安徽省农业全要素生产率：静态效率、动态效率和空间效应*

张维刚

(安徽财经大学 财政与公共管理学院，安徽 蚌埠 233030)

一、引言

农业生产率的提升是抵御“马尔萨斯危机”的首要保障[1]，也是我国现阶段乡村全面振兴的基础和关键，对于超大人口规模的社会主义中国具有重要的意义。随着非洲蝗灾、新冠病毒肺炎等公共事件的暴发，粮食安全问题再次引起全世界的关注，在耕地面积下降、环保意识增强、耕地非粮化以及国际单边主义抬头等条件的约束下，如何提高农业生产率成为保障粮食安全的重中之重。十九大报告首次提出要提高全要素生产率，全要素生产率的提升是国民经济增长的核心源泉[2]。对农业而言，同样需要依靠农业全要素生产率的提升来推动农业产业高质量发展。作为农业大省的安徽，耕地面积8 800多万亩，地区农业差异较为明显，其中皖北地区以小麦、玉米、大豆等粮食作物为主，皖中以水稻、油菜等粮食和经济作物为主，皖南以油菜、蔬菜、茶叶等经济作物为主，具体可以分为淮北平原农业区、江淮丘陵农业区、皖西大别山地林茶区、沿江平原农业区和皖南山地林茶粮区[3]。2021年，安徽省粮食产量达到4 807.6万吨，稳居全国第四位，对我国粮食安全保障做出了巨大的贡献[4]。随着工业化和城镇化的快速发展，城乡差距的拉大，农业经营收入对农村家庭生活的保障功能逐渐减弱，农业大省如何确保农业高质量发展、推动乡村全面振兴任重道远。如图1所示，安徽省2015年之前单位面积耕地化肥施用量和粮食产量保持相同的增长趋势。化肥施用是农业稳产高产的重要保障，2015年为深入贯彻供给侧结构性改革的总体战略部署，改变单纯追求产量增长的生产方式，通过调整种植结构、降低农药和化肥施用量、多生产绿色有机食品满足消费者的需求来提升农业经济效益[5]，化肥施用量呈现下降趋势，但单位耕地面积粮食产量仍然保持上升趋势。可见，在农业供给侧结构性改革背景下，安徽省农业生产要素投入的规模和结构需要根据市场供求状况以及农业种植结构调整进行针对性的调整优化。

图1 2006-2020安徽省单位面积耕地粮食产量和化肥施用量

当前关于我国农业全要素生产率的研究以省域层面为主，多从整体层面、地区差异(东中西部、粮食主产区和非主产区之间等)、时间差异等方面进行研究，主要区别在于研究对象数量、研究时间段、测算方法的选择等方面。从农业全要素生产率分解来看，大多数研究表明，技术进步是推动农业全要素生产率增长的核心因素，综合效率略显不足[6-10]，地区间存在一定的差异[11-13],如经济发达地区农业全要素生产率好于经济欠发达地区[12]；有些研究表明技术进步对农业全要素生产率的提升作用不明显，而综合效率的改善较为明显[14]；还有些研究表明农业全要素生产率提升来源于技术进步和综合效率双重推动[15-17]。针对农业全要素生产率的影响因素，地区经济发展水平[18]、城市化水平的推进[19]、农业税减免[20]、互联网的发展[21]、农产品进出口贸易[22]、灌溉设施和农村基础设施[23]对农业全要素生产率有显著促进作用，而新型城镇化对农业全要素生产率存在显著的负向空间溢出效应[24]。

在文献梳理的基础上，以安徽省及16个地市为研究对象，深入分析安徽省农业全要素生产率的静态效率、动态效率和空间效应，力图对安徽省农业生产要素投入结构优化、农业全要素生产率的提升及乡村振兴战略的实施有所裨益。

二、安徽省农业全要素生产率测度模型与指标选择

(一)模型选择

1.BCC-DEA模型

数据包络分析法主要从投入—产出视角构建相关模型，主要模型包括CCR和BCC两种。其中，规模报酬不变的CCR模型由于其假设较为严格，与实际差距大，很多情况下评估对象都难以满足。因此，在综合考虑各种因素的情况下，选择BCC模型(规模报酬可变)对安徽省及16个地市农业全要素生产率进行静态分析，公式如下：

(1)

