本土市场规模与中国制造业全要素生产率

本文使用2001—2010年中国制造业分行业数据,实证分析了本土市场规模与全要素生产率之间的关系。估计结果显示,以"市场促创新"的假说整体上是成立的。本土市场规模每增加1%,将会促进生产率指数增长0.021%、效率改进指数增长0.023%、技术进步指数增长0.018%。分行业研究显示,本土市场规模对全要素生产率的影响在不同行业存在一定的差异。本土市场规模作用的发挥更依赖于行业的技术密集程度和资本密集程度,而对行业的劳动密集程度则并不敏感。从作用机制来看,本土市场规模对生产率增长和技术进步的正向作用主要通过资本密度、研发密度与人力资本等途径传递;对效率改进的正向影响主要通过资本密度、研发密度、人力资本以及对外开放度等途径传递。在所有的作用途径中,人力资本的影响最大。这些作用机制可以进一步归纳为"集聚效应"和"竞争效应"。     

全要素生产率在电力经济可持续发展中的应用研究

本文通过全要素生产率的含义、基本方程及电力企业计算全要素生产率的数学模型的研究，论述了经济增长取决于劳动投入、资本投入和科技进步这三大因素，全要素生产率是经济可持续发展的唯一要素，井进一步阐述了利用全要素生产率指数来衡量技术进步在电力经济增长中的作用。     

产业外部性对全要素生产率及其分解的实证研究

本文构建关于MAR外部性、Jacobs外部性与Porter外部性与全要素生产率的空间计量模型,实证检验了以2004年为基期的2005~2015年中国省域制造业的产业外部性对于全要素生产率的影响,同时将产业细分为劳动密集型、资源密集型以及技术密集型进行探讨研究 。通过构建空间计量模型,发现雅各布斯外部性与波特外部性对于制造业整体以及3个细分产业的全要素生产率的影响非常显著,都对全要素生产率的增长具有促进作用。针对生产率分解后的技术进步与技术效率的实证证明,产业多样化可以促进制造业技术效率改善而对技术进步具有抑制作用,市场竞争可以促进制造业技术进步,与波特外部性不谋而合。提高产业专业化以及保持产业的区域垄断更能促进劳动密集型产业技术进步,支持了MAR外部性的观点。劳动密集型产业技术效率的变动则主要是通过区域的竞争来影响;资源密集型产业的技术进步与技术效率只有波特外部性在发挥正向效应;技术密集型产业的技术进步需要保持产业的专业化,而提高产业的多样化与有效的市场竞争更利于技术效率的改善。     

碳试点政策冲击下的地区工业全要素生产率增长分析

本文基于DEA-Malmquist指数方法测算了我国各省(区、市)2003～2022年的工业全要素生产率,通过双重差分法研究发现碳交易试点政策有助于促进碳试点地区工业全要素生产率增长,并发现在2013～2022年间,碳试点地区工业全要素生产率的增长主要来源于纯技术进步和纯技术效率提升,规模效率提升的贡献相对较低。具体的,在2013～2022年间,纯技术效率、纯技术进步和规模效率所作的平均贡献分别为56.8%、36.9%和6.3%。但是从变化趋势来看,近年来碳试点地区依赖于纯技术效率提升和纯技术进步实现工业全要素生产率增长的空间在不断缩小,规模效率提升所发挥的作用在稳步增强,在2019～2022年、2020～2022年以及2021～2022年3个样本期内,规模效率提升所作的平均贡献均超过了20%,未来碳试点地区工业全要素生产率增长将愈发依托规模效率改善的增长模式。     

我国地区全要素生产率与人力资本构成

考虑到人力资本组成部分的异质性,本文研究了全要素生产率(TFP)与人力资本构成的关系,并运用Dynamic Panel Data一阶差分GMM估计方法对1982—2004年我国28个省区市的面板数据进行了实证检验。实证结果表明,只有接受过高等教育的人力资本部分对TFP才有显著的促进作用。把人力资本分解为不同的组成部分有助于深化我们对TFP和人力资本的理解,还可以使我们对现有文献中人力资本与产出的一些争议提供解释。     

信息技术与上海全要素生产率关系研究

总结回顾了信息技术与生产率相关的研究,估算上海市资本存量并应用参数估计方法估算上海的劳动力和资产产出弹性,用劳动者报酬进行核实;根据估算的劳动力和资产产出弹性,使用增长核算方法计算出上海全要素生产率;在此基础,建立线性回归模型,分析信息技术与上海全要素生产率的关系,对结果进行分析并提出政策建议。     

低油价下石油企业提高全要素生产率探讨

石油企业的资本效率和人力效率挖潜空间有限,通过技术进步、科技创新以及资源要素重整提高全要素生产率,进而实现石油企业有质量、有效益、可持续发展很有必要.针对石油企业的产业链特点,要提高其全要素生产率,可以考虑在资源重新优化配置和创新驱动两个层次分别采取不同的路径.     

