环保目标责任制能否提升绿色生产率：一个经验验证

张彩云 孙坤鑫

摘    要：在生态环境承载力有限性背景下，如何实现并维持绿色发展方式是现下要攻克的重大现实问题，而绿色发展方式的形成需要从绿色生产率的提升上加以破题。从落实环保目标责任出发，可考察环保指标纳入考核评价指标体系能否激励地方政府提升绿色生产率。首先，运用SBI方法和Luenberger生产率指数，对中国105个重点城市2006—2015年间的绿色生产率进行测度和分解；其次，将“十二五”规划和国家环境保护“十二五”规划锚定为表征环保目标责任制的政策，并采用双重差分法分析该政策对绿色生产率的影响，结果发现，环保目标责任制并未显著提升绿色生产率；最后，探究了上述研究结果的内在机理。从结构层面看，产业结构调整速度较慢影响了绿色生产率的提升；从“波特假说”角度看，“创新补偿”效应短期内尚未见效，但是创新投入得到了提升，导致绿色技术效率及其规模上升速度较慢。研究观点及机理探源将对绿色发展方式的形成提供参考和借鉴。

关键词：环保目标责任制；绿色生产率；SBI；创新补偿

中图分类号：F205 文章标志码：A 文章编号：1006-6152（2023）02-0005-12

DOI：10.16388/j.cnki.cn42-1843/c.2023.02.001

一、问题提出

自改革开放以来，中国实现了近四十年的高速增长，这一现象在世界经济史上也实属罕见［1］，与高速增长相伴的是，粗放式的生产所造成的大面积污染问题［2］。如何通过转变经济发展方式来实现居民的经济福祉和环境福利的“双赢”，是重要的现实问题。绿色生产率的提升是促进经济发展方式转变，从而保障经济发展和环境保护兼得的一条重要路径。通过自上而下的环保压力敦促地方政府将发展思路转变到提升绿色生产率上来，可作为中国转变经济发展方式的一项实践方略。在这一现实背景下，本研究在测度绿色生产率的基础上，采用自然实验法探索环保目标责任制对绿色生产率的影响及其内在机理，以期从政策目标层面推动形成绿色发展方式有所启发。

绿色生产率是在降低污染排放前提下，实现经济效益最大化。环保目标责任制从顶层设计上对地方提出了发展要求，即为环境保护设定最低“门槛”，并将之在考核评价指标体系中赋予一票否决的地位，将环境保护列为经济增长的一个重要约束条件。该项决策会敦促地方政府在保证经济增长速度和环境质量达标的前提下，谋求要素投入的最小化和经济产出的最大化，最终体现为提高绿色生产率。就学术研究而言，关于环保目标责任制在绿色生产率提升中的实践效果的研究相对零散。比较接近的研究主要集中在环境保护的决定因素分析。一是由经济发展方式转变的诉求决定。如王燕梅（2011）认为目标的多元化是转变发展方式的重要体现［3］，厉以宁等（2017）考虑到低碳发展的成败与效果将决定人类未来的生存与福利状况，认为应将低碳发展纳入宏观经济目标［4］。二是由社会稳定的诉求决定。范如国（2014）指出，把社会治理的综合目标简化为富民惠民的单一指标（如GDP）容易引发社会矛盾［5］，陈进华（2019）则认为现代化治理体系的覆盖范围不应是单一或片面的，我国的国家治理逻辑已经从以追求发展经济为价值目标向追求高质量发展为价值目标转变［6］。然而，与现实需要不太相符的是，关于环保目标责任制实践效果的研究相对匮乏，余泳泽等（2020）研究了政府工作报告增加环境约束目标对地方经济高质量发展情况的影响［7］，Chen等（2018）实证发现，多目标的绩效评估体系可以激励地方政府以缓慢的经济增长为代价实施环境监管政策［8］。

关于绿色生产率的研究则主要集中于两类，第一类研究集中在綠色生产率的测度和分解。近年来，多数学者采用基于松弛的方向性距离函数，采用SBM方法（slacks-based measure）测度环境效率，在此基础上，将绿色生产率分解为技术变化和效率变化或者纯效率变化、纯技术进步、规模效率变化和技术规模变化［9-15］。第二类文献主要研究绿色生产率的影响因素，包括经济增长、经济集聚、产业结构、能源结构、FDI等角度［16-20］，第三类文献主要研究环境规制对绿色生产率的影响［21-24］。

总结上述文献发现，从制度因素出发分析绿色生产率的研究比较少。从制度因素出发，环保目标责任制对绿色生产率的影响机制在于，首先在宏观层面设定了环保指标，并将这类指标分解至各个地区。其次，传递到结构层面，一是要求生产要素组合的改变，降低污染要素的使用比例；二是要求产业结构的变化，提高第三产业比重、降低第二产业比重。这两点均降低了“坏的”产出，提高绿色生产率。最后，传递到微观层面，一是提高了污染治理投入，这就是“遵循成本”效应，这一效应会降低绿色生产率；二是刺激企业研发创新、提高技术水平，力求在既定投入下提高产出，这就是“创新补偿”效应，这一效应会提升绿色生产率。这一系列工作构成了本文的主要创新点：从制度因素出发考察环保目标责任制对结构性因素以及成本和技术因素的影响，使得绿色生产率影响因素的研究更为深入和全面。

