我国产业结构调整与绿色经济效率的实证分析——以“一带一路”战略经济区16个省份为例

叶仁道，张 勇

（杭州电子科技大学 经济学院，浙江 杭州 310018）

我国产业结构调整与绿色经济效率的实证分析
——以“一带一路”战略经济区16个省份为例

叶仁道，张 勇

（杭州电子科技大学 经济学院，浙江 杭州 310018）

文章以“一带一路”战略经济区16个省份为例，采用全局超效率方向性距离函数和全局M almquist-Luenberger指数测算其绿色经济效率。在此基础上，运用基于动态面板数据模型的系统矩估计方法，研究产业结构调整对绿色经济效率的影响。结果表明，绿色经济效率存在区域差异性，其增长主要源于前沿技术进步。产业结构合理化表现为社会经济结构趋于均衡，产业结构高级化则表现为劳动生产率和生产技术水平的提高，前者与绿色经济效率呈负向关系，后者则与绿色经济效率呈正向关系。此外，城市化水平和对外开放水平亦对我国绿色经济效率具有显著影响。

绿色经济效率；产业结构；G M L指数；SY S-G M M；动态面板数据模型

一、引言

当前，我国正处于产业结构调整的关键时期，产能过剩、环境污染等问题依旧严峻。这与“十三五”规划建议中提出的绿色发展理念相悖，在一定程度上制约了我国绿色经济的发展。“一带一路”战略的推进，可以有效缓解产能过剩和环境污染等问题，从而助推产业结构调整进程，有利于我国经济发展方式绿色化。因此，以“一带一路”战略经济区为例，研究产业结构调整对绿色经济的影响，对我国绿色经济的发展具有指导意义。然而，现有对绿色经济的衡量指标并不统一，诸如绿色发展指数、绿色GDP和绿色经济效率等。本文在综合考虑资源利用和环境损失后[1]，选取绿色经济效率作为衡量我国绿色经济发展状况的指标。

现有关于产业结构对绿色经济效率影响的研究主要包括两个方面。一是将产业结构作为控制变量展开实证分析；二是将产业结构作为核心变量，探讨其对绿色经济效率的直接影响。例如，钱争鸣和刘晓晨[1]、班斓和袁晓玲[2]、吴旭晓[3]均将产业结构作为控制变量，分别采用空间面板数据模型、Tobit回归模型、灰色关联分析模型研究发现，第二产业产值占GDP比重对绿色经济效率具有抑制作用。于伟和张鹏[4]则以第三产业增加值占GDP比重测度产业结构，进而，利用空间杜宾模型研究表明，产业结构调整对绿色经济效率具正向作用。

综上所述，现有研究主要采用单一指标对产业结构进行测度，且将产业结构作为核心变量，探究其对绿色经济效率直接影响的文献仍属鲜见。鉴于此，本文以2005—2014年我国“一带一路”战略经济区16个省份数据为例，利用全局超效率方向性距离函数（DDF）和全局Malmquist-Luenberger（GML）指数测算其绿色经济效率值。其次，选取产业结构合理化和产业结构高级化两项指标测度我国产业结构。在此基础上，将绿色经济效率定义为被解释变量，产业结构测度指标定义为核心解释变量，构建动态面板数据模型，并运用系统矩估计（SYS-GMM）方法进行统计分析。

二、绿色经济效率

（一）绿色经济效率测算方法

现有研究主要采用参数型随机前沿分析（SFA）模型、未考虑非期望产出的数据包络（DEA）模型和考虑非期望产出的DEA模型测算我国绿色经济效率。其中，SFA模型结果易受生产函数形式的影响，且仅适用于多投入单产出问题。未考虑非期望的DEA模型虽解决了多投入多产出问题，但其将环境因素视为投入要素，无法满足环境约束下期望产出最大化分析要求。非期望DEA模型在考虑污染排放的负外部性后，将环境因素定义为“坏”产出，满足了实际生产的内在需求。但其只能测算静态效率，不具有全局性、动态性。为了科学合理地测度我国绿色经济效率，本文构建基于产出导向的全局超效率DDF和GML指数模型[5]。

1.生产可能性集和方向性距离函数。本文将“一带一路”战略经济区16个省份视为生产决策单元（DMU）。假设生产过程中每个DMU使用3种投入要素，C、L和 E 分别表示资本、劳动和能源。产生“好”产出和“坏”产出EPCI∈R+，GRP和EPCI分别表示地区生产总值和环境污染综合指数。在满足生产可能性集四大假设条件下[5]，其生产可能性集为 P（x）=可生产出

