中国城市环境全要素生产率的估算

中国主要城市旅游效率及其全要素生产率评价_1995-20051995年至2005年间，中国的主要城市旅游行业经历了快速发展与变革，旅游效率与全要素生产率评价成为衡量旅游行业发展水平的重要指标。

本文将对中国主要城市旅游效率及其全要素生产率进行评价和分析。

一、中国主要城市旅游效率评价旅游效率是指在旅游业中利用资源和投入的程度，也代表了在给定资源条件下，旅游业能够产生的产出数量。

传统的从产出角度评价旅游效率主要有直接法、间接法和综合法。

直接法是通过比较不同地区旅游相关产业的产值、就业人员数量和税收贡献来评估旅游效率。

间接法是通过收入分析、投资回报率等指标来判断旅游效率。

综合法则综合考虑直接法和间接法的因素，全面评估旅游业的效率水平。

根据中国主要城市旅游业的特点，我们可以结合综合法和间接法来评估旅游效率。

综合法需要考虑资源约束和生产效率，而间接法则注重投资回报率和贡献度。

首先，在资源约束方面，中国主要城市旅游业面临一定的挑战。

由于城市旅游资源的有限性，资源的利用效率将直接影响旅游业的发展。

例如，北京市作为中国首都，其旅游资源丰富，但也面临限制，如机场和交通拥堵问题。

因此，在评估旅游效率时，需要考虑资源的合理配置和利用程度。

其次，在生产效率方面，中国主要城市旅游业的发展水平各不相同。

一些城市应对旅游业发展速度较慢，旅游设施不完善，旅游产品质量有待提高。

其他城市则积极发展旅游业，并加强旅游设施的建设和管理。

旅游业的发展水平与城市自身的管理水平和市场经济程度密切相关。

综合考虑资源约束和生产效率，我们可以采用间接法来评估城市旅游业的投资回报率和贡献度。

投资回报率是衡量旅游业是否值得投资的重要指标，通过比较旅游业投资的成本和收益，可以判断旅游业的效益情况。

贡献度则是指旅游业对城市经济的贡献程度，包括旅游业对城市就业、收入、税收等的影响。

二、中国主要城市旅游全要素生产率评价旅游全要素生产率是指在旅游业中，综合考虑各种要素（包括劳动力、资本等）的投入和产出之间的效率。

中国全要素生产率估算与分析概述全要素生产率（Total Factor Productivity, TFP）是衡量一个经济体整体生产效率的指标，也被视为衡量经济增长潜力的重要标志之一。

