环境同治下京津冀地区绿色全要素生产率时空演化及影响因素分析

薛 飞， 周民良

(1.中国社会科学院大学 工业经济系， 北京 102488； 2.中国社会科学院 工业经济研究所， 北京 100006)

京津冀地区作为我国经济“第三增长极”，凭借其在国家政策、科技创新以及高端要素集聚等方面的优势，已成为引领绿色发展和高质量发展的重要动力源。自京津冀协同发展战略提出以来，三个地区全面加强生态环境协同治理，生态环境质量得到持续改善。然而，目前京津冀地区依然面临严重的生态环境超负荷问题，生态环境问题仍旧是京津冀地区实现区域高质量协同发展的突出短板。根据《2019年中国生态环境状况公报》，河北各地市依然是空气污染的重灾区，在全国环境质量最差的20个城市中，河北占据5席；此外，海河流域Ⅰ-Ⅲ类水质断面占比仅为51.9%，水污染治理形势依旧严峻。中国共产党的十八届五中全会提出了绿色发展的新理念。推进绿色发展要求处理好经济发展与环境保护之间的关系，实现“既要金山银山,也要绿水青山”，这就决定了推进绿色发展必须在提高绿色全要素生产率上下功夫。在资源环境约束趋紧的背景下，京津冀地区亟须加强环境同治，以提升绿色全要素生产率推进绿色发展，从根本上实现经济发展方式的绿色转型。

全要素生产率是经济学中的重要概念，指经济增长中剔除资本、劳动、土地等全部有形的物质要素投入后，来自“余值”的贡献而导致的经济增长的部分。其能够反映经济体的技术进步、技术效率、规模效率以及配置效率等，是评估经济增长质量的重要指标。但是，传统全要素生产率仅考虑到生产要素的投入约束，忽视了资源环境的刚性约束，这种做法会导致测算结果出现偏误，从而扭曲了对经济绩效和社会福利水平的评价，甚至会造成对政府相关政策产生误导[1]。为弥补传统全要素生产率的不足，经济学家提出将环境污染和能源消耗纳入全要素生产率核算框架体系，并以绿色全要素生产率衡量国家或地区绿色发展水平。基于此，本文尝试从绿色全要素生产率的视角出发，利用DDF-GML指数对京津冀地区绿色发展水平进行评估，以期为该地区制定环境经济政策、推动绿色发展提供理论参考和数据支撑。

一、文献综述

绿色全要素生产率能够评价资源环境约束下经济发展过程中资源分配及其利用效率，是衡量绿色发展的重要指标。如何准确界定绿色全要素生产率已经成为当前学术界的焦点之一。既有文献也进行了不少探索，并取得不少成果。在此基础上，本文从绿色全要素生产率测算的演化路径、测算以及影响因素等三个方面对既有文献进行梳理。

(一)绿色全要素生产率的演化路径

绿色全要素生产率的概念是由全要素生产率演化而来的。早期研究中，经济学家利用增长核算法、随机前沿法(SFA)、数据包络分析法(DEA)等对全要素生产率进行测算和分析。随着环境污染问题和气候变化问题的日益凸显，经济学家逐渐意识到资源环境对于一个国家或地区经济可持续增长的重要性，并尝试将环境因素纳入全要素生产率测算框架。皮特曼(Pittman)在研究威斯康星州造纸厂的效率时，将治理污染成本作为“坏”产出价格的替代指标，首次将非期望产出引入到生产率测算中[2]。皮特曼的研究成果引发了学者关于绿色全要素生产率的研究热潮。

(二)绿色全要素生产率的测算

在研究尺度方面，既有文献从行业和区域视角对于绿色全要素生产率进行全方位的研究。从行业视角看，现有文献主要聚焦于工业绿色全要素生产率测算。其中，部分学者基于36个行业数据，对工业绿色全要素生产率进行测算，并对中国工业经济绿色增长的动力源泉及行业进行分析[3-4]；也有学者对特定行业的绿色全要素生产率进行测算[5-6]。此外，不少学者还对农业和服务业部门的绿色全要素生产率进行测算[7-10]。从区域视角看，任阳军等(2019)、孙亚男等(2020)利用省级数据对绿色全要素生产率进行测算[11-12]，而李卫兵等(2017)则利用城市层面数据对绿色全要素生产率进行测算[13]。此外，也有研究对长三角、长江经济带、黄河流域等特定地区的绿色全要素生产率进行测算[14-16]。

