目标价格政策对棉花绿色全要素生产率影响分析

赵晨晓　赵达君　陈玉兰

摘要：全要素生产率是衡量棉花经济增长的重要指标，而绿色全要素生产率则决定棉花产业的可持续发展。运用中国12个棉花主产省的棉花投入产出数据，测算棉花绿色全要素生产率的Malmquist指数并对其进行分解，采用Tobit模型估计棉花目标价格政策核心变量及区域经济发展水平、棉花每公顷收益、棉花产业聚集程度和区域环境投资力度等控制变量对棉花绿色全要素生产率的影响。研究表明：我国棉花绿色全要素生产率为1.02，安徽地区绿色全要素生产率最高为1.92，湖南地区棉花全要素生产率最低为0.91。目标价格政策对棉花绿色全要素生产率无显著影响，而区域经济发展水平、棉花每公顷收益、棉花产业聚集程度和区域环境投资力度则对棉花绿色全要素生产率有显著正向影响。

关键詞：棉花；绿色全要素生产率；目标价格；投入产出数据；Malmquist-Tobit模型

中图分类号：F326.11

文献标识码：A

文章编号：20955553 （2023） 11025808

Analysis of impact of target price policy on green total factor productivity of cotton：

Based on the Malmquist-Tobit model of 12 major cotton-producing provinces panel data

Zhao Chenxiao Zhao Dajun Chen Yulan

（1. Scientific Research Department， Xinjiang University of Finance and Economics， Urumqi， 830012， China;

2. College of Economics and Management， Xinjiang Agricultural University， Urumqi， 830052， China）

Abstract：Total factor productivity is an important indicator to measure the economic growth of cotton， and green total factor productivity determines the sustainable development of cotton industry. Based on the input-output data of cotton in 12 major cotton producing provinces in China， the Malmquist index of green total factor productivity of cotton was calculated and decomposed. The Tobit model was used to estimate the effects of core variables of cotton target price policy and regional economic development level， cotton income per hectare， cotton industry aggregation degree and regional environmental investment on green total factor productivity of cotton. The research shows that Chinas green total factor productivity of cotton is 1.02， the highest green total factor productivity in Anhui is 1.92， and the lowest green total factor productivity in Hunan is 0.91. Target price policy has no significant indigenous effect on cotton green total factor productivity， while regional economic development level， cotton earnings per hectare， cotton industrial agglomeration degree and regional environmental investment intensity have significant indigenous positive effects on cotton green total factor productivity.

Keywords：cotton; green total factor productivity; target price; input-output data; Malmquist-Tobit model

0引言

党的十七大首次提出生态文明发展理念，绿色农业发展受到各级政府的广泛关注，我国传统种植农业开始向生态友好农业加速转型。十九大报告强调经济发展要注重“提升全要素生产率”概念，倡导加快我国农业绿色发展进程，2018年“中央一号文件”重申“提高全要素生产率”的要求。绿色发展和生态振兴已成为新时代农业发展的方向，同时我国农业绿色发展也面临诸多现实挑战，地膜残留、化肥农药过度施用、农业机械使用的二氧化碳排放带来的农业点源及面源污染，致使农业生态环境持续恶化。农业绿色发展日益受到学术界的热烈讨论，与之相关的研究逐渐成为热点。

棉花是我国最重要的战略物资，也是仅次于谷物的第二大农作物，而棉花产业和下游产业联系紧密，对我国经济发展和社会稳定具有重大影响。为了稳定棉花生产并保证棉农基本收益，于2014年开始实施的棉花目标价格补贴政策以来，棉花单产水平、总体质量以及棉花产业集聚有了明显提高，政策效果十分显著。棉花种植生态环境同样面临巨大威胁，我国棉花主产区广泛存在地膜残留、化肥农药过度施用、土壤板结、土壤肥力下降等环境问题，严重影响了棉花产业可持续发展。

