中国区域茶加工产业效率实证分析.doc

中国区域茶加工产业效率的实证分析 　　摘要：选取中国15个产茶地区2007-2011年5年间的茶加工产业面板数据，在运用DEA模型对其产业效率进行静态分析的基础上，进一步使用衡量产业效率变化的Malmquist指数研究了中国茶加工产业效率的时空演变。结果表明，技术进步是中国茶加工产业全要素生产率持续增长的源泉，而技术效率则表现出先下降又回升的变化趋势，中国茶加工产业效率的增长逐步向技术进步和技术效率合力拉动转变。同时，中国茶加工产业仍存在规模不合理、技术扩散效率低等问题，在对其进行解释的基础上，给出了相关对策建议。 　　关键词：茶加工业；DEA；Malmquist指数；效率 　　中图分类号：F325 文献标识码：A 文章编号：0439-8114（2015）19-4893-05 　　DOI：10.14088/j.cnki.issn0439-8114.2015.19.061 　　Abstract： Selecting the 2007-2011 panel data of tea-processing industry in 15 tea-producing regions in China，the paper analyzed industrial efficiency by DEA model and the spatial-temporal evolution of the industrial efficiency in the tea-processing industry by malmquist index.The results showed that technology progress is the source of the sustained growth in total factor productivity of Chinese tea-processing industry，while technical efficiency increased at first but later decreased. It suggested that the growth of Chinese tea-processing industry efficiency began to change from being driven by technology progress to being driven by the both of technological progress and technical efficiency.But there were problems such as the unreasonable scale，the low technology diffusion efficiency and so on. Then， some suggestions are provided according to these results. 　　Key words： tea-processing industry； DEA； malmquist index； efficiency 　　自19世纪80年代以来，世界茶叶消费逐年增加，平均每年增速5%左右。中国茶叶资源丰富，茶文化历史悠久，作为世界公认的茶叶起源地，面对需求日益高涨的国际茶叶市场，存在着明显的资源优势。但与此同时，中国茶叶加工业发展不足的问题也日渐凸显出来。茶叶加工业规模经济不明显、产品差异化程度低[1]、行业进入壁垒低，导致茶叶加工企业自主品牌难以壮大，各省“有名茶，无名牌”的现象普遍存在。同时，茶叶加工企业普遍存在着规模小、效率低、核心竞争力不强、技术创新能力不足等问题。 　　本文选取15个产茶地区为研究样本，采用各样本地区2007-2011年5年期的面板数据，运用DEA方法与非参数的Malmquist指数方法，探究中国茶加工产业效率的时空演变。 　　1 理论模型 　　1.1 DEA方法理论 　　数据包络分析（Data envelopment analysis，DEA）是一种直接使用输入（Input）、输出（Output）数据建立非参数数学模型的效率评价方法。基本思路是将每一个评价对象看作一个决策单元（Decision making unit，DMU），各个DMU有相同的输入与输出指标，通过所建立的数学模型将各DMU投射到有效前沿面上，该有效前沿面由所有DMU中具有相对最优效率的DMU构成，所以位于有效前沿面上的DMU具有100%的最优效率，偏离有效前沿面的DMU，则可根据偏离程度得出各DMU的相对效率值[2，3]。 　　通过以上模型可以得出DMUj的技术效率TE，当TE=1，S-=0且S+=0