安得拉邦虾类养殖技术效率:评估与启示
即Sivaraman1克里希南2附注:阿南坍2K.J.S. Satyasai3.L.克里希南4哈里巴布5和P.N.阿南特6
1印度奥德萨邦布巴内斯瓦尔中央淡水水产养殖研究所社会科学科
2印度孟买中央渔业教育学院收费处
3.经济分析与研究部，印度孟买
4印度普普哈尔msrf人人鱼中心
5印度内洛尔穆图库尔渔业学院
6Krishi Vigyan Kendra, Kurdha Bhubaneswar，印度奥德萨邦
http://dx.doi.org/10.12944/CWE.10.1.23
对虾养殖是印度水产养殖的一个关键分部门，在过去几十年里取得了显著的增长，未来具有巨大的潜力。本文采用随机生产前沿函数对安得拉邦东戈达瓦里地区虾农的技术效率进行了分析，并考虑了技术无效率效应。农户的平均技术效率估计为93.06%，即农户的生产效率低于生产边界产量6.94%。农民的年龄、受教育程度、经验及其在农民协会和协会的成员身份对技术效率有显著影响。技术效率的差异也证实了养殖户采用对虾养殖技术程度的差异。适当的技术培训机会可以帮助农民采用改进的技术来提高他们的农业生产力。
虾养殖;技术效率;随机生产前沿
复制下面引用这篇文章:
Sivaraman I, Krishnan M, Ananthan P. S, Satyasai KJS, Krishnan L, Haribabu P, Ananth P. n。安得拉邦对虾养殖技术效率:评估及其意义。当代世界环境2015;10(1)DOI:http://dx.doi.org/10.12944/CWE.10.1.23
复制以下内容引用此URL:
Sivaraman I, Krishnan M, Ananthan P. S, Satyasai KJS, Krishnan L, Haribabu P, Ananth P. n。安得拉邦对虾养殖技术效率:评估及其意义。生态学报，2015;10(1)。可以从://www.a-i-l-s-a.com/?p=87
介绍
传统的沿海虾养殖方式在印度次大陆已经存在了许多世纪。在八十年代，虾养殖企业发展势头强劲，成为沿海农民中流行的养殖方式。在20世纪90年代，经济自由化进程扩大了商业虾养殖的范围，因为它是一种面向出口的活动。政府的计划和方案推动了随后几年的增长，虾养殖成为渔业领域一个非常重要的子部门。2013-14年期间，印度出口虾价值1936.8亿卢比(MPEDA,2014)。虾养殖取决于各种因素，如系统物理特性的质量、气候条件以及生产过程中使用的所有投入资源的质量。因此，虾产量是不同因素的函数。必须详细研究产量的变化和造成效率低下的因素，以提高农场的产量和生产力，从而使我们的农业系统达到最高效率。
材料与方法
在这项研究中，我们收集了随机选择的东哥达瓦里区150个虾养殖户的农场水平横截面数据。预先测试了访谈时间表，并用于从农民那里收集信息。采用随机生产函数来解释虾产量的变化。在发展中国家，随机前沿模型已被广泛用于农业绩效的测量，而这些数据往往受到测量误差和其他随机因素(如天气条件、疾病等)的影响(Aigner et al, 1977)。水产养殖经济学的技术效率(TE)估算也被许多研究者尝试过，这些研究大多来自亚洲国家。(Shang et al. 1998;Sharma et al.1999;Iinuma et al. 1999;Sharma和Leung 2000;Irz and McKenzie 2003;Chiang et al. 2004; Dey et al. 2005; Singh et al. 2009; Alam et al. 2011; Rahman et al. 2011;). To estimate the Technical Efficiency the Battese and Coelli (1995) model is widely adopted model due to its computational simplicity and ability to examine the effects of various farm specific variables of TEin an econometrically consistent manner. This model was employed in recent studies.Sharma and Leung (2000); Dey et al. (2000, 2005) ; Singh et al. (2009); Alam et al. (2011) have employed the FRONTIER 4.1 software, used Battese and Coelli (1995), to simultaneously estimate the parameters of the SPF and the TE models. The stochastic frontier production function for cross-sectional data is specified as:Y我=f (X我;β）经验值(V我−U我）(1)Y 我 的结果我农场(我= 1,2,3，………。n)，X我是1 ×公斤ydF4y2Ba农业生产投入的已知函数值的向量和与农业生产投入相关的其他解释变量的向量我农场，β是一个公斤ydF4y2Ba× 1未知待估计参数向量;V我s是随机变量，假设它们是独立同分布的N(0,σv 2)并且独立于U我的年代,U我' s是与生产中TE相关的非负随机变量，并且假设作为截断独立分布N（Z我δσ,u 2)分布。