农业全要素生产率时间演变及区域差异研究——基于江苏省的实证分析

基于江苏省13个地级市的农业投入产出面板数据,运用DEA-Malmquist方法,对江苏农业全要素生产率进行了实证分析。结果表明,2001-2014年间江苏省农业技术进步增长幅度较大,而技术效率变动呈现递减态势,农业TFP增长主要是靠技术进步推动的,且江苏农业TFP增长率及其构成存在显著的地区差异,苏南农业TFP增速明显高于苏中和苏北地区。     

中国各省份农业效率和全要素生产率增长——基于SBM方向性距离函数的实证分析

本文运用SBM方向性距离函数和Luenberger生产率指标测度了中国31个省份1995－2008年的农业效率和农业全要素生产率,并对影响农业效率和全要素生产率的因素进行了分析。研究结果发现：东部地区的农业无效率水平显著低于中西部地区,产出无效率、役畜投入无效率和播种面积无效率是中国农业无效率的主要来源。1995－2008年中国农业的全要素生产率增长率为5.58%,主要体现于技术进步和技术规模变化。东部地区的农业全要素生产率最高。农业从业人员教育水平的提高对中国农业效率和全要素生产率的提高起到推动作用,机械化的普及有利于中国农业全要素生产率的增长。     

移动互联网对农业全要素生产率的影响研究

利用中国30个省的面板数据,研究了移动互联网对农业全要素生产率的影响,结果显示：①农户移动终端设备拥有情况对农业全要素生产率具有显著的促进作用;②不同的移动通讯网络对农业全要素生产率的影响不同;③农业发展水平分组下,农户移动终端设备拥有情况对农业全要素生产率的作用无区域差异,但移动网络在农业发达地区和中等地区对农业全要素生产率的促进作用大于农业欠发达地区;④农业产值规模分组下,农户移动终端设备拥有情况在农业产值规模较大地区和中等地区对农业全要素生产率的促进作用大于农业产值规模较小地区,但移动网络对农业全要素生产率的作用无区域差异。研究结论对农村地区移动互联网建设具有参考意义。     

基于DEA-Malmquist指数的长江经济带物流业全要素生产率研究

利用DEA-malmquist指数模型,对2006～2016年间长江经济带物流业全要素生产率进行实证测算,从全要素生产率、技术效率、技术进步三方面分析长江经济带物流业发展状况,并对比分析各地区物流业全要素生产率的动态变化特征。结果显示:长江经济带物流业全要素生产率总体上有下降的趋势,物流业全要素生产率水平不高;各地区物流业全要素生产率整体上也表现为下降的趋势,地区之间存在一定的差异;长江经济带物流业全要素生产率的增长由主要依靠技术进步转变为技术效率驱动为主,且技术进步成为阻碍全要素生产率增长的重要因素。最后,提出提升长江经济带物流业全要素生产率的对策建议。     

中国文化产业全要素生产率行业异质性研究——基于DEA-Malmquist指数法的分析

本文基于DEA-Malmquist指数模型对2013-2017年间我国文化产业三大子行业的全要素生产率的变动情况进行了实证分析。研究发现:我国文化产业三大子行业的全要素生产率存在行业异质性,文化服务业的全要素生产率最高,其次是文化制造业,文化批发与零售业最低;三大行业全要素生产率增长的驱动因素有明显的异质性,文化制造业和文化服务业全要素生产率的改善主要依赖技术进步,文化批发和零售业则受到技术效率和技术进步的共同制约;文化产业的三大子行业表现出不同的区域差异,文化制造业、文化批发和零售业在中、西部地区的全要素生产率高于东部地区,文化服务业的全要素生产率则呈现明显的东、中、西梯度差异。     

