省际全要素生产率的测算与分解——基于DEA的非参数Malmquist指数法

我国科技金融效率研究——基于DEA-Malmquist模型分析刘立霞【摘要】以2009-2014年我国30个省份科技金融的面板数据为基础,运用DEA-Malmquist模型分析了我国科技金融发展效率,研究结果表明:我国科技金融综合效率整体水平不高,但呈现上升趋势.科技金融全要素生产率总体保持较快增长,年均增长率达7.5％,技术进步是引起全要素生产率提高的主要原因.从区域角度来看,东部地区无论是在综合效率,还是在全要素生产率方面均具有明显领先优势,西部地区虽然综合效率较高,但全要素生产率增速较慢,中部地区和东北地区综合效率偏低,但全要素生产率增速较快.【期刊名称】《天津商业大学学报》【年(卷),期】2017(037)003【总页数】6页(P27-32)【关键词】科技金融;数据包络分析;Malmquist指数;生产率变动【作者】刘立霞【作者单位】天津商业大学经济学院,天津300134【正文语种】中文【中图分类】F832.4科技金融是为科技企业产品开发、成果转化和高新技术产业发展提供融资支持和金融服务的一系列政策制度安排，是科技创新体系和金融体系的有机融合。

[1]近年来，我国中央和各级地方政府出台了一系列政策和法规来推动科技和金融的融合发展。

2016年7月28日，国务院发布《“十三五”国家科技创新规划》，首次将“科技金融”列入国家规划，明确提出“促进科技金融产品和服务创新，建设国家科技金融创新中心”，可见科技金融已成为国家科技创新战略的重要内容。

随着科技金融实践的不断深入，国内学者关于科技金融的理论研究也逐渐增多。

早期研究主要涉及科技金融的概念、体系、机制、模式和路径等理论分析方面，[2-4]近几年来国内一些学者开始关注科技金融效率问题，如骆世广和李华民[5]对广东省科技金融投入进行效益评价，结果表明广东省金融投入呈现DEA无效状态。

许汝俊等[6]对长江经济带11个省份科技金融效率进行了评价，结果表明2009—2012年间各省份科技金融效率存在一定的差异性，全要素生产率的增加主要源于科技效率的增加。

基于DEA—Malmquist模型的省际经济全要素生产力分析作者：秦春艳来源：《商业经济》2017年第07期[摘要] 选取1990-2014年全国和各省份面板数据，首先利用柯布道格拉斯生产函数模型和索罗经济增长方程测算资本、劳动力和科技进步对经济增长的贡献率，再利用DEA-Malmquist 指数方法，测算各省份全要素生产力数值，结果表明样本期间内，科学技术贡献率EA=40.5%，资本贡献率EK=53.87%，劳动力贡献率EL=5.62%，资本投入仍然是经济发展最主要动力，东部地区明显高于西部地区，全要素生产力地区发展不平衡，并且呈下降趋势。

[关键词] TFP；DEA-Malmquist模型；索罗经济增长方程；经济增长贡献率[中图分类号] F062.1 [文献标识码] AAbstract： Selecting 1990-2014 panel data of the whole country and every province in China，the study calculating the contribution rates of capital， labor force， technological progress of economic growth with Cobb-Douglas production function and Solow' economic growth equation. Then the DEA-Malquist method is used to figure out the numerical value of total factor productivity of every province. The result proves that during the sample period， the contribution rates of science and technology， capital， and labor force are respectively EA= 40， 5%， EK=53.87%，andEL=5.62%. Capital investment is still the major driving power of economic growth. It is more obvious in the east region than in the west region of China. The growth of total factor productivity is not even among regions and is declining.Key words： TFP， DEA-Malmquist model， Solow' economic growth equation， contribution rate to economic growth一、引言亚当·斯密的古典经济增长理论和哈罗德—多马模型，分别分析了资本和劳动力对经济增长的贡献，索洛模型将技术进步引入到经济模型中，发现当资金投入增长率等于劳动力投入的增长率时，工业产出增长率大于资金与劳动力增长率。

