基于三阶段DEA模型的中国省际全要素能源效率研究

基于三阶段DEA(数据包络分析)模型测算了我国2009年29个省市的全要素能源效率及其分解变量.研究结果表明:环境因素对于各地区全要素能源效率有显著影响.各地区政府财政支出与对外开放程度的提高是全要素能源效率改善的有利因素;各地区第三产业增加值占GDP的比重与各地区工业总产值占中国所有工业总产值的比重的增加是全要素能源效率提高的不利因素.另一方面在剔除环境和随机因素影响后,全国平均规模效率的降低是全要素能源效率的下降主要因素.最后由全要素能源效率的聚类分析结果发现,我国全要素能源效率的区域差异明显,东部表现最优,中部次之,西部最次.     

基于三阶段SBM-DEA模型的中国区域碳排放效率研究

结合非期望产出的SBM-DEA模型与SFA方法,提出基于非期望产出的三阶段SBM-DEA模型,用于对全要素碳排放效率的测算。该模型具有非径向和非角度的特点,而且能剔除外部环境和随机因素的影响,使效率评价更接近实际情况。运用该模型对2000~2012年我国各区域二氧化碳排放绩效进行了评价与分析。结果表明,全国平均碳排放效率不高,但从2006年呈现加速上升趋势,表现了低碳经济良好的发展态势。剔除外部环境和随机因素影响后的碳减排效率将进一步下降。分区域来看,我国碳排放效率呈现出“东>中>西”的格局,且东部的优势有所扩大。基于对投入、产出冗余以及外部环境因素影响的分析表明,提升能源、资本、人员的配置效率,加强东部地区与中西部地区之间的人才和技术交流,有利于提升碳排放效率。
关键词:碳排放效率;三阶段DEA;SBM模型;SFA回归     

房地产投资对绿色全要素生产率的影响——基于空间杜宾模型的实证研究

基于超效率SBM-GML指数模型测算中国绿色全要素生产率的地级市数据，运用空间杜宾模型分别从全国及东、中和西部实证分析房地产投资对城市绿色全要素生产率的空间效应。研究结果显示：(1)城市绿色全要素生产率存在空间溢出效应且表现显著，本地区绿色全要素生产率的提升会促进周边地区绿色全要素生产率；(2)在全国层面，房地产投资不仅对城市绿色全要素生产率的直接效应和间接效应都显著为负，而且对绿色全要素生产率分解出的绿色技术效率与绿色技术进步也存在反向抑制；(3)区域角度，房地产投资对绿色全要素生产率的抑制程度存在区域异质性，对东部地区的直接作用最大，西部最小，对中部地区的间接作用最大，西部最小。     

中国普惠金融体系的效率评价——基于三阶段DEA-Malmquist指数模型

普惠金融的发展可以有效的解决经济社会对金融服务的更高需求和金融供给不平衡不充分之间的矛盾,提升广大人民群众和各类市场主体对金融服务的获得感.采用三阶段DEA模型和Malmquist指数模型相结合的方法,来对中国其中31个省市在2015-2019年的普惠金融效率进行静态和动态分析,从而寻求提高中国普惠金融效率的有效途径.研究表明:1)随机误差因素与外部环境因素的影响会导致中国各省市的普惠金融效率值偏低,其中政府的干预度过大和较差的投资环境都会对中国普惠金融效率产生抑制作用.2)中国东部、中部、西部三大区域的普惠金融效率差异显著,呈现出“中部>东部>西部”的格局.3)从全要素生产率指数来看,中国普惠金融效率处于略微下降的趋势,技术和创新成为制约中国普惠金融效率的主要因素.因此,加大区域金融投入力度,坚持市场主导,优化投资环境,促进数字普惠金融发展是提高中国普金融效率的重要途经.     

基于超效率DEA的中国省际能源效率评价

基于全要素投资效率框架,结合能源效率的内涵与特点,构建了以能源消费总量、从业人员总数和资本存量为投入指标、GDP为产出指标的能源效率评价指标体系;基于超效率DEA方法建立了能源效率评价模型,并对我国2000-2010年29省进行了实证研究.结果显示:东部能源效率最高,中部次之,而西部能源效率最低;中国能源效率变异系数先降后升,省际能源效率差距逐渐拉大.与传统的DEA方法相比,基于超效率DEA的能源效率评价模型更具应用优势.     

