Stata：计算绿色全要素生产率-gtfpch

Original 连享会连享会 2023-10-24

收录于合集 #Stata命令 335个

👇 连享会 · 推文导航 | www.lianxh.cn

🍎 Stata：Stata基础 | Stata绘图 | Stata程序 | Stata新命令
📘 论文：数据处理 | 结果输出 | 论文写作 | 数据分享
💹 计量：回归分析 | 交乘项-调节 | IV-GMM | 时间序列 | 面板数据 | 空间计量 | Probit-Logit | 分位数回归
⛳ 专题：SFA-DEA | 生存分析 | 爬虫 | 机器学习 | 文本分析
🔃 因果：DID | RDD | 因果推断 | 合成控制法 | PSM-Matching
🔨 工具：工具软件 | Markdown | Python-R-Stata
🎧 课程：公开课-直播 | 计量专题 | 关于连享会

连享会 · 2023 Stata寒假班

作者：刘淑云 (中国农业大学)
邮箱：s.liu@cau.edu.cn

温馨提示： 文中链接在微信中无法生效。请点击底部「阅读原文」。或直接长按/扫描如下二维码，直达原文：

1. 绿色全要素生产率
2. gtfpch命令介绍
3. Stata 实例
4. 参考资料
5. 相关推文

1. 绿色全要素生产率

尽管我国经济发展已经进入了高质量发展阶段，在工农业上也完成了一系列现代化的目标，但是目前我国经济总体上没有摆脱“高投入、高消耗、高排放”的发展模式，生态环境问题突出，资源能源消耗量大，迫切需要加快绿色发展转型。因此，用全要素生产率评价经济发展质量时，不仅要考虑传统的资本、劳动等要素的投入，同时也要考虑环境污染、碳排放等非期望产出。

Chung 等 (1997) 把环境污染视为非期望产出，开创性的采用方向性距离函数，并结合 Malmquist-Luenberger 指数测算出了瑞典 39 个造纸厂在 1986-1990 年的绿色全要素生产率。由于这一指数在传统 DDF 基础上加入了非期望产出，因此可以称之为绿色全要素生产率。

测算绿色全要素生产率的主要工具是 MLPI，随后又延伸出了四种比较重要的绿色生产率测算方法，分别是序列 MLPI (SMLPI) 、全域 MLPI (GMLPI) 、两期 MLPI (BMLPI) 和共同前沿 MLPI (MMLPI)。

2. gtfpch命令介绍

命令安装：

net install st0665.pkg, replace

命令语法：

gtfpch inputvars = desirable_outputvars:  undesirable_outputvars [if] [in] [, options]

gtfpch 在打开的数据集中选择投入产出变量，并使用指定的选项估计 GTFP 指数。其中，inputvars 表示投入变量，desirable_outputvars 表示期望产出，undesirable_outputvars 表示非期望产出。options 具体选项如下：

dmu(varname)：决策单元。
luenberger：估计 luenberger 生产率指数，默认是基于径向方向距离函数的 Malmquist-Luenberger 指数。
ort(string)：识别导向，默认是产出导向 ort(output) 的生产率指标，ort(input) 表示投入导向，ort(hybrid) 表示混合导向。
gx(varlist)：指定投入调整的方向，括号中变量的顺序与 inputvars 同，当选择产出导向时，默认 gx()=(0,...,0)，当选择投入导向和混合导向时，gx() = -inputvars。
gy(varlist)：指定期望产出的调整方向，括号中变量的顺序与 desirable_outputvars 同，当选择投入导向时，默认 gy()=(0,...,0)，当选择产出导向和混合导向时，gy() = desirable_outputvars。
gb(varlist)：指定非期望产出的调整方向，括号中变量的顺序与 undesirable_outputvars 同，当选择投入导向时，默认 gb()=(0,...,0)，当选择产出导向和混合导向时，gb() = -undesirable_outputvars。
nonradial：使用非径向方向距离函数。
wmat(name) ：指定非径向方向距离度量的投入产出变量调整权矩阵，仅当指定了非径向时才能使用。
window(#)：使用带 #-period 带宽的窗框生产技术。
biennial：估计两期 Malmquist 指数。
sequential：估计序列 Malmquist 指数。
global：估计全域 Malmquist 指数。
fgnz：根据 Färe 等 (1994) 对绿色全要素生产率进行分解。
rd：根据 Ray 和 Desli (1997) 对绿色全要素生产率进行分解。
tol(real)：指定线性程序的收敛准则公差，必须为大于 0 的整数，默认 tol(1e-8)。
maxiter(#)：指定线性程序的最大迭代次数，必须为大于 0 的整数，默认是 maxiter(16000)。
saving(filename[, replace])：指定存储结果的文件夹名。
frame(framename)：指定存储结果的文件名。
noprint:不显示结果。
nocheck：禁止检查新版本，当 Internet 连接不可用时，可以使用此选项节省时间。

