廣東省農業用地利用效率評價及影響因素分析

杜國明 賴珂珂 顧一笑

摘 要：廣東省各地區的農業生產在農業用地利用效率上存在著顯著的差異。本文收集了2016—2020年廣東省20個地區的面板數據，構建了測算廣東省各地區農地利用效率的投入—產出指標體系，使用DEA超效率模型與Malmquist指數分解相結合的方法，比較分析了廣東省 20個地區在此期間農地利用效率及其變動趨向，使用面板數據歸因分析方法，討論了廣東省各地區農地利用效率變動的影響因素和作用路徑。結論如下：①2016—2020年期間，廣東省各地域土地利用效率存在顯著的差異，近50%地區的農業用地利用處于DEA無效狀態；②廣東省整體農地利用效率在2016—2020年期間呈現增長態勢。③廣東省各地區農地利用效率及其變動趨勢在2016—2020年期間存在著顯著的差異性。④廣東省城市經濟的快速發展對農業發展的促進效應小于對農業資源的擠占效應。⑤與廣東省各地區急速現代化發展相比，廣東省各地區農業生產的結構調整已經表現出了發展滯后現象。

關鍵詞：農業用地；利用效率；DEA超效率模型；Malmquist指數；歸因分析

中圖分類號：F301.2? ?文獻標識碼：A? ?文章編號：1008-2697（2023）06-0004-09

一、引言

隨著鄉村振興戰略的提出以及實施，中國人清醒的認識到中國鄉村社會擁有自己獨特文化和悠久歷史底蘊和內涵的鄉土文明，遵從西方的石油農業、大規模農業的發展道路，都有可能失敗。尋找一條新的途徑，活化我國農村、農業最有價值的資源——土地，以及土地上承載的數以百億計的生態資源價值，將其轉換成我國社會未來發展強大的動力，為我國暢通國內經濟大循環提供基本保障。

以廣州、深圳為中心，強勁的輻射作用，帶動了周邊地區的經濟發展，廣東經濟長期排名全國第一。但是廣東省內各地區之間的經濟發展水平差異也表現出不平衡的一面。尤其由于空間地理分布、自然稟賦、距離中心城市遠近，以及與各地區農業外部環境物資交換強度等地區性異質性差異影響的存在，廣東省各地區的農業生產在農業用地利用效率上存在著顯著的差異。這一差異強化了廣東省各地第一產業與二三產業發展的差距。顯然，在有效保護農地的基礎上，提高稀缺農地資源的利用效率，對推動廣東省農業生產，實現農業的綠色發展、鄉村振興都有著十分重要的意義。

國外對于土地利用研究起步較早，這些研究早期關注的重點是農業用地管理、使用制度的比較。但是隨著農業用地稀缺性的提升，近20年，土地可持續發展理論的興起，土地資源可持續利用已成為研究人類社會可持續發展的核心內容，土地資源可持續利用成為當今世界學術界的熱門話題。20世紀70年代開始，理論的發展，統計計量軟件的大量使用，以及數據的可獲得性提高，促使學者們轉向對土地資源利用的是實證研究，研究范圍獲得了更大的擴展。Tudor [1]在羅馬尼亞農業用地綜合利用項目中，創造性引入工具變量，將土地利用效率與糧食危機聯系起來，研究結果表明受到大量農產品進口的影響，市場不再有效反映本地農產品生產成本，理性的農戶將因此主動減少在農業用地上的投入以應對可能的經營風險。Liangjian[2]、Van Zanten[3]實證研究認為對于土地利用效率評價這一復雜的非線性社會系統，努力通過模型中引入過多影響因素，并不能得到有解釋力的結果。Li[4]使用面板數據，討論了中國東北地區城市化對周邊小城鎮種植業土地利用效率的影響，研究表明城鎮化率和農業總產值占比高度負相關，城鎮化率對土地利用效率影響高度顯著，但是農業產值的占比對土地利用效率影響并不顯著。

