博士论文范文：我国东西部地区对口帮扶效应研究
摘要 4-8
ABSTRACT 8-12
第1章 导论 16-23
1.1 选题的意义 16-19
1.1.1 选题来源 16-17
1.1.2 选题意义 17-19
1.2 研究思路与研究框架 19-22
1.2.1 研究方法 19-20
1.2.2 研究思路 20-21
1.2.3 主要内容 21-22
1.3 本文的创新点 22
1.4 本章小结 22-23
博士论文范文：
第2章 国内外研究现状综述 23-40
2.1 知识溢出理论基础 23-28
2.1.1 新增长理论 23-24
2.1.2 技术差距理论 24-25
2.1.3 新创新经济学理论 25-26
2.1.4 新经济地理学理论 26-28
2.2 国内外研究综述 28-39
2.2.1 国内R& D 对其TFP 的影响 29-31
2.2.2 FDI 对国内TFP 的影响 31-33
2.2.3 国际贸易对国内TFP 影响 33-37
2.2.4 国际贸易、FDI 和ODI 对TFP 影响 37-39
2.3 本章小结 39-40
博士论文范文：
第3章 我国东西部地区对口帮扶效应研究——基于数据包络技术 40-76
3.1 数据包络技术的理论介绍 40-52
3.1.1 数据包络技术的一般理论 40-45
3.1.2 数据包络技术的图形分析 45-52
3.2 各省1993～2008 年的曼奎斯特生产率指数及其分解 52-59
3.2.1 各省样本期内的产出GRP 52-53
3.2.2 各省样本期的资本存量投入 53-54
3.2.3 各省样本期的人力资本存量的计算 54-55
3.2.4 各省样本期内的曼奎斯特生产率指数 55-59
3.3 理论模型及相关指标的数据处理 59-68
3.3.1 理论模型 59-61
3.3.2 相关变量的数据处理 61-68
3.3.3 各变量的数据特征 68
3.4 实证结果及分析 68-75
3.4.1 各省全要素生产率的影响因素分析 68-71
3.4.2 各省技术进步的影响因素分析 71-73
3.4.3 各省技术效率的影响因素分析 73-75
3.5 本章小结 75-76
博士论文范文：
第4章 我国东西部地区对口帮扶效应研究——基于随机前沿分析 76-102
4.1 随机前沿分析的理论基础 76-79
4.2 本章的理论模型 79-86
4.3 相关指标的数据处理 86-87
4.4 实证结果及分析 87-101
4.4.1 各省全要素生产率的增长率及其分解的计算 87-95
4.4.2 各省全要素生产率及其分解的影响因素分析 95-101
4.5 本章小结 101-102
博士论文范文：
第5章 我国东西部地区对口帮扶效应研究——DEA 与SFA 的比较 102-126
5.1 理论比较 102-107
5.1.1 数据包络技术理论 102-104
5.1.2 随机前沿分析理论 104-107
5.2 第3章 模型的增长率形式 107-111
5.3 实证结果及分析 111-125
5.3.1 两种方法下各省全要素生产率增长率的影响因素分析 111-115
5.3.2 两种方法下各省技术进步增长率的决定因素分析 115-120
5.3.3 各省技术效率增长率的影响因素分析 120-124
5.3.4 数据包络技术和随机前沿分析结果的综合比较 124-125
5.4 本章小结 125-126
博士论文范文：
第6章 我国东西部地区对口帮扶效应研究——基于三阶段DEA 模型 126-154
6.1 三阶段DEA 模型的理论介绍 126-132
6.2 我国东西部省份间对口帮扶效应的模型构建与数据处理 132-137
6.2.1 我国东西部省份间对口帮扶效应的理论模型 132-135
6.2.2 三阶段DEA 模型相关变量的数据处理 135-137
6.3 对各省历年曼奎斯特生产率指数及其分解的测算 137-142
6.4 东西部省份间对口帮扶效应研究 142-153
6.4.1 各省全要素生产率的影响因素分析 143-146
6.4.2 各省技术进步的影响因素分析 146-149
6.4.3 各省相对技术效率的影响因素分析 149-153
6.5 本章小结 153-154
博士论文范文：
第7章 总结与展望 154-161
7.1 本文主要结论 154-156
7.1.1 我国东西部省份间的对口帮扶效应分析 154-155
7.1.2 增长率视角下我国东西部省份间的对口帮扶效应分析 155-156
7.2 本文结论的现实分析及政策建议 156-158
7.2.1 本文结论的现实分析 156-158
7.2.2 政策建议 158
7.3 本文创新点 158-159
7.4 研究不足与展望 159-161
附录3-1：投入导向和产出导向的曼奎斯特生产率指数比较 161-163
附录3-2：关于R& D 资本存量的计算 163-164
附录3-3：点乘 164-165
附录3-4：空间关联矩阵的行标准化 165-166
附录5-1：数据包络技术和随机前沿分析结果的联系 166-168
参考文献 168-181
攻读博士学位期间所发表的论文 181-182
致谢
我国东西部地区对口帮扶效应研究
The Corresponding Supporting Effect of Chinese Eastern and Western Areas
【作者】 席建国；
【导师】 沈利生
【作者基本信息】 华侨大学， 数量经济学， 2011， 博士
【副题名】TFP的视角
【摘要】 1996年7月6日,国务院办公厅转发了《关于组织经济较发达地区与经济欠发达地区开展扶贫协作的报告》。正式部署了北京市帮内蒙古自治区,天津市帮甘肃省,上海市帮云南省,广东省帮广西壮族自治区,江苏省帮陕西省,浙江省帮四川省,山东省帮新疆维吾尔自治区,辽宁省帮青海省,福建省帮夏回族自治区,大连、青岛、深圳、宁波市帮贵州省的对口帮扶工作,标志着全国东西扶贫协作工作的全面展开。2002年,国务院又作出了珠海市、厦门市对口帮扶重庆市的决定。至此,东部共有15个发达省市对口帮扶西部11个省(区、市)(西藏为一个贫困片区,整体享受重点扶持政策),东西扶贫协作已涉及26个省(区、市)。各有关省(区、市)党委、政府非常重视东西协作扶贫工作,做了大量卓有成效的工作,促进了我国东西部地区社会经济协调发展和共同进步,为构建和谐社会做出了积极贡献。本文针对我国东西部地区间的这种帮扶效应进行了探索性的分析,主要研究内容和结论如下:1.论文运用数据包络技术(DEA),基于产出导向,测算了1993～2008年各省曼奎斯特生产率指数及其分解的技术进步变化指数和相对技术效率变化指数,进而分析了影响它们的因素。