资源环境约束下基于资本服务的全要素生产率增长研究

吴明娥等

摘要诸多研究尝试用全要素生产率（TFP）的方法分析中国经济增长来源，以此判断中国现有经济增长模式的可持续性，却忽略了与经济发展息息相关的资源、环境因素。随着全球能源消耗和环境污染问题的日益突出，近年来已有学者尝试将二者纳入TFP测算框架，但大多基于传统的方向性距离函数并建立在决策单元具有相同技术水平的假设条件下进行测度，从而不能从多角度对技术效率做出客观准确的评价，也无法测算投入或产出存在非零松弛时带来的影响，并忽略了区域技术水平的现实差异性。除此之外，未能准确测量资本投入是现有文献存在的另一普遍问题，以资本存量作为其替代度量会带来一定计算误差。鉴于此，本文首先利用永续盘存法、年龄—效率函数测算中国三种类型资本服务，再运用SBM方向性距离函数和共同边界ML生产率指数，在非径向、非角度和存在多群体效率的基础上，基于能源消耗和环境污染双重约束，测度1992-2012年间中国省际环境效率、环境TFP的动态演变趋势及其分解。结果表明：中国环境无效率主要来源于环境污染和能源消耗，区域环境效率从东向西呈现明显的阶梯式分布；设备、工具、器具购置类资本使用不当是资本无效率的主因；此外，技术进步是推动北部沿海、东部沿海及南部沿海地区环境TFP增长的主要动力，而黄河中游、长江中游、东北、西南和大西北地区主要依靠技术效率改善，并在纯技术赶超和潜在技术相对变动方面对发达区域呈追赶趋势。因此，为实现中国经济的可持续发展，必须从环境保护、节能减排、技术创新三方面着手。

关键词资源环境约束；资本服务；全要素生产率；共同边界

中图分类号 F062.4 文献标识码A文章编号1002-2104（2015）05-0083-09doi：103969/jissn1002-2104201505011

改革开放以来，中国经济实现了举世瞩目的高速增长，但粗放型的经济增长方式日益加剧中国经济发展与资源、环境间的矛盾。由环境保护部环境规划院发布的《中国环境经济核算研究报告2010》显示，2010年全国环境退化成本和生态破坏损失成本合计达到15 389.5亿元，约占当年GDP的3.5%，较上年增加10.59%。2011年和2012年中国环境污染治理投资额已分别达到7 114.0亿元和8 253.5亿元，分别占当年GDP的1.52%和1.60%。尽管国家“十二五”规划明确提出要把大幅降低能源消耗强度和二氧化碳排放强度作为约束性指标，但在由美国耶鲁大学和哥伦比亚大学联合推出的《2012年全球环境绩效指数》排名中，中国在132个国家中排名第116位，环境治理情况不容乐观。因此，如何正确处理经济发展与资源、环境间的关系，走出一条既能实现经济增长又能保护资源环境的可持续发展道路，成为我国亟待解决的问题。

