耕地地力保護補貼對福建省農業全要素生產率的影響

陳孝鑫，錢鼎煒，陳弘志

摘要：【目的/意義】隨著農業三項補貼的改革，財政結構發生轉變，探索耕地地力保護補貼是如何影響農業全要素生產率的變化有助于完善補貼政策，為促進福建省農業發展提供參考和啟發。【方法/過程】采用DEAMalmquist模型，對泉州市、寧德市和漳州市的農業全要素生產率進行測算，并通過Tobit模型對農業全要素生產率進行回歸分析。【結果/結論】結果表明：技術效率是引起農業全要素生產率增長的主要原因;從農業全要素生產率的影響因素來看，耕地地力保護補貼資金和年日照時數顯著正向影響農業全要素生產率，各縣市GDP、戶均耕地面積和年平均氣溫顯著負向影響農業全要素生產率，而年降雨量與農業全要素生產率呈負相關關系。

關鍵詞：DEAMalmquist模型;技術進步;Tobit模型;耕地地力保護補貼

中圖分類號：F327文獻標志碼：A文章編號：1637-5617（2021）05-0023-08

Effects of the Subsidies for the Protection of Cultivated Land Fertility on Agricultural Total

Factor Productivity in Fujian Province

CHEN Xiaoxin， QIAN Dingwei， CHEN Hongzhi

（School of Economics and Management， Fujian Agriculture and Forestry University，

Fuzhou， Fujian 350002， China）

Abstract： 【Objective/Meaning】With the reform of three subsidies in agriculture， the financial structure has changed. Exploring how the subsidies of farmland productivity protection affect the changes of total factor productivity in agriculture is helpful to improve the subsidy policies and provide reference and inspiration for promoting the agricultural development in Fujian Province. 【Methods/Procedures】By using the DEAMalmquist model， the total factor productivity of agriculture in Quanzhou City， Ningde City and Zhangzhou City was calculated， and then the Tobit model was used to make regression analysis on the total factor productivity of agriculture. 【Results/Conclusions】The results showed that the technical efficiency was the main reason for the increase of agricultural total factor productivity. From the perspective of the influencing factors of agricultural total factor productivity， the subsidies for the fertility protection of cultivated land and the annual sunshine duration had significant positive impact on the total factor productivity of agriculture. The GDP of each county and city， the average cultivated area per household， and the annual average temperature had significant negative impact on the total factor productivity of agriculture， while the annual rainfall was negatively correlated with the agricultural total factor productivity.

Key words：DEAMalmquist model; technological progress; Tobit model; subsidies for the protection of cultivated land fertility

自改革開放以來，我國逐漸建立“十分珍惜、合理利用土地和切實保護耕地”的耕地保護制度與政策，為守住“谷物基本自給、口糧絕對安全”的國家糧食安全戰略底線做出了巨大的貢獻。2012年國務院批準并下發《全國土地整治規劃（2011-2015）》，明確提出確保我國耕地保有量達到18.8億畝的要求。緊接著，2017年的相關文件提出要推行綠色生產方式，改進耕地占補平衡方法，并深入推進農業“三項補貼”的改革。而后，2018-2020年的中央一號文件都強調了農村突出問題的整治和生態環境保護等系列問題，提出要實現生產清潔化等要求。2021年中央一號文件再次強調了要務必嚴守18億畝耕地紅線，將耕地保護制度嚴格落實到位，推動農業綠色發展。在此基礎上，我國未來農業發展必將朝著“綠色生態型”模式發展。當前，我國農業污染主要是由于生產配置和綠色發展之間的不協調所導致，發展綠色低碳農業是實現農業可持續發展的必由之路[1]。且依據經濟增長理論，全要素生產率的提高可使得經濟保持永續增長的狀態[2]，進而間接實現農業可持續發展，因此必須系統地科學地對全要素生產率（TFP）展開研究。

