中国文化制造业绿色全要素生产率区域差异比较分析

韩东林 刘兵兵

（安徽大学，安徽 合肥 230601）

文化产业是具有高增长、高附加值、高盈利特点的新兴产业，文化制造业则在文化产业中营业收入最高、从业人员最多。文化制造业主要特征是将文化理念、文化思想、文化创意等元素融入制造业中，体现“制造业+文化”的发展思路。中国文化制造业通过技术引进和自主创新促进技术进步，但资源配置效率较低，粗放发展较明显，目前亟需改善焰火鞭炮产品制造、文化用化学品制造等文化制造业子行业的环境排放情况①根据《中国文化及相关产业统计年鉴》，文化制造业包括以下16个子行业：焰火、鞭炮产品制造；文化用纸制造；文化用油墨颜料制造；文化用化学品制造；工艺美术品制造；印刷复制服务；印刷专用设备制造；园林、陈设艺术及其他陶瓷制品制造；办公用品制造；乐器制造；玩具制造；游艺器材及娱乐用品制造；视听设备制造；其他文化用品制造；广播电视电影专用设备制造；其他文化专用设备制造。。党的十九大报告指出，要推动经济发展质量变革，提高全要素生产率，构建绿色技术创新体系。将文化制造业打造成高端制造业，对促进制造业转型升级和提高经济发展质量具有重要现实意义。当前中国文化制造业整体制造模式相对低端，如何推动文化制造业向高端化发展，提高文化制造业经济效益、创新能力和环境效益，关键在于提高绿色全要素生产率。因此，本文通过构建文化制造业绿色全要素生产率评价指标体系，评价中国文化制造业绿色全要素生产率，分析区域间差异，进而提出提高中国文化制造业绿色全要素生产率建议。

一、文献综述

绿色全要素生产率将能源和环境因素纳入生产函数模型测度生产效率，可真实反映经济发展情况。学者从多个角度研究绿色全要素生产率。首先在产业层面，丁黎黎、朱琳等采用DEAMalmquist模型测算辽宁、山东、河北等11个沿海省份海洋经济绿色全要素生产率[1]；唐建荣、杜聪等实证研究得出，2005—2013年中国物流业绿色全要素生产率年均以0.5%低速增长[2]。其次在空间区域层面，Oh和Heshmati以26个经合组织国家为研究对象，测算包含环境因素的生产率指数，结果发现，比利时、卢森堡和挪威擅长追赶世界前沿技术[3]；Halkos和Tzeremes运用方向距离函数测度英国37个地区的环境技术效率，结果显示区域环境无效率与人均生产总值之间存在“U”型关系[4]。影响因素方面，Mahlberg、Luptacik等将非期望产出纳入生产函数模型，测算14个欧洲联盟国家全要素生产率，研究发现，生态生产力的提高主要得益于环境条件改善[5]；Khanna和Kumar实证研究发现，环境管理体系全面性、降低有害物质排放压力、技术创新及法规威慑均可提高企业环境效率[6]；石风光认为提升工业绿色全要素生产率，污染治理强度所起作用最大[7]。

国内外学者研究文化制造业主要从文化产业展开，研究范围涵盖不同区域和层面。在发展评价研究方面，韩东林、袁茜等采用DEA-Malmquist模型研究发现，中国中部大部分省份文化制造业处于创新的中效区[8]；何里文、袁晓玲等对京津冀、山东半岛、海峡西岸等10个城市群文化产业静态效率评价后提出，文化产业亟需集约化发展[9]；吴慧香测度我国31个省文化产业全要素生产率，结果表明省际间全要素生产率差异与分布不均的文化投资有关[10]。在发展对策研究方面，Atle和Power以冬季户外运动装备发展为研究案例，提出要将品牌化战略和差异化战略纳入发展规划[11]；Edensor和Millington则以布莱克浦灯饰制造业为例，提出规划设计者和政策制定者在制定文化发展政策时要充分结合地区实际，避免同质性文化供给和文化设计[12]；Boccella和Salerno认为文化创意产业需清晰的政策规划作为发展指导[13]；徐鹏程从金融资本供给角度，为加快文化产业发展提出政策建议[14]。

