中国省域电气化水平与绿色全要素生产率实证研究

摘 要：为实现经济社会绿色化、低碳化发展，探索碳中和与稳增长相协调的发展路径，选取2005—2020年中国省份面板数据为研究样本，构建SBM非期望产出模型以测算省域绿色全要素生产率，在理论分析的基础上，采用固定效应模型、调节效应模型与工具变量法实证检验电气化水平对绿色全要素生产率的影响效应与机制。研究表明，电气化水平对绿色全要素生产率具有显著且稳健的正效应，二者间的因果关系受到电价水平与电力生产结构的调节，低电价水平与高非化石能源发电占比的情境更有利于发挥电气化水平的正效应；基于此，电气化水平的“理想”区间或阈值存在区域差异性。机制分析表明，电气化水平可以通过抑制碳排放，降低能源强度，提高技术水平，进而促进绿色全要素生产率增长。

关键词：电气化水平；电价水平；电力生产结构；绿色全要素生产率

作者简介：王永清，黑龙江大学经济与工商管理学院教授、博士生导师，主要从事资源经济与可持续发展研究；陈辉，黑龙江大学经济与工商管理学院博士研究生，主要从事资源经济与可持续发展研究；朱越，黑龙江大学经济与工商管理学院讲师，主要从事绿色经济研究。

中图分类号：F062.2；F205 ""文献标识码：A ""文章编号：1001-4403（2023）06-0121-14

DOI：10.19563/j.cnki.sdzs.2023.06.012

一、引言

探索碳中和与稳增长相协调的发展路径是一项亟待研究的重要问题。重工业先行的发展战略是推动中国经济高速发展与工业化的重要驱动因素，但是，这种高能耗与高排放的发展模式对传统的化石能源需求量特别大，不可避免地加剧气候问题与生态危机，制约经济发展的持续性。①【①余泳泽、孙鹏博、宣烨：《地方政府环境目标约束是否影响了产业转型升级？》，《经济研究》2020年第8期，第57-72页。】《CO2 Emissions in 2022》显示，中国与能源相关的碳排放量约12.1亿吨，仅能源燃烧的排放量就新增了0.88亿吨，是全球最大的能源消费与碳排放国家。党的二十大报告提出，推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节。因此，深入研究经济社会发展绿色化与低碳化的实现路径这一命题，对于促进碳中和与稳增长的协调发展是具有重大现实意义的。

