中国区域绿色全要素生产率溢出效应研究

□李卫兵，梁榜



中国区域绿色全要素生产率溢出效应研究

□李卫兵，梁榜

本文利用SBM方向性距离函数和Malmquist-Luenberger指数测算了2001-2014年我国30个省(市)的绿色全要素生产率及其分解成分，并利用三种加权方式分别测度了全国及东、中、西部三大区域内相邻省(市)绿色全要素生产率的溢出效应，然后分析了相邻省(市)之间绿色全要素生产率的高低和地理距离的远近对其溢出效应的影响。实证结果表明，就全国范围而言，基于三种加权方式下相邻省(市)之间的绿色全要素生产率都存在显著、正向的溢出效应，绿色全要素生产率主要从较高的省(市)向较低的省(市)溢出，并且地理距离近的省(市)的绿色全要素生产率的溢出效应大于距离远的省(市)；分区域来看，三大地区内相邻省(市)之间绿色全要素生产率的溢出效应存在明显的区域差异，并且东部地区内相邻省(市)之间的溢出效应最大，中部地区次之，西部地区最小。

绿色全要素生产率； 溢出效应； 区域差异

一、引言和文献综述

党的十八届五中全会明确强调，必须牢固树立并切实贯彻创新、协调、绿色、开放、共享的发展理念。其中，绿色发展是建立在生态环境容量和资源承载力的约束条件下，以效率、和谐、可持续为目标的经济增长和社会发展方式。要实现绿色发展，就需要转变经济发展方式，同时全面推进节能减排、低碳发展和循环发展，使得经济增长和资源消耗、二氧化碳排放脱钩。为将资源环境约束纳入经济增长的分析框架中，绿色全要素生产率(Green Total Factor Productivity，GTFP)这一概念应运而生。GTFP是将能源、环境因素纳入经济增长分析框架中对传统全要素生产率的修正，是转变经济发展方式的主要动力[1]。因此，绿色全要素生产率的增长对我国绿色发展具有决定性影响。值得注意的是，我国GTFP的增长和绿色发展具有明显的区域差异[2]，这种较大的区域差异显然不利于实现“十三五”时期的绿色、协调发展的目标。考虑不同区域的技术、知识和制度存在着溢出效应，那么含义更为广泛的绿色全要素生产率可能也存在着区域间的溢出效应，因此，在现阶段研究绿色全要素生产率的溢出效应的程度、方向及影响因素对于我国缩小GTFP的空间差异并实现绿色、协调发展无疑有着极为重要的理论与现实意义。

传统的全要素生产率测算方法没有考虑资源、能源消耗的同时会带来“坏”产出，这种忽略资源、环境约束的重要影响而进行的生产效率测算存在严重偏差，在此基础上对经济绩效和社会福利的评价可能会产生误导性结论[3]。幸运的是，已有许多学者开始将资源、环境因素纳入生产率的测算框架中并已取得重大进展。例如，Chung et al.[4]和Färe et al.[5]以距离函数为基础，提出了方向性距离函数，并创造性地提出Malmquist-Luenberger(ML)生产率指数。该指数不仅可以测度存在非期望产出时的全要素生产率，还能进一步分解为技术进步指数和技术效率指数。随后，Tone首度提出非径向、非角度的基于松弛的(Slack-based Measure，SBM)测度方法[6]，并在效率测算评价中得到广泛应用[2][7][8]。Färe & Grosskopf[8]与Fukuyama & Weber[9]在Tone的基础上进一步将方向性距离函数和SBM效率测度方法相结合，不仅能从多角度对效率进行测算和评价，还能衡量投入或产出存在非零松弛时所产生的影响，使得绿色全要素生产率的测算更加科学、准确。

