中国农业生产效率的萃取与空间差异

郇红艳

摘要：当前城市化发展影响农业资源利用与产出，特别是城市化发展的区域异质性会加剧农业生产效率区域差异状况，并降低整体效率水平。人口城市化有利于降低农业生产资源投入冗余，经济城市化与空间城市化可以减少劳动力与化肥的投入冗余，但也导致机械和灌溉的过度投入，并加剧产出不足问题;单纯增加居民收入的社会城市化无益于降低投入冗余，配套全面福利保障的社会城市化才能产生积极效应。城市化发展的“空间近邻效应”使得农业生产效率呈现出空间集聚特征，剥离城市化环境后低低集聚区域范围显著缩小并向南推移，农业生产效率的空间溢出效应变得不再显著。要转变过去城市优先发展的思想，实施乡村振兴战略，建立健全城乡融合发展的体制机制和政策体系，巩固完善农村基本经营制度，深化农村土地制度改革，加快城乡投资一体，进一步发挥金融对现代农业发展的带动作用。

关键词：城市化;农业生产效率;空间近邻效应;乡村振兴战略

中图分类号：F304    文献标识码：A    文章编号：1003-854X（2019）01-0033-10

一、引言

改革开放以来，中国的农业发展取得了巨大成就，农林牧渔总产值从1978年的1397亿元增长到2015年的1.103×104亿元（按1978年不变价格），年均增长速度为5.7%，但是农业现代化依然落后于工业现代化进程，成为“四化”同步的短板①。加快补齐农业农村短板，必须坚持工业反哺农业、城市支持农村的政策取向。农业发展的根本来源是生产效率提升，然而对于我国城市化发展是否能够提高农业生产效率水平，学者们有着不同的观点。一种观点认为，城市化发展带来资本与人口的集聚，促进国民经济发展，有助于实现农业经营规模化、产业结构优化、农业生产模式和经营制度的现代化，从而促进农业生产效率提升;另一种观点认为，城市化发展同时也会与农村争夺耕地、劳动力与资金等要素资源，并向农村输出环境污染，使得农业发展缺乏优质资源保障，阻碍农业生产效率提升②。中国正处在快速城市化进程中，以城镇常住人口比例衡量的城镇化率由1978年的17.92%上升到2016年的57.35%，尤其是自1996年城镇化率水平达到30%以后，城市化发展速度由1978—1995年期间的年均增长0.65个百分点，提高到1996—2016年期间的年均增长1.34个百分点。当然，城市化发展并不仅仅表现在人口方面，还综合反映在经济、社会、空间等方面，具有明显的区域发展不平衡特征，东部地区持续领先于中西部地区，部分地区出现了超越经济发展阶段和客观规律的冒进态势，产生诸如土地城市化盲目扩张，远超人口城市化等问题，在一定程度上对农业生产造成影响③。那么，中国当前的城市化发展真正起到了提升农业生产效率水平的作用，还是抑制了农业生产效率水平提高？城市化发展区域差异性的减弱是否有助于降低农业生产效率的空间差异性并提升其效率水平？不同的城市化内涵会以何种方式影响农业资源利用效率？这些问题研究对于改变农业和农村经济在资源配置中的不利地位，加快农业现代化，促进“四化”同步与区域经济协调发展具有重要意义。

