我国农户大麦生产技术效率及其影响因素分析——基于12个省份大麦种植户的调查数据

贾小玲，孙致陆，李先德

（中国农业科学院农业经济与发展研究所，北京 100081）

我国农户大麦生产技术效率及其影响因素分析
——基于12个省份大麦种植户的调查数据

贾小玲，孙致陆，李先德*

（中国农业科学院农业经济与发展研究所，北京 100081）

本文基于12个省份大麦种植户的调查数据，采用随机前沿生产函数模型，对农户大麦生产技术效率及其影响因素进行了分析。结果表明：样本农户大麦生产的平均技术效率为0.86，存在显著的技术效率损失；样本农户大麦生产技术效率不存在非常显著的省际差异；大麦生产各投入要素中，农资投入的平均产出弹性最大，人工投入的平均产出弹性最小；户主受教育程度、更换大麦品种频率和对大麦种子的满意度对技术效率有显著的正向影响，大麦种植面积对技术效率有显著的负向影响；东部地区样本农户的技术效率显著低于中部地区样本农户。最后，根据研究结论提出了强化科技支撑、加快良种良法推广和加强政策支持等提高大麦生产技术效率的建议。

大麦生产；技术效率；随机前沿生产函数模型；影响因素；大麦种植户

Abstract：Based on a survey data of barley farmers in 12 provinces, this paper analyzed the technical effciency of barley production and its infuencing factors by using the Stochastic Frontier Production Function model. Results show that the average technical effciency of barley production of the sampled farmers was 0.86, meaning that signifcant technical ineffciency existed in barley production. No signifcant interprovincial differences in the technical effciencies of the sampled farmers have been found. This study also found that the average output elasticity of different material inputs was the biggest and that of labor input was the smallest. Other factors, including the education level of the household head, the changing frequency of barley seeds, and farmers’ satisfaction on barley seeds, had significant positive influences on technical efficiency. While barley planting area showed significant negative impacts. The technical effciency of the sampled farmers in eastern region was signifcantly lower than that of the sample farmers in central region. To improve the technical effciency of barley production, this paper provides the following suggestions: to enhance the scientifc and technological supports for barley production, to accelerate the extension of high-quality varieties and good cultivating techniques, and to strengthen policy support for barley production.

Key words：barley production; technical effciency; stochastic frontier production function model; infuencing factors; barley farmers

大麦是使用范围广泛的禾谷类作物，它不仅是我国青藏高原地区藏族群众的主食，也是畜牧业和水产养殖业的优质能量饲料，还是啤酒酿造工业的重要原料。近年来，伴随着啤酒行业和畜牧业的快速发展，我国大麦需求总量快速增长，但是我国当前的大麦产量及质量都还不能完全满足不断增长的国内需求，严重依赖国外进口。根据中国海关数据，2015年我国大麦进口量高达1 073.23万t。在耕地资源较为有限、农业面源污染日益严峻、人口增长压力不断增大且不可能完全依赖国际市场满足国内需求的背景下，我国要确保国内大麦合理产能，不能单靠大量增加要素投入来提高大麦产量。因此，研究我国大麦生产的技术效率及其影响因素，对于充分发挥现有生产技术、提高各种投入要素利用率、进一步挖掘大麦生产潜力和提升我国大麦综合生产能力，都具有较为重要的现实意义。

目前，技术效率研究方法在我国农业领域的研究已经非常广泛，其中有大量研究分析了主要粮食作物的生产技术效率。从全国来看，玉米、小麦和粳稻等主粮生产的技术效率均出现了增长[1]；从不同地区来看，粮食主产区和产销平衡区技术效率指数都出现了增长，主销区技术效率则出现了下降[2]；从各省来看，小麦等主粮生产的技术效率存在较大省际差异[3]。也有学者从农户生产行为视角进一步分析了主要粮食作物生产技术效率影响因素。从农户自身特征来看，户主学历、农户种植经验等对粮食生产技术效率有显著的正向影响[4]；从农户生产决策来看，技术服务等生产性服务、种植面积、土地流转、土地细碎化程度等对提高粮食生产经济效率有显著促进作用[5-6]。此外，已有关于我国农业生产技术效率的研究还分析了棉花[7]、花生[8]、油菜[9]、乳制品[10]、羊毛[11]等农产品。目前，国内关于大麦产业的研究，从宏观层面主要对我国大麦的生产[12]、贸易[13]、供需[14]等方面以及世界其他主要大麦生产国概况[15]进行了分析，从微观层面主要分析了我国大麦产业链成本收益[16]、大麦种植户决策行为[17]等，但还鲜有关于大麦生产技术效率方面的研究。因此，本文在已有相关研究的基础上，根据大麦种植户问卷调研数据，采用随机前沿生产函数模型测算我国农户大麦生产技术效率并进一步分析其影响因素，最后提出相应的政策建议。

