陕西省泾阳县农村金融对农业产出影响的实证分析

以陕西省泾阳县为研究对象,选取泾阳县1990-2012年的时间序列数据,运用误差修正模型和协整分析的方法探究了农村金融对泾阳县农业产出的短期与长期影响。研究结论表明,从格兰杰检验结果来看,农村金融发展水平是泾阳县农业产出的格兰杰原因。反之,农业产出并不是泾阳县农村金融发展水平的格兰杰原因。从长期来看,农村金融发展水平、农村金融发展效率与泾阳县农业产出之间存在长期稳定的均衡关系。从短期来看,泾阳县农村金融发展水平在短期内对泾阳县农业产出的增长有一定的促进作用,但促进作用较小;泾阳县农村金融发展效率在短期内并不会较快促进泾阳县农业产出的增长。整体而言,泾阳县农村金融发展水平对泾阳县农业产出的带动作用较弱。     

基于灰色关联和Cobb-Douglas模型的滨州市农业机械化贡献率研究

在利用灰色关联分析各农业生产要素影响基础上,建立山东省滨州市2002～2013年农业生产Cobb-Douglas模型,定量研究了农业机械化对农业产出的贡献率.结果表明,在此期间,农机总动力对农业总产值影响程度最大,对农业产出的贡献率达到了29％.     

农村金融对我国农业产出影响的实证研究

选取我国1990～2012年的时间序列数据,运用误差修正模型和协整分析的方法分别探究了农村金融对我国农业产出的短期与长期影响.结果表明,从长期来看,农村金融发展水平、农村金融发展效率与我国农业产出之间存在长期稳定的均衡关系.从短期来看,我国农村金融发展水平对我国农业产出的增长有一定的促进作用,但促进作用较小.整体而言,我国农村金融发展水平对我国农业产出的带动作用较弱.     

农业机械化对杭州市农业产出贡献率的研究

为定量分析农业机械化在农业产出中的贡献份额,利用柯布-道格拉斯(Cobb-Douglas)生产函数和多元回归分析法,建立了杭州市1994～2010年农业生产函数模型。据此分析测算了该市在此期间农业机械化对农业产出的年均贡献率为7.13%,并呈逐渐增长趋势。对影响农业机械化贡献率因素分析表明,增加农业机械投入和提高机械化作业水平对提高农业机械化贡献率仍具有较大的潜力。     

灾害、劳动力和机械动力对地方粮食产出的影响——基于河北省11个地级市面板数据分析

为了探究农业生产投入要素对粮食产出的效应,选取国家农业主产省份河北省11个地级市的面板数据,运用固定效应回归和变系数回归分析方法,主要得出以下结论:1劳动力、机械动力投入对粮食产出起到正面效应,而自然灾害导致粮食减产;2机械动力的投入对粮食增产的作用显著,大部分地区对机械投入积极性较大;3不同的地区因地理环境、气候差异导致自然灾害对粮食产出的影响也不同;4农村人力资源对粮食产出的作用不容小觑。最后,基于提高农业机械化程度、抗灾保产、重视农业人力资本投入3个方面提出相关建议。     

数据包络分析方法的应用——以内蒙古农业循环经济分析为例

选取农业机械总动力、农药使用量、化肥施用量和农业保险保费收入作为区域农业循环经济发展投入指标,农业生产总值作为产出指标,构建了DEA模型对内蒙古自治区12个地市农业循环经济相对有效性进行评价.评价结果表明:3个地市农业循环经济发展相对有效,9个地市相对无效;化肥施用过量和农药使用过量是各地区农业循环经济非DEA有效的主要原因,同时文章还特别指出农业保险对农业产出的影响,9个盟市中,7个盟市规模经济递减,这些地区农业经济增长方式亟待转变.     

农地经营规模对农业技术效率影响的实证分析 ——以山东省为例

以山东省17个地市2007～2018年农业的投入产出数据为基础,通过随机前沿模型,测算了各个地市的农业技术效率指数,分析了农地经营规模对农业技术效率的影响,并对粮食作物和经济作物之间的差异做了比较.不同类型农作物产出对投入要素依赖程度不同,粮食作物产出最依赖土地要素投入,经济作物则依赖化肥要素投入;山东省整体农业技术效...     

