光伏发电企业运营效率及影响因素研究——基于DEA-Malmquist-Tobit模型的分析

在“双碳”目标的引领下,科学评价光伏发电企业的运营效率及其影响因素,对促进光伏企业及产业的高质量发展有着重要意义。基于2014—2022年光伏发电上市公司的面板数据,运用DEA-Malmquist-Tobit模型测度了光伏企业的运营效率及其综合效率的动态变化,实证分析了运营效率的主要影响因素。结果表明,9年间光伏发电企业的全要素生产率呈1.8%增长率的小幅增长趋势,股权结构、每股收益等5个变量对光伏发电企业的运营效率有显著性影响。

基于DEA-SBM超效率和Malmquist-Luenberger指数的中国工业绿色经济增长核算研究

以1997~2020年我国30个省的数据为研究样本,分析中国各省市工业企业的绿色经济效率的影响因素。研究表明:我国各省市工业技术效率各地区间差异巨大。各省市工业绿色生产资金投入大都存在不足,资金管理水平也不高。因此,地方政府应坚持区域协同发展,相互借鉴学习,吸收总结经验。在资本积累的基础上应加强对生态环境质量的投资,发挥绿色技术外溢效应。

基于SBM-DEA模型的江苏省碳排放效率研究

本文运用MaxDEA9软件,基于非期望产出的SBM-DEA模型和Malmquist指数法从静态和动态两个方面研究2010-2021年江苏省及其13个地级市的碳排放效率。结果表明,(1)江苏省的整体碳排放效率在2010-2021年间稳步增长,并且在2019年开始达到有效,在空间上呈现苏北大于苏南大于苏中的不均匀分布格局。(2)江苏省碳排放效率的平均增长速度呈现苏北大于苏中大于苏南的趋势。(3)江苏省及其13个地级市技术变化指数变动对碳排放效率增长有关键作用,碳排放效率各期增长速度受到当期技术发展水平的制约。

基于Malmquist-DEA模型的中外农业生产效率比较研究

文章选取部分国家作为样本,运用Malmquist-DEA模型对农业生产效率问题进行比较研究。结果表明:中国的农业生产效率虽然高于其他发展中国家,但远远低于发达国家。技术进步是中国农业生产效率提高的主要因素,而且中国农业生产技术进步效应明显,并且与发达国家之间存在技术扩散效应,中国应继续加强与农业发达国家之间的交流,促进中国农业生产效率的提高。

基于Malmquist-DEA模型的北京家禽产业生产效率与技术进步评价

为科学评价北京家禽产业生产效率及技术进步状况,选用Malmquist-DEA模型,对北京肉(蛋)鸡养殖的两种养殖模式作为决策单元,选取能够反映肉(蛋)鸡养殖的投入、产出指标,对北京肉(蛋)鸡养殖的两种养殖模式投入产出的有效性进行了评价。测算结果表明,2005—2009年四种不同饲养规模大部分年份养殖为DEA有效,其投入产出都处于最佳状态,年技术进步速度平均为3.2%,技术使用效率不断上升,生产规模逐渐接近最优规模。

长三角高校科研创新绩效评价及影响因素研究--基于DEA-Malmquist-Tobit模型

基于绩效评价理论,结合高校科研创新的特点,构建高校科研创新绩效评价指标体系。运用DEAMalmquist-Tobit模型,对2008-2017年长三角高校科研创新绩效整体进行静态和动态分析评价;探究高校科研投入产出绩效的影响因素。结果表明,长三角高校科研创新绩效水平不高,全要素生产率(Tfpch)呈下降趋势;高校政策环境、对外联系程度、教师职称结构等因素,对于高校科研创新绩效有显著影响。在此基础上,从高校内部管理体制、资源配置战略等方面,提出提升长三角高校科研创新绩效的政策建议。

中国林业生产效率测算及区域差异分析——基于Malmquist-DEA模型的省际面板数据

运用Malmquist-DEA模型,采用1998~2012年面板数据,对中国31省份林业生产效率进行测算,同时,探讨中国林业生产效率区域间的差异,并对东部、中部、西部、东北部区域林业生产效率进行对比分析,进而研究区域间的林业全要素生产率状态及提升。

基于DEA-Malmquist-Tobit模型的中国海洋渔业补贴财政效率及影响因素研究

作为世界上最大的渔业生产国和贸易国,中国渔业补贴政策的制定和实施对国计民生具有重大意义,也是推进海洋强国战略建设的题中应有之义。本文选取基于规模报酬可变假设的DEA模型测算了中国海洋渔业补贴的效率水平,进一步利用Malmquist指数对补贴效率的动态变化进行分解,探究效率变化的内在驱动因素,然后建立分析补贴效率影响因素的面板Tobit模型,对补贴投入和环境变量对补贴效率的影响进行分析,结果表明,当前我国海洋渔业补贴效率整体较低,且全要素生产率呈下降趋势,最后基于实证结果从改善补贴规模和调整产业结构等方面提出改善渔业补贴效率的对策建议。

