贸易自由化、国际技术外溢与全要素生产率实证分析

根据厦门贸易自由化实际情况,运用索洛残差法测算厦门全要素生产率,以之为被解释变量,根据FFG方法基本原理建立计量经济模型,以厦门研发经费、国外的技术外溢量、货物贸易依存度、服务贸易依存度,以及实际利用外资等指标为解释变量进行回归分析,揭示在贸易自由化条件下厦门产业技术进步的主要影响因素,并基于计量分析结果提出促进厦门全要素生产率增长的政策建议。     

我国种植业全要素生产率及影响因素研究

论文收集我国种植业1985年～2005年的相关数据,运用索洛模型和C-D生产函数模型分别测算种植业全要素生产率及其影响因素的贡献作用.研发表明:①1985年～2005年我国种植业全要素生产率年均增长率为1.44%,种植业生产处于规模报酬递增阶段;②在影响我国种植业全要素生产率指数的各因素中,改革开放等政策的贡献较为突出;在余下影响因素中,科研成果子的贡献最大,农技推广次之,结构调整作用不大.     

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。     

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。     

产业结构视角下东西部地区全要素生产率测度

本文参考OECD《生产率测算手册》,采用非参数法分别对我国东西部地区2003—2018年三次产业的全要素生产率进行测算。研究表明：我国东西部地区科技发展水平存在显著差异,并随着时间推移发生较大变化;我国TFP增长率呈现出先下降后上升的趋势,东部地区三次产业TFP增长率均大于西部地区。基于上述研究结论,本文提出通过提高全要素生产率水平进而促进区域协调发展的相关对策建议。     

成都平原粮经种植模式生产效率变动特征研究

本文采用2005—2012年成都平原主要粮经种植模式的面板数据,采用Malmquist-DEA方法,测算了课题组调研的12种粮经种植模式的全要素生产率的变化,并分析了不同熟制、不同模式的差异特征。研究结果显示,成都平原粮经种植模式全要素生产率均值为0.835,年均增长率为-16.5%,全要素生产率衰退,且衰退的根源来自于技术退步。不同熟制中,三熟制全要素生产率衰退速度慢于两熟制模式。在12种粮经种植模式中,冬小麦—玉米/大豆(C2)衰退最小,年均增长率为-12.5%;早春西红柿—中稻—秋茄子(C7)退步最大,年均增长率为-20.9%。在2012年全要素生产率大于1的模式全部为三熟制模式。     

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。     

粮食直接补贴对不同经营规模农户小麦生产率的影响——基于全国农村固定观察点农户数据

本文使用2003~2014年全国农村固定观察点河南省样本农户数据所组成的面板数据,选用EBM模型和GML指数分析了2009~2014年河南省小麦生产技术效率和小麦全要素生产率,然后将小麦全要素生产率进行了要素分解,使用相关工具变量和2SLS方法分析了粮食直接补贴对不同经营规模农户小麦生产率的影响。本文研究发现:2009~2014年,河南省小麦生产存在规模效应,而小麦全要素生产率进一步增长,要素投入增加是其小麦全要素生产率增长的主要原因;粮食直接补贴对农户的小麦生产技术效率具有积极作用,而对经营规模为6亩以上农户的小麦全要素生产率作用不大;从粮食直接补贴对小麦全要素生产率的各贡献因素的影响看,粮食直接补贴能促进经营规模为0~6亩农户的人力资本增长率和经营规模为6亩以上农户的要素投入增长率,但是,这些影响不足以促进小麦全要素生产率的提高。     

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。     

南方集体林区林业发展驱动机制及技术效率影响因素分析

解决林业效率低下等问题,亟须推动林业产业向全要素生产率支撑型模式转变。林业发展依靠投入要素驱动还是技术效率等其他因素驱动?文章基于随机前沿模型对南方集体林区林业全要素生产率进行测算分解,深入分析林业技术效率相关影响因素,通过索洛余值法测算了南方集体林区各因素对林业产业的贡献率,深入探索林业发展驱动机制。结果表明:(1)南方集体林区资本和劳动力产出弹性系数均值分别为0.187和-0.480,研究区间资本要素贡献不断减少,劳动力要素贡献相对低下;资本和劳动力贡献率从研究初期占主导地位到2019年均为负值,而索洛余值为0.395,林业发展逐步通过技术进步和技术效率驱动。(2)南方集体林区林业技术效率整体水平低下(0.544),技术效率增长率(6.60%)略高于全国水平(5.95%)。地区经济发展水平、劳动力转移、乡镇林业工作站向量对南方集体林区林业技术效率具有显著正向作用,产业结构调整和年降水量向量产生显著负向影响。(3)南方集体林区林业全要素生产率(1.644)高于全国水平(1.533),林业技术进步、技术效率对林业全要素生产率的影响,呈现东、中、西部区域差异。文章提出建议:调整林业投入导向型机制,加大技术投入,优化资源配置,改善林业技术效率,注重林业区域发展差异。     

