中國農(nóng)業(yè)生產(chǎn)效率測算及區(qū)域差異研究
——基于三階段DEA和Dagum基尼系數(shù)的分析

齊 新，姚藝千，吳 越，馮天易

（河海大學(xué) 商學(xué)院，江蘇 常州 213022）

0 引言

2022年中央一號文件的發(fā)布標志著中央政府連續(xù)第十九年將重點聚焦于三農(nóng)議題。三農(nóng)問題是我國經(jīng)濟和社會發(fā)展的關(guān)鍵問題，其中農(nóng)業(yè)作為國民經(jīng)濟的基礎(chǔ)，在促進國家經(jīng)濟增長方面具有至關(guān)重要的作用。隨著我國實現(xiàn)全面小康，我國經(jīng)濟取得了巨大發(fā)展，農(nóng)業(yè)發(fā)展進入了一個新的歷史階段。據(jù)國家統(tǒng)計局統(tǒng)計，截至2021年末，我國流動人口總量為38467萬人，常住人口城鎮(zhèn)化率為64.72%，鄉(xiāng)村常住人口為49835萬人，減少了1157萬人，農(nóng)村勞動力轉(zhuǎn)移規(guī)模不斷擴大。隨著勞動力從農(nóng)業(yè)部門向城市流動，農(nóng)村勞動力在土地上的禁錮狀態(tài)被逐步打破，農(nóng)地拋荒及農(nóng)業(yè)人口老齡化現(xiàn)象也愈發(fā)普遍［1］，然而各?。ㄊ?、區(qū)）間的農(nóng)業(yè)發(fā)展水平也仍存在較大差距。因此，如何在保證高質(zhì)量發(fā)展的同時，促進各?。ㄊ小^(qū)）之間協(xié)同發(fā)展，已經(jīng)成為當(dāng)前亟需解決的問題。

目前學(xué)術(shù)界對農(nóng)業(yè)生產(chǎn)效率的研究主要聚焦于效率測算、空間差異以及動態(tài)演進等方面。一是效率測算方面，如陳坤等［2-3］利用隨機前沿生產(chǎn)函數(shù)(SFA)和數(shù)據(jù)包絡(luò)分析法(DEA)測算了農(nóng)業(yè)生產(chǎn)效率；但隨機前沿生產(chǎn)函數(shù)未能考慮到技術(shù)上的不確定性以及生產(chǎn)函數(shù)的特殊分布，因此其計算結(jié)果可能與實際生產(chǎn)存在一定偏差［4］；許亞松等［5-8］則使用DEA方法對安徽省、四川省及中國其他各省的農(nóng)業(yè)生產(chǎn)效率進行了測算。由于DEA模型能夠更全面、準確地衡量多投入多產(chǎn)出的狀況，目前多被用于農(nóng)業(yè)效率測算方面的研究。此外，李紅艷等［9-10］使用它評估了黃河流域和整個國家的農(nóng)業(yè)生態(tài)效率，并從空間視角進行了相關(guān)分析。盡管上述測算方法可以提供一定的參考，但它們未能充分考慮到環(huán)境變量和隨機誤差對農(nóng)業(yè)生產(chǎn)效率的影響，從而限制了其研究結(jié)果的準確性和可靠性。二是空間差異研究方面，崔海洋等［11］通過聚類分析方法指出了長江經(jīng)濟帶農(nóng)業(yè)生產(chǎn)效率逐年波動發(fā)展；胡大雙等［12］根據(jù)時空特征分析得出，平均效率有效的地市主要集中在安徽的西南區(qū)域，其平均效率相對高于東北區(qū)域。從全國的視角來看，對農(nóng)業(yè)生產(chǎn)效率時空差異的研究［13-14］仍然相對較少，需要更多地深入探索和研究。三是分析農(nóng)業(yè)生產(chǎn)效率的動態(tài)演進特征方面，其中Kernel密度估計與Markov鏈方法常被用于相關(guān)研究，陳玉蘭等［15］通過對比分析發(fā)現(xiàn)，各個地區(qū)的農(nóng)業(yè)發(fā)展水平存在著較大的差異，而且隨著時間的推移，這種差距也在逐漸加劇。特別是在中國的城市，“非均衡特征”［16-19］表現(xiàn)更加突出。綜上，從全國視角測算農(nóng)業(yè)生產(chǎn)效率并結(jié)合基尼系數(shù)分析地區(qū)差異的研究相對較少。

