公共投资与全要素生产率：基于中国省际数据的经验研究

选取2000~2008年中国29个省市级数据构建面板数据分析模型，实证公共投资对全要素生产率的影响。结果表明，相对于政府的研发经费投资和交通基础设施投资而言，政府对教育、能源、通讯和环保的公共投资更能显著地促进我国全要素生产率整体水平的提高；在各项公共投资对分地区全要素生产率的促进作用中，东部地区能源投资最显著，中部地区则主要依赖于科技和通讯投资，西部地区更侧重于教育和政府的绿色公共投资。     

绿色食品认证能否提升家庭农场的绿色全要素生产率？

为厘清绿色食品认证对农业绿色全要素生产率的影响机制,基于江苏省626份种植类家庭农场调研数据,采用超效率SBM模型估计家庭农场绿色全要素生产率,并通过倾向得分匹配法（PSM）构建反事实假设,估计绿色食品认证对家庭农场绿色全要素生产率的平均处理效应,并基于回归调整方法验证了获得绿色食品认证对其绿色全要素生产率提升的作用机制。结果表明：1）参与合作社、交易正规化、注册商标对家庭农场获得绿色食品认证具有正向作用,土地规模起负向作用;2）绿色食品认证显著促进家庭农场绿色全要素生产率提升,提升量为0.158;3）对绿色全要素生产率的分解结果显示,获得绿色食品认证通过经济激励、环境约束与商业联结3条路径作用于家庭农场,各驱动要素贡献率分别为49.07%、35.32%和15.61%。因此,相关政策应加强农产品认证体系建设,保障农业生产者利益,促进农业生产组织之间的商业联结,进而提升农业绿色全要素生产率。     

数字经济对农业绿色全要素生产率的影响研究

数字经济赋能农业生产发展,已成为推动绿色农业发展的重要方式。为探究数字经济对农业绿色全要素生产率的影响,助力我国农业绿色转型,基于2011—2020年中国31个行政区面板数据构建指标体系,采用熵值法和SBM模型分别测度数字经济水平和农业绿色全要素生产率,并引入固定效应模型和门槛模型实证分析数字经济对农业绿色全要素生产率的影响。结果表明,我国数字经济发展存在较大差距,有较大发展空间;数字经济水平对农业绿色全要素生产率产生正向推动作用;数字经济的推动作用存在单一门槛效应。因此,建议重视地区间绿色农业经验交流协作,提升农民对于新型数字技术的了解、认可和应用;发挥东部地区绿色农业人才优势,加大技术输出,帮助中西部地区吸引高质量人才;加强绿色农业基础设施普及,解决中西部地区基本网络、道路交通问题,缩小地区发展差异,推动绿色农业产地和消费市场的联系畅通。     

长江经济带农业绿色全要素生产率的测评研究

绿色发展是实现农业高质量发展的重要措施。采用SBM-GML模型测算长江经济带11个省市2011—2020年的农业绿色全要素生产率及其分解项,研究结果显示：长江经济带农业绿色全要素生产率总体上呈上升趋势,年均增长率为15%,技术进步是主要驱动力。同时,各省(直辖市)之间的农业绿色全要素生产率的增长态势差异化明显,且不同年份之间波动较大,其中湖北省2018年增长率最大,达到135%以上,2019年湖北省最小,为-50%左右。为了在保护生态的条件下推进农业进一步发展,应加大研发投入,加速技术创新。     

黄河流域农业绿色全要素生产率实证分析：基于SBM-GML指数模型

农业绿色发展是保护农业生态和促进农业结构转型的重要措施。本文运用SBM-GML指数法测算了黄河流域9省2001—2019年的农业绿色全要素生产率及其分解项。研究结果表明,2001—2019年黄河流域农业绿色全要素生产率整体呈上升趋势,年平均增长率在5.1%,农业技术进步是驱动农业绿色全要素生产率(GTFP)增长的主要动力。同时各省之间的农业绿色全要素生产率的增长模式差异化明显,四川省尤为突出,年均增长率达到7.7%。因此,本文为了农业GTFP在黄河流域能够协同增长,将从以下3个途径：转变农业发展方式、出台相应的支农政策、促进区域协调发展,提出相应的政策建议,促进黄河流域农业高质量发展。     

我国农业全要素生产率增长及影响因素

中国是一个农业大国,但是我国的农业全要素生产率水平较低,学界关于这方面的研究也是相对较少,但是提高农业全要素增长率水平是我们从农业大国迈向农业强国的关键节点,因此我们需要加强这方面的研究。本文将从农业全要素生产率增长的重要性、影响我国农业全要素生产率增长的因素、测量方式和政策建议四个方面对其进行研究。     

农产品加工企业对外直接投资与全要素生产率——基于速度、管理效率的视角

以2008—2018年农产品加工企业上市公司为样本,运用双向固定效应、倾向性评分匹配(PSM)等方法,从动态视角研究企业对外直接投资与企业全要素生产率之间的关系.结果表明:(1)农产品加工企业对外直接投资可以提高企业全要素生产率;(2)对外直接投资速度与全要素生产率之间呈现出显著的倒U形关系;(3)管理效率能够负向...     

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。     

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。     

我国主要农作物绿色全要素生产率分析

在农业环境资源禀赋刚性约束下应更注重农业的绿色发展.假设农业污染排放系数是一个动态变化的参数,基于动态测算农业面源污染非期望产出,运用SBM超效率模型和DEA-Malmquist生产率指数测算主要农作物的绿色全要素生产率.研究发现:①粳稻和大豆的环境技术效率大于1,而玉米、小麦和棉花的环境技术效率小于1;②棉花、粳稻和...     

山东省农业绿色全要素生产率测度及影响因素分析

基于全局性Malmquist-Luenberger指数对2008—2019年山东省农业绿色全要素生产率(AGTFP)进行测算与分解,在此基础上采用空间自相关回归模型(SAR)对山东省农业绿色全要素生产率的影响因素进行了分析.结果显示,2008—2019年山东省农业绿色全要素生产率年均增长率达2.51％,整体呈增长趋势;...     

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。     

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。     

湖北省农业全要素生产率及其收敛性分析

运用DEA-Malmquist指数方法衡量了2000～2012年湖北省农业全要素生产率的变动趋势,并将湖北省17个市州按区位因素分为鄂东、鄂西以及鄂南地区,进行了收敛性分析.结果表明：湖北省整体农业全要素生产率呈现不断增长趋势,技术进步对全要素生产率有明显的推动作用,但技术效率偏低,阻碍了农业全要素生产率的提高;湖北省全省以及3大区域的农业全要素生产率均不存在α收敛以及绝对β收敛,均存在条件β收敛,收敛结果表明,各市州之间的农业全要素生产率差距在不断扩大,但是在政策调控下可以缩小各市州之间的差距.     

分区视角下粮食全要素生产率差异及收敛性分析

本研究聚焦水稻、小麦和玉米三大粮作物,测算得到3种粮食作物的全要素生产率及其分解指标,并划分种植区域,探讨不同品种、不同种植区粮食全要素生产率的演变情况。研究发现:粮食生产全要素生产率增长显著,但不同品种的增长驱动模式不同,且不同种植区的差异性明显。不同地区水稻和玉米的全要素生产率及分解指标会随着时间的推移收敛至稳定状态;但小麦技术进步呈现发散态势。3种粮食作物的技术效率、技术进步以及全要素生产率随着时间的推移会趋向于自身的稳定均衡水平。     

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。     

长三角城市群农业全要素生产率时空演化特征分析

农业全要素生产率是现代农业经济增长的重要体现,长三角区域作为我国重要的农业生产区域之一,探讨长三角地区农业全要素生产率及其时空演变,对于实现长三角地区农业经济高质量发展具有重要意义。选取长三角城市群26个城市2013—2019年的面板数据为样本,基于DEA-Malmquist模型测算分解其农业全要素生产率,并利用ArcGIS软件进行空间可视化分析,结果表明,2013—2019年长三角城市群26个城市农业全要素生产率均值为1.01,总体来看,长三角城市群农业生产效率呈上升趋势。其中,农业技术进步指数对农业生产效率指数的贡献较大。从城市个体来看,长三角城市群26个城市间农业生产综合效率及纯技术效率、规模效率空间差异较大。分省域来看,浙江省各城市农业生产效率提高较快,江苏省多数城市农业生产效率总体稳定且略有提升,安徽省多数城市和上海市的农业生产效率稳定中略有下降。进而提出长三角地区农业高质量发展应着力于提高农业基础研发、核心技术攻关、转变农业发展方式等建议。     

甘肃省农业绿色全要素生产率测算及收敛性分析

运用SBM模型和GML生产率指数法,对2005—2020年甘肃省14个市州农业绿色全要素生产率（GTFP）进行测算,并分析其区域差异性和收敛性,为促进农业资源配置优化、区域协调发展以及实现农业高质量发展提供依据。结果表明：就整体而言,2005—2020年甘肃省农业GTFP年均增长0.33%,技术进步指数年均增长1.67%,技术进步是推动农业GTFP增长的主导力量;就变化趋势和区域差异性而言,2005—2020年甘肃省农业GTFP的阶段波动性明显,且各个市州的农业GTFP呈现出较大的差异性,呈现出中间高、两边低的特征;从收敛性来看,2005—2020年甘肃省农业GTFP不存在显著的σ收敛,但存在绝对β收敛和条件β收敛趋势。因此,促进农业技术进步和加快农业技术在区域间的转移,转变农业发展方式以及优化农业资源配置是提升甘肃省农业GTFP、缩小区域差距的有效途径。