区域科技资源配置效率及影响因素研究——以京津冀城市群为例

运用超效率DEA和Malmquist指数模型对京津冀区域科技资源配置静态效率和动态效率进行了测算与分析,并建立Tobit回归模型考察不同因素对科技资源配置效率的影响程度.实证结果表明:采用动静结合法可以较合理地估计京津冀科技资源配置效率;京津冀整体未达到资源配置有效状态,城市间发展不均衡;经济发展水平、经济开放程度、高等教育发展水平和区位优势等因素正向影响科技资源配置效率,而能耗水平则产生了消极作用.在此基础上提出进一步提升京津冀科技资源配置效率的对策建议.     

京津冀城市群创新效率及影响因素研究

科技创新效率是反映一个区域创新资源配置状况和创新质量的重要指标.文章利用DEA-BCC模型和Malmquist指数法对2012-2018年京津冀城市群科技创新效率进行静态和动态评价.以各城市每年的综合技术效率值为被解释变量,利用Tobit模型分析经济发展水平、政府支持、工资状况、外商投资水平、劳动者素质5个因素对城市创新效率的影响.研究结论表明:受规模效率偏低的影响,京津冀城市群的综合技术效率不高,但是随着时间的变化,城市创新的全要素生产率、技术效率不断增长,创新程度不断增强.同时还发现,政府支持、外商投资水平与城市创新效率是正相关关系,经济发展水平与劳动者素质对城市创新的影响不显著.     

基于超效率DEA与Malmquist指数的区域研发效率评价——四大国家级城市群比较研究

选取京津冀、长三角、粤港澳大湾区、成渝地区双城经济圈四大国家级城市群，基于超效率DEA与Malmquist指数测算2016—2018年各城市群科技研发效率。超效率DEA分析结果表明，粤港澳大湾区的研发效率均值最高，其次是成渝地区双城经济圈、长三角城市群，由于京津冀城市群科技发展不平衡问题突出，区域研发效率均值处于四大城市群之尾。Malmquist指数分析结果表明，长三角、粤港澳大湾区、京津冀城市群大部分城市都实现了技术效率正增长，而成渝地区双城经济圈的技术效率逐渐下降，与其它三大城市群存在一定差距。整体而言，四大国家级城市群的技术进步率均值高于技术效率均值，由此可见，增强地区科研能力是提升全要素生产率的关键。在实证分析我国区域研发效率的基础上，对我国城市群资源配置、优势资源禀赋、区域协同创新水平以及产学研深度合作等提出对策建议。     

海南自贸港金融资源配置效率研究——基于DEA-Tobit模型的实证分析

金融资源配置效率的提升是海南自贸港金融与经济良性循环发展的重要前提。依据2005—2020年海南自贸港主要金融资源配置数据，应用DEA-BCC模型静态分析海南省金融资源配置效率，Malmquist指数动态分析海南省金融资源配置效率，Tobit模型进一步剖析金融资源配置效率的影响因素。结果显示：2005—2020年，海南省金融资源配置效率整体非DEA有效，自贸港建设期间，2018年与2019年的金融资源配置效率均处于DEA有效，2020年为非DEA有效，且2019—2020年期间，全要素生产率变化指数仅0.7526，金融资源利用率大幅度降低，其主要原因在于技术进步水平的下降；产业结构对金融资源配置效率产生正向影响，经济发展水平与金融资源配置效率存在负相关性，地方政府干预程度和消费效率对金融资源配置效率无显著影响。提高海南自贸港金融资源配置效率，着力点在于完善金融业相关管理制度，引进高素质金融人才；下大力度推进金融业的基础设施建设，完善金融业支持政策；优化产业结构，提高金融资源的转化效率等。     