國內學者對我國土地利用的研究開展較晚，近二十年來，在土地利用效率研究方面，學者對土地利用的焦點轉向農業用地利用效率的實證分析方面。在數據選擇上，有從截面數據、時序數據向面板數據轉移的趨勢。在研究方法上，也表現出從主成分分析法、層次分析法、DEA數據包絡分析，向面板數據分析、空間計量分析轉移的趨勢。吳振華、雷琳等[5]使用數據包絡分析法，建立三階段DEA模型，對河南省和江蘇省的農業土地利用效率進行了省級區域比較研究，研究表明環境因素、土地利用的規模效率、有效的土地市場都是影響土地利用綜合效率的關鍵因素。丁濤、武禎妮[6]進行了農業土地資源利用效率的區域比較研究，表明與DEA方法聯合使用的Malmquist指數分析方法，在處理面板數據時，相比之前的普通DEA包絡分析方法有很大的優勢。李婭、譚秋等[7]從農業產業發展適宜性的角度對原平市進行了定量分析，以土地利用為中心，對原平市農業產業布局的優化問題提出了建議。

在農業用地效率評價指標方面，以“農業用地利用效率”在知網上查詢2016—2021年的核心期刊，部分學者利用數據包絡模型分析法研究農業用地構建的評價指標。趙茜宇、張占錄[8]在全國范圍內，以農業從業人員數、農業機械總動力、農用地面積、化肥施用量為投入變量，以糧食產量、農業總產值為產出變量進行研究。牛星、吳岳婷等[9]在江蘇省范圍做的相關分析中，以農林牧漁就業人員、農業機械總動力、家庭承包耕地流轉總面積、農業化肥使用量、流轉用于種植糧食作物的面積為輸入，以糧食產量、農業產值為輸出。徐玉婷、黃賢金等[10]以長江中下游地區為例，分析的是家庭用工和雇工總量、年播種面積、生產資料流動資本、雇工工資、租賃機械流動資本、土地租金、固定資產折舊為投入指標，農業生產的年毛收入和從事水稻經營的農業經營主體農業生產的年總產量為產出指標。

綜合來說，目前主要使用的分析方法中有主成分分析法（PCA），優點是可以進行多指標變量綜合評價，加快對樣本有價值信息的處理速度。但是，在處理過程中難以對研究進行干預，因此有導致工作得不到預期效果的可能。層次分析法可以對未知系統進行探索性評價，在多目標、多準則、多時期的系統評價上，在工作效率上有比較優勢。缺點是分析過程容易受到主觀影響，定量分析較少，定性成分多，缺乏一定科學性。與前兩種分析方法相比，數據包絡分析方法（DEA）的優點是不需要函數具體形式，也不需要為研究變量設置權重，直接利用非線性規劃方法，在處理多輸入、多輸出的復雜非線性系統效率定量分析上具有顯著的優勢。不過傳統DEA模型在計算效率值時也存在方法上的局限，即在評價結果上常常存在復數個有效的決策單元，因為無法對其排序，這使得研究無法進一步比較有效決策元單間效率的高低。也是由于這個原因，本文借鑒近期文獻的工作方法，在比較廣東省各地區土地利用效率變動規律上，使用了DEA超效率CCR模型和Malmquist指數分解相結合的分析方法。

二、廣東省農業用地資源及利用概況

從廣東省農業用地資源現狀看，以耕地為例，根據廣東省統計局公布耕地面積數據，全省2018年末耕地保有量面積為4702.49萬畝。廣東省各市2018年末耕地保有量面積如圖1所示，廣東省耕地主要分布在湛江市、清遠市、茂名市、韶關市、陽江市、江門市等地。

交叉觀察廣東省各地區農業用地占比（地區農業耕地/全省耕地保有面積）、農業總產值占比（地區農業產值/地區生產總值）、農業勞動力占比（地區第一產業從業人員/全省第一產業從業人員）情況。

從圖2可以看到，在耕地利用效率上，廣東省各地區存在顯著的差異。例如廣州、揭陽和云浮，汕頭和中山，江門和陽江，在大致相同的農業用地占有條件下，在農業產值上卻出現了顯著不同。這表明，由于各地社會經濟自然條件的不同，在農業用地利用上各個地區存在著地區異質性。

如圖3所示，廣東省絕大部分地區的農業生產采用的都是節約耕地或者耕地中性的生產路線。不過，不同地區在農業生產技術的勞動力偏向上，還是存在很大的差別。例如汕頭、潮州、中山大約在耕地占比上，處在相同的水平。在單位土地上，相比潮州、中山、汕頭的農業生產吸收了更多的勞動力。一般而言，市場經濟下勞動力可以自由流動，由此汕頭農業生產的單位土地產值要大于潮州，而潮州要大于中山。顯然，這些地區的農業產出結構是不同的，誘致理性農戶選擇了不同的土地利用水平。

