茶产业生产效率研究主要结论分析

茶园生态化建设模式，涵盖茶叶品种、栽培、土壤、生物、植保、肥料等领域。秉承以人类为中心的理性生态伦理学思想，为复兴茶产业而努力。

对主要结论的分析1.全国性研究侧重主产茶地区，以早期数据为主，研究的中心是全要素生产率和综合技术效率。

这些研究在整体层面缺乏近期数据，其原因可能是难以获得有效数据，或者近期数据不统一、不连贯。也正是因为数据的原因，分省和地区的茶叶生产效率研究成为研究者们主攻的研究方向。基于此，近期的全国范围的茶叶生产效率研究将成为研究的重点。外文文献研究主要的发现体现于主产茶国家的生产效率水平总体不高，劳动力和土地投入是影响效率的主要因素，各国(包括我国)也都普遍存在投入冗余问题。

2.分省的研究主要集中于综合技术效率研究，运用全要素生产率的研究主要涉及对福建和贵州两省的茶产业。

这些产茶省区的茶产业全要素生产率的变化主要由技术进步引起;其茶产业综合技术效率呈波动提升趋势，水平不高，主要的影响因素是规模效率和纯技术效率，排在第一位的是劳动要素的投入，第二位是土地要素投入，第三位是技术投入，第四位是资本的投入。

3.对福建省和台湾地区的比较研究主要是侧重于二者的综合技术效率高低。

1999—2007年，福建省茶产业全要素效率和技术进步方面都优于台湾地区。2005—2017年，台湾地区茶产业的综合技术效率略高于大陆地区，是纯技术效率和规模效率的共同影响的结果。福建省和台湾地区茶产业生产效率互有高低，差异不大，但是其影响因素不同，具有互补合作的基础。规模效率共同影响福建省和台湾地区的茶叶生产效率，福建优于技术进步，台湾优于纯技术效率较高。

对研究方法的分析

中文文献中，茶叶全要素生产率的研究使用的方法主要有两类。第一类是非参数法。非参数法尽量回避生产函数，先后出现了指数法和数据包络分析法(DEA)。DEA方法是处理多投入多产出生产方式的相对效率衡量方法，也是最近比较热门的生产效率衡量方法。该种方法不需要确定函数形式，允许无效率的存在，计算也相对简单。基于这些优势，众多学者采用了DEA方法测算茶产业生产效率，主要有普通的DEA方法和基于DEA的Malmquist指数法。

利用普通DEA方法测算的是茶生业综合技术效率，DEA-Malmquist指数法测算的是茶生业的全要素生产率。全要素生产率衡量的是生产效率的变化量，它可以分解为综合技术效率变化和技术进步变化两类。研究全国性的茶叶生产效率使用DEA-Malmquist指数法的研究较为常见，研究地域茶叶生产效率多运用普通DEA方法。当然，方法的集中并不能够突出各类研究的差异，这些研究在普通DEA方法和DEA-Malmquist指数法的基础上往往伴随使用其他方法以增加自身研究的特性。例如两阶段DEA模型，在DEA分析中加入Tobit模型，还有层次分析法、主成分分析法、Cobb-Douglas生产函数模型，等等;在DEA模型基础上构建效益规模判定模型、非射线性russellmeasureDEA模型以及非径向DEA-SBM模型，等等。这些多样化的研究方法增加了茶产业生产效率研究的科学性和合理性。

第二类方法是参数法。参数法更依赖于设定生产函数，参数法主要有索洛余值法(SRA)和随机前沿生产函数法。随机前沿生产函数法对应的是随机前沿分析(SFA)，在研究中该方法会考虑随机影响，研究具有统计特性，且对跨期研究结果更具有现实性。基于这一特性，一些研究者们常用该方法进行跨期效率分析。多数国外学者和部分国内学者使用SFA方法研究茶产业生产效率。SFA方法主要衡量茶产业技术效率以及技术效率的影响因素。SFA方法也可搭配聚类分析、Tobit模型、区位商和集中系数、贸易非效率模型等，进行联合使用。从总体研究数量上来看，中文文献使用DEA方法居多，SFA方法次之。

在外文文献的研究中，利用随机前沿模型研究居多数。当然，联合使用其他方法来研究也颇为常见。譬如。JianLiuetal.加入了技术无效率模型，KarabiDasetal.、ShrabantiMaityetal.则引入了柯布道格拉斯生产函数。研究方法的多样化，一定程度上增加了茶产业研究的科学性和可信度，也为此后的茶产业研究提供了大量可靠的数据和分析基础。

由于不同研究者构造的全要素投入指数不同，所以不同研究得出的全要素生产率是不同的，它们之间不具有可比性。在分析时要注意衡量某一产业全要素生产率投入产出指标的规范性和契合性，使该产业全要素生产率研究具有相对统一的标准，以利于该产业生产效率的整体比较和全局衡量。

(安根团队摘自于转利：试析近年来中国茶产业生产效率研究进展)

来源：安根团队

如涉及版权问题请联系删除