政府信息透明与绿色全要素生产率的空间效应研究

孙振清，鲁思思

(天津科技大学，天津 300457)

一、引言与文献综述

世界各国政府都将强制环境信息公开作为其改善环境条件战略的重要和不可或缺的组成部分[1]。环境信息透明度是对当代传统环境管理的革命性背离，以社会期望、改变公众行为、分散的参与式环境治理[2]，为公众提供一个了解和参与环境治理的途径。环境信息透明目的在于通过培养公众的环保意识、提高公众对环境产品和生态系统服务的倾向[3]，最终达到环境、社会、经济的协调发展。自20世纪80年代以来，发达国家的环境信息透明度有了较大的提高，他们提供大量标准化、用户友好的环境信息。反观中国，由于政治和制度原因，中国长久以来被认为是一个“信息贫乏”的国家[4]。制度上的障碍和公众与环境意识的缺乏，造成中国环境信息的滞后。目前，环境领域正朝着信息公开和透明的方向努力，一系列法律法规的颁布，如《中华人民共和国政府信息公开条例》《环境信息公开办法》等，表明中国环境信息公开逐渐成熟，并成为环境管理的重要组成部分。

然而，改革开放以来，大规模的输入和政府投资，带来经济迅速增长的同时导致高消耗、高排放、低效率的生产。当前，资源枯竭和污染的日益严重，以及对能源资源需求的日益提升，造成经济发展与资源矛盾日益显著，区域发展不协调、多极化趋势明显。2013年世界银行强调绿色发展，增长从严重依赖资源使用、排放和环境破坏，转变成促进经济增长通过创建新的绿色产品、技术、投资和消费的变化和保护行为[5]。2017年中国环境保护部发布《关于推进“一带一路”建设的指导意见》，提出融合生态理念，推动可持续发展；中共十九大再次强调发展绿色的重要性，这意味着在发展中注重绿色、环境保护的重要性。全要素生产率(Total Factor Productivity，TFP)最早由Solow在20世纪提出，不仅可以衡量经济系统内部生产要素的投入与产出关系，同时也决定着经济发展的模式转换并影响中国经济的可持续发展[6]。绿色全要素生产率(GTFP)是在TFP基础上考虑环境因素，以反映一个国家或地区的环境绩效。所谓绿色低碳循环发展，就是倡导走低能耗、低污染、高产出道路，也就是GTFP的持续改善。

环境信息透明引起全球环境领域学者们的广泛关注，通过提高环境信息透明度，方便公众获取环境信息，参与环境治理，突出了当代环境治理的问责制、合法性和有效性，标志着传统的以国家为主导、自上而下的法规制度向透明、参与性的环境治理体系的革命性改变[7]。

现有研究大多发现提高环境信息透明有利于推进绿色发展，如Foulon等通过对传统(罚款和处罚)和新兴(公开披露)执行策略的影响分解，发现环境信息公开为控制污染创造了额外的激励[8]；Fung等发现在发达国家和发展中国家的各种情境下，信息披露是一种有效的减排策略[9]；Zhua等在电力行业发现强制和自愿信息披露是监管减排的互补有效工具[10]。

环境信息透明能在多大程度上改善环境条件、调动公众参与环境治理的研究还没有结论。因此，本文基于DEA-Malmquist指数测算中国30个省份绿色全要素生产率，将“环境、资源、经济”纳入分析框架，从“创新、协调、绿色、开放、共享”五大发展理念入手，考虑生态资源、环境污染、碳排放因素，综合测算中国绿色全要素生产率。在此基础上，运用透明度指数构建空间杜宾模型，分析信息透明度与绿色全要素生产率的空间效应，对深化中国绿色全要素生产率水平的研究，促进地区绿色、高质量发展提供一定经验和参考。

二、绿色全要素生产率的测算

(一)全要素生产率的测算方法

(1)

其中，θ为技术效率，xt，yt，zt，xn，yn，zn分别为t时期和n时期投入、期望产出和非期望产出向量，Dt=(xt，yt，zt)，Dn=(xn，yn，zn)分别为t时期和n时期决策单元的距离函数，techch是技术进步因子，pech为纯技术效率，sech为规模效率变化，两者相乘代表技术效率变动因子，对Malmquist指数分解并根据线性规划模型来计算Dt=(xt，yt，zt)，Dn=(xn，yn，zn)，Dt=(xn，yn，zn)，Dn=(xt，yt，zt)。