京津冀地区环境效率及其影响因素分析

考虑资源环境因素,运用超效率DEA方法测度了京津冀地区13个城市2003~2013年的环境效率值,接着利用Malmquist指数对环境效率进行了动态研究,最后通过面板数据Tobit模型分析环境效率的影响因素。结果表明,京津冀地区整体环境效率水平不高,有逐步变好的趋势,但增长幅度较小;技术进步是阻碍环境效率增长的最主要原因;人均收入、人口密度、生产技术水平对环境效率产生显著的正向影响,城市建设用地面积的正向影响并不显著,而产业结构、引进外资水平、人均道路面积、企业的环境管理能力产生显著的负面影响。     

我国环渤海地区主要港口技术效率的时空差异分析

将DEA方法与Malmquist生产率指数法相结合,测度了2007—2010年我国环渤海地区9大港口的投入-产出效率。结果表明:研究期间,受金融危机的影响,我国环渤海地区主要港口总体的技术效率不佳,但庞大内需使其技术效率呈上升趋势,规模效率过低是导致其技术效率不佳的主要原因,港口的投入-产出效率在很大程度上与港口规模有关;从动态效率来看,9大港口的Malmquist生产率指数整体上呈上升趋势且其增长率为正,但个别港口的Malmquist生产率指数受金融危机的影响明显且有不同程度的下降;不同省份港口的Malmquist生产率指数存在明显差距;技术进步迟滞和规模效率不高是制约我国环渤海地区主要港口的Malmquist生产率指数进一步提高的主要因素。     

京津冀协同发展中科技资源配置效率研究

将科技资源配置分为科技研发与科技成果转化两个阶段,采用超效率CCR模型对京津冀科技资源研发阶段与转化阶段效率进行测度,并进一步利用面板Tobit模型分析科技资源配置效率的影响因素。结果表明：京冀科技成果转化效率明显低于科技研发效率;京津冀三地科技资源配置效率存在严重分化现象;产业结构和经济开放程度分别对科技研发和成果转化阶段资源配置效率具有显著影响。在协同发展过程中,应根据京津冀城市功能定位,实现错位发展、融合发展。同时,应建设科技成果转化服务体系,促进创新要素合理有序流动,实现区域总体创新水平提升。     

中国城市群内部与外围的效率差异及其影响因素——基于DEA模型的分析

城市群是引领区域经济增长的核心区域,城市群的投入产出效率影响区域经济增长的质量和效果,有效发挥城市群在区域经济增长中的经济效益和资源配置作用对促进经济社会可持续发展有着积极意义.基于经济增长效率视角,建立非意愿产出的DEA模型来考察城市群内部与外围的效率差异,并对城市效率的影响机制进行了实证分析,本文发现多数城市群平均效率要高于外围地区,主要表现在城市群的纯技术效率方面,而非规模效率方面.就城市群投入产出效率的影响因素而言,金融环境和地方政府干预程度是限制综合效率提升的主要因素,这些因素对综合效率、纯技术效率和规模效率的影响表现各有差异.     

人工智能企业创新效率评价及影响因素研究——基于Super DEA-Tobit模型

文章运用超效率DEA与Malmquist指数分别从静态和动态两个层面对人工智能上市企业创新效率进行测度,并进一步利用Tobit回归和脉冲响应对人工智能企业创新效率影响因素进行探究.研究发现:创新效率整体呈现波动下降趋势,且民营企业与国有企业创新效率存在差异性;创新效率进步得益于规模效率增长,而创新效率降低主要受到纯技术效率下降的影响;技术进步和纯技术效率下降分别是制约国有和民营人工智能企业创新效率提升的主要因素;政府支持对创新效率提升具有持续促进作用,而税收负担具有持续抑制作用.     

