湖北省农业全要素生产率及其变动的实证研究

运用Malmquist指数方法,考察2004年～2009年湖北省农业全要素生产率的变动趋势,通过Malmquist指数的分解,分析湖北省农业全要素生产率增长的内在动力.结果表明,湖北农业全要素生产率的增长主要是由技术进步推动的,规模效率和纯技术效率的共同作用使湖北农业资源配置效率对全要素生产率的增长作用不明显,因而提高农业生产的技术效率是湖北农业发展的主要方向.同时针对湖北省农业主产区的区域地理特征,提出应走农业规模化生产的道路以提高规模效率,最终促进湖北省农业全要素生产率的增长.     

农业生产效率变动的DEA—Malmquist分析——以河南省为例

在分析2003--2010年河南省农业统计数据的基础上,采用DEA—Malmquist指数分析法对影响河南农业全要素生产率增长的内在动力进行分析,得出主要影响因素为技术变化率,技术进步缓慢使规模效率和纯技术效率对农业全要素生产率的增长作用不明显,据此提出加大农业科研政策支持力度、提高农业组织化及管理水平、推进农业机械化发展等改善河南省农业全要素生产率的途径．     

技术进步、技术效率与陕西省农业全要素生产率增长

利用带有"非期望"产出的SBM模型和Global-Malmquist-Luenberger指数测度了2000~2016年陕西省10个市的农业全要素生产率增长指数,并将其分解为技术效率、规模效率和纯技术效率。研究发现:技术进步在陕西省全局农业全要素生产率增长过程中发挥重要作用。鉴于此,从科技创新视角为提高陕西省农业全要素生产率提出政策建议。     

中国信托业效率测度及动态变化的实证研究

为了检验银监会实施信托"新政"和金融危机对中国信托业效率的影响,运用数据包络分析方法(DEA)重点分析了我国37家信托公司2008年经营的相对效率,结果显示我国信托公司技术效率普遍较低,均值仅为0.507,主要受累于纯技术效率和规模效率的低下.同时,构建了投入产出导向型的Malmuiqst生产率指数对中国信托业2004-2008年全要素生产率的动态变化进行分析,结果表明中国信托业全要素生产率有了较为可观的改善,全要素生产率的增长主要来自于技术变化,技术效率变化的贡献较小.     

西部地区农业生态效率评价及影响因素研究

目的 分析2010-2019年西部地区农业生态效率水平并探讨农业生态效率的影响因素。方法 运用非期望超效率SBM模型和Malmquist指数测度农业生态效率，并运用面板Tobit模型对农业生态效率的影响因素进行研究。结果 (1)2011-2019年，西部地区农业生态效率整体呈现出“N”型趋势，且地区间差异较大；(2)2019年甘肃、内蒙古、宁夏、青海、四川和云南的生产要素投入和碳排放产出均存在不同程度冗余；(3)西部地区全要素生产率呈现出“U”型趋势，且全要素生产率增长主要由技术进步驱动；(4)西部地区农业生态效率受到规模化水平、机械化水平、受灾率、农民收入水平、环境规制水平与技术投资水平等多方面影响。结论 需从农业要素节约、高效投入，严格控制农业碳排放和加大农业技术投资与环境污染治理投资3方面对西部地区农业生态效率进行提高和改进。     

中原经济区县域粮食生产效率时空特征研究

采用2003—2013年中原经济区201个县域的面板统计数据,运用DEA方法,对201个县域粮食全要素生产率增长指数进行了测算.结果表明:12003—2013年,中原经济区各县粮食全要素生产率存在一定的波动,总体呈上升趋势,增长幅度逐渐放缓.2中原经济区粮食生产的全要素生产率指数和技术效率东部地区要高于西部地区,区内差异较大,受地形和农业机械化水平影响较大.3通过对中原经济区各县Local Moran’s I指数的研究,Local Moran’s I值从2003年的0.29上升到0.48,技术效率在空间上的集聚呈现出由弱到强的趋势,并日益"两极化",呈现"高—高"、"低—低"集聚的两种空间发展模式为主的状态.针对提高粮食生产效率,完善粮食生产技术空间配置的目标,提出了相应的政策建议.     

