Advertisement

更新版·1949-2020年中国各省市全要素生产率数据及DEA与SFA测算指南与Stata代码

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

简介：
本书为研究者提供从1949年至2020年间中国各省市的全要素生产率数据，涵盖详细的数据包、DEA和SFA方法指导以及相应的Stata操作代码。 ### 数据介绍 **数据名称:** 全国各省市份-全要素生产率 **数据范围:** 31个省、市自治区 **数据年份:** 1949年至2020年 **数据说明:** 产出指标为实际GDP；投入要素包括从业人员数和固定资产（采用永续盘存法）。 **数据来源:** 全国统计年鉴 ### 参考文献 这些参考文献用于衡量各省的人力资本与物质资本效率： 1. 颜鹏飞, 王兵. 技术效率、技术进步与生产率增长：基于DEA的实证分析[J]. 经济研究, 2004(12):55-65. 2. 章祥荪, 贵斌威. 中国全要素生产率分析: Malmquist指数法评述与应用[J]. 数量经济技术经济研究, 2008(06):111-122. 3. 郭庆旺, 赵志耘, 贾俊雪. 中国省份经济的全要素生产率分析[J]. 世界经济, 2005(05):46-53+80. ### 数据概览 请参考以下截图。 #### DEA Malmquist生产率指数方法介绍 技术效率指的是在既定投入水平下产出可以增加的能力，或者在保持现有产出不变的情况下减少投入的潜力。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 更新版·1949-2020年中国各省市全要素生产率数据及DEA与SFA测算指南与Stata代码
    优质
    本书为研究者提供从1949年至2020年间中国各省市的全要素生产率数据，涵盖详细的数据包、DEA和SFA方法指导以及相应的Stata操作代码。 ### 数据介绍 **数据名称:** 全国各省市份-全要素生产率 **数据范围:** 31个省、市自治区 **数据年份:** 1949年至2020年 **数据说明:** 产出指标为实际GDP；投入要素包括从业人员数和固定资产（采用永续盘存法）。 **数据来源:** 全国统计年鉴 ### 参考文献 这些参考文献用于衡量各省的人力资本与物质资本效率： 1. 颜鹏飞, 王兵. 技术效率、技术进步与生产率增长：基于DEA的实证分析[J]. 经济研究, 2004(12):55-65. 2. 章祥荪, 贵斌威. 中国全要素生产率分析: Malmquist指数法评述与应用[J]. 数量经济技术经济研究, 2008(06):111-122. 3. 郭庆旺, 赵志耘, 贾俊雪. 中国省份经济的全要素生产率分析[J]. 世界经济, 2005(05):46-53+80. ### 数据概览 请参考以下截图。 #### DEA Malmquist生产率指数方法介绍 技术效率指的是在既定投入水平下产出可以增加的能力，或者在保持现有产出不变的情况下减少投入的潜力。
     
  • 1949-2020年中国各省全要素生产率（年度数据）.xls
    优质
    本Excel文件包含自1949年至2020年间中国各省份的年度全要素生产率数据，为研究中国经济增长提供详实的数据支持。 1949-2020年各省全要素生产率（年度）计算说明：产出采用实际GDP数据，投入要素包括从业人员数量、固定资产（使用永续盘存法）。该研究涵盖31个省份的时间跨度为1949年至2020年。
     
  • 1949-2020年中国各省市农业全要素生产率（年度数据）.xls
    优质
    该Excel文件包含了从1949年至2020年间中国各省市的年度农业全要素生产率数据，旨在分析和研究中国农业生产效率的变化趋势。 数据来源为中国统计年鉴及CSMAR2数据库，时间跨度为1949年至2020年，涵盖全国31个省份的数据。 全要素生产率（TFP）是衡量经济增长的一个重要指标，它反映了除资本和劳动力等传统投入因素外的技术进步和其他能力提升所带来的产出增长。由于无法直接测量，通常在研究中通过估计方法来计算其数值。本数据集采用Battese和Coelli的模型，并使用最新的随机前沿分析（SFA）技术进行估算，以确保结果尽可能精确。
     
  • 1949-2020年中国地级市全要素生产率（年度数据）.xlsx
    优质
    该文件包含自1949年至2020年间中国各地区级市的全面生产效率统计数据，为研究中国经济增长模式和区域经济发展提供详实的数据支持。 1949-2020年421个地级市全要素生产率（年度数据）无缺失值。 区域范围：421个地级市 指标说明： 产出设定为实际GDP；投入要素包括从业人员数和固定资产（采用永续盘存法计算）。 计算方法参考Battese和Coelli的模型，使用最新的SFA方法进行全要素生产率的计算。这里仅提供最终结果，并无原始数据展示。
     
