我国保险业全要素生产率及其增长分析

文章研究了1998~2003年我国保险业全要素生产率(TFP)增长趋势,并将其分解为前沿技术进步(FS)、纯技术效率(PTE)的变化、规模效率(SE)的变化三大因素。研究发现:保险业的全要素增长率(TFP)呈现逐年上升的趋势,年均增长在15.9%;前沿技术进步已成为我国保险业TFP增长的最主要动力,保险公司因前沿技术进步平均每年提高全要素生产率高达16.7个百分点;保险公司相对前沿的技术效率(TE)差距拉大,已出现阻碍TFP增长的趋势,这种技术效率的差距不是由于纯技术效率的差异影响而主要是受规模效率的影响。     

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。     

扶持政策对绿色食品农业龙头企业相对绩效影响效果的实证分析——基于DEA-Tobit分析方法

采用DEA-Tobit两步法来研究扶持政策对绿色食品农业龙头企业的生产效率的影响。第一步,运用CCR模型评估出决策单元的效率值。结果表明:大部分绿色食品农业龙头企业处于规模递增阶段,企业纯技术效率和生产效率偏低。第二步,以生产效率、纯技术效率、规模效率为因变量,以各扶持政策、绿色产品开发强度等为自变量,对相关变量取对数,建立回归模型。结果显示:(1)增加资本要素、土地要素有利于提升绿色食品农业龙头企业规模效率,但对纯技术效率影响效果不明显,劳动力生产要素制约了企业纯技术效率提升。(2)农业龙头企业"漂绿"动机致使其绿色食品开发程度与生产效率负相关。(3)绿色品牌补贴和生态基地补贴等专用扶持政策效应不明显,而贴息贷款和税收减免等通用性扶持政策有利于提升绿色食品农业龙头企业生产效率。     

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。     

生态环境约束下农业全要素生产率时空变化研究——以江西为例

将生态环境约束引进农业全要素生产率分析框架,测算生态环境约束下江西省2000—2017年11个地市农业全要素生产率及其分解成分,分析江西省农业全要素生产率的收敛性,在生态环境约束下从整体上把握江西省农业全要素生产率时空变化情况。结果表明:2000—2017年江西省生态环境约束下农业全要素生产率未呈现稳定增长态势且显现出局部期间下降的特征,农业全要素生产率对江西省农业产出增长贡献率极低,从构成上来看无论是技术进步还是技术效率改善对于江西农业全要素生产率的增长影响均呈现不规律性,江西省各地市农业全要素生产率存在区域差异性,生态环境约束下江西省农业全要素生产率呈现俱乐部收敛特征。     

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。     

中国大豆主产区生产效率的实证研究

利用中国10个大豆主产区1988-2007 年的大豆投入产出面板数据,采用非参数Malmquist指数方法对大豆生产的效率变动进行分解分析,并运用数据包络分析法(DEA)对Malmquist指数及其分解的各指数的变动情况做出进一步探讨.结果表明,中国的大豆生产全要素生产率(TFP)主要由于技术进步指数上升而呈现平稳上升趋势,因此,可以通过促进技术进步和调整生产规模等手段来提高大豆生产效率.     

新疆农业全要素生产率的时空演化及问题识别 ——基于DEA-malmquist指数-ArcGIS可视化分析

选取新疆13个地州市2003—2018年面板数据为样本,基于DEA-malmquist指数-Arc-GI S可视化分析,从时间纵向和地域空间综合分析比较新疆农业全要素生产率.结果表明:农业TFP波动幅度明显,与TE同步变化;EF、PE和SE值三者变化趋势一致,整体缺乏效率;各地州仅TE有效率,地域间TFP差异大;随着时间推进,新疆各地州农业TFP下滑,近年农业生产力水平下降;识别出各地州农业效率的4种类型.据此,提出合理农业发展建议.     

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.     

湖北省柑橘产业生产效率的DEA分析

采用数据包络分析法及我国2005—2010年柑橘生产成本和收益数据,对湖北省柑橘生产效率与其他三大主产区及全国平均生产效率进行了分析。结果表明,湖北、湖南、广东、福建四大主产区柑和桔全要素生产率呈现出明显的周期性波动;湖北省柑生产的全要素生产率变化主要源于综合技术效率变动和技术进步的共同作用,湖北省桔生产的全要素生产率变化主要源于综合技术效率的变动;湖北省柑和桔生产的规模效率变动决定了综合技术效率的变动,全国柑和桔生产的规模效率和纯技术效率变动共同影响了综合技术效率的变动。     

服务业环境全要素生产率变动测算及收敛性研究——基于超效率EBM-Malmquist模型和南北区域分析

为了测算中国30个省市1998—2018年环境约束下的服务业全要素生产率(TFP)变动情况，构建了带有非期望产出的超效EBM-Malmquist模型，并结合技术效率和技术进步分析服务业环境全要素效率变化的阶段性和区域性。研究表明(：1)服务业环境TFP增长在阶段性下降后呈现出上升的态势，技术进步呈现出阶段上升，技术效率呈现出阶段下降。这在一定程度上显示出国家生态文明建设在服务业上取得了一定的效果，同时也揭示了环境TFP增长的主要源泉是技术进步。技术效率的逐渐降低预示着通过提升技术效率推动服务业环境TFP增长还有较大的余地。(2)空间分布上，服务业环境TFP增长的变化及其分解在南方和北方存在一定的差异性，但环境TFP存在σ收敛与绝对β收敛，这表明中国30个省市的TFP增长在长期上看呈现出趋同性。     