我国省级全要素生产率的测算与解释作者：杨子超邓晓来源：《商业经济研究》2016年第11期中图分类号：F275.5 文献标识码：A内容摘要：本文使用索罗余值法和DEA-Malmquist指数法分别测算了我国各省（市、自治区）在1986-2014年期间的全要素生产率。

通过对核算结果分析发现：过去近30年来，东部地区各省的全要素生产率最高，西部地区次之；我国全要素生产率主要由技术进步推动；自2012年以来，全国各省（市、自治区）的全要素生产率出现大范围的负增长情况，需要引起注意。

关键词：全要素生产率索罗余值法 Malmquist指数省级面板引言全要素生产率（TFP）一直是宏观经济学中最重要的概念之一，也是分析经济增长源泉的重要工具。

TFP可被用于分析各种因素（投入要素、技术进步和制度环境等）对经济增长的贡献，从而识别出当时的经济增长模式是投入型增长还是效率型增长，以此确保经济增长模式的可持续性。

关于TFP增长率的测算及研究，国内学者已经进行了较为深入的研究，主要集中在以下几个方面：一是对全国或者各地区TFP增长率的测算和分解，其中代表性的研究有张军和施少华（2003）、郭庆旺和贾俊雪（2005）、赵志耘和杨朝峰（2011）、庞瑞芝和杨慧（2008）；二是对行业的TFP增长率进行测算，其中代表性的研究有王亚华等（2008）；此外还有学者对TFP的测算方法进行了比较研究，其中代表性的研究有李双杰和左宝祥（2008）、肖林兴（2013）等。

总体上看来，国内学者对各地区TFP增长率及影响因素已经有了较深入的分析，但是对于各区域TFP增长模式的差异研究还比较少。

同时，2008年金融危机以后，中国经济进入“新常态”，中国经济增长模式的可持续性在学术界引起了广泛而又持续的讨论。

经笔者核算，尤其是2012年以后，我国越来越多的省（市、自治区）的TFP变为负增长，需要引起注意。

本文利用最新的统计数据，分别使用索罗余值法（SR）和数据包络分析法（DEA）-Malmquist指数法核算了1986-2014年期间各省（市、自治区）的TFP增长率，并依据结果对此间我国各地区的TFP增长和增长模式做了简要分析。

省际全要素生产率的测算与分解作者：陈秋明苟娟来源：《现代商贸工业》2010年第06期摘要:采用基于数据包络分析(Data Envelopment Analysis,DEA)的非参数指数法测算了各省市区的全要素生产率(Total factor productivity,),技术进步率TECHCH以及技术效率变化EFFCH。

除了江西省的平均增长率小于1外,其他省市的均为正增长,东部地区较中西部提升较快;我国各省全要素生产率的增长主要来源于技术进步,而技术效率的恶化阻碍了生产率的增长。

关键词:FDI;技术溢出;TFP;技术进步率;技术效率中图分类号:F22 文献标识码:A 文章编号:1672-3198(2010)06-0311-021957年美国经济学家罗伯特•索洛(R.Solow)在《经济学与统计学评论》上发表了《技术进步与总量生产函数》一文,论文统一了生产的经济理论、拟合生产函数的计量经济方法,第一次将技术进步因素纳入经济增长模型。

在定量研究中,索洛将人均产出增长扣除资本集约程度增长后的未被解释部分归为技术进步的结果,称其为技术进步率,这些未被解释的部分后来被称为“增长余值”(或“索洛余值”),也即为全要素生产率的增长率。

基于DEA方法的Malmquist全要素生产率指数法测算全要素生产率(Total factor productivity,TFP),可以避免计算索洛剩余时遇到的强假设条件,既不要求生产处于有效率的路径之上,也无需得知要素投入对经济增长贡献的实际份额,还可以分解为几个有意义的指数的乘积,从而能得到更为细致的动态分析结果。

