中国农产品加工业发展方式转变绩效评估——基于2001-2010年的面板数据分析

农产品加工业发展方式转变的绩效可以通过全要素生产率的变化进行评估。结合非参数DEA方法和Malmquist指数方法,运用2001-2010年中国农产品加工业及12个行业的面板数据,分析了10年来中国农产品加工业发展过程中全要素生产率的变动情况。研究发现,除个别年份和行业外,中国农产品加工业及各行业的全要素生产率的增长率为正,10年间平均增长了7.7%,增长的动力来自技术进步。由于固定资产和从业人员投入过多,农产品加工业的发展依然是外延式增长方式,提出要从加工标准化、技术改造、资源整合、集聚化等方面实现农产品加工业的内涵式增长。     

江苏省农产品加工业全要素生产率分析

随着江苏省农产品加工业的快速发展,产出增长过程中出现的高投入低效率是需要迫切解决的问题,如何进一步提升全要素生产率水平则成为关键所在。通过运用索洛余值法对江苏省1997—2009年农产品加工业经济增长率进行全要素生产率分析,发现产业仍处于劳动密集型阶段,总产出的增长率中全要素生产率做出的贡献较大。在结论基础上进一步提出相关对策建议:发展新型的劳动密集型产业,提高产业技术水平,扩大规模效应。     

直接投资的技术溢出效应分析——以台湾对祖国大陆农产品加工业投资为例

采用2003-2012年分行业面板数据测算台湾直接投资与大陆农产品加工业全要素生产率之间的关系,以衡量台湾对大陆农产品加工业直接投资的技术溢出效应。台湾当期投资对全要素生产率的影响通过显著性检验,但滞后一期投资影响不显著。当期和滞后一期的投资系数均为负值,表明台湾直接投资对大陆农产品加工业全要素生产率可能存在负面影响。应从引资策略、市场竞争环境、研发投入、人力资本等方面入手,进一步发挥台湾直接投资的技术溢出效应,以提高大陆农产品加工业的全要素生产率。     

海南省农业全要素生产率及地区差异分析——基于DEA的Malmquist指数方法

应用DEA的Malmquia指数方法,对2000-2009年海南省及各市县农业全要素生产率进行测算和分解.结果表明,海南省的全要素生产率整体呈上升趋势,但增长速度缓慢,而各市县的全要素生产率差异较大.推动海南省及各县市农业生产率增长的主要原因是技术进步,技术效率则受纯技术效率和规模效率的共同影响,而海南省的规模效率普遍偏低,因此提高TFP增长率的途径应该是加快科技创新并提高投入要素的规模效益.     

辽宁省装备制造业效率分析

运用2001—2014年27个省市的面板数据,使用DEA模型中的BCC模型和Malmquist指数法对辽宁省装备制造业及其细分行业的综合效率和全要素生产率(TFP)变化进行分析。结果表明:辽宁省装备制造业更多依靠规模和数量取胜,而非产业发展质量; 近几年来辽宁省的要素使用效率有一定的提升,对劳动投入的利用水平低于资金投入; 辽宁省装备制造业全要素生产率的变动主要是由技术进步引起的,技术效率的变动起的作用相对较小,但近几年全要素生产率的下降则主要是由技术效率变动的下降引起的,而这种下降主要是由于纯技术效率的下降引起的。     

安徽省农业全要素生产率差异及收敛性分析

运用非参数DEA-Malmquist指数方法,对安徽省农业全要素生产率变化情况进行估算,同时对不同地区农业全要素生产率的收敛性进行分析.研究发现:安徽省农业全要素生产率整体表现为上升发展趋势,其增长的动力来源于农业技术进步的推动,而不是农业技术效率的提高.从不同地区看,大部分地级市的农业全要素生产率指数均大于1,皖中地区的农业全要素生产率指数最高,其次是皖北地区,而皖南地区的农业全要素生产率指数最低.不同地区的农业全要素生产率既不存在σ收敛,也不存在绝对β收敛和条件β收敛.     

旅行社技术效率和全要素生产率变化研究——基于2001～2010年省际面板数据

运用数据包络分析法和Malmquist生产率指数对我国旅行社行业2001～2010年的省际技术效率及全要素生产率变化情况进行测算、评价,结果表明:我国旅行社行业省际技术效率较低,主要原因在于纯技术效率损失严重,省际技术效率水平的区域分布呈现东部最高、西部次之、中部最低的特征;旅行社行业省际全要素生产率呈现整体下滑趋势,技术退步是其主要原因,具体到各个地区,西部旅行社因为技术效率有较大幅度的提高,全要素生产率有所改善,东部、中部的旅行社因为技术效率提高幅度较小,全要素生产率降低.     