式(1)中，θ(取值范围为0～1)为决策单元的效率值，θ=1则表明综合效率处于最优状态(最优状态只是一个相对效率，只是为农业生产要素投入结构调整提供参考，仍然存在效率提升的空间)，λ为权重向量，Xj为投入向量，Yj为产出向量。在BCC模型中，综合效率(EFFCH)=纯技术效率(PECH)×规模效率(SECH)，其中，综合效率为不考虑规模收益时的技术效率，纯技术效率为考虑规模收益时的技术效率[25]。

2.DEA—Malmquist模型

为了对安徽省各地市农业生产率进行动态效率分析，采用数据包络分析法中的DEA—Malmquist模型对安徽省及16个地市的农业全要素生产率进行测度。该模型可测量量纲不同的相关指标，须设定生产函数具体形式且假设条件相对较为宽松，在全要素生产率的测算中有较为广泛的应用[26]。该模型指数是由Malmquist在1953年提出的，随后学者将该模型进行了改进并与DEA理论进行结合,逐步应用于生产率变化的测算[27]。从现有文献来看，学术界多采用Fare等在1994年构建的模型指数，具体公式推导如下：以t时期技术Tt为参照，可以得到Malmquist指数为：

(2)

同理，得到t+1时期的Malmquist指数为：

(3)

模型采用两者的几何均值进行衡量以避免随意性时期选择可能造成的测算结果差异，从而得到从t时期到t+1时期农业生产率变化的Malmquist指数为：

(4)

在规模报酬恒定的条件下，上式可以分为综合效率指数(EFFCH) 和技术进步指数(TECH)，推导过程如下：

(5)

由于，综合效率指数(EFFCH)=规模效率指数(SECH)×纯技术效率指数(PECH)，上式可转换为：

(6)

式(6)中，TFP即 Malmquist 分解指数，用其来表示农业综合生产率的变化情况，各指标数值统计结果大于 1，说明效率提升，反之效率则倒退。

(二)指标选择与数据来源

根据现有研究，投入指标基于农业劳动力、农业科技、播种面积等方面进行选取，具体包括农业机械总动力、农作物播种面积、种植业劳动力人数、化肥施用量和耕地有效灌溉面积，产出指标为种植业总产值。其中，种植业劳动力人数较难分离，用种植业总产值在农业总产值中的占比和第一产业劳动力数量的乘积表示；产出变量采用种植业总产值，并利用消费者物价指数(CPI)统一化为以2000年为基期的实际值来表示。由于2000年以前安徽省各地市统计数据有缺失，选择安徽省及16个地市2000—2018年相关数据进行测算。原始数据来源于各年《安徽省统计年鉴》以及ESP统计数据库，数据描述性统计见表1。

表1 2000—2018年安徽省及16个地市相关数据描述性统计

三、安徽省农业全要素生产率区域差异分析

(一)静态效率分析

从安徽省总体来看，基于BCC—DEA模型基本原理，如式(1)所示，利用Deap2.1软件，测算出2000—2018年安徽省农业综合效率、规模效率及纯技术效率(见图2)。从统计期间来看，安徽省农业生产综合效率在统计期内呈现先下降后上升趋势，2003年最低，为0.714，之后呈现波动上升趋势，其中，2010年、2012年、2014年、2016年、2017年、2018年六年安徽省农业生产综合效率处于最优状态。整体趋势与支农政策的调整具有较高的吻合度。2003年之前农业税的存在以及国家“重工轻农”的偏向式发展致使从事农业生产收益甚微，城乡收入差距逐年拉大，大量农村青壮年劳动力进城务工，产生较为严重的耕地抛荒弃耕现象，农业生产综合效率逐年下降。为提高粮食产量，2003年安徽省率先进行农业税减免试点，随后粮食直补、粮种补贴、农机补贴等一系列惠农政策密集出台，2004年农业生产综合效率呈现较大的改善。从2004年开始，农业生产综合效率呈现逐年提升的态势[20]。

