技术进步、技术效率与农业生产率增长——基于甘肃省的实证分析

作为评价农业经济单位经济运行效率高低与质量优劣的重要指标,农业全要素生产率的高低直接影响一个地区的农业竞争力。选取甘肃省14市(州)面板数据,采用基于DEA的Malmquist指数法测算了1991~2012年农业全要素生产率。结果表明:1991~2012年间,甘肃农业全要素生产率平均增长1.3%,其中,技术效率年均增长率0.7%,技术进步年均增长率0.6%,农业全要素生产率贡献了甘肃农业年均增长率的22.61%。表明此时期农业技术进步与技术效率增进对甘肃农业全要素生产率增长均有正向促进作用,农业增长的主要动力仍然是各类要素的投入,农业增长与发展的动力还远未从投入为主转变为全要素生产率的进步为主。另外,甘肃农业全要素生产率增长存在阶段波动与区域不均衡现象。农业全要素生产率测算分析表明,如何提高甘肃农业全要素生产率、转变农业增长方式,应在加强农业科技创新、加大科技推广力度、不断提高农业部门管理效率与资源配置效率的同时,通过积极培育新型农业经营主体、推进农业适当规模经营来逐步改善农业生产规模效率。     

基于超效率DEA模型的中国农业科技资源配置效率动态演化研究

[目的]通过测算中国农业科技资源配置效率,分析存在的差异性,为配置效率的提升寻求有效措施。[方法]运用超效率DEA,对2001~2014年间中国31个区域的面板数据进行农业科技资源配置效率的全面评估,从中探究区域农业科技资源配置效率的变动趋势和时空特征,构建Malmquist指数以从技术进步水平和技术效率水平考察影响区域农业科技资源配置效率变动的因素。[结果]中国各地区整体的配置效率呈现上升趋势,超效率平均值从2001年的0.520上升到2014年的0.764;农业全要素生产率平均增长1.3%,其中综合技术效率指数年均增长4.2%、技术进步变化指数年均下降2.8%;从影响农业科技资源配置效率的技术进步和技术效率来看,技术效率已成为主要因素。从细分的6个区域来看,华东地区全要素生产率平均值最高,西北地区最低。从具体省份情况来看,有17个省(市、区)的全要素生产率指数大于1,其中天津、上海、广东、海南全要素生产率增长较快,年均增长率达到10%以上。[结论]提高中国农业科技资源配置效率,可采取优化农业科技资源配置结构,各地根据农业科技资源实际扬长避短、合作共赢,实施农业科技"走出去"战略等措施。     

山东省农业全要素生产率时空演变分析

文章选取1993-2016年山东省农业生产投入产出面板数据,运用DEA-Malmquist指数测算和分解了农业全要素生产率,并对其进行了时空演变分析,结果表明:农业全要素生产率的增长主要由技术进步引起,属于技术进步单轨驱动模式;从时间维度看,山东农业全要素生产率波动频繁且幅度较大,无明显阶段性特征;从空间维度看,各地市农业全要素生产率差异明显,且鲁西地区的全要素生产率水平显著高于鲁东和鲁中地区。为此,应坚持技术进步与技术效率并举的方针,因地制宜,发掘农业生产潜力,以提高农业生产效率。     

四川省农户农业生产全要素生产率增长分解——基于2005～2007年的面板数据分析

本文采用随机前沿生产函数分析方法,利用四川省农户农业生产的微观数据,研究了2005～2007年农户农业生产全要素生产率增长分解,将全要素生产率增长分解为:技术进步、技术效率的变化、规模经济性和资源配置效率4个部分.结果表明:2005～2007年四川省农户农业生产全要素生产率增长率平均为8.51%,对全要素生产率增长的影响主要是技术进步、资源配置效率和规模效率,技术进步是主要的推动力量,平均占103.06%,规模效率占19.23%,技术效率的变化呈缓慢下降趋势,平均占5.41%,资源配置的影响为负,平均占16.88%.因此认为,要提高农户农业生产技术效率水平,需要进一步推广农业新品种和新技术,调整资源配置结构.     

