基于Malmquist指数的创新型省份科技创新效率的变动研究

采用Malmquist指数计算全要素生产的变化率,对2005-2011年全国30个创新型省份科技创新效率的动态变化进行研究。研究表明,各创新型省份的科技创新效率总的是呈现上升趋势的。其中,技术进步的贡献上升是全要素生产率提高的内在动力和原因,而技术效率影响了全要素生产率的提高和科技创新效率的提升。因此,要提高创新型省份的科技创新效率必须进一步改善技术效率。     

广西农业科技资源配置结构分析及效率测度

广西农业现代化总体水平较低,一定程度上是由于农业科技资源布局不合理、利用效率较低、整合能力欠佳所导致的。利用1998-2014年《全国农业科技统计资料汇编》中农业科研机构的数据,基于DEA的超效率DEA模型和Malmquist指数,对广西农业科研机构的综合效率、纯技术效率、规模效率和规模收益、全要素生产率指数及其分解进行测算。研究表明,广西农业科研机构规模报酬不变及可变的技术效率平均值分别为0.5415和0.5625、规模效率平均值为0.9586、规模报酬递减的年份较多;全要素生产率指数平均提升了3.2%,其中技术效率指数提升了4.5%、技术进步指数却下降了1.3%。建议：根据农业科研机构的不同类型实现分类管理,整合农业科研院所资源,实现农业科技创新资源高效配置。     

中国省际高技术产业创新效率评价研究——基于超效率DEA模型和Malmquist指数法

基于中国29个省区市2014-2018年高技术产业的面板数据,首先采用超效率DEA模型对各省市生产效率进行测算,进而构建DEA-Malmquist模型对各省市综合生产率指数进行计算和分解.结果表明:中国高技术产业创新效率的总体水平较高,但是超过一半的省市区要素投入结构不合理,而且主要分布在中部和西部地区,创新效率存在较大的区域差异;中国高技术产业的全要素生产率指数平均值大于1,很多省份存在规模效率不高的问题,导致创新效率呈现N型的回调震动形态,技术进步和技术效率是全要素生产率提高的主要动力.因此,为了进一步提高我国高技术产业创新效率,需要注意保持高技术产业的技术水平和技术效率,尤其要注重高技术产业科技资源的优化配置,提升高技术产业创新资源的管理水平.     

中关村与北京市科技创新效率对比研究

通过对2009-2014年中关村示范区与北京市规模以上工业企业科技创新投入产出进行对比分析,使用Malmquist指数方法测算了二者6年间的科技创新效率变化,并对其中存在的结构特征进行了分析。结果显示：中关村示范区全要素生产率指数近似呈V型变动发展,而北京市规模以上工业企业全要素生产率指数则波动下滑,后期波峰未能突破前期波锋。中关村示范区科技创新效率前期低于北京市规模以上工业企业,但后期反超,预计反超趋势将持续下去。     

基于Malmquist指数的河南省科技资源配置效率研究

运用DEA-Malmquist指数测度了全国范围内各个省及直辖市的全要素生产率指数,分析了从2009年—2012年各个省市的技术进步指数、技术效率指数,把河南省的Malmquist全要素生产率指数同全国范围内、中部六省的均值进行比较,对河南省的科技资源配置的效率进行评价;同时依据2010年—2013年的相关科技资源数据,对河南省内各地级市的科技资源配置效率进行评价,分析得出河南省的科技要素投入力度不断加大,但是在结构配置上不合理,原始创新能力和基础条件较薄弱,管理水平和技术水平也不高,最后提出一些政策上的建议供政府和科技主体参考。     

环境约束下中国区域工业技术效率与生产率及其影响因素实证研究

本文运用方向性距离函数和曼奎斯特-卢恩伯格指数方法测算了环境约束下中国1998--2007年各地区工业技术效率、全要素生产率指数和环境规制成本,并对影响技术效率和全要素生产率增长的因素进行了实证分析。结果显示：环境技术效率呈现东、中、西依次递减,并且技术效率越高的地区,环境管制成本越低;考虑环境因素后,中国各地区工业全要素生产率指数降低,主要是由技术进步推动;环境约束下工业全要素生产率东部最高,西部次之,中部最低;人均GRP、FDI、工业结构、能源结构、人口密度对技术效率和全要素生产率有不同程度的影响。     

中国铁路运营效率实证研究:基于双活动-双阶段效率评估模型

以DEA模型和Malmqusit全要素生产率指数为理论工具,将铁路客运与货运、产出阶段与创收阶段纳入统一研究框架,建立"双活动-双阶段"效率分析框架,系统地考察中国铁路运输的生产效率与生产力.研究发现:虽然中国铁路效率世界第一,但就内部效率而言,客运综合效率高于货运综合效率,且仍有较大的提升空间;客运和货运的产出效率均明显高于创收效率,创收能力低下是铁路运输发展的短板;铁路发展呈现区域不平衡特点;客运全要素生产率呈上升趋势,产出阶段来源于技术效率改善和技术进步双重贡献,创收阶段主要得益于技术进步;货运全要素生产率有所提升,但主要来自技术进步的贡献,产出效率和创收效率均有所衰退;各铁路局的效率状况不同,效率优化路径各有差异.     

