效率增进与技术进步对绿色生产率增长的影响——来自中国36个两位数工业行业的实证

周五七

（江南大学 商学院，江苏 无锡 214122）

效率增进与技术进步对绿色生产率增长的影响
——来自中国36个两位数工业行业的实证

周五七

（江南大学 商学院，江苏 无锡 214122）

利用全局DEA及Malmquist－Luenberger指数，测度1998—2010年中国工业行业绿色TFP及其分解成份，结果发现：工业绿色TFP增长的动力主要来自技术进步，技术效率整体上拖累了工业绿色TFP增长；工业碳生产率不断提升，技术效率对工业碳生产率增长的促进作用强于技术进步的促进作用，且重工业的技术效率与技术进步对碳生产率增长的促进效应高于轻工业。因此，除了发挥技术进步对工业行业碳生产率增长的促进作用外，更需要重视提升技术效率对工业行业碳生产率增长的推动作用。

全局DEA；Malmquist－Luenberger指数；技术效率；技术进步；碳生产率

一、引 言

在温室气体排放全球治理构架下，碳排放空间已成为一种新的战略资源和稀缺资源。各国基于不同的政治意愿和国家利益，在碳排放绝对减排与碳排放强度减排等方面存在尖锐的分歧，以美国为首的伞形集团国家以及以中国、印度和巴西等为代表的新兴经济体国家，大多倾向于碳排放强度降低的减排方案。中国政府于2009年提出了碳排放强度减排目标，即到2020年单位GDP的碳排放量比2005年下降40%～45%，《中国国民经济和社会发展第十二个五年规划纲要》进一步提出单位GDP碳排放降低17%的目标。中国正处于快速工业化发展进程中，工业低碳转型主要表现为碳排放强度的下降，工业低碳转型对实现中国低碳经济转型具有重要的战略意义。

碳生产率在数值上等于碳排放强度的倒数，是指每单位CO2排放所带来的经济产出，这一指标整合了经济增长与碳排放控制的双重目标，能反映经济增长与碳排放脱钩及低碳经济转型进展状况。如果把适宜人类生存的大气中CO2浓度视为一种自然资本，碳排放过程可以视为一种自然资本消耗，当代人对这种自然资本的过度消耗会影响人类未来可持续发展。当人们将CO2排放空间视为这样的一种生态资本，碳生产率相当于一种单要素生产率，只有提高碳生产率，才能控制经济增长对这种自然资本的消耗速度，维持经济社会可持续发展。因此，自20世纪90年代以来，在全球气候变化加剧和气候全球治理的背景下，碳生产率继劳动生产率、资本生产率和能源生产率之后，成为了学者关注的又一研究热点［1］。

考虑碳排放约束的绿色生产率增长主要有两种研究视角：一是将碳排放作为一种要素投入即所谓的自然资本，测算该要素投入的生产率即碳生产率［2］348－365［3］；另一种是将碳排放作为一种弱可处置性非期望产出（Undesirable Output），利用数据包络分析法（DEA）测算环境约束的全要素生产率（TFP）［4－5］。为便于表述，笔者将这种考虑环境约束的TFP统一称为绿色TFP。现有研究针对碳排放约束的绿色TFP及单一碳生产率的测算较多，但对两者之间相互关系的研究较少，故以中国工业细分行业为样本，测算碳排放约束下工业绿色TFP指数及其分解成份，比较技术效率与技术进步对工业绿色TFP增长的贡献差异，进一步检验技术效率与技术进步对工业碳生产率影响的差异，剖析其对工业低碳转型的政策涵义。

二、基于全局DEA的技术效率与技术进步测算

（一）环境约束的绿色TFP测度方法

考虑环境约束的绿色TFP研究中，较为前沿的处理方法是将环境污染视为弱处置性的非期望产出①需要指出和说明的是，一些学者对Mulmquist指数测算中规模报酬不变的假定的合理性存在争议，也有实证研究采取其他形式的理想化指数，如Tornqvist指数、Hicks－Moorsteen指数来测算绿色TFP［6－8］。，利用方向性距离函数和 Mulmquist－Luenberger指数进行测算，这种方法同时兼顾了经济增长与环境友好，较好地拟合了能源与环境协调发展的要求，在国内外绿色TFP的实证研究中得到了广泛运用［9－11］。基于上述方法测度绿色TFP，需要利用足够多的生产决策单元来构造生产前沿面，进而求解相应的线性规划。目前，生产前沿面的构建方法主要有当期 DEA（Contemporaneous，DEA）、窗式 DEA（Window，DEA）、序列 DEA（Sequential，DEA）和全局DEA（Global，DEA）。