在测算方法方面，已有文献主要有两类处理方法。第一种方法是将环境因素作为投入变量并纳入生产函数中进行测算。这种方法主要采用随机前沿模型对绿色全要素生产率进行测算。陈诗一(2009)、袁富华(2010)、谌莹等(2016)等用SFA方法对中国区域和工业行业的绿色全要素生产率进行测算和分解[17-19]。第二种方法是将环境因素作为不受欢迎的“坏”产出进行测算。而DEA方法中“多投入—多产出”模型的优势恰好符合满足这一研究需求。王维国等(2012)采用方向性距离函数DDF及曼奎斯特- 卢恩伯格( Malmqulist-Luenberger)指数(ML指数)测度了中国30个省份的绿色全要素生产率的动态变化和分解变量[20]；谢荣辉(2017)采用非角度SBM距离函数和卢恩伯格(Luenberger)生产率指数对中国省级全要素生产率进行测算[21]。

在指标选取方面，既有文献在期望产出和投入指标的选取上基本形成一致，但在非期望指标的选取方面仍存在分歧。早期研究中，主要采用二氧化硫、氮氧化物、烟粉尘等大气污染物以及废水、化学需氧量、氨氮等水污染物为非期望产出的代理变量；随着气候变化问题的日益严重，部分学者也将二氧化碳等温室气体作为非期望产出，通过测算碳生产率作为区域绿色发展水平的依据，也有学者通过将大气污染物、水污染物以及温室气体同时纳入非期望产出中，以测算综合绿色全要素生产率。此外，对于不同研究尺度的样本，由于数据可得性与连续性，在非期望指标的选取上也存在较大差异。对于行业与省级区域层面而言，其污染排放指标较为丰富；但对于城市层面而言，现有统计年鉴仅提供了工业三废的数据，其他污染指标则相对欠缺。

(三)绿色全要素生产率的影响因素

既有文献对于绿色全要素生产率的影响因素开展了大量的研究，并取得了丰富的成果。基于开放的视角，部分学者分别考察了贸易开放、对外直接投资以及外商直接投资对绿色全要素生产率的影响，研究发现，贸易开放与对外直接投资有利于推动绿色全要素生产率增长，而外商直接投资抑制了绿色全要素生产率增长[22-27]。不少学者还围绕环境规制与绿色全要素生产率进行考察，研究发现环境规制对绿色全要素生产率增长具有显著的促进作用[28-29]。此外，还有学者发现城镇化、财政分权、基础设施、知识产权保护、信息化等因素对绿色全要素生产率产生影响[30-35]。

通过梳理相关研究文献不难发现，已有文献虽然围绕绿色全要素生产率进行了丰富的讨论，但仍存在以下扩展空间：(1)在研究视角上，既有文献主要集中对行业或省级、城市层面的绿色全要素生产率进行测算，鲜有研究对京津冀地区绿色全要素生产率进行测算与分析。(2)在测算方法上，既有文献主要采用ML指数或L指数来测算绿色全要素生产率，但其存在不具有传递性特征并且存在潜在的线性规划无解的问题，可能造成估计偏误[36]。(3)在指标选取上，由于数据可得性的限制，在城市层面的研究中，鲜有文献将二氧化碳纳入非期望产出中。基于此，本文采用2005—2018年13个城市的面板数据，对京津冀地区绿色全要素生产率进行测算与分析。本文可能的边际贡献在于：(1)在研究层面上，基于绿色发展的视角，利用13个城市的面板数据对京津冀地区绿色全要素生产率进行测度与分析，以全面考察环境同治下京津冀地区绿色发展全要素生产率时空演变特征和影响因素。(2)在研究方法上，采用方向性距离函数和全局曼奎斯特- 卢恩伯格(Global Malmqulist-Luenberger)指数对京津冀地区绿色全要素生产率进行评估。(3)指标选取上，在选取传统非期望产出指标的基础上，进一步纳入二氧化碳，以此更加全面地评估京津冀地区绿色全要素生产率。

二、绿色全要素生产率的测算方法

(一)环境生产技术

P(x)={(x,y,b):x可以生产(y,b)}

(1)

