中国省域农业共同边界技术效率差异分析

梁流涛 耿鹏旭

(1.河南大学环境与规划学院，河南 开封475004;2.平顶山学院环境与地理科学系，河南 平顶山467000)

农业是国民经济的基础产业和战略产业，直接关系着国家的稳定和社会的安康。农业增长主要来源于两个方面:一是资源投入的增加，二是生产率的提高。在资源有限的条件下，农业生产的持续性增长必须依靠生产率的提高[1]。农业生产对自然资源和生态环境依赖性很强，无效率的农业生产必然导致环境污染问题[2]。事实上，我国农业发展的巨大成就在很大程度上是靠牺牲生态环境取得的[3]，农业生产与环境保护的矛盾日益突出。客观上迫切需要协调农业发展、资源利用与生态环境保护之间的矛盾。协调二者之间的矛盾最关键的是将环境污染纳入到农业生产效率的范畴，考察环境污染对农业生产效率的影响规律和传导机制。学者已经开始关注环境污染影响下的农业生产效率问题[4－5]，但以我国农业生产为例的相关研究却相对较少[6－7]，主要是利用方向性距离函数方法对环境约束下的农业技术效率进行测度。技术效率方法的适用条件是要求受衡量的生产单元具备相类似的技术水准，即生产技术的同质性。但我国幅员辽阔，农业生产的资源环境条件和社会经济条件区域差异较大，将所有省市放置于相同的基准下进行评价，得到的结果可能会有所偏差，也无法厘清技术效率不佳究竟来自生产单元的管理缺失或者来源于技术水准相异的制度结构问题。针对以上研究不足，本研究拟在共同边界分析架构下将环境污染因素纳入农业生产效率的测度体系，估算中国大陆地区各省市所分属的子群组边界，并比较各省市的共同边界技术效率、群组技术效率，探讨环境污染影响下的农业生产效率的时空特征，以期为解决农业环境问题、实现农业现代化与生态环境的协调发展、构建和谐社会以及农业环境保护政策的制定提高理论依据。

1 考量“坏”产出的共同边界分析架构与方法

1.1 方向性距离函数

目前文献中主要使用“投入－产出转置法”、“正向属性转化法”以及“方向性距离函数法”三种方法，试图捕捉环境污染等“坏”产出对生产效率的影响。“投入－产出转置法”扭曲了实际投入产出的关系，可能得到不一致的衡量结果;“正向属性转化法”因扭曲了变量背后的技术转化率，可能得到不适当的衡量结果的技术问题[8]。而“方向性距离函数法”能够避免上述两种方法的缺陷，因而成为后续衡量考虑环境因素的生产效率的主要方法[9－11]。本文也采用方向性距离函数测度环境污染影响下的农业技术效率，将每个省市视为独立的生产决策单元(DMU)。假设某个地区农业生产中使用N种投入x=得到M 中“好”产出和T种“坏”产出，生产可行性集可以表示为[12]:

为了计算环境技术效率，需要通过方向性距离函数将这样的生产过程模型化。方向性距离函数是谢泼德(Shephard)产出距离函数的一般化，可以表示为:

其中g=(gy，gb)是产出扩张的方向向量。根据“坏”产出表现出技术上的强弱可处置性，方向性距离函数需要选择不同的方向向量。当方向向量为g=(y，－b)，并且“坏”产出在技术上具有弱可处置性。利用DEA 来求解方向性距离函数，这需要求解下面的线性规划:

可见，方向性距离函数是利用非参数线性规划技术计算单个决策单元(地区)在某一时期相对于环境前沿生产者(给定技术结构和要素资源投入水平，产出最大、污染排放最少的生产者或地区)的距离。与环境产出前沿的距离越大，环境技术效率越低。如果一个地区的环境技术效率等于1，表示该地区在与其他地区比较中，投入产出和污染排放处于最佳的水平。环境技术效率可以表示为:

