基于DEA-Malmquist模型的全国烤烟生产效率研究

基于全国18个烤烟产区2005—2016年的投入产出数据,运用DEA-Malmquist指数方法对烤烟生产效率进行测算和分析,研究结果表明:全国烤烟的全要素生产率呈增长态势,增长的主要原因是规模效率的增长,而纯技术效率和技术进步都对全要素生产率的提升起到负的作用;在全要素生产率下降的各个省份中,下降的主导因素各不相同,对于全要素生产率提升的各个省份,表现为技术的退步,带动全要素生产率增长的主导因素为技术效率的提升;每年的全要素生产率增长率的变化呈现不稳定性,原因是技术进步和技术效率的不协同变化。可以通过规模化生产,提升管理水平,引入先进生产技术,加强技术创新来提升我国烤烟生产率。     

河南省粮食生产综合技术效率和全要素生产率分析

采用非参数的DEA方法对河南省2000-2011年粮食生产的平均综合技术效率、纯技术效率、规模效率和全要素生产率的构成和变化进行分析.结果表明,河南省粮食生产综合技术效率的增长主要与纯技术效率的提高有关,而规模效率的低下则是制约其提高的原因;全要素生产率的增长是由技术效率和技术进步共同带来的,但是全要素生产率的增长十分缓慢,有些年份甚至出现倒退现象;各市的粮食全要素生产率变化也不尽相同.河南省在粮食生产过程中应加强农业基础设施建设,加大科技投入和农业科技的推广力度.     

基于DEA模型的我国棉花全要素生产率分析

随着国内劳动成本的不断上涨,植棉成本不断提高,以及国际棉花价格的冲击,我国棉花产业发展面临挑战。利用2004—2013年棉花成本收益数据,基于DEA模型的Malmquist生产率指数法,对我国11个主产棉区的全要素生产率进行测算与分析。结果表明:这一期间,我国棉花全要素生产率平均增长0.7%,技术效率平均下降0.4%,技术进步效率平均增长1.1%。棉花全要素生产率波动比较大,近几年呈下降趋势,技术效率的下降是主导因素。通过分析提出:加大对技术的研发、推广与应用,提高技术经济效益;调整棉花种植规模,适当规模化种植、组织化经营,提高规模效率,最终促进棉花全要素生产率的增长,提高我国棉花综合生产能力,增强我国棉花产业竞争力。     

基于 DEA 和 Malmquist 指数的广东省渔业效率研究

【目的】分析掌握广东渔业的产出效率,为发展可持续的低耗高产渔业提供数据参考。【方法】基于数据包络分析（DEA）及 Malmquist 指数,对 2011—2022 年期间广东渔业综合技术效率和全要素生产率指数及其分解进行测算和分析,并与全国平均值进行对比。【结果】广东渔业综合技术效率每年均高于全国平均水平,但2011—2014 年、2018—2019 年和 2021 年广东渔业规模报酬呈现递减。通过对广东水产养殖和水产品捕捞的综合技术效率分别进行测算,发现 2011—2022 年期间广东水产养殖的综合技术效率较高,除 2013 年和 2014 年外,均为DEA 有效。将 DEA 无效年份的广东水产养殖和水产品捕捞在生产前沿面上的投影调整为 DEA 有效,结果显示,2013 年和 2014 年广东水产养殖投入的冗余率分别为 5.98% 和 10.46%,而 2011—2014 年、2018—2019 年和 2021年广东水产品捕捞投入的冗余率在 39.73%~74.27% 之间,说明水产品捕捞的过度投入以及由此引发的捕捞综合技术效率低下是造成 2011—2014 年、2018—2019 年和 2021 年广东渔业规模报酬递减的主要原因。广东渔业的技术进步和全要素生产率上升幅度与全国平均水平相差较远,全要素生产率和技术进步指数均比全国平均增幅低 4.7%,说明广东省在渔业技术进步方面有较大提升空间。【结论】建议广东加大渔业科技的投入力度,加强渔业技术创新,以促进渔业技术进步和提高全要素生产率;加快渔业产业结构调整,合理布局养殖和捕捞规模,以解决广东渔业规模报酬递减的问题;加强渔业资源保护和增殖放流,利用自然生产力增加可捕捞渔业资源;加强水产良种创制及养殖新模式和新技术的开发,进一步拓展水产养殖空间和提高水产养殖的产出效率。     

