DOI: https://doi.org/10.3389/fsufs.2026.1740946
تاريخ النشر: 2026-04-01
المؤلف: Yuan Jing وآخرون
الموضوع الرئيسي: تحليل الكفاءة باستخدام DEA
نظرة عامة
تستخدم هذه الدراسة نموذج تحليل كفاءة الإنتاج الزراعي (DEA) من ثلاث مراحل، معززًا بأساليب Bootstrap ومؤشر Malmquist، لتقييم كفاءة الإنتاج الزراعي عبر المناطق الشرقية والوسطى والغربية في الصين من 2014 إلى 2023. تتناول الدراسة أوجه القصور في نماذج DEA التقليدية، التي غالبًا ما تخلط بين المتغيرات البيئية والأخطاء العشوائية، مما يؤدي إلى تقديرات كفاءة مبالغ فيها. تشير النتائج الرئيسية إلى أن نموذج DEA-Bootstrap من ثلاث مراحل يوفر فصلًا أكثر دقة بين عدم كفاءة الإدارة والعوامل البيئية، مما يكشف عن تفاوتات إقليمية كبيرة في الكفاءة الزراعية. على وجه التحديد، تُظهر التحليلات الثابتة نمطًا من “القيادة الشرقية، اللحاق الغربي، والتقدم الثابت في الوسط”، حيث تتمتع المقاطعات الشرقية مثل قوانغدونغ وزhejiang بمزايا كفاءة تعود أساسًا إلى الظروف الخارجية المواتية بدلاً من القدرات الإدارية البحتة.
ديناميكيًا، تجد الدراسة أن الإنتاجية الإجمالية للعوامل (TFP) قد نمت بمعدل سنوي متوسط قدره 9.0%، مدفوعة بشكل أساسي بالتقدم التكنولوجي، بينما كانت التحسينات في الكفاءة التقنية ضئيلة. ومن الجدير بالذكر أن المقاطعات الغربية قد تفوقت في التقدم التكنولوجي، بينما شهدت المقاطعات الشرقية ركودًا. تسلط الدراسة الضوء على أن الفروق الإقليمية في التقدم التكنولوجي ضرورية لفهم التباينات في الكفاءة الزراعية. تؤكد التوصيات السياسية على الحاجة إلى تدخلات مستهدفة: يجب على المقاطعات الشرقية التركيز على تعزيز الابتكار التكنولوجي، بينما تحتاج المناطق الوسطى والغربية إلى تحسينات في ممارسات الإدارة والبنية التحتية للاستفادة بشكل أفضل من المكاسب التكنولوجية. تعترف الدراسة بالقيود، بما في ذلك حجم العينة المحدود المكون من 15 مقاطعة، وتقترح أن تشمل الأبحاث المستقبلية جميع الوحدات الإقليمية والمتغيرات البيئية الإضافية لتعزيز قوة تقييمات الكفاءة.
مقدمة
تسلط مقدمة الورقة الضوء على الدور الحاسم للزراعة في الاقتصاد الوطني للصين وأهميتها في استراتيجية إحياء الريف. تؤكد على الفجوات الإقليمية في كفاءة الإنتاج الزراعي عبر شرق ووسط وغرب الصين، المدفوعة بالفروق في التوزيع الموارد والأسس الاقتصادية والبيئات السياسية. يجادل المؤلفون بأن تقييم كفاءة الإنتاج الزراعي بدقة وفهم تطوره الديناميكي أمران ضروريان لتحسين تخصيص الموارد ومعالجة الفوارق الإقليمية. يتم انتقاد نماذج تحليل كفاءة الإنتاج الزراعي التقليدية (DEA) لعدم قدرتها على حساب المتغيرات البيئية والأخطاء العشوائية، مما يحد من فعاليتها في عكس الكفاءة الإدارية الحقيقية.