当期DEA基于当期横截面数据构建生产前沿面，容易导致不同时期的生产前沿面及技术进步出现不连续性，甚至在动态分析中可能得出技术退步的反常结论。

序列DEA以当期及以前所有时期的投入产出决定参考技术集，由于每期参考技术集的构建都包含了过去的投入产出信息，在动态分析中可有效避免技术退步的情形，也有利于减少线性规划无可行解的情形，但不能彻底消除非可行解的问题。同时，不同时期生产前沿面的构建方法存在细微差异，如第一期生产前沿面的构建相当于当期DEA，最后一期生产前沿面的构建则相当于全局DEA，导致生产前沿面的构建标准并不完全统一。

窗式DEA以当期及其前两期投入产出构造当期参考技术集，被认为是当期DEA与序列DEA的折衷，由于窗式DEA采用视窗内的数据构建生产前沿面，伴随着老的数据从视窗中退出，同时有新的数据进入视窗，避免了当期DEA中可能出现的技术退步，又有利于构建光滑的生产前沿面。同时，窗式DEA也能减少非可行解的问题，正是因为具有上述优点，窗式DEA在不少实证研究中得到了广泛应用，但是窗式DEA和序列DEA一样，都不能彻底消除非可行解的问题，即在求解混合期方向性距离函数时，若本期的投入产出在前期的生产技术下不可行，可能仍然存在无可行性解。

全局DEA以样本对象所有投入产出数据构造的全局生产技术集作为不同时期的唯一共同生产前沿面，可以避免因基准生产前沿面变动而导致不同时点的效率与生产率难以准确比较的问题。由于全局DEA的参照技术固定不变，基于全局DEA的GML（Global Malmquist－Luenberger）指数就无须采取几何平均数形式，可以避免因几何平均形式导致不可传递性的不足，Oh证明了GML指数能满足可传递性要求、又可避免线性规划无可行性解的优点［12］。

已有的实证研究大多使用序列DEA或窗式DEA方法，使用全局DEA的测算文献较少，基于上述分析，下文将把碳排放视为弱处置性非期望产出，将其与能源投入对应地纳入全要素分析框架下的DEA测度模型，使用全局DEA方法测算碳排放约束下的工业绿色TFP指数，并将其分解为环境技术效率指数与技术进步指数，比较分析环境技术效率与技术进步在不同工业行业绿色TFP增长中的作用差异，检验技术效率与技术进步对工业碳生产率增长的影响差异。

（二）绿色TFP测算与分解模型

为了避免线性规划无可行性解，选择全局DEA方法构建生产前沿面，基于全局DEA的GML指数分解如下：

其中TE表示生产决策单元的技术有效性；BPG（Best Practice Gap）表示生产决策单元当前生产前沿与全局生产前沿的差距，相邻时期BPG的比值反映生产决策单元的环境技术进步。计算GML需要求解四个线性规划及四个方向性距离函数值，求解同期方向性距离函数值的线性规划可写成（s＝t，t＋1）：

求解式（3）中基于全局生产技术集的方向性距离函数值的线性规划，则要写成下面的形式（s＝t，t＋1）：

（三）样本与数据

考虑数据可得性与可比性，样本区间设为1998—2010年，由于不同历史时期工业行业分类标准有变化，1998—2002年适用《国民经济行业分类和代码》（GB／T4754－94），2003—2010年适用《国民经济行业分类标准》（GB／T4754－2002），这两个行业分类标准均将工业划分为三个门类（采矿业、制造业以及电力、热力、燃气及水的生产和供应业），但每一门类中的大类、中类和小类行业划分有细微变动，大类、中类和小类对应的行业通常也被称为两位数、三位数和四位数行业①比如在制造业门类对应的三类行业划分中，交通运输设备制造业对应的大类编号是37，该大类中包含的铁路运输设备制造业属于中类，对应的行业编号是371；该中类又包含铁路机车车辆及动车组制造业这一小类，对应的行业编号是3711，大类、中类和小类对应的行业编号分别为两位数、三位数和四位数，因此，对应的行业相应地也被称为两位数行业、三位数行业和四位数行业。。GB／T4754－94共有37个两位数工业行业，GB／T4754－2002共有39个两位数工业行业，为了保证工业行业统计数据的连续性，本文选取两个分类标准共有的36个两位数工业行业作为样本对象。为便于分析工业绿色TFP增长的行业特征与差异，本文采用《中国统计年鉴》的划分方法将其分为轻工业与重工业两组，具体的行业分组及其编码如表1所示。