三、廣東省農業用地利用效率測算與評價

（一）變量選取與數據描述

廣東省農業用地利用效率評價第一步是選取投入產出指標。選取的評價變量要能夠獲得相關數據，具有代表性，能全面、準確、客觀的反映農業用地利用過程中的投入和產出變化。評價指標體系如表1所示。

土地投入：農業生產中最重要投入要素是土地。選取農作物總播種面積作為農業用地投入的指標。

資本投入：資本的投入可以帶來技術，技術可以影響產出，進而影響農業土地利用效率。以農業機械總動力、農用化肥使用折純量體現農民在生產上的資本投入。

勞動力投入：勞動力是土地利用的主體。選取第一產業從業人員數作為勞動力投入的指標。

經濟效益：包括國民生產總值、財政收入等。選取農業總產值作為經濟效益指標，用來表示農業土地帶來的經濟產出。

社會生活效益：農業生產作為農民的主要收入來源。選取糧食產量和農村人均收入水平作為社會產出指標。

廣東省農業用地利用效率評價模型使用了2016年至2020年有關農業土地利用的各項投入與產出數據，樣本為2016至2020年廣東省20個地區的區域數據，共100個觀察結果，如表2。

（二）廣東省農業用地利用效率測算與分析

使用DEA—SOLVER13軟件對廣東省 20個區域的農業用地利用效率進行逐年測算，結果顯示： 同一時期，廣東省各地域土地利用效率存在很大的差異，近百分之五十地區的農業用地利用處于DEA無效狀態，這使得廣東省五年來的總體農業用地利用效率未達到有效狀態，如下表所示。

以 2016年為例，廣州、珠海等 11個地區的土地利用效率處于 DEA有效狀態，說明這些地區的農業用地利用上的投入產出達到DEA意義上的最優配置； 而其他9個地區在土地利用上的投入產出，雖然從平均得分上看也比較高，但是是非 DEA有效的，說明在農業用地利用效率的改進上還有提升的空間。

基于普通DEA—CCR模型分析的結果，同一時期多個地區的土地利用效率均為 1，無法比較它們之間的效率高低。為此，使用Maxdea軟件的DEA超效率模型對面板數據進行處理，以解決農業用地利用效率有效區域之間的排序問題，結果如表4所示。仍然以2016年為例，廣東省11個土地利用效率DEA有效區域，根據超效率DEA結果，可依次按降序排列為中山、東莞、廣州、茂名、江門、珠海、梅州、揭陽、河源、佛山、汕頭。然而，2017 年中山地區的農業用地利用效率即從上一年的6.77下降到1.009，下降到了全省排名的第十三位，近兩年甚至降到0.637、0.607，處于農業用地利用DEA無效水平。這說明不同年份間的廣東省各區域土地利用效率存在著很大的變動。

（三）基于Malmquist指數的廣東省各地區農業用地利用效率變化分析

為了說明不同時期廣東省整體農業用地利用效率的變動情況，借助Maxdea軟件的Malmquist 指數方法，對廣東省20個區域2016—2020年在農業用地利用的投入、產出面板數據進行時間序列分析。結果如表5、圖4所示。

觀察上表，可以看出：

（1）2016—2020年間，廣東省農業用地利用效率總體上處于增長態勢，土地利用的整體效率（MI）年均增長5%。Malmquist 指數對整體效率變動來源的分解表明，土地利用效率整體增長的來源是技術效率變動（EC）和技術進步變動（TC）的聯合作用。其中，技術進步增長是主要方面。即農業用地利用效率的變化，主要來自第一產業外部經營環境不斷的改善，這一點達到了年均增長4%的水平。在規模報酬可變假設下，可以觀察到通過Malmquist指數對技術效率（EC）變動因素的進一步分解。廣東省農業用地利用的規模效率變動指數（SEC）平均增長了6.6%，這說明廣東省農業用地利用效率在技術給定條件下，改善主要取決在土地集約利用水平的提高上。在技術給定條件下，農業用地利用的純技術進步變化效率（PEC）有逐年度略微下降的趨勢。

