食品工业生产效率测算及区域差异——基于累加型LHM全要素生产率指标

运用累加型LHM全要素生产率指标(additive luenberger-hicks-moorsteen total factor productivity indicator)测度2001—2016年我国30个省(市、区)食品工业全要素生产率(total factor productivity,TFP),并进一步分解为技术效率变化、规模效率变化和技术进步。结果表明,我国食品工业仍处于初级加工阶段,3个子产业TFP稳步提升,但增长不一;技术进步是TFP增长的主要因素,技术效率及规模效率变化差异不大;从区域上看,宏观经济及农业资源禀赋的差异影响食品工业的发展,农副食品加工业TFP增长率呈东部、中部、西部地区依次降低的趋势,食品制造业TFP增长率表现为东部地区显著高于中部、西部地区,饮料制造业TFP增长率表现为东部地区显著高于中部、西部地区。因此,应加快食品工业科技创新推动技术进步、优化发展环境及立足资源禀赋协调区域发展,以实现我国食品工业高质量均衡协调发展。     

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。     

基于Malmquist-Luenberger指数的中国蔬菜绿色全要素生产率研究

确保国内居民随时随地能够获取到绿色安全营养的蔬菜是中国农业高质量发展的一个重要衡量指标。在资源环境日益成为经济增长硬约束背景下,相较于传统全要素生产率指标,采用绿色全要素生产率来测度评价一个经济体的增长质量更为科学。因此,基于2011—2018年中国27个省份不同品种蔬菜的成本收益数据,本文将化肥等污染物排放量作为非期望产出,运用Malmquist-Luenberger指数对中国蔬菜绿色全要素生产率进行测算。结果发现：2012—2018年,中国蔬菜绿色全要素生产率年均增长率为1.56%,其中技术效率指数、技术进步指数年均增长率分别为-0.42%和1.99%;菜椒绿色全要素生产率指数增长速度最快(2.93%),豆角最慢(0.49%);宁夏菜椒和西红柿的绿色全要素生产率增速最快,福建萝卜和茄子的绿色全要素生产率增速最快,河南大白菜、江西豆角、山东黄瓜、辽宁马铃薯以及贵州圆白菜绿色全要素生产率增速最快。     

碳排放约束下河南省农业全要素生产率增长与分解

传统的农业全要素生产率测算方法很少兼顾环境约束,因而无法反映出农业经济增长的真实绩效。文章采用Malmquist Luenberger指数分析了2000-2012年碳排放约束下河南省18个地市的农业全要素生产率及其分解成分。研究结果表明,碳排放约束下河南省农业全要素生产率呈增长趋势,但表现出较大的波动性,其动力主要来源于技术进步;分地区来看,河南省各地市之间农业全要素生产率差异显著,其中,豫北地区农业全要素生产率增长最高。     

基于Malmquist指数的我国农村乡镇卫生院全要素生产率分析

使用DEA-Malmquist方法考察了我国30个省份乡镇卫生院2002～2009年全要素生产率的动态变化。结果表明,2002～2009年间我国乡镇卫生院全要素生产率整体提高了3.9%,其中技术进步要高于技术效率提高,但各省份变动情况存在明显差异;乡镇卫生院基础比较薄弱的西部地区其全要素生产率增长最快,明显高于东部和中部地区。     

碳排放约束下我国油菜全要素生产率增长与分解——来自13个主产区的实证

运用基于方向性距离函数的Malmquist-Luenberger生产率指数法重新估算了碳排放约束下油菜主产区13个省1985-2010年的全要素生产率。研究发现:(1)碳排放约束下我国油菜全要素生产率年均增长1.76%,生产率增长主要依靠前沿技术进步贡献,技术效率改善的作用不明显;从时序演变看,不同阶段波动明显;从地域分布看,东部增长最快。(2)经碳排放因素修正后,油菜全要素生产率反而有所上升,即对油菜生产过程中的碳排放进行严格而恰当的约束,波特"双赢"效果或可实现。     

低碳经济视域下中国粮食全要素生产率变化实证研究

基于低碳经济视角,利用中国省际面板数据,将碳排放作为"坏产出"指标纳入粮食全要素生产率测算中,采用Malmquist-Luenberger指数分析2001—2012年考虑碳排放因素下中国除了香港、澳门、台湾、西藏以外的30个省(市、区)的粮食全要素生产率及其分解。结果表明,是否考虑碳排放因素对粮食全要素生产率的核算结果具有显著影响,中国粮食全要素生产率总体上呈增长趋势,其动力主要来源于技术进步;无论是否考虑碳排放因素,我国东部地区粮食全要素生产率均高于中部和西部地区;东部省(市、区)在推动中国粮食全要素生产率的增长方面发挥了重要作用,中西部省(市、区)则面临粮食增长与资源、环境协调发展的艰巨任务。     

