一、引言

“三农”问题是关系国计民生的根本性问题。从2016年中央一号文件首提农业供给侧结构性改革以来，党的十九大和2018年中央工作经济会议再次强调要继续推进农业供给侧结构性改革。农业供给侧结构性改革的目的之一就是提高农业发展质量和效率。甘肃省作为一个特色农业省份，提高农业发展质量和效率意义重大：振兴乡村、保障农村贫困人口的脱贫致富。因此，有必要对甘肃省的农业生产效率进行量化测度，为甘肃省的农业产业的发展提供理论和实践依据。

现有文献从不同方面对甘肃省农业效率进行了研究。张学鹏、王晓燕(2011)利用DEA投影分析，认为甘肃农业生产效率的提高主要来源于纯技术效率的增长，规模效率对综合效率存在负面影响，并且各种要素的投入效率较低，存在严重的投入冗余[1]。金梅(2013)利用DEA模型分析了甘肃省农业生产效率，认为甘肃省农业生产技术效率较低，并且存在较大的地区差距[2]。王铁、杨林娟等(2014)利用DEA模型分析了甘肃省10家典型农业产业化国家重点龙头企业的生产效率，认为甘肃省国家重点龙头企业总体效率并未达到最佳状态，存在改进的空间，并且不同产品类型的龙头企业生产效率存在一定的差异[3]。谈存峰(2015)通过分析甘肃省农业全要素生产率，认为甘肃省农业增长的主要动力仍然是各类要素的投入，农业发展的动力未从投入为主转变为全要素生产率的进步为主，而且，甘肃农业全要素生产率增长存在阶段波动与区域不均衡现象[4]。

综上所述，目前对甘肃省农业生产效率的研究涉及农业产业的各方面，但采用的分析方法主要是传统DEA方法。三阶段DEA模型可以剔除

环境因素和随机干扰因素的影响来测算农业产生效率，如郭军华、倪明、李帮义(2010)、贺志亮、刘成玉(2015)等利用三阶段DEA模型分析了我国农业生产效率[5][6]。鉴于此，为了更准确反映甘肃省农业产生效率的真实状况，排除环境和随机干扰因素对农业生产效率的影响，本文采用三阶段DEA模型，通过对比调整前后的相关效率值和环境变量对投入松弛变量的影响，综合分析甘肃省农业生产效率的影响因素，以期为甘肃省农业产业的发展提供现实和理论依据。

二、研究方法及数据说明

(一)研究方法

三阶段DEA模型因其能同时调整环境变量和随机误差，故能使得所计算出来的效率值更真实地反映决策单元内部的管理水平，更客观地评价技术效率。由于三阶段DEA模型属于比较成熟的模型，在此不做详尽的描述。其具体的构建和分析主要分为三个阶段。

其中n=1，2，…，N表示n个投入；i=1，2，…，I表示i个决策单元。Sni表示第i个决策单元在第n个投入上的松弛变量；fn(Zi；βn)=Ziβn表示环境因素对Sni的影响，其中，Zi为环境变量，βn为环境变量对应的参数。vni+μni为联合误差项，其中，vni反映随机误差项，有反映了管理无效率，有一般来说μu=0，μni>0。vni与μni独立不相关[7]。

编者按：非洲是全球竹资源集中分布区之一，竹林面积约占全球竹林面积的11%。非洲竹资源利用及产业发展落后，资源优势未能转化为经济优势。为促进非洲竹资源合理开发，实现绿色可持续发展，2018年9月3日在中非合作论坛北京峰会开幕式上，习近平主席宣布在埃塞俄比亚首都成立“中非竹子中心”，帮助非洲开发竹藤产业。鉴于竹藤领域的这一重大事项，为使读者更多地了解非洲竹资源及竹产业发展状况，本刊特邀请国际竹藤组织东非地区办事处主任、驻埃塞俄比亚办公室主任傅金和博士撰写专稿，本刊也将持续报道非洲竹产业的发展状况，并跟踪“中非竹子中心”的建设进展，以飨读者。

第二阶段：构造相似SFA模型。本文采用投入为导向，选用成本函数进行分析，将松弛变量分解成含有环境因素、随机因素和管理因素三个自变量的函数，其表达式如下[7]：

Sni=fn(Zi；βn)+(vni+μni)

(1)

第一阶段：初始DEA模型。本文采用BCC模型作为传统DEA计量模型，通过该阶段的计算，可以得到初始未经调整的效率值和投入的松弛变量值，以便后续分析比较使用。

根据

 

(2)

对投入值进行调整，其中，为原投入Xni经过调整后的投入值[8]。利用Fried(2002)给出的公式：

E[μni|(vni+μni)]=Sni-Ziβn-E[μni|(vni+μni)]

