FDI技术溢出与挤出效应——基于DEA与湖北省面板数据的实证分析

首先运用基于DEA的Malmquist生产率指数对湖北省各地区全要素生产率进行测量和分解,然后我们分别建立FDI技术溢出测量模型和扩展Panama Teanravisitsagoo的绝对挤出效应模型,对湖北省各地区的面板数据运用SUR(似然不相关回归)加权的方法,进行广义最小二乘估计。最终分别得出面板数据的技术溢出和挤出效应的变系数模型。通过实证分析,我们可以首次得出湖北省FDI的技术溢出效应不太明显以及FDI对内资的挤出效应具有内在逻辑的一致性。     

我国科技投入效率的省际比较分析

文章运用DEA方法,对我国31个省市科技产出的截面数据进行了实证分析,针对经典DEA模型存在的缺陷,采用四阶段DEA结合Tobit回归的方法,剔除了外生环境变量的影响,衡量和评价了各地区的科技投入效率。结果表明:环境因素对科技投入效率影响显著,经典DEA方法得出的科技投入效率被明显高估;排除环境变量后,绝大部分省市的规模无效率是由于科技投入不足造成的。     

基于DEA模型的河南地区物流企业投入产出效率分析

建立评价物流投入产出的指标,基于DEA的C2R和C2GS2模型,分析研究了2012年河南地区17个城市的物流投入产出效率。结果表明,DEA总体无效的城市有10个,河南地区物流投入产出纯技术平均效率、纯规模平均效率以及总体平均效率分别是0.78、0.90、0.72。说明物流效率偏低的主要原因是纯技术效率偏低,并对DEA总体无效的城市提出了物流业发展建议。     

Aspects of statistical analysis in DEA-type frontier models

In Grosskopf (1995) and Banker (1995) different approaches and problems of statistical inference in DEA frontier models are presented. This paper focuses on the basic characteristics of DEA models from a statistical point of view. It arose from comments and discussions on both papers above. The framework of DEA models is deterministic (all the observed points lie on the same side of the frontier), nevertheless a stochastic model can be constructed once a data generating process is defined. So statistical analysis may be performed and sampling properties of DEA estimators can be established. However, practical statistical inference (such as test of hypothesis, confidence intervals) still needs artifacts like the bootstrap to be performed. A consistent bootstrap relies also on a clear definition of the data generating proces and on a consistent estimator of it: The approach of Simar and Wilson (1995) is described. Finally, some trails are proposed for introducing stochastic noise in DEA models, in the spirit of the Kneip-Simar (1995) approach.     

剥离环境因素的中国高技术产业创新效率综合测度研究

由于未剔除环境因素和随机误差的影响,运用传统数据包络分析（DEA）和随机前沿分析（SFA）对高技术产业创新效率进行研究,容易引起评价结果误差。采用二者相结合的三阶段DEA模型对高技术产业创新效率及其影响因素进行测度与分析,能够保证评价结果的有效性。研究结果显示：规模效率不足是限制我国高技术产业创新效率提升的关键因素;另外,市场开放度能够显著正向促进高技术产业创新效率提升,而政府资助、地区经济发展和地区竞争不利于创新效率提升。最后,对投入要素与技术效率进行聚类分析,将我国内地28个省市划分为4种创新类型,并〖JP〗提出提升高技术产业创新效率的政策建议。     

基于DEA方法的重庆市工业企业创新能力评价

本文在简单评述有关工业企业创新能力研究现状的基础上,引入数据包络分析方法,并将其作为评价工业企业创新能力的定量方法。并且以重庆市2007年工业企业创新统计数据为依据,在建立创新投入产出指标体系的基础上,运用DEA方法。从综合有效、技术有效和规模收益三个方面对重庆市23个区县的企业创新效率进行评价,对投入产出相对无效的决策单元分析其无效原因,并给出改进方案。结果表明：该方法可以对不同企业创新能力进行比较排序,为企业的经营决策提供了很好的参考依据。     

