我国全要素生产率的分解及变动趋势
中国全要素生产率的测算及变动分析

中国全要素生产率的测算及变动分析作者:杨绍明来源:《财讯》2018年第21期采用索罗残差法,计算出平均资本产出弹性。
据此计算我国全要素生产率(TFP)增长率。
结果显示:我国1952年至2016年间TFP增长率剧烈波动,分解增长率后发现,资本仍是增长的主要动力。
索罗残差法资本产出弹性全要素生产率问题提出全要素生产率(Total FactorProductivity,TFP)是长期支撑经济体增长的重要因素,对其的测度具有较强的理论与现实意义。
易纲等(2003)对证明我国经济增长中存在效率提升。
郭庆旺和贾俊雪(2005)采用三种模型计算了我国TFP增长率,结果都表明经济的波动与TFP 增长率密切相关。
牛龙(2013)认为这近三十年间,我国经济增长的8.7%来源于劳动增加,49.4%来源于资本增加,41.8%来源于技术进步。
罗良文和梁圣蓉(2016)发现我国经济增长主要来源于资本投入,技术进步的贡献只占到百分之十几。
已有文献的结论并不一致。
理论准备以Cobb-Douglas生产函数为基础的模型推导过程,主要分为两步:(1)计算资本与劳动的产出弹性。
Yt=AtKtaLt(1-a)(2.1)Yt、Al、Kt、Lt为第t年产出、资本存量、劳动力数量;a为资本产出弹性整理并化简公式(2.1):数据处理本文以1952年至2016年为研究区间。
总产出 Yt为GDP,用CPI换算成以1952年价格;劳动Lt为全国就业人员;资本Kt为我国的资本存量,但此数据需要进行测算。
采用永续盘存法(Kt=(1-8)Kt-1+lt/Pt,It、Pt为第t年固定资产投资、固定资产价格指数;δ为固定资产折旧率)测算资本存量。
It采用固定资本形成总额数据。
Pt采用借鉴张军(2004)介绍的方法构的造固定资本形成总额指数。
基期资本存量Ko采用单豪杰(2008)测算的结果342亿元(1952年价)。
δ采用陈昌兵(2014)计算的结果5.65%。
中国全要素生产率估算与分析

中国全要素生产率估算与分析中国的全要素生产率(Total Factor Productivity,TFP)是指在一个给定的生产过程中,单位产出所需的全部要素投入(劳动、资本和技术)与实际产出之间的比率。
它是衡量一个国家或地区经济增长和生产效率的重要指标。
中国的全要素生产率估算与分析可以从以下几个方面进行。
首先,中国的全要素生产率水平。
根据统计数据显示,中国的全要素生产率呈现出逐年提高的趋势。
这是由于中国在过去几十年中不断进行的经济和创新,以及技术进步的不断推动。
中国的全要素生产率水平已经取得了一定的突破,但仍然相对较低,与发达国家相比仍有较大差距。
其次,中国的全要素生产率增长速度。
在过去几十年的经济中,中国的全要素生产率增速较快。
这是由于中国不断开放,引进和应用先进的生产技术和管理经验,提高了生产效率。
然而,随着经济发展进入新常态,中国的全要素生产率增长速度已经放缓,需要进一步深化,加大创新力度,推动全要素生产率的提高。
再次,中国全要素生产率的影响因素。
中国全要素生产率的提高受到多种因素的影响,包括人力资本、技术创新、经济体制、市场竞争等。
中国在人力资本方面还存在不足,包括教育水平的提高、职业培训的加强等。
同时,中国在技术创新方面也需要加大投入,培育创新型企业和创新型人才,推动技术进步和全要素生产率的提高。
最后,中国全要素生产率提高的政策建议。
为了提高中国的全要素生产率,可以采取一系列政策措施。
首先,加强教育和职业培训,提高人力资本的质量和数量。
其次,加大对科技创新的支持,鼓励企业增加技术投入,促进技术进步。
同时,通过深化经济体制,减少市场垄断,增加市场竞争,提高资源配置效率。
此外,还可以通过减少行政审批、降低企业税负等举措,为企业创新提供更好的环境。
综上所述,中国的全要素生产率是衡量一个国家经济增长和生产效率的重要指标。
中国的全要素生产率水平不断提高,但仍然相对较低,需要进一步深化,加大创新力度,推动全要素生产率的提高。
改革开放以来中国全要素生产率变动的估算

估计 全要 素生产率 除了要确 定产 出、 资本 和 劳动力投入 数量 和增长率 之外 , 还要 确 定 劳动和资 本的产 出弹性 , o和 1 关 即 c 3。
瓦 : . 9, 9620Dg: . ( 、 0 9 F: 33 8 g 0 1 * 9 8
、
分别表示 1 5 %、 %、1 %水平下显著 ) 0 模 型中各解 释变量系数的t 值在 1 %的
1 6 8 5 - ( 8 6 4 4 4 6) 5 O 5
因此 ,转型以来 ,我国的资本产出弹
性 为 06 7 劳动 产 出弹 性 为 03 3 0 , .9 。
01 6 2 14 5
D
00 8 0 8a8
00 5 9 284
34 5 8 06 1
00 2 。0
生产 函数为 :
: ec ,
,
率确 实对经济周期波动产生 了冲击。
结 论
本文 采用 索洛余值 法估 算 了 1 7 9— 9
2 0 年我国全要素生产率 的变动。 09 分析表 明,全要素生产率是我 国经济增长 的重要
由于 T P计 算只 涉及 L K和 L L系 F n n 数, 若模 型 的OL 估计 是稳健 的 , 自相 S 即 关 对 OL S估 计 的影响程 度不 足 以改变变
对经 济增 长的贡献 ;全 要素生产率 的变动
趋 势与 1 7 — 0 9年 间宏观经济 的运 行 99 2 0 情况 比较 吻合 :在经济繁荣阶段 ,全 要素
于这 点 , 世界 银行经济 考察 团认为 中国劳 动与 资本 的投 入份额 为 06 : . 04 : . 0 4或 .
06 也 有学者认 为,中国劳动 和资本的产 .。 出弹性应设 定为 03: . . 07,如郭庆 旺和贾 俊雪 ( 0 5) 2 0 估算出资本和劳动 的产 出弹 性分别 为 06 2 .9 1和 03 7 。对此 ,也 有 .0 9
碳排放约束下我国全要素生产率增长的测度与分解——基于SBM方向性距离函数和GML指数

