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.     

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。     

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.     

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。     

华东地区农业全要素生产率增长的实证分析——基于随机前沿生产函数模型

基于随机前沿生产函数模型,利用华东地区六省1978—2015年的面板数据,分析华东农业全要素生产率增长及分解部分的变化趋势。结果表明：1978—2015年,华东地区农业全要素生产率年均增长率为4.59%,依次呈现出递减、递增、平稳的变化趋势;农业技术进步是全要素生产率增长的主要动力;技术效率是华东农业全要素生产率增长的主要阻碍因素,呈逐年下降的趋势;规模效率对农业增长阻碍作用不明显;要素配置效率对经济增长有促进作用即存在结构红利,但不显著。据此提出加大农业技术创新投入,提高农业产出效率;加快农业固定资产投资体制改革,盘活存量、优化增量;优化资源配置,提高农业供给体系的质量和效率等建议。     

人力资本条件下中国农业生产效率的评价与分析

20世纪90年代中期后中国的农业发展进入了一个新的阶段,农业发展归根到底要靠农业生产率的提高,而技术进步与技术效率是农业生产率增长的源泉。本文运用数据包络分析法对现代农业生产要素投入下的中国农业生产效率进行测度,结果显示1995年以后中国农业生产的全要素生产率的增长主要由农业技术进步引起,农业技术效率低下成为农业生产率增长的瓶颈。改变目前农业生产经营的形式与提升农业劳动力的人力资本水平成为提升农业纯技术效率和规模效率进而提高技术效率的重要途径。     

辽宁省农产品加工业全要素生产率分析

农产品加工业是农业的前向需求部门,是提高农产品附加值的重要途径.文章根据2003-2007年辽宁省统计年鉴数据,运用DEA方法结合Malmquist指数方法分析辽宁省农产品加工业全要素生产率变动情况.研究发现,辽宁省农产品加工业全要素生产率的增加主要得益于技术进步,其规模效率和规模报酬情况极不理想.辽宁省农产品加工业需要进一步提高管理水平,从而提高其产出效率.     

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.     

农业效率增进、技术进步区域差异及TFP分解

基于随机前沿模型(SFA),文章对1985-2008年中国29个省级地区农业生产效率进行测算和全要素生产率分解。研究表明,中国农业生产效率总体水平不高,尚有较大的提升空间;存在较为显著的时际差异和区际差异;农业全要素生产率与技术进步率均有提高,但增幅较缓;全要素生产率增长的根本动因在于技术进步率而非技术效率,农业生产仍不具有规模经济性。     

绿色食品农业龙头企业全要素生产效率分析——基于江西26家样本企业数据

选取江西省26家绿色食品农业龙头企业作为样本企业,运用DEA方法分别从静态和动态测算了2011—2013年江西省绿色食品农业龙头企业的技术效率(TE)、全要素生产效率(TFP)及其变动情况。结果表明,多数绿色食品农业龙头企业的技术效率(TE)表现良好;但是全要素生产率(TFP)的变动情况却不容乐观,而导致全要素生产率(TFP)下降的原因是技术效率(TC)和规模效率(SE)下降过快。从不同生产要素规模下企业生产效率分布结果来看,随着基地面积增大,企业的综合技术效率、纯技术效率、规模效率都呈增长趋势。最后本文就提升绿色食品农业龙头企业生产效率提出对策和建议。     

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。     

中国区域农业绿色全要素生产率分解及收敛性分析

选取1999—2015年全国31个省域农业投入、产出面板数据,运用Global Malmquist Luenberger生产率指数方法测算中国农业绿色全要素生产率增长与分解情况,并针对收敛性问题进行检验。结果表明：（1）中国农业绿色全要素生产率增长源于技术进步,规模效率降低了绿色全要素生产率的提高,纯技术效率无明显影响;（2）未考虑农业碳排放会高估全要素生产率水平,导致评价偏误;（3）考虑农业碳排放情况下,全要素生产率水平呈现东、中、西、东北部依次递减趋势;（4）全国及各区域无明显σ收敛特征,全国层面及东北地区存在绝对β收敛现象,全国及东、中、西、东北地区均存在显著条件β收敛,表明各省域朝着自身稳定状态发展,而省域间“追赶效应”不明显。据此认为农业要走绿色技术创新及区域协调发展道路。     

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.     

1996～2007年辽宁省14个市农业生产效率分析与比较

采用Malmquist指数法对辽宁省“九五”以来1996～2007年14个市的农业生产效率进行分析,结果表明,辽宁农业全要素生产率波动特征与辽宁农业的发展阶段特征大致吻合;辽宁农业全要素生产率处于不断增长态势,农业技术效率趋于稳定,而技术进步是促进辽宁农业全要素生产率增长的主要因素,应加大对农业科技的投入;忽视可持续发展是“九五”时期和“十五”初期辽宁农业全要素生产率下降的根本原因,因此应加强农业生产技术的应用,增强辽宁农业发展的可持续性。     

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。     

全要素生产率,技术效率,技术进步之间的关系及测算

本文研究了全要素生产率、技术进步、技术效率之间的关系。在乔根森测量全要素生产率的方法中,证明了体现在投入要素中的技术进步可以通过投入要素的数量指数和质量指数反映出来,而未体现的技术进步就是全要素生产率的增长率;根据全要素生产率和技术效率的定义及内涵,证明了一个样本点的全要素生产率的变化,可以分解为该样本点技术效率的变化和样本内前沿面上的经济单位的未体现的技术进步,而同一时间上样本点同前沿面点的全要素生产率的差距就是技术效率的差距;讨论了技术效率、全要素生产率同国际竞争力之间的关系。     

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.     

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.     

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。     

财政支出结构与农业绿色全要素生产率——基于扩大内需战略与供给侧结构性改革的再检验

以2010—2018年中国各省、自治区(直辖市)的经验数据为样本，关注财政支出结构的农业绿色全要素生产率效应，并进一步考虑扩大内需战略与供给侧结构性改革有机结合的制度背景因素影响。研究发现：第一，财政农业支出对农业绿色全要素生产率的提升具有显著的正向影响，而财政非农支出中生产性支出和服务性支出的农业绿色全要素生产率效应显著，职能性支出对农业绿色全要素生产率的提升并不显著；第二，财政农业支出与财政非农支出在提升农业绿色全要素生产率上都具有显著的空间正相关性与溢出效应；第三，无论是以本土市场规模衡量的扩大内需战略，还是以政策实施衡量的供给侧结构性改革，都显著促进了财政支出的农业绿色全要素生产率效应。未来应在保证稳定的财政农业支出规模前提下，更加注重财政农业支出的结构安排，适度降低生产性支出份额，增加教育和科技等服务性支出，促进绿色农业技术人才的不断积累；同时，提高财政支农资金使用效率；利用本土市场深化扩大内需战略，并充分发挥财政支农作用，提高绿色农业供给质量。