广东省农业用地利用效率评价及影响因素分析

杜国明 赖珂珂 顾一笑

摘 要：广东省各地区的农业生产在农业用地利用效率上存在着显著的差异。本文收集了2016—2020年广东省20个地区的面板数据，构建了测算广东省各地区农地利用效率的投入—产出指标体系，使用DEA超效率模型与Malmquist指数分解相结合的方法，比较分析了广东省 20个地区在此期间农地利用效率及其变动趋向，使用面板数据归因分析方法，讨论了广东省各地区农地利用效率变动的影响因素和作用路径。结论如下：①2016—2020年期间，广东省各地域土地利用效率存在显著的差异，近50%地区的农业用地利用处于DEA无效状态；②广东省整体农地利用效率在2016—2020年期间呈现增长态势。③广东省各地区农地利用效率及其变动趋势在2016—2020年期间存在着显著的差异性。④广东省城市经济的快速发展对农业发展的促进效应小于对农业资源的挤占效应。⑤与广东省各地区急速现代化发展相比，广东省各地区农业生产的结构调整已经表现出了发展滞后现象。

关键词：农业用地；利用效率；DEA超效率模型；Malmquist指数；归因分析

中图分类号：F301.2   文献标识码：A   文章编号：1008-2697（2023）06-0004-09

一、引言

随着乡村振兴战略的提出以及实施，中国人清醒的认识到中国乡村社会拥有自己独特文化和悠久历史底蕴和内涵的乡土文明，遵从西方的石油农业、大规模农业的发展道路，都有可能失败。寻找一条新的途径，活化我国农村、农业最有价值的资源——土地，以及土地上承载的数以百亿计的生态资源价值，将其转换成我国社会未来发展强大的动力，为我国畅通国内经济大循环提供基本保障。

以广州、深圳为中心，强劲的辐射作用，带动了周边地区的经济发展，广东经济长期排名全国第一。但是广东省内各地区之间的经济发展水平差异也表现出不平衡的一面。尤其由于空间地理分布、自然禀赋、距离中心城市远近，以及与各地区农业外部环境物资交换强度等地区性异质性差异影响的存在，广东省各地区的农业生产在农业用地利用效率上存在着显著的差异。这一差异强化了广东省各地第一产业与二三产业发展的差距。显然，在有效保护农地的基础上，提高稀缺农地资源的利用效率，对推动广东省农业生产，实现农业的绿色发展、乡村振兴都有着十分重要的意义。

国外对于土地利用研究起步较早，这些研究早期关注的重点是农业用地管理、使用制度的比较。但是随着农业用地稀缺性的提升，近20年，土地可持续发展理论的兴起，土地资源可持续利用已成为研究人类社会可持续发展的核心内容，土地资源可持续利用成为当今世界学术界的热门话题。20世纪70年代开始，理论的发展，统计计量软件的大量使用，以及数据的可获得性提高，促使学者们转向对土地资源利用的是实证研究，研究范围获得了更大的扩展。Tudor [1]在罗马尼亚农业用地综合利用项目中，创造性引入工具变量，将土地利用效率与粮食危机联系起来，研究结果表明受到大量农产品进口的影响，市场不再有效反映本地农产品生产成本，理性的农户将因此主动减少在农业用地上的投入以应对可能的经营风险。Liangjian[2]、Van Zanten[3]实证研究认为对于土地利用效率评价这一复杂的非线性社会系统，努力通过模型中引入过多影响因素，并不能得到有解释力的结果。Li[4]使用面板数据，讨论了中国东北地区城市化对周边小城镇种植业土地利用效率的影响，研究表明城镇化率和农业总产值占比高度负相关，城镇化率对土地利用效率影响高度显著，但是农业产值的占比對土地利用效率影响并不显著。

