山東省農業全要素生產率及其影響因素研究

李紹亭 周玉璽

摘要：選取山東省17地市2000—2016年面板數據，運用DEA-Malmquist指數測度和分解了山東農業全要素素生產率，并對其影響因素進行了實證分析。結果表明：山東農業全要素生產率整體呈現上升趨勢，在魯東、魯中、魯西三大地區間存在明顯差異;機械化水平、財政支出水平、城市化水平、外資投入水平對山東農業全要素生產率有顯著正向影響，環境惡化程度對山東農業全要素生產率有顯著負向影響，灌溉用水效率、工業化進程、對外開放程度則影響并不顯著。據此，應優化農業財政支出結構，以工業反哺農業、城市帶動農村，加強農業技術創新以提高山東農業全要素生產率。

關鍵詞：農業全要素生產率;區域差異;面板數據模型;DEA-Malmquist

中圖分類號：S126文獻標識號：A文章編號：1001-4942（2019）04-0162-08

Abstract With the panel data of 17 cities in Shandong Province from 2000 to 2016，? the total factor productivity of Shandong agriculture was measured and decomposed using the DEA-Malmquist index， and its influencing factors were empirically analyzed. The results showed that the agriculture total factor productivity presented an overall upward trend， and there were obvious differences among the three regions of east，middle and west of Shandong. The levels of mechanization， fiscal expenditure， urbanization and foreign investment had significant positive impacts on it. But the degree of environmental degradation showed significant negative impact on it. The impacts of irrigation water efficiency， industrialization process and openness were not significant. Accordingly， optimizing the structure of agricultural fiscal expenditure， industry feeding agriculture and cities driving rural areas and strengthening agricultural technology innovation should be done to improve the total factor productivity of Shandong agriculture.

Keywords Agricultural total factor productivity; Regional differences; Panel data model; DEA-Malmquist

農業是立國之本，農業停滯的經濟體將不會有經濟發展[1]。改革開放以來，中國農林牧漁總產值年均增長率超過10%，農業發展取得了舉世矚目的成就。研究發現，增加農業生產要素投入和提高農業生產效率是農業生產發展的關鍵來源[2]。近年來，中國農業面臨生產資源不足、環境壓力增大等諸多挑戰，依靠加大土地、勞動、資本等要素投入實現農業經濟持續增長不是長久之計，應著力提高農業全要素生產率，這是傳統農業向現代農業轉變的必然選擇[3]。農業全要素生產率是農業發展質量和生產效率的重要指標，是沖破資源稟賦瓶頸的關鍵所在。那么，農業全要素生產率是什么水平？區域差異如何？受哪些因素影響？對于這些問題的回答，能夠客觀合理評判農業發展水平，識別農業生產中的問題，有利于農業可持續發展。

農業全要素生產率一直是學界關注的熱點，現有研究主要集中在以下四個方面。在農業全要素生產率與經濟發展的關系方面，農業改革下農業生產率的提高促進了中國經濟增長[4]，而經濟增長的同時也促進了農業全要素生產率的提高[5]。另外，農業全要素生產率還通過將剩余勞動力向非農部門轉移以增強非農生產效率進而實現國家經濟繁榮[6];在農業全要素生產率的時空演變方面，學者從資源環境約束[7]、碳排放約束[8]等視角對中國農業全要素生產率進行了測度和分解，研究發現中國農業全要素生產率整體處于上升趨勢[9]，具有明顯的階段性變化特征[10]，其動力主要來源于技術進步而非技術效率變化[11]，而且農業全要素生產率具有較大的區域差異[12]，表現為東部、中部、西部依次遞減趨勢，與農業經濟發展現狀相吻合[13];在農業全要素生產率的影響因素方面，農業基礎設施[14]對農業生產率具有顯著促進作用，相比機械化水平[15]和電力消費[16]，灌溉設施[17]的作用最大。葉初升等[18]認為農業財政支出能夠影響農業全要素生產率，主要通過改變農業生產結構進而推動農業經濟增長。此外，農業全要素生產率還受到外商投資水平[19]、生產性服務業發展[20]、對外開放程度[21]、人力資本[22]等眾多因素影響;在研究方法的選取上，主要分為兩種：第一種是以隨機前沿分析法（SFA）為主的參數估計法，由于其將環境變化和隨機因素對生產行為的影響納入考慮范圍，更加符合農業生產特性，受到張樂[23]、李翔[24]等的青睞。第二種是以數據包絡分析為主的非參數估計法，借助于純數學規劃確定生產前沿面，無需估計模型，運用范圍較廣，其中DEA-Malmquist指數最為流行，李谷成[25]、高帆[26]、尹朝靜[27]等均采用此種方法測算農業全要素生產率。

