地理溢出视角下我国物流产业全要素生产率分析

地区间生产效率与全要素生产率增长率分解一、本文概述本文旨在探讨地区间生产效率与全要素生产率增长率的分解问题。

全要素生产率（TFP）是衡量一个国家或地区经济增长质量的重要指标，它反映了除物质资本和劳动力投入以外的其他因素对经济增长的贡献。

本文首先将对全要素生产率的概念进行界定，并阐述其在经济增长理论中的重要性。

接着，本文将分析地区间生产效率差异的原因。

生产效率的差异可能源于不同地区的技术水平、资源配置效率、制度创新等多个方面。

本文将通过实证研究方法，对这些因素进行量化分析，以揭示它们对地区间生产效率的影响程度。

在此基础上，本文将进一步探讨全要素生产率增长率的分解问题。

全要素生产率增长率的分解有助于我们更深入地理解经济增长的动力和结构。

本文将从技术进步、资源配置效率改善和规模效率提升等方面入手，对全要素生产率增长率进行分解，并分析各分解项对经济增长的贡献程度。

本文将根据分析结果提出政策建议。

通过优化资源配置、推动技术创新、加强制度创新等措施，提升地区间生产效率，促进全要素生产率增长，从而实现经济的高质量发展。

本文的研究对于制定区域经济发展战略、推动经济转型升级具有重要的理论和实践意义。

二、文献综述在经济学领域，地区间生产效率与全要素生产率增长率的分解问题一直是研究的热点。

生产效率的提升对于地区经济的持续增长具有重要影响，而全要素生产率增长率的分解则有助于我们更深入地理解经济增长的动力和源泉。

因此，本文将从地区间生产效率的差异、全要素生产率增长率的内涵与测量方法，以及生产效率提升与全要素生产率增长的影响因素三个方面进行文献综述。

关于地区间生产效率的差异，已有研究主要关注了资源禀赋、产业结构、技术创新、人力资本等因素对生产效率的影响。

资源禀赋的差异可能导致地区间生产效率的不平衡，而产业结构的优化和技术创新则被认为是提升生产效率的重要途径。

人力资本作为知识和技术的重要载体，其对生产效率的影响也日益受到关注。

Sci-Tech 2016.4Logistics Sci-Tech 2016.4Logistics Sci-Tech 2016.4Logistics Sci-Tech 2016.4Logistics Sci -Tech 收稿日期：2016-02-22基金项目：教育部人文社会科学研究规划基金项目，项目编号：13YJA790051。

作者简介：何琴清（1990-），女，广东湛江人，广东工业大学管理学院硕士研究生，研究方向：物流业全要素生产率。

誗理论研究誗文章编号：1002-3100(2016)04-0004-03物流科技2016年第4期Logistics Sci-Tech No.4,2016摘要：物流业作为我国经济的重要组成部分和新的利润增长点，随着我国物流实践和理论研究的深入，近年来物流业全要素生产率测度问题引起学者的广泛关注。

文章从物流业全要素生产率的研究对象和计算方法、投入产出指标、影响因素和发展趋势以及资源环境约束下的物流业全要素生产率等方面综述了现有研究文献，分析了现有研究中存在的问题，展望了物流业全要素生产率今后的研究方向。

关键词：物流业；全要素生产率；综述中图分类号：F253文献标识码：AAbstract:The logistics industry as an important part of our country's economy and the new profit growth point,with the deepening of the logistics practice and theory research in Chi －na,the logistics industry in recent years,total factor produc －tivity measurement problem caused the wide attention of scholars.Paper from the logistics industry research objects and the calculation method of the total factor productivity,input and output index,influence factors and development trend as well as logistics total factor productivity under the restriction of resources and environment were reviewed existing research literature,analyzes the problems existing in the existing re －search,prospects the total factor productivity of logistics in －dustry in the future research direction.Key words:logistics industry;total factor productivity;review R ．M ．Solow 最先提出全要素生产率（Total Factor Produc －tivity ，TFP ），用来解释经济增长中不能被劳动、资本解释的部分，通过“索洛余值”法Denison 测算了全要素生产率增长率。