我国丝绸之路经济带物流设施效率分析--基于DEA 模型的M almqusit指数方法

“道路联通”既是实现丝绸之路经济带“贸易畅通”的基础保障,也是实现“民心相通”、“货币流通”和“政策沟通”并最终实现区域经济一体化和社会文化融合的助推器。采用DEA模型的M almqusit指数分析法对我国丝绸之路经济带物流设施效率进行了分析。分析得出结论：贸易环境负向变化是造成我国丝绸之路经济带交通基础设施效率下降的主要原因;提高经济带物流设施对经济的贡献不应只关注新增交通基础设施,更应关注现有物流设施的运营效率;为提高经济带交通基础设施的整体效率,今后交通基础设施建设的区域结构应倾向于陕西、江苏、山西、安徽等仍存在物流设施规模效率的省份。     

基于 DEA 的海运物流企业绩效研究

为科学准确地评价我国海运物流企业的绩效,选取了13家上市的海运物流企业,采用因子分析方法对公布的财务数据进行简化,从海运物流企业的偿债能力、经营发展能力、盈利能力、资本结构、未来发展方面构建了海运物流企业绩效评价指标体系,运用数据包络分析方法对海运物流企业绩效情况进行了实证分析,建立了投入产出的DEA模型,以此得出海运物流企业管理绩效评价值和前沿面图,结合评价结果和企业实际运营情况,证实了这种方法对海运物流企业绩效研究有较好的应用价值。     

中国经济发展的投入产出效率研究

从投入产出角度,运用超效率三阶段DEA模型与Malmquist模型相结合的分析方法,修正了环境因素与随机因素的影响,从静态与动态的时间角度对2008_2012年我国30个省（市、自治区）经济发展效率进行分析。结果表明：从静态层面看,我国各省经济发展效率不容乐观,综合效率值较低,大约2/3省的经济发展都处于低效状态;经济发展效率受环境影响较大,剔除环境因素的影响后,各省综合效率均显著下降;三大区域中,东部地区经济发展效率仍处于领先地位,西部地区次之,中部地区最低,但整体来看区域间经济发展效率差异逐渐减小。从动态层面看,通过Malmquist模型分析,考察期间全要素效率和综合技术效率M值逐年下降,技术进步效率逐渐增长,且全要素效率下降的主要原因是纯技术效率下降。因此,各地区应该充分发挥优势,加快技术创新,提高规模效率,进一步提升发展水平。     

基于SSBM-ESDA模型的安徽省县域农业效率时空演变

以绿色农业发展为导向,选择农业碳排放作为非期望产出指标,采用超效率的SSBM模型和探索性空间数据分析(ESDA)相结合的方法,以县域单元为尺度对2000-2017年安徽省农业效率水平、空间格局及其演变趋势进行实证分析。研究发现:①传统DEA模型忽视了农业碳排放等非期望产出的负面效应,从而高估农业资源利用的实际状态,基于超效率的SSBM模型更符合实际情况,能较好地识别各评价单元之间的优劣关系。②研究期内,安徽省农业效率值呈波动式上升态势,但总体上处于效率中等水平,农业效率空间分布不均衡,呈现出皖南地区>皖中地区>皖北地区的空间分布格局;空间变化趋势呈现自西向东递增、自北向南U型增长的变化态势,南北差异的增大是安徽省县(市、区)农业效率差异增大的主导因素。③除2010年外,安徽省农业效率呈正相关,空间差异有所缩小,但空间集聚程度相对较弱;安徽农业效率HH集聚县区集中分布于皖南地区,且呈现出向周边县区扩散的态势,LL型县(市、区)则主要分布在皖北地区,且空间分布较为稳定。④研究期内,安徽省农业效率空间正相关的县(区)数量有所增加,表明该时间段内安徽省农业效率空间上进一步集聚,LL型集聚的皖北地区应当是安徽省农业发展关注的重点。