基于超效率SBM-ESDA与Tobit模型的制造业绿色创新效率时空分异研究——以长江经济带为例

长江经济带拥有世界上最大的制造业基地,但其制造业绿色创新效率亟须提高。论文首先运用考虑非期望产出的超效率SBM模型对1997-2021年长江经济带11个省市的制造业绿色创新效率进行测算,接着分别采用核密度估计和探索性数据空间分析法对其时间动态变化和空间相关性进行分析,最后运用Tobit模型对制造业绿色创新效率影响因素进行实证分析。结果表明:统计期内,长江经济带制造业绿色创新效率整体呈现波动上升趋势且均值上下游高中游低的“U”型分布;长江经济带制造业绿色创新效率时空分异随时间逐渐缩小且向高效率地区聚集,但仍存在个别区域两极分化现象。为提高制造业绿色创新效率,应引导各地区调整进出口产品结构、发挥市场在资源配置中的决定性作用、优化制造产业结构及提升高等教育人才培养质量等。

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。

福建省专利质量对海洋技术创新效率的影响——基于DEA-Tobit模型的实证研究

海洋技术创新是推动海洋经济转型升级、提升海洋经济高质量发展的重要驱动力,如何提升海洋技术创新效率是当前面临的重要问题。为探讨专利质量是否影响海洋技术创新效率的提升,本文基于2007-2021年海洋统计数据,运用二阶段DEA模型测算福建省海洋技术创新效率,综合分析海洋科技研发效率和科技成果转化效率,进一步分析专利质量对海洋技术创新效率的影响。研究结果表明:2007-2021年福建省海洋技术创新整体效率较高,呈上升趋势;分阶段看,海洋科技研发效率总体平均水平低于科技成果转化效率。Tobit模型回归结果表明专利质量的提高对海洋技术创新整体效率及分阶段的研发效率和成果转化效率的提升均具有促进作用。此外,海洋经济规模、海洋产业结构、科研平台数、科研院校专利占比等因素对海洋技术创新效率也具有一定的影响。

福建省产学研协同创新效率评价及影响因素分析——基于DEA交叉效率-Tobit模型

利用DEA交叉效率模型测度福建省地级市产学研协同创新效率,以了解福建省各地级市产学研协同创新质量发展差异及存在的问题,并利用Tobit模型深入分析福建省产学研协同创新效率的影响因素,最后提出相应对策与建议。研究发现:2015—2022年福建省9个地级市产学研协同创新效率整体水平不高,呈现“东高西低”空间分布特点,发展不均衡,且不均衡程度有逐渐加重的趋势;经济发展水平对福建省产学研协同创新效率存在显著负向影响,对外开放程度和地方财政科技支出强度存在显著正向影响,而高校(院所)转移知识的能力和企业-高校(院所)合作强度没有产生显著影响。进而提出建议:因地制宜,提升产学研创新资源配置效率;加强合作,强化创新中心城市的创新辐射带动作用;多方引力,提高对外开放水平。

中国沿海港口物流效率测度及影响因素研究——基于超效率SBM-Tobit模型的实证分析

港口物流效率测度及影响因素识别是实现港口可持续发展的关键,也是助推区域经济发展的有力保障。采用超效率SBM模型、Nich-Hurst演化趋势模型探究中国沿海港口物流效率及未来发展趋势,并采用Tobit模型识别港口物流效率的影响因素。结果表明:①中国沿海港口物流效率总体呈波动上升趋势,但受相关政策和国内外经济环境影响,存在明显的港际演化差异;②中国沿海港口物流效率空间差异显著,呈现“北高南低”的空间分布特征;③未来中国沿海港口物流效率表现出较好的上升趋势,同时也存在空间差异继续扩大的风险;④集疏运能力、经济实力和科技创新对港口物流效率具有较强的正向驱动作用,对外开放对港口物流效率具有负向驱动作用。

基于DEA-Tobit模型的华东地区公共体育服务效率研究

公共体育服务是政府为满足公民体育需求所提供的一种体育服务措施,而效率评价是衡量其发展的重要手段。科学的公共体育服务效率评价,能够客观清晰地反映公共体育服务发展情况。构建DEA模型对2016—2018年我国华东地区六省一市的公共体育服务效率评价指标进行测算分析,并运用Tobit模型进行实证检验,探究可能对公共体育服务效率带来影响的外部因素。结果显示:(1)华东地区2016—2018年公共体育服务综合效率值为0.931,纯技术效率值为0.992,规模效率值为0.937,规模报酬呈现递减趋势;(2)地区经济发展水平、人口密度和体育管理人员规模与公共体育服务效率呈正相关,与受教育水平呈负相关。根据研究结果分析华东地区公共体育服务效率问题与差距,提出以下对策建议:减少区域短板,促进协同发展;调整资源配置,提升供给质量;健全监督机制,完善管理体系。

