环境约束下的中国耕地利用效率及影响因素*
——基于Global Malmquist-Luenberger指数方法

岳 立，李文波

（兰州大学经济学院，兰州 730000）

环境约束下的中国耕地利用效率及影响因素*
——基于Global Malmquist-Luenberger指数方法

岳 立，李文波

（兰州大学经济学院，兰州 730000）

利用GML指数方法和面板数据回归模型，兼顾面源污染和碳排放，测度并分析2009～2015年中国耕地利用效率的时空分异特征及影响因素，明确不同区域的耕地利用效率提升途径。结果表明，在考虑非期望产出情况下，我国耕地利用效率大致呈逐年上升趋势。四大区域耕地利用效率均不同程度增长，其中东北地区耕地利用效率波动幅度较大；从各区域耕地利用效率的动力源看，技术进步是四大区域耕地利用效率增长的主要动力，纯技术效率与规模效率成为制约四大区域耕地利用效率增长的瓶颈；各影响因素对各区域耕地利用效率影响存在差异。耕地资源禀赋对东部、中部、东北地区耕地利用效率影响显著，西部地区则易受自然条件影响。

耕地利用效率；非期望产出；影响因素；GML指数

一、引 言

耕地作为农业生产最重要投入要素，承担国家粮食安全、农村经济发展及社会稳定重任（Costanza等，1997，梁流涛等，2011）。近年，随工业化、城镇化及农业现代化全面推进，城镇与农村宅基地占用以及农户兼业等原因造成大面积耕地非农化、季节性抛荒、撂荒、粗放式经营等现象愈演愈烈（封永刚等，2015）。2009～2015年，我国耕地面积由2009年135.39万平方千米减至2015年135.00万平方千米，年均下降0.29%，仅2015年间，因自然灾害、生态退耕、农业结构调整以及城镇建设等原因造成耕地面积年内净减少660平方千米①数据来源于中国国土资源公报（2016）。。

在我国人多地少、耕地后备资源十分有限背景下，耕地资源短缺与粮食安全矛盾日益加剧（易军等，2010）。同时，在农业生产过程中，污水灌溉、化肥、农药、农膜等农业投入品使用不合理，导致耕地污染加剧，造成耕地质量下降，对农作物生长产生负作用，粮食安全问题面临挑战（封永刚等，2015）。因此，研究环境约束下的中国耕地利用效率及影响因素对改善耕地质量、减少耕地污染、平衡粮食安全与工业化、城镇化对土地基本需求以及实现耕地高效利用具有重要意义。

关于耕地利用效率研究，国外主要集中在耕地利用效率测度、影响因素及土地利用强度等方面（Wang等，2013，Song等，2012，Li等，2013）。国内侧重采用定量分析方法研究耕地利用效率，主要包括数据包络分析（DEA）、多元回归分析模型、随机前沿生产函数（SFA）、超越对数随机前沿生产函数等方法。如刘玉海等（2012）、叶浩等（2011）、王良健等（2014）利用SBM、SFA函数基于国家和地区视角分别对1985～2008年、1990～2008年和2001～2011年三个时间段中国耕地利用效率时空演变特征加以分析，发现中国耕地利用效率整体呈缓慢上升趋势，各区域间耕地利用效率差异显著，东部地区耕地利用效率高于中西部地区。邱雯文等（2016）、张浩等（2016）利用DEA模型、ESDA技术分别对2009～2013年云南地区耕地利用效率及2011～2012年河北地区耕地利用效率展开研究，认为云南、河北耕地利用效率总体呈上升趋势，并逐渐趋于稳定，两省耕地利用效率在区域内存在一定差距且影响因素不同。杨俊等（2015，2011）、许恒周等（2012）、李鑫等（2011）基于农户调查数据，利用DEA、Tobit模型、SFA函数、超越对数SFA函数等方法分别研究耕地流转、农民分化、耕地细碎化、农户年龄等单一因素对局部地区耕地利用效率影响。结果表明，一定程度上，耕地流入及农民分化对地区耕地利用效率产生正效应，耕地细碎化对耕地利用效率产生负效应，农户年龄对耕地利用效率影响呈倒“U型”趋势。李俏等（2016）利用Malmquist指数对1992～2012年黑龙江省耕地利用效率展开分解，利用多元线性回归分析方法研究其影响因素，认为耕地利用效率存在一定波动性，技术投入对耕地利用效率影响较大。封永刚等（2015）基于面源污染和碳排放双重视角，采用单元调查估计法和非期望产出窗式SBM模型，研究1993～2013年中国耕地利用效率时空分异特征及改进途径，得出中国耕地利用效率呈逐年显著下降趋势，同时耕地利用效率呈“两极分化”特征。

