基于DEA-Tobit模型的湖南省环洞庭湖地区农业生产效率研究

2019-02-07汪杰李姣周翠烟邹诗意

天津农业科学 2019年12期

汪杰李姣周翠烟邹诗意

摘要：为进一步了解湖南省环洞庭湖地区农业生产状况，本文建立效率评价体系，利用超效率DEA模型和Malmquist指数模型分析2008—2017年湖南省环洞庭湖地区三市（岳阳市、益阳市和常德市）的农业生产效率，并用Tobit模型考察效率的影响因素。结果表明：2008—2015年湖南省环洞庭湖地区三市的农业生产效率呈下降趋势，益阳市的平均效率排在首位，2015—2017年呈上升趋势，常德市的平均效率排在首位;Malmquist指数分解发现技术进步变化对农业生产效率的影响最大，从影响因素上看，城镇化率、有效灌溉率和城乡居民收入比对农业生产效率起负向作用，农林牧渔固定资产投资对农业生产效率起正向作用。在此基础上提出提高农业生产效率的三点建议：依靠科技和管理水平进步，加快推动工业化和城镇化进程和加大农业固定资产投资。

关键词：农业生产效率;湖南省;环洞庭湖地区;DEA模型;Tobit模型

中图分类号：F304 文献标识码：A DOI 编码：10.3969/j.issn.1006-6500.2019.12.011

Abstract： In order to study the agricultural production efficiency in Dongting lake area of Hunan province， the paper established an efficiency evaluation system and used the super-efficiency DEA model to analyze the agricultural production efficiency of three cities around Dongting lake in Hunan province from 2008 to 2017， and applied the Tobit model to examine the influencing factors of the efficiency. The results indicated that the agricultural production efficiency of three cities showed a downward trend from 2008 to 2015， Yiyang city ranking first; the efficiency showed an upward trend from 2015 to 2017， with Changde city ranking first. With the method of decomposing Malmquist index， it was found that technological progress had the most significant impact on agricultural production efficiency. In terms of influencing factors， urbanization， irrigation rate and income gap had a negative effect on agricultural production efficiency while investment in fixed assets played a positive role on it. On this basis， this paper put forward several suggestions to improve the efficiency of agricultural production： relying on the progress of technology and management level， accelerating the industrialization and urbanization process， increasing the investment in agricultural fixed assets.

Key words： agricultural production efficiency; Hunan province; Dongting lake; DEA model; Tobit model

湖南省洞庭湖地區是我国重要的农业经济示范区和大宗农产品生产基地，环洞庭湖地区包括岳阳市、益阳市和常德市3个城市，是湖南省经济可持续发展最具活力的地区之一，是国家发改委洞庭湖生态经济区规划（包括湖南省岳阳市、益阳市和常德市，长沙市望城区，以及湖北省荆州市）的核心城市，也是湖南融入国家长江经济带建设战略的3个城市。探讨环洞庭湖地区农业生产效率变化，揭示影响农业生产效率变化的原因，完善并丰富农业生产效率研究，对促进农业生产管理水平的提高具有一定的理论意义。研究环洞庭湖地区农业生产效率能进一步了解该地区的农业生产状况，发现农业生产过程中存在的问题，并针对性地提出有效的资源利用方式，综合规划发展路径，对提升环洞庭湖地区的经济发展水平具有重要的现实意义。