目前针对农业全要素生产率的研究成果较为丰富，早期的全要素生产率研究多以特定区域的大农业为研究对象［14］，随后大量研究开始转向粮食、林果及其他经济作物等［57］。随着非期望产出理论在农业经济研究领域的应用，绿色全要素生产率成为新的研究热点，大量學者将环境因素纳入非期望产出，运用数据包络法、超效率SBM等模型使农业绿色全要素生产率研究更加科学全面［810］。作为我国最重要的经济作物，棉花的全要素生产率也得到广泛关注，初期研究多以一般DEA方法的全国整体、三大棉区以及各棉花主产省区域进行研究［1112］，近年来的研究热点亦开始转向考虑环境非期望产出因素的棉花绿色全要素生产率并分析其影响因素。多在绿色全要素生产率指数基础上采用Tobit模型进行估计，研究结论较一致：全要素生产率呈波动趋势，区域经济发展水平、棉花人均种植规模、环境投资等对棉花全要素生产率有显著影响［1315］。

鲜有学者从棉花目标价格政策视角研究棉花绿色全要素生产率，高升等［16］基于时间序列数据分析了目标价格政策前后我国棉花生产效率的差异；王利荣［17］采用新疆、河北、山东、安徽四省区农户棉花目标价格补贴额度调研数据考察棉花目标价格政策对生产效率的影响，丁建国等［18］采用类似调研数据对新疆不同县域的目标价格影响进行分析得出相同的结论，目标价格政策对绿色全要素生产率均有显著的正向影响。但是三位学者的研究在指标选取方面稍有局限。主要原因是：从目标价格政策实施过程来看，农户获取的每公顷平均补贴金额取决于每公顷产量，而每公顷产量则是绿色全要素生产率的产出指标。当其他条件不变时，每公顷产量带来每公顷补贴金额增加，亦引发绿色全要素生产率同步上升，因而绿色全要素生产率和补贴金额间存在内在的产量传导关系，也就是说采用补贴金额反映棉花目标价格政策对棉花绿色全要素生产率的影响存在明显的内生性问题。

棉花目标价格政策在保证棉花生产稳定基础上是否对该产业的绿色发展造成影响是本文的关注重点。研究选取了我国2005—2021年12个棉花主产省的棉花投入产出数据，测算了各省份棉花绿色全要素生产率的M指数，在控制其他变量基础上，运用Tobit模型考察目标价格政策对棉花绿色全要素生产率的影响。本文将棉花目标价格补贴政策实施情况进行分类，将全额补贴的新疆定义为“3”，参照新疆60%补贴的河北、江苏等9省份定义为“2”，未实施目标价格政策补贴的山西、陕西定义为“1”。将目标价格政策实施情况分为无、部分、全部的定性分类方法来考察目标价格政策对棉花绿色全要素生产率的影响。

1棉业绿色全要素生产率测度及分析

1.1Malmquist指数

1.2指标选取及变量说明

1.2.1指标选取

中国的棉花产量居于世界首位，主要种植地区有新疆、甘肃、河北、山东、山西、河南、陕西、安徽、江西、江苏、湖南、湖北等12个省份。本文采用2005—2021年间的面板数据，其数据来源于2006—2022年《中国统计年鉴》《中国农村统计年鉴》《全国农产品成本收益资料汇编》及各地区统计年鉴、统计局网站，选择了棉花投入和产出两类指标。土地投入指标为土地费用，劳动力投入选择家庭用工天数和雇工天数之和计算，农业资本投入为棉花种植过程中的化肥数量、每公顷农药费用、农膜费用、机械费用及其他费用［6］。棉花单产、二氧化碳排放量、劳动力投入、化肥投入、农药投入、农膜投入均采用每公顷平均投入数量，为消除年份间的价格影响，费用类指标均以2005年基期价格水平测算［21］，以保证数据的可获得性和测算结果的准确性。