لمعالجة هذه القيود، تستخدم الورقة نموذج DEA من ثلاث مراحل مع أساليب إحصائية من Bootstrap، وتحلل بيانات لوحة متوازنة من 15 مقاطعة على مدى عقد (2014-2023). يهدف هذا النهج إلى القضاء على تأثير العوامل البيئية والاضطرابات العشوائية، مما يعيد مستويات الكفاءة الحقيقية للإنتاج الزراعي. بالإضافة إلى ذلك، يتم استخدام نموذج مؤشر Malmquist لتفكيك العوامل المحركة وراء التغيرات في الإنتاجية الإجمالية للعوامل (TFP). تشمل مساهمات الدراسة إطارًا منهجيًا قويًا يدمج DEA من ثلاث مراحل مع Bootstrap وتفكيك Malmquist، وتحليل شامل عبر المناطق على مدى فترة زمنية ممتدة، ونتائج تجريبية جديدة تكشف عن المبالغة في تقدير الكفاءة في المقاطعات ذات البيئات المواتية ووجود التقدم التكنولوجي كمحرك لنمو TFP. توفر هذه الرؤى أدلة قيمة لصياغة سياسات زراعية متميزة وتعزيز التنمية الزراعية المنسقة في الصين.
نقاش
تسلط قسم النقاش في ورقة البحث الضوء على تطور منهجيات قياس كفاءة الإنتاج الزراعي، مقارنًا بين الأساليب البارامترية التقليدية مثل تحليل الحدود العشوائية (SFA) والأساليب غير البارامترية مثل تحليل كفاءة الإنتاج الزراعي (DEA). بينما يتطلب SFA مواصفات محددة لوظائف الإنتاج وافتراضات توزيع، فإن مرونة DEA تسمح له بالتعامل مع سيناريوهات متعددة المدخلات والمخرجات دون أشكال وظيفية محددة مسبقًا. ومع ذلك، يمكن أن تُنسب عدم الكفاءة في DEA التقليدي إلى عوامل بيئية خارجية، مما دفع إلى التقدم الأخير نحو أطر DEA متعددة المراحل التي تعدل لهذه التأثيرات. تؤكد الورقة على فائدة مؤشرات من نوع Malmquist في تقييم ديناميات الإنتاجية الإجمالية للعوامل (TFP)، مشيرة إلى أن التمديدات مثل مؤشر Malmquist-Luenberger (ML) تسهل تقييم المخرجات غير المرغوب فيها، مما يعزز تحليل الإنتاجية الخضراء.
تهدف الدراسة إلى معالجة الفجوات الموجودة في الأدبيات من خلال استخدام إطار عمل DEA-Bootstrap من ثلاث مراحل مع مؤشر Malmquist الكلاسيكي لتقييم كفاءة الإنتاج الزراعي عبر مختلف المقاطعات في الصين. يسمح هذا النهج بتحليل متماسك للكفاءة الثابتة والتغيرات الديناميكية في TFP مع الأخذ في الاعتبار الفجوات الإقليمية. تشير النتائج التجريبية إلى وجود تباين إقليمي كبير في الكفاءة الزراعية، حيث تظهر المقاطعات الشرقية أعلى مستويات الكفاءة، تليها المقاطعات الغربية التي تتحسن بسرعة. يكشف التحليل عن اتجاه تصاعدي ملحوظ في كفاءة الإنتاج الزراعي من 2014 إلى 2023، مدفوعًا بشكل أساسي بالتقدم التكنولوجي وتحسين ممارسات الإدارة، بينما يبرز أيضًا الحاجة إلى مزيد من دمج التعديلات البيئية في تقييمات الكفاءة لمقارنات عبر المناطق أكثر قوة.
DOI: https://doi.org/10.3389/fsufs.2026.1740946
Publication Date: 2026-04-01
Author(s): Yuan Jing et al.
