Does innovative city pilot policy promote urban green growth in China?An analysis of green total factor productivity,2005-2020

The innovative city pilot policy(ICPP)is an essential manifestation of China’s construction of an innovative and green-driven development country.We incorporated urban green total factor productivity(GTFP)growth into the evaluation of ICPP.Based on the panel data of 223 cities in China from 2005 to 2020,we used the difference-in-differences model to empirically assess the influence and mechanism of the ICPP on urban GTFP growth.The main results show that(i)The ICPP has maintained an effectively fluctuating promotion on urban GTFP growth,mainly manifested in the urban green technological progress improvement.(ii)The ICPP has urban heterogeneity in promoting GTFP growth in pilot cities,mainly affecting key cities such as provincial capitals.(iii)The interaction between the agglomeration of producer services and the ICPP inhibits GTFP growth in pilot cities.

Technical Components of Total Factor Productivity Growth in Malaysian Manufacturing Industry

This article attempts to disaggregate and explore the components of TFP growth that contribute to changes in output, scale of production, and allocative efficiency and technical efficiency of the Malaysian manufacturing sector. The total factor productivity (TFP) concept defined as total output per unit of all inputs used in the production of an industry has gained a prominent place in academia. The investigation on TFP growth is obviously useful for identifying sources of output growth in the development of an industry. The TFP growth is often interchangeably understood as the technical progress or changes in technology as the sole contributor to economic development. Nonetheless there are other factors contributing to its substance. Knowledge on these technical changes would help decision makers to realize the strengths and weaknesses that contribute to the growth and development of an industry. Alternatively this research would be more beneficial in the case of cross-industry or cross-country comparative studies in order to plan for developmental goal. In such a case a model industry or country can be chosen that exhibits special growth features.

Growth in Total Factor Productivity of Shandong Province for Environmental Constraints

This paper analyzed the total factor productivity of Shandong Province and its impact on the local economic environment through Malmquist-Luenberger productivity index. The results of the paper were included as follows. Without consideration of the environmental constraints, Index M of the total factor productivity of Shandong Province from high to low was Heze, Jinan, Qingdao, Weihai, Dongying, Zaozhuang, Jining, Tai'an, Dezhou, Liaocheng, Yantai, Zibo, Weifang, Linyi, Binzhou, Rizhao, Laiwu, among which Index M of Linyi, Binzhou, Rizhao, Laiwuwere were less than 1; taking the environmental constraints into account, Index ML of the total factor productivity of Shandong Province was reduced, from high to low was Jinan, Qingdao, Weihai, Yantai, Heze, Liaocheng, Tai'an, Weifang, Jining, Linyi, Zibo, Dongying, Zaozhuang, Rizhao, Laiwu, Binzhou, Dezhou, among which Index ML of 9 cities behind Jining were less than 1. In terms of the development mode, Jinan, Qingdao, Tai'an, Weihai, Jining and Heze were resource-conserving and environment-friendly cities; Dongying and Zaozhuang were resourceconserving and environment-polluted cities; Liaocheng, Linyi, Weifang and Yantai were resource-wasted and environment-friendly cities; Binzhou, Dezhou, Laiwu, Rizhao and Zibo were resource-wasted and environment-pol uted cities.

Creative Industries Agglomeration,Regional Innovation and Productivity Growth in China

This paper falls into the broad area of economic geography and economics of creativity,and it presents an alternative approach to explain why total factor productivity(TFP)growth is different across China′s regions.It establishes an empirical model to estimate the spatial agglomeration effects of creative industries on regional TFP growth,using China′s provincial panel data during the period of 2003 to 2010.We found that the creative industries agglomeration(CIA)has significant and positive impact on regional TFP growth.The result also implies that the CIA can facilitate regional TFP growth through promoting regional innovation instead of improving regional efficiency.Therefore,we argue that policy makers should take some measures to retain and establish more creative zones.

Productivity Growth in China's Agriculture During 1985-2010

This paper made an empirical analysis of China＇s agricultural growth path and influential factors using the province-level panel data of agricultural inputs and outputs during 1985-2010.The findings indicate that the increase in agricultural inputs and TFP contributed 40.6 and 55.2% to the agricultural output growth,respectively;China＇s agriculture had jumped out of the pattern which output growth was mainly driven by increasing input.Of the total inputs,chemical fertilizer had the most important contribution to the output growth,followed by mechanical inputs.The contribution of land and labor was negative.China＇s agricultural output growth belonged to the type of induced technology innovation.China＇s agricultural TFP growth had characteristics of fluctuations over time and unbalanced between regions,but the gap between the eastern,the middle,and the western regions has been narrowed.

