考慮非期望產出與外部管理環境下的農業生產效率及其地區分異研究

孫吳婕 王蕾

摘要：將非期望產出納入考量，并剝離外部環境的影響，利用改進的三階段DEA模型測算2015—2019年全國農業生產效率，并分析地區分異。結果表明，外部環境因素顯著影響農業生產效率。農民人均可支配收入提高土地和灌溉要素的配置，城鎮化水平促進機械、勞動力和化肥等投入的生產效率，地方財政農林水事務支出的過度投資不利于農業生產效率提高，較高的教育水平可提升農戶對機械、土地等要素的管控能力，工業化發展帶動農業機械作業。剝離外部環境干擾后，全國農業生產效率發生了顯著變化，5年內的綜合效率均值提高了0.07，純技術效率提高了0.05，規模效率降低了0.01。將第三階段全國農業生產效率分為4個類型，中部的效率“高高型”居多且分布均衡；東部次之，但存在輕微的發展失衡現象，部分地區長期為“低低型”；西部的效率分布極度不均衡，“高高型”和“低低型”間兩極分化嚴重。基于此，從外部環境和地域特征兩個角度提出推進農業建設的策略。

關鍵詞：農業生產效率；非期望產出；外部環境；三階段DEA模型；SBM模型

中圖分類號：F323；F224 ? ? ? ? 文獻標識碼：A

文章編號：0439-8114（2023）11-0214-07

DOI：10.14088/j.cnki.issn0439-8114.2023.11.037 開放科學（資源服務）標識碼（OSID）：

Study on agricultural production efficiency and its regional differentiation under the environment of unexpected output and external management

SUN Wu-jiea，WANG Leia，b

（a.School of Business；b.Research Center for Systems Engineering and Management Innovation，Hohai University，Changzhou ?213022，Jiangsu，China）

Abstract：Taking the unexpected output into account and stripping the impact of the external environment， the improved three-stage DEA model was used to calculate the national agricultural production efficiency from 2015 to 2019， and the regional differentiation was analyzed. The results showed that the external environmental factors had a significant impact on agricultural production efficiency. The per capita disposable income of farmers improved the allocation of land and irrigation factors， the urbanization level improved the operation efficiency of machinery， labor and chemical fertilizer， the local financial expenditure on agriculture， forestry and water affairs was not conducive to agricultural production efficiency， the improvement of education level promoted farmers ability to control machinery， land and other factors， and the development of industrialization drove the operation of agricultural machinery. After stripping the external environmental interference， the national agricultural production efficiency had changed significantly. The average comprehensive efficiency in five years had increased by 0.07， the pure technical efficiency had increased by 0.05 and the scale efficiency had decreased by 0.01. In the third stage， the national agricultural production efficiency was divided into four types. The efficiency “high high type” in the middle was mostly and evenly distributed； the east was second， but there was a slight imbalance in development， and some areas had been “low low type” for a long time； the efficiency distribution in the west was extremely uneven， and the polarization between “high high type” and “low low type” was serious.Based on this， the strategies were put forward to promote the agricultural construction from the perspectives of external environment and regional characteristics.

Key words：agricultural production efficiency； unexpected output； external environment； three-stage DEA model；SBM model

截至2021年，中共中央連續18年聚焦“三農”問題，強調加快推進農業現代化。得益于中國的政策扶持，近年來農業農村發展取得歷史性成就，然而，在糧食產量呈上升態勢的同時，農業生產過程中也引發了不可忽略的環境污染。據《第二次全國污染源普查公報》顯示，中國農業面源污染日趨嚴重。因此，在保護環境的剛性約束下，如何保障中國農業的可持續發展是推進農業建設過程中必須解決的問題。