图2 2000—2018年安徽省农业生产综合效率

从安徽省各地市来看，如图3所示，安徽省各地市的农业生产综合效率处于最优状态的地区数量，除2004年外，都不超过50%，处于最优效率数量最多的是2004年，有9个地市，占安徽省地市总数的56.25%。从总体趋势来看，2003年之前在逐年减少，随着支农政策变化，农业全要素生产率有较大幅度的提升，之后又呈现波动下降。可见，虽然安徽省农业生产综合效率有较大的改善，但各地市的农业综合效率到达最优的个数却呈现下降趋势，各地市的农业生产综合效率还有很大的提升空间。造成这种现象的原因主要有以下两点：一是地区间农业要素投入有差异。经济发展水平高的地区，城镇化、工业化的发展带来的耕地非农化较为普遍，农业劳动力投入少，农业经营规模较小，而科技水平相对较好，农业经营收入在家庭收入中的比重较小，对农业全要素生产率的提升有抑制效应[21]；与之相对，经济发展水平较低的地区，农业生产要素投入量相对较多，农业科技水平不高，粗放式种植模式下农业生产综合效率也不高。因此，经济发展高、低水平区域之间农业生产要素投入有互补关系，进而在安徽省整体的农业生产综合效率上表现出改善的状况。二是地区农业发展相对封闭。农业发展的区域融合度不高，差异化不明显，未能充分有效利用农业公共生产资源的溢出效应、发挥各自优势，导致地区农业生产综合效率不高。综合分析中没有考虑区域融合问题，在实际测算过程中将安徽省作为一个整体，从而产生地区农业综合效率下降而全省农业综合效率上升的现象。

图3 2000—2018年安徽省各地市农业生产综合效率处于最优情况

从区域分布来看，皖南、皖中、皖北地区最优占比①分别为38.6%、25%、24.56%，皖南地区略好于皖中和皖北地区。从各市的具体情况来看，合肥、蚌埠、芜湖和黄山农业全要素生产率处于最优状态超过10期，具体见表2和图4。第一，从数据分析可知，经济发展水平对农业生产的影响较为明显。合肥、芜湖和蚌埠作为皖中、皖南和皖北的中心城市，农业生产综合效率相对较好，工业化和城市化的发展对农业有利有弊。弊端在于短期会导致农业青壮年劳动力的流出，好处在于长期工业化的成果在农业领域的应用和推广可以极大地提升农业全要素生产率。第二，地方特色经济作物种植对农业全要素生产率也有较大的影响。比如，黄山市的茶叶产业和亳州市的药材产业。黄山市在统计期内一直处于最优状态。通过数据分析可知，黄山市农业亩均产值在统计期内一直领先省内其他地区，这主要得益于该地区以油菜、蔬菜、茶叶等为主的经济作物的种植面积占比接近50%，大大提高了农业单位面积产值。第三，地方地理、资源、环境对农业全要素生产率也有较大的影响。农业生产最优年份较少的地区包括阜阳、淮南、淮北、安庆、六安、池州和宣城，地区经济发展水平不高，以农业生产为主，人均收入在安徽省地市中排名靠后，农业生产基础设施和自然条件较差。

图4 2000—2018年各市农业生产综合效率最优年份数量

表2 2000—2018年安徽省农业生产综合效率最优地市分布

从统计期内各投入要素的冗余状况来看，农业从业人员和农机总动力冗余保持上升趋势，其中农业从业人员冗余增长速度放缓，而农机总动力增速还在加快；农作物播种面积和化肥施用量呈现先下降后上升的趋势，近年来呈现加速增长趋势(见图5)，农业生产投入各要素配置仍未达到最优状态。随着农业机械化水平的提升，农村劳动力剩余状况更加严峻。特别是年龄偏大的农民，亟待通过工业化和城镇化的发展吸收农业闲置劳动力。同时，农村闲置劳动力也会阻碍农业机械化的推进速度，土地的条块分割不利于农业经营规模化水平提升以及机械化推广，从而导致耕地抛荒弃耕现象，或者耕地粗放经营，严重影响农业全要素生产率。从安徽省D县F乡的调研来看，由于土地流转不规范，种植业大户未能与耕地流转农户签订有效合同，导致经营时期的不稳定，耕地依然保持条块分割的耕地种植模式，农地生产管理粗放，农业基础设施严重不足，比如当下常用的深井灌溉，严重影响农业稳产高产。同时，由于土地经营期限不稳定，农业生产经营者对农业基础设施投资较为有限，主要依赖化肥和农药投入，耕地面源污染和土壤板结化严重，不利于农田保护，农业生产率远低于传统小农户。安徽省2003年率先进行农业税减免试点，2005年全面取消农业税，农业产量得到极大提升，但在农业生产要素投入方面还有很大的优化空间。因此，需要提升农业科技水平和农地经营规模，如实施测土配方施肥、农地休耕轮作，深化农业“三产”融合，发展绿色生态农业，促使农业要素投入结构不断优化。