通过实证分析得出:东部地区帮扶省份的科技活动经费内部支出存量对西部地区被帮扶省份的空间溢出促进了被帮扶省份的全要素生产率及其分解的技术进步的增长,但抑制了被帮扶地区技术效率的提高。其中,对被帮扶地区全要素生产率及其分解的技术进步的影响在1%显著水平上显著,对其技术效率的影响不显著。2.在对随机前沿分析(SFA)进行了较详细的理论说明后,进而指出Coelli等人的1992年模型与Coelli等人的1995年模型不具同源性,即这两种模型之间不能进行假设检验。在此方法的基础上,假设各省的生产函数为超越对数生产函数,运用Coelli等人的1995年模型,采用本文的样本进行了估计。通过估计的结果,可以计算出各省历年的前沿技术进步率、相对技术效率、要素配置效率变化和规模经济效率变化,并进一步计算得到样本期内各省历年的全要素生产率。随后分析了各省全要素生产率及其分解的影响因素,结论显示:东部地区帮扶省份的科技活动经费内部支出存量对西部地区被帮扶省份的空间溢出促进了被帮扶省份的全要素生产率及其分解的技术进步和技术效率的发展。其中,对被帮扶省份全要素生产率的影响在1%的显著水平上显著,而对其两个分解项的影响均不显著。3.在分析了数据包络技术和随机前沿分析的区别与联系的基础上,本文分别用两种方法测算了样本期内我国各省全要素生产率增长率及其分解的技术进步增长率和技术效率增长率,进而研究了我国东西部地区间的对口帮扶效应。研究结果证明:东部地区帮扶省份的科技活动经费内部支出存量对西部地区被帮扶省份的空间溢出的增长率,推动了被帮扶地区的全要素生产率增长率及其分解的技术进步增长率和技术效率增长率的发展,但这些影响有些显著,有些并不显著。4.考虑到数据包络技术在测算各省全要素生产率及其分解时,没有剥离环境变量和随机噪声的影响;而随机前沿分析虽然剥离了随机噪声的影响,但它对函数形式有明确的限制。综合两种方法,本文以三阶段数据包络技术为基础,重新测算了样本期内我国各省的全要素生产率及其分解。此种方法的好处是,既能剥离环境变量、随机噪声和管理无效率对投入(或产出)的影响,又不要求设定生产函数(或成本函数)的具体形式。通过分析各省全要素生产率及其分解的影响因素,本文得出:东部地区帮扶省份的科技活动经费内部支出存量对西部地区被帮扶省份的空间溢出,促进了西部地区被帮扶省份的全要素生产率及其分解技术进步项的增长,但抑制了它的技术效率提高,且这些作用均在1%的显著水平上显著。本文结合国情,运用数据包络技术、随机前沿分析、三阶段DEA等科学的方法,分析了1996年国务院办公厅转发的《关于组织经济较发达地区与经济欠发达地区开展扶贫协作的报告》的政策效应,具有较强的科学依据和现实意义。与现有研究相比,本文具有以下创新之处:1.较系统的分析了数据包络技术(DEA)和随机前沿分析(SFA)的区别与联系。2.详细的说明了三阶段数据包络技术的理论来源。3.本文将我国各省(区、市)之间的对口帮扶关系(北京帮扶内蒙古,天津帮扶甘肃,上海帮扶云南,广东帮扶广西,江苏帮扶陕西,浙江帮扶四川,山东帮扶新疆,辽宁帮扶青海,福建帮扶宁夏,大连、青岛、深圳、宁波帮扶贵州,珠海市、厦门市对口帮扶重庆市)引入到空间矩阵中,使得本文构建的空间矩阵更符合我国现实情况。此种做法尚未见先例。4.本文发现,不管是运用哪一种方法分析,东部地区帮扶省份的科技活动经费内部支出存量对西部地区被帮扶省份的空间溢出,均促进了西部地区被帮扶省份的全要素生产率及其分解的技术进步的发展,且这种作用在统计上显著;而对西部地区被帮扶省份技术效率的影响尚不确定。
【Abstract】 On July 6th, 1996,the General Office of the State Council of the People’s Republic of China had transponded "the report on organizing more developed regions and undeveloped regions to develop cooperative poverty alleviation ".It officially deployed Beijing supporting Neimenggu, Tianjin supporting Gansu, Shanghai supporting Yunnan, Guangdong supporting Guangxi, Jiangsu supporting Shanxi, Zhejiang supporting Sichuan, Shandong supporting Xinjiang, Liaoning supporting Qinghai, Fujian supporting Ningxia, Dalian、Qingdao、Shenzhen、Ningbo supporting Guizhou. This policy signed that the national poverty alleviation launched all-round. In 2002, the State Council of the People’s Republic of China made Zhuhai, Xiamen supporting Chongqing decision. So far, there are 15 eastern developed provinces and municipalities to support the west 11 provinces （Tibet is a poor area which enjoyed key supporting policy）, things have been involved in poverty alleviation collaboration 26 provinces （autonomous regions and municipalities）. All relevant provinces’（autonomous regions and municipalities） governments attached great importance to poverty alleviation works, did a lot of successful works which promoted the coordinate development of the economic society and common progress, and