具体说来,Malmquist全要素生产率指数能被分解为两个部分,一部分是技术进步,另外一部分是技术效率的改善,以便更好地了解全要素生产率的构成。

MI=dt0(x t+1,y t+1)dt0(xt,yt)×dt+10(x t+1,y t+1)dt+10(xt,yt)12=dt+10(x t+1,y t+1)dt0(xt,yt)×dt0(x t+1,y t+1)dt+10(x t+1,y t+1)×dt0(xt,yt)dt+10(xt,yt)12=EFFCH×TECHCH=TFPCH即:全要素生产率变化(TFPCH)可分解为技术效率变化(EFFCH)和技术进步变化(TECHCH),EFFCH是基于可变规模收益的效率变化指数,TECHCH表明了技术的进步和创新。

安徽省战略性新兴产业全要素生产率测度——基于DEA-malmquist指数模型王哲;沙国;胡伟【摘要】文章基于DEA-malmquist指数法,先从产业整体层面对2008-2015年安徽省战略性新兴产业TFP进行实证测算,得到各年份的TFP及其分解指数,然后分产业对安徽七大战略性新兴产业TFP变化率及其分解指数进行测算,得到各战略性新兴产业TFP年均变化率及其分解指数,进而揭示安徽战略性新兴产业的增长源泉;再通过实证回归分析,探讨安徽战略性新兴产业TFP变动的影响因素;最后提出了提升安徽战略性新兴产业全要素生产率的具体对策建议.【期刊名称】《华东经济管理》【年(卷),期】2017(031)006【总页数】6页(P25-30)【关键词】战略性新兴产业;全要素生产率;DEA-Malmquist指数法;安徽省【作者】王哲;沙国;胡伟【作者单位】皖西学院经济与管理学院,安徽六安 237012;皖西学院大别山发展研究院,安徽六安 237012;皖西学院经济与管理学院,安徽六安 237012;皖西学院经济与管理学院,安徽六安 237012【正文语种】中文【中图分类】F062.9战略性新兴产业是引导未来经济社会发展的重要力量。

在供给侧结构改革的背景下，发展战略性新兴产业带动生产效率的提升，将决定我国以及安徽省能否完成经济增长方式转变、保持长久高增长率战略目标。

对于安徽省来说，发展战略性新兴产业：①有利于安徽省抢抓新一轮经济和科技发展战略机遇，加速科技与经济融合、创新驱动与产业发展融合，加快产业的升级换代，打造未来区域支撑产业，积极培育安徽崛起的“制高点”；②有利于推进安徽供给侧结构性改革，更好地发挥制度变革、结构优化和要素升级“三大发动机”的作用，加速形成科学化、集约化、可持续化的发展路径，高起点建设现代产业体系，加快形成安徽未来经济发展的新“增长点”。