当前学术界对农业生产效率的研究方法主要有参数方法和非参数方法[1]。参数方法一般使用随机前沿分析方法，通过设定生产函数形式对参数进行估计，分析技术效率项与随机误差项，如李英普等[2]利用此方法测算了河北省的粮食生产效率，白玛雍珍[3]使用随机前沿方法分析了我国2008—2014年的农业技术效率与影响因素。随机前沿方法的变量不可观测，函数设定存在很大难度，DEA方法很好地解决了这个问题。DEA方法即数据包络分析法，本质上是通过线性规划的方法来求解最优的生产边界。相对于随机前沿方法，DEA方法不用设定生产函数的具体形式和估计参数，是评价多输入、多产出系统相对效率的有效方法。Monchuk D C[4]、陈宗富和马敏[5]、赵春兰[6]运用DEA方法，采用截面数据，分别测算了中国、西部苗族欠发达地区和四川省的农业生产效率，但在一定程度上忽视了时间因素，也缺乏动态比较过程。为了弥补这些不足，部分学者利用面板数据对农业生产效率进行评价，如叶文忠等[7]使用权重约束超效率DEA模型评价长江经济带内城市的农业生产效率;余玉敏等[8]利用DEA模型衡量了河南省农业生产效率等。

以上学者采用数据包络分析法对农业生产效率进行研究，并使用计量方法评估效率的影响因素，不过也存在以下几点问题：多数文献在评价效率之后，没有对DEA方法给出的松弛率进行分析[9]，没有进一步探究影响农业生产效率的原因[10];研究区域多以某个省为主，而以某省内部城市为研究对象，开展特定湖区的农业生产效率研究相对较少[6，8]。相关文献对农业生产效率的研究多以传统DEA模型为主，属于静态效率范围，缺乏在时间和空间视角下对农业生产效率的动态评价[5-6]。

本文选择数据包络分析方法（DEA），结合湖南省环洞庭湖地区的实际情况，构建农业生产效率测度指标体系，选取湖南省环洞庭湖地区三市（岳阳市、益阳市和常德市）2008—2017年的相关数据，分析该区域农业生产效率变化情况和松弛率，进一步地，利用Malmquist指数方法对农业生产效率进行分解，对农业生产效率进行动态评价，并采用Tobit模型分析影响农业生产效率的相关因素，最后提出了提升区域农业生产效率的建议。

1 研究方法

1.1 DEA-CCR模型

DEA方法是一种评价生产率指标的非参数方法，其生产边界由DEA模型计算而得，通过考虑生产边界和决策单元（DMU）的投入项与产出项来计算效率值。DEA方法计算效率不用先预设方程和估计参数，一定程度上减少了主观预设带来的偏差。CCR模型是著名的运筹学家Charnes A等[11]提出的，是以规模收益不变为基本假设的效率评价模型，CCR模型假设有n个决策单元，每个决策单元有m种投入和s种产出，第j个决策单元的投入和产出分别用xj[xj=（x1j，x2j，…，xmj）T]和yj[yj=（y1j，y2j，…，ysj）T]来表示，其中j=1，2，3，…，n。通过线性规划来计算每一个决策单元的效率值：

式中，x0和y0为选定的决策单元的投入与产出量;λ为相对于选定的决策单元重新构造一个有效的决策单元组合中n个决策单元的组合比例;θ为选定决策单元投入相对于产出的有效利用程度，即效率值。

1.2 超效率DEA模型

CCR模型不能对有效的决策单元进行进一步评价排序，为了解决这个问题，Andersen P等[12]提出了針对性的测度方法，后来被称为超效率DEA模型。超效率DEA模型在对决策单元进行评价时，先将被评价的决策单元排除在决策单元的集合之外，其数学表达式为：

1.3 Malmquist指数模型

Malmquist指数是一个动态的效率指标，由瑞典经济学和统计学家Malmquist提出。DEA模型来测算某个时间点的生产技术效率，Malmquist指数指的是全要素生产率，意味着当某个决策单元包含多个时间点观测值的面板数据时，Malmquist指数可以对效率值进行分解，进而对生产率的变动、技术效率和技术进步的情况进行分析，并分析后两者对生产率变动的影响[13]。