中国区域绿色全要素生产率的影响因素及其空间特征作者：陈黎明，王俊昊,赵婉茹，蔡乐颖来源：《财经理论与实践》2020年第04期摘要：运用非径向非角度的SBM方向性距离函数与ML指数，将环境污染和能源消耗纳入生产率分析框架，将绿色全要素生产率（GTFP）增长分解为技术进步和技术效率改善，测度中国30个省市区GTFP，利用空间计量模型考量GTFP的影响因素及其空间特征。

结果表明：样本期内全国平均GTFP累积增长31%，技术进步贡献较大。

各地区的GTFP均呈现增长趋势，而技术效率则有所下降。

地理邻接是空间溢出的主要途径，各变量对GTFP、技术进步和技术效率改善的直接效应和空间溢出效应呈现不同的作用机制，R&D投入、外商投资和环境管制等因素对GTFP的增长均有显著影响。

关键词：绿色全要素生产率;ML指数;影响因素;空间特征中图分类号：F224;F719 文献标识码： A 文章编号：1003-7217（2020）04-0122-11基金项目：湖南省哲学社会科学基金项目（19YBA069）一、引言进入21世纪以来，中国逐步奠定了世界经济大国地位。

然而，低效的粗放型经济发展模式造成了不可弥补的资源耗费和环境污染，现阶段的中国面临着环境污染和资源过度消耗的双重压力，飞速发展带来的种种弊端逐渐显现，给中国经济社会的可持续发展带来了巨大的风险和挑战。

燃烧化石能源造成的传统煤烟型污染和PM2.5、颗粒物等新型污染并存，社会生产与居民生活、中心城市与周边农村、工业与交通排放污染交织。

到2030年，中国的城镇化率将达到70%，居住在城市和城镇的人口将超过10亿人，而城镇人均生活能耗是农村人均水平的1.54倍，城镇化率每提高一个百分点，将增加生活垃圾1200万吨、生活污水11.5亿吨，并消耗8000万吨标准煤[1]。

《“十三五”生态环境保护规划》指出，化学需氧量（COD）、二氧化硫（SO2）等主要污染物的排放量高达2000万吨，78.4%的城市空气质量未达标，部分地区冬季重污染频发，环境承载能力已接近上限，生态环境已成为全面建成小康社会突出的短板。

中国全要素生产率估算与分析根据最新的统计数据，中国的全要素生产率一直处于较快增长的状态。

在过去几十年里，中国经济实现了快速增长，并且不断提高了生产率水平。

这主要得益于中国不断推进经济改革，加大对技术创新的投入，改善了生产要素的配置和利用效率。

通过对中国全要素生产率的估算与分析，我们可以发现一些特点和趋势。

首先，在产业结构升级和技术创新的推动下，中国的全要素生产率持续提升。

在传统产业向现代产业转型的过程中，劳动力的素质和技能不断提高，技术水平逐步提升，资本投入和利用效率逐渐改善，这些都对全要素生产率的增长起到了支撑作用。

其次，中国的全要素生产率在不同地区和行业之间存在较大的差异。

东部沿海地区的全要素生产率水平相对较高，而中西部地区的全要素生产率则相对较低。

在行业方面，高科技产业和服务业的全要素生产率明显高于传统制造业和农业。

这表明中国地区之间和行业之间的发展不平衡问题依然存在，需要进一步加强政策引导和扶持。

综上所述，中国的全要素生产率在不断增长，但仍面临着不平衡的地区和行业发展状况。

未来，中国需要加大对技术创新的投入，促进产业结构升级和转型升级，加强对全要素生产率的测算和分析，以实现经济高质量发展和可持续增长。

中国全要素生产率（TFP）的估算与分析是我们了解中国经济的发展与竞争力的重要途径。

全要素生产率是衡量经济效率和创新能力的一个关键指标，它是指在市场运作的条件下，多种生产要素共同参与生产，经济体系产出的增长除了由劳动力和资本进步外，还包括了一种由全要素生产率技术变动所引起的增长。