目前，诸多研究尝试用全要素生产率（Total Factor Productivity，TFP）的方法分析中国经济增长源泉，以此判断我国现有经济增长模式的可持续性，并据此提出未来经济增长模式的改革建议[1]。但长期以来，上述文献对TFP的测度和研究大多只基于传统的资本、劳动力要素而未考虑与经济发展息息相关的资源、环境因素。在资源、环境日益成为经济增长硬约束背景下，我们较难从以上研究中得到有关TFP动态演变趋势的客观评价，并可能在政策建议上产生误导。随着全球能源消耗和环境污染问题的日益突出，近年来已有学者尝试将资源或环境因素纳入TFP测算框架，测度二者对经济增长绩效的影响。针对能源消耗，学者们通常比较一致地将其看作新的投入要素，并和资本、劳动力要素一样在可持续增长中发挥其作用[2]。而衡量环境污染对经济增长绩效的影响一般有两种思路：一是将环境污染的治理费用作为投入要素，与资本和劳动投入一起引入生产函数；二是根据环境污染的产出特征，在方向性距离函数基础上将环境污染变量作为具有弱可处置性的非期望产出处理。由于第二种方法与实际生产过程较为吻合，近年来得到了广泛应用[3]。现有考虑非期望产出的文献多基于传统的方向性距离函数（Directional Distance Function，DDF）进行测度。DDF是Shephard距离函数的一般化形式，在进行效率测度时需基于角度和径向，从而不能同时从多角度对技术效率做出客观准确的评价，也无法测算投入或产出存在非零松弛时带来的影响。直到Tone[4]率先提出非角度、非径向的基于松弛的测度方法（Slackbased measure，SBM），Fukuyama和Weber[5]在此基础上将SBM测度方法与方向性距离函数相结合，从而克服了传统方向性距离函数的上述不足。另一方面，现有研究在测度环境TFP时大多建立在决策单元具有相同技术水平的假设条件下，忽略了区域技术水平的现实差异性，从而很难分清衡量出来的TFP是来自管理配置资源方面的缺失，还是由于存在不同技术边界的生产制度结构问题。为了解决评价多群体效率的问题，最早由Hayami[6]提出共同生产函数概念，之后Battese等[7]不断对其进行发展，直到Rambaldi等[8]以距离函数定义了共同边界函数，同时利用DEA方法构建了MetafrontierMalmquist生产率指数及其分解，进一步将共同边界概念延伸至经济增长绩效测度框架。随着共同边界方法的不断完善，已有学者利用该方法对我国TFP增长进行了评估，但将该方法与SBM方向性距离函数相结合测度资源环境约束下TFP动态演变趋势的研究尚不多见。

此外，上述文献存在的另一普遍问题是未能准确度量资本投入。资本投入测算是经济增长研究中无法回避的重要内容，目前学术界和政府统计机构普遍接受的资本投入定义为“资本服务流”，即用一段时间内资本品所提供的资本服务量作为资本投入项，代表资本投入的服务水平和实际使用效率。由于资本服务难以直接观测和度量，已有研究往往以资本存量作为资本服务的替代度量，但是这种做法会带来一定的计算误差：首先，资本存量中没有实际参与生产过程的闲置资本不应包含在资本投入中；其次，资本存量无法区别新实物资本与旧实物资本的使用效率差异。关于资本服务的测量，国外已有较丰富的研究成果，最具代表的是Jorgenson[9]在将资产进行分类的基础上，定义各种类型资产的资本服务流量，最后以资本租赁价格为权数，选用最高指数汇总不同类型资产的资本服务得到资本服务总额。之后，Diewert[10]等对资本服务测量进行了进一步深入研究。相比之下，由于我国官方统计数据的不完善且现有研究方法存在较大差异，有关中国资本服务的研究仍处于探索阶段。

有鉴于此，本文试图从以下两个方面对现有文献加以拓展：①摒弃采用资本存量衡量资本投入的一般做法，在将固定资产按构成分为建筑安装工程，设备、工具、器具购置和其他费用三种资产类型的基础上，基于永续盘存法（Perpetual Inventory Method，PIM）、钟型退役模式以及年龄—效率函数，分别测算中国三种类型资产的资本服务。其中，考虑到折旧率对资本服务测算的重要影响，本文未使用经验假定折旧率或简单使用综合折旧率，而是运用资产价值公式推导出不同类型资产历年折旧率的时间序列数据。②鉴于我国幅员辽阔，各地区生产技术水平由于自然环境、地理位置以及经济发展水平等因素而存在较大差异，本文借鉴国务院发展研究中心八大经济区域的划分方法，从社会经济发展角度将全国划分为东北、北部沿海、东部沿海、南部沿海、黄河中游、长江中游、西南以及大西北八大区域，运用SBM方向性距离函数以及共同边界ML生产率指数，在非径向、非角度和存在多群体效率的基础上，测度1992-2012年间中国30个省份的环境技术效率，并对环境TFP的动态演变趋势进行测度和分解。

2.1产出变量

本文选用各省份以1992年为基期的实际地区生产总值（Y）作为期望产出，对于如何全面、科学衡量一国或地区的环境破坏及资源损耗整体水平，国内外现有研究尚未给出统一标准，而是普遍采用具体污染指标来表示。为全面度量环境TFP并与我国的环境政策相适应，本文选择废水（WATER）、二氧化碳（CO2）、二氧化硫（SO2）、烟（粉）尘排放（SMOKE）和工业固体废物（WASTE）的排放量作为非期望产出。