Malmquist指数可以将生产率变化分解为效率变化与技术变化，公式为：

当该指数大于1时代表决策单元的全要素水平在该时期内上升，当该指数小于1时代表决策单元的全要素水平在这段时期内下降。对Malmquist指数做如下分解：

EFFCH为技术效率变化指数（简称EC），指的是被评价单元对现有技术的利用情况。若EFFCH>1表明被评价单元的技术效率有所改善;若EFFCH<1表明被评价单元对现有技术利用情况并不理想。技术效率变化指数进一步可以分解为纯技术效率变化指数（PEC）和规模效率变化指数（SEC），即EC=PEC×SEC。TECHCH为技术进步变化指数简称（TC），主要是指生产技术的进步对决策单元的影响，若TC>1，表明出现了技术进步或技术创新。因此Malmquist生产率指数可表示为M=EC×TC，进一步表示为M=PEC×SEC×TC。

1.4 Tobit回归方程

Tobit模型也叫受限因变量模型，运用极大似然的概念对因变量进行回归分析，以此来估计影响农业生产效率的影响因素。其基本模型为：

2 效率测算与分析

2.1 指标选取与数据来源

利用DEA方法分析湖南省环洞庭湖地区三市的农业生产效率，需要建立合理的评价指标体系。在借鉴其他文献基础之上，本文对相关文献中投入产出指标进行梳理[14-17]，结合数据的可获得性和环洞庭湖地区的实际情况，选择粮食播种面积、农业机械总动力、有效灌溉面积、化肥施用量和农业从业人员5个指标作为衡量农业生产效率的投入指标;选择农业总产值和粮食总产量2个指标作为产出指标，相关数据来自2009—2018年《湖南省统计年鉴》。指标具体说明如表1所示。

2.2 效率值分析

用DEA-Solver软件，选用投入导向的超效率CCR模型，分别计算岳阳市、益阳市和常德市2008—2017年的土地利用效率值（表2、图1）。

2008—2017年，岳阳市、益阳市和常德市农业生产效率值大致呈先降后升的趋势。其中2008—2013年，益阳市的平均效率值排在首位（1.048）;2013—2017年常德市的平均效率值排在首位（1.068）。岳阳市在2011年的效率值有很大的上升，从投入数据上看，岳阳市2011年的农用化肥施用量增长了8%[18]，是所有年份中增长数额最多的，对农业生产效率的增长有一定影响。以下数据可以佐证这个结论：2012—2016年益阳市和岳阳市的农用化肥施用量出现负增长[19]，农业生产效率也呈逐年下降趋势;2012年后常德市每年化肥施用量呈增长趋势，3个城市中只有常德市的农业生产效率在2012年后依旧是上升的;2016—2017年，3个城市的化肥施用量相对前一年都有所增长，3个城市的农业生产效率相对前一年也都有所提升。因此，基本可以判断，化肥施用量与3个城市的农业生产效率正相关，并导致2011年岳阳市生产效率值大幅度上升。

2.3 松弛率分析

DEA-CCR模型在计算出效率得分的同时，也给出了达到最优效率的改进数值。笔者从投入产出松弛率的视角，寻找农业生产效率损失的原因，分析农业生产效率的改善方向和比例。环洞庭地区三市的农业生产投入指标松弛率具体数值如表3。

从表3中可以看出，与效率前沿面相比，岳阳市2008年的农业机械总动力（X2）、有效灌溉面积（X3）和化肥施用量（X4）松弛率数值都大于0，2009和2010年小于0，2011年又大于0，呈现出由冗余到相对不足再到冗余的特点，农业生产效率也在2011年出现了一个高峰值再回落的过程（表2）。2011年的投入相对不足反而出现较高的农业生产效率，可见农业生产过程中，过多投入并不一定会提高农业生态效率，投入指标的合理配置才有利于提高生产效率。2012—2017年，岳阳市农业生产投入冗余现象比较严重。其中，2017年的农业播种面积、有效灌溉面积以及农业劳动人员与目标值相比较，分别多投入23.5%，20.07%和15.65%;过多的投入导致资源浪费，不利于农业生产的可持续发展。

从数值上看，相对于岳阳市，益阳市的农业生产投入松弛率绝对数值相对较小，由图1可知其农业生产效率比岳阳市高，农业生产效率下降趋势也相对比较平缓。与岳阳市相同的是，2014—2016年，益阳市农业生产的5个投入指标均出现投入过多的状态，农业生产效率比较低，也验证了多投入不一定带来高效率的结论。