期望产出指标为棉花单产，非期望产出为棉花生产过程的碳排放量，具体指标选择情况如表1所示。

1.2.2非期望产出

1.3绿色全要素生产率测算结果与分解分析

本文使用Deap2.1软件对中国12个棉花主产省2005—2021年的棉花投入产出数据进行棉花绿色全要素生产率的Malmquist指数测算及分解，并根据结果分析棉花绿色全要素生产率的变化情况。

如图1所示，2005—2021年间我国棉花绿色全要素生产率略有波动且增速度较缓慢，技术效率、技术进步，以及规模效率有略微下降，表明技术效率和规模效率出现的负增长阻碍了棉区绿色全要素生产率的提升。2007—2008年间我国棉花主产区总体的绿色全要素生产率达到峰值为1.359，同年的技术效率也达到最大值1.013。2008—2009年技术效率和规模效率均达到最大值，二者均呈现“M”型增长。我国棉区技术效率和技术进步的双重驱动能提高棉区绿色化发展水平，而技术进步的均值大于技术效率变化，表明技术进步会引起绿色全要素生产率的变动，同时规模效率不高导致绿色全要素生产率下滑。

从基于时间维度的绿色全要素生产率来看，2005—2010年间我国棉区绿色全要素增长率呈现“W”型波动，随着2007年首次提出生态发展观，绿色全要素生产率的上升趋势推动了棉花产业绿色化发展，但并未能一直保持在增长状态。2011年纯技术效率、规模效率、绿色全要素生产率达到1.000，三者呈现波动性变化趋势。2011—2013年间实施了棉花临时收储政策，棉花数量有了明显的增长，种植规模逐渐扩大，2015年后规模效率由0.868增加到1.024，平均增长率约为3.300%。2019年我国棉花绿色全要素增长率再次达到最大值1.104。2014年取消临时收储政策开始实行目标价格改革旨在促进棉农增收。2015—2021年，纯技术效率和绿色全要素生产率出现了反变化关系，规模效率稍有下降趋势，2021年绿色全要素生产率达到0.956。

如表3所示，从基于省份维度的绿色全要素生产率来看：西北内陆棉区的新疆和甘肃总体类似，绿色全要素生产率呈现“W”型周期波动增长趋势，绿色全要素生产率的平均值分别为1.03和0.98，均在2021年达到最大值1.09和1.49。其中分解结果显示技术进步呈下降趋势，纯技术效率和规模效率在提高；黄河流域的河北和河南省绿色全要素生产率在2008年均达到最大值分别为1.73和1.85，山东省在2021年达峰值1.84，陕西在2018年达到峰值1.41，山西省绿色全要素生产率增长情况较稳定无明显变化，绿色全要素生产率约为1.03；长江流域的江苏、湖北、安徽省绿色全要素生产率保持在上升趋势，峰值分别为1.38，1.34，1.92，湖南省在2015年达到最大值1.30后有了明显下降，江西省在2011—2019年绿色全要素生产率连续出现下滑，平均绿色全要素生产率为1.00。

2目标价格政策影响的Tobit模型分析

2.1面板Tobit模型

Tobit模型也叫做受限因变量模型，最早由Tobin提出，其特点为方程含有一定的约束条件，并且为连续变量。M指数测算得到的绿色全要素生产率值为离散变量，本文通过归一化处理将其变为截断变量以满足Tobit模型的条件，模型构建如式（6）所示。