图5 2000—2018年安徽省农业生产要素投入冗余情况

(二)动态效率分析

以安徽省16个地市2000—2018年的面板数据为基础，采用DEAP2.1软件，基于式2—式6的原理，计算样本中各地市统计期间逐年的Malmquist指数及其分解，从而得出农业生产率整体Malmquist指数及其分解，测算结果见表3、表4。

表3 2000—2018年安徽省农业全要素生产率及其分解

表4 2000—2018年安徽省各市农业全要素生产率及其分解

1.安徽省农业全要素生产率增长率分析

从总体来看，安徽农业全要素生产率始终保持上升的态势，但增长速度有所下降。受2003年农业税减免试点政策的影响，安徽省2004年农业全要素生产率增幅较大，农业综合效率增幅达到12.8%，技术进步效率达到28%，TFP增长率高达44.4%(见图6)。从2004年的具体数据来看(见表5)，安徽省各市农业总产值相较于2003年都呈现出较快的上涨趋势，增幅都高于20%，其中，蚌埠、淮南、阜阳、滁州、六安等市增幅超过60%，足可见以农业税减免为主的惠农政策所带来的巨大效应。自2003年以来，国家财政支农资金的增加和支出结构的优化，有效地调动了广大农民的农业生产积极性，与此同时，为应对国际农产品竞争，农业生产经营者不断学习和采用先进的农业技术及设备，加大了农药和化肥的施用量，耕地单产逐年增加，农业全要素生产率得到极大提升。2001—2018年，农业全要素生产率年均值大于1，以年均4.9%的速度增长，其中，农业综合效率指数以1.1%的速度下降，技术进步效率以6.1%的速度增长。可见，技术进步是统计期内农业全要素生产率增长的唯一原因。对农业综合效率进一步分解可知，农业综合效率下降的原因在于农业纯技术效率和规模效率都有所下降，对农业全要素生产率产生抑制作用，耕地规模化和农业生产组织化方面还有很大的提升空间。

表5 2004年安徽省各市农业总产值及增长率

图6 2001—2018年安徽省农业TFP增幅变化

2.安徽省各市农业全要素生产率增长率分析

从各市的数据来看(见表4)，16个地市农业TFP 增长率均大于 1，技术进步效率都以较快的速度增长，农业综合效率指数除合肥、芜湖和黄山在统计期内均值有微弱增长外，其他地市都呈现下降趋势。进一步分析可知，纯技术效率呈现上升趋势的有9个地市，规模效率呈现下降趋势的有12个地市，其中，都上升的为合肥、芜湖和黄山，其他地市由于纯技术效率提高的拉升作用小于因规模效率下降带来的拉低作用，致使各地市综合效率都小于 1，对农业全要素生产率的增长有所抑制。

3.安徽省农业全要素生产率区域差异分析

从2001年到2018年安徽省区域发展情况来看(见表4)，各地市农业全要素生产率总体差距较小，皖南地区农业全要素生产率高于安徽省平均值，皖中和皖北低于安徽省平均值。皖北地区农业全要素生产率小于皖南地区，大于皖中地区。具体来看，皖南地区的技术进步效率较为突出，皖北地区的规模效率占优，皖中地区的纯技术效率略好。原因主要在于，皖南多为丘陵，而皖北多平原，皖南的经济发展水平要好于皖北。统计期内，皖南的农业全要素生产率增长率为5.2%，皖中和皖北为4.7%和4.8%，其中综合效率、纯技术效率和规模效率皖中和皖北都好于皖南，而技术进步效率皖南好于皖北和皖中，技术进步效率对农业全要素生产率积极效应好于综合效率的抑制效应，致使皖南农业全要素生产率增速略快于皖北和皖中。

(三)空间效应分析

为进一步分析区域发展差异性，通过计算全局空间自相关指数(Global Moran’s I)的方法来具体分析各地市农业全要素生产率的空间关联性[28]，公式如下：

(7)

式(7)中，研究单元个数为16个地市，用n来表示；i地市和j地市的农业全要素生产率用Xi、Xj来表示；构建的空间权重矩阵为Wij，不相邻地市间权重为0，反之权重为1。通常情况下，I值大于0，则农业全要素生产率的分布为空间正相关，小于0为空间负相关，等于0为随机分布，具体结果见表6。