(2)

(二)2006—2017年中国绿色全要素生产率测算

选取中国30个省和自治区(不包括西藏)作为研究样本，考虑数据可得性选取2006—2017年研究。在相关文献的基础上和综合数据的可得性，选取以下投入产出指标。

1.投入指标。投入指标包括资本投入、劳动投入、生态资源投入，其中资本投入与资本存量间具有较强的相关性[11]，选取资本存量作为资本投入的代理变量，并采用永续盘存法进行测算(经济折旧率取9.6%)。劳动投入一般采用各省市全社会就业人数来代表区域经济增长的劳动投入。仅考虑产出中的非期望环境污染是不够的，在投入中将城市生态资源因素纳入绿色全要素生产率估算中，可以得到含绿色全要素生产率的GTFP。选取各省市林业用地面积、森林面积、森林覆盖率作为投入要素。

2.产出指标。产出指标采用省市生产总值(GDP)作为期望产出。非期望产出也称为坏产出、非合意产出，指在生产过程中产生的环境污染物，如何全面、系统表达某区域环境破坏整体水平，还没有统一的结论。国内外学者大多采用一般具体污染物指标来衡量：如运用废水、废物、废气排放量作为非期望产出；或将废水中COD六价铬、铅，废气中SO2、烟粉尘排放量、废物排放量作为非期望产出；以及仅考虑二氧化硫排放量作为非期望产出。其中，二氧化碳和二氧化硫作为大气主要污染物，且在《巴黎协定》2℃温控目标以及为尽快实现中国2030年碳峰值目标中，减少二氧化碳排放量、转变生产模式显得格外重要。因此选取大气中二氧化碳、二氧化硫排放量作为非期望产出衡量绿色全要素生产率水平。

3.数据来源。GTFP测算指标中的数据来源于2007—2018年的《中国统计年鉴》《中国能源统计年鉴》以及部分省市统计年鉴等官方权威数据。最终确定GTFP测算指标体系如表1所示。

表1 GTFP测算指标体系

4.2006—2017年中国绿色全要素生产率测算结果及分析。采用DEA-Malmquist模型，对中国30个省市数据进行汇总计算，得到2006—2017年中国区域绿色全要素生产率，并将测算结果进行东、西、中部划分，计算其均值分布情况，得到结果如图1所示。

图1 中国区域绿色全要素生产率变动趋势图

从整体变动趋势来看，全国绿色全要素生产率呈现先下降后上升再下降的波动往返趋势，取值范围介于[0.70，1.44]。如图1所示，2006-2017年全国平均绿色全要素生产率水平较稳定，虽然东中西部差距不大，但整体趋势仍是东部>中部>西部。GTFP值低于1，表示未达到有效生产前沿。研究初期，东部地区虽然整体呈下降趋势，但仍高于全国平均水平。东部、中部、西部地区的平均绿色全要素生产率分别为1.04、1.03和0.97，表明三大区域绿色全要素生产率差异不大。从局部变动趋势上来看，东部地区绿色全要素生产率呈逐渐下降趋势，但是绿色全要素生产率仍处于较高水平，且东部地区和全国平均水平变动趋势基本一致；同时，西部地区的绿色全要素生产率相对而言处于较低水平，这也与中国的经济发展现状相符合。东部区域属于中国经济发展水平较高的地区，拥有优越的地理位置，容易吸引投资、先进技术，从而可以降低制造生产过程中的能源消耗以及减少污染排放；中部地区是中国能源供应和制造集群式基地，拥有大量的能源和环境密集型产业，造成能源消耗和污染排放大，环境效率差；西部地区是中国三大地区转型条件、通信网络、能源基础设施最差的欠发达地区，且西部地区仍处于工业化中期，经济发展仍为区域发展首要任务。同时，同一区域内各省市之间也存在一定的差异，以东部地区为例，绿色全要素生产率平均值最高的上海市为1.09，最低分的河北省为0.97。

