中国农业生产技术效率及其影响因素分析

人力资本对农业全要素生产率增长的影响分析_纯技术效率

人力资本对农业全要素生产率增长的影响分析_纯技术效率论文导读:：本文应用DEA分析方法，使用2001-2008年我国30个省(直辖市)的农业面板数据测度我国农业TFP增长，同时考查了人力资本存量的差异对各省份农业TFP及其构成的影响，并对影响的显著性进行了假设检验。

不考虑各省份之间农业劳动力人力资本的差异会导致低估规模效率、技术效率以及纯技术效率的改善对农业TFP增长的贡献，同时也会高估技术进步对农业TFP增长的贡献。

论文关键词：规模效率，技术效率，纯技术效率一、引言与文献综述传统的关于农业全要素生产率(TFP)的研究主要采取的是Solow（1957）余值法，即从农产出增长中扣除资本和劳动对产出增长的贡献，从而得到全要素生产率[1]。

但这种方法却存在三个方面的缺陷：一是没有考虑到技术无效率（TechnicalInefficiency）的情形；二是设定了农业生产的具体函数形式；三是Solow余值法不能将TFP增长进一步细化，从而使得TFP成了一个庞杂的概念。

受Debreu(1951)和Koopmans(1951)启发[2] [3]，Farrell(1957)首次将农业生产效率分解为技术效率和配置效率两部分[4]纯技术效率，Boles(1966) [5]，Bressler(1966) [6]，Seitz(1966)和Sitorus(1966)将Farrell 的现代线性规划方法应用到农业增长研究中[7] [8]，最终启发了以Charmes，Cooper和Rhodes(1978)为代表人物的数据包络分析（DEA）的研究[9]。

运用DEA方法测量农业TFP增长较之随机前沿分析(SFA)方法有两方面的优点：其一是不需要设定具体的农业生产函数；其二是无需设定技术无效率项(Aigner，1968)的分布函数[10]论文格式范文。

本文采用DEA方法，使用2001-2008年我国30个省(直辖市)的农业面板数据测度我国农业TFP增长，同时考虑不同省份之间劳动力异质的情形，笔者考查了人力资本存量的差异对各省份农业TFP及其构成的影响，并对影响的显著性进行了假设检验。

中国农业生产效率分析：1995-2005

变化作了测算。结果显示，中国农业生产的全要素生产率是不断增长的，但是增长率是逐渐变缓的；从变动构成看，ＦＴＰ增长主要是由于技术的变动，而不是效率改善导致。
【键词】中国农业；关生产效率；技术进步；Ｆ；ａｑｉ指数ＴＰＭｌｕｓｍｔ【中图分类号】３５【Ｆ２文献标识码】【Ａ文章编号】０４２６（０９０－０９ｏ１０—７８２０）１０３一４
中国农业生产效率分析：９５２０１９－０５
李丹李强，
（．１中国科学院计算技术研究所，北京１０９；．０１０２北京林业大学经济管理学院，北京１０８）００３
【摘要】文章利用Ｍｌｑｉ生产率指数方法，ａｍｕｓｔ对中国３个省份１９年至２０年的农业生产全要素生产率的１９５０５
农业生产的发展一直是我国政府所关注的重点问题，农业生产的增长关系到社会的稳定和经济的发展。虽然改革开放以来，国农业取得了举世瞩目的成绩，我但我国农业发展存在区域间的不平衡，而且长期以来还一直面临人口增长和土地资源短缺的制约，如何在有限的资源约束条件下，提高农业的生产力，保持农业的长期稳定发展一直是我国政府所关注的。农业生产生产能力的提高，依赖于两条途径：一方面在于要素投入的增加，另一方面是农业生产效率的提高。而农业生产资源的匮乏，我国农业生产力的提高不可能长期依赖农业生产要素投入的增加，只能依靠农业生产效率的提高，因此，价和分析我国的评农业生产效率问题具有十分重要的意义。国农业发展已经进我入一个新的阶段，业生产效率的变动的趋势如何？是什么原农因导致农业生产效率的变动？不同的地区是否存在差别？只有对这些问题做出正确的回答，才能为未来制定农业发展政策提供科学的依据。目前对农业生产效率的研究很多。从研究的方法上看主要集中在两个方面，即前沿（边界）分析和非前沿（边界）法。非方前沿的方法，一般假定所有生产单位都是有技术效率的，用采ＯＳ方法进行分析，期的测算技术进步常采用此方法，朱Ｌ早如希刚【、ｌ蒋和平与苏基才１、】２赵洪斌ｆ。前沿法则假设存在技术１Ｉ等无效率，利用样本数据构造生产的前沿面来测算生产的效率。前沿法又可以分为参数法和非参数法，如吴方卫等１、江激宇等Ｉ陈卫平【５１、ｑ采用非参数方法，而于君博１、７乔世君１１８１等则采用参数估计方法。但参数法要求事先设定非效率因素的分布形式，因此为了避免设定的错误，我们这里将采用非参数的方法对农业的生产效率进行测算和分析。

