中国城市经济高质量发展的地区差异及其影响因素分析

摘      要：新时代，中国城市经济发展已由高速增长阶段转向高质量发展阶段。本文运用包含非合意产出的SBM模型测算了2003-2016年PM2.5约束下中国265个地级市的绿色全要素生产率，将其作为城市经济高质量发展的一个重要指标，随后借助Dagum基尼系数及其分解分析了中国城市经济高质量发展的地区差异，最后采用面板PCSE估计方法分析了中国城市经济高质量发展的影响因素。结果显示，中国绿色全要素生产率增长速度呈波动趋势，绿色技术效率总体呈下降趋势，绿色技术进步效率总体呈上升趋势;地区差异主要来源于超变密度，区域内贡献显著大于区域间;中国绿色全要素生产率支持“环境库兹尼茨曲线”假说，但不支持“污染天堂”假说。

关  键  词：城市经济;高质量发展;SBM模型;绿色全要素生产率;地区差异

中图分类号：F299.2        文献标识码：A        文章编号：1007-8207（2021）09-0001-14

收稿日期：2021-02-22

作者简介：张国旺，中国社会科学院副研究员，管理学博士，清华大学经济管理学院工商管理博士后，中国社会科学院政治学博士后，研究方向为国际政治经济学。

引  言

改革开放以来，中国城市经济发展经历了年均接近10%高速增长的辉煌，创造了震惊中外的“经济奇迹”。然而，受粗放式高速增长及唯GDP论传统思维的影响，中国城市经济发展也出现了结构失衡、效率不高、投入要素浪费以及环境污染凸显等一系列问题，特别是大气环境质量下降、雾霾频发等现象愈加凸显。中国特色社会主义进入新时代，经济增速趋于放缓，依靠增加生产要素投入的粗放型经济增长方式已难以为继，变革发展方式、提升效率、推动产业结构升级成为摆脱城市经济发展困境的必由之路。着力推进中国城市经济高质量发展，既是各地区发展的诉求和共识，也是现阶段经济可持续健康发展的必然要求，还是破除不平衡不充分社会主要矛盾和全面建成小康社会的重要手段，更是当前乃至今后城市经济的发展逻辑。在此过程中，还有一些问题需要破解：第一，如何科学和正确衡量城市经济高质量发展。城市经济高质量发展是一个系统性的宏伟工程，受诸多因素影响，相应地，城市经济高质量也反映出诸多经济要素的质量状况。本文认为，单凭对城市经济高质量发展的定性分析不足以为经济决策提供良好的数据支撑，唯有通过准确的定量测算才能把城市经济高质量发展加以量化。在雾霾频发的背景下，更有必要量化在PM2.5约束下中国城市经济高质量发展实际状况。第二，如何科学和正确衡量各地区城市经济高质量发展的地区差异。中国地域辽阔，各地区城市经济的发展阶段和发展情况千差万别，即使在同一地区内部也或多或少存在一定的地域差异，区域经济发展极不平衡。因此，有必要厘清中国城市经济高质量发展的地区间差异及地区内部差异的演变过程。第三，如何科学和正确衡量中国城市经济高质量发展的影响因素。本文运用包含非合意产出的SBM模型、Dagum基尼系数及其分解和面板PCSE估计方法对中国绿色全要素生产率和各地区城市经济高质量发展的地区差异进行了分析，试图解答上述问题，希冀能为决策部門制定相应政策提供参考，并对丰富相关研究有所助力。

一、文献综述

当下，探讨经济高质量发展的内涵已成为学界的热点话题。从经济学的基础理论看，所谓质量，是指产品能够满足实际需要的使用价值特性。高质量发展既是能够更好满足人民不断增长的真实需要的经济发展方式、结构和动力状态，[1]也是体现新发展理念，以创新为第一动力、协调成为内生特点、绿色成为普遍形态、开放成为必由之路、共享成为根本目的的发展。[2]高质量发展体现了量变和质变的辩证统一，量变是发展的目的，而质变是本质要求。[3]

诚然，深入探究经济高质量发展的内涵是合理且必要的，这有助于开拓研究视野和厘清概念。但值得深思的一个问题是，由于经济高质量发展具有多维性和主观性特征，因而对其进行考量并非单纯评价数量多少、增速高低。宋明顺等（2015）认为，经济发展质量应从竞争质量、民生质量和生态质量三个维度进行综合评价，其采用熵权法确定权重并结合国际标杆比对方法对我国2005-2010年经济发展质量进行了测算;[4]李金昌等（2019）认为，应从经济活力、创新效率、绿色发展、人民生活、社会和谐五个维度进行综合测评;[5]马茹等（2019）在探究经济高质量发展内涵的基础上，从高质量供给、高质量需求、发展效率、经济运行以及对外开放五个维度进行了综合评价，其采用线性加权法测算了2016年中国30个省域经济高质量发展总指数。[6]