基于此，本文結(jié)合三階段DEA模型與Dagum基尼系數(shù)，對我國30個?。ㄊ?、區(qū)）的農(nóng)業(yè)生產(chǎn)效率進行測算并分析地區(qū)間的差異性，另外嘗試從克服隨機因素和環(huán)境變量的角度出發(fā)，使得所測生產(chǎn)效率更貼近農(nóng)業(yè)生產(chǎn)實際，最后通過Dagum基尼系數(shù)對我國農(nóng)業(yè)生產(chǎn)效率地區(qū)差異進行測算，尋找導(dǎo)致各地區(qū)差異的主要因素。

1 研究方法

1.1 三階段DEA模型

目前學(xué)術(shù)界研究農(nóng)業(yè)生產(chǎn)效率的評價方法主要包括數(shù)據(jù)包絡(luò)分析法和隨機前沿分析法。DEA法由于具有客觀、簡便、無須事先估算產(chǎn)出參數(shù)等優(yōu)點,被廣泛應(yīng)用于測算農(nóng)業(yè)生產(chǎn)效率，但是DEA方法不能有效解決農(nóng)業(yè)生產(chǎn)中的不確定性問題，因此，F(xiàn)ried［20］提出了一種三階段DEA模型，克服模型本身缺陷，從而更準確地反映決策單元的內(nèi)部管理水平。具體操作步驟可分為以下3個階段：

1.1.1 第一階段DEA分析 “多投入多產(chǎn)出”模型的決策單元之間的相對有效性可以通過DEA方法來衡量，這一方法最初由Chanes于1978年首次提出［21］。自魏權(quán)齡［22］于1986年開始在中國推廣DEA方法以來，我國學(xué)者對其展開了眾多研究，取得了較大的成功。BCC模型可以解決“規(guī)模報酬可變”的假設(shè)，從而提高決策單元的有效性，以便更好滿足實際應(yīng)用的需求。BCC模型可以用下面的對偶形式來表示：

式（1）中：j=1, 2, …,n代表決策單元，θ的值從0到1，S-和S+則指的是投入與產(chǎn)出之間的關(guān)系，而X和Y則分別指的是投入與產(chǎn)出的方向。如果θ=1，S+=S-=0，那么決策單元的DEA是有效的；若θ=1，S+≠0，或者θ≠0，那么決策單元的是無效的；若θ＜1，那么決策單元的DEA是無效的。

1.1.2 第二階段相似 SFA 分析 通過第一階段的模擬，得出了3種不同的效率值。綜合技術(shù)效率反映出決策者的資源配置和管理能力，而純技術(shù)效率則是排除規(guī)模因素影響后的效率水平，即綜合技術(shù)效率=純技術(shù)效率×規(guī)模效率。在第二階段，松散變量將被劃分為環(huán)境影響、管理無效率和統(tǒng)計噪聲，并利用 SFA 模型來檢驗第一階段的松散變量與環(huán)境變量及混合誤差項之間的關(guān)系。

1.1.3 第三階段DEA分析 在第三階段，本研究對 DEA 模型進行了調(diào)整，保持原始產(chǎn)出值不變，并通過剔除環(huán)境因素和隨機噪聲，重新測量投入值，以評估模型的效率。

1.2 基尼系數(shù)

通過Dagum基尼系數(shù)分析，我們可以將農(nóng)業(yè)生產(chǎn)效率差異劃分為3個不同的部分，其中Gw反映了區(qū)域內(nèi)的差異性，Gnb和Gt分別代表不同地區(qū)之間的差異貢獻和超變密度貢獻，三者的組合可以用G=Gw+Gnb+Gt來表達。其計算方法為：

