山东省农业全要素生产率及其影响因素研究

来源:用户上传      作者:

　　摘要：选取山东省17地市2000—2016年面板数据，运用DEA-Malmquist指数测度和分解了山东农业全要素素生产率，并对其影响因素进行了实证分析。结果表明：山东农业全要素生产率整体呈现上升趋势，在鲁东、鲁中、鲁西三大地区间存在明显差异;机械化水平、财政支出水平、城市化水平、外资投入水平对山东农业全要素生产率有显著正向影响，环境恶化程度对山东农业全要素生产率有显著负向影响，灌溉用水效率、工业化进程、对外开放程度则影响并不显著。据此，应优化农业财政支出结构，以工业反哺农业、城市带动农村，加强农业技术创新以提高山东农业全要素生产率。
　　关键词：农业全要素生产率;区域差异;面板数据模型;DEA-Malmquist
　　中图分类号：S126文献标识号：A文章编号：1001-4942（2019）04-0162-08
　　Abstract With the panel data of 17 cities in Shandong Province from 2000 to 2016，  the total factor productivity of Shandong agriculture was measured and decomposed using the DEA-Malmquist index， and its influencing factors were empirically analyzed. The results showed that the agriculture total factor productivity presented an overall upward trend， and there were obvious differences among the three regions of east，middle and west of Shandong. The levels of mechanization， fiscal expenditure， urbanization and foreign investment had significant positive impacts on it. But the degree of environmental degradation showed significant negative impact on it. The impacts of irrigation water efficiency， industrialization process and openness were not significant. Accordingly， optimizing the structure of agricultural fiscal expenditure， industry feeding agriculture and cities driving rural areas and strengthening agricultural technology innovation should be done to improve the total factor productivity of Shandong agriculture.
　　Keywords Agricultural total factor productivity; Regional differences; Panel data model; DEA-Malmquist
　　農业是立国之本，农业停滞的经济体将不会有经济发展[1]。改革开放以来，中国农林牧渔总产值年均增长率超过10%，农业发展取得了举世瞩目的成就。研究发现，增加农业生产要素投入和提高农业生产效率是农业生产发展的关键来源[2]。近年来，中国农业面临生产资源不足、环境压力增大等诸多挑战，依靠加大土地、劳动、资本等要素投入实现农业经济持续增长不是长久之计，应着力提高农业全要素生产率，这是传统农业向现代农业转变的必然选择[3]。农业全要素生产率是农业发展质量和生产效率的重要指标，是冲破资源禀赋瓶颈的关键所在。那么，农业全要素生产率是什么水平？区域差异如何？受哪些因素影响？对于这些问题的回答，能够客观合理评判农业发展水平，识别农业生产中的问题，有利于农业可持续发展。
