許亞松 張克榮 侯有信 蔣武林

摘要?基于三階段DEA模型和安徽省面板數(shù)據(jù)實(shí)證分析了2014—2018年16個地市的農(nóng)業(yè)生產(chǎn)效率。結(jié)果表明，安徽省農(nóng)業(yè)生產(chǎn)效率值整體較低，規(guī)模效率低是制約其發(fā)展的主要原因。農(nóng)民收入的增加、受教育水平的提高對農(nóng)業(yè)生產(chǎn)效率起促進(jìn)作用，而城市規(guī)模的擴(kuò)充不利于農(nóng)業(yè)生產(chǎn)效率的提高。安徽省農(nóng)業(yè)生產(chǎn)效率在空間上呈現(xiàn)以合肥為中心的“X”狀高效率集聚格局，在區(qū)域上呈現(xiàn)“皖中>皖北>皖南”的發(fā)展格局。

關(guān)鍵詞?三階段DEA;安徽省;農(nóng)業(yè)生產(chǎn)效率;空間演變

中圖分類號?S-9?文獻(xiàn)標(biāo)識碼?A?文章編號?0517-6611（2021）09-0213-06

doi：10.3969/j.issn.0517-6611.2021.09.058

Abstract?Based on the Three-stage DEA model and panel statistical data of Anhui Province， this paper empirically analyzes the agricultural production efficiency of 16 cities in Anhui Province from 2014 to 2018. The results show that the overall agricultural production efficiency of Anhui Province is low， and the low scale efficiency is the main reason restricting its development. The increase of farmers income and education level can promote the efficiency of agricultural production， but the expanding of urbanization level is not conducive to the improvement of agricultural production efficiency. The spatial distribution of agricultural production efficiency in Anhui Province is X-shaped with Hefei as the center， and the regional development pattern is “Central Anhui > Northern Anhui > Southern Anhui”.

Key words?Three-stage DEA;Anhui Province;Agricultural production efficiency;Spatial evolution

“鄉(xiāng)村振興戰(zhàn)略”是黨的十九大提出的一項(xiàng)重大戰(zhàn)略，是新時代中國特色社會主義偉大事業(yè)的重要內(nèi)容，而其重要的突破口和切入點(diǎn)就是實(shí)現(xiàn)農(nóng)業(yè)現(xiàn)代化發(fā)展。加快現(xiàn)代農(nóng)業(yè)轉(zhuǎn)型升級的關(guān)鍵在于如何提高資源利用率，常用農(nóng)業(yè)生產(chǎn)效率衡量[1]。安徽省作為農(nóng)業(yè)大省，如何優(yōu)化農(nóng)業(yè)資源配置、提高農(nóng)業(yè)生產(chǎn)效率是當(dāng)前亟需解決的問題之一。

目前，針對農(nóng)業(yè)生產(chǎn)效率的研究多以DEA模型為主，DEA模型對于測度多投入多產(chǎn)出的生產(chǎn)效率更加全面和準(zhǔn)確。Farrell[2]最早通過對英國的農(nóng)業(yè)生產(chǎn)效率進(jìn)行分析，提供了利用數(shù)學(xué)規(guī)劃求出技術(shù)前沿面的思路，一般被認(rèn)為是DEA的原型。國外方面，Toma等[3]通過DEA模型檢驗(yàn)歐盟國家的農(nóng)業(yè)生產(chǎn)效率，研究發(fā)現(xiàn)大多數(shù)歐盟國家都可以合理化其投入使用，從而獲得更多的產(chǎn)出。Da Silva e Souza[4]以農(nóng)業(yè)產(chǎn)值為產(chǎn)出，土地、勞動力等為投入，運(yùn)用DEA模型分析了1976—2016年巴西的農(nóng)業(yè)生產(chǎn)效率。國內(nèi)學(xué)者在傳統(tǒng)DEA的基礎(chǔ)上對指標(biāo)選取和方法進(jìn)行了改進(jìn)，如陳新華等[5]基于生態(tài)效率評價視角，將農(nóng)業(yè)碳匯效應(yīng)、農(nóng)業(yè)面源污染等指標(biāo)納入農(nóng)業(yè)生產(chǎn)效率的分析體系中，應(yīng)用DEA對廣東省的農(nóng)業(yè)投入產(chǎn)出效率值進(jìn)行了測算。傅麗芳等[6]構(gòu)建了可以處理面板數(shù)據(jù)的立體DEA模型，對黑龍江省各區(qū)域的農(nóng)業(yè)生產(chǎn)效率進(jìn)行測度。馮俊華等[7]運(yùn)用DEA-Malmquist指數(shù)模型對陜西農(nóng)業(yè)生產(chǎn)效率進(jìn)行靜態(tài)與動態(tài)測算。

