基于Malmquist-Luenberger指数的中国蔬菜绿色全要素生产率研究

确保国内居民随时随地能够获取到绿色安全营养的蔬菜是中国农业高质量发展的一个重要衡量指标。在资源环境日益成为经济增长硬约束背景下,相较于传统全要素生产率指标,采用绿色全要素生产率来测度评价一个经济体的增长质量更为科学。因此,基于2011—2018年中国27个省份不同品种蔬菜的成本收益数据,本文将化肥等污染物排放量作为非期望产出,运用Malmquist-Luenberger指数对中国蔬菜绿色全要素生产率进行测算。结果发现：2012—2018年,中国蔬菜绿色全要素生产率年均增长率为1.56%,其中技术效率指数、技术进步指数年均增长率分别为-0.42%和1.99%;菜椒绿色全要素生产率指数增长速度最快(2.93%),豆角最慢(0.49%);宁夏菜椒和西红柿的绿色全要素生产率增速最快,福建萝卜和茄子的绿色全要素生产率增速最快,河南大白菜、江西豆角、山东黄瓜、辽宁马铃薯以及贵州圆白菜绿色全要素生产率增速最快。     

基于物质流分析的陕西省环境全要素生产率研究

运用物质流分析方法得到了陕西省陕北、关中、陕南3个地区的投入变量和产出变量,将自然资源投入、劳动力、资本作为投入变量,以GDP和污染物作为产出变量,分别测算并对比了不考虑环境影响和考虑环境影响情形下的环境全要素生产率.结果表明,不考虑环境影响时(情形1),陕北的TFP指数最高:考虑环境影响时,陕北和关中的环境全要素生产率相对情形1出现了下降,而陕南则出现上升.不考虑环境影响的TFP指数可能高估或低估了一个地区真实的生产率水平,而环境全要素生产率能更准确地衡量一个地区的发展水平.     

我国粮食主产区粮食全要素生产率评价研究

以我国13个粮食主产区为研究对象,选取2011—2019年的面板数据,通过构建DEAMalmquist模型,对粮食主产区的粮食全要素生产率进行测度,并从时间、空间角度进行分析。研究发现,2011—2019年,我国粮食主产区粮食全要素生产率呈波动状态,技术进步效率指数对粮食全要素生产率的影响较大;内蒙古、安徽、河北等省（自治区）的年均粮食全要素生产率位居前列,辽宁省和湖北省的粮食全要素生产率变动幅度较大。     

汉江流域粮食全要素生产率分析——基于DEA-Malmquist指数

采用DEA-Malmquist指数方法对2008～2017年汉江流域湖北境内25个县市(区)的粮食全要素生产率进行了发展趋势、驱动模式、地区差异上的实证分析.研究发现,汉江流域湖北境内各地区粮食生产效率增长放缓;粮食生产的驱动模式为技术进步型;各地区的粮食生产整体效率相差不大,但在技术进步水平和技术效率上,上游和中下游...     

分区视角下粮食全要素生产率差异及收敛性分析

本研究聚焦水稻、小麦和玉米三大粮作物,测算得到3种粮食作物的全要素生产率及其分解指标,并划分种植区域,探讨不同品种、不同种植区粮食全要素生产率的演变情况。研究发现:粮食生产全要素生产率增长显著,但不同品种的增长驱动模式不同,且不同种植区的差异性明显。不同地区水稻和玉米的全要素生产率及分解指标会随着时间的推移收敛至稳定状态;但小麦技术进步呈现发散态势。3种粮食作物的技术效率、技术进步以及全要素生产率随着时间的推移会趋向于自身的稳定均衡水平。     