由于无法直接从我国各类统计资料中获取各省份的CO2排放数据，我们参照陈诗一[2]的做法，根据各省份历年能源消耗中三种主要排放CO2的化石能源煤炭、石油和天然气的消费量，利用这三种不同化石能源的平均低位发热量、碳排放系数和碳氧化因子估算各个省份1992-2012年期间的CO2排放量。其计算公式为：

CO2=∑ni=1CO2，i=∑ni=1Ei×NCVi×CEFi×COFi×（44/12） （13）

其中，i=1，2，…，n，代表n种化石能源，Ei表示各化石能源的消耗量，NCVi为各化石能源的平均低位发热量，CEFi为碳排放系数，COFi表示碳氧化因子，44和12分别为二氧化碳和碳的分子量。具体估算参数见表1。

2.2投入变量

除了考虑资本投入（K）和劳动投入（L），本文还考虑了能源消耗（E）。借鉴大多数文献的做法，劳动投入采用各省份年末就业人数来衡量；对于能源变量的处理，本文遵循将其看作新的投入要素的普遍做法，并以各省份能源消费总量作为能源投入。关于资本投入，本文选用资本服务而非固定资产净额或资本存量作为其衡量指标。

与资本存量按照价格进行折算不同，资本服务（在单种类型资产下又称为生产性资本存量）进一步考虑了资产服务能力或效率随使用年限的增加而下降，即按照效率单位进行折算。为了能够反映不同类型资本投入对环境效率变化的不同表现，我们将固定资产按构成分为建筑安装工程（K1）、设备、工具、器具购置（K2）和其他费用（K3）三种类型，并分别测算三种类型资产的生产性资本存量。资本服务的测算是以资本存量为基础，基于Goldsmith的永续盘存法（PIM），资本存量的测算公式为：

Kt=Kt-1（1-δ）+It=Kt-1+It-Rt=∑∞τ=1SτIt-τ（14）

其中，K为资本存量，δ为折旧率，I为当年投资。S为各期资本品投资的残值率，由退役模式决定，通常有同时退役、线性退役、延长退役和钟型退役4种退役模式可供选择，本文选择众多核算中采用较多的钟型退役模式。根据2001年加拿大统计局（SC）的做法，钟型退役模式的正态频率分布为：

Y（t）=12πs×exp[-（t-）2/（2S2）]（15）

其中，Y（t）为资本在使用t（t=1，2，…，T）年后的退出比例，为平均使用年限，s为标准差（一般取s=/4）。

生产性资本存量严格区别于资本存量概念，一般通过

年龄—效率函数将不同使用时期的资产转换为标准效率

单位后的数量表示。年龄—效率函数可由资产价值公式推导出来，根据美国劳工统计局（BLS）和澳大利亚劳动统计局（ABS）的实践做法，本文选用双曲线形态函数形式：

dt=d0（T-（t-1））/（T-β（t-1））（16）

经过标准化处理，我们取初始年份相对效率d0=1，dt为第t年的相对效率，β为斜率，根据使用年限不同，β分别取建筑安装工程为0.75，设备、工具、器具购置为0.5，其他费用为0.6。

在已知资本存量总额和年龄—效率函数的基础上，单种类型资产的生产性资本存量则可表示为：

KPt=∑Lτ=0dτ×It-τ×Sτ=∑Lτ=0dτ×Kt （17）

为保证基础数据来源的权威性和统计口径的一致性，本文选取历年《中国统计年鉴》、《新中国60年统计资料汇编》、《中国固定资产投资统计年鉴》和《中国国内生产总值核算历史资料：1952-2004》作为资本投入测算的数据来源。

（1）基期资本存量。经过中国经济数据的两次重大补充、一次重大调整和三次修订，各省份相关数据一般从1992年开始公布。因此，本文将基期定在1992年。对于各省份的初始资本存量，已有研究缺乏一个相对统一的估计值以及将这一值分配到各省份的合理方法。因此，我们采用各省份1992年的固定资本形成额除以10%作为该省份的基期资本存量。

（2）当年投资数据。固定资本投资序列一般有积累额、固定资本投资额和固定资本形成总额3种选择。考虑当前国际的通行经验与做法、研究的相似性以及对我国资本服务测量的适用性，本文选取固定资本形成总额时间序列作为当年固定资本投资数据。

