我国高技术产业技术进步偏向与全要素生产率增长

基于我国1998—2019年高技术产业分行业及不同所有制的数据，运用DEA-Malmquist指数实证分析我国高技术产业全要素生产率演进特征，并从偏向性技术进步角度分析不同所有制分行业技术进步偏向的差异性。研究发现：技术进步是我国高技术产业全要素生产率增长的主要因素，偏向性技术进步对我国高技术产业全要素生产率起到促进作用；部分行业的技术进步与要素禀赋的匹配状态不理想，过多的劳动力要素投入不利于高技术产业技术进步；不同所有制之间的技术进步要素偏向性有一定差异，外资及港澳台企业资本推动明显。因此，应从优化资源配置、提高技术与要素禀赋的匹配水平、加强资本投入、完善技术转化体制等方面切实提高我国高技术产业整体发展水平。     

市场化、政府介入与中国高技术产业R＆D全要素生产率增长

本文首先利用随机前沿方法测算了全国20个省份的高技术产业在1996～2007年间的R＆D全要素生产率增长情况。以此为基础,本文利用面板计量模型就市场化和政府介入对中国高技术产业R＆D全要素生产率的影响进行了分析,发现市场化程度对我国高技术产业R＆D全要素生产率的增长有着显著的正向影响,而政府介入程度有着显著的负向影响。其中,市场化程度每提高1%,将促使高技术产业R＆D全要素生产率在1996年的基准上提高0.82%,政府介入程度每提高1%,将促使高技术产业R＆D全要素生产率在1996年的基准上下降0.59%。     

资本市场开放能否提升出口企业全要素生产率——基于陆港通样本的微观证据

我国出口企业存在"生产率悖论"问题,企业无法通过出口行为有效提升全要素生产率水平.资本市场开放,既能够有效解决企业的资金困境,促进企业的研发投资,又能解决信息不对称的问题,对企业出口行为起到了促进作用.本文选取2011-2019年A股上市公司数据,并利用陆港通政策的出台作为资本市场开放的代理指标,分析加入陆港通样本对出...     

企业研发外包提升了全要素生产率吗——基于门限回归的实证分析

在系统梳理企业研发外包对全要素生产率线性与非线性影响作用机理的基础上,从“激励-非线性激励”两个环节,实证检验企业研发外包对全要素生产率的影响效应。结果显示,企业研发外包显著促进了全要素生产率的提升。但受自主研发投入强度、政府支持力度以及人力资本水平因素影响,存在非线性门槛特征。随着自主研发投入强度和人力资本水平的提高,研发外包对全要素生产率的促进作用增强,而随着政府支持力度的提高,这一促进作用在减弱。针对不同所有制、行业类型以及地区分类的异质性检验结果表明,研发外包对全要素生产率的促进作用在非国有企业、资本密集度高的企业以及东中部地区企业中显著更强,且受相关门槛因素的影响,不同分类企业间均存在显著的有差别的门槛特征。     

研发补贴与企业全要素生产率

利用2003-2018年沪深A股上市公司数据,采用随机前沿分析方法(SFA)估算并分解上市公司全要素生产率(TFP),考察研发补贴对企业整体TFP及构成TFP的前沿技术进步、技术效率、规模效率与配置效率四个组成部分的影响.研究发现,研发补贴没有显著促进整体TFP增长;从TFP的内在结构看,研发补贴显著促进前沿技术进步,显著抑制配置效率提升,没有显著影响技术效率和规模效率.进一步按企业所有权性质、融资约束、行业特征、知识产权保护水平分组分析,发现研发补贴显著促进非国有企业、受融资约束程度较高企业、非高技术行业企业、处于激烈竞争市场中的企业以及知识产权保护程度较低地区企业的前沿技术进步;显著降低受融资约束程度较低企业、非高技术行业企业、市场竞争程度较低企业的配置效率.论文的研究结论对完善研发补贴政策、提高企业全要素生产率水平有一定启示.     