(3)

其中，n=1，2，…，N；i=1，2，…，I，可求出vni。而要求vni需要先把μni求出来，本文采用

(4)

管理无效率公式来求μni，其中，为联合误差项，f、F分别表示标准正态分布的密度函数和分布函数[8]。最终，可求出

第三阶段：重新测算DMU效率值。将第二阶段得到的调整后的投入数据代替原始投入数据Xni，产出仍为原始产出数据Yni，再次运用BCC模型进行效率评估，由此得到的各决策单元的效率值即为剔除了环境因素和随机因素影响后的效率值。

2.4 两组远期并发症的发生情况比较 阴道分娩组子宫破裂、盆腔粘连、慢性盆腔痛、子宫内膜异位症、前置胎盘等远期并发症的发生率显著低于剖宫产组，差异有统计学意义(P<0.05)。见表4。

(二)指标选取及数据来源

1.投入产出指标的选取。农业生产离不开土地和劳动，而且随着农业现代化生产的推进，更多的资本和技术不断地投入生产过程中。基于此，本文选取农作物播种面积(千公顷)作为农业生产的土地投入变量；农林牧渔业从业人数(万人)作为农业生产的劳动投入变量；农业机械总动力(千瓦时)和化肥施用折纯量(吨)作为农业生产的资本和技术投入变量。最终，将农林牧渔业总产值(万元)作为产出指标。

加快转变水行政职能 切实提高水行政管理科学化水平……………………………………………………… 侯京民(23.7)

根据三阶段DEA模型投入产出数据使用原则，各投入项与产出项之间必须符合“同向性”假设，即当投入量增加时，产出量不得减少[9]。一般利用Pearson相关性检验方法来对投入变量和产出变量进行相关性检测，本文选取的投入产出变量检测结果如表1所示。由表1的数据可知，各投入变量与产出变量呈正相关关系，且农业机械总动力和化肥施用折纯量在1%显著性水平下通过检验，农林牧渔业从业人数和农作物播种面积在5%显著性水平下通过检验，符合“同向性”原则。

 

表1 2015年甘肃省14个市州农业投入与产出变量的Pearson相关系数

  

投入项产出项 农林牧渔业从业人数农作物播种面积农业机械总动力化肥施用折纯量农林牧渔业总产值0.545 0.653 0.777 0.931

注：、分别表示在5%和1%显著水平上显著。

2.环境变量的选取。所选取的环境变量需要对农业生产率有影响，但同时却不在可控范围之内。综合考虑政策的导向性和农业生产的自然特性，本文选取以下五个环境变量指标：地区种植受灾情况，用受灾面积占播种面积之比来表示；公路里程情况，用公路总里程数来表示；城市化水平用城镇化率来表示，其一定程度上可以反映城镇发展对农业生产的影响。不能靠剥夺农民、完全以牺牲农民为代价换得城镇化的发展[10]；地区科技研发投入强度，用R&D经费总支出占GDP比来表示。

本文选取甘肃省2015年的数据来分析甘肃省农业生产效率。所选取的投入产出数据和环境变量数据均来源于2015年《甘肃发展年鉴》。

三、实证结果分析

(一)第一阶段DEA测算结果分析

利用DEAP2.1对甘肃省14个市、州的农业生产效率进行测算，结果如表2。由表2可知，2015年，甘肃省各市、州农业生产综合技术效率平均值为0.803，纯技术效率平均值为0.859，规模效率平均值为0.932，说明甘肃省农业生产效率较低，且农业生产低效的原因更多的可归因于纯技术效率的低下。嘉峪关市、天水市、平凉市、酒泉市和甘南州五市、州综合技术效率为1，规模报酬不变，说明这五市、州农业生产处于技术效率前沿面。其他市、州综合效率值都小于1，且规模报酬递减，说明他们在农业生产方面还存在改进的空间。由于该结果包含环境因素和随机因素的干扰，其值并不能有效的反映农业生产效率的真实情况，因此，需要进行进一步的调整和测算。

以小组为单位，按照老师下发的任务书（涵盖要完成的任务、制作要求、产品相关信息点、评分标准、学习反馈表），共同制作产品说明书。老师事前根据组员的情况布置相应产品给予制作（如女生较多的组，教师可选用化妆品、零食等学生感兴趣的物品；男生较多的组，教师可选用电器等物品布置任务。此任务也可以由学生自己设定），完成以后，组内进行修改，然后组与组之间派代表进行互改，并展示成果。最后每位同学完成学习反馈表，用于检查教学效果。

 

表2 第一阶段DEA结果

  