国外在全要素生产率（TFP）测度方面有参数方法和非参数方法。

基于DEA-Malmquist指数的我国煤炭城市的全要素生产率动态测算姚平【摘要】运用1995～2005年中国地级煤炭城市面板数据,采用非参数Malmquist指数方法,实证分析了全要素生产率的变动状况,并将其进一步分解为技术效率和技术进步.研究结果表明:第一,1995～2005年24座地级煤炭城市平均技术效率水平较低,2001年煤炭城市规模效率的下降导致平均技术效率较大幅度下降;第二,1995～2005年间技术效率和技术进步对煤炭城市全要素生产率的影响都有较明显的波动,在这十年间技术效率是全要素生产率增长的动力源泉;第三,东部、中部和西部地区之间和地区内部煤炭城市全要素生产率的变动也存在较显著差异.人力资本和制度因素对全要素生产率、效率提高以及技术进步均有重要的影响.【期刊名称】《运筹与管理》【年(卷),期】2010(019)002【总页数】6页(P170-175)【关键词】煤炭城市;全要素生产率;Malmquist指数;技术效率;技术进步【作者】姚平【作者单位】吉林大学,商学院,吉林,长春,130012;黑龙江科技学院,经济管理学院,黑龙江,哈尔滨,150027【正文语种】中文【中图分类】F224.3Abstrac t:Th rough a nonparam etric M alm quist index app roach;this paper has analyzed to tal factor p roductivity change in China’s coal cities’paneldata from 1995 to 2005,which is decomposed into technicalefficiency and technicalp rogress.The results show:(1)the average technicalefficiency of coal cities in China decseases from 1995 to 2005;(2)technicalefficiency and technicalp rogress are fluctuation,and technicalp rogress is them ain reason fo r to tal factorp roductivity increase,and(3)the ro le of technicalefficiency and technicalp rogress is differentw ith tim e varying.M eanw hile,w e also find that there are obvious differences in and betw een east,m idd le and west regions of the coal cities in China.Hum an cap ital and institution factors are important influence on TFP,technical efficiency and technicalp rogress.Keyw o rds:coal city;total factor p roductivity;M alm quistindex;technicalefficiency;technicalp rogress煤炭城市是指因当地煤炭资源开发而形成和发展起来的,并且煤炭产业在城市工业结构中占有重要地位的城市[1]。

“malmquist指数”资料汇整目录一、中国省域农业碳排放测算、效率变动及影响因素研究——基于DEAMalmquist指数分解方法与Tobit模型运用二、—黄河流域农业灌溉用水效率基于三阶段DEA模型和Malmquist指数三、中国省际全要素能源效率变动分解——基于Malmquist指数的实证研究四、中国高技术产业各行业资源配置效率的实证研究基于DEAMalmquist指数方法五、中国生产性服务业全要素生产率测度——基于非参数Malmquist指数方法的研究六、我国食品安全监管效率研究基于超效率DEA模型和Malmquist指数分析中国省域农业碳排放测算、效率变动及影响因素研究——基于DEAMalmquist指数分解方法与Tobit模型运用随着全球气候变化问题的日益严峻，碳排放已经成为国际社会的焦点。

农业作为我国国民经济的重要基础产业，其碳排放问题也引起了国内外的广泛。

因此，对中国省域农业碳排放进行测算，分析其效率变动及影响因素，对于制定有针对性的碳减排政策具有重要意义。

当前国内外相关领域对农业碳排放测算和效率变动的研究主要集中在以下几个方面：一是农业碳排放的测算方法研究；二是农业碳排放效率的测评研究；三是农业碳排放影响因素的分析研究。

尽管已有研究取得了一定的进展，但仍存在以下不足：一是缺乏对省域农业碳排放的全面测算和分析；二是未能充分考虑政策因素和科技进步对农业碳排放效率的影响；三是缺少对农业碳排放影响因素的深入探讨。

为了解决上述问题，本文采用DEAMalmquist指数分解方法与Tobit 模型，对中国省域农业碳排放进行测算和分析。

DEAMalmquist指数分解方法能够揭示农业碳排放的动态变化和效率差异，Tobit模型则可以更好地处理截尾数据和偏态分布问题，为影响因素的分析提供有力支持。

结合中国省域层面的农业统计数据，我们首先运用DEAMalmquist指数分解方法，测算了各省域农业碳排放的效率变动。

财经理论研究２０２３年　第５期［收稿日期］２０２３－０３－３０［基金项目］教育部人文社会科学研究规划课题（２０ＹＪＡ７９００６６５）；内蒙古纪检监察大数据实验室开放课题（ＩＭＤＢＤ２０２００２６）；内蒙古哲学社会科学规划项目基地重大项目（２０２０ＺＪＤ０１０）；内蒙古经济数据分析与挖掘重点实验室重点课题（ＳＺ２３００４）；黄河流域经济高质量发展研究基地重点项目（２２ＨＺＤ０５）［作者简介］王雪瑞（１９８１－），男，内蒙古通辽人，内蒙古财经大学商务学院教授，兴安职业技术学院教授，博士，从事计量经济理论与方法研究。

