全 文 ：中国生态农业学报 2011年 11月 第 19卷 第 6期
Chinese Journal of Eco-Agriculture, Nov. 2011, 19(6): 1448−1454


* 国家科技支撑计划课题(2009BADC6B007)、国家环境保护部社会公益性项目(201009020-04)、广东省现代农业产业技术体系建设专项
(粤农[2009]380号)、广东省软科学研究项目(2010B070300066)和华南农业大学农业部生态农业重点开放实验室联合课题项目资助
** 通讯作者: 章家恩(1968~), 博士, 教授, 博士生导师, 主要研究领域为农业生态学。Email: jeanzh@scau.edu.cn
秦钟(1973~), 博士, 讲师, 主要研究领域为生态系统分析与模拟。Email: q_breeze@scau.edu.cn
收稿日期: 2010-10-19 接受日期: 2011-05-19
DOI: 10.3724/SP.J.1011.2011.01448
基于 DEA时间窗分析的广东省农业生产效率评价*
秦 钟1,2,3 章家恩1,2,3** 骆世明1,2,3 张 锦1,2,3
(1. 华南农业大学农学院生态学系 广州 510642; 2. 华南农业大学 农业部生态农业重点开放实验室
广州 510642; 3. 广东省高等学校农业生态与农村环境重点实验室 广州 510642)
摘 要 农业生产效率是农业综合生产能力的主要组成部分。广东现已进入现代农业建设全面推进阶段，农
业生产效率的相关研究备受关注。本文应用基于数据包络分析(Data Envelopment Analysis, DEA)的时间窗分析
方法, 对广东省 21 个地市在 1994~2007 年间农业投入产出的效率进行了测算, 并从横向(同一地区不同时间窗)
和纵向(同一时间窗不同地区)两个方面对各地市农业发展的相对效率和动态趋势进行了对比分析和评价。结果
表明, 广东省农业发展的平均效率和稳定性存在较为明显的区域差距, 珠三角地区农业投入产出的绩效相对
最优, 东西两翼农业生产的整体效率水平低于珠三角, 但却处于较为稳定的发展状态。农业发展效率较差且随
时间波动较大的地区主要集中在山区 5 个地市, 其中清远的效率较其他地区低, 韶关农业发展的波动性相对
最为明显。研究结果可为深入了解农业投入产出绩效的整体情况和发展趋势提供参考, 同时为相关管理部门
制定有利于提高农业发展效率的政策措施等提供科学论据。
关键词 数据包络分析 时间窗分析 农业生产效率 广东省
中图分类号: F323.2 文献标识码: A 文章编号: 1671-3990(2011)06-1448-07
Evaluation on agricultural production efficiency of Guangdong
Province by using DEA window analysis
QIN Zhong1,2,3, ZHANG Jia-En1,2,3, LUO Shi-Ming1,2,3, ZHANG Jin1,2,3
(1. Department of Ecology, College of Agriculture, South China Agricultural University, Guangzhou 510642, China ; 2. Key
Laboratory of Ecological Agriculture, Ministry of Agriculture; South China Agricultural University, Guangzhou 510642, China;
3. Key Laboratory of Agro-ecology and Rural Environment of Guangdong Institutions of Regular Higher Education, Guangzhou
510642, China)
Abstract Agricultural production efficiency is of the basis of comprehensive productive capacity of agriculture. Guangdong Prov-
ince is now in promotion stage of modern agricultural development, which emphasizes agricultural production efficiency research.
Using DEA (data envelopment analysis) theory, agricultural input-output efficiencies in 21 city-regions in Guangdong Province were
calculated for 1994~2007. The relative efficiency and dynamic behavior of agricultural production were compared and evaluated
laterally (i.e., the same region but at different time windows) and longitudinally (i.e., different regions at the same time window). The
results depicted some gaps in average agricultural productivity and dynamic stability among regions. Agricultural input-output per-
formance of the Pearl River Delta was relatively optimal. Although the performance level in the “east-west double wings” region was
less than that in the Pearl River Delta region, developmental trend in agricultural productivity in the “east-west double wings” was
more stable. Regions of lower agricultural productivity and significant fluctuations were concentrated in the mountain areas of north-
ern Guangdong. While the lowest agricultural productivity efficiency was in Qingyuan City, the highest variation in agricultural pro-
ductivity was in Shaoguan City. The findings laid not only the basis for in-depth insight into provincial agricultural input-output effi-
ciency and development trends, but also provided information basis for related departments to establish management policies that can
enhance agricultural productivity.
Key words Data envelopment analysis, Time window analysis, Agricultural production efficiency, Guangdong Province
第 6期 秦 钟等: 基于 DEA时间窗分析的广东省农业生产效率评价 1449