湖南上市公司效率评价及影响因素

基于Malmquist指数法对湖南上市公司在2014—2017年期间的全要素生产率进行评价,并从区域经济发展、金融支持、企业特征三个层面实证检验湖南上市公司全要素生产率的影响因素。研究结论显示:①总体而言,湖南上市公司在2014—2017年期间的全要素生产率表现出上升趋势,主要体现在技术效率上升和实现技术进步两个方面。②区域经济和金融支持对湖南上市公司的技术进步指标影响显著,其中区域经济对技术进步指标产生显著的负向影响,而金融支持对其产生显著的正向影响。③主营业务的增长是提高企业全要素生产率的关键因素之一。     

长江经济带物流业效率增长影响因素

首先基于非期望产出的Super-SBM模型和Malmquist指数模型,全面测度长江经济带2007—2016年物流行业增长效率,并在此基础上运用面板Tobit模型,实证研究其物流业效率增长的影响因素。结果显示:①长江经济带2007—2016年物流效率呈现波动上升后缓慢下降态势,其中下游地区物流效率高于中、上游地区;物流全要素生产率、技术变动和效率变动总体呈现下降趋势,技术变动是影响全要素生产率变动的核心因素。②影响物流效率增长的因素存在区域差距。市场一体化指数、产业集聚、政府干预以及对外开放对整个长江经济带的物流效率及变动产生重要影响。在上游地区,影响物流效率增长的因素主要为产业集聚、经济密度和交通密度;中游地区的市场一体化指数、产业集聚、政府干预、经济密度、对外开放以及交通密度均是影响物流效率增长的重要因素,而对于下游地区,市场一体化指数、政府干预、经济密度和交通密度与物流效率增长关系密切。最后,针对研究结果,给出提高物流效率的政策建议,包括推进市场一体化建设,优化区域产业布局,扩大对外开放水平及打造立体式交通运输网络体系。     

市场化进程对创新效率的影响及行业差异——基于中国高技术产业的实证检验

文章利用中国高技术产业1995-2010年的面板数据,采用Malmquist指数对高技术产业创新效率及其分解——资源配置效率和技术进步等进行了测算。在考虑市场势力和企业规模等因素之后,文章运用动态面板GMM方法实证考察了市场化进程对创新效率的影响及行业差异。研究发现,市场化程度的提高既优化了高技术产业的资源配置,又促进了技术进步,进而提高了创新效率,且入世后这种促进作用更大;行业特征影响着市场化进程对高技术产业创新效率的提升效果,在技术密集度较低、外向度较高的行业中,市场化进程对创新效率的积极影响更大。此外,企业规模和经济绩效也是高技术产业创新效率的影响因素,而市场势力与创新效率却存在倒U形关系。     

深圳创新效率评价及影响因素研究

创新效率在一定程度上能反映地区科技创新资源配置和运营情况，为更好地了解深圳创新效率发展情况，文章采用DEA模型测算其创新效率，并在此基础上，利用最小二乘法构建回归模型探究其影响因素。结果发现，深圳整体的创新效率保持较高的水平，且主要受规模效率影响。经济环境对创新效率增长有显著的正向促进作用，产业结构对创新效率增长有明显的负向抑制作用，其他因素对创新效率增长的影响则有较大的差异。     

环境约束下中国旅游业动态效率的测算与分析——基于三阶段Malmquist指数模型的实证分析

将三阶段DEA与Malmquist指数相结合,利用2007—2010年中国31个省级区域的面板数据,对全国、各省级区域、三大地区旅游业的TFP及其分解指数进行了测算与分析。研究结果表明:在剔除了环境变量和随机误差的影响后,中国旅游业的TFP及其分解效率发生了明显变化;居民收入水平、交通便利程度、居民出游偏好和地理区位因素都对中国旅游业的发展效率产生显著影响;在剔除环境变量和随机误差的影响后,2007—2010年期间中国旅游业的TFP呈逐步提升趋势,技术进步是推动旅游业TFP增长的主要动力,技术效率则起抑制作用——这主要源于规模效率水平的下降。     

