一、引言
近年来，研究政策支持对企业经营业绩影响方面的文献逐渐增多。Beason(1996)等研究了投资补贴效应，发现补贴导致企业低增长以及规模报酬递减。Lee(1996)研究了投资补贴及信贷优惠政策，发现在韩国制造业生产部门中税收优惠政策同产出及资本增长成正相关。Bergstrom(2000)对瑞典企业1987-1993年投资补贴效应进行分析，发现企业在获得补贴的第一年，补贴会带来正面效应，但从第二年开始，补贴带来的是负面影响。近年来，随着政策的不断完善，我国对于农业企业的政策支持出现了多种形式，林万龙(2004)通过对2002年2月58家上市公司的数据进行实证分析，分析了补贴对上市农业公司产出增长的影响，针对特定企业进行优惠补贴的“专向性补贴政策”，认为我国农业龙头企业财税补贴扶持政策缺乏效率，因而也就谈不上对当地农产品产销的带动作用。这个结论意味着我国现行的龙头企业扶持政策在操作上存在很大的偏差。冷建飞(2007)通过收集农业上市公司2002-2005年的财务数据，把补贴政策作为研究的核心，结果发现税收补贴对上市公司盈利影响显著，但对提高农业上市公司的盈利作用非常小；收入补贴对上市公司盈利影响不显著，对农业上市公司盈利的提高没有帮助；税收补贴与收入补贴有助于增加农业上市公司当期的利润，但对农业上市公司提高长期的竞争能力不利。王昌(2009)通过选择2004-2006年农业产业化国家重点龙头企业中的41家上市公司为研究样本，采用平衡面板数据模型，分析了国家的财政补贴及税收优惠政策对农业龙头企业绩效的影响，结果表明，所得税优惠对上市公司的盈利有显著影响，但从长期看对其发展能力并无明显效应；收入补贴对上市公司的盈利和发展能力影响均不显著。
二、模型的选取与说明
本文采用测度企业绩效影响因素的DEA-Tobit两步法对2003-2010年江西省农业龙头企业的生产效率的变动及其影响因素进行分析。
根据一般定义，生产效率是指产出量与全部投入要素之比，表明产出量的变动与全部投入要素变动的关系，以衡量生产率的变化对经济增长的作用。生产效率一般是指生产系统的全要素生产率(Total Factor Productivity，TFP)。Fare(1994)将基于DEA算法的Malmquist生产效率指数分解为技术变化(Tch)和效率变化(Ech)，表明TFP增长是技术进步与效率提高综合作用的结果，而效率则是技术效率(Tech)与规模效率(Sech)的综合体现。规模效率的变化反映投入增长对总要素生产率变化的影响，技术效率反映生产领域中技术更新速度的快慢和技术推广的有效程度。Malmquist指数的分解如下式表示：
应用DEA方法得出决策单元效率值后，为了进一步分析评估效率值受哪些因素影响及其影响程度，在DEA分析中衍生出一种被称为“两阶段法”(Two-stage Method)的方法。第一步，先通过DEA模型评估出决策单元的效率值；第二步，做效率值(因变量)对各种影响因素的回归，并由自变量的系数判断影响因素对效率值的影响方向与影响强度。但是，由DEA模型确定的效率值(自变量)被限制在0～1之间，若用普通最小二乘法对模型直接回归，参数估计值会产生偏向于0的情形。为解决这一问题，Tobit于1958年提出了截取回归模型(Censored Regression Model)，又称为Tobit模型：
三、数据来源及指标选取
(一)决策单元的划分
本文选取26家江西省农业龙头企业2003-2010年的相关数据作为决策单元，样本数据来自于2011年3—5月的课题组与江西省农业厅农业产业化办公室共同进行的调查，并进行了整理，为了不影响企业商业数据的外泄，本文分别用1～26序号进行代表。
(二)指标选择与样本数据的获取
四、江西省农业龙头企业绩效的度量及其分析
(一)增长速度提高明显
