机会成本视角下新疆肉牛养殖的全要素生产率测度——基于DEA-Malmquist指数分析

在传统肉牛养殖全要素生产率的研究中,机会成本的考量往往被忽视。然而,不考虑机会成本会导致对养殖户在肉牛养殖中的隐性投入被忽略,从而无法真实地反映肉牛养殖的全要素生产率。为了准确测算新疆肉牛养殖的全要素生产率,在以2008—2022年新疆肉牛主产值为产出指标,以仔畜费、饲草料费、人工费为投入指标的基础上引入机会成本要素,采用DEA-Malmquist指数从静态和动态视角对新疆肉牛养殖的技术效率和技术进步的相关情况进行分析。结果表明:从静态角度来看,新疆肉牛养殖的水平并不高,收益较低,主要受到规模效率的影响,个别年份受到纯技术效率的影响,说明在目前的养殖规模和技术水平下,新疆肉牛养殖的效益尚未达到理想状态,仍有较大的提升空间;从动态角度来看,新疆肉牛养殖全要素生产率变动的主要原因是技术进步,说明随着新技术的不断应用和推广,新疆肉牛养殖的生产效率有望得到进一步提升。最后,从优化养殖规模和布局、加强技术创新与推广、加大对职业养殖户的培育等3个方面提出促进新疆肉牛产业高质量发展的的对策建议。

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。

基于Global Malmquist-Luenberger(GML)指数模型的物流业绿色全要素生产率测算分析——以2010—2020年京津冀13个城市为例

构建Global Malmquist-Luenberger (GML)指数模型对2010—2020年京津冀区域13个城市的物流业绿色全要素生产率(GTFP)进行测度,并对生产率变化、指数分解、区域差异、收敛性情况展开一系列分析。主要结论有:(1)整体来看,京津冀区域的物流业GTFP主要源于绿色技术进步(GBPG)驱动,GBPG累积提升约10.63%,绿色技术效率(GEC)下降明显;“十二五”时期的GML指数波动较大,“十三五”时期趋于平稳提升。(2)观测期内京津冀三地物流业绿色全要素生产率发展成效差异明显,仅河北实现了物流业GTFP提升,GBPG增长率高达25.18%,特别是张家口、邢台、衡水和秦皇岛四市在“十三五”时期已实现了GEC和GBPG双驱动发展;北京近年来物流业GTFP反弹提升明显,但GEC指数仍处于较低水平;天津的GBPG指数和GEC指数均有不同程度降低。(3)京津冀、津冀和河北城市组的物流业GTFP均通过了绝对β和条件β收敛检验,行政壁垒效应的存在导致三地收敛速度有所差异,河北城市组收敛速度最快,京津冀城市组最慢。

基于DEA-Malmquist指数的经济全要素生产率增长及其区域优势分析

自西部大开发战略实施以来,中国西部地区的经济发展取得了历史性成就,但与东部地区相比仍然存在一定差距。有效分析西部地区经济增长的区域相对优势,对其发展战略的制定具有重要意义。全要素生产率增长是经济增长的核心,是衡量地区经济增长质量的重要指标。从全要素生产率增长的角度出发,借鉴广义DEA的理论框架,构建了一种基于多种参考集进行评价的DEA-Malmquist指数模型。采用该模型测算基于东部和西部两种生产环境的西部地区全要素生产率增长指数及其分解指数,从纯技术效率变化差异、技术变化差异和规模效率变化差异三种视角进一步分析了西部地区全要素生产率增长的区域相对优势。结果表明,提出的模型不仅可以给出西部地区基于西部生产环境的全要素生产率增长状况,还可以给出西部地区基于东部生产环境的全要素生产率增长状况,进而能够实现西部地区全要素生产率增长的区域相对优势分析。

中国碳排放全要素生产率的区域演进及其影响机制——基于胡焕庸线的实证分析

提升碳排放全要素生产率是全面建设中国式现代化的内在要求。运用NCSE-EBM与Malmquist Luenberger指数相结合的模型测度和分析2011—2020年我国30个省份碳排放全要素生产率及其区域动态演进特征,并采用灰色关联方法探讨区域碳排放全要素生产率演变的影响机制。结果显示:碳排放全要素生产率在空间上表现为胡焕庸线西北和东南区域高、沿线区域低的“V”型分布态势;三大区域碳排放全要素生产率均不存在严格收敛;效率改善指数是碳排放全要素生产率提升的内在主导性因素;产业结构是我国三大区域碳排放全要素生产率的最主要影响因素,技术创新与胡焕庸线西北区域和东南区域碳排放全要素生产率的关联度最低,而数字化与胡焕庸线沿线区域碳排放全要素生产率关联度最小。