式(1)中，P(x)表示环境生产技术，其在使用中要满足一般公理，此外，期望产出与投入要素还需要满足强可处置性；联合生产技术还需要满足零结合公理和弱可处置性公理。上述公理可表示为：

公理1：若x′≥x，则P(x′)⊇P(x)；

公理2：若(y,b)∈P(x)且y′≤y,则(y′,b)∈P(x)；

公理3：若(y,b)∈P(x)且0≤θ≤1,则有(θy,θb)∈P(x)；

公理4：若(y,b)∈P(x)且b=0，则有y=0。

其中，公理1被称为投入要素的强可处置性公理，表示如果投入增加(或不减少)，则生产可能集将不会减小[37]；公理2被称为期望产出的强可处置性公理，表示在投入既定的条件下，在生产可能集下期望产出可以无限减少；公理3被称为非期望产出的弱可置性公理，在投入既定的条件下，要减少非期望产出，必须减少同比例的期望产出，这意味着污染的减少是具有成本的。公理4被称为零结合公理，即若非期望产出为0，则期望产出也为0，这意味着在生产过程中生产期望产出，无法避免地产生非期望产出。

具体地，在规模报酬不变(VRS)的条件下，上述环境生产技术可以模型化为：

(2)

式(2)中，zk表示每个决策单元的非负权重。

(二)方向性距离函数

环境生产技术的构造虽然有利于人们从理论概念上理解绿色全要素生产率，但是对于测算是毫无作用的。方向距离函数(directional distance function, DDF)在满足上述公理基础上，能清楚地刻画出环境生产技术，即在寻求期望产出最大化的同时，尽可能减少非期望产出与投入[36]。因此，在这一部分，本文将DDF进入到绿色生产率的测算中。根据钟洋浩等(Chung)的方法[38]，将测算各决策单元绿色全要素生产率的方向距离函数定义为：

(3)

(三)Global Malmquist-Luenberger指数

钟洋浩等将方向距离函数与Malmquist-Luenberger指数相结合，提出通过构建DDF-ML指数的方法测算绿色全要素生产率。然而，Malmquist-Luenberger指数是以几何平均形式表示的，其在分析过程中不具备循环累乘性。因此，难以观测到生产率指数的长期变动趋势；同时，ML指数在测算跨期方向距离函数时，还面临着线性规划无可行解的问题[36]。为了解决ML指数存在的缺陷，吴东铉将帕斯特等提出的全局曼奎斯特(Malmquist)指数方法与钟洋浩等提出的Malmquist-Luenberger指数方法相结合，并提出了Global Malmquist-Luenberger(GML)指数方法[39]。GML指数也因其具有传递性、循环累乘性、可进行跨期比较等优点，被广泛用于测算绿色全要素生产率。

根据吴东铉的研究，第t期和第t+1期之间的GML生产率指数指标为：

(4)

式(4)中，DG(x,y,b)为全局方向性距离函数，PG(x)为全局生产可能性集合；GMLt,t+1表示第t期到第t+1期的绿色全要素生产率，当GMLt,t+1>1时，表示绿色全要素生产率增加，当GMLt,t+1<1时，表示绿色全要素生产率下降，而当GMLt,t+1=1时，意味着绿色全要素生产率保持不变。进一步地，与ML指数类似，GMLt,t+1指数还可以分解为技术效率变化(EC)与技术进步(TC)两部分：

(5)

式(5)中，EC表示技术效率，ECt,t+1表示第t期到第t+1期的效率变化情况，TCt,t+1为第t期的前沿与全局前沿的接近程度与第t+1期的前沿与全局前沿的接近程度的比值情况，其表示第t期到第t+1期的技术变化情况。ECt,t+1, TCt,t+1>1表示效率改善和技术进步，ECt,t+1, TCt,t+1<1则表示效率恶化与技术退步。

三、变量选取与数据说明

基于上述测算方法，本文选取2005—2018年京津冀地区13个城市的面板数据作为研究样本，原始数据来源于《中国城市统计年鉴》《中国区域统计年鉴》《北京统计年鉴》《天津统计年鉴》以及《河北经济年鉴》。缺失的数据采取插值法进行补齐。

(一)产出指标

1.期望产出

借鉴已有研究的普遍做法，本文采用地区生产总值(GDP)作为衡量期望产出的指标。同时，为了剔除价格因素的干扰，本文利用地区生产总值指数构造GDP平减指数，并将其平减为2005年为基期的不变价计价的实际GDP。