目前，综合评价视域下的经济高质量发展测评得到了学界的广泛应用。蔡昉（2018）认为，全要素生产率是高质量发展的动力源泉，应提高全要素生产率以推动经济高质量发展;[7]王一鸣（2018）也认为全要素生产率是提升和增强经济高质量发展的关键要素;[8]余泳泽等（2019）将中国绿色全要素生产率纳入环境约束进行测算后认为，绿色全要素生产率是衡量中国经济高质量发展的重要指标;[9]何爱平和安梦天（2019）认为，绿色发展效率是新时代中国特色社会主义转向经济高质量发展的重要度量指标，其引入碳排放测度了中国30个省域的绿色全要素生产率;[10]刘传江等（2017）将雾霾作为具体的污染变量引入到全要素生产率分析框架对我国29个省域环境全要素生产率进行测算后发现，只有东部环境全要素生产率呈上升趋势，而其他地区都呈下降趋势。[11]

需要说明的是，关于全要素生产率的测算方法主要有“索罗余值法”和“数据包络分析法”。“索罗余值法”的核心思想是经济增长率与资本、劳动力增长率的差即可反映全要素生产率。采用“索罗余值法”测算全要素生产率重点在于需设定具体的生产函数形式，生产函数中参数的假设不同将会导致不同的数值。而运用“数据包络分析法”[Data Envelope Analysis（DEA），亦称为非参数估计即Malmquist指数法]测算全要素生产率的优势在于不需要设定生产函数，即在测算过程中不需要任何假设即可得到较为准确的测算数值。“数据包络分析法”既可测算宏观层面的全要素生产率，[12]也可测算微观层面的全要素生产率，[13]是目前学界广泛运用的方法。事实上，运用“数据包络分析法”测算的并非真正意义上的全要素生产率，而是全要素生产率的增长率。“索罗余值法”和“数据包络分析法”各有利弊，若测算宏观层面的全要素生产率，“数据包络分析法”比“索罗余值法”更为合适。[14]

目前，关于既有文献对中国经济高质量发展的测算，学界尚存在一定的争议：一是既有文献对中国经济高质量发展测评的指标体系构建在角度和侧重点上有所不同，导致测算结果出现差异;二是既有文献多局限于在省级层面探讨环境约束下中国经济高质量发展状况，在地级市层面探究PM2.5约束下中国经济高质量发展状况的较为鲜见;三是既有文献多停留于对中国经济高质量发展的宏观讨论上，缺乏对中国经济高质量发展的地区差异及影响因素进行系统性研究。基于此，本文进行如下拓展：一是运用包含非合意的SBM模型测算出PM2.5约束下中国绿色全要素生产率作为经济高质量发展的代理指标，并将绿色全要素生产率拓展至地级市维度;二是借助Dagum基尼系数及其分解分析中国城市经济高质量发展的地区差异及差异来源，以期更加深刻地认识中国区域发展不平衡问题;三是采用面板PCSE方法验证中国城市经济高质量发展的影响因素。

二、方法、指标与数据

（一）经济高质量的测算方法

因Tone提出的基于松弛变量的非径向、非角度的SBM模型能够较好地解决测评过程中存在的非合意产出问题和投入产出松弛性问题，[15]故本文借助SBM模型来测算绿色全要素生产率并将其作为量化中国城市经济高质量发展的一个重要指标。

假设经济中有n个决策单元，且每个决策单元均有3个向量即投入、合意产出和非合意产出，这3个向量可分别表示为：x∈Rp、yg∈Rv1和yb∈Rv2，可定义矩阵X、Yg和Yb如下：

