广东省科技成果转化效率测量与时空特征——基于DEA-Malmquist指数模型

为有效识别广东省科技成果转化的效率与时空特征,促进科技成果更好赋能经济社会高质量发展,运用DEA-Malmquist模型,测算广东省21个地级市在2010—2019年的科技成果转化效率。研究发现,2010年与2019年,全省整体科技成果转化综合效率未达到DEA有效,且2019年的综合效率更低;同时,全要素生产率指数普遍波动较大,各市历年全要素生产率指数差异普遍显著,其中技术进步是影响全要素生产率指数的主要指标。基于此,研究提出平衡研发与转化、推动“政产学研金用服”协同、实施差异化的成果转化战略和加强区域交流合作的政策建议。

山东省文化产业全要素生产率变动及其异质性研究——基于DEA-Malmquist指数模型分析

基于2015—2021年数据,采用DEA-Malmquist指数模型测度和分析山东省文化产业全要素生产率的变化情况及区域和行业的异质性。研究结果发现:文化产业全要素生产率动态变化明显,整体呈现上升趋势;其提升幅度有限主要源于技术进步变动指数的下降和技术效率变动指数的有限上升;地区差异方面,山东的16市之间和山东三大经济圈之间呈现明显区域异质性;行业差异方面,文化制造业、文化批发和零售业、文化服务业等三大行业整体差距较小,但技术进步、纯技术效率、规模效率等分解指数存在明显差异。为文化产业高质量发展探索新增长点,从加快培育文化新质生产力、统筹布局建设文化领域新项目、突出发展文化产业新业态、构建区域文化协调发展新局面等4个方面,提出联动提升山东省文化产业全要素生产率的对策建议。

基于三阶段DEA-Malmquist指数模型的“十三五”时期新疆畜牧业经济发展效率特征

为了测算和提高新疆畜牧业经济发展效率,采用三阶段DEA-Malmquist指数模型,对“十三五”时期新疆14个地(州、市)畜牧业经济发展水平进行投入产出效率分析。结果表明,从静态分析来看,只有伊犁州直属县(市)在“十三五”时期的规模报酬不变,呈DEA有效;其他地区由于规模效率或纯技术效率下降导致综合技术效率呈DEA无效,规模大多递增。从动态分析来看,“十三五”时期Malmquist指数小于1.000,表明新疆畜牧业经济效率呈下降趋势,且技术进步的变动是阻碍畜牧业经济效率提升的主要原因。应加强技术管理力度,以新型牧业经营主体为导向,提高优化资源配置效率的能力;加强草原保护建设,推行适度规模。效率水平高的地区应保持畜牧业经济发展优势,进行技术推广;效率水平低的地区需从政策、登记体系、基础配套设施建设、人才、技术等方面加大投入。

基于超效率DEA和DEA-Malmquist指数模型的智慧港口效率评价

为探究建设智慧港口是否促进港口效率的提升,选取15个正在进行智慧港口建设的港口为研究对象,设计包含港口智慧化特征的投入产出指标评价体系,从静态和动态两方面对港口效率进行分析。通过超效率数据包络分析(data envelopment analysis,DEA)发现,2019年港口效率整体优于2017年和2018年,但是规模效率有待提高;通过DEA-Malmquist指数模型分析发现,智慧港口建设主要通过技术的进步促进港口全要素生产率的提升,港口的技术效率仍需进一步提高。由此可看出,智慧港口的建设整体上促进了港口综合效率的提升。基于研究结果从国家层面建议加强信息基础设施建设、树立港口“智慧”标杆和继续深化供给侧改革,从企业层面建议加大科技研发投入、促进新兴信息技术的应用和提高港口专业化水平。

