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。     

中国农业科技创新效率及区域差异比较——基于粮食功能区视角

基于不同的粮食功能区,分别运用超效率DEA模型和Malmquist指数法对2001—2019年中国三大粮食功能区的农业科技创新效率及其变化进行测度和比较.结果表明:2001—2019年3个区域的农业科技创新效率均呈现波动上升的趋势;各粮食功能区之间农业科技创新效率差异明显,由低到高依次为主产区、产销平衡区和主销区;粮食主产区规模效率优势明显,主销区技术进步优势较强,而产销平衡区各分解因素的波动幅度最大.最后,从宏观统筹和优化各粮食功能区农业科技创新要素配置、合理推进各粮食功能区农业科技创新、提高农业科技创新效率的视角提出了对策建议.     

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。     

江苏省高新技术产业园区科创效率及影响因素

基于2016—2020年江苏省国家高新区面板数据，运用数据包络分析（DEA）和Malmquist指数对江苏省国家高新区的静态和动态效率进行测算，并采用面板Tobit模型，探索影响江苏省国家高新区科创效率的原因。结果表明：江苏省国家高新区整体科创效率水平不高，规模效率低于纯技术效率，技术因素起到主要作用；全要素生产率总体稳定，大多高新区的技术进步指数提升但规模效率下降；地区开放程度对江苏省高新区科创效率有显著的正向影响；研发经费投入力度和经济发展水平有显著的负向影响。据此，可以从提升创新资源利用效率、提高对外开放水平、优化资源配置等方面完善，从而有效提高江苏省国家高新区科创效率。     

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.     

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.     

高质量发展下江苏省农业全要素生产率收敛性分析

基于非参数Malmquist指数法对江苏省13个地级市2000年以来农业全要素生产率的测算,及对此进行的收敛性分析表明:江苏实现了较为明显的农业全要素生产率进步,且主要源于技术进步的推动;江苏省内地区间农业全要素生产率存在明显差异,但低效率地区的追赶效应明显。江苏省为确保农业高质量发展,需进一步扩大农业科技创新应用范围,促进地区间共享发展经验和科技进步成果。     

我国农业科技创新资源的配置效率及影响因素研究

文章采用DEA法,对2009-2011年我国农业科技创新资源的配置效率进行了测算,并构建个体固定效应模型分析农业科技创新资源配置效率的影响因素。研究结果表明,我国大部分地区的农业科技创新资源配置处于非DEA有效状态,且各地区配置效率差距很大;科技市场的发育程度、政府支持力度、农村劳动力受教育程度、农村生产力发展水平、农村经济发展水平,对农业科技创新资源的配置效率均具有显著的正向影响,这些因素是当前影响农业科技创新资源配置效率的核心要素。     

我国城市商业银行2009-2011年生产效率分析——基于DEA模型的Malmquist指数的实证分析

通过数据包络分析(DEA)模型对2009-2011年国内53家具有代表性的城市商业银行进行生产率分析,并通过Malmquist指数将其生产率变化分解为技术效率及技术进步两个指数进行研究.结果表明,伴随着2009-2011年间国内城商行规模的快速扩张,大型城商行规模效率逐渐下降,开始呈现规模递减发展趋势,而多数中小型城商行因为规模相对较小,处于规模报酬不变的扩张区间;对Malmquist指数测度结果的分析则表明国内大型城商行全要素生产率指数变化无论在均值还是在稳定性方面都要优于中小型城商行,突出表现在影响其内部发展的技术进步上,中小型城商行亟需通过软硬件、服务功能、产品创新等进一步提升既有技术水平,从而支撑其业务的可持续发展.     

中国上市商业银行全要素生产率研究

本文运用非参数DEA模型的Malmquist生产率指数,对2004-2008年中国11家上市商业银行的全要素生产率及其分解进行了测度.结果显示,中国国有上市商业银行自从改革后全要素生产率整体呈现上升趋势.从国有上市商业银行全要素生产率的均值来看,其提高受规模效率变化的影响并不明显,但从单个国有上市商业银行看,中国工商银行和中国建设银行全要素生产率的下降,是由技术进步水平和规模效率的下降共同导致的.     