碳排放约束下我国全要素生产率增长的测度与分解——基于SBM方向性距离函数和GML指数齐亚伟【摘要】本文运用SBM方向性距离函数和Global Malmquist-Luenberger(GML)指数将能源与二氧化碳纳入全要素生产率测度与分解框架中,测算了2001~2009年我国备省市的环境效率及环境全要素生产率变动状况,将环境全要素生产率变动分解为纯技术进步、纯技术效率变动、规模效率变动和技术规模变动等4个因素.研究结果表明:环境无效率普遍存在,且在省际间的分布差异较大;环境全要素生产率的增长和省际差异分别源于技术进步和规模效率,纯技术效率则出现不同程度地恶化.【期刊名称】《工业技术经济》【年(卷),期】2013(000)005【总页数】10页(P137-146)【关键词】环境全要素生产率;SBM;方向性距离函数;GML;指数【作者】齐亚伟【作者单位】江西财经大学,南昌330013【正文语种】中文【中图分类】F206改革开放以来,我国经济增长取得了令人瞩目的成绩,1978~2009年的年均增长率在9%以上。
在盘点所取得的辉煌业绩时,我们发现高速的经济增长是以能源的高投入、高消耗为特征,经济对能源的过度依赖导致大气中二氧化碳等温室气体浓度增加,诱发全球气候变暖及环境污染,从而降低了经济增长质量,使得经济增长速度大打折扣。
我国正处于工业化、城市化、现代化快速发展阶段,重化工业发展迅速,大规模基础设施建设不可能停止,能源需求的快速增长一时难以改变,碳排放量在短时间内也不能得到遏制。
能源耗竭和二氧化碳排放日益成为制约经济可持续发展的约束条件,为此,节能减排被提到前所未有的战略高度,我国政府在“十一五”发展规划中提出:到2020年单位GDP二氧化碳排放比2005年下降40%~50%,达到这一目标的关键是运用技术提高生产效率。
因此,我们有必要深入分析资源环境约束下我国全要素生产率处于一个什么样的状态,通过分析环境全要素生产率增长的源泉,为缓解经济高速增长与能源耗竭、二氧化碳排放之间的矛盾提供一些政策启示。
全国及区域全要素生产率变动分析

全国及区域全要素生产率变动分析全国及区域全要素生产率变动分析摘要:一直以来,C-D生产函数模型及在此基础上产生的索洛残差法在估算TFP及其增长率时得到广泛应用,笔者从模型的设定、数据的获取、参数估计等方面对该方法进行了系统分析、探讨和修正,在此基础上估算了全国及31个省1978年~2010年间的TFP及其增长率。
结果表明:中国的TFP增长率总体上处于较高水平。
分阶段看,2001年~2010年和1978年~1984年的TFP增长率明显较高。
分区域看,东部的TFP及其增长率都明显高于中部和西部。
各省区的TFP 与经济发展水平、TFP增长率与经济增长速度都有很强的正相关性。
关键词:全要素生产率;增长率;生产函数;弹性作者简介:叶宗裕(1962-),男,浙江江山人,浙江师范大学经济与管理学院教授,应用数学硕士,主要从事经济统计,计量经济模型及应用研究。
中图分类号:F061.5文献标识码:A文章编号:1006-1096(2014)01-0014-06收稿日期:2012-11-14一、问题的提出最近10多年来,许多学者研究了全要素生产率(TFP)及其相关问题。
包括全国或省际TFP及其增长率的测算、TFP的收敛检验、技术进步对经济增长的贡献分析、分析TFP与省区收入差距的关系等。
对TFP相关问题的研究,必需建立在对TFP的准确估算基础上。
虽然对全国或省际TFP的测算已有大量的研究成果发表,但许多研究在估算方法、资料的来源和处理等方面存在许多问题,估算结果的准确性不能令人满意。
关于TFP,学者们已经有了基本一致的观点:包括资本和劳动等投入要素之外的所有影响产出的因素。
虽然估算TFP的方法多种多样,但由于C-D生产函数模型中各变量和参数的含义明确、直观,结果易于理解,在估算TFP及其增长率时得到广泛应用。
本文从模型的设定、数据的获取、参数估计等方面对该方法进行了系统分析、探讨和修正,在此基础上估算了全国及31个省份1978年~2010年间的TFP及其增长率,并对结果进行了分析。
全要素生产率与产业结构、就业结构的内在关系、演变趋势和国际经验。

全要素生产率与产业结构、就业结构的内在关系、演变趋势和国际经验。
全要素生产率(Total Factor Productivity,TFP)是衡量经济增长的重要指标,表示单位全部要素投入(劳动、资本和技术)所创造的产出。
产业结构和就业结构对全要素生产率有着内在关系,它们的变化和演变趋势会直接或间接地影响到全要素生产率。
产业结构是指不同产业在整个经济中的比重和分布情况。
不同产业的技术水平、劳动需求和增长潜力存在差异,从而影响全要素生产率。
通常情况下,发达国家的产业结构更加多样化,拥有更加先进的产业和技术,相对较高的全要素生产率。
相比之下,发展中国家的产业结构通常较为单一,依赖低技术、低附加值的产业,全要素生产率相对较低。
产业结构的演变趋势是向着高附加值、技术密集型产业的转变,这将促进全要素生产率的提高。
就业结构是指不同产业对就业人口的需求和占比。
不同产业对劳动力的技能、素质和教育水平要求存在差异,从而对全要素生产率产生影响。
高技能、高薪酬的产业通常能够吸引优秀的人才,提高全要素生产率。
相比之下,低技能、低薪酬的劳动力在低附加值的产业中被使用,其对全要素生产率的贡献较低。
就业结构的演变趋势是向着技能密集型的产业和服务业的转变,这有助于提高全要素生产率。
国际经验表明,改变产业结构和就业结构可以促进全要素生产率的提高。
发达国家通过加强技术创新、鼓励高附加值产业的发展以及提升劳动力素质和教育水平,成功实现了产业结构和就业结构的升级,从而提高了全要素生产率。
发展中国家也可以借鉴这些经验,通过加强技术创新、推动产业升级、提供高质量的教育和培训等方式,逐步提高全要素生产率。
综上所述,产业结构和就业结构与全要素生产率存在内在关系,它们的变化和演变趋势会直接或间接地影响到全要素生产率水平。
通过优化产业结构和就业结构,国家可以实现全要素生产率的提高,从而推动经济增长和发展。
全要素生产率增长中的技术效应与结构效应基于中国宏观和产业数据的测算及分解