  • 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。
     
  • 中国上市公司及各省市区全要素生产率数据-最新发布.zip
    优质
    该资料包包含了最新的中国各省市及主要上市公司的全要素生产率数据，为研究和分析提供全面详实的数据支持。 中国上市公司全要素生产率及省市区全要素生产数据最新出炉.zip
     
  • 2000-2020年上市公司全要素生产率分析（LP方法）及原始数据与Stata代码.rar
    优质
    本资源包含2000至2020年间中国上市公司全要素生产率分析报告，采用LP方法计算，并提供详细的数据集和Stata编程代码用于重复研究或进一步分析。 2000-2020年上市公司全要素生产率LP法包含原始数据和Stata代码（do文档）的详细介绍可以在相关文献或博客文章中找到。该介绍涵盖了如何使用LP方法计算全要素生产率，并提供了详细的步骤以及所需的数据和代码资源。
     
  • 中国各地区级市2000-2021年绿色全要素生产率(GTFP)数据
    优质
    本资料集包含了中国所有地级市自2000年至2021年的绿色全要素生产率（GTFP）数据，旨在评估各城市在经济发展与环境保护之间的平衡状况。 全国各个地级市及直辖市的区在2000年至2021年间绿色全要素生产率（GTFP）的数据已经测算完成（共421个样本）。本次测算采用了超效率SBM模型与Malmquist生产率指数法。 一、投入变量指标 1. 物质资本存量：通过永续盘存法进行计算。公式为 Ki，t = Ii，t + Ki，t－1 ( 1 － δ)，其中K表示物质资本存量，I代表当年的资本形成总额，δ是折旧率。使用各年固定资产投资价格指数将数据调整至2004年的不变价格水平，并参考张军等人的设定将折旧率定为9.6%；基期资本存量则通过固定资产投资额进行计算。 2. 劳动投入：采用城市年末就业人数作为衡量指标。 二、产出变量指标 产出变量包含期望产出和非期望产出： 1. 期望产出：按2004年不变价格换算的国内生产总值来表示； 2. 非期望产出：包括废水排放量、二氧化硫排放量以及粉尘烟尘排放量。 参考王亚飞（2021）的研究方法，本研究采用超效率SBM模型及非期望Malmquist生产指数法(SBM - Malmquist)对城市绿色全要素生产率进行了测算。
     
  • 1949-2020年中国各省市人口老龄化统计数据
    优质
    本数据集提供了从1949年至2020年间中国各省份的人口老龄化统计情况，涵盖老年人口数量、占比及其变化趋势。 标题 各省市人口老龄化数据（1949-2020） 涵盖了中国各个省份和直辖市从1949年至2020年期间的人口老龄化统计数据，包括老年人口数量、老龄化率以及人口结构变化等信息。 描述中的内容虽简短，但可以推测这份数据集可能包含了每年各省市的老龄人口比例、平均寿命、出生率、死亡率等关键指标。这些数据显示了我国人口结构的变化趋势，并且随着计划生育政策的实施和医疗水平的进步，老年人口的比例逐年增加。 标签 大数据 暗示了该数据集规模庞大，包含大量记录与复杂统计信息。处理这种大数据通常需要使用Hadoop、Spark等分布式计算框架及Python、R中的Pandas、NumPy库进行清洗分析可视化操作。 说明.txt 文件可能提供了关于如何使用这些数据的信息，包括来源和格式解释等内容；而6370.zip文件则包含了实际的数据集，可能是以CSV或Excel等形式存储的。通过研究这份数据集，我们可以探讨以下知识点： 1. **人口老龄化定义**：指代的是一个国家中65岁及以上老年人口比例的增长情况及其对社会结构变化的影响。 2. **数据处理技术**：介绍如何应用Python、R等工具读取清洗预处理数据，并进行异常值去除与数据集成转换。 3. **统计分析方法**：计算老龄化率，研究各省市老龄人口增长趋势及地区间差异比较。 4. **可视化展示手段**：利用Tableau、Matplotlib和Seaborn制作图表来呈现不同年度和地区的人口老龄化状况。 5. **机器学习预测模型构建**: 利用历史数据训练出能够对未来老龄化发展趋势进行预判的算法，为政策制定提供科学依据。 6. **社会经济影响评估**：分析老龄化对劳动力市场、消费模式及经济增长等方面产生的影响，并提出相应的应对策略建议。 通过上述方法的应用与研究结果分享，我们不仅能够深入了解中国人口老龄化的现状和趋势，还能向决策者和社会公众传递重要信息。此外，这还展示了大数据技术在社会科学研究领域中的广泛应用价值。
     
  • 1949-2016年中国各省市的年度GDP数据
    优质
    该资料汇集了从1949年至2016年间中国各省市每年的国内生产总值（GDP）数据，为研究中国经济变迁提供了详实的数据支持。 1949年至2016年中国各省市的历年GDP数据中，海南的数据在最初几年是缺失的。