城市绿色全要素生产率的重新测算及经济解释——基于规模效应和产业选择的视角

徐永慧，邓宏图

（1.广州航海学院航运经贸学院，广东广州 510725；2.广州大学新结构经济学研究中心，广东广州 510006）

当前，中国已经进入要素投入边际报酬降低和人口红利消失的经济发展阶段[1-2]，中国经济增长方式应当如何转变以及如何理解这种变化是摆在当前的重要问题。根据新结构经济学增长理论[3]，一个经济体经济增长的初始动力来源于自然资源禀赋。随着物质资本的逐渐积累，人均资本存量和技术进步决定了人均产出，但在资本报酬递减规律的作用下物质资本积累无法长期维持经济增长。如果一个经济体的劳动力足够丰富，可以在很大程度上延缓资本报酬递减规律的作用，此即“人口红利”[4]。由于自然资源、物质资本积累和人口红利这三种经济增长的动力最终都会出现边际效用递减现象，因此，人均产出的持续增长必须向依靠技术进步或全要素生产率（Total Factor Productivity，TFP）提高转变。党的二十大报告明确提出“要坚持以推动高质量发展为主题……，着力提高全要素生产率”，而“绿色化、低碳化是实现高质量发展的关键环节”。这是中国政府对宏观经济的客观研判，意味着纳入了环境约束的绿色全要素生产率（Green Total Factor Productivity，GTFP）将成为我国推动高质量发展的持续动力源泉。

2000—2021年，我国常住人口城市化率由36.33%大幅提升到64.72%，作为承载发展目标转变的主要空间，城市在实现高质量发展方面更需要做好引领者和先行者角色。因此，本文以地级及以上城市为研究对象展开GTFP 的重新测算和经济解释，这在当下有着极为重要的现实意义。

一、文献综述

目前，已有众多学者就中国城市（绿色）TFP展开核算研究，总结来看，可分为两个交叉的前后时期。

早期中国宏观经济主要目标是经济增长而非经济发展，相应的城市TFP研究忽视了经济增长过程中的负面产出问题。研究结论的差异表现在：一是不同研究对城市TFP所得核算结果差异甚大，如金相郁[5]、刘秉镰和李清彬[6]分别得出1990—2003 年、1990—2006 年TFP 的年均增速分别为8.3%、2.8%；二是对增长来源的识别不同，经济增长以技术效率为主要驱动力[7-9]还是以技术进步为主要驱动力[10-11]，学界并未获得共识；三是对区域分布格局的判断不同，存在东中西TFP依次递减[12]、东西中依次递减[13]等不同判断。

2012年之后我国经济增速开始逐渐由高速向中高速转变，党的十九大报告对我国经济发展阶段的研判标志着我国经济进入高质量发展阶段，不再单纯追求经济增速，而更注重经济均衡、创新、生态、产业结构升级等多重发展目标。越来越多的学者在测算我国城市生产率时将环境约束纳入考量，展开了对城市GTFP 的特征化事实分析。肖攀等[14]测算了2003—2010年我国286个地级及以上城市的GTFP，得到GTFP的年均增速为1.1%，其区域分布表现出“东部＞西部＞中部”的特征。李卫兵和涂蕾[15]测算了我国274 个地级市2003—2014 年的GTFP，得到的年均增速为2.28%，GTFP区域分布表现出“东部＞中部＞西部”的特征。卢丽文等[16]测算了长江经济带108个城市2003—2013年的绿色全要素生产率，提出GTFP 存在“中部塌陷”的现象。赵明亮等[17]对黄河流域65 个城市2001—2017年的GTFP进行测算，发现“十三五”以来上中下游城市的GTFP 增长态势普遍更好。陈浩等[18]将城市能源和土地要素约束纳入考量，发现2004—2017 年城市GTFP 增长趋势表现出正、负、正的三阶段特征，其空间分布表现出高增长区域由西向中、东不断扩大的特点。从中可以看出，现有学者对城市GTFP在增长水平、时空特征等方面的研判存在一定共识，但类似于对城市TFP的核算研究，已有文献所得结论仍在不同侧面存在相当大的差异。

本文认为导致不同学者对城市TFP 或GTFP的研判存在差异的主要原因有四个：指标的选择和处理方式不同意味着投入产出体系不同；城市样本的不同会导致生产前沿面不同；不同时期城市经济增长速度和增长模式会有差异，从而测算出的结果也会不同；核算方法不同。因此有必要对城市GTFP展开重新测算，在充分澄清上述可能原因的前提下，对城市GTFP的增长及其时空异质性展开经济解释。

进一步，已有大量学者以城市GTFP的核算为基础展开经济解释或诱因分析，一些学者从城市GTFP 增长的技术分解项视角做出其主要增长来源是技术效率或技术进步的研判[15，17，19]，但此类研究中少有学者将核心关注点放在由规模效应变化带来的GTFP增长上，而生产规模的变化在现实经济增长中却是客观存在的，实际上，生产规模扩张本身会带来依附于投资和人力学习经验的“干中学”效应，由此会形成提高GTFP 的一个额外重要来源。在技术分解角度下，这种规模变化带来的生产效率提升也被归并到了上述GTFP 增长的两个分解项中[20]。还有学者从经济社会视角展开对城市GTFP 增长关键诱因的识别，包括环境规制强度[21]、数字经济水平[22-23]、智慧城市政策[24]等。此类研究中尤其需要关注的是，诸多经典经济增长理论和增长模型均肯定了产业结构调整对生产率提高有重要影响[25-26]，并得到了大量学者对中国城市研究的实证支持①[27-28]，但其中少有从新结构经济学的产业选择视角对城市GTFP 增长的时空特征进行经济解释的研究。基于新结构经济学理论，不同经济发展阶段下禀赋结构不同，从而由其决定的产业结构具有内生性差异[29]。因此，本文探究由禀赋结构决定的产业比较优势是否成为城市GTFP 增长及其时空异质性的重要诱因等问题。