继batese和Coelli(1995)之后，U我’s可以表示为:U我=Z我δ+W我(2)Z我是1 ×p可能影响农场效率的变量向量，δ是ap× 1个待估计参数向量，W我s是由正态分布的截尾定义的随机变量，均值为0，方差为σu 2，使得截断点为−Z我δ，也就是，W我≥Z我δ。这些假设与U我的非负截断N（Z我δσ,u 2)分布(Battese和Coelli, 1995)。利用最大似然估计方法(ML)可以同时估计随机前沿模型的参数，如Eq.(1)和Eq.(2)中的技术无效率模型的参数，给出了模型参数的似然函数及其偏导数。(batese and Coelli,1993)。生产的技术效率为我农场(TE)我）定义为:
给定模型假设，TE的预测基于式(3)中表达式的条件期望。
经验模型
安得拉邦虾类养殖的随机生产边界可以使用Cobb-Douglas函数形式进行估计，如下所示:
在下标我参考我样本中的农场;ln表示自然对数;Y表示输出和X' s是前面定义的输入变量;δ s为待估计参数;V的年代,Us是前面定义的随机变量。Eq. 4的极大似然估计给出了b和方差参数的估计，
继Battese和Coelli(1995)之后，假设技术无效率分布参数U我是假设影响技术效率低下的各种业务变量和农场特定变量的函数，如:
在哪里Zs是之前定义的各种操作变量和特定于农场的变量;s是待估计的未知参数;和W我前面也有定义。需要注意的是，方程5中的技术无效率模型只有在技术无效率影响U我Coelli和batese，(1996)。因此，检验无技术效率低下效应的零假设y = δ是很有趣的0=δ1=, =δ9= 0;技术效率低下的影响是非随机的，y = 0，农场特定因素不影响效率低下，y = 01=, =δ9y = 0;随机前沿模型简化为传统的平均函数，其中技术无效率模型中的解释变量被计入生产函数。这些假设和相关的零假设可以使用广义似然比统计量λ进行检验，由下式给出:
L(H)和L(H1)表示空值和备选值(H1)假设。如果给定的零假设成立，λ近似于X2分布或混合X2零假设y = 0时的分布。给出了型号规格，技术效率指标为我 th农场在样本TE我，定义为观测输出与相应前沿输出的比值，由:TE给出我= exp (-U)我) (7) TE的预测是基于公式(7)中表达式的条件期望，给定V的值我- U我以随机前沿模型参数的最大似然估计进行评估(Battese和Coelli, 1988)。边疆生产为我 th农场可以计算为实际产量除以TE估计。Eq.(4)中的随机前沿函数的参数和Eq.(5)中的技术无效率模型的参数使用ML估计方法，使用计算机程序frontier 4.1 (Coelli, 1994)同时估计。
输出和输入变量
表1给出了安得拉邦东戈达瓦里地区样本虾农随机生产前沿函数中涉及的产出和投入参数对应的变量。SPF中包括水域分布面积、饲养密度、饲料数量、人工成本、化学品和化肥成本、电力和燃料成本。农场的效率可能会受到表1中提到的农场特定变量的影响。在现有文献的基础上，选择了变量，并阐述了纳入变量的理由。
表1:随机生产前沿的变量说明和技术Inefï效率
虾类养殖模式。
结果与讨论 农业的特点
样本虾场的特征见表1。这些养殖场的平均水域面积为1.06公顷。这些农场每公顷平均储存391502卢比，相当于每平方米39卢比。对虾投喂商业颗粒饲料，平均投喂量为11251 kg，平均产量为3128 ~ 11326 kg/ha，平均产量为7846 kg/ha。用于生产的劳动量是以长期劳动的薪金和工资以及用于诸如池塘准备和其他常规活动等具体活动的雇佣劳动来表示的。平均劳动力成本为每公顷51135卢比。农民从池塘准备阶段到收获阶段使用各种化学药品和肥料。化学品和化肥的平均成本为每公顷189507卢比。电力和燃料的平均成本为每公顷245036卢比。
表2所涉及变量的汇总统计-东戈达瓦里区。
无效率函数的参数估计
在TE分析中，Eq.(5)中无效率模型的因变量定义为无效率水平;与负(正)系数相关的农场特定变量将对TE产生正(负)影响。结果表明，农民的经验和受教育程度对农场绩效有显著的正向影响。年龄与TE呈正相关。这些结果表明，经验丰富、受教育程度较高的农民正在采取适当的农场管理决策，从而提高了他们的TE。Dey等人(2000)、Alam等人(2011)和Rahman等人(2011)的研究也支持了这些结果。从这些变量的一部分，早期的技术采用性质和组织成员资格也被发现与TE呈正相关。这些变量与TE的相关性达到5%显著水平，而风险规避性质、家庭规模、职业状况和所有权状况与TE呈负相关。虽然家庭规模、职业状况、文化年限、所有权状况呈负相关，但统计学意义仅在10%的水平上。发现随机生产前沿模型中与方差相关的估计γ参数接近于1且高度显著。 Though the γ parameter cannot be interpreted as the proportion of the total variance explained by the Technical Efficiency effects, from the result it is inferred that Technical Efficiency effects do have a significant contribution to the variation of shrimp production in Andhra Pradesh.