本文将对中国的全要素生产率进行估算与分析，探讨其对经济发展的影响。

什么是全要素生产率全要素生产率是指以生产要素（劳动力、资本等）的投入来推动产出增长的效率水平，即有效利用生产要素实现产出的能力。

全要素生产率的提高意味着经济在相同投入下创造了更多的产出，从而实现了经济增长。

全要素生产率的估算方法全要素生产率的估算通常通过计算生产函数的总因子生产率来实现。

总因子生产率是全要素生产率的一种计算方法，通过比较产出增长和生产要素（如劳动力、资本）的投入增长之间的差异来计算。

常见的估算方法1.柯布-道格拉斯生产函数法：假设生产函数呈现线性或凸函数形式，通过计算边际产出和边际投入之比来估算全要素生产率。

2.索洛增长模型：通过分析投入要素的组成和变化，以及技术进步对产出的影响，来估算全要素生产率。

3.生产函数前沿分析法：利用生产函数前沿技术和效率分析方法，测量总体和部门的全要素生产率。

中国全要素生产率的现状中国是世界上最大的发展中国家，全要素生产率对其经济发展具有重要意义。

根据统计数据，中国的全要素生产率在过去几十年中有所增长，但增速缓慢。

影响中国全要素生产率的因素1.技术进步：技术进步是促进全要素生产率提高的主要因素之一。

中国在技术创新方面取得了一定的成就，但仍面临着与发达国家的差距。

2.劳动力质量：劳动力质量对全要素生产率的提高具有重要影响。

中国的教育水平逐渐提高，但仍存在一些问题，如教育结构不合理和劳动力技能不足等。

3.资本投资：充分利用资本投资是提高全要素生产率的重要手段。

中国在基础设施建设和人力资本投资方面取得了进展，但与其他国家相比仍有差距。

4.制度环境：制度环境对全要素生产率的改善至关重要。

中国政府在近年来进行了一系列改革，以改善市场环境和促进创新，但仍面临挑战。

一、引言随着我国经济进入新阶段，绿色发展在国家发展战略中的地位日益凸显。

十九大报告明确指出我国经济已转向高质量发展阶段，绿色发展是核心内容之一。

绿色发展的实质就是更多地将生产投入转化为绿色产出，尽可能规避减少污染物的产生，重点在于不断提升和改善绿色生产发展水平和效率。

因此，良好地测度分析绿色发展效率是定位开展绿色发展工作的前提条件，同时也对我国统筹经济环境协调发展、制定生态环保政策具有重要指导意义。

二、文献综述绿色全要素生产率（GTFP）由Chung最早在常规经济增长分析框架下嵌入污染物排放衡量非期望产出部分而延伸产生。

区别于全要素生产率（TFP），GTFP在TFP测度基础上引入衡量能源投入、污染物产出等诸多因素进一步构建形成更为复杂、全面的指标加以衡量。

当前我国对GTFP测度研究的文献相对丰富，主要差异集中在测度办法及指标选取两个方面。

刘晓洁等（2018）采用混合距离的EBM模型测算发现中国各省份GTFP呈上升趋势，东、中、西区域呈现α和β收敛；朱金鹤等（2019）采用DEA方法测算四种中国各省份的GTFP，发现GTFP均呈现上升态势，主要动因为绿色技术进步指数；李占风等（2019）采用CRS乘数模型，测算并分解城市GTFP；朱广印等（2020）采用非期望产出综合指标基于超效率SBM模型测度中国各省份GTFP，结果呈现上升趋势，出现持续技术效率优化现象；孟望生等（2020）采用二氧化硫、烟尘、废水为非期望产出基于NDDF方法测度GTFP，发现我国各省区GTFP有所提高，区域间差异化加大；孙亚男等（2020）采用三阶段SP-DEA测算分析GTFP，研究发现中国GTFP呈现整体上升，且具有“区块链”特征的俱乐部收敛。

综合上述研究，本文以资本、劳动和能源三方面选取投入指标，选取国内生产总值（GDP）和常见的“三废”为产出指标，采用非径向、非角度SBM距离函数下的ML指数法对2003~ 2017年中国省域绿色全要素生产率进行测度分解，通过全国整体、省域和区域三个层面分析变动特点。

中国城市环境全要素生产率的估算摘要：本文运用基于DEA的Malmquist-Luenberger指数方法测度了中国230个地级以上城市在2003-2010年环境约束下城市全要素生产率的变化及分解，并与不考虑环境约束的情况进行对比分析，意在更加客观合理的评价我国城市经济发展绩效，为城市化的进一步发展服务。

关键词：环境全要素生产率；DEA；HaImquist-Luenberger指数一、引言城市是各种要素空间集中的产物，是经济增长的核心地带，经济发展与城市发展是往往是同步进行的。

改革开放30多年来，我国经济飞速发展，城镇化率已经从1978年的17.92%提高到了2010年的49.68%。

在经济高速发展过程中也付出了巨大的资源和环境代价，根据《中国环境经济核算研究报告2008》，2008年的生态环境退化成本达到12745.7亿元，占当年GDP的3.9%；环境治理成本达到5043.1亿元，占当年GDP的1.54%。

在2004到2008的5年间，环境退化成本增长了74.8%；虚拟治理成本增长了75.4%。

国家在《“十二五”节能减排综合性工作方案》的总体要求中也提到，要深入贯彻落实科学发展观，形成加快转变经济发展方式的倒逼机制，加快建设资源节约型、环境友好型社会。

生产率的提高为过去20世纪生活水平的大幅提高做出了巨大的贡献，经济学家提出了全要素生产率的概念，将投入产出一起纳入经济绩效考核的框架中，TFP增长是现代经济增长的核心问题之一，受到国内外学术界的广泛关注和研究。

目前我国的城市化进程正处于高速发展的阶段，研究城市的发展必然要考虑城市经济效率问题。

金相郁（2006）、俞立平等（2006）、姚先国等（2007）、李培（2007）、刘秉镰、李清彬（2009）、邵军、徐康宁（2010）等就目前我国城市全要素生产率的变化做了大量的研究，上述研究均采用基于DEA的Malmquist指数，从不同的角度对全要素生产率进行了分析，但是它们的一个共同的缺点就是没有考虑到环境污染对经济增长所带来的负面影响。

中国区域环境效率与环境全要素生产率增长一、本文概述1、研究背景和意义随着全球环境问题日益严重，环境效率与环境全要素生产率增长逐渐成为全球范围内的研究热点。

中国作为世界上最大的发展中国家，其经济发展与环境保护之间的平衡问题更是备受关注。

在此背景下，研究中国区域环境效率与环境全要素生产率增长具有重要的理论和现实意义。

从理论角度来看，环境效率和环境全要素生产率是衡量区域可持续发展能力的重要指标。

通过对中国各区域环境效率和环境全要素生产率的深入研究，可以深入了解中国各区域在经济发展与环境保护之间的平衡状态，为政策制定提供理论依据。

从现实角度来看，中国各区域在经济发展、产业结构、资源禀赋等方面存在较大的差异，这些差异可能导致各区域在环境效率和环境全要素生产率方面存在明显的空间异质性。

通过对各区域环境效率和环境全要素生产率的比较研究，可以揭示各区域在环境保护和经济发展方面的优势和不足，为各区域制定针对性的环境保护和经济发展政策提供参考。

研究中国区域环境效率与环境全要素生产率增长不仅有助于推动环境经济学、区域经济学等学科的发展，而且对于促进中国各区域实现经济与环境协调可持续发展具有重要的现实意义。

