工业绿色全要素生产率的测算与分析——基于中国30 个省份的面板数据

李雅琳 李碧珍

一、引言

绿水青山就是金山银山，保护生态环境就是保护生产力，改善生态环境就是发展生产力，“两山”理念自2005 年被首次提出以来，逐渐成为全社会的共识和行动，同时指引着中国经济社会的绿色变革。工业在我国国民经济中起着主导作用，截至2018 年，我国工业增加值规模超过30 万亿，继续保持世界头号工业生产国的地位。但是工业经济在高速发展的同时，也给环境带来破坏性污染，加上资源枯竭、环保技术落后、环保成本昂贵等负面因素的影响，目前我国工业污染防治仍然面临部分污染物排放量高、治理成效不显著等问题。抛弃先污染后治理的老路、探索绿色发展的新路，不仅成为企业转型升级的巨大挑战，也成为当下中国经济实现新旧动能转换的重要关口和巩固壮大实体经济根基的关键举措。[1]如何把握经济快速增长与环境保护之间的关系，探索出一条绿色发展道路，是当前亟待解决的问题。而客观合理评价工业的绿色发展水平不仅能为企业绿色转型和政府环境治理提供理论依据，对于实现经济可持续发展也具有重要的现实意义。

区别于劳动生产率、资本生产率等单要素生产率，全要素生产率指的是包括资本、劳动、土地等的全部生产要素投入量不变时，生产量增加的部分，通常用来衡量生产效率。经济增长不仅来源于投入要素的增长，也来源于技术创新和效率提升，这一部分的增长就是全要素生产率，因而全要素生产率反映的是经济增长的质量。但是传统意义上的全要素生产率往往缺乏对环境和资源的讨论，忽视投入带来的非期望产出，因而无法准确而全面地判断环境污染对生产率造成的影响。在经济发展过程中，伴随环境污染和资源短缺问题的日益严峻，资源和环境不仅是经济增长的内生因素，同时也成为了经济发展的刚性约束，所以在评估经济绩效时，未考虑资源和环境影响的全要素生产率是不够全面的。20 世纪80 年代以来，部分学者将代表资源和环境的变量引入生产效率的研究中，对生产效率的研究内容不仅考虑不同经济变量之间的关系，也考虑了经济发展与资源环境之间的关系，并提出绿色全要素生产率的概念。Chung et al.（1997）使用方向性距离函数和ML 生产率指数，将污染排放作为非期望产出，测算出瑞典某一纸浆工厂的全要素生产率，用创新的方法分析环境污染对生产率的影响，得出真正意义上的绿色全要素生产率。[2]

工业绿色全要素生产率作为衡量工业绿色发展水平的重要指标，得到了学界的广泛关注。现有的文献研究大多集中于测算和分析省际或行业层面的绿色全要素生产率。胡立和等（2019）利用DEAMalmquist 指数模型研究长江经济带省市传统工业全要素生产率和工业绿色全要素生产率及其分解项，研究结果认为长江经济带2009-2016 年间的传统工业全要素生产率高于工业绿色全要素生产率，工业绿色全要素生产率呈现总体下降趋势，且呈现东部高西部低的变化特征。[3]杨文举、龙睿赟（2012）利用方向性距离函数和跨期数据包络分析法研究中国工业地区绿色全要素生产率的增长问题，认为传统工业全要素生产率容易因为忽视非期望产出而被高估，技术进步和技术效率的贡献程度容易被混淆，绿色全要素生产率的增长具有“倒U”型特点。[4]吴磊、贾晓燕等（2020）研究基于碳排放的绿色全要素生产率，利用DEA-GML 指数对中国省域十多年间绿色全要素生产率进行测算和分析，研究结果表明技术进步是绿色全要素生产率增长的主要动力，东中西部和省域间绿色全要素生产率存在较为明显的差异。[5]沈裕谋、张亚斌（2014）利用SBM-Luenberger 指数法研究信息化和工业化对不同省份工业绿色全要素生产率，结果表明重工业化不利于改善工业绿色全要素生产率，但是工业化和信息化的深度融合能够有效提升工业绿色全要素生产率水平。[6]全良、张敏等（2019）利用全局SBM 方向性距离函数测算中国的省域工业绿色全要素生产率，并分析其影响因素，研究结果表明2007-2016 年的工业绿色全要素生产率实现小幅增长，纯技术进步在其中具有正向影响效应，而纯效率变化具有负向影响效应。[7]