如何推动经济社会发展的绿色化与低碳化？研究绿色全要素生产率的长期增长问题为其提供了一个重要的解决方案，绿色全要素生产率是考虑能源消耗与环境变量的技术效率，是衡量绿色低碳程度的重要绩效指标，为学界广泛接受。①【①陈诗一：《中国的绿色工业革命：基于环境全要素生产率视角的解释（1980—2008）》，《经济研究》2010年第11期，第21-34页；李玲、陶锋：《中国制造业最优环境规制强度的选择——基于绿色全要素生产率的视角》，《中国工业经济》2012年第5期，第70-82页。】国内外学者的相关研究视角集中于绿色全要素生产率的机制检验，即探寻绿色全要素生产率持续增长的内在动因。主要成果大致可以分为四类：第一，能够提高期望产出的正向动因，如技术创新②【②佘硕、王巧、张阿城：《技术创新、产业结构与城市绿色全要素生产率——基于国家低碳城市试点的影响渠道检验》，《经济与管理研究》2020年第8期，第44-61页。】、Ramp;D投入③【③王修华、刘锦华、赵亚雄：《绿色金融改革创新试验区的成效测度》，《数量经济技术经济研究》2021年第10期，第107-127页。】、财政分权④【④夏凉、朱莲美、王晓栋：《环境规制、财政分权与绿色全要素生产率》，《统计与决策》2021年第13期，第131-135页。】。第二，能够降低非期望产出的正向动因，如环境规制⑤【⑤李斌、彭星、欧阳铭珂：《环境规制、绿色全要素生产率与中国工业发展方式转变——基于36个工业行业数据的实证研究》，《中国工业经济》2013年第4期，第56-68页。】、碳交易机制⑥【⑥胡玉凤、丁友强：《碳排放权交易机制能否兼顾企业效益与绿色效率？》，《中国人口·资源与环境》2020年第3期，第56-64页。】、能源效率⑦【⑦刘赢时、田银华、罗迎：《产业结构升级、能源效率与绿色全要素生产率》，《财经理论与实践》2018年第1期，第118-126页。】。第三，既能够提高期望产出又能够降低非期望产出的正向动因，如产业结构升级⑧【⑧丁攀、金为华、陈楠：《绿色金融发展、产业结构升级与经济可持续增长》，《南方金融》2021年第2期，第13-24页。】、产业协调集聚⑨【⑨高素英、王迪、马晓辉：《产业协同集聚对绿色全要素生产率的空间效应研究——来自京津冀城市群的经验证据》，《华东经济管理》2023年第1期，第73-83页。】、绿色金融⑩【⑩史代敏、施晓燕：《绿色金融与经济高质量发展：机理、特征与实证研究》，《统计研究》2022年第1期，第31-48页。】。第四，抑制绿色全要素生产率的负向动因，如要素价格扭曲，包括土地要素价格扭曲的抑制机制B11【B11肖泉、李金生：《土地价格扭曲影响城市绿色全要素生产率研究——基于绿色创新能力视角》，《华东经济管理》2023年第5期，第1-11页。】，资本要素与劳动要素价格扭曲的抑制机制B12【B12赵娜、李香菊、李光勤：《财政纵向失衡、要素价格扭曲与绿色全要素生产率——来自266个地级市的证据》，《财经理论与实践》2021年第5期，第91-100页。】。近年来，随着世界经济的发展，各主要经济体的电气化水平B13【B13电气化是指工农业生产和城乡居民生活中普遍地使用电力，电气化水平通常使用电力消费占终端能源消费比重表示。】普遍提升，电的清洁属性使得国内外越来越多的学者对电气化的作用产生兴趣，并取得了一些研究成果B14【B14尹自华、成金华、陈文会等：《中国低碳转型进程中碳强度与电气化水平环境库兹涅茨倒U形关联的检验与政策启示》，《中国环境管理》2021年第3期，第40-47页。】：其一，电气化水平能够降低能源强度B15【B15刘自敏、张娅：《空间视角下电能替代对能源强度的影响及其机制研究》，《首都经济贸易大学学报》2022年第2期，第57-70页。】，并提高生态环境效率B16【B16谢里、梁思美：《电能替代与生态环境效率：来自中国省级层面的经验证据》，《中南大学学报（社会科学版）》2017年第1期，第91-100页。】，因此，电气化被认为是实现碳中和目标的重要手段B17【B17Martins F，Moura P，de Almeida AT.The Role of Electrification in the Decarbonization of the Energy Sector in Portugal.Energies，2022，15（5），p.1759；舒印彪、谢典、赵良等：《碳中和目标下我国再电气化研究》，《中国工程科学》2022年第3期，第195-204页。】。其二，电气化水平反映电能占终端能源消费的比重，而能源消费也常被视为生产过程中的一项要素投入，因此，电气化水平与经济增长之间具有因果联系B18【B18赵进文、范继涛：《经济增长与能源消费内在依从关系的实证研究》，《经济研究》2007年第8期，第31-42页。】，如一次能源消费与经济增长的相关系数约为0.58、电力消费与经济增长的相关系数约为0.91B19【B19林伯强：《碳中和进程中的中国经济高质量增长》，《经济研究》2022年第1期，第56-71页。】。其三，电气化水平也被认为是生产效率提升的重要动因，如Jung等B20【B20Yonghun Jung，Seong-Hoon Lee.Electrification and productivity growth in Korean manufacturing plants.Energy Economics，2014，45，pp.333-339.】对韩国制造业的电气化水平与生产效率的研究成果部分支持了上述观点，即短期内发挥抑制作用，长期则起到促进作用；另外，也有证据表明电气化水平对生产效率的促进或抑制作用，与研究者的研究方法、时间范围和研究对象有着密切关系。①【①Nicholas Apergis，James E.Payne，A dynamic panel study of economic evelopment and the electricity consumption-growth nexus.Energy Economics，2011，33（5），pp.770-781.】

