考虑能源环境因素的中国区域绿色生产率及其提升路径分析

李　然

(重庆社会科学院， 重庆　400020)

考虑能源环境因素的中国区域绿色生产率及其提升路径分析

李然

(重庆社会科学院， 重庆400020)

摘要：能源短缺、环境污染已成为制约我国经济增长的重要瓶颈。现有研究地区生产效率的国内外文献大多未同时考虑能源和环境因素，且未能剥离外部效应及随机误差对效率值的影响。为了克服这一缺陷，采用加入能源环境因素的三阶段DEA模型对我国各地区绿色生产率进行实证分析。研究发现：在对投入变量进行三阶段调整后，整体绿色生产效率、纯技术效率、规模效率均发生了不同程度的变化，若不剔除外部效应和随机因素的影响，将导致各地区纯技术效率被低估，规模效率被高估；除江苏、山东、四川三省外，绝大多数省份处于规模报酬递增或不变阶段，很多企业并未实现规模经济；从各区域的情况看，华中地区的绿色生产率水平最高，西南地区次之，西北地区最低，传统的将西南地区和西北地区统一作为西部地区处理的方式，掩盖了两者的差异。在此基础上，提出了推进产业转型升级、促进中小企业适度规模发展、加强地区绿色合作的政策建议。

关键词：能源；绿色生产率；随机误差；三阶段DEA模型

中图分类号：F127

文献标识码：标识码：A

文章编号：：1674-8425(2015)10-0023-10

Abstract:Energy shortages, environmental pollution has become a major bottleneck restricting economic growth in China. Among the researches on the area production efficiency at home and abroad, most of them did not consider the energy and environment factor, and did not strip the influence of environmental effects and random errors on the efficiency value. To overcome this shortcoming, we used three-stage DEA model by adding energy and environment factor to analyze the green productivity efficiency of different regions. We found that after a three-phase adjustment to the input variables, the overall productivity efficiency, pure technical efficiency, scale efficiency have undergone varying degrees of change without discounting external effects and random factors, and it will lead to pure technical efficiency of each undervalued region, and scale efficiency is overvalued. In addition to Jiangsu, Shandong and Sichuan, most provinces stay in the stage of increasing or the same returns to scale, and many companies did not achieve economies of scale. Looking at the situation from all regions, the efficiency of central region is the highest, followed by the southwest region of China, and the northwest is the lowest. The unity of the southwest and the Northwest Territories, as a way to deal with the western region, obscures the difference between the two. On this basis, we proposed the policy recommendations to promote industrial restructuring and upgrading, to moderately expand the scale of small and medium enterprises and to strengthen regional green cooperation.

收稿日期：2015-01-16

基金项目：中国石油勘探开发研究院院级项目“基于生态经济理论的石油供需预测研究”(2012Y-59)

作者简介：易洁芯(1987—)，女，湖南邵阳人，工程师，硕士，研究方向：油气供给预测。

doi:10.3969/j.issn.1674-8425(s).2015.10.006

Analysis of Regional Green Productivity and Its Upgrading Path

in China by Considering the Energy and Environment Factor

LI Ran

(Chongqing Academy of Social Sciences, Chongqing 400020, China)

Key words: energy; green productivity; random error; three-stage DEA model

一、引言

随着工业化、城镇化的快速推进，能源短缺和环境污染的压力与日俱增，严重影响了我国经济的可持续发展和生态文明建设。新常态下如何以最少的资源消耗、最低的环境代价，实现经济从主要追求产量和依赖资源消耗的粗放经营转到数量、质量、效益并重上来，进而支撑经济社会“绿色化”发展，已成为当前政府部门和学术界关注的热点。能源是现代经济增长中不可缺少的投入要素，对一国经济发展具有决定性作用，能源过度消费所产生的资源枯竭和环境污染问题日益成为经济增长的重要制约因素之一。已有文献大多未能考虑能源投入及其产生的环境污染的影响，因而对生产效率的衡量及其重要性的判断难免会有失偏颇。把能源和环境污染因素纳入生产率分析框架，有助于更加准确地度量生产率增长对绿色经济增长的贡献，更真实地反映中国各地区的绿色生产率水平及其差异，从而有助于我们深入地揭示绿色经济增长的动力源泉，为我国各地区制定绿色经济政策提供参考。

