城市绿色全要素生产率演变机制研究

陈浩 刘培 许佩

摘要 在探索城市经济高质量发展与资源环境保护“双赢”的实现路径中，本文从城市能源与土地要素配置结构约束下的视角出发，以2004—2017年中国的280个微观城市为样本，基于SBM-Luenberger生产函数的方法重新测度和分析城市绿色全要素生产率（GTFP）的增长指数，并对GTFP增长的来源、时空动态特征、内部驱动因素进行分析，研究显示：①城市绿色全要素生产率（GTFP）在2004—2017年总体变化分为三个阶段，依次为正向增长阶段（2004—2008）→负向增长阶段（2009—2015）→正向增长阶段（2016年以后），GTFP增长主要来源于其规模效率的增长。②在空间动态变化中，初始阶段绿色全要素生产率增长的空间集聚HH区域（高增长水平）集中在西部，LL区域（低增长水平）则集中在福建、江苏、浙江、黑龙江等东部。随着时间的推移，HH区域在西部基础上不断扩大到中部和京津冀地区，且东岸沿海区域的LL区域范围在缩小。③在增长驱动因素中，城市能源结构的直接负效应与城市新能源电力供给占比较低有关;土地资源供应结构的负向效应说明城市发展存在“底线竞争”效应;产业结构的高级进程有利于地区整体GTFP增长但对产业属地环境存在负向效应。除此之外，资源倾斜与资源集聚效应越强，其地区GTFP增长能力越强。因此，应充分发挥城市集聚的规模效应，提高城市能源与土地资源的集约效率，依靠经济效率、资源效率和环境效率的提升实现城市经济高质量发展。

关键词 能源与土地要素;绿色全要素生产率增长;时空动态;增长驱动因素

中图分类号 F062.1

文献标识码 A 文章编号 1002-2104（2020）09-0093-13  DOI：10.12062/cpre.20200120

经济高质量增长不再是传统的“三高阶段”（高投入、高消耗、高污染），也不再依靠单一生产要素的红利（如人口红利、资源富集红利、资本密集红利、地理区位优势等）来发展经济，更多的是依靠市场化的改革进程来增强区域间的资源流动与优化配置，实现高质量发展中质量变革、效率变革，同时增强区域经济发展的协调性、健康性、低碳性、绿色性与可持续性，实现经济发展与生态环境友好下的“双赢”。然而，在地方政府土地垄断下“招商引资中廉价的工业用地”和“价格高昂的商业住宅用地”使城市土地资源出现错配扭曲;同时城市能源“供给不足”和部分城市“资源诅咒”现象并存，使区域城市经济发展不充分不平衡。因此，城市高质量发展必须充分考虑城市能源与土地要素的配置情况，从经济效率、资源效率、环境效率的角度分析城市资源优化配置下绿色全要素生产率（GTFP，Green Total Factor Productivity）的增长状况、时空动态特征、以及增长驱动因素，并从效率的角度为城市高质量发展提供事实依据和政策建议，以实现经济发展（保持经济发展的活力）与生态宜居（提升居民工作、生活与休闲中的生态环境质量）“双赢”目标。

1 文献综述

经济生态化下的绿色全要素生产率（GTFP）增长根源在于实现生产活动中的资源优化配置以达到最大化健康产出。由生产要素驱动到技术创新驱动下的经济高质量增长关键也在于城市资源要素配置效率的变化，即实行在产出不变时的负外部环境效应最小化或者外部环境效应一定时产出的最大化，然而，存在资源自身约束或配置约束时其资源效率增长必然受到限制。目前在资源要素投入不变时，全要素生产率（TFP，Total Factor Productivity）增长主要源于技术进步、要素配置、与资源优化[1-2]，并且国家之间的经济发展差异的根源也在于地区资源错配或效率损失[3-5]。Hsieh 和Klenow[6]指出在资源（劳动和资本;K/L）得到优化配置时TFP将提升30%～50%（1998—2005年），龚关和胡关亮[7]指出在HK模型[6]实现规模报酬可变时企业TFP将增长10.1%和7.3%（1998—2007年），而资源错配将使国家总体TFP平均年下降30%[8]，并且陈诗一和陈登科[1]测算错配下的TFP年均下降率更高（1998—2013年均42.7%）。社会发展过程中对资源错配或资源扭曲约束中效率损失的改善将成为经济高质量增长的关键。