粮食主产区农业绿色发展的影响因素、质量测度与动力分析——基于绿色全要素生产率视角

为了探究粮食主产区农业绿色发展的影响因素与质量动力,以农业绿色全要素生产率（GTFP）为切入点,运用超越对数函数形式的SFA模型对环境约束下2004—2018年松花江、黄河、长江三大流域粮食主产区展开分析。结果表明：环境规制、第一产业占比、农业财政支持对GTFP的增长具有显著正向影响,环境污染、自然灾害则反之;三大流域农业GTFP增长率的平均值为3.3%,农业绿色发展状况在不断改善,但改善速度前期波动较大、后期较小,且区域间呈现不均衡状态;松花江流域的发展动力主要来自技术效率、技术进步和规模效率的增长,黄河流域和长江流域分别来自技术效率主导和技术进步主导的效率与进步双重驱动,规模效率和要素配置效率对二者的贡献较为微弱。今后需要注重以提升绿色全要素生产率为核心,加大农业技术创新,发展适度规模经营,完善区域协调发展机制,并有效实施环境规制政策。     

气候变化视角下我国粮食生产率增长及其影响因素分析

[目的]通过深入了解气候变化对粮食生产率增长的影响,为科学制定粮食生产政策提供理论依据.[方法]利用2000—2017年我国省际面板数据,使用HP滤波法分离粮食生产气候产量,并运用序列DEA方法测算是否考虑气候因素两种条件下的我国粮食全要素生产率,并实证检验气候变化、科技投入等因素对粮食生产率的影响.[结果]气候变化对粮食全要素生产率的测算结果具有较大影响,考虑气候变化因素后粮食全要素生产率更低.两种条件下我国粮食全要素生产率的增长均呈明显波动性变化,主要由技术进步推动,而技术效率起到阻碍作用.气候变化对粮食全要素生产率有显著影响,且具有明显的区域差异性,其中年平均气温具有正向影响,而年降水总量则表现出负向影响;科技投入对粮食全要素生产率增长的促进作用显著.[建议]政府应调整农业结构和种植制度,推动农业供给侧结构性改革;加大农业科技投入,培育新品种;完善农田基本设施建设,提高水资源利用率;建立和完善农业气象灾害监测预警服务体系,提高农业灾害性天气的预测能力.     

我国粮食主产区农业全要素生产率的测算及影响因素

为促进和改善粮食主产区的粮食生产和农业可持续发展提供理论参考,基于1987-2012年河北、内蒙古、辽宁等共13个粮食主产省(区)在财政支农、粮食生产投入产出、经济发展等方面的统计数据,利用DEA-Malmquist指数法测算了其农业全要素生产率,并采用面板数据模型分析了其影响因素。结果表明:人均GDP对粮食主产区的农业全要素生产率影响存在区域差异;教育和财政支农力度对其具有负影响;分税制改革、取消农业税与粮食直补政策对其影响不显著。江苏、江西、辽宁、山东和内蒙古的农业全要素生产率不受上述因素的影响,有待日后进一步研究。     

粮食主产区农业全要素生产率动态评价研究——基于DEA法的GML指数测算的结果

实施乡村振兴战略对农业生产配置效率提出了更高要求。本文基于SBM-GML模型,选取2000—2021年粮食主产区省域面板数据,运用DEA法测算并探讨了粮食主产区农业全要素生产率的动态演变特征。结果表明：技术进步对粮食主产区农业全要素生产率的影响最大,且粮食主产区农业全要素生产率呈上升趋势。粮食主产区农业全要素生产率的时空演化具有“涨跌互现”和波动性较大的特征,且其变化同气候变化与农业政策密不可分。本文研究结论对于精准评估粮食主产区农业生产水平、实现农业高质量发展和农业强国目标具有借鉴意义。     