X=[x1，…，xn]∈Rpxn>0

Yg=[y1g，…，yng]∈Rv1xn>0

Yb=[y1b，…，ynb]∈Rv2xn>0

可构建包含非合意产出的生产可能性集P如下：

P={（x，yg，yb）|x≥Xλ，yg≤Ygλ，yb≥Ybλ，λ≥0}

根据SBM模型的处理方法，在规模报酬可变情况下非合意产出的SBM模型如下所示：

ρ=min

s.t.x0=Xλ+s-

y0g=Ygλ-sg

y0b=Ybλ+sb

s-≥0，sg≥0，sb≥0，λ≥0                                         ⑴

其中，x、yg和yb分別代表决策单元的投入变量、合意产出和非合意产出，s-、sg和sb分别代表投入变量、合意产出和非合意产出的松弛向量，λ代表权重向量，下标0表示当前决策单位DMU。目标函数值ρ*代表绿色全要素生产率（经济高质量发展），s-、sg和sb的取值区间为[0，1]，且严格单调递减。当ρ*=1，且s-、sg和sb均为0时，表明经济中决策单元是有效的;当ρ*<0时，表明经济中决策单元存在效率损失，此时要求在投入产出方面加以改进。SBM模型可以设定投入导向，即在保证产出一定时，寻求最少投入;设定产出导向，即在保证投入一定时，寻求最大产出;设定非导向，即同时从投入和产出角度进行测算，故亦被称作“投入产出双向”。由于非合意产出的SBM模型可能会出现多个决策同时有效的情况，不便于区分和排序，本文采用非合意产出的Super-SBM模型解决这一问题。一个排除了决策单元（x0，y0）的有限可能性集表示如下：

P＼（x，y）={（，，）|x≥λx，≤λy，≥λy，λ≥0}

在规模报酬可变情况下非合意产出的Super-SBM模型如下所示：

ρ=min

s.t.≥λx，≤λy，≥λy

≥x0，≤y，≥y

≥0，≥0，≥0，λ≥0

≥0，≥0，≥0，λ≥0                                       ⑵

其中，ρ为目标效率值，其他含义与式⑴相同。

（二）Dagum基尼系数及其分解方法

Dagum基尼系数是一种按子群分解的方法，适用于评价地区发展差异，最初用于衡量收入不平等问题。[16]其优势在于能够将总体基尼系数分解为地区内部不平衡、地区间不平衡和超变密度，克服了传统基尼系数和泰尔指数的局限，有效解决了样本间交叉重叠和区域差异来源的问题。本文根据Dagum的定义及研究内容将基尼系数定义为：

Gini=                                                     ⑶

μh≤…μj≤…≤μk                                            ⑷

总体基尼系数由⑶式给出。k表示地区个数，本文将中国按经济地理划分为东、中、西部地区，故k=3。n表示地级市个数，本文以中国265个地级市为研究对象，故n=265。yji（yhr）表示地区j（h）内地级市i（r）的绿色全要素生产率（经济高质量发展）。μ表示所有地级市绿色全要素生产率的平均值。⑷式依据地区内绿色全要素生产率的均值对地区进行了排序。基尼系数越大，说明经济高质量发展越不平衡。

地区j的基尼系数Ginijj可表示为：

Gini=                                        ⑸

地区j和地区h之间的基尼系数Gini则为：

Gini=                                        ⑹

其中，nj（nh）表示地区j（h）内地级市的个数，μ（μ）表示地区j（h）内的平均绿色全要素生产率。可定义如下变量：

Pj=nj/n                                                    ⑺

sj=nj μ/nμ                                                                          ⑻

d=dF（y）（y-x）dF（x）                                 ⑼

p=dF（y）（y-x）dF（x）                                                  ⑽

D=                                                                         ⑾

djh表示地區之间绿色全要素生产率的差值，亦是地区j和h中所有的yjt-yhr>0的数学期望;pjh表示地区j和h中所有的yjt-yhr<0的数学期望。Djh是用来衡量地区j和h之间绿色全要素生产率的相互影响。函数F是地区的绿色全要素生产率累计密度函数。

总体基尼系数可分解为三部分：地区内部不平衡Giniw、地区间不平衡Gininb和超变密度Ginit，分别表示为：

Gnin=Ginips⑿

Gnin=Gini（ps+ps）D   ⒀

Gnin=Gini（pS+pS）（1-D）                                     ⒁

（三）指标选取与数据说明

本文着重考察2003-2016年间存在非合意产出（即PM2.5约束）情况下中国265个地级市高质量发展的差异及影响因素，所涉及的数据均来自于《中国统计年鉴》《中国城市统计年鉴》和《中国区域经济统计年鉴》。

有关绿色全要素生产率的测算需要设定投入和产出变量。就投入指标而言，本文中投入变量主要包括资本投入、劳动投入和能源投入三大要素。资本投入借助Goldsmith的“永续盘存法”进行测算，计算公式为：Kit=Iit+（1-δ）Ki，t-1。其中，将固定资产投资按地级市所在省份固定资产投资价格指数调整为2000年不变价格水平的实际投资I，δ为资本折旧率，借鉴张军等（2004）的做法将折旧率设定为9.6%;[17]劳动投入以全社会从业人员为数据，即《中国城市统计年鉴》中单位从业人员和私营个体从业人员之和;能源投入以全社会能源消费为数据，由于地级市能源消耗数据并没有省级层面数据那么完善，囿于数据的可获得性，故采用《中国城市统计年鉴》提供的煤气及液化石油气数据作为能源投入的代理指标。就产出指标而言，本文中产出变量主要包括合意产出和非合意产出。合意产出以2003-2016年265个地级市的地区生产总值（亿元）为数据，由于地级市层面缺少GDP平减指数，故采用各地级市所在省份GDP平减指数将地区生产总值调整为2000年不变价实际地区生产总值;至于非合意产出，由于经济增长过程中出现了环境污染问题，尤其是雾霾频发，已严重影响到经济增长质量和人类健康，故以PM2.5浓度作为具体环境污染的代理指标。同时，因中国2012年开始实施新的《环境空气质量标准》，部分城市自此才开始统计PM2.5浓度数据，囿于数据的可获得性，故采用哥伦比亚大学国际地球科学信息网络中心利用卫星搭载设备对气溶胶光学厚度进行测定发布的1998-2016年分年度世界PM2.5密度图对PM2.5浓度数据进行分析。