基于Malmquist指数的钢铁企业效率测度分析

评估钢铁企业的效率是研究、规划、调控钢铁工业发展的重要依据，文章运用基于DEA模型的Malmquist方法研究了2001-2006年中国钢铁类上市公司效率改善指数、技术进步效率指数和全要素生产率指数的变化。结果表明，钢铁企业的全要素生产率增长主要是由技术进步推动的，目前大部分钢铁企业的规模效率没有达到最优。通过分析，认为提高钢铁企业的技术效率是钢铁业发展的主要方向，同时应走钢铁生产规模化经营之路以提高规模效率，促进钢铁企业全要素生产率的增长。     

基于随机前沿分析的中国农业全要素生产率增长的实证分析

基于1997—2014年的省际面板数据,建立超越对数随机前沿函数模型进行农业全要素生产率的实证分析,根据对农业全要素生产率的测算分解,得出如下结论:农业全要素生产率增长存在波动,其增长年均值为8.59%;技术进步变化率是其主要推动因素,而要素配置效率变化率和规模效率变化率对农业全要素生产率的贡献仍较小。此外,农业全要素生产率增长存在明显的地区差异,从变异系数来看,华南地区农业TFP增长率波动对全国农业TFP增长率影响较大;分区域来看,华东地区的农业全要素生产率增长受规模效率变化率波动影响最大,华南地区农业TFP受配置效率变化率波动影响最大,以上两方面构成农业全要素生产率增长地区差异的主要原因。最后,笔者根据研究结论提出相应的政策建议。     

中国旅游绿色全要素生产率测算及其收敛性分析

绿色全要素生产率水平是衡量旅游可持续发展的重要指标.基于非期望产出角度,分别采用SBM模型和GML模型从动态和静态两个视角对全国31个省市的旅游绿色全要素生产率水平进行综合测度,并在此基础上对其整体空间格局演变及空间收敛性进行研究.结果表明:1)全国旅游绿色全要素生产率水平呈上升趋势,其中东部地区最优;2)全国旅游绿色全要素生产率由技术效率和技术进步交替主导呈"平缓—大幅波动—趋于平缓"趋势,各省市旅游绿色全要素生产率水平的提高主要还是依靠技术进步和纯技术效率的提高;3)随着时间的推移,位于第三等级和第四等级的省市越来越多,但仍有大面积省份位于第二等级,说明我国旅游绿色全要素生产率水平还有待提高;4)通过收敛性检验发现,我国旅游绿色全要素生产率水平存在α收敛趋势,省际间的差异呈缩小化趋势,且全国及东、中、西部各地区的旅游绿色全要素生产率水平、技术进步、纯技术效率及规模效率均存在β绝对收敛,区域间"追赶效应"明显.     

数字创新如何影响全要素生产率

本文从要素配置效率和人力资本积累视角构建数字创新影响全要素生产率的作用机制，将全样本微观层面ICT专利申请授权量数据汇总到省级层面衡量数字创新，利用数据包络分析法测算全要素生产率，探讨数字创新对全要素生产率的影响效应。研究发现：数字创新能够显著提升全要素生产率，并推动技术进步和提升规模效率。在计算机类数字创新、沿海地区、南方地区等情形下，数字创新对全要素生产率的推动作用更显著。在2008年之后，数字创新对技术进步具有显著的推动作用，而对规模效率具有显著的抑制作用。数字创新将通过提高要素配置效率和加速人力资本积累渠道提高全要素生产率。数字创新对技术进步的推动作用存在显著的溢出效应。     

环境规制下的西部地区工业全要素生产率变动分析

运用DEA-Malmquist方法分析了环境约束下西部地区的工业全要素生产率变动情况,结果表明:西部地区污染排放效率提升缓慢,制约了工业全要素生产率的提高;工业规模的优化有助于改善污染排放效率,但原有技术的继续使用却导致污染排放效率降低;环境规制对工业技术进步具有显著的负向作用,间接制约了工业全要素生产率的提升。为此建议西部地区实行差异性环境规制,进一步优化环境规制工具组合,构建可持续的环境规制制度体系。     

奶业生产模式差异及其科技瓶颈化解与创新研究

通过对我国不同生产模式的奶业的全要素生产率及其构成测算,发现：散户、小规模养殖、中等规模和大规模养殖的奶牛生产模式的奶业生产率都表现出增长的趋势,但是其生产变化率却并不稳定;同时,散户奶牛养殖模式的全要素生产率增长率无效的制约因素主要是生产效率不足造成,而对于小规模、中等规模和大规模的有效的主要原因是技术进步.不论何种生产模式的奶业发展,科技进步已经成为改善奶业生产效率和提升奶业全要素生产率的关键.     