技术效率
图1描绘了东戈达瓦里地区样本虾农估计TE分数的频率分布。约32%的农民TE得分在95%以上，53.33%的农民TE得分在90 - 95%之间。约14.67%的农民经营成本低于90%。对虾养殖户TE平均水平为93.06%。Reddy等人(2008)在东Godavari地区的一项研究中也获得了类似的结果，该地区对虾养殖的估计TE为93%。在其他国家进行的研究中，TE得分较低。例如，在孟加拉国虾养殖系统中进行的研究表明，技术效率得分在70%左右。Haque(2011)发现虾养殖的技术效率为71%。Rahman等人(2011)得出结论，虾养殖的技术效率为68%。
结论
从研究中可以清楚地看出，农民在技术上是高效的，他们可以在东哥达瓦里实现93.06%的潜在产量。TE较高的原因可能是由于农民对生产技术的了解程度较高。养殖户采用的半集约化养殖技术是一种优良的生产技术，在虾生长周期的不同阶段，以优质的商品化颗粒饲料喂养虾，并在池塘生态系统中施用多种生长促进剂。TE分数的差距间接表明，提高产量以实现潜在产量仍有很大的空间。造成效率低下的主要因素是农民的经验、教育程度和年龄。早期技术采用性质和组织成员与TE呈正相关。家庭规模、职业状况、文化持续时间、所有权状况与TE呈负相关。研究结果表明，这种差异可能与农民的人格特质有关。Valderrama等人(2014)认为，通过向农民提供适当的技术培训计划，可以提高农场的效率。更好的管理实践将使他们进一步实现更好的生产力。
参考文献
传统的沿海虾养殖方式在印度次大陆已经存在了许多世纪。在八十年代，虾养殖企业发展势头强劲，成为沿海农民中流行的养殖方式。在20世纪90年代，经济自由化进程扩大了商业虾养殖的范围，因为它是一种面向出口的活动。政府的计划和方案推动了随后几年的增长，虾养殖成为渔业领域一个非常重要的子部门。2013-14年期间，印度出口虾价值1936.8亿卢比(MPEDA,2014)。虾养殖取决于各种因素，如系统物理特性的质量、气候条件以及生产过程中使用的所有投入资源的质量。因此，虾产量是不同因素的函数。必须详细研究产量的变化和造成效率低下的因素，以提高农场的产量和生产力，从而使我们的农业系统达到最高效率。
材料与方法
在这项研究中，我们收集了随机选择的东哥达瓦里区150个虾养殖户的农场水平横截面数据。预先测试了访谈时间表，并用于从农民那里收集信息。采用随机生产函数来解释虾产量的变化。在发展中国家，随机前沿模型已被广泛用于农业绩效的测量，而这些数据往往受到测量误差和其他随机因素(如天气条件、疾病等)的影响(Aigner et al, 1977)。水产养殖经济学的技术效率(TE)估算也被许多研究者尝试过，这些研究大多来自亚洲国家。(Shang et al. 1998;Sharma et al.1999;Iinuma et al. 1999;Sharma和Leung 2000;Irz and McKenzie 2003;Chiang et al. 2004; Dey et al. 2005; Singh et al. 2009; Alam et al. 2011; Rahman et al. 2011;). To estimate the Technical Efficiency the Battese and Coelli (1995) model is widely adopted model due to its computational simplicity and ability to examine the effects of various farm specific variables of TEin an econometrically consistent manner. This model was employed in recent studies.Sharma and Leung (2000); Dey et al. (2000, 2005) ; Singh et al. (2009); Alam et al. (2011) have employed the FRONTIER 4.1 software, used Battese and Coelli (1995), to simultaneously estimate the parameters of the SPF and the TE models. The stochastic frontier production function for cross-sectional data is specified as:Y我=f (X我;β）经验值(V我−U我）(1)Y 我 的结果我农场(我= 1,2,3，………。