农副食品加工企业全要素生产率与技术效率分析,该文是食品加工硕士论文开题报告范文跟全要素生产率和技术效率分析和食品加工类论文参考文献范文.
摘 要:利用中国工业企业数据库1998—2007年农副食品加工业的数据,采用随机前沿生产函数模型对农副食品加工业全要素生产率进行研究,在此基础上进一步对不同地区、不同所有制企业的技术效率进行比较.结果表明,农副食品加工业全要素生产率年增长率在1%~5%之间,年平均增长率为293%.不同地区的技术效率差距明显,其中内蒙古的技术效率最高,青海的技术效率最低,各地区的年平均效率差距经历了一个先缩小然后扩大的过程.在比较不同所有制企业的技术效率时,发现外资企业技术效率最高,国有企业技术效率最低.不同所有制企业之间的技术效率差距显著缩小,追赶特征明显.
关键词:TFP; 技术效率; 农副食品加工业
中图分类号:F 3265文献标志码: A文章编号: 1004-390X(2018)01-0061-07
The TFP and Technical Efficiency
of Agricultural and Sideline Food Processing Industry
CHEN Tinggui,ZHOU Mengyao,LIN Gan
(College of Economics and Management, Shanghai Ocean University, Shanghai 201306,China)
Abstract:Based on Chinese industrial enterprise database from 1998 to 2007, this paper focuses on TFP and technical efficiency of agricultural and sideline food processing industry with A model. The results show that: (1) the agricultural and sideline food processing industry grows at an annual rate of 1%~5%, the erage growth rate is 293%; (2) there is a big gap of technical efficiency among different areas, the technical efficiency of Inner Mongolia area is the highest, and the technical efficiency of Qinghai is the lowest; (3) the technical efficiency of the foreignowned enterprises is the highest, and that of the stateowned enterprises is the lowest. The gap among the different ownership enterprises has become aller and aller, the catchup occurs in this industry.
Keywords: TFP;TE;agricultural and sideline food processing industry
根据中国食品工业协会发布的数据显示,2015年食品工业工业增加值占全国工业增加值的122%,对全国工业增长的贡献率达到了108%,并且使得全国工业增长066个百分点,成为国民经济中重要的支柱产业.根据国民经济行业分类标准,食品行业可分为农副食品加工业、食品制造业、饮料制造业、烟草制造业四大类.2015年农副食品加工业主营业务收入为651256亿元,占整个食品行业主营业务收入三分之二,远高于食品行业内的其它三个行业,具有举足轻重的影响.在当前农产品“三高”现象日趋突出的大背景下,提高农副食品加工企业的生产率和效率,对提升我国农业竞争力,推进农业供给侧结构性改革,不断满足城乡居民消费升级需求具有十分重要意义.
国内外众多学者对食品行业生产率进行了测算.Gopinath[1]对13个发达国家1975—1995年期间食品加工业的技术差异进行了研究.Kumar[2]用Malmquist指数法研究了印度1988—2005年食品行业的生产率,并进一步将其分解成技术效率变化和规模效率变化进行分析.Afrooz[3]对比分析了1971—2006年期间伊朗全体产业和食品产业的劳动生产率、全要素生产率以及技术变化.谭淑豪等[4]、杨兴龙等[5]、张明林等[6]聚焦于某个地区的特定领域的农副食品加工企业的技术效率.杜传忠等[7]吉生保等[8]则分别对酿酒业、食品饮料和上市公司的全要素生产率以及技术效率和规模效率进行了研究.战炤磊等[9]以植物油产业为例研究了中国食品行业全要素生产率的变化及其收敛性.
部分学者进一步对食品行业生产率的影响因素进行了分析.吕立才等[10]的认为FDI是影响中国食品产业生产率的关键因素,Carew and Florkowski[11] 以10家加拿大食品和饮料企业为例,用C-D生产函数分析了物质资本、人力资本、R&D和进口对生产率的贡献程度.Emvalomatis等[12]对欧盟食品、饮料和烟草行业的全要素生产率进行了分解,并重点研究了R&D对食品行业全要素生产率的影响.乔均[13]则以中国2009—2013年食品行业上市公司为研究对象,研究了R&D和广告投入对食品企业技术效率的影响.宋冬林等[14]运用中国食品工业1993—2011年的数据分析了食品安全规制对生产率的影响.马述忠等[15]运用2007年中国工业企业库数据从产业关联的角度,测算了中国农业加工企业的技术效率.
