网刊加载中。。。 使用Chrome浏览器效果最佳，继续浏览，你可能不会看到最佳的展示效果，
确定继续浏览么?
复制成功，请在其他浏览器进行阅读
复制地址链接在其他浏览器打开
继续浏览
农机社会化服务对玉米生产技术效率的影响研究
杨思雨
蔡海龙
中国农业大学经济管理学院，北京 100083
摘要 农业现代化离不开农业生产效率的提升，研究农机社会化服务对玉米生产技术效率的作用效果，从而推动农机社会化服务与粮食生产的共同发展。
文章基于2019年对12省区农户调查数据，通过随机前沿模型和倾向得分匹配法（PSM），分析农机社会化服务对玉米生产技术效率的影响效果。
目前整体上我国农户玉米生产技术效率较高，不同农户间技术效率差异较大；农机社会化服务对玉米生产技术效率存在正向影响效应，Rosenbaum边界估计结果与敏感性分析说明变量的选择性偏差控制在合理范围之内，即使无法完全避免遗漏变量，其研究结果依然稳健可信。
农机社会化服务对玉米种植技术效率的影响净效应为11.2%～11.6%。因此在玉米种植中进一步推广农机社会化服务，确实将有助于我国玉米种植的技术效率、提升要素配置水平，有效实现小规模农户和现代农业发展有机衔接，助力我国实现农业现代化与保障粮食安全。
中国农机社会化服务在粮食生产过程中作用越来越重要，是提高中国粮食生产效率和国家粮食生产方式转型的关键因 素 [ 1 ] 。2004年以来的多个“中央一号文件”都指出应“健全农业社会化服务体系”，大力推动农机社会化服务发展，使中国小规模农户能更为方便地采纳农业机械，实现小规模农户和现代农业发展有机衔 接 [ 2-3 ] ；同时十九大报告亦明确指出健全农业社会化服务体系是实现乡村振兴的先决条件，也是促进农业生产效率提高，实现乡村振兴伟大目标的关键途径之一。
在粮食生产中农机社会化服务的作用不可替代。2019年中国粮食产量有望实现“十六连丰”，平均单产达到5 620.5kg/h m 2 ；其中现代化农机装备的力量功不可没。在从传统农业过渡到现代农业的农业转型过程中，其中一项重要的手段就是通过借助发展农机社会化服务来提升粮食生产效率，因此有必要讨论农机社会化服务对提高玉米生产技术效率的影响效果究竟如何。
农机社会化服务与粮食生产技术效率都是农业经济学研究中的重大热点问题，相关研究文献较 多 [ 4-5 ] 。技术效率是指所测度的农户生产效 率 [ 6 ] 。特别定义农机社会化服务：玉米种植农户所接受的由农机户与农机服务组织提供的涉及生产环节的机械作业服务，具体包括：机耕、机播、机收、植保和灌溉排水环节。农机社会化服务通过引入先进生产要素，改变了传统农业生产方式，提升农业技术的应用程度，并提升包括资本、劳动在内生产要素的配置效率和粮食生产效率，从而对发展粮食生产与实现农业现代化均具有重要意 义 [ 7-8 ] 。然而，在农机社会化服务对粮食生产技术效率的影响效果上，学者们由于采用的样本数据并不相同，其得到的结论存在差异。胡祎和张正 河 [ 9 ] 基于宏观数据，依据超越对数随机前沿函数测量了中国各地区小麦生产技术效率，采用Tobit模型得出充分利用农机服务能显著提高小麦生产技术效率；杨彩艳 等 [ 10 ] 基于对水稻种植户的农村调查，基于三阶段DEA模型测量了农业生产效率，得出金融服务、农技服务、机械服务对农业生产效率的影响显著为正。孙顶强 等 [ 1 ] 基于实地调查数据，应用随机前沿模型估计了生产性服务对水稻生产技术效率的影响，发现植保生产性服务对水稻生产技术效率存在负向作用，播种生产性服务与整地生产性服务则对水稻生产技术效率存在正向作用，但是李慧和阴朋 莉 [ 11 ] 基于河南省宏观统计数据，采用DEA-Tobit模型得到的结论却显示生产性服务业同农业生产效率为不显著的负向关系，其原因可能在于河南省生产性服务业水平还不发达。
