环境视角下中国工业效率测度及影响因素研究

辜子寅

（1.中南财经政法大学 统计与数学学院，武汉 430073；2.常熟理工学院 数学与统计学院，江苏 常熟 215500）

0 引言

改革开放以来，我国工业占国内生产总值的比重一直维持在40%左右，工业对国民经济具有举足轻重的作用。2011年12月，国务院下发《工业转型升级规划（2011～2015年）》的通知，通知明确指出增加自主创新能力、提高工业效率、促进绿色工业发展是工业转型升级的重点任务。我国进入工业化发展的中后期阶段，正处工业转型的关键时期，对工业效率的正确测度不得不考虑对生态环境带来的影响。近年来，学者们开始对此问题进行研究。Jefferson等（2000）[1]对我国工业所有制、生产效率及财务绩效进行考察并分析其变化趋势。Zofio与Prieto（2001）[2]基于CO2的排放角度衡量了OECD中14个国家制造业的环境成本。Baris等（2005）[3]利用Malmquist-Luenberger指数方法在考虑环境污染基础上测算了OECD国家的生产率状况。陈诗一（2009）[4]将CO2的排放作为一种投入要素，运用超越对数分行业生产函数测算我国实际工业生产率。涂正革等（2008、2011）[5-6]以SO2作为非期望环境产出，运用SBM模型对资源环境约束下我国工业的环境效率及其影响因素进行实证分析。韩元军等（2011）[7]以工业SO2为非期望产出考察环境非规制、弱规制和强规制下的工业效率及影响因素。刘睿劼等（2012）[8]以工业环境影响的社会支付意愿代表环境投入，采用超效率DEA模型对我国2005～2009年各地工业效率差异进行综合评价。王燕等（2012）[9]以废气排放作为非期望产出，引入方向性距离函数和Malmquist指数法测度了我国绿色全要素生产率。

在前人研究基础上，本文所做工作主要有以下几个方面：第一，以往学者大多以CO2、SO2等单一污染作为工业产出在环境上牺牲，本文采用工业“三废”全面衡量环境污染。第二，本文从静态与动态两方面测度工业效率，并对比不考虑环境污染的效率值，找出工业发展落后的地区，并对地区工业发展效率的收敛性进行判断，以往学者少有研究。第三，对工业效率影响因素的选择，以往的研究大多关注与经济增长相关的变量，而忽略经济波动的影响，本文弥补此研究空缺。

1 工业效率的测度

1.1 变量选取和数据处理

本文研究时段为1997～2010年，研究对象为全国30个省市（由于西藏缺失数据较多，故不在分析范围内）。投入变量和产出变量的基本数据来源于历年《中国统计年鉴》、中国经济信息网专题资料库及国研网数据库。

投入变量从资本投入和劳动力投入两方面来考虑。资本投入用工业固定资产净值年平均余额来表示，为消除价格因素，以固定资产价格指数（以1997为基期）对其进行调整。由于往年没有工业从业人员直接统计数据，而从核算上我国工业包括采矿业、制造业、电力、燃气及水的生产和供应业三大部门，则用此三部门年底从业人员数作为劳动力投入。

产出变量从期望产出和非期望产出两方面考虑。期望产出即“好”产出，用地区工业增加值来表示，以工业品出厂价格指数（以1997为基期）剔除价格影响。非期望产出即“坏”产出，则用工业“三废”来表示，即工业废水排放总量、工业废气排放总量和工业固体废物排放总量。在运用DEA或Malmquist指数方法进行效率测算时，由于传统模型总希望投入最少最好，产出越多越好。那么，对含有非期望产出的模型，“坏”产出需要进行转换。目前常见的处理方式主要有两种，一种是将“坏”产出作为投入变量进行分析，但这种处理方法违背物质平衡法的基本思想，对期望产出和非期望产出的不对称处理会扭曲工业效率的测度，甚至出现政策建议的谬误。另一种处理方式是将“坏”产出进行线性或非线性变换，使之成为越大越好的变量。本文的分析将使用第二种思路，采纳Seiford与Zhu（2002）[10]提出线性数据函数变换方法对工业“三废”进行处理，即=-yit+max(yt)+1，其中，yit表示第t年第i个地区“三废”排放量原始值，max(yt)为第t年排放量的最大值，yit转化后记为。