2.非期望产出

已有文献常采用工业“三废”(即工业二氧化硫、工业废水、工业烟粉尘)作为非期望产出的代理变量。区别于绝大多数文献，本文在此基础上，进一步选取了社会各界所关心的二氧化碳排放量，一方面，这对现有研究形成了补充，另一方面，也有助于当前关于京津冀地区碳达峰、碳中和工作的讨论。需要指出的是，国家和省级层面的二氧化碳排放量大多数是以能源数据为基础进行估算的，但由于地级市层面能源数据的严重缺失，导致我们无法沿用这一方法估算京津冀地区城市二氧化碳排放量。为了弥补这一缺失，本文借鉴苏泳娴等(2013)的做法[40]，利用NGDC数据库提供的DMSP/OLS和NPP/VIIRS两套夜间灯光数据，反演出2005—2018年京津冀地区13个城市的二氧化碳排放量。

(二)投入指标

1.资本投入

本文选取资本存量作为资本投入的代理变量，并利用永续盘存法进行估算。估算资本存量需要当年投资额、投资价格指数、折旧率以及基期资本存量四个核心指标。其中，当年投资额选用固定资本形成额进行衡量；投资价格指数采用固定资本价格指数进行替代，但由于地级市层面数据的缺失，本文利用省级固定资产投资价格指数替代；借鉴单豪杰(2008)的研究成果[41]，选取10.96%的折旧率；基期资本存量采用单豪杰计算的省际资本存量，并将其折算到城市层面。最终得到以2005年为基期的资本存量。

2.劳动投入

根据生产理论，在忽略劳动力质量的情况下，劳动力实际工时数是衡量劳动投入量最有效的指标。但由于城市层面实际工时数的不可获得性，本文选用地区从业人数来反映地区劳动投入情况。

3.能源投入

在能源投入指标的选取上，本文选择各地区以标准煤为单位的能源消费总量衡量能源投入情况。表1汇报了投入产出变量的描述性统计结果。

表1 投入产出主要变量的描述性统计

四、京津冀地区绿色全要素生产率的时空演变特征

根据方向性距离函数与GML生产率指数的方法，基于2005—2018年京津冀地区13个城市的投入产出数据，运用MaxDEA软件测算出2006—2018年京津冀地区绿色全要素生产率(其中，2005年为基期，赋值为1，后文中不再分析)。为了便于深入分析绿色全要素生产率的增长源泉以及动态演进趋势，将绿色全要素生产率分解进一步分解为绿色技术效率指数(GEC)与绿色技术进步指数(GTC)。此外，为了揭示京津冀地区绿色发展中环境影响的差异，还测算了未考虑非期望产出GM指数与考虑非期望产出GML指数进行对比。

(一)京津冀地区绿色全要素生产率变化的时间趋势特征

表2报告了京津冀地区绿色全要素生产率变动及分解的测算结果。不难发现，2006—2018年，京津冀地区绿色全要素生产率呈现出增长的趋势但增幅不大，年均增长率为0.29%。从分解结果看，京津冀地区绿色技术效率和绿色技术进步指数分别为1.000 2和1.002 9，意味着绿色技术效率和绿色技术进步年均增率为0.02%和0.29%，表明京津冀地区绿色全要素生产率的增长主要来源于绿色技术进步的贡献。通过比较GM指数与GML指数，可以发现，2006—2018年京津冀地区GM指数为1.000 5，远低于GML指数。这可能是由于未考虑非期望产出的TFP变化隐藏了污染物“减排效应”所体现出的绿色技术进步。