三、中国城市经济高质量发展的测算结果及地区差异分析

（一）测算结果

表1和图1显示了2003-2016年中国绿色全要素生产率的时序演变趋势。总体上看，引入雾霾污染变量之后，我国绿色TFP总体呈上升趋势，其增长速度呈波动变化趋势;而绿色技术效率和绿色技术进步效率波幅较大，绿色技术效率总体呈下降趋势，绿色技术进步效率则总体呈上升趋势。绿色技术效率与绿色技术进步效率变动方式基本一致，但波动方向不一致，呈“背离”状态。具言之，2003-2016年间中国城市经济高质量发展趋势大致可划分为三个阶段：2003-2008年为第一阶段，绿色全要素生产率呈波动上行趋势，绿色TFP持续提升，绿色技术效率和技术进步效率则呈波动中上升趋势;2008-2013年为第二阶段，绿色全要素生产率呈波动下行趋势，2013年绿色TFP下降到最低值0.8728，绿色技术进步效率下降到最低值0.8375;2013-2016年为第三阶段，绿色全要素生产率的发展趋势各有不同。绿色TFP因雾霾治理初见成效总体呈上升趋势，绿色技术效率增长仍然乏力呈波动下行趋势，绿色技术进步效率则呈波动上行趋势。可以看出，引入雾霾污染变量后，中国绿色全要素生产率增长速度在前期和中期表现一般，波动中一度出现下行趋势并于2013年达到波谷。这说明，工业化初期全要素生产率仍过度依赖于技术进步效率的增长，致使中国城市经济在发展过程采取了以牺牲环境为代价的粗放式增长模式，雾霾污染造成的效率损失亟待恢复。近年来，随着绿色发展理念的逐步推行，绿色技术进步效率有所反弹，尽管我国城市经济增速有所放缓，但对雾霾治理、环境改善、绿色发展的重视程度明显提高，环境质量的提高也刺激了绿色全要素生产率开始攀升。

本文之所以划分出东、中、西部地区，旨在揭示雾霾约束下不同地区绿色全要素生产率时序变化规律。图2显示了2003-2016年我国东、中、西部地区平均绿色全要素生产率的时序演变趋势。从时序变化趋势来看，2003年以来，东、中、西部地区城市经济高质量发展大致可以划分为三个阶段：2003-2008年为第一阶段，东、中部绿色全要素生产率呈波动上行趋势，其中东部上升幅度较为明显，具体表现为东、中部绿色技术效率呈波动下降趋势，绿色进步效率呈波动上升趋势;西部绿色全要素生产率呈波动下行趋势，具体表现为绿色技术效率呈波动下降趋势，绿色技术进步效率呈波动上升趋势。2008-2013年为第二阶段，东、中、西部地区绿色全要素生产率呈波动下降趋势，尤其是2013年达到最低值，具体表现为绿色技术效率呈波动上升趋势，绿色技术进步效率呈波动下降趋势。2013-2016年为第三阶段，东、中、西部地区绿色全要素生产率由于环境改善呈上升趋势，特别是东、中部地区出现连续上升的迹象，具体表现为绿色技术效率呈波动下滑趋势，绿色技术进步效率呈波动上升趋势。可以看出，引入雾霾变量后，东、中、西部地区绿色全要素生产率呈波动趋势，东、中部地区绿色全要素生产率总体呈上升趋势，西部地区则总体呈下降趋势。东、中、西部地区绿色TFP增长速度在前期和中期表现一般，受制于城市经济发展与环境保护之间的冲突，绿色TFP一度呈下降趋势;绿色技术效率和技术进步效率波动幅度较大，绿色技术效率总体呈下降趋势，绿色技术进步效率总体呈上升趋势，且绿色技术进步效率与绿色技术效率出现明显“背离”的现象。需要关注的是，东部地区作为改革开放和经济发展的前沿示范区，其城市经济发展模式一度秉承“先污染后治理”的理念，虽然当地政府极力推动经济转型，产业布局由传统加工制造业向制造业服务化和高端服务业转型，经济发展从原来的过度依靠投资、出口驱动向精细化加工、制造业服务化以及高端制造业转型，但前期以牺牲环境为代价所累积的环境污染问题逐渐凸显，东部地区面临着生产要素成本增加和环保门槛抬高的双重压力。由此，大量低附加值传统产业、环境污染型产业开始逐步向中、西部地区转移。长此以往，中、西部地区势必会重蹈东部地区“先污染后治理”的覆辙。经济新常态下，政府对雾霾治理高度重视，着力推进重点行业污染治理，不断加快大气环境监测预警体系建设，区域间协作、联防联治日趋成熟，东、中、西部地区绿色TFP也呈上升趋势。尽管东、中、西部地区绿色TFP总体水平仍然不高，绿色TFP增长速度较为缓慢，特别是东、中部地区最为明显，但绿色技术效率与绿色技术进步效率已呈交替增长趋势。