请注意，以上内容仅为示例，具体的研究背景和意义可能需要根据具体的研究目的、数据来源和研究方法进行调整和完善。

2、国内外研究现状和评价近年来，随着全球环境问题的日益严重，环境效率与环境全要素生产率增长成为了国内外学者关注的焦点。

国内外在环境效率与环境全要素生产率增长方面的研究已经取得了一定的成果，但仍存在一些问题和不足。

国内研究方面，我国学者在环境效率评价和环境全要素生产率增长方面进行了大量研究。

通过构建环境效率评价模型，对我国各地区的环境效率进行了评估和分析。

同时，利用全要素生产率增长模型，深入探讨了环境规制、技术创新等因素对环境全要素生产率增长的影响。

然而，国内研究在数据获取和处理方面仍存在一定困难，导致研究结果的准确性和可靠性受到一定影响。

中国区域环境效率与环境全要素生产率增长*王 兵 吴延瑞 颜鹏飞内容提要:本文运用SB M 方向性距离函数和卢恩伯格生产率指标测度了考虑资源环境因素下中国30个省份1998)2007年的环境效率、环境全要素生产率及其成分,并对影响环境效率和环境全要素生产率增长的因素进行了实证研究。

本文主要的结论有:能源的过多使用以及SO 2和COD 的过度排放是环境无效率的主要来源,环境效率较高的省份均集中在东部地区;环境全要素生产率增长率平均高于市场全要素生产率增长率,中西部地区无论是市场全要素生产率还是环境全要素生产率增长率均低于东部地区,资源环境因素对各省份全要素生产率的排名有显著的影响;人均GRP 、FDI 、结构因素、政府和企业的环境管理能力、公众的环保意识对环境效率和环境全要素生产率有不同程度的影响。

关键词:环境效率 环境全要素生产率 方向性距离函数 卢恩伯格生产率指标* 王兵,暨南大学经济学院经济学系,规制与增长研究中心,邮政编码:510632,电子邮箱:twangb @.c n;吴延瑞,澳大利亚西澳大学商学院,邮政编码:6009,电子邮箱:ywu@.au;颜鹏飞,武汉大学经济与管理学院,邮政编码:430072,电子邮箱:yanpengfei1023@1631com 。

本文为教育部人文社科项目/节能减排约束下中国经济绩效研究:基于全要素生产率的视角0(08J C790047)的阶段性成果,并获得国家自然科学基金(70873051)和(70703015)、国家社会科学基金(08CJL018)和(07AJL009)及国家211工程第三期重点学科建设项目/暨南大学产业经济与区域发展0的资助(Cjyyxm09002)。

作者感谢匿名审稿人对本文提出的富有启发性的修改意见。

当然,文责自负。

一、引 言改革开放以来,中国经济保持了三十年的高速增长,取得了巨大的成就,同时也集中遇到了发达国家上百年工业化进程中分阶段出现的种种环境问题。

我国全要素生产率估算及影响因素分析以参数方法中的生产函数法对我国1996-2015年的数据进行分析，找出我国经济增长的影响因素，并针对这些影响因素提出政策建议。

结果表明国外技术引进、技术自主创新和制度变迁仍然是影响我国全要素生产率的主要因素，其中，制度因素是影响我国全要素生产率的最主要因素。

标签：全要素生产率；估算；影响因素0 引言全要素生产率是衡量单位总投入的总产量的生产率指标，即总产量与全部要素投入量之比。

它的研究有利于进行经济增长的源泉分析，是宏观经济学中反映经济增长的重要指标，近年来受到经济学者的广泛关注。

测算全要素生产率的方法大致分为参数方法和非参数方法两类。

1 我国全要素生产率的估算1.1 模型设定我们利用生产函数法具体估算我国1996-2015年的全要素增长率，相关数据主要来源于《中国统计年鉴》。

根据生产函数法的基本方程Y=AKαLβ，假设α+β=1，求得A。

在求全要素生产率之前需要先求得α，对于资本产出份额α，虽然计算劳动者报酬占GDP的比重可以得到劳动者产出份额，但是中国统计年鉴中并无按照收入法核算的GDP，因此我们采用对各省的收入法计算数据进行加总计算取平均数得到。

经过计算估计得到的劳动产出份额β大约为0.45。

经查文献，我们计算的结果与现有文献的估算结果大致相同，故本文采用α=0.55，β=0.45。

1.2 数据来源与指标选取1.2.1 产出数据Y本文采取的是我国国内生产总值GDP作为产出的数据，由于各年的价格不同，价格波动会对GDP产生影响，所以以1996年不变价格将历年GDP换算为以基期价格计算的数据。

1.2.2 劳动投入L劳动投入采用了各年从业人数的数量来度量。

严格来说，这一指标并不十分准确，因为劳动投入还与劳动力的质量和利用效率有关，仅仅通过从业人数度量不能完全反应劳动力对经济增长的贡献，但是根据数据的可获得性及公式的复杂程度考虑，只能采用从业人数作为劳动投入的衡量指标。

杭州市和宁波市绿色全要素生产率测度及比较作者：霍杰来源：《现代商贸工业》2020年第20期摘要：本文使用GML指数方法对杭州市和宁波市2002-2016年期间的绿色全要素生产率进行测度，结果发现杭州市和宁波市绿色全要素生产率小幅度上升，但两市绿色全要素生产率GML指数均值相差不大，在不同时间段两市绿色全要素生产率呈现比较明显的差异。

