新疆农业科学, 2025, 62(5): 1293-1300 DOI: 10.6048/j.issn.1001-4330.2025.05.028

畜牧兽医·农业经济

新疆南疆四地州农业生产效率评价

田聪华,, 张利召, 苗红萍, 程红梅, 王红梅, 戴俊生,

新疆维吾尔自治区农业科学院农业经济与信息研究所,乌鲁木齐 830091

Evaluation of agricultural production efficiency in four prefectures in Southern Xinjiang

TIAN Conghua,, CENG Hongmei, ZHANG Lizhao, MIAO Hongping, WANG Hongmei, DAI Junsheng,

Institute of Agricultural Economics and Information, Xinjiang Uyghur Autonomous Region Academy of Agricultural Sciences, Urumqi 830091, China

通讯作者: 戴俊生(1970-),男,新疆奎屯人,研究员,博士,研究方向为农业经济,(E-mali)daijs@xaas.ac.cn

收稿日期: 2024-10-11  

基金资助: 新疆维吾尔自治区自然科学基金项目“间作模式下南疆四地州农业结构调整优化研究”(2022D01A263)
第三次新疆综合科学考察项目“塔里木河流域农业结构与布局演变调查”(2021xjkk020041)

Corresponding authors: DAI Junsheng (1970-), male, from Kuitun, Xinjiang, researcher, Ph.D., research direction: agricultural economics,(E-mali)daijs@xaas.ac.cn

Received: 2024-10-11  

Fund supported: Natural Science Foundation Program of Xinjiang “Research on the Optimization of Agricultural structure Adjustment in the Four Prefectures of Southern Xinjiang under the Intercropping Model”(2022D01A263)
Third Xinjiang Comprehensive Scientific Investigation Project “A survey on the Evolution of Agricultural Structure and Layout in the Tarim River Basin”(2021xjkk020041)

作者简介 About authors

田聪华(1978-),女,甘肃武威人,研究员,硕士,研究方向为区域经济与产业经济,(E-mali)391253466@qq.com

摘要

【目的】基于新疆南疆四地州间作种植模式下,构建农业生产效率测度指标体系,测算农业生产综合效率、技术效率和规模效率。【方法】以2000~2021年22年面板数据为研究对象,运用DEA模型方法对农业生产效率进行分析,评价农业要素投入产出效果。【结果】(1)新疆南疆四地州农业生产综合效率为0.954,处于较高水平,可有效推动农业快速进步,但仍属于DEA非有效地区,农业投入要素冗余较多,未取得经济和社会的最佳效益。(2)投入指标效率由好到差依次为乡村劳动力人数>农作物播种面积>农业机械总动力>农村用电量>化肥施用量>农用塑料薄膜使用量>农林水事务支出。(3)规模收益总体处于递增阶段,可持续性挖掘区域生产潜力。【结论】新疆南疆四地州农业投入要素存在“过剩”,加强宏观调控将过度投入到第一产业的资源释放出来,优化资源合理配置,提升投入产出效率。(1)合理调整农业财政投入与分配比重,提高农业财政支出使用效率;(2)引导劳动力向二三产业转移。(3)持续推进化肥农药减量增效。(4)提升农业装备和信息化水平。(5)调整种植结构和种植模式,提高土地产出效率。

关键词： 间作模式; 农业生产效率; DEA方法

Abstract

【Objective】 Based on the intercropping pattern in four prefectures of southern Xinjiang, this paper aims to construct the index system of agricultural production efficiency and calculate the comprehensive efficiency, technical efficiency and scale efficiency of agricultural production. 【Methods】 Based on 22-year panel data from 2000 to 2021, DEA model method was used to analyze agricultural production efficiency and evaluate the input-output effect of agricultural factors. 【Results】 The agricultural production efficiency of the four prefectures was at a high level, which could effectively promote the rapid progress of agriculture in Xinjiang, but it was still a DEA non-active area.There were many redundant agricultural input factors, which did not achieve the best economic and social benefits. (2) The efficiency of the input index was in the order from good to bad: the number of rural labor force > the sown area of crops > the total power of agricultural machinery > rural electricity consumption > the amount of fertilizer applied > the amount of agricultural plastic film used > the expenditure on agriculture, forestry and water affairs. (3) The scale income was generally in the increasing stage, and the regional production potential could be continuously tapped【Conclusion】 There is a "surplus" of agricultural input factors in the four prefectures in southern Xinjiang, and government departments should strengthen macro-control, release the resources that have been over-invested in the primary industry, optimize the rational allocation of resources, and enhance the efficiency of inputs and outputs. They should do: (1) Rationally adjust the proportion of agricultural financial input and distribution, and optimize the rational allocation of resources, improve the efficiency of agricultural financial expenditure; (2) Guide the transfer of labor to secondary and tertiary industries.(3) Continuously promote the reduction of fertilizer and pesticide dosage and increase efficiency. (4) To improve the level of agricultural equipment and information technology.(5)Adjust planting structure and planting mode to improve the efficiency of land output.