相比于既有研究，本文可能的边际贡献主要体现在以下三个方面：第一，对现有文献测算结论的不一致性进行了有充分数据支持的解释；第二，在技术分解视角下，本文关注规模效应对城市GTFP 增长的贡献及其变化，从而为既有研究提供补充，推进城市GTFP核算研究的全方位开展；第三，从新结构经济学的产业选择视角对城市GTFP 增长及其时空异质性做出经济学解释，拓展新结构经济学的理论适用性，为高质量发展阶段我国城市GTFP的改善提供产业发展路径建议。

二、测算方法和指标数据重构

（一）测算方法

传统的索洛残差法将资本和劳动投入之外影响经济增长的所有因素都归到TFP，该方法假定所有生产者在技术上充分有效（均在生产前沿面上生产），但正如法雷利（Farrell）[30]所言，大部分生产者并没有处于生产前沿上，存在技术无效率，故索洛残差法的假定不符合经济现实。前沿分析方法则允许生产者存在技术无效率，从而将TFP（GTFP）增长分解为技术进步和技术效率的增长。目前广为流行的数据包络分析和随机前沿分析都属于前沿技术分析方法，二者都可以得到GTFP及其分解项，其中数据包络分析为非参数方法，不需要考虑生产函数的形式，相比于随机前沿分析，具备避免模型误设、方法简捷、构成项易于分解、易于展开经济解读以及能更好地处理包括污染数据的多产出情形的优点，因此，本文以数据包络分析作为主要方法来核算城市GTFP，并以索洛残差法和随机前沿分析做稳健性检验。

具体而言，本文以数据包络分析软件为工具，选择基于非径向、非角度的松弛测度方向性距离函数的曼奎斯特-卢恩伯格（SBM-ML）指数对我国城市GTFP 变化进行测算。借鉴索菲奥（Zofio）[20]的研究，基本分解关系式如下：

SBM-ML 指数=技术效率×技术进步=（纯技术效率×规模效率）×（纯技术进步×技术规模）

其中，两项分解下的技术进步反映了生产前沿面的外移幅度，技术进步大于1意味着当期相比于前一期实现了生产可能性边界的外移，即“增长效应”；技术效率反映了被评价生产单元向生产前沿面的移动幅度，技术效率大于1 意味着实现了“追赶效应”。卢恩伯格指数两项分解得到的技术进步和技术效率可能包括规模效应，四项分解则明确将规模效应剥离出来得到纯技术进步和纯技术效率，分解出来的规模效率、技术规模分别反映规模扩张带来的资源配置效率的变化和生产可能性边界的移动②。由此可进一步定义生产率分解下的总规模效应指数，以反映规模扩张通过资源配置效率和前沿技术进步（或者说“追赶效应”和“增长效应”）两个机制对生产率增长的总效应，如下所示：

从而得到SBM-ML指数的三项分解式如下：

（二）投入产出指标的数据重构

1.期望产出

地区生产总值是通用的期望产出指标，绝大多数文献用实际值，少数研究直接采用名义地区生产总值，认为投入产出数据均采用名义值的情况下价格的影响会抵消[31-32]。但考虑到投入产出数据适用的价格指数并不一致，为抵消价格的可能影响，本文仍选择采用剔除物价变动后的实际值。由于缺乏城市级别的地区生产总值平减指数，这类研究大多数以省级地区生产总值指数（上年=100）对各城市的名义地区生产总值进行折算。但是这种处理方法忽略了城市间价格水平的差异，如省会城市物价水平通常要高于地级市物价水平。本文利用各城市2005年名义地区生产总值和历年地区生产总值的不变价增速来得到实际地区生产总值（亿元，2005年为基期），即国内生产总值、三次产业及相关产业增加值、地区生产总值、人均国内生产总值和国民总收入绝对数按现价计算，增长速度按不变价格计算。

2.非期望产出：工业“三废”

基于我国城市层面污染物数据的可得性，本文选择工业废水排放量（万吨）、工业二氧化硫排放量（吨）、工业烟（粉）尘排放量（吨）三项指标来代理非期望产出。值得提及的是，中国城市统计年鉴上只给出全市范围的污染产物数据，考虑到工业活动大部分集中在市辖区而非市辖县（市），我们认为这种误差不会太大。

3.投入：劳动力

劳动力以城镇所有就业人员（万人）来代理，采用城镇单位从业人员、城镇私营和个体从业人员两个指标加总得到。值得注意的是，私营和个体从业人员是我国城镇劳动力的重要构成，计算发现2003—2018年城市私营和个体从业人员数量占到城镇所有就业人员的比重在逐渐提升，到2018 年这一比重已经超过50%，私营和个体单位在吸纳就业方面发挥了重要作用，已经成为城市经济增长的重要来源。例如2020年新冠肺炎疫情期间地摊经济兴起，地摊经济从业人员是城镇就业人员的一部分。

4.投入：资本

在新古典经济增长模型中，资本投入指的是能形成生产力的资本存量。鉴于城市资本存量核算的困难，部分学者直接利用各城市的固定资产投资流量来代理资本投入，大部分学者则采用永续盘存法来估算资本存量，基本公式如下：