1.2 基于DEA的静态效率测度

1.2.1 中国工业效率测度及差异研究

利用deap2.1分析软件，构建DEA中C2R模型计算得到我国30个省市每年工业技术效率值（crste），再构建DEA中的C2GS2模型将技术效率分解为纯技术效率（vrste）和规模效率（scale），有crste=vrste×scale。依据历年静态测算结果，计算1997～2010年各效率的平均值，不考虑工业“三废”污染的评价结果见图1所示，考虑非期望产出测度结果见图2所示。

图1 不考虑环境污染的工业效率

图2 考虑环境污染的工业效率

由图1，不考虑环境污染时，工业效率较高的地区依次是江苏、浙江、福建、广东、湖南、河南、山东、河北和上海，其技术效率值均大于0.8。其中，江苏和广东的纯技术效率在这期间一直处于最优状态。而其它地区的规模效率皆大于0.9，纯技术效率是制约工业效率进一步提升的主要原因。工业效率低下的地区为新疆、青海、甘肃、宁夏、山西和贵州，其技术效率值均低于0.5。其中，山西主要由于纯技术效率很差，青海主要因为工业规模受到限制，而新疆、甘肃、宁夏和贵州则受到纯技术效率和规模效率的双重拖累。

由图2，若考虑环境污染的制约，工业效率排名前5位的地区依次为海南、福建、青海、江苏和浙江，其技术效率、纯技术效率和规模效率均大于0.9，尤其是青海，历年一直处于相对最优水平。而排名后5位的地区分别是新疆、山西、甘肃、辽宁和黑龙江，它们的规模效率都较高，而纯技术效率皆存在较大的改进空间。

对比图1与图2，从地区层面来看，排名变化较大的地区有6个。其中，海南、青海、宁夏三地的工业效率在不考虑环境污染时排名十分靠后，分别为23、29、27，而在考虑环境污染后排名迅速提高到1、3、14。另外，山东、湖北和黑龙江三省工业效率则在考虑环境污染后排名分别为12、25、26，较不考虑污染时落后5～7位。同样出现排名变化后移的地区还有上海、安徽、天津、四川和北京，较不考虑污染时名次落后4位。这些地区工业增加值的提高是以工业“三废”大量排放、牺牲环境为代价换取的。对比图1，从图2不难发现，在考虑环境污染后，工业规模效率总体较高，低于0.9的地区仅6个，分别为北京、天津、山东、上海、黑龙江和广东，这几个地区恰处于规模收益递减阶段，表明投入量的增加不可能带来更大比例的产出增量，工业规模过于庞大已经带来负效应。整体上看，我国工业规模效率已接近最优前沿面，工业技术效率主要受纯技术效率的影响，只有通过技术创新，突破瓶颈因素制约，才能从根本上改善工业效率。

从东、中、西部三大区域层面来看，不考虑环境污染时，东部地区工业效率最高，平均值为0.759，中部地区次之，平均值为0.646，西部地区最差，平均值为0.540。在考虑环境污染后，东部仍最高，为0.819，其次是西部，为0.703，最差的是中部，为0.699。总体上看，东部纯技术效率较高，平均值为0.928，其规模效率有待改进，平均值仅为0.889。中、西部工业效率值较接近，规模效率平均值分别为0.951和0.980，纯技术效率平均值依次是0.740和0.718，中、西部在纯技术方面有很大提升空间。