通过梳理现有文献，关于耕地利用效率的研究存在以下不足：现有研究主要从经济、社会角度分析耕地利用效率，忽略环境污染对耕地利用效率影响，很难客观准确评价；国内多数学者研究单一自然因素对耕地利用效率影响，仍有一定局限性；有些学者利用ML指数方法分解研究包含非期望产出的耕地利用效率，但ML指数均采用两个当期ML值的几何平均值，形式上很难满足传递性和循环性要求，在测度跨期方向性距离函数时可能存在线性规划无解问题，得到效率值很难作跨期比较分析。鉴于此，本文在现有研究基础上，基于2009～2015年中国大陆31个省份（自治区、直辖市）面板数据，采用Global-Malmquist Luenberger（GML）指数方法和面板数据回归模型，考虑环境因素，对中国耕地利用效率时空分异特征及影响因素展开研究。

二、研究方法、指标选取和数据来源

（一）研究方法

本文采用GML指数方法对中国31个省份（自治区、直辖市）耕地利用效率加以测度。GML指数方法是Oh（2010）在Chung（1997）提出的传统ML指数基础上改进得来。各期GML指数以全局生产前沿面作为同一参考集，该指数具备传递性、可累乘、可循环累加等特征，克服传统ML指数在测算效率时存在缺陷，可较好解决考虑非期望产出时效率跨期比较问题。为定义GML指数及分解项，本文首先定义当期生产可能性集合和全局生产可能性集合。将各省份作为一个决策单元，各决策单元均使用i项投入x=(x1,x2,...,xi)∈，得到 j项期望产出 y=(y1,y2,...,yj)∈和m项非期望产出代表每一时期。当期生产可能性集合表示为：(yt,bt),t=1,2,...,T}，该集合为使用要素投入可得到期望产出和非期望产出所有可能性组合（Fare，2007）。相应地，全局生产可能性集合为所有当期生产可能性集合的并集，即

设方向性向量为g=(gy,gb)，则相应的第t期方向性距离函数形式为：

式中，xt表示第t期要素投入向量；yt,bt分别表示第t期期望产出向量、非期望产出向量；β表示第t期期望产出增加、非期望产出减少最大可能值。在决策单元要素投入既定情况下，方向性距离函数可最大限度增加期望产出、减少非期望产出。

根据上述方向性距离函数形式，定义第t期至第t+1期GML指数及其分解形式如下。

求解GML指数及其分解项，需求解相应方向性距离函数的线性规划。在规模报酬不变（CRS）模型下方向性距离函数的相应线性规划形式如下：

式中x,y,b分别表示要素投入、期望产出、非期望产出值，分别表示第k个决策单元第t期要素投入、期望产出、非期望产出值；λ表示相对于有效决策单元组合中被评价单元权重系数向量。

