□李 鵬 曾 光
[1.東南大學(xué) 南京 211189;2.華中農(nóng)業(yè)大學(xué) 武漢 430070]
黨的十八大報告提出工業(yè)化、信息化、城鎮(zhèn)化以及農(nóng)業(yè)現(xiàn)代化同步發(fā)展[1],此舉意味著我國未來產(chǎn)業(yè)的發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整是實現(xiàn)產(chǎn)業(yè)的嵌入型融合以及產(chǎn)業(yè)之間的“互聯(lián)互通”。湖北省是我國農(nóng)業(yè)大省之一(2010年湖北省農(nóng)業(yè)生產(chǎn)總值1921.7億元,位居全國第八),對我國農(nóng)業(yè)的發(fā)展起著舉足輕重的作用。湖北省轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式,調(diào)整農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu),關(guān)系到未來湖北省經(jīng)濟(jì)的發(fā)展態(tài)勢。那么目前來說湖北省的農(nóng)業(yè)發(fā)展是內(nèi)涵式的發(fā)展還是外延式的發(fā)展方式,農(nóng)業(yè)的生產(chǎn)效率是怎么樣的?哪些因素影響了農(nóng)業(yè)的效率?這些問題的科學(xué)回答,有利于湖北省農(nóng)業(yè)的健康可持續(xù)發(fā)展。
目前,測算全要素生產(chǎn)率(Total Factor Productivity,簡稱TFP)的方法有兩類:一是非參數(shù)的數(shù)據(jù)包絡(luò)分析方法(Data Envelopment Analysis,簡稱DEA);二是參數(shù)的隨機(jī)前沿模型(Stochastic Frontier Analysis,簡稱SFA)。Farrell最早對農(nóng)業(yè)生產(chǎn)效率進(jìn)行了分析,他在分析英國的農(nóng)業(yè)生產(chǎn)力時提出了生產(chǎn)效率的衡量方法,并利用線性規(guī)劃法測算了效率前沿面[2];Ball等測算了美國等10個國家1973~1993年間的農(nóng)業(yè)生產(chǎn)效率,結(jié)果顯示資本積累與生產(chǎn)效率增長是相互促進(jìn)的[3];Ruttan對資源和環(huán)境約束下世界農(nóng)業(yè)生產(chǎn)率的增長進(jìn)行了闡述,并給出了發(fā)達(dá)國家及發(fā)展中國家農(nóng)業(yè)生產(chǎn)效率增長的路徑[4];Restuccia等采用兩階段一般均衡模型分析了國際農(nóng)業(yè)的生產(chǎn)效率,結(jié)果顯示貧困國家較低的生產(chǎn)率導(dǎo)致了農(nóng)業(yè)的低效率[5];Shahabinejad等運用DEA模型測算了1993~2007年間D-8的農(nóng)業(yè)生產(chǎn)率①,并將全要素生產(chǎn)率分解為技術(shù)進(jìn)步和技術(shù)效率變化,技術(shù)進(jìn)步是生產(chǎn)率增長的主要原因[6]。國內(nèi)學(xué)者利用相關(guān)數(shù)據(jù),測算了中國的農(nóng)業(yè)生產(chǎn)效率。趙蕾等采用非參數(shù)的Malmquist指數(shù)法測算了我國1981~2003年間的農(nóng)業(yè)生產(chǎn)率,期間我國農(nóng)業(yè)生產(chǎn)率年均增長3.7%,與農(nóng)業(yè)總產(chǎn)值的增長比例相符,農(nóng)業(yè)的增長主要得益于技術(shù)進(jìn)步[7];周端明運用非參數(shù)的Malmquist生產(chǎn)率指數(shù)法測算了1978~2005年間農(nóng)業(yè)的全要素生產(chǎn)率的時序演進(jìn)和空間分布的基本特征。結(jié)果表明,1978~2005年,中國農(nóng)業(yè)全要素生產(chǎn)率年均增長3.3%,技術(shù)進(jìn)步年均增長1.7%,技術(shù)效率年均增長1.6%[8]。
