政府干预、环境规制与绿色全要素生产率

张建华+李先枝

内容提要：本文基于非径向、非角度的SBM方向性距离函数和Malmquist-Luenberger生产率指数，运用MaxDEA软件测算包含工业废水排放量、工业废气排放量两种非期望产出在内的中国30个省、市、自治区的绿色全要素生产率（GTFP），并运用面板數据回归分析政府干预、环境规制以及二者之间的交互作用对绿色全要素生产率的影响。研究结果表明：在一定范围内，环境规制水平的提高能有效地促进绿色全要素生产率的提升，但这种正向促进作用一旦超过某个临界值就会减弱，即验证了“强波特假说”。在政府干预程度越强的地区，当地政府可能越倾向于采用行政性环境规制手段迫使企业进行污染治理，造成了资源的扭曲，不利于绿色全要素生产率的提高；在政府干预程度较弱的地区，当地政府会趋向于选择逐步引导的环境规制方式，有效地促进企业进行绿色技术创新，对绿色全要素生产率产生积极的影响。因此，政府恰当设计环境规制、合理把握对市场的干预程度，才能实现经济与环境保护协调发展。

关键词：政府干预；环境规制；绿色全要素生产率

中图分类号：F061.3 文献标识码：A 文章编号：1001-148X（2017）10-0162-09

一、引言

党的十八届五中全会提出“创新、协调、绿色、开放、共享”五大发展理念，首次将绿色发展列入十大目标，绿色全要素生产率（Green Total Factor Productivity，GTFP）这一概念应运而生。通过制定合理的环境规制政策来推进绿色全要素生产率的持续改善成为政府保护环境发展经济的重要目标。如何实现环境规制与经济发展“双赢”，政府应如何适度干预市场、控制市场失灵则具有重要的理论意义和现实价值。

现有文献对政府干预、环境规制与绿色全要素生产率关系的研究主要集中在以下几个方面：（1）政府干预。覃家琦等（2015）的研究表明H+A交叉上市公司由于受到更多的政府干预而具有更低的资本配置效率；李思霖（2015）在研究我国30个省区市全要素生产率增长时引入政府干预，结果表明政府干预在金融集聚与TFP增长之间产生了负效应；胥爱欢（2012）发现政府干预行为会显著影响经济从马尔萨斯经济向索洛经济的产业结构变迁过程的速度；邢志平等（2016）通过对金融资源错配的研究，发现政府对经济的干预程度越强，国企之间的金融资源错配程度越低。（2）环境规制。叶祥松等（2011）将环境规制作为约束条件带入方向性距离函数，分别测算了无环境规制、弱环境规制、中环境规制、强环境规制四种状态下的环境规制技术效率，发现考虑环境规制后，环境规制技术效率提高，但是地区差异化明显。原毅军等（2015）运用SBM方向性距离函数和Luenberger生产率指数测度了在考虑能源消耗以及把二氧化碳当作非期望产出情况下中国30个省的工业GTFP及其分解，并考虑了FDI和环境规制以及二者的交叉项对GTFP的影响，结果表明技术进步是GTFP增长的主要来源，环境规制对GTFP增长具有明显的促进作用，而FDI并没有直接促进GTFP增长，而是通过增强环境规制水平来间接促进GTFP的增长。刘和旺等（2016）运用SBM和ML指数考察我国29个省的GTFP的影响因素，结果表明环境规制与GTFP之间呈倒“U”型关系，并且适宜的市场型环境规制可以通过激发技术创新来提高生产率从而促进GTFP的增长。李斌等（2013）在研究环境规制与中国工业发展方式转变时发现存在环境规制强度的“门槛效应”。很显然，此类研究方法存在一个很大的问题，即衡量环境规制程度的综合指标会受到政府干预程度的影响。（3）绿色全要素生产率及其测度。Chung et al（1997）在研究瑞典纸浆厂的全要素生产率（TFP）时，首次提出可以把污染排放当作非期望产出的方向性距离函数（SBM），并将其用来测度绿色全要素生产率。此后，方向性距离函数就被广泛运用到绿色全要素生产率的测度中。Kumar（2006）运用Malmquist-Luenberger（ML）指数测度41个国家的绿色全要素生产率，通过与传统TFP对比发现GTFP与传统TFP并没有显著的区别，但是在指数分解项方面ML指数跟Malmquist指数之间的差别比较显著。Oh and Heshmati（2010）在研究26个OECD国家的绿色全要素生产率时同样也运用了ML指数，研究结果表明传统的TFP跟GTFP在指数分解方面虽然存在显著的差别，但是它们二者之间的增长趋势相同，在GTFP增长的初期，技术效率起到支配作用，后期技术进步的作用更加明显。国内学者对GTFP的研究主要侧重于测度方法的介绍和来源分解。王兵等（2010）将方向性距离函数和Luenberger指数结合起来运用到GTFP的测度上，并将指数分解成纯粹技术进步、纯粹效率变化、规模效率变化以及技术规模变化四个层面，研究结果表明GTFP增长和传统TFP增长的主要区别来源于纯粹的技术进步。由此可见，相关学者在研究环境规制与绿色全要素生产率之间的关系时并没有特别关注过政府干预对环境规制以及绿色全要素生产率的影响。另外，在“波特假说”验证方面，王国印等（2011）在分析我国中东部地区的省际数据时发现，“波特假说”效应具有显著区域差异现象，在中西部地区并没有得到很好的验证。原毅军等（2015）的研究发现，在环境规制方面，沿海省份的环境规制水平跟GTFP呈正相关关系，而内陆省份的环境规制水平跟GTFP呈负相关关系且系数不显著。这种区域性差异可以从政府干预程度来解释。

