节水灌溉设施的粮食生产增效机制

基于2000—2018年中国30个省份的平衡面板数据,综合运用DEA Malmquist指数法、面板工具变量法和面板门槛模型分析节水灌溉设施对粮食全要素生产率增长的影响及作用机制。结果表明：节水灌溉设施通过技术进步和技术效率改进两条路径提升粮食全要素生产率,且技术进步效应大于技术效率改进效应;从区域与作物异质性来看,粮食主产区节水灌溉设施的增效效应大于非主产区,节水灌溉设施对小麦、玉米和水稻全要素生产率均有显著提升作用;节水灌溉设施对粮食全要素生产率的影响具有非线性特征,其正向影响随农村人力资本、人均种粮规模、人均GDP的提高而呈阶梯型上升。因此,因地制宜发展节水灌溉设施,与外部经济环境发展相协同,政策扶持与市场机制相结合,完善节水灌溉设施产权和管护机制,是实现节水灌溉设施高效与可持续发展的关键。     

高技术产业研发创新全要素生产率研究——基于价值链的视角

在价值链视角下,高技术产业研发创新活动可划分为技术开发和成果转化两个阶段.基于1996—2010年省际面板数据,采用Malmquist指数分析方法实证评价中国高技术产业研发活动两阶段全要素生产率,并考察每一阶段全要素生产率的变动原因、方向和趋势.在技术开发阶段全要素生产率上升趋势明显,年均增长高达21.8%,技术进步、纯技术效率和规模效率都有促进作用,但关键拉动因素还是技术进步;在成果转化阶段技术进步率降低而技术效率提升,结果导致全要素生产率的小幅下降,平均下降幅度为0.9%.提出提升中国高技术产业研发活动生产率的对策建议,包括制定优惠政策和激励措施、改变技术开发模式、鼓励发明创造、资助有市场前景产品等.     

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。     

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。     

我国制造业技术效率的测算与变动研究

运用基于数据包络分析(DEA)的Malmquist指数分析方法对2003—2011年我国制造业的全要素生产率(TFP)进行测算,从而得出我国制造业技术效率与技术进步的现状及发展趋势。结果表明,从2003—2011年期间,制造业各行业的全要素生产率平均年增长率为8%,技术进步的年均增长率为4.9%,技术效率的年均增长率为2.9%,由此看来,9年来在影响30个制造行业的全要素生产率的增长因素中,技术进步和技术效率同时起到作用,技术进步的效果稍加显著。     

互联网发展对农业全要素生产率增长的影响

伴随着“互联网+农业”的蓬勃兴起,互联网发展在提升农业全要素生产率方面发挥着重要作用。首先分析互联网发展对农业全要素生产率增长的作用机理,并基于EBM Super-Global-Malmquist（EBM-SGM）指数对2002—2016年中国大陆31个省份的农业全要素生产率进行核算,然后采用固定效应模型分析互联网发展对农业全要素生产率增长的影响。结果表明：（1）2002—2016年农业全要素生产率年均增长2.20%,主要依赖农业技术进步的贡献;（2）整体来看,互联网发展显著提升了农业全要素生产率;分地区来看,互联网发展对农业全要素生产率的促进作用在中部地区最为明显,其次为西部和东部地区;（3）互联网发展对农业技术进步具有显著的促进作用,对农业技术效率具有显著的抑制作用。     

中国高耗煤产业投入产出效率及技术水平研究

以电力、钢铁、石油、建材、采煤、化工等六大高耗煤产业1995—2010年的面板数据,利用Malmquist指数法实证测算这些产业的全要素生产率指数及其分解要素。结果发现,样本期内六大高耗煤产业全要素生产率增长明显,且高于同期整个工业的水平。就产业比较而言,钢铁产业全要素生产率增长最快,而建材、采煤和石油产业增长最慢。从时间趋势看,六大高耗煤产业全要素生产率呈波浪形变化趋势,但2004年之后逐渐趋于稳定。此外,六大高耗煤产业全要素生产率增长主要由技术进步引起,效率贡献有限,且样本期内规模效率的年均退化率为1%。     

基于随机前沿分析的全要素生产率分解

基于我国2003-2012年省际面板数据,本文采用改进的随机前沿模型与索洛残差法测算出我国技术效率和全要素生产率增长,同时分解了全要素生产率的增长,并简要分析了我国经济增长的源泉。研究发现:(1)近十年来,无论是整体还是各地区,全要素生产率增长均呈现涨跌互现的波动情形且波动较为剧烈。(2)我国经济增长主要依赖要素投入增长,其贡献率高达85.17%,而全要素生产率增长对经济增长的贡献为14.83%,作用不容忽视。(3)技术进步率较低、技术效率低下、资源配置不合理、规模经济效应不显著都是导致我国全要素生产率增长较低的重要原因。此外,在应对"突发"事件时,物质资本深化对经济增长的促进作用显得尤为重要。     