西部地区环境全要素生产率测算及其影响因素分析

运用方向性距离函数和Luenberger指数测算西部地区2000—2014年环境全要素生产率,并对影响全要素生产率的因素进行实证分析。研究表明:广西和陕西两省环境全要素生产率变动指数增长最快,主要是由技术进步、规模效率和技术规模三重贡献的推动;西部环境全要素生产率增长呈现下降趋势,其增长主要来源于技术进步推动;经济发展水平、产业结构、能源消费结构、对外开放、市场化、技术水平、环境规制强度和环境治理能力对西部环境全要素生产率具有不同的影响。     

基于三阶段DEA-Malmquist模型的乡村振兴下的农业保险支农效率

采用三阶段DEA-Malmquist模型,通过测度农业保险支农的TFP及其构成,对我国2008—2017年31个地区在乡村振兴背景下的农业保险支农效率进行测度与区域差异分析,并采用SFA模型剔除环境变量和随机误差.分析结果表明:(1)对投入指标进行调整前,总体全要素生产率变动下降,表明在农业保险支农过程中,未充分发挥已有农业保险要素投入的潜力,且该下降主要源于技术进步的阻碍.从地区来看,各省全要素生产率变动下降的省份达30个,农业保险支农发展的潜力较大.(2)剔除环境变量与随机误差后,全要素生产率变化和技术进步有所增加,增长达到28.0%和14.3%,表明在农业保险支农过程中更加注重技术的提高.但是,技术效率变化下降了8.47%,影响了TFP的提高.各省Malmquist生产率指数除吉林、黑龙江、广东、新疆外均有改进,且其改进得益于技术进步的改进.区域间技术进步存在显著差异,但纯技术效率变化和规模效率变化差异在缩小.     

长三角城市旅游专业化水平对旅游全要素生产率的影响效应

综合采用DEA-Malmquist指数模型、GIS空间分析及GMM动态面板回归等方法探讨了长三角地区城市旅游专业化水平对旅游全要素生产率的影响效应.结果表明:2001—2017年,长三角地区城市旅游专业化水平由低值集聚的"倒山"字型向"南高北低"空间格局推进,旅游全要素生产率由负向增长的"入"字型分布格局提升至正向促进的"均衡"状态;动态面板回归结果显示旅游专业化水平对旅游全要素生产率表现为明显倒"U"型曲线关系,且倒"U"型曲线拐点为4.89;经济发展水平、交通发展水平、信息化水平和产业结构对旅游全要素生产率具有显著正向影响,而旅游资源禀赋、市场化程度及城镇化水平抑制旅游全要素生产率的提升.     

中小型高技术企业R&D效率的评价与分析 ——基于三阶段DEA模型

运用2005—2014年高技术企业的面板数据,基于三阶段DEA模型对中国中小型企业的投入产出效率进行评价,并与大型企业进行了对比分析。在此基础上,运用DEA-Malmquist生产率指数对中国不同规模类型高技术企业RD的全要素生产率及其分解指数的变化趋势进行了分析。结果表明:样本期间高技术企业总体的全要素生产率有一定幅度的提升,且主要得益于技术进步,但小型企业的全要素生产率增长幅度远远小于大中型企业。最后,根据实证结果得出了相关的结论和政策建议。     

基于DEA方法的电信企业运营效率研究

本文运用DEA方法结合Malmquist指数,分析了2007-2009年某省级电信企业的运营效率及变动。研究表明,该企业在研究期间整体运营效率不高;规模无效率是导致技术无效的主要原因;全要素生产率在三年间保持增长,但增幅缓慢;技术变动呈现负增长,成为全要素生产率增长的最大制约。     

乡村振兴背景下农业龙头企业技术创新效率研究——基于六盘水21家样本企业的实证分析

基于DEA模型结合Malmquist指数方法，利用2018—2020年期间六盘水市农业三大产业猕猴桃、刺梨、茶叶中的21家省级以上农业龙头企业的农业投入与产出数据，对21家企业的综合技术效率、纯技术效率、规模效率及全要素生产率进行解析，探究影响六盘水市农业三大产业技术创新效率的因素。结果表明：六盘水市21家农业龙头企业的技术创新效率较低，主要受限于纯技术效率；技术进步率显著影响着全要素生产率，三大产业均属于技术推动创新绩效型。因此，为有效提高产业技术创新效率，必须以重塑创新格局提升技术进步率。     

吉林省房地产的经济效率研究

运用Malmquist指数计算了2000—2012年间吉林省房地产全要素生产率及其构成;运用BCC模型评价了2012年吉林省9市州房地产业发展的相对经济效率.结果表明:技术进步是促进吉林省房地产全要素生产率增长的主要原因,吉林省房地产业由粗放式的规模增长向依靠技术进步、管理和服务创新转变;2012年吉林省各市州房地产投入产出效率总体偏低,技术效率差异较大;部分市州数据包络分析(data envelopment analysis,DEA)无效的原因为存在投入冗余,房地产发展仍处于"高投入,低效率"的粗放型发展模式.     