简而言之，全要素生产率代表了除了劳动力和资本外，其他要素（如技术、管理等）对经济增长的贡献。

中国经济的快速发展在过去几十年里取得了巨大成功，同时也在全要素生产率上取得了显著成绩。

按照最新的统计数据，中国的全要素生产率一直在持续增长。

这种增长主要是由于中国政府在长期经济改革方面的成功举措，以及在技术创新和知识产权保护方面的努力。

收稿日期：201９－０４－１０基金项目：本文受国家社会科学基金项目“污染外部性、环境规制与产业空间分布演化研究”（１７ＢＪＬ０４６）支持作者简介：关海玲（１９７２－），女，山西隰县人，太原科技大学教授，管理学博士，研究方向：资源环境管理、产业经济学。

环境规制、全要素生产率与制造业产业集聚关海玲（太原科技大学经济与管理学院，山西太原０３００２４）摘要：当前，随着经济的发展，生态环境问题日益凸显，环境的瓶颈制约也越来越突出。

如何使环境规制更好地服务于产业集聚的发展成为现阶段亟需解决的问题。

文章从“新”新经济地理学研究视角出发，结合“中国制造２０２５”计划，从理论和数据经验两方面研究环境规制、全要素生产率与制造业产业集聚的关系。

研究发现：环境规制对全要素生产率产生“Ｕ”型影响，当前环境规制强度越大，全要素生产率越高；全要素生产率在环境规制对制造业产业集聚的影响过程中存在部分中介效应；环境规制对制造业产业集聚的影响存在门槛效应。

借此提出促进环境规制与制造业产业集聚发展的政策建议以助力经济文明与生态文明的发展。

关键词：产业集聚；环境规制；全要素生产率；中介效应；面板门槛效应中图分类号：Ｆ０６２．９文献标识码：Ａ文章编号：１００２－３２４０（２０１９）０７－００４３－１0一、引言改革开放历经４１年，我国的经济实力和综合国力实现了重大突破，但多年持续的高速发展也产生了若干结构性问题。

我国经济发展中的不平衡不充分之一体现在经济发展与资源、环境、生态之间的不平衡。

我国经济的快速发展，在一定程度上超出了资源、环境和生态的承载力。

十九大指出经济社会的发展要充分解决好发展不平衡不充分的问题，提高经济发展的质量和效益。

因此，针对经济与生态环境之间的不平衡，国家提出要转变经济发展方式，促进产业转型升级，加快经济绿色健康发展。

在经济新常态下，产业的转型升级有了新的内涵。

加快产业转型升级，不是完全用新兴产业代替传统产业，也不能完全用第三产业取代第一、第二产业，产业转型升级是指以产业集聚为基础的产业融合发展，最终实现产业结构从粗放型向集约型发展，从“三高一低”转向“三低一高”[１]。

统计与决策2021年第4期·总第568期引言改革开放以来，中国经济快速增长的同时，带来了环境质量持续下降、环境健康损失不断增加等问题。

与此同时，中国也超越美国，成为世界上能源消耗量和碳排放量最高的国家。

如何使中国经济摆脱对资源的依赖和自然环境的破坏是当前亟须解决的重要问题。

传统评价一个地区经济绩效的主要指标是地区生产总值，并没有考虑投入的约束，这也是长期以来我国一些地区采取高投入、低产出的发展方式的主要原因之一。

大量文献指出，解决上述问题最直接有效的方式就是提升全要素生产率（TFP ）[1—3]。

全要素生产率将投入产出均纳入经济绩效的评估框架中，是一种新的衡量地区经济绩效的方法。

随着全球环境污染的日益严重，将非期望产出引入全要素生产率评估框架已成为热点问题。

这种考虑环境污染因素的TFP 就是环境全要素生产率（ETFP ）。

相关文献对全要素生产率的空间溢出效应进行了广泛研究[4]。

部分学者利用空间计量模型，探讨了中国省域环境全要素生产率的空间溢出效应及其主要影响因素[5—7]。

但是，目前国内外学者仅从区域角度或时间角度检验环境全要素生产率及其影响因素，认为地区间的环境全要素生产率不存在任何相互作用，鲜有研究在对环境全要素生产率分析时考虑地理空间依赖的影响。

