趙志芳

長三角區(qū)域農(nóng)業(yè)生產(chǎn)效率的測度及地區(qū)差異研究——基于兩階段DEA-Tobit模型

趙志芳

（安徽商貿(mào)職業(yè)技術(shù)學(xué)院 金融科技學(xué)院，安徽 蕪湖 241002）

采用DEA-Tobit模型，基于2016—2019年長三角三省一市41個(gè)地級市的面板數(shù)據(jù)，構(gòu)建評價(jià)指標(biāo)體系，對長三角區(qū)域農(nóng)業(yè)生產(chǎn)效率和影響因素進(jìn)行研究。研究表明：（1）從農(nóng)業(yè)生產(chǎn)的綜合效率值來看，長三角區(qū)域的農(nóng)業(yè)生產(chǎn)綜合效率具有空間差異性。（2）從動態(tài)發(fā)展來看，長三角區(qū)域的農(nóng)業(yè)生產(chǎn)效率在不斷提升，但是有7個(gè)城市的農(nóng)業(yè)生產(chǎn)效率在衰退。（3）地區(qū)人均GDP、農(nóng)村居民人均可支配收入以及農(nóng)林水支出與長三角區(qū)域農(nóng)業(yè)生產(chǎn)效率之間呈顯著的正向相關(guān)；人口城鎮(zhèn)化率與長三角區(qū)域農(nóng)業(yè)生產(chǎn)效率之間呈顯著的負(fù)向相關(guān)。

長三角；農(nóng)業(yè)生產(chǎn)效率；DEA-Tobit模型

2019—2021年，中央一號文件分別從“加快補(bǔ)齊農(nóng)業(yè)基礎(chǔ)設(shè)施和公共服務(wù)短板”“保障重要農(nóng)產(chǎn)品有效供給和促進(jìn)農(nóng)民持續(xù)增收”以及“全面推進(jìn)鄉(xiāng)村振興加快農(nóng)業(yè)農(nóng)村現(xiàn)代化”等方面強(qiáng)調(diào)提高農(nóng)業(yè)生產(chǎn)效率的重要性。長江三角洲（簡稱“長三角”）區(qū)域覆蓋江蘇省、浙江省、安徽省和上海市三省一市41個(gè)地級市，地域面積35.9萬平方公里。長三角區(qū)域是我國重要的農(nóng)產(chǎn)區(qū)之一，農(nóng)業(yè)區(qū)域一體化是長三角區(qū)域一體化的重要組成部分。研究長三角區(qū)域農(nóng)業(yè)生產(chǎn)效率及地區(qū)差異對實(shí)現(xiàn)長三角農(nóng)業(yè)高質(zhì)量一體化發(fā)展具有重要意義。

一、文獻(xiàn)綜述

在鄉(xiāng)村振興的背景下，提升農(nóng)業(yè)生產(chǎn)效率一直是學(xué)術(shù)界研究的重點(diǎn)問題。不同時(shí)期背景下，學(xué)者們研究的內(nèi)容和方法都不同。筆者收集了近三年中國知網(wǎng)的相關(guān)學(xué)術(shù)論文，從研究內(nèi)容來看，韓旭東（2020）基于第二期“全國新型農(nóng)業(yè)經(jīng)營主體發(fā)展指數(shù)調(diào)查”數(shù)據(jù)，通過構(gòu)建隨機(jī)前沿生產(chǎn)函數(shù)，實(shí)證分析了土地細(xì)碎化與土地流轉(zhuǎn)對農(nóng)業(yè)生產(chǎn)效率的影響。[1]徐清華（2020）基于全國1832個(gè)縣2002—2010年的面板數(shù)據(jù)，采用空間杜賓模型分析農(nóng)村勞動力轉(zhuǎn)移對縣域農(nóng)業(yè)生產(chǎn)效率的空間溢出效應(yīng)及其區(qū)域差異。[2]任天馳（2021）基于湖北、江西、四川以及云南1290戶農(nóng)戶數(shù)據(jù)，從農(nóng)業(yè)保險(xiǎn)的主體異質(zhì)性出發(fā)，實(shí)證研究了農(nóng)業(yè)保險(xiǎn)保障水平對農(nóng)戶生產(chǎn)效率的影響。[3]林夏凱風(fēng)（2021）從農(nóng)戶行為和以山區(qū)縣為載體的角度出發(fā)對農(nóng)業(yè)生產(chǎn)效率開展研究。[4]鐘曉萍（2021）從農(nóng)地不平等的視角探究承包地調(diào)整對農(nóng)業(yè)生產(chǎn)效率的影響，并考慮土地租入與家庭勞動力投入變動的調(diào)節(jié)效應(yīng)。[5]王靜（2021）探究宅基地退出對農(nóng)戶農(nóng)業(yè)生產(chǎn)效率的影響，考察宅基地退出年限與退出幫扶政策對農(nóng)戶農(nóng)業(yè)生產(chǎn)效率的影響。[6]

