生產效率視域下加工番茄生產要素冗余的區域差異及影響因素

馬玉婷 陳彤 趙向豪

摘要：新疆是我國番茄制品生產和出口的重要基地，基于新疆加工番茄主產縣域480份農戶的調研數據，采用DEA-BCC模型，測算新疆加工番茄主產縣域的生產效率，分析加工番茄主產縣域的生產要素冗余率，并利用地理探測器模型，揭示影響加工番茄生產效率的關鍵因子。結果表明：新疆加工番茄主產縣域的生產效率存在顯著差異，且生產效率均未達到DEA有效水平；其次，加工番茄主產縣域的生產要素投入存在不同程度的冗余，種植面積和農業機械投入冗余屬于資源利用強度不足型，勞動力、化肥及農藥投入冗余屬于要素投入過度型；家庭純收入、戶主年齡、戶主受教育程度、種植時間和種植面積是生產效率出現縣域差異的主要因子，解釋力度介于61.4%～65.2%，且因子間相互作用的影響力均高于單獨作用的影響力，表明促進縣域之間生產要素的合理流動和高效集聚，發揮主產縣域的輻射帶動作用，可以有效提高加工番茄種植戶的生產效率。

關鍵詞：加工番茄；生產效率；縣域差異；地理探測器模型；要素投入

中圖分類號：S641.2： F223

文獻標識碼：A

文章編號：2095-5553 （2023） 04-0222-08

Abstract： Xinjiang is an important base for production and export of tomato products in China. Based on the survey data of 480 farmers in the main producing counties of processing tomato in Xinjiang， the DEA-BCC model was used to measure the production efficiency of the main producing counties of processing tomato in Xinjiang， analyze the redundancy rate of production factors in the main producing counties of processing tomato in Xinjiang， and the geographical detector model was also used to reveal the key factors affecting the production efficiency of processing tomato. The results showed that there were significant differences in the production efficiency of Xinjiang processing tomato in main producing counties， and the production efficiency did not reach the effective level of DEA. Secondly， the input of essential productive factors in main producing counties of processing tomato had different levels of redundancy， among which the redundancy of planting area and agricultural machinery fell within the insufficient intensity of resource utilization， while the redundancy of labor force， fertilizers and pesticides fell within excessive input of productive factors. Net income of farmer families， their age， education level， planting schedule and planting area were the main contributory factors for the county-level difference in productivity， the corresponding level of explanation is 61.4%-65.2%， and all the effect of interaction between the factors was greater than that of individual effect， indicating that reasonable flow and efficient clustering of productive factors between the counties and the radiation function of main producing counties can effectively enhance the productivity of processing tomato growers.

Keywords：? processing tomato; production efficiency; county differences; geographic detector model; factor input

0 引言

新疆是我國番茄制品生產和出口的重要基地，自國家提出新絲綢之路經濟帶倡議以來，新疆番茄制品出口總量和出口總額連年增長，番茄產業在促進新疆經濟穩步增長方面具有重要作用。但2017年以來，新疆加工番茄單位面積產量和種植面積均出現下降趨勢，想要實現加工番茄的穩定生產，需要提高加工番茄的經濟效益，除政府實施一些相關保護政策外，提高加工番茄生產效率是亟需解決的問題。因此，在鄉村振興戰略和質量興農戰略的背景下，以我國《第十四個五年計劃和2035年遠景目標綱要》為契機，系統分析新疆加工番茄生產效率的縣域差異及影響因素，無論是從微觀層面上發揮新疆加工番茄主產縣域的生產比較優勢，有效利用現有的物質資源和勞動力資源，促進加工番茄產出最大化，還是從宏觀層面有效挖掘番茄生產潛力，促進番茄產業轉型升級都有一定的實踐意義。