基于Malmquist指数法的我国电子信息产业全要素生产率增长分析

本文运用Malmquist指数法测算了我国电子信息产业全要素生产率的变动趋势,并把全要素生产率的增长构成分解为技术进步和技术效率变化两个部分,结果显示：1996—2007年我国电子信息产业全要素生产率的平均增长率为I．5％,主要原因是技术进步水平的提高,但技术效率下降产生的负面影响也不可忽视,且在不同时期技术效率和技术进步对我国电子信息产业全要素生产率增长的贡献存在一定差异。     

中国信息制造业全要素生产率变动、区域差异与影响因素研究

本文使用基于DEA的非参数Malmquist指数方法研究了1996—2005年中国各地区信息制造业的全要素生产率(TFP)的变动、区域差异以及影响因素。研究结果表明:中国各地区信息制造业的TFP的平均增长率为8.6%,其中技术进步是TFP增长的主要动力;东中西部地区之间TFP增长存在显著差异,且技术效率存在收敛趋势;人力资本、工业化、国有企业和外资企业比重是拉动TFP增长的显著因素,而企业平均规模和聚集效应则对其有负面影响。     

低碳约束下物流产业全要素生产率的空间分异及时空演化

本文基于非参数DEA-Malmquist指数方法,对我国30个省2005～2014年低碳约束下物流业全要素生产率（TFP）进行测度,分析其结构及总体演化趋势,并运用探索性空间数据分析（ESDA）方法及时空跃迁测度法描述其在空间格局上的演化过程,最后运用证实性空间数据分析（CSDA）方法进行影响因素分析。研究表明：样本年内我国低碳物流全要素生产率的增长呈螺旋式缓慢上升,但各生产要素存在较大提升空间,进步缓慢的原因主要在于技术进步,能源结构等生产要素的利用效率无明显改善。从空间上看,各省低碳物流效率存在显著关联性特征,但其与能源投入水平未能一致,存在空间异质性。因此调整能源消费结构,实施差异化物流减排策略是当务之急。     

国外R&D溢出对我国制造业全要素生产率的影响研究

新贸易理论认为发达国家的R&D溢出对发展中国家的技术进步起到重要作用,而国家之间的贸易是R&D溢出的重要渠道,本文结合Jaffe的技术相似性理论认为,R&D溢出应包含两个过程:通过国际贸易产生的显性溢出和通过技术相似性产生的隐性溢出.使用以上理论构建了R&D溢出模型,并检验外国R&D溢出、我国的研发投入对我国制造业全要素生产率的影响,发现外国R&D溢出对我国的制造业生产率的当期影响不显著,但对以后年份生产率提高有较大作用.     

国外R＆D溢出对我国制造业全要素生产率的影响研究

新贸易理论认为发达国家的R＆D溢出对发展中国家的技术进步起到重要作用，而国家之间的贸易是R＆D溢出的重要渠道，本文结合Jaffe的技术相似性理论认为，R＆D溢出应包含两个过程：通过国际贸易产生的显性溢出和通过技术相似性产生的隐性溢出。使用以上理论构建了R＆D溢出模型，并检验外国R＆D溢出、我国的研发投入对我国制造业全要素生产率的影响，发现外国R＆D溢出对我国的制造业生产率的当期影响不显著，但对以后年份生产率提高有较大作用。     

人工智能对全要素生产率的影响研究

人工智能作为新一代信息技术,成为提升全要素生产率的新动能。本文基于省级行政区的面板数据,采用空间自相关模型(SAR),实证检验人工智能对全要素生产率的影响效果。研究发现：(1)人工智能发展能够显著提升全要素生产率水平,但影响程度存在地区异质性,其对东部地区的促进效应明显高于中、西部地区;(2)人工智能对全要素生产率具有显著正向空间溢出效应,这种正向空间溢出会显著提升相邻地区全要素生产率;(3)机制识别发现,人力资本和产业结构升级是人工智能促进全要素生产率提升的重要机制。本文研究结论有助于更好地理解全要素生产率空间策略的外在驱动力,对实现产业转型升级和经济增长至关重要。     

