甘肃省农业绿色全要素生产率测算及影响因素研究

提升农业绿色全要素生产率对于实现农业可持续发展具有重要的意义。运用SBM-GML指数法对甘肃省各市州2011-2020年的农业绿色全要素生产率及其区域差异进行分析,最后运用Tobit模型对甘肃省农业绿色全要素生产率影响因素进行分析,并在此基础上提出相应的对策建议。研究结果显示,(1)甘肃省农业绿色全要素生产率总体呈上升趋势,上升的主要动力来源于技术进步。(2)甘肃省农业绿色全要素生产率存在一定的空间差异性,总体呈现出“西低东高”的分布特点。(3)在甘肃省农业绿色全要素生产率的影响因素中,经济发展水平、城镇化水平、财政支农水平和农业产业结构对甘肃省农业绿色全要素生产率的提升具有显著的正向影响,受灾率对甘肃省农业绿色全要素生产率的提升具有显著的负向影响,且不同区域的农业绿色全要素生产率的影响因素也各不相同。最后,在以上分析的基础上提出了相应的对策建议。

新质生产力视域下中国高校科技创新力评价及影响因素研究

习近平总书记立足于我国经济发展时代特征提出新质生产力概念,并作出一系列重要论述。新质生产力是在新技术革命推动下,以信息技术、人工智能为引擎,以科技创新为驱动力的生产力形态,是高质量发展的强劲推动力、支撑力。高校作为国家创新体系的重要组成部分,在基础研究、应用研究、成果转化等方面发挥着重要作用,取得了一批重大科技成果,但还存在着诸多不足,面临不少困难和问题。在习近平总书记关于新质生产力重要论述的指引下,准确把握高校科技创新的重要地位和独特优势,客观评价我国不同地区高校科技创新力发展水平,分析存在的问题,提出对策建议,具有极其重要的意义。文章采用TOPSIS法测算我国31省(自治区、直辖市)高校科技创新力指数,基于空间自相关理论探究我国高校科技创新力指数的空间关联特征,运用泰尔指数分析我国高校科技创新力指数的空间差异性,运用地理探测器原理研究我国高校科技创新力的影响因素及其交互作用。研究结果发现:我国31省(自治区、直辖市)高校科技创新力整体还不强,创新力指数的空间分布不均衡,东部地区明显高于中部和西部地区;空间自相关性显著,上海、江苏、广东、浙江等指数较高省份呈现“高-高”集聚特征,甘肃、海南、新疆、西藏等指数较低省份呈现“低-低”集聚特征;区域间差异明显,东部和西部地区域内差异较中部地区显著,东部地区内部差异逐渐缩小,中部地区内部差异先增大后缩小,西部地区内部差异有所增大;影响我国高校科技创新力发展的主要因素是人力资源、经费投入等,且区域间投入存在明显差异,中部和西部地区投入不足,同时还受区域对外开放和技术需求等因素影响;内部因素交互作用强度大于外部因素,交互作用强度较大的是教学与科研人员数、科技经费当年拨入、成果应用及科技服务项目数、R&D成果应用及科技服务项目经费当年拨入、信息化水平,且信息化水平发挥的作用越来越大。根据研究结论,以习近平总书记关于新质生产力重要论述为指引,从创新投入、资源配置、资源共享、政产学研合作等方面提出对策建议。