合理配置資源要素是國內外經濟學家研究的熱點問題，一直以來各國經濟學家都致力于研究要素投入與其產出的合理配置，從而使資源能夠得到最優配置。從研究成果來看，大多數研究學者探索生產效率與經濟增長之間的內在機理，通過測算農業生產效率，探討如何轉變農業生產方式［1］。然而轉變農業生產方式并不能一味追求技術進步或者較高的生產效率，其根本原因是農業要素投入結構的長期失衡和配置扭曲，限制農業生產效率的提高。伴隨著農業生產方式的轉變，生產投入要素重新進行組合，在技術進步的作用下，實現要素投入的合理配置，促進生產效率增長，因此優化要素投入結構和提升配置效率是提升生產效率問題的重中之重。相關研究表明，我國農業生產要素呈三種變化趨勢，一是勞動力要素呈倒U型變化趨勢［2］；二是資本要素日益增長所導致農業的資本深化；三是土地要素日益稀缺［3］。隨著我國經濟和社會發展，勞動力、資本和土地這三者的組合關系在優化中提升了農業要素配置效率，擺脫經濟增長對要素投入的依賴，形成以技術進步和技術改革的有效誘導機制，提高了我國的農業生產效率。現階段，以農業生產效率為主題的研究較多，研究趨向于測算農業生產效率［4-5］、探析農業生產效率的收斂性和農業全要素生產率分解及其變動趨勢等研究［6-9］；探究生產效率影響因素的研究主要涉及技術應用、農業結構、土地流轉、農業生產規模和生態環境等外部因素［10-12］，而有關內部影響因素的研究較少；運用的研究方法包括隨機前沿分析法［13］、數據包絡法［14］、Malmquist指數法［15］、非徑向SBM模型和非參數的Malmquist指數以及結合空間計量等相關方法［16-18］。

綜上所述，學者們基于不同的研究視角和研究方法，分析不同層級的生產效率問題，研究對象多集中在種植業的測算，如水稻、小麥、棉花和甜菜等農產品，加工番茄作為新疆重要的經濟作物之一，研究成果中有關生產要素投入與生產效率關系的研究較少，且采用宏觀數據可能會導致生產效率的估計值和效率影響因素的可信度降低。鑒于此，本文以新疆加工番茄種植戶作為研究對象，借助DEA-BCC模型測度新疆加工番茄主產縣域的生產效率，利用地理探測器模型探析影響生產效率的主要因素，為新疆加工番茄種植戶的生產與發展提出相關建議。

1 研究方法

1.1 DEA-BCC模型

2 數據來源與變量選取

2.1 數據來源

首先根據2010—2019年《新疆統計年鑒》中各縣市加工番茄的實際生產情況，選取種植加工番茄的6個主產縣域，分別是焉耆縣、和碩縣、博湖縣、瑪納斯縣、呼圖壁縣和昌吉市。其次根據加工番茄的生產規模和農業發展水平，選取18個樣本鄉鎮，根據每個樣本鄉鎮的農業市場發展情況，選取3個樣本村，總樣本村共54個，每個樣本村中隨機抽取10戶番茄種植戶進行問卷調研，總樣本農戶540戶。實地調研時間是2021年5—7月，共獲得520份問卷，剔除其中空白較多和填寫有誤的無效問卷，有效問卷共480份，有效問卷率92.3%，以480戶農戶2020年種植加工番茄的相關數據為基礎，分析加工番茄主產縣域的生產效率。

2.2 變量選取

2.2.1 投入產出變量

查閱相關研究成果［22-24］，本文選取2020年加工番茄種植戶的單位面積產量作為產出變量，投入變量包括土地投入、勞動力投入和資本投入，土地投入以單位種植面積表示，指農戶在2020年種植加工番茄的實際面積；勞動力投入以單位面積的雇工費用表示；資本投入包括化肥費用、農藥費用、機械使用費、其他物質投入費用（包括種子費、灌溉費和電費等），加工番茄生產投入要素的基本情況見表1。

2.2.2 地理探測器模型變量

根據經濟學原理和相關文獻的研究成果［25-26］，影響加工番茄種植戶生產效率的因素包括內部因素與外部因素，主要來自農戶的家庭特征、種植特征、農業資源稟賦、農業技術水平與機械化水平的差異等方面。因此，本文選取農戶種植加工番茄的面積、戶主受教育程度、戶主年齡、家庭純收入、番茄收入占比、種植時間、參加技術培訓的次數、耕地流轉率、上一年的番茄銷售價格、家庭勞動力數量、是否參加非農就業、是否參加訂單農業共12個變量作為自變量，選取DEA-BCC模型測算的綜合技術效率作為因變量。變量具體解釋和描述性統計分析見表2。

