安徽省大別山連片特困區(qū)林業(yè)扶貧效率評價

張士菊 吳慧

摘要：利用安徽省2014—2020年面板數(shù)據(jù)，結(jié)合超效率SBM和Global Malmquist指數(shù)模型對安徽省大別山連片特困區(qū)12個縣林業(yè)扶貧的時間和空間效率進行評價，結(jié)果顯示，安徽省12個縣林業(yè)扶貧效率較高，且大部分縣的林業(yè)扶貧效率呈上升趨勢；技術效率進步是全要素生產(chǎn)效率提高的主要帶動因素；林業(yè)經(jīng)濟效率較高的地區(qū)，綠化和生態(tài)環(huán)境建設較好；12個縣的林業(yè)扶貧效率存在差異，影響因素各異。提出開展特色林業(yè)產(chǎn)業(yè)扶持，挖掘林業(yè)發(fā)展的多維潛力；提高林業(yè)扶貧技術和規(guī)模效率，優(yōu)化配置林業(yè)科技發(fā)展要素；科學利用林業(yè)扶貧模式，提升林業(yè)產(chǎn)業(yè)的內(nèi)生可持續(xù)發(fā)展；合理規(guī)劃林業(yè)產(chǎn)業(yè)資源，努力實現(xiàn)生態(tài)保護與鞏固脫貧成果的雙贏。

關鍵詞：連片特困區(qū)；林業(yè)扶貧效率；超效率SBM；Global Malmquist指數(shù)；大別山；安徽省

中圖分類號：F327.9? ? ? ? ?文獻標識碼：A

文章編號：0439-8114（2024）04-0191-06

Evaluation of the efficiency of forestry poverty alleviation in the Dabie Mountains in Anhui Province：Based on the super efficiency SBM Malmquist index model

Abstract： Using panel data from Anhui Province from 2014 to 2020， combined with the super efficiency SBM and Global Malmquist index model， the time and spatial efficiency of forestry poverty alleviation in 12 counties in contiguous poverty-stricken areas of the Dabie Mountains in Anhui Province was evaluated. The results showed that the forestry poverty alleviation efficiency was relatively high in 12 counties in Anhui Province， and the forestry poverty alleviation efficiency in most counties was on the rise；technological efficiency progress was the main driving factor for the improvement of total factor production efficiency；regions with higher forestry economic efficiency had better greening and ecological environment construction；there were differences in the efficiency of forestry poverty alleviation among 12 counties， and the influencing factors varied. It was proposed to carry out support for characteristic forestry industries and tap into the multidimensional potential of forestry development；improve forestry poverty alleviation technology and scale efficiency， and optimize the allocation of forestry technology development factors；scientifically utilize forestry poverty alleviation models to enhance the endogenous sustainable development of the forestry industry；reasonably plan forestry industry resources and strive to achieve a win-win situation of ecological protection and consolidating poverty alleviation achievements.

Key words： contiguous poverty-stricken areas； efficiency of forestry poverty alleviation； super efficiency SBM； Global Malmquist index； Dabie Mountain； Anhui Province

2021年2月，習近平總書記在全國脫貧攻堅總結(jié)表彰大會上發(fā)表重要講話，宣告脫貧攻堅戰(zhàn)完美收官，要切實做好鞏固拓展脫貧攻堅成果同鄉(xiāng)村振興有效銜接的各項工作，使脫貧基礎更加穩(wěn)固、成效更可持續(xù)；對脫貧地區(qū)的產(chǎn)業(yè)要長期培育和支持，激發(fā)內(nèi)生動力，推動可持續(xù)發(fā)展。安徽省是中國南方集體林重點區(qū)域，全省林業(yè)用地面積約占國土總面積的30%，林業(yè)收入在全省國民經(jīng)濟和社會發(fā)展中占有重要地位。2021年安徽省林業(yè)總產(chǎn)值超過? ? ?5 000億元，特色經(jīng)濟林、林下經(jīng)濟、森林旅游等新興林業(yè)產(chǎn)業(yè)發(fā)展迅猛。為了充分發(fā)揮安徽省大別山自然環(huán)境優(yōu)勢、資源優(yōu)勢和林業(yè)扶貧政策優(yōu)勢，有必要對該地區(qū)的林業(yè)扶貧效率進行深入研究，從而制定更加精準的林業(yè)扶貧策略，幫助其走出“資源詛咒”的陷阱。