常德市农业生产投入松弛率绝对数值也相对较小，农业生产效率整体上相对较高。与岳阳市和益阳市不同的是，常德市2016年的农业生产存在投入不足现象;与目标值相比，粮食播种面积、农业机械总动力、有效灌溉面积、化肥施用量和农业从业人员的不足比例分别为4.65%，12.54%，8.23%，11.05%和12.54%。尽管投入不足，但是常德市2016年的农业生产效率相对于2015年仍有增长，猜想原因可能是：尽管农业生产指标投入相对不足，但投入的人力、物力都得到充分运用，使其效率值维持在一个较高的水平，这与2008年岳阳市和益阳市投入不足但是效率水平仍相对较高的情况类似。

综合来看，投入指标之间的比例分配是影响生产效率的关键[20]。从松弛率分析可以看到，投入指标均呈现冗余状况是不利于提高农业生产效率的，而2010和2012年岳阳市的各项农业生产投入指标均出现冗余，因而相对于2011年，2010和2012年的农业生产效率值更低。

2.4 Malmquist指数分析

借助Deap2.1软件，本文对2008—2017年环洞庭湖地区三市的农业生产效率Malmquist指数进行分析，计算得到各个年份的Malmquist指数和指数分解结果，具体数值和趋势见表4和图2。

2008—2017年，环洞庭湖地区三市的农业全要素生产率（Malmquist指数）数值为1.015，说明环洞庭湖地区农业生产效率10年来总体呈上升趋势，且上升了1.5%。从Malmquist指数的分解结果来看，技术效率和规模效率的平均值都是1.001，而技术进步变化平均值为1.015，明显高于技术效率和规模效率。环洞庭湖地区农业全要素生产率的变动受到技术效率变动、技术进步变动和规模效率变动的影响，技术进步主要表现为农业科技水平的发展和生产创新，技术效率则反映的是农业生产和农业资源配置的管理水平的提高，对环洞庭湖地区农业全要素生产率进步影响最大的是技术进步变化。

从表4和图2可以看出，环洞庭湖地区2010—2011年的农业全要素生产率呈上升趋势，上升了3.3%，这主要是源于技术进步指数变化的上升。2011—2012年农业全要素生产率下降了1.8%，也是由于在这一年中技术进步变化下降了2.2%，这一年中，技术效率和规模效率都有小幅度的上升。再一次说明对环洞庭湖地区农业生产效率影响最大的是技术进步变化。从表4中我们还可以看出，技术进步变化在2012—2016年出现大幅度上升，期间农业全要素生产率有所提高;2016—2017年农业生产效率下降，最主要的因素也是由于技术进步变化的下降。

从表5可以看出，2008—2017年环洞庭湖地区三市的Malmquist指数值都是大于1的，农业生产效率处于上升阶段。上升幅度最大的是益阳市，为2.4%，岳阳市和常德市的农业生产效率值分别上升了1.4%和0.7%。从指数分解结果来看，技术进步变化对农业全要素生产率的变动影响最大，与前文结论是相同的。

3 影响因素分析

3.1 指標选取与模型建立

笔者先用DEA-CCR模型计算基于投入角度的农业生产效率，将此效率值作为因变量，再通过建立Tobit模型，运用Stata软件计算并分析影响农业生产的因素。

农业生产过程中，有些因素如肥料投入、播种面积、劳动力投入等，农民可以自己进行调整和掌握;有些因素如经济发展水平、城市化水平、城乡收入差距、农业基础设施建设等，受到宏观经济状况和国家政策的影响，这些因素又影响农民对可直接控制要素的管理，进一步影响着农业生产效率。相关文献主要从宏观经济环境角度考虑，选取相关指标[21-22]，笔者结合环洞庭湖地区的发展背景，基于数据可获得性，主要研究第一产业占GDP的比重、城镇化率、农林牧渔固定资产投资、有效灌溉率和城乡居民收入比这5个因素对农业生产效率的影响（表6），并提出以下假说。

