中国数字经济产出效率:区位差异及变化趋势

被引:41
作者
蔡昌
林高怡
李劲微
机构
[1] 中央财经大学财政税务学院
关键词
数字经济; 全要素生产率; DEA-Malmquist指数法; 区位差异;
D O I
10.19641/j.cnki.42-1290/f.2020.06.021
中图分类号
F49 [信息产业经济];
学科分类号
1201 ;
摘要
基于2008~2016年29个省份的面板数据,利用BCC-DEA模型和Malmquist指数模型分别从静态和动态测算中国数字经济产出效率。研究发现,中国各省份数字经济产出效率存在显著差异。从静态效率分析,东部地区的技术效率最低,中部地区次之,西部地区最高。其中,北京、上海、浙江、江苏的相对产出效率排名垫底,资源配置效率低是其主要限制因素,广东的纯技术效率虽高,但产出效率受到规模效率的制约。从动态效率分析,中国数字经济全要素生产率总体呈先升后降趋势,主要原因在于技术升级遭遇瓶颈。此外,东部大部分省份得益于纯技术效率的增长和规模效率的优化,正在逐步缩小与效率前沿省份技术效率的相对差距。
引用
收藏
页码:153 / 160
页数:8
相关论文
共 10 条
[1]   OECD数字经济核算研究最新动态及其启示 [J].
向书坚 ;
吴文君 .
统计研究, 2018, 35 (12) :3-15
[2]   国内外数字经济测度指标体系研究综述 [J].
徐清源 ;
单志广 ;
马潮江 .
调研世界, 2018, (11) :52-58
[3]   数字经济发展的几个关键点 [J].
张景先 .
人民论坛, 2018, (29) :78-79
[4]   数字经济驱动产业结构向中高端迈进的发展思路与主要任务 [J].
张于喆 .
经济纵横, 2018, (09) :85-91
[5]   中国数字经济空间分异及影响因素 [J].
王彬燕 ;
田俊峰 ;
程利莎 ;
浩飞龙 ;
韩翰 ;
王士君 .
地理科学, 2018, 38 (06) :859-868
[6]   数字经济与中国发展 [J].
张新红 .
大数据时代, 2016, (02) :30-37
[7]  
How can we measure the modern digital economy?[J] . Hasan Bakshi.Significance . 2016 (3)
[8]  
Virtual field experiments for a digital economy: a new research methodology for exploring an information economy[J] . Beomsoo Kim,Anitesh Barua,Andrew B. Whinston.Decision Support Systems . 2002 (3)
[9]  
Productivity changes in Swedish pharamacies 1980–1989: A non-parametric Malmquist approach[J] . Journal of Productivity Analysis . 1992 (1)
[10]   SOME MODELS FOR ESTIMATING TECHNICAL AND SCALE INEFFICIENCIES IN DATA ENVELOPMENT ANALYSIS [J].
BANKER, RD ;
CHARNES, A ;
COOPER, WW .
MANAGEMENT SCIENCE, 1984, 30 (09) :1078-1092