碳试点政策冲击下的地区工业全要素生产率增长分析

本文基于DEA-Malmquist指数方法测算了我国各省(区、市)2003～2022年的工业全要素生产率,通过双重差分法研究发现碳交易试点政策有助于促进碳试点地区工业全要素生产率增长,并发现在2013～2022年间,碳试点地区工业全要素生产率的增长主要来源于纯技术进步和纯技术效率提升,规模效率提升的贡献相对较低。具体的,在2013～2022年间,纯技术效率、纯技术进步和规模效率所作的平均贡献分别为56.8%、36.9%和6.3%。但是从变化趋势来看,近年来碳试点地区依赖于纯技术效率提升和纯技术进步实现工业全要素生产率增长的空间在不断缩小,规模效率提升所发挥的作用在稳步增强,在2019～2022年、2020～2022年以及2021～2022年3个样本期内,规模效率提升所作的平均贡献均超过了20%,未来碳试点地区工业全要素生产率增长将愈发依托规模效率改善的增长模式。     

本土市场规模与中国制造业全要素生产率

本文使用2001—2010年中国制造业分行业数据,实证分析了本土市场规模与全要素生产率之间的关系。估计结果显示,以"市场促创新"的假说整体上是成立的。本土市场规模每增加1%,将会促进生产率指数增长0.021%、效率改进指数增长0.023%、技术进步指数增长0.018%。分行业研究显示,本土市场规模对全要素生产率的影响在不同行业存在一定的差异。本土市场规模作用的发挥更依赖于行业的技术密集程度和资本密集程度,而对行业的劳动密集程度则并不敏感。从作用机制来看,本土市场规模对生产率增长和技术进步的正向作用主要通过资本密度、研发密度与人力资本等途径传递;对效率改进的正向影响主要通过资本密度、研发密度、人力资本以及对外开放度等途径传递。在所有的作用途径中,人力资本的影响最大。这些作用机制可以进一步归纳为"集聚效应"和"竞争效应"。     

基于DEA模型的全要素碳生产率与影响因素研究

利用我国30个地区1995～2010年的GDP、资本、劳动力、能源和碳排放的数据,运用DEA-Malmquist全要素碳生产率模型,对我国30个地区、东中西三大区域以及全国的全要素碳生产率进行了测算并分解为技术效率指数和技术进步变化指数,最后运用面板数据模型对全要素碳生产率的影响因素进行分析,并提出了政策建议.     

我国不同所有制工业企业全要素生产率比较研究——基于Malmquist指数的实证分析

使用Malmquist指数法对我国1997~2007年期间7种所有制工业企业全要素生产率进行了估算和拆分,结果发现,我国工业企业全要素生产率增长的主要源泉是来自于技术进步;外商投资工业企业的全要素生产率虽然曾经一直领先于内资企业,但是却处于不断下降的过程,很多地区内资企业生产率都已超过了外商和港澳台投资企业;目前内资企业中,私营企业和股份制企业的全要素生产率增长较快。     

产业外部性对全要素生产率及其分解的实证研究

本文构建关于MAR外部性、Jacobs外部性与Porter外部性与全要素生产率的空间计量模型,实证检验了以2004年为基期的2005~2015年中国省域制造业的产业外部性对于全要素生产率的影响,同时将产业细分为劳动密集型、资源密集型以及技术密集型进行探讨研究 。通过构建空间计量模型,发现雅各布斯外部性与波特外部性对于制造业整体以及3个细分产业的全要素生产率的影响非常显著,都对全要素生产率的增长具有促进作用。针对生产率分解后的技术进步与技术效率的实证证明,产业多样化可以促进制造业技术效率改善而对技术进步具有抑制作用,市场竞争可以促进制造业技术进步,与波特外部性不谋而合。提高产业专业化以及保持产业的区域垄断更能促进劳动密集型产业技术进步,支持了MAR外部性的观点。劳动密集型产业技术效率的变动则主要是通过区域的竞争来影响;资源密集型产业的技术进步与技术效率只有波特外部性在发挥正向效应;技术密集型产业的技术进步需要保持产业的专业化,而提高产业的多样化与有效的市场竞争更利于技术效率的改善。     

