Development Efficiency and Influencing Factors Research of Agricultural Circular Economy in Anhui Province
-
摘要: 以2011—2017年安徽省16个市的投入产出指标数据为研究对象,数据包络分析(DEA)方法以及Malmquist指数为研究方法,对安徽省16个市农业循环经济发展的有效性进行了系统的分析,最后运用tobit模型对影响农业循环经济发展效率的因素进行实证分析,结果显示:(1)2011—2017年安徽省农业循环经济发展的综合效率达到0.956;(2)安徽省农业技术的进步促进了农业循环经济发展效率的提高;(3)农业机械配置的不合理是导致DEA无效地区出现投入冗余的主要原因;(4)农业循环经济发展效率与农业产业结构、农业人均GDP、粮食单产、化肥有效利用率正相关,有效灌溉率负相关。
-
关键词:
- 农业循环经济 /
- DEA /
- Malmquist指数 /
- tobit回归分析
Abstract: The input-output index data of 16 cities in Anhui Province from 2011 to 2017 are taken as the research object, data envelopment analysis (DEA) and Malmquist index as the research methods. The effectiveness of agricultural circular economy development in 16 cities of Anhui Province is systematically analyzed. Finally, the Tobit model is used to analyze the effect of agricultural circular economy development. The results show that: (1) the comprehensive efficiency of agricultural circular economy development in Anhui Province reaches 0.956 in 2011—2017; (2) the progress of agricultural technology in Anhui Province has promoted the efficiency of agricultural circular economy development; (3) the unreasonable allocation of agricultural machinery leads to the investment redundancy in ineffective areas of DEA. The main reasons are: (4) The development efficiency of agricultural circular economy is positively correlated with the structure of agricultural industry, per capita GDP of agriculture, unit yield of grain and effective utilization rate of chemical fertilizer, while negatively correlated with effective irrigation rate.-
Keywords:
- agricultural circular economy /
- DEA /
- Malmquist index /
- tobit regression analysis
-
民以食为天,粮食安全对我国的经济发展与社会稳定至关重要。而粮食作物种植结构优化是促进粮食供需平衡、保障国家粮食产能的重要方式[1] 。粮食作物种植结构是一个地区或生产单位内粮食作物的组成和布局,它是指导粮食作物结构调整和优化的重要依据[2-3]。近年来,随着我国耕地供给日趋紧张、消费提档升级,粮食供需的结构性矛盾凸显,粮食作物种植结构调整成为促进农业高质量发展的现实选择。《全国种植业结构调整规划(2016—2020年)》指出:必须“调整优化种植结构,全力保障国家粮食安全和重要农产品有效供给”。因此,明确粮食作物种植结构的时空特征与变化规律,具有重要的理论与现实意义。