城市能源与土地要素的配置与约束将决定城市经济发展的可持续性和绿色性。然而，传统研究资源错配约束与企业全要素生产率主要关注劳动[9-10]、资本[11-12]、技术[13]等，而对于城市能源与土地要素配置的状况关注不够。涉及的能源（Energy）方面，王克强等[14]分析能源开采行业的TFP发现规模效应是其增长的关键，王芃和武英涛[15]同样发现能源行业要素本身配置扭曲是其根源，且纠正市场扭曲对TFP增长的贡献最大，郑丽琳、朱启贵[16]发现纳入能源约束下的TFP增长有限，除此之外，王兵等[17]、陈诗一和陈登科[1]、Watanabe和Tanaka[18]等学者则考虑将能源要素纳入生产函数模型当中分析其错配或生产效率。在土地资源（Source）方面，部分研究涉及土地资源的配置但并未进行量化[8，19-20]，部分量化分析只涉及农业用地[21-22]，其他部分学者的分析发现土地资源配置效率低的原因在于城市“底线竞争”（低地价成本、低环境约束、低税率高补贴等导致土地资源的浪费和低效率）[2，23-25]，如非市场竞争下的土地协议出让存在更低的配置效率[25-27] 。城市能源与土地要素的配置将决定城市绿色全要素生产率（纳入城市能源与土地要素）增长的可持续性。

对于绿色全要素生产率的测度。在考虑经济绿色发展的过程中，单纯考虑能源与土地等“投入要素”的错配约束是不够的，还必须充分考虑其“产出要素”约束的影响，其中陈诗一[28]提出4种环境污染处理行为（忽略、要素投入、要素产出、非期望产出），而其他学者在期望产出（城市GDP或工业产出）基础上多数考虑非期望产出约束行为（如：工业废气SO2、烟尘、废 水、化学需氧量COD、CO2排放量等）[29-31]。除此之外，涉及环境全要素生产率或者绿色经济效率时必须考虑采用有效的估计方法，如索洛剩余法[32-33]、隨机前沿法[34]、指数法如ML指数[35]、GML指数[31]、Luenberger指数[17，36-37]等。

关于城市方面的研究。部分学者以长江经济带108个城市为例基于ML（Malmquist-Luenberger）指数方法测度了其绿色全要素生产率[38]，还有学者测度和分析了长三角城市群的工业绿色全要素生产率空间分异情况[39]。除此之外，其他学者则从城市绿色全要素生产率的收敛性[40]、制造业集聚与城市绿色全要素生产率[41]、全球价值链与城市全要素生产率[42]、城市级别与全要素生产率[43]等角度对城市层面的全要素生产率进行了分析。

基于上述的分析，本文的重点在于：第一，以中国280个微观城市为样本（不包括西藏和港澳台地区），在传统投入产出函数上考虑城市能源与土地要素、非期望产出要素约束，构建“SBM方向距离函数”和“Luenberger生产率指数”测度2003—2017年中国城市绿色全要素生产率（GTFP）增长指数。第二，对GTFP增长的来源进行分解分析，并对两种情形下的GTFP增长进行对比分析（要素投入只考虑劳动和资本（K/L）;同时考虑劳动、资本、能源和土地要素（K/L/E/S）），并且考察其时空动态变化情况。第三，重点考察城市能源与土地资源配置结构对GTFP增长的影响效果与作用机制，并分析GTFP增长的核心驱动因素，同时基于空间SDM模型分析其区域空间效应与影响机制，最终为实现绿色全要素生产率GTFP增长（即经济效应与环境效应的“双赢”）提供可靠的依据和对策建议。

2 指标测算与数据说明

2.1 绿色全要素生产率的测算

2.1.1 生产可能性集

2.1.2 SBM方向性距离函数

采用全域SBM方向性距离函数（DDF）测算[17，31]，具体的方法如下：

当方向向量（gx，gy，gb）和松弛向量（sxn，sym，sbi）测度单位一致时， 将标准化的松弛比率sxngxn加起来，目标函数为投入无效率和产出无效率平均值的和最大化[46]，本文按照王兵等[17]和Cooper 等[47]思路将无效率（IE）分解为三个部分（IEx;IEy;IEb），分别表示“投入”“好产出”“坏产出”的无效率，反应一种无效率水平的高低指数。

依据上述方法测算出中国280个城市2004—2017年的生产活动中的无效率指数。

2.1.3 Luenberger生产率指数

Luenberger生产率指数[36]和Malmquist生产率指数[48]被应用在不同的学科领域范围，且在发展的过程中形成一种Malmquist-Luenberger指数（ML指数）[35]，Luenberger生产率指数是M指数和ML指数的一般形式，具体的Luenberger模型如下：

然后依据学者[37，44-45]的思路将其分解为四个部分依次是纯效率变化（LPEC）、纯技术变化（LPTP）、规模效率变化（LSEC）、技术规模变化（LTPSC），如下所示：

其中，GTFP 大于（或小于）零分别表明GTFP增长（或负增长）;LPEC大于（或小于）零表示效率提升（下降）;同理，LPTP表示技术进步（后退）;LSEC表示规模效率提高（或下降）;LTPSC表示技术偏离 CRS（向CRS移动）。