1.2.2 中国工业效率收敛性分析

从以上分析可以看到，在考虑环境污染情况下，不同地区工业效率存在较大差异，下面通过对工业效率进行收敛性检验来探索这种差异是怎样演变的。收敛性有σ收敛和β收敛，由于β收敛存在Galton谬误，故本文运用σ收敛的检验来考察我国工业效率差异发展的变化趋势。σ收敛性的检验方程是：，其中，xit为第t年第i个地区的工业效率值，为n个地区工业效率值在第t年的方差，其平方根σt即为标准差。若σt+1＜σt，则表示σt伴随时间而变小，即存在σ收敛性。考虑环境污染，我国工业技术效率、纯技术效率和规模效率的标准差演变如图3所示。不难发现，各地区的工业技术效率和纯技术效率的演变趋势基本一致，即标准差在反复波动中不断上升，不具有σ收敛特征。规模效率变化相对平稳，标准差在2000～2004年期间从0.168逐步下降到0.097，存在σ收敛，之后又呈现发散态势。

1.3 基于Malmquist指数的动态效率测度

1.3.1 中国工业效率测度及差异研究

DEA方法用的是每一年度的截面数据，测度的是工业生产过程中各个地区在同一时点的相对效率，因此上述研究是从静态角度评价了我国30个省市工业效率。Malmquist生产率增长指数是对包含时间变量的面板数据进行动态分析，测度投入产出效率的变化，可分解为效率改进指数（effch）和技术进步指数（tech），而效率改进指数可进一步分解为纯技术效率变化指数（pech）和规模效率变化指数（sech），即：Malmquist=effch×tech，effch=pech×sech。下面运用软件deap2.1测度1997～2010年效率变动情况，结果见表1、表2所示。

图3 环境视角下工业效率的标准差演变

表1 1997～2010年Malmquist指数年均变化情况

由表1，从全国总体水平来看，若不考虑环境污染，1997～2010年期间Malmquist指数年平均增长率为5.7%，除1999年工业效率出现下降外，其余各年Malmquist指数都大于1，表明工业效率逐年得到提升。Malmquist指数提高来源于效率改进和技术进步的双重贡献，其中，技术进步指数平均增长率为4.2%，而效率改进指数平均增长率为1.4%，纯技术效率均值为1，说明效率改进全来自于规模效率的贡献。

考虑环境污染后，全国工业平均效率出现下滑，Malmquist指数年平均增长率由5.7%下降到3.4%，有5个年份出现效率退步。工业效率主要驱动力量来自技术进步，其贡献为3.2%，一直以较平稳的速度增长，仅3年出现技术内陷。而效率改进的贡献仅为0.1%，呈现波动性增减。规模效率变化指数为0.999＜1，2005年前为低增长时期，2005年后规模效率连续恶化，说明工业效率的提高没有得到规模效率的有力支撑，规模效率存在很大的改进空间。总的来看，除纯技术效率略有提高，其他效率指数平均值都低于不考虑环境污染时的对应数值，这表明我国工业发展过程中，工业“三废”造成了效率的严重损失，忽略环境的约束会使工业效率的评价失真。

表2 1997～2010年各地区Malmquist指数变化情况

由表2，从三大区域层面来看，若不考虑环境污染，东部Malmquist指数最高，年平均增长率为7.3%，其次是西部，为5.3%，中部增长速度最慢，为3.9%。三大区域的效率改进指数和技术进步指数均大于1，共同推动效率的提高。东部的上海、天津、海南和西部的青海、内蒙古平均每年效率改善幅度均超10%，全国仅黑龙江的效率受到遏制，出现负增长。

考虑环境污染后，大多数指数出现不同程度的下降。相对而言，东部Malmquist指数仍然最高，中、西部排名发生变化，西部平均增长率最低，仅为1.5%。从变动的主要源泉来看，技术进步指数的贡献分别为4.9%、2.3%和2.2%，效率改进指数亟待提高，对东、中部效率改善的促进程度不到1%，而西部下降幅度达到0.7%。对效率改进指数进行分解，发现东部效率改进来源于纯技术效率和规模效率提高的共同作用，尽管两者上升幅度都不是很大。中部纯技术效率是最高的，但受到规模效率下降的拖累，使得效率改进指数略有上升。西部恰恰相反，纯技术的下降幅度（-0.8%）大于规模效率提高的幅度（0.1%），最终使效率改进指数出现退化。考虑环境污染的制约，Malmquist指数改善幅度超过10%的地区只有2个，上海和天津，较不考虑环境污染时有所下降。Malmquist指数小于1的地区有6个，分别是来自中部的黑龙江、山西和来自西部的宁夏、贵州、云南、甘肃，较不考虑环境污染时的数量增加了5个，说明这些省份在工业发展过程中均付出了环境代价，比如，黑龙江东部和山西就已建成大型煤炭基地，是以高污染的重化工业为主导产业。

