湖南省农田水利设施治理效率及影响因素研究

刘辉; 吴敏; LIU Hui; WU Min

doi:10.12396/znsd.240738

中国农村水利水电 ›› 2025 ›› (1) : 136-143. DOI: 10.12396/znsd.240738

湖南省农田水利设施治理效率及影响因素研究

作者信息 +

Analysis of Management Performance of Farmland Water Conservancy Facilities in Hunan Province-based on the Three-stage SBM-malmquist Index

Author information +

稿件信息 +

摘要

农田水利设施治理效率与农村经济高质量发展密切相关，在保障人民群众切身利益和农业可持续发展上发挥着重要的作用。选取2012-2021年湖南省14个市（州）的面板数据，采用三阶段SBM与Malmquist指数相结合的方法，从静态与动态两个视角对农田水利设施的治理效率进行分析，并在此基础上运用固定效应模型，进一步探讨治理效率的影响因素。研究表明：在剔除环境因素与随机误差后，农民专业合作社、农户人均收入、地区生产总值和城市化水平对农田水利设施治理效率有积极性的影响，过量的堤防建设会弱化农田水利设施治理效率；调整后湖南省的农田水利治理效率趋于稳定，纯技术效率和规模效率则有不同程度的增长；2012-2021年湖南省农田水利设施的全要素生产率呈现“U型”波动增长，长株潭地区全要素生产率的增长最快，湘南地区增速最慢，出现极端值的原因主要是技术进步变化指数的变动；农业种植结构、农村居民文盲率、经济发展水平和财政分权度对农田水利治理效率有负面影响。

Abstract

The management efficiency of farmland water conservancy facilities is closely related to the high-quality development of rural economy， and plays an important role in protecting the vital interests of the people and the sustainable development of agriculture. In this paper， the panel data of 14 cities （prefectures） in Hunan Province from 2012 to 2021 are selected， and the three-stage SBM and Malmquist index are combined to analyze the governance efficiency of farmland water conservancy facilities from both static and dynamic perspectives. On this basis， the fixed-effect model is used to further explore the influencing factors of governance efficiency. The results show that： after eliminating environmental factors and random errors， farmers' professional cooperatives， farmers' per capita income， regional GDP and urbanization level have positive effects on the management efficiency of farmland water conservancy facilities， and excessive dike construction will weaken the management efficiency of farmland water conservancy facilities. After adjustment， the efficiency of farmland water conservancy management in Hunan Province tends to be stable， while pure technical efficiency and scale efficiency have increased in different degrees. From 2012 to 2021， the total factor productivity of farmland water conservancy facilities in Hunan Province showed a “U-shaped” fluctuation growth， and the growth rate of total factor productivity in Chang-Zhu-Tan region was the fastest， while that in southern Hunan was the slowest. The extreme value was mainly due to the change of technological progress change index. The structure of agricultural planting， the illiteracy rate of rural residents， the level of economic development and the degree of fiscal decentralization have negative effects on the efficiency of farmland water conservancy management.

关键词

农田水利 / 治理效率 / 三阶段SBM-Malmquist 指数 / 固定效应模型

Key words

farmland water conservancy / governance efficiency / three stages SBM-Malmquist index / fixed effect model

基金

湖南省自科基金“数字技术赋能农田水利设施治理的机理与效率研究”(2023JJ30312)

湖南省社科基金“粮食与生态“双安全”背景下高标准农田治理机制及效率研究”(21YBA079)

引用本文

EndNote

Ris (Procite)

Bibtex

导出引用

刘辉 , 吴敏. 湖南省农田水利设施治理效率及影响因素研究[J].中国农村水利水电, 2025(1): 136-143 https://doi.org/10.12396/znsd.240738

LIU Hui , WU Min. Analysis of Management Performance of Farmland Water Conservancy Facilities in Hunan Province-based on the Three-stage SBM-malmquist Index[J].China Rural Water and Hydropower, 2025(1): 136-143 https://doi.org/10.12396/znsd.240738

0 引言

农田水利设施建设成效作为农业发展进步的重要支撑，承担着灌溉、排涝和耕地水土保持的重要安全职责。新中国成立70余年来，兴修农田水利设施是农业发展体系中最为基础也最为关键的部分，它深刻影响着农业产能和农村公共服务的高质量发展。据水利部统计（数据来源：水利部农村水利水电司.2022农村水利水电工作年度报告［EB/OL］.（2023.2）），国内节水续建、配套和现代化改造工程已共计92.27 亿元，扩大了灌溉面积200多万hm²，持续推进着农村饮水安全、病险水库除险加固等工作，形成了大中小型灌区水库和现代化控水治理工程，让全民共享水利发展与综合改革的成果。2020-2023年中央一号文件相继提出，重点加强田埂渠系与灌区核心建设项目的衔接，提升中小水库除险加固的安全监测，统筹规划实施高效节水灌溉，全面完成高标准农田建设阶段性任务，这对于改善农田水利设施具有重要性意义。在“十四五”期间，湖南省政府对设施农业水利的固定资产累计投资约980.17 亿元（数据来源：湖南省人民政府办公厅关于印发《湖南省“十四五”农业农村现代化规划》的通知［J］.湖南省人民政府公报，2021，（20）：74-116.），其中规划中强调，需完善农村基础设施网格布局，推进灌区现代化改造，加强与高标准农田工程的有效衔接，推进易涝区的排洪能力和防洪控制性枢纽的建设。然而现阶段，我国水利设施管理中出现大量的“重建缓护”现象^［1］，农田水利设施在建成后因缺少管理者和农户的维修养护而较有损毁，难以实现可持续应用。因此落实到省际范围内，要实现农业经济与环境的和谐发展，必须对水利管护的投入产出结构进一步的调整，畅通农田水利设施建设的“最后一公里”。