3 實證結果與分析

3.1 加工番茄生產效率的縣域比較分析

本文基于加工番茄生產投入和產出的實地調研數據，利用DEA-BCC模型計算6個加工番茄主產縣域的綜合技術效率、純技術效率及規模效率，測算結果如表3所示。結果說明，加工番茄主產縣域的生產效率存在差異，且均未達到DEA有效水平，綜合技術效率、純技術效率和規模效率均值分別是0.941、0.974、0.966。由此可見，在現有的技術條件下，該技術的生產效能發揮水平為94.1%，純技術效率平均值大于規模效率，說明規模效率是綜合技術效率增長的瓶頸因素，抑制綜合技術效率的增長，表明加工番茄主產縣域的生產要素投入結構不合理，要素配置效率較低，應在縣域層面綜合考慮生產要素投入的共同作用，最大程度地發揮生產要素的協同作用，進一步優化生產要素的配置結構，提高加工番茄種植戶的生產效率。同時，比較加工番茄主產縣域的生產效率，深入分析加工番茄生產效率的空間異質性。研究發現，加工番茄主產縣域的綜合技術效率由大到小的順序分別是博湖縣、焉耆縣、瑪納斯縣、昌吉市、和碩縣、呼圖壁縣。博湖縣的生產效率值最高，效率值為0.959，且純技術效率值高于規模效率，與實地調研情況相符，實地調研發現，博湖縣近幾年大力發展全域旅游，經濟增長速度較快，加工番茄的經營方式不斷發生改變，技術革新較快，生產技術利用率較高。呼圖壁縣生產效率值最低，效率值為0.915，且純技術效率值低于規模效率，說明呼圖壁縣受技術進步的牽制，加工番茄技術推廣的應用范圍受限，科研轉化效率低。昌吉市、呼圖壁縣、焉耆縣和博湖縣的規模效率較高，其根本原因可能是這些地區的生產投入要素結構不斷趨于合理化，要素稟賦條件較好，要素配置效率高，規模效益也較高。總的來說，和碩縣和瑪納斯縣需要優化要素投入結構，著重提升加工番茄的生產規模效益，呼圖壁縣和焉耆縣需要加強生產技術的推廣強度。

3.2 冗余率的空間分異分析

生產效率的測算結果顯示，加工番茄主產縣域的生產效率存在明顯差異，說明加工番茄的生產要素投入還有待合理調整。假設DEA是有效的，冗余率是通過測算既定產出下要素投入的優化量與實際投入量的差值，表現由于投入要素結構不合理而對部分投入要素進行調整的比例，使其能夠達到生產前沿面上，其中關鍵問題是判斷要素投入是由于資源投入過度，還是資源利用率較低，研究探析主產縣域加工番茄生產投入要素的差異以及如何進行調整，具體分析如下。

1） 種植面積投入冗余。共有78%的DMU種植面積投入冗余小于20%，22%的DMU表現為20%～50%的中度冗余，除呼圖壁縣和瑪納斯縣的種植面積投入冗余率較小且小于20%，剩余縣域均存在冗余。究其原因，可能是因為新疆將推進新型城鎮化作為實現跨越式發展和長治久安的重要戰略之一，城鎮化促進農村人口向城市轉移，導致農村人均種植面積急劇增加，目前農村勞動力逐漸呈現老齡化的變化趨勢，致使種植面積投入冗余率較高，表明土地利用仍有提升空間。

2） 勞動力投入冗余。共有36%的DMU勞動力投入冗余小于20%，36%的DMU表現為20%～50%的中度冗余，28%的DMU表現為大于50%的高度冗余。將主產縣域分為北疆和南疆兩個區域，北疆包括昌吉市、瑪納斯縣和呼圖壁縣，南疆包括和碩縣、焉耆縣和博湖縣，對比結果發現，南疆的勞動力冗余率較高，表明以傳統小農戶經營方式的比重較大，也可能與地區經濟發展水平有關，應采取適當的措施促進勞動力的轉移和就業，出臺靈活的農業勞動力轉移政策，有效釋放剩余勞動力。