假说一：城镇化率与农业生产效率负相关。城镇化对农业生产效率的影响是正向还是负向，有两种不同观点：一种认为，城镇化的快速发展挤占了大量的农业生产资源，在一定程度上影响着农业生产[23]。一方面，城镇化伴随工业化发展，挤占大量的土地资源，影响着农业生产;另一方面，城镇化吸收了大量的青壮年农村劳动力，劳动力的流失和生产资料的成本上升，不利于农业生产效率的提高。另一种观点认为城镇化有利于促进农业生产效率提高[24]。城镇化的发展吸收农村劳动力，促进土地集中和农业生产的规模化与集约化，提高了农业技术指导的效率，从而促进农业生产效率的提高。由于环洞庭湖地区处于城镇化快速发展的过程，猜测其城镇化率与农业生产效率负相关。

假说二：第一产业占比与农业生产效率正相关。一般来说，某个地区的第一产业占比越低，工业化和城镇化水平越高，农业生产效率也就越低[23]。第一产业占比越高，地区的农业生产经验相对丰富，农业规模比较大，一定程度上有利于提高农业生产效率;另一方面，第一产业占比低，第二产业和第三产业占比高，工业发展在一定程度上反哺农业，给农业提供资金与技术支持，有利于提高区域的农业生产效率。猜测第一产业占比对农业生产效率的影响是正向还是负向，与研究区域有一定关系，环洞庭湖地区是我国重要的商品粮生产基地，农业生产历史悠久，第一产业占比高有利于提高农业生产效率。

假说三：农林牧渔固定资产投资与农业生产效率正相关。农林牧渔固定资产投资是改变农业生产条件，使农业生产长期稳定发展的重要物质基础，也是农业持续稳定发展的重要物质保证。研究发现农业固定资产投资是提高农业生产效率、促进农民增收的有效途径[25]。扩大农林牧渔固定资产投资有利于提高环洞庭湖地区三市的农业生产效率。

假说四：有效灌溉率与农业生产效率正相关。水利是农业的命脉，灌溉是农业发展的基础，有效灌溉面积率反映了农业水利情况。洞庭湖区域有效灌溉面积越大，农作物抵抗干旱的能力也就越强，越有利于提高农业生产效率。

假说五：城乡居民收入比与农业生产效率负相关。相关研究表明，影响城乡居民收入差距的一个重要因素是城乡二元经济结构，农业相对于其他行业来说，效率更低，对价格缺乏弹性，依靠农业增收的难度很大[26]。城乡居民收入差距越大，农村劳动力尤其是知识型劳动力向城镇流动越多，长远来看阻碍了农业技术推广，不利于农业生产效率的提高。

基于以上设定，建立Tobit回归模型为：

式中，Yt为第t年的农业生产效率值，X1为第一产业占GDP的比重，X2为城镇化率，X3为农林牧渔固定资产投资，X4为有效灌溉率，X5为城乡居民收入比，u为随机扰动项，β1、β2、β3、β4、β5表示各自变量的回归系数。运用Stata软件，将环洞庭湖地区三市2008—2017年的相关指标作为样本进行回归分析。

3.2 结果与分析

环洞庭湖地区三市的农业生产效率影响因素的Tobit模型回归结果如表7所示。

计算结果表明，城镇化率、有效灌溉率和城乡居民收入比与环洞庭湖地区三市的农业生产效率呈负相关，农林牧渔固定资产投资与农业生产效率正相关。其中，城镇化率和有效灌溉率通过了10%的显著性检验;农林牧渔固定资产投资和城乡居民收入比分别通过了5%和1%的显著性检验;第一产业占比没有通过检验，该区域第一产业占比与农业生产效率之间在统计上的相关性不显著;对效率影响最大的是城镇化率，其次是有效灌溉率，农林牧渔固定资产投资和城乡居民收入比对农业生产效率影响相对小。具体分析如下。

