浙江省农业生产效率分析——基于DEA模型和Malmquist指数

为了研究浙江省农业生产投入产出情况，进一步提升其农业生产效率，先利用DEA模型对2020年浙江省各市农业生产效率进行静态分析，再运用Malmquist指数对2014—2020年浙江省各市农业全要素生产率进行动态分析。结果表明：2020年浙江省农业整体向好，但部分地区存在投入与产出不匹配的情况，影响了全省平均农业综合效率；2014—2020年，浙江省农业TFP均大于1,其中技术进步推动作用显著；各地级市TFP差异在合理范围内，技术效率成为大部分地级市生产效率提升的制约因素；浙东北和浙西南的年均TFP基本持平。因此，浙江省可以加强农业基础设施建设，持续提高农业科技水平，推动区域农业均衡发展，从而提升农业生产效率。     

宁夏农业科技资源配置效率分析——基于超效率DEA和Malmquist指数

运用超效率DEA模型和Malmquist指数法对2008~2013年包括宁夏在内的西部12省(市)区的农业科技资源配置效率进行了分析。结果表明:宁夏农业科技资源配置处于相对有效状态,但其效率值在波动中呈明显的下降趋势;宁夏农业科技资源配置的Malmquist指数总体呈增长态势,主要得益于技术进步水平的提高。     

云南农业生产效率研究—基于DEA模型[1]

基于云南省2010年—2020年16个地州市面板数据，运用DEA模型方法分析云南省农业生产效率，结合Malmquist指数对农业生产效率变化进行动态评价。结果显示，云南省2010-2020年综合效率水平有待提高，部分地州市农业生产存在投入冗余与投入不足问题。云南省全要素生产率处于增长状态，但技术水平仍需进一步提高，为此，提出加快培养新型经营管理人才、深化土地流转制度改革、加快农业科研力度等措施促进农业生产效率稳步提高。     

我国农田水利基础设施投资效率现状及动态效率研究

利用我国省际面板数据,采用数据包络分析中的BCC模型(DEA-BCC模型)和Malmquist生产率指数分析2007—2013年我国31个省(市、区)农田水利基础设施投资的综合技术效率和动态效率。结果表明,我国农田水利基础设施投资的综合技术效率偏低,纯技术效率改进缓慢,区域间的综合技术效率存在明显差异;我国农田水利基础设施投资的全要素生产率7年间呈下降趋势,技术进步下降是导致全要素生产率下降的主要原因。因此,加快农田水利基础设施科技成果转化推广、加大科技创新力度成为提高全要素生产率的关键。     

基于Malmquist指数的我国区域农业生产效率动态评价及其应对策略

运用数据包络分析(DEA)方法和Malmquist指数对我国31个省(市、区)2004—2013年农业生产效率进行评价,结果表明,我国农业生产效率均值为0.954,说明我国大部分地区农业生产要素投入比较合理,尤其在农业资源要素的使用上;从农业生产效率分解的纯技术效率和规模效率结果来看,19个DEA有效的省(市、区)纯技术效率和规模效率均为最优,表明这些地区的农业生产投入各要素得到了较好的配置。在研究期内,我国农业生产效率呈上升状态,增长了10.5%,其主要贡献源于技术进步效率的迅猛提升;技术效率增长缓慢,制约了我国农业生产效率的快速提升速度。基于农业生产效率及Malmquist指数分类测算结果可知,我国31个省(市、区)可分为强有效增长型、高有效增长型、弱有效增长型、低有效增长型4种类型,针对不同类型地区的农业生产特点,提出不同的优化策略。     

天津市农业科技成果转化现状分析

针对天津市农业科技成果转化率不高的问题,通过研究天津市农业科技成果转化的现状,分析了天津市农业科技成果转化过程中存在的具有较强竞争力的成果供给不足、农业技术推广体系发挥的作用不大、农业科技成果转化的企业投资机制尚未建立、专业的农业科技成果转化交易平台较少等问题,并探讨了促进天津市农业科技成果转化的对策。     

基于DEA-Tobit模型的湖南省环洞庭湖地区农业生产效率研究

为进一步了解湖南省环洞庭湖地区农业生产状况,本文建立效率评价体系,利用超效率DEA模型和Malmquist指数模型分析2008—2017年湖南省环洞庭湖地区三市(岳阳市、益阳市和常德市)的农业生产效率,并用Tobit模型考察效率的影响因素。结果表明:2008—2015年湖南省环洞庭湖地区三市的农业生产效率呈下降趋势,益阳市的平均效率排在首位,2015—2017年呈上升趋势,常德市的平均效率排在首位;Malmquist指数分解发现技术进步变化对农业生产效率的影响最大,从影响因素上看,城镇化率、有效灌溉率和城乡居民收入比对农业生产效率起负向作用,农林牧渔固定资产投资对农业生产效率起正向作用。在此基础上提出提高农业生产效率的三点建议:依靠科技和管理水平进步,加快推动工业化和城镇化进程和加大农业固定资产投资。     