(Received Oct. 19, 2010; accepted May 19, 2011)
农业生产效率的高低是农业生产力水平的标志,
也是社会经济增长的基础。对农业生产率的研究一
直倍受国内外经济学家和农业经济学家的关注。许
多学者围绕农业全要素生产率理论, 从不同角度展
开了大量的研究, 内容涉及农业全要素生产率的测
算方法[1−3]、农业生产率的增长因素分析[4−5]、农业
全要素生产率的增长来源分析[6−10]、农业生产率的
区域收敛性[11−12]等多个方面, 对深入了解农业生产
率的研究思路和方法, 加深对我国农业全要素生产
率增长的认识理解发挥了重要作用。在此过程中 ,
一些学者尝试将以数据包络分析(Data Envelopment
Analysis, DEA)为代表的非参数方法引入到农业生
产效率的研究中 , 如Mao和Koo[13]、 Lambert和
Parker[14]、李录堂等[15]和时悦等[16]从不同角度利用
DEA方法对我国连续多年的农业生产效率进行了测
算、结构分解和动态分析, 李尽法[17]、张建红[18]、
刘雪妮[19]等对省域的农业生产效率进行了评价。但
是在应用传统DEA方法时, 要求被分析的决策单元
(decision maker unit, 简称DMU)数量至少为变量(投
入指标和产出指标)总数2倍以上, 否则会出现大部
分甚至全部DMU效率得分均为1(即有效率)的情况,
使效率评价失去了意义。另一方面 , 现有的基于
DEA模型的研究多利用横截面数据, 将特定的决策
单元与同一时间点上的其他单元进行比较, 忽略了
时间的作用 , 从而对分析结果产生了一定的影响 ,
因为在某一时期内, 某种资源的过多投入, 导致当
期效率得分较低, 但却可能会对未来时期的产出产
生正面影响。DEA时间窗分析(windows analysis)采
用面板数据 , 将不同时期的同一DMU视为不同单
元, 从而增加了受评价的DMU数量, 不仅能够对不
同DMU之间的相对效率进行比较和评价 , 而且还
能够反映DMU的效率变化情况 , 有助于了解多个
DMU在不同时段的整体运行状态 , 从而解决了上
述问题[20]。本研究即是利用这一研究方法, 对广东
省21个地市在1994~2007年农业发展的相对效率进
行了综合分析和动态评价, 以期为深入了解农业投
入产出绩效的整体情况和发展趋势提供参考, 同时
为相关管理部门制定农业长期发展规划和战略决策
提供理论论据。
1 研究方法
DEA时间窗分析是在1985年由Charnes等 [21]提
出的, 其基本思想是从动态角度出发, 认为同一决
策单元DMU在不同时期是不同的, 通过类似于统计
学中的滑动平均法选定不同的参考集来评价DMU
的相对效率, 从横向(一个DMU处于不同时段)、纵
向(同一时段的不同DMU)、整体(处于不同时段的不
同DMU)上得出相对效率的变化情况 , 从而更好地
反映DMU的效率及其动态变化。
假设在时间 T内有 n个 DMU, 每个决策单元都
有 m 种类型的输入和 s 种类型的输出, 分别以 xi和
yr表示（其中 xi>0, yr>0, 1≤i≤m0, 1≤r≤s）, 记在
时间 t(t=1, 2, ⋯, T)内的输入向量 xtk为: (x1tk, x2tk, ⋯,
xrtk), 输出向量 ytk为: (y1tk, y2tk, ⋯, ystk)。设时间窗口
宽度为ω(1≤ω≤T−p), 并将其分隔为一系列有所重
叠的时间段, 每个视窗包含这 n个 DMU在ω个时期
内的值, 最后对这些视窗分别进行 DEA处理。若窗
口时间从时间 p 开始(1≤p≤T), 每个窗口有 n×ω个
观测值 , 以 pω(1≤pω≤T−T−ω)表示每个窗口的序
号，则窗口 pω的输入矩阵 Xpω和输出矩阵 Ypω分别为:

1 2
1 2
1 1 1
1 2
=
n
p p p
n
p p p
p
n
p p p
x x ... x
x x ... x
X
... ... ... ...
x x ... x
ω
ω ω ω
+ + +
+ + +
⎡ ⎤ ⎢ ⎥⎢ ⎥⎢ ⎥ ⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦
(1)

1 2
1 2
1 1 1
1 2
=
n
p p p
n
p p p
p
n
p p p
y y ... y
y y ... y
Y
... ... ... ...
y y ... y
ω
ω ω ω
+ + +
+ + +
⎡ ⎤ ⎢ ⎥⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦
(2)
对于某个特定的 DMU 的 pω,tk 来说, 在规模报
酬不变的条件下(即 C2R 模型), 时间窗中的效率值
用下式进行计算:
, ,
maxkp tω θ λθ θ= (3)

0
. . 0
0 1,2, ,
k
p k t
k
p k t
k
X x
s t Y y
k n
ω
ω
λ
λ θ
λ ω
⎧− +⎪⎪ −⎨⎪ = ×⎪⎩ "
≥
≥
≥
(4)
式中, k 表示 DMU 在窗口 pω内的序号, ( 1,2,k kλ =
, )n ω×" 为输入输出矩阵的非负系数。 , kp tωθ 表示第
k个 DMU在窗口 pω内 t时间上的相对效率值, 其值
越大表明第 k 个 DMU 的生产效率越高。由于
[ ], 0,1kp tωθ ∈ , 所以当 , kp tωθ =1 时, 表示第 k 个 DMU
在窗口 pω内相对其他 DMU 最具生产效率, 即处于
生产前沿面上[22]。
根据时间窗分析法的使用约束条件, 本文选取
时间段为 3年的时间窗( ω =3), 即每个时间窗包含 3
1450 中国生态农业学报 2011 第 19卷