　　农业全要素生产率一直是学界关注的热点，现有研究主要集中在以下四个方面。在农业全要素生产率与经济发展的关系方面，农业改革下农业生产率的提高促进了中国经济增长[4]，而经济增长的同时也促进了农业全要素生产率的提高[5]。另外，农业全要素生产率还通过将剩余劳动力向非农部门转移以增强非农生产效率进而实现国家经济繁荣[6];在农业全要素生产率的时空演变方面，学者从资源环境约束[7]、碳排放约束[8]等视角对中国农业全要素生产率进行了测度和分解，研究发现中国农业全要素生产率整体处于上升趋势[9]，具有明显的阶段性变化特征[10]，其动力主要来源于技术进步而非技术效率变化[11]，而且农业全要素生产率具有较大的区域差异[12]，表现为东部、中部、西部依次递减趋势，与农业经济发展现状相吻合[13];在农业全要素生产率的影响因素方面，农业基础设施[14]对农业生产率具有显著促进作用，相比机械化水平[15]和电力消费[16]，灌溉设施[17]的作用最大。叶初升等[18]认为农业财政支出能够影响农业全要素生产率，主要通过改变农业生产结构进而推动农业经济增长。此外，农业全要素生产率还受到外商投资水平[19]、生产性服务业发展[20]、对外开放程度[21]、人力资本[22]等众多因素影响;在研究方法的选取上，主要分为两种：第一种是以随机前沿分析法（SFA）为主的参数估计法，由于其将环境变化和随机因素对生产行为的影响纳入考虑范围，更加符合农业生产特性，受到张乐[23]、李翔[24]等的青睐。第二种是以数据包络分析为主的非参数估计法，借助于纯数学规划确定生产前沿面，无需估计模型，运用范围较广，其中DEA-Malmquist指数最为流行，李谷成[25]、高帆[26]、尹朝静[27]等均采用此种方法测算农业全要素生产率。 　　综上所述，对农业全要素生产率的研究取得了丰硕成果，但多分析全国层面农业生产率的时空变动和影响因素，在微观上对某一省份具体情况及省域内各地区间农业全要素生产率差异及其影响因素仍需进一步的探究。山东是农业大省，对中国农业发展起着重要作用，但近年来农业增速缓慢，生产效率下降，在此背景下，农业能量的释放将更多依靠农业全要素生产率的提高。基于此，文章采用DEA-Malmquist指数法对2000—2016年山东各地市农业全要素生产率进行测算和分解，对比分析鲁东、鲁中、鲁西地区农业发展差异，建立面板数据模型考察全省及各地区不同因素对其农业全要素生产率的影响，根据研究结论提出相关政策建议，以期提升区域农业全要素生产率。
　　1 数据来源与研究方法
　　1.1 数据来源
　　选取2000—2016年山东省17地市面板数据，使用DEAP 2.1软件测度各地市农业全要素生产率指数，分析所用数据均源自对应年份《山东统计年鉴》、《山东农村统计年鉴》以及各地市统计年鉴。
　　1.2 农业全要素生产率的测算
　　1.2.1 指标选取
　　研究对象为广义农业（农林牧副渔）。测算农业全要素生产率需选取投入指标和产出指标。投入指标主要有：（1）土地投入：农作物总播种面积，以千公顷为单位;（2）劳动力投入：农林牧渔业从业人员，以万人为单位;（3）机械投入：农业机械总动力，以万千瓦为单位;（4）化肥投入：农用化肥施用量（折纯量），包括氮、磷、钾和复合肥，以万吨为单位;（5）灌溉投入：有效灌溉面积，以千公顷为单位;（6）电力投入：农村用电量，以亿千瓦时为单位。产出指标选取农林牧渔总产值，以亿元为单位，并根据农林牧渔总产值指数（以2000年为基期）进行调整，以消除价格波动带来的影响。各指标的描述性统计见表1。
　　1.2.2 DEA-Malmquist指数
　　该模型可对跨时期数据进行动态效率分析，且无需设置生产函数，避免了函数形式设置错误带来的测算误差，该模型已被广泛应用于全要素生产率的测算。