2.2 数据说明

运用超效率SBM-Luenberger函数的方法来测算出中国280个城市的含土地与能源要素下的绿色全要素生产率GTFP水平（Luenberger生产率指数），测算GTFP需要同时考虑生产的“投入要素EI”以及“好”“坏”两种产出EO约束[17，31，36]。本文的要素投入涵盖四种生产要素（资本、劳动、能源、土地;K/L/E/S）;产出涵盖“好”产出（城市生产总值;GDP）和“坏”产出（工业“三废”;SO2＼Water＼Smoke），具体的指标说明如下：①资本投入，资本投入使用城市固定资产投资额（万元）。②劳动投入，劳动力投入使用城市年末单位从业人员数（万人）。③能源投入，本文将城市中的主要能源消费量进行加总核算，主要能源消费量指标为城市液化石油气（t）、天然气（m3）、电力消费量（kW·h），然后依据折算系数进行热量核算，得到热量数据（kJ）数据，折算系数见《2018年中国能源统计年鉴》中的能源折算系数表。④土地资源投入，使用城市建设用地面积（km2）衡量土地资源要素S的投入。⑤“好”产出，使用城市生产总值GDP（万元）来衡量。⑥“坏”产出，本文的指标为工业三废中的工业废气SO2（t）、工业烟尘（t）、工业废水排放量（万t）。

综上所述，本文运用超效率SBM-Luenberger函数，基于要素投入和产出的视角，使用Matlab测算出中国280个城市2004—2017年绿色全要素生产率（GTFP）的Luenberger指数及其指数的分解。

3 时空动态特征分析

3.1 绿色全要素生产率增长特征与分解

3.1.1 绿色全要素生产率增长特征

土地与能源环境要素视角下的绿色全要素生产率（GTFP含四种生产要素：劳动、资本、能源、土地，K/L/E/S）如图1所示，图1显示出GTFP在纳入不同要素时的两种增长情况，两者的整体时间趋势基本保持一致性，三个阶段依次为：正向增长阶段（2004—2008）→负向增长阶段（2009—2015）→正向增长阶段（2016年以后），但是两者在增长率的系数大小、增长率的波动幅度上存在显著差异;在2004—2017年间含4种生产要素（K/L/E/S）下的GTFP增长年份均值与标准差为0.013 9和0.043 5，而前者GTFP增长年份均值和标准差为0.011 0和0.040 9。說明考虑能源与土地资源要素时（K/L）更能够准确地反映GTFP的增长特征，避免主要生产要素忽略时的测度偏误。

从两种测算结果的对比分析来看，GTFP增长在2010年以前第一种测算的结果（只含K/L时）相对较高，考虑能源与土地要素约束时（含K/L/S/E）会降低GTFP增长水平，表明前期的GTFP增长水平受限于经济增长的需求中的“高能耗和高资源投入”，资源的利用效率相对较低。然而，在2010年以后GTFP增长率水平（含K/L/S/E）相对较高，且增长速率较快，主要得益于“十八大”（2012）和“十三五”规划（2015—2020）以来的生态文明建设、供给侧改革、污染治理、经济结构转型与产业升级、技术创新增长、互联网经济带来的经济高质量增长与资源利用效率的提升。

3.1.2 绿色全要素生产率增长的分解

依据前述测算过程中对绿色全要素生产率（GTFP）增長的分解，4种分解结果对应GTFP增长过程中的纯效率增长（LPEC）、纯技术增长（LPTP）、规模效率增长（LSEC）、技术规模增长（LTPSC），而GTFP的增长则是前述4种增长的加总，不同类型增长的累计图柱状图如2所示。由图2可知，GTFP增长率主要来源于规模效率的增

图1 绿色全要素生产率增长的时间趋势

图2 绿色全要素生产率的增长分解（K/L/S/E）

长（LSEC），规模效率对绿色效率的提升效果显著且比重接近50%，其中技术规模增长（LTPSC）对GTFP增长的贡献显著为负且负向比重最高，而其他增长的贡献相对较低。由此可知，绿色全要素生产率GTFP增长的关键在于发挥市场要素集聚和生产集聚的规模效应，既可以保证集聚市场（能源集聚下的环保效益、土地资源集聚使用下的规模效率）带来的经济效率的提升，也可以保证集聚下的污染集中治理，有效降低负向的外部环境效应。除此之外，技术增长和技术水平的规模化应用存在显著不足，绿色创新生产和清洁化生产流程的短板限制了GTFP增长潜力。

3.1.3 无效率水平的分解

为了更好的分析三种无效率水平间的比例关系，图3显示出同时纳入土地与能源要素（K/L/S/E）时的三种无效率水平IE间的关系。

三种无效率的柱状比例图显示，GTFP测算过程中的无效率水平主要存在于“投入无效率（IEx）”和“坏产出无效率（IEz）”，两种的比重都接近50%的比重，以2017年为例，“投入无效率”水平0.146，为“好产出无效率（IEy）”水平0.002的73倍，“坏产出无效率（IEz）”水平0.209，为“好产出无效率”（IEy）水平0.002的104.5倍，且在所有无效率水平中“投入无效率”占比40.89%;“坏产出无效率”占比58.54%，说明提升环境全要素生产率GTFP的关键在于提升投入资源的使用效率，增强治理“坏”产出的能力，基于这两种视角来提升绿色经济效率。

