长三角城市群工业企业绿色全要素生产率测算及其影响因素

孙冬营，吴星妍，顾嘉榕，许玲燕，王慧敏

(1.江苏大学管理学院，江苏 镇江 212013；2.河海大学管理科学研究所，江苏 南京 211100)

0 引言

工业是我国经济发展中的重要支柱，随着工业化进程的加快，其高投资、高能耗、高污染的问题逐渐显现出来。2016年，为了促进工业绿色发展，贯彻落实我国 “十三五”规划纲要和 《中国制造2025》，工信部制定 《工业绿色发展规划 (2016—2020年)》，指出应提高能源与资源利用效率，推进清洁生产，加强绿色技术创新，实现节能减排。2020年，工信部指出 “十三五”时期工业绿色发展各项工作成效显著， “十四五”时期应进一步推进工业绿色转型。因此，在资源环境对工业经济增长的刚性约束逐渐增强的背景下，如何实现工业企业向资源节约型增长方式的转变就成为一个科学问题。一方面，由于过去工业粗放式的发展模式造成了资源的浪费，对环境造成了危害，传统的高能耗高排放工业依然存在；另一方面，工业的发展主要得益于要素的低成本优势，长期以来工业的盲目扩张与低水平建设造成了产能严重过剩以及要素的不合理配置。已经有研究表明全要素生产率的提升与工业企业的聚集和绿色转型升级存在双向关系[1]。长三角城市群作为引领我国产业发展的重要示范地区，应将技术创新作为驱动工业发展与转型的关键。研究工业企业绿色全要素生产率有助于实现长三角地区工业转型发展，提高资源的利用效率，实现技术进步推动工业结构升级。基于此，本文对长三角城市群工业企业2009—2018年的绿色全要素生产率的时空演变及其影响因素进行研究，为工业企业高质量发展提供参考。

国内外已有文献对绿色全要素生产率的测算进行了大量研究。Watanabe等[2]运用考虑非期望产出的方向距离函数 (DDF)评价1994—2002年中国省际工业效率，并与只考虑期望产出的工业效率进行比较，结果表明不考虑非期望产出的工业效率存在过高估计。Mahlberg等[3]在考虑温室气体这一非期望产出的情况下运用DEA方法和Malmquist指数法构建生产前沿测算14个欧盟国家的全要素生产率，并对其分解进行驱动力分析。Feng等[4]基于DEA方法从区域和省际角度对中国金属行业的绿色全要素生产率进行了测算，指出我国金属工业绿色全要素生产率较低但呈增长态势，缩小区域技术差距能有效促进生产率的增长。陈诗一[5]运用DDF测算中国1980—2008年的工业绿色全要素生产率，结果表明20世纪90年代中期至21世纪初工业绿色全要素生产率增长速度最快。郑垂勇等[6]利用包含非期望产出的Super-SBM模型对长江经济带的绿色全要素生产率进行测算，结果表明生产率逐年增长，但增长幅度呈现出下降趋势。冯杰等[7]指出基于松弛的SBM模型更符合绿色全要素生产率的现实含义。李玲等[8]运用SBM-DDF对我国工业部门污染密集型产业的绿色全要素生产率进行测算，结果表明相对于技术进步和纯技术效率，规模效率对绿色全要素生产率的贡献较大。孙燕铭等[9]运用Malmquist模型测算长三角城市群中的16个城市的工业绿色全要素生产率，并用四分位图对其空间分异进行了研究。

部分国内外文献对工业企业绿色全要素生产率的可能影响因素进行研究。Chen等[10]在研究我国工业部门绿色全要素生产率时指出高资本劳动比会抑制生产率的增长，而研发投入对生产率的影响显著为正。Cui等[11]认为环境规制对于我国不同排放类型的工业部门绿色全要素生产率的影响具有异质性，技术创新与资本深化抑制增长，而FDI能显著促进增长。陈超凡[12]则认为产权结构、技术水平与绿色全要素生产率呈正相关，而资本深化和环境规制抑制了生产率的增长。全良等[13]指出高煤炭比例的能源结构和研发投入抑制了工业绿色全要素生产率增长，而环境规制、产业结构、人力资本结构以及经济发展水平能显著促进生产率的增长。周五七[14]研究发现工业企业绿色全要素生产率与区域人均GDP之间存在U形关系，资本深化和政府研发对生产率增长有负面影响，而环境规制显著促进了生产率的增长。