二、工业绿色全要素生产率增长的测度模型

（一）模型选择

当前测算全要素生产率的方法包括代数指数法、索洛余值法、随机前沿生产函数法和数据包络分析法，其中数据包络分析法，简称DEA，因其可以在没有要素价格信息和生产函数具体形式的情况下对多个样本实现跨时期的研究而被广泛应用在效率评价中。Chung 等人（1997）将包含坏产出的方向距离函数应用于Malmquist 模型，并将得出的Malmquist 指数称为Malmquist-Luenberger 生产率指数。[8]以ML 指数为基础，使用全局生产可能性集和全局方向性距离函数得到Global-Malmquist-Luenberger（GML）指数，目前测算区域或行业层面的绿色全要素生产率大多采用的是基于方向性距离函数的ML 指数和GML 指数，鉴于要评价的单元被全局参考集囊括，GML 指数能够有效规避线性规划无可行解问题的产生，也可防止“技术倒退”难题的出现，同时GML 指数具有可传递性和循环累加等优于ML 指数的特性，所以本文利用GML 生产率指数测算工业绿色全要素生产率。

本文选取中国除西藏、港澳台外的30 个省份作为研究单元，首先假设每个决策单元j（j=1，2，…，N.DMUj）在时间段t（t=1，2，…，T）内均使用m 种投入X，生产s 种产出Y，其中X=（x1，x2，…，xm），Y=（y1，y2，…，ys），此时存在的生产可能集表示为：

产出距离函数为：Dt（Xt，Yt）=inf ｛θ＞0Xt，Ytθ∈PPSt｝

考虑存在“坏”产出对生产效率的影响，用B=（b1，b2，…，bn,）表示“坏”产出，此时生产可能集表达式为而包含“坏”产出的全局生产可能集表达式为：

进一步分解GML：

其中PECt，t+1和PTEt代表t 到t+1 时间段内纯技术效率的改变，BPCt，t+1和代表t 到t+1 时间段内的技术进步，SCHt，t+1和SEt，（Xt，Yt）代表规模效应变化。GML 可进一步分解为技术效率变化和技术进步变化的乘积由纯技术效率变化和规模效率变化组成，表示来自于内部生产效率变化引起的产出增长部分表示来源于技术进步的产出增长部分。当GML＞1，表示绿色全要素生产率具有增长的趋势，当GML≤1 时，表示绿色全要素生产率具有下降或者不变的趋势；当1，表示技术效率具有增长的趋势，当时，表示技术效率具有倒退或者不变的趋势；当TECH表示技术进步具有增长的趋势，当时，表示技术进步具有倒退或者不变的趋势。

（二）变量选取

本文选择2009-2017 年中国30 个省份作为研究样本（西藏、港澳台由于数据缺失严重，故不列入研究范围），其中投入变量为各个省份工业的资本投入、劳动力投入和能源消耗，产出变量为工业生产增加值（期望产出）和三大工业污染物排放量（非期望产出），通过构建Golbal-Malmquist-Luenberger（GML）指数模型对我国省域工业绿色全要素生产率进行测算和分析。