其中，Kit为城市i在t期的资本存量，具体取决于基期资本存量K0、折旧率δ和投资I。参数设定的不同导致得到的资本存量序列Kit也会有差异。

第一，基期资本存量的确定。借鉴莱恩斯多夫和盖尔（Reinsdorf &Cover）[33]通过数学关系式推导的方法来估算基期资本存量。

记g为I的平均增速，那么I-1=I0/(1+g)，该年的投资在基期仍留在资本存量中的数量为：

同理，I-2=I0/(1+g)2

该年的投资在基期仍留在资本存量中的数量为：

汇总基期前的所有时期投资可得到：

这里我们将g取2003—2007 年5 年的投资增速平均值。

第二，折旧率参考现有学者针对中国的研究结果。如柯善咨[34]、柯善咨和赵耀[35]在计算中国县市城市资本存量时将折旧率设为5%，本文参考他们的研究，亦将折旧率设为5%。

第三，形成实际生产能力的投资增加才会带来资本存量的增加，现有文献在估算全国和省际资本存量时，投资I多采用全社会固定资产投资总额[36-38]、固定资本形成总额[39]、新增固定资产[40]三个序列。从定义上看，后两个投资序列能更好地代理净投资。我国城市层面的统计数据缺少固定资本形成总额指标，新增固定资产数据也只有一半省（区、市）进行了公布，但所有省份均公布了城市层面的全社会固定资产投资总额指标，因此，在估算我国城市层面的资本存量时，现有文献主要采用全社会固定资产投资总额指标。也有少数学者如王艺明等[41]、伍先福[42]以各城市固定资产投资额作为权重对全省（区、市）的固定资本形成额进行加权，以得到城市层面的固定资本形成额。这种处理方法需要假设同一省份各城市的资本形成率一致。综上，本文仍采用全社会固定资产投资总额序列（I）为基础指标，用省（区、市）际固定资产投资价格指数将其折算为实际值（万元，2005年为基期）。进一步，固定资产项目具有典型的建设周期，但现有生产率核算文献中考虑固定资产建设周期的并不多。本文借鉴柯善咨和向娟[40]、徐淑丹[43]等的研究，考虑三年的建设周期，定义新的投资序列：I'=(It+It+1+It+2)/3，以此作为新增投资。

还有些学者尝试纳入土地要素，本文纳入建成区面积后发现生产率指数变化幅度很小。考虑到土地是我国地方政府收入的重要来源之一，猜测城市土地要素带来的直接或间接收入最终被作为资本投入用于城市生产和建设中，即土地投入可能已经被反映在资本投入中，本文在测算中不再纳入土地指标。

（三）研究时期和研究样本的选择

根据数据可得性，研究时期定为2003—2018年③。以上数据主要来自2004—2019 年《中国城市统计年鉴》。目前公布的我国城市数据有市和市辖区两种统计范围，其中，“全市”是指地级以上城市的整个行政区域，“市辖区”包括城区、郊区，不包括市辖县（市）。本文集中研究城市化区域的生产率，因此，以市辖区作为研究对象，以上指标除了非期望产出，其他均是市辖区统计范围内的数据。此外，由于《中国城市统计年鉴》自2017 年开始不再公布各城市的固定资产投资数据，2017、2018年的各城市固定资产投资数据来自各省（区、市）的统计年鉴。在数据收集过程中发现，湖北等五个省没有公布辖下城市2017 年的市辖区数据，黑龙江等十个省没有公布辖下城市2018年的市辖区数据，但所有城市全市范围的固定资产投资数据均是可得到的，对此我们假设这些城市市辖区的投资增速等于全市的投资增速，据此估计这些城市市辖区的固定资产投资数据。由于市辖区通常是城市经济活动的主要区域，这种估算不会带来太大的偏差。

研究样本自2018 年地级及以上的298 个城市（279 个地级市、15 个副省级市、4 个直辖市）中选取，剔除缺失数据较多或数据趋势不明从而难以进行插补的城市，确定可用的样本为264个地级及以上城市，占我国地级及以上城市的比重达88.6%。由于2017 年、2018 年部分城市的工业“三废”数据有所缺失且难以插补，将这些城市剔除后，2017、2018年真正能够采用的研究样本分别为238个城市、195个城市。

三、测算结果和分析

（一）城市GTFP的时间演进特征

表1 和 图1 给出2004—2018 年间我国城市GTFP 及其分解项的均值和时间演进趋势。整体来看，我国城市经济增长仍表现出依赖资本、劳动力等要素投入的粗放型经济增长模式。2004—2018年我国城市GTFP的年均增速为0.7%，相比于同期我国城市地区生产总值的平均不变价增速（超过10%）④，GTFP 的贡献较为有限。其增长模式和增长趋势表现出以下基本特征：

图1 我国GTFP及其分解项的时间趋势

表1 我国城市GTFP及其构成

1.城市GTFP增长模式由总规模效应主导到进入转型期

2004—2018年总规模效应、纯技术效率、纯技术进步的年均增速分别为1.8%、1.4%、-2.5%（见表1）。总规模效应对GTFP增长的贡献最大，这意味着中国城市生产中存在较强的“干中学”效应，在要素累积和生产规模扩张的过程中内生地引发生产率的提升。但值得注意的是，2004—2014 年间总规模效应增速稳定并呈现攀升态势，2015 年以来总规模效应下降明显（见图1）。由于“干中学”效应会随着技术差距的缩小而迅速下降，最终呈现出收益递减的特征[44]，总规模效应的这一演变特征从生产率的视角反映出中国城市生产已经进入“干中学”效应衰减的阶段，从而GTFP增长模式应由生产规模扩张带来的规模效应转向依赖纯技术效率和纯技术进步的提升，而后两者更多取决于组织或制度创新以及技术变革。

