我國農(nóng)業(yè)生產(chǎn)技術(shù)效率評價研究

孟曉霞 曹洪軍 焦勇

摘要：科學(xué)評價農(nóng)業(yè)生產(chǎn)技術(shù)效率是推動農(nóng)業(yè)可持續(xù)發(fā)展、農(nóng)業(yè)現(xiàn)代化建設(shè)的重要前提。三階段DEA模型在測算農(nóng)業(yè)生產(chǎn)技術(shù)效率時會面臨樣本規(guī)模異質(zhì)性問題，進(jìn)而帶來調(diào)整誤差。本文從農(nóng)業(yè)生產(chǎn)技術(shù)效率的環(huán)境效應(yīng)和運氣差異兩個角度出發(fā)，基于修正的三階段DEA模型，改進(jìn)投入冗余的測算方式，改進(jìn)后的環(huán)境效益模型和運氣差異模型所測算2000—2013年我國農(nóng)業(yè)生產(chǎn)技術(shù)效率更加科學(xué)、穩(wěn)健。在此基礎(chǔ)上，本文進(jìn)而提出提高農(nóng)業(yè)科學(xué)技術(shù)效率的策略。

關(guān)鍵詞：農(nóng)業(yè)生產(chǎn)技術(shù)效率；三階段DEA模型；環(huán)境效應(yīng)模型；運氣差異模型

中圖分類號：F3047文獻(xiàn)標(biāo)識碼：A文章編號：1000176X（2016）04012406

一、引言

農(nóng)業(yè)生產(chǎn)效率從研究內(nèi)容看，主要包括技術(shù)效率、規(guī)模效率和配置效率三方面，其中技術(shù)效率用來衡量生產(chǎn)單元在等量要素投入條件下實際產(chǎn)出與生產(chǎn)前沿（最大產(chǎn)出）的距離，可進(jìn)一步分解為純技術(shù)效率和規(guī)模效率。由于準(zhǔn)確的價格信息不易獲取，資源配置效率不易計算，大多數(shù)研究者通常從技術(shù)效率或規(guī)模效率方面考察農(nóng)業(yè)生產(chǎn)效率[1]。農(nóng)業(yè)生產(chǎn)效率評價從主流的評價方法看，主要有參數(shù)方法即隨機前沿分析技術(shù)（Stochastic Frontier Analysis，簡稱SFA技術(shù)）和非參數(shù)方法即數(shù)據(jù)包絡(luò)分析方法（Date Envelopment Analysis，簡稱DEA）[2]。由于DEA方法具有客觀、細(xì)致、可行等優(yōu)點， 因此，自20世紀(jì)80年代后期該方法被介紹、引入后，就廣泛應(yīng)用于我國農(nóng)業(yè)生產(chǎn)效率研究中。然而，農(nóng)業(yè)生產(chǎn)具有天然的不確定性，DEA方法并不能剔除環(huán)境因素以及隨機誤差帶來的擾動，在進(jìn)行農(nóng)業(yè)生產(chǎn)效率評價時，F(xiàn)ried等[3]認(rèn)為，應(yīng)采用三階段DEA模型。李然和馮中朝[1]、李鵬和曾光[4]等采用該方法對我國農(nóng)業(yè)生產(chǎn)效率進(jìn)行了更深入的分析。

使用三階段DEA模型固然能夠剔除環(huán)境因素以及隨機誤差帶來的擾動，然而該模型在實際運用中仍然存在較大問題，即在決策單元（不同省份）的投入產(chǎn)出規(guī)模存在巨大差異時會產(chǎn)生極大的調(diào)整誤差。為此，本文嘗試做以下努力：（1）探討農(nóng)業(yè)生產(chǎn)效率計算誤差來源，對三階段DEA模型進(jìn)行改進(jìn)，建立環(huán)境效應(yīng)模型和運氣差異模型，為真實測度農(nóng)業(yè)生產(chǎn)技術(shù)效率提供一種科學(xué)的模型和方法。（2）檢驗我國農(nóng)業(yè)生產(chǎn)技術(shù)效率是否低下及不同地區(qū)間的農(nóng)業(yè)生產(chǎn)技術(shù)效率是否存在差異。

