析，得到农业生产综合效率及纯技术效率、规模效率的数值。从综合技术效率及其构成纯技术效率、规模效率的平均值来看，三者的变化具有同步性，均值在0.8~0.9间波动变化且有递减趋势，说明湖北省农业生产不稳定，且地区差异显著;有3个地市达到DEA有效,5个地市处于规模效益递增阶段，即这些地市农业生产规模效益还没有完全发挥出来，调整投入会使规模效益增加，农业再投资效益比较高。规模效益递减地市由2008年的3个增加至年的5个，具有很大的调整空间和投资价值。纯技术效率的均值基本上大于规模效率的均值，且纯技术效率处于有效以及递增的地市有10个，占总数的77%,说明纯技术效率对综合效率的贡献更大，湖北省农业发展向技术导向型转移。

2008-2012年，武汉、黄石、鄂州等三地市一直保持领先地位，均为DEA有效,综合技术效率、纯技术效率和规模效率值均为1,表示农业生产要素投人配置效率最优，顺应农业可持续发展的趋势;在既有制度和管理水平下，农业效益达到了最大化，现有规模和最优生产规模没有差异，处于规模收益不变的状态，即扩大一定比例的农业投人，相应地产出也会同比例增加。

2008-，荆州市处于DEA有效状态，综合效率、纯技术效率和规模效率都处于有效状态，且重视技术的发展。随着农业技术的稳步发展，技术的有效利用和既有规模相互匹配，实现了农业收益的最大化。-2012年，荆州市综合生产效率从0.779递减为0.568,综合效率位居湖北省各地市倒数第二，随着规模效率的急剧降低而降低并有加速现象，规模效益也由不变转为递减状态。十堰市与荆州市农业发展战略相反，忽视技术，重视规模的简单扩大，近几年均处于DEA无效状态，综合效率位居湖北省末端。综合效率的提高更多依靠农业生产规模的扩大，农业技术很薄弱。

2008-，咸宁、随州等地市综合效率值为0.8及以上水平，属于湖北省农业生产综合效率较高地市，至2012年，两地市综合效率存在下降趋势。此外，两地市处于规模报酬递增阶段，增加一定比例的投人可以带来一定比例或者更多的经济效益。同时，规模效率值均高于纯技术效率值，表明规模效益递增是依靠生产规模的扩大，农业技术有效发挥还不足。

2008-2012年，襄阳、恩施综合效率无效，规模效率变化波动大，技术效率变化趋于平稳。其中，纯技术效率值均为1，表示在目前的技术水平下，投人资源的使用是有效率的，综合效率无效的.根本原因是规模效率不断减少。其中恩施近几年规模效率一直是0.5~0.6之间，处于各地市之末，仅为DEA有效地市的一半。襄阳、恩施分别处于规模效益递减、递增阶段，因此，在技术效率有效的前提下，其改革的重点在于调整经营规模与既有技术吻合，以更好地发挥其规模效益。

2012年，宜昌、孝感、荆门和黄冈综合效率处于较高水平。其中，2008-2012年荆门、孝感和黄冈农业综合效率及其纯技术效率、规模效率分别有4年、3年和1年达到DEA最优，且松弛变量为0,农业生产要素配置达到最优效率，农业处于最佳规模、最佳效率。孝感、荆门和黄冈等地市规模效益处于不变、递增以及递减交替变化状态;宜昌规模效益处于递减且纯技术效率、规模效率值呈波动变化状态，说明这些地市农业发展不稳定，需要对投人产出结构进行调整，以更好地适应农业效益提高的需求。

4Malmquist指数分析

为了反映湖北省农业全要素生产率增长及其构成变化情况，利用deap2.1软件对2008-2012年湖北省各地市农业面板数据进行了测算和分解。

4.1全要素生产率变化趋势

根据农业效率Malmquist生产力指数分解表可以看出，有9个地市农业全要素生产率(7TP)指数大于1,只有荆州、荆门、黄冈和咸宁等地市小于1。2012年7F尸平均增速为15.3%,T/P指数最大的地市是武汉,最高增长率为41.9%,说明湖北省农业生产效率进步较快，农业发展在向技术导向型转变，农业的可持续性一直在增强。2008-2012年湖北省77中均值总体上实现波动增长，且增长幅度逐年加大，：TFP平均增长率由7%增长至15.3%，其中-2012年TFP均值增长幅度弱于其他年份。

湖北省77于的变化趋势与技术进步变化趋势一致，与技术效率呈反向变动，技术进步的贡献超过了技术效率的贡献，抬高了农业生产前沿面。随着农业科学技术的发展，湖北省采用更先进的农业生产技术为农业生产发展提供了巨大的动力。2011-2012年TFP平均增长率为15.3%,技术进步平均增长率为24.7%,而技术效率的贡献率约为-7.4%,技术进步与效率缺失并存的现象说明湖北省一些地市忽视农业技术对77中的影响，农业技术创新、推广工作滞后，这也是2011-2012年77中均值增长幅度低于其他年份的原因。

4.2各地市农业全要素生产率指数及构成情况

从2008年起，湖北省13个地市技术进步增长率均高于技术效率增长率，这是由rc(技术进步指数)增长效应带来的。2012年武汉市技术进步增幅为41.9%,为13个地市之首。武汉市为湖北省省会，地理区位优越，拥有健全完善的农业体系，注重推行农业产业化发展以及推广农业新技术。随州7FP增幅为9.5%，位居近几年TFP正增长的9个地市之末，说明随州农业发展势头弱于其他地市，原因是技术效率增速为-14.4%,严重拉低了TFP增速。因此，随州首先要注重技术效率的滞后对rFP的束缚作用，从技术效率构成角度讲，即提高纯技术效率、规模效率增长水平，此外应关注科技管理及制度创新。其余地市7TP年均增长大体相同。从各地市的7TP增长情况看，其差异性与地区经济发展水平具有较高一致性，即经济较发达地市TFP增长相对较高，经济落后地市77中增长相对较低。

从构成看,技术进步的增长与技术效率的缺口并存现象较严重。农业技术进步增长效应最明显、增速最快的是武汉，由2008年的7.3%增为41.9%,农业技术进步增长最弱的是荆门，20TC为-2.2%。技术效率相比技术进步对7F尸的增长效应不明显，大多数地市值等于或小于1。技术效率增长最大的是宜昌，20为18%,技术效率增长最弱的是荆州，2012年为22.6%。

4.3非有效地市的投入调整分析

DEA方法提供了各地区要素投人冗余的绝对量，用于分析非DEA有效地市农业生产效率低下的原因。非有效DMU的各投入指标均有冗余量，不同DMU的冗余指标也有所差别。从投入指标看，农作物总播种面积冗余量最大，其中黄冈冗余最大，冗余量为395.582,荆州次之，冗余量为349.803;农业机械总动力指标冗余量也较大，其中荆门冗余量为238.556;农林牧渔业从业人数冗余较小，冗余量最大的是黄冈，数值为49.492。可见这些地市耕地利用率低、农业机械总动力未充分发挥、劳动力供过于求，应当减少这三类指标的投人，提高其利用效率。农用化肥施用量指标冗余率在非DEA有效地市中最低，接近有效生产前沿面，利用效率较优。从产出指标看，各地市农林牧渔业总产值已达最优，不存在产出不足，农村家庭人均年纯收人指标产出严重不足，其中十堰产出不足高达4322.530。

5结论与建议

本研究运用DEA方法和Malmqulst指数法对农业生产效率进行了评价，得到武汉、黄石和鄂州一直处于DEA有效，其他10个地市DEA无效，其中恩施州综合效率最低。湖北省各地市综合效率均值呈波动变化且有递减趋势，农业生产发展不稳定且地区差异显著。综合效率的增长更多取决于纯技术效率，湖北省农业发展向技术导向型转移。

从农业全要素生产率来看，7TP均值总体上实现波动增长，且增长幅度逐年加大，农业的可持续性一直在增强。湖北省的变化趋势与技术进步变化趋势一致,技术进步的贡献超过了技术效率的贡献，为农业生产发展提供了巨大动力，但目前农业发展存在农业技术进步与农业效率缺失并存的现象。因此，农业部门应不断健全农产品市场体系，利用市场的力量加大农产品竞争力度，并对农业科技部门、农户给予财政支持、技术支持，加大农业科技成果的生产转化力度，注重农业技术的推广和应用，增强农业效率对农业经济效益的带动作用。同时，综合效率高的地市应进一步发挥优势，带动周边地市的农业生产效率。十堰、恩施等地市农业发展方向应以因地制宜、发挥特色为原则，发展种植业、畜牧业、旱作节水等多种农业形式。

从冗余与不足整体来看，主要在农作物总播种面积、农业机械总动力、农林牧渔业从业人数这三个指标存在冗余，要使生产效率达到DEA有效，农业发展有很大的缩减、调整投人要素的空间。首先应考虑调整土地资源的配置，实行农业产业化经营，提高耕地集约利用水平;其次有效利用农业现代化机械，使实际产出量与效率最优对应的产出量之间差距趋于零;最后优化农业人力资源配置，提高农业人口的素质，实施农民非农化，将劳动力资源优势转化为经济效益。

参考文献：

[1]冉杰，王新宇.基于DEA的西部农业经济效率与技术进步率评价[J].统计与决策，(3):102-103.