地区TEPTESE规模报酬兰州市0.7580.7810.971drs嘉峪关市111-金昌市0.5590.6360.878drs白银市0.5840.7210.811drs天水市111-武威市0.64110.641drs张掖市0.9080.9190.988drs平凉市111-酒泉市111-庆阳市0.8370.8420.994drs定西市0.5520.6080.909drs陇南市0.6970.7220.966drs临夏州0.7050.7940.888drs甘南州111-平均值0.8030.8590.932

注：TE表示综合技术效率，PTE表示纯技术效率，SE表示规模效率，TE=PTE*SE；drs为规模报酬递减，-为规模报酬不变。

(二)第二阶段SFA回归结果分析

将第一阶段测算的各投入的松弛变量作为该模型的被解释变量，将五个环境变量作为解释变量，利用Frontier4.1计算的SFA回归结果如表3。由表3可知，环境变量对投入松弛变量的系数大部分能通过显著性检验，说明外部环境因素对农业生产的投入冗余存在显著影响，进而对农业生产效率产生影响。由于农林牧渔业从业人数松弛变量、农作物播种面积松弛变量、农业机械总动力松弛变量和化肥施用折纯量松弛变量的r值均接近于1，说明管理因素对投入的影响占主要地位，同时也说明了用SFA剥离管理因素对农业生产效率产生影响的必要性。

 

表3 第二阶段SFA回归结果

  

因变量自变量 农林牧渔业从业人数松弛变量农作物播种面积松弛变量农业机械总动力松弛变量化肥施用折纯量松弛变量常数项-84.263825 -282.16654 -2117827.2 -22827.629 (-2.0444)(-52.5639)(-74021.2)(-22827.629)受灾面积占播种面积的比例67.81004248.57673 2520869.1 26955.903 (1.072)(17.7973)(210635.4)(26955.903)公路里程0.00227163 0.007197486 61.58591 1.0528398 (2.8955)(5.3345)(5.0229)(1.8334)城镇化水平0.614329371.7119436 12710.384 10.275226 (1.0943)(22.8326)(5.2401)(10.2753)财政支农支出农林水利事务占GDP的比例217.5572 788.16192 4544473 38465.675 (2.2212)(12.0682)(2207571.5)(38465.675)R&D经费总支出占GDP的比例265.60323 1720.8873 12569725 153932.79 (2.1457)(83.9116)(4704673)(153932.79)σ2543.22185 25984.556 2.78E+11 263237100 (2.8909)(14557.713)(2.78E+11)(263237100)r0.99999848 0.99999999 0.93184706 0.99999999(4099.9624)(95141.96)(12.4669)(1.2313)对数似然函数值-54.872902-81.236204-196.89313-145.88375似然比检验7.23203638.07017492.71425826.4060162

注：、、 分别表示在10%、5%、1%的显著水平下显著；括号内为参数相应估计的t统计量。

SFA是利用环境变量对各投入松弛变量的回归分析，可以解释环境变量同投入松弛变量之间的关系。当回归系数为负时，说明环境变量同投入松弛变量呈负相关关系，即环境变量值的增加会使投入松弛量减少，进而说明增加环境变量的值能够提高农业生产效率。所以，为了提高农业生产效率需要增加形成负相关关系的环境变量的投入。当回归系数为正时，则说明环境变量同投入松弛变量呈正相关关系，即环境变量值的增加会使投入松弛量增加，进而说明增加环境变量的值能够降低农业生产效率。所以，为了提高农业生产效率需要减少形成正相关关系的环境变量的投入。通过上述SFA回归结果可知五个环境变量对农业生产投入松弛量的影响关系。

1.受灾面积占播种面积的比例。受灾面积占播种面积之比同四个投入松弛变量的回归系数均为正，除了对农林牧渔业从业人数松弛变量的t检验不显著以外，对其它三个投入松弛变量都能够通过1%的显著性检验，说明地区自然灾害越严重越会引起更多的农业生产投入，造成投入松弛量的增加，农业生产效率的降低。农业生产者在生产过程中为了防范和应对自然灾害，会扩大种植面积以弥补自然灾害给生产带来的损失，而新开垦的土地由于生产条件更差，造成边际生产率更低。因此为了治理原受灾土地和开垦新种植土地，需要投入更多的机器和化肥，以保证产量的提高。由于自然灾害具有一定的偶然性，人们无法预测灾害是否会在某一时间发生，因此人们对灾害发生的预期是稳定的，即灾害的发生不会改变现有劳动者的生产意愿，进而灾害的发生对农林牧渔业从业人数松弛变量的影响不显著。

