1.全省耕地利用效率评价

通过编程利用DEAP软件完成对投入产出指标的数据处理，得到吉林省2007—2016年耕地利用效率值，计算结果见表3-1。

表4-3　吉林省耕地利用效率

注：“ins”表示规模报酬递增，“-”表示规模报酬不变。

根据表4-3计算结果，得到吉林省耕地利用效率变化趋势（图4-1）。

图4-1　吉林省耕地利用效率变化趋势图

由表4-3和图4-1可知，2006—2017年吉林省耕地利用效率呈波动状态，技术效率（PTE）和规模效率（SE）呈现先降后升的趋势；耕地利用技术效率平均值为0.744，表明耕地实际产出占理想产出的比例为74.4%，总体技术效率一般，仍可以通过改善获得很大的上升空间。

2007—2016年吉林省耕地利用的纯技术效率总体保持较高稳定水平，表现出较好的管理和技术水平。耕地利用纯技术效率平均值为0.966，比规模效率表现较优。规模效率表现不佳，平均值为0.769，说明农户现有的生产规模和最佳生产规模尚有较大差距。技术效率与规模效率表现出很强的一致性，说明技术效率表现不佳与规模效率表现不佳密切相关。从规模报酬变化方面来看，吉林省耕地利用效率总体上同样呈递增趋势。

2013年和2014年吉林省耕地技术效率、纯技术效率和规模效率均为1，表明吉林省耕地利用在纯技术效率和规模效率最优的基础上实现技术效率最优，达到DEA有效，即在当时的生产技术与生产规模投入条件下，耕地获得的实际产出己经达到其理想产出水平。2009年吉林省耕地技术效率为0.703，为历年间最低值，2009年吉林省作物生长季气温异常，春旱、伏旱、冷害、早霜等农业气象灾害群发，受灾面积与上一年相比增加223万hm2，对农业生产影响极大。其中中西部主要粮区的伏旱和东部地区持续低温和早霜灾害都是多年罕见的导致粮食作物大幅度减产，比上一年下降13.38%，同时对吉林省农业经济和农民收入产生较大影响，致使耕地利用效率最低。2007年和2013年吉林省纯技术效率值达到1，表明吉林省这2年劳动、管理与技术等所有要素的投入均达到最优，但规模效率未达到最优，使得吉林省这2年耕地技术效率未达到最优状态；2008、2009、2010、2011，2012和2015年吉林省纯技术效率值与规模效率值均未到1，表明这6年土地、资本和劳动力等要素的投入量与耕地规模均未达到耕地产出最大化所要求的投入量与规模。

（1）综合技术效率结果分析

从表4-4可以看出，在运用DEA模型时约17%的DUM（15个）的综合技术效率的评价值为1，其中白山市在这10年间的耕地利用综合技术效率始终有效，长春市和吉林市虽然纯技术效率有效，但由于长期不在规模处，导致综合效率无效，应适当调整投入规模。而对于效率值小于1的评价单元，也就是无效的评价单元而言，其超效率值与综合技术效率评价值相等，说明现有的各项投入没有得到充分利用，还需要通过降低投入，合理配置资源来进行调整。

表4-4　吉林省耕地利用综合技术评价值

（2）纯技术效率结果分析

纯技术效率是考虑DUM农业土地利用在经济活动中，科技资源配置是否处于有效状态，即从技术经济的角度来考察该样本地区在一定的科技投入水平上是否达到了相对最大的产出水平。纯技术效率值越高表示投入资源的使用越有效率，从计算结果可以看出纯技术效率有效的市州有三个，长春市、吉林市、白山市技术已到达资源的最大优化。白城市和延边朝鲜族自治州的纯技术效率评价值位列全省末位，其农业生产技术水平相对低下，农业现代化生产方式的推广程度不高，同时也反映出这两地对农生产相对不重视，该地区农民或存在其他增加收入的方式。同时，两地有较多的盐碱地和山地，说明耕地的纯技术效率不仅仅受农业生产的技术影响，同时，自然环境条件也是纯技术效率值大小的一个重要影响因素。

