基于数据包络分析法(DEA)的中国农村水利项目投入产出效率分析

近年来,政府越来越重视三农问题,其中解决农业问题是重中之重,水利作为影响农业产值的重要因素,值得我们去研究农村水利对农业产值的影响,在工业反哺农业的大背景下,对农村水利项目的投入与产出研究是十分有必要的。针对2006~2016年《全国统计年鉴》的数据,用数据包络分析法(DEA)分析了全国农村水利项目的投入产出效率。     

基于DEA模型的北京林业投入产出效率分析

北京的生态安全始终是政府高度关注的问题。近年来,北京市政府不断加大对林业建设的公共投入,同时也吸引了众多社会资本以加强对林业的投入,有效提升了北京林业整体水平和森林生态系统的整体服务功能。为了提高林业投入产出效率,实现林业资源的有效配置和规模效益,本文选取林业固定资产投资完成额、林业系统年末从业人数、造林面积、林业产业结构比例、林业产业产值和林木绿化率6个投入产出指标,运用考虑规模收益的DEA模型(BC2-DEA模型)对1993—2013年北京林业的投入产出效率进行了测算,并对测算结果进行了分析。结果显示,1993—2013年,北京林业投入产出的综合效率总体上是比较高的,21年内的平均综合效率值为0.966。在总体综合效率变化上,1993年以来,林业投入产出效率较好,总体效率变化趋势大致平稳,小有波动。其中处于DEA有效状态的年份14年,另外有7个年份处于DEA无效状态。研究还对北京林业投入产出效率的主要影响因素进行了分析,指出林业固定资产投资完成额的变化对林业投入产出效率的影响最大,林业产业结构比例对目前北京林业投入产出效率的影响相对较小。另外,林业投资管理、生产管理等也影响林业生产效率。研究建议,今后北京的林业发展应主要集中在稳定固定资产投资、加大产业结构调整、提高林业的投资和生产管理水平上。研究对促进北京林业生态与经济的协调发展、提高林业投入产出效率及实现林业可持续发展等有重要意义。      

基于DEA模型的我国主要省市农业科技投入产出效率分析

使用DEA模型对我国部分省、直辖市的农业科技投入产出进行分析。通过对DEA计算结果的观察与分析,得出东北部、东部、中部、西部各地区的DEA有效情况。研究表明,各地区都存在非DEA有效,但是全国角度来看属于DEA有效。因此,部分地区应增加农业科技投入,合理配置资源。     

基于超效率DEA模型的农村水利项目效率评价研究

利用传统DEA模型和超效率DEA模型,对我国31个省(市)2012年农村水利项目建设的效率进行了分析。研究结果表明:我国农村水利项目建设的投入产出效率总体上较低,且具有明显的地区性差异;大部分地区农村水利项目建设的规模效益表现为无效;我国农村水利项目建设的超效率均值表现为东部地区最高,西部地区次之,而中部地区最低。     

基于超效率DEA模型的农村水利项目效率评价研究

利用传统DEA模型和超效率DEA模型,对我国31个省(市)2012年农村水利项目建设的效率进行了分析。研究结果表明:我国农村水利项目建设的投入产出效率总体上较低,且具有明显的地区性差异;大部分地区农村水利项目建设的规模效益表现为无效;我国农村水利项目建设的超效率均值表现为东部地区最高,西部地区次之,而中部地区最低。     

基于DEA模型的甘肃省林业投入产出效率研究

对于生态环境脆弱、绿色植被稀少的甘肃省来说,林业高效且持续的发展是实现可持续发展的重要举措之一。运用DEA评价模型,通过对1998-2014年甘肃省林业生产效率所选取的指标进行测算和分析。结果表明,甘肃省林业投入产出水平总体较高,但还存在一定改进空间;导致林业DEA非有效的主要原因是规模效益较低,抵消了技术效率带来的正向影响;在DEA非有效年份中,可以发现存在一定程度的投入冗余,对其进行投影分析,得出营林固定投资是影响其主要原因。最后根据研究结果,针对甘肃省未来的林业发展指出可行的方向。     

基于DEA-TOBIT模型的科研主体分析科研创新投入产出效率

【目的】研究科研主体对科研创新投入产出效率的影响。【方法】相关文献及问卷调查的收集、整理、汇总和对比分析,采用DEA-TOBIT两阶段模型对每一个样本创新投入产出的效率进行分析,使用科研素养的相关变量对其进行研究。【结果】在178个单元中,只有4个决策单元达到综合效率最优。科研素养整体水平对科研主体投入产出效率的影响,以及科研素养中科研修养、个人能力、思维风格和科研基础对科研主体投入产出效率的影响上,科研修养和个人能力在1%的显著水平上影响科研投入产出的纯技术效率,而科研基础则在5%的显著水平上影响科研投入产出的纯技术效率,但是思维风格没有显著影响。【结论】科研主体对其创新产出的效率产生正向的影响。科研主体的科研素养只对科研投入产出的纯技术效率产生影响,科研素养中的科研修养、个人能力和科研基础对纯技术效率产生影响。     

基于DEA-Malmquist模型的中国小麦生产效率分析

采用三阶段DEA模型对中国13个小麦(Triticum aestivum L.)主产区的生产效率进行静态分析,并运用三阶段DEA-Malmquist模型,以2008—2019年面板数据,从综合效率变动指数、技术效率变动指数以及技术进步变动指数3个方面进行动态研究.研究发现,中国小麦主产区普遍存在管理水平低下、创新科技水...     

中国生猪生产效率及区域差异分析——基于Malmquist-DEA模型的省际面板数据

【目的】明确中国生产效率及区域差异,对于加快转变生猪生产方式和优化生猪生产布局具有重要战略意义。【方法】Malmquist-DEA模型。【结果】基于统计数据,测算出了我国生猪主产区不同养殖规模的全要素生产率及其分解指标,并从纵向和横向两个维度进行了分析对比。【结论】在十大生猪主产区中,散养的优势区域在湖南省;小规模养殖的优势区域在四川省;中规模养殖的优势区域在四川省和湖南省;大规模养殖的优势区域在四川省、山东省和江苏省。各个省份具有生产效率优势的养殖规模不同,四川省、广东省和河北省的小规模养殖、湖南省的散养和中规模养殖、河南省和云南省的中规模养殖以及其余省份的大规模养殖具有相对明显效率优势。     

中国区域技术效率的差异及其原因探究

将技术要素作为内生变量纳入随机前沿模型,对2003~2011年中国不同区域的技术效率水平进行测度,并重点分析造成区域技术效率差异的原因。结果显示：整体来看,我国平均技术效率水平稳步上升;从区域角度来看,东部地区平均技术效率水平最高,高出中部地区约3.04%,高出西部地区约7.87%,且三大地区之间的技术效率差异呈现收敛趋势;科技投入、高科技产业规模、人口素质、经济外向度和地方保护是当前导致区域技术效率差异的关键因素。     

基于超效率数据包络模型的我国区域农业生产效率分析

为深入认识我国各地区农业生产发展状况、差异程度的判断和各地区采取什么政策措施提高农业生产效率提供参考依据,利用超效率数据包络模型(SE-DEA),从横向和纵向角度对1985—2010年我国31个省市区和四大主体经济区域的农业生产效率进行测算。结果表明:横向上,我国东部地区的农业生产效率普遍较高,其次是东北地区,中、西部地区农业生产效率相对较低,并有明显的下降趋势;纵向上,我国整体农业生产效率在1996年以前波动明显,呈U形,之后缓步增长,近年来基本保持在有效状态,四大主体经济区域和31个省市区都有类似的变化趋势。     

基于DEA模型的中部六省农业效率差异分析

中部六省是全国重要的农业大省,也是全国重要的商品粮生产基地.中部农业在区域经济发展中占有举足轻重的作用.面对"中部塌陷"的压力,如何实现中部崛起,提高中部农业竞争力,保持农业的快速增长,是摆在我们面前的一个迫切任务.本文利用中部六省2000-2005年的农业年度数据和数据包络分析(DEA)模型测算中部六省的农业技术效率和规模效率,对地区差异进行分析并提出对策建议.     

中国城市文化产业效率研究

运用DEA模型测算中国城市文化产业的投入产出效率。结果表明：城市文化产业投入产出效率整体不高,纯技术效率明显低于规模效率,地理分布呈现“东高西低”的特征,表明中国城市文化产业生产规模均不是帕累托最优。鉴此,应加速科技创新与文化产业融合、产业集聚发展,发挥文化品牌效应,加强公共文化设施投入,利用地方特色文化资源,提升中国城市文化产业效率。     

基于加性DEA-Tobit模型的中国水资源利用效率分析

选取了我国2004~2013年31省市的数据,并依据改进的加性DEA模型对我国的水资源利用效率进行了评价,然后采用Tobit模型分析了我国水资源利用效率的影响因素。研究结果表明:在时间序列上,我国的水资源利用效率呈U型;东、西部的水资源利用效率在2008年之后呈上升趋势,并且与中部的差距不断拉大;上海、江苏的水资源利用效率逐年上升,在2013年之前达到了DEA有效;经济水平对水资源利用效率有明显的正相关关系,产业结构、政策因素和基础设施建设水平对水资源利用效率有明显的负相关关系。     

基于加性DEA-Tobit模型的中国水资源利用效率分析

选取了我国2004²013年31省市的数据,并依据改进的加性DEA模型对我国的水资源利用效率进行了评价,然后采用Tobit模型分析了我国水资源利用效率的影响因素。研究结果表明:在时间序列上,我国的水资源利用效率呈U型;东、西部的水资源利用效率在2008年之后呈上升趋势,并且与中部的差距不断拉大;上海、江苏的水资源利用效率逐年上升,在2013年之前达到了DEA有效;经济水平对水资源利用效率有明显的正相关关系,产业结构、政策因素和基础设施建设水平对水资源利用效率有明显的负相关关系。