中国粮食生产的绿色技术效率和绿色全要素生产率

开展动态分析
通过对时间序列数据的分析，掌握绿色技术效率和绿色全要素生产率的变化趋势和影响因素，为政策制定提供更为科学的依据。
建立统一的标准和指标
在理论研究和实践应用的基础上，建立统一的标准和指标，推动绿色技术效率和绿色全要素生产率的比较和评估。
THANKS
谢谢您的观看
变量选取
考虑农业生产中的投入和产出，如劳动力、土地、化肥、机械等，以及环境因素，如二氧化碳排放、农业用水等。
变量定义与描述性统计
变量定义
投入变量包括农作物播种面积、农业机械总动力、化肥施用量、农用塑料薄膜使用量、人力资本等；产出变量为农业总产值；环境变量包括农业灌溉用水量、农田土壤有机质含量、农田土壤pH值等。
03
研究方法与数据
研究方法
1
采用DEA（数据包络分析）方法，以投入为导向的规模报酬可变模型，运用MaxDEA软件进行计算。
2
采用GML指数法，基于DEA计算结果，运用 DEAP软件进行进一步计算。
3
运用STIRPAT模型，通过极大似然估计法进行模型的参数估计。
数据来源与处理
数据来源于《中国统计年鉴》、《中国农村统计年鉴》以及《中国环境统计年鉴》。
05
结论与政策建议
研究结论
绿色技术效率
研究发现，中国粮食生产的绿色技术效率整体呈上升趋势，但各地区存在差异。其中，东部地区的绿色技术效率最高，中部地区次之，西部地区最低。这表明中国粮食生产的绿色转型在东部地区取得了较好的成效，而在中西部地区仍需加强。
绿色全要素生产率
研究显示，中国粮食生产的绿色全要素生产率整体呈上升趋势，但增长速度较慢。这表明在考虑环境因素后，中国粮食生产的整体效率有所下降，需要在提高生产效率的同时，加强环境保护措施。

山东省耕地生产效率及影响因素分析

从综合技术效率看10年来山东省的济南淄博枣庄泰安临沂五市均处在综合技术效率前沿面上综合技术效率为1其耕地资源的配置能力使用效率和要素投入都已达到了最优水平日照莱芜十分接近最优水平综合技术效率值为099烟台聊城菏泽的综合技术效率值都在09以上达到了较高水平处在中等水平的有青岛潍坊济宁德州其综合技术效率值都在08以上威海东营滨州的综合技术效率值相对较低效率值08以下
（南京师范大学地理科学学院，南京２１００４６）摘要：本文运用数据包络分析（ＤＥＡ）方法，对１９９９ — ２００８年山东省耕地利用效率进行测算，通过
Ｔｏｂｉｔ模型分析影响耕地生产效率的主要因素。研究结果表明：近十年来山东省耕地利用的综合效率均值为０．８８３，耕地生产效率较高：将山东省各地区耕地生产效率划分为三类，第一类地区耕地
第２２卷第２期２０１３年６月
世
界
地
理研
ห้องสมุดไป่ตู้
究
Ｖｏ１．２２，Ｎｏ．２
ＷＯＲＬＤＲＥＧＩＯＮＡＬＳＴＵＤＩＥＳ
Ｊｕｎ．，２０１３
山东省耕地生产效率及影响因素分析
李在军，管卫华，臧磊
１研究区概况
山东省位于中国东部沿海、黄河下游、京杭大运河的中北段，是一个社会经济迅速发展的农业和人口大省，粮食生产和消费在全国占有重要地位，然而由于社会经济快速发展、人口迅速增长和非农业建设等原因，造成耕地日益减少，１９９９ — ２００８年，山东省人均耕地面积在１６．８亩与１８亩之间波动，低于全国平均水平。随着工业化、城市化进程的加快，造成了耕地的严重污染、掠夺性经营与低效利用现象广泛存在，从而导致了耕地利用环境的恶化、耕地生产力和人均粮食产量不断下降。因此，加强山东省耕利用效率研究，分析影响耕地利用效率变化的因素，对有效利用短缺的耕地资源、提高耕地利用效益具有重要意义。