1 模型与方法

1.1 理论模型

在生产效率的研究中，随机前沿分析方法常被用于测算个体技术效率。该方法以具体的生产函数形式来估计生产前沿面，进而计算个体实际产出与生产前沿面表示的最大产出之间的差距，该差距表现了在现有技术水平下产出的损失。该方法适用于分析多投入单产出的生产过程。随机前沿生产函数模型的基本形式为[18-19]：

式中：Yit表示第i个生产单位在第t年的产量（或其对数）；Xit为K×1维投入向量，表示第i个生产单位在第t年的第K种投入（或其对数），β为其待估参数。Vi表示随机误差，其服从均值为0、方差为σv2的独立正态分布N(0, σv2)，且独立于Uit。Ui是反映第i个生产单位在第t年技术效率损失的非负随机变量，其独立于Vi，假设Ui服从独立的截断正态分布N(mit, σu2)，且假定mit=zitδ；其中，mit为技术效率损失，zit表示第i个影响技术效率损失的解释变量；δ为待估参数，表示zit对技术效率损失的影响，当δ取值为正时，表示zit对技术效率存在负向影响，当δ取值为负时，表示zit对技术效率存在正向影响。

Battese和Corra[20]提出用σ2=σv2+σu2和γ=σu2/ (σu2+σv2)分别代替σu2和σv2，然后利用Frontier4.1软件中的极大似然估计法可实现对式（1）的估计。其中，γ表示反映技术无效率Uit的方差项σv2在复合方差项σ2中所占比例，其取值在0和1之间，当γ趋近于0时，表明误差项主要来源于不可控的随机误差Vit；当γ趋近于1时，则表明误差项主要来源于技术无效率项Uit。此外，Battese[18]和Coelli[19]还给出了技术效率的表达式，生产单位i在第t年的技术效率可表示为：

式中：当Uit=0时，TEit=1，表示生产单位i处于完全技术有效状态；当Uit=1时，TEit=0，表示生产单位i处于完全技术无效状态；当0＜Uit＜1时，0＜TEit＜1，表示生产单位i处于技术非效率状态。

1.2 实证模型

随机前沿生产函数模型有两种具体的函数设定形式：柯布-道格拉斯（C-D）生产函数和超对数（Translog）生产函数。其中，柯布-道格拉斯生产函数暗含一个前提假设：各投入要素间的替代弹性为0或1。在确定实际农业生产活动中农户生产的具体生产函数形式时，由于事先并不知道各种投入要素之间的弹性替代情况，所以选择超对数生产函数更为合理，该函数可以作为一般生产函数的二阶近似，避免了模型的误设，结合本文的研究，其具体函数形式为：

式中：Yi表示第i个农户的大麦产量；β0、βa、βab为待估的参数向量；Xai和Xbi表示第a或b种生产要素的投入量；Vi-Ui为混合误差。式（4）中，Zj与δj分别表示第j个影响农户大麦生产技术效率的解释变量及其估计系数；εi为随机误差项，服从均值为0、方差为σw2的截断正态分布。