近年来,粮食作物种植结构调整研究取得了丰硕成果:首先,信息来源既有遥感数据[2,4],也有统计数据[5];其次,研究尺度逐渐从省域[6]的宏观层面向县域[7]的微观层面转变,分析更加具体;再次,研究方法日趋丰富,主要有数理统计分析法、遥感信息法、空间模型法[8],随着空间计量经济学的兴起,基于地理信息系统的空间数据分析法(exploratory spatial data analysis,ESDA) 被广泛应用于粮食作物种植结构研究中。总体而言,现有研究对揭示我国粮食作物种植结构时空演变及成因,具有重要意义。就安徽而言,目前成果存在研究尺度过大,且对不同粮食作物种植结构变化研究较少的问题。
安徽是我国粮食主产区之一,2018年粮食总产量居全国第四,人均637 kg,居全国第五(数据源于《中国统计年鉴2019》),远超350 kg的人均粮食生产安全线[9],是华东地区重要的商品粮基地。2017年安徽出台了《安徽省“十三五”种植业发展规划》,粮食作物种植结构调整进入新阶段。当前,安徽粮食作物种植结构特征是什么以及未来走向如何,学术界尚无此研究成果。鉴于此,从县域的尺度,利用ESDA法与数理统计分析,对2008—2018年安徽粮食作物种植结构进行静态与动态评价,明确安徽粮食安全水平,为安徽粮食作物种植结构优化提供借鉴与参考。
一、 研究区域、方法与数据来源
(一) 研究区域
安徽省(114°54′~119°37′E,29°41′~34°38′N)是长三角经济圈的重要组成部分;长江、淮河自西向东横贯全境,将安徽省切割为三种主要地形,即淮北平原、江淮丘陵与皖南山区;以淮河为分界线,气候逐渐由淮北的暖温带半湿润季风气候过渡到淮河以南的亚热带湿润季风气候;安徽省年平均气温在14 ~17 ℃,平均日照1800~2500 h,平均无霜期200~250 d,平均降水量800~1800 mm,粮食生产条件优越。
(二) 数据来源及处理
ESDA分析需要空间数据与属性数据,考虑到数据的一致性与可得性,空间数据以2019年安徽行政区划为基准,将16个地级市的44个市辖区归并为16个市辖区、1个县(铜陵市义安区仍算作铜陵县),加上9个县级市、52个县,共得到78个县域单元;属性数据选择2008年、2018年的截面数据,其中粮食作物播种面积源于国家统计局安徽调查总队《第三次全国农业普查安徽粮食作物数据核定修订结果(2007—2018)》,粮食产量、各区域户籍人口数量源自2009年、2019年的《安徽统计年鉴》。
(三) 研究方法
1. 种植类型
借鉴已有研究成果[10],将某种粮食作物播种面积占粮食作物总播种面积的比例作为种植类型划分的标准,当仅有一种或几种作物的播种面积比率超过30%时,即认定该区域的种植类型为单一作物型或几种作物的组合型;当所有作物播种面积比都未超过30%时,则认定该区域的种植类型为前三位作物的组合型。计算公式如下:
$$ {C}_{ij}={Q}_{ij}/{Q}_{i} $$ (1) 式(1)中:
$ {C}_{ij} $ 是某年i县j作物的播种面积比,${{Q}}_{ij}$ 是i县j作物的播种面积,${{Q}}_{{i}}$ 是某年i县所有粮食作物总播种面积。2. 种植结构空间自相关
空间自相关方法处理变量在邻近观测单元的协变关系,主要有全域和局域空间自相关两种方法。全域空间自相关的主要统计量为莫兰指数(Moran’ s I),它用来描述所有县域单元某粮食作物播种面积比之间的平均关联程度及其显著性,计算公示如下:
$$ I = \frac{{n\mathop \sum \nolimits_{i = 1}^n \mathop \sum \nolimits_{j = 1}^n {W_{ij}}({S_i} - \bar S)( {{S_j} - \bar S} )}}{{\left( {\mathop \sum \nolimits_{i = 1}^n \mathop \sum \nolimits_{j = 1}^n {W_{ij}}} \right)\mathop \sum \nolimits_{i = 1}^n {{\left( {{S_i} - \bar S} \right)}^2}}} $$ (2) 式(2)中:
$ n $ 为研究县域单元总数,$ {S}_{i} $ 、$ {S}_{j} $ 分别为第$ i $ 、j县某粮食作物的播种面积比,$ \bar{S} $ 为某作物播种面积比的平均值;$ {W}_{ij} $ 为空间位置i与j的空间权重中的元素;Moran’ s I取值一般在[−1,1]之间,小于0表示负相关,等于0表示不相关,大于0表示正相关,越接近1,则表示单元间的依赖性越强。局域空间自相关则凭借局域Moran’ s I判断不同粮食作物种植格局的具体分布特性。计算公式为:
$$ {I}_{i}={Z}_{i}\sum\nolimits_{j=1,j\ne i}^{n}{T}_{ij}{Z}_{j} $$ (3) 式(3)中:
$ {I}_{i} $ 为局部Moran’ s I,$ {Z}_{i} $ 和$ {Z}_{j} $ 是第$ i $ 、j县某粮食作物播种面积比的标准化值,$ {T}_{ij} $ 为行标准化后的空间权重矩阵元素。二、 结果与分析
(一) 种植规模时序变化
按照某种粮食作物播种面积占总播种面积的比例排序,2008—2018年安徽主要的粮食作物为小麦、水稻、玉米、大豆,研究期内小麦、水稻播种面积比始终超过30%,4类作物占比和超过了总额的9成。2008年以来,安徽省粮食作物总播种面积整体呈平稳上升态势,由671.05万hm2增至731.63万hm2,增幅达9.02%,年均增长率为0.86%。小麦、水稻的播种面积总体呈缓慢增长趋势,其中小麦的播种面积增加了39.25万hm2,年均增幅为1.47%;水稻播种面积由225.42万hm2升至254.48万hm2,增加了29.06万hm2,年均增长率为1.22%;玉米总体增幅最大,播种面积增加了40.73万hm2,增幅高达55.70%,年均增长率为4.52%。大豆则出现了总体下滑的势头,到2018年其播种面积下降至64.99万hm2,降幅高达30.38%,年均降幅为3.56%,见图1。虽然玉米与大豆波动较大,但由于其在粮食作物总播种面积中份额不大,并未改变安徽粮食作物总播种面积稳定上升的整体态势。在国家对“镰刀湾”区域玉米种植面积调减的大背景下,从2015年开始,玉米播种面积开始下降,大豆则开始缓慢回升,但两者差距依然较大。
(二) 种植结构类型
安徽省粮食作物种植类型主要有单一水稻型、单一小麦型、水稻—小麦型、小麦—玉米型、小麦—大豆型。研究期内,安徽省粮食作物种植结构变化不明显(表1)。单一水稻型县(市)增加1个,占55.1%,是安徽粮食作物种植的首要类型;单一小麦型、水稻—小麦型合计占比超3成,县(市)数量分别减少2个、1个,减幅不大,属于次要种植类型,较为稳定;小麦—玉米型由2个增至8个,占比由2.6%提升到10.3%,体现了玉米播种面积的大幅增加,是发展最迅速的类型;小麦—大豆型县(市)数量下降至2个,份额减至2.6%,大豆播种面积进一步萎缩。可见,2008年以来,安徽粮食作物种植结构调整主要体现在玉米、大豆的增减,但两者与小麦组合型的份额合计一直维持在10%左右,对种植结构影响不大。
表 1 2008、2018年安徽省粮食作物种植结构类型分布类型 2008年 2018年 县(市)
数量/个比率
/%县(市)
数量/个比率
/%单一水稻型 42 53.8 43 55.1 单一小麦型 13 16.7 11 14.1 水稻—小麦型 15 19.2 14 17.9 小麦—玉米型 2 2.6 8 10.3 小麦—大豆型 6 7.7 2 2.6 (三) 种植结构空间自相关分析
由于大豆播种面积降幅大,种植类型占比低,所以仅对小麦、水稻、玉米进行空间自相关分析。2008年、2018年的Moran’ s I分别为水稻:0.857、0.872,小麦:0.767、0.851,玉米:0.588、0.665,值均为正,表明安徽粮食作物种植结构并非随机分布,而是存在空间集聚性,且随着时间的变化集聚性更强;同时,Moran’ s I值是水稻>小麦>玉米,说明水稻的空间集聚性最明显,小麦次之,玉米最不明显。为更具体的观察粮食作物种植结构的空间依赖性,通过 GeoDa 软件计算局部 Moran’ s I并绘制 Lisa 集聚图(图2)。结果表明,安徽粮食作物种植结构具有显著的区域差异现象与局部空间集聚特征。小麦、水稻、玉米均呈现明显的高值与低值集聚特征。2008—2018年,水稻种植高—高集聚型数量由25个减少为19个,主要分布在合肥、六安、芜湖、宣城、安庆、池州、铜陵、黄山的部分县(市),既有江淮丘陵区,也有皖南山区、沿江平原区,这些区域江河纵横,具备水稻种植的优越条件,区域内县(市)的水稻播种面积比都较高;低—低型由21个减少为20个,变动不大,主要集中于淮北、亳州、蚌埠、阜阳的全部及宿州、淮南的部分县(市),主要位于沿淮、淮北平原区,这些区域的水稻播种面积比都较低;其余地区不显著。