已有文獻(xiàn)對生產(chǎn)率的研究是深入有效且詳盡的,對本文的研究有著重要的參考價值。但是,傳統(tǒng)的DEA模型和隨機(jī)前沿模型均未能剔除隨機(jī)誤差和環(huán)境因素的影響,不能確切的衡量管理水平對生產(chǎn)效率的影響,但是三階段DEA模型可以剔除環(huán)境因素和隨機(jī)誤差對于效率的影響,得到反映決策單元內(nèi)部管理水平的效率值,以期更準(zhǔn)確的反映湖北省農(nóng)業(yè)的生產(chǎn)效率。因此文章基于2000~2010年間12個農(nóng)業(yè)大省的農(nóng)業(yè)產(chǎn)出與投入數(shù)據(jù),采用三階段DEA模型測算了我國農(nóng)業(yè)大省的生產(chǎn)效率,并將湖北省的農(nóng)業(yè)生產(chǎn)效率與其他省份做了比較,以尋找促進(jìn)湖北省農(nóng)業(yè)生產(chǎn)率提高的對策建議。
Fried等提出的三階段DEA模型能夠更好地評估決策單元的效率[9]。該方法的最大特點是能夠剔除非經(jīng)營因素(外部環(huán)境和隨機(jī)誤差)對效率的影響。其通過以下三個階段來實現(xiàn)。
第一階段:傳統(tǒng)的DEA 模型②。BCC模型測算的是規(guī)模報酬可變(Variable Return to Scale,簡稱VRS)假設(shè)條件下決策單元的相對有效性問題。文章利用的是投入導(dǎo)向的BCC模型:
其中,i=1,2……n;j=1,2……m;r=1,2……s,n,m,s分別為決策單元數(shù)、輸入和輸出變量的個數(shù)。xij為第i個決策單元的第j種投入要素,yir為第i個決策單元的第s個產(chǎn)出要素,θ為決策單元DMU的有效值。若θ=1,且s+=s-=0,則決策單元DEA有效;若θ=1,且s+≠ 0或s-≠0時,則決策單元為弱DEA有效;若θ< 1,決策單元非DEA有效。
第二階段:相似SFA分析模型。將第一階段得出的投入松弛變量值與環(huán)境變量做回歸分析,以此來調(diào)整投入,使得所有的決策單元處于相同的環(huán)境水平下。文章采用投入導(dǎo)向的SFA模型,方程如下:
其中,Sik表示第i個決策單元的第k個投入的松弛變量;Zk=(z1k,z2k……zpk)表示p個管理無效率環(huán)境變量的觀察值。fi(zk;βi)表示環(huán)境變量對投入差額值Sik的影響,一般令fi(zk;βi)=zkβi。βi為需要估算的環(huán)境變量的參數(shù),νik為隨機(jī)誤差項,νik~ (0,σi2);uik為生產(chǎn)過程中管理無效率的非負(fù)隨機(jī)變量,假定其服從截斷正態(tài)分布,即和獨立不相關(guān)③。為技術(shù)無效率方差項占總方差的比重,當(dāng)γ趨近于1時,管理因素的影響占主導(dǎo);當(dāng)γ趨于0時,隨機(jī)誤差的影響占據(jù)主導(dǎo)地位。求得νik和uik的值,首先得利用Battese和Coelli的FRONTIER Version 4.1使用最大似然法求出然后利用Jondow等的方法[11],求出之后,可得νik的表達(dá)式如下:
根據(jù)羅登躍關(guān)于三階段DEA模型中管理無效率的計算方法[12],可以利用如下方式計算得到:
如果u服從半正態(tài)分布或截面正態(tài)分布,則n=0[13]。再將估計的值代入調(diào)整投入的算式:
第三階段:調(diào)整后的DEA模型。將通過SFA模型調(diào)整后的要素投入值代替原來的投入值xik,產(chǎn)出數(shù)據(jù)不變,重新運用BCC模型進(jìn)行效率評估,得到的效率值即為決策單元的真實效率值,此時計算的效率值為僅受技術(shù)管理影響的效率值。
農(nóng)業(yè)產(chǎn)出用農(nóng)林牧漁業(yè)總產(chǎn)值來衡量。采用廣義農(nóng)業(yè)產(chǎn)出可以與農(nóng)業(yè)投入統(tǒng)計口徑保持一致,因為農(nóng)業(yè)機(jī)械投入與農(nóng)業(yè)勞動力投入都是采用廣義農(nóng)業(yè)口徑[14~15]。
