Advertisement

农业全要素生产率数据集(ZIP文件)

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


简介:
该农业全要素生产率数据集包含多个地区的农业生产效率指标,涵盖技术进步、资源配置等关键因素,适用于学术研究与政策分析。 农业全要素生产率数据集.zip

全部评论 (0)

还没有任何评论哟~
客服
客服
  • ZIP
    优质
    该农业全要素生产率数据集包含多个地区的农业生产效率指标,涵盖技术进步、资源配置等关键因素,适用于学术研究与政策分析。 农业全要素生产率数据集.zip
  • 1949-2020年中国各省市(年度).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。
  • 上市公司绿色(2007-2022).xlsx
    优质
    本数据集收录了中国上市公司自2007年至2022年的绿色全要素生产率相关指标,旨在研究企业环境绩效与经济效率的关联。 详细介绍及样例数据可参考相关博客文章。本研究涵盖了2500多家上市企业,涉及的数据指标包括证券代码、年份、绿色全要素生产率、绿色技术效率变化指数以及绿色技术进步变化指数。
  • —基于局Malmquist指法的中国各省分析(2000-2021年).xlsx
    优质
    本文件利用全局Malmquist指数法对中国31个省份自2000年至2021年的农业全要素生产率进行量化分析,旨在揭示各地农业生产效率的动态变化趋势。 结果数据-中国省级农业全要素生产率(使用全局Malmquist指数法测算)2000-2021年.xlsx
  • 绿色面板(2000-2018),包含多份
    优质
    本资料集收录了自2000年至2018年间关于绿色全要素生产率的多种面板数据,涵盖环境影响因素与经济效率分析。 一、省级绿色全要素生产率测算(2004-2017) 数据说明:以2004年为基期,包括SBM-ML、SBM-GML、EBM-GML三种方法的测算结果及原始数据如下:就业人数、资本存量、能源消耗总量、实际GDP 以及工业废水和二氧化硫排放量。 时间跨度:2004年至2017年 区域范围:涵盖30个省市自治区,不包括西藏地区。 二、省级绿色全要素生产率测算(2004-2018) 数据说明:以SBM-GML方法进行测算,采用的基期为2004年。投入因素包含劳动投入、资本投入和能源消耗;期望产出即各省市自治区的实际GDP,并以2004年的价格水平折算。非期望产出指标包括工业废水中的COD排放量以及二氧化硫排放量。 时间跨度:从2004年至2018年 区域范围:覆盖30个省、市和自治区,不包含西藏地区。 三、地级市全要素生产率测算(2004-2018) 数据说明:以SBM及Malmquist生产率指数方法进行测算,采用的基期为2004年。请注意该部分仅提供结果,并无原始数据可供参考。 时间跨度:从2004年至2018年 区域范围:涵盖全国所有地级市。
  • 1990-2022年中国各省.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。
  • 分析(思路解析+源+Python代码).zip
    优质
    本资料深入讲解如何运用多种方法分析全要素生产率,并提供详尽的数据来源及实用的Python代码示例。适合研究者和从业者学习参考。 全要素生产率Python(思路梳理+全数据源+python代码).zip