考虑到能源消耗和工业废水、工业废气的非期望产出，本文首先采用非径向、非角度方向性距离函数和Malmquist-Luenberger生产率指数对我国省际层面的绿色全要素生产率进行测度，然后进一步深入研究政府干预、环境规制对我国省际层面的GTFP的影响，以期为我国在经济新常态下转变经济发展方式实现绿色发展提供一定的理论参考。

二、研究方法与理论基础endprint

（一）绿色全要素生产率的测度

1.环境技术函数

2.方向性距离函数（Directional Distance Function）

本文借鉴原毅军等（2016）的方法，将各个省（市、自治区）当作一个决策单元（Decision Making Unit， DMU）來构造生产性前沿。沿用前文的假设，将每个决策单元（DMU）的生产可能性集合表示为（x，y，b），如图1所示，横坐标表示非期望产出b的量，纵坐标表示期望产出y的量。如果企业在生产过程中不需要考虑非合意产出，即非合意产出是“强处置”的，那么企业就可以无限量的生产非合意产出，此时的生产可能性集合在图1中BF和横坐标之间的部分。反之，如果不能随意处理非合意产出，即非合意产出是“弱处置”的，那么企业在生产过程中就需要将部分资源用来处理非合意产出，从而使得合意产出下降，此时的生产可能性集合用图1中包络线OCDEF与横坐标之间的部分表示。

若上述ML、EFFCH、TECH指数大于1，则说明生产率增长了、效率得到改善以及技术进步了；反之，则说明指数没有效率。本文运用MaxDEA软件对我国30个省、市、自治区（由于西藏的数据缺失，本文将西藏剔除）的ML指数、EFFCH指数、TECH指数进行了测算。

（二）理论基础

1.政府干预对环境规制以及绿色全要素生产率（GTFP）的影响

适度的政府干预可以有效地解决环境公共物品及其外部性带来市场失灵问题，但政府对市场的干预程度对绿色全要素生产率的影响不确定，它取决于政府干预程度的高低。政府干预对环境规制与绿色全要素生产率之间关系起调节作用。在政府干预程度越高的区域，其环境规制与绿色全要素生产率之间的关系也会相对较弱。反之，政府干预程度越低，环境规制与绿色全要素生产率之间的关系越强。在政府干预程度越弱的区域，环境规制能更加有效地促进企业进行绿色技术创新，从而进一步提高当地的绿色全要素生产率。

