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。     

我国农副食品加工业全要素生产率研究——基于17个细分行业数据

为了解我国农副食品加工业发展状况,运用malmquist指数法对其17个行业2003—2009年间的数据进行农副食品加工业全要素生产率的测算,并将其分解为技术效率提高和技术进步。结果表明:2003—2009年我国农副食品加工业全要素生产率总体变化不大,农副食品加工业的发展得益于技术进步,而17个细分行业的全要素生产率增长不一,究其原因是物耗的增加阻碍生产率的提高,人力资本投资的增加则有利于生产率的改善。农副食品加工业下的细分行业间增长率存在绝对趋同,趋同速度为年均10.73%。     

基于Luenberger-Hicks-Moorsteen指标的福建省农业全要素生产率测度及收敛性分析

【目的】测算福建省农业全要素生产率（Total factor productivity,TFP）并判断其变动趋势,为促进区域协调发展及实现农业高质量发展提供科学决策。【方法】利用Luenberger-Hicks-Moorsteen（LHM）指标具备加性完备条件,基于自由处置壳（Free disposal hull,FDH）模型构造LHM TFP指标,将县域划分为一般县（市）、贫困县和发达市（区）,测度2003—2018年福建省全省及县域的农业TFP,并分解为技术效率变化、规模效率变化和技术进步,分析其收敛性特征。【结果】2003—2018年福建省农业TFP整体上呈增长趋势,2018年达0.840,年均增长率为5.731%;技术效率变化、规模效率变化和技术进步年均增长率分别为-1.231%、2.032%和4.930%,表明技术进步是TFP增长的主要驱动力,技术效率变化拉低TFP增长。从福建省一般县（市）、贫困县、发达市（区）的划分来看,各区域农业TFP及其分解指标与全省层面表现基本一致。福建省全省及一般县（市）、贫困县农业TFP存在σ收敛、绝对β收敛及条件β收敛,发达市（区）农业TFP不存在收敛趋势。TFP低的县（市）有追赶效应,城镇化、工业化对福建省全省及一般县（市）农业TFP收敛过程有促进作用,但工业化对贫困县农业TFP收敛具有抑制作用。【建议】积极发展适度规模经营,加快先进生产要素向农业园区集聚,提升农业科技创新能力;各县域应因地制宜,发达市（区）发挥技术引领与辐射作用,一般县（市）着重提升技术效率级规模效率,贫困县则要优化要素资源配置;加快形成功能互补的发展格局,推动先进生产要素向农业优势,实现农业劳均产出均衡发展。。     

要素视角下中国油葵生产率测算及其区域差异——基于特色油料作物产业体系监测数据

特色油料产业的发展可以更好地满足人们的营养需求,同时更好地带动区域经济,实现乡村产业振兴。本文以油葵为例,基于农户调查数据,选用较前沿的GML模型和EBM模型,从动态和静态角度测算油葵全要素生产率和技术效率,并在区域尺度上进行比较。经实证分析后得知:(1)油葵的全要素生产率呈增长状态,油葵的技术效率仍有待进一步提升;(2)技术效率对全要素生产率的贡献大于技术进步;(3)油葵生产存在规模效应;(4)以新疆、甘肃等省份为代表的西北地区是中国油葵生产的优势产区。对此,本文提出强化技术推广、加大资金支持力度、培育新型农业经营主体和建设特色油料农产品功能区等相关政策建议。     

广西粮食全要素生产率时空差异及收敛性分析

[目的]研究广西粮食全要素生产率区域差异及变化趋势,提高广西粮食全要素生产率,为粮食生产提供理论指导.[方法]基于2006—2016年广西14个地级市有关粮食生产的面板数据,运用DEA-Malmquist指数模型和经典收敛回归方法,对广西粮食全要素生产率进行测算和分解,并分析其收敛情况.[结果]2006—2016年广西粮食全要素生产率年均下降1.5%,技术进步单轨损失是广西粮食全要素生产率衰退的主要原因;除南宁市、贵港市和百色市的粮食全要素生产率处于进步状态外,其余11个地级市均处于不同程度的负增长状态.广西粮食全要素生产率存在收敛性,呈现出粮食全要素生产率相对落后地区对先进地区的追赶效应,各地区间的粮食生产效率差距有望逐渐缩小并趋向于共同的稳态水平.[建议]为进一步提升广西粮食全要素生产率,应加强农业科研投入,大力推广良种良法;加大强农扶粮力度,稳定粮食播种面积;升级优质粮食主产区,提高空间溢出效益;加强区域交流合作,促进资源优势互补.     

