綠色生產社會化服務對農業生產效率的影響研究
——以江蘇省水稻生產為例

辛玉玉，蘇 群，陳 杰

(1.南京農業大學 經濟管理學院,江蘇 南京 210095；2.南京財經大學 經濟學院,江蘇 南京 210023)

對于農民來說，增加農業產出是增加收入的主要途徑，而農業產出的增長一般有兩個來源：一是要素投入的增加，二是生產效率的提高[1]。根據生產要素投入邊際遞減原則，過量增加要素不僅提高了生產成本，而且產出難以實現預期增長。此外，過量投入農藥、化肥等要素的行為，短時間能夠提高產出獲得收益，長期來看也制約著農業的可持續發展。2018 年農業農村部印發的《農業綠色發展技術導則（2018—2030 年）》提出全面構建以綠色為導向的農業技術體系，在穩步提高農業土地產出率的同時，大幅度提高農業勞動生產率、資源利用率和全要素生產率[2]。然而，農業生產效率的提高仍然存在多重阻礙，如老齡化程度上升[3-6]、農戶認知能力不足[7-8]、信息獲取渠道少[9]、風險感知[10]、融資約束[11]等，迫切需要新型經營方式介入以破除困境。近年來，綠色農業社會化服務的發展和社會化服務體系的建立為推進綠色生產，提高生產效率提供了有效途徑，如測土配方服務優化化肥要素的配置，降低了生產成本，同時根據土壤養分供給和作物養分需求合理施肥，能夠提高作物的產量和質量。在全面推進農業綠色發展、以綠色發展引領鄉村振興的農業發展新階段，綠色生產社會化服務是促進小農戶與綠色生產相銜接、全面邁入農業綠色發展軌道的重要途徑[12-13]。因此，有必要探討綠色生產社會化服務這一新型生產經營模式對農業生產效率的作用及實現機理，從而為推進農業綠色可持續發展、提高農業現代化水平提供啟發。

學界有關農業生產效率的研究十分豐富，主要集中在兩個方面：一是農業生產效率的測算。目前國內外常用的農業生產效率測算方法主要包括DEA、SFA、Malmquist 指數等。其中，DEA方法因具有對生產要素的數量和質量不作任何假設的優點被廣泛應用，如王寶義等和田淑英等分別采用DEA 方法測算我國各省份的農業生態效率和林業生產效率[14-15]。但DEA 模型仍存在部分缺陷。Fried 等人優化性地提出了三階段DEA 模型[16]，能夠去除外部環境與隨機誤差對效率的影響，更真實地反映決策單元的內部管理水平，逐漸被學界應用。國外具有代表性的研究是Smith J等在2015 年用三階段DEA 模型測算了Batinah 地區60 個農場的生產效率[17]，而國內的郭軍華等運用三階段DEA 模型對中國2008 年農業生產效率進行了實證分析[18]。二是農業生產效率的影響因素研究。學界對此關注較早，形成了較為全面的研究體系，主要包括氣候[19]、自然災害[20]等自然環境因素，勞動力[21]、資本[22]、技術[23]、土地[24-25]等生產要素因素，農業支持政策[26]、農村土地制度改革[27]等政策因素等。但鮮有研究專門探討綠色生產社會化服務對農業生產效率的影響。

綠色生產社會化服務是指在保護環境、提高農產品質量的前提下，采用社會化服務的方式來推廣和普及綠色生產技術和理念，從而提高農業生產效率和降低生產成本。當前，我國綠色生產社會化服務仍然處于發展階段，目前對其研究較少，沈興興等人探索性地將綠色生產社會化服務定義為“處于生產階段，并為農業綠色生產而提供的所有技術和服務”，強調環境與生態效益并重，在各生產環節提供服務之外還涉及資源化再利用、與循環產業對接及其他相關業務[12]。盡管學者們較少專門研究綠色生產社會化服務與農業生產效率的關系，但是已有學者從投入和產出角度說明農業綠色生產社會化服務能夠優化農業生產要素配置結構[28]，降低生產成本，增加期望產出，通過社會化服務與綠色發展相融合是實現農業高質量發展的重要引擎[29]。