服务业全要素生产率测度及其省际差异

运用2005～2009年中国31省份服务业面板数据,采用非参数Malmquist指数方法,对中国服务业全要素生产率的变动原因、空间差异与变动趋势进行考察,并将全要素生产率进一步分解为技术效率和技术进步。研究结果表明,中国服务业整体仍表现为粗放型的增长方式,全要素生产率呈现负增长,但增长速度有所放缓;服务业发展水平的空间差异明显,东部地区服务业发展水平高于中西部地区,其中西部和东北地区服务业发展水平较落后,且技术进步和技术效率对中国及各区域服务业的全要素生产率在时间和空间上有不同的影响。     

数字普惠金融促进绿色全要素生产率提升:作用机理与实证检验

随着数字中国建设的不断推进，数字普惠金融在贯彻落实新发展理念、促进绿色全要素生产率提升等方面发挥了越来越重要的作用。文章采用2011年—2020年我国30个省、自治区、直辖市的面板数据，运用固定效应模型和中介效应模型研究数字普惠金融对绿色全要素生产率的影响。研究发现：数字普惠金融可以有效促进绿色全要素生产率提升，并且这种促进作用在东部地区和西部地区表现更加明显；数字普惠金融促进绿色全要素生产率提升具有显著的中介效应，数字普惠金融通过技术进步、产业结构升级、技术进步—产业结构升级3种作用渠道提升绿色全要素生产率。因此，今后可从提升区域基础硬件设施水平、普及数字普惠金融理念、培养专业性金融人才等方面入手，进一步推动数字普惠金融发展，进而提升绿色全要素生产率。     

碳交易是否提升了城市绿色全要素生产率?北大核心

本文以碳交易政策为准自然实验,采用双重差分法,从产业集聚角度探讨碳交易政策对城市绿色全要素生产率的影响。研究发现:碳交易政策通过技术进步促进本地区绿色全要素生产率增长的同时,阻碍了邻近地区绿色全要素生产率的发展,且在高层级城市表现的更为明显。分行业看,制造业集聚在碳交易政策与城市绿色全要素生产率关系中起到U型调节作用,而生产性服务业集聚以及两业协同集聚均能加强碳交易政策对城市绿色全要素生产率的正向调节效应,且协同集聚的促进效应更大。分地区看,东部地区以及大规模城市中碳交易政策的促进效果更好。据此,为加强碳交易政策对城市绿色全要素生产率的增长效应,本文提出要以技术进步与效率追赶双轮驱动为发展路径,建立城市间绿色发展的协作创新机制,重点加快推进制造业与生产性服务业协同集聚进程,继续扩大碳交易试点范围。     

产业集聚、企业特征与制造业技术进步——基于江苏省制造业行业的研究

制造业产业的地区集中能够产生集聚经济(agglomeration economy)效应,促进制造业技术进步。该文在现有集聚经济理论基础上,建立了包含企业异质性的集聚经济模型,分析了企业特征不同时产业集聚对制造业全要素生产率的影响机制。在理论分析的基础上,估算了江苏省制造业行业的区位指数和全要素生产率,运用实证方法分析了产业集聚对制造业技术进步的影响。研究发现产业集聚对江苏省制造业全要素生产率具有显著的提升作用,但集聚经济效应受行业中企业数量、企业所有权等企业特征以及行业规模扩张速度等因素的影响。     

江苏省经济增长因素分析--基于对江苏省全要素生产率的计算和分析

经济增长因素研究是一个国家和地区经济发展的重要课题。本文采用全要素生产率的分析方法对江苏省经济增长源泉进行了定量分析,探讨了资本因素、劳动力因素和广义的技术进步对经济增长的贡献,发现全要素生产率对江苏经济增长起着重要作用,江苏经济增长属于资本和技术双推动型     

碳交易是否提升了城市绿色全要素生产率?