二、绿色生产率的测度方法

随着资源环境对经济发展的约束愈发明显，学界在传统的效率测度方法基础上加入资源环境要素以考察环境效率，其思想内涵是，将经济效益、生态效益和社会效益的可持续性纳入统一核算框架，其核心是少投入、少排放、多产出［25］，在不对生态环境构成威胁的前提下经济产出最大化［23］。而绿色生产率则测度环境效率的变化，从时间上反映环境效率是否得以改善。从理论上讲，环保目标责任制下的绿色生产率核算可从四个角度考虑：第一，既定经济目标下的污染最小化；第二，既定环境目标下的经济产出最大化；第三，经济目标与环境目标都确定的情况下，投入最小化；第四，以既定经济目标和环境目标为门槛，实现投入最小化和产出最大化。一般而言，从中央到地方会在每年的政府工作报告中制定一系列预期目标，对经济增长、要素投入、能源消耗、污染排放等指标制定目标任务，这更符合第四个角度的特征，因而本文关于绿色生产率的核算主要借鉴第四个角度。

具體到核算思想，Debreu（1951）以帕累托最优状态为标准对经济系统中的损失进行了测度，进而对资源利用效率和经济效益有所估算［26］。遵循这一思想，不少学者展开了经济效率的核算，其思路是，在投入一定的情况下，测度实际产出与生产技术前沿上的产出之间的距离［27-30］。

模型的选择标准包括两个方面，生产可能性集（投入、产出的组合）和方向性距离函数。关于生产可能性集，传统的生产函数中只考虑经济因素，而现实生产过程中不可忽视的问题是，伴随经济产出的还有污染物排放等“坏的”产出，前者称为“合意产出”，后者称为“非合意产出”。有的学者从生产可能性集出发，构建了多投入—多产出的生产率核算体系［31-32］，但未考虑环境因素。在此基础上，Pittman等（1983）建立了影子价格（减排成本），从而将“非合意”产出顺利引入生产率，得到了环境生产率［33］。

关于方向性距离函数，据本研究梳理发现，Shephard（1953）首先将它应用于投入—产出问题，他关注的核心问题是，在成本函数和生产函数中，产出以什么样的方向进行调整以达到生产前沿，此后这一函数开始广泛运用［34］。Luenberger（1992）解决了方向性距离函数中成本函数和收益函数的对偶问题［35］，F?re和Lovell（1978）从投入角度解决了松弛问题［36］，Luenberger （1995）从产出角度来解决松弛问题［37］，而Charnes等（1978）则从产出和投入两个角度考虑了方向性距离函数的松弛问题［38］。随后，Tone（2001）采用SBM方法（slacks-based measure）解决了不同单元投入和产出的松弛问题，使方向性距离函数“径向（radial）”和“角度（oriented）”问题得以解决［39］。进一步，Fukuyama和Weber（2009）、F?re和Grosskopf（2010）在Tone研究的基础上，对不同方向性距离函数测度方法进行了比较、换算，提出了基于松弛的方向性距离函数，在此基础上，生产效率的测度方法称为SBI（Slacks-based Inefficiency）［9-10］。

绿色生产率的测度指数多采用Luenberger指数。F?re等 （1994）借鉴了Caves和Diewert（1982）［32］的核算方法，运用基于松弛的方向性距离函数及Malmquist生产率指数①将生产率分解为效率变化和技术变化［40］，Grifell-Tatjé和Lovell（1998）也是采用了这一指数核算生产率［41］。在此基础上，Chung和F?re（1995）则将“非合意”产出纳入Malmquist生产率指数，提出了Malmquist-Luenberger生产率指数，并将其分解为效率变化和技术变化两项［11］，Hailu和Veeman（2000）采用这一指数测算了加拿大造纸业1959—1994年的绿色生产率［42］。然而，无论是Malmquist生产率指数还是Malmquist-Luenberger生产率指数，皆存在的一个重要问题是，它们基于的方向性距离函数是产出角度，而且要求产出同比例变化，这意味着方向性距离函数的“径向”和“角度”问题无法解决。Chambers等（1996）采用的Luenberger生产率指数解决了“径向”和“角度”问题［12-13］。

通过以上分析，本文选择SBI测度方法和Luenberger生产率指数来测算绿色生产率。

生产可能性集为：

[P（X）=x，y，b：xm≥k=1Kzkxkm，?m; yn≤k=1Kzkykn，?n;]

[bl=k=1Kzkbkl，?l;k=1Kzk=1，zk≥0，?k]