通过对现有文献的梳理,发现国外学者对食品企业的生产率的研究要早于国内学者.虽然国内对食品企业生产率的研究正在由宏观走向微观,但对宏观的生产率的研究仍然占据大部分,仅有少量文献是利用中国工业企业库的微观企业数据对农副食品加工业的TFP进行估算,但所用数据时间较短,且并未从不同地区、不同所有制的角度对企业的技术效率进行测算分析.基于此,所以本文利用随机前沿生产函数模型对我国1998—2007年的农副食品加工业企业的全要素生产率进行计算,并从不同地区和不同所有制企业的角度来对比技术效率.
一、数据来源及描述性分析
选用中国工业企业数据库的数据研究农副食品加工企业全要素生产率及技术效率.选用中国工业企业数据库的依据和价值主要有以下三点:(1)该样本数据集大,观测值多,1998—2007年农副食品加工行业企业的观测值达到130049个,这是目前可获得的最大的企业层面的微观数据库,因而能够降低估计的近似偏误,提高估计效率.(2)该样本数据集中所包含的指标非常多,包括了企业的基本情况和企业的财务数据,能够从多个角度比较全面地反映企业的市场进入、投资、借贷、广告、研发、出口等行为和企业的短期与长期经营绩效,并且企业加总数据能够反映出企业所处行业或地区的市场结构.(3)该样本数据集同时包含了时间维度和个体维度两个层面,有助于解决计量经济学中存在的个体异质性问题,因而更能保证估计的一致性.
第1期陈廷贵,等:农副食品加工企业全要素生产率及技术效率分析
云南农业大学学报第12卷
杨汝岱[16]和张先锋等[17]指出:中国工业企业数据库2008年以后的数据存在关键变量(例如工业增加值、中间投入、企业地址、企业法人代表等)缺失,不利于测算企业全要素生产率.这也是刘贯春等[18]、刘竹青等[19]、吕越等[20]最新文献都仅用了中国工业企业数据库(1998—2007)的数据开展研究的重要原因.
基于此,本文的数据也选用1998—2007的中国工业企业数据库数据,该数据库样本包括全部国有企业以及规模以上的非国有工业企业.“规模以上”指企业的年销售额在500万元及以上,在2011年该统计标准更改为对每年主营业务收入2000万元以上的规模企业进行统计.尽管数据不够新,但是对于揭示这十年中国农副食品加工业的产业发展及技术进步的特征,为其今后的发展提供参考,仍然具有重要意义.
截止到2009年底,中国工业企业数据库共收录了中国766692家企业,其中农副食品加工企业130049家企业,约占整个数据库的17%.参考现有文献对数据的处理方法,剔除工业总产值小于500万元、缺失、为负值、为零值的样本,同时剔除了工业增加值、中间投入、资本存量等的缺失、为负值、为零值的样本,剔除从业人员缺失和小于8的样本.剔除后的观测值为116821个,合计35161家农副食品加工企业.
全国1998年共有9172家规模以上的农副食品加工企业,2000和2001年略有减少,其后一直增加,到2007年达到17601家.从各地区来看,分布严重不均.山东的企业数量遥遥领先于其它地区,2007年达到了3688家,其它超过1000家的省份依次是河南、江苏和吉林.西藏的企业数量最少,2007年仅有3家,其它低于100家的省份依次是青海、宁夏和海南.北京和上海在2004年达到峰值后,其后逐年减少.天津的企业数也从2004年开始减少.农副食品加工企业是以农、林、牧、渔业的产品为原材料料进行深加工,其发展容易受到当地农、林、牧、渔业资源禀赋的影响.
本文将企业所有制划分为民营企业、国有企业以及外资企业.将国有资本金、集体资本金占实收资本的50%以上的企业划分为国有企业.同时,将港澳台资本、外商资本占实收资本50%以上的企业归为外资企业.