農(nóng)業(yè)投入變量包括5個方面:(1)勞動力投入,以第一產(chǎn)業(yè)從業(yè)人員(萬人)計算;(2)土地投入,以農(nóng)作物總播種面積(千公頃)計算;(3)農(nóng)業(yè)機(jī)械動力(萬千瓦)投入;(4)化肥投入(萬噸),以本年度內(nèi)實際用于農(nóng)業(yè)生產(chǎn)的化肥施用量(折純量)計算;(5)灌溉投入(千公頃),以每年實際的有效灌溉面積計算。
各投入項與產(chǎn)出項之間需符合“同向性”假設(shè),即投入增加時產(chǎn)出不得減少,常用的檢驗方法是采用Pearson相關(guān)性檢驗方法對其檢測[16~17]。利用該方法檢驗的結(jié)果如下。
表1 2000~2010年12個農(nóng)業(yè)大省的農(nóng)業(yè)產(chǎn)出與投入的Pearson相關(guān)系數(shù)檢驗
由表1可以看出,各省市的農(nóng)業(yè)投入與產(chǎn)出之間的相關(guān)系數(shù)均為正,并且均能通過1%置信水平的雙尾檢驗,充分說明產(chǎn)出與投入之間滿足“同向性”假設(shè)。同時還可以看出,勞動力和土地這兩種基本投入對農(nóng)林牧漁業(yè)總產(chǎn)值的影響比較小,農(nóng)業(yè)機(jī)械化動力、化肥投入和灌溉投入對農(nóng)林牧漁業(yè)總產(chǎn)值的影響比較大。
環(huán)境變量應(yīng)滿足“分離假設(shè)”的原則[18],即這些變量應(yīng)選取對農(nóng)業(yè)生產(chǎn)率有影響但是又不受本身控制的因素,包括國家的宏觀經(jīng)濟(jì)環(huán)境、政府對農(nóng)業(yè)發(fā)展的相關(guān)政策及自然災(zāi)害等因素。
在國內(nèi)宏觀經(jīng)濟(jì)環(huán)境方面,分別用農(nóng)民的收入水平和城市化水平來衡量。一般而言,農(nóng)民收入增加有利于提高勞動的積極性,從而提高農(nóng)業(yè)的生產(chǎn)率水平,本文采用農(nóng)民的人均純收入(元)水平來衡量。城市化水平采用城鎮(zhèn)人口與總?cè)丝诘谋嚷蕘矸磻?yīng)城市化水平。預(yù)計農(nóng)民人均純收入增加和城市化水平提高有利于農(nóng)業(yè)生產(chǎn)率的提高。
在政府對農(nóng)業(yè)發(fā)展的扶持政策方面,我們采用地方財政支出(萬元)來衡量政府在政策方面對于農(nóng)業(yè)發(fā)展的支持。財政支農(nóng)對不同地區(qū)農(nóng)業(yè)生產(chǎn)的影響是不同的,財政支農(nóng)對農(nóng)業(yè)生產(chǎn)的影響是比較顯著的,且影響水平在提高[19],所以很有必要加入此環(huán)境變量。
在自然災(zāi)害方面,以各地區(qū)農(nóng)作物受災(zāi)面積(千公頃)進(jìn)行衡量。相同投入下災(zāi)害減少農(nóng)業(yè)的產(chǎn)出,因而對農(nóng)業(yè)生產(chǎn)率有負(fù)面影響。預(yù)期農(nóng)作物受災(zāi)面積的擴(kuò)大將不利于農(nóng)業(yè)生產(chǎn)率的提升。
本文用到的所有數(shù)據(jù)來源于《中國統(tǒng)計年鑒》(2000~2011)以及各省市統(tǒng)計年鑒(2000~2011),文章選取的省市共12個,都是我國的農(nóng)業(yè)大省。農(nóng)業(yè)大省的選取標(biāo)準(zhǔn)是農(nóng)業(yè)生產(chǎn)總值占國內(nèi)生產(chǎn)總值(GDP)的50%以上。分別是:安徽、河北、河南、黑龍江、湖北、湖南、吉林、江蘇、江西、山東、四川、浙江。
首先對12個農(nóng)業(yè)大省2000~2010年間的農(nóng)業(yè)生產(chǎn)率水平進(jìn)行了測算,在不考慮環(huán)境變量和隨機(jī)因素的情況下,農(nóng)業(yè)生產(chǎn)率的計算結(jié)果見表2。