農業生產效率是研究的焦點，備受國內外學者關注。就研究方法而言，Charnes等［1］基于Farrell［2］的模型正式提出DEA模型。隨后，Fried等［3］認為原始模型未考慮環境因素與隨機噪聲對決策單元（DMU）的干擾，進而提出了三階段DEA模型。既有學者借鑒國外研究，采用三階段DEA模型對農業生產效率進行測算，研究發現剔除環境因素后，效率發生明顯變化［4-6］。考慮到三階段DEA模型仍有缺陷，如在測量有差異的DMU時產生更大的調整誤差，無法排除外部隨機誤差的影響等［7，8］，孟曉霞等［7］、陳池波等［8］、劉宏笪等［9］運用不同方法修正了三階段DEA模型，使測算結果更真實。然而，修正的三階段DEA模型解決了外部隨機誤差對生產效率的干擾，但未將非期望產出納入產出的范疇。若要得出更科學的結果，須納入非合意產出，運用SBM模型測算農業生產效率。從環境因素來看，學者們從不同的方面選取環境指標對農業生產效率的影響因素進行了分析，但由于方法不同，研究結論存在差異。如高帆［10］用DEA-ML指數分析發現1992—2012年農業財政支出占比有利于全國農業全要素生產率的提高，而在對相似時空范圍的農業生產效率測量時，宋科艷等［11］得到了相反的結論。

綜上，為剔除外部環境的影響，學者們借助三階段DEA模型測量了農業生產效率，他們的研究成果為本研究提供了重要的借鑒思路，但仍然沒能考慮到以下幾個方面：第一，鮮有學者考慮到農膜殘留、氮磷流失等非期望產出，缺乏將SBM模型引入三階段DEA模型的實證研究；第二，學者們對外部環境因素進行分析時，使用不同的效率測度方法，常得出不同的結論。因此，在把非期望產出納入三階段DEA模型后，環境因素對生產效率的作用機制是否與前人研究一致，仍須進一步分析。因此，本研究選取2015—2019年的省際數據，依托改進的三階段DEA模型，此模型的創新之處在于將非期望產出納入中國農業生產效率的測量之中，最終為中國進一步優化農業生產資源配置，改善相關管理措施提供依據。

1 研究方法與指標選取

1.1 研究方法

本研究采用Fried等［3］提出的三階段DEA模型，此模型通過分離環境因素等對效率的干擾，實現對DMU效率水平的有效估量。基于對農業生產過程中產生了大量污染這一現狀的考量，本研究將非期望SBM模型引入其中，該模型由Tone等［12，13］在傳統DEA模型基礎上提出。修正后的模型由如下三個階段構成。

第一階段：除了將非期望產出納入考量，為比較諸多個處于生產前沿面的DMU，本研究選擇了Super-SBM模型。假定DMU有N個，F個投入變量，[Z]個期望產出變量和W個非期望產出變量，則此模型可表達為：

[γ=min1+1Fo=1fS-oxoq1-1Z+W（u=1ZS+uyuq+v=1WSc-vcvq）] ? ? （1）

s.t. ?[g=1，g≠gqNxgσg-S-≤xq（o=1，…，f）g=1，g≠gqNygσg+S-≥yq（u=1，…，Z）g=1，g≠gqNcgσg-Sc-≤cq（v=1，…，W）1-1Z+W（u=1ZS+uuuq+v=1WSc-vccq）>0σg、S-o、S+u、Sc-v≥0（g=1，…，N，g≠gq）] （2）

式中，[γ]表示綜合技術效率，包含純技術效率和規模效率兩部分；[S-o]為投入松弛量，[S+u]為期望產出的松弛變量，[Sc-v]為非期望產出的松弛量；[σg]為強度變量；[xq]、[yq]、[cq]為[DMUq]的投入、產出、非期望變量；如果[S-]、[S+]、[Sc-]互不相等，則[γ不為]1，代表DMU無效率；如果[S-]、[S+]、[Sc-]三者相等，則DMU有效。

第二階段：在剝離外部環境與統計噪聲等對效率干擾時，學者們普遍采用相似SFA模型進行這一操作，公式如下：

[Sfj=f（Aj;αf）+σfj+τfj] ? ? ? ? ? ? ? ? （3）

式中，f表示有f項投入；j表示j個決策單元；[Sfj]為投入松弛量；[f（Aj;αf）]表示外部環境對[Sfj]的影響；[σfj]～N（0，[δ2σf]），表示隨機因素的影響；[τfj]～[N+]（[δf]，[δ2τf]），表示管理的失效；[γ=δ2τfδ2τf+δ2σf]，當[γ]趨近于1，管理失效作用更明顯；當[γ]趨近于0，隨機因素影響更明顯。