作为一项具有公共产品性质的工程，农田水利设施治理效率已成为国内外众多学者关注的焦点。从早期投资到后期的经营运作以及计量评价都与效率测度存在密切联系。其中供给与需求则是建设过程中的两个核心环节，因此研究内容主要围绕以下3个方面展开，第一是农田水利设施供需水平的综合分析，罗岚^［2］、宋浩楠^［3］等提出对于完善农田水利设施的管护机制，要从促进土地相对集中和支持开展专业化生产两个角度进行，同时结论显示农业数字化转型对经营效率存在非线性的影响关系；第二是关于农田水利设施管护成效的探究，黄瑶等分析了治理创新依靠全进程、多主体、增循环的协同关系^［4］。罗斯炫等^［5］、张耀文等^［6］基于数字化技术推动农业生产的现代化，鼓励广大成员对合作社基础设施项目进行二次投资，增强基础设施对农业生产的间接帮助。刘辉等^［7］对行为主体参与农田水利建设的意愿选择进行深入剖析，提出要重塑管护理念，合理引导农民筹资筹劳；第三是讨论农田水利设施治理绩效的研究方法，王西琴^［8］、孟变云^［9］等借鉴AHP框架，考察各子系统间的相互作用和反馈关系，表明对水利资源的供需进行整体治理。马文斌等采用DEA-Tobit模型^［10］，对设施主体如何基于创新来提高治理效率进行进一步研究。王海飞使用超效率的SSBM模型和空间性数据分析ESDA相结合的方法^［11］，对农业治理效率的水平，空间特征和内部变化态势进行探究。张驰等^［12］选择非期望产出的Super-SBM测算，对新疆不同区域的治理效率进行测度。

综上所述，国内外研究多采用DEA与SBM模型从宏观角度对农田水利设施的供需进行分析，但缺乏对具体省区农田水利设施治理内在差异的研究。另外针对特定区域，从静态与动态两个视角对效率进行测度的研究更是匮乏。为此，本文采用三阶段SBM- Malmquist与固定效应模型，全面剖析2012-2021年湖南省农田水利治理效率及影响因素，对各指标的贡献占有程度进行定量与定性评估。

1 研究方法与数据来源

1.1 模型说明

超效率SBM模型^［13］，它具有客观、简洁、不需要事先估计输出参数的优势，一方面可以辨别共为效率前沿面的DMU，另一方面考虑了松弛变量改进求解最大前沿面并获取对其的影响。Malmquist指数能够反映各时期序列TFP的变化，能够对农田水利设施治理效率进行动态演变规律的全面分析。固定效应模型能解决区域影响因素的异质性，考虑到误差项与被解释变量的关系，优化农田水利设施治理效率的有效途径。

1.1.1 三阶段超效率SBM-DEA模型

在静态分析中的第一、第三阶段使用超效率SBM模型，成为一个可归纳形式，其中

δ

为效率评估值，

x

、

y^{d}

、

y^{u}

分别表示投入、期望和非期望产出的数值，n为决策主体的个数，m为投入变量的个数，

s_{1}

为期望产出变量个数，

s_{2}

为非期望产出变量个数。

m i n δ = \frac{1 / m \sum_{i = 1}^{m} (\bar{x} / x_{i k})}{1 / (s_{1} + s_{2}) (\sum_{p = 1}^{s_{1}} {\bar{y}}^{d} / y_{p k}^{d} + \sum_{q = 1}^{s_{2}} {\bar{y}}^{u} / y_{q k}^{u})}

（1）

s . t . \{\begin{array}{l} \bar{x} \geq \sum_{j = 1, \neq k}^{n} x_{i j} λ_{j}, i = 1,2, \dots, m \\ {\bar{y}}^{d} \leq \sum_{j = 1, \neq k}^{n} y_{p j}^{d} λ_{j}, p = 1,2, \dots, r_{1} \\ {\bar{y}}^{d} \geq \sum_{j = 1, \neq k}^{n} y_{q j}^{u} λ_{j}, q = 1,2, \dots, r_{2} \\ λ_{j} \geq 0, j = 1,2, \dots, n; j \neq 0 \\ \bar{x} \geq x_{k}, k = 1,2, \dots, m \\ {\bar{y}}^{d} \leq y_{k}^{d}, q = 1,2, \dots, s_{1} \\ {\bar{y}}^{u} \leq y_{k}^{u}, u = 1,2, \dots, s_{2} \end{array}

在第二阶段的回归分析是基于第一阶段的估计结果，按照投入指标松弛变量为被解释变量，利用SFA模型测算外部要素对各决策单元影响的程度，实现农田水利设施治理在同质条件下的效率测度^［14］。具体如下：

S_{i j} = f (Z_{j}, β_{j}) + v_{i j} + μ_{i j}

（2）

式中：

S_{i j}

是第j个决策单元的第i个投入变量的松弛变量；Z_j 是第j个决策单元的环境变量；

β_{j})

是待估参数；

f (Z_{j}, β_{j})

、

v_{i j}

、

μ_{i j}

分别为环境变量、随机误差和管理无效率对投入指标松弛变量的影响；

v_{i j} + μ_{i j}

是混合误差项。

为探讨不同数量投入冗余状况，运用分离公式：

E (μ_{i j} / ε_{i j}) = σ^{*} [\frac{φ (λ \frac{ε_{i j}}{σ})}{ϕ (\frac{λ ε_{i j}}{σ})} + \frac{λ ε_{i j}}{σ}]