因为农机社会化服务的采纳对象并不是随机样本，农户应用农机社会化服务可能受农业经营情况、个体特征等影响，这些变量也可能影响玉米生产技术效率，最终导致研究农机社会化服务影响玉米生产技术效率存在一定程度的内生性。即是指农户对农机社会化服务的采纳行为既与玉米生产技术效率有关，又与误差项有关。因此，不同农户的不可观测因素有所不同，而以往研究大多运用线性回归思路显然难以规避这类问题，可能会导致“自我选择”的内生性偏差。鉴于此，文章基于2019年12省区农户调查数据，应用“反事实”结构下的倾向得分匹配法，在有效控制内生的样本选择性偏差后，估计农机社会化服务对玉米生产技术效率的影响，以期为当前我国农机社会化服务作用于粮食生产的相关政策制定和完善提供依据及启示。
在计算粮食生产技术效率时随机前沿函数分析法已较为成熟，在确定性生产函数基础上提出了具有复合扰动项的随机边界模型，通过对既定投入要素进行最佳组合，计算出最优产出，相对于达到“帕累托最优”，即前沿面，前沿面是一个理想状态。
拟合前沿生产函数，进而估算生产技术效 率 [ 12-14 ] 。首先构造随机前沿函数为：
式（1） 中： i= 1，2，… ， 表示生产决策单元DMU，此处特指各玉米种植户； Y i 是 i 农户玉米产出情况； n= 1，2， …，N ， X ni 是一系列投入变量； β 为待估参数向量； μ i t ~ N + ( m i t ， σ u 2 ) 即为非负随机变量，说明 i 农户玉米种植技术无效率，即各农户玉米种植要素组合较生产前沿面之距离， ν i t 与 μ i t 之间互相独立； ν i t ~ i i d N ( 0 ， σ v 2 ) 则是随机干扰项，显示因遗漏变量与统计性误差等不可控制的因素所造成的干 扰 [ 15 ] 。
该文采用Battes e [ 16 ] 提出的随机前沿函数分析法，模型设定基于超越对数函数，放松柯布—道格拉斯生产函数关于技术中性和产出弹性不变假定，使得方法更为具备一般性。
具体模型设定为：
式（2） 中， Y i 表示第 i 个农户的玉米单产（kg）； capital i 表示第 i 个农户生产玉米的每667 m 2 平均种子、化肥、农药以及机械作业费用， labor i 表示劳动力投入。 β 表示待估参数； ν i 则是随机误差项，包含随机扰动和统计性误差等难以控制因素； μ i 为技术无效率项，表示其与最优前沿面之间的效率损失。估计出 μ i 后，玉米生产技术效率可以表示为：
与已有研究方法相比，该文选用倾向得分匹配法（Propensity Score Matching，PSM），基于反事实推断模型，以便对实验组和对照组进行更为合理的比较。首先，尽可能地涵盖影响农户采纳农机社会化服务的控制变量；然后，依据倾向得分的共同域进行匹配；最后，应用4种匹配方法进行倾向性得分匹配，以保证结果的稳健性。探讨农机社会化服务对玉米生产技术效率的影响，主要基于三方面优势。
（1）农户凭借个人意愿采纳农机社会化服务，农户自身决定了其是否采纳农机社会化服务，从而造成农机社会化服务采用组与未采用组的划分非随机。倾向得分匹配法可以有效缓解这种样本“自选择”所造成的内生性。
（2）研究农机社会化服务影响玉米生产技术效率时，因为实验组（采用组）和对照组（未采用组）农户具有不同的初始禀赋，可能存在“选择偏差”，应用倾向得分匹配法能够更为有效分析实验组农户玉米生产技术效率与上述农户如果没有采用农机社会化服务的玉米生产技术效率是否一致。
（3）采用组农户没有采用农机社会化服务的行为难以观测到，运用倾向得分匹配法则可以构建反事实来应对农户样本“数据缺失”的情况。
针对样本农户是否采纳农机社会化服务可以把农户分为采用组与未采用组，因为无法保证不同组别具有一致属性分布，若应用OLS方法则或许造成估计结果有偏。通过选择倾向得分匹配法可以最大限度上消除样本非随机分配所造成的估计偏误。
目前难以获得采用组农户在没有采用农机社会化服务时的状态，通过构建反事实框架，运用可观测变量来估算所有样本农户的倾向性分值（使用农机社会化服务的概率），记为倾向得分，其实是在处置维度上对协变量的投影进行降维，进而从多维度上匹配采用组农户和未采用组农户，配对的农户之间协变量分布大致相同，在采用组与未采用组之间进行一一分配，此时就相当于随机选择试 验 [ 17 ] 。这将保证是否采用农机社会化服务与结果变量相互独立，即：
