《表1 2000—2016年中国260个城市整体TFP的Malmquist指数及其分解(1)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《金融发展的城市全要素生产率增长效应研究——基于中国260个城市面板数据分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

数据来源:根据Deap2.1软件输出结果整理而得。

国内研究中关于TFP水平测算的方法主要有两类:一类为参数方法（如柯布—道格拉斯生产函数法、随机前沿分析方法等），另一类为非参数方法（如数据包络分析方法）。关于数据包络分析方法（DEA）和随机前沿分析方法（SFA）的优点和缺点在余泳泽（2015）的文献中做出了较为具体的论述[28]。现有文献在选择城市生产函数时对于生产要素的选择更多地关注劳动要素投入和资本要素投入，而忽略了土地要素投入。本文在测算城市TFP时，将土地要素投入纳入到城市生产函数中，因此采用参数法测算TFP时并不太合适。综上分析，本文选择DEA模型的Malmquist指数方法测算城市TFP水平（Fare、Grosskopf、Mary等，1994）[29]。国内大量学者采用DEA模型的Malmquist指数方法研究中国经济运行效率问题，本文对此方法不做过多描述，具体的测算方法和数据处理过程可参考章祥荪、贵斌威（2008）[30]、李健、盘宇章（2018）[1]以及李健、盘宇章（2017）[27]的文献。本文采用数据包络分析软件Deap2.1对城市的TFP水平进行测算，结果见表1。通过表中的测算结果可以看出，2000—2016年期间中国城市总体的年均TFP增长率为3.1%，这说明中国城市整体TFP出现了正增长。Malmquist指数法可以将TFP指数进一步分解为技术进步指数和技术效率指数，因此可以得到技术效率和技术进步的年均增长率分别为0.4%和2.7%，这说明2000年以来，技术进步和技术效率共同推动了中国城市整体的TFP增长，但技术进步的贡献更大。