學者對林業(yè)扶貧效果評估的研究成果較豐富。仇曉璐等［1］構(gòu)建了林業(yè)扶貧績效評價體系，以經(jīng)濟建設、生態(tài)建設、社會公共服務為準則層，并利用熵權法對貴州省獨山縣、荔波縣，以及廣西龍勝縣和羅城縣的林業(yè)扶貧績效進行評價。李明娟等［2］以林業(yè)資金投入為自變量，以貧困人口就業(yè)人數(shù)和貧困人口人均收入為因變量，構(gòu)建了2個線性回歸模型，檢驗林業(yè)資金投入對連片特困地區(qū)的減貧效應。韓鋒等［3］利用案例分析法分析了貢山縣和福貢縣的林業(yè)精準扶貧成效。陳甲［4］以林業(yè)扶貧效果、林業(yè)扶貧可持續(xù)性和林業(yè)扶貧精準度3個指標作為層次分析法（AHP法）的準則層，對云南省祥云縣大倉村的林業(yè)精準扶貧績效進行評價。王磊［5］通過訪談和問卷調(diào)查，利用層次分析法構(gòu)建了包含認知、經(jīng)濟和扶貧三大維度的影響林業(yè)扶貧工作質(zhì)量的要素模型，對安徽省的林業(yè)精準扶貧效果進行研究。

已有研究主要通過實地調(diào)研來分析和總結(jié)當?shù)氐牧謽I(yè)扶貧現(xiàn)狀、存在的問題及解決路徑，縱向研究較多，缺乏橫向區(qū)域間的比較分析。本研究構(gòu)建了多維度的林業(yè)扶貧效率評價指標體系，采用投入—產(chǎn)出效益分析方法，并運用超效率SBM-Malmquist指數(shù)模型對林業(yè)扶貧效率進行定量分析和橫向比較，以期為中國林業(yè)扶貧效率提升提供有價值的決策參考。

1 數(shù)據(jù)來源與方法

1.1 數(shù)據(jù)來源

大別山連片特困區(qū)位于安徽省、湖北省、河南省的交匯處。區(qū)域內(nèi)貧困輻射范圍廣、程度深，貧困人口數(shù)量多且貧困發(fā)生率高，扶貧脫貧的需求緊迫。2012年，國務院扶貧辦將安徽省內(nèi)大別山連片特困地區(qū)的范圍確定為安慶市轄區(qū)的潛山縣（2018年撤縣設市，改為縣級市）、太湖縣、宿松縣、望江縣、岳西縣，阜陽市轄區(qū)的臨泉縣、阜南縣、潁上縣，六安市轄區(qū)的壽縣（國務院于2015年12月3日將壽縣劃歸淮南市管轄）、霍邱縣、金寨縣，以及亳州市轄區(qū)的利辛縣共12個縣。本研究以安徽省大別山12個貧困縣作為決策單元（DUM），數(shù)據(jù)來源于2014—2020年《安徽省統(tǒng)計年鑒》和12個縣統(tǒng)計公報及政府工作報告。