二、文獻(xiàn)述評

西方發(fā)達(dá)國家非常重視農(nóng)業(yè)生產(chǎn)效率，一些國家甚至設(shè)立了專門的機構(gòu)對農(nóng)業(yè)生產(chǎn)效率進(jìn)行監(jiān)測和評價。Farrell[5]是第一個對農(nóng)業(yè)生產(chǎn)效率進(jìn)行測度的學(xué)者，自其開創(chuàng)性地以“非預(yù)設(shè)生產(chǎn)函數(shù)”代替“預(yù)設(shè)函數(shù)”、利用數(shù)學(xué)規(guī)劃模型（該模型被認(rèn)為是DEA的原型）測算英國農(nóng)業(yè)生產(chǎn)效率以來，西方學(xué)者圍繞農(nóng)業(yè)生產(chǎn)效率展開了大量的研究，研究視角除關(guān)注某地區(qū)的農(nóng)業(yè)生產(chǎn)效率外，還關(guān)注跨地區(qū)的農(nóng)業(yè)生產(chǎn)效率和國與國之間的比較。如Kawagoe等[6]對跨地區(qū)的農(nóng)業(yè)生產(chǎn)效率分析后認(rèn)為，一個地區(qū)農(nóng)業(yè)生產(chǎn)效率的高低與地區(qū)發(fā)展水平密切相關(guān)，與勞動力生產(chǎn)率的高低關(guān)系不大。Ball等[7]對美國等10個國家1973—1993年間的農(nóng)業(yè)生產(chǎn)效率進(jìn)行了研究，結(jié)果顯示，資本積累與生產(chǎn)率的增長存在正相關(guān)關(guān)系。Vollrath[8]使用跨國公司數(shù)據(jù)，探討了農(nóng)業(yè)土地分配不公對農(nóng)業(yè)生產(chǎn)效率差異的影響。由于隨機前沿分析技術(shù)需要先預(yù)設(shè)生產(chǎn)函數(shù)模型對系數(shù)進(jìn)行估計，而且只消除了隨機干擾的影響，測算方法存在一定缺陷，因此，全炯振[9]結(jié)合Malmquist生產(chǎn)率指數(shù)（即曼奎斯特生產(chǎn)率指數(shù)）模型測算了各省份及各地區(qū)的農(nóng)業(yè)全要素生產(chǎn)率變化，研究結(jié)果表明，我國農(nóng)業(yè)全要素生產(chǎn)率增長的特征主要表現(xiàn)在三個方面：一是技術(shù)誘導(dǎo)型的增長模式；二是明顯的階段波動；三是地區(qū)間增長的不平衡性，并認(rèn)為，提高中國農(nóng)業(yè)全要素生產(chǎn)率的重要途徑是提高農(nóng)業(yè)技術(shù)效率水平。DEA方法不需要對生產(chǎn)函數(shù)預(yù)設(shè)，只通過投入、產(chǎn)出數(shù)據(jù)從規(guī)模效率、純技術(shù)效率和農(nóng)業(yè)綜合效率三個層面進(jìn)行測算，自1978年Charnes等[10]創(chuàng)立該方法以來，被廣泛運用于農(nóng)業(yè)生產(chǎn)效率評價。Haag等[11]運用DEA方法研究了美國德州Blacklan Prairie地區(qū)14個州的農(nóng)業(yè)生產(chǎn)率。相比于國外運用DEA方法對農(nóng)業(yè)生產(chǎn)效率開展的研究，我國學(xué)者在這方面進(jìn)行的研究更是卓有成效，產(chǎn)生了一大批研究成果。為避免價格因素對測算結(jié)果的影響，金懷玉和菅利榮[12]還采用非參數(shù)的DEA-Malmquist指數(shù)方法（全要素生產(chǎn)率指數(shù)法）研究了我國農(nóng)業(yè)全要素生產(chǎn)率，結(jié)果表明，我國農(nóng)業(yè)全要素生產(chǎn)率呈現(xiàn)較大的波動性，農(nóng)業(yè)全要素生產(chǎn)率指數(shù)普遍下降，主要原因是氣候變化所造成的自然災(zāi)害頻發(fā)。