2.公路里程。该变量同四个投入松弛变量的回归系数均为正，且都能通过10%的显著性检验，说明公路里程数越多越会产生更多的生产要素的投入。这种特殊的现象和甘肃省的自然环境有关。甘肃地域辽阔但人员稀少，公路里程越多一定程度上说明了人们居住越分散，人们可耕种的土地越多。由于甘肃特殊的地理和地质环境，越多可耕种的土地意味着越多差等土地进入农业生产过程，进而引起农业产生效率的降低。受甘肃当地农民受教育水平和农业机械化总体水平较低的影响，公路的修建会给当地农民产生增加土地占有和扩大种植面积的诱导，引起农业生产资源投入的增加。而由于环境因素，甘肃省大部分地区处于规模报酬递减阶段，因而农业生产的扩大会引起农业产生效率的降低。

3.城镇化水平。城镇化水平同四个投入松弛变量的回归系数均为正，除了对农林牧渔业从业人数松弛变量的t检验不显著以外，对其它三个投入松弛变量都能够通过1%的显著性检验，说明城镇化水平的提高没有有效地促进农业生产效率的提升。甘肃省在城镇化的过程中，城镇的发展吸引了农村的优势资源，对农村的发展产生了虹吸效应。一方面对农村优势劳动力和资本的吸引，另一方面是对农业生产优质土地资源的挤占，直接制约了农业产业的发展和农业生产效率的提高。

第一，总体上看甘肃省实际农业生产效率较低。通过第二阶段的调整，甘肃省农业生产效率明显降低，说明了环境因素和随机误差因素对甘肃省农业生产效率产生了重要影响，进而也说明了剔除环境因素和随机误差的必要性。调整后综合技术效率为0.6，纯技术效率为0.883，规模效率为0.674，农业产生无效主要来源于规模效率的低下。

5.R&D经费总支出占GDP的比例。该变量同四个投入松弛变量的回归系数均为正，且都能通过5%的显著性检验。这说明地区科学研究与技术开发投入对农业生产效率具有负作用，增加了农业投入松弛量，使农业生产效率降低。该现象一定程度上也反映了甘肃省农业R&D成果运用的低效率。近年来甘肃农业机械化水平逐年提高，与此同时，耕种面积也在逐年增加。而R&D投入对农业生产效率的负作用就源于机械化水平带来的效率的提升无法弥补耕种低生产率土地带来的效率的损失。R&D投入促进播种面积的增加是由于R&D成果在农业生产领域给生产者带来的效率提升的错判，即农业生产者认为，农业机械的运用能够促进农业生产效率的提高，进而扩大耕种面积能够带来更多的收益。耕种面积的增加促进了人员、农机和化肥的投入，但是农机和化肥在贫瘠土地上使用带来的低收益率则使得整个农业生产的效率降低。

(三)第三阶段投入调整后的DEA实证结果

将第二阶段SFA模型调整后的各要素投入值与原产出值再次代入BCC模型中进行测算，其结果如表4所示。

通过对比调整前后的数值可知，剔除环境变量和随机干扰因素的影响后，甘肃省各市、州综合技术效率平均值由0.803下降为0.6，下降幅度为25.28%；规模效率平均值由0.932下降为0.674，下降幅度为27.68%；而纯技术效率则由0.859上升为0.883，但仅上升了2.79%。这说明环境因素和随机干扰因素对甘肃省农业生产效率影响较大，且更多的是从规模效率层面影响了农业生产效率。同时，调整前后甘肃省各市、州总体规模报酬情况由规模报酬不变和递减转变为以规模报酬递增为主，这也反映了甘肃省各市、州农业生产总体上受到规模的限制，并且由于各地区自然环境因素不同使得甘肃省农业生产规模被低估。而纯技术效率的上升表明环境和随机干扰因素对地区管理技术效率的发挥有影响，导致了纯技术效率的偏低。

 

表4 第三阶段调整后DEA结果

  

地区TEPTESE规模报酬兰州市0.5790.8720.664irs嘉峪关市0.07610.076irs金昌市0.1510.7430.203irs白银市0.4750.7870.604irs天水市111-武威市0.98310.983drs张掖市0.95510.955drs平凉市0.7190.7610.946irs酒泉市0.8810.88drs庆阳市0.7350.8030.915irs定西市0.70.8410.833irs陇南市0.5470.7840.698irs临夏州0.290.7950.365irs甘南州0.3060.980.312irs平均值0.60.8830.674