1998—2007年期间的农副食品加工业企业转制表现出三个特征.(1)民营企业快速增长.1998年民营企业的数量为2248家,占整个农副食品加工行业的2451%,但经过了10年的发展,民营企业的数量和占比分别为15008家和8527%,远超国有企业和外资企业,并且从2002年开始,民营企业就占据全部农副食品业的一半以上.这表明民营企业成为农副食品加工行业的中坚力量.(2)国有企业在1998—2007年则出现了企业数量和占比急剧下降的现象.1998年国有企业占比达到了整个农副食品加工行业的68%,且数量为6236家,均高于其他两种类型的企业,随着国有企业不断的改革,到2007年国有企业仅有1066家,占比仅为606%,下降幅度达到了8291%.这说明国有企业在农副食品加工行业的比重不断的在削弱.(3)相较于民营企业激增而言,外资企业的增长速度较为缓慢.外资企业从最初的687家增长至近1600家,外资企业占比从749%小幅增长至868%.
二、模型建立及说明
DEA和A在方法上各有长短[21],与DEA相比A更适合于分析企业层面的微观数据,而OP方法无法分解TFP的计算结果,鉴于此,本文拟采用A的方法计算农副食品加工业企业的TFP,并进一步分解计算其技术效率.
目前大部分学者在对全要素生产率进行实证分析中多采用Cobb-Douglas生产函数(C-D生产函数),C-D生产函数由于其结构的简约易用,且对规模经济的测度直观更为合理而受到青睐.C-D生产函数通常采用以下形式:
Yit等于AitLaitKβit
Yit表示产出,Lit和Kit分别表示劳动和资本的投入.Ait即为全要素生产率(TFP),它能够同时提高各种要素的边际产出水平.通常采用两边取对数的方式将其转化为如下的线性形式:
yit等于αlit+βkit+uit
其中yiy、lit和kit分别为Yit、Lit和Kit的对数形式.uit为残差项,即全要素生产率(Ait)的对数形式.通常采用最小二乘法对公式进行全要素生产率的估计.
1977年,Meeusen and Broeck(MB),Aigner,Lovell and Schmidt(ALS)同时提出A模型,他们的模型为:
y等于f(x;β)·exp(ν-μ)
其中ν代表随机影响,ν~N(0,δ2ν),μ≥0代表着技术无效率.
1982年,Jondrow等把技术无效率项从残差中分离出来.直至2000年,Kumbhakar and Lovell在Stochastic Frontier Analysis一书中将A的基本模型表示为:
yi等于f(xi;β)·exp{vi}·exp(-μi)
i等于1,2,I
其中:yi为第i家企业的实际产出,xi是第i家企业生产要素的投入向量,f是生产函数.
本文采用C-D生产函数,则该模型的一般公式为:
lnyi等于β0+∑Nn等于1βnlnxni+νi-μi,i等于1,2,I
对νi和μi做如下假设:
(1)vi~iid N(0,σ2ν);
(2)μi~iid N+(0,σ2u);
(3)vi和ui之间相互独立,且与解释变量不相关.
vi表示为企业的随机性,ui表示为企业内部的无效率因素,技术效率TEi则表示为实际产出与可能实现的最大产出之比:
TEi等于yif(xi;β)·exp{vi}等于exp(-ui)
i等于1,2,,I
三、TFP的测算及效率的度量
在处理数据的过程中我们发现2004年工业增加值指标缺失,且没有工业总产值指标.参照聂辉华等[22],本文采用以下计算公式估计2004年的工业增加值:增加值等于销售收入+期末存货-期初存货-中间投入+增值税.
为了更加准确的反映资本和劳动对经济增长的贡献,本文中所有的名义变量均是以1998年为基期的实际值,为了降低误差对测算结果的影响,本文将每家企业所在地区和年份的工业品出厂指数对该企业的工业增加值进行平减,以获取工业增加值的真实值,同时利用固定资产投资指数平减固定资产,得出固定资本的实际值.工业品出厂指数和固定资产投资指数均来自国家统计局的“中国统计年鉴”.经过上述处理,本文所使用的主要变量的统计特征如表1所示.