從研究方法來看，陳振（2019）在傳統(tǒng)DEA模型的基礎(chǔ)上，引入非期望產(chǎn)出指標(biāo)建立SBM-DEA模型，對河南省18個(gè)地市的農(nóng)業(yè)生產(chǎn)效率進(jìn)行測算。[7]侯琳（2019）采用超效率DEA模型和Malmquist指數(shù)，對1990—2016年中國29個(gè)省級地區(qū)的農(nóng)業(yè)生產(chǎn)效率進(jìn)行分析。[8]李強(qiáng)（2020）利用DEA模型對2004—2017年吉林省農(nóng)業(yè)生產(chǎn)效率進(jìn)行測算，采用投影分析和Malmquist指數(shù)對農(nóng)業(yè)生產(chǎn)水平進(jìn)行評價(jià)研究。[9]崔海洋（2021）基于三階段DEA模型和聚類分析相結(jié)合的方法，以2008—2018年的長江經(jīng)濟(jì)帶為例，測算其農(nóng)業(yè)生產(chǎn)效率并分析時(shí)空特征。[10]李江（2021）運(yùn)用DEA-Tobit兩階段法測度2007—2016年31個(gè)省區(qū)市的農(nóng)業(yè)生產(chǎn)效率與經(jīng)營效率問題，并在此基礎(chǔ)上進(jìn)一步探究勞動人口轉(zhuǎn)移對農(nóng)業(yè)效率的影響。[11]

綜上所述，目前，國內(nèi)學(xué)者對農(nóng)業(yè)生產(chǎn)效率的研究成果相對較多，主要集中在省際區(qū)域，而對整個(gè)長江三角洲區(qū)域的農(nóng)業(yè)生產(chǎn)效率研究幾乎沒有。因此，本文采用效率評價(jià)的DEA—Tobit模型，基于2016—2019年的相關(guān)統(tǒng)計(jì)數(shù)據(jù)研究長三角區(qū)域三省一市41個(gè)地級市的農(nóng)業(yè)生產(chǎn)效率及其影響因素，以期促進(jìn)長三角農(nóng)業(yè)高質(zhì)量一體化發(fā)展。

二、研究方法與評價(jià)指標(biāo)

（一）研究方法

本文運(yùn)用DEA—Tobit模型研究長三角41個(gè)地級市農(nóng)業(yè)生產(chǎn)效率。首先，基于規(guī)模報(bào)酬可變的假設(shè)，采用DEA-BCC模型從靜態(tài)角度對長三角41個(gè)地級市的農(nóng)業(yè)生產(chǎn)效率進(jìn)行評價(jià)。然后，運(yùn)用Malmquist指數(shù)從動態(tài)角度考察長三角41個(gè)地級市農(nóng)業(yè)生產(chǎn)效率的變化趨勢。最后，為了進(jìn)一步分析長三角41個(gè)地級市農(nóng)業(yè)生產(chǎn)效率的影響因素，本文采用受限因變量模型即Tobit模型進(jìn)行回歸分析。