小麦的高、低值集聚区域则与水稻相反,高—高型数量由20个增至22个,分布于淮北、亳州、阜阳、蚌埠、淮南的全部及宿州、滁州的部分县(市),主要处于淮北及沿淮平原,这些区域的小麦播种面积比都较高;低-低型县(市)由26个减少为22个,主要分布于宣城、安庆、池州、铜陵、黄山地区,以丘陵和山地为主;其余地区不显著。玉米高—高型数量从14个增至18个,主要包括淮北、宿州、亳州、蚌埠、滁州的部分地区,这些区域传统上都是小麦、大豆种植的强势区域,区域内县(市)玉米播种面积比都较高;低值集聚区域则主要位于皖中的江淮丘陵区与沿江平原区,玉米播种面积比都较低;2008年,阜阳市的太和县与蚌埠市辖区则属于低—高型,即玉米种植面积比低于周边区域;其余地区不显著。总体来看,水稻高值区域收缩,低值区域保持稳定;小麦的高值区域扩大,低值区域收缩;玉米的高值区域扩大,低值区域变动不明显。
(四) 种植结构空间静态格局
为进一步探索安徽粮食作物种植结构的空间格局,依据上文的种植类型划分,利用ArcGIS软件制作空间可视化地图(图3)。由图3可见,安徽粮食作物种植存在一定的空间异质性:单一水稻区空间范围保持了基本稳定,有2个县(市)(和县、马鞍山市辖区)进入,1个县转出(芜湖县),总量增加1个县至43个县域单元,涵盖了江淮丘陵、沿江平原及皖西、南的山区大部分县(市)。单一小麦区空间范围变动明显,有4个(宿州市辖区、淮北市辖区、蚌埠市辖区、濉溪县)转入,6个(界首市、固镇县、蒙城县、灵璧县、马鞍山市辖区、阜阳市辖区)转出,总量减少2个至11个,目前主要位于淮北平原部分县(市)。水稻—小麦区空间范围小幅收缩,有3个县(市)(全椒县、和县、蚌埠市辖区)转出,2个县(长丰县、芜湖县)转入,总量减至14个,多位于江淮丘陵区与沿淮平原,具备水稻与小麦种植的双重地理、气候条件。小麦—玉米区空间范围大幅增加,新增6个县(市)(灵璧县、界首市、固镇县、蒙城县、利辛县、阜阳市辖区),没有转出区域,主要位于淮北平原区的宿州、亳州、阜阳的部分县(市)。小麦—大豆区范围大幅收缩至2个,有4个县(市)(宿州市辖区、淮北市辖区、濉溪县、利辛县)转出,没有转入县,主要位于淮北平原的涡阳县、太和县,有进一步缩小的趋势。
(五) 种植结构的空间演化
为进一步明确安徽省粮食作物种植结构的空间变化特征,本文计算2018年与2008年水稻、小麦、玉米播种面积比的差值,结果如图4所示。
图4中颜色越深,表示增减幅度越大。研究期内,水稻播种面积比减少的有36个县(市),保持基本稳定或有所提升的有42个县(市),其中减少幅度较大的县多位于单一水稻区,但减幅不足以改变单一水稻区的种植类型,其他类型种植区水稻播种面积比减少幅度有限、甚至有所增加,从而促成单一水稻区的空间范围基本稳定;小麦播种面积比提升的县(市)有57个,减少的只有21个,由小麦播种面积比增加引发的种植类型改变的有6个县(市)(宿州市辖区、淮北市辖区、蚌埠市辖区、芜湖县、长丰县、涡阳县),但是单一小麦区本身数量较少,多数区域的播种比增加不足以改变小麦的从属地位,而且单一小麦区及由小麦构成的组合区又受到玉米的强势冲击,从而造成小麦种植强势区域范围变动较大;玉米播种面积比增加的有58个县(市),减少的有20个县(市),玉米地位的提升的对应的是小麦、大豆播种面积比的相对减少,从而造成小麦—玉米型的区域范围扩大,但由于玉米种植面积基数低,短期内还无法撼动水稻、小麦在安徽粮食作物中的强势地位(2018年,单一水稻型、单一小麦型、水稻—小麦型合计占所有区域的87.2%)。大豆播种面积比减少的县(市)达到了60个,呈增长态势的只有18个县(市),且是4类作物中唯一的播种面积大幅下降的作物,在小麦与玉米的冲击下,大豆种植空间范围大幅缩减,急需重振。
(六) 粮食安全评价