纯技术效率和纯技术进步在大多数年份呈现出此消彼长的态势（见图1），因为技术进步发生后对资源进行重新配置以适应新技术是需要成本的，而要素配置达到最优状态时也容易产生一种惯性，弱化对技术进步的需求。比如中等规模的企业若一直处于盈利状态，则不愿意投资于技术改进，即便是在广东，1990—2007年之间的高污染行业始终未得到根本性改变，2007年之后，政府驱动下的污染整治、“腾笼换鸟”才逐渐成为主流。遵循上述逻辑，总规模效应的构成项技术规模和规模效率增长基本也呈现出此消彼长的关系。但总规模效应指标的演变则更为平稳、变动规律更鲜明，从而使我们能够更为清晰地捕获生产规模变化在城市生产率增长中的贡献，这也正是本文明确定义总规模效应指标的价值。

2.研究时期的阶段划分

从GTFP 增长趋势特征来看（见图1），整个研究时期可划分为两个阶段⑤：GTFP 增速震荡下滑阶段（2004—2014 年），GTFP 增速明显上升阶段（2015—2018 年）。从生产率的增长模式来看，第一个阶段的GTFP增长主要是总规模效应拉动，纯技术进步和纯技术效率的总效应小于1；第二个阶段的GTFP 提升源于纯技术进步和纯技术效率的增长，总规模效应小于1。

从经济视角解读，早期中国经济呈高速增长态势，重增长目标下城市生态环境问题也越发严重，多重因素叠加下导致GTFP 增速波动下降；2012 年以后整体经济逐渐进入中高速增长阶段，2014年习近平主席首次以新常态来描述中国经济增长新阶段，城市作为经济增长的主要承载体也开始了提质增效的转型之路，不再盲目追求扩张而重在资源配置效率的提升和技术创新。GTFP在2015年后的增长态势和增长模式变化正反映出“新常态”“高质量发展”这些新理念下我国城市经济质量在逐步提升。阶段的划分正意味着对不同时期的生产率核算研究结论不易直接进行比较，必须充分考虑时期的可比性。

（二）城市GTFP的空间特征

将研究样本划分为东、中、西三大区域，其构成如图2所示，整体来看，样本的区域分布较为均衡。

图2 我国分区域样本构成

表2 给出2004—2018 年东、中、西三大区域的GTFP 及其构成的年均增速，三大区域的GTFP 增长表现为“东部＞西部＞中部”，这与魏丽莉和侯宇琦[45]等的核算结论较为一致。图3 进一步从GTFP 累积增长率的视角展现区域异质性⑥，其结果仍与表2保持一致。由图3还可以看到，各区域的GTFP 累积增长率演进趋势仍支持之前的两阶段划分：2014年之前各区域GTFP水平呈现提升到增长日渐乏力的特征，意味着中国的确到了转换经济发展方式的关口；2015年之后三大区域的GTFP水平都开始了新一轮的提升，从生产率视角证实了新常态以来的一系列调结构、转方式的宏观经济政策对实现高质量发展起到了显著成效。

表2 2004—2018年我国东中西三大区域的GTFP及其构成

图3 我国分区域GTFP累积增速（2003年=1）

对三大区域的GTFP增长异质性，本文首先从GTFP 变化的三项技术分解视角做出解读，继而借助GTFP 累积增速从产业选择视角做出经济学解释，并进一步深入探究各区域内部的城市GTFP增长异质性。

1.技术分解视角下的解释

第一，就东部而言，东部城市集聚了最多的优质资源，但整个研究期间东部城市的纯技术效率最低。在发展的早期，东部地区（如珠三角）有大量劳动密集型技术，承载这类技术者多是高污染行业。2008年金融危机后，珠三角、长三角地区开始推动产业转型升级，改变经济增长方式，但前期对环境的影响仍有待消化，加上转型升级是一个渐进过程，因之，考虑环境约束情形下东部地区在纯技术效率上反而既弱于中部地区，也弱于西部地区。这一结论看起来跟东部地区市场化水平较高从而资源配置效率理应较高的理论逻辑不相吻合，对此本文尝试从非绿色生产技术到绿色生产技术的转换来解释。由于绿色生产技术具有一定的公共品属性，将其“外部性”内部化的主要动力是政府的环境规制和产业发展政策和消费者需求升级后对绿色产品的自发需求选择，因此，市场化带来的资源配置效率提升应该更大程度上体现于关注投入产出效率的TFP，而非具有较强生产外部性（环境约束或资源消耗）的GTFP。本文进一步计算不考虑环境约束的TFP分解下的纯技术效率，发现纯技术效率的区域异质性在2004—2014年表现为“东部＞西部＞中部”，在2015—2018 年表现为“西部＞中部＞东部”。这说明在经济高速增长阶段，东部市场化改革进程和水平均优于中西部，资源配置效率的确较高；但新常态以来东部以纯技术效率反映的资源配置效率却有相当程度的下降，其原因是技术变革和生产方式转换会带来要素的重新配置和调整性扭曲，由于东部地区率先开始推动产业转型升级以改变经济增长方式，由此在短期内会出现强于中西部地区的要素调整性扭曲。但一旦形成与新技术和产业结构相适应的要素配置结构，此种扭曲会逐渐消失并最终被更有效率的资源配置方式替代。在宏观经济发展目标转换下，产业结构调整和生产方式转换带来的要素调整性扭曲是必然的，而东部将最早经历要素配置调整性扭曲过程。类似的，鉴于经济发展阶段的差异性，东部城市率先进入了“干中学”效应衰减阶段，表现出了特殊情境下总规模效应偏低的“转型或过渡特征”。与此同时，东部创新要素集聚使得其纯技术进步增长表现明显优于中西部，对GTFP的拖累较小，因此，兼顾环境约束的东部城市的GTFP 仍旧如其经济发展阶段一样走在三大区域的最前面。