生态脆弱地区林业全要素生产率变动及其影响因素——基于甘肃省10年500个农户的跟踪调查

【目的】在生态文明建设背景下,研究欠发达生态脆弱地区林业全要素生产率变动及其影响因素,从林业投入资源配置、生产经营规模调整等方面探讨提高林业全要素生产率的可行路径,为生态脆弱与经济贫困叠加的同类高山集体林区加快转变林业发展方式、制定促进林业高质量发展相关政策提供科学依据和理论支撑。【方法】基于甘肃省2009—2018年500个农户跟踪调查数据,以资金、土地和劳动为投入要素,经济、生态和社会效益为产出要素构建DEA-Malmquist模型,从户主特征、家庭特征、林地特征、区位特征、林业政策和林业服务6个维度选取13个变量构建面板Tobit模型,测算甘肃省林业全要素生产率并分析其影响因素。【结果】1)从整体变动上看,林业全要素生产率增长不足,原因在于各分量未形成合力,具体为林业全要素生产率增长受技术进步驱动,而技术效率、纯技术效率和规模效率促进作用有限。2)从时间特征上看,林业全要素生产率处于不稳定状态(2010—2018年呈上下交替波动特征),未能实现林业生产力的持续发展。3)从区域特征上看,因各地区自然历史条件和经济社会发展差异,林业全要素生产率地区差异明显。分区域来看,陇东地区林业全要素生产率增长不足,陇南地区增长有限,陇中地区增长较快;分县域来看,陇南地区各县域差异较大,陇中地区次之,陇东地区最小。4)从影响因素上看,林业全要素生产率受年龄、担任干部、外出务工人数、林业收入与总收入占比、林道满足需要、地理区位、采伐指标申请难易、获得林业补贴、参与森林保险、林权抵押贷款难易以及参与林业合作社影响。【结论】1)重视林业理论基础研究并不断应用转化林业科技成果,依靠科技进步保障林业持续发展;2)强化林业培训措施,提高林业技术效率,注重林业技术效应,转变林业发展方式;3)加大林业融资供给,引导林地规范流转,健全林业社会化服务体系,提高林业规模效率,实现林业规模经济;4)持续改进技术进步,逐步提升技术效率,充分挖掘规模潜力,使生产率各分量形成合力,合理有效配置林业生产要素;5)各地林业发展应全面考虑自身林业资源禀赋特殊性、生态安全必要性和艰巨性,提供精准扶持政策,因地制宜发展林业,加强区域交流合作,促进区域共同发展。

夏季东、黄海群落净生产力的分布及影响因素

2018年6~7月利用膜进样质谱系统对东、黄海表层海水中的O_(2)/Ar进行走航观测,估算了混合层群落净生产力(NCP),并结合其他水文参数和卫星数据分析NCP的分布特征和调控因素.结果表明:东、黄海整个调查海域Δ(O_(2)/Ar)平均值为(3.3±8.5)%,NCP平均值为(12.9±36.7)mmol C/(m^(2)·d),整体处于净自养状态.东海混合层平均Δ(O_(2)/Ar)为(4.9±9.8)%,NCP为(21.0±38.2)mmol C/(m^(2)·d),呈现近岸高远海低的分布特征,这主要是由于东海陆源输入带来的高营养盐促进浮游植物生长所致.黄海混合层平均Δ(O_(2)/Ar)为(1.6±6.6)%,NCP为(4.8±33.3)mmol C/(m^(2)·d),黄海NCP分布主要受营养盐和黄海冷水团的影响,呈现北黄海高、南黄海低的分布特征.相关性分析表明,光照和营养盐是控制调查海区NCP分布的重要因素.

新质生产力视角下广东省相关新兴产业的效率评价及其关键影响因素分析

新质生产力是实现中国式现代化和高质量发展的重要抓手,但目前学术界对培育新质生产力的产业讨论与定量研究仍有不足。通过深入讨论新质生产力的概念内涵,并立足于广东省,基于培育发展新质生产力视角选取14个相关新兴产业;在此基础上,使用DEA-Malmquist模型与BMA模型,从行业内部指标、新参与主体、新渗透要素与行业内部指标角度出发,对这些产业2015—2022年的科技效率与关键影响因素进行研究。研究表明:研究期间14个相关新兴产业的科技效率呈现曲折性发展态势,而企业自身抗风险能力、环境处置能力、政府定向支持、产业结构、政府融资支持与市场需求为关键影响因素。因此,政府应当加强对战略性新兴产业的定向支持、引导产业绿色发展、完善产业金融支持服务体系与扩大消费市场规模,从而促进相关新兴产业的发展,加快推动发展新质生产力。

高校青年科技人才推动新质生产力发展影响因素的实证分析与对策研究

为了解高校青年科技人才推动新质生产力发展的现状与影响因素,本文对厦门地区高校师生和社会人士开展调查,运用实证分析方法探讨了青年科技人才推动新质生产力发展的影响因素及其权重。按影响因素的权重排序,依次为高校管理服务、青年能力本领、政府引导激励、企业互动融合、社会关注支持。结合实地调查和访谈情况,提出一些应对措施和建议,并指出未来研究方向。