国内学者对我国土地利用的研究开展较晚，近二十年来，在土地利用效率研究方面，学者对土地利用的焦点转向农业用地利用效率的实证分析方面。在数据选择上，有从截面数据、时序数据向面板数据转移的趋势。在研究方法上，也表现出从主成分分析法、层次分析法、DEA数据包络分析，向面板数据分析、空间计量分析转移的趋势。吴振华、雷琳等[5]使用数据包络分析法，建立三阶段DEA模型，对河南省和江苏省的农业土地利用效率进行了省级区域比较研究，研究表明环境因素、土地利用的规模效率、有效的土地市场都是影响土地利用综合效率的关键因素。丁涛、武祯妮[6]进行了农业土地资源利用效率的区域比较研究，表明与DEA方法联合使用的Malmquist指数分析方法，在处理面板数据时，相比之前的普通DEA包络分析方法有很大的优势。李娅、谭秋等[7]从农业产业发展适宜性的角度对原平市进行了定量分析，以土地利用为中心，对原平市农业产业布局的优化问题提出了建议。

在农业用地效率评价指标方面，以“农业用地利用效率”在知网上查询2016—2021年的核心期刊，部分学者利用数据包络模型分析法研究农业用地构建的评价指标。赵茜宇、张占录[8]在全国范围内，以农业从业人员数、农业机械总动力、农用地面积、化肥施用量为投入变量，以粮食产量、农业总产值为产出变量进行研究。牛星、吴岳婷等[9]在江苏省范围做的相关分析中，以农林牧渔就业人员、农业机械总动力、家庭承包耕地流转总面积、农业化肥使用量、流转用于种植粮食作物的面积为输入，以粮食产量、农业产值为输出。徐玉婷、黄贤金等[10]以长江中下游地区为例，分析的是家庭用工和雇工总量、年播种面积、生产资料流动资本、雇工工资、租赁机械流动资本、土地租金、固定资产折旧为投入指标，农业生产的年毛收入和从事水稻经营的农业经营主体农业生产的年总产量为产出指标。

综合来说，目前主要使用的分析方法中有主成分分析法（PCA），优点是可以进行多指标变量综合评价，加快对样本有价值信息的处理速度。但是，在处理过程中难以对研究进行干预，因此有导致工作得不到预期效果的可能。层次分析法可以对未知系统进行探索性评价，在多目标、多准则、多时期的系统评价上，在工作效率上有比较优势。缺点是分析过程容易受到主观影响，定量分析较少，定性成分多，缺乏一定科学性。与前两种分析方法相比，数据包络分析方法（DEA）的优点是不需要函数具体形式，也不需要为研究变量设置权重，直接利用非线性规划方法，在处理多输入、多输出的复杂非线性系统效率定量分析上具有显著的优势。不过传统DEA模型在计算效率值时也存在方法上的局限，即在评价结果上常常存在复数个有效的决策单元，因为无法对其排序，这使得研究无法进一步比较有效决策元单间效率的高低。也是由于这个原因，本文借鉴近期文献的工作方法，在比较广东省各地区土地利用效率变动规律上，使用了DEA超效率CCR模型和Malmquist指数分解相结合的分析方法。

二、广东省农业用地资源及利用概况

从广东省农业用地资源现状看，以耕地为例，根据广东省统计局公布耕地面积数据，全省2018年末耕地保有量面积为4702.49万亩。广东省各市2018年末耕地保有量面积如图1所示，广东省耕地主要分布在湛江市、清远市、茂名市、韶关市、阳江市、江门市等地。

交叉观察广东省各地区农业用地占比（地区农业耕地/全省耕地保有面积）、农业总产值占比（地区农业产值/地区生产总值）、农业劳动力占比（地区第一产业从业人员/全省第一产业从业人员）情况。

从图2可以看到，在耕地利用效率上，广东省各地区存在显著的差异。例如广州、揭阳和云浮，汕头和中山，江门和阳江，在大致相同的农业用地占有条件下，在农业产值上却出现了显著不同。这表明，由于各地社会经济自然条件的不同，在农业用地利用上各个地区存在着地区异质性。

如图3所示，广东省绝大部分地区的农业生产采用的都是节约耕地或者耕地中性的生产路线。不过，不同地区在农业生产技术的劳动力偏向上，还是存在很大的差别。例如汕头、潮州、中山大约在耕地占比上，处在相同的水平。在单位土地上，相比潮州、中山、汕头的农业生产吸收了更多的劳动力。一般而言，市场经济下劳动力可以自由流动，由此汕头农业生产的单位土地产值要大于潮州，而潮州要大于中山。显然，这些地区的农业产出结构是不同的，诱致理性农户选择了不同的土地利用水平。