針對傳統(tǒng)DEA無法處理環(huán)境因素和隨機(jī)噪聲的影響，F(xiàn)ried等[8]提出三階段DEA模型，更多學(xué)者選用這種方法用于農(nóng)業(yè)生產(chǎn)效率的研究。郭軍華等[9]運(yùn)用三階段DEA模型對2008年國內(nèi)各省市的農(nóng)業(yè)生產(chǎn)效率進(jìn)行測度和分析。在環(huán)境變量的影響方面，王蕾等[10]發(fā)現(xiàn)提高城鎮(zhèn)化水平、教育水平、工業(yè)化發(fā)展水平均有利于促進(jìn)農(nóng)業(yè)生產(chǎn)效率，而糧食播種面積與農(nóng)作物播種面積比、地方財(cái)政農(nóng)林水事務(wù)支出等指標(biāo)不利于農(nóng)業(yè)生產(chǎn)效率的提高。王洋洋等[11]通過實(shí)證測度發(fā)現(xiàn)經(jīng)濟(jì)發(fā)展水平、自然災(zāi)害和極端天氣、人口結(jié)構(gòu)等因素顯著影響了“一帶一路”沿線國家和地區(qū)的農(nóng)業(yè)生產(chǎn)效率。在與空間計(jì)量的結(jié)合方面，侯孟陽等[12]采用超效率SBM模型測算省際農(nóng)業(yè)生態(tài)效率，并建立空間計(jì)量模型對分區(qū)域、分時段的分異特征進(jìn)行討論。王海飛[13]采用超效率的SSBM模型和探索性空間數(shù)據(jù)分析（ESDA）相結(jié)合的方法，以縣域單元為尺度對安徽省農(nóng)業(yè)效率水平、空間格局及其演變趨勢進(jìn)行實(shí)證分析。

總體來看，目前的研究視角多集中在全國和省域?qū)用?，而針對安徽省各地市農(nóng)業(yè)生產(chǎn)效率的研究寥寥無幾，在研究時間上也較為陳舊，大多以定性的建議對策為主。安徽省作為傳統(tǒng)農(nóng)業(yè)大省，更應(yīng)積極探索現(xiàn)代農(nóng)業(yè)的轉(zhuǎn)型和升級，研究安徽省農(nóng)業(yè)生產(chǎn)效率水平和影響因素對安徽省推動農(nóng)業(yè)現(xiàn)代化轉(zhuǎn)型，提升區(qū)域地位有著重要的意義。因此，筆者選取2014—2018年安徽省16個地級市的面板數(shù)據(jù)，基于三階段DEA模型對安徽省農(nóng)業(yè)生產(chǎn)效率進(jìn)行測算和分析。

1?研究方法與數(shù)據(jù)來源

1.1?三階段 DEA 模型

DEA模型作為一種非參數(shù)方法，是處理多目標(biāo)決策問題時的有力工具，廣泛運(yùn)用于經(jīng)濟(jì)和管理領(lǐng)域。三階段DEA模型在原有基礎(chǔ)上剔除掉環(huán)境因素和隨機(jī)誤差的影響，具有良好的客觀性，具體步驟如下。

第一階段，傳統(tǒng)DEA模型。1978年由A.Charnes等首先提出了DEA模型，原理是運(yùn)用凸分析和線性規(guī)劃對各決策單元（DMU）效度進(jìn)行測量，用于評價相同部門間的相對有效性。該研究采用投入導(dǎo)向下的BCC模型進(jìn)行測量，BCC模型可表示為：

