安徽省绿色全要素生产率测度及提升路径研究

陈福顺,周 冲

1.淮北理工学院经济与管理学院,安徽淮北,235000;2.宿州学院皖北地区产业发展研究中心,安徽宿州,234000

2021年9月,国务院出台《推进资源型地区高质量发展“十四五”实施方案》,对高质量发展实施工作进行了精准部署。高质量经济发展是创新驱动经济的增长方式,是高效、节能、环保、高附加值的增长方式[1]。当前,安徽省要实现高质量发展面临不小压力。根据《中共中央国务院关于新时代推动中部地区高质量发展的意见》,安徽省科学规划科技创新策源地、新兴产业聚集地、改革开放新高地、经济社会发展全面绿色转型区,加快建设淮河流域和皖北地区中心城市(后简称“三地一区”两中心)发展战略,明确了“十四五”时期高质量发展方向。

安徽省实现高质量发展归根结底是要坚持绿色、创新、可持续发展,由于环境污染的负外部性和环境产品的公共性,发达地区与弱势地区之间的马太效应,实现高质量发展面临严峻挑战。在此背景下,越来越多的学者开始重视绿色全要素生产率(简称“GTFP”)的作用。绿色全要素生产率涵盖创新、协调、绿色、共享理念,可有效观测安徽省经济的高质量发展水平[2]。与此同时,绿色全要素生产率是实现区域经济高质量增长的内生性动力,可以为安徽“三地一区”两中心建设增添活力。本文对安徽省16地市GTFP进行测算,客观评价16个地市增长质量的时空差异,深度挖掘经济转型过程存在问题,旨在寻求安徽省经济增长与绿色、协调、可持续共生路径,为加快推进安徽省“三地一区”建设提出相应策略。

1 文献述评

部分学者将传统全要素生产率测算中考虑了资源环境约束下的投入产出效率定义为绿色全要素生产率,提高GTFP是实现经济高质量发展的关键[3]。梳理现有GTFP文献来看,在研究方法、研究视角、研究内容等方面国内外学者成果显著。

在研究方法层面,国内外学者主要运用索洛余值法[4]、随机前沿分析、数据包络分析等方法对传统全要素生产率(TFP)进行测算。索洛余值法存在计算误差,DEA方法在测算TFP中使用较多。后续很多学者在研究TFP时,对DEA方法进行了改进和创新[5]。将松弛变量添加至目标函数建立了SBM模型,后进一步改进,构建非期望产出的SBM模型,相比于传统DEA模型减小了径向和导向设定的偏差。He等[6]利用SBM超效率测算绿色TFP,解决了决策单元同时有效且可以进行效率排名问题。除此之外,国内很多学者综合运用多重研究方法,例如:SBM-DEA、DDF-DEA以及EBM-DEA等[7]。此外,超效率SBM-DEA模型和M-L指数结合[2]常用来评估城市GTFP增长及动态演化趋势。

在研究视角和研究内容方面,学者们主要集中在国家和省级层面,且在产业GTFP的研究具有丰富的研究成果。研究初期,产业GTFP主要集中在农业和工业领域,随着研究的不断深入,旅游业、物流业、新能源等服务业部门的GTFP也取得了阶段性成果。龙少波等[8]研究指出高质量发展下农业GTFP增速有所下降,要重视技术进步对于农业GTFP的驱动作用。Wang等[9]运用两阶段超DEA模型测算了中国工业GTFP,研究发现工业系统一些子系统,如生产和废水处理阶段的效率相对较低。近年来,物流业、旅游业等快速发展伴随环境污染和能源的过度消耗,产生了外部不经济的效果,引发了部分学者的关注。物流业[10]、旅游业[11]的GTFP具有明显的时空差异,呈现出东中西部梯度下降的趋势。新能源产业、新材料等战略性新兴产业中,技术进步率对TFP贡献巨大[12]。

国内外学者的研究重心主要放在国家和省级层面,对于城市区划GTFP研究成果较少,尤其安徽省16地市GTFP还缺乏系统的机理挖掘和实证研究。鉴于此,本文的边际贡献可能在于:首先,在研究方法上,构建了超效率SBM-GML指数模型,科学地解决了GTFP决策单元可区分性、跨期可比较等问题,测算结果相对精准。第二,安徽省TFP研究丰富,但大都没有考虑环境污染和资源消耗,本文基于高质量发展视角测算绿色TFP,并从城市层面进行测算,为安徽省城市层面高质量转型研究提供了依据。