在原标准GML指数模型上增加条件k≠q，即可得到用于测算绿色经济效率的全局超效率DDF[6]。第q个DMU的全局超效率DDF的线性规划问题可表述为：

其中，m表示投入要素个数，T表示时期数，K表示DMU个数，表示第 t期第 k个 DMU观察值的权重。β则表示期望产出的增长与非期望产出同比例减少的最大比例。

2.全局 Malmquist-Luenberger指数。由式（1），可计算各DMU的绿色经济效率，亦可得到第q个DMU第t期与第（t+1）期之间的GML绿色经济效率指数：

其中，若GECH和GTCH大于1，则分别表示效率改善和技术进步；反之，则分别表示效率恶化和技术退步。

（二）数据来源与说明

本文选取2005—2014年我国“一带一路”战略经济区16个省份为研究对象，数据资料均来自于《中国统计年鉴》、《中国城市统计年鉴》和《中国环境统计年鉴》。资本投入以各省份固定资产投资额表示，劳动投入以各省份年末从业人员人数表示，能源投入则以各省份折算成标准煤的能源消费总量表示。期望产出以各省份地区生产总值表示，并换算成以2005年为基期的不变价GDP。将各省份工业“三废”排放量定义为环境因素，对其采用主成分赋权法得到环境污染综合指数，并将该指数定义为非期望产出。

（三）绿色经济效率的测算及结果分析

利用式（1）和上述投入产出要素，可测算2005—2014年我国“一带一路”战略经济区16个省份的绿色经济效率值，结果见表1。由表1可知，上海、浙江、福建和广东的绿色经济效率均处于有效前沿面上（效率值大于1）。这是因为上海、浙江和广东具有以服务经济为主的产业结构特征，其科技创新能力较强。此外，上海自贸实验区的引领作用，浙江“互联网+”等新业态和新产品的迅猛发展，广东振兴实体经济政策的不断推进，亦促进了各自绿色经济效率的提高。福建则在拥有良好生态环境基础和严格环保标准的基础上，积极建设生态文明先行示范区，确保了环境质量持续保持良好，从而推动了绿色经济效率的增长。东北和西部欠发达地区的绿色经济效率较低，均未达到有效水平。这是因为东北地区以重工业为主，技术创新水平不足，资源开发过度且利用率较低，经济仍以粗放型经济增长模式为主。西部地区则是因为大开发战略的不断推进，大批资源消耗型、劳动密集型产业向该地区转移，能源利用率低，生态环境破坏严重。

表1 2005—2014年我国“一带一路”战略经济区绿色经济效率

利用式（2）和式（3），可以得到绿色经济效率增长指数（GGML）、技术效率指数（GECH）和技术进步指数（GTCH），结果见表 2。由表 2可知，2005—2014年东部沿海地区绿色经济效率增长指数为1.017 5，表明该地区绿色经济效率的年均增长率为1.75%，该增长全部来自于2.68%的技术进步。东北地区的绿色经济效率增长指数最大，且是由1.61%的效率改进和1.07%的技术进步共同推动。相反，西部地区绿色经济效率的年均增长率呈下降趋势，年下降幅度为0.4%。从分解结果来看，技术进步是推动绿色经济效率增长的主要动力，技术效率改进的贡献并不明显，甚至出现负增长。

表2 三大区域平均绿色经济效率增长指数及其分解

三、实证分析

（一）模型构建

众所周知，优化产业结构有利于推动生产技术进步、提高能源利用效率、改善生态环境，从而促进我国绿色经济效率的增长。为测度产业结构优化水平，本文选取了产业结构合理化（Rat）和产业结构高级化（Adv）两项指标。基于此，将上述产业结构测度指标定义为核心解释变量，绿色经济效率（TGEE）定义为被解释变量，构建如下动态面板数据模型：

其中，i和t分别表示省份和年份，TGEE表示绿色经济效率，Rat表示产业结构合理化，Adv表示产业结构高级化，Z表示控制变量，αi表示地区固定效应，μt表示时间固定效应，εit表示服从正态分布的随机干扰项。

（二）变量选取

产业结构合理化采用改进的产业结构偏离指数来衡量，其公式为：

其中，Y为总产出，L为总劳动投入，i表示产业，n为产业部门数。SR值越小，说明经济越接近均衡状态，产业结构越合理[7]。

产业结构高级化则采用付凌晖[8]的结果来度量。首先，以三次产业增加值比重构造向量x0=（x1，0，x2，0，x3，0）。进而，分别计算 x0与三次产业向量的夹角 θ1、θ2和 θ3。具体为：

本文引入经济发展水平、对外开放水平和城市化水平作为控制变量，以减少遗漏变量对自变量效应的干扰。其中，以各省份人均GDP的对数表示经济发展水平（lnCGDP），各省份年末城镇人口比重表示城市化水平（UL），各省份实际利用外资额占GDP比重表示对外开放水平（FDI）。为了探讨经济发展水平与绿色经济效率的关系，模型中还引入人均GDP对数的平方项。