三、广东省农业用地利用效率测算与评价

（一）变量选取与数据描述

广东省农业用地利用效率评价第一步是选取投入产出指标。选取的评价变量要能够获得相关数据，具有代表性，能全面、准确、客观的反映农业用地利用过程中的投入和产出变化。评价指标体系如表1所示。

土地投入：农业生产中最重要投入要素是土地。选取农作物总播种面积作为农业用地投入的指标。

资本投入：资本的投入可以带来技术，技术可以影响产出，进而影响农业土地利用效率。以农业机械总动力、农用化肥使用折纯量体现农民在生产上的资本投入。

劳动力投入：劳动力是土地利用的主體。选取第一产业从业人员数作为劳动力投入的指标。

经济效益：包括国民生产总值、财政收入等。选取农业总产值作为经济效益指标，用来表示农业土地带来的经济产出。

社会生活效益：农业生产作为农民的主要收入来源。选取粮食产量和农村人均收入水平作为社会产出指标。

广东省农业用地利用效率评价模型使用了2016年至2020年有关农业土地利用的各项投入与产出数据，样本为2016至2020年广东省20个地区的区域数据，共100个观察结果，如表2。

（二）广东省农业用地利用效率测算与分析

使用DEA—SOLVER13软件对广东省 20个区域的农业用地利用效率进行逐年测算，结果显示： 同一时期，广东省各地域土地利用效率存在很大的差异，近百分之五十地区的农业用地利用处于DEA无效状态，这使得广东省五年来的总体农业用地利用效率未达到有效状态，如下表所示。

以 2016年为例，广州、珠海等 11个地区的土地利用效率处于 DEA有效状态，说明这些地区的农业用地利用上的投入产出达到DEA意义上的最优配置； 而其他9个地区在土地利用上的投入产出，虽然从平均得分上看也比较高，但是是非 DEA有效的，说明在农业用地利用效率的改进上还有提升的空间。

基于普通DEA—CCR模型分析的结果，同一时期多个地区的土地利用效率均为 1，无法比较它们之间的效率高低。为此，使用Maxdea软件的DEA超效率模型对面板数据进行处理，以解决农业用地利用效率有效区域之间的排序问题，结果如表4所示。仍然以2016年为例，广东省11个土地利用效率DEA有效区域，根据超效率DEA结果，可依次按降序排列为中山、东莞、广州、茂名、江门、珠海、梅州、揭阳、河源、佛山、汕头。然而，2017 年中山地区的农业用地利用效率即从上一年的6.77下降到1.009，下降到了全省排名的第十三位，近两年甚至降到0.637、0.607，处于农业用地利用DEA无效水平。这说明不同年份间的广东省各区域土地利用效率存在着很大的变动。

（三）基于Malmquist指数的广东省各地区农业用地利用效率变化分析

为了说明不同时期广东省整体农业用地利用效率的变动情况，借助Maxdea软件的Malmquist 指数方法，对广东省20个区域2016—2020年在农业用地利用的投入、产出面板数据进行时间序列分析。结果如表5、图4所示。

观察上表，可以看出：

（1）2016—2020年间，广东省农业用地利用效率总体上处于增长态势，土地利用的整体效率（MI）年均增长5%。Malmquist 指数对整体效率变动来源的分解表明，土地利用效率整体增长的来源是技术效率变动（EC）和技术进步变动（TC）的联合作用。其中，技术进步增长是主要方面。即农业用地利用效率的变化，主要来自第一产业外部经营环境不断的改善，这一点达到了年均增长4%的水平。在规模报酬可变假设下，可以观察到通过Malmquist指数对技术效率（EC）变动因素的进一步分解。广东省农业用地利用的规模效率变动指数（SEC）平均增长了6.6%，这说明广东省农业用地利用效率在技术给定条件下，改善主要取决在土地集约利用水平的提高上。在技术给定条件下，农业用地利用的纯技术进步变化效率（PEC）有逐年度略微下降的趋势。