甘肃省耕地利用效率及其影响因素分析

文章编号：1003-7853（2021）04-0006-05基金项目：国家社会科学基金项目（18CGL026）甘肃省耕地利用效率及其影响因素分析何亚妮，谢保鹏*（甘肃农业大学管理学院，甘肃兰州730070）摘要：为促进甘肃省耕地资源配置效率，运用DEA-Tobit两步法从土地、劳动力、技术投入方面对1996-2018年甘肃省耕地利用效率及其影响因素进行分析。

结果表明，（1）甘肃省耕地利用效率综合效率、纯技术效率、规模效率都呈现上升趋势；（2）1996-2017年都为规模报酬递增，但有些年份出现投入冗余产出不足的情况；（3）有效灌溉率、成灾面积占播种面积率、农民人均纯收入都与甘肃省耕地利用效率显著相关。

关键词：耕地利用效率；DEA-Tobit两步法；影响因素中图分类号：F301.2文献标识码：AAnalysis of Cultivated Land Use Efficiency and Its Influencing Factors in Gansu ProvinceHE Yani,XIE Baopeng*(School of Management,Gansu Agricultural University,Gansu Lanzhou730070,China) Abstract:To promote the efficiency of arable land resource allocation in Gansu Province,the two step DEA-Tobit model was used to analyze the cultivated land use efficiency in Gansu Province from the aspects of land,labor force and technical input during 1996-2018,and the influencing factors of cultivated land use efficiency were also analyzed.The results showed that,(1)the comprehensive efficiency,pure technical efficiency and scale efficiency of cultivated land utilization in gansu province all showed an upward trend;(2)from1996to2017,returns to scale are increasing,but in some years,input redundancy and output are insufficient;(3)effective irrigation rate,disaster-prone area ratio in planting area,and per capita net income of farmers were all significantly correlated with cultivated land utilization efficiency in Gansu Province.Key words:cultivated land use efficiency;DEA-Tobit two-step method;influencing factors0引言耕地对于保证粮食产出、提高农民收入、促进生活稳定具有重要作用，我国的粮食生产经历了严重短缺到现在基本满足需求的阶段，随着城镇化发展和人口总量增加，耕地矛盾加剧，粮食生产能力在未来一定是国家经济发展和维持社会稳定的重要保障，耕地在粮食生产方面具有不可替代的作用，因此有必要关注我国的耕地利用效率问题。