傳統(tǒng)的數(shù)據(jù)包絡(luò)分析方法雖然不需要對生產(chǎn)函數(shù)預(yù)設(shè)，但沒有排除隨機變量和外部環(huán)境因素對農(nóng)業(yè)生產(chǎn)效率的影響，測算結(jié)果可能不能真實地反映農(nóng)業(yè)生產(chǎn)效率水平。三階段DEA模型綜合采用了數(shù)據(jù)驅(qū)動的DEA方法和隨機前沿生產(chǎn)函數(shù)方法，保留DEA模型計算結(jié)構(gòu)客觀性的同時，能夠很好地彌補傳統(tǒng)DEA模型存在的不足，因此，F(xiàn)ried等[3]認(rèn)為，在進(jìn)行農(nóng)業(yè)生產(chǎn)效率評價時，應(yīng)采用三階段DEA模型?；谌A段DEA模型，我國學(xué)者對農(nóng)業(yè)生產(chǎn)效率進(jìn)行了更深入的研究。李然和馮中朝[1]利用農(nóng)戶生產(chǎn)調(diào)查數(shù)據(jù)對2008年我國農(nóng)戶家庭經(jīng)營技術(shù)效率進(jìn)行了實證分析，認(rèn)為在同質(zhì)經(jīng)營環(huán)境和經(jīng)營運氣的條件下，區(qū)域間的生產(chǎn)決策與管理效率差異較小，農(nóng)戶生產(chǎn)決策與管理效率并不低下，但規(guī)模效率制約技術(shù)效率的進(jìn)一步提升。李鵬和曾光[4]研究了我國12個農(nóng)業(yè)大省的農(nóng)業(yè)生產(chǎn)效率，得出了湖北省農(nóng)業(yè)生產(chǎn)效率低于發(fā)達(dá)農(nóng)業(yè)省份的結(jié)論。劉子飛和王昌海[13]分析了陜西省洋縣的有機農(nóng)業(yè)生產(chǎn)效率，認(rèn)為有機化可以提高農(nóng)業(yè)生產(chǎn)效率，但效率的提高不是來源于非規(guī)模效率的改進(jìn)而是來源于純技術(shù)效率。鄧波等[14]對我國區(qū)域生態(tài)效率進(jìn)行了分析，研究發(fā)現(xiàn)區(qū)域生態(tài)效率在三階段DEA運算之后出現(xiàn)較大變化，并認(rèn)為這主要由環(huán)境和隨機誤差造成的。

綜上，自DEA方法被提出后，國內(nèi)外學(xué)者運用該方法對農(nóng)業(yè)生產(chǎn)效率進(jìn)行了大量研究，但由于該方法不能剔除環(huán)境因素及隨機誤差帶來的擾動，后來的學(xué)者改用三階段DEA模型對農(nóng)業(yè)生產(chǎn)效率進(jìn)行評價，但三階段DEA模型在處理差異巨大的決策單元時會帶來更大的調(diào)整誤差，對農(nóng)業(yè)生產(chǎn)效率評價起到嚴(yán)重的干擾作用?；诖?，有必要對三階段DEA模型進(jìn)行修正，進(jìn)而對我國農(nóng)業(yè)生產(chǎn)效率進(jìn)行較為穩(wěn)健的評價。

三、模型修正、變量與數(shù)據(jù)來源

1.三階段DEA模型

（1）第一階段：傳統(tǒng)DEA模型

假設(shè)農(nóng)業(yè)生產(chǎn)決策單元（Decision Making Units，簡稱DMU）有k個，每個決策單元有n種農(nóng)業(yè)生產(chǎn)要素投入，xn，k和ym，k代表第k個決策單元的第n種投入和第m種產(chǎn)出，則某一特定決策單位的效率值由如下的線性規(guī)劃方程求得：

min[θk-ε（∑mi=1s-+∑si=1s-）]

st∑Nn=1λnxn，k+s+=θkx0

∑Nn=1λnyn，k-s-=y0

∑Nn=1λn=1（1）

其中，θk代表決策單元的農(nóng)業(yè)生產(chǎn)技術(shù)效率值，s-和s+分別為投入和產(chǎn)出松弛變量。在θk=1的情況下，s-和s+的取值決定了決策單元的有效性：當(dāng)兩者均為0時，代表決策單元DEA有效；當(dāng)兩者均不等于0時，決策單元為弱DEA有效；θk<1時決策單元是非有效的。