全要素生产率的内涵和来源十分广泛，主要包括技术进步、知识创新和制度创新等。理论和实证研究表明，技术、知识和制度都存在溢出效应。一般来说，技术溢出包括直接的技术传递和间接的国际贸易两种途径。技术传递也就是新技术的传播，主要以研发作为传递的主体[10]。由于不同区域之间往往存在紧密的经济、文化交流，新研发的技术可以从一个地区传递到其他地区，从而可以在多个地区得到利用，而且研发技术的一方可以获得更大的利润并进一步促进研发[11]。直接的技术传递会受到区域之间地理距离的影响，随着距离的增加，不同地区的研究机构、高校、企业之间的交流会减少，从而减少技术的传递[12][13]。国际贸易可以间接影响国际技术溢出，其影响途径可以分为直接影响技术溢出的静态途径和对技术溢出产生间接影响的动态途径[14]。静态途径主要包括资本品进口、中间品种类的增加、与国外企业的合作：先进生产设备等资本品嵌入了先进技术，是国际贸易技术溢出最直接的途径[15][16]；国际贸易能增加中间投入品的种类从而促进技术溢出，而在最终产品的生产中投入更高质量的进口中间品，有利于一国技术水平的提升[17]；通过与外国企业建立多种形式的合作关系，本国的合作伙伴可以学习到国外企业先进的技术、管理模式和经验[18]。动态途径主要是由国际贸易产生的竞争效应、“干中学”效应和规模效应：国际贸易的开展引起更激烈的市场竞争，由此促进各种市场资源的合理和更优分配，从而有助于技术溢出；国际贸易存在“干中学”效应，不仅给予技术落后国模仿技术前沿国的机会，而且可以通过对新产品的演示和推销等过程促进技术的间接外溢[19]；国际贸易技术溢出的另一个动态途径是规模效应，产品市场的扩大导致规模经济和生产效率提高，有利于技术进步和溢出。

知识溢出是不同主体之间通过直接或间接方式进行交流、互动并由此所发生的无意识的知识动态传播过程，它受主体特征、产业与区位以及区域环境等多方面因素的影响[20]。按照主体之间交流、互动形式的不同，可大致分为以下几种溢出机制：知识人才流动、研发合作、企业家创业等。具体而言，不同空间范围内的知识人才流动是隐性知识溢出的主要途径，知识人才在与周围群体发生交流、互动的过程中既有利于促进新知识的创造，又加快了不同群体之间知识传播、扩散的速度[21]。具有稳定合作关系的产学研创新网络的建立有利于企业技术人才、高校研究人员以及企业家在各种正式的学术研讨会或非正式交流的过程中实现异质性知识的交换，从而促进知识的溢出和扩散[22]。企业聚集的区域往往是大量隐性知识的集聚地，那些拥有创意或专利的企业家就可以通过与不同的群体进行交流、互动或与他人合作来有效吸收这些企业聚集区域的隐性知识，从而有利于企业的创立[20]。

制度的含义十分广泛，既包括国家制度、地方政府制度、产权制度等正式制度，又包含政策、规则等非正式制度。从理论上讲，不同国家或地区之间的制度也存在溢出效应，比如制度的相互学习、借鉴或模仿等，但制度的溢出往往是一种潜移默化、过程细微且循序渐进的过程，不易显性描述和定量化。从正式制度来说，国家间近邻效应的存在，使得某个国家的制度受邻国制度水平的重要影响，并且其空间溢出的强度与两个国家间的距离成反比[23]。地方政府之间的制度溢出效应是较明显的，由于制度欠缺的地区总是存在通过模仿制度完备地区的制度以降低制度创新和优化的成本的激励，导致地方政府普遍的“搭便车”行为，产生直接“拿来”的制度溢出。产权制度的“邻里模仿效应”和“示范效应”是明显且稳健的，并且地方政府为了更好地发展经济，邻里之间往往会相互学习和模仿，从而进一步强化了产权制度的空间外部性[24]。非正式制度也存在溢出效应，比如地理、制度邻近导致了政策移植的发生，有利于中央、国内区域组织及地方政府的政策知识在区域之间的相互溢出[25]。此外，近邻地区可通过直接访问获取较大的信息交换，而且近邻地区政策的变化特别直接，也更容易获得[26]。

从上述对文献的梳理可以看出，现有文献仅仅从技术、知识或制度等层面独立地分析其溢出效应，但未能把全要素生产率作为一个整体来系统地考量其溢出效应，而全要素生产率是一个综合指标，它涵盖了技术、知识、制度等因素，因此将全要素生产率作为一个整体来阐释并测度其溢出效应显然更合理、更有意义。此外，考虑资源环境因素后的绿色全要素生产率的内涵比传统全要素生产率更加丰富，也更能体现出经济发展方式转变的动力机制，因此现阶段将GTFP作为一个整体来系统地研究其溢出效应无疑是一个全新的视角。

为了弥补现有文献的缺陷，本文试图在如下方面有所创新：(1)运用SBM方向性距离函数和ML指数测算我国各省份及直辖市的绿色全要素生产率并进行分解，然后基于三种加权方式测度全国范围内相邻省(市)间绿色全要素生产率溢出效应的大小；(2)考虑相邻省(市)中绿色全要素生产率的高低和地理距离的远近对GTFP溢出效应的影响，来说明我国相邻省(市)之间绿色全要素生产率的溢出效应大小、方向及影响因素；(3)从区域角度出发，将30个省(市)分别归入东、中、西部三大地区，基于三种加权方式分别测算三大区域内部相邻省(市)GTFP的溢出效应，以此来说明溢出效应的区域差异。