中国农业绿色全要素生产率的空间分异及其驱动因素

中国农业绿色全要素生产率的空间分异及其驱动因素1. 本文概述本文旨在探讨中国农业绿色全要素生产率的空间分异及其驱动因素。

绿色全要素生产率（GTFP）是评估农业可持续发展水平的重要指标，它不仅考虑了传统农业生产率中的资本、劳动等要素，还纳入了资源利用效率和环境影响的考量。

研究中国农业GTFP的空间分异及其驱动因素，对于促进农业绿色转型、实现农业可持续发展具有重要的理论和实践意义。

本文将对中国农业GTFP的空间分异进行描述性分析，通过收集全国范围内的农业相关数据，运用空间统计方法揭示GTFP在不同地区的分布特征和差异。

在此基础上，进一步探讨造成这种空间分异的原因和驱动因素。

这些驱动因素可能包括自然资源条件、经济发展水平、技术进步、政策制度等多个方面。

本文将运用计量经济学方法，构建GTFP影响因素的计量模型，对各个驱动因素进行定量分析和检验。

通过实证分析，我们可以明确各因素对GTFP的影响程度和方向，从而找出促进农业绿色发展的关键因子和优先领域。

本文还将结合中国农业发展的实际情况，提出针对性的政策建议。

例如，针对GTFP较低的地区，可以加强技术创新和人才培养，提高农业生产效率针对资源环境压力较大的地区，可以推广生态农业和循环农业模式，促进农业绿色发展。

这些政策建议旨在为中国农业的绿色转型和可持续发展提供有益参考。

本文将从空间分异的角度，全面分析中国农业绿色全要素生产率的影响因素及其驱动机制，为农业绿色发展和可持续发展提供理论支持和政策建议。

2. 研究方法与数据来源本研究旨在深入探究中国农业绿色全要素生产率的空间分异及其驱动因素。

为实现这一目标，我们采用了空间计量经济学的方法，结合地理信息系统（GIS）技术，对中国农业绿色全要素生产率进行空间分异分析。

同时，通过构建计量经济模型，我们识别并量化了影响绿色全要素生产率的关键驱动因素。

在数据来源方面，我们主要采用了国家统计局、农业部以及各省、市、自治区的农业统计数据。

基于SBM-GML指数的农业绿色全要素生产率及影响因素分析

基于SBM-GML指数的农业绿色全要素生产率及影响因素分
析
袁世一
【期刊名称】《现代农业》
【年(卷),期】2024(49)1
【摘要】研究使用全局SBM-GML指数对中国31个省份2011—2019年的农业绿色效率值和绿色全要素生产率进行测算和分解,并运用Tobit模型对影响因素进行了分析。

研究结果表明,我国农业的绿色全要素生产效率增长较为缓慢,其中技术效率是推动增长的关键因素,技术进步一定程度上起到了制约作用。

从全国31个省份整体来看,2019年有14个省份实现农业绿色有效,河南、江西和广东的农业绿色全要素生产率增长率位列全国前三。

经济发展水平、产业结构和财政支出对农业绿色全要素生产率提高具有正面影响,人力资本结构、环境规制则具有负面影响;自然灾害对全国、中部和西部的农业绿色全要素生产率提高产生负效应,对东部则产生正效应。

【总页数】8页(P46-53)
【作者】袁世一
【作者单位】中国农业科学院农业信息研究所
【正文语种】中文
【中图分类】F323.22
【相关文献】
1.我国农业全要素生产率的区域差异及影响因素r——基于DEA-Malmquist指数省际面板数据的实证分析
2.基于DEA-Malmquist指数的中国农业全要素生产率时空差异及影响因素分析
3.山东省制造业绿色全要素生产率的测量及其影响因素分析——基于DEA-Malmqiust指数方法模型的实证分析
4.粮食主产区农业绿色发展的影响因素、质量测度与动力分析——基于绿色全要素生产率视角
5.黄河流域农业绿色全要素生产率实证分析:基于SBM-GML指数模型
因版权原因，仅展示原文概要，查看原文内容请购买。

中国农业生产非效率的影响因素分析

一
、
引
言
作为世界上人口最多，同时又占有着与美国、洲大陆相当面积的国家，欧中国基于其有限的耕地（占美国的四分之三）证明了它在粮食上自给自足方面的决心。然而，只，世界贸易组织最近的统计数据显示，００年中国农业有大约２２０９亿美元的贸易赤字（ａ，０２。中国未来能够多大程度上养活其庞大的人口仍然是一个有争议的问题。Ｇｌ２０）ｅ然而，业贸易和国内农业产出的进一步增加将会伴随着肉类、类、果、农鱼水蔬菜以及其他被新兴中产阶级视作高价值的农产的需求增加（ａｅ２０）Ｇｌ，０２。如果要使得这种增长方式可持续，么有利于提高农业生产效率的政策就将变得越来越重要。这些政策将那限制对自然环境、源和基础设施的破坏。事实上，着农业用地面积的日益减少水随（ａａｄＬｕ９８，业产量的增加更多地是要依靠技术进步推动生产可能性边界向Ｙｏｎｉ，１９）农外移动和技术效率的提高来实现。一般认为，高技术的方法就是增加研发支出，提但
的参与农业劳动的劳动力比率较高，么其农业生产的效率也会较低，那因此，促进劳动力从农
业部门（不一定是农村）的流出会带来农业效率的提升，一结果也同时对鼓励农村地区人这