Keywords： intercropping pattern; agricultural production efficiency; DEA method

PDF (787KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

田聪华, 张利召, 苗红萍, 程红梅, 王红梅, 戴俊生. 新疆南疆四地州农业生产效率评价[J]. 新疆农业科学, 2025, 62(5): 1293-1300 DOI:10.6048/j.issn.1001-4330.2025.05.028

TIAN Conghua, CENG Hongmei, ZHANG Lizhao, MIAO Hongping, WANG Hongmei, DAI Junsheng. Evaluation of agricultural production efficiency in four prefectures in Southern Xinjiang[J]. Xinjiang Agricultural Sciences, 2025, 62(5): 1293-1300 DOI:10.6048/j.issn.1001-4330.2025.05.028

0 引言

【研究意义】 农业现代化过程是建立在农业结构不断优化调整基础上的梯次发展进程[1]。我国农业结构经历了以粮为纲-粮经并存-满足市场需求-增加收入-高质量发展的螺旋式上升演进过程[2-3]。要根据市场需求,深入推进农业结构调整,推动品种培优、品质提升、品牌打造和标准化生产。深化农业结构调整,优化农业生产布局,建设优势农产品产业带和特色农产品优势区[4]。果粮、果棉、果蔬及特色作物间作是新疆南疆四地州主要的种植模式,形成了以间作小麦为主的农林复合系统的南疆特色种植模式[5],果树间作模式对提高土地利用率,增加作物产量发挥了重要作用。2015年新疆南疆四地州间作种植面积占农作物总种植面积的23.23%[6],其中果麦间作面积占小麦总播种面积的80%以上,2022年通过对阿克苏地区调查显示,农作物间作面积占农作物总播种面积比例下降至18.86%,较2015年下降4.37%,其中果粮间作面积占95.36%,果蔬间作4.64%,果棉间作已全部退出;间作种植面积中,核桃占68.51%、杏占11.92%、红枣占11.47%。评价新疆南疆四地州农业全要素生产效率,明确间作主要种植模式下投入产出效果,对有效指导农业结构调整,具有重要意义。【前人研究进展】我国主要研究采用的方法包括运用乘积完备(multiplicatively complete)的Hicks-Moorsteen全要素生产率指数评价[7-8]、运用Malmquist 指数分析[9]、运用Färe-PrimontTFP生产率指数分析[10]、更多研究运用DEA模型方法对农业生产效率进行静态分析,再结合Malmquist 指数对农业生产效率变化进行动态评价[11-13]。安博文等[14](2021)构建农业生产效率测度指标体系,测算新疆81个县域的农业生产综合效率、技术效率和规模效率;徐康宁等[15](2021)使用数据包络分析(DEA)法对新疆11个地州市的农业生产效率进行计算;李季鹏等[16](2021),彭铿[17](2019)基于非期望产出的SBM-DEA模型和Malmquist指数的研究方法,对新疆14个地州市农业生产效率进行测算分析;张驰等[18](2018)使用非期望产出的Super-SBM 测算南北东疆农业生产效率;张立[19](2014)采用SFA模型,对新疆农业生产技术效率,在C-D生产函数假设下进行了量化分析。【本研究切入点】目前针对新疆南疆四地州自2000年以来以间作种植模式为主的区域农业生产效率整体评价的研究相对较少。选取新疆南疆四地州2000~2021年农业生产投入产出关键指标,运用SPSS.28.0软件和DEAPVersion2.1分析软件,综合评价农业全要素生产效率。【拟解决的关键问题】分别测算新疆阿克苏地区、克孜勒苏柯尔克孜自治州(简称克州)、喀什地区、和田地区的农业生产效率,分析新疆南疆四地州农业投入产出效果,判断农业结构调整的效率并比较分析,提出调整农业财政分配比重、农业生产物质投入、资源配置、挖掘潜力、优化布局等方面相应的对策措施,为加快农业高质量发展提供决策参考意见。