在考察期内，江西农业龙头企业全要素生产率变化指数和技术进步变化指数在绝大多数年份都大于1，增长速度提高明显。从表1可以看出，农业龙头企业全要素生产率平均增长率为18.8%，主要源于技术进步率的提高(技术进步率平均增长率为19.5%)，仅2006-2007年全要素生产率的增长同时源于技术变化与技术效率的改进。技术变化指数在考察期内绝大部分都大于1，有正的技术进步的趋势。2003-2010年技术效率变化的平均增长率为-0.05%，说明江西农业龙头企业最优技术前沿的移动速度减慢了。
(二)技术效率的规模效应及投入与产出分析
为探讨2003-2010年江西省农业龙头企业技术效率的特点并寻找未达到有效值的根源，用基于产出导向的DEA模型CCR度量了各农业龙头企业的技术效率、纯技术效率和规模效率水平(见表2)。实证结果显示，江西省农业龙头企业技术效率主要存在以下两方面特点：
第一，样本期内江西省农业龙头企业平均技术效率差异显著(见表2)。企业平均总资产超过亿元的11家企业中有9家企业(21、15、4、6、16、9、12、5、11)技术效率较低，DEA非有效，技术效率分别达到0.112、0.815、0.41、0.734、0.558、0.282、0.427、0.412、0.558。而企业7、20、2、13、26、14、24则处于生产前沿面，技术效率达到1，DEA有效，这些企业中绝大部分的平均总资产都在1亿元以下(企业24除外)。企业16、11、17、19、6、23、15、22的技术效率分别为0.558、0.558、0.624、0.664、0.734、0.753、0.815、0.986，离前沿面较近，DEA弱有效。21、8、9、10、25、1、18、4、5、12企业都远离生产前沿面，DEA非有效。导致扶持结果非效率的原因不尽相同，大多数企业(12企业除外)都是纯技术效率低下和规模效率不足共同作用的结果，其中纯技术效率不足是主要原因。
第二，从规模报酬的角度看，报酬递减的企业较多。企业1、4、5、6、8、10、11、12、16、18、21、22、23和25都属于这种情况。这说明投入的增加只会带来更小幅度的产出增加，投资规模相对于人力资本、市场环境等某些因素而言已相对过大。对于这些农业龙头企业，要提高效率水平，降低平均成本，可通过控制投资或改善投入产出关系来实现。报酬递增的企业较少，如9、15、17和19企业，不到总数的1/6，这从另一个侧面反映政策扶持的投入产出效果并不理想，大部分企业存在不同程度的资源投入不足，特别是企业资金投入的不足。规模有效的企业约占1/3，表2数据显示，2、3、7、13、14、20、24和26企业处于最优规模效率。
五、江西省农业龙头企业绩效的影响因素分析
(一)变量选取与模型设定
在考虑
农业龙头企业自身特性的基础上，本文选取了总资产(ZZC)、职工工资(ZGGZ)、与农户签订合同数(QDHTS)、雇佣农户数(GYNHS)、贷款贴息(DKTX)、品牌扶持金额(PPFCJE)、农民培训费(NMPXF)和税收减免(SSJM)作为解释变量。全要素生产率作为衡量龙头企业投入产出关系的指标，是由技术效率和技术进步共同决定的。倘若两个龙头企业效率水平相近的决策单元各自的技术效率或技术进步率不一致，那么影响龙头行为效率的因素也会有差异。因此，为深入探讨影响龙头行为效率的因素，分别以全要素生产效率、技术效率、技术进步率为因变量，以影响因素为自变量，对相关影响因素的绝对变量取对数，建立以下回归模型：
其中，ZZC为总资产、ZGGZ为职工工资、QDHTS为签订合同数、GYNHS为雇佣农户数、DKTX为贷款贴息、PPFCJE为品牌扶持金额、NMPXF为农民培训费、SSJM为税收减免。上述(4)、(5)、(6)式分别是总全要素生产率、技术效率和技术进步率对以上8个控制变量的回归模型。
(二)回归结果分析
表3实证结果的数据，揭示了8个方面的问题：
