农村居民 家庭人均 纯收入 城市化水平 财政支农支出 乡村就业人口平均受教育年限 1.933* (2.168) -11.04* 2.476** (3.622) -8.245*** (-8.192) 5.445*** (8.321) -6.976*** (-8.215) 2.053*** (4.169) -2.223** (-2.228) 5.029*** (6.743) -5.603** (-5.702) -0.552 (-0.871) -3.377*** (-3.396) 4.754** (4.380) -3.632** (-3.092) 1.166* (2.044) -10.107** (-4.433) 2.602*** (10.399) -1.295* (-3.112) 2.594*** (12.380) -4.137* (-1.983) 5.519*** (3.429) -4.546 (-1.365) -0.395 (-0.354) -4.896** (-4.964) 受灾面积 R2v C Log likelihood loglikelihood LR test of theone-sided error 01272* 0.183* 0.645* (21302) (1.804) (1.933) 1.759* 1.479*** 0.980** (2.016) (3.223) (2.775) 0.999*** 0.999*** 0.999*** (4.528) (11.542) (5.012) -121524 3.720 -171281 5.399 -131265 4.833 0.332* (1.901) 0.118* (2.158) 0.000* (2.162) -131517 4.931 0.407* (3.805) 0.013* (1.944) 0.000* 1.961) -151787 5.021 0.403 (1.933) 6.392** (4.930) 0.999** (3.518) -221387 4.851 注:*、**、***分别表示在10%、5%、1%显著性水平上显著;括号中的数为相应估计的t统计量。
进一步考察各环境因素对六种投入松弛变量的系数，由于环境变量是对各投入松弛变量的回归，所以当回归系数为负时，表示增加环境变量值有利于减少投入松弛量，即有利于减少各投入变量的浪费或降低负产出；反之，当回归系数为正时，则表示增加环境变量将会增加投入松弛量，从而导致各投入变量的浪费或减少产出。下面逐一说明五种环境变量对各投入松弛变量的影响。
（1）农村居民家庭人均纯收入。该变量对六种投入松弛变量的系数均为正,并且均能通过10%的显著性检验。也就是说农村居民家庭人均纯收入增加时，六种投入的松弛量将会增加，从而对农业生产效
率产生不利的影响。这一结论与理论预期刚好相反，但这也恰好反映了我国农业生产仍属于高投入的粗放模式。一方面，农村居民收入增加时，诱使过量的劳动力返回到农业战线，促使劳动力投入冗余增加；另一方面，收入的增加又促使农民增加其他各种要素的投入，由于我国农民农业生产技能的欠缺及投资渠道的贫乏，不当的投入只会导致各投入要素松弛变量的增加，从而对农业生产效率产生负面影响。
（2）城市化水平。城市化水平的提升对六种投入的松弛变量都是有利的,其系数均为负，且除对灌溉投入松弛变量的影响不显著外，对其他五种投入松弛变量的t值均通过10%显著性水平的检验。这表明城市化水平的提升确实能实现资源的有效配置，从而提升农业生产效率，这一结论与理论预期是一致的。
（3）财政支农支出。与理论预期不一致的是，财政支农支出的增加仅对农业机械动力投入和灌溉投入松弛变量的系数为负，但t检验结果并不显著；对劳动力、土地、化肥及役畜投入松弛变量的系数均为正，且均能通过10%的显著性检验。这说明财政支农对农业生产效率并没有起到应有的作用，提高财政支农支出会导致投入松弛量的增加，这可能是由于政府惠农政策往往会增加农户的收入预期，鼓励农户扩大经营规模,但盲目地扩大规模增加投入会造成对生产要素的粗放利用。
（4）乡村就业人口平均受教育年限。该变量对六种投入松弛变量的回归系数均为负，且在10%显著性水平上显著。这说明乡村就业人口平均受教育年限对农业生产效率的提高是有利因素，农村劳动力
受教育程度的提高能显著地减少各种投入的浪费，因而提升农业生产效率，这与理论预期完全一致。
（5）受灾面积。受灾面积对六种投入松弛变量的回归系数均为正，且均通过10%显著性水平检验，这说明自然灾害的发生导致产出的减少，在保证同等产出的条件下意味着各种投入的增加，造成投入松弛量的增加。也就是说，自然灾害对农业生产效率产生不利的影响，这与理论预期一致。由于各环境变量对于不同省市的影响有所不同，可能导致一些面临较好经营环境或运气的地区具有较佳的效率表现,而一些面临较差经营环境或运气的地区农业生产效率则表现较差。因此,必须调整原投入变量,使所有地区面对同样的经营环境与经营运气,进而考察其真实的效率水平。
3．第三阶段投入调整后的DEA实证结果
根据式（3）调整投入变量，并将调整后的投入值与原始产出再次代入BCC模型进行分析，得到第三阶段各决策单元的效率值及规模报酬状态，如表4所示
表4