已有文獻為本研究的開展奠定了基礎，但仍然存在不足之處：大多數研究將綠色生產社會化服務納入整個社會化服務體系考慮，缺乏對綠色生產社會化服務的單獨關注；測算生產效率多使用傳統DEA 模型，忽略環境因素與管理無效率的影響，并不完全可靠。綜上，本研究基于2020 年江蘇省土地調查數據，采用改進后的三階段DEA 模型測算農業生產效率，探究綠色生產社會化服務對生產效率的影響及規模異質性，以期為農業社會化服務的發展提供啟發。

一、理論分析

改造傳統農業，其出路是引進新的現代化生產要素[30]。農業生產效率的提高是實現農業現代化的要求，而生產效率的提高離不開綠色生產社會化服務發展。社會化服務能夠有效解決農業經營主體要素瓶頸問題，有助于經營主體克服小規模經營存在的缺陷，從而實現專業化分工與集約化服務。服務供給主體可以根據服務對象需求情況提供解決途徑，彰顯專業化分工優勢，提高農業生產效率。與傳統的農業生產社會化服務相比，綠色生產社會化服務有助于改善投入的結構與數量，優化生產要素配置[28]，如測土配方、節水灌溉等技術能夠減少化肥和水資源的使用，降低投入成本，提高要素投入質量，有效提高生產要素的利用率。綠色生產社會化服務的出現，拓展了農戶了解與運用綠色生產技術的途徑，使農戶能夠更加迅速地獲取綠色生產所需的資源和信息，采納綠色生產技術服務更加便捷，推動小農戶與現代農業相銜接。此外，從長期來看，有害化學物質的過量使用可能導致土地肥力下降，綠色投入要素的使用、資源的回收利用能夠降低有害化學物質的外部性，改善環境福利，有助于長期農業生產效率的提高與可持續發展。綠色生產社會化服務影響農業全生產率提高的理論機制如圖1 所示。

圖1 綠色生產社會化服務影響農業全生產率提高的理論機制

綠色生產社會化服務對不同規模經營主體發揮的生產效率改進作用理論上存在差異，這主要由技術選用和采納程度差異、交易成本差異和地塊規模和集中連片條件差異引起的[31]。農業綠色生產的全過程，需要采取資源節約、生態友好和低碳循環生產方式，需要生產者提供資金、技術、設備、信息和其他現代生產要素，與傳統的農業生產方式相比較，綠色生產對社會化服務提出了更高的要求。規模經營主體生產能力強，對能否可持續發展要求高，對于綠色生產方式與社會化服務的采納意愿更加強烈。同時由于規?；洜I，對于信息與資本的投入邊際成本低于小農戶，交易成本低，抵御風險的能力也更強，綠色生產社會化服務高昂的成本使小農戶望而卻步；此外，小農戶分散化的地塊特征也阻礙了綠色生產技術的采用[8]，因而影響了效率提升?，F階段綠色生產社會化服務在供給數量和質量上更偏好于規模經營主體，制約了小農戶獲取數量充足及質量優異的社會化服務，因此弱化了其對小農戶技術效率的提升效應。

二、研究方法

（一）數據來源

本研究數據來源于南京農業大學2020 年開展的中國土地經濟調查（China Land Economic Survey）數據庫，樣本共計調查江蘇省13 個地級市和52 個行政村，調查內容涵蓋土地市場、農業生產、鄉村產業、生態環境等多個領域。剔除部分數據缺失、信息前后矛盾的農戶樣本，最終得到有效樣本1 008 份。

