技术效率、技术进步与中国农业生产率增长

本文运用DEA-Malmquist生产率指数分析方法,对转型期中国农业全要素生产率增长的时间演变和省区空间分布进行实证分析,将其分解为技术进步、纯技术效率变化和规模效率变化三部分。结论表明,转型期农业全要素生产率增长较为显著,各省区之间的全要素生产率增长差异较大,并呈现出明显的阶段性变化特征,这一全要素生产率增长主要由农业前沿技术进步贡献,技术效率状况改善的贡献很有限。此外,农村经济制度变迁和地区经济发展程度也是影响农业全要素生产率增长的重要因素。     

我国工业行业技术分解测度与技术溢出渠道分析

首先构建了行业内研发、行业间研发和进出口贸易所带来的技术溢出对技术进步、技术效率及全要素生产率影响的计量模型,然后使用数据包络分析法(DEA)计算了我国工业行业效率指数、技术进步指数和表示全要素生产率的Malquist指数,最后使用我国工业行业数据对计量模型进行了估计。结果表明,国内本行业研发和国内其他行业研发提升本行业技术进步指数的同时降低了行业效率指数,行业内研发对全要素生产率的贡献为正,而行业间研发对全要素生产率的贡献不显著,进口和出口对生产效率的提高无显著作用,对技术进步产生了正向的溢出,进口对全要素生产率的贡献为正,而出口对全要素生产率的贡献不显著。     

中国服务业全要素生产率增长的实证分析

本文采用非参数Malmquist指数方法实证分析了中国服务业全要素生产率的增长状况,并将其分解为技术效率和技术进步。结果表明,1990-2003年中国服务业全要素生产率的平均增长率为0.12%,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,不同时期技术效率和技术进步对中国服务业全要素生产率增长的贡献存在一定差异;同时,东中西部地区之间和地区内部服务业全要素生产率的增长率也存在显著差异,主要原因是技术进步水平不同。     

中国经济增长的因素分析——基于DEA-Malmquist方法的省际数据比较研究

运用数据包络分析的Malmquist生产率指数分析方法对我国1999年到2008年间30个省份的全要素生产率变动进行分解分析,结果表明,全国平均的技术进步在升高,而技术效率和全要素生产率却在下降。具体到东、中、西三大部区域经济的比较而言,东北地区的技术效率和全要素生产率最高且呈上升趋势,而技术进步对经济增长的贡献却呈下降趋势;中部和西部地区技术进步对经济增长的贡献为正,但中西部的技术效率在下降。这表明东部地区更多的是依靠长期积累的管理生产经验来推动经济增长,而中西部地区却越来越多地依靠技术进步来推动经济增长。     

广东工业全要素生产率增长:1991～2008

本文回顾了国内一些学者使用全要素生产率对经济发展进行研究的文献,运用非参数的曼奎斯特生产率指数方法,测算了广东省21个市1991～2008年工业全要素生产率增长、技术效率和技术进步,结果表明:1991～2008年间,广东工业全要素生产率、技术进步、技术效率均有所增长,技术进步对生产率增长的贡献在近几年有所提高.广东各地区生产率增长存在不均衡的情况,珠江三角洲地区较好,其他地区较次.论文在结尾部分提出几个方面建议,以促进广东省各地区工业进一步发展.     

考虑人力资本的中国生产性服务业TFP分解

本文运用考虑人力资本的非参数Malmquist生产率指数方法,利用中国29省市生产性服务业1993年～2004年间的面板数据,测算了中国东、中、西部地区的全要素生产率,并将其分解为技术进步和技术效率。研究表明,中国生产性服务业全要素生产率在1994年～2004年间年均增长6．20％,其中技术进步率为5．90％,技术效率改善了0．30％。技术进步对TFP增长起主要作用,技术效率则起补充作用。东、中、西部地区的全要素生产率及增长不平衡,全要素生产率对生产性服务业的作用还有待提高。     

广东工业全要素生产率增长：1991-200

本文回顾了国内一些学者使用全要素生产率对经济发展进行研究的文献,运用非参数的曼奎斯特生产率指数方法,测算了广东省21个市1991～2008年工业全要素生产率增长、技术效率和技术进步,结果表明：1991～2008年间,广东工业全要素生产率、技术进步、技术效率均有所增长,技术进步对生产率增长的贡献在近几年有所提高。广东各地区生产率增长存在不均衡的情况,珠江三角洲地区较好,其他地区较次。论文在结尾部分提出几个方面建议,以促进广东省各地区工业进一步发展。     

中国战略性新兴产业生产绩效——基于细分行业的随机前沿生产函数的分析

文章运用随机前沿超越对数生产函数和2007-2011年战略性新兴产业各行业的面板数据,研究了我国战略性新兴产业各行业的前沿技术进步率、技术效率以及全要素生产率的特征。实证结果表明:五年间,我国战略性新兴产业的全要素生产率增长快速,为我国经济的平稳较快发展作出了重要贡献;前沿技术进步率基本一直呈现正增长,成为推动我国战略性新兴产业全要素生产率增长的主要动力;技术效率一直呈现正增长但增长幅度较小。因此,提高技术进步将是促进我国战略性新兴产业全要素生产率增长的关键所在,同时提高战略性新兴产业整体的技术效率水平不容忽视。     