其次，界定“共同支撑区域”并检查平衡性。并在此基础上对每一个参与者，从对照组中寻找一个或多个与之倾向性分数相近的“匹配”（匹配在“共同支撑区域”中进行）。
全部样本匹配配对后，测算在结果变量上配对样本组的不同，得出其平均处理效应（ATT）为：
研究数据来源于2019年中国农业大学在中国12省对玉米种植户进行的农村调查。应用随机抽样与分层抽样相结合，根据玉米生产的分布地域，首先随机抽选样本县，再从样本县中抽选行政村进行农户调研，在每个行政村随机抽选10~15户玉米种植户，采用入户调查、集体座谈等方式完成问卷调研。基于玉米种植户的调查共回收问卷597份。调查的地域分布较广，包括地处华东地区的安徽省、山东省和江苏省，地处西南地区的四川省，地处华中地区的河南省、湖北省和湖南省，以及华北地区的内蒙古自治区和河北省，东北地区辽宁省、吉林省和黑龙江省。
玉米生产的投入变量包括劳动力投入与资本投入，资本投入包含种子、化肥、农药、机械作业和其他费用；劳动力投入则为劳动力投入，玉米生产的产出变量由每667 m 2 平均玉米产量决定（ 表1 ）。
变量类别 变量名称 单位 均值 标准差 最小值 最大值
玉米投入产出变量
平均产量
kg/667 m 2
509.58
84.35
250
675
平均资本投入
元/667 m 2
313.15
107.60
30
715
平均劳动力投入
元/667 m 2
308.60
141.84
7
400
另在回归变量中将玉米种植户生产技术效率值作为被解释变量。核心解释变量为总体来看农户对农机社会化服务的采纳情况，“1”说明农户在任一环节采纳农机社会化服务，“0”说明农户在任何环节都没有采用农机社会化服务。
除了农机社会化服务可能会影响粮食生产技术效率，还需控制其他可能影响农户玉米种植生产技术效率的因素，从而克服遗漏变量可能带来的内生性问题。该文基于已有研究考虑农业经营变量、农户特征变量和加入农业产业化组织情况。农业经营变量，包括单位地块面积、土地质量和农业机械资产；农户特征变量，包括户主年龄、文化程度、健康状况、家庭干部情况和农业生产经营培训情况；加入农业产业化组织情况为加入合作社情况。
该文在估计农机社会化服务影响技术效率的模型中引入了一组地区虚拟变量，为了控制其不同地区在气候因素、水文条件、地理情况、农业生产现状等难以观测因素的区别，以避免地区因素对玉米生产技术效率造成影响。以上相关变量定义和统计描述如 表2 所示。
类型 变量 变量定义及说明 最小值 最大值 均值 标准差
被解释变量
玉米生产技术效率
随机前沿方法测度
0.420
0.962
0.818
0.107
核心解释
变量
农机社会化服务
采纳任一环节农机社会化服务（耕地、播种、植保、灌溉排水和收获）=1，未采纳=0
0
1
0.499
0.500
农业经营变量
单位地块面积
单位地块面积=家庭经营面积（h m 2 ）/家庭经营地块数（块）
0.167
240
4.592
13.196
土地质量
土地贫瘠=1，土地质量中等偏下=2，土地质量中等=3，土地质量中等偏上=4，土地非常肥沃=5
1
5
2.918
0.834
农业机械资产
农户家庭农业机械资产现值（对数）
0
13.142
4.536
4.127
农户特征变量
户主年龄
实际年龄（岁）
23
86
53.055
10.753
户主文化程度
文盲=1，小学=2，初中=3，高中=4，大专=5，大专以上=6
1
6
2.749
0.871
户主健康状况
好=1，一般=2，差=3，无劳动能力=4
1
4
1.437
0.649
家庭干部情况
没有=1，村干部=2，乡镇干部=3，县级或以上干部=4
1
4
1.178
0.432
家庭农业生产经营培训情况
受过农业生产经营培训=1，没有受过农业生产经营培训=0
0
1
0.176