（二）變量選擇與描述性統計

1.被解釋變量

被解釋變量為農業生產效率，采用數據包絡分析（DEA）模型剔除管理無效率及環境因素后的估計。選取2019 年農戶水稻種植面積作為土地投入變量，水稻種植投入工日作為勞動投入變量，種子秧苗費、化肥費用、農藥費用、水電及灌溉費用之和作為資本投入變量，機械作業費用作為機械投入變量，選取水稻總產量作為產出變量。具體變量如表1 所示。

表1 變量定義與描述性統計結果

2.解釋變量

核心解釋變量為綠色生產社會化服務。借鑒沈興興等[12]對綠色生產社會化服務的分類，結合問卷設置，選取測土配方技術服務、節能高效設施農業服務、節水灌溉技術、秸稈綜合利用技術、農用清潔再生能源技術服務5 項服務為代表。農戶采用其中任何一項技術服務則認為其采用綠色生產社會化服務，均不采用則表明其并未采用綠色生產社會化服務。

3.控制變量

參考已有研究，選取戶主年齡、戶主受教育水平、戶主健康狀況、家庭內是否有村干部、戶主兼業情況，家庭規模、平均年齡、土地流轉情況、地力情況和農業培訓作為控制變量。變量的描述性統計如表1 所示。

（三）模型設定

1.農業生產效率測算模型

本研究采用Fried 等[16]提出的三階段DEA 模型測算農戶的農業生產效率，相較于傳統的DEA模型能更準確地反映決策單元投入產出效率。

（1）第一階段：基于原始投入與產出變量的DEA 分析

由于水稻種植生產效率受土地投入面積影響，本研究采用Fried[16]的規模報酬可變BCC 修正模型。該模型分為投入導向型和產出導向型，投入導向型指在產出水平一定的情況下,使得投入最小化的規劃；產出導向型則指在投入水平一定的情況下,使得產出最大化的規劃。對決策單元即農戶而言，投入要素更可控，因而本研究采用投入導向型，以原始的水稻投入產出數據進行效率評價。該模型測算的效率值為綜合技術效率（TE），可以進一步分解為純技術效率（PTE）和規模效率（SE），且TE=PTE×SE。模型構建如下：

式（1）中：i=1,2,···,n;j=1,2,···,m;r=1,2,···,s。n為決策單元的個數，m和s分別為投入與產出的變量的個數,xij(j=1,2,···,m)為投入要素，y ir(r=1,2,···,s) 為產出要素。若θ=1,s+=s-=0，則決策單元DEA 有效；若 θ=1,s+≠0或s-≠0,θ=1,s+≠0或s-≠0，則決策單元弱DEA 有效；若θ ＜1，則決策單元非DEA 有效。

（2）第二階段：利用SFA 模型剔除管理無效率、環境因素及噪聲統計的影響

本階段的目的是將第一階段測得的投入松弛變量分解為以上三種效應。通過建立SFA 回歸模型，將松弛變量對環境因素變量和混合誤差項回歸，根據回歸結果調整原始投入，以此剔除外部環境因素和隨機誤差項對投入的影響，從而使得所有決策單元的比較均處于相同外部環境。

根據Fried 等的研究方法，投入松弛變量的計算方法如下式：

sni是第一階段中投入松弛變量值，xni是原始投入變量值，xnλ是理論上最優的投入值。因而建立如下的SFA 回歸方程：

式（3）中,n=1,2,···,N;i=1,2,···,I。sni表示第i個決策單元第n個投入的松馳值;Zi表示環境變量,βn為環境變量的待估計參數;f(Zi;βn)代表環境變量對投入松弛變量的影響；νni+μni是混合誤差 項，μni與νni獨立不相關。νni為隨機擾動項，表示隨機干擾因素對投入松弛變量的影響，μni～N+(μn,σ2un) ；μni為管理無效率變量，表示管理因素對投入松弛變量的影響，假定其服從在零點的截斷正態分布，即。由于Fried 等并沒有給出管理無效率的估計公式，國內已有研究對其仍然存在分歧，本文根據羅登躍推導的公式進行管理無效率的分離。公式如下：