金融发展规模、效率改善与经济增长

本文将金融体系效率纳入金融发展与经济增长研究框架,运用基于松弛变量效率测度模型(SBM)对我国1995—2008年29个省市区金融体系效率进行测度,并利用面板协整检验考察了金融发展、金融体系效率与经济增长的关系。研究表明,我国金融体系效率整体上呈波动型上升趋势,且依次由东部、西部、中部递减,经济发展水平与金融体系效率呈近似倒U形关系;整体上我国金融发展的规模与效率改善对经济增长有正的影响,但其促进作用在区域层面上具有门槛效应:东、中部地区金融发展与金融体系效率对经济增长有正的影响,且在东部地区金融体系效率的经济增长效应更为显著,而西部地区其促进作用并不明显。     

中国公共教育支出的效率现状及动态效率研究

文章利用DEA方法对我国公共教育支出效率现状进行了总体分析和评价,并运用Malmquist生产率指数对其动态效率进行了测算。研究发现,从静态角度看,我国公共教育活动整体上具有较高的效率,但从动态角度看,2004—2011年我国公共教育TFP呈现轻微下降态势,其主要源于技术进步水平的下降,技术效率对公共教育TFP增长的影响作用有限;公共教育支出TFP增长存在显著的省际和区域差异,中西部公共教育活动的发展明显落后于东部地区。     

京津冀协同发展中科技资源配置效率研究——基于超效率DEA-面板Tobit两阶段法

将科技资源配置分为科技研发与科技成果转化两个阶段,采用超效率CCR模型对京津冀科技资源研发阶段与转化阶段效率进行测度,并进一步利用面板Tobit模型分析科技资源配置效率的影响因素。结果表明:京冀科技成果转化效率明显低于科技研发效率;京津冀三地科技资源配置效率存在严重分化现象;产业结构和经济开放程度分别对科技研发和成果转化阶段资源配置效率具有显著影响。在协同发展过程中,应根据京津冀城市功能定位,实现错位发展、融合发展。同时,应建设科技成果转化服务体系,促进创新要素合理有序流动,实现区域总体创新水平提升。     

基于DEA-Malmquist指数的企业创新效率变动研究——对我国电子行业的15家上市企业的实证分析

利用基于DEA的Malmquist指数方法,对我国电子行业的15家上市企业的创新效率变动进行了评价.实证结果表明,我国电子行业创新效率的降低主要是由于技术效率(资源配置效率)下降引起的,而技术进步对效率变动具有积极的促进作用.     

中国战略性新兴产业的技术创新效率——基于DEA-Malmquist指数模型

采用基于DEA模型的Malmquist指数分解方法,将战略性新兴产业技术创新的TFP增长分解为技术进步、纯技术效率和知识创新效率的变化。利用2005—2012年中国省际面板数据,测算了中国28个省级行政区域以及三大地区(东、中、西)战略性新兴产业技术创新的Malmquist指数,分析其TFP的动态变化、TFP增长变化原因、省际和区域分异特征以及TFP增长动力来源的区域差异。研究结果表明:2009年以后,中国战略性新兴产业技术创新的TFP增速减慢并呈下降趋势,主要原因是技术进步速度快速下降,纯技术效率、知识创新效率逐渐成为影响战略性新兴产业技术创新的TFP增长率的主要因素;分地区来看,三大地区战略性新兴产业技术创新的TFP增速减慢且TFP增长率呈倒"U"型分布;TFP增长的动力来源存在区域差异,即东、西部地区主要依赖技术进步,但技术进步速度明显减慢,而中部地区主要依赖技术效率的增长,但增幅不大。     

经济增长的技术效率及其影响因素研究——以四川省为例

运用2000—2010年数据,基于对数型柯布—道格拉斯生产函数的随机前沿模型,对四川省区域经济增长效率及其影响因素进行研究。结果表明,四川省经济增长主要靠劳动力驱动,平均技术效率水平较低,经济处于规模报酬递减状态,且其区域差异有扩大的趋势。而基础设施建设和科研投入对经济增长效率具有促进作用,金融机构的贷款业务和政府财政支出对效率的提高具有抑制作用。