1文獻綜述

隨著歷年中央一號文件以及2016年11月1日財政部、農業部《建立以綠色生態為導向的農業補貼制度改革方案》等相關文件相繼出臺，學者們對農業補貼等財政政策是如何影響全要素生產率進行了相關研究，并產生了兩種相反觀點。持正向論觀點的學者普遍認為，農業補貼可提高農戶財富水平，進而正向影響全要素生產率。如：朱滿德等[3]通過DEATobit兩階段法揭示了綜合性收入補貼是如何影響全要素生產率的變化，研究發現收入補貼對全要素生產率起積極作用;薛信陽等[4]對2011-2016年浦東新區的農民增收補貼政策效率進行測算，發現全要素生產率呈上升趨勢，這說明農民增收補貼政策對于TFP的上升有一定的作用;胡春陽等[5]通過構建產出—財政補貼模型，從企業視角切入展開分析，結果表明財政補貼主要是通過提高技術效率來促進全要素生產率的增長。持反向論觀點的學者則認為農業補貼對于全要素生產率的影響作用不大甚至呈負向影響：關建波等[6]對實施棉花良種補貼前后的生產效率進行了比較分析，發現良種補貼政策實施之后的TFP比實施之前有所下降;焦晉鵬等[7]通過構建個體固定效應模型進行分析，結果表明糧食直補補貼不僅抑制糧食TFP的上升，還抑制農戶對技術使用效率的提升;張宗毅等[8]認為農機購置補貼對TFP起顯著負向影響。

上述研究表明，全要素生產率的研究已取得較大的進展，但其中針對農業支持保護補貼政策所展開的影響因素研究相對較缺乏。2016年我國將農業“三項補貼”合成“農業支持保護補貼”，并將目標分為“耕地地力保護”和“糧食適度規模經營”，此項改革本質上實現了我國農業政策從“黃箱”向“綠箱”的轉變。經歷這次改革，農業支持保護補貼政策中的耕地地力保護補貼對農業全要素生產率造成哪些影響？其背后的影響機制又是什么樣的？回答這些問題，關系到我國未來農業補貼政策的方向選擇——如果耕地地力保護補貼無法提高農業全要素生產率，那么今后是否還需實施此項補貼政策？

鑒于此，研究根據福建省財政廳公布的歷年耕地地力保護補貼資金安排表和《福建統計年鑒》的相關數據，對耕地面積以及耕地地力保護補貼資金進行綜合排名，即將各地市耕地面積占全省比重和補貼資金占全省比重進行均值運算，再進行排名;根據其綜合排名的結果進行分層抽樣，共分為3層，每層各抽取一個地級市作為樣本，即漳州市、寧德市和泉州市，該樣本在一定程度上可以說明福建省的情況。因此，本文即以福建省寧德市、泉州市和漳州市為研究區域，采用DEAMalmquis模型和Tobit模型相結合的研究方法，對農業支持保護補貼政策中的耕地地力保護補貼進行農業全要素生產率的測算，并分析了其背后的影響因素，以期研究結果在一定程度上可促進福建省農業支持保護補貼政策的制定與發展。

2理論依據

農業補貼政策分為2類，一類是與農業生產相掛鉤，另外一類是與農業生產不掛鉤，但無論是哪一種都會在一定程度上影響到農戶和新型經營主體的生產決策和經營行為[7]。索洛經濟增長理論認為在完全競爭市場的假設下，農戶的存儲將全部用于投資，由于個體之間存在差異性，且在政策約束等條件不變時農戶對生產要素的不同配置會形成2條差異明顯的TFP曲線[9]，如圖1所示。當資產較少時，農戶進行農業生產的條件較為有限，就形成相對水平較低的曲線TFP1，但經過一定的財富積累之后，農戶的投資能力將有所變化，進而帶動TFP的變化，出現曲線TFP2。這時，2條差異明顯的TFP曲線形成一個均衡點E，此時農戶資產為K0。當資產超過K0時農戶會選擇曲線TFP2進行農業生產等活動;當資產低于K0時，農戶則只能選擇相對水平較低的曲線TFP1進行農業生產。因此，耕地地力保護補貼作為一種農業直接補貼政策，將直接提高擁有耕地承包經營權的生產者的財富水平，降低其生產成本，進而影響到農戶在農業生產中的決策等，最終造成農業投入結構及生產結構、農業產量產值水平等發生變化。其中，農業技術進步可能是源于農業投入結構的變化，而農業規模效率的變化可能是源于農業生產結構的變化，進而影響全要素生產率的變化，即耕地地力補貼資金使得農戶的資產大于K0時，農戶會選擇相對水平較高的曲線TFP2進行農業生產，此時全要素生產率將得到提高。