2.2数据来源与指标选取

2014年国家对新疆棉区开始进行目标价格改革，按照逐年制定目标价格的方法补贴；根据查阅其他省份棉花补贴的地方政策，河北、江苏、安徽、江西、山东、河南、湖北、湖南、甘肃九个省参照新疆补贴标准的60%进行补贴；山西和陕西无补贴。棉花目标价格政策旨在稳定棉花生产，注重提质增效保障棉花供给，在棉花播种面积稳定的条件下提高绿色全要素生产率。通过市场交易价格和棉花目标价格补贴确定单位面积补贴标准，棉花种植面积与补贴金额呈现正向变动关系，棉农为保证尽可能获得多的补贴会增加投入要素提升技术效率，或采纳新技术使生产技术由传统方式走向现代化发展，调整棉花生产结构有助于推广机械作业提高规模效率，棉花目标价格政策引起技术效率、技术进步、规模效率变动共同影响棉花绿色全要素生产率改变，但棉花目标价格政策是否是影响绿色全要素生产率的重要因素是本文考察的重点内容。

国家自2014年开始实施棉花目标价格改革，各地目标价格补贴额度存在差异，本文研究棉花目标价格改革对绿色全要素生产率的影响采用了2005—2021年12省份的面板数据。核心解释变量为棉花目标价格政策，将无补贴的地区定义为1；将新疆全额补贴定义为3；其他为部分补贴的地区定义为2。通过将棉花目标价格政策定义为分类变量以消除内生性，更好地反映目标价格政策的执行程度对绿色全要素生产率的影响。控制变量选择区域经济发展水平、棉花人均种植规模、棉花每公顷收益以及地区环境投资额，参考前人的研究［1719， 2223］，本文认为棉花人均种植规模对绿色全要素生产率有正向影响，人均种植规模更加利于开展机械化作业提升规模效率，引起绿色全要素生产率增加；棉花每公顷收益越多棉农可能会增加棉田的投入要素提升绿色全要素生产率；地区环境投资额表现为地区对农业环境的投资力度，对农业环境污染治理能力越强，农业生产中污染越小，因此预期方向为正。区域经济发展水平可能导致农业地位降低，也可能加大对农业科技的投入力度，因此对绿色全要素生产率的影响无法确定。指标选取情况如表4所示。

2.3描述性统计分析

表5为棉业绿色全要素生产率及影响因素的描述性统计，通过对比发现各省份和年份之间的影响因素存在明显差异。

在计算时为了便于模型估计，对控制变量的数值取其自然对数处理。

2.4Tobit模型回归结果与分析

2.4.1多重共线性检验

为保证模型估计的准确性，通过VIF检验对自变量进行多重共线性检验，得到VIF的平均值为1.310，结果说明自变量之间不存在多重共线性问题，模型构建良好。

2.4.2模型结果及分析

考虑到模型的稳健性以及异方差和序列自相关的影响，本研究选用Tobit模型为主，最小二乘法、广义矩估计等方法为参考模型，各模型估计结果无明显差异，模型估计及检验结果如表6所示。

目标价格政策能正向影响棉花绿色全要素生产率，但影响效果不显著；控制变量中棉花人均种植规模、棉花每公顷收益、地区环境投资额均在1%的显著性水平上正向影响棉花绿色全要素生产率，区域经济发展水平每提高1%，棉花绿色全要素生产率会提升2.3%，并且这种正向影响在5%的水平上显著。

1） 目标价格政策对绿色全要素生产率的提升无显著影响。这与前人的研究不一致。从产出（期望产出）角度来看，棉农都希望自身的产量值达到最大，目标价格改革在一定程度上促进了棉农的投资行为，当投资增加，棉花生产带来的碳排放量（非期望产出）也会增加，同时降低期望产出，所以目标价格政策产生了溢出效应，使得棉农为了提高收入而增加投资力度，从边际效益递减规律得知，产出增长幅度小于投资力度。和没有目标价格政策的区域相比，棉花绿色全要素生产率并无显著差异。

2） 区域经济发展水平和棉花每公顷收益均在1%的水平上对棉花绿色全要素生产率有显著的积极影响，区域经济发展水平和棉花每公顷收益每提高1%，棉花绿色全要素生产率分别会提升0.02%和0.03%。二者共同促进了棉花绿色化发展，也关系着土地资源、人力资源科技的合理利用程度，从而提升棉花产区的经济和生态效益。

