环境约束下的制造业生产率增长分析

本文引入Malmquist-Luenberger生产率指数,对比分析环境约束和无约束情形下的2001-2008年中国制造业28个细分行业生产率增长状况。进一步的,本文分别将行业全要素生产率指数、技术进步指数及技术效率指数作为生产率增长指标,选取资本深化、行业规模、科技投入、环境污染和行业属性作为解释变量,利用面板数据回归模型分析环境约束下生产率增长影响因素。研究发现,忽略环境约束会低估制造业技术效率水平及其指数,但会高估技术进步指数和全要素生产率指数;分析结果表明影响因素对生产率增长均有显著影响。     

环境约束下中国地区工业全要素生产率增长:2000-2012年

本文对一个非径向非角度的方向性距离函数进行了拓展,使其能兼顾投入过量松弛和投入不足松弛.通过该模型和Luenberger生产率指标,分析了中国20002012年环境约束下30个省市工业全要素生产率的增长,并对其收敛和影响因素进行了分析.研究发现:中国工业全要素生产率增速较低,增长粗放的特点依然非常明显;工业技术效率改善缓慢,技术进步是工业全要素生产率增长的主要源泉;各省市工业全要素生产率增长的差异扩大了;如果忽视环境约束,会导致工业全要素生产率增速的高估;人均收入水平、资本积累、对外开放程度和能源消费结构对工业全要素生产率的增长都有不同程度的影响.     

污染产业转移对于中国西部地区工业全要素生产率的影响研究

为了研究污染产业转移与中国西部地区工业行业全要素生产率之间的关系,文章首先基于考虑环境因素的Malmquist-Luenberger(ML)指数测算了2003—2015年中国西部11个省份工业行业全要素生产率的动态变化情况,随后运用Tobit模型分析了污染产业转移以及其他因素对于西部地区工业行业全要素生产率的影响情况。研究结果表明:整体上中国西部地区工业行业全要素增长率呈现递增趋势,但各个省份工业生产率存在较大差异,技术进步是推动工业生产率增长的主要因素,忽视环境因素低估了西部地区工业行业生产率的增长率。另外,污染产业转移促进了西部地区工业行业生产率的增长,环境治理投资、研发投入与西部地区工业生产率显著正相关,对外直接投资、国有企业占比与西部地区工业生产率显著负相关。     

人口老龄化将降低服务业生产效率吗?——基于1993-2014年我国省际人均GDP的门限模型

人口老龄化不断加剧与服务业发展滞后是当前中国经济发展过程中面临的两大难题,人口老龄化会进一步降低我国的服务业生产效率吗?为了回答该问题,本文采用基于DEA的Malmquist生产率指数测算中国各省份服务业全要素生产率,在线性回归的基础上通过工具变量法,结合我国1993-2014年省级面板数据,实证检验了人口老龄化对服务业全要素生产率的影响。研究表明:人口老龄化对服务业生产率的影响存在明显的地区差异,老年人口抚养比对东部地区的影响显著性更强。基于该结论,本文进一步构建双重门限模型,采用人均GDP作为门限变量,测算出人口老龄化影响服务业生产效率的门槛水平。门限模型结果显示:人口老龄化对服务业全要素生产率存在基于人均GDP的显著区间效应,当人均GDP低于第一个门槛值(5.781)和高于第二个门槛值(6.428)时,人口老龄化都将对服务业全要素生产率产生显著的负向影响,且后者的负向影响更大。     

环境规制下全要素生产率逆转拐点的空间效应*——基于省际工业面板数据的验证

工业是污染排放和能源消耗的主体,环境全要素生产率受环境规制影响,进而对工业的可持续增长有一定制约。本文采用2001-2012年中国各省份（西藏除外）工业行业的面板数据,基于Malmquist Luenberger生产率指数,在考虑环境污染的情况下测算了我国各地区工业行业的环境全要素生产率,避免了全要素生产率高估的问题;并构建空间计量模型,考虑空间相关性和异质性的影响,在控制了资本劳动投入比、地区经济发展水平、企业规模、所有制结构、外资结构等变量因素影响的基础上,实证检验了环境规制与全要素生产率的关系。实证结果表明：东部、中部和西部三大区域环境规制的强度和工业行业的环境全要素生产率之间呈现“U”型关系。随着环境规制强度不断增强,全要素生产率先降后升,而且东部地区要早于中部、西部地区达到拐点。在达到拐点以后,东部地区的全要素生产率对环境规制变动的反应要强于中、西部地区,东部地区的边际全要素生产率更高。     

考虑人力资本的中国生产性服务业TFP分解

本文运用考虑人力资本的非参数Malmquist生产率指数方法,利用中国29省市生产性服务业1993年～2004年间的面板数据,测算了中国东、中、西部地区的全要素生产率,并将其分解为技术进步和技术效率。研究表明,中国生产性服务业全要素生产率在1994年～2004年间年均增长6．20％,其中技术进步率为5．90％,技术效率改善了0．30％。技术进步对TFP增长起主要作用,技术效率则起补充作用。东、中、西部地区的全要素生产率及增长不平衡,全要素生产率对生产性服务业的作用还有待提高。     