表4-5　吉林省耕地利用纯技术效率评价值

（3）规模效率结果分析

选用DEA-BCC模型运算结果可以看出，吉林省9个市州2007—2016年耕地利规模效率较低（表4-6）。从规模效率来看，要实现最优规模效率，应扩大投入规模。长春市在纯技术效率的评价值下位列吉林省前列，但在综合技术效率评价过程中其效率值处于全省末位，说明长春市耕地利用管理水平要比其他地区先进，其综合效率比纯技术效率低说明主要是受规模效率的影响，长春市生产技术优秀，但生产规模影响了其综合技术效率值。延边朝鲜族自治州的规模利用效率较其纯技术效率的利用水平要好，位于吉林省第3位，而其纯技术效率位于吉林省第8位，拉低了延边朝鲜族自治州综合技术效率在全省的排位。吉林市和辽源市纯技术效率值大于规模效率值，说明这些年份没有在最忧的生产规模下经营。白城市在规模效率分析下仍位于吉林省末位，说明白城市耕地利用效率无论是纯技术效率还是规模效率都落后于吉林全省，仍需通过扩大投入、规模经营、改进农业生产条件等方面进行效率优化。通化市和松原市耕地利用的规模效率和纯技术效率相对平衡，说明其在规模效率，和纯技术效率方面都有很大的提升空间。四平市规模效率相比于纯技术效率更佳，其投入产出的比例适当，且在一定程度上实现了产出最大化。

表4-6　吉林省耕地利用规模效率评价值

2.吉林省各市州耕地利用效率分析

本节将仍应用DEA模型对吉林省各市州的耕地利用效率开展系统的分析。数据来源于2008年至2018年《吉林省统计年鉴》，通过对各市州的综合利用效率值、纯技术效率值和规模效率值进行比较分析，并绘制变化趋势图，分析耕地利用效率的变化趋势。

（1）2007—2017年长春市耕地利用效率分析

根据运算结果可以看出，2007—2012年综合技术效率没有达到1，DEA表现为无效，但纯技术效率只有2011年表现为无效，说明这6年长春市耕地利用管理水平较为先进，生产技术优秀，但生产规模影响了其综合技术效率值。2007—2017年期间，长春市有5年达到DEA有效，说明这5年无论是科技资源配置还是生产规模均达到了最优化，使得产出水平最大化。2008年至2012年期间出现过一次较小波动，但最终保持最佳产出，说明农业技术、管理水平、投入规模均保持较高水平。长春市农业生产总值和农民人均纯收入是吉林省9个市州中最高的，说明农业生产要素处在最佳生产规模状态，农业现代化程度相对较高。

表4-7　长春市耕地利用效率

（2）2007—2017年吉林市耕地利用效率分析

根据运算结果可以看出，吉林市耕地利用效率值只有2014年、2015年、2016年、2017年这四年达到1，DEA表现为有效，DEA有效年份还不足研究年份1半。2007—2013年吉林市综合技术效率没有达到1，DEA表现为无效。综合技术效率变化趋势与纯技术效率和规模效率变化趋势都相关，2007年至2009年表现为下降趋势，2010—2014年表现为上升趋势。从总体来看，吉林市农业在加强生产规模的同时，还应普及先进的农耕技术，减少耕地受自然灾害的损毁面积，确保农业稳产增收。

图5-2　长春市耕地利用效率变化趋势图

表4-8　吉林市耕地利用效率

（3）2007—2017年四平市耕地利用效率分析

根据运算结果可以看出，四平市耕地利用综合技术效率值为1的年份有6年，说明2012—2017年四平市无论是科技资源配置还是生产规模均达到了最优化，使得产出水平最大化。2007—2011年综合技术效率值不为1，DEA表现为无效，效率值呈先下降到急速上升趋势，最后趋于平稳状态。研究期内，纯技术效率多表现为有效，这得益于高的科技资源配置，四平市积极促进农业科技创新，推动农机产业区域化和现代化发展，2017年四平市农业机械总动力达到398.28万千瓦，相比于2007年增加120%。