综上，由于绿色全要素生产率测算中考虑了资源与环境因素，因而可以更清楚地反映工业企业发展过程中带来的环境问题，进而得到较为真实的生产率评估结果。此外，国内外已有文献对于绿色全要素生产率的研究多集中在国家和省级层面，对特定城市聚集区域和空间差异的关注还不够，文献[9]虽然对长三角16市的工业企业绿色全要素生产率进行了评价，但对时空差异的研究还不够充分且没有考虑能源投入。因此本文运用包含非期望产出的SBM模型对长三角城市群26市工业企业绿色全要素生产率进行测算，并结合泰尔指数及其分解来研究空间差异。进一步，借助扩展的STIRPAT模型对绿色全要素生产率的影响因素进行定量分析，提出长三角城市群工业企业绿色转型的政策启示。

1 绿色全要素生产率测算及分析

1.1 测算模型

绿色全要素生产率的测算方法主要有以随机前沿分析 (SFA)为代表的参数法和以数据包络分析 (DEA)为代表的非参数法。随机前沿分析方法中参数较多，而且假定经济同构，不太适合用于进行区域差异分析[15]。而DEA方法可以避免使用参数方法时因预设生产函数形式及误差项分布特征所带来的偏差，因此在绿色全要素生产率测算中得到了广泛应用[3]。本文采用Tone[16]提出的基于松弛测度的SBM模型，对传统DEA模型有较好的修正作用，使得测度结果更加准确。

设有n个被评价城市，每一个城市称为一个决策单元 (DMU)。为了考察长三角城市群内部26市工业企业绿色全要素生产率在时间维度和空间维度上的差异与变化，本文将每个城市的每一年的数据作为一个DMU，将所有DMU放在一起评价，即n=260。设有m种投入要素，s1种期望产出，s2种非期望产出，在本文中，m=3，s1=1，s2=3。假定规模报酬不变，建立包含非期望产出的SBM模型，见公式 (1)。

公式 (1)中，带有0下标的为被评价的DMU，X、Yg、Yb分别为代表不同DMU的投入、期望产出与非期望产出的向量集合，λ表示各个投入和产出的权重向量，s-、sg、sb为松弛变量。ρ*为目标函数的值，关于松弛变量严格递减，且0<ρ*≤1。如果ρ*=1，即松弛变量都为0，表示该城市工业企业的经济发展状况相对最优，不需要再对投入或者产出进行改进。如果ρ*<1，则说明该城市工业企业在发展中还存在着资源浪费、污染排放过多或者经济效益不足的情况，需要进一步改善。

(1)

1.2 指标选取与数据说明

本文以资本、劳动力以及能源消耗作为投入，分别采用规模以上工业企业固定资产净额、从业人员年平均数以及工业用电量来表示。为剔除价格因素的影响，运用固定资产投资价格指数将工业固定资产净额这一指标换算为以2009年为基期的不变价。期望产出用规模以上工业企业总产值表示，为了剔除价格因素的影响，运用工业产品出厂价格指数将其换算为以2009年为基期的不变价。非期望产出则用工业废水排放量、工业二氧化硫排放量以及工业烟 (粉)尘排放量来表示。数据主要来源于各省和各市的统计年鉴、 《中国城市统计年鉴》等资料，对个别缺少的数据采取线性插值法补全。具体指标说明见表1。

表1 投入和产出数据描述性统计

1.3 长三角城市群工业企业绿色全要素生产率测算结果与差异分析

(1)测算结果。长三角城市群工业企业2009—2018年的绿色全要素生产率的测算结果见表2。

从表2可以看到，2009—2018年长三角城市群工业企业绿色全要素生产率均值最高的是池州为0.8834，最低的是嘉兴为0.2407。2009—2018年长三角城市群工业企业绿色全要素生产率均值呈现出逐年上升的趋势，并且增长幅度较大，增长了77.51%。此外， “十三五”时期的绿色全要素生产率均值增长速度较快。但从另一方面来看，2018年长三角城市群工业企业绿色全要素生产率均值仍然较低，仅为0.6497，这也表明长三角城市群地区工业企业绿色全要素生产率仍有较大的提升潜力。表2的最后四行展示了按城市所属省份求得的工业企业绿色全要素生产率均值。分别计算各个城市和省份在2009—2018年的工业企业绿色全要素生产率均值并按照大小进行排序，结果见表2的右边两列。