我国服务业生产效率区域差异的实证研究——基于高速公路密度和改革力度的视角

采用DEA-Malmquist指数法,测算了2002—2011年间我国各省服务业的全要素生产率(TFP),发现服务业全要素生产率总体上呈波浪形上升,且存在较大的区域差异。进一步地,通过对高速公路密度和国内改革力度等因素对我国服务业全要素生产率影响进行研究,发现高速公路密度与我国服务业全要素生产率大体呈现显著负相关,与东部地区呈显著正相关,与中、西部呈显著负相关;国内改革力度对我国服务业全要素生产率总体呈现显著正相关。最后,本文提出提高我国服务业全要素生产率若干相关建议。     

环境约束下中国与世界主要国家技术效率和生产率的测度与比较

运用含非期望产出的超效率SBM模型和GML指数,对中国与世界主要国家1991-2016年的分别在考虑和不考虑环境约束下的技术效率和全要素生产率进行测度与比较。研究发现,不考虑环境约束的测度结果忽略了一国发展所造成的污染损失,导致技术效率与生产率被高估；中国的技术效率在考虑环境因素后显著下降,总效率排名从样本中的第16位下降至第40位。时间趋势上,中国的环境效率与技术效率的差距呈现先扩大后缩小,且近年来有逐渐趋同的态势；动态视角上,不考虑环境约束时中国的全要素生产率变化总体呈现增长趋势,但在考虑环境因素后中国的环境全要素生产率转变为下降趋势,这其中,技术进步的下降是影响环境全要素生产率变化的主要因素。     

中国经济全要素生产率的环境敏感性分析

与传统忽视污染排放的全要素生产率相比,考虑环境污染非合意产出的全要素生产率增长,不仅反映了合意产出(GDP)的增加,而且还反映了污染排放的减少,体现了增长的可持续性。本文分别测度了1989—2008年间中国30个省际地区的传统曼奎斯特以及考虑污染排放的曼奎斯特-伦伯格全要素生产率指数。测度结果表明,如果考虑非合意产出因素,传统忽视环境污染的中国经济全要素生产率增长被高估。     

山东省制造业的全要素生产率、技术进步与技术效率变动趋势研究

以山东省全部规模以上制造业28个行业为研究对象,运用序列DEA-Malmquist生产率指数法测算了1998—2011年山东省制造业细分行业的全要素生产率、技术进步与技术效率增长率。结果表明,1998—2011年间山东省制造业的全要素生产率平均增长了13.3%。山东制造业总体及细分行业的全要素生产率整体处于上升趋势,技术进步的提高是全要素生产率增长的主导因素,而技术效率对全要素生产率表现出阻碍作用。     

服务进口与我国全要素生产率的增长——基于VAR模型的实证研究

服务进口贸易对我国全要素生产率的增长有多大的促进作用事关我国经济增长方式的转变。实证研究结果表明,1985-2010年,服务进口贸易与我国全要素生产率的变化之间有显著的正相关关系,服务进口增长1%,全要素生产率就有0.12%的提升。基于VAR模型的脉冲响应函数分析和预测方差分解分析结果,尽管国内RD资本存量对全要素生产率的长期拉动效应更为显著,但服务进口的积极作用也不可忽视。     

中国农业全要素生产率的变化及其影响因素分析——基于1991—2008年Malmquist指数方法

本文以分析中国29个省、直辖市和自治区农业全要素生产率变化为基础,对农业全要素生产率增长差异的原因进行了探讨。首先,根据KS和T检验筛选投入产出指标;然后,利用非参数Malmquist指数方法计算出中国农业全要素生产率指数及其构成;最后利用面板两阶段最小二乘法分析了影响农业全要素生产率的诸多因素。研究结果表明,乡村从业人员对农业生产效率值的影响较为明显;技术进步是农业全要素生产率增长的主要原因,区域间农业全要素生产率的差异较大;财政支农的力度和农业在整体经济中的地位会显著影响农业全要素生产率的变动。     

我国制造业技术进步、技术效率及区域差异——基于DEA方法的实证研究

利用Malmquist生产率指数方法,对我国29个省的制造业在1999--2005年间的全要素生产率（TFP）的变化进行了测算,把TFP的增长构成分解为技术进步和生产效率变化两个成分,并对其区域差异进行了分析,最后对省际制造业TFP进行了趋同分析。结果显示：我国制造业TFP的增长主要是由技术进步推动的,当技术进步促进TFP提升时,总会受到生产效率下降对TFP增长的抑制影响;区域间技术进步及技术效率存在较大差异,省级制造业TFP存在条件β收敛。     

What determines productivity performance of telecommunications services industry? A cross-country analysis