食品加工业全要素生产率及其影响因素研究——基于人工智能和农业效率的视角

基于2009—2019年省级面板数据,运用DEA-Malmquist指数法测算中国食品加工业全要素生产率及分解项,进一步在固定效应模型下检验人工智能和农业效率对全要素生产率的影响机制和影响程度。结果表明,研究期间食品加工业全要素生产率整体呈上升趋势,主要由技术进步拉动,但增长率呈波动式下降;分经济区考察,南部沿海地区增长率最高,东北地区最低;人工智能促进技术进步,却抑制了全要素生产率增长,中国食品加工业存在“生产率悖论”;农业效率通过正向影响技术效率,促进全要素生产率提高。据此提出以赋能食品加工业转型升级、发展人工智能互补技术和建设现代农业为主要任务的对策建议。     

环境规制下我国粮食生产绿色全要素生产率分析

【目的】研究环境规制对我国粮食生产绿色全要素生产率,为我国粮食绿色高质量发展提供决策依据。【方法】利用超越对数函数测算2011—2019年我国粮食全要素绿色生产率及分解值,采用Tobit模型探究粮食生产经济发展、人力资本水平和粮食生产财政支出对粮食生产绿色全要素的影响。【结果】从整体上看,我国31个省份（除港澳台）粮食生产绿色全要素生产率从2011年的1.002增长至2019年的1.080,呈波动变化趋势;未考虑环境规制因素的粮食全要素生产率从2011年的1.032增长至2019年的1.035,也呈现波动的增长趋势,各年平均值高于考虑环境规制因素。在考虑环境规制因素的粮食生产绿色全要素生产率分解中,绿色全要素生产率的增长主要通过技术进步增长而增长,技术效率对绿色全要素生产率呈抑制趋势。从不同地区来看,粮食生产绿色全要素生产率呈现东高西低趋势。粮食生产经济发展水平对全国和东部地区粮食生产绿色全要素生产率影响呈先弱后逐步增强的变化趋势,中部和西部地区粮食生产经济发展水平对粮食生产绿色全要素生产率均先增强后逐步减弱的发展趋势。从不同影响因素对粮食绿色全要素生产率影响来看,人力资本对全国及东部地区粮食生产绿色全要素生产率存在显著正向影响,对西部地区呈显著负向影响;粮食生产财政支出对全国和中部地区粮食生产绿色全要素生产率存在显著正向影响。【建议】政府应充分发挥粮食主产区的功能性优势,大力推进专业化生产与要素资源配置,转变不同地区粮食生产发展方式;相关部门应加大粮食生产人力资本投入,加强对人才扶持力度;相关决策机构应加强规范粮食生产环境立法机制,发挥发挥政府差异化粮食生产环境规制策略。     

基于Malmquist指数的重庆市农业经济增长全要素生产率动态分析

基于重庆市1997—2011年的面板数据,运用数据包络分析法中的Malmqusit指数,实证研究重庆市农业经济增长全要素生产率的动态变化。结果表明,从整体上看1997—2011年重庆市全要素生产率年均增长较快,技术进步是全要素生产率增长的主要动因,而纯技术效率对全要素生产率有负面影响,规模效率对全要素生产率影响不大。从区域来看,由于技术进步和经济发展水平的差异,"一小时经济圈"区域的全要素生产率增速明显高于"东北翼"和"东南翼"地区。     

小麦全要素生产率变化及其影响因素分析——基于全国15个小麦主产省份数据的实证研究

采用DEA-Malmquist模型,对2001—2016年全国15个小麦主产省份小麦全要素生产率进行测算分析,并进一步探讨其影响因素。研究表明:2001—2016年,全国小麦全要素生产率年均增长2. 8%,其中东北地区增长最快,东部地区增长速度略高于中部地区,西部地区发展缓慢。通过对小麦全要素生产率影响因素进行固定效应回归发现:人力资本、农机总动力、粮食补贴政策等对小麦全要素生产率具有正向影响,人均收入、农林牧渔业劳动力和受灾率则具有负向影响,年均气温、有效灌溉面积影响并不显著。建议小麦种植未来发展应着重加强农业人才培育和提高农业机械化水平。     

中国农业企业全要素生产率区域比较及驱动因素分析——基于1 126家国家重点龙头企业

使用2013—2015年农业产业化国家重点龙头企业数据,测度中国各地级市农业企业全要素生产率,并进行空间比较,在此基础上,并就影响中国农业企业全要素生产率的相关因素进行分析。结果显示:1)整体来看,2013—2015年中国农业企业全要素生产率变动幅度不大;2)从各省份来看,农业企业全要素生产率差异较为明显,仅有个别省份全要素生产率呈现递增趋势;从各地市来看,各地市农业企业全要素生产率空间差异大,但是各地市农业全要素生产率排名变化不大,全要素生产率处于中高水平以上的企业不多;3)从影响中国农业企业全要素生产率的因素来看,研发投入、要素密集度和企业规模对中国农业企业全要素生产率的影响为正,企业出口并未对农业企业全要素生产率起到推进作用。     