1.3.2 中国工业效率收敛性分析

考虑环境污染，我国工业动态效率Malmquist指数、效率改进指数和技术进步指数的标准差演变如图4所示。不难发现，各指数波动频繁，均不具有σ收敛特征。但相对初始值，各地区动态效率差异明显减弱。

图4 环境视角下工业动态效率的标准差演变

2 工业效率影响因素分析

2.1 变量选取和数据处理

以上基于环境视角从静态和动态两方面对我国30个省市1997～2010年的工业效率及其收敛性进行了测度，结果表明，无论静态效率还是动态效率，各地区均存在较大差异，且此差异呈现进一步扩大的趋势。落后地区应如何改进才能提高工业效率呢？下文通过构建面板数据模型对环境视角下的动态工业效率的影响因素及其影响程度进行探讨。影响因素从如下5个方面来考虑：（1）产权结构，用国有及国有控股企业工业总产值占各地区整个规模工业总产值的比重来表示，记为X1；（2）贸易开放度，用各地区进出口贸易商品总值（由于原始数据是用美元记录的，故要通过人民币汇率年平均价将其转化为人民币形式）与GDP之比来表示，记为X2；（3）政府影响力，用各地区政府财政支出占GDP比重来表示，记为X3；（4）环保举措，用工业二氧化硫去除率作为代理变量，是用工业二氧化硫去除量占其排放总量的比重表示，记为X4；（5）经济波动。将各地区GDP按可比价格（以1997为基期）折算为实际GDP，剔除价格因素影响，然后取其自然对数，运用H-P滤波方法分离长期趋势部分，得到周期性经济波动部分，记为X5。若X5大于0，表明经济势态良好，处于向上运行过程中，若X5小于0，表明经济出现下滑。以上数据来源于历年《中国统计年鉴》、中国经济信息网专题资料库及国研网数据库。

以X1-X5为自变量，分别以Malmquist生产率增长指数、效率改进指数（effch）和技术进步指数（tech）的累计值（以1997年为基期，指数设为1，后续年份指数在此基础上累加折算）为因变量，构建面板数据模型。模型设置如下：Malmquistit=ci+β1X1it+β2X2it+β3X3it+β4X4it+β5X5it+uit effchit=ci+β1X1it+β2X2it+β3X3it+β4X4it+β5X5it+uit techit=ci+β1X1it+β2X2it+β3X3it+β4X4it+β5X5it+uit

2.2 实证过程及结果

2.2.1 面板单位根检验

为了避免出现伪回归现象，采用LLC方法对各个变量进行单位根检验以判断其平稳性，利用EViews软件得LLC 统计量分别为-16.4472（X1）、-2.9745（X2）、-3.6693（X3）、-2.6442（X4）、-7.4108（X5）、-4.2542（effch）、-11.3154（tech）、-5.9285（Malmquist），相伴概率均接近于0，则拒绝存在单位根的原假设，表明各自变量与因变量均为平稳序列，可以建立面板数据模型。

2.2.2 回归分析结果

由于使用的是所有地区的数据，可看作是总体，故适宜运用固定效应模型。本文采用广义最小二乘法对模型参数进行估计，使用估计的截面残差的方差进行加权，模型拟合效果很好，回归方程如表3所示。