全要素生产率增长中的技术效应与结构效应基于中国宏观和产业数据的测算及分解一、本文概述本文旨在全面解析全要素生产率(TFP)增长中的技术效应与结构效应,并通过中国宏观和产业数据的测算及分解,深入探讨这两种效应对中国经济增长的影响。
全要素生产率作为衡量经济增长质量的重要指标,其提升是推动经济持续健康发展的关键因素。
在中国经济转型升级的背景下,研究全要素生产率增长的技术效应与结构效应,对于制定有效的经济政策、优化产业结构、提升经济增长质量具有重要的理论和实践意义。
本文首先界定了全要素生产率、技术效应和结构效应的概念,并阐述了它们在经济增长中的作用机制。
在此基础上,本文利用中国宏观和产业数据,运用计量经济学方法,对全要素生产率增长进行测算和分解,得到技术效应和结构效应的具体数值。
通过对这些数值的分析,本文揭示了技术效应和结构效应在中国经济增长中的贡献程度,以及它们在不同产业、不同地区的差异。
本文还深入探讨了技术效应和结构效应的影响因素,包括政策环境、技术创新、产业结构、资源配置等方面。
通过对这些影响因素的分析,本文为提升全要素生产率、优化产业结构、推动经济增长提供了有益的政策建议。
本文通过对全要素生产率增长中的技术效应与结构效应进行测算和分解,全面揭示了中国经济增长的内在动力和结构特征。
本文的研究也为政策制定者提供了重要的参考依据,有助于推动中国经济的持续健康发展。
二、文献综述全要素生产率(TFP)增长一直是经济学领域研究的热点之一,特别是在经济转型和产业升级的大背景下,其对于理解经济增长的源泉和机制具有重要意义。
技术效应与结构效应作为TFP增长的两个核心组成部分,近年来受到了广泛的关注。
本文旨在基于中国宏观和产业数据,对TFP增长中的技术效应与结构效应进行测算和分解,以期为政策制定和实践提供有益的参考。
在文献方面,国内外学者对于TFP增长及其分解进行了大量的研究。
早期的研究主要关注TFP增长的测算方法和技术进步对经济增长的贡献。
我国全要素生产率的测算、分解及演进研究:1952~2012

⑤ 王兵 、 朱宁: 《 不 良贷款约束下的中国银行业全要素生产率增长研究 》 , 《 经济研究} 2 0 1 1 年第 5 期。 ⑥ 张军 : 《 资本形成 、 工业化与经济增长 : 中国的转轨特征》 , 《 经济研究} 2 0 0 2 年第 6期。
⑦ 邓翔 、 李建平 : 《 中国地区经济增 长的动力分析》 , 《 管理世界} 2 o o 4年第 1 1 期。 ⑧ 傅 晓霞 、 吴利学 : 《 全要 素生产率在 中国地 区差异中的贡献 : 兼与彭国华 和李静等商榷》 , 《 管理世界} 2 0 0 6年第 9期。
② 郭庆 旺、 贾俊雪 : 《 中国全要 素生产率的估算 : 1 9 7 9 — 2 o o 4 } , 《 经济研究} 2 0 0 5 年第 6 期。 ③ 赵伟 、 马瑞永 、 何元庆 : 《 全要素生产率变动 的分解——基于 M  ̄ m q u i s t 生产力指数的实证分析》 , 《 统计研究} 2 0 0 5年第 7 期。 ④ 金相郁 : 《 中国区域全要素生产率 与决定 因素 : 1 9 9 6— 2 0 0 3 } , 《 经济评论} 2 0 0 7 年第 9 期
第一 , 在研究对象方面 : 现 阶段研究呈现 出由整体 向微观发展的趋势 。首先 , 在初始 阶段 , 关 于全要 素生 产率 的研究多集 中于对时序下我 国整体 的全要 素生产 率进行估 算 。其次 , 随着研 究 的发 展和深 入 , 关 于全
要素生产率 的研究开始逐步选择 以板块 、 省份作为研究 对象 。赵伟 、 马瑞永对 我 国 自 1 9 8 0~ 2 0 0 3年 的省 域 面板数据进行 了分析 ; ③ 金相 郁对 1 9 9 6~ 2 0 0 3年间我 国东 、 中、 西 部地区 以及各省 区市 的全要 素生产 率进行
我国全要素生产率的分解及变动趋势