表1 36个两位数工业行业分组及行业编码表

投入指标选取从业年均人数、资本存量和行业能源消费量；产出指标包括期望产出与非期望产出；由于含中间投入性质的能源，选用行业总产值代表期望产出；非期望产出用CO2排放表示，其中资本存量的测算借鉴相关文献的做法，以1998年行业固定资产净值作为初始资本存量，以价格平减后的固定资产净值差额作为投资额，将平减后的行业固定资产净值与投资额逐年累加即得资本存量［14］；行业CO2排放利用IPCC推荐的参考方法估算。由于工业能源消耗与碳排放是按全部工业企业核算，而其他要素投入与产出则按规模以上工业企业统计，为保证投入产出统计口径的一致，本文将投入产出数据由规模企业口径调整至全部工业企业口径。数据估算中所使用的基础数据来源于《中国能源统计年鉴》、《中国统计年鉴》、《中国经济普查年鉴》和《中国工业经济统计年鉴》。

（四）测算结果分析

利用全局DEA方法构造生产前沿，测算细分行业GML指数，并将其进一步分解为技术效率指数和技术进步指数，表2报告了1999—2010年各细分行业技术效率指数（GMLEC）与技术进步指数（GMLTC）的期末累积值，下文分别将其记为CGMLEC、CGMLTC。从表2中易见，大多数工业行业的技术效率累积指数小于1，说明这些行业环境技术效率呈恶化趋势，累计降幅达到5．66%，其中轻工业与重工业技术效率分别累积下降7．35%、3．54%；技术进步指数持续上升，实现了23．52%的累积增幅，其中轻工业与重工业行业技术进步分别累积增长28．54%、17．23%。由此可见，推动中国工业行业绿色TFP持续增长的动力主要来自技术进步，轻工业行业绿色技术进步幅度超过了重工业行业，但轻工业行业技术效率下降幅度也超过了重工业行业。

表2 技术效率累积指数（CGMLEC）和技术进步累积指数（CGMLTC）表

下面主要分析工业生产率累积指数（CGML）、技术效率累积指数（CGMLEC）和技术进步累积指数（CGMLTC）的动态变化，其演化轨迹如图1。

图1 工业绿色生产率累积指数及其分解成份变化图

从图1可见，CGML呈持续上升趋势；CGMLTC也表现出持续上升趋势，但近年来上升的势头有所减弱；CGMLEC在2006年以前呈持续下降趋势，2006年以后转变成上升趋势，由于样本期间大多数年份技术效率指数均小于1，导致累积指数始终在1以下，即工业技术效率持续多年恶化。由此可见，推动工业绿色TFP增长的动力主要来自行业技术进步，行业技术效率整体上拖累了工业绿色TFP增长，尽管近几年来工业行业技术效率出现不断改善的倾向。

三、效率增进与技术进步对工业碳生产率的影响

（一）工业行业碳生产率变迁特征

工业碳生产率是指工业CO2排放量与工业实际产值的比率（万元／吨），工业产值以工业品出厂价格指数折算为1998年可比价；图2描绘了工业行业碳生产率指数的年度演化轨迹，从图2中可见各个工业行业碳生产率指数虽有波折变化，但绝大多数行业（采掘业除外）碳生产率指数在样本期间均大于1，说明工业行业碳生产率是不断提升的。

（二）效率增进与技术进步对碳生产率的影响

下面分别以技术效率指数与技术进步指数为解释变量，以碳生产率指数为被解释变量，利用面板数据模型进行回归分析，试图检验技术效率与技术进步是否促进了工业碳生产率的提高；技术效率与技术进步分别在其中发挥了怎样的作用，哪一个发挥的作用更大；对促进基于碳生产率增长的工业低碳转型有怎样的政策意义。为了便于模型更好地识别解释变量的细微变化对被解释变量的影响效应，借鉴相关文献的处理方法，模型中所有的变量都采用累积指数形式，即被解释变量采用碳生产率累积指数（CCPI），解释变量分别为技术效率累积指数（CGMLEC）和技术进步累积指数（CGMLTC）［5，15］。

图2 工业行业碳生产率变化趋势图

先对模型形式设定检验，再对全部行业、轻工业行业和重工业行业的样本进行检验，结果见表3。从表3中可看出，相关统计量的检验结果均强烈拒绝了模型形式设定的原假设，即模型显著存在个体固定效应，而个体固定效应模型优于混合OLS回归模型，同时随机效应模型优于混合OLS回归模型，但豪斯曼检验结果表明个体固定效应模型优于随机效应模型，因此针对三个不同的样本对象，应该优先采用个体固定效应模型。

