Study on Technical Efficiency Measurement and Influencing Factors of Cotton Production in Manas County of Xinjiang

doi:10.11924/j.issn.1000-6850.casb2022-0716

Abstract

Abstract:

To understand the technical efficiency of cotton production in Manas County and its influencing factors, this study measured the technical efficiency of production by using DEA model on input-output data of 350 cotton farmers in Manas County, Xinjiang in 2020, and empirically analyzed the factors affecting the technical efficiency of cotton production in Manas County by using Tobit model. The results showed that the average technical efficiency of cotton production in Manas County in 2020 was 82.50%, and the maximum value of technical efficiency of cotton production in each township was 100% and the minimum value was 35.40%. The empirical results showed that cotton production technical efficiency was influenced by the amount of subsidies, mechanization level, whether to participate in technical training, profit per hectare of cotton, whether to join cooperatives, education level, planting scale and whether to work outside. It is concluded that the following aspects should be taken into consideration to improve the technical efficiency of cotton production in Manas County: (1) change the cotton production method to help improve the quality of cotton production; (2) increase the cotton target price subsidy and continue to deepen the reform of the target price subsidy policy; (3) conduct moderate scale operation to achieve the optimal allocation of production factors; (4) intensify the technical training and guidance for cotton farmers.

Key words: Manas county, cotton, technical efficiency of cotton production, DEA-Tobit model

QI Huan, LI Jinmei. Study on Technical Efficiency Measurement and Influencing Factors of Cotton Production in Manas County of Xinjiang[J]. Chinese Agricultural Science Bulletin, 2023, 39(17): 147-155.

Figures/Tables 8

References 25

[1]	MARTIN J P, PAGE J R. The impact of subsidies on X-efficiency in LDC industry: Theory and an empirical test[J]. The review of economics and statistics, 1983, 65(4):608-617. doi: 10.2307/1935929 URL
[2]	KARAGIANNIS G, SARRIS A. Measuring and explaining scale efficiency with the parametric approach the case of Greek tobacco growers[J]. Agricultural economics, 2005, 33(9):441-451. doi: 10.1111/agec.2005.33.issue-s3 URL
[3]	ZHU X, ROBERT M D. Technical efficiency and productivity differentials of dairy farms in three EU countries: The role of CAP subsidies[J]. Agricultural economics review, 2012, 13(1):66-92.
[4]	YOUNG C E, WESTCOTT P C. How decoupled is U. S. agricultural support for major crops?[J]. American journal of agricultural economic, 2000, 82(3):762-767 doi: 10.1111/ajae.v82.3 URL
[5]	KUMBHAKAR S C, LIEN G. Impact of subsidies on farm productivity and efficiency[M]. The economic impact of public support to agriculture. New York: Springer, 2010.
[6]	LATRUFFE L, BORIS E BRAVO-URETA, CARPENTIER A, et al. Subsidies and technical efficiency in agriculture: Evidence from European dairy farms[J]. American journal of agricultural economics, 2017, 99(3):783-799. doi: 10.1093/ajae/aaw077 URL
[7]	石晶, 李林. 基于DEA-Tobit模型的中国棉花生产技术效率分析[J]. 技术经济, 2013, 32(6):79-84.
[8]	祝宏辉, 耿蕾. 新疆兵团棉花生产技术效率及影响因素分析[J]. 科技管理研究, 2015, 35(20):90-94.
[9]	王利荣. 目标价格补贴政策对棉花生产效率的影响分析[J]. 农业经济与管理, 2021(3):50-60.
[10]	朱满德, 李辛一, 程国强. 综合性收入补贴对中国玉米全要素生产率的影响分析——基于省级面板数据的DEA-Tobit两阶段法[J]. 中国农村经济, 2015(11):4-14,53.
[11]	白玛雍珍. 我国农业生产的技术效率及其影响因素——基于SFA的实证分析[J]. 商业经济研究, 2016(23):172-174.
[12]	董奋义, 介宇扬, 韩咏梅. 基于随机前沿分析模型的河南省小麦生产技术效率测算与评价[J]. 河南农业大学学报, 2016, 50(6):831-836.
[13]	肖阳, 朱立志. 基于DEA-Tobit模型的马铃薯生产效率分析——以甘肃省定西市为例[J]. 中国农业资源与区划, 2016, 37(6):37-43.
[14]	高鸣. 脱钩收入补贴对小麦生产率有影响吗?——基于农户的微观证据[J]. 中国农村经济, 2017(11):47-61.
[15]	贾娟琪, 孙致陆, 李先德. 粮食价格支持政策提高了我国粮食全要素生产率吗?——以小麦最低收购价政策为例[J]. 农村经济, 2019(1):67-72.
[16]	江东坡, 朱满德, 伍国勇. 收入性补贴提高了中国小麦生产技术效率吗——基于随机前沿函数和技术效率损失函数的实证[J]. 农业现代化研究, 2017, 38(1):15-22.
[17]	徐榕阳, 马琼. 基于随机前沿生产函数的新疆棉花生产技术效率分析——以棉农问卷调查数据为例[J]. 干旱区资源与环境, 2017, 31(4):22-27.
[18]	王善高, 许昭, 刘吉双. 粮食收入性补贴对粮食生产技术效率的影响分析——以不同规模稻谷种植为例[J]. 农林经济管理学报, 2020, 19(3):297-306.
[19]	徐建玲, 储怡菲, 严洁君. 临时收储政策对玉米生产技术效率的影响研究[J]. 新疆农垦经济, 2020(3):40-50.
[20]	戴鹏, 李容容, 翟雪玲. 临时收储和目标价格补贴对棉花技术效率的影响——基于面板分数响应模型的实证分析[J]. 湖南农业大学学报(社会科学版), 2022, 23(2):1-9.
[21]	段永瑞. 数据包络分析——理论和应用[M]. 上海: 上海科学普及出版社, 2006.
[22]	魏权龄. 数据包络分析[M]. 北京: 科学出版社, 2004.
[23]	陈强. 高级计量经济学及Stata应用[M]. 北京: 高等教育出版社, 2014.
[24]	高升, 邓峰. 目标价格政策对我国棉花生产效率影响评价研究——基于DEA-Malmquist指数模型和变系数模型[J]. 价格理论与实践, 2019(9):54-57.
[25]	续竞秦, 杨永恒. 中国棉花生产技术效率及其影响因素分析[J]. 技术经济与管理研究, 2012(7):15-19.

指标	体系层	指标层
体系	产出/(kg/hm²)	棉花单产
体系	投入/（元/hm²）	种子费、肥料费、农膜费、排灌费、人工费、农机费

指标	体系层	指标层
体系	产出/(kg/hm²)	棉花单产
体系	投入/（元/hm²）	种子费、肥料费、农膜费、排灌费、人工费、农机费

指标	变量名称	样本数	均值	标准差	最小值	最大值
投入	种子费	350	910.80	164.29	450	1500
	肥料费	350	3762.00	1184.90	750	8250
	农膜费	350	894.21	250.96	525	2250
	排灌费	350	2289.43	698.70	1050	5175
	人工费	350	1120.78	834.33	150	4500
	农机费	350	5265.09	1082.54	1950	9300
产出	单产	350	6211.94	658.37	3036	7755

指标	变量名称	样本数	均值	标准差	最小值	最大值
投入	种子费	350	910.80	164.29	450	1500
	肥料费	350	3762.00	1184.90	750	8250
	农膜费	350	894.21	250.96	525	2250
	排灌费	350	2289.43	698.70	1050	5175
	人工费	350	1120.78	834.33	150	4500
	农机费	350	5265.09	1082.54	1950	9300
产出	单产	350	6211.94	658.37	3036	7755

变量类型	变量名称	符号	变量说明	均值	标准差	最小值	最大值	预期方向
被解释变量	综合技术效率值	Y₁	Deap2.1软件测算	0.825	0.120	0.354	1
	纯技术效率值	Y₂	Deap2.1软件测算	0.884	0.100	0.545	1
	规模效率值	Y₃	Deap2.1软件测算	0.933	0.100	0.478	1
核心解释变量	补贴金额^*	X₁	领取的补贴/元	11.147	0.552	9.453	12.827	+
核心解释变量	种植规模	X₂	棉花种植面积/hm²	10.923	6.040	1.600	46.677	+/-
控制变量	受教育水平	X₃	小学=1，初中=2，高中=3，大专=4，本科及以上=5	1.960	0.752	1	5	+
	种棉年限	X₄	实际种棉时间/年	21.554	7.738	3	40	+
	植棉劳动力	X₅	种植棉花人数/个	1.834	0.621	1	5	+
	每公顷纯收益^**	X₆	棉花纯收入/种植规模	8.815	0.476	6.562	10.062	+
	机械化水平^***	X₇	农机费/总费用	0.296	0.054	0.108	0.456	+
	是否外出务工	X₈	0=否；1=是	0.137	0.344	0	1	+/-
	是否参加技术培训	X₉	0=否；1=是	0.649	0.478	0	1	+
	是否加入合作社	X₁₀	0=否；1=是	0.249	0.433	0	1	+