3） 化肥及農藥投入冗余。化肥及農藥投入屬于邊際報酬遞減造成的投入過度型冗余，呈現出明顯的空間分布規律，低度冗余主要分布在昌吉市、瑪納斯縣和呼圖壁縣，這些地區僅需小幅度地調整即可達到最優投入；和碩縣、焉耆縣和博湖縣屬于中度冗余，南疆地區貧困人口較多，農戶受專業技術水平的限制，容易出現盲目施肥以獲取短期利益的行為，需要盡快縮減化肥和農藥投入，避免因過度投入而帶來的環境資源問題，促進耕地資源的可持續利用。

4） 農業機械投入冗余。總的來說，加工番茄主產縣域農業機械投入冗余量不大，但縣域之間有較大差異，共有69%的DMU農業機械投入的冗余率小于20%，分別是在昌吉市、呼圖壁縣和焉耆縣，焉耆縣和昌吉市屬于加工番茄的種植老區，種植大戶占新型農業經營主體的比重較大，能夠進一步改善種植方式和農用機械布局，提高農機的利用率，消除農業機械動力冗余。其余縣域以分散經營的小農戶為主，土地經營規模小，且農業機械受番茄生產周期的限制，使用時間短，致使農業機械利用強度不足，因此，政府需要完善并推行土地流轉方式，鼓勵農戶進行規模經營。

5） 其他物質投入冗余。其他物質投入包括農膜費、種子費以及水電費等相關生產費用，加工番茄主產縣域的其他物質投入冗余差異較小，究其原因可能是因為其他物質費用變動幅度較小，共有85%的DMU其他物質投入的冗余率小于20%，屬于資源投入過度型，需要制定有針對性的農業補貼措施，提高加工番茄種植戶的經濟收益。

3.3 生產效率縣域差異的影響因素分析

3.3.1 因子探測結果分析

上述分析均表明加工番茄的生產效率存在顯著的縣域差異，其中要素投入是決定生產效率的內在影響因素，除了要素投入可以直接影響生產效率，農戶的家庭特征、種植特征以及資源環境差異等外部因素對生產效率也有不同程度的作用，因此，本文利用地理探測器模型中的因子探測進行分析，如表4所示。結果顯示，各影響因子對加工番茄生產效率縣域差異的影響力度存在顯著差異，且顯著性水平也有所不同，其中家庭純收入、戶主年齡、戶主受教育程度、種植時間、種植面積、番茄收入占比、上一年的番茄銷售價格、是否參加非農就業全部通過了0.01水平的顯著性檢驗，是否參加訂單農業和耕地流轉率通過了0.05水平的顯著性檢驗，而家庭勞動力數量和參加技術培訓的次數均未通過顯著性水平檢驗。影響因子根據解釋力強弱由大到小的排序是：X4>X3>X2>X1>X6>X5>X9>X11>X12>X8，其中家庭純收入、戶主年齡、戶主受教育程度、種植面積、種植時間是影響生產效率縣域差異的主要因子，解釋力度在61.4%～65.2%之間，由于不同影響因子的作用機理不同，深入探析可知：（1）家庭純收入增加可以明顯提高生產效率，表明伴隨著新疆番茄產業的快速發展，番茄種植戶的經濟收益逐漸提高，有助于增加番茄種植的資金投入，方便農戶購買生產物質資料，從而進一步提升生產經營水平。（2）戶主年齡對生產效率的影響力度僅次于家庭純收入，表明種植戶年齡越大，生產效率越高。這可能是由于番茄種植戶的年齡越大，種植時間就越長，鄉土情結越重，基于豐富的種植經驗，農戶能夠熟練掌握種植技巧，可以有效提高生產效率。（3）戶主受教育程度、種植時間和種植面積對生產效率的影響力度較大，介于61.4%～63.9%，各項分析均表明，戶主受教育程度對生產效率有正向影響，戶主受教育程度越高，農戶學習生產技術的能力和生產要素調控能力就越強；種植番茄的時間越長，在生產要素投入上積累的經驗就越多，生產效率也會隨之提高；種植面積對提高生產效率也有明顯的促進作用，土地是番茄種植的載體，通過擴大種植面積，可以優化資源配置效率，降低單位投入成本，農戶通過考慮資金投入能力和效率等問題，能夠確定更加合理的要素投入結構。（4）家庭勞動力數量與參加技術培訓的次數對生產效率沒有顯著影響，家庭勞動力的有效投入是生產要素投入產生有效產出的要點，新疆加工番茄主產縣域的勞動力投入冗余率較高，且以分散經營的小農戶居多，因而勞動力對生產效率的貢獻較小；參加技術培訓的次數對生產效率影響較小的原因可能是隨著種植面積的擴大，農戶具備相應的生產技術已經可以滿足本身的管理需求，即使參加技術培訓，也無法解決番茄種植過程中的問題，無法有效提高生產效率，農戶更依賴追加化肥農藥等要素投入以獲得更高的產量。

