中国农业全要素用水效率及其影响因素分析

借鉴全要素用水效率的测度思路,运用超效率DEA方法和Tobit模型展开农业全要素用水效率的测度及影响因素分析,研究发现:全国农业全要素用水效率呈先降后升再回落走势,东、中、西部呈递减格局,且西部显著低于东、中部;年降水量、农产品进出口以及供水结构中地下水所占比例与农业用水效率均呈较显著的正向关系;人均水资源量与用水效率呈负向关系,表明丰水地区需加强节水措施;在灌溉费与农业全要素用水效率关系上,全国、东部和中部模型结果与西部模型结果表现不一,但灌溉费与每亩灌溉水量呈显著的负向关系,表明灌溉费的节水效应是显著的,也意味着水价政策的节水效应将促进节约水量流向用水效益更高的用水户,进而提高整体的农业用水效益。     

黄淮海平原农业水资源绿色效率时空差异与影响因素研究

提高农业水资源绿色效率对促进黄淮海平原农业可持续发展和保障粮食安全极其重要。通过超效率SBM模型和Tobit模型对黄淮海平原农业水资源绿色效率和其影响因素进行了研究。结果发现:黄淮海平原农业水资源绿色效率整体趋于上升且存在明显的地区差异;技术进步变化是导致农业水资源绿色效率变化的主要动因;除农作物种植结构外,经济发展水平、节水农业发展水平、供水结构等因素均对农业水资源绿色效率有着显著影响。基于以上结论,提出以绿色发展理念指导农业产业结构和用水结构升级、充分发挥节水潜力提高农业水资源绿色效率水平和完善水价水权市场机制优化农业水资源配置等对策建议。     

基于非期望产出的中国城市绿色发展效率及影响因素分析

基于非期望SBM模型,文章对中国277个地级及以上城市2010—2016年城市绿色发展效率进行评价,分析其时空格局、城市类型、效率损失成因及影响因素。研究发现：(1)城市绿色发展效率水平总体不高,波动下降后有所回升,区域效率呈现东部>东北>西部>中部的态势,东北效率提升最大且提升单元具有“低投入、低产出和低污染”特点;效率沿河北至广东一线具有明显“凹陷”特征,区域内部效率变动较大。(2)环境污染、资源和资本冗余是各区域效率损失的主因,消费、财政收入和GDP分别是中部、西部和东北地区效率损失的重要期望产出因子。(3)效率领先型、协调发展型、效率突破型和绿色增长型城市是中国绿色发展效率改善的推动力量,绿色下降型、黄色增长型和黄色下降型城市的效率则亟需改善。(4)经济发展水平、人口规模、产业结构、能源强度、政府干预、环境规制和信息化水平是影响城市环境效率变动的重要因素,且影响程度存在区域异质性。     

中国工业分行业能源效率变化及其影响因素

基于中国35个工业行业2001—2016年的数据,采用非期望产出的SBM模型测度工业分行业能源效率,结合变异系数、核密度估计以及Tobit模型,探讨中国工业分行业能源效率的时间变化特征,并分析工业能源效率的影响因素。结果表明:(1)整体上各行业能源效率增长速度缓慢且行业间能源效率差异显著;资本密集型行业能源效率较高且提升速度快,资源密集型行业能源效率较低且提升速度缓慢;(2)能源效率较高的行业有所增加,呈现出"俱乐部分散"特征,行业间能源效率差异不断扩大;(3)企业规模、外商投资水平对能源效率具有积极作用,未来政府和企业应更加积极鼓励社会资本进入,同时政府应给予一定技术援助与政策支持,并制定有差异化的行业规制标准。     

基于SBM模型的科技创新效率及影响因素研究

本文利用全国30个省份2009—2017年相关数据测算了各省份(地区)科技创新效率、全要素生产率及其分解指标。结果表明:整体科技创新全要素生产率变动主要来源于技术效率变化。东部省份(地区)全要素生产效率提升主要来源于技术进步,西部省份(地区)全要素生产率变动较大,主要来源于技术效率变化。进一步通过Tobit回归显示政府支持、对外开放程度、产业结构、人力资本与全要素生产率显著相关,最后本文提出了对策建议。     

湖南省县域农业生态效率的时空特征及其影响因素

利用湖南省2008—2018年县域行政单元农业面板数据,采用超效率SBM与面板Tobit回归模型,结合空间相关性分析方法,对农业生态效率空间异质性及影响因素进行了实证研究。结果表明：(1)在研究期内湖南省县域农业生态效率呈现波动中上升的趋势,整体处于中等效率水平;空间变化呈现自西向东递减、自南向北递增趋势,且南北差异大于东西差异。(2)从全局空间自相关性来看,除2009—2010、2015—2017年外,湖南省县域农业生态效率呈现正相关特征和波动性空间集聚现象;从局部空间分异来看,处于空间正相关的县域的数量在研究期内逐年下降,区域农业生态效率的集聚性呈现递减趋势。农业生态效率高高（HH）集聚主要分布在湖南省北部和东部部分地区,空间上有明显的向邻接地区扩散的趋势;低低（LL）集聚主要分布在湖南省南部和西部地区。(3)不同尺度的农业生态效率影响因素差异明显,其中,农民可支配收入和人口数量对农业生态效率产生正向影响,自然灾害对农业生态效率产生负影响,GDP和城镇化率对农业生态影响在不同尺度具有不确定性。     

