我国玉米全要素生产率研究

十一五和十二五时期是我国粮食生产由传统农业向现代农业转型的关键时期。该文利用Malmquist指数法对我国各玉米主产区在十一五和十二五时期的全要素生产率及其分解进行了回顾和实证分析,结果表明,十一五时期,全要素生产率排名靠前的玉米产区是江苏、山东和四川,各产区技术进步均呈现出下降趋势;十二五时期,排名靠前的产区是贵州、云南和江苏,黑龙江和新疆在这一阶段取得了一定的技术进步。     

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。     

中国粮食作物全要素生产率评价研究

运用DEA-Malmquist指数模型,构建"四投入、一产出"的评价指标体系,对2007~2015年中国13个粮食作物主产区全要素生产率进行评价,包括技术效率、技术进步效率。结果表明,由于技术效率(0.990)和技术进步效率(1.201)的双重作用,中国粮食全要素生产效率实现以年均1.1倍的速度增长。技术进步是促进全要素生产率增长的主要动力,技术效率的衰退是影响全要素生产率增长的重要阻力。     

农业全要素生产率国内外研究综述

农业全要素生产率(TFP)已成为学术界和业界共同关注的焦点。本文对TFP的起源、内涵、研究方法进行总结归纳;在此基础上,从测算方法、要素投入分别对TFP研究的发展趋势和测算难点进行梳理分析,并对美国农业部(USDA)的农业TFP的相关研究进行了个案分析。研究表明:①农业TFP的研究方法应该基于可获得数据的质量和研究的目的进行选择。②农业TFP的要素投入研究需要考虑自然灾害、土地以及与农业生产相关的环境污染等要素。③农业TFP的测度既需要对投入、产出的指标进行质量调整,同时随着农业传统劳动力、土地投入的下降,还应该考虑种子、农药和化肥等中间投入。研究还表明,对中国农业TFP的研究既要借鉴西方的理论框架,同时也要结合中国不同地区的农业生产模式,综合考量研究要素和指标,对不同地区的农业TFP做出合理的测算和解释,以期为中国农业相关研究提供启示。     

长江经济带农业全要素生产率研究

基于长江经济带2009—2019年农业生产面板数据,运用Malmquist指数模型对该经济带农业全要素生产率进行测算并分析。结果表明：2009—2019年长江经济带Trpch指数大于1,说明这期间长江经济带农业生产效率总体呈上升态势,但仍然存在着技术进步受阻、缺乏创新型农业科技人才等问题。从地区来看,长江经济带各省(市)的全要素生产率均在上升,但技术水平均未超过1,说明该经济带各省(市)均存在农业进步受阻的现象;在11个省(市)中规模效率均大于1,说明该经济带各省(市)投入规模较为合理。     

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。     

中国农业全要素生产率空间特征研究

基于1980—2011年省际面板数据。运用MoranⅠ指数及模糊聚类法对中国农业全要素生产率的空间特征进行了较为全面的考察。研究发现:(1)中国农业全要素生产率变化及其分解指标不存在空间集群现象,简单按照地理空间连片划分类别的方式有待商榷。(2)依据农业全要素生产率变化特征及其内在结构将中国各地区重新划分为全面优化组、技术效率组和规模效率组三大类,且3类地区全要素生产率的变化趋同。根据上述结论,提出应在科学合理分类的基础上,因地制宜谋求发展,同时发挥特征相似地区的政策联动,形成发展合力。     

全要素生产率与广东农业经济增长波动性研究

采用Cobb-Douglas生产函数对广东1985-2006年农业经济增长的伞要素生产率(TFP)进行了定量测度,研究发现,在农业生产技术保持不变的前提下,广东农业经济增长中资本对产出的弹性高达0.65,而劳动对产出的弹性仪为0.35;资本、劳动和全要素生产率对农业经济增长率的贡献率分刖为80.609%、-1.012%和20.403%,即资本对产出的贡献率最大,而劳动对产出的贡献率却为负值.广东农业经济增长中全要素生产率存在着6个明显的波动区间.最后就如何提高广东未来农业经济增长的全要素生产率提出了相应的对策建议.     

重庆市农业全要素生产率与农业经济协调发展研究

采用DEA-Malmquist指数法测度重庆市2006～2017年的农业全要素生产率,采用灰色关联法计算分析农业全要素生产率与区域经济之间的关联度.结果 表明:(1)2006～2017年重庆市农业TFP指数均大于1,年均增长率为4.74％,其中农业TFP增长最快的时期是2013～2014年,为13.82％,而TFP指数构成中农业技术进步年均增长率为3.47％,技术效率年增长率为1.27％,技术进步是重庆市TFP增长的主要动力.(2)重庆市农业全要素与农业经济增长的密切程度从大到小依次为机械动力、化肥、能源、劳动力及土地,2006～2017年在土地与劳动力波动不大的情况下,机械动力、化肥及能源的持续增加有效促进了农村经济的增长.     

文化传媒上市公司全要素生产率的Globe Malmquist 研究

采用Global Malmquist指数研究我国26家文化传媒上市公司2006~2012年全要素生产率,结果表明：从总体上来说,文化传媒上市公司的全要素生产率（GM）、技术效率（EC）、技术进步指数（BPC）均呈现上下波动趋势。从平均水平来看,全要素生产率呈U型变动,而技术效率（EC）指数和技术进步（BPC）指数的平均水平变动不太稳定,说明我国文化产业的竞争力没有形成核心力,内生增长的方式需进行转型。     

我国粮食主产区粮食全要素生产率评价研究

以我国13个粮食主产区为研究对象,选取2011—2019年的面板数据,通过构建DEAMalmquist模型,对粮食主产区的粮食全要素生产率进行测度,并从时间、空间角度进行分析。研究发现,2011—2019年,我国粮食主产区粮食全要素生产率呈波动状态,技术进步效率指数对粮食全要素生产率的影响较大;内蒙古、安徽、河北等省（自治区）的年均粮食全要素生产率位居前列,辽宁省和湖北省的粮食全要素生产率变动幅度较大。     

中国甜瓜全要素生产率及投入优化研究

本文通过运用基于DEA的非参数Malmquist指数法,利用农业部西甜瓜产业技术体系全国定点观测数据,对中国甜瓜生产全要素生产率及构成变动进行分析,并从动态和静态的角度进一步指出甜瓜生产要素的投入优化方向。研究结果表明:目前中国甜瓜生产效率总体水平不高,地区间差异较大。甜瓜全要素生产率增长主要来自农业技术进步,而不是农业生产效率的提高,且技术进步变化对甜瓜全要素生产率变化具有正向影响。甜瓜生产过程中区域性、结构性投入过剩问题依然存在,尚存在较大提高空间。     

山东省农产品加工业全要素生产率影响因素研究

推动农产品加工业发展,已经成为当前我国推进农业现代化进程中的关键环节.文章使用Malmquist生产率指数方法对山东省农产品加工业12个子行业2009—2017年的TFP进行测算,结果显示技术进步是推动TFP增长的主要原因.进一步对影响因素研究的结果表明,产业集聚水平、企业规模、外商投资能够促进农产品加工业全要素生产率...     

山东省农业全要素生产率及其影响因素研究

选取山东省17地市2000—2016年面板数据,运用DEA-Malmquist指数测度和分解了山东农业全要素素生产率,并对其影响因素进行了实证分析。结果表明:山东农业全要素生产率整体呈现上升趋势,在鲁东、鲁中、鲁西三大地区间存在明显差异;机械化水平、财政支出水平、城市化水平、外资投入水平对山东农业全要素生产率有显著正向影响,环境恶化程度对山东农业全要素生产率有显著负向影响,灌溉用水效率、工业化进程、对外开放程度则影响并不显著。据此,应优化农业财政支出结构,以工业反哺农业、城市带动农村,加强农业技术创新以提高山东农业全要素生产率。     

碳排放约束下中国苹果全要素生产率研究

在构建苹果碳排放测算体系基础上,核算1994—2013年中国21省苹果碳排放量,比较分析不同年份、区域之间苹果碳排放总量与密度,之后采用Malmquist-Luenberger生产率指数(ML指数)分析碳排放约束下中国苹果全要素生产率及其分解成分。结果表明:1)2013年中国苹果碳排放总量为153.20万t,较1994年增加40.22%,呈现出"上升-下降-上升"阶段性变化特征;苹果碳排放密度从1994年1.81kg/hm2持续增长到2013年3.00kg/hm2,增速明显。从区域来看,样本期内中国苹果碳排放总量排名前7位的地区均为苹果主产省,但省域差异明显;不同省域的苹果碳排放密度均逐年增长,但排名前3位的地区保持不变,包括天津、北京与新疆。2)1994—2013年碳排放约束下苹果碳排放平均绩效呈现出阶段性变化特征,年平均增长率为2.98%,其中技术效率增长为0.91%,技术进步率增长为2.61%,说明技术进步的贡献相对较高。从区域来看,黄土高原优势区ML指数、技术进步率指数均高于环渤海湾地区,同时黄土高原优势区苹果全要素生产率的最佳实践者的省份数量也多于环渤海湾优势区。     

长江经济带农业全要素生产率变动实证研究

利用2003—2015年长江经济带分省面板数据和DEA-Malmquist指数对农业全要素生产率进行分解与分析,通过对整个长江经济带、长江经济带各省(市)、长江经济带各省(市)所属地区的农业全要素生产率进行分解与分析。结果表明,(1)长江经济带农业全要素生产率保持增长,各构成要素贡献率不同;(2)长江经济带农业全要素生产率省际差异和地区差异明显;(3)长江经济带农业全要素分解过程中,各要素之间存在滞后性。技术进步与资源配置效率提高并举;改善农业生产环境,发展适度规模经营;省市、地区共同协作,资源互补,优势互换。     

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。     

碳排放如何影响水稻全要素生产率

为了解碳排放对水稻全要素生产率测算产生的影响及其程度,本研究利用2006—2015年中国水稻主产区23个省(市、自治区)水稻面板数据,运用基于方向性距离函数的Malmquist-Luenburger生产率指数和面板Tobit模型,实证分析了碳排放对水稻全要素生产率的影响及省域差异,并深入剖析根源。结果表明:1)中国考虑碳排放的水稻全要素生产率呈先增后降的阶段性特征,且整体处于恶化状态,仅少数省份实现了增长;2)整体增长动力来源由技术效率改善向前沿技术进步转变,而实现增长的省份主要得益于前沿技术进步和技术效率改善的双重作用;3)水稻生产"高碳""低碳"省份呈现明显的南北—东西"T"字型交叉分布格局;4)整体水稻TFP_C及其分解指数增长得益于城镇化水平、工业化水平的推动,但受到经济发展水平及受灾率的制约;5)高低碳群组间差异则主要体现在财政支农力度和种植业结构调整的作用在"低碳"省份得到更好发挥。     

安徽省县域农业全要素生产率评价

选择农业碳排放作为非期望产出指标,并采用GML指数方法对2006～2017年间安徽省县域农业全要素生产率及其时空演变特征进行实证分析。研究发现：(1)考虑与不考虑非期望产出时,安徽省县域农业全要素生产率分别为1.006、1.009,说明研究期内农业非期望产出已对农业生产造成一定程度的负面影响,GML模型比传统ML模型更加合理;(2)时序演变方面,2006～2017年安徽省县域农业全要素生产率总体上呈现出波动上升的趋势,表明研究期内安徽省农业生产率有所改善,但是程度相对有限;(3)空间格局方面,农业全要素生产率总体呈现自南向北逐步递减的趋势,但是皖北、皖中同皖南的差距逐步缩小,全省重心呈现出向“西北向”转移的趋势,全要素生产率指数的向心性和方向性逐步减弱。