3.3.2 交互作用探測結果分析

交互作用可以揭示生產效率的影響因子之間是否存在相互作用，結果如表5所示。結果表明，不同因素之間相互作用的影響力均高于單獨作用的影響，交互類型可分為非線性增強型和雙因子增強型，其中種植面積∩戶主受教育程度、戶主受教育程度∩戶主年齡、戶主受教育程度∩番茄收入占比、戶主年齡∩家庭純收入、家庭純收入∩是否參加訂單農業相互作用后的解釋力較大，交互后q值分別是0.784、0.765、0.853、0.847、0865，屬于雙因子增強型，表明這些因子相互作用后有“1+1>2”的效果，可以有效提高加工番茄的生產效率，也可以證明加工番茄生產效率的縣域差異是由于內部因素和外部因素的耦合作用所致，并不是各因子獨立作用的結果。以戶主受教育程度與番茄收入占比的相互作用來說，戶主受教育程度和番茄收入占比的共同作用可以促進生產效率的提升，一是戶主受教育程度越高，對農業技術的傳播和提高農戶生產技術水平的作用就越大；二是番茄收入占比的增加能夠有效刺激更多的人力資本投入，從而加強對新型農業經營主體的培育，種植大戶等新型農業經營主體可以發揮其帶動作用，促進番茄種植戶致富增收。因此，戶主受教育程度、種植面積、是否參加訂單農業、參加技術培訓的次數等因素的綜合提升，能夠有效提高加工番茄的生產效率。目前新疆加工番茄以分散經營的小農戶為主，以種植大戶為代表的新型農業經營主體較少，番茄產業面臨內生發展動力不足，外部拉力較弱相互疊加，制約生產投入要素有效流動，也抑制技術進步和農業創新活動，導致新疆加工番茄生產效率存在較大的縣域差異，需要發揮各縣域的生產比較優勢，促進縣域之間生產要素的合理流動和高效集聚。

4 結論與啟示

4.1 結論

本文基于新疆加工番茄主產縣域480份農戶的實地調研數據，測算加工番茄的生產效率，分析生產投入要素的縣域差異，并運用地理探測器模型識別影響加工番茄生產效率的關鍵因子，主要結論如下。

1） 新疆加工番茄主產縣域的生產效率存在明顯差異，且生產效率均未達到DEA有效水平，綜合技術效率、純技術效率和規模效率均值分別是0.941、0.974、0.966。加工番茄主產縣域的生產效率由大到小的排序分別是博湖縣、焉耆縣、瑪納斯縣、昌吉市、和碩縣、呼圖壁縣，其綜合技術效率均值為0.941，表明在現有的技術條件下，該技術的生產效能發揮水平為94.1%，且純技術效率平均值高于規模效率，說明規模效率是抑制綜合技術效率增長的瓶頸因素，表明加工番茄主產縣域的生產要素投入結構有待進一步優化。

2） 新疆加工番茄主產縣域的生產投入要素存在不同程度的冗余，種植面積和農業機械投入冗余屬于資源利用強度不足型，勞動力、化肥及農藥投入冗余屬于要素投入過度型，與實地調查情況相符。目前，生產資料和勞動成本的上升迫使新疆加工番茄的生產成本優勢逐漸消失，同時內蒙古、甘肅省等地番茄產業的快速發展，導致新疆加工番茄的區位優勢逐漸減弱，且新疆加工番茄種植戶規模經營的比重低于小農戶和種植大戶，以分散經營的小農戶居多，妨礙加工番茄種植戶提高生產效率。

