中國糧食生產效率的時空演變特征及影響因素

季張含昱 楊慧文

季張含昱，楊慧文. 中國糧食生產效率的時空演變特征及影響因素［J］. 湖北農業科學，2024，63（3）：150-156．

摘要：基于投入產出框架設計糧食生產效率測算指標體系，構建基于DDF的糧食生產效率動態DEA測算模型，測算2011—2019年中國糧食生產效率，然后結合ESTAD模型和地理探測器模型識別中國糧食生產效率的時空演變特征及其影響因素。結果表明，2011—2019年，中國糧食生產效率總體水平較高，呈小幅度動態下降趨勢，并呈明顯的地區差異性；中國糧食生產效率的局部空間結構和空間依賴方向上具有較強的穩定性，東西部地區局部空間結構穩定性高于中部地區，而中西部的局部空間穩定性高于東部沿海地區；糧食生產效率與鄰域協同增長的?。ㄊ小⒆灾螀^）占比為51.6%，集中于黃河以南，空間格局整合性呈多元化和差異化特征；宏觀經濟因素對糧食生產效率的影響最大，政策支持因素影響最小，但政策支持與其余因素的交互作用具有非線性增強效果。

關鍵詞：糧食生產效率；時空演變；影響因素；ESTDA模型；地理探測器

中圖分類號：F326.11? ? ? ? ?文獻標識碼：A

文章編號：0439-8114（2024）03-0150-07

DOI：10.14088/j.cnki.issn0439-8114.2024.03.023 開放科學（資源服務）標識碼（OSID）：

中國有著世界第一的糧食進口需求，因此提高糧食產能、強化糧食供給穩定性是應對全球糧食市場波動升級的關鍵［1］。糧食生產能力的提升主要通過兩個途徑，分別為要素投入的增加和生產效率的提高［2，3］。隨著人口不斷增加，糧食剛性需求增長，同時農業用地供給由于工業化、城鎮化發展被不斷侵蝕［4］，水資源短缺、耕地質量下降、勞動力流失等資源環境因素限制了糧食生產能力提升的上限［5］，通過增加生產要素投入的方法來提升糧食產量愈發困難［6-8］。因此，提升糧食生產效率是實現糧食產量穩步增長、維護國家糧食安全的根本途徑。

已有諸多學者從不同角度采用不同方法對中國糧食生產效率展開了研究，研究對象涵蓋全國［9，10］、省域［11］等。肖紅波等［9］利用DEA模型測算了中國2000—2009年糧食生產效率，發現糧食生產平均綜合技術效率與純技術效率均較低。楊林等［10］、丁文斌等［11］分別采用以投入和產出為導向的BBC模型測算全國和湖北省的糧食生產效率，發現增加要素投入可以提高糧食生產效率。為彌補傳統DEA模型假設與實際情況不符的缺陷，學者們對DEA模型進行了改進。王千等［12］運用Malmquist-DEA方法對河北省縣級糧食生產的全要素效率進行測算，對其省域內糧食生產效率的空間分異和趨勢特征做出了闡釋。曾福生等［13］采用SBM-Tobit模型核算了中國2009年糧食生產效率，發現糧食生產效率與化肥使用量、糧食播種面積等因素有密切聯系。張利國等［14］運用DEA-Malmquist指數和固定效應模型分析2001—2012年中國糧食主產區糧食全要素生產率時空演變及驅動因素。為彌補糧食生產效率研究中對空間效應的忽視，高鳴等［15］采用DEA-Morans I-Theil Index模型分析了糧食生產技術效率的空間自相關情況及其區域差異；楊麗霞等［16］借助ESDA和地理加權回歸模型，得出糧食生產及其驅動因素均具有空間異質性；楊春等［17］利用空間計量經濟模型得出中國糧食生產存在較強的空間依賴性。

現有研究對于糧食生產效率空間變化特征的研究成果相對較少，同時缺少對糧食生產效率影響因素的探究。本研究以系統供給限制與環境約束為約束條件，避免效率測度因受某個特殊決策單元影響而出現的高估或低估問題［18］，構建基于DDF的糧食生產效率動態DEA測算模型，測度2011—2019年中國糧食生產效率，并采用Rey等［19］提出的ESTDA模型，借助LISA時間路徑及時空躍遷等分析方法，結合地理探測器，解析糧食生產效率空間格局的動態變化特征及其影響因素，以期為提高中國糧食生產效率、保障糧食安全提供決策參考。