绿色全要素生产率与旅游业高质量发展的多元模式——基于QCA方法的联动效应研究

为有效且合理地配置各种要素,提升绿色全要素生产率,采用数据包络分析(DEA)方法和定性比较分析(QCA)方法,从组态的视角研究我国除港澳台外的31个省(区、市)各驱动要素与旅游业绿色全要素生产率之间的复杂关系.研究结果显示:不存在直接导致高绿色全要素生产率的必要条件,但交通发达程度较高的地区对提升旅游业绿色全要素生产率具有普适的推动作用;4条路径可以产生旅游业高绿色全要素生产率,这反映出我国各区域旅游业发展的不平衡和复杂机制.该研究结果可为我国各省(区、市)依据自身发展状况和阶段选择合适发展模式提供重要的理论和实践启示.

我国文化产业全要素生产率测度及区域差异分析

基于2013—2021年我国除香港地区、澳门地区、台湾地区外其他31个省(自治区、直辖市)文化产业的面板数据,采用DEA-Malmquist指数模型测算全国文化产业全要素生产率及其分解效率,运用泰尔指数的方法分析全要素生产率区域间的差异.结果表明,文化产业全要素生产率呈现出波动变化,但总体呈现出下降趋势;我国文化产业区域之间发展不均衡,区域文化产业的全要素生产率值从大到小依次为东部、中部、东北、西部;总体泰尔指数呈现出下降的趋势,区域内泰尔指数的贡献率高于区域间泰尔指数,区域内差异是造成我国文化产业发展不均衡的主要原因.因此,应该推进文化产业的技术创新,因地制宜地采取不同方法,促进区域内、区域间的协调发展.

农业PPP对农业绿色全要素生产率的影响研究——基于长江经济带的实证分析

提升农业绿色全要素生产率是农业高质量发展的关键体现,而政府与社会资本合作模式(PPP模式)是一种有效的农业投融资模式。运用非径向SBM模型方向性距离函数的ML指数法分别测算了2016-2020年长江经济带农业绿色全要素生产率水平及分解项(技术效率和技术进步),结合面板固定回归模型实证研究了农业农村领域的PPP模式对长江经济带农业绿色全要素生产率的影响及内在机制。结果表明:农业PPP在5%的水平上显著提高长江经济带农业绿色全要素生产率,且上下游地区的影响存在区域异质性,下游地区效应更大,通过稳健性检验后该结论仍然成立。此外,产业结构、城镇化、技术水平、土地规模化与农业绿色全要素生产率呈现显著正相关。最后提出了相应建议,以期提高长江经济带农业绿色全要素生产率,进而实现农业高质量发展的战略目标。

碳中和目标下黄河流域全要素碳生产率时空演化研究

提升碳生产率是实现碳达峰、碳中和的有效手段。为协调黄河流域经济增长与碳减排的关系,核算了2007—2017年黄河流域九省(区)的碳生产率,基于DEA-Malmquist的全要素碳生产率模型计算所得数值分析了九省(区)全要素碳生产率的时空演化格局,识别了全要素碳生产率的影响因素。结果表明:1)在时间维度上,2007—2017年九省(区)的碳生产率平稳上升,增幅高达283.3%;全要素碳生产率增长缓慢,维持在1.000左右。2)在空间维度上,受经济发展和资源禀赋的影响,碳生产率和全要素碳生产率区域异质性较大,呈现“下游显著高于中游、中游略高于上游”空间演变格局。3)从影响因素来看,上中游属于技术效率拉动型区域,技术进步的作用微弱,而下游属于技术进步和技术效率共同推动型区域。基于此,提出创新体制机制、推广低碳发展模式,立足低碳技术创新、加快能源结构调整,加强区域一体化合作、提升要素配置效率等策略建议。

农业生产性服务何以提高农业绿色全要素生产率?