图4-3　吉林市耕地利用效率变化趋势图

表4-9　四平市耕地利用效率

图4-4　四平市耕地利用效率变化

（4）2007—2017年辽源市耕地利用效率分析

根据运算结果可以看出，辽源市耕地利用综合技术效率为1的年份有6年，说明这几年辽源市无论是科技资源配置还是生产规模均达到了最优化，使得产出水平最大化。研究期内综合技术效率有两次波动，分别是2008—2011年和2012—2014年，2009年综合技术效率最低，效率值是0.846，这也验证了上节对吉林省耕地利用效率的分析，2009年农业气象灾害频发，对农业经济和农民收入产生较大影响，致使耕地利用效率最低。辽源市综合技术效率、纯技术效率、规模效率均值呈波动状态，今后还应加强科技投入和生产规模，提升耕地利用的有效产出，使得效率值呈现平稳高水平状态。

表4-10　辽源市耕地利用效率

图4-5　辽源市耕地利用效率变化趋势图

（5）2007—2017年通化市耕地利用效率分析

根据运算结果可以看出，通化市耕地利用综合技术效率为1的年份只有2015年、2016年和2017年，说明这3年通化市无论是科技资源配置还是生产规模均达到了最优化，使得产出水平最大化。通化市DEA无效年份居多，2007—2009年效率值呈波动状态，2009年综合技术效率值最低，随后，在2010—2014年综合技术效率处于大幅度上涨趋势，此后效率值一直保持有效状态。整体上看，综合技术效率变化趋势与规模效率变化趋势保持一致状态，通化市科技资源配置较为完善，今后还应扩大生产规模，增加投入量给耕地带来更大的产出。

表4-11　通化市耕地利用效率

（6）2007—2017年白山市耕地利用效率分析

根据运算结果可以看出，白山市耕地利用综合技术效率为1的年份有2013年、2015年、2016年和2017年，说明这4年白山市无论是科技资源配置还是生产规模均达到了最优化，使得产出水平最大化。白山市DEA无效年份居多，达到总研究年份的一半以上，综合技术效率平均值偏低，2007—2013年综合技术效率同规模效率一样呈快速上升趋势，随后效率值趋于有效状态。白山市是山区地形，耕地以坡地为主，耕地资源缺乏，利用率低。据统计2017年白山市农作物播种面积66982公顷，有效灌溉面积仅为1820公顷，从规模效率来看，要实现规模效率达到最优状态，白山市应扩大投入规模，增加土壤有机质含量。

图4-6　通化市耕地利用效率变化趋势图

表4-12　白山市耕地利用效率变化

图4-7　白山市耕地利用效率变化趋势图

（7）2007—2017年松原市耕地利用效率分析

根据运算结果可以看出，松原市耕地利用综合技术效率为1的年份是2012—2017年，说明这6年松原市无论是科技资源配置还是生产规模均达到了最优化，使得产出水平最大化。综合技术效率变化趋势与规模效率变化趋势一致，表现为先下浮再大幅上升，随后处于平稳状态。2007年、2008年、2010年虽纯技术效率为1，但规模效率却不为1，说明这三年投入和产出不成比例，技术效率有效带来的收益被规模效率无效所抵消，因此综合效率也变得无效。松原市农业生产总值位居吉林省前列，这和松原市积极打造绿色农业城战略密不可分。2017年松原市新增绿色基地41个，示范区面积达到42万亩，从而使农业生产由粗放经营逐步向集约化经营转变。在积极推进绿色农业城战略过程中，松原市鼓励农民多用生态有机肥、农家肥，引进品种、改良精准施肥、生物防治等新技术，促使纯技术效率大幅增加。(www.daowen.com)

