Page 34 - 《华中农业大学学报》2025年第3期
P. 34

28                                 华 中 农 业 大 学 学 报                                    第 44 卷

               立。其中, V i 为随机误差项,由统计误差及不可控因                          其中,在该样本中稻田种养共 k个决策单元, n代
               素造成,服从正态分布; U i 为非负的管理误差项,代                      表共 n 类投入要素, m 代表共 m 类期望产出, i代表共
               表技术无效率,服从截尾正态分布。基于 SFA 模型                        i类非期望产出,相应地, x n0 为投入, y m0 为期望产出,
               的设定,可以得出技术效率值的计算公式如下:                            u i0 为非期望产出。p 表示为稻田种养模式的生态效
                                                  )
                                                                                                   x
                                                                                                        u
                                                                                                      y
                                         E (Y i|U i ,X i        率,取值范围为[0,1]; z k 表示权重系数; s n 、 s m 、 s i 为松
                        T i = exp ( - U i) =       )      (3)
                                       E (Y i|U i = 0,X i
                                                                弛变量,分别代表稻田种养模式中生产投入的冗余、
                   式(3)中, T i 表示第 i 个农户该稻田种养模式下
                                                                期望产出的不足以及非期望产出的冗余; x nk 、 y mk 、 u ik
               的生产技术效率值,取值范围为[0,1],技术效率值
                                                                分别表示各决策单位的生产投入、期望产出和非期
               越趋近于 1代表技术效率越高,反之则表示技术效率                         望产出。
               越低;E (Y i |U i ,X i) 表示实际产出;E (Y i |U i = 0,X i)
                                                                1.2 数据来源
               表示不存在技术无效率情况下的最大可能产出。
                                                                    本研究的数据来自笔者所在课题组 2023年 7-8
                   在运用 SFA 模型之前,首先要确定使用哪种形
                                                                月在湖北省十堰市、荆州市和襄阳市等地开展的实
               式的生产函数,本研究使用更符合生产实际、灵活性
                                                                地调研,这些地区是湖北省黑米的主要种植区。调
               较强的超越对数形式的生产函数,该形式的生产函
                                                                研采用分层随机抽样的方法,具体实施过程如下:第
               数 同 时 也 能 反 映 不 同 投 入 要 素 对 产 量 的 联 合 影
                                                                一步,选取长江中下游具有代表性的湖北省作为主
               响 [31] ,具体模型形式如下:                                要调查区域。第二步,基于湖北省内稻田综合种养
                          Y = f ( x 1 , x 2 ,x 3 ,x 4 ,x 5 ,x 6 ,x 7)  (4)
                                                                模式的地理分布和农业经营特点,选定黄石、荆州、
                                              1
                           lnY i = β 0 + ∑ β j lnx i,j + ∑      十堰、天门、襄阳 5个市作为样本地区。第三步,在每
                                     j        2  j
                                                                个市中随机选取稻田综合种养推广应用程度较高的
                            ∑ β jk lnx i,j lnx i,k + V i - U i  (5)
                             k                                  4 个乡镇。第四步,从每个乡镇中随机抽取 1~2 个
                   式(4)、(5)中, Y i 代表第 i 个农户该稻田种养模
                                                                村,并在每个村中随机抽取 10~15 户农户为最终调
               式下的实际总产出; x 1 ~x 7 分别表示土地、种子、化
                                                                查对象。调研内容涵盖人口统计学特征、稻田种养
               肥、除草杀虫剂、机械、劳动力以及其他生产要素的
                                                                模式的产出投入情况、农业新技术的采纳情况以及
               投入量; β 0 为常数项, β j 、 β jk 代表产出弹性; V i 为随机
                                                                户主环保意愿等信息。本次调研共收集了 512 户农
               误差项, U i 代表技术无效率项。
                                                                户 2020-2022 年的面板数据,在剔除缺失值严重的
                                                      [32]
                   2)SBM-DEA 模型。本研究基于 Tone               提出
                                                                样本后,最终获得有效样本 493 份(共 1 479 个观测
               的非期望产出 SBM-DEA 模型测算农户稻田种养模
                                                                值),样本回收有效率为96.29%。
               式的生态效率,该方法很好地解决了传统 DEA 径向
                                                                    由于样本期内部分农户的种养模式存在变动,
               模型中存在的缺陷,使得效率最大化                [33] 。在农业生
                                                                例如,A 农户在 2020 年采用水稻单作种植模式,2021
               产的各个环节中,农业化学用品投入、农业废弃物处
                                                                年转为稻-鸭,2022 年又调整为稻-鸭-虾模式。因
               理等会对环境造成一定的污染,存在非期望产出。
                                                                此,在测算效率时,本研究将每个农户每年的投入产
               本研究借鉴赵雯歆等         [34] 的研究,建立如下模型:               出视为一个独立的决策单元进行分析。在剔除关键
                                        1  N  s n x
                                    1 - ∑                       变量缺失严重、存在异常值、极端值及答案不一致的
                                       N
                                 M + 1(  M  s m  I  s i )
                        minp =           n = 1 y x n0  u  (6)   样 本 后 ,最 终 纳 入 效 率 分 析 的 有 效 决 策 单 元 为
                                   1
                              1 +       ∑    + ∑                1 167个。
                                       m = 1  y m0  i = 1  u i0
                       ì  K      x                              1.3 变量选取
                       ï ï
                       ï ï  ∑ z k x nk + s n = x n0 ,        n = 1,2,……,N  1)技术效率和生态效率测度指标。在技术效率
                       ï ï  k = 1
                       ï ï  K    y                              测算中,本研究选取各种养模式下的所有农产品产
                       ï ï∑ z k y mk - s m = y m0 ,        m = 1,2,……,M
                       ï ï k = 1
                    s.t.í                                       量作为产出指标。其中,水稻单作模式的产出指标
                       ï ï  K    u
                       ï ï ∑ z k u ik - s i = u i0 ,            i = 1,2,……,I  为水稻产量,而综合种养模式的产出指标包括水稻
                       ï ï  k = 1
                       ï ï           K                          产量以及水产品或畜产品的总产量。投入要素则涵
                       ï ï          ∑ z k = 1
                       ï ï          k = 1                       盖土地、种苗、化肥、农药、机械、劳动和其他生产
                       î
                                  x    y     u
                            z k ≥0; s n ≥0; s m ≥0; s i ≥0      要素。
   29   30   31   32   33   34   35   36   37   38   39