DEA法在农业效率评价中的运用

前言：本站为你精心整理了DEA法在农业效率评价中的运用范文，希望能为你的创作提供参考价值，我们的客服老师可以帮助你提供个性化的参考范文，欢迎咨询。

1分析方法运筹学

加入WTO以后，我国农业的发展将被置于WTO的框架之中，农业竞争最终将表现为生产效率的竞争。与发达国家相比，目前我国农业生产效率仍处于相对较低的水平，在此背景下研究我国的农业生产效率的发展变化并寻找提高农业生产效率的有效途径对于制定相关农业政策有重要的参考价值。实践中系统评价更多的被应用于工业生产绩效评价中，相对于工业评价，农业生产效率评价有如下几个特点：第一，评价对象的生产过程不同；第二，指标体系的选取不同；第三，评价结论的经济、社会效益不同；第四，最终建议对评估单元的影响方式不同。农业生产系统是包含了粮、棉、油、肉、蛋、奶等多种生产内容的多输入、多输出复杂系统，整个系统的输入/输出要素之间多有重叠，一项输入通常作用于多项输出之上。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，选取合适的评价方法和指标体系，力求评价结果可以客观公正的反映整个系统的效率。传统系统评价方法一般只适用于单个输出的系统，在处理多输入、多输出系统的评价上没有好的办法解决。数据包络分析方法作为运筹学的一个新的研究领域，是评价多输入、多输出系统相对效率的有效方法[1]，因此本文的农业生产效率综合评价将采用数据包络分析方法。

2dea方法及模型

本文的实证研究将对我国的31个省、市、区的农业生产进行横向效率评价，通过对不同地区农业生产效率的评价研究可以找出相对效率较低地区的不足和努力方向，并给出相应改进建议。数据包络分析(DateEnvelopmentAnalysis,DEA)是美国著名运筹学家A.Charnes、W.W.Cooper和E.Rhodes于1978年提出的。它主要采用线性规划方法，在将原始样本数据划分为输入指标和输出指标的基础上，对决策单元（DecisionMakingUnits，DMU）进行有效性评价，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。

3DMU和评价指标的选取

本文的实证研究将对我国的31个省、市、区的农业生产进行横向效率评价，通过对不同地区农业生产效率的评价研究可以找出相对效率较低地区的不足和努力方向，并给出相应改进建议。指标体系是决定评价结果是否科学的基础。构建科学的农业生产评价效率评价指标体系首先必须保证指标项可以全面反映农业生产各领域的输入/输出，满足系统性的要求；其次应保证输入/输出口径统一；另外还要考虑指标数据的可得性和准确性。综合考虑上述因素，选取输入指标7项，输出指标8项，分别为：3.1输入指标①劳动力资源数；②农作物播种面积；③农村用电量；④化肥施用量；⑤地膜覆盖面积；⑥农用柴油；⑦农药使用量。3.2输出指标①粮食总产量；②棉花总产量；③油料总产量；④肉类总产量；⑤蛋类总产量；⑥奶类总产量；⑦水产品总产量；⑧蔬菜产量。

4基于DEA模型的农业生产效率评价

实证研究中的数据选自农业部《全国农业统计提要（2003）》[3]，将输入输出分别代入(D)模型，经计算得出相对有效性评价结果如表1。单位：劳动力资源数（万人）；农村用电量（万千瓦时）；化肥施用量（万吨）；农作物播种面积（千公顷）；地膜覆盖面积（千公顷）；农用柴油（万吨）；农药（吨）；粮食总产量（万吨）；棉花总产量（吨）；油料总产量（千吨）；肉类总产量（万吨）；蛋类总产量（万吨）；奶类总产量（万吨）；水产品总产量（万吨）；蔬菜产量（千吨）由表1结果根据定理1可知：DEA有效的DMU分别为：北京、天津、河北、上海、浙江、江西、河南、湖北、海南、四川、贵州、西藏、青海、宁夏；DEA弱有效的DMU分别为：内蒙古、辽宁、吉林、黑龙江、山东、湖南、广东、广西、新疆；非DEA有效的DMU分别为：山西、江苏、安徽、福建、重庆、云南、陕西、甘肃。

5投影分析

DEA有效的决策单元均分布在一个超平面π上，同时这个超平面π上的其它点也是DEA有效的，超平面π称为DEA的相对有效面。将一个非DEA有效的决策单元在超平面π上进行“投影”，可以测算出它与相应的DEA有效的“差距”有多大，这样就可以改进一个非有效的决策单元。投影分析结果表明，非有效DMU的各项输入指标均有较多冗余量，不同决策单元的重点冗余指标也有所差别：如陕西的劳动力资源指标项调整幅度达到41%，化肥施用量的调整幅度达到45%，说明该单元的劳动力投入和化肥施用方面确有较大冗余，要提高该DMU的生产效率应首先考虑如何转移农村的剩余劳动力，其次应根据土地实际需要科学的减少化肥施用量。对其他决策单元可分别进行类似分析，找出每个决策单元的主要努力方向。在投影分析结果中发现个别指标的调整幅度过高，如江苏的农村用电量指标调整幅度达到原始值的72%，这是一种不正常的现象。考虑到江苏乡镇企业较多的事实，在原始指标统计时可能把部分农村工业生产用电统计包含在内，造成了输入/输出指标的口径不一致。这种统计指标的不一致对最终评价分析结果会产生不利影响，但实证研究的确无法或去更准确的统计数据。考虑到数据包络分析方法对个别数字的失实包容性较好[4]，因此本文的评价结果在总体上是合理的和可靠的，以此为基础提出的改进建议也是可行的。

6结论及建议

通过DEA分析可以看出，多数省区的农业生产相对效率处于良好水平，DEA相对有效的决策单元占总数的45%，弱DEA有效的决策单元占29%，非DEA有效决策单元仅占总数的1/4；弱DEA有效决策单元的数量较多，这类省份在整体生产效率水平上很接近DEA有效的决策单元，这些DMU经过努力可以迅速转变为DEA有效单元；非有效单元的整体生产效率较低，应按照投影分析给出的改进方向进行调整，不断提高农业生产效率水平。有投影分析可以看出我国农业生产效率问题的根本原因是农村大量的剩余劳动力，剩余劳动力的隐性失业直接影响了农业生产的效率；另一方面在农膜使用、化肥施用和农药使用方面也存在效率不高的问题。为从根本上解决这两个问题提出如下建议：第一，大力发展劳动密集型工业和第三产业，增加就业机会，打破城乡之间户籍的坚冰，允许劳动力在城乡之间自由流动，通过转移农村剩余劳动力提高劳动生产效率；第二，增加农村的科普水平，用科学的方法指导农业生产，提高农膜、化肥、农药的使用效率，通过农业科技知识提高土地的生产效率。鉴于本文研究仅限于国内省份，对农业生产前沿面估计只能基于国内的农业生产水平，这种条件下的生产前沿面难免存在一定的局限性。进一步研究中将考虑引入国外的决策单元作更广阔的横向对比分析以得出更加客观公正的效率评价结论。