1.2 模型選擇

1.2.1 超效率SBM模型 數(shù)據(jù)包絡分析法（DEA）由Charnes等［6］于1978年提出，它以相對效率為基本準則，利用數(shù)學規(guī)劃知識和模型計算決策單元間投入、產(chǎn)出的相對效率，決策者以此作為分析決策單元效益的依據(jù)。DEA模型包括CCR模型、BCC模型和SBM模型等，CCR模型、BCC模型是以投入和產(chǎn)出徑向為基礎進行測算，要求所有的投入與產(chǎn)出同比例縮減或增加；非徑向SBM模型解決了徑向帶來的效率偏差問題，考慮了投入和產(chǎn)出的松弛變量。超效率SBM模型則是對傳統(tǒng)SBM模型的優(yōu)化，它能解決多個決策單元的效率同時為1而無法深入比較的問題，超效率SBM模型效率大于等于1時表示效率最優(yōu)。超效率非徑向SBM模型的計算公式如下。

式中，[θ]*表示林業(yè)扶貧效率；x和y分別表示投入和產(chǎn)出變量；S-和S+分別表示投入和產(chǎn)出的松弛變量，且S-≥0，S+≥0；i表示投入指標數(shù)，i = 1，2，…，m；r為產(chǎn)出指標數(shù)，r =1，2，…，q；o表示決策單元；[λ]表示權重；j為決策單元的指標數(shù)；[ xio]表示第o個決策單元的投入；[yro]表示第o個決策單元的產(chǎn)出。

1.2.2 Global Malmquist指數(shù) Global Malmquist指數(shù)基于DEA產(chǎn)生，用來衡量t到t+1時的效率動態(tài)變化特征與趨勢，可以根據(jù)Global Malmquist指數(shù)識別和判斷現(xiàn)階段林業(yè)扶貧效率的主要影響因素［7］。應用基于全域技術集的Global Malmquist生產(chǎn)率指數(shù)測算全要素生產(chǎn)率變化，全要素生產(chǎn)率受技術水平和技術效率影響，計算公式如下。

M0=EC×TC? （3）

式中，M0為全要素生產(chǎn)率；EC為技術效率指數(shù)；TC為技術水平指數(shù)。

技術效率分解為純技術效率和規(guī)模效率［8］，計算公式如下。

EC=PEC×SEC? （4）

式中，PEC為純技術效率指數(shù)；SEC為規(guī)模效率指數(shù)。

1.3 指標選取

超效率SBM模型要求決策單元個數(shù)大于或等于投入、產(chǎn)出指標數(shù)乘積的2倍，且對投入和產(chǎn)出指標的設置有較高要求，指標設置越恰當，效率評價的結(jié)果越科學。在借鑒前人研究成果［9-12］的基礎上，篩選了3個投入指標（鄉(xiāng)村每年人均農(nóng)林水財政投入、鄉(xiāng)村每年從業(yè)人數(shù)、營林面積）和2個產(chǎn)出指標（鄉(xiāng)村居民每年人均可支配收入和鄉(xiāng)村每年人均林業(yè)總產(chǎn)值），本研究選取的指標數(shù)符合模型要求，如表1所示。

在3個投入指標中，鄉(xiāng)村每年人均農(nóng)林水財政投入對增強林業(yè)競爭力和改善林業(yè)生產(chǎn)環(huán)境有顯著影響，作為林業(yè)扶貧的經(jīng)濟投入指標；因林業(yè)生產(chǎn)需要耗費勞動力，故用鄉(xiāng)村每年從業(yè)人數(shù)作為林業(yè)人力資本投入指標；營林面積作為林業(yè)扶貧的土地資源投入指標。本研究的目的是探究發(fā)展林業(yè)在貧困地區(qū)脫貧工作中的作用，而貧困現(xiàn)象多存在于鄉(xiāng)村地區(qū)，因此，選擇鄉(xiāng)村居民每年人均可支配收入作為產(chǎn)出指標；林業(yè)產(chǎn)值能客觀且準確反映林業(yè)投入所帶來的經(jīng)濟效益，故將鄉(xiāng)村每年人均林業(yè)總產(chǎn)值也作為產(chǎn)出指標。為了減小價格波動的影響，確保變量之間的可比性，以2014年為基期，用CPI法和GDP平減指數(shù)法進行平減。

2 結(jié)果與分析

2.1 林業(yè)扶貧效率分析

利用MaxDEA分析軟件計算2014—2020年大別山12個縣林業(yè)扶貧效率，具體扶貧效率等級劃分如表2所示。

由表3可知，從地區(qū)維度來看，大別山12個縣林業(yè)扶貧效率均值達0.790，處于中高等級。2014—2020年12個縣林業(yè)扶貧效率存在較大差異，臨泉縣林業(yè)扶貧效率呈上升趨勢，均值為0.526；潛山縣和岳西縣林業(yè)扶貧效率雖有小幅度的下降，但這2個縣7年的林業(yè)扶貧效率均大于1.000，處于領先地位，均值分別為1.286、1.130；僅有2個縣（潛山縣和岳西縣）連續(xù)7年處于優(yōu)等級，占比16.67%。

從時間維度來看，2014年的林業(yè)扶貧效率均值為0.671，2020年林業(yè)扶貧效率均值達0.913，12個縣林業(yè)扶貧效率呈波動上升的趨勢。這說明在各要素的推動下，安徽省大別山林業(yè)扶貧的整體效率持續(xù)上升，并已接近效率最優(yōu)，通過合理優(yōu)化各生產(chǎn)資料，林業(yè)扶貧工作初見成效。2014—2020年，阜南縣、壽縣、金寨縣、太湖縣、望江縣、岳西縣的扶貧規(guī)模報酬呈增加趨勢，臨泉縣、潁上縣、潛山縣林業(yè)扶貧規(guī)模報酬呈減少趨勢，利辛縣、霍邱縣、宿松縣的扶貧規(guī)模報酬保持不變。

2.2 Global Malmquist指數(shù)分析

由表4可知，2014—2020年安徽省大別山12個縣林業(yè)扶貧效率全要素生產(chǎn)率均值為0.977。從全要素生產(chǎn)率的分解情況來看，技術效率指數(shù)均值為1.099，純技術效率指數(shù)均值為1.092，規(guī)模效率指數(shù)均值為1.006，這3個指數(shù)均值均大于1.000，表明對應效率有所增長，但增長幅度有限。12個縣技術水平指數(shù)均值只有0.889，且12個縣的技術水平指數(shù)均小于1.000，望江縣的技術水平指數(shù)最低，為0.772。由此可知，技術水平指數(shù)低是導致全要素生產(chǎn)率低的主要原因，表明安徽省大別山12個縣的林業(yè)扶貧技術水平有待提高。

由表5可知，2014—2015年和2019—2020年安徽省大別山12個縣的全要素生產(chǎn)率均小于1.000，其他年份均大于1.000，林業(yè)扶貧效率未呈現(xiàn)逐年上升的趨勢。從各年份來看，2014—2015年全要素生產(chǎn)率為0.651，其中技術水平指數(shù)較低，僅為0.573；2019—2020年全要素生產(chǎn)率為0.985，其中技術水平指數(shù)為0.956。2015—2016年、2016—2017年、2017—2018年、2018—2019年的全要素生產(chǎn)率分別為1.054、1.070、1.155、1.038，其中2015—2016年的全要素生產(chǎn)率是由技術水平上升帶動。因此，大別山連片特困區(qū)林業(yè)扶貧效率的提高要著眼于技術水平的創(chuàng)新，加大科學技術投入，鼓勵技術創(chuàng)新，促進林業(yè)帶動地區(qū)經(jīng)濟高質(zhì)量發(fā)展。

現(xiàn)對全要素生產(chǎn)率進行分解，結(jié)果如圖1所示，技術效率較技術水平對全要素生產(chǎn)率的貢獻更大。把提高林業(yè)生產(chǎn)發(fā)展的技術效率作為林業(yè)扶貧政策實施的著力點，同時不能忽略技術水平的短板效應。