国内外学者对中国农业经济发展和农业生产率增长进行了广泛的研究，相关文献主要集中在三个领域：一是农业经济增长的源泉与影响因素研究。农业经济增长的动力源泉来自于两个方面，即农业要素投入增加与农业生产率提升。在经济发展的初级阶段，中国农业增长的一半以上是靠要素投入驱动，然而经济资源的稀缺性决定了主要依靠要素投入的模式是不可持续的，中国农业发展根本出路在于農业全要素生产率增长④;从中国农业经济增长影响因素来看，农村经济体制改革，技术进步、农产品价格体制改革、农村工业化与城市化进程、税费改革及农业公共支出变迁等都是重要变量，不同时期各制度变量作用不尽相同⑤。二是农业生产效率的测度。伴随研究视角和研究方法的创新，农业生产效率的研究更为精细化和贴近实际。有的将资源环境因素纳入农业生产效率研究框架中，以农业面源污染、碳排放等作为非期望产出，测算资源环境约束下的农业生产率，希望通过中国农业绿色生产率革命来推动农业环境友好发展，取得了许多研究成果⑥;有的剔除外部环境和随机误差对农业生产效率的影响，国家宏观经济环境、政府对农业发展的相关政策、人力资源因素及自然灾害等因素都会对农业生产效率产生影响⑦，却又不受决策单元的主观控制，需要运用三阶段DEA方法剥离外部环境影响才能真实反映效率水平。三是城市化与农业生产效率关系及其空间效应研究。中国具有典型的城乡二元经济结构，城市化对农业效率既有促进效果又有抑制作用⑧，使得农业发展面临诸多挑战，可能导致效率降低，由于地域辽阔，农业生产效率存在明显的区域不均衡现象⑨，农业生产率、农业劳动效率、土地效率等具有空间溢出效应，与此同时，不同地区的城市化水平也存在较大差异，但是从空间角度对二者之间的联系却鲜有研究⑩。

既有成果为研究城市化环境下的农业生产效率提供了重要的方法论和研究思路，但是仍存在一些问题值得进一步研究。其一，多数文献在研究农业生产效率时，假设外部环境是无差异的，然而不同地区城市化环境各异，如果忽略了它的影响，很可能导致结论失真，难以反映中国农业生产效率的真实状况及优化空间;其二，在衡量城市化环境因素时，多采用单一指标法，该方法计算简单，数据易得。但是由于城市化的内容非常丰富，包含该地区的人口城市化、经济城市化、社会城市化和空间城市化等多个方面，选择综合指标法会有助于全面界定城市化内涵，客观反映其对农业效率的影响;其三，在剥离外部环境影响时，主要采用传统三阶段DEA模型，但是该模型基于径向改进的BCC模型，主观选择投入最小化导向，也无法对多个处于生产前沿面的决策单元进行有效排序;第四，较少关注城市化环境与农业资源利用和投入产出的关系，分析城市化发展对农业生产效率的影响路径，以及对农业生产效率区域非均衡特征的解释。

本文通过分析城市化发展对中国农业生产效率的影响路径，在人口、经济、空间与社会等角度全面衡量城市化的基础上，基于改进的三阶段超效率SBM-DEA（Three-Stage Super-SBM-DEA）模型分别测度剥离城市化环境前后的农业生产效率，该方法既考虑投入与产出两个角度的非径向改进，又解决了处于效率前沿面决策单元的有效排序问题，以期为政府决策提供可靠的依据。

二、研究方法、变量选取与数据来源

1. 研究方法

一是剥离城市化环境前后农业生产效率的测度。为了研究城市化发展对中国农业生产效率的影响，需要分别测算剥离城市化环境前后农业生产效率值，并进行比较分析。本文利用改进的三阶段Super-SBM-DEA模型，在第一阶段测算城市化环境下农业生产效率，第三阶段测算剥离城市化环境后农业生产效率。

（1）三阶段非角度SBM-DEA模型。对传统三阶段DEA模型进行改进{11}，构建过程仍然分为三个阶段，在第一三阶段测度效率时，将传统的BCC-DEA模型改进为SBM-DEA模型，在第二阶段SFA分析中，从只关注投入松弛变量扩展为同时考虑投入产出松弛变量。

第一阶段：测度投入产出松弛变量的初始SBM-DEA分析。建立非角度非径向的SBM-DEA模型，假设一个投入产出系统中共有K个决策单元，每个决策单元有N种投入和M种产出。根据Tone的研究结论{12}，在假设规模报酬不变条件下，测度第k个决策单元效率的SBM-DEA模型如下：