第二階段，相似SFA分析模型，用原始投入值減去投入目標(biāo)值得到各投入指標(biāo)的松弛變量，作為被解釋變量，再將環(huán)境變量作為解釋變量進(jìn)行回歸分析，其中松弛變量是由環(huán)境因素、管理無效率和隨機(jī)因素構(gòu)成，第二階段的主要目的是將第一階段的松弛變量分解成以上3種效應(yīng)，并對環(huán)境和隨機(jī)因素進(jìn)行剝離分析，以此來調(diào)整原始投入值[14]。

具體計(jì)算步驟如下：

第三階段，調(diào)整后的DEA模型，原始產(chǎn)出值不變，與剔除掉環(huán)境因素和隨機(jī)噪聲后的投入值再次重復(fù)一階段過程進(jìn)行效率值測度。

1.2?投入產(chǎn)出指標(biāo)、環(huán)境變量的選取及數(shù)據(jù)來源

1.2.1?投入產(chǎn)出指標(biāo)的選取。

該研究依據(jù)數(shù)據(jù)可得性和統(tǒng)一性原則，選取的農(nóng)業(yè)投入變量包括灌溉、化肥、 農(nóng)業(yè)機(jī)械動力、土地及勞動力5個方面。其中灌溉投入，選取有效灌溉面積（1 000 hm2）計(jì)算;化肥投入，以當(dāng)年用于農(nóng)業(yè)生產(chǎn)中的磷、氮、鉀和復(fù)合肥折純量的總量（t）計(jì)算;農(nóng)業(yè)機(jī)械動力投入采用農(nóng)業(yè)機(jī)械總動力（萬kW）計(jì)算;土地投入，選取農(nóng)作物總播種面積（1 000 hm2）計(jì)算;勞動力投入，以第一產(chǎn)業(yè)從業(yè)人員（萬人）計(jì)算。最后，將農(nóng)林牧漁業(yè)總產(chǎn)值（萬元）作為產(chǎn)出指標(biāo)。

各投入項(xiàng)與產(chǎn)出項(xiàng)之間需符合“同向性”假設(shè)（投入增加時產(chǎn)出不會減少），常采用Pearson相關(guān)性檢驗(yàn)方法進(jìn)行檢測[15]。利用SPSS 20.0軟件進(jìn)行檢驗(yàn)，結(jié)果見表1。由表1可以看出，安徽省各地市的農(nóng)業(yè)投入與產(chǎn)出之間的相關(guān)系數(shù)均為正且都能通過0.05水平下的置信（雙尾）檢驗(yàn)，充分滿足“同向性”假設(shè)。

1.2.2?環(huán)境變量的選取。

環(huán)境變量指標(biāo)應(yīng)選擇那些對農(nóng)業(yè)生產(chǎn)效率產(chǎn)生影響但是又不受本身主觀控制的因素，綜合參考現(xiàn)有研究和文獻(xiàn)[16-18]，該研究選取城市規(guī)模、政策支持、農(nóng)民收入水平、受教育水平4個變量作為環(huán)境變量，分別采用城鎮(zhèn)率（%），農(nóng)林水事物支出（萬元），農(nóng)村居民人均可支配收入（元），人均受教育年限（年）表示。

1.2.3?數(shù)據(jù)來源。

該研究所選取的投入產(chǎn)出變量和環(huán)境變量的面板數(shù)據(jù)來源于2015—2019年《安徽統(tǒng)計(jì)年鑒》。

2?結(jié)果與分析

2.1?第一階段DEA分析結(jié)果

利用DAP 2.1軟件的投入導(dǎo)向BCC模型對2014—2018年安徽省16個市農(nóng)業(yè)生產(chǎn)效率進(jìn)行測度，結(jié)果見表2。

由表2可得，2014—2018年安徽省農(nóng)業(yè)生產(chǎn)綜合效率平均值分別為0.836、0.823、0.848、0.851、0.857，綜合效率、純技術(shù)效率、規(guī)模效率的5年平均值分別為0.843、0.927、0.910，說明安徽省農(nóng)業(yè)生產(chǎn)效率值較低，但整體是呈增長趨勢的。綜合效率值等于純技術(shù)效率值與規(guī)模效率值相乘，觀察可得，安徽省農(nóng)業(yè)每年的純技術(shù)效率值均高于規(guī)模效率值，因此效率值低下更多的可歸因于規(guī)模效率的低下。傳統(tǒng)DEA模型未剔除環(huán)境因素和隨機(jī)噪聲對真實(shí)效率值的影響，所以有必要選用SFA模型進(jìn)行下一步的調(diào)整和分析。

