中国城市绿色全要素生产率的时空演进与空间溢出效应分析

李 慧 余东升

内容提要：本文采用全局曼奎斯特-卢恩伯格(GML)指数测算2003—2017年中国285个城市的绿色全要素生产率(GTFP)，分析了城市GTFP的时空演进，检验了城市GTFP的空间相关性，并用空间杜宾模型估计城市GTFP的空间溢出效应。研究结果表明：中国城市GTFP呈现增长趋势，总体呈现“南(偏西)-北(偏东)”格局，城市GTFP标准差椭圆整体向西北方向发生了偏移，技术进步在提升中国城市GTFP方面发挥着主要作用；城市GTFP存在正向的空间溢出效应，表现出“近朱者赤，近墨者黑”的特征。外商直接投资和产业结构促进邻近城市GTFP的提升，产生了显著的正向空间溢出效应；研发投入和环境规制抑制邻近城市GTFP的增长，产生了显著的负向空间溢出，分别存在“竞相到底效应”和“污染泄漏效应”。

一、问题提出

随着城镇化进程的不断推进，中国城市化水平大幅提升，各大城市无论在城市规模还是经济建设方面均取得了突飞猛进的发展，逐渐形成了“珠三角”“长三角”“京津冀”等城市群。城市群作为新型城镇化的主体形态，是城市发展的高级空间组织形式，也是“十四五”规划时期驱动区域经济发展的新的增长极。然而，中国城市持续高速增长的背后也不可避免地带来了一些环境问题。杨继生等(2013)研究发现，1998—2010年，中国环境污染治理成本约占实际国内生产总值(GDP)的8%～10%[1]。而2015年根据《环境空气质量标准》(GB 3095—2012)监测的338个城市中，空气质量达标的城市仅占21.6%。此外，由于区域自然条件、资源禀赋及经济发展水平等空间异质性特征明显，造成各城市群在规模等级、发展模式及环境承载力等方面差异显著。同时，城市群“中心-外围”的发展模式也致使中心城市与外围城市在生态效率[2]、绿色TFP[3]等空间分化日趋明显，并进一步加剧了区域经济发展速度与质量的不平衡。

对于已经进入“新常态”阶段的中国而言，环境污染已然成为制约经济高质量发展的重要因素。值得注意的是，“十四五”规划明确提出，在建设现代化基础设施体系、深入实施制造强国战略等多个方面推进绿色发展，产业布局优化和结构调整，力争实现碳达峰碳中和的目标。十九届五中全会指出经济向高质量方向发展，推动经济可持续和绿色发展，由原先高度依赖要素能源投入的粗放增长转变为减少不可再生要素投入、减少污染物排放负产出、实现传统劳动资本要素高效使用并提高经济产出效率的集约绿色增长，这本质上是要提高绿色全要素生产率(GTFP)。在此背景下，提高GTFP已然成为当前中国经济高质量发展的必由之路，也是实现“既要金山银山，又要绿水青山”发展战略的关键所在。

城市是各种要素空间集中的产物，是区域的缩影、中心和焦点，也是各地区关系最为直接、联系最为紧密的单元，其本身存在相互依赖、相互影响的特征，表现出一定的空间溢出，且这种空间溢出对中国区域的发展有着不可忽视的作用[4]。因此，从某种程度上说，城市之间的GTFP也可能存在空间溢出，也就是说一个城市的经济变量很可能会影响周边城市的GTFP，反之周边城市也可能会影响该城市的GTFP。鉴于此，本文采用加入能源投入、土地资源约束和考虑非期望产出的全局曼奎斯特-卢恩伯格(GML)指数测算2003—2017年中国285个城市层面的GTFP，并利用空间杜宾模型实证检验城市GTFP的空间溢出效应。通过此研究，本文试图回答如下问题：现阶段中国城市GTFP在时间和空间上如何演进以及是否存在空间溢出，以期为中国下一步加快城市GTFP发展以及实现城市可持续发展提供建议参考。

