董奮義　齊冰

摘要：我國正處在傳統(tǒng)農(nóng)業(yè)向現(xiàn)代農(nóng)業(yè)轉(zhuǎn)型的關(guān)鍵時期，而科技是農(nóng)業(yè)快速發(fā)展的重要手段?；陟刂捣ㄓ嬎愠鑫覈魇》蒉r(nóng)業(yè)科技發(fā)展程度與相對農(nóng)業(yè)科技產(chǎn)出，并利用數(shù)據(jù)包絡(luò)分析（DEA）模型對我國2005、2010、2015年各省份的農(nóng)業(yè)科技DEA效率進行比較靜態(tài)分析。結(jié)果表明：我國多數(shù)省份的農(nóng)業(yè)科技DEA效率處于非DEA有效狀態(tài)，2005—2015年我國整體農(nóng)業(yè)科技水平呈下降趨勢;大部分省份農(nóng)業(yè)科技DEA效率處于無效狀態(tài)，這是因為純技術(shù)效率與規(guī)模效率的發(fā)展存在嚴重失衡。最后，根據(jù)分析結(jié)果提出了相關(guān)對策建議。

關(guān)鍵詞：農(nóng)業(yè)科技;熵值法;DEA模型;技術(shù)效率;規(guī)模效率;比較靜態(tài)分析;對策建議

中圖分類號： F302文獻標志碼： A

文章編號：1002-1302（2019）19-0321-06

收稿日期：2018-07-16

基金項目：國家自然科學(xué)基金（編號：41171444）;河南省軟科學(xué)項目（編號：182400410256）;河南省高等學(xué)校重點科研項目（編號：15A630032）。

作者簡介：董奮義（1972—），男，河南平輿人，博士，副教授，從事灰色系統(tǒng)理論、決策分析等研究。E-mail：dfenyi@163.com。

“民以食為天?！奔Z食的重要性奠定了農(nóng)業(yè)在我國的基礎(chǔ)地位，我國作為世界人口第一大國，農(nóng)業(yè)的發(fā)展對我國的重要性不言而喻。農(nóng)業(yè)的發(fā)展來源于工業(yè)發(fā)展的反哺，可以說農(nóng)業(yè)的發(fā)展取決于人類科技的整體進步。眾所周知，雖然中國正處于傳統(tǒng)農(nóng)業(yè)向現(xiàn)代農(nóng)業(yè)轉(zhuǎn)型時期，但不可否認，中國農(nóng)業(yè)科技水平落后于發(fā)達國家。因此，對我國農(nóng)業(yè)科技效率進行評價，不僅有利于我國農(nóng)業(yè)從事者發(fā)現(xiàn)自身的差距與不足，而且對于其更合理地進行科技資源配置、提升科技資源的使用效率、加速農(nóng)業(yè)轉(zhuǎn)型有著現(xiàn)實的意義。

很多學(xué)者都對農(nóng)業(yè)科技投入所產(chǎn)生的影響進行了研究與分析。孫慧波等利用DEA-Tobit兩步法對全國農(nóng)業(yè)科技服務(wù)對農(nóng)業(yè)生產(chǎn)效率的影響進行了實證分析[1]。楊劍波利用協(xié)整分析方法、向量誤差修正模型等證明農(nóng)業(yè)科技投入的變化會導(dǎo)致糧食產(chǎn)量的重大變化[2]。張紅輝等采用分布滯后模型等方法證明了農(nóng)業(yè)科技投入與農(nóng)業(yè)經(jīng)濟增長之間存在長期的穩(wěn)定均衡關(guān)系[3]。黃敬前等也利用協(xié)整理論與方法分析了我國農(nóng)業(yè)科技投入與農(nóng)業(yè)科技進步之間長期的均衡關(guān)系[4]。劉敦虎等利用動態(tài)計量分析模型研究四川省農(nóng)業(yè)科技投入與農(nóng)業(yè)經(jīng)濟增長的動態(tài)關(guān)系，證明了四川省農(nóng)業(yè)科技投入對其農(nóng)業(yè)經(jīng)濟增長具有重要作用[5]。除此之外，還有很多學(xué)者研究了農(nóng)業(yè)科技投入對于農(nóng)業(yè)生產(chǎn)[6-10]、農(nóng)業(yè)科技投入效率[11-15]等的影響。但是大多數(shù)學(xué)者在進行研究時只是把我國農(nóng)業(yè)科技作為一個整體，單純地對我國或者各省份進行農(nóng)業(yè)科技投入效率測算與分析，并沒有對我國各省份的農(nóng)業(yè)科技水平提供一個定量研究，且農(nóng)業(yè)科技投入產(chǎn)出指標大多還不具有一致性，如研究農(nóng)業(yè)科技的科技論文數(shù)卻使用各行業(yè)整體的科技論文數(shù)來代替等?？梢?，運用上述內(nèi)容測算得出來的結(jié)果對于清晰地認識我國各省份農(nóng)業(yè)科技水平的意義是有限的。

