银企合作金融支持对于种业全要素生产率的影响研究——基于沪深 A 股种业上市公司的实证分析

基于 2008-2020 年沪深 A 股 7 家种业上市公司的样本，构建双向固定效应模型进行数据分析与实证检验，探究了银企合作金融支持对种业全要素生产率的影响。研究发现：企业金融背景高管比例越高，种业全要素生产率越高；资产规模、盈利能力和投资机会正向影响种业全要素生产率；资产负债率和两职合一抑制全要素生产率的增长，但前者并不具备统计显著性。细化探讨了微观因素对种企全要素生产率的影响，为我国新时代下种业振兴的推进提供政策参考。     

中国马铃薯生产效率的实证分析——基于非参数的Malmquist指数方法

为了探究中国马铃薯全要素生产率的变化趋势,弄清影响马铃薯生产效率变化的主要因素,运用Malmquist指数方法测算了1998—2008年间中国马铃薯生产的全要素生产率的变化。研究结果表明:(1)中国马铃薯生产的全要素生产率呈下降趋势,促使全要素生产率下滑的主要原因是技术进步的下降,综合效率的提高则是拉高全要生产率的主要动力;(2)各地区全要素生产率变化存在较大差异,造成全要素生产率变化的主要原因也不尽相同。     

基于Malmquist指数的农业全要素生产率动态分析——以山东省为例

运用Malmquist指数方法,对山东省2000-2011年农业全要素生产率的变动趋势进行了测算,并通过Malmquist指数的分解,分析了山东省农业全要素生产率变动的内在因素。结果表明：2000-2011年期间,山东省农业全要素生产率年均增长率为0．5％,其中农业技术效率变化指数年均增长率为1％,而农业技术进步指数年均下降0．5％,技术进步的下降阻碍了农业全要素生产率的增长;从各地市看,有10个地市的全要素生产率是增长的,有7个地市的全要素生产率是下降的,大部分地市技术效率方面做得比较有效,技术进步方面有待改进。     

贵州农业全要素生产率及其对农业经济增长的影响

中国农业供给侧结构性改革的核心目标就是提高农业全要素生产率及其对农业发展的贡献度。为了测度贵州农业全要素生产率及其对农业经济增长的影响,运用贵州省9个地区2010—2017年的相关数据,使用非参数Malmquist指数方法测度并分解了贵州省农业全要素生产率,检验了其对农业经济增长的促进作用。结果表明：贵州省农业全要素生产率增长的主要原因是技术进步而不是技术效率;贵州省农业全要素生产率在省内不同地区存在较大差异;技术进步和效率改进对贵州省农业经济增长具有显著的正向促进作用;农业机械的投入、播种面积的增加仍对贵州省农业经济的增长具有促进作用,而劳动力的投入与化肥施用量的提升却没有起到上述作用。     

家庭农场适度规模经营研究——以鄱阳湖生态经济区水稻家庭农场为例

家庭农场经营规模问题是近年来学术界和政府相关部门关注的重点和热点问题之一。首先对家庭农场适度规模影响因素与研究方法的相关研究文献进行梳理和归纳,并基于来自鄱阳湖生态经济区38个县区60个家庭农场的样本数据,分别构建了家庭农场生产函数和家庭农场生产规模与全要素生产率关系模型,实证分析该区域从事水稻种植经营的家庭农场生产函数及规模与全要素生产率之间关系。研究结果发现:(1)资源禀赋、经营项目、技术装备水平、管理经营能力、社会化服务和社会稳定等5个方面的因素主要影响家庭农场的经营规模。(2)通过家庭农场生产函数的实证分析发现,鄱阳湖生态经济区水稻种植家庭农场的规模报酬系数RTS为1.0412,存在规模经济效益。(3)鄱阳湖生态经济区水稻种植家庭农场规模与全要数生产率之间成"倒U型"曲线,家庭农场的全要素生产率存在极大值,当家庭农场全要素生产率为极大值时家庭农场的规模为7.79 hm2。最后,根据研究结果提出针对性政策建议和意见。     