1 材料与方法

1.1 材料

1.1.1 变量数据

包括投入指标和产出指标两部分。投入指标:选取2000~2021年农林牧渔业总产值指标。产出指标:选取2000~2021年可反映投入的财力、物力和人力的指标,包括农林水事务支出、乡村劳动力数、农村用电量、化肥施用量、农用塑料薄膜使用量、农业机械总动力、农作物播种总面积7个指标。

1.1.2 数据来源

数据来源于2000~2021年新疆统计年鉴、2000~2021年阿克苏地区统计年鉴、2000~2021年克州统计年鉴、2000~2021年喀什地区统计年鉴及2000~2021年和田地区统计年鉴。表1

表1   投入产出指标描述性统计

Tab.1  Descriptive statistics of input-output indicators

指标
Index		变量
Variable		平均值
Average value		标准差
Standard deviation		个案数
Number of cases
产出指标
Output indicators		农林牧渔业总产值y1(104元)6 436 237.554 216 738.0122
投入指标
Input index		农林水事务支出x1(104元)1 284 015.391 581 452.7622
乡村劳动力数x2(人)2 911 736.91842 184.6322
农村用电量x3(104kW)162 439.93135 619.1422
化肥施用量x4(t)576 108.26224 429.7622
农用塑料薄膜使用量x5(t)61 267.0923 445.1722
农业机械总动力x6(104kW)568.24308.1022
农作物播种总面积x7(104hm2)174.8548.0522

新窗口打开| 下载CSV


1.2 方法

当前测度效率的方法主要有两种:一种是非参数方法,近年来应用比较广泛的非参数方法是数据包络分析方法(Data Envelopment Analysis,以下简称DEA);另一种是参数方法,分为自由分布法(Distribution-Free Approach,简称DFA)和随机边界法(Stochastic Frontiers Approach,简称SFA)。利用非参数方法数据包络方法(DEA)进行评价农业生产效率,在既定的投入要素状况下实现产出最大化,反之,在既定产出情况下投入要素使用最小化。

DEA方法是根据多项投入指标和多项产出指标,利用线性规划的方法,对具有可比性的同类型单位进行相对有效性评价的一种数量分析方法。将经济上的最优点连接起来,形成一条效率前沿的包络线,然后寻找所有决策单元(DMU)的投入、产出边界点,凡是在边界上的决策单元,认为其投入产出组合有效,绩效指标值为1;反之,不在边界点上的决策单元则被认为无效,并以特定的有效率点为基准,给予每个决策单元相对的绩效指标,指标值在大于0小于1之间。

DEA方法模型分为可变规模报酬(VRS)的模型和不变规模报酬(CRS)模型。采用可变规模报酬(VRS)的模型分析,可变规模报酬(VRS)的模型表述为:设有n个决策单元(Decision Making Unit,DMU),m个输入和r个输出指标,决策单元的输入向量Xj= ( x1j, x2j……, xmj) T 和一个输出向量Yj=( y1j, y2j, ……, yrj) T,其中xmj为第j个决策单元对第m种类型输入的投入总量,xmj>0; yrj为第j个决策单元对第r种类型输出的产出总量,yrj>0。则VRS模型为:

minθs.t. ∑j=1j=nλjXj≤θXj1.
∑j=1j=nλjXj≥Yj1.
∑j=1j=nλjXj=1,∀λj≥0.

对(1) 式加入松弛变量( Slacks或Surplus) S-,S+,变为:

minθ.s.t. ∑j=1j=nλjχj+S-=θχj1.
∑j=1j=nλjχj-S+=γj1.
∑j=1j=nλjχj=1,∀λj≥0.