同时，有些环境全要素生产率的研究中没有考虑能源投入问题，事实上很多污染指标均与能源利用存在一定关系；一些研究只采用一种污染指标作为非期望产出，缺乏代表性。

鉴于此，本文将能源消耗与资本和劳动投入同等对待，作为一种重要的投入要素，并且选择二氧化碳排放和二氧化硫排放两种污染物作为非期望产出。

在此基础上，本文采用考虑“坏产出”的ML 指数测算我国省际环境全要素生产率指数及其分解，然后运用空间计量模型对我国省际环境全要素生产率的空间溢出效应及其影响机制进行研究，以期从空间视角寻找中国环境全要素生产率的优化路径。

1研究方法、变量选取与数据来源1.1环境全要素生产率测算从现有文献看，关于全要素生产率的研究主要集中在测算方法与指标选取上。

经济发展的全要素生产率与效率分析全要素生产率（Total Factor Productivity，TFP）和效率是衡量经济发展和提高生产效益的重要指标。

TFP衡量了所有生产要素（包括劳动力、资本、土地、技术等）综合运用的生产效率，而效率则关注更加具体的生产要素使用情况。

本文将围绕全要素生产率与效率展开讨论，并分析其在经济发展中的重要作用。

一、全要素生产率的定义与衡量指标全要素生产率是指在生产中各要素（劳动力、资本、土地等）综合运用下能够产生的产出量与投入量的比值。

衡量全要素生产率的指标主要有Solow残差法、Malmquist指数法和TFP增长分解法。

（1）Solow残差法：它通过排除劳动力和资本因素的影响，从宏观经济角度分析技术进步对产出的贡献。

（2）Malmquist指数法：通过比较不同时期的生产函数来评估技术进步与效率提升的贡献。

（3）TFP增长分解法：通过对生产函数中各要素投入和产出的变动进行分解，衡量全要素生产率的增长效应。

二、全要素生产率与经济发展的关系全要素生产率的提高可以推动经济发展，进而带动社会福利的提升。

全要素生产率的增长意味着单位投入资源获得更多的产出，能够有效地促进经济增长，提高劳动生产率，增加就业机会和收入分配的可能性。

同时，全要素生产率的提高也能够推动经济结构升级和产业转型，提高经济抗风险能力和竞争力。

三、全要素生产率的影响因素全要素生产率的提高受多种因素影响，主要包括技术进步、创新能力、资本积累、人力资源状况、制度环境等。

（1）技术进步和创新能力：技术进步是推动全要素生产率提高的重要因素，科技创新能力的提升能够促进新生产要素的引入和生产方式的改进，从而提高生产效率。

（2）资本积累：充足的资本积累能够提供生产所需的物质基础，进而提高全要素生产率。

合理的资本配置和投资结构也能够促进全要素生产率的提高。

（3）人力资源状况：人力资源素质的提高对于全要素生产率的提高至关重要。

我国全要素生产率估算及影响因素分析作者：杨营营来源：《现代商贸工业》2017年第36期摘要：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。

关键词：全要素生产率；估算；影响因素中图分类号：F2文献标识码：Adoi：10.19311/ki.1672-3198.2017.36.0060 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。