made positive contribution to the construction of a socialist harmonious society. This dissertation explores the supporting effect between eastern and western provinces. The main contents and conclusions in the dissertation are:1.This dissertation detailedly describes the Data Envelopment Analysis based on the output orientation.Then we estimate the Output-Oriented Malmquist Productivity Indexes of all the provinces in the sample and their decompositions which include Technical Change and Efficiency Change, and analyze on the factors that impact them. Through empirical analysis, this chapter draw: the spilled internal spending stock of the science and technology activity from supporting provinces to supported provinces promotes the latter’s total factor productivity and technical change, but causes the latter’s efficiency change drops.Thereinto, the effects on the total factor productivity and technical change of supported provinces are significant, the influences on the efficiency change of supported provinces are not significant.2.We interprets Stochastic Frontier Analysis in detail, and then points out that 1992 model of Coelli et al and 1995 model of Coelli et al is not homologous, which means that these two kinds of models can not test the hypothesis one another. In this method, based on the assumption that the production function is translog production function in the provinces, we estimated 1995 model of Coelli et al by using the sample of this paper. Through the estimated results, we can calculate the annual frontier technical progress change、relative technical efficiency and scale efficiency in the provinces, and then get their annual total factor productivities. Then we analyzed on the factors that impacted them.The results show that: the spilled internal spending stock of the science and technology activity from supporting provinces to supported provinces promotes the latter’s total factor productivity and its decomposition.Thereinto, the effects on the total factor productivity of supported provinces are significant, but the technical change and efficiency change are not.3.The dissertation analyzed the differences and relations between the Data Envelopment Analysis and Stochastic Frontier Analysis, then we apply the two methods to calculate the growth of total factor productivity in the provinces and their decompositions in the sample, and then we studied the corresponding supporting effect between eastern and western provinces. Our empirical results indicate that the spilled internal spending stock of the science and technology activity from supporting provinces to supported provinces promotes the latter’s total factor productivity and its decomposition by using the two methods, but these effects some are significant and some not.4. Considering Data Envelopment