n)，X我是1 ×公斤ydF4y2Ba农业生产投入的已知函数值的向量和与农业生产投入相关的其他解释变量的向量我农场，β是一个公斤ydF4y2Ba× 1未知待估计参数向量;V我s是随机变量，假设它们是独立同分布的N(0,σv 2)并且独立于U我的年代,U我' s是与生产中TE相关的非负随机变量，并且假设作为截断独立分布N（Z我δσ,u 2)分布。继batese和Coelli(1995)之后，U我’s可以表示为:U我=Z我δ+W我(2)Z我是1 ×p可能影响农场效率的变量向量，δ是ap× 1个待估计参数向量，W我s是由正态分布的截尾定义的随机变量，均值为0，方差为σu 2，使得截断点为−Z我δ，也就是，W我≥Z我δ。这些假设与U我的非负截断N（Z我δσ,u 2)分布(Battese和Coelli, 1995)。利用最大似然估计方法(ML)可以同时估计随机前沿模型的参数，如Eq.(1)和Eq.(2)中的技术无效率模型的参数，给出了模型参数的似然函数及其偏导数。(batese and Coelli,1993)。生产的技术效率为我农场(TE)我）定义为:
给定模型假设，TE的预测基于式(3)中表达式的条件期望。
经验模型
安得拉邦虾类养殖的随机生产边界可以使用Cobb-Douglas函数形式进行估计，如下所示:
在下标我参考我样本中的农场;ln表示自然对数;Y表示输出和X' s是前面定义的输入变量;δ s为待估计参数;V的年代,Us是前面定义的随机变量。Eq. 4的极大似然估计给出了b和方差参数的估计，
继Battese和Coelli(1995)之后，假设技术无效率分布参数U我是假设影响技术效率低下的各种业务变量和农场特定变量的函数，如:
在哪里Zs是之前定义的各种操作变量和特定于农场的变量;s是待估计的未知参数;和W我前面也有定义。需要注意的是，方程5中的技术无效率模型只有在技术无效率影响U我Coelli和batese，(1996)。因此，检验无技术效率低下效应的零假设y = δ是很有趣的0=δ1=, =δ9= 0;技术效率低下的影响是非随机的，y = 0，农场特定因素不影响效率低下，y = 01=, =δ9y = 0;随机前沿模型简化为传统的平均函数，其中技术无效率模型中的解释变量被计入生产函数。这些假设和相关的零假设可以使用广义似然比统计量λ进行检验，由下式给出:
L(H)和L(H1)表示空值和备选值(H1)假设。如果给定的零假设成立，λ近似于X2分布或混合X2零假设y = 0时的分布。给出了型号规格，技术效率指标为我 th农场在样本TE我，定义为观测输出与相应前沿输出的比值，由:TE给出我= exp (-U)我) (7) TE的预测是基于公式(7)中表达式的条件期望，给定V的值我- U我以随机前沿模型参数的最大似然估计进行评估(Battese和Coelli, 1988)。边疆生产为我 th农场可以计算为实际产量除以TE估计。Eq.(4)中的随机前沿函数的参数和Eq.(5)中的技术无效率模型的参数使用ML估计方法，使用计算机程序frontier 4.1 (Coelli, 1994)同时估计。
输出和输入变量
表1给出了安得拉邦东戈达瓦里地区样本虾农随机生产前沿函数中涉及的产出和投入参数对应的变量。SPF中包括水域分布面积、饲养密度、饲料数量、人工成本、化学品和化肥成本、电力和燃料成本。农场的效率可能会受到表1中提到的农场特定变量的影响。在现有文献的基础上，选择了变量，并阐述了纳入变量的理由。
表1:随机生产前沿的变量说明和技术Inefï效率
虾类养殖模式。
| 变量 | 描述 | 单位 |
| Y | 每年每公顷虾的总产量 | 公斤 |
| 生产边界中的变量 | ||
| X Ws | 水扩散面积 | 哈 |
| X Pl | 每年每公顷储存的幼虫数量 | 数量 |
| X Fd | 每年每公顷饲料用量 | 公斤 |
| X拉 | 每公顷人工成本 | Rs /公顷 |
| X Cf | 每年每公顷施用化学药品和化肥的成本 | Rs /公顷 |
| X Cf&e | 每年每公顷消耗的燃料和电力成本 | Rs /公顷 |
| 无效率函数中的变量 | ||
| Z Cd | 文化的持续时间 | 天 |
| Z Ag) | 养虾人的年龄 | 年 |
| Z的前女友 | 虾农的经验 | 年 |
| Z艾德 | 养虾人的教育程度(小学一年级、中学二年级、高等教育三年级) | 年 |