表2 京津冀地区总体绿色全要素生产率及其分解：时间趋势特征

本文从不同阶段分析可知，(1)“十一五”期间，总体看京津冀地区绿色全要素生产率波动变化的态势，出现小幅下降，年均下降0.15%。具体来看，绿色全要素生产率在2007、2008及2010年有所增长，而在2006和2009年则出现下降。这可能是由于“十一五”期间北京奥运会的举办，一定程度上推动了北京乃至整个京津冀地区的绿色转型，随后全球金融危机的爆发使得经济增长出现受阻。(2)“十二五”期间，京津冀地区绿色全要素生产率出现先减后增的变动趋势。在“十二五”的前三年，京津冀地区绿色全要素生产率出现大幅下滑，而在2014年则迎来转折，出现了小幅增长的趋势。总体看，“十二五”期间京津冀地区绿色全要素生产率仍呈现负增长，年均下降1.08%。这可能是由于全球经济增长停滞制约了京津冀地区经济增长，同时，这一时期京津冀地区生态环境急剧恶化，从而造成“十二五”前三年绿色全要素生产率的下降。从2013年起，党中央认识到京津冀地区环境问题的严重性以及生态环境协同治理的必要性，出台了一系列政策措施推动京津冀地区环境治理，从而扭转了环境恶化趋势。(3)“十三五”以来，京津冀地区绿色全要素生产率年均增长率达2.19%，且呈现出持续增长的态势。这是由于京津冀地区生态环境协同治理体制机制不断完善，才使生态环境治理成效不断显现，有效地推动了该地区绿色产业发展。

(二)京津冀地区绿色全要素生产率变化的空间分布特征

本文综合考察了2006—2018年京津冀地区总体绿色全要素生产率的时间趋势特征，然而考虑到各地区地理特征、资源禀赋、生态条件、经济发展程度等方面存在的差异，下面环节将进一步考察京津冀地区绿色全要素生产率变化的空间分布特征。

表3给出的是2006—2018年京津冀地区13个城市绿色全要素生产率的年均变动情况。不难发现，北京和天津的全要素生产率和绿色全要素生产率整体均呈现出增长态势，但增长幅度存在显著的差异。其中，样本期间内，无论是全要素生产率和绿色全要素生产率，天津的增长率均值相对较高，年均增长率分别为0.77%和1%。北京则相对较低，两个指标的年均增长率分别为0.46%和0.84%。河北省整体的绿色全要素生产率呈现出增长的态势，但全要素生产率则出现负增长。河北整体绿色全要素生产率年均增长0.23%，而全要素生产率则下降-0.11%。此外，河北省内部绿色全要素生产率存在明显的区域性、非平衡性的特点。

表3 京津冀地区总体绿色全要素生产率及其分解：空间分布特征

从分城市看，样本期间内，河北有8个城市绿色全要素生产率表现出增长的态势。其中，保定、邯郸和廊坊3个城市绿色全要素生产率增长速度最高，平均增长率分别为1.63%、1.56%和0.96%。此外，还有张家口、承德和沧州3个城市的绿色全要素生产率呈现负增长，平均增长率分别为-1.89%、-1.46%和-0.28%。

从分解结果看，京津冀地区13个城市绿色全要素生产率的增长源泉也存在差异。其中，北京、天津、石家庄、唐山、廊坊等6个城市绿色全要素生产率的增长主要源于绿色技术进步；邯郸、邢台和衡水等3个城市绿色全要素生产率的增长主要源于绿色技术效率的提升；保定和秦皇岛绿色全要素生产率的增长依靠绿色技术进步和绿色技术效率提升双轮驱动。此外，绿色技术效率低下是张家口和承德绿色全要素生产率下降的主要原因；绿色技术效率低下和绿色技术退步则造成了沧州绿色全要素生产率下降。

(三)京津冀地区绿色全要素生产率变化的分布形态

图1显示了京津冀地区绿色全要素生产率的核密度分布。从绿色全要素生产率的分布形态看，2006年，京津冀地区绿色全要素生产率呈现双峰分布特征，这表明京津冀地区绿色全要素生产率有极化发展的趋势。与2006年相比，2012年京津冀地区绿色全要素生产率由双峰演化为单峰分布，且密度函数中心略微向左移动，这说明该阶段京津冀地区绿色全要素生产率整体有所下降，但地区间的差距出现减少。与2012年相比，2018年，京津冀地区绿色全要素生产率密度函数中心继续向右偏移，主峰高度减小，且主峰与次峰间距离减少，说明该阶段京津冀地区绿色全要素生产率整体上呈增长趋势，但地区差距有所拉大。之所以出现这一变化可能的原因是，2013年以来，京津冀地区开始了生态环境协同治理，从而有效推动了绿色发展水平的提升。