要素投入、技术效率与技术进步——基于江、浙、沪外资工业企业的实证分析

本文运用江、浙、沪外资工业企业2003～2007年的省际面板数据,采用基于DEA理论的非参数Malmquist指数方法,实证分析了全要素生产率的变动过程,并将其进一步分解为技术效率的变化和技术进步。研究表明：（1）2003-2007年,江、浙、沪外资工业企业全要素生产率以年均6．4％的速度增长,主要由技术进步的增长支撑;（2）各省市全要素生产率的变化不均衡,浙江省的变化相比其他两省较低。     

基于DEA-Malmquist指数的军工企业改制效率研究

本文以十大军工集团旗下真正涉及军工业务的22家上市公司为样本,以军品资本运作进入到实 质阶段的2008～2013年为观察期,以年报数据为基准,运用DEA-Malmquist指数对全要素生 产率、技术进步和技术效率进行测算。结果显示,上市军工企业的规模效率上升了19%, 但由于管理机制、技术水平等因素的制约,上市军工企业的综合技术效率只上升了04%; 另一方面,由于上市军工企业技术进步指数下降72%,导致全要素生产率下降了68%。军 工企业在改制重组的过程中应不断通过管理机制、科技创新等提高效率。     

基于DEA-Malmquist指数的粤港澳大湾区科技创新效率评价研究

为科学评价科技创新系统配置效率,构建良好的科技金融环境,本文采用DEA-Malmquist指数方法,基于2014～2019年粤港澳大湾区10个城市的面板数据,构建评价指标体系,对科技创新效率进行静态和动态分析,测算科技创新效率并揭示其内在原因。研究结果表明：（1）粤港澳大湾区的科技创新生产率稳步提升;（2）技术进步是促进科技创新生产率上升的关键因素;（3）不同城市的科技创新效率变化存在差异,规模效率对技术效率的提升起到明显的阻碍作用,因而抑制了科技创新效率水平。     

中国全要素能源效率评价与解构——基于“管理—环境”双重视角

本文应用DEA四阶段模型,将全要素能源效率(TFEE)解构为全要素能源管理效率(TFEME)和全要素能源环境效率(TFEEE),对2005—2009年中国省级区域的能源效率现状、成因与提升路径进行了实证分析。研究表明:我国全要素能源效率总体上仍处于较低水平,能源节约潜力大约为能耗现值的30%至40%;管理无效率和环境无效率是能源低效的共同成因;现阶段能源效率提升主要依赖于外生环境改善,内源性管理效率提升的动力不足;TFEE、TFEME和TFEEE均表现出明显的区域不平衡特征,东部领先、西部落后;产业结构、教育程度、开放程度和基础设施是区域全要素能源环境效率的关键影响因素;北京、天津、上海等应着重改善区域能源管理能力,江西和宁夏应重点优化外部环境,河北、山西、吉林等应从管理和环境两个层面双管齐下。     

中国西部地区省际全要素能源效率研究——基于超效率DEA模型和Malmquist指数

本文基于超效率DEA模型,测算出2000~2011年中国西部11个省考虑环境效应的全要素能源效率,并运用Malmquist指数法将全要素能源效率指数分解为技术进步指数和技术效率指数,最后利用Tobit模型对全要素能源效率影响因素进行了分析。结果表明:西部各省能源效率差距较大,其中,内蒙古、重庆和青海的能源效率较高,广西、贵州、云南和甘肃的能源效率比较低;样本期间,西部地区平均全要素能源效率下降了0.4%,技术进步是能源效率变动的主要因素;第二产业和第三产业发展对西部地区能源效率提升有促进作用,能源价格、煤炭消费以及区际产业转移的上升对西部地区能源效率提升有抑制作用。     

