计量经济学在中国服务业生产率测度中的应用

应用计量经济学方法和Frontier 4．1计算程序对中国1992--2002年服务业全要素生产率(TFP)进行了测度．采用了利用面板数据的随机前沿生产函数模型,这一模型与传统的经济核算模型不同,它不仅将产出增长分解为投入增长和TFP增长,而且还将TFP增长进一步分解为技术进步和技术效率．研究结果表明,在过去的10年中,服务业多要素生产率对中国经济增长的贡献率达到了42．5％,这一贡献主要来自技术进步。     

中国渔业全要素生产率的动态实证分析(2003～2012)——基于Malmquist指数方法

利用Malmquist生产率指数模型,计算了我国2003~2012年的渔业全要素生产率(TFP)变化情况。结果表明,空间梯度上,在研究期间我国渔业经济的TFP的动态变化平均值为1.033,基本达到效率前沿面,其中,东部区域渔业经济全要素生产率要优于中西部地区;时间梯度上,TFP在研究期间呈"N"形态特征,TFP指数的变动和技术进步指数的变动呈现出相似的变动形态。研究对于提高我国渔业经济效益,优化渔业经济结构提供了重要的决策依据。     

创新驱动战略下山东省区域自主创新效率评价研究

首先运用数据包络分析法(DEA)的CCR模型对山东省17个地市的自主创新效率进行横向评价,从投入指标和产出指标两方面分析非DEA有效区域存在的问题与有效改进值;然后运用全要素生产率指数(TFP)测算了山东省17个地市自主创新的Malmquist全要素生产率,对各地市TFP变动和自主创新效率发展进行了纵向评价分析;最后,根据评价结果提出了创新驱动战略下提升山东省区域自主创新效率的对策建议.     

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.     

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.     

内蒙古县域全要素生产率增长及其收敛性研究——基于DEA-Malmquist指数的实证分析

运用DEA-Malmquist指数法对内蒙古县域全要素生产率(TFP)增长进行分析.结果显示,内蒙古县域TFP增长总体水平偏低,对经济增长的贡献率偏小且呈逐年下降趋势,县域经济属于粗放式增长;技术效率与技术进步变动呈反周期波动,是导致TFP低水平增长的主要原因;县域TFP增长表现出明显的个体差异,西部县域差距高于东部.收敛性检验表明,内蒙古县域TFP增长存在显著的条件β收敛,西部县域收敛速度慢于东部,说明内蒙古县域TFP增长将会收敛于各自的稳态水平,而绝对β收敛却是一个相当漫长的过程.     

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。     

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.     

基于DEA-Malmquist的工业绿色全要素生产率测算及分析——以湖北省为例

采用DEA 模型的Malmquist 指数方法测度了2000—2013年湖北省工业绿色全要素生产率.结果表明:湖北省工业绿色全要素生产率处于缓慢增长状态,其增长率约为6.7%,且主要是工业绿色技术进步推动.然后选取2000—2013 年的统计数据,基于VAR 模型运用广义脉冲响应函数和方差分解分析了湖北省工业绿色TFP的主要影响因素.结果表明:城市化率对工业绿色TFP增长短期具有显著作用,长期趋于稳定; 产业结构及科研创新对于工业绿色TFP增长短期促进作用较弱,但从长期来看2者是工业绿色发展和转型的重要驱动力.     

高技术产业全要素生产率的差距及影响因素研究

运用DEA-Malmquist指数,测度了1996—2010年中国大陆30个省市高技术产业全要素生产率的变化和差距,并对其影响因素进行了分析。研究表明:技术进步在各地区差异明显,但各地区全要素生产率的增长具有趋同的趋势。相比东部地区,中西部地区技术效率对全要素生产率的推动作用更为明显。从全要素生产率的影响因素来看,科技活动人员、对外开放水平对全要素生产率的影响为正,市场化程度对全要素生产率的影响为负,研发强度、政府管理水平对全要素生产率的影响并不显著。     

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。     

中国研究型大学科研全要素生产率动态评价——基于DEA-Malmquist指数的实证分析

利用DEA-Malmquist指数方法测算并分析"十一五"期间中国研究型大学自然科学学科科研全要素生产率,主要发现:研究型大学科研全要素生产率的改进主要源于技术进步,规模效率和纯技术效率改善的贡献不明显,尤其是规模效率甚至在一定程度上起拖累作用。分区域比较,受制于技术进步滞后,西部地区大学科研全要素生产率改进状况明显落后;得益于管理制度优化所带来的纯技术效率提升,东部地区,尤其是沪苏浙地区全要素生产率改进突出;得益于规模合理设置所带来的规模效率提升,中部地区全要素生产率不断改进。分学校层级比较,尽管"985工程"大学获得了更大的科研投入力度,但全要素生产率及各效率维度改进状况均落后于非"985工程"大学。因此,未来高水平研究型大学建设需高度重视效率问题。     

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PCA-DEA组合模型和Malmquist指数的我国各省区文化产业效率研究(2008-2012年)

构建了我国文化产业投入、产出的多指标体系,运用基于主成分分析的数据包络分析评价法测算了2008~2012年我国各省区文化产业投入产出效率.结果表明:我国文化产业总体效率有待提高,且各年度存在效率浪费,大部分省区文化产业投入产出效率低下.同时,也测算了我国各省区文化产业的Malmquist指数及其分解,结果表明:文化产业全要素生产率从整体上看呈下降态势,技术进步迟缓为其主因.     

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。     

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。     

环境与资源约束下城市全要素生产率的测算与分解 ——基于方向性距离函数和Global Malmquist Luenberger指数

为了在资源与环境约束下研究城市全要素生产率的结构与变化规律,对285个中国城市在2003—2014年间的绿色全要素生产率变化程度进行了测算、分解,其结果表明绿色全要素生产率以年均2.12%的速度增长,其中技术进步和技术效率提升的平均速度分别为1.74%与0.37%。绿色全要素生产率在累积增长率上小于传统全要素生产率,表明中国城市发展过程中的环境与资源代价过高;但也有部分城市能够实现经济增长与环境规制之间的有效协调。城市绿色全要素生产率的累积增长率存在中部东部西部的区域差异,技术进步在东部地区绿色全要素生产率增长过程中的贡献最高,而中、西部则相对较多地依赖技术效率改善。     

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。     

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.     

中国人力资本全要素投资效率动态变动及省域差异研究

为评价中国人力资本投资效率,基于DEA-Malmquist生产率指数分析方法,构建人力资本全要素投资效率的测度模型,分析中国31个省、市、自治区2010—2013年人力资本投资的面板数据,对中国人力资本的全要素投资效率进行实证测度,并分析样本年内中国人力资本的全要素投资效率的动态时间序列变动和省域差异情况。研究结果表明:从总体来看,2010—2013年我国人力资本全要素投资效率呈现下降的趋势,平均下降3.2%;从省域来看,安徽人力资本投资效率的改善最好,而吉林的改善最差,技术进步是导致省域差异的主要原因。