长江经济带农业绿色生产效率及其时空分异特征研究

［目的］从静态分析和动态分析两个方面，阐释长江经济带农业绿色生产效率和农业绿色全要素生产率的时空分异特征以及生产率增长来源，以期为提高长江经济带农业绿色发展质量提供科学决策依据。［方法］文章基于资源环境约束的角度，利用MinDS模型和Global Malmquist Luenberger指数相结合的方法，测算长江经济带农业绿色生产效率和农业绿色全要素生产率，并将农业全要素生产率变化分解为纯技术效率变化（PEC）、纯技术变化（PTC）、规模效率变化（SEEC）和规模技术变化（SETC）4个部分。［结果］（1）长江经济带农业绿色生产效率水平较高，且呈不断增长趋势，下游地区的农业绿色生产效率高于中、上游，且中、上游与下游地区的差距不断拉大； （2）长江经济带农业绿色全要素生产率增长较快，以3年为1个周期，呈现波动式上升趋势，其增长主要源于纯技术进步和规模技术提高； （3）长江经济带下游农业绿色全要素生产率增长率最高，上游次之，中游最低，其中，下游农业绿色全要素生产率增长主要源于纯技术进步，中游是纯技术效率改进、纯技术进步和规模技术提高共同作用的结果，上游则源于纯技术效率改进、纯技术进步和规模效率提高。［结论］长江经济带上、中、下游三大区域的农业绿色发展水平和发展能力存在较大差异，需制定差异化政策，以调整农业增长模式，促进农业转型升级，实现高质量发展。     

我国蛋鸡养殖环境全要素生产率测度及省域比较分析

［目的］蛋鸡养殖场规模化养殖与生态环境保护协调发展问题是蛋鸡养殖业可持续发展过程中面临的关键性问题，测度我国大、中、小3种规模下不同省份蛋鸡养殖场的环境全要素生产率，并从时间、地区两个维度对蛋鸡养殖场的环境全要素生产率进行比较。［方法］利用2004—2016年不同养殖规模蛋鸡养殖场的投入和产出数据，文章基于SBM函数的Malmquist Luengerber（ML）指数方法，对蛋鸡养殖场环境全要素生产率进行分解，将其分解为技术进步指数、效率改进指数。［结果］（1）蛋鸡养殖场环境全要素生产率整体呈现下降趋势，同时与蛋鸡养殖规模呈反比，蛋鸡养殖场规模越大，蛋鸡养殖环境生产率越小。（2）蛋鸡养殖场效率存在效率改善，但养殖技术进步率相对较低，尤其是对小规模养殖场而言，改善空间更明显； （3）蛋鸡养殖环境全要素生产率区域差异较为明显，整体来看，蛋鸡养殖主产区环境全要素生产率高于非主产区。［结论］加强蛋鸡产业科技创新水平以及公共服务设施的投入，提高养殖户的废弃物无害化处理能力，推行蛋鸡养殖的规模化和标准化发展，进一步改善养殖效率，以促进蛋鸡养殖规模化和生态环境保护协调发展。     

我国农业绿色全要素生产率的区域差异与收敛性分析

［目的］为有效识别农业绿色全要素生产率的地区差异，并为政府在协调区域发展方面提供证据。［方法］文章首先构建碳排放约束下的SBM DEA模型来测度2011—2016年我国农业绿色全要素生产率，在此基础上分别使用莫兰指数法、热点分析法对农业绿色全要素生产率的全局空间相关性与局部空间相关性进行分析，并基于空间角度探究其收敛性。［结果］（1）2011—2016年我国农业绿色全要素生产率波动式上升，主要依靠技术进步驱动，技术效率变化程度较小。贵州、海南、重庆等地区农业绿色全要素生产率属于“高速增长型”地区，河南、四川、福建等地区农业绿色全要素属于“稳步增长型”地区，而北京、吉林与新疆3地农业绿色全要素属于“持续降低型”地区。（2）2011—2016年我国农业绿色全要素生产率存在显著的空间相关性，但有一定的波动，呈现出“强—弱—强”的走势特点。同时，我国农业绿色全要素生产率表现出较强的空间集聚特性，2011—2016年农业绿色全要素生产率的热点区域呈现“西部地区热点区域逐渐消失，东中部地区热点区域明显增多”的特点，冷点区域则一直集中在东三省地区。（3）我国农业绿色全要素生产率存在显著的绝对β收敛趋势，且空间效应使我国农业绿色全要素生产率的收敛速度变快； 东中西三大区域均存在显著的绝对β收敛，各区域内部农业绿色全要素生产率呈现趋同化，其中，西部地区农业绿色全要素生产率的收敛速度最快，其次是中部地区，东部地区最慢。［结论］文章提出了破除流动障碍，强化区域相关性、落实区域协调发展战略，扩大高集聚区域以及强调区域特色发展，提高收敛速度的建议。     