产业集聚、技术变化与全要素生产率--基于长三角20个制造行业的实证分析

本文通过非参数DEA－Malmquist指数法估算了2003～2012年间长三角20个制造业行业的全要素生产率（TFP）,并借鉴EG和MS的分类,将Malmquist指数分解为技术进步指数和技术效率指数,分析不同集聚程度行业对它们的影响及其变化趋势,在此基础上借用Arellano和Bond的动态面板模型,验证技术进步和技术效率指数在TFP增长过程中的贡献。实证结果表明：制造业集聚一定程度上促进了整体TFP的提高,但主要是通过促进技术进步（并非促进技术效率改进）进而产生影响。各细分行业TFP增长率存在较大差异,中低度集聚行业的TFP的增长率大于高度集聚行业,并且随着时间推移,高集聚度行业TFP增长率逐渐下降。而且,技术进步和技术创新将是长三角制造业TFP增长的重要推动力。     

基于Malmquist指数法的我国电子信息产业全要素生产率增长分析

本文运用Malmquist指数法测算了我国电子信息产业全要素生产率的变动趋势,并把全要素生产率的增长构成分解为技术进步和技术效率变化两个部分,结果显示：1996—2007年我国电子信息产业全要素生产率的平均增长率为I．5％,主要原因是技术进步水平的提高,但技术效率下降产生的负面影响也不可忽视,且在不同时期技术效率和技术进步对我国电子信息产业全要素生产率增长的贡献存在一定差异。     

交通基础设施与中国全要素生产率增长——基于省域数据的空间面板计量分析

本文运用空间面板计量方法研究了中国的交通基础设施与全要素生产率增长之间的关系。实证研究的结果表明:中国地区间的全要素生产率在1997—2007年具有明显的空间相关性;交通基础设施对中国的全要素生产率有着显著的正向影响,2001—2007年铁路和公路基础设施存量的增加共带动中国全要素生产率增长了11.075%,占TFP整体增幅的59.100%,其中,高速公路和二级公路基础设施的带动作用最为明显;在上述贡献中,来自直接效应的部分较小,仅占25.700%,而来自空间外溢效应的部分则高达74.300%;就分时段的估计结果来看,2001—2007年铁路基础设施对全要素生产率有着持续显著的正向影响,1997—2000年高速公路基础设施对全要素生产率有着持续显著的正向影响,而其他等级公路基础设施的影响则没有显示出这种持续的显著性。     

基于DEA模型的全要素生产率分解——云南省与全国的比较

本文运用基于数据包络分析模型的曼奎斯特指数法,对云南省全要素生产率进行分解和分析,并且将云南省与全国作出比较,结合云南省的实际情况对90年代以来云南省全要素生产率水平增长缓慢的原因进行分析,在此基础上进一步提出几条促进云南省全要素生产率增长的对策建议.     

考虑价格因素的中国全要素生产率计算及其影响因素分析 ——基于Global Cost Malmquist和Tobit模型的实证研究

本文将价格因素引入模型中,基于Global Cost Malmquist指数模型估算全要素生产率,基于全要素生产率分解进一步分析我国的资源错配状况及其来源,并采用Tobit模型对全要素生产率尤其是价格效应的影响因素进行实证分析,研究结果表明:现阶段我国全要素生产率增长存在高估问题,技术进步对我国全要素生产率的正向促进作用日趋显著,由价格扭曲导致的资源错配是现阶段抑制我国全要素生产率进一步提高的主要因素,同时技术进步和价格扭曲加剧了地区全要素生产率差异;对外直接投资、出口贸易和金融发展提高了全要素生产率增长,改善了资源错配,而市场分割和工业占比则起到抑制作用;东部和西部地区的对外直接投资、中部地区的出口贸易以及西部地区的金融发展水平会显著改善地区价格扭曲程度。基于以上研究,提出加快资源配置市场化改革、培育开放的市场化动力、激发金融市场活力、优化产业结构等政策启示。     