图1 京津冀地区绿色全要素生产率的核密度分布

图2显示了京津冀地区绿色技术效率的核密度分布。从绿色技术效率的分布形态看，2006年，京津冀地区绿色技术效率呈现双峰分布特征，但主峰与次峰之间高度差距较大，同时绿色技术效率主要分布在1.05之内，说明该阶段京津冀地区绿色技术效率区域间差异较大，且整体水平不高。2012年，京津冀地区绿色技术效率与2006年较为相似，仍旧呈现双峰分布特征，但主峰高度有所上升，说明京津冀地区绿色技术效率水平差距有所缩小。与2012年相比，2018年京津冀地区绿色技术效率由双峰分布演化为单峰分布，主要分布在1的右侧，且密度函数中心继续向右偏移，说明该阶段京津冀地区绿色技术效率整体上呈增长趋势，地区差距也有所扩大。

图2 京津冀地区绿色技术效率的核密度分布

图3显示了京津冀地区绿色技术进步的核密度分布。从绿色技术进步的分布形态看，2006年，京津冀地区绿色技术进步呈现三峰分布特征，表明绿色技术进步出现多极化发展现象。2012年京津冀地区绿色技术进步由三峰分布退化到双峰部分，且密度函数中心明显向左移动，说明该阶段出现了绿色技术退化现象。与2012年相比，2018年京津冀地区绿色技术进步进一步由双峰分布演化到单峰分布，且密度函数中心向右移动，且主要分布于1的右侧，说明该阶段京津冀地区绿色技术进步整体上呈增长趋势。

图3 京津冀地区绿色技术进步的核密度分布

五、京津冀地区绿色全要素生产率的影响因素分析

(一)变量选取与模型构建

本文利用DDF-GML指数的方法测算了京津冀地区13个城市的绿色全要素生产率。虽然根据上述测算结果能够为京津冀地区经济绿色转型提出建议，但是无法分析影响地区绿色全要素生产率的因素，因此，还需引入回归分析来考察京津冀地区绿色全要素生产率的影响因素。基于此，本文在借鉴国内外相关文献的基础上，结合京津冀地区经济发展和环境政策特点，选取经济发展水平、外商投资、研发投入、贸易开放度、产业结构以及环境同治政策等因素作为解释变量，与上文中测算的京津冀地区各城市绿色全要素生产率进行回归分析。各变量解释如下。

1.经济发展水平(lnPGDP)

经济发展水平高的城市有利于要素集聚，从而有利于经济增长。但是在经济增长的过程中，往往会消耗大量的能源，由此造成环境污染和碳排放的增加。本文选用人均GDP衡量经济发展水平的影响。

2.外商投资(FDI)

外商投资对于绿色全要素生产率的影响具有不确定性[22]。一方面，FDI能够带来先进的管理经验和生产技术，进而通过产生技术溢出效应，对全要素生产率产生正向影响；另一方面，污染避难所假说认为，由于发达国家采取严厉的环境规制政策而将污染密集型行业转移到发展中国家，而发展中国家为了吸引外资放松了其环境规制标准，进而成为发达国家的“污染避难所”[42]。为了检验FDI对绿色全要素生产率的影响，本文采用实际利用外商投资额占地区生产总值的比例作为外商投资的代理变量。

3.研发投入(RD)

技术进步是经济绿色发展的关键，有利于提高要素利用效率，减少污染物排放，进而推动实现经济集约、循环发展。而研发投入作为推动技术进步的重要来源[43]，对绿色全要素生产率同样具有显著影响。本文选用科技财政支出占财政支出的比例作为各地区科技研发投入的代理变量。

4.产业结构(SEC)

产业结构是影响绿色全要素生产率的重要因素。产业结构的不断演进，尤其是产业间的结构演变以及各产业内部的不断升级对优化能源消费结构和提高劳动生产效率产生影响，进而影响绿色全要素生产率。参考已有文献的普遍做法，本文采用第二产业增加值占地区生产总值的比例来衡量产业结构水平。

5.政府干预(Gov)

地方政府在区域经济建设与环境治理中扮演着重要的角色。一方面，地方政府通过财政支持引导和支持经济发展；另一方面，地方政府可以通过节能环保财政支出直接作用于生态环境治理。为考察政府干预的影响，本文采用一般财政支出占GDP的比例作为代理变量。

6.人力资本(HC)

人力资本是经济可持续增长的最终源泉，是提高绿色全要素生产率的关键因素。一方面，人力资本水平可以通过影响劳动力技能水平和技术创新能力，提高生产效率和清洁技术水平；另一方面，人力资本水平有助于吸收外来清洁技术和加快清洁技术扩散速度，进而推动绿色全要素生产率增长。本文采用普通高等学校在校人数占总人数的比例来衡量各城市的人力资本水平。