3） 棉花人均种植规模能顯著拉动绿色全要素生产率。棉花人均种植规模每提升1%，棉花绿色全要素生产率会提升0.01%。绿色化发展不能仅凭一家一户，更需要连片的土地。土地和农用物资的集约能最大化发挥效用，有利于管理人员和科技人员的专业化和精简，并且统一购入农用物资还可以降低单位成本，以减少投入费用的方式，提高棉花主产区绿色全要素生产率。

4） 地區环境投资力度越大，棉业绿色全要素生产率越高。这种影响在1%的水平上显著性，并且地区环境投资力度每提升1%，棉花绿色全要素生产率能提升0.03%。碳排放已经成为一个热点话题，我国的政策大多表现在污染治理和约束碳排放，政府的投资在一定程度上能促进地区采用绿色生产方式，减少棉花生产中的碳排放和污染，促进绿色全要素生产率的提升。

2.4.3稳健性检验

本文从以下三方面进行稳健性检验：Tobit Ⅳ为随机删去一年的样本重新估计结果；TobitⅤ为删截因变量上下1%部分作缩尾处理的重新估计结果；Tobit Ⅵ为去除三个部分补贴的省份进行回归的结果。如表7所示，三种稳健性检验结果均与原模型结果相似，研究结果较稳健。

3结论

采用同期目标价格政策实施程度的不同省份面板数据，比相同地区政策实施前后的0-1变量衡量更准确；同时对目标价格政策采用三分类定性变量重新定义，弥补了已有研究中采用农户补贴金额衡量目标价格政策考察全要素生产效率时存在明显内生性的问题，更科学地衡量了政策本身是否对棉花绿色全要素生产率产生影响。

1） 通过Malmquist指数测算得出我国棉花绿色全要素生产率均值为1.024，2008—2009年间出现波谷数值0.71随即开始上升，全要素生产率在2009年出现最大值1.359，2021年出现最小值0.956，2005—2021年间绿色全要素生产率整体呈现“W”型变动趋势，表明我国棉业绿色发展状况在逐渐向好发展但稳定性欠佳。西北内陆棉区中甘肃省棉花绿色全要素生产率最高为1.49，黄河流域棉区中山东省棉花绿色全要素生产率最高为1.84，长江流域棉区中安徽省棉花绿色全要素生产率最高为1.92。绿色实行棉花收储政策之前呈现“N”型变化趋势；实行棉花收储政策时绿色全要素生产率略有降低；实行目标价格政策后稍有上升趋势但不明显。纯技术效率和技术进步带动了绿色全要素生产率的提升，规模效率在一定程度上未达到最优状态，遏制了棉业绿色全要素生产率的提高，阻碍整体绿色化发展。通过分省测算结果表明，江西省在2010年达到最快增长速度，河南省在2009年出现绿色全要素生产率水平剧烈下滑。

2） 目标价格政策的实施未能促进绿色全要素生产率的显著提升。目标价格政策在保障农户基本收益的同时提高棉花单产，农户更愿意对棉花投资导致增施化肥带来的非期望产出增多，另外由于边际效益递减规律，产出增长幅度小于投资幅度使绿色全要素生产率下降更快。本研究采用类别变量反映目标价格的程度，研究结果显示目标价格政策的执行程度对绿色全要素生产率的影响无显著差异。区域经济发展水平、棉花每公顷收益、棉花人均种植规模和地区环境投资力度均对棉业绿色全要素生产率产生显著的正向影响。区域经济发展水平和棉花每公顷收益的提升为棉业绿色化发展提供了经济基础；扩大棉花经营规模能解决昂贵的人工费用，同时又能为棉农增收提供现实保障；加大环境投资力度能够约束棉农行为，提升绿色全要素生产率。

参考文献

［1］刘洋， 吴育华. 中国农业全要素生产率变动： 1995—2005［J］.中国农机化， 2008（6）： 41-44.Liu Yang， Wu Yuhua. Total factor productivity change in Chinas agriculture industry： 1995-2005 ［J］. Chinese Agricultural Mechanization， 2008（6）： 41-44.