（2）第二階段：決策單元投入變量的調(diào)整

Fried等[3]認(rèn)為，第一階段DEA模型中各決策單元的投入變量會受到管理無效率、環(huán)境效應(yīng)以及隨機誤差等三方面因素的影響產(chǎn)生松弛量，其中環(huán)境效應(yīng)和隨機誤差造成的效率偏差將會影響第一階段DEA評價的準(zhǔn)確度，需要加以剔除，具體分以下幾個步驟進(jìn)行：

首先，建立隨機前沿分析（SFA）模型。以第一階段計算得到的投入松弛量為被解釋變量，外部環(huán)境因素為解釋變量，對每一項投入的松弛量均建立一個SFA回歸方程：

sn，k=f（zk，βn）+Vn，k+Un，k（2）

其中，sn，k為第k個決策單元在第n項投入上的松弛量，zk=[z1，k，z2，k，…，zh，k]表示h個可觀測環(huán)境變量，β為環(huán)境變量的估計參數(shù)，V代表農(nóng)業(yè)生產(chǎn)過程中不可控制的因素，如區(qū)域氣候、統(tǒng)計誤差等，并假設(shè)Vn，k～N（0，σ2Vn），管理無效率U服從半正態(tài)分布，即Un，k～N（0，σ2Un），Vn，k與Un，k獨立不相關(guān)。

其次，根據(jù)Kumbhakar和Lovell[15]給出的估計公式計算管理無效率：

Un，k=λσ1+λ2φ（εiλ/σ）Φ（εiλ/σ）+εiλσ（3）

其中，φ（）和Φ（）分別是標(biāo)準(zhǔn)正態(tài)分布的密度函數(shù)和分布函數(shù)。綜合式（2）和式（3），推導(dǎo)出SFA模型中隨機誤差的表達(dá)式：

Vn，k=sn，k-f（zk，βn）-Un，k（4）

其中，sn，k可由第一階段DEA模型的投入松弛量求出，f（zk，βn）是可觀測的環(huán)境變量，Un，k可由式（3）計算得到。

在上述基礎(chǔ)上，剔除混合誤差中的環(huán)境效應(yīng)以及隨機誤差，從而使所有決策單元面臨相同的運氣，調(diào)整方法為：

xAn，k=xn，k+[maxn（zn，n）-（zn，n）]+[maxn（n，k）-n，k]（5）

其中，xAn，k和xn，k分別為調(diào)整后和調(diào)整前的投入量，maxn（zn，n）-（zn，n）表示以受環(huán)境影響最大的決策單元為參照進(jìn)行修改，從而使所有決策單元面臨相同的環(huán)境； [maxn（n，k）-n，k]表示以最大隨機誤差項為參照進(jìn)行調(diào)整，從而使所有決策單元處于相同的運氣水平。

（3）第三階段：重新運行DEA模型

使用xAn，k替代第一階段DEA模型中的投入變量xn，k，再次運用DEA模型，從而獲得調(diào)整后的更加準(zhǔn)確的效率值。

2模型改進(jìn)

運用傳統(tǒng)三階段DEA模型來調(diào)整規(guī)模上存在巨大差異的決策單元時，將會產(chǎn)生較大的估計誤差，而這種估計誤差來自于運氣調(diào)整。如2000年河北省的農(nóng)業(yè)機械總動力為2 48526萬千瓦，然而同期的北京、天津農(nóng)業(yè)機械總動力投入只有39921萬千瓦和59340萬千瓦，這樣在按照最差的運氣進(jìn)行調(diào)整時，會增加各決策主體的農(nóng)業(yè)機械總投入數(shù)值，產(chǎn)生嚴(yán)重的估計偏差。為此，需要對三階段DEA模型進(jìn)行改進(jìn)。

