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。     

广东农业科技创新效率研究 ——基于超效率DEA模型和M almquist指数法

基于2010—2016年广东省各市的面板数据,运用超效率DEA模型和Malmquist指数法对广东农业科技创新效率和全要素生产率进行了实证分析。结果表明:广东省农业科技创新水平较高,但区域发展不平衡问题突出,粤北与珠三角、粤西、粤东有较大差距;广东全要素生产率指数平均值大于1,农业科技创新效率呈上升趋势,技术进步是全要素生产率增长的动力所在。因此,农业科技创新效率的提高关键在于提升农业技术水平,同时还需注意技术效率,科学调整农业科技资源配置,提升农业科技资源经营和管理水平。     

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。     

中国省份经济的全要素生产率分析

本文首先利用非参数DEA-Malmquist指数方法估算出中国各省份1979～2003年间的全要素生产率增长、效率变化和技术进步率,从而对中国省份经济做全要素生产率分析,然后利用核密度估计对中国省份经济的相对劳动生产率、相对全要素生产率、相对效率和相对技术进步做分布动态演进分析。分析表明,中国省份经济增长差异较大且有逐步增大的倾向,主要由全要素生产率增长尤其是技术进步率差异较大且逐步增大所致。     

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。     

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.     

海洋经济科技金融效率测算研究——基于Malmquist模型

基于沿海省份2012-2016年的面板数据,采用Malmquist模型测算海洋经济的科技金融效率并分析其影响因素。研究发现沿海11个省份海洋经济的科技金融全要素生产率呈现负增长的态势,虽然技术效率的提高一定程度上延缓了该时期的负增长,但大多数省份技术进步的滞后起了更为主导的作用。因此在海洋经济科技金融资源的整合投入中,需要注意引导金融资源投入于海洋科技领域,提高该领域科技研发和进步的效率,对于高风险的海洋科技企业,注意商业性金融和政策性金融并举,以避免科技进步滞后影响海洋科技金融效率的提高。     

中国区域物流产业技术进步及其影响因素研究

本文应用SFA模型评价我国区域物流业整体技术效率和全要素生产率,得出以下结论:我国物流产业TFP增长呈现震荡上升的趋势,其中东部地区TFP增长率相对较高,物流产业全要素生产率增长出现了一定的收敛趋势。引起全要素生产率增长率变化的主要因素是技术进步率和技术效率变化率。区域的经济发展水平、区域的市场化程度以及港口物流有助于提高我国区域物流的全要素生产率。     

提高全要素生产率的影响因素及对策研究

当前,我国经济已经由高速增长阶段转向高质量发展阶段,而经济发展阶段越高,经济增长越要依靠全要素生产率的提高.全要素生产率指经济增长中不能被土地、劳动、资本等有形要素投入增长解释的部分.一般来说,全要素生产率由生产效率和资源配置效率两部分组成,其影响因素主要有制度变革、结构优化和要素升级.为促进全要素生产率的提升,一方面可以通过制度改革重新组合生产要素实现配置效率的提高;另一方面也可以通过科技创新实现生产效率的提高.     

基于DEA方法的中部六省科技创新绩效分析

促进中部崛起是近年来学术界研究的一个热点问题。本文用DEA模型对中部六省的科技投入、产出相关数据进行了分析,并根据模型计算结果分别评价了中部六省的科技创新效率。文章最后对各省份的科技创新存在的问题做了剖析,并以此给出了关于提高科技创新效率的对策建议,这些对策建议为中部六省提高科技创新效率指明了方向。     

我国食品业全要素生产率增长及区域差异分析

本文基于DEA的Malmquist TFP指数方法,对我国31个省市2003-2010年食品业三个子行业全要素生产率增长进行测算,并将其分解为技术效率改善和技术进步。结果表明:三个食品子行业TFP增长主要源于技术进步,效率改善贡献较小;食品制造和饮料制造全要素生产率增长明显快于农副食品业。接着本文分析了三个子行业市场份额增长超过全国平均水平省市的TFP增长情况,找出存在粗放型增长倾向的具体省市。     

Agricultural productivity evolution in China: A generalized decomposition of the Luenberger-Hicks-Moorsteen productivity indicator