农业发展的全要素生产率研究

农业发展的全要素生产率研究近年来，随着全球人口的增加和现代农业技术的不断发展，农业生产的效率在不断提高。

然而，农业发展的全要素生产率的研究却远未得到充分关注。

本文将从不同角度探讨农业发展的全要素生产率，并分析其意义和影响因素。

1. 全要素生产率的概念全要素生产率是指农业生产中，除劳动力和土地这两个要素外，还考虑其他生产要素（如资本、技术）的贡献程度。

它反映了农业生产中技术进步和资源利用的效率。

全要素生产率的研究对于促进农业持续发展和粮食安全具有重要意义。

2. 全要素生产率的意义全要素生产率的提高可以带来诸多好处。

首先，它有助于提高农业生产效益，促进农民收入的增加。

其次，它可推动农业产业升级，提高农产品质量和食品安全水平。

此外，全要素生产率的增长还能减少资源的浪费，降低生产对环境的负面影响。

3. 影响全要素生产率的因素（1）技术创新：农业技术的不断进步是提高全要素生产率的关键因素。

例如，推广先进耕作技术和新型农药农肥，可以提高农业资源利用效率。

（2）资本投入：充足的资金投入是农业发展的基础。

适当增加农业的资本输入，可以改善农业设备和基础设施，提升农产品质量。

（3）市场环境：健全的市场体系对于农业发展至关重要。

稳定的市场价格和完善的市场机制有助于提高农民的积极性和参与度。

（4）教育和培训：提升农民的知识水平和技能，培养农业科技人才，是提高全要素生产率的重要手段。

4. 全要素生产率与农业可持续发展全要素生产率的提高和农业的可持续发展密不可分。

通过促进资源的有效利用和降低生产的环境影响，全要素生产率的提高有助于实现农业的可持续发展。

农业的可持续发展又反过来促进了全要素生产率的提高，形成良性循环。

5. 全要素生产率的国际比较在国际上，不同国家的农业发展水平和全要素生产率差距较大。

发达国家通常具有较高的全要素生产率，其农业发展已经趋于成熟。

然而，一些发展中国家和农业大国仍面临全要素生产率提升的挑战。

因此，可以借鉴发达国家的经验，并针对本国实际情况制定相应政策，以提高农业的全要素生产率。

中国桑蚕茧生产效率评价及影响因素分析

江苏农业科学２０１８年第４６卷第４期
— ２９３—
赵明，陈清．中国桑蚕茧生产效率评价及影响因素分析———基于超效率ＤＥＡ和Ｔｏｂｉｔ模型［Ｊ］．江苏农业科学，２０１８，４６（４）：２９３－２９７．ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０１８．０４．０７２
中国桑蚕茧生产效率评价及影响因素分析
这个决策单元排除在外，用剩余的决策单元的投入和产出的
线性组合来代替此ＤＭＵ的投入与产出，此时该ＤＭＵ随着投
入按一定比例增加仍能保持其相对有效性，增加最大比例值
就叫做该ＤＭＵ的超效率值。超效率值可能介于０和１之间，
也可能大于１。如某ＤＭＵ的超效率值为１．５３９，表明该ＤＭＵ
等比例增加５３．９％，仍能保持相对有效性。引入松弛变量Ｓ－、Ｓ＋，其中Ｓ－表示投入的剩余变量，Ｓ＋
服务费用、燃油动力费用等支出费用（元／ｈｍ２）
桑蚕茧产量（ｋｇ／ｈｍ２）
１．３数据处理与说明在使用ＤＥＡ模型对决策单元的生产效率进行测度时，各
个投入变量和产出变量必须符合“同向性”和“自由度”的要求。同向性要求产出变量和各投入变量之间必须是正相关，如果某投入变量和产出变量之间是负相关，则该投入变量必须进行处理。验证同向性最常用的方法是Ｐｅａｒｓｏｎ相关性检验方法。笔者使用Ｐｅａｒｓｏｎ相关性检验方法对我国１５个主产省（市、区）桑蚕茧产量与各投入变量相关性进行检验时发现，单位面积桑蚕茧产量和种子投入费用呈负相关，不符合同向性假设，因此将该投入变量剔除。［１２］处理后的投入产出数据以及相关系数见表２、表３。自由度要求ＤＭＵ数量必须大于投入变量与产出变量之和的２倍，本研究选取我国１５个桑蚕茧主产省（市、区）的生产效率作为ＤＭＵ，故ＤＭＵ数量为１５，经过处理后投入变量数