1.3 數(shù)據(jù)來源和指標選取

1.3.1 數(shù)據(jù)來源 本文使用的數(shù)據(jù)來自《中國統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》和其他省份統(tǒng)計年鑒（除西藏外）。為了確保數(shù)據(jù)的可靠性，將研究期限定在2013—2020年之間。

1.3.2 指標選取 通過對土地、勞動力、資本3要素的深入探索，確定了衡量農(nóng)業(yè)生產(chǎn)效率的關(guān)鍵指標［23-25］，包括農(nóng)作物總播種面積(×103hm2)、第一產(chǎn)業(yè)從業(yè)人數(shù)（萬人）、農(nóng)業(yè)機械總動力(×104kW)、農(nóng)藥使用量(t)、農(nóng)村用電量(×108kW·h)。將第一產(chǎn)業(yè)生產(chǎn)總值（億元）、糧食總產(chǎn)量(萬t)作為產(chǎn)出指標。

1.3.3 環(huán)境變量 本研究選取了5個關(guān)鍵的環(huán)境變量來評估農(nóng)業(yè)生產(chǎn)效率，這5個變量分別是城市化率(%)、水利支出（元）、農(nóng)村人均可支配收入（元）、水土流失治理面積(×103hm2)、農(nóng)村人均受教育年限。

2 結(jié)果與分析

2.1 農(nóng)業(yè)生產(chǎn)效率測算分析

2.1.1 傳統(tǒng)的DEA模型分析 通過測算得出，2013—2020年我國農(nóng)業(yè)生產(chǎn)綜合效率的平均值依次分別為0.911、0.918、0.926、0.927、0.930、0.935、0.928、0.938，雖然整體農(nóng)業(yè)生產(chǎn)效率水平較高，但是各?。ㄊ?、區(qū)）間農(nóng)業(yè)生產(chǎn)效率仍存在著顯著差異，其中北京、天津、福建、海南、吉林、黑龍江、四川、陜西、青海、寧夏、新疆等省（市、區(qū)）的效率值均為1.000，基本實現(xiàn)DEA有效。由圖1可知，其他地區(qū)在樣本觀察期內(nèi)的農(nóng)業(yè)生產(chǎn)效率中均處于未完全有效狀態(tài)，其中甘肅省的效率值最低，研究期間內(nèi)最高值只有0.632。從提升效率來看，山西、云南、浙江的經(jīng)濟發(fā)展取得了顯著的成效，尤其以山西省的經(jīng)濟發(fā)展最為突出，從2013年的0.642一路攀升到2020年的0.867，提升幅度位居全國第一，這說明山西省的資源利用能力正在逐步增強。鑒于傳統(tǒng)DEA模型無法消除外部環(huán)境因素及其帶來的隨機噪音，為了準確地評估全國各地農(nóng)業(yè)生產(chǎn)效率的變化，進一步采用 SFA 模型進行分析。

圖1 第一階段農(nóng)業(yè)綜合效率分析結(jié)果

2.1.2 SFA回歸結(jié)果分析 通過第一階段的分析，確定了5個環(huán)境變量的松弛量，SFA 回歸分析結(jié)果見表1。由表1可知，5個環(huán)境變量對5種投入松弛變量具有一定的顯著影響，這表明外部環(huán)境因素對各?。ㄊ?、區(qū)）農(nóng)業(yè)生產(chǎn)投入的冗余性有重要的影響，因此，采用 SFA 方法來剔除管理因素和隨機因素，將會有助于提高農(nóng)業(yè)生產(chǎn)效率。

表1 第二階段SFA回歸分析結(jié)果

由表1可知，大多數(shù)環(huán)境變量對農(nóng)業(yè)生產(chǎn)投入有顯著的影響，均達到了 0.01的顯著性水平，這表明外部環(huán)境因素會對農(nóng)業(yè)生產(chǎn)的效率產(chǎn)生重要的影響。通過進一步研究發(fā)現(xiàn)，環(huán)境因素對5種投入松弛變量具有顯著性影響。當(dāng)回歸系數(shù)為負時，表明增加環(huán)境變量可以有效減少投入的松弛量，從而降低資源的浪費或降低負面影響；當(dāng)回歸系數(shù)為正時，表明隨著環(huán)境變量的增加，投入松弛量也會相應(yīng)地增加，從而導(dǎo)致資源的浪費或產(chǎn)出的降低。本文將分別闡述各個環(huán)境因素對各投入松弛變量的影響。