中国对海合会成员国直接投资分析——基于DEA-Malmquist指数模型

中国-海湾阿拉伯国家合作委员会峰会为双方经贸合作建立了新的发展契机,文章在海合会国家发展现状和与中国经贸合作分析的基础上,采用2010—2019年中国对海合会沙特阿拉伯、阿联酋、卡塔尔、科威特、阿曼以及巴林等6个正式成员国直接投资投入和产出数据,使用DEA-Malmquist指数模型分析了直接投资效率动态演变趋势。研究结果显示,中国对海合会各成员国直接投资效率有所差异,但总体未能达到改善水平。主要原因是技术进步效率制约了投资效率的增长,文章在最后结合研究结果和各国经济发展现状给出相关政策建议。

我国政策性农业信贷担保体系运行效率评价——基于三阶段DEA-Malmquist指数模型

为加快构建财政金融协同支农机制,有效缓解农业融资难、融资贵问题,2015年以来我国通过财政资本金注入方式支持33个省(自治区、直辖市、计划单列市)建立省级农业信贷担保机构,推动形成覆盖全国的政策性农业信贷担保体系。本文运用三阶段DEA模型和Malmquist指数分析法,分别从静态和动态两个层面测度2019—2022年我国政策性农业信贷担保体系运行效率。结果表明:(1)随机误差因素与外部环境因素的影响会导致体系运行效率值偏低,其中农林牧渔业总产值的增加和财政农林水事务支出的降低对体系运行效率有促进作用。(2)调整后体系综合技术效率较高,但只有两省处于效率前沿面上,有15省低于体系均值0.902,最低的湖南省效率值只有0.65。(3)从全要素生产率指数来看,体系效率先升后降,技术和创新成为影响体系运行效率的主要因素。因此,推动区域协调发展、创新运作模式、防控业务风险是提高体系运行效率的重要途径。

基于DEA-Malmquist指数模型的河北省科技资源配置效率分析

运用DEA-Malmquist指数模型对河北省各地级市2015-2019年的科技资源配置效率进行测度和评价。研究发现:从静态评价结果来看,河北省各地级市的科技资源配置效率整体介于0.6-1之间,具有较大差异;从动态评价结果来看,河北省各年度的配置效率均值为11.9%,呈增长趋势;各地区间的配置效率分布不均等。整体而言,河北省科技资源配置效率的增长主要归因于技术进步,但仍有较大发展空间,纯技术效率和规模效率的贡献作用有限,需进一步加强。

中国高技术产业创新效率差异性研究——基于三阶段DEA-Malmquist指数模型的分析

采用三阶段DEA模型和DEA-Malmquist指数模型相结合的方法,对2011—2016年中国高技术产业的创新效率差异性进行了研究.研究发现,中国高技术产业整体创新效率较低,原因在于低水平的规模效率拉低了综合技术效率,造成总体技术创新能力不够强;中国高技术产业创新效率的行业差异性显著,大部分细分产业的创新效率还有很大的提升空间.

基于DEA-Malmquist指数模型的黄河流域医院运营效率研究

目的分析黄河流域9省(区)医院的运营效率,为提高医院运营效率以及促进黄河流域医疗事业发展提供科学依据。方法描述黄河流域9省(区)医院投入产出指标的发展情况,利用DEA-Malmquist指数模型分析医院的运营效率。结果新冠肺炎疫情暴发前,黄河流域医院的整体运营效率保持不变,其中技术变动提高了0.1%,技术效率下降了0.1%。9省(区)中,山西、陕西、河南、四川和宁夏5省(区)医院的运营效率呈提高的趋势,内蒙古、山东、甘肃和青海4省(区)呈下降的趋势。新冠肺炎疫情暴发后,黄河流域医院的运营效率下降了3.8%,技术效率和技术变动分别下降了0.3%和3.6%。9省(区)医院的运营效率均呈下降趋势。结论新冠肺炎疫情影响了医院的技术变动。黄河流域医院资源规模利用率仍然较低。政府部门要促进各省(区)卫生资源的合理流动;医院要促进技术应用,提高管理水平。