基于DEA模型的全要素碳生产率与影响因素研究

利用我国30个地区1995～2010年的GDP、资本、劳动力、能源和碳排放的数据,运用DEA-Malmquist全要素碳生产率模型,对我国30个地区、东中西三大区域以及全国的全要素碳生产率进行了测算并分解为技术效率指数和技术进步变化指数,最后运用面板数据模型对全要素碳生产率的影响因素进行分析,并提出了政策建议.     

我国不同所有制工业企业全要素生产率比较研究——基于Malmquist指数的实证分析

使用Malmquist指数法对我国1997~2007年期间7种所有制工业企业全要素生产率进行了估算和拆分,结果发现,我国工业企业全要素生产率增长的主要源泉是来自于技术进步;外商投资工业企业的全要素生产率虽然曾经一直领先于内资企业,但是却处于不断下降的过程,很多地区内资企业生产率都已超过了外商和港澳台投资企业;目前内资企业中,私营企业和股份制企业的全要素生产率增长较快。     

低碳视角下建筑业绿色全要素生产率及影响因素研究

本文选择 Global Malmquist-Luenberger 模型测算低碳视角下的建筑业绿色全要素生产率,并进行影响因素分析。 结果表明： （1） 建筑业绿色全要素生产率以年均 0.33%的速度缓慢增长, 增长动力主要来自于技术进步, 技术效率起辅助性作用; （2） 四大区域均呈增长趋势, 区域间差异明显; （3）全要素生产率对建筑业产出增长的贡献率表现出V 型波动的倾向, 仍呈现出粗放性的行业特征; （4） 可通过优化能源消费结构、 提高劳动力素质以及促进建筑业市场化来促进建筑业的绿色全要素生产率增长。     

中国工业企业创新全要素生产率评价——基于双前沿面网络 DEA-Malmquist 指数模型

本文将工业企业创新活动划分为两个阶段--研发阶段和生产阶段,建立了基于双前沿面的网络 DEA-Malmquist 指数全要素生产率评价模型,对 2013~2014 年,2014~2015 年中国 35 个工业细分行业的创新全要素生产率进行了评价。评价结果表明：在两个期间内,研发阶段全要素生产率的增长主要依赖于技术进步增长,生产阶段全要素生产率的增长主要是由技术效率变化和技术进步二者共同决定的。从系统整体来看,中国绝大部分工业细分行业全要素生产率变化呈现正增长趋势。     

湖南省各市州全要素生产率增长率的实证研究

本文在超越对数生产函数的基础上,运用随机前沿分析模型对湖南省各市州1990～2008年的全要素生产率增长率进行了实证研究,并将湖南省划分为"3+5"城市群、湘南和湘西3个区块来进行分析.结果表明:湖南省3个地区的全要素生产率都有着不同程度的提高,其中"3+5"城市群增长最快,湘西地区增长最慢;从全要素生产率增长率的分解来看,技术进步是促进湖南省全要素生产率提高的主要因素,规模经济对全要素生产率增长的贡献其次,但技术效率的不断降低却给湖南省全要素生产率的增长带来了明显的负效应.     

R&D对我国高技术产业全要素生产率影响的定量分析

本文运用C-D生产函数,通过对高技术产业大中型企业全要素生产率的测算,讨论了影响TFP的主要因素.这些主要因素不仅包括本国的研究与发展投入,还包括国外的研究与发展投入,并估算了这些因素对TFP增长的作用.结论是,高技术产业大中型企业的TFP对产出增长起了主要作用,企业的研究与发展投入是促进TFP增长的主要因素.     

基于DEA模型的全要素生产率分解——云南省与全国的比较

本文运用基于数据包络分析模型的曼奎斯特指数法,对云南省全要素生产率进行分解和分析,并且将云南省与全国作出比较,结合云南省的实际情况对90年代以来云南省全要素生产率水平增长缓慢的原因进行分析,在此基础上进一步提出几条促进云南省全要素生产率增长的对策建议.