丝绸之路经济带9省物流效率及影响因素分析——基于超效率SBM—Malmquist—Tobit模型

为研究我国丝绸之路经济带9省物流效率及影响因素,构建超效率SBM—Malmquist模型,并采用Tobit模型和灰色关联分析法分析影响因素。研究表明:2013—2022年丝绸之路经济带9省物流全要素生产率呈现“低—高—低”的发展趋势;2013—2022年各省物流效率均值处于无效状态,其中,2022年广西等5个省份处于有效状态;物流效率与从业人员、总里程及周转量呈负相关,与资本存量、增加值及货运量呈正相关。基于此,提出培养人力资源、调整运输结构、打造智能化物流、降低信息不对称性及进行资源整合的建议。

房价对城市全要素生产率的影响机制研究--基于Tobit模型实证分析

基于2008—2016年全国35个大中型城市的面板数据,利用Tobit模型和投入导向型的数据包络分析(DEA)方法探究城市房屋销售价格对城市全要素生产率的影响。研究发现:在整体维度城市房价与城市生产率呈现先增加后减少的倒U型曲线,且城市的房价水平超过了“房住不炒”的最高临界值,房价上升的抑制效应显著。房价对于不同人口规模城市的生产率影响具有异质性,在人口规模达到特大城市时,房价与城市生产率呈现倒U型特征,人口规模达到超大城市后,房价与城市生产率倒U型特征消失。不同类型城市房价与城市生产率之间的倒U型关系和城市的异质性特征表明,我国大中型城市应进行房价的“一城一策”精细化调节,“房住不炒”的政策定位具有坚实理论依据和现实必然。

基于DEA和Tobit模型的安徽省水资源利用效率测算与影响因素分析

利用超效率SBM-DEA模型、DEA-Malmquist指数对2011—2020年安徽省水资源利用效率进行测算,并采用Tobit模型分析其影响因素。结果表明,2011—2020年安徽省水资源利用效率未达到有效水平,利用效率平均值从0.931波动下降为0.873,16个地市中仅有合肥、淮北、黄山的水资源利用效率达到DEA有效,其余13个城市的水资源利用效率均处于生产前沿面之下。安徽省水资源利用效率Malmquist指数平均值为0.981,总体处于下降阶段,技术效率变化、技术进步变化均阻碍了效率的上升;合肥、淮北、芜湖、铜陵、安庆和黄山的Malmquist指数平均值处于上升阶段,其余10个城市的Malmquist指数值均处于下降阶段。人均GDP、第一产业比重、农业用水比重因素均对安徽省水资源利用效率的提升呈现出显著的正向促进作用;而人均用水量、人均污水排放量则均呈现出显著负向作用。

山东省农业保险运行效率及影响因素分析——基于DEA和Tobit模型

采用DEA-BCC模型和Tobit模型,对山东省农业保险运行效率及影响因素进行研究。结果表明:山东省农业保险综合效率总体较好,农业保险纯技术效益已经达到最优状态,持续扩大普惠农业保险责任和保险标的的适用范围,阶梯式提升农户收入,有利于乡村振兴宏伟目标的实现;风险保额过度提升会增加农业生产对于农业保险的依赖程度,农田成灾面积与农业保险效率呈负相关关系。

我国农产品国际贸易效率评价及影响因素研究——基于超效率SBM-Tobit模型

为了研究我国农产品国际贸易效率和影响农产品国际贸易效率的因素,基于2000—2020年农产品国际贸易投入产出数据,利用非径向角度Super-SBM模型对我国农产品国际贸易效率进行测算,并进一步运用Tobit一般模型分析影响效率的主要因素。研究发现:我国农产品国际贸易效率总体良好,效率走势逐渐上涨且平稳,提升空间较大;农产品国际贸易综合效率受规模效率的影响大;人民币对美元汇率(美元=100)、主要农作物产品产量、劳动力均与我国农产品国际贸易效率呈现显著负相关,而农产品出口金额与我国农产品国际贸易效率呈现显著正相关。

我国各地区数字经济发展水平及影响因素分析——基于DEA-Tobit模型的实证研究

运用熵权TOPSIS法综合测算2017—2021年我国30个省份数字经济发展的整体水平,在此基础上,采用数据包络分析方法(DEA)测算我国各省份数字经济效率情况,进而采用Tobit模型探究各省份数字经济发展水平的影响因素。研究结果表明,2017—2021年我国各省份数字经济整体发展水平和效率值不高并且地区分布差异明显,地区经济发展水平、政府干预度、人力资本水平、外资依存度对数字经济投入产出效率具有显著影响,而过高的投资规模会抑制数字经济效率的发展。在此基础上,提出需要发挥政府宏观调控作用,加大教育投资,落实人才引进政策,提高对外开放程度来提升数字经济发展水平的政策建议。

