Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "total factor productivity (TFP)" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-9 z 9
    Tytuł:
    GDP and TFP in Poviats of the Łódzkie Voivodeship. Estimation and Analysis of Differentiation
    PKB i TFP w powiatach województwa łódzkiego. Oszacowanie i ocena zróżnicowania
    Autorzy:
    Dańska-Borsiak, Barbara
    Powiązania:
    https://bibliotekanauki.pl/articles/2045980.pdf
    Data publikacji:
    2022
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    total factor productivity (TFP)
    GDP
    poviat
    spatial panel data model
    łączna produktywność czynników produkcji (TFP)
    PKB
    powiat
    przestrzenny model danych panelowych
    Opis:
    The main objective of the research was to estimate the level of GDP and total factor productivity (TFP) in the counties ('poviats') of the Łódzkie voivodeship in the period 2002-2019. The gross product in poviats was determined by disaggregating the GDP of the Łódzkie voivodeship in proportion to the revenues of poviat budgets from personal income tax PIT and to the shares of poviats in the voivodeship wage fund. TFP was determined on the basis of a labour productivity model derived from the Cobb-Douglas production function with the assumption of constant returns to scale. A spatial panel data model estimated by the maximum likelihood method was applied. The poviat of Łódź was identified as the upper outlier in terms of the level of gross product. The dynamics of poviat values of GDP was similar to the national one, but poviats with a much faster rate of growth were identified. The highest level of TFP was observed in the poviat of Łódź. Very high productivity was also characteristic for the two other cities with poviat status, especially Skierniewice. In the Łódzkie voivodeship there was a progressive polarisation in terms of TFP with two leading poviats. No spillover processes were found. The capital city of the voivodeship, being itself the upper outlier, therefore did not play the role of a growth centre. It was also found that a clearly defined profile of economic activity in the poviat is conducive to faster TFP growth.
    Zasadniczym celem badań było oszacowanie poziomu PKB i łącznej produktywności czynników produkcji (TFP) w powiatach województwa łódzkiego w latach 2002-2019. PKB oszacowano, dezagregując PKB województwa proporcjonalnie do dochodów podatkowych powiatów oraz do ich udziałów w wojewódzkim funduszu płac. TFP wyznaczono na podstawie modelu produktywności pracy wynikającego z funkcji produkcji Cobba-Douglasa z założeniem stałych efektów skali. Zastosowano panelowy model przestrzenny estymowany Metodą Największej Wiarygodności. Powiat miasto Łódź zidentyfikowano jako region o zdecydowanie najwyższym poziomie wytworzonej produkcji. Dynamika powiatowych wartości PKB była zbliżona do ogólnokrajowej, ale wskazano powiaty o znacznie szybszym tempie wzrostu. Najwyższym poziomem TFP charakteryzował się powiat m. Łódź. Bardzo wysoka produktywność charakteryzowała też dwa inne powiaty grodzkie, zwłaszcza Skierniewice. W badanym okresie rosła polaryzacja powiatów ze względu na poziom TFP oraz nie występowały zależności przestrzenne. Stolica województwa, będąca upper outlier, nie pełniła więc funkcji ośrodka wzrostu. Stwierdzono również szybszy wzrost TFP w powiatach o wyraźniej określonym profilu działalności gospodarczej.