为计算在规模报酬可变（VRS）情况下方向性距离函数，只需将式（3）～（6）中约束条件λ≥0变为λ=1即可。

（二）指标选取与数据来源

本文采用2009～2015年中国大陆31个省份（自治区、直辖市）农业投入与产出数据，研究范围不包括香港、澳门与台湾。结合GML指数方法评价效率特征，借鉴已有研究成果，测度耕地利用效率投入产出指标表征劳动力、资本、土地投入，期望产出与非期望产出。其中劳动力投入为各省从事种植业劳动人数，由于该数据无法直接获取，参考封永刚等（2015）、刘玉海等（2012）研究，以种植业产值占农牧渔业总产值为权重系数，将农牧渔业从业人数换算为种植业从业人数；资本投入用各省份农业机械总动力和农用化肥施用量两项指标衡量；土地投入用各省份耕地面积表示；期望产出为各省份种植业产值；非期望产出包括面源污染和碳排放两项指标，其中面源污染包括化学需氧量（COD）、总氮（TN）与总磷（TP）三种，碳排放算式为：式中E为碳排放总量，Ei为各碳源的碳排放量，Ti为各碳源排放总量，各碳源包括化肥、农药、农膜、柴油、翻耕以及农业灌溉，其中翻耕用农作物播种面积表示，δi为各碳排放源的碳排放系数，结合李波等（2011）碳排放系数整理方法，化肥为0.896公斤/公斤，农药为4.974公斤/公斤，农膜为5.18公斤/公斤，柴油为0.593公斤/公斤，翻耕为312.6公斤/平方千米，农业灌溉为20.476公斤/平方千米，指标具体选取情况见表1。

三、中国耕地利用效率的实证分析

（一）中国耕地利用效率的时空演变特征

在考虑环境因素情况下，利用GML指数对2009～2015年中国31个省份（自治区、直辖市）的耕地利用效率展开测度和分解（见表2）。由表2可知，在考虑非期望产出情况下，我国耕地利用效率呈上升趋势。31个省份（自治区、直辖市）GML指数累积变化值和几何均值分别为1.173 5、1.026 1，即我国耕地利用效率在2009～2015年整体累积增长17.35%，相应年均增长2.61%。从GML指数分解情况看，技术进步累积增长23.46%，年均增长3.50%，纯技术效率（PEC）和规模效率（SE）分别以年均0.36%、0.50%速度递减，说明我国耕地利用效率水平的提升主要依赖技术进步，而纯技术效率和规模效率的下降抑制耕地利用效率增长。说明耕地利用在高投入高产出过程中，科技投入在投入要素中占比逐年增加，极大促进我国耕地利用效率水平提升。此外，非期望产出随期望产出增加逐渐增加，环境污染对耕地利用效率负效应仍明显。耕地利用投入要素资源配置不合理，要素投入存在冗余现象，耕地经营规模未达最优水平，导致纯技术效率、规模效率逐年递减，抑制耕地利用效率进一步增长。

表2 中国31个省份（自治区、直辖市）GML指数及分解值

从各区域看，在环境约束下，我国东、中、西部及东北地区耕地利用效率在2009～2015年分别累积增长19.65%、22.79%、14.04%、12.07%，相应年均增长率分别为2.91%、3.43%、2.14%、1.83%，即中部地区耕地利用效率增长幅度明显优于其他区域。从四大区域GML指数分解情况看，东、中部地区技术进步、纯技术效率均有增长，规模效率均负向增长，西部、东北地区技术进步均有增长，而纯技术效率、规模效率均负向增长，说明技术效率、规模效率一定程度上抑制四大区域耕地利用效率进一步增长。

从各省（区）GML指数及其分解情况看，北京、西藏、辽宁3地市GML指数均小于1，耕地利用效率呈累积递减趋势，北京、西藏耕地利用效率负向增长主要是规模效率下降所致；辽宁耕地利用效率负向增长是因纯技术效率和规模效率下降幅度高于技术进步增长幅度，其中纯技术效率低是该省耕地利用效率下降根本原因。除以上3省（市）区外，其余省份耕地利用效率水平均有不同程度提升。广东、湖北、安徽、重庆、天津5省市，纯技术效率未发生实质性变化，耕地利用效率增长是由于技术进步对耕地利用效率促进作用大于规模效率抑制作用。福建、山西、宁夏3省区耕地利用效率增长得益于技术进步、纯技术效率产生促进作用大于规模效率抑制作用。河北、甘肃、云南、陕西4省，纯技术效率、规模效率均有一定程度下滑，耕地利用效率增长主要依赖技术进步，尤其甘肃、云南地区，耕地质量相对较低，且受地形、气候影响，高投入伴随高非期望产出，耕地投入浪费现象严重。内蒙古、海南技术进步和规模效率提升拉动耕地利用效率增长，尤其内蒙古纯技术效率下滑抑制耕地利用效率进一步增长。浙江、江苏等14个省区，纯技术效率、规模效率在2009～2015年几乎无变化，耕地利用效率提升依旧得益于技术进步。这些省份大多为种植业大省，耕地面积较大，耕地质量等级较高，气候条件有利于农作物生长，农业资本充足，生产设备较先进，要素投入冗余较少，耕地经营规模趋于最大化。