（二）中国城市经济高质量发展的地区差异分析

⒈基尼系数。图3显示了2003-2016年中国城市经济高质量发展的基尼系数。引入雾霾变量后，全国的基尼系数呈波动變化趋势，特别是东、中、西部地区波动幅度较为明显。总体上看，基尼系数在2003-2006年呈下降趋势，2007-2011年呈上升趋势，2012年出现反弹后，2013-2015年又呈连续上升趋势，2016年再次出现反弹。基尼系数下降意味着城市经济高质量发展愈加趋于平衡，地区差距逐渐缩小。具体到东、中、西部地区，东部地区基尼系数在2003-2005年呈上升趋势，2006-2015年呈下降上升交叉的态势，2016年出现反弹;中部地区基尼系数在2003-2006年呈下降趋势，2007-2012年呈上升下降交叉的态势，2013-2015年呈连续上升趋势，2016年出现反弹;西部地区基尼系数在2003-2007年呈下降上升交叉的态势，2008-2010年呈上升趋势，2011-2013年呈下降趋势，2014-2015年呈上升趋势，2016年出现反弹。可以看出，尽管中国的基尼系数具有上升下降交叉且波动起伏的特征，但近年来中国特别是东、中、西部地区基尼系数呈倒“V”型走势，这意味着中国城市经济高质量发展不平衡问题趋于缓解。

⒉地区间差异。图4显示了东、中、西部地区间基尼系数的时序变化趋势。可以看出，东、中、西部地区间的城市经济高质量发展具有明显的差异。其中，东、中部地区间差异2003-2008年呈波动下行趋势，2008-2015年呈波动上升趋势，2016年出现反弹;东、西部地区间差异2003-2008年呈下行趋势，2008-2015年呈波动上升趋势，2016年出现反弹;中、西部地区间差异2003-2008年呈下行趋势，2008-2015年呈波动上升趋势，2016年出现反弹。总体上看，东、中部地区间的差距最小，东、西部间的差距次之，中、西部地区间的差距最大，这与东、中、西部地区绿色全要素生产率的测算结果相吻合。虽然东、中、西部地区间基尼系数具有上升下降交叉且波动起伏的特征，但近年来东、中、西部地区间的差异呈倒“V”字型走势，这意味着城市经济高质量发展的地区差距正逐渐缩小。

⒊Dagum基尼系数分解。Dagum基尼系数分解有助于认识和了解地区间差距产生的原因。表2显示了Dagum基尼系数分解结果，图5显示了地区内部不平衡、地区之间不平衡和超变密度的时序变化趋势。其中，超变密度主要用于识别地区间的交叉重叠现象，超变密度越大，说明地区间城市的交叉重叠现象越严重，城市经济高质量发展的地区间差距越小。从Dagum基尼系数分解及其各种差距来源贡献度的时序变化特征来看，在中国城市经济高质量发展过程中，地区间差距产生的内在机制随着时间推移发生了变化。从差距来源贡献度时序变化趋势来看，地区内部不平衡贡献度呈缓慢波动变化趋势，地区之间不平衡贡献度和超变密度的波动幅度较大，具体表现为地区内部不平衡贡献度呈上升下降交叉态势，2016年出现反弹;地区之间不平衡贡献度同样呈上升下降交叉态势，2016年出现反弹;超变密度与地区之间不平衡贡献度变化的方式相同，只是方向明显不一致。总体上看，地区内部不平衡呈相对平稳的变化趋势，基本在31%-34%上下波动，说明就单一地区而言，在其内部，城市经济高质量发展基本上比较稳定，这也暗示着可能存在区域收敛;地区之间不平衡贡献度与超变密度则出现了两种极端的情况，且超变密度远高于地区之间不平衡贡献度。具言之，东、中部地区城市经济高质量发展的水平整体上虽高于西部地区，但其内部少数城市的经济高质量发展水平又低于西部地区的少数城市，这意味着西部地区少数城市的经济高质量发展水平可能要高于东、中部地区经济高质量发展水平较高的城市。虽然超变密度近年来一度出现反弹，但超变密度始终维持在50%左右，说明地区间的城市经济高质量发展出现了较为严重的交叉重叠现象。

