安徽省城市绿色全要素生产率测度及相关影响因素实证分析

汪　超，刘　宝

安徽省城市绿色全要素生产率测度及相关影响因素实证分析

汪超1，刘宝2

（1．安徽商贸职业技术学院 会计学院，安徽 芜湖 241002，2．安徽商贸职业技术学院 国际商务与旅游学院，安徽 芜湖 241002）

全要素生产率是促进经济持续增长的重要因素，将生态环境因素纳入到全要素生产率的测度框架之中。选取2004—2018年安徽省16个城市的数据为研究样本，运用包含非期望产出的基于DDF的两期生产率指数测算法（BML），以及基于超效率SBM模型的指数方法（GML），对安徽省城市的绿色全要素生产率进行测度与分析。采用实证分析方法进一步探究城市绿色全要素生产率的影响因素。研究发现：技术水平的提高、产业结构的转型，可以提高城市绿色全要素生产率。能源结构不合理会阻碍绿色全要素生产率的增长。

安徽城市；绿色全要素生产率；测度；实证分析

一、引言

随着我国资本积累速度下降、人口红利消失和资源环境压力增大，经济发展动力出现了下降趋势。在这种情况下，提升全要素生产率水平，增加投入要素的报酬率，是解决以上困局的代表性思路[1]，也是实现经济高质量发展的主流思路。[2]经济高质量发展是要实现经济、社会和生态环境的耦合协调发展。中国明确把生态环境保护摆在更加突出的位置。生态环境已成为经济增长质量评价的重要指标。习近平总书记指出“绿水青山就是金山银山”，深刻阐明了保护生态环境的重要性。安徽省作为长三角城市群的重要成员，在承接产业转移示范过程中，制造业迅猛发展，经济总量快速上升。在测度经济增长的同时，往往未考虑经济增长带来环境污染的负面影响。在这样的背景下，就需要在传统全要素生产率测度的基础上考虑加入环境污染等非期望产出指标，并进一步改进测算方法，使得测算的结果更全面、更科学，从而对安徽各城市绿色全要素的生产率有一个准确、深刻的认识。这对于进一步促进安徽城市绿色全要素生产率的发展有着重要的意义。

二、文献综述与研究背景

（一）全要素生产率的相关研究

一直到DEA方法的出现才比较好地解决了全要素生产率的测算问题。Caves、Christensen和Diewert（1982）在DEA理论的基础上为利用指数法

测度全要素生产率建立新的理论框架，该种方法利用DEA方法定义距离函数，并在此基础上构造了almquist指数用以测度生产率。这种方法不需要考虑投入和产出的生产函数形态，可以研究多投入和多产出的全要素问题。该模型中投入产出变量的权重根据数据产生，不受主观因素的影响。利用DEA来研究中国全要素问题成为新的热点。例如陶洪、戴昌钧（2007）等应用DEA方法对我国工业企业进行生产率分析[7]，基于DEA前沿生产面，给出了技术效率变化、纯技术进步、人均资本的规模效率变化和资本强度变化等四项指标的经济含义，分析了1999—2005年期间影响中国省际工业劳动生产率变动的因素。其认为技术进步是中国工业劳动生产率提高的主要原因，而且经济相对落后省份的工业生产率高于经济发达地区。资本深化对劳动生产率的改善具有消极影响，中国各省份普遍处于人均资本规模报酬递减的状态。

本文的创新点在于拓展了传统DEA的应用范围。以往DEA测算全要素生产率只考虑好的产出（例如GDP）而忽视了坏的产出（例如污染物），测算结果有失偏颇。本文测算采用了基于DDF的方向距离函数。同时，将期望产出和非期望产出纳入到DEA的测算之中。考虑了生态环境因素，是绿色全要素生产率研究。文章的边际贡献是对安徽省16个地级市绿色全要素生产率进行实证研究，从经济增长质量角度对省级绿色全要素生产率进行了测算。基于测算结果，对安徽省16市目前的经济现状进行分析，识别各投入要素对于经济增长的贡献率，探讨绿色全要素生产率的影响因素，对于指导安徽省绿色发展和经济高质量发展具有重要政策意义。

三、实证研究设计

（一）安徽省城市绿色全要素生产率测算

1．测算变量方法与指标

绿色全要素生产率测算在输入单元纳入了能源消耗要素，在输出单元将环境污染因素纳入到了传统全要素生产率（TFP）的分析框架。这样做是对传统全要素生产率测算的改进，更符合我国当前绿色发展的经济高质量发展目标。为了确保绿色全要素生产率计算方法的稳健性，采用两种方法进行测算后取平均值。