0.381
加入农业产业化组织情况
加入合作社情况
以前加入过合作社=1，以前没有加入过合作社=0
0
1
0.171
0.377
使用Stata14.0软件，根据前文所述超越对数形式的随机前沿函数估计结果如 表3 所示。该模型中多数参数都具备统计显著性， σ u 、 σ v 和两者之比 γ 分别在1%的统计水平上显著，表示玉米生产存在着技术无效，应用随机前沿分析法有效。在超越对数生产函数的估计结果中，资本投入在1%的统计水平上显著，劳动投入、资本投入平方项、资本投入和劳动投入交互项在5%的统计水平上显著。模型交叉项与二次项均在统计上显著，表示选定超越对数形式当做玉米生产函数应该是合理的。
变量 系数估计值 标准误
资本
-0.52 4 ***
0.178
劳动
-0.26 7 **
0.108
资本×劳动
0.03 3 **
0.016
资本平方项
0.03 8 **
0.015
劳动平方项
0.009
0.006
常数项
9.01 6 ***
0.655
σ u
0.332
0.019
σ v
0.083
0.015
γ
4.010
0.032
对数似然值
160.410
Wald卡方值
34.31
显著性
0.000
注： 资本投入包括：种子、化肥、农药、机械作业和其他资本投入 ； ** 和 *** 分别表示在5%和1%的统计水平上显著
该文应用随机前沿分析估算597个有效样本玉米种植户生产技术效率在各地区上的分布情况，见 表4 所示，显然受访农户的玉米生产技术效率存在较大差异，最低的仅为0.420，最高的达到0.962，总体均值为0.818，总体标准差为0.107。该文涉及农户玉米种植技术效率集中分布在0.8~0.9，整体呈现左偏分布特征，说明总体生产技术效率水平较高，但仍有一定的上升空间。进一步对比采纳农机社会化服务户和未采纳农机社会化服务户的玉米生产技术效率，可以明确得出不同于未采纳户，采纳户的玉米生产技术效率相对较高。然而玉米生产技术效率的区别是否由采纳农机社会化服务导致，尚能得到初步判断，将继续进行正式检验。
地区 省份 样本数 生产技术效率平均值 生产技术效率标准差
东北
吉林省、辽宁省和黑龙江省
160
0.828
0.095
西南地区
四川省
71
0.762
0.127
华东地区
安徽省、山东省和江苏省
136
0.856
0.079
华中地区
河南省、湖北省和湖南省
95
0.829
0.097
华北地区
内蒙古自治区和河北省
135
0.788
0.121
在进行样本匹配前，该文运用Logit模型分析影响农户采纳农机社会化服务的因素，结果如 表6 所示。农户采纳农机社会化服务与土地质量、农业机械资产、户主年龄、健康状况、文化程度、家庭干部情况以及农业生产经营培训情况显著相关。户主年龄越大、健康状况越差对采纳农机社会化服务的倾向性也越强，可能由于户主因年龄较大、身体健康状况较差而难以适应劳动强度较高的农业生产活动，进而采纳农机社会化服务来实现对劳动的替代。农业经济的增长离不开人力资本的投入，该文选择了户主文化程度作为衡量人力资本投入情况的变量，户主文化程度较高可能会提高学习掌握新技术的应用水平，农户会倾向于采纳农机社会化服务。农户接受农业生产经营培训、农户家庭干部较少会倾向于采用农机社会化服务来进行粮食生产。农户拥有土地质量较好和存在农业机械资产，则其资源禀赋具备优势；农户为了改善农业经营，会倾向于支付一定的服务费用来采纳农机社会化服务。
生产技术效率区间 全部样本 子样本（采用组） 子样本（未采用组） 样本数（份） 比例（%） 样本数（份） 比例（%） 样本数（份） 比例（%）
0.6以下
30
5.03
0
0
30
10.00
0.6≤ e ＜0.7
69
11.56
0
0
69
23.00
0.7≤ e ＜0.8
89
14.91
39
13.13
50
16.67
0.8≤ e ＜0.9
248
41.54
133
44.78
115
38.33
0.9≤ e ＜1
161
26.96