注：TE表示综合技术效率，PTE表示纯技术效率，SE表示规模效率，TE=PTE*SE；drs为规模报酬递减，irs为规模报酬递增，-为规模报酬不变。

从各个市、州农业生产效率变化的情况来看，除了天水市调整前后都为农业生产相对有效以外，其他各市、州农业生产效率都发生了变化。

多媒体技术可以将声音和动态图像相结合，其生动形象的表现方式，在吸引学生注意与创设情境方面，具有其他教学手段不可比拟的优势。在数学课堂教学中，很多生活中的情景难以在课堂上展现，而多媒体能充分运用图像、声音、动画文字，使输出的信息更生动形象。通过创设情境，渲染气氛，激发了学生的学习兴趣，提高了教学质量。

第一，综合技术效率。调整后，武威市、张掖市和定西市综合技术效率提高了，说明他们所处的环境同其他市、州相比较为不利，不利的环境使得原始的农业生产效率被低估。而兰州市、嘉峪关市等十市、州的综合技术效率降低了，说明他们相对于其余四市来说在较好的环境下高估了其农业生产效率。

在针对年轻人的内容消费中，年轻人不仅对物质消费要求增高，对内容消费的要求也在不断提升。对年轻人来说，喜欢短视频不意味着他们就喜欢所谓的简单的东西，其实他们是希望在有限的时间内可以获得更有意义的内容，有丰富的内容，独特的风格，还要具有一定的故事性。所以短视频精品化是必然的趋势，制作精品化的短视频可以帮助品牌进一步提升形象，增进与用户间的亲密程度。好的原创性短视频一定要短小精悍，逻辑简练，轻松娱乐，节奏感要强，有煽动力，豁免要精致，让人看的舒服。

第二，纯技术效率。调整后，平凉市、庆阳市和甘南州纯技术效率有所下降，说明他们所处的较好的环境有助于技术管理效率的发挥，扩大了技术效率对农业生产效率的影响。嘉峪关市、天水市、武威市和酒泉市纯技术效率没有发生变化且都为1，为相对有效状态，说明这四个城市技术管理水平较高。兰州市、金昌市等七市、州的纯技术效率都有所提高，说明他们相对较差的环境由于制约了技术效率的发挥，导致低估了技术效率对农业生产效率的影响。

第三，规模效率。天水市规模效率在调整前后都没有发生变化，且都处于规模有效水平上，说明天水市农业生产的投入规模较合理，能够有效发挥其规模效应。武威市在规模报酬递减的情况下规模效率增加了，这说明武威市农业生产投入过多，同时环境和随机因素进一步制约了规模效率的发挥。兰州市、嘉峪关市等十二市、州的规模效率都下降了，尤其以嘉峪关市、金昌市、临夏州和甘南州下降的更明显。其中，张掖市和酒泉市是在规模报酬递减的情况下规模效率进一步降低，其余十市、州是在规模报酬递增的情况下规模效率进一步递减。这说明张掖市和酒泉市农业生产投入过多，但是，由于其具有较好的环境和随机因素的影响，使得农业生产效率能够较有利地发挥出来。而其余十市、州由于农业生产投入不足，在剔除有利的环境和随机因素的影响之后，农业生产的规模效率大幅度降低。

四、甘肃省各市州农业生产效率的分类分析

由以上分析可知，甘肃省财政支农、基础设施建设和研发投入的增加对农业生产效率起抑制作用，同时由于城镇化没有有效地带动农村的协调发展，自然灾害对农业生产的影响，使得甘肃省农业生产效率偏低。考虑到甘肃省农业生产严峻的现状和各市、州不同的生产环境，需要结合不同地区农业生产的不同条件有差别地采取促农政策，因此有必要对不同市、州的农业生产效率进行相应的分类。

OPNET Modeler是目前世界上领先的网络仿真开发和应用平台[6-7]，它使用3个不同域进行建模[8-9](表1),其中网络域涵盖了其它建模域中定义的所有对象,故而网络模型描述了整个仿真系统．OPNET Modeler也相应地提供了3种编辑器来描述这3层模型,依次为项目模型编辑器、节点模型编辑器和进程模型编辑器[10]．此外,OPNET Modeler还提供了诸如包格式编辑器和天线模型编辑器等在内的一些其它模型的编辑器．

多数文献以0.9为临界点，按纯技术效率及规模效率进行划分，将不同的决策单元分为四种类型：“双高型”、“高低型”、“低高型”及“双低型”[5][10]。剔除环境变量和随机干扰项后，依据真实的农业生产效率值进行分类，可以更直观地区别各地区影响农业生产效率的主要方面。在此基础上，考虑不同地区为提高农业生产效率重点选择提高管理技术水平或扩大规模，如何反过来影响地区环境变量进而对农业生产效率的影响，下文利用调整前后综合技术效率变化率、纯技术效率变化率和规模效率变化率来进行实证分析。