中国农业环境技术效率与绿色全要素生产率增长研究

为了解我国"十二五"期间农业发展的真实效率水平,在对农业面源污染进行核算的基础上,本文运用包含非期望产出的非径向、非角度SBM超效率模型测算2011—2015年我国农业环境技术效率;并将农业污染排放纳入Malmquist指数框架中对农业绿色全要素生产率加以测量。研究表明,我国东部地区环境技术效率最高(1. 084),西部次之(0. 704),中部最低(0. 476);中国农业绿色全要素生产率年均增长9. 5%,增长动力主要源自绿色技术进步,而农业绿色技术效率贡献有限;中国农业绿色全要素生产率指数高于传统全要素生产率指数;在地区差异方面,东、中、西部地区平均农业绿色全要素生产率增长并不均衡,呈现西、中、东部地区依次递减的特征。针对农业绿色全要素生产率增长率逐年下降的原因,本文重点从政策角度进行分析。     

中国粮食生产效率及影响因素分析*——基于DEA Tobit两步法研究

[目的]通过测算中国各省市粮食生产效率评价中国粮食生产综合绩效,并从支农政策、要素投入等维度考察其对中国粮食生产效率的影响。[方法]基于2004—2016年省域面板数据,采用MalmquistDEA模型对粮食生产效率进行测度和分解,并运用面板Tobit随机效应模型对粮食生产效率影响因素进行实证检验。[结果]研究期内粮食生产全要素生产率及其分解指标总体达到DEA有效,且具有明显的时空差异特征;粮食全要素生产率改进主要源于技术进步,而技术效率作用偏低,"单引擎"驱动特征明显;化肥、农用机械、灌溉及支农政策对粮食全要素生产率、技术进步、技术效率均具有正向促进作用,但化肥投入对技术效率作用不显著,各因素作用强度排序为"支农政策化肥农业机械灌溉",且这些影响同样具有区域差异。[结论]提升粮食全要素生产率时要注重农业技术更要逐步提升农业技术效率,通过改革财政支农政策体系和转变要素投入结构来提升中国粮食综合生产效率。     

新世纪以来我国粮食综合技术效率和全要素生产率分析

针对新世纪以来我国粮食连续7年增产的现实,本文采用数据包络分析(DEA)结合Malmquist指数,测算了十年来我国粮食综合技术效率和全要素生产率的变化,揭示了我国粮食生产增长的源泉及存在的问题。研究结果表明,2000—2009年我国粮食平均综合技术效率不高,纯技术效率相对偏低,加大技术应用和规模化种植仍然具有很大潜力;全国粮食全要素生产率增长近十年来有所下降,在影响全要生产率的因素中,由技术创新所决定的技术进步呈现下降趋势,由新技术转化推广所决定的纯技术效率不断上升,规模效率则没有得到任何改进;从地区来看,非粮食主产省全要素生产率有所提高,而粮食主产省虽然技术效率稍有改善,但技术进步下降,全要素生产率呈现下降趋势。因此,加快非粮食主产区粮食科技成果转化推广、加大粮食主产区科技创新力度、全面提高全国粮食生产效率成为保障粮食生产持续增产的关键。     

粮食主产区农业绿色全要素生产率测度及其时空分异特征研究

文章基于我国粮食主产区2002—2019年的面板数据,运用改进的EBM模型—Malmquist Luenberger生产率指数法测度动态农业绿色全要素生产率,采用探索性空间数据分析法考察其空间集聚特征,并进行优化潜力分析。研究发现,样本期间内农业绿色全要素生产率呈“M”型波动,增长幅度微弱,驱动来源主要是农业绿色技术进步;地区间差距较大,长江流域主产区农业绿色全要素生产率最高,其次是黄淮海主产区,最后为东北主产区;探索性空间数据分析显示,农业绿色全要素生产率长期呈空间负相关,并且空间集聚特征逐渐减弱;农业投入和产出优化潜力最大的三项指标分别是劳动力投入、机械投入和碳排放量产出。因此,普及推广绿色集约的农业生产方式、加强农业科技创新、完善区域间农业协同发展机制是提高粮食主产区农业绿色全要素生产率的有效路径。     