表2 2009—2018年长三角城市群工业企业GTFP测算结果

(2)差异分析。为了对长三角城市群工业企业绿色全要素生产率差异进行分析，将各个城市按照其所属的省级行政区域进行分组，并计算其平均值。从表2可以看出，上海的工业企业绿色全要素生产率在2009—2018年间稳步增长，在2017与2018年均达到1；安徽在2012—2014年间出现明显下降，但从2015年开始有了较大的增长幅度；江苏一直保持着上升趋势，而浙江增长幅度不大，并且工业企业绿色全要素生产率均值最低。除了2014年和2015年安徽的绿色全要素生产率低于江苏之外，其余年份都高于江苏和浙江。

为了考察工业企业绿色全要素生产率在不同城市规模之间存在的差异，根据2016年国务院批复的 《长江三角洲城市群发展规划》对城市规模的划分，超大城市 (上海市)，特大城市 (南京市)、大城市 (杭州市、宁波市、绍兴市、台州市、苏州市、无锡市、南通市、常州市、盐城市、扬州市、泰州市、合肥市、芜湖市)、中等城市 (镇江市、湖州市、嘉兴市、金华市、舟山市、马鞍山市、安庆市)及小城市 (铜陵市、滁州市、宣城市、池州市)。为便于研究，把上海市归为特大城市。整体上看，4种规模城市的工业企业绿色全要素生产率均值都有不同程度的改善。其中，小城市的工业企业绿色全要素生产率均值波动较大且呈U形演变，中等城市的工业企业绿色全要素生产率均值在研究时段内提升幅度最小，大城市的工业企业绿色全要素生产率均值的增长趋势相对稳定，特大城市的工业企业绿色全要素生产率均值在研究时段内提升幅度最大。4种规模城市的工业企业绿色全要素生产率均值随时间变化如图1所示。

图1 4种规模城市的GTFP均值变化

为了更好地分析长三角城市群内部工业企业绿色全要素生产率的差异性，利用泰尔指数进行测算并将其分解。总体泰尔指数从2009年的0.0801下降到2014年的0.0316，再持续上升至2018年的0.0899，展现出U形上升趋势。随着各个城市的技术创新与工业绿色转型升级的加快，长三角城市群工业绿色发展不平衡加剧，各城市工业企业绿色全要素生产率的差异呈扩大趋势。将长三角城市群工业企业绿色全要素生产率差异进行进一步分解，分解为各个地区内部差异与各个地区之间的差异，具体分解结果如图2所示。

图2 长三角城市群工业企业绿色全要素生产率的按省级区域分的泰尔指数测算结果

由图2可知，地区内部差异对泰尔指数的贡献较高，远远高于地区之间差异的贡献率，均值分别为77.44%、22.56%。由此可得，2009年以来地区内部差异是造成长三角城市群工业企业绿色全要素生产率总体差异的主要原因。从地区内部差异看，浙江平均贡献率最高为32.34%，安徽为29.93%，江苏最低为15.17%。因此，缩小地区内部差异是提升长三角城市群工业企业绿色全要素生产率的重要途径。

依据上述按规模对26市的分组，利用泰尔指数分别计算工业企业绿色全要素生产率在四组城市之间的规模间差异、规模内差异及4组城市内部差异，结果如图3所示。由图3可知，整体上看，组间差异呈现出先下降后上升的趋势，而组内差异呈现波动式上升。从各组内部差异看，中等城市内部的差异明显高于其他规模城市间的差异。