1.2 共同边界技术效率、群组边界技术效率与共同技术比率

共同边界与群组边界的差异主要在于所包含的技术组合的不同，如果涵盖所有样本的投入，即产出共同边界技术集(meta-technology set)为T，对应的产出集合为Pmeta(x)时，方向性距离函数可表示为[13]:

如果将所有样本划分为k个子群组，其对应投入的产出技术集为Tk，子群组产出集合为Pk(x)时，则方向性距离函数为(6)式[13]:

由(5)式及(6)式即分别得到以共同边界与各群组边界作为比较基准时所得到的方向性距离函数数值，分别用表示。在中表现最佳生产单元所形成的包络曲线即定义为共同生产边界;将Dk0(x，y，b;g)中表现最佳的生产单位所形成的包络曲线定义为群组生产边界。以共同边界为比较基准的技术效率就是共同边界技术效率(ETEmeta)，当比较基准为个群组边界时，其技术效率则是群组k 技术效率(ETEgroup-k)。共同边界技术效率与群组技术效率可以用(4)式计算得到。同一个生产单元的群组效率值和共同边界效率值可能不同，二者的比值即为共同技术比率(MTR)[14]:

MTR值越高表示该DMU 实际使用的生产技术越接近潜在的生产技术水准，其技术水平也较高;MTR值越低则表示该生产单元拥有技术水准越差。

共同边界分析框架可利用图1进行说明。假设有众多生产单元，并可依据其技术水准的差异性可以分为三个群组A、B、C。三个群组中具备最佳生产效率的单元分别构成群组边界A、群组边界B、群组边界C。假设集合A、B与C 三个群组所有的生产单元皆以潜在最佳的技术水准来进行生产，此时具备最佳生产效率的DMU 即构成一个共同边界M。今有一个属于群组B 的生产组合为a。则此时用a 的垂直距离ax 除以落于群组边界B 上最佳生产组合a1的垂直距离a1x，将得到固定投入组合x 下所能得到该生产组合a 的群组生产效率ETEgroup-B。若假设该DMU 以潜在最佳生产技术水准进行生产，则a 的垂直距离ax 除以a2的垂直距离a2x，即为该生产单元的共同边界生产效率ETEmeta。共同技术比率MRT 即为a2与a1垂直距离的比值，即a1x/a2x。

图1 共同边界分析架构Fig.1 Analytical framework of meta-frontier

2 指标选择与数据来源

2.1 指标选择

在方向性距离函数和共同边界的框架下测度农业环境技术效率，最重要的是选择合适的投入和产出指标。结合现有文献的研究成果，从“好”产出、“坏”产出和投入三个方面选择。

(1)“好”产出。农业的具有多功能性，农业生产中不仅产生经济效益，还具有保障国家粮食安全和社会稳定等方面的社会效益。经济效益和社会效益分别用农业产值和粮食产量表示。并对原始数据进行了精致，主要是以1990年的不变价对农业产值进行统一折算。

(2)“坏”产出。对于如何全面、科学地表达一个地区的环境破坏和资源损耗整体水平，国内外现有研究尚未给出统一答案，相关研究文献普遍采用具体污染指标，本文也遵循这种做法。考虑到我国农业生产的实际，选择农业生产中的COD、TN 和TP排放量作为“坏”产出环境指标。

(3)投入指标。对于农业生产来说，其投入指标可以用土地、资本和劳动力投入的数量来表征[15]。鉴于数据的可获得性，本文用农用地面积来表示对土地的投入，资本的投入用农田化肥施用量和农业机械总动力来表示，劳动力投入用农业生产中的实际劳动人员来表示。

2.2 数据来源

根据各省市经济发展水平、自然环境条件差异以及省市所处的区域，将全国分为三个群组:东部群组包括11省份:北京、天津、上海、河北、辽宁、江苏、浙江、福建、山东、广东、海南;中部群组包括8个省份:山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南。西部地区包括12个省份:内蒙古、重庆、四川、贵州、广西、云南、西藏、陕西、甘肃、青海、宁夏、新疆。文中计算所需的全国以及各省(市)的数据主要来自历年的《中国统计年鉴》、《中国农村统计年鉴》、《中国农业年鉴》、《新中国六十年统计资料汇编》、《中国环境统计年鉴》以及各省市统计年鉴和农业统计资料。