因此，本試驗基于以往學(xué)者的研究，以熵值法為工具，以各省份的農(nóng)業(yè)科技相關(guān)數(shù)據(jù)為基礎(chǔ)，在對我國各省份農(nóng)業(yè)科技水平與農(nóng)業(yè)科技產(chǎn)出進行定量研究的基礎(chǔ)上，利用DEA模型對我國2005、2010、2015年各省份的農(nóng)業(yè)科技DEA效率進行比較靜態(tài)分析。最后，在對2005、2010、2015年我國各省份農(nóng)業(yè)科技DEA效率進行分析的基礎(chǔ)上，提出相應(yīng)的對策建議。

1 模型介紹

1.1 農(nóng)業(yè)科技產(chǎn)出測算方法

各省份農(nóng)業(yè)科技發(fā)展水平的測算是一個復(fù)雜的過程，只有正確得出農(nóng)業(yè)科技發(fā)展水平，才能得出具有可信度的農(nóng)業(yè)科技產(chǎn)出。為保證計算得出的農(nóng)業(yè)科技發(fā)展水平具有客觀性與可信度，筆者借鑒文獻[16-19]，采用熵值法作為計算農(nóng)業(yè)科技發(fā)展水平的工具。熵值法是根據(jù)各指標的變異程度利用信息熵計算各指標的熵值，能深刻反映出指標的區(qū)分能力的一種客觀賦權(quán)方法。相對于主觀賦權(quán)法，熵值法具有較高的可信度和精確度。因此，利用熵值法可以把各項農(nóng)業(yè)科技產(chǎn)出指標作為一個整體對各省份進行客觀的衡量，以大致得出各省份的農(nóng)業(yè)科技發(fā)展水平。設(shè)有m個評價對象、n個評價指標，原始評價對象的指標值可以用矩陣X=（xij）mn來表示。具體計算步驟如下：

（1）由于在評價指標體系中各指標在量綱等方面可能存在較大差異，應(yīng)對指標進行標準化處理。

正向指標：xij′=xij-min（xij）max（xij）-min（xij）;

逆向指標：xij′=max（xij）-xijmax（xij）-min（xij）。

可以得到標準化矩陣X=（xij′）mn，為方便起見，標準化后的數(shù)據(jù)仍記為X=（xij）mn。

（2）計算第j項指標下第i個評價對象的指標值的比重pij。

pij=xij∑mi=1xij。（1）

（3）計算第j項指標的熵值ej與信息冗余程度dj。

ej=-k∑mi=1pijln（pij），dj=1-ej。（2）

式中：k=1lnm，1lnm≥0，若pij=0，則定義limpij→0pijlnpij=0。

（4）進而確定各指標的權(quán)重wj。

wj=dj∑nj=1dj。（3）

（5）計算各評價對象的綜合得分si，si也是本試驗所求的各省份的農(nóng)業(yè)科技發(fā)展水平。

si=∑mi=1wjxij′。（4）

式中：si∈（0，1），是各省份對農(nóng)業(yè)科技重視程度與發(fā)展水平的體現(xiàn)，si越大，表示其所在城市的農(nóng)業(yè)科技發(fā)展水平越高。