　　Fare等[28]提出从t到t+1时期的DEA-Malmquist指数如下所示：
　　mixt+1，yt+1，xt，yt=dti（xt+1，yt+1）dti（xt，yt）×dt+1i（xt+1，yt+1）dt+1i（xt，yt）12。[JY]（1）
　　在规模报酬不变（CRS）假设下，将全要素生产率（TFP）分解为技术进步变化（TECH）和技术效率变化（EFFCH），如下：
　　mixt+1，yt+1，xt，yt=dt+1ixt+1，yt+1dtixt，yt×
　　dtixt，ytdt+1ixt，yt×dt+1ixt+1，yt+1dt+1ixt+1，yt+112。[JY]（2）
　　式（2）中，第一项为技术效率变化，第二项为技术进步变化，d为投入导向距离函数。在此基础上，假定规模报酬可变（VRS），可将技术效率变化进一步分解为纯技术效率变化（PECH）和规模效率变化（SECH），公式如下：
　　mi（xt+1，yt+1，xt，yt）=dti（xt，yt）dt+1i（xt+1，yt+1）×dt+1i（xt+1，yt+1/VRS）dti（xt，yt/VRS）×dti（xt，yt）dt+1i（xt，yt）×dti（xt+1，yt+1）dt+1i（xt+1，yt+1）12。[JY]（3）
　　式（3）中，第一项为规模效率变化（SECH），第二项为纯技术效率变化（PECH），第三项为技术进步变化。需要说明的是，Malmquist指数测算的是t到t+1时期生产率指数的几何平均值。因此，当指数数值大于1时，表明生产效率提高;小于1时表明生产效率下降;等于1则意味着生产效率保持不变。
　　1.3 变量设定与模型构建
　　农业生产受到諸多因素的影响，参考相关文献并兼顾数据的可得性，文章选取灌溉用水效率、机械化水平、财政支出水平、城市化水平、工业化进程、对外开放程度、外资投入水平、环境恶化程度等8个解释变量。
　　（1）灌溉用水效率（Water）：用各地市有效灌溉面积（千公顷）与农作物总播种面积（千公顷）之比表示。该值一定程度上体现了农田水利设施建设情况，灌溉设施水平越高，则越有利于提高农业生产率。
　　（2）机械化水平（Machine）：以各地市单位农作物播种面积的农用机械总动力表示，即农业机械总动力与农作物总播种面积的比值，单位为千瓦/公顷。机械化是现代农业的重要标志，机械化水平提高可减少人力投入，极大增加劳动效率，实现规模经营。
　　（3）财政支出水平（Finance）：用各地市农林水事务支出（万元）占各地市财政支出（万元）的比重表示。财政政策是农业平稳健康发展的“灯塔”，通过增加对农业的财政扶持可增强农业科技创新能力，完善农业基础设施建设，激发农民劳动积极性，进而促进农业全要素生产率水平的提升。
　　（4）城市化水平（Urban）：以各地市非农人口（万人）与总人口（万人）的比值衡量。该值表示农业人口向城市迁移的程度，一般说来，在城市化过程中农业领域劳动力不断流向城镇，使得土地大面积集中，为农业生产的规模化经营提供了客观条件，但人才流失也造成了人力资本的下降。
　　（5）工业化进程（Industry）：以各地市第二产业增加值（亿元）与地区生产总值（亿元）之比表示。工业化的不断推进一方面造成农业生产要素外流，限制农业效率水平的增长幅度，另一方面工业发展带来的正外部性也会实现对农业的“反哺”。
　　（6）对外开放程度（Open）：用各地市进出口总额（亿元）与地区生产总值（亿元）比值表示。其中，进出口总额以人民币为计量单位，通过各地市进出口总额（美元）乘以当年人民币对美元的汇率得出。农业与世界接轨，可以引进国外先进的农业生产技术和新型农产品销售模式，提高本地区农业发展质量，但也产生了市场竞争加剧、短期内生产结构难以改变等问题。 　　（7）外资投入水平（Capital）：以各地市实际利用外商投资额（亿元）占地区生产总值（亿元）的比重表示。通过吸引外商投资，能够增加本地区农业的资金活力，在产业间的竞争、模仿和合作中提高农业生产效率。