综合已有文献，尽管一些学者对电气化水平的“降污减碳”效应进行了探索，且提供了有助于节能减排的积极证据，但是这些研究均未能明确电气化水平与绿色全要素生产率的因果联系以及生效情境。实际上，在考虑了电价水平与电力生产结构的区域差异的条件下，电气化水平对绿色全要素生产率的促进作用并不是必然成立的。因此，在基准回归分析的基础上，本文进一步探索了电气化水平与电价水平、电力生产结构的交互项的调节效应，以考察电价水平、电力生产结构差异所引致的效应差异。与已有文献相比较，本文的研究贡献主要体现在以下几个方面：首先，明确了提高电气化水平在中国能否推动绿色全要素生产率的长期增长这一重大现实关切问题，不仅拓展了中国情境下提高电气化水平的政策效果研究，也为在中国能否实现经济社会的绿色低碳发展提供了具有稳健性的实现路径。其次，揭示了电气化水平的生效情境，即高电价水平会抑制电气化水平的边际效应，而高非化石能源发电量占比②【②非化石能源发电量占比是指水电、核电、风电与太阳能发电之和占总发电量的比重。】则能够促进电气化水平的边际效应，进而利用电气化水平、电价水平与电力生产结构间互为调节的关系，测算了保证绿色全要素生产率持续增长条件下，不同省份电力化水平的“理想”区间或阈值。最后，进一步考察了电气化水平对绿色全要素生产率的影响机制，为推进电气化水平的相关政策提供了理论依据。

二、理论分析

（一）电气化水平与绿色全要素生产率

相较于传统生产效率，绿色全要素生产率是考虑了能源消耗与环境变量的更为全面客观的技术效率，而电气化水平通常被认为是推动能源绿色低碳转型、实现降污减碳目标的重要途径③【③张希良、黄晓丹、张达等：《碳中和目标下的能源经济转型路径与政策研究》，《管理世界》2022年第1期，第35-66页。】；因此，二者间必然存在着密切的内在联系。这种内在联系或通过两个渠道发挥效应：其一，电气化水平能够通过改善生产方式及推动技术进步在一定程度上提高生产效率。其中，（1）生产方式，广泛的电力机械化生产代替手工劳动是提高生产效率的重要途径；（2）技术进步，电气化水平对电力设备制造行业需求的持续增长，促使单位成本和研发风险不断下降，形成更具竞争力的规模效应和技术溢出效应，以促进生产效率提升，而生产效率的提高意味着既定产出条件下降低了对要素投入的依赖，这些要素也包含能源要素投入，而能源强度降低能够促进绿色全要素生产率的提升。其二，能源质量效应。相较于传统化石能源和生物质能源，电能消费具有高效、安全、便捷的优势，这种优势进一步使得电气化水平在强度、精度和可控性等方面成为提高生产效率的日益重要的因素；换言之，既定能源消耗或投入的条件下，电气化水平更有助于降低碳排放及污染物排放，从而提高绿色全要素生产率。以煤炭的消费形式为例，同等燃煤量下每单位直燃煤排放的有害气体量是电力生产排放量的10倍④【④杜晓惠、徐峻、刘厚凤等：《重污染天气下电力行业排放对京津冀地区PM2.5的贡献》，《环境科学研究》2016年第4期，第475-482页。】，电力生产是煤炭利用最清洁的行业，因此，降低散煤或直煤燃烧，提高电气化水平有助于通过煤炭的清洁利用实现减排增效。

（二）电价水平、电力生产结构与电气化水平

根据上文的分析，我们将电气化水平视为提升绿色全要素生产率的重要手段，但是，二者间因果关系的生效情境与影响强度不太可能同质地作用于所有个体或所有时间点，其或因个体异质性或环境差异而不同①【①江艇：《因果推断经验研究中的中介效应与调节效应》，《中国工业经济》2022年第5期，第100-120页。】。因此，有必要做进一步分析，本文根据电力生产与消费的区域差异，选择电价水平与电力生产结构作为调节变量，分析其因果关系的生效情境与影响强度。