| Z Oc | 养虾作为主要职业(如是1，否则为0) | 1, 0 |
| Z足总 | 虾农的家庭规模 | 人 |
| Z Rk | 对虾养殖户的风险规避性质(如果是，则为1，否则为0) | 0 1 |
| Z Ea | 对虾养殖户的早期技术采用性质(如果是1，否则为0) | 0 1 |
| Z Ls | 农场所有权(如果租用则为1，否则为0) | 1, 0 |
| Z我 | 虾农协会和社团的会员资格(如果是1个，否则为0个) | 1, 0 |
结果与讨论 农业的特点
样本虾场的特征见表1。这些养殖场的平均水域面积为1.06公顷。这些农场每公顷平均储存391502卢比，相当于每平方米39卢比。对虾投喂商业颗粒饲料，平均投喂量为11251 kg，平均产量为3128 ~ 11326 kg/ha，平均产量为7846 kg/ha。用于生产的劳动量是以长期劳动的薪金和工资以及用于诸如池塘准备和其他常规活动等具体活动的雇佣劳动来表示的。平均劳动力成本为每公顷51135卢比。农民从池塘准备阶段到收获阶段使用各种化学药品和肥料。化学品和化肥的平均成本为每公顷189507卢比。电力和燃料的平均成本为每公顷245036卢比。
表2所涉及变量的汇总统计-东戈达瓦里区。
| 变量名 | 最低 | 最大 | 的意思是 | 性病Dev |
| 虾产量(公斤/公顷) | 3128 | 11326 | 7846 | 1826 |
| 水域延伸面积(公顷) | 0.45 | 1.6 | 1．06 | 0.27 |
| 放养数目(数目/公顷) | 150000 | 550000 | 391502 | 98436 |
| 饲料(公斤/公顷) | 4461 | 16343 | 11251 | 2462 |
| 人工成本(卢比/公顷) | 19358 | 65987 | 51135 | 10265 |
| 化学品和化肥成本(卢比/公顷) | 69194 | 26832 | 189507 | 44126 |
| 电力及燃料成本(卢比/公顷) | 91410 | 407545 | 245036 | 60923 |
| 培养时间(天) | 62 | 131 | 106.77 | 13.97 |
| 年龄(年) | 29 | 65 | 44.21 | 8.56 |
| 教育(1或2或3) | 1 | 3. | 1.87 | 0.63 |
| 经验(年) | 7 | 25 | 13.13 | 4.62 |
| 家庭规模(No) | 2 | 6 | 3.52 | 1.19 |
| 职业(0或1) | 0 | 1 | 0.78 | 0.42 |
| 所有权(0或1) | 0 | 1 | 0.69 | 0.46 |
| 成员(0或1) | 0 | 1 | 0.55 | 0.5 |
| 风险厌恶(0或1) | 0 | 1 | 0.46 | 0.5 |
| 早期采用(0或1) | 0 | 1 | 0.62 | 0.49 |
在TE分析中，Eq.(5)中无效率模型的因变量定义为无效率水平;与负(正)系数相关的农场特定变量将对TE产生正(负)影响。结果表明，农民的经验和受教育程度对农场绩效有显著的正向影响。年龄与TE呈正相关。这些结果表明，经验丰富、受教育程度较高的农民正在采取适当的农场管理决策，从而提高了他们的TE。Dey等人(2000)、Alam等人(2011)和Rahman等人(2011)的研究也支持了这些结果。从这些变量的一部分，早期的技术采用性质和组织成员资格也被发现与TE呈正相关。这些变量与TE的相关性达到5%显著水平，而风险规避性质、家庭规模、职业状况和所有权状况与TE呈负相关。虽然家庭规模、职业状况、文化年限、所有权状况呈负相关，但统计学意义仅在10%的水平上。发现随机生产前沿模型中与方差相关的估计γ参数接近于1且高度显著。 Though the γ parameter cannot be interpreted as the proportion of the total variance explained by the Technical Efficiency effects, from the result it is inferred that Technical Efficiency effects do have a significant contribution to the variation of shrimp production in Andhra Pradesh.