四、中国城市经济高质量发展的影响因素分析

为检验经济高质量发展（gtfp）与影响其因素的关系，本文设定计量模型如下：

gtfpit=β0+β1gdpit+β2（gdpit）2+β3capitalit+β4fdiit+β5rd+β6definit+β7pd+β8ind+β9infrait+εit       ⒂

依据既有研究成果，本文对影响城市经济高质量发展的因素选取如下：①经济发展水平（gdp）。一方面，随着经济发展水平的提高，经济规模不断扩大，环境污染可能由此增加，不利于雾霾污染约束下绿色全要素生产率的提升;另一方面，当经济发展达到一定水平后，技术水平不断提高，资源利用效率可能由此提高，有助于绿色全要素生产率的提升。本文采用不变价人均GDP的对数进行测量，同时为了考察“环境库兹涅茨曲线”假说，将人均实际GDP对数的平方也纳入到计量模型中。②要素禀赋结构（capital）。一般而言，劳动密集型产业虽污染较轻，但技术水平较弱;而资本密集型产业污染虽较为严重，但是技术水平相对较高，故“资本-劳动”结构的变化势必会引发环境污染和技术水平的变化，从而对绿色全要素生产率产生重要影响。本文采用劳均实际资本的对数进行测量。③外商直接投资（fdi）。城市可借助外商直接投资增加资本积累、扩散技术外溢效应来影响城市经济高质量发展。本文采用外商直接投资额占地级市GDP的比重进行测量。④政府研发投入（rd）。研发投入行为是通过溢出效应推动地区经济增长的重要因素，[18]可能会影响到地区劳动生产率的变动，本文采用人均政府财政科技支出进行测量。⑤金融发展水平（defin）。本文采用人均金融机构年末贷款余额进行测量。⑥人口密度（pd）。人口密度越大，所消耗的能源越多，极易引发环境污染状况的恶化，不利于经济高质量发展。本文采用单位面积的人口数量进行测量。⑦工业化水平（ind）。环境污染主要是由工厂大量排放“三废”造成的，工业化水平的提高可能同时影响到雾霾污染和城市经济高质量发展。本文采用第二产业产值占GDP的比重进行测量。⑧基础设施（infra）。城市发展新格局、新型城镇化以及产业布局优化等能够反映该城市经济高质量发展的状况，交通基础设施则能够对城市经济高质量发展起到支撑和引领作用。本文采用人均道路面积进行测量。

因估计模型存在自相关、异方差等问题，故估计量不再是最佳线性无偏估计量，参数的显著性检验失败。为解决这一问题，本文采用PCDE估计方法来验证中国城市经济高质量发展影响因素相互之间的关系。表3显示了中国城市经济高质量发展影响因素的估计结果。在全国层面，经济发展水平（gdp）的系数为-0.2720，（gdp）2的系数为0.0150，且在统计上较为显著，说明在PM2.5约束下中国绿色全要素生产率与经济发展水平之间存在“U”型关系。在地区层面，东部地区经济发展水平（gdp）的系数为-0.44883，（gdp）2的系数为0.0266，且在统计上较为显著，说明PM2.5约束下东部地区绿色全要素生产率与经济发展水平之间存在“U”型关系;虽然中、西部地区经济发展水平（gdp）的系数为负并不显著，（gdp）2的系數为正亦不显著，但中、西部地区绿色全要素生产率与经济发展水平之间也可能存在“U”型关系。同时，经济发展对绿色全要素生产率的影响涉及到“环境库兹尼茨曲线（KEC）”假说。在不考虑其他因素的情况下，环境污染与绿色全要素生产率增长之间通常存在反向变化关系。由此，中国的雾霾污染与城市经济发展水平普遍存在倒“U”型关系，即中国绿色全要素生产率支持“环境库兹尼茨曲线”假说，这与Wu（2007）的结论一致。[19]要素禀赋结构（capital）对中国绿色TFP具有显著的促进作用，这与王兵等（2010）的结论一致。[20]近年来，中国的“地区资本-劳动比”逐渐拉升，说明中国城市的经济结构正由劳动密集型产业向资本密集型产业转型，而劳动密集型产业和资本密集型产业分别表征着轻污染型产业和重污染型产业。[21]伴随着资本密集型产业的不断增加，污染排放愈发严重，一定程度上抑制了绿色TFP增长。但是，资本密集型产业通常是技术进步的主力军，技术越先进对于绿色TFP的正向拉动作用就越强，“地区资本-劳动比”提高意味着capital发生变化的正向拉动作用要强于负向作用，因此其对绿色TFP具有明显的促进作用。外商直接投资（fdi）对东部地区绿色TFP具有不显著的负面影响，而对中、西部地区绿色TFP具有不显著的正面影响，这与Li和Cheng（2004）的结论一致。[22]由此，本文推断“污染天堂”假说并不存在。工业化水平（ind）对中国绿色全要素生产率产生不显著的负面影响。金融发展（defin）对东、西部地区绿色全要素生产率产生不显著的正向影响，而对中部地区绿色全要素生产率的负面影响并不显著。人口密度（pd）对中部地区绿色全要素生产率产生了显著的负面影响，对东、西部地区绿色全要素生产率的负面影响并不显著。人口密度过越大，意味着能源消费越多，势必会引发“环境诅咒”，不利于绿色TFP增长。地方研发投入（rd）对中国绿色全要素生产率产生不显著的负面影响。基础设施（infra）对中国绿色全要素生产率的影响系数为负，原因在于目前我国城市交通基础设施仍不健全，城市拥堵现象频发，削弱了生产、市场、成本等优势，不利于绿色TFP增长。