长江经济带工业环境效率差异及其影响因素——基于超效率DEA-Malmquist-Tobit模型

以长江经济带11个省市为研究对象,运用超效率DEA模型对2005—2014年各省市的工业环境效率进行静态评价。实证结果表明:2005—2014年长江经济带整体工业环境效率水平较高,但各地区之间仍然存在一定差距,其中浙江、江苏等地环境效率值较高,云南、贵州等地较低;11个省市的全要素环境效率的增长率平均值大于1,技术进步是工业环境效率变动的主要因素;产业结构和环境管制对工业环境效率产生积极影响,外商投资和人口密度对工业环境效率产生消极影响。

我国十大城市群高校科研效率及影响因素研究--基于DEA-Malmquist-Tobit模型

城市群高校作为科研创新体系的“桥头堡”,肩负着培养创新人才、进行科学研究和服务创新战略的重要使命。以2009—2018年我国十大城市群高校为研究对象,运用DEA-Malmquist模型对各城市群高校科研效率进行测算。结果表明:2018年我国城市群高校科研效率明显提升,但是非DEA有效城市群仍然占比较高。山东城市群、中原城市群和长三角城市群等高校科研效率的增长主要源于技术进步效率的提高,珠三角城市群、海西城市群和辽中南城市群等高校科研效率的下降主要源于技术效率的降低。进而通过Tobit模型对影响高校科研效率的因素进行回归分析,发现城市群高校人力资本和财力资本处于“丰裕”状态,成果奖励、学术交流和科研机构处于“稀缺”状态。为推进我国高校内涵式发展,应减少人力资本和财力资本的过度投入,加强对外交流合作,改组和整合科研机构,完善成果奖励机制,努力推进城市群高校协同发展。

“一带一路”沿线省市区工业生态效率及影响因素研究——基于DEA-Malmquist-Tobit模型

"一带一路"沿线省市区工业生态效率的研究对于推动我国绿色生态文明建设具有重要意义。本文运用DEA、Malmquist指数及Tobit模型对2011-2015年"一带一路"沿线17个省市区的工业生态效率时空变化特征及影响因素进行实证研究,结果表明:"一带一路"沿线省市区工业生态效率总体水平较低,呈现"东南区域>东北区域>西南区域>西北区域"的分布特点;区域整体工业生态效率呈良好改善态势,技术进步是工业生态效率提升的主要动力;西南区域在工业生态效率改善方面呈现明显的"追赶效应",东北区域的效率提升呈现后劲不足态势;经济发展水平、城市结构、对外经济和研发强度对于工业生态效率有显著影响。最后,从"一带一路"沿线的区域合作入手。

基于DEA-Malmquist-Tobit模型的环境效率测度及影响因素研究——以河南省为例

基于河南省2007—2016年各地级市的面板数据,首先运用规模报酬可变的DEA模型和Malmquist指数模型分别从静态和动态的角度测度环境效率,然后构建Tobit回归模型探究影响环境效率的因素。结果表明,河南省环境效率整体处于较高水平,技术效率略有降低,投入要素的配置趋于合理;环境效率在动态变化上呈下降趋势,其中技术进步对河南省环境效率的影响较为关键;河南省产业结构具有较大调整空间,第二产业所占比重对河南省环境效率的影响最大。

涉海产业类企业融资效率及影响因素测评研究——基于DEA-Random Effects Models的经验数据

为发展壮大涉海产业类企业并带动海洋产业发展以实现海洋强国战略,有必要对涉海产业类企业融资效率状况进行准确定位并采取相应策略。以企业融资效率理论为基础,运用DEA模型评价涉海产业类企业融资效率及并运用随机效应面板数据模型检验其影响因素。检验结果发现,2008-2013年间涉海产业类企业融资效率整体上处于低效水平,其主要影响因素有宏观经济形势、行业竞争程度、企业规模大小和公司治理机制。企业融资效率与宏观经济形势、行业竞争程度和公司治理机制显著正相关,与企业规模大小显著负相关。这说明涉海产业类企业还有大幅度提高融资效率的空间,政策建议是引导资本市场支持海洋资源开发利用,保持稳定增长的整体经济环境,促进垄断竞争性涉海产业类企业理性投融资,缓解中小型涉海产业类企业融资难困境和深化国有控股涉海产业类企业改革。

