广东省制造业的全要素生产率——基于2000-2007年面板数据的实证研究

文章利用基于DEA的Malmquist指数,测算了广东制造业各行业在2000-2007年间的全要素生产率,包括技术效率和技术进步,然后又测算了不同所有制下制造业企业的生产效率。研究表明,广东制造业行业的全要素生产率都有不同程度的增长,但是增长来源主要是技术进步,技术效率的变化不大;在不同所有制下,技术效率的差异仍不是很大,技术进步的差异决定了不同类型企业的全要素增长率变化,国有企业的技术进步提高明显,但是私营企业和外商投资企业等却在平均水平以下。     

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。     

基于技能偏向性技术进步的经济增长动能分解

在传统Solow增长核算框架基础上引入异质性劳动投入以及技能偏向性技术进步,从而将经济增长分解为固定资本投入增长、劳动投入增长、技能结构深化、技能偏向性技术进步、中性技术进步及效率改进等五种动能。研究发现：第一,中国经济增长主要由固定资本投入以及全要素生产率增长共同驱动,其中资本投入对经济增长年均贡献率为61.64%,全要素生产率增长的年均贡献率则为35.66%,中国区别于其他中低收入国家的发展奇迹背后正是较快的全要素生产率增长;第二,即使对于高收入国家而言,资本投入仍然是主要的经济增长动能;第三,技能结构深化以及技能偏向性技术进步是全要素生产率的主要来源,二者对中国经济增长的年均贡献率分别为32.04%和21.27%;第四,资源配置效率变化是引起全要素生产率波动的主要因素,资源配置效率下降是导致2008年后中国以及大部分高收入国家全要素生产率增速放缓的主要原因。     

江苏渔业全要素生产率:基于MalmquistTFP指数的分解

生产率变化是评价产业绩效的一个重要指标,政策制定者需要了解生产率的变动趋势以便出台更为有效的渔业发展政策。本文将DEA方法和MalmquistTFP指数方法相结合,利用渔业生产的省级面板数据,对江苏渔业全要素生产率的变化进行测算,并将全要素生产率的变化分解为技术效率、技术进步和规模效率三种成分。分析表明,近年来江苏渔业的全要素生产率取得了明显的增长;全要素生产率的增长主要得益于技术效率的提高,技术进步和规模效率所起的作用极为有限。     

中国地区工业绿色全要素生产率增长:——基于方向性距离函数的经验分析

结合方向性距离函数和跨期数据包络分析法,测度绿色全要素生产率增长时尽可能地避免了出现技术倒退结论。中国省份工业的经验分析表明:忽略非期望产出的全要素生产率增长被高估,并混淆了技术进步和技术效率变化的相对贡献;技术无效率普遍存在且省际差异和年际波动性大,但这与经济发展水平无关;绿色全要素生产率变化也存在省际差异和年际波动特点,其中技术进步是其增长的主要源泉,而技术效率恶化是其倒退的根本原因;绿色全要素生产率增长存在明显的倒U型趋势和趋同性,而且外资利用印证了"污染天堂"假说。     

基于DEA-Malmquist指数的长江经济带物流业全要素生产率研究

利用DEA-malmquist指数模型,对2006～2016年间长江经济带物流业全要素生产率进行实证测算,从全要素生产率、技术效率、技术进步三方面分析长江经济带物流业发展状况,并对比分析各地区物流业全要素生产率的动态变化特征。结果显示:长江经济带物流业全要素生产率总体上有下降的趋势,物流业全要素生产率水平不高;各地区物流业全要素生产率整体上也表现为下降的趋势,地区之间存在一定的差异;长江经济带物流业全要素生产率的增长由主要依靠技术进步转变为技术效率驱动为主,且技术进步成为阻碍全要素生产率增长的重要因素。最后,提出提升长江经济带物流业全要素生产率的对策建议。     