表3 工业效率影响因素分析

产权结构对Malmquist指数产生显著负向影响，表明国有及国有控股企业工业总产值占整个规模工业总产值比重下降1%，工业效率会上升0.34个百分点。这一负效应主要来源于对技术进步的阻碍，因为国有及国有控股企业工业总产值比重对效率改进指数没有显著影响。具体来看，1997年全国国有及国有控股企业工业总产值比重为25.52%，随后几年，国有企业数量迅速膨胀，1999年此比重达到最大值48.92%，一直到2003年后，国民经济重拾两位数的增长速度，工业得到极大促进，国有及其控股企业比重才逐渐下降至2010年的26.60%。三大区域间国有企业产值比重差异非常显著，2010年，东、中、西部国有企业及其控股企业工业总产值比重分别为20.48%、35.30%、44.18%。前文分析得到，无论静态效率还是动态效率，东部都是最优的，而东部的国有及其控股企业产值比重历年都是最低的，一般都维持在20%左右，西部一直都是最高的，1999年达到最高值75.37%。国有及其控股企业技术力量薄弱，缺乏有效的激励和约束，不能优化配置资源，制约着工业效率的提高，鼓励民营企业、外资企业等非国有工业企业的发展壮大，引进先进的技术设备和管理经验，有利工业水平的提高。

贸易开放度对Malmquist指数、效率改进指数和技术进步指数均产生显著正向影响。加大进出口，扩大内需和外需，繁荣工业，要特别关注进出口商品的类别及其金额。我国一直保持贸易顺差的部门中，比如食品制造业（顺差额由1997年20.85亿美元增加到2010年97.63亿美元）、纺织原料及纺织制品业（相比1997年，2010年的顺差额翻了2.71番）、皮革制品业（2010年顺差额155.46亿美元，是1997年的4.35倍），这些部门的化学需氧量、氨氮、苯胺、氰化物、挥发酚等污染物的排放系数较高。这些商品产出及出口的增加必然加重环境的负荷。而同样保持顺差额不断扩大的通信、电子设备制造业各种污染排放系数则相对较低，对工业效率有促进作用。而我国在保持贸易逆差的部门中，造纸业（逆差额由1997年的36.58亿美元逐渐增加到2010年的76.59亿美元，翻了1番）化学需氧量排放系数高，非金属矿物制品业（逆差额由44.11亿美元增加到2726.52亿美元）二氧化硫排放系数高，化学工业（逆差额由9.10亿美元增加到182.34亿美元）多类污染物的排放系数都很高，大量进口这些部门的产品，减少其在中国的生产足迹，在很大程度上能缓解环境压力，提高工业效率。可见从理论上，进出口不同类型的产品对环境视角下的工业效率作用不同，而从实证结果来看，贸易开放度的扩大为我国工业可持续发展提供有力支持。

政府影响力对Malmquist指数产生显著负向影响，其中，对技术进步没有显著影响，负作用表现为对效率改进的拖累。在工业发展进程中，企业受利益驱使，会出现盲目追求经济效益而产生环境污染的问题，外部性的存在导致市场失灵，此时要靠政府通过法律法规和运用各种行政手段进行管制。2010年国家在环境保护方面的财政支出2441.98亿元，占财政支出总额的2.72%，其中2.85%来自中央支出，97.15%来自地方支出。当前国家对环保的支持力度还不够，现行财政政策未能对工业效率的提升起到积极作用，政策有待进一步完善。政府要加大环保宣传力度，提高企业环保意识和民众的监督意识，切实发挥非政府组织的作用，以法律法规的形式明确环保目标和标准，对达不到目标的企业加大税收和进行惩罚，对注重环保的企业和项目进行补贴和资助。

环保举措对Malmquist指数产生显著正向影响，其中，对技术进步的推动作用强于对效率改进指数的提高，这说明强化对工业“三废”的治理会促进工业效率的改善。环保举措的加强必然要加大环保投资和污染治理力度，具体来看，2010年我国工业污染治理完成投资396.98亿元，较2000年234.79亿元有了较大增幅，2007年一度达到最高投资额552.39亿元，其中治理工业废水的力度是最大的，近些年其资金占投资总额的50%左右。污染治理投资的地区差异也较大，就2010年而言，东部完成投资176.50亿元，远高于中部的105.56亿元和西部的114.92亿元。与投资成正比的是“三废”综合利用产品产值，有了效率和技术的支撑，2010年全国“三废”综合利用产品产值1778.50亿元，东部就占54.84%，比1997年多4.46个百分点。可见，环境视角下工业效率的提高与污染治理投资的重视是密不可分的。在今后工业发展过程中，中、西部要加大环保投资力度，加强对“三废”排放的治理和控制能力，提高工业效率。