五、结论与启示

本文测算出中国265个城市的绿色全要素生产率作为城市经济高质量发展的一个重要指标，在对其时序变化特征、地区差异以及影响因素进行探讨后得出如下结论：一是在国家层面，引入雾霾变量之后，中国城市经济高质量发展水平总体上不高，绿色TFP增长速度波动起伏且总体上呈上升趋势，绿色技术效率和绿色技术进步效率波动幅度明显，绿色技术效率总体上呈下降趋势，绿色技术进步效率总体上呈上升趋势，且绿色技术效率与绿色技术进步效率变动方式基本一致，但波动方向不一致，出现明显“背离”的特征。二是在地区层面，东、中、西部地区城市经济高质量发展水平总体上不高，且地区间差异明显。2003-2016年，东、中、西部地区绿色TFP平均水平均小于1，具有很大的提升空间。其中，西部地区绿色TFP平均水平最高，东部地区次之，中部地区最低，且东部地区和中部地区在波动中有所提升，而西部地区则有所下降。三是Dagum基尼系数的分析数据显示，中国的基尼系数具有上升下降交叉且波动起伏的特征，近年来基尼系数呈倒“V”型趋势;基尼系数分解的分析数据显示，地区内部的不平衡呈相对平稳的变化趋势，虽然地区间的不平衡有所反弹，但超变密度仍然占据主导地位，地区间城市经济高质量发展出现较为严重的交叉重叠现象，地区差距逐渐缩小。四是从影响因素来看，中国绿色全要素生产率支持“环境库兹尼茨曲线”假说，但并不支持“污染天堂”假说。要素禀赋结构对中国绿色全要素生产率具有显著的促进作用;人口密度显著抑制了中国绿色全要素生产率增长;基础设施对中国绿色全要素生产率具有显著的负向影响。

依据研究结论本文得出以下启示：其一，实现中国城市经济高质量发展的关键在于提升资源要素利用效率。中国城市经济高质量发展并非一蹴而就，需要“三期叠加”（即经历经济增长速度换挡期、结构调整阵痛期和前期刺激政策消化期）。在资本投入方面，提高资本利用效率是关键。中国正处于推动全面开放格局和经济高质量发展的攻关期，传统的“单车道”式的外商引资方式显然已经不能满足城市经济高质量发展的要求，应积极“引进来”和“走出去”，推进范围更广、领域更宽、层次更深的全面开放，建设更高水平的开放型经济，这其中，契合“一带一路”倡议和自贸区建设是重中之重。在劳动投入方面，劳动技术含量提升是重点。中国正处于人口老龄化阶段，不仅要注重优化有效劳动供给，更要注重从依靠低成本劳动力投入转向创新驱动，以此引领城市经济高质量发展。在能源投入方面，提高能源利用效率是重心。要在提高能源资源配置利用效率的同时，加快液化石油等不可再生能源的替代进程。其二，实现中国城市经济高质量发展的核心在于提升产出效率。要摒弃“先污染后治理”“以牺牲环境污染为代价”的发展理念，加快雾霾及重点行业污染治理的步伐，积极推进大气环境监测预警体系建设，着力统筹区域间协作机制、联防联治机制，促进绿色发展。其三，积极推动区域协调发展，缩小地区间发展差距。一方面，要充分发挥区域比较优势，强化区域优势互补，着力统筹区域协调发展机制，促进区域联动发展，激发落后地区经济增长后劲，持续推进西部大开发、东北全面振兴、中部地区崛起、东部率先发展、粤港澳大湾区建设、长三角区域一体化发展等区域协调发展战略的实施;另一方面，要下大力气破解地区内部发展不平衡问题，统筹城乡融合发展体制机制和政策体系，持续推進乡村振兴战略的实施，助推城乡一体化发展，缩小地区内部发展差距。其四，在充分发挥经济发展、要素禀赋结构对中国绿色全要素生产率增长积极作用的同时，也要时刻关注产业结构调整及人口集中、交通拥堵等对城市经济高质发展的负面效应。