由表2可以看出,在不考慮環(huán)境變量和管理因素的情況下,2000~2010年間湖北省農(nóng)業(yè)生產(chǎn)的技術(shù)效率、純技術(shù)效率和規(guī)模效率均為1,處于生產(chǎn)前沿面上,沒有需要改進(jìn)的空間。技術(shù)效率反映的是實際產(chǎn)出水平與最優(yōu)隨機(jī)產(chǎn)出水平的平均比例;純技術(shù)效率體現(xiàn)的是對投入的有效利用程度,是實現(xiàn)產(chǎn)出最大化的基礎(chǔ)。如果要素得不到充分的利用,也就沒有產(chǎn)出最大化;規(guī)模效率反映的是決策單元是否在最適規(guī)模下進(jìn)行科技創(chuàng)新和研發(fā)。湖北省的農(nóng)業(yè)技術(shù)效率、純技術(shù)效率和規(guī)模效率均為1,說明其農(nóng)業(yè)生產(chǎn)是最優(yōu)的,農(nóng)業(yè)的投入要素也都得到了充分利用,并且關(guān)于農(nóng)業(yè)的科技創(chuàng)新和研發(fā)均是在現(xiàn)有農(nóng)業(yè)生產(chǎn)的最適規(guī)模下開展的。湖北省農(nóng)業(yè)生產(chǎn)效率與江蘇、浙江等沿海發(fā)達(dá)省份的農(nóng)業(yè)生產(chǎn)效率處在同一水平上,高于經(jīng)濟(jì)比其發(fā)達(dá)的農(nóng)業(yè)強(qiáng)省山東省,并且其農(nóng)業(yè)的生產(chǎn)水平明顯優(yōu)于中部的安徽、河南、湖南、江西、吉林、黑龍江以及東部的河北,與西部的四川省農(nóng)業(yè)生產(chǎn)水平相當(dāng)。究其原因可能是:一是湖北有得天獨厚的地域優(yōu)勢,地處江漢平原,而湖北省又有“千湖之省”的美譽(yù),氣候和水資源等自然條件的優(yōu)勢為湖北省農(nóng)業(yè)的發(fā)展提供了良好基礎(chǔ);二是湖北省在中央一號文件的指導(dǎo)下,政府積極響應(yīng)中央號召推出支農(nóng)惠農(nóng)政策,加大對農(nóng)業(yè)的補(bǔ)貼力度,積極引導(dǎo)農(nóng)民生產(chǎn)轉(zhuǎn)型;三是湖北高校林立,依托科研院校的優(yōu)勢,為農(nóng)業(yè)生產(chǎn)及時的提供技術(shù)指導(dǎo),科研成果也能及時的投入生產(chǎn),促使湖北省農(nóng)業(yè)生產(chǎn)處在全國前列。
表2 第一階段12省農(nóng)業(yè)的綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率
將第一階段得出的各個決策單元各年份投入松弛變量取對數(shù)后作為被解釋變量,環(huán)境變量作為解釋變量,利用軟件Frontier 4.1做SFA回歸。SFA回歸分析可以對管理因素和隨機(jī)因素進(jìn)行剝離分析。
在第二階段以SFA模型估計環(huán)境變量的影響效果,并利用系數(shù)的估計值調(diào)整投入變量的數(shù)值,然后再次與產(chǎn)出作BCC模型分析,得到經(jīng)調(diào)整后的各決策單元的效率值,結(jié)果見表3。
表3 相同環(huán)境下12省農(nóng)業(yè)的綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率
為了說明三階段DEA模型測算的生產(chǎn)效率值的 客觀性,并且更能說明農(nóng)業(yè)的生產(chǎn)狀況,將第一階段和第三階段的效率值與農(nóng)林牧漁業(yè)總產(chǎn)值進(jìn)行Spearman等級相關(guān)分析(做生產(chǎn)效率值與生產(chǎn)總值的相關(guān)性分析,是為了說明效率與生產(chǎn)總值的關(guān)系,以驗證效率與生產(chǎn)總值之間是正向還是負(fù)向關(guān)系亦或是沒有關(guān)系,但不能用生產(chǎn)總值來說明效率),結(jié)果見表4。
表4 2000~2010年農(nóng)業(yè)生產(chǎn)效率值與工業(yè)總產(chǎn)值的Spearman等級相關(guān)系數(shù)
由表4可以看出,經(jīng)過第二階段的調(diào)整,環(huán)境變量和隨機(jī)誤差被剔除后,農(nóng)業(yè)生產(chǎn)的綜合技術(shù)效率和規(guī)模效率明顯改善,并且能通過1%置信水平檢驗。這一結(jié)果表明第三階段的效率值與第一階段相比更能真實的反映農(nóng)業(yè)的管理效率狀況。同時也說明剔除環(huán)境變量和隨機(jī)誤差來測算行業(yè)的生產(chǎn)效率是極有必要的,三階段DEA模型比傳統(tǒng)DEA模型測算的效率值更加真實。