综上可知：第一，目前学者对文化制造业的研究较少；第二，现有文化产业绩效评价研究未考虑资源环境因素，当前中国文化制造业并非绿色无污染，传统方式测算结果可能出现偏差；第三，在测算绿色全要素生产率指数时，基于方向性距离函数的Malmquist-Luenberger指数（以下简称“ML指数”）可有效处理产出指标中非期望值问题。因此，本文采用基于方向性距离函数的ML指数，构建包含能源投入和环境排放的绿色全要素生产率评价指标体系，评价中国文化制造业绿色全要素生产率。

二、研究设计

（一）研究方法

在测算传统全要素生产率时，一般有数据包络分析法、索洛残值法以及随机前沿分析等方法。当测算考虑环境排放的绿色全要素生产率时，传统数据包络分析法很难处理非期望值问题，即使将非期望值负值或倒数处理，也难以保证分析有效性，而基于方向性距离函数ML指数则可解决此类问题。

1.方向性距离函数。测算绿色全要素生产率关键在于构建环境技术，根据Färe、Grosskopf等[15]的思想定义一个生产可能性集合P（x），设各省级区域文化制造业为一个决策单元，每个决策单元有M种投入x=（x1，x2，…，xM）∈RM+，有N种期望产出y=（y1，y2，…，yN）∈ RN+和 I种非期望产出 z=（z1，z2，…，zI）∈ RI+，则有界闭合的生产可能性集合P（x）可表示为：

有了P（x），使用方向性距离函数测算时即有了目标值，方向性距离函数在要求提高期望产出的同时，也要求降低非期望产出，达到绿色发展要求，其表达式见公式（2）：

g=（y,z）为方向向量，当有非期望产出时，方向向量g=（y,-z），β为距离函数值。

2.ML指数及其分解。根据Chung、Färe等[16]研究，从t期到t+1期，ML指数表达式为：

ML指数表示为绿色技术效率（MLEFFCH）和绿色技术进步指数（MLTECH）乘积，MLEFFCH表达式见公式（4），MLTECH表达式见公式（5）：

由第t期到第t+1期：ML指数衡量的是绿色全要素生产率指数，描述的是两个连续时期的几何平均数，如果ML＞1，则表示绿色全要素生产率上升。MLEFFCH衡量单位y产出和z产出与生产前沿相近程度，描述绿色技术效率改善情况，如果MLEFFCH＞1，则代表绿色技术效率改善。MLTECH衡量生产前沿面变动情况，如果MLTECH＞1，则表示绿色技术进步。

（二）指标选择

在构建文化制造业绿色全要素生产率评价指标体系时，需要综合考虑投入产出因素，包括资源投入和环境排放情况，具体指标体系见表1。

1.投入变量。投入变量除包括测算传统全要素生产率时的资本投入和劳动投入，还包括能源投入。第一，关于资本投入，选择永续盘存法估算2014—2016年各省级区域文化制造业物质资本存量，具体计算公式如下：

在公式中，Ki,t、Ki,t-1分别代表i省在第t期和第t-1期资本存量，δ代表折旧率，Ii,t代表i省在第t期投资额。选择永续盘存法测算资本存量时需考虑以下因素：当年投资额、折旧率、基期资本存量。当年投资额选取各省级区域文化制造业新增固定资产投资额。现有文献通常采用一个不变的折旧率δ测算资本存量，不符合实际情况，参照陈诗一[17]折旧率测算方法，确定各省级区域文化制造业折旧率：

δt表示第t期折旧率，ZYDt表示第t期折旧，FAVt-1表示第t-1期的固定资产原值，由此得到各省级区域文化制造业不同时期固定资产折旧率。参考薛俊波和王铮的做法[18]，利用折旧与折旧率求得基期资本存量，可有效避免迭代误差累积。第二，关于劳动投入，主要有人数、时间、强度等劳动投入衡量指标，考虑指标数据可获取性，劳动投入采用文化制造业年末从业人员数。第三，关于能源投入，目前学者大多采用能源消费总量代替，与中国作为能源消费大国国情密不可分，因此本文用各省级区域文化制造业能源消费总量作为能源投入变量。因无直接数据可用，按照以下步骤估算：首先计算七大工业行业能源消费总量；其次计算文化制造业工业销售产值占所在工业行业比重，计算各省级区域文化制造业工业销售产值占总体比重；最后，得出各省级区域文化制造业能源消费总量②作者根据资料整理七大工业行业包括造纸和纸制品业、印刷和记录媒介复制业、文工体娱用品制造业、化学原料和化学制品制造业、通用设备制造业、专用设备制造业及计算机、通信和其他电子设备制造业。能源折标准煤系数来自于《中国能源统计年鉴》。。