Productivity growth and convergence in crop, ruminant, and nonruminant production: measurement and forecasts

Projections of future productivity growth rates in agriculture are an essential input for a great variety of tasks, ranging from development of an outlook for global commodity markets to the analysis of interactions between land use, deforestation, and ecological diversity. Yet solid projections for these variables have proven elusive—particularly on a global basis. This is due, in no small part, to the difficulty of measuring historical total factor productivity growth. Consequently, most productivity projections are based on partial factor productivity measures that can be quite misleading. The purpose of this work is to provide worldwide forecasts of agricultural productivity growth till the year 2040 based on the latest time series evidence on total factor productivity growth for crops, ruminants, and nonruminant livestock. The results suggest that most regions in the sample are likely to experience larger productivity gains in livestock than in crops. Within livestock, the nonruminant sector is expected to continue to be more dynamic than the ruminant sector. Given the rapid rates of productivity growth observed recently, nonruminant and crop productivity in developing countries may be converging to the productivity levels of developed countries. For ruminants, the results show that productivity levels in developing countries are likely to be diverging from those in developed countries.     

要素市场扭曲对农业全要素生产率空间影响效应分解研究

目的 通过对要素市场扭曲下的农业全要素生产率的系统分析,以期为提升农业全要素生产率以及要素市场改革进程中的中国农业可持续发展提供参考。方法 文章基于资本、劳动力、土地等要素市场严重扭曲的事实,利用1997—2018年中国28个省（ 市、自治区）面板数据,通过构建空间计量模型检验要素市场扭曲对农业全要素生产率的空间影响及其溢出效应。结果 中国资本市场、劳动力市场、土地等要素市场扭曲度比较高,同时呈现显著地区差异;中国农业全要素生产率增长以技术进步驱动为主,大多数省份的技术效率不高,同时呈现出东部地区高于中西部地区的区域不平衡特点;要素市场扭曲对农业全要素生产率的影响为负,资本市场、劳动力市场、土地等要素市场扭曲在一定程度上阻碍农业全要素生产率的提升;要素市场扭曲对全要素生产率具有一定的空间溢出效应,也在一定程度抑制了全要素生产率增长。结论 考虑要素市场扭曲对农业全要素生产率影响的空间分析,更能客观反映当前不断深化的农业农村改革发展所引发的地区差距,应充分重视要素市场扭曲对农业全要素生产率的空间溢出效应,通过要素市场化改革,持续加大涉农政策调整,不断加大对农业农村生产经营的金融资源投入,逐步实现农业全要素生产率的全面提升。     

非粮化对粮食绿色全要素生产率的门槛效应研究

[目的]非粮化关乎国家粮食安全,研究非粮化对粮食绿色全要素生产率的门槛效应,有利于正确认识非粮化,也为制定差异化农业绿色发展政策提供理论依据。[方法]文章以2008—2018年我国26个省（市、自治区）为样本,在运用SBM-GML模型测算粮食绿色全要素生产率的基础上,结合面板门槛模型和耦合协调度模型,探究了非粮化与粮食绿色全要素生产率之间存在的非线性关系。[结果]（1）样本期内所考察地区的粮食绿色全要素生产率均实现破“1”增长,且相较于粮食主产区、产销平衡区以及全国平均值而言,粮食主销区的粮食绿色全要素生产率增长更为显著。（2）非粮化对粮食绿色全要素生产率的影响,确存在以种粮利润为门槛变量的单一门槛效应,其门槛值为7.638,且两者之间的负向关系在跨过门槛值之后将显著大幅提升。（3）分区域来看,各区域非粮化与种粮利润之间耦合协调度的变动趋势,与其粮食绿色全要素生产率的变动趋势基本一致。[结论]采取差异化的非粮化控制措施,可以最大程度上提升粮食绿色全要素生产率。低门槛地区可建立非粮化预警机制,而高门槛地区则应采取严格控制措施,但都须将种粮利润协同保护作为重要工具手段。     