另外关于农业污染排放的核算，国内学者对重点流域进行了一系列专门的面源污染调查[16]，在此基础上建立了能够适用于大尺度区域的测度方法:基于单元的综合调查评价方法[17]以及清单分析方法[2]，这类方法具有无可比拟的优点，能够适用于大尺度的农业面源污染的测度。本文拟吸收综合调查评价方法的优点，利用清单分析的思路，并考虑不同区域土地利用类型和化肥施用强度对面源污染的影响差异性，对我国不同区域农业面源污染排放量和排放强度进行估算。主要是以农业活动为出发点，以农业统计数据为依托，以单元为核心，以省市为核算单位，分析农田化肥、畜禽养殖、农田固体废弃物以及农村生活四种污染类型，污染物主要是COD、TN、TP 三类，具体核算思路、公式和过程见梁流涛等的相关研究[18]。

3 研究结果分析

根据上述的研究方法及相关数据，采用非参数线性规划技术，测度出1997－2009年31个省(市)共同边界技术效率、群组边界技术效率，并汇总计算得到共同技术比率。

3.1 共同技术效率时空特征分析

1997－2009年间我国农业生产的共同边界技术效率的平均值为0.692，这表明在考虑环境因素的情况下，农业实际产出占理想产出的比例为69.2%，农业环境技术效率还比较低，效率提升的空间高达30.8%。按照共同边界技术效率变化趋势可以分为三个阶段:第一阶段为1997－2000年，农业环境技术效率呈现下降趋势，从0.699下降到0.625;第二阶段为2001－2003年效率值变化较为平稳，2001年共同边界技术效率平均值为0.625，2003年为0.632，此阶段的平均值为0.627;第三阶段为2004年以后，此阶段呈现迅速增加趋势，2004年为0.690，比2003年增加了0.058，到2009年增加到0.794，年均增加了0.018。此阶段农业技术效率增加的主要原因:国家对农业的重视程度增加，大规模的推行以税费减免为主要内容的“惠农新政”，自2004年以来的连续六个中央“一号文件”锁定“三农”问题，加强农业生产基础投资，重视农业环境治理，力求改变当前农业基础设施薄弱和农业生产环境污染严重的状况，这一系列政策开始逐步收到显著效果，农民农业生产的积极性提高，提升了中国农业环境技术效率，有利于农业的长远发展。

从2009年环境技术效率得分看，北京、黑龙江、上海和西藏的环境技术效率较高。山西、云南、陕西、甘肃、宁夏、贵州、广西、安徽、河北、重庆等地区的协调度小于0.7。为了更进一步反映农业共同边界技术效率的空间分异特征，通过汇总的方式计算出1997－2009年间各地区共同技术效率的平均得分，并按照其大小进行归类。①高效率地区(ETEmeta取值在(0.90，1]):西藏和吉林;②效率较高地区(ETEmeta取值在(0.80，0.90]):黑龙江、上海、北京、辽宁;③中等效率地区(ETEmeta取值在(0.70，0.80]):四川、福建、江苏、广东、海南、内蒙古、江西、浙江、重庆。④效率较低地区(ETEmeta取值在(0.60，0.70]):天津、新疆、山东、贵州、湖南、湖北、青海等省市;⑤低效率地区(ETEmeta小于0.60):河南、河北、安徽、云南、广西、宁夏、甘肃、山西、陕西。可见，各省市共同边界技术效率总体上处于中低层次，存在着较为严重的区域差异，各省市应根据各自发展农业的优势资源，在提高农业生产力的同时，减少农业污染。