運用式（4）調整每個DMU的投入量，公式如下：

[yfj]=[yfji+]［[maxjAjαf]-[Ajαf]］+［[maxjσfj]-[σfj]］，j= [1，…，?] ；f= [1，…，e] ? ?（4）

式中，[yfji]、[yfj]分別為調整前后的投入變量。因環境變量和隨機因素的影響被剝除，調整后的投入變量將處于相同的外部環境中。

第三階段：選擇調整后的投入變量作為新投入指標，再次用Super-SBM模型測得所需效率。

1.2 數據來源與指標選取

1）數據來源。為了觀察全國農業生產效率的時空變化，本研究選取2015—2019年為期5年全國31個省（市、自治區）的面板數據，數據均來源于《中國統計年鑒》和各省市統計年鑒。

2）投入產出指標。參考已有的研究成果［4-10，14，15］，學者們常從勞動力、土地、機械等方面選取農業生產的投入指標，采用農業產值、農業面源污染作為產出指標，本研究結合數據的可獲得性和統計口徑的一致性，選擇以下變量：投入指標包含農林牧漁業從業人員、化肥施用量、農作物播種面積、農業機械總動力和有效灌溉面積；期望產出指標為按照2015年為基期、利用CPI指數進行平減計算得到的農林牧漁業總產值；非期望產出指標為農膜殘留、農藥殘留、氮肥流失和磷肥流失，4個變量由農膜、農藥、氮肥和磷肥流失的使用量乘以第一次農藥流失系數得到。

在做進一步分析前，需對上述指標進行Pearson相關性檢驗，詳見表1。除少數指標外，投入產出指標幾乎都通過了1%的顯著性檢驗，表明上述指標選擇具有合理性，適應進一步分析。

3）環境變量。不同地區的環境差異使其農業生產效率暴露在不同的背景中，導致在比較時存在偏差。黃伶俐等［16］研究發現農戶的生產積極性隨著農民人均可支配收入的增長而提高，預期該指標有利于農業生產效率；城鎮化水平以城鎮人口占比衡量，城鎮人口越多意味著農業工作者越少，有學者指出人口城鎮化有礙農業生態效率［17］，預期該指標不利于生產效率；地方財政農林水事務支出反映政府對農業基礎設施和農技的補貼強度，張春梅等［18］指出為促進農業生產應加大財政補貼，預期該指標促進農業生產效率；教育水平反映農戶受教育程度，本研究采用康繼軍等［19］的賦值方法計算得出。高素質的農戶有更高的接受新農技意愿，預期該指標促進農業生產效率；工業化發展水平通過第二產業GDP與總GDP之比衡量，已有研究表明工業化促進耕地的有效利用［20］，因此預期該指標有利于農業生產效率。本研究選擇農民人均可支配收入、城鎮化水平、地方財政農林水事務支出、教育水平和工業化發展水平作為環境變量，其中，農民人均可支配收入和地方財政農林水事務支出按照2015年為基期，用CPI指數平減后計算得出。

具體的指標體系見表2。

2 結果與分析

2.1 第一階段：SBM模型結果分析

利用MATLAB軟件測量Super-SBM模型下從2015年開始為期5年的全國農業生產效率，圖1顯示了全國以及東中西部2015年、2017年、2019年的效率數據。就全國而言，2015—2019年綜合技術效率、純技術效率和規模效率均值分別為0.63、0.75、0.85，可見5年間農業生產沒能達到最佳的狀態。其中，規模效率對綜合技術效率的貢獻更大。5年間東部的綜合技術效率、純技術效率和規模效率均值分別達0.88、1.00、0.86，中部的三大效率均值分別達0.35、0.50、0.80，西部的三大效率均值分別達0.63、0.75、0.89。由此可初步看出，東部地區的城市處于農業生產效率前沿，其發達的農業技術為農業生產效率提供了堅實的基礎；中部地區的農業生產效率落后于全國平均水平，技術差距是主要的抑制因素；西部地區的農業生產效率處于中間水平，其區域優勢是擁有較高的規模效應。然而，未將外部環境剝離而測算得到的效率可能與真實值存在一定偏差，需要在下一階段時將環境因素分離。

2.2 第二階段：SFA回歸模型結果分析

運用Frontier4.1軟件構建5個回歸模型，得到SFA回歸結果，詳見表3。對數似然函數值和似然比檢驗表明回歸結果較好，環境變量對投入變量的作用幾乎全部通過1%的顯著性水平檢驗，說明環境變量對投入指標存在顯著影響。