我国全要素生产率的分解及变动趋势内容摘要:本文利用数据包络方法,对2002-2010年以来我国不同区域的全要素生产率进行了测算,采用了Malmquist指数的方法对我国经济的TFP进行了进一步的分解,以此探讨我国经济增长的动力。
实证结果显示,我国全国总体及东部、中部、西部分地区在此阶段TFP增长有限,对GDP贡献不够;Malmquist 指数的结果也显示了我国各地区的TFP增长中由技术进步指数带动的和由效率改进带动的效应程度大体相同,我国经济要想实现可持续发展还必须进一步提升技术进步的作用。
关键词:TFP增长率Malmquist指数DEA方法区域差异Solow在研究美国的经济增长时发现,在人均收入增长中由要素投入量增加带来的是很少的,而真正能够推动经济长期持续增长的因素应该是全要素生产率(TFP)。
全要素生产率即综合反映经济发展过程中投入产出效果的指标。
因此,我国经济增长中TFP所占的比重或者发挥的贡献成为学者们研究与关注的重点。
文献回顾目前关于TFP的研究成果比较丰富,主要集中在以下几个层面:第一方面是运用线性回归的方式,根据索洛理论,采取物资资本、劳动力投入、人力资本等指标作为解释变量,来试图分析各个投入变量及TFP的贡献。
该方法必须事先设定生产函数形式,而且要求满足苛刻的假设前提。
Nehru和Dhare Shwar、Collins和Bosworth分别使用了包含很多国家的样本资料进行了测度。
第二方面是放在了全要素生产率的增长率的分解中,试图分析我国TFP增长中技术进步效率和生产效率变化的情况,采用的方法较前有很大区别。
其主要思路是将估计的前沿生产函数的变化来度量技术进步的变化;用测度到的观察点到前沿面的距离来度量生产效率的改进。
采用此方法的关键是前沿生产面的估计。
目前主要有SFA方法和DEA方法。
SFA方法同样需要设定生产函数的具体形式,而且处理误差时还需要一定的分别假设;而DEA方法时通过线性规划来得到前沿函数,不需要对生产函数的具体形式进行假设,对误差的处理是将其作为无效率的结果。
中国全要素生产率增长率的变化及提升途径——基于产业视角

中国全要素生产率增长率的变化及提升途径——基于产业视角摘要:本文从产业的角度出发,对中国全要素生产率的变化情况进行分析,探讨了目前存在的问题以及提升全要素生产率的途径和建议。
总体来说,提高技术创新水平、加强产业结构优化、深入推进供给侧结构性改革,注重企业自主创新和人才培养等措施是提升中国全要素生产率的重要途径。
关键词:全要素生产率、技术创新、产业结构优化、供给侧结构性改革、企业自主创新、人才培养一、背景介绍全要素生产率是指生产所需的所有生产要素如资本、劳动和技术等的利用效率,是衡量一个国家经济发展水平的重要指标。
在中国的经济发展过程中,全要素生产率的提升对推动经济增长和提高人民生活水平具有重要作用。
然而,随着国家经济的快速发展,中国的全要素生产率增速已经出现了明显的下降态势,因此需要进一步探究如何提升全要素生产率。
二、中国全要素生产率的变化自20 世纪80 年代开始,中国的全要素生产率呈逐年提高的趋势,但是在2012 年后开始下降,尤其是2015 年之后下降幅度更为明显。
具体而言,从2012 年到2016 年,中国全要素生产率的年均增长率仅为2.3%,远低于2002 年到2011 年的年均增长率(5.4%)。
这表明中国目前面临着全要素生产率增长缓慢的问题,如果不及时采取措施,将会对中国的经济增长和发展带来负面影响。
三、中国全要素生产率下降的原因1.技术创新水平不高在中国的经济发展中,缺乏自主创新是一个重要的制约因素。
虽然近年来科技投入有所增加,但是整体上来看,中国在科技研发和创新方面的投入仍然较低,技术能力和水平相对较弱。
这导致中国的创新能力不足,无法迅速引进和吸收国际先进技术。
因此,技术创新水平不高是当前中国全要素生产率下降的重要原因之一。
2.产业结构不合理当前中国的产业结构仍然不够优化,以重工业和基础设施建设为主导的传统产业占据了比较大的比重,而高科技、高附加值产业的发展相对较缓慢。
这导致中国产业结构不够灵活和多元化,无法满足不断变化的市场需求。
中国全要素生产率和估算和分析

中国全要素生产率和估算和分析中国的全要素生产率在近几十年来一直呈现出持续增长的趋势。
根据国家统计局发布的数据,中国的全要素生产率在过去30年中年均增长率超过了3%,这说明中国的生产效率不断提高,对经济增长的贡献也在不断增加。
这一趋势的背后,主要原因是中国政府的改革开放政策带来了技术进步和资源配置的优化,以及不断推进的产业升级和创新发展。
然而,中国的全要素生产率增长也面临一些挑战。
首先是劳动力成本的上升和人口结构的变化,这使得中国的劳动力资源优势有所减弱。
其次是产业结构的调整和转型,一些传统行业的生产效率相对低下,而新兴产业和高科技行业的充分发展需要更多的技术投入和创新。
同时,环境污染和资源约束也给中国的生产效率带来了一定的压力。
为了更好地提高全要素生产率,中国政府和企业可以从以下几个方面着手:加大对科技创新的投入和支持,鼓励企业加强技术改进和创新;推动产业升级和结构转型,鼓励发展新兴产业和高附加值产业;优化资源配置和提升劳动力素质,提高生产要素的利用效率;加强环境保护和资源节约,建立可持续发展的生产方式和产业链。
总之,中国的全要素生产率估算和分析对于经济发展和战略规划都具有重要意义。
通过不断推动科技创新和产业升级,优化资源配置和提升劳动力素质,中国可以更好地提高生产效率,实现经济可持续增长和高质量发展。
中国的全要素生产率(TFP)是一个富有启发性的经济指标,它可以帮助我们更好地理解中国经济的发展现状和未来趋势。
随着经济社会的不断发展,中国全要素生产率估算和分析成为了经济研究和政策制定的重要内容。
本文将继续从人力资本、资本投资、科技创新等方面对中国全要素生产率进行更深入的讨论。
首先,人力资本作为生产要素之一,对全要素生产率的影响非常显著。
中国拥有庞大且不断增长的劳动力资源,然而,随着人口结构的变化和城乡发展不平衡,人力资源的质量和配置也面临一些挑战。
为了提高人力资本的质量和利用效率,中国需要进一步加强教育和技能培训,提升劳动者的素质和技能水平。
我国高技术产业全要素生产率变动分解——基于非参数的Malmquist指数法