2.环境规制对绿色全要素生产率的影响

环境规制对绿色全要素生产率的影响主要有两个途径，一个是通过环境成本来影响绿色全要素生产率，另一个是通过技术创新来影响绿色全要素生产率。从环境成本的角度看，环境规制强度的增加不仅会增加企业在生产过程中面临的应对环境的成本，从而降低企业的利润、不利于企业扩大再生产过程，而且还会迫使企业加大对环境污染治理的投资，进而挤出企业的营业利润。因此，环境规制强度的提高对绿色全要素生产率的影响不利。从技术创新的角度来看，环境规制强度对绿色全要素生产率的影响不确定。一方面，环境规制强度的提高可以激发企业进行技术创新、优化升级工艺流程来适应不断提高的产品质量标准和人民群众多元化的消费模式。另一方面，环境规制强度的提高也会使得企业为了应对高标准的环境而增加其在技术创新方面的资源耗费，再加上绿色技术创新初期表现出高成本、低收益，所以这时的创新是缺乏规模经济效益，会使得资源配置无效率。此外，环境规制强度的提高也容易使得企业形成不良的技术创新路径依赖，这些都对企业的技术创新不利。因此，环境规制强度对绿色全要素生产率的影响也不确定。

三、数据来源、变量选取与模型建立

（一）数据说明

根据前文的研究方法，本文选取1997-2014年中国30个省、市、自治区的相关数据，剔除数据缺失较多的西藏地区。对于个别省份的缺失值，本文运用插值法对其进行补充。本节所使用的相关数据分别来源于《中国统计年鉴》、《中国劳动统计年鉴》、《中国能源统计年鉴》、《中国环境统计年鉴》、《中国城市统计年鉴》及30个省份的统计年鉴。

（二）变量选取

1.期望产出，即好的产出：本文采用各省的实际GDP来衡量。将各省份的名义GDP通过其对应的该省份的GDP平减指数进行平减，从而得到以1997年不变价格计量的实际GDP。

2.非期望产出，即坏的产出：对于非期望产出的选取，原毅军等（2015）选择“温室效应”气体CO2排放量来衡量，刘和旺等（2016）则选用SO2排放量、工业废水排放量、工业烟（粉）尘排放量、工业固体废弃物四个指标，并对其进行处理得到非期望产出的指标值。由于本文选取的时间序列相对较长，考虑到数据的可获得性，最终选取各省的工业废水和工业废气排放量作为非期望产出的指标。

3.要素投入：对于要素投入变量的选取，本文采用大部分学者的方法，除了基本的资本、劳动投入之外，还将能源投入纳入到模型中。资本投入方面，由于各类统计数据中并没有直接列出各省的资本存量数据，而只有各省固定资产投资总额指标，考虑到该指标是名义变量，本文首先用各省的固定资产投资价格指数对该变量进行平减，将其处理成以1997为基期的不变价格，然后运用永续盘存法将实际固定资产投资总额转化为资本存量。其中基期的资本存量K0借鉴Marshall Reinsdorf et al（2005）推导的公式K0=I0（1+g）g+δ，g表示不变价格固定投资的平均增长率，ρ表示资产折旧率，具体数值采用单豪杰（2008）估算的值10.96%。1998-2014年的资本存量借鉴叶宗裕（2010）的处理方法，具体计算公式为：Kt=Kt-1（1-δ）+It。劳动投入方面，本文根据国家统计局和各省统计年鉴中的各省就业人数来衡量。能源消耗方面，本文根据《中国能源统计年鉴》中能源消费总量万吨标准煤来度量。各类指标的描述性统计如表1。

4.绿色全要素生产率的测算。基于各省、市、自治区1997-2014年的数据，本文借鉴王兵等（2010）的处理方法，选择非径向非角度方向性距离函数和ML生产率指数在VRS假设前提下运用MaxDEA软件对包含工业废水和工业废气两种非期望产出以及能源消耗在内的模型进行测算，从而得到相应的ML指数，用ML指数值来表示绿色全要素生产率GTFP。图2显示了我国30个省、市、自治区1997-2014年绿色全要素生产率增长分布情况①。endprint

（三）模型建立

将以上运用MaxDEA测算得到的ML指数值作为因变量，由于测算的ML指数是相邻两年的变化率，损失了一个自由度，因此，本文后面的计量分析全部选择1998-2014年的样本数据。根据第二部分的理论机制，并借鉴以往学者的相关实证研究，建立以下计量模型：

式（9）主要是为了考察环境规制对绿色全要生产率的影响，加入平方项是为了验证“波特假说”，式（10）是为了考察政府干预对绿色全要素生产率的影响，式（11）是为了考察环境规制与政府干预对绿色全要素生产率的影响，式（12）加入政府干预与环境规制的交叉项是为了考察政府干预对环境规制与绿色全要素生产率关系的调节作用。