为了确定合适的随机前沿生产模型设定形式，本文基于Frontier4.1软件，采用最大似然值比值检验法来进行检验，其检验统计量可表示为：

式中：ln[L(H0)]和ln[L(H1)]分别表示限制性条件（即柯布-道格拉斯随机前沿生产函数）和无限制性条件（即超对数随机前沿生产函数）的对数似然函数的最大值。该检验的原假设H0为：“所有βab的估计值均等于0，应采用柯布-道格拉斯随机前沿生产函数进行估计”；备选假设H1为：“至少有一个βab的估计值不等于0，应采用超对数随机前沿生产函数进行估计”。当LR检验统计量值大于临界值时，应拒绝原假设H0，采用超对数随机前沿生产函数进行估计；反之，应接受原假设H0，采用柯布-道格拉斯随机前沿生产函数进行估计。

2 数据说明与变量确定

2.1 数据来源

本文研究采用的数据来源于国家大麦青稞产业技术体系产业经济研究课题组在2014-2016年开展的农户问卷调查。在我国，大麦分为皮大麦（即大麦）和裸大麦（即青稞）。为了客观真实地反映我国大麦生产现状，课题组对云南、西藏、青海、甘肃、新疆、内蒙古、江苏、河南、四川、浙江、湖北和安徽12个大麦主产省的大麦种植户进行了问卷调查，覆盖了我国主要大麦产区；其中，云南是我国西南地区大麦主产区，江苏和甘肃是我国啤酒大麦的主要产地，西藏、青海和四川等省份是我国裸大麦的主要产地，湖北、安徽和浙江是我国饲料大麦的主要产地，因此，研究地域具有较强的代表性。问卷调查依托国家大麦青稞产业体系在各大麦主产省的岗位科学家和综合实验站进行，具体是采取多层抽样与随机抽样结合的方式，在每个被调研村根据当地农户大麦种植规模选取样本农户，然后对其进行面对面的访谈式问卷调查。调查问卷主要包括大麦种植户的家庭特征、大麦生产决策行为、大麦投入产出情况等方面内容。最后，经过整理筛选，共获得有效调查问卷174份。

2.2 变量确定

根据随机前沿生产函数模型对投入产出变量的要求，本文将大麦单产作为产出变量，用Y表示。农业生产过程中的投入主要包括劳动、流动资本（如化肥、种子、农药等）和固定资产（如农机、生产用仓库等）[21]。因此，本文将农户在大麦生产过程中的农资投入（用X1表示）、机械投入（用X2表示）和人工投入（用X3表示）作为投入变量。其中，农资投入包括种子费用、化肥费用和农药费用；人工投入包括家庭用工折价和雇工费用。此外，土地也是农业生产中的一种重要投入，但鉴于本文研究中的产出变量与投入变量均以667 m2为单位，是在同等规模下对农户大麦生产的投入产出进行分析，因此在考虑投入时未包括土地。

根据已有关于农户生产行为的研究，影响农户生产技术效率的主要因素有农户自身特征、农户经营特征、农业政策、地区差异等[1,3-6]。根据研究目的及数据的可获得性，本文将影响农户大麦生产技术效率的因素确定为：1）户主自身及家庭特征变量，包括户主年龄、户主受教育程度和家庭务农劳动力数量；2）农户大麦生产决策变量，包括大麦种植年限、更换大麦品种频率、对大麦种子的满意度、大麦种植面积、是否参加合作社和是否流转土地；3）地区因素变量，根据各省的自然条件、经济发展水平和大麦产区分布情况，本文将我国大麦产区划分为东部、中部和西部三个地区；从本文分析的调研省份来看，东部地区包括浙江和江苏，中部地区包括湖北、河南、内蒙古和安徽，西部地区包括新疆、甘肃、青海、云南、四川和西藏。

对上述各变量的说明及其主要描述性统计分析结果如表1所示。

3 实证分析

3.1 模型设定形式检验

本文根据式（5）及表2中的估计结果计算得到的最大似然值比值检验统计量为16.81。可见，柯布-道格拉斯随机前沿生产函数模型在1%的水平上被拒绝，因此，本文采取超对数随机前沿生产函数模型来分析农户大麦生产技术效率及其影响因素。根据表2中的估计结果还可知，在超对数随机前沿生产函数模型中，表示技术无效率的方差项σv2在复合方差项σ2中所占比例的γ等于0.891 0且在1%的水平上统计显著，这表明总体技术非效率中可控制的技术非效率所占比例为89.10%，即农户大麦生产普遍存在显著的技术效率损失；可见，在现有的技术和投入水平下，如果能够减少技术效率损失，还可以在较大程度上提升大麦产量。