二、研究方法与数据说明

(一)研究方法

1．方向性距离函数

(1)

考虑环境因素后产出的可能前沿由环境技术给出，在此基础上引入方向性距离函数，即对于某省(市)p′而言，第t期的方向性距离函数可通过求解下述线性规划得到：

(2)

2．Malmquist-Luenberger生产率指标

在上述求解SBM方向性距离函数的基础上，可进一步构造ML生产率指数。根据Chung et al.的方法[4]，在t期到t+1期之间的ML生产率指标为：

(3)

ML指数可以进一步分解为技术效率指数(EFF)和技术进步指数(TECH)：

(4)

(5)

(6)

(二)变量说明与数据处理

根据上述模型中绿色全要素生产率的测算要求，我们需要中国各省(市)2000—2014年的期望产出、非期望产出和投入数据。考虑数据的可得性和完整性，我们选取除西藏以外的中国大陆30个省(市)作为决策单元样本，投入、期望产出和非期望产出的基础数据主要来源于历年《中国统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》以及部分地方统计局数据。

1．投入变量

2．产出变量

绿色全要素生产率不仅考虑传统生产效率测算中的期望产出，还加入资源消耗产生的非期望产出，即构建同时包含期望产出和非期望产出的双产出模型。期望产出，也称“好”产出，通常用实际GDP来衡量。为剔除通胀影响，本文利用GDP平减指数将各省(市)各年的名义GDP进行折算得到以2000年为基期的实际GDP。非期望产出，也称“坏”产出，其指标选择具有较大弹性，国内外尚未形成统一标准。学者们选取的非期望产出指标主要包括二氧化硫[31]、工业“三废”[32]、二氧化硫与化学需氧量[2](Chemical Oxygen Demand，COD)、二氧化硫与二氧化碳[33]等。与其他污染物相比，二氧化硫和COD主要在工业生产过程中产生并受到各国的严密监测，而生活排放量相对较小，它们与经济发展过程密切相关[7]，在现有文献中也较为常用，因此本文将这两个指标作为非期望产出。

三、绿色全要素生产率溢出效应分析

(一)绿色全要素生产率及其分解

绿色全要素生产率指数可以进一步分解为技术效率指数(EFF)和技术进步指数(TECH)，其中EFF用来分析各省(市)与生产边界的相对位置变化，而TECH可用来分析生产边界的移动。利用前述模型可测算2001—2014年我国30个省(市)的GTFP、TECH以及EFF，我们将全国30个省(市)分成东、中、西部三大地区*按照惯例，文中的东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南；西部地区包括四川、重庆、贵州、云南、陕西、甘肃、宁夏、青海、新疆、内蒙古和广西。，结果见表1和图1。限于篇幅，表中只列出了2001-2014年的几何平均值。

表1 中国各地区2001-2014年平均绿色全要素生产率及其分解

图1 2001-2014年中国每年绿色全要素生产率及其分解

根据表1，就全国整体而言，2001-2014年GTFP的平均增长率为9.4%，其中技术进步指数的平均增长率为9.9%，表明技术进步是GTFP提升的主要源泉；而技术效率指数却为-0.5%，这反映出我国技术利用效率下降和环境管理的无效率。分区域来看，中部地区GTFP的平均增长率最高，东部地区次之，西部地区最低；技术进步的平均增长率也是中部地区最高，西部地区最低，东部地区介于二者之间。一个可能的解释是中部地区已初步进入技术赶超阶段，我们认为后发的中部地区可以通过充分发挥本地区的学习能力和技术吸收能力，有效吸收来自发达地区的技术溢出效应，最终实现技术收敛。而西部地区由于缺乏资金改造高污染生产设备，治理污染的技术水平较低，技术进步仍然比较缓慢。此外，三大地区的技术效率指数都有所下降，但中部地区的技术效率下降幅度最大，西部地区次之，而东部地区的技术效率下降幅度最小，这表明中部地区在大力推动技术进步以实现技术赶超的同时技术利用效率却较低。