发展 过程 中要 素生产率的变 化情况如何 ,其 变化 受到哪些 因
素影 响 ,针 对 以上 问题 ,本 文 选 取 全 要 素 生 产 率 的 分 析 方 法 对我 国高技术产业 2 0 - 20 0 0 06年的经济增 长源泉进行 了定 量
分析 ,探讨 了资本 因素 、劳动力 因素和广义 的技术 进步对 经
我国高技术产业全要素生产率变动分解
基 于 非参 数 的 M l q i 指 数 法 a us m t
李 雪冬
( 苏州科技 学院工商管理 系,江苏苏州 2 5 0 ) 10 9
摘要 :对全要素 生产率研 究采 用非参数 M l q i 指数 法,对 20 - 2 0 am us t 0 1 06我 国高科技 产业全要 素生产率进行 估 算 ,结果显 示,在 20 - 20 0 1 0 6年 我 国全要 素增长率 出现 大幅下 降,技 术进步 呈衰退趋 势 ,而技术 效率大体 为 增长趋 势。分析发现 ,不 同地 区之 间全要 素生产 率均有 下降,东部地 区并未呈现 出在全要 素生产率 方面的地 区
20 )其 趋 势 在行 业 间有 很 大 差 异 。其 三 是 区 域 的 T P变 动 07 F
中国省际全要素生产率的测算和分解

30中国省际全要素生产率的测算和分解于淼(上海理工大学)【摘要】 全要素生产率(TFP)是研究一国经济可持续增长的核心,由于中国省际间差距巨大,各地区的经济发展模式各不相同,本文通过非参数的DEA-Malmquist指数方法估算出2000~2015年的年份全要素生产率指数与2000~2015年间中国各省份的全要素生产率指数,并对各省份的TFP进行了进一步的分解。
研究发现:以TFP为代表的技术进步水平近年来不仅没有提高,反而出现减缓趋势;中国省份经济增长差异较大,从分解结果来看,全要素生产率增长差异主要由技术进步水平差异较大所致。
【关键词】 全要素生产率;数据包络分析法;Malmquist指数【作者简介】于淼(1997—),女,硕士在读,上海理工大学管理学院。
一、引言改革开放以来,我国经济一直保持着高速增长,从相对落后的发展中国家一跃成为全球第二大经济体,取得了世界瞩目的成就。
然而,我国经济活动的高耗能、低产出,高投入、低效率始终是经济增长过程中一个不容忽视的问题,此外,区域发展的巨大不平衡性也一定程度上制约着我国经济的协调均衡发展。
以保罗·罗默为代表的新经济增长理论认为技术进步是提高生产率水平的主要动力,加快转变经济增长方式离不开技术进步。
全要素生产率(TFP)是指除资本、劳动力要素投入之外的由于技术进步、效率改善等导致的产出增长,是衡量技术进步水平的指标,TFP可以用来衡量一国经济发展的质量,也是研究一国经济可持续增长的核心。
近年来我国相继实施了一系列科技创新战略,增加社会科研投入,在1996~2014年间,我国专利授权量和申请量年均增长率分别达到了20.29%和19.58%,中国科技水平和创新能力都有了显著提高,然而,以TFP为代表的技术进步水平近年来不仅没有提高,反而出现明显减缓趋势,另外省份间经济增长差异较大且有逐步增大的趋向。
因此,如何对各区域的TFP进行测算再分解,进而寻找TFP增长减缓以及各区域差异背后的原因,无疑对于提升TFP增长和转变经济增长方式具有重要的意义。
中国全要素生产率分析Malmquist指数法评述与应用

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。
中国制造业企业全要素生产率研究

中国制造业企业全要素生产率研究中国制造业企业全要素生产率研究一、引言全要素生产率(Total Factor Productivity,TFP)是衡量企业生产效率的重要指标,也是评估一个国家或地区的经济发展水平的重要指标之一。
中国制造业作为全球最大的制造业国家,其企业的全要素生产率一直备受关注。
本文将探讨中国制造业企业全要素生产率的研究现状以及未来的发展趋势。
二、研究现状1. 从总体上看,中国制造业企业的全要素生产率呈现逐年提高的趋势。
随着改革开放的深入推进和技术进步的加速,中国制造业企业的生产效率得到了显著的提升。
尤其是在过去几十年中,中国制造业企业通过引进国外先进技术和管理经验,以及自主创新和自主研发,不断提高了企业的生产效率。
2. 从行业的角度来看,不同行业的全要素生产率差异较大。
一些传统行业,如纺织、服装等,由于劳动密集型特点以及缺乏技术创新,其全要素生产率相对较低。
而一些高科技行业,如电子、机械等,由于技术密集型特点和较高的研发投入,其全要素生产率相对较高。
此外,国内市场需求的变化和国际市场竞争的加剧也对不同行业的全要素生产率产生了影响。
3. 在研究方法上,过去主要使用计算TFP的传统方法,但由于这些方法忽视了企业之间异质性的影响,导致了对全要素生产率的估计结果偏低。
近年来,一些学者开始使用面板数据模型和非参数方法等新颖的研究方法,以更准确地估计企业的全要素生产率。
三、未来发展趋势1. 技术创新的推动。
中国制造业企业在技术创新方面还存在较大的差距。
政府和企业需要加大对技术创新的投入,加强知识产权保护,促进科技与产业的融合,推动制造业由劳动密集型向技术密集型转型,提升全要素生产率。
2. 产业结构的调整。
当前,中国制造业正面临诸多挑战,如高成本、低附加值、环境污染等。
未来,需要通过产业结构调整和优化,加快发展高技术产业,提高全要素生产率。
3. 人力资源的培养与投入。
人力资源是企业全要素生产率的重要驱动力量。
中国城市全要素生产率的测算与分解(1998―2013)-精选文档

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。
1992年-2005年中国全要素生产率增长及其分解 ——基于确定性前沿