綜上所述，對農業全要素生產率的研究取得了豐碩成果，但多分析全國層面農業生產率的時空變動和影響因素，在微觀上對某一省份具體情況及省域內各地區間農業全要素生產率差異及其影響因素仍需進一步的探究。山東是農業大省，對中國農業發展起著重要作用，但近年來農業增速緩慢，生產效率下降，在此背景下，農業能量的釋放將更多依靠農業全要素生產率的提高。基于此，文章采用DEA-Malmquist指數法對2000—2016年山東各地市農業全要素生產率進行測算和分解，對比分析魯東、魯中、魯西地區農業發展差異，建立面板數據模型考察全省及各地區不同因素對其農業全要素生產率的影響，根據研究結論提出相關政策建議，以期提升區域農業全要素生產率。

1 數據來源與研究方法

1.1 數據來源

選取2000—2016年山東省17地市面板數據，使用DEAP 2.1軟件測度各地市農業全要素生產率指數，分析所用數據均源自對應年份《山東統計年鑒》、《山東農村統計年鑒》以及各地市統計年鑒。

1.2 農業全要素生產率的測算

1.2.1 指標選取

研究對象為廣義農業（農林牧副漁）。測算農業全要素生產率需選取投入指標和產出指標。投入指標主要有：（1）土地投入：農作物總播種面積，以千公頃為單位;（2）勞動力投入：農林牧漁業從業人員，以萬人為單位;（3）機械投入：農業機械總動力，以萬千瓦為單位;（4）化肥投入：農用化肥施用量（折純量），包括氮、磷、鉀和復合肥，以萬噸為單位;（5）灌溉投入：有效灌溉面積，以千公頃為單位;（6）電力投入：農村用電量，以億千瓦時為單位。產出指標選取農林牧漁總產值，以億元為單位，并根據農林牧漁總產值指數（以2000年為基期）進行調整，以消除價格波動帶來的影響。各指標的描述性統計見表1。

1.2.2 DEA-Malmquist指數

該模型可對跨時期數據進行動態效率分析，且無需設置生產函數，避免了函數形式設置錯誤帶來的測算誤差，該模型已被廣泛應用于全要素生產率的測算。

Fare等[28]提出從t到t+1時期的DEA-Malmquist指數如下所示：

mixt+1，yt+1，xt，yt=dti（xt+1，yt+1）dti（xt，yt）×dt+1i（xt+1，yt+1）dt+1i（xt，yt）12。[JY]（1）

在規模報酬不變（CRS）假設下，將全要素生產率（TFP）分解為技術進步變化（TECH）和技術效率變化（EFFCH），如下：

mixt+1，yt+1，xt，yt=dt+1ixt+1，yt+1dtixt，yt×

dtixt，ytdt+1ixt，yt×dt+1ixt+1，yt+1dt+1ixt+1，yt+112。[JY]（2）

式（2）中，第一項為技術效率變化，第二項為技術進步變化，d為投入導向距離函數。在此基礎上，假定規模報酬可變（VRS），可將技術效率變化進一步分解為純技術效率變化（PECH）和規模效率變化（SECH），公式如下：

mi（xt+1，yt+1，xt，yt）=dti（xt，yt）dt+1i（xt+1，yt+1）×dt+1i（xt+1，yt+1/VRS）dti（xt，yt/VRS）×dti（xt，yt）dt+1i（xt，yt）×dti（xt+1，yt+1）dt+1i（xt+1，yt+1）12。[JY]（3）