根据图1，我们可以依据GTFP和TECH的增长趋势将样本期划分为两个阶段：2001—2007年和2008—2014年。其中，2001—2007年我国GTFP的年均增长率不断提高，这是因为技术进步增长幅度在加大；而2008—2014年GTFP的年均增长率呈下降趋势，尤其是2008年及随后的两年间GTFP和TECH年均增长率大幅下降，其原因在于全球金融危机导致企业利润率下降，进而导致研发投入不足和技术进步减缓。2012年以来，我国GTFP年均增长率进一步下降，其原因在于越来越严重的环境污染造成企业生产成本和环境治理成本上升，新生产技术研发的促进效应在短期内难以凸显，最终导致绿色全要素生产率有所下降。

(二)绿色全要素生产率溢出效应实证分析

基于上述三种加权方式，我们将溢出效应模型设定如下：

GTFPit=γwWijGTFP-i,t-1+Xitβw+εit

(7)

GTFPit=γdDijGTFP-i,t-1+Xitβd+εit

(8)

GTFPit=γeEijGTFP-i,t-1+Xitβe+εit

(9)

表2 绿色全要素生产率溢出效应的估计结果(全国)

注：括号中的数值为对应的标准误；*、**、***分别代表在10%、5%、1%的显著性水平下显著，下同

控制变量Xit选择如下：(1)经济发展水平(EDL)：用各省(市)人均GDP的对数来表示，并折算成以2000年为基期不变价格，人均GDP对数的平方项也加入到控制变量之中，主要为了验证GTFP的库兹涅茨曲线是否存在。(2)人力资本(HC)：人力资本积累直接影响一国或地区的创新能力和对先进技术吸收、扩散的速度，对绿色全要素生产率的提高产生积极影响，本文用普通高等学校在校学生数占总人口比重来表示。(3)自主创新(SI)：自主创新能力的提高可以推动技术进步，而技术进步会直接提高要素投入的产出效率，从而促进绿色全要素生产率的增长，本文选择研发经费投入强度作为自主创新的衡量指标。(4)结构因素：产业结构(IS)用第二产业增加值占GDP比重来表示，禀赋结构(ES)则用资本-劳动比的对数表示。(5)外商直接投资(FDI)：利用外商直接投资占GDP比重来表示，主要是检验“污染天堂”假说。

基于上述模型，我们可以测度全国范围内相邻省(市)之间绿色全要素生产率的溢出效应，经Hausman检验，本文选择固定效应模型，估计结果如表2所示。表2中(1)、(2)和(3)列分别给出相邻省(市)GTFP的算术平均加权、地理距离加权和经济距离加权3种加权方式下溢出效应模型的估计结果。由表2可知，三种加权方式下相邻省(市)GTFP的溢出效应分别为0.4539、0.4426和0.4001。实证结果显示，不管采用哪种加权方式，某省(市)的绿色全要素生产率都会受到相邻省(市)绿色全要素生产率的显著、正向影响，即我国相邻省(市)之间绿色全要素生产率具有正向溢出效应，三种不同的加权方式进行的回归结果一致表明模型的估计结果是稳健的。

控制变量方面，经济发展水平的提高显著促进了绿色全要素生产率的增长，人均实际GDP对数的平方项的系数显著为负，表明GTFP与人均收入之间存在倒“U”形关系，即绿色全要素生产率的库兹涅茨曲线得到了验证，这与大多数学者的研究结果一致。FDI对绿色全要素生产率的影响系数为负，但并不显著，表明在样本期内绿色全要素生产率未支持“污染天堂”假说。结构因素中，产业结构对GTFP有显著的正向影响，这与我国当前“推进三大产业均衡发展，促进产业结构优化升级”的经济发展战略是相得益彰的；禀赋结构的系数为负，但并不显著。自主创新和人力资本对GTFP均表现出显著的正向促进作用，表明通过自主创新带动技术进步可以提高绿色全要素生产率；人力资本的积累可以提高本地区的创新能力和学习吸收先进技术的速度，在一定程度上可以促进绿色全要素生产率的提高。

(三)相邻省(市)中GTFP高低及地理距离远近对溢出效应影响的比较分析

上述分析表明我国相邻省(市)之间GTFP存在显著的正向溢出效应，而绿色全要素生产率的溢出主要包括技术溢出、知识溢出与制度溢出等渠道，已有文献充分说明技术、知识或者制度的溢出效应受经济发展水平、地理距离的影响，因此我们猜想：(1)某省(市)相邻省份中GTFP较高的省份与GTFP较低的省份对其溢出效应可能不同；(2)某省(市)相邻省份中地理距离最近的省份与地理距离最远的省份对其溢出效应也可能不同。为分析上述两个因素对GTFP溢出效应大小的影响，我们设定如下两个模型：