为了实现式（4）、式（5）所作的调整，首先需要从SFA回归模型的误差中将管理无效率和随机因素分离出来，采用Jondrow等{13}提出的JLMS方法先得到μij的条件估计量，根据Kumbhakar{14}、罗登跃{15}的研究可計算投入模型μij的条件估计量，进而可以得到统计噪声νij与νrj的条件估计，计算出调整以后的投入产出变量。

第三阶段：基于调整后投入产出数据的最终SBM-DEA分析。将经过第二阶段调整以后的投入产出数据重新带入式（1）的SBM-DEA模型进行效率测算。此阶段得到的测算结果反映了消除运营环境和统计噪声影响后的管理效率，能够更为客观地体现决策单元的技术效率状况。

（2）超效率SBM-DEA模型。在SBM-DEA模型计算时，如果出现多个决策单元效率值均为1的情况，则无法对这些决策单元进行有效的评价与排序。针对此问题，Tone提出了超效率SBM-DEA模型（Super-SBM-DEA）{16}，利用该模型可以对相对有效率的决策单元进行评价和排序，也就是说，Super-SBM-DEA模型的效率值可以出现大于1的情况，Super-SBM-DEA模型如式（6）所示：

二是农业生产效率区域差异的测度。泰尔指数是信息理论中广义熵指数（Generalized Entropy Index）的特殊形式，可以测度区域发展、收入分配等不公平程度，因其具有可多层级分解等优良性质，能将区域总体差异分解为区域间差异和区域内差异，进而考察各部分对研究总体差异的影响和贡献，所以可利用该指数衡量农业生产效率的区域差异状况。泰尔指数有T指数和L指数两种形式，其中L指数又称为平均对数偏差指数，不仅形式更为简洁，而且能够更好地满足评价社会不平等的公理化要求，因此采用泰尔L指数测度剥离城市化环境前后农业生产效率的区域差异，并分析区域间差异（Lb）与区域内差异（Lw）的构成情况，泰尔L指数公式及其分解如下：

式中，n为样本观测值个数（所有省市数），k为分组个数（划分的区域数），各区域的省市数量分别为n1，n2，k，…nk，y为所有省市农业生产效率均值，yi为第i区域农业生产效率均值，yij为第i区域第j省市农业生产效率，j=1，2，k，…ni。泰尔L指数值越高，说明区域或省市间农业生产效率的差异越大。

三是农业生产效率空间自相关性的测度。为了考察农业生产效率在空间上是否具有依赖关系，比较剥离城市化环境前后农业生产效率的空间分布特征是否发生变化，可以利用空间自相关系数定量地描述变量在空间上的相关关系及其程度。本文采用Global Morans I统计量来测度农业生产效率全局空间关联度，进而利用Local Morans I统计量和Moran LISA图来厘清局部空间集聚特征。

2. 变量选取与数据来源

农业生产效率的测度需要选取农业投入产出变量（见表1），本文收集1996—2013年中国大陆31个省份的面板数据，研究城市化进程中农业生产效率问题。以1996年作为研究初始年份主要基于两点考虑：一是根据美国地理学家诺瑟姆提出的城市化发展理论，当城市化水平在30—70%时，将进入快速发展阶段;二是从中国城市化发展实际来看，1996年城市化水平达到30%以后，城市化发展速度明显加快，由1978—1995年期间的年均增长0.65个百分点，提高到1996—2015年期间的年均增长1.34个百分点，可见1996年是中国城市化进程的一个转折点，由此进入飞速发展时期，对农业生产的影响也更为显著{17}。农业投入产出变量与城市化变量数据来源于历年《中国统计年鉴》、《中国农村统计年鉴》、《中国农业年鉴》，以及《新中国五十年统计资料汇编》、《新中国五十五年统计资料汇编》和《新中国六十年统计资料汇编》等，少量缺失数据由地方统计年鉴和插值法计算补齐。