式（3）中，第一項為規模效率變化（SECH），第二項為純技術效率變化（PECH），第三項為技術進步變化。需要說明的是，Malmquist指數測算的是t到t+1時期生產率指數的幾何平均值。因此，當指數數值大于1時，表明生產效率提高;小于1時表明生產效率下降;等于1則意味著生產效率保持不變。

1.3 變量設定與模型構建

農業生產受到諸多因素的影響，參考相關文獻并兼顧數據的可得性，文章選取灌溉用水效率、機械化水平、財政支出水平、城市化水平、工業化進程、對外開放程度、外資投入水平、環境惡化程度等8個解釋變量。

（1）灌溉用水效率（Water）：用各地市有效灌溉面積（千公頃）與農作物總播種面積（千公頃）之比表示。該值一定程度上體現了農田水利設施建設情況，灌溉設施水平越高，則越有利于提高農業生產率。

（2）機械化水平（Machine）：以各地市單位農作物播種面積的農用機械總動力表示，即農業機械總動力與農作物總播種面積的比值，單位為千瓦/公頃。機械化是現代農業的重要標志，機械化水平提高可減少人力投入，極大增加勞動效率，實現規模經營。

（3）財政支出水平（Finance）：用各地市農林水事務支出（萬元）占各地市財政支出（萬元）的比重表示。財政政策是農業平穩健康發展的“燈塔”，通過增加對農業的財政扶持可增強農業科技創新能力，完善農業基礎設施建設，激發農民勞動積極性，進而促進農業全要素生產率水平的提升。

（4）城市化水平（Urban）：以各地市非農人口（萬人）與總人口（萬人）的比值衡量。該值表示農業人口向城市遷移的程度，一般說來，在城市化過程中農業領域勞動力不斷流向城鎮，使得土地大面積集中，為農業生產的規模化經營提供了客觀條件，但人才流失也造成了人力資本的下降。

（5）工業化進程（Industry）：以各地市第二產業增加值（億元）與地區生產總值（億元）之比表示。工業化的不斷推進一方面造成農業生產要素外流，限制農業效率水平的增長幅度，另一方面工業發展帶來的正外部性也會實現對農業的“反哺”。

（6）對外開放程度（Open）：用各地市進出口總額（億元）與地區生產總值（億元）比值表示。其中，進出口總額以人民幣為計量單位，通過各地市進出口總額（美元）乘以當年人民幣對美元的匯率得出。農業與世界接軌，可以引進國外先進的農業生產技術和新型農產品銷售模式，提高本地區農業發展質量，但也產生了市場競爭加劇、短期內生產結構難以改變等問題。

（7）外資投入水平（Capital）：以各地市實際利用外商投資額（億元）占地區生產總值（億元）的比重表示。通過吸引外商投資，能夠增加本地區農業的資金活力，在產業間的競爭、模仿和合作中提高農業生產效率。

（8）環境惡化程度（Nature）：以各地市農作物受災面積（千公頃）與農作物總播種面積（千公頃）之比表示。農業具有弱質性，易受光照、降水、溫度、災害等因素的影響，故自然環境不可忽視。該值越大，表明環境狀況越惡劣，越不利于農業生產。

基于此，為探究山東農業全要素生產率的影響因素，文章使用面板數據模型進行分析：

TFPi，t=α0+α1Wateri，t+α2Machinei，t+α3Financei，t+α4Urbani，t+α5Industryi，t+α6Openi，t+α7Capitali，t+α8Naturei，t+μi+εi，t。[JY]（4）