（6）通過綜合得分si折算出理論上我國各省份相對農(nóng)業(yè)科技產(chǎn)出Oi。具體折算方法如下

Oi=si×zi。（5）

式中：zi為農(nóng)林牧漁總產(chǎn)值，表示在農(nóng)林牧漁總產(chǎn)值中農(nóng)業(yè)科技所產(chǎn)生的經(jīng)濟效益，即相對農(nóng)業(yè)科技產(chǎn)出。各省份農(nóng)業(yè)科技發(fā)展程度不同，農(nóng)林牧漁總產(chǎn)值水平不同，甚至相差數(shù)倍，因此各省份得出的相對農(nóng)業(yè)科技產(chǎn)出也會不同，甚至相差數(shù)倍。

1.2 技術(shù)效率測算方法

關(guān)于效率的評價方法，包括以隨機前沿分析法（SFA）、自由分布法（DFA）為代表的參數(shù)法與以數(shù)據(jù)包絡(luò)分析（data envelopment analysis，DEA）為代表的非參數(shù)法等，考慮到農(nóng)業(yè)科技各指標的關(guān)系可能適用于不同的函數(shù)形式，且參數(shù)法的賦值方法帶有主觀性，故采用非參數(shù)法中的數(shù)據(jù)包絡(luò)分析作為本研究的技術(shù)效率測算模型。DEA模型是美國著名運籌學(xué)家Charnes、Cooper和Rhodes于1978年正式提出的以相對效率概念為基礎(chǔ)，以凸分析和線性規(guī)劃為工具，計算比較具有相同類型的多投入、多產(chǎn)出的決策單元（decision making unit，DMU）之間的相對效率，并對評價對象作出評價的方法[20]。其基本模型為C2R模型與BC2模型，兩者之間區(qū)別在于C2R模型假定規(guī)模報酬不變（CRS），BC2假定規(guī)模報酬可變（VRS），其中BC2模型更符合農(nóng)業(yè)科技投入與產(chǎn)出的情況。因此，本研究計算模型選用BC2模型。

假設(shè)n個決策單元對應(yīng)的輸入數(shù)據(jù)xij（i=1，2，…，m）和輸出數(shù)據(jù)yrj（r=1，2，…，s），vi為對第i種輸入數(shù)據(jù)的權(quán)重，ur為對第r種輸出數(shù)據(jù)的權(quán)重，則xj=（x1j，x2j，…，xmj）T，yj=（y1j，y2j，…，yrj）T，v=（v1，v2，…，vm）T，u=（u1，u2，…，us）T，其中，xj>0，yj>0，j=1，2，…，n，描述了第j個DMU的投入和產(chǎn)出情況。

則投入導(dǎo)向角度的線性規(guī)劃BC2模型（本研究所用模型均為投入導(dǎo)向）為：

（PIBC2）max （μTy0+μ0）=VP

ωTxj-μTyj-μ0≥0，j=1，2，…，n

ωTx0=1

ω≥0，μ≥0。（6）

其中：VP為最優(yōu)效率評價指數(shù);ω=tv，μ=tu，其中t=1[]vTx0，u、v為權(quán)重向量;對j0個決策單元進行效率指標評價時，為方便起見，記（x0，y0）=（xj0，yj0）。

為了更方便對BC2模型進行求解，引入非阿基米德無窮小量ε與松弛變量s-、s+的對偶BC2優(yōu)化模型，表示為：

（DIε）min[θ-ε（e^Ts-+eTs+）]

∑nj=1xjλj+s-=θx0

∑nj=1yjλj-s+=y0

∑nj=1λj=1

s-≥0，s+≥0，λj≥0，j=1，2，…，n。（7）

式中：e^T=（1，1，…，1）Em，eT=（1，1，…，1）Es。θ為被評價DMUj0的有效值，即效率值;λ是相對于DMUj0重新構(gòu)造一個有效的DMU中n個決策組合單元的組合比例。