1）農民人均可支配收入。該環境因素與農作物播種面積、有效灌溉面積呈負相關且通過顯著性檢驗。農民可支配收入提高的同時，農作物播種面積和有效灌溉面積投入過剩的現象逐漸緩解，與上述假設一致。然而，該環境因素與農林牧漁業從業人員和化肥施用量呈正相關且通過顯著性檢驗，這可能是因為逐漸增長的收入促使農戶積極投身于農業生產，傾向于購買化肥等易獲得的肥料，由此導致過剩的勞動力和肥料。同時，該環境因素對農業機械總動力的作用并不顯著，說明不同層次的農戶收入水平對于機械總動力投入的作用差異不明顯。

2）城鎮化水平。該指標正向作用于有效灌溉面積和農作物播種面積，且通過了顯著性檢驗。城鎮化水平的提升導致土地要素投入過剩，最終不利于農業生產效率，這可能是因為城鎮化擠占了耕地面積，而破碎的土地難以發揮生產的規模效應。但該環境指標與農業機械總動力、農林牧漁業從業人員和化肥施用量呈負相關且通過了顯著性檢驗，說明城鎮化讓農戶思考如何高效利用日益流失的勞動力和可以替代勞動力的農業機械設備，并縮減帶來污染的肥料投入。

3）地方財政農林水事務支出。該環境指標與化肥施用量呈正相關但未通過顯著性檢驗，與農作物播種面積、農業機械總動力、有效灌溉面積和農林牧漁業從業人員呈正相關且通過了顯著性檢驗。地方財政支出越多，上述變量投入的冗余量越多，農業生產效率越低，這與預期不符，意味著財政支出未能得到應有的發揮，財政支出存在盲目性、缺乏合理性。

4）教育水平。該環境指標與農業機械總動力、農作物播種面積和有效灌溉面積呈負相關且通過了顯著性檢驗，意味著具有高素質的農戶對農業機械設備、播種面積和灌溉面積的管控能力越強，農業生產效率也隨之提高。但是，該環境指標與農林牧漁業從業人員和化肥施用量呈正相關且通過了顯著性檢驗，說明教育水平無法通過控制勞動力投入和化肥投入提高生產效率。

5）工業化發展水平。該指標負向作用于農作物播種面積和農業機械總動力，且通過了顯著性檢驗，這與預期相符，說明工業化水平可以帶動農業機械作業，同時提高耕地利用率。但是，該環境指標與有效灌溉面積呈正相關但未通過顯著性檢驗，與農林牧漁業從業人員、化肥施用量呈正相關且通過了顯著性檢驗，意味著工業化發展造成了灌溉面積、勞動力和化肥三方面的投入冗余。

2.3 第三階段：調整后SBM模型結果分析

投入變量調整后再次測算農業生產效率，得到最終結果，詳見表4，受制于篇幅，表中僅顯示2015年、2017年和2019年的數據。

2.3.1 農業生產效率的時間維度分析 剔除環境因素干擾后，5年內農業生產效率發生了較大的改變，相較于第一階段，農業綜合技術效率和純技術效率分別平均提高了0.07、0.05，但規模效率的均值降低了0.01。顯然，在未調整前，環境因素制約了農業綜合技術效率和純技術效率，促進了規模效率。

將各地區置于統一的環境中，剝除隨機因素的影響后，東部的農業綜合技術效率、純技術效率和規模效率反而下跌。優越的氣候因素和經濟因素為東部地區農業生產提供了優良的技術要素和管理要素，當這些優勢被剝離后，效率下跌。中部的農業綜合技術效率、純技術效率和規模效率有所上升，表明中部的農業長期暴露在不利的生產環境中，當它們被剝離后，效率得到恢復。因此，中部的農業發展更需依托鄉村振興等國家戰略，實行改革創新，以克服劣勢的先天環境。西部的農業綜合技術效率、純技術效率有所上升，但規模效率有所下跌，技術貧困是抑制西部農業生產的重要因素，因此發展先進的農技是西部地區提高農業生產效率的必由之路。

2.3.2 農業生產效率的區域維度分析 本研究參考賀志亮等［5］的做法，將0.9設置為臨界點，把全國的農業生產效率分成4個類型，將純技術效率和規模效率均達到0.9的DMU稱為“高高型”，僅純技術效率達到0.9的DMU稱為“高低型”，僅規模效率達到0.9的DMU稱為“低高型”，純技術效率和規模效率都未達到0的DMU稱為“低低型”。詳見圖2、圖3、圖4。