[2]倪冰莉，张红岩.我国中部地区农业技术进步、生产效率的构成分析[J].云南财经大学学报,2010,26(2):141-146.

[3]王爽英，李立辉，戴向洋.基于主成分分析方法的湖南省农业区域经济评价及发展方向[J].农业现代化研究,2010,31(2):115118.

[4]黄利军，胡同泽.基于数据包络法(DEA)的中国西部地区农业生产效率分析[J].农业现代化研究，,27(6):420-424.

[5]钱丽，肖仁桥，杨桂元.基于DEA模型的安徽省农业生产效率评价研究[J].工业技术经济,2010,29(10):121-126.

[6]涂俊，吴贵生.基于DEA-Tobit两步法的区域农业创新系统评价及分析[J].数量经济技术经济研究,2006,23(4):136-145.

[7]贺正楚，翟欢欢，张锐.运用混合聚类法对两型社会农业发展状况的评价[J].湖南农业科学,2010(13):161-164.

基于DEA模型的湖北省农业经济效率评价研究的论文 篇2

发展循环经济是实现农业可持续发展的必由之路。作为国民经济循环体系中的基础环节，农业循环经济就是把循环经济理念与农业生产系统结合起来，在农业生产过程和产品生命周期中渗入循环经济理论，以期在农业生产效率提高的同时减少资源的投入量和废物的排放量，从而实现农业经济和生态效益“双赢”发展[1]。目前有大量学者对农业循环经济进行了研究。国内的研究主要集中在理论探讨方面，如农业循环经济的内涵、原则和发展模式等。而专门针对农业循环经济的定量分析则较少，大都运用灰色关联度分析法[2]、层次分析法[3]、模糊综合评价[4]等方法来评价区域农业循环经济的整体发展情况，而对农业循环经济效率的定量测算很少。

由于农业生产是一个涉及多投入、多产出的复杂系统，只有对农业循环经济发展中的投入产出效率进行定量测算才能彻底搞清农业循环经济发展中是否实现了资源的有效合理利用，是否真正贯彻了循环经济的“3R”原则。

河北省是农业大省，粮食产量逐年攀升，但粗放式的农业经营方式使得资源约束明显，环境污染加剧。其突出表现是河北省人均水资源、土地资源贫乏。据统计，河北省用全国0.7%的水资源养育了全国5%的人口[5]。全省人均水资源占有量307m3，仅为全国平均值的1/7。同时，河北省人均耕地面积也较少。2008年底，河北省人均耕地只有0.056 3hm2，全国人均耕地面积为0.09hm2，低于全国平均人均水平。可见，资源短缺已成为制约河北农业进一步发展的首要问题。同时，河北省农业污染问题也较严重:一方面来自于农业生产过程中，随着化肥、农药、地膜使用量的上升，造成的土壤和水源污染;另一方面来自于农业废弃物的不当排放造成的环境污染。例如，化肥的不当利用会改变土壤结构，导致氮、磷、钾等有机质减少和地力下降，禽畜粪便的排放和秸秆焚烧造成的环境污染等[5]。因此，河北省迫切需要改变传统的、粗放式的经济增长方式，通过发展农业循环经济，调整农业产业结构，来实现经济发展与资源节约、环境保护的协调运行。

1 研究方法

本文采用数据包络分析法对河北省农业循环经济发展的效率进行测算。数据包络分析(DEA)是一种测算多指标投入和多指标产出相对效率的非参数规划方法。通过对原始样本数据的输入、输出指标进行综合评价，判断决策单元(DMU)的有效性，其目的是反映DMU能否达到“以尽可能少的投入，获得最大效益”的决策结果[6]。

DEA的基本模型为C2R模型。C2R是用来评价决策单元同时为“技术有效”和“规模有效”的典型模型[6]。根据计算结果θ=1时，称DMU为DEA有效;当θ<1时，称DMU为非DEA有效。对于非DEA有效的决策单元进行“投影”还可以测算出投入冗余值和产出不足值，并进行改进。

由于农业生产系统涉及的输入、输出指标较多且有重叠，各项输入输出指标的量纲也存在明显的差异。因此，对农业生产系统的效率评价必须综合考虑各种输入、输出要素[7]，且不考虑各指标的量纲差异。由于DEA方法是计算多输入、多产出且不需考虑指标量纲的最有效方法，因此本文采用DEA方法对河北省农业循环经济发展的效率进行定量测算，并根据计算的结果给出无效区域的调整对策。

2 指标的选择和数据来源

运用DEA分析法对农业循环经济效率的科学评价，很大程度上取决于选取的投入和产出评价指标是否合理。由于农业循环经济是以资源高效、循环利用为核心，从节约农业资源、保护生态环境和提高经济效益的角度出发，在提高农业生产效率的同时实现资源的减量化循环利用以及环境保护为目的。因此，评价指标应能体现循环经济的原则和特征[8]。由于农业循环经济生产中涉及的输入输出变量较多，而DEA模型对输入输出变量又有量的要求，即决策单元的个数应接近或超过输入变量和输出变量的2倍[8]，因此输入输出变量的个数不宜太多，尽量选择既能体现农业循环经济的特征又具有代表性的变量。在投入变量方面，本文选取主要农作物总播种面积来表示农业的土地要素投入，农业从业人员来表示人力资本投入，这两个指标反映了农业循环经济中资源投入的情况;而农用化肥施用量对环境的影响较大，因此选择农业化肥施用量来表示农业循环经济中环境影响指标。在产出变量方面，很多学者采用了农林牧渔业总产值、农村家庭人均年纯收入和粮食产量等指标。由于农林牧渔业总产值和农村家庭人均年纯收入这两个指标均与当年的物价有关，而粮食产量真正体现了一个地区当年在农业生产方面所取得的成果，故本文只选取粮食产量一个产出指标，如表1所示。

其中，指标数据来源于《河北统计年鉴》，主要测算2009年来河北省区域内各地市农业循环经济效率的不同及其原因。2009年，河北省各地市农业投入产出情况如表2所示(数据来源于河北省统计局。)。

3 实证分析及结论

利用Deap-xp软件，采用CCR模型，对河北省2009年各地市农业循环经济效率进行实证分析。

指标的选取根据上文设计的输入输出指标。决策单元为河北省的11个地级市，即石家庄、唐山、秦皇岛、邯郸、邢台、保定、张家口、承德、沧州、廊坊和衡水。效率结果如表3所示。在表3中可以看到，利用DEA计算出河北省2009年农业循环经济效率值。

技术效率(vrste)是考虑规模收益时的纯技术效率;综合效率(crste)=技术效率(vrste)×规模效率(scale);“drs”表示规模效益递减;“-”表示规模效益不变;“irs”表示规模收益递增。

从表3可以看出，2009年河北省农业循环经济效率存在明显的地区差异性。从综合效率来看，11个地市中石家庄、保定、沧州、衡水4个地市的综合技术效率为1，说明这4个地市DAE相对有效，处于河北省农业循环经济效率评估的前沿面。其余7个地市的综合技术效率均未达到1，这7个地市为非DEA有效。其中，廊坊、邢台和邯郸的DEA效率值在0.8～1.0之间，认为这3个地市的农业循环经济效率中等;承德、张家口、秦皇岛和唐山4个地市的DEA效率值在0.6～0.8之间，这4个地市农业循环经济效率较差。

从纯技术效率和规模效率来看，DEA有效的4个地市纯技术效率和规模效率也同时有效，且不存在投入冗余和产出不足。因此，可以认为这4个地市农业循环经济投入产出效率最佳，农业循环经济发展势头很好。农业资源要素与环境要素投入比例恰当，农业技术水平、管理水平与经营规模相适应，农业循环经济发展处于最优状态。非DEA有效的7个地市中纯技术效率和规模效率值各有不同。其中，承德、张家口、秦皇岛、廊坊4个地市的纯技术效率有效，但规模效率无效。可见这4个地市综合效率无效的原因主要在于规模无效，纯技术效率对总效率的正面影响被较低的规模效率抵消。而从规模收益的类型来看这4个地市均处于规模收益递增状态，因此这4个地市农业循环经济无效主要是因为农业资源要素投入规模过小。如果能扩大农业投入，其产出会更大比例增加，出现农业规模经济。但投入增加的同时也应以“3R”原则为指导，保障农业的可持续发展。唐山、邢台、邯郸3个地市的纯技术效率和规模效率均小于1，表明这3个地市无论从纯技术水平还是规模配置方面都没有达到最佳。农业各种生产要素投入属于边缘非效率集合[9]，农业技术水平、管理水平与其经营规模不适应，农业生产经营性能没有得到充分发挥，农业循环经济效率较低。