技术效率
 |
图1:技术效率频率分布 为东戈达瓦里地区的虾农提供服务 点击此处查看图 |
图1描绘了东戈达瓦里地区样本虾农估计TE分数的频率分布。约32%的农民TE得分在95%以上，53.33%的农民TE得分在90 - 95%之间。约14.67%的农民经营成本低于90%。对虾养殖户TE平均水平为93.06%。Reddy等人(2008)在东Godavari地区的一项研究中也获得了类似的结果，该地区对虾养殖的估计TE为93%。在其他国家进行的研究中，TE得分较低。例如，在孟加拉国虾养殖系统中进行的研究表明，技术效率得分在70%左右。Haque(2011)发现虾养殖的技术效率为71%。Rahman等人(2011)得出结论，虾养殖的技术效率为68%。
结论
从研究中可以清楚地看出，农民在技术上是高效的，他们可以在东哥达瓦里实现93.06%的潜在产量。TE较高的原因可能是由于农民对生产技术的了解程度较高。养殖户采用的半集约化养殖技术是一种优良的生产技术，在虾生长周期的不同阶段，以优质的商品化颗粒饲料喂养虾，并在池塘生态系统中施用多种生长促进剂。TE分数的差距间接表明，提高产量以实现潜在产量仍有很大的空间。造成效率低下的主要因素是农民的经验、教育程度和年龄。早期技术采用性质和组织成员与TE呈正相关。家庭规模、职业状况、文化持续时间、所有权状况与TE呈负相关。研究结果表明，这种差异可能与农民的人格特质有关。Valderrama等人(2014)认为，通过向农民提供适当的技术培训计划，可以提高农场的效率。更好的管理实践将使他们进一步实现更好的生产力。
参考文献
- 洛弗尔,C.A.K. Aigner D和施密特(1977)。随机前沿生产函数模型的公式与估计。经济学杂志
- 阿拉姆,M.F.aMurshed-e-Jahan。，2008,‘Resource allocation efficiency of the prawncarp farmers of Bangladesh’,水产养殖经济与管理，12 (3), pp.188 - 206
- AlamMFerdous, Md。Akhtar uzzaman Khan,A。S.M. AnwarulHuq2011，“孟加拉国罗非鱼养殖的技术效率:基于随机前沿生产方法”，施普林格科学与商业
- Batese,通用电气公司和Coelli T.J.(1995)。面板数据随机前沿生产函数的技术无效率效应模型。经验主义的经济
- Binam, J.N.(2004)。云南刀耕火种农业区小农技术效率影响因素分析
- BuiLeThaiHanh,(2008)。财务变量对越南安江省巴沙鱼养殖场生产效率的影响。
- 蒋芳，孙晨，于俊(2004)。乳鱼的技术效率分析(查诺斯查诺斯)生产—随机前沿生产函数的应用。
- 科利，t.j. 1994。前沿4.1版指南:用于随机前沿生产和成本函数估计的计算机程序。澳大利亚阿米代尔新英格兰大学计量经济系。
- Coelli, T。，Prasada Rao,D.S. and Batese,G.E.(1998).An Introduction to Efficiency and Productivity Analysis,Kluwer Academic Publishers, Bo
- 柯利，T.J.(1996)。“A 1:随机前沿生产和成本函数估计的计算机程序”，CEPA工作论文96/7，新英格兰大学计量经济学系，澳大利亚新南威尔士。
- Coelli, T. J.和G. E. batese . 1996。Identiï影响印度农民技术efï效率的因素教育inï。农业经济学报，40(2):103-128。
- 库普曼斯·德布鲁(1951)和法雷尔(1957)。测量技术效率的随机非参数前沿分析:以北美乳业为例。
- Den, D. T.， T. Ancev等。2007，“越南湄公河三角洲对虾养殖场的技术效率”，澳大利亚农业与资源经济学会，新的热情和
- 戴伊,M。，Paraguas,F.J.,Bimbao,G.B. and Regaspi,P.B.(2000).Technical Efficiency of Tilapia Grow out Pond Operations in the Philippines. Aquaculture Economics and Management.