假設(shè)有兩個農(nóng)業(yè)生產(chǎn)決策單元D1和D2，在生產(chǎn)規(guī)模（以農(nóng)業(yè)產(chǎn)值表示）上存在巨大差異，D1是生產(chǎn)規(guī)模很大的地區(qū)，D2是生產(chǎn)規(guī)模較小的地區(qū)，設(shè)sD1=M，M為某一很大的固定值，且M>>XD2，sD1代表決策單元D1在第N要素投入中產(chǎn)生的冗余，并假定這一冗余值遠(yuǎn)大于決策單元D2在該要素上的投入值，假設(shè)M=K·XD2，其中K為規(guī)模超過D2的要素投入倍數(shù)，按照式（4），決策單元D1面臨的生產(chǎn)運氣相對較差，需要調(diào)整該要素投入，調(diào)整后的該要素投入為：

D1=XD1（6）

D2=XD2+[max（Vn，k）-Vn，k]

=XD2+[sD1-sD2]+[f（zD1，βD1）-f（zD1，βD1）]+[lnTED1-lnTED2]

=XD2+K-1KM+[f（zD1，βD1）-f（zD1，βD1）]+[lnTED1-lnTED2]（7）

三階段DEA模型中，在第二階段排除環(huán)境效應(yīng)和隨機誤差時，采用的調(diào)整方法是以受到環(huán)境干擾最嚴(yán)重的決策主體和隨機誤差最大、運氣最差的決策主體為參照系，然而由于不同省份的農(nóng)業(yè)生產(chǎn)存在數(shù)量級上的差異，容易導(dǎo)致在其他省份調(diào)整時出現(xiàn)調(diào)整幅度過大的問題。為此，可采用兩種不同的做法對環(huán)境效應(yīng)或運氣差異進(jìn)行誤差修正調(diào)整。第一種做法是不對隨機誤差所導(dǎo)致的決策單元的運氣水平進(jìn)行調(diào)整（原因是為避免誤差調(diào)整時受到特殊值的干擾出現(xiàn)更大的調(diào)整誤差），由此形成環(huán)境效應(yīng)模型。第二種做法是按照不產(chǎn)生投入松弛的運氣水平進(jìn)行調(diào)整（從要素投入是否發(fā)生冗余來看，沒有產(chǎn)生冗余要素所占比例較大，所以在調(diào)整時，只調(diào)整隨機誤差中的投入冗余），由此形成運氣差異模型。

3.變量定義與數(shù)據(jù)來源

參考國內(nèi)外相關(guān)文獻(xiàn)資料，并結(jié)合現(xiàn)實數(shù)據(jù)的可得性，我們選擇以下變量進(jìn)行分析：產(chǎn)出變量按照2000年不變價格計算的各地區(qū)農(nóng)林牧漁業(yè)產(chǎn)值（y）；投入變量包含農(nóng)業(yè)機械總動力（power）、化肥施用（fert）、播種面積（area）、第一產(chǎn)業(yè)從業(yè)人員（peop）以及農(nóng)業(yè)水資源（water）；外部環(huán)境變量包含工業(yè)化發(fā)展、受災(zāi)情況以及財政支農(nóng)情況，分別用工業(yè)化（indu）、成災(zāi)面積比重（plag）和財政支農(nóng)比重（fisc）表示。

由于2006年農(nóng)業(yè)機械總動力、化肥施用量、第一產(chǎn)業(yè)從業(yè)人員、2011年第一產(chǎn)業(yè)從業(yè)人員、2000年和2001年農(nóng)業(yè)用水總量等的數(shù)據(jù)缺失，參考國內(nèi)外研究做法，我們采用該數(shù)據(jù)的前后年指標(biāo)數(shù)值的算術(shù)平均值進(jìn)行推算。全國和省區(qū)數(shù)據(jù)均來源于《中國統(tǒng)計年鑒》（2001—2014年）和國家統(tǒng)計局網(wǎng)站。

四、檢驗結(jié)果與分析

1.描述性統(tǒng)計分析與同向性分析

表1為時間跨度為2000—2013年變量的描述性統(tǒng)計結(jié)果。

表1變量的描述性統(tǒng)計結(jié)果

變量單位均值最大值最小值標(biāo)準(zhǔn)差y億元52 07192696 99527224 91577624 394383power萬千瓦76 733355103 90673552 57361517 904824fert萬噸5 0178135 9118464 146002609877area千公頃157 113702 164 626937152 1495034 138809peop萬人29 66467132 79750627 0322541 999982water億立方米5 9113036 1834035 547807212796indu%4573847420437081068plag%142762199170294947fisc%8584952368421082