（2）从总体上看，在2016至2020年整个时间段内，除纯技术效率变动指数（PEC）外，其他反映广东省农业用地利用效率变动情况的指数均呈现不同程度的增长趋势。2016至2019年时间段内，广东省农业用地利用的整体效率变动指标（MI）和农业用地技术进步效率变动指标（TC）的增长速度始终不断提高，在2019至2020时间段增长速度出现了下降；农业用地利用的规模效率变动指标（SEC）在2016—2017、2017—2018两个时间段内虽然继续大幅下降，但其后在2018—2020时间段内基本保持平稳的增长。

（3）广东省农业用地利用技术进步效率增长率与农业用地利用整体效率变动情况呈现同方向变动；但是农业用地利用的技术效率变动，虽然在五年的时间内始终保持正的增长速度，但是增长速度的变化是不断下降的，农业用地利用的纯技术效率变动指标（PEC），虽然在2016—2018年出现了改善，但在五年时间段内的大多数时间里，其增长率都是负的。这说明制约广东省农业用地整体利用效率进一步提高的主要因素来自农业用地利用的投入资源的协调和产出结构的调整上。即广东省农业用地整体利用效率变动指标（MI）增长的主要来源在于技术进步效率变动指标（TC）的改善。与此相对，由技术效率变动指标（EC）表现的农地利用的微观层面，对农地利用整体效率提高的影响，相比之下微弱很多。

在对广东省农地利用效率变动情况整体性分析的基础上，对广东省各区域间的农地利用效率变动的差异情况进行比较。广东省2016—2020年各地区农地利用效率变动的Malmquist指数指标及其分解，如表6所示。

从上表可以看出： 2016—2020 年期间，广东省各地区农业用地利用效率整体变动（MI）情况，均呈现出不断增长的态势（除河源和中山）。测算2016—2020年广东省各地区农业用地利用效率变化情况的Malmquist指数及其分解后的各项变动指标描述统计，如表7所示：

测算宏观环境对土地利用效率变动影响的技术进步变化指数（TC），各地区在2016—2020年的整个时间段内，和各地区的Malmquist指数同步，均呈现正向增长的态势。与此相对，描述微观经营层面对土地利用效率变动影响的技术效率变化指数（EC），正向的变动趋势却很微弱。在规模可变假设下对这一指标进一步的分解，如表7，由技术效率变动指数（EC）进一步分解得到的两个指标：纯技术效率变动指数PEC和规模效率变动指数SEC，地区间差异显著，且由方差表示的波动幅度也远高于其他指数。其中，表示农业用地利用纯技术效率变化的指数PEC，在2016—2020年期间出现持续性下降的地区达到了10个，在所有效率变动指数中的表现最差。描述微观经营层面对农地利用效率的技术效率變化指数EC，正向变动趋势微弱的原因也是主要来源于此。

从图5可知，珠海、佛山、韶关、东莞、湛江、中山、清远、河源8个地区的农业用地利用效率的变动主要来自于技术进步变动的影响；广州、汕头、惠州、汕尾、阳江、茂名、肇庆、潮州、云浮9个地区的农地整体利用效率的变动同时受到了来自技术进步指数和技术效率变动的联合影响；江门土地利用效率变动原因主要受到的是技术效率变动的影响；此外，技术进步变动与技术效率变动对梅州、揭阳的土地利用效率的影响均不显著。这也是这两个地区，土地利用整体效率在2016至2020年整个时间段内总体保持不变的原因。

四、广东省农业用地利用效率影响因素实证分析

（一）影响因素选取

使用面板数据，对农业用地利用效率值做归因分析，讨论影响广东省各地农业用地利用效率的可能因素、作用途径及其影响的大小。

土地报酬递减规律使得农地利用效率受到多种因素的影响。首先是生产方向的选择，其次是与农业用地配套的生产资料投入与技术选择，如施肥量、施肥面积、播种面积、劳动力等，这些是农户可以自行选择、控制的。而地区经济发展水平、农业补贴政策及不可控的自然环境影响，这些超出了经营主农户的控制范围。因此，对影响农地利用效率的影响因素，可以根据农户可控和不可控程度进行划分，并在数据可获得性约束下进行选取。