我国大陆沿海地区高技术产业创新效率评价分析——基于11个省市的实证研究

采用基于DEA的BC2模型测算2008—2012年中国大陆沿海地区11个省市区域的高技术产业的研发创新效率,并使用DEA-Malmquist指数测算11个省市区域高技术产业全要素生产率(TFP)的变动。研究表明除少数欠发达省份外,大部分省份呈现出规模报酬递减的特征;广东、江苏、上海等经济发达地区纯技术效率相对较高;2008年国际金融危机一定程度上影响了我国大陆沿海地区高技术产业的全要素生产率;技术进步对TFP的促进作用不明显。     

要素配置扭曲与企业全要素生产率增长

运用1998-2007年我国工业企业微观数据,测算资本、劳动配置扭曲指数及企业个体、总体扭曲指数,分析企业要素配置扭曲对企业全要素生产率(TTP)的影响,并检验要素配置扭曲的主要来源,结果表明:资本配置扭曲指数基本呈上升态势,劳动配置扭曲指数基本保持不变,总体企业扭曲指数略有上升;制造业的要素配置扭曲指数高于其他工业行业,国有、集体企业的要素配置扭曲比其他企业严重,东部地区要素配置扭曲指数高于中西部;如企业能够有效消除要素配置扭曲,则工业企业总体TFP可提高25.56％,东、中、西部地区可分别提高27.34％、20.65％和27.21％,国有与集体企业的潜在TFP增长空间明显高于非公有制属性的企业;资本劳动比提高和规模扩大是企业要素配置扭曲的主要来源,而出口密度、补贴密度、企业年龄、外资因素能够显著缓解企业要素配置扭曲程度.     

山东省高技术产业研发效率研究——基于随机前沿生产函数的实证分析

采用随机前沿生产函数模型对山东省高技术产业2001年-2012年的相关数据进行分析,计算山东省高技术产业研发效率的资本投入弹性和人员投入弹性,并考察市场结构、企业规模、企业利润以及政府扶持力度等因素对山东省高技术产业研发效率的影响。结果显示:(1)山东省高技术产业的研发效率略高于我国平均水平,但仍然较低;(2)山东研发资本和研发人员的投入弹性不足;(3)市场结构和企业规模对山东高技术产业研发效率的影响显著,而企业利润和政府扶持的影响不明显。     

数字普惠金融、要素扭曲与绿色全要素生产率

数字普惠金融可以通过提高金融市场效率改善要素配置扭曲状况,进而促进绿色全要素生产率的提升。采用2011—2017年中国285个地级市的面板数据,引入劳动和资本要素配置扭曲指数,运用中介效应模型检验数字普惠金融对绿色全要素的影响效应及其传导机制,研究结果表明：数字普惠金融的发展降低了要素扭曲,而要素扭曲的改善会显著提升绿色全要素生产率;相对于数字化程度,数字普惠金融的覆盖广度和使用深度对绿色全要素生产率的提升作用更显著;相对于中西部地区和中小型城市,“数字普惠金融发展→要素扭曲改善→绿色全要素生产率提升”的效应在东部地区和大城市更显著。因此,在资源环境日益成为经济增长的硬性约束条件下,国家应大力推广数字普惠金融,促进资本和劳动要素的自由流动和有效整合,进而实现数字普惠金融与绿色全要素生产率的协调发展。     