农业绿色全要素生产既是推动农业高质量发展的重要途径,也是实现农业大国向农业强国跨越的必由之路。农业生产性服务在助力小农户衔接现代农业的同时,也为农业绿色全要素生产注入新的动能。文章基于我国30个省份2010—2020年的省级面板数据,考察农业生产性服务对农业绿色全要素生产率的作用机制和影响效应。研究结果显示:(1)农业生产性服务显著提高了农业绿色全要素生产率;(2)农业生产性服务能够通过加快农地流转和促进技术进步提高农业绿色全要素生产率;(3)农业生产性服务提高农业绿色全要素生产率的效果呈自南向北递增的趋势,且在粮食主产区和产销平衡区更为显著;(4)农户经营规模在农业生产性服务提高农业绿色全要素生产率过程中发挥正向调节作用。最后,文章提出坚决贯彻农业绿色发展理念、大力培育农业生产性服务组织和加快建设规模化标准化农田等建议。

我国教育部直属高校资源投入产出效率综合评价研究——基于超效率DEA模型和Malmquist生产率指数的测算

基于我国58所教育部直属高校理、工、农、医学科的办学数据,运用超效率DEA模型和Malmquist生产率指数,对2008~2017年我国高等教育由“规模扩张”转向“质量提升”这一关键时段内高校资源投入产出效率进行综合评价,结果发现:(1)高校资源投入产出效率整体水平有较大提升空间,资源的配置与管理水平较高,但生产规模远未达到最优水平,增大资源投入力度能够有效提升多数高校的办学效益。(2)高校质量型产出效率小于数量型产出效率,两类效率对整体效率的贡献度的变化趋势证实了学科评估的“指挥棒”效应。(3)高校三大职能的投入产出效率对整体效率贡献度的排序依次为科学研究、人才培养、社会服务,其中科学研究投入产出效率对整体效率的贡献度呈下降趋势,人才培养、社会服务投入产出效率对整体效率的贡献度呈上升趋势。(4)高校资源投入产出效率正向增长的根本原因是规模效率提高,技术进步指数起负面影响,纯技术效率未发生明显变化。技术进步指数的周期性变化趋势说明我国高等教育资源投入模式与发展方式的关系还有待进一步协调。

中国蔬菜绿色全要素生产率时空特征与空间错位

为评估中国蔬菜绿色生产率,提升蔬菜生产绿色发展水平,推进农业高质量发展。该研究采用超效率SBMML模型、空间错位指数、主成分分析法等方法,探究2011—2020年中国30个省市蔬菜绿色全要素生产率的时空格局演变与空间错位特征,识别影响中国蔬菜绿色全要素生产率的主要因素。研究结果发现:1)2011—2020年中国蔬菜绿色全要素生产率整体呈下降趋势,由1.023 1降低到0.741 4,蔬菜生产与生态环境可持续发展的协调程度降低,其中技术效率下降和技术退步共同拖累了蔬菜绿色全要素生产率的提高。2)2011—2020年中国蔬菜绿色全要素生产率增长呈“东高西低,南高北低”的空间分布特征。北回归线以南产区蔬菜绿色全要素生产率最高,西北产区蔬菜绿色全要素生产率最低,其差异主要取决于水土资源供给状况与市场需求规模等因素。3)2011—2020年中国蔬菜绿色全要素生产率与技术效率的空间错位由北向南大致呈现“正向错位—负向错位”的变化趋势,整体以低错位为主。东北产区、中部产区地势平坦,农业生产条件良好,有利于蔬菜规模化种植。2011—2020年中国蔬菜绿色全要素生产率与技术进步的空间错位呈显著的“东正西负”的空间分布特征,且空间错位程度较大,负向错位省份数量由13个增至17个。由于蔬菜生产过于追求经济效益,忽视了绿色生产技术的投入。4)经济发展水平、资源环境禀赋和交通通达性是影响中国省域蔬菜绿色全要素生产率变化的主要因素,其中城镇化率和人均可支配收入等经济要素对蔬菜绿色全要素生产率的影响最为明显。研究结果可准确把握现阶段蔬菜绿色生产现状,为农业绿色转型发展提供借鉴。

碳试点政策冲击下的地区工业全要素生产率增长分析

本文基于DEA-Malmquist指数方法测算了我国各省(区、市)2003~2022年的工业全要素生产率,通过双重差分法研究发现碳交易试点政策有助于促进碳试点地区工业全要素生产率增长,并发现在2013~2022年间,碳试点地区工业全要素生产率的增长主要来源于纯技术进步和纯技术效率提升,规模效率提升的贡献相对较低。具体的,在2013~2022年间,纯技术效率、纯技术进步和规模效率所作的平均贡献分别为56.8%、36.9%和6.3%。但是从变化趋势来看,近年来碳试点地区依赖于纯技术效率提升和纯技术进步实现工业全要素生产率增长的空间在不断缩小,规模效率提升所发挥的作用在稳步增强,在2019~2022年、2020~2022年以及2021~2022年3个样本期内,规模效率提升所作的平均贡献均超过了20%,未来碳试点地区工业全要素生产率增长将愈发依托规模效率改善的增长模式。