1.投入变量

（1）资本。资本要素投入指标一般采用永续盘存法估算资本存量，定义Kt=Kt-1×（1-δ）+（It+It-1+It-2）/3，其中Kt为第t 年的资本投入，It为第t 年的不变价格固定资产投资额，δ 为折旧率，基期的资本量取决于其中g 为不变投资的平均增长率为初始年份不变价格固定资产投资额。永续盘存法需要初始年份的资本存量、各年份固定资产投资额、固定资产投资价格指数以及需要对折旧率进行估算，对于工业部门而言，此类方法所需的数据较难取得。本文参考邵汉华等（2015）的观点，[9]采用工业部门固定资产净值作为固定资本存量的代理变量，该方法在实质上与永续盘存法思路一致，固定资产原值与累计折旧的差额即为固定资产净值，本文选用工业固定资产净值进行工业资本投入的衡量，相关数据来源于国家统计局。

（2）劳动。劳动投入衡量在工业生产过程中劳动人数或劳动时间的投入情况，根据生产率测算的要求，本文采用历年国家统计年鉴中各省工业行业城镇单位就业人员人数作为劳动投入的指标。

嗅嗅在书中的名字叫作“尼伏雷”，它是一种迷恋所有闪亮物体的动物，会为金银珠宝而疯狂。这个“小财迷”全身覆盖着黑色的绒毛，嘴巴极宽扁，形似鸭嘴。一旦看到那些亮晶晶的宝贝，它便衔起它们，快速塞进自己的口袋里。所以在电影中，出现了纽特抓住嗅嗅，将它倒过来挠痒时，珠宝从嗅嗅的身上掉下来的画面。

（3）能源。除了工业资本和劳动之外，能源投入也是衡量工业绿色发展的关键指标，因为它反映出资源投入对生产率的影响情况，同时考虑到能源消耗是非期望产出的主要来源，本文采用能源消费总量作为能源投入的指标，单位为万吨标煤。数据来源于历年《中国能源统计年鉴》。

2.产出变量

（1）期望产出。期望产出也被称作“好”的产出，是指生产者在经营过程中期望以最少的投入得到的最大产出。在对生产效率测算过程中，期望产出指标一般采用增加值概念的指标，例如国内或地区生产总值、工业总产值、工业增加值等。鉴于数据的可得性，本文采用各地区工业增加值指标衡量期望产出，数据来源于国家统计局。

（2）非期望产出。非期望产出也被称作“坏”的产出。不同于传统的全要素生产率，工业绿色全要素生产率的在测算过程中加入了工业污染排放物等非期望产出。工业污染源种类繁多，各种指标之间存在较大差异。考虑到我国生态环境监测规划纲要（2020—2035 年）提出的“加强重点区域及全国工业园区PM2.5、NOx、SO2 等污染物的网格化遥感监测”，[10]同时各地区在制定节能减排与生态文明建设过程中，均把二氧化硫排放量设定为控制目标，本文采用各地区规模以上工业废水排放总量、工业二氧化硫排放量、工业固体废物排放量作为非期望产出指标，数据来源于历年《中国环境统计年鉴》。

三、实证分析

（一）投入产出指标的描述性统计

从表1 可知，2009—2017 年，30 个省份的工业发展水平在能源投入、工业产出和污染排放量方面均存在较大差异，这也间接说明各个省份的工业绿色发展水平存在较大差异，因而纳入环境变量等非期望产出具有必要性。

表1 描述性统计

（二）省域工业绿色全要素生产率的时空演变特征

本文选取2009—2017 年中国30 个省份工业决策单元的投入和产出数据，利用MaxDEA Pro软件，选择Global-Malmquist-Luenberger 生产率指数测度工业绿色全要素生产率增长率。通过GML 指数测算得到的是工业绿色全要素生产率的增长率水平（GML），需要将计算结果换算为累计增长数值，本文参考Managi and Jena 的做法，[11]假定2009 年的工业绿色全要素生产率为1，并根据工业绿色全要素生产率指数转化为累积指数得出如下工业绿色全要素生产率（GTFP），如表2、表3、图1、图2 和图3 所示。