其中i表示省份，t表示年份，ER表示环境规制强度，关于这一变量指标的选择，李玲等（2012）选取工业废水排放达标率、工业SO2去除率、工业固体废弃物综合利用率三类指标并对其进行无量纲化处理而得到衡量环境规制强度的综合指标，考虑到本文时间段较长，工业废水排放达标率、工业二氧化硫去除率等指标数据无法查到，因此，本文最终还是选择排污费征收金额作为衡量环境规制强度的指标。同时考虑到环境规制可能存在内生性，为了消除内生性的影响，本文选取环保系统年末实有人数（PP）作为环境规制强度的工具变量来消除可能存在的内生性问题。GI表示政府干预程度，本文选择王小鲁等（2011&2016）《中国分省份市场化指数报告》一书中政府与市场的关系评分作为政府干预程度的度量，并且该指标值越大，表明政府对市场的干预程度越低。

式（13）是影响绿色全要素生产率（GTFP）的控制变量，根据宏观经济理论以及相关学者在研究过程中考虑到的变量，本文最终选择了研发投入（RD）、国内生产总值GDP增速（GG）、对外开放水平（OPEN）、工业化程度（II）以及人口规模（PI）五类控制变量。

研发投入（RD）：本文运用各省R&D经费支出表示，同时通过各省GDP指数对其进行平减消除价格因素的影响。另外，考虑到研发投入可能存在滞后效应，本文最终选择滞后一阶的RD来进行计量分析。

GFP增速（GG）：计算公式为GG=GDPt-GDPt-1GDPt-1。

对外开放水平（OPEN）：本文选择用进出口贸易总额与GDP总量的比值来进行衡量。

工业化程度（II）：本文选用工业增加值与GDP总量的比值来进行衡量。

考虑到做计量分析数据的一致性，本文对环境规制强度（ER）、研发投入（RD）、人口规模（PI）等绝对数均进行对数化处理。

四、实证结果分析

（一）各类变量的描述性统计分析

表2给出了各类研究变量的描述性统计特征，结果表明，排污费征收金额的均值为1.485亿元，各省排污费征收金额差异较大，这说明各省份的环境规制水平也是存在很大区别的。从政府干预程度、R&D经费支出、人口规模等统计特征来看，各省市之间均有较大区别，但是否真实存在显著的地区差异，还有待进一步检验。至于政府干预是否会影响环境规制与GTFP之间的关系，需要进一步运用计量分析工具进行科学的考证。

（二）回归结果分析

表3给出了上述计量模型（9）、（10）、（11）、（12）的回归结果，并且它们各自对应的Hausma检验结果都显著性地拒绝了原假设，表明这四个模型的固定效应均优于随机效应。

从回归结果看，固定效应下的模型（9）、（11）、（12）的环境规制强度（ER）均在5%的显著性水平下显著，表明环境规制强度的提高能有效地促进绿色全要素生产率的提高，这与大多数学者的研究结果一致。与此同时，环境规制强度的平方项也在5%的显著性水平下显著，并且符号为负，这表明环境规制强度与绿色全要素生产率的关系是非线性的，它们之间的关系是一个处于坐标系第一象限的开口向下的抛物线，也就是人们通常所说的倒“U”型。从经济学意义上来讲，这表明在环境规制水平到达某一个临界值之前，随着环境规制强度的增强，它对绿色全要素生产率的正向促进作用是越来越强的，但是一旦超过该临界值，它对绿色全要素生产率的正向促进会逐渐减弱，这恰好验证了“强波特假说”，同原毅军等（2016）对环境规制与工业绿色生产率增长——对“强波特假说”的再检验一文的结论是一致的。这说明环境规制强度的提高给企业带来的环境成本要小于企业进行绿色技术创新所带来的利润。适度的环境规制不仅能够提高环境质量水平，还能有效地促进全要素生产率的提高，实现环保和经济增长的双赢目标。

从模型（10）、（11）、（12）的回归结果看，在固定效应模型中政府干预（GI）在1%的显著性水平下显著。由于政府干预程度这一变量选择的是王小鲁（2011、2016）在《中国分省份市场化指数报告》一书中政府与市场关系的评分，并且政府与市场关系的评分越高，市场化程度越高，从而政府干预程度越低。回归结果显示政府干预程度这一变量的系数符号为负，即政府干预程度能显著促进绿色全要素生产率的提高，这表明我国政府对市场干预程度是处在合理范围之内的，并没有过度干预市场，同时也说明了党的十八届三中全会强调的“要使市场在资源配置中起决定性作用和更好地发挥政府作用”得到很好的践行。