3. Stata 实例

案例数据可通过 net get st0665.pkg, replace 获取，数据集中的变量包括：

投入变量是资本 (K)、劳动力 (L)、能源 (E)；
期望产出变量是实际 GDP (Y)；
非期望产出变量是二氧化碳排放量 (CO2)。

数据处理：

设置变量 dmu，对各个省份进行编码；
对资本 (K)、劳动力 (L)、能源 (E)、期望产出 (Y) 和二氧化碳排放量 (CO2) 取对数。

. use example, clear 
. foreach var of varlist K L E Y CO2{
  2.     gen ln`var'=log(`var')
  3. }
. encode Province, gen(dmu)

测算绿色全要素生产率：

. xtset dmu year
. gtfpch lnK lnL lnE = lnY: lnCO2               // MLPI(radial DDF)

     +-----------------------------------------------------------+
     | Row            dmu      Pdwise    TFPCH     TECH    TECCH |
     |-----------------------------------------------------------|
  1. |   2          Anhui   2013~2014   1.0040   1.0000   1.0041 |
  2. |   3          Anhui   2014~2015   1.0041   0.9982   1.0059 |
  3. |   5        Beijing   2013~2014   1.0044   1.0000   1.0044 |
                                  ...
 58. |  87         Yunnan   2014~2015   1.0072   1.0020   1.0052 |
 59. |  89       Zhejiang   2013~2014   1.0044   1.0007   1.0037 |
 60. |  90       Zhejiang   2014~2015   1.0029   0.9985   1.0044 |
     +-----------------------------------------------------------+

. gtfpch lnK lnL lnE = lnY: lnCO2, nonr luen    // LPI(NDDF)

     +------------------------------------------------------------+
     | Row            dmu      Pdwise    TFPCH      TECH    TECCH |
     |------------------------------------------------------------|
  1. |   2          Anhui   2013~2014   0.0093    0.0005   0.0088 |
  2. |   3          Anhui   2014~2015   0.0093   -0.0027   0.0120 |
  3. |   5        Beijing   2013~2014        .    0.0000        . |
                                  ...
 58. |  87         Yunnan   2014~2015   0.0167    0.0069   0.0098 |
 59. |  89       Zhejiang   2013~2014   0.0106    0.0023   0.0083 |
 60. |  90       Zhejiang   2014~2015   0.0066   -0.0039   0.0105 |
     +------------------------------------------------------------+

. gtfpch lnK lnL lnE = lnY: lnCO2, sequential   // SMLPI

     +-----------------------------------------------------------+
     | Row            dmu      Pdwise    TFPCH     TECH    TECCH |
     |-----------------------------------------------------------|
  1. |   2          Anhui   2013~2014   1.0040   1.0000   1.0041 |
  2. |   3          Anhui   2014~2015   1.0041   0.9982   1.0059 |
  3. |   5        Beijing   2013~2014   1.0044   1.0000   1.0044 |
                                  ...
 58. |  87         Yunnan   2014~2015   1.0072   1.0020   1.0052 |
 59. |  89       Zhejiang   2013~2014   1.0044   1.0007   1.0037 |
 60. |  90       Zhejiang   2014~2015   1.0029   0.9985   1.0044 |
     +-----------------------------------------------------------+

. gtfpch lnK lnL lnE = lnY: lnCO2, global       // GMLPI

     +-----------------------------------------------------------+
     | Row            dmu      Pdwise    TFPCH     TECH    TECCH |
     |-----------------------------------------------------------|
  1. |   2          Anhui   2013~2014   1.0032   1.0000   1.0033 |
  2. |   3          Anhui   2014~2015   1.0041   0.9982   1.0059 |
  3. |   5        Beijing   2013~2014   1.0036   1.0000   1.0036 |
                                  ...
 58. |  87         Yunnan   2014~2015   1.0070   1.0020   1.0049 |
 59. |  89       Zhejiang   2013~2014   1.0035   1.0007   1.0028 |
 60. |  90       Zhejiang   2014~2015   1.0030   0.9985   1.0046 |
     +-----------------------------------------------------------+

