1962
采用DEA方法测算上市企业TFP(2003-2024）
数据简介
全要素生产率（TFP）是衡量企业资源配置效率和技术进步的核心指标。在"双碳"目标和数字化转型背景下，上市企业TFP动态能揭示新基建、新能源领域的技术溢出效应与创新动能。本数据通过DEA-Malmquist方法测算企业的TFP，具有三重价值：量化新能源/高端制造企业的技术效率改进（EC）与技术进步（TC），识别AI、物联网等数字技术对传统产业TFP的赋能路径关联碳排放强度、绿色专利与TFP增长率评估碳中和政策对企业生产效率的长期影响通过TFP分解（纯技术效率/规模效率）。
本文选择采用微观企业数据来汇总计算省级行业层面的全要素生产率。我们剔除员工人数出现过但少于100人的上市企业，对于缺失数据，运用miceforest插值法和KNN插值法补齐缺失年份观测值，最终保留3890家上市企业。本数据选取上市企业增加值作为产出变量，由“长期待摊费用”、“固定资产折旧”、“支付的各项税费”、“支付给职工及为职工支付的现金”和“净利润”加总得到；选取上市企业的“固定资产净额”作为资本投入，选取上市企业“员工总数”作为劳动力投入。为了对实际值进行研究，测算经济意义上的全要素生产率，对价值型经济指标进行平减。制造业产出数据采用工业品出厂价格指数进行平减，服务业产出数据采用商品零售价格指数进行平减，资本投入数据采用固定资产投资价格指数进行平减。行业全要素生产率的测算一般采用索洛余值法、柯布-道格拉斯生产函数法、随机前沿分析和数据包络分析(DataEnvelopmentAnalysis，DEA)。DEA作为一种非参数方法，通过数学规划理论计算生产技术前沿，进而评价生产效率。该方法综合分析投入和产出数据且不需要对生产函数的形式进行预先设定，适用不同行业的TFP测度，因此得到广泛应用.Malmquist指数即为距离函数的比值，通过投入产出数据测算每个决策单元在t期和t+1期与生产前沿面的距离，代表两个时期生产效率的变化，进而通过DEA方法对距离函数进行求解，从而得到相对效率变动，即全要素生产率的增长率。鉴于数据中涵盖了制造业和服务业中的多类细分行业，本文采用DEA-Malmquist方法来测度上市企业全要素生产率。最终，本数据得到3890家企业的条81690数据。
数据来源
本文的数据主要由上市公司官网收集，平减指数以及服务业的定义来源于国家统计局和证监会2017年版的国民经济行业分类，数据包括证券代码,年份,统计截止日期,证券简称,行业名称,行业代码,中文全称,所属省份,所属城市,劳动力投入,是否为服务业,是否为制造业,实际资本投入,实际产出,TFP全要素生产率,技术效率变化,技术进步变化.
时间跨度
2003年-2024年
数据范围
上市公司及其子公司和联营公司
数据格式
数据格式为Excel形式
数据指标
证券代码 | 年份 | 统计截止日期 | 证券简称 | 行业名称 | 行业代码 | 中文全称 | 所属省份 | 所属城市 | 劳动力投入 |
是否为服务业 | 是否为制造业 | 实际资本投入 | 实际产出 | TFP全要素生产率 | 技术效率变化 | 技术进步变化 | |||
数据展示
参考文献
[1]潘文捷,王莹.新基建、要素配置扭曲与“双循环”新发展格局——基于2004-2022年行业全要素生产率的实证检验[J/OL].数理统计与管理,1-20[2025-06-12].
