基于超效率DEA和Malmquist指数的中国农业生产效率分析

采用超效率DEA模型和Malmquist指数,对1990—2016年中国29个省级地区的农业生产效率进行分析,结论如下:(1)超效率DEA分析表明,东部地区的农业生产效率最高,中、西部地区效率低于全国平均水平。相较于中、西部地区,东部地区具有较强的经济实力和较为成熟的农业发展模式与规划,使其农业生产效率呈现较高水平且效率变化受国家农业政策的影响较小。(2) Malmquist指数分析表明,中国东、中、西部地区农业全要素生产率(TFP)和技术进步都实现了正增长,但是只有东部地区的技术效率实现了正增长;技术进步是TFP增长的主要动力,技术效率下降是TFP增长的主要障碍,规模效率下降是导致技术效率下降的主要原因。     

浙江省农业生产效率分析——基于DEA模型和Malmquist指数

为了研究浙江省农业生产投入产出情况，进一步提升其农业生产效率，先利用DEA模型对2020年浙江省各市农业生产效率进行静态分析，再运用Malmquist指数对2014—2020年浙江省各市农业全要素生产率进行动态分析。结果表明：2020年浙江省农业整体向好，但部分地区存在投入与产出不匹配的情况，影响了全省平均农业综合效率；2014—2020年，浙江省农业TFP均大于1,其中技术进步推动作用显著；各地级市TFP差异在合理范围内，技术效率成为大部分地级市生产效率提升的制约因素；浙东北和浙西南的年均TFP基本持平。因此，浙江省可以加强农业基础设施建设，持续提高农业科技水平，推动区域农业均衡发展，从而提升农业生产效率。     

基于Malmquist指数分析的浙江农业资源利用效率动态变化(1994—2010年)

采用1994—2010年浙江省东北6个地级市和西南5个地级市的农业资源面板数据,运用DEA分析法中的Malmquist指数,实证研究了浙江农业资源利用效率及其增长状况。结果表明：1994—2010年浙江农业资源全要素生产率平均增长5.08%,技术进步增长5.14%,技术效率增长-0.04%,技术进步成为推动浙江农业资源TFP增长的主要因素,但技术效率下降也产生了负面影响。由于技术进步和技术效率水平的不同,使得省内各区域的农业资源利用效率存在显著差异。总体上,浙江东北地区的农业资源利用效率高于浙江西南地区。     

浙江省农业全要素生产率的实证分析———基于 DEA-Malmquist 指数简

利用DEA—Malmquist生产率指数对浙江省11个地级市1995～2011年农业全要素生产率进行分析,结果表明：1995—2011年浙江省农业TFP实现了快速的增长,年均增长率为5．5％;浙江省农业TFP的快速增长主要是由于农业技术进步推动的,年均增长率为4．8％;各市农业TFP增长差异明显,其中丽水市农业TFP增长最快,杭州市农业TFP增长最慢;浙东北的农业TFP增速低于浙西南,其中浙西南农业技术进步快于浙东北,而浙东北的农业技术效率高于浙西南。     

基于DEA模型的湖北省农业经济效率评价研究

基于非参数的DEA方法、Malmquist生产率指数方法,建立了农业发展状况评价指标体系对2008-2012年湖北省13个地市农业经济效率进行评价。结果表明,湖北省各地市综合效率均值呈波动变化且有递减趋势,地区差异显著;全要素生产率(TFP)均值总体实现波动增长且增幅逐年加大;技术进步是湖北省农业TFP增长的主要动力,但存在农业技术推广和应用缺失的现象。     

我国设施蔬菜生产效率研究

设施蔬菜以其良好的经济、社会收益在我国迅猛发展,是实现农业现代化的主要途径之一。为把握全国设施蔬菜生产效率情况,了解不同地区设施蔬菜生产效率高低及原因,实现设施蔬菜生产资源配置的宏观调控,采用超效率DEA及Malmquist指数方法,分别从静态和动态角度,对我国设施蔬菜生产效率进行计算,结果如下：①2011-2013年间共63个产出决策单元(DMU)中有23个为DEA有效,DEA无效率为6349%,设施蔬菜生产中投入冗余问题严重;②2011-2013年间我国设施蔬菜全要素生产率（TFP）增长了08%,技术效率提高是TFP增长的动力,技术进步对TFP增长起负作用。应加大设施蔬菜的科研与成果转化,做好农技推广工作,同时注重学习与交流,提高设施蔬菜生产效率。     