第一，反映企业规模的总资产对技术效率影响显著但不为正，对全要素生产率影响显著为正，表明企业规模扩大，达到规模经济，但其技术效率由于规模的扩大却出现下降，同时表明技术效率具有收敛的趋势。总资产对技术进步的影响显著为正，说明农业龙头企业规模较大时既可以通过垄断行为获取一定的商业利润，同时又具有技术创新的动力，因而对技术进步影响是正向的。这也说明规模效率具有发散效应。
第二，职工工资对全要素生产率、技术进步的影响都不显著但为正；相对于总资产，职工工资是稀缺资源。职工工资对于技术效率的影响显著为正，说明高素质的职工对技术效率有显著的促进作用。因此，职工工资的比重增加，企业全要素生产率和技术进步也会增加。这说明，为促进技术效率的提高，可适当增加高素质员工的工资。
第三，与农户签订合同数对全要素生产率、技术进步的影响不显著为正，对技术效率影响显著为正。这反映出龙头企业与农户签订合同数在企业效率中发挥一定的促进作用，但尚未有效发挥其政策导向作用。一方面，政府试图通过鼓励农业龙头企业与更多的农户签订合同，带动农户增加收入；同时，政府和企业对带动农户规模的重视又引致了技术效率的提高。
第四，农业龙头企业雇佣农户数对技术效率的影响不显著为正，对全要素生产率和技术进步的影响显著为正。这说明雇佣农户数对企业提高技术进步和全要素生产率有积极意义。雇佣农户数对技术效率的影响不显著为负，说明农户素质普遍偏低对带有高风险的技术效率的促进作用为负。反过来也说明，要提高技术效率，企业必须加大对农户的培训力度，不能完全依赖政府对农户的培训支持。
第五，贷款贴息对全要素生产率的影响显著为正。这说明贷款贴息有助于缓解农业龙头企业资金不足的问题，并且有利于引导企业增加技术改造投入。同时，贷款贴息对技术效率、技术进步影响显著为正，说明江西省农业龙头企业能较好利用贷款贴息资金，提高企业的技术效率和技术进步。
第六，品牌扶持对于技术效率的影响不显著为负。这说明企业在政府扶持下加强品牌建设的同时，由于改善、提升了产品质量和产品加工技术，结果在一定程度上导致了企业技术效率的下降。政府对企业品牌的扶持金额对技术进步、全要素生产率影响不显著为正，表明品牌扶持对于农业龙头企业的农产品加工技术、全要素生产率有一定的促进作用，但相比于工业品，农产品的品牌建立具有更大的难度，品牌建设对于农业企业来说更加“任重道远”。
第七，农民培训费对技术效率的影响不显著为正，表明企业对农户的培训短期内会带来技术效率的提高；对全要素生产率的影响不显著为负，对技术进步的影响显著为负，表明企业对于自身之外的普通农户的培训，会在一定程度上分散企业有限资金的使用，带来企业全要素生产率的下降和降低企业的技术进步。从长期来看，这也说明对于普通农户的培训需要政府来分担。
第八，税收减免对全要素生产率的影响显著为正，说明税收减免有助于缓解农业龙头企业资金不足的问题，减轻龙头企业的资金压力；税收减免对技术效率、技术进步影响显著为正，说明江西省农业龙头企业能较好利用税收减免，提高企业的技术效率和技术进步。
六、结论与建议
首先，各个农业龙头企业应根据本企业的生产活动是否达到生产前沿、实际投入产出的冗余与松弛、规模性等实际状况，有针对性地调整本企业的投入或产出的方向与幅度，使全要素生产率、技术效率、技术进步率尽可能向生产前沿移动。
其次，为使全要素生产率、技术效率、技术进步率尽可能向生产前沿移动，可从下述8个方面着手：(1)保持合理的企业规模；(2)提高企业员工的素质；(3)鼓励农业龙头企业与农户多签订合同，引导企业带动农户致富；(4)鼓励农业龙头企业雇佣农户，同时加大对农户的培训力度；(5)加大政府对农业龙头企业的贷款贴息扶持力度，保持贷款贴息对技术效率的促进作用，解决农业龙头企业的资金不足问题；(6)品牌扶持是一个系统工程，需要政府进一步规范市场，促进适度的市场竞争；(7)加大政府对农户的培训力度，缓解企业的资金压力；(8)进一步保持政府对农业龙头企业的税收减免政策。