2.2?第二階段 SFA 回歸分析結(jié)果

將第一階段計(jì)算得到的投入松弛變量作為被解釋變量，將環(huán)境變量作為解釋變量，數(shù)據(jù)對數(shù)化處理后，運(yùn)用Front 4.1軟件進(jìn)行隨機(jī)前沿分析（SFA），結(jié)果見表3。

從表3可以看出，環(huán)境變量對投入松弛變量進(jìn)行回歸時大部分統(tǒng)計(jì)量在0.01的檢驗(yàn)水平上顯著，具有較高的統(tǒng)計(jì)顯著性，表明外部環(huán)境因素在不同程度上影響著各地市農(nóng)業(yè)生產(chǎn)的投入冗余，進(jìn)而對農(nóng)業(yè)生產(chǎn)效率產(chǎn)生影響。環(huán)境變量對各投入松弛變量回歸系數(shù)的正負(fù)代表的意義也是不同的，系數(shù)為負(fù)時，表明環(huán)境變量的增加有助于減少投入冗余，即降低投入的浪費(fèi);反之，則表示增加環(huán)境變量會導(dǎo)致投入浪費(fèi)的增加。下文逐一對各環(huán)境變量對投入松弛變量的影響進(jìn)行分析。

（1）城市規(guī)模。城市規(guī)模除對第一產(chǎn)業(yè)從業(yè)人員松弛變量不顯著以外，對其他投入松弛變量均能通過0.01的顯著性檢驗(yàn)，但回歸系數(shù)均為正，表示城市規(guī)模的擴(kuò)充不利于安徽省農(nóng)業(yè)生產(chǎn)效率的提高，這一結(jié)論與理論預(yù)期相反。主要原因可能在于安徽省是傳統(tǒng)農(nóng)業(yè)大省，但整體經(jīng)濟(jì)實(shí)力較為落后，城市規(guī)模擴(kuò)大的同時造成大量年輕的農(nóng)村勞動力向城市中心轉(zhuǎn)移，導(dǎo)致農(nóng)村優(yōu)質(zhì)勞動力資源嚴(yán)重不足。而留守農(nóng)村者老弱病殘居多，加重了農(nóng)村的棄耕拋荒問題，這些因素直接制約了安徽省農(nóng)業(yè)生產(chǎn)效率的提高。

（2）財(cái)政支農(nóng)支出。財(cái)政支農(nóng)支出只通過了對化肥施用量松弛變量的0.01水平顯著性檢驗(yàn)，松弛變量系數(shù)為正，說明財(cái)政支出的增加會造成化肥投入冗余的增加，這可能是由于政府的惠農(nóng)補(bǔ)貼政策導(dǎo)致的化肥投入資源的浪費(fèi);對第一產(chǎn)業(yè)從業(yè)人員松弛變量的系數(shù)為負(fù)，對剩余變量系數(shù)為正，但t檢驗(yàn)結(jié)果都不顯著，這說明財(cái)政支農(nóng)支出對農(nóng)業(yè)生產(chǎn)效率并沒有起到顯著的影響和作用。

（3）農(nóng)村居民人均可支配收入。該變量大多數(shù)通過了0.01的檢驗(yàn)，且回歸系數(shù)均為負(fù)，也就是說農(nóng)民收入水平的提高對農(nóng)業(yè)生產(chǎn)效率產(chǎn)生了顯著的積極影響。這與理論預(yù)期完全一致。

（4）受教育年限。該變量除對第一產(chǎn)業(yè)從業(yè)人員松弛變量不顯著外，對其余投入松弛變量均在0.01顯著性水平下顯著，除了化肥施用量投入松弛變量的回歸系數(shù)為正外，其他系數(shù)均為負(fù)，這說明人均受教育年限對農(nóng)業(yè)生產(chǎn)效率的提高是有利因素，受教育程度的提升能降低各投入指標(biāo)的冗余，從而提升農(nóng)業(yè)生產(chǎn)效率，這與理論預(yù)期一致。