GTFPit=γhmax_GTFP-i,t-1+γlmin_GTFP-i,t-1+Xitβhl+εit

(10)

GTFPit=γnnear_GTFP-i,t-1+γffar_GTFP-i,t-1+Xitβnf+εit

(11)

表3 相邻省(市)的GTFP高低、距离远近对GTFP溢出效应影响的回归结果

式中，max_GTFP-i,t-1和min _GTFP-i,t-1分别是除i外其他与i相邻的省(市)滞后一期GTFP的最高值和最低值，γh和γl分别为相应的溢出效应系数；near_GTFP-i,t-1和far _GTFP-i,t-1则分别是除i外其他与i相邻的省(市)中地理距离最近和最远的省(市)所对应的滞后一期GTFP，γn和γf同样是对应的溢出效应系数；其他设定和上述模型相同。经Hausman检验选择固定效应模型，表3中(1)列给出相邻省(市)中GTFP的高低对溢出效应影响的估计结果，(2)列则给出地理距离的远近对GTFP溢出效应影响的估计结果。

由表3可知，某省(市)的相邻省(市)中GTFP最高的省(市)对该省(市)GTFP的溢出效应是显著、正向的，为0.2043；GTFP最低的省(市)对该省(市)GTFP的溢出效应系数仅为0.1219，而且并不显著。本文的回归结果说明，绿色全要素生产率在相邻省(市)之间主要由高向低溢出，即从GTFP较高的省份向GTFP较低的省份溢出，其原因可能是技术(或知识)主要是由技术(或知识)领先的地区向落后的地区扩散和溢出，而制度不完善的地区也会主动向制度完备的地区模仿和学习。

同样的，某省(市)的相邻省(市)中地理距离最近的省份对该省(市)GTFP存在显著、正向的溢出效应，系数γn为0.2509，而地理距离最远的省份对该省(市)GTFP的溢出效应同样是显著、正向的，但溢出效应系数γf仅为0.1076，也就是说在控制其他变量的情况下，相邻省(市)中地理距离较近的省(市)对该省(市)GTFP的溢出效应大于地理距离较远的省(市)对该省(市)的溢出效应，我们的实证检验结果与前文的理论预测相符，这表明绿色全要素生产率的溢出效应的大小受到相邻省(市)之间的地理距离的显著影响。

四、绿色全要素生产率溢出效应的区域差异分析

(一)东、中、西部三大地区绿色全要素生产率溢出效应测度

上文度量的是全国范围内(除西藏外)30个省(市)整体的溢出效应，但考虑我国同一区域(如东部、中部或西部)内各省(市)的技术水平、知识存量以及制度文化等比较相近，而区域之间则存在较大差异，因此东、中、西部各自区域内相邻省(市)之间GTFP的溢出效应可能不同。鉴于此，我们将分别测算三大地区内相邻省(市)之间绿色全要素生产率的溢出效应，相邻省(市)的GTFP值同样采取三种不同的加权方式进行加权。这里需要说明的是，我们只考虑东、中、西部三大地区各自区域内相邻省(市)之间的溢出效应，而不考虑区域之间的相互影响。基于三种加权方式的模型设定如下：

GTFPit,k=γw,kWij,kGTFP-i,t-1,k+Xit,kβw,k+εit

(12)

GTFPit,k=γd,kDij,kGTFP-i,t-1,k+Xit,kβd,k+εit

(13)

GTFPit,k=γe,kEij,kGTFP-i,t-1,k+Xit,kβe,k+εit

(14)

表4 东、中、西部地区绿色全要素生产率溢出效应估计结果汇总

回归结果见表4，其中(1)—(3)列分别给出相邻省(市)滞后一期GTFP的算术平均加权、地理距离加权和经济距离加权三种加权方式下东部地区的溢出效应估计结果，(4)—(6)列给出上述三种加权方式下中部地区溢出效应估计结果；(7)—(9)列则给出三种加权方式下西部地区的溢出效应估计结果。表4显示，三种不同的加权方式下东部地区内相邻省(市)间GTFP均存在显著、正向的溢出效应，系数分别为0.2688、0.2730和0.3161；中部地区内相邻省(市)之间GTFP也存在显著、正向的溢出效应，系数分别为0.2553、0.2482和0.2552；西部地区内相邻省(市)间GTFP也都存在显著并且正向的溢出效应，但系数明显小于中、东部地区，分别为0.0148、0.0492和0.0318。