比較表2和表3后可以發(fā)現(xiàn),調(diào)整后的效率值與調(diào)整前明顯不同,這也證明了第二階段環(huán)境因素調(diào)整的必要性。經(jīng)過第二階段的調(diào)整,考察期間,山東和江蘇兩個農(nóng)業(yè)強(qiáng)省始終處于生產(chǎn)前沿面上。湖北省從2008年(表3中未列出)開始農(nóng)業(yè)的技術(shù)效率、純技術(shù)效率和規(guī)模效率值均為1,也就是說2000~2008年間湖北省農(nóng)業(yè)的生產(chǎn)不是最優(yōu)的,要素的配置還有改進(jìn)的空間,但是2008年后湖北省農(nóng)業(yè)的生產(chǎn)已經(jīng)處于生產(chǎn)前沿面上,說明湖北省的農(nóng)業(yè)生產(chǎn)是當(dāng)前發(fā)展的最優(yōu)階段。我們還可以看出在農(nóng)業(yè)大省中,2000年左右湖北省農(nóng)業(yè)的發(fā)展水平低于中部的湖南、河北和河南3省,與東部沿海的農(nóng)業(yè)強(qiáng)省山東、江蘇和浙江相比,差距還是比較明顯的,因為東部農(nóng)業(yè)強(qiáng)省農(nóng)業(yè)的財政支農(nóng)力度大、機(jī)械化水平高、城市化進(jìn)程快。隨著湖北農(nóng)業(yè)的發(fā)展,其農(nóng)業(yè)生產(chǎn)率增速明顯,并不斷超越河北、河南和湖南3省。
文章采用三階段DEA模型測算了我國12個農(nóng)業(yè)大省的農(nóng)業(yè)生產(chǎn)效率,得出以下結(jié)論。(1)經(jīng)過第二階段相似SFA的調(diào)整,12個省份的農(nóng)業(yè)生產(chǎn)效率發(fā)生了比較明顯的變化,說明環(huán)境變量和隨機(jī)誤差對農(nóng)業(yè)生產(chǎn)效率的影響是比較顯著的。將第一階段及第三階段得出的效率值與各省市的農(nóng)林牧漁業(yè)總產(chǎn)值進(jìn)行Spearman等級相關(guān)分析發(fā)現(xiàn),在經(jīng)過第二階段相似SFA的調(diào)整后,各省市的農(nóng)業(yè)綜合技術(shù)效率值、規(guī)模效率值與農(nóng)林牧漁業(yè)總產(chǎn)值的相關(guān)性均有明顯提高,更進(jìn)一步說明應(yīng)用三階段DEA模型比傳統(tǒng)的DEA方法對農(nóng)業(yè)生產(chǎn)效率進(jìn)行測度更為合理和精確。(2)人均居民純收入、城市化水平、財政支農(nóng)、受災(zāi)面積等環(huán)境變量對農(nóng)業(yè)的影響是比較顯著的,只有考慮環(huán)境變量后農(nóng)業(yè)的生產(chǎn)效率才更接近實際,反應(yīng)其真實的生產(chǎn)率水平。(3)湖北省農(nóng)業(yè)生產(chǎn)率水平的不斷提高以及實現(xiàn)超越與湖北省的支農(nóng)惠農(nóng)政策是分不開的,與國家的發(fā)展戰(zhàn)略也有著息息相關(guān)的關(guān)系,與科研機(jī)構(gòu)的成果應(yīng)用及農(nóng)業(yè)的科技進(jìn)步水平也是分不開的。
注釋
①D-8 是由8 個發(fā)展中國家組成的組織,于1996年在伊斯坦博爾成立。這8 個發(fā)展中國家分別是孟加拉國、埃及、印度尼西亞、伊朗、馬來西亞、尼日利亞、巴基斯坦和土耳其。
②1984年,Banker、Charnes、Cooper 創(chuàng)建的一個DEA模型,即BCC 模型。
③Aigner、Lovell 和Schmidt 1977年將隨機(jī)因素分為兩類:一是企業(yè)本身不能控制的對稱性隨機(jī)誤差項ikv,呈正態(tài)分布;二是可以控制的技術(shù)無效率誤差項iku,呈截斷性正態(tài)分布。
[1]十八大報告.[EB/OL].[2013-03-06].http://www.xj.xi nhuanet.com/2012-11/19/c_113722546.htm.