（二）評價(jià)指標(biāo)

本文遵循數(shù)據(jù)的可比性、可得性和科學(xué)性等原則，結(jié)合前人研究的成果選取農(nóng)業(yè)生產(chǎn)效率的評價(jià)指標(biāo)。產(chǎn)出指標(biāo)選用農(nóng)林牧副漁總產(chǎn)值，投入指標(biāo)選取第一產(chǎn)業(yè)就業(yè)人數(shù)、農(nóng)作物總播種面積、農(nóng)業(yè)機(jī)械總動力和化肥施用量四個(gè)指標(biāo)。關(guān)于外部環(huán)境影響因素主要選取地區(qū)人均GDP、農(nóng)村居民人均可支配收入、農(nóng)林水支出以及人口城鎮(zhèn)化率四個(gè)指標(biāo)，如表1所示：

表1 農(nóng)業(yè)生產(chǎn)效率評價(jià)指標(biāo)

三、長三角區(qū)域農(nóng)業(yè)生產(chǎn)效率的實(shí)證研究

（一）基于DEA模型的農(nóng)業(yè)生產(chǎn)效率靜態(tài)分析

本文數(shù)據(jù)來源于《國家統(tǒng)計(jì)年鑒》《安徽省統(tǒng)計(jì)年鑒》《江蘇省統(tǒng)計(jì)年鑒》《浙江省統(tǒng)計(jì)年鑒》《上海統(tǒng)計(jì)年鑒》以及浙江省各地級市統(tǒng)計(jì)年鑒等。研究時(shí)期是2016—2019年，研究對象是長三角三省一市41個(gè)地級市。利用DEAP2.1軟件計(jì)算出長三角三省一市41個(gè)地級市農(nóng)業(yè)生產(chǎn)的綜合效率（crste）、純技術(shù)效率（vrste）和規(guī)模效率（scal）。由于篇幅有限，僅列出2019年長三角41個(gè)地級市農(nóng)業(yè)生產(chǎn)效率值，如表2所示。

表2 2019年長三角41個(gè)地級市農(nóng)業(yè)生產(chǎn)效率值

2019年長三角地區(qū)41個(gè)地級市的綜合效率均值為0.583，純技術(shù)效率均值為0.697，規(guī)模效率均值為0.845，均未達(dá)到DEA有效狀態(tài)。具體來看，2019年長三角地區(qū)只有蘇州、寧波和舟山三個(gè)城市的綜合效率值為1，達(dá)到DEA有效狀態(tài)。純技術(shù)效率達(dá)到1的城市有12個(gè)，規(guī)模報(bào)酬遞增（irs）的城市有19個(gè)，規(guī)模報(bào)酬遞減（drs）的城市也是19個(gè)。

表3 2019年長三角三省一市農(nóng)業(yè)生產(chǎn)效率值

從長三角三省一市的比較來看，2019年農(nóng)業(yè)生產(chǎn)綜合效率值最高的是上海0.976，浙江省和江蘇省較為接近，分別是0.733和0.694，安徽省最低，只有0.364，與其他地區(qū)差距較大。從規(guī)模報(bào)酬來看，上海市處于規(guī)模報(bào)酬遞增，浙江省有64%的地區(qū)處于規(guī)模報(bào)酬遞增，安徽省有50%的地區(qū)處于規(guī)模報(bào)酬遞增，江蘇省有23%的地區(qū)處于規(guī)模報(bào)酬遞增。2019年三省一市農(nóng)業(yè)生產(chǎn)綜合效率值、純技術(shù)效率值和規(guī)模效率值如表3所示。