电价水平的调节效应。中国区域间电价水平具有明显差异，东中西部的平均销售电价分别为0.65、0.57、0.45元/千瓦时，区域间电价水平的差异可能在以下几个方面对电气化水平与绿色全要素生产率间的因果联系产生影响。第一，高电价水平或抑制电气化水平对绿色全要素生产率的促进效应。原因在于电价水平可视为电气化水平的一项“成本”，成本增加必然会抑制电气化水平对绿色全要素生产率的促进作用，且电气化水平越高，提高电价带来的社会总成本增加就会越多，其抑制作用就越大。第二，有证据表明提高电价水平能够促进绿色全要素生产率的增长②【②Xuemei Zheng，Chengkuan Wu，Shijun He.Impacts of China’s differential electricity pricing on the productivity of energy-intensive industries.Energy Economics，2021，94，p.105050.】。电力行业具有自然垄断属性，电力价格长期受政府监管，考虑到低电价政策对降低居民生活和企业生产成本，抑制通货膨胀和促进经济增长方面的作用③【③李虹、李晨光、王帅等：《电价水平与中国省际绿色全要素生产率关系实证研究》，《经济问题探索》2022年第3期，第68-86页。】，中国长期维持低电价政策，而电力价格过低使得企业的能源成本不能反映其能源消耗所代表的真实社会成本，负的外部性加深了“污染避难所”效应，如中国高耗能企业用电占比超过50%④【④林伯强、谭睿鹏：《中国经济集聚与绿色经济效率》，《经济研究》2019年第2期，第119-132页。】；因此，提高电价水平能够纠正扭曲的能源价格，缓解“污染避难所”效应，从而促进绿色全要素生产率的增长。第三，“电价水平×电气化水平”构成的交互项具有替代性。低电气化水平情境下，提高电价水平有利于抑制“污染避难所”效应，此时，电气化水平的社会总成本较低，高电价水平有利于绿色全要素生产率的增长；高电气化水平情境下，电气化水平的乘数效应使得提高电价水平带来的社会总成本巨大，超过了抑制“污染避难所”效应所带来的好处，因此，保持低电价水平更有利于促进绿色全要素生产率的增长。

电力生产结构的调节效应。中国区域间电力生产结构的差异也较为明显，东中西部的非化石能源发电量占总发电量的比重分别为：12.75%、20.57%和39.15%，区域间电力生产结构的差异可能在以下几个方面对电气化水平与绿色全要素生产率间的因果联系产生影响：第一，非化石能源发电具有清洁属性，“非化石能源发电占比×电气化水平”能够倍数地提升减污降碳的作用，进而促进绿色全要素生产率提升。第二，非化石能源发电的成本显著高于火力发电，如2020年煤电基准价为（0.259 5，0.453 0），风电指导价为（0.29，0.47），集中式光伏指导价为（0.35，0.49），非化石能源发电占比增长不可避免地提高电价水平，而能源作为重要的投入要素，成本增加会降低企业利润、挤出私人部门投资，进而不利于绿色全要素生产率的长期增长。第三，非化石能源发电还面临着消纳、稳定性以及储电技术等现实问题，或危机供能安全。因此，非化石能源发电对电气化水平与绿色全要素生产率间因果强度的影响兼具“绿色效应”与“成本效应”。

综合上述理论分析，本文认为提高电气化水平能够促进绿色全要素生产率的增长，且电价水平与电力生产结构具有调节作用，即电气化水平对绿色全要素生产率的因果效应在不同电价水平或电力生产结构的区域间存在异质性。

三、研究设计

（一）实证设计

在理论分析的基础上，为了进一步识别电气化水平对绿色全要素生产率的因果效应并提供实证检验，本文构建双向固定效应模型，其基准回归方程设定如下：

GTFPit=β0+β1Eleit+∑nk=2βkZit+μi+λt+εit（1）

其中，i和t分别代表省份和年份，GTFPit表示省份i第t年份的绿色全要素生产率，Eleit表示省份i第t年份的电气化水平，β1是基准回归的关注重点；此外，Zit表示控制变量，μi和λt分别表示个体固定效应和时间固定效应，εit表示随机误差项。

进一步分析，为验证电价水平、电力生产结构异质性或差异条件下，电气化水平对绿色全要素生产率的作用强度或影响效应，本文引入调节变量，以构建调节效应模型，其回归方程设定如下：