表4-13　松原市耕地利用效率变化

（8）2007—2017年白城市耕地利用效率分析

根据运算结果可以看出，白城市耕地利用综合技术效率为1的年份是2013年、2014年、2015年、2017年，说明这4年松原市无论是科技资源配置还是生产规模均达到了最优化，使得产出水平最大化。白城市DEA无效年份居多，也达到总研究年份的一半以上，综合技术效率平均值偏低，综合技术效率受规模效率的影响，表现为先稳定上升，随后效率值趋于平稳状态。2016年规模报酬呈现递减状态，虽然规模投入量偏大，但由于没有做到集约利用，造成农业产出下降，适度控制农业生产规模，耕地利用效率会有所提升。白城市有较多的风沙土和盐碱土，中低产田占耕地面积的比率偏大，加上白城市农业抵抗灾害能力偏差，并且干旱等自然灾害频发，导致耕地综合技术效率偏低。

图4-8　松原市耕地利用效率变化图

表4-14　白城市耕地利用效率变化

图4-9　白城市耕地利用效率变化趋势图

（9）2007—2017年延边朝鲜族自治州耕地利用效率分析

根据运算结果可以看出，延边朝鲜族自治州耕地利用综合技术效率为1的年份是2013—2017年，说明这5年延边朝鲜族自治州无论是科技资源配置还是生产规模均达到了最优化，使得产出水平最大化。纯技术效率、规模效率呈现波动趋势，综合技术效率主要受规模效率影响。延边朝鲜族自治州位于吉林省东部长白山地区，气候有冬暖夏凉的特点，由于这一气候特点，延边州粮食作物的单产量远低于省内的产粮大县，大豆、玉米的平均单产量只有榆树市的2/3，2017年农民人均纯收入仅为10401元，低于全省平均水平。全州应加强农业基础设施投入，提高农业机械化水平和有效灌溉率，合理安排农业生产规模以提高规模效率。

表4-15　延边朝鲜族自治州耕地利用效率变化

图4-10　延边朝鲜族自治州耕地利用效率变化趋势图

3.吉林省耕地利用效率影响因素分析

（1）影响因素选择

近年来，专家学者对影响耕地利用效率的因素的研究有着不同的观点。石城玉（2015）运用随机前沿模型分析农业投资对我国耕地产出效率、产出增长的影响，结果表明，农业水利投资对降低我国各地区耕地产出效率损失具有显著作用，而耕地产出效率损失的变化差异也能够被气候变化导致的水利灾害所解释。陈磊等（2015）借助PAC法探讨耕地变化对耕地利用的影响，他们通过总人数、GDP、全社会固定资产投资额、粮食单产、城市化水平、客运量、城市和农村人均居住面积等影响因子进行相关性分析，来分析这些影响因子对耕地利用的影响。周迪等（2016）从重庆武隆县农户的微观层面分析影响耕地利用效率的因素，主要从农业劳动力特征、家庭经营特征、耕作条件三个方面，具体包括劳动力年龄、中老年劳动力比重、女性劳动力比重、受教育程度、劳均耕地面积、复种指数、地块距离指数、农业收入比重、耕地细碎化指数等方面。陈海喜等（2018）在贵州省耕地利用效率的研究过程中从人文、经济、技术、自然四个方面来研究耕地利用效率，并选取农村居民纯收入、农业从业人员、农业机械总动力、化肥施用量、农林水气事业财政支出、有效灌溉面积、受灾面积、水土流失治理面积等8个指标进行关联度分析。

从专家学者对耕地利用效率的影响因素的分析中可知，影响因素大致可以分为两个方面：一方面是区域的耕作条件，如耕地等级、有效灌溉面积、劳动者素质、地域特点、环境因素，除此之外生产规模和技术进步也在其中起到关键的作用；另一方面是国家和地方对农业生产下发的多种惠民利民政策和法规。结合已有研究成果和吉林省耕地利用现状，选取如下影响耕地利用效率的因素：有效灌溉率、受灾面积占耕地面积的比重、单位耕地面积农用机械总动力、单位耕地面积化肥施用量、农村劳动力人均播种面积和人均纯收入。