其中，x为投入变量（x=1，2，…M），y为“合意”产出指标（y=1，2，…N），b为“非合意”产出指标（b=1，2，…L），zk表示每一个城市观察值的加权值（k=1，2，…K），而[k=1Kzk=1]表示生产技术为可变规模报酬VRS。

通过松弛的方向性距离函数核算的绿色效率为：

[StC（xto，yto，bto，gx，gy，gb）=]

[maxsx，sy，sb12Mm=1Msxmgxm+12N+Ln=1Nsyngyn+l=1Lsblgbl]

[s.t.k=1Kztkxtkm+sxm=xtom，?m;k=1Kztkytkn-syn=yton，?n;]

[k=1Kztkbtkl+sbl=btol，?l]；[ztk≥0，?k;sxm≥0，?m]；[syn≥0，?n]；

[sbl≥0，?l]；

其中，[（xto，yto，bto）]代表城市o的投入产出组合；方向向量[g=（gx，gy，gb）]表示投入缩减、“合意”产出增长和“非合意”产出减少的方向；而松弛向量[s=（sxm，syn，sbl）]代表了要素投入过多、“合意”产出过少和“非合意”产出过多的量。

Luenberger生产率指数为：

[LTFPt+1t=12StC（xt，yt，bt;g）-StC（xt+1，yt+1，bt+1;g）]

[+St+1C（xt，yt，bt;g）-St+1C（xt+1，yt+1，bt+1;g）]

Luenberger生产率指数可以分解为四个分指标：纯效率变化（LPEC）、纯技术进步（LPTP）、规模效率变化（LSEC）和技术规模变化（LTPSC）。其中，LPEC和LSEC可合为效率变化，LPTP和LTPSC合为技术变化。相应公式为：

[LPECt+1t=StV（xt，yt，bt;g）-St+1V（xt+1，yt+1，][bt+1;g）]

[LPTPt+1t=12{[St+1V（xt，yt，bt;g）-StV（xt，yt，bt;][g）]+[St+1V（xt+1，yt+1，bt+1;g）-StV（xt+1，yt+1，bt+1;][g）]}]

[LSECt+1t=[StC（xt，yt，bt;g）-StV（xt，yt，bt;g）]-][[St+1C（xt+1，yt+1，bt+1;g）-St+1V（xt+1，yt+1，bt+1;g）]]

[LTPSCt+1t=12{[St+1C（xt，yt，bt;g）-St+1V（xt，yt，][bt;g）-StC（xt，yt，bt;g）-StV（xt，yt，bt;g）]+[St+1C][（xt+1， yt+1， bt+1;g）-St+1V（xt+1， yt+1， bt+1;g）-][StV（xt+1，yt+1，bt+1;g）]}]

LTFP=LPEC+LSEC+LPTP+LTPSC=EC+PC

三、实证研究设计

本部分首先要找到能够表征环保目标责任制的事件，在此基础上运用自然实验法解决计量回归的内生性问题；其次，选择与主题相关的被解释变量、解释变量以及数据；最后，择取合适的计量模型。

（一）政策事件选取和处理组选择

中国的环境治理体制具有“自上而下”的特征，而环保目标的完成与自上而下的考核评价指标体系息息相关。为此，本文梳理了2006年以来与考核评价标准相关的政策事件，从《中华人民共和国国民经济和社会发展第十一个五年规划纲要》（简称“十一五”规划）到《中华人民共和国国民经济和社会发展第十二个五年规划纲要》（简称“十二五”规划）、《国家环境保护“十二五”规划》再到《十三五规划纲要》等一系列计划规划和考核办法中选择了与环保目标责任制相关的表达，梳理出形成的关键节点。

2006年，“十一五”规划将主要污染物减排作为约束性指标纳入治理目标体系，并将之作为各地区领导干部的政绩考核指标之一。此后，国务院关于落实《中华人民共和国国民经济和社会发展第十一个五年规划纲要》主要目标和任务工作分工的通知（2006）、国家环境保护“十一五”规划（2007）、2008年国务院政府工作报告、国务院关于进一步加大工作力度确保实现“十一五”节能减排目标的通知（2010）等一系列政策文件的出台，逐步规范节能减排目标责任制。值得注意的是，2011年國家相继制定了三项重要规划，将环境保护目标纳入地方各级人民政府绩效考核，并实施一票否决制。《国务院关于加强环境保护重点工作的意见》首次提出，要“制定生态文明建设的目标指标体系，纳入地方各级人民政府绩效考核……实行环境保护一票否决制。对未完成目标任务考核的地方实施区域限批……并追究有关领导责任”；2011年出台的“十二五”规划进一步指出，要“严格落实环境保护目标责任制，强化总量控制指标考核，健全重大环境事件和污染事故责任追究制度”；同年颁布的国家环境保护“十二五”规划中进一步强调落实环保目标责任制、加强组织领导和评估考核。从环保目标责任制逐步形成并落实的历程中可以看出，“十二五”规划和国家环境保护“十二五”规划是关键节点，通过“强约束”为其他目标的发展设定了底线，并在地方政府考核评价指标体系中具有一票否决地位，故而本文选择2011年作为环保目标责任制形成的节点。