服务业全要素生产率增长的实证分析——基于2005—2012年安徽的面板数据

基于DEA的Malmquist指数法,采用面板数据实证分析安徽服务业的全要素生产率变动情况。结果表明,2005—2012年间安徽服务业全要素生产率平均增长3.6%,技术进步是推动TFP增长的主要因素,而大多数行业的技术效率则是下降的;但不同行业的生产率增长存在差异,政府有必要对服务业不同行业发展采取不同的政策措施,以提高技术效率,并促进服务业技术进步和效率增长的融合。     

中国大数据企业全要素生产率增长及收敛研究

基于中国大数据上市企业的相关财务指标数据,利用Malmquist生产率指数方法测算了中国大数据企业全要素生产率及其分解,并对其全要素生产率变动的时序特征及增长差异进行了分析;进而采用收敛性理论,探析了差异的演变规律和内在机制。结果发现:中国大数据企业在2008—2013年间全要素生产率呈现负增长(-3.3%),主要原因在于技术效率增长的"拖累效应"明显,而技术进步贡献的"增长效应"相对有限,TFP并不是大数据企业产出增长的主要源泉;不同大数据企业的TFP增长及其动因存在显著差异,但收敛性检验表明,中国大数据企业TFP及其构成的增长均呈现出显著的收敛趋势。     

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.     

我国家庭农场的全要素生产率及其差异

基于1647份的家庭农场微观调查数据,运用随机前沿生产函数法系统评估粮食型、非粮食型和混合型3种类别家庭农场效率及其差异分布,结果表明：2011—2016年家庭农场样本的全要素生产率（TFP）年均增长率为0.75%,增长主要来源于技术进步和要素配置效率变动,但后者贡献较小,规模扩张是TFP增长的重要阻碍;粮食型农场效率处于最低水平,非粮食型农场效率最高,3类农场差异显著。选择适度规模经营以提升规模效率、转变经营思路带动配置效率提升以扩大TFP的提升空间、持续推进对现有农业技术的推广和运用、着重提升粮食型农场效率防止非粮化倾向是当前家庭农场发展的关注重点。     

湖南各地市农业全要素生产率变动实证分析

运用非参数Malmquist指数法,测算了1985-2008年湖南省各地市农业全要素生产率水平及其变动趋势.结果显示:湖南省农业全要素生产率平均变动值为1.014,技术进步指数为1.015,技术效率变化指数为0.999,说明湖南省农业全要素生产率的增长主要依靠农业的技术进步,而整个农业规模效率基本保持在一个较稳定的常态;湖南全要素生产率呈现波段性周期变化,当出现重大技术创新时,其技术效率往往不高,说明技术创新的配套体系建立尚不够完善;各地市年均Malmquist指数相差较大,呈现出严重的东、中、西部梯度效应;西部地区的农业尚属传统农业,生产效率问题并非造成其生产力低下的主因,关键的问题在于促进其农业技术进步.     

河南省生产率进步及其因素分解——基于DEA-Malmquist指数的市级数据分析

运用DEA-Malmquist指数分析法对18个市2000-2009年间的全要素生产率进步及其因素分解分析的结果表明:河南各市全要素生产率增长十分强劲,年均达14.7%,且落后地区具有明显的追赶趋势,但近几年下滑趋势明显。进一步的实证分析说明,技术进步是推动全要素生产率增长的主要动力,而综合技术效率和纯技术效率的下降则是制约TFP提升的瓶颈因素。因此,要遏制全要素生产率的下滑势头,就必须大力推进科技进步、提升技术效率和规模效率。     

中国农业全要素生产率测算及影响因素分析

为了研究我国农业全要素生产率的变动情况及影响因素,本文全部以实物量指标作为农业生产的投入产出,以避免价格因素对测算结果的影响,并采用非参数的DEA-malmquist指数方法,对我国农业全要素生产率进行了测算和分析,结论为:我国农业全要素生产率呈现出较大的波动性,但从长期来看呈增长趋势;造成农业全要素生产率波动的主要原因是气候变化所造成的自然灾害频发;由于受自然灾害影响,近年来我国农业全要素生产率指数普遍下降,从四大地区来看,只有中部地区生产率提高,其他地区均出现不同程度下降,其中西部地区下降幅度最大.     

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.     

北京制造业全要素生产率持续增长的对策研究——基于DEA的Malmquist生产率实证分析

1997-2006年期间,北京市制造业的全要素生产率(TFP)年均增长率为10.2%,TFP的增长主要得益于技术进步,而技术效率则出现年均2.4%的衰退,对其产生负面影响。因此,要继续推动北京制造业生产率的增长,必须在保证技术进步、加大技术研发投入的同时,对技术效率进行优化和提高。不断提高企业的经营管理水平,有效组织和整合企业资源,加大制造业产业布局的调整力度,实现产业规模经济以及协同效应。