农业全要素碳生产率空间分异与收敛

准确评估农业低碳发展绩效,识别其时空演化特征和趋势,是科学制定低碳农业发展政策,实现农业经济增长与生态环境和谐共进的现实需要。首先基于SBM函数和GML指数测算1999-2021年中国269个城市农业全要素碳生产率(ATFCP),然后使用Dagum’s Gini系数刻画其空间分异特征,最后采用空间面板模型检验其收敛性。实证结果表明,中国农业全要素碳生产率总体呈上升趋势,且主要由技术进步驱动。ATFCP空间分异程度逐年扩大,主要来自各省级行政区间的差异(58.10%),其次为超变密度(38.15%),各省级行政区内部差异最小仅为3.75%。ATFCP不存在σ收敛,但存在β绝对收敛和β条件收敛,并且还存在空间溢出效应,即本地区ATFCP增长会加速促进周边地区ATFCP提升,调整样本时期、变换时间间隔和空间权重矩阵等稳健性检验后依然成立。

数字赋能的全要素生产率测度及时空演化机制

近年来,随着我国数字经济的快速发展,数字技术也在不断更新迭代。以互联网为核心的数字经济正在成为中国经济体系不可或缺的组成部分。因此,建立科学的数字经济发展水平评价体系,探索不同地区之间的数字经济发展程度具有重要意义。本文结合已有研究,从数字化赋权基础设施出发考虑数字经济产业发展和产业融合两个部分,结合其他数字经济测度方法并考虑相关指标数据的可获得性,将数字经济发展水平指标划分为基础指标、产业指标和融合指标三个二级指标,并选用不同的9个变量构建数字经济发展水平评价体系,测算我国除西藏和港澳台以外的30个省份数字经济发展水平。根据2013—2017年省级数字经济发展水平测算发现:我国数字经济体量庞大,但驱动力开始显弱;从地区差异上看,我国各地区数字经济发展程度不均衡,东部地区远高于中、西部地区,中、西部的数字化赋能基础设施、数字产业化和产业数字化三者之间尚未形成协同发展作用。随后,根据数字经济发展水平评价的测算结果,基于DEA-Malmquist指数方法评估基于数字赋能的我国2013—2017年除西藏和港澳台以外的30个省份的全要素生产率,最终得出以下结论:我国目前对技术的掌握能力存在不足,数字经济发展仍处于粗放阶段;我国东部和中、西部之间并没有形成数字经济协同发展的局面,且地区差异存在持续扩大的可能;技术进步是我国各地区全要素生产率增长的主要驱动力,而规模效率和纯技术效率则显拖累作用,阻碍我国数字经济发展。

新型城镇化·新型工业化与农业绿色全要素生产率——基于长江经济带面板数据的分析

基于2002—2021年长江经济带11省市的面板数据,分别利用SBM-GML指数法和熵值法测算了长江经济带的农业绿色全要素生产率水平和新型城镇化、新型工业化水平,然后运用面板Tobit模型分析了新型城镇化、新型工业化对农业绿色全要素生产率的影响。结果表明:2002—2006年间长江经济带各省市的农业绿色全要素生产率水平还不尽人意,但2007—2021年该经济带各省市的农业绿色全要素生产率水平均显著提升,同时长江经济带的新型城镇化、新型工业化水平也呈稳步上升趋势;新型城镇化、新型工业化对长江经济带农业绿色全要素生产率水平的提升具有显著的正向影响,且新型工业化的影响更大。基于此,为了进一步挖掘长江经济带新型城镇化、新型工业化对农业绿色全要素生产率提升的潜力,建议长江经济带各省市在稳步推动新型城镇化发展的同时不断为新型工业化注入新的“活力”,为提升当地的农业绿色全要素生产率水平助力,同时还要通过优化农业产业结构、改造农村电网等方式进一步减少非合意产出。