中国各省份农业效率和全要素生产率增长——基于SBM方向性距离函数的实证分析

本文运用SBM方向性距离函数和Luenberger生产率指标测度了中国31个省份1995－2008年的农业效率和农业全要素生产率,并对影响农业效率和全要素生产率的因素进行了分析。研究结果发现：东部地区的农业无效率水平显著低于中西部地区,产出无效率、役畜投入无效率和播种面积无效率是中国农业无效率的主要来源。1995－2008年中国农业的全要素生产率增长率为5.58%,主要体现于技术进步和技术规模变化。东部地区的农业全要素生产率最高。农业从业人员教育水平的提高对中国农业效率和全要素生产率的提高起到推动作用,机械化的普及有利于中国农业全要素生产率的增长。     

精准扶贫背景下江苏省农业科技创新效率研究

农业科技创新在精准扶贫中起到至关重要的作用.从4个维度选择分析要素,基于2013—2018年江苏省各市的面板数据,运用DEA模型和Malmquist指数对江苏省农业科技创新效率进行实证分析.结果表明:江苏省13个市区全要素生产力指数均值大于1,技术进步是其主要增长动力;除规模效率和技术进步率,宿迁各指标均低于省均值,纯技术效率是主限制因素;常州等3市的DEA有效不稳定.深度分析得,江苏省农业科技创新水平较高但区域间不平衡;宿迁市农业科技人员研发水平较低;常州等3市农业科技成果转化能力不足.     

1993-2005年广东农业生产率的变动与分解——基于Malmquist生产率指数的实证分析

本文使用非参数的Malmquist生产率指数方法,对广东省1993—2005年间农业全要素生产率（TFP）的变动趋势进行了考察,并把TFP的增长构成分解为技术进步、纯技术效率变化、规模效率变化三个部分。结果表明：13年间广东全省农业TFP的增长主要是由技术进步推动的,纯技术效率和规模效率的下降对TFP的增长造成了不利影响;农业TFP增长的地区水平差异显著,而且增长的结构也有所不同。最后是相应的政策建议。     

浙江省不同性质企业科技创新效率的动态变化与比较研究

基于企业的技术异质性,利用DEA和全局前沿M almquist指数方法对2006—2018年浙江省不同性质企业的科技创新效率和动态变化进行了比较研究.结果表明:①2006—2018年,浙江省不同性质企业的科技创新效率均值较低,差距显著,总体呈波动上升的趋势.2013年以前外商投资企业的科技创新效率处于领先地位,2015年以后内资企业开始长期处于领先地位.考察期间内资企业一直呈追赶势头,特别是国有企业,追赶势头最为显著.②不同性质企业近13年科技创新效率的平均增幅基本一致,大部分年份均处于增长态势.内资企业体现出较强的增长效应,且增长势头比其他两种类型企业平稳.③内资企业全要素生产率上升主要源于组内技术进步.港澳台商投资企业和外商投资企业全要素生产率的变化源于技术效率变化和组内技术变化.3种类型企业的技术领先变化程度均较小.     

电网企业技术进步与技术效率对生产率的影响测算

为了分析电网行业的生产率受技术进步和技术效率的影响程度,使用基于DEA的Malmquist生产率指数方法,以9家省电力公司为样本,对电网企业的技术和生产效率的动态变动情况进行了研究。结果表明,2005-2010年间样本电网企业的全要素生产率年平均增长率为3.2%,技术进步的贡献大于技术效率的贡献。技术效率指数表现不优是由于多数样本企业的实际规模与最佳规模之间的偏差较大。因此为了提高我国电网企业生产率,关键是提升效率特别是规模效率。     

发达地区城市工业用地效率评价及影响因素研究——以浙江省绍兴市为例北大核心CSSCI

文章以浙江绍兴市6个县(市、区)工业用地为研究对象,采用数据包络分析(DEA)法和Malmquist指数模型,测度各地工业用地效率、工业全要素生产率及其时空特征,并构建回归模型研究工业用地效率的主要影响因素及其可能的作用机制。研究发现:工业用地的区位特征明显区别于住宅、商服等行业,用地效率与工业用地管控、产业转型、投资结构、科技创新等紧密关联;地方政府供地和投资政策与工业全要素生产率变化存在着较强关联性,工业全要素生产率提高主要依靠技术进步;经济发达地区城市工业用地效率的主要影响因素是工业研发投入、工业企业规模、工业土地持有成本和工业行业集聚度。在此基础上,从实施技术驱动发展模式、改革土地出让方式、促进企业适度规模经营、推进产业有效集聚等方面提出了政策建议。     