二、文献综述

关于全要素生产率的研究文献非常丰富，比如索洛(Solow，1957)[5]提出的索洛余值测算方法、随机前沿生产函数测算方法[6-8]以及查恩斯等(Charnes et al.,1978)[9]提出的数据包络分析法(DEA)。现在大多数学者采用第三种测算方法(DEA)进行研究[10]。但是由于这些测算方法没有考虑环境与能源要素的约束，仅仅将GDP 作为“好”产出，忽略了环境污染所带来的“坏”产出，这样得到的全要素生产率测算结果会存在偏差，进而误导政策建议[11]。因此，钟等人(Chung et al.,1997)[12]提出了基于方向距离函数的曼奎斯特-卢恩伯格(ML)指数。但学者研究发现，ML指数测算难以满足循环性要求，还可能会出现无解的情况[13]，于是又提出了一种新的GML指数法。彭小辉和王静怡(2019)采用考虑市辖区用电量约束的GML指数对2008—2015年中国的GTFP进行了测算，发现高铁建设对GTFP的提升渠道来自劳动力要素的合理配置[14]。孙博文等(2020)对1998—2016年长江经济带地区GTFP进行了测算，研究发现长江经济带地区GTFP的增长趋势有波动，存在转折点[15]。由于大部分城市没有完整的能源消费数据，上述研究中很多学者只考虑非期望产出，未考虑能源投入，这样得出的城市GTFP测算结果以及后期的研究结论都可能存在一定偏差。因此，本文在测算城市GTFP时通过匹配的方法加入了各个城市的能源消耗数据。

近几年，国内很多学者研究发现，中国整体GTFP在提升，但是东部沿海地区要普遍高于中部和西部地区，地区差异非常大[16-17]。这是否表明各地区间经济发展和环境治理互不影响、互不相关、各自为政呢？事实可能并非如此。一方面，中央政府高度重视区域经济的协调可持续发展，并适时推出相应的区域发展战略意在促进城市之间经济的关联和互动，譬如“东北振兴”“西部大开发”和 “中部崛起”等发展战略。另一方面，中国城市化进程的稳步推进有利于城市之间生产要素和商品的自由流动。可见，政府的调控和城市间劳动、资本等要素的自由流动，必然会加深城市之间的经济联系，产生空间溢出效应。

实际上，空间溢出的重要性已得到了较为普遍的认可。国外学者研究了中国三大经济地区间的互动作用，发现东部地区会向中西部地区产生空间溢出[18]。还有学者分别从人力资本[19]、交通基础设施[20]、人均GDP[21]的角度，均发现了中国区域层面存在空间溢出。近年来，很多学者聚焦环境污染的空间溢出。一方面，随着地区间产业转移的加深，污染在地区间也发生转移，呈现显著的空间正相关性[22]。邵帅等(2016)基于卫星监测数据，发现中国PM 2.5在时空尺度上均表现出空间溢出效应[23]。黄小刚等(2019)利用遥感反演数据，同样发现PM 2.5有显著的空间溢出效应[24]。另一方面，由于地区间环境规制的差异，容易引发污染就近转移的现象，且距离越近的地区，污染转移现象越明显[25]。

另外，有关TFP的空间溢出的研究。马越越(2016)研究发现本省物流行业TFP水平的提高促进了邻近省物流行业TFP的提升，存在明显的空间溢出效应[26]。朱文涛等(2019)[27]、唐松等(2019)[28]均对省级层面TFP进行了空间溢出的相关研究。张红梅和张宁(2019)测算了2006—2015年30个省的GTFP,也发现其存在空间溢出效应[16]。李伯棠等(2021)采用ML生产率指数模型对中国省域GTFP进行测算，发现省际GTFP的空间溢出作用在逐年加强[29]。

以上文献均表明，受益于地理位置的空间相邻、行业关联等，某城市GTFP的发展除了取决于自身的要素投入外，还受到周围GTFP的影响，空间溢出效应是中国城市GTFP发展不可忽视的重要影响因素。然而，这些文献仅将目光停留在省级和区域层面，很少关注到城市层面，对深入了解中国全域范围内的空间溢出可能还不够。而且，多数文献仅单独分析了经济或者环境的空间溢出效应，将经济和环境同时考虑的研究还很少，而本文讨论的城市GTFP就考虑了经济和环境的双重变化。