GTFPit=β0+β1Eleit+β2EPriceit+β3Eleit×EPriceit+∑nk=4βkZit+μi+λt+εit（2）

GTFPit=β0+β1Eleit+β2NEStruit+β3Eleit×NEStruit+∑nk=4βkZit+μi+λt+εit（3）

GTFPit=β0+β1Eleit+β2EPriceit+β3NEStruit+β4Eleit×EPriceit+β5Eleit×NEStruit+β6EPriceit×NEStrucit+β7Eleit×EPriceit×NEStrucit+∑nk=8βkZit+μi+λt+εit（4）

其中，EPriceit表示省份i第t年份的电价水平，NEStruit表示省份i第t年份的电力生产结构，即非化石能源发电量占总发电量的比重，β3、β7是调节效应回归的关注重点。

本文的前两步实证分析表明电价水平、电力生产结构作为调节变量，能够对电气化水平与绿色全要素生产率间的因果联系产生影响，而这种调节效应为进一步分析电气化水平的“理想”区间或阈值提供了解决思路。根据弹性理论，我们将能够保持绿色全要素生产率持续增长的电气化水平的范围或区间定义为“理想”区间，并构建弹性函数如下：

（二）变量选取与设定

1.被解释变量：绿色全要素生产率GTFPit

生产过程不仅仅提供产品（期望产出），还会难以避免地产生一些副产品（非期望产出），如污染、废弃物等；那么如何评价包含副产品的生产效率问题？综合现有文献，SBM非期望产出模型是应用范围最广泛的一种方法，在测算绿色全要素生产效率的模型中，将能源和环境变量作为新增的投入要素和非期望产出指标纳入传统模型之中来衡量绿色发展，从而实现对生产效率更加全面的评价。①【①Hong Li，Kuangnan Fang，Wei Yang，et al.Regional environmental efficiency evaluation in China：Analysis based on the Super-SBM model with undesirable outputs.Mathematical and Computer Modelling，2013，58（5-6），pp.1018-1031；赫永达、王俏茹、刘达禹：《中国绿色生产效率测度及时空演变特征研究——基于非期望投入改进的SBM》，《数理统计与管理》2023年8月25日，第1-18页。】据政府间气候变化专门委员会（IPCC）报告：二氧化碳是迄今为止气候变化的最重要原因（2021），因此，基于以减碳手段应对气候变化的国际共识，选取碳排放作为环境变量来衡量非期望产出（基准），将绿色全要素生产率视为碳减排和应对气候变化的重要绩效指标。

2.核心解释变量：电气化水平Eleit

根据《中国电气化水平年度发展报告2022》发布的电气化水平评价标准3，选取电力消费占终端能源消费的比重作为电气化水平的代理变量。同时，基于构建电气化水平指标所需数据的可得性和可靠性，选取各省人均用电量和各省单位GDP电耗作为潜在的代理变量进行稳健性检验。

3.调节变量：电价水平EPriceit

选用各省平均销售电价作为电价水平的代理变量；电力生产结构NEStrucit，选用非化石能源发电量占总发电量的比重表示；不同省份的平均销售电价与电力生产结构本身相对比较稳定，其变动具有外生性，因此本文不再讨论调节变量的内生性问题。

4.其他控制变量

为了缓解因遗漏变量等造成的内生性问题，根据现有文献和数据测试，本文对可能影响绿色全要素生产率的诸相关变量进行控制。包括：①经济发展水平ENit，选用各省人均实际GDP表示；②环境规制ERit，选用各省工业污染治理投资完成额与地区生产总值之比表示；③开放水平OPENit，选用进出口总额与地区生产总值之比表示；④研发投入RDit，选用RD经费与地区生产总值之比表示；⑤资本深化PERCAPIit，选用地区人均实际资本存量表示；⑥城镇化CITIit，选用城市化水平表示；⑦产业结构ISTRUit，选用第二产业增加值在国民经济总量的占比来表示。上述设定并不能完全排除内生性问题，因此下文还将通过工具变量法进一步验证本文的结论。

（三）数据来源与特征

本文选取2005—2020年中国30个省（区、市）的面板数据作为实证检验的样本，基于数据的完整性和可得性，样本未包含西藏和港澳台地区。数据均来源于历年《中国统计年鉴》《中国人口和就业统计年鉴》《中国能源统计年鉴》《中国电力统计年鉴》《电力监管年度报告》、各省（区、市）统计年鉴以及中国碳核算数据库等。