    Źródło:
    Econometrics. Ekonometria. Advances in Applied Data Analytics; 2022, 1; 14-30
    1507-3866
    Pojawia się w:
    Econometrics. Ekonometria. Advances in Applied Data Analytics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    PKB i TFP w powiatach województwa wielkopolskiego. Oszacowanie i ocena zróżnicowania
    Territorial differentiation of GDP and TFP in poviats of the wielkopolskie voivodeship
    Autorzy:
    Dańska-Borsiak, Barbara
    Powiązania:
    https://bibliotekanauki.pl/articles/1022874.pdf
    Data publikacji:
    2020-12-30
    Wydawca:
    Uniwersytet im. Adama Mickiewicza w Poznaniu
    Tematy:
    total factor productivity (TFP)
    GDP
    Polish NUTS-4 region (poviat)
    spatial autocorrelation
    łączna produktywność czynników produkcji (TFP)
    PKB
    powiat
    autokorelacja przestrzenna
    Opis:
    W prezentowanych badaniach oszacowano poziom PKB i łączną produktywność czynników produkcji (TFP) dla powiatów województwa wielkopolskiego w latach 2008–2018 oraz dokonano analizy ich zróżnicowania pod tym względem. W szczególności zbadano występowanie zależności przestrzennych w rozkładach obu zmiennych. Na podstawie wartości globalnych i lokalnych statystyk Morana wskazano powiat miasto Poznań jako tzw. hot-spot, a więc region o wysokich wartościach PKB oraz TFP, pozytywnie oddziałujący na region sąsiedni. Zależności przestrzenne w skali globalnej (całego województwa) praktycznie nie występują, natomiast zauważalne są różnice w zależności od dominującego profilu gospodarczego powiatu.
    The aim of the article is to estimate the level of GDP and total factor productivity (TFP) for poviats of the wielkopolskie voivodeship in the years 2008–2018 and to analyse their differentiation in this respect. Based on changes in TFP, it is possible to evaluate changes in the efficiency of the production process caused by technological progress. This efficiency is one of the factors conditioning economic growth that affects the standard and living conditions. Data on GDP by poviats are not available in official statistics. Thus, the first specific goal of the research was to estimate them. The second specific goal was to investigate whether there are spatial relationships in the distribution of this variable. Based on the values of global and local Moran statistics, Poznań (being the city with poviat status) was identified as the so-called hot-spot, i.e. a region with a high GDP value, positively influencing the neighbouring region. TFP is an immeasurable variable; estimating its value in poviats is the third specific objective. TFP was assumed to be a function of time and technological progress. Its values were estimated on the basis of the Cobb-Douglas function, taking into account regional differentiation of productivity. The parameters of the productivity function were estimated on the basis of the panel data spatial model. The results indicate, that the highest TFP values are characteristic of urban poviats. A hotspot was identified in Poznań (being the city with poviat status). Two other cities with poviat status: Leszno and Konin, although they themselves are characterized by high productivity, do not act as growth centers. Spatial dependencies on a global scale (of the entire voivodeship) are practically non-existent, but there are noticeable differences between poviats depending on their dominant economic profile.
    Źródło:
    Rozwój Regionalny i Polityka Regionalna; 2020, 52; 11-28
    2353-1428
    Pojawia się w:
    Rozwój Regionalny i Polityka Regionalna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Productivity of European Union agriculture in 2009-2018. Measurement and analysis using the aggregated productivity indexes
    Produktywność rolnictwa Unii Europejskiej w latach 2009-2018. Pomiar i analiza z wykorzystaniem zagregowanych indeksów produktywności
    Autorzy:
    Rusielik, Robert
    Powiązania:
    https://bibliotekanauki.pl/articles/584497.pdf
    Data publikacji:
    2020
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    agricultural productivity
    Total Factor Productivity (TFP)
    Färe-Primont index
    produktywność rolnictwa UE
    Färe-Primont indeks
    Opis:
    The study measured the Total Factor Productivity (TFP) of European Union (EU) agriculture in 2009-2018. Aggregated Färe-Primont productivity indexes were used for this purpose. The indexes are relative in nature, i.e. their level is determined in relation to other countries, and thus, first of all, productivity indicators were calculated for 25 EU countries. Then, an analysis of the changes in these indicators in the analysed years was performed. Based on the analysis, countries were grouped into four specific groups distinguished by differences in the level of productivity and by the dynamics and nature of changes taking place at this level. In essence, group A are countries with the highest levels of productivity throughout the period under analysis. Group B are countries characterized by an average level of productivity. Group C are countries where the level of productivity is decreasing, while group D are countries with the lowest productivity. In the next stage of research, an attempt was made to compare the identified groups in terms of selected indicators. The aim of the research was to show the differences in the level of productivity between EU countries and to try to find factors affecting this level.