年的观测值, 并做移动平滑确定下一个包含 3 年的
时间窗, 根据研究所收集的面板数据, 确定 9 个时
间窗, 依次为: 1994 年、1997~1998 年、1997~1999
年、1998~2000年、1999~2001年、2000~2002年、
2001~2003 年、 2002~2004 年、 2003~2005 年、
2004~2005 年和 2007 年, 每个时间窗包含的决策单
元数为 n与ω之积, 即 63个决策单元。由此构造基
于 DEA方法的 C2R模型, 利用工程数学软件Matlab
6.50编程进行计算。
2 数据和指标选择
将广东省21个地市作为21个DMU, 选取农业生
产投入变量如下: (1)劳动投入, 以农林牧渔业从业
人员(104人)计算。(2)土地投入, 以主要农作物总播
种面积(包括粮食作物、大豆、经济作物、其他作物,
单位为103 hm2)计算。(3)化肥、农药和农用塑料薄膜
(以下简称“农膜”)投入, 化肥施用量(103 kg)以本年
度实际用于农业生产化肥施用量(折纯量)计算, 包
括氮肥、磷肥、钾肥和复合肥; 农用塑料薄膜使用
量 (103 kg)含地膜使用量 , 农药的使用量单位以
103 kg计。(4)农业用水投入, 考虑到灌溉用水量不能
反映水产养殖等的耗水量, 故以各地市水利工程为
农业年供水量(104 m3)计。(5)机械动力投入, 以农业
机械总动力(104 kW)计算, 主要是用于农、林、牧、
渔业的动力机械的动力总和。农业总产出选用以
1990年不变价格计算的农林牧渔业总产值(108元)。
分析所使用的面板数据主要来源于1995年、1998~
2005年、2008年广东农村统计年鉴 [23]。2004~2005
年、2007年深圳的农林牧渔业从业人员来自同期的
《深圳统计年鉴》[24]。2006年广东省进行了第2次全
国农业普查, 故未对该年份进行分析。
3 结果与分析
表 1 为各地区在各窗口基于投入角度的效率平
均值。从中可以看出, 1994~2003年(窗口 1~4、窗口
6), 农业发展效率最高的地区均为深圳, 已达 1.000 0。
2002~2007 年(窗口 7~9), 深圳农业发展的效率略有
降低, 尤其是在窗口 8 的时间段内, 农业发展的效
率值比前一个时间窗的均值下降 17.2%。茂名在窗
口 4时的农业发展效率值也达到最高值 1.000 0, 尽
管在窗口 7~9 时略有下降, 但仍高于其他地市, 效
率值依次为 0.991 8、0.962 5和 0.934 6。从农业发展
效率的最低值来看, 窗口 1~7、窗口 8~9的最低值分
别出现在清远和韶关, 其中在 2003~2005 年间(窗口
8)韶关农业发展的效率值低至 0.272 1, 仅为同时间
窗内 21个地市平均值的 50%左右。根据对各地市农
业发展效率变异程度指标的计算结果, 韶关的最高、
最低效率值相差近 3.2 倍; 且不同时间窗的效率值变
动系数最高, 为 0.372 6, 而茂名地区的变异系数不到
0.05, 达最低。从同一时间窗不同地区的效率值来看,
在 2003~2005 年间(时间窗 8)各地市效率值的差异最
大, 变异系数为 0.336 4, 深圳与韶关两地区间效率值
的极差为 0.690 4。在 2000~2002年间(时间窗 5)各地
市效率值差异最小, 变异系数低至 0.218 9。
图 1 反映了广东省珠江三角洲、东西两翼和山
区的农业发展效率在不同时间窗的波动情况。总体
来看, 这三大区域效率值与全省平均效率值变动趋
势基本一致, 均呈现升−降−升的特征。最高、最低
值均分别出现在窗口 4和窗口 8。全省 21个地市农
业发展的整体效率自 1994年开始持续上升, 在窗口
3~5 期间的效率较高, 峰值达 0.813 4, 其后的效率
性逐期下降, 在窗口 8 时降至 0.550 4, 但在随后的
时间窗口 9, 农业发展的效率有近 13%的小幅上扬。
珠三角和东西两翼的效率值曲线位于全省均值线的
上方 , 各时间窗内的效率值均高于全省平均水平 ,
两地区的效率最高值分别比全省平均峰值高出
7.31%和 4.83%。相对应地, 山区的效率值曲线位于
全省均值线的下方, 效率最高值比全省平均峰值低
19.91%。珠三角地区的效率明显高于东西两翼和山
区。从这 3 大区域的变异系数来看, 山区农业发展
在不同时间窗的效率变化较大, 为 0.158 3, 略高于
全省的平均变异。其次为珠三角地区, 东西两翼的
效率变化最小, 为 0.134 3。
1994~2007年, 各地市在 9个时间窗间的平均变
化率各不相同。仅有珠海、茂名两地农业发展的效率
不断提升, 每个时间窗内的平均增长率分别为 5.08%
和 1.13%; 其他 19 个地市均表现为不同程度的下滑,
其中江门、韶关两地的效率值降幅最大 , 分别为
4.44%和 4.39%。三大区域农业发展的效率均表现为
随时间窗的推移而减弱。山区的效率值在每个时间窗
内的平均降幅最高, 为 2.31%, 其次为珠三角地区;
东西两翼则以每个时间窗 0.84%的速度微幅下降。
表 2 反映的是同一年份、不同时间窗中各地市
农业发展效率的情况。可以看出, 在研究期间, 除
2003年、2004年外, 其他年份均有农业发展有效率
达到 1.000 0 的地区出现, 其中 2007 年有 6 个地市
的效率值达到 1.000 0。各地市的效率值随时间变化
的动态各不相同。如在 1994~2007年共 11年的时间
中, 深圳的农业发展有 9 年的效率值达 1.000 0, 仅
2003年和 2004年有小幅下滑; 而位于山区的韶关、
梅州等地区和东西两翼的汕头、潮州等地区, 在研
究期间效率值均未达到 1.000 0, 其中清远在 2004年
的效率值在 21个地市中最低, 为 0.249 1。
第 6期 秦 钟等: 基于 DEA时间窗分析的广东省农业生产效率评价 1451






























































表
1
广
东
省
21
个
地
市
农
业
发
展
效
率
的
时
间
窗
分
析
(横
向
)
Ta
bl
e
1
T
im
e
w
in
do
w
s
an
al
ys
is
o
n
ag
ric
ul
tu
ra
l p
ro
du
ct
io
n
ef
fic
ie
nc
y
in
2
1
ci
ty
-r
eg
io
ns
o
f G
ua
ng
do
ng
P
ro
vi
nc
e
(l
at
er
al
p
ha
se
)
窗
口
1
Ti
m
e w
in
do
w
1
窗
口
2
Ti
m
e w
in
do
w
2
窗
口
3
Ti
m
e w
in
do
w
3
窗
口
4
Ti
m
e w
in
do
w
4
窗
口
5
Ti
m
e w
in
do
w
5
窗
口
6
Ti
m
e w
in
do
w
6
窗
口
7
Ti
m
e w
in
do
w
7
窗
口
8
Ti
m
e w
in
do
w
8
窗
口
9
Ti
m
e w
in
do
w
9

区
域

Re
gi
on

地
市

Ci
ty
-re
gi
on

19
94
年
,
19
97
~1
99
8
年
Y
ea
r 1
99
4
an
d
19
97
~1
99
8
19
97
~1
99
9
年
Y
ea
r
19
97
~1
99
9
19
98
~2
00
0
年
Y
ea
r
19
98
~2
00
0
19
99
~2
00
1
年
Y
ea
r
19
99
~2
00
1
20
00
~2
00
2
年
Y
ea
r
20
00
~2
00
2
20
01
~2
00
3
年
Y
ea
r
20
01
~2
00
3
20
02
~2
00
4
年
Y
ea
r
20
02
~2
00
4
20
03
~2
00
5
年
Y
ea
r
20
03
~2
00
5
20
04
~2
00
5
年
,
20
07
年