3）? 家庭純收入、戶主年齡、戶主受教育程度、種植面積、種植時間是生產效率產生空間分異的主要影響因子，解釋力度介于61.4%～65.2%，且因子間相互作用的影響力均高于單獨作用的影響力，交互類型可分為非線性增強型和雙因子增強型，其中種植面積∩戶主受教育程度、戶主受教育程度∩戶主年齡、戶主受教育程度∩番茄收入占比、戶主年齡∩家庭純收入、家庭純收入∩是否參加訂單農業相互作用后的解釋力較大，交互后q值分別是0.784、0.765、0.853、0.847、0865，屬于雙因子增強型，表明這些因子相互作用后有“1+1>2”的效果，可以有效提高加工番茄的生產效率，也表明加工番茄生產效率的縣域差異是由于內部因素和外部因素的耦合作用所致，并不是各因子獨立作用的結果。

4.2 啟示

1） 完善并穩步推進土地流轉工作。新疆加工番茄主產縣域的土地、勞動力、農業技術、農業機械、資金等要素投入沒有形成合理配置，生產效率出現顯著的縣域差異。因此，為了提高加工番茄的生產效率，一方面可通過土地整理和互換等形式擴大種植面積，鼓勵農戶適度擴大經營規模，通過規范農戶生產行為，推進生產經營的規模化和專業化，在鼓勵規模經營的同時，需要以家庭經營為主，引導農戶根據家庭勞動力資源選擇適宜的經營規模。另一方面要避免過度強調土地流轉的功能而造成的片面性，政府需要加強規范引導，建立健康有序的土地流轉，引導和鼓勵農戶參與土地流轉。

2） 制定縣域差別化的生產管理方式。一是在穩步推進土地流轉工作的基礎上，根據資源環境、農業技術應用程度、勞動力稟賦水平的不同，制定差別化的生產管理方式，分類分區提高各縣域的經濟發展水平。通過對農戶的經營資質進行評估，判斷農戶資源配置能力、農業經營經驗與能力以及農田所在區域基礎設施條件等，按照評估結果將農戶分為規模化經營主體和以分散經營的小農戶為代表的非規模化經營主體，對于規模化經營主體而言，由于農戶經營生產規模較大，對專業化的要求較高，需要加大農業專業化服務的供給力度，促進規模經營主體的健康發展。對于生產經營規模較小的番茄種植戶，為了獲得更高的產量，往往會增加化肥和農藥的投入，通過促進小農戶和新型農業經營主體的合作和聯合，提升番茄種植戶的綜合生產能力。二是鑒于影響因素存在交互作用且可產生“1+1>2”的增強效應，應在縣域層面綜合考慮生產要素投入的共同作用，最大程度地發揮生產要素的協同作用，優化生產要素的配置結構，提高番茄種植戶生產效率。

參 考 文 獻

［1］ 付明輝， 祁春節. 要素稟賦、技術進步偏向與農業全要素生產率增長——基于28個國家的比較分析［J］. 中國農村經濟， 2016（12）： 76-90.

［2］ 羅浩軒. 中國區域農業要素稟賦結構變遷的邏輯和趨勢分析［J］. 中國農村經濟， 2017（3）： 46-59.

Luo Haoxuan. An analysis on the logic and trend of regional agricultural factor endowment structure change in China ［J］. Chinese Rural Economy， 2017（3）： 46-59.

［3］ 涂圣偉. 我國農業要素投入結構與配置效率變化研究［J］. 宏觀經濟研究， 2017（12）： 148-162.

［4］ 孟曉霞， 曹洪軍， 焦勇. 我國農業生產技術效率評價研究——基于修正的三階段DEA模型［J］. 財經問題研究， 2016（4）： 124-129.

［5］ 郭思源， 張敏， 吳國春. 黑龍江墾區農業生產效率及其影響因素研究［J］. 東北農業大學學報， 2019， 50（12）： 68-75.