1 研究方法與數據來源

1.1 研究方法

1.1.1 基于DDF的糧食生產效率動態DEA測算模型 假設糧食生產系統存在n個生產規模可變的決策單元DMUk（k=1，2，…，n），經歷時間段為T（t=1，2，…，t）。在第t年時，設[xFijt≥0]表示在糧食生產系統內DMUj的第i個投入指標[（j=1，2，…，n）]，[yFrjt≥0]表示在糧食生產系統內DMUj的第r個產出指標（j=1，2，…，n），[zCj（t，t+1）≥0]表示DMUj從第t年到第t+1年的結轉變量。糧食生產系統的生產可能性集為[Pt=（xFt，yFt，zC（t，t+1）），t=1，2，？，T]。[DMUo（o=1，2，…，n）∈][Pt]的輸入、輸出、連接和結轉約束如下。

[j=1nxFjtλFjt≤θFtxFotj=1nyFjtλFjt≥θFtyFot （期望產出）j=1nyFjtλFjt≤θFtyFot （非期望產出）j=1nλFjt=1 糧食系統j=1nλWj，t-1zCj（t-1，t）=j=1nλEjtzCj（t-1，t）=j=1nλFjtzCj（t-1，t）? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 時期連接變量] （1）

式中，[λFjt]為糧食生產系統DMUj的強度向量，[λFjt]≥0；[θFt]表示t時的效率矩陣。將能夠促進系統效率的產出歸類為期望產出，例如GDP、虛擬水供應等，反之稱為非期望產出，如農業面源污染。參考Petridis等［20］、Shao等［21］對基于DDF的動態DEA模型的研究成果，DMUs效率的目標函數為：

[ρ=maxt=1TWtλFt]? ? ? ?（2）

式中，Wt是分配給時間t的非負權重，滿足[t=1TWt=1]。相對權重分為內生權重與外生權重［22］，采用與以往研究相同的外生權重［22，23］，可以反映不同時期或階段之間的相對重要性?；陟貦喾ǐ@得輸入和輸出指標的權重，將其整合為一個綜合指數。離散度大的指標權重較高［24］。

利用模型（2）在模型（1）的約束下，通過線性規劃公式計算得到糧食生產系統t時期的效率（[ρFt]）。

[ρFt=1-1mi=1mθgxi/xit1-1qi=1qθgyi/yit]? ? ? ? ? ? （3）

式中，m和q分別表示系統投入和產出變量的數量；[θgxi]表示各項投入的改進數量，[θgxi/xit]表示各項投入的改進比例；[θgyi]表示各項產出的改進數量，[θgyi/yit]表示各項產出的改進比例。整體效率（[ρ]）由時段內的每期效率加權求和得到，表示為：

[ρ=t=1TWtρFt]? ? ? ? ? ? ? ? ?（4）

基于全要素能源效率指標，計算關鍵指標的效率，以更好地擬合實際情況。

1.1.2 ESTDA模型

1）LISA時間路徑?；贛orans I散點圖中的遷移特性，將時間維度納入LISA，使其具有連續動態屬性，從而揭示省域間糧食生產效率時空交互作用以及時空依賴效應對區域系統演化的影響程度［25］。LISA時間路徑的幾何特征常用相對長度和彎曲度表示［26］，計算式如下。

[Rli=n×t=1T-1d（Li，t，Li，t+1）i=1nt=1T-1d（Li，t，Li，T）]? ? ? ?（5）

[Di=t=1T-1d（Li，t，Li，t+1）d（Li，t，Li，T）]? ? ? ? （6）

式中，Rli、Di分別表示相對長度和彎曲度；n為DMU的數量；T表示研究時段；Li，t 、Li，t+1分別表示t、t+1年份區域i的局部莫蘭指數坐標；d（Li，t，Li，t+1）、? ? d（Li，t，Li，T）表示兩點間的移動距離。Rli越大，表示DMUj的糧食生產效率的局部空間依賴性和空間結構更具動態性；Di越大，表明DMUj的移動路徑更彎曲，意味著糧食生產效率具有更不穩定的局部空間依賴方向，并且隨時間推移變化幅度越顯著或波動越劇烈。