125
42.09
36
12.00
表6 基于Logit模型的农户采用农机社会化服务估计
变量 系数估计值 标准误 Z值
户主年龄
0.31 1 ***
0.106
2.94
户主文化程度
0.42 1 **
0.113
3.71
户主健康状况
0.43 7 **
0.173
2.53
家庭干部情况
-0.39 0 *
0.214
-1.83
家庭农业生产经营培训情况
0.42 5 *
0.248
1.72
加入合作社情况
-0.042
0.249
-0.17
单位地块面积
0.012
0.011
1.08
土地质量
0.44 9 ***
0.121
3.70
农业机械资产
0.06 0 ***
0.023
2.63
地区虚拟变量
控制
控制
控制
常数项
-2.88 5 ***
0.665
-4.34
LR统计量
56.5 1 ***
伪 R 2
0.075
样本量
597
注： * 、 ** 、 *** 分别表示在10%、5%和1%的统计水平上显著；以上显示核匹配（窗宽=0.06）结果，其余匹配方法得出的结果与此相同
为了使样本匹配达到较高质量，首先得到倾向得分，然后制作密度函数图，获得样本匹配后的共同支撑区域。由 图1 可见大部分样本观测值在共同支撑区域内，由于农机社会化服务采纳样本与未采纳样本的倾向得分取值范围重叠部分较大，匹配后仅损失较少样本，通过共同支撑检验。应用匹配方法的不同会生成不一样的样本损失量，该文最终选定了 r 取0.03的半径匹配，带宽为0.06的核匹配，半径 r 取0.05、近邻 n 取3的卡尺内最近邻匹配匹配以及 n 取3的最近邻匹配4种方法，得以充分利用农机社会化服务参与样本。采用这4种匹配方法后，农机社会化服务采纳样本损失量最多为4个，其样本损失比例较小，所以得到令人满意的共同支撑区域。
进行倾向得分匹配应须通过平衡性检验。匹配之后应使各个维度上对照组与处理组的变量特征基本没有显著差异。如果进行匹配之后各变量仍存在显著差异，那么由于农户异质性所造成的偏差难以减小。平衡性检验结果如 表7 所示，匹配前后pseudo- R 2 值显著减小（由0.156下降到0.010～0.017）；匹配前后LR统计量显著减小（由129.22下降到8.25～13.91）；匹配前控制变量显著性检验为高度显著，匹配后控制变量显著性检验为10%的统计水平上总是被拒绝，显示匹配后控制变量不能决定农户是否采纳农机社会化服务；并且匹配前后控制变量的均值偏差显著减小（由22.4%减小到6.2%～8.0%）；此外，匹配前后控制变量的中位数偏差也显著减小（由16.9%减小到6.8%～8.9%），其总偏误大大减小。由此检验结果证明上述匹配成功。
匹配方法 伪 R 2 LR统计量 P 值 均值偏差（%） 中位数偏差（%）
匹配前
0.156
129.22
0.000
22.4
16.9
最近邻匹配
0.015
12.47
0.490
7.8
7.9
卡尺内最近邻匹配
0.017
13.91
0.380
8.0
8.9
半径匹配
0.013
10.60
0.644
7.0
7.1
核匹配
0.010
8.25
0.827
6.2
6.8
在获得有效匹配样本的前提下，分析农机社会化服务对玉米生产技术效率的平均处理效应（ATT）见 表8 所示。从整体来看，4种匹配方法计算出的平均处理效应绝对值不同，但效应方向性存在4种匹配方法估计结果的一致性，且ATT值均在1%水平显著性。总体来看，可以认为控制了样本“自选择”导致的内生性后，农机社会化服务对玉米生产技术效率仍然具有显著的正向影响，影响净效应在0.112～0.116，显示考虑了农户选择偏差后，农户采纳农机社会化服务，提升其玉米生产技术效率，技术效率提升幅度比较接近。
匹配方法 平均处理效应 T值 敏感性检验(Γ=2): sig+ 控制组 处理组
最近邻匹配
0.113***（0.013）
8.91
***
299
298
卡尺匹配
0.116***（0.012）
9.55
***
299