表3 模型设定检验的统计量结果表

根据模型形式设定检验结果，表4报告了针对全部行业、轻工业行业、重工业行业的个体固定效应模型估计结果，即无论是全样本行业还是子样本行业，技术效率、技术进步均与工业碳生产率显著正相关，且这种正相关关系表现出了两个特点：一是技术效率与碳生产率的相关系数高于技术进步与碳生产率的相关系数；二是重工业行业的相关系数高于轻工业行业的相关系数。

表4 基于面板数据的固定效应模型估计结果表

表4的模型估计结果只考虑了行业个体固定效应而没有包含时间效应，考虑到针对时间效应存在性的F检验结果强烈拒绝了“无时间效应”的原假设，因此模型中应当包括时间固定效应。表5进一步报告了同时考虑个体固定效应和时间固定效应即双向固定效应模型的估计结果，考虑本文的研究目标，表5中没有给出双向固定效应中时间虚拟变量的系数估计值及相应的统计量值。

表5 面板双向固定效应模型估计结果表

表5基于双向固定效应模型的估计结果表明，无论是全样本行业还是子样本行业，工业碳生产率与技术效率、技术进步显著正相关，且工业碳生产率与技术效率的相关系数高于工业碳生产率与技术进步的相关系数，重工业碳生产率与技术效率（技术进步）的相关系数高于轻工业碳生产率与技术效率（技术进步）的相关系数，即技术效率改进比技术进步对工业碳生产率增长的促进作用更大，技术效率（技术进步）对重工业行业碳生产率的影响比其对轻工业行业碳生产率的影响更大。

考虑到面板数据可能存在异方差及自相关问题，专门对此进行了进一步检验，检验结果表明①限于篇幅，本文此处没有报告异方差及自相关等检验结果，相关数据备索。：无论是全部样本行业还是重工业或轻工业行业，均存在显著的组间异方差、组内自相关和组间截面相关的问题，故进一步采用面板FGLS模型进行估计，估计结果如表6所示，与双向固定效应模型估计结果相比较，FGLS模型中技术效率对碳生产率的影响效应有所下降，技术进步对碳生产率的影响效应则有所上升，但系数估计值的标准差显得更小，其系数估计结果相对更有效，因此下文分析以FGLS模型的估计结果为准。

表6 面板FGLS模型估计结果表

基于面板数据的FGLS模型估计结果表明，环境技术效率、技术进步均对工业碳生产率增长有显著的正向促进作用，但环境技术效率改进对碳生产率增长的促进作用强于技术进步对碳生产率增长的促进作用，因此在发挥行业技术进步对碳生产率增长的促进作用外，更需要进一步增强行业技术效率改进对碳生产率增长的促进作用。另外，重工业的环境技术效率、技术进步对碳生产率增长的促进效应均高于轻工业，因此重工业绿色全要素生产率对碳生产率增长有更明显的促进效应，重工业绿色生产率增长对工业低碳转型起着至关重要的作用。

四、结论与启示

考虑到现有研究对碳排放约束下的全要素生产率或单一碳生产率测算较多，但对两者之间的相互关系与内在联系进行系统研究的较少，本文在分别测算工业行业绿色全要素生产率指数和碳生产率指数的基础上，运用工业细分行业面板数据模型，侧重检验了工业行业绿色全要素生产率指数的分解成份对工业行业碳生产率的影响效应，丰富了工业生产率增长的研究内容，对中国实现基于碳排放强度下降的工业低碳转型目标同样具有现实指导意义，对制定工业行业低碳转型政策及实施措施也有一定的参考价值。

利用全局DEA方法及GML指数测算了工业行业绿色全要素生产率指数，并将其分解为技术效率指数与技术进步指数，结果发现，推动工业行业绿色全要素生产率增长的动力主要来自行业技术进步，尽管近几年来工业技术效率出现了不断提高的趋势，但在所考察的样本期间，工业技术效率整体上仍然拖累了绿色全要素生产率增长。工业细分行业碳生产率的测算结果表明，绝大多数工业行业（采掘业除外）平均碳生产率指数均大于1，说明工业行业碳生产率整体上呈不断上升的趋势，显示出工业行业低碳转型不断进步的发展倾向。