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。     

中国国有农场全要素生产率的动态实证研究——基于省际面板数据的Malmquist指数分析

在省际面板数据基础上,运用DEA-Malmquist指数分析方法,分析1994-2011年期间中国国有农场的全要素生产率及其构成的变动情况,发现2011年相比于1994年中国国有农场全要素生产率平均改善4.3%,技术进步平均贡献10.7%,而技术效率平均拖累5.8%;1994-2011年不同时段的全要素生产率改善来源于技术效率变动和技术变动的交替贡献;全国29个省(市)中有26个省(市)全要素生产率得到改善,但仅北京、黑龙江、浙江和广西4个省(市)国有农场的技术效率得到改善;国有农场全要素生产率改善最多的区域是南部地区,改善6.9%,最少的是中部地区,改善2.2%。     

近10年广西农业经济增长效率分析

新古典增长模型认为经济增长的两方面因素分别为资本和劳动力等要素投入扩张和生产技术的改进。本文从这两方面进行分析,结果发现研究期内广西壮族自治区农业经济总体上是以要素投入扩张带动的粗放型的增长方式。将农业要素生产技术的改进分解为技术进步和技术效率提高,运用数据包络分析方法表明广西农业全要素生产率指数的提高主要依靠农业技术进步。广西下辖5个地区的全要素生产率指数分解分析结果显示出较大的差别,除桂中外其它的各区市农业全要素生产率指数的提高主要依靠技术进步的增长。     

中国东北地区水稻生产效率的实证分析——以吉林省水稻生产为例

本文主要利用吉林省8个县(市)1994～2005年水稻生产投入产出的面板数据,采用非参数HMB指数方法对水稻生产的效率变动进行分解分析,获取各指数的时序变动趋势特征和空间分布特征,并运用数据包络分析(DEA)法对HMB指数及其分解的各指数的变动原因做出进一步探讨。结果表明,吉林省水稻生产全要素生产率(TFP)主要由于技术进步水平低、规模无效率的作用而呈现下降趋势,可以通过提高技术进步水平、扩大生产规模等手段来改善生产效率水平。     

长江经济带农业绿色生产效率及其时空分异特征研究

［目的］从静态分析和动态分析两个方面,阐释长江经济带农业绿色生产效率和农业绿色全要素生产率的时空分异特征以及生产率增长来源,以期为提高长江经济带农业绿色发展质量提供科学决策依据。［方法］文章基于资源环境约束的角度,利用MinDS模型和Global Malmquist Luenberger指数相结合的方法,测算长江经济带农业绿色生产效率和农业绿色全要素生产率,并将农业全要素生产率变化分解为纯技术效率变化（PEC）、纯技术变化（PTC）、规模效率变化（SEEC）和规模技术变化（SETC）4个部分。［结果］（1）长江经济带农业绿色生产效率水平较高,且呈不断增长趋势,下游地区的农业绿色生产效率高于中、上游,且中、上游与下游地区的差距不断拉大; （2）长江经济带农业绿色全要素生产率增长较快,以3年为1个周期,呈现波动式上升趋势,其增长主要源于纯技术进步和规模技术提高; （3）长江经济带下游农业绿色全要素生产率增长率最高,上游次之,中游最低,其中,下游农业绿色全要素生产率增长主要源于纯技术进步,中游是纯技术效率改进、纯技术进步和规模技术提高共同作用的结果,上游则源于纯技术效率改进、纯技术进步和规模效率提高。［结论］长江经济带上、中、下游三大区域的农业绿色发展水平和发展能力存在较大差异,需制定差异化政策,以调整农业增长模式,促进农业转型升级,实现高质量发展。     

甘肃省农业环境效率及碳排放约束下农业全要素生产率测算研究

[目的]考虑碳排放约束,分析甘肃省农业全要素生产率整体特征和区域特征,以期为提升甘肃省农业可持续发展能力提供参考。[方法]文章基于2005—2016年甘肃省14市州面板数据,以农业碳排放作为非期望产出指标,运用非径向、非角度的SBM模型和Malmquist—Luenberger生产率指数法,对甘肃省农业环境效率和碳排放约束下农业全要素生产率指数进行测算。[结果](1) 2005—2016年甘肃省农业环境效率值总体呈现下降—上升—趋于平缓的变化趋势,且均小于1;(2)碳排放约束下甘肃省农业全要素生产率总体呈现波动增长的趋势,年均值为1.010,年均增长率为1%,且主要来源于技术进步;(3)甘肃省农业全要素生产率增长存在显著区域差异,其中中部地区增长最快,陇东南地区次之,河西地区增长最慢。[结论]忽视碳排放将不利于农业可持续发展,建议各区域依据自身资源禀赋,采取差异化的发展思路,提高农业技术成果转化率是提升甘肃省农业全要素生产率的关键。     

中国大豆生产全要素生产率及其变化

本文采用12个大豆生产省(区)25年的数据,借助随机前沿生产函数模型,分析了中国大豆生产全要素生产率、技术效率和技术进步的变动趋势及其空间分布特征。结果表明,25年来,中国大豆生产全要素生产率年均增长1.5%,呈下降趋势;技术效率年均下降0.5%;技术进步率年均约为2%,且没有呈现随时间变化而增长的趋势。中国开放大豆市场对国内大豆生产发展的负面影响正逐步显现。     