在影响因素初步选取的基础上，为了抑制归因分析中可能遇到的异方差、自相关等扰动的影响。我们使用原始变量面板数据集，对部分原始变量做了比率化处理。由此，结合变量的相关系数矩阵比较及对广东省各地农业用地利用效率的讨论，选取了代表宏观环境因素的城镇化率、农业占比（各地农业总产值占比）、单位货运量、代表微观投入因素的灌溉比率、代表微观产出因素的人均农业生产产值为主要研究指标。以下将分析这五个因素对广东省农业用地利用效率的影响。

（二）广东省农业用地利用效率影响因素回归模型的构建

为了进一步抑制解释变量间可能出现的自相关、多重共线性、异方差的影响，对面板数据集的回归分析，选择了非线性的双对数模型，基本形式是：

lnYit=β0+β1lnx1it+…+βnχnit+μi+εit（1）

（三）农业用地利用超效率值的影响因素面板数据分析结果及解释

由Tobit模型得到的系数，是潜变量y*对解释变量的偏导数，也就是说，Tobit截断回归方法得到的系数，和线性回归模型系数作为解释变量的边际效应意义不同，它测算的是解释变量在某个特定位置，被解释变量出现的概率，因此虽然可以通过符号做

变量间相关性的定性分析，但是在定量分析中很难找到有经济意义的解释。为此，本文使用了Maxdea软件的DEA超效率模型，这个软件的优点是能对所有DEA有效决策单元进行排序，因此数据集的值域不再存在[0.1]的局限。

首先，使用Stata15以地区为聚类变量，用效率对数值对人均产值、灌溉比率、城镇化率、农业占比、单位货运量的对数值做稳健标准误的混合回归。然后，分别使用上述变量做固定效应回归、随机效应回归，最后根据Hausman检验结果，汇报哪种回归方法的结构更有效率。面板数据回归结果如表9所示。

Hausman检验结果不拒绝“原假设H0：个体效应随机扰动项u与解释变量xi不相关”，也就是说，Hausman检验认为模型的随机扰动项中存在与解释变量农地利用效率不相关的个体异质性影响因素。在这种情况下， Hausman检验认为随机效应模型的估计效率优于固定效应模型，Hausman检验结果如表10所示。

结果显示，核心变量人均产值、灌溉比率、单位货运量、城镇化率、农业占比，无论是混合回归、固定效应回归还是随机效应回归，不仅符号相同，而且，回归系数都是显著的。依据Hausman检验的指示，以下的讨论主要依据来自于使用稳健标准误的随机效应模型结果：

（1）农业劳动力人均农业生产产值对农业用地利用效率值的影响，在所有回归结果中都是高度显著的，并且其影响是正向的。回归结果表明农业劳动力人均农业生产产值每提高1%，农业用地利用效率值将提高0.338%。即各地根据自身比较优势，及时调整农业土地生产结构，提高以市场价格计量的农地产出，有利于农地利用效率的提高。

（2）有效灌溉面积和农作物播种面积的比值——灌溉比率，其对农地利用效率的影响是负向的，即有效灌溉比率提高百分之一，将降低农地利用效率0.336%。从回归结果看，在目前生产技术条件、农业生产组织方式、产出结构给定的条件下，广东省各地区土地利用效率已经达到了相对最优的状态，单纯对单位土地增加投入，农业用地利用效率的综合比较并不给予灌溉比率这一生产投入以正向的评价。在其他变量不变的条件下，单位农地上进一步的资源投入，将导致农业用地利用效率的降低。

（3）单位货运量对农业用地利用效率值的影响是正向的。虽然这一影响在统计上不显著，但是却不能忽视。没有有效畅通的物流输入输出，理性农户的生产产出决策，生产产出结构优化调整必然存在严重的局限。