政策设计的处理组如何选择是自然实验法运用的一个关键问题。考虑到二氧化硫一直是造成中国环境污染的主要因素，中央政府在环境治理目标上也极为重视二氧化硫排放，并于1998年提出了在二氧化硫排放或酸雨最高的地区设立控制区的决策部署。此后，以二氧化硫总量为控制目标的减排责任书被层层下达至地方政府及各个污染点源。可见，在环境保护的诸多目标指标中，对二氧化硫减排责任的推进历时较为持久，且相对更规范，因此本文选择对二氧化硫排放管控较为严格的地区为处理组，二氧化硫排放管控相对宽松的地区为对照组，有利于识别环保目标责任制的影响。亦即，“两控区”涉及的城市为处理组，非“两控区”城市为对照组是相对准确的。

（二）指标和数据

本文整理了中国105个重点城市2006—2015年间的相关经济和环境数据，数据主要来源于《中国城市统计年鉴》《中国环境统计年鉴》《中国环境年鉴》以及哥伦比亚大学发布的世界PM2.5密度图。考虑到从2016年开始，主体功能区建立、考核评价指标体系的变化等现实因素对环保目标责任制的作用有较大干扰，且这种干扰很难从技术上剔除，因而我们选择了2006—2015年的数据样本验证本文主题。计算绿色生产率选取的投入指标为：劳动力（用年末总人口表征）、资本（用城市固定资产投资额表征）、土地（用行政区域面积表征）、能源（用燃料煤消耗量表征）和技术（用科研从业人员数表征）；期望产出指标为年末GDP和环境质量（用建成区绿化覆盖率表征）；非期望产出包括工业废水排放量、工业二氧化硫排放量、工业氮氧化物排放量、工业固体废物产生量、生活污水量以及PM2.5浓度。

除绿色生产率核算所用指标外，回归方程中的控制变量包括：人均GDP、产业结构、人口密度、FDI占比、每万人拥有公共交通车辆、建成区排水管道密度、城市市政公用设施建设固定资产投资占比、城市市政公用设施建设维护管理财政性资金支出占比、废水治理设施运行费用占GDP比重、废气治理设施运行费用占GDP比重。

（三）模型选择

自然实验法实现政策评估需要运用双重差分法。本文通过比较“十一五”规划前后，处理组和对照组绿色生产率的变化来分析环保目标责任制对绿色生产率的影响。考虑到一些无法量化的城市特征、年份特征的影响，借鉴Cai等（2016）的研究［43］，具体模型设定如下：

[LTFPit=αi+αt+γtreati×postt+βZit+εit] （1）

本文主要考察的是系数γ，即平均处理效应；LTFPit为i城市在t时期的绿色生产率；treati=1代表属于“两控区”的城市，为处理组，treati=0代表不属于“两控区”，是对照组；postt为时间虚拟变量，环保目标责任制实施年份及之后年份为1，环保目标责任制未涉及的年份为0。αi为个体固定效应，控制城市层面不随时间变化的因素；αt是时间固定效应，控制时间趋势因素。Z是控制变量，εit为误差项。

另外，本文对环保目标责任制的影响机制进行了分析。环保目标责任制会影响生产要素的投入结构，最为典型的是劳动力、资本以及能源之间的替代关系；还会通过调整产业结构影响绿色生产率。产业结构用IS表示，生产要素结构采用FS代表。

[ISit=αi+αt+γtreati×postt+βZit+εit] （2）

[FSit=αi+αt+γtreati×postt+βZit+εit] （3）

从“波特假说”来看，环保目标责任制直接提升企业生产成本，对绿色生产率提升而言是不利的，此谓“遵循成本”效应，“创新补偿”效应则意味着环保目标责任制“倒逼”企业提高技术，从而提升绿色生产率。

[costit=αi+αt+γtreati×postt+βZit+εit] （4）

[inovationit=αi+αt+γtreati×postt+βZit+εit] （5）

四、典型事实研判

我们测算了Luenberger指数模型下105个环保重点城市2006—2015年间的绿色生产率的数值。為确认环保目标责任制的作用，本研究需观察“十二五”规划前后，处理组城市和对照组城市的累积绿色生产率变化趋势。图1的结果可见，处理组城市“十二五”规划后，绿色生产率有所下降；与之相反，对照组城市“十二五”规划后绿色生产率有所上升。可初步推断，环保目标责任制降低了绿色生产率。

为确认绿色生产率下降的来源，本研究还将其分解为效率变化和技术变化，结果显示，与对照组相比，处理组的效率和技术均是降低的，在这期间，对照组和处理组的效率均有所下降，但是对照组的技术上升幅度十分可观，而处理组的技术未见明显提升。这说明，对于受政策影响的样本而言，绿色生产率的下降主要源于技术进步速度太慢。为进一步分析绿色生产率下降的来源，本文将该指标进一步分解为纯效率变化（LPEC）、纯技术进步（LPTP）、规模效率变化（LSEC）和技术规模变化（LTPSC），结果如图2所示。从整体趋势来看，无论是处理组还是对照组，纯效率在下降，纯技术和规模效率在上升，处理组的技术规模在下降，而对照组的技术规模在上升。结合图1可初步得到结论，环保目标责任制落实前后，绿色生产率的下降主要体现在技术的下降，尤其是技术规模的下降。