3.2 绿色全要素生产率增长的空间特征

基于区域异质性的考量，绿色全要素生产率增长（能源与土地资源约束下的增长）是否存在一定的区域集聚或区域偏好，是否与区域经济发展的历程相关，因此本文使用空间关联性的分析方式来探究其发展历程。对于空间关联性分析，目前流行的全局自相关莫兰指数I（Moran's I）如下所示：

指数Ii为正，表示区域i的高（或低）值周围被高（或低）值所包围的HH区域（或LL区域），指数Ii为负，表示区域i的高（或低）值周围被低（或高）值所包围HL区域（或LH区域）。本文使用局部自相关（Local Moran's I）指数得到的绿色全要素生产率（GTFP）增长的空间分布如图4所示。

2004年GTFP的局部Moran's I指数显著图表明，具有空间集聚与高度关联性的区域（HH区域，GTFP水平较高）集中在重庆、成都等川渝西部地区，其周围部分显示出LH区域特征。同样具有高度集聚与关联性的区域（LL区域，GTFP水平较低）则集中在福建、江苏、浙江、黑龙江等区域，即东南沿海、长三角、东北等区域，说明市场改革和对外开放早期阶段，东部地区多数关注外贸制造业、纺织业、化工业、矿业等高消耗、高污染行业的发展，注重经济发展而忽视对环境污染的治理工作，以能源和土地资源消耗为主的粗犷经济发展方式使该地区的绿色生产效率较低。

2009年的GTFP的分布相对2004年而言，HH区域在西部原基础区域上不断扩大，且在京津冀地区也出现HH区域（GTFP水平较高），说明GTFP增长的范围在不断扩大，且东岸沿海区域的LL区域（GTFP水平较低）范围在缩小，表明“十一五”期间（2005—2010）国家提出建设资源节约型、环境友好型社会，大力发展循环经济，加大自然生态和环境保护力度，东部产业转型发展和制造业升级带来能源效率、土地资源效率和环境效率的提升，并且环保意识和绿色生产工业得到推广和发展。2013年在前述基础上，HH区域基本保持在原有的水平上，但是LL区域和LH区域却在进一步的缩小，说明高能源消耗企业的污染得到有效治理、低效率企业的无限扩展得到限制、绿色低碳的生产工艺得到发展，区域经济和环境效益“双赢”目标进一步得到显现。

2017年HH区域集中在湖南、河南、山西、河北等中部地区、京津冀地区，表明其绿色经济发展方式得到扩展，落后产业发展和能源消耗带来的环境污染得到有效控制，区域单位GDP能耗处于不断下降的趋势，（“十一五”期间单位GDP能耗实际下降19.3%;“十二五”时期能耗实际下降18.4%），“三高”产业的淘汰和“高新技术”产业的兴起使区域整体的产业结构和生产结构迈向高级化阶段，更多地依靠技术发展而非资源消耗的发展，如“十二五”期间（2010—2015）国家相继出台《关于加快推进生态文明建设的意见》《生态文明体制改革总体方案》等40多项涉及生态文明建设的方案。

4 模型构建与机理分析

4.1 模型构建

在分析绿色全要素生产率GTFP增长的时空动态特征时显示，随着时间的推移GTFP增长具有一定的时空集聚特征和区域偏好性，同时考虑到不同城市资源要素禀赋的差异性和自然的地理位置优势的异质性，因此本文在模型建立时需要考虑其空间特性。

（1）空间区域的关联性。城市内部资源要素（劳动、资本、土地、能源）的配置结构的转变会带动本地区的经济发展，如城市内部的污染治理、清洁能源的使用、绿色生产技术的推广和发展、土地资源供应方式、以及高新技术的兴起等都能够有效转变城市的产业结构和经济发展方式，提高其绿色经济比重，促进本地区GTFP的提升（本地直接效应）。同时，城市本地区的经济发展，都会引起相邻城图4只显示具备空间关联性的城市区域（非空白部分），不具备空间关联性的城市区域未顯示（空白部分）。市的劳动力分布结构、资本配置结构、资源消费结构、以及产业结构的调整，进而使附近区域的经济效率和环境效率得到提升，即溢出效应下的GTFP增长（间接空间溢出效应）。

（2）区域异质性。地区绿色经济发展是一个长期积累的过程，且地区经济发展的自然资源、地理区位与社会资源存在天然的差异性，区域的异质性是广泛存在的。在劳动力资源流动与配置、产业结构的时期演化与调整过程中，其要素与体系结构在时间前后异质性与空间分布异质性共同构成了绿色经济增长的区域异质性。