【参考文献】

[1]金碚.关于“高质量发展”的经济学研究[J].中国工业经济，2018，（4）：5-18.

[2]杨伟民.贯彻中央经济工作会议精神 推动高质量发展[J].宏观经济管理，2018，（2）：13-17.

[3]魏敏，李书昊.新常态下中国经济增长质量的评价体系构建与测度[J].经济学家，2018，（4）：19-26.

[4]宋明顺，张霞，易荣华，朱婷婷.经济发展质量评价体系研究及应用[J].经济学家，2015，（2）：35-43.

[5]李金昌，史龙梅，徐蔼婷.高质量发展评价指标体系探讨[J].统计研究，2019，（1）：4-14.

[6]马茹，罗晖，王宏伟，王铁成.中国区域经济高质量发展评价指标体系及测度研究[J].中国软科学，2019，（7）：60-67.

[7]蔡昉.以提高全要素生产率推动高质量发展[N].人民日报，2018-11-09.

[8]王一鸣.按高质量发展要求推动经济持续健康发展[N].人民日报，2018-02-12.

[9]余泳泽，杨晓章，张少辉.中国经济由高速增长向高质量发展的时空转换特征研究[J].数量经济技术经济研究，2019，（6）：3-21.

[10]何爱平，安梦天.地方政府竞争、环境规制与绿色发展效率[J].中国人口·资源与环境，2019，（3）：21-30.

[11]刘传江，刘慧，赵晓梦，田正杰.考虑PM_（2.5）影响的我国区域环境全要素生产率研究[J].宏观质量研究，2017，（1）：11-20.

[12]易明，李纲，彭甲超，陈文磊.长江经济带绿色全要素生产率的时空分异特征研究[J].管理世界，2018，（11）：178-179.

[13]施震凯，邵军，浦正宁.交通基础设施改善与生产率增长：来自铁路大提速的证据[J].世界经济，2018，（6）：127-151.

[14]田友春，卢盛荣，靳来群.方法、数据与全要素生产率测算差异[J].数量经济技术经济研究，2017，（12）：22-40.

[15]TONE K，SAHOO B K.Scale，indivisibilities and production function in data envelopment analysis[J].International Journal of Production Economics，2003，84（2）：165-192.

[16]DAGUM C.A new approach to the decomposition of the Gini income inequality ratio[J].Empirical Economics，1997，22（4）：515-531.

[17]張军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952-2000[J].经济研究，2004，（10）：35-44.

[18]钟祖昌.研发投入及其溢出效应对省区经济增长的影响[J].科研管理，2013，（5）：64-72.

[19]WU，Y.，（2007）.Analysis of environmental efficiency in china's regional economies.Paper prepared for presentation at the 6th International Conference on the Chinese Economy.

[20]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.

[21]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.

[22]SUNGKO LI，YUKSHING CHENG.Technical Efficiency Versus Environmental Efficiency：An Application to the Industrial Sector in China[R].Hong Kong：School of Business，Hong Kong Baptist University，2004：1-25.

（责任编辑：刘  丹）

Regional Differences and Influencing Factors of High Quality Urban

Economic Development in China

Zhang Guowang

Abstract：In the new era，China's urban economic development has changed from a high-speed growth stage to a high-quality development stage.This paper uses the SBM model with undesirable output to measure the green total factor productivity of 265 prefecture level cities in China under the constraint of PM2.5 from 2003 to 2016pm2.5，which is an important indicator of high-quality urban economic development，Finally，we use panel PCSE estimation method to analyze the influencing factors of high-quality development of urban economy in China.The results show that the growth rate of China's green total factor productivity shows a fluctuating trend，the overall green technical efficiency shows a downward trend，and the overall efficiency of green technical progress shows an upward trend;The regional difference mainly comes from the hypervariable density，and the contribution within the region is significantly greater than that between regions;China's green total factor productivity supports the hypothesis of “Environmental Kuznets Curve”，but does not support the hypothesis of “pollution paradise”.

Key words：urban economy;high quality development;sbm model;green total factor productivity;regional differences