第二，就中西部而言，创新资源不足导致西部城市的纯技术进步表现最差，但后发优势下“干中学”效应较强，技术规模年均增长1.77%、规模效率年均增长1.06%⑦，最终总规模效应增长2.83%（见表2），成为西部城市GTFP高于中部城市的主要原因。中部城市的GTFP 最低，基本原因在于，中部地区离东部地区更近，东部的技术外溢和产业转型最先渗入中部地区，但有个事实必须注意：中部地区承接东部地区的产业往往是劳动密集型产业，纯技术进步非常有限，如果加进绿色环保的考量，恰恰因为引进了较多“劳动密集型”产能而导致绿色技术进步的内生需求较弱。本文的区域异质性核算结果支持卢丽文等[16]提出的GTFP增长“中部坍塌”现象。

2.产业选择视角下的经济学解释

由于工业历来是经济增长的主要引擎，污染等非期望产出也主要源于工业生产过程，本文尝试从各区域的工业化进程来解释GTFP 变化的区域异质性。东部地区工业化已发展到一个较高水准，尤其长三角、珠三角地区，第三产业发达、智能制造技术逐渐替代传统制造技术，尽管产业转型升级的过程仍未完成，东部地区仍有着充足的资源和政策优势进行经济发展方式转变。西部地区为三大区域中发展最慢的，工业化相对处于更早阶段，制造业（主要指第二产业）不如中部、东部集中，环境问题还不是特别严重，此外，西部相对东中部具有后发优势，在新的环保技术的作用下，可以尽可能地规避“先污染后治理”的老路，加之我国环保规制日益强化，多重有利因素叠加在一起，使得西部GTFP好于中部地区（城市）⑧。中部地区正处于工业化高涨期，在地缘上与东部接壤，最先承接了更多的东部的传统工业和过剩产能，第二产业占比不断提高，这些情况导致中部地区的GTFP 既低于东部地区，更低于西部地区。

3.各区域内部的城市GTFP异质性

在识别并解读出以上区域异质性的前提下，本文进一步探究属同一区域的城市之间的GTFP水平异质性。此研究问题的出发点源于新阶段区域协调发展的政策取向。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》明确提出“促进大中小城市和小城镇协调联动、特色化发展”。协调联动意味着城市增长动力与所属区域的增长动力应基本保持一致，参差不齐、偏差过大则可能意味着区域内各城市发展各自独立、缺乏合作。本文采用GTFP累积增长率的标准差衡量离散程度，图4 显示，东、中、西三大区域GTFP 水平的标准差表现出西、中、东依次降低的特点。经济越发达地区的GTFP 水平稳定性越强，暗含随经济发展阶段的提升，各要素对城市经济增长的贡献或城市实现经济增长的路径会渐趋稳定，也即经济韧性比较强的情形下，生产率也会形成相对稳定的增长路径或形成一定的路径依赖，从而城市间GTFP的离散程度会表现出相对稳定的特点。相比较而言，处于较低发展阶段的城市经济韧性比较弱，但也面临着塑造GTFP增长路径、提升GTFP 的重大机遇和挑战。进一步，西部的标准差不仅明显高于中部、东部，还表现出一定的上升趋势，显见，虽然西部城市在GTFP 上的整体表现优于中部，但其GTFP水平的稳定性较弱且有所恶化，这意味着西部各城市在协调联动方面表现较差，远没有形成区域内部城市之间的分工协作和扩散效应。西部各城市能否真正“弯道超车”，实现高质量发展在更大程度上取决于其各自的未来发展模式，而这依赖于当地政府对提升城市绿色全要素生产率机制的科学认识以及高质量发展阶段的产业选择政策。

图4 我国各区域GTFP累积增长率的标准差

综上，城市GTFP变化的区域异质性与区域所处的经济发展阶段并不完全一致。

（三）城市GTFP和TFP的比较分析

表3 和图5 给出了对城市GTFP 和TFP 的比较分析，以探究将环境约束纳入生产率核算框架的价值。由表3 可见传统TFP 的年均增速低于GTFP，图5 显示传统TFP 曲线在大多数年份都位于GTFP曲线的下方。这反映出城市传统TFP的增长弱于GTFP 的增长，即考虑到环境约束后，我国城市的经济增长绩效表现更佳，这就证实了在关注多重发展目标的高质量阶段不考虑环保因素会低估当前评估体系下的实际城市发展绩效。从技术分解项来看，GTFP 的纯技术进步和总规模效应大于传统TFP，前者因为随着收入水平的提高，人们对绿色技术的需求强化，后者则因为绿色产业在发展阶段上滞后于传统产业，其“干中学”效应更强。而由于绿色技术会导致之前按传统技术安排生产的要素的重新配置，因此GTFP的纯技术效率要低于TFP的纯技术效率。

图5 2004—2018年我国城市GTFP和TFP的时间演进趋势比较

表3 2004—2018年我国城市GTFP和TFP的均值比较

从经济视角解读城市传统TFP 低于GTFP 的这一特点，这意味着我国城市生产中存在“波特双赢假说”，即环境规制促进经济增长，也意味着我国城市已经进入环境库兹涅茨曲线的后半段，即经济发展伴随着环境保护的改进。目前已经有部分学者对此做出验证，吴明琴等[46]以1992—2009年我国280个重点城市为研究对象，验证了存在环境保护和经济增长的“双赢”。史贝贝等[47]以1994—2010年我国286个地级市为研究对象，验证了环境规制对城市经济增长有显著的促进作用，且微观层面主要通过提高企业生产率实现。还有些学者利用非城市层面数据得到的结论亦为本文所得结论提供了佐证，如王国印和王动[48]利用1999—2007 年省际数据验证了主张环境规制促进企业技术创新的“波特假说”存在区域异质性。颉茂华等[49]以2008—2013 年重污染行业的24 家公司为研究对象，发现环境规制能促进企业的环保研发投入，但对非环保研发投入无实质影响。从技术角度解读，降低污染的生产方式变革也属于技术进步，倘若绿色生产技术进步在整体技术进步中占有较大份额，那么，考虑了绿色技术进步的GTFP增长来源中技术进步的总贡献就会更大，也将拉动GTFP实现更快增长，而这正符合我国城市现况。