Y
ea
r 2
00
4~
20
05
an
d
20
07

极
差

Ra
ng
e
标
准
差

St
an
da
rd

de
vi
at
io
n
变
异
系
数
Va
ria
tio
n
co
ef
fic
ie
nt

广
州
G
ua
ng
zh
ou

0.
84
2
4
0.
76
8
4
0.
86
1
0
0.
92
3
8
0.
95
2
5
0.
97
5
2
0.
97
2
7
0.
77
3
7
0.
75
7
4
0.
21
7
8
0.
08
9
7
0.
10
3
2
深
圳
S
he
nz
he
n
1.
00
0
0
1.
00
0
0
1.
00
0
0
1.
00
0
0
0.
98
5
4
1.
00
0
0
0.
94
4
9
0.
78
2
8
0.
92
0
2
0.
21
7
2
0.
07
2
3
0.
07
5
4
珠
海
Zh
uh
ai

0.
48
2
7
0.
49
1
3
0.
58
4
0
0.
67
5
6
0.
69
6
3
0.
74
3
8
0.
74
5
0
0.
48
7
9
0.
70
3
6
0.
26
2
3
0.
11
2
3
0.
18
0
2
中
山
Z
ho
ng
sh
an

0.
79
9
0
0.
91
6
1
0.
96
0
5
0.
93
6
3
0.
92
0
1
0.
98
4
3
0.
88
6
8
0.
52
2
3
0.
53
4
4
0.
46
2
0
0.
17
8
2
0.
21
4
9
佛
山
Fo
sh
an

0.
87
9
2
0.
90
3
1
0.
95
1
9
0.
97
9
3
0.
93
0
5
0.
96
3
0
0.
96
9
1
0.
71
0
1
0.
83
8
4
0.
26
9
2
0.
08
5
8
0.
09
5
0
东
莞
D
on
gg
ua
n
0.
74
8
3
0.
83
6
1
0.
90
5
0
0.
97
0
6
0.
89
2
3
0.
94
8
8
0.
98
0
6
0.
65
4
4
0.
67
4
4
0.
32
6
2
0.
12
5
3
0.
14
8
2
江
门
J
ia
ng
m
en

0.
69
3
9
0.
79
0
7
0.
81
9
7
0.
81
2
3
0.
78
7
8
0.
73
5
1
0.
65
1
4
0.
38
0
4
0.
41
6
8
0.
43
9
3
0.
16
7
3
0.
24
7
3
肇
庆
Z
ha
oq
in
g
0.
94
5
8
0.
91
7
6
0.
90
4
5
0.
92
5
9
0.
90
0
0
0.
82
1
5
0.
70
7
8
0.
53
5
1
0.
64
4
2
0.
41
0
7
0.
14
7
5
0.
18
1
8
惠
州
H
ui
zh
ou

0.
49
4
2
0.
52
5
3
0.
59
1
4
0.
63
1
3
0.
61
6
9
0.
53
2
7
0.
47
1
9
0.
33
6
8
0.
45
2
8
0.
29
4
5
0.
09
2
2
0.
17
8
4
珠
三
角
地
区

Pe
ar
l R
iv
er

D
el
ta


平
均
A
ve
ra
ge

0.
76
5
1
0.
79
4
3
0.
84
2
0
0.
87
2
8
0.
85
3
5
0.
85
6
0
0.
81
4
5
0.
57
5
9
0.
66
0
2
0.
32
2
1
0.
11
9
0
0.
15
8
3
汕
头
S
ha
nt
ou

0.
63
5
5
0.
67
6
5
0.
67
3
7
0.
79
8
6
0.
77
8
2
0.
71
5
0
0.
62
1
4
0.
51
4
9
0.
62
7
9
0.
28
3
7
0.
08
6
4
0.
12
8
7
汕
尾
S
ha
nw
ei

0.
74
8
5
0.
84
2
3
0.
92
9
3
0.
98
9
1
0.
99
7
6
0.
88
4
6
0.
67
6
0
0.
56
0
0
0.
72
5
1
0.
43
7
6
0.
14
9
6
0.
18
3
2
潮
州
C
ha
oz
ho
u
0.
69
6
8
0.
72
0
9
0.
76
1
6
0.
85
7
7
0.
76
9
8
0.
66
6
5
0.
47
3
9
0.
42
0
9
0.
51
8
6
0.
43
6
8
0.
14
9
2
0.
22
8
1
揭
阳
J
ie
ya
ng

0.
73
6
3
0.
67
2
0
0.
73
6
7
0.
82
5
1
0.
82
9
1
0.
74
7
8
0.
66
0
6
0.
61
9
3
0.
66
4
6
0.
20
9
8
0.
07
3
6
0.
10
2
0
湛
江
Z
ha
nj
ia
ng

0.
83
1
2
0.
55
5
2
0.
56
8
9
0.
57
2
9
0.
55
9
5
0.
71
9
9
0.
78
6
0
0.
73
0
6
0.
73
1
5
0.
27
6
0
0.
10
8
6
0.
16
1
4
阳
江
Y
an
gj
ia
ng

0.
87
7
3
0.
85
9
3
0.
93
0
5
0.
92
5
0
0.
93
4
2
0.
90
4
1
0.
84
2
4
0.
71
6
5
0.
77
9
0
0.
21
7
7
0.
07
4
4
0.
08
6
2
茂
名
M
ao
m
in
g
0.
84
8
6
0.
95
2
0
0.
99
5
0
1.
00
0
0
0.
99
1
2
0.
98
3
1
0.
99
1
8
0.
96
2
5
0.
93
4
6
0.
15
1
4
0.
04
8
0
0.
04
9
9
东
西
两
翼