为进一步分析各区域在环境约束下耕地利用效率2009～2015年变化趋势及增长源差异，本文以2009年为基期，得到各区域GML指数和各分解值累积变化趋势（见图1）。由图1可知，在环境约束下，我国耕地利用效率在2009～2015年整体呈上升趋势。2009～2010年，TC、PEC指数大幅增长促进GML指数显著增长，在工业化和城镇化快速推进背景下，农业基础设施相应改善，农业投入产出结构配置较合理，该阶段耕地利用效率整体大幅提升。2010～2011年，PEC指数大幅下降导致GML指数开始下滑，该阶段，农业投入产出结构配置不合理，部分要素投入存在冗余现象，主要原因是城镇建设用地需求、退耕还林还草政策造成耕地资源流失，耕地规模减小，同时化肥、农药、地膜等农业投入品过度使用以及工业污染物排放等因素导致部分耕地出现污染不宜耕作，耕地利用效率下滑。2011～2013年，在TC指数拉动下，GML指数开始增长，在十二五规划初期，国家出台一系列耕地保护政策，加大力度增加农业投资，进一步完善农业基础建设，促进农业发展，有效提高耕地利用效率。2013～2014年，TC指数上升幅度减缓，PEC、SE指数不同程度下降，造成GML指数小幅度下降，该阶段，受工业化和城镇化及国家生态退耕政策影响，农业生产机会成本增加，大量农户转投其他行业，部分耕地出现抛荒、撂荒现象，同时城镇建设继续侵占耕地，农业生产资金、要素投入均有所下降，耕地规模进一步减小，耕地利用效率小幅下滑。2014～2015年，SE指数增长，GML指数缓慢上升，该阶段，国家调整一二三产业结构，促进农业现代化发展，扩大耕地经营规模，提升农业技术服务，使耕地利用效率呈增长趋势。

通过对比分析各区域GML指数及分解项变化趋势，发现东西部地区耕地利用效率及动力源变化特征和中国耕地利用效率整体变动情况大致相同。2009～2010年，GML指数累积递增趋势较显著，该阶段耕地利用效率显著增长主要得益于技术进步和纯技术效率大幅提升；在2010～2011年及2013～2014年两个阶段，GML指数缓慢递减，此现象主要是纯技术效率和规模效率递减，及技术进步增长缓慢所致；在2011～2013年及2014～2015年间，GML指数呈逐渐递增趋势，但增长幅度和增长源存在差异。对于中部地区，GML指数、TC指数及PEC指数累积变化特征和东、西部地区一致，SE指数波动较大，主要体现在2011～2014年上下波动。对于东北地区，相比其他区域而言，耕地利用效率波动幅度较大，GML指数呈先上升后下降趋势。GML指数在2009～2012年间累积递增速度较快，2012～2014年增速减缓，这种情况主要是技术进步增速减缓所致，2014～2015年开始下降，纯技术效率和规模效率下滑致使耕地利用效率下降。

图1 2009～2015年GML指数及分解项累积变化情况

综上所述，在环境约束下，我国耕地利用效率整体呈上升趋势，东北地区耕地利用效率在时间序列上波动幅度较大。技术进步是影响各区域耕地利用效率增长的主要动力，纯技术效率、规模效率成为制约各区域耕地利用效率快速增长的瓶颈。