表1 变量说明及其主要描述性统计分析结果Table 1 Defnitions and descriptive statistics of the model variables

表2 随机前沿生产函数模型估计结果Table 2 Estimation results of the stochastic frontier production function model

3.2 大麦生产要素投入产出弹性分析

由于超对数随机前沿生产函数模型中各投入要素的系数估计值仅反映了要素之间复杂的替代和互补关系，其符号也仅说明要素之间的正向和负向影响关系，不能直接说明各个生产要素对大麦单产的产出弹性。本文接下来通过对式（3）求各投入要素的偏导数，来进一步分析其对大麦单产的影响，各投入要素的平均产出弹性公式可表示为：

3.3 大麦生产技术效率及其影响因素分析

3.3.1 技术效率分组与描述性统计分析 根据表3可知，在样本总体中，15.51%的样本农户技术效率在0.8及以下，84.49%在0.8以上，分布较为集中；33.33%的样本农户技术效率低于0.86，说明这些样本农户的技术效率还未达到平均水平。根据表4可知，从全部样本农户来看，其技术效率的均值为0.86；从各省来看，各省技术效率均值之间的差异总体上并不是非常显著，技术效率均值在0.9及以上的省份是江苏、河南、内蒙古、甘肃和四川，在0.9以下的省份是浙江、湖北、安徽、新疆、青海、云南和西藏，其中西藏最低且为0.62。

表3 样本农户技术效率分布情况Table 3 Distribution of the technical effciencies of the sampled farmers

表4 样本总体及各省技术效率描述性统计分析结果Table 4 Descriptive statistics of the technical effciencies of the average and different provincial regions

3.3.2 技术效率影响因素分析 根据模型（3）和（4）的设定形式可知，由于采用技术效率损失作为被解释变量，当解释变量的系数估计值为正时，表明其对大麦生产技术效率有负向影响；反之，当解释变量的系数估计值为负时，则表明其对技术效率有正向影响。

根据表5中的估计结果可知，从户主自身及家庭特征变量来看，户主年龄和务农劳动力数量对技术效率都有正向影响但均不显著。我国大麦产区主要位于中西部地区，由于农业比较收益较低，当地农村青壮年劳动力多数更愿意外出务工，目前从事农业生产的以年龄较大的农户为主；根据调研了解到，52%的受访户主年龄在50岁以上，78%的受访农户家庭务农劳动力数量少于或等于2人，造成户主年龄和务农劳动力数量对大麦生产技术效率的影响不显著。户主受教育程度对技术效率具有显著的正向影响，即户主受教育程度越高，其大麦生产技术效率也越高。其主要原因是，受教育程度越高的农户对于大麦良种良法的接受和采纳程度往往也越高，并且当其从事大麦种植时，会把有利于提高大麦产量的良种良法运用到实际生产中去，而且受教育程度越高的农户对外部环境变化的适应能力也更强，会更主动地通过各种渠道获取有关市场、政策等方面的信息，并据此适时调整生产决策，从而获得更高的经济效益，因此这些农户的大麦生产技术效率也越高。这与杨万江和李琪[4]的研究结果一致。

表5 技术效率损失函数模型估计结果Table 5 Estimation results of the technical effciency loss function model