山东省农业全要素生产率时空演变分析

文章选取1993-2016年山东省农业生产投入产出面板数据,运用DEA-Malmquist指数测算和分解了农业全要素生产率,并对其进行了时空演变分析,结果表明:农业全要素生产率的增长主要由技术进步引起,属于技术进步单轨驱动模式;从时间维度看,山东农业全要素生产率波动频繁且幅度较大,无明显阶段性特征;从空间维度看,各地市农业全要素生产率差异明显,且鲁西地区的全要素生产率水平显著高于鲁东和鲁中地区。为此,应坚持技术进步与技术效率并举的方针,因地制宜,发掘农业生产潜力,以提高农业生产效率。     

农产品贸易对农业绿色全要素生产率的空间溢出效应——基于农业产业集聚的调节作用

目的 发展绿色农业，是实现我国农业可持续发展与绿色转型的一个新发展模式，探究农产品贸易和农业产业集聚对农业绿色全要素生产率的影响，为我国农业绿色发展提供参考。方法 文章基于新地理经济学，建立空间面板模型，利用2004—2020年中国31个省（市、自治区，不含港澳台）的面板数据，实证研究了农产品贸易对农业绿色全要素生产率的影响，以及农业产业集聚对上述影响的调节作用。结果 （1）全国及四大地区的农业绿色全要素生产率、农业技术进步和农业技术效率都呈上升发展趋势；（2）全国层面看，农产品贸易对农业绿色全要素生产率和农业技术进步有显著的倒“U”型影响，对农业技术效率有显著的“U”型影响；（3）邻近地区的农产品贸易水平只会对当地的农业技术进步有“U”型影响，对农业绿色全要素生产率和农业技术效率没有显著影响；（4）农产品贸易对农业绿色全要素生产率、农业技术进步和农业技术效率在四大地区、不同农产品贸易水平和不同农产品贸易结构地区存在异质性影响；农业产业集聚的调节作用在不同区域也存在异质性。结论 要推动农产品贸易由“数量增加”向“质量提升”转变，围绕提升农业绿色全要素生产率实施农产品贸易非均衡发展策略，同时倡导适度规模经营，更好地发挥农业产业集聚的绿色发展功能。     

农业生产性服务促进粮食绿色生产的效应及作用机制研究

[目的]探究农业生产性服务对粮食绿色生产的促进效应及其作用机制。[方法]文章采用2001—2020年中国31个省（市、自治区，不含港澳台）的面板数据，基于“双碳视角”以粮食产量和粮食生产中碳汇总量作为期望产出指标，以碳排放量为非期望产出指标，采用全局要素生产率指数（GML）和超效率数据包络模型（SBM）测度了各省份粮食绿色全要素生产率（GTFP），并采用面板回归模型检验农业生产性服务对粮食绿色生产的促进效应及作用路径。[结果]（1）全国总体粮食GTFP年均值为1.013 1，说明中国粮食的绿色全要素生产率存在一定程度的改善。大多数地区的粮食绿色全要素生产率呈逐年增长，GTFP改进的地区占比达70.97%。省域之间的粮食GTFP波动情况存在一定程度差异，粮食主销区的绿色生产水平要明显低于粮食主产区和产销平衡区。（2）农业生产性服务对粮食绿色生产具有显著促进作用。就不同粮食产销区而言，农业生产性服务对粮食产销平衡区的促进作用最大，其次是主产区，对主销区的作用效果并不显著。（3）就作用机制而言，农业生产性服务通过规模经营、专业分工及技术进步促进粮食的绿色生产。[结论]应大力支持农业生产性服务...     

冬小麦—夏玉米复种的生产效率及其时空分异

目的 提高粮食生产效率是保障国家粮食安全的重要任务,对粮食生产中典型的冬小麦—夏玉米复种模式的生产效率进行分析,可以精确把握粮食生产效率,为粮食生产相关政策制定提供参考。方法 文章基于2007—2018年6省（市）面板数据,运用SBM-DEA和Fare-Primont模型从静态和动态视角对冬小麦—夏玉米复种模式的技术效率和全要素生产率的空间分布和时序变动特征进行测算及比较。结果 冬小麦—夏玉米复种模式的平均技术效率和全要素生产率水平值分别为0.793和0.744;机械投入、农药投入和水资源投入的平均冗余率较高,分别为28.693%、26.670%和21.578%。剩余混合效率即投入产出混合比例优化是造成冬小麦—夏玉米全要素生产率地区差异的主要原因;冬小麦—夏玉米复种模式的全要素生产率波动中小幅上升,技术进步、技术效率和剩余混合效率是主要影响因素。结论 冬小麦—夏玉米复种模式的低生产效率客观存在,应通过生产资料的科学合理投入,加快科技创新推广,推动粮食生产适度规模经营等方式来推动粮食高质量发展。     