基于DEA-Malmquist指数的山西省工业用地效率研究

为提高土地经济承载力以及资源集约节约利用效率,本研究构建DEA模型,运用DEAP软件分别计算分析2004年到2012年山西省工业用地效率的逐年变化特征和2012年11个地市工业用地效率的区域差异特征。从动态角度,分别分析了2004年到2012年山西省、11个地市和5个区域工业全要素生产率的时空变化特征。结果表明,山西省工业经济增长主要依靠规模增长,缺乏一定的技术创新能力;11个地市纯技术效率与规模效率都呈现出梯度差异,纯技术效率区域差异与各市主导行业类型、工业发展程度、工业地价有关;山西省工业全要素生产率呈现增长趋势,但受土地资源限制,增长趋势在减缓。区域上,工业全要素生产率变化呈现出晋东南、晋南增长最快,晋北居中,中部外圈区、中部核心区增长最慢,且外圈区快于核心区的特征。     

中国花生全要素生产率分析

运用数据包络分析法(DEA)和莫氏指数法(Malmquist Index),基于2007—2016年中国10个花生主产地成本收益数据,分析了花生全要素生产率的变化情况。结果表明,2007—2016年花生全要素生产率变化指数平均增长1.1%,综合效率变化指数平均增长1.1%,全要素生产率变化趋势主要受技术进步变化影响;花生生产处于规模递增阶段,研究期内规模效率增幅大于纯技术效率增幅约0.9%;北方花生主产区全要素生产率上升幅度大于南方上升幅度约2%,其主要差距产生于技术进步变化指数差异;花生生产要素投入存在不同程度松弛,配置不合理。未来应该促进花生生产技术研发、示范和推广,调整花生主产区区域结构布局和改善科学经营管理。     

西南地区县域种植业全要素生产率时空变动分析

基于431个县级单元,采取随机前沿方法 (SFA)测算西南地区各区县的种植业全要素生产率及其分解项,并分别讨论其时空变动特征。2006—2015年,西南地区种植业全要素生产率年均增长7.76%,但是增速变缓,各区县之间的差距在缩小;技术效率和技术效率变化率呈逐年下降的趋势,呈现次对角线高、两侧低的空间分布特征;前沿技术进步率呈逐年降低态势,年均下降0.33%,各地之间的技术进步率差距逐年缩小;规模效率呈现先升后降的趋势,大部分区县种植业表现出规模报酬递增的特点。     

中国粮食全要素生产率及影响因素的区域分异研究

采用2001-2010年选取的我国30个省份有关粮食生产的面板数据,运用基于DEA-Malmquist生产率指数方法,对我国粮食主产区、主销区和平衡区的粮食全要素生产率增长指数进行了测算和分解,并分析了动态全要素生产率指数的时空差异及变化源泉,在此基础上,探索了全要素生产率指数及其分解值—技术效率指数、技术进步指数的外生影响因素。研究结果表明:主产区全要素生产率指数10年内平均增长0.28%,得益于技术效率的提高和技术进步,主销区呈现出粮食生产技术进步与技术效率损失并存,"双轨损失"导致全要素生产率指数平均下降0.35%,平衡区受技术进步的恶化影响导致全要素生产率指数平均下降0.69%;中央惠农政策的实施对提高主产区的粮食全要素生产率水平有显著作用,而对主销区和平衡区的影响具有一定滞后性;人均粮食生产规模和种粮机械化水平对粮食主产区的全要素生产率均有负向影响,而对粮食主销区的全要素生产率都为正向影响。对于粮食产销平衡区,人均粮食规模的扩大能够改善技术效率,但对全要素生产率和技术进步有反向抑制作用。最后,提出了有效提高粮食生产率的对策建议。     

我国上市农产品加工企业经营效率及影响因素分析

为研究我国农产品加工企业经营效率及其影响因素,运用C2 R模型、BC2模型、Malmquist指数法及Tobit模型对2011—2015年我国29家具有代表性的上市农产品加工企业进行研究。测算结果表明,我国上市农产品加工企业经营效率并不稳定,经营效率最低值为0.799,企业间经营效率差距较大;从效率变化均值来看,技术效率下降了1.2%,而技术水平和全要素生产率分别出现了6.9%和5.6%的增长幅度,技术水平变化是全要素生产率变化的主要原因,纯技术效率变化和规模效率变化不稳定,导致综合技术效率变化不稳定,最终影响了全要素生产率;回归结果显示,总资产周转率、企业规模、技术人员占比与企业经营效率及分解项之间呈正相关关系,而股权集中度和企业年龄与企业经营效率及分解项之间无显著相关关系。     