1992年-2005年中国全要素生产率增长及其分解 ——基于确定性前沿生产模型的实证研究尹向飞(南开大学经济学院,天津,300071)内容摘要:本文运用确定性前沿生产模型对1992~2005年期间中国季度宏观数据进行研究,将TFP增长率分解为技术进步、技术效率改进、规模效率与配置效率。
发现:我国TFP增长迅速并呈“V”型结构;配置效率增长很快。
我国技术进步缓慢,规模效率和技术效率改进也提高缓慢。
本文认为,1992年以来中国经济增长主要是由TFP增长推动的,配置效率是推动TFP增长的最主要因素。
要素投入、特别是投资是推动技术进步和配置效率增长的主要因素。
关键词:全要素生产率技术进步配置效率一、引 言对于推动我国经济发展的原因以及经济发展持续性问题,国内外经济学者已经从各个角度展开研究,全要素生产率(TFP)是其中的研究热点之一。
从研究方法上看,对中国TFP的研究主要可分为索洛余值法、数据包络分析法(DEA)和随机前沿生产函数法、确定性生产前沿四类,下面从这四个方面进行综述。
利用DEA方法对TFP的研究很多,例如郑京海等(Zheng et al., 2003)、李静、孟令杰(2006)等①。
DEA方法无需对生产函数进行估算,这是该方法的优点,但该方法需要大量数据,并且测算出的TFP容易受极值的影响。
因此该方法对TFP研究的运用主要集中在产业和行业的技术效率、技术进步的测算上,很少用来研究宏观经济方面的全要素生产率问题。
索洛余值法是早期估算TFP的常用方法,这种方法的理论基础是索洛增长模型,通常采用C-D生产函数,以该生产函数的A值来度量TFP,A的变动来度量TFP的变动。
C-D 模型适合研究宏观层面的TFP问题,许多学者利用该模型对我国TFP进行测算,但大多数假定资本、劳动力的产出弹性为常数、规模报酬不变,如李静(2006)、胡鞍钢(2007)、Jefferson et al.(1996)。
这种方法的优点是模型简单,缺点主要体现在参数估计一般采取经验估计方法,存在一定的主观随意性②,且不同劳动力产出弹性值的选取对结论的影响比较大。
中国的全要素生产率与国际比较研究

中国的全要素生产率与国际比较研究全要素生产率是衡量经济增长的重要指标之一。
在全要素生产率的计算中,不仅仅考虑了劳动力和资本的贡献,还考虑了其他因素,例如技术进步、科学创新、管理水平和资源利用效率等等。
因此,全要素生产率能够更全面地反映一个国家经济增长的质量和效率。
近年来,中国的全要素生产率一直是国内外学者关注的热点。
在国际上,中国的全要素生产率与其它国家相比还有一定的差距。
但是,在过去几十年的时间里,中国的全要素生产率发生了非常大的变化,逐渐走向了国际化水平。
首先,我们来看看中国全要素生产率的发展历程。
20世纪80年代初期,中国的全要素生产率基本处于低水平。
中国经济的主要特点是产业结构单一、技术水平落后、生产效率低下和资源利用效率不高等等问题。
由于缺乏技术、资金和市场等方面的支持,中国的全要素生产率难以得到提高。
但是,在改革开放的大背景下,中国经济逐渐得到了改善和发展。
经过20多年的发展和积累,中国的全要素生产率逐渐提高,发展速度也逐渐加快。
2010年,中国的全要素生产率超过了世界平均水平。
然而,在与其它经济体的比较中,中国的全要素生产率仍然有所差距。
特别是与发达国家的比较,差距更加明显。
这主要是因为一些制约全要素生产率提高的因素仍然存在,例如产业结构过于单一、劳动力市场不灵活、科技创新水平有所不足等等。
为提高全要素生产率,中国政府提出了一系列的政策和措施。
例如调整经济结构、提高科技创新能力、加大对中小企业的支持等等。
此外,中国政府还积极扩大对外开放,采取了一系列措施促进产业升级和创新发展,通过与国际上其他国家和地区的合作促进全要素生产率的提高。
然而,在未来,中国的全要素生产率面临着一些困难和挑战。
例如经济增长速度放缓、人口老龄化、资源环保压力等等。
在此背景下,中国需要继续采取一系列政策和措施,着力解决上述问题,为全要素生产率的提高提供更加坚实的基础和保障。
最后,在进行全要素生产率比较时,我们还需要注意到不同国家和地区的差异性。
经济高质量发展背景下我国绿色全要素生产率研究

营销界经济高质量发展背景下我国绿色全要素生产率研究管华宇1 李蕊凝2(1.华北科技学院;2.天津商业大学)摘要:当前,在经济高质量发展的背景下,提高绿色全要素生产率水平对于推动经济高质量发展非常重要。
本文围绕绿色全要素生产率的测度及分解,用卢恩伯格生产率指标对绿色全要素生产率进行了分解,研究结论表明:我国绿色全要素生产率在2008—2019年的增长具有明显的阶段性特征,东部和中部区域高于平均绿色全要素生产率水平,而东北和西部则低于平均绿色全要素生产率水平,绿色技术的进步提升了绿色全要素生产率水平,效率水平不足是我国绿色全要素生产率增长缓慢的主要原因。
关键词:绿色全要素生产率;效率变化;技术进步引言绿色发展是我国五大发展理念之一,其以绿色低碳循环为主要原则,考虑资源环境承载力及人与自然和谐发展。
实践表明,能源消费结构调整和技术进步既是减少碳排放、降低污染的有效途径,又是实现经济高质量发展的重要举措。
经济高质量发展的重要标志是绿色全要素生产率的提高,而提高绿色全要素生产率的关键则是降低能源消费与污染物排放。
研究方法卢恩伯格生产率是衡量绿色全要素生产率的重要指标,本文把两期方向性距离函数与卢恩伯格生产率进行结合,来测度绿色全要素生产率增长指标,其值大于0表示绿色全要素生产率增长,同理,其值等于0或者小于0则表示绿色全要素生产率不变或者降低,如下列式所示:绿色全要素生产率能够测度经济高质量发展的动力,其分解既是理解绿色全要素生产率内部机制的有效途径,又是分析不同因素效应的重要手段。
技术变化与效率变化作为衡量绿色全要素生产率的重要指标,在本文也得以体现,如下列式所示:指标选择与数据来源一、指标选择测算绿色全要素生产率的投入指标主要包括劳动、资本和能源,劳动主要以各省人力资本进行衡量,测算方法为各省年末从业人员数量与平均受教育年限相乘。
资本投入指标以资本存量表示,能源投入主要以各省能源消费总量的标准煤表示。
我国全要素生产率的测算、分解及演进研究:1952~2012