Primary Topic: Efficiency Analysis Using DEA
Overview
This research employs a three-stage Data Envelopment Analysis (DEA) model, enhanced by Bootstrap and Malmquist index methodologies, to assess agricultural production efficiency across China’s eastern, central, and western regions from 2014 to 2023. The study addresses the shortcomings of traditional DEA models, which often conflate environmental variables with random errors, leading to overestimated efficiency metrics. Key findings indicate that the three-stage DEA-Bootstrap model provides a more accurate separation of management inefficiencies from environmental factors, revealing significant regional disparities in agricultural efficiency. Specifically, the static analysis shows a pattern of “eastern leadership, western catch-up, and central steady progress,” with eastern provinces like Guangdong and Zhejiang exhibiting efficiency advantages largely attributable to favorable external conditions rather than pure management capabilities.
Dynamically, the study finds that total factor productivity (TFP) has grown at an average annual rate of 9.0%, primarily driven by technological advancements, while improvements in technical efficiency have been minimal. Notably, western provinces have excelled in technological progress, whereas eastern provinces have experienced stagnation. The research highlights that regional differences in technological progress are crucial for understanding variations in agricultural efficiency. Policy recommendations emphasize the need for targeted interventions: eastern provinces should focus on enhancing technological innovation, while central and western regions require improvements in management practices and infrastructure to better harness technological gains. The study acknowledges limitations, including the restricted sample size of 15 provinces, and suggests future research should encompass all provincial units and additional environmental variables to enhance the robustness of efficiency assessments.
Introduction
The introduction of the paper highlights the critical role of agriculture in China’s national economy and its significance in the rural revitalization strategy. It emphasizes the regional disparities in agricultural production efficiency across eastern, central, and western China, driven by differences in resource endowment, economic foundations, and policy environments. The authors argue that accurately assessing agricultural production efficiency and understanding its dynamic evolution are essential for optimizing resource allocation and addressing regional inequalities. Traditional Data Envelopment Analysis (DEA) models are critiqued for their inability to account for environmental variables and random errors, which limits their effectiveness in reflecting true management efficiency.
To address these limitations, the paper employs a three-stage DEA model combined with Bootstrap statistical methods, analyzing balanced panel data from 15 provinces over a decade (2014-2023). This approach aims to eliminate the influence of environmental factors and random disturbances, thereby restoring the true efficiency levels of agricultural production. Additionally, the Malmquist index model is utilized to decompose the driving factors behind changes in total factor productivity (TFP). The study’s contributions include a robust methodological framework that integrates three-stage DEA with Bootstrap and Malmquist decomposition, a comprehensive cross-regional analysis over an extended time frame, and novel empirical findings that reveal the overestimation of efficiency in provinces with favorable environments and the predominance of technological progress as a driver of TFP growth. These insights provide valuable evidence for formulating differentiated agricultural policies and promoting coordinated agricultural development in China.
Discussion
The discussion section of the research paper highlights the evolution of agricultural production efficiency measurement methodologies, contrasting traditional parametric approaches like Stochastic Frontier Analysis (SFA) with non-parametric methods such as Data Envelopment Analysis (DEA). While SFA requires specific production function specifications and distributional assumptions, DEA’s flexibility allows it to handle complex multi-input and multi-output scenarios without pre-defined functional forms. However, conventional DEA can misattribute inefficiencies to external environmental factors, prompting recent advancements towards multi-stage DEA frameworks that adjust for these influences. The paper emphasizes the utility of Malmquist-type indices for assessing total factor productivity (TFP) dynamics, noting that extensions like the Malmquist-Luenberger (ML) index facilitate the evaluation of undesirable outputs, thus enhancing the analysis of green productivity.
The study aims to address existing gaps in the literature by employing a three-stage DEA-Bootstrap framework combined with the classical Malmquist index to assess agricultural production efficiency across various provinces in China. This approach allows for a coherent analysis of static efficiency and dynamic TFP changes while accounting for regional disparities. Empirical findings indicate significant regional heterogeneity in agricultural efficiency, with the eastern provinces exhibiting the highest efficiency levels, followed by the western provinces, which are rapidly improving. The analysis reveals a notable upward trend in agricultural production efficiency from 2014 to 2023, driven primarily by technological advancements and improved management practices, while also highlighting the need for further integration of environmental adjustments in efficiency assessments for more robust cross-regional comparisons.