台湾地区茶产业生产效率实证分析

为了对台湾地区茶业生产效率的空间分布特征和时序变动趋势进行评价,利用DEA方法对台湾地区茶产业生产效率变化以及引起变化的原因展开分析。结果显示:①台湾地区茶产业的综合技术效率(0.794)略高于中国大陆(0.709),且受纯技术效率和规模效率的共同影响。桃园市机采、苗栗县机采和云林县手采的综合技术效率均为1,这些产区达到了最理想的生产状态。②台湾地区茶产业全要素生产率的增长表现出时序上的波动性,2005—2017年全要素生产率指数的平均值为1.002,年均上升幅度达0.2%。全要素生产率指数与技术进步指数的相关系数为0.881(P0.01),与技术效率指数的相关系数为-0.499(P0.05),说明全要素生产率的增长是由技术进步因素推动的。③全要素生产率的增长表现出区域间的差异性,新北市机采综合生产效率低,且全要素生产率指数降低最多,生产状况不容乐观;云林县手采综合生产效率高,且全要素生产率指数还在升高,生产状况最好。各县市的全要素生产率指数与技术进步指数、技术效率指数的相关系数分别为0.711、0.723,均在0.05的水平上显著相关,说明台湾地区各县市的茶业全要素生产率受技术进步和综合技术效率共同影响。④台湾地区茶业生产效率不受其采摘方式影响,机采和手采的综合技术效率差异不大,但机采的全要素生产率每年降幅为0.8%,值得注意。     

我国柑橘全要素生产率变化分析

采用DEA-Malmquist指数法对中国7个柑橘主产区2009—2015年的投入产出指标进行测度,探讨中国柑橘生产的全要素生产率变化趋势。结果表明,研究期内,技术进步是中国柑橘全要素生产率的主要影响因子,在技术进步的负向贡献下,柑橘生产的全要素生产率呈现出周期性波动下降趋势,且柑橘生产处于纯技术效率下降,但规模经济有效阶段。因此,在保持现有规模效率稳定增加的基础上,实现技术创新、优化物质装备水平、提高果园管理水平是改善柑橘全要素生产率的关键。     

基于DEA–Malmquist指数模型的农业全要素生产率分析——以山东省为例

运用DEA-Malmquist指数的方法,对2000~2012年山东省农业面板数据进行分析,通过对Malmquist指数的测算和分解,分析山东省农业全要素生产率的变动趋势和内在增长动力。结果表明,山东省农业全要素生产率年均增长率为0.5%,呈波动中平稳增长态势;农业全要素生产率的增长来源于技术进步,技术效率的下降阻碍了农业全要素生产率的增长;从各地市看,有9个地市的全要素生产率是增长的,有8个地市的全要素生产率是下降的,半数以上地市的农业可持续性在增强,并提出了相应的对策建议。     

基于DEA模型的中国马铃薯生产效率分析

马铃薯是中国的第四大粮食作物,也是重要的蔬菜、饲料和工业原料。马铃薯对保障国家粮食安全、贫困地区经济发展和社会稳定以及农民增收都有重要意义。本文通过DEA数据包络模型对全国和8个省份(直辖市、自治区)两个层面的马铃薯全要素生产效率进行分析,结果表明:中国马铃薯生产的全要素生产率呈现波动性强的特征,但整体有所增长;全要素生产率增长的主要动力是技术进步效率的提高,综合效率的增加对全要素生产率的增加作用不明显;全国马铃薯综合效率稍有提高,纯技术效率的改善是综合效率提高的主要动力,而规模效率的下滑则是拉低全国马铃薯综合效率的原因;各省份全要素生产率呈现出不同的趋势变化,除山东省以外,全要素变化主要是由技术进步决定的。最后提出提高中国马铃薯产业生产效率的相关建议。     

中国香蕉产业的全要素生产率、 技术进步与效率变化

运用基于DEA的Malmquist指数法测算2003—2014年我国及五大香蕉主产区的全要素生产效率,并将其进一步分解为技术进步和技术效率。结果表明:我国香蕉产业全要素生产率在样本期内增长率为1.3%,主要源于技术进步,其平均增长为2.6%,而纯技术效率与规模效率有所下降,分别为-0.1%和-1.2%。我国香蕉产业全要素生产率的提升主要源于技术进步,是由于香蕉新品种培育、高品质栽培管理、节水节肥技术及无伤采收等技术措施的推广与应用。香蕉生产的纯技术效率与规模效率为负值,表明我国蕉园管理水平不高,该行业通过集聚整合达到规模经济的效果尚需实践,香蕉种植者们应在推动技术进步的同时,促进香蕉产业规模化和管理水平的提升。     

日本水稻生产效率的实证分析

利用1998-2007年日本(分为10个地区)水稻生产投入产出面板数据(Panel data),采用非参数的全要素生产率HMB指数方法对日本水稻生产效率进行分析,得到各个指数的变动趋势和分布特征.结果表明:日本水稻全要素生产率在1998-2007年间呈现较大波动且总体呈下降趋势,全要素生产率的波动主要受纯技术效率、要素...     