我国全要素生产率的测算、分解及演进研究:1952~2012王欣亮;严汉平
【期刊名称】《人文杂志》
【年(卷),期】2014(000)003
【摘要】本文以我国全要素生产率研究为主题,采用随机前沿生产函数模型,基于时间演进和空间分解的双重视角,分别对我国整体、板块以及省域的全要素生产率进行测算分解以及收敛趋势分析,测算结果得出我国全要素生产率总体呈波动上升的变化趋势,其间随经济体制的变动及宏观政策的调整呈现出四个明显阶段,而我国板块及各省的经济增长质量表现出较大的差异性及变化阶段性.从而提出政府应降低市场调控范围与力度,并促进要素向落后地区流动,注重可持续发展,进而提高落后地区经济发展质量,完成跨越式发展,实现我国区域经济协调发展的目标.
【总页数】7页(P38-44)
【作者】王欣亮;严汉平
【作者单位】西北大学经济管理学院;西北大学经济管理学院;陕西省社会科学院【正文语种】中文
【中图分类】F061.3
【相关文献】
1.我国高新技术产业专利创新效率演变规律及空间差异研究——基于全要素生产率的测算与分解 [J], 易明;彭甲超
2.中国农业全要素生产率测算及动态分解研究——以2000—2008年我国30个行
政区域数据为样本 [J], 杨杰;叶小榕
3.基于省级面板数据的中国全要素生产率的测算及分解:1988-2012 [J], 郭春娜;秦青
4.中国区域经济增长差异的时间演进及空间机制分解:1952-2012 [J], 王欣亮;严汉平;刘飞
5.我国地质勘查行业全要素生产率测算分解实证研究 [J], 马少强;方敏;周鑫;黄贤营
因版权原因,仅展示原文概要,查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
我国全要素生产率的分解及变动趋势内容摘要:本文利用数据包络方法,对2002-2010年以来我国不同区域的全要素生产率进行了测算,采用了Malmquist指数的方法对我国经济的TFP进行了进一步的分解,以此探讨我国经济增长的动力。
实证结果显示,我国全国总体及东部、中部、西部分地区在此阶段TFP增长有限,对GDP贡献不够;Malmquist 指数的结果也显示了我国各地区的TFP增长中由技术进步指数带动的和由效率改进带动的效应程度大体相同,我国经济要想实现可持续发展还必须进一步提升技术进步的作用。
关键词:TFP增长率Malmquist指数DEA方法区域差异Solow在研究美国的经济增长时发现,在人均收入增长中由要素投入量增加带来的是很少的,而真正能够推动经济长期持续增长的因素应该是全要素生产率(TFP)。
全要素生产率即综合反映经济发展过程中投入产出效果的指标。
因此,我国经济增长中TFP所占的比重或者发挥的贡献成为学者们研究与关注的重点。
文献回顾目前关于TFP的研究成果比较丰富,主要集中在以下几个层面:第一方面是运用线性回归的方式,根据索洛理论,采取物资资本、劳动力投入、人力资本等指标作为解释变量,来试图分析各个投入变量及TFP的贡献。
该方法必须事先设定生产函数形式,而且要求满足苛刻的假设前提。
Nehru和Dhare Shwar、Collins和Bosworth分别使用了包含很多国家的样本资料进行了测度。
第二方面是放在了全要素生产率的增长率的分解中,试图分析我国TFP增长中技术进步效率和生产效率变化的情况,采用的方法较前有很大区别。
其主要思路是将估计的前沿生产函数的变化来度量技术进步的变化;用测度到的观察点到前沿面的距离来度量生产效率的改进。
采用此方法的关键是前沿生产面的估计。
目前主要有SFA方法和DEA方法。
SFA方法同样需要设定生产函数的具体形式,而且处理误差时还需要一定的分别假设;而DEA方法时通过线性规划来得到前沿函数,不需要对生产函数的具体形式进行假设,对误差的处理是将其作为无效率的结果。
第三方面的研究主要是对单位资本产出和人均产出的动态分布的规律做出合理的解释。
本文将采用基于DEA方法的Malmquist指数来估算我国2002-2010年的全要素生产率的变化。
本文将2002年以来的数据融合,期望以此分析金融危机后我国的全要素生产率增长的变化是否受到了显著的影响。
研究方法瑞典经济学家Malmquist首先提出数量指数与距离函数的概念,并用其对每个决策单元的效率变动进行评估。
Caves、Christeren和Diewert在Malmquist的基础上建立的用于测量总要素生产率TFP。
基于DEA的Malmquist指数方法可以用于测度包含多个对象和指标的样本。
由于相关投入和产出的价值份额和价格信息通常不完善,而Malmquist指数方法不需要这些信息,这是其用于测量TFP的一个优势。
因此本文采用Malmquist指数的方法来测量我国的全要素生产率的变动趋势。
设M0为以S时期Ds为参照的T时期到S时期的Malmquist指数,其中,X、Y分别表示一定时期的投入变量的向量和产出变量的向量,则TFP增长率测度可表示为:M0=Ds(xt,yt)/Ds(xs,ys)(1)设M1为以T时期Dt为参照的T时期到S时期的Malmquist指数,则TFP 增长率测度可表示为:M1=Dt(xt,yt)/ Dt (xs,ys)(2)其中,Ds(xs,ys)、Ds(xt,yt)、Dt (xs,ys)、Dt(xt,yt)分别表示以时期S和时期T为参照时,时期S和时期T的距离函数。
依照Fisher理想指数的构造方法,将Malmqusit指数定义为以上两个指数的几何平均,即:(3)Fare等人将该指数在DEA的背景下进一步分解如下:(4)第一项表示S时期到T时期技术效率的变化ECH;表示S时期到T时期技术进步指数TECH。