（1）城镇化率负向地影响着该区域的农业生产效率，相关系数为-1.722 7，与假说一致。随着城镇化的推进，城镇第二产业和第三产业吸收了大量的农村劳动力，导致农村优质劳动力大量流失、农业生产技术的推广变得缓慢、农业生产资料成本上升，不利于提高农业生产效率。

（2）农林牧渔固定资产投资正向影响该区域农业生产率，相关系数为0.272 7，符合预先假说。农业基础设施是农业赖以发展的“先行资本”，是农村生产稳定发展、农业经济良性运行、农民持续创收增收的基础条件[27]。农业基础设施如农田水利、气象设施、技术服务机构、农业机械等的建设和推广，需要投资大量资源，政府的投资有效提高基层农业的基础设施水平，将现代化的科技和服务引进农村，有利于提升农业生产的效率水平。

（3）有效灌溉率负向影响着该区域的农业生产效率，相关系数为-1.179 1，提高有效灌溉水平会对三市的农业生产效率产生反向效应，不符合预先假说。有效灌溉率对农业生产效率的影响是正向还是反向，取决于灌溉方式[28]。湖区气候湿润，水资源充足，长久以来一直依靠传统的漫灌方式进行农业生产，灌溉方式和灌溉设备工作效率低导致农业生产效率降低。因而推进节水灌溉，有利于提高湖区的农业生产效率。

（4）城乡居民收入比负向影响着该区域的农业生产效率，相关系数为-0.703 7，符合预先假说。农业的收入效益相对第二产业和第三产业来说更低，大量的年轻劳动力和知识型劳动力向城镇流动，导致农村劳动力逐漸老龄化和低技能化，这样的劳动力结构会导致农村土地闲置和农业基础设施建设不足，新的农业知识与农业生产资料推广也更加缓慢，不利于农业资源的有效配置。因此，过高的城乡居民收入比不利于提高农业生产效率。

4 结论和政策建议

4.1 结论

本文利用超效率DEA模型对湖南省环洞庭湖地区三市的农业生产效率进行测算，结果显示益阳市的平均农业生产效率在2008—2013年最高，常德市的平均农业生产效率在2013—2017年最高，其中肥料投入对农业生产效率的影响比较明显。松弛率分析表明，环洞庭湖地区三市的农业生产资料投入冗余现象较为严重，比较来说，常德投入冗余较小，2009—2010、2016年还存在一定程度的投入不足现象。过多的农业生产资料投入不利于提高农业生产效率，只有合理的资源配置才利于提高生产效率。

Malmquist指数分解结果表明，研究期内环洞庭湖地区三市的农业全要素生产率呈上升趋势，对农业全要素生产率提升影响最显著的是技术进步变化，大于技术效率变化和规模效率变化对农业全要素生产率提升的影响。从3个城市层面来看，益阳市的农业全要素生产率进步最大，技术进步是推进其农业生产效率提升最主要的原因。

运用Tobit模型进一步分析了环洞庭湖地区三市的农业生产效率影响因素，发现城镇化率、有效灌溉率和城乡居民收入比反向影响该区域的农业生产效率;农林牧渔固定资产投资正向影响农业生产效率;第一产业占GDP比重与农业生产效率之间并无显著关联。

4.2 政策建议

第一，环洞庭湖地区农业发展需要更加注重科学性和技术性，推广集约化农业生产方式，依靠科技进步和管理水平提升来促进农业生产效率的提高。要优化现有农业科技体制，建立健全农业科学技术推广服务体系，并大力加强农业人才队伍建设，以推广先进和优秀的农业技术，将农业科技成果转化为先进的农业生产力。

第二，政府在推进工业化和城镇化的过程中需要科学引导劳动力转移，保证农村劳动力的数量与质量，更好地推进区域农业现代化建设，提高农业生产效率。农村的农业技术教育落后不利于農业科学技术的广泛传播和利用，政府要组织开展学习农业先进技术和相关知识的培训，提高农民的农业生产技能和经营技能，同时要提高农民的科学文化素质，促进农业生产的新技术和新成果在农村的推广。