我国农产品物流效率及影响因素——基于DEA-Malmquist和Tobit模型

应用DEA-Malmquist指数测算2015—2021年我国30个省市区的农产品物流效率,运用Tobit回归分析研究区农产品物流效率影响因素。实证结果表明:1)从静态来看,观测期内我国农产品物流综合效率较低,技术效率略低,投入要素配置尚未达到合理状态;2)从动态来看,我国农产品物流全要素率增长,技术进步作用较为关键;3)在多维影响因素中,信息化和物流发展程度是提升农产品物流效率的主要因素。因此,文章从政府、市场和行业等角度提出了提高我国农产品物流效率的建议。

基于DEA-Tobit模型的长江经济带物流效率及其影响因素研究

文章基于2012—2021年长江经济带11个省市的物流业发展数据,采用DEA作为分析工具对长三角经济带物流效率进行实证研究,并在此基础上,利用Tobit模型探究各因素对物流效率的影响程度。研究结果显示,第一,长江经济带物流效率整体呈现上升趋势,但三大区域物流发展效率存在较为明显的不均衡现象,且下游地区较高,上中游地区相对滞后;第二,经济发展水平、产业结构、市场化程度和物流产业集聚能够有效促进长江经济带整体物流效率的提高,而人力资本水平不利于提高物流效率。根据研究结果,文章对长江经济带物流业发展提出相应的对策建议以促进物流行业区域协调发展。

数字经济发展对节能减排效率的影响研究——基于超效率SBM和Tobit模型

基于2006-2019年我国29个省(市)面板数据,实证分析了数字经济发展对节能减排效率的影响效应和作用机制。研究表明:数字经济发展可有效促进节能减排效率提升;市场化发展和能源结构优化是数字经济推动节能减排的有效路径;此外,产业结构高级化、人力资本积累和环境规制有利于提高节能减排效率,而城市规模扩张和对外贸易依存度过大,不利于节能减排效率的改善。

基于Tobit模型的河南省R&D投入产出影响因素分析

【目的】科技创新能力是地区综合实力的重要标志之一,科学地识别影响科技资源投入产出的因素,是实现经济跨越式发展和可持续发展的关键。【方法】基于Tobit模型对近十年河南省R&D投入产出面板数据进行相关检验,分析得出各变量对河南省R&D投入产出产生的不同影响。【结果】企业研发机构投入和高水平人才比例与河南省R&D投入产出效率呈显著正相关,而政府支持力度和对外开放程度则对R&D投入产出效率的作用不显著。【结论】建议河南省通过转换政府职能、注重人才引进、加强对外交流、改善区域环境等方式,优化R&D投入产出,更好地提升科技效能。

长江经济带物流效率测度及影响因素研究——基于DEA-BCC和Tobit模型

以长江经济带11个省份作为研究对象,评估长江经济带物流效率,并探讨与之相关的环境影响因素。运用DEA-BCC模型对2012-2021年各省份的物流效率进行评价,同时结合Tobit模型分析环境影响因素对物流效率的影响。通过DEA-BCC模型测度,发现长江经济带各区域物流效率存在差异,其中部分地区纯技术效率和规模技术效率较高。在环境影响因素的分析中,采用了Tobit模型,结果显示碳排放量、对外开放程度,对物流效率产生了显著影响,这表明在物流发展中,应重视环境保护减少二氧化碳排放,采取相应的政策和措施来减少环境负荷,同时增加对外开放的程度,制定出针对性的政策和措施,促进长江经济带物流效率的提高。

基于Tobit模型的东三省电商物流效率影响因素探析

本文立足于“双碳”战略和“十四五”方案的实施,以投入产出角度为切入点,将视野聚焦于东三省农产品电商物流效率的研究。具体地说,本文将能源消耗与电子商务同时纳入农产品物流效率的测度指标体系,建立“双碳”战略下农产品电商物流效率的评价指标体系。

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。

人工智能企业融资效率及影响因素研究——基于博弈交叉效率和Tobit模型

人工智能发展对促进中国经济结构转型升级、推动经济高质量发展具有重要意义,党的二十大报告指出要构建新一代信息技术、人工智能等一批新的增长引擎。目前,人工智能企业融资态势好,融资效率成为影响人工智能企业发展的关键因素之一。考虑到企业融资的竞争性,该文构建博弈交叉效率模型测度人工智能企业融资效率,并利用Tobit方法构建融资效率影响因素模型。实证研究表明:人工智能企业整体融资效率不高,且企业间差异明显;按均值进行分区,高中低融资效率企业变化趋势呈现高度一致性;从时序角度来看,2015—2020年呈现出下降—急剧上升—缓慢下降的总体趋势。Tobit模型表明,企业规模、盈利能力和成长能力均显著正向影响人工智能企业融资效率,债权融资水平会负向显著影响融资效率,股权集中度对人工智能企业融资效率无显著影响。最后,基于实证研究结果,提出优化人工智能企业融资效率的建议。