（2）從總體上看，在2016至2020年整個時間段內，除純技術效率變動指數（PEC）外，其他反映廣東省農業用地利用效率變動情況的指數均呈現不同程度的增長趨勢。2016至2019年時間段內，廣東省農業用地利用的整體效率變動指標（MI）和農業用地技術進步效率變動指標（TC）的增長速度始終不斷提高，在2019至2020時間段增長速度出現了下降；農業用地利用的規模效率變動指標（SEC）在2016—2017、2017—2018兩個時間段內雖然繼續大幅下降，但其后在2018—2020時間段內基本保持平穩的增長。

（3）廣東省農業用地利用技術進步效率增長率與農業用地利用整體效率變動情況呈現同方向變動；但是農業用地利用的技術效率變動，雖然在五年的時間內始終保持正的增長速度，但是增長速度的變化是不斷下降的，農業用地利用的純技術效率變動指標（PEC），雖然在2016—2018年出現了改善，但在五年時間段內的大多數時間里，其增長率都是負的。這說明制約廣東省農業用地整體利用效率進一步提高的主要因素來自農業用地利用的投入資源的協調和產出結構的調整上。即廣東省農業用地整體利用效率變動指標（MI）增長的主要來源在于技術進步效率變動指標（TC）的改善。與此相對，由技術效率變動指標（EC）表現的農地利用的微觀層面，對農地利用整體效率提高的影響，相比之下微弱很多。

在對廣東省農地利用效率變動情況整體性分析的基礎上，對廣東省各區域間的農地利用效率變動的差異情況進行比較。廣東省2016—2020年各地區農地利用效率變動的Malmquist指數指標及其分解，如表6所示。

從上表可以看出： 2016—2020 年期間，廣東省各地區農業用地利用效率整體變動（MI）情況，均呈現出不斷增長的態勢（除河源和中山）。測算2016—2020年廣東省各地區農業用地利用效率變化情況的Malmquist指數及其分解后的各項變動指標描述統計，如表7所示：

測算宏觀環境對土地利用效率變動影響的技術進步變化指數（TC），各地區在2016—2020年的整個時間段內，和各地區的Malmquist指數同步，均呈現正向增長的態勢。與此相對，描述微觀經營層面對土地利用效率變動影響的技術效率變化指數（EC），正向的變動趨勢卻很微弱。在規?？勺兗僭O下對這一指標進一步的分解，如表7，由技術效率變動指數（EC）進一步分解得到的兩個指標：純技術效率變動指數PEC和規模效率變動指數SEC，地區間差異顯著，且由方差表示的波動幅度也遠高于其他指數。其中，表示農業用地利用純技術效率變化的指數PEC，在2016—2020年期間出現持續性下降的地區達到了10個，在所有效率變動指數中的表現最差。描述微觀經營層面對農地利用效率的技術效率變化指數EC，正向變動趨勢微弱的原因也是主要來源于此。

從圖5可知，珠海、佛山、韶關、東莞、湛江、中山、清遠、河源8個地區的農業用地利用效率的變動主要來自于技術進步變動的影響；廣州、汕頭、惠州、汕尾、陽江、茂名、肇慶、潮州、云浮9個地區的農地整體利用效率的變動同時受到了來自技術進步指數和技術效率變動的聯合影響；江門土地利用效率變動原因主要受到的是技術效率變動的影響；此外，技術進步變動與技術效率變動對梅州、揭陽的土地利用效率的影響均不顯著。這也是這兩個地區，土地利用整體效率在2016至2020年整個時間段內總體保持不變的原因。

四、廣東省農業用地利用效率影響因素實證分析

（一）影響因素選取

使用面板數據，對農業用地利用效率值做歸因分析，討論影響廣東省各地農業用地利用效率的可能因素、作用途徑及其影響的大小。

土地報酬遞減規律使得農地利用效率受到多種因素的影響。首先是生產方向的選擇，其次是與農業用地配套的生產資料投入與技術選擇，如施肥量、施肥面積、播種面積、勞動力等，這些是農戶可以自行選擇、控制的。而地區經濟發展水平、農業補貼政策及不可控的自然環境影響，這些超出了經營主農戶的控制范圍。因此，對影響農地利用效率的影響因素，可以根據農戶可控和不可控程度進行劃分，并在數據可獲得性約束下進行選取。

