全要素生产率模型主要分为两大类，即参数模型和非参数模型，其中参数模型可以分为生产函数法和随机前沿生产函数法。生产函数法在早期的全要素生产率测算中应用较广，这种方法的关键是生产函数的选择（如柯布道格拉斯生产函数和超越对数生产函数），但是该方法的缺陷是假设规模报酬不变（易纲等，2003；郭庆旺和贾俊雪，2005），因为决策单元短期内规模报酬不变是合理的，但是在经济环境和市场竞争下，决策单元无法实现长期的最优生产规模。随机前沿生产函数是参数法中应用较广的一种方法，这种方法允许无效率的存在，更加接近实际情况，国内使用这种方法的学者较多（王争等，2008）。

非参数模型主要是指“指数法”，指数法的优点在于容易计算全要素生产率的变化，分为Tornqvist指数^[1]、Fisher指数和Malmquist指数等，国内学者在此领域进行了深入研究（林毅夫和刘培林，2003；颜鹏飞和王兵，2004；陶长琪和齐亚伟，2010）。其中，Malmquist指数法属于数据包络分析法（DEA）的一种，该方法不需要对生产函数结构做先验假定、不需要对参数进行估计、允许无效率行为存在、能对全要素生产效率的变动进行分解，近年来，越来越多的研究开始关注此方法（Färe等，1998）。Malmquist指数法具有以下优点：①不依赖企业价值变化等难以获取的数据；②适合对多个决策单元跨期数据的处理；③可以分解为效率改善和技术进步，技术效率和技术进步可以继续进行分解，通过分解指标的变化深度挖掘影响效率变动的原因；④可以简明的进行问题说明，直接指明与最佳企业相比，被评价企业在哪些投入产出项目上有差距，从而找出提高效率的最佳途径。Malmquist指数能实现对上市公司货币资金使用效率的动态测度，本章将使用Malmquist指数方法来测算上市公司货币资金使用的全要素生产效率，分析中国上市公司的货币资金使用的动态情况，进一步分解出中国上市公司的货币资金使用的技术效率变化、技术进步和规模报酬变动情况，掌握其动态特征与差异。(www.daowen.com)