考虑数据要素投入的省域制造业全要素生产率及其影响因素研究

文章以我国2010—2021年省域制造业面板数据为研究样本,利用超效率SBM模型计算出考虑数据要素投入的全要素生产率,根据C-D要素分解模型分析各投入要素的贡献,并实证分析我国制造业全要素生产率的影响因素。结果表明:2010—2021年我国制造业数据要素投入水平稳步提升,呈现东部地区>中部地区>西部地区的态势,中部和西部地区制造业数据要素投入水平的差距相对较小;省域制造业全要素生产率具有明显的地区差异性;纯技术效率对全要素生产率的提升效果更为明显,规模效率对全要素生产率演进趋势的影响相对更大;产出增长以劳动和资本为重要基础,数据要素的产出影响力相对较弱,整体呈现规模报酬递增的趋势;资本要素与全要素生产率的变动趋势基本保持一致,劳动要素表现出对全要素生产率的滞后跟随性。

中国海洋新质生产力评价及关键影响因素识别

海洋新质生产力是新质生产力体系中尤为重要的一部分,其发展对推动海洋经济的高质量发展具有重要意义。基于熵值法测算中国沿海地区海洋新质生产力水平,结合标准差椭圆、核密度分析以及改进DEMATEL-ISM模型,分析2010—2021年中国海洋新质生产力发展水平时空演变特征并深入探讨其影响机理。结果表明:中国海洋新质生产力发展分布重心向西南方向移动,整体发展水平稳步提升,东部地区发展水平处于引领地位,南部与北部发展速度较快,且各区域均存在极化现象;海洋科研机构产出水平、数字市场活跃度及海洋数字创新能力为深层根源因素,单位GDP废水排放量、电信通信服务水平、海洋科研组织强度、沿海地区能源消费结构、营商环境指数为表层直接因素,并梳理出三条主要传导路径。在此基础上,从科技生产力、绿色生产力、数字生产力和开放生产力四个维度提出相关建议。

云南农业绿色全要素生产率时空演变及影响因素分析

基于2012—2022年云南各州市面板数据,把农业碳排放作为非期望产出,运用SBM-GML指数法测算农业绿色全要素生产率及其分解指数,在此基础上解析各州市农业绿色全要素生产率的时空演变特征并实证其影响因素。结果表明:在时序上,观测期内云南省农业绿色全要素生产率水平持续上升,增速呈现低—高—低的变化态势,并且主要由技术进步所推动;在空间上,农业绿色全要素生产率水平呈现出中西高、东南低的分布格局,增速表现为北高南低的状态,且空间关联性不显著;影响因素分析结果显示,经济发展水平对云南农业绿色全要素生产率的增长具有显著促进作用,而城镇化水平和农业机械化水平对其具有明显的抑制作用。

2001—2022年黄河流域生态区植被净初级生产力时空变化及影响因素分析

净初级生产力(NPP)代表了生态系统与大气的碳交换水平,是生态系统物质和能量循环的“转化器”,也是评价和预测生态系统可持续发展的重要指标。本研究以黄河流域为研究区,结合回归分析、Hurst指数和残差分析等方法,以生态区的视角对2001—2022年间黄河流域植被NPP的时空变化及其影响因素进行了分析,探讨气候和人类活动等因素对黄河流域植被NPP的影响,并对NPP未来演变趋势进行预测。结果表明:1)2001—2022年间黄河流域植被NPP年平均值为291.03 gC/m^(2),表现为北部低南部高的空间格局,秦巴山地落叶与常绿阔叶林生态区的植被NPP均值最高,为486.6 gC/m^(2)。2)黄河流域整体植被NPP以4.93 gC/(m^(2)·a)(p<0.01)的速率显著增加,黄土高原农业与草原生态区植被NPP年增长率最高,约为8.21 gC/(m^(2)·a)(p<0.01)。3)黄河流域82.26%面积的NPP未来变化趋势呈现增加与反持续性,但反持续性的强度有差异。4)月或季节的气温是影响黄河流域年植被NPP最重要的气候因素。5)黄河流域绝大部分区域受到气候和人类活动的共同促进作用,但在省会城市周边,气候、人类活动或气候和人类活动的耦合作用会起反作用。