三、实证分析

以第一阶段SBM-DEA模型得到的各项投入产出松弛变量分别作为因变量，以反映城市化环境因素水平的城镇化率、二三产业增加值比重、城镇居民人均可支配收入、每万人拥有医生数和建成区面积作为解释变量，建立SFA回归模型，运用Frontier4.1软件，得到回归估计结果见表2。可以看出，回归系数大多能通过显著性检验，说明城市化环境因素对中国农业生产的投入冗余和产出不足的确存在显著影响。

第一，人口城市化有利于降低农业生产资源投入冗余，提高农业生产效率。除了土地投入松弛变量外，城镇化率对其它投入产出松弛变量的回归系数均为负值，说明农业人口向城镇转移有利于农业投入冗余和产出不足的下降，能够实现资源的有效配置，这种作用主要是对劳动力投入、机械投入和化肥投入冗余的减少产生显著影响。

第二，经济城市化会减少农业劳动力投入和化肥投入冗余，但同时会导致机械和灌溉的过度投入。城市经济的发展对用工需求增加，吸引大量农村剩余劳动力进城务工，有利于降低农业劳动力投入冗余。1980年代以来，中国粮食连年增产，化肥起到了重要的作用，但是在传统粗放型生产模式下也出现了过量施用、盲目施用化肥的问题，1979—2013年间，中国化肥使用量由1086万吨增加到5912万吨，农作物亩均化肥使用量高达21.9公斤，远高于世界平均水平。城市经济发展到一定阶段会带来人们对食品安全和环境保护的关注上升，2015年农业部制订《到2020年化肥使用量零增长行动方案》，2017年中国水稻、玉米、小麦三大粮食作物化肥利用率比2015年提高2.6个百分点，达到37.8%，实现化肥零增长目标，在一定程度上减少了化肥过量施用状况。城市经济发展会加大对农业机械化、水利设施等的投资力度，使得农业生产中出现冗余状况。

第三，社会城市化对农业生产效率的影响分为两个方面，单纯增加城市居民收入不利于降低投入冗余现象，配合以福利保障政策的跟进有助于降低投入冗余，提高农业生产效率。城市居民收入提高，特别是城乡居民收入差距的扩大，促使农村优质劳动力向城市流动，农业生产仍然保持粗放经营模式，农民外出务工收入的增加，又促使他们继续加大对农业其它生产资料的投入力度，导致机械、化肥和灌溉条件等投入过度，降低农业生产效率。

第四，空间城市化增加机械、土地和灌溉的过度投入，虽然可以减少劳动力投入和化肥投入的冗余，但效果并不显著。由表2可见，建成区面积变量对机械投入松弛变量、土地投入松弛变量和灌溉投入松弛变量的系数均为正值，而且都通过显著性水平1%的检验，盲目圈占农村土地，“摊大饼”式发展与城市空间的无节制扩张都是粗放式发展的体现，衍生到农业领域表现为资源的过度投入，因此要适度控制城市规模，提高用地效率。

第五，经济城市化和空间城市化会在一定程度上加剧农业产出不足，降低农业生产效率。城市二三产业的快速发展，吸引优质劳动力、资本等生产要素向非农产业部门流动，创造出更高的价值，进一步提高生产率水平;而农业是弱质产业，受自然環境、气候条件影响较大，生产率水平较低，难以吸引资金、科技资源的自发投入，如此产生循环累积作用，形成“马太效应”，导致农业产出不足持续扩大。城市空间的过度扩张，挤占农村土地资源，也会抑制农业产出增加。

综上，城市化发展对农业生产效率的影响机理可参见下图1。

四、农业生产效率的萃取与空间差异

为了萃取不含城市化环境影响的农业生产效率，对农业生产投入产出变量进行调整，消除城市化环境和统计噪声的作用，为了对生产前沿面的省份进行有效排序，采用超效率SBM-DEA模型测算效率值，所得结果见表3和表4。表3报告了剥离城市化环境因素前后样本期间各年中国农业生产效率的均值，表4报告了剥离城市化环境因素前后，样本期间分省份农业生产效率的均值。

