中国农业全要素生产率的动态演进及其影响因素分析

[目的]通过测算中国农业全要素生产率,揭示其动态演进趋势及影响因素,从而为推动我国农业供给侧结构性改革,实现农业现代化提供科学的决策依据。[方法]文章使用SBM-Global Malmqusit生产率指数法测算了中国农业全要素生产率,在此基础上利用Kernel核密度估计方法刻画了中国农业TFP增长的动态演进,并通过建立面板数据模型对影响中国农业TFP增长的诸多因素进行了分析。[结果]中国农业全要素生产率增长的主要源泉是技术进步,而技术效率的下降是阻碍其增长的主要原因;核密度估计表明各省份之间的农业相对全要素生产率水平差距不断扩大,技术效率普遍恶化,而技术进步增长速度显著;农业金融发展水平、工业化水平、农业科技水平对中国农业TFP都产生了显著的促进作用,而农业产业结构调整、对外开放水平对中国农业TFP则产生了阻碍作用,农村人力资本则对农业TFP产生的正效应不显著。[结论]提高农业全要素生产率,实现农业现代化.各省份应加强农业科技创新,深化农业科技体制改革,完善农村金融服务体系,推动工业化和农业现代化深度融合,培育新型职业农民等措施。     

供给侧结构改革背景下的西南地区农业全要素生产率分析

［目的］探究在制度改革背景下的农业生产力发展水平和地区差异，有利于全面了解农业发展状况，为后期农业政策的制定、调整以及农业发展提供理论基础。［方法］文章利用DEA-Malmquist指数法对我国西南地区5个省（市）农业全要素生产率（TFP）水平变化发展趋势进行分析，并在此基础上对不同地区农业TFP差异变化和发展趋势进行预测。［结果］（1）Malmquist指数分析结果表明，我国西南地区农业TFP呈缓慢增长的趋势。通过对不同地区农业TFP结果进行比较，四川省农业TFP有先逐渐上升后下降的趋势，而技术进步是影响四川省农业TFP增长的原因；（2）重庆市农业TFP也是呈现波动式缓慢增加的趋势，年平均增长率为354%； 贵州省农业TFP近20年来增长速度最快，主要影响因素为技术进步； 云南和广西农业TFP也均呈缓慢增长的趋势，技术效率和技术进步在不同时期对农业TFP的影响有所差异。（3）收敛性分析结果表明，我国西南地区农业TFP差异有减小的趋势，并且不同地区农业TFP水平具有向各自稳定状态发展的可能性。［结论］我国西南地区农业TFP增长与技术进步具有较高的同步性，因此，制约我国西南地区农业全要素生产率增长的关键因素是农业科技进步。在供给侧结构性改革背景下，必须以市场需求为科研导向，加大科技创新投入力度，促进我国西南地区农业的可持续发展。     

中国农业全要素生产率增长:技术推进抑或效率驱动——一项基于随机前沿生产函数的行业比较研究

本文利用省级层面农业行业面板数据和随机前沿生产函数模型,系统研究了改革开放以来农业内部各行业的全要素生产率增长与行业差异,重点将生产率增长分解为技术进步和技术效率变化两部分,正确识别出各行业生产率增长的不同贡献来源,为全面认识中国农业TFP增长提供深刻的行业基础。实证表明:改革开放以来农业各行业TFP增长较大;整体上具有较强的技术推进特征,但行业差异较大;这在20世纪80年代表现并不明显,当时只是不同行业间表现出了较为典型的不同增长模式;普遍大规模的技术进步和效率损失主要发生在20世纪90年代以来,农业生产率增长开始由技术推进主导;总体上各行业生产率增长基本都由技术推进或效率驱动单独贡献,没有出现双驱动模式。由于技术推进和效率驱动蕴含着不同的政策含义,因此需要根据不同的行业特征采取针对性的经济政策。     

“东桑西移”与中西部蚕桑产业发展——基于全要素生产率增长的比较分析

本文运用非参数的Malmqiust指数方法测算了2001—2008年中国蚕桑生产的全要素生产率增长,重点分析了东桑西移实施后中西部蚕区蚕桑生产效率的变化情况。结果表明:新世纪以来的中国蚕桑生产的TFP保持了较快的增长,由技术进步和技术效率增长共同推动;西部蚕区TFP增长对促进其生产增长作用显著,东桑西移工程对中西部蚕区的技术效率有积极作用,但对推动中西部蚕区技术效率和TFP的快速增长作用有限,中西部蚕区除了注重技术的推广外还要加快以组织经营模式为代表的制度优化来加速TFP的增长。     

