新中国成立以来,我国农机化发展经历了高潮和低谷的交替,但总的来说是一直在低水平徘徊。进入新世纪以来,随着中央对“三农”问题的关注和政策制定的倾斜,农业机械化受到了应有的重视。以2004年《中华人民共和国农业机械促进法》的颁布以及农机购置补贴专项资金的实施为标志,我国农机化进入了高速发展时期。但是,与各地农机化投入和产出快速增长形成对比的是,我国农机化工作的绩效评价工作并没有跟上发展的步伐,缺乏评价各地农机化工作相对效率的有效方法和工作机制。现有的农机化工作考核,主要是各省市地方在期初自行规划目标,在期末考核指标完成度。在这种情况下,绩效考核的形式显得单一,不能比较各地农机化工作的相对效率。数据包络分析(DEA)是一种基于数学公理,以线性规划求解为目标,适合比较多输入、多输出系统内部不同部门或单位间相对效率的评价方法,其有效性和可靠性在许多应用领域得到了充分证实。针对这一情况,本文将数据包络分析(DEA)模型应用到农机化工作绩效评价中,通过建立全面的输入、输出指标体系,研究并提出针对各省市地区农机化工作相对效率的评价方法,以发现各地效率的差异,挖掘差异产生的原因,并提供相应的改进建议。在具体的研究过程中,第一章引言主要由四个部分构成。第一,本文的研究背景：首先依据统计数据分析了发达农业国家和发展中农业国家在农产品竞争地位方面的差距,明确了农业机械化是发展中国家实现农业现代化,获取国际农产品贸易竞争优势地位的必要进程。其次,分析了我国农业机械化的主要现状,认为在《农机促进法》和“农机购置补贴”的促进和带动下,我国农机化进入了高速发展期,农机化投入和产出都呈快速增长态势。最后,指出在投入产出规模扩大的同时,我国农机化工作绩效评价却没有跟上步伐,还没有针对不同省市地区之间农机化工作相对效率的评价方法和工作机制。认为基于DEA模型对农机化工作绩效的评价方法,正是这方面的工作的一次尝试性探讨。第二,本文的研究意义：认为基于数据包络分析模型的方法,能达到农机化工作绩效评价的目的,符合农机化工作多投入、多投产的特点；而且基于黄淮海早作区五省的实证分析及相应的管理建议,对农机化工作及其绩效评价实践具有一定的借鉴意义。在这一章的第三和第四部分本文分别对论文的研究思路和论文的创新与不足进行了说明。在论文的第二章文献综述部分,本文分别对国内外农机化和绩效评价方法的相关文献进行了回顾。针对国外农机化文献的综述,本文在文献中回顾了西方主要农业发达国家农机化研究的方向,如农机化取代人力生产的原因,影响农机化进程的主要因素,农机化与劳动力转移的关系,以及农机化与生产效率提高的关系等,并简要介绍了新世纪以来国外农机化研究的主要动向。国内研究农机化的文献,可依据农机化工作投入、产出的几个主要方面进行分类,本文依据这种划分对国内的文献进行了分类综述,主要涉及农机化的资金投入、农机化的管理投入、农机装备水平、农机化作业水平、农机化经营服务、农机化经济效益、生态效益及农机化与劳动力转移的关系等方面。其次是关于绩效评价及其方法的文献回顾,在对绩效、绩效评价的概念和内涵进行介绍后,本文着重对主要的多目标绩效评估方法及其在国内研究中的应用作了综述,这些方法主要有多层次灰色关联法、多层次模糊综合评价法、粗糙集与神经网络相结合的评价方法,以及本研究所采用的数据包络分析方法等。最后根据DEA方法的应用方向和农机化工作的特点,对运用数据包络分析这一运筹学模型评价农机化工作绩效的可行性进行了论证。在论文的第三章,本文对数据包络分析理论进行了介绍。第一,介绍了数据包络分析的产生和发展过程；第二,介绍了从生产函数到前沿生产函数的概念扩展；第三,基于代表性的C2GS2模型对数据包络分析模型的原理、结构进行了详细介绍；第四,给出DEA有效、纯技术有效和规模有效的判定条件；第五,介绍了评价结果的经济学解释思路；第六,对Malmquist指数及其在跨期绩效改进方面的应用原理进行了说明；最后,介绍了数据包络分析的工作流程,并对确定评价目标、建立指标体系、选择DMU、搜集整理数据、选定DEA模型及分析评价结果等六个主要工作步骤进行了解释。这一章为后文建立农机化工作绩效评价方法作了理论铺垫。在论文的第四章,本文建立了基于DEA模型的农机化工作绩效评价方法。按照数据包络分析(DEA)的工作步骤,第一步,对农机化工作绩效的目标进行阐释,指明这个目标就是评价各地农机化工作的相对效率,为后续步骤提供指导。第二步,依据系统全面、客观中肯、实用可靠、量化可操作和参考权威等五个原则,在农业部农机化管理司“农机统计”指标的基础上,参考层次分析法,构建了农机化绩效评价的多层级指标体系。该体系主要有资金投入、管理投入等两个输入性的准则层指标,以及农机保有量、农机化作业量、经济效益、生态效益和社会效益等输出性准则层指标,并且每个准则层指标下又包含1-3个方案层指标,即农机购置财政补贴、农机购置社会投入、行政管理机构、教育培训机构、科研鉴定机构、宣传推广机构和安全监理机构等7个输入性方案层指标,以及农机总动力、农机原值、机耕面积、机播面积、机收面积、农机化经营总收入、农机化经营总利润、机械化节水灌溉面积、机械化化肥深施面积、机械化秸秆还田面积、农机化经营服务从业人数和农村外出务工人数等12个输出性方案层指标。第三步,本文介绍了在同质性和代表性原则下,选择农机化工作绩效评价的决策单元(DMU)的主要方法和注意要点,并指明将选择黄淮海旱作区的河北、河南、山东、安徽和江苏五省作为本文实证分析的决策单元。第四步,说明了农机化工作绩效评价观测数据来源、数据搜集和处理的具体方法。第五步,对农机化工作绩效评价过程和DEA评价结果分析提出指导性意见。通过以上五个步骤,本文建立了基于DEA模型的农机化工作绩效评价方法。在论文的第五章,为验证基于DEA模型的农机化工作绩效评价方法的可行性,本文以黄淮海旱作区的河北、河南、山东、安徽和江苏五省为例进行了实证研究。具体的实证分析过程是,第一,对黄淮海旱作区五省的农机化工作进行简介,指出2004年之后五省农机化投入和产出高速增长,但没有与之相匹配农机化工作相对效率评价方法的基本现状。第二,根据实际情况,本文对绩效评价指标体系进行了约简,最终形成了由农机购置财政补贴、农机购置社会投入、农机总动力、机收面积和农机化经营总利润等五个指标构成的评价指标体系。第三,基于2007年农机化工作的绩效数据,从综合效率、技术效率和规模效率等三个方面对黄淮海旱作区五省农机化工作绩效进行了单期评价。第四,引入Malmquist指数,基于2006-2007年的数据对“十一五”开局阶段旱作区五省农机化工作绩效改进情况进行了跨期评价。实证显示,基于DEA模型的绩效评价方法,能够有效的输出各省的相对效率系数,并以区域农机化工作有效生产前沿面为依据给出输入冗余和输出不足等量化的改进建议,为农机化工作绩效评价和工作改进提供了操作性较强的参考依据。在实证研究的基础上,本文为农机化工作的各参与方提出几点农机化工作及其绩效评价的管理建议,并展望了本方法的后续研究前景。