（3）其他相关的因素。在理论模型构建的过程中常常会忽视一些外在的影响因素，该因素的忽视或者遗漏都会对模型的准确造成的偏差。

因此，在模型构建时使用空间效应模型来详细分析能源结构、土地资源结构、产业结构等影响GTFP的驱动因素。城市能源与土地等资源的配置结构对地区GTFP的影响要素主要分为四个部分：地区间的客观异质性（c）;城市内部能源与土地等要素配置结构所造成的GTFP增长（xβ1）;城市间的关联性因素造成的GTFP增长（Wxβ2）;以及其他未知因素（zθ+μ）;模型如下。

其中， GTFP 表示城市（分地区、时期）绿色全要素生产率增长;x是城市（分地区、时期）的能源消费结构、土地资源结构、产业结构等;W为空间权重矩阵（采用欧氏距离和反距离加权法），z表示控制变量，μ为误差项。由于外部性的影响，随机误差项在地区之间存在关联性（空间关联效应明显）因此将其设定为：

式（23）是比较常见的空间杜宾模型（SDM），该模型的系数的是否为零，将衍生出多种回归模型，同时为考虑模型更好的经济学意义和量纲的影响，对部分变量取对数处理得到如下模型：

在对模型的回归与确定的时候，将对不同模型的结果进行比较分析并依据相关的模型检验来确定最优的模型回归结果。

在引入空间权重矩阵时，回归系数包含了众多信息，城市能源与土地资源结构等要素禀赋（X）对本地GTFP增长的影响（直接效应），以及对相邻城市的效应（间接效应），依据模型（23）得到：

4.2 变量描述与说明

表1为变量的描述性统计，其中被解释变量为使用SBM-Luenberger函数方法在纳入能源与土地要素约束时的城市绿色全要素生产率GTFP增长指数。

核心解释变量。考虑在纳入能源与土地要素时的GTFP增长变化时，其核心解释变量为城市的能源消费结构（energy）和城市土地资源供应结构（land），能源消费结构（energy）依据城市能源消费中电力消费量占所有能源消费量（城市液化石油气、天然气、电力消费量）的比例来衡量（依据前述热量折算系数计算所得）;城市土地资源供应结构（land）使用城市建设用地面积（km2）占城市建成区面积（km2）的比例（%）来反映土地供应状况。

控制变量。其他影响绿色全要素生产率GTFP增长的控制变量为：城市产业结构industry，使用城市第三产业产值占第二产业产值的比例表示;城市人均生产总值grp， 使用城市人均GDP（元）来表示;城市科技创新投入scifee，使用地方财政科学事业费支出（万元）表示;外商直接投资效应额fdi（万元）、城市人口密度Q（人/km2）和城市人居拥有的道路面积W（m2/人）。

5 实证分析

5.1 模型的选择

模型构建时的分析表明，模型可能存在不同的空间效应（SAR、SEM、SLX、SDM等），因此本文在个体与时间面板回归的基础上进行空间滞后（spatial lag）和空间误差（spatial error）的似然比LM检验，具体的结果如表2所示，结果显示似然比LM检验和稳健性似然比RLM检验都拒绝原假设（RLM-lag和RLM-error同时被拒绝），证明存在空间滞后效性（SLX）和空间误差效应（SEM），当存在两种以上效应时空间杜宾SDM模型更加合适。

本文在空间SDM模型的基础上进行（固定与随机效应）检验结果如表3所示，3种模型的结果显示出空间滞后效应与误差效应存在且模型2的结果最好，模型2（时间固定效应）对应的Wald检验和LR检验值最大，取伪概率值相对最小（LR_spatial_lag=4.551 9×10-15和LR_spatial_error=1.495 0×10-9），综上所述，本文的模型为个体随机和时间固定下的SDM模型2。

5.2 实证分析

表4展示出投入要素包含能源与土地要素（K/L/E/S）约束下的绿色全要素生产率GTFP的3种回归结果，以及只含劳动与资本（K/L）下的结果。表4中前者的3种分析结果基本保持一致，且显著性和结果明显优于后者，表明包含能源与土地要素（K/L/E/S）约束和空间SDM模型下的GTFP分析结果能更好地反映现实问题。

依据表1的统计性描述得到绿色全要素生产率GTFP的均值为0.015 288 7;因此GTFP的增长率计算方式如下：0.025 39=0.000 338 82/0.015 288 7，约2.53%;0.051 74=0.000 791/0.015 288 7，约5.17%。

依据表4空间SDM模型（偏误矫正法）的结果显示：核心解释变量城市能源消费结构（energy）和城市土地资源供应结构（land）都显著为负，即城市能源消费中电力消费量占所有能源消费量（城市液化石油气、天然气、电力消费量）的比例每增加1%，将使GTFP的增长幅度减少0.000 3，降低约2.53%;城市建设用地面积占城市建成区面积（km2）每增加1%，将使GTFP的增长幅度减少0.000 8，降低约5.17%。其能源结构的直接负效应可能与城市电力资源的来源有关，新能源电力供给占比较低（水电、核电、新能源（风电、太阳能及其他能源）等清洁电力能源占比较低，原煤发电的比例依旧很高）;土地资源供应结构的负向效应在于城市化的土地资源供应和工业土地资源的供应会带来该地区水资源、植被资源、自然资源、空间资源等生态环境的变化，增加了工业化进程中的环境污染效应。与此同时，城市能源消费结构和土地资源供应结构的空间溢出间接效益（W×energy;W×land）都存在正向效应但不显著，在一定程度上说明“资源诅咒”效应（资源丰富地区对本地区直接效应为负，对相邻地区存在正向效应不显著与资源流动的局限性有关）或者城市“底线竞争”效应（低地价成本、低环境约束、低税率收缴等导致土地资源的浪费和低效率）。能源和土地资源供应结构对GTFP增长存在一定的约束效应。