在此基础上，提出杭州市和宁波市提升绿色全要素生产绿的对策建议。

关键词：绿色全要素生产率;GML指数;杭州;宁波中图分类号：F2;;;; 文献标识码：A;;;;; doi：10.19311/ki.1672-3198.2020.20.005改革开放以来，作为浙江省两个重要的城市杭州市和宁波市经济高速发展。

据相关统计数据显示，1978年杭州市地区生产总值为28亿元，到2019年浙江省生产总值增长到15373亿元，年均增速超过16%;1978年宁波市地区生产总值为20亿元，到2019年宁波市地区生产总值增长到11985亿元，年均增速超过16%。

从总体来看，两个城市都发展非常迅速，但是两个城市地区生产总值绝对值差距在逐渐拉大。

随着经济的快速发展，两个城市资源消耗和环境污染等问题仍然相当严重，经济增长需要从传统的粗放型经济增长向集约型经济增长转变，经济增长的效率和质量需要提高。

衡量经济增长的效率和质量的一个重要指标就是绿色全要素生产率。

本文试图使用GML指数方法对杭州市和宁波市的绿色全要素生产率进行测度并进行比较，以期发现两个城市在绿色发展方面的差距，并基于绿色发展理念提出相关的对策建议。

绿色全要素生产率的测度不同于传统的全要素生产率测度。

早期的全要素生产率测度是在索洛剩余值核算框架下进行的（Zheng等，2009;王小鲁等，2009），该方法假定生产者在技术上都充分有效，并且在测度时未考虑环境因素，这会导致全要素生产率的高估。

为了克服索洛剩余值核算的不足，数据包络法（DEA）和随机前沿分析法（SFA）发展起来，但这些方法只考虑了技术效率差异，仍然没有考虑环境污染这种非预期的产出。

南开大学硕士学位论文中国全要素生产率的测算与分析姓名：***申请学位级别：硕士专业：概率论与数理统计指导教师：***2000.3.1致谢衷心感谢南开大学张润楚教授、中国人民大学赵彦云教授和中科院张永光研究员给予我的无私教诲和热情帮助。

真诚感谢南开大学的老师两年多来的关心和教育，感谢研究生班上老师和同学们对我的支持与帮助。

感谢国家统计局教育中心的提供的难得机会与热情帮助。

感谢国家统计局国民经济核算司的领导和同事给予的支持与帮助。

摘要全要素生产率研究是当代经济学研究领域的重要组成部分。

把全要素生产率研究的最新理论和方法应用于分析中国经济增长的源泉、动力和增长方式，具有十分重要的现实意义。

本文的重点在于运用最新、最细、最具权威的统计数据，对中国全要素生产率进行测算。

与中外学者相比，本文对中国全要素生产率的测算有以下五点不同：一是把“索洛余值”明确为“全要素生产率的增长率”，从而区别于部分学者使用的“科技进步贡献率”概念；二是采用要素收入份额法确定中国生产函数中的参数ａ与Ｂ，避免了经验法确定的主观随意性；第三，测算结果显示．中国全要素生产率的提高速度是显著的，处于中外ｒ学者测算数区间的上限。

侈数学者测算改革开放以来中国全要素生产率的提高对经济增长的贡献率在３０—４０％之间，本文的测算结果为４２．５９％。

改革前后，中国全要素生产率对经济增长的贡献率由．１７９％迅速提高至４２５９％，表明中国经济增长方式正逐步发生变化：ｒ一第四，把中国全要素生产率细分为三次产业层次测算，发现在１９５３～１９９８年，第二产业全要素生产率对经济增长的贡献率最高（３０８％），第一产业次之（１２％），第三产业最低（１．５％）：第五，把改革开放以来的２０年再细分成若干五年计划时期对比，发现经济体制改革和市场化对中国全要素生产率的变化具有重大影响。

