Advertisement

1990-2022年省级全要素生产率分析

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：ZIP

简介：
本研究通过对1990至2022年间各省数据进行深入分析，评估了中国各省份的全要素生产率变化趋势及其影响因素，为政策制定提供科学依据。 计算方法包括：OLS（普通最小二乘法）、固定效应模型、随机效应模型、参数估计法、非参数估计法、动态广义矩量法(DGMM)、系统广义矩量法(SGM)以及时间固定效应(TFE)，同时采用数据包络分析(M SF A)。产出指标为实际国内生产总值(GDP)，投入指标包括资本存量（通过永续盘存法计算）和社会从业人员总数。 参数设定方面，折旧率设为9.6%（参考张军等人的研究）。价格调整方面，已经完成了价格指数平减处理，并且进行了起始年基期的设定。逐年下降的情况是正常的，在很多论文中都尝试解释结果与预期不一致的原因。 参考文献：《方法、数据与全要素生产率测算差异》

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 1990-2022年省级全要素生产率分析
    优质
    本研究通过对1990至2022年间各省数据进行深入分析，评估了中国各省份的全要素生产率变化趋势及其影响因素，为政策制定提供科学依据。 计算方法包括：OLS（普通最小二乘法）、固定效应模型、随机效应模型、参数估计法、非参数估计法、动态广义矩量法(DGMM)、系统广义矩量法(SGM)以及时间固定效应(TFE)，同时采用数据包络分析(M SF A)。产出指标为实际国内生产总值(GDP)，投入指标包括资本存量（通过永续盘存法计算）和社会从业人员总数。 参数设定方面，折旧率设为9.6%（参考张军等人的研究）。价格调整方面，已经完成了价格指数平减处理，并且进行了起始年基期的设定。逐年下降的情况是正常的，在很多论文中都尝试解释结果与预期不一致的原因。 参考文献：《方法、数据与全要素生产率测算差异》
     
  • 1990-2022年中国各省全要素生产率数据.xlsx
    优质
    该Excel文件包含自1990年至2022年各年度中国各省的全要素生产率数据，适用于研究中国经济增长、地区发展差异及技术进步影响。 1990-2022年各省全要素生产率数据（仅结果）： 时间：1990年至2022年。 指标包括地区、年份以及以下几种测算方法的计算结果：OLS、FE（固定效应）、RE（随机效应）、DGMM（动态广义矩估计法）、SGMM（系统广义矩估计法）、SFA1至SFA3及SFA3D（多种数据包络分析模型）、TFE（转换前沿效率）和非参数法。 范围：涵盖全国31个省份的数据。 计算说明： - 产出指标采用实际GDP衡量； - 投入指标包括资本存量，通过永续盘存法核算，并设定折旧率为9.6%（参考张军等的研究成果）； - 数据已经过价格指数平减处理以消除通货膨胀影响。 计算方法：使用OLS、固定效应模型、随机效应模型及参数与非参数估算等多种统计技术进行测算。 说明：本数据仅提供各年度的最终结果，不包含中间过程和详细分析。
     
  • 1978-2022年各地区级市全要素生产率数据.xlsx
    优质
    该Excel文件包含自1978年至2022年间中国各地区级市的详尽经济指标，特别聚焦于全要素生产率的数据分析，为研究中国经济增长模式提供关键支持。 1978-2022年地级市全要素生产率数据 时间跨度：1978年至2022年 来源资料：城市统计年鉴及各省市的统计年鉴 指标体系： - 省份、地区、年份 - OLS（普通最小二乘法） - FE（固定效应模型） - RE（随机效应模型） - DGMM（动态广义矩估计） - SGMM（系统广义矩估计） - SFA1至SFA3D （不同形式的生产前沿分析方法） - TFE (时间序列全要素效率) - 非参数法 数据范围：涵盖421个地区 参考文献： 《产业集聚与地区间劳动生产率差异》 范剑勇著 指标说明： 产出指标包括实际GDP，投入指标为资本存量（采用永续盘存法核算）和社会从业人员数量。 注意：这里仅包含计算结果，并未提供原始数据。
     