4 提升河北省农业循环经济效率的建议

根据实证分析的结果，河北省不同地市的农业循环经济效率存在明显地区差异性，因此在制定农业循环经济发展政策时不能采取一刀切的方式，应该因地制宜。

在河北省农业循环经济效率的测算中，尽管有5个地市属于DEA有效，但这只是相对有效，是相对于其它7个地市来说农业资源利用的效率较高，而并不是绝对有效，相对于农业循环经济发展的目标来说这些地市仍存在大量问题。其表现为农作物播种面积的下滑[10]，农业用水较多，化肥利用效率不高等。因此，这些区域在保持较高农业循环经济效率的同时，还应继续通过农业科技的投入、劳动力素质的提高，来增加农业创新成果的供给和粮食产量的持续提高。

在农业循环经济无效的地市中，有4个地市是由于规模无效导致的，且这4个地市均为规模收益递增，也就是说对于这4个地市增加农业要素的投入会明显提高农业产出水平。因此，这4个地市农业循环经济效率的改进应以提高规模效率为主。农户经营规模小且极度分散是目前制约农业规模效率的主要瓶颈之一，在规模效率较低的区域可实行土地适度规模经营以提高规模效率[11]:一是通过建立土地资源的有效流转机制，形成土地规模经营的集中机制;二是通过核心农户的培育和扶持政策，强化农业规模经营的实施主体，随着核心农户不断扩大生产经营规模，形成家庭农场;三是发展农业专业合作组织也是当前扩大农业生产规模的必然选择[12]。

在农业循环经济无效的地市中，有3个地市的纯技术效率和规模效率均无效。因此，对于这3个地市提高农业循环经济效率应从两个方面考虑:一是纯技术效率的调整和提高;二是规模效率的调整和提高[13]。但是，由于这3个地市的规模效率值都在0.9以上，基本接近于有效，因此可以重点考虑纯技术效率的改善，在纯技术效率提高的同时，规模效率也会得到一定的改善。对于这3个地市的调整建议为:产出不变，减少投入。河北省存在投入松弛地市的投入松弛量如表4所示。

由表4可知，唐山、邢台和邯郸在农业化肥施用量、农作物播种面积和农业从业人员3个变量均存在投入过剩的现象，因此应对这3个地市的投入要素进行相应的减少。其中，调整潜力最大的是农业化肥施用量，其次是农业从业人员。造成这种现象的原因是河北省化肥投入强度过大。大量的化肥浪费使得化肥的利用效率降低，对农业经济效率产生消极影响，而且化肥施用导致的环境污染也不利于农业循环经济的发展，因此应减少化肥的施用量，提高单位化肥的使用效率。农业从业人员过多主要是由于农村存在大量剩余劳动力，因此政府应通过优化产业结构、发展劳动密集型产业和扩大乡镇企业来促进农村剩余劳动力的转移。

摘要：在构建农业循环经济效率评价指标体系的基础上,运用DEA分析法对河北省11个地市的农业循环经济效率进行了定量评价,得出了河北省农业循环经济效率具有明显的地区差异性的结论。因此,提升河北省农业循环经济效率应因地制宜,采取增加农业科技投入、提高劳动者素质、实行土地规模经营和合理调整农业投入结构等对策。

基于DEA模型的湖北省农业经济效率评价研究的论文 篇3

摘要：采用交叉评价机制DEA模型，对2012年中国省域低碳经济效率进行了测算与评价。研究结果显示：中国区域低碳经济效率基本上呈现东部>中部>西部的梯度分布，且省际分化明显。广东、福建、上海、浙江、江苏、湖北、海南等7个地区低碳经济发展水平较好。河南、四川、重庆、贵州、甘肃、河北、山西等7省，这些地区低碳经济效率最低。通过分析各个省市效率低下的原因，考虑不同地区资源禀赋、经济发展现状和产业结构布局，进而制定具有针对性的碳减排战略。发展低碳能源、低碳产业、低碳消费和加大低碳技术研发投入，对提高我国低碳经济的发展具有重要的意义。

关键词：低碳经济效率；碳排放；DEA模型

中图分类号：F124.3；F224

文献标识码：ADOI：10.3963/j.issn.16716477.2016.05.0022

在中国经济快速发展的同时，伴随着资源的高投入、环境的高污染，以及低效率和碳排放剧增，即资源、环境的刚性约束与高能耗、高污染、低产出的传统经济发展模式之间的矛盾日益突出。作为温室气体最重要的组成部分，如何控制二氧化碳排放，实现社会经济可持续发展，成为全球关注的焦点。从碳排放强度看，我国的碳排放强度不但高于发达国家，也高于部分发展中国家。例如，2010年我国每万美元GDP二氧化碳排放量是13.8吨，是美国的3.8倍，日本的6.9倍， 欧盟的 6.3倍，巴西的7倍，印度的1.6倍①。

“十三五”纲要已明确提出，把大幅度降低能源消耗强度和二氧化碳排放强度作为约束性指标，有效控制温室气体排放。因此，在研究经济效率的同时，把二氧化碳排放量纳入经济发展评价指标，利用经济模型对我国省域低碳经济发展进行评价，对于推进低碳发展、提高低碳经济发展效率具有重要的指导意义。

一、国内外关于低碳经济的研究

（一）国外学者关于低碳经济的相关研究

2003年，英国首次在政府文件中提出“低碳经济”的概念，认为低碳经济是通过低碳消耗和低污染以获得高产出，通过应用先进的技术来推动经济的发展。J. A. Duro 和 E. Padilla利用 theil 指数分解法，证实影响碳排放差异的主要因素是人均收入[1]。Kei Gomi，Koji Shimada等对建立区域低碳社会进行了研究，认为区域发展应该建立二氧化碳减排目标，制定二氧化碳排放的长期计划，通过温和的经济增长来实现目标和计划[2]。M. David等分析了不同国家及部门温室气体减排目标实现的可能性，并给出相应政策建议[3]。Toshihiko Nakata，Mikhail Rodionov等认为全球应通过构建一个新的能源系统向低碳社会转型，常规的能源系统侧重于世界能源供给与需求网络，新的能源系统应该是立足于减少全球碳排放，更改能源结构，提高能源效率的创新系统[4]。Fankhauser S借鉴英国的经验，为碳减排的政策制定者提供了实际可行的建议。他认为，给碳定价是至关重要的，但低碳还必须解决更广泛的市场、投资的政策和行为失败问题，这反过来提高政策的复杂性和协调的问题。碳转型主要是革命的生产，而不是消费。供应方面的创新和需求需要调整生活方式和行为，但前者占主导地位[5]。Xue J， Watanabe S.通过分析日本的碳排放现状，对日本政府对气候管理和能源管理的研究，结果发现，日本广泛开展能源外交、建设能源储备、大力发展新能源以保障能源供给，推动了日本传统社会向“新型低碳社会”的转变。日本的气候政策和能源政策对于发展我国的低碳经济具有十分重要的借鉴意义[6]。国外学者的研究主要针对碳排放和能源政策的研究，对于我国相关政策的制定具有一定的指导意义。

（二）中国学者关于低碳经济方面的研究

1.对低碳经济效率评价的相关研究。陈诗一基于SBM-DDF-AAM低碳经济分析理论机制，构建了低碳转型进程的动态评估指数，并对改革以来中国各省级地区的低碳经济转型进程进行评估和预测[7]。朱承亮在考虑非期望产出SO2和COD的基础上，基于产出角度的SBM-Undesirable模型，从效率视角对节能减排约束下中国绿色经济绩效进行了研究，发现：考察期内效率较低的省份全部为西部省份，但效率较高的省份未必全部为东部省份，个别西部省份在一些年份均处于生产前沿；中国经济增长效率区域差异明显；优化产业结构、提高能源效率、增强环境治理强度及能力对经济增长效率具有显著促进作用[8]。刘瑞翔利用了生产率指数构建与分解方法，发现能源消耗和污染排放是中国环境无效率的主要来源[9]。周莹在“压力-状态-响应”框架下构建了省域低碳经济运行状况综合评价指标体系[10]。相关学者对省域低碳经济效率的相关研究，主要是通过构建低碳经济发展的指标体系，分析各省低碳发展的差异，进而对各地区低碳经济发展水平进行评价。