［2］刘春明， 陈旭. 我国粮食生产技术效率及影响因素研究——基于省际面板数据的Translog-SFA模型的分析［J］. 中国农机化学报， 2019， 40（8）： 201-207.Liu Chunming， Chen Xu. Study on technical efficiency and influencing factors of grain production in China： Analysis of Translog-SFA model based on interprovincial panel date ［J］. Journal of Chinese Agricultural Mechanization， 2019， 40（8）： 201-207.

［3］余泳泽. 异质性视角下中国省际全要素生产率再估算： 1978—2012［J］. 经济学（季刊）， 2017， 16（3）： 1051-1072.Yu Yongze. Estimation of total factor productivity in China from the perspective of heterogeneity： 1978—2012 ［J］. China Economic Quarterly， 2017， 16（3）： 1051-1072.

［4］张利国， 鲍丙飞. 我国粮食主产区粮食全要素生产率时空演变及驱动因素［J］. 经济地理， 2016， 36（3）： 147-152.Zhang Liguo， Bao Bingfei. Empirical analysis on spatio-temporal evolution and driving forces of food total factor production in major grain producing areas of our country ［J］. Economic Geography， 2016， 36（3）： 147-152.

［5］方国柱， 祁春节， 雷权勇. 我国柑橘全要素生产率测算与区域差异分析——基于DEA-Malmquist指数法［J］. 中国农业资源与区划， 2019， 40（3）： 29-34.Fang Guozhu， Qi Chunjie， Lei Quanyong. Calculation of total factor productivity of citrus in China and the difference of region—Based on the DEA-Malmquist index method ［J］.Chinese Journal of Agricultural Resources and Regional Planning， 2019， 40（3）： 29-34.

［6］李学林， 李隆伟， 董晓波， 等. 云南省粮食全要素生产率分解研究［J］. 农业技术经济， 2019（10）： 102-113.Li Xuelin， Li Longwei， Dong Xiaobo， et al. A study on decomposition of total factor productivity of grain in Yunnan Province ［J］. Journal of Agrotechnical Economics， 2019（10）： 102-113.

［7］楊雪， 何玉成， 闫桂权. 碳排放约束下中国大豆全要素生产率增长与分解［J］. 大豆科学， 2019， 38（3）： 460-468.Yang Xue， He Yucheng， Yan Guiquan. Growth and decomposition of Chinas soybean total factor productivity under carbon emissions ［J］. Soybean Science， 2019， 38（3）： 460-468.

［8］郭永奇， 侯林岐. 中国粮食主产区粮食农业绿色全要素生产率测度及影响因素研究［J］. 科技管理研究， 2020， 40（19）： 223-229.Guo Yongqi， Hou Linqi. Study of measurement and influencing factors of green total factor productivity of grain agriculture in main grain producing areas of China ［J］. Science and Technology Management Research， 2020， 40（19）： 223-229.

［9］吴传清， 宋子逸. 长江经济带农业绿色全要素生产率测度及影响因素研究［J］. 科技进步与对策， 2018， 35（17）： 35-41.Wu Chuanqing， Song Ziyi. Study on the measurement and affecting factors of agricultural green total factor productivity in the Yangtze River Economic Belt ［J］. Science & Technology Progress and Policy， 2018， 35（17）： 35-41.

［10］纪成君， 夏怀明. 我国农业绿色全要素生产率的区域差异与收敛性分析［J］. 中国农业资源与区划， 2020， 41（12）： 136-143.Ji Chengjun， Xia Huaiming. Study on the impact of agricultural science and technology service on agricultural green total factor productivity in china ［J］. Chinese Journal of Agricultural Resources and Regional Planning， 2020， 41（12）： 136-143.