乡村振兴背景下贫困山区脱贫农户农业生产效率差异及影响因素研究

开展贫困山区脱贫农户农业生产效率研究,有利于进一步巩固脱贫攻坚成果,对有效实施乡村振兴战略具有重要意义。基于玉龙纳西族自治县(以下简称玉龙县)典型贫困山区脱贫农户调研数据,运用DEA-BCC模型和结构方程模型,对比不同地貌区脱贫农户的农业生产效率差异,探讨不同因素对农业生产效率的影响。研究发现,山区脱贫农户的农业生产效率整体处于偏低的水平,67.1%的农户农业生产产出未及理想产出结果的50%;玉龙县农业生产效率具有显著空间差异特征,效率值为坝区>半山区>山区>高寒山区;农业生产投入、农业产出、家庭特征、耕地资源禀赋对农业生产效率具有不同程度影响,其中资金投入、农业纯收入、耕地面积、人均农业收入、家庭类型是影响农户农业生产效率的关键因素。基于此,对于山区农户需根据山区特点,针对性提供政策帮扶,改善山区交通条件,推广微耕机运用,以资金投入作为有效手段,大力发展当地优势特色产业,促进山区农户增收。     

新疆阿克苏地区绿色农业技术效率测算及影响因素分析

为了解新疆阿克苏地区绿色农业发展情况,基于新疆阿克苏地区统计年鉴数据,应用非期望产出超效率SBM模型对该地区9个县市2007—2018年的绿色农业技术效率进行评价,并且运用Tobit回归模型对影响绿色农业技术效率的因素进行实证研究.结果表明:阿克苏地区绿色农业技术效率总体呈下降趋势,各县市绿色农业技术效率值出现明显的"两极分化",生产要素投入和非期望产出冗余是技术无效率的主要来源;农业产业结构和城镇化水平对阿克苏地区整体绿色农业技术效率产生负向影响,工业化水平对其产生正向影响;各影响因素对3个分区产生了不同的影响,其中,农业产业结构、工业化水平、财政支农等均对低效率区产生负向影响.     

新冠疫情下中国农业经济发展形势的统计分析

进入2020年以来,新冠肺炎在全球漫延。为了分析突发疫情下中国农业经济的发展状况和趋势,首先根据生产函数理论建立了农业生产函数模型并进行了预测,也通过ARIMA模型对农业产出和要素进行预测;其次,结合非典疫情的经验分析农业经济在新冠疫情后的趋势;最后,综合比较和分析结果,提出建议。     

区域金融发展对农业产出影响的实证分析——以山东省为例

金融发展对农村经济发展有重要影响,是农业产出增长的重要力量。选取了金融发展、金融创新、农业产出等指标,利用山东省17个地市的面板数据分析了区域金融发展对农业产出的影响。研究发现,整体而言,金融发展对农业产出增长有一定的促进作用,而金融创新也对农业产出增长有明显的正面影响。但是,金融发展效率、金融机构创新对农业产出有抑制作用。     

南疆区域农业投入产出模型与农民增产增收对策研究

介绍了南疆农业投入与产出现状：一是农业投入力度不够,农业现代化水平较低;二是化肥使用量过大,环境遭到严重破坏;三是水资源紧张,维系生态环境平衡压力巨大;四是南疆农业产生的经济效益、社会效益并不明显,农业仍是弱势产业;五是南疆经济的主体仍是农业经济,南疆地区整体经济发展水平滞后。选取阿克苏地区为代表,依据2002～2007年投入与产出相关数据,采用主成分分析法,建立了南疆区域农业投入产出模型。在对模型求解过程中采用了DPs软件,利用Eviews软件对模型加以修正和检验,进而对所得结果的经济意义进行分析和评价,并对相关模型进行了补充说明。针对现阶段严重制约南疆地区农业经济产出的情况,提出了相应的对策建议：一是调整农业用地结构,充分提高土地利用率;二是加大农业投入力度,实现农业现代化;三是合理利用水资源,维系生态环境平衡;四是增强农业投保意识,尽量减少风险损失;五是走特色农产品产业化路线,实现剩余劳动力的转移。     

衢州市农机化对农业产出影响的灰色关联分析

为分析农业机械化对农业产出及其他农业生产要素的影响程度,利用衢州市2000～2017年相关统计数据,结合灰色关联度分析法,测算了该市同期农业机械化对农业产出及其他农业生产要素的关联度。结果表明,2000～2017年农业机械化对衢州市农业产出的关联度0.4997,在4类生产要素中列第2位,表明农业机械对该市农业总产值增长有很大影响。     