2.对低碳经济影响因素的相关研究。林伯强得出对我国碳排放影响较为显著的因素包括经济增长、收入增加和能源强度[11]。涂正革发现：经济规模每增长1个百分点，碳排放量平均增加15百万吨（MT）；不同行业间经济增长的边际碳排放量差异很大，推动产业结构调整、能源结构优化，促进节能技术与工艺创新、走新型工业化道路，是实现中国低碳发展的必经之路[12]。李涛运用面板数据模型回归，考察了影响我国低碳经济发展的相关因素，认为产业结构对改善碳排放效率最有成效。史亚东利用超效率DEA模型，测算了我国主要能耗行业在碳减排约束下的能源利用效率，发现碳减排约束对能源利用效率有显著的影响[1314]。贾登勋利用Tobit模型研究了低碳经济发展效率的区域差异及影響因素，结果显示，产业结构、经济发展水平、能源消费结构和能源消耗强度与低碳经济发展水平负相关[15]。

中国学者主要利用投入产出模型回归等方法来研究我国的碳排放和低碳经济发展，主要采用数据包络分析等方法，研究影响碳排放的相关因素，进而探索改善碳减排的措施，提出相应的政策建议。

目前的文献评价低碳经济发展主要有以下两种方法：一是通过主要成分分析法和层次分析法等构建低碳经济发展的指标体系，从而对各地区低碳经济发展水平进行分析和评价。二是利用投入产出系统来研究各地区的低碳经济效率，主要采用数据包络分析方法。相对而言，从投入产出效率方面对我国低碳经济发展情况进行研究的文章比较少。本文主要是对中国省域低碳经济效率进行测算和评价分析，所以也采用DEA模型进行测量，但为避免传统DEA模型中权重依赖性的缺陷，本文在考虑非期望产出CO2的基础上，引入对抗性交叉评价机制改进的DEA模型，使得评价值能更真实地反映决策单元的优劣。本文利用交叉评价机制改进的DEA模型，更能从本质上反映我国各省域低碳经济发展的真实情况，为我国制定低碳经济的相关政策提供一定的理论依据，具有重要的参考价值。

二、交叉评价机制改进的DEA模型的引入

DEA模型是美国著名运筹学家W.W.Coope和A.Chames等学者于1978年，基于相对效率发展起来的一种效率评价方法。DEA模型不仅可以对同一类型的各决策单元（DMU）的相对性进行评价排序，还可利用DEA“投影原理”进一步分析各决策单元非DEA有效的原因及其改进方向，进而为决策者提供十分有用的决策信息。

假设有k个DMU，每个DMU有m种投入和n种产出，分别用不同的经济指标表示。Xij表示为第j个DMU第i种类型投入的投入总量，Xij>0；Yrj表示第j个DMU第r种输出的产出量，Yrj>0；vi表示第i种输入的一种度量，或称为权重；ur表示第r种输出的一种度量，也可以称为权重。其中，i=1，…，m；j=1，…，n；r=1，…，s。Xij、Yrj是已知数据，vi、ur为变量，对第i个DMU可以用原始DEA进行有效评价。

由于传统的DEA方法的结果往往不能有效地区分诸决策单元的优劣，并且各决策单元为达到其效率评价指数的最大值，往往对诸输入和输出指标采用极端不合理的权重分配。在这种模型中，每个决策单元依据最利己的权重来计算效率值，只重视少数利于自身的投入产出指标。所以，John Doyle and Rodney Green检查了数据包络分析的一个被忽视的方面：交叉效率。他们从一些新的方向提出了交叉效率的概念。他们从他评的概念出发，以对交叉效率的直观理解为基础，而不是通过简单效率反映的自评理解，并讨论了每种评价的相对优点，还提出数学的公式，以及用于三种可能的实现对抗性和仁慈性的交叉效率的方法的直观含义。他们已经在计算机程序中实现了其中的两个公式，结果是在真实数据集下通过经验地比较得到的。最后，揭示了交叉效率的实际用途，并用相同的数据集进行了阐明。他们提出，权重的具体选择导致了的不同可能性。不只以得到最高自评效率作为首要目标，同时以最大限度地减少另一决策单元交叉效率作为第二目标，被称为对抗性的思路。相反地，权重的选择，不仅以获得最高自评效率作为首要目标，同时以在某种程度上最大化其他决策单元交叉效率为第二目标，被称为仁慈的思路。他们提出的两阶段模型，当决策单元是敌对方关系时，则应用对抗性交叉评价效率模型，当决策单元是盟友关系时，则应用仁慈性交叉评价效率模型[16]。

从地区上看，东部地区与中、西部地区的低碳经济发展效率水平存在差异，呈现东部>中部>西部的梯度分布，且省际差异明显，这个结论和朱承亮、刘瑞翔、李涛和贾登勋等学者的是一致的。从区域层面上看，低碳经济效率平均值东部为0.68，中部为0.58，西部为0.48；从省际层面上，各省低碳经济效率差异较大，例如，广东0.79，湖南0.60，贵州0.42等等。

由表2可知，全国低碳经济效率省际分化明显。前10名基本上都分布在东部和中部，这些省份处在生产的前沿，效率较低的省份基本上都分布在西部。详情如下：

1.低碳經济效率极好（有效值大于0.7）地区有：广东、福建、上海、浙江、江苏、湖北、海南等7个地区，初步实现了低碳和经济的双赢。例如广东省，GDP为57068亿元，CO2排放量为9127万吨，资本存量为21061亿元，劳动力人口为5966万人，能源消耗为29144万吨。国内生产总值约为全国平均水平的3倍，但是碳排放接近平均水平8151万吨，高产出和相对较低的排放是广东省发展协调的重要因素。海南省GDP为2856亿元，CO2排放量为565万吨，资本存量为1146亿元，劳动力人口为484万人，能源消耗为1688万吨。相比之下，海南省的各项指标都小了很多，但是其碳排放全国最低，这是海南省低碳经济效率高的主要原因。指标选取及研究方法的不同，导致这与涂正革的研究结果刚好相反，他在环境、资源与工业增长协调性研究中将海南列为极不协调地区，可能因为其研究产出指标的是地区工业增加值，而本文研究的是国内生产总值。但是与朱承亮研究结果是符合的，他将海南列为最佳实践城市之一。

2.低碳经济效率较好（有效值0.6～0.7）地区有：天津、安徽、辽宁、江西、陕西、北京等6省。例如北京市，GDP为17879亿元，CO2排放量为2104万吨，资本存量为20227亿元劳动力人口为1107万人，能源消耗为7178万吨。天津市GDP为12894亿元，CO2排放量为2178万吨，资本存量为10279亿元，劳动力人口为803万人，能源消耗为8208万吨。北京市和天津市都有着接近平均水平的国内生产总值，碳排放仅为平均水平的四分之一，因此低碳经济发展较好。辽宁GDP为24 846亿元，CO2排放量为7 555万吨，资本存量为8 125亿元，劳动力人口为2 424万人，能源消耗为23 526万吨。虽然辽宁省的发展一直有着高产出和高能耗的特征，但国家提出振兴东北老工业基地的政策改善了生产条件，使其更加注重环境保护和治理，其终端碳排放并没有很高，所以低碳经济发展没有很靠后。

3.低碳经济效率较低（有效值0.45～0.6）地区有：山东、湖南、黑龙江、吉林、青海、云南、广西、宁夏、新疆、内蒙古等10个地区。例如内蒙古，其GDP为15 881亿元，CO2排放量为13 427万吨，资本存量为13 556亿元，劳动力人口为1305万人，能源消耗为19786万吨。内蒙古碳排放和能耗都超出了平均水平，但是产出却明显低于平均水平，这是内蒙古低碳效率较低的主要原因。青海省，其GDP为1 894亿元，CO2排放量为1 325万吨，资本存量为1 149亿元，劳动力人口为311万人，能源消耗为3 524万吨。与海南省相比，青海省的产出只有海南省的一半，而CO2排放却是其2倍，因此发展较不协调。

4.低碳经济效率极低（有效值低于0.45）地区有：河南、四川、重庆、贵州、甘肃、河北、山西等7省，说明这些地区转变经济发展方式的形势迫切。例如山西省，GDP为12 113亿元，CO2排放量为10 396万吨，资本存量为11 511亿元，劳动力人口为1 790万人，能源消耗为19 336万吨。山西省是明显的高排放、高能耗省份，产出并没有高出平均水平，低碳经济效率极低。甘肃省，GDP为5 650亿元，CO2排放量为4 048万吨，资本存量为6 155亿元，劳动力人口为1 492万人，能源消耗为7 007万吨。甘肃省各项指标都很低，但其低产出是低碳效率极低的最主要原因。