Ea
st-
w
es
t
do
ub
le
w
in
gs

平
均
A
ve
ra
ge

0.
76
7
7
0.
75
4
0
0.
79
9
4
0.
85
2
6
0.
83
7
1
0.
80
3
0
0.
72
1
7
0.
64
6
4
0.
71
1
6
0.
28
7
6
0.
09
8
5
0.
13
4
2
韶
关
S
ha
og
ua
n
0.
57
1
1
0.
71
8
5
0.
86
1
2
0.
85
3
0
0.
70
5
5
0.
50
7
8
0.
40
0
6
0.
27
2
1
0.
34
5
3
0.
58
9
1
0.
21
6
8
0.
37
2
6
河
源
H
ey
ua
n
0.
50
0
6
0.
48
5
8
0.
46
9
6
0.
58
2
9
0.
62
1
0
0.
56
9
7
0.
47
3
1
0.
36
7
1
0.
38
8
6
0.
25
3
9
0.
08
5
2
0.
17
2
0
梅
州
M
ei
zh
ou

0.
44
4
1
0.
47
4
3
0.
48
7
3
0.
49
9
9
0.
51
9
3
0.
51
8
3
0.
48
0
0
0.
34
7
0
0.
38
9
0
0.
17
2
3
0.
05
9
0
0.
12
7
7
清
远
Q
in
gy
ua
n
0.
40
8
1
0.
40
5
4
0.
41
1
0
0.
40
7
9
0.
38
3
8
0.
34
9
9
0.
31
8
1
0.
30
3
7
0.
38
2
0
0.
10
7
3
0.
04
1
0
0.
10
9
6
云
浮
Y
un
fu

0.
82
1
2
0.
82
3
3
0.
84
8
7
0.
91
3
4
0.
85
9
9
0.
80
2
2
0.
70
8
8
0.
56
0
7
0.
63
0
8
0.
35
2
7
0.
11
6
2
0.
15
0
1
山
区

M
ou
nt
ai
no
us
ar
ea


平
均
A
ve
ra
ge

0.
54
9
0
0.
58
1
5
0.
61
5
6
0.
65
1
4
0.
61
7
9
0.
54
9
6
0.
47
6
1
0.
37
0
1
0.
42
7
1
0.
29
5
1
0.
10
3
6
0.
18
6
4
总
平
均
O
ve
ra
ll
av
er
ag
e
0.
71
4
5
0.
73
0
2
0.
77
3
9
0.
81
3
4
0.
79
1
9
0.
76
5
4
0.
70
3
0
0.
55
0
4
0.
62
1
9



极
差
Ra
ng
e
0.
59
1
9
0.
59
4
6
0.
58
9
0
0.
59
2
1
0.
61
3
8
0.
65
0
1
0.
67
3
7
0.
69
0
4
0.
58
9
3



变
异
系
数
Va
ria
tio
n
co
ef
fic
ie
nt

0.
24
2
5
0.
24
5
5
0.
24
2
0
0.
22
0
8
0.
21
8
9
0.
24
6
8
0.
29
9
1
0.
33
6
4
0.
28
8
3




1452 中国生态农业学报 2011 第 19卷






























































表
2
广
东
省
21
个
地
市
农
业
发
展
效
率
的
时
间
窗
分
析
(纵
向
)
Ta
bl
e
2
T
im
e
w
in
do
w
s
an
al
ys
is
o
n
ag
ric
ul
tu
ra
l p
ro
du
ct
io
n
ef
fic
ie
nc
y
in
2
1
ci
ty
-r
eg
io
ns
o
f G
ua
ng
do
ng
P
ro
vi
nc
e
(lo
ng
itu
di
na
l p
ha
se
)
窗
口
1
Ti
m
e
w
in
-
do
w
1

窗
口
2
Ti
m
e
w
in
-
do
w
2

窗
口
3
Ti
m
e
w
in
-
do
w
3

窗
口
4
Ti
m
e
w
in
-
do
w
4

窗
口
5
Ti
m
e
w
in
-
do
w
5

窗
口
6
Ti
m
e
w
in
-
do
w
6

窗
口
7
Ti
m
e
w
in
-
do
w
7

窗
口
8
Ti
m
e
w
in
-
do
w
8

窗
口
9
Ti
m
e
w
in
-
do
w
9

窗
口
10

Ti
m
e
w
in
-
do
w
1
0
窗
口
11

Ti
m
e
w
in
-
do
w
1
1
地
区

R
eg
io
n
地
市

C
ity
-r
eg
io
n
19
94
年

Y
ea
r 1
99
4
19
97
年

Y
ea
r 1
99
7
19
98
年

Y
ea
r 1
99
8
19
99
年

Y
ea
r 1
99
9
20
00
年

Y
ea
r 2
00
0
20
01
年

Y
ea
r 2
00
1
20
02
年

Y
ea
r 2
00
2
20
03
年

Y
ea
r 2
00
3
20
04
年

Y
ea
r 2
00
4
20
05
年

Y
ea
r 2
00
5
20
07
年

Y
ea
r 2
00
7
极
差

R
an
ge

标
准
差

St
an
da
rd

de
vi
at
io
n
变
异
系
数
Va
ria
tio
n
co
ef
fic
ie
nt

广
州
G
ua
ng
zh
ou

0.
99
7
1
0.
69
7
5
0.
76
7
5
0.
87
1
2
0.
93
3
1
0.
95
4
3
0.
97
2
7
0.
89
5
9
0.
68
6
7
0.
92
2
8
1.
00
0
0
0.
31
3
0
0.
11
4
2
0.
12
9
5
深
圳
S
he
nz
he
n
1.
00
0
0
1.
00
0
0
1.
00
0
0
1.
00
0
0
0.
98
5
4
1.
00
0
0
1.
00
0
0
0.
80
1
2
0.
84
6
7
1.
00
0
0
1.
00
0
0
0.
19
9
0
0.
07
1
4
0.
07
3
9
珠
海
Zh
uh
ai

0.
44
3
8
0.
52
2
9
0.
48
6
5
0.
48
4
2
0.
72
5
5
0.
71
4
2
0.
66
4
7
0.
67
2
2
0.
56
0
2
0.
70
9
2
1.
00
0
0
0.
55
6
0
0.
15
9
7
0.
25
1
6
中
山
Z
ho
ng
sh
an