表1主要变量的统计描述
变量变量名称观测值均值标准差最小值最大值
总产出lnY117180100048133380 167258
增加值lnY_add116821 84347146170152545
中间投入lnM117180 96843140150165012
资本lnK117180 82158 156590 157289
劳动力lnL117180 437661069920794115266
(一)不同方法估计的系数比较
在测算全要素生产率之前,采用了几种不同方法估计了资本和劳动力投入弹性系数,以便对模型进行稳健性检验.使用工业增加值作为被解释变量,同时控制了年份、地区、所有制类型、隶属级别等因素.
表2资本和劳动贡献率
itemOLEA
VARIABLESlnY_addlnY_addlnY_add
lnk02295***02151***02428***
lnl04944***04134***04912***
常数项43853***4858***54722***
Obs116821116821116821
sigma_v08145
sigma_u14912
sigma228874
lambda18309
R-squared03031
Number of idnew35161
注:***P<001,**P<005,*P<01.
从表2中可以看出,不管采用哪种方法计算,结果均表明劳动增长对农副食品加工企业增长的贡献明显大于资本增长的贡献.即农副食品加工业属于劳动密集型产业,增加劳动力的投入,可以提升企业的工业增加值.用固定效应方法估算的资本和劳动力投入弹性系数均要小于其他方法测算的结果,而使用随机前沿方法估计的劳动力弹性系数介于最小二乘法和固定效应方法估算的劳动力系数之间,资本弹性系数大于其他两种方法测算的结果.传统最小二乘法和固定效应方法估计结果与鲁晓东和连玉君[23]对整个制造业的资本和劳动投入弹性系数的估计值趋势一致,但本文估计的结果要更小,这可能是两者在数据处理上使用不同的方法,且本文仅对农副食品加工行业进行估计,才造成系数估计值的偏低.而这一结果与杨汝岱[16]采用OP方法对农副食品加工业的资本和劳动力弹性系数分别为0328和0672的差异较大,这可能是两者采用的不同估算方法.与刘小玄等[21]使用随机前沿方法估算的结果大体一致.
(二)不同年份的全要素生产率的比较分析
图1给出了1998—2007年TFP的水平值和增长率.农副食品加工企业的TFP水平值在这十年期间保持了稳定的增长,从1998年的369增加至2007年的478,技术进步对该行业的成长贡献明显.TFP的年增长率为1%~5%之间,平均增长率为293%.相较于TFP水平值的平稳增长,TFP的增长率波动较大,在2004年和2006年出现两次下降.
(三)不同地区技术效率的度量结果
在计算出企业全要素生产率的基础上,对每年不同地区的技术效率进行了测算.由于吉林和甘肃两个地区1998年的数据缺失,所以本文不对其进行比较,但这并不影响其总体分析.从表3可以发现内蒙古、河南、湖北、山东、江苏经常处于较高效率水平,2004年以后四川跻身第一梯队.由于农副食品加工业的原材料来源于农、林、牧、渔业,而以上地区的农牧渔业生产发达,能够为农副食品加工业提供丰富的原料,产业配套良好,具有资源上的比较优势.上述地区经济相对发达,技术水平相对较高,且企业的平均工业总产值较大.这些可能是其技术效率高的原因.
效率最低的地区主要集中在新疆、西藏、青海、贵州等几个偏远省份.虽然新疆地区也是我国的农业大省,但新疆地区的棉花和畜牧业中的皮毛产业较为发达,这两个产业不属于食品加工的原材料,也不参与到食品加工环节,因此这对农副食品加工业的贡献率几乎为零.包括新疆在内的这几个地区经济发展较差,技术水平相对较低,且企业平均工业总产值较小.这些可能是其技术效率低的原因.
根据测算结果显示,北京和上海这两大一线城市的农副食品加工业的技术效率出现逐年下降的现象.这可能是因为北京上海作为巨型都市,农牧渔业生产规模日渐缩小,且主要以提供生鲜农副食品为主,很少为农副食品加工业提供原料.
