浙江省全要素生产率的估算和分解——基于非参数Malmquist生产率指数法研究

运用非参数Malmquist生产率指数方法,对浙江省11个地区的全要素生产率进行了估算和分解.估算结果表明:"八五计划"和"九五计划"期间,所有地区的TFP增长迅速,而"十五规划"期间,大部分地区的TFP则下降显著;进一步分解发现各地区的技术效率是收敛的,对TFP的影响较小,而技术变动与TFP波动趋势相同,对TFP变动起决定作用.

山西技术创新效率与周边省份的比较研究——基于超效率DEA和DEA—Malmquist生产率指数法

利用山西及周边省份1998—2012年的面板数据,结合超效率DEA和DEA—Malmquist生产率指数法,测算各省的综合效率和Malmquist指数及其分解项,分析山西技术创新效率变化的内在动力。结果显示:中部及周边各省技术创新效率总体水平不高;山西与周边省份相比还存在一定的差距。具体而言,技术效率成为促进山西技术创新效率增长的主要动力,而技术进步指数的下降则制约了山西技术创新效率的发展。

山西省高新技术产业动态效率与我国发达地区比较研究——基于主成分分析和DEA-Malmquist生产率指数法

利用山西省与我国发达地区高新技术产业2001—2010年的数据,结合主成分分析和DEA-Malmquist生产率指数法,比较各地区高新技术产业的动态效率。结果显示:山西省高新技术产业生产效率与发达地区相比存在较大差距;2001—2005年,技术进步是促进山西省高新技术产业生产率增长的主导力量,2006—2010年,规模效率则成为主要动力;10年来,山西省高新技术产业纯技术效率变动指数一直保持不变,制约山西省高新技术产业生产率增长的主要原因是规模效率变动指数与技术变动指数的反向变化。

2000-2013年中国城市群经济绩效动态实证分析——基于DEA和Malmquist生产率指数法

在全球化和新型城镇化大背景下,城市群是辐射面最广、潜力最大、活力最强的核心增长极,但其高速成长背后是各类要素的大量投入,客观评估城市群经济绩效对于推动中国城镇化持续健康发展意义深远。在总结既有研究的基础上,选取中国13个典型城市群为样本,以2000-2013年为研究时段,采用资本、土地、劳动、科技和经济五大要素长时间序列数据,在全要素生产率(TFP)分析框架下,通过数据包络分析方法(DEA)静态评价时间截面的城市群投入产出效率,进而运用Malmquist生产率指数法动态分析城市群TFP年际变化,探讨其时空格局和内在演化机制。研究发现:城市群经济绩效进步明显,但空间分布仍不均衡;科技进步贡献的滞后在一定程度上抵消了通过规模扩张和资源配置优化带来的正效应,只有长三角、珠三角和京津冀三大城市群初步实现依靠科技进步促进发展,表明各城市群所处发展阶段和动力机制差异显著。据此,提出针对不同地区、不同发展阶段城市群的发展策略。

创业板上市公司全要素生产率分析——基于DEA-Malmquist指数法的实证研究

本文选取50家创业板上市公司2007-2011年间的面板数据,使用DEA-Malmquist指数法对其全要素生产率的变动进行测算,并对全要素生产率变动的驱动因素进行分解,以分析创业板上市公司在上市后是否是通过生产率的提升实现内生性增长。研究结论是,50家样本公司在2007-2011年间呈现出全要素生产率的负增长(-6.2%)。其中,技术进步的贡献为-6.9%,纯技术效率改进的贡献为2.2%,规模效率改进的贡献为-1.5%。各年度样本公司的全要素生产率增长率呈现出递减趋势。

基于Malmquist指数法的我国电子信息产业全要素生产率增长分析

本文运用Malmquist指数法测算了我国电子信息产业全要素生产率的变动趋势,并把全要素生产率的增长构成分解为技术进步和技术效率变化两个部分,结果显示:1996～2007年我国电子信息产业全要素生产率的平均增长率为1.5%,主要原因是技术进步水平的提高,但技术效率下降产生的负面影响也不可忽视,且在不同时期技术效率和技术进步对我国电子信息产业全要素生产率增长的贡献存在一定差异。

重庆市农业全要素生产率分析:基于Malmquist指数方法

运用非参数Malmquist指数法,对2000-2006年重庆市县域层面上的农业全要素生产率的变动趋势和构成进行了分析。结果表明:2000-2006年期间重庆市农业全要素生产率年均增长率为4.0%,其中,农业技术效率变化指数年均增长率为5.0%,而农业技术进步指数反而年均下降1.0%;重庆市农业全要素生产率的增长主要来自于技术效率的改善而非农业技术的进步。重庆市要提高农业生产率,增强农业可持续发展能力,应根据自身特点和发展需要,优化投入结构和规模,加强和加快农业技术的研发能力,改革和完善农业技术推广体系,提高农村人力资本质量,继续加强农业基础设施建设。

