我国中西部全要素生产率的区域差异及影响因素分析

文章采用DEA模型的Malmquist指数法,分解和测算了2000-2014年我国中西部各省、自治区、直辖市的全要素生产率(TFP)。结果表明,中西部地区全要素生产率增长率平均上升0.7%,明显低于全国水平的4.5%。其中,中部地区的全要素生产率下滑1.4%,西部地区上涨2.8%。通过分析中西部地区全要素生产率的影响因素,研究发现,GDP、产业结构升级和基础设施对中西部TFP增长有显著正向影响,技术创新水平、经济对外依存情况和政府干预经济程度对中西部TFP增长的影响显著为负。最后从加强自主创新和提高政府的保障作用等方面提出提高中西部地区TFP的政策建议。     

基于Meta分析的中国农业全要素生产率研究

目的 应用Meta分析方法,针对国内外中国农业全要素生产率测算研究的文献,探究其测算结果的一致性,以期为中国农业全要素生产率（TFP）的测算及其结果提供更为全面、客观、系统的认识与理解。方法 文章首先对中英文数据库中已发表的有关中国农业全要素生产率的文献进行检索筛选,再对纳入文献进行农业全要素生产率增长率的区域、方法、投入产出指标和年份区间的梳理,进而基于Meta分析定量化地分析各研究中农业全要素生产率增长率测算结果之间的异质性,并进行敏感性检验。结果 （1）中国农业TFP增长率测算总体异质性较低（I²=10%）,剔除单独省份或地区作为研究区域的文献后,Meta分析结果异质性增大（I²=18%）;（2）投入指标方面,劳动力投入指标使用第一产业就业人数时的测算结果异质性较高（I²=61%）,而使用农林牧渔业从业人数时,测算结果同质性显著（s=0）;（3）测算方法方面,使用DEA方法测算所得结果间同质性显著（I²=0）;（4）测算时段方面,各时段内农业TFP增长率测算结果呈现高度异质性,1992—1997年、1998—2003年、2004—2008年、2009—2015年各时段下I²结果分别为 94%、89%、68%、87%。结论 （1）1979—2015年我国农业全要素生产率年均增长2%是较为准确的测算结果,且单独省份的研究能够一定程度上填补以全国为研究区的文献间的异质性;（2）投入产出指标的遴选对农业TFP增长率测算结果有一定影响;（3）测算方法是农业TFP增长率异质性的主要来源;（4）农业TFP增长率测算中相关指标所选不变基期对长时间跨度测算结果影响不大,但对具体时段内的农业TFP测算结果影响显著。     

FDI对中国林业全要素生产率的影响分析——基于DEA-Malmquist指数法

文章在分析林业利用外资情况的基础上,采用DEA-Malmquist指数法,基于2006~2015年中国28个省、直辖市及自治区的面板数据,测算林业全要素生产率(TFP),并将其分成技术进步和效率变化,建立回归模型,研究林业利用外资对林业全要素生产率的影响。结果表明:中国林业TFP在总体上平稳发展,个别地区出现上升;28个省(市、自治区)的年均TFP增长率约为16.7%,效率变化对林业全要素生产率增长的贡献更大。FDI对中国林业全要素生产率产生负向影响但不显著,FDI滞后一期对林业生产率产生显著的正向影响;受教育程度对林业全要素生产率有正向影响,但不显著;对外开放水平对林业生产率的影响是正向且不显著的;金融发展水平与林业全要素生产率负相关。最后根据现实解释回归模型结果,提出政策建议。     

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。     

中国林业投入资金利用效率研究——基于Dea-Malmquist指数

以1998～2010年我国30个省面板数据为基础,对我国林业系统资金利用效率定量测算和分解。结果表明,全要素生产率(TFP)对我国林业系统产业总产值、在岗职工年均工资、造林面积等产出指标贡献度为负值,说明我国资金投入没有达到有效推进林业发展的目标。TFP分解后,技术进步落后是资金利用效率较低的重要诱因。就四大经济区而言,TFP指数与各区域技术进步水平一致,林业投入资金效率高低依次为东部地区、东北地区、西部地区、中部地区。     

中国农业全要素生产率测算结果的差异性研究——基于Meta回归分析方法

现有文献报告的中国农业全要素生产率(TFP)测算结果存在较大分歧。本文采用Meta回归分析方法,对国内外1982年—2011年46项有关中国农业全要素生产率的研究进行定量综述,试图寻找影响农业全要素生产率不同研究结果的决定性因素。研究发现,农业全要素生产率测算结果的差异在一定程度上可以归结于原始文献在估计方法、数据选取以及变量处理等方面的不同:相对于索洛余值法,采用代数指数法的研究倾向于得到更低的农业TFP值,采用SFA方法的研究倾向于得到更高的农业TFP值,而使用DEA方法计算出的农业TFP值和索洛余值法无显著差异;若实证研究选择时间序列数据作为样本,会比面板数据得到更低的农业TFP值;原始研究中使用的投入要素数量越多,得到的农业TFP值将越低。     