农业结构调整对农业全要素生产率增长的影响效应

[目的]在边际报酬递减规律与资源环境的共同约束下，依靠要素投入推动农业增长不可持续，因此，不断提高农业全要素生产率（TFP）对中国农业可持续增长尤其重要。[方法]采用乘积完备（multiplicatively complete）的Hicks-Moorsteen全要素生产率指数，将中国农业全要素生产率增长彻底分解为技术进步、技术效率变化、规模效率变化和混合效率变化，农业结构调整通过改变混合效率，进而影响农业全要素生产率增长。[结果]从时间维度上看，仅1992-1997年混合效率变化为农业全要素生产率增长贡献了0.5个百分点，即该时期农业结构调整促进了农业全要素生产率增长。从地区维度上看，仅东部地区混合效率变化为东部地区农业全要素生产率增长贡献了0.4个百分点，即东部地区农业结构调整推动了东部地区农业全要素生产率增长。中国农业全要素生产率增长主要来自技术进步，农业结构调整对农业全要素生产率增长的影响效应在时空上存在较大差异。[结论]农业结构应根据市场需求、资源禀赋和比较优势进行调整，才能提高混合效率，进而推动农业全要素生产率增长。     

京津冀地区城市土地利用效率

城市土地利用效率对于提高城镇化发展质量具有重要意义。应用数据包络分析法中纯技术效率测度(BCC)、技术效率测度(CCR)、超效率数据包络分析(SE-DEA)模型及Malmquist指数法,对京津冀地区地级以上城市2002—2013年的土地利用效率及全要素生产率进行测度。结果表明:(1)京津冀地区城市土地利用投入要素规模偏大,普遍处于规模报酬递减状态,北京市相对效率较低均为规模无效导致;(2)京津冀地区各市土地利用效率差异呈扩大趋势;(3)北京市、天津市、秦皇岛市等地土地全要素生产率提高较多,主要来源于技术进步,石家庄市、沧州市、廊坊市、邯郸市等地土地全要素生产率变化较小,技术进步不足是主要原因。     

基于DEA—Malmquist指数法中国小麦主产区全要素生产率变化特征分析

本文利用Malmquist生产率指数方法,测度2004—2012年小麦主产区的全要素生产率。研究表明,小麦主产区全要素生产率总体上呈下降趋势,技术效率基本维持不变,技术进步呈下降态势,是影响其下降的主要因素。在区域层面,除陕西省外,各区域小麦全要素生产率均呈下降趋势,并表现出不同的稳定性特征。技术效率和技术进步对各区域小麦全要素生产率产生不同影响,其中,技术进步是各区域小麦全要素生产率下降的主要因素。另外,依据σ收敛性检验,总体上,小麦主产区全要素生产率趋于发散,但2006—2007年后中国各区域小麦全要素生产率表现出微弱的收敛趋势。     

东北玉米种植结构调整与粮食高质量增长——基于全要素生产率视角

在推进粮食产业高质量发展关键时期,促进种植结构调整,提高粮食全要素生产率势在必行。本文基于2001—2016年东北三省地级市面板数据,使用DEA-Malmquist指数法测算得到粮食全要素生产率指数,通过空间SAC模型探索玉米种植结构对粮食全要素生产率的影响。研究发现:东北三省粮食全要素生产率增长率年均上升1.1%,技术效率提高0.5%,技术进步提升0.6%,但其粮食全要素生产率增长率呈现出缓慢下降的趋势,且属于技术进步"单轨驱动"模式;玉米播种面积和种植比例的提高会导致"效率损失",从而降低了粮食的全要素生产率;玉米种植结构对粮食全要素生产率的影响路径通过技术效率和技术进步共同作用实现,而对于技术效率的影响仅通过规模效率发挥作用。推进玉米种植结构调整,可提高粮食全要素生产率,为粮食产业高质量发展保驾护航。     

烟台市苹果产业生产效率的评价研究——基于DEA模型和Malmquist指数分析

选取2011—2020年烟台市苹果产业的面板数据，借助DEA中的BCC模型、Malmquist指数分析法对烟台市苹果产业全要素生产率、综合效率、纯技术效率、技术进步率、规模效率演变规律进行分析。结果发现，烟台市苹果产业生产效率呈波浪式动态波动，全要素生产率以每年平均1%的速度增长，增长过慢。烟台市应该根据自身发展情况采取不同措施来推进整体苹果产业的技术及管理的革新，促进苹果产业转型、提质、增效，推动苹果产业的可持续发展。