    W badaniach został wykonany pomiar poziomu produktywności całkowitej Total Factor Productivity (TFP) rolnictwa Unii Europejskiej (UE) w latach 2009-2018. Wykorzystano w tym celu zagregowane indeksy produktywności Färe-Primonta. Indeksy mają charakter względny, tj. ich poziom wyznaczany jest w relacji do innych krajów. I tak, po pierwsze, obliczono wskaźniki produktywności dla 25 krajów UE. Następnie wykonano analizę zmian tych wskaźników w analizowanych latach. Na podstawie analizy wykonano grupowanie krajów na cztery specyficzne grupy wyodrębnione ze względu na różnice w poziomie produktywności oraz ze względu na dynamikę i charakter zachodzących zmian tego poziomu. W uproszczeniu grupa A to kraje o najwyższym poziomie produktywności przez cały analizowany okres. Grupa B to kraje charakteryzujące się średnim poziomem produktywności. Grupa C to kraje, w których poziom produktywności się zmniejsza, natomiast grupa D to kraje o najniższej produktywności. W kolejnym etapie badań podjęto próbę porównania wyodrębnionych grup pod względem wybranych wskaźników. Celem badań było wykazanie różnic w poziomie produktywności pomiędzy krajami UE i próba znalezienia czynników mających wpływ na ten poziom.
    Źródło:
    Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu; 2020, 64, 4; 173-186
    1899-3192
    Pojawia się w:
    Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wpływ sektora ICT na lukę produktywności między Unią Europejską i USA – analiza dla okresu 1996-2017
    Impact of the ICT sector on the EU-US productivity gap – analysis for the period 1996-2017
    Autorzy:
    Młynarzewska-Borowiec, Izabela
    Powiązania:
    https://bibliotekanauki.pl/articles/1026634.pdf
    Data publikacji:
    2020-11-05
    Wydawca:
    Katolicki Uniwersytet Lubelski Jana Pawła II
    Tematy:
    luka produktywności UE-USA
    technologie informacyjno-komunikacyjne (ICT)
    łączna produktywność czynników produkcji (TFP)
    rachunek produktywności KLEMS
    EU-US productivity gap
    ICT
    Total Factor Productivity
    KLEMS productivity accounts
    Opis:
    Celem artykułu jest weryfikacja hipotezy o istotnym związku między rozwojem sektora ICT a luką produktywności pracy między UE i USA w okresie 1996-2017. Analizę wpływu ICT na różnice w produktywności pracy przeprowadza się na poziomie makroekonomicznym i sektorowym, wykorzystując rachunek produktywności KLEMS. W świetle otrzymanych wyników różnicę dynamiki produktywności między USA i krajami UE (w szczególności tzw. starymi krajami członkowskimi) w analizowanym okresie można ściśle wiązać z dysproporcją obu regionów w zakresie ujawniania się bezpośrednich efektów rozwoju sektora ICT, tj. wzrostu TFP w tym sektorze oraz inwestycji w technologie informacyjno-komunikacyjne w pozostałych. Dysproporcje te pogłębiły się w okresie 2007-2017, kiedy zaobserwowano dodatkowo brak pośredniego wpływu ICT na produktywność pracy w europejskich gospodarkach (brak dodatkowego wzrostu TFP w innych sektorach).
    The aim of the article is to verify the hypothesis about the significant relationship between the ICT sector development and the EU-US productivity gap in the period 1996-2017. The analysis of the ICT impact on productivity differences is carried out using the KLEMS productivity accounts at the macroeconomic and sectoral level. In the light of the obtained results, the difference in labour productivity dynamics between the US and the EU (in particular its so-called old member states) in the analysed period can be closely associated with the disproportion of both regions in the area of revealing the direct effects of ICT sector development, i.e. TFP growth in this sector and ICT investment in others. These disproportions deepened in the period 2007-2017, when the lack of ICT indirect impact on productivity (the lack of TFP growth in ICT-using sectors) in many European economies was additionally observed.