中国全要素生产率的测度与影响因素分析全要素生产率是衡量一国经济效率的重要指标。

它反映了一国资本、劳动力和其他生产要素的综合利用效率，同时也表明了技术创新、资源配置和机制效率等诸多方面的水平。

对于中国这样的发展中经济体来说，测度和分析全要素生产率的影响因素尤为重要。

一、测度中国全要素生产率全要素生产率（TFP）的测度是一个相对复杂的过程。

在测度过程中，首先需要将国民经济分为不同的行业，并对每个行业的产出、劳动力等生产要素进行统计。

然后，需要通过计算总值指数和单产指数来确定全要素生产率。

而计算全要素生产率时，还需要对不同行业的生产要素进行权重分配。

以中国为例，根据《中国统计年鉴》，中国制造业的全要素生产率在2018年达到了114.5，较2017年上升了1.2%。

此外，在2018年，中国服务业的全要素生产率也同比增长了5.9%。

二、影响中国全要素生产率的因素1. 资本投入资本的投入是推动全要素生产率增长的重要因素之一。

经济体投资资本设备、研发新技术、扩大产业规模，可以带来更多的生产要素和新知识的产生，从而改善经济的创新和生产能力。

在中国，资本投入始终是政府的经济发展重点，近年来，在促进创新和发展中的资本投入上花费了大量资金，资本存量进一步得到积累和提高，也推动了全要素生产率的增长。

2. 技术进步技术进步是全要素生产率增长的另一个重要因素。

技术进步带来了生产效率的提高和企业竞争力的增强。

随着科技的不断突破，新技术的不断引入，中国制造业和服务业的生产效率也在不断提高。

例如，随着物联网、大数据、人工智能等先进技术的应用，中国的制造业正在向更高效率、更灵活地生产方式迈进。

3. 教育水平和人力资源人力资本是经济高效运转必要的必要条件，人力资本越丰富，建立经济发展的新力量就越强大。

教育水平是提高人力资源生产力的重要指标。

随着中国教育普及率的提高和人力素质的提高，人力资源的生产力也不断提高，这进一步提高了全要素生产率。

我国省际全要素生产率的对比分析研究
刘云霞;曾五一
【期刊名称】《统计研究》
【年(卷),期】2024(41)5
【摘要】传统的按照索洛方法计算的广义技术进步率并不是本来意义上的全要素生产率。

因此,本文重新构建全要素生产率的测度框架。

一是明确定义全要素生产率,即一定时期内,按照现有的技术条件和产业结构比例,每投入一个单位的全部生产要素所能够带来的最终产出。

二是利用有关统计数据估算省级层面有效资本存量,并分别构建各省份合适的计量模型估计其在不同发展阶段的要素产出弹性系数,进而测度各省份全要素生产率以及因全要素生产率变动所带来的经济增长率(简称全要素经济增长率)。

实证分析结果表明,一般情况下,经济越发达省份的全要素生产率也越高,但是经济发达省份的全要素经济增长率并不一定高于经济欠发达省份。

该结果不仅与常识相符,而且也合理解释了各省份生产效率与技术进步之间的联系与区别,验证了本文所提出的测度框架及方法的可行性。

【总页数】9页(P15-23)
【作者】刘云霞;曾五一
【作者单位】厦门大学经济学院统计学与数据科学系;吉林财经大学
【正文语种】中文
【中图分类】F224;C813
【相关文献】
1.我国省际全要素生产率测算——基于省际面板数据
2.我国省际公共文化服务全要素生产率评价及区域差异分析
3.我国西部地区文化产业全要素生产率省际差异分析——基于12省自治区MALMQUIST生产力指数
4.新型基础设施建设对区域绿色全要素生产率的影响——基于我国省际数据的实证研究
因版权原因，仅展示原文概要，查看原文内容请购买。

中国全要素生产率分析Malmquist指数法评述与应用一、本文概述本文旨在全面分析和评述使用Malmquist指数法对中国全要素生产率（TFP）的研究。

全要素生产率作为衡量一个国家或地区经济增长质量的关键指标，对于理解中国经济增长的动力源泉、识别经济转型升级的方向以及评估经济政策的效果具有重要意义。

Malmquist指数法作为一种非参数的生产率测量方法，因其对数据要求相对较低、可以分解出技术进步和技术效率变化等优点，在经济学研究中得到了广泛应用。

本文首先回顾了全要素生产率和Malmquist指数法的相关理论基础，然后梳理了国内外使用Malmquist指数法测量中国全要素生产率的研究进展，并对其进行了评述。