　　（8）环境恶化程度（Nature）：以各地市农作物受灾面积（千公顷）与农作物总播种面积（千公顷）之比表示。农业具有弱质性，易受光照、降水、温度、灾害等因素的影响，故自然环境不可忽视。该值越大，表明环境状况越恶劣，越不利于农业生产。
　　基于此，为探究山东农业全要素生产率的影响因素，文章使用面板数据模型进行分析：
　　TFPi，t=α0+α1Wateri，t+α2Machinei，t+α3Financei，t+α4Urbani，t+α5Industryi，t+α6Openi，t+α7Capitali，t+α8Naturei，t+μi+εi，t。[JY]（4）
　　其中，TFP代表农业全要素生产率，i=1，2，…，17表示山东省17个地市，t代表年份，μi为各地市不可观测的固定效应，εi，t为随机干扰项。模型所涉变量描述性统计见表2。
　　2 结果与分析
　　2.1 农业全要素生产率分析
　　根据各地市地理位置和农业特点，将17地市分为三大区域，鲁东地区：青岛、烟台、潍坊、日照、威海;鲁中地区：东营、济南、淄博、泰安、莱芜、临沂、滨州;鲁西地区：济宁、德州、聊城、菏泽、枣庄。各地市农业全要素生产率见表3。
　　山东农业全要素生产率整体呈现增长趋势，地域上表现为鲁中高，鲁东、鲁西低，这与李谷成[29]、全炯振[30]得出的中国农业全要素生产率自东、中、西依次递减的结论不一致。可见，农业全要素生产率在山东省有着独特的区域分布特性。具体表现为，2000—2016年期间，鲁中地区农业全要素生产率年均增长率最大，为3.7%，显著高于鲁东地区的1.8%和鲁西地区的2.2%，而且鲁西、鲁东地区的农业全要素生产率均低于山东省平均增长率2.7%。值得一提的是，鲁东、鲁西地区农业全要素生产率虽低于鲁中地区，但并没有出现农业生产的停滞和倒退，其农业发展仍取得了一定程度的进步，只是增长幅度不够明显。
　　鲁中地区各地市农业全要素生产率均处于增长状态，其中滨州、淄博、东营、莱芜的增长速度较快，年均增长率分别为4.8%、4.6%、4.3%、4.2%。鲁东地区除日照保持不变外其余各地市农业全要素生产率均处于增长状态，而鲁西地区所有地市农业全要素生产率均呈现增长态势，鲁西地区农业全要素生产率略高于鲁东地区。这说明山东农业全要素生产率的增长状况与地区经济发展水平并非绝对一致。理论上，鲁东地区经济体量大、对外贸易发达，能为农业提供足够的资金、技术、人才等支持，人口稠密所形成的巨大消费潜力也会有效拉动农业生产，理应成为农业生产高速发展区域，但魯中地区却成为事实上的农业全要素生产率高增长区，而鲁东地区是事实上的农业全要素生产率低增长区，这充分表明农业全要素生产率受多种因素影响，正是由于众多因素共同作用才造成了各地区之间农业全要素生产率的差异。
　　山东农业全要素生产率规模效率年均增长0.6%，其中，鲁西地区增长最快，年均增长1.0%，鲁中、鲁东地区位列其次，分别为0.6%和0.2%，而全省纯技术效率保持不变，甚至在鲁东和鲁西地区出现了负增长，充分表明规模效率增速虽缓，但相较于纯技术效率仍对山东农业全要素生产率增加起着重要作用，加大农业生产要素投入，扩大生产规模可以获取规模经营效益。因此，在过去很长一段时间内，山东农业产出增长为物质投入推动的粗放型增长模式。这与赵芝俊[31]等的研究结论相一致。
　　农业全要素生产率可分解为技术效率和技术进步，全省技术进步年均增长2.1%，技术效率指数为1.006，增速缓慢。鲁东、鲁西地区技术效率没有变化，其中青岛、日照、德州、聊城、菏泽的技术效率处于倒退状态，但其对应的技术进步均呈现明显增长态势。另外，在技术水平进步与技术效率提高并存的地市，除淄博、莱芜、临沂外技术进步增长速度均高于技术效率，这说明山东农业全要素生产率增长带有明显“粗放”特征的同时，技术进步是其主要推动力。
　　2.2 农业全要素生产率影响因素分析
　　2.2.1 相关性分析
　　考虑到多重共线性问题，文章采用Pearson相关系数考察各变量间可能存在的共同趋势，检验结果见表4。可以发现，多数变量间存在1%显著水平下的相关关系，Open与Capital的相关系数最高为0.592，较为合理。且所有解释变量间的VIF值均小于10，可以判断各变量间不存在多重共线性，适合进行回归分析。[FL）]