This article investigates the key factors that determine the productivity performance of telecommunications services industry. A simple theoretical model is used to illustrate that the Total Factor Productivity (TFP) growth is attributable to the effects of scale economies, market competition and technical change. We then examine empirically the effect of various factors on the TFP growth in the industry using panel data in 12 Organization for Economic Co-operation and Development (OECD) countries for the period 1983 through 2003. The empirical results are consistent with the theoretical prediction. A new finding in this article is that higher machinery and equipment (M&E) capital intensity and human capital contribute to higher TFP growth in the telecommunications services industry. The decomposition analysis also suggests that technical change induced by changes in M&E capital intensity and human capital are important sources of productivity performance in the industry across the OECD countries, contributing to about 20–50% and 2–7% of TFP growth, respectively. These findings highlight the importance of improving the conditions for M&E capital investment and the quality of human capital, which in turn could facilitate the adoption of new technologies and enhance the productivity in the industry.     

1978-2007年我国畜牧业全要素生产率及其影响因素研究

本文运用扩展的索洛模型和C-D生产函数测算了1978—2007年我国畜牧业全要素生产率(TFP)及其影响因素。分析结果表明,1978—2007年我国畜牧业TFP的年均增长率为4.71%;从总体上看,我国畜牧业生产处于规模报酬递增阶段,且畜牧业政策、劳动者质量、规模化程度和科技投入量是影响我国畜牧业TFP变动的主要因素。     

中国区域绿色全要素生产率增长差异及收敛分析

文章利用熵值法拟合环境污染综合指数,将其作为经济的非理想产出纳入非参数DEA-Malmquist指数模型,测度了1995-2008年中国29个省份的绿色Malmquist指数,并在此基础上分析了我国的绿色Malmquist指数、绿色技术效率和绿色技术进步率对区域经济增长差距的影响及其时间演化趋势。研究表明:样本期内,我国的环境污染日益严重;考虑环境污染因素后,中国的全要素生产率增长率显著下调,技术进步率的差异是地区经济增长差距的主要原因;我国的绿色Malmquist指数整体上不存在绝对收敛趋势,只有东部地区呈现较典型的俱乐部收敛特征;在控制投资率、从业人员增长率与环境治理力度后,各地区均表现出条件收敛趋势。     

What determines the productivity growth? Evidence from Chinese renewable energy firms by using Bayesian stochastic frontier approach

This paper examines the determinants of the total factor productivity (TFP) growth of Chinese renewable energy firms from 2011 to 2016, using a Bayesian stochastic frontier approach. Employing the “Bauer–Kumbhakar” decomposition method, the TFP growth is decomposed into the technology part and the market part. The empirical results reveal that the TFP improvement of Chinese renewable energy firms is mainly due to technical progress, followed by technical efficiency change. With regard to the market part, the misallocation of production factors has hindered the TFP growth. Our findings also indicate that only for large firms, the TFP growth can benefit from the scale economy effect. Compared with non‐state‐owned firms, state‐owned firms suffer much lower allocative efficiency.     

中国服务业分行业生产率变迁及异质性考察

本文采用全国两次经济普查后的修订数据,引入"技术不会遗忘"假定,运用序列DEA-Malmquist生产率指数法测算了1990—2010年中国服务业细分行业的全要素生产率(TFP)、技术进步、纯技术效率与规模效率增长率。结果表明,中国服务业总体及细分行业的TFP均处于上升通道,在上世纪90年代,服务业TFP增长的主导因素是技术效率改进,进入21世纪后,则主要是技术进步提高,且技术效率改进已开始由以纯技术效率为主转向以规模效率为主,但服务业发展的粗放型特征仍然明显。同时,中国服务业TFP增长表现出了较大的行业异质性;与工业(制造业)行业对比,服务业TFP增长是滞后的。2010年与1991年相比,TFP及技术效率增长的行业间异质程度有所下降,而技术进步却有进一步拉大的迹象。可能的内在机制是现代信息技术对不同服务业企业资源配置的异质影响,以及中国服务业体制改革的渐进式道路。     

Productivity growth and environmental regulations - accounting for undesirable outputs: Analysis of China's thirty provincial regions using the Malmquist-Luenberger index

This paper employs the Malmquist-Luenberger (ML) productivity index to evaluate China's growth in total factor productivity (TFP), incorporating undesirable outputs, during the period from 1989 to 2008. The ML productivity index and its components (technical and efficiency changes) are derived from the directional distance function which gives credit for an increase in good outputs and for reductions in undesirable outputs. The average annual ML productivity growth, accounting for undesirable outputs, is 2.46%, whereas the value of the traditional Malmquist productivity index is 4.84%, showing that the true TFP growth in China is overestimated if undesirable outputs are ignored. We explore the strictness in enforcing environmental regulations and its impact on improvements in ML productivity. The results show that, the enforcement of environmental regulations in China is, in general, far below the levels achieved in the best performing regions, and that the more stringent enforcement of environmental regulations would help to improve ML productivity growth in China.