图3 长三角城市群工业企业绿色全要素生产率的按城市规模分的泰尔指数测算结果

根据上述结果与分析，可以清楚地看到长三角城市群工业企业绿色全要素生产率在空间分布和城市规模方面有着较为明显的差异。在时间维度上，2009—2018年长三角城市群工业企业绿色全要素生产率呈上升态势，并且4个地区的绿色全要素生产率值也随时间稳步增长。在空间维度上，长三角城市群工业企业绿色全要素生产率差异呈现出先降低再扩大的趋势，并且地区内部差异对总差异贡献较高，是提升长三角城市群工业企业绿色全要素生产率的重要影响因素。在城市规模维度上，长三角城市群工业企业绿色全要素生产率在不同规模城市之间也存在显著差异，规模内差异是总差异的主要贡献者。

2 绿色全要素生产率影响因素研究

2.1 理论模型

为了评估人口总量 (P)、富裕程度 (A)以及技术水平 (T)对于环境 (I)的影响，Ehrlich和Holdren提出了IPAT模型，用于估计人类活动对于环境的影响[17]。表现形式为：

I=P×A×T

(2)

模型 (2)认为人口 (P)、富裕 (A)以及技术水平 (T)对于环境的影响 (I)是相同比例的，但实际上各影响因素对于环境的影响是存在差异的。并且IPAT模型还存在着包含的因素太少、不能定量估计等缺陷。基于此，York等[18]提出扩展的非线性随机回归模型 (Stochastic Impacts by Regression on Population，Affluence，and Technology，STIRPAT)，不仅可以很好地解决原模型中因素等比例影响被解释变量的问题，还能对各个因素进行分解与扩展，满足实证分析的需要，模型表达式为：

I=aPbAcTde

(3)

式中，a为常数项，b、c、d分别为人口 (P)、富裕程度 (A)、技术水平 (T)的待估参数，e为随机误差项。在实证分析的实际操作中，由于简单的线性模型往往不能得到一致的估计结果，为了减少异方差和估计偏误，通常需要对模型两边同时进行对数化处理，因此模型变为：

lnIit=β0+β1lnPit+β2lnAit+β3lnTit+eit；i=1,2,…,I；t=1,2,…,T

(4)

式中，i代表每个城市，t代表年份。为了探究长三角城市群工业企业绿色全要素生产率的驱动因素，对模型 (4)进行扩展。用城市创新水平与产业结构来表征技术因素，加入FDI、要素禀赋结构以及环境规制等变量，扩展后的STIRPAT模型如下[19-20]：

lnGTFPit=β0+β1lnURit+β2lnPGDPit+β3lnTECHit+β4lnISit+β5lnFDIit+β6lnCAPit+β7lnERit+eit；i=1,2,…,I；t=1,2,…,T

(5)

式中，GTFP为工业企业绿色全要素生产率。UR代表城市化水平，即城镇人口占常住总人口的比重，用来表征人口因素。PGDP代表地区人均生产总值，用来表征富裕程度。TECH与IS代表城市创新水平和产业结构，分别用城市专利授权量、第二产业增加值与地区生产总值的比值来表示，二者皆用来表征技术因素。FDI代表外商投资水平，即实际利用外资金额与地区生产总值指标之比。CAP代表要素禀赋结构，即工业企业固定资产净额与年平均从业人员人数之比，也称资本劳动比。ER代表环境规制，一个城市对于如污水这类污染物的排放处理强度越大，说明这个城市的环境规制强度越高[21]，因此采用城市污水处理率来表示。

2.2 数据来源与处理

数据来源于三省一市和各地级市的统计年鉴及 《中国城市统计年鉴》等。为了消除物价变动的影响，将地区人均生产总值换算为以2009年为基期的不变价，实际利用外资金额已用当年的平均汇率将单位从美元换算成了人民币。此外，对于个别缺少的数据采用插值法进行补齐。各变量数据见表3。

表3 各变量数据描述性统计 (2009—2018年)

2.3 实证结果及分析

(1)单位根检验及协整检验。为得到真实的估计结果避免出现 “伪回归”现象，需要对原数据进行平稳性检验。这里采用LLC和Fisher-ADF两种方法进行单位根检验。计算发现，原始序列lnGTFP、lnUR、lnPGDP、lnTECH、lnIS、lnFDI、lnCAP、lnER并没有全部通过单位根检验，但在一阶差分下都通过了检验。进而可知，原始序列是一阶单整的，能够进行面板协整检验。