2.产出变量。第一，关于期望产出，选取各省级区域文化制造业工业总产值和新产品销售收入，反映文化制造业经济效益和创新效益。第二，关于非期望产出，李燕萍和彭峰、徐晓红和汪侠、卢丽文、宋德勇等学者均选择污染物作为非期望产出[19-21]，考虑指标异质性和数据可获取性，选取文化制造业CO2排放量和工业固体废物产生量，前者反映温室气体生产排放情况，后者反映污染物生产排放情况，采用熵值法将二者换算成环境排放指数作为文化制造业非期望产出。参考周五七和聂鸣研究[22]，文化制造业CO2排放量计算公式为：

Ei为第i种能源消费量，NCV为平均低位发热量，CEF为碳排放系数，COF为碳氧化因子（设为1），44为CO2分子量，22为C分子量③能源包括以下八类：煤炭、焦炭、原油、汽油、柴油、煤油、燃料油、天然气；碳排放系数来自IPPC（2006）。。各省级区域文化制造业CO2排放量与文化制造业能源消费总量计算方法一致。各省级区域文化制造业工业固体废物产生量按照文化制造业工业销售产值占所在工业行业比重测算。

（三）样本数据说明

因内蒙古、海南、西藏等6个省级区域数据不全，本文选取中国大陆25个省级区域作为研究区域。所用数据来自《中国文化及相关产业统计年鉴（2015—2017）》《中国能源统计年鉴（2015—2017）》《中国工业统计年鉴（2015—2017）》《中国统计年鉴（2015—2017）》。因各指标间计量单位差异较大，本文对指标数据无量纲化处理，用各指标原始数据除以各项指标数据均值，得到无量纲化处理后数据。

表1 文化制造业绿色全要素生产率评价指标体系

三、实证分析

（一）文化制造业绿色全要素生产率总体分析

基于中国25个省级区域2014—2016年文化制造业输入输出数据，利用MaxDEA软件测算文化制造业绿色全要素生产率指数及其分解指标值。由表2可知，2014—2016年，中国文化制造业绿色全要素生产率指数值为1.0015，即年均上升0.15%，上升幅度较小，与陈超凡测算的文化制造业所属行业绿色全要素生产率指数值接近[23]。就文化制造业绿色全要素生产率指数分解结果而言，中国文化制造业绿色技术效率指数值为0.9999，绿色技术效率指数相对较低，说明中国文化制造业资源配置效率不高，存在要素投入比例不合理、期望产出较少、环境排放较多等问题，绿色技术效率恶化制约文化制造业绿色全要素生产率的提升，拉低中国文化制造业整体绿色全要素生产率。中国文化制造业绿色技术进步指数值最高，为1.0016，说明中国文化制造业绿色全要素生产率提升主要来自绿色技术进步贡献，因此深入推进文化制造业绿色技术创新，对推动文化制造业绿色发展具有重要意义。

表2 2014—2016年中国省级区域文化制造业绿色全要素生产率指数及其分解值

表3反映中国文化制造业绿色全要素生产率指数2014—2016年间变动情况。由表3可知，2014—2015年，中国文化制造业绿色全要素生产率指数值为0.9870，其分解指标值均小于1。2015—2016年，中国文化制造业绿色全要素生产率指数值为1.0162，其分解指标值均大于1，其中绿色技术效率指数值最大，为1.0119。2014—2016年，中国文化制造业绿色全要素生产率指数经历了降低到上升的变化，绿色全要素生产率指数平均值较低。《中国制造2025》纲领实施后，推动文化制造业绿色技术进步，增强文化制造业创新实力，提高文化制造业产品质量，推动文化制造业节能减排工作。当前中国文化制造业资源利用效率较低，文化制造业发展与资源环境关系还不够协调，发展质量不高，亟需谋求集约式发展。