我国主要商业银行生产效率变动趋势研究

本文运用基于DEA模型的Malmquist指数理论方法,研究了1997-2006年间我国主要商业银行的全要素生产率及其分解指数:综合效率,技术进步率,技术效率,规模效率等,探求各指数变化的主要原因并提出提高全要素生产率的建议。     

劳动力转移对中国全要素生产率的影响——基于2000-2014年省级面板数据的实证分析

首先,根据2000—2014年全国各省和直辖市面板数据,采取DEA-Malmquist指数法,对我国30个省、 自治区及直辖市的全要素生产率进行测算,并分析了劳动力转移对全要素生产率的影响.结果表明:劳动力转移有利于全要素生产效率(Total Factor Productivity,TFP)的增长,且当第一产业就业人数占总就业人数的比例每减小1%时,全要素生产率会增加1.39%.其次,通过地域划分,横向比较了不同区域内劳动力转移对TFP的具体作用效果,其作用效果大小按照西南、 中南、 东北、 华北、 华东以及西北地区顺序呈现递减规律.最后,将全要素生产率分解为纯技术效率、 技术进步指数和规模效率,分别探究劳动力转移对它们的影响.研究发现:劳动力转移影响全要素生产率主要是通过对技术进步水平与规模效率水平的影响所实现的.     

中国上市汽车公司效率分析——基于DEA-Malmquist指数方法

采用DEA-Malmquist指数方法,对中国上市汽车公司2009-2012年间效率变动情况进行了分析。结果显示:中国上市汽车公司的全要素生产率变化指数小于1,但不断上升,全要素生产率下降速度趋缓;上市汽车公司综合技术效率年度间变动较小,较为稳定,规模效率的下降抵消了纯技术变化指数的增长对综合技术效率增长的促进作用;上市汽车公司技术进步指数和全要素生产率指数的变动一致,是引起全要素生产率变动的主要原因;上市汽车公司年度效率波动较大,各企业之间效率差异较小,不存在具有明显优势的企业,抵御外部冲击能力较小。     

我国粮食主产省农业全要素生产率实证分析

农业产出增长要靠不断加强农业投人和提高农业全要素生产率来实现。农业生产资源的稀缺性,决定了农业产出的持续增长只能依靠不断提高全要素生产率。采用非参数法中的数据包络分析方法对我国粮食主产省的全要素生产率进行测算,使用Malmquist指数法将全要素生产率进一步分解为规模效率、纯技术效率和技术进步。研究发现：2000-2009年我国粮食主产省全要素生产率的变化不稳定;粮食主产省的技术都呈现出进步的趋势,但各自的技术效率却存在很大的差异,且导致技术效率变化的原因也各不相同。     

中国农业全要素生产率及其时空差异分析

基于1990-2010年省际面板数据,运用DEA-Malmquist方法测算和分析中国农业全要素生产率.测算结果表明:中国农业全要素生产率增长是技术进步和技术效率共同作用的结果,但是技术进步起主导作用;农业全要素生产率增长存在时空差异;全国、三大地区及绝大多数省份农业技术效率的波动主要源于纯技术效率的变动,与规模效率的关系不大.因此,为了加快经济发展方式转变,我国不仅要促进农业技术进步,而且在不同区域农业投入的重点领域应该各有侧重.     

农产品贸易提升了农业绿色全要素生产率吗？

基于2008—2017年中国省际面板数据,从农村金融发展的视角出发,实证检验了农产品贸易对农业绿色全要素生产率（Total Factor Productivity,TFP）的影响。研究发现:（1）农产品进口贸易和农产品出口贸易均有利于提升农业绿色全要素生产率,其中,农产品出口贸易的提升作用更大;（2）相比农业绿色技术效率渠道,农产品贸易通过促进农业绿色技术进步对农业绿色全要素生产率产生的提升作用更强;（3）农产品贸易可以通过推动农村金融发展对农业绿色全要素生产率提升产生积极作用,即存在农产品贸易→农村金融发展→农业绿色全要素生产率的传导机制;（4）农产品贸易对农业绿色全要素生产率的影响存在基于农村金融发展的双重门槛效应,在农村金融发展水平由低变高的动态过程中,农产品贸易对农业绿色生产率的促进作用逐步增强。因此,要促进农业绿色全要素生产率的有效提升,一方面离不开农产品贸易的持续健康发展,另一方面也需要充分结合各地区农村金融发展水平的实际状况,施行差异化的农产品贸易政策,以充分发挥农产品贸易的正向绿色全要素生产率溢出效应。     

基于DEA—Malmquist模型的高新技术产业发展效率研究

基于中国31个省(市、区)1999年—2014年的数据,运用DEA—Malmquist方法分析高新技术产业发展效率及时空演变特征,并对其投入产出指标进行优化.研究表明:1全国层次上,技术效率水平有待提高,纯技术效率对技术效率的影响强于规模效率;省域层次上,东部沿海地区大多实现DEA有效,河北、山西、河南等七个省份技术效率值较低.2高新技术产业生产率水平总体呈上升趋势并以4.2%的年均速度增长;除宁夏、新疆、西藏外,各省的生产率指数均实现优化,技术进步是全要素生产率增长的主要因素,规模效率变化影响较小.3非DEA有效省份普遍存在要素投入冗余情况,各省区可通过优化投资环境、循序淘汰行业落后产能、推进资产重组等措施提高产出效率.