江西省农业绿色全要素生产率时空演化

考虑碳排放约束,将农业碳排放作为非期望产出,运用全局Malmquist-Luenberger指数模型对江西省2011—2020年11个设区市的农业绿色全要素生产率进行测算,分析其时空演化格局,并探析可能的驱动来源。结果表明,江西省2011—2016年的农业绿色全要素生产率较为稳定,在经历2017年的低谷后,2018—2020年连年创下新高;不同区域的农业绿色全要素生产率指数存在明显差异,其中鹰潭市最高,其次是南昌市、九江市;而抚州市最低;2018年起农业绿色全要素生产率的变化主要由技术进步推动,且规模效率对技术效率的贡献逐渐降低。未来应因地制宜优化农业产业结构,农业技术人才、资本投入、水资源和土地利用等资源要素的配置,通过农业科技创新推动农业绿色低碳发展。

“双碳”目标下湖南省农业绿色全要素生产率分析

【目的】农业碳排放在碳排放总量中所占比例很高。通过绿色农业生产减少农业碳排放,实现“双碳”目标,是不可忽视的重要领域,也是绿色农业发展的必然要求。作为农业大省,湖南省通过计算农业绿色全要素生产率及其核心影响因素,准确识别其障碍因素,为提高农业绿色全要素生产率、促进农业绿色发展、实现“双碳”目标提供理论依据和决策参考。【方法】运用SBM-DDF指数模型测算湖南农业绿色全要素生产率及碳排放量,采用2012—2022年湖南各市州数据进行测算,从时空间分布角度分析其特征;再建立固定效应模型,选取生产技术创新投资强度、绿色高新技术采用强度、区域一二三融合发展水平、对影响农业绿色全要素生产率的核心因素,包括化肥和农药施用强度、经济增长水平等进行回归研究。【结果】研究发现,在“双碳”目标下,湖南省农业年均绿色全要素生产力呈时间序列振荡状态,区域空间分布不均,农业生产技术创新投资强度、绿色高新技术采用强度、经济增长水平、化肥与农药施用强度、一、二、三产业区域一体化强度与农业绿色全要素生产率强相关;2012—2022年,湖南省农业绿色全要素生产率逐年提高,绿色高新技术进步是主要驱动力,但增速呈下降趋势。【结论】湖南省绿色技术改造应用主要技术实施率低;农业绿色技术创新能力不强;绿色生产技术创新和改进的投资强度相对较低;区域一二三融合发展的举措与降低农业碳排放量的举措效率不高。

基于SBM-ML-Tobit模型的中国工业碳生产率影响因素研究

基于2004—2019年30个省份的面板数据,首先,采用超效率松弛变量的测度(SBM)模型和马尔奎斯特—吕恩贝格(ML)指数方法,测度了2004—2019年中国省级工业碳生产率静态效率与动态指标并进行分析。其次,使用Tobit模型对碳生产率的影响因素进行了深入分析。结果表明:(1)在2004—2019年,我国大部分区域工业碳生产效率值整体水平偏低,仅部分东南沿海地区达到优秀水平,但各区域工业碳生产效率动态指标差异较小且整体呈现上升趋势,说明各地区在工业碳排放管理与技术方面取得了一些积极成果。(2)经济发展程度、人力资本水平与对外开放对工业碳生产率有显著的提升作用;城镇化程度对工业碳生产率存在显著抑制效应;环境规制对工业碳生产率呈现先促进后抑制的“U”型影响。

数字普惠金融对农业全要素生产率的影响研究

“十四五”新时期,数字普惠金融对农业生产的服务支持作用越发显著。在探讨数字普惠金融如何影响农业全要素生产率的研究中,选择我国除港澳台地区外的31个省级行政区2011—2021年的面板数据,运用DEA-Malmquist指数模型,从产出、投入两方面对农业全要素生产率进行了量化评估;构建固定效应检验模型,实证探究数字普惠金融在提升我国农业全要素生产率方面的作用;构建门槛效应回归模型,探讨二者之间是否存在非线性影响。研究结论为:第一,数字普惠金融的蓬勃发展显著推动了农业全要素生产率的提高,特别是在促进农业技术进步方面表现尤为突出,但其数字化程度的影响效应并不明显。第二,数字普惠金融在不同地域背景下所产生的影响会因地区发展水平的不同而存在差异。第三,数字普惠金融对农业全要素生产率的作用不仅与其自身的发展程度有关系,还与农村居民的收入水平高低有关。