本文的平均效率即技术效率的平均值,采用简单算数平均值的形式.从全部地区的平均效率来看,尽管2005年后的年平均技术效率有所下滑,但总体来说依然呈现逐步上升的趋势,至2007年,年平均技术效率达到03795,这一增长可能与市场环境、上涨及政府政策等因素有关.各地方技术效率的变异系数在1999—2004年期间总体逐渐缩小,但其后又有扩大的趋势.表明地区之间技术效率的差距经历了一个先缩小然后扩大的过程.市场竞争会导致生产要素在不同地区之间流动,从而促使不同地区之间的技术效率差距逐渐缩小.
表3各地区技术效率的比较
地区1998199920002001200220032004200520062007
北京03344032310350603402035390339703819033710301302918
天津02673031120271902983034410369003787034740326903649
河北03449036400374503615036180386004166039220373903820
山西02518027840251002690028590286503359029640274502603
内蒙古03362032640361904008045540449504650049340479204894
辽宁03337033180318903222032910331903740036230378003824
吉林—032150323003389036160386004264042590422903991
黑龙江03180029230292302863028810285503243029920284902811
上海03489036750356803624037240393404246041250416004048
江苏03332035730372603852041410416204365044140442104482
浙江03051031520335703452034940346203926036920352603416
安徽03173032950316903330035220377704499043080410604337
福建04227037160378703741040230372204146040570396804089
江西03173031310284602893034740363004244042180393504213
山东04033040230421004179042360424604400043630430504371
河南03810037070398103864040710422204337045700466904711
湖北03913038830387804161041820434104555042140420004214
湖南03165029340293903177037580387304255042780419604331
广东03894040540414704041041110422904300042940427504361
广西03410035430349803266034520341803762038740389504111
(续表3)
地区1998199920002001200220032004200520062007
海南02890026770301803058032640298303759034170344403568
重庆02708028240253802654030650351703985039380416804267
四川03196029780332203518038900415604731047080464204850
贵州02418028080257202584026250287703161032550324403470
云南02312021920272103120024090293903694032810325603187
西藏01499016670222702349017790180603045031360295703772
陕西02467026910276502754028270332303854036910334003720
甘肃—028900262502380030840266203631034280354103235
青海02201021240185401794019430241303346025070241202167
宁夏01890024040302802727026380319703854033630367203808
新疆02512023760217502620030200277702938026840237402415
年平均效率0305603090314203204033720348403937037860371603795
年变异系数02134018560190701835019760182801217015990175201828
(四)不同所有制企业的技术效率
由表4可知,国有企业的效率处于最低的水平,而相较于其他两种类型的企业来说,国有企业的效率仍然要低于3~9个百分点,同时国有企业的技术效率逐渐的向其他类型的企业靠拢.而外资企业的技术效率一直处于最高水平,民营企业的技术效率则介于两者之间.
从比较静态来分析,2007年国有企业的平均效率高于1998年国有企业的平均效率约7个百分点,增速到达了近23%.这可能是因为我国一直在致力于国有企业深化改革,使得效益不好的企业不断的被淘汰,同时“优胜劣汰”的竞争环境下迫使剩余的国有企业不断提升自身的效率,提高资本和劳动力等要素的利用率.外资企业和民营企业的效率增速较为缓慢.这是因为这两种类型的企业本身的基数较高,而且农副食品加工业属于劳动密集型产业,使得呈现出来的技术效率增长较为缓慢.
从整体而言,年平均效率呈现总体上升的趋势,这表明企业的效率得到不断的提升.企业的研发创新、资本和劳动的利用率的提高等因素均会造成企业的效率提高.不同所有制企业技术效率的年变异系数呈现明显缩小的趋势,表明不同所有制企业之间存在生产要素流动,技术差距逐渐缩小,追赶现象明显.
表4不同所有制企业的技术效率
项目1998199920002001200220032004200520062007
国有企业03206032070320703208033400341803813037490370103943
外资企业03971040520415103977040780411104344042820427504184
民营企业03879037990385903836039600396004236041570409204163
年平均效率03686036860373903673037930382004131040630402304096
年变异系数01133011760129301114010460095200680006870073000326
四、结论和启示
本文运用中国工业企业数据库1998—2007年的数据,在对农副食品加工企业的地区分布和不同所有制企业数量发展进行观察的基础上,估算了TFP,并比较分析了技术效率,得出以下基本结论和启示.