7.环境同治政策(Reg)

区域生态环境协同保护政策在促进京津冀地区绿色发展过程中发挥了重要作用，不仅有效地改善了大气污染、水污染，也促进了经济实现绿色转型，推动了经济绿色发展和高质量发展。为此，本文采用设置虚拟变量的形式来捕捉环境同治政策的绿色发展效应。具体来说，考虑到2013年起，京津冀地区开始实施区域大气污染协同治理，故本文将2013年及其之后的年份设置为1。

基于上述变量，本文构建如下计量模型：

ln CGTFPit=α0+α1ln PGDPit+α2FDIit+α3RDit+α4SECit+α5Govit+
α6HCit+α7Regit+μi+γt+εit

(6)

ln CGECit=α0+α1ln PGDPit+α2FDIit+α3RDit+α4SECit+α5Govit+α6HCit+
α7Regit+μi+γt+εit

(7)

ln CGTCit=α0+α1ln PGDPit+α2FDIit+α3RDit+α4SECit+α5Govit+α6HCit+
α7Regit+μi+γt+εit

(8)

式(6)～(8)中，i和t分别表示地区和年份，lnCGTFPit、lnCGECit和lnCGTCit为被解释变量，分别代表累积绿色全要素生产率、累积绿色技术效率以及累积绿色技术进步；εit为随机误差项。

(二)实证结果分析

为了识别影响京津冀地区绿色全要素生产率的影响因素，本部分将采用面板数据回归的方法进行深入的考察。在具体计量模型选取上，由于本文选取样本的截面个数较小，而时间维度相对较大，干扰项容易受到组间异方差和组间自相关的影响。为此，本文采用面板矫正标准误差(PCSE)来控制组间异方差和组间自相关潜在的影响。表4显示了京津冀地区绿色全要素生产率及其分解指数影响因素实证分析结果。

表4 京津冀地区绿色全要素生产率及其分解指数影响因素

从经济发展水平看，经济发展水平对绿色全要素生产率和绿色技术效率产生显著的负向影响，但对绿色技术效率的影响并不显著。这可能是由于河北经济主要是以重工业为主，在经济增长的过程中，往往会造成环境污染和碳排放的增长，从而导致绿色全要素生产率和绿色技术效率的下降。

从外商投资看，外资规模对绿色全要素生产率及其分解指数的回归系数虽然均为负，但并未通过10%的显著性水平检验，说明外商投资对京津冀地区绿色全要素生产率未产生抑制作用，这也验证了京津冀地区并不是外商投资的“污染避难所”。可能的原因是，北京作为全国科技创新中心，一定程度上掩盖了外商投资的技术效益；而京津冀地区较高的环境规制强度也在一定程度上抑制了污染密集型行业外资的流入。

从研发投入看，研发投入对绿色全要素生产率和绿色技术进步具有正向促进作用，但对于绿色技术效率的作用并不显著。上述结果一方面肯定了研发投入在促进京津冀地区绿色发展的作用，另一方面，也说明研发投入主要通过促进绿色技术进步来实现绿色全要素生产率增长。

从产业结构看，产业结构对绿色技术进步产生显著的促进作用，同时，对绿色全要素生产率和绿色技术效率也具有正向影响，但影响并不显著。这在一定程度上说明产业结构的升级有利于促进绿色发展。近年来，随着京津冀协同发展上升为国家战略，京津冀地区推出了一系列产业政策，促进了产业结构升级。如北京市疏解“非首都功能”；工业和信息化部2016年发布的《京津冀产业转移指南》。上述产业政策不断优化京津冀地区的产业结构，为经济绿色转型提供了动力源泉。

从政府干预看，政府干预对绿色全要素生产率和绿色技术进步产生显著的抑制作用，说明政府干预程度越高，对绿色全要素生产率的抑制作用越强。政府干预越强的地区，地方政府越倾向于采用行政性环境规制进行污染治理，从而造成资源扭曲，不利于绿色全要素生产率增长。