(二)东、中、西部三大区域绿色全要素生产率溢出效应差异分析

为了对东、中、西部三大区域内相邻省(市)之间绿色全要素生产率的溢出效应进行比较，我们将基于三种加权方式下对三大地区内的GTFP溢出效应系数进行汇总，如表5所示。我们发现，不管采用哪种加权方式，我国东、中、西部三大区域内相邻省(市)GTFP的溢出效应都表现出明显的区域差异，并且在三种加权方式下都是东部区域内相邻省(市)绿色全要素生产率的溢出效应最大，中部地区次之，西部地区最小。

表5 东、中、西部三大地区内GTFP溢出效应

考虑全要素生产率主要包括技术、知识和制度等因素，并且技术、知识和制度溢出会对全要素生产率溢出产生重要影响，本文认为东、中、西部三大区域内省(市)的技术水平、知识存量以及制度政策等的不同是GTFP溢出效应产生区域差异的主要原因。与中、西部地区相比，东部地区有着得天独厚的地理条件，再加上改革开放以来国家政策的大力扶持和对外贸易的迅速发展，使得东部地区的经济发展一直处于领先水平。具体来说，在对外贸易过程中，国际技术溢出效应发挥重要作用，东部地区始终能最先引进和吸收来自发达国家或地区的先进技术；宽松的政策环境加上有利的招商引资政策更是吸引了国外大量资本和技术的流入，使得东部地区内省(市)的技术水平和知识存量很高。此外，人口是人力资本的载体，东部地区经济高速发展的同时吸引了大量的人口流入，越来越多的高学历、高技术人群向北上广等地区流动，这就促进了东部地区内的人力资本积累，有效地吸收了省(市)间的知识溢出，从而进一步推动技术进步。较高的技术水平和知识存量储备加快了东部地区内省(市)间技术和知识的溢出速度，由此促进绿色全要素生产率较大的溢出效应。此外，改革开放以来，向东部地区倾斜的国家发展战略使得东部地区对制度的实际利用效率以及由此带来的经济绩效要远远高于中、西部地区，如东部地区的经济制度在向市场经济体制方向改革时演进的速度、完善和发展的程度以及与其配套的各种制度都要远远优于中、西部地区，使得东部地区内省(市)之间在经济协作、制度政策配合、资源配置效率等方面具有较大的优势。更重要的是，优势制度的正外溢效应使得东部地区的技术水平、知识存量、生产效率得到提高，从而进一步促进GTFP溢出。

可以看到，尽管中部区域内省(市)之间的溢出效应比东部地区小，但是差异并不大。前文已经指出，中部地区的技术进步主要靠引进和吸收发达国家或地区(如东部地区)的先进技术，但是技术水平和知识储备在绝对量上还远没有东部地区多，而且地区内省份的人口流入数量和流动速度还达不到东部地区的水平。此外，我们认为尽管中部地区已初步表现出技术追赶的趋势，绿色全要素生产率的年均增长率也在不断提高，但是由于中部地区引进技术的消化吸收不足，导致技术利用效率较低，加上R&D存量和R&D投入强度不足，自我创新能力较弱，从而不能主动有效地推动技术进步。因此，以上这些方面都对中部地区内绿色全要素生产率的溢出效应有限制作用。

与东、中部地区相比，西部地区内相邻省(市)绿色全要素生产率的溢出效应较小并且不如东、中部地区明显。借鉴Hu et al.的术语[34]，我们将这种现象称为西部地区经济发展的“双重恶化”，即西部地区不仅绿色全要素生产率的增长率低于东、中部地区，而且区域内相邻省(市)绿色全要素生产率的溢出效应同样远低于东、中部地区。由于地理位置、经济发展条件、制度政策安排和历史等方面的原因，西部地区的经济发展水平较东、中部地区而言比较落后，地区内的技术水平、知识储备以及人力资本积累等都较低，其技术进步的途径主要靠吸收学习东、中部地区的先进技术，地区内的人力资本积累较少导致知识存量较低，知识溢出效应不明显。此外，人力资本积累较少和R&D投入强度不足会导致技术吸收能力比较薄弱，技术溢出效应不足，使得西部地区内相邻省(市)绿色全要素生产率的溢出效应与东、中部相比并不明显。