绿色全要素生产率测算模型中的变量，具体的设定及计算方法见表1。

2．样本选择与数据来源

选取2004—2018年安徽省16个城市数据为研究样本，在数据筛选过程中做了以下几方面的处理：具有时间价值的数据以2003年为基期进行了平减处理。为了控制离群值对实证结果的影响，对于连续变量在1%水平上进行缩尾winsorize处理，数据来源于《安徽省统计年鉴》和各城市统计局公布数据。

表1 绿色全要素生产率测算变量指标与方法

3．安徽省城市绿色全要素生产率测算结果与分析

从测算结果来看，如表2所示，2004—2018年的样本期间，安徽省城市绿色全要素生产率大于1的城市有9个，分别为合肥、芜湖、蚌埠、马鞍山、淮北、铜陵、安庆、黄山和亳州。而绿色全要素生产率较低的城市有阜阳、宿州、池州和宣城等。如图1所示，2004—2018年间，安徽省城市绿色全要素生产率增长较为平均的城市有合肥、马鞍山、亳州和安庆。也有部分城市的绿色全要素生产率呈现出负增长的趋势，如阜阳、宿州和宣城等，其中，阜阳2018年的绿色全要素生产率水平比2004年还低了近42%。同时，在这些城市中，淮南、淮北、芜湖和六安的绿色全要素生产率的波动幅度较大，其中，六安的绿色全要素生产率在2018年达到最低值0.798，比其2016年的最高值1.21低了0.412，下降了近34%。可见，安徽省城市的绿色全要素生产率指数的区域差异较大。从安徽各个城市地理位置来看，经济发达地区区位优势较为明显，如合肥、芜湖等地。欠发达地区如阜阳、淮北等地存在空间制约因素。此外，安徽多座城市为资源型城市，较为典型的代表如淮南市，其是伴随煤矿开发而形成的无依托型资源城市，是华东地区重要的煤炭能源基地。但随着矿区煤炭资源的减少和国家“十二五”规划纲要对节能减排目标的明确要求，资源型城市的发展困境越发明显。单纯依靠政策的财政支持难以改变其不合理的产业结构和经济增长方式。安徽各个区域城市存在人力资源、技术创新、政策倾斜、交通环境的差异。以合肥为代表的中部地区承接了先进制造业和高新产业，利用技术、人才、政策、基础设施等优势实现产业结构的升级。而阜阳、淮北等皖北地区内部经济协作程度低，对外开放程度和市场化程度低于安徽中部和东部地区，低碳高技术产业发展不足，难以通过有效的市场力量促进资源配置效率提升。东中部地区大量高耗能、高污染产业转移至皖北地区，加重了这些地区节能减排的压力，抑制了绿色全要素生产率增长。

表2 安徽省城市绿色全要素生产率测算结果

图1 安徽省城市绿色全要素生产率测算结果图

（二）安徽省城市绿色全要素生产率影响因素实证与分析

1．模型设定

为了检验上述研究假设，首先构建双向固定效应模型如下。

2．变量定义和计算

被解释变量是城市绿色全要素生产率（gbtfp）。人均GDP（popavg）计算方法是全市GDP/城市年末人口数。人口密度（popavg）计算方法是城市人口数/城市面积。中介组织与市场法制化（zjzz）采用的是樊纲市场化指数。互联网发展指数（netin）考察相关的变量对于被解释变量的影响。互联网发展指数（netin）的计算参考了黄群慧等的做法。采用熵权法把城市数据中与信息网络发展相关的4个指标，拟合为一个综合指标。城市教育水平（eduin）采用普通高等学校数量、普通高等学校教师数量和人均教育支出三个指标计算得到。城市外商直接投资水平（fdigdp）采用FDI/GDP。金融发展水平（fingdp）采用金融借贷款合计/GDP。工业发展水平（ind）采用第二产业增加值/GDP。外来法人投资水平（investor）数来源于城市专利发明指数。变量的描述性统计分析见表3。

