基于Malmquist指数的高等教育生产率变动分析

文章运用Malmquist指数方法,考察了1997——2005年间高等教育全要素生产率TFP的变动趋势,并通过Malmquist指数的分解,分析了我国高等教育TFP增长的内在动力。结果表明,高校扩招以来,我国高等教育TFP的增长主要是由技术进步推动的,规模效率和纯技术效率的相互作用,使高等教育资源配置效率对高等教育TFP的增长作用不明显。通过分析,本文认为走"内涵式"发展道路,不断提高高等教育管理技术水平将是我国高等教育发展战略的未来的发展方向。     

低碳视角下粮食主产区农业全要素生产率比较——基于中国13省2002-2011年数据的分析

运用Malmquist生产率指数（M指数）和Malmquist-Luenberger生产率指数（ME指数）对中国13个粮食主产区2002-2011年的农业全要素生产率（TFP）进行测算和比较分析,结果显示：13个粮食主产区研究期内ML指数与M指数的变化趋势大体一致;但与考虑碳排放情况的ML指数相比,M指数高估了农业TFP的增长速度,夸大了技术进步和技术效率对农业TFP的贡献作用;由ML指数及其分解可知,中国目前粮食主产区的农业生产方式仍然简单粗放;从技术“创新者”身份来看,产粮大省山东省、处于东部较发达地区的江苏省和位于东北粮食生产基地的辽宁、内蒙古、黑龙江、吉林等省份在实现碳排放约束条件下的农业技术创新方面发挥了重要作用,直接推动着农业环境技术的进步与创新,但中部一些省份,如湖南、湖北、江西、安徽的表现则不理想。     

基于DEA-MI模型的四川省区域旅游效率测评分析

全国旅游供给侧改革正全面展开,为实现四川旅游经济由粗放低效向精细高效转变,对四川省进行旅游效率测评则尤为关键。以2006—2014年四川省旅游投入和支出的面板数据为资料,运用DEA中的VRS和DEA-MI模型对旅游效率进行测评,结果表明：（1）2006—2014年四川省区域旅游效率处于中上水平,具有时空特征;（2）Malmquist全要素生产率指数呈现增长的趋势,效率值波动明显;（3）技术进步和纯技术效率是四川省区域旅游效率变化的关键因素。根据现阶段四川省旅游效率发展水平及其所反映的效率问题,归纳总结旅游效率发展的影响因素包括：（1）经济基础和资源禀赋;（2）城市化和产业化;（3）区位和人口。     

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.     

中国农业生产效率变动的驱动因素研究

运用DEA-Malmquist生产率指数法,对1978-2011年省级农业TFP进行了数量测算与系统分解,并细致考察了其时序演变差异、地理空间分布与分组增速效率等特征.测算发现:农业TFP增长源泉主要是由技术进步率与技术效率双轮驱动的,但技术效率的驱动作用有限.农业TFP与技术进步率指数呈顺周期变化,与技术效率指数有逆周期波动阶段.农业TFP效率变动具有比较严重的地理空间上的非均衡性.省际间各指数差异显著,农业技术效率指数全国各区域普遍不高,中西部地区的农业前沿技术进步率比较糟糕,但各直辖市主要效率指数增长效应显著.农业TFP及其分解指数“发散效应”明显,“收敛效应”与“外溢效应”趋势不显著.除了要素输入,经营模式创新更显重要,“双轮驱动”应成为未来中国农业经济增长方式转变与可持续发展的路径.     

全要素生产率视角下的城市工业用地生产效率研究——基于Malmquist指数的分析

在我国工业化快速推进和土地资源供需矛盾突显的背景下,工业用地的利用亟需由粗放式向集约式转变。文章从全要素生产率视角研究工业用地的生产效率,将Malmquist指数法引入到土地效率评价中,并构建了工业用地绩效模型,从两方面对我国2001~2012年间工业用地的生产效率进行测算。结果表明:研究期内,全国总体和绝大多数省份的工业全要素生产率(含土地要素)呈递增趋势,且主要由技术效率进步所致;全国工业用地绩效指数总体上大于1,工业用地的投入对工业全要素生产率有促进作用,且变化呈"U"型;中东部地区的绩效指数高于西部;此外,土地的投入促进了工业全要素生产率的增长,其中东部地区土地供需矛盾日益突出,工业用地对于工业生产率的增长愈发重要。     