（3）

ε_{i j} = v_{i j} + μ_{i j}

，

σ^{*} = \frac{σ_{μ} σ_{v}}{σ}

，

σ = \sqrt[]{σ_{u}^{2} + σ_{v}^{2}}

，

λ = \frac{σ_{μ}}{σ_{v}}

式中：

σ_{μ}

、

σ_{v}

分别是管理无效率项、随机误差项的标准差；

ϕ

和

φ

依次是标准正态分布的密度函数和分布函数。

最后按照SFA模型的回归结果对各投入指标变量进行调整：

x_{i j}^{'} = x_{i j} + m a x f (Z_{i}, {\hat{β}}_{n}) + m a x v_{i j} - v_{i j}

（4）

式中：

x_{i j}^{'}

是调整后的投入；

x_{i j}

是调整前的投入；

m a x f (Z_{i}, {\hat{β}}_{n}) +

m a x v_{i j} - v_{i j}

是依据外界干扰因素的调整值。

1.1.2 Malmquist指数模型

在动态分析中测算结果用全要素生产率（

M I

）表示。当规模报酬固定时，利用Malmquist指数对技术进步效率（

T C

）与技术效率（

E C

）进行深入研究，当规模报酬变化时，技术效率变化能够分解成纯技术效率变化和规模效率变化，即EC可进一步分解为PEC和SEC ^［15］。各变化指数的关系：

M I = T C \times E C = T C \times P E C \times S E C

，当

M I

>1时，表示农田水利治理的投入效益在数理分析后是提升的，当

M I

<1时，则相反。

1.1.3 固定效应模型

构建基准回归模型如下：

Y = β_{0} + β_{i} X_{i} + μ + ε

式中：

Y

为被解释变量，即农田水利设施治理效率，具体分解为纯技术效率和规模效率；

X_{i}

为解释变量，即本文所考察影响区域农田水利设施治理效率的因素；

β_{i}

是相应解释变量的回归系数，体现了各因素对农田水利设施治理效率的影响方向和进度；

β_{0}

为常数项；

μ

为个体固定效应；

ε

为随机误差项。

1.2 数据来源

考虑到数据的可获得性与代表性，选取2013-2022年《湖南统计年鉴》、《湖南农村统计年鉴》和《中国人口和就业统计年鉴》中整理的投入、产出以及环境变量统计数据，并采用临近点线性趋向法对部分丢失数据进行补全；依据地理位置将湖南省分为长株潭城市群、洞庭湖地区、湘南地区和大湘西地区进行研究。

1.3 变量选取

1.3.1 投入产出变量

投入变量的选取依据基于投入直接作用于 DMU 即农田水利设施的产出，关于投入指标说明：农村劳动力资源为农田水利设施中的劳动力投入情况；农用排灌动力机械为农田水利设施中各个技术投入的支持；农林水为农田水利设施中政府部门相应的政策投入^［16］。产出以农田水利设施的经济效益和维护生态为出发点，具体选用为粮食作物产量和水土流失治理面积^［17］即水利设施在农业生产活动中对灾害的缓解程度间接代替。

1.3.2 环境变量

农田水利设施的治理效率，除了与生产经营要素的投入有关之外，还受到社会和自然资源等客观条件的制约。关于农民专业合作社、已建堤防、农民人均收入、地区生产总值、城市化水平的环境指标^［18］，选择原因是湖南地处亚洲亚热带季风区，夏季暴雨和洪水对水利设施的影响是不可控制的，离不开水利堤防的建设，还与城市与农村地区的生产总值GDP对农户收入的作用以及村级治理部门例如农民专业合作社在“最后一公里”的管护情况等潜在因素影响有关，各变量见表1。

表1 湖南省农田水利设施评价的相关变量及统计性描述

Tab.1 Relevant variables and statistical descriptions of evaluationof farmland water conservancy facilities in Hunan Province

变量类型	名称	符号	均值	标准差
投入变量	农村劳动力资源/万人	X₁	236.45	90.85
	农用排灌动力机械/万个	X₂	33.68	71.32
	政府农林水投入/亿元	X₃	50.15	22.37
产出变量	粮食作物产量/亿t	Y₁	240.24	90.36
产出变量	水土流失治理面积/万hm²	Y₂	24.625	9.164
环境变量	农民专业合作社/万个	Z₁	0.29	0.17
	农民人均收入/万元	Z₂	1.32	0.55
	已建堤防/万m	Z₃	141.64	103.78
	地区生产总值GDP/亿元	Z₄	245.41	111.82
	城市化水平/%	Z₅	52.38	10.05

1.3.3 影响因素

影响农田水利设施治理的因素除前文涉及的外部环境因素，还需结合农业生产的现实情况，全面考虑自然禀赋和社会经济因素，如经济发展情况、居民管理水平、农业生产条件等。因此，本文基于农田水利设施自身特点并借鉴已有研究成果，选取的治理效率影响因素包括：经济发展水平（GDP）^［19］，按照人均GDP为指标，农业种植结构（Aps），按照稻谷种植面积与粮食作物种植面积的比重，农村居民文盲率（Irf），按照农村文盲人口占地方乡村人口比例和财政分权度（Fd），按照地方财政支出占湖南省财政支出的比例为自变量，从而分析湖南省农田水利治理效率的影响因素^［20］。由于人均GDP的统计标准与其他影响因素不一致，按照取对数法将指标统一化，以消除变量间的差异对回归系数的影响。

1.4 Spearman相关性分析

在进行效率分析之前，须先确认投入与产出之间的相关性。Spearman相关系数是来描述变量之间的关联程度与方向，利用 SPSS 27.0 软件显示了各区域农田水利设施投入和产出变量的相关性，在双尾检验中影响系数有正向和负向关系，并且能通过 P≤ 5%的双尾检验，可以看出农用排灌动力机械的边际效应是递减的，超过应有的灾害治理面积应有承载水平将产生反向作用。农村劳动力投入对粮食作物产量影响较大，相关系数为0.755，粮食作物产量对水土流失治理面积影响相对较小，相关系数为-0.044，结果见表2。

表2 2012-2021年湖南省各产出与投入变量的Spearman相关性检验

Tab.2 Spearman correlation test of output and input variablesin Hunan Province from 2012 to 2020

变量	Y₁	Y₂	X₁	X₂	X₃
Y₁	1.000
Y₂	-0.044	1.000
X₁	0.755^***	0.108	1.000
X₂	0.540^***	-1.147	0.444^***	1.000
X₃	0.538^***	0.498^***	0.491^***	0.171^*	1.000

注：

X₁-X₃、Y₁-Y₃ 分别为投入与产出变量，^***代表在P ≤ 0.01的统计性显著水平。

2 实证结果与分析

2.1 农田水利设施治理效率静态分析

2.1.1 第一阶段超效率 SBM 的农业水利设施效率结果

运用 iDEA Ultra 软件对湖南省14个市（州）农田水利设施治理效率进行测度，由表3可知2012-2021年湖南省的农田水利设施综合技术效率、纯技术效率和规模效率都较为稳定，平均值分别为0.916、1.219、0.836，这显示湖南省农田水利设施除纯技术效率，其余并不在效率前沿，农田水利经营与生产规模限制了湖南省农田水利治理成效的提高。株洲市、湘西自治州和张家界市的综合技术效率值居于前位，均值大于1，已经达到规模报酬恒定阶段；郴州市农田水利设施的综合技术效率、纯技术效率在该时期内变化值落后于其他城市，分别是0.631、0.647，由此可见郴州市的农田水利建设还比较薄弱，原因在于其作为资源型城市，重点集中在采选、冶炼等产业^［16］，第一产业的发展比较薄弱，农田水利资源的管理和科技的发展利用还需要改进；湘西自治州农田水利设施的规模效率值最低为0.633，可能是现实条件中资源分配矛盾突出，农业规模化零散^［16］，水利设施流转经营权转向农村合作经济组织，导致无法满足规模效率的增长，限制了地方水利设施的发展。简而言之，湖南省农田水利设施治理中的投入规模并没有达到有效优化，仅仅通过水利建设投入因素的叠加是无法提升其治理效率，必须采取科学的投入与环境指标组合、优化管理和收益分配等措施，以达到相应治理效益。同时如何带动效率较低的区域以及减少某些年份出现的投入标准下浮，这是湖南省农田水利设施在未来亟待解决的问题。因而，也需要在传统的SBM-DEA模型的基础上剔除环境因素和统计噪声等因素的作用。