- Dey, M. M.， F. J. Paraguas等。2005，“选定亚洲国家淡水池塘多养生产的技术效率:估计和启示”，水产养殖经济与管理，第9卷(1-2):39-63
- 法雷尔，m.j. 1957，“生产效率的测量”，皇家统计学会，120:253-2990
- Hanh, Bui Le Thai, 2009，“金融变量对越南安江省巴沙鱼养殖场生产效率的影响”，硕士论文。论文，挪威特罗姆瑟大学和越南芽庄大学。
- 哈克，S. 2011。Efï .孟加拉国虾类养殖的效率和体制问题。农业和农村系统经济学。玛格拉夫出版社，维克斯海姆，德国。
- Irz, X.和V. Mckenzie. 2003。菲律宾邦板牙水产养殖系统的Proï可行性和技术efï效率。水产养殖经济与管理(7):195 - 211。
- Iinuma, M.， K. R. Sharma等人，1999，“马来西亚半岛鲤鱼池塘养殖的技术效率:随机生产前沿和技术效率低下模型的应用”，水产养殖，第175卷(3-4)，第199-213页。
- 卡利巴，A. R.和C. R.恩格尔。，2006，‘Productive efficiency of catfish farms in Chicot county, Arkansas’, Aquaculture Economics & Management, vol. 10(3): 223-243.
- 2014.www.mpeda.com
- 拉赫曼，S.， B. K. Barmon, N. Ahmed, 2011。Diversiï教育经济学和efï“蓝绿色革命”组合中的城市:孟加拉国“集采”系统中对虾-稻米养殖的案例研究。水产养殖国际19:665-682。
- Reddy, g.p.， m.n. Reddy, b.s. Sontakki和D.B. Prakash. 2008。安得拉邦对虾养殖户efï - - -效率的测定。中国农业科学学报，2009(4):653-657。
- Sathiadhas, R, Najmudeen, T M和Prathap, K Sangeetha, 2009，“印度水产养殖实践的盈亏平衡分析和盈利能力”，亚洲渔业科学，第22卷(2)，667-680页。
- Sivaraman I(2014~)安得拉邦对虾养殖管理实践的批判性分析，孟买中央渔业教育学院渔业经济、推广和统计处，未发表的博士论文(工作在最后阶段)
- 陈恩华，梁培平，陈恩华，陈恩华，A. 1999，“基于数据包络分析(DEA)的水产养殖场经济效益与最佳放养密度”，水产养殖，18 (1)，57 - 61
- Sharma, k.r.和p.s. Leung 2000，“印度鲤鱼生产的技术效率:随机前沿生产函数分析”，水产养殖研究，第31卷(12):937-947。
- 尚玉昌，梁培平，梁伯华。凌。亚洲虾类养殖的比较经济学。水产养殖164(1 - 4):183 - 200。
- 辛格，K.， M. M. Dey, A. G. Rabbani, P. O. Sudhakaran和G. Thapa, 2009。印度特里普拉淡水养殖的技术效率及其决定因素efï。农业经济评论22:185-195。
- Timothy J. Coelli, D.S. Prasada Rao等人，2005，“效率和生产力分析的介绍”，第二版，斯普林格:172。
- (2008)。水产养殖经济与管理;越南天顺化(ThÆ°a tien Hue) Tam Giang泻湖对虾复合养殖的技术效率
- 陈清轩，(2001)。湄公河沿岸河口生态系统资源保护与水产养殖发展的调查研究与合理应用[j]，水产养殖第二研究所科学报告。
- Valderrama Diego, Sivaraman Iyemperumal & M. Krishnan(2014)为水产养殖可持续发展建立共识:印度对虾养殖管理实践的德尔菲研究，水产养殖经济与管理，18:4,369-394,DOI: 10.1080/13657305.2014.959211