在影響因素初步選取的基礎上，為了抑制歸因分析中可能遇到的異方差、自相關等擾動的影響。我們使用原始變量面板數據集，對部分原始變量做了比率化處理。由此，結合變量的相關系數矩陣比較及對廣東省各地農業用地利用效率的討論，選取了代表宏觀環境因素的城鎮化率、農業占比（各地農業總產值占比）、單位貨運量、代表微觀投入因素的灌溉比率、代表微觀產出因素的人均農業生產產值為主要研究指標。以下將分析這五個因素對廣東省農業用地利用效率的影響。

（二）廣東省農業用地利用效率影響因素回歸模型的構建

為了進一步抑制解釋變量間可能出現的自相關、多重共線性、異方差的影響，對面板數據集的回歸分析，選擇了非線性的雙對數模型，基本形式是：

lnYit=β0+β1lnx1it+…+βnχnit+μi+εit（1）

（三）農業用地利用超效率值的影響因素面板數據分析結果及解釋

由Tobit模型得到的系數，是潛變量y*對解釋變量的偏導數，也就是說，Tobit截斷回歸方法得到的系數，和線性回歸模型系數作為解釋變量的邊際效應意義不同，它測算的是解釋變量在某個特定位置，被解釋變量出現的概率，因此雖然可以通過符號做

變量間相關性的定性分析，但是在定量分析中很難找到有經濟意義的解釋。為此，本文使用了Maxdea軟件的DEA超效率模型，這個軟件的優點是能對所有DEA有效決策單元進行排序，因此數據集的值域不再存在[0.1]的局限。

首先，使用Stata15以地區為聚類變量，用效率對數值對人均產值、灌溉比率、城鎮化率、農業占比、單位貨運量的對數值做穩健標準誤的混合回歸。然后，分別使用上述變量做固定效應回歸、隨機效應回歸，最后根據Hausman檢驗結果，匯報哪種回歸方法的結構更有效率。面板數據回歸結果如表9所示。

Hausman檢驗結果不拒絕“原假設H0：個體效應隨機擾動項u與解釋變量xi不相關”，也就是說，Hausman檢驗認為模型的隨機擾動項中存在與解釋變量農地利用效率不相關的個體異質性影響因素。在這種情況下， Hausman檢驗認為隨機效應模型的估計效率優于固定效應模型，Hausman檢驗結果如表10所示。

結果顯示，核心變量人均產值、灌溉比率、單位貨運量、城鎮化率、農業占比，無論是混合回歸、固定效應回歸還是隨機效應回歸，不僅符號相同，而且，回歸系數都是顯著的。依據Hausman檢驗的指示，以下的討論主要依據來自于使用穩健標準誤的隨機效應模型結果：

（1）農業勞動力人均農業生產產值對農業用地利用效率值的影響，在所有回歸結果中都是高度顯著的，并且其影響是正向的?；貧w結果表明農業勞動力人均農業生產產值每提高1%，農業用地利用效率值將提高0.338%。即各地根據自身比較優勢，及時調整農業土地生產結構，提高以市場價格計量的農地產出，有利于農地利用效率的提高。

（2）有效灌溉面積和農作物播種面積的比值——灌溉比率，其對農地利用效率的影響是負向的，即有效灌溉比率提高百分之一，將降低農地利用效率0.336%。從回歸結果看，在目前生產技術條件、農業生產組織方式、產出結構給定的條件下，廣東省各地區土地利用效率已經達到了相對最優的狀態，單純對單位土地增加投入，農業用地利用效率的綜合比較并不給予灌溉比率這一生產投入以正向的評價。在其他變量不變的條件下，單位農地上進一步的資源投入，將導致農業用地利用效率的降低。

（3）單位貨運量對農業用地利用效率值的影響是正向的。雖然這一影響在統計上不顯著，但是卻不能忽視。沒有有效暢通的物流輸入輸出，理性農戶的生產產出決策，生產產出結構優化調整必然存在嚴重的局限。