根據公式（3）的回歸結果調整原始投入值，其調整公式如下：

此外，為了剔除環境變量間單位不同的影響，本研究對四個環境變量進行了標準化處理，以便更好地分析環境因素對生產效率的影響。

（3）第三階段：用調整后的投入變量進行效率測算

2.綠色生產社會化服務對農業生產效率的影響

由于三階段DEA 模型測算的農業生產效率值取值范圍是0～1，因而在探究綠色生產社會化服務對農業生產效率的影響時采用Tobit 模型。首先探討綠色生產社會化服務對農業生產效率的影響，進而探討其在不同經營規模下對生產效率調節作用。具體模型如下：

式（6）中，Y 指三階段DEA 模型最終測得的水稻生產效率值，gpss表示農戶是否采用綠色生產社會化服務，sacle指農戶種植規模，大于3.33hm2為1、小于3.33hm2為0，gpss×sacle為綠色生產社會化服務與農戶規模交互項，others表示其他控制變量，包括等變量，α0、β1、β2、β3、γi為待估參數，εi為隨機干擾項。

三、實證結果與分析

（一）三階段DEA 結果分析

通過運行deap2.1 計算得到農戶農業生產效率值，如表2 所示。結果顯示，第一階段效率值處于較低水平，綜合效率值、純技術效率值和規模效率均值分別為0.121、0.210 和0.656。在剔除環境因素和管理無效率后綜合效率值上升了0.39，純技術效率值提高了0.532，規模效率值上升到0.684，處于較高的效率水平。

表2 農業生產效率計算結果

第二階段利用Frontier 4.1 進行SFA 回歸分析，回歸結果如表3 所示：所選擇的環境變量大部分都在5%的水平上顯著，表明環境因素對生產效率影響較大，利用SFA 模型進行回歸分析是有效的。環境變量的系數估計值代表其對投入冗余的影響，系數為正說明該環境變量加大了投入冗余，造成了生產效率降低，反之同理。村莊經濟發展水平和交通條件對四個投入均具有顯著正面影響，表明村人均收入的增加和交通條件改善會加重各要素投入浪費的情況，使生產效率降低；政策支持力度與土地要素和機械要素投入具有負向關系，與勞動投入和資本投入顯著呈正向關系，且系數較大，這可能是由于政策補貼使農戶有資金購買生產資料，加劇了資本投入冗余，但卻投入提高了土地的生產效率；水稻種植占比只與土地投入冗余負相關，說明水稻占比越大，對于土地投入越集約，對于勞動、資本和機械的投入越冗余。

表3 第二階段SFA 實證結果

第三階段以調整后的投入產出值為變量再次運行deap2.1，得到新的農業生產效率。結果顯示，剔除管理無效率和環境變量的影響后，農戶綜合效率、純技術效率和規模效率均有所提高，且純技術效率提高幅度最大，此時農戶生產效率處于較高水平。這表明，管理無效率等環境因素對水稻生產的影響巨大，阻礙了水稻生產效率的提高，而農戶生產要素投入相對合理。