2 模型构建

2.1 模型构建

2.1.1 非期望产出超效率SBM模型

绿色可持续发展将是城市未来转型发展方向,绿色全要素生产率将“能源消耗”和“环境污染”等非期望产出纳入经济增长测算体系[13],更精准观测地区高质量发展情况。文本构建非期望产出的超效率SBM模型,具体模型构建如下:

(1)

2.1.2 Globe-Malmquist-Luenberger(GML)指数

GML指数是衡量GTFP方法之一,可以动态观测决策单元效率值变化情况。本文基于决策单元可以进行跨期比较,因此构建全局参比的GML指数。构建模型如下:

(2)

(3)

(4)

其中,GMLt,t+1表示从t期到t+1时期GTFP变动,可以动态观测DMU效率增长情况。若GMLt,t+1>1,表明t期到t+1时期DMU效率值增长;若GMLt,t+1<1,表明DMU的GTFP下降;若GMLt,t+1=1,则效率值不变。式(3)和式(4)中的技术效率指数(EC)和技术进步指数(TC)可由GML分解得出,即GML=TC×EC。若TC、EC大于1,说明二者效率值均改善;反之,恶化。

2.2 指标选取与数据来源

2.2.1 投入指标选择

全要素生产率主要来源索洛模型,强调资本和劳动之外的其他要素对经济增长的贡献,主要强调技术进步带来的改变。随着我国经济高质量转型,不仅重视全要素对经济的拉动作用,同时越来越重视生态效益,因此GTFP越来越被应用于衡量区域高质量发展水平。GTFP的测算涉及经济、环境与资源三个方面,高质量发展要求保证GDP增速的同时,尽量减少各种要素投入,尤其还要减少环境和污染物产出。结合蔺鹏[2]、魏奇锋等[14]研究成果,选取劳动 (L)、资本(K)、能源(E)作为投入要素。

第一,劳动要素用“各城市市辖区年末单位从业人数”衡量。劳动投入是索罗模型基本要素之一,测算安徽省16城市GTFP需要包括劳动投入。市辖区从业者是城市经济增长的主要力量,多数学者采用各城市市辖区年末单位从业人数代替劳动投入。衡量安徽省16地市高质量发展水平,劳动投入并非数量越多越好,而应追求最佳投入比例,即尽量减少劳动投入获得更多的经济产出和较少的环境污染。

第二,资本投入同样是索罗模型基本要素之一,资本投入用资本存量代替。多数学者采用永续存盘法进行计算,公式为Kt=(1-δ)Kt-1+It,K0=I0/(gi+δ)。其中Kt、Kt-1和K0分别表示t期、t-1期和基期的资本存量。gi为固定资产投资增长率,δ为资本折旧率,It和I0分别表示t期和基期固定资产投资。固定资产投资可以拉动安徽省经济增长、改善居民基本生活条件、完善基础设施建设和提升公共服务质量,但投资过多也可能造成资源配置不均衡,反而会降低投入产出效率。安徽省追求高质量发展就要注重创新能力和资本利用效率。

第三,由于安徽省是能源消费大省,能源投入是必不可少的投入要素,而省内能源消费结构主要以煤炭为主,因此能源投入用煤炭消费量替代。在“双碳”战略下,安徽省积极布局能源结构转型,提高煤炭、天然气、石油等传统能源利用效率,减少污染排放。因此,安徽省16地市高质量发展需要较少的能源投入获得经济产出同时兼顾环境效益。

2.2.2 产出指标选择

产出指标包括两部分,即期望产出和非期望产出。大部分学者均选取地区生产总值作为期望产出[13],GDP是衡量地区发展最为直观的指标,可以直接反映安徽省16地市经济发展水平。文本测算时间跨度为2006—2020年,因此选取2006年GDP为基期,剔除物价变动影响,根据各地历年GDP测算GDP平减指数。

绿色TFP相比于传统TFP的不同是把资源消耗和环境污染考虑在内,即包含了非期望产出。非期望产出指标的选取存在差异,考虑指标选取的同一性、量化可行性和数据可得性,根据袁一仁[15]、陈明华等[16]研究成果,选取SO2排放量、工业废水排放量、工业烟粉尘等指标作为主要非期望产出。安徽省16城市高质量转型过程中要坚持经济“质”与“量”并重,因此要控住“三废”排放量,污染排放量越少,生态环境效益越好,符合绿色、协调、可持续的高质量发展理念。

2.2.3 数据来源

2006年我国加大了环境规制力度,大量资源密集型企业被迫在政策制约下进行产业优化升级,越来越多城市追求绿色可持续发展。因此考虑数据的可获得性与科学性,本文以安徽省16地级市作为决策单元,研究时间跨度选取为2006—2020年,样本数据来源于《中国统计年鉴》《中国能源统计年鉴》和《中国城市统计年鉴》。投入产出要素描述性统计如表1。