技术效率、技术进步与东亚经济增长——基于APEC视角的实证分析

本文运用当期DEA和序列DEA两种方法测度了1960—2004年APEC17个国家和地区的技术效率、技术进步及曼奎斯特生产率指数,并且对APEC经济增长的趋同效应进行了实证检验。本文的主要结论是:20世纪80年代,东亚地区全要素生产率平均增长超过了APEC其他地区,但是全要素生产率对于劳动生产率增长的贡献仍然低于发达国家;在整个样本期存在显著的趋同,资本积累是趋同最重要的源泉,而技术进步则使经济增长发散;序列DEA避免了技术的退步,是一种比当期DEA测度技术进步更好的方法。     

技术进步偏向与中国工业行业全要素生产率增长

文章利用CES生产函数分析了技术进步偏向与全要素生产率增长之间的关系,运用1978—2011年中国工业行业数据核算全要素生产率增长和度量技术进步偏向情况。结果显示:1987年后我国工业及大多数行业技术进步明显偏向资本。工业全要素生产率的整体增长率比较低且1990年后主要呈下降趋势,其主要原因是劳动生产效率的上升速度小于技术进步偏向资本的速度,且资本生产效率下降的速度大于技术进步偏向资本的速度。同时,大多数行业资本偏向型技术进步越突出,则行业全要素生产率增长下降越明显。这说明我国工业及行业技术偏向的选择并非是适宜技术。     

中部地区物流产业生产效率及其环境影响因素分析

文章利用Dea-malmqusit指数方法对中部六省2000—2011年间物流产业生产效率进行测定,然后采用Tobit模型分析其环境影响因素。实证表明:中部地区物流产业生产效率实现了8.1%的全要素生产率增长率;技术效率、技术进步实现增长,技术进步对全要素生产率增长率贡献更大;GDP、交通基础设施、产业结构对生产效率影响最大。加快中部地区经济快速发展、完善交通基础设施建设和优化产业结构升级对于提高中部地区物流产业生产效率具有重要作用。     

碳强度约束下的区域物流产业效率测算——基于环境DEA技术的Malmquist-Luenberger指数方法

基于2004-2011年中国30个省区物流业的面板数据,应用环境DEA技术和方向距离函数方法,对碳强度约束下中国物流业全要素生产率的增长来源与区域差异进行实证分析。结果表明:碳强度约束下的物流业全要素生产率年均增长率达1.9%,高于不考虑碳约束情形;碳强度约束下的物流业生产率指数与碳强度目标吻合,物流业全要素生产率改进,碳强度下降;物流业生产率的提升主要依赖物流技术进步和创新;碳强度约束下东部地区物流业生产率存在趋同性,中部地区差异在扩大,西部地区则在缩小。     

中国八大综合经济区绿色全要素生产率增长测算与因素分解

随着绿色发展理念得到贯彻落实,科学测算与解析绿色全要素生产率增长对于经济高质量发展意义重大。为直接完整测度区域层面的绿色全要素生产率增长及其构成,本文构造聚合环境广义Luenberger-Hicks-Moorsteen生产率指标及分解子项,利用蒙特卡洛模拟检验该指标测算结果的有效性,发现其相对于聚合L指标更具优势。本文根据2003—2019年地级以上城市的投入产出指标数据,测算八大综合经济区的绿色全要素生产率增长及动力来源。结果表明,八大经济区绿色全要素生产率均实现增长,但增速呈现分化特征。八大综合经济区绿色全要素生产率增长在技术层面的动力主要源于技术进步与规模效率增长,在要素层面主要源于期望产出效率增长与非期望产出治理效率增长。技术进步和期望产出效率增长是八大经济区绿色全要素生产率增长差异的主要成因。本文结论对于有针对性地提升地区绿色全要素生产率具有启示意义。     

低碳约束下中国全要素生产率的时空演变——基于Sequential Malmquist-Luenberger生产率指数分解方法

在全要素框架下运用基于连续前沿的Malmquist-Luenberger生产率增长指数方法,估算了1987—2009年中国28个省(自治区、直辖市)的低碳全要素生产率、技术进步和效率改善,对中国低碳全要素生产率的总体发展、区域差异进行实证分析。然后,利用核密度估计,对累积相对低碳全要素生产率增长、累积相对技术进步和累积相对效率改善做分布动态演进分析。结果表明:考察期内中国整体的低碳全要素生产率趋于上升,但上升幅度逐渐减小;东、中、西三大区域的低碳全要素生产率存在显著差异,呈东高西低的增长格局;东、中部地区的低碳全要素生产率提升是技术进步和效率改善共同推进的结果;西部地区的低碳全要素生产率提升仅靠技术进步驱动,效率改善存在退步迹象;省际间的低碳全要素生产率呈一定程度的"俱乐部收敛"特征,技术进步有明显的"追赶效应"。     