以0.9为临界点，按纯技术效率及规模效率进行划分，将甘肃省各市州分为“双高型”、“高低型”、“低高型”和“双低型”类别。各类型的市、州及其调整前后效率变化率如表5所示。

 

表5 各地区调整后效率变化率

  

类别地区TE变化率(%)PTE变化率(%)SE变化率(%)双高型天水市0.000.000.00武威市53.350.0053.35张掖市5.188.81-3.34高低型酒泉市-12.000.00-12.00甘南州-69.40-2.00-68.80嘉峪关市-92.400.00-92.40低高型平凉市-28.10-23.90-5.40庆阳市-12.19-4.63-7.95双低型兰州市-23.6111.65-31.62金昌市-72.9916.82-76.88白银市-18.669.15-25.52定西市26.8138.32-8.36陇南市-21.528.59-27.74临夏州-58.870.13-58.90

注：-表示效率值的降低。

基于不同地区的农业生产条件，在发展农业产业的过程中，政府层面的财政支农、科研投入、完善基础设施建设和促进城镇化发展等措施在不同地区其促进农业产生效率的作用和效果会有所不同。

第一，“双高型”的市州。在“双高型”的市州中，由于农业生产效率相对较高，因而对农业生产的改进相对较少。从效率变化率角度看，天水市调整前后效率值没有变化且都处于相对有效状态。武威市调整后农业生产的综合技术效率提高了53.35%，而且全部来源于规模效率的提高。张掖市农业生产综合技术效率增加了5.18%，其中纯技术效率增加了8.81%，规模效率降低了3.34%。由此可知，“双高型”的市州是环境因素制约了农业生产效率的发挥。

参 考 文 献

第二，“高低型”的市州。在“高低型”的市州中，由于纯技术效率相对较高，规模效率较低，因此这些市州应从扩大规模方面着手促进技术效率的提高。从效率变化角度来看，调整之后，嘉峪关市、酒泉市和甘南州的农业生产效率都降低了，且主要是由于规模效率的降低引起的。嘉峪关市、酒泉市和甘南州规模效率分别降低了92.4%、12%和68.8%。酒泉市由规模报酬不变变为规模报酬递减，嘉峪关市和甘南州由规模报酬不变变为规模报酬递增。由以上分析可知，“高低型”地区，较好的环境因素有助于农业生产效率的发挥，并且是从规模方面促进了效率的增长。

因此，对于“高低型”的市州，相关政策应主要落脚于农业产业规模的调整，依据规模报酬的基本情况选择扩大规模或减少规模。调整之后，甘南州和嘉峪关市处于规模报酬递增状态，且规模效率很低，因此这两个地区需以扩大规模为主；酒泉市处于规模报酬递增状态，因此需要适当的减少规模。相关政策需要以促进和保障农业生产者的生产积极性为主，使得农业生产者扩大生产规模。同时为发挥规模效率，需要改变地区R&D投入的结构，更多的投入适应地区特殊自然环境的农作物种子的培育和适应地区特殊地理条件的农业生产机械的研发，希望由此带来的农业生产效率的提升能够弥补财政支农和道路里程数造成的农业生产效率的减少，进而促进农业生产效率的提高。

第三，“低高型”的市州。在“低高型”的市州中，由于纯技术效率相对较低，规模效率相对较高，所以这些地区应重点从改进管理技术提高资源利用率着手促进农业生产技术效率的提升。从效率变化角度来看，调整之后，平凉市和庆阳市的农业生产效率都降低了。平凉市纯技术效率减少率为23.9%，远大于规模效率减少率5.4%，说明环境因素更多的是从农业生产管理技术方面影响了平凉市的农业生产效率。而庆阳市规模效率降低率为7.95%，稍大于纯技术效率的降低率4.63%，说明环境因素对庆阳市规模效率和技术效率的影响都不是很大，其综合作用使得农业生产效率发生较大幅度的降低。

因此，对于“低高型”的市州，相关政策需从改进管理技术提高资源利用率着手，促使农业生产进行技术效率的提升。要充分利用当地较好的环境优势；财政支农资金的利用需要专项和合理化，同时引导农业生产者更科学的应用资金；基础设施的建设和城镇化的推进要发挥其对农业生产的促进和带动作用，打通流通渠道，引进先进农业生产技术和管理观念；R&D投入资金应该更多地投入适应当地特殊地形的相关农业机械的研发和培育适应当地特殊气候和土壤的农作物品种，藉以促进农业生产结构的调整，提高农业生产管理技术水平，提高农业生产效率。