最后，根据对中国全要素生产率的测算与分析，提出了若干政策建议。

关键字：中国全耍素生测算与分析政策建议ＡｂｓｔｒａｃｔＳｔｕｄｙｏｎＴｏｔａｌＦａｃｔｏｒＰｒｏｄｕｃｔｉｖｉｔｙ（ＴＦＰ）ｉｓｔｈｅｍｏｓｔｉｍｐｏｒｔａｎｔｐａｒｔｏｆｃｕｒｒｅｎｔｅｃｏｎｏｍｉｃｒｅｓｅａｒｃｈｉｎｇＩｔｉｓｖｅｒｙｍｅａｎｉｎｇｆｕｌｔｏａｐｐｌｙｔｈｅｎｅｗｅｓｔｔｈｅｏｒｙａｎｄｍｅｔｈｏｄｏｌｏｇｙｏｆＴＦＰｔｏａｎａｌｙｚｉｎｇｔｈｅｒｅｓｏｕｒｃｅ，ｐｏｗｅｒａｎｄｉｎｃｒｅａｓｉｎｇｐａｔｔｅｒｎｏｆＣｈｉｎａｅｃｏｎｏｍｙｄｅｖｅｌｏｐｍｅｎｔＴｈｉｓｐａｐｅｒｐｕｔｓｓｔｒｅｓｓｏｎｔｈｅｍｅａｓｕｒｅｍｅｎｔｏｆＣｈｉｎａＴＦＰｂｙｕｓｉｎｇｎｅｗｅｓｔｄｅｔａｉｌｎａｔｉｏｎａｌａｃｃｏｕｎｔｓｄａｔａ．Ｔｈｅｒｅａｒｅｔｈｒｅｅｒｅｓｕｌｔｓｉｎｔｈｉｓｓｔｕｄｙ，ｗｈｉｃｈｄｅｆｅｒｆｒｏｍｏｔｈｅｒｎａｔｉｖｅａｎｄｏｖｅｒｓｅａｓｒｅｓｅａｒｃｈｅｒｓ．Ｆｉｒｓｔ，ｍａｋｅｓｔｈｅｃｏｎｃｅｐｔ”Ｓｏｌｏｗ’Ｓｒｅｓｉｄｕｅ”ｃｌｅａｒａｓｔｈｅｇｒｏｗｔｈｏｆＴＦＰｗｈｉｃｈｄｅｆｅｒｓｆｒｏｍａｎｏｔｈｅｒｃｏｎｃｅｐｔ”ｃｏｎｔｒｉｂｕｔｉｏｎｒａｔｅｏｆｓｃｉｅｎｃｅ＆ｔｅｃｈｎｏｌｏｇｙｃｏｎｇｒｅｓｓ”Ｓｅｃｏｎｄ．ｄｅｆｉｎｅｓｔｈｅｃｏｅｆｆｉｃｉｅｎｔａａｎｄ８ｂｙｕｓｉｎｇｔｈｅｒａｔｉｏｏｆｆａｃｔｏｒｉｎｃｏｍｅｉｎＧＤＰ，ＳＯｔｈｅｓｕｂｊｅｃｔｉｖｉｔｙｃａｎｂｅａｖｏｉｄｅｄＴｈｉｒｄ，ｉｔｉｓｍａｇｎｉｆｉｃｅｎｔｔｈａｔｔｈｅｉｍｐｒｏｖｉｎｇｓｐｅｅｄｏｆＣｈｉｎａＴＦＰｒｅａｃｈｅｓｔｈｅｕｐｐｅｒｌｉｍｉｔｏｆｍｅａｓｕｒｅｍｅｎｔｓｐａｎＴｈｅｃｏｎｔｒｉｂｕｔｉｏｎｒａｔｉｏｓｏｆＣｈｉｎａＴＦＰａｒｅｂｅｔｗｅｅｎ３０·４０％ｔＯｔｈｅｅｃｏｎｏｍｉｃｇｒｏｗｔｈａｌｏｎｇｗｉｔｈｔｈｅｒｅｆｏｒｍｉｎｇａｎｄｏｐｅｎｉｎｇｔｏｔｈｅｏｕｔｓｉｄｅｗｏｒｌｄ，ｂｕｔｍｙｒｅｓｕｌｔｉｓｈｉｇｈｅｒｔｈａｎ４０％．Ｆｏｕｒｔｈ，ｉｆＣｈｉｎａＴＦＰｉＳｍｅａｓｕｒｅｄｆｒｏｍｔｈｒｅｅｉｎｄｕｓｔｒｉａｌａｓｐｅｃｔｓ，ｗｅｃａｎｆｉｎｄｔｈａｔｃｏｎｔｒｉｂｕｔｉｏｎｆｒｏｍｓｅｃｏｎｄａｒｙｉｎｄｕｓｔｒｙｉｓｔｈｅｈｉｇｈｅｓｔ、ｐｒｉｍａｒｙｉｎｄｕｓｔｒｙｔｏｔｈｅｓｅｃｏｎｄａｎｄｔｅｒｔｉａｒｙｉｎｄｕｓｔｒｙｉｓｔｈｅｌｏｗｅｓｔＦｉｆｔｈ，ｂｙｃｏｍｐａｒｉｎｇｓｅｖｅｒａｌ“ｆｉｖｅ－ｙｅａｒ－ｐｌａｎ”ｐｅｒｉｏｄｓｉｎ２０ｙｅａｒｓ，ｉｔｉｓｏｂｖｉｏｕｓｔｈａｔｅｃｏｎｏｍｉｃｓｔｒｕｃｔｕｒｅｒｅｆｏｒｍｉｎｇａｎｄｍａｒｋｅｔｉｎｇｔａｋｅｇｒｅａｔｉｎｆｅｒｅｎｃｅｏｎｔｈｅｃｈａｎｇｅｏｆＣｈｉｎａＴＦＥＡｔｌａｓｔ，ｓｅｖｅｒａｌｐｏｌｉｃｙｓｕｇｇｅｓｔｉｏｎｓａｒｅｐｕｔｆｏｒｗａｒｄｂａｓｅｄｏｎｔｈｅｍｅａｓｕｒｅｍｅｎｔａｎｄａｎａｌｙｓｉｓｏｆＣｈｉｎａＴＦＰＫｅｙｗｏｒｄｓ：ＣｈｉｎａＴＦＰ，ｍｅａｓｕｒｅｍｅｎｔａｎｄａｎａｌｙｓｉｓ，ｐｏｌｉｃｙｓｕｇｇｅｓｔｉｏｎ第一章引言改革开放以来．中国经济以平均每年９％以上的高速度增长，被国内外经济学家称之为“经济增长的奇迹”。