2.3 效率形態(tài)類型分析

采用超效率SBM模型、Global Malmquist指數(shù)方法對安徽省大別山連片特困區(qū)12個縣林業(yè)扶貧效率和全要素生產(chǎn)率進行了測算，用效率作為橫坐標，全要素生產(chǎn)率為縱坐標，以2014—2020年安徽省林業(yè)扶貧效率均值（0.790）為橫坐標的臨界值，以全要素生產(chǎn)率均值（0.977）為縱坐標的臨界值，繪制四象限散點圖，并且借鑒生命周期模型來研究區(qū)域內(nèi)的林業(yè)扶貧效率類型。如圖2所示，將12個縣劃分為雙低型林業(yè)扶貧縣、朝陽型林業(yè)扶貧縣、黃金型林業(yè)扶貧縣和夕陽型林業(yè)扶貧縣。

1）黃金型。黃金型林業(yè)扶貧縣位于第Ⅰ象限，包括太湖縣和潁上縣，其林業(yè)扶貧效率高于研究區(qū)域效率平均值，且效率呈增長態(tài)勢。這些地區(qū)林業(yè)資源豐富，脫貧效率的提升主要依靠農(nóng)業(yè)資源帶動，而林業(yè)是農(nóng)業(yè)資源的重要組成部分，且生態(tài)扶貧是林業(yè)發(fā)展的延展［13］。例如太湖縣曾被授予“第四批國家生態(tài)文明建設”的稱號，其豐富的林業(yè)扶貧經(jīng)驗和當?shù)卣馁Y金、技術支持都有助于林業(yè)扶貧效率提升和生態(tài)環(huán)境優(yōu)化。

2）朝陽型。朝陽型林業(yè)扶貧縣位于第Ⅱ象限，包括阜南縣、臨泉縣、宿松縣、金寨縣和霍邱縣，其林業(yè)扶貧效率低于研究區(qū)效率平均值，但效率呈增長態(tài)勢。這5個縣都擁有豐富的林業(yè)資源，但林業(yè)在促進當?shù)亟?jīng)濟發(fā)展中的推力還不夠。若當?shù)卣途用裰匾暳謽I(yè)資源利用，提升林業(yè)在扶貧開發(fā)中的地位，帶動貧困人口脫貧，可進一步提升該地區(qū)林業(yè)扶貧效率。

3）雙低型。雙低型林業(yè)扶貧縣位于第Ⅲ象限，包括利辛縣和望江縣，其林業(yè)扶貧效率低于研究區(qū)效率平均值，且效率呈下降態(tài)勢。主要是因為這2個縣林業(yè)優(yōu)勢資源相對較少，林業(yè)發(fā)展基礎薄弱，未形成規(guī)模效應，林業(yè)產(chǎn)值對當?shù)亟?jīng)濟的貢獻小。若政府重視林業(yè)發(fā)展，鼓勵居民積極參與林業(yè)扶貧，使貧困人口從林業(yè)發(fā)展中獲益，從而進一步拓展林業(yè)扶貧效果。

4）夕陽型。夕陽型林業(yè)扶貧縣位于第Ⅳ象限，包括岳西縣、潛山縣和壽縣，其扶貧效率高于研究區(qū)效率平均值，但效率呈下降態(tài)勢。岳西縣和潛山縣林業(yè)資源豐富，植被覆蓋率占縣土地面積的50%以上，有“天然氧吧”的美譽，且被評為生態(tài)文明建設示范區(qū)。當?shù)卣e極利用其林業(yè)資源優(yōu)勢發(fā)展森林旅游業(yè)，例如潛山縣通過開發(fā)天柱山旅游景區(qū)，岳西縣通過挖掘明堂山、司空山林業(yè)資源發(fā)展森林旅游，帶動居民增收致富。但這些縣現(xiàn)階段林業(yè)扶貧模式單一、森林旅游發(fā)展后勁不足，應探索和創(chuàng)新更多的林業(yè)扶貧增長點，如通過建設林下經(jīng)濟、森林康養(yǎng)、森林研學基地等來提高林業(yè)扶貧效率，擺脫林業(yè)扶貧夕陽型的困境。