财政农业科技投资对粮食全要素生产率作用的实证研究

通过全要素生产率指数法对1990—2012年间中国主要粮食作物的全要素生产率的变动进行测算,在此基础上,建立带有分布滞后效应的误差修正模型来对国家财政农业科技投入对粮食生产全要素生产率的作用进行实证分析。研究结果表明:全要素生产率对粮食产量的增长起到了重要的作用。影响粮食全要素生产率增长的主要因素有政府财政农业科研投资、政府财政农业科技推广投资和有效灌溉面积占播种面积的比重。有效灌溉面积因素对粮食生产全要素增长率增长的影响短期效应最明显;政府财政科技推广投资对粮食生产全要素增长率增长的影响也具有短期效应;长期来看,政府财政科研投资对粮食生产全要素生产率增长具有积极作用;科研投资的短期效果大于长期,效果的产生至少存在3年滞后期,并且促进粮食全要素生产率增长的作用可以持续多年。     

黄河三角洲地区港口全要素生产率的动态实证分析

以黄河三角洲区域内莱州港、东营港、潍坊港和滨州港作为研究对象,基于DEA（data envelopment analysis）模型和Malmquist生产率模型,选取该区域港口2010年—2017年投入产出数据对其动态效率进行测度。结果表明：样本期间黄三角地区主要港口总体技术效率呈现增长态势;从动态效率角度,黄三角地区四大港口整体Malmquist生产率年均增长率为正,呈上升态势;不同港口全要素生产率存在较大差距;影响黄三角港口全要素生产率的主要驱动因素不仅是技术进步变动,还包含规模效率的变动。     

基于超效率DEA模型的山东省区域生态效率差异研究

采用2008-2012年的统计数据,通过超效率DEA模型对山东省十七地市的生态效率进行测算及动态评价.研究表明:2008-2012年山东省的生态效率整体较高,但是十七地市之间存在明显差距.基于Malmquist指数评价模型的结果显示:2008-2012年全要素生产率TFP除威海和滨州小于1外,其他地市均大于1,年均增长率为10.2%.而从年均Malmquist分解来看,总体呈现上升趋势.从增长率的角度进一步分解说明,技术进步是推动生态效率增长的主要动力.     

河南省新型城镇化动态效率评估

新型城镇化效率提升是新型城镇化高质量发展的关键内容之一。本文通过运用非期望产出SBM模型和Malmquist-Luenberger生产率指数模型,测算了2003—2016年河南省新型城镇化的全要素生产率及其分解情况,研究发现:河南省新型城镇化全要素生产率指数的增长主要源于技术进步,郑州大都市区效率变化指数和技术进步指数优于核心发展区和联动辐射区;技术优先型的地级市少于效率优先型的地级市。因此,优化资源配置、转变产业结构等方式是河南省提高新型城镇化效率的主要路径。     

基于Malmquist指数的陕西省农业全要素生产效率分析

为提升陕西省农业生产力水平,采用DEA-Malmquist方法构建评价模型,以陕西省2013—2018年间的面板数据为基础,对陕西省全要素生产效率指数进行了分析。研究结果表明:研究期间陕西省农业全要素生产率指数呈逐年上升趋势,农业生产规模效率指数整体呈下降趋势,技术进步是陕西省农业生产力提升的第一驱动力,各行政市的全要素生产效率的影响因素存在较大的差异。为提高陕西省的农业生产力,应采取优化农业投入规模、加大农业科技投入、调整农业结构、兴修水利等针对性对策。     

我国寿险公司经营效率及其效率持续性分析

运用超效率DEA方法和全要素生产率指数,选取2003~2008年我国25家具有代表性的寿险公司的数据样本,测算其技术效率、纯技术效率、规模效率以及全要素生产率的动态变化。结果显示,我国寿险公司经营效率的总体趋势稳步提升,但无论是纯技术效率还是规模效率水平都仍然偏低。在计算上述25家寿险公司的全要素生产率指数的基础上,构造了效率持续性指数,将25家寿险公司划分为四种类型,并分析了不同类型寿险公司动态效率变化的影响因素。     

浙江省绿色全要素生产率估算——基于DEA-Malmquist指数方法

运用规模收益固定的DEA-Malmquist指数分析法,基于2006—2015年浙江省11个地级市的面板数据,估算浙江省各市的全要素生产率及绿色全要素生产率,并据此分析其时空演变特征以及各市的地区性差异。结果表明:浙江省内的绿色全要素生产率地区差异并不十分明显,而在2006—2015年期间绿色全要素生产率呈现下降的趋势,但是从传统全要素生产率及其分解来看,环保投入及规制带来的影响仍然是正向的。结论是要进一步促进浙江省经济的可持续发展,需通过提高绿色技术进步率和优化产业结构,进而提高绿色全要素生产率,兼顾经济增长的效率和环境问题。