表6 农业全要素生产率全局相关指数

2000年至2008年，安徽省各市农业全要素生产率表现出空间正自相关关系。Moran’s I的取值为0.115～0.399，并且都通过了显著性检验，表现出较好的空间正自相关关系，相关程度先上升后下降，2005年达到统计期内相关度的峰值，之后一路下滑。2009年至2018年，安徽省各市农业全要素生产率未表现出空间自相关关系，除2010年Moran’s I为0.088外，其他年份取值为-0.01～-0.214，从数值来看表现出空间负自相关关系，但都未通过显著性检验，不能拒绝“无空间自相关”的原假设，表明空间布局是随机的，空间自相关情况不显著。

从Moran 散点图(见图7)来看，农业全要素生产率的空间分布在不同年份中显示出明显的差异性。2006年各地市多处于低低集聚区与高高集聚区，高低集聚区有2个，低高集聚区只有1个；皖南地区呈现低低聚集分布，而皖北地区呈现高高聚集分布。2018年各地市农业全要素生产率没有表现出明显的聚集，趋势线基本与横轴平行，没有表现出明显的聚集效应。从具体分布来看，皖南的黄山、宣城和池州从2006年的低低聚集区进入2018年的高高聚集区。可见，2008年以前安徽省各地市农业全要素生产率呈现一定的聚集效应，但随着时间的推移，这种效应逐渐减弱。当前，安徽省各地市间的农业全要素生产率并没有表现出相应的区域聚集效应，农业区域化发展趋势不明显，没有形成很好的联动效应。原因主要在于，早期的农业主要受自然因素影响明显，自然风貌、耕地状况决定着农业的发展水平，地区农业发展呈现一定的聚集效应，但随着地区经济发展和科技成果的转化导致地区农业全要素生产率的分异，农业发展与经济发展水平相关度越来越大，地区间发展的聚集效应变弱。与此同时，农业组织化、农业龙头企业、职业农民等方面发展较为滞后，各地区农业发展未能有效交流和沟通，农业发展的差距也越加明显，经济发展水平高的地区，农业全要素生产率也相对较高，从而导致聚集效应减弱。

图7 Moran 散点图

四、结论及建议

(一)结论

基于数据包络分析方法探讨安徽省 16个地市2000—2018 年农业静态生产效率、动态生产效率，同时利用空间自相关方法对变动情况的空间集聚特征进行深入分析。

从静态效率来看，安徽省农业生产综合效率在统计期内呈现先下降后上升趋势，但各地市的农业综合效率到达最优的个数却呈现下降趋势；农业从业人员和农机总动力冗余保持上升趋势，农作物播种面积和化肥施用量呈现先下降后上升的趋势，相较于2017年，2018年各要素投入冗余值都有一个明显的下降。从动态效率来看，安徽省各地市农业全要素生产率的增长幅度总体呈现下降趋势，技术进步是农业全要素生产率提升的核心因素，综合效率明显不足。从区域来看，皖北、皖南和皖中地区差距微弱，区域集中分布不明显。从各地农业全要素生产率的抑制因素来看，大致可以分为三种类型，即综合效率和技术进步效率双滞后地区、综合效率滞后地区和技术进步效率滞后地区。从空间效应来看，2008年以前安徽省各地市农业全要素生产率呈现一定的聚集效应，但随着时间的推移，这种效应逐渐减弱，当前安徽省各地市间的农业全要素生产率并没有表现出相应的区域聚集效应。

(二)建议

首先，优化农业生产要素投入结构，在提升安徽省农业综合效率的同时，争取各地市农业生产要素投入达到最优水平。农业生产要素投入结构的优化，需要农业科技、人才和政策的支持，科技是关键，人才和政策是保障。一要加大农业科技支持，比如测土配方施肥、休耕轮作、节水灌溉、生态防虫等技术的推广应用，可以有效保护耕地、节约农业生产要素的投入，确保农业高质量发展；二要加大新型农业经营服务主体的培养和建设力度，逐步构建以农业龙头企业、农民专业合作社、家庭农场、农技服务站为主体的新型农业经营服务组织，通过有效措施吸引在外务工的青壮年劳动力回流，并引进意识观念先进的基层管理人才、指导农民科学生产的农业技术服务人才、带动农村经济发展的新型建设人才，提升农业生产的组织化水平，为合理配置农业生产投入要素提供人才保障；三要加大政策支持力度，形成“财政—金融、政府—市场、城市—乡村、工业—农业”等多层次的支持政策体系，使农业获得更多的支持，缩小城乡差距，为合理配置农业生产投入要素提供政策保障。