供给侧结构改革背景下的西南地区农业全要素生产率分析

［目的］探究在制度改革背景下的农业生产力发展水平和地区差异，有利于全面了解农业发展状况，为后期农业政策的制定、调整以及农业发展提供理论基础。［方法］文章利用DEA-Malmquist指数法对我国西南地区5个省（市）农业全要素生产率（TFP）水平变化发展趋势进行分析，并在此基础上对不同地区农业TFP差异变化和发展趋势进行预测。［结果］（1）Malmquist指数分析结果表明，我国西南地区农业TFP呈缓慢增长的趋势。通过对不同地区农业TFP结果进行比较，四川省农业TFP有先逐渐上升后下降的趋势，而技术进步是影响四川省农业TFP增长的原因；（2）重庆市农业TFP也是呈现波动式缓慢增加的趋势，年平均增长率为354%； 贵州省农业TFP近20年来增长速度最快，主要影响因素为技术进步； 云南和广西农业TFP也均呈缓慢增长的趋势，技术效率和技术进步在不同时期对农业TFP的影响有所差异。（3）收敛性分析结果表明，我国西南地区农业TFP差异有减小的趋势，并且不同地区农业TFP水平具有向各自稳定状态发展的可能性。［结论］我国西南地区农业TFP增长与技术进步具有较高的同步性，因此，制约我国西南地区农业全要素生产率增长的关键因素是农业科技进步。在供给侧结构性改革背景下，必须以市场需求为科研导向，加大科技创新投入力度，促进我国西南地区农业的可持续发展。     

中国农业全要素生产率的动态演进及其影响因素分析

[目的]通过测算中国农业全要素生产率,揭示其动态演进趋势及影响因素,从而为推动我国农业供给侧结构性改革,实现农业现代化提供科学的决策依据。[方法]文章使用SBM-Global Malmqusit生产率指数法测算了中国农业全要素生产率,在此基础上利用Kernel核密度估计方法刻画了中国农业TFP增长的动态演进,并通过建立面板数据模型对影响中国农业TFP增长的诸多因素进行了分析。[结果]中国农业全要素生产率增长的主要源泉是技术进步,而技术效率的下降是阻碍其增长的主要原因;核密度估计表明各省份之间的农业相对全要素生产率水平差距不断扩大,技术效率普遍恶化,而技术进步增长速度显著;农业金融发展水平、工业化水平、农业科技水平对中国农业TFP都产生了显著的促进作用,而农业产业结构调整、对外开放水平对中国农业TFP则产生了阻碍作用,农村人力资本则对农业TFP产生的正效应不显著。[结论]提高农业全要素生产率,实现农业现代化.各省份应加强农业科技创新,深化农业科技体制改革,完善农村金融服务体系,推动工业化和农业现代化深度融合,培育新型职业农民等措施。     

中国林业投入资金利用效率研究——基于Dea-Malmquist指数

以1998～2010年我国30个省面板数据为基础,对我国林业系统资金利用效率定量测算和分解。结果表明,全要素生产率(TFP)对我国林业系统产业总产值、在岗职工年均工资、造林面积等产出指标贡献度为负值,说明我国资金投入没有达到有效推进林业发展的目标。TFP分解后,技术进步落后是资金利用效率较低的重要诱因。就四大经济区而言,TFP指数与各区域技术进步水平一致,林业投入资金效率高低依次为东部地区、东北地区、西部地区、中部地区。     

中国苹果绿色全要素生产率测算与产区差异

目的 厘清苹果产业绿色全要素生产率增长的动态变化及产区差异,是促进苹果产业高质量发展的关键。方法 文章基于2004—2018年我国8个苹果主产区面板数据,利用超效率SBM模型和全局ML指数,从静态、动态不同角度,对我国苹果环境技术效率和绿色全要素生产率进行测算,并分析不同产区之间的差异。结果 （1）我国及各主产区苹果环境技术效率均未达到最优状态,区域差异明显,黄土高原主产区高于环渤海湾主产区,与不考虑非期望产出相比,环境技术效率明显偏低;（2）规模效率是当前我国苹果生产技术效率主要来源,黄土高原主产区纯技术效率略高于规模效率,环渤海湾主产区纯技术效率偏低;（3）苹果绿色全要素生产率整体提高,区域间增速差异较大,黄土高原主产区增速高于环渤海湾主产区;（4）技术效率是我国苹果绿色全要素生产率主要增长源泉,技术进步贡献度相对较低。结论 我国苹果绿色全要素生产率存在较大提升空间,各产区要通过因地制宜制定苹果产业发展战略、充分借助农业科研院所创新优势、加强果农高素质培训等方式提高苹果绿色全要素生产率。     