2.3?第三階段：調(diào)整后的DEA分析結(jié)果

將剔除掉環(huán)境因素和隨機(jī)噪聲影響的投入值與原始產(chǎn)出值代入BCC模型，重復(fù)第一階段過程，得到調(diào)整后的各地市效率值，具體見表4。

通過剔除環(huán)境因素以及隨機(jī)因素干擾過后，可以觀察出2014安徽省農(nóng)業(yè)生產(chǎn)綜合效率值發(fā)生了比較明顯的變動，除2015和2016年略有上升外，其余年份的效率值都發(fā)生了下降，綜合效率、純技術(shù)效率、規(guī)模效率的5年平均值分別為0.849、0.943、0.902，與第一階段相比，綜合效率值和純技術(shù)效率值上升，規(guī)模效率值下降，這表明環(huán)境因素和隨機(jī)噪聲的干擾是顯著的，證明了第二階段對投入變量調(diào)整的必要性。

2.4?安徽省農(nóng)業(yè)生產(chǎn)效率空間演化特征

2.4.1?農(nóng)業(yè)效率空間格局分布。

為揭示安徽省農(nóng)業(yè)生產(chǎn)效率在空間地理上的演變規(guī)律，通過ArcGIS 10.2軟件繪制了2014和2018年安徽省各地市農(nóng)業(yè)生產(chǎn)綜合效率的分位圖，采用自然間斷點(diǎn)法進(jìn)行分級，結(jié)果見圖1。

由圖1可知，2014年農(nóng)業(yè)綜合效率值處于優(yōu)秀水平的城市為阜陽市、淮南市、合肥市，其次宿州市、蚌埠市、安慶市、銅陵市、蕪湖市、宣城市處于良好水平，其余城市基本都處于中下水平，因此限制了安徽省農(nóng)業(yè)生產(chǎn)效率的提升。對比發(fā)現(xiàn)，2018年農(nóng)業(yè)效率水平增加的城市數(shù)量較多，安慶市和蚌埠市效率值達(dá)到優(yōu)秀水平，蚌埠市、亳州市、六安市、馬鞍山市、池州市、黃山市由原先的低水平上升為中等水平，但全省的農(nóng)業(yè)生產(chǎn)綜合效率整體水平并未得到提升，效率值變化不大，可能由于部分地市效率值下降較大，如銅陵市、淮南市。2014和2018年的效率值優(yōu)秀區(qū)域均集中在皖北和皖中地區(qū)，空間上呈現(xiàn)以合肥為中心的“X”狀高效率集聚格局。

2.4.2?農(nóng)業(yè)效率空間變化趨勢。

根據(jù)第3階段效率值，按照省內(nèi)區(qū)域劃分，將2014—2018年皖北、皖中、皖南3個區(qū)域的農(nóng)業(yè)生產(chǎn)綜合效率值進(jìn)行對比，結(jié)果見圖2。

由圖2可知，近5年安徽省及三大區(qū)域的效率值水平都呈現(xiàn)先上升后下降的發(fā)展趨勢，并且區(qū)域差異較大。對比全省平均水平，皖中地區(qū)歷年效率水平最高，皖北地區(qū)基本與全省平均水平持平，皖南歷年均低于全省水平，總體呈現(xiàn)出“皖中>皖北>皖南”的發(fā)展格局。皖中地區(qū)受合肥市影響和帶動，依靠地理優(yōu)勢和政策、資金支持，農(nóng)業(yè)投入資源比較充足，同時依托合肥市的先進(jìn)技術(shù)和人才，在提高農(nóng)業(yè)生產(chǎn)綜合效率方面具有一定優(yōu)勢。皖北地區(qū)以平原為主，農(nóng)業(yè)基礎(chǔ)較好，擁有得天獨(dú)厚的地理?xiàng)l件;其次得益于當(dāng)?shù)卣畬r(nóng)業(yè)技術(shù)推廣和農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)的大力政策扶持，農(nóng)業(yè)生產(chǎn)環(huán)境較好，所以皖中與皖北的整體農(nóng)業(yè)生產(chǎn)效率值較高。