表3 一阶段在2012-2021年湖南省农田水利治理的分解效率

Tab.3 Decomposition efficiency of farmland water conservancy management in Hunan Province during the first stage from 2012 to 2021

板块	市（州）	综合技术效率	纯技术效率	规模效率
长株潭城市群	长沙	0.831	0.945	0.909
	株洲	1.130	1.234	0.934
	湘潭	0.881	1.109	0.794
洞庭湖地区	岳阳	0.946	1.006	0.939
	常德	0.927	1.186	0.794
	益阳	0.970	1.013	0.959
湘南地区	衡阳	0.946	1.153	0.900
	郴州	0.631	0.647	0.973
	永州	0.917	1.810	0.676
大湘西地区	湘西自治州	1.101	1.863	0.633
	张家界	1.278	1.613	0.794
	怀化	0.843	1.772	0.697
	邵阳	0.695	0.824	0.865
	娄底	0.724	0.896	0.833
湖南省平均值	-	0.916	1.219	0.836

注：各市州效率值均为2012-2021年的平均值。

2.1.2 第二阶段SFA前沿回归调整分析

利用Frontier4.1软件，建立多元线性回归模型。表4结果表明，环境变量对投入松弛变量的显著性检验大部分通过P≤5%，表明外部环境因子与湖南省的农田水利设施投入变量之间具有相关性。

表4 二阶段的SFA回归结果汇总

Tab.4 Summary of SFA regression results in the second stage

因变量自变量

X ₁松弛变量

X ₂松弛变量

X ₃松弛变量

常数项

-21.76^***

（-21.76）

35.25^***

（3.65）

10.89^**

（2.19）

Z ₁

9.45^***

（9.45）

-55.03^***

（-17.85）

-0.67

（-0.09）

Z ₂

10.86^***

（10.86）

-5.61

（-0.93）

3.69

（0.83）

Z ₃

0.09

（0.09）

-0.01

（-0.94）

0.01

（0.99）

Z ₄

-0.09

（-0.09）

0.03^**

（2.44）

-0.01

（-0.68）

Z ₅

0.28

（0.28）

-0.34

（-1.29）

-0.28^*

（-1.74）

σ_{v i}^{2}

8.77^***

（8.77）

0.70^***

（2.64）

0.49^***

（2.66）

γ

0.05

（0.05）

0.00

（0.00）

0.00

（0.00）

Log likelihood

-34.84

-17.34

-14.89

注：

^*，^**，^***分别为在10%、5%、1%显著性水平上显著;括号内为相应估计的t统计量。

（1）农民专业合作社（Z ₁）。农民专业合作社对农用排灌动力机械和政府农林水利事务的松弛变量系数均为负，且在1% 以内的显著性检验中表现良好。说明农民专业合作社的数量增多将导致投入松弛变量的减少，这正与现实条件相符，因为农民合作社可以让成员直接参与投资和经营^［4］，有利于开展规范化治理和建设，促进产业链的融合和深化，从而对农田水利设施治理效益产生积极影响。

（2）农民人均收入（Z ₂）。农民人均收入在对农用排灌动力机械的投入松弛变量回归系数为负，显然随着农户人均纯收入的不断增长，会降低排灌机械投入的松弛变量，从而对农田水利设施治理效益产生正面作用。从而说明，如果农民的收入足够充裕，不仅仅带动更多的就业机会和更好地利用小型水利设施，更会影响农田水利管护效率与经营效率。

（3）已建堤防（Z ₃）。已建堤防作为外部因素对农业劳动力资源和政府农林水利事务的回归系数为正值，因而会造成两种投入要素的冗余，表明修筑堤坝的显著增加使人力劳动和政府公共事务投入增高，这与客观相符。因堤坝等大规模设施具有公共属性的特征，人员与资金等投资具有间接性效果，在实现资源的配置中也会给农田水利治理效益产生积极影响。

（4）地区生产总值（Z ₄）。地区生产总值在农业劳动力资源和政府农林水利事务回归结果显示均为负，这意味着地区GNP的总体提高对农村劳动力的生产投入、农业资源配置以及基层政府的监督管理工作都具有正面的作用。这其中是因为人均GDP增长的切入点是重工业、进出口加工业等^［10］，这些都是经济发展水平比较高的行业，因此依靠资金带动农业基础设施的建设，这在某种程度上也会对农田水利的集约化管理产生影响。

（5）城市化水平（Z ₅）。城市化水平在1%的显著性检验中对农用排灌动力机械和政府农林水利事务的松弛变量系数为负，对第一产业劳动力资源系数为正，这表明伴随着城镇化进程的推进，城镇居民可支配收入的增加导致农村劳动力向城市转移、农业机械的使用规模增加以及政府对农林生产的重心发生转移等，这些外部因素让农业灌溉用地的投资比例有所上升，因此壮大了农田水利设施治理的效能。

考虑到分析湖南省不同区域的农田水利治理效益差异，并以此为依据，通过调整原有的农田水利管护要素投入，消除环境因素对农田水利设施治理的外生性效应，进而分析各个区域农田水利治理的实际效益。