图3 四大区域工业绿色全要素生产率及其增长率

表2 2009—2017 年中国30 个省份工业绿色全要素生产率、增长率及各分解项均值

表3 2009—2017 年中国30 个省份工业绿色全要素生产率、增长率及其分解

续表3 2009—2017 年中国30 个省份工业绿色全要素生产率、增长率及其分解

1.时间演变特征

图1 技术效率和技术进步变化趋势图

图2 工业绿色全要素生产率及增长率变化趋势图

2.空间演变特征

本文将30 个省份划分为四大区域，[12]其中东部地区指的是天津、北京、河北、山东、江苏、浙江、上海、福建、广东、海南、台湾、香港和澳门，由于港澳台三地数据缺失严重，故不在本文的研究范围之内。中部地区指的是河南、山西、安徽、湖北、湖南和江西。西部地区指的是新疆、内蒙古、青海、宁夏、甘肃、西藏、陕西、云南、贵州、四川、广西和重庆，由于西藏地区数据缺失严重，故不在本文的研究范围之内。东北地区指的是黑龙江、吉林和辽宁。

根据GML 指数的分解项分析四大地区工业绿色全要素生产率增长率的区域差异，东、中、西和东北地区的工业绿色全要素生产率增长率存在较小的差异，工业绿色全要素生产率增长的主要推力仍是技术进步的增长，这与王兵、杨欣怡等学者的观点一致。[13]

进一步比较四大区域的工业绿色全要素生产率大小，可以看出东部地区的工业绿色全要素生产率为1.158 最大，中部地区为1.151 次之，东北地区为1.108 较小，西部地区为1.069 最小。经济发展水平较高的地区往往因为具备更高级的环保技术和更完善的污染治理体系而具有更高的工业绿色发展水平，且东部地区产业基础好、开放程度高，大部分工业产业已经实现转型升级，这也恰好解释了东部地区在四大区域中工业绿色去全要素生产率水平最高的原因。从数据上看，中部地区处于追赶阶段，和东部地区的工业绿色全要素生产率水平差距逐步缩小。《中国区域科技创新评价报告2020》对我国科技创新水平进行测度和评价，并据此将我国31 个省、自治区、直辖市分为三个梯队，[14]其中位于综合科技创新水平最高的第一梯队的6 个省份均来自东部地区；中部地区6 个省份均位列在第二梯队，西部地区有6 个省份位列第三梯队，比例高达75%。这表明中部地区的科技创新水平高于西部地区，科技水平的差距间接解释了为什么中部地区的工业绿色全要素生产率略高于西部地区。我国中西部具有资源丰富、要素价格低等区位优势，逐渐成为国内外产业转移承接地，中西部地区在承接产业转移促进新型工业化和城镇化的同时，环境污染也成为不可忽视的重大问题，尤其是某些地方政府为了吸引更多企业入驻，降低环境规制的门槛，这种做法导致的后果是大量污染产业的涌入将导致当地环境污染严重、环境治理效率降低，从而绿色全要素生产率将有所下降。所以为了提升工业绿色发展水平，中部和西部地区不仅要提升科技创新水平，更要注重通过制定合理的环境规制方案防止出现“污染天堂”的悲剧。东北地区的工业绿色全要素生产率水平仅略高于西部地区。东北地区工业起步早，具有工业基础雄厚、自然资源丰富等优势。但是近年来东北工业面临产业衰退、环境污染、市场竞争力下降、转型困难、高新技术发展迟滞、劳动力流失等发展瓶颈，其中工业污染和高新技术发展不足成为其工业绿色全要素生产率水平不高的主要原因。