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。

京津冀和长三角地区制造业生产效率的比较研究——基于Malmquist-DEA模型的全要素生产率分析

全要素生产率是衡量产业生产效率最有效的经济指标,为此采用Malmquist-DEA法对京津冀地区和长三角地区制造业及其三大类别行业在2006—2016年期间的全要素生产率变化情况进行分析。结果显示:京津冀地区在制造业三大类别领域的全要素生产率年均增长率皆高于长三角地区,但整体波动变化情况也较长三角地区更为明显;京津冀地区制造业技术进步增长率、技术效率增长率以及全要素生产率对制造业产出增长的贡献率同样都高于长三角地区;六省市中,天津和上海的制造业全要素生产率的增长率高于所在地区整体水平,上海和北京制造业是效率型增长,江苏、浙江和河北制造业是投入型增长,天津则介于两者之间;上海和河北在制造业各类别中的全要素生产率增长呈不同水平的相对均衡,而制约北京、天津、江苏和浙江制造业全要素生产率增长的短板领域各有差异。

基于DEA-Malmquist模型的地方高校科技成果转化效率时空演变

通过构建DEA-Malmquist模型,实证分析了中国地方高校2012—2021年科技成果转化的技术效率和全要素生产率的时空演变特征.研究结果显示,中国地方高校科技成果转化的综合技术效率逐年提升,但2017年和2018年出现了显著下滑,且效率指数整体偏低;科技成果转化的全要素生产率整体有所提升,但区域差异显著,中东部地区发展平稳,西部地区波动较大.为了进一步提升地方高校科技成果转化的效率,提出了强化学科建设质量、明确科技创新定位、创新转化体制机制和优化成果转化环境等建议.

绿色风电企业与非绿色风电企业的运营效率比较研究——基于Malmquist-DEA模型分析

风电是清洁能源,但是在风电机组制造、风电场建设和运营等某些环节上或多或少仍存在着能效不高、对环境有负面影响等问题。文章依据Clean 200组织发布的全球绿色公司200强榜单,以及是否有绿色电力证书将风电分为绿色企业和非绿色企业两类,并分别选取各10家企业,采用2009—2016年的相关数据,运用DEA模型进行投入与产出分析,在此基础上利用Malmquist指数模型进行了动态效率的评价。结果表明:绿色风电企业无论综合效率、纯技术效率还是规模效率均高于非绿色风电企业;绿色风电企业的设备技术、电场选址优化以及网架容量及运输等研发均对风电行业"绿色发展"有显著影响,风电装备技术取得显著进步;绿色风电企业的规模效率显著,大规模风电并网具有显著成本效益,是绿色发展重要的因素。

基于DEA-Malmquist指数的我国中部地区物流效率分析

以2012—2021年我国中部地区(山西、河南、安徽、湖北、江西、湖南)六省的物流行业相关面板数据为对象构建评价指标体系,运用DEA-Malmquist指数模型,分别对其进行静态分析以及动态分析,进而得出相关结论,并由此给出提高物流效率的可行性建议。结果表明:2012—2021年间中部地区的物流效率一直未达到有效,且技术是中部各省物流效率的主要问题,同时生产率也略微退步,针对这些问题,中部地区需要加强区域协同作用以及推动物流技术的进步,也需要探索创新人才培养制度,吸引高技术人才。

国家级农业科研院所科研效率评价及其影响因素——基于DEA-Malmquist-Tobit模型

结合农业科研院所特点选择变量,运用DEA-Malmquist-Tobit模型,基于国内某国家级农业科研机构31家研究所2015—2019年数据进行科研效率静态和动态分析,并进一步探究影响科研效率的因素。结果表明:研究所科研效率水平整体平稳上升但表现差异较大,且不同学科类别下研究所的科研效率存在一定差异,其中农业资源与环境科学类研究所表现较好;影响研究所科研效率高低的主要原因是纯技术效率,其中对于科研效率的提高,地区经济发展水平无显著影响,不合理的人才结构呈制约作用,获奖成果激励有显著促进作用。基于研究结果,从调整资源配置、优化人才评价考核机制和完善成果奖励方案三方面提出对策建议。

基于DEA模型的风电企业融资效率影响因素分析

基于“双碳”背景,利用我国31家风电企业的财务数据,借助DEA-Malmquist模型研究了2015—2022年风电行业静态与动态融资效率,发现近半数企业仍处于低效率区间;使用Tobit模型对各融资效率影响因素进行回归分析,发现资产周转率、净资产收益率等有正向显著影响作用,资产负债率等有负向影响作用。企业在日常生产经营过程中应关注政策导向,注意自身资产结构并加大科研投入以提高融资效率。