    Źródło:
    Przegląd Prawno-Ekonomiczny; 2020, 3; 27-48
    1898-2166
    Pojawia się w:
    Przegląd Prawno-Ekonomiczny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Efficiency and technical progress in agricultural productivity in the European Union
    Efektywność i postęp techniczny w kształtowaniu produktywności rolnictwa UE
    Autorzy:
    Smędzik-Ambroży, Katarzyna
    Sapa, Agnieszka
    Powiązania:
    https://bibliotekanauki.pl/articles/583041.pdf
    Data publikacji:
    2019
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    agriculture
    total factor productivity (TFP)
    efficiency
    technical progress
    European Union
    Data Envelopment Analysis
    rolnictwo
    całkowita produktywność rolnictwa
    efektywność
    postęp techniczny
    Unia Europejska
    Opis:
    The aim of this study was to estimate changes in total productivity in agriculture of the EU, the EU 15 and the EU 10 countries and to determine to what extent these changes resulted from technical progress and to what extent from changes in production efficiency. The time frame of analyses concerned 2006-2017, the spatial scope involved both the EU, the EU 15 (the so-called “old EU countries”), the EU 10 (“the new EU countries”) and individual EU countries. The subjective scope of the survey covered selected farms from the EU countries representing from 4 045 300 to 5 295 930 farms in the EU countries depending on the year. The data from the Farm Accountancy Data Network (FADN), a European system for accountancy data collection from agricultural holdings, were used. Total factor productivity (TFP) was evaluated using the Malmquist productivity index and non-parametric data envelopment analysis (DEA). The research found that over the period 2006-2017 the average level of positive changes of total factor productivity was similar in the old and new EU countries. At the same time, the increase in total productivity in the EU was mainly the result of an increase in efficiency, in the EU 15 it was the effect of positive changes in efficiency, while in the EU 10 it was due to both efficiency gains and technical progress. In 2006-2017, the greatest changes in technical progress were observed in the Czech Republic, and the highest increase in the efficiency of agricultural production in Ireland, while the decrease in the efficiency of agricultural production and technical regress of agriculture occurred only in Spain and Austria.
    Celem artykułu było określenie zmian w całkowitej produktywności rolnictwa w krajach UE, UE 15 i UE 10 oraz wskazanie, w jakim stopniu zmiany te wynikały z postępu technicznego, a w jakim ze zmian w efektywności produkcji. Zakres czasowy analiz to lata 2006-2017, zakres przestrzenny dotyczył UE, UE 15 (tzw. starych krajów członkowskich), UE 10 (tzw. nowych krajów członkowskich) i poszczególnych krajów UE. Zakres podmiotowy badania obejmował reprezentatywne gospodarstwa rolne, które reprezentowały w zależności od roku od 4 045 300 do 5 295 930 gospodarstw rolnych w krajach UE. W analizach zastosowano dane FADN – Europejskiego Systemu Rachunkowości Rolnej. Całkowitą produktywność rolnictwa (TFP) oszacowano, obliczając indeks Malmquista z użyciem metody DEA. Udowodniono, że w latach 2006-2017 przeciętne zmiany produktywności rolnictwa w starych i nowych krajach UE były zbliżone. Jednocześnie wzrost całkowitej produktywności w UE był efektem wzrostu efektywności, w krajach UE 15 − rezultatem poprawy efektywności, a w krajach UE 10 wynikał ze wzrostu efektywności i z postępu technicznego. W latach 2006- 2017 największe zmiany postępu technicznego obserwowano w Czechach, a zmiany wzrostu efektywności produkcji rolnej − w Irlandii. W tym samym czasie spadek efektywności produkcji rolnej i regres techniczny rolnictwa wystąpiły w Hiszpanii i Austrii.