2.1.3 第三阶段调整后的农田水利设施效率结果

由表5可知，剔除环境因素和统计噪声后，湖南省各市（州）在第三阶段的纯技术效率为0.989，表示农田水利设施治理接近效率前沿。原因在于“十三五”前后以来保持较高的经济发展水平，运用现代治理理念，使用先进的生产技术，加速农业活动中各生产要素的流动与组合^［21］。包含对农田设施灌溉网络进行节水改造，开发适用于丘陵山地区的小型农业机械，使设施的综合机械化利用率提高到55%。其次湘潭市、常德市和湘西自治州的综合技术效率大于1，但剩余市（州）的结果还未达到效率前沿，例如娄底市较湖南省平均水平差额率最大为46.21%，可能与农田灌溉渠道和防洪河堤等设施投资不匹配有关，这突显了优化各种投入变量与环境因素的紧迫性。湘潭市在第三阶段的纯技术效率距平均值最大为0.581，超出效率前沿值的57.00%。表明该市农田水利设施取得较好进展，经过除险培修、复建配套项目、农田水利等工程，农田沟渠得到硬化，初步形成了“人水和谐”的现代水利生态体系^［22］，这离不开坚实的政策支持和资金保障。常德市和湘西自治州等地的规模效率值较为突出，这或许是农业机械化和耕地规模化使得河道设施的防洪减灾能力增强，从而提升了农田水利的规模效应。而长株潭、大湘西地区的规模效率偏低，一方面与地域、经济状况有关外，还与政策环境等非投入因素对农田水利治理效能有着紧密的关系。

表5 三阶段调整下的2012-2021年湖南省农田水利治理的分解效率

Tab.5 Decomposition efficiency of farmland water conservancymanagement in Hunan Province from 2012 to 2021under three-stage adjustment

板块	市（州）	综合技术效率	纯技术效率	规模效率
长株潭城市群	长沙	0.748	0.841	0.895
	株洲	0.753	1.022	0.736
	湘潭	1.685	1.570	0.545
洞庭湖地区	岳阳	0.859	0.928	0.927
	常德	1.353	1.295	1.040
	益阳	0.676	0.835	0.824
湘南地区	衡阳	0.834	0.907	0.922
	郴州	0.645	0.778	0.831
	永州	0.894	0.957	0.938
大湘西地区	湘西自治州	1.123	1.094	1.016
	张家界	0.793	1.039	0.763
	怀化	0.943	0.999	0.951
	邵阳	0.759	0.833	0.917
	娄底	0.482	0.751	0.680
湖南省平均值	-	0.896	0.989	0.856

注：各市州效率值均为2012-2021年的平均值。

与第一阶段（表3）相比较，湖南省综合技术效率、纯技术效率和规模效率的平均值都有所下降，长沙市、岳阳市、邵阳市在调整后变化较不明显。怀化市、湘西自治州、张家界市和永州市的纯技术效率有较大幅度下降，这与区域政策偏差及地域距离有关，但其他城市则有不同程度的上升趋势，其中湘潭市在剔除随机扰动项后增长率为41.57%，可以看出该地区的农民专业合作社、已建堤防、农户人均收入、地区GNP和城市化水平等环境因素对农田水利设施治理的纯技术经济因素起到正向作用。株洲市、湘潭市、益阳市、郴州市和娄底市，因其区位土地狭小，在精细化集约化农业的开展上发挥较大作用，所以其规模效率在调整后呈下降趋势。但湘西自治州涨幅明显为60.51%，其主要原因是重点实施精准扶贫，带动柑橘、猕猴桃等农业特色产业项目^［16］，推进了规模化的种植生产和水利建设。于是在此基础上可以知晓，当排除外部环境、随机误差以及内部管理因素的情况下，仅考虑单个的效率评估，可能会造成研究数据成果的失真。

2.2 农田水利设施治理效率动态分析

2.2.1 全要素生产率及其内部效率

为探索湖南省农田水利设施治理的时序演变特征，利用iDEA Ultra 软件对2012-2021年湖南省农田水利设施全要素生产率及分解效率进行测量（结果见图1）。总体上湖南省农田水利设施治理效率正在稳步提升，2013-2021年湖南省农田水利设施的全要素生产率呈“U型”增长波动态势，全要素生产率均值为1.023，平均变化率7.87%。2020-2021年全要素生产率出现极高值，超出总体平均指数0.508，可能是技术进步效率的增长，来自于相关部门建设20个省级现代农业产业科技体系（数据来源：湖南省国民经济和社会发展第十四个五年规划和二〇三五年远景目标纲要［N］.湖南日报，2021-03-26（008）.），打造农业科技服务云平台，然而在2013-2014年全要素生产率低至0.896，潜在因素也是在于财政科技支出总量偏向二、三产业，对于农用排灌动力机械等先进装备与农业人才引进的轻投入，出现了技术创新等固定资产投资低于年平均值的12.41%，从而导致全要素生产率出现极低值。整体上来看，2013-2021年则从平稳增长到发散增长形态，说明湖南省农田水利设施的变化指数不断优化。从内部分解的均值来说，技术效率由纯技术效率决定，纯技术效率均值为1.064，增长率为33.71%，技术进步效率和规模效率的平均值依次为0.988和1.074，增长率为40.09%和61.57%，农田水利设施全要素生产率的变动趋势与其技术进步指数基本一致，由此可见农业技术进步的变化是推动全要素生产率增长的关键因素，它能够不断地抬高资本存量，保障农业产能并延长产业链。同时也说明农业科技的普及对湖南省农田水利设施的资源配给起到重要的推进作用。

图1 2012-2021 年湖南省农田水利设施全要素生产率动态变化指数

Fig.1 Dynamic change index of total factor productivity of farmland water conservancy facilities in Hunan Province from 2012 to 2021

Full size|PPT slide

2.2.2 区域间全要素生产率分析

从各区域分析（表6），2012-2021年湖南省农田水利设施治理呈现良好态势，全要素生产率（MI）均值1.012，除了湘潭市、岳阳市、益阳市、永州市等，农业全要素生产率都在1.000以上，平均年增长率为7.67%。从各地区分解效率来看，技术效率、技术进步效率和规模效率的平均值大于1，增长最快的长株潭地区为5.96%。该地受技术进步效率的作用，可能与外部环境对其推进“五个统一”^［16］农村小水源蓄水能力恢复专项行动有关，使得其充分补齐资源配置，改善当地经营状况。其次是洞庭湖、大湘西地区增长速率分别为3.62%、1.43%，增长最慢的湘南地区为0.40%，大概是由于技术要素的不合理利用以及用地规模的限额，加上农村剩余劳动力结构老化带来的流失，导致未激活当地的技术效率和规模效率。相比于技术进步效率，规模效率也是对农田水利全要素生产率占有相应的份额^［23］，从分解的纯技术效率角度进行分析，纯技术效率变化也是规模效率在起作用，例如2012-2021年娄底市的规模效率均值为0.940，在区域比较中受环境因素的变动幅度最大，年均下降幅度高达12.56%，这主要是有关部门在统筹城乡供水、防洪、发电等综合水利设施建设中，忽视了实际规模和最佳生产规模之间的差异，致使该市农田水利设施的全要素生产率还没有达到效率前沿。这也要求在水利治理中需要强化管护力度，比如着重提升农业劳动力生产水平、科技贡献率和基础设施的经营效用，以满足社会化管理与规模性生产的需要。