此外，已有研究仍然在有些方面值得进一步探讨，比如: 一是研究区域范围的划分。与以往省级、区域以及行业层面的研究不同，本文从更加微观“城市”的全域视角，深入全面地考察中国各城市GTFP的相互依赖、相互影响关系。二是GTFP的测算方法。以往文献在测算城市层面的GTFP时大多没有考虑能源投入，而本文借鉴达卡尔(Dhakal，2009)[30]的做法，利用城市总产值占省级总产值的比重，将省级能源消费数据匹配到对应的各个城市，纳入城市GTFP的测算中，同时本文借鉴陈浩等(2020)[31]的做法，将土地资源约束纳入分析框架中，使测算结果更加科学稳健。三是研究方法。传统线性计量模型忽视了空间依赖性而导致城市GTFP所得结论存在局限性，而本文在计算出城市GTFP后，从“时间”和“空间”的双重维度分析了城市GTFP的时空演进，更重要的是结合探索性空间数据分析方法，在实证模型的设定中明确引入城市间空间相关性，采用空间杜宾模型对城市间GTFP的空间相互作用进行全方位考察，以期更加完整、更加客观地认清城市之间相互作用的本质。

本文余下部分的安排:第三部分介绍城市GTFP的测算以及分析；第四部分分析城市GTFP的时空演进及空间相关性；第五部分估计城市GTFP空间溢出效应；第六部分为结论启示。

三、研究设计

(一)城市GTFP测算方法

首先,本文构造285个城市生产可能性集合，并设置城市每年的生产最佳实践边界。然后，借鉴法勒等(Färe et al.,2007)[32]的方法，假设在t=1,2,...,T时期，每个城市k=1,2,...,K使用投入要素向量、“好”产出向量、“坏”产出向量分别为xt,k′、yt,k′和bt,k′。最后，利用DEA方法，可以得到285个城市当期的生产可能性集。

(1)

(2)

再者，根据福山与韦伯(Fukuyama & Weber，2009)[33]的思路，得到全域SBM函数：

(3)

式(3)中，g和s分别表示产出和投入的方向向量。最后，本文进一步将GML指数及其分解指数定义为如下所示：

(4)

(5)

(6)

(二)构建空间计量模型

为了进一步研究城市间GTFP内在的依赖关系，本文借鉴埃洛斯特(Elhorst，2012)[35]提到的空间面板模型，构建空间杜宾误差模型：

(7)

式(7)中，i、j代表城市截面单位，GTFPit为GTFP，Wij为空间权重矩阵(2)对于空间权重矩阵的选择如下：首先，本文采用城市i与城市j所处经纬度地理位置之间距离的倒数构造了反地理距离空间权重矩阵，因此，城市i与城市j间的相互影响随着距离的增加而减弱。然后，采用城市i与城市j的人均实际GDP年均值之差的绝对值取倒数来构建经济距离空间权重矩阵，因此，城市i与城市j间的相互影响随着城市经济距离的增加而增加。最后，本文两种矩阵权重系数0.5构造经济地理嵌套空间权重矩阵。经济地理嵌套空间权重矩阵既考虑了地理距离的空间影响，也反映了经济因素存在城市间溢出效应和辐射效应的事实，因而能够更加全面客观地体现城市GTFP的空间溢出程度。。Xit为控制变量向量，ηi、δt分别代表个体效应和时间效应，μit为随机扰动项。若ρ≠0，β=0且λ=0，则为空间滞后(SAR)模型；若ρ=0，β=0且λ≠0，则为结构方程模型(SEM)；若ρ≠0，β=0且λ≠0，则为空间自相关(SAC)模型；若ρ≠0，β≠0且λ=0，则为空间杜宾模型(SDM)；若ρ=0，β=0且λ=0，则为普通最小二乘法(OLS)模型。对于本文具体选择哪种模型，主要做法是通过对几种模型进行空间回归，分别对相应模型参数进行检验来甄别的，包括流动比率(Lratio)检验、沃尔德(Wald)检验、最小化信息量准则(AIC)和贝叶斯信息准则(BIC)。