2）LISA時空躍遷。Rey［27］、Elhorst［28］將局部莫蘭指數與馬爾科夫轉移矩陣相結合，提出了局部馬爾科夫轉移矩陣和時空躍遷，并將躍遷分為Type0、Type1、Type2、Type3四種類型，用于揭示地理要素的空間依賴特征。其中，Type0型區域自身和鄰域均不發生躍遷；Type1型表示區域自身躍遷，鄰域不變（包括高高→低高、高低→低低、低高→高高、低低→高低）；Type2型表示區域自身不變，鄰域發生躍遷（包括高高→高低、高低→高高、低高→低低、低低→低高）；Type3型表示區域自身與鄰域均發生躍遷，若自身與鄰域躍遷方向一致稱為Type3A（包括高高→低低、低低→高高），否則稱為Type3B（包括高低→低高、低高→高低）［29］。Rey［27］根據躍遷的不同類型和表征的鎖定特征將其分類，得到時空流動和時空凝聚的計算式，如下。

[SF=nType1+nType2n]? ? ? ? ? ?（7）

[SC=nType0+nType3An]? ? ? ? ?（8）

式中，SF、SC分別表示研究對象的時空流動和時空凝聚；[nType0]、[nType1]、[nType2]和[nType3A]為Type0、Type1、Type2、Type3的躍遷數量。在本研究中，[n=（2019-2011）×31=248]。

1.1.3 地理探測器 在分析中國糧食生產效率時空動態演變特征的基礎上，有必要進一步分析其背后的影響因素。使用地理探測器中的因子探測器分析與交互探測器探究造成空間分異性的驅動力［30，31］。

1）分異及因子探測。探測Y的空間分異性以及因子X對其的解釋力度（q），計算式如下。

[q=1-SSWSST=1-1Nσ2h=1LNhσ2h] ? ? ? ? ? （7）

式中，[q∈0，1]，[q]越大表示地理探測因子對糧食生產效率異質性的解釋力越大，反之越?。?2］；SSW與SST分別為層內方差之和與區域總方差；h為因子X的分類；N和Nh分別表示全部和h層的決策單元數；[σ2h]和[σ2]分別表示層h和全部Y的方差。

2）交互作用探測。分析多個因子之間的相互影響對因變量解釋力的作用效果。兩個因子之間的關系可以分為5類，見表1。

1.2 指標選取

參考已有研究［2，4，33］的指標體系，并為了滿足DEA模型的指標數量要求，構建投入產出框架。投入指標分為資本投入、勞動投入、資源投入，其中資本投入以農業機械總動力衡量；勞動投入以第一產業就業人員衡量；資源投入以農業用水量、農作物播種面積、農用化肥使用量衡量。產出指標分為期望產出與非期望產出，將第一產業增加值作為期望產出，將農業面源污染作為非期望產出［34，35］。

參考楊曉璇等［2］、張利國等［14］、王美知等［36］的影響因素指標體系，選取自然災害因素、宏觀經濟因素、政策支持因素、產業結構因素4個指標探究其對糧食生產效率的影響。自然災害因素用農作物受災水平衡量，農作物受災水平用某地區農作物受災面積占農作物播種面積的比例衡量，為了使指標更加準確，將農作物受災水平乘以糧食作物種植面積占農作物種植面積的比例。宏觀經濟環境用人均GDP衡量。政策環境用地方政府財政對農林水事務的支出占總財政支出的比例衡量［37］。產業結構用第一產業增加值占總產值的比例衡量。

1.3 數據來源

以中國“十二五”規劃和“十三五”規劃的實施階段，即2011—2019年中國31個?。ㄊ?、自治區）（不包括港澳臺）的糧食生產投入產出數據為研究對象。農業用水量數據來自《中國水資源公報》，第一產業就業人員數據來自各?。ㄊ?、自治區）歷年統計年鑒，其余數據來自《中國統計年鑒》和《中國農村統計年鑒》。

2 結果與分析

2.1 中國糧食生產效率時空特征分析

2011—2019年中國糧食生產效率如表2所示。2011—2019的平均糧食生產效率達0.864，處于較高水平，但中國的糧食生產效率從2011年的0.876降至2019年的0.857，需引起特別關注。從省際層面看，2011—2019年31個省（市、自治區）糧食生產效率表現出不同程度和方向的變動趨勢，具有明顯的地區差異性。其中，黑龍江、江西、湖北、湖南、貴州、云南、陜西7個省的糧食生產效率得到了提升，總體變化幅度較??；此外，有12個?。ㄊ小⒆灾螀^）的糧食生產效率年均增長率為負，其中天津、河北、內蒙古和新疆的效率下降幅度超過了1%；余下12個省（市、自治區）的糧食生產效率均保持為1.000，主要集中于東部沿海地區和西南地區。