中国服务业全要素生产率测度研究———基于ＤＥＡ－Ｍａｌｍｑｕｉｓｔ指数法王雪瑞１，２，刘志宽３，王藤润３，李峥嵘３（１．内蒙古财经大学　商务学院，内蒙古　呼和浩特　０１００７０；２．兴安职业技术学院，内蒙古　乌兰浩特　１３７４００；３．内蒙古财经大学　工商管理学院，内蒙古　呼和浩特　０１００７０）［摘　要］文章采用２００３—２０１９年中国服务业细分行业统计数据，运用基于非参数ＤＥＡ－Ｍａｌｍｑｕｉｓｔ指数方法，试图测度中国服务业细分行业ＴＦＰ，分析内部生产率变化趋势及行业差异。

研究发现：技术进步主导中国服务业ＴＦＰ增长，技术效率阻碍中国服务业高质量发展。

同时，中国服务业细分行业间发展差距较大。

从影响因素看，人均资本量、对外开放度、市场化水平是影响中国服务业ＴＦＰ增长的重要因素。

［关键词］服务业；全要素生产率；ＤＥＡ－Ｍａｌｍｑｕｉｓｔ；影响因素［中图分类号］Ｆ２０１ ［文献标识码］Ａ ［文章编号］２０９５－５８６３（２０２３）０５－００８６－１２ 一、引言“鲍莫尔－福克斯假说”认为随着社会生产效率的增长，劳动力将从制造业向服务业转移，使得名义工资提高，从而增加生产成本，在社会稳定发展的情况下，服务业劳动力比重增加，整个社会的经济效率会下降。

在经济生产中，生产者作为系统中的各个要素的综合生产率，被称为全要素生产率（ＴＦＰ）。

中国制造业省际全要素生产率变动分析①———基于非参数Malmquist指数方法宫俊涛　孙林岩　李　刚(西安交通大学管理学院)【摘要】在构建1987～2005年中国28个省区市制造业面板数据的基础上,本文基于非参数Malmquist指数方法构造区域制造业生产前沿,考察制造业省际全要素生产率的增长来源、差异与变化趋势。

研究表明,分析期内制造业的生产要素结构经历了一个资本相对密集化的过程;制造业省际全要素生产率的增长来源于技术进步,技术效率变化表现为负作用;全要素生产率在1988～1990年和1994～1997年两个时间段出现了负增长,1987～2002年全要素生产率总体上没有增长。

关键词　全要素生产率　增长来源　制造业中图分类号　F06112 文献标识码　AProvincial Productivity Analysis in China’sManufacturing Industry Abstract:This paper focuses on the provincial productivity analysis for China’s manufact uring indust ry1At first,t he panel data about manufact uring indust ries of twenty2eight p rovinces f rom1987to2005year is set up1Then a Malmquist index app roach is used to formulate t he production f rontier models for provincial manu2 fact uring industry1The result shows t hat capital deepening has been intensifiedt hrough t his stage which changed t he factor st ruct ure1The growt h of total factor productivity(TFP)came from technical p rogress,while technical efficiency change deteriorated t he productivity1Negative productivity growt h occurred during1988～1990and1994～19971TFP didn′t increase during1987to2002year1K ey w ords:T otal Factor Productivity;Growth Source;Manufacturing Industry引 言当今世界制造业的格局正发生着急剧的变化,新技术的传播、组织的变革及市场机制的①基金项目:国家自然科学基金重点资助项目(70433003)。

我国省级全要素生产率研究——基于Global Malmquist 指数的再测算陈向武（北京大学经济学院，北京，100871）[摘要]基于Global Malmquist指数对传统的Malmquist指数测算全要素生产率进行了改进，同时引入成本法测算的省级人力资本变量，利用度量口径一致的人力资本、物质资本、劳动力及地区生产总值数据，测算并分析了1996-2013年间我国31个省市全要素生产率的变动情况。