模型（12）中加入了政府干预与环境規制的交叉项，其目的在于验证本文第二部分理论机制中政府干预对环境规制与绿色全要素生产率之间关系的调节机制。该模型的固定效应回归结果表明政府干预与环境规制的交叉项在5%的显著性水平下显著，且符号为正，这表明随着政府干预程度的降低，环境规制与绿色全要素生产率之间的关系得到加强，这正好验证了第二部分的理论机制，即认为在政府干预程度较弱的地区，当地政府会更加倾向于用经济性规制的市场化手段去引导进行污染治理投资，而不是强制企业进行，这种方法更加符合市场化机制，从而也能更加有效地激励企业在污染治理时实现绿色技术创新，从而可以有效地提高当地的绿色全要素生产率水平。endprint

从其他影响绿色全要素生产率的因素来看，研发投入（RD）滞后一期的值在1%的显著性水平下显著，这充分表明技术创新能有效地促进绿色全要素生产率的提高，增加R&D经费支出能促使企业积极选用绿色环保的生产工艺和污染治理水平高的生产技术，从而有效地促进绿色全要素生产率的提高。GDP增速（GG）同样也在1%的显著性水平下显著，这表明在GDP增长速度加快的同时，也能有效地带动绿色全要素生产率的提高。对外开放水平（OPEN）在5%的显著性水平下显著为正，表明随着对外开放水平的提高，能有效地促进绿色全要素生产率的提高，这正好否定了“污染天堂假说”，即我国的对外开放政策为我国的生产发展提供了国外先进的技术和理念，对外开放带来的技术溢出效应以及“学习效应”加快了我国产业进行转型升级，使资源配置得到了帕累托改进，这些都在一定程度上促进了我国绿色环保生产技术的提高。工业化水平（II）整体上来看是在5%的显著性水平上为正，这表明我国工业化水平的提升可以有效促进绿色全要素生产率的提高，同时也说明我国近些年来实行的一系列促使重污染重能耗的工业产业转型升级的政策已经逐步起到了改善作用。人口规模（PI）这一变量在10%的显著性水平上显著为正，这说明人口规模对绿色全要素生产率有一定的促进作用，其可能的原因就是人口规模越大，相对而言其劳动力资本更丰富，从而能有效促进绿色全要素生产率的提高。

（三）稳健性检验——工具变量法（IV）

考虑到环境规制变量可能存在内生性，从而影响对回归结果的合理判断。本文选择環保系统年末实有人数（PP）这一变量作为环境规制的工具变量来解决内生性问题。选择这一变量的原因在于该变量会对环境规制强度产生一定的影响，但是不会对被解释变量GTFP产生影响，正好符合工具变量的选择标准。本文对环保系统年末实有人数这一变量取对数后，将其作为环境规制的工具变量，让后运用两阶段最小二乘法对模型（12）进行重新估计，得到回归结果如表3中（14）所示。回归结果表明，考虑内生性问题后排污费征收金额仍然能促进绿色全要素生产率的提高，而且两者之间仍然呈倒“U”型关系，并且其他变量也仍然是稳健的。

五、结论

本文运用1997-2014年我国30个省、市、自治区的面板数据，基于非径向、非角度的方向性距离函数与ML生产率指数测算了包含两种非期望产出的绿色全要素生产率，并考察了政府干预对环境规制与绿色全要素生产率之间关系的调节作用，研究结果表明：

1.在1997年到2014年间，我国30个省、市、自治区中，绿色全要素生产率比较高的省份有江苏、北京、广东、上海、新疆，而绿色全要素生产率比较低的省份有吉林、福建、江西、内蒙古，其他省份的绿色全要素生产率则处于中间水平。

2.在一定范围内，环境规制水平的提高能有效地促进绿色全要素生产率的提升，但一旦超过某个临界值，这种正向促进作用就会减弱，验证了“强波特假说”，同时也说明了环境规制强度的提高给企业带来的环境成本要小于企业进行绿色技术创新所带来的利润，在整体上对绿色全要素生产率起促进作用。因此，只有“恰当设计的”环境规制才能实现经济与环境保护的协调发展，政府应建立合理的规制工具，积极诱导经济体进行制度、技术、管理等方面的创新，使环境规制的运行更加有效。