四、实证结果

（一）绿色全要素生产率测算结果

测算结果。如图（1-a）所示，从整体来看，按年份平均计算的绿色全要素生产率呈现上升趋势，2005—2020年，效率值由0.347上升到0.567，年均增长率约为1.5%；从区域来看，2020年东、中、西部分区域的效率值分别为0.718、0.464和0.491，东部与中西部的区域间差异较为明显。

收敛性检验。不存在α收敛，即无论是整体还是各区域内的绿色全要素生产率的差距并未缩小，如图（1-b）所示，整体和各区域内的变异系数未呈现明显的时间趋势，表明整体或各区域内的绿色全要素生产率依旧存在差距，且在样本考察期间未减小。存在绝对β收敛，即省域绿色全要素生产率增速与其初始值呈现显著负相关关系，根据回归等式（10）的计算结果①【①于善波、张军涛：《长江经济带省域绿色全要素生产率测算与收敛性分析》，《改革》2021年第4期，第68-77页。】，参数β的估计值为-0.072（P-value=0.012），表明绿色全要素生产率存在“追赶效应”，最终将趋于相同的稳态水平。

（lnGTFPi，t-lnGTFPi，0）/n=α+βlnGTFPi，0+ε（10）

稳健性检验。考察不同模型设定情形下的绿色全要素生产率的测算结果：其一，基于不可分离变量的模型设定，即考虑非期望产出与期望产出往往相伴而生，具有“不可分性”，因此，选用Nonseperable-SBM模型测算效率值；其二，基于超效率的模型设定，即考虑普通SBM模型测算的效率值具有截尾数据的特征，因此，选用超效率的非期望产出SBM模型测算效率值；其三，替代非期望产出，即将污染物排放作为非期望产出的代理变量测算效率值。如图（1-d）所示，各效率值呈现出相似的数值特征与时间趋势，为确保研究结果的稳健性，文本将根据不同模型的测算结果作为因变量的代理变量，在稳健性检验部分做进一步讨论。

（二）基准回归结果

表3基准回归结果显示，电气化水平的估计系数为正，各回归方程的估计结果均通过了1%的显著性检验，其他控制变量的估计结果也与预期基本一致；基准回归结果表明，电气化水平对绿色全要素生产率具有显著的正效应。

（三）稳健性检验

为了考察估计结果的稳健性，本文从变量选取和估计方法方面检验回归结果。其一，替换因变量的代理变量，即使用Nonseperable-SBM模型、超效率SBM模型以及以污染物排放作为非期望产出的Undesirable-SBM模型分别测算的效率值进行回归分析，第（1）—（3）列所示为替换因变量的估计结果，再考虑了“不可分性”和截尾数据等问题后，电气化水平依旧具有显著的正效应。其二，替换核心解释变量的代理变量，选取人均用电量Ele1it和单位GDP电耗Ele2it作为代理变量进行稳健性检验，其结果如第（4）—（5）列所示，与基准回归结果基本一致。其三，考察电气化水平与绿色全要素生产率间增速的因果联系，其结果如第（6）—（8）列所示。其四，替换估计方法，考虑到绿色全要素生产率可能存在“路径依赖”，因此在回归方程中引入因变量的一阶滞后项，构建动态面板数据模型，使用差分GMM法对模型进行估计，其结果如第（9）列所示，电气化水平的参数依旧显著为正。

（四）内生性问题

为了进一步排除内生性导致的模型估计结果“有偏”的问题，本文采用工具变量法进一步验证结论的稳健性。本文从自然地理的角度出发选用省域煤炭储量和省域地表水资源量作为工具变量。在相关性上，煤炭储量更丰富的省份，其煤炭直接在工农业生产和居民生活中的应用往往更广泛，因此，煤炭储量与电气化水平存在负的相关性；水能资源量丰富的省份，通常更具水力发电的优势，其电气化水平往往较高，但是省域水能资源量缺少可靠的统计数据，因此，使用地表水资源量作为水能资源量的代理变量。在外生性上，煤炭储量与地表水资源量取决于当地的自然地理条件，不会受到省域绿色全要素生产率的影响，因而满足工具变量的外生性。工具变量回归结果如表5所示，工具变量回归通过了不可识别检验、弱工具变量检验和过度识别检验，其回归结果显示电气化水平对绿色全要素生产率的估计系数显著为正，再次证明其结果的稳健性。