表1 安徽省16地级市投入产出描述性统计

3 实证分析

本文选取2006—2020年安徽省16地级市的投入产出作为面板数据,通过MaxDEA 8.0软件,使用超效率SBM-GML方法对安徽省16地市GTFP进行测算。基于超效率SBM模型和GML指数测算结果,分别对安徽省和16地级市GTFP进行静态和动态分析。

3.1 基于超效率SBM模型的安徽省GTFP静态分析

以2006年为基期,基于超效率SBM模型分别测算了安徽省不含非期望产出的全要素生产率(TFP)和考虑非期望产出的绿色全要素生产率(GTFP),见表2。15年间,不受节能减排约束的TFP均值为1.003 6,达到了DEA有效,绝大多数年份全要素生产率达到0.95以上,说明这一阶段安徽省在人力、资本、能源等要素带动下经济增长成效显著。但在考虑环境和资源约束下,经济高质量发展评估出现负外部效应。15年间,安徽省GTFP均值为0.956 7,总体水平未达到DEA有效,但也保持一个较高的投入产出水平。TFP均值高于GTFP,这说明不考虑非期望产出会高估安徽省经济发展质量。因此,考虑非期望产出的GTFP值更适合评估安徽省高质量发展水平。从2006年开始,安徽省各地市对环保越来越重视,受到环境规制影响,大部分年份TFP值高于GTFP值,但在2018年后GTFP值超过了TFP值,主要得益于安徽省资源利用效率得到改善,污染物排放同比增速放缓。一定程度上说明环境规制可能一定时期内会抑制经济增长速度,但长期来看,会对地区高质量发展起到正向效应。

表2 2006—2020年安徽省TFP和GTFP比较

3.2 基于GML指数的安徽省16地市GTFP动态分析

以2006年为基期,因此当年GML指数为1,下面从2006—2020年安徽省16市GML指数几何均值、指数变动趋势、增长源泉、区域异质性分析等四个方面分析安徽省16地市GTFP动态特征。

第一,根据安徽省16地级市GML指数整体效率几何均值分析(表3)。首先,2006—2020年间全省16市除了铜陵市外,其他15地市GML均值均大于1,说明安徽省GTTP得到改善,大部分地区绿色转型过程中投入收效显著。从指数增长动态来看,2006—2020年间,16个地级市GTFP年均增长率达到7.11%,15市GML均值均实现正增长,但各地区增长存在异质性差异。其中增长速度最快的是滁州市,达到14.26%,六安市、亳州市、宣城市、淮北市均值均超过10%,增长相对较慢的是淮南市、安庆市和阜阳市等。

表3 2006—2020年安徽省16市GTFP指数几何均值

第二,根据安徽省16地级市GML指数变动趋势分析。图1中2007—2010年,安徽省16市GML指数均值大于1,说明这一阶段GTFP在保持波动增长趋势,源于这一阶段省内环境规制力度对工业经济约束力度较小,经济增长迅速。2011—2013年GML指数出现波动下降趋势,这段时间内技术进步指数偏低,拉低了GTFP,从2014年开始GML指数又开始呈现加速上涨趋势,这是由于技术进步指数年均保持10%以上速度增长,使得GTFP再次提高。然而,这种增长趋势直到2018年又开始回落,原因在于2017年十九大上提出了高质量发展要求,并次年开始实施。2018年节能环保等词汇在安徽省各地区工作报告中提及率较上年增加27.36%。受到环境规制的影响,EC和TC指数均大幅度下滑,拉低了GTFP值。2019年,安徽省16市GML指数又继续保持高速增长。总之,从2006—2020年间,安徽省GTFP整体保持波动增长的势头,2006—2017年整体保持先增后降又继续增长的“N”型趋势,从2018—2020年,保持先降低后增长的“V”型趋势。