（四）稳健性检验

1.不同的生产率核算方法

由于索洛残差法无法得到GTFP 变化，故通过检验在数据包络分析框架下采用相同模型设定得到的TFP 变化数据的稳健性来推论GTFP 变化的稳健性。图6给出了采用索洛残差法、随机前沿分析、数据包络分析得到的城市TFP变化的时间趋势，从数值来看，传统的索洛残差法包含的内涵最为广泛从而得到的TFP增长水平最高，考虑了技术非效率的随机前沿分析与数据包络分析所得的TFP变化则更为接近，这就验证了核算方法的差异是现有研究对城市生产率增长水平的判断存在差异的原因之一。就波动态势而言，未考虑随机因素的数据包络分析和索洛残差法得到的TFP 变化的波动幅度很大，随机前沿分析方法得到的TFP变化更为稳定，这反映出国内外不可控的随机因素会在一定程度上夸大我国城市全要素生产率的变化幅度⑨。由于随机前沿分析得到的TFP 变化幅度较小，我们进一步将其绘制在右轴，如图7所示，可以更清晰地看出这三种方法得到的城市TFP 变化的时间演进轨迹基本保持一致。也就是说，本文通过数据包络分析得到的我国城市TFP 变化数据基本是稳健的，这就意味着采用相同模型设定得到的上述GTFP变化数据也是稳健的⑩。

图6 不同核算方法下我国城市全要素生产率变化的差异性分析

图7 不同核算方法下我国城市TFP变化的趋势分析

2.不同的城市样本

图8 给出264 个城市样本（2004—2016 年）、238 个城市样本（2004—2017 年）、195 个城市样本（2004—2018 年）三种情形下我国城市整体GTFP的时间演进趋势。可以看出2016年之前三个序列演变轨迹基本一致，这意味着2017和2018年城市样本个数的减少不会对上文的主要判断造成大的偏误。此外，某些年份（如2004—2008年）三个序列的GTFP 升降幅度有明显差异，这说明所选取研究样本的不同的确是现有文献测算出的城市GTFP 整体平均增速结果不一致的原因之一。总的来说，对于样本数量差距不大且足以代表大多数城市的情形，本文认为城市样本的差异基本不会带来趋势偏误，但的确会带来一定程度上的增速平均值大小方面的偏误。鉴于此，本文也对2004—2016年城市样本均为264个城市的相关结果（包括GTFP 的构成、趋势等）进行了计算和分析，基本与上文所得结论保持一致，并没有明显的偏差，从而排除了本文研究期间内可能来自样本不同的结果异质性问题。

图8 我国不同城市样本情况下GTFP测算结果的比较

四、城市GTFP的增长机制：规模效应和产业选择视角

生产率测算分析显示规模效应和产业选择是解释城市GTFP 增长机制及其时空异质性的重要因素，文本从实证角度对此展开了检验。

（一）模型设计和变量选取

本文构建如下基准面板计量模型：

其中，被解释变量为城市绿色全要素生产率；关键解释变量一是城市规模指标（Scale），以城区人口来代理，二是工业化进程指标（Industry），构建第二产业比较优势指标来代理；Xijt为若干控制变量；ci、ct为个体、时间固定效应；εit为扰动项。

这里重点介绍产业比较优势指标的构建。巴拉萨（Balassa）[50]提出了显示性比较优势指数，计算方法是一个国家某种商品出口额占其出口总值的份额与该类商品全球出口额占全球出口总额的份额的比率。若该指数大于1，说明该国的该商品在国际市场上具有比较优势，值越大反映该国的该商品国际竞争力越强。自此该指数被广泛用于衡量某一产业在全球或某一区域的比较优势。这里我们以全国作为参照地区，构建如下城市产业比较优势指数：

我国城市的产业结构以二、三产业为主要构成，就研究时期而言，二者占城市地区生产总值比例的样本均值始终超过90%，城市在第二产业比较优势和第三产业比较优势上可能存在此消彼长的关系，故主要计算了城市第二产业的比较优势指数。若城市i的第二产业比较优势指数大于1，说明相比于全国，城市i在第二产业上具有比较优势。

控制变量X依据上述城市GTFP 测算分析所得立论和经验研究，选取以2014 年为节点的阶段虚拟变量、区域虚拟变量、人力资本、研发、基础设施、收入水平为变量。具体变量说明和数据来源见表4。

表4 变量说明和数据来源

（二）回归结果及分析

对于2004—2018 年我国264 个城市的面板数据进行面板固定效应回归，所得估计结果见表5。其中，模型（1）为基准回归结果，模型（2）至模型（6）为考虑阶段差异和区域差异的回归结果。进一步，为避免模型（2）至模型（6）中分时期和分样本回归带来的样本量减少问题，模型（7）纳入时空虚拟变量与城市规模、工业化水平的交互项进行综合考察。