1. 剥离城市化环境前后中国农业生产效率的时序变化

在消除城市化环境和统计噪声的影响后，中国农业生产效率发生四点变化，第一，农业生产效率水平有显著提高。根据表3，1996—2013年农业生产效率均值由0.492上升至0.784。利用配对t检验考察消除城市化环境影响前后农业生产效率的差异情况。结果显示，检验t统计量的值为26.94，在1%显著性水平下认为剥离城市化环境因素后农业生产效率有显著增加。第二，农业生产处于前沿面的省市数量更多。消除城市化环境后，每年处于前沿面省份的中位数由3个增加为6个。第三，各年农业生产效率的差异程度更小。农业生产效率的标准差和变异系数在第一阶段为0.283和0.574，第三阶段下降为0.155和0.198，效率值的离散程度明显降低。第四，各年农业生产效率均值的变化波动振幅减弱，变动趋势更为平稳。在城市化环境下，1996—2013年农业生产效率值呈现先下降、后上升的“U型”变化趋势，2003年农业生产效率值降到最低。自2004年以来，党和政府高度重视“三农”工作，与时俱进审视城乡、工农关系，并作出了新的判断，制定了取消农业税、增加农业补贴、兴建基础设施等一系列促进农业发展的政策措施，提出了城乡一体化发展方向，在此环境之下农业生产效率得以提高。

2. 剥离城市化环境前后中国农业生产效率的区域差别

第一，剥离城市化环境前后，各地区农业生产效率的离散程度显著缩小，由表4可知，变异系数由0.574下降到0.198，说明各个省市之间的差异变小了。四大区域的差异程度也发生了变化，在城市化环境下，四大地区农业生产效率差异程度由高到低排序为东部地区>西部地区>中部地区>东北地区;剥离城市化环境后，四大区域差异程度高低排序变为东部地区>东北地区>西部地区>中部地区，反映出东部地区农业生产效率差异较大，而中西部地区农业生产效率差异较小。

消除城市化环境因素后，尽管四大区域农业生产效率水平的位序关系没有发生变化，但是对各省份农业生产效率的水平产生影响，其位次也发生了不同程度的改变。由表4数据可以看出，1996—2013年各省份农业生产效率均值普遍提高，但是增加幅度并不相同，导致各省份效率值的位次顺序发生变化。位次上升的省市有13个，东部地区4个，中部地区1个，西部地区6个，东北地区2个，位次上升幅度超过5位的有山西、甘肃、青海、宁夏4个省份，都是来自于中西部地区。位次下降的省市有15个，位次下降幅度超过5位的省份有海南、安徽、河南、广西、贵州和云南6个省份，除海南省处在东部地区外，其它省份均来自于中西部地区，表明这些省份之前较高的农业生产效率与它们所处的较为有利的城市化环境和较好的境遇有关，而管理水平并非很高。位次保持不变的省份有3个，分别是北京、山东和湖南3个省市，这些省市在全国的相对效率水平没有发生变化。

第二，观察由泰尔L指数计算的结果（见表5），农业生产效率的区域总体差异、区域间差异和区域内差异都明显减小。剥离城市化环境前后，农业生产效率区域总体差异的泰尔L指数由0.121下降为0.017，下降了85.92%，区域间差异和区域内差异的泰尔L指数也分别由城市化环境下的0.075和0.046，下降为0.008和0.009。剥离城市化环境之前，农业生产效率的区域间差异占主导地位，区域间差异对总体差异的贡献率为61.85%;剥离城市化环境之后，区域间差异与区域内差异的作用变得平分秋色，区域间差异对总体差异的贡献率降为48.37%。

上述分析可以看出，城市化环境因素整体上会扩大各省市之间农业生产效率的差异，特别是放大四个区域间的差异。城市化环境对东部地区和东北地区的农业生产效率的影响较为稳定，这些地区城市化环境和管理因素较为匹配，而中西部地区处在快速城市化进程中，城市化水平差异较大，对农业生产效率产生较大的影响。