（4）城鎮化率和農業產值占比兩個變量在主要回歸估計中都是高度顯著的。城鎮化率每提高一個百分點，將降低農業用地利用效率1.224個百分點。一般來說，一方面，二、三產業的蓬勃發展，將誘致更多的農業勞動力和資源從農業向外發生轉移，這將對農業生產和農業用地利用產生擠出效應。另一方面，二、三產業的快速發展，都將產生更多的農村公共物品投入和私人投入反哺農業，促進農業產出結構的不斷優化調整，促進單位農業用地利用效率的提高。顯然正反兩方面的影響，回歸結果中顯示出目前其最終合力對農業用地利用效率的影響是負向的。這意味著目前廣東二、三產業的快速發展，對農業生產的促進作用還存在一定的滯后，對各地區農業生產資源的擠占還是城鎮化發展的主要方面，顯然這將降低土地的農業生產上的利用效率。

（5）農業產值占比對農業用地利用效率的影響，在主要回歸估計中都是高度顯著的?；貧w結果顯示農業總產值占比每提高一個百分點，將降低農業用地利用效率0.534%。一般而言，各地農業生產總值占比的提高，通常意味著農業生產的規模經濟和集約利用程度的提高。但是另一方面，農業生產總值占比高也意味著二、三產業發展不足，顯然這將減弱二、三產業對農業生產的支持與反哺效應。在農業產出結構、技術條件、生產組織制度給定的條件下，回歸結果顯示的農業總產值占比對農業用地利用效率的負面影響，顯示農業占比提高的農業生產規模經濟對農業用地利用效率的改善效應，小于二、三產業發展不足對農業用地利用效率提高的支持和反哺效應。同時，農業生產總值占比提高對農業用地利用效率的負向影響，強化了目前城鎮化率提高對農業用地利用效率的負向影響。顯然與廣東省各地區其他產業的發展速度相比，農業產業發展存在一定程度的滯后。

（6）隨機效應模型估計的常數項12.06，這一影響在模型的估計中是高度顯著的。它代表“個體效應”μt的平均影響。這說明在對農業用地利用效率的估計中，對回歸過程中由（μt+εit）兩部分構成的復合擾動項中，存在著與目前模型中所有的解釋變量χnit均不相關的代表地區異質性的隨機變量“個體效應”μi的影響。

五、廣東省農業用地利用效率研究結論與建議

（一）研究結論

使用超效率DEA模型與Malmquist 指數分解方法，對2016—2020年廣東省整體及各地區農業用地利用效率及其變動情況的比較討論，得出如下結論：

（1）廣東省各地域土地利用效率同期間存在很大差異，近50%地區的農業用地利用處于DEA無效狀態。

（2）廣東省整體農業用地利用效率呈現增長態勢。這主要源于技術進步與技術效率改善的交叉作用，其中技術進步的影響巨大。廣東省農業用地利用效率增長的主要來源在于農業外部經營環境的極大改善，即政府惠農政策的不斷出臺，政府對農村、農業組織管理水平的不斷提高。

（3）廣東省各地區的土地利用效率與廣東省整體一樣均不同程度呈現出增長的趨勢。不同地區土地利用效率變化受到技術進步、技術效率指數變動的影響程度各有不同。從技術效率變動指數來看，東莞、中山、江門、湛江、茂名5個地區的技術效率變動主要來自于規模效率變動的影響，惠州、汕尾、肇慶、潮州、云浮5個地區的技術效率變動主要來自于純技術效率變動的影響，廣東省其他10個地區的技術效率變動，則受到了純技術效率變動與規模效率變動兩方面的影響，是共同影響作用下形成的。因此，為了提高土地利用效率，需要各地因地制宜。

（4）從農業用地利用效率角度觀察，廣東省經濟社會發展到了一個瓶頸狀態。廣東省城市經濟的快速發展對農業發展的促進效應小于對農業資源的擠占效應；農業生產集約程度提高帶來的規模經濟效應，小于當地二、三產業發展與第一產業物質與信息交換帶來的增值效應，如果這種交流強度存在增長的阻滯，這將降低農業用地利用的綜合效率。與廣東省各地區社會、經濟結構急速現代化發展相比，廣東省各地區農業生產的結構調整已經存在不容忽視的滯后現象。

（二）建議

延展農業產業鏈，拓寬產業發展。調整優化農地使用的投入產出結構，提高土地的利用效率，促進農地利用的產業化是全社會的任務。因此，廣東省各地區要走城鄉經濟融合的發展道路。各地政府要打破城鄉之間、產業之間的藩籬，采取利益導向引導二、三產業加強與本地第一產業的物質與信息交流的強度與廣度。延展農業生產的產業鏈條，拓寬農業、農村的發展空間。