2.1.2.1 城市化率 城市化率對于大多數(shù)的投入松弛變量而言均通過了0.01的顯著性檢驗，對于農(nóng)作物總播種面積、第一產(chǎn)業(yè)從業(yè)人數(shù)和農(nóng)村用電量呈極顯著正相關(guān)性，而農(nóng)藥使用量的回歸系數(shù)則顯示出極顯著負相關(guān)性。這說明城鎮(zhèn)化的推進有助于實現(xiàn)資源的有效配置，減少農(nóng)業(yè)生產(chǎn)過程中的農(nóng)藥負擔(dān)，從而提高農(nóng)業(yè)生產(chǎn)效率。

2.1.2.2 水利支出 隨著水利支出的不斷增加，農(nóng)作物的播種面積和第一產(chǎn)業(yè)的就業(yè)率均有所提高。這表明政府采取的惠農(nóng)補貼政策有助于減少土地和勞動力的浪費，有效增加農(nóng)民的收益；水利支出與農(nóng)藥使用量呈極顯著負相關(guān)性，這表明水利設(shè)施的完善和有效運營可以提高水資源管理水平和農(nóng)田灌溉條件，從而減少對化學(xué)農(nóng)藥的依賴。

2.1.2.3 農(nóng)村人均可支配收入 該環(huán)境因素對農(nóng)業(yè)機械總動力這一投入要素沒有影響，但對其他大多數(shù)投入變量系數(shù)均為正，且均通過顯著性檢驗。隨著農(nóng)村居民的收入提高，大量人員會選擇重新進入農(nóng)業(yè)，導(dǎo)致勞動力的浪費和冗余；此外，由于中國農(nóng)民在農(nóng)業(yè)生產(chǎn)技術(shù)和投資渠道上的匱乏，如果沒有得到適當(dāng)?shù)耐度?，就可能?dǎo)致各項因素緊張程度的提高，從而降低農(nóng)業(yè)生產(chǎn)效率。

2.1.2.4 農(nóng)村人均受教育年限 農(nóng)村人均受教育年限對農(nóng)作物總播種面積、第一產(chǎn)業(yè)從業(yè)人數(shù)、農(nóng)藥使用量的影響均為極顯著正相關(guān)。研究表明，鄉(xiāng)村就業(yè)人口的受教育水平提高，農(nóng)業(yè)生產(chǎn)效率也會得到顯著提升，從而有效減少資源的浪費并促進農(nóng)業(yè)發(fā)展。

2.1.2.5 水土流失治理面積 該因素對第一產(chǎn)業(yè)從業(yè)人數(shù)、農(nóng)藥使用量、農(nóng)業(yè)機械總動力的影響為極顯著正相關(guān)，對于農(nóng)作物總播種面積和農(nóng)村用電量為極顯著負相關(guān)，這表明在進行水土流失治理過程中采取相應(yīng)保護措施如停耕、休耕等可能會間接造成農(nóng)作物播種面積的減少，從而打擊農(nóng)民的生產(chǎn)積極性，導(dǎo)致農(nóng)村勞動力人口外流，而耕種面積進一步減少會導(dǎo)致農(nóng)業(yè)生產(chǎn)效率的下降。

2.1.3 調(diào)整后的DEA分析結(jié)果 采用似 SFA 前沿回歸去除外部因素，并利用 DEA-BCC 方法重新計算，最終獲取了中國30個省份的實際生產(chǎn)效率（圖2，效率值始終為1.000的16個省市區(qū)未予繪制）。