图1 安徽省16地级市GTFP时序变化

第三,根据安徽省16市GML指数增长源泉分类统计。GTFP增长源包括代表“绿色硬技术”的技术进步(TC)和代表“绿色软技术”的技术效率(EC)两部分。技术进步主要是通过自主创新或者技术引进等方式使得城市的生产可能性边界外延,实现“增长效应”[13],而“绿色软技术”则主要通过制度创新、政策激励等方式优化资源配置效率,向帕累托最优接近。根据表3数据显示,GML、EC和TC指数的几何年均增长率分别是7.11%,4.78%和6.73%。由此可见,技术进步是安徽省16市GTFP增长主要动力,而作为“绿色软技术”的技术效率贡献相对较小。原因在于安徽省不断加大技术投入,技术进步取得一定成效,但技术转化效率并不高。大部分企业在技术转化、成果应用、管理革新、资源配置等方面存在不足。EC指数和TC指数分类统计见表4。以2006—2020年16市作为研究样本,共计224个决策单元,期间超过60%样本数据的GTFP实现了“增长效应”,其中EC和TC分别占有51.78%和56.70%。39.73%的决策单元GTFP呈现倒退,没有实现经济增长和环境保护的协调发展。而在GTFP下降的决策单元中,约有34%城市技术进步率实现正增长,而技术效率改进的城市只有25%,由此可以看出安徽省城市GTFP的下滑受到技术效率的制约更多,还存在很大的“帕累托改进”。因此,在加大创新驱动战略前提下,要尤其注重降低成果转化的机会成本,为新兴产业提供更多扶持,促进其成果转化效率。

表4 2006—2020年安徽省16市GML指数增长源泉分类统计

第四,分区域对安徽省16市GML指数异质性分析。将安徽省16地市按皖北、皖中、皖南区域分组,三大区域GML指数及其分解项见表3。总体来看,三大区域GML均值均大于1,说明三大区域在绿色产业调整上均取得成效。在增速方面,皖中>皖北>皖南。皖中地区平均增长速度最快,达到8.43%,得益于合肥这座中心城市在人才引进与储备、环境资本投入、科研成果转化等方面的集聚效应和规模效应,同时带动皖中周边城市产业升级较快,投入产出比较为理想。皖北和皖南增速分别达到7.18%和6.19%,主要源于技术进步带来的增长红利,但技术效率值EC相对偏低,在一定程度上制约了GTFP增速,这与前文分析结论一致。因此,皖北和皖南地区在未来发展中应注重改善城市绿色转型“软环境”。

4 结论与对策建议

4.1 结 论

本文运用包含“非期望产出”的超效率SBM模型,并结合GML指数测算2006—2020年安徽16个城市GTFP指数,分别从静态和动态视角分析安徽省高质量发展情况。研究结果发现:首先,安徽省TFP均值高于GTFP,不考虑非期望产出会高估安徽省经济发展质量,而兼顾经济绩效与环境绩效的GTFP更能真实观测安徽省高质量发展状况。第二,安徽省16地市GTFP年均增长率达到7.11%,大部分地区绿色转型过程中投入收效显著。其中GTFP主要依靠技术进步驱动,而技术效率贡献相对较小。第三,皖北、皖中、皖南GTFP分别以8.43%、7.18%和6.19%速度增长,主要得益于技术进步带来的增长红利。皖中应充分发挥好合肥的辐射带动作用,为新兴产业提供更多扶持,而皖北和皖南地区在未来发展中应积极承接技术要素转移,注重促进其成果转化效率,充分释放区域内高质量发展的内生性动力。

4.2 对策建议

为此,本文从高质量发展视域出发,结合安徽省“三地一区”实际规划,并结合前文研究结论提出以下几点政策建议:

第一,聚焦打造科技创新策源地,技术进步赋能高质量发展。安徽省16地市整体保持着绿色增长态势,技术进步贡献巨大。因此,政府、企业、高校及其他科研机构要通力协作,继续加大研发力度,加快推进产、学、研一体化进程。大力发展新兴产业,对新一代信息技术、高端装备制造、新能源、新材料等十大新兴产业提供更多政策支持。鼓励企业技术创新,发挥好中科大等高校、科研院所等智库作用。同时,充分发挥人才的关键作用,通过新兴产业聚集地吸引人才,完善激励机制留住人才。

第二,完善科技创新成果市场转化机制,促进技术要素转化为绿色发展引擎。安徽省2006—2020年间部分城市绿色全要素生产率出现下滑,技术效率是制约因素。因此,除了加大人力、资本、能源、技术等要素投入外,更要注重其转化效率,皖北、皖南地区尤其要重视对技术要素动能的充分挖掘。要优化营商环境,加强知识产权保护,创新成果产出与企业加工制造深度融合,增强技术成果的市场化、产业化能力,降低企业成果转化边际成本。

第三,科学统筹区域发展布局,充分发挥区域要素禀赋。发挥好合肥在全省中心集群和带动作用,加快新兴产业布局,建立高端装备制造、新能源等战略新兴产业试验区,淮河流域和皖北地区积极承接长三角地区技术要素转移,皖南地区充分发挥要素禀赋优势积极布局国际文化旅游示范区。同时,发挥好金融资本对新兴产业聚集地的助力作用,加大对经济落后地区补贴和奖励力度,促使安徽省皖北、皖中、皖南地区更加均衡发展。