由表1可知，2000—2013年我國農(nóng)林牧漁業(yè)產(chǎn)值最大值為96 995272、最小值為24 915776、均值為52 071926、標(biāo)準(zhǔn)差為24 394383，說明我國農(nóng)林牧漁業(yè)產(chǎn)值差異較大。投入變量也表現(xiàn)出相同的趨勢。相比于產(chǎn)出變量和投入變量，外部環(huán)境變量的差異較小。

三階段DEA模型要求投入量增加時產(chǎn)出量也要增加，即各投入項與產(chǎn)出項之間要具有“同向性”。為此，我們采用Pearson相關(guān)系數(shù)對其進(jìn)行檢驗，檢驗結(jié)果如表2所示。

從表3可知，2013年全國農(nóng)業(yè)生產(chǎn)技術(shù)效率按照環(huán)境效應(yīng)模型和運氣差異模型測算的結(jié)果分別為0694和0696，表明我國農(nóng)業(yè)生產(chǎn)技術(shù)效率整體不高，尚有30%以上的提升空間，農(nóng)業(yè)產(chǎn)出仍然有較大增長潛力；按照三階段DEA模型測算的2000年和2013年全國農(nóng)業(yè)生產(chǎn)技術(shù)效率平均值分別為0586和0593，而同期按照環(huán)境效應(yīng)模型和運氣差異模型測算的全國農(nóng)業(yè)技術(shù)效率分別為0738、0748、0694和0696，后者比前者測算的結(jié)果分別高出0152、0162、0101和0103，各省2000年和2013年農(nóng)業(yè)技術(shù)效率測算結(jié)果也呈現(xiàn)了相同趨勢，即按照三階段DEA模型測算的全國農(nóng)業(yè)生產(chǎn)技術(shù)效率被低估。其原因是因為三階段DEA模型在進(jìn)行環(huán)境調(diào)整、隨機誤差調(diào)整，特別是在進(jìn)行隨機誤差調(diào)整時，是以決策單元所遭受的最差運氣為參照，由于農(nóng)業(yè)生產(chǎn)條件差異巨大，農(nóng)業(yè)生產(chǎn)規(guī)模存在巨大差異，按照最差運氣狀況進(jìn)行調(diào)整會出現(xiàn)估計誤差方差較大的問題。

此外，從環(huán)境效應(yīng)模型、運氣差異模型與當(dāng)年三階段DEA模型估計的農(nóng)業(yè)生產(chǎn)技術(shù)效率的差異看，2000年的差值分別為0152、0162，2013年的差值分別為0101、0103，相比之下，2013年模型間的農(nóng)業(yè)生產(chǎn)技術(shù)效率差異較小，這說明2013年我國農(nóng)業(yè)生產(chǎn)所承受的外部環(huán)境不確定性減小，我國農(nóng)業(yè)生產(chǎn)穩(wěn)定性得到強化。

五、結(jié)語

基于改進(jìn)后的環(huán)境效應(yīng)模型和運氣差異模型，本文使用2000—2013年間全國31個省份（或直轄市）的數(shù)據(jù)進(jìn)行分析，得到如下結(jié)論：第一，我國農(nóng)業(yè)生產(chǎn)技術(shù)效率整體不高，尚有30%以上的提升空間，農(nóng)業(yè)產(chǎn)出仍然有較大增長潛力；從結(jié)構(gòu)上看，各地區(qū)農(nóng)業(yè)生產(chǎn)技術(shù)效率差異較大；農(nóng)業(yè)生產(chǎn)技術(shù)效率存在長期被低估的現(xiàn)象。第二，相比于2000年，2013年農(nóng)業(yè)生產(chǎn)技術(shù)效率差異較小，農(nóng)業(yè)生產(chǎn)效率受外部環(huán)境的影響程度逐步減弱，農(nóng)業(yè)生產(chǎn)的穩(wěn)定性正在增強。