3研究方法與數據來源

3.1DEAMalmquist模型

全要素生產率測算方法主要分為參數法和非參數法兩類。一是參數法，主要包括索洛余值法等;二是非參數法，最常用的有非參數莫氏指數法或數據包絡分析（DEA）等，其中DEAMalmquist模型是直接通過投入—產出數據計算其生產率，在其應用中可避免主觀因素對結果的影響，故應用較為廣泛。如賽云秀、張優智、周一凡、王菲等學者[10-13]都通過DEAMalmquist模型對全要素生產率展開測算研究。因此，本文也采用DEAMalmquist模型來測算福建省寧德市、泉州市和漳州市3地市的農業全要素生產率。DEAMalmquist模型是以距離函數為基礎的，并經Fare R.等學者證明，可將全要素生產率（tfpch）分解為技術效率（effch）和技術進步（techch）;而在規模報酬可變時，技術效率（effch）又可進一步分解為純技術效率（pech）和規模效率（sech）。DEAMalmquist模型表達式如下：M0（yn+1，xn+1，xn，yn）=dn0（xn，yn+1）dn0（xn，yn）×dn+10（xn+1，yn+1）dn+10（xn，yn）=effch×tech （1）

其中，dn0（xn，yn），dn0（xn+1，yn+1） 分別是以n時期技術為參照的n時期和n+1時期的距離函數，而dn+10（xn，yn），dn+10（xn+1，yn+1）分別是以n+1時期技術為參照的n時期和n+1時期的距離函數。M0>1則說明從n時期到n+1時期的決策單元的TFP得到了增長;M0<1則表示從n時期到n+1時期的決策單元的TFP出現下降;x為投入向量，y為產出向量。

運用DEAMalmquist模型的關鍵在于選擇較好的投入產出比指標，應盡可能避免較強的線性關系，本文參考國內相關學者的指標選取方法，并考慮到數據采集難等現實因素，將投入指標設為固定資本投入、人力投入、化肥投入和農藥投入4個方面，分別對應的三級指標為農作物播種總面積、農業從業人員數、農業化肥施用折純量和農藥使用量;產出指標為經濟效應，對應的三級指標為農業總產值和農民人均可支配收入（表1）。數據來源于2018-2020年《寧德統計年鑒》《漳州統計年鑒》和《泉州統計年鑒》。

3.2Tobit模型

運用DEAMalmquist模型展開研究獲得農業全要素生產率之后，再運用Tobit模型對農業全要素生產率進行回歸分析，參考朱滿德、賽云秀等學者[3，10]的指標處理方法后，結合寧德市、漳州市和泉州市3地市的實際情況，選取農業全要素生產率為被解釋變量，以各縣市耕地地力保護補貼資金為核心解釋變量，選取各縣市GDP、戶均耕地面積、年平均氣溫、年日照時數和年降雨量為控制變量，表達式如下：

TFPit=α+β1Xit+β2Xit+β3Xit+…

+β6Xit+ε（2）

其中TFPit為農業全要素生產率;α為常數項，β為回歸系數，ε為隨機干擾項，i為地區，t為年份，具體變量解釋如下：（1）耕地地力保護補貼。用于提升耕地地力質量的保護補貼資金是2016年“農業三項補貼”改革之后的農業支持保護補貼中的一類，其資金與耕地質量保護掛鉤，通過鼓勵減少農藥化肥施用量等方式，來促進耕地質量提升，從而實現“藏糧于地”，確保農民實惠不縮水[14]，因此本文選取縣域的耕地地力補貼金額作為核心解釋變量，以X1來表示。（2）經濟發展水平。經濟發展水平在一定程度上會促進耕地質量等，因此本文選取各縣市GDP來衡量其經濟水平，以X2來表示。（3）土地規模水平。對于土地規模較小的農戶來說，在耕地質量等方面的花費較少，而對于土地規模較大的農戶或新型農業經營主體來說，在提高耕地質量以及農業生態資源等方面的開銷較大，故本文選取戶均耕地面積來衡量土地規模水平，以X3來表示。（4）氣候條件水平。氣候條件是植物生長和耕地質量提高的必要條件，其中主要包括氣溫、光照和降水3個要素，故本文選取各縣市年平均氣溫、年日照時數和年降雨量來衡量氣候條件水平，分別用X4、X5、X6來表示。具體的全要素生產率影響因素指標體系如表2所示。

Tobit模型所使用的數據中：耕地地理保護補貼資金和耕地面積源自福建省財政廳公布的資金分配表;經濟發展水平和氣候條件水平源自《寧德統計年鑒》《泉州統計年鑒》《漳州統計年鑒》等。