［11］岳会， 于法稳. 中国棉花绿色全要素生产率研究——基于Malmquist-Luenberger指数分析［J］. 价格理论与实践， 2019（10）： 43-47， 166.

［12］陈玉兰， 王娇， 魏敬周. 基于DEA模型下新疆棉区棉花产业运行效率评价［J］. 江苏农业科学， 2016， 44（7）： 558-562.

［13］王晓珍， 邹鸿辉， 杨拴林， 等. 高技术产业R&D全要素生产率变化区域形态及影响因素分析［J］. 现代经济探讨， 2017（7）： 1-8.

［14］李丹， 曾光， 陈城. 中国柑橘全要素生产率演进及影响因素研究——基于Malmquist-Tobit模型的实证［J］. 四川农业大学学报， 2018， 36（1）： 118-124.Li Dan， Zeng Guang， Chen Cheng. Measuring the total factor productivity of citus in China and studying its influence factors—The empirical analysis based on the Malmquist-Tobit method ［J］. Journal of Sichuan Agricultural University， 2018， 36（1）： 118-124.

［15］汤杰新， 唐德才， 吉中会. 中国环境规制效率与全要素生产率研究——基于考虑非期望产出的静态和动态分析［J］. 华东经济管理， 2016， 30（8）： 86-93.Tang Jiexin， Tang Decai， Ji Zhonghui. A study on environmental regulation efficiency and total factor productivity in China—Static and dynamic analyses based on consideration of the undesirable outputs ［J］. East China Economic Management， 2016， 30（8）： 86-93.

［16］高升， 邓峰. 目标价格政策对我国棉花生产效率影响评价研究——基于DEA-Malmquist指数模型和变系数模型［J］. 价格理论与实践， 2019（9）： 54-57.

［17］王利荣. 目标价格补贴政策对棉花生产效率的影响分析［J］.农业经济与管理， 2021（3）： 50-60.Wang Lirong. Effect analysis of target price subsidy policy on cotton production efficiency ［J］. Agricultural Economics and Management， 2021（3）： 50-60.

［18］丁建国， 穆月英. 目标价格政策对棉花全要素生产率的影响分析——以新疆棉区为例［J］. 北京航空航天大学学报（社会科学版）， 2020， 33（4）： 113-120.Ding Jianguo， Mu Yueying. Impact of target price policy on cotton total factor productivity： A case study of Xinjiang ［J］. Journal of Beijing University of Aeronautics and Astronautics （Social Sciences Edition）， 2020， 33（4）： 113-120.

［19］Hollingsworth B， Dawson P J， Maniadakis N. Efficiency measurement of health care： A review of non-parametric methods and applications ［J］. Health Care Management Science， 1999， 2： 161-172.

［20］Mohtadi H. Environment， growth， and optimal policy design ［J］. Journal of Public Economics， 1996， 63（1）： 119-140.

［21］王智勇. FDI对中国产业效率的影响——基于1989—2010年地市级面板数据的研究［J］. 当代经济科学， 2015， 37（1）： 87-97， 127.Wang Zhiyong. The effects of FDI on Chinese industrial efficiency—The study based on prefecture-level cities pane data from 1989 to 2010 ［J］. Modern Economic Science， 2015， 37（1）： 87-97， 127.

［22］冉啟英， 周辉. 环境约束下农业全要素能源效率研究： 基于SBM-TOBIT模型［J］. 经济问题， 2017（1）： 103-109.Ran Qiying， Zhou Hui. Research on agricultural total factor energy efficiency under environmental constraints： Based on SBM-TOBIT model ［J］. On Economic Problems， 2017（1）： 103-109.

［23］Mosier A R， Duxbury J M， Freney J R， et al. Mitigating agricultural emissions of methane ［J］. Climatic Change， 1998， 40： 39-80.