研究结果发现，2008年全球性金融危机背景下，大规模财政刺激政策对我国经济结构产生了负面影响，降低了全要素生产率水平，经济体制改革带来的技术效率改进仍是全要素生产率的重要推动力。

[关键词] DEA；Global Malmquist；全要素生产率[中图分类号] F223;F272.5 ［文献标识码］A ［文章编号］1000-4211(2019)04-0020-14 . All Rights Reserved.一、引言常见的全要素生产率概念来自Solow（1956）的研究，他认为投入要素的增长不足以解释经济体之间的产出差距，并把产出增长率扣除要素增长率后的余值解释为技术进步率，这一余值被称为“Solow余值”，也就是Total Factor Productivity（简称TFP），而这一方法也成为计算T F P的重要方法之一。

除此之外，许多学者又发展出随机前沿函数方法（Stochastic Frontier Analysis，SFA）、数据包络方法（Data Envelopment Analysis，DEA）等方法，成为TFP测度的重要方法。

围绕我国改革开放以来近四十年的高速经济增长，学界涌现出不少测算和探讨我国经济增长源泉的文献，但是由于对要素投入和测算方法的不同理解，学界对T F P在我国经济增长中的作用并未达成一致性认识，甚至出现了方向相反的结论。

目前国内学者最常用的研究测算我国TFP的是基于Solow模型的增长核算法与基于DEA的Malmquist TFP指数法。

94ECONOMIC & TRADE UPDATE我国经济发展现状已由高速增长阶段转向高质量发展阶段，为加快山东新旧动能转换，山东省制造业高污染高能耗粗放型的发展模式亟待改善。

本文运用ＤＥＡ－Ｍａｌｍｑｕｉｓｔ指数衡量山东省绿色山东省制造业绿色全要素生产率的测量及其影响因素分析——基于DEA-Malmqiust指数方法模型的实证分析马晓琪【摘　要】为深入贯彻创新、绿色发展理念，实现经济发展由高速增长转向高质量发展阶段的战略性目标，山东省制造业能源消耗高、发展模式粗放的问题亟待解决。

本文一是利用DEA-Malmqiust指数方法测算山东省制造业在资源和环境条件约束下的绿色全要素生产率，分析山东制造业的绿色发展状况；二是用多元线性回归模型实证分析研发投入、环境规制、外商投资水平、城市化率等因素对绿色全要素生产率的影响。

结果表明：（1）城市化水平对GTFP起负向抑制作用；（2）外商投资水平促进山东省GTFP的提高，外商直接投资的知识技术溢出效应弥补了污染天堂假说的环境污染效应；（3）R&D支出对山东省GTFP具有显著的推动作用；（4）环境规制强度对绿色全要素生产率具有正向促进作用,环境政策“倒逼绿色经济发展”效应存在。

基于上述结论，本文为山东制造业绿色全要素生产率的提升提供了对策建议。

【关键词】山东省；制造业；绿色全要素生产率；DEA-Malmquist指数全要素生产率，将能源投入和非合意产出纳入测量模型，测度资源和环境质量双重约束下的制造业发展状况。

在此基础上进一步对ＧＴＦＰ影响因素的文献进行梳理，将山东省制造业的ＧＴＦＰ的影响因素纳入一个统一的分析框架，更加科学地用数据定量评判山东省绿色制造业发展状况和质量，为山东省当前疲软粗放的制造业注入新的发展活力，实现绿色转型。

95ECONOMIC & TRADE UPDATE一、绿色全要素生产率的测度方法与数据来源说明（一）绿色全要素生产率测量方法-DEA方法测度的理论模型说明数据包络分析法ＤＥＡ的原理是：根据相同类型部门的一组输入和输出观察结果确定有效生产前沿面，并根据各生产单元与有效生产前沿面的距离确定其是否有效。