本文的貢獻(xiàn)主要體現(xiàn)在兩個方面：一是對現(xiàn)有衡量農(nóng)業(yè)生產(chǎn)效率的主要模型——三階段DEA模型進(jìn)行了改進(jìn)，農(nóng)業(yè)生產(chǎn)效率問題一直是各屆政府關(guān)注的重點、學(xué)界研究的熱點。傳統(tǒng)的農(nóng)業(yè)生產(chǎn)效率的模型——DEA模型由于不能剔除環(huán)境因素以及隨機誤差帶來的擾動，后來的學(xué)者改用三階段DEA模型對農(nóng)業(yè)生產(chǎn)效率進(jìn)行評價，但三階段DEA模型在處理差異巨大的決策單元時，將會帶來更大的調(diào)整誤差，對農(nóng)業(yè)生產(chǎn)效率評價起到嚴(yán)重的干擾作用，本文對三階段DEA模型進(jìn)行改進(jìn)，建立了環(huán)境效應(yīng)模型和運氣差異模型。二是本文運用環(huán)境效應(yīng)模型和運氣差異模型對我國農(nóng)業(yè)生產(chǎn)技術(shù)效率進(jìn)行了較為穩(wěn)健的評價，為政府制定提高我國農(nóng)業(yè)生產(chǎn)技術(shù)效率的相關(guān)政策和措施提供了支持。

參考文獻(xiàn)：

[1]李然，馮中朝環(huán)境效應(yīng)和隨機誤差的農(nóng)戶家庭經(jīng)營技術(shù)效率分析——基于三階段DEA模型和我國農(nóng)戶的微觀數(shù)據(jù)[J]財經(jīng)研究，2009，（9）：92-102

[2]張瀠文，張富剛，陳玉福基于DEA模型的江蘇省204國道樣帶區(qū)農(nóng)業(yè)生產(chǎn)效率評價[J]資源科學(xué)，2010，（2）：353-358

[3]Fried， HO， Lovell， C A， Schmidt， S S， Yaisawarng， S Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis[J]Journal of Productivity Analysis，2002，17（1）：157-174

[4]李鵬，曾光基于三階段DEA模型的湖北省農(nóng)業(yè)生產(chǎn)率研究[J]電子科技大學(xué)學(xué)報（社科版），2014，（4）：43-48

[5]Farrell，M J The Measurement of Productive Efficiency[J]Journal of the Royal Statistical Society，1957，120（3）： 253-290

[6]Kawagoe， T， Hayami，Y， Ruttan，V W The Intercountry Agricultural Production Function and Productivity Differences among Countries[J]Journal of Development Economics， 1985，19（6）：113-132

[7]Ball， V E， Bureau， J， Butault， J， Nehring， R Levels of Farm Sector Productivity： An International Comparison[J]Journal of Productivity Analysis， 2001，15 （1）：5-29

[8]Vollrath， D Land Distribution and International Agricultural Productivity[J]American Journal of Agricultural Economics， 2007，89（1）：202-216

[9]全炯振中國農(nóng)業(yè)全要素生產(chǎn)率增長的實證分析——基于隨機前沿分析（SFA）方法[J]中國農(nóng)村經(jīng)濟(jì)， 2009，（9）：36-47

[10]Charnes， A， Cooper， W， W， Rhodes， E Measuring the Efficiency of Decision Making Units[J] European Journal of Operation Research，1978， 2（6）：429-444

[11]Haag， S， Jaska， P， Semple， J Assessing the Relative Efficiency of Agricultural Production Units in the Blackland Prairie， Texas[J] Applied Economics，1992， 24 （5）：55-65

[12]金懷玉，菅利榮中國農(nóng)業(yè)全要素生產(chǎn)率測算及影響因素分析[J]西北農(nóng)林科技大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2013，（2）：29-35

[13]劉子飛，王昌海有機農(nóng)業(yè)生產(chǎn)效率的三階段DEA分析——以陜西洋縣為例[J]中國人口資源與環(huán)境，2015，（7）：119-126

[14]鄧波，張學(xué)軍，郭軍華基于三階段DEA模型的區(qū)域生態(tài)效率研究[J]中國軟科學(xué)，2011，（1）：92-99

[15]Kumbhakar， S C， Lovell， C K Stochastic Frontier Analysis[M]Cambnidge：Cambridge University Press，2000 20-43

（責(zé)任編輯：劉艷）