五、结论和政策启示

本文基于SBM方向性距离函数，运用Malmquist-Luenberger指数测度了2001—2014年我国30个省(市)的绿色全要素生产率及其分解成分，并通过分区域对比后发现绿色全要素生产率存在区域差异，即中部地区平均增长率最高，东部地区次之，西部地区最低。在此基础上，我们基于三种加权方式分别测度了全国范围内相邻省(市)GTFP的溢出效应，结果表明相邻省(市)之间的GTFP存在显著、正向的溢出效应。随后，我们分析了相邻省(市)绿色全要素生产率的高低和地理距离的远近对GTFP溢出效应的影响，结果发现GTFP主要从绿色全要素生产率较高的省(市)向较低的省(市)溢出，而且地理距离近的省(市)的GTFP溢出效应超过地理距离远的省(市)。最后，我们基于三种加权方式分别测度了东、中、西部各自区域内相邻省(市)GTFP的溢出效应，结果表明三大地区内相邻省(市)之间GTFP的溢出效应存在明显的区域差异，其中东部地区内相邻省(市)之间GTFP的溢出效应最大，中部地区次之，西部地区最小。

本文的政策含义在于：(1)技术、知识溢出在一定程度上对我国绿色全要素生产率的溢出发挥显著的促进作用，各地区应尽可能加大技术引进力度，提高技术引进质量，同时加大教育投资力度和研发投入强度，进一步提高企业的自主创新能力和人力资本积累，从而通过推动技术进步带动我国各省(市)绿色全要素生产率的增长和溢出。(2)绿色全要素生产率溢出效应的区域差异表明下一步我国区域经济发展规划应充分考虑各区域经济发展的联动性和协调性，鼓励技术先进和制度完善的地区把技术和制度分享给其他落后地区，同时落后地区在引进先进技术和制度时应积极引进那些最能够发挥本地区生产潜力并与自身现有生产力水平、吸收能力相匹配的技术与制度。(3)我国省际绿色全要素生产率的区域差异表明我们要打破行政规划的限制，鼓励和支持各地区开展多种形式的区域经济协作和技术、人才交流与互动，积极调动各地区的主动性和创造性，探索各具特色、符合本地条件和资源环境承载力的发展模式，从而共同推动区域经济的协调、绿色发展，形成东中西相互促进、优势互补、共享发展的新格局。

[1]Young A..TheTyrannyofNumbers:ConfrontingtheStatisticalRealitiesoftheEastAsianGrowthExperience, Quarterly Journal of Economics，1995，110(2)：641-680.

[2]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》，载《经济研究》2010年第5期: 95-109。

[3]Hailu A.，Veeman T.S..“Environmentally Sensitive Productivity Analysis of the Canadian Pulp and Paper Industry，1959-1994: An Input Distance Function Approach”，Journal of Environmental Economics and Management，2000，40：251-274.

[4]Chung Y.H.，Färe R.，Grosskopf S.. “Productivity and Undesirable Outputs: A Directional Distance Function Approach” ，Journal of Environmental Management，1997，3: 229-240.

[5]Färe R.，Grosskopf S. ，Pasurka C.. “Accounting for Air Pollution Emissions in Measuring State Manufacturing Productivity Growth” ， Journal of Regional Science，2001，41：381-409.

[6]Tone K..“A Slacks-based Measure of Efficiency in Data Envelopment Analysis” ，European Journal of Operational Research，2001，130: 498-509.

[7]涂正革、刘磊珂：《考虑能源环境因素的中国工业效率评价—基于SBM模型的省级数据分析》，载《经济评论》 2011年第2期。

[8]Färe R.，Grosskopf S.. “Directional Distance Functions and Slacks-based Measures of Efficiency” ， European Journal of Operational Research，2010，200(1)：320-322.

[9]Fukuyama H.，Weber W.L.. “A Directional Slacks-based Measure of Technical Inefficiency” ， Socio Economics Planning Sciences，2009，43(4)：274-287.

[10]李小平、朱钟棣：《国际贸易、R&D 溢出和生产率增长》，载《经济研究》 2006年第2期。

[11]Rivera-Batiz L.A.，& Romer P.M..“Economic Integration and Endogenous Growth” ， Quarterly Journal of Economics，1991，106：531-555.

[12]Funke M.，& Niebuhr A.. “Regional Geographic Research and Development Spillovers and Economic Growth” ，Regional Studies，2005，39：143-153.

[13]行伟波、李善同：《引力模型、边界效应与中国区域间贸易：基于投入产出数据的实证分析》，载《国际贸易问题》2010年第10期。

[14]李小平：《国际贸易与技术溢出：途径及测算研究综述》， 载《财贸经济》2008年第5期。

[15]Pavcnik N.. “Trade Liberalization，Exit，and Productivity Improvement: Evidence from Chilean Plants” ，Review of Economic Studies，2002，69：245-276.