教育部直属高校科研绩效分析——基于主成分分析法与DEA-Malmquist指数模型

对高等学校进行科研绩效分析,有助于高校调整科研管理模式,优化科研资源配置。基于统计数据的原因,笔者选取75所教育部直属高校中的64所高校的科研绩效作为研究对象,构建科研投入产出指标体系,运用主成分分析法,并建立DEA-Malmquist指数模型对其进行实证研究。结果表明:我国64所教育部直属高校中,位于东部地区的大部分高校科研绩效高于中西部地区,但总体而言,科研资源的利用效率均呈弱衰退趋势;技术进步是推动64所高校科研全要素生产率提高的主要力量,但是较低的技术效率特别是纯技术效率,使得科研活动并没有达到技术最有效的状态。笔者分析了其中原因,并提出科研管理的政策建议。

安徽省战略性新兴产业全要素生产率测度——基于DEA-malmquist指数模型

文章基于DEA-malmquist指数法,先从产业整体层面对2008-2015年安徽省战略性新兴产业TFP进行实证测算,得到各年份的TFP及其分解指数,然后分产业对安徽七大战略性新兴产业TFP变化率及其分解指数进行测算,得到各战略性新兴产业TFP年均变化率及其分解指数,进而揭示安徽战略性新兴产业的增长源泉;再通过实证回归分析,探讨安徽战略性新兴产业TFP变动的影响因素;最后提出了提升安徽战略性新兴产业全要素生产率的具体对策建议。

医疗资源配置效率测度与动态演进研究——基于DEA-Malmquist指数模型和马尔科夫链方法

本文选取2009—2020年我国31个省(区、市)的面板数据,采用DEA-Malmquist指数模型对我国医疗资源配置效率进行测度,基于马尔科夫链方法对我国各省(区、市)医疗资源配置效率的动态演进特征进行研究,为进一步优化我国医疗资源配置提供理论依据。结果显示,样本期间我国各省(区、市)的医疗资源配置效率在多数年度都出现不同程度的下降,2019—2020年由于新冠肺炎疫情的暴发,医疗资源配置效率相比其他时间段来说下降的幅度更大;除了2019—2020年的特殊时期外,我国各省(区、市)的医疗资源配置效率具有一定的稳定性,医疗资源配置效率向其他水平类别转移的概率较小,同时我国医疗资源配置效率具有较明显的空间溢出效应,医疗配置水平在空间上具有一定的联系性而不是相互独立的。

多阶段DEA-Malmquist指数模型下多种经营产业效率测算——基于2007-2015年的经验数据

作为实践经济新常态下供给侧结构性改革的重要选择之一,多种经营产业在加快要素流动与激发经济活力、促进产品与市场多样化、分散经营风险与缓解产能过剩等方面具有突出优势,而多种经营的效率水平直接影响着上述优势能否在未来支撑行业企业推进供给侧结构性改革中得到有效发挥。为此,基于2007-2015年多种经营投入产出的经验数据,借助多阶段DEA-Malmquist指数模型对产业全要素生产率、技术效率、规模效率等进行测算评价,探寻多种经营生产效率的变化趋势及变动原因,进而提出改进效率、促进产业发展的对策建议,为后续相关行业企业依托多种经营加快推进供给侧结构性改革实践提供参考。

基于DEA-Malmquist指数模型的上市公司并购绩效分析——以交通运输制造业为例

本文选取2012年发生并购的交通运输制造业上市公司为样本,采用非参数DEA-Malmquist模型,对交通运输制造业并购前后的全要素生产率及及其分解指数的变化情况及并购样本个体的绩效状态进行研究。研究发现:在并购后期,我国交通运输制造业的绩效有明显改善,且绩效的改善源于技术进步和技术利用率的提高。

我国中等职业教育资源配置效率评价及分析——基于DEA-Malmquist指数模型

定量评价中等职业教育资源配置效率对于完善我国职业教育投入机制、优化资源配置、提升办学品质具有重要的意义。本研究采用2009~2013年全国大陆31个省（自治区、直辖市）中职教育投入与产出面板数据,基于DEA和Malmquist指数模型对全国各省市及东、中、西部地区的中职教育资源配置效率进行动态测评。研究发现：我国中职教育资源配置技术效率整体较高,西部地区职业教育资源配置总体技术效率高于东、中部地区;全国中职教育全要素生产率呈下降趋势,中部地区全要素生产率降幅最大。