为了定量分析中国省级绿色全要素生产率水平的时间差异，运用地区差异性指数来衡量，定义如下：

(3)

其中，GTFPit表示第i个省份在t年的绿色全要素生产率，是第t年时所有省份绿色全要素生产率水平的平均值，GTFPt为各省市各年绿色全要素生产率，GRDI取值范围为[0，10]，取值越大，表明省级绿色全要素生产率差异越大，反之则越小。省级GRDI结果见图2，省级GRDI围绕1.5上下波动，表明绿色全要素生产率在省级之间存在一定差异。GRDI在2009年达到峰值2.35，后进入波动往返趋势，虽然仍有上升趋势，但取值逐渐减小，表明省级绿色全要素生产率间的差距逐渐缩小，区域发展趋向统一协调化。

图2 2006—2017中国省级GRDI指数趋势图

然而，仅从全国、东部、中部和西部地区划分来分析绿色全要素生产率的变动趋势，无法深入研究各省市间绿色全要素生产率的关联性，因此需要更进一步从空间上分析区域内绿色全要素生产率的相互作用关系。

三、政府信息透明与绿色全要素生产率的空间效应

(一)空间相关分析

1.全局空间自相关。全局莫兰指数从总体上验证绿色全要素生产率是否存在空间相关性，全局莫兰指数可定义为：

(4)

2.局部空间自相关。基于空间联系的局部空间自相关检验，是Moran′s I指数的局部形式，它可以用来反映局部地区的集聚、离散效应，更进一步展示局部空间单元和相邻单元的空间自相关程度。因此，采用局部莫兰指数，该指数定义如下：

(5)

(6)

对于公式结果，若局部莫兰指数为正，则表示该区域自身和周边区域高值与高值(或低值与低值)相邻；若局部莫兰指数为负，则表示高值与低值相邻。同时，采用莫兰散点图反映某一区域或地区与周边的扩散或极化作用是否显著存在[12]。

3.空间杜宾模型。Anselin认为任何地区的经济单元都不是孤立的存在，而与其周边单元存在一定的联系，距离越近其联系越密切[13]。因此，有必要将地理空间效应引入传统的回归模型中。前文相关分析表明绿色全要素生产率具有空间关联性，需要引入空间模型进行分析。在对模型的选择中，分别进行了Moran′s I、LM(Robust)检验、LR检验和Hausman检验，检验结果显示Moran′s I在10%的水平上通过显著性检验，在传统LM检验中，空间滞后和空间误差模型均拒绝原假设，LM(Robust)检验结果倾向于空间误差模型(SEM)。进一步通过LR检验来确定空间面板模型，LR统计量结果在1%的显著水平上拒绝原假设，Hausman检验在1%显著性水平下拒绝原假设，因此选择固定效应空间杜宾模型(SDM)，具体检验结果见表2。空间滞后模型主要考察被解释变量在子区域内的空间关联性，讨论区域内是否存在溢出或扩散效应，其表达式如下：

(7)

其中，i、t分别表示截面和时间维度，μit表示空间个体效应，Wit表示空间权重矩阵W的一个元素，∂表示空间滞后项系数，即邻近地区观测值对本区域观测值的影响程度，ε为随机误差项。空间杜宾模型是在空间滞后模型的基础上加入解释变量的溢出效应，在空间滞后模型的基础上，建立信息透明度与绿色全要素生产率的空间计量模型：

lnGtfpit=α+ρWlnGtfpit+β1lnTit+β2lnWit+β3lnRit+β4lnUit+β5lnJit+β6lnEit+β7lnZit+θ1WlnTit+θ2WlnWit+θ3WlnRit+θ4WlnUit+θ5WlnJit+θ6WlnEit+θ7WlnZit+εit+μit

(8)

其中，β1、β2、β3、β4、β5、β6、β7分别表示信息透明度、外商投资水平、科学技术投入、城市化进程、劳动力水平、受教育程度以及要素禀赋结构的弹性系数；W为30×30阶空间权重矩阵；ρ为本地绿色全要素生产率与邻近区域空间相互作用程度；α为常数项，uit为个体固定效应，εit为随机误差项。由于SDM模型中包含解释变量和被解释变量的空间滞后项，解释变量空间滞后性会影响效应系数，使SDM模型不能准确反映解释变量对被解释变量的影响。Lesage和Pace提出偏微分法弥补了这种缺陷。