本文以碳交易政策为准自然实验，采用双重差分法，从产业集聚角度探讨碳交易政策对城市绿色全要素生产率的影响。研究发现：碳交易政策通过技术进步促进本地区绿色全要素生产率增长的同时，阻碍了邻近地区绿色全要素生产率的发展，且在高层级城市表现的更为明显。分行业看，制造业集聚在碳交易政策与城市绿色全要素生产率关系中起到U型调节作用，而生产性服务业集聚以及两业协同集聚均能加强碳交易政策对城市绿色全要素生产率的正向调节效应，且协同集聚的促进效应更大。分地区看，东部地区以及大规模城市中碳交易政策的促进效果更好。据此，为加强碳交易政策对城市绿色全要素生产率的增长效应，本文提出要以技术进步与效率追赶双轮驱动为发展路径，建立城市间绿色发展的协作创新机制，重点加快推进制造业与生产性服务业协同集聚进程，继续扩大碳交易试点范围。     

江苏省各市绿色全要素生产率估算与可持续发展分析

选取江苏省各市2004-2013年的面板数据,运用基于非期望产出的DEA-Malmquist指数方法估算该区域绿色全要素生产率(GTFP),并探究其变动情况。引入绿色全要素生产率地区差异性指数（GRDI）,定量分析各市GTFP差异。结果表明：江苏省GTFP在样本期间内波动变化并在短期内达到一个峰值,且GTFP上升的主要原因是技术进步; GTFP普遍低于传统全要素生产率;根据GRDI指数得出各市GTFP差异的动态演进过程可以分为三个阶段。最后,给出实现经济可持续发展和提高GTFP的政策建议。     

乡村数字化对农业绿色全要素生产率的影响

基于2011—2020年我国26个省份的面板数据,系统探讨乡村数字化对农业绿色全要素生产率的影响及其作用机制。分别利用EBM模型和熵值法,测算农业绿色全要素生产率和乡村数字化水平,借助固定效应模型探究乡村数字化对农业绿色全要素生产率的影响,并就乡村人力资本水平的门槛效应进行拓展性研究。研究发现,我国农业绿色全要素生产率呈增长态势,乡村数字化对其增长具有显著促进作用,并且主要通过推动农业技术进步来实现。拓展性分析发现,随着乡村人力资本水平的提升,乡村数字化对农业绿色全要素生产率的促进作用将逐步增强。因此,应加快数字乡村建设,搭建区域协作机制,培育乡村数字人才,以提升农业绿色全要素生产率、推动我国农业高质量发展。     

黄河流域城市绿色全要素生产率的时空演变及驱动因素分析

基于超效率SBM模型的Malmquist生产率指数,利用黄河流域77个地级市的面板数据,测度并分析黄河流域绿色全要素生产率的时空演变特征,并利用Tobit模型分析影响因素的作用机制。结果表明：近年来,黄河流域绿色全要素生产率有所提升,呈现狭长片状分布状态,效率值分布区域性差异明显,周边地区效率值较高。分流域来看,黄河流域绿色全要素生产率下游地区>上游地区>中游地区。从影响因素来看,经济发展水平、环境规制、金融发展对绿色全要素生产率有明显提升作用。对外开放、产业结构对绿色全要素生产率提升产生了抑制作用,技术水平对绿色全要素生产率的提升没有显著影响作用。从各影响因素区域差异性来看,经济发展水平对中上游地区绿色全要素生产率影响作用并不显著,对下游地区有明显的提升作用。环境规制对中下游地区有显著促进作用,对上游地区没有明显的影响作用。对外开放对中游地区有抑制作用,对上游和下游地区没有明显影响作用。产业结构对中上游地区有显著的抑制作用,对下游地区有提升作用。技术水平对上游、中游、下游地区的绿色全要素生产率都没有明显的影响作用,金融发展对中游地区有提升作用。通过分析各影响因素对黄河流域绿色全要素生产率的影响作用,对推动黄河流域经济高质量发展提供有益借鉴。     