中國糧食生產效率在2011—2019年呈波動下降趨勢，主要原因是農村經濟發展“十二五”規劃出臺之后，強調建設環境友好型農業，農業面源污染得到有效控制。此外，2016年“十三五”規劃對現代化農業生產體系建設提出了節約資源、限制化肥農藥使用量的新要求，糧食生產處于關鍵轉型時期，需從原本高效率生產向高效率、高質量生產并存轉變。

2.2 中國糧食生產效率時空動態分析

2.2.1 LISA時間路徑分析 從相對長度（圖1）來看，中國糧食生產效率具有區域特征，局部空間結構具有較好的穩定性。具體而言，東部沿海地區如江蘇、浙江、上海、福建、廣東等具有低相對長度，省域局部空間結構穩定；華北地區具有較低相對長度，省域空間結構較為穩定。其主要原因是較低緯度的東部沿海地區熱量充足且降水量充沛，導致糧食生產周期短、年均產量高，而華北地區黃土較為肥沃，平原廣闊，種植規模大，因此糧食產出穩定。具有較高相對長度和高相對長度的地區包括天津、貴州、新疆，這些?。ㄊ?、自治區）的局部空間結構特征呈較強的不穩定性和動態性。具有中等相對長度的地區集中于中國的中西部，所占面積最大。整體而言，低相對長度和較低相對長度共22個省（市、自治區），占全部的71.0%，表明中國各（市、自治區）糧食生產效率空間結構比較穩定，仍有進一步提升的空間。

從彎曲度（圖2）看，中國糧食生產效率局部空間依賴變化過程總體非常穩定。從空間分布來看，中國有超過67.7%的?。ㄊ小⒆灾螀^）屬于糧食生產效率彎曲度的低值區和較低值區，占中國的大部分面積；彎曲度較高的?。ㄊ小⒆灾螀^）有安徽、廣東、寧夏、吉林和甘肅。由此可見，中國整體糧食生產效率的時空依賴性較弱，局部空間依賴方向上具有較強的穩定性，只有極小部分地區糧食生產效率受外界影響大，安徽、甘肅和廣東的波動最為劇烈。

2.2.2 LISA時間路徑移動方向分析 根據2011年和2019年中國糧食生產效率Morans I散點圖的位置，計算LISA坐標的移動方向，并將其分為贏-贏型（0°—90°）、輸-贏型（90°—180°）、輸-輸型（180°—270°）、贏-輸型（270°—360°）4種類型［26］。其中，贏-贏型表示某地區與其相鄰地區的糧食生產效率協同正向增長；輸-贏型表示某地區糧食生產效率呈負向增長趨勢，而其相鄰地區呈正向增長趨勢；贏-輸型與輸-贏型呈相反態勢；輸-輸型表示某地區與其相鄰地區的糧食生產效率均呈協同負向增長態勢。

由圖3可知，中國糧食生產效率的空間整合性呈明顯的多元化特征和地區差異性。實現協同高增長的?。ㄊ?、自治區）有16個，占比達51.6%，主要集中于東南沿海地區以及中西部地區，僅有青海、寧夏、甘肅處于黃河以北，主要是由于東部沿海地區氣候適宜、水源豐沛、熱量充足且雨熱同期，而中西部地區由于“西部大開發”戰略和“中部崛起”戰略的步步落實，糧食生產效率大多處于上升階段。贏-輸型?。ㄊ?、自治區）包括東三省、北京、山東、陜西和西藏，主要集中在北部沿海地區，這些地區長期為中國糧食生產和供應的主要地區，糧食種植面積廣闊、糧食生產技術成熟。輸-贏型只有4個?。ㄗ灾螀^），為安徽、山西、廣西、新疆，分布相對分散。輸-輸型僅有內蒙古、海南、河北和天津，這些區域生態環境條件并不適合大范圍糧食播種。

