陕西省耕地全要素生产率的区域差异及其收敛性分析

目前,学术界对于耕地生产效率的研究主要侧重于从空间维度对研究区域在同一目标时期内的效率进行分析。鉴此,在采用Malmquist指数法从时间维度对陕西省主要区域耕地跨时期的效率变化进行分析的同时,从σ收敛、绝对β收敛、条件β收敛三方面分别对其收敛性进行分析。通过对陕西省1990—2011年期间耕地全要素生产率的区域差异及其收敛性实证分析发现:从耕地全要素生产率增长的差异角度看,全要素生产率增长的地区差异较为显著,且地区全要素生产率的增长结构也不完全相同;从收敛性角度看,陕西省耕地全要素生产率不仅存在σ收敛,且存在绝对β收敛和条件β收敛,各地区之间耕地全要素生产率水平随着时间的推移将趋于稳定在同一水平。研究结论显示:陕西省耕地全要素生产率在1990——2011年期间具有较大的波动性,省内各地区间存在较大差异,耕地全要素生产率既存在σ收敛,同时也存在绝对β收敛和条件β收敛。建议陕西省通过加强农田基础设施建设和农业科技推广以及改造陕南坡耕地等措施,以保持耕地全要素生产率的持续增长。     

中国全要素生产率增长率的效应识别及收敛性检验

文章利用包含两类增强型技术进步的生产函数将全要素生产率增长率分解为要素投入结构变化效应、技术进步偏向变化效应、资本增强型技术进步变化效应和劳动增强型技术进步变化效应。在此基础上,利用1978—2020年相关数据进行实证检验。研究发现：各要素之间呈互补关系,技术进步大致偏向资本,全要素生产率增长率明显下降。进一步研究发现,在分解效应上,全国技术进步偏向变化效应与全要素生产率增长率的走势大致一致,但劳动增强型技术进步变化效应对全要素生产率增长率的影响最大;在收敛性上,全国及东、中、西部地区全要素生产率增长率不存在σ收敛,但存在显著的绝对β收敛和条件β收敛。     

高铁开通促进了农业全要素生产率增长吗?——来自长三角地区准自然实验的经验证据

本研究将高铁开通作为一项"准自然实验",基于2005-2017年长三角地区25个地级及以上城市的面板数据,采用倍差法并借助匹配倍差法和安慰剂测试等稳健性检验工具,对高铁开通的农业全要素生产率增长效应进行实证检验。研究发现:高铁开通在短期和长期都对沿线城市农业全要素生产率增长具有显著的促进作用;将农业全要素生产率分解为技术进步和技术效率后发现,高铁开通对农业全要素生产率的增长效应主要表征为对农业技术进步的推动而非对农业技术效率的改善;高铁开通有助于强化城镇化对农业全要素生产率增长的促进作用以及产业结构对农业全要素生产率增长的反哺作用。在我国高铁建设纵深推进和"乡村振兴战略"全面实施的背景下,应将高铁建设纳入推进乡村振兴战略和促进农业高质量发展的有效手段和政策工具,借助高铁开通的杠杆效应进一步发挥好城镇化、产业结构升级对农业全要素生产率的带动作用。     

中国产业部门隐含碳生产率的测度及其敛散性

为了有效引导产业政策协调好经济增长与绿色低碳发展之间的平衡关系以及加快产业结构的调整优化，基于2002—2020年中国投入产出数据和产业部门能源消费数据，利用非竞争型投入产出模型，建立了中国产业部门的直接、间接和隐含碳生产率指标，采用变异系数、β收敛检验模型以及基于非线性时变模型的俱乐部检验方法深入剖析隐含碳生产率的收敛性，并借助QAP分析方法进一步讨论其发散的原因。研究发现：产业部门整体的隐含碳生产率大致呈V型增长趋势且各细分产业部门隐含碳生产率排序相对稳定，但石油和天然气开采业隐含碳生产率排序在研究期间升高了11个位次，实现了隐含碳生产率的跨越式上升。从中国产业部门隐含碳生产率的结构特性上看，直接碳生产率均值靠前的产业部门以高端制造业和服务业为主，靠后的主要是重工业；间接碳生产率均值靠前的产业部门以轻工业和服务业为主，而靠后的主要是能源、资源密集型产业；总体上看，各产业部门的直接碳生产率普遍高于间接碳生产率。产业部门隐含碳生产率在2002—2005年、2015—2017年呈σ收敛态势，且在全样本时期存在显著的绝对β收敛与条件β收敛，差异化环境规制是各产业部门间隐含碳生产率分化的主要...     

营商环境、互联网政务与农业全要素生产率

文章采用2016—2020年我国省级面板数据，通过DEA-Mamlquist指数测算31个省份农业全要素生产率，利用联立方程组模型检验营商环境对农业全要素生产率的影响及作用机理，引入互联网政务作为调节变量，并分区域探讨其差异性。研究发现：营商环境与农业全要素生产率相互抑制，并制约了技术进步、技术效率的分解路径；引入互联网政务与营商环境的交互项发现，互联网政务能够起到优化营商环境、促进农业全要素生产率的作用；区域异质性显著，在东中部地区起到促进作用，而在西部地区起到抑制作用；法治环境建设能够促进农业全要素生产率提升，而农村区域的创新环境、基础设施以及商业环境建设未能达到预期效果。     