表6 2012-2021年湖南省农田水利设施 Malmquist 指数及分解

Tab.6 Malmquist index and decomposition of farmland water conservancy facilities in Hunan Province from 2012 to 2021

板块	市（州）	技术效率变化指数	技术进步变化指数	纯技术效率变化指数	规模效率变化指数	全要素生产率变化指数
长株潭城市群	长沙	1.273	1.009	1.398	0.989	1.297
	株洲	0.998	1.004	1.030	0.984	1.000
	湘潭	1.031	0.911	0.988	1.039	0.955
洞庭湖地区	岳阳	1.030	0.959	1.014	1.014	0.995
	常德	1.033	0.970	1.067	1.019	1.008
	益阳	1.034	0.930	1.046	0.985	0.955
湘南地区	衡阳	1.059	0.966	0.975	1.144	1.019
	郴州	1.067	1.006	1.063	1.001	1.072
	永州	0.972	1.071	1.044	1.378	0.977
大湘西地区	湘西自治州	1.027	1.068	1.026	1.089	1.110
	张家界	1.066	1.079	1.015	1.037	1.097
	怀化	0.972	1.071	1.044	1.378	0.977
	邵阳	0.996	0.944	1.023	1.049	0.935
	娄底	1.002	0.941	1.079	0.940	0.923
湖南省平均值	-	1.040	0.995	1.058	1.075	1.023

注：各市州效率值均为2012-2021年的平均值。

2.3 影响因素分析

运用 Stata 16.0软件对相应的面板数据作固定效应的回归分析^［24］，结果见表7。为保证结果的稳健性，对所有连续变量进行缩尾处理。在各因素中：农业种植结构与农田水利治理效率在1%的显著水平下呈负相关，说明稻谷种植面积的扩大会抑制农田水利治理效率^［3］，此结果对于存在水旱灾害地区的农业种植结构布局提供参考依据。

表7 湖南省农田水利设施治理效率影响因素的固定效应回归结果

Tab.7 Fixed effect regression results of factors affecting the efficiency of farmland water conservancy facilities in Hunan Province

变量	TE	PTE	SE
Aps	-1.028^*** （-2.78）	-1.899^** （-1.76）	0.174 （0.62）
Irf	-0.135^* （-1.19）	0.370^* （-1.05）	-0.223^*** （-2.41）
GDP	-0.361^** （-1.57）	-1.287^** （-1.89）	0.155 （0.87）
Fd	-0.563 （-0.15）	-4.004 （-0.35）	2.266 （0.75）
_Cons	2.070^*** （4.63）	3.870^*** （2.93）	0.459^* （1.33）
Sigma_u	0.222	0.539	0.123
Sigma_e	0.200	0.585	0.153

注：

^*、^**、^***分别为在10%、5%、1%显著性水平上显著;括号内为相应估计的t统计量。

农村居民文盲率与农业水利治理效率在10%的显著水平下负相关。农村人口的文盲水平较低表明其接受文化水平较高，能够较快地熟练掌握现代的排灌设备及水电装置的技术操作，从而促进设施治理效率的提升。另外高素质的农户也越发认识农田水利设施建设的重要效用^［7］，可以给管理部门施压，推动其增加在设施供应方面的投资。

经济发展水平与农业水利治理效率在5%的显著水平下负相关。人均GDP越高，表明在农田灌溉和节水工程等农业公共领域中的倾斜力度较小，会导致该区域农田水利发展的滞后。应重视灌区农田水利建设的发展，从而实现农业现代化发展。

财政分权度与农业水利治理效率呈现负相关，但结果不显著。同时也表明，要根据当地的农业生产状况对财政划分的程度进行适当调整，以避免出现农业水利设施的供需矛盾，降低农田水利的治理效能。

此外除农村居民文盲率的比例，农田水利设施治理效率都随着各要素的规模上升而提高，肯定了农业生产结构与经济规模在农田水利建设可持续应用中起到了积极作用。

3 结论与建议

本文采用三阶段SBM-Malmquist与固定效应模型，测算2012-2021年湖南省农田水利设施治理效率及影响因素。结果显示：①从静态角度看，剔除环境因素与随机误差能显著影响治理效益，农民专业合作社、农民人均收入、地区生产总值和城市化水平可以减少投入松弛变量，对农田水利设施治理产生积极影响；已建堤防会造成人力资源和政府公共事务投入增高，从而对农田水利设施治理产生负面影响。从调整前后的对比来看，湖南省农田水利设施治理效率与年际、地理位置密切相关。各地区纯技术效率和规模效率有不同幅度的提高。②从动态视角看，湖南省农田水利设施的全要素生产率在2013-2021年间呈现“U型”波动，在2013-2014年和2020-2021年出现极值的原因在于技术进步效率的变动。从内部的空间分析来看，长株潭地区全要素生产率的增长最快，湘南地区增速最慢，主要是其未激活科技生产水平和规模性经营的活力。③影响因素的回归分析显示，农业种植结构、农村居民文盲率、经济发展水平和财政分权度都与农业水利治理效率呈现负相关，除了农村居民文盲率，其余指标的规模扩大可以提高农业水利治理效率。

基于分析结果，提出改善农田水利设施治理的建议：

一是明确责任体系和责任主体，按照“政府牵头，村级经营，专业户参与”的农田水利管护模式，将决策、监督、分配等方式与各主体相挂钩，满足不同地区农田水利设施的具体规划。二是加强农田水利建设管理和资金运用，结合地域产业特点，根据实际情况调整政府农林水事务支出力度，合理分配水利工程的科学筹资与融资。三是加大农田水利领域的科技创新与学术性研究，重视农村居民受教育水平，加快推进现代化治理，激励科研机构和研究人员投身到设施建设，降低盲目投入造成的资源浪费。四是全面强化农田水利设施的整治监督，依靠政府管理部门对行政区内基层组织的运作和财政补助的配置进行引导和监管，确保农业水利设施高效的运行管理以及可持续发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