中国粮食全要素生产率及影响因素的区域分异研究

采用2001-2010年选取的我国30个省份有关粮食生产的面板数据,运用基于DEA-Malmquist生产率指数方法,对我国粮食主产区、主销区和平衡区的粮食全要素生产率增长指数进行了测算和分解,并分析了动态全要素生产率指数的时空差异及变化源泉,在此基础上,探索了全要素生产率指数及其分解值—技术效率指数、技术进步指数的外生影响因素。研究结果表明:主产区全要素生产率指数10年内平均增长0.28%,得益于技术效率的提高和技术进步,主销区呈现出粮食生产技术进步与技术效率损失并存,"双轨损失"导致全要素生产率指数平均下降0.35%,平衡区受技术进步的恶化影响导致全要素生产率指数平均下降0.69%;中央惠农政策的实施对提高主产区的粮食全要素生产率水平有显著作用,而对主销区和平衡区的影响具有一定滞后性;人均粮食生产规模和种粮机械化水平对粮食主产区的全要素生产率均有负向影响,而对粮食主销区的全要素生产率都为正向影响。对于粮食产销平衡区,人均粮食规模的扩大能够改善技术效率,但对全要素生产率和技术进步有反向抑制作用。最后,提出了有效提高粮食生产率的对策建议。     

信息技术视角下县域农产品电商绩效评估及其影响因素分析

为进一步探讨区域农产品电商发展水平及其影响因素,从信息技术视角,构建县域农产品电商评价指标体系,运用DEA-Tobit两阶段模型测算2018年重庆市38个县域农产品电商发展的绩效及其主要影响因素,并利用ISM模型揭示不同要素之间的层级关系。结果显示:1)2018年重庆市农产品电商发展整体处于中等水平,但县域之间存在明显的差异;2)重庆市自西南向东北沿长江流域发展水平最高,其次向西北与东南方逐步降低,形成“中间高,两边低”的空间格局;3)农产品电商基建规模比农产品信息技术生产对农产品电商发展的影响更为显著。其中,露天、大棚等种植业农产品信息技术运用水平负向影响绩效,而畜禽等养殖业农产品信息技术水平正向影响绩效;4)开通电子政务行政村的比例是影响县域农产品电商发展的核心要素。未来,重庆市仍需坚持当地政府引导、信息技术支撑打造“一村一品”优质农产品,完善农产品电商基建规模,优化资源配置,减少农产品流通环节中的信息搜寻成本,进而提高农产品电商发展的整体水平。     

农户生态移民意愿及影响因素研究——以陕西省安康市为例

采用陕西省安康市256个农户调查数据,运用二元Logistic模型实证分析影响农户生态移民意愿的因素.研究结果表明:农户家庭特征中,家庭人口数量、少儿抚养比、老年抚养比、年人均纯收入对农户生态移民意愿产生重要影响;原有居住条件中,原有房屋居住位置、房屋材质、原住地离集镇距离、原住地聚集户数对农户生态意愿影响显著;社会压力方面,亲邻态度、村干部态度会对农户的搬迁行为产生影响;此外,是否具有退耕地及退耕面积的大小也是影响农户搬迁意愿的重要因素.     

贵州粮食产量波动的影响因素研究

利用20世纪80年代以来的统计数据,运用数理统计方法对贵州粮食产量波动的影响因素进行研究。结果表明:粮食单产水平提高和粮食播种面积增加对贵州粮食产量增长的贡献分别为59.83%和40.17%;粮食单产总体水平的提高主要来源于各种粮食作物自身单产水平的提高,其对贵州粮食产量增长的贡献高达73.79%,而粮食生产内部结构调整对粮食增产的贡献为-13.96%,但结构调整对贵州粮食增产的贡献率在逐步提高、且"十五"以来结构调整的贡献率表现为正;在众多影响贵州粮食单产的因素中,影响最为显著的是旱灾率和结构变动协调性系数,且均表现为负,表明高产粮食作物对低产粮食作物的种植替代必须慎重。     

福建省粮食生产态势与影响因素分析

分析了1990—2005年福建省粮食产量的波动变化，并且运用广义生产函数模型和灰色关联分析法，分2个时段对影响福建省粮食产量的主要因素进行了分析。结果表明，1990—1997年粮食播种面积和农药使用量是粮食生产的重要制约因素。1998—2005年粮食播种面积对粮食生产的影响最大。     