从农户大麦生产决策变量来看，大麦种植年限和是否参加合作社对技术效率具有负向影响且均不显著，说明大麦种植户生产经验及其组织化程度对大麦生产技术效率的提高并无显著影响。根据调研了解到，受访大麦种植户很少接受过系统专业的农业技术培训，其大麦种植行为基本都是依靠自身种植经验，生产方式大多较为传统落后，也很少参加合作社，组织化程度普遍不高，从而导致种植经验和合作社难以有效发挥提高大麦生产技术效率的作用。更换大麦品种频率和对大麦种子的满意度对技术效率都具有显著的正向影响，说明更换大麦品种频率越高的农户和对大麦种子满意度越高的农户，其大麦生产技术效率也越高；可见，加强优质大麦品种的推广和普及，有利于提高农户大麦生产技术效率。大麦种植面积对技术效率具有显著的负向影响，土地流转对技术效率具有正向影响但不显著。通过调研了解到，样本农户的大麦种植面积呈现两极分布，48%的样本农户大麦种植面积6 670 m2以下，25%的农户种植面积66 700 m2以上，按这两种面积划分后的两类样本农户家庭平均务农人数均为2人左右；在样本农户大麦生产机械化水平普遍较低的情况下，播种、施肥、施药等大麦生产的各个环节基本都是由人工来完成，小规模生产下的人均种植面积较小，更适合采用精耕细作的种植方式，这种种植方式更有利于充分发挥生产要素的潜力，技术效率相对也更高，而大规模生产下的人均种植面积过大，劳动者生产负荷加大，大麦生产反而呈现出一定程度的规模不经济，并导致技术效率相对较低。

从地区因素变量来看，东部地区的系数估计值符号为正且在统计上显著，说明东部地区样本农户的大麦生产技术效率总体上显著低于中部地区样本农户。西部地区的系数估计值符号也为正但不显著，说明西部地区样本农户的大麦生产技术效率总体上低于中部地区样本农户，但是差异并不显著。这与根据表4对各省技术效率均值的比较分析结果也是一致的。近年来，受到种植比较效益变化、种植结构调整等因素的影响，我国大麦生产格局呈现出了逐渐向蒙新区、西南区等中西部地区进一步转移集中的变化特征[22]，这些地区已经发展成为我国大麦优势产区，因此，这些地区农户的大麦生产技术效率也相对要高于其他地区农户。

4 结论与建议

4.1 结论

本文根据12个省份大麦种植户的调研数据，采用随机前沿生产函数模型，对农户大麦生产技术效率进行了测算，并对其影响因素进行了分析。研究发现：第一，样本农户大麦生产平均技术效率为0.86，存在显著的技术效率损失；样本农户大麦生产技术效率不存在非常显著的省际差异。第二，大麦生产各投入要素中，农资投入的平均产出弹性最大，人工投入的平均产出弹性最小。第三，户主受教育程度、更换大麦品种频率和对大麦种子的满意度对技术效率有显著的正向影响，大麦种植面积对技术效率有显著的负向影响；东部地区样本农户的技术效率显著低于中部地区样本农户，西部地区样本农户和中部地区样本农户的技术效率差异则不显著。

4.2 建议

基于上述结论，为提高我国大麦生产技术效率，本文提出如下几点对策建议。

1）强化大麦科技支撑。依托国家大麦青稞产业技术体系，加强大麦区域性优质新品种的选育以及播种、施肥、病虫害防治等大麦科学种植管理技术的研发。

2）加快大麦良种良法的推广。因地制宜地开展大麦新品种新技术的示范推广，强化对大麦种植户的技术培训和指导，改善其种植技术水平和科学管理能力，提升大麦种植机械化水平，促进各投入要素利用率以及大麦产量和品质的提高。

3）加强对大麦生产的政策支持。与主粮相比，目前大麦在我国的受重视程度还不高，可在政策方面给予适当倾斜，抢抓当前推进种植业结构调整的政策机遇，将大麦作为一种特色作物纳入其中，重点加强对优势产区大麦种植的政策扶持力度，将大麦列入农业支持保护补贴范围，稳定并提高大麦种植比较效益，提高农户种植大麦的积极性。

[1] 田维明. 中国的农业发展: 思考与探索[M]. 北京: 中国农业出版社, 2013.

Tian W M. China’s Agricultural Development: Thinking and Exploration[M]. Beijing: China Agriculture Press, 2013.

[2] 马林静, 王雅鹏, 田云. 中国粮食生产全要素生产率及影响因素的区域分异研究[J]. 农业现代化研究, 2014, 35(4): 385-391.

Ma L J, Wang Y P, Tian Y. Regional differentiation of grain total factor productivity and infuencing factors in China[J]. Research of Agricultural Modernization, 2014, 35(4): 385-391.

[3] 苗珊珊. 我国小麦生产的技术效率和技术进步模式[J]. 华南农业大学学报(社会科学版), 2014(3): 9-17.