（三）模型估计与结果分析

对于式（4），由于存在绿色经济效率的滞后项，故易造成严重的内生性问题。而SYS-GMM能很好解决内生性问题，亦能克服差分矩估计（DIF-GMM）出现的弱工具变量问题。因此，本文选择SYS-GMM方法对式（4）进行参数估计，具体结果见表 3。由表 3可知，AR（1）检验拒绝原假设，AR（2）检验接受原假设，表明回归方程不存在二阶序列相关；同时，Sargan检验亦接受原假设，表明SYS-GMM中工具变量是有效的。

表3 模型（4）系统GMM估计结果

由表3可知，滞后期绿色经济效率、产业结构合理化、产业结构高级化、经济发展水平、城市化水平和对外开放水平，均显著影响我国“一带一路”战略经济区16个省份的绿色经济效率。其中，滞后期绿色经济效率与当期绿色经济效率的变动方向一致，说明前期绿色经济效率的增加会提高当期绿色经济效率。产业结构高级化对绿色经济效率的促进作用最大，其每提高1%，绿色经济效率增加3.202 6%。对外开放水平的促进作用次之，其每提高1%，绿色经济效率增加0.081%。与此相反，产业结构合理化指数越大，产业结构越失衡，从而抑制绿色经济效率的提高。城市化水平对绿色经济效率亦具有一定的抑制作用。此外，实证结果表明，当人均GDP较低时，经济发展水平对绿色经济效率存在递减效应。当经济水平发展到一定程度时，便会促进绿色经济效率的提高，即经济发展水平与绿色经济效率呈“U型”关系。

四、结论

本文采用超效率DDF和GML指数，对2005—2014年我国“一带一路”战略经济区16个省份的绿色经济效率进行测算。在此基础上，运用基于动态面板数据模型的SYS-GMM方法，研究产业结构调整角度下我国绿色经济效率的影响因素。结果表明，绿色经济效率具有区域差异性，东部沿海地区均处于有效前沿面上，东北和西部地区则均未达到有效水平。各地区绿色经济效率增长的源动力是技术进步，技术效率则是现阶段制约我国绿色经济效率增长的主要因素。产业结构合理化指数越低，说明产业结构越均衡，各产业间的要素配置越合理，越有利于提高绿色经济效率。产业结构越高级，则说明技术水平和能源利用率越高，亦有利于促进绿色经济效率的增长。现阶段我国处于城市化加速阶段的基本国情，说明城市化水平对绿色经济效率的抑制作用在一段时期内不会改变。科学技术和资金会随着对外开放水平的提高得到改善，绿色经济效率亦会因此而提高。本研究结果有利于寻求提高绿色经济效率的有效途径，从而推进我国绿色经济的发展，实现经济可持续增长。

[1]钱争鸣，刘晓晨.中国绿色经济效率的区域差异与影响因素分析[J].中国人口·资源与环境，2013，23（7）：104-109.

[2]班斓，袁晓玲.中国八大区域绿色经济效率的差异与空间影响机制[J].西安交通大学学报（社会科学版），2016，36（3）：22-30.

（责任编辑：D 校对：L）

[3]吴旭晓.区域绿色经济效率演化及其影响因素研究[J].商业研究，2014，56（9）：27-33.

[4]于伟，张鹏，2016.城市化进程、空间溢出与绿色经济效率增长——基于2002-2012年省域单元的空间计量研究[J].经济问题探索（1）：77-82.

[5]Oh D H.A Global Malmquist-Luenberger Productivity Index[J].Journal of Productivity Analysis，2010，34（3）：183-197.

[6]Ray S C.The Directional Distance Function and Measurement of Super-Efficiency：An Application to Airlines Data[J].Journal of the Operational Research Society，2008，59（6）：788-797.

[7]韩永辉，黄亮雄，邹建华.中国经济结构性减速时代的来临[J].统计研究，2016，33（5）：23-33.

[8]付凌晖.我国产业结构高级化与经济增长关系的实证研究[J].统计研究，2010，27（8）：79-81.

（责任编辑：C 校对：L）

F121.3

A

1004-2768（2017）07-0060-04

2017-05-05

国家统计局课题（2015LZ14）；国家自然科学基金（11401148）；浙江省社科规划之江青年课题（16ZJQN017YB）；浙江省大学生科技创新活动计划（新苗计划）资助项目（2016R407073）；杭州电子科技大学研究生科研创新基金项目（CXJJ2016001）

叶仁道（1981-），男，浙江温州人，博士，杭州电子科技大学经济学院教授、博士生导师，研究方向：数理统计、经济统计；张勇（1992-），男，安徽合肥人，杭州电子科技大学经济学院硕士研究生，研究方向：经济统计。