（二）中国耕地利用效率的影响因素分析

根据31个省份（自治区、直辖市）GML指数测算数据，进一步探究四大区域耕地利用效率影响因素。参考Tian等（2000）、杨朔等（2013）、陈昭玖等（2016）学者，选取经济发展水平、自然条件、技术投入、耕地资源禀赋4项指标，采用2009～2015年中国31个省份（自治区、直辖市）面板数据，对四大区域耕地利用效率作回归分析，考查各因素对四大区域耕地利用效率影响。解释变量指标选取情况（见表3）。

表3 解释变量指标选取情况

根据解释变量指标选取情况，建立如下面板数据回归模型：

其中，Yit表示第 i个省（区）第 t年耕地利用效率，Perinit,Nacuit,Irrit,Perculit为表3中解释变量，β0为常数项，β1,β2,β3,β4为各解释变量参数估计值，μit为随机误差项。同时参考孟令杰（2015）等研究，建立面板数据回归模型，对四大区域耕地利用效率分别建立固定效应模型和随机效应模型，再通过Hausman检验判断四大区域具体选择固定效应模型或随机效应模型。结果见表4。

表4 中国各区域耕地利用效率影响因素回归结果

由表4可知，东、中部地区接受固定效应模型，西部、东北地区接受随机效应模型。东、中、西部及东北地区拟合系数分别为0.819 3、0.745 4、0.662 6、0.733 7，表明各区域面板数据回归模型拟合优度均较高，解释变量对模型解释程度在66%以上。

（1）经济发展水平对各区域耕地利用效率产生显著影响，均通过1%显著性水平检验，尤其对东部地区影响最大。说明随地区经济发展水平逐渐提高，可对农业增加更多资金、技术投入以及政策支持，加速农业现代化发展，优化农业区位条件，促进耕地利用效率进一步提升。同时，在工业化和城镇化大力推进背景下，城市建设用地迅速扩张，2009～2015年，我国城市建设面积由2.93万平方千米增至3.85万平方千米，耕地大量流失，促使农户对耕地集约化利用，一定程度上提升耕地利用效率。

（2）自然条件对各区域耕地利用效率均呈负向影响，西部和东北地区通过1%显著性水平检验，东部和中部地区通过5%显著性水平检验。比较各区域自然条件参数估计值，发现自然条件对西部地区影响最大，通过1%显著性水平检验。西部地区农业区位优势不显著，自然灾害频发，自然条件制约耕地利用效率，必须采取相应措施改善生态环境以降低自然条件对耕地利用效率的负面影响。

（3）农业生产条件对各区域耕地利用效率影响显著，均通过5%显著性水平检验。各区域农业生产条件参数估计值均较小，表明农业生产条件对耕地利用效率影响程度小于其他因素，尤其对于西部地区，农业基础设施相对落后，应加大力度完善农业基础设施建设，提升西部地区农业机械化水平，促进耕地利用效率进一步提升。

（4）耕地资源禀赋对东部、中部及东北地区耕地利用效率影响显著，均通过1%显著性水平检验。该影响因素对东部、中部及东北地区耕地利用效率影响较大，说明东部、中部、东北地区随耕地规模扩大，耕地利用效率逐渐提高，同时说明经济发展水平越高，耕地“规模经营”效果越显著。对于西部地区，耕地资源禀赋对耕地利用效率呈负向影响，且通过5%显著性水平检验。西部地区山地面积比例较高，无大规模耕种优势，人均耕地面积扩大将导致耕地利用效率下降，与梁流涛、杨俊等人研究结论基本一致。

总而言之，在以上耕地利用效率影响因素中，经济发展水平、农业生产条件、耕地资源禀赋对东部、中部及东北3个地区的耕地利用效率均产生影响，其中耕地资源禀赋影响最大，耕地规模越大，区域耕地利用效率越高。自然条件对东部、中部、西部以及东北4个地区耕地利用效率均产生负向影响，对西部地区影响最大。