新旧常态下中国全要素生产率演化趋势的比较研究

本文采用索洛余值法、 对偶核算法、 随机有效前沿模型和数据包络分析模型4 种常用测度技术, 测算和研究了 2002～2017 年TFP 演化趋势, 得到主要研究结论： （1）TFP 增长降速换挡表现为由旧常态的高速增长到新常态经济增速中高速增长; （2）TFP 区域差异特征表现为东部地区优势明显;（3）TFP 增长的主导角色更迭表现为由旧常态的技术进步主导逐步到新常态的技术效率主导; （4）TFP 的要素资源错配表现为新常态阶段资源错配态势加剧。 为推进新时代经济高质量发展, 本文认为： （1）稳增长以实现具有换档性特征的新时代背景下经济增长质量保持强盛性和有效性; （2） 拓潜力以实现具有开放性特征的新时代背景下经济增长质量保持开放性和包容性; （3） 增效率以实现具有叠加性特征的新时代背景下经济增长质量保持有效性和协调性; （4） 优配置以实现具有风险性特征的新时代背景下经济增长质量保持有效性和协调性。     

提高TFP增长率,转变经济增长方式——基于中国制造业的实证分析

本文用中国制造业1998～2006年的面板数据,运用数据包络分析方法(DEA),估算了各个行业的Malmquist全要素生产率,并分解为技术进步和技术效率.研究结果表明,1998～2006年中国制造业全要素生产率的年平均增长率为2.8%,主要原因是技术进步水平的提高,低下的技术效率起了副作用,却是不可忽视的.转变经济增长方式,提高TFP增长率,应该首先提高技术效率.     

能源环境约束下的中国区域工业研发创新全要素生产率:2001～2011年

本文考虑了研发创新过程中的能源环境约束,构建能处理非期望产出Malmquist-Luenberger指数模型对中国30个省级区域及八大经济区2001 ～ 2011年间工业企业研发创新的全要素生产率及其分解指数进行测算,并分析其时序演进和空间分布的基本特征.研究发现:当考虑了研发创新过程中的能源环境约束后,中国工业企业研发创新全要素生产率指数(ML指数)与传统研发创新全要素生产率指数(M指数)比较,有一定程度的下降;技术进步是工业企业研发创新全要素生产率增长的源泉,技术效率呈下降态势;考察期内研发创新全要素增长率呈上升趋势的地区包括南部沿海、东部沿海、北部沿海、大西北地区;呈下降趋势的地区包括东北地区、长江中游、大西南、黄河中游.     

数实产业技术融合与企业全要素生产率——基于中国企业专利信息的研究

数字经济与实体经济深度融合是中国经济高质量发展的内在要求与战略方向,本文利用中国企业专利信息,从微观视角测度企业的数实产业技术融合行为,并以中国上市公司为样本,研究其对企业全要素生产率的影响及作用机制。研究发现,企业的数实产业技术融合行为能够显著提升企业的全要素生产率,并且该结论在进行内生性控制和稳健性检验之后依然成立。机制分析表明,从创新变革视角看,数实产业技术融合有助于拓展企业知识宽度,提升技术创新质量,从而提升企业全要素生产率;从竞争能力强化视角看,数实产业技术融合能够强化企业对融合技术扩散的吸收能力,提升产品竞争力,从而提升企业全要素生产率。异质性分析表明,在内部特征方面,除数字产品服务业外,企业涉及的其他数字经济核心产业技术融合对全要素生产率均有显著的提升作用;偏向于实体产业技术创新的企业从数实产业技术融合中能获得更大的全要素生产率提升效益。在外部环境方面,知识产权保护水平能够增强数实产业技术融合对企业全要素生产率的提升作用,而不同的数字基础设施建设水平并未表现出明显差异。本文的研究结论为中国推进数实产业技术融合、推动企业高质量发展提供了事实支撑与政策启示。