碳排放约束下中国省际农业生产效率 及其影响因素研究

本文从系统论的角度出发,将农业碳排放量纳入农业生产效率研究框架内。首先,综合运用3个DEA模型,测算了2004-2010年中国30个省份农业生产效率,探索中国各省份、三大地区间的效率差异,并给出农业资源利用效率的4种模式,然后,利用Tobit模型检验农业生产效率的影响因素。结果表明：考察期内中国农业生产效率有所提升,但仍处于较低水平,纯技术效率低下是制约农业生产效率提升的主要因素;各省份、三大地区间效率差异明显,东部地区最高,而中西部地区均低于全国平均水平;全国有60%的省份农业资源利用模式为低经济低环境效率型,这些省份主要来自于中西部地区;农田抗灾能力、农村用电量和研发经费的提高对全国农业生产效率的提升具有积极影响,而基础教育水平、产业结构以及农村金融支持的影响并不显著。     

中国工业企业绿色技术创新效率的测度与评价—基于超效率网络SBM-Malmquist模型分析

将绿色创新发展理念融入到工业企业技术活动中,已经成为突破环境和资源约束、推动工业可持续发展的关键。本文将能源消耗量、三废排放量等纳入研究框架,运用超效率网络SBM模型和Malmquist-Luenberger指数对中国各省份工业企业绿色技术创新效率进行测度与评价。结果表明：在2013—2018年间,工业企业绿色技术创新效率处于较低水平,省域间存在较大差异,但差异趋势逐渐缩小;我国工业企业绿色技术创新效率呈现出“东-中-西”依次递减的阶梯式空间分布格局,与东部地区工业企业绿色技术创新效率持上升的趋势相比,中西部效率水平不仅存在绝对水平明显偏低的特征,而且还表现出了增长幅度的差异;成果转化期的效率值低于科技研发的效率值,纯技术效率水平过低是造成两阶段效率不高的主要原因;我国Malmquist-Luenberger指数均大于1,整体发展态势良好,其中技术效率变化指数的增长主要依赖于纯技术效率变化指数。从三大地区层面来看,东部地区的ML(Malmquist-Luenberger)指数主要归结于技术进步（technological change,TC）指数的增长,而中西部地区的ML指数则主要依赖...     

基于三阶段超效率SBM-Malmquist指数分解的洞庭湖区农业水资源绿色效率研究

近年来,洞庭湖区农业用水供求矛盾日益凸显,提升农业水资源绿色效率对实现洞庭湖生态经济区高质量发展具有重要意义。基于2011—2019年农业水资源投入与产出数据,运用三阶段超效率SBM-Malmquist指数模型对洞庭湖区农业水资源绿色效率进行测度。结果表明：剔除外部环境和随机误差项影响,2011—2019年洞庭湖区农业水资源绿色效率均值为0.583 2,农业水资源绿色效率存在较大的提升空间;人均GDP和政府农林水事务支出增加可以促进农业水资源绿色效率的提升,人均水资源量增加会降低农业水资源绿色效率;洞庭湖区农业水资源全要素生产率指数经历上升—下降—上升三个主要阶段,农业水资源全要素生产率指数与技术进步变化指数基本同步。最后提出了洞庭湖区农业用水绿色效率的相关对策建议。     

转型时期中国农业生产效率及其影响因素研究

本文利用超越对数形式的随机前沿生产函数,采用一步法进行估计,测度了中国30个省区1981—2011年的农业生产效率,并分析了中国农业生产效率的决定因素。研究发现:中国农业生产存在严重技术非效率,1981—2011年间中国30个省区的农业技术效率平均值只有0.55。中国农业生产效率存在随时间不断下降的趋势。人均农业GDP代表的人力资本和农业技术因素、有效灌溉率反映的农业生产的基础设施条件等对农业生产效率的提高有积极影响,工业化程度、受灾率以及财政支出占GDP比率反映的政府干预程度对农业生产效率有负面作用,农业GDP占全部GDP比重代表的农业生产的专业化程度和农业机械动力密度对农业生产效率的影响并不显著。     

我国高技术产业高质量发展效率评价及影响因素分析

文章从高质量发展视角出发,构建高技术产业高质量发展效率评价指标体系,以2015—2020年我国29个省市年度高技术产业面板数据为研究对象,运用超效率SBM、RD-Malmquist模型对各省市高技术产业高质量发展进行静态和动态分析及科学评价,并进一步利用Tobit模型对可能影响效率因素进行回归分析。结果表明：我国高技术产业高质量发展效率(静态)波动性提升,省域间效率值差异性在下降。区域上效率值呈现东部地区>西部地区>中部地区>东北地区,且效率值均小于1;高技术产业高质量发展态势良好(动态),区域上呈现中部地区>西部地区>东部地区>东北地区,技术进步起着关键作用。人均GDP、人力资源质量等对效率值存在不同方向和程度的影响。最终提出促进我国高技术产业高质量发展的相关建议。     