Analysis does not strip the influences of environment variables and random noise in measuring total factor productivity of the provinces and their decompositions; and Stochastic Frontier Analysis can strip random noise,but it has definite functional form.Based on a combination of the two methods, this chapter apply three-stage DEA to calculate the total factor productivity in the provinces and their decompositions in the sample. The benefits of this method are that it can peel environment variables、random noise and management inefficiency to effect inputs（or output） , and do not require to set the form of production function （or cost function）.Then we analyze the factors which effected the total factor productivity of the provinces and their decompositions, we can conclude that the spilled internal spending stock of the science and technology activity from supporting provinces to supported provinces promotes the latter’s total factor productivity and technical change,but causes the latter’s efficiency change droped, and all of the effects are significant.Through an inclusive analysis on certain important issues concerned with the corresponding supporting effect of Chinese eastern and western areas, this dissertation had brought forth some innovative ideas andconclusions:1. We analyzed the differences and relations between the Data Envelopment Analysis and Stochastic Frontier Analysis in detail.2. This dissertation illustrates the theoretical sources of three-stage Data Envelopment Analysis in detail.3.This dissertation introduces the corresponding supporting relationship between provinces which includes Beijing supporting Neimenggu, Tianjin supporting Gansu, Shanghai supporting Yunnan, Guangdong supporting Guangxi, Jiangsu supporting Shanxi, Zhejiang supporting Sichuan, Shandong supporting Xinjiang, Liaoning supporting Qinghai, Fujian supporting Ningxia, Dalian、Qingdao、Shenzhen and Ningbo supporting Guizhou, Zhuhai and Xiamen supporting Chongqing into the spatial correlation matrix, thus makes the spatial correlation matrix about the correlation between the supporting provinces and the supported provinces more accord with the actual situation. Such spatial correlation matrix has no leading card so far.4. This dissertation has found that the spilled internal spending stock of the science and technology activity from supporting provinces to supported provinces promotes the latter’s total factor productivity and technical change,and these effects are significant.And the effects of the spilled internal spending stock of the science and technology activity from supporting provinces to supported provinces are uncertain.
【关键词】 数据包络技术； 随机前沿分析； 三阶段DEA； 对口帮扶效应；
【Key words】 Data Envelopment Analysis； Stochastic Frontier Analysis； three-stage DEA； corresponding supporting effect；