4農業全要素生產率測算與分析

通過構建全要素生產率測算指標體系，運用Deap 2.1軟件對寧德市、漳州市和泉州市3地市數據進行DEAMalmquist測算，測算結果如表3所示。

4.1全市農業全要素生產率分析

從整體上看，寧德市和漳州市的年平均農業全要素生產率、技術效率、技術進步和規模效率均為逆向增長，其中，年平均技術效率年增長率分別為-0.8%和-0.6%，年平均技術進步年增長率分別為-2.5%和-4.3%，年平均規模效率年增長率為-0.8%和-0.6%，全要素生產率年平均增長率分別為-3.3%和-4.8%;并且，寧德市和漳州市的純技術效率均處在DEA有效狀態，這說明技術效率、技術進步和規模效率限制了提高農業全要素生產率的步伐。泉州市的農業全要素生產率呈現向上增長趨勢，年平均增長率為3.9%，這可能是由于在2019年實施了“百社百村帶千戶行動計劃”，充分發揮了合作社在提高農民組織化水平等方面的優勢，同年也貫徹并實施了《農業生態環境保護條例》和《農藥包裝廢棄物回收處理管理辦法》等相關政策法規，使農業經營方式發生改變所帶來的增長;而技術效率、純技術效率和規模效率也呈正向增長趨勢，年平均增長率分別為4.3%、1.0%和3.1%，而技術進步呈負向增長，年平均增長率為-0.1%，這說明泉州市在2017—2019年農業全要素生產率普遍位于增長趨勢之中，其主要原因是技術效率拉動其農業全要素生產率的增長，技術進步在一定程度上限制了其增長。

4.2縣域農業全要素生產率分析

從縣域上看，首先，農業全要素生產率呈正向增長的有蕉城區、福安市、柘榮縣、東山縣、晉江市、南安市和永春縣，年增長率分別為2.4%、0.2%、1.3%、1.3%、0.7%、3.2%和4.8%，其中永春縣的農業全要素生產率增長率最大，技術效率、純技術效率和規模效率的年增長率為17.5%、3.7%和13%，這可能是因為永春縣的五里街鎮2018年被定為國家級農業產業強鎮示范鎮，帶動了當地乃至永春縣的發展，技術效率拉動了全要素生產率的增長;其次，蕉城區和柘榮縣的全要素生產率的上升，其主要因素是技術進步，這可能的原因是隨著脫貧攻堅工作的持續推進，政府對寧德市的補助也相對較多，比全省均值多出2637.5萬元，在一定程度上會提高農戶的財富水平，潛移默化的影響農戶的投資能力，農業投入結構發生了較明顯的變化，使其技術進步，進而影響到農業全要素生產率;而福安市的農業全要素生產率上升的較為緩慢，這可能是因為工業經濟的迅速發展，不斷沖擊著傳統農業，農業投入結構發生了調整，農業生產經營也慢慢朝著非農產業方向發展，進而導致農業全要素生產率無法得到有效的提升。在農業全要素生產率為負向增長狀態的19個縣市中，其中下降趨勢較大的有福鼎市、屏南縣、壽寧縣、周寧縣、漳州市、云霄縣、詔安縣、長泰縣、南靖縣和平和縣等10個縣市，長泰縣下降幅度最大，年增長率為-12.1%，其主要原因是技術進步下降所導致的，技術水平低所導致的農業全要素生產率下降;泉州市和安溪縣下降幅度較小，年增長率分別為-0.2%和2%，而技術效率和規模效率等均處在DEA有效狀態，這表明泉州市和安溪縣的農業全要素生產率下降主要是受到技術進步的影響，這可能的原因是：泉州市的工商業發達，吸引更多的人從事二三產業，導致兼業化嚴重，即農業投入結構發生調整，導致技術進步下降，進而導致農業全要素生產率的下降。

技術效率的含義是在生產投入要素的約束下，可以獲得的最大產出的能力。綜上所述，從整體上分析，寧德市和漳州市2地市年平均農業全要素生產率的下降，主要是受到技術進步的影響，抑制了其農業全要素生產率的增長趨勢，而泉州市農業全要素生產率年均3.9%增長率主要是由技術效率所貢獻的。從部分上分析，農業全要素生產率的增長或下降主要是受技術效率的影響，隨著技術效率值上升，在一定程度上正向影響農業全要素生產率增長。因此，若想提高各地區的農業全要素生產率，應重點關注技術進步這方面。