我国农药制造业生产率增长的实证分析——基于DEA的Malmquist指数法

为探寻提高我国农药制造业生产效率的途径,运用DEA的Malmquist指数方法,从整体趋势和各省区角度定量考察了我国农药制造业增长过程中全要素生产率的增长状况,结果表明:从全国的平均时间序列数据来看,我国农药制造业全要素生产率是在波动中增长,全要素生产率的增长主要是技术进步的贡献,而制约技术效率改善的主要原因是规模效率的下降.所研究的全国二十八个地区,生产率基本上都得到了不同程度的增长,只有云南地区有所下降.就全国而言,农药增长的主要推动力量来自于农药生产率的提高.从动态演变来看,农药全要素生产率增长在农药增长中的作用日渐增强.     

中国城市绿色全要素生产率测度研究

基于考虑"能源消耗"与"环境污染"的超效率SBM模型,采用全局参比的Globe-Malmquist-Luenberger(GML)指数测算中国283个城市的绿色全要素生产率(GTFP)。研究发现:(1)城市绿色全要素生产率、技术效率和技术进步分别以年均3.5%、1.2%和2.3%的速度增长,GTFP的增长动力主要来源于技术进步,而作为"绿色软技术"的技术效率贡献相对不足;(2)三大区域绿色全要素生产率平均增幅东部>中部>西部,技术进步差异是GTFP区域差距形成的主要原因,不同时期区域发展战略和环境政策在城市绿色转型中的作用存在异质性;(3)超大及特大城市、行政等级较高的城市绿色全要素生产率增长具有领先优势,且研究期内不同层级城市GTFP差距呈现先缩小后扩大的趋势。     

山西省制造业全要素生产率变动的实证研究——基于DEA-Malmquist指数分析方法

为探明制造业发展过程中高投入、低产出,高能耗、低效率的缘由,文章基于山西省制造业29个细分行业2001—2008年的面板数据,运用非参数数据包络分析的DEA-Malmquist生产率指数法,对山西省制造业的全要素生产率、技术进步和技术效率进行了实证测算,并进一步将技术效率分解为纯技术效率和规模效率。结果表明:2001—2008年期间,山西省制造业总体及各细分行业的全要素生产率整体处于增长趋势,主要动力来源于技术进步,技术效率的贡献较小,甚至会"拖累"全要素生产率增长。     

中国区域绿色发展效率与绿色全要素生产率：2000—2010——基于参数共同边界的实证研究

本文运用参数化共同边界与Luenberger生产率指标相结合的方法,研究环境约束下2000—2010年中国区域绿色发展效率和绿色全要素生产率增长。实证结果表明,与中西部地区相比,东部地区不仅绿色发展效率高,而且生产技术水平更加贴近潜在水平;总体上,东部地区绿色全要素生产率是进步的,而中西部地区却表现出负增长的现象,东部地区效率变化和技术进步的表现皆优于中西部地区.进一步的分解结果显示,纯技术进步成为了推动我国绿色全雩素生产率增长的主要动力,而纯效率变化的贡献较小甚至对生产率增长产生消极的作用;从纯粹技术追赶来看,东部地区的生产技术不断靠近潜在生产技术,而中西部地区则表现出生产技术愈发落后于潜在水平的趋势;潜在技术相对变动方面,三大区域都表现出技术发展空间不断压缩的现象。     

地区专业化与全要素生产率增长——基于中国农药制造业的实证研究

为探寻提高我国农药制造业的地区专业化与生产效率增长的关系,分别运用区位熵测算了我国农药制造业的专业化水平,运用DEA的Malmquist指数方法测算了农药制造业的全要素生产率增长状况,结果表明:专业化水平对农药常制造业生产率增长有显著的正向影响.地区专业化积极地促进了农药制造业生产率的增长,通过对技术进步和效率改善的回归来看,专业化主要通过效率改善来促进全要素生产率增长的.企业规模对全要素生产率的增长和技术效率的改善都有显著负面影响;对技术进步的变化也有负作用,但无统计上的显著性.资本密集度对TFP增长、技术效率改善均有显著正向影响.FDI对农药制造业的TFP增长、技术进步及技术效率改善等均无明显影响.产权结构显著地促进了地区的农药产业技术进步,但对TFP的增长、技术效率改善均无统计上的显著性.     

环境约束下的制造业生产率增长分析

本文引入Malmquist-Luenberger生产率指数,对比分析环境约束和无约束情形下的2001-2008年中国制造业28个细分行业生产率增长状况。进一步的,本文分别将行业全要素生产率指数、技术进步指数及技术效率指数作为生产率增长指标,选取资本深化、行业规模、科技投入、环境污染和行业属性作为解释变量,利用面板数据回归模型分析环境约束下生产率增长影响因素。研究发现,忽略环境约束会低估制造业技术效率水平及其指数,但会高估技术进步指数和全要素生产率指数;分析结果表明影响因素对生产率增长均有显著影响。