Miao S S. The technical effciency and technological progress of wheat production in China[J]. Journal of South China Agricultural University (Social Sciences Edition), 2014(3): 9-17.

[4] 杨万江, 李琪. 我国农户水稻生产技术效率分析——基于11省761户调查数据[J]. 农业技术经济, 2016(1): 71-81.

Yang W J, Li Q. Analysis on technical effciency of farmer’s rice production in China: Based on 761 survey data of 11 provinces[J]. Journal of Agrotechnical Economics, 2016(1): 71-81.

[5] 刘强, 杨万江, 孟华兵. 农业生产性服务对我国粮食生产成本效率的影响分析——以水稻产业为例[J]. 农业现代化研究, 2017, 38(1): 8-14.

Liu Q, Yang W J, Meng H B. Impact of agricultural production services on grain cost efficiency in China: A case study of rice industry[J]. Research of Agricultural Modernization, 2017, 38(1): 8-14.

[6] 黄祖辉, 王建英, 陈志钢. 非农就业、土地流转与土地细碎化对稻农技术效率的影响[J]. 中国农村经济, 2014(11): 4-16.

Huang Z H, Wang J Y, Chen Z G. Impact of non-agricultural employment, land circulation and land fragmentation on rice farmers’ technical efficiency[J]. Chinese Rural Economy, 2014(11): 4-16.

[7] 田伟, 李明贤, 谭朵朵. 中国棉花生产技术进步率的测算与分析——基于随机前沿分析方法[J]. 中国农村观察, 2010(2): 45-53.

Tian W, Li M X, Tan D D. Estimation and analysis of technical progress rate of cotton production in China[J]. China Rural Survey, 2010(2): 45-53.

[8] 周曙东, 王艳, 朱思柱. 中国花生种植户生产技术效率及影响因素分析——基于全国19个省份的农户微观数据[J]. 中国农村经济, 2013(3): 27-36.

Zhou S D, Wang Y, Zhu S Z. Analysis on technical effciency and infuencing factors of peanut growers in China: Based on farmers’micro-data of 19 provinces[J]. Chinese Rural Economy, 2013(3): 27-36.

[9] 李然. 中国油菜生产的经济效率分析[D]. 武汉: 华中农业大学, 2010.

Li R. Analysis on economic efficiency of rape production in China[D]. Wuhan: Huazhong Agricultural University, 2010.

[10] 杜凤莲, 马慧峰, 付红全. 中国不同模式原料奶生产技术效率分析[J]. 农业现代化研究, 2013, 34(4): 486-490.

Du F L, Ma H F, Fu H Q. Analysis on technical efficiency for different patterns of raw milk production[J]. Research of Agricultural Modernization, 2013, 34(4): 486-490.

[11] 孙致陆, 肖海峰. 农牧户羊毛生产技术效率及其影响因素研究——基于内蒙古、新疆等5省份农牧户调查数据的分析[J].农业技术经济, 2013(2): 86-94.

Sun Z L, Xiao H F. Study on technical effciency and infuencing factors of farmers’ wool production: Based on the survey data of farmers in Inner Mongolia, Xinjiang and other three provinces[J]. Journal of Agrotechnical Economics, 2013(2): 86-94.

[12] 李先德等. 中国大麦产业经济问题研究[M]. 北京: 中国农业出版社, 2012.

Li X D, et al. Study on the Economic Problems of Barley Industry in China[M]. Beijing: China Agriculture Press, 2012.

[13] 程燕, 李先德. 中国与世界大麦主要出口国生产贸易的比较分析[J]. 世界农业, 2012(2): 23-29.

Cheng Y, Li X D. Comparative analysis on production and trade of China and major exporters of barley[J]. World Agriculture, 2012(2): 23-29.

[14] 张琳, 李先德, 孙东升. 中国大麦供需平衡及趋势分析[J]. 中国农业科技导报, 2014, 16(4): 16-22.

Zhang L, Li X D, Sun D S. Analysis on the supply and demand balance and tendency of barley in China[J]. Journal of Agricultural Science and Technology, 2014, 16(4): 16-22.