表3 变量定义与描述性统计分析表

3．实证结果与分析

如表3所示，安徽省大部分城市的绿色全要素生产率呈现波动上升状态，平均增长率为1.0063。从整体均值来看，除阜阳、宣城等几个城市外，大部分城市总体呈现增长趋势。其中，合肥发展趋势良好，主要原因是近年来合肥高新科技产业发展迅猛。从表3变量定义与描述性统计分析表来看，安徽省城市群绿色全要素生产率的波动主要受工业发展水平提升和城市创新水平影响。为了保证回归结果的稳健性，首先采用双向固定效应模型在二维角度进行检验，进一步采用更为严格的多维固定效应在三维以上角度进行检验。表4报告了各变量影响城市绿色全要素生产率的回归结果。在两种模型回归结果中，解释变量popden（人口密度）、fdigdp（金融发展水平）和fingdp（FDI/GDP）的估计系数都在10%水平下显著为负，说明人口密度过高、金融发展和外商投资不利于绿色全要素生产率的提升。解释变量zjzz（中介组织与市场法制化）ind（工业发展水平）和inn（城市创新水平）的估计系数都在10%水平下显著为正，说明市场法治完善、工业发展水平提升和城市创新有利于绿色全要素生产率的提升。绿色全要素生产率的水平既取决于投入和产出水平的对比，又取决于期望产出和非期望产出的水平对比。工业的发展主要是促进了GDP的增长，虽然增加了污染，但是期望产出超过了非期望产出的水平。市场的法治和环境规制水平有利于城市环境的改善。人口密度高加剧了城市污染情况，金融发展主要是没有对于实体经济发展提供有力的支持。FDI的投资主要是非高科技水平的劳动密集型企业，耗费资源增加污染。以上三项体现对于绿色全要素生产率的抑制。目前，安徽省政府对新能源产业、高新技术产业大力扶持，控制环境污染，减少生产过程中的非期望支出，有利于提高安徽省的绿色全要素生产率。

表4 影响因素回归结果

四、研究结论与政策启示

（一）研究结论

对2004—2018年安徽省城市群所包含的数据，本文基于DDF的两期生产率指数测算法（BML）和基于超效率SBM模型并包含非期望产出的指数方法（GML）对安徽省城市绿色全要素生产率进行测度与分析，得到近15年的安徽省城市绿色全要素生产率。根据测算结果，安徽省城市群经济生产是有效率的，同时绿色全要素生产率表现出明显的城市差异。虽然有超过一半的城市绿色全要素生产率呈波动上升趋势，但部分城市呈现倒退，没有实现经济增长和环境保护的协调发展。通过对数据的分析，可以看到市场法治完善、工业发展水平提高和城市创新有利于绿色全要素生产率的提升。提升绿色全要素生产率省内平均水平，需要注重技术创新、信息交流和人才吸引，引导战略新兴产业的发展。省会合肥的城市绿色全要素生产率增长具有领先优势，当前迫切需要其发挥核心城市的辐射带动作用，以形成不同层级城市在省内经济发展产业链中分工协作的城市产业体系。

（二）政策启示

基于上述研究结论，得出如下政策启示:

第一，健全完善的制度体系是经济发展的基础。发挥政府作用，构建市场化、法治化的经营环境，以改革激发市场活力、以规划明确投资方向、以法治规范市场行为，创造平等竞争条件和良好竞争环境。加快财税、金融、科研制度改革，推动资本、技术、劳动力等要素跨区域流动和配置。统筹空间、规模、产业结构，形成不同层级城市分工协作、优势互补的产业格局。基于不同规模层级城市在经济发展水平、人力资源、产业结构、市场潜力、基础设施建设等方面的差异，选择不同的产业发展模式。加强区域经济联动性，促进核心城市与周边中小城市之间的上下游产业协同集聚，发挥省会城市的辐射带动作用，实现区域产业空间结构优化，促进经济高质量发展。安徽都市圈如何在竞争中取得胜利？多中心和多节点涉及的对象比较多，应找准安徽每个市的目标定位。如安庆、阜阳、蚌埠和黄山的目标为区域性中心城市，淮南、马鞍山、淮北、铜陵、宣城、亳州、宿州、滁州、六安和池州的目标为地区性中心城市。以绿色发展为核心，高度重视并着力提升绿色全要素生产率，尽快建立具有安徽特色的绿色全要素生产率核算与决策支撑体系。做强地区性中心城市，推动经济高质量发展。