与传统线性回归模型不同，由于本文设定了城市层面的空间权重矩阵，各个城市之间的变量之间除了会影响本城市之外(直接效应)，还可能会对其周边城市产生影响(间接效应)。因此，空间模型当中自变量系数不能代表对本城市GTFP的影响，自变量空间滞后项系数也不能代表对本地以外其他城市GTFP的影响效应。本文借鉴佩斯与勒萨热(Pace & Lesage，2009)[36]基于偏导矩阵法，计算SDM模型中自变量对因变量的直接效应和空间溢出效应：

(8)

在式(8)中间的偏导数矩阵中，对角线元素之和的平均值为直接效应，非对角线元素之和的平均值为空间溢出效应，两者之和即为总效应。

(三)变量与数据来源

本文将测算中国285个地级及以上城市在考虑环境和能源要素约束时的GML指数。由于统计年鉴中，城市通常包括“全市”和“市辖区”两个口径，因此，本文将城市范围限定为“市辖区”，即城市统计年鉴中地级及以上城市，以区别于“全市”口径。由于西藏城市数据大部分缺失，以及从2012年起《中国城市统计年鉴》不再公布安徽省巢湖市的数据，本文最终选取的样本为除去巢湖市、西藏以及港澳台后的285个地级及以上城市。同时，城市层面污染排放指标的数据(如SO2等)是从2003年才开始公布的，因此本文选取的样本年份跨度为2003—2017年。本文研究的所有数据来源于历年《中国统计年鉴》《中国城市统计年鉴》《中国区域经济统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》、各省统计年鉴、各城市统计年鉴以及《国民经济和社会发展统计公报》、国研网数据库、国泰君安数据库、中经网数据库。

本文中用于测算城市GTFP的数据定义如下：“好”产出，本文以2003年为基期的城市居民消费价格指数去调整各个城市名义生产总值来衡量[17]；非期望产出，本文采用工业废水、工业SO2和工业烟尘排放量三种指标[8]；资本投入，本文采用“永续盘存法”计算的城市实际资本存量来表示；劳动投入，本文用城市“年末单位从业人员数”和“私营和个体从业人员数”之和来表示[14]；能源投入，除了直辖市和少数城市的能源消费数据可以获取外，大多数地级城市的能源消费数据无法获得，对于缺失的城市能源数据(3)直辖市和少数省会城市的能源消费数据可以获取。，本文借鉴达卡尔(Dhakal，2009)[30]的做法，计算出中国每个城市的GDP占该城市所属省份GDP的比重，再基于这一比重将《中国能源统计年鉴》所报告的每个省级的能源消费数据匹配到省级对应的各个城市，从而得到完整的城市能源投入数据；土地资源投入，本文借鉴陈浩等(2020)[31]的做法，使用城市建设用地面积衡量土地资源要素的投入。

四、城市GTFP时空演进及其空间相关性

(一)城市GTFP时间演进

本文得到2003—2017年中国285个城市GTFP, 为了深入探究285个城市GTFP的时间演变特征，根据前面GML的分解成分，考察2003—2017这些城市GTFP的变动趋势以及驱动力(见图1)。从图1中可以看出，在时间尺度上，中国城市GTFP发展状况总体较好，整体上呈现增长趋势。从分解成分来看，技术进步要高于技术效率，这说明技术进步在中国城市GTFP发展中占据着主导地位。技术效率提升幅度较小，发展潜力还未完全激活，特别在2011年与技术进步差距非常明显，拖累了城市整体GTFP的提升，因此，下一阶段要着重关注技术效率的发展，释放新的绿色发展动能。