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。     

中国工业企业的增长动能、配置效率与经济利润

传统宏观经济增长的分解框架仅仅关注微观的技术进步效应和资源配置效应，无法识别要素层面的这两种效应以及两种要素的经济利润。为此，文章借助一个新的基于要素层面的全要素生产率增长分解框架，采用1998-2007年中国工业企业数据，对中国工业企业的增长动能、配置效率以及经济利润进行了分析。研究发现：（1）中国工业企业的生产率增长是其产出增长的主要推动力量，这个结论在不同所有制、不同产业以及不同地区均适用。中国工业企业正逐渐由劳动密集型向资本密集型和技术密集型转移。（2）企业自身技术进步对全要素生产率增长的增进效应贡献最大，企业之间的资源配置效率显著抑制了全要素生产率的提升，从抑制效应大小来看，其抑制作用抵消了企业技术进步的绝大部分。具体到资源配置效率程度大小来看，行业内部企业之间的资本配置效率年均恶化程度至少是劳动配置效率的两倍，而行业之间的资源配置效率对全要素生产率的影响微弱。（3）就要素获取的经济利润份额来看，资本占优，高达3.2%，资本利润是劳动利润的至少四倍，劳动利润的上升极为有限。民营企业、技术密集型企业以及中东部地区企业获取了更大的资本利润，而外资获得了更多的劳动利润，体现了外资进入中国的战略取向。东部获得了更多的利润说明其反哺中西部地区的必要性。     

环境约束下中国区域工业技术效率与生产率及其影响因素实证研究

本文运用方向性距离函数和曼奎斯特-卢恩伯格指数方法测算了环境约束下中国1998--2007年各地区工业技术效率、全要素生产率指数和环境规制成本,并对影响技术效率和全要素生产率增长的因素进行了实证分析。结果显示：环境技术效率呈现东、中、西依次递减,并且技术效率越高的地区,环境管制成本越低;考虑环境因素后,中国各地区工业全要素生产率指数降低,主要是由技术进步推动;环境约束下工业全要素生产率东部最高,西部次之,中部最低;人均GRP、FDI、工业结构、能源结构、人口密度对技术效率和全要素生产率有不同程度的影响。     

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。     

电网企业技术进步与技术效率对生产率的影响测算

为了分析电网行业的生产率受技术进步和技术效率的影响程度,使用基于DEA的Malmquist生产率指数方法,以9家省电力公司为样本,对电网企业的技术和生产效率的动态变动情况进行了研究。结果表明,2005-2010年间样本电网企业的全要素生产率年平均增长率为3.2%,技术进步的贡献大于技术效率的贡献。技术效率指数表现不优是由于多数样本企业的实际规模与最佳规模之间的偏差较大。因此为了提高我国电网企业生产率,关键是提升效率特别是规模效率。     

基于DEA模型的工业行业全要素煤炭效率研究

运用DEA-BCC模型对我国工业行业的全要素煤炭效率进行测算,通过DEA-Malmquist指数对工业行业煤炭效率增长的原因进行分析,并使用聚类分析将全要素煤炭效率进行划分。结果表明：从2005年到2014年我国工业行业全要素煤炭效率不断提高,全要素煤炭生产率平均值为1.076,平均增长了7.6%,科技进步对其的贡献最大。不同的工业行业全要素煤炭生产率增长的原因是不一致的,因此要区别对待。同时全要素煤炭生产率低的行业多为耗能比较高、污染比较高的行业,全要素煤炭生产率高的行业多为耗能比较低、污染比较低的行业。     

Factor Determinants of Total Factor Productivity Growth in Malaysian Manufacturing Industries: a decomposition analysis

To decompose total factor productivity growth into technical progress, technical efficiency change, allocative efficiency change, and scale efficiency change, a stochastic frontier approach was applied to Malaysian manufacturing data covering the period 2000 to 2004. The results show that total factor productivity was driven mainly by technical progress but was hurt by deteriorating technical efficiency. Scale efficiency and allocative efficiency also exerted significant influences on total factor productivity. The skill and quality of workers were the most important determinants of technical efficiency, whereas foreign ownership, imports, and employee quality underpinned technical progress. The impact of firm size on scale economies differed across industries.     

Productivity Growth in Different Plant‐size Groups in the Malaysian Manufacturing Sector*

In the present study, we develop a stochastic frontier production model that allows for different groups of firms to have different patterns of technical efficiency over time. We apply our model to the Malaysian manufacturing sector to decompose total factor productivity growth into technical efficiency change and technical progress for different plant size groups (e.g. large and small) in seven industries during 2000–2004. Our empirical results indicate that technical efficiency has worsened across all industries and plant‐size groups. In contrast, we find evidence of substantial technical progress in all industries. In fact, technical progress has been larger than technical efficiency deterioration in most industries and plant‐size groups, leading to total factor productivity growth. Our analysis identifies the industries and plant‐size groups that lag the most in terms of productivity, and thus have the greatest scope for policies that facilitate productivity growth.     