第四，“双低型”的市州。在“双低型”的市州中，由于规模效率和纯技术效率都较低，因此提高农业生产效率需要综合考虑管理技术的改进和生产规模扩大对生产效率的影响。从效率变化角度来看，定西市调整之后农业生产效率的提高归因于纯技术效率提高，这说明环境因素对定西市管理技术效率的低估和规模效率的高估。其余五个市州调整之后农业生产效率的降低主要源于规模效应的降低，这说明环境因素促进了这些地区农业生产效率的提高。

传统的直销手段存在交换效率低，消费者的选择范围小，金字塔式拉人头，层层加价导致价格虚高，营销资源浪费严重的问题。

因此，对于“双低型”的市州，相关政策需要在扩大农业生产规模的同时促进农业管理技术水平的提升，进而提高农业生产效率。由于这些地区在实际农业生产过程中，农业生产无效主要来源于规模无效且都处于规模报酬递增状态，因此，为提高农业生产效率，需要增加这些地区的农业种植面积。而由于农业播种面积对农业生产效率的负作用，因此，为了使农业生产规模的扩大能够有效促进农业生产效率的提高，必须改变农业生产条件和农业生产结构。新农业种植品种的研发投入、基础设施的建设和财政支农等都应以新生产条件和生产结构的调整为落脚点。基础设施建设要保障资源的流通和对农业生产者的合理的引导作用。在扩大农业生产规模和调结构的同时，引进科学的生产管理技术，科学生产和科学管理，提高农业生产效率。

五、结论与建议

第三，不同市州间农业生产效率存在显著差异。将农业产生效率按纯技术效率及规模效率可以将甘肃省14市、州划分为“双高”、“高低”、“低高”、“双低”四种类型。不同类型的市州促进农业生产效率的主要着手点应有所不同：“双高”型市州以产业链的建立和完善为主要着手点；“高低”型市州以农业产业规模的调整为主要着手点；“低高”型市州以管理技术水平的改进为主要着手点；“双低”型市州需同时考虑规模的调整和管理技术水平的改进。所以，为提高农业生产效率，需要结合不同地区的特殊生产条件，因地制宜采取相关措施。

考虑到ε≈vt/cp,cp为岩石介质中的纵波速度，依据流体弹塑性内摩擦侵彻理论,可以得到不同的岩石粒子速度下，岩石介质侵彻的阻抗函数[3，11]为

4.财政支农支出中农林水利事务占GDP的比例。该变量同四个投入松弛变量的回归系数均为正，且都能通过5%的显著性检验，说明财政支农导致投入松弛量的增加，农业生产效率的降低。这在一定程度上反映了甘肃省农业支农资金管理的低效率和农业粗放式的生产方式。甘肃省大部分地区种植环境较差，单纯农业补贴式的财政支农资金的过多投入会给农业生产者以正向引导作用，使得更多的人进行农业生产，生产效率低或者不适合种植的土地从而得以进入农业生产过程。同时，由于甘肃省农业生产机械化水平较低，在粗放式生产方式下，随着耕种面积的增加不可避免的会造成更多生产资源的投入。

体育教学是为了培养学生强健的体魄和健身的意识，高等教育阶段的体育教学重在后者，因此高校体育教学要以学生为本，要以促进学生的全面发展为目标，在高校的教育评价中必须重视学生评价，从体育教学对学生的有效性角度进行体育教学的评判。同时，在高校体育教学中强化学生评价也是为了让体育教师更加重视学生的体育学习需求，使体育教学与实际需求密切联系，也是提高有效性的重要方式。当前阶段，高校体育教学中学生评教的地位还不突出，在具体的实行过程中也还有不完善之处。

第二，各环境变量对甘肃省农业生产效率存在显著影响。通过第二阶段SFA回归分析可知，五个环境变量对农业生产投入松弛量的回归系数均为负数。这就决定了未来农业生产甘肃省需要改变传统的发展思维，应结合具体情况，基础设施建设、财政支农、R&D投入等要以改善农业生产条件、调整农业产业结构、形成和完善农业产业链和促进各种资源在城乡间的自由流动为出发点。

本文利用三阶段DEA模型测算了甘肃省14个市、州的农业生产效率，在此基础上通过引入环境变量分析了其对投入松弛变量进而对农业生产效率的影响，并且根据调整后测算的农业生产效率结果将甘肃各市、州按纯技术效率及规模效率划分为“双高”、“高低”、“低高”、“双低”四种类型进行了具体分析，结果表明：

由以上分析可知，五个环境变量对农业生产投入松弛量的回归系数均为负数，加之不同地区不同的农业生产条件，这就对甘肃促进农业生产效率提出了更高的要求。而综合分析不同地区的政策的特点，同时可以发现这些政策在提高农业生产效率过程中的一些共性。对于整个甘肃省而言都需要将以下几点为落脚点：