技术效率与技术进步对工业碳生产率增长均有显著促进作用，且重工业的技术效率与技术进步对碳生产率的促进效应均高于轻工业，因此需要进一步加强重工业行业技术效率与技术进步对工业低碳转型的引导作用，同时要大力提高轻工业行业技术效率与技术进步对工业低碳转型的促进作用。技术效率对碳生产率增长的促进作用强于技术进步的促进作用，这是因为中国工业经济粗放式增长，工业生产普遍面临能源效率与管理效率低下的情形，技术效率对碳生产率增长的促进效应更容易显现。考虑到低碳技术创新与技术进步具有一定的不确定性，且研发周期长、推广应用慢、商业化成本高，因此短期内发挥技术效率改进对工业低碳转型的促进作用尤应引起政府和企业的重视，制约工业行业环境技术效率改进的因素有待今后进一步的研究。

［1］ 潘家华，张丽峰．我国碳生产率区域差异性研究［J］．中国工业经济，2011（5）．

［2］ Kaya Y，Yokobori K．Environment，Energy and Economy：Strategies for Sustainability［M］．Delhi：Bookwell Publications，1999．

［3］ 林善浪，张作雄，刘国平．技术创新、空间集聚与区域碳生产率［J］．中国人口·资源与环境，2013（5）．

［4］ Kumar S．Environmentally Sensitive Productivity Growth：A Global Analysis Using Malmquist－Luenberger Index［J］．Ecological Economics，2006（2）．

［5］ 王兵，吴延瑞，颜鹏飞．中国区域环境效率与环境全要素生产率增长［J］．经济研究，2010（5）．

［6］ O’Donnell C J．Measuring and Decomposing Agricultural Productivity and Profitability Change［J］．Australian Journal of Agricultural and Resource Economics，2010（4）．

［7］ Coelli T J，Rao D S．Total Factor Productivity Growth in Agriculture：A Malmquist Index Analysis of 93Countries，1980－2000［J］．Agricultural Economics，2005（s1）．

［8］ 杨向阳，周佳慧，童馨乐．考虑环境约束的中国区域全要素生产率增长——基于Hicks－Moorsteen指数方法［J］．统计与信息论坛，2013（10）．

［10］李伟，章上峰．环境约束下的工业全要素生产率增长：基于Malmquist－Luenberge指数的行业面板数据分析［J］．统计与信息论坛，2010（11）．

［11］Zhou P，Ang B W，Poh K L．A Survey of Data Envelopment Analysis in Energy and Environmental Studies ［J］．European Journal of Operational Research，2008（1）．

［12］Oh D．A Global Malmquist－Luenberger Productivity Index［J］．Journal of Productivity Analysis，2010（3）．

［14］陈勇，李小平．中国工业行业的面板数据构造及资本深化评估：1985－2003［J］．数量经济技术经济研究，2006（10）．

［15］李廉水，周勇．技术进步能提高能源效率吗？——基于中国工业部门的实证检验［J］．管理世界，2006（10）．

The Effect of Efficiency Improvement and Technological Progress on Green Productivity Growth：An Empirical Analysis for 36 Sub-industrial Sectors in China

ZHOU Wu-qi
（School of Business，Jiangnan University，Wuxi 214122，China）

Global DEA approach and Malmquist-Luenberger index are applied to measure subindustrial green TFP growth and its components in presence of energy and carbon emissions．From the result of calculating，it is concluded that industrial green TFP growth is mainly driven by technological progress and drawn back by efficiency change．It is also found that the sub-industrial carbon productivity shows a constantly rising trend．The different impact of technical efficiency and technological progress is confirmed by empirical test on the rising sub-industrial carbon productivity．The impact of efficiency change is stronger than that of technological progress on industrial carbon productivity and the impact of technical efficiency and technological progress on the carbon productivity of weight industry is stronger than that of light industry．Therefore，Low-carbon technological progress should be strengthened to promote the subindustrial carbon productivity growth，while more attention should be paid to exert the role of technical efficiency in promoting sub-industrial carbon productivity．

global DEA；Malmquist-Luenberger index；technical efficiency；technological progress；carbon productivity

F224．3

A

1007－3116（2014）04－0063－07

2013－11－01；修复日期：2014－01－12

教育部人文社会科学研究规划基金项目《碳排放约束下长三角经济转型轨迹及其区域联动效果研究》（12YJAZH160）；江南大学自主科研计划及中央高校基本科研业务费专项资金资助项目《基于地区结构的中国低碳经济转型绩效评估》（ZUSRP11467）

周五七，男，安徽枞阳人，副教授，研究方向：低碳经济，技术创新与环境政策。

book=69,ebook=154

（责任编辑：郭诗梦）