(二)影响因素指标体系及数据来源

(1)核心解释变量。财政是一个国家治理的基础，财政政策不仅影响国家整体经济走向，也是影响企业预期发展的重要因素。财政透明度最初的定义来源于George Kopits和Jon D.Craig，之后国际货币基金组织(IMF)、世界银行(WB)、经合组织(OECD)等许多机构开始关注财政透明度，并制定相关文件推动发展。财政透明度即公开关于政府职能、财政政策、部门账户等可靠、及时详细、易于理解的信息，以便于公众准确及时了解政府财政活动。财政透明度主要包括制度、会计、指标与预测透明度，其中制度透明度重点关注政府公开过程、结构与功能。在全球化浪潮下，中国也采取一系列措施实施改革，提升中国财政信息透明度。但目前中国整体财政透明度水平不高，根据国际预算合作组织(IBP)发布的《公开预算调查2015》，中国在调查的102个国家中排名倒数第11，分值为14，比平均分低31.4分[14]。国内相关研究机构也对中国省级、市级透明度指数作出相关研究，其中中国社科院法学研究所2014年发布的《政府透明度指数报告》中，全国31个省份仅7个达到合格水平；上海财经大学发布《2018中国财政透明度报告》，全国平均财政信息透明度得分为53.49(满分100分)，达到合格(60分)水平的省市仅有10个；清华大学发布的《2017年中国市级政府财政透明度研究》显示，虽然近几年中国市级政府财政信息公开情况逐渐好转，但整体水平仍然较低，其中2017年在被调查的295个市级中，财政透明度得分合格率为28%，表明中国财政信息透明度仍然位于低层次，需要进一步加强中国财政信息公开力度，提升财政透明度水平。受限于数据可得性，选取财政透明度作为政府信息透明度的代理变量，数据来源于上海财经大学发布的《中国财政透明度报告》。

(2)控制变量。控制变量选择从各区域发展方式的差异性以及资源禀赋等特点考察，在已有研究的基础上，结合物理—事理—人理系统方法，将影响绿色全要素生产率的因素归纳为外商投资水平、科学技术投入、城市化进程、劳动力水平、受教育程度以及要素禀赋结构等。外商投资水平(W)：采用外商投资额衡量，外商投资的扩大会挤占国内市场份额，形成优胜劣汰机制，从而刺激国内企业改革创新、提高资源环境利用率[15]。科学技术投入(R)：科学技术是引领发展的关键动力，技术进步有利于降低资源消耗，且循环经济、低碳可持续发展离不开先进的技术。因此，选用规模以上工业企业R&D经费内部支出占GDP比重衡量科学技术水平。城市化进程(U)：不同区域间资源结构、资源利用、污染治理存在较大的差异，其城镇化率反映该区域规模变动及发展状况，而城市是绿色发展的主体，因此选取城镇人口占年末总人口比重衡量城市化进程。劳动力水平(L)：生产制造过程中的劳动投入是影响生产的主要因素，选取就业人数占年末总人口的比重衡量。受教育程度(E)：受教育程度可能会影响生产率，因此本文以高等学校在校生数量占年末总人口比重衡量每个省份受教育程度。要素禀赋结构(Z)：各研究区域资源要素结构存在一定差异，可能会对绿色全要素生产率产生一定的影响，因此选取资本与劳动之比度量要素禀赋结构[16]。为消除异方差影响保证模型结果的稳健性，对数据取对数处理消除量纲差异，涉及价格的变量均进行平减处理消除价格影响，解释变量的相关描述性统计见表3。

表3 解释变量的描述性统计

(三)空间溢出效应结果分析

1.全局莫兰指数分析。运用stata15.1计算全局莫兰指数，得到结果见表4。由表4检验结果可知，在研究范围内全局莫兰指数均大于0，且均通过1%显著性水平检验，Z值均大于1.65，说明绿色全要素生产率区域间存在显著的空间正相关性。绿色全要素生产率空间集聚特征显著，其原因可能在于相邻省份之间优越的地理位置加强交流合作、技术扩散、人员流动等，加强经济合作的同时强化了生态的空间关联性。若在研究中忽视GTFP的空间效应，可能会造成模型估计结果出现偏差或无效，由此可见，将空间相关性引入绿色全要素生产率研究中是必要的。