1	杨高升，方玥.基于产权视角的政府投资农村水利设施可持续供给研究［J］.中国农村水利水电，2024（2）：64-73. YANG G S， FANG Y.Research on sustainable supply of government-invested rural water conservancy facilities based on property rights perspective ［J/OL］. Water resources and hydropower in Rural China，2024（2）：64-73. 本文引用 [1]

2	罗岚，许贝贝，张祥薇，等.农田水利设施管护效率及其驱动机制研究：以陕西省大荔县为例［J］.世界农业，2020（5）：119-127. LUO L， XU B， ZHANG X W，et al. Study on management efficiency and driving mechanism of farmland water conservancy facilities： A case study of Dali County， Shaanxi Province ［J］. World Agriculture，2020（5）：119-127. 本文引用 [1]

宋浩楠，栾敬东，张士云，等.土地细碎化、多样化种植与农业生产技术效率：基于随机前沿生产函数和中介效应模型的实证研究［J］.农业技术经济，2021（2）：18-29.

SONG

H N

， LUAN

J D

， ZHANG

S Y

，et al. Land fragmentation， diversified planting and technical efficiency of agricultural production： An empirical study based on stochastic frontier production function and intermediate effect model ［J］. Agricultural Technical Economics，2021（2）：18-29.

本文引用 [2]

4	黄瑶，李佳.农业产业创新链构建：实质、依托与模式［J］.经济纵横，2022（10）：89-95. HUANG Y， LI J. Construction of agricultural industry innovation chain： essence， support and model ［J］. Economic Review，2022（10）：89-95. 本文引用 [2]

罗斯炫，何可，张俊飚.改革开放以来中国农业全要素生产率再探讨：基于生产要素质量与基础设施的视角［J］.中国农村经济，2022（2）：115-136.

LUO

S X

， HE

， ZHANG

J B

. Reanalysis of agricultural total factor productivity in China since the reform and opening up： from the perspective of factor quality and infrastructure ［J］.China Rural Economy，2022（2）：115-136.

本文引用 [1]

张耀文，郭晓鸣.农民合作社的产业链整合能否促进社员参与？：兼论合作效率与公平之间的转化平衡［J/OL］.农业技术经济：1-14［2023-10-29］.

ZHANG

Y W

， GUO

X M

. Can the industrial chain integration of farmers' cooperatives promote members' participation？ On the transformation balance between cooperative efficiency and equity ［J/OL］. Agrotechnical Economics：1-14［2023-10-29］.

本文引用 [1]

刘辉，张慧玲.小型农田水利治理主体行为的博弈分析：基于丘陵山区三家馆乡、溪口镇的调查［J］.农村经济，2018（10）：111-115.

LIU

， ZHANG

H L

. Game analysis of the subject behavior of small-scale farmland water conservancy management： Based on the investigation of Sanjiaguan Township and Xikou Town in hilly mountainous area ［J］. Rural Economy，2018（10）：111-115.

本文引用 [2]

王西琴，贾宝珍，张馨月，等.小型农田水利设施农户自主治理效率评估：基于河北省井灌区的实证分析［J］.资源科学.2022.44（10）：2 096-2 097.

WANG

X Q

， JIA

B Z

， ZHANG

X Y

， et al. Evaluation of farmers' self-management efficiency of small-scale farmland water conservancy facilities： Based on empirical analysis ofwell irrigation district in Hebei Province ［J］. Resources Science， 2022.44（10）：2 096-2 097.

本文引用 [1]

9	孟变云.基于AHP的新型农业经营主体培育效率评价研究：以山西省为例［J］.会计之友，2022（16）：34-39. MENG B Y. Research on evaluation of cultivation efficiency of new agricultural managemententities based on AHP： A case study of Shanxi Province ［J］. Friends of Accounting，2022（16）：34-39. 本文引用 [1]

10	马文斌，朱欢.绿色低碳企业创新效率测度及影响因素研究：基于三阶段DEA与Tobit模型［J/OL］.软科学：1-12［2023-10-29］. MA W B， ZHU H. Research on innovation efficiency measurement and influencing factors of green and low-carbon enterprises： Based on three-stage DEA and Tobit model ［J/OL］. Soft Science ：1-12［2023-10-29］. 本文引用 [2]

袁菊红，陈拉，胡绵好.“中四角”绿色水资源利用效率时空分异及其影响因素：基于非期望产出SBM-DEA和地理探测器模型［J］.生态经济，2023，39（9）：138-147.

YUAN

J H

， CHEN

， HU

M H

. Spatial and temporal differentiation of green water resource use efficiency in “middle four” and its influencing factors： based on non-expected output SBM DEA and geodetector model ［J］. Ecological Economy， 2023，39（9）：138-147.

本文引用 [1]

张驰，张晔，李苗.新疆农业生产效率地区差异分解与影响因素研究：基于非期望产出Super-SBM-Theil-GMS［J］.中国农业资源与区划，2018，39（10）：100-106.

ZHANG

， ZHANG

， LI

. Decomposition and Influencing factors of Regional Differences in agricultural productivity in Xinjiang： Based on non-expected output Super-SBM-Theil-GMS［J］. Chinese Journal of Agricultural Resources and Regionalization，2018，39（10）：100-106.

本文引用 [1]

13	LAN M P， MINH K N. Environmental Efficiency Evaluation in Vietnam Textile and Garment Industry： Super-SBM Model with Undesirable Output Approach［J］.Nature Environment and Pollution Technology，2023，22（2）：本文引用 [1]

14	VELTRI S， D'ORIO G， BONANNO G. Measuring managerial ability using a Two‐stage SFA‐DEA Approach［J］. Knowledge and Process Management，2016，23（4）. 本文引用 [1]

15	BOBITAN N， DUMITRESCU D， BURCA V. Agriculture’s efficiency in the context of sustainable agriculture： A benchmarking analysis of financial performance with data envelopment analysis and malmquist index［J］. Sustainability，2023，15（16）. 本文引用 [1]

16	许波，卢召艳，杨胜苏，等.湖南省农业生产效率演变与影响因素［J］.经济地理，2022，42（3）：141-149. XU B， LU Z Y， YANG S， al Set. Evolution and influencing factors of agricultural production efficiency in Hunan Province ［J］. Economic Geography，2022，42（3）：141-149. 本文引用 [5]