基于创新效率视角的常州市科技服务业高质量发展研究

科技服务业是促进产业结构优化升级的重要推动力量。构建成熟的科技服务业体制与机制,是科技服务业稳定发展、促进企业创新活动有效展开、提高当地经济水平快速提升的重要手段。目前,中国经济增长处于增速下行、艰难转型的关键时期,分析科技服务业的创新发展效率及其发展路径,可以为区域经济结构调整、产业布局及相关政策制定提供决策参考。以常州市近10年的科技服务业投入产出要素为依据,运用数据包络分析（DEA）法分析研究了常州市科技服务业近10年的创新效率情况,并从静态和动态的角度对比常州市科技服务业在苏南五市及江苏省平均发展中的水平定位。     

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。     

基于DEA-Malmquist指数法的河南省科技金融效率评价

基于DEA-Malmquist模型对河南省2010—2019年18个地级市的科技金融效率进行测度。结果表明,河南省科技金融效率总体处于DEA弱有效状态且各地区之间科技金融发展不均衡,全省只有郑州市在样本期间实现了科技金融投入产出的最大化,其他各市科技金融的综合效率均值从0.344到0.963不等,但2/3地级市的科技金融效率水平都有所提升。根据实证结果,从合理配置科技金融资源、加强科技创新人才队伍建设,以及扩大高技术产业规模等方面提出建议。     

湖北省科技服务业发展效率测度——基于DEA-Malmquist指数和Tobit模型

基于三阶段数据包络分析（DEA）模型并结合Malmquist指数方法，以湖北省12个地级市2010—2019年科技服务业为研究对象，对其发展效率及全要素生产率进行测度和分解，并通过Tobit模型实证分析影响科技服务业发展效率的因素。结果表明，湖北省各地市科技服务业发展差距显著，良好的资源分配机制和科技服务业体系均尚未形成，应当加强资源投入并合理分配，确保规模效率提高与技术进步同步增长，促进地区间深入交流以实现资源共享，真正助推全省科技服务业高质量发展。     

农业全要素生产率时间演变及区域差异研究——基于江苏省的实证分析

基于江苏省13个地级市的农业投入产出面板数据,运用DEA-Malmquist方法,对江苏农业全要素生产率进行了实证分析。结果表明,2001-2014年间江苏省农业技术进步增长幅度较大,而技术效率变动呈现递减态势,农业TFP增长主要是靠技术进步推动的,且江苏农业TFP增长率及其构成存在显著的地区差异,苏南农业TFP增速明显高于苏中和苏北地区。     

山西省科技创新绩效评价研究——基于DEA模型的动态研究

科技发展程度是衡量一个国家和地区经济竞争实力和经济发展潜力的一个关键因素,对科技创新绩效进行科学合理的评价至关重要。从投入产出角度,构建了DEA评价方法的科技创新绩效评价指标体系;依据山西省科技创新活动十年的相关数据,获得各年份综合效率、纯技术效率以及规模效率,在此基础上并绘制了山西省科技创新绩效动态发展趋势图。结果发现,山西省科技绩效发展呈现出先降低后上升的趋势;山西省的科技绩效平均水平较高;非DEA有效是由于纯技术无效率和规模无效率共同作用的结果。     

江苏旅游业发展效率及对策研究——基于超效率DEA和Malmquist指数分析

文章利用超效率DEA模型和Malmqulst指数模型分别测算了江苏13市2001-2012年旅游业发展的静态效率与动态效率。结果显示:江苏旅游业静态效率保持先降后升的态势,从2001年的0.848下降到2006年的0.611,后又上升到2012年的0.824,12年间效率均值为0.726。各市旅游业效率存在显著的地区差异,且呈现逐步扩大的趋势。江苏旅游业动态效率(TFP)年均变化值-0.6%,增长主要来源于技术进步而不是规模效率的作用。在以上研究的基础上,提出提升江苏旅游业效率的对策,为旅游业持续、高效、健康发展提供理论参考。     

福建省科技投入产出效率评价 ——基于超效率模型和Malmquist指数的实证研究

利用非参数方法DEA的超效率模型对2004—2007年福建省9个设区市的科技投入产出效率进行评价,并应用Malmquist指数来分析科技投入产出效率非DEA有效地区的形成原因及其生产力的动态变化。实证结果显示,福建省各市的科技效率总体呈上升趋势,但各地区科技的投入产出规模以及效率还存在着较大的差距,而其生产力的提高主要是技术进步所带来的贡献,而技术效率还有待改进。     

徐州市科技创新能力综合评价及应用研究

从科技创新投入、科技创新产出、科技创新环境支撑和科技促进可持续发展等4个方面,在26个备选具体指标的基础上,通过反复测试检验,最终选取14个具体指标,建立科技创新评价模型,对淮海经济区核心区城市和江苏省十三市的科技创新能力予以定量评价,并进行横向比较分析。最后从科技创新投入、成果转化等七个方面对徐州市提高科技创新能力给出了建设性建议。