四、研究结论及政策建议

（一）研究结论

本文通过采用基于交叉评价DEA方法，测度和评价了2012年中国30个省份的低碳经济效率，避免了传统DEA模型中权重依赖性的缺陷。

研究表明，2012年中国区域低碳经济效率基本上呈现东部>中部>西部的梯度分布，且省际差异明显。从区域层面上看，低碳经济效率东部为0.68，中部为0.58，西部为0.48，同时，从省际层面上，各省低碳经济效率差异较大。广东、福建、上海、浙江、江苏、湖北、海南等7个地区低碳经济发展水平较好。河南、四川、重庆、贵州、甘肃、河北、山西等7省，这些地区低碳经济效率最低。在资源与环境的约束下，能源消耗和碳排放是低碳经济效率低下的主要来源。在明确了省际低碳经济效率差异的基础上，可以通过分析每个省市效率低下的原因，考虑不同地区资源禀赋、经济发展现状和产业结构布局，进而制定具有针对性的碳减排战略，有的放矢。例如，山西省是我国主要煤炭产区，属于传统能源大省，煤炭开采与加工对地区碳排放影响较为显著。山西高能耗行业所占比重达到53%，因此其低碳化进程中，应加大煤炭开发使用领域的技术投资，强化高能耗行业研发管理力度。

（二）提高低碳经济发展效率的手段

1.发展低碳能源，优化能源消费结构。在低碳经济背景下，中国应以节能减排为重点，加快工业内部结构调整，扩大清洁能源的利用，优化能源消费结构，以提高能源效率。以“高能耗、高产出”的辽宁省为例，应当在产出不减少的情况下提高能源利用效率，同时控制二氧化碳的排放。

2.发展低碳产业，推进产业结构转型升级。推进产业结构转型升级，严格限制“高能耗、低产出”产业的发展。从源头减少碳排放，比如优化产业结构，加快产业升级，减少能耗，降低二氧化碳的排放水平。以山西省为例，面对其高排放、高能耗的发展特征，产业转型升级是当务之急。

3.提倡低碳消费与环境保护。发展低碳经济与低碳消费直接关联。要求在大幅度提高经济指标的同时，加强生态环境建设和保护，只有通过节能减排、要素重置推动全要素生产率持续改善才是低碳转型和经济持续发展的必由之路。

4.鼓励自主研发，加大技术投入强度，完善碳权交易平台和碳基金运营模式。完善碳交易平台，将碳排放纳入效率评价体系，激发企业减排的积极性。政府为低碳技术的研发提供资金拨款，同时鼓励民间投资，为低碳经济的发展提供更多政策与资金支持。

注释：

①此处二氧化碳排放强度中二氧化碳数据来源于美国橡树岭国家实验室二氧化碳信息分析中心（CDIAC）。

[参考文献]

[1]Duro Juan Antonio， Padilla Emilio . International inequalities in per capita CO2 emissions ： A decomposition methodology by kaya factors[J] . Energy Economics ， 2006，28（2）：170187.

[2]Kei Gomi， Koji Shimada， Yuzuru Matsuoka， et al. Scenario Study for a Regional Low carbon Society[J]. Sustainability Science . 2007（2）：121131.

[3]David M， Christopher Y. Achieving deep reductions in US transport greenhouse gas emissions： Scenario analysis and policy implications[J]. Energy Policy ， 2009，37（12）：550559.

[4]Nakata T， Rodionov M， Silva D， et al. Shift to a low carbon society through energy systems design[J]. Science China Technological Sciences， 2010，53（1）：134143.

[5]Fankhauser S. A practitioners guide to a lowcarbon economy： lessons from the UK[J]. Climate Policy， 2013，13（3）：345362.

[6]Xue J， Watanabe S. Low Carbon Economy in Japan[J]，Handbook of clean energy systems，2015（6）：37193753.

[7]陳诗一.中国各地区低碳经济转型进程评估[J].经济研究，2012（8）：3244.

[8]朱承亮，岳宏志，安立仁.节能减排约束下中国绿色经济绩效研究[J].经济科学，2012（5）：3344.

[9]刘瑞翔，安同良.资源环境约束下中国经济增长绩效变化趋势与因素分析：基于一种新型生产率指数构建与分解方法的研究[J].经济研究，2012（11）：3447.

[10]周瑩，郭亚军，易平涛.中国省域低碳经济运行状况综合评价方法及其应用[J].技术经济，2015（8）：5257.

[11]林伯强.中国城市化进程的能源刚性需求[N].第一财经日报，2009818（A14）.

[12]涂正革.环境、资源与工业增长的协调性[J].经济研究，2008（2）：93105.

[13]李涛.资源约束下中国碳减排与经济增长的双赢绩效研究基于非径向DEA方法RAM模型的测度[J].经济学（季刊），2013，12（2）：667692.

[14]史亚东.碳减排约束下的能源利用效率研究[J].生态经济，2015（3）：4448.

[15]贾登勋，黄杰.低碳经济发展效率的区域差异及影响因素研究[J].兰州大学学报：社会科学版，2014，42（4）：113119.

[16]John Doyle，Rodney Green.Efficiency and CrossEfficiency in DEA： Derivations， Meanings and Uses[J].The Journal of the Operational Research Society， 1994，45（5）：567578.

[17]彭育威，吴守宪，徐小湛.利用MATLAB进行DEA交叉评价分析[J].西南民族大学学报：自然科学版，2004（5）：553556.

[18]陈诗一.能源消耗、二氧化碳排放与中国工业的可持续发展[J].经济研究，2009（4）：4155.

[19]庄贵阳，潘家华，朱守先.低碳经济的内涵及综合评价指标体系构建[J].经济学动态，2011（1）：132136.

[20]陈诗一.中国碳排放强度的波动下降模式及经济解释[J].世界经济，2011（4）：124143.

[21]涂正革，肖耿.环境约束下的中国工业增长模式研究[J].世界经济，2009（11）：4154.

[22]涂正革.中国的碳减排路径与战略选择：基于八大行业部门碳排放量的指数分解分析[J].中国社会科学，2012（3）：7894，206207.

[23]岳书敬，刘富华.环境约束下的经济增长效率及其影响因素[J].数量经济技术经济研究，2009（5）： 94106.

[24]张宏武，时临云.低碳经济下中国工业行业CO2排放变化、驱动因素及其减排对策研究：基于19912010年面板数据的分析[J].软科学，2013（12）：114119.

（责任编辑王婷婷）

Abstract：With DEA model based on crossevaluation mechanism， calculation and evaluation was taken on the provincial economic efficiency of Chinese economic input and output conditions. The results showed that regional lowcarbon economic efficiency in 2012 basically presents a gradient distribution from the east， the central to the west. And the provincial differentiation is obvious. The provinces of Guangdong， Fujian， Shanghai， Zhejiang， Jiangsu， Hubei and Hainan show a comparatively higher level in lowcarbon economic development. In the provinces of Henan， Sichuan， Chongqing， Guizhou， Gansu， Hebei， Shanxi and other provinces， the efficiency of lowcarbon economy is the lowest. Based on the analysis of low efficiency of various provinces and cities， we can formulate the targeted carbon reduction strategy， consider different regional resources endowment， economic development and industrial structure layout. It has a vital significance to the development of lowcarbon economy in our country development of low carbon energy， low carbon industry， low carbon consumption and increased investment in low carbon technology research and development.

基于DEA模型的湖北省农业经济效率评价研究的论文 篇4

内容摘要：本文应用对应分析方法对我国省级行政区物流经济发展水平进行了实证研究，发现西部经济区物流经济发展水平显著滞后于中部地区和东部地区。文章指出，要推动我国物流经济可持续健康发展，应提升物流公共服务设施供给、实现物流经济发展创新驱动、推动物流企业规模发展、建立多层级冷链物流体系结构、加强境外冷链物流园区建设。

关键词：对应分析 物流经济 综合评价 实证研究 发展对策

我国物流经济发展的驱动力

第一，为了纠正传统的生产过程与消费之间的不协调现象，提高物质资料生产过程效率，我国正大力推动供给侧结构性改革。物流业是现代经济社会发展的晴雨表，物流经济承载着生产与流通过程的大量有价值信息，也是信息化条件下产品价值实现的重要环节。因此，大力发展物流经济是我国供给侧结构性改革的必然要求。

第二，我国正积极推动“一带一路”倡议的实施，以农业为例，在推动“一带一路”倡议的过程中，我国与东南亚沿线国家在现代农业产品结构方面存在较大互补性，通过产品贸易的形式能够满足农产品需求，而农产品普遍存在保质时间较短，对物流要求较高等特点，这就要求我国在推动“一带一路”倡议过程中大力发展现代冷链物流经济，为“一带一路”倡议的有效实施提供支撑。

