我国大中型工业快速增长的动因分析1995-2004

传统观点文都认为中国经济增长的动力是资本的堆集,但是本文采用Malmquist指数和DEA技术,研究中国28个省市地区大中型工业的动因,分析发现1995年-2004年:(1)大中型工业平均增长15.5%,其中全要素生产率增长拉动工业增长平均为9.2%,贡献丰约60%,而资本和劳动投入增长对产出增长的综合贡献从1996年的13.5%,下降到2004年的0.7%;(2)全要素生产率中技术进步和规模效率的改善对产出增长的贡献目渐突出,技术进步推动工业经济增长5.2%,规模效率改善推动工业增长3.3%.基于此,本文认为全要素生产率是我国区域经济快速增长的主动力.     

基于 DEA 模型的中国省际经济发展效率研究

科学测度经济发展效率是衡量地区经济增长质量的重要手段。本文以省际面板数据为基础,采用窗口分析法以及 Malmquist 指数研究了中国2000～2009年各省份经济发展效率的区域差异与动态演进特征,并将经济发展效率分解为纯技术效率与规模效率,定位了制约我国省际经济发展效率提升的主要因素,将 Malmquist 生产率指数分解为纯技术效率变化、规模效率变化与技术进步,探讨了我国省际全要素生产率变化的来源。实证分析结果表明：无论从静态还是动态层面,考察期内我国各省份、三大区域经济发展效率呈现比较明显的区域差异性,全要素生产率的提升主要依靠技术进步来驱动。     

中国工业企业创新全要素生产率评价——基于双前沿面网络 DEA-Malmquist 指数模型

本文将工业企业创新活动划分为两个阶段--研发阶段和生产阶段,建立了基于双前沿面的网络 DEA-Malmquist 指数全要素生产率评价模型,对 2013~2014 年,2014~2015 年中国 35 个工业细分行业的创新全要素生产率进行了评价。评价结果表明：在两个期间内,研发阶段全要素生产率的增长主要依赖于技术进步增长,生产阶段全要素生产率的增长主要是由技术效率变化和技术进步二者共同决定的。从系统整体来看,中国绝大部分工业细分行业全要素生产率变化呈现正增长趋势。     

碳排放约束下我国全要素生产率增长的测度与分解——基于SBM方向性距离函数和GML指数

本文运用SBM方向性距离函数和Global Malmquist-Luenberger(GML)指数将能源与二氧化碳纳入全要素生产率测度与分解框架中,测算了2001～2009年我国备省市的环境效率及环境全要素生产率变动状况,将环境全要素生产率变动分解为纯技术进步、纯技术效率变动、规模效率变动和技术规模变动等4个因素.研究结果表明:环境无效率普遍存在,且在省际间的分布差异较大;环境全要素生产率的增长和省际差异分别源于技术进步和规模效率,纯技术效率则出现不同程度地恶化.     

我国工业污染治理动态效率研究

全要素生产率是动态效率的一种度量。以我国30个省市的工业污染治理投入产出的统计数据为实例,运用基于DEA模型的Malmquist指数方法,测算了2000～2009年中国省际的工业污染治理全要素生产率的变化。结果显示:2000～2009年期间我国工业污染治理全要素生产率增加7.1%,主要来源于技术进步的贡献;省际间的全要素生产率的变动存在较大区域差异,河北省工业污染治理全要素生产率改善最多,而青海省下降最多;工业污染治理全要素生产率的变化和技术变化随时间都呈现U型曲线规律。最后基于实证分析的结果,给出了提升我国工业污染治理效率的政策建议。     

我国制造业上市公司技术效率与技术进步实证研究

本文运用非参数的Malmqusit生产率指数法研究了2001—2005年期间中国制造业上市公司全要素生产率的水平及其变迁情况,并对其子行业和地区分布特征进行了探讨。同时对那些影响制造业上市公司生产率的主要因素进行了剖析。实证研究表明,中国制造业上市公司全要素生产率年平均增长1．9％,相对比较低,呈现出波动性特征。制造业上市公司全要素生产率的增长主要是由技术进步和效率改善共同引致的;开放程度比较高的行业,生产率也比较高,而高度垄断以及开放度低的行业如石油加工及炼焦业的生产率就比较低。东、中、西部地区制造业上市公司全要素生产率存在差异,东部最高,中部和西部次之,年均增长率分别为2．7％、1．7％、0．4％。股权集中度、企业盈利能力和企业年龄与制造业上市公司技术效率以及生产率的提升显著正相关,而股权制衡度、控股股东的性质与制造业上市佘司技术效率以及生产率的提升并不显著;企业年龄与上市公司技术进步没有必然的关系,而企业规模对对制造业上市公司技术进步有显著影响。     

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.     