298
半径匹配
0.113***（0.011）
10.32
***
299
298
核匹配
0.112***（0.011）
10.40
***
299
298
注： 表示在1%的统计水平上显著；括号内为稳健标准误
值得注意的是，倾向得分匹配法局限于控制可观测变量的选择偏差，对不可观测因素导致选择偏差可能使估计结果存在偏误。基于此，该文应用卢森堡姆边界（Rosenbaum Bounds）有效分析不可观测因素所产生的影响，进而检验倾向得分匹配法的有效性。当伽马值（Γ）达到2时，对应 P 值（sig+）保持在1%的统计水平上显著（ 表8 ），则证明不可观测因素并不影响估计结果，所采用的倾向得分匹配法通过敏感性检验，估计结果具备可靠性。
利用2019年在中国12省区的597个玉米种植户调研数据，该文基于随机前沿函数分析法计算农户玉米生产技术效率，并应用倾向得分匹配法估计了农户采纳农机社会化服务对玉米生产技术效率的影响效应。结果得出：玉米种植户技术效率存在异质性，其技术效率保持在0.42～0.962，平均为0.818。研究验证了农机社会化服务对玉米生产技术效率具有提升作用。玉米种植户采纳农机社会化服务后其技术效率比未采纳的技术效率平均高出11.2～11.6个百分点。该文应用平衡性检验和敏感性分析共同对估计结果完成稳健性检验。研究发现各变量选择偏差基本都在可控范围之内，并且即使难以完全避免遗漏变量，估计结果依旧稳健有效可信。因此在玉米种植中进一步推广农机社会化服务，确实将有助于我国玉米种植的技术效率、提升要素配置水平，助力我国农业现代化和粮食安全。
农家子弟怕种田，总想鲤鱼跳“龙（农）门”，然而，如今的中国农村，种田已经完全颠覆了传统，农机社会化服务的发展使得很多农民甚至都不再下地，照样能把自己的一亩三分地种好。在中国农业劳动力成本不断增加和对外就业机会不断增大的前提 下 [ 18 ] ，基于家庭联产承包的中国农业以服务规模化来替代土地规模化，为现阶段小规模农户为主体的中国农业现代化探索出一条有中国特色道路。农村劳动力的兼业化、老龄化和女性化，导致农户难以完成全部粮食生产环节，催生了对农机社会化服务的需求；技术与农业机械的发展让农机社会化服务组织对玉米生产开展专业化规模化经营，在一定程度上促进农机社会化服务的供给。
现今中国农村环境下，农机社会化服务采纳水平对玉米生产技术效率具有正向影响效应。换言之，农机社会化服务采纳水平越高，玉米生产技术效率则越高。农机社会化服务具有提升整个玉米生产技术水平的外部性，政府为实现农业现代化与保证粮食安全，积极鼓励、支持农机社会化服务组织的发展。通过采用农机社会化服务，将各种先进技术以外包服务的形式注入玉米生产环节，广大农户拥有的土地要素和农机社会化服务组织的现代化生产要素进行有机结合，由此土地得以开展专业化、规模化和现代化的玉米生 产 [ 19 ] ，有利于玉米生产技术水平的提高。农机社会化服务也有利于帮助农户实现对现有玉米生产技术的最大化使用，促进自身生产能力不断向现代农业要求靠拢，最终助力即使小规模经营可与现代农业发展实现有机衔接。
参考文献 1 孙顶强 , 卢宇桐 , 田旭 . 生产性服务对中国水稻生产技术效率的影响——基于吉、浙、湘、川4省微观调查数据的实证分析 . 中国农村经济 , 2016 ( 8 ): 70 - 81
[百度学术 ]
2 张宗毅 , 杜志雄 . 农业生产性服务决策的经济分析——以农机作业服务为例 . 财贸经济 , 2018 , 39 ( 4 ): 146 - 160
[百度学术 ]
3 张露 , 罗必良 . 小农生产如何融入现代农业发展轨道?——来自中国小麦主产区的经验证据 . 经济研究 , 2018 , 53 ( 12 ): 144 - 160
[百度学术 ]
4 廖西元 , 申红芳 , 王志刚 . 中国特色农业规模经营“三步走”战略——从“生产环节流转”到“经营权流转”再到“承包权流转” . 农业经济问题 , 2011 , 35 ( 12 ): 15 - 22 .