城市产业结构（Industry）的直接效应显著为负（-0.044 7），而间接效应显著为正（0.107 4），而整体综合效应显著为正（见表5综合效应），说明与土地、能源消耗相关的产业集中在第二产业，产业结构向服务业等第三产业迈进的高级进程有利于提高地区整体的GTFP增长，但是对产业发展的当地环境存在一定负外部性（当地资源诅咒现象）。地方政府财政科学事业费支出增长对本地区的GTFP存在显著的正向效应（0.015 4），但是对相邻地区城市的溢出效应显著为负（-0.025 5），说明资源倾斜地区（资本集聚）更易获得发展的机会，而对资源稀缺地区存在一定的抑制效应。同理外商直接投资流入对本城市地区存在正向促进作用，而其溢出效应显著为负。

城市人口密度（人/km2）和城市人居拥有的道路面积（m2/人）在一定程度上说明城市地区的资源集聚效应，城市资源集聚效应越强，其资源集聚的经济效率和环境效率也就越高，能在一定程度上能够有效地提高地区GTFP，并且对本地区的直接效应（分别为0.013 5和0.005 5）和相邻地区的间接效益（分别为0.031 2和0.093 9）都显著为正，政府应该注重提升城市地区内部的环境经济效率而非依靠城市扩张来增加经济增长（城市人均GDP增长对GTFP效应显著为负），前者更符合经济高质量发展的要求。

表5显示出城市不同要素结构对于城市绿色全要素生产率的平均直接效益、平均间接效益和平均总体效益，其结果与表4的结果基本一致。城市能源消费结构和土地资源供应结构的直接效应（-0.000 8和-0.033 7）均在1%水平显著为负，间接效应为0.000 5和0.061 9但不显著，总效应（-0.000 3和0.028 2）也不显著;产业结构的直接效应为负（-0.043 9）且在1%水平上显著，间接效应显著为正（0.144 7），总体效应显著为正（0.100 8）且在%水平上显著;财政科学事业费支出的直接效应为0.015 2且在1%水平上显著;外商直接投资的直接效应（0.009 6）与总体效应（-0.029 2）在1%水平上显著;城市集聚效应的总体效应显著为正（人口密度和城市人居拥有的道路面积的总体效应分别为0.070 5和0.157 6）;城市人均GDP三种效应都为负，其中总体效应为-0.041 6且在1%水平上显著。

6 结论与政策建议

本文在探究如何实现城市经济发展与资源环境保护“双赢”的路径中，以中国280个微观城市为样本，在传统投入产出函数中考虑城市能源与土地资源要素、非期望产出要素约束，构建SBM-Luenberger生产率指数测度2004—2017年中国城市地区的绿色全要素生产率（GTFP）增长指数，并对GTFP增长的来源、时空动态特征、内部驱动因素进行分析，研究显示。

（1）纳入城市能源、土地资源配置以及非期望产出要素约束下的城市GTFP在2004—2017年总体变化分为三个阶段，依次为：正增长阶段（2004—2008）→负增长阶段（2009—2015）→正增长阶段（2016年以后），其中GTFP增长主要来源于其规模效率的增长（LSEC）且显著贡献比重接近50%，技术规模增长（LTPSC）对GTFP增长贡献的负向比重最高。除此之外，在无效率分析中要素“投入无效率”和“坏产出无效率”是决定GTFP增长的关键。

（2）在空间动态变化中，初始阶段GTFP增长的空间集聚HH区域（GTFP水平较高）集中在重庆、成都等川渝西部地區，高度集聚的LL区域（GTFP水平较低）则集中在福建、江苏、浙江、黑龙江等东部区域。随着时间的推移，HH区域从西部区域上不断扩大至中部和京津冀地区，且东岸沿海区域的LL区域范围在缩小，绿色经济的发展方式得到普遍推广。 （3）在GTFP增长的内部驱动因素中，城市能源结构的直接负效应与城市电力资源的来源有关，新能源电力供给占比较低;土地资源供应结构的负向效应说明城市发展存在“资源诅咒”效应或者城市“底线竞争”效应，能源和土地资源供应结构对GTFP增长存在一定的约束效应。城市产业结构的高级进程有利于地区整体GTFP增长，但对产业发展的属地环境存在外部负向效应。除此之外，资源倾斜的城市地区（资本集聚）更易获得发展的机会，而对资源稀缺地区存在一定的抑制效应，并且城市资源集聚效应越强，地区GTFP增长能力越强。