表5 我国城市GTFP的增长机制回归结果

1.阶段虚拟变量分析

在5%的显著性水平下，阶段虚拟变量的系数估计值基本均显著为正，从而为上述关于GTFP增长变化的两阶段划分提供了实证层面的支持。

2.城市规模变量分析

模型（1）和模型（7）显示，城市规模对GTFP 的总效应显著为正。城市规模大通常意味着城市存在区位、物质资本、政策利好等诸多优势，规模扩张意味着这些潜在优势转为了现实优势，从而成功吸引了产业和人口集聚，这会带来更充分的专业化分工以及产业发展更低的交易成本，从而提高资源配置效率，尤其是在生产规模扩张的早期，与生产前沿的较大技术差距使得城市生产能够充分利用“技术红利”。但理论上，在城市规模不断扩张的过程中，对生产率的影响存在由边际递增效应向边际递减效应的转换，这意味着提升生产率的城市生产存在最优规模边界。超越了与城市承载能力相配套的最优边界，城市规模继续扩张容易引起拥挤、住房紧张、生产秩序混乱等“城市病”的出现，其对生产率的影响就表现为生产扩张无法带来资源配置效率提高，技术差距的缩小也会使得“技术红利”消失。模型（2）至模型（6）中分时期和分区域估计显示，城市规模的正效应呈现随时间减弱且西部影响系数高于中东部的特点，这恰好反映了我国城市生产可能已经越过提升生产率的最优水平从而进入边际递减的阶段，但对于依然存在后发优势的西部城市仍可以利用规模扩张实现生产率提升。模型（7）城市规模和时空虚拟变量的交互项虽然不限制，但系数估计值仍支持模型（2）至模型（6）的结果。

3.工业化进程变量分析

模型（1）中第二产业比较优势对全样本的影响同样显著为正，说明工业发展不仅是城市经济增长的主要引擎，也是城市GTFP 提升的重要动因。模型（2）和模型（3）的分阶段估计结果以及模型（7）显示第二产业比较优势的效应在新常态以来有所弱化，这与我国城市产业结构的演进是一致的，我国经济已经进入服务业为主导产业的阶段，未来具有第三产业比较优势的城市将走在发展前列，从发展趋势看第二产业比较优势对城市生产率的提升效应有可能逐渐被第三产业比较优势替代。而模型（4）至模型（6）的分区域估计结果以及模型（7）中工业化和区域虚拟变量的交互项显示，工业化对东、中、西的效应呈现依次递减的特点，这也与三大区域的产业发展进程相吻合，2000年后东部已经最大程度地从结构演进和工业化进程中获益，中西部从工业化进程中获得的生产率提升效应相对较小。

4.控制变量分析

就控制变量而言，教育、研发对城市GTFP 均有显著正效应。就区域差距而言，教育对东部地区的效应最大，研发对西部地区的效应最大，推断原因在于本文采用的是政府研发经费。政府研发费用主要拨给有创新意图但实力不足的高新技术企业，而真正凭借技术革新拉动生产性前沿的大企业往往实力较强，加上逆向选择、寻租活动等问题的存在，反而拿不到或不需要政府研发拨款。相比于西部，东部发达地区更多地依赖市场而非政府推进技术进步，因此，政府研发对西部地区的作用更大。

以实有城市道路面积代理的基础设施对生产率的影响系数为负。理论上，道路面积越大，反映城市交通越便捷、基础设施越完善，能够促进资源配置效率的提升并吸引人才，引发创新，但该指标一定程度上也可以反映城市发达程度，对于已经处于生产前沿的大型城市，进一步推动技术革新的边际成本更高、难度更大。同时道路面积越大也可能意味着城市的相对落后，由于土地资源丰富才导致用于道路的土地面积大。鉴于基础设施等并非本文的核心考察对象，对此不展开深入讨论。

人均收入的影响并不显著。尽管经济实力为城市创新科技进步而提升生产率提供了强有力支撑，但在经济发展达到一定阶段后城市无法单纯依赖地区生产总值的持续增长实现绿色生产率提升，促进或制约绿色生产率的因素更可能在环保、公平、协调发展等质量指标而非收入水平的高低。因此，若盲目引入高耗能的低端产业，虽然一时可以提高当地收入水平，但会对城市GTFP产生消极影响。

（三）稳健性检验

在马克思分析框架内，资本有机构成及其变化与生产方式演进具有本质性联系，就是说，资本有机构成的改变会直接、间接导致生产方式演进，而产业结构正是生产方式的具体表现。按照马克思的原意，资本有机构成是生产资料消耗和劳动力消耗的比例，本文以市辖区规模以上工业企业口径的资本有机构成指标来反映工业化进程。具体是，由市辖区规模以上工业企业的固定资产合计（万元）、流动资产合计（万元）得到生产资料消耗，其中，折旧率取5%。由在岗职工工资总额（万元）得到劳动力消耗，构建如下工业企业口径下的资本有机构成指标⑪：

表6 给出以资本有机构成指标来反映工业化进程所得估计结论，与表5基本保持一致。

表6 我国城市GTFP的增长机制回归结果（以资本有机构成反映工业化进程）

五、结论与政策建议

（一）结论

在对现有文献进行梳理的基础上，重构投入产出指标数据，采用SBM-ML 指数测算2004—2018 年我国264 个城市的GTFP 变化，在此基础上对导致现有文献核算结论不一致的四个关键原因（投入产出指标、研究样本、研究时期和研究方法）提供了有数据支撑的解释，并从规模效应和产业选择视角对城市GTFP 变化的时空异质性和增长模式展开经济解释和实证检验。主要研究结论如下：

1.我国城市经济发展质量逐步提升

纳入环境约束的城市GTFP增长在2004—2014年间呈现震荡下滑态势、2015—2018 年间呈明显攀升态势，由此反映出新常态、高质量发展新理念下我国城市经济质量的确在逐步提升。在规模效应、纯技术效率和纯技术进步三项技术分解结构下，城市GTFP 增长主要由规模效应驱动，但新常态以来我国城市在逐步进入“干中学”效应衰减阶段，由要素投入带来规模效应从而拉动生产率提升的模式难以持续，GTFP 增长模式已经进入由纯技术效率和纯技术进步驱动的转型期。