其中，TFP代表農業全要素生產率，i=1，2，…，17表示山東省17個地市，t代表年份，μi為各地市不可觀測的固定效應，εi，t為隨機干擾項。模型所涉變量描述性統計見表2。

2 結果與分析

2.1 農業全要素生產率分析

根據各地市地理位置和農業特點，將17地市分為三大區域，魯東地區：青島、煙臺、濰坊、日照、威海;魯中地區：東營、濟南、淄博、泰安、萊蕪、臨沂、濱州;魯西地區：濟寧、德州、聊城、菏澤、棗莊。各地市農業全要素生產率見表3。

山東農業全要素生產率整體呈現增長趨勢，地域上表現為魯中高，魯東、魯西低，這與李谷成[29]、全炯振[30]得出的中國農業全要素生產率自東、中、西依次遞減的結論不一致。可見，農業全要素生產率在山東省有著獨特的區域分布特性。具體表現為，2000—2016年期間，魯中地區農業全要素生產率年均增長率最大，為3.7%，顯著高于魯東地區的1.8%和魯西地區的2.2%，而且魯西、魯東地區的農業全要素生產率均低于山東省平均增長率2.7%。值得一提的是，魯東、魯西地區農業全要素生產率雖低于魯中地區，但并沒有出現農業生產的停滯和倒退，其農業發展仍取得了一定程度的進步，只是增長幅度不夠明顯。

魯中地區各地市農業全要素生產率均處于增長狀態，其中濱州、淄博、東營、萊蕪的增長速度較快，年均增長率分別為4.8%、4.6%、4.3%、4.2%。魯東地區除日照保持不變外其余各地市農業全要素生產率均處于增長狀態，而魯西地區所有地市農業全要素生產率均呈現增長態勢，魯西地區農業全要素生產率略高于魯東地區。這說明山東農業全要素生產率的增長狀況與地區經濟發展水平并非絕對一致。理論上，魯東地區經濟體量大、對外貿易發達，能為農業提供足夠的資金、技術、人才等支持，人口稠密所形成的巨大消費潛力也會有效拉動農業生產，理應成為農業生產高速發展區域，但魯中地區卻成為事實上的農業全要素生產率高增長區，而魯東地區是事實上的農業全要素生產率低增長區，這充分表明農業全要素生產率受多種因素影響，正是由于眾多因素共同作用才造成了各地區之間農業全要素生產率的差異。

山東農業全要素生產率規模效率年均增長0.6%，其中，魯西地區增長最快，年均增長1.0%，魯中、魯東地區位列其次，分別為0.6%和0.2%，而全省純技術效率保持不變，甚至在魯東和魯西地區出現了負增長，充分表明規模效率增速雖緩，但相較于純技術效率仍對山東農業全要素生產率增加起著重要作用，加大農業生產要素投入，擴大生產規模可以獲取規模經營效益。因此，在過去很長一段時間內，山東農業產出增長為物質投入推動的粗放型增長模式。這與趙芝俊[31]等的研究結論相一致。

農業全要素生產率可分解為技術效率和技術進步，全省技術進步年均增長2.1%，技術效率指數為1.006，增速緩慢。魯東、魯西地區技術效率沒有變化，其中青島、日照、德州、聊城、菏澤的技術效率處于倒退狀態，但其對應的技術進步均呈現明顯增長態勢。另外，在技術水平進步與技術效率提高并存的地市，除淄博、萊蕪、臨沂外技術進步增長速度均高于技術效率，這說明山東農業全要素生產率增長帶有明顯“粗放”特征的同時，技術進步是其主要推動力。

2.2 農業全要素生產率影響因素分析

2.2.1 相關性分析

考慮到多重共線性問題，文章采用Pearson相關系數考察各變量間可能存在的共同趨勢，檢驗結果見表4。可以發現，多數變量間存在1%顯著水平下的相關關系，Open與Capital的相關系數最高為0.592，較為合理。且所有解釋變量間的VIF值均小于10，可以判斷各變量間不存在多重共線性，適合進行回歸分析。[FL）]