（2）Tobit模型回归

Tobit模型是由美国著名经济学家James Tobin对Probit回归的一种推广，是解释变量受限制的计量经济学模型。本部分选用Tobit模型是因为DEA的计算出的结果虽然显示了耕地利用的效率值，但不能体现出耕地利用效率的影响因素，故有必要根据DEA的分析结果对各个DMU进行回归分析。由于通过DEA得到的耕地利用效率值取值范围为0到1的区间的具有截断特点的离散数值，如果直接应用普通最小二乘法进行回归分析，会出现模型由于无法完整地呈现数据而导致参数的估计值发生较大偏差问题。Tobit分析是因变量受限模型，可以在因变量为切割值或者片段值时采用。进而在DEA分析的基础上衍生出了一种由Coelli提出的两阶段分析法。两阶段法的第一步采用DEA计算得到的吉林省耕地利用的效率值，第二部以DEA计算得出的效率值为因变量，以影响因素为自变量进行回归分析从而建立模型Tobit模型的标准形式如下：

式中：Yi为观察到的因变量，Xi为自变量向量，β为相关系数向量，εi为独立的，且εi～N（0，∂2）。

Tobit模型应用过程中，首先需要确定因变量，即2007—2017年吉林省耕地利用效率值，其次需要确定自变量向量，即效率影响因素。借鉴已有相关专家学者对耕地利用率的研究，并结合吉林省耕地利用的实际情况，确定以下影响因素变量：

①有效灌溉率：体现研究区域内水利化程度和抗旱能力。

②受灾面积占耕地面积的比重：受灾面积越大，对区域粮食生产就越构成威胁。2007—2017年吉林省受灾面积均达到40-300万公顷之间，受灾面积的扩大，对吉林省耕地利用效率有极大的影响，关系到粮食安全。

③单位耕地面积农用机械总动力：农业机械化的发展是传统农业向现代农业转变的过程，农业机械化可以提高农业生产率和土地集约化程度，通过分析单位耕地面积农用机械总动力对吉林省耕地利用效率的影响程度，可以反映出区域耕地细碎化程度。

④单位耕地面积化肥施用量：施用化肥成为作物增产、农民增收的重用手段之一，但是不合理使用化肥会带来资金、能源的极度浪费和环境污染问题。通过分析单位耕地面积化肥施用量对耕地利用效率的影响，可以得知化肥施用量是否投入过量。

⑤农村劳动力人均播种面积：农村劳动力人均播种面积是乡村劳动力与吉林省播种面积的比值。农村劳动力人均播种面积的增多，符合规模经营的理念。

⑥人均纯收入：人均纯收入即农村常住居民人均可支配收入，是区域农村居民的平均收入，可以反映农村居民生活质量的变化，监测农村摆脱贫困和全面建设小康的进程。

依据Tobit模型的原理，本文确定的回归模型如下：

式中a代表随机变量；a1-a6代表相关系数；Yi代表吉林省耕地利用综合技术效率；X1代表有效灌溉率；X2代表受灾面积占耕地面积的比重；X3代表单位耕地面积农用机械总动力；X4代表单位耕地面积化肥施用量；X5农村劳动力人均播种面积；X6代表人均纯收入；C代表常数项。

取的影响因素有效灌溉率（%） （X1）、受灾面积占耕地面积的比重（%） （X2）、单位耕地面积农用机械总动力（千瓦/公顷） （X3）、代表单位耕地面积化肥施用量（千克/公顷）（X4）、农村劳动力人均播种面积（公顷/人）（X5）、人均纯收入（元）（X6）的变量值均由《吉林省统计年鉴》整理所得。

（3）结果分析

运用Eviews 6.0软件对吉林省耕地利用效率值进行回归分析，测算出的结果如表4-16：

表4-16　吉林省耕地利用效率Tobit模型回归结果

注：+、++、+++分表代表在10%、5%、和1%水平下显著

从表4-16中可以看出，在1%水平下显著的变量有受灾面积占耕地面积的比重；在5%水平下显著的变量有单位耕地面积农用机械总动力；在10%水平下显著的有人均纯收入、单位耕地面积化肥施用量。