第三，政府需加大农业固定资产投资，完善和优化农村农业生产的物质基础。农业固定资产投资不仅有利于改善农业生产条件，而且有利于提高农民生活福利，推进新型农村的建设与发展。农业生产配套基础设施包括基础的道路交通、电力供应、水利灌溉等，环洞庭湖地区要加大农业固定资产投资，改善农业生产条件，除了要做好道路交通的建设，电力机械的供给，更要着重建设防洪减灾工程，加大灌溉水利建设投资。要保障农业用水量，完善农业用水管理机制，降低洪旱灾害对农业生产的危害，也要合理利用水资源，推广节水灌溉，提高水资源利用效率，促进农业的可持续发展。

参考文献：

[1]何平均.中国农业基础设施供给效率研究[D].长沙：湖南农业大学，2012.

[2]李英普，李子君，刘玉，等.基于随机前沿分析的河北省粮食生产效率及影响因素研究[J].广东农业科学，2015，42（22）：156-161.

[3]白玛雍珍.我国农业生产的技术效率及其影响因素——基于SFA的实证分析[J].商业经济研究，2016（23）：172-174.

[4]MONCHUK D C.中国农业生产非效率的影响因素分析[J].世界经济文汇，2009（2）：47-56，11.

[5]陈宗富，马敏.基于数据包络分析方法的农业生产效率评价——来自西部欠发达地区170个苗族村的调查[J].生态经济，2016（1）：135-138.

[6]赵春兰.基于DEA的四川省农业生产效率分析[J].经济论坛，2017（4）：9-14.

[7]叶文忠，刘俞希.长江经济带农业生产效率及其影响因素研究[J].华东经济管理，2018，32（3）：83-88.

[8]余玉敏，陈万旭，朱丽君，等.河南省农业生产效率测度及影响因素[J].水土保持研究，2018（5）：272-278.

[9]王刚毅，刘杰.东北地区农业生产效率测度及影响因素[J].北方园艺，2018（15）：198-208.

[10]傅丽芳，魏薇.基于面板数据广义DEA的农业生产效率综合评价[J].统计与决策，2016（6）：57-59.

[11]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.

[12]ANDERSEN P，PETERSEN N C.A procedure for ranking efficient units in data envelopment analysis[J]. Management science，1993，39（10）：1261-1264.

[13]李姣，周翠烟，张灿明，等.基于生态足迹的湖南省洞庭湖生态经济区全要素生态效率研究[J].经济地理，2019，39（2）：199-206.

[14]焦源.山东省农业生产效率评价研究[J].中国人口（资源与环境），2013（12）：105-110.

[15]傅丽芳，魏薇.基于面板数据广义DEA的农业生产效率综合评价[J].统计与决策，2016（6）：57-59.

[16]余玉敏，陈万旭，朱丽君，等.河南省农业生产效率测度及影响因素[J].水土保持研究，2018，25（5）：262-268.

[17]夏斌.湖北省农业生态效率的测算及影响因素分析[D].武汉：湖北大学，2017.

[18]湖南省统计局.湖南统计年鉴[M].北京：中国统计出版社，2012.

[19]湖南省统计局.湖南统计年鉴[M].北京：中国统计出版社，2017.

[20]王冬梅.基于DEA的串行系统效率评价及资源配置问题研究[D].沈阳：沈阳工业大学，2016.

[21]王刚毅，刘杰.东北地区农业生产效率测度及影响因素[J].北方园艺，2018，414（15）：198-208.

[22]钱丽，肖仁桥，陈忠卫.碳排放约束下中国省际农业生产效率及其影响因素研究[J].经济理论与经济管理， 2013（9）：100-112.

[23]陈丹妮.中国城镇化对产业结构演进影响的研究[D].武汉：武汉大学，2015.