2.2.3 糧食生產效率LISA時空躍遷分析 由LISA時空躍遷矩陣（表3）可知，2011—2019年中國糧食生產效率存在明顯的轉移惰性，不發生躍遷的概率均在90%左右。時空躍遷統計結果如表4所示，Type0類型的躍遷占比為91.1%，絕大部分省（市、自治區）在2011—2019年內未發生顯著的時空躍遷，空間鎖定特征和路徑依賴特征明顯。有少數省（市、自治區）發生了Type1和Type2類型的躍遷，沒有?。ㄊ?、自治區）發生Type3類型的躍遷，表明各省（市、自治區）整體在此期間的躍遷并不劇烈，SC為0.911，遠大于SF，由此可知，中國糧食生產效率的時空凝聚很強，空間格局穩定，同時也意味著短期內難以改變當前糧食生產效率的分布狀況。

2.3 中國糧食生產效率的影響因素分析

為進一步探索中國糧食生產效率空間分異格局的影響因素，使用地理探測器揭示自然災害、宏觀經濟、產業結構和政策支持4個因素對2011—2019年中國糧食生產效率的作用強度，并各因素間的交互作用進行研究，地理探測器分異及因子探測結果如表5所示。由表5可知，自然災害因素、宏觀經濟因素和產業結構因素對中國糧食生產效率的影響均較為顯著，通過了10%的顯著性檢驗，自然災害因素和宏觀經濟因素的P小于5%，其影響相較于產業結構更為顯著。

自然災害因素包括了旱災、洪澇災等自然災害對糧食生產效率的影響，q為0.140 017，其含義為自然災害對糧食生產效率產生約14%的影響，且P為0.000 0，表明自然災害作為自然界不可抗力因素，對糧食生產效率的影響顯著，已有的糧食生產手段并不能完全規避自然災害所帶來的影響。宏觀經濟因素對糧食生產效率的影響最為突出，q達0.277 767，大于其他3個因素，同時P小于0.05，影響顯著，可見經濟發展對糧食生產有重要作用，佐證了中國以經濟建設為重心的政策方針的正確性。產業結構因素是指第一產業增加值在總增加值中的占比，體現了一個地區糧食生產的規模及其對該地區經濟的重要程度，其q為0.141 803，與自然災害因素接近，同時P為0.074 9，有較強的解釋力，主要是由于產業規模較大的地區糧食生產易形成規模效應，同時大部分地區為中國糧食的主產區，具有良好的糧食生產基礎。政策支持因素q僅為0.014 527，且P大于0.1，對糧食生產效率的影響最小，其主要原因是地方對農業的財政投入與該地區本身農業生產的條件和規模以及產業結構密切相關，并非一個對糧食生產效率產生獨立影響的因素。

交互作用方面，政策支持因素與其余3個因素的雙因子交互解釋力均大于單因子之和，交互作用屬于非線性增強。由此可見，政策支持因素作用的凸顯建立在其他因素之上。自然災害與產業結構同樣屬于非線性增強關系。剩余2組關系，即自然災害與宏觀經濟、宏觀經濟與產業結構均屬于雙因子增強，雙因子交互解釋力大于各自單因子解釋力，同時小于二者之和，可以認為這3個因素對糧食生產效率發揮影響時產生了一定的互相彌補和促進作用，但是并不顯著。

3 小結與討論

1）2011—2019年，中國糧食生產效率總體水平較高，但有下降趨勢，從2011年的0.876降至2019年的0.857。省際層面，各省（市、自治區）糧食生產效率變化的方向和程度具有明顯的地區差異性，12個省（市、自治區）糧食生產效率呈下降趨勢，7個省的糧食生產效率呈上升趨勢，12個?。ㄊ小⒆灾螀^）糧食生產效率未發生變化。國務院頒布的關于農村經濟發展的“十二五”規劃和“十三五”規劃，為農業發展提出了新要求，糧食生產效率由高效轉向高質、高效并存，同時需兼顧生態建設和環境保護。2011—2019年是農業生產轉型的關鍵時期，糧食生產效率有輕微動態下降的趨勢，有望在未來得到回升。

2）中國糧食生產效率的局部空間結構較為穩定，且空間依賴性較強。LISA相對長度方面，低相對長度和較低相對長度共22個?。ㄊ小⒆灾螀^），占比達71.0%；LISA彎曲度方面，有超過67.7%的?。ㄊ?、自治區）屬于糧食生產效率彎曲度的低值區和較低值區，彎曲度較高的?。ㄊ小⒆灾螀^）主要有安徽、廣東、寧夏、吉林和甘肅。因此，穩定和提升糧食生產效率需要因地制宜，對于糧食生產效率較低的?。ㄊ?、自治區），應通過優化農業產業結構、挖掘農業發展新模式、建設生態農業等方式打破較為穩定的局部空間結構和空間依賴。