首先，R&D投入以新型农机设备和新型种植品种的研发为主。这是由于甘肃省农业生产整体规模较小，同时在粗放式的农业生产方式下，单纯的扩大农业耕种面积会使农业生产效率更低。

其次，基础设施的建设以促进农业产业结构的调整和保障农产品“走出去”为落脚点。基础设施建设不能落后于农业生产规模的扩大。基础设施建设应围绕农业生产结构调、优势产业发展、产业融合等来进行。

最后，财政支农致力于引导农民对生产结构的调整和支持新型农业主体的形成。要根据地区资源禀赋选择优势产业，推广优势种植品种，在新产业和新品种给农民带来确实的收益之前，加强政府对相关生产的补贴，增加农民生产的积极性。同时，鼓励企业参与和扶持相关农业产业的发展，促进“企业+农户”、“企业+农户+政府”等新型农业生产主体的形成，整合农业资源，促进农业生产效率的提升，进而增加农民就业和收入。

ADF4350为一款产生本振混频频率的控制芯片,该芯片共有6个寄存器配合控制输出不同需求的本振频率。模拟SPI接口时序将ADF4350配套软件产生的需求寄存器参数值写入到芯片寄存器中实现芯片产生混频频率的功能。ADF4350芯片的时序如图6所示。其中CS 为片选信号,拉低有效;SCLK为输入时钟信号;DATA为写数据信号。根据时序图可知,只需要在CS片选信号拉低的32个时钟周期内将32 bit的数据写入即可,每个周期写入1 bit的数据,数据写完之后LE拉高一个时钟周期。

因此，对于“双高型”的城市，相关政策应主要落脚于农业产业末端的效率提高。财政支农以促成新型农业主体为落脚点，促进农业生产、加工和销售等产业链的建立和完善；基础设施的投入以促成地区的互联互通为出发点，促进农产品的顺畅流通；R&D投入致力于创新完善农产品加工链，促进新农业主体的产生；城镇化发展过程中，要促进城镇对农村的带动作用，通过新型农业生产主体实现资源流动。

[1]张学鹏，王晓燕.基于DEA的甘肃农业生产效率变动分析[J].甘肃科学学报，2011，(2):139-142.

[2]金梅.基于DEA模型的甘肃农业生产效率研究[J].兰州大学学报(社会科学版)，2013，(5):94-98.

[3]王铁，杨林娟，王霖，辛文文.基于DEA的甘肃农业产业化国家重点龙头企业绩效评价[J].中国农学通报，2014，30(34):315-320.

[4]谈存峰.技术进步、技术效率与农业生产率增长——基于甘肃省的实证分析[J].中国农业资源与区划，2015，(6):93-98.

1.1 一般资料 本研究对象为2014年12月～2016年12月在我院神经内科确诊为脑卒中并在我科接受康复治疗的偏瘫患者。入选标准：第一诊断符合脑卒中诊断标准[10]；神志清楚、病情稳定的康复患者；患者具有语言沟通和理解能力；同意参加本研究项目。排除标准：不能通过电信、网络进行交流者；严重精神障碍者；合并严重的其它系统疾病者；居住较远，交通不便利者。运用抽样调查的方法抽取90例脑卒中偏瘫患者，并随机分成干预组和对照组2组，每组各45例。2组一般资料比较，差异无统计学意义，见表1。

[5]郭军华，倪明，李帮义.基于三阶段DEA模型的农业生产效率研究[J].数量经济技术经济研究，2010，(12):27-38.

[6]贺志亮，刘成玉.我国农业生产效率及效率影响因素研究——基于三阶段DEA模型的实证分析[J].农村经济，2015，(6):48-51.

[7]Fried H O，Lovell C A K，Schmidt S S，Yaisawarng S.Accounting for environmental effects and statistical noise in data envelopment analysis[J].Journal of Productivity Analysis.2002，(17)：157-174.

[8]陈巍巍，张雷，马铁虎，刘秋皊.关于三阶段DEA模型的几点研究[J].系统工程，2014，(9):144-149.

任何启蒙教育最忌讳的就是让孩子产生困惑。当我们不能帮助孩子澄清定义时，孩子就会根据自己对于这个世界有限的认知来进行理解。

[9]王韧，莫廷程.基于三阶段DEA模型的农业险补贴政策效率研究[J].农村经济，2016，(11):61-65.

[10]任健.马克思恩格斯的“乡村城市化”思想及当代启示[J].兰州财经大学学报，2015，(6):26-29.