圖2 第三階段農(nóng)業(yè)綜合效率分析結(jié)果

由圖2可知，去除外界環(huán)境因素和隨機因素的干擾過后，除某些特定的地區(qū)外，各?。ㄊ?、區(qū)）農(nóng)業(yè)生產(chǎn)效率都得到了顯著的改善。處于技術(shù)效率前沿面的?。ㄊ?、區(qū)）從11個升至13個。其中天津、遼寧、吉林、黑龍江等10個?。ㄊ?、區(qū)）仍然保持著技術(shù)效率領(lǐng)先的地位，表明這些?。ㄊ?、區(qū)）的農(nóng)業(yè)生產(chǎn)效率已經(jīng)達到了較高的水平。相比于第一階段，江蘇、山東、廣東3省的農(nóng)業(yè)生產(chǎn)效率晉升至效率前沿面，這表明在排除環(huán)境因素和隨機干擾后，這3個省份的農(nóng)業(yè)生產(chǎn)效率更為高效。然而，北京和上海由于規(guī)模效率的下降，不再處于技術(shù)效率的領(lǐng)先地位，這表明它們之前的高效率并不能真正反映出它們的技術(shù)管理水平。

此外，處理后的全國綜合技術(shù)效率也有了顯著的改善，但規(guī)模效率卻有所下降。在不同省份，第三階段農(nóng)業(yè)生產(chǎn)效率與第一階段相比有顯著差異。近年來，上海、江西、重慶、云南、青海等5個省（市）的綜合技術(shù)效率顯著下滑，這說明這些地方在發(fā)展過程中主要受益于當(dāng)?shù)亓己玫慕?jīng)濟發(fā)展和政策支持，但是由于缺乏科學(xué)的技術(shù)管理，這些地方的技術(shù)水平依然偏低；江西省在過去8年里的綜合技術(shù)效率顯著下滑，從0.940下降至0.824，主要原因是江西的規(guī)模效率出現(xiàn)了顯著的下降。第三階段農(nóng)業(yè)生產(chǎn)效率相比第一階段上升的?。ㄊ小^(qū)）共有12個，其中東部和中部地區(qū)尤為突出，如河北、山西、江蘇、湖北、湖南等省份。其中，山西、江西和云南3省總體水平的顯著提高主要歸因于其技術(shù)效率的顯著提高，而其余?。ㄊ校┯捎谝?guī)模效率的不斷提高，其技術(shù)效率也得到了顯著改善。然而在過去由于當(dāng)?shù)氐恼?、氣候等環(huán)境因素的影響，這些地區(qū)的技術(shù)效率一直處于較低水平，遠遠落后于其他地區(qū)。

2.2 農(nóng)業(yè)生產(chǎn)效率水平區(qū)域差異分析

2.2.1 農(nóng)業(yè)生產(chǎn)效率發(fā)展水平總體和區(qū)域內(nèi)差異分析 根據(jù)計算出的農(nóng)業(yè)生產(chǎn)效率的總體、區(qū)域內(nèi)Dagum基尼系數(shù)繪制區(qū)域內(nèi)差異演進態(tài)勢圖（圖3），分析中國農(nóng)業(yè)生產(chǎn)效率的總體差異和區(qū)域內(nèi)差異的演變趨勢。由圖3可知， 2013—2020年中國農(nóng)業(yè)生產(chǎn)效率的區(qū)域差異變化趨勢并不穩(wěn)定，呈現(xiàn)波動態(tài)勢，觀察期內(nèi)中國農(nóng)業(yè)生產(chǎn)效率的總體基尼系數(shù)呈現(xiàn)下降—上升—下降的變化趨勢：2013—2014年略微下降，但幅度不明顯；2014—2015年呈現(xiàn)微幅上升，在2015年達到極大值（0.0564）后出現(xiàn)了連續(xù)的下降。這表明近年來我國農(nóng)業(yè)生產(chǎn)效率的總體地區(qū)差距在逐步縮小。