    Źródło:
    Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu; 2019, 63, 7; 114-126
    1899-3192
    Pojawia się w:
    Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Temporary Brain Drain, Distance to the Frontier, and Welfare at Origin
    Tymczasowy drenaż mózgów, dystans do krajów najbogatszych oraz dobrobyt w krajach wysyłających
    Autorzy:
    Wiśniewski, Daniel
    Powiązania:
    https://bibliotekanauki.pl/articles/575356.pdf
    Data publikacji:
    2013-06-30
    Wydawca:
    Szkoła Główna Handlowa w Warszawie. Kolegium Analiz Ekonomicznych
    Tematy:
    drenaż mózgów
    migracja powrotna
    kapitał ludzki
    produktywność
    dyfuzja technologii
    brain drain
    brain gain
    return migration
    human capital
    technology diffusion
    total factor productivity (TFP)
    Opis:
    Głównym celem tego artykułu jest analiza drenażu mózgów, który może mieć pozytywny wpływ na gospodarki krajów europejskich ze względu na migracje tymczasowe, efekt edukacyjny oraz zwiększone możliwości adaptacji technologii. Współczesne analizy empiryczne potwierdzają, że migracje tymczasowe to powszechne zjawisko, zwłaszcza w czasie kryzysu ekonomicznego, które może mieć pozytywny wpływ na produktywność całkowitą, co w rezultacie prowadzi do zwiększenia możliwości adopcji nowych technologii. Poniższy artykuł rozwija dwuetapowy model generacyjny rozpatrujący możliwy wzrost kapitału ludzkiego wynikający z migracji tymczasowych. Wspomniany model jest zorganizowany w sposób pozwalający zaobserwować zmiany w poziomie kapitału ludzkiego w krajach wysyłających i przyjmujących zarówno w krótkim jak i długim okresie czasu. Następnie ta struktura matematyczna zostaje użyta w symulacji dla sześciu państw europejskich. Każdy kraj doświadcza niespodziewanego szoku gospodarczego wynikającego ze wzrostu lub spadku drenażu mózgów, którego poziom zostaje zablokowany w następnych okresach. Wyniki badań wskazują, że kraje wysoko rozwinięte powinny doświadczyć wzrostu kapitału ludzkiego podczas gdy kraje biedniejsze prawdopodobnie będą nadal cierpiały z powodu drenażu mózgów w dłuższej perspektywie czasowej. Zupełnie inne wnioski można jednak wysnuć w kwestii poziomu dobrobytu. Symulacje wykazują bowiem, że kraje gorzej rozwinięte doświadczą znaczącego wzrostu gospodarczego.
    The article analyzes the possible impact of a brain drain on the economies of six selected European countries, suggesting that this impact may be positive in the long run due to a combination of factors including temporary migration, an educational effect and increased capability for technology adoption. According to the author, research shows that temporary migration is a widespread trend that involves a significant number of people, especially during an economic crisis. Recent empirical studies also confirm that temporary migration may have a positive effect on the economies of sending countries, improving their total factor productivity (TFP) and speeding up technology adoption, the author says. The article develops a simple two-period model analyzing the possible “brain gain” pattern resulting from return migration. The model is structured so as to show changes in the human capital of both sending and receiving countries in the short and long run. This mathematical structure is then simulated with the use of statistical data from various sources. Each studied country experiences an unexpected shock resulting in either an increase or a decrease of the brain drain, which is then fixed in the subsequent periods. The empirical results indicate that most developed countries are likely to benefit from a brain gain, whereas poorer states usually experience a brain drain in the long run, the author says. The opposite is true of welfare, he adds: the simulations indicate that poorer countries are likely to experience significant economic growth.
