基于DEA模型和Malmquist指数的农业生产效率评价研究——以吉林省为例

发布时间：2022-01-14 22:15

　　基于农业投入、产出视角,分别从纵向和横向层面入手,利用DEA模型对2004—2017年吉林省及2017年吉林省9个地市的农业生产效率进行测算,采用投影分析和Malmquist指数对吉林省的农业生产水平进行评价研究,以此测算吉林省及其9个地市的农业生产效率,为吉林省实现农业现代化发展提供理论参考。研究发现,在纵向层面,2004—2017年吉林省整体农业生产效率较高,较多年份达到DEA有效,但仍有提升空间,动态观测表明,全省技术进步率较低,制约全要素生产率的提高;在横向层面,2017年吉林省9个地市的综合技术效率整体较高,但区域差距明显;总体来看,DEA无效的主要原因在于地区差异大、技术和规模效益没有充分发挥。通过投影分析发现,各地市在播种面积、农业机械总动力、农林牧事务支出投入中都存在不同程度的冗余量,投入资源未曾有效利用,存在浪费情况。为此,政府应实施全面性的农业生产现代化战略、差异性的农业生产区域化策略和统筹性的农业生产高效化策略。 

【文章来源】：技术经济. 2020,39(09)北大核心CSSCI

【文章页数】：9 页

【文章目录】：
一、文献综述
二、数据来源与研究方法
    （一）吉林省农业生产效率评价模型与分析方法
        1. DEA模型
        2. 研究假设
        3. 数据投影分析
        4. Malmquist指数分析
    （二）指标选取及数据来源
        1. 指标选取
        2. 数据来源
    （三）统计分析
三、结果及分析
    （一）吉林省农业生产效率纵向分析结果
        1. DEA效率纵向分析
        2. 投影纵向分析
        3. Malmquist指数动态纵向分析
    （二）吉林省农业生产效率横向分析结果
        1. DEA效率横向分析
        2. 投影横向分析
四、讨论
五、建议


【参考文献】：
期刊论文
[1]中国粮食生产效率测度及其空间溢出效应[J]. 伍国勇,张启楠,张凡凡.  经济地理. 2019(09)
[2]考虑递进发展的我国农业机械化效率评估——基于Bootstrapped修正的三阶段DEA模型[J]. 张济建,刘宏笪,张茜.  中国农机化学报. 2019(08)
[3]农机推广助力农业机械化发展[J]. 吴晓红.  农业工程技术. 2019(20)
[4]基于数据包络分析的高原地区青稞种植效率评价——基于427户青稞种植户的入户调查[J]. 白建华,杨文凤,央青卓嘎.  东北农业科学. 2019(03)
[5]四川省环境友好型农业生产效率测算及影响因素研究——基于超效率DEA模型和空间面板STIRPAT模型[J]. 熊鹰,许钰莎.  中国生态农业学报(中英文). 2019(07)
[6]山东省农业生产效率研究——基于超效率DEA和Malmquist指数[J]. 李中东,尉迟晓娟.  山东农业大学学报(社会科学版). 2019(02)
[7]云南省农业科技创新资源配置效率及影响因素研究[J]. 李勇辉,白利鹏.  中国农业资源与区划. 2019(06)
[8]基于超效率DEA和Malmquist指数的中国农业生产效率分析[J]. 侯琳,冯继红.  河南农业大学学报. 2019(02)
[9]基于DEA模型的现代农业发展效率评价——以内蒙古磴口县为例[J]. 何晓瑶,彭文英,李若凡.  水土保持研究. 2019(01)
[10]乡村振兴战略下的农村土地闲置问题研究[J]. 孙悦.  南方农机. 2018(21)



本文编号：3589312