中国电力行业环境效率及其影响因素研究 ——基于2008—2017年省级面板数据

本文采用SBM超效率模型,对2008—2017年中国30个省份电力行业环境效率进行测度,并开展空间差异和空间自相关分析.结果表明:中国电力行业环境效率还比较低;呈现出东部高于西部、西部高于中部的走势;各年度不同省份的电力行业环境效率差异显著;且存在空间依赖性.通过Tobit回归实证显示:中国电力行业环境效率的影响因素存在区域显著性差异;经济规模水平、电源结构、技术水平、燃煤效率对中国电力行业环境效率具有促进作用;人口水平对中国电力行业环境效率具有反向作用.最后提出了提升中国电力行业环境效率的政策建议.     

高技术服务业公司效率及其影响因素的区域差异性分析

文章选取高技术服务业上市公司2011-2017年的样本数据,运用DEA模型测算公司效率,并通过Tobit模型研究我国东部、中部、西部三区域企业效率的影响因素,分析区域差异的可能原因.研究发现:我国高技术服务业上市公司综合技术效率低,西部地区企业综合技术效率和纯技术效率略低于东部和中部地区;在东部地区,失业率、资产负债率...     

长三角区域环境规制效率时空变化及影响因素分析

运用基于非期望产出的超效率SBM模型,测度2011—2018年长三角区域环境规制效率,结合空间自相关分析、广义最小二乘法分析长三角区域环境规制效率时空演变特征,并探究环境规制效率的影响因素。结果表明：长三角区域环境规制效率整体呈波动上升趋势,内部差异明显,上海一直处于最高水平,江苏、安徽呈波动上升趋势,而浙江呈下降—上升趋势,局部空间格局由较低、低环境规制效率空间集聚区上升为较低、较高环境规制效率空间集聚区。整体上经济发展水平、城镇化水平和科技投入水平对长三角区域环境规制效率具有正效应,而产业结构、市场环境和对外开放水平呈负向影响。     

农业水环境效率空间效应及其影响因子——基于SBM的分析

运用SBM模型,基于2014-2017年省级数据,首先对中国的农业水环境效率的空间效应进行分析.分析表明:我国农业水环境效率在空间上是相关的,省域空间上既是非均衡分布又有一定的集聚特征,省域间有向邻近高效率省域的学习效应.进一步使用普通最小二乘法、空间滞后模型和空间误差模型对我国农业水环境效率的影响因子进行分析,结果显...     

中国区域环境效率及其影响因素

本文基于DEA方法运用2000—2008年省级面板数据计算了我国30个省市的环境效率,同时使用Tobit模型分析了该环境效率的影响因素。研究表明:(1)2000—2008年,中国30个省区的环境效率基本保持在0.7～1之间波动,各省区平均环境效率刚开始时呈下降趋势,但在2004年或2005年出现明显拐点。(2)我国环境效率地区差异明显,东部发达地区在效率水平上优于中西部地区,中西部地区环境效率的敏感性高。另外,2005年以来西部与东部的效率差距趋于缩小,而中部的情况则不乐观。(3)加大对从业人员、能源、用水等投入要素的利用程度,能有效提高环境效率。(4)经济水平、外贸依存度、人口密度都会对我国环境效率产生显著的正面影响,其中人均GDP和进出口贸易额对环境效率影响较大,而工业污染治理投资占GDP比重对环境效率影响不显著。     

银行分支机构效率测度及影响因素分析——基于超效率DEA与Tobit模型的实证研究

商业银行分支机构的投入产出效率是商业银行效率研究中亟需拓展的领域。本文采用某商业银行在京的40家支行2008年前三季度的面板数据,使用BCC模型和超效率DEA方法对其效率进行了测度。结果显示支行的平均效率水平较高,某些支行技术无效率的主因是规模无效率,反映了支行整体的管理水平、成本和风险控制能力较高,但在规模上需要进行调整。在利用超效率DEA得分对全部支行进行排序之后,本文使用Tobit模型进行了效率影响因素分析,发现存款特点、收入结构、支行类型、区划分布等因素对支行的运营效率构成了显著影响。此文的分析结果对我国其它商业银行在分支机构的目标制定、绩效考核上也具有一定的借鉴作用。     

高技术产业集聚对区域绿色创新效率的影响研究

基于2009—2019年中国30个省份的面板数据,运用包含非期望产出的Super-SBM模型测算各地区绿色创新效率并通过区位熵测度高技术产业集聚水平,最后利用面板计量模型以及中介效应模型实证检验高技术产业集聚水平对区域绿色创新效率的直接影响及技术创新的中介效应。结果表明：我国各地区高技术产业集聚程度呈逐年上升趋势,区域绿色创新效率整体不高,二者均存在区域异质性,东部地区明显高于全国平均水平,而中西部及东北地区发展较为缓慢;高技术产业集聚有利于区域绿色创新效率的提高,技术创新在其中发挥部分中介效应,研发投入、劳动投入和经济发展水平对绿色创新效率均有显著影响。