健康视角下我国南亚热带水田粮食产能关键限制因子识别——以广州市从化区为例

在国际粮食供需环境剧变及国内耕地非农化压力下，保障国家粮食安全，保证健康状态下耕地的粮食产能是全社会的重中之重。但是现有的耕地质量认知仍偏重于“自然环境本底”与“投入-产出”作用的耦合效应，缺乏从健康视角对耕地粮食产能关键限制因子的多维度考量。以广州市从化区为研究区，在大量样本采样检测和实地调研测产的基础上，采用地理探测器识别了健康视角下我国南亚热带水田粮食产能关键限制因子。结果表明：我国南亚热带水田粮食产能受地理环境健康背景、土壤健康状况和农田健康人工环境3个健康维度协同影响，三者贡献力分别为2.702、2.025和1.200，13个影响因素贡献力（q值）介于0.012~0.865之间，36个影响因子贡献力介于0.004~0.537之间。健康视角下我国南亚热带水田粮食产能关键限制因子主要为农田水文条件、土壤物理与微量元素健康状况、土壤侵蚀状况、生产保障措施和人为管理强度中的7个因子，其贡献力介于0.299~0.537之间，贡献力大小依次为：表土质地 > 平均水位变化 > 农作活动频率 > 土壤侵蚀程度 > 灌溉保障能力 > 有效硅含量 > 灌溉方法。受现代农业种植策略影响，我国南亚热带水田中土壤肥力、酸碱度和生物健康水平普遍较高，但土壤有效硅含量严重不足，基于灌溉保障和灌溉方法的农田精准水环境管理措施也亟需重视。可见，农田粮食产能的“木桶效应”仍严重威胁粮食安全，导致粮食产能的不稳定性与空间差异性，建议高度重视不同土壤类型中的微量元素健康状况及农作物生长过程中水环境的精准管理。     

食品加工业全要素生产率及其影响因素研究——基于人工智能和农业效率的视角

基于2009—2019年省级面板数据,运用DEA-Malmquist指数法测算中国食品加工业全要素生产率及分解项,进一步在固定效应模型下检验人工智能和农业效率对全要素生产率的影响机制和影响程度。结果表明,研究期间食品加工业全要素生产率整体呈上升趋势,主要由技术进步拉动,但增长率呈波动式下降;分经济区考察,南部沿海地区增长率最高,东北地区最低;人工智能促进技术进步,却抑制了全要素生产率增长,中国食品加工业存在“生产率悖论”;农业效率通过正向影响技术效率,促进全要素生产率提高。据此提出以赋能食品加工业转型升级、发展人工智能互补技术和建设现代农业为主要任务的对策建议。     

陕西省气候变化及其气候生产潜力的时空变化

利用陕西省及其周边44个气象站点1955—2013年气象资料分析了该区域的平均气温、降水量的时空变化规律;利用Thornthwaite memorial模型并结合EOF、R/S分析以及相关分析对陕西省气候生产潜力时空序列进行研究,在此基础上探讨了陕西省的气候资源利用率情况。结果表明:1)59年来陕西省气温呈增加趋势,为0.19℃/10年,年降水量下降率为0.84 mm/10年;2)陕西省的气候生产潜力微弱增加,上升率为1.31kg/(10年·hm~2),区域差异性明显,东南高,中部偏西区域低;3)农业气候生产潜力主要受到降水量和气温的制约,其中降水量居于主要限制地位,气候生产潜力大约有94%受到气温和降水的共同影响的,未来气候生产潜力呈增加趋势。59年来,陕西省粮食产量与气候生产潜力的相关性不显著,但两者的波动特点相似,其气候利用率逐年代增加,研究区未来仍存在作物可能增产空间。