中国农业基础设施的技术效应——基于MML指数和SYS-GMM的分析

农业全要素生产率常被视为农业技术进步的重要指标,本文从农业全要素生产率的视角分析农业基础设施的"技术效应"。首先,利用2000—2013年中国省级面板数据,运用MML(Meta-frontier Malmquist Luenberger)指数测算了基于非合意产出和技术前沿面异质性影响的中国农业全要素生产率。其次,以"效率通道"和"技术通道"为切入点,构建了农业基础设施技术效应的分析框架。最后,采用系统广义矩估计(SYS-GMM)从水平效应和增长效应视角对中国农业基础设施的技术效应进行了实证检验。研究结果表明:2000—2013年,中国农业全要素生产率年均增长约为2.6%;中国农业基础设施的技术效应具有正的水平效应和负的增长效应,农业基础设施技术效应的正向影响呈现递减趋势。     

河南省农业全要素生产率变动实证分析——基于Malmquist指数方法

文章运用Malmquist指数方法,考察了1999-2006年河南省农业全要素生产率的变动趋势,通过Malmqujst指数的分解,分析了河南农业全要素生产率增长的内在动力.结果表明,河南农业全要素生产率的增长主要是由技术进步推动的,规模效率和纯技术效率的共同作用使河南农业资源配置效率对全要素生产率的增长作用不明显.通过分析,认为提高农业生产的技术效率是农业发展的主要方向,同时针对河南农业主产区的区域地理特征;提出了应走农业规模化生产的道路以提高规模效率,最终促进河南农业全要素生产率的增长.     

中国苹果主产区全要素生产效率研究——基于HMB指数的分析

本文利用中国10个苹果主产省份2001—2009年苹果生产投入产出的面板数据,运用非参数HMB指数方法对苹果生产的全要素生产效率变动进行分解分析,明确各指数的时序变动趋势特征和空间分布特征,并采用数据包络分析法(DEA)对苹果生产的HMB指数及其分解的各指数的变动原因做出进一步探讨。结果表明,中国苹果生产全要素生产率(TFP)HMB指数在此期间出现波动且呈总体小幅增长的趋势;技术进步效率指数的影响最大,但对于全要素生产率的促进作用在减弱;规模效率低是影响全要素生产率增长的主要原因。可以通过提高技术进步水平、扩大生产规模等手段来改善苹果生产效率水平。     

中国农业生产率增长、技术进步与效率变化：1990～2003年

本文运用非参数的Malmqusit指数法，研究了1990—2003年期间中国农业全要素生产率及其构成的时序成长和空间分布特征。结果表明，1990—2003年期间中国农业全要素生产率年均增长2．59％，其中，农业技术进步指数年均增长5．48％，而农业效率变化指数反而年均下降2．78％。从各省区情况看，测算的29个省、自治区和直辖市中除云南、内蒙古、上海、贵州和西藏的农业全要素生产率是负增长外，其它24个省、自治区和直辖市的农业全要素生产率都实现了正增长。从构成上看，绝大多数省区呈现出农业技术进步与农业效率损失并存的局面。     

基于SuperSBM模型的新疆农业生产率动态分析

本文运用非径向SuperSBM模型为基础计算Malmquist指数,测算了1997年～2007年新疆农业全要素生产率,并对Malmquist指数进行分解,分析新疆农业全要素生产率增长的原因。结果表明：新疆农业生产率在2002年前是不断波动,2002年后呈增长趋势,主要是技术进步推动的结果,相对技术效率变化率对全要素生产率的增长没有促进作用,各地区农业生产效率差距较大。进一步提高新疆农业生产率,需要充分挖掘现有技术的潜力,做好现有技术的推广、运用。     

美国农业产出迅速增长的关键动因分析

1948-2011年美国人口增长了1倍以上,同时农业产出也翻了一番以上,年均增长率达到1.49%,而农业投入的年均增长率仅为0.07%。美国农业在投入增长极为缓慢的情况下取得迅速发展的最主要原因,是其农业全要素生产率不断提高,年均增长率为1.49%。促进全要素生产率长期增长的最主要因素,则是技术创新。公共部门和私营部门对农业研发的投资,是促进技术创新从而推动农业全要素生产率增长的最主要途径。     

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。     

基于DEA-Malmquist模型的重庆市农业生产效率实证研究

文章运用经济增长理论和DEA-Malmquist模型测度了重庆市及五大功能区的技术效率和全要素生产率。通过测度发现:重庆市农业生产技术效率偏低,但有明显改善的趋势;农业技术效率波动较大,主要是因为纯技术效率的变动所引起;五大功能区之间技术效率和全要素生产率差异大,主要是各功能区在社会文化、政策、自然、技术等方面存在差异;全要素生产率总体上呈增长趋势,但波动比较大,主因是技术进步和技术效率的阶段性影响。     

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.