2.2.2 實證結果分析

對比普通標準誤與聚類穩健標準誤發現二者相差不大，可進行Hausman檢驗。檢驗結果表明對山東農業全要素生產率影響因素進行回歸分析時應采用固定效應模型。回歸結果見表5。可以發現：

第一，灌溉用水效率對山東農業全要素生產率有正向影響。農田水利設施作為一種公共品，能夠滿足農作物生長的基本用水需求，增強農田對于自然災害（旱災）的抵抗能力，從而提高農業全要素生產率。分區域看，魯東、魯西地區灌溉用水效率對于農業全要素生產率具有促進作用，而魯中地區卻為抑制作用，這表明魯中地區的農田水利設施供求不平衡，可能存在由于供小于求而引發的“過度使用”和“擁擠效應”，降低了農業全要素生產率。

第二，機械化水平對山東農業全要素生產率有顯著正向影響。山東地區地形復雜，以山地和丘陵為主，農業生產機械化可大幅減少人力勞動的投入，降低作業難度，提高作業效率，是農業現代化的重要標志。相較于魯東、魯中地區，魯西地區機械化水平對農業全要素生產率的促進作用最大，這是因為魯西地區多為黃河沖積平原，地勢平坦，便于農用機械進行作業，機械投入效用得以發揮，對農業全要素生產率有明顯提升作用。

第三，財政支出水平對山東農業全要素生產率有顯著正向影響。財政支農支出主要用于農業基礎設施建設，改善農業生產條件，以此提高農民生產積極性，能夠有效解決農業公共品外部性問題，實現農業資源合理利用。分區域看，財政支農支出對魯東、魯西地區農業全要素生產率具有顯著促進作用，對魯中地區影響卻不顯著，說明魯中地區的農業財政支出結構需進一步調整優化。

第四，城市化水平對山東農業全要素生產率有顯著正向影響。城市化過程中農村人口涌向城市，農村勞動力減少，人均土地面積增大，土地得以集中連片，為農業生產規模化提供了客觀條件。另外，在政策鼓勵和引導下，部分流出人口開始回流，積極創辦家庭農場等新型農業經營主體，提高了農業全要素生產率。分區域看，城市化建設在魯東、魯中地區有顯著提升作用，在魯西地區提升作用不明顯，這可能與農業資源回流機制建立不夠完善有關。

第五，工業化進程對山東農業全要素生產率有負向影響。農業發展與工業發展聯系密切，工業發展的同時為農業生產提供了新技術，有利于農業生產高效進行。但山東省并未出現工業反哺農業現象，這說明工業發展吸引了大量農業勞動力，侵占了農業生產用地，要素投入嚴重不足導致了農業生產效率的下降。分區域看，工業化進程僅對魯西地區農業全要素生產率有正向作用，而魯東、魯中地區均為負向影響，這是由于魯東、魯中地區工業發展過快，對農業生產的帶動能力不足。

第六，對外開放程度對山東農業全要素生產率有正向影響。山東農業與世界貿易體系接軌，加快了本地與各國（地區）農業之間的交流合作，出口特色優質農產品確立市場地位，學習先進農業生產技術和管理理念，有效推動了農業發展。分區域看，對外開放程度對魯西農業全要素生產率的促進作用最大，對魯東、魯中地區的作用則較小。究其原因，魯東、魯中地區對外開放程度深，受到的市場沖擊大。

第七，外資投入水平對山東農業全要素生產率有顯著正向影響。外商資本投入增加了本地農業發展的資金活力，提高了可利用資金水平，改善了農業技術進步和規模效率，對提升農業全要素生產率有重要作用。分區域看，外資投入水平對魯東、魯中地區農業生產效率有促進作用，而對魯西地區的影響卻為負向，這表明魯西地區外資投入力度不足，應進一步吸引外資推動農業發展，增強農業全要素生產率。