3.2 群组效率与共同效率比较

首先由群组分析的角度计算ETEmeta与MTR 在1997－2009年间的平均值(见表1)。结果显示，1997－2009年东部、中部、西部群组共同效率平均值分别为0.736，0.677，0.655。结合群组效率进行分析，东部群组若采用群组边界技术，将有7.6%的改进空间;若采用共同边界技术，改进空间高达26.4%。同理，中部和西部群组若采用最佳的共同生产技术，则效率提升的空间分别为32.3%和34.5%。其次，比较共同技术比率MTR 的高低，以检验因制度环境因素所造成的群组技术水准和共同技术水准的差距。一般情况下，当MTR值越高，则表明制度环境支持下的技术水准越高。根据表1，1997－2009年东部、中部和西部地区MTR 的平均值分别为0.794，0.728，0.795，对于东部群组，其采用的技术水平能够达到共同边界技术水准的79.4%，而中部和西部群组的技术水平分别达到共同技术边界技术水平的72.8%和79.5%。最后，无论共同边界技术效率还是共同技术比率，其平均值高低排序表现皆与地区经济发展水平基本一致，这也表明不同群组农业技术水平的确存在差距，且发展程度较高、农业生产条件的地区拥有较好的技术水平和技术效率。可能的解释是:东部地区具备良好的农业生态条件，其经济发展水平较高，农业科技水平较高，同时这些地区的政府对于农田水利灌溉、农村电力等农业生产基础设施以及农业环境治理等方面的公共投资较多，农业环境友好型生产技术也开始逐步推广，这极大提升了这些地区的农业技术效率和技术进步水平。中部和西部地区由于经济发展水平相对较低，经济基础薄弱，农业生产对化肥、农药等致污性投入的依赖性很大，对农业基础设施建设和环境污染治理资金投资不足，这致使农业环境技术效率整体不高。

表1 各群组1997－2009年间平均群组效率、共同效率、共同技术比率Tab.1 Sub-group efficiency，meta-frontier technical efficiency and meta-technology ratio of each sub-group in 1997－2009

3.3 群组内部效率差异分析

为了分析各省市群组效率、共同效率、共同技术比率时序演变规律，我们计算了GEff-r(不同省市的群组效率ETEgroup-k的平均变动率)、Meff-r(不同省市的共同效率ETEmeta平均变动率)与MTR-r(共同技术比率MTR 的平均变动率)，这些指标可以衡量1997－2009年期间某个省份农业生产朝着最佳生产技术追赶情况。

在东部群组里，平均ETEgroup-k值最高的三个省份分别是北京、广东和上海，其效率值分别为0.983，0.975 和0.971，其平均ETEmeta则为0.881，0.752 和0.877。表现最差的两个省市分别为浙江和河北，其ETEgroup-k平均值分别为0.840 和0.844，其平均ETEmeta则分别为0.722和0.568。这些数值表明，将农业污染纳入考量，并与该群组内最佳生产效率做比较，北京、广东和上海的改进空间分别为1.7%，2.5%和2.9%。如果是与所有最佳潜在技术的共同边界上的最佳效率作比较时，则仍分别有11.9%，24.0%和12.3%的改善空间。而表现最差的浙江和河北在东部群组之内仍有16.0%和15.6%的改善空间，但倘若比较的基准为潜在技术的共同边界时，则改善的空间则分别扩大为27.8%和43.2%。图2显示了东部群组内各省市群组效率、共同技术效率与共同技术比率的变动率。就东部群组内各省市的群组效率变动率而言，平均Geff-r表现最佳的两个省市分别是辽宁和海南，在1997－2009年间这两个省市的Geff-r 平均每年上了1.37%和1.01%。如果比较的基准转变为所有最佳潜在技术的ETEmeta变动率时，则Meff-r 在此期间评价每年上升了2.84% 和2.56%。另一方面，东部群组里多数省份Geff-r 出现了衰退，平均衰退幅度最大的两个省市分别是浙江和河北，ETEgroup-k平均每年分别下降了0.45%和0.33%。值得注意的是，在东部群组里，所有省份的共同技术比率出现了增长，表明其追赶最佳共同边界技术的目标将会逐步实现，即与共同边界技术差距越来越大。