我国水禽全要素生产率增长和贡献及区域差异分析

目的 通过测算水禽全要素生产率（TFP）来评估水禽的投入产出效率，同时分别对比各养殖区域之间TFP的增长率及贡献的差异。方法 文章依托全国22个省、（市、自治区）水禽投入产出数据，基于索洛残差法和DEA-Malmquist指数法分别从水禽TFP指数、TFP增长率和TFP贡献率3个角度展开分析。结果 （1）全国水禽TFP均值为1.352，大多数地区的水禽TFP指数均大于1，山东省的技术效率、纯技术效率、规模效率均为全国第一；（2）全国水禽TFP增长率平均值为0.19，水禽TFP贡献率平均值为120%，TFP贡献率和增长率较上一年都有所提升；（3）区域差异比较后发现，西南地区的水禽TFP指数、TFP增长率和水禽TFP贡献率的均值最大，而华中地区的3个指标均值均为全国最小，水禽的TFP区域特征呈现出“北向南移”趋势。结论 技术进步对水禽产业发展作出了很大的贡献，说明水禽产业需要进一步加强新技术投入；突发事件一定程度上刺激了水禽产量的增长，说明不仅要预防突发事件，而且要不断挖掘突发事件后的边际效应；水禽TFP区域差异显著，要求结合区域特征分析后因地制宜施策，最终提升水禽生产要素投入效率。     

Total factor productivity change in China's grain production sector: 1980–2018

This study analyses changes in total factor productivity (TFP) of grains as an aggregate commodity and major grain crops including rice, wheat, and corn, using pooled provincial and time-series data from 1980 to 2018 for China. Results show that the growth of TFP in the grain sector was driven by technical improvements. Moreover, the grain output and wheat production benefited more from TFP growth, whereas the growth in the usage of inputs drove the growth in rice and corn production. Findings also indicate that the laissez-faire market-oriented policy led to a dramatic fall in output while the intervention-led policy resulted in a substantial rise in output, but neither of them fostered the growth of productivity. Conversely, the incentive-led policy in a market-oriented environment that raised the comparative profitability in grain production promoted the growth in both output and productivity in the grain sector. As the comparative advantage shifts away from agriculture in China, an appropriate support is thus necessary to stimulate farmers' incentive in growing grain crops.     

Dual Technological Development in Botswana Agriculture: A Stochastic Input Distance Function Approach

To improve the welfare of the rural poor and keep them in the countryside, the government of Botswana has been spending 40% of the value of agricultural GDP on agricultural support services. But can investment make smallholder agriculture prosperous in such adverse conditions? This paper derives an answer by applying a two‐output six‐input stochastic translog distance function, with inefficiency effects and biased technical change to panel data for the 18 districts and the commercial agricultural sector, from 1979 to 1996. This model demonstrates that herds are the most important input, followed by draft power, land and seeds. Multilateral indices for technical change, technical efficiency and total factor productivity (TFP) show that the technology level of the commercial agricultural sector is more than six times that of traditional agriculture and that the gap has been increasing, due to technological regression in traditional agriculture and modest progress in commercial agriculture. Since the levels of efficiency are similar, the same pattern is repeated by the TFP indices. This result highlights the policy dilemma of the trade‐off between efficiency and equity objectives.     

Evaluating research and education performance in Indian agricultural development

India's agricultural research spending has long been regionally uneven. Regional research intensity ratios, which account for size differences, indicate research spending has consistently favored southern and western states over northern, central, and eastern ones. Farm production patterns have, however, changed in recent years and regional output growth is being driven by new commodity mixes. In this article, we ask which region had the highest factor productivity growth and rate of return to investments in public agricultural research and higher education. Our analysis relies on a 1980–2008 Indian agricultural production and policy data set together with a dual heteroscedastic production frontier to decompose total factor productivity (TFP) growth into formal technical progress and efficiency elements. The model's regional flexibility affords region‐to‐region comparison of multiple research return rates, TFP growth, and the elements influencing them. Regardless of return‐rate measure or allocation scenario evaluated, the North has enjoyed the highest return to research spending, and the Central and East the lowest. Factor productivity growth has however been strongest in the South, primarily on account of efficiency gains. Overall, though, the technical progress and productivity growth easily attributable to government‐supported research has accounted for about one‐quarter of the sector's TFP growth.