面向生态效益的河南省农业生产效率分析与展望

基于河南省的统计数据,采用超效率DEA模型测算了2015年河南省18个地级市农业的技术效率、纯技术效率和规模效率,运用Malmquist指数对河南省农业发展效率的变化趋势进行研究。结果表明,2015年河南省整体农业综合效率偏低,地区间发展不均衡,规模效率是导致综合技术效率低下的根源;河南省几个传统农业大市并非农业发展强市;2013—2015年河南省各地区农业发展总体处于全要素生产率缓慢上升状态,综合效率指数上升是全要素生产率增长的主要原因,技术进步贡献较小;河南18个地区全要素生产率增长的原因不尽相同。最后,基于分析结论,从生态效益视角对河南省农业发展效率予以了展望。     

宁夏农业科技资源配置效率分析——基于超效率DEA和Malmquist指数

运用超效率DEA模型和Malmquist指数法对2008~2013年包括宁夏在内的西部12省(市)区的农业科技资源配置效率进行了分析。结果表明:宁夏农业科技资源配置处于相对有效状态,但其效率值在波动中呈明显的下降趋势;宁夏农业科技资源配置的Malmquist指数总体呈增长态势,主要得益于技术进步水平的提高。     

湖南省棉花生产效率的实证分析

利用湖南省1987～2007年棉花投入产出的面板数据,采用非参数Malmquist指数方法对其生产效率变动进行分解分析.并运用数据包络分析法(DEA)对Malmquist指数及其分解的各指数的变动原因以及改进生产效率的途径做出了进一步探讨.结果表明,湖南的棉花生产全要素生产率(TFP)在生产技术上没有明显进步,而综合技术效率和规模效率的下降对TFP的增长起到了负面效应.通过促进技术进步、调整生产规模和提高技术效率等手段可以提高湖南省的棉花生产效率.     

基于Malmquist指数的我国区域农业生产效率动态评价及其应对策略

运用数据包络分析(DEA)方法和Malmquist指数对我国31个省(市、区)2004—2013年农业生产效率进行评价,结果表明,我国农业生产效率均值为0.954,说明我国大部分地区农业生产要素投入比较合理,尤其在农业资源要素的使用上;从农业生产效率分解的纯技术效率和规模效率结果来看,19个DEA有效的省(市、区)纯技术效率和规模效率均为最优,表明这些地区的农业生产投入各要素得到了较好的配置。在研究期内,我国农业生产效率呈上升状态,增长了10.5%,其主要贡献源于技术进步效率的迅猛提升;技术效率增长缓慢,制约了我国农业生产效率的快速提升速度。基于农业生产效率及Malmquist指数分类测算结果可知,我国31个省(市、区)可分为强有效增长型、高有效增长型、弱有效增长型、低有效增长型4种类型,针对不同类型地区的农业生产特点,提出不同的优化策略。     

宁夏农业科技资源配置效率分析——基于超效率DEA和Malmquist指数

运用超效率DEA模型和Malmquist指数法对2008²013年包括宁夏在内的西部12省(市)区的农业科技资源配置效率进行了分析。结果表明:宁夏农业科技资源配置处于相对有效状态,但其效率值在波动中呈明显的下降趋势;宁夏农业科技资源配置的Malmquist指数总体呈增长态势,主要得益于技术进步水平的提高。     

基于DEA-Tobit模型的湖南省环洞庭湖地区农业生产效率研究

为进一步了解湖南省环洞庭湖地区农业生产状况,本文建立效率评价体系,利用超效率DEA模型和Malmquist指数模型分析2008—2017年湖南省环洞庭湖地区三市(岳阳市、益阳市和常德市)的农业生产效率,并用Tobit模型考察效率的影响因素。结果表明:2008—2015年湖南省环洞庭湖地区三市的农业生产效率呈下降趋势,益阳市的平均效率排在首位,2015—2017年呈上升趋势,常德市的平均效率排在首位;Malmquist指数分解发现技术进步变化对农业生产效率的影响最大,从影响因素上看,城镇化率、有效灌溉率和城乡居民收入比对农业生产效率起负向作用,农林牧渔固定资产投资对农业生产效率起正向作用。在此基础上提出提高农业生产效率的三点建议:依靠科技和管理水平进步,加快推动工业化和城镇化进程和加大农业固定资产投资。     

河南省农业全要素生产率的动态实证分析:基于DEA模型的Malmquist指数方法

为提高河南省农业生产效率的途径,运用DEA的Malmquist指数方法,对河南省2000-2008年农业全要素生产率进行测算和分析.结果表明:9年来,河南省农业全要素生产率处于不断增长态势,而技术进步是推动农业全要素生产率增长的主要原因,技术效率的作用贡献较小;河南省各地市农业全要素生产率水平差异显著.提高农业生产技术...     