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。     

我国数字农业全要素生产率测度及区域差异分析

基于2014—2020年30个省份(直辖市、自治区)的面板数据,采用全局主成分分析方法和动态DEA-Malmquist指数方法测算全国数字农业全要素生产率及分解效率,运用泰尔指数方法分析全要素生产率的区域之间的差异。结果表明：我国数字农业全要素生产率整体上呈下降趋势,其中数字农业技术效率和技术进步率共同阻碍其发展;我国数字农业区域之间发展不均衡,总体泰尔指数呈现出下降的趋势,区域间泰尔指数的贡献率高于区域内泰尔指数,区域间差异是造成数字农业发展不均衡的主要原因。因此,应推进技术革新、制定因地制宜的数字农业发展策略,促进区域内和区域间的协同发展。     

哈萨克斯坦农业全要素生产效率时空差异及深化中哈农业合作的建议

中国和哈萨克斯坦农业产业合作滞后于其农产品贸易,为了深化两国农业产业合作,亟待了解哈萨克斯坦农业全要素生产率,为两国农业合作提供依据。利用2006—2019年哈萨克斯坦16个区域的农业投入、产出面板数据,采用DEA-Malmquist方法测算该国农业全要素生产率动态演变及各区域差异。结果表明：哈萨克斯坦农业全要素生产率整体呈现“W”型波动趋势,主要源于技术效率单轨驱动,技术进步的低贡献率阻碍了农业全要素生产率的提升;中部、北部和南部地区农业全要素生产率年均增长率分别为3.3%、 0.2%、 1%,增长主要得益于技术进步;东部地区农业技术进步年均增长率为3.2%,农业全要素生产率增长率来源于技术效率与技术进步的共同作用;由于技术进步贡献率较低,西部地区农业全要素生产率年均增长率为-22.3%。基于此,建议中哈两国围绕农业节水灌溉、病虫害防治、温室暖棚技术、畜牧养殖等方面深化合作。     

中国饮料制造业全要素生产率测度及其影响因素分析——基于13个四位数行业的视角

基于2003-2010年间中国饮料制造业13个四位数行业的面板数据,运用非参数数据包络分析的DEA-Malmquist生产率指数方法,对饮料制造业整体及细分行业的全要素生产率(TFP)进行测度,并考察TFP指标的变动情况。在此基础上,运用Tobit模型对行业TFP的影响因素进行了探讨。结果表明,考察期间,技术进步是推动TFP增长的主要动力;人均资本、企业规模和劳动力成本与饮料制造业TFP间具有显著的正相关性,而出口交货值和市场竞争程度两项指标与TFP间不显著负相关。     

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。     

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。     

河北省市域蔬菜生产效率及时空差异分析

研究蔬菜生产效率,对指导河北省蔬菜生产具有重要意义。以河北省为研究对象,运用方向性距离函数和全局参比曼奎斯特卢恩伯格(GML)生产率指数,对2007～2018年河北省市域蔬菜全要素生产率(TFP)和绿色全要素生产率(GTFP)进行测算,并分析了2个指标的时空差异。结果表明:(1)从时间特征角度分析,技术进步是促进TFP增长的主要因素。(2) TFP和GTFP地域差异明显。GTFP_(高值区)变化路径为冀东南地区—冀中地区—冀北地区,TFP_(高值区)范围逐渐缩小,目前主要集中在冀南地区。(3)各指标均存在空间相关性,且差异较大。(4)不同地区在不同时期存在空间聚集效应。提出重点加强冀南地区的农业基础设施建设、强化蔬菜生产技术的创新、加大生产技术培训与指导、扩大补贴范围和力度、分区优化蔬菜产业结构的对策与建议。     