Transition from Demographic Dividend to Reform Dividend:——Simulation of China's Potential Growth Rate

Due to diminishing demographic dividend characterized by a falling workingage population and rising dependency ratio, China's long-term potential growth rates will keep declining, likely to be a mere 6.6% during the 13 th Five-Year Plan period(2016-2020). China's economic growth sustainability hinges upon its transition from the previous dependence on demographic dividend to the future reform dividend. In the growth accounting equation, we have simulated various reform initiatives and arrived at the following findings. First, although both the labor participation rate and TFP can increase China's potential growth rate, the former will only achieve a short-term growth effect, which will diminish in the long run. By contrast, the growth effect of TFP demonstrates the tendency of continuous increase. This further indicates that China's economic growth will increasingly rely on TFP improvement instead of traditional factor input. Second, different from the diminishing growth effect of enrolment rate, training may play a pivotal role in human capital development to significantly enhance potential growth rates. Third, if all reform initiatives can achieve their expected effects, integrated reform dividends may reach one or two percentage points of China's potential growth rate.

增值税减税能否提高制造业企业全要素生产率?--基于增值税税率下调事件的经验研究

深化税制改革是激发市场主体活力、加快制造业转型、实现经济高质量发展的重要路径。基于2016—2020年中国沪深A股上市公司数据,研究了2018年和2019年增值税税率下调对制造业企业全要素生产率的影响。研究发现,增值税减税提高了制造业企业的全要素生产率。异质性分析结果显示,对于市场竞争地位高、国有产权、处于成熟期以及高市场化地区的企业而言,增值税减税对全要素生产率的提升效应显著。渠道分析表明,研发投入、人力资本投入以及资本配置效率是增值税减税影响企业全要素生产率的主要渠道。因此,政府部门应继续深化增值税改革,缩小制造业与其他行业的税率差异,切实减轻制造业企业税收负担,同时应加大对民营、初创等弱势企业的财政扶持力度,全面提高各类企业的全要素生产率。

我国省际全要素生产率的对比分析研究

传统的按照索洛方法计算的广义技术进步率并不是本来意义上的全要素生产率。因此,本文重新构建全要素生产率的测度框架。一是明确定义全要素生产率,即一定时期内,按照现有的技术条件和产业结构比例,每投入一个单位的全部生产要素所能够带来的最终产出。二是利用有关统计数据估算省级层面有效资本存量,并分别构建各省份合适的计量模型估计其在不同发展阶段的要素产出弹性系数,进而测度各省份全要素生产率以及因全要素生产率变动所带来的经济增长率(简称全要素经济增长率)。实证分析结果表明,一般情况下,经济越发达省份的全要素生产率也越高,但是经济发达省份的全要素经济增长率并不一定高于经济欠发达省份。该结果不仅与常识相符,而且也合理解释了各省份生产效率与技术进步之间的联系与区别,验证了本文所提出的测度框架及方法的可行性。

提升全要素生产率与促进经济高质量增长

改革开放以来,我国人均国内生产总值与高收入国家水平的距离进一步缩小,显示我国将会较快迈入中高收入国家行列。在新的发展阶段,我国需要完整、准确和全面贯彻新发展理念,加快构建新发展格局,保持经济高质量增长。经济的高质量增长需要质的有效提升和量的合理增长。本文比较分析了世界各国在人均国内生产总值超过1万美元后的经济增长特征,指出此时影响不同国家经济增长速度的最重要因素是全要素生产率的提升。基于此,本文提出了提升全要素生产率以促进我国经济高质量增长的实际途径和政策建议。

中国南北地区差异的要素分解与政策启示

21世纪以来,中国南北地区差异日益扩大,各增长要素作用差异明显。利用发展核算基础上的地区差异分解框架和1978—2022年中国省级地区数据,研究全要素生产率、物质资本、劳动投入对南北地区经济差异的影响,结果发现,南北地区总产出差异总体上呈现出持续扩大的趋势,但劳均产出近十多年来变化不大,劳动力和资本流入成为南方地区总产出更快增长的重要因素;全要素生产率差异一直是影响南北差异的重要因素,在很大程度上将会主导未来的区域差异趋势;物质资本差异受区域政策影响比较突出,但政策效果需要多方面协调考虑。要素分解对于缩小中国南北差异的政策启示在于,各地区要因地制宜发展新质生产力,进一步扩大改革开放,加快国际国内统一大市场建设,从而形成优势互补、高质量发展的区域经济布局。