从总体看,作为粮食主产区省份,安徽人均占有粮食处于较高水平,2018年人均637 kg(数据由2019年《中国统计年鉴》计算求得),远超“人均400 kg的粮食安全线” [11],但从具体县(市)观察,则水平高低不一。参考已有研究成果[12],按照严重缺粮县(人均占有粮食<150 kg/年)、一般缺粮县(人均占有粮食150~300 kg/年)、供需紧平衡县(人均占有粮食300~400 kg/年)、一般余粮县(人均占有粮食400~600 kg/年)、重要余粮县(人均占有粮食>600 kg/年)的分类标准,对2008—2018年安徽县域人均占有粮食量进行分类(表2)。结果表明:研究期内,一般余粮县与重要余粮县由43个增至50个,处于粮食安全线上的县(市)数量占县域总数64.1%,表明安徽整体处于粮食安全状态;其余类型县减少7个,安徽县域粮食安全结构持续向好转变。从各类型县(市)空间格局演变来看,重要余粮县范围大幅扩大,由2008年的19个县(市)增加到25个;2008年这一类型区域主要分布于淮北及沿淮平原、江淮丘陵带的18个县(市),皖南山区仅有郎溪1县,2018年淮北平原的宿州市辖区、利辛县,沿江平原区的庐江县、和县、当涂县,沿江平原与皖南山区过渡地带的南陵县进入,范围逐渐南移;一般余粮县总数变化不大,仅增加1个至25个,但区域范围变动较大,其中18个县(市)保持稳定,6个县(市)转为重要余粮县,有7个县(市)由供需紧平衡县转入,其范围逐渐由淮北平原区的零散分布、江淮丘陵区与沿江平原区的聚集分布演化为皖西北淮北平原区的聚集分布、其他区域的零散分布;供需紧平衡县中有6个转为了一般余粮县,1个转为一般缺粮县,4个一般缺粮县转入,其范围从全省范围的零散分布向皖西南山区聚集;一般缺粮县则主要分布在皖西大别山区及皖南山区,尤其是皖东南山区聚集特征明显;严重缺粮县范围保持了相对稳定,主要是市辖区(合肥、芜湖、马鞍山、安庆、铜陵市辖区)及皖南山区的石台县与歙县。
表 2 2008、2018年安徽省县域粮食安全类型分布类型 2008年 2018年 县(市)
数量/个比率
/%县(市)
数量/个比率
/%重要余粮县 19 24.36 25 32.05 一般余粮县 24 30.77 25 32.05 供需紧平衡县 14 17.95 11 14.10 一般缺粮县 14 17.95 11 14.10 严重缺粮县 7 8.97 6 7.69 三、 结论与建议
(一) 结论
2008—2018年,安徽省粮食作物总播种面积整体平稳上升;其中水稻、小麦总体稳定增长;玉米先升后降,但总体大幅增加;大豆先降后升,总体大幅下降。单一水稻型为安徽粮食作物种植的首要类型,水稻—小麦型、单一小麦型为次要类型,小麦—玉米型、小麦—大豆型占比较低。从全域看,安徽主要粮食作物种植结构存在空间集聚性,且随着时间的变化集聚性更强;从局域看,具有显著的区域差异现象与局部空间集聚特征。小麦、水稻、玉米均呈现明显的高值与低值集聚。研究期内,安徽粮食作物种植结构变化不明显,但空间范围变动较大,单一水稻区空间范围保持基本稳定,单一小麦区范围大幅变动,水稻—小麦区范围小幅收缩,小麦—玉米区范围大幅增加,小麦大豆区范围大幅减小。同时,安徽整体处于粮食安全状态,县域粮食安全结构持续向好转变。
(二) 建议
1. 以粮食产能稳中有升为目标,优化粮食作物种植结构
首先,稳定小麦、水稻的种植面积,确保基本口粮供应稳定;其次,结合国家对“镰刀湾”等玉米生产非优势区的调减战略,继续减少玉米种植面积;最后,服务国家粮食安全战略,增加大豆、杂粮杂豆、马铃薯的种植面积。
2. 统筹兼顾,优化粮食生产布局
综合考虑要素禀赋、市场需求、资源环境承载力,重点打造沿淮、淮北平原优质小麦、安全玉米、高蛋白大豆生产区,沿江平原、江淮丘陵带的优质稻米区,在皖南、皖西山区则应兼顾粮食生产与生态保护,突出有机粮食、绿色粮食生产,从而构建产业优势区域与专业化格局。
3. 生产与市场对接,提高农民粮食生产效益
以破解粮食产需结构性矛盾为突破口,提高粮食生产的市场化、商品化水平,选择适销对路的作物品种,加强粮食销售的市场化运作,增加农民收入,提升农民的生产及种植结构调整意愿,增强粮食作物种植结构优化的内驱力。
-
表 1 2011—2017年安徽省16个市农业循环经济综合效率
地区 地市 2011 2012 2013 2014 2015 2016 2017 年均 皖南 芜湖市 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 黄山市 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 宣城市 1.000 0.999 0.992 1.000 1.000 1.000 1.000 0.999 铜陵市 0.781 0.958 0.856 0.861 0.783 0.782 0.826 0.835 马鞍山市 0.812 1.000 1.000 1.000 1.000 1.000 0.995 0.972 池州市 