四、结论与讨论

（一）结论

本文基于2009～2015年中国31个省份（自治区、直辖市）面板数据，在考虑非期望产出情况下，采用GML指数方法和面板数据回归模型对中国耕地利用效率动力源、时空分异特征、区域差异和影响因素展开研究，得出以下结论。

（1）在考虑非期望产出情况下，我国耕地利用效率在2009～2015年累积增长17.35%，大致呈逐年上升趋势。四大区域耕地利用效率均不同程度增长，其中东部、中部及西部3个地区耕地利用效率变化特征与我国耕地利用效率整体变化特征基本一致，东北地区耕地利用效率波动幅度较大。

（2）从各区域耕地利用效率动力源看，技术进步是四大区域耕地利用效率增长主要动力，纯技术效率与规模效率成为制约四大区域耕地利用效率进一步增长的瓶颈。

（3）各影响因素对各区域耕地利用效率影响程度存在差异。耕地资源禀赋对东部、中部及东北地区耕地利用效率影响显著，耕地规模越大，耕地利用效率越高。西部地区耕地利用效率更易受自然条件影响。

（二）讨论

由于各区域在经济发展水平、农业生产条件、耕地利用状况以及自然条件等方面存在显著差异，各区域应结合当地实际情况，在工业化和城镇化快速推进背景下，在守住我国18亿亩耕红线基础上，采取相应措施提升耕地利用效率。东部地区耕地后备资源稀少，在城市建设用地不断扩张形势下，农户从事农业生产机会成本将增加，因而该区域可采取耕地资源跨省际占补平衡措施平衡耕地与城市建设间矛盾，既满足自身土地需求，又为其他区域农业发展提供经济支撑，进一步促进东部地区和其他区域在创新资源禀赋方面的互补。中部和东北地区作为我国主要粮食产区，在追求粮食高产的同时，应重视耕地资源可持续利用，增加农业生产技术投入，改善农业生产条件，加速耕地资源流转，扩大耕地种植规模，减少耕地细碎化程度与投入冗余，从而提升耕地利用效率。西部地区在发展二三产业同时，增加特色农业扶持力度，从其他区域引入资金，改善农业基础设施建设，减少自然灾害对农业生产影响。

本文不足：一是耕地利用效率投入产出指标选取有待进一步改进。二是研究耕地利用效率影响因素时，未考虑各区域耕地质量、耕地复种情况、农作物价格、农户年龄、农户受教育程度及农业政策等因素对耕地利用效率影响，结论具有一定局限性。

[1] 梁流涛,梅艳.中国耕地生产率变化及影响因素分析——基于Malmquist指数视角的研究[J].干旱区资源与环境,2011,25(8):1-6.

[2] 封永刚,彭珏,邓宗兵,等.面源污染、碳排放双重视角下中国耕地利用效率的时空分异[J].中国人口·资源与环境,2015,25(8):18-25.

[3]易军,梅昀.基于PSR框架的耕地集约利用及其驱动力研究——以江西省为例[J].长江流域资源与环境,2010,19(8):895-900.

[4] 刘玉海,张丽.耕地生产率与全要素耕地利用效率——基于SBM-DEA方法的省际数据比较[J].农业技术经济,2012(6):47-56.

[5] 叶浩,濮励杰.我国耕地利用效率的区域差异及其收敛性研究[J].自然资源学报,2011,26(9):1467-1474.

[6] 王良健,李辉.中国耕地利用效率及其影响因素的区域差异:基于281个市的面板数据与随机前沿生产函数方法[J].地理研究,2014,33(11):1995-2004.

[7] 丘雯文,杨子生.云南省耕地生产效率的时空差异及影响因素[J].长江流域资源与环境,2016,25(5):786-793.

[8] 张浩,李世平,靳亚亚,等.河北省耕地利用效率空间差异及影响因素[J].水土保持研究,2016,23(3):185-191.

[9] 杨俊,李争.家庭分工视角下农户耕地转入和耕地利用效率研究——以赣抚平原农区农户样本为例[J].中国土地科学,2015,29(9):50-57.