资源环境约束下我国西部地区农业全要素生产率增长及其影响因素

为在资源环境约束日益严峻的形势下全面评估西部地区农业发展状况,促进西部地区农业可持续发展,基于我国西部地区12个省市2000—2013年农业投入产出数据,利用SBM方向性距离函数、Luenberger生产率指标和面板数据的时间固定效应模型,分析了资源环境约束下西部地区农业全要素生产率的增长、变化趋势和影响因素。结果:近年来西部地区农业增长显著,但农业全要素生产率提高缓慢,对农业增长贡献低;农业技术效率有恶化趋势,技术进步是农业全要素生产率增长的主要源泉。西部地区农业全要素生产率随着人均农业产出增加呈现U型变化趋势,工业化能够提高农业全要素生产率,而农业投资并没有显著提高农业全要素生产率。     

基于三阶段DEA-Malmquist模型的我国农业全要素生产率增长研究

通过构建三阶段DEA-Malmquist模型,对2007~2012年间全国30个省、直辖市和自治区的农业全要素生产率增长情况进行测度分析。研究结果表明,我国农业全要素生产率基本是增长的且与农业经济增长呈现出一定的相关性;农业技术进步是我国农业全要素生产率增长的最主要推动力;外部环境因素的存在对农业全要素生产率的增长确实会产生影响。剔除外部环境因素影响后,有更多的地区农业全要素生产率增长对农业经济增长有拉动作用。     

基于三阶段DEA-Malmquist模型的我国农业全要素生产率增长研究

通过构建三阶段DEA-Malmquist模型,对2007²012年间全国30个省、直辖市和自治区的农业全要素生产率增长情况进行测度分析。研究结果表明,我国农业全要素生产率基本是增长的且与农业经济增长呈现出一定的相关性;农业技术进步是我国农业全要素生产率增长的最主要推动力;外部环境因素的存在对农业全要素生产率的增长确实会产生影响。剔除外部环境因素影响后,有更多的地区农业全要素生产率增长对农业经济增长有拉动作用。     

财政支农补贴对农业全要素生产率的影响研究——基于中国省际面板数据的门槛效应检验

在采用DEA-Malmquist指数法测算农业全要素生产率的基础上,选取2004—2020年中国31个省（市、自治区）的面板数据,运用固定效应模型和门槛效应模型检验财政支农补贴对农业全要素生产率的影响。结果表明,财政支农与农业全要素生产率之间存在先促进后抑制的倒“U”形关系,这一结论在改变计量方法、替换解释变量、考虑内生性问题等稳健性检验后仍然成立;分区域看,二者的拐点在东部地区来得最早,在西部地区来得最晚;加大农业科技投入能够推动财政支农与农业全要素生产率之间的拐点右移,促进财政支农使用效率的提升。     

大珠三角地区经济增长因素分析——基于城市全要素生产率视角

以往对中国的全要素生产率研究大多集中在国家及省级层面,而总体水平的研究可能对个别地区或城市基本的增长趋势产生混淆。本文旨在研究中国最有活力的经济区域之一大珠三角地区从1988年至2008年间主要城市的全要素生产率（TFP）的增长。文中使用超越对数生产函数以估算市级全要素生产率。研究结果显示：生产要素的积累对珠三角地区城市经济增长的作用是温和的,而全要素生产率的增长平均约占大多数城市50％的产量增长。     

基于动态空间杜宾模型的2008—2018年中国粮食全要素生产率增产效应

基于动态空间杜宾模型实证测算和分析中国(不含香港、澳门、台湾)2008—2018年省级层面的粮食全要素生产率增产效应。研究显示:2008—2018年中国粮食全要素生产率稳步提升,由2008年的1.024增至2018年的1.156,高效率产区由2008年的0个增至2018年的11个,但提升过程出现“马太效应”。粮食全要素生产率的提升能够显著促进粮食增产,其增产效应仅次于粮食播种面积。从全国层面看,邻近地区粮食全要素生产率的提升对本地粮食增产具有显著的正溢出效应。从空间结构看,粮食全要素生产率的溢出效应存在显著的空间异质性,中部地区存在显著负溢出效应,西部地区表现为正溢出效应,东部地区无显著溢出效应。     

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。     

中国棉花全要素生产率的国际比较与收敛性

基于中国、美国、印度三国26个棉区1998—2017年的面板数据,运用非参数估计方法测算中美印三国棉花全要素生产率,采用Dagum基尼系数及其分解方法分析三国棉花全要素生产率的差异及其来源,并对棉花全要素生产率的收敛性进行研究。结果表明:1999—2017年,中国棉花全要素生产率具有明显的波动性,但总体呈负增长态势,落后于美国和印度;中国三大棉区棉花全要素生产率增长有差异,黄河流域棉区增长率最高,但仍为负增长,西北内陆棉区纯技术效率较有优势;中美印三国棉花全要素生产率变动的总体差异呈缩小趋势,但波动特征明显;国家间差异是三国各棉区棉花全要素生产率差异的主要来源;整体上来看,棉花全要素生产率增长率存在α收敛和绝对β收敛,不存在条件β收敛,但各国收敛性不尽相同。