众多学者基于不同产业类别、不同所有制结构等对我国各地区生产率进行了测算与分解，探讨了生产率的地区差异与收敛状况，分析了影响中国经济增长及地区生产率差异的原因。余泳泽和张妍采用三投入超越对数形式的随机前沿面板模型，考察了中国各省市 1995 年以来高技术产业的生产效率和全要素生产率增长率变迁[1]。冯志军等考虑了研发创新过程中的能源环境约束，构建能处理非期望产出的Malmquist-Luenberger指数模型，对中国30个省级区域及八大经济区2001—2011年工业企业研发创新的全要素生产率及其分解指数进行了测算，并分析了其时序演进和空间分布的基本特征[2]。王兵和黄人杰运用参数化共同边界与 Luenberger 生产率指标相结合的方法，研究环境约束下 2000—2010 年中国区域绿色发展效率和绿色全要素生产率之增长情况[3]。李富有等运用Malmquist生产率指数实证分析了中国各地区的工业生产率，以各地区的工业增加值为变量，使用收敛技术(σ收敛和β收敛)分析了各地区间工业经济发展差异的变化，最后分析加入WTO对中国工业经济发展存在的影响[4]。李静和蒋长流通过对β收敛模型的适当改进，构建了具有时滞因子的调整模型，分别考察了区域农业劳动生产率的收敛性和区域农业用能强度的收敛性，在此基础上进一步分析了农业用能强度随农业劳动生产率变化的收敛或发散情况[5]。汪锋和解晋使用1997—2012年省级面板数据，以超越对数生产函数为基础核算中国各省的绿色全要素生产率增长率，并对其影响因素进行了实证分析[6]。段海啸运用Luenberger指数测度了长三角地区的生产率增长状况[7]。梁俊和龙少波运用非径向非角度方向性距离拓展函数和Luenberger生产率指标，分析了中国2000—2012年环境约束下30个省市工业全要素生产率的增长，并对其收敛和影响因素进行了分析[8]。陈心颖根据 2000—2012 年的省级面板数据，利用空间面板回归和门槛面板回归进行异质性检验，考察人口聚集度与区际劳动生产率之间的非线性关系[9]。汪克亮等在生产技术异质性假定下，以非参数共同前沿理论作为分析工具，对我国各省份、三大区域 2000—2012 年的共同前沿绿色生产率及其分解指数进行测算，在此基础上分析其地区差异与动态演变趋势[10]。

由于国内对生产效率的研究，一方面未能考虑能源要素的投入及其产生的环境污染，另一方面未能剔除外部效应和随机误差的影响，不能客观体现决策单元真实的决策与管理水平，因此，为了更准确地测度我国各地区的绿色经济增长状况、了解各地区的整体资源利用水平，同时为各省积极调整产业结构、转变经济发展方式提供更有力的依据，本文利用三阶段DEA模型对我国各地区的绿色生产率状况进行了实证分析。本文其余部分的结构安排如下：第二部分具体介绍了三阶段DEA模型的构建过程；第三部分对投入产出变量及外部变量的选取进行了说明，并对数据来源作了简要介绍；第四部分分析了各阶段的估计结果，并探讨了各地区绿色生产率的提升路径；第五部分是结论性述评。

二、研究方法

DEA方法自1978年Charnes等人提出以来在生产效率估计中应用十分普遍[11]。其优点主要有：无需像参数法那样构建具体函数形式的生产前沿面；可以处理多投入和多产出的情况；能给出每一种投入的利用效率，为决策层提供增加效率的最佳途径；对投入、产出的项目无需进行单位的标准化。三阶段DEA模型的构建和运用过程如下：

第一阶段：传统的DEA模型。DEA模型可以分为投入导向型和产出导向型两种。投入导向型是指在产出水平一定的情况下，使投入最小化的规划问题；产出导向型是指在投入水平一定的情况下，使产出最大化的规划问题。本质上来讲，投入导向型和产出导向型是从不同的角度来解决同一个问题，两者最终得出的结论是一致的。由于投入的数量是决策的基本变量，且相比于产出量而言，投入量更加容易控制些，因此，本文采用投入导向的规模报酬可变的Banker-Charnes-Cooper模型(简称BCC模型)。

假设有K个决策单位(Decision Making Units，简称DMU)，每个决策单位均使用N种投入、生产M种产出，则某一特定决策单位的效率值可由如下的线性规划方程求得：