依据上述的分析结果，本文政策建议如下。第一，绿色全要素生产率的主要增长来源在于其规模效率的增长，因此发展绿色经济需要重点培育环保型、低碳型、可持续性的绿色产业，发挥新兴产业集聚的规模经济和技术外部溢出效应，建立绿色经济中长期发展的培育制度体系，为绿色经济创新和技术人才储备的区域集聚提供良好市场环境，不断扩大绿色经济的市场份额和市场潜力，发挥市场经济的规模效应和环保效益，最终实现经济发展和生态环境保护的双赢。

第二，城市资源（能源、土地等）配置效率的增长是提升绿色全要素生产率增长的关键，因此需要发挥城市空间资源的集聚效应，消除城市资源区域流动与最佳配置的限制性因素，增强区域经济发展的空间协调性、关联性、融合性，降低城市资源低效开发与资源稀缺间的矛盾，同时建立区域联合下的经济竞争机制、环境保护机制、产业协同发展机制，避免城市发展中的“底线竞争”和“政治光环竞争”，提升高质量发展过程中的经济效率、资源效率和环境效率，最终达到区域资源配置效率最优化和效益最大化。

第三，城市能源结构与土地供应结构调整对城市经济绿色高质量发展十分重要，是实现城市经济效率和环境效率双赢的关键，因此在能源与土地利用方面，需要发挥资源的集聚规模优势，提升资源的集聚效率，如污染集中治理、热力集中供应、土地集约使用、企业集中生产、人才集聚、公共交通集中通行等。同时，政府应该注重提升城市地区内部的社会治理能力，依靠资源环境经济效率的提升而非依靠城市扩张或资源消耗来促进经济增长，质量和效率的提升才是实现经济高质量发展的关键。

（编辑：王爱萍）

参考文献

[1]陈诗一， 陈登科. 中国资源配置效率动态演化——纳入能源要素的新视角[J]. 中国社会科学， 2017（4）：68-84.

[2]李力行，黄佩媛，马光荣.土地资源错配与中国工业企业生产率差异[J].管理世界， 2016（8）：86-96.

[3]ALFARO L，CHARLTON A，KANCZUK F，et al. Firm-size distribution and cross-country income differences[J]. SSRN electronic journal， 2008， 5：243-272.

[4]CASELLI F. Accounting for cross-country income differences[J]. Handbook of economic growth， 2005， 1（5）：679–741.

[5]HALL R E， JONES C I. Why do some countries produce so much more output per worker than others？[J]. NBER working papers， 1999， 114（1）：83-116.

[6]HSIEH C T， KLENOW P J. Misallocation and manufacturing TFP in China and India[J]. Quarterly journal of economics， 2009， 124（4）：1403-1448.

[7]龚关，胡关亮.中国制造业资源配置效率与全要素生产率[J]. 经济研究， 2013（4）：5-16.

[8]BRANDT L，TOMBE T，ZHU X . Factor market distortions across time， space and sectors in China [J]. Review of economic dynamics， 2013， 16（1）：39-58.

[9]袁志刚，解栋栋. 中国劳动力错配对TFP的影响分析[J]. 经济研究， 2011（7）：4-17.

[10]VOLLRATH D . The efficiency of human capital allocations in developing countries[J]. Journal of development economics， 2014， 108：106-118.

[11]程惠芳， 陈超. 开放经济下知识资本与全要素生产率——国际经验与中国启示[J]. 经济研究， 2017（10）：23-38.

[12]王志刚， 龚六堂， 陈玉宇. 地区间生产效率与全要素生产率增长率分解（1978—2003）[J]. 中国社会科学， 2006（2）：55-66.

[13]蔡跃洲， 付一夫. 全要素生产率增长中的技术效应与结构效应——基于中国宏观和产业数据的测算及分解[J]. 经济研究， 2017（1）：74-90.

[14]王克强， 武英涛， 刘红梅. 中国能源开采业全要素生产率的测度框架与实证研究[J]. 经济研究， 2013（6）：127-140.

[15]王芃， 武英涛. 能源产业市场扭曲与全要素生产率[J]. 经济研究， 2014（6）：142-155.

[16]鄭丽琳， 朱启贵. 纳入能源环境因素的中国全要素生产率再估算[J]. 统计研究， 2013， 30（7）：9-17.

[17]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[J]. 经济研究， 2010（5）：95-109.

[18]WATANABE M，TANAKA K . Efficiency analysis of Chinese industry： a directional distance function approach[J]. Energy policy， 2007， 35（12）：6323-6331.

[19]BANERJEE A V， MOLL B. Why does misallocation persist？[J]. American economic journal macroeconomics， 2010， 2（1）：189-206.

[20]RESTUCCIA D， ROGERSON R. Misallocation and productivity[J]. Review of economic dynamics， 2013， 16（1）：1-10.