為進(jìn)一步探究各區(qū)域綜合效率值差異的影響因素，對三大區(qū)域的綜合效率值進(jìn)行分解和對比，結(jié)果如表5所示。

由表5可知，皖北和皖中的純技術(shù)效率值都低于規(guī)模效率值，其中皖中表現(xiàn)明顯，說明兩個地區(qū)主要是由于管理不足而導(dǎo)致技術(shù)效率的不理想，因此技術(shù)管理水平有待提高。皖南地區(qū)則相反，其綜合效率值受規(guī)模效率值低的影響較大，主要由于其農(nóng)業(yè)基礎(chǔ)薄弱，農(nóng)業(yè)投入要素水平基本都處在全省末位，所以皖南地區(qū)應(yīng)擴(kuò)大農(nóng)業(yè)生產(chǎn)規(guī)模，促進(jìn)農(nóng)業(yè)規(guī)?；?、集約化發(fā)展，提高其農(nóng)業(yè)規(guī)模效益。

3?結(jié)論與建議

對2014—2018年安徽省16個地市的農(nóng)業(yè)生產(chǎn)效率進(jìn)行測度與分析，得出以下結(jié)論：第一，安徽省農(nóng)業(yè)生產(chǎn)效率值整體水平較低，規(guī)模效率低是安徽省農(nóng)業(yè)生產(chǎn)效率提升的制約因素。第二，SFA回歸分析結(jié)果表明，農(nóng)民收入和受教育水平的提升對安徽省農(nóng)業(yè)發(fā)展起積極作用，城市規(guī)模的擴(kuò)充對農(nóng)業(yè)發(fā)展不利，而財(cái)政支農(nóng)的影響并不明顯。第三，對安徽省農(nóng)業(yè)生產(chǎn)效率空間演化的研究結(jié)果表明，安徽省農(nóng)業(yè)發(fā)展空間上呈現(xiàn)以合肥為中心的“X”狀高效率集聚格局，區(qū)域上呈現(xiàn)“皖中>皖北>皖南”的發(fā)展格局，其中皖中和皖北地區(qū)應(yīng)提高技術(shù)管理水平;皖南地區(qū)應(yīng)擴(kuò)大農(nóng)業(yè)生產(chǎn)規(guī)模，提高農(nóng)業(yè)規(guī)模效益。

針對以上結(jié)論，對安徽省農(nóng)業(yè)生產(chǎn)發(fā)展提出以下建議：

第一，擴(kuò)大農(nóng)業(yè)生產(chǎn)規(guī)模。加快農(nóng)業(yè)現(xiàn)代化轉(zhuǎn)型，改變原有的粗放型管理模式，鼓勵推動農(nóng)業(yè)規(guī)?；?、集約化、產(chǎn)業(yè)化經(jīng)營發(fā)展，同時加強(qiáng)農(nóng)業(yè)的管理水平與技術(shù)創(chuàng)新，實(shí)現(xiàn)農(nóng)業(yè)發(fā)展的高效率和高效益。

第二，完善農(nóng)村基礎(chǔ)教育，提高農(nóng)民受教育水平。完善農(nóng)民技術(shù)培訓(xùn)機(jī)制和農(nóng)業(yè)科技人才教育培訓(xùn)體系，加強(qiáng)相關(guān)農(nóng)業(yè)人力資本的投入，大力引進(jìn)和培養(yǎng)具有專業(yè)素質(zhì)的農(nóng)業(yè)專家和學(xué)者。

第三，合理有序地推動城鎮(zhèn)化進(jìn)程。通過政策補(bǔ)貼、推動城鄉(xiāng)基礎(chǔ)設(shè)施一體化和公共服務(wù)均等化等措施留住農(nóng)村優(yōu)質(zhì)勞動力，鼓勵農(nóng)民返鄉(xiāng)創(chuàng)業(yè)，抑制棄耕拋荒現(xiàn)象的增長，加大農(nóng)業(yè)扶持力度，保證農(nóng)民的合理收入，提高農(nóng)民生產(chǎn)積極性。

第四，根據(jù)不同地區(qū)的生產(chǎn)效率特征，因地制宜地制定措施。對于皖中和皖北地區(qū)，應(yīng)引進(jìn)新的管理制度和理念，優(yōu)化資源配置，提高技術(shù)管理水平;對于皖南地區(qū)，應(yīng)增加農(nóng)業(yè)方面的投入，擴(kuò)大農(nóng)業(yè)生產(chǎn)規(guī)模，提高農(nóng)業(yè)規(guī)模效益。

參考文獻(xiàn)

[1] 李首涵，楊萍，李忠德，等.基于DEA-SBM模型的黃河三角洲現(xiàn)代農(nóng)業(yè)生態(tài)效率評價[J].湖北農(nóng)業(yè)科學(xué)，2018，57（13）：98-103.