五、计量回归结果解释

在上述步骤的基础上，本部分首先采用逐步回归法对样本进行了基准回归，以对典型事实研判的结果加以验证。然后，对基准回归结果展开一系列稳健检验，此后，从结构层面分为产业结构、生产要素结构，进一步分为“创新补偿”效应和“遵循成本”效应归纳环保目标责任制对绿色生产率的影响机制。

（一）基准回归

表1第（1）列在未加控制变量的情况下对公式（1）进行回归，结果发现环保目标责任制对绿色生产率的影响为负，这一结果在10%的水平上显著。第（2）列加入了人均GDP和产业结构控制变量，以反映“环境库兹涅茨”曲线和产业结构变化的影响。第（3）列进一步控制人口密度因素，以考虑人口因素的影响。第（4）列和第（5）列则相继控制外商投资、基础设施建设等方面的因素。无论是否加入以及加入多少控制变量，环保目标责任制对绿色生产率均具有十分显著的负向影响，与典型事实中描述的初步结论是一致的。具体到量化分析，环保目标责任制实施后，受政策影响较大的城市比受政策影响较小城市的绿色生产率下降11%，与图1和图2的结果有所呼应。为保证这一结果的稳健性，下文将展开一系列稳健检验。

（二）随机性检验

自然实验法的运用必须满足随机性这一条件，随机性可分为分组随机和政策冲击时间随机。

关于分组随机性检验，实验前测和实验后测均是保证随机性的方法，关于政策冲击时间随机性检验，可人为提前政策实施时间，观察反事实回归结果。在进行各项检验前，我们需要进行平行趋势检验（表2第（1）列），从中可以看到，在2011年及其之前，处理组和对照组之间的绿色生产率没有显著差距，这种差距从2012年开始出现且十分显著，说明环保目标责任制降低了绿色生产率，且政策效果具有一年滞后性。然后，进行了实验前测，选择环保目标责任制实施前的样本，根据是否属于处理组设置0-1虚拟变量，将绿色生产率视为主要解释变量，在此基础上加以计量回归。考虑到处理组和对照组划分与地区二氧化硫排放量密切相关，还将二氧化硫排放量纳入解释变量行列。第（2）列和第（3）列分别采用Logit和Probit方法对2011年之前的样本进行回归，结果发现绿色生产率的变化对处理组和对照组的划分未产生显著的影响，与之相反，二氧化硫排放量的影响十分显著且为正，这一结果说明，处理组和对照组划分与二氧化硫排放量有关，与绿色生产率无关。为确保回归结果的稳健性，本研究还对环保目标责任制实施前的样本进行逐年回归，见第（4）—（7）列，绿色生产率对分组并未产生明显的影响，可认为分组是随机的。

其次，本研究采用第二种方法进行实验前测检验，通过查看实验发生前处理组和对照组的绿色生产率是否受分组影响，来断定分组随机这一假设是否成立。本研究在控制其他变量基础上，将是否属于处理组的0-1虚拟变量作为主要解释变量，绿色生产率作为被解释变量进行计量回归。同样采用环保目标责任制实施前的样本，就处理组与对照组间绿色生产率的差异加以回归，表3的结果发现，处理组与对照组在实施环保目标责任制之前，绿色生产率并无显著差异，意味着对绿色生产率而言，分组具有随机性。

再次，考虑到随机性这一假设的重要性，本文还需进行实验后测。即通过比较固定效应回归方法和混合OLS回归方法的结果来判定是否存在分组随机性。固定效应将处理组和对照组的个体效应加以控制，而混合OLS回归方法并未控制个体效应，若两种方法的回归结果接近，说明分组随机性是成立的，若两种回归方法结果相去甚远，说明分组非随机或者分组非随机对回归结果影响较大。将表4的回归结果和表3的回归结果加以对比，发现回归系数十分接近，分组随机是成立的。

最后，时间随机性检验的方法一般是假设政策实施时间提前，据此采用双重差分法加以回归，若回归结果显著，则无法确保政策实施时间随机，否则说明政策实施时间具有一定随机性。假设政策发挥作用的时间为2011年之前，表5为回归结果，第（1）列将政策实施时间提前至2010年，第（2）列和第（3）列分别将政策实施时间提前至2009年和2008年。从三列回归结果中可看出，交叉项的回归系数在10%的水平上无法显著异于0，说明环保目标责任制在2011年之前对绿色生产率无显著作用，从而预示着政策实施时间具有随机性。