(1)农副食品加工业的全要素生产率呈现逐年增长的趋势,年增长率为1%~5%之间,平均增长率为293%,技术进步充当了企业发展的主导力量.劳动增长对农副食品加工业增长的贡献明显大于资本增长的贡献,该行业仍然属于劳动密集型企业,大力发展该行业能够吸收大量就业人口.
(2)农副食品加工企业的地区分布和当地农、林、牧、渔业资源禀赋呈现明显的相关特征,不同地区的技术效率差距明显.内蒙古、四川、河南、江苏、山东等地区的效率处于全国前列,青海、西藏、新疆的效率则位居最后,北京和上海等地的效率出现逐年下降的趋势.各地区的年平均效率差距经历了一个先缩小然后扩大的过程.在今后各地区农副食品加工业发展过程中,推进向优势产区集中,优化结构布局,意义重大.
(3)国有企业和集体企业的数量和占比迅速下降,私营企业则快速增加,“国退民进”的现象十分突出.在企业效率方面,外资企业的效率最好,国企效率最差.国企增速最快,民营、外资等企业增速较慢.不同所有制企业之间的技术效率差距显著缩小,追赶特征明显.市场竞争促进的不同所有制农副食品加工企业的共同增长,今后应该继续发挥市场的力量,保证农副食品加工企业的健康发展.
[参考文献]
[1]M GOPINATH. Crosscountry Differences in Technology: The Case of Food Processing Industry[J]. Canadian Journal of Agricultural Economics, 2010 , 51 (1) :97. DOI:10.1111/j.1744-7976.2003.tb00167.x.
[2] M KUMAR,P BASU. Perspectives of Productivity growth in Indian Food Industry: a Data Envelopment Analysis[J]. International Journal of Productivity and Performance Management,2008, 57(7): 503.DOI:10.1108/17410400810904001.
[3] AFROOZ A. Total Factor Productivity in Food Industry of Iran[J]. International Journal of Economics and Finance, 2011, 3(1):84.DOI: 10.5539/ijef.v3n1p84.
[4] 谭淑豪,李旭然,廖贝妮. 特色农副产品生产加工企业效率分析:以重庆市涪陵区榨菜产业为例[J]. 中国农村经济,2011(10):26.
[5] 杨兴龙,张越杰,王琳. 吉林省食品加工业全要素生产率变动实证分析[J]. 农业技术经济,2012(12):61. DOI:10.13246/j.cnki.jae.2012.12.002.
[6] 张明林,杨辉玲. 绿色食品农业龙头企业全要素生产效率分析:基于江西26家样本企业数据[J]. 农林经济管理学报,2014,13(6):604.DOI:10.16195/j.cnki.cn36-1328/f.2014.06.006.
[7] 杜传忠,吕坤,刘玉海. 中国酿酒业上市公司生产效率的实证研究:基于DEA模型的两阶段分析[J]. 经济问题探索,2009(11):87.DOI:10.3969/j.issn.1006-2912.2009.11.016.
[8] 吉生保,席艳玲. 中国食品饮料行业经营绩效评价及影响因素:基于SORM-BCC和Malmquist的DEA-Tobit模型[J]. 上海经济研究,2011(9):71.
[9] 战炤磊,王凯. 中国食品行业全要素生产率变化及其收敛性研究:以植物油产业为例[J]. 南京社会科学,2014(11):17.DOI:10.3969/j.issn.1001-8263.2014.11.003.
[10]吕立才,黄祖辉. 外商直接投资与我国农产品和食品贸易关系的研究[J]. 国际贸易问题,2006(1):25.
[11] R CAREW ,WJ FLORKOWSKI. Productivity and Business R&D: A Study of Canadian Food Manufacturing Industries, 1994—2005[J]. British Food Journal, 2010, 112(7): 737.