我国肉羊生产的全要素生产率增长及其收敛性分析

运用SFA-Malmquist生产率指数方法,测算1999/2000—2013/2014年我国河南、黑龙江、山东、陕西和新疆5个主产省区的肉羊生产效率,在此基础上对肉羊生产效率增长的收敛性进行检验。结果表明:该时期我国肉羊生产TFP表现出快速增长的态势,主要归功于肉羊生产技术进步,而非技术效率的提高;从各省区来看,肉羊生产TFP增长最快的是山东,最慢的是陕西;1999/2000—2013/2014年我国肉羊生产TFP增长存在绝对%收敛和条件β收敛,即各地区肉羊生产的TFP增长差距在样本期内逐渐缩小,最终都收敛于各自的稳定水平。     

生产性服务业的技术效率评估

基于DEA模型的C²R模型和Malmquist生产率指数,从行业角度和时间角度分别对生产性服务业的技术效率进行评估,并测算2010—2015年的以投入为导向的技术效率指数和以产出为导向的全要素生产率以及技术进步指数。指出从行业角度来看,以投入为导向时,金融业的技术效率指数最高;而以产出为导向时,则是租赁和商务服务业的Malmquist增长率和技术进步增长率最高。从时间角度来看,生产性服务业的Malmquist增长率和技术进步增长率均呈现先下降后上升的趋势。     

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。     

我国西部地区经济发展效率评价研究——以新疆天山北坡经济带为例

以西部大开发中具有重要战略地位的新疆为例,选取新疆经济发展的核心区域——天山北坡经济带2009²010年23个县市的数据,分别从静态和动态视角运用BCC模型和Malmquist全要素指数评价天山北坡经济带各县市20092010年23个县市的数据,分别从静态和动态视角运用BCC模型和Malmquist全要素指数评价天山北坡经济带各县市2009²010年的经济发展效率和全要素生产率的变化情况。分析结果表明:2009年天山北坡经济带有13个县市经济发展非DEA有效,2010年情况有所好转但仍有11个县市非DEA有效,存在发展效率低下、资源配置不合理和资源浪费等问题。总体来看,由于技术效率无效、技术进步贡献不足等原因,天山北坡经济带的Malmquist全要素生产率还很小,全要素改善的来源主要是技术进步,技术效率对TFP有消极拖累作用。     

我国流通产业全要素生产率空间关联和影响因素研究

流通产业是国民经济发展的基础产业与先导产业,全要素生产率正在日益成为流通产业增长的重要源泉.运用超效率SBM-DEA方法和Malmquist指数测度了2004—2015年我国流通产业全要素生产率,通过空间相关性分析发现,我国流通业全要素生产率在全域和局域上均存在着显著的空间相关性.空间杜宾模型回归结果表明:产业结构的高度化和人口城镇化水平的提高对本省份流通产业TFP具有促进作用,但二者均会对邻域省份的流通业TFP增长产生抑制效应;研发强度的加大和连锁化程度的提升对流通产业TFP增长的提升作用非常显著,且空间溢出效应明显;而产业政策的直接效应和间接效应均很小,未能显著促进流通产业TFP增长.因而,加大产业科技创新投入、发挥规模经营优势、促进产业结构优化升级和提高城镇化质量是促进流通产业TFP增长的关键.     

我国农业全要素生产率增长的动态变化与影响因素——基于DEA和SFA方法的比较研究

采用非参数的DEA-Malmquist生产率指数法、参数的随机前沿生产函数法(SFA)以及Pool OLS、固定效应模型(FE)、随机效应模型(RE)多种方法分析了1990—2012年我国28个省份的农业全要素生产率(TFP)的演变趋势及其影响因素。研究结论表明:两种方法测算的农业TFP年均增长率分别为3.1%和3.6%,但波动趋势呈现出相反的结论 ,技术进步是国家及其各省份、各区域农业TFP增长的主要来源,东部、中部、西部农业TFP依次递减;农业资本投入、人力资本和城市化水平对农业TFP增长都具有正向显著作用,而农业劳动投入、农业种植结构对农业TFP增长产生了显著的负向影响,财政支农力度在DEA法的结论中表现为对农业TFP的显著正向作用,土地投入的影响在两种方法中出现了相反的结论。     