五、进一步分析

（一）调节效应分析

根据上文的分析结果，我们明确了电气化水平与绿色全要素生产率间的因果联系，然而一种因果关系不太可能同质地作用于所有个体和所有时点，因此，有必要考察其因果关系的强度是如何随着样本特征和现实条件的不同而产生差异的。表6的第（1）—（4）列的估计结果可知，“电气化水平×电价水平×电力生产结构”通过了5%的显著性检验，表明电价水平与电力生产结构具有调节效应，也就是说，电气化水平对绿色全要素生产率的因果影响受到电价水平与电力生产结构的调节：其一，电气化水平对绿色全要素生产率的正向影响随着电价水平的提高而减弱；其二，电气化水平对绿色全要素生产率的正向影响随着电力生产结构中非化石能源发电占比的提高而增强；其三，相较于电力生产结构，电价水平具有更强的调节效应，边际效应的计算结果如表7所示，低电价水平与高非化石能源发电占比的情境下，电气化水平提高更有利于绿色全要素生产率的长期增长。

（二）电气化水平的“理想”区间

调节效应的回归结果表明，电气化水平对绿色全要素生产率的因果效应受到电价水平与电力生产结构的调节。在样本范围内，电气化水平的边际效应始终为正，即提高电气化水平有利于绿色全要素生产率的增长。但是，根据弹性函数（5）—（6）式和边际效应函数（7）—（9）式，电气化水平也会影响电价水平和电力生产结构的边际效应，进而对绿色全要素生产率产生间接影响，也就是说，电气化水平、电价水平与电力生产结构间互为调节，因此，在既定电价水平与电力生产结构的情况下，可以计算出保持弹性函数大于零时，即保持绿色全要素生产率持续增长条件下电气化水平的取值范围或区间。计算结果如表8第（3）列所示，当电气化水平小于“阈值”时，弹性函数值保持大于零，因此，“理想”的电气化水平应保持在此临界值内。第（4）列所示为电气化水平的潜在提升空间，其中，东部省份的电价水平相对较高且非化石能源发电占比较低，电气化水平的边际效应较低，电气化水平的实际值已接近保持绿色全要素生产率增长的电气化水平的阈值，潜在上升空间较小，如浙江0.05、广东0.08；中部省份的电价水平较高且非化石能源发电占比居中，电气化水平的边际效应较低，但是中部省份的电气化水平普遍偏低，因此，其电气化水平仍具有较大上升空间，如内蒙古0.42、山西0.4；西部省份的电价水平较低且非化石能源发电占比较高，电气化水平的边际效应较大且上升空间较大，最适宜通过提高电气化水平促进绿色全要素生产率的长期增长。

此外，进一步分解弹性函数发现，如图2所示，电气化水平的弹性系数相对稳定，而电价水平的弹性系数呈现下降趋势，2016年后，电气化水平的弹性系数超过了电价水平的弹性系数，成为更具影响力的变量；因此，保持低电价水平与加快电气化水平提升有利于绿色全要素生产率的长期增长。

（三）机制检验

为进一步验证电气化水平对绿色全要素生产率的影响机制，本部分尝试寻找可能的传导机制，依据SBM模型的技术特点，本文选择期望产出、非期望产出、投入要素与技术水平四个机制进行验证。表9显示机制检验的回归结果，第（1）列所示实际GDP（期望产出）的回归结果，回归结果表明电气化水平对其具有显著的负向影响；第（2）和（3）列所示碳排放CE与污染指数Score（非期望产出）的回归结果，其结果表明电气化水平对碳排放具有显著的负向影响，可以起到减碳作用，但是电气化水平并没有明显的降污效果；第（4）和（5）列所示能源强度EI与资本深化PERCAP（投入要素）的回归结果，其结果表明电气化水平对降低能源强度具有显著影响，而对资本深化的影响不显著；第（6）与（7）列所示技术进步Patent与技术要素市场化水平TMT的回归结果，其结果表明电气化水平对技术水平具有显著的正向作用。