第三阶段各省区市相同环境下的农业生产技术效率、纯技术效率及规模效率值 地 区 TE1 北京 天津 河北 山西 辽宁 吉林 上海 0.898 0.578 0.760 0.335 1.000 0.813 1.000 PTE1 1.000 0.799 0.812 0.552 0.748 1.000 0.826 0.765 1.000 SE1 0.898 0.724 0.937 0.606 0.952 1.000 0.985 0.985 1.000 规模报酬 irs irs drs irs irs -- drs irs -- 地区 湖北 湖南 广东 广西 海南 重庆 四川 贵州 云南 TE1 0.863 0.975 1.000 0.794 1.000 0.615 1.000 0.505 0.578 PTE1 0.931 0.995 1.000 0.822 1.000 0.142 1.000 0.685 0.616 SE1 0.927 0.981 1.000) 0.966 1.000 0.829 1.000 0.737 0.938 规模报酬 drs drs -- drs -- irs -- irs irs 内蒙古 0.712 黑龙江 0.754 江苏 浙江 安徽 福建 江西 山东 河南 1.000 1.000 0.573 1.000 0.732 0.908 0.590 1.000 1.000 0.598 1.000 0.777 1.000 0.730 1.000 1.000 0.959 1.000 0.941 0.908 0.808 -- -- drs --- irs drs drs 西藏 陕西 甘肃 青海 宁夏 新疆 0.230 0.525 0.441 0.286 0.336 0.727 1.000 0.603 0.685 0.968 0.751 0.730 0.843 0.230 0.871 0.644 0.295 0.448 0.996 0.857 irs irs irs irs irs irs 平均值 0.727 注: TE3表示第一阶段综合技术效率, PTE3表示第一阶段纯技术效率, SE3为第一阶段规模效率,TE3=PTE3*SE3。
为说明第三阶段DEA模型所测出的效率值更具客观性，并且更能说明各省市的农业生产状况，将第一阶段及第三阶段得出的效率值与各省市的人均农业产出值进行Spearman等级相关分析，结果如表5所示。由表5可知，在经过第二阶段的环境因素调整后，各省市的农业综合技术效率值、纯技术效率值及规模效率值与其人均农业产出值的相关度均有明显提高。这一结果表明第三阶段的测度结果比第一阶段更能真实地反映各省区市的管理效率状况，进一步说明第二阶段所进行的环境和随机因素的调整是极有必要的，应用三阶段DEA模型比传统DEA方法对农业生产效率进行测度更为合理和精确。
表5 各省区市农业生产效率值与人均农业产出的Spearman等级相关系数
TE1 综合技术效率 TE3 0.728*** (0.000) PTE1 纯技术效率 PTE3 0.619*** (0.000) SE1 0.155 (0.405) 效率 SE3 0.592*** (0.000) 人均农业0.606*** (0.000) 产出值 0.590*** (0.000) 注:***表示在1%显著性水平上显著。括号中的数为检验的p值。
进一步，对比表2和表4可知，剔除环境变量和随机因素的影响后,处于技术效率前沿面的省区市由7个上升到8个，其中辽宁、上海、江苏、浙江、福建和海南等6个省市仍处于技术效率前沿面，说明这几个省市的农业生产效率确实较好，相比第一阶段，广东和四川
晋升至效率前沿，表明广东和四川两个省份在剥离环境因素和随机干扰后的同质环境下农业生产是高效的；而北京则因规模效率的下降从技术效率前沿面退出，其之前的高效率并不能真实反映其技术管理水平。全国的平均技术效率由0.7上升到0.727，平均纯技术效率由0.807上升至0.843，而平均规模效率则由0.868下降至0.857，各省市农业规模状态也由规模报酬递减为主调整为以规模报酬递增为主。分省市来看，各省市第三阶段的农业生产效率与第一阶段相比变化较大。北京、天津、贵州、西藏、甘肃、青海及宁夏等7个省区市的综合技术效率均有所下降，表明它们之前的高效率与它们所处的有利环境和好运密切相关，它们的技术管理水平并没有看上去那么高；其中下降幅度最大的是西藏，其综合技术效率由0.861下降至0.23，下降的原因是其规模效率发生了变化，其余6个省市的规模效率也均有不同程度的下降。第三阶段农业生产效率相比第一阶段上升的省区共有15个，分别是河北、山西、内蒙古、吉林、黑龙江、安徽、江西、山东、河南、湖北、湖南、广东、广西、陕西和新疆，这些省市中除山西和陕西是因为纯技术效率的上升及导致技术效率的整体上升外, 其余13个省市技术效率的上升均是因为规模效率的增长所致；这一现象说明这些地区之前较低的技术效率确实是由于比较不利的环境或不好的运气所致，而非它们的技术管理水平低。
以0.9的效率值为临界点，按照纯技术效率及规模效率进行划分,可将我国农业生产效率分为四种类型，第一种类型为“双高型”,即纯技术效率及规模效率均在0.9以上的省市，包括处于技术效率前沿