农业信息服务的生产率增长效应检验

在对农业生产率增长、效率改进与技术进步测度的基础上,运用我国29个省份1995—2010年的面板数据,建立了以农业信息服务为解释变量,农业生产率增长为被解释变量的回归模型。回归结果显示:我国农业全要素生产率(Total Factor Productivity,简称TFP)增长的整体水平不高并呈现波动变化的态势,TFP增长受技术进步的影响程度较大;在整个样本期间,无论是以交通和通讯支出度量的农业信息服务水平,还是以每百户农户电视机拥有量度量的农业信息服务水平对农业生产率均具有显著的促进作用,但在不同时段,农业信息服务水平对农业生产率的影响方向及影响程度则不同;人力资本对农业生产率的增长效应不显著。     

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。     

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。     

我国房地产业效率测度及分析

房地产业效率问题是中国房地产业发展的核心问题。本文基于30个省市房地产业2006—2014年的投入产出面板数据,采用CCR模型、BCC模型、超效率DEA模型和Malmquist指数分解模型,分别从静态和动态视角对中国房地产业效率进行分析。实证结果显示:从静态视角来看,我国房地产行业效率水平总体较高且呈上升趋势,规模效率与房地产业效率密切相关且规模收益递增趋势明显,2006—2014年超效率均值大于1的省份仅有上海、宁夏、内蒙古和海南;从动态视角来看,中国房地产行业动态效率年均增长率为0.5%,其增长动力主要来自于技术效率而不是技术进步率。最后,文章针对低效率省份结合其投入产出与效率影响因素,提出相应建议以提升其效率。     

基于超效率DEA和Malmquist指数的湖南省农业全要素生产效率分析

在湖南2007-2012年地市级面板数据的基础上,运用基于超效率DEA全要素生产效率测度模型,测算湖南省各地市（州）的农业全要素生产效率,然后利用Malmquist生产率指数法对农业生产效率进行动态对比研究。实证结果表明：2007-2012年间,湖南农业生产效率呈上升趋势,但各地市（州）之间差异较大,衡阳市农业全要素生产效率最高;Malmquist指数分析结果表明该期间农业全要素生产效率年均增长率为5.4%,通过Malmquist指数的进一步分解发现技术进步是推动湖南农业全要素生产效率增长的主要动力,但不同地区的增长动力具有差异性。     

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。     

中国粮食主产省（区）农业生态效率评价与比较——基于DEA和Malmquist指数方法

运用DEA方法测算出中国13个粮食主产区2000—2012年的农业生态效率,并运用Malmquist指数方法进行动态分析。结果表明,2000—2012年中国粮食主产区农业生态效率均值仅为0.928,只有6个省份的投入产出达到最优水平,其余省份的生产资源投入存在一定程度的效率损失。从2000和2012年的对比分析来看,辽宁、内蒙古、江苏、湖北、湖南和四川的农业生态效率一直保持较高水平,河南、河北、山东和安徽则都处于非DEA有效状态。从动态分析结果来看,虽然中国粮食主产区农业生态效率整体呈上升趋势,但农业生产技术进步和综合技术效率损失并存,技术进步、纯技术效率和规模效率是影响农业生态效率的主要因素。     

农村金融发展效率的区域异质性对农业绿色TFP的影响研究

运用方向性距离函数和GML指数测算各省（市农业绿色全要素生产率（TFP,在此基础上采用系统矩估计方法就农村金融发展效率的区域异质性对农业绿色TFP增长的影响及其传导路径进行了实证检验。研究发现：农村金融发展效率通过促进农业绿色技术进步推动农业绿色TFP增长,东、中、西部各地区农村金融发展效率对农业绿色TFP增长和农业绿色技术进步作用效应依次递减;东部和中部地区的农村金融发展效率均未对农业绿色技术效率增长产生显著影响,而西部地区的农村金融发展效率对农业绿色技术效率有抑制作用。