1993-2005年广东农业生产率的变动与分解——基于Malmquist生产率指数的实证分析

本文使用非参数的Malmquist生产率指数方法,对广东省1993—2005年间农业全要素生产率（TFP）的变动趋势进行了考察,并把TFP的增长构成分解为技术进步、纯技术效率变化、规模效率变化三个部分。结果表明：13年间广东全省农业TFP的增长主要是由技术进步推动的,纯技术效率和规模效率的下降对TFP的增长造成了不利影响;农业TFP增长的地区水平差异显著,而且增长的结构也有所不同。最后是相应的政策建议。     

Productivity Growth,Technical Progress and Efficiency Change in African Agriculture

Abstract: The paper examines the economic performance of a large number of African countries using an international comparable data set and the latest technique for analysis. The paper focuses on growth in total factor productivity and its decomposition into technical change and efficiency change components. The analysis is undertaken using the data envelopment analysis (DEA). The present study uses data of 16 countries over the period 1970–2001. It was found that, globally, during that period, total factor productivity has experienced a positive evolution in sampled countries. This good performance of the agricultural sector was due to good progress in technical efficiency rather than technical progress. The region suffered a regression in productivity in the 1970s, and made some progress during the 1980s and 1990s. The study also highlights the fact that technical change has been the main constraint of achievement of high levels of total factor productivity during the reference period in sub‐Saharan Africa. Contrariwise, in Maghreb countries, technological change has been the main driving force of productivity growth. Finally, the results indicate that institutional factors as well as agro‐ecological factors are important determinants of agricultural productivity growth.     

服务业全要素生产率测度及其省际差异

运用2005～2009年中国31省份服务业面板数据,采用非参数Malmquist指数方法,对中国服务业全要素生产率的变动原因、空间差异与变动趋势进行考察,并将全要素生产率进一步分解为技术效率和技术进步。研究结果表明,中国服务业整体仍表现为粗放型的增长方式,全要素生产率呈现负增长,但增长速度有所放缓;服务业发展水平的空间差异明显,东部地区服务业发展水平高于中西部地区,其中西部和东北地区服务业发展水平较落后,且技术进步和技术效率对中国及各区域服务业的全要素生产率在时间和空间上有不同的影响。     

FINANCIAL DEVELOPMENT,ECONOMIC EFFICIENCY,AND PRODUCTIVITY GROWTH: EVIDENCE FROM CHINA

Financial development might lead to productivity improvement in developing countries. In the present study, based on the Data Envelopment Analysis approach, we use the Malmquist index to measure China's total factor productivity change and its two components (i.e., efficiency change and technical progress). We find that China has recorded an increase in total factor productivity from 1993 to 2001, and that productivity growth was mostly attributed to technical progress, rather than to improvement in efficiency. Moreover, using panel dataset covering 29 Chinese provinces over the period from 1993 to 2001 and applying the Generalized Method of Moment system estimation, we investigate the impact of financial development on productivity growth in China. Empirical results show that, during this period, financial development has significantly contributed to China's productivity growth, mainly through its favorable effect on efficiency.     

Accounting and determinants analysis of China's provincial total factor productivity considering carbon emissions

One of the most undesirable output of China's rapid economic growth has been increasing carbon emissions. This study measures and analyzes the impact of carbon emissions on China's regional total factor productivity from 2000 to 2017. Using global Malmquist-Luenberger productivity indexes, we re-estimate the provincial total factor productivity taking carbon emission into account, comparing different assumptions of returns to scale and considering the rank reverse issue. The differences of technical progress and efficiency change across Chinese regional economies are also investigated and we found that the former was the primary contributor to improved Chinese provincial productivity performance. In addition, we analyze the influencing factors of productivity based on provincial panel data. Our results indicate that innovation capacity, energy and employment structure had significant impact on the provincial productivities while urbanization had a negative impact. A more sustainable development can be expected by expanding regional investment in R&D, adjusting and optimizing structures of regional industries and energies.     

Productivity growth, technological progress, and efficiency change in chinese agriculture after rural economic reforms: A DEA approach

This study applies a data envelopment analysis (DEA) approach to analyze total factor productivity, technology, and efficiency changes in Chinese agricultural production from 1984 to 1993. Twenty-nine provinces in China were classified into advanced-technology and low-technology categories. The Malmquist (1953) productivity measures were decomposed into two components: technical change index and efficiency change index. The results show that total factor productivity has risen in most provinces for both technology categories during the 1984–1993 period. Technical progress was mostly attributed to Chinese agricultural productivity growth after the rural economic reforms. The deterioration in technical efficiency in many provinces indicates China has great potential to increase productivity through improved technical efficiency. Enhancing rural education and research and development (R&D) in agriculture may also help farmers to improve technical efficiency and productivity in agricultural production.