中国省际经济差距来源分析

在利用索洛模型对中国省区1985—2009年经济增长进行分解的基础上,结合空间标准差指标并采用基于VAR模型的脉冲响应函数分析了中国省际经济差距状况及来源。研究发现:总的来看,中国省区劳均产出与要素投入均呈现空间σ趋异倾向,而全要素生产率则在呈现空间σ收敛后趋于稳定。进一步利用VAR模型及脉冲响应函数分析发现,在较长时期内,要素投入总体上扩大了中国省际经济差距,而全要素生产率则有助于缩小省际经济差距,这主要是由要素投入的经济拉动滞后效应和技术的扩散效应所致。     

京津冀和长三角地区制造业生产效率的比较研究——基于Malmquist-DEA模型的全要素生产率分析

全要素生产率是衡量产业生产效率最有效的经济指标,为此采用Malmquist-DEA法对京津冀地区和长三角地区制造业及其三大类别行业在2006—2016年期间的全要素生产率变化情况进行分析。结果显示:京津冀地区在制造业三大类别领域的全要素生产率年均增长率皆高于长三角地区,但整体波动变化情况也较长三角地区更为明显;京津冀地区制造业技术进步增长率、技术效率增长率以及全要素生产率对制造业产出增长的贡献率同样都高于长三角地区;六省市中,天津和上海的制造业全要素生产率的增长率高于所在地区整体水平,上海和北京制造业是效率型增长,江苏、浙江和河北制造业是投入型增长,天津则介于两者之间;上海和河北在制造业各类别中的全要素生产率增长呈不同水平的相对均衡,而制约北京、天津、江苏和浙江制造业全要素生产率增长的短板领域各有差异。     

我国农业全要素生产率增长及收敛研究

文章采用随机前沿分析(SFA)方法,考虑了随机因素对我国农业生产活动的影响,具体测算了我国1980~2009年各地区的农业全要素生产率(TFP),结论表明农业技术进步是推动我国农业全要素生产率不断增长的主要动力。在此基础上,分析我国不同地区之间的农业TFP是否存在σ收敛、绝对β收敛和条件β收敛,分析结果一致地表明我国地区间农业全要素生产率差距在不断扩大,并不存在σ收敛和β收敛。     

数字经济、产业链创新与绿色全要素生产率

绿色全要素生产率作为兼顾绿色生态与经济发展的指标,是衡量地区经济增长质量的关键。文章基于2011—2021年中国285个地级及以上城市的数据,采用空间杜宾模型与中介效应模型,探讨了数字经济、产业链创新与绿色全要素生产率的关系。研究结果显示：数字经济对绿色全要素生产率具有显著正向影响,且该作用存在正向空间溢出效应;数字经济可以通过促进产业链创新间接推动绿色全要素生产率提升;数字经济对绿色全要素生产率的影响存在城市区位、规模、级别异质性,其中对东部地区城市、大城市和中心城市的影响更显著;数字经济子维度对绿色全要素生产率的影响存在差异,主要表现为数字金融的直接效应更大、互联网发展的间接效应更明显。     

纳入能源环境因素的中国全要素生产率再估算

能源环境约束下的经济增长问题直接推动了全要素生产率的深层次研究.本文基于1995-2010年省际面板数据,利用全局曼奎斯特-卢恩伯格指数法对中国全要素生产率进行再估算,并对其影响因素和收敛性特征进行实证分析.结果发现:纳入能源环境因素的全要素生产率年均增长幅度十分有限,东中西地区呈现递减特征,且增长来源各异;规模因素、管理因素、科技因素、涉外因素等对TFP变化存在正向影响,结构因素存在负向影响;TFP核密度分布呈现双峰特征,与线性回归东部、西部两大地带俱乐部收敛现象互为验证.     

社会经济不平等及其测度

对社会中普遍存在的不平等现象 ,人们很早就给予了关注和研究 ,并提出了可行的测度不平等程度的方法和指标。然而我们注意到 ,这些传统的研究成果所体现的不平等 ,主要集中在社会的“收入不平等”上 ,实质上也就是经济不平等的即时反映。但生活毕竟不只是生存问题 ,社会中的不平等远不仅是人们收入多少的差异 ,还有很多无法用货币或数值来表现的不平等 ,而这些往往是人们生活质量更深层次、更真实的反映。“社会经济不平等”概念的提出 ,跳出了“收入不平等”这个狭隘的思维体系 ,也为全面研究社会中诸多不平等现象奠定了新的基石。虽然这一…     

Neural networks and flexible regression and discrimination

Feed-forward neural networks—also known as multi-layer perceptrons—are now widely used for regression and classification. In parallel but slightly earlier, a family of methods for flexible regression and discrimination were developed in multivariate statistics, and tree-induction methods have been developed in both machine learning and statistics. We expound and compare these approaches in the context of a number of examples.     

Neural networks and flexible regression and discrimination

Feed-forward neural networks—also known as multi-layer perceptrons—are now widely used for regression and classification. In parallel but slightly earlier, a family of methods for flexible regression and discrimination were developed in multivariate statistics, and tree-induction methods have been developed in both machine learning and statistics. We expound and compare these approaches in the context of a number of examples.     

Trimmed and Outer Means and Their Variances

Some properties of trimmed and outer means for the normal situation are considered; in particular, the mean of the outer half of the sample has the same variance as the mean of the inner half. An inequality involving variances of unbiased estimators of location and their complements is derived and some of its consequences are examined.