式中,θ为决策单元DMU的有效值;λj为投入、产出指标的权系数。其中:

(1)当θ=1且S-=S+=0时,称DMU是技术有效的;

(2)当θ=1,但S-≠0,或S+≠0时,称DMU是弱DEA有效,表明部分投入过剩或产出不足;

(3)当θ<1,则称DMU是DEA技术无效。

通过运行模型,如果综合技术效率CTE=纯技术效率PTE,则可以认为生产单元处于最佳生产规模状态。如果CTE≠PTE,则两者之间的差别是由规模效率造成的,说明生产单元的规模太大或太小了,表示为规模无效率。

1.3 数据处理

采用STATA28.0软件对收集到统计数据进行描述性统计。

采用Pearson相关系数检验分析农林牧渔业产值和各个投入变量之间的相关系数。投入变量和产出变量之间的Pearson相关性均通过双尾检验,两者间相关性数值都为正且都在1%的显著性水平下通过显著性检验,选取的投入量和产出量符合“同向性”假设,因此所选指标存在合理性。

运用DEAP Version 2.1分析软件,在规模报酬可变情况下(BBC模型),采取产出主导型,对2000~2021年新疆南疆四地州农业全要素生产效率相关指标数据进行模型运算,得出综合技术效率(Crste),纯技术效率(Vrste),规模效率(Scale)以及投入冗余(S-,S+)数据。

2 结果与分析

2.1 综合技术效率

研究表明,阿克苏地区22个决策单元中2000~2005年、2007年、2013年和2021年9个年份综合技术效率的θ=1,达到了DEA完全有效,占样本总数的40.90%。即9个年份各项投入取得经济和社会的最佳效益。其余13个年份综合技术效率θ≠1,即各项投入未取得经济和社会的最佳效益。

克州22个决策单元中2000~2005年、2007年、2013年、2018年、2019年和2021年11个年份综合技术效率的θ=1,达到了DEA完全有效,占样本总数的50%。其余11个年份综合技术效率θ≠1,各项投入未取得最佳效益。

喀什地区22个决策单元中2000年、2003年、2004年、2006~2014年、2021年13个年份综合技术效率的θ=1,达到了DEA完全有效,占样本总数的59.09%。其余9个年份综合技术效率θ≠1,各项投入未取得最佳效益。

和田地区22个决策单元中2000年、2002~2007年、2010年、2012年、2013年、2019年和2021年12个年份综合技术效率的θ=1,达到了DEA完全有效,占样本总数的54.54%。其余10个年份综合技术效率θ≠1,各项投入未取得最佳效益。

喀什地区2001年、2002年、2005年3个年份的综合效率未达到最优,但纯技术效率达到最优;喀什地区2015年,和田地区2001年的综合效率未达到最优,但规模效率达到最优。可见,新疆南疆四地州需要调整技术投入和扩大规模提高运行效率,实现其有效性。表2-表4

表2   2000~2021年投入和产出变量的Pearson相关系数

Tab.2  Pearson correlation coefficients of input and output variables from 2000 to 2021

指标
index		农林牧渔业
总产值y1
The total output
value of agriculture,
forestry, animal
husbandry and
fishery y1		农林水事
务支出x1
Expenditure
on agriculture,
forestry
and water
services x1		乡村劳动
力数x2
Number
of rural
labor
force x2		农村用
电量x3
Rural
electricity
consumption
x3		化肥施
用量x4
The
amount of
chemical
fertilizer
applied x4		农用塑料薄
膜使用量x5
Agricultural
plastic
film
usage x5		农业机械
总动力x6
Total
power of
agricultural
machinery x6		农作物播种
总面积x7
Total
sown
area of
crops x7
农林牧渔业
总产值y1
The total
output value
of agriculture,
forestry, animal
husbandry and
fishery y1		相关性10.891**0.962**0.976**0.940**0.879**0.981**0.925**
显著性0.0000.0000.0000.0000.0000.0000.000
农林水事务
支出x1
Expenditure on
agriculture,
forestry and
water
services x1		相关性0.891**10.883**0.912**0.835**0.756**0.900**0.776**
显著性0.0000.0000.0000.0000.0000.0000.000
乡村劳动
力数x2
Number of
rural labor
force x2		相关性0.962**0.883**10.955**0.978**0.934**0.993**0.955**
显著性0.0000.0000.0000.0000.0000.0000.000
农村用
电量x3
Rural
electricity
consumption
x3		相关性0.976**0.912**0.955**10.912**0.879**0.976**0.923**
显著性0.0000.0000.0000.0000.0000.0000.000
化肥施用量x4
The amount
of chemical
fertilizer
applied x4		相关性0.940**0.835**0.978**0.912**10.962**0.975**0.962**
显著性0.0000.0000.0000.0000.0000.0000.000
农用塑料薄
膜使用量x5
Agricultural
plastic film
usage x5		相关性0.879**0.756**0.934**0.879**0.962**10.928**0.963**
显著性0.0000.0000.0000.0000.0000.0000.000
农业机械
总动力x6
Total power of
agricultural
machinery x6		相关性0.981**0.900**0.993**0.976**0.975**0.928**10.960**
显著性0.0000.0000.0000.0000.0000.0000.000
农作物播种
总面积x7
Total sown
area of
crops x7		相关性0.925**0.776**0.955**0.923**0.962**0.963**0.960**1
显著性0.0000.0000.0000.0000.0000.0000.000