[2]FARRELL M J.The Measurement of Productive Efficiency[J].Journal of the Royal Statistical Society,1957,120(3):253-281.
[3]BALL V E,BUREAU J,BUTAULT J,et al.Levels of Farm Sector Productivity:An International Comparison[J].Journal of Productivity Analysis,2001,15(1):5-29.
[4]RUTTAN V W.Productivity Growth in World Agriculture:Sources and Constraints[J].American Economic Association,2002,16(4):161-184.
[5]RESTUCCIA D,YANG D T,ZHU X.Agriculture and aggregate productivity:A quantitative cross-country analysis[J].Journal of Monetary Economics,2008,55(2):234-250.
[6]SHAHABINEJAD V,AKBARI A.Measuring agricultural productivity growth in Developing Eight[J].Journal of Development and Agricultural Economics,2010,2(9):326-332.
[7]趙蕾,王懷明.中國農(nóng)業(yè)生產(chǎn)率的增長及收斂性分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì),2007(2):93-98.
[8]周端明.技術(shù)進(jìn)步、技術(shù)效率與中國農(nóng)業(yè)生產(chǎn)率增長——基于DEA的實證分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2009(12):70-82.
[9]FRIED H O,LOVELL C A K,SCHMIDT S S,et al.Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis[J].Journal of Productivity Analysis,2002,17(1-2):157-174.
[10]BATTESE G E,COELLI T J.A Model for Technical Inefficiency Effects in a Stochastic Frontier Production Function for Panel Data[J].Empirical Economics,1995,20(2):325-332.
[11]JONDROW J,LOVELL C A K,MATEROV I S,et al.On the Estimation of Technical Inefficiency in the Stochastic Frontier Production Model[J].Journal of Econometrics,1982,19(2-3):233-238.
[12]羅登躍.三階段DEA模型管理無效率估計注記[J].統(tǒng)計研究,2012,29(4):104-107.
[13]李雙杰,王林,范超.統(tǒng)一分布假設(shè)的隨機(jī)前沿分析模型[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2007(4):84-91.
[14]陳衛(wèi)平.中國農(nóng)業(yè)生產(chǎn)率增長、技術(shù)進(jìn)步與效率變化:1990~2003年[J].中國農(nóng)村觀察,2006(1):18-23.
[15]李谷成.技術(shù)效率、技術(shù)進(jìn)步與中國農(nóng)業(yè)生產(chǎn)率增長[J].經(jīng)濟(jì)評論,2009(1):60-67.
[16]郭軍華,倪明,李幫義.基于三階段DEA模型的農(nóng)業(yè)生產(chǎn)率研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2010(12):27-38.
[17]鄧波,張學(xué)軍,郭軍華.基于三階段DEA模型的區(qū)域生態(tài)效率研究[J].中國軟科學(xué),2011(1):92-99.
[18]SIMAR L,WILSON P W.Estimation and inference in two-stage,semi-parametric models of production processes[J].Journal of Econometrics,2007,136(1):31-64.
[19]方鴻.政府財政支農(nóng)資金效率的地區(qū)比較——基于三階段DEA模型的實證分析[J].軟科學(xué),2011,25(7):27-32.