　　2.2.2 实证结果分析
　　对比普通标准误与聚类稳健标准误发现二者相差不大，可进行Hausman检验。检验结果表明对山东农业全要素生产率影响因素进行回归分析时应采用固定效应模型。回归结果见表5。可以发现：
　　第一，灌溉用水效率对山东农业全要素生产率有正向影响。农田水利设施作为一种公共品，能够满足农作物生长的基本用水需求，增强农田对于自然灾害（旱灾）的抵抗能力，从而提高农业全要素生产率。分区域看，鲁东、鲁西地区灌溉用水效率对于农业全要素生产率具有促进作用，而鲁中地区却为抑制作用，这表明鲁中地区的农田水利设施供求不平衡，可能存在由于供小于求而引发的“过度使用”和“拥挤效应”，降低了农业全要素生产率。
　　第二，机械化水平对山东农业全要素生产率有显著正向影响。山东地区地形复杂，以山地和丘陵为主，农业生产机械化可大幅减少人力劳动的投入，降低作业难度，提高作业效率，是农业现代化的重要标志。相较于鲁东、鲁中地区，鲁西地区机械化水平对农业全要素生产率的促进作用最大，这是因为鲁西地区多为黄河冲积平原，地势平坦，便于农用机械进行作业，机械投入效用得以发挥，对农业全要素生产率有明显提升作用。 　　第三，财政支出水平对山东农业全要素生产率有显著正向影响。财政支农支出主要用于农业基础设施建设，改善农业生产条件，以此提高农民生产积极性，能够有效解决农业公共品外部性问题，实现农业资源合理利用。分区域看，财政支农支出对鲁东、鲁西地区农业全要素生产率具有显著促进作用，对鲁中地区影响却不显著，说明鲁中地区的农业财政支出结构需进一步调整优化。
　　第四，城市化水平对山东农业全要素生产率有显著正向影响。城市化过程中农村人口涌向城市，农村劳动力减少，人均土地面积增大，土地得以集中连片，为农业生产规模化提供了客观条件。另外，在政策鼓励和引导下，部分流出人口开始回流，积极创办家庭农场等新型农业经营主体，提高了农业全要素生产率。分区域看，城市化建设在鲁东、鲁中地区有显著提升作用，在鲁西地区提升作用不明显，这可能与农业资源回流机制建立不够完善有关。
　　第五，工业化进程对山东农业全要素生产率有负向影响。农业发展与工业发展联系密切，工业发展的同时为农业生产提供了新技术，有利于农业生产高效进行。但山东省并未出现工业反哺农业现象，这说明工业发展吸引了大量农业劳动力，侵占了农业生产用地，要素投入严重不足导致了农业生产效率的下降。分区域看，工业化进程仅对鲁西地区农业全要素生产率有正向作用，而鲁东、鲁中地区均为负向影响，这是由于鲁东、鲁中地区工业发展过快，对农业生产的带动能力不足。
　　第六，对外开放程度对山东农业全要素生产率有正向影响。山东农业与世界贸易体系接轨，加快了本地与各国（地区）农业之间的交流合作，出口特色优质农产品确立市场地位，学习先进农业生产技术和管理理念，有效推动了农业发展。分区域看，对外开放程度对鲁西农业全要素生产率的促进作用最大，对鲁东、鲁中地区的作用则较小。究其原因，鲁东、鲁中地区对外开放程度深，受到的市场冲击大。
　　第七，外资投入水平对山东农业全要素生产率有显著正向影响。外商资本投入增加了本地农业发展的资金活力，提高了可利用资金水平，改善了农业技术进步和规模效率，对提升农业全要素生产率有重要作用。分区域看，外资投入水平对鲁东、鲁中地区农业生产效率有促进作用，而对鲁西地区的影响却为负向，这表明鲁西地区外资投入力度不足，应进一步吸引外资推动农业发展，增强农业全要素生产率。
　　第八，环境恶化程度对山东农业全要素生产率有显著负向影响。自然灾害具有不稳定性，一旦发生，便会对农业生产经营活动产生阻碍效应。分区域看，环境恶化程度对鲁东、鲁中地区有显著负向影响，但对鲁西地区的影响却不显著，这说明环境恶化会对鲁西地区农业全要素生产率产生抑制作用，但并非主要因素。
　　3 结论与启示