第三，随着信息化技术的高速发展，特别是各种移动终端的广泛普及，网络环境下的消费者行为习惯发生了巨大改变，网络消费成为高效和有效的消费形式，而网络消费必须要求高度发展的现代物流业予以支撑，特别是各种农业和生产产品进入网络消费时代的环境下，现代物流业催生了当日达、次日达、隔日达等各种新型物流产品和建立在物流经济基础上的商业模式。因此，信息技术的高度发展为现代物流产业发展注入了强大驱动力。

我国物流经济发展的挑战

第一，经济发展总体速度不断放缓。我国经济社会发展进入新常态，经济发展结束了两位数的高速增长模式，由经济发展的总量向经济发展的质量层次过渡，物流业增长速度也由传统的超过20%的增长速度向9%左右的速度调整，产业发展速度调整的同时必然要求产业加速实现转型升级。

第二，物流产业发展的总体成本不断上升。一方面，在土地成本方面，资源要素进入高成本时代，物流用地依然紧缺；另一方面，在劳动力成本方面，随着我国人口总体出生率的下降和人口老龄化速度的不断加快，人口红利不断消失。

第三，信息技术对物流经济发展提出新需求。创新驱动已经成为我国物流业的重要支撑，领先物流企业通过技术创新、管理创新打造战略竞争新优势。此外，大数据、云计算、物联网等新的信息技术，给物流业带来了重大变革和新的挑战。

第四，现代物流经济发展的金融支撑力不足。物流产业是典型的资本密集型和劳动密集型产业，目前物流基础设施相对薄弱是制约我国物流产业发展的重要短板，现有的物流标准化园区等物流基础设施建设主要依托各级政府财政资金作为来源，建立在社会多元化资本来源基础上的金融支持对现代物流经济发展的支撑力显著不足。

基于对应分析的物流经济发展水平综合评价

（一）研究变量

经济发展水平遵循从经济要素投入到生产过程实现并最终形成经济价值的一般性客观规律，物流经济的发展过程也遵循上述规律。在物流经济生产要素投入环节，选取“物流产业从业人员占全体就业人员比例”、“物流固定资产投资比重”分别用于表示物流经济的劳动投入强度和资本投入强度；在物流经济生产过程环节，选取“单位面积铁路里程数”、“物流园区总数”、“通用仓储总面积”、“货运总量”、“物流产业集中度”等指标反映生产过程特征；在经济价值形成环节，选取“物流业增加值”作为经济发展水平的衡量指标。综上，研究变量如表1所示。

（二）研究对象和数据

在具体实践过程中，不同地区的经济发展决定了物流经济发展的需求以及发展水平等，考虑到地区的差??性以及不同地区在物流经济发展中的差异性等特征，本文以我国大陆省级行政区域为研究对象。为了剔除不同时间段的波动性，考察期涵盖2006-2015年共10个，研究变量来源于相关《中国统计年鉴》等权威数据源，各个指标研究变量选择相关平均值作为原始数据值。

（三）研究方法

因子分析模型。物流经济发展水平是多因素综合评估的结果，因子分析模式是进行多因素综合评估的有效方法。因子分析的本质在于在保证指标携带的统计信息不失真的基础上，通过指标降维的形式进行指标缩减。因子分析的基本模型如下：

公共因子F1，F2，„，Fm相互独立且不可测，由于公共因子少于原始变量的个数，且公共因子不可观测，通常使用回归的思想求出线性组合系数的估计值，即建立如下公共因子为因变量、原始变量为自变量的回归方程：

从而得到各个评价对象的综合评价值。

对应分析模型。对应分析又称相应分析，是R型因子分析与Q型因子分析的结合，其利用降维的思想以达到简化数据结构的目的，其基本思想是由Richardson和Kuder在1933年提出，后来法国统计学家Jean-Paul Benzecri和日本统计学家Hayashi Chikio对该方法进行拓展。传统的因子分析只能对数据阵单独进行R型或Q型因子分析，不能同时对行因素和列因素进行分析，这就将行因素和列因素割裂开来，从而遗漏了很多有用信息。对应分析是通过分析由定性变量构成的交叉列连表来分析二维数据阵中行因素和列因素间的关系，揭示同一变量各个类别之间的差异，以及不同变量各个类别之间的对应关系。

对应分析的主要步骤：由原始列联表数据计算规格化的概率意义上的列联表；计算求解矩阵；计算R型因子分析或Q型因子分析，并由R型（或Q型）因子分析结果推导出Q型（或R型）因子分析结果；在二维图上画出原始变量状态，并对结果进行分析。

（四）研究结论

指标相关性分析。指标相关性分析是进行因子分析的基础，各研究变量相关性计算结果如表2所示，通过指标相关性计算结果可以看出，各指标之间总体相关性较高，适应进行进一步因子分析。

模型有效性检验和因子提取。模型显著性检验结果如表3所示，巴特利特球形检验的显著性低于0.05的统计显著性水平，适应进行因子分析。

因子提取结果如表4所示，前两项因子的累计方差百分比达到99.275%，因此，保留第一因子和第二因子即可保证信息保留程度。因此，以第一因子和第二因子的计算值为基础计算综合因子得分。

对应分析结果。根据图1可得到以下研究结论：

从行政区域的角度分析，通过图1可以看出，1级物流经济发展水平与西部地区最接近，2级物流经济发展水平与中部地区最接近，而4级和9级物流经济发展水平与东部地区最接近。因此，可以得出西部经济区物流经济发展水平显著滞后于中部地区和东部地区的结论。

结合本文构建的物流经济发展水平评价指标体系，从造成西部经济区物流经济发展水平显著滞后于中部地区和东部地区的因素分析，“物流业增加值”、“单位面积铁路里程数”、“物流产业从业人员占全体就业人员比例” 和“物流产业集中度”方面的差异是造成不同地区之间物流经济发展水平显著差异的主要原因。

不同地区物流经济发展的重点具有差异性。以陕西省为例，陕西省物流经济发展水平在西部经济区居于中游偏上的位置，结合陕西的区位因素，在发展物流经济过程中应依托综合保税区、铁路物流集散中心、公路港三大核心平台，完善口岸功能，打造“丝绸之路经济带”重要国际物流枢纽港，依托西咸新区空港新城，加快空港物流园区建设，完善航空货运物流网络。

我国物流经济可持续健康发展策略

（一）提升物流公共服务设施供给

从目前各地实践情况分析，物流经济相关公共服务设施是我国发展物流经济需要补足的重要短板。在物流公共服务设施供给资金支持模式上，应由传统的依托财政资金为主的资金支持模式向政府与社会资本合作的PPP模式转变，放大财政资本的杠杆效应；在物流公共服务设施供给发展领域方面，应加大对战略性多式联运枢纽、高速公路、高速铁路、内河航道的投资力度，健全综合交通运输网络，同时为了改变物流产业用地不足以及用地成本过高等问题，应将物流用地纳入城市总体规划。

（二）实现物流经济发展创新驱动

创新驱动成为知识经济发展时代的重要特征，物流经济的发展也不例外，推动物流经济的可持续发展，必须提升物流经济发展的创新能力。一方面，大力支持物流企业技术创新，对物流企业技术创新提供贷款贴息等政策支持；另一方面，大力支持企业模式创新，开展行业示范工作，推行多式联运、甩挂运输、无车承运等组织方式和集中采购、精益物流、物流金融等经营模式；最后，云计算、大数据、移动互联等先进技术的应用对于合理规划物流路线、进行消费者行为分析与预测具有重要意义，应大力支持物流企业应用现代信息技术。

（三）推动物流企业规模发展

我国物流企业规模普遍较小，市场集中度较低。推动物流经济企业规模发展，应支持物流企业通过兼并重组的形式实现联合发展，特别是通过整合国有物流企业的形式实现规模扩大化，同时加强对物流龙头企业的培育力度，强化对龙头企业的政策支持。

（四）建立多层级冷链物流体系结构

随着生鲜产品在现代物流业中比重的不断提升，为了有效支持从田间到餐桌的物流目标，在现代物流经济发展过程中应建立多层级冷链物流体系结构。一方面，在农产品出口区域，以出口农产品基地为依托，中心城区（周边）、重点乡镇、生产基地、示范园区梯次配置，全面推进冷链物流体系建设；另一方面，在中心城区（周边）布局建设综合型或专业型冷链仓储设施，形成辐射带动能力较强的冷链仓储物流中心，在果蔬生产重点区域布点建设果蔬保鲜冷?臁?