. gtfpch lnK lnL lnE = lnY: lnCO2, bi           // BMLPI

     +-----------------------------------------------------------+
     | Row            dmu      Pdwise    TFPCH     TECH    TECCH |
     |-----------------------------------------------------------|
  1. |   2          Anhui   2013~2014   1.0040   1.0000   1.0040 |
  2. |   3          Anhui   2014~2015   1.0041   0.9982   1.0059 |
  3. |   5        Beijing   2013~2014   1.0040   1.0000   1.0040 |
                                  ...
 58. |  87         Yunnan   2014~2015   1.0070   1.0020   1.0049 |
 59. |  89       Zhejiang   2013~2014   1.0043   1.0007   1.0036 |
 60. |  90       Zhejiang   2014~2015   1.0030   0.9985   1.0046 |
     +-----------------------------------------------------------+

4. 参考资料

Färe R, Grosskopf S, Norris M, et al. Productivity growth, technical progress, and efficiency change in industrialized countries[J]. The American economic review, 1994: 66-83. -PDF-
Ray S C, Desli E. Productivity growth, technical progress, and efficiency change in industrialized countries: comment[J]. The American Economic Review, 1997, 87(5): 1033-1039. -PDF-

5. 相关推文

Note：产生如下推文列表的 Stata 命令为：
lianxh 生产率 SFA DEA TFP, m
安装最新版 lianxh 命令：
ssc install lianxh, replace

专题：专题课程

⏫ 连享会：效率分析专题 (TFP-DEA-SFA)

专题：SFA-DEA-效率分析

Stata：Simar-Wilson两阶段半参数DEA-simarwilson

专题：公开课

⏩ 公开课：高质量发展评估 - 基于效率和生产率视角

专题：SFA-DEA-效率分析

Matlab：数据包络分析 (DEA) 入门教程
Stata效率分析：Simar-Wilson两阶段半参数DEA-T303
Stata-DEA：数据包络分析一文读懂
Stata: 数据包络分析 (DEA) 简明教程
Stata：各类全要素生产率 TFP 估算方法

课程推荐：因果推断实用计量方法
主讲老师：邱嘉平教授
🍓 课程主页：https://gitee.com/lianxh/YGqjp

New！ Stata 搜索神器：lianxh 和 songbl GIF 动图介绍
搜：推文、数据分享、期刊论文、重现代码 ……
👉 安装：
. ssc install lianxh
. ssc install songbl
👉 使用：
. lianxh DID 倍分法
. songbl all

🍏 关于我们

连享会 ( www.lianxh.cn，推文列表) 由中山大学连玉君老师团队创办，定期分享实证分析经验。
直通车： 👉【百度一下：连享会】即可直达连享会主页。亦可进一步添加「知乎」,「b 站」,「面板数据」,「公开课」等关键词细化搜索。

陈佩斯，这次真悬了！

不能返税、不能补贴，招商局长们怎么办？

大，无需多言，事实胜于雄辩

2024年最佳公众号排行，不用瞎忙，关注它们你就成功了一半

英美所谓联合声明无端指责中国，干涉中国内政，中方强烈不满、坚决反对！

Stata：计算绿色全要素生产率-gtfpch

1. 绿色全要素生产率

2. gtfpch命令介绍

3. Stata 实例

4. 参考资料

5. 相关推文

🍏 关于我们

您可能也对以下帖子感兴趣

陈佩斯，这次真悬了！

不能返税、不能补贴，招商局长们怎么办？

大，无需多言，事实胜于雄辩

2024年最佳公众号排行，不用瞎忙，关注它们你就成功了一半

英美所谓联合声明无端指责中国，干涉中国内政，中方强烈不满、坚决反对！

生成图片，分享到微信朋友圈

Stata：计算绿色全要素生产率-gtfpch

1. 绿色全要素生产率

2. gtfpch命令介绍

3. Stata 实例

4. 参考资料

5. 相关推文

🍏 关于我们

您可能也对以下帖子感兴趣