注:**:在0.01级别(双尾),相关性极显著

Notes:**:At level 0.01(dluble tailed),the correlation is extremely significant

新窗口打开| 下载CSV


表3   新疆南疆四地州DEA模型

Tab.3  Analysis results of DEA Model in four states in Southern Xinjiang

区域RegionCrsteVrsteScale
新疆南疆四地州
Four prefectures
in Southern Xinjiang		0.9540.9690.984
阿克苏地区
Aksu region		0.9130.9300.980
克孜勒苏柯尔
克孜自治州
Kizilsu Kirghiz
Autonomous
Prefecture		0.9590.9730.986
喀什地区
Kashgar Region		0.9800.9860.994
和田地区
Hotan Region		0.9620.9860.975

注:Crste表示综合技术效率; Vrste表示纯技术效率;Scale表示规模效率,下同

Notes:Crsle represents indicating comprehensive technical efficiency;Vrate represents pure technical efficiency;Scale reprosents scale efficiency,the same as below

新窗口打开| 下载CSV


表4   DEA模型分析结果

Tab.4  The results of DEA model analysis

年份
Years		阿克苏地区
Aksu Region		克孜勒苏柯尔克孜自治州
Kizilsu Kirghiz Autonomous Prefecture		喀什地区
Kashgar Region		和田地区
Hotan Region
CrsteVrsteScaleRsCrsteVrsteScaleRsCrsteVrsteScaleRsCrsteVrsteScaleRs
2000111-111-111-111-
2001111-111-0.97910.979irs0.9950.9951irs
2002111-111-0.99710.997irs111-
2003111-111-111-111-
2004111-111-111-111-
2005111-111-0.98410.984irs111-
20060.9840.9840.999irs0.9710.97irs111-111-
2007111-111-111-111-
20080.8480.8750.969irs0.9540.9560.998irs111-0.96910.969irs
20090.9010.9030.998irs0.890.9220.965irs111-0.9160.9750.939irs
20100.9530.9540.999irs0.8370.8760.956irs111-111-
20110.8720.8730.999irs0.8820.9260.952irs111-0.9750.9910.984irs
20120.8440.8880.95irs0.8840.9040.977irs111-111-
2013111-111-111-111-
20140.9040.9160.987irs0.930.9310.999irs111-0.9530.9550.997drs
20150.98810.988irs0.9510.9770.973irs0.9860.9861irs0.9320.9830.948drs
20160.690.720.958irs0.9530.9770.975irs0.9340.9380.996irs0.8880.9120.974irs
20170.5890.6810.865irs0.95910.959irs0.940.9510.988irs0.7340.9020.813irs
20180.870.9160.949irs111-0.9660.970.996drs0.8260.9810.842irs
20190.7950.8540.931irs111-0.8920.9190.971irs111-
20200.8570.8910.962irs0.8970.9320.962irs0.8850.9230.958irs0.98510.985irs
2021111-111-111-111-

注:Rs表示规模收益; drs表示规模收益递减; —表示规模不变; irs表示规模收益递增。

Notes:Rs denotes Returns to Scale; drs denotes Decreasing Returns to Scale; crs denotes Constant Returns to Scale; irs denotes Increasing Returns to Scale