（3）折旧率。鉴于折旧率对测量结果的重要影响，本文摒弃根据经验假定折旧率或简单使用综合折旧率的一般做法，而是首先采用双曲相对效率模式，利用资产正态退出函数和残存函数，通过截断处理准确描述资产效率损失和磨损，克服几何模式下重置率和折旧率相等而带来的不利影响；其次利用年龄—效率函数和年龄—价格函数的相关关系，通过资产价值公式推导年龄—价格函数，由此得到历年资产的折旧额和资本存量净额，二者相比便求出不同类型资产历年折旧率的时间序列数据。关于资产使用年限，本文借鉴曹跃群等[14]的做法，假定建筑寿命为40年，设备寿命为16年，而其他费用资产寿命为20年。

（4）价格缩减指数。测量过程中，统计资料中的固定资本形成总额与折旧额等数据都是以当年价格计算的名义值，从而需要缩减为以基年不变价格核算的实际值。本文统一采用《中国统计年鉴》提供的各省份建筑安装工程，设备、工具、器具购置和其他费用三类资产的价格指数作为价格缩减指数。由于广东（1993-2000年）、海南（1992-1999年）、重庆（1992-1996年）部分年份的价格缩减指数无法直接获取，本文参照曹跃群等[14]的做法，采用零售物价指数RPI、GDP价格指数、工业品出厂价格指数等进行替代。

3计算结果及相关分析

3.1环境效率分析

表2显示，1992-2012年间中国环境无效率均值为0.246 7。在投入、产出和污染排放三项因素中，与产出相关的无效率值最低，仅有0.000 1，说明在中国经济高速增长背景下，产出并不是环境无效率的主要原因。与投入相关的无效率值为0.057 9，其中，由建筑安装工程，设备、工具、器具购置和其他费用三类资本使用不当导致的无效率值分别为0.004 4、0.007 9和0.005 4，而与劳动和能源投入相关的无效率值分别为0.020 5和0.019 7。与投入和产出相比，由污染排放导致的环境无效率值最高，达到0.188 7，约占环境无效率总量的76.49%。具体来看，SO2排放对于环境无效率造成的影响最大，其次是工业固体废物、烟（粉）尘和CO2排放，废水产生的负面影响最小。如果我们将能源从投入要素中单列出来，可发现由于能源效率低下和污染排放所产生的无效率值合计达到0.208 4，约占中国环境无效率总量的84.48%。由此可见，节能减排对中国经济的可持续发展而言至关重要。分区域来看，中国不同区域的环境效率存在较大差异。对于较发达的东部地区而言，其在样本期间环境无效率均值为0.048 3，远远低于全国平均水平。在考虑资源环境约束下，我国中、西部地区的无效率值与东部地区相比无疑要高得多，分别达到0.386 6和0.410 2，环境效率由东向西呈现明显的阶梯式分布。值得注意的是，无论是东部地区，还是欠发达的中、西部地区，污染排放都是造成区域环境无效率的主要因素，但主要污染来源却有所不同。对于东、中部地区而言，工业固体废物和烟（粉）尘排放产生的负面影响最大，这也为当前东、中部省份出现的大面积雾霾现象提供了一个可能的解释；而对于西部地区而言，SO2排放是造成环境效率低下的主要污染来源。若进一步将全国划分为八大区域，可以发现各区域间环境效率差异更为明显。其中，黄河中游的环境无效率值最高，达到0.539 6，超过全国平均水平的2倍，其次分别为西南、长江中游、东北、大西北、北部沿海、南部沿海和东部沿海。图1显示，样本期间内，东部沿海和南部沿海地区前期始终保持着0的环境无效率，但从2006年开始环境效率有所恶化；北部沿海、大西北、东北、长江中游、黄河中游地区的环境无效率均呈“U型”分布，前期环境效率在波动

中达到最优，但后期环境无效率开始上升；西南地区的环境效率整体上呈不断恶化趋势，但近年来有所改善。总体而言，全国八大区域的环境效率近年来呈现不断收敛趋势，各地区间环境效率差距有所缩小。