在此基础上，本文进一步探讨了Malmquist指数法在中国全要素生产率研究中的应用，包括数据来源、模型设定、结果解释等方面。

本文总结了Malmquist指数法在中国全要素生产率研究中的优缺点，并展望了未来的研究方向。

通过本文的研究，我们期望能够更深入地理解中国全要素生产率的动态变化及其背后的驱动因素，为政策制定者提供有价值的参考信息，同时也为后来的研究者提供一个清晰的研究框架和思路。

二、全要素生产率与Malmquist指数法的基本理论全要素生产率（Total Factor Productivity，TFP）是衡量一个经济体在单位时间内，所有投入要素（如劳动力、资本等）的生产效率的综合指标。

它反映了在技术进步和资源配置效率改善的情况下，生产单位所能达到的最大产出。

全要素生产率的提高，通常被视为经济增长的重要源泉，尤其是在资本和劳动力等要素投入增长放缓的情况下，全要素生产率的提升对于维持和推动经济增长具有重要意义。

Malmquist指数法是一种用于测量全要素生产率变化的非参数方法，由瑞典经济学家Sten Malmquist在1953年首次提出。

该方法基于数据包络分析（Data Envelopment Analysis，DEA）理论，通过比较不同时期或不同决策单元（如企业、地区或国家）的生产前沿面，来评估全要素生产率的动态变化。

供应商地理分布扩张与企业全要素生产率1. 企业地理分布扩张概述随着全球化的不断推进，企业在追求市场和利润最大化的过程中，逐渐意识到地理分布扩张的重要性。

地理分布扩张是指企业通过在国内外设立生产基地、研发中心、销售网络等，以实现资源优化配置、降低生产成本、提高市场竞争力的一种战略布局。

企业地理分布扩张不仅有助于提高企业的全要素生产率，还能够为企业带来更多的发展机遇和竞争优势。

地理分布扩张有助于企业实现资源优化配置，通过在全球范围内寻找合适的投资项目和合作伙伴，企业可以充分利用各地的资源优势，提高生产效率和产品质量。

企业可以通过在原材料丰富的地区建立生产基地，降低原材料采购成本；在劳动力成本较低的地区设立研发中心，降低人力成本。

地理分布扩张还有助于企业实现产业升级，提高技术创新能力。

地理分布扩张有助于企业降低生产成本，通过在不同地区的生产基地进行生产分工和协同，企业可以实现规模经济效应，降低单位产品的生产成本。

地理分布扩张还有助于企业规避地缘政治风险和汇率波动带来的影响，提高企业的抗风险能力。

地理分布扩张有助于企业提高市场竞争力，通过在全球范围内拓展销售网络和服务能力，企业可以更好地满足不同国家和地区客户的需求，提高市场份额。

地理分布扩张还有助于企业获取更多的市场信息和机会，为企业的战略决策提供有力支持。

企业地理分布扩张是企业在全球化背景下实现可持续发展的重要途径。

通过合理规划和管理地理分布扩张战略，企业可以有效提高全要素生产率，实现经济效益和社会效益的双重提升。

1.1 企业地理分布扩张的概念和意义企业地理分布扩张是指企业在国内外市场的布局和发展，通过在不同地区设立生产基地、销售网络和研发中心等，实现资源的优化配置和生产效率的提升。

这一过程对企业的发展具有重要的战略意义和实际价值。

企业地理分布扩张有助于降低生产成本，通过在不同地区设立生产基地，企业可以充分利用各地的资源优势，降低生产成本。

靠近原材料产地的企业可以减少原材料运输成本，而靠近消费市场的企业则可以降低产品运输成本。

江苏省物流业全要素生产率的测度研究随着经济全球化的加深，物流业已经成为国家经济发展的重要组成部分。

江苏省作为东部沿海经济发达省份，拥有发达的交通运输系统和完善的物流基础设施，物流业的快速发展对于推动地区经济发展起着重要作用。

为了深入研究江苏省物流业的全要素生产率，本文将从定义、影响因素、测度模型等方面进行探讨。

一、全要素生产率全要素生产率（Total Factor Productivity，TFP）是衡量企业或整个经济体系发挥生产要素效用的指标，是指生产单位输出所需生产要素的综合水平。