[12] G EMVALOMATIS, SE STEFANOU,AGJM OUDE LANSINK. Dynamic Decomposition of Total Factor Productivity Change in the EU Food, Beverages, and Tobacco Industry: the Effect of R&D[J].General Information,2009,35(35):962.
[13] 乔均. 研发与广告对企业技术效率影响研究:基于我国食品行业上市企业的实证分析[J]. 南京社会科学,2015(4):23.DOI:10.3969/j.issn.1001-8263.2015.04.004.
[14] 宋冬林,齐文浩. 食品安全规制与行业生产率:来自中国食品工业的经验数据[J]. 经济与管理研究,2014(4):41.DOI:10.13502/j.cnki.issn1000-7636.2014.04.006.
[15] 马述忠,袁盈盈,潘伟康. 中国开放型农业加工企业技术效率分析:基于产业关联视角[J]. 中国农村经济,2015(9):30.
[16] 杨汝岱. 中国制造业企业全要素生产率研究[J]. 经济研究,2015 (2):61.
[17] 张先锋,张杰,刘晓斐. 出口学习效应促进OFDI:理论机制与经验证据[J]. 国际贸易问题,2016(4):155.DOI:10.13510/j.cnki.jit.2016.04.014.
[18] 刘贯春,陈登科,丰超. 最低工资标准的资源错配效应及其作用机制分析[J]. 中国工业经济,2017(7):62.DOI:10.19581/j.cnki.ciejournal.2017.07.004.
[19] 刘竹青,盛丹. 人民币汇率、成本加成率分布与我国制造业的资源配置[J]. 金融研究,2017(7):1.
[20] 吕越,黄艳希,陈勇兵. 全球价值链嵌入的生产率效应:影响与机制分析[J]. 世界经济,2017(7):28.
[21] 刘小玄,李双杰. 制造业企业相对效率的度量和比较及其外生决定因素(2000—2004)[J]. 经济学,2008(3):843.DOI:10.13821/j.cnki.ceq.2008.03.009.
[22] 聂辉华,江艇,杨汝岱. 中国工业企业数据库的使用现状和潜在问题[J]. 世界经济,2012,35(5):142.
[23] 鲁晓东,连玉君. 中国工业企业全要素生产率估计:1999—2007[J]. 经济学,2012,11(2):541.DOI:10.13821/j.cnki.ceq.2012.02.013.
汇总,上文是一篇关于全要素生产率和技术效率分析和食品加工方面的相关大学硕士和食品加工本科毕业论文以及相关食品加工论文开题报告范文和职称论文写作参考文献资料.
参考文献:
1、 营改增、制造业服务化和全要素生产率提升基于DI合成控制法的实证 刘伟江 吕 镯摘要文章使用上市公司2007 2016年制造业企业面板数据,运用DI合成控制法和中介效应模型,实证检验了“营改增”对制造业全要素生产率的直接影响及&ldqu.
2、 外商直接投资对东盟全要素生产率与其分解的影响基于三角联盟理论框架 王贞力1 林建宇 2(1 云南大学发展研究院 昆明 650091 ;2 云南民族大学人文学院 昆明 650500) 摘要 本文基于“三角联盟”理论框架和“随机.
3、 河北省经济增长方式的实证分析基于全要素生产率角度 教利腾(东北财经大学公共管理学院,辽宁大连116025)摘要采用CD生产函数法,利用索罗残差公式,测算了河北省1991—2014年间全要素生产率的相关指标,并进行了分析,发现目前河北省经济.
4、 国内外专家热议饲料加工中的难点和新技术 11 月2 日,“第三届国际饲料加工技术研讨会”在天津举办 本次大会由中国农业科学院饲料研究所主办,饲料加工创新团队承办,江苏丰尚智能科技有限公司和中国粮油学会饲料分会协办 并.
5、 全要素生产率视角下的重庆经济增长方式考察基于重庆三次产业19年面板数据的实证 摘 要运用DEAMalmquist指数法,测算重庆市三次产业19972015年的全要素生产率,并采用松弛变量分析了三次产业的投入产出效率 研究发现全要素生产率的提高主要集中于技术进步层面;但重庆市的全.