基于DEA的我国粮食产量效率分析

摘要：本文以2015年我国31个省份为样本，运用DEA测度了粮食生产效率进行。结果表明，我国各省的粮食生产效率水平仍有一定的提升空间。其中河北、吉林、黑龙江、湖北、湖南、云南6个省粮食生产规模大于正常值，高于其最优规模，粮食生产的规模需要进行一定地缩小。因此，我国各省在粮食生产过程中应合理调整要素投入，从而提高粮食生产效率。

关键词：粮食生产效率；DEA；截面数据

中图分类号：F323.11 文献识别码：A 文章编号：1001-828X（2017）003-00-01

一、引言

人们每日所需最基本的生活消费品就是粮食，其关系到人类生存发展、国家社会稳定和繁荣昌盛。粮食同时也是人类赖以生存的不可缺少的一个因素，并且在13亿人口大国的中国，粮食产量更是显得尤为重要的一个公众关注的问题。伴随着人口增加、城镇化和工业化进程加快、人民生活水平的不断提高，我国粮食需求仍将继续上升。测评我国各省的粮食生产效率，对认识我国粮食生产发展状况有重要意义。

二、实证分析

DEA（数据包络分析）作为一种多目标线性规划方法，避免了主观性的权重假设，可实现对样本中数个投入、产出变量进行具体地效率评价。本文采用考虑规模报酬变动的BCC模型对2015年全国31省粮食产量效率进行测度。

本文采用Deap 2.1软件对研究样本的效率值进行测量。其投入变量数据分别为我国2015年31个省份的粮食总产量、粮食作物播种面积、化肥施用量和农业机械总动力。数据均来自国家统计局2016数据年鉴。

表1展示了2015年全国各省（区、市）粮食产量的技术效率、纯技术效率、规模效率以及规模效率的增减情况。其全国平均的综合效率为0.776，纯技术效率为0.804，规模效率为0969，说明2015-2016年全国31省的粮食生产综合效率在整体上仍存在一定提高的空间。吉林省和黑龙江2个省的综合技术效率达到了1，得到了完全有效的DEA，值得一提的是这2个省相对于其他省的粮食投入达到了最佳生产效益。北京、上海、河南、西藏的纯技术效率为1，到达了完全有效的程度，但其综合效率没有到达完全有效，其主因是综合效率同时受到纯技术效率和规模效率两者的共同影响。

从规模报酬来看，规模报酬不变的有内蒙古、吉林、黑龙江、湖北、湖南、云南、陕西8各省，说明这8个省的规模达到了最优规模。规模报酬下降的有河北、吉林、黑龙江、湖北、湖南、云南6个省，说明其粮食规模过大的7个省，大于最优规模，需要进行适当的调整粮食生产规模。其规模递增的省份的北京、江西、廣东、广西、天津、山西、辽宁、上海、浙江、福建、海南、重庆、贵州、西藏、甘肃、青海、宁夏、新疆18各省，说明这18个省份的粮食规模生产偏小，应当扩大当地粮食规模的种植。

总体看来，全国各省的粮食生产效率差别较大，这主要是由于全国各省的地理位置、气候条件、可投入的机械动力的不同所造成的现象。吉林省和黑龙江省两个省的综合技术效率都为最优，主要因为这两个省的粮食机械生产投入量较大，化肥施用面积大，总体粮食技术生产能力比较先进。部分省份粮食生产效率较低，其可能是因为当地的煤矿业或其他产业的发展挤占了部分农业资源的生产。

三、结语

综上，本文利用DEA分析法研究了2015年全国各省份的粮食生产效率，主要得到以下结论：

1.总体上来看，我国粮食生产综合效率为0.77，纯技术效率为0.80，规模效率为0.96，说明全国各省在粮食生产过程中的应用技术和规模种植有一定地提升空间。

2.因为地理位置的、气候条件和可投入的机械动力的不同，全国各省粮食生产效率会因此形成不同的差异。值得一提的是，吉林省和黑龙江省的粮食的生产效率达到了最高值。

3.因为每个省的粮食种植规模的不一致，从而会使每个省份的粮食生产规模报酬形成一定的差别，规模报酬不变的省份，一般而言是生产规模较小的省，而规模报酬递减的省则多是粮食生产大省。

参考文献：

[1]国家统计局关于2016粮食产量的公告.2016：12-08.

[2]李美娟，陈国宏.数据包络分析法（DEA）的研究与应用[J].中国工程科学，2003（6）：88-94.

作者简介：张振颖（1995-），男，汉族，浙江衢州人，河海大学商学院学生，学位：学士，专业：人力资源管理。