河南省县域全要素生产率的测算、时空特征与影响因素研究

基于2002—2021年的县级面板数据,测算了河南省县域全要素生产率的发展水平。结果表明:河南省县域全要素生产率呈现出逐年上升的趋势,并在新冠疫情冲击下展现出一定韧性。动态演变特征分析认为,不同县域的全要素生产率发展水平并不均衡,且差距有持续扩大的趋势,部分地区甚至出现了两级或多极发展的现象。空间相关性分析认为,河南省县域全要素生产率具有显著的空间正相关特征。同时,大量县域处于高—高集聚和低—低集聚区。影响因素分析认为,工业化进程、医疗卫生水平、农业生产条件等因素都可以发挥出显著的正向作用。

基于SBM-GML指数的农业绿色全要素生产率及影响因素分析

研究使用全局SBM-GML指数对中国31个省份2011—2019年的农业绿色效率值和绿色全要素生产率进行测算和分解,并运用Tobit模型对影响因素进行了分析。研究结果表明,我国农业的绿色全要素生产效率增长较为缓慢,其中技术效率是推动增长的关键因素,技术进步一定程度上起到了制约作用。从全国31个省份整体来看,2019年有14个省份实现农业绿色有效,河南、江西和广东的农业绿色全要素生产率增长率位列全国前三。经济发展水平、产业结构和财政支出对农业绿色全要素生产率提高具有正面影响,人力资本结构、环境规制则具有负面影响;自然灾害对全国、中部和西部的农业绿色全要素生产率提高产生负效应,对东部则产生正效应。

浅谈母猪年生产力的影响因素及改善措施

母猪年生产力(PSY)即每头母猪每年内提供的断奶仔猪数,是衡量母猪生产性能的综合指标,根据PSY的计算公式,通过分析不同品系、不同胎次、不同空怀期母猪及仔猪成活率,探讨提高PSY关键措施,为猪场降本增效、提高经济效益提供参考。

中国新质生产力多因素交互效应研究

加快形成和发展新质生产力既是我国当下关注的关键议题,也是亟须探究的重要命题。基于中国30个省(区、市)面板数据,本文构建广义相加模型(GAM)探讨创新生产力、技术生产力、资源节约型生产力、环境友好型生产力、数字产业生产力和产业数字生产力对新质生产力水平的因素交互影响效应。研究表明:各因素对新质生产力均具有非线性正向效应;多因素共同影响新质生产力且存在非线性交互作用,其中资源节约型生产力是主导影响因素;因素间的交互效应对新质生产力的影响存在显著差异,创新生产力、数字产业生产力与其他因素结合时产生的影响差异最为明显。基于此,提出促进新质生产力发展的相关启示。本文研究有利于拓展新质生产力提升路径的理论研究,为政府制定发展政策提供参考。

黄土高原植被净初级生产力时空变化及其影响因素

为了探明黄土高原地区植被生产力变化的驱动机制,该文基于MODIS传感器获得的MOD17A3数据,分析了黄土高原2000-2010年间植被净初级生产力(net primary productivity,NPP)的时空变化及其主要影响因素,并借助多元统计分析方法对引起NPP变化的自然和人为因素进行量化分析。结果表明:黄土高原植被总NPP从2000年的119 Tg(以C计)增加到2010年的144 Tg(以C计),年增速4.57 g/(m2·a)(P<0.05)(以C计)。黄土高原约91%的区域NPP呈增加趋势,37%的区域增加趋势显著,主要分布在陕西、青海大部分地区、甘肃南部及宁南山区。整个黄土高原近11 a间NPP变化受自然和人为因素共同影响,其中退耕还林还草累计面积、帕尔默干旱指数(palmer drought severity index,PDSI)、耕地面积和人口数量是影响NPP变化的主要因素。退耕还林还草累计面积占四者总贡献率的43%,PDSI占40%,耕地面积和人口数量分别占13%和4%。对区域而言,由退耕还林还草工程引起的土地利用覆被变化是退耕区(陕北、甘肃东南部等)NPP增加的主要因素,而近年来干旱情况的缓解(PDSI呈上升趋势)则是青海、内蒙古等地NPP增加的主要因素。该研究对于黄土高原各区域生态资源管理,以及生态系统的建设具有一定的指导和借鉴意义。

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.