我国高技术产业生产效率及其时空演变特征研究——基于三阶段DEA-Malmquist模型

通过构造三阶段DEA-Malmquist模型,测算了我国高技术产业的全要素生产率,主要结论如下：①高技术产业全要素生产率的提升主要来源于技术进步;②环境因素对决策单元投入松弛变量具有显著的影响;③剔除环境因素和随机因素之后,东部省份的全要素生产率出现了不同程度的下降,西部省份的全要素生产率出现了不同程度的上升,而中部省份的全要素生产率变动并不明显。对此,提出了提升我国高技术产业技术效率的政策建议。     

创新驱动发展战略下长三角研究型高校科技创新效率及影响因素

研究型高校是国家和区域科技创新及经济高质量发展的重要决定力量。在创新驱动发展战略和长三角高质量发展背景下，基于知识生产函数和绩效评价理论，采用DEA-Malmquist模型测算2012—2018年长三角地区研究型高校科技创新静态和动态效率，并运用面板Tobit模型探究高校科技创新效率的影响因素。研究表明，长三角地区研究型高校整体科技创新效率不高，但全要素生产率整体呈上升趋势，Malmquist指数年均值1.033大于1；政府支持、人力投入和成果授奖等因素与高校科技创新效率正相关但不显著，科技项目与高校科技创新效率呈显著正相关。据此，从打造高水平科技创新团队、完善拔尖人才培育机制、重视成果授奖的精神激励作用、优化创新投入结构等方面，给出提升科技创新效率的政策建议。     

民族地区旅游生态效率的时空演变以及影响因素分析

将基于非期望产出的超效率SBM模型与Malmquist指数相结合,对民族地区2004-2016年的旅游生态效率进行测算,发现：①2004-2015年民族地区的旅游生态效率随着规模效率变化,而2016年受纯技术效率影响明显;②民族地区的旅游生态效率呈现出差异性,全要素生产率与生产技术进步同增同减,除新疆、西藏以外其他区域呈上升态势;③技术的创新与进步对于全要素生产率的提升具有关键作用,规模效率会牵制全要素生产率,综合技术效率与纯技术效率的提升依赖于技术的改进;④地区经济发展水平、对外开放程度、信息化水平、地区产业结构与旅游生态效率呈正相关关系,而交通条件、服务业发展水平、环保措施与旅游生态效率呈负相关关系。     

基于我国东部地区的服务业全要素生产率研究

采用非参数Malmquist指数方法实证分析了2001—2008年我国东部地区10个省份中国服务业全要素生产率的增长状况,并将其分解为技术效率和技术进步。通过研究发现我国东部地区服务业经济增长效率在这段时间是逐步提升的,技术进步是主要的推动力,而技术效率贡献微乎其微,要提高我国服务业全要素生产率水平,需要在注重技术进步的同时也要注重技术效率的提升。     

基于DEA的北京高技术企业技术创新效率研究

本文采用DEA模型中的Malmquist生产率指数法,对北京高技术企业总体2005—2008年间技术创新活动的效率及变化进行研究。结果发现,北京高技术企业总体技术创新活动的全要素生产率提高了38.7%,各行业的全要素生产率均有提升。此外,北京高技术企业及各行业技术创新活动的技术变动对全要素生产率的提高均有贡献。除电子及通信设备制造业与电子计算机及办公设备制造业外,技术效率变动对全要素生产率的提高均产生负作用。     

黑龙江省绿色全要素生产率增长研究

文章应用基于方向性距离函数的Malmquist-Luenberger(ML)指数测算了黑龙江全省及各地市的绿色全要素生产率指数,发现其呈现出波动和不平衡的特征,效率改善对绿色全要素生产率增长的贡献大于技术进步。劳动生产率、经济开放度、科技水平、金融支撑能力对黑龙江省绿色全要素生产率增长的促进作用较强,工业比重增加却不利于其增长。根据全省及各地市绿色全要素生产率的增长特征及其影响因素,给出了提升黑龙江省绿色全要素生产率的对策建议。     

上海工业六大重点行业效率研究——基于DEA和Malmquist指数法的实证分析

对上海工业六大重点行业投入产出效率进行了探讨,使用DEA和Malmquist指数法,从静态和动态两个角度切入,研究了投入产出效率和全要素生产率。研究发现,静态来看,上海工业行业规模效率不高,技术创新能力缺失;动态来看,全要素生产率的提高归因于技术进步,而技术效率在下降,规模效率不足是主要影响因素。研究认为,提高上海工业效率的科学路径可以从“优化投入资源配置,优化产业结构,加强技术创新,提高全要素生产率”等几个方面展开。