基于DEA-Malmquist指数法的中国食品工业绿色全要素生产率评价

运用2006—2014年中国食品工业的面板数据,采用熵值法测度中国食品工业的环境污染综合指数,应用DEA-Malmquist方法在综合考虑环境污染和能源消耗问题的基础上测度中国各类食品工业绿色全要素生产率。研究发现,2006—2014年,食品工业环境污染指数大致呈现一个先上升后下降再上升的走势;2006—2014年,中国食品工业绿色全要素生产率Malmquist指数基本呈现一个波动上升的趋势;2006—2014年,中国食品工业的技术效率平均值较小,但基本呈现上升趋势,只有农副食品加工业的技术效率一直保持有效性。

“丝绸之路经济带”9省区市全要素生产率比较:基于DEA-Malmquist指数法的研究

文章基于DEA的Malmquist指数方法,选取2001-2012年的面板数据,测算＂丝绸之路经济带＂9省区市的全要素生产率并与全国平均水平进行比较,对9省区市进行分类,分析新疆全要素生产率的变动。研究表明：9省区市与全国以及9个省区市之间经济增长效率差距明显,在＂丝绸之路经济带＂建设中,加快技术进步是缩小差距的主要手段。新疆经济增长效率虽然相对比较高,但全要素生产率下滑明显,需要尽快扭转。

中国木材供给全要素生产率及其时空差异——基于DEA-Malmquist指数法

基于2004～2012年省际面板数据，采用DEA-Malmquist指数法，测算和分析了中国木材供给全要素生产率。研究结果表明：在技术进步和技术效率的共同推动下，中国木材供给全要素生产率增长较快，增长的主要动力是技术进步；中国木材供给全要素生产率年际间增长速度差异较大，但推动各年度增长的关键力量均是技术进步；在四大地区中，只有东北地区木材供给全要素生产率下降，其他三个地区均增长，且增长动力相似；由于技术效率提升乏力，超过40％的省份木材供给全要素生产率下降。

基于DEA-Malmquist指数法中国农业全要素生产率变化特征分析

运用DEA-Malmquist指数法,根据2007—2015年省际农业投入产出面板数据,测算中国农业全要素生产率(TFP)在时间序列和空间区域上的变化特点。结果表明,中国农业全要素生产率在时间序列与空间区域上变化显著; TFP增长的主要原因是技术进步。TFP年度间变化受经济发展动能转换影响;区域间变化受区域经济发展水平、城镇化发展水平等因素影响。

产业结构合理化对区域碳生产率的影响——基于DEA-Malmquist指数法的分析

为了探讨产业结构合理化与区域碳生产率的关系,我们在针对中国各区域产业结构的合理化水平展开评价与分析的基础上,进一步采用DEA-Malmquist分析法测度了包括碳排放要素在内的各区域广义碳生产率,并基于2004—2012年中国各省市面板数据研究产业结构合理化趋势对于区域碳生产率的影响。研究发现产业结构合理化对于提升全国层面的碳生产率有着正向影响,在分区域的研究中,东部地区产业结构合理化对于碳生产率的提升影响更为显著,中部和西部地区则表现尚不明显。

我国高技术产业全要素生产率变动分解——基于非参数的Malmquist指数法

对全要素生产率研究采用非参数Malmquist指数法,对2001—2006我国高科技产业全要素生产率进行估算,结果显示,在2001—2006年我国全要素增长率出现大幅下降,技术进步呈衰退趋势,而技术效率大体为增长趋势。分析发现,不同地区之间全要素生产率均有下降,东部地区并未呈现出在全要素生产率方面的地区优势,同时,外资对东部城市生产率影响很大。

环境约束下西部全要素生产率的估算——基于Malmquist-Luenberger指数法

本文利用西部地区2000-2009年面板数据,基于Malmquist-Luenberger指数法,在环境约束下考察西部大开发战略实施以来西部地区全要素生产率的变化。研究表明:在考虑环境约束条件下,西部地区TFP年均增长由传统的0.4%下降到0.3%,传统TFP表现最差的西部地区TFP下降幅度明显小于东部地区和中部地区;无论是否考虑环境约束因素,技术进步仍是全要素生产率增长的主要源泉。