从人力资本看，人力资本对绿色全要素生产率和绿色技术进步具有负向影响，但未通过10%显著性检验；同时，人力资本对绿色技术效率具有正向影响，也未能通过10%显著性检验。可能的原因在于，“每万人中高等院校在校生数”作为人力资本的代理变量时，反映的是潜在的人力资本资源，而非即时的劳动力“执行能力”，从而并不能较好地衡量人力资本对绿色全要素生产率的影响[44]。

从环境同治政策看，环境同治政策对绿色全要素生产率和绿色技术效率产生显著的促进作用，但对绿色技术进步的促进作用并不显著。这说明，一方面，环境同治政策能够提升京津冀地区资源配置效率，从而通过绿色技术效率提升绿色全要素生产率；另一方面，环境同治政策未能发挥环境规制的波特效应，但能够通过改善绿色技术效率从而提高京津冀地区绿色全要素生产率。从实施效果看，环境同治政策解决了京津冀地区大气污染和水污染问题，有效改善了生态环境质量；同时，环境同治政策也实现了“腾笼换鸟”，推动了该地区战略性新兴产业和绿色产业的发展。

六、研究结论与启示

(一)研究结论

本文基于2005—2018年京津冀地区13个城市的面板数据，采用DDF-GML指数测度了京津冀地区绿色全要素生产率，并对京津冀地区绿色全要素生产率时空演变特征和影响因素进行了深入分析，全面解析了京津冀地区绿色发展情况。

(1)从绿色技术进步看。样本期间内，京津冀地区绿色全要素生产率整体呈现出增长的趋势，但增幅不大，年均增长率为0.29%，其中，绿色技术进步是京津冀地区绿色全要素生产率增长的动力源泉。与GM指数的比较情况看，考虑非期望产出的绿色全要素生产率明显高于传统全要素生产率。

(2)从时间演变看。京津冀地区绿色全要素生产率整体呈现出上升趋势。其中，“十一五”和“十二五”时期，京津冀地区绿色全要素生产率有所下降，但自京津冀地区生态环境协同治理实施以来，京津冀地区绿色全要素生产率有所改善。而在“十三五”以来，京津冀地区绿色全要素生产率出现大幅度增加。

(3)从空间分布看。京津冀三地间绿色全要素生产率存在显著差异，呈现出天津>北京>河北的特点；河北省内部绿色全要素生产率的空间分布存在明显的区域性和非平衡性。

(4)从影响因素看。研发投入与区域生态环境协同治理政策对京津冀地区绿色全要素生产率具有显著的促进作用，而经济发展水平和政府干预对绿色全要素生产率具有显著的抑制作用。

(二)政策启示

面对京津冀地区绿色全要素生产率“低增长”和“不平衡”问题，新时期京津冀地区应坚持从整体出发，坚持区域协同绿色发展的路径，走好“生态优先，绿色发展之路”，扎实推进京津冀协同发展战略。

(1)我们要充分发挥北京市作为科技创新中心的示范效应和扩散效应，统筹天津和河北的优势力量，通过构建跨区域产业技术创新战略联盟，加快清洁技术在京津冀地区的落地和应用；同时促进研发资金、研发人员等要素在区域间实现自由流动与良性互动，推动河北和天津两地技术装备实现革新。

(2)我们要坚持分类施策和协同治理相结合，一方面，要根据各地区的要素禀赋特点，坚持因地制宜、分类施策，深入持续推进主体功能区建设，尤其发挥好张家口和承德在京津冀地区生态保护和绿色发展的带动作用，同时，加强区域环境规制政策的针对性，以充分发挥环境规制政策的波特效应。另一方面，要建立和完善区域生态环境治理联动机制，推动跨区域跨流域污染防治联防联控。

(3)京津冀地区要加强环境制度创新，强化区域协同治理。例如，建立新型河长制、林长制，守护好京津冀地区的绿水青山；完善生态补偿横向转移支付，对国家重点生态功能区给予合理补偿；创建国家生态文明建设示范区、生态绿色一体化发展示范区，积累绿色发展的经验。做好风沙治理工作。

(4)我们要继续增加研发投入，建立京津冀协同创新共同体，以推动绿色技术创新和绿色全要素生产率提升；减少政府干预，明确市场主体在区域生态治理中的作用，完善排污权、碳排放权、用能权、水权交易等市场化运行机制，发挥市场机制作用；同时，持续优化产业结构，逐步淘汰高消耗高污染产业，促进产业结构绿色化、低碳化。