則對偶規(guī)劃（DIε）最優(yōu)解為λ0、s-0、s+0、θ0：（1）若θ0<1，則DMUj0不為弱DEA有效（BC2）;（2）若θ0=1，e^Ts-0+eTs+0>0，則DMUj0僅為弱DEA有效（BC2）;（3）若θ0=1，e^Ts-0+eTs+0=0，則DMUj0為DEA有效（BC2）。

2 省級農(nóng)業(yè)科技發(fā)展水平及DEA效率測算

2.1 省級農(nóng)業(yè)科技產(chǎn)出測算

農(nóng)業(yè)科技發(fā)展主要來源于農(nóng)業(yè)研究和開發(fā)機構(gòu)與高等院校，鑒于高等院校的農(nóng)業(yè)科技研究相對于研究與開發(fā)機構(gòu)的農(nóng)業(yè)科技研究對農(nóng)業(yè)發(fā)展的影響較為滯后，因此，本研究所有農(nóng)業(yè)相關(guān)數(shù)據(jù)為農(nóng)業(yè)研究發(fā)展機構(gòu)數(shù)據(jù)。對于我國各省份（不含香港、澳門、臺灣;西藏數(shù)據(jù)缺失，亦不包含）農(nóng)業(yè)科技產(chǎn)出測算，遵循選取數(shù)據(jù)的可獲取性、連貫性、綜合性、客觀性、代表性等原則，參考已有研究，以農(nóng)業(yè)科技水平作為一級指標，選取研究與開發(fā)機構(gòu)人員（人）、研究與開發(fā)機構(gòu)內(nèi)部經(jīng)費支出（萬元）、技術(shù)市場成交額（萬元）、科技論文數(shù)（篇）（以上指標均為農(nóng)業(yè)方面）作為二級指標。本研究所選取的農(nóng)業(yè)科技指標體系包含一個地區(qū)從資金、人員投入到直接產(chǎn)出、間接產(chǎn)出，清楚完整地表達了一個地區(qū)的農(nóng)業(yè)科技水平。本研究所采用的指標數(shù)據(jù)均來自《中國統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》以及各地方統(tǒng)計年鑒。在數(shù)據(jù)搜集過程中，我國農(nóng)業(yè)科技的數(shù)據(jù)不僅不完整且有些地區(qū)數(shù)據(jù)多年不變，這在現(xiàn)實經(jīng)濟活動中是不可能存在的，因此為了更好地反映出各地區(qū)農(nóng)業(yè)科技發(fā)展水平、了解各地區(qū)農(nóng)業(yè)科技發(fā)展狀況，本研究所用數(shù)據(jù)已事先經(jīng)過整理處理，處理方法為：對于各省份缺失的數(shù)據(jù)，均采用灰色系統(tǒng)理論中的 GM（1，1） 預(yù)測模型對數(shù)據(jù)進行補齊;有些省份數(shù)據(jù)大量缺失且無法采用灰色GM（1，1）預(yù)測模型補齊的，采用數(shù)據(jù)折算方法進行整理，即搜集所有行業(yè)同類型的總數(shù)據(jù)作為原始數(shù)據(jù)，對農(nóng)業(yè)方面數(shù)據(jù)進行折算，某年折算數(shù)據(jù)=某年所有行業(yè)同類型總數(shù)據(jù)×（某年農(nóng)林牧漁總產(chǎn)值/某年國民生產(chǎn)總值）。鑒于篇幅，原始數(shù)據(jù)不再給出。

通過對各指標進行標準化，計算評價對象指標值的比重pij、各指標的熵值ej與信息冗余程度dj，并確定各指標的權(quán)重wj與各評價對象的綜合得分si，即各省份的農(nóng)業(yè)科技發(fā)展水平，結(jié)果見表1。

農(nóng)業(yè)科技發(fā)展水平越高，表明本地區(qū)的農(nóng)業(yè)科技水平越高。根據(jù)30個省份的農(nóng)業(yè)科技發(fā)展水平，可以得到理論上各省份的相對農(nóng)業(yè)科技產(chǎn)出Oi，結(jié)果見表2。

從表1、表2中可以看出，科技實力雄厚的地區(qū)，如北京、江蘇等，科技發(fā)展水平較高，由于產(chǎn)業(yè)結(jié)構(gòu)側(cè)重不同，農(nóng)業(yè)科技產(chǎn)出與農(nóng)業(yè)科技發(fā)展水平的排名并不一致。須要說明的是，各省份的農(nóng)業(yè)科技發(fā)展水平是根據(jù)各個指標客觀權(quán)重計算得出的各省份的農(nóng)業(yè)科技發(fā)展各指標的綜合得分，表1只代表各省份相對農(nóng)業(yè)科技發(fā)展程度，而表2依據(jù)各省份的農(nóng)業(yè)科技發(fā)展水平計算得出相對農(nóng)業(yè)科技產(chǎn)出，其差距較大，主要有以下2點原因：第一，各省份的農(nóng)林牧漁總產(chǎn)值參差不齊，農(nóng)林牧漁總產(chǎn)值最高與最低的省份相差數(shù)倍;第二，我國各省份農(nóng)業(yè)科技發(fā)展程度差距較大，且兩極分化比較嚴重。表2的農(nóng)業(yè)科技產(chǎn)出只是根據(jù)熵值法求出的農(nóng)業(yè)科技發(fā)展程度得到相對科技產(chǎn)出理論值，主要服務(wù)于各省份農(nóng)業(yè)科技投入DEA效率測度，各省份相對農(nóng)業(yè)科技產(chǎn)出的大小只是相對意義上的，并無特殊含義。

4 結(jié)語

本研究通過熵值法計算出各省份的農(nóng)業(yè)科技發(fā)展水平與相對農(nóng)業(yè)科技產(chǎn)出，運用DEA模型測算DEA效率，并對我國各省份在2005、2010、2015年的DEA效率進行比較靜態(tài)分析，得出如下結(jié)論：第一，我國大部分省份農(nóng)業(yè)科技DEA效率是非DEA有效的，絕大部分省份受技術(shù)無效和規(guī)模無效的雙重作用，且2005—2015年我國農(nóng)業(yè)科技水平整體上呈下降趨勢。第二，在部分省份農(nóng)業(yè)科技水平發(fā)展過程中，增強規(guī)模效率、提高規(guī)模報酬是使其轉(zhuǎn)變?yōu)镈EA有效的最佳途徑。第三，大部分省份特別是偏遠地區(qū)，純技術(shù)效率的提高是其農(nóng)業(yè)科技DEA效率提高的關(guān)鍵因素。第四，大部分省份純技術(shù)效率與規(guī)模效率發(fā)展嚴重失衡，導(dǎo)致其綜合效率低的原因是其中一方面發(fā)展良好，而另一方面發(fā)展落后。