中国农业生产率的增长趋势:1978-2002

用基于线性规划的Malmquist指数方法测算了中国农村改革以来农业全要素生产率(TFP)的变动趋势,并把TFP的增长构成分解为技术进步和生产效率变化两个部分.结果显示:改革开放以来中国农业TFP的增长主要是由技术进步推动的,生产效率的下降对TFP的增长造成了不利影响.据此提出了基本的解决途径.     

入WTO以来中国玉米生产效率评价———来自全国15 个省的面板数据分析

基于15个玉米主产省2001-2010年10年间的农产品成本收益面板数据,运用DEA中的Malmquist指数分析方法,从时间梯度和地域差异两个角度,系统分析了我国玉米主产区的玉米生产效率(TFP)的增长状况.结果表明:2001-2010年我国玉米主产区玉米TFP增长率为-1.3％,并且增长趋势呈锯齿状分布;技术进步是促进我国玉米主产区TFP增长的关键因素;东北区、西北区玉米生产效率水平比华北区、西南区玉米效率水平高.     

中国农业生产率的增长趋势:1978-2002

用基于线性规划的Malmquist指数方法测算了中国农村改革以来农业全要素生产率（TFP）的变动趋势，并把TFP的增长构成分解为技术进步和生产效率变化两个部分。结果显示：改革开放以来中国农业TFP的增长主要是由技术进步推动的，生产效率的下降对TFP的增长造成了不利影响。据此提出了基本的解决途径。     

2004—2013:中国棉花生产率增长、技术进步与效率变化

运用DEA的Malmquist指数分析方法对中国2004—2013年棉花TFP的增长及其构成进行实证分析,阐释了棉花TFP变化的基本特征。结果显示,1中国棉花产业的全要素生产率年际波动较大,2004—2013年中国棉花TFP的年均增长率达到2.7%,其中技术进步的年均增长率为3.1%,技术效率的年均增长率为-0.3%;2技术进步是推进TFP增长的主要动力。由于近年来棉花技术缺乏创新,对TFP的促进作用越来越乏力;3纯技术效率过低是技术效率出现负增长的主要原因;4中国棉花TFP的增长具有区域不平衡的特征。各棉花主产区技术进步水平的不同导致TFP的增长存在显著差异,新疆已经成为中国棉花TFP增长最高的棉区,改变了三大棉花区域齐头并进的局面。     

基于DEA模型和Malmquist指数的江苏省城市效率分析

根据江苏省13个地级市2006—2015年的相关面板数据,运用DEA模型和Malmquist指数对江苏省城市效率及其变化进行了分析。从2015年江苏省城市技术效率的静态分析结果来看,江苏省的城市技术效率普遍较高,但大部分地级市仍未实现资源的有效配置。根据2006—2015年Malmquist生产率指数及分解结果来看,技术水平的进步对于江苏省城市生产率的提高至关重要。因此,江苏省在推动城市发展的进程中需要着重提升技术水平,对生产要素资源进行合理配置,进一步提高城市效率。     

基于超效率DEA和Malmquist指数的国家级产粮大县农业生产效率分析

综合运用超效率DEA模型和曼奎斯特(Malmquist)指数法从静态和动态两个角度,对陕西省16个国家级产粮大县(区)农业生产效率进行了分析。研究发现：从整体上来看,16个县(区)2007—2008年的全要素生产率增幅最大;从各个县(区)来看,武功县的农业生产综合效率和全要素生产率均领先于其他县(区);从全要素生产率的增长结构来看,2005—2009年间16个县(区)的全要素生产率的增长主要来自于农业技术进步,而不是技术效率和规模效率的提高。     

要素投入结构与农业全要素生产率增长

基于加总数量框架,采用乘积完备的Hicks-Moorsteen指数将农业全要素生产率(TFP)增长分解为技术进步、技术效率变化、规模效率变化和混合效率变化,要素投入结构变化通过改变混合效率,进而影响农业TFP增长。结果表明,技术进步是中国农业TFP增长的最主要驱动因素,要素投入结构变化的影响,在时空上存在较大差异,其对农业TFP增长的促进与抑制效应并存。从时间维度看,1994—2016年要素投入结构变化对农业TFP增长有促进作用。从空间维度看,东部地区要素投入结构变化是农业TFP增长的重要驱动因素之一,而中部地区仅在1994—2016年要素投入结构变化提高了农业TFP增长,西部地区仅在1978—1984年对农业TFP增长有正效应。