发展经济学作业文档格式.docx

发展经济学作业文档格式.docx

《发展经济学作业文档格式.docx》由会员分享，可在线阅读，更多相关《发展经济学作业文档格式.docx（10页珍藏版）》请在冰豆网上搜索。

论文1、《从全要素生产率看中国的地区收入差距》

使用方法：

人力资源情况下的索洛分解方法

研究结论：

劳均收入与全要素生产率之间存在着很强的正相关关系。

{具体分析}

1、研究方法

2、全要素生产率（TFP）数值

南等省的劳均收入也一直处于全国最低水平。

3、研究结论

论文2、《中国全要素生产率的估算_1978_2007》

索罗余值法

全要素生产率在不同时期有涨有跌，波动剧烈。

TFP增长率与产出的增长率呈同方向变化、高度正相关的关系。

TFP增长率呈现顺周期性的特征。

索洛余值法，为了测算全要素生产率，我们假定投入的生产要素只有两种，即资本（K）和劳动（L），生产函数的具体形式可以不做设定，但必须假定规模报酬不变、希克斯技术中性。

那么，通过索罗余值法得到的全要素生产率的增长率公式如下:

In过=hy一ainK一（l一a）inL（2.1）

从上面的等式可以看出TFP的增长率受到总产出、资本投入、劳动投入三个因素的增长率以及资本的产出弹性的共同影响，它等于总产出的增长率中国全要素生产率的估算:

1978~2007减去资本投入增长率和劳动投入增长率的加权平均。

所以要求得吓P的增长率需要四个方面的数据资料:

总产出（Y）、资本（K）、劳动（L）以及资本的产出弹性a。

TFP增长率与产出的增长率呈现同方向变化、高度正相关的关系。

一方面，拿四个阶段产出的年均增长率和TFP的年均增长率进行比较，可以看出，产出年均增长率较高的阶段其TFP的年均增长率也较高，产出年均增长率较低的阶段其TFP的年均增长率也较低，这是明显的正相关关系。

另一方面，拿同一个阶段内的不同年份的产出增长率和TFP增长率做比较，可以看出，产出增长率较高的年份其对应的TFP

的增长率也较高，产出增长率较低的年份其对应的TFP的增长率也较低。

TFP的增长率随着产出增长率的升高而升高，随着产出增长率的降低而降低，这也是明显的正相关关系。

以上充分说明TFP增长率呈现顺周期性的特征。

这实际上表明TFP测量中包含了很多“误差”，TFP增长率受到需求冲击的影响。

因为，需求冲击能导致产出增加而不需要投入的增长，则边际成本会降低，企业会降价进而导致需求量增加，从而导致全要素生产率的顺周期特征。

论文3、《基于全要素生产率视角的中国省际经济差距研究》

数据包络分析法（DEA）和随机前沿分析法（SFA）。

<

经过比较分析，SFA结果比较符合中国实际情况。

>

中国省区全要素生产率增长主要来自技术进步，而省区技术效率近年来则呈现下降趋势，并且技术效率的省际差距在逐步扩大。

（1）数据包络分析法（DEA）

DEA是一种数据驱使（data-driven）方法，它的概念最早由Farrell（1957）提出。

估算距离函数是DEA方法测算全要素生产率的关键，按照Shephard（1970）、Fare等人（1994）的思想，在固定规模报酬的技术

下，生产者

在t期的产出型距离函数为：

其他距离函数的计算方法是一样的，只是需要变换一下时刻。

在估算出距离函数后，便可以利用Malmquist指数求出全要素生产率增长率。

t到t+1时刻全要素生产率增长的Malmquist指数为：

数据包络分析法不需要设定生产函数形式，使用简便。

但该方法不允许随机误差的存在，这显然会降低其测算的准确性。

（2）随机前沿分析法（SFA）

随机前沿模型在当前应用较为广泛，其形式为:

在计算出了技术效率和技术进步率后，就可以通过相乘得出全要素生产率增长率。

SFA的优点在于它允许随机误差的存在，但SFA设定的前沿函数和无效率项分布的合理性值得考虑。

全要素生产率对地区经济增长的促进作用要大于要素投入。

要素投入对地区产出增长分布影响较小。

全要素生产率贡献产出分布和1985年产出分布差异较大，而与2007年产出分布却极为相似，因而本文认为，造成地区经济差距的首要因素是全要素生产率而非要素投入。

DEA和SFA方法测算了中国省区1985-2007年的全要素生产率增长率及其构成，两种方法结果均显示，中国省区全要素生产率增长主要来自技术进步，而省区技术效率近年来则呈现下降趋势，并且技术效率的省际差距在逐步扩大。