六、机制探讨

上述部分证明，环保目标责任制并未提升绿色生产率，相比这一结果，我们更关心的是其影响机制。本部分通过对绿色生产率下降的源泉加以探究来为提升绿色生产率提供一定对策。一方面从结构层面着手，分析环保目标责任制是否推动了产业结构和生产要素结构的改变；另一方面追溯到“波特假说”，从“遵循成本”效应和“创新补偿”效应视角分析环保目标责任制对绿色生产率的影响路径。

（一）结构层面：产业结构

相对而言，第二产业的能源投入量较大，排污也就更为严重，因而提高第三产业占比、降低第二产业占比是提高绿色生产率的重要途径。本文分别采用第三产业产值占比和第二产业产值占比作为被解释变量，就环保目标责任制对产业结构的影响进行回归，回归方程是公式（2）。表6的回归结果显示，环保目标责任制实施前后，处理组和对照组第三产业产值比例的变化未呈现明显的差异。体现在回归系数上即，交叉项系数在10%的水平上无法显著异于0。第二产业产值占比的回归结果则不同，交叉项系数在5%的水平上显著为正，说明环保目标责任制实施后，处理组的第二产业产值比例显著上升。需要特别强调的一点是，2011年之后，第三产业产值比重处于上升趋势，第二产业产值比重处于下降趋势，回归结果只是说明处理组第二产业产值比例下降较小。该回归结果表明，与对照组城市相比，环保目标责任制对处理组城市第二产业比重的下调作用较小，而排污源头即第二产业比重较大仍是绿色生产率下降的重要成因。

（二）结构层面：生产要素结构

对应产业结构，生产要素结构也要做出相应转变。煤炭是污染物排放的重要来源，遏制污染必须降低煤炭使用量抑或降低它在生产要素中的比重。为此需检验环保目标责任制是否改变了生产要素结构，利用回归方程（3）进行实证验证，结果如表7所示。第（1）列以资本与能源之比为被解释变量，交叉项系数显著为正，第（2）列以能源与劳动力之比为被解释变量，交叉项系数显著为负，第（3）列以资本与劳动力之比为被解释变量，交叉项系数显著为正。实证结果表明，环保目标责任制降低了能源使用比例，增加了资本使用比例，这也符合国家对生产资料环保的要求，从生产要素切入，在源头上降低排污严重的生产要素的使用比例。

（三）“遵循成本”效应

以上是结构层面环保目标责任制对产业结构和生产要素结构的影响，若追根溯源，则有必要探寻环保目标责任制在微观层面如何发挥作用。众所周知，环境目标约束会倒逼企业增加治污成本，从而提高了生产成本，产生“遵循成本”效应。在数据可得范围内，这一效应通过五个指标体现。治污需要劳动力，体现为总工资支出增加，治污还需要设备等的投入。对公式（4）进行回归的结果为表8，环保目标责任制降低了废水治理投入和废气治理投入，这一影响在1%水平上显著成立，这与环保目标责任制的实施降低了污染有关。但它对总工资支出、单位GDP的废水治理投入以及单位GDP的废气治理投入并未产生显著影响。由此可见，“遵循成本”效应并未显著提升企业的治污成本，因而无须担心环保目标责任制会通过提升治污投入而提高生产成本。

（四）“创新补偿”效应

“创新补偿”效应的含义为，合理的环境规制可以促使企业增加研发投入，进而提高科技水平，在一定程度上彌补“遵循成本”的负向影响。但有时创新未必增加产出，此为“弱波特假说”。首先，通过研发投入验证环保目标责任制“创新补偿”效应对绿色生产率产生的影响。分别以科研人员投入数量的对数（ltec）、科学技术支出占财政支出比例（st）、科研人员占从业人员比例（stg）三个指标表征创新投入。其次，从创新产出方面来验证环保目标责任制是否引起了技术提升。采用纯技术变化（LPTP）和技术规模变化（LTPSC）表示创新产出。实证结果如表9所示，环保目标责任制对“创新补偿”效应的影响体现在增加了研发创新投入，而并未对创新产出起到显著促进作用，这一结论不仅验证了“弱波特假说”，还理出了绿色生产率降低的微观原因：从现实角度讲，“创新补偿”效应从投入传递到产出上需要一定的时间，因而短期内环保目标责任制会激励创新投入的增加，但是创新产出还需要长期的等待才能出现，因而短期内无法提高绿色生产率。这也与统计描述部分展示的，环保目标责任制相对降低了处理组的技术水平和规模这一结论完全吻合。

本部分深入到结构和微观层面剖析了环保目标责任制降低绿色生产率的三方面原因。第一，即使实施了环保目标责任制，处理组的第二产业比重下降速度依然低于对照组。意味着在维持同样GDP的情况下，“坏”产出相对较多，导致处理组绿色生产率较低。第二，环保目标责任制降低了处理组能源使用比例，预示着排污较高的生产要素比例下降，有助于提高绿色生产率。第三，“创新补偿”效应以激励研发创新投入为主，对研发创新产出未起到显著的激励作用，降低了绿色生产率。第一条路径和第三条路径占主导作用，导致环保目标责任制未能提升绿色生产率。