（二）綠色社會化服務對農業生產效率影響分析

運行軟件stata16.0 對樣本數據進行Tobit 回歸分析，回歸結果如表4 所示。模型1 與模型2 分別測算了綠色生產社會化服務對農業生產效率的影響以及加入綠色生產社會化服務與農戶規模類型交互項后對農業生產效率的影響。模型1 中，綠色生產社會化服務對農業生產效率的影響在1%的水平上顯著為正，說明農戶采用綠色生產社會化服務會提高其生產效率。這可能是由于農戶在采用綠色生產社會化服務之前，勞動力投入的數量和質量都難以實現合理配置，導致生產效率低下，綠色生產社會化服務將資金、信息、勞動力等資本整合，引入綠色生產技術，能夠有效提高生產效率。而在模型2 中表明，綠色生產社會化服務與農戶規模類型去中心化后交互項的回歸系數并不顯著，表明綠色生產社會化服務對不同規模經營主體的影響并不具有明顯的差異?？赡艿脑蚴?，就目前來看，無論是規模經營主體還是小農戶，綠色生產在整個農業生產環節占比較小，因而其對不同規模生產效率的調節作用并不顯著。在農戶個體特征方面，戶主年齡對農業生產效率的影響顯著為負，這可能是因為年齡越大農戶投入在農業生產中的人力資本的數量和質量越低，也抑制了新型生產技術的使用與土地的培肥養護，因而導致農業生產效率下降。戶主受教育水平、戶主健康狀況和戶主兼業情況對農業生產效率的影響都為負，可能的原因是受教育水平和健康狀況越好，對農業的精細化管理投入越多，潛在降低了其他生產要素的投入，而非農工作時間越長對農業生產的時間精力投入會越少，使得生產效率下降；家庭特征方面，家庭人口數和家庭平均年齡對生產效率產生正向影響；農地特征變量中，土地肥力和土地流轉情況都不利于農業生產效率的提高，可能的解釋是土地肥力越高，農戶對土地的信任與依賴越強，對于化肥、農藥等施用力度會減弱導致投入不足，而影響生產效率的提高，土地流轉則意味著土地的所有權與使用權并不屬于同一農戶，農戶各種生產要素的投入積極性會受到抑制。

表4 Tobit 回歸結果分析結果

（三）穩健性檢驗

本文的穩健性檢驗采用替換估計方法，將Tobit 模型替換為OLS 模型，以驗證上述實證結果的穩健性。表5 展示了OLS 回歸結果，綠色生產社會化服務顯著提高了農業生產效率，但對不同規模經營主體的影響差異并不顯著。結果與前文估計結果一致，表明本研究結果具有穩健性。

表5 穩健性檢驗結果

四、結論與啟示

（一）結論

本文利用江蘇省2020 年農戶實地調研數據，運用三階段DEA 模型測算水稻種植戶的農業生產效率，用Tobit 實證分析綠色生產社會化服務及農戶規模類型對農業生產效率的影響。研究結果表明：

（1）江蘇省水稻種植戶的農業生產效率處于較低水平，綜合效率為0.121，存在較大提升空間，這主要是由于純技術效率低導致的。

（2）村莊經濟發展水平和交通條件顯著提高了四個投入要素的冗余；政策支持力度抑制了土地要素和機械要素投入的過量投入，但卻增加了勞動和資本投入冗余；水稻種植占比越高，對勞動、資本和機械投入的冗余會減少。

（3）綠色生產社會化服務有助于農業生產效率的提高，且綠色生產社會化服務對不同規模經營主體的影響并不具有明顯的差異；在控制變量中，戶主年齡、文化程度、農業培訓、家庭規模等對農業生產效率都有顯著影響。

（二）啟示

根據上文研究結論，本文得到以下幾點啟示。

（1）加大先進農業生產技術的推廣和培訓，提高農戶純技術生產效率。通過開展集體會議或與村干部進行交流等方式，提前了解農戶需求，有的放矢開展針對性技術培訓。利用新媒體技術結合影像資料及數據說明，宣傳先進技術的優勢，使農戶真正了解和接受先進技術，進而引導農戶采納先進技術與集約經營，減少投入要素冗余與資源浪費。

（2）實行更具針對性的農業補貼政策，落實到具體生產環節與投入要素上。我國幅員遼闊、地勢復雜，投入要素時需深入實地考察，綜合考慮當地村莊所處的地域條件與經濟水平，避免因無序要素投入而導致資源冗余與成本上升，優化農戶生產要素配置。

（3）完善社會化服務體系，促進綠色生產社會化服務市場健全發展，增強三類主體的積極性，提高綠色生產服務供給能力。有效結合當地公益性與經營性服務組織，加強政策引導，完善支持機制，學習借鑒“政府購買+市場主體運作”等形式，給予市場化主體資質的嚴密審查和具體服務行為全程監管，發揮市場主體的支撐作用。