[10]许恒周,郭玉燕,吴冠岑.农民分化对耕地利用效率的影响——基于农户调查数据的实证分析[J].中国农村经济,2012,47(6):31-39.

[11]李鑫,欧名豪,马贤磊.基于景观指数的细碎化对耕地利用效率影响研究——以扬州市里下河区域为例[J].自然资源学报,2011,26(10):1758-1767.

[12]杨俊,杨钢桥,胡贤辉.农业劳动力年龄对农户耕地利用效率的影响——来自不同经济发展水平地区的实证[J].资源科学,2011,33(9):1691-1698.

[13] 李俏,谷国锋,姚丽,等.黑龙江垦区耕地利用效率变化分析[J].干旱区资源与环境,2016,30(4):30-35.

[14]李波,张俊飚,李海鹏.中国农业碳排放时空特征及影响因素分解[J].中国人口·资源与环境,2011,21(8):80-86.

[15]杨朔,于文海,李世平.基于 DEA非有效改进的陕西省耕地生产效率研究[J].中国土地科学,2013,27(10):62-68.

[16] 陈昭玖,胡雯.要素供给与中国粳稻生产效率增长:技术推动抑或效率驱动——基于DEA-Tobit模型[J].农业经济与管理,2016(6):35-42.

[17]孟令杰,李新华.FDI对我国农业全要素生产率的影响研究[J].农业经济与管理,2014(1):12-20.

[18] Costanza R,Arge R,Groot R.The value of the world's ecosystem services and natural capital[J].Nature,1997,387(15):253-260.

[19] Chung Y H,Fare R,Grosskopf S.Productivity and undesirable outputs:A directional distance function approach[J].Journal of Environmental Management,1997,51(3):229-240.

[20] Fare R,Grosskopf S,Pasurka C.Environmental production functions and environmental directional distance functions[J].Ener⁃gy,2007,32(7):1055-1066.

[21] Li Z J,Yu X K,Gong C J.Intensity change in cultivated land use in Shandong Province from 1980 to 2010[J].IERI Pro⁃cedia,2013(5):140-146.

[22] Oh D H.A global Malmquist-Luenberger productivity index[J].Journal of Productivity Analysis,2010,34(3):183-197.

[23] Song X Q,Ou Y Z,Li Y S,et al.Cultivated land use change in China,1999-2007:Policy development perspectives[J].Journal of Geographical Sciences,2012,22(6):1061-1078.

[24] Tian W M,Wan G H.Technical efficiency and its determinants in China's grain production[J].Journal of Productivity Analy⁃

Cultivated Land's Utilization Efficiency and Influencing Factors in China Under Environmental Constraints——Based on Global Malmquist-Luenberger Index Method

YUE Li,LI Wenbo
（School of Economics,Lanzhou University,lanzhou 730000,China）

Based on the Global Malmquist-Luenberger Index Method(GML)and panel data regression model,considered non-point source pollution and carbon emissions,the spatiotemporal differentiation and its influencing factors of the cultivated land's utilization efficiency in China were measured and analyzed during 2009-2015.It mainly aimed to make the promotion ways of the cultivated land's utilization efficiency in the different regions.The results showed that:the cultivated land's utilization efficiency in China tended to rise year by year,it had been increased in different degrees for the four regions,and it had a great fluctuation in the northeast region.The technical progress was the main driving force which caused the growth of the cultivated land's utilization efficiency in the four regions,but the pure technical efficiency and scale efficiency had become the bottleneck of restricting the further growth.The influence of each factor on the cultivated land's utilization efficiency in each region was different.The natural endowment of cultivated land had a prominent positive effect on the eastern region,the middle region and the northeast region,but the western region was more vulnerable to the natural conditions.

cultivated land's utilization efficiency;non-expected output;effect factor;Global Malmquist-Luenberger Index(GML)

F224

A

1674-9189（2017）06-0025-11

*项目来源：中央高校基本科研业务费专项资金项目（16LZUJBWYJ029）。

岳立（1969-），女，教授，博士生导师，研究方向：区域经济与循环经济。