不同养殖方式下奶农的技术效率及其影响因素分析——基于呼和浩特市的调查和SFA方法应用

正态分布，即ＵＮ（Ｏｕ。其中，ｍ＝ｉｍ＇）２ｚ６为效。
率损失函数，ｚ是影响生产单位ｉ术效率水平的技变量；８为对应的待估参数，反映变量ｚ对技术效率的影响，负值表明该变量对技术效率有正影响，正值表明对技术效率有负影响。方程（）虽然有线性特征，但方程的误差项１
分别占全国的２．％和１．１４６３９９％，均居全国第一位。在内蒙古自治区的１１０个旗县区中，奶牛达９个、６养殖户达５２万户、存栏量在１０头以上的奶牛养０
殖场（区）有１０小５０多个，在场奶牛３０多万头。
模式不可能全部取消的情况下，出现了家庭散养、小区养殖和规模化牧场三种方式共存的局面。然而，政府推动奶牛养殖方式向集约化、标准化和规
模化方向发展。更多是出于监管方便和奶源质量安全责任的考虑．但是否经济上有利于奶农并没有明确的答案。
国内已有文献对奶业的技术效率进行了相关研究，但研究的内容、侧重点和方法各不相同。技术效率是计算实际产量与最大可能产量之间的比率关
系，反映现实产出与理论最优产出的差距。国内研
Hale Waihona Puke 究奶业主体技术效率的主要方法有随机前沿函数方
法（Ｆ）ＳＡ、数据包络方法（Ｅ、随机距离函数ＤＡ）
调查资料数据》（０５２０）分析了中国不同地２０ — ０７区原料奶的生产技术效率 ③ ；卢宁、李国平利用１９～０７年的省际面板数据，分析了中国乳制品９８２０

中国林业生产的技术效率测算与分析

篇论文的发表则标志着随机前沿技术的诞生。建立具体
的随机前沿模型时，需要考虑设定生产函数形式。由于传
统的ｃ — Ｄ生产函数暗含一个前提假设：各种生产投入要素
素对效率值的影响，在此分析基础上提出提高林业生产力
２．２模型构建
２．２．１随机前沿生产函数
Ｆａｒｒｅｌ于１９５７年最早提出随机前沿分析方法（ＳＦＡ），随后得到了众多学者的广泛应用和发展。Ｍｅｅｕｓｅｎ＆
ＶａｎｄｅｍＢｒｏｅｃｋ［１０］Ａｉｇｎｅｒｅｔａ１． …
田杰等：中国林业生产的技术效率测算与分析
业生产效率时忽视了一个非常关键的问题，即林业产业有
影响林业生产技术效率的因素包含社会经济条件、人
其独特的自然属性，自然环境因素对林木生长有着不容忽视的作用。Ｈａｕｓｅｎｂｕｉｌｌｅｒ通过分析提出，林业生产效率
平均文化程度用平均受教育年限来表示，假定大专、高中
８９家森林和纸业公司的生产要素配置效率进行分析，并
把自然环境因素和统计噪声加入分析模型中，发现其确实
会对效率值产生影响。类似的观点国内研究也有提出，姚
另外，目前测度技术效率的方法主要有两种：一种是

浅谈提高作物产量的措施及一些因素对作物产量形成的影响

《作物学通论》课程论文指导老师：李伶俐学院：植物保护学院班级：植物保护1班姓名：李映虹学号：07浅谈提高作物产量的措施及一些因素对作物产量形成的影响摘要：作物科学是农业科学的核心学科之一。

作物，即直接或间接为人类需要而栽培的植物。

近年来，因为环境与全球经济的变化，导致某些地区的作物低产，农民遭受损失的现象。

这使得我们更加重视作物生产，对国民经济建设起推动作用。

本论文，从外因和内因两个大方面分析了影响作物高产的因素，以及提高作物产量的措施，以便在作物生产中有更高的效率及更快的发展。

关键词：作物高产外因内因措施形成影响农业是国民经济的基础，而作物生产是农业生产系统中的主体成分。

因此，作物生产是国民经济建设中至关重要的领域，作物产量潜力的改良是人类社会发展的需要,作物高产的遗传基础是作物遗传育种学家不断探讨和不断发明创造的重要的学术命题,特别是在像中国这样的人口大国,作物高产特性及其改良的途径一直是各类作物遗传改良的一项重要任务。

长期以来,作物遗传育种工作者对各种作物采取相应的措施来培育符合要求的新品种。

一般来说，.影响作物高产的因素概括起来有四个：地域因素、气候因素、遗传因素、种植技术。

这中间，有内因子（如遗传因素），也有外因（如气候因素）。

内因改变作物遗传的特性，外因控制作物生态因素。

因此，为提高农作物的单产量，获得早熟、抗倒伏、抗病等性状，科学工作者往往要综合这四个因素，因地制宜。

将提高作物产量潜力的途径归纳为育种手段、栽培措施、优化投入、控制逆境和改善环境等等在外因方面一、提高光能利用率1．延长光合作用时间（1）增加种植次数（也称增加复种指数）。