协整检验可以用来检验各变量之间是否存在长期均衡的协整关系，由于此处数据的原始序列是一阶单整的，因此可以进行Kao协整检验，P值小于0.05即视为通过检验。结果显示，检验的t值为-2.903720，P值为0.0018，协整检验通过。

(2)回归结果分析。在利用式 (5)进行分析之前，对数据进行Hausman检验以确定是采用固定效应模型或者随机效应模型。如果P值小于0.05，则采用固定效应模型。检验结果显示，P值为0，说明此处利用固定效应模型进行回归更为合适，回归结果见表4。

由表4可知，扩展后的STIRPAT模型的拟合优度R2为0.9069，拟合效果较好，参数估计的显著性水平较高，这表明各个驱动因素可以较好地解释长三角城市群工业企业绿色全要素生产率的变化情况。

表4 绿色全要素生产率的影响因素回归结果

城市化水平。城市化水平对长三角城市群工业企业的绿色全要素生产率影响为负，但这一影响并不显著。

经济发展水平。经济发展水平的系数为0.8613，影响显著。这说明长三角城市群人均GDP每增加1%，将会促进绿色全要素生产率提升0.8613%。一方面，城市经济发展对于人才、技术等各种资源产生明显的虹吸效应以及推动作用，为工业发展提供了更好的经济条件与各项物质基础；另一方面，随着长三角城市群经济发展水平与工业化程度的提高，工业企业发展要同时兼顾经济效益与环境效益。

技术创新水平。表示技术创新水平的专利授权量对绿色全要素生产率增长有着显著的负向作用，系数为-0.0550。通过提高企业生产技术含量，提高企业产品在市场上的竞争力；通过技术创新降低生产过程中的污染与能耗来促进绿色全要素生产率增长。结合孙金岭等[22]的研究，实证结果为负可能是由于授权专利的经济转化效率太低，创新成果总量多而质量不高，不能对工业绿色转型升级产生推动作用，对效率的提升有着抑制作用。也可能是由于低碳低能耗的技术并没有得到广泛的普及，企业采取先进技术生产的成本太高。因此，应重点提高专利的转化效率，促进绿色技术进步。

产业结构。产业结构的系数为-0.2276，这说明第二产业增加值占生产总值的比重每增加1%，绿色全要素生产率就会降低0.2276%。绿色全要素生产率的增长来源于经济效益的提高和环境污染的减少，当经济发展的正向作用小于资源环境的负向作用时，绿色全要素生产率就会呈现出下降的趋势。高能耗高污染、低附加值的传统工业企业广泛存在、工业的发展过度依赖能源、消耗能源的基数较大并且很难降低、实现工业单位产出的能耗高，上述因素的存在不利于绿色全要素生产率的提高。但不可否认工业当前仍是我国经济发展中的重要支柱。因此，促进工业产业结构升级与优化势在必行。

外商投资水平。FDI对于长三角城市群工业企业绿色全要素生产率的影响是负向的，系数为 -0.0885，这在一定程度上印证了外商投资的 “污染天堂假说”。引入的外资大多为传统的资源密集型、劳动力密集型生产企业，技术含量不高。另外也可能由于不能很好地利用外资来实现工业的结构升级与转型发展，或者说外资选择进入的领域不集中在技术密集型企业以及研发企业。表明长三角城市群在外资引入的过程中，对于外资质量的筛选还不够严格，使得在外资引进的过程中产生了资源浪费和环境污染。从另一方面来看，FDI的系数较小，这也说明了长三角城市群的外资筛选的机制正在逐渐形成，趋势向好。

禀赋结构。禀赋结构的系数为-0.2148，表现出显著的负面影响，这一研究结果与周五七[14]的结论一致。资本劳动比的上升即资本深化，意味着长三角城市群工业企业逐步由劳动密集型向资本密集型进行转变。而这种转变通常代表着企业技术水平的提升与产品的附加值的提高，这都会对工业企业绿色全要素生产率起促进作用。但随着中国工业化的进程，工业资本迅速累积。资本深化主要是依靠粗放式的工业规模扩张所实现的。长三角城市群已进入工业化中后期，随着近年来的重工业企业比重的上升，资本深化对于绿色全要素生产率的提升有着抑制作用。