①有效灌溉率对吉林省耕地利用效率呈现弱负向影响

据Tobit模型回归结果可知，Z统计值的绝对值为1.226251，概率P值为0.2201，大于10%，说明有效灌溉率表现为弱负向影响。吉林省有效灌溉面积逐年增加，到2017年有效灌溉面积达到1972.6千公顷，但有效灌溉率基本维持在27%-34%之间，且有效灌溉面积的区域位置和数量上基本都维持在相对稳定状态，一部分区域耕地仍然无法得到有效灌溉且灌溉设施不够完善。因此，有效灌溉率对吉林省耕地利用效率不够显著，但合理的提高有效灌溉面积，完善灌溉配套设施不仅会提高耕地利用效率，使农作物产出提高，还会提高农业抗旱能力。

②受灾面积占耕地面积的比重对吉林省耕地利用效率呈显著负向影响

根据Tobit模型回归结果可知，Z统计值的绝对值为4.170418，系数值为-0.1895，说明受灾面积占耕地面积的比重每减少一个单位，耕地利用效率增加0.1895，概率值P小于1%，说明受灾面积占耕地面积的比重表现为显著负向影响。吉林省属于温带大陆性季风气候，是一个自然灾害频发的省份，主要气象灾害有暴雨、干旱、大风低温冻害等，其中干旱面积占受灾面积的比重最大，对农业生产的影响也越大。干旱多集中在5月农作物播种期、夏季伏旱期、9月秋作物成熟期。因此，必须采取相应改进措施，大幅度减少耕地受灾面积对耕地利用效率的显著负向影响。提高防灾害预警准确率，政府加强相应部门间的协作能力，建立完善的防灾减灾体系，改善农业生产条件，进而提高耕地利用效率。

③单位耕地面积农用机械总动力对吉林省耕地利用效率呈显著负向影响

根据Tobit模型回归结果可知，Z统计值的绝对值为1.226251，概率P值为0.0293，小于5%，说明单位耕地面积农用机械总动力表现为显著负向影响。农业机械水平的提高应有助于农业生产，但是在耕地资源数量没有有效增加的前提下，生产的规模化与机械化经营，提高的是人均生产率，而不是真正意义上的耕地产出率。吉林省耕地细碎化严重，没有做到集中连片，这会加大农用机械使用成本，耕地利用效率反而下降，并且农户长期进行小规模农业生产，精耕细作被机械化生产所打破，造成耕地质量等级下降，从而使得单位耕地面积农用机械化总动力对耕地利用效率呈负向显著影响。因此需要耕地集约化、规模化利用，充分发挥农业机械化潜力，进而提高耕地利用效率。

④单位耕地面积化肥施用量对吉林省耕地利用效率呈较为显著正向影响

根据Tobit模型回归结果可知，Z统计值的绝对值为2.600759，概率P值为0.0930，小于10%，单位耕地面积化肥施用量表现为较为显著正向影响。合理的施用化肥会提高农作物产量，使农户收入增加，但化肥投入过量会导致土壤污染，造成耕地质量等级下降，农作物产量不增反降，因此单位耕地化肥施用量的增加不一定会使耕地利用效率有所提高。

⑤农村劳动力人均播种面积对吉林省耕地利用效率呈显现弱负向影响

根据Tobit模型回归结果可知，Z统计值的绝对值为1.445389，概率P值为0.1483，大于10%，农村劳动力人均播种面积对耕地利用效率表现为弱负向影响。对于农村按单个劳动力来说，人均播种面积增加，虽有利于农业集约化生产，但所需投入的精力会变多，产生的压力也会增大，出现投入赘余问题，因此农村劳动力人均播种面积会对耕地利用效率呈现负向影响。

⑥人均纯收入对吉林省耕地利用效率的影响较为显著

根据Tobit模型回归结果可知，Z统计值的绝对值为1.959937，概率P值为0.0500，小于10%，人均纯收入表现较为显著。吉林省近几年农民人均纯收入逐年增加，2017年人均纯收入高达到12950.44元，说明农业正由传统农业向现代农业转变，农业生产也逐渐变得科学合理性。人均纯收入的增加一方面提高了农民对农业生产的积极性，使农民对耕地保护变的更加重视，另一方面也吸引外出务工人员返乡从事农业生产工作。