Guo Siyuan， Zhang Min， Wu Guochun. Study on agricultural production efficiency and its influencing factors in Heilongjiang reclamation area ［J］. Journal of Northeast Agricultural University， 2019， 50（12）： 68-75.

［6］ 胡雯， 嚴靜嫻， 陳昭玖. 要素稟賦約束下中國粳稻生產率的地區差異及收斂性分析［J］. 農業現代化研究， 2016， 37（6）： 1055-1060.

Hu Wen， Yan Jingxian， Chen Zhaojiu. The regional difference and convergence analysis of the productivity of japonica rice under the constraint of factor endowment ［J］.Research of Agricultural Modernization， 2016， 37（6）： 1055-1060.

［7］ 陸泉志， 陸桂軍， 范稚蓮， 等. 廣西糧食全要素生產率時空差異及收斂性分析［J］. 南方農業學報， 2018， 49（9）： 1887-1893.

Lu Quanzhi， Lu Guijun， Fan Zhilian， et al. Spatial-temporal differences and convergence analysis of grain total factor productivity in Guangxi ［J］. Journal of Southern Agriculture， 2018， 49（9）： 1887-1893.

［8］ 王亞楠， 呂杰. 東北地區玉米和大豆生產成本效率的區域差異及影響因素［J］. 農業經濟， 2020（3）： 12-14.

［9］ 胡迪， 楊向陽， 王舒娟. 勞動力轉移影響糧食生產技術效率的區域差異及門檻效應研究［J］. 農村經濟， 2019（2）： 47-53.

［10］ 韓旭東， 王若男， 楊慧蓮， 等. 土地細碎化、土地流轉與農業生產效率——基于全國2745個農戶調研樣本的實證分析［J］. 西北農林科技大學學報（社會科學版）， 2020， 20（5）： 143-153.

Han Xudong， Wang Ruonan， Yang Huilian， et al. Land fragmentation， land transfer and agricultural productivity efficiency： Empirical analysis based on 2745 rural households nationwide ［J］. Journal of Northwest A & F University （Social Science Edition）， 2020， 20（5）： 143-153.

［11］ 陳紅， 王會. 環境要素對我國糧食生產效率影響的實證研究［J］. 林業經濟， 2018， 40（1）： 75-81， 104.

［12］ 楊皓天， 劉秀梅， 句芳. 糧食生產效率的隨機前沿函數分析——基于內蒙古微觀農戶層面1312戶調研數據［J］. 干旱區資源與環境， 2016， 30（12）： 82-88.

Yang Haotian， Liu Xiumei， Ju Fang. Stochastic frontier function analysis on the grain production efficiency—Based on the research data of 1312 farmers in Inner Mongolia ［J］. Journal of Arid Land Resources and Environment， 2016， 30（12）： 82-88.

［13］ 李輝尚， 胡晨沛， 曲春紅. 中國小麥主產區生產效率時空演變特征分析［J］. 中國農業資源與區劃， 2018， 39（10）： 91-99.

Li Huishang， Hu Chenpei， Qu Chunhong. Spatio-temporal feature of wheat production efficiency in main producing provinces of China ［J］. Chinese Journal of Agricultural Resources and Regional Planning， 2018， 39（10）： 91-99.

［14］ 郎新婷， 馬惠蘭. 新疆小麥生產效率及地區差異研究［J］. 中國農業資源與區劃， 2016， 37（10）： 127-133.

Lang Xinting， Ma Huilan. Wheat production efficiency and region differences in Xinjiang ［J］. Chinese Journal of Agricultural Resources and Regional Planning， 2016， 37（10）： 127-133.

［15］ 石風光. 基于非徑向超效率DEA模型的中國地區技術效率研究［J］. 統計與決策， 2012（14）： 90-93.

［16］ 潘丹， 應瑞瑤. 中國農業生態效率評價方法與實證——基于非期望產出的SBM模型分析［J］. 生態學報， 2013， 33（12）： 3837-3845.

Pan Dan， Ying Ruiyao. Agricultural eco-efficiency evaluation in China based on SBM model ［J］. Acta Ecologica Sinica， 2013， 33（12）： 3837-3845.