人工智能对高技术产业要素配置结构效应的影响

选取2001—2021年高技术产业数据,运用增长核算模型对高技术产业要素配置的“结构红利假说”进行检验,并利用TVP-VAR模型深入探索人工智能影响高技术产业要素配置结构效应。研究发现:高技术产业全要素生产率和技术效应呈现下降变动时存在要素配置结构红利;人工智能对高技术产业要素配置结构效应存在长期正向冲击响应;人工智能对金融发展存在倒“U”型关系,人工智能对人力资本发展存在“U”型关系。两者分别为释放高技术产业资本、劳动配置结构红利的中间传导渠道,但影响时期存在差异。对此,应推进人工智能发展进程,完善金融市场监管制度,加快人力资本积累,进一步释放高技术产业要素配置结构红利,促进形成新质生产力。

考虑无形资产框架下全要素生产率对经济增长质量的贡献

在知识经济时代,无形资本被视为促进经济增长的重要决定因素。本文在对无形资产进行分类的基础上,估算了我国宏观层面的无形资产投资规模及无形资本存量,并将其引入增长核算模型,测算各类要素以及全要素生产率(TFP)对经济增长的贡献。研究得到以下结论:2003—2021年,我国无形资产投资规模增长快速,高于同时期的固定资产投资增速以及国内生产总值增速。从结构看,无形资产投资中创新资产占比最高,但其中的研究与试验发展支出还需要加强;计算机信息化资产和经济竞争力资产占比相对较低,尤其是经济竞争力资产中的员工人力资本和企业组织资本投资支出还有较大提升空间。从贡献率看,无形资本深化对经济增长质量的贡献率显著上升,近10年来贡献率上升近10个百分点;TFP对经济增长质量起到重要作用,在考虑无形资产要素后,TFP的贡献率有所下降,这表明以往TFP的测算可能被高估。

中欧班列对中国城市绿色全要素生产率的影响研究

作为连接中国与欧洲的重要陆上贸易通道,中欧班列的开通运行对我国经济与环境产生了深远影响。基于2008—2019年中国地级市面板数据,采用交叠DID方法探究中欧班列开通对我国城市绿色全要素生产率的影响及其作用机制。结果表明,中欧班列开通显著促进了我国节点城市的绿色全要素生产率,其影响存在通道、地区以及覆盖范围间的异质性,且中欧班列主要通过促进绿色创新、产业集聚以及缓解融资约束等提高节点城市的绿色全要素生产率。由此,需鼓励、支持和引导更多的中国城市成为中欧班列的节点城市,扩展国内节点城市辐射海外市场的范围。同时,节点城市应提升其绿色创新水平,完善相关的基础建设,营造良好的商业环境,吸引更多资本及高端产业,以助力其高质量发展。

中国三大粮食作物产能提升的源泉

保障粮食和重要农产品稳定安全供给始终是建设农业强国的头等大事。在新一轮千亿斤粮食产能提升背景下,聚焦稻谷、小麦、玉米三大主要粮食作物,利用增长核算分析框架揭示中国三大主要粮食作物产能提升的源泉。研究发现:对于稻谷和小麦而言,全要素生产率提升是这两类作物产能提升的主要源泉,其对稻谷、小麦产能提升的贡献率分别达到85.39%、100.93%,拉动稻谷、小麦产能分别提升0.91%、2.39%。就玉米而言,党的十八大之前,土地是玉米产能提升的主要源泉,其贡献率达到64.13%,拉动玉米产能提升4.11%;党的十八大以来,全要素生产率成为玉米产能提升的主要源泉,其贡献率达到64.38%,拉动玉米产能提升1.27%。研究结果为粮食品种结构优化及粮食产量可持续增长提供重要参考。

中国生猪生产成本变动及动因分解——基于中美比较

基于2000—2021年中美生猪生产成本数据,采用成本要素分解方法,剖析中国生猪生产成本增长以及中美生猪生产成本差距变动的影响因素。结果表明:2000—2021年,中国生猪生产成本逐年上升,由5.60元/千克增长至17.62元/千克,美国生猪生产成本维持在8~10元/千克。中美生猪生产成本优势自2007年起发生翻转,且差距逐步拉大;中国生猪生产成本增长的主要驱动因素在于饲料成本、仔猪成本和人工成本的增长,美国生猪生产成本下降的主要原因在于仔猪成本和人工成本的明显下降;中国生猪生产成本增长是中美两国生猪生产成本差距拉大的最主要因素,2000—2021年中国生猪生产成本增长对中美生猪生产成本差距拉大的贡献份额高达79.63%。据此,建议中国进一步优化生猪生产效率,提升能繁母猪繁育效率,提高人工投入产出效率。