第八，環境惡化程度對山東農業全要素生產率有顯著負向影響。自然災害具有不穩定性，一旦發生，便會對農業生產經營活動產生阻礙效應。分區域看，環境惡化程度對魯東、魯中地區有顯著負向影響，但對魯西地區的影響卻不顯著，這說明環境惡化會對魯西地區農業全要素生產率產生抑制作用，但并非主要因素。

3 結論與啟示

本文利用2000—2016年山東省17地市面板數據，運用DEA-Malmquist指數測算了各地市農業全要素生產率，工業化進程并建立回歸模型對其影響因素進行了分析。結果表明：山東農業全要素生產率為粗放型增長模式，且主要由技術進步推動，山東農業整體呈現增長態勢，年均增長2.7%，分區域看，魯中地區增速快，魯西、魯東地區增速較低，地區差異明顯;農業全要素生產率受多種因素影響，其中，機械化水平、財政支出水平、城市化水平、外資投入水平等顯著正向影響山東農業全要素生產率，工業化進程、環境惡化程度等因素則對山東農業全要素生產率有顯著負向作用，各區域影響因素也存有差異。魯東地區受機械化水平、財政支出水平、城市化水平、外資投入水平、環境惡化程度影響顯著，魯中地區受機械化水平、城市化水平和環境惡化程度影響顯著，魯西地區受機械化水平、財政支出水平影響顯著。根據上述研究結論，提出如下政策建議。

（1）優化農業財政支出結構。在進一步提高財政支農支出規模的同時，穩定農業支出在財政總支出中的比重，改變傳統單一的種糧補貼，實行環保補貼、種糧補貼等多種補貼方式相結合的政策，激發農民生產積極性。另外，加強農業基礎設施建設，為農業生產營造良好外部環境。

（2）推動工業反哺農業，城市帶動農村。針對魯東、魯中等城市化水平高且工業發達的地區，政府制定相應政策，鼓勵和引導技術、資金、管理等向農村農業轉移，以提升農業全要素生產率。

（3）加強農業技術創新與推廣。應重點發展節水灌溉、植保機械等綠色創新技術，加大機械投入力度，實行農業生產的純機械化，提高農業發展對自然災害的抵抗能力。同時，對農民進行病蟲害識別與防治、農機使用與維護等技術培訓，加快農業新技術的推廣與應用。

參 考 文 獻：

[1] Lewis A.Economic development with unlimited supplies of labour[J].The Manchester School，1954，22（2）：139-191.

[2] Kalirajan K P，Obwona M B，Zhao S.A decomposition of total factor productivity growth： the case of Chinese agricultural growth before and after reforms[J].American Journal of Agricultural Economics， 1996，78（2）：331-338.

[3] 盧小麗.三峽庫區農業轉型發展的時空分析及問題識別——基于全要素生產率視角[J].中國農業資源與區劃，2018，39（9）：162-168.

[4] Gulati A，Fan S.The dragon and the elephant：agricultural and rural reforms in China and India[J].Economic & Political Weekly，2008，43（26/27）：137-144.

[5] Gollin D.Agricultural productivity and economic growth[M]//Handbook of Agricultural Economics.Elsevier，2010.

[6] Cao K H，Rosenzweig M R.Agricultural productivity， structural change，and economic growth in post-reform China[J].Journal of Development Economics，2013，104（3）：165-180.

[7] 潘丹.基于資源環境約束視角的中國農業綠色生產率測算及其影響因素解析[J].統計與信息論壇，2014，29（8）：27-33.

[8] 張林，冉光和，藍震森.碳排放約束與農業全要素生產率增長及分解[J].華南農業大學學報（社會科學版），2015，14（3）：22-32.

[9] 劉莉，張文愛.我國農業全要素生產率增長與空間溢出效應——基于31個省市區2000—2014年數據的實證分析[J].西部論壇，2017，27（6）：49-57.

