地级市绿色全要素生产率（GTFP），四种GML指数（EBM-GML、SBM-GML、SBM-DDF）的原始数据与测算结果

5星

浏览量: 0

大小:None

文件类型：None

简介：
本研究提供了地级市层面关于绿色全要素生产率及其四种GML指数（包括EBM-GML，SBM-GML和SBM-DDF）的详尽原始数据及分析结果，为评估各地经济活动的环境效率提供重要参考。 283个地级市的绿色全要素生产率（GTFP）年度数据从2006年至2019年进行了整理与测算，采用了四种GML指数计算方法：EBM-GML、SBM-GML、GML-DDF和SBM-DDF。这些数据均被分解为技术进步（TC）和效率变动（EC）。该数据集是我论文写作所需，并且经过了仔细核验以确保其准确可靠，可以直接用于数据分析回归模型中。整理这份资料耗时费力，请大家支持正版资源而不是购买盗版材料，因为后者不会提供后续更新。我计划在未来免费更新2020年的相关数据，而非法渠道则无法获得这一服务。如果有任何疑问或需要帮助的地方，请随时留言提问，我会一一解答并确保你们的满意度。具体的数据来源包括中国城市统计年鉴、中国区域统计年鉴、中国能源年鉴和中国环境年鉴等权威出版物以及哈佛大学官网的相关信息。此外，时间跨度覆盖了2006年至2019年的连续时间段，并且包含了全国所有地级市的详细情况（根据可用性和行政边界变化）。每个GML指数都被进一步分解为技术进步和技术效率两个部分。全局参比的方法是通过使用整个研究期间内所有决策单元的投入产出数据来构建最佳生产前沿，从而确保不同时期的所有决策单元都能在全局最优生产前沿上进行比较。

全部评论 (0)

还没有任何评论哟~

客服

地级市绿色全要素生产率（GTFP），四种GML指数（EBM-GML、SBM-GML、SBM-DDF）的原始数据与测算结果

优质

本研究提供了地级市层面关于绿色全要素生产率及其四种GML指数（包括EBM-GML，SBM-GML和SBM-DDF）的详尽原始数据及分析结果，为评估各地经济活动的环境效率提供重要参考。 283个地级市的绿色全要素生产率（GTFP）年度数据从2006年至2019年进行了整理与测算，采用了四种GML指数计算方法：EBM-GML、SBM-GML、GML-DDF和SBM-DDF。这些数据均被分解为技术进步（TC）和效率变动（EC）。该数据集是我论文写作所需，并且经过了仔细核验以确保其准确可靠，可以直接用于数据分析回归模型中。整理这份资料耗时费力，请大家支持正版资源而不是购买盗版材料，因为后者不会提供后续更新。我计划在未来免费更新2020年的相关数据，而非法渠道则无法获得这一服务。如果有任何疑问或需要帮助的地方，请随时留言提问，我会一一解答并确保你们的满意度。具体的数据来源包括中国城市统计年鉴、中国区域统计年鉴、中国能源年鉴和中国环境年鉴等权威出版物以及哈佛大学官网的相关信息。此外，时间跨度覆盖了2006年至2019年的连续时间段，并且包含了全国所有地级市的详细情况（根据可用性和行政边界变化）。每个GML指数都被进一步分解为技术进步和技术效率两个部分。全局参比的方法是通过使用整个研究期间内所有决策单元的投入产出数据来构建最佳生产前沿，从而确保不同时期的所有决策单元都能在全局最优生产前沿上进行比较。

基于DEA-SBM模型的MATLAB代码计算ML和GML指数以分析全要素生产率及绿色全要素生产率（含EC、TC分解结果）

优质

本研究采用DEA-SBM模型编写MATLAB代码，旨在评估并解析传统与绿色全要素生产率，通过效率变化（EC）和技术变化（TC）的分解，提供深入分析。 Matlab代码用于基于DEA-SBM模型计算ml指数和gml指数，以研究全要素生产率和绿色全要素生产率。结果包括EC TC分解指数文件包，内含操作代码、操作视频、指标解释及模型解释，并提供面板数据示例。整个操作过程简单明了。