(1)

其中，xn,k表示第k个DMU的第n项投入量；ym,k表示第k个DMU的第m项产出项；λk表示第n项投入和第m项产出的加权系数；θk表示第k个DMU的效率值，介于0与1之间，越接近1表示效率越高，它是一种相对效率，表达的是特定单个决策单位的效率值是相对于该样本组群体比较而言的概念，θk=1的DMU的效率在该样本组中最高。

第一阶段的DEA模型不能将外部宏观因素、随机误差因素以及内部管理因素对效率值的影响效果分开，此时的效率值无法反映到底是由管理原因造成的低效，还是由外部因素和随机误差所导致的低效，因而进入第二阶段的分析。

(2)

(3)

为剥离不同运营条件和随机误差的影响，对于那些处于相对有利的运营条件或相对好运的DMU的投入进行向上调整，*调整的方式有两种：一种是对于那些所处环境较好的决策单位，增加其投入；另一种是对于环境较差的决策单位，减少其投入。前者在现实中更为合理，因为在某些极端情况下，对于环境很差的决策单位减少其投入可能会导致调整后的投入项为负值。本文采用前一种调整方法。其原则是将所有决策单位调整到相同的外部条件或平台状态，同时考虑随机因素的影响，从而测算出纯粹反映各决策单位管理水平的效率值。基于最有效率的决策单位，以其投入量为基准，对其他各决策单位投入量的调整如下：

(4)

三、变量与数据说明

我们所采用的数据主要来源于《中国统计年鉴》《中国能源统计年鉴》、某些省份的统计年鉴及固定资产投资年鉴等。为了便于比较分析，所取样本并未包括西藏，重庆并入四川处理。综合DEA分析对投入产出指标的基本要求，下面将就整理的主要变量作扼要介绍。

(一)产出与投入变量

1.实际GDP(单位：亿元)和二氧化硫排放量(万吨)。在研究中，以中国各地区为研究决策单元。由于现实经济中的生产存在负外部性，能源利用过程中往往伴随各类环境污染物的排放，如二氧化硫、温室气体及烟尘等大气污染物，对环境质量负面影响极大。由于当前技术条件的限制，经济产出往往伴随了环境污染的排放。因此，生产单元的产出应该包括两大类：一类是期望产出(即经济产出，如 GDP，也称“好”产出)；另一类是非期望产出(即环境污染物，如二氧化硫、二氧化碳、废水、废气等，也称“坏”产出)，考虑数据的可获得性，采用二氧化硫排放量表示非期望产出。其中，实际GDP指标采用的GDP和GDP平减指数来自于《中国统计年鉴》(2004，2013)，并以2000年不变价格进行换算。

2.实际资本存量(单位：亿元)。这里采用“永续盘存法”对实际资本存量进行估算，计算方法为：Ki,t=Ii,t+ (1-δi,t)Ki,t-1，其中，Ki,t是地区i第t年的资本存量，Ki,t-1表示地区i第t-1年的资本存量，Ii,t表示地区i第t年的投资，δi,t表示地区i第t年的折旧率。文中当年投资I的选取采用的是近期大部分研究中采用的固定资本形成总额，基年(2000年)物资资本存量K来自于张军等人的测算结果，经济折旧率δ假定为10%，投资平减指数主要来自于《中国统计年鉴》(2001—2013)及相关固定资产投资年鉴公布的各地区固定资产投资指数，广东省2000年的固定资产投资指数缺失，我们根据张军等的建议采用商品零售价格指数代替[13]。

3.劳动力(单位：万人)。在实际的计算过程中，我们利用《中国统计年鉴》(2013)中公布的各地区就业总人数来加以衡量。由于缺少省际间更为详尽的资料，故无法对劳动力投入进行质量上的调整。