    Źródło:
    Gospodarka Narodowa. The Polish Journal of Economics; 2013, 264, 5-6; 69-96
    2300-5238
    Pojawia się w:
    Gospodarka Narodowa. The Polish Journal of Economics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wzrost gospodarczy w krajach Europy Środkowo-Wschodniej na tle wybranych krajów wschodzących
    Economic Growth Paths in Central and Eastern European Countries and in Selected Emerging Economies
    Autorzy:
    Rapacki, Ryszard
    Próchniak, Mariusz
    Powiązania:
    https://bibliotekanauki.pl/articles/575551.pdf
    Data publikacji:
    2012-02-29
    Wydawca:
    Szkoła Główna Handlowa w Warszawie. Kolegium Analiz Ekonomicznych
    Tematy:
    wzrost gospodarczy
    konwergencja
    rachunek wzrostu
    łączna produktywność czynników wytwórczych
    TFP
    kraje Europy Środkowo-Wschodniej
    economic growth
    convergence
    growth accounting
    total factor productivity (TFP)
    Central and Eastern Europe
    Opis:
    The paper offers an empirical analysis of economic growth paths in two groups of countries. The first group consists of 10 Central and Eastern European (CEE10) countries. The second group constitutes a benchmark and encompasses 29 emerging economies in other regions of the world. The authors compare the growth paths of the CEE10 countries and the reference emerging economies. They use two econometric methods to test their research hypotheses: income-level convergence analysis and growth accounting exercise. The existence of convergence is checked using linear regression equations estimated with the least squares method (the explanatory variable is the rate of real GDP per capita growth in the case of β convergence and standard GDP per capita deviation between countries in the case of σ convergence. Total factor productivity (TFP), on the other hand, is calculated using the residual method, by subtracting from the overall rate of real GDP growth the average weighted growth rate of measurable factors of production: labor and physical capital. The main findings from the analysis are as follows: (1) individual CEE countries and the CEE10 group, as a whole, displayed relatively fast economic growth, compared with the remaining 29 emerging economies; (2) the analysis did not confirm that the fast economic growth of the CEE10 countries (in comparison with the other emerging economies) resulted from the mechanism of absolute convergence. There were signs, however, that the former group was subject to conditional β convergence; (3) rapid economic growth in the CEE10 countries was to a large extent (more considerably than in other analyzed countries) driven by the increase in total factor productivity.
    Artykuł przedstawia empiryczną analizę ścieżek wzrostu gospodarczego dwóch grup krajów. Pierwsza obejmuje 10 państw Europy Środkowo-Wschodniej (EŚW-10). Druga grupa stanowi punkt odniesienia i uwzględnia 29 gospodarek wschodzących z innych regionów świata. Analiza dotyczy okresu 1993-2007. W artykule porównano ścieżki wzrostu gospodarczego krajów EŚW-10 i pozostałych krajów wschodzących. Do weryfikacji hipotez badawczych wykorzystano analizę konwergencji dochodowej i rachunek wzrostu gospodarczego. Występowanie zjawiska zbieżności weryfikowano za pomocą równań regresji liniowej, które estymowano metodą najmniejszych kwadratów (zmienną objaśnianą jest tempo wzrostu realnego PKB per capita w przypadku zbieżności β lub odchylenie standardowe PKB per capita między krajami w przypadku zbieżności σ). Natomiast łączną produktywność czynników wytwórczych (TFP) policzono metodą rezydualną, odejmując od tempa wzrostu realnego PKB ogółem średnie ważone tempo wzrostu mierzalnych czynników wytwórczych: pracy i kapitału rzeczowego. Główne wnioski z przeprowadzonej analizy są następujące: (1) Poszczególne kraje Europy Środkowo-Wschodniej oraz grupa EŚW-10 jako całość zanotowały względnie szybki wzrost gospodarczy w porównaniu z pozostałymi 29 krajami odniesienia. (2) Badanie nie potwierdziło, aby szybki wzrost gospodarczy krajów EŚW-10 (w porównaniu z krajami referencyjnymi) wynikał z mechanizmu konwergencji absolutnej, chociaż okazuje się, że analizowane kraje rozwijały się zgodnie z hipotezą konwergencji warunkowej typu β. (3) Szybki wzrost gospodarczy krajów EŚW-10 był w dużym (znacznie większym niż w pozostałych badanych krajach) stopniu determinowany przez wzrost łącznej produktywności czynników wytwórczych.