3 小結(jié)與建議

3.1 小結(jié)

本研究通過超效率SBM和Global Malmquist指數(shù)模型對安徽省大別山連片特困地區(qū)12個縣的林業(yè)扶貧效率進行分析。

第一，總體林業(yè)扶貧效率較高，且大部分縣的效率呈增長趨勢。通過對2014—2020年安徽省大別山連片特困地區(qū)林業(yè)扶貧效率進行分析，發(fā)現(xiàn)7年內(nèi)的扶貧效率均值達0.790，且林業(yè)扶貧效率相對穩(wěn)定。

第二，技術效率是全要素生產(chǎn)效率提高的主要帶動因素。從Global Malmquist指數(shù)的分解可以看出，技術效率是地區(qū)林業(yè)扶貧效率提高的關鍵因素，應把提高林業(yè)生產(chǎn)發(fā)展的技術效率作為林業(yè)扶貧政策實施的著力點，同時不能忽略技術水平的短板效應。

第三，林業(yè)扶貧效率較高的地區(qū)，綠化和生態(tài)環(huán)境建設較好。林業(yè)扶貧模式分為林業(yè)生態(tài)扶貧和林業(yè)產(chǎn)業(yè)扶貧，生態(tài)建設較好的地區(qū)可實現(xiàn)生態(tài)保護與經(jīng)濟發(fā)展的共贏。政府通過給予參加生態(tài)退耕還林的農(nóng)戶財政補貼、給擔任生態(tài)護林員的貧困人員發(fā)放工資報酬等方式，使貧困人口在林業(yè)生態(tài)保護的過程中獲得經(jīng)濟收入。同時，通過建設國家儲備林等生態(tài)保護項目，增強貧困地區(qū)的生態(tài)承載力和可持續(xù)發(fā)展能力。

第四，12個縣的林業(yè)扶貧效率不一，所處的林業(yè)扶貧區(qū)間不同。以12個縣的林業(yè)扶貧效率為依據(jù)，將其劃分為4種類型，由于12個縣林業(yè)扶貧的經(jīng)濟基礎和自然環(huán)境不同，應根據(jù)現(xiàn)階段所處類型探索具有時效性、本土化的林業(yè)扶貧策略。

3.2 建議

1）開展特色林業(yè)產(chǎn)業(yè)扶持，挖掘林業(yè)發(fā)展的多維潛力。安徽省大別山區(qū)具有豐富的林業(yè)資源，不同地區(qū)的林業(yè)資源發(fā)展狀況具有差異性，當?shù)卣畱虻刂埔酥贫ㄇ袑嵖尚械牧謽I(yè)扶持政策，為林業(yè)發(fā)展提供內(nèi)在動力，促使林業(yè)扶貧效率穩(wěn)定持續(xù)。

2）提高林業(yè)扶貧技術和規(guī)模效率，優(yōu)化配置林業(yè)科技發(fā)展要素。一是加強區(qū)域間的合作和交流，通過區(qū)域聯(lián)合模式向周邊地區(qū)學習林業(yè)開發(fā)技術和扶貧經(jīng)驗，實現(xiàn)“1+1>2”的效果，從而提高林業(yè)產(chǎn)業(yè)發(fā)展的規(guī)模效應和聚集效應。二是提高林業(yè)工作者的工資待遇，為高素質(zhì)管理者和創(chuàng)新科技人才營造良好的生活工作環(huán)境，增強林業(yè)扶貧項目效應和產(chǎn)業(yè)聯(lián)動效應。

