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。     

基于Malmquist指数的四川省农业全要素生产率分析

利用1999～2008年四川省农业的面板数据,运用Malmquist指数分析法考察了四川省农业全要素生产率(TFP)的变动趋势。结果表明,四川农业TFP年均增长4.2%,呈现出平稳增长的特征;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;从各市(州)情况看,除阿坝州的农业全要素生产率是负增长外,其他20个市(州)的农业全要素生产率都实现了正增长;除阿坝州外,其他市(州)的农业可持续性在增强。并提出了相应的对策建议。     

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。     

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。     

重庆市农业全要素生产率分析:基于Malmquist指数方法

运用非参数Malmquist指数法,对2000-2006年重庆市县域层面上的农业全要素生产率的变动趋势和构成进行了分析。结果表明:2000-2006年期间重庆市农业全要素生产率年均增长率为4.0%,其中,农业技术效率变化指数年均增长率为5.0%,而农业技术进步指数反而年均下降1.0%;重庆市农业全要素生产率的增长主要来自于技术效率的改善而非农业技术的进步。重庆市要提高农业生产率,增强农业可持续发展能力,应根据自身特点和发展需要,优化投入结构和规模,加强和加快农业技术的研发能力,改革和完善农业技术推广体系,提高农村人力资本质量,继续加强农业基础设施建设。     

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。     

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...     

西部大开发以来甘肃省农业全要素生产率变动研究——基于DEA的Malmquist指数方法

农业生产的增长被认为是社会经济增长的基础,特别对于中国这样一个人多地少的世界头号人口大国来说,农业生产的发展有着更加重大的意义。因此。对农业生产率的研究一直是发展经济学家和农业经济学家研究的热点。已有研究检验了农业生产率增长的源泉和影响因素,并实证分析了国际和地区间生产率的差异和变化趋势。近年来,由于数据的更新速度加快以及研究方法的改进．以前研究的结论和成果也得到不断的更新和修正。     

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。     

基于DEA—Malmquist指数法中国小麦主产区全要素生产率变化特征分析

本文利用Malmquist生产率指数方法,测度2004—2012年小麦主产区的全要素生产率。研究表明,小麦主产区全要素生产率总体上呈下降趋势,技术效率基本维持不变,技术进步呈下降态势,是影响其下降的主要因素。在区域层面,除陕西省外,各区域小麦全要素生产率均呈下降趋势,并表现出不同的稳定性特征。技术效率和技术进步对各区域小麦全要素生产率产生不同影响,其中,技术进步是各区域小麦全要素生产率下降的主要因素。另外,依据σ收敛性检验,总体上,小麦主产区全要素生产率趋于发散,但2006—2007年后中国各区域小麦全要素生产率表现出微弱的收敛趋势。     

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。     

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。     

西部大开发以来甘肃省农业会要素生产率变动研究——基于DEA的Malmquist指数方法

一、引言 农业生产的增长被认为是社会经济增长的基础,特别对于中国这样一个人多地少的世界头号人口大国来说,农业生产的发展有着更加重大的意义.因此,对农业生产率的研究一直是发展经济学家和农业经济学家研究的热点.     

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。     

基于 DEA 和 Malmquist 指数的广东省渔业效率研究

【目的】分析掌握广东渔业的产出效率,为发展可持续的低耗高产渔业提供数据参考。【方法】基于数据包络分析（DEA）及 Malmquist 指数,对 2011—2022 年期间广东渔业综合技术效率和全要素生产率指数及其分解进行测算和分析,并与全国平均值进行对比。【结果】广东渔业综合技术效率每年均高于全国平均水平,但2011—2014 年、2018—2019 年和 2021 年广东渔业规模报酬呈现递减。通过对广东水产养殖和水产品捕捞的综合技术效率分别进行测算,发现 2011—2022 年期间广东水产养殖的综合技术效率较高,除 2013 年和 2014 年外,均为DEA 有效。将 DEA 无效年份的广东水产养殖和水产品捕捞在生产前沿面上的投影调整为 DEA 有效,结果显示,2013 年和 2014 年广东水产养殖投入的冗余率分别为 5.98% 和 10.46%,而 2011—2014 年、2018—2019 年和 2021年广东水产品捕捞投入的冗余率在 39.73%~74.27% 之间,说明水产品捕捞的过度投入以及由此引发的捕捞综合技术效率低下是造成 2011—2014 年、2018—2019 年和 2021 年广东渔业规模报酬递减的主要原因。广东渔业的技术进步和全要素生产率上升幅度与全国平均水平相差较远,全要素生产率和技术进步指数均比全国平均增幅低 4.7%,说明广东省在渔业技术进步方面有较大提升空间。【结论】建议广东加大渔业科技的投入力度,加强渔业技术创新,以促进渔业技术进步和提高全要素生产率;加快渔业产业结构调整,合理布局养殖和捕捞规模,以解决广东渔业规模报酬递减的问题;加强渔业资源保护和增殖放流,利用自然生产力增加可捕捞渔业资源;加强水产良种创制及养殖新模式和新技术的开发,进一步拓展水产养殖空间和提高水产养殖的产出效率。     

基于Malmquist指数方法对东部六省制造业全要素生产率比较分析

用非参数Malmquist指数方法对山东省和粤、冀、苏、浙、沪制造业竞争力进行了分析,通过观察企业经营的综合生产效率指数变化、技术进步变化和全要素生产率指数变化,从而找出提升效率的最佳途径,并在此基础上探求山东省制造业未来发展的趋势与对策。     

中国农业全要素生产率构成及区域趋同性分析——基于1996-2010年Malmquist指数法

利用1996-2010年省际面板数据,运用DEA-Malmquist指数法模型,分析了中国农业全要素生产率(TFP)增长的构成即农业技术效率提高(Ech)和农业技术进步(Tch),并解释了不同区域农业全要素生产率(TFP)及其分解值的趋同性。研究结果表明:(1)1996-2010年,中国农业全要素生产率(TFP)年均增长率为4.1%,其中农业技术进步(Tch)年均增长率为4.8%,农业技术效率(Ech)年均增长率为-0.7%;(2)农业技术效率对全国农业全要素增长率区域差异的解释度分别为58%,剩下的42%则由农业技术进步解释;(3)"九.五"到"十一.五"期间,中西部区域农业技术效率和农业技术进步的交替增长,使得东中西区域间农业全要素生产率呈现出长期的趋同效应。