圖3 2013—2020年總體和三個地區(qū)基尼系數(shù)圖

從地區(qū)上看，研究時期內(nèi)3個地區(qū)內(nèi)部分布的勞動生產(chǎn)效率的區(qū)域差異較為不同。3個地區(qū)之間的差距正在不斷縮小，特別是西部地區(qū)的農(nóng)業(yè)生產(chǎn)效率差異大幅度減少，從2013年的0.07052下降至2020年的0.04281，年均降低率為6.9%，表明該地區(qū)的生產(chǎn)效率差距正在不斷縮小。東部地區(qū)表現(xiàn)出一種波動性的變化,大致呈現(xiàn)下降—上升—下降—上升的發(fā)展軌跡,中部地區(qū)整體上雖然仍在不斷減少,但正在朝著一個更加穩(wěn)定的方向發(fā)展。中部地區(qū)農(nóng)業(yè)生產(chǎn)效率的提高，導(dǎo)致其他地方的農(nóng)業(yè)發(fā)展受到限制，縮小了地區(qū)之間的差距。

2.2.2 農(nóng)業(yè)生產(chǎn)效率發(fā)展水平區(qū)域間差異分析 通過對中國各地Dagum基尼系數(shù)的分析，繪制區(qū)域間差異演化圖（圖4），便于更好地了解中國勞動生產(chǎn)率的分布情況及其發(fā)展趨勢。

圖4 2013—2020年我國農(nóng)業(yè)生產(chǎn)效率區(qū)域間基尼系數(shù)圖

由圖4可知，2013—2020年，東部地區(qū)—中部地區(qū)之間的勞動生產(chǎn)效率差異總體呈下降—上升—下降的變化趨勢；東部—西部地區(qū)總體呈下降—上升—下降—上升的態(tài)勢；中部地區(qū)—西部地區(qū)總體上呈波動下降的趨勢。從下降速度來看，中部地區(qū)—西部地區(qū)的差距顯著縮小，這主要得益于政府提出的“創(chuàng)新、協(xié)調(diào)、綠色、開放、共享”的新發(fā)展理念，該政策有助于促進中部和西部地區(qū)農(nóng)業(yè)技術(shù)水平的提升以及更有效地規(guī)?；?jīng)營管理。

2.2.3 農(nóng)業(yè)生產(chǎn)效率區(qū)域差異來源演變 由表2可知，2013—2020年期間中國農(nóng)業(yè)生產(chǎn)效率的總體基尼系數(shù)平均值為0.048733，區(qū)域內(nèi)、區(qū)域間和超變密度的貢獻平均值分別為31.21%、0.21%和68.59%。以2013年為參照，區(qū)域內(nèi)差異對我國農(nóng)業(yè)生產(chǎn)效率總差異的貢獻呈上升—下降—上升的變化趨勢，而區(qū)域間差異則呈下降—上升—下降的發(fā)展態(tài)勢。在該區(qū)域內(nèi)，超變密度的發(fā)展趨勢基本一致，且在影響農(nóng)業(yè)生產(chǎn)效率的方面發(fā)揮了至關(guān)重要的作用，其貢獻率在67.73%～69.55%之間浮動，這表明我國農(nóng)業(yè)生產(chǎn)效率地區(qū)差距的大部分原因可以由不同地區(qū)間的交叉重疊程度來解釋?？偠灾?，超變密度的貢獻率最大，是中國農(nóng)業(yè)生產(chǎn)效率差異的主要來源,區(qū)域內(nèi)貢獻率處于中等水平，而區(qū)域間差異貢獻率最小。

表2 2013—2020年中國農(nóng)業(yè)生產(chǎn)效率的基尼系數(shù)及貢獻率

3 小結(jié)與建議

3.1 小結(jié)

本研究對2013—2020年全國30個?。ㄊ?、區(qū)）的農(nóng)業(yè)生產(chǎn)效率進行測度與地區(qū)差異分析后，得出以下結(jié)論：