3）科學利用林業(yè)扶貧模式，提升林業(yè)產(chǎn)業(yè)的內(nèi)生可持續(xù)發(fā)展。政府在林業(yè)扶貧中發(fā)揮宏觀調(diào)控作用，同時積極探索政企合作，加強農(nóng)戶專業(yè)合作社建設，并將貧困人口納入到利益分配體系當中，進一步細化為“政府+龍頭企業(yè)+貧困戶”“政府+龍頭企業(yè)+合作社”等模式，鼓勵企業(yè)雇傭一定比例的貧困人口，優(yōu)化要素配置，從而提高林業(yè)扶貧效率。

4）合理規(guī)劃林業(yè)產(chǎn)業(yè)資源，努力實現(xiàn)生態(tài)保護與鞏固脫貧成果的雙贏。當?shù)卣畱μ岣吡謽I(yè)發(fā)展的風險防范能力，在林業(yè)扶貧開發(fā)的同時保護林業(yè)資源和生物多樣性，篤行不怠地貫徹落實林業(yè)生態(tài)補償機制，讓林業(yè)資源真正成為造福后代的“綠色銀行”，實現(xiàn)興林富民的目標。

參考文獻：

［1］ 仇曉璐，陳紹志，趙 榮，等.林業(yè)定點扶貧績效評估研究［J］. 林業(yè)經(jīng)濟，2019，41（3）：10-16.

［2］ 李明娟，顏 琦，吳 瓊. 林業(yè)資金投入對集中連片特困地區(qū)的減貧效應——以廣西壯族自治區(qū)羅城仫佬族自治縣為例［J］. 東北林業(yè)大學學報，2020，48（8）：85-88，128.

［3］ 韓 鋒，郝學峰，包雪梅，等.少數(shù)民族地區(qū)林業(yè)精準扶貧效果分析——基于云南省怒江州貢山、福貢兩縣調(diào)研［J］. 林業(yè)經(jīng)濟，2017，39（10）：15-20.

［4］ 陳 甲. 林業(yè)精準扶貧績效評價研究［J］. 農(nóng)場經(jīng)濟管理，2018（11）：45-49.

［5］ 王 磊. 基于本土生態(tài)知識的林業(yè)精準扶貧研究——以安徽省為例［J］. 林業(yè)經(jīng)濟，2019，41（3）：21-26，49.

［6］ CHARNES A， COOPER W W， RHODES E. Measuring the efficiency of decision making units［J］. European journal of operational research， 1978， 2（6）：429-444.

［7］ COSTA C K，BALBINOTTO N G， SAMPAIO L M. Efficiency of brazilian states and the federal district in the public kidney transplant system based on DEA（data envelopment analysis） and the malmquist index［J］. Cadernos DE saude publica， 2014， 30（8）：1667-1679.

［8］ FARE R，GROSSKOPF S，NORRIS M，et al. Productivity growth， tenical progress，and efficiency change in industrialized countries［J］.American economic review， 1997， 87（5）： 1040-1044.

［9］ 李 研，張大紅. 要素投入對林業(yè)經(jīng)濟增長影響的實證分析［J］. 統(tǒng)計與決策，2018，34（15）：133-135.

［10］ 黃淵基. 連片特困地區(qū)旅游扶貧效率評價及時空分異——以武陵山湖南片區(qū)20個縣（市、區(qū)）為例［J］. 經(jīng)濟地理，2017，37（11）：229-235.

［11］ 周鵬飛，沈 洋. 集中連片特困地區(qū)產(chǎn)業(yè)扶貧效率及影響因素實證分析——以甘肅省31區(qū)縣馬鈴薯產(chǎn)業(yè)為例［J］. 西北人口，2020， 41（3）：57-68.

［12］ 洪名勇，龍 嬌，婁 磊. 林業(yè)生態(tài)效率：時空特征與影響因素——基于我國31個省份數(shù)據(jù)的實證分析［J］. 生態(tài)經(jīng)濟，2022，38（2）：91-97.

［13］ 張 莉，夏夢麗. 林業(yè)生態(tài)扶貧研究進展［J］. 世界林業(yè)研究，2018，31（4）：8-12.