3）中國糧食生產效率的空間整合性呈明顯的多元化特征和區域差異性。通過分析LISA時間路徑移動方向，中國實現與領域協同增長的省（市、自治區）占比達51.6%，集中于東南沿海地區和中西部地區；贏-輸型和輸-贏?。ㄊ小⒆灾螀^）主要分布于東北和西北地區，而僅有海南、內蒙古、河北和天津為輸-輸型。同時，中國糧食生產效率的空間格局呈現出鎖定特征，Morans I散點圖的時空凝聚達0.911，表明各?。ㄊ?、自治區）要改變自身的糧食生產效率非常困難，需要長年累月的努力。

4）通過地理探測器探究中國糧食生產效率時空演變的驅動因素，發現自然災害因素與產業結構因素對糧食生產效率的影響程度相近，約為14%，但自然災害因素的顯著性更強；宏觀經濟因素對糧食生產效率的影響最為突出，近28%；政策支持因素對糧食生產效率的影響最小，且沒有通過顯著性檢驗。因此，宏觀經濟是最為重要的因素，提升經濟發展水平有助于提升糧食生產效率。此外，需要加強自然災害的預防和抵抗能力，力圖將自然災害的影響削弱到最低。同時，各?。ㄊ?、自治區）應當逐步優化產業機構，構建當地適宜的農業產業體系。最后，不能忽視政策支持的作用，應與其他因素相結合，擴大其作用效果。

參考文獻：

［1］ 張啟楠， 張凡凡， 麥 強，等.中國糧食生產效率空間溢出網絡及提升路徑［J］.地理學報， 2022， 77（4）：996-1008.

［2］ 楊曉璇， 洪名勇， 潘東陽.中國糧食生產效率的時空特征及空間依賴性分析［J］.中國農業資源與區劃， 2018， 39（11）：183-191.

［3］ 田紅宇， 祝志勇.中國糧食生產效率及影響因素分析——基于DEA-tobit兩步法研究［J］.中國農業資源與區劃，2018，39（12）：161-168.

［4］ 楊 騫， 司祥慧， 王 玨.減排增匯目標下中國糧食生產效率的測度及分布動態演進［J］.自然資源學報，2022， 37（3）：600-615.

［5］ 陳秧分， 王介勇.對外開放背景下中國糧食安全形勢研判與戰略選擇［J］.自然資源學報， 2021， 36（6）：1616-1630.

［6］ 楊錦英， 韓曉娜， 方行明.中國糧食生產效率實證研究［J］.經濟學動態， 2013（6）：47-53.

［7］ 劉立濤， 劉曉潔， 倫 飛，等.全球氣候變化下的中國糧食安全問題研究［J］.自然資源學報， 2018， 33（6）：927-939.

［8］ 成升魁， 李云云， 劉曉潔，等.關于新時代我國糧食安全觀的思考［J］.自然資源學報， 2018， 33（6）：911-926.

［9］ 肖紅波， 王濟民.新世紀以來我國糧食綜合技術效率和全要素生產率分析［J］.農業技術經濟，2012（1）：36-46.

［10］ 楊 林， 許 丹.基于糧食生產效率的財政補貼政策地區差異化研究［J］.經濟學動態， 2011（12）：81-84.

［11］ 丁文斌，徐 通，王雅鵬.糧食主產省糧食生產投入要素效率DEA分析——基于1990—2004年湖北省投入要素的實證分析［J］.西北農林科技大學學報（社會科學版）， 2007，7（4）：56-60.

［12］ 王 千， 金曉斌， 周寅康， 等.基于DEA_Malmquist的河北省縣級糧食生產效率評價［J］.地理與地理信息科學， 2010， 26（6）：51-55.

［13］ 曾福生， 高 鳴.我國糧食生產效率核算及其影響因素分析——基于SBM-Tobit模型二步法的實證研究［J］.農業技術經濟， 2012（7）： 63-70.

［14］ 張利國， 鮑丙飛.我國糧食主產區糧食全要素生產率時空演變及驅動因素［J］.經濟地理， 2016， 36（3）：147-152.

［15］ 高 鳴， 宋洪遠.糧食生產技術效率的空間收斂及功能區差異——兼論技術擴散的空間漣漪效應［J］.管理世界， 2014（7）：83-92.