图2 东部地区的群组效率变化率、共同技术效率变化率、共同技术比率变化率Fig.2 Change rate of sub-group efficiency，meta-frontier technical efficiency and meta-technology ratio in eastern China

在中部群组的部分，平均ETEgroup-k表现最佳的两个省市分别是河南和湖南，其效率的平均值都为0.995，而平均ETEmeta则是0.595 与0.662。这表明，与群组内最佳技术水准进行比较，河南和湖南的改善空间仍然有0.5%;若比较的基准改变为最佳潜在的技术所构成的共同边界，则改善空间分布扩大到40.5%与33.8%。表现最差的两个省市是山西与安徽，对应的平均ETEgroup-k值分别为0.687与0.845，平均ETEmeta值则分别为0.467 与0.540。与群组内最佳技术水准作比较时，有高达31.3%和15.5%的改善空间;如果比较基准为共同边界，则效率改善空间更是高达53.3%与46.0%。图3显示了中部群组内各省市群组效率、共同技术效率与共同技术比率的变动率的差异。Geff-r 在这13年间表现较突出的省市是吉林，平均每年增长了1.16%;但若将比较基准转为最佳潜在技术的共同边界时，Mett-r 超过1%的省市只有吉林与河南。在技术追赶的动态变化(MTR-r)方面，大部分省市都实现了技术进步，这表明技术水准逐步向最佳的生产技术前沿迈进，与共同边界技术差距越来越小。只有江西在这13年间受到制度环境影响的技术水准反而是下降的。正因为这一点，江西虽然在中部群组内比较时具有较高的效率值，但在最佳潜在技术的共同边界比较时，却未能有优异的表现。在Geff-r 衰退部分，只有安徽出现了衰退，平均每年衰退幅度为0.85。在ETEmeta的衰退方面，江西出现了衰退，其平均衰退率为0.2%。

图3 中部地区的群组效率变化率、共同技术效率变化率、共同技术比率变化率Fig.3 Change rate of sub-group efficiency，meta-frontier technical efficiency and meta-technology ratio in central China

在西部群组里，ETEgroup-k平均值表现最好的两个省市分别是西藏和四川，其对应的ETEgroup-k平均值分别为0.984和0.961，而表现最差的两个省市则分别为甘肃和云南，ETEgroup-k平均值只有0.644 和0.673。若比较的是ETEmeta，则表现最好的两个省市仍然是西藏和四川，其效率值为0.865 和0.789;而表现最差的则是陕西的0.467和甘肃的0.495，显示这两个省市要达到以最佳的生产技术进行生产，则仍有高达50%的改进空间。图4给出了西部群组内各省市群组效率、共同技术效率与共同技术比率的变动率。在Geff-r 的表现上，青海与陕西占据中部群组的前两位，平均每年增长率分别为2.87%和1.36%。而Meff-r表现最佳的依然是青海和陕西，分别以平均每年2.39%与0.94%的速度增长。在效率衰退方面，贵州和重庆的Geff-r 以每年1.94%和1.42%的速率衰退，此外，这两个省市也是Meff-r 衰退率最大的省市，衰退速率分别为1.87%与1.38%。另外从MGR-r 的表现来看，在西部群组里在追赶共同边界技术的速度方面是存在明显差异的，超过一半的省市出现了技术退步，这也是西部群组各省市共同技术整体不高的重要原因。因此，应该努力提高农业技术水平，加大农业生产技术推广的力度。

4 主要结论和政策启示

本文结合了能够考虑非意欲产出的方向性距离函数与共同边界分析架构，试图捕捉农业环境污染和相异的环境条件对农业生产效率的影响，以期能得到更精确的农业技术效率衡量结果。本文主要结论与政策含义如下:

图4 西部地区的群组效率变化率、共同技术效率变化率、共同技术比率变化率Fig.4 Change rate of sub-group efficiency，meta-frontier technical efficiency and meta-technology ratio in western China

(1)1997－2009年间全国共同边界技术效率的平均值为0.692，在考虑环境因素的情况下，农业实际产出占理想产出的比例为69.2%。可见我国农业环境技术效率整体上处于中低层次，需要采取有效措施提升农业生产率，以促进农业生产的持续增长和发展。从时序变化来看，总体上呈现增加－减少－增加的变化趋势。2004年以后农业环境技术效率增加的关键原因:国家对农业的重视程度增加，大规模的推行支农惠农政策，同时也加大了农业环境治理的投资力度。从空间分异特征来看，1997－2009年东部、中部、西部群组共同效率平均值分别为0.736，0.677，0.655，东部地区高于中部和西部地区且在全国平均效率水平之上，这表明东部地区在考虑环境因素的情况下，农业生产过程中从实际投入到产出的转换能力高于其他两个区域。

(2)无论共同效率，还是共同技术比率，其平均值高低排序表现皆与地区发展水平基本一致，经济发展水平较高的东部地区技术效率和技术水准较高，而经济发展水平较低的中部和西部地区技术效率和技术水准普遍较低。因此，不同的地区在应实行差别化的农业管理政策，应以农业区划为手段，强化农业生产和生态功能分区。对于农业技术水平较高东部的地区，应注重农业发展质量的提高，通过大力推行作物生产高效与清洁生产技术等现代农业科技，注重加强农业生产的科学规划和管理，整合零散农业生产资源，建立激励机制减少化肥、农药、农膜等致污性投入，以更少资源消耗、更低环境污染，更有效地实现农业的可持续发展。对于农业技术效率较低的地区来说，应依托当地资源禀赋条件以及农产品种多样的农业生产条件，加强与周围邻近地区的交流和合作，学习先进生产技术与管理经验、改进农业投入要素的质量，缩小与最佳生产前沿面的距离。同时今后也要从经济发展中抽出更多的资金修复环境，以保证生态环境与农业经济的协调发展。

(3)东部和中部群组中大部分省份农业生产的共同技术比率都实现了进步，表明其追赶最佳共同边界技术的目标在逐步实现，与最佳共同边界技术的差距越来越小;而西部群组的各省市追赶共同边界技术的速度方面是存在明显差异的，超过一半的省市出现了技术退步。因此，对于西部地区的各省市来说，今后农业的发展不仅要大力推动农业生产技术的创新;更为重要的是要加强技术的推广和扩散，改革现有的农业技术推广体系，改善地区市场、信息不畅通的问题，加快农业技术、信息的传播速度。

References)

[1]Gopinath M，Kennedy PL.Agricultural Trade and Productivity Growth:A State-level Analysis[J].American Journal of Agricultural Economics，2000，82(5):1213－1218.

[2]陈敏鹏，陈吉宁，赖斯芸.中国农业和农村污染的清单分析与空间特征识别[J].中国环境科学，2006，(6):751－755.[Chen Minpeng，Chen Jining，Lai Siyun.Inventory Analysis and Spatial Distribution of Chinese Agricultural and Rural Pollution.[J].China Environmental Science，2006，(6):751－755.]

[3]张维理，武淑霞，冀宏杰，等.中国农业面源污染形势估计及控制对策I—21世纪初期中国农业面源污染的形势估计[J].中国农业科学，2004，37(7):1008－1017.[Zhang Weili，Wu Shuxia，Ji Hongjie，et al.Estimation of Agricultural Non-Point Source Pollution in China and the Alleviating Strategies I.Estimation of Agricultural Non-Point Source Pollution in China Early 21 Century[J].Scientia Agricultura Sinica，2004，37(7):1008－1017.]

[4]Ruttan V W.Productivity Growth in World Agriculture:Sources and Constraints[J].American Economic Association，2002，16(4):161－184.