表4 全局Moran′s I及检验值

2.局部莫兰指数分析。全局自相关显示研究对象是否存在空间相关性，但未能显示具体空间集聚和显著度。因此，引入局部空间相关性，计算局部莫兰指数，得到莫兰散点图，见图3。局部莫兰散点图共四个象限，从第一到第四象限分别表示高值与高值、低值与高值、低值与低值、高值与低值集聚。第一象限表示区域自身和周边地区的绿色全要素生产率水平较高，二者空间差异程度较小；第二象限表示区域自身绿色全要素生产率较低，周边地区较高，二者空间差异程度较大；第三象限表示区域自身和周边地区的绿色全要素生产率水平较低，二者空间差异程度较小；第四象限表示区域自身绿色全要素生产率较高，周边地区较低，二者空间差异程度较大。

图3 2006年和2017年绿色全要素生产率局部Moran′s I散点图

从图中可得，2006年省级绿色全要素生产率水平大多位于第三象限，表明中国省级绿色全要素生产率水平较低，但存在显著的空间集聚特征。2017年绿色全要素生产率从第三象限逐渐向第一象限转移，表明中国省级绿色全要素生产率水平逐渐提高，且空间集聚特征未发生较大变化。今后应继续加强生态文明建设，践行生态文明改革，提高中国绿色全要素生产率水平。

3.空间异质性格局。由于中国幅员辽阔，各省市之间经济发展水平、资源结构的差异性，传统的空间同质性不再适用于研究，因此为了识别信息透明度和绿色全要素生产率水平的空间异质性特征，分别以信息透明度指数和绿色全要素生产率水平的平均值作为临界点，高于平均值的样本为高透明或高绿色，低于平均值的样本为低透明或低绿色，根据不同透明度水平和绿色全要素生产率水平划分为四组，具体见表5。

表5 空间非对称格局

观察表4可得，从空间上看，四组分布在空间上未存在明显规律，2009年绝大省份位于低绿色低透明(LL)和高绿色低透明(HL)，2017年低绿色低透明(LL)仍为占比最大的区域。显然，信息透明和绿色全要素生产率之间存在空间非对称分布格局特征，说明信息透明与绿色全要素生产率可能存在空间依存性。

4.空间溢出效应分析。基于SDM偏微分方法对溢出效应分解，见表6。总效应可以分解为直接效应和间接效应，直接效应表示本区域信息透明度对本地绿色全要素生产率的影响，间接效应也称为溢出效应，表示本区域信息透明度对邻近区域绿色全要素生产率的影响。根据表7的分解结果可知，直接效应下的信息透明度系数为0.001 7，在1%水平下显著，即增加1%信息透明度，本地绿色全要素生产率水平增加0.001 7%；间接效应下的信息透明度系数为0.000 8且通过显著性检验，表明信息透明度对绿色全要素生产率水平的影响存在空间溢出效应。信息透明度对绿色全要素生产率水平影响的溢出效应原因可能在于，在外部规模经济影响下，本地信息透明对邻近地区起到了良好示范作用，邻近区域在本地科技、人力资本等溢出作用下，逐渐学习模仿本地先进技术、管理方法等，同时在大数据环境下，信息成为交流的有力手段，区域间相互学习、研发技术带动新一轮的信息交流，进一步影响到绿色全要素生产率。

表6 空间杜宾模型直接效应和溢出效应分解

四、结论与政策建议

基于“环境、资源、经济”分析框架，将生态资源、资本投入、劳动投入及碳排放、二氧化硫排放纳入非期望产出，构建GTFP测算指标体系，运用DEA-Malmquist指数测算中国30个省域GTFP及其增长，并剖析其空间相关性，运用信息透明度指数，建立空间杜宾模型，实证检验信息透明度对绿色全要素生产率的空间溢出效应。得出以下结论。