（二）基于Malmquist 指數(shù)的農(nóng)業(yè)生產(chǎn)效率動態(tài)分析

Malmquist指數(shù)可以動態(tài)反映長三角41個(gè)地級市農(nóng)業(yè)生產(chǎn)效率的變化情況。運(yùn)用DEAP2.1軟件計(jì)算長三角41個(gè)地級市2016—2019年農(nóng)業(yè)生產(chǎn)的技術(shù)效率變化（Effch）、技術(shù)進(jìn)步變化（Techch）、純技術(shù)效率變化（Pech）、規(guī)模效率變化（Sech）以及全要素生產(chǎn)率變化（TFPch）。全要素生產(chǎn)率變化（TFPch）可以分解為技術(shù)效率變化（Effch）和技術(shù)進(jìn)步變化（Techch），技術(shù)效率變化又可以進(jìn)一步分解為純技術(shù)效率變化（Pech）和規(guī)模效率變化（Sech）。

表4 2016—2019年長三角地區(qū)農(nóng)業(yè)生產(chǎn)效率分年TFP指數(shù)及分解

從表4中可以看出，2016—2019年長三角地區(qū)農(nóng)業(yè)生產(chǎn)效率的全要素生產(chǎn)率變化均值是1.041，年均增長率是4.1%，說明農(nóng)業(yè)生產(chǎn)效率呈現(xiàn)整體上升的趨勢。具體來看，TFPch值從1.029上升到1.068，然后下降到1.028，呈現(xiàn)出先上升后下降的波動趨勢。從TFPch分解的技術(shù)效率變化來看，均值是1.031，年均增長率是3.1%。說明組織管理水平的提升對長三角農(nóng)業(yè)生產(chǎn)效率起到了促進(jìn)作用。技術(shù)效率的分解指數(shù)純技術(shù)效率變化均值是1.011，年均增長率是1.1%，規(guī)模效率變化均值是1.02，年均增長率是2%。這說明純技術(shù)效率指數(shù)和規(guī)模效率指數(shù)均對技術(shù)效率指數(shù)起到了促進(jìn)作用。技術(shù)進(jìn)步變化均值是1.01，年均增長率是1%，說明技術(shù)進(jìn)步對長三角農(nóng)業(yè)生產(chǎn)效率起到了促進(jìn)作用。

表5 2016—2019年長三角41個(gè)地級市農(nóng)業(yè)生產(chǎn)效率TFP指數(shù)及分解

表5反映了2016—2019年長三角41個(gè)地級市農(nóng)業(yè)生產(chǎn)效率TFP指數(shù)及分解。從表中可以看出，長三角只有7個(gè)城市的全要素生產(chǎn)率指數(shù)小于1，其他34個(gè)城市的全要素生產(chǎn)率指數(shù)均大于1，說明長三角大部分城市的農(nóng)業(yè)生產(chǎn)效率在不斷提升，發(fā)展趨勢較好。其中，農(nóng)業(yè)生產(chǎn)效率提升最多的是舟山，年增長率達(dá)到了49%，其次是淮北、杭州和臺州等。全要素生產(chǎn)效率指數(shù)小于1的城市有亳州、紹興、溫州、無錫、蕪湖、衢州和安慶，說明這些城市的農(nóng)業(yè)生產(chǎn)效率在衰退。

（三）Tobit回歸分析

通過上述分析，2016—2019年長三角三省一市的農(nóng)業(yè)生產(chǎn)效率存在較大的差異，接下來通過Tobit回歸模型探究影響農(nóng)業(yè)生產(chǎn)效率的因素。農(nóng)業(yè)生產(chǎn)效率不僅取決于農(nóng)業(yè)生產(chǎn)要素的投入和產(chǎn)出，還與地區(qū)經(jīng)濟(jì)發(fā)展、農(nóng)村經(jīng)濟(jì)發(fā)展、政府的支持力度以及城鎮(zhèn)化水平等外部因素緊密相關(guān)。本文選取地區(qū)人均GDP作為地區(qū)經(jīng)濟(jì)發(fā)展指標(biāo)、農(nóng)村居民人均可支配收入作為農(nóng)村經(jīng)濟(jì)發(fā)展指標(biāo)、農(nóng)林水支出作為政府對農(nóng)業(yè)支持力度的指標(biāo)、人口城鎮(zhèn)化率作為城鎮(zhèn)化水平的指標(biāo)，分別定義為自變量PRO、INC、FIN和URB，運(yùn)用SPSS軟件對變量的描述性統(tǒng)計(jì)見表6：