3.政府干预能有效地提高绿色全要素生产率水平，我国政府干预程度总体上处在合理范围之内。在干预程度较强的地区，当地政府可能倾向于采用行政性环境规制手段迫使企业进行污染治理，由此造成资源的扭曲，不利于绿色全要素生产率的提高。而在干预程度较弱的地区，当地政府会趋向于选择逐步引导的环境规制方式，有效地促进企业进行绿色技术创新，对绿色全要素生产率产生积极的影响。因此，对于政府而言，合理地把握对市场的干预程度才能更好地发挥市场对资源的配置作用。

注释：

① 限于文章篇幅，本文只给出了各省绿色全要素生产率增长分布图，感兴趣的可以向作者索取具体数值。

参考文献：

[1] 单豪杰.中国资本存量K的再估算：1952～2006年[J].数量经济技术经济研究，2008（10）.

[2] 李斌，彭星，欧阳铭珂.环境规制、绿色全要素生产率与中国工业发展方式转变——基于36个工业行业数据的实证研究[J].中国工业经济，2013（4）.

[3] 李玲，陶锋.中国制造业最优环境规制强度的选择——基于绿色全要素生产率的视角[J].中国工业经济，2012（5）.

[4] 刘和旺，左文婷.环境规制对我国省际绿色全要素生产率的影响[J].统计与决策，2016（9）.

[5] 覃家琦，邵新建.交叉上市、政府干预与资本配置效率[J].经济研究，2015（6）.

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

[7] 王国印，王动.波特假说、环境规制与企业技术创新——对中东部地区的比较分析[J].中国软科学，2011（1）.

[8] 王小鲁，樊纲，余静文.中国分省份市场化指数报告[M].北京：社会科学文献出版社，2016.

[9] 叶祥松，彭良燕.我国环境规制下的规制效率与全要素生产率研究：1999-2008[J].财贸经济，2011（2）.

[10]叶宗裕.中国省际资本存量估算[J].统计研究，2010（27）.

[11]原毅军，谢荣辉.FDI、环境规制与中国工业绿色全要素生产率增长——基于Luenberger指数的实证研究[J].国际贸易问题，2015（8）.

[12]原毅军，谢荣辉.环境规制与工业绿色生产率增长——对“强波特假说”的再检验[J].中国软科学，2016（7）.

[13]Chung Y. H.， Fare R.， Grosskopf S. Productivity and undesirable output： A directional distance function approach[J].Journal of environmental management， 1997，51（3）：229-240.endprint

[14]Fare R.， Grosskopf S and Carl A. Environmental production functions and environmental directional distance functions[J].Energy，2007，32（7）：1055-1066.

[15]Kumar S. Environmentally sensitive productivity growth： A global analysis using malmquist-Luenberger index[J].Ecological economics，2006，56（2）：280-293.

[16]Marshall Reinsdorf， Mariam Cover， Measurement of capital stocks， consumption of fixed capital， and capital services， report on a presentation to the central American ad hoc group on national accounts， 2005（5）：37-49.

[17]Oh， D.， A. Heshmati. A sequential Malmquist-Luenberger productivity index： Environmental sensitive productivity growth considering the progressive nature of technology[J].Energy economic， 2010，32（6）：1345-1355.

Abstract：Based on the non-radial and non-angle SBM direction distance function and Malmquist-Luenberger productivity index， this paper calculates the Green Total Factor Productivity（GTFP） indicators of 30 provinces， municipalities and autonomous regions in China with industrial waste water and gas emissions as unexpected outputs included in the calculation process， and analyzes the effects of government intervention， environment regulation and their interaction effect on GTFP. Research shows the improvement of environmental regulation level can effectively promote the promotion of GTFP， but this positive promotion will be weakened once it exceeds a critical value， confirming the Strong Potter Hypothesis. In the region where government intervention is strong， the government incline to force firms to cut down pollution by administrative means， which results in misallocation of resources and is harmful to the improvement of firms′ GTFP； in the regions where government intervention is inferior， however， the local government tends to regulate by more progressive ways， which is conducive to firms′ green technology innovation and will have positive effect on GTFP. Therefore， in order to realize the coordinated development of economy and environment protection， government should properly design environmental regulations and reasonably grasp the degree of intervention in the market.

Key words：government intervention； environmental regulation； Green Total Factor Productivity

（責任编辑：周正）endprint