（4）城镇化率和农业产值占比两个变量在主要回归估计中都是高度显著的。城镇化率每提高一个百分点，将降低农业用地利用效率1.224个百分点。一般来说，一方面，二、三产业的蓬勃发展，将诱致更多的农业劳动力和资源从农业向外发生转移，这将对农业生产和农业用地利用产生挤出效应。另一方面，二、三产业的快速发展，都将产生更多的农村公共物品投入和私人投入反哺农业，促进农业产出结构的不断优化调整，促进单位农业用地利用效率的提高。显然正反两方面的影响，回归结果中显示出目前其最终合力对农业用地利用效率的影响是负向的。这意味着目前广东二、三产业的快速发展，对农业生产的促进作用还存在一定的滞后，对各地区农业生产资源的挤占还是城镇化发展的主要方面，显然这将降低土地的农业生产上的利用效率。

（5）农业产值占比对农业用地利用效率的影响，在主要回归估计中都是高度显著的。回归结果显示农业总产值占比每提高一个百分点，将降低农业用地利用效率0.534%。一般而言，各地农业生产总值占比的提高，通常意味着农业生产的规模经济和集约利用程度的提高。但是另一方面，农业生产总值占比高也意味着二、三产业发展不足，显然这将减弱二、三产业对农业生产的支持与反哺效应。在农业产出结构、技术条件、生产组织制度给定的条件下，回归结果显示的农业总产值占比对农业用地利用效率的负面影响，显示农业占比提高的农业生产规模经济对农业用地利用效率的改善效应，小于二、三产业发展不足对农业用地利用效率提高的支持和反哺效应。同时，农业生产总值占比提高对农业用地利用效率的负向影响，强化了目前城镇化率提高对农业用地利用效率的负向影响。显然与广东省各地区其他产业的发展速度相比，农业产业发展存在一定程度的滞后。

（6）随机效应模型估计的常数项12.06，这一影响在模型的估计中是高度显著的。它代表“个体效应”μt的平均影响。这说明在对农业用地利用效率的估计中，对回归过程中由（μt+εit）两部分构成的复合扰动项中，存在着与目前模型中所有的解释变量χnit均不相关的代表地区异质性的随机变量“个体效应”μi的影响。

五、广东省农业用地利用效率研究结论与建议

（一）研究结论

使用超效率DEA模型与Malmquist 指数分解方法，对2016—2020年广东省整体及各地区农业用地利用效率及其变动情况的比较讨论，得出如下结论：

（1）广东省各地域土地利用效率同期间存在很大差异，近50%地区的农业用地利用处于DEA无效状态。

（2）广东省整体农业用地利用效率呈现增长态势。这主要源于技术进步与技术效率改善的交叉作用，其中技术进步的影响巨大。广东省农业用地利用效率增长的主要来源在于农业外部经营环境的极大改善，即政府惠农政策的不断出台，政府对农村、农业组织管理水平的不断提高。

（3）广东省各地区的土地利用效率与广东省整体一样均不同程度呈现出增长的趋势。不同地区土地利用效率变化受到技术进步、技术效率指数变动的影响程度各有不同。从技术效率变动指数来看，东莞、中山、江门、湛江、茂名5个地区的技术效率变动主要来自于规模效率变动的影响，惠州、汕尾、肇庆、潮州、云浮5个地区的技术效率变动主要来自于纯技术效率变动的影响，广东省其他10个地区的技术效率变动，则受到了纯技术效率变动与规模效率变动两方面的影响，是共同影响作用下形成的。因此，为了提高土地利用效率，需要各地因地制宜。

（4）从农业用地利用效率角度观察，广东省经济社会发展到了一个瓶颈状态。广东省城市经济的快速发展对农业发展的促进效应小于对农业资源的挤占效应；农业生产集约程度提高带来的规模经济效应，小于当地二、三产业发展与第一产业物质与信息交换带来的增值效应，如果这种交流强度存在增长的阻滞，这将降低农业用地利用的综合效率。与广东省各地区社会、经济结构急速现代化发展相比，广东省各地区农业生产的结构调整已经存在不容忽视的滞后现象。

（二）建议

延展农业产业链，拓宽产业发展。调整优化农地使用的投入产出结构，提高土地的利用效率，促进农地利用的产业化是全社会的任务。因此，广东省各地区要走城乡经济融合的发展道路。各地政府要打破城乡之间、产业之间的藩篱，采取利益导向引导二、三产业加强与本地第一产业的物质与信息交流的强度与广度。延展农业生产的产业链条，拓宽农业、农村的发展空间。

调动各方力量，实现乡村振兴。在农地有效利用上，活化土地，以及生态资源价值，是土地资源可持续有效利用的充分必要条件。因此需要广东省各地政府因地制宜、率先垂范、勇于进取、勇于创新，用经营广东城市的劲头，借着经济社会飞速發展的势头，经营广阔的广东乡村。

參考文献：

［1］Tudor M M.Utilization of Land Resources in Agriculture-Opportunity or Risk for Romanian Agri-food Sector Competitiveness[C]//International Conference，Economic Scientific Research-Theoretical，Empirical and Practical Approaches.2014.