3. 剥离城市化环境前后中国农业生产效率的空间特征

为了考察城市化环境对中国农业生产效率空间分布特征的影响，分别测度剥离城市化环境前后中国农业生产效率的空间分布自相关特征。以消除城市化环境因素前后典型年份各省份农业生产效率，以及1996—2013年各省份的农业生产效率均值数据，计算各期的全域自相关Morans I指数并做出检验，结果见表6。

由表6数据可以看出，城市化环境对农业生产效率的空间相关性具有重要影响。在城市化环境影响下，各期农业生产效率的Global Morans I指数均在0.24以上，都通过了显著性水平5%的检验，表现出正向空间自相关关系;而消除城市化环境因素后，Morans I指数明显下降，无法再通过5%水平的显著性检验，农业生产效率的全局空间集聚效果不明显。进一步计算剥离城市化环境前后各地区农业生产效率的Local Morans I指数并绘制LISA聚类地图，结果见图2。观察图2发现，在城市化环境下，农业生产效率的空间分布呈现明显的低低集聚，位于中北部地区的甘肃、内蒙古、宁夏、山西、陕西、河南、四川和湖北8省连片形成效率“洼地”;剥离城市化环境后，低低集聚区域的面积显著缩小并沿中线向南推移，主要包括陕西、山西、湖北、重庆和贵州5省市，上海与福建临近区域农业生产效率水平较高，形成高高集聚中心。

以上现象说明，城市化的发展促进了城乡之间各种资源、要素的空间流动，在“空间近邻效应”的作用下，促使农业经济活动、技术传播扩散就近扩张，使得农业生产效率呈现出空间集聚特征，农业生产效率较高地区表现出与同样高效率地区临近，而农业生产低效率地区也相互毗邻。而剥离城市化环境后，农业生产效率的空间溢出效应变得不再显著，农业生产效率的空间依赖特征也不明显。

五、主要结论与政策建议

本文讨论了城市化发展对农业生产效率的影响路径，基于改进的三阶段Super-SBM-DEA模型，研究剥离城市化环境因素前后中国农业生产效率的演变趋势与空间差异，以及城市化环境对农业生产效率的影响方式，得出以下结论：（1）中国城市化发展的区域差异性越高，整體农业生产效率水平降低，各年之间的波动越大。置于相同的城市化环境下，中国农业生产效率水平有明显提高，1996—2013年农业生产效率均值由0.493上升至0.784，处于生产前沿面的省市数量增加，各年农业生产效率均值的波动幅度减弱。（2）当城市化发展滞后地区水平不断提升，随着城市化发展差异缩小，有助于弱化农业生产效率的区域差异，提升整体效率水平。置于相同的城市化环境下，中国农业生产效率的区域差异显著缩小，来自区域间差异的主导作用下降。农业生产效率区域总体差异的泰尔L指数由0.120下降为0.017，变异系数由0.574下降到0.198，区域间差异对总体差异的贡献率由61.85%下降为48.37%。在城市化“空间近邻效应”的作用下，农业生产效率呈现出空间集聚特征，位于中北部地区的甘肃、内蒙古、宁夏、山西、陕西、河南、四川和湖北8省连片形成效率“洼地”;而剥离城市化环境后，低低集聚区域的面积显著缩小并沿中线向南推移，主要包括陕西、山西、湖北、重庆和贵州5省市，农业生产效率的空间溢出效应变得不再显著，农业生产效率的空间依赖特征也不明显。（3）城市化环境因素对中国农业生产效率的影响方式较为复杂。人口城市化有利于降低农业生产资料投入冗余;经济城市化与空间城市化虽然可以减少劳动力投入与化肥投入的冗余，但也会导致机械和灌溉的过度投入，并进一步加剧产出不足现象;单纯增加居民收入的社会城市化不利于降低投入冗余，只有配合以全面福利保障的新型社会城市化才有助于抑制投入冗余增加。