（五）加强境外冷链物流园区建设

随着我国“一带一路”倡议的不断推进，“一带一路”沿线国家对我国产品需求不断提升，特别是对我国西部经济欠发达地区农产品存在较大需求，但是其普遍存在物流基础设施薄弱等现实问题。为了借助“一带一路”提升我国西部地区物流经济服务经济发展的能力，在利用“一带一路”倡议发展跨境农产品销售业务的同时，应加强对“一带一路”沿线国家冷链物流产业园区的投资建设。

参考文献：

1.陈志卷，赵放.物流网络规模与区域经济发展关联度及协调度分析―以天津市为例[J].物流技术，2011，30（3）

2.薛婷婷，吴娜.基于灰色理论的农村物流与区域经济协调机制研究[J].物流技术，2014，33（4）

3.戴君，谢，王强.第三方物流整合对物流服务质量、伙伴关系及企业运营绩效的影响研究[J].管理评论，2015（5）

4.李晓梅，白雪飞.基于超效率CCR-DEA的国有物流企业绩效实证分析―基于16家上市物流企业的样本数据[J].中国流通经济，2016（4）

5.汪小京，刘志学，徐娟.基于系统动力学的第三方物流管理库存模型[J].系统管理学报，2016（2）

6.白元龙，杨柔坚.“一带一路”战略下江苏物流业发展研究[J].宏观经济管理，2017（1）

7.王丽萍.物流业碳排放与能源消耗、经济增长关系的实证研究―以河南省为例[J].系统工程学报，2017（2）

8.朱瑜馨，张锦宗.对应分析在土地利用综合效益评价中的应用[J].地理科学进展，2010（4）

9.亢婷.对应分析法在课堂教学质量评价中的应用[J].数理统计与管理，2015（1）

基于DEA模型的湖北省农业经济效率评价研究的论文 篇5

为此, 学者们做了大量的研究, 分别建立了物流系统效率评价体系, 提出了随机前沿分析、模糊综合评价、线性加权和、数据包络分析 ( DEA) 、DEA - AHP等评价方法。Michael[1]从用户的角度分析了影响物流企业生产率的因素, 得出用户对物流企业的信任和及时的沟通是影响物流企业效率的直接原因, 而满意度、机会行为以及企业信誉则是通过影响信任而成为影响物流企业生产效率的间接原因; 刘秉镰, 余泳泽[2]采用数据包络分析模型和托宾模型, 利用省际面板数据对我国物流业地区间效率及其影响因素进行分析, 研究结果发现我国区域物流综合技术效率不高; 余泳泽, 武鹏[3]利用随机前沿生产函数测算了中国物流产业的效率, 结果得出我国物流产业效率整体不高, 但处于稳步上升阶段, 区域间效率差异有逐步缩小的趋势; 黄勇, 徐景昊[4]采用数据包络分析方法对中部地区社会物流效率进行分析与评价; 刘满芝, 周梅华, 杨娟[5]应用DEA模型对江苏省13 个城市2006 年的城市物流效率进行对比分析, 从投入冗余和产出不足两方面分析非DEA有效单元的城市物流存在的问题。

从以上研究可以看出, 不同学者采用不同的方法, 从不同的是视角对物流系统效率进行评价。本文主要基于数据包络分析法 ( data envelopment analy-sis, DEA) , 建立C2R模型、模型C2GS2和EC2R模型对广西物流系统投入产出效率的相对有效性、技术有效性和规模效益有效性进行评价, 揭示广西物流发展过程中存在的问题。DEA法是一个对多投入、多产出的多个决策单元的效率评价方法, 是著名运筹学家A. Charnes和W. W. Cooper等学者在“相对效率评价”概念基础上发展起来的一种新的系统分析方法[6]。很多学者在研究效率评价问题时都采用DEA法, 如吴琦和武春友[7], 魏楚和沈满洪[8]分别基于DEA方法建立能源效率评价模型; 邓波, 张学军, 郭军华[9]运用三阶段DEA模型对我国2008 年区域生态效率进行实证研究; 王恩旭和武春友[10]建立基于DEA模型的生态效率投入产出指标体系, 运用超效率DEA模型对中国30 个地区的生态效率进行测度; 林坦和宁俊飞[11]使用零和DEA模型对欧盟国家2009 年的碳排放权的分配效率进行评价。这些研究充分说明采用DEA法对物流系统效率进行评价研究是十分有效的方法。

1 DEA模型

1. 1 DEA模型评价原理

DEA模型利用线性规划方法构建效率测量模型, 通过样本参数数据对多投入多产出决策单元 ( DMU, Decision Making Unit) 进行生产率的评价或处理。Charnes、Cooper和Rhodes[12]最初所建立的测量模型为CCR模型, 也称非限制性DEA模型。根据线形规划的双重特性, 对CCR模型进行二元性分析变化, 可得到以输入为导向的效率评价模型, 即C2R效率评价模型[13], 模型主要用于评价决策单元之间的综合相对有效性。C2R模型数学表达式为:

其中s-和s+为剩余和松弛变量, Xj表示投入指标, yj表示产出指标, λj表示权系数。在 ( 1) 式中, 若最优值 θ =1, 并且在最优解中有s-= s+= 0, 则说明该决策单元为DEA有效, 此时, 决策单元既是规模有效, 又是技术有效, 说明在这n个决策单元组成的经济系统中, 该决策单元的生产要素组合已经达到最优状态; 若最优值 θ = 1, 并且在最优解中有s-≠0 或s+≠0, 则说明该决策单元为弱DEA有效, 此时, 决策单元为规模无效, 或技术无效;若 θ<1, 则说明该决策单元是非DEA有效的, 而且θ 值越小, 一般说明其相对有效性越低, 可以对决策单元的相对有效性进行比较和评价。对于非DEA有效的决策单元, 可进一步判断其规模和技术的有效性, 首先可由模型的最优解计算的值, 判断决策单元的规模增减性: 当K =1, 说明决策单元具有恰当的投入规模, 是规模效益有效的; 当K>1, 说明决策单元的规模偏大, 是规模效益递减的; 而当K<1, 则说明决策单元的规模偏小, 是规模效益递增的, 其次, 判断决策单元的技术有效性, 判断决策单元的技术有效性可以通过建立C2GS2模型来评价。

1985 年Charnes、 Cooper、 Golany、 Seiford和Stutz等对CCR模型进行改进, 将效率评价模型从不可变规模收益环境下扩展到可变规模收益环境, 并创建了C2GS2评价模型。C2GS2模型是DEA模型中一种适合评价纯技术效率有效性和规模效率有效性的方法, C2GS2模型主要用于评价决策单元之间的技术有效性。C2GS2模型的数学表达式为:

其中s-和s+为剩余和松弛变量, Xj表示投入指标, yj表示产出指标, λj表示权系数。当最优值时σ = 1, 说明决策单元是技术有效的, 否则, 为非技术有效。

1. 2 DEA模型评价步骤

第一步, 选择m个输入指标, p个输出指标, 这样由n个决策单元构成了多指标投入和多指标产出的评价系统。

第二步, 建立每一个决策单元的C2R模型, 如 ( 1) 所示。

第三步, 求解每个决策单元相应的C2R模型, 得到各决策单元对应的 θ、λj、s-、s+。

第四步, 根据求解结果, 判断各决策单元的DEA相对有效性、规模有效性和技术有效性。

第五步, 若决策单元为非DEA有效, 建立决策单元j的C2GS2模型, 如 ( 2) 所示, 根据求解结果判定决策单元的规模有效性和技术有效性。

2 实证研究

2. 1 评价指标和数据的选取

对物流效率评价有许多指标, 每个学者基于不同的视角, 会做出不同的指标体系。Weber[14]提出使用价格、退货率、推迟到货率这三个指标来评价物流效率; 肖丹, 刘联辉[15]以民用汽车拥有量、通车里程和物流业从业人数为投入指标、地区生产总值和货物周转量为产出指标构建了城市物流效率评价指标体系; 董鸿瑜[16]从物流人才、物流基础设施、物流服务质量和成本、物流信息化程度、物流业务需求等方面对武汉建设物流中心枢纽城市进行SWOT分析; 陶存新、陈定方[17]用物流业固定资产投资额、城市社会货运量总额、物流业增加值、城市基础环境条件等指标评价城市物流能力。

本文在文献研究的基础上, 从人力、物力、财力的角度, 并考虑数据的可获得性, 选取交通运输仓储和邮政业的固定资产投资、能源消耗、交通运输仓储邮政从业人员作为物流系统的投入指标, 选取货运量、货物周转量、交通运输仓储和邮政业的产值作为物流系统的产出指标。广西物流系统投入产出指标体系如下表1:

本文选取广西2004—2011 年的数据, 把2004—2011 年每一年的物流投入产出数据作为一个决策单元 ( DMU) , 8 个DMU的原始数据如下表2 所示:

注: 数据来源为2005—2012 年 《广西统计年鉴》

2. 2 物流效率的DEA有效性分析

根据2004—2011 广西物流产业投入产出原始数据, 建立C2R模型, 利用WINQSB软件求解, 结果如下表4 所示:

注: S1, S2, S3, S4, S5, S6分别对应于X1, X2, X3, y1, , y2, , y3

由评价结果表4 可以看出, 在2004 年、2007年、2008 年、2011 年这四个决策单元中最优值 θ =1, 且s-= s+= 0, 这说明2004 年、2007 年、2008年、2011 年这四个决策单元为DEA有效。2005 年、2006 年、2009 年、2010 年这四个决策单元的最优值θ<1, 这说明2005 年、2006 年、2009 年、2010 年这四个决策单元为非DEA有效的。对非DEA有效的决策单元, 进一步计算K值判断决策单元的规模增减性, 规模效益递增是指所有生产要素按同一比例发生变化时, 产出水平以较大的比例发生变化;规模效益递减是指所有投入要素按某一比例发生变化时, 产出水平以较小的比例发生变化; 规模效益有效是指所有投入要素按某一比例发生变化时, 产出水平以不变的比例发生变化。并建立决策单元的C2GS2模型, 判断决策单元的技术有效性。利用WINQSB软件求解, 结果如下表5 所示:

2. 3 广西物流投入产出效率排名

对于同为DEA有效 ( 即 θ = 1) 的决策单元, C2R模型存在一个缺陷, 不能将它们排序。为弥补C2R模型的缺陷, Andersen和petersen ( 1993) [18]提出了一种 “超效率 ( Super - Efficiency) ”的C2R模型或叫扩展的C2R模型, 即EC2R模型, 该模型的基本思想是: 在进行第j个决策单元效率评价时, 使第j个决策单元的投入和产出被其他所有决策单元投入和产出的线性组合代替, 而将第j个决策单元排除在外, 即将当前评价单元从等式左侧的求和计算中去掉。EC2R模型数学表达式如下:

根据2004—2011 广西物流产业投入产出原始数据, 建立模型, 利用WINQSB软件求解, 并将值进行排序, 结果如下表6 所示:

3 结论

本文运用2004—2011 年广西物流投入产出数据, 选取基于投入导向的DEA效率评价模型, 以交通运输仓储和邮政业的固定资产投资、能源消耗、交通运输仓储邮政从业人员为投入变量, 以货运量、货物周转量、交通运输仓储和邮政业的产值为产出变量, 测度了广西的历年物流效率, 并对广西物流系统投入产出的综合相对有效性、技术有效性、规模有效性和效率排名进行了分析, 得到如下主要结论:

( 1) 通过求解模型发现, 广西从2004—2011 年共8 个决策单元中的四个决策单元 ( 2004 年、2007年、2008 年、2011 年) 的评价结果为DEA有效, 即物流的投入与产出达到了最优的状态, 其技术和规模效益都有效, 这说明广西物流服务效率已经达到一定水平, 但整体水平还不高, 还有很大发展潜力。2005 年、2006 年、2009 年和2010 年四个决策单元为非DEA有效的决策单元。

( 2) 通过计算K值以及求解模型发现, 2005年、2009 年和2010 年三个决策单元的投入产出是规模效益递增的, 这表明这三个决策单元的规模偏小, 决策者应增加资源的投入, 以较少的投入来获取较多的产出; 2006 年的投入产出是规模效益递减的, 这表明该决策单元规模效益递减阶段, 决策者应减少资源的投入, 以节约资源; 从值来看, 2005 年、2006 年和2010 年三个决策单元为技术无效, 这表明这三个决策单元的技术未达到生产前沿面, 导致其物流产业投入产出效率相对无效。

( 3) 通过求解模型发现, 广西近几年的物流投入产出效率总体上还是比较合理的, 从效率排名来看, 排在第一位的是2011 年, 这与广西的物流发展的实际情况在一定程度上是相符合的。其后依次是2004 年、 2007 年、 2008 年、 2010 年、 2006 年、2005 年、2009 年。

摘要：以物流业的固定资产投资、能源消耗和物流业从业人数为投入指标, 货运量、货物周转量和物流产值为产出指标构建了区域物流效率评价指标体系, 运用DEA效率评价模型, 对广西2004—2011年物流系统的综合相对有效性、技术有效性、规模效益有效性和超效率进行分析, 结果显示广西物流投入产出总体有效性为50%, 在综合相对无效的决策单元中个别年份存在着经营效率低下和资源的浪费现象。

基于DEA模型的湖北省农业经济效率评价研究的论文 篇6

摘要：本文基于DEA模型，测算了我国30个省、自治区和直辖市2006～2013年的金融投入与科技产出的面板数据，得到科技与金融结合的技术效率、纯技术效率和规模效率。研究发现：我国科技与金融相结合的总体效率尚未达到前沿面，是由于纯技术效率和规模效率的共同低效所造成的；各省区市中，东部地区达到有效的省份最多，而宁夏和内蒙古的效率值市最低。

关键词：科技与金融；效率研究；DEA模型

一、引言

当前和今后一段时期我国经济社会发展呈现“新常态”的特征，处于经济转型期的中国应以高质量的经济增长作为支撑，来保持必要的经济增长速度，因此需要让科技创新对我国可持续发展起到关键作用，成为满足未来经济增长需求的新动力。科技产业具有高投入和高风险的特征，就离不开金融的强力支持。然而，我国目前仍然是一个发展中国家，对科技创新的金融投入额会受到较大限制。那么，如何有效为科技产业配置金融资源，提升科技与金融的结合效率是值得研究的课题。

二、模型构建和变量选取

（一）DEA模型描述

DEA模型采用Banker等人提出的BCC修正模型，BCC模型假定规模报酬可变，这样技术效率可以进一步分解为纯技术效率和规模效率，表示造成技术无效率的原因包括来自自身生产技术上的无效率以及决策单元未处于规模效应的无效率。假定我国各个省、自治区和直辖市为决策单元（DMU），每个省区市有m种金融投入和s种科技产出，数学表达式如下：

Minθks.t∑nj=1λjxij≤θkxik，i=1，2，…，m∑nj=1λjyrj≥yrk，r=1，2，…，s∑nj=1λj=1λj≥0，j=1，2，…，n （1）

式（1）中，xij为第j个省区市的第i种金融投入，yrj为第j个省区市的第r种科技产出，m、s和n分别表示为金融投入、科技产出和省区市的个数，θ为决策单元的效率值。

（二）变量选取

科技与金融结合的效率评价指标必须真实反映金融投入与科技产出情况，本文借鉴相关学者的研究，所选金融投入指标包括：研究与试验发展（R&D）经费内部支出、地方财政科技拨款、金融机构科技贷款以及人均R&D经费支出。在科技产出方面，选择了国内专利申请授权数、国外主要检索工具收录我国科技论文数、技术市场成交合同额以及高技术产业总产值。

三、实证结果分析

本文基于DEA模型对2006～2013年的我国30个省、自治区及直辖市的数据进行分析，得到各个省区市科技与金融结合的平均效率情况（如表1所示）。

表12006～2013年我国科技与金融结合的平均效率

省份技术效率纯技术效率规模效率省份技术效率纯技术效率规模效率北京1.0001.0001.000湖北0.9940.9941.000天津0.8700.8860.979湖南0.8400.8540.982河北0.8510.8690.977广东1.0001.0001.000山西0.8450.8540.985广西0.8700.8980.961内蒙古0.3540.4650.743海南1.0001.0001.000辽宁0.6950.7080.981重庆0.9420.9870.953吉林0.9320.9620.966四川1.0001.0001.000黑龙江0.9270.9360.989贵州0.9020.9220.977上海1.0001.0001.000云南0.6680.7300.914江苏1.0001.0001.000陕西1.0001.0001.000浙江1.0001.0001.000甘肃0.9551.0000.955安徽0.6790.7020.964青海0.7391.0000.739福建0.9560.9880.967宁夏0.3730.8730.417江西0.7160.8520.831新疆0.6510.7220.897山东0.8020.8130.986均值0.8410.8900.938河南0.6780.6950.974

根据表1可以看出，我国科技与金融结合的技术效率平均值为0.841，纯技术效率均值为0.890，规模效率均值为0.938。测算结果为，我国科技与金融相结合的总体效率处于效率前沿面之下，其主要是由于纯技术效率和规模效率的共同低效所引起的。这说明，一是我国用于科技产业的金融资源没有得到充分利用，二是我国的科技产业尚未形成规模效率，以至于金融资源的投入没有达到最小的程度。

从各个省区市来看，只有北京、上海、江苏、浙江、广东、海南、四川和陕西等8个省份的技术效率值为1，达到效率前沿面。可以看出，达到有效的省份以东部居多，这也与现实情况相符，经济发展水平高的地区，为科技产业投入的资金多，相应的科技产业也多，从而达到有效前沿面。而宁夏和内蒙古的效率值分别仅为0.373和0.354，排在最后两位，但造成两个省份技术效率低的原因不同。宁夏是由于未形成规模效应，造成效率低效；而内蒙古则是由于在科技产业的经营管理上失误，导致纯技术效率过低。

四、结论