0.
56
8
4
0.
88
1
5
0.
90
6
1
0.
97
0
5
0.
89
1
8
0.
97
0
8
0.
97
6
7
0.
77
4
2
0.
56
4
6
0.
61
3
5
0.
65
7
0
0.
41
2
0
0.
16
7
6
0.
21
0
1
佛
山
Fo
sh
an

0.
90
1
7
0.
83
5
3
0.
90
0
9
0.
96
3
1
0.
94
5
4
0.
94
8
1
0.
96
9
6
0.
84
1
9
0.
70
4
7
0.
99
0
2
1.
00
0
0
0.
29
5
0
0.
08
7
2
0.
09
5
9
东
莞
D
on
gg
ua
n
0.
59
5
1
0.
78
8
1
0.
82
1
7
0.
93
3
3
0.
92
5
0
0.
89
7
3
1.
00
0
0
0.
80
5
4
0.
65
5
9
1.
00
0
0
0.
54
4
2
0.
45
6
0
0.
15
7
9
0.
19
3
7
江
门
J
ia
ng
m
en

0.
57
1
0
0.
73
1
6
0.
76
9
9
0.
83
6
9
0.
79
5
4
0.
76
3
6
0.
73
5
0
0.
57
6
8
0.
43
4
1
0.
49
2
2
0.
51
0
8
0.
40
3
0
0.
14
1
2
0.
21
5
2
肇
庆
Z
ha
oq
in
g
1.
00
0
0
1.
00
0
0
0.
81
4
7
0.
93
1
2
0.
98
7
2
0.
84
7
0
0.
83
5
5
0.
61
1
7
0.
48
9
7
0.
77
4
1
0.
80
8
4
0.
51
0
0
0.
16
1
2
0.
19
4
9
惠
州
H
ui
zh
ou

0.
50
0
9
0.
49
7
7
0.
50
4
2
0.
58
5
3
0.
64
6
0
0.
57
7
5
0.
56
6
1
0.
41
5
6
0.
30
1
1
0.
52
7
9
0.
62
0
2
0.
34
5
0
0.
09
7
7
0.
18
7
2
珠
三
角
地
区
Pe
ar
l R
iv
er

D
el
ta


平
均
A
ve
ra
ge

0.
73
0
9
0.
77
2
7
0.
77
4
6
0.
84
1
7
0.
87
0
5
0.
85
2
5
0.
85
7
8
0.
71
0
5
0.
58
2
6
0.
78
1
1
0.
79
3
4
0.
38
7
7
0.
12
8
7
0.
17
2
4
汕
头
S
ha
nt
ou

0.
60
7
7
0.
69
5
7
0.
64
0
0
0.
70
8
5
0.
77
7
9
0.
76
9
2
0.
71
7
0
0.
53
9
4
0.
42
3
9
0.
79
9
6
0.
79
9
1
0.
37
6
0
0.
11
8
6
0.
17
4
5
汕
尾
S
ha
nw
ei

0.
67
5
4
0.
73
8
8
0.
80
3
8
0.
98
7
6
1.
00
0
0
0.
99
2
3
0.
86
6
8
0.
58
7
4
0.
51
0
4
0.
82
9
5
1.
00
0
0
0.
49
0
0
0.
17
4
1
0.
21
3
0
潮
州
C
ha
oz
ho
u
0.
67
6
2
0.
67
9
6
0.
69
3
8
0.
85
2
2
0.
79
0
4
0.
80
2
3
0.
71
2
1
0.
42
3
0
0.
20
5
3
0.
75
2
7
0.
68
2
1
0.
64
7
0
0.
18
7
3
0.
28
3
4
揭
阳
J
ie
ya
ng

0.
83
9
1
0.
68
3
3
0.
67
9
8
0.
73
8
4
0.
79
9
3
0.
81
1
5
0.
83
2
0
0.
55
5
8
0.
46
1
0
0.
92
7
5
0.
78
0
6
0.
46
6
0
0.
13
4
9
0.
18
3
0
湛
江
Z
ha
nj
ia
ng

0.
89
0
4
0.
63
7
3
0.
65
7
6
0.
57
5
2
0.
56
2
5
0.
60
8
5
0.
66
7
9
0.
68
5
4
0.
69
8
1
0.
96
2
8
0.
71
0
9
0.
40
1
0
0.
12
4
6
0.
17
9
1
阳
江
Y
an
gj
ia
ng

0.
87
9
0
0.
80
2
4
0.
90
1
4
0.
88
6
5
0.
94
9
3
1.
00
0
0
0.
87
2
6
0.
73
7
9
0.
65
3
7
0.
96
1
6
0.
89
3
7
0.
34
6
0
0.
10
1
1
0.
11
6
5
茂
名
M
ao
m
in
g
0.
63
9
9
0.
88
8
0
0.
99
0
4
1.
00
0
0
1.
00
0
0
0.
98
2
5
1.
00
0
0
0.
98
3
6
0.
91
2
4
0.
97
7
0
1.
00
0
0
0.
46
6
0
0.
13
4
9
0.
18
3
0
东
西
两
翼
Ea
st
-w
es
t
do
ub
le

w
in
gs


平
均
A
ve
ra
ge

0.
74
4
0
0.
73
2
2
0.
76
6
7
0.
82
1
2
0.
83
9
9
0.
85
2
3
0.
80
9
8
0.
64
4
7
0.
55
2
1
0.
88
7
2
0.
83
8
1
0.
45
6
0
0.
13
9
4
0.
19
0
4
韶
关
S
ha
og
ua
n
0.
52
4
6
0.
59
3
0
0.
58
0
5
1.
00
0
0
1.
00
0
0
0.
54
5
2
0.
49
7
2
0.
36
0
5
0.
26
1
1
0.
39
7
2
0.
46
6
1
0.
73
9
0
0.
23
6
3
0.
41
7
7
河
源
H
ey
ua
n
0.
52
3
7
0.
60
4
9
0.
40
8
3
0.
45
7
7
0.
58
4
3
0.
61
1
6
0.
60
8
4
0.
40
0
2
0.
31
5
7
0.
54
8
3
0.
38
6
2
0.
29
6
0
0.
10
5
8
0.
21
3
7
梅
州
M
ei
zh
ou