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 皖中 合肥市 0.976 1.000 1.000 1.000 1.000 1.000 1.000 0.997 六安市 1.000 0.739 0.673 0.663 0.879 0.912 0.940 0.829 滁州市 1.000 1.000 1.000 1.000 1.000 0.923 0.941 0.981 安庆市 1.000 0.997 0.972 0.911 0.890 0.864 0.857 0.927 皖北 蚌埠市 0.987 1.000 1.000 1.000 1.000 1.000 1.000 0.998 宿州市 0.954 0.939 0.975 1.000 1.000 0.973 0.935 0.968 淮南市 0.893 1.000 1.000 1.000 0.742 0.834 0.891 0.909 淮北市 1.000 0.808 0.844 0.784 0.823 0.912 1.000 0.882 亳州市 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 阜阳市 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 均值 0.963 0.965 0.957 0.951 0.945 0.950 0.962 0.956 表 2 2011—2017年安徽16个地市全要素效率指数
地区 地市 综合技术效率指数
Effch技术进步指数
Techch纯技术效率指数
Pech规模效率指数
SechMalmquist指数
TFPch皖南 芜湖市 1.000 1.091 1.000 1.000 1.091 黄山市 1.000 1.014 1.000 1.000 1.014 宣城市 1.000 1.064 1.000 1.000 1.064 铜陵市 0.978 1.052 1.000 0.978 1.029 马鞍山市 0.999 1.051 1.000 0.999 1.050 池州市 1.000 1.009 1.000 1.000 1.009 皖中 合肥市 1.000 1.065 1.000 1.000 1.065 六安市 1.034 1.066 1.022 1.012 1.102 滁州市 0.990 1.033 1.000 0.990 1.022 安庆市 0.981 1.032 0.989 0.991 1.011 皖北 蚌埠市 1.000 1.041 1.000 1.000 1.041 宿州市 1.001 1.044 0.997 1.004 1.045 淮南市 0.981 1.026 0.981 1.000 1.007 淮北市 1.040 1.080 1.035 1.005 1.123 亳州市 1.000 1.026 1.000 1.000 1.026 阜阳市 1.000 1.035 1.000 1.000 1.035 均值 1.000 1.045 1.001 0.999 1.045 表 3 安徽省DEA无效地市投入产出冗余率
地市 投入冗余率/% 产出不足率/% X1 X2 X3 X4 X5 X6 X7 Y1 铜陵市 0.00 25.98 8.35 0.00 0.00 11.22 0.00 0.00 六安市 4.67 9.59 8.90 0.00 0.00 3.06 0.00 0.00 安庆市 19.47 0.00 11.81 12.55 0.00 0.00 25.91 0.00 宿州市 0.00 25.68 0.00 30.15 17.52 0.00 7.87 0.00 淮北市 0.00 23.99 1.39 0.00 0.00 19.11 0.00 0.00 均值 4.83 17.05 6.09 8.54 3.50 6.68 6.76 0.00 表 4 安徽省农业循环经济发展效率影响因素回归结果
解释变量 系数 标准差 t值 显著性水平 农业产业结构(APS) 0.544 4 0.296 5 1.840 0 * 农业人均GDP(AGDP) 0.158 2 0.064 8 2.440 0 ** 粮食单产(GP) 0.479 4 0.159 4 3.010 0 ** 化肥有效利用率(CFE) 0.045 0 0.009 7 4.650 0 *** 有效灌溉率(IR) −0.619 2 0.157 3 −3.940 0 *** 常数项(constant) −4.902 9 1.327 3 −3.690 0 *** 注:*、**、***分别表示10%、5%、1%的显著水平 -
