《表2 SFA回归结果表：县域减贫效率测度及空间差异分析——基于贵州省的实证研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《县域减贫效率测度及空间差异分析——基于贵州省的实证研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:***、**、*分别表示在1%、5%、10%的显著性水平上通过参数T检验；数据运算由Frontier4.1软件完成。

三阶段DEA方法的关键是运用SFA模型分解第一阶段的松弛变量。首先将第一阶段的投入变量与最优目标值的差（即投入冗余）定义为松弛变量，然后采用极大似然估计法进行多次迭代后计算出各环变量的影响系数，并分离出环境因素、随机因素、管理效率对其的不同影响。结果显示模型的LR单边检验均通过1%水平的显著性检验，说明环境变量选取是可取的。回归模型的γ值（技术无效率方差占总方差的比重）趋近于1，表明随机误差是影响投入冗余的主导因素，运用SFA剔除对环境变量和随机因素对减贫效率影响是必要的。回归结果中，环境变量系数为负且通过检验，说明这个环境变量有利于投入冗余的减少，变量系数为正，说明环境变量投入的增加会提高冗余、增加浪费，过高的投入会对减贫带来“挤出效应”。上述分析揭示了环境变量对贵州省县域减贫效率的影响，很显然，未剥离环境变量的减贫效率评价有可能会造成对决策单元的不恰当定论，即决策单元处于好的外部环境其减贫效率值会高，处在差的外部环境其减贫效率值会低。为确保对贵州省县域减贫效率的真实评价，本文基于式（4）对原始投入值进行调整。