全要素生产率构成与中国地区经济差距演进的核密度分析

本文利用随机前沿生产函数模型测算了中国28个省区1985~2007年的全要素生产率,并将其分解为技术进步、技术效率及规模经济性,同时利用核密度估计刻画了中国地区差距的演进机制。研究结果表明,全要素生产率对中国地区差距的影响要大于要素投入,在全要素生产率的组成部分中,技术效率是导致地区经济差距扩大的最主要原因,其次是技术进步的影响,而规模经济性对地区差距的影响非常有限。最后本文给出了相关对策建议。     

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。     

湖南省各市州全要素生产率增长率的实证研究

本文在超越对数生产函数的基础上,运用随机前沿分析模型对湖南省各市州1990～2008年的全要素生产率增长率进行了实证研究,并将湖南省划分为"3+5"城市群、湘南和湘西3个区块来进行分析.结果表明:湖南省3个地区的全要素生产率都有着不同程度的提高,其中"3+5"城市群增长最快,湘西地区增长最慢;从全要素生产率增长率的分解来看,技术进步是促进湖南省全要素生产率提高的主要因素,规模经济对全要素生产率增长的贡献其次,但技术效率的不断降低却给湖南省全要素生产率的增长带来了明显的负效应.     

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。     

节能减排约束下中国制造业行业的效率和生产率的研究

本文运用SBM方向性距离函数和卢恩伯格生产率指标,对在资源和环境约束下我国26个制造业行业1999～2008年的效率和生产率及其构成进行了实证研究.结果表明:能源的过多使用以及SO2和COD的过度排放是环境无效率的主要来源;环境无效率水平最高的是原材料工业,环境效率水平最高的是机械设备制造业;环境全要素生产率的平均增长率低于市场全要素生产率的平均增长率,说明了环境管理的无效率;纯技术进步是中国制造业行业环境全要素生产率增长的主要推动力.     

规模、效率和技术

如何重新认识经济增长的来源,是目前发展中的一个关键问题。我们知道,经济增长率=劳动投入的贡献＋资本投入的贡献＋全要素生产率（TFP）。30年来,劳动投入对经济增长的贡献是显而易见的,劳动力所带来的竞争力帮助中国企业获得了世界分工的机会。最近10年来,资本投入的贡献也开始显现出来,借助于资本的力量,中国企业也具有了进入市场的机会。所谓全要素生产率是用来衡量生产效率的指标,它有三个来源：一是效率改善;二是技术进步;三是规模效应。可是长期以来,我们似乎只关注了规模这个要素,在效率和技术方面,我们却有着明显的差距。     

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.     

基于DEA与Malmquist指数的区域高技术产业创新效率评价研究

科学地评价区域高技术产业创新效率, 对于促进高技术产业持续健康发展并带动区域经济增长具有重要影响。本文采用DEA模型及Malmquist指数分解法, 利用2009～2016年我国高技术产业省际研发面板数据, 测算了我国30个省级行政区域及三大地区（东、中、西部） 高技术产业创新过程中的技术效率、技术进步及全要素生产率增长情况, 并对区域高技术创新效率水平作了聚类分析。研究结果表明：2009 年后, 我国区域高技术产业技术创新效率总体显示出上升趋势, 但是波动较大; 从三大地区来看, 中部地区创新效率高于东、西部地区, 西部地区创新效率最低, 区域创新效率的主要限制因素是纯技术效率不高。本文结论可以为我国区域高技术产业创新活动提供相应启示。     

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"。     

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.     

低碳视角下中国省域电力绿色全要素生产率增长路径研究

本文运用SBM方向性距离函数和Global Malmquist-Luenberger指数,将资源环境因素纳入到全要素生产率测度与分解框架中,测算了低碳视角下我国30个省份2003—2018年火电行业的环境效率和绿色全要素生产率,将绿色全要素生产率分解为技术效率变动和技术进步两个因素,并与未考虑非期望产出时的GML指数进行了对比分析。研究结果表明:我国火电行业的环境无效率值为10.71%,劳动投入无效率以及二氧化碳过度排放是环境无效率的主要来源,其中东部地区各省份火电行业的环境效率最高。中国火电行业绿色全要素生产率的年增长率为1.99%,高于不考虑非期望产出时的年增长率,技术进步是绿色全要素生产率增长的主要动力,三大地区火电行业的绿色全要素生产率均为正增长,而中部地区的绿色全要素生产率增速最大。     

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。     

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。