四、结语

本文采用Global-Malmquist-Luenberger（GML）指数模型，在考虑工业非期望产出的基础上，测算2009—2017 年中国30 个省份的工业绿色全要素生产率，通过对各省工业绿色全要素生产率及其分解项的均值测算，分析其在时间和空间上的演化趋势。研究结果表明：（1）从中国省域总体特征来看，在样本期内的工业绿色全要素生产率总体呈现波动上升趋势，随时间演变的趋势图表现出“W”型特点，说明工业经济的发展在一定程度上受到生态资源环境因素的约束，部分区域未能做到经济发展与保护环境相兼容。（2）从工业绿色全要素生产率增长率的分解项分析，技术进步是工业绿色全要素生产率水平上升的主要推力，尽管技术进步变化率具有上升的趋势，但是上升的速度相对缓慢，这背后存在两个原因：一方面2009 年以后由于金融危机国外经济发展动力不足，“技术封锁”、“技术保护主义”抬头，借鉴和引进国外先进技术难度加大；另一方面是国内自主创新水平稍显不足。（3）从省域分异看，30 个省份的工业绿色发展水平表现出较大的差异，工业绿色全要素生产率的大小呈现“东部地区＞中部地区＞东北地区＞西部地区”的空间变化特征。

因此，提升工业绿色全要素生产率水平需要加强技术创新水平。自主研发、技术引进都是技术创新的途径，但目前面临国外“技术封锁”、“技术保护主义”的压力，只有提升自主创新水平，全面发挥区域内企业、高校、研究机构的作用，建立完善的“产学研”融合机制，才是提高绿色全要素生产率水平的关键途径。同时政府部门应当适时制定合理的环境规制政策，因为环境规制作为一种以环境保护为目的、个体或组织为对象、有形制度或无形意识为存在形式的约束性力量，不仅能够有效控制工业污染物的排放量，还能够激励企业提升自身绿色技术水平，即所谓的“波特效应”，对于提升工业绿色全要素生产率具有积极正面的影响作用。

注释：

[1]李碧珍、吴秡梅：《增强产业链供应链自主可控能力要坚持链——图——群——策发展》，《福建日报》2021 年3 月23 日。

[2][8]ChungYangho,Rolf Fare,Shawna Grosskopf,Productivity and Undesirable Outputs:A Directional Distance Function Approach,Journal of Environmental Management，1997(51).

[3]胡立和、商勇、王欢芳：《长江经济带技术创新效率评价及影响因素分析》，《湖南社会科学》2020 年第3 期。

[4]杨文举、龙睿赟：《中国地区工业绿色全要素生产率增长：——基于方向性距离函数的经验分析》，《上海经济研究》2012 年第7 期。

[5]吴磊、贾晓燕、吴超、彭甲超：《异质型环境规制对中国绿色全要素生产率的影响》，《中国人口·资源与环境》2020 年第10期。

[6]沈裕谋、张亚斌：《两化融合对中国工业绿色全要素生产率的影响研究》，《湖南科技大学学报》2014 年第3 期。

[7]全良、张敏、赵凤：《中国工业绿色全要素生产率及其影响因素研究——基于全局SBM 方向性距离函数及SYS-GMM 模型》，《生态经济》2019 年第4 期。

[9]邵汉华、杨俊、廖尝君：《环境约束下的中国城市增长效率实证研究》，《系统工程》2015 年第6 期。

[10]余奕杉、卫平：《中国城市绿色全要素生产率测度研究》，《生态经济》2021 年第3 期。

[11]Managi,S,Jean,P.Ranjan.Environment Producticvity and Kuznets Curse in India,Ecological Economic,2009(65).

[12]任松、左晖：《双向FDI 和区域创新效率对我国绿色全要素生产率的影响——基于省际面板数据的实证分析》，《统计与管理》2021 年第2 期。

[13]王兵、杨欣怡：《中国工业行业全要素生产率分析（1981—2015）：波特假说的验证》，《产经评论》2019 年第6 期。

[14]聂长飞、冯苑：《经济增长目标约束与绿色全要素生产率》，《南京财经大学学报》2020 年第5 期。