[1] 杜红梅, 傅知凡. 湖南农业循环经济发展评价体系及实证分析[J]. 经济地理, 2016(6): 168. DOI: 10.15957/j.cnki.jjdl.2016.06.023. [2] 洪明勇, 龙婷, 董超. 基于DEA的西部地区农业循环经济效率[J]. 农业经济, 2012(10): 68. DOI: 10.3969/j.issn.1001-6139.2012.10.025. [3] 李杨, 樊雯雯. 湖南省农业循环经济发展的有效性评价与调控措施[J]. 经济地理, 2017(4): 182. DOI: 10.15957/j.cnki.jjdl.2017.04.023. [4] 孙建卫, 黄贤金, 马其芳. 基于灰色关联分析的区域农业循环经济发展评价: 以南京市为例[J]. 江西农业大学学报, 2007, 29(3): 508. DOI: 10.13836/j.jjau.2007105. [5] 张诗予, 池增历, 兰洁, 等. 基于交叉DEA模型的农业循环经济效率评价: 以湖北省为例[J]. 创业与经济发展, 2018(9): 49. DOI: 10.3969/j.issn.1672-2272.2018.09.012. [6] 魏权龄. 数据包络分析[M]. 北京: 科学出版社, 2004. [7] 于晓秋, 任晓雪, 野金花, 等. 基于数据包络分析的农业循环经济评价: 以黑龙江省各地区为例[J]. 数学的实践与认识, 2017(3): 35. [8] 杨春, 杨丽蓉. 基于DEA方法的射洪县循环农业发展效率评价[J]. 农业技术经济学, 2011(4): 117. DOI: 10.13246/j.cnki.jae.2011.04.015. [9] 郭耀辉, 刘强, 熊鹰, 等. 农业循环经济发展指数及障碍度分析: 以四川省21个市州为例[J]. 农业技术经济, 2018(11): 132. DOI: 10.13246/j.cnki.jae.2018.11.011. [10] 段发明, 党兴华. 基于熵值法和DEA的农业循环经济发展水平评价研究[J]. 科技管理研究, 2015(11): 57. DOI: 10.3969/j.issn.1000-7695.2015.11.011. [11] 傅丽芳, 魏薇. 基于面板数据广义DEA的农业生产效率综合评价[J]. 统计与决策, 2016(6): 57. DOI: 10.13546/j.cnki.tjyjc.2016.06.014. [12] 严华鸣, 施建刚. 我国省级地方政府统筹城乡发展的效率评价: 基于省级层面的DEA分析[J]. 农业经济问题, 2014(6): 94. DOI: 10.13246/j.cnki.iae.2014.09.013. [13] 周旭东, 吕光辉. 新疆农业生态效率时空差异及影响因素研究[J]. 中南林业科技大学学报, 2018(12): 37. DOI: 10.14067/j.cnki.1673-9272.2018.06.007. -
期刊类型引用(6)
1. 刘亚琳,李晓东. 基于面板数据的粮食产量影响因素实证分析. 安徽农学通报. 2024(22): 141-144 . 百度学术
2. 张善磊,王卫军,田胜营,崔小平,赵壁,许稳,刘晓飞,赖上坤,赖尚科. 酿食兼用小麦新品种富麦666的选育和栽培技术. 大麦与谷类科学. 2022(04): 66-70 . 百度学术
3. 张平平,刘玉林,张明锋,鲁成树. 城乡融合视角下的安徽省耕地压力时空变化特征及对粮食安全影响研究. 安徽商贸职业技术学院学报. 2022(04): 22-27 . 百度学术
4. 王静,方锋,王莺. 中国西南和华南粮食作物播种面积时序变化特征及其影响因素分析. 生态环境学报. 2021(10): 2010-2025 . 百度学术
5. 张平平,高蕾,鲁成树,胡心意. 安徽省耕地资源利用变化对粮食安全影响实证分析. 沈阳农业大学学报(社会科学版). 2021(04): 436-441 . 百度学术
6. 王静,方锋,王莺. 中国西南和华南粮食作物播种面积时序变化特征及其影响因素分析. 生态环境学报. 2021(10): 2010-2025 . 百度学术
其他类型引用(4)
计量
- 文章访问数: 1998
- HTML全文浏览量: 855
- PDF下载量: 8
- 被引次数: 10