新窗口打开| 下载CSV


2.2 投入产出冗余

研究表明,2000年以来新疆南疆四地州农业生产存在投入冗余的问题,其中,农林水事务支出投入冗余15.03×108元,乡村劳动力数投入冗余3.55×104人,农村用电量投入冗余8 394×104kW/h,化肥施用量投入冗余2.98×104t,农用塑料薄膜使用量投入冗余0.55×104 t,农业机械总动力投入冗余20.57×104kW/h,农作物播种总面积投入冗余3.415×104 hm2,22年以来以上投入指标“超量”,各项投入在现有的基础上分别在减少0.53%、0.06%、0.23%、0.24%、0.41%、0.16%和0.09%,才能达到目标值最优,实现财力、人力、物力的最佳投入。表5

表5   投入冗余

Tab.5  Inputs the redundant table

指标
Indexes		投入
农林水事务
支出S+(万元)
Expenditure
on agriculture,
forestry and
water services
(104yuan)		乡村劳动力
数S+(人)
Number
of rural
labor force
(person)		农村用电量
S+(万千瓦)
Rural
electricity
consumption
(104kW/h)		化肥施
用量S+(吨)
Rural
electricity
consumption
(t)		农用塑料薄膜
使用量S+(吨)
Agricultural
plastic film
usage
(t)		农业机械
总动力
S+(万千瓦)
Total power
of agricultural
machinery
(104kW/h)		农作物播种
总面积
S+(万公顷)
Total sown
area of crops
(104hm2)
合计
Total		150 303.90935 494.6648 394.29129 808.6325 547.88720.5743.415
阿克苏地区
Aksu Region		45 760.6227 951.969776.27822 055.6262 975.6255.0491.325
克孜勒苏柯尔
克孜自治州
Kizilsu Kirghiz
Autonomous
Prefecture		5 693.6872 597.1880.000390.65037.4840.4130.068
喀什地区
Kashgar Region		98 274.58916 946.1192 894.1366 719.0362 217.92712.9761.770
和田地区
Hotan Region		575.0117 999.3884 723.877643.320316.8512.1360.253

新窗口打开| 下载CSV


3 讨论

3.1 新疆南疆四地州农业投入要素存在“过剩”,应加强宏观调控,将过度投入到第一产业的资源释放出来[19],优化资源合理配置,提升投入产出效率。合理调整农业财政投入与分配比重。提高农业财政支出使用效率,优化财政支农资金分配模式,将有限资金用到最关键的地方,提高财政资金配置效率;财政资金可以适当向农业基础科研和农村教育倾斜,以支持高素质农业人才培养[14]。针对投入过剩,产出不足,效率较低且有潜力的要尽快调整农业增长方式,注重各要素的合理配置[18]。

3.2 引导劳动力转移,推动农业产业优化升级。组织农民转业培训,建立转业补贴制度,盘活劳动力资源[20]。发挥各县(市)园区吸纳农村劳动力就业的龙头带动作用,促进产业发展需求和劳动力供给精准对接,推进农村劳动力就近就业。广泛开展跨区域劳务协作,有序推进劳动力外出就业。加快培养一批有文化、懂技术、善经营的高质量新型农业经营群体来提高农业综合效率[11]。

3.3 提高土地产出效率。推进标准化基地建设,科学确定间作种植作物、品种、规模,农业生产要逐渐做到专业化与规模化,对农业布局进行优化,通过对农业产业结构调整,加速农业现代化的转型升级。深化土地产权改革,健全土地流转市场,促进土地流转,推进土地规模化经营[20]。

4 结论

4.1 2000~2021年新疆南疆四地州农业生产综合效率0.954,处于较高水平,能有效推动农业快速进步,但仍属于DEA非有效区域,存在农业投入要素冗余,没有取得经济和社会的最佳效益。其中纯技术效率0.969,规模效率0.984,规模效率要优于纯技术效率。

4.2 最优的喀什地区综合效率为0.980;最差的阿克苏地区综合效率为0.913。纯技术效率最优的为喀什地区和和田地区,均为0.986;规模效率最优的为喀什地区,为0.994。

4.3 投入效率由好到差依次顺序为乡村劳动力人数>农作物播种面积>农业机械总动力>农村用电量>化肥施用量>农用塑料薄膜使用量>农林水事务支出效率。

4.4 规模收益均处于递增阶段,仍有生产潜力挖掘,可促进规模经济形成和壮大。

参考文献

高旺盛.

新阶段农业结构调整若干战略问题讨论

[J]. 民主与科学, 2021,(6): 15-17.