如果M大于1,则表示从S时期到T时期TFP为正增长;如果M小于1,则为负增长。
若M=0,则TFP无变化。
TECH为S时期到T时期的技术进步指数。
当TECH大于1,则表示技术进步,生产可能性边界提升,反之为技术衰退。
ECH为从S时期到T时期的技术效率变化指数,当ECH大于1,表示技术效率上升,反之则为技术效率衰退。
Fare等人(1994)基于规模效率的考虑,将方程(4)中的技术效率变化部分进一步分解为纯效率变化和规模效率变化。
方程如下:(5)其中,第一项表示规模效率变化,第二项表示纯技术效率变化,最后一项表示技术进步。
生产率的变化分解为纯技术变化,规模效率变化及技术变化可能等于1、大于1和小于1,分别表示没有变化、有改进以及倒退。
数据来源以及样本处理本文数据来自于《中国统计年鉴》2002-2010年各省、市、自治区的数据,根据我国经济发展水平的差异,分别度量东、中、西部的TFP,以此来解释TFP在经济增长中的作用。
因此,本文对统计年鉴的各地区数据按照东、中、西进行了简单的汇总。
产出变量采用的是以2002年不变价格计算的实际GDP,投入量采用的是劳动投入量和资本投入量两项。
本文选取的劳动力变量参照了张军等(2004)的做法。
劳动力(L)以各省的年末从业人员来衡量。
不同研究对初试资本存量的估算结果如表1所示。
资本存量计算比较复杂,本文采用国际公认的永续盘存法的公式:Kt=It /ρ+(1-βt)Kt-1其中,Kt是第t年的资本存量;It是固定资产投资,ρ是固定资产投资指数,β是折旧率。
在计算固定资产存量时,必须首先确定基期的资本存量和β值的大小。
目前现有的大部分关于中国基期资本存量的研究,主要是集中在1952年中国基期资本存量的确定上。
本文借鉴了张军等(2003)的研究成果,将1952年的基期资本存量确定为673亿。
β值采用的则是一般的水平:5%。
本文采用的是统计年鉴上的固定资本形成来计算当年的资本存量,以此避免了固定资产投资中的虚增部分如住宅投资和非生产性投资的问题。
最后P采用的是统计年鉴公布的固定资产投资价格指数。
TFP计算及分解结果本文对汇总后的全国以及东部、中部、西部的GDP值、劳动力就业人数L 和资本存量K、采用了DEAP软件进行处理,实证结果及分析如图1所示。
从图1可以看出,从以规模效率改进和纯生产效率提升的技术效率来看,东部的效率总体上高于中部和西部,而西部和中部的效率是分别处于全国平均水平的上方和下方,西部的效率高于中部可能是由于受到西部大开发策略的影响和政策效应的放射,带来该地区的效率改进。
从总体上来说,在这段时期,我国各地区和全国总体呈现出的是技术效率的负增长或者略微增长的趋势。
将图2和图1进行比较可以看出,从技术创新带来的技术进步来看,我国东部、中部、西部地区的差异发展并不明显,不过仍显示出东部地区领先的特征。
另外技术进步波动的幅度要明显高于前面的技术效率,在2003年开始下降后从2005年开始逐步回升。
但是受金融危机影响,2007年该指数下降到2004年以来的最低点,随后几年技术进步几乎不存在,一直保持在稳定的发展水平。
从图3可以看出,东部的初始TFP水平高于中西部,除了2004年和2007年受到西部大开发政策效应和金融危机的影响,东部TFP一度低于中西部,其他时期东部的TFP一直高于全国领先水平。
另外,也可以看出我国TFP的整体发展趋势和其分解中的技术进步指数呈现的趋势一致,由此可以看出,技术进步对我国TFP增长造成了明显的影响。
从表2来看,所有指数中,规模效率指数在整体上是呈现出了负增长的现象,在一定程度上也体现出了我国存在规模不经济、生产低效率的现象。
技术变化水平大概是维持在2%-4%之间,全国的技术进步约为2.7%。
从整体的全要素生产率(TFP)变化指数来看,东部的全要素生产率的增长平均速度高于全国水平和其他各地区,从总体上来说,我国的TFP增长主要是依靠东部地区实现的,而且TFP增长有限,大约在1%左右。
综上所述,通过采用DEA方法计算出来的Malmquist指数结果显示:首先,我国在2002年以来取得的经济增长,很大程度上仍然依靠投入的增加而实现,增长不显著;其次,我国全要素生产率中主要影响因素是技术变化指数,二者发展趋势呈现出相吻合的情形,技术进步实现增长才能保证TFP的增长,因此要加快技术创新的步伐,推动创新社会的建立。
最后,我国不同区域之间的TFP 也存在着差异,这个结果和各地区经济增长的实际情况总体吻合。
在此基础之上,本文认为要想保持我国经济的持续稳定增长,必须加快技术创新,积极进行产业结构调整,加快高新产业的发展,突破路径依赖和锁定效应,尽快转变经济增长方式,从劳动和资源密集型向知识和技术密集型转变,动态提高区域TFP以缩小区域之间TFP和经济差距,达到共同发展建立和谐社会的目标。
参考文献:1.孟令杰,李静.中国全要素生产率的变动趋势—基于非参数的Malmquist指数方法[J].产业经济评论,2004(2)2.李静,孟令杰,吴福象.中国地区发展差异的再检验:要素积累抑TFP[J].世界经济,2006(1)3.顾海,王艾敏.基于Malmquist指数的河南苹果生产效率评价[J].农业技术经济,2007(2)4.邓力群.我国R&D投入对TFP贡献的实证分析[J].农业技术经济,2007(12)5.张唯实.中国区域生产效率与经济发展DEA-Malmquist指数分析[J].统计与决策,2012(1)。