中国城市化发展促进农业生产效率提升，必须重塑城乡关系，走城乡融合发展之路：（1）加快体制机制创新，促进城乡要素双向流动。通过公共财政与价格杠杆等手段，构筑对农业现代化的拉动机制，推动资金、技术、人才、土地等要素向农业流动，鼓励外出农民和城镇居民返乡进行创新创业活动。（2）推进农业与新型城镇化有机结合，利用城市化的集聚效应带动农产品市场需求和农业结构转型，加快传统产业结构升级;利用农村现有资源优势条件，培育开发特色产品，形成“一村一品”“一村一特”，鼓励其集聚发展，打造优势产业集群，与乡村旅游相结合，借助电商平台等手段发展壮大农村优势产业;引入大型龙头企业，对农产品进行深度开发和综合利用，并通过品牌塑造和市场营销策划，获得更多的产品溢出价值。（3）加快科技创新推广，提升农业生产效率水平。整合各方科技创新资源，加大公共财政农业科技资金投入，促进私人资本增加对农业科技开发、推广和应用的投入。（4）重视人才培养。加强农民的职业培训，培育一批种养业能手、农机作业能手和农产品经纪人等;加强新型农业经营主体培训，提高农民专业合作组织负责人、龙头企业经营人才的能力素质;促进农村融入信息化浪潮，利用现代科学成果改造传统农业，发展现代农业;激励更多的城市优秀人才下乡创新创业，支持和鼓励外出农民返乡创业就业，制定倾向性政策，促进农村发展。

注释：

① 洪银兴：《以三农现代化补“四化”同步的短板》，《经济学动态》2015年第2期。

② 袁平、朱立志：《中国农业污染防控：环境规制缺陷与利益相关者的逆向选择》，《农业经济问题》2015年第11期。

③ 王桂新：《城市化基本理论与中国城市化的问题及对策》，《人口研究》2013年第6期。

④ Scott Rozelle、黄季焜：《中国的农村经济与通向现代工业国之路》，《经济学（季刊）》2005年第4期。

⑤ J. Y. Lin， Rural Reforms and Agricultural Growth in China， The American Economic Review， 1992， 82（1）， pp.34-51.

⑥ 张立新、朱道林、谢保鹏等：《中国粮食主产区耕地利用效率时空格局演变及影响因素——基于180个地级市的实证研究》，《资源科学》2017年第4期。

⑦ 郭军华、倪明、李帮义：《基于三阶段DEA模型的农业生产效率研究》，《数量经济技术经济研究》2010年第12期。

⑧ D. Berry， Effects of Urbanization on Agricultural Activities， Growth & Change， 1978， 9（3）， pp.2-8.

⑨ P. C. Chen， M. M. Yu， C. C. Chang et. al.， Total Factor Productivity Growth in Chinas Agricultural Sector， China Economic Reviews， 2008， 19（4）， pp.580-593.

⑩ 顾朝林、庞海峰：《建国以来国家城市化空间过程研究》，《地理科学》2009年第1期。

{11} H. O. Fried， C. A. K. Lovell， S. S. Schmidt et al.， Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis， Journal of Productivity Analysis， 2002， 17（1）， pp.157-174.

{12} K. Tone， A Slacks-Based Measure of Efficiency in Data Envelopment Analysis， European Journal of Operational Research， 2001， 130（3）， pp.498-509.

{13} J. Jondrow， C. A. K. Lovell， I. S. Matewov， et al.， On the Estimation of Technical Inefficiency in the Stochastic Frontier Production Function Model， Journal of Econometrics， 1982， 19（2-3）， pp.233-238.

{14} S. C. Kumbhakar， C. A. K. Lovell， Stochastic Frontier Analysis， Cambridge University Press， 2000.

{15} 羅登跃：《三阶段DEA模型管理无效率估计注记》，《统计研究》2012年第4期。

{16} K. Tone， A Slacks-Based Measure of Super-Efficiency in Data Envelopment Analysis， European Journal of Oper-ational Research， 2002， 143（1）， pp.32-41.

{17} 陈明星、陆大道、刘慧：《中国城市化与经济发展水平关系的省际格局》，《地理学报》2010年第12期。