（二）文化制造业绿色全要素生产率四大区域差异分析

本文将25个省级区域划分为四大区域：东部地区、中部地区、西部地区、东北地区，分析中国四大区域文化制造业绿色全要素生产率差异，表4为中国四大区域文化制造业绿色全要素生产率指数及其分解结果④东部地区包括：北京、天津、河北、上海、江苏、浙江、福建、山东、广东；中部地区包括：山西、安徽、江西、河南、湖北、湖南；西部地区包括：广西、重庆、四川、贵州、云南、陕西、宁夏；东北地区包括：辽宁、吉林、黑龙江。划分依据为国家统计局行政区域划分法。。

表3 中国文化制造业各年份绿色全要素生产率指数及其分解值

表4 2014—2016年中国四大区域文化制造业绿色全要素生产率指数及其分解值

在四大区域中，文化制造业绿色全要素生产率指数按高低排序，依次为西部地区、东部地区、东北地区和中部地区，其中只有西部地区文化制造业ML指数值大于1。就文化制造业绿色全要素生产率指数分解结果而言，绿色技术效率指数值大于1的只有西部地区，东北地区绿色技术效率指数值最低；绿色技术进步指数值大于1的为西部地区和东北地区。分析不同区域：第一，东部地区文化制造业ML指数及其分解指标值均小于1，说明东部地区文化制造业发展与资源环境的关系尚不协调，东部地区虽然聚集大量发展资源，但资源配置效率较低，此外，东部地区对文化制造业创新发展重视程度不够，需加大科技投入力度。第二，中部地区文化制造业ML指数值为0.9856，在四大区域中最低，其分解指标值均小于1。肖卫国和刘杰认为中部地区产业结构并不合理[24]。中部地区工业基础相对较弱，文化制造业以低端加工为主，行业链条短，缺乏自主创新，耗费大量资源、产生较多排放同时，带来较低产品附加值，造成中部地区文化制造业绿色全要素生产率指数在四大区域中呈“塌陷”局面。目前中部地区既要解决好文化制造业经济效益问题，又要解决好文化制造业发展与资源环境良性互动问题。第三，西部地区文化制造业ML指数上升幅度为2.56%，其分解指标值均呈现上升特点。揭志强提出西部地区文化产业全要素生产率提高得益于“西部大开发”战略下国家创新要素投入[25]。西部地区文化制造业技术效率较高，绿色技术进步明显，环境排放相对较少，发展速度较快，但仍需进一步发展，形成加速效应。第四，东北地区文化制造业绿色全要素生产率指数值和绿色技术效率指数值均小于1，绿色技术进步指数值大于1，东北地区作为老工业基地，文化制造业中环境排放较大的子行业较多，资源配置效率低，造成文化制造业绿色全要素生产率指数降低，东北地区通过推动文化制造业绿色技术进步，一定程度上改善了文化制造业发展质量，目前东北地区要优化资源配置，提高文化制造业绿色技术效率，同时要加大创新投入，发挥绿色技术进步拉动作用。图1为四大区域文化制造业ML指数及其分解指标值比较。