（1）在第三階段DEA調(diào)整之后，各個省（市、區(qū)）的農(nóng)業(yè)生產(chǎn)效率發(fā)生了一定變化，這說明環(huán)境因素和隨機誤差對于評估農(nóng)業(yè)生產(chǎn)效率有著不容忽視的影響。通過第二階段的因素排查和隨機因素的調(diào)節(jié)，不同地區(qū)的農(nóng)業(yè)生產(chǎn)效率有所改善，其中規(guī)模效率的改善最為突出，而且規(guī)模報酬的變化趨勢呈上升狀，這表明采用三階段DEA模型來測算農(nóng)業(yè)生產(chǎn)效率更加科學(xué)和準確。

（2）通過SFA回歸分析發(fā)現(xiàn)，在環(huán)境因素中，城市化率和農(nóng)村人均受教育年限有助于優(yōu)化農(nóng)業(yè)生產(chǎn)資源的有效配置，是農(nóng)業(yè)生產(chǎn)的有利因素，對農(nóng)業(yè)生產(chǎn)影響顯著；人均可支配收入對農(nóng)業(yè)效率的負面影響遠大于正面影響，需要進一步調(diào)整。

（3）從時空差異上看，經(jīng)調(diào)整后，東部地區(qū)農(nóng)業(yè)生產(chǎn)效率明顯高于西部和中部地區(qū)。就各?。ㄊ?、區(qū)）發(fā)展態(tài)勢而言，云南、甘肅兩省受地區(qū)經(jīng)濟發(fā)展水平以及地域的限制，農(nóng)業(yè)生產(chǎn)效率水平較低，在農(nóng)業(yè)技術(shù)進步、規(guī)模水平管理上明顯落后于其他省份，同時，陜西省和安徽省的農(nóng)業(yè)生產(chǎn)效率與其所處長三角地區(qū)的經(jīng)濟發(fā)展水平存在嚴重不協(xié)調(diào)的情況，因此，在技術(shù)管理水平和農(nóng)業(yè)生產(chǎn)規(guī)模上仍有進一步提升的空間。

3.2 建議

（1）在排除外部環(huán)境和隨機因素后，各?。ㄊ小^(qū)）的農(nóng)業(yè)效率發(fā)生了顯著變化，這表明環(huán)境因素和偶然誤差對農(nóng)業(yè)生產(chǎn)效率測算有著不可忽視的影響。雖然偶然因素是不可控因素，但調(diào)節(jié)環(huán)境因素可以提高農(nóng)業(yè)生產(chǎn)效率。在分析5個環(huán)境影響因素的基礎(chǔ)上，可持續(xù)城市化的正常發(fā)展是當(dāng)前的一個關(guān)鍵問題，農(nóng)村教育的發(fā)展、農(nóng)村居民教育水平在提升農(nóng)業(yè)生產(chǎn)效率中發(fā)揮著積極推進的作用［26］。此外，適時改進或調(diào)整財政支農(nóng)政策的實施方向和方法，以減少財政支農(nóng)對農(nóng)業(yè)生產(chǎn)效率的負面影響［27］。

（2）中國農(nóng)業(yè)生產(chǎn)效率地區(qū)的差距較大，區(qū)域差異顯著，各?。ㄊ小^(qū)）應(yīng)結(jié)合實際對農(nóng)業(yè)進行改革［28］。一些省（市、區(qū)）主要是由于純粹的技術(shù)效率導(dǎo)致農(nóng)業(yè)生產(chǎn)效率低下，例如，江西、甘肅等省份需要優(yōu)化農(nóng)業(yè)生產(chǎn)要素的分布結(jié)構(gòu)；部分省（市、區(qū)）農(nóng)業(yè)生產(chǎn)效率低下的主要原因是缺乏規(guī)模效益，如上海、青海、重慶等?。ㄊ校?。這些地區(qū)目前更緊迫的任務(wù)是擴大農(nóng)業(yè)生產(chǎn)的初始規(guī)模，提高農(nóng)業(yè)綜合效益，促進農(nóng)業(yè)規(guī)模化發(fā)展；此外，位于西部地區(qū)的云南、甘肅等省份由于自身地理條件限制，應(yīng)在提高管理水平和擴大農(nóng)業(yè)生產(chǎn)規(guī)模的同時實現(xiàn)轉(zhuǎn)型，其發(fā)展任務(wù)也更加艱巨。