[21]CHEN C，RESTUCCIA D，SANTAEULàLIA-LlOPIS R. The effects of land markets on resource allocation and agricultural productivity[R].  2017.

[22]ADAMOPOULOS T， BRANDT L， LEIGHT J， et al. Misallocation， selection and productivity： a quantitative analysis with panel data from China[R]. 2017.

[23]杨其静， 卓品， 杨继东. 工业用地出让与引资质量底线竞争——基于2007—2011年中国地级市面板数据的经验研究[J]. 管理世界， 2014（11）：24-34.

[24]DU J， THILL J C， PEISER R B. Land pricing and its impact on land use efficiency in post-land-reform China： a case study of Beijing[J]. Cities， 2016， 50：68-74.

[25]张少辉， 余泳泽. 土地出让、资源错配与全要素生产率[J]. 财经研究， 2019， 45（2）：74-86.

[26]王媛， 杨广亮. 为经济增长而干预：地方政府的土地出让策略分析[J]. 管理世界， 2016（5）：18-31.

[27]梁若冰， 韩文博. 区域竞争、土地出让与城市经济增长：基于空间面板模型的经验分析[J]. 财政研究， 2011（8）：48-51.

[28] 陈诗一. 能源消耗、二氧化碳排放与中国工业的可持续发展[J]. 经济研究， 2009（4）：41-55.

[29]涂正革. 环境、资源与工业增长的协调性[J]. 经济研究， 2008（2）：93-105.

[30]胡鞍钢， 郑京海， 高宇宁，等. 考虑环境因素的省级技术效率排名（1999—2005）[J]. 经济学（季刊）， 2008（3）：933-960.

[31]杨翔，李小平，仲春平. 中国工业偏向性技术进步的演变趋势及影响因素研究[J]. 数量经济技术经济研究， 2019（4）：101-119.

[32]郭庆旺， 贾俊雪. 中国省份经济周期的动态因素分析[J]. 管理世界， 2005（11）：50-58.

[33]孙琳琳， 任若恩. 中国资本投入和全要素生产率的估算[J]. 世界经济， 2005（12）：3-13.

[34]涂正革，肖耿. 中国的工业生产力革命——用随机前沿生产模型对中国大中型工业企业全要素生产率增长的分解及分析[J]. 经济研究， 2005（3）：4-15.

[35]CHUNG Y，FARE R . Productivity and undesirable outputs： a directional distance function approach[J]. Microeconomics， 1997， 51（3）：229-240.

[36]CHAMBERS R G，FARE R，GROSSKOPF S . Productivity growth in APEC countries[J]. Pacific economic review， 1996， 1（3）：181-190.

[37]FARE R，GROSSKOPF S，NORRIS M，et al. Productivity growth， technical progress， and efficiency change in industrialized countries[J]. American economic review， 1994， 84（5）：1040-1044.

[38]盧丽文， 宋德勇， 黄璨. 长江经济带城市绿色全要素生产率测度——以长江经济带的108个城市为例[J]. 城市问题， 2017（1）：63-69.

[39]孙燕铭， 孙晓琦. 长三角城市群工业绿色全要素生产率的测度及空间分异研究[J]. 江淮论坛， 2018， 292（6）：62-69.

[40]李卫兵， 涂蕾. 中国城市绿色全要素生产率的空间差异与收敛性分析[J]. 城市问题， 2017（9）：57-65.

[41]陈阳， 唐晓华. 制造业集聚对城市绿色全要素生产率的溢出效应研究——基于城市等级视角[J]. 财贸研究， 2018（1）：1-15.

[42]余泳泽， 容开建， 苏丹妮，等. 中国城市全球价值链嵌入程度与全要素生产率——来自230个地级市的经验研究[J]. 中国软科学， 2019， 341（5）：85-101.

[43]江艇， 孙鲲鹏， 聂辉华. 城市级别、全要素生产率和资源错配[J]. 管理世界， 2018（3）：38-50，77.

[44]FARE R，GROSSKOPF S，PASURKA C A . Environmental production functions and environmental directional distance functions[J]. Energy， 2007， 32（7）：1055-1066.

[45]FARE R，GROSSKOPF S . Directional distance functions and slacks-based measures of efficiency： some clarifications[J]. European journal of operational research， 2010， 206（3）：702-702.

[46]FUKUYAMA H，WEBER W L . A directional slacks-based measure of technical inefficiency[J]. Socioeconomic planning sciences， 2009， 43（4）：274-287.

[47] COOPER W W，SEIFORD L M，TONE K . Data envelopment analysis： a comprehensive text with models， applications， references and DEA-solver software[M]. Amsterdam：Kluwer Academic Publishers， 2007.

[48]CAVES D W，CHRISTENSEN L R，DIEWERT W E . Multilateral comparisons of output， input， and productivity using superlative index numbers[J]. The economic journal， 1982， 92（365）：73-86.