第二，科技成果转化是经济发展的引擎。完善科技成果转化的激励机制，挖掘绿色技术改进空间，是提升城市绿色全要素生产率的重要途径。安徽省有着优良的科技创新的条件，省会合肥是我国四大科教综合中心之一，拥有中国科学技术大学、合肥工业大学、安徽大学等全国知名大学，基础科研实力在全国名列前茅。安徽目前需要明确主攻方向，统筹基础研究技术创新、成果转化和产业化开发等创新活动布局，力争成为原始创新的枢纽中心、创新要素的集散中心、科技成果的转化中心和国际科技的交流中心。目前来看，安徽省城市创新产业发展中仍存在诸多堵点、难点，科技创新活跃度不高，面向市场的产业竞争力提升困难。加强知识产权保护体系建设，提高科技成果转化率，增强技术进步成果的产业化能力。科技创新是经济发展的核心力量，科技成果转化则是科技和经济紧密结合的关键步骤。改进科技成果利益分配机制，完善科研人员激励机制，调动科技人员积极性、主动性，充分激发企业主体作用。培育面向市场的新型研发机构，构筑创新人才高地，为安徽城市经济发展和科技创新提供人才储备。创新驱动实质上是人才驱动。只有更加重视科技人才队伍建设，才能形成全面覆盖、重点突出、支撑有力的现代科技创新体系，以科技创新体系提升城市绿色全要素生产率。

第三，绿色金融是绿色产业持续发展的支撑。安徽省及各级城市要加快构建多层次、多样化、服务能力强、适用对象广的多元化绿色金融服务体系，推动绿色金融改革创新，探索建立健全以政府投入为引导、企业投入为主体、社会投入为补充的绿色金融投入体系，吸引社会资本进入。加强社会信用环境和征信体系建设。鼓励金融机构加大对中小企业的绿色信贷支持，促进绿色产业发展。

[1]蔡昉.中国经济增长如何转向全要素生产率驱动型[J].中国社会科学，2013（1）：56-71.

[2]刘志彪，凌永辉.结构转换､全要素生产率与高质量发展[J].管理世界，2020（7）：15-29.

[3]Solow R M. Technical Change and the Aggregate Production Function. Review of Economics & Statistics, 1957（3）：554-562.

[4]Jorgenson.D.W.,and Z.Griliches.1967.The Explanationof Productivity Change.The Review of Economic Studies 34（3）：249-283.

[5]陈劲，何郁冰，朱铭.基于RIR的企业合作创新绩效影响因素研究[J].科学学研究，2007（5）：1003-1009.

[6]陈利华，杨宏进.我国科技投入的技术进步效应——基于30个省市跨省数据的实证分析[J].科学学与科学技术管理，2005（7）：55-59.

[7]陶洪，戴昌钧.中国工业劳动生产率增长率的省域比较——基于DEA的经验分析[J].数量经济技术经济研究，2007（10）：100-107.

[8]王兵, 於露瑾, 杨雨石. 碳排放约束下中国工业行业能源效率的测度与分解[J].金融研究, 2013（10）：128-141.

[9]刘常青, 李磊, 卫平. 中国地级及以上城市资本存量测度[J].城市问题, 2017（10）：67-72.

[10]苏任刚,鲁学生.绿色金融视域下中国金融系统与生态环境系统耦合协调度分析[J].安徽商贸职业技术学院学报，2020（1）：25-29.

An Empirical Analysis of the Measurement of Urban Green Total Factor Productivity and Related Influencing Factors in Anhui Province

Wang Chao1, Liu Bao2

Total factor productivity is an important factor that promotes sustained economic growth. This article incorporates ecological and environmental factors into the measurement framework of total factor productivity. Selecting the data of 16 cities in Anhui Province from 2004 to 2018 as the research sample, the article uses the two-period productivity index measurement algorithm (BML) based on DDF and the index method (GML) based on the super-efficiency SBM model that contains undesired output to measure and analyze the green total factor productivity of cities in Anhui Province. Empirical analysis methods are used to further explore the influencing factors of urban green total factor productivity. The study found that the improvement of technological level and the transformation of industrial structure can increase the urban green total factor productivity. Besides, unreasonable energy structure will hinder the growth of green total factor productivity.

Cities in Anhui province; Green total factor productivity; Measurement; Empirical analysis

2021-10-08

安徽省社会科学创新发展研究课题（2020CX099）；安徽省高校人文社会科学研究重点项目（SK2020A0831）；安徽商贸职业技术学院学科（专业）拔尖人才学术资助项目（Smbjrc202102）

汪超（1988—），女，安徽芜湖人，安徽商贸职业技术学院会计系教师，硕士；刘宝（1976—），男，安徽望江人，安徽商贸职业技术学院国际商务与旅游学院教授，博士，主要从事技术创新与技术经济管理研究。

10.13685/j.cnki.abc. 000594

X22；F127

A

1671-9255（2021）04-0017-06