[16]Ram C. and Keller W..TechnologyTransferThroughImports. NBER Working Paper，2007.

[17]Aghion P. and Howitt P.. “A Model of Growth through Creative Destruction” ，Econometrica，1992，60：323-351.

[18]潘隽：《中国全要素生产率的研发、人力资本与技术溢出效应》，载《清华大学经济管理学院硕士论文》2012年版。

[19]Keller W.. “Geographic Localization of International Technology Diffusion” ，American Economic Review，2002，92(1)：120-142.

[20]赵勇、白永秀：《知识溢出：一个文献综述》，载《经济研究》 2009年第1期。.

[21]Almeida P. and Kogut B..“Localization of Knowledge and the Mobility of Engineers in Regional Networks” ，Management Science，1999，45：905-916.

[22]Fischer M.M. and Varga A.. “Spatial Knowledge Spillovers and University Research: Evidence from Austria” ，Annals of Regional Science，2003，37(2)：303-322.

[23]Kelejian H.H.，Murrell P. and Shepotylo O.. “Spatial Spillovers in the Development of Institutions” ，Journal of Development Economics，2013，101(3)：297-315.

[24]杨友才：《产权制度的空间溢出性与经济增长—基于空间面板固定效应的计量研究》 ，载《经济问题》2010年第6期。

[25]向玉琼：《复合邻近性：我国地方政策移植的一种解释框架》，载《南京农业大学学报(社会科学版)》 2011年第4期。

[26]Schmitt C.. “What Drives the Diffusion of Privatization Policy? Empirical Evidence from the Telecommunication Sector” ， Journal of Public Policy，2011，31(1)：95-117.

[27]Tone K.. “Dealing with Undesirable Outputs in DEA：A Slack-based Measure(SBM) Approach” ，GRIPS Research Report Series No.I-2003-005，2003.

[28]Chow G.C.. “Capital Formation and Economic Growth in China” ， Quarterly Journal of Economics，1993，108: 809-842.

[29]张军、吴桂英、张吉鹏：《中国省际物质资本存量估算：1952-2000》 ，载《经济研究》2004年第10期。

[30]陈诗一：《中国的绿色工业革命：基于环境全要素生产率视角的解释(1980-2008)》，载《经济研究》 2010年第11期。

[31]Watanabe M. and Tanaka K. .“Efficiency Analysis of Chinese Industry: A Directional Distance Function Approach” ， Energy Policy，2007，35：6323-6331.

[32]程丹润、李静：《环境约束下的中国省区效率差异研究：1990-2006》，载《财贸研究》 2009年第1期。

[33]李小胜、余芝雅、安庆贤：《中国省际环境全要素生产率及其影响因素分析》，载《中国人口·资源与环境》 2014年第10期。

[34]Hu Jin-Li，Her-Jiun Sheu and Shih-Fang Lo..“Under the Shadow of Asian Brown Clouds: Unbalanced Regional Productivities in China and Environmental Concerns” ， International Journal of Sustainable Development & World Ecology，2005，1：2429-2442.

责任编辑 胡章成

A Study on the Spillover Effect of Regional Green Total Factor Productivity in China

LI Wei-bing, LIANG Bang,HUST

This paper applies SBM directional distance function and Malmquist-Luenberger indicator to measure GTFP and its decomposition components of 30 provinces (cities) in China over the period 2001 to 2014, and implements 3 weighted methods to calculate the spillover effects of GTFP of the whole country, east China, central China and west China. Besides, we analyze the influence of GTFP level and geographical distance of neighboring provinces (cities) on the spillover effect. All three weighted methods on country level show that there is a significant and positive spillover effect of GTFP among the neighboring provinces (cities), and we find that the spillover is mainly from provinces (cities) with higher GTFP to lower ones and is greater among provinces (cities) with short distance than those with long distance. As for region level, the spillover effect of GTFP among neighboring provinces (cities) explicitly illustrates regional differences, which in east China is the largest, followed by the central, and smallest in the west.

green total factor productivity; spillover effect; regional differences

李卫兵，华中科技大学经济学院副教授、博士生导师；梁榜，华中科技大学经济学院硕士生

国家社会科学基金项目“区域智力资本溢出、绿色TFP的空间差异与我国绿色发展的空间均衡研究”(16BJL058)；华中科技大学自主创新研究基金项目“中国区域绿色全要素生产率溢出效应研究”(5003310002)

2017-03-24

F061.3；F062.2

A

1671-7023(2017)04-0056-11