不論從時間或空間上來看，東部地區農業表現均不佳，其效率存在輕微的發展失衡現象。2015—2019年，東部不少省（市）無法長期將農業生產效率保持在高水平。浙江、福建、海南3地的純技術效率和規模效率前期雖高于0.9，但后期無法維持穩定的狀態，均出現了不同程度的下跌，浙江省在2017年后下滑為“低低型”，福建省在2017年下跌為“高低型”，在2018年又轉為“低高型”，海南省在2019年下跌為“高低型”。如若這些省份想保持高效率的生產，必須發揮各自的產業優勢，扶持農業科技發展，善于利用資源，向集約化經營轉變；5年內，天津、遼寧、上海3地的純技術效率和規模效率始終未達到0.9，且離該臨界值有一定距離，屬于效率“低低型”，這些省（市）未能在農技和生產規模上取得優勢，與東部其他地區也存在較大的差距和改進空間。總之，東部地區農業生產缺乏穩定性，更應注重效率發展的持久性。

中部地區的效率最均衡，不少省份在5年間發生良性變化。吉林、合肥、湖南、內蒙古效率水平穩定，除內蒙古在2016年效率略有波動外，5年內各省（市）的純技術效率和規模效率始終在0.9以上，甚至全部達到了1，屬于典型的效率“高高型”，它們的農業生產效率極高，處于生產前沿面；此外，江西和黑龍江2地在2017年都借力科技發展，純技術效率有所增長，黑龍江由“低低型”躍至“高低型”，江西由“低高型”成功轉為“高高型”。相較于東西部而言，5年來中部發展更為穩定，應繼續保持。

西部地區發展存在極度不均衡的狀況，廣西、四川、貴州、西藏、陜西、青海均處于效率“高高型”，但剩余的地區全部處在效率“低低型”，且這種情況在2015—2019年期間從未得到改善，2017年新疆的純技術效率甚至有所下降，最終跌出“高低型”，這可能是因為新疆農戶科技文化素質較為落后，無法將農技有效轉化。總之，西部地區農業生產效率發展失衡，存在嚴重的效率斷層，農業優勢省的高發展無法惠及農業弱勢省。若要實現有效農業生產，西部必須協調區域內的資源配置，實現共同發展。

3 小結與建議

3.1 小結

為測算更真實、科學的農業生產效率，將非期望產出納入考量，并剝離外部環境的影響，利用改進的三階段DEA模型測算2015—2019年為期5年全國的農業生產效率，結論如下。

第一，外部環境因素顯著影響著農業生產效率的真實值。農民人均可支配收入提高了農作物播種面積和有效灌溉面積的配置，但也增加勞動力和肥料的冗余值。城鎮化水平提高了機械總動力、農林牧漁業從業人員和化肥施用量的作業效率，但也導致農作物播種面積和有效灌溉面積的過剩。地方財政農林水事務支出未能得到應有的發揮，造成了機械總動力、勞動力、農作物播種面積和有效灌溉面積的浪費。教育水平的提高會加強農戶對機械設備、播種和灌溉面積的管控能力，但無法有效利用勞動力和化肥投入。促進工業化發展可以帶動農業機械作業，提高耕地利用率，但也會浪費灌溉面積、勞動力和化肥的投入。

第二，剝離外部環境干擾后，全國農業生產效率發生了顯著變化。相較于第一階段，雖然5年內農業綜合技術效率和純技術效率在第三階段有所上升，但規模效率卻存在下跌的現象。其中，東部的農業綜合技術效率、純技術效率和規模效率均存在明顯的下跌；中部的農業生產效率得到恢復；除規模效率下跌外，西部的農業綜合技術效率、純技術效率有所上升。

第三，將第三階段全國農業生產效率以0.9為效率臨界值，分為4個類型。2015—2019年，中部地區的農業生產效率均衡且穩定，如吉林、合肥、湖南、內蒙古4地效率高且穩定，黑龍江、江西2地呈優良的發展態勢；東部次之，其效率存在輕微的發展失衡現象，如浙江、福建、海南3地無法維持高效率，天津、遼寧、上海3地長期處于效率“低低型”；西部效率分布極度不均衡，存在嚴重的兩極分化，2015—2019年廣西、四川、貴州、西藏、陜西、青海均處于效率“高高型”，但西部其他地區均處在效率“低低型”，且5年內未曾改變。