  • 中国31个省市区的全要素生产率分析
    优质
    该研究对中国31个省份及直辖市的经济效率进行全面评估，深入剖析各地区的全要素生产率变化趋势与影响因素，为区域经济发展策略提供数据支持和理论依据。 全国31个省市自治区的全要素生产率情况。
     
  • 上市公司全要素生产率分析（2000-2022年，含源代码）.zip
    优质
    本资料提供了一套针对中国上市公司自2000年至2022年间全要素生产率(TFP)的详尽分析报告与数据集，并附有相关的计算源代码。研究报告结合了多种经济模型和统计方法，全面揭示了各行业TFP的变化趋势及其驱动因素。研究结果为公司战略规划、政府政策制定及学术研究提供了重要参考依据。 【项目资源】：涵盖前端、后端、移动开发、操作系统、人工智能、物联网、信息化管理、数据库、硬件开发、大数据以及课程资源等多种技术领域的源代码。包括STM32、ESP8266、PHP、QT、Linux、iOS、C++、Java、Python、web开发（如HTML5, CSS3, JavaScript）、C#等项目的源码。 【项目质量】：所有提供的源码均经过严格测试，确保可以直接运行并具备正常功能。只有在确认无误后才会上传至平台。 【适用人群】：本资源库适用于希望学习不同技术领域的新手或进阶学习者。无论是作为毕业设计、课程作业还是工程实训的项目立项参考，均可提供帮助。 【附加价值】：这些项目拥有较高的学习和借鉴价值，并且可以直接修改复刻以满足个人需求。对于有一定基础或是热衷于深入研究的人来说，在此基础上进行代码改进与功能扩展将更加得心应手。 我们鼓励下载使用并欢迎各位互相交流、共同成长，如果有任何疑问或需要帮助的地方，请随时提出问题，我们会尽力提供支持和解答。
     
  • 1999年-2021年全国地级市绿色全要素生产率
    优质
    该资料涵盖了自1999年至2021年间中国所有地级市的绿色全要素生产率数据，详尽分析了各城市在经济增长与环境保护之间的效率表现。 近年来关于全国地级市绿色全要素生产率的研究较多，我所使用的数据已经更新到了2021年。在进行相关研究的过程中，我也在网上查找过类似的数据集，但发现质量参差不齐，并且存在一定的计算偏差。因此，最终我还是自己整理并测算了这一份数据。 我在测算过程中使用了Maxdea软件，在全局参考的DEA框架下应用考虑非期望产出的超效率SBM-GML指数模型进行分析。这项研究主要借鉴了李斌、彭星和欧阳铭珂的研究成果（《环境规制、绿色全要素生产率与中国工业发展方式转变——基于36个工业行业数据的实证研究》，发表于《中国工业经济》2013年第4期，第56-68页）。
     
  • 2004-2020年间工业绿色全要素生产率分析
    优质
    该研究聚焦于2004至2020年间的中国工业领域，深入探讨了绿色全要素生产率的变化趋势及其驱动因素，为促进可持续发展提供了理论与实证依据。 工业是碳排放的主要来源之一，推动其节能减排、绿色转型对于实现3060目标至关重要。本次数据涵盖了2004年至2020年间中国30个省份的工业绿色全要素生产率。研究采用SBM-GML和SBM-BML指数进行评估。 评价体系包括以下变量： - 投入：工业用水量（亿立方米）、规模以上企业固定资产投资（亿元）、工业能源终端消耗量（万吨）以及制造业就业人数（人） - 期望产出：工业增加值（亿元） - 不良产出：工业二氧化硫排放量（吨）、工业废水排放量（万吨）和固体废弃物产生量（吨） 数据提供了多种选择。首先，关于工业增加值的计算方法有基于2004年实际GDP以及未经过物价因素调整的结果两种版本。考虑了物价变化后的结果更符合学术标准，但未经平滑处理的数据可能会表现出更好的增长趋势。 此外，在评估工业三废排放时也存在不同组合：一种是二氧化硫与废水的联合评价；另一种则是将所有三种污染物（包括固体废弃物）都纳入考量范围。个人认为，采用二氧化硫和废水排放量加上未经物价因素调整的SBM-GML指数结果最佳，这有助于清晰地展示绿色生产率的增长趋势。