因此，提高我國各省份農(nóng)業(yè)科技水平主要應(yīng)在以下幾個方面進行調(diào)整：（1）繼續(xù)深化農(nóng)業(yè)科技研究，努力促進農(nóng)業(yè)科技成果轉(zhuǎn)化。中國正處于傳統(tǒng)農(nóng)業(yè)向現(xiàn)代農(nóng)業(yè)轉(zhuǎn)型的關(guān)鍵時期，構(gòu)建現(xiàn)代農(nóng)業(yè)科技創(chuàng)新體系是實現(xiàn)我國農(nóng)業(yè)現(xiàn)代化和農(nóng)業(yè)經(jīng)濟持續(xù)增長的重要戰(zhàn)略支撐[21]，因此，我國要繼續(xù)加大對農(nóng)業(yè)科研的支持力度，對農(nóng)業(yè)科技方面提供政策支持，培養(yǎng)專門的農(nóng)業(yè)科研與技術(shù)人才。然而，現(xiàn)階段我國農(nóng)業(yè)科研過于看重學(xué)術(shù)價值，忽視其應(yīng)用價值及推廣價值，從而導(dǎo)致我國農(nóng)業(yè)科技成果轉(zhuǎn)化率較低。所以，我國各省份不僅要繼續(xù)深化農(nóng)業(yè)科技研究，更要努力促進農(nóng)業(yè)科技成果的轉(zhuǎn)化，以便更好地服務(wù)于我國農(nóng)業(yè)現(xiàn)代化。（2）調(diào)整優(yōu)化農(nóng)業(yè)科技資源投入結(jié)構(gòu)，增強規(guī)模優(yōu)勢。相對于美國等農(nóng)業(yè)發(fā)達國家實行大規(guī)模現(xiàn)代化作業(yè)，我國多數(shù)地區(qū)農(nóng)業(yè)分布相對分散，雖然各省份整體上規(guī)模效率良好，但我國農(nóng)業(yè)的發(fā)展并不具有規(guī)模優(yōu)勢。因此，在我國大部分非DEA有效的省份要在努力提高技術(shù)效率的同時，完善農(nóng)業(yè)科技管理體制，大力宣傳規(guī)模經(jīng)濟的優(yōu)勢，促進農(nóng)業(yè)合作社等農(nóng)業(yè)集約化生產(chǎn)方式的發(fā)展，以促進機械化程度的提高。并在此基礎(chǔ)上，有步驟地繼續(xù)支持農(nóng)業(yè)適度擴大規(guī)模經(jīng)營，對農(nóng)業(yè)科技資源結(jié)構(gòu)進行調(diào)整優(yōu)化，提高增強規(guī)模優(yōu)勢、規(guī)模效益。（3）深刻剖析導(dǎo)致農(nóng)業(yè)科技非DEA有效的原因，合理配置農(nóng)業(yè)科技資源。導(dǎo)致各省份之間農(nóng)業(yè)科技DEA效率非DEA有效的原因不盡相同，因此，對于非DEA有效的省份應(yīng)該深入剖析其無效的根本原因，不能只盲目地增加農(nóng)業(yè)科技投入，各省份不能盲目增加農(nóng)業(yè)科技資源投入，應(yīng)找出導(dǎo)致各省份綜合效率低下的根源，進而有針對性地采取措施，力求全面提升農(nóng)業(yè)科技水平。（4）著重建設(shè)農(nóng)業(yè)科技水平落后地區(qū)，全面提高我國農(nóng)業(yè)科技水平。我國幅員遼闊，區(qū)域間自然要素稟賦與農(nóng)業(yè)發(fā)展水平差距甚大。各省份間農(nóng)業(yè)科技水平發(fā)展程度的不一致，導(dǎo)致整體上我國農(nóng)業(yè)科技發(fā)展水平的低下。而各省份間農(nóng)業(yè)科技發(fā)展水平的巨大差距是導(dǎo)致我國30個省份綜合效率平均值落后的主要原因。因此，增強我國農(nóng)業(yè)科技整體實力，需要國家對農(nóng)業(yè)科技發(fā)展水平落后地區(qū)進行重點扶持，以縮小各省份農(nóng)業(yè)科技DEA效率之間的差距。

須要提出的是，本研究所測算出來的農(nóng)業(yè)科技DEA效率相對于其他學(xué)者的研究結(jié)果來說偏低，因為本試驗運用研究與發(fā)展機構(gòu)中關(guān)于農(nóng)業(yè)科技的數(shù)據(jù)，利用熵值法計算農(nóng)業(yè)科技產(chǎn)出，構(gòu)建的投入指標與產(chǎn)出指標之間更具有一致性。

參考文獻：

[1]孫慧波，趙 霞，何晨曦. 農(nóng)業(yè)科技服務(wù)對農(nóng)業(yè)生產(chǎn)效率的影響研究[J]. 科技管理研究，2016，36（12）：256-260，266.

[2]楊劍波. 1978—2003年我國農(nóng)業(yè)科技投入和糧食產(chǎn)量關(guān)系的計量分析[J]. 科技管理研究，2007（5）：69-71.

[3]張紅輝，李 偉. 農(nóng)業(yè)科技投入與農(nóng)業(yè)經(jīng)濟發(fā)展的動態(tài)關(guān)聯(lián)機制分析[J]. 科技管理研究，2013，33（11）：149-151，159.