江西县域经济的比较研究——基于全要素生产率视角

旨在通过对江西县域全要素生产率的比较找出其经济发展差异背后的原因,以期丰富全要素生产率的研究范围,为科学制定县域发展政策提供借鉴。采用DEA-Malmquist指数法测算江西省80个县(市)从2000—2010年的全要素生产率指数及其细分的技术进步指数和技术效率指数,并从整体状况、内部结构、时间趋势和空间分布4个角度进行比较分析。研究表明:从整体上看,江西县域全要素生产率水平较低,存在显著的个体差异;从内部结构看,江西各个县在"落后型"、"实践型"、"泡沫型"和"创新型"4种类型中都有分布,其中以"实践型"为最多;从时间趋势看,江西县域全要素生产率呈现明显阶段性波动特征,不同阶段生产率变动模式存在一定差异;从空间分布看,江西县域全要素生产率呈现出明显的"中间高南北低"倒U型特征。表明江西县域经济增长更多来源于要素投入增长而非全要素生产率增长,未来实现可持续发展任重道远。最后提出了政府部门应大力推进中央苏区振兴计划,各县"市"也要从自身产业和资源特点出发,找准特色与定位,大力发展具有比较优势的产业等建议。     

河北省花生绿色全要素生产率测算与时空差异分析

花生是河北省第三大作物,为了促进河北省花生产业的绿色、持续、稳定发展进行了有关研究。本文基于2012—2017年河北省地级市和县市区的花生生产数据,利用非参数DEA模型Malmquist指数法测算其绿色全要素生产率(Green total factor productivity, GTFP)并制作GIS专题图进行分析。结果表明：在研究期内,河北省花生绿色全要素生产率呈增长趋势,技术进步发挥了很好的带动作用,技术效率则相反;在空间变动格局中,东部地区GTFP年际间变化明显,具有明显的空间集聚现象,西部山区因花生生产相对处于劣势,其效率值年际间变动明显,稳定性不足。综上所述,GTFP增速缓慢,为了打破这一趋势,要着重调整投入与产出间关系,实现技术进步与技术效率对花生增产的双驱动。     

玉米主产省生产效率测度及影响因素分析——基于DEA-Tobit模型的实证研究

本文通过利用2004—2018年中国20省（直辖市、自治区）玉米投入产出面板数据,运用DEA-Malmquist方法,分析研究阶段内中国玉米生产效率的变化、空间差异及玉米生产过程中投入产出冗余情况,同时使用Tobit模型分析影响中国玉米生产效率的主要因素。研究结果表明:技术进步是促进中国玉米全要素生产率增长的主要关键因素,综合技术效率提升较小,其主要依赖于规模效率的增加;中国玉米生产综合技术效率总体呈现北方春播玉米区>西北灌溉玉米区>黄淮海夏播玉米区>西南山地玉米区;其中山西省、辽宁省、山东省、湖北省、云南省、陕西省、甘肃省均存在产出不足或投入冗余现象;农业机械总动力、受灾面积及地区差异对玉米生产技术效率影响显著。基于研究结论,提出3点建议,第一培育新型技术人才,加强玉米发展动力;第二改善基础设施建设,减缓自然灾害冲击;第三落实结构调整政策,开展规模适度经营。     

安徽省及周边省份小麦生产效率DEA分析

为了研究安徽省及周边省份小麦生产效率，采用DEA方法和Malmquist指数方法，利用安徽省及周边省份2003—2011年的小麦投入产出数据，实证分析了安徽及周边省份小麦生产效率的变动情况。结果表明，在2003—2011年期间，安徽省及周边省份小麦的综合技术效率不高；小麦全要素生产率未达到有效前沿，技术进步呈退步趋势，技术效率有所上升。因此，加快安徽省及周边省份引进先进技术来提高小麦生产效率是小麦生产持续增产的关键。     

我国种业生产效率分析——来自上市公司的数据

种业是现代农业发展的“生命线”，是保障国家粮食安全的基石。因此，对种业企业的生产效率进行分析，找出种业企业生产的优势和不足之处，以更好的为农业发展提供保障。本文选取了7家种业上市公司2003—2012年的数据，利用数据包络分析法对企业的生产效率进行了分析，发现：种业企业的规模效率较低是影响综合效率的关键，与同板块的其他农业类企业相比，种业企业存在资源配置效率低、研发投入不足等问题。因此提出应加大种业企业研发投入，提高科技含量，以及适度降低规模以提高资源配置效率的建议。