中国全要素生产率的估算:1979 2004*郭庆旺 贾俊雪(中国人民大学中国财政金融政策研究中心 100872)内容提要:本文在分析比较了全要素生产率四种估算方法的基础上,估算出我国1979 2004年间的全要素生产率增长率,并对我国全要素生产率增长和经济增长源泉做了简要分析。

分析表明:(1)1993年以前,我国的全要素生产率增长率总体呈现出涨跌互现的波动情形且波动较为剧烈频繁,1993年以来,则呈现出逐年下降趋势,直到2000年才得以缓解,此后全要素生产率增长率总体呈现出逐年攀升势头;(2)1979 2004年间我国全要素生产率增长率及其对经济增长的贡献率较低,表明我国经济增长主要依赖于要素投入增长,是一种较为典型的投入型增长方式;(3)我国全要素生产率增长率较低的原因在于技术进步率偏低、生产能力没有得到充分利用、技术效率低下和资源配置不尽合理。

关键词:全要素生产率 索洛残差法 隐性变量法 潜在产出法* 本项研究得到 教育部优秀青年教师奖!资助且为国家社会科学基金重点项目 积极财政政策效果评估及淡出策略研究!(04AJY006)的阶段性成果。

∀ 关于全要素生产率内涵界定的分析,请参阅郑玉歆(1999)与赫尔坦(Hulten,2000)的著述。

一、引 言全要素生产率是宏观经济学的重要概念,也是分析经济增长源泉的重要工具,尤其是政府制定长期可持续增长政策的重要依据。

首先,估算全要素生产率有助于进行经济增长源泉分析,即分析各种因素(投入要素增长、技术进步和能力实现等)对经济增长的贡献,识别经济是投入型增长还是效率型增长,确定经济增长的可持续性。

其次,估算全要素生产率是制定和评价长期可持续增长政策的基础。

具体来说,通过全要素生产率增长对经济增长贡献与要素投入贡献的比较,就可以确定经济政策是应以增加总需求为主还是应以调整经济结构、促进技术进步为主。

不过,目前学术界关于全要素生产率内涵的界定还有分歧。

∀本文的全要素生产率是指各要素(如资本和劳动等)投入之外的技术进步和能力实现等导致的产出增加,是剔除要素投入贡献后所得到的残差,最早由索洛(Solow,1957)提出,故也称为索洛残差。

中国城市全要素生产率的测算与分解（1998―2013）一、引言新古典经济学把经济增长的直接原因归结为生产要素投入量的增长和全要素生产率的提高。

资源的稀缺性意味着单纯依靠要素投入的经济增长是难以持续的，只有全要素生产率的提高才是经济持续增长的源泉。

改革开放之后中国的投资率从1981年的19.62%飞速上升到2014年的80.56%，同时“人口红利”爆发，劳动力占比不断上升，可以说中国改革开放以来的经济增长主要是靠要素投入驱动的。

然而，自2011年逐年下滑的经济走势印证了新古典经济学投入驱动增长模式无法实现经济持续增长的观点。

一方面，投资率和人口红利终将面临拐点，不可能持续走高；另一方面，要素投入达到一定规模一定会遇到报酬递减的问题。

当经济增长达到一定的阶段，终将迎来经济增长的“阵痛”调整期。

很多学者提出当前供给侧改革的核心任务就是提升全要素生产率，将投入驱动的经济增长模式转变为全要素生产率驱动。

那么如何衡量全要素生产率的变化？全要素生产率变化的原因是什么？索洛余值法认为，产出增长扣除投入增长之后剩余的就是全要素生产率的增长。

但是，该方法对全要素生产率的组成部分没有加以严格区分，假定所有生产者都能实现最优的生产效率，认为全要素生产率的增长都是由技术进步带来的，忽略了效率变化对生产率变化的影响。

Diewet（1992）运用指数方法（Index Number Technique）构造了Fisher生产率指数和Tomqvist生产率指数来计算生产率的变化，但是，这两个指数都需要数量和价格数据，如果无法提供价格数据，则无法采用这种方法来计算生产率变化，另外指数法也无法分解全要素生产率，解释全要素生产率变化的原因。

当前测算并分解全要素生产率变化常用的方法主要有非参数分析法（nonparametric teeh.niques）和参数分析法（parametric techniques）。

非参数分析法将测算生产效率的DEA分析法和测算全要素生产率变化的Malmquist生产率指数结合起来，估算全要素生产率并将其分解为技术变化、规模效应变化和技术效率变化。

区域主要污染物排放影响下的环境全要素生产率研究——基于中国省际规模以上工业企业面板数据实证分析西南财经大学崔辛雨、张启煌、吴浩【摘要】在美国经济学家罗伯特·索洛的开创性研究之后，全要素生产率（Total Factor Productivity，TFP）作为衡量技术进步的指标已被广泛用于新古典经济增长核算，并被认为是驱动经济持续增长的关键因素。