TFP反映了生产要素的效率利用水平和技术水平。

二、影响因素物流业全要素生产率的影响因素较为复杂，主要包括以下三个方面。

（一）科技水平科技水平是影响全要素生产率的重要因素，包括物流信息技术、物流系统集成技术、物流装备技术、物流管理技术等。

科技水平的提高，能够提升物流业整体效率，降低物流成本，促进物流业的可持续发展。

（二）市场竞争市场竞争也是影响物流业全要素生产率的重要因素，市场规模、市场结构、市场透明度等均会影响物流业的全要素生产率水平。

在激烈的市场竞争中，物流企业需要提高研发能力、创新服务模式，以提高效率和降低成本。

（三）政策环境政策环境的好坏也会对物流业全要素生产率产生影响。

政策的完善、政策的配套支持、政策的健全是物流业全要素生产率提高的重要保障。

在政策环境中，物流企业需要积极响应国家政策，充分发挥政策的优惠效应。

三、测度模型（一）Scoring-DEA模型Scoring-DEA模型是一种基于DEA的模型，它可以较为准确地测量物流企业的全要素生产率。

该模型具有灵活性强、计算简单、精度高等特点。

（二）Malmquist指数模型Malmquist指数模型是基于生产前沿的理论建模方法，用于测定单位期间生产效率的变化程度和影响原因的贡献率。

它的优点在于对各种生产率变动的来源予以了科学、客观的分析。

四、总结物流业全要素生产率的提高是不断推进物流业转型升级的重要举措，也是实现江苏省物流业可持续发展的必要条件。

３０ １ ２０１５ １Ｊａｎ．，２０１５Ｖｏｌ．３０ Ｎｏ．１Ｓｔａｔｉｓｔｉｃｓ＆ＩｎｆｏｒｍａｔｉｏｎＦｏｒｕｍ【统 计 应 用 研 究】 基于全要素生产率的知识溢出空间效应分析赵 云 ，李 雪 梅（北 京 交 通 大 学 经 济 管 理 学 院 ，北 京 １０００４４） 摘 要 ：使用知识资本模型引入跨区域知识溢出的空 间 计 量 变 量 ，研究省际知识溢出对各省全要素生 产 率的 影 响 。

将研究对象由公司或企业视角转换到区域 视 角 ，分析中国省域间知识溢出对全要素生产率的 影 响 。

利 用 Ｃｈｒｉｓｔｅｎｓｅｎ定义的全要素生产率指数度量区域的全要素生产率 ，并以此为因变量 ，描 述 每 个 区 域 将 实 际 资本与劳动力转化为产出的效率 。

解 释变量为区域内部与外部的知识资本 ，其中外部知识资本 反 映 了 区 域 间知识溢出效应的贡献 。

研 究 中 使 用 １９９８—２０１２年 ３１个 省 份 数 据 ，区 域 知 识资本的度量由专利指标构成 。

通过考虑区域间的个体 异 质性和区域相邻导致的空间自相关 ，使用空间面板数据模型 分析知识溢出效应 。

研究结果表明知识资本对区域间 全 要素生产率的差异存在显著影响 ，同时从一个新的空间维度分析了 地 理 接近带来的知识溢出效应的增加 。

关 键 词 ：全 要 素 生 产 率 ；知 识 溢 出 ；面 板 数 据 ；空 间 计 量 经 济中 图 分 类 号 ：Ｆ２０７ 文 献 标 志 码 ：Ａ 文 章 编 号 ：１００７－３１１６（２０１５）０１－００８３－０７产 力 研 究 的 基 础 ，已经被 应用于许多企业视角的生 产 力 实 证 研 究 中 ，并被拓 展到研究产业集聚与国家 层 面 。

知 识 资 本 模 型 存 在 很 多 方 面 的 相 关 研 究， Ｊａｆｆｅ开 创 了 知 识 溢 出 或 知 识 流 动 外 部 性 的 计 量方 式［３］。