基于DEA-Malmquist指数法的宁夏制造业全要素生产率分析研究

运用2009-2018年10个行业的面板数据,使用数据包络分析(DEA)和Malmquist指数法的合成模型对宁夏回族自治区制造业及其十个细分行业的综合效率和全要素生产率变化进行分析。运用软件DEAP2.1进行数据的动态分析,得出了宁夏制造业生产率指数按不同时期和不同行业的分解。结果表明:宁夏制造业生产率年均增长为1.1%,而技术效率和规模效率出现年均0.6%和1.4%的衰退,对生产率产生了负面影响。因此,为了保证宁夏制造业生产率的增长,结合Malmquist指数法的分析结果从政府层面、企业层面和产业层面三个方面提出了合理的建议。

“互联网+农业”对农业全要素生产率的影响研究——基于Malmquist指数法的面板数据分析

文章利用2010-2017年中国31个省(自治区、直辖市)的面板数据,运用Malmquist指数法测度农业全要素生产率(TFP),分析"互联网+农业"对农业全要素生产率的影响。研究发现:(1)"互联网+农业"对农业TFP有显著的促进作用,即"互联网+农业"每上升1个百分点,农业全要素生产率将提高0.014%。(2)"互联网+农业"对中国不同地区农业TFP的影响有明显差异性,对东部地区、中部地区的作用显著,但对西部地区却没有实质性影响。(3)"互联网+农业"对技术效率变化具有显著的促进作用,对技术进步变化的作用不明显,说明样本期内,中国农业生产力的提升主要来源于农业生产内部技术效率的提升。据此提出加快建设普惠互联网,加强互联网技术在农业产业上的应用等对策建议。

旅游上市公司全要素生产率变化特征及其影响因素——基于DEA-Malmquist指数分析方法

全要素生产率是衡量企业发展质量的重要指标,采用DEA-Malmquist指数分析方法对我国A股旅游上市公司2001-2013年的全要素生产率变化进行测度,结果表明在这期间旅游上市公司全要素生产率总体呈增长的趋势,这主要源于技术进步与技术效率变化指标交替上升的共同作用,其中最佳实践企业的技术进步在旅游上市公司的全要素生产率提升中起着主导作用。通过对全要素生产率影响因素的回归分析发现,旅游上市公司全要素生产率的提升主要得益于旅游市场需求的增长,资本要素投入的增加也起到了推动作用,而旅游上市公司规模的递减则影响了其效率的提升。

专利密集型制造业全要素生产率增长评价研究——基于 DEA-Malmquist 指数法

文章基于《知识产权(专利)密集型产业统计分类(2019)》对我国专利密集型制造业进行了界定,并以低专利密度型制造业作为对比,通过测算2007—2019年间两类制造业的全要素生产率(TFP)分析我国专利密集型制造业TFP的增长变动情况,并比较两类自主创新水平差距较为明显的制造业在TFP增长方面的差异。测算结果显示,两类制造业的TFP增长率及各分解项均呈现波动下行趋势,专利密集型制造业的TFP增长率及各分解项的整体水平高于低专利密度型制造业;技术进步是两类制造业TFP增长的主要驱动力,专利密集型制造业TFP的提升将更依赖于技术效率,低专利密度型制造业则需要技术进步和技术效率共同提高驱动TFP增长;两类行业内部均存在显著的差异性,更高的自主创新水平能够促进专利密集型制造业TFP的增长,但二者之间并不是简单的正相关关系。

我国农业全要素生产率的变动轨迹及驱动因素分析——基于DEA—Malmquist指数法与两步系统GMM模型的实证考察

采用DEA-Malmquist指数法和两步系统GMM模型对2007-2016年我国30个省份的农业TFP的变动轨迹及驱动因素进行研究发现:我国农业TFP年均增长率为3. 1%,对第一产业总产值增长的贡献率为78. 43%;农业TFP的增长呈现出技术进步和技术效率改善双轮驱动的良性格局;农业TFP增长率及其对第一产业总产值增长的贡献率均呈现出中部大于西部、西部大于东部的事实特征。农业TFP增长具有极强的路径依赖;财政支农、城镇化进程、农村公路密度对农业TFP增长具有正向促进作用,工业化进程和农村用电量、农业贸易开放在不同程度上制约了农业TFP增长。

基于DEA-Malmquist指数法的上市制造业生产率研究

分析上市制造业公司的技术效率和技术进步对企业全要素生产率(TFP)变化的影响,使用数据包络分析(DEA)和Malmquist指数法的合成模型对其全要素生产率的变动进行测算,并对全要素生产率变动的驱动因素进行分解,从而分析上市的制造业公司是否是通过生产率的提升实现内生性增长。选取2003—2013年间的上市制造业公司面板数据进行研究。研究结果显示:不同年度全要素生产率增长率存在差异,虽然整体TFP呈现负增长,但近几年制造业全要素生产率增长率呈递增趋势;技术进步是全要素生产率提升的主要动力,其贡献为3.1%,而技术效率贡献仅为-1.7%。