然而，随着能源供给紧张和环境问题的不断加剧，仅通过柯布-道格拉斯（CD）生产函数中的投入产出变量已无法对涉及环境变量的企业技术进步进行准确的测算。

因此，本文采用1997年Chung et al.引入的基于Shephard距离函数的方向性距离函数（Directional Distance Function，DDF），通过建立关于期望产出和非期望产出的联合生产模型，采用Malmquist-Luenberger指数（以下简称ML指数）与DEA-Malmquist方法对1998-2010年中国30个省份、自治区和直辖市的规模以上工业的全要素生产率（ETFP）进行了测算，然后通过建立面板数据回归模型，将测算出的ETFP与区域GPI、企业人均资本进行回归分析，并进行结果分析与政策建议。

【关键字】Malmquist-Luenberger指数，环境全要素生产率(ETFP)，国内生产总值污染物排放指数(GPI)，面板数据回归模型【Abstract】After the appearance of pioneering research made by the American economist Robert Solow, the Total Factor Productivity (TFP), an indicator to measure the technique progress, has been widely used in the calculation of the growth in the new classical economic theory, and is now regarded as a key factor which could drive a sustained development of economy. Meanwhile, with the growing pressure of the energy shortage and the worsening environment, the calculation method which measure the enterprise technique progress only by the input and output variables of the Cobb-Douglas production function has been obviously limited by its accuracy. Thus the author built a joint production model which was put forward by Chung et al. in1997 concerning the expected output and the unexpected output based on the directional distance function.Based on 30 provincial data from 1998 to 2010, using the Malmquist-Luenberger index and the DEA-Malmquist Method, the author estimated the EPTF of above-scaled industry, and build a regression model based on the panel data. The findings was made and proposal was put forward according to the regression on the results of ETFP, regional Genuine Progress Indicator(GPI), and enterprise average capital.1 引言1.1 论文研究的背景及意义改革开放以来，我国经济经历了一个持续的高速增长阶段，经济状况得到了的极大改善和发展。

我国城市全要素生产率的测度与评价作者：高詹来源：《商业经济研究》2016年第22期内容摘要：我国城市经济增长依靠传统要素投入的模式已经不能维继，在经济“新常态”背景下，迫切需要实现从“要素驱动”向“全要素生产率驱动”转变。

本文运用数据包络分析方法，利用我国281个地级市经济活动数据，测度了2003-2013年城市全要素生产率的变化情况。

研究得出我国城市全要素生产率整体获得改善，技术进步是城市全要素生产率改善的主要动力来源，技术效率是制约全要素生产率进一步提高的瓶颈。

最后文章提出改善城市经济运行质量的相关对策建议。

关键词：全要素生产率城市测度评价中图分类号：F299.21 文献标识码：A引言长期以来我国城市经济增长模式主要源自于要素驱动的粗放型增长，伴随着我国经济出现的“新常态”特征，过度依靠廉价“土地红利”和“人口红利”的城市经济增长模式已经难以为继。

廉价易得的土地要素在为城市经济快速增长注入强大推力的同时，也带来土地资源浪费、产业结构畸形发展等顽疾。

同时，我国适龄劳动力人口比重出现下降，劳动力供给从“无限供给”走向“有限供给”。

土地、劳动力等要素投入已经不能维继城市经济的增长，摒除传统模式的弊端，促进城市经济增长从“要素驱动”向“全要素生产率驱动”转变，是实现城市经济转型发展的关键。

全要素生产率的测度和评价是分析我国城市经济转型发展的基础。

已有关于全要素生产率的研究成果比较丰富，主要集中在全要素生产率对经济增长的贡献率。

相关研究分析了新中国成立以来我国全要素生产率的变化情况，但是因为选取指标和测度方法的差异，带来了不同的测度结果。

基本可以达成一致的是改革开放以后全要素生产率对我国经济贡献率比重显著提高（张军，2002；孙琳琳等，2005；涂正革等，2006；李京文、李军，1993；胡鞍钢、郑京海，2004；王小鲁等，2009）。

已有研究成果为本文提供了重要的思路借鉴，但是也存在一些不足，主要表现在城市数据需要进一步丰富。

中国绿色全要素生产率测算及分解：1985~2010一、研究背景与意义随着全球环境问题的日益严重，绿色全要素生产率（GTFP）作为衡量经济增长质量的重要指标，越来越受到关注。