六、结论与政策性建议

本文基于2005—2020年省域面板数据和SBM模型测算了30个省（区、市）的绿色全要素生产率，根据测算与稳健性检验结果，在样本区间内，中国省域的绿色全要素生产率整体呈现上升趋势且区域间差异性明显，不存在α收敛性，即区域间的差距无减少迹象；但是存在绝对β收敛，即“追赶效应”。在此基础上，本文运用固定效应模型、调节效应模型与工具变量法相结合展开相关实证分析。研究结果表明：首先，电气化水平显著地推动了绿色全要素生产率的提升，并在考虑了不同被解释变量构建方法、不同解释变量的代理变量选择、内生性问题、遗漏变量问题以及宏观控制变量选择等一系列稳健性检验后，本文的结论依然具有稳健性。其次，调节效应分析发现，电价水平与电力生产结构具有调节作用，低电价水平与高非化石能源发电占比的情境下，电气化水平对绿色全要素生产率具有更高的促进作用。再次，根据电气化水平、电价水平与电力生产结构间互为调节的关系，测算了不同省份电气化水平的“理想”区间；其中，东部省份的电气化水平较高，且高电价水平与低非化石能源发电占比具有较强的抑制作用，电气化水平的上升空间较小；中部省份的电价水平相对较高且非化石能源发电占比居中，但其电气化水平较低，仍具有较大的上升空间；西部省份具有低电价水平与高非化石能源发电占比的优势，最适宜提升电气化水平，以促进绿色全要素生产率的长期增长。最后，机制分析发现，电气化水平在促进技术进步、降低能源强度方面发挥正向作用，但其抑制非期望产出的效应存在差异，相较于“降污”作用，其“减碳”作用更显著。

基于理论与实证研究的结论，本文的政策启示有如下三点：（1）结合区域电价水平与电力生产结构，有选择地推进重点领域的电气化水平。在低电价水平且高非化石能源发电占比的区域，加速推进工业生产制造、建筑供能与生活消费、交通运输等领域终端能源消费中的电能占比，以促进绿色全要素生产率的快速增长；而在高电价水平或低非化石能源发电占比的区域，应适当放缓推进电气化水平。（2）虽然提高电价水平有利于抑制“污染避难所”效应，进而促进绿色全要素生产率的增长，但是电气化水平的弹性系数大于电价水平的弹性系数，且大部分省份的电气化水平尚具有较大的上升空间，因此，保持低电价政策更有利绿色全要素生产率的长期增长。（3）非化石能源发电兼具“绿色效应”与“成本效应”，在电价水平一定的情况下，提高非化石能源发电占比能够提高电气化水平对绿色全要素生产率的促进作用，但是，非化石能源发电往往伴随着更高的成本，进而通过提高电价水平抑制电气化水平的边际效应；因此，适度推进非化石能源发电占比更有利于绿色全要素生产率的长期增长。

[责任编辑：李思舒]

An Empirical Study on Electrification Rate and Total Green Factor Productivity in Chinese Provinces：Regulatory Effects of Electricity Price and Electricity Production Structure

WANG Yong-qing Chen Hui Zhu Yue

（College of Economics and Business Administration，Heilongjiang University，Harbin Heilongjiang 150080，China）

Abstract：In order to realize green and low-carbon economic and social development and explore the development path coordinated with carbon neutrality and stable growth，this paper constructs the SBM non-expected output model to measure the green total factor productivity in Chinese provinces from 2005 to 2020，and empirically examines the impact of electrification level on the green total factor productivity by using the fixed effect model，moderating effect model and instrumental variable method based on the theoretical analysis.The study shows that the electrification level has a significant and robust positive effect on green total factor productivity，and the causal relationship between the two is moderated by the electricity price level and the electricity generation structure，and a low electricity price level and a high proportion of non-fossil energy power generation are more conducive to exerting the positive effect of the electrification level，based on which，there are regional variations in the “ideal” range or threshold of the electrification level.As a result，there is regional variability in the “ideal” range or threshold of electrification levels.Mechanistic analysis suggests that the electrification level can contribute to green total factor productivity growth by limiting carbon emissions，reducing energy intensity，and improving technology.

Key words：electrification rate;electricity price;electricity production structure;green total factor productivity