工业全要素生产率数据、制造业TFP数据（1949-2020年）
工业全要素生产率数据、制造业TFP数据（1949-2020年）
工业全要素生产率数据、制造业TFP数据（1949-2020年）



产出为：实际GDP

投入要素为：从业人员数、固定资产（永续盘存法）

这份数据的工作量巨大，包含了工业的年的数据！

我看过目前大部分测算全要素生产率的数据，要么极度不全，要么数据错误，所以花了很多精力重新核算，并加入了新数据。

年度数据更新到2020年，方法上采用最流行的全要素生产率算法。

Excel格式，精确计算，欢迎点击网盘链接下载！


坛友典型问题整理如下：
1.这份数据完整吗？多不多缺失值？
答：非常完整，没有缺失。

2.数据来源于什么地方？
答：首先查中国的统计年鉴，然后搜索CSMAR、CNRDS数据库，再查国内历史资料、历史数据汇编，最后查国外数据库中有关中国的相关数据，经过这四步后数据才最终完整，超级不容易！请大家尊重劳动成果，谢谢！

3.数据的计算方法可以详细介绍一下吗？
答：可以的。全要素生产率的测算方法主要分为非参数法和参数法两类。非参数法中以DEA、Malmquist指数方法为主，虽然比较经典，但不能对前沿面的适用性进行检验，且没有考虑随机因素对测量结果的影响，而参数法能够克服上述缺点。参数法又可分为索洛残差法、隐性变量法和随机前沿生产函数法（SFA）。索洛残差法建立在市场是完全竞争的、技术进步是希克斯中性的且规模报酬不变的假设基础之上，并将C-D生产函数所得的残差当作全要素生产率。但这些严格的假设条件往往与现实情况不符；并且，全要素生产率仅被解释为技术进步的影响，没有考虑规模经济和效率改善等因素；此外，该法没有剔除测算误差对全要素生产率的影响，因此会导致技术进步的高估。隐性变量法虽然利用状态空间将全要素生产率从测量误差中分离出来，但是其理论仍然建立在C-D生产函数和规模报酬不变等相关假设基础之上，因而针对索洛残差法的部分问题还是没有解决。SFA将生产函数的形式设定为超越对数生产函数，这种函数形式比C-D函数更具灵活性，同时放松了规模报酬不变和技术中性的假定，允许劳动力和资本非充分利用的情况。此外，SFA还考虑了随机误差项对全要素生产率的影响。这份数据参考Battese和Coelli的模型，采用最新的SFA方法进行计算，最大限度地确保计算结果的精确性，可以为各类研究提供可靠的分析依据。欢迎下载！