基于DEA模型的江西省农业生产效率研究

运用数据包络分析方法,对2013年江西省11个城市的农业生产效率进行定量研究。结果表明:南昌、景德镇、鹰潭、吉安的农业生产效率最高;萍乡、九江的农业生产效率较高;新余、赣州、抚州处于中等水平;宜春、上饶则为农业生产效率低水平城市。通过对各市农业发展进行投入产出分析,发现南昌、景德镇、鹰潭、吉安在农业发展中不存在投入冗余和产出不足的状况;萍乡、九江、新余、赣州、宜春、抚州、上饶均存在不同程度的投入过剩现象;九江、新余、赣州、宜春、上饶除存在资源投入过剩的情况外,还存在着产出不足的情况。     

基于DEA模型的江西省农业生产效率研究

运用数据包络分析方法,对2013年江西省11个城市的农业生产效率进行定量研究。结果表明:南昌、景德镇、鹰潭、吉安的农业生产效率最高;萍乡、九江的农业生产效率较高;新余、赣州、抚州处于中等水平;宜春、上饶则为农业生产效率低水平城市。通过对各市农业发展进行投入产出分析,发现南昌、景德镇、鹰潭、吉安在农业发展中不存在投入冗余和产出不足的状况;萍乡、九江、新余、赣州、宜春、抚州、上饶均存在不同程度的投入过剩现象;九江、新余、赣州、宜春、上饶除存在资源投入过剩的情况外,还存在着产出不足的情况。     

金华市农业机械化对农业生产作用的实证分析

为加强对金华市农业机械化发展宏观指导,根据有关统计数据,运用柯布-道格拉斯(Cobb-Douglas)生产函数和回归分析法,建立了金华市1990～2010年农业生产函数模型,分析测算了同期该市农业机械化对农业产出的贡献率.结果表明,1990～2010年农业机械化对农业产出的贡献率为9.69％,同时加大农业机械投入、提高机械化作业水平是实现农业机械化对该市农业产出贡献增长的重要举措.     

基于DEA的广东农业循环经济效率评价

应用数据包络分析法（Data Envelopment Analysis,简称DEA）对广东20个地市农业的6个投入指标和3个产出指标进行分析,测算出各地市的农业循环经济效率值。结果表明,10个地市的农业循环经济是有效的,另外10个地市则相对无效。对农业循环经济相对无效的城市利用投影方法做出优化路径的分析。     

陕西省财政农业支出与农业产出之间的动态关系分析

利用陕西省1980~2011年的财政支农数据,分析了陕西省财政支农的现状并在建立VAR模型的基础上,运用广义脉冲响应函数和预测方差分解考察了各类财政农业支对陕西省农业产出之间的动态影响及贡献。研究结论表明:生产支出、农业科技三项费、农业基本建设支出、农村救济费对陕西省农业产出增加的稳定贡献率分别为:7.954%、7.579%、6.373%、3.283%。如果将各项财政农业支出的贡献率与各项财政农业支出占总支出的比重之商定义为财政农业支出效率,各项财政农业支出支农效率由高到低依次为:农业科技三项费(486.49%)农村救济费(62.77%)农业基本建设支出(33.66%)农业生产支出(10.71%)。基于此,提出了在财政农业支出总额一定的情况下,政府应减小财政农业支出中生产支出的投入比例,增大农业科技三项费用的投入比例,以提高陕西省财政支农资金使用效率。     

安徽省县域农业全要素生产率评价

选择农业碳排放作为非期望产出指标,并采用GML指数方法对2006～2017年间安徽省县域农业全要素生产率及其时空演变特征进行实证分析。研究发现：(1)考虑与不考虑非期望产出时,安徽省县域农业全要素生产率分别为1.006、1.009,说明研究期内农业非期望产出已对农业生产造成一定程度的负面影响,GML模型比传统ML模型更加合理;(2)时序演变方面,2006～2017年安徽省县域农业全要素生产率总体上呈现出波动上升的趋势,表明研究期内安徽省农业生产率有所改善,但是程度相对有限;(3)空间格局方面,农业全要素生产率总体呈现自南向北逐步递减的趋势,但是皖北、皖中同皖南的差距逐步缩小,全省重心呈现出向“西北向”转移的趋势,全要素生产率指数的向心性和方向性逐步减弱。     

农业机械化对盐池县粮食产量效能的贡献分析

农业机械化有利于提高农业生产效率,促进农业技术的发展,提高农民的经济收入,因而对我国农业的发展具有十分重要的意义。就盐池县农业机械化对粮食产出效能作出的贡献进行探究:1980~2010年盐池县农业机械化对粮食产出效能的贡献为26.265%,说明农业机械化对盐池县粮食产出效能作出了积极贡献,因此应该大力推广农业机械化管理和生产。