图1 中国城市GTFP时间演进及驱动力分解

(二)城市GTFP空间演进

本文以城市作为空间区位单元，将城市GTFP水平表示相应的权重，计算城市GTFP的加权标准差椭圆，通过重心、展布范围、形状和方向、密集程度等方面的变化来反映城市GTFP水平的时空演变特征[40]。由此，本文得到2004—2016年中国城市GTFP标准差椭圆的详细参数(见表1)。从表中可以看出，城市GTFP椭圆中心坐标位置不同，发生了明显的移动，且长短半轴的长度也有差异。具体来说，短半轴从2004年的770.914公里减少到2016年的761.779公里，但长半轴从2004年的1 140.426公里增加2016年的1 144. 664公里，长短半轴的差值在扩大，椭圆更加扁平化，城市GTFP的方向越来越明显，城市GTFP呈现出愈加集聚的现象。此外，方位角表现出先扩大后缩小的趋势，表明GTFP标准差椭圆先顺时针移动，后逆时针移动，且逆时针移动的幅度要大于顺时针移动的幅度。总体而言，城市GTFP空间分布总体呈现“南(偏西)-北(偏东)”格局，城市GTFP标准差椭圆整体向西北方向发生了偏移，城市GTFP存在明显的空间溢出效应。

表1 中国城市GTFP标准差椭圆参数

(三)城市GTFP空间相关性

表2 2004—2017年城市GTFP的全局空间相关性检验结果

为了更直观地研究每个城市GTFP的空间集聚情况，本文绘制了经济地理嵌套空间权重矩阵下城市GTFP的局部莫兰指数散点图(图2)(5)莫兰指数散点图反映城市GTFP与其空间滞后的相关关系，主要分为四个象限，其中第一象限为高-高(H-H)集聚，第二象限为低-高(L-H)集聚，第三象限为低-低(L-L)集聚，第四象限为高-低(H-L)集聚。因此，第一三象限表明城市GTFP存在空间正相关，二四象限表明城市GTFP存在空间负相关。。

图2 各年份城市GTFP的局部莫兰指数散点图

从图2来看，2004年、2008年、2012年和2016年城市GTFP大部分集中在原点周围，呈现出明显的空间集聚特征，进一步证实城市GTFP存在空间溢出效应。具体来看，2004年城市GTFP主要呈现H-H集聚和L-L集聚特征，其中有68个城市位于H-H集聚区，大部分来自东部沿海城市，位于L-L集聚区的城市有126个，大多来自中西部地区的城市，H-H和L-L集聚区城市总占比为68.07%。2016年，H-H集聚区的城市有98个，比2004年增加了30个，除了来自东部沿海城市之外，还有部分属于中部地区的城市，位于L-L集聚区的城市有78个，比2004年减少了48个，这些城市大多位于西部地区，总占比为61.75%。这可能是由于东部地区凭借沿海地理优势以及经济发展水平，表现出城市GTFP高值集聚现象，而中西部地区经济发展水平相对落后、资源利用效率低下，表现出城市GTFP低值集聚趋势。这与大多数学者的观点大体一致[16-17]，但是本文从2004年和2016年城市GTFP的空间集聚情况对比发现，高值集聚的城市在增加，低值集聚城市数量在减少，表明城市间GTFP的差异在逐渐缩小。总体而言，城市GTFP在经济地理上有集聚特征，且存在空间溢出效应。

五、空间溢出实证分析

(一)空间基准回归结果

在实证检验城市GTFP的空间溢出效应之前，本文需要通过相关检验对空间面板模型进行必要的筛选。表3给出了在经济地理嵌套矩阵下的空间面板模型选择结果。从表3可以看出，在经济地理嵌套矩阵下，Wald的卡方值为58.76，显著拒绝了“SDM与SAR在设定形式上并无本质区别”的原假设，Lratio的卡方值为49.00，显著拒绝“SDM与SEM在设定形式上并无本质区别”的原假设，结果均显示，相比SDM而言，SAR和SEM并不适合本文样本的实证分析。再者，SDM下的AIC和BIC值均比SAC中的值要小，进一步证明SDM是最合适的模型。