[10]李谷成.技術效率、技術進步與中國農業生產率增長[J].經濟評論，2009（1）：60-68.

[11]劉戰偉.技術進步、技術效率與農業全要素生產率增長——基于農業供給側改革視角[J].會計與經濟研究，2017，31（3）：107-116.

[12]史常亮，朱俊峰，揭昌亮.中國農業全要素生產率增長地區差異及收斂性分析——基于固定效應SFA模型和面板單位根方法[J].經濟問題探索，2016（4）：134-141.

[13]張永強，周寧，張曉飛，等.我國農業全要素生產率及其影響因素研究——基于資源環境約束視角[J].資源開發與市場，2017，33（6）：672-677，720.

[14]吳清華，馮中朝，何紅英.農村基礎設施對農業生產率的影響：基于要素投入的視角[J].系統工程理論與實踐，2015，35（12）：3164-3170.

[15]吳傳清，宋子逸.長江經濟帶農業綠色全要素生產率測度及影響因素研究[J].科技進步與對策，2018，35（17）：35-41.

[16]鄭云.中國農業全要素生產率變動、區域差異及其影響因素分析[J].經濟經緯，2011（2）：55-59.

[17]王玨，宋文飛，韓先鋒.中國地區農業全要素生產率及其影響因素的空間計量分析——基于1992—2007年省域空間面板數據[J].中國農村經濟，2010（8）：24-35.

[18]葉初升，惠利.農業財政支出對中國農業綠色生產率的影響[J].武漢大學學報（哲學社會科學版），2016，69（3）：48-55.

[19]汪輝平，王增濤，王美霞.FDI對中國農業全要素生產率的空間溢出效應[J].西北農林科技大學學報（社會科學版），2017，17（1）：123-129.

[20]郝一帆，王征兵.生產性服務業能提升中國農業全要素生產率嗎？[J].學習與實踐，2018（9）：39-50.

[21]赫國勝，張微微.中國農業全要素生產率影響因素、影響效應分解及區域化差異——基于省級動態面板數據的GMM估計[J].遼寧大學學報（哲學社會科學版），2016，44（3）：79-88.

[22]張淑輝.異質性農村人力資本對農業綠色生產率的影響——基于中國省級面板數據[J].山西大學學報（哲學社會科學版），2017，40（5）：127-138.

[23]張樂，曹靜.中國農業全要素生產率增長：配置效率變化的引入——基于隨機前沿生產函數法的實證分析[J].中國農村經濟，2013（3）：4-15.

[24]李翔，楊柳.華東地區農業全要素生產率增長的實證分析——基于隨機前沿生產函數模型[J].華中農業大學學報（社會科學版），2018（6）：62-68，154.

[25]李谷成，范麗霞，成剛，等.農業全要素生產率增長：基于一種新的窗式DEA生產率指數的再估計[J].農業技術經濟，2013（5）：4-17.

[26]高帆.我國區域農業全要素生產率的演變趨勢與影響因素——基于省際面板數據的實證分析[J].數量經濟技術經濟研究，2015，32（5）：3-19，53.

[27]尹朝靜.科研投入、人力資本與農業全要素生產率[J].華南農業大學學報（社會科學版），2017，16（3）：27-35.

[28]Fare R，Grosskopf S，Norris M.Productivity growth，technical progress，and efficiency change in industrialized countries：reply[J].American Economic Review，1994，84（5）：1040-1044.

[29]李谷成.人力資本與中國區域農業全要素生產率增長——基于DEA視角的實證分析[J].財經研究，2009，35（8）：115-128.

[30]全炯振.中國農業全要素生產率增長的實證分析：1978—2007年——基于隨機前沿分析（SFA）方法[J].中國農村經濟，2009（9）：36-47.

[31]趙芝俊，張社梅.近20年中國農業技術進步貢獻率的變動趨勢[J].中國農村經濟，2006（3）：4-12，22.