互联网发展是否提升了中国地区生产率?——基于动态空间面板模型的计量分析

本文以2002-2019年中国分地区数据作为研究样本,基于动态空间面板模型的计量分析,检验互联网发展水平对地区全要素生产率的影响。研究发现从全国整体来看,互联网对地区全要素生产率确实有着较为显著的促进作用。但在不同地区,互联网在促进全要素生产率上有着较大的地区异质性。另外通过对生产率指数进行分解,实证估计结果表明互联网在驱动地区生产率提升方面,主要依赖的是技术效率,而不是技术进步。就全国整体而言,互联网与技术效率提升具有显著的正相关关系,但与技术进步之间却没有通过显著性检验。     

广西农业生产要素错配测度及差异性研究

全要素生产率是经济持续增长的源泉，而全要素生产率的提升不仅取决于技术进步，更依赖于资源的有效配置。基于广西壮族自治区2005—2020年各地级市面板数据，借鉴HK经典要素错配理论，构建农业生产要素错配模型，分别测算出广西“两区一带”及14个地级市农业资本、劳动力和土地资源错配的相对扭曲系数。结果表明：广西整体农业资源错配水平偏高，且不同经济区农业生产要素错配情况不尽相同；三类农业生产要素错配中农业资本要素错配地区间差异最大；观测期内广西农业生产要素错配有不同程度改善，但总体上波动趋势明显；不同地级市间农业生产要素呈现出不同偏向的错配。深化供给侧结构性改革，降低农业资源错配程度，为广西农业经济增长提供新动能，助推广西农业高质量发展。     

黄河流域农业绿色全要素生产率的时空差异及收敛性分析

本文在考虑将农业碳排放指标作为农业绿色转型发展中的非期望产出指标基础上,构建了黄河流域农业绿色全要素生产率测算指标体系,并基于非期望产出的SBM模型和收敛性模型,测算了2010年以来黄河流域农业绿色全要素生产率的时空差异,对其收敛性进行了分析。结果表明,在时间维度,黄河流域农业绿色全要素生产率呈现逐年递增趋势;在空间维度,黄河流域各省份农业绿色全要素生产率发展并不均衡,下游省份农业绿色全要素生产率依次优于中游和上游省份。在收敛性方面,黄河流域各省份农业绿色全要素生产率并不存在收敛和收敛,即不存在农业绿色全要素生产率低的省份向高省份的“追赶效应”。     

江苏渔业全要素生产率:基于MalmquistTFP指数的分解

生产率变化是评价产业绩效的一个重要指标,政策制定者需要了解生产率的变动趋势以便出台更为有效的渔业发展政策。本文将DEA方法和MalmquistTFP指数方法相结合,利用渔业生产的省级面板数据,对江苏渔业全要素生产率的变化进行测算,并将全要素生产率的变化分解为技术效率、技术进步和规模效率三种成分。分析表明,近年来江苏渔业的全要素生产率取得了明显的增长;全要素生产率的增长主要得益于技术效率的提高,技术进步和规模效率所起的作用极为有限。     

江苏省全要素生产率与经济增长研究

采用全要素生产率的分析方法对江苏省经济增长源泉进行了定量分析,探讨了资本、劳动力和广义的技术进步对江苏经济增长的贡献,发现全要素生产率对江苏经济增长起着重要作用,江苏经济增长属于资本和技术双推动型。     

民族地区旅游生态效率的时空演变以及影响因素分析

将基于非期望产出的超效率SBM模型与Malmquist指数相结合,对民族地区2004-2016年的旅游生态效率进行测算,发现：①2004-2015年民族地区的旅游生态效率随着规模效率变化,而2016年受纯技术效率影响明显;②民族地区的旅游生态效率呈现出差异性,全要素生产率与生产技术进步同增同减,除新疆、西藏以外其他区域呈上升态势;③技术的创新与进步对于全要素生产率的提升具有关键作用,规模效率会牵制全要素生产率,综合技术效率与纯技术效率的提升依赖于技术的改进;④地区经济发展水平、对外开放程度、信息化水平、地区产业结构与旅游生态效率呈正相关关系,而交通条件、服务业发展水平、环保措施与旅游生态效率呈负相关关系。