中国玉米生产率增长、技术进步与效率变化:1990-2004年

本文运用DEA的Malmquist指数分析方法，实证分析了中国玉米生产率（TFP）增长状况，并将其分解为技术进步和技术效率，进而可分解为技术进步、纯技术效率和规模效率。结果显示，1990-2004年中国玉米TFP的平均增长率为3．7％，技术进步为2．9％，技术效率为0．7％，技术进步构成推进TFP增长的主要因素，而技术效率的下滑却减缓了其增长，技术进步水平的不同使得各玉米主产省份的TFP的增长存在显著差异，东北和西北地区的玉米生产效率水平相对要高于华北和西南地区。     

水产养殖业新型农业经营主体全要素生产率研究——基于微观主体面板数据和SFA法

目的 新型农业经营主体是推动农业现代化发展的重要力量,研究其生产效率及变化趋势、分析比较不同类型新型农业经营主体的效率对于推进农业高质量发展、促进乡村振兴具有重要意义。方法 文章聚焦水产养殖领域,基于2018—2021年全国429个养殖生产新型农业经营主体样本面板数据,采用随机前沿生产函数分析了全要素生产率（TFP）,并分解其驱动因素。采用共同随机前沿模型比较分析了龙头企业、农民专业合作社和家庭农场3类新型农业经营主体模式的生产技术效率。结果 （1）增加物质资料、劳动力、固定资产等方面的投入对产出增长有显著促进作用,但增加服务投入并未显著促进产出。（2）TFP增长的动力来源是技术进步,规模报酬率的贡献不大,而技术效率和配置效率的下降对TFP增长起到阻碍作用。（3）龙头企业、合作社、家庭农场3类新型农业经营主体的技术效率各有特点,以群组前沿面为基准时家庭农场的技术效率最高,以共同前沿面为基准时合作社的技术效率最高,以技术差距比表征的技术水平衡量,则龙头企业技术水平最高。结论 建议加强科技投入,提升技术效率,优化成本投入结构,加强各类新型农业经营主体的联合与合作。     

专利密集型制造业全要素生产率增长评价研究——基于 DEA-Malmquist 指数法

文章基于《知识产权(专利)密集型产业统计分类(2019)》对我国专利密集型制造业进行了界定,并以低专利密度型制造业作为对比,通过测算2007—2019年间两类制造业的全要素生产率(TFP)分析我国专利密集型制造业TFP的增长变动情况,并比较两类自主创新水平差距较为明显的制造业在TFP增长方面的差异。测算结果显示,两类制造业的TFP增长率及各分解项均呈现波动下行趋势,专利密集型制造业的TFP增长率及各分解项的整体水平高于低专利密度型制造业;技术进步是两类制造业TFP增长的主要驱动力,专利密集型制造业TFP的提升将更依赖于技术效率,低专利密度型制造业则需要技术进步和技术效率共同提高驱动TFP增长;两类行业内部均存在显著的差异性,更高的自主创新水平能够促进专利密集型制造业TFP的增长,但二者之间并不是简单的正相关关系。     

农业全要素生产率增长的再测算——Malmquist指数法和Hicks-Moorsteen指数法的比较

基于Malmquist指数法和乘积完备的Hicks-Moorsteen指数法对农业TFP增长进行测度,并将TFP分解为技术进步和效率变化。结果表明:1979²011年间中国农业TFP年均增长率为2.1%2011年间中国农业TFP年均增长率为2.1%².7%,其中技术进步年均增长3.0%2.7%,其中技术进步年均增长3.0%³.6%,混合规模效率年均增长0.6%。因此,在农业投入产出过程中应重视农业生产结构以及规模方面的调整和优化。     

基于Malmquist指数的中国乳制品业全要素生产率分析

本文采用2002-2006年中国乳制品业的面板数据.通过非参数的Malmquist指数分析方法,对中国乳制品业全要素生产率(TFP)的变动情况进行了实证研究,并进一步将其分解为技术进步、纯技术效率和规模效率.结果表明,2002-2006年中国乳制品业TFP的年均增长率为11.4%,呈现出快速增长的特征,其中,技术进步为9.7%,技术效率为1.5%,技术进步构成中国乳制品业TFP增长的主要动力.分省份看,76.7%的省份乳制品业TFP增长的主要动力来自于技术进步;分不同企业规模和企业经济类型看,除集体企业外,乳制品企业TFP增长的主要动力均来自于技术进步.     