0.
37
1
5
0.
47
5
9
0.
48
1
9
0.
48
2
9
0.
47
8
2
0.
50
8
0
0.
55
0
7
0.
42
5
7
0.
33
8
3
0.
43
4
6
0.
48
8
6
0.
21
3
0
0.
06
1
3
0.
13
3
8
清
远
Q
in
gy
ua
n
0.
39
3
5
0.
42
3
5
0.
39
5
8
0.
41
6
1
0.
39
8
0
0.
38
2
2
0.
36
5
3
0.
26
5
3
0.
24
9
1
0.
48
3
7
0.
48
6
8
0.
23
8
0
0.
07
5
0
0.
19
3
8
云
浮
Y
un
fu

0.
89
0
4
0.
81
5
1
0.
80
2
0
0.
85
5
9
0.
90
8
4
0.
86
0
0
0.
79
6
3
0.
63
6
4
0.
45
1
9
0.
81
8
0
0.
81
7
7
0.
45
6
0
0.
13
1
7
0.
16
7
4
山
区

M
ou
nt
ai
no
us
ar
ea


平
均
A
ve
ra
ge

0.
54
0
7
0.
58
2
5
0.
53
3
7
0.
64
2
5
0.
67
3
8
0.
58
1
4
0.
56
3
6
0.
41
7
6
0.
32
3
2
0.
53
6
3
0.
52
9
1
0.
38
8
4
0.
12
2
0
0.
22
5
3
总
平
均
O
ve
ra
ll
av
er
ag
e
0.
69
0
0
0.
71
3
9
0.
71
4
6
0.
78
7
5
0.
81
3
5
0.
78
7
9
0.
77
1
7
0.
61
8
8
0.
51
0
7
0.
75
8
2
0.
74
5
4



极
差
R
an
ge

0.
62
9
0
0.
57
6
0
0.
60
4
0
0.
58
4
0
0.
60
2
0
0.
61
8
0
0.
63
5
0
0.
71
9
0
0.
70
7
0
0.
60
3
0
0.
61
4
0



变
异
系
数
Va
ria
tio
n
co
ef
fic
ie
nt

0.
30
0
2
0.
22
5
8
0.
25
8
3
0.
25
9
6
0.
22
6
8
0.
23
6
3
0.
24
1
5
0.
31
1
6
0.
38
6
9
0.
27
5
1
0.
28
2
7




第 6期 秦 钟等: 基于 DEA时间窗分析的广东省农业生产效率评价 1453




图1 广东省三大区域农业发展平均效率值的动态趋势
Fig. 1 Variations of average agricultural production efficiency
in three economic regions of Guangdong Province
横坐标值分别与表1中的9个时间窗口相对应 Values on hori-
zontal axis matches the nine time windows in table 1 respectively.

从各地区农业在整个研究期间发展效率及相对
稳定状况来看, 深圳的平均效率值最高, 为0.966 6,
但相应的变异系数只有0.073 9, 是21个地市中最低
的, 表明深圳的农业已步入了稳定而有序的发展轨
道。农业投入产出绩效较好且发展状况较为稳定的
地市还有广州、佛山和茂名。农业发展效率波动相
对最为明显的地区为韶关, 变异系数达0.417 7, 是
深圳的5.7倍左右, 主要是由于该地区在2004年间的
平均效率值急剧下降所致。在随后的几年中, 该地
区农业发展的效率得到了不断改善, 故尽管农业发
展起伏较大, 但其平均效率值却不是最低的。从同
一年份不同地区的相对效率来看, 各地市效率值的
变异系数在2004年、1997年分别达最高和最低, 作
为效率值最高的深圳和最低值的清远, 在这两年中
效率值的极差分别为0.707和0.576。
全省三大区域农业发展在不同年份的变动趋势
与不同时间窗的情况基本一致, 珠三角地区在研究
期间的平均效率值最高, 为0.778 9, 分别比东西两
翼和山区高0.95%和44.64%。同时, 珠三角地区农业
发展的稳定性相对较高, 变异系数为0.724 0, 比全
省平均水平低8.13%, 其次是东西两翼。山区5个地
市的农业发展效率较差, 不同年份间的变异也最为
明显。
同一地区在同一年份、不同的时间窗上农业发
展的效率并不相同。以珠海为例 , 在第2个时间窗
(1997~1999年)中, 1999年农业发展效率值为0.754 4,
但在第 3时间窗 (1998~2000年 )、第 4个时间窗
(1999~2001 年 )中对应的效率值分别为0.747 3和
0.674 9。随着时间窗的推移, 效率值所呈现的逐步
下降趋势说明, 2000年珠海农业发展的效率比2001
和2002年相对较差, 存在一定程度的投入相对过多
或者产出不足, 从动态发展的角度来看, 珠海农业
发展的效率正在逐年提高或改善(图2)。而深圳的情
况则不一样, 处在不同时间窗口中的1998年、1999
年、2001年和2002年的效率值均为1.000 0, 说明深
圳在这几年中各项投入得到了充分利用和配置, 取
得了较好的产出, 农业发展相对有效。



图2 珠海农业发展平均效率值的动态变化
Fig. 2 Variations of average agricultural production efficiency
of Zhuhai City
横坐标值与表2中的时间窗口相对应 Values on horizontal axis
matches the time windows in table 2 respectively.