从具体省份来看，天津、上海、江苏、山东、广东、海南和青海在样本期间一直保持0的环境无效率，而环境无效率值较高的省份集中在四川、山西、陕西、云南和贵州等中西部地区。可见，东部地区与中西部地区相比具有更好的环境绩效，中西部地区与东部沿海地区的差距，不仅表现在产出效率低，更表现在环境污染严重。同时值得注意的是，自2000年开始，辽宁、吉林、浙江、安徽、福建、江西、湖北、湖南等省份的环境无效率值不断上升，环境污染对产出效率的影响日益突出，而山西、贵州、云南和陕西在样本期间基本维持着高于0.7的环境无效率，环境保护和经济发展始终处于失衡状态。

三种类型资本服务对环境效率的不同影响也是本文的关注重点。表2显示，资本投入中，设备、工具、器具购置类资本服务对环境无效率造成的影响最大，其次分别为其他费用、建筑安装工程类资本服务。分区域来看，无论是东部地区，还是欠发达的中西部地区，设备、工具、器具购置类资本使用不当均是资本投入中导致环境无效率的主要因素。其中，东部地区设备、工具、器具购置类资本无效率占资本无效率总量的58.97%，远高于中西部地区。由此可见，在以投资驱动我国经济增长过程中，我国各地区特别是东部地区资本使用效率不高，以设备、工具、器具购置类资本为代表的资本浪费和重复投资现象严重。

3.2环境TFP及相关分解

（1）技术落差比率分析。

由于我国幅员辽阔，不同区域的技术水平存在较大差异。本文从社会经济发展角度将全国划分为八大区域，在VRS假设下测算各区域存在于共同边界和组群边界间的技术落差比率TGR。图2显示，南部沿海和东部沿海自1992年始终维持着较高的TGR，样本期间内TGR基本保持在0.8以上，说明这两个区域与共同边界下的技术水平最为接近；北部沿海TGR自1993年开始稳步上升，并从1995年开始维持在0.8左右，不断向共同边界下的技术水平逼近；长江中游和黄河中游TGR变动较为平稳，基本分别维持在0.6-0.8、0.4-0.6之间；大西北、东北和西南地区TGR变动趋势较为一致，总体呈持续下降趋势，TGR由1992年的0.6左右下降到2012年的0.3左右，技术水平不断偏离潜在技术边界，这可能与上述地区经济发展水平不高、技术水平相对落后有关。

（2）环境TFP分析。

与技术效率的静态分析不同，环境TFP作为一种动态测算方法，可以更为有效地分析各省份与生产边界的相对位置变化和生产边界的移动[3]。本文在VRS假设下分别计算了1992-2012年间全国30个省份在共同边界下的ML指数（MML）和组群边界下的ML指数（GML），同时为了进一步评价环境TFP的详细变动情况，我们对MML指数进行了分解。

表3显示，样本期间内，我国环境TFP平均增长1.11%，其中技术进步平均下降0.27%，而效率改善了1.38%。可见，我国环境TFP的增长主要来源于技术效率的改善而非技术进步。这一结论与匡远凤和彭代彦[15]一致，但与国内其他多数研究不尽相同，可能的解释是：首先，既有研究主要基于虚拟的CRS前沿而非实际的VRS前沿面来确定技术进步，从而存在高估技术变化指数的可能性；其次，观察表3可以发现，北部沿海、东部沿海和南部沿海三大区域的技术进步指数均有所提升，是环境TFP增长的重要动力，但东北、黄河中游、长江中游、西南和大西北地区技术进步指数的大幅下降导致全国总体技术水平有所恶化。当然，样本区间不同、指标选取不一可能也是导致结论存在较大差异的原因。若分区域来看，八大地区环境TFP增长水平差异十分明显。北部沿海、黄河中游、东部沿海和南部沿海地区的环境TFP分别增长7.04%、4.46%、2.94%和0.37%，而东北、长江中游、大西北和西南地区的环境TFP分别下降了0.98%、1.08%、1.40%和2.10%。值得注意的是，我国大多数省份环境TFP增长速度近年来呈现下降趋势，其中经济相对欠发达的中西部地区下降趋势尤为明显。