1.从绿色全要素生产率测算结果来看，中国绿色全要素生产率水平总体趋势稳定，存在一定波动。区域看绿色全要素生产率从高到低依次是东部、中部、西部，西部地区可能因其处于工业化中期，经济发展仍为首要任务，忽视了生态建设。从局部空间来看，北京、天津、广东绿色全要素生产率较好，原因可能与其地理位置、经济水平密不可分。省级绿色全要素生产率增长较缓慢，区域间存在差异。绿色全要素生产率在空间上呈现正相关，省市间相互作用，绿色全要素生产率水平仍待提高。

2.信息透明和绿色全要素生产率之间存在空间非对称分布格局特征，2009年绝大部分省份位于低绿色低透明(LL)和高绿色低透明(HL)，2017年低绿色低透明(LL)为绝大多数类型。

3.信息透明度对绿色全要素生产率具有显著的空间溢出效应，基于SDM偏微分方法对溢出效应分解表明，三种效应下信息透明对绿色全要素生产率的影响为正且通过显著性检验，表明提高信息透明度能够有效提高中国绿色全要素生产率。

因此，为进一步提高中国绿色全要素生产率水平，进而促进经济增长和环境保护的协调发展，基于研究结论提出下列建议。

1.持续推进绿色可持续发展，加大国家监督力度。构建以政府为主导、企业为主体、社会广泛参与的生态文明治理体系。绿色可持续发展不能仅依靠经济带动，需要加强技术创新、科研驱动，在保证创新规模的同时注重质量发展，引进新技术并取其精华去其糟粕，落实创新、协调、绿色、开放、共享五大发展理念，为绿色可持续发展提供持久续航，为最终实现人和自然、社会的和谐发展而努力。

2.加大科技投入，推动企业技术创新。逐渐形成以企业内部为主导，研究机构、学校等外部为辅的创新体系。继续践行科学是第一生产力的发展理念，强化科技创新在市场机制中的作用。同时政府应通过采购、税收等手段支持企业技术创新，建立健全科技创新体系、扩大对外交流，实行奖惩制度激励企业自主创新，让技术进步推动绿色生态文明理念。

3.完善相关制度，提高信息公开水平。在媒体时代的浪潮中，信息成为国家治理的重要媒介。就政府信息公开而言，利用信息提高行政管理效能逐渐成为热门。提高信息透明度首先需要提高政府信息公开的合法性，要求政府工作人员提供真实、有效的数据。其次，完善社会监督制度，允许公民和媒体对信息公开实行问责制度，另一方面对造假数据依法处置，这样能够保证信息的真实有效性。

4.因地制宜，精准施策。各区域有着不同的文化背景，其经济发展水平的不同以及区域位置的差异导致各区域间发展的差异性，因此为了加快绿色生态文明发展，注重各区域差异性，根据不同区域的现状落实差异化环境政策，做到对症下药。对经济发展水平较高的城市，以经济手段为主导开展试点和探索，注重在提升绿色生态文明的同时不影响经济发展。对污染严重的区域，加强严格的环境管制水平，将政府的行政管理作用和市场调节利用起来，完善环境制度，提高环保监督效率。规范企业生产制造过程，减少污染排放，落实责任体系。党的十九大报告明确提出污染防治为决胜全面建成小康社会的三大攻坚战之一，因此加强对社会企业的监督，规范企业生产过程，限制企业排污，使政府和企业实现协同可持续发展，进而推进生态文明建设。生态文明建设需要多代人的共同努力维护，公众作为生态文明建设的主要力量，应对其积极引导。通过政府积极引导和社会、学校重视结合，加强生态文明理念教育，有利于树立良好生态文明意识，提高公众参与度，努力维护生态文明建设。

5.转变经济发展方式，倡导低碳节能。近年来，中国实行的节能减排政策显示出一定的成效，但为提高中国绿色全要素生产率水平，还需更严苛的管理政策。通过政府的积极引导、深化体制改革、优化产业结构、加快技术研发、加强污染排放监管，进而实现经济和生态文明的和谐发展。具体措施通过淘汰高耗能、高污染的煤炭、钢铁等传统行业，加快新旧产业的转换，依靠技术带动低碳产业，有效促进资源的利用，鼓励绿色低碳、可持续行业的蓬勃发展。