基于净生产力生态足迹模型的工业碳排放效应、影响因素与情景模拟

以不同类型城市东营和滨州为例,采用基于净生产力的生态足迹模型测度2005—2014年两市工业碳排放效应,利用弹性系数模型对工业碳排放生态足迹及其影响因素进行对比,通过情景模拟分析了基准和低碳情景下两市的可持续低碳发展潜力。研究结果显示:(1)东营碳排放总量和碳排放强度明显高于滨州,两市的碳排放生态足迹总体上都处于上升趋势,年均增长率分别为12.79%和6.16%,这与两市工业化发展阶段不同有关;(2)2005—2008、2008—2011和2011—2014,东营工业碳排放生态足迹当量主导影响因素组合变化为"耕地面积-土地城镇化率-能源结构系数"转化为"耕地面积-人口规模-能源结构系数"到"耕地面积-人口规模-第二产业比重";滨州2005—2014年的主导因素组合一直为"人口规模-土地城镇化率-能源结构系数";(3)通过情景模拟分析2020年东营、滨州的低碳发展潜力:基准和低碳情景下,滨州生态赤字分别为东营的10倍和2.6倍;就"减排"潜力而言,滨州远远高于东营,但实现低碳情景是工业GDP增长从现阶段20.6%骤降到6.5%为代价,对产业结构调整升级要求很高。对东营而言,低碳情景的实现不仅要将能源利用效率提高一倍,更要保证大量重要"碳汇"资源的恢复与重建。

桑沟湾养殖水域的初级生产力及其影响因素的研究

桑沟湾是我国黄海沿岸的重要水产养殖水域。近年来，由于该养殖水域的养殖密度大幅度增长，引发了养殖生物低增长率、高死亡率和养殖生产上高投入、低产出等问题的产生。通过本次调查，作者初步了解了该海域初级生产力分布状况及其季节变化以及水产养殖状况和其他环境因素对初级生产力的影响，并与１０年前的历史调查资料相比较。

1978—2007年我国畜牧业全要素生产率及其影响因素研究

本文运用扩展的索洛模型和C-D生产函数测算了1978—2007年我国畜牧业全要素生产率(TFP)及其影响因素。分析结果表明,1978—2007年我国畜牧业TFP的年均增长率为4.71%;从总体上看,我国畜牧业生产处于规模报酬递增阶段,且畜牧业政策、劳动者质量、规模化程度和科技投入量是影响我国畜牧业TFP变动的主要因素。

松嫩平原作物现实生产力空间分布影响因素分析

本文通过分析松嫩平原主要作物—玉米和大豆现实生产力空间分布的主要影响因素,以阐明区域尺度作物生产力的重要控制因子。相关分析表明,玉米现实生产力与生长季降水量之间的相关关系最好,与年总太阳辐射之间的相关性次之,其次为与年平均气温之间的相关关系;大豆现实生产力与年降水量之间的相关关系最好,与年总太阳辐射之间的相关性稍差;大豆现实生产力与平均温度之间呈现较弱的负相关。不同坡度条件下玉米和大豆现实生产力水平并不存在显著差异,表明对于松嫩平原而言,坡度不是影响作物现实生产力水平的主要因素。不同类型耕作土壤对玉米和大豆现实生产力的影响分析表明,对于玉米而言,6类不同土壤条件下的玉米现实生产力存在以下规律:黑土>草甸土>黑钙土、暗棕壤和盐碱土>风沙土。不同土壤条件下的大豆现实生产力存在差异:黑土>草甸土>暗棕壤>黑钙土和盐碱土>风沙土。以500mm降水量等值线为界线,将松嫩平原分为东西两个部分,研究其作物生产力的差异。结果表明,松嫩平原东西两个部分玉米和大豆现实生产力水平在统计学上均具有显著差异。