[本文引用: 1]

GAO Wangsheng.

Discussion on some strategic problems of agricultural structure adjustment in the new stage

[J]. Democracy & Science, 2021,(6): 15-17.

[本文引用: 1]

刘冬梅.

中国农业结构的形成、演变与调整建议

[J]. 农村农业农民(B版), 2021,(6): 44-45.

[本文引用: 1]

LIU Dongmei.

Formation, evolution and adjustment suggestions of agricultural structure in China

[J]. Country Agriculture Farmers (B), 2021,(6): 44-45.

[本文引用: 1]

郭鹏鹏, 韩国明.

中国农业结构调整的阶段特征与政策演化

[J]. 现代经济探讨, 2022,(11): 106-115.

[本文引用: 1]

GUO Pengpeng, HAN Guoming.

Phase characteristics and policy evolution of agricultural structural adjustment in China

[J]. Modern Economic Research, 2022,(11): 106-115.

[本文引用: 1]

新华社.

中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要

[J]. 中国水利, 2021,(6): 1-38.

[本文引用: 1]

Xinhua News Agency.

The outline of the 14th Five-Year Plan(2021—2025) for national economic and social development and the long-range objectives through the year 2035 of P. R. China

[J]. China Water Resources, 2021,(6): 1-38.

[本文引用: 1]

艾买尔江·吾斯曼, 王冀川, 阿依谢姆古丽·玉苏普, 等.

新疆林(果)麦间作原理与技术

[J]. 江苏农业科学, 2016, 44(11): 72-77.

[本文引用: 1]

Aimaierjiang Wusiman, WANG Jichuan, Ayixiemuguli Yusupu, et al.

Principle and technology of forest (fruit) wheat intercropping in Xinjiang

[J]. Jiangsu Agricultural Sciences, 2016, 44(11): 72-77.

[本文引用: 1]

鲜开梅, 江伟, 王柏柯.

新疆南疆四地州果树间套作种植情况分析

[J]. 北方园艺, 2016,(12): 209-210.

[本文引用: 1]

XIAN Kaimei, JIANG Wei, WANG Baike.

Analysis of fruit trees intercropping planting situation of southern Xinjiang’s four regions

[J]. Northern Horticulture, 2016,(12): 209-210.

[本文引用: 1]

李婕, 王玉斌, 程鹏飞.

中国农业全要素生产率的时空演变差异及内源构成

[J]. 中国农业大学学报, 2023, 28(2): 240-252.

[本文引用: 1]

LI Jie, WANG Yubin, CHENG Pengfei.

Spatio-temporal evolution differences and endogenous composition of Chinese agricultural total factor productivity

[J]. Journal of China Agricultural University, 2023, 28(2): 240-252.

[本文引用: 1]

张海霞, 韩佩珺.

农业全要素生产率测度及收敛性分析——基于Hicks-Moorsteen指数

[J]. 农村经济, 2018,(6): 55-61.

[本文引用: 1]

ZHANG Haixia, HAN Peijun.

Measurement and convergence analysis of agricultural total factor productivity—based on Hicks-moorsteen index

[J]. Rural Economy, 2018,(6): 55-61.

[本文引用: 1]

蹇彦丽, 马爱艳, 刘沙.

西北地区各省农业生产效率评价研究

[J]. 现代商贸工业, 2023, 44(6): 1-3.

[本文引用: 1]

JIAN Yanli, MA Aiyan, LIU Sha.

Study on evaluation of agricultural production efficiency of provinces in northwest China

[J]. Modern Business Trade Industry, 2023, 44(6): 1-3.

[本文引用: 1]

郭萍, 余康, 黄玉.

中国农业全要素生产率地区差异的变动与分解——基于Färe-Primont生产率指数的研究

[J]. 经济地理, 2013, 33(2): 141-145.

[本文引用: 1]

GUO Ping, YU Kang, HUANG Yu.

Changes and decomposition of agricultural TFP regional disparities in China: study of Färe-primont TFP index

[J]. Economic Geography, 2013, 33(2): 141-145.

[本文引用: 1]

王大勇, 田东林, 刘文才.

基于DEA模型的云南省农业生产效率研究

[J]. 现代农业科技, 2023,(11): 217-220.

[本文引用: 2]

WANG Dayong, TIAN Donglin, LIU Wencai.