图1 中国四大区域文化制造业ML指数及其分解

（三）文化制造业绿色全要素生产率省际差异分析

根据中国25个省级区域文化制造业绿色全要素生产率指数测算结果，借助SPSS20.0软件，采用离差平方和法，划分25个省级区域，结果见表5。

表5 2014—2016年中国文化制造业绿色全要素生产率指数按省级区域划分

结合表1和表5分析，中国文化制造业绿色全要素生产率指数以贵州最高，为1.1091，山西最低，为0.8786，两个省级区域分别为第一类和第五类，贵州省绿色技术进步明显，但资源配置效率不高，山西省不仅资源配置效率低，且出现技术倒退现象；第二类包括福建、湖南、宁夏，福建和湖南主要依靠技术进步提高绿色全要素生产率，宁夏则通过改善技术效率方式提高ML指数；第三类包括陕西、重庆、四川、浙江等16个省级区域，占总数的64%，以陕西、重庆、四川、北京为代表的省级区域，文化制造业绿色技术效率指数和绿色技术进步指数均大于1，实现资源有效配置，经济效益和创新效益提高，环境排放减少，而浙江、云南、河南、河北等省份主要依托技术进步提高文化制造业绿色全要素生产率，绿色技术效率相对较低，亟需调整要素投入比例，提高资源配置效率；第四类包括山东、上海、辽宁、天津，这些地区在文化制造业发展过程中，存在投入结构不合理、创新动力不足、环境排放多等问题，需加大政策支持力度和科技投入力度，提高文化制造业绿色全要素生产率。通过SPSS聚类分析可以发现，中国文化制造业绿色全要素生产率指数在省际间存在较大差异，25个省级区域呈现五级分布特点。表5根据文化制造业绿色全要素生产率的指数值分类，图2按照25个省级区域文化制造业绿色全要素生产率指数的变化幅度分类。

图2 2014—2016年中国省级区域文化制造业绿色全要素生产率指数变化情况

由图2可知，25个省级区域被划分为以下三类：第I类包括贵州、福建、湖南、宁夏；第II类包括陕西、重庆、四川、浙江、云南等17个省级区域；第III类包括上海、辽宁、天津、山西。第I类区域中，文化制造业绿色全要素生产率指数上升幅度相对较大，文化制造业发展与资源环境关系比较协调，属于文化制造业绿色发展领跑者；第II类区域中，文化制造业绿色全要素生产率指数变化幅度相对较小，处于发展瓶颈期；第III类区域中，文化制造业绿色全要素生产率指数下降幅度相对较大，属于文化制造业绿色发展的追赶者。中国文化制造业绿色全要素生产率指数提升动力主要来自绿色技术进步，最终导致文化制造业绿色全要素生产率在省际间存在较大差异。

四、结论及建议

（一）主要结论

本文通过2014—2016年中国文化制造业绿色全要素生产率评价与区域比较，得出以下结论：第一，中国文化制造业绿色全要素生产率指数较低。第二，在四大区域中，文化制造业绿色全要素生产率指数值由高到低排序依次为西部地区、东部地区、东北地区、中部地区。文化制造业绿色全要素生产率在中部地区形成“塌陷”，表现出较大区域差异性。第三，25个省级区域文化制造业绿色全要素生产率指数呈现五级分布特点，表现出较大省际差异。

（二）对策建议

第一，促进文化制造业绿色技术进步，提高文化制造业绿色技术效率。首先，要加大文化制造业科技投入力度，通过税收减免、政府补贴、金融优惠、产业扶持等手段，推动文化制造业绿色技术创新，通过构建“低能耗、高效益、低排放”的文化制造业绿色制造体系，打造具有文化属性、科技属性、绿色属性的高端文化制造业，放大文化制造业绿色技术进步促进效应。其次，要推动文化制造业结构优化升级，优化文化制造业要素投入结构，学习先进管理理念，优化文化制造业资本、劳动、能源等要素的投入比例结构，提高文化制造业资源配置效率，通过行业兼并重组方式，促进文化制造业向集约式发展，提高文化制造业绿色技术效率。

第二，加强文化制造业区域交流合作，促进四大区域协调发展。中国文化制造业绿色全要素生产率指数在四大区域间表现出较大差异，要建立四大区域文化制造业发展定期交流机制，通过举办区域合作论坛等方式，在推动绿色技术进步和提升绿色技术效率方面，加强四大区域间交流与合作，缩小区域差异，促进四大区域文化制造业协调发展，从而提高中国文化制造业整体绿色全要素生产率，实现文化制造业绿色发展目标。

第三，各省级区域要结合自身发展特点，形成竞争优势。文化制造业发展落后省级区域要打造特色文化制造业，通过学习先进地区绿色生产技术和管理经验，提高文化制造业经济效益和创新能力，减少环境排放；文化制造业发展较好的省级区域要继续推动技术进步，提升技术效率，发挥示范作用，通过加大科技投入和产学研合作，增加文化制造业科技含量，以科技促进绿色发展。