4 讨论与结论
本文对广东省21个地市农业发展的效率进行了
研究, 利用时间窗分析法分别从横向(同一地区不同
时间窗)和纵向(同一时间窗不同地区)两个方面对各
地市农业发展效率做比较和分析, 同时也可以对处
于不同时间的不同地区进行分析。从横向来看, 在
1994~2007年间, 各地区农业发展的效率并不稳定,
但上下浮动的趋势却基本一致, 从初期的持续增长
至2001~2002年间达到顶峰后开始回落 , 并于2004
年后又有所恢复和提升。农业发展效率较高且运行
较为稳定的地市有深圳、佛山和茂名。从纵向来看,
不同地区在相同年份或时间窗口中的效率不同, 如
1998年省内21个地市中只有深圳的农业发展相对有
效, 其他地市的效率值均小于1.000 0, 处于相对无
效状态。除深圳在不同年份、不同时间窗的评价值
基本不变或保持稳定外, 其他地市的效率值均发生
变化。
1454 中国生态农业学报 2011 第 19卷


广东省农业发展的平均效率和稳定性存在较为
明显的区域差距。珠三角地区农业投入产出的绩效
相对最优, 但在不同年份和时间窗内的平均效率值
均未达到有效, 其中惠州、珠海等地区农业发展的
效率相对滞后, 需要采取相应的措施进一步改善其
效率。东西两翼农业的整体效率水平低于珠三角 ,
但却处于较为稳定的发展状态。农业发展效率较差
且随时间波动较大的地区主要集中在山区5个地市,
其中清远的效率较其他地区低, 韶关农业发展的波
动性最为明显, 从而拉低了山区乃至全省农业发展
的效率和稳定性。为此, 应针对农业生产过程中存
在的投入指标(如化肥、农药施用过量、水资源利用
率较低等)冗余, 投入结构不尽合理、投入产出比例
失调等情况, 调整和优化资源的投入比例, 不断提
高其利用效率, 逐步减少和消除制约农业发展的障
碍性因素, 在提高农业投入产出绩效的同时缩小地
区间的差距。
本文将基于数据包络分析(DEA)的时间窗分析
法运用到省域农业发展的效率研究中, 一方面可反
映各地区在多个时间段内农业发展效率的动态变化,
另一方面消除各地区农业初始条件差异对分析结果
的影响, 使其更具有客观性。但同时也有一些问题,
例如如何根据实际情况灵活、合理地选择时间窗宽
度等。此外, 在分析的过程中, 起始和终端时期的决
策单元只能被计算一次, 所产生的影响如何消除等,
有待在后续的研究中深入探讨。
参考文献
[1] Farrell M J. The measurement of productive efficiency[J].
Journal of the Royal Statistical Society, 1957, 120(3):
253–290
[2] Nin A, Arndt C, Hertel T W, et al. Bridging the gap between
partial and total factor productivity measures using directional
distance functions[J]. American Journal of Agricultural Eco-
nomics, 2003, 85(4): 928–942
[3] Coelli T J, Prasada Rao D S. Total Factor Productivity
Growth in Agriculture: A Malmquist Index Analysis of 93
Countries, 1980–2000[C]. International Association of Agri-
cultural Economics (IAAE) Conference in Durban, August
16–22, 2003
[4] Lin J Y. Rural reforms and agricultural growth in China[J].
The American Economic Review, 1992, 82(1): 34–51
[5] Fan S G. Production and productivity growth in Chinese ag-
riculture: New measurement and evidence[J]. Food Policy,
1997, 22(3): 213–228
[6] 米建伟, 章奇, 梁勤. 中国农业生产率的变化及其分解[J].
中国农业经济评论, 2005, 3(1): 60–72
[7] 石慧 , 孟令杰 , 王怀明 . 中国农业生产率的地区差距及波
动性研究——基于随机前沿生产函数的分析[J]. 经济科学,
2008(3): 20–33
[8] 顾海, 孟令杰. 中国农业 TFP 的增长及其构成[J]. 数量经
济技术经济研究, 2002, 19(10): 15–18
[9] 李静 , 孟令杰 . 中国农业生产率的变动与分解分析 :
1978~2004年——基于非参数的HMB生产率指数的实证研
究[J]. 数量经济技术经济研究, 2006, 23(5): 11–19
[10] 赵芝俊 , 袁开智 . 中国农业技术进步贡献率测算及分解 :
1985–2005[J]. 农业经济问题, 2009(3): 28–36
[11] 赵蕾 , 王怀明 . 中国农业生产率的增长及收敛性分析 [J].
农业技术经济, 2007(2): 93–98
[12] 李谷成. 中国农业生产率增长的地区差距与收敛性分析[J].
产业经济研究, 2009, 39(2): 41–48
[13] Mao W N, Koo W W. Productivity growth, technological
progress, and efficiency change in Chinese agriculture after
rural economic reforms: A DEA approach[J]. China Eco-
nomic Review, 1997, 8(2): 157–174
[14] Lambert D K, Parker E. Productivity in Chinese provincial
agriculture[J]. Journal of Agricultural Economics, 1998, 49(3):
378 –392
[15] 李录堂 , 薛继亮 . 中国农业生产率增长变化趋势研究 :
1980~2006[J]. 上海财经大学学报: 哲学社会科学版, 2008,
10(4): 76–83
[16] 时悦 , 赵铁丰 . 中国农业全要素生产率影响因素分析 [J].
华中农业大学学报: 社会科学版, 2009, 80(2): 13–15, 55
[17] 李尽法 , 吴育华 . 河南省农业全要素生产率变动实证分
析—— 基于 Malmquist指数方法[J]. 农业技术经济, 2008(2):
96–102
[18] 张建红, 余国新. 新疆农业生产效率动态变化研究: 1998–
2007[J]. 新疆农垦经济, 2009(6): 7–13
[19] 刘雪妮, 刘雪梅, 席晓宇. 基于 Malmquist指数的农业生产
效率分析—— 以山东省为例 [J]. 价值工程 , 2008, 27(6):
20–22
[20] 罗玲, 张祥翠, 朱乐君. DEA 视窗分析在技术创新效率评
价中的应用[J]. 商场现代化, 2009(35): 3–4
[21] 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
[22] Cooper WW, Seiford L M, Zhu J. Handbook of data envel-
opment analysis[M]. Boston: Kluwer Academic Publishers,
2004
[23] 广东农村统计年鉴编纂委员会主编 . 广东农村统计年鉴
(1996~2009)[M]. 北京: 中国统计出版社, 2009
[24] 国家统计局深圳调查队 . 深圳统计年鉴 (2005~2008)[M].
北京: 中国统计出版社, 2009