草原生态保护补奖政策下牧区肉牛养殖生产率增长及收敛性分析

草原生态保护补奖政策在促进草原生态保护的同时,将逐步转变牧区牧业生产发展方式,由此将对牧区牧业生产效率产生一定影响。本研究运用Malmquist指数与收敛模型,实证分析了草原生态保护补奖政策实施区专业育肥和专业繁育肉牛养殖的全要素生产率及收敛性。结果显示,2009—2017年,专业育肥场户TFP增长率总体保持增长态势,TFP增长率年均水平为1. 8%,技术效率增长率为-0. 4%,技术进步增长率为2. 2%,技术进步是推动TFP增长的主要因素,5省区中肉牛专业育肥场户TFP平均为0. 991。草原生态保护补奖政策实施以来,专业育肥场户肉牛养殖全要素生产率增长明显。专业繁育场户TFP增长率总体呈波动态势,多数年份为负,TFP增长率年均水平为-5. 0%,技术效率增长率为-0. 1%,技术进步增长率为-4. 9%,技术进步、技术效率均是延缓TFP增长的主要因素,5省区中肉牛专业繁育场户TFP平均为0. 900。专业育肥场户肉牛养殖生产率不存在σ收敛,短期还会存在生产率地区差异,专业繁育场户肉牛养殖生产率存在σ收敛,生产率区域差异会逐步缩小。专业育肥场户肉牛养殖生产率、专业繁育场户肉牛养殖生产率均呈条件β收敛,各区域均在自身的稳态水平收敛。     

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。     

可持续发展视角下林业全要素生产率及影响因素——来自广东的证据

本文运用1996年~2007年广东省的面板数据,基于Malmquist生产率指数的数据包络分析将林业全要素生产率分解为技术进步和技术效率,进行测算,结果表明:广东林业TFP和GDP的增长率在总体上表现出基本同步变化的趋势;广东绝大多数市TFP的增长属于技术进步型;林业TFP增长率低主要是由技术效率损失造成的,并进一步分析造成技术效率损失原因。     

农机作业服务是否影响粮食全要素生产率——基于农业分工的调节效应

本文运用变系数随机前沿模型测算2004—2016年中国26个省份的粮食全要素生产率,依据拓展的农户模型分析了农机作业服务外包生产方式下的农户行为,基于分工理论的视角解释了农机作业服务对粮食全要素生产率的影响,并采用系统GMM方法进行实证分析。结果显示:(1)农机作业服务对粮食TFP的提升具有促进作用,但存在地区差异性;全样本和粮食主产区的作用较为显著,而粮食非主产区不显著。(2)农机作业服务提升小农户粮食生产TFP需要以农业分工程度为前提条件。农业分工与农机作业服务的交互影响有助于增强粮食TFP的促进作用。本文研究表明,家庭分散经营阻碍了当前我国农机作业服务对粮食全要素生产率的促进作用,如何进一步激发这种促进作用值得探讨。     

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。     

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。     

我国水禽全要素生产率增长和贡献及区域差异分析

[目的]通过测算水禽全要素生产率（TFP）来评估水禽的投入产出效率,同时分别对比各养殖区域之间TFP的增长率及贡献的差异。[方法]文章依托全国22个省、（市、自治区）水禽投入产出数据,基于索洛残差法和DEA-Malmquist指数法分别从水禽TFP指数、TFP增长率和TFP贡献率3个角度展开分析。[结果]（1）全国水禽TFP均值为1.352,大多数地区的水禽TFP指数均大于1,山东省的技术效率、纯技术效率、规模效率均为全国第一;（2）全国水禽TFP增长率平均值为0.19,水禽TFP贡献率平均值为120%,TFP贡献率和增长率较上一年都有所提升;（3）区域差异比较后发现,西南地区的水禽TFP指数、TFP增长率和水禽TFP贡献率的均值最大,而华中地区的3个指标均值均为全国最小,水禽的TFP区域特征呈现出“北向南移”趋势。[结论]技术进步对水禽产业发展作出了很大的贡献,说明水禽产业需要进一步加强新技术投入;突发事件一定程度上刺激了水禽产量的增长,说明不仅要预防突发事件,而且要不断挖掘突发事件后的边际效应;水禽TFP区域差异显著,要求结合区域特征分析后因地制宜施策,最终提升水禽生产要素投入效率...     