[2] FARRELL M J.The measurement of productive efficiency[J].Journal of the royal statistical society，1957，120（3）：253-281.

[3] TOMA P，MIGLIETTA P P，ZURLINI G，et al.A non-parametric bootstrap-data envelopment analysis approach for environmental policy planning and management of agricultural efficiency in EU countries[J].Ecological indicators，2017，83：132-143.

[4] DA SILVA E SOUZA G，GOMES E G，DE ANDRADE ALVES E R，et al.Technological progress in the Brazilian agriculture[J/OL].Socio-economic planning sciences，2020，72[2020-05-20].https：//doi.org/10.1016/j.seps.2020.100879.

[5] 陳新華，王厚俊.基于生態(tài)效率評價視角的廣東省農(nóng)業(yè)生產(chǎn)效率研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2016（4）：94-104.

[6] 傅麗芳，魏薇.基于面板數(shù)據(jù)廣義DEA的農(nóng)業(yè)生產(chǎn)效率綜合評價[J].統(tǒng)計(jì)與決策，2016（6）：57-59.

[7] 馮俊華，劉靜潔.西北地區(qū)農(nóng)業(yè)生產(chǎn)效率評價研究：以陜西省為例[J].價格理論與實(shí)踐，2018（8）：143-146.

[8] FRIED H O，LOVELL C A K，SCHMIDT S S，et al.Accounting for environmental effects and statistical noise in data envelopment analysis[J].Journal of productivity analysis，2002，17（1/2）：157-174.

[9] 郭軍華，倪明，李幫義.基于三階段DEA模型的農(nóng)業(yè)生產(chǎn)效率研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2010，27（12）：27-38.

[10] 王蕾，于成成，王敏，等.我國農(nóng)業(yè)生產(chǎn)效率的政策效應(yīng)及時空差異研究：基于三階段DEA模型的實(shí)證分析[J].軟科學(xué)，2019，33（9）：33-39.

[11] 王洋洋，張曉慧，崔冀娜.“一帶一路”沿線國家和地區(qū)農(nóng)業(yè)生產(chǎn)技術(shù)效率研究[J].統(tǒng)計(jì)與決策，2019，35（4）：150-153.

[12] 侯孟陽，姚順波.空間視角下中國農(nóng)業(yè)生態(tài)效率的收斂性與分異特征[J].中國人口·資源與環(huán)境，2019，29（4）：116-126.

[13] 王海飛.基于SSBM-ESDA模型的安徽省縣域農(nóng)業(yè)效率時空演變[J].經(jīng)濟(jì)地理，2020，40（4）：175-183，222.

[14] 郭亞軍.基于三階段DEA模型的工業(yè)生產(chǎn)效率研究[J].科研管理，2012，33（11）：16-23.

[15] 焦源.山東省農(nóng)業(yè)生產(chǎn)效率評價研究[J].中國人口·資源與環(huán)境，2013，23（12）：105-110.

[16] 李勇輝，白利鵬.云南省農(nóng)業(yè)科技創(chuàng)新資源配置效率及影響因素研究[J].中國農(nóng)業(yè)資源與區(qū)劃，2019，40（6）：63-69.

[17] 時悅，梁凈.城鎮(zhèn)化與農(nóng)業(yè)生產(chǎn)效率耦合協(xié)調(diào)關(guān)系：基于黑龍江省、遼寧省、吉林省3省數(shù)據(jù)分析[J].農(nóng)林經(jīng)濟(jì)管理學(xué)報(bào)，2019，18（2）：190-198.

[18] 葉文忠，劉俞希.長江經(jīng)濟(jì)帶農(nóng)業(yè)生產(chǎn)效率及其影響因素研究[J].華東經(jīng)濟(jì)管理，2018，32（3）：83-88.