表3 空间计量模型甄别结果

为了确保模型不存在严重的内生性问题，本文除了加入城市GTFP的空间滞后变量之外，又考虑了其他自变量的空间滞后变量，最后，SDM具体回归结果见表4。

从表4可以看出：

第一，最终选取双向固定效应SDM对样本进行估计(6)本文得到面板固定效应(FE)和面板随机效应(RE)的回归结果，豪斯曼(Hausman)检验的P值为0.000 0。，表4列(1)的空间滞后系数ρ(0.080)显著为正，再次证明中国城市GTFP存在正向空间溢出效应，即本城市的GTFP水平与经济地理相近城市的GTFP水平密切正相关，表现出“近朱者赤，近墨者黑”的特征，这种特征在其分解成分技术水平和效率水平中同样适用。

表4 城市GTFP及其分解成分空间回归结果

第二，表4列(1)显示，城市GTFP的增长受到外商直接投资、研发强度、环境规制以及产业结构变动的影响。具体来看，lnFDI、lnR&D和lnER回归系数均显著为正，表明城市GTFP增长的动力大多来源于外商直接投资、研发强度和环境规制。lnGDP的系数为正但不显著，表明经济发展对城市GTFP的正向作用不显著；lnIS的回归系数显著为正，这说明产业结构升级促进了城市GTFP的提升。这是因为：从产业结构演进的一般规律看，产业结构重心由第一产业向第三产业转移往往伴随着传统产业逐渐被低污染、低耗能和高附加值新兴产业替代，促进了劳动力、资本、技术等生产要素向效率更高的制造业和服务业部门流动，这不但能提高要素生产效率，还会降低能源消耗强度，从而对绿色全要素生产率产生积极影响。

(二)空间溢出回归结果

为了进一步讨论自变量对本城市以及相邻城市GTFP的溢出效应大小，本文根据偏导矩阵法，计算自变量对城市GTFP的直接效应、间接效应和总效应。具体结果见表5。

表5 城市GTFP空间溢出效应估计

从表5可以看出：

第一，FDI对城市GTFP的直接效应和空间溢出效应均显著为正，表明FDI对本城市和邻近城市GTFP均产生了正向的影响。这可能是因为外资的进入给本城市带来了先进的生产技术、管理经验，通过正向的技术溢出效应，提高了城市自身的绿色生产技术水平，从而对城市GTFP产生正向影响。同时，FDI对周边城市形成“扩散效应”，邻近城市以更低的代价模仿或者吸收比本城市更高的外来技术以及生产经验，从而带动周边城市GTFP的提高。

第二，经济发展水平的系数均不显著，说明城市间经济发展对城市GTFP的空间溢出效应不明显。

第三，研发投入和环境规制对城市GTFP的直接效应均显著为正，但间接效应均显著为负，产生了负向的空间溢出效应。这是因为随着城市研发投入的增加可能会通过“竞相到底效应”和“搭便车”行为影响周边城市放松研发投入，不利于周边城市技术进步；同时，高技术水平的企业为防止竞争，有可能对周边城市的企业进行核心技术封锁，从而不利于周边城市GTFP的提升。随着环境规制的加强，导致一些城市难以转型的企业将污染产业就近转移到周边城市，存在着“污染泄漏效应”，抑制了周边城市GTFP的提升。

第四，产业结构升级对城市GTFP的直接效应显著为正，间接效应也显著为正，产生了正向的空间溢出效应。这说明产业结构升级不仅促进了本城市GTFP的提升，还带动了邻近城市GTFP的提升。这表明产业结构向服务业等第三产业迈进的高级进程有利于提高地区整体的GTFP 增长。

第五，从总效应来看，外商直接投资、研发强度和环境规制均对城市GTFP有促进作用，产业结构对城市GTFP具有抑制作用，经济发展的影响效应不明显。

(三)稳健性检验

为了进一步验证模型结论的稳健性，本文采用二进制邻近标准定义的空间地理权重矩阵对城市GTFP进行空间溢出估计，回归结果显示，除了lnGDP和lnIS变量之外，其他各变量对城市GTFP仍然存在显著的空间溢出效应，只是溢出效应的大小不同而已，具体结果见表6。