［16］ 楊麗霞， 楊桂山， 姚士謀，等.基于ESDA-GWR的糧食單產及其驅動因子的空間異質性研究［J］.經濟地理， 2012， 32（6）：120-126.

［17］ 楊 春， 陸文聰.基于空間計量經濟模型的縣域糧食生產區域格局研究［J］.農業技術經濟， 2010（5）：24-29.

［18］ YANG F， WEI F， LI Y，et al. Expected efficiency based on directional distance function in data envelopment analysis［J］. Computers & industrial engineering， 2018， 125：33-45.

［19］ REY S J， MURRAY A T， ANSELIN L. Visualizing regional income distribution dynamics［J］. Letters in spatial and resource sciences， 2011， 4（1）：81-90.

［20］ PETRIDIS K， üNSAL M G， DEY P K， et al. A novel network data envelopment analysis model for performance measurement of Turkish electric distribution companies［J］. Energy， 2019， 174： 985-998.

［21］ SHAO L， YU X， FENG C. Evaluating the eco-efficiency of china？s industrial sectors： A two-stage network data envelopment analysis［J］. Journal of environmental management， 2019， 247：551-560.

［22］ XIAO H， WANG D， QI Y， et al. The governance-production nexus of eco-efficiency in Chinese resource-based cities： A two-stage network DEA approach［J］. Energy economics， 2021， 101： 105408.

［23］ TONE K， TSUTSUI M. Network DEA： A slacks-based measure approach［J］. European journal of operational research， 2009，? ?197（1）： 243-252.

［24］ ZOU Z H， YUN Y， SUN J N. Entropy method for determination of weight of evaluating indicators in fuzzy synthetic evaluation for water quality assessment［J］. Journal of environmental science， 2006， 18（5）：1020-1023.

［25］ 郝 帥， 孫才志， 宋強敏.基于ESTDA模型的中國水生態足跡及水生態壓力評價［J］.生態學報， 2021， 41（12）：4651-4662.

［26］ 夏四友， 趙 媛， 許 昕， 等.1997—2016年中國農業碳排放率的時空動態與驅動因素［J］.生態學報， 2019， 39（21）：7854-7865.

［27］ REY S J. Spatial empirics for economic growth and convergence［J］. Geographical analysis， 2001， 33（3）： 195-214.

［28］ ELHORST J P. Matlab software for spatial panels［J］. International regional science review， 2014， 37（3）： 389-405.

［29］ 紀小美，王 超，趙曉迪.中國地方政府財政赤字率的時空演變——地理監視的應用［J］.地理科學， 2019， 39（3）： 424-432.

［30］ 王勁峰， 徐成東.地理探測器：原理與展望［J］.地理學報. 2017， 72（1）：116-134.

［31］ 劉慧芳， 畢如田， 郭永龍，等.晉中市耕地質量空間分異格局與影響因素研究［J］.農業機械學報， 2021， 52（12）：216-224，289.

［32］ 劉一鳴， 辜婧玲， 張梓鈺，等.基于地理探測器的地域社會認同空間分異研究［J］.地理研究， 2021， 40（2）：495-512.

［33］ 羅光強， 譚 芳.糧食生產效率的區域差異及其政策效應的異質性［J］.農林經濟管理學報， 2020， 19（1）：34-43.

［34］ 陳敏鵬， 陳吉寧， 賴斯蕓.中國農業和農村污染的清單分析與空間特征識別［J］.中國環境科學， 2006，26（6）：751-755.

［35］ 葛鵬飛，王頌吉，黃秀路.中國農業綠色全要素生產率測算［J］.中國人口·資源與環境， 2018， 28（5）：66-74.

［36］ 王美知， 魏 鳳.哈薩克斯坦糧食生產效率動態演進及區域差異［J］.自然資源學報， 2021， 36（3）：594-605.

［37］ 解春艷， 黃傳峰， 徐 浩.環境規制下中國農業技術效率的區域差異與影響因素——基于農業碳排放與農業面源污染雙重約束的視角［J］.科技管理研究， 2021， 41（15）：184-190.

收稿日期：2022-08-04

基金項目：中央高校基本科研業務費項目（B210202157）

作者簡介：季張含昱（2002-），男，江蘇無錫人，在讀本科生，研究方向為資源經濟，（電話）15312213918（電子信箱）2063310235@hhu.edu.cn。