4.能源(单位：万吨标准煤)。能源投入量主要根据《中国统计年鉴》(2013)中公布的各地区单位生产总值能耗和各地区生产总值计算而来，已经折算成标准煤。

(二)外部变量

外部变量是指那些影响生产效率但不在样本主观控制范围之内的因素，由于这些特性决策单元自身在短期内无法控制或改变，因而称之为外部因素。本文选取了以下六个外部变量：① 国有工业产值占工业总产值比重。该指标主要用来反映各地区的市场化程度，一般来说，该比例越高，说明该地区市场化程度越低。② 出口占GDP比重，该指标用来反映对外开放程度对生产效率的影响。③ 各地区初中以上文化程度所占比重，该比例用来反映不同地区人力资本因素对效率的影响。④ 第二产业增加值占GDP比重。该比例用来反映不同产业结构对地区生产效率的影响。⑤ 城镇化率，该指标用来反映城市化进程对生产效率的影响。⑥ R&D经费投入强度，该指标用来反映研究与实验发展(R&D)经费投入对生产效率的影响。以上六个变量不受决策单元管理控制的约束，并可满足Simar和Wilson提出的分离假设。所以本文选取它们来反映不同经营条件对决策单元生产效率的影响。以上变量的数值均来自于《中国统计年鉴》(2013)。各变量的描述性统计特征如表1所示。

四、实证结果及分析

(一)第一阶段传统DEA的估计结果

在第一阶段，运用DEAP2.1软件对中国29个省(市、自治区，以下简称省)的生产效率和规模报酬状况进行了分析，并得到了投入变量松弛量，即投入变量的实际值与理想值之差。表2报告了相关估计结果。

计算结果显示，在不考虑外部效应和随机因素影响的情况下，中国各地区的绿色生产率水平为0.925，平均纯技术效率为0.956，平均规模效率为0.967。其中，有9省(市、自治区)的生产效率值为1，即处于效率前沿面上，它们分别是北京、山西、上海、江西、湖南、广东、贵州、陕西和宁夏。其他的20个省(市、自治区)均不同程度的存在生产效率损失，这些省份中纯技术效率都高于规模效率，这说明加入能源环境因素后的地区生产效率不高的原因，主要来自纯技术无效。但在没有考虑外部条件和随机误差因素的作用下，规模效率有没有被低估？纯技术效率有没有被高估？仍需做进一步的论证。

(二)第二阶段SFA估计结果

在第二阶段，运用FRONTIER4.1软件将第一阶段得到的各样本投入变量松弛量(包括射线和非射线部分)作为被解释变量，将国有工业产值占工业总产值比重、出口占GDP比重、初中以上文化程度人口所占比重、第二产业增加值占GDP比重作为解释变量构建SFA回归模型，以判定外部因素对投入变量松弛量是否产生显著影响？如果具有显著影响，就需通过公式(3)将这些影响因素加以剔除。

表1　2012年各地区投入、产出及外部变量描述性统计特征

表2　第一阶段考虑能源环境因素但非同质条件下中国各地区绿色生产率情况

注：TE、PTE、SE分别表示技术效率、纯技术效率和规模效率；TE=PTE×SE；drs、irs、-分别表示规模报酬递减、递增和不变。

表3　第二阶段SFA估计结果

注：***、**、*分别表示在1%、5%、10%的检验水平下显著；括号里的数值表示标准差。

由表3可知，国有工业产值占工业总产值比重、出口占GDP比重、初中以上文化程度人口所占比重、第二产业增加值占GDP比重、城镇化率、R&D经费投入强度对资本松弛变量、劳动力松弛变量、能源松弛变量均通过了显著性检验。这说明外部变量对投入变量松弛量产生显著影响，需要通过公式(4)对影响因素进行剔除，使所有的地区在面对同样的经营条件与经营运气下，考察其真实的效率水平。

外部变量与投入松弛变量的正向关系表明，外部变量投入增多将导致投入冗余量增加，不利于提升地区绿色生产率；反之则有利于提升地区绿色生产率。从表3可以看出，国有工业产值占工业总产值比重对资本、劳动和能源投入松弛变量产生显著正效应，说明国有化程度越高，市场配置资源的空间越小，越不利于减少投入冗余量，从而降低地区绿色生产率。出口占GDP比重对资本、劳动力、能源投入松弛变量产生负效应，且都通过1%的显著水平检验，说明经济的外向程度越高，越有利于提高各项生产要素的利用效率。初中以上文化程度人口占地区总人口比重对资本和劳动投入松弛变量产生显著负效应，说明增加劳动力受教育年限，有助于提升地区人力资本质量，从而提高地区绿色生产率。同样第二产业增加值占GDP比重的增加不利于地区绿色生产率的提升，其原因在于第二产业多是粗放型产业或高能耗产业，这些产业能源消耗量大，而且造成的污染严重。城镇化率的增加，有利于增加就业机会，从而减少劳动力的冗余；但房地产业的快速发展，会产生较多的能源要素冗余。R&D经费投入的增加，有利于技术、产品创新，从而提高能源的利用效率，对于能源松弛变量具有显著的负效应。综合来看，处理好政府和市场的关系，充分发挥市场在资源配置中的决定性作用，扩大地区对外开放程度，合理调整产业结构，加大教育投入培养高素质劳动者，加快新型城镇化进程，增加R&D经费投入是提高地区绿色生产率的重要途径。