　　本文利用2000—2016年山东省17地市面板数据，运用DEA-Malmquist指数测算了各地市农业全要素生产率，工业化进程并建立回归模型对其影响因素进行了分析。结果表明：山东农业全要素生产率为粗放型增长模式，且主要由技术进步推动，山东农业整体呈现增长态势，年均增长2.7%，分区域看，鲁中地区增速快，鲁西、鲁东地区增速较低，地区差异明显;农业全要素生产率受多种因素影响，其中，机械化水平、财政支出水平、城市化水平、外资投入水平等显著正向影响山东农业全要素生产率，工业化进程、环境恶化程度等因素则对山东农业全要素生产率有显著负向作用，各区域影响因素也存有差异。鲁东地区受机械化水平、财政支出水平、城市化水平、外资投入水平、环境恶化程度影响显著，鲁中地区受机械化水平、城市化水平和环境恶化程度影响显著，鲁西地区受机械化水平、财政支出水平影响显著。根据上述研究结论，提出如下政策建议。
　　（1）优化农业财政支出结构。在进一步提高财政支农支出规模的同时，稳定农业支出在财政总支出中的比重，改变传统单一的种粮补贴，实行环保补贴、种粮补贴等多种补贴方式相结合的政策，激发农民生产积极性。另外，加强农业基础设施建设，为农业生产营造良好外部环境。
　　（2）推动工业反哺农业，城市带动农村。针对鲁东、鲁中等城市化水平高且工业发达的地区，政府制定相应政策，鼓励和引导技术、资金、管理等向农村农业转移，以提升农业全要素生产率。
　　（3）加强农业技术创新与推广。应重点发展节水灌溉、植保机械等绿色创新技术，加大机械投入力度，实行农业生产的纯机械化，提高农业发展对自然灾害的抵抗能力。同时，对农民进行病虫害识别与防治、农机使用与维护等技术培训，加快农业新技术的推广与应用。
　　参 考 文 献：
　　[1] Lewis A.Economic development with unlimited supplies of labour[J].The Manchester School，1954，22（2）：139-191.
　　[2] Kalirajan K P，Obwona M B，Zhao S.A decomposition of total factor productivity growth： the case of Chinese agricultural growth before and after reforms[J].American Journal of Agricultural Economics， 1996，78（2）：331-338.
　　[3] 盧小丽.三峡库区农业转型发展的时空分析及问题识别——基于全要素生产率视角[J].中国农业资源与区划，2018，39（9）：162-168.
　　[4] Gulati A，Fan S.The dragon and the elephant：agricultural and rural reforms in China and India[J].Economic & Political Weekly，2008，43（26/27）：137-144. 　　[5] Gollin D.Agricultural productivity and economic growth[M]//Handbook of Agricultural Economics.Elsevier，2010.
　　[6] Cao K H，Rosenzweig M R.Agricultural productivity， structural change，and economic growth in post-reform China[J].Journal of Development Economics，2013，104（3）：165-180.
　　[7] 潘丹.基于资源环境约束视角的中国农业绿色生产率测算及其影响因素解析[J].统计与信息论坛，2014，29（8）：27-33.
　　[8] 张林，冉光和，蓝震森.碳排放约束与农业全要素生产率增长及分解[J].华南农业大学学报（社会科学版），2015，14（3）：22-32.
　　[9] 刘莉，张文爱.我国农业全要素生产率增长与空间溢出效应——基于31个省市区2000—2014年数据的实证分析[J].西部论坛，2017，27（6）：49-57.
