碳排放约束与农业全要素生产率增长及分解

针对传统ML指数不具有传递性特征并且面临潜在线性规划无解的问题,将Global Malmquist－Luenberger生产率指数引入到农业全要素生产率的分析框架中,并利用中国31个省市1993—2013年的面板数据测算了碳排放约束条件下农业全要素生产率的增长及其分解。研究表明：是否考虑农业碳排放因素会对农业全要素生产率的测算产生较大影响,忽略碳排放约束会高估区域农业全要素生产率,测算结果可能导致政策偏误;在碳排放约束条件下,中国农业发展普遍存在效率恶化与技术进步并存的局面,农业全要素生产率增长主要由技术进步贡献,农业技术效率不增反减;中国农业全要素生产率增长存在显著的区域差异,东部地区要明显优于其他地区;中国农业大省在碳排放约束条件下未能表现出特别明显的农业优势,农业大省并非农业强省。     

中国工业行业全要素生产率增长的实证分析

本文采用非参数Maliquist指数方法实证分析了我国工业行业全要素生产率的增长状况,并将其分解为技术进步和技术效率。研究表明,1998—2007年我国工业行业全要素生产率的平均增长率为9．9％：行业间全要素生产率和技术进步变化显著,技术效率变化不大;技术进步是推动我国工业行业全要素生产率增长的最显著因素。     

中国肥料制造业全要素生产率的动态分析

运用非参数DEA—Malmquist指数方法估算中国各地区肥料制造业1998—2005年期间的全要素生产率增长、技术效率变化和技术进步情况,从而对中国各地区肥料制造业做全要素生产率分析。结果显示:在1998—2001年期间,全国和东部地区技术效率的改进对全要素生产率的变化贡献较大,而在后期技术进步则成为全要素生产率变化的主要动力;西部与东部地区情形相似,只不过技术进步成为全要素生产率变化的主要动力在2003年以后才表现出来;对于中部地区,可以说全要素生产率的提高一直主要依靠技术进步。     

农田灌溉设施的全要素生产率增长效应

基于中国15个小麦主产省2000—2017年面板数据,采用SFA-Malmquist指数法和面板工具变量法探讨了农田灌溉设施的小麦全要素生产率增长效应及作用机制,结果表明:2000—2017年间,小麦全要素生产率年均提升1.66%,技术进步率和效率提升率年均增长1.21%和0.38%,总体表现为技术诱导型的增长模式;农田灌溉规模的扩张可以在保障小麦生产效率提升的同时推动技术进步,实现小麦全要素生产率增长的双重驱动;农田灌溉质量的提升表现出正向的技术进步效应,但对技术效率却产生了微弱负向影响,且全要素生产率增长效应不显著。因此,在保持灌溉规模扩张对小麦全要素生产率驱动作用的同时,挖掘灌溉质量提升带来的全要素生产率增长潜能,将会是实现小麦稳产增产的关键。     

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.     

中国省际碳全要素生产率增长及收敛性

将碳排放作为生产过程的“坏产出”,通过构建基于序列的Malmquist-Luenberger（SML）指数模型,测算1998—2010年中国省际碳全要素生产率,运用核密度估计法对全国总体及东部地区、中部地区、西部地区三大区域进行收敛性检验。结果显示:样本期内中国碳全要素生产率年均增长率仅为0.9%,且主要是由技术进步推动,技术效率在大多数年份都处于恶化的状态;东部地区碳全要素生产率增长最快,西部地区最慢,中部地区介于二者之间;全国碳全要素生产率及其分解存在明显的发散性,东部地区和西部地区在技术效率方面呈现“俱乐部收敛”。     

基于Malmquist指数的我国航空公司业全要素生产率分析

运用Malmquist生产率指数方法,对我国5个主要航空公司2002-2006年期间的全要素生产率的变化作了测算。结果显示,2002-2006年中国航空公司业的全要素生产率的平均增长率为1.2%,生产效率总体上有所提高,并且这种增长增长同时受到综合效率改善与技术进步的影响。中国航空公司业全要素生产率水平的提高,除继续强调综合效率的重要性之外,也要进一步加强对技术进步的重视,单独依靠一个方面,全要素生产率的增长将是有限的。     

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。     

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。     

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。     

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。     

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。     

农业污染视角下的安徽省农业绿色效率评价研究

基于非期望产出超效率SBM模型和GML指数,将农业碳排放和农业面源污染同时作为非期望产出变量,从静态效率和动态效率两个方面分别测算了2010—2019年安徽省16个地级市的农业绿色生产效率与绿色全要素生产率及其分解。在静态效率方面,2010—2019年安徽省农业绿色生产效率年均值为0.946,整体水平未达到有效状态,呈现微“M”型波动上升趋势;在区域差异上,呈“皖南高皖北低”的渐进趋势。在动态效率方面,2010—2019年安徽省农业绿色全要素生产率整体呈稳步增长趋势,其中,绿色技术进步和绿色技术效率二者共同推动了安徽省农业绿色全要素生产率的增长,但绿色技术进步的贡献率明显高于绿色技术效率;不同区域和不同地级市的绿色全要素生产率的影响因素存在显著差异。因此,建议通过加快农业科技创新成果转换率,拓展绿色技术效率的改进空间;制定并实施环境规制政策,提高农业污染治理效果;形成安徽省区域差异化发展战略,缩小农业绿色发展区域差异3个方面来提升安徽省农业绿色全要素生产率。     

碳汇视角下中东部农业环境全要素生产率估算

在测算1994~2012年间中东部地区农业碳排放量和农业碳吸收量的基础上,发现农业碳排放量大于农业碳吸收量,农业对环境总体上处于正的溢出效应。因此,将农业＂碳净吸收量＂作为农业生产的正产出,运用非径向Super SBM模型修正了中东部各地区的农业全要素生产率。研究表明：1994~2012年间中东部地区农业全要素生产率处于下降状态,其中技术进步是促进农业全要素生产率增长的主要动力,而技术效率仍有进一步挖掘的潜力。东部地区全要素生产率略高于中部地区,这是因为东部地区技术效率高于中部地区,且两地技术效率差距有拉大的趋势;但东部地区的技术进步率低于中部地区。     

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。     

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。     

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。     

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。