Has agricultural labor restructuring improved agricultural labor productivity in China? A decomposition approach

This paper presents a framework for analyzing the changes in agricultural labor productivity with regards to the structural, land intensity, and land productivity effects. This approach allows for the residual-free decomposition of data from different levels of aggregation. The logarithmic mean Divisia index was applied for the analysis and a data envelopment analysis model was constructed to identify potential gains in agricultural labor productivity due to the optimization of input use and output production. The proposed approach was applied to the case of China over the period of 1997–2017. Province-level data were used to identify the major driving factors behind agricultural labor productivity change. Land productivity change appeared to be the major source of agricultural labor productivity gains in China. The structural change was rather negligible, suggesting that the reallocation of the agricultural labor force did not add to the agricultural labor productivity growth in China. A frontier analysis indicated that agricultural labor productivity could increase by some 45% on average in case full technical efficiency is achieved.     

东部地区能源碳排放的省域比较及因素分解

根据1996年～2008年能源消费数据,对东部地区12个省份的CO：排放量进行估算,并且利用LMDI方法对其进行因素分解。结果表明：东部地区碳排放呈快速增长趋势,且不同省份之间碳排放量差异比较明显;经济增长、人口规模和能源结构是东部地区碳排放的驱动因素,其中经济增长是最关键的因子,而技术进步是东部地区碳排放的抑制因素,但是在不同年份之间存在较大的随机性。基于此,提出了减少东部地区CO：排放的相关政策建议．以适应中国的低碳经济道路。     

我国R&D投入与经济增长驱动关系的实证研究——基于LMDI分解法

笔者首次将对数平均迪氏指数分解法(LMDI)引入R&D与经济增长动态驱动关系的研究,构建GDP总量分解模型,把GDP变动总效应分为R&D活动效应、结构效应以及效率效应,并由此对1999年～2009年我国31个省市区GDP与R&D投入的关系进行了实证分析。结果表明,R&D活动效应对GDP变动总效应的贡献最大;R&D结构效应对GDP变动的正向影响较为稳定,但不够显著;R&D效率效应与GDP增长显著负相关。据此,我们给出了进一步优化我国R&D投入、实现经济内涵式增长的政策建议。     

我国碳排放的因素分解及减排政策研究

本文将碳排放因素分解为能源强度、经济规模、人口规模、产业结构以及能源结构等六大因素。并采用LMDI的加和方法分析1994——2009年期间的各个碳排放因素对碳排放的深层影响。研究表明,经济规模对碳排放起到显著正向促进作用,而能源强度起到显著负向作用,其他因素作用较微弱。最后,提出了要提高能源利用效率、加强对高碳行业的整合引导监督、开发新能源、提高天然气使用比例等政策建议。     

东部地区能源碳排放的省域比较及因素分解

根据1996年～2008年能源消费数据,对东部地区12个省份的CO2排放量进行估算,并且利用LMDI方法对其进行因素分解。结果表明:东部地区碳排放呈快速增长趋势,且不同省份之间碳排放量差异比较明显;经济增长、人口规模和能源结构是东部地区碳排放的驱动因素,其中经济增长是最关键的因子,而技术进步是东部地区碳排放的抑制因素,但是在不同年份之间存在较大的随机性。基于此,提出了减少东部地区CO2排放的相关政策建议,以适应中国的低碳经济道路。     

山东省碳排放的因素分解实证分析

随着我国社会经济的迅速发展,能源消耗带来的碳排放增加已经成为国际社会关注的焦点,控制和减少碳排放也相应成为一项日益紧迫的重大课题。山东省作为我国的经济大省和碳排放大省,面临着越来越严峻的减排压力。为此,采用迪氏对数指标分解法,建立山东省碳排放增量的因素分解模型,对1995—2009年间产业规模、产业结构、碳排放强度这三个主要因素对山东省碳排放增量的影响进行了定量分析。研究发现,产业规模的扩大是导致山东省碳排放量增加的主要因素,产业结构的调整并没有起到减少碳排放的作用,反而对碳排放量的增加有所促进,对碳排放起到决定性抑制作用的是碳排放强度的降低。最后根据研究结果提出减少山东省碳排放量的政策性建议。     

山东省工业结构演变的水环境效应研究

文章采用LMDI分解方法研究了1991-2011年山东省工业结构演变对水环境污染物排放的影响,参照世界银行认定的水污染密集型产业选取了山东省水污染密集型产业,在此基础上探讨了污染密集型产业结构变动的水环境效应。得出以下结论:经济总量增长引起了水环境污染物排放量的增加,技术效率的提高则抑制了污染物排放量的增加,但技术效率的减排效应在不断减弱,因此,工业结构的调整是污染物减排的重要内容;污染密集型产业的增加值占工业增加值的比重为50%左右,但其污染物排放量却占到整个工业污染物排放量的85%以上;污染密集型产业比重上升或下降一个百分点,对应的工业废水、COD、石油类、挥发酚和氰化物排放量将上升或下降0.8亿t、17.1万t、61.0t、80.2t和5.9t。研究表明,未来工业结构的调整,尤其是污染密集型产业的调整将有助于山东省水环境的治理与优化。     

辽宁省水资源生态足迹与生态承载力分析

基于水资源生态足迹分析法,计算辽宁省万元GDP水资源生态足迹及水资源负载指数,对辽宁省2006—2014年的水资源生态足迹、生态承载力及水资源生态足迹的影响因素进行分析,并根据辽宁省63个市县的情况,探寻各影响因素对水资源生态足迹的影响特点及程度。结果表明:研究期间大多数年份,辽宁省水资源生态承载力小于水资源生态足迹,万元GDP水资源生态足迹逐年下降;水资源开发利用程度较高,经济发展效应和人口增长效应对水资源生态足迹的增长起推动作用,水足迹技术效应和水足迹结构效应对其增长起抑制作用,各因素的综合作用使得水资源生态足迹呈波动下降趋势。对于辽宁省各县市,水足迹技术效应均对水资源生态足迹的增长起抑制作用,经济发展效应均对其起促进作用,水足迹结构效应及人口增长效应的作用效果依地区而异。     

省域工业行业碳排放分解研究

基于 LMDI 方法的乘法形式对2003～2011年京晋滇三省及全国工业行业碳排放进行分解,发现：工业规模显著推动碳排放增加,能源强度抑制了碳排放增加,能源结构优化不明显。建议：依靠科技创新推动产业升级,降低能源强度;推动能源供给革命,优化能源结构;优化产业结构,控制高能耗工业发展规模,降低高能耗工业的比重。     

能源对中国产业经济制约的程度和因素分解

本文提出能源对生产制约程度的能源制约系数指标;在投入产出分析框架下,编制1997-2002-2007年混合型能源投入产出递延表;根据投入产出模型计算并对比了3个时点的产业能源制约系数、能源价格、能源强度和产业结构比重的变化;根据LMDI分解模型分析全部生产的能源制约系数变化的三个影响因素（能源价格、能源强度和产业结构）的贡献,发现能源价格是影响全部生产能源制约程度的最重要的原因,据此提出有针对性的政策建议。