5基于Tobit模型的農業全要素生產率影響因素分析本文使用Stata MP64軟件對其進行Tobit模型回歸，寧德市、漳州市和泉州市農業全要素生產率影響因素結果如表4所示。

由核心變量分析可以得出：耕地地力保護補貼資金（X1）與農業全要素生產率呈正相關關系，且通過了1%的水平上的顯著性檢驗;回歸系數為0.0000272，意味著耕地地力補貼資金每增加100萬元，農業全要素生產率將提高0.272%，表明2017-2019年期間實施的耕地地力保護補貼政策有效提高了全要素生產率;這可能是因為隨著補貼資金的增加，農戶或農業新型經營主體的資金充足，提高其財富水平，從而提高投資水平，加快農戶采用農業新技術，優化農業投入結構進而使得技術水平提高和耕地質量的提升，用較低的生產成本就可獲得較為滿意的產出。

由控制變量分析，在反映氣候條件水平的變量中：（1）反映經濟發展水平質量的各地區生產總值（GDP）（X2）對農業全要素生產率起消極作用，且通過了1%的水平上的顯著性檢驗。這可能的解釋是隨著經濟發展水平的提高，農業占GDP的比例下降，農業生產結構發生了變化，重心逐漸向非農產業靠攏，使規模效率較低，進而消極影響其農業全要素生產率。（2）反映土地規模水平的戶均耕地面積（X3）在1%的顯著性水平上顯著負向影響農業全要素生產率，回歸系數為-0.0262678，這意味這耕地面積每增加1畝（1畝=667 m2），農業全要素生產率就下降2.63%;表明單純地增加各縣市的耕地面積，并不會提高其農業全要素生產率，反而會使農業全要素生產率下降。這可能是由于城鄉二元制度的影響仍然較大，年輕人進城務工，農村逐漸老齡化，乃至空心化，在這種情況之下，便沒有足夠的農村勞動力進行勞作或耕種，即使增加耕地面積也無法實現規模經濟，使得生產效率沒有得到提高反而下降。（3）年平均氣溫（X4）對農業全要素生產率有負向影響，且通過了1%的水平上的顯著性檢驗;回歸系數為-0.0133278 ，表明年平均氣溫每升高1℃，農業全要素生產率就大約下降1.3%;這可能是因為隨著年平均氣溫升高，盡管糧食作物的復種指數增加，農業產量或產值增加，但農業投入品也同比例增加，使光熱資源改善可縮短糧食作物生長時間的隱性影響未能發揮正向作用[15]，這與朱滿德等[3]學者對全要素生產率的影響研究結果相類似;年日照時數（X5）對農業全要素生產率有正向影響，且通過了在5%水平上的顯著性檢驗，隨著年日照時數的增加，植物進行光合作用的時間變長，更有利于植物生長，從而可獲得更高的產出;年降雨量（X6）對農業全要素生產率有負向影響，即隨著年降雨量的增多，容易帶來洪澇等自然災害，不利于農業生產，從而抑制農業全要素生產率的提高，這與易福金[16]等學者的研究結果相一致。

6研究結論與政策建議

6.1研究結論與存在的不足

本文運用DEAMalmquist模型和Tobit模型相結合的研究方法，測算了福建省寧德、泉州和漳州3地市的農業全要素生產率之后，又進一步揭示了耕地地力保護補貼是如何影響農業全要素生產率的變化。研究發現：（1）從總體測算結果上來看，寧德市和漳州市的年平均農業全要素生產率呈下降趨勢，年增長率分別為-3.3%和-4.8%;泉州市的年平均農業全要素生產率為增長趨勢，年增長率為3.9%。綜上所述，引起3地市農業全要素生產率變化的主要原因是技術效率。（2）從農業全要素生產率的影響因素來看，耕地地力保護補貼資金和年日照時數顯著正向影響農業全要素生產率，各縣市GDP、戶均耕地面積和年平均氣溫顯著負向影響農業全要素生產率，而年降雨量與農業全要素生產率呈負相關關系。

由于受到宏觀數據的限制，本文仍然存下以下幾點不足之處：（1）指標選取較為片面，如針對農作物播種面積這一指標，缺乏更為貼切的指標與之相聯系;（2）臨近地區的自然氣候條件較為相似，相對于其他地區可能會造成較為顯著的正向影響，在一定程度上會影響回歸結果。

6.2對策建議

根據研究結論，并結合福建省實際情況，提出以下政策建議：（1）加強配套保障措施，優化技術效率。研究結果顯示寧德市和漳州市全要素生產率總體上是呈現下降趨勢，這并不代表耕地地力保護補貼政策沒有起到作用，而是因為僅靠一個補貼政策是難以起到較大的作用。所以，政府應當增強技術投入，并且加強配套保障措施，提高技術進步并優化技術利用效率。政府可圍繞農機具技術或農業知識技術培訓等展開，如增加適用于山地地區的中小型農機具，促使機械化發展[17]，一定程度上可以降低地形地貌因素對補貼政策效果的影響;積極組織農戶或者新型農業經營主體參加農業知識培訓會，針對性地進行技術指導，這可以使規模效率增加，從而提升全要素生產率，使耕地地力保護補貼政策更好地服務農業，惠及農民。（2）加強農業氣象工作，提高氣象預報工作的準確性和及時性，并加大對于氣象工作的財政補助。（3）健全農業補貼管理制度。要保證耕地地力保護補貼充分得到落實，應進一步在資金管理制度上下功夫，漸漸打破傳統管理思維，創新工作方式，朝著效率高的全方位的管理制度發展，避免出現耕地地力保護資金跑、漏等現象，全面保證補貼資金落實到位。

參考文獻：

[1]葛鵬飛，王頌吉，黃秀路. 中國農業綠色全要素生產率測算[J]. 中國人口·資源與環境，2018，28（5）：66-74.

[2]唐亮，曾慶雙，郎潤華. 糧食全要素生產率及影響因素研究——基于2008—2017年四川省市級面板數據的實證分析[J]. 云南農業大學學報（社會科學），2021，15（4）：67-75.

[3]朱滿德，李辛一，程國強. 綜合性收入補貼對中國玉米全要素生產率的影響分析——基于省級面板數據的DEATobit兩階段法[J]. 中國農村經濟，2015（11）：4-14，53.

[4]薛信陽，馬佳，楊德利. 基于DEAMalmquist模型的農民增收補貼政策效率分析——來自浦東新區面板數據的經驗證據[J]. 中國農業資源與區劃，2018，39（4）：152-161.

[5]胡春陽，王展祥. 財政補貼如何影響企業全要素生產率——兼論制造業財政補貼“適度區間”[J]. 當代財經，2020（6）：28-41.

[6]關建波，譚硯文. 良種補貼對中國棉花生產效率的影響分析[J]. 農業技術經濟，2014（3）：49-56.

[7]焦晉鵬，宋曉洪. 糧食全要素生產率影響因素的實證分析[J]. 統計與決策，2015（11）：126-129.

[8]張宗毅，王許沁，葛繼紅. 中國農機化效率：區域差異及購置補貼影響效應——基于省域視角和DEATobit模型的分析[J]. 湖南農業大學學報（社會科學版），2019，20（3）：1-8.

[9]周楊，邵喜武. 價格支持政策對大豆全要素生產率的影響機制分析[J]. 華中農業大學學報（社會科學版），2021（2）：101-110，180.

[10]賽云秀，王孜璇. 陜西省全要素生產率測算及影響因素研究[J]. 西安石油大學學報（社會科學版），2021，30（2）：1-7.

[11]張優智，喬宇鶴. 環境規制對制造業綠色全要素生產率的影響研究——基于碳排放權交易政策的PSM-DID檢驗[J]. 生態經濟，2021，37（4）：30-36.

[12]周一凡，張潤清. 基于DEAMalmquist指數方法的河北省農業全要素生產率分析[J]. 河北農業大學學報（社會科學版），2021，23（1）：2，48-55，129.

[13]王菲，張立新. 山東省科技金融發展效率評價及影響因素研究——基于DEAMalmquist-Tobit三步法分析[J]. 無錫商業職業技術學院學報，2020，20（6）：7-14.

[14]彭炎輝. 耕地地力保護補貼政策的效果評價及改進建議[J]. 中州學刊，2017（12）：48-53.

[15]陳樂群，王波. 氣候變化對福建省種植業生產效率的影響研究[J]. 農業經濟，2021（4）：22-25.

[16]易福金，周甜甜，陳曉光. 氣候變化、農業科研投入與農業全要素生產率[J]. 南京農業大學學報（社會科學版），2021，21（4）：155-167.

[17]董倩楠，任維民，劉旭剛，等. 基于PCA的農機購置補貼績效評價研究[J]. 中國農機化學報，2020，41（3）：219-224.