中国大宗淡水鱼养殖户技术效率、TFP增长及分解——基于25个省份微观调查数据

本文基于2011—2017年养殖户的微观调查数据,利用超越对数的随机前沿生产函数实证分析了大宗淡水鱼养殖户的技术效率、TFP增长及其分解。研究发现,(1)大宗淡水鱼养殖户的技术效率为0.827,表明养殖户的技术利用水平还存在较大的改进空间;(2)不同养殖规模对养殖户技术效率影响不显著,但专业化养殖对技术效率具有显著的正向影响;(3)养殖户TFP年均增长率为3.29%,且呈持续增长趋势;(4)养殖户TFP增长主要来源于技术进步,但技术效率的下降阻碍了TFP的增长;(5)技术效率和TFP增长都具有明显的区域性特征,总体表现为从西部到东部递减的趋势。     

广东农业经济增长效率分析:1993—2004

本文利用改进的农业经济增长DEA分解核算框架,对广东各地农业增长及效率进行分解测算,结果表明:1993-2004年广东农业GDP增长主要源于要素投入的产出效应,全省农业TFP累积增长54.70%,珠三角地区为105.28%,粤东地区为20.85%,粤西地区为66.35%,粤北地区为8.35%,珠三角地区的农业生产效率明显高于其他地区.而全省及各地区的农业TFP增长总体上主要依靠技术进步.     

中国棉花TFP增长率的波动与地区差异分析——基于随机前沿分析方法

本文利用1997-2009年中国13个主要棉花产区的投入与产出的面板数据,对中国棉花生产TFP增长率的波动与地区差异进行分析.研究结果表明:中国棉花TFP出现了一定的增长,这主要是规模效率、技术效率的改进和技术进步改进带来的,而配置效率则出现了下降;各个产区全要素生产率增长的差异明显,配置效率的变化是这种差异出现的主要...     

中国农业全要素生产率动态分析基于SFA模型和Log(t)回归方法

目的 通过分析农业全要素生产率增长的动态变化和长期收敛性,为促进农业经济增长和缩小地区农业发展差距提供理论基础。方法 文章基于中国29个省（市、区）1978—2017年的面板数据,利用随机前沿生产函数模型测算农业全要素生产率的增长。在此基础上,运用基于Log（t）回归的PS收敛检验分析累积农业TFP增长的收敛性。结果 农业TFP的动态分析表明,农业经济的增长主要依靠农业全要素生产率的支撑,由于农业科技创新能力不足,农业TFP增长的速度放缓。收敛性检验结果表明,1986—2017年中国农业累积TFP增长在全国省际层面和东、中、西、东北四大区域层面都发散,但存在6组俱乐部收敛和4个不收敛地区。从收敛速度来看,俱乐部1的收敛速度最快,是唯一的绝对收敛,俱乐部2的收敛速度最慢;根据累积农业TFP增长的差异,可以将收敛俱乐部划分为“高速增长”“平稳增长”和“低速增长”3种类型。“高速增长”俱乐部（俱乐部1、2）与其他俱乐部（俱乐部3~6）的增长差距主要来源于技术进步,技术效率是其他俱乐部之间增长差距的重要影响因素。结论 为推动农业高质量发展,各地区应加强农业先进技术的交流,提升农业科技创新能力,增强资源禀赋与农业科技创新的耦合关系,实现有效创新,提高农业科技成果转化率。     

粮食全要素生产率:基于序列DEA与湖北主产区县域面板数据的实证分析

本文使用粮食主产区湖北省2004—2010年的县域面板数据,运用序列DEA分析方法对该省全面落实粮食补贴政策和免除农业税以后的粮食生产进行分品种全要素生产率核算与分解,并讨论了该省粮食增长的主要贡献来源、变化特点与发展趋势。研究结果表明,湖北省粮食生产TFP增长主要体现为技术进步单独驱动的模式,技术效率改进的作用相对有限。从TFP的变化趋势来看因为技术进步动力不足和技术效率持续恶化而在考察期内呈刚性下降的趋势。粮食生产增长的贡献来源仍然主要为生产要素投入,TFP对该省粮食产量增长的贡献较小。因此,扩大TFP增长对该省粮食产量增长的贡献份额,尤其是改善粮食生产的技术效率成为该省粮食实现发展方式转型的关键。     

中国农业环境全要素生产率动态演进及收敛性分析

目的 厘清农业环境全要素生产率现状是探索农业绿色发展路径的逻辑起点。文章对农业环境TFP测算体系做了进一步的解构与改进,并分析其动态演进及收敛性。方法 利用基于SBM-DEA模型的GML指数,测度了1995—2018年中国30个省（市、区,不含港澳台、西藏）的农业环境TFP,在此基础上运用经济增长收敛理论探讨其收敛性。结果 中国农业环境TFP与农业生产总值变动态势基本吻合,两者的增长速率均在2010年达到峰值,此后农业环境TFP增长速率超过农业生产总值,成为推动农业高质量发展的重要力量;中国农业环境TFP的年均增长率为3.13%,增长率自东部、西部、中部、东北部依次递减;全国及四大区域的技术效率均呈现出不同程度的衰退迹象,其中东北部最为明显;全国及四大区域均存在β条件收敛,但不存在显著的σ收敛,除东北地区外,全国及其他区域均存在β绝对收敛。结论 中国农业环境TFP仍存在较大的改善空间;应加强各地之间的农业经济联动,充分发挥农业技术的空间溢出效应,促进各地农业环境TFP逐步收敛;特别对于东北部,技术效率衰退较为严重且内部出现明显的两级分化现象,不利于粮食生产安全。     