表6 變量描述性統(tǒng)計(jì)

將表6中的變量定義為自變量，DEA模型得到的農(nóng)業(yè)生產(chǎn)綜合效率值作為因變量，構(gòu)建回歸模型：

基于長三角41個(gè)地級市2015—2019年統(tǒng)計(jì)年鑒的相關(guān)數(shù)據(jù)，運(yùn)用Eviews軟件進(jìn)行Tobit回歸分析，結(jié)果如表7所示。

表7 長三角41個(gè)地級市農(nóng)業(yè)生產(chǎn)效率影響因素Tobit模型回歸結(jié)果

注：*表示變量系數(shù)通過1%的P值顯著性檢驗(yàn)

（1）地區(qū)人均GDP與長三角區(qū)域41個(gè)地級市農(nóng)業(yè)生產(chǎn)效率之間呈顯著的正向相關(guān)，表明當(dāng)人均GDP每提高1個(gè)單位，農(nóng)業(yè)生產(chǎn)效率提高0.17。說明地區(qū)經(jīng)濟(jì)發(fā)展能顯著促進(jìn)農(nóng)業(yè)生產(chǎn)效率的提升。

（2）農(nóng)村居民人均可支配收入與長三角區(qū)域41個(gè)地級市農(nóng)業(yè)生產(chǎn)效率之間呈顯著的正向相關(guān)，表明當(dāng)農(nóng)村居民人均可支配收入每提高1個(gè)單位，農(nóng)業(yè)生產(chǎn)效率提高0.08。說明農(nóng)村居民人均可支配收入提高能顯著促進(jìn)農(nóng)業(yè)生產(chǎn)效率的提升。

（3）農(nóng)林水支出與長三角區(qū)域41個(gè)地級市農(nóng)業(yè)生產(chǎn)效率之間呈顯著的正向相關(guān)，表明當(dāng)農(nóng)林水支出每提高1個(gè)單位，農(nóng)業(yè)生產(chǎn)效率提高0.04。說明政府對農(nóng)業(yè)的支持力度能顯著促進(jìn)農(nóng)業(yè)生產(chǎn)效率的提升。

（4）人口城鎮(zhèn)化率與長三角區(qū)域41個(gè)地級市農(nóng)業(yè)生產(chǎn)效率之間呈顯著的負(fù)向相關(guān)，表明當(dāng)人口城鎮(zhèn)化率每提高1個(gè)單位，農(nóng)業(yè)生產(chǎn)效率下降0.06。說明城鎮(zhèn)化水平的提高不利于農(nóng)業(yè)生產(chǎn)效率的提升。

四、結(jié)論與對策

本文基于DEA -Tobit模型對長三角41個(gè)地級市2016—2019年間的農(nóng)業(yè)生產(chǎn)效率及其影響因素進(jìn)行實(shí)證研究，結(jié)論及對策如下：

（1）長三角區(qū)域的科技創(chuàng)新綜合效率具有空間差異性。研究期間長三角41個(gè)地級市的綜合效率均值只有0.583，低于0.6，說明農(nóng)業(yè)生產(chǎn)效率較低。只有蘇州、寧波和舟山三個(gè)城市達(dá)到了DEA有效狀態(tài)，其他城市均未達(dá)到DEA有效狀態(tài)。其中，農(nóng)業(yè)生產(chǎn)效率較高即綜合效率值位于0.8—1之間的城市有5個(gè)，農(nóng)業(yè)生產(chǎn)效率中等即綜合效率值位于0.6—0.8之間的城市有11個(gè)，農(nóng)業(yè)生產(chǎn)效率較低即綜合效率值低于0.6的城市有22個(gè)。從三省一市的比較來看，2019年農(nóng)業(yè)生產(chǎn)綜合效率均值最高的是上海，為0.976，浙江省和江蘇省較為接近，分別是0.733和0.694，安徽省最低，只有0.364，與其他地區(qū)差距較大。由此可見，長三角區(qū)域的農(nóng)業(yè)生產(chǎn)效率差距較大。長三角在一體化發(fā)展過程中，要充分考慮地區(qū)間農(nóng)業(yè)的均衡發(fā)展。在保證農(nóng)業(yè)生產(chǎn)效率高的地區(qū)優(yōu)勢的同時(shí)要帶動農(nóng)業(yè)生產(chǎn)效率低的地區(qū)，縮小各地級市農(nóng)業(yè)生產(chǎn)效率的差距，實(shí)現(xiàn)長三角農(nóng)業(yè)高質(zhì)量一體化發(fā)展。