基于三阶段DEA模型的我国碳排放效率分析

对我国区域碳排放效率的准确测评是各省区针对性制定减排战略的基础,经典DEA模型未能排除外部环境因素和随机因素的影响,本文利用三阶段DEA模型构建消除外部环境因素和随机因素的区域碳排放效率测算模型。研究表明我国碳排放高效率地区共有广东等9省,中效率地区共有湖南等16省,低效率地区共有甘肃等4省。用三阶段DEA模型测算出的各省1997~2010年平均碳排放效率结果与经典DEA模型测算结果有显著性差异,与我国经济发展实际和预期结果更加吻合,各省可以根据自身测评结果有针对性地提高综合碳排放效率。     

中国区域全要素能源效率及节能减排潜力分析—基于非期望产出的SBM模型

运用DEA-SBM模型测度了碳排放约束下1999年-2010年中国30省、市、区及四大区域的全要素能源效率,并利用变异系数及K-Means聚类分析考察了区域全要素能源效率的差异,最后对各省份及区域的节能减排潜力进行了测度分析.研究结果表明:不考虑碳排放约束的各省份的全要素能源效率被高估,绿色能源效率总体均值呈现U型趋势;绿色能源效率的区域格局按照由东向西递减.四大区域的变异系数差异较大,均呈现收敛趋势;由聚类分析结果可知处于高效区的省份全部为东部沿海省份;中效区的省份大多是中部省市及东北老工业基地,而西部区域的各省份多数处于低效区;不同省份的节能减排的潜力差异较大,西部区域的节能减排潜力最高,其次为中部和东北部,东部的节能减排潜力最低.     

中国省际工业企业创新效率及其收敛性研究

本文运用基于DEA的Malmquist指数方法测度了2002-2009年中国30个省(自治区、直辖市)大中型企业的创新技术效率、技术进步指数及Malmquist指数,发现省际大中型企业普遍存在创新技术无效率,技术效率指数年均下降0.2%,而技术进步指数与全要素生产率指数年均增长率分别为0.8%和0.6%。分地区的大中型企业创新全要素生产率的增长也主要是来自于技术进步指数增长;地区大中型企业Malmquist指数东部最高,中部地区次之,西部地区最低;省际大中型企业生产率的收敛分析均表现出收敛和"俱乐部收敛"趋势.     

基于三阶段SM-DEA-Malmquist指数的长江经济带碳排放效率研究

碳排放问题近年来备受各界学者所关注。为评价长江经济带区域内碳排放绩效,本文结合非期望产出的三阶段SBM-DEA模型和Malmquist指数对2011~2019年长江经济带11省市碳排放效率测算及动静态分析,该模型剔除了环境因素和随机变量的影响,使得测算结果更加符合实际情况。研究表明:长江经济带碳排放绩效呈整体上升态势,且存在东部>中部>西部差异化特征,内部管理对碳排放效率提升的正向作用明显,加大东中西部地区的人才引入及技术交流频度,有助于提升碳排放效率。     

基于SBM-DEA模型及Malmquist指数的中国与欧盟航空运输企业能源效率比较研究

航空运输企业是高排放高污染行业,研究其能源利用效率有着重要意义.基于SBM-DEA模型,利用2010年到2015年能源投入与能源产出的相关数据,对中国和欧盟共16家航空运输企业能源利用情况进行分析研究.结果表明,总体看欧盟航空运输企业能源效率优于中国企业;动态Malmquist指数分析结果表明,中国航空企业全要素生产率波动较大,欧盟企业则更为平缓,中国企业的全要素生产率与综合效率变化指数的变动情况基本保持一致,而欧盟企业的全要素生产率则与技术进步变化指数波动保持一致;在不考虑环境因素情况下会高估TFP增长率以及技术进步增长率.中国企业应加大技术投入和管理,才能有效提升能源利用效率及全要素生产率.     

基于灰色Malmquist-DEA的中国粮食生产效率分析

选取全国各省粮食生产指标面板数据,对数据进行灰色拟合处理,采用数据包络分析(DEA)法,测算各区域的粮食生产效率,得到投入产出体系的要素冗余值;同时测算了各区域的全要素生产率,并对Malmquist指数进行分解,分析各区域的效率变化和技术变化趋势.结果显示:东、西部地区粮食生产投入要素大量冗余,要素配置效率不高,中部地区要素利用率较高,要素配置趋于合理;效率变化对全要素生产率的作用不明显,而技术进步是全要素生产率增长的关键驱动因素.     

环境约束下中国地区物流业全要素生产率重估及收敛性研究

利用基于方向距离函数的Malmquist-Luenberger(ML)生产率指数方法对环境约束下中国1997-2009年30个省级地区物流业全要素生产率增长及其成分进行了重新估算,并通过技术创新者研究,分析了推动生产可能性边界外移的地区.研究发现:忽视非期望产出的传统Malmquist指数方法会低估物流业技术效率水平、高估物流业技术进步指数和全要素生产率指数.环境约束下我国物流业ML生产率指数年均增长率呈现下降趋势,下降的原因一方面是由于技术效率偏低阻碍了生产率的增长,另一方面是我国物流业技术进步的动力不足所致,物流环境技术创新主要集中于东部和西部地区个别省份,中部地区技术创新水平较低.收敛性检验表明,研究样本期内,全国以及三大地区物流业全要素生产率均存在显著的收敛趋势.     