七、结论及启示

随着资源、环境约束趋紧，绿色发展方式和绿色生产率的重要性日渐凸显，此时，力求在提升绿色生产率的路径上有所突破也成为各界关注的焦点，对此学界也展开一系列实证研究，试图在充分了解事实的基础上提出一定对策。正是在这样的背景下，本文首先运用2006—2015年中国105个主要城市的数据，采用当下较为前沿的SBI方法测算了绿色生产率，并运用Luenberger指数将之分解为纯技术变化（LPTP）、纯效率变化（LPEC）、技术规模变化（LSEC）、规模效率变化（LTPSC）。其次，从众多可能的影响因素中挑选出近年来十分关键的环保目标责任制，试图明晰从顶层设计上将环境目标层层落实到底是否会激励地方将发展思路转移到提高绿色生产率上来。再次，采用双重差分方法探究环保目标责任制对绿色生产率的影响及其稳健性。最后，深入分析环保目标责任制对绿色生产率的影响成因。基本结论为：第一，环保目标责任制实施前后，处理组的绿色生产率有所下降，主要体现在技术及其规模上；第二，环保目标责任制涉及的样本中，绿色生产率比处理组下降约11%，这一回归结果通过了平行趋势检验和随机性检验；第三，环保目标责任制导致绿色生产率的下降与第二产业比重相对较高有关；第四，环保目标责任制对绿色生产率的影响并未通过“创新补偿”效应发挥实质性作用，体现在促使科研投入增加，但是未增加创新产出，这是绿色生产率下降的微观成因。根据结论，本研究得到如下启示：

第一，从理论上讲，环保目标责任制可刺激各经济体通过提高绿色生产率的方式提升自身竞争力，但是短期内因产业结构调整、创新见效慢等原因，会导致绿色生产率不升反降。面对现实与理论之间的差异，后续研究可继续挖掘环保目标责任制背景下，绿色生产率的提升路径，如发挥市场机制作用，激励微观主体提升绿色技术等，从而推动形成绿色发展方式。

第二，环保目标责任制的实施需要有与之配套的政策，才能起到降污和增产双重作用，从而有助于提升绿色生产率。其合理运用途径可从两个方面着手，一方面，提高研发创新转化为新技术的速度；另一方面，环保目标责任制需要与相关产业政策配合实施，从而改善产业和生产要素结构，协助环保目标责任制发挥对绿色生产率的提升作用。

注释：

①    该名称取自瑞典经济学家Sten Malmquist于1953年提出的生产率指数。

参考文献：

［1］ 周飞舟.政府行为与中国社会发展：社会学的研究发现及范式演变［J］.中国社会科学， 2019（3）.

［2］ 厉以宁.改革开放的经验是积累而成的：四十年以来的改革实践和理论的发展［J］.经济研究， 2019（10）.

［3］ 王燕梅.转变发展方式目标下的财富政策：三大财富综合求解的视角［J］.中国工业经济，2011（3）.

［4］ 厉以宁，朱善利，罗来军，等.低碳发展作为宏观经济目标的理论探讨：基于中国情形［J］.管理世界， 2017（6）.

［5］ 范如国.复杂网络结构范型下的社会治理协同创新［J］.中国社会科学，2014（4）.

［6］ 陈进华.治理体系现代化的国家逻辑［J］.中国社会科学，2019（5）.

［7］ 余泳泽，伏雨，庄海涛.平衡中的共赢：地方政府环境目标约束与经济［J］.经济研究，2020（8）.

［8］ Chen Y J， Li P， Lu Y. Career Concerns and Multitasking Local Bureaucrats： Evidence of a Target-based Performance Evaluation System in China［J］. Journal of Development Economics， 2018（1）：133.

［9］ Fukuyama H， Weber W L. A Directional Slacks-based Measure of Technical Inefficiency ［J］. Socio- Economic Planning Sciences， 2009（1）：43.

［10］  F?re R， Grosskopf S. Directional Distance Functions and Slacks-based Measures of Efficiency： Some Clarifications ［J］. European Journal of Operational Research， 2010（3）.

［11］  Chung Y， F?re R. Productivity and Undesirable Outputs： A Directional Distance Function Approach［J］. Microeconomics， 1995（3）.

［12］  Chambers R G. A New Look at Exact Input， Output， Productivity， and Technical Change Measurement［J］. Working Papers， 1996（1）.

［13］  Chambers R G， F?re R ， Grosskopf S. Productivity Growth in APEC Countries［J］. Working Papers， 1996（3）.

［14］  王兵，吳延瑞，颜鹏飞.环境管制与全要素生产率增长：APEC的实证研究［J］. 经济研究， 2008（5）.

［15］  李平.环境技术效率、绿色生产率与可持续发展：长三角与珠三角城市群的比较［J］.数量经济技术经济研究， 2017（11）.

［16］  袁晓玲，张宝山，杨万平.基于环境污染的中国全要素能源效率研究［J］.中国工业经济，2009（2）.