（2）長三角41個(gè)地級市農(nóng)業(yè)生產(chǎn)綜合效率具有動態(tài)變化性?？傮w而言，2016—2019年長三角地區(qū)農(nóng)業(yè)生產(chǎn)效率的全要素生產(chǎn)率均值是1.041，年均增長率是4.1%，說明農(nóng)業(yè)生產(chǎn)效率呈現(xiàn)上升的趨勢。具體來看，長三角大部分城市的農(nóng)業(yè)生產(chǎn)效率在不斷提升，發(fā)展態(tài)勢良好。其中，農(nóng)業(yè)生產(chǎn)效率提升最多的是舟山，年增長率達(dá)到了49%，但有7個(gè)城市的農(nóng)業(yè)生產(chǎn)效率在衰退。因此，農(nóng)業(yè)生產(chǎn)效率低的城市應(yīng)加大農(nóng)業(yè)科技創(chuàng)新，提升農(nóng)業(yè)的技術(shù)增值；同時(shí)引進(jìn)先進(jìn)的管理制度和理念，提高技術(shù)管理水平，發(fā)展現(xiàn)代化農(nóng)業(yè)，不斷提升農(nóng)業(yè)生產(chǎn)效率。

（3）地區(qū)人均GDP、農(nóng)村居民人均可支配收入以及農(nóng)林水支出與長三角區(qū)域農(nóng)業(yè)生產(chǎn)效率之間呈顯著的正向相關(guān)；人口城鎮(zhèn)化率與長三角區(qū)域農(nóng)業(yè)生產(chǎn)效率之間呈顯著的負(fù)向相關(guān)。因此，農(nóng)業(yè)生產(chǎn)效率較低的城市應(yīng)完善財(cái)政支農(nóng)機(jī)制，提高支農(nóng)資金的使用效率。同時(shí)各地級市應(yīng)合理有序的推動人口城鎮(zhèn)化，鼓勵(lì)農(nóng)民返鄉(xiāng)創(chuàng)業(yè)，確保農(nóng)業(yè)生產(chǎn)人員的數(shù)量和質(zhì)量。

[1]韓旭東，王若男，楊慧蓮，等.土地細(xì)碎化、土地流轉(zhuǎn)與農(nóng)業(yè)生產(chǎn)效率——基于全國2745個(gè)農(nóng)戶調(diào)研樣本的實(shí)證分析[J].西北農(nóng)林科技大學(xué)學(xué)報(bào)，2020（5）：143-153.

[2]徐清華，張廣勝.農(nóng)村勞動力轉(zhuǎn)移對縣域農(nóng)業(yè)生產(chǎn)效率的空間溢出效應(yīng)——基于1832個(gè)縣的面板數(shù)據(jù)[J].農(nóng)業(yè)現(xiàn)代化研究，2020（3）：407-416.

[3]任天馳，張洪振，楊汭華.農(nóng)業(yè)保險(xiǎn)保障水平如何影響農(nóng)業(yè)生產(chǎn)效率：基于鄂、贛、川、滇四省調(diào)查數(shù)據(jù)[J].中國人口·資源與環(huán)境，2021（7）：161-170.