从技术进步变动来看，在共同边界下，全国技术进步平均下降0.27%。其中，北部沿海、东部沿海和南部沿海地区技术进步明显，分别保持5.05%、3.53%和1.22%的增长速度，而其他地区的技术退步较为明显。在组群边界下，南部沿海、黄河中游和长江中游地区的技术进步有所下降，而其他地区的技术进步速度均有所提升。从效率改善方面来看，在共同边界下，全国效率改善平均增长1.38%。其中，除东部沿海和南部沿海的技术效率有所下降外，其他地区的技术效率均有所改善。在组群边界下，黄河中游和大西北地区效率改善速度分别为0.45%和1.01%，其他区域效率改善不明显。由此可见，对于北部

沿海、东部沿海以及南部沿海地区而言，其位置往往靠近生产前沿或直接位于前沿面上，因此其生产率的提高更多地表现为前沿面向前的移动，即技术进步，而非与前沿面的距离更加接近（效率改善）。而东北、黄河中游、长江中游、西南和大西北等欠发达地区由于技术进步的内生能力不足，只能依靠技术引进和简单模仿进行生产，其生产率的提高更多表现为技术效率的改善。

潜在技术相对变动中，样本期间全国平均PTRC为0.993 4，总体技术变动幅度大于共同边界下技术变动幅度，技术追赶平均速度为0.66%。分区域来看，东北、西南和大西北地区群组边界技术变动幅度大于共同边界下技术变动幅度，技术有所追赶，而其他地区的技术边界追赶效应不明显。在纯技术赶超（PTCU）上，样本期间内全国生产技术与潜在技术水平间的差距不断缩小且保持1.18%的增长速度。分区域来看，东北、北部沿海、黄河中游、长江中游、西南和大西北地区生产技术与潜在技术水平间的距离不断缩小，而东部沿海和南部沿海地区的生产技术与潜在技术水平间的差距不断扩大，其下降速度分别为0.58%和0.86%。由此表明，随着“振兴东北老工业基地”、“西部大开发”等战略的实施以及后发优势的凸显，东北、西南和大西北等地区技术水平对发达区域已呈不断追赶趋势。

4结论

本文基于永续盘存法、年龄—效率函数测算中国三种类型资本服务数据，考虑资本投入的服务水平和实际使用

效率，运用SBM方向性距离函数和共同边界ML生产率指数，在非径向、非角度和存在多群体效率的基础上，将能源消耗和环境污染纳入经济增长核算范畴，测度1992-2012年间我国30个省份的环境技术效率，并对环境TFP的动态演变趋势进行测度和分解。研究结果表明：样本期间内，我国环境无效率主要来源于环境污染和能源消耗，不同区域环境效率存在较大差异，从东向西呈现明显的阶梯式分布，而设备、工具、器具购置类资本使用不当是资本无效率的主要因素；在技术水平方面，南部沿海和东部沿海地区最为接近潜在技术水平，北部沿海地区稳步上升，长江中游和黄河中游变动较为平稳，而大西北、东北和西南三大区域技术水平呈持续下降趋势；一方面，技术进步是推动北部沿海、东部沿海和南部沿海地区环境TFP增长的主要动力，而东北、黄河中游、长江中游、西南和大西北地区环境TFP增长主要依靠技术效率改善；另一方面，黄河中游地区的纯技术赶超最快，大西北地区在潜在技术相对变动方面表现最优。

能源消耗和环境污染对环境效率及全要素生产率的负面影响使我们不得不仔细审视中国经济发展方式这一严肃话题。本文得到的政策含义十分明显，那就是：减少能源消耗和环境污染以提高环境效率和环境全要素生产率，不仅是中国实现产业结构升级和发展方式转变的必然要求，也是中国走可持续发展道路的必然选择。因此，中国应摒弃GDP增长崇拜，转变以要素投入为主要驱动力的经济增长方式，将发展目标从经济数量扩张向经济质量提高转变，通过开展国际合作开发和自主创新等方式提高生产部门的环保技术，加快高新技术产业升级，构建合理的、稳定的环保体系，提升中国整体环境效率，并结合各区域的资源禀赋、发展阶段特征制定切实可行的发展政策方案。东部地区在加强技术引进和自主创新的同时，尤其要注重投资效率的提高，重视与节能减排相关的技术吸收和应用推广，通过激励约束机制建立环保技术市场，带动中西部地区的技术进步。中部地区在承接东部地区先进技术转移的同时，应加快实现产业结构升级，积极改进能源利用效率，提高自主创新能力，实现经济跨越式可持续发展。而西部地区应加大财政补助和政策扶持力度，鼓励技术创新，并优先发展先进制造业，大力发展新型能源，不断改善以煤炭为主的能源结构，保证西部大开发战略实施过程中环境效率和产出效率得以全面提升。