［17］  张伟，吴文元.基于环境绩效的长三角都市圈全要素能源效率研究［J］.经济研究，2011（10）.

［18］  林伯强，谭睿鹏.中国经济集聚与绿色经济效率［J］.经济研究，2019（2）.

［19］  王燕，孙超.产业协同集聚对绿色全要素生产率的影响研究：基于高新技术产业与生产性服务业协同的视角［J］.经济纵横，2020（3）.

［20］  宋马林，刘贯春.增长模式变迁与中国绿色经济增长源泉：基于异质性生产函数的多部门核算框架［J］.经济研究，2021（7）.

［21］  沈能.环境效率、行业异质性与最优规制强度：中国工业行业面板数据的非线性检验［J］.中国工业经济，2012（3）.

［22］  李小胜，安庆贤.环境管制成本与环境全要素生产率研究［J］.世界经济，2012（12）.

［23］  李胜兰，初善冰，申晨.地方政府竞争、环境规制与区域生态效率［J］.世界经济，2014（4）.

［24］  吴磊，贾晓燕，吴超，等.异质型环境规制对中国绿色全要素生产率的影响［J］.中国人口·资源与环境，2020（10）.

［25］  Figge F， Hahn T. Sustainable Value Added-measuring Corporate Contributions to Sustainability Beyond eco-efficiency［J］.Ecological Economics， 2004（2）.

［26］  Debreu G. The Coefficient of Resource Utilization［J］. Econometrica， 1951（3）.

［27］  Farrell M J. The Measurement of Productive Efficiency［J］. Journal of the Royal Statistical Society：Series A （General）， 1957（3）.

［28］  Afriat S N. Efficiency Estimation of Production Function［J］.International Economic Review， 1972（1）：13.

［29］  Aigner D， Lovell C A K， Schmidt P. Formulation and Estimation of Stochastic Frontier Production Function Models［J］.Journal of Econometrics， 1977（1）.

［30］  F?re R， Grosskopf S， Norris M， et al. Productivity Growth， Technical Progress， and Efficiency Change in Industrialized Countries［J］. The American Economic Review， 1994（1）：84.

［31］  Caves D W， Christensen L R， Diewert W E . Multilateral Comparisons of Output， Input， and Productivity Using Superlative Index Numbers［J］. The Economic Journal， 1982（1）：92.

［32］  Caves D W， Diewert L R C E. The Economic Theory of Index Numbers and the Measurement of Input， Output， and Productivity［J］.Econometrica， 1982（6）.

［33］  Pittman R W. Multilateral Productivity Comparisons with Undesirable Outputs ［J］. The Economic Journal， 1983（1）：93.

［34］  Shephard R. Cost and Production Functions［M］.Princeton：Princeton University Press， 1953.

［35］  Luenberger D G. Benefit Functions And Duality［J］. Journal of Mathematical Economics， 1992（11）：21.

［36］  F?re R， Lovell CAK. Measuring the Technical Efficiency of Production［J］.Journal of Economic Theory 1978（1）：19.

［37］  Luenberger D G. Microeconomic Theory［M］. Boston： McGraw-Hill，1995.

［38］  Charnes A， Cooper W W ， Rhodes E. Measuring the Efficiency of Decision Making Units［J］. European Journal of Operational Research， 1978（6）.

［39］  Tone K. A Slacks Based Measure of Efficiency in Data Envelopment Analysis［J］.European Journal of Operational Research， 2001（1）：130.

［40］  F?re R， Grosskopf S， Norris M， et al. Productivity Growth， Technical Progress， and Efficiency Change in Industrialized Countries［J］.The American Economic Review，1994（1）.

［41］  Grifell-Tatjé E， Lovell C A K.A Generalized Malmquist Productivity Index［J］. Discussion Paper， 1998（1）.

［42］  Hailu A， Veeman T S . Environmentally Sensitive Productivity Analysis of the Canadian Pulp and Paper Industry， 1959-1994： An Input Distance Function Approach［J］. Journal of Environmental Economics and Management， 2000（3）.

［43］  Cai X， Lu Y， Wu M， et al. Does Environmental Regulation Drive Away Inbound Foreign Direct Investment：Evidence from a Quasi-natural Experiment in China ［J］.Journal of Development Economics， 2016（1）：123.

责任编辑：倪贝贝

（E-mail：shellni@ 163. com）

收稿日期：2022 - 05 - 25 本刊網址·在线期刊：http：//qks. jhun. edu. cn/jhxs

基金项目：国家社会科学基金一般项目“我国经济中长期增长趋势和国际赶超前景研究（2020—2050年）”（18BJL026）

作者简介：张彩云，女，山东昌邑人，中国社会科学院经济研究所副研究员，中国社会科学院大学经济学院副教授，博士，E-mail：zhangcaiyunlisa@163.com；孙坤鑫，女，河北邯郸人，中国人民银行天津分行助理研究员，博士，E-mail：sunkunxin@126.com。