其次，精准施策，弥补地区农业全要素生产率增长短板，有效提升农业综合效率。从动态效率视角，可以将问题地区分为三类，即综合效率和技术进步效率双滞后地区、技术进步效率滞后地区和综合效率滞后地区。其一，综合效率和技术进步效率双滞后地区，主要涉及宿州、阜阳和铜陵等3个地市。对于铜陵来说，可以利用地区经济发展相对优势，加快工业化技术成果在农业领域转化和推广速度，提升农业技术进步效率，同时以乡村振兴为抓手，提升农业组织化程度；对于宿州、阜阳来说，可适度加快城镇化步伐，加快农村劳动力转移，加大力度培育农业龙头企业和农民专业合作社，提升农业生产组织化水平和耕地适度规模经营，构建多层次的农技推广、农技服务保障体系，具体包括政府、科研机构、农业龙头企业、农民专业合作社等，加速实现农业综合效率和技术进步效率的提升。其二，技术进步效率滞后地区，主要包括合肥、马鞍山、芜湖、安庆和黄山。对于合肥、马鞍山和芜湖来说，可以考虑在工业化发展的过程中，把更多科学技术成果向农业转化，鼓励资本、技术、人才下乡，进一步提升技术进步效率，同时推动城乡协调发展，大力发展城郊体验式休闲旅游农业，充分体现并践行农业的多功能性；针对安庆和黄山来说，应结合地区旅游资源优势，突出发展特色农业，打造核心农产品品牌，积极推进“农旅”结合，完善农业基本公共服务体系，确保农业绿色健康发展。其三，综合效率滞后地区，主要包括淮南、淮北、滁州和池州。当前农业产业结构不能适应农业发展需要，应根据现代农业发展需要，对农业发展模式进行创新，推动农业适度规模经营，同时有效发挥农业合作社和农业龙头企业的引导作用，提高农业生产组织化水平，注入现代化农业管理理念，实现农业供求的有效对接，不断提升农业全要素生产率和市场竞争力。

再次，加强区域农业生产互通互联，增强农业TFP的溢出效应。一是加强地区间合作交流。省内各地市之间需要加强交流与合作，互通有无，取长补短，各地区在积极探索提高农业全要素生产率的政策和措施的同时，要共建安徽省新型农业服务主体对各地市农业产业高质量发展有针对性地提供技术支持，提升农技服务、农业基础设施区域间的溢出效应，积极吸引人才、技术、资本进入农业产业，加快区域农业技术发展，逐渐形成区域一体化发展趋势。二是调整优化农业产业布局。从整体出发，加强区域间合作，统筹农业发展，优化农业产业布局，既形成地方农业发展特色，又统筹兼顾安徽省整体农业发展战略。三是逐步打造优质区域农产品品牌。加大农产品品牌建设力度，提升市场竞争力，并以优质品牌为抓手，推动农业产业升级，不断提高农业经营收入，逐步打造相互补充又相互支撑的农业产业体系，既要保障粮食产量总量安全，又要兼顾地区农业品牌建设，实现农业高质量发展。

总之，为改变安徽省农业全要素生产率增速放缓、技术进步效率有所下降而综合效率改善也不明显等现象，提升农业全要素生产率推动农业高质量发展实现乡村全面振兴，需要进一步优化农业生产资料投入结构，提升资源配置效率，发挥农业龙头企业、农业合作社等新型农业经营主体的带动作用，适度扩大耕地经营规模，提高农民的职业技能，加强地区间合作交流，优化农业生产资料投入配置，突破农业综合效率瓶颈，促进农业综合效率的提升，并积极推动工业化科技成果向农业转化，实现安徽省农业全要素生产率增长由“技术进步”的单向推动向“综合效率+技术进步”的双向推动转化，有效推动农业一二三产融合发展。

注释：

①最优占比为地区农业生产效率最优个数与地区所包括地市个数的比值。皖南地区包括马鞍山、芜湖、宣城、铜陵、池州、黄山；皖中地区包括合肥、滁州、六安、安庆；皖北地区包括淮北、阜阳、亳州、宿州、蚌埠、淮南。