[5]Nanere M，Fraser I，Quazi A，et al.Environmentally Adjusted Productivity Measurement:An Australian Case Study[J].Journal of Environmental Management，2007，85:352－359.

[6]杨俊，陈怡.基于环境因素的中国农业生产率增长研究[J].中国人口·资源与环境，2011，21(6):153－157.[Yang Jun，Chen Yi.Empirical Study on China’s Agricultural Production Growth Under the Binding of Environment[J].China Population，Resources and Environment，2011，21(6):153－157.]

[7]李谷成，范丽霞，闵锐.资源、环境与农业发展的协调性:基于环境规制的省级农业环境效率排名[J].数量经济技术经济研究，2011，(10):21－37.[Li Gucheng，Fan Lixia，Min Rui.The Coordination of Agricultural Development with Environment and Resource[J].The Journal of Quantitative ＆ Technical Economics，2011，(10):21－37.]

[8]Atkinson S E，Dorfman R H.Bayesian Measurement of Productivity and Efficiency in the Presence of Undesirable Outputs:Crediting Electric Utilities for Reducing Air Pollution [J].Journal of Econometrics，2002，126:445－468.

[9]Fare R，Grosskopf S，Pasurka C A.Accounting for Air Pollution Emission in Measure of State Manufacturer Productivity Growth[J].Journal of Regional Science，2001，41:381－409.

[10]Lee J D，Park J B，Kim T Y.Estimation of the Shadow Prices of Pollutants with Production Environment Inefficiency Taken into Account a Nonparametric Directional Distance Function Approach[J].Journal of Environmental Management，2002，64:365－375.

[11]Arcelus F J，Arocena P.Productivity Differences Across OECD Countries in the Presence of Environmental Constraints[J].Journal of the Operational Research Society，2005，56:1352－1362.

[12]Chung Y H，Fare R，Grosskopf S.Productivity and Undesirable Outputs:A Directional Distance Approach [J].Journal of Environmental Management，1997，51:229－240.

[13]Battese G E，Rao D S P.Technology Gap，Efficiency，and a Stochastic Metafrontier Function[J].International Journal of Business and Econometrics，2002，(1):87－93.

[14]O'Donnell C J，Rao D S，Battese G E.Metafrontier Frameworks for the Study of Firm-Level Efficiency and Technology Tatios[J].Empirical Econometrics，2007，34:231－255.

[15]赵芝俊，张社梅.近20年中国农业技术进步贡献率的变动趋势[J].中国农村经济，2006(3):4－12.[Zhao Zhijun，Zhang Shemei.The Change Trend of China Contribution of Agricultural Technical Change in Last 20 Years[J].Chinese Rural Economy，2006，(3):4－12.]

[16]张大弟，张晓红，章家骐，等.上海市郊区非点源污染综合调查评价[J].上海农业学报，1997，13 (1):31－36.[Zhang Dadi，Zhang Xiaohong，Zhang Jiaqi，et al.Integrated Research and Evaluation on Non-point Source Pollution in Shanghai Suburban[J].Acta Agriculturae Shanghai，1997，13 (1):31－36.]

[17]赖斯芸，杜鹏飞，陈吉宁.基于单元分析的非点源污染调查评估方法[J].清华大学学报:自然科学版，2004，44(9):1184－1187.[Lai Siyun，Du Pengfei，Chen Jining.Evaluation of Non-point Source Pollution Based on Unit Analysis[J].Journal of Tsinghua University:Science and Technology Edition，2004，44(9):1184－1187.]

[18]梁流涛，冯淑怡，曲福田.农业面源污染形成机制:理论与实证研究[J].中国人口·资源与环境，2010，20(4):74－80.[Liang Liutao，Feng Shuyi，Qu Futian.Forming mechanism of Agricultural Non-point Source Pollution:A Theoretical and Empirical Study Which Based on Provincial Panel Data[J].China Population，Resources and Environment，2010，20(4):74－80.]