(三)第三阶段投入调整后的DEA估计结果

在第三阶段，根据式(4)调整投入变量，并将调整后的投入值与原始产出值再次代入DEA模型，可获得第三阶段各决策单位的效率值以及规模报酬的状态，运行结果如表4所示。

Wilcoxon符号等级检验结果显示，*限于篇幅，结果省略。第一阶段的效率值与第三阶段的效率值存在显著性差异，表明文中所选的外部变量及随机误差确实会对效率值产生影响，因此调整投入变量是有必要的。比较表2和表4可以看出，排除外部变量和随机因素的影响后，各地区的绿色生产率水平从0.925下降为0.844，平均纯技术效率从0.956上升为0.981，平均规模效率从0.967下降为0.86。进一步观察发现，在对投入变量进行调整后，大多数省份的规模效率出现不同程度的下降，规模无效成为地区绿色生产率不高的主要原因，而非纯技术无效。此外，处于效率前沿的省份从第一阶段的9个减少为第三阶段的4个，减少的5个地区分别为北京、江西、湖南、陕西和宁夏，这些地区之所以在第一阶段被高估，主要是因为他们面临较好的外部条件或运气较好，并不是它们的技术水平高。综合来看，在不剥离外部变量和随机因素的前提下，各省域纯技术效率被低估，但规模效率被显著高估，且高估程度要高于纯技术效率被低估的程度，由此导致各地区绿色生产率水平被高估。

(四)中国各地区绿色生产率的提升路径

在第三阶段，由于排除了外部效应和随机因素的干扰，其效率值更趋客观真实，因此，效率提升应以此为基础。

总体上看，我国整体绿色生产率值为0.844，综合水平不高；纯技术效率值为0.981，水平较高，说明近年来我国大多数决策单元(企业)在要素利用上的决策与管理能力逐步增强，水平得到了较大提升；规模效率值仅为0.86，是导致整体效率水平偏低的主要原因，其现实表现为大多数企业规模偏小，规模化利用要素资源的意愿低、能力不足，在企业决策中的地位不高。但是随着劳动者工资水平和资本价格的上升，能源资源日益短缺，环境污染压力越来越大，企业的要素使用成本不断高涨，而要素利用效率低下将成为制约企业发展的瓶颈。因此要提高要素的整体效率水平，就必须致力于提升其规模利用效率。

分区域来看，鉴于我国区域发展不均衡的现实，突破传统的东、中、西三大区域划分方法，从华东地区(山东、江苏、安徽、浙江、福建、江西、上海)，华南地区(广东、广西、海南)，华中地区(湖北、湖南、河南)，华北地区(北京、天津、河北、山西、内蒙古)，西北地区(宁夏、新疆、青海、陕西、甘肃)，西南地区(四川、云南、贵州)，东北地区(辽宁、吉林、黑龙江)七大区域进行绿色生产率的比较分析，希冀提出更为合理的对策建议，促进区域协调发展。