[2]Liangjian W，Hui L I.Cultivated Land Use Efficiency and the Regional Characteristics of its Influencing Factors in China：By Using a Panel Data of 281 Prefectural Cities and the Stochastic Frontier Production Function[J].Geographical Research，2014，33（11）：1995-2004.

[3]Van Zanten H H E，Mollenhorst H，Klootwijk C W，et al.Global Food Supply：Land Use Efficiency of Livestock Systems[J].The International Journal of Life cycle Assessment，2016（05）：21.

[4]Li W，Wang D，Li H，et al.Urbanization-induced Site Condition Changes of Peri-urban Cultivated Land in the Black Soil Region of Northeast China[J].Ecological Indicators，2017，80（09）：215-223.

[5]吴振华，雷琳，王亚蓓．基于三阶段DEA模型的农业土地利用效率评价——以河南省和江苏省为例[J]．江苏农业科学，2019，47（16）：317-321．

[6]丁涛，武祯妮．基于Malmquist指数法的农地利用效率测算[J]．统计与决策，2019，35（22）：82-84．

[7]李娅，谭秋，王丽双等．县域农业土地利用适宜性评价与优化研究——以山西省原平市为例[J]．中国农业资源与区划，2022，43（01）：91-99．

[8]赵茜宇，张占录．中国县级农地利用效率的变化特征及原因解析[J]．中国人口·资源与环境，2019，29（04）：77-86．

[9]牛星，吴岳婷，吴冠岑．流转水平差异下农地利用效率的变化研究——以江苏省45个县（市）为例[J]．中国农业资源与区划，2021，42（06）：127-135．

[10]徐玉婷，黄贤金，徐国良，等．“三权分置”背景下多元经营主体农地利用效率——来自长江中下游地区的实证经验[J]．长江流域资源与环境，2021，30（10）：2557-2568．

Evaluation of Agricultural Land Use Efficiency in Guangdong Province and

Analysis of Influencing Factors

DU Guo-ming1， LAI Ke-ke2， GU Yi-xiao1

（1.School of Humanities and Law， South China Agricultural University， Guangzhou 510642;

2.Sanya Vocational College of Technology， Sanya 572022）

Abstract：There are significant differences in agricultural land use efficiency among different regions in Guangdong Province. This article collected panel data from 20 regions in Guangdong Province from 2016 to 2020， constructed an input-output indicator system to measure the efficiency of agricultural land use in each region of Guangdong Province， and used a combination of DEA super efficiency model and Malmquist index decomposition method to compare and analyze the efficiency and trend of agricultural land use in 20 regions of Guangdong Province during this period. Panel data attribution analysis method was used， Discussed the influencing factors and pathways of changes in agricultural land use efficiency in various regions of Guangdong Province. The conclusion is as follows： ① From 2016 to 2020， there were significant differences in land use efficiency among different regions in Guangdong Province， with nearly 50% of agricultural land use in DEA ineffective state; ② The overall efficiency of agricultural land use in Guangdong Province showed an increasing trend from 2016 to 2020 There are significant differences in the efficiency and trend of agricultural land use among different regions in Guangdong Province from 2016 to 2020 The rapid development of urban economy in Guangdong Province has a smaller promoting effect on agricultural development than the crowding out effect on agricultural resources Compared with the rapid modernization development in various regions of Guangdong Province， the structural adjustment of agricultural production in various regions of Guangdong Province has shown a phenomenon of lagging development.

Key words：Agricultural land; Utilization efficiency; DEA super efficiency model; Malmquist index; Attribution analysis