Study on agricultural production efficiency in Yunnan Province based on DEA model

[J]. Modern Agricultural Science and Technology, 2023,(11): 217-220.

[本文引用: 2]

杜小军, 魏建国.

乡村振兴背景下山东省农业生产效率实证研究——基于三阶段DEA方法

[J]. 山东农业大学学报(社会科学版), 2023, 25(2): 159-165.

DU Xiaojun, WEI Jianguo.

Empirical study on the agricultural production efficiency of Shandong Province under the background of rural revitalization—based on the three-stage DEA method

[J]. Journal of Shandong Agricultural University (Social Science Edition), 2023, 25(2): 159-165.

温馥榕, 张友泓, 朱芝燕, 等.

基于DEA模型的广西农业生产效率研究

[J]. 农村经济与科技, 2022, 33(23): 92-95.

[本文引用: 1]

WEN Furong, ZHANG Youhong, ZHU Zhiyan, et al.

Research on agricultural production efficiency in Guangxi based on DEA model

[J]. Rural Economy and Science-Technology, 2022, 33(23): 92-95.

[本文引用: 1]

安博文, 侯震梅, 蒋北辰, 等.

新疆农业生产效率测度的实证研究——基于农业高质量发展新视角

[J]. 云南农业大学学报(社会科学), 2021, 15(5): 95-102.

[本文引用: 2]

AN Bowen, HOU Zhenmei, JIANG Beichen, et al.

Calculation of production efficiency of Xinjiang agricultural: based on high-quality development

[J]. Journal of Yunnan Agricultural University (Social Science), 2021, 15(5): 95-102.

[本文引用: 2]

徐康宁, 喻晓玲.

基于数据包络模型下的新疆农业生产效率研究

[J]. 湖北农业科学, 2021, 60(7): 161-165.

[本文引用: 1]

XU Kangning, YU Xiaoling.

Study on agricultural production efficiency in Xinjiang based on data envelopment model

[J]. Hubei Agricultural Sciences, 2021, 60(7): 161-165.

[本文引用: 1]

李季鹏, 黄永胜, 安博文.

新疆低碳农业生产效率研究——基于SBM-DEA的研究方法

[J]. 绿色财会, 2021,(4): 9-15.

[本文引用: 1]

LI Jipeng, HUANG Yongsheng, AN Bowen.

Study on production efficiency of low-carbon agriculture in Xinjiang—based on SBM-DEA research method

[J]. Green Finance and Accounting, 2021,(4): 9-15.

[本文引用: 1]

彭铿.

基于超效率DEA和Malmquist指数新疆农业生产效率研究

[J]. 当代农村财经, 2019,(9): 7-14.

[本文引用: 1]

PENG.

Analysis of agricultural production efficiency and total factor productivity in Xinjiang based on super-efficiency DEA and Malmquist index

[J]. Contemporary Rural Finance and Economics, 2019,(9): 7-14.

[本文引用: 1]

张驰, 张晔, 李苗.

新疆农业生产效率地区差异分解与影响因素研究——基于非期望产出Super-SBM-Theil-GMS

[J]. 中国农业资源与区划, 2018, 39(10): 100-106.

[本文引用: 2]

ZHANG Chi, ZHANG Ye, LI Miao.

Study on regional difference decomposition and influencing factors of agricultural production efficiency in Xinjiang—based on super-sbm(undesirable)-theil-gms three-stage model

[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2018, 39(10): 100-106.

[本文引用: 2]

张立.

基于SFA模型的农业生产技术效率分析——以新疆为例

[J]. 现代商贸工业, 2014, 35(8): 35-37.

[本文引用: 2]

ZHANG Li.

Technical efficiency analysis of agricultural production based on SFA model—taking Xinjiang as an example

[J]. Modern Business Trade Industry, 2014, 35(8): 35-37.

[本文引用: 2]

颜聪聪, 车斌.

基于三阶段DEA的新疆区域种植业生产效率研究

[J]. 地域研究与开发, 2019, 38(4): 147-152.

[本文引用: 2]

YAN Congcong, CHE Bin.

Research on production efficiency of Xinjiang regional planting industry based on three-stage DEA

[J]. Areal Research and Development, 2019, 38(4): 147-152.

[本文引用: 2]

/

〈 〉