经济波动对Malmquist指数、效率改进指数和技术进步指数均产生显著负影响。这说明经济向上波动会阻碍Malmquist指数的提升，相反，经济出现下滑反而会促进效率改进和技术进步。1997～2010年期间，国民经济的最低谷发生在1999年，GDP增长率仅为7.6%，而2007年则以14.2%的高速增长。对比这两年我国大中型工业企业科技活动情况，尽管有技术开发机构的企业数、从事技术开发经费等绝对指标，2007年的数值高于1999年，但从相对指标来看，1999年有技术开发机构的企业占全部企业的比重为32.0%，而2007年此比重却下降到24.7%，同样，技术开发经费支出占产品销售收入的比重由1999年的1.35%降到2007年的0.81%。经济向上运行时，市场需求较大，企业容易满足一时的盈利而不思进取和不求创新。反而，经济向下波动时，在一定程度上形成“倒逼机制”，迫使企业反思，在逆境中寻求效率突破和技术革新。浙江省统计局对3791家大型工业企业2008年第四季度的调查显示，46.4%的企业把生产新产品、调整产品结构作为应对国际金融危机的主要措施，经济向下波动时期企业具有更大的创新激励。

3 结论

从静态效率来看，若考虑环境污染的制约，海南、福建、青海、江苏和浙江工业效率较高，新疆、山西、甘肃、辽宁和黑龙江工业效率较低。从区域层面来看，东部地区工业效率最高，但工业规模过大，规模效率还有进一步提升的空间。中、西部工业效率较差，主要表现为技术落后，纯技术效率亟待改善。各地区的工业静态效率差异较大，不存在σ收敛特征。

从动态效率来看，考虑环境污染后，工业效率平均增长率出现不同程度下滑，说明总的来说“三废”排放造成了效率的损失。工业效率主要驱动力量来自技术进步。从区域差异看，东部效率最高，中部主要受到规模效率下降的拖累，西部的问题出现在纯技术效率下降幅度较大。各地区的工业动态效率差异较大，也不存在σ收敛特征。

从工业效率的影响因素来看，贸易开放度和环保举措对工业效率产生显著正向影响，产权结构、政府影响力和经济波动对工业效率产生显著负向影响。在“中部崛起”和“西部大开发”战略的推动下，不可否认，中、西部的工业经济得到了快速增长，但若以粗放型经济为主导，走先污染、后治理的老路，工业的发展将不可持续。从环境的视角正视工业效率，对以工业为国民经济主体的中国具有重要的意义。

[1]Jefferson G,Rawski T,Li W,Zheng Y.Ownership,Productivity Change,and Financial Performance in Chinese Industry[J].Journal of Comparative Economics,2000,28(4).

[2]Zofio J L,Prieto A M.Environmental Efficiency and Regulatory Standards：The Case of CO2Emission from OECD Industries[J].Resource and Energy Economics,2001,23(1).

[3]Baris K,Yoruk,Osman Zaim.Productivity Growth in OECD Countries：A Comparison with Malmquist Indices[J].Journal of Comparative Economics,2005,53(2).

[4]陈诗一.能源消耗、二氧化碳排放与中国工业的可持续发展[J].经济研究，2009，(4).

[5]涂正革.环境、资源与工业增长的协调性[J].经济研究，2008，(2).

[6]涂正革，刘磊珂.考虑能源、环境因素的中国工业效率评价[J].经济评论，2011，(2).

[7]韩元军，林坦，殷书炉.中国的环境规制强度与区域工业效率研究：1999～2008[J].上海经济研究，2011，(10).

[8]刘睿劼，张智慧.环境约束下的中国工业效率地区差异评价[J].长江流域资源与环境，2012，(6).

[9]王燕，谢蕊蕊.能源环境约束下中国区域工业效率分析[J].中国人口·资源与环境，2012，(5).

[10]Seiford L M,Zhu J.Modeling Undesirable Factors in Efficiency Evaluation[J].European Journal of Operational Research,2002,142(1).