中国粮食全要素生产率及影响因素的区域分异研究

采用2001-2010年选取的我国30个省份有关粮食生产的面板数据,运用基于DEA-Malmquist生产率指数方法,对我国粮食主产区、主销区和平衡区的粮食全要素生产率增长指数进行了测算和分解,并分析了动态全要素生产率指数的时空差异及变化源泉,在此基础上,探索了全要素生产率指数及其分解值—技术效率指数、技术进步指数的外生影响因素。研究结果表明:主产区全要素生产率指数10年内平均增长0.28%,得益于技术效率的提高和技术进步,主销区呈现出粮食生产技术进步与技术效率损失并存,"双轨损失"导致全要素生产率指数平均下降0.35%,平衡区受技术进步的恶化影响导致全要素生产率指数平均下降0.69%;中央惠农政策的实施对提高主产区的粮食全要素生产率水平有显著作用,而对主销区和平衡区的影响具有一定滞后性;人均粮食生产规模和种粮机械化水平对粮食主产区的全要素生产率均有负向影响,而对粮食主销区的全要素生产率都为正向影响。对于粮食产销平衡区,人均粮食规模的扩大能够改善技术效率,但对全要素生产率和技术进步有反向抑制作用。最后,提出了有效提高粮食生产率的对策建议。     

中国农业全要素生产率的时空演变差异及内源构成

为探究实施农机购置补贴与农地流转以来中国农业TFP的发展规律及增长源,运用Hicks-Moorsteen指数法测算并分析了中国农业TFP的时空差异,并通过Dagum基尼系数及其分解方法探究空间差异存在的内源构成。结果表明：中国农业TFP呈持续增长态势,驱动要素主要是技术进步而非技术效率;中国7个区域农业TFP增长态势表现不一,各区域的增长来源也不尽相同;不同区域间农业发展潜力存在显著差异;7个区域农业TFP的总体差异存在逐步扩大的趋势,而区域间差异是总体差异的主要诱因。     

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。     

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。     

基于时空视角的北京市农业绿色全要素生产率测算

推进农业绿色发展,是农业高质量发展的应有之义,也是乡村振兴的客观需要,对于保障食物安全、资源安全和生态安全意义重大。农业绿色全要素生产率是科学测度地区农业绿色发展水平的客观依据。利用超效率SBM模型和ML生产率指数,对2010—2019年北京市及各区的农业绿色全要素生产率进行测算。研究发现,近年北京农业绿色全要素生产率总体呈增长趋势,但不同年份和区域的增减幅度不同,且技术效率和技术进步未能实现同步增长。基于此,提出了优化农业生产要素投入、提高农民绿色发展意识、促进产业结构转型升级、完善农业创新推广体系等提升北京农业绿色发展水平的建议。     

中国林产工业绿色全要素生产率测算——基于制造业31个分行业的面板数据

基于2012-2019年中国制造业行业数据,在投入产出指标体系中,以能源消耗作为生产要素投入、以CO₂排放量作为非期望产出,采用ML生产率指数法测算林产工业及制造业分行业GTFP指数。结果表明,中国林产工业GTFP增速处于制造业中等水平,且增速逐渐减缓;纯技术进步是GTFP指数增长的主要动力,纯效率下降是GTFP指数增长减缓的主要原因;传统TFP指数过高地估算了行业经营效益,GTFP指数能更真实地反映行业发展状况。因此,促进林产工业GTFP增长和实现高质量发展,既要重视内部自主创新,也要重视内部技术推广与制度建设。     

我国粮食主产区农业全要素生产率的测算及影响因素

为促进和改善粮食主产区的粮食生产和农业可持续发展提供理论参考,基于1987-2012年河北、内蒙古、辽宁等共13个粮食主产省(区)在财政支农、粮食生产投入产出、经济发展等方面的统计数据,利用DEA-Malmquist指数法测算了其农业全要素生产率,并采用面板数据模型分析了其影响因素。结果表明:人均GDP对粮食主产区的农业全要素生产率影响存在区域差异;教育和财政支农力度对其具有负影响;分税制改革、取消农业税与粮食直补政策对其影响不显著。江苏、江西、辽宁、山东和内蒙古的农业全要素生产率不受上述因素的影响,有待日后进一步研究。     

河南省牛奶生产的全要素生产率及财政支持政策研究

依据全国农产品生产成本调查资料,利用全国牛奶生产的超越对数投入成本距离模型,计算了中国主要省份牛奶生产的全要素生产率,并将其分解为技术进步和技术效率,重点分析河南省牛奶生产的全要素生产率、技术进步和技术效率差距,提出河南省牛奶生产的技术投资政策和方向.