    Źródło:
    Gospodarka Narodowa. The Polish Journal of Economics; 2012, 253, 1-2; 65-96
    2300-5238
    Pojawia się w:
    Gospodarka Narodowa. The Polish Journal of Economics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Przestrzenne zróżnicowanie łącznej produktywności czynników produkcji w Polsce
    The Regional Diversification of Total Factor Productivity in Poland
    Autorzy:
    Tokarski, Tomasz
    Powiązania:
    https://bibliotekanauki.pl/articles/574547.pdf
    Data publikacji:
    2010-03-31
    Wydawca:
    Szkoła Główna Handlowa w Warszawie. Kolegium Analiz Ekonomicznych
    Tematy:
    total factor productivity (TFP)
    capital-labor ratio
    macroeconomic production function
    infrastructure
    regional studies
    Opis:
    The author analyzes the regional diversification of labor productivity, the capital-labor ratio, and total factor productivity (TFP) in Poland’s provinces in 1995-2007. He also undertakes to endogenize TFP on the basis of statistical data describing the structure of value added generated in agriculture, industry, construction and services, as well as data on the development of transport infrastructure, including the density of freeways, expressways and rail lines. Using the concept of the macroeconomic function of production, Tokarski estimates TFP for each province in 1995-2007. Then the TFP levels are endogenized on the basis of variables describing the sector structure of the product market and the development of transportation infrastructure. The analyses described in the paper show that provinces with a higher proportion of value added generated in the service sector generally display a higher level of TFP. Among the variables describing transport infrastructure, the freeway and expressway network density has a statistically significant positive effect on TFP, while the density of rail lines does not have such an effect, the author says.
    Źródło:
    Gospodarka Narodowa. The Polish Journal of Economics; 2010, 238, 3; 23-39
    2300-5238
    Pojawia się w:
    Gospodarka Narodowa. The Polish Journal of Economics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    SZACOWANIE I MODELOWANIE TFP W PRZEMYŚLE POLSKIM NA PODSTAWIE DANYCH PANELOWYCH [1]
    ESTIMATING AND MODELING OF TFP IN THE POLISH INDUSTRY. PANEL DATA ANALYSIS
    Autorzy:
    Dańska-Borsiak, Barbara
    Powiązania:
    https://bibliotekanauki.pl/articles/452835.pdf
    Data publikacji:
    2009
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    dynamiczny model panelowy
    funkcja produkcji
    łączna produktywność czynników produkcji (TFP)
    systemowy estymator GMM
    dynamic panel data model
    production function
    total factor productivity (TFP)
    system GMM estimator
    Opis:
    W artykule przedstawiono próbę oszacowania łącznej produktywności czynników produkcji (TFP) według działów sekcji „przetwórstwo”, oraz określenia czynników determinujących jej kształtowanie. Do oszacowania wartości TFP zastosowano dwie alternatywne metody, bazujące na funkcji produkcji Cobba–Douglasa. Następnie skonstruowano i oszacowano dynamiczny model panelowy, opisujący kształtowanie się TFP w działach. Zmienną objaśnianą były wartości oszacowane w pierwszym etapie analizy. Do estymacji zastosowano metody bazujące na GMM.
    The paper attempts to estimate total factor productivity (TFP) for sectors included in section „manufacturing”, and then to determine factors influencing it. Two alternative methods, based on the Cobb-Douglas production function were applied. The final step was construction and estimation of dynamic panel data model, describing TFP formation by sector. The explained variable was TFP, which values were estimated in the first step. GMM-based methods were used for estimation of the model.
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2009, 10, 1; 58-66
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-9 z 9

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies