Measure of Production Efficiency and Analysis of Influencing Factors in Main Maize Producing Provinces:An Empirical Study Based on DEA-Tobit Model

doi:10.11924/j.issn.1000-6850.casb2020-0582

Abstract

Abstract:

By using maize input-output panel data from China’s 20 provinces (municipalities and autonomous regions) in 2004 - 2018 and using DEA-Malmquist method, this paper analyzed the change of the efficiency of maize production and spatial differences in China and maize input-output redundancy in production within the study phase. At the same time, this paper used Tobit model to analyze the main factors that influencing the efficiency of maize production in China. The results show that technological progress is the main key factor to promote the growth of total factor productivity of maize in China, and the result of improvement of comprehensive technical efficiency is not obvious, which mainly depends on the increase of scale efficiency. Overall, the order of China’s maize production comprehensive technical efficiency from high to low is: the northern spring planting maize area > northwest irrigated maize area > yellow Huaihai summer planting maize area > southwest mountain maize area. In Shanxi, Liaoning, Shandong, Hubei, Yunnan, Shaanxi and Gansu Province, there is insufficient output or redundant input. The total power of agricultural machinery, the damage area and the regional difference have significant influence on the technical efficiency of maize production. Based on the research conclusions, three suggestions are put forward, first, cultivating new technical talents and strengthening the development power of maize; second, improving infrastructure to mitigate the impact of natural disasters; third, implementing structural adjustment policy and carrying out scale moderate management.

Key words: maize, production efficiency, DEA, redundancy rate, influencing factors

CLC Number:

F326.11

Ding Qi, Yang Yantao, An Yan. Measure of Production Efficiency and Analysis of Influencing Factors in Main Maize Producing Provinces:An Empirical Study Based on DEA-Tobit Model[J]. Chinese Agricultural Science Bulletin, 2021, 37(23): 151-157.

Figures/Tables 8

References 15

[1]	马晓玲, 蒙卫华. “十四五”时期广东潜在经济增长率研究——基于生产函数法的预测[J]. 广东经济, 2019(7):72-77.
[2]	金梅, 黎柏宏. 基于CES函数的甘肃产能过剩实证研究[J]. 兰州交通大学学报, 2017, 5(5):47-51.
[3]	王力, 陈前, 刘景德, 等. 中国棉花生产要素投入贡献率测算与分析——基于时变弹性生产函数法[J]. 浙江农业学报, 2017(11):1938-1948.
[4]	李俊茹, 王明利, 杨春, 等. 中国肉牛产业全要素生产率的区域差异与影响因素——基于2013—2017年15省区的面板数据[J]. 湖南农业大学学报:社会科学版, 2019, 5(6):46-55.
[5]	李聪, 王超杰, 王承武. 基于随机前沿分析法下我国棉花生产技术效率研究[J]. 江西农业学报, 2019(11):146-150.
[6]	蔡荣, 汪紫钰. 中国玉米生产的环境效率及其时空分异——兼论玉米临时收储政策的环境影响[J]. 农林经济管理学报, 2019(5):569-578.
[7]	王军, 徐晓红, 王洪丽, 等. 中国核心优势产区玉米生产效率增长及其分解分析[J]. 玉米科学, 2010(6): 18,133-137,142.
[8]	江激宇, 刘玉洁. 中国玉米全要素生产率区域差异的影响研究[J]. 重庆工商大学学报:社会科学版, 2018(4): 35,11-19.
[9]	延桢鸿, 马丁丑. 小麦全要素生产率变化及其影响因素分析[J]. 上海农业学报, 2019(4): 35,114-120.
[10]	李明文, 王振华, 张广胜. 东北玉米种植结构调整与粮食高质量增长——基于全要素生产率视角[J]. 农业现代化研究, 2019(5): 40,745-754.
[11]	全炯振. 中国农业全要素生产率增长的实证分析:1978—2007年——基于随机前沿分析（SFA)方法[J]. 中国农村经济, 2009(9):36-47.
[12]	赵贵玉, 王军, 张越杰. 基于参数和非参数方法的玉米生产效率研究——以吉林省为例[J]. 农业经济问题, 2009(2):15-21,110.
[13]	张越杰. 中国东北地区玉米生产效率的实证研究——以吉林省为例[J]. 吉林农业大学学报, 2008(4): 30,632-639.
[14]	王志丹, 孙占祥, 张广胜, 等. 辽宁省玉米全要素生产率分解及投入优化——以辽宁省沈阳市新民市为例[J]. 江苏农业科学, 2017(3): 45,306-309.
[15]	刘念, 李晓云, 黄玛兰. 中国玉米生产要素使用效率时空分析——基于DEA模型的实证[J]. 江苏农业科学, 2017(24):348-352.

一级指标	二级指标	指标解释	单位
投入变量	劳动	玉米每公顷用工数量	日
	土地	玉米播种面积	万hm²
	化肥	玉米每公顷化肥用量	kg
	种子	玉米每公顷种子用量	kg
产出变量	产量	玉米产量	万t

一级指标	二级指标	指标解释	单位
投入变量	劳动	玉米每公顷用工数量	日
	土地	玉米播种面积	万hm²
	化肥	玉米每公顷化肥用量	kg
	种子	玉米每公顷种子用量	kg
产出变量	产量	玉米产量	万t

变量	符号	均值	标准差	最小值	最大值
农业机械总动力	jx	724662.9	3221400	621.875	14410870
人均GDP	gdp	14805.82	4854.989	8380.111	30799.1
农作物总播种面积	area	7111.446	3572.247	1165	14783.4
受灾面积	sz	937.125	963.0222	70.9	4155
有效灌溉面积	irr	2870.015	1748.53	523.45	6119.57
北方春播玉米区	D₀	0.3	0.4701623	0	1
黄淮海夏播玉米区	D₁	0.3	0.4701623	0	1
西南山地玉米区	D₂	0.3	0.4701623	0	1

变量	符号	均值	标准差	最小值	最大值
农业机械总动力	jx	724662.9	3221400	621.875	14410870
人均GDP	gdp	14805.82	4854.989	8380.111	30799.1
农作物总播种面积	area	7111.446	3572.247	1165	14783.4
受灾面积	sz	937.125	963.0222	70.9	4155
有效灌溉面积	irr	2870.015	1748.53	523.45	6119.57
北方春播玉米区	D₀	0.3	0.4701623	0	1
黄淮海夏播玉米区	D₁	0.3	0.4701623	0	1
西南山地玉米区	D₂	0.3	0.4701623	0	1

年份	综合技术效率变化	技术进步	纯技术效率变化	规模效率变化	全要素生产率
2004—2005	0.975	1.015	0.994	0.981	0.990
2005—2006	0.994	0.996	1.001	0.993	0.989
2006—2007	1.015	0.962	1.005	1.010	0.976
2007—2008	0.999	0.997	1.003	0.995	0.996
2008—2009	0.984	1.037	0.998	0.987	1.021
2009—2010	1.009	0.970	1.001	1.008	0.978
2010—2011	1.015	0.937	0.990	1.025	0.951
2011—2012	1.050	0.915	1.003	1.047	0.96
2012—2013	0.976	0.993	0.986	0.990	0.969
2013—2014	0.951	1.073	0.999	0.951	1.02
2014—2015	1.048	0.909	1.014	1.033	0.953
2015—2016	0.933	1.061	0.992	0.941	0.991
2016—2017	1.038	0.957	0.995	1.044	0.994
2017—2018	0.972	1.013	0.971	1.001	0.984
平均	0.996	0.987	0.996	1.000	0.983