New evidence on the robust identification of news shocks: Role of revisions in utilization‐adjusted TFP series and term structure data

Data revisions and selections of appropriate forwarding‐looking variables have a major impact on true identification of news shocks and quality of research findings derived from structural vector autoregression (SVAR) estimation. This paper revisits news shocks to identify the role of different vintages of total factor productivity (TFP) series and term structure of interest rates as major prognosticators of future economic growth. There is a growing strand of literature regarding the use of utilization‐adjusted TFP series, provided by Fernald (Federal Reserve Bank of San Francisco, Working Paper Series, 2014) for identification of news shocks. We reestimate Barsky and Sims' (Journal of Monetary Economics, 2011, 58, 273–289) empirical analysis by employing 2007 and 2015 vintages of TFP data. We find substantial quantitative as well as qualitative differences among impulse response functions when using 2007 and 2015 vintages of TFP data. Output and hours initially decline, followed by quick reversal of both variables. In sharp contrast to results achieved by the 2007 vintage of TFP data, results achieved by the 2015 vintage of TFP data depict that output and hours will increase in response to positive TFP shock. By including term structure data in our VAR specification, total surprise technology shock and news shock account for 97% and 92% of the forecast error variance in total TFP and total output respectively. We find that revisions in TFP series over time ultimately impact the conclusion regarding news shocks on business cycles. Our results support the notion that term structure data help in better identification of news shock as compared to other forward‐looking variables.     

中国经济增长具有可持续性吗？——要素贡献度视角下的实证分析

中国经济增长的可持续性问题一直是经济研究的热点,尤其是中国经济进入新常态后,这一问题更加突出。本文通过测算中国经济增长的DEA-Malmquist全要素生产率指数,将其分解为技术效率变化、技术进步、纯技术效率变化、规模效率变化,从要素贡献度的视角研究中国经济增长的可持续性。研究表明,由资本拉动和劳动供给构成的经济增长,全要素生产率偏低,但不同区域全要素生产率指数偏低的原因并不相同。在供给侧改革下,中国政府应因地制宜地对三大经济区域采取不同策略提高全要素生产率,为中国经济增长提供持续动力。     

要素市场一体化对地区全要素生产率的影响

通过测算2011—2020年省级地区的资源错配方向发现，落后地区的资源配置过度，而发达地区处于资源配置不足的状态，因此要素市场一体化意在改善资源错配的现状，提高落后地区边际生产率，并发挥集聚效应促进先进地区全要素生产率的提高。由此，基于我国2008—2019年30个省份的省际面板数据构建计量模型验证该理论假说，结果表明，要素市场一体化在促进先进地区生产率提高的同时，也有助于通过要素的流出对落后地区产生促进作用。作用机制分析显示，促进技术进步与技术效率的提高是要素市场化提升全要素生产率的机制。     

基于CASA模型的广西植被NPP季节变化研究

植被净初级生产力（Net Primary Productivity，NPP）是判定陆地生态系统碳汇/源的关键要素，不仅直接代表了自然环境条件下植被群落的生产能力，还体现了陆地生态系统的质量水平。本文基于陆地生态系统碳汇模型（CASA模型），利用2019年中分辨率成像光谱仪（MODIS）归一化植被指数（NDVI）数据和其他气象数据，对月、季节、年尺度上的广西植被NPP的空间变化进行估算，分析其时空变化特征，并探讨不同植被类型、气象因子和地形地貌对其的影响。结果表明：2019年广西整体区域的植被NPP平均值为880.56 g C·m^-2·a^-1，植被NPP空间分布呈内陆中心向四周递增、东北部向西南部递增的特点。月植被NPP在时间序列上总体呈现正弦曲线的变化特征，1-8月的植被NPP呈上升趋势，在8月达到峰值，而且9月仍然维持较高值；之后至12月，植被NPP逐步下降。广西植被NPP的季节变化明显，冬季的植被NPP整体最低，区域差异性不突出；夏季的植被NPP整体最高，区域差异性突出。常绿阔叶和混交林分布面积广且其光能利用率较大，对广西植被NPP贡献较大。从月尺度上来看，月植被NPP与月累计降水量主要呈负相关关系，与月平均气温主要呈正相关关系；月平均气温与月植被NPP的偏相关性比月累计降水显著，月平均气温是广西月植被NPP的主要影响因子。在中海拔地区（700-1 300 m），植被NPP并不受喀斯特地质环境背景的影响，喀斯特地区和非喀斯特地区植被NPP相差不大且随着海拔高度的上升趋于稳定。在全球变化背景下，分析广西植被NPP的时空演变规律及其与环境要素之间的关系，可为广西生态环境监测与管理、生物多样性保护、生态服务评估等提供科学参考。     

加拿大自然科学与工程研究理事会计划的经济影响评估

本文基于已有文献,介绍加拿大自然科学与工程研究理事会合作与开发计划的经济影响评估。它采用自上而下的方法,通过分解一个经济体的多要素生产率增长的因素,从而估算大学教育和研究活动对GDP增长的贡献。文章的最后简要总结经济影响评估的优势和局限性。     

林业碳汇提升的主要原理和途径

降低大气CO₂含量、缓解气候变暖,已成为当今科学界和国际社会广泛关注的前沿热点问题。林业碳汇作为基于自然解决方案实现“碳达峰、碳中和”的一个重要途径,在应对全球气候变化方面发挥着基础性、战略性、独特的作用。林业碳汇不仅是森林碳汇,林产品碳汇也起着不可忽视的重要作用。林业碳汇潜力提升是一个森林生态系统净碳收支平衡和全产业链林产品碳汇的调控过程,主要包括无机碳的植物固定(光合过程、净生产力等)、土壤有机碳的周转与固定(动植物和微生物残体分解与黏土固定)、林产品碳的固持(林产品产量、木材转换效率、种类和使用寿命等)等3方面的调控原理。笔者从森林碳汇和林产品碳汇两个维度阐述了提升林业碳汇的主要原理、方法或途径。提升林业碳汇潜力的主要途径包括:①通过适地适树、适钙适树人工造林,以增加森林面积;②以完善森林经营措施来增加森林净生产力;③利用矿质黏土对有机碳的保护来增加森林土壤碳汇;④提升林产品产量和改进林产品用途以增加其寿命。在全球尺度上,增加森林面积或提高森林净生产力3.4%,或用可再生能源替换薪炭木材,再将薪炭木材用于制造锯材和人造板,都可以连续30 a每年增加1 Pg的碳汇量。减少全球森林火灾面积1/4或增加森林土壤有机碳含量0.23%,也可以增加碳汇1 Pg。此外,林业固碳还有巨大潜力可以挖掘。     

柯布—道格拉斯生产函数在湖南汽车工业生产率分析中的应用

运用柯布－道格拉斯生产函数对湖南果园汽车改装厂的全要素生产率进行了定量分析，研究了其要素组合方式中的若干现象，讨论了这些现象产生的原因，并以此为基础，提出了加快湖南汽车工业发展的若干建议。