数字经济对全要素生产率的影响研究——来自国家级大数据综合试验区的证据

基于国家级大数据综合试验区的准自然实验,运用2014—2019年280个地级市的面板数据,采用多期双重差分法实证检验数字经济对全要素生产率的影响。研究结果表明:数字经济显著提升了全要素生产率,这一结论在经过多种稳健性检验后仍然成立;中介效应检验表明,数字经济通过提高资源配置效率和促进技术创新来提升全要素生产率;异质性分析表明,数字经济对低资源禀赋城市、低数字经济发展水平城市以及智慧城市的全要素生产率具有促进作用,抑制高资源禀赋、高数字经济城市的全要素生产率,而对非智慧城市的作用则不明显。因此,应基于大数据综合试验区深度挖掘数字经济的直接作用与间接作用,同时采取差异化发展战略,培育壮大全要素生产率增长新动能。

中国区域农业生产用能、农业经济增长及农业能源碳排放关系研究——基于绿色全要素生产率视角

采用超效率SBM-GML模型对1990—2020年中国31个省份的农业绿色全要素生产率及其变化指数进行测算,通过农业产值增长率和绿色全要素生产率效率值将不同省份划分成四个区域,运用面板固定效应模型探究农业生产用能对农业经济增长的影响和区域异质性,应用面板门槛模型对农业经济增长与农业能源碳排放的关系进行分析。研究表明:(1)1990—2020年中国的绿色全要素生产率呈现缓慢上升趋势,其中技术进步是主要推动力,而技术效率指数增速为负。(2)全国及各区域农业生产用能与农业产出的相关系数均为正值,即生产用能的投入能够明显增加农业产出,但是产出增加的实现程度存在区域异质性。(3)我国农业经济增长和农业能源碳排放之间存在单一门槛效应,在门槛值前,二者正向关系较强;跨过门槛值后,二者正向关系减弱,呈现协调发展态势。据此,提出积极鼓励农业技术进步、全面提高农业技术效率、因地制宜优化农业生产用能结构、差异化选择农业绿色发展道路等政策建议。

中国创新全要素生产率连续动态测度与时空差异分解

基于2011—2020年中国内地30个省份面板数据,采用二次动态加权法测算创新全要素生产率的连续动态演变特征,并借助时空分异模型探究创新全要素生产率时空差异。结果发现:①中国多数省份创新全要素生产率随时间推移呈稳定上升趋势;②创新资源、知识创新、协同创新、创新政策、创新环境在不同省份表现出较大差异;③不同样本期内,影响创新全要素生产率的子系统有所差别,其中创新资源对创新全要素生产率的作用强度波动较大,知识创新对创新全要素生产率同样表现为促进作用,且作用强度远大于创新资源;④知识创新、协同创新、创新政策对全国创新全要素生产率提升均具有显著正向促进作用,创新环境效应表现出东部促进、中西部作用不明显的空间分布格局。据此,提出实施差异化导向型政策、优化区域要素资源配置、主动加入全球创新网络等措施,以提升中国创新能力与水平。

聚集还是选择:基于企业动态效率的分解

基于1998—2013年中国工业企业微观数据,考虑企业间互动以及企业动态进入退出的影响,对生产率变动进行分解,将企业间资源配置纳入集聚效应,将企业进入和退出纳入选择效应,更全面分析集聚生产率优势。研究发现,中国城市制造业集聚兼具静态和动态优势。对生产率变动分解发现,中国制造业生产率提升主要来源于集聚效应,集聚效应中企业自身进步贡献度最高,随着集聚水平的提高,资源配置作用越来越重要;选择效应贡献随着集聚水平提高也不断提升,企业退出效应贡献度由2.86%提高到12.82%。实证研究结果表明,制造业集聚对集聚效应中的资源配置影响最大。当前中国制造业集聚处于低水平但不断上升状态,因此资源配置优化和低效率企业在竞争中退出的作用将是未来中国制造业生产率提升的关键。

区域协调发展与中国经济增长潜力分析——基于国际比较的视角

本文运用经济增长核算方法对中国各省1992~2022年的增长来源进行分解,发现中国区域人均GDP差距在缩小,这种收敛主要是人力资本差距缩小和全要素生产率差距缩小造成的。劳动力占比变化和资本投入差距的影响并不显著。基于各生产要素和生产力的跨国比较,本文发现中国已经从资本缺乏阶段走向资本富余阶段,资本回报率显著降低。和同阶段发展中经济体和发达经济体的比较表明中国人力资本和全要素生产率还有较大的提升空间。本文基于国际贸易数据反推得到出口隐含生产力,发现人均GDP还有向出口隐含生产力收敛的潜力。最后,本文基于上述发现认为,中国经济增长的潜力主要在于:提高受教育水平和教育质量;推动产业升级,向出口复杂度高的产品和服务转型;降低国内贸易壁垒。