（编辑：刘呈庆）

参考文献（References）

[1] 林毅夫， 任若恩. 东亚经济增长模式相关争论的再探讨[J]. 经济研究， 2007， （8）： 4-12. [Justin Yifu Lin， Ren Ruoen. East Asian Miracle Debate Revisited [J]. Economic Research Journal， 2007， （8）： 4-12.]

[2]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）： 41-55. [Chen Shiyi. Energy Consumption， CO2 Emission and Sustainable Development in Chinese Industry [J]. Economic Research Journal， 2009， （4）： 41-55.]

[3]刘瑞翔， 安同良. 资源环境约束下中国经济增长绩效变化趋势与因素分析：基于一种新型生产率指数构建与分解方法的研究[J]. 经济研究， 2012， （11）： 34-47. [Liu Ruixiang， An Tongliang. Trend and Factor Analysis of Chinese Economic Growth Performance under Restrictions of Resource and Environment： A Research Based on a New Method of Productivity Indexs Construction and Decomposition [J]. Economic Research Journal， 2012， （11）： 34-47.]

[4]Tone K. A Slacksbased Measure of Efficiency in Data Envelopment Analysis [J]. European Journal of Operational Research， 2001， 130： 498-509.

[5]Fukuyama H， Weber W L. A Directional Slacksbased Measure of Technical Inefficiency [J]. Socio Economics Planning Sciences， 2009.

[6]Hayami Y. Sources of Agricultural Productivity Gap among Selected Countries [J]. American Journal of Agricultural Economics， 1969， 51（3）： 564-575.

[7]Battese G E， Rao D S P， O Donnell C J. A Metafrontier Production Function for Estimation of Technical Efficiencies and Technology Gaps for Firms Operating under Different Technologies [J]. Journal of Productivity Analysis， 2004， 21（1）： 91-103.

[8]Rambaldi A N， Rao D S P， Dolan D. Measuring Productivity Growth Performance Using Metafrontiers with Applications to Regional Productivity Growth Analysis in a Global Context [R]. Brisbane： Australian Meeting of the Econometric Society， 2007.

[9]Jorgenson D W. Capital Theory and Investment Behavior [J]. American Economic Review， 1963， 53（2）： 247-259.

[10]Diewert W E. Exact and Superlative Index Numbers [J]. Journal of Econometrics， 1976， 4： 115-146.

[11]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）： 95-109. [Wang Bing， Wu Yanrui， Yan Pengfei. Environmental Efficiency and Environmental Total Factor Productivity Growth in Chinas Regional Economies [J]. Economic Research Journal， 2010， （5）： 95-109.]

[12]王兵， 朱宁. 不良贷款约束下的中国银行业全要素生产率增长研究[J]. 经济研究， 2011， （5）： 32-45. [Wang Bing， Zhu Ning. Total Factor Productivity Growth in China Banking Industry under the Constraint of Nonperforming Loans [J]. Economic Research Journal， 2011， （5）： 32-45.]

[13]O Donnell C J， Rao D S P， Battese G E. Metafrontier Frameworks for the Study of Firmlevel Efficiency and Technology Ratios [J]. Empirical Economics， 2008， 34（2）： 231-255.

[14]曹跃群， 秦增强， 齐倩. 中国省际资本服务测量：概念、框架和指数构建[J]. 数量经济技术经济研究， 2013， （12）： 35-50. [Cao Yuequn， Qin Zengqiang， Qi Qian. Estimation of Chinas Provincial Capital Service [J]. The Journal of Quantitative & Technical Economics， 2013， （12）： 35-50.]

[15]匡远凤， 彭代彦. 中国环境生产效率与环境全要素生产率分析[J]. 经济研究， 2012， （7）： 62-74. [Kuang Yuanfeng， Peng Daiyan. Analysis of Environmental Production Efficiency and Environmental Total Factor Productivity in China [J]. Economic Research Journal， 2012， （7）： 62-74.]