［17］ 侯麟科， 仇煥廣， 白軍飛， 等. 農戶風險偏好對農業生產要素投入的影響——以農戶玉米品種選擇為例［J］. 農業技術經濟， 2014（5）： 21-29.

［18］ 吳玉鳴. 中國區域農業生產要素的投入產出彈性測算——基于空間計量經濟模型的實證［J］. 中國農村經濟， 2010（6）： 25-37， 48.

Wu Yuming. An estimation of output elasticity of regional agricultural production factors in China—An empirical study with spatial econometric models ［J］. China Rural Economy， 2010（6）： 25-37， 48.

［19］ 孫明艷， 周慧秋. 基于DEA的黑龍江省蔬菜產業投入產出效率實證分析［J］. 北方園藝， 2018（19）： 187-192.

Sun Mingyan， Zhou Huiqiu. Empirical research on vegetable industry in Heilongjiang Province based on DEA input-output efficiency ［J］. Northern Horticulture， 2018（19）： 187-192.

［20］ 王勁峰， 徐成東. 地理探測器： 原理與展望［J］. 地理學報， 2017， 72（1）： 116-134.

Wang Jinfeng， Xu Chengdong. Geodetector： Principle and prospective ［J］. Acta Geographica Sinica， 2017， 72（1）： 116-134.

［21］ 黃馨億， 任向寧， 馬濤， 等. 地理探測器與Tobit模型在粵西地區糧食生產效率及影響因子分析中的比較應用［J］. 農業資源與環境學報， 2020， 37（6）： 818-828.

Huang Xinyi， Ren Xiangning， Ma Tao， et al. Comparative application of geographical detector and Tobit model in analysis of grain production efficiency in the western Guangdong region and its influencing factors ［J］. Journal of Agricultural Resources and Environment， 2020， 37（6）： 818-828.

［22］ 聶赟彬， 閆小歡. 蘋果生產效率分析——基于陜西省8縣602個蘋果專業戶調查數據［J］. 農業技術經濟， 2018（11）： 110-119.

Nie Yunbin， Yan Xiaohuan. Analysis of apples production efficiency—Using data from 602 apple specialized households in 8 counties of Shaanxi Province ［J］. Journal of Agrotechnical Economics， 2018（11）： 110-119.

［23］ 周書靈， 張英彥. 玉米生產效率的微觀測度及對比分析——基于玉米主產區868個地塊的調研［J］. 玉米科學， 2018， 26（6）： 165-169.

Zhou Shuling， Zhang Yingyan. Micro measurement and comparative analysis of maize production efficiency—Based on the investigation of 868 plots in the main maize producing areas ［J］. Journal of Maize Sciences， 2018， 26（6）： 165-169.

［24］ 肖陽， 朱立志. 基于DEA-Tobit模型的馬鈴薯生產效率分析——以甘肅省定西市為例［J］. 中國農業資源與區劃， 2016， 37（6）： 37-43.

Xiao Yang， Zhu Lizhi. Analysis of potato production technical efficiency based on DEA-Tobit model—Taking Dingxi of Gansu Province as an example ［J］. Chinese Journal of Agricultural Resources and Regional Planning， 2016， 37（6）： 37-43.

［25］ 翟雪玲， 戴鵬. 要素投入、技術進步與棉花產出增長——基于貝葉斯面板隨機前沿模型的實證研究［J］. 農業技術經濟， 2021（1）： 129-144.

Zhai Xueling， Dai Peng. Factor inputs， technological progress and cotton output growth—Empirical study based on Bayesian stochastic frontier analysis ［J］. Journal of Agrotechnical Economics， 2021（1）： 129-144.

［26］ 劉繼為， 李雪飛， 高鵬懷， 等. 基于DEA模型的河北省農業生產效率及影響因素研究［J］. 東北農業科學， 2020， 45（3）： 86-91， 107.

Liu Jiwei， Li Xuefei， Gao Penghuai， et al. Study on agricultural production efficiency and its influencing factors in Hebei Province based on DEA model ［J］. Journal of Northeast Agricultural Sciences， 2020， 45（3）： 86-91， 107.