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。

基于SBM模型的绿色全要素生产率测算（含代码、案例及数据）

优质

本书通过应用SBM模型深入探讨了绿色全要素生产率的评估方法，提供了详细的代码示例和实际案例分析，并附有相关数据支持。今天分享绿色全要素生产率的测算代码，包括SBM模型与超效率SBM模型，并提供可测非期望、指数分解值工具包。该工具包内含有Matlab代码、视频教学文件及相关讲解材料以及示例数据，使用最简单的y, x, x1等变量展示数据集，代码也做了详细的解释说明。 SBM是Slacks-Based Measure或Slack Based Measure的缩写，通常翻译为基于松弛值测算模型。它既可以用于DEA（Data Envelopment Analysis），即SBM-DEA。该方法最初由Kaoru Tone在2001年提出，遵循DEA的基本思想，通过“最小”的或者说是“最紧密匹配”的凸面球壳来包络投入产出数据集，从而得到代表最佳实践的技术前沿边界。这种相对最优的技术前沿正是两型社会及经济与环境协调发展的经济学内涵。所谓两型社会是指在各个生产、建设、流通和消费领域，在经济发展和社会进步的各个方面，充分保护并合理利用各种资源，提高资源使用效率，以最低限度的资源消耗获取最大的经济效益和社会效益，并实现人与自然和谐共生以及经济社会可持续发展。“快”指的是经济增长。

关于GML指数与ML指数在GTFP测算中的应用及MATLAB实现

优质

本文探讨了GML和ML两种指数在评估一般技术前沿生产效率(GTFP)中的作用，并介绍了如何使用MATLAB进行相关计算，为研究人员提供了实用的分析工具。 DEA非期望产出以及Malmquist-Luenberger（ML）和Global-Malmquist-Luenberger(GML)的MATLAB代码。

2000-2019年中国地级市绿色全要素生产率数据.xls

优质

本文件为Excel表格形式的数据集，记录了中国从2000年至2019年间各地区级市在绿色全要素生产率方面的年度变化情况。时间跨度为2000年至2019年期间的研究分析了421个行政区样本的数据，其中四个直辖市以区级层面数据为准，其余的行政区则采用地市层面的数据进行研究。全要素生产率（也称为综合要素生产率）是衡量经济增长的重要指标。它指的是在排除资本和劳动力等投入因素的影响后，技术进步和其他能力实现所带来的产出增加部分。由于全要素生产率无法直接观测到，在实际的研究中需要通过估算得出其数值。本研究借鉴了Pastor等人于2005年提出的方法，结合全局参比的数据包络分析框架，并综合考虑非期望产出的超效率SBM模型和Malmquist生产率指数来衡量城市全要素生产率的增长。全局参比方法利用整个考察期间所有决策单元（即研究对象）的投入与产出数据构建最佳生产前沿线，确保不同时期的所有决策单元都能在这一全球最优标准下进行比较，从而有效解决了测量过程中可能出现的不可行解及跨时期无法直接对比的问题。由于统计数据口径的不同，在计算用电量时使用的是市辖区的数据；而其他变量则以全市范围内的数据为准。

GML 3.0

优质

GML 3.0是一种国际标准的数据模型和格式，用于地理信息系统中存储、交换和共享地理数据。它支持各种复杂的空间对象及其属性，促进了全球范围内的地理信息互操作性。 GML 3.0规范是地理信息系统开发的指导标准。

基于EBM-GML及EBM效率值的GML指数Matlab代码，包含EC与TC分解及个人视频教程，有疑问欢迎通过CSD联系我

优质

本资源提供基于EBM-GML及EBM效率值的GML指数计算的Matlab代码，涵盖EC和TC分解，并附带详细视频教程。有问题请随时通过CSD与我联系。 GML指数计算基于EBM-GML以及EBM效率值的Matlab代码可以直接分解为EC（技术效率变动）和技术进步TC。该套资料包括本人录制的视频讲解，详细介绍了如何使用这些代码，并提供了全套资料包及售后服务以确保结果准确可靠。 GML指数可用于测算绿色全要素生产率（GTFP）或环境效率。需要注意的是本贴提供的仅是EBM-GML指数计算的Matlab代码。此外，GML指数有四种不同的计算方法：SBM-GML、SBM-DDF、GML-DDF和EBM-GML，所有这些方法都可以分解为EC和技术进步TC。在我的主页上可以找到其他三种指数（即非EBM-GML）的计算代码及详细资料。

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）。