調動各方力量，實現鄉村振興。在農地有效利用上，活化土地，以及生態資源價值，是土地資源可持續有效利用的充分必要條件。因此需要廣東省各地政府因地制宜、率先垂范、勇于進取、勇于創新，用經營廣東城市的勁頭，借著經濟社會飛速發展的勢頭，經營廣闊的廣東鄉村。

參考文獻：

［1］Tudor M M.Utilization of Land Resources in Agriculture-Opportunity or Risk for Romanian Agri-food Sector Competitiveness[C]//International Conference，Economic Scientific Research-Theoretical，Empirical and Practical Approaches.2014.

[2]Liangjian W，Hui L I.Cultivated Land Use Efficiency and the Regional Characteristics of its Influencing Factors in China：By Using a Panel Data of 281 Prefectural Cities and the Stochastic Frontier Production Function[J].Geographical Research，2014，33（11）：1995-2004.

[3]Van Zanten H H E，Mollenhorst H，Klootwijk C W，et al.Global Food Supply：Land Use Efficiency of Livestock Systems[J].The International Journal of Life cycle Assessment，2016（05）：21.

[4]Li W，Wang D，Li H，et al.Urbanization-induced Site Condition Changes of Peri-urban Cultivated Land in the Black Soil Region of Northeast China[J].Ecological Indicators，2017，80（09）：215-223.

[5]吳振華，雷琳，王亞蓓．基于三階段DEA模型的農業土地利用效率評價——以河南省和江蘇省為例[J]．江蘇農業科學，2019，47（16）：317-321．

[6]丁濤，武禎妮．基于Malmquist指數法的農地利用效率測算[J]．統計與決策，2019，35（22）：82-84．

[7]李婭，譚秋，王麗雙等．縣域農業土地利用適宜性評價與優化研究——以山西省原平市為例[J]．中國農業資源與區劃，2022，43（01）：91-99．

[8]趙茜宇，張占錄．中國縣級農地利用效率的變化特征及原因解析[J]．中國人口·資源與環境，2019，29（04）：77-86．

[9]牛星，吳岳婷，吳冠岑．流轉水平差異下農地利用效率的變化研究——以江蘇省45個縣（市）為例[J]．中國農業資源與區劃，2021，42（06）：127-135．

[10]徐玉婷，黃賢金，徐國良，等．“三權分置”背景下多元經營主體農地利用效率——來自長江中下游地區的實證經驗[J]．長江流域資源與環境，2021，30（10）：2557-2568．

Evaluation of Agricultural Land Use Efficiency in Guangdong Province and

Analysis of Influencing Factors

DU Guo-ming1， LAI Ke-ke2， GU Yi-xiao1

（1.School of Humanities and Law， South China Agricultural University， Guangzhou 510642;

2.Sanya Vocational College of Technology， Sanya 572022）

Abstract：There are significant differences in agricultural land use efficiency among different regions in Guangdong Province. This article collected panel data from 20 regions in Guangdong Province from 2016 to 2020， constructed an input-output indicator system to measure the efficiency of agricultural land use in each region of Guangdong Province， and used a combination of DEA super efficiency model and Malmquist index decomposition method to compare and analyze the efficiency and trend of agricultural land use in 20 regions of Guangdong Province during this period. Panel data attribution analysis method was used， Discussed the influencing factors and pathways of changes in agricultural land use efficiency in various regions of Guangdong Province. The conclusion is as follows： ① From 2016 to 2020， there were significant differences in land use efficiency among different regions in Guangdong Province， with nearly 50% of agricultural land use in DEA ineffective state; ② The overall efficiency of agricultural land use in Guangdong Province showed an increasing trend from 2016 to 2020 There are significant differences in the efficiency and trend of agricultural land use among different regions in Guangdong Province from 2016 to 2020 The rapid development of urban economy in Guangdong Province has a smaller promoting effect on agricultural development than the crowding out effect on agricultural resources Compared with the rapid modernization development in various regions of Guangdong Province， the structural adjustment of agricultural production in various regions of Guangdong Province has shown a phenomenon of lagging development.

Key words：Agricultural land; Utilization efficiency; DEA super efficiency model; Malmquist index; Attribution analysis