[15] 吕晓英, 李先德. 世界大麦主产国产业政策研究[J]. 世界农业, 2013(12): 58-62.

Lü X Y, Li X D. Analysis on the industry policies of main barely producing countries[J]. World Agriculture, 2013(12): 58-62.

[16] 程燕, 李先德. 我国啤酒大麦产业链成本收益分析——基于豫鄂蒙新四省区的调研数据[J]. 农业技术经济, 2014(8): 84-92.

Cheng Y, Li X D. Cost-benefit analysis on China’s beer barley industry chain: Based on the survey data of Henan, Hubei, Inner Mongolia and Xinjiang[J]. Journal of Agrotechnical Economics, 2014(8): 84-92.

[17] 岳子惠. 我国大麦种植户生产决策行为分析[D]. 北京: 中国农业科学院, 2014.

Yue Z H. Analysis on production decision-making behavior of barley growers in China[D]. Beijing: Chinese Academy of Agricultural Sciences, 2014.

[18] Battese G E. Frontier production functions and technical efficiency: A survey of empirical applications in agricultural economics[J]. Agricultural Economics, 1991, 7(3/4): 185-208.

[19] Coelli T J. A guide to Frontier Version 4.1: A computer program for stochastic frontier production and cost function estimation[J]. Economics Letters, 1992, 39(1): 29-32.

[20] Battese G E, Corra G S. Estimation of a production frontier model: With application to the pastoral zone of eastern Australia[J]. Australian Journal of Agricultural and Resource Economics, 1977, 21(3): 169-179.

[21] 许庆, 尹荣梁, 章辉. 规模经济、规模报酬与农业适度规模经营——基于我国粮食生产的实证研究[J]. 经济研究, 2011(3): 59-71.

Xu Q, Yin R L, Zhang H. Economies of scale, returns to scale and agricultural optimum-scale management: An empirical study based on grain production in China[J]. Economic Research Journal, 2011(3): 59-71.

[22] 杨东群, 李先德. 中国大麦生产格局变化及其决定因素[J]. 中国农学通报, 2013, 29(32): 105-111.

Yang D Q, Li X D. Changes of China’s barley production pattern and its determinants[J]. Chinese Agricultural Science Bulletin, 2013, 29(32): 105-111.

（责任编辑：王育花）

The technical effciency and its infuencing factors of barley production in China: A case study of a survey data of barley farmers in 12 provinces

JIA Xiao-ling, SUN Zhi-lu, LI Xian-de
（Institute of Agricultural Economics and Development, Chinese Academy of Agricultural Sciences, Beijing 100081, China）

F323.3 文献标识码：A 文章编号：1000-0275（2017）04-0713-07

10.13872/j.1000-0275.2017.0077

贾小玲, 孙致陆, 李先德. 我国农户大麦生产技术效率及其影响因素分析——基于12个省份大麦种植户的调查数据[J]. 农业现代化研究, 2017, 38(4): 713-719.

Jia X L, Sun Z L, Li X D. The technical effciency and its infuencing factors of barley production in China: A case study of a survey data of barley farmers in 12 provinces[J]. Research of Agricultural Modernization, 2017, 38(4): 713-719.

国家大麦青稞产业技术体系建设专项经费项目（CARS-05）；中国农业科学院科技创新工程项目（ASTIP-IAED-2016-06）；国家自然科学基金项目（71473253）。

贾小玲（1993-），女，山西洪洞人，硕士研究生，主要研究方向为农业经济理论与政策，E-mail：xiaojia0901@163.com；通讯作者：李先德（1964-），男，湖北监利人，博士，研究员，主要研究方向为农产品市场与贸易，E-mail：lixiande@caas.cn。

2016-12-29，接受日期：2017-03-21

Foundation item: China Agriculture Research System (CARS-05); The Agricultural Science and Technology Innovation Program of Chinese Academy of Agricultural Sciences (ASTIP-IAED-2016-06); National Natural Science Foundation of China (71473253).

Corresponding author:. LI Xian-de, E-mail: lixiande@caas.cn.

Received 29 December, 2016;Accepted 21 March, 2017