[4]黃敬前，鄭慶昌. 我國農(nóng)業(yè)科技投入與農(nóng)業(yè)科技進步長期均衡關(guān)系研究[J]. 福州大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2013，27（3）：48-51.

[5]劉敦虎，賴廷謙，王 卿. 農(nóng)業(yè)科技投入與農(nóng)業(yè)經(jīng)濟增長的動態(tài)關(guān)聯(lián)關(guān)系研究——基于四川省2000—2015年的經(jīng)驗數(shù)據(jù)[J]. 農(nóng)村經(jīng)濟，2017（10）：118-122.

[6]羅小鋒. 農(nóng)戶對生產(chǎn)中科技作用的認知及影響因素分析——基于9省1 311戶農(nóng)戶的調(diào)查[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟，2010（8）：80-86.

[7]宋德軍. 中國農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化與科技創(chuàng)新耦合性評價[J]. 科學(xué)學(xué)研究，2013，31（2）：191-200.

[8]尹朝靜，李谷成，范麗霞，等. 氣候變化、科技存量與農(nóng)業(yè)生產(chǎn)率增長[J]. 中國農(nóng)村經(jīng)濟，2016（5）：16-28.

[9]金懷玉，菅利榮，焦立新. 安徽省農(nóng)業(yè)技術(shù)效率變動的實證分析[J]. 中國科技論壇，2011（7）：129-133，146.

[10]杜 娟. 基于DEA模型的我國農(nóng)業(yè)科技創(chuàng)新投入產(chǎn)出分析[J]. 科技進步與對策，2013，30（8）：82-85.

[11]杜宇能，潘馳宇，宋淑芳. 中國分地區(qū)農(nóng)業(yè)現(xiàn)代化發(fā)展程度評價——基于各省份農(nóng)業(yè)統(tǒng)計數(shù)據(jù)[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟，2018（3）：79-89.

[12]丁 雪，潘晨曄. 基于DEA模型的我國主要省市農(nóng)業(yè)科技投入產(chǎn)出效率分析[J]. 現(xiàn)代農(nóng)業(yè)科技，2015（3）：319-320.

[13]楊印生，王 舒，王海娜. 基于動態(tài)DEA的東北地區(qū)玉米生產(chǎn)環(huán)境效率評價研究[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟，2016（8）：58-71.

[14]李子君. 基于DEA的遼寧省農(nóng)業(yè)生產(chǎn)效率分析[J]. 農(nóng)業(yè)經(jīng)濟，2018（2）：54-56.

[15]許云芳. 基于DEA模型的山西省農(nóng)業(yè)資源利用效率研究[J]. 山西農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2018，17（4）：55-61

[16]黃安勝，許佳賢，劉振濱，等. 中國綠色農(nóng)業(yè)技術(shù)效率及其省際差異分析——基于1998—2012年的面板數(shù)據(jù)[J]. 湖南農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2014，15（4）：68-75.

[17]楊 麗，孫之淳. 基于熵值法的西部新型城鎮(zhèn)化發(fā)展水平測評[J]. 經(jīng)濟問題，2015（3）：115-119.

[18]楊 龍，胡曉珍. 基于DEA的中國綠色經(jīng)濟效率地區(qū)差異與收斂分析[J]. 經(jīng)濟學(xué)家，2010（2）：46-54.

[19]辛 嶺，高睿璞. 我國新型農(nóng)業(yè)經(jīng)營體系發(fā)展水平評價[J]. 經(jīng)濟學(xué)家，2017（9）：73-80.

[20]Charnes A，Cooper W W，Rhodes E. Measuring the efficiency of decision making units[J]. European journal of operational research，1978，2（6）：429-444.

[21]王雅鵬，呂 明，范俊楠，等. 我國現(xiàn)代農(nóng)業(yè)科技創(chuàng)新體系構(gòu)建：特征、現(xiàn)實困境與優(yōu)化路徑[J]. 農(nóng)業(yè)現(xiàn)代化研究，2015，36（2）：161-167.