中国玉米加工业生产率增长、技术进步与效率变化——以4个玉米主产省为例

本文采用基于DEA的Malmquist生产率指数分析方法，运用玉米加工业的省际面板数据，分析中国玉米加工业增长过程中全要素生产率（TFP）的变动状况，并将其分解为技术进步和技术效率，进而分解为技术进步、纯技术效率和规模效率。结果表明，1998-2005年，中国玉米加工业中淀粉及其制品制造业、饲料加工业、酒精制造业和白酒制造业的TFP年均增长率分别为22％、13．3％、23．7％和7．7％，这充分说明，近年来中国玉米加工业发展迅速；玉米加工业各子行业的技术进步和技术效率的年均增长率均为正值，但技术效率增长缓陵，技术进步构成推进TFP增长的主要因素。     

农业全要素生产率增长:基于一种新的窗式DEA生产率指数的再估计

本文借鉴窗式(Window)DEA的窗口思想,参考固定基期Malmquist生产率指数的构造思路,基于固定窗口来重新设计窗式DEA-Malmquist生产率指数,试图解决经典当期Malmquist指数和标准窗式Malmquist生产率指数在技术方法学上存在的一些问题。本文将该指数应用于转型期中国农业全要素生产率增长核算与分解,一是验证该指数的一些技术方法学特征及其相关判断,二是加深对中国农业增长模式的理解。实证表明,该指数具有显著的技术方法学优势,可以有效缓解技术退步、窗口选择复杂等难题。转型期中国农业TFP增长显著,对农业增长呈顺周期贡献特征,省份空间差异性明显,并主要由前沿技术进步贡献,技术效率基本处于恶化状态。     

中国省际全要素生产率的测算和分解

全要素生产率(TFP)是研究一国经济可持续增长的核心,由于中国省际间差距巨大,各地区的经济发展模式各不相同,本文通过非参数的DEA-Malmquist指数方法估算出2000~2015年的年份全要素生产率指数与2000~2015年间中国各省份的全要素生产率指数,并对各省份的TFP进行了进一步的分解。研究发现:以TFP为代表的技术进步水平近年来不仅没有提高,反而出现减缓趋势;中国省份经济增长差异较大,从分解结果来看,全要素生产率增长差异主要由技术进步水平差异较大所致。     

不同退耕规模农户农业全要素生产率增长的实证分析——基于黄土高原农户调查数据

本文采用超越对数随机前沿生产函数模型,对陕西省吴起县和甘肃省华池县不同退耕规模农户农业全要素生产率及其影响因素进行实证分析。研究表明:小规模退耕农户农业全要素生产率的增长主要来自于农业技术效率改善,大规模退耕农户农业全要素生产率的增长主要来自于农业技术进步。进一步分析影响农业技术效率的因素发现:户主受教育程度、户主年龄、家庭成员农牧业劳动总时间、退耕规模对农户农业生产技术效率都具有正效应。     

近10年广西农业生产效率与全要素生产率时空演变与驱动因素分析

目的 在全球努力实现联合国可持续发展目标背景下,综合评价近10年广西农业生产效率、农业全要素生产率及其时空演化特征,解析其驱动因子,为提高广西农业生产效率提供支持,为广西可持续发展目标评价提供依据。方法 文章基于2008—2017年广西14个地级市农业生产投入与产出数据,运用数据包络分析（DEA）、Malmquist指数和Tobit模型,评价广西农业生产效率与农业全要素生产率及其时空演变特征,解析其驱动因素。结果 （1）近10年广西农业生产效率水平较低,研究期间总体表现为DEA无效且规模收益递减;空间差异大,各市农业生产效率呈现不同的时间变化特征,仅梧州市、北海市和钦州市一直处于农业生产效率DEA有效。（2）广西农业全要素生产率（TFP）呈波动增长态势,技术进步是农业全要素生产率增长的主要驱动力;桂东北（桂林市、梧州市、贵港市）、桂南（北海市、防城港市、钦州市）是广西农业全要素生产率较高的地区。（3）农业生产效率影响因素中,耕地有效灌溉率、农业科技是促进因素,与农业生产效率呈显著正相关;单位面积化肥施用强度、政府投入、单位耕地农机动力是限制因素,与农业生产效率呈显著负相关;技术进步、纯技术效率和规模效率是农业全要素生产率提升的促进因素。结论 近10年,广西农业生产效率与全要素生产率整体较低,时空差异大;应增加农业科技投入,增强农业基础设施建设,提高规模化水平,以提升广西农业生产效率。