环境规制。环境规制的系数为-0.3380，表明环境规制强度每增加1%，会导致绿色全要素生产率0.3380%的下降，这一结果与陈超凡[12]的研究结论一致。 “波特假说”对于长三角城市群工业企业发展并不成立。产生这种现象的原因可能是，环境规制对企业的绿色生产以及排污治污的要求增加了企业的技术研发投入、设备升级的压力以及治理污染投资的提高，从而造成企业的生产成本增加，降低了企业的经济效益。由此，企业将更偏向于交环保罚款或者通过主动减少污染，而不是进行绿色技术创新，这给绿色全要素生产率的提升带来了一定的负面影响。

3 结论及政策启示

本文运用包含非期望产出的SBM模型、泰尔指数以及扩展的STIRPAT模型对2009—2018年长三角城市群26个城市的工业企业绿色全要素生产率进行了测算和时空差异分析，并进一步定量探究工业企业绿色全要素生产率的多重影响因素，得出以下结论。

(1)从整体看，长三角城市群工业企业绿色全要素生产率整体呈上升的态势，工业企业绿色转型取得了较为显著的成效。同时，不同省份和不同规模城市的工业企业绿色全要素生产率均值的上升路径存在显著差异，浙江一直低于其他3个省份，上海高于其他3个省份；中等规模城市落后于其他规模城市，小规模城市明显高于其他规模城市。

(2)从地区差异看，长三角城市群工业企业绿色全要素生产率的空间不均衡状况呈现出先降低后增加的变化，地区内城市间差异是总差异的主要贡献者；考虑到26市之间的规模差异，研究发现工业企业绿色全要素生产率的规模间差异表现出先下降后上升的变化，而其规模内差异呈现波动上升且是总体差异的主要来源。

(3)从影响因素识别的STIRPAT模型回归结果看，城市的经济发展水平对本市的工业企业绿色全要素生产率具有显著的促进作用；技术创新成果经济转化效率过低和高能耗高排放型产业占比过高均对工业企业绿色全要素生产率增长有着抑制作用；外商投资对长三角城市群的影响印证了 “污染天堂”假说；环境规制对绿色全要素生产率的影响显著也为负向；城市化水平对工业企业绿色全要素生产率的提升并不显著。

根据上述分析，针对长三角工业企业绿色全要素生产率提升和高质量发展提出如下建议。

(1)促进工业企业绿色技术进步，加强技术研发投入。依托区域内众多高校和科研院所的区位优势构建产学研用有机融合的科技创新体系，规范专利申请和转让，扭转为专利而专利的现实困境，提高绿色创新成果的经济转化效率和效益。

(2)推进产业结构升级与优化，鼓励传统工业企业进行绿色改造升级。充分利用 “一带一路”和长江经济带交汇点的地理优势和在金融、制造业及互联网方面的产业优势进行区域产业整体布局，推动高新技术产业及新能源工业的发展，通过产品升级和工艺升级促使工业企业向产业链高端攀升；同时，避免产业同构和同质竞争，推动长三角产业错位发展和协同发展。

(3)依托碳中和的国家宏观政策优化工业企业的能源消费结构，提高清洁能源使用比例，通过完善万元工业增加值能耗指标约束工业企业能源利用效率，实现经济与环境效益的双向提升。

(4)发挥长三角在双循环战略中的承载地地位，统筹利用国际国内两种资源，提高工业企业的外资利用质量，逐渐完善外资筛选机制，把控外资流入方向，引导外资流向产品附加值高、能耗小、污染少的技术密集型产业。积极学习和借鉴外资引入过程中所溢出的经验与技术，并加以内化吸收与创新。

(5)健全和完善环境规制体系，优化环境规制政策设计。制定奖惩并存的合理的环境规制体系，促使环境规制向排污权、环境税、水权等市场化交易制度转变，刺激企业进行绿色技术创新，实现由 “遵循成本”到 “创新补偿”效应的转变。