我国中等职业教育经费投入效率及影响因素分析--基于DEA-Malmquist指数模型与空间面板计量模型

通过建立投入产出指标,运用DEA-Malmquist指数方法对2000-2014年全国31省(市、自治区)的面板数据进行分析,研究发现:我国中等职业教育经费投入效率呈技术进步主导的趋势,广东为高增长型区域且经费投入效率最高,北京中等职业教育经费投入效率最低,辽宁等14省为徘徊型区域,江苏等12省为低增长型区域。中等职业教育经费投入效率存在空间依赖性,其中生均事业性教育经费和生均基本建设经费对教育经费投入具有明显的正向促进作用,但区域经济发展水平对经费投入存在极弱促进作用值得引起重视。

全要素生产率视角下中外体育产业的动态实证分析——基于DEA-Malmquist指数模型

选取中国、美国和俄罗斯等体育强国的体育产业作为本文的研究对象,基于数据包络分析法(DEA)通过收集数据资料建立Malmquist指数模型,该模型为投入产出的DEA分析模型,然后利用2005—2013年期间体育产业的统计数据实证分析了中外体育产业全要素生产率的相对变化情况。研究结果表明:1)中国体育产业的全要素生产率改善的速度与国外其他体育强国相比仍然显得比较缓慢,原因是中国体育产业的改善主要体现在规模效率的改善,在技术进步效率方面的改善速度十分缓慢;2)不同阶段中国体育产业全要素生产率变化存在不稳定性。

基于DEA-Malmquist指数模型的东北地区农产品物流效率评价

利用DEA-Malmqusit指数模型测度了东北地区2007—2017年农产品的物流效率。研究表明:近年来东北地区农产品物流效率显著提升,但要素投入不合理;样本区间内东北地区农产品物流效率早期波动较大,后期趋于稳定;辽宁省和吉林省的农产品物流效率优于黑龙江,前者效率水平高的主要原因是农产品物流技术创新能力的优化和提升。所以,加快农产品物流技术创新步伐、合理规划资源、因地制宜发展农产品物流、优化农产品物流空间布局、构建农产品信息技术平台等措施将有助于提升东北地区农产品物流效率。

皖江城市带创新驱动全要素生产率研究——基于DEA-Malmquist指数模型的实证分析

利用2010-2016年皖江城市带9个地市面板数据,采用DEA-Malmquist指数分析方法分析皖江城市带9个地市创新驱动全要素生产率及变动情况。通过指数分解分析创新全要素生产率增长的内在动因。结果说明:该城市带的区域创新生产效率处于上升趋势,年均增长达到7.8%;技术进步是该城市带创新全要素生产率增长提高的主要推动力;该城市带的各地市的全要素生产率水平不平衡,地区差异明显。

基于DEA-Malmquist指数模型的绿色发展效率测度与评价——以甘肃省为例

通过熵值法、DEA模型和Malmquist指数模型测算了2013—2019年甘肃省绿色发展效率以及全要素生产率的变化指数。结果表明,甘肃省的环境成本总体呈下降趋势,环境成本相对较高的区域为工业发展相对领先的区域和经济相对发达的区域,且这些区域的经济增长缓慢是由于至今还留存着粗放型的发展方式;甘肃省未充分利用科学技术和规模效应,绿色发展效率的水平总体偏低,急需优化资源配置;兰州、嘉峪关、金昌、白银等市应促进科技创新和规模化以促进区域绿色发展,陇南、定西、庆阳、张掖等市基本实现了生态与经济的协调发展,应因地制宜制定适合自身发展的产业,如特色旅游业、畜牧业、特色农业等,武威、酒泉、天水、平凉等市应该加快科技创新;甘肃省全要素生产率总体呈波动下降态势,科学技术的进步是推动全要素生产率发展的最主要原因,并且科学技术的利用效率及规模效益对全要素生产率的贡献不足。