表6 稳健性检验结果

六、结论与启示

本文利用加入了能源投入的GML指数测算了2003—2017年中国285个地级及以上城市的GTFP，着重分析了城市GTFP在时空尺度上的演进，并评估了其空间溢出效应，得到如下结论：

(1)中国城市GTFP在时间尺度上整体呈现增长趋势。从其分解成分来看，技术进步指数普遍要高于技术效率指数，表明技术进步在提升中国城市GTFP方面发挥着主要作用，占据着主导地位。

(2)中国城市GTFP在空间尺度上，总体呈现“南(偏西)-北(偏东)”格局，京津冀、长三角成为东部地区GTFP发展的核心，城市GTFP的椭圆重心始终位于河南省驻马店市内，但整体向西北方向发生了偏移，表现出明显的演化特征。

(3)全局莫兰指数和局部莫兰指数散点图均发现城市GTFP在经济地理上有集聚特征，即高GTFP的城市与高GTFP的城市集聚在一起，低GTFP的城市与低GTFP的城市集聚在一起，呈现显著的空间正相关关系，存在空间溢出效应。

(4)实证结果显示，城市GTFP存在正向的空间溢出效应，即本城市GTFP水平与经济地理相近城市GTFP水平密切正相关，表现出“近朱者赤，近墨者黑”的特征。外商直接投资、研发强度和环境规制均对城市GTFP有促进作用，产业结构对城市GTFP具有抑制作用，经济发展的影响效应不明显。空间溢出效应进一步显示，外商直接投资既提高了本城市GTFP，又促进了周边城市GTFP的提升，产生了正向的空间溢出效应，经济发展水平的空间溢出效应不明显；研发投入和环境规制提高了本城市GTFP，抑制了邻近城市GTFP的增长，产生了负向的空间溢出，分别存在“竞相到底效应”和“污染泄漏效应”。产业结构不仅提高了本城市GTFP，而且促进了周边城市GTFP的提升，产生了正向的空间溢出效应。

根据上述结论，可得出如下政策启示：第一，技术进步在提升中国城市GTFP方面发挥着主导作用。中国政府在下一阶段进行城市绿色发展进程中，不仅要继续挖掘技术进步的提升空间，深度发挥技术进步的驱动引擎作用，同时还要激发技术效率的发展潜力，释放新的绿色发展动能。第二，城市GTFP在空间尺度上，具有正向的空间溢出特征。国家和地方政府应充分考虑各城市间的互动式发展，健全城市间空间经济关联机制，消除行政分割和市场分割等制度壁垒，促进城市间知识技术溢出、生产要素与创新资源有序流动，推动城市资源配置效率、绿色生产效率和绿色技术进步水平同步提升，以此形成“中心城市-外围城市-小城镇”有机联动与协调发展的区域一体化空间格局。第三，充分发挥外商直接投资和产业结构正向溢出的有效渠道。扩大对外开放，积极招商引资，优化产业结构，提高资源利用效率，淘汰高耗能、高污染、破坏环境的企业，鼓励发展绿色、低碳型的产业，从而促进城市GTFP的提升。第四，谨防研发投入和环境规制的负向溢出效应。重视知识产权保护和自主创新能力的培养，避免出现城市间“搭便车”的行为，同时严把企业环保准入“门槛”，防止城市间污染产业的就近转移，从而提高城市GTFP。第五，空间结构与空间格局是影响城市绿色全要素生产率的重要决定因素，也是能否有效缓解城市资源环境约束与经济发展效率之间矛盾的关键，因此，要立足每个城市的要素禀赋优势和资源环境承载能力，因地制宜地构建统一开放、协调高效的区域协同创新共同体，注重以资源环境高效利用与经济高质量发展的适配协调为主线促进城市GTFP的提升。