生产性服务业对农业全要素生产率的影响研究基于中介效应的影响路径分析

目的 在农业高质量发展的背景下,探讨农业生产性服务业发展对农业全要素生产率的切实影响及其作用机制。方法 文章基于DEA-Malmquist指数测算了2001—2019年全国农业全要素生产率增长变动情况,探究农业生产性服务业发展对农业全要素生产率的影响贡献,并通过中介效应模型对其影响路径进行实证检验。结果 农业生产性服务业发展水平与农业全要素生产率间呈现“倒U型”关系,生产性服务业发展对生产效率的促进作用部分通过农业生产专业化分工程度的提高以及经营规模的扩大得以实现;不同阶段、不同发展水平的生产性服务业对农业全要素生产率的促进作用和影响路径存在差异,生产性服务业发展初期主要通过促进农业生产分工和专业化水平提升来推动生产效率增长,后续则表现为规模效应和专业化效应的共同影响。结论 农业生产性服务业发展有助于提升农业全要素生产率,未来应持续推进农业生产性服务体系建设,引导农业生产性服务业适度发展,助力农业现代化转型。     

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。     

基于空间效应的农田水利投资对农业全要素生产率的影响

在构建包含农田水利基础设施投资在内的农业超越对数随机前沿生产函数的基础上,利用随机前沿法测算我国31个省(市、自治区)1996—2015年农业全要素生产率,对测算的结果通过空间计量方法分析农业全要素生产率的空间特征及农田水利投资对其产生的影响。结果表明:我国各省(市、自治区)农业全要素生产率整体增长呈现上升趋势;横向和纵向的分析结果显示其增长具有一定的区域性和地域集聚性;农田水利投资对农业全要素生产率的影响为正,且具有较弱的溢出效应,其中直接效应值为0.286 5,间接效应值为0.057 4,总效应值为0.343 9。     

Supply Management and Productivity Growth in Alberta Dairy

Specification of quota licenses as quasi-fixed inputs in a multi-variate flexible accelerator model of dynamic input adjustment reveals supply management's effect on Alberta dairy investment patterns and, thereby, on total factor productivity growth. Estimates of a dynamic dual model of Alberta dairy, using panel data from 1975–91, show that strong complementarity between cattle and quota licenses results in short-run cattle adjustments that are opposite in direction from the long-run adjustments. A model of total factor productivity growth under dynamic input adjustment shows that the distortions to cattle investment caused by investing in quota licenses adversely affects productivity growth. As a result, there is likely to be a significant understatement of single-period estimates of the cost of supply management in the dairy sector.     

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。     

PRODUCTIVITY GROWTH IN AGRICULTURE (REVISITED): A MEASUREMENT FRAMEWORK AND SOME EMPIRICAL RESULTS

This paper explores the methodology of sectoral productivity growth measurement within the framework of input-output analysis. A method which ensures that sectoral productivity growth rates are consistent with productivity growth rates for the economy as a whole (as well as allowing for external trade) is suggested. New estimates are presented on total factor productivity in UK agriculture using a Tornqvist index procedure. In addition, new estimates of agricultural labour productivity growth are presented, taking account not only of labour employed in agriculture but also of labour employed in ancillary industries on the supply side. The empirical results confirm that part of the labour previously employed on farms has shifted “upstream” to industries providing agriculture with fertilises, machinery and other inputs.     

Foreign Aid: Good for Investment,Bad for Productivity

Abstract

This paper examines the effects of aid on sources of growth: capital accumulation and total factor productivity (TFP) growth; the latter captures the effect on growth after removing the contribution of factor accumulation. Given the role of TFP in explaining cross-country differences in income levels and growth rates, the productivity effect can play a significant role in explaining the impact of aid on growth. Contradictory effects of aid were found: aid boosts investment but adversely affects TFP, suggesting that efficiency losses may undermine the overall effects of aid on growth. It was also found that aid reduces the efficacy of financial institutions in supporting productivity growth, a surprising result that possibly illuminates the nature of aid distribution in receiving countries.