表4　第三阶段同质条件下中国各地区绿色生产率情况

注：TE、PTE、SE分别表示技术效率、纯技术效率和规模效率；TE=PTE×SE；drs、irs、-分别表示规模报酬递减、递增和不变。

表5　同质条件下中国七大地区绿色生产率情况

注：TE、PTE、SE分别表示技术效率、纯技术效率和规模效率；TE=PTE×SE。

从表5中不难发现，在整体绿色生产率水平上，华中地区最高为0.938，西南地区次之，为0.935，西北地区最低为0.673。这说明传统的将西南地区和西北地区统一作为西部地区处理的方式，掩盖了两者的差异，事实上西南地区的效率水平要远高于西北地区；在纯技术效率上，各地区差异并不明显，最高为华南地区，效率值为0.999，最低为东北地区，效率值为0.959；规模效率的差距与整体技术效率类似。当然七大地区中也有特殊情况，如西北地区也有整体效率较高的省份，如陕西，为0.87；西南地区中也有效率值较低的省份，如云南，为0.817。综合来看，七大区域的规模效率要小于纯技术效率，这表明区域内各决策单元(企业)要充分认识生产要素规模化利用的重要性，着力提高要素使用的规模经济性，特别是在劳动力、资本、能源价格普遍上涨以及人们对环境保护的要求越来越高的背景下，要素的使用效率将直接影响新常态下经济的平稳发展。此外，各个区域要加强绿色合作，缩小地区差距。先进地区绿色生产率数值较高，说明凭借强有力的政策支撑和改革措施的出台，以及重大产业项目和高素质人才的引进，其在新技术开发、技术传播与应用等方面要强于落后地区。落后地区要大力引入先进的绿色发展理念和管理思想，学习先进地区的绿色管理经验和技术，努力提高自身效率水平，缩小差距，促进各大区域又好又快发展。需要指出的是，这里的纯技术效率是一个相对值，效率值高并不意味着各地区的真实效率就很高，它只能反映各地区纯技术效率相对变化的发展趋势，所以各地区决策单元(企业)仍要努力提升决策与管理水平，增强竞争实力。

五、结论与政策启示

本文考虑了能源环境因素、外部效应和随机误差对我国各地区绿色生产率的影响，将能源因素和环境污染因素纳入估算模型，并采用三阶段DEA模型对中国各地区的绿色生产率进行了实证分析，提出了提升各地绿色生产率的主要路径。研究结果表明：(1)在对投入变量进行三阶段调整后，整体效率水平、纯技术效率、规模效率均发生了不同程度的变化。其中各省纯技术效率被低估，规模效率被显著高估，这也说明外部变量和随机因素对各地区绿色生产率水平产生了较大影响，应当加以剔除，变量的显著性检验和Wilcoxon符号等级检验结果也支持了上述判断。(2)江苏、山东、四川三省规模报酬处于递减阶段，说明这些地区各要素利用规模大，已经实现规模经济性。其他26个省份处于规模报酬递增或不变阶段，需要继续加大要素投入数量，以获得生产的规模经济性。(3)从各区域的情况看，华东、华南、华中、华北、西北、西南、东北七大地区的绿色生产率有着较大的差异，西南地区最高，华中地区次之，西北地区最低。强有力的政策支撑和改革措施的出台，以及重大产业项目和高素质人才的引进，使得西南地区的绿色生产率要高于其他地区。另外，传统的将西南地区和西北地区统一作为西部地区处理的方式，掩盖了两者的差异。

基于上述结论得出以下几点政策启示：

(1)大力推进产业转型升级。华东地区、四川盆地(包括重庆)和中部地区地区效率提升应以广东、上海等地为目标，产业结构优化方向为现代服务业和先进制造业，重点发展低能耗、低排放、低污染的高新技术产业，采用先进的技术和管理提升地区生产效率；东北地区由于非公有制经济发展不充分，市场化程度低，发展活力不足等多重因素的“锁定效应”，未来地区生产效率的提升路径应致力于促进工业结构优化升级，大力发展非公有制经济和现代制造业，提升工业化、市场化水平；西北与西南资源赋存较高的地区，由于地方政府过于依赖眼前的资源红利，导致产业形态较为低端，地区产业结构升级改造滞后，陷入资源“诅咒”的怪圈[14]，未来地区效率的提升应以高新技术改造提升传统产业，延长产业链条，提高产品附加值，大力发展绿色经济，实现产业转型、资源节约、环境改进的协调发展。同时建立落后产能退出机制，加大淘汰落后产能的财政奖励力度，严格实行节能减排、淘汰落后问责制。