GTFP不仅考虑了传统全要素生产率（TFP）中的技术进步和资源配置效率，还加入了环境因素的考量，即经济增长过程中资源消耗和环境污染的减少。

测算和分解GTFP对于理解经济增长与环境保护之间的关系，制定有效的环保政策具有重要意义。

二、数据来源与研究方法本文采用1985年至2010年的中国省际面板数据，数据来源于国家统计局和世界银行。

研究方法主要包括：1. 构建绿色全要素生产率测算模型，考虑资源消耗和环境污染对经济增长的影响。

2. 运用数据包络分析法（DEA）和Malmquist指数法测算GTFP。

3. 对GTFP进行分解，分析技术进步、资源配置效率和环境效率对GTFP的贡献。

三、结果与分析根据测算结果，1985年至2010年期间，中国GTFP呈现波动上升趋势。

其中，技术进步对GTFP的贡献最大，而资源配置效率和环境效率的贡献相对较小。

这表明，中国政府在推动技术创新方面取得了显著成效，但在提高资源配置效率和减少环境污染方面仍有待加强。

进一步分析发现，东部地区的GTFP高于中西部地区，这与东部地区经济发展水平较高、技术进步较快有关。

同时，不同行业的GTFP也存在差异，高技术产业和清洁产业的GTFP较高，而传统产业和污染产业的GTFP较低。

四、政策建议1. 加大科技创新投入，提高技术进步对GTFP的贡献。

2. 优化资源配置，提高资源配置效率，减少资源浪费。

3. 加强环境监管，推动企业减少污染排放，提高环境效率。

4. 鼓励发展高技术产业和清洁产业，限制污染产业的发展。

5. 加强区域协调发展，缩小地区间GTFP差距。

中国绿色全要素生产率测算及分解：1985~2010五、未来展望与挑战随着全球经济的不断发展和环境问题的日益突出，提高绿色全要素生产率（GTFP）已成为各国共同面临的挑战。

中国环境生产效率与环境全要素生产率的关联分析一、引言经济增长和减少污染是当今人们关注的重点。

在改革开放的过程中，中国经济在取得快速增长的同时，也带来了较为严重的环境污染问题。

《2010年中国环境状况公报》显示中国地表水污染较重，七大水系都出现了一定程度的污染，特别是气温不断升高，自1997年以来已经连续出现了14个气温偏高年份，彰显了温室气体排放过多所产生的不良后果。

而在最新出炉的2012年全球环境绩效指数(EPI，Environmental Performance Index)排名中，中国在132个国家中名列第116位，环境情况显然不容乐观。

但是，不管怎样，中国的工业化和城市化步伐不会停止，因为毕竟发展是第一要务，以上出现的环境问题只有在发展的过程中才能得到彻底地解决。

重要的是我们应该尽早地把对环境的消耗纳入到我们经济增长核算的范畴，让人们充分认识到环境的消耗对经济增长绩效的影响，进而促使人们在发展经济的同时关注和重视环境问题。

中国经济的快速增长已引起了众多学者对中国经济增长绩效的关注。

在已有的文献中，大量关于中国经济增长绩效问题的研究主要是在没有考虑经济增长可能对环境产生较大损耗的情况下进行的，即他们主要是从基于没有考虑环境因素的传统效率和生产率角度来考察中国经济增长的绩效和可持续性的。

在这些研究中，从方法上来看主要分为Solow的增长核算法(如Chow，1993；Borensztein & Ostry，1996；Wang & Yao，2003；Zheng et al.，2009；王小鲁等，2009)和包括DEA与SFA的生产前沿分析方法(如颜鹏飞等，2004；郑京海和胡鞍钢，2005；岳书敬等，2006；王志刚等，2006；吴延瑞，2008；王志平，2010)。

近年来，才出现了一些在考虑环境因素下的对我国生产效率和全要素生产率进行研究的文献，比如胡鞍钢等(2008)和李静(2009)在考虑环境因素的情况下基于当期DEA的方法对我国区域的生产效率状况进行了探讨，王兵等(2010)和田银华等(2011)则运用序列DEA方法对在环境约束下的我国区域全要素生产率进行了进一步的研究，而陈诗一(2009)在考虑排放的情况下对我国工业分行业进行了绿色经济增长核算。

全要素生产率的测算及优化方法引言全要素生产率是衡量一国经济发展水平的重要指标，也是评估企业竞争能力的重要指标。

全要素生产率的提高，能够为企业增加利润、增加工资福利水平、提高国家经济发展水平等方面带来积极的影响。

笔者将介绍全要素生产率的测算方法及优化方案，供读者参考。

全要素生产率的测算方法全要素生产率（Total Factor Productivity，TFP）指经济单位通过投入少量的生产要素，产出大量物品与服务的能力。

全要素生产率是在考虑资本、劳动和土地等各生产要素的综合贡献下衡量经济增长率的指标。

其计算公式如下：TFP = Output / [a ×(K^a x (L^1-a)],其中，Output表示总产出；K、L分别表示资本投入和劳动投入量；a 为资本和劳动在生产中的相对贡献。

要计算全要素生产率，需要知道资本和劳动在生产中的贡献度，以及资本和劳动的投入量。

在计算劳动投入量时，一般采用从业人员人数和工作时间总和，以人时的形式计算；计算资本投入量时，要核算物质、设备、房屋等各种投资的价值。

全要素生产率的优化方案企业在追求全要素生产率的提高时，应该采取一系列的优化方案。

以下是几种常见的全要素生产率的优化方案：1. 提高劳动生产率提高劳动生产率是全要素生产率提高的重要途径。

企业可以通过培训员工、提高员工技能和提供舒适的工作环境等方式提高员工的工作效率，从而提高劳动生产率。

2. 提高管理水平提高管理水平对于全要素生产率的提高也非常重要。

企业需要加强对各项工作的监督和管理，提高整个企业的生产效率。

企业还应制定科学的生产规划，把握生产进度，改善生产流程，提高生产效率。

3. 提高技术水平提高技术水平是全要素生产率提高的又一重要手段。

企业应该不断推进技术改进，采用新技术和新装备，提高生产效率，降低生产成本，增强竞争力。

4. 减少不必要的投资减少不必要的投资是优化全要素生产率的重要措施。

企业应该调整生产结构，降低不必要的投资，精简生产线，提高生产效率。