基于温室气体排放约束下的我国草食畜牧业全要素生产率分析

本文将草食牲畜温室气体排放量纳入全要素生产率(TFP)研究体系,以肉羊、肉牛、奶牛等草食牲畜为主要研究对象,引入考虑非期望产出的SSBM模型与GML指数方法测算了我国2004—2015年草食畜牧业TFP变动,并与未考虑温室气体排放的GM指数进行比较分析。研究表明:温室气体排放对草食畜牧业TFP的影响由不显著向显著转变,技术效率作用凸显。各产业TFP受温室气体排放制约程度存在差异;奶牛产业TFP受温室气体排放影响较为严重,其次为肉牛与肉羊产业。肉羊与奶牛产业GML指数较GM指数降低主要在于温室气体排放拉低技术效率;而肉牛产业GML指数较GM指数降低则为温室气体排放阻碍技术进步导致。温室气体排放约束下的地区TFP变化与其所处地理位置、气候、日粮结构、饲养量及肉产量(奶产量)密切相关。     

全要素生产率视角下的重庆经济增长方式考察——基于重庆三次产业19年面板数据的实证

运用DEA-Malmquist指数法,测算重庆市三次产业1997-2015年的全要素生产率,并采用松弛变量分析了三次产业的投入产出效率。研究发现:全要素生产率的提高主要集中于技术进步层面;但重庆市的全要素生产率对经济增长的贡献度并不高;重庆市产业结构转型效果显著。根据以上结论提出了加大各行业的技术创新,通过创新为经济提供持续的增长动力;高效发展第三产业,提高资源利用率;利用产业结构布局,深化产业间的合作等建议。     

环境全要素生产率与农业增长:基于DEA-GML指数与面板Tobit模型的两阶段分析

本文构建了1991~2013年省级种植业投入产出与污染排放面板数据,利用GML指数方法测算农业技术进步、环境技术效率与环境全要素生产率,并建立面板Tobit模型分析这三种指数的影响因素,同时验证三种指数与农业增长之间是否表现出类似于库兹涅茨曲线的"倒U型"曲线特征。本文主要结论有:1农业环境全要素生产率增长主要由技术进步推动。2环境全要素生产率及其成分变动的地区差异与省际分化明显。东部地区环境全要素生产率与技术进步代表全国最高水平,西部地区技术进步处于全国最低水平,而中部地区环境全要素生产率、环境技术效率最低;东部地区省份环境全要素生产率大多高于全国平均水平,中部地区省份环境全要素生产率则大多低于全国平均水平。3环境全要素生产率及技术进步与农业增长之间存在"倒U型"曲线关系,控制变量对三种指数变动的影响则各不相同。     

中国农垦大中型工业企业的全要素生产率——基于DEA的Malmquist指数分析

本文使用农垦大中型工业企业的面板数据,应用非参数方法-基于DEA的Malmquist指数方法估计了中国农垦工业经济的全要素生产率变化,并将全要素生产率分解技术效率(技术效率又分为纯技术效率和规模效率)和技术进步.从测算的结果发现,农垦工业经济的全要素生产率的平均增长率为18.6%,增长主要来源是技术进步,技术效率的平均增长率为-13.4%.化学纤维制造、食品加工、化学制品(肥料)制造有较高的全要素生产率,而纺织、非金属制品却处于较低的水平.     

中国农业环境技术效率与绿色全要素生产率增长研究

为了解我国"十二五"期间农业发展的真实效率水平,在对农业面源污染进行核算的基础上,本文运用包含非期望产出的非径向、非角度SBM超效率模型测算2011—2015年我国农业环境技术效率;并将农业污染排放纳入Malmquist指数框架中对农业绿色全要素生产率加以测量。研究表明,我国东部地区环境技术效率最高(1. 084),西部次之(0. 704),中部最低(0. 476);中国农业绿色全要素生产率年均增长9. 5%,增长动力主要源自绿色技术进步,而农业绿色技术效率贡献有限;中国农业绿色全要素生产率指数高于传统全要素生产率指数;在地区差异方面,东、中、西部地区平均农业绿色全要素生产率增长并不均衡,呈现西、中、东部地区依次递减的特征。针对农业绿色全要素生产率增长率逐年下降的原因,本文重点从政策角度进行分析。     

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...     

我国柑橘全要素生产率测算与区域差异分析*——基于DEA-Malmquist指数法

[目的]在我国柑橘产业蓬勃发展背景下,存在耕地规模狭小和劳动资源匮乏的双重瓶颈,研究试图从全要素生产率视角探究柑橘产业可持续健康发展的路径。[方法]基于2011—2016年我国柑橘生产的面板数据,文章运用DEA-Malmquist指数法测算了柑橘全要素生产率,分析了我国柑橘全要素生产率的动态演进特点,比较了柑橘、柑和橘全要素生产率的区域差异。[结果](1)从整体趋势看,2011年以来我国柑橘全要素生产率呈下降趋势,但年际间波动较小。考察期间内,柑橘、柑和橘的平均全要素生产率增长率分别为2. 6%、2. 0%和2. 3%。(2)从影响因素看,技术进步是影响柑橘产业全要素生产率的主要因素,纯技术效率和规模效率是影响全要素生产率的重要因素。(3)从区域差异看,科技进步为福建、广东等省份柑橘产业的生产效率的提升发挥了重要作用,但经营规模过小阻碍了其生产效率的进一步提高,其增长优势明显劣于江西、湖南两省。(4)从品种分类看,多数省份橘的技术进步指数和规模效率指数均高于柑,柑的全要素生产率增长相对较差,仅在部分省份优势明显。[结论]推进柑橘科技创新,引导适度规模经营,培育新型农业经营主体,因地制宜实施柑橘产业支持政策是促进我国柑橘全要素生产率增长有效途径。