(2)促进中小企业适度规模化发展。实证分析结果显示，规模效率低是我国各地区绿色生产率不高的主要原因。事实上，我国企业目前仍以中小型为主，需要适度扩大企业规模。从内部因素看，很多中小企业组织和产业结构不合理，在发展的过程中存在重复建设、重复投入的问题，产业关联度较低，不注重要素投入的规模效应，过于追求“小而全”，企业之间缺乏社会化、专业化分工协作，从而丧失了规模经济性。从外部环境看，资金紧张是当前制约中小企业规模扩张的主要因素，由于缺少抵押物及经营风险大，中小企业难以获得正规金融机构贷款，在信贷总量控制的前提下，银行往往优先保证大企业的贷款需求。因此，需要加大企业的结构调整力度，积极支持中小企业向“小而尖、小而精、小而优、小而特”方向发展，着力提升生产技术水平和投入的规模经济性；也需要为中小企业提供更多的金融支持，进一步降低正规金融机构对中小企业的融资门槛，建设中小企业基地，促进中小企业集中布局和集约发展，为中小企业发展提供贷款支持。

(3)加强地区绿色合作。华东等发达地区应充分利用其雄厚的技术、资金、人才优势，加强绿色新技术的研发，并将先进的绿色管理经验和技术传播到内陆地区。考虑到地缘邻近及相似的经济发展水平等原因，落后地区还应多向邻近的高效率地区学习取经，如西北地区可以向西南地区学习先进的绿色发展理念和管理技术，提高自身效率水平。国家在促进区域合作上，应结合“一带一路”和长江经济带建设给予政策和项目上的支持，一方面要促进沿海发达地区产业创新升级和生产性服务业发展，另一方面要推动劳动密集型产业和加工组装产能向中西部转移，在有条件的地方设立国家级绿色产业转移示范区，鼓励东部产业园区在中西部开展共建、托管等连锁经营，中西部地区生态环境脆弱，切不能走“先污染、后治理”的老路，而应通过承接东部地区绿色产业转移，学习先进的绿色生产技术和管理方法，推动经济向中高端水平跃升。

参考文献：

[1]余泳泽，张妍.我国高技术产业地区效率差异与全要素生产率增长率分解——基于三投入随机前沿生产函数分析[J].产业经济研究,2012(1):44-53.

[2]冯志军，陈伟，明倩.能源环境约束下的中国区域工业研发创新全要素生产率:2001—2011年[J].工业技术经济,2013(9):87-96.

[3]王兵，黄人杰.中国区域绿色发展效率与绿色全要素生产率:2000—2010——基于参数共同边界的实证研究[J].产经评论,2014(1):16-35.

[4]李富有，苏韶华，尹海风.地区工业生产率差异和收敛——中国加入WTO前后的对比分析[J].统计与信息论坛,2004(12):36-43.

[5]李静，蒋长流.农业劳动生产率区域差异与农业用能强度收敛性[J].中国人口资源与环境，2014(11)： 17-25.

[6]汪锋，解晋.中国分省绿色全要素生产率增长率研究[J].中国人口科学,2015(2):53-62.

[7]段海啸.环境约束下长三角经济效率及全要素生产率增长——基于Luenberger指数的实证分析[J].商业经济研究,2015(7):128-130.

[8]梁俊，龙少波.环境约束下中国地区工业全要素生产率增长:2000—2012年[J].财经科学,2015(6)：84-95.

[9]陈心颖.人口集聚对区域劳动生产率的异质性影响[J].人口研究,2015(1):85-95.

[10]汪克亮，孟祥瑞，杨力，等.生产技术异质性与区域绿色全要素生产率增长——基于共同前沿与2000—2012年中国省际面板数据的分析[J].北京理工大学学报：社会科学版,2015(1):23-31.

[11]CHARNES A,COOPER W W,RHODES E.Measuring the efficiency of decision making units[J].European Journal of Operational Research,1978(6):429-444.

[12]JONDROW J,MATEROV I,LOVELL C A K,et al.On the estimation of technical inefficiency in the stochastic frontier production model[J].Journal of Econometrics,1982(2):233-238.

[13]张军,吴桂英,张吉鹏.中国省级物质资本存量估算：1952-2000[J].经济研究,2004(10):35-44.

[14]孙建，毛明明.重庆制造业能源消费碳排放因素实证研究[J].重庆理工大学学报:社会科学，2014(11):52-57.

(责任编辑许若茜)

引用格式：易洁芯，张松，吴剑.基于自适应控制的石油产量预测方法与模型研究[J].重庆理工大学学报:社会科学，2015(10):33-37.

Citation format：YI Jie-xin, ZHANG Song, WU Jian.Study on Oil Supply Forecast Model Based on Adaptive Control[J].Journal of Chongqing University of Technology:Social Science，2015(10):33-37.