基于DEA-Malmquist指数的江苏省农业生产效率评价

为全面了解江苏区域农业发展情况,正确认识农业发展现状。选取2005—2014年江苏统计年鉴面板数据,采用DEA模型和Malmquist指数法对江苏省农业生产效率进行分析评价。结果表明:江苏省农业生产效率整体处于较高水平,农业全要素生产率每年均提高的主要原因是技术进步;同时,江苏各区域的农业全要素生产率从高到低依次为苏南、苏北和苏中,其中,苏南地区优势明显,苏中与苏北地区的差距较小。     

延边农业机械化效率分析

发展农业机械化是实现农业现代化的必然要求,随着国家加大农机购置补贴的力度,2013年延边的综合农业机械化率已达74.79%,高于全国和吉林省的平均水平。为了促进延边农业机械化向高效、合理的方向发展,运用Malmquist全要素生产率指数,以耕作型农业机械配套设备和种植型农业机械配套设备的生产率为投入指标,以机耕和机种的面积作为产出指标,利用2000年至2013年延边州8个县市的数据,对延边农业机械化效率变化进行测算。测算结果显示,延边州各县市的农业机械化全要素生产率总体呈上升趋势,其中农业机械技术进步指数均为正增长;技术效率变化指数仅有2个地区为负增长。     

京津冀农业科技成果转化的协同机制研究——基于天津市农业科技人员的实证研究

京津冀农业科技成果转化是夯实农业发展的基础,农技人员是科技成果转化的主体,对提升科技成果转化效率起到重要作用。本研究以天津市农业科技人员为对象,开展问卷调查,利用多元Logistic回归模型,探析科技人员参与科技成果转化的主要行为及影响因素,旨在探明促进京津冀农业科技成果转化的协同机制。结果表明,科技人员参与成果转化的意愿十分强烈,但现阶段京津冀农业科技成果协同转化还缺少相应的扶持政策和共享平台,现有的管理体系、激励机制不完善,一定程度上阻碍了成果转化进程。建议从完善制度体系、创新激励机制、搭建协同转化平台、培育专业人才4个方面构建协同机制。     

基于DEA—Malmquist的农业保险公司经营效率研究

农业保险公司作为我国政策性农业保险经办模式之一,其经营效率水平影响着我国农业保险制度的完善。采用DEA—Malmquist指数方法,使用我国五家专业农业保险公司2008—2014年的面板数据,分别从静态和动态角度对我国专业农业保险公司的效率水平及演进趋势进行分析、研究。发现：我国农业保险公司技术效率偏低主要是由规模效率偏低造成;技术进步效率下滑是全要素生产率下滑的主要原因;影响我国农业保险公司经营效率的因素各不相同。     

长江经济带农业全要素生产率研究

基于长江经济带2009—2019年农业生产面板数据,运用Malmquist指数模型对该经济带农业全要素生产率进行测算并分析。结果表明：2009—2019年长江经济带Trpch指数大于1,说明这期间长江经济带农业生产效率总体呈上升态势,但仍然存在着技术进步受阻、缺乏创新型农业科技人才等问题。从地区来看,长江经济带各省(市)的全要素生产率均在上升,但技术水平均未超过1,说明该经济带各省(市)均存在农业进步受阻的现象;在11个省(市)中规模效率均大于1,说明该经济带各省(市)投入规模较为合理。     

面向生态效益的河南省农业生产效率分析与展望

基于河南省的统计数据,采用超效率DEA模型测算了2015年河南省18个地级市农业的技术效率、纯技术效率和规模效率,运用Malmquist指数对河南省农业发展效率的变化趋势进行研究。结果表明,2015年河南省整体农业综合效率偏低,地区间发展不均衡,规模效率是导致综合技术效率低下的根源;河南省几个传统农业大市并非农业发展强市;2013—2015年河南省各地区农业发展总体处于全要素生产率缓慢上升状态,综合效率指数上升是全要素生产率增长的主要原因,技术进步贡献较小;河南18个地区全要素生产率增长的原因不尽相同。最后,基于分析结论,从生态效益视角对河南省农业发展效率予以了展望。     