数字经济产业政策提高了企业全要素生产率吗?——基于研发投入与融资约束视角

基于2011—2020年我国沪深两市A股上市公司面板数据,以《国家信息化发展战略纲要》的实施为准自然实验,使用双重差分模型(DID)检验产业政策冲击对企业全要素生产率的影响。研究表明,在样本期内,数字经济产业政策促进了企业全要素生产率的提升,且这种促进作用具有一定的政策滞后效应,呈现出先减弱后增强的趋势。此外,分位数回归发现,产业政策对全要素生产率本来就高的企业促进作用更强。机制研究表明,产业政策主要通过提高企业研发投入和缓解企业融资约束来提高全要素生产率。进一步的异质性分析表明：数字经济产业政策对非国有企业全要素生产率的促进作用强于国有企业;低市场化程度地区企业受到的产业政策促进作用强于高市场化程度地区;产业政策促进了数字经济硬件制造业企业全要素生产率的提升,却抑制了软件服务业企业的全要素生产率。因此,需要因企因地设计产业政策,避免造成行业内更严重的两极分化,同时要推动混合所有制改革,加强资本市场建设。     

利益集团视角下产业集聚对全要素生产率的影响——以中国制造业为例

文章首先分析了在资本利益集团驱动下形成的产业集聚对全要素生产率的影响,其次运用非参数DEA—Malmquist指数测算了2005-2011年中国制造业中13个两位数行业的全要素生产率。最后应用面板数据模型对利益集团视角下的产业集聚对行业全要素生产率增长率的影响进行了实证研究。结果表明:基于利益集团的产业集聚对全要素生产率增长率及技术进步率有显著影响。国有资本主要通过影响技术效率实现全要素生产率的提高,国际资本则主要通过影响技术进步实现行业全要素生产率升级。     

要素价格扭曲阻碍了企业有效市场退出吗?——来自中国制造业企业的微观证据

要素价格市场化是有效发挥市场竞争选择机制、实现企业优胜劣汰和优化资源配置的重要前提.基于中国经济转型时期要素价格扭曲和企业剧烈更替并存的特征事实,利用1998-2007年中国制造业企业数据实证研究了要素价格扭曲对企业有效市场退出的影响效应及其内在机制.研究发现,要素价格扭曲显著阻碍了企业有效市场退出,在考虑内生性问题和进行稳健性检验后研究结论依然成立.异质性检验结果显示,要素价格扭曲对企业有效市场退出的阻碍效应在所有制、规模、行业、地区和生产率等异质性企业间呈现出显著差异.基于中介效应模型的影响机制检验结果进一步表明,要素价格扭曲主要通过资本偏向效应、收益扭曲效应、融资约束缓解效应和寻租激励效应等途径显著阻碍了企业有效市场退出.研究结论不仅有助于深化理解要素价格扭曲和企业市场退出之间的内在关系,而且为加快推进要素市场化改革、矫正要素价格扭曲、完善市场退出机制提供了有益的政策参考.     

我国高技术产业地区效率差异与全要素生产率增长率分解——基于三投入随机前沿生产函数分析

本文采用三投入超越对数形式的随机前沿面板模型,考察了中国各省市1995年以来高技术产业的生产效率和全要素生产率增长率变迁,我们得出以下基本结论:(1)东部、中部的高技术产业生产率高于西部,且东部和中部的生产效率有明显的上升趋势,而西部地区处于相对平稳状态。(2)市场化程度、创新能力投入与企业规模对高技术产业生产效率有正影响,而政府的政策支持的影响具有不确定性。(3)高技术产业TFP平均值为10.42%,且呈现震荡略有下降的特点,技术进步率的普遍下降严重阻碍了TFP的增长势头。(4)影响全要素生产率的增长率变化的主要因素是技术进步率和生产效率变化率。(5)东部地区的平均技术进步速度低于中西部,而东部地区生产效率的变化率则明显高于西部地区。文章据此提出了发展我国高技术产业的政策措施。     