17	邓远建，超博.灰水足迹视角下我国省域农业生态效率及其影响因素［J］.中国农业科学，2022，55（24）：4 879-4 894. DENG Y J， CHAO B. Agricultural eco-efficiency and its influencing factors in China from the perspective of grey water footprint ［J］. Agricultural science in China，2022，55（24）：4 879-4 894. 本文引用 [1]

18	戈国莲，刘磊.乡村振兴背景下我国农村公共基础设施投资测算与建设研究［J］.农业经济问题，2022（10）：133-144. GE G L， LIU L. Research on the calculation and construction of Rural public infrastructure investment in China under the background of rural revitalization ［J］. Issues of Agricultural Economy，2022（10）：133-144. 本文引用 [1]

冯佳，杨峰.演化博弈视角下农田水利PPP项目合作策略研究：以政府与企业为例［J］.节水灌溉，2018（9）：91-97.

FENG

， YANG

. Research on cooperation strategies of farmland and water conservancy PPP projects from the perspective of evolutionary game： A case study between government andenterprises ［J］. Water saving Irrigation， 2018（9）：91-97.

本文引用 [1]

20	许朗，张艳玲，陈杰.组织行为范式下小型农田水利的资金供给新机制［J］.节水灌溉，2023（10）：43-48. XU L， ZHANG Y L， CHEN J. New fund supply mechanism of small-scale farmland water conservancy under organizational behavior paradigm ［J］. Water Saving Irrigation，2023（10）：43-48. 本文引用 [1]

于露，姜启军.水产养殖业新型农业经营主体全要素生产率研究：基于微观主体面板数据和SFA法［J/OL］.中国农业资源与区划：1-13［2023-11-01］.

， JIANG

Q J

. Research on Total factor productivity of new agricultural management agents in aquaculture industry： Based on micro-agent panel data and SFA method ［J/OL］. Agricultural resources and Regionalization in China：1-13［2023-11-01］.

本文引用 [1]

22	史普原，李晨行.从碎片到统合：项目制治理中的条块关系［J］.社会科学，2021（7）：85-95. SHI P Y， LI C X. From fragmentation to integration： the block-and-block relationship in project-based governance ［J］. Social Science，2021（7）：85-95. 本文引用 [1]

23	徐永慧，尹朝静.环境规制下中国农业绿色全要素生产率的测算［J］.统计与决策，2021，37（18）：50-54. XU Y H， YIN C J. Measurement of agricultural green total factor productivity under environmental regulation in China ［J］. Statistics and Decision， 2021，37（18）：50-54. 本文引用 [1]

24	杨头平，钟桂珍.中国农业农村现代化的时空演变特征及影响因素分析［J］.统计与决策，2024，40（5）：94-99. YANG T P， ZHONG G Z. Analysis of spatial-temporal evolution and influencing factors of agricultural and rural modernization in China ［J］. Statistics and Decision， 2024，40（5）：94-99. 本文引用 [1]

PDF(860 KB)

103

访问

引用

详细情况

段落导航

摘要
Abstract
关键词
Key words
基金
引用本文
0 引言
1 研究方法与数据来源
1.1 模型说明
1.1.1 三阶段超效率SBM-DEA模型
1.1.2 Malmquist指数模型
1.1.3 固定效应模型
1.2 数据来源
1.3 变量选取
1.3.1 投入产出变量
1.3.2 环境变量
表1 湖南省农田水利设施评价的相关变量及统计性描述
1.3.3 影响因素
1.4 Spearman相关性分析
表2 2012-2021年湖南省各产出与投入变量的Spearman相关性检验
2 实证结果与分析
2.1 农田水利设施治理效率静态分析
2.1.1 第一阶段超效率 SBM 的农业水利设施效率结果
表3 一阶段在2012-2021年湖南省农田水利治理的分解效率
2.1.2 第二阶段SFA前沿回归调整分析
表4 二阶段的SFA回归结果汇总
2.1.3 第三阶段调整后的农田水利设施效率结果
表5 三阶段调整下的2012-2021年湖南省农田水利治理的分解效率
2.2 农田水利设施治理效率动态分析
2.2.1 全要素生产率及其内部效率
图1 2012-2021 年湖南省农田水利设施全要素生产率动态变化指数
2.2.2 区域间全要素生产率分析
表6 2012-2021年湖南省农田水利设施 Malmquist 指数及分解
2.3 影响因素分析
表7 湖南省农田水利设施治理效率影响因素的固定效应回归结果
3 结论与建议
参考文献

收稿日期	接受日期	出版日期
2024-05-10	2024-06-28	2025-01-15
发布日期
2025-01-14

选择文件类型/文献管理软件名称

选择包含的内容

摘要

Abstract

关键词

Key words

基金

引用本文

0 引 言

1 研究方法与数据来源

1.1 模型说明

1.1.1 三阶段超效率SBM-DEA模型

1.1.2 Malmquist指数模型

1.1.3 固定效应模型

1.2 数据来源

1.3 变量选取

1.3.1 投入产出变量

1.3.2 环境变量

表1 湖南省农田水利设施评价的相关变量及统计性描述

1.3.3 影响因素

1.4 Spearman相关性分析

表2 2012-2021年湖南省各产出与投入变量的Spearman相关性检验

2 实证结果与分析

2.1 农田水利设施治理效率静态分析

2.1.1 第一阶段超效率 SBM 的农业水利设施效率结果

表3 一阶段在2012-2021年湖南省农田水利治理的分解效率

2.1.2 第二阶段SFA前沿回归调整分析

表4 二阶段的SFA回归结果汇总

2.1.3 第三阶段调整后的农田水利设施效率结果

表5 三阶段调整下的2012-2021年湖南省农田水利治理的分解效率

2.2 农田水利设施治理效率动态分析

2.2.1 全要素生产率及其内部效率

图1 2012-2021 年湖南省农田水利设施全要素生产率动态变化指数

2.2.2 区域间全要素生产率分析

表6 2012-2021年湖南省农田水利设施 Malmquist 指数及分解

2.3 影响因素分析

表7 湖南省农田水利设施治理效率影响因素的固定效应回归结果

3 结论与建议

{{custom_sec.title}}

{{custom_sec.title}}

参考文献

0 引言