高技术产业创新全要素生产率变动研究

利用我国高技术产业分行业面板数据为研究样本,应用Malmquist生产率指数,实证考察了高技术产业研发创新生产的全要素生产率变动及其影响因素。主要的研究发现有：我国高技术产业研发创新全要素生产率整体呈现下降的趋势,且技术退步是其下降的主要原因;企业规模对研发创新全要素生产率变动有显著的正向影响,而市场竞争和国有产权有显著的负向影响。     

供给侧改革背景下山东省全要素生产率测算及影响因素研究

基于供给侧结构性改革背景,选取了2007—2017年的时间序列数据,采用DEA-Malmquist指数法对山东省全要素生产率进行了测算和分析,并运用面板数据模型的个体固定效应模型对全要素生产率的影响因素进行了分析.结果表明,山东省教育支出占比、研发投入强度、研发人员数量占比、进出口总额占GDP的比重、外商直接投资占比、...     

北京高技术产业全要素生产率测算方法的研究

增长核算法、指数法、生产前沿面法是目前常用的测算全要素生产率的方法。本文主要简单介绍了三种测算方法的基本理论,并分析了三种方法的优缺点。基于本研究时间段较短以及增长核算法适用于长期性预测的特点,我们最终选取了增长核算法作为测算北京高技术产业全要素生产率的主要方法。     

天津市工业行业TFP及对全要素能源效率的影响研究

针对在能源利用中全要素生产率对全要素能源效率提高的影响,基于DEA-Malmquist指数方法对天津市工业行业的全要素生产率指数和全要素能源效率等进行测算,并运用审查回归模型(Tobit)对影响全要素能源效率的各项影响因素进行分析.研究结果表明:政府决策影响、TFP指数、技术进步对全要素能源效率提高起到正向作用.     

北京市人工智能企业全要素生产率测度及差异性研究

人工智能的发展已成为衡量一个国家科技水平和经济智能化程度的重要标志。北京市作为国际科创中心,人工智能产业规模增长迅速,但仍处于发展初期,人工智能企业生产率的提升关系到人工智能产业的整体发展水平。本文运用DEA-Malmquist指数方法对2016-2018年114家北京市人工智能企业的全要素生产率进行测度,结果显示,北京市人工智能企业全要素生产率年均增长率为0.70%,技术效率是企业全要素生产效率提升的主要动力。此外,上市企业的全要素生产率水平高于非上市企业,且行业间差异明显,信息传输、计算机服务和软件业的全要素增长率最高,教育行业的全要素增长率最低。     

要素配置、全要素生产率对乡村产业发展的影响分析

乡村产业发展对于小康社会成果的巩固提升、农业农村现代化的推进均发挥着重要作用。以中国2011-2020年31个省份农业相关面板数据为依据,验证全要素生产率增长在要素配置中对乡村产业发展的影响是否为中介变量。研究发现,要素错配对乡村产业发展的影响机制中有全要素生产率增长的中介作用。对比东中西部地区,东部地区的直接抑制效应大于中西部地区,西部地区的中介抑制作用大于东中部地区。因此,需改善要素错配,优化要素配置,促进全要素生产率增长,从而促进乡村产业发展。     

山西省绿色全要素生产率测度及影响因素研究——基于黄河流域生态保护

将山西省作为黄河流域发展的先行区进行研究,探究山西省在黄河流域发展中的位置以及面临的问题.运用Malmquist指数对2005—2020年黄河流域9个省份的绿色全要素生产率进行测算,发现山西省的绿色全要素生产率位于黄河流域9个省份中的第四;从Malmquist指数的分解来看,技术进步是主要的贡献因素.通过进一步实证研究发现,对山西省绿色全要素生产率有负向作用的因素有能源结构和产业结构,正向作用的因素有经济发展水平、科学研究、外资利用程度和金融发展.     

中国区域全要素生产率的影响因素分析

基于状态空间模型的卡尔曼滤波算法,运用Eviews 6.0软件测算出1979-2004年我国各省域的全要素生产率(TFP)的增长率,构建面板数据模型来实证研究国际进出口、外商直接投资(FDI)、人力资本和产业结构等因素对我国全要素生产率的动态影响状况.面板协整检验和误差修正结果表明:从长期来看,人力资本、产业结构、进口以及FDI对全要素生产率的增长都具有不同程度的正向作用,出口的影响并不显著;而从短期看,人力资本水平与产业结构则是促进TFP增长的主要因素.     

江苏制造业全要素生产率多维度测评研究

基于2011年以来的最新行业分类标准,构建2011—2016年江苏省制造业31个细分行业的面板数据,采用DEA-Malmquist模型对江苏省制造业全要素生产率及其构成从时间的维度、细分行业的维度、基于研发强度的行业类别维度进行测评.结果表明,2011—2016年间江苏省制造业全要素生产率平均增长率为负值,且自2012...     