中国工业企业的创新绩效及影响因素研究——基于DEA-Tobit两步法的实证分析

本文以1997～2007年中国大陆29个省市大中型工业企业的面板数据为基础,运用DEA方法测算了全要素生产率变动及其分解,同时测算了各个地区技术效率的规模效应、投入与产出的冗余与松弛状况,进一步分析了影响全要素生产率及其分解的相关因素。研究发现:样本期内全要素生产率、技术进步有正的上升趋势,技术效率有下降趋势;我国大中型工业企业技术效率地区差异显著;研发人员、研发投入强度、政府资金支持、银行资金支持、技术转移、企业规模、市场竞争度对全要素生产率、技术效率、技术进步有不同程度和方向的影响。在此基础上,文章提出了有效提高我国大中型工业企业创新绩效的前瞻性政策建议。     

资本市场开放、股价信息含量与企业全要素生产率——基于“沪深港通”的准自然实验

利用沪深港通交易机制这一外生冲击,检验资本市场开放对企业全要素生产率的影响.研究发现:资本市场开放能显著提升企业全要素生产率,其中,股价信息含量的提高发挥了中介效应.沪深港通交易机制实施后,香港地区成熟投资者的引进优化了境内投资者结构,有利于发掘企业异质性信息,降低股价同步性.股价信息含量的提高形成了有效的股价反馈机制...     

生产性服务业FDI是否促进制造业全要素生产率提升？

针对2005—2014年省级面板数据,可以使用汉森（Hansen）门槛面板回归模型,实证分析生产性服务业FDI对制造业全要素生产率影响的门槛效应。研究发现：总体上生产性服务业FDI可以促进制造业全要素生产率的提升,人力资本水平和研发投入水平在生产性服务业FDI对制造业全要素生产率的影响中确实存在门槛效应;生产性服务业FDI促进制造业全要素生产率提高与人力资本水平及研发投入水平之间呈非单调的关系：随着人力资本水平的提高,这种提升作用就会发生显著性改变;随着研发投入水平的提高,生产性服务业FDI促制造业全要素生产率提高的系数就发生由负转正的变化,由抑制作用转变为促进作用。     

中国资本利润率的变动趋势及其影响因素

在对我国资本利润率的时间变动模式进行描述,并对其影响因素进行实证分析后提出,全要素生产率增长是决定资本利润率的主要因素,资本深化假说和非国有企业过度进入假说均不能解释我国资本利润率的时间变动特征。因此,要提高资本利润率,进而促进经济增长,关键是要提高全要素生产率。     

全要素生产率与FDI和研发资本存量对其影响探究——基于面板数据的实证分析

传统的全要素生产率的测算方法有很多前提假设,当这些假设被打破时,传统方法将出现很多问题。文章将基于1992-2008年我国28个省的面板数据测算全要素生产率,对FDI和研发资本存量对其影响进行计量分析。     

中国高技术产业R&D效率区域比较研究

应用DEA方法对中国2000-2012年高技术产业28个省城研发创新过程中的技术效率、技术进步以及Malmuist生产率指数情况进行比较测度,并进一步探讨创新效率的收敛问题,研究结果表明:中国高技术产业地区研发创新的技术效率整体不高且区域之间不均衡,其主要原因包括:纯技术效率较低所致;考察期内全要素生产率均呈现出增长的态势;技术效率在全国范围内存在收敛趋势,落后地区的追赶效应已逐渐显现.     

进口贸易技术溢出的地区差异——基于中国省际面板数据的实证分析

本文采用国际R＆D溢出回归方法,利用中国省际面板数据实证分析了进口贸易渠道的R＆D溢出对各省全要素生产率增长和技术进步的影响。实证研究显示,整体来看,国际R＆D资本显著地促进了各省全要素生产率增长和技术进步;但是其影响存在明显的地区差异：促进了东部地区省份的全要素生产率增长和技术进步,对中西部地区省份却起了阻碍作用。实证研究还发现,国内其他省份R＆D资本对省份全要素生产率和技术进步的影响皆为负值。因此,加强各省之间的交流与合作,协调各省产业结构,调整中西部地区的贸易结构,加强与欧美等研发投入比重高的发达国家之间的双边贸易,成为当前促进全要素生产率增长和技术进步的必然选择。