基于超效率DEA和Malmquist指数的国家级产粮大县农业生产效率分析

综合运用超效率DEA模型和曼奎斯特(Malmquist)指数法从静态和动态两个角度,对陕西省16个国家级产粮大县(区)农业生产效率进行了分析。研究发现：从整体上来看,16个县(区)2007—2008年的全要素生产率增幅最大;从各个县(区)来看,武功县的农业生产综合效率和全要素生产率均领先于其他县(区);从全要素生产率的增长结构来看,2005—2009年间16个县(区)的全要素生产率的增长主要来自于农业技术进步,而不是技术效率和规模效率的提高。     

京津冀地区城市土地利用效率

城市土地利用效率对于提高城镇化发展质量具有重要意义。应用数据包络分析法中纯技术效率测度(BCC)、技术效率测度(CCR)、超效率数据包络分析(SE-DEA)模型及Malmquist指数法,对京津冀地区地级以上城市2002—2013年的土地利用效率及全要素生产率进行测度。结果表明:(1)京津冀地区城市土地利用投入要素规模偏大,普遍处于规模报酬递减状态,北京市相对效率较低均为规模无效导致;(2)京津冀地区各市土地利用效率差异呈扩大趋势;(3)北京市、天津市、秦皇岛市等地土地全要素生产率提高较多,主要来源于技术进步,石家庄市、沧州市、廊坊市、邯郸市等地土地全要素生产率变化较小,技术进步不足是主要原因。     

山东省农业全要素生产率及其分解分析——基于超效率DEA和Malmquist指数

运用超效率DEA和Malmquist指数,基于山东省16个地级市的农业投入产出数据,对2006—2018年山东省的农业全要素生产率(TFP)进行了测算、分解与分析,结果显示:从超效率DEA模型来看,山东省所有地级市均处于DEA有效状态,但地区之间的农业生产效率存在明显的差异;从Malmquist指数的地区比较和动态分析来看,山东省农业TFP整体呈现增长状态,对于农业TFP的增长,技术进步起主要作用,技术效率的贡献很小甚至起负向作用,是典型的技术进步诱导型增长模式;山东省各地级市的农业生产效率总体处于上升状态,各地级市间存在横向差异。最后,提出了推动山东省农业生产的相关对策建议。     

低碳视角下陕西省粮食生产率评价及影响因素研究——基于Malmquist-Luenberger指数模型

基于低碳经济视角，利用历年陕西省统计年鉴数据，将农业生产中6个主要方面（化肥、农药、农膜、柴油、翻耕和灌溉）的碳排放作为“坏产出”指标纳入粮食生产率分析框架中，构建MalmquistLuenberger指数模型分析2010—2019年考虑碳排放因素下陕西省的粮食生产率，并构建多元回归模型分析低碳经济视角下粮食生产率的影响因素。结果表明，考虑碳排放条件下，2010—2019年陕西省粮食全要素生产率和技术进步率均呈增长趋势，但年均增长速度缓慢，而其粮食技术效率指数为0.995，技术效率无效。在此基础上，从低碳农业科技发展、低碳科技成果转化、低碳农业科技推广创新体系构建、科研人员保障机制建立、农民低碳生产意识培养5个方面提出提升陕西省粮食低碳生产率的对策及建议。     

宁夏农业科技资源配置效率分析——基于超效率DEA和Malmquist指数

运用超效率DEA模型和Malmquist指数法对2008²013年包括宁夏在内的西部12省(市)区的农业科技资源配置效率进行了分析。结果表明:宁夏农业科技资源配置处于相对有效状态,但其效率值在波动中呈明显的下降趋势;宁夏农业科技资源配置的Malmquist指数总体呈增长态势,主要得益于技术进步水平的提高。     

中国农业科技成果转化研究进展

农业科技成果转化处于农业创新链的中端,是科研人员关注的焦点问题。围绕中国农业科技成果转化的相关问题,现有研究主要从农业科技成果转化存在的问题及现状、农业科技成果转化模式、农业科技成果转化机制、农业科技成果转化绩效评价、农业科技成果转化率以及国外关于技术转移效率这六个方面进行了研究探索。基于此,从这六个方面对现有研究进展进行系统梳理,并指出了这一领域未来可能需要关注的几个问题及研究展望,以期为促进农业科技成果转化奠定基础。     

吉林省农业机械化发展效率评价

以2010—2014年的吉林省40个县域的农业机械化数据为基础,通过数据包络分析方法 DEA-BCC模型和Malmquist指数模型对吉林省农业机械化发展效率进行了评价,静态结果表明吉林省农业机械化综合效率较高归功于技术效率和规模效率。动态结果表明影响吉林省农业机械化发展效率的主要原因在于农业机械化技术进步与创新程度不足。