中国省际旅游产业结构优化对旅游全要素生产率的影响

基于2004—2018年中国30个省份(西藏及港澳台地区除外)的面板数据,采用DEA-Malmquist指数测度旅游全要素生产率,并进一步采用固定效应模型、工具变量法和系统广义矩估计等方法实证分析旅游产业结构优化对旅游全要素生产率及其分解指数的影响。研究发现:旅游全要素生产率整体呈现出波动增长的趋势,技术进步是旅游全要素生产率增长的主要驱动力;旅游产业结构优化对旅游全要素生产率具有显著的倒U型非线性影响,其中旅游产业结构高级化对旅游全要素生产率具有显著的倒U型非线性影响,而旅游产业结构合理化对旅游全要素生产率的U型非线性影响则不显著;旅游产业结构优化对技术进步具有显著的倒U型非线性影响,对技术效率和规模效率则具有显著的U型非线性影响,对纯技术效率具有显著的正向影响。据此提出,应进一步优化资源配置以发挥规模效应,立足区位优势以强化辐射效应,完善区域产业链以推进产业融合等,以期推进旅游业高质量发展。     

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.     

要素错配对中国粮食全要素生产率的影响

基于超越对数生产函数的随机前沿模型对2000-2017年中国水稻、小麦和玉米等三类粮食作物TFP进行测算,并在构建要素错配指数的基础上,对单位规模土地上投入的劳动、机械、化肥和种子等4种要素错配对粮食作物实际TFP增长率的影响进行时空差异分析。研究结果显示,2000-2017年粮食作物的实际TFP增长率平均为2.24%,有效TFP增长率约为0.73%;狭义技术进步对TFP增长的拉动作用在减弱,要素配置效率的优化对TFP的提升作用在增强;劳动投入过度比较突出,是引发粮食生产要素配置不优的主要原因;从空间区域来看,东部地区要素错配程度相对较低,西部地区相对较高;中部地区粮食作物的实际TFP增长率对要素错配的敏感度要强于东部和西部地区。     

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。     

安徽城市节能降耗效率动态变化实证研究

文章利用数据包络分析法对安徽17个城市2000~2007年间能源利用效率进行了实证研究,并通过对Malmquist生产率指数的测算与分解,分析了安徽能源全要素生产率增长源泉、区域差异原因与跨期生产率动态变化趋势。研究表明:考察期内技术效率制约安徽能源全要素生产率提升,而技术进步是安徽能源全要素生产率增长的主要驱动力。     

我国粮食主产区粮食生产技术效率进步与效率损失测度——基于随机前沿生产函数与省际数据分析

本文利用2000～2007年样本数据,基于超越对数函数形式的随机前沿生产函数模型,对我国13个粮食主产区粮食生产技术效率进步和技术损失进行了全面测度。实证分析结论如下：我国粮食主产区粮食生产平均技术效率为0.675,技术效率损失平均为32.5%,要素生产弹性小,灌溉率、受灾率、家庭居民人均纯收入和时间变量对技术损失产生反向影响,而粮食作物种植结构和地区变量对技术损失产生正向影响,影响效果显著。     

全要素生产率视角下的高技术产业效率提升——基于5大行业的面板数据实证分析

基于高技术产业2000-2008年的面板数据,采用非参数的Malmquist指数分析方法,对5大行业的全要素生产率、技术效率等的变化趋势进行研究,研究结果表明全要素生产率的提高主要是由于技术进步的贡献,行业间效率变化水平差异性较为明显,自主创新能力较弱。提出优化资源配置、完善自主创新体系等政策建议,以期提升我国高技术产业效率,落实国家自主创新战略。     

农业绿色全要素生产率增长及其影响因素

通过拓展的非径向非角度的DEA模型和Luenberger生产率指标,在估算了农业污染的前提下,计算了中国农业绿色TFP的增长,并对其影响因素进行了分析。结果表明：中国农业绿色TFP目前增长较慢,且区域差异明显;农业技术效率改善缓慢,技术进步是农业绿色TFP增长的主要源泉;如果忽视环境约束,将导致农业TFP增速的明显高估;农业税的减免促进了农业绿色TFP增速的提高,而农业财政支出的影响并不明显;工业化、城市化的推进和农业贸易条件阻碍了农业绿色TFP增速的提高。     

中国全要素生产率变动的再测算与适用性研究——基于数据包络分析与随机前沿分析方法的比较

采用数据包络分析（DEA）和随机前沿分析（SFA）2种方法对中国29个省份1990--2007年间全要素生产率变动进行测算和适用性分析。结果表明：2种方法估计得到的全要素生产率变动的时间趋势基本一致,其中,技术进步成为全要素生产率增长的主要推动力,而技术效率变动则起到负贡献;SFA方法得到的全要素生产率指数明显高于DEA方法;SFA估计结果显示各地区全要素生产率增长相对平均、差距较小;而DEA估计结果则表现出鲜明的地区差异性,与中国各地区经济发展的非均衡性相契合。比较而言,由DEA方法得到的结论可能更加可靠,也更能满足对中国经济现实进行解释的需要。