基于生态学视角的科技人才效能发展程度和产出效率研究——来自我国30个省市的数据

基于生态学视角构建了科技人才效能评价指标体系,通过运用生态位模型和Malmquist指数分析了我国30个省市的科技人才效能的发展程度和产出效率,结果表明,第一,我国东部和中西部地区之间的科技人才效能呈现较为明显的区域性差异;第二,技术进步效率对我国30个省市科技人才效能全要素生产率具有较明显的影响,应该引起重视;第三,从分区域全要素生产率指数的变动情况来看,全要素生产率最高的为中部地区,其次为东部地区和东北地区,最低为西部地区.     

基于DEA-Malmquist指数的我国煤炭城市的全要素生产率动态测算

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。     

考虑非合意产出的全要素能源效率研究

本文运用1995-2008年中国省域面板数据,选择基于DEA前沿面方法的Malmquist指数模型,测算了不同非合意产出组合的全要素能源效率(TFEE),并对TFEE构成进行分解,检验TFEE收敛性。研究发现,考虑环境因素的不同产出组合的TFEE具有显著差异性;中国1995 2008年TFEE呈现U型演变特征;TFEE的提高主要来源于技术进步的贡献;区域TFEE差异大,节能潜力大;TFEE具有周期性波动演化的复杂特征。     

基于DEA-Malmquist模型的西北地区能源空间转运格局效率及其变化分析

西北地区有着丰富的能源资源,对其能源空间转运格局进行效率评价及全要素生产率时空演变分析,对推动整个地区的发展有着重要意义.运用DEA中的BCC模型,对2016年西北地区的铁路和公路货运效率进行研究.利用Malmquist指数方法及ArcGIS软件,进一步分析2010-2016年西北地区铁路、公路货运全要素生产率的时空演变和地区差异.研究表明:1)2016年西北地区铁路货运效率总体水平较高,公路中等;存在地区差异性,东部整体高于西部;规模效率决定其有效性.2) 2010-2016年铁路和公路的Malmquist指数整体较稳定,技术进步变化对该指数影响最大.从时空演变来看,2010-2016西北地区铁路货运的Malmquist指数先升后降,地区差异先减小后增大;公路货运的Malmquist指数先降后升,地区差异先减小后增大最后又减小.     

中国煤炭资源利用全要素生产率的区域差异研究

首先基于考虑环境因素的Malmquist-luenberger(ML)指数测算了2011-2014年中国其中30个省份煤炭利用全要素生产率(TFP)的变化情况,并应用Tobit模型分析了影响煤炭利用全要素生产率的因素.研究表明,中国总体煤炭利用TFP增长率呈现递增趋势,但各个省份煤炭利用TFP增长率存在较大差异,忽视环境因素高估了煤炭利用TFP的增长率,技术进步是推动煤炭TFP增长的主要因素.另外,环境规制、产业结构与煤炭利用TFP显著负相关;研发投入、人均GDP、对外直接投资(FDI)与煤炭利用TFP显著正相关.     

基于DEA四阶段的我国工业绿色全要素能源效率测度

为了构建同时包含经济因素和绿色因素的绿色全要素能源效率指标,运用DEA四阶段方法对绿色全要素能源效率进行评价,同时区分内部管理因素和外部环境因素对绿色全要素能源效率的影响程度.实证结果表明:我国总体的能源效率有上升的趋势,在2001-2007年,管理因素起促进作用,2008-2014年的增长由环境条件推动;我国区域和省域间的效率值差异较大,需要分别从内部管理和外部环境两方面进行提升.     

基于DEA分析的中国科普投入产出效率评价研究

为有效评价中国各省份科普建设的投入产出效率,基于数据包络分析模型,对2012年中国各省份科普投入产出效率进行测算和分析.结果显示:2012年,中国大部分省份科普绩效是有效的,但部分省份表现为无效;且存在地区差异,即东部地区科普投入产出效率较高,中部次之,西部最低;并结合突出问题,提出了具有针对性的政策建议.     

制造业全要素生产率的地区差异及收敛性研究——基于企业微观数据的实证

本文构建了技术进步内生的生产函数,并根据企业微观面板数据,采用OP模型和收敛模型测算了中国制造业全国层面及区域层面的全要素生产率,并分析了制造业全要素生产率的地区差异和收敛性。结果显示:2002~2011年中国制造业全国层面全要素生产率年均增长2.36%,受金融危机的影响,2008~2011年仅为-2.14%;在地区差异上,东部地区制造业全要素生产率要低于中西部地区;收敛分析显示,全域的全要素生产率既不存在β收敛也不存在σ收敛,但却存在“俱乐部”收敛,即中西部地区和东部地区内部各自收敛;同时,本文的分析还显示,资本增长率和研发投入都对全要素生产率的增长有显著正影响。