[4]林夏凱風(fēng)，林錦彬，劉飛翔.農(nóng)戶行為視角下福建山區(qū)縣農(nóng)業(yè)生產(chǎn)效率的影響因素及生態(tài)化改善研究[J]. 農(nóng)業(yè)經(jīng)濟(jì)，2021（2）：12-15.

[5]鐘曉萍.承包地調(diào)整、農(nóng)地不平等與農(nóng)業(yè)生產(chǎn)效率——基于有調(diào)節(jié)中介效應(yīng)模型的檢驗(yàn)[J].中國土地科學(xué)，2021（5）：26-36.

[6]王靜，趙凱.宅基地退出對農(nóng)戶農(nóng)業(yè)生產(chǎn)效率的影響——基于安徽省金寨縣473份農(nóng)戶樣本[J].中國土地科學(xué)，2021（7）：71-80+88.

[7]陳振，徐瑤瑤，翟振杰，等.基于SBM-DEA模型的河南省農(nóng)業(yè)生產(chǎn)效率分析[J].河南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2019（4）：647-652.

[8] 侯琳，馮繼紅.基于超效率DEA和Malmquist指數(shù)的中國農(nóng)業(yè)生產(chǎn)效率分析[J].河南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2019（2）：316-324.

[9]李強(qiáng)，龐鈺凡，汪玥.基于DEA模型和Malmquist指數(shù)的農(nóng)業(yè)生產(chǎn)效率評價(jià)研究——以吉林省為例[J].技術(shù)經(jīng)濟(jì)，2020（9）：135-143.

[10]崔海洋，卓雯君，虞虎，等.基于三階段DEA模型的農(nóng)業(yè)生產(chǎn)效率及其時(shí)空特征研究——以長江經(jīng)濟(jì)帶為例[J].中國生態(tài)農(nóng)業(yè)學(xué)報(bào)（中英文），2021（7）：1243-1252.

[11]李江，毛瑞男.農(nóng)村勞動人口轉(zhuǎn)移對農(nóng)業(yè)生產(chǎn)效率與經(jīng)營效率的影響——基于省級面板數(shù)據(jù)的DEA-Tobit兩階段法的分析[J].人口學(xué)刊，2021（3）：100-112.

Research on Measurement and regional Difference of Agricultural Production Efficiency in Yangtze River Delta Region——Based on the two stages of DEA-Tobit Model

Zhao Zhifang

Under the background of promoting rural revitalization and speeding up agricultural and rural modernization in an all-round way, it is vital to promote agricultural production efficiency. Based on the panel data of 41 cities and provinces in the Yangtze River Delta from 2016 to 2019, the DEA-Tobit model is used to construct an evaluation index system to study the agricultural productivity and its influence factors in the Yangtze River Delta Region. The results show that: Firstly, from the value of the comprehensive efficiency of agricultural production, the comprehensive efficiency of agricultural production in the Yangtze River Delta region has spatial difference. Secondly, the agricultural production efficiency in the Yangtze River Delta region is increasing from the dynamic development point of view for the dynamic development. But the agricultural production efficiency in 7 cities is declining. Finally, there is a significant positive correlation between regional per capita GDP, rural per capita disposable income and agricultural expenditure in water and agricultural production efficiency in the Yangtze River Delta region. There is a significant negative correlation between population urbanization rate and agricultural production efficiency in the Yangtze River Delta Region.

Yangtze River Delta; Agricultural production efficiency; DEA-Tobit model

2021-10-30

安徽省高校人文社會科學(xué)研究重點(diǎn)項(xiàng)目（SK2020A0829）；安徽商貿(mào)職業(yè)技術(shù)學(xué)院科研項(xiàng)目（2020KZR06）

趙志芳（1983－ ），女，安徽太湖人，安徽商貿(mào)職業(yè)技術(shù)學(xué)院金融科技學(xué)院講師，碩士。

10.13685/j.cnki.abc. 000604

F327

A

1671-9255（2022）01-0011-05