基于面板数据模型的高技术专利研发实证分析

通过对构成我国高技术产业的医药制造业、航空航天器制造业、电子及通讯设备制造业、电子计算机及办公设备制造业与医疗设备及仪器仪表制造业等5个行业的面板数据进行实证分析,研究了1995—2003年间我国高技术产业的专利研发情况。同时,根据实证分析的结果提出推进我国高技术产业专利研发的政策建议。     

石油类本科高校科技创新效率分析

运用DEA-BCC模型和DEA-Malmquist指数模型分析方法,对2007-2016年我国石油类本科高校的科技创新效率进行测度评价。结果表明:静态来看,2016年我国石油类本科高校科技创新综合效率、规模效率和纯技术效率均没有能够达到DEA有效,且各石油高校存在显著的差异性。石油高校科技创新资源配置规模与结构是提升科技创新综合效率的重要要素。从动态来看,大部分石油本科高校科技创新效率全要素生产率具有明显下降趋势,科技创新技术进步指数和技术效率变化指数两者较低是导致石油本科高校科技创新全要素生产率有所下降的重要原因。提升我国石油本科高校的科技创新效率应该逐步完善高校科研管理机制,培育高端技术科研人才;瞄准能源领域科技前沿,深化高校科技创新供给;加强产学研合作,推进科技创新成果市场转化。     

县域经济增长方式的时空差异及影响因素——以福建省为例

文章利用全要素生产率的贡献率分析了福建省县域经济增长方式的时空格局演变,并通过空间面板数据模型分析了影响经济增长方式的因素.研究发现:(1)福建省经济增长方式总体呈现从粗放型转向集约型进而又转为粗放型的特点;(2)福建县域集约型增长方式地区呈现从闽西、闽南向闽中、闽北逐渐演变的趋势;(3)工业发展和基础设施建设会显著促...     

长三角地区高新技术产业竞争力的动态评价〗——基于2004—2010年面板数据的实证分析

以长三角地区的高新技术产业竞争力为研究对象,采用因子分析和聚类分析方法,对2004--2010年的产业竞争力进行动态评价。研究结果表明：长三角地区的高新技术产业竞争力处于全国的领先地位,且领先地位逐年强化,但与居首位的珠三角地区相比,还有一定的差距。     

纺织企业全要素生产率的一种测算法

指出了现有全要素生产率测算法的不足,提出了全要素相对生产率的概念,并给出了相应的测算方法。     

建筑业全要素生产率的增长特征及其影响因素

综合采用基于数据包络分析(DEA)的Malmquist生产率指数分析、β收敛回归检验、灰色关联度分析等方法构建了对建筑业全要素生产率(TFP)增长指数进行综合测算并分析其收敛性及影响因素的框架,对1993—2012年中国建筑业全要素生产率的增长特征及其影响因素进行了分析.研究发现该时期建筑业TFP的年均增长率为4.6%,技术进步是TFP增长的主要源泉,技术效率则未有明显提升;TFP的变动具有明显的阶段性特征,其增长速度在2004—2007年处于最高水平,随后呈下降趋势;全国及东部、中部地区各省份之间TFP增长具有绝对β收敛,西部地区各省份之间的收敛性则不显著;经济环境、行业科技能力、行业市场结构等3类因素的变动与TFP增长存在关联,其中,外资建筑企业比例指数与TFP增长指数具有最高的灰色关联度.     

河南省农业全要素生产率变动及其影响因素分析——基于Malmquist指数法

改革开放以来,河南省农业发展取得巨大成就,但近期受各种因素影响增速有所减缓.因此有必要对河南省农业全要素生产率状况进行系统分析.通过测算河南省农业全要素生产率及其构成,进而分析其影响因素,发现河南省农业全要素生产率稳步增长,但受技术进步影响缓慢,增速逐渐趋缓;河南省各地区、各区域农业全要素生产率差异明显;工业化水平和对外开放程度对河南省农业全要素生产率的影响相对较强,农业科技支持力度的影响力相对较弱,农业资本投入的影响最弱.因而可以从提升工业化水平、扩大对外开放程度、加大财政支持3方面着手进行政策调整.     

终极所有权与公司全要素生产率关系

以2003～2007年中国制造业上市公司的面板数据为基础,计算相应的终极所有权与公司全要素生产率,建立固定效应模型研究终极所有权与公司全要素生产率的关系.回归结果显示,终极所有权与全要素生产率之间存在显著的3次曲线关系,随着终极所有权的上升,两者关系发生两次明显变化.当终极所有权低于0.30,对全要素生产率有正向促进作用,两者正相关;当终极所有权处于[0.30,0.75]区间时,对全要素生产率则是负向阻碍作用,两者负相关;当终极所有权超过0.75,两者又转变为正向关系.研究结果表明,终极所有权具有显著的治理效应,能影响公司的全要素生产率.