China has undergone a series of agricultural policy reforms since 1978. The measurement of the productivity gains and identification of the underlying drivers thereof are important facets of policy analysis. The commonly used Total Factor Productivity (TFP) measures often lack such desirable properties as completeness or independence of the direction of the optimization (orientation). In this paper, we take a top down approach by beginning with a TFP measure and then decomposing it into three mutually exclusive, exhaustive elements. In particular, we begin with the additively complete Luenberger-Hicks-Moorsteen (LHM) TFP indicator that takes into account both input and output changes when measuring productivity and then additively decompose it into measures of technological progress, technical efficiency change, and scale efficiency change. We develop a generalized decomposition of the LHM TFP indicator which encompasses both input-oriented and output-oriented changes over time. We illustrate this additively complete LHM TFP indicator using agricultural data from 31 Chinese provinces over the period 1997–2015. Our empirical results show that Chinese agricultural productivity growth (3.05% per annum) was mainly driven by technological progress (2.35% p.a.), with relatively small contributions from scale efficiency change (0.65% p.a.) and technical efficiency change (0.04% p.a.). We also found that productivity change and the relative importance of its components varied across both time and provinces.     

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。     

中国省域科技创新发展效率分析——基于SBM-DEA四阶段模型

利用改进的SBM-DEA四阶段模型,通过Tobit回归对松弛量进行测度,修正环境变量对效率测度的影响后,对中国30个省区市2019年的科技创新效率进行评估.研究结果表明,在对外生环境变量进行修正后,绝大多数省区市的科技创新效率得到了提升,全国不同省区市效率提升幅度不同,东部、中部和西部地区的效率排名发生了变化.这也进一步表明,环境变量对科技创新效率影响显著,政府、企业、高校以及科研机构应从自己角度出发,尽力建设完善的科技创新新体系.     

基于改进理想解法的区域自主创新效率评价研究

为了客观评价和比较分析中国省(市)域自主创新效率,利用改进理想解法对2010年中国大陆31个省、市、自治区区域自主创新效率进行评价,对评价结果进行分类比较分析。评价结果表明中国省(市)级区域的区域自主创新效率地域差异化明显,总体而言,东部地区的区域自主创新效率最强,其次是东北地区和中部地区,西部地区较弱。     

东莞科技创新与金融环境的关系研究

用Malmquist数据包络法求出全要素生产率(TFP指数)后,将TFP指数与金融发展指标进行回归分析和Grang-er因果关系检验,发现:金融发展指标与TFP指数之间没有关系,这说明了东莞的金融发展没有能够促进科技创新,而科技创新也未能推动金融发展,因此,有必要在东莞进行系统性的金融体系构建,以促进科技的发展。     

中部六省科技创新效率评价研究——基于二阶段DEA模型

运用二阶段DEA法，将科技创新分为研究阶段和市场化阶段，对中部六省2012-2017年科技创新效率进行评价及分析。研究发现，各省科技创新效率逐年增高，但市场化阶段效率低于研究阶段，且创新规模效率逐步由规模递增向规模递减演变，针对研究结论，提出如下建议：改变地方财政支持方式；鼓励发展第三产业；建立产学研科技创新合作机制。     

高技术产业创新效率的区域差异分析

采用《中国高技术产业年鉴》2005—2010年的数据,运用DEA-Malmquist模型对我国四大经济区域的高技术产业创新效率进行实证分析,结果表明,高技术产业TFP值主要受技术进步指数的影响。另外,除了四大经济区域技术创新不平衡外,引起TFP值增加的原因也存在差异。文章最后提出国家应加强区域投资,完善产业政策;区域之间要加强合作,发挥自身优势。     

我国工业企业研发机构科技创新效率评价

以2009-2012年省域面板数据为基础,运用DEA的BCC模型测度我国规模以上工业企业研发机构科技创新效率,实证表明:我国工业企业研发机构科技创新效率普遍偏低,但呈现波动上升趋势,且大体呈现规模报酬递减态势;工业企业研发机构科技创新效率存在明显的区域差异,即:东部地区科技创新效率普遍高于西部地区;投入冗余和产出不足是导致我国工业企业研发机构科技创新低下的主要原因。