[百度学术 ]
5 陈超 , 李寅秋 , 廖西元 . 水稻生产环节外包的生产率效应分析——基于江苏省三县的面板数据 . 中国农村经济 , 2012 ( 2 ): 86 - 96 .
[百度学术 ]
6 杨子 , 张建 , 诸培新 . 农业社会化服务能推动小农对接农业现代化吗——基于技术效率视角 . 农业技术经济 , 2019 ( 9 ): 16 - 26 .
[百度学术 ]
7 Binam J N , Tony J , Wandji N , et al . Factors affecting the technical efficiency among smallholder farmers in the slash and burn agriculture zone of cameroon . Food Policy , 2004 , 29 ( 5 ): 531 - 545
[百度学术 ]
8 Alwarritzi W , Nanseki T , Chomei Y , et al . Analysis of the factors influencing the technical efficiency among oil palm smallholder farmers in indonesia . Procedia Environmental Sciences , 2015 , 28 : 630 - 638
[百度学术 ]
9 胡祎 , 张正河 . 农机服务对小麦生产技术效率有影响吗? 中国农村经济 , 2018 ( 5 ): 68 - 83
[百度学术 ]
10 杨彩艳 , 齐振宏 , 黄炜虹 , 等 . 农业社会化服务有利于农业生产效率的提高吗?——基于三阶段DEA模型的实证分析 . 中国农业大学学报 , 2018 , 23 ( 11 ): 232 - 244
[百度学术 ]
11 李慧 , 阴朋莉 . 基于DEA-Tobit模型的生产性服务业对农业生产效率的影响——以河南省为例 . 技术与创新管理 , 2016 , 37 ( 6 ): 678 - 683
[百度学术 ]
12 蔡荣 , 朱西慧 , 刘婷 , 等 . 土地流转对农户技术效率的影响 . 资源科学 , 2018 , 40 ( 4 ): 707 - 718 .
[百度学术 ]
13 刘成 , 周晓时 , 冯中朝 , 等 . 中国小麦生产技术效率测算与影响因素分析——基于农机服务视角的研究 . 中国农业资源与区划 , 2019 , 40 ( 10 ): 34 - 40 .
[百度学术 ]
14 刘宏曼 , 王梦醒 . 土地细碎化和土地质量是否影响小麦技术效率——基于山东省小麦种植户的实证分析 . 中国农业资源与区划 , 2019 , 40 ( 9 ): 57 - 63 .
[百度学术 ]
15 陈琼 , 李瑾 , 王济民 . 基于SFA的中国肉鸡养殖业成本效率分析 . 农业技术经济 , 2014 ( 7 ): 68 - 78 .
[百度学术 ]
16 Battese G E , Coelli T J . Frontier production functions, technical efficiency and panel data: With application to paddy farmers in India . Journal of Productivity Analysis , 1992 , 3 ( 1/2 ): 153 - 169 .
[百度学术 ]
17 Brookhart M A , Schneeweiss S . Variable selection for propensity score models . American Journal of Epidemiology , 2006 , 163 ( 12 ): 1149 - 1156 .
[百度学术 ]
18 王跃梅 , 姚先国 , 周明海 . 农村劳动力外流、区域差异与粮食生产 . 管理世界 , 2013 ( 11 ): 67 - 76 .
[百度学术 ]
19 程竹 , 陈前恒 . 种植专业化会提高小农生产技术效率吗 . 财经科学 , 2018 ( 9 ): 50 - 62 .
[百度学术 ]