2.我国GTFP增长的空间分布表现出“东部＞西部＞中部”的特征

我国东部城市的GTFP 高增长源于丰富的创新资源带来的技术进步，其工业化已发展到较高水平，充分享受了工业发展和产业转型升级带来的生产率增长红利；西部城市的GTFP增长源于较强的规模效应，其工业化相对处于更早阶段从而环境问题还不是特别严重，新的环保技术和环境规制政策使得西部相对东中部具有后发优势。但西部城市尚未形成稳定的GTFP增长路径，区域内部的城市GTFP 离散程度较大且有恶化趋势，因此，能否真正“弯道超车”，实现高质量发展，在更大程度上取决于各自的未来发展模式；中部城市则因为正处于工业化高涨期，在地缘上与东部接壤，最先承接了更多的东部传统工业和过剩产能，其GTFP表现反而不如西部。

3.我国城市GTFP增长机制研究的实证支持

我国城市GTFP增长的机制研究进一步为GTFP增长变化的两阶段划分提供了实证支持。实证结果验证了城市规模和工业化不仅是城市GTFP提升的关键诱因，还在一定程度上促使了城市GTFP 上述时空特征的形成。除此之外，研究还发现教育资源和研发经费对城市GTFP 增长表现出越来越重要的作用。

（二）政策建议

基于本研究结论，提出以下政策建议：

1.从规模视角构建大中小城市协调发展格局

我国城市生产已经进入“干中学”效应衰减阶段，依赖规模扩张改善GTFP不可持续。当下应认清这一现象，科学确定各级城市规模，尤其要加快转变超大特大城市的GTFP增长模式。

2.实施差异化产业发展路径

当前阶段改善城市GTFP，中部和东部城市应更注重组织或制度创新以及技术变革，并将其与产业结构调整结合起来，以促进纯技术效率和纯技术进步。西部城市仍可以充分利用规模扩张带动生产率增长，在高质量发展的大环境下将绿色生产技术与工业化发展结合起来以实现“弯道超车”。

3.教育和研发作用越来越重要

教育和研发有助于人力资本积累和创新氛围的打造，在推进高质量发展中的作用越来越重要。以城市群、都市圈为依托，引导大城市的教育、研发等优质公共资源向邻近的中小城市延伸，可激发中小城市发展活力，促进大中小城市在高质量发展方面协调均衡发展。

注释：

①此类研究针对的生产率既包括单一的要素生产率，也包括综合的全要素生产率。鉴于研究出发点，本文则以绿色全要素生产率为研究对象。

②如果生产的规模收益不变，就不存在规模收益变化对资源配置效率和前沿技术进步的影响，即SEEC=SETC=1或者说EC=PEC、TC=PTC是成立的，不变规模报酬设定和可变规模报酬设定下的核算结果是一致的；反之，若存在规模收益递增或递减，技术效率和纯技术效率、技术进步和纯技术进步就不会是一致的。

③具体而言，主要基于工业“三废”数据的可得性。城市层级的工业“三废”数据自2003 年开始公布，2019 年后的“三废”数据（尤其是工业废水排放量）却仅半数可得。由于供给侧改革、污染规制强化等宏观原因，新常态以来的工业“三废”数据因没有表现出足够的规律性而难以自行插补，因此，本文选择2003年、2018年作为研究的起点和终点。

④根据《中国城市统计年鉴》公布的各城市市辖区历年地区生产总值的不变价增速自行计算。

⑤本文核算出的GTFP演进趋势与陈浩等人的观点表现出一定的一致性。陈浩等根据趋势变化进行了更细化的三阶段划分，依次为正向增长阶段（2004—2008）、负向增长阶段（2009—2015）、正向增长阶段（2016—2017年）。本文的两阶段划分则更多立足于生产率分解视角下的总规模效应贡献变化和中国经济发展方式转换视角下的经济解释。

⑥曼奎斯特指数属于环比变动指数。令2003年为基期，利用前面年份的生产率指数相乘可得到以2003 年为基期的GTFP累积增长率。相比于以SBM-ML 指数反映的生产率增长，由此计算的GTFP 累积增长率更具有反映生产率水平的意义。以东部为例，存在如下关系：东部第t年的生产率水平值=东部2003年的生产率水平值×第t年的GTFP 累积增长率。因此，在缺少各区域2003 年的生产率水平值的情况下，仍可由GTFP 累积增长率看到其生产率水平值的变化情况。

⑦鉴于研究目的，四项分解情形下得到的技术规模和规模效率并未给出，可向作者索取。

⑧需要注意到，无论何类地区，均要经过工业化诸阶段，西部地区的工业化如果不汲取东部地区早期工业化的经验教训，亦有可能在低端产业上大量布局，以图发挥本地资源禀赋优势（如劳动力、土地相对便宜），这就可能重蹈东部先污染后治理的老路。这种产业选择有其内在动因，但是，西部地区在高质量发展的大环境下亦可能绕开发达地区走过的老路而致力于绿色发展，这需要引进先进技术以实现“弯道超车”。

⑨研究过程中发现无效率项（u）在复合扰动项（v-u）中占比较小，这意味着对我们的城市样本而言，忽略随机因素并不会对绿色全要素生产率核算造成过大的偏误。

⑩值得提及的是，尽管随机前沿分析也可以进行绿色生产率核算和分解，但研究过程中我们发现随机前沿模型的合理性高度依赖无效率项u的分布函数，只有当假定无效率项u服从指数分布时，似然比检验才在统计上支持建立随机前沿模型。而数据包络分析得到的生产率分解项也更易于进行经济解读。权衡以上利弊我们仍选择以数据包络分析方法作为主要核算方法。

⑪计算过程中采用的均是剔除物价变动的实际值。具体是，将固定资产合计（万元）以省际固定资产价格指数折算为实际值（2005年为基期），流动资产合计（万元）和在岗职工工资总额（万元）以省际城市居民消费价格指数（2005年=100）折算为实际值（2005年为基期）。