3.2 建議

第一，改善外部環境，優化生產要素配置。如保障農戶人均可支配收入，引導農民利用富余資金，購置合理的投入要素；有效規劃城鎮建設，吸收農村剩余勞動力，避免非必要的勞動力流失對農業生產的負面影響；加大財政補貼力度的同時，優化財政結構，緩解農村發展財政資金充足但財政資金錯位的尷尬困境；提高農戶素質，定期開展素質培訓，培養農戶接受先進農技的意識和使用農機的能力；發揮以工促農的正效益，借鑒工業化發展理念，推動農業現代化、產業化，實現科技興農。

第二，各區域結合類型特點，因地制宜地推進農業建設。如東部地區農業生產應思考維持效率持久性、穩定性和協調性的措施，利用東部地區的經濟優勢，長久保持在農業生產效率的前沿面，發揮典型示范的作用；西部地區必須協調區域內部的資源配置，攻克低效率地區農業技術薄弱的難題，繼續發揮自然資源優勢，優化投入要素的配置結構，實現各地區協調發展；中部地區要保持自身區域間效率最協調的優勢，不僅要吸收農業技術的先進經驗，也要發揮農業生產規模效應，促進農業純技術效率和規模效率共同提升。

參考文獻：

［1］ CHARNES A，COOPER W W，RHODES E. Measuring the efficiency of decision making units［J］.European journal of operational research，1978，2（6）： 429-444.

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

［3］ 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）：157-174.

［4］ 熊 鷹，郭耀輝，景曉衛，等.四川省重點生態功能區有機農業生產效率研究——基于三階段DEA模型的實證分析［J］.中國農業資源與區劃，2017，38（10）：162-170.

［5］ 賀志亮，劉成玉.我國農業生產效率及效率影響因素研究——基于三階段DEA模型的實證分析［J］.農村經濟，2015（6）：48-51.

［6］ 崔海洋，卓雯君，虞 虎，等.基于三階段DEA模型的農業生產效率及其時空特征研究——以長江經濟帶為例［J］.中國生態農業學報（中英文），2021，29（7）：1243-1252.

［7］ 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.

［8］ 陳池波，盛國勇.我國省域農業生產技術效率測度分析——基于四階段DEA和Bootstrapped DEA的實證研究［J］.科技進步與對策，2014，31（3）：50-54.

［9］ 劉宏笪，張濟建.我國省市區農業機械化生產效率測度分析——基于Bootstrap修正的三階段DEA模型［J］.東北農業科學，2020，45（5）：132-138.

［10］ 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.

［11］ 宋科艷，曹明福.轉型時期中國農業生產效率及其影響因素研究［J］.財經問題研究，2014（8）：118-124.

［12］ TONE K. A slacks-based measure of efficiency in data envelopment analysis［J］. European journal of operational research， 2001，130（3）：498-509.

［13］ TONE K， TOLOO M， IZADIKHAH M. A modified slacks-based measure of efficiency in data envelopment analysis［J］. European journal of operational research， 2020， 287（2）：560-571.

［14］ 潘 丹， 應瑞瑤. 資源環境約束下的中國農業全要素生產率增長研究［J］. 資源科學， 2013，35（7）：1329-1338.

［15］ 張熒楠，張蘭婷，韓立民. 農業生態效率評價及提升路徑研究——基于山東省17個地級市的實證分析［J］.生態經濟，2021，37（4）：118-124，131.

［16］ 黃伶俐， 章秀琴. 中國農業生態效率的時空演進規律及影響因素探析——基于非期望產出的SBM模型分析［J］. 洛陽師范學院學報，2021， 40（5）：50-54.

［17］ 尚 杰， 吉雪強， 陳璽名. 中國城鎮化對農業生態效率的影響——基于中國13個糧食主產區2009—2018年面板數據［J］. 中國生態農業學報（中英文）， 2020，28（8）：1265-1276.

［18］ 張春梅，王 晨. 財政補貼與綠色農業生產效率相關性研究［J］.地方財政研究，2020（2）：79-87.

［19］ 康繼軍， 張宗益， 傅蘊英. 中國經濟轉型與增長［J］. 管理世界， 2007（1）：7-17，171.

［20］ 王 蕾，于成成，王 敏，等. 我國農業生產效率的政策效應及時空差異研究——基于三階段DEA模型的實證分析［J］.軟科學，2019，33（9）：33-39.