不同地区种植作物的次数不同，南方可以一年两季、三季，而北方只能一季到两季。

（2）套种：也说套作。

即在某一种作物生长的后期，在行间播种另一种作物，以充分利用地力和生长期，增加产量。

2．增加光合作用面积（1）合理密植：是指在单位面积的土地上，根据土壤肥沃程度等情况种植适当密度的植物。

基于三阶段DEA模型的中国农业生产技术效率研究

三农问题
新疆农垦经济
２１．ｏ２３
基于三阶段ＤＥＡ模型的中国农业
生产技术效率饼究
周迪韩桂兰
（新疆财经大学统计与信息学院新疆乌鲁木齐８０１）３０２
［要］摘本文采用三阶段ＤＡ方法，２０年～０９Ｅ对０５２０年我国３个省、自治区农业生１市、产效率进行分析。结果表明，一方面环境因素对于各地区农业生产有显著影响，中农村居民家其庭人均收入对农业生产效率有积极影响，而财政支农支出、自然灾害是农业生产效率的不利因素，另一方面在剔除环境因素影响后，各省市农业生产效率整体提高，区域差异明显，但东部最
企事业单位农业技术人员，映各地区农业人力反资本；５受灾面积。（）
三、实证结果分析
效率评估。之所以采用投入导向。由于ＶＳ已经Ｒ是一个相当成熟的ＤＡ模型，这里不再加以描Ｅ述，具体模型可以参阅Ｃｅｉ（９８；ｏｌ等１９）在第二ｌ阶段，用Ｔｂｔ回归模型而不是ＳＡ。第一阶段运ｏｉＦ
（）究方法一研
化水平，市化水平和农村人均纯收入一起可以城反映一个地区的宏观经济环境，城镇人口占总用人口之比来表示；３财政支农支出、映了政府（）反对农业的重视，由于只有对农林牧渔的财政支
使用投入产出数据进行单阶段ＤＡ分析，求算Ｅ

我国农业绿色全要素生产率的测度及其影响因素研究[001]

摘要1978年改革开放以来，我国农业发展成就突出。

但在农业快速发展的背后一些较为严重的问题也逐渐显现：资源短缺、环境质量下降、土壤退化等。

我国明确了农业发展要走资源节约、环境友好型道路，在保障农业基础地位和发展速度的前提下降低农业生产带来的资源浪费和环境污染。

但在以往研究农业全要素生产率的文献中，农业全要素生产率的测定过程主要关注要素投入带来的农业发展，较少关注环境污染等副产品的产出，未能对资源浪费和污染排放问题进行综合评价。

因此本文尝试在资源要素投入以及环境污染的非期望产出基础上分析我国农业绿色全要素生产率的特征及其影响因素，以期为我国农业效率的客观评价和农业可持续发展提供技术支撑，促进我国农业现代化进程中资源、环境和经济三者的协调发展。

首先，运用Metafrontier-ML模型，构造我国2003-2015年农业绿色全要素生产率的共同前沿面，并将我国31个省市划分为6大群组，在规模报酬可变的前提下测算了各地区的农业绿色全要素生产率。

在此基础上，为了进一步分析各地区农业效率进步的偏离程度，计算各地区的技术缺口比率（TGR）并分析其变动趋势。

其次，从全域空间自相关的Moran’I指数和Greay’C指数两个角度分析我国农业绿色全要素生产率的空间特征以及各地区空间集聚的差异性。

同时，为进一步探究我国农业绿色全要素生产率的基本特征，本文检验了各地区农业绿色全要素生产率趋向于统一收敛值的σ收敛、绝对β收敛，以及趋向于各自稳态路径的条件β收敛。

最后，运用空间动态杜宾模型，以地方财政自由度、环境规制、区域产业结构、投资开放度、研发强度、人口状况为控制变量，对农业绿色全要素生产率影响因素进行空间计量分析并计算模型的空间效益。

通过实证分析，得出以下主要结论：（1）从各地区的技术缺口比率TGR值来看，我国整体上农业生产效率的技术缺口比率平均值为0.602，且这一缺口呈现扩大趋势，各地区农业生产效率差异越来越明显。