　　[10]李谷成.技术效率、技术进步与中国农业生产率增长[J].经济评论，2009（1）：60-68.
　　[11]刘战伟.技术进步、技术效率与农业全要素生产率增长——基于农业供给侧改革视角[J].会计与经济研究，2017，31（3）：107-116.
　　[12]史常亮，朱俊峰，揭昌亮.中国农业全要素生产率增长地区差异及收敛性分析——基于固定效应SFA模型和面板单位根方法[J].经济问题探索，2016（4）：134-141.
　　[13]张永强，周宁，张晓飞，等.我国农业全要素生产率及其影响因素研究——基于资源环境约束视角[J].资源开发与市场，2017，33（6）：672-677，720.
　　[14]吴清华，冯中朝，何红英.农村基础设施对农业生产率的影响：基于要素投入的视角[J].系统工程理论与实践，2015，35（12）：3164-3170.
　　[15]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.
　　[16]郑云.中国农业全要素生产率变动、区域差异及其影响因素分析[J].经济经纬，2011（2）：55-59.
　　[17]王珏，宋文飞，韩先锋.中国地区农业全要素生产率及其影响因素的空间计量分析——基于1992—2007年省域空间面板数据[J].中国农村经济，2010（8）：24-35.
　　[18]叶初升，惠利.农业财政支出对中国农业绿色生产率的影响[J].武汉大学学报（哲学社会科学版），2016，69（3）：48-55.
　　[19]汪辉平，王增涛，王美霞.FDI对中国农业全要素生产率的空间溢出效应[J].西北农林科技大学学报（社会科学版），2017，17（1）：123-129.
　　[20]郝一帆，王征兵.生产性服务业能提升中国农业全要素生产率吗？[J].学习与实践，2018（9）：39-50.
　　[21]赫国胜，张微微.中国农业全要素生产率影响因素、影响效应分解及区域化差异——基于省级动态面板数据的GMM估计[J].辽宁大学学报（哲学社会科学版），2016，44（3）：79-88.
　　[22]张淑辉.异质性农村人力资本对农业绿色生产率的影响——基于中国省级面板数据[J].山西大学学报（哲学社会科学版），2017，40（5）：127-138.
　　[23]张乐，曹静.中国农业全要素生产率增长：配置效率变化的引入——基于随机前沿生产函数法的实证分析[J].中国农村经济，2013（3）：4-15.
　　[24]李翔，杨柳.华东地区农业全要素生产率增长的实证分析——基于随机前沿生产函数模型[J].华中农业大学学报（社会科学版），2018（6）：62-68，154.
　　[25]李谷成，范丽霞，成刚，等.农业全要素生产率增长：基于一种新的窗式DEA生产率指数的再估计[J].农业技术经济，2013（5）：4-17.
　　[26]高帆.我国区域农业全要素生产率的演变趋势与影响因素——基于省际面板数据的实证分析[J].数量经济技术经济研究，2015，32（5）：3-19，53.
　　[27]尹朝静.科研投入、人力资本与农业全要素生产率[J].华南农业大学学报（社会科学版），2017，16（3）：27-35.
　　[28]Fare R，Grosskopf S，Norris M.Productivity growth，technical progress，and efficiency change in industrialized countries：reply[J].American Economic Review，1994，84（5）：1040-1044.
　　[29]李谷成.人力資本与中国区域农业全要素生产率增长——基于DEA视角的实证分析[J].财经研究，2009，35（8）：115-128.
　　[30]全炯振.中国农业全要素生产率增长的实证分析：1978—2007年——基于随机前沿分析（SFA）方法[J].中国农村经济，2009（9）：36-47.
　　[31]赵芝俊，张社梅.近20年中国农业技术进步贡献率的变动趋势[J].中国农村经济，2006（3）：4-12，22.
转载注明来源:https://www.xzbu.com/8/view-14782986.htm