安全规制如何影响中国煤炭行业发展

王　薇，郭启光（.内蒙古自治区社会科学院，内蒙古呼和浩特市，0000；.内蒙古自治区行政学院，内蒙古呼和浩特市，0000）

安全规制如何影响中国煤炭行业发展

王薇1，郭启光2
（1.内蒙古自治区社会科学院，内蒙古呼和浩特市，010010；2.内蒙古自治区行政学院，内蒙古呼和浩特市，010010）

本文采集中国煤炭行业2001年-2011年省际面板数据，使用方向性距离函数和Malmquist-Luenberger指数测算了安全规制下煤炭行业的技术效率、规制成本、TFP变化及其分解，并运用系统GMM方法对TFP的影响因素进行实证研究。研究结果表明：安全规制下煤炭行业整体技术效率水平偏低，地区间差异较大；各地区煤炭行业承受的规制成本不同，且整体呈上升趋势；煤炭行业TFP增长主要源于技术进步而非效率提高；施加安全规制后，效率恶化的程度有所改善，但技术进步受到抑制，导致TFP增速放缓；较高的规制成本和分散的产业结构对TFP产生负向作用；人均GDP与TFP之间存在U型关系。

煤炭行业，技术效率，规制成本，TFP

一、引言

作为基础能源，煤炭在国民经济发展中占据举足轻重的地位①近年来，煤炭消费量在中国能源消费构成中所占比重一直维持在70%左右。。《BP世界能源统计年鉴2013》统计数据显示，2012年中国煤炭消费量占世界总量的50.2%，单位GDP煤炭消耗量达世界平均水平的4.4倍，美国的8.2倍，日本的10.9倍。依靠消耗大量能源资源的粗放型经济增长方式在推动煤炭行业快速发展的同时也带来了一系列社会问题，其中矿难最为突出。据国家安全生产监督管理总局统计，2001—2012年全国共发生煤矿安全事故30 489起，死亡人数高达51 617人，平均每年发生矿难2 541起，死亡4 301人。高发频发的矿难已成为阻碍煤炭行业健康发展的顽疾，为此，中央政府一再强调加大安全规制力度，促进煤矿安全生产形势好转。施加安全规制将使得原本用于煤炭生产的部分资源转化为安全投入，导致相应的煤炭产出未能实现，从机会成本角度考虑，可以将该部分潜在产值损失视为规制成本。由此引发的思考是，实施安全规制会给煤炭行业带来多高的成本？安全规制下各地区煤炭行业的技术效率与全要素生产率（以下简称TFP）变化情况如何？哪些因素影响了TFP增长？上述问题的解答有助于加深对安全规制如何影响煤炭行业发展的认知，构成了本文研究的出发点。

Chung et al.（1997）在测度瑞典纸浆厂全要素生产率时引入了方向性距离函数，将期望产出（desirable output）增加同时非期望产出（undesirable output）减少的生产过程统一纳入TFP分析框架，提出了Malmquist-Luenberger生产率指数（以下简称ML指数）。近年来，国内外学者主要将方向性距离函数和ML指数用于研究环境规制约束下不同地区的技术效率与TFP增长情况（Jeon & Sickles，2004； Yörük & Zaim， 2005； Kumar， 2006；Zhang et al.，2011；王兵等，2008；王兵等，2010；王兵和王丽，2010；叶祥松和彭良燕，2011）或不同行业的技术效率与TFP变动情况（Domazlicky&Weber，2004； Managi & Jena， 2008；Krautzberger & Wetzel， 2012；He et al..， 2013；李斌等，2013），并尝试使用方向性距离函数对环境规制成本进行测算（Färe et al.， 2007；陈诗一，2010；李小胜和安庆贤，2012）。此外，柯孔林和冯宗宪（2008）、王兵和朱宁（2011）研究了不良贷款约束下银行业TFP的变化情况。然而，目前关于煤炭行业TFP研究的文献较为缺乏，少数研究如Kulshreshtha & Parikh（2002）、赵梦楠和周德群（2007）使用传统Malmquist指数，对只包含期望产出的煤炭行业TFP进行了研究，而未考虑非期望产出（如煤矿安全事故及死亡人数）的影响，无法全面反映煤炭行业安全事故高发的发展状况。赵萌（2011）虽将非期望产出纳入TFP测算过程，但其研究对象为产量位居全国前30名的特大型煤炭企业，难以获得煤炭行业发展的一般性结论。此外，对于煤矿安全规制成本的测算，目前研究尚处于空白状态。基于此，本文将矿难造成的死亡人数作为非期望产出，研究安全规制约束下各地区煤炭行业的技术效率与TFP增长情况，并对安全规制成本进行测度，为政府制定相关政策、促进煤炭行业安全高效发展提供实证依据。

本文试图从以下三个方面对现有文献进行扩展：（1）将安全规制约束纳入煤炭行业技术效率与TFP分析框架，利用产出导向的方向性距离函数和ML生产率指数分别测算出安全规制下煤炭行业技术效率及TFP变化，并将后者进一步分解为效率变化和技术变化；（2）借鉴Färe et al.（2007）的方法，利用方向性距离函数对安全规制成本进行估算；（3）为解决数据包络方法测算的TFP所具有的序列相关性问题，以及捕捉影响因素可能具有的动态特征，使用系统GMM方法对影响煤炭行业TFP的因素进行实证探析。

二、安全规制对煤炭行业发展的影响机理与测算方法

根据Chung et al.（1997），本文首先构造一个既包含期望产出（煤炭产出），又包含非期望产出（煤矿事故死亡人数）的生产可能性集。假设t时期有k=1，…，K 个地区的煤炭行业投入N种生产要素种非期望产出安全规制下的生产可能性集可表示为：

Pt（xt）给出了安全规制约束下煤炭行业最佳生产前沿面，即给定资源投入总量、最高煤炭产出与最低死亡人数的集合，是下文测算煤炭行业技术效率、规制成本以及TFP的基础。假设Pt（xt）为一个有界闭集，并满足投入与期望产出的强可处置性、期望产出与非期望产出的联合弱可处置性以及零结合性。其中，联合弱可处置性意味着非期望产出的减少以牺牲期望产出为代价，表明实施安全规制、提高煤矿安全水平需要成本。具体地，给定煤炭行业资源投入总量，若要预防安全事故，减少死亡人数，就必须将本应用于煤炭生产的部分资源转为煤矿安全投入，如添置安全生产设备设施，改善矿区工作环境，加大员工职业安全培训力度等，从而导致煤炭潜在产出相应减少。这样，通过联合弱可处置性就将安全规制成本的思想纳入研究框架。零结合性表明矿难及死亡人数是煤炭生产的副产品。

（一）基于产出的方向性距离函数

面对经济增长与社会稳定双重约束的政绩考核制度，地方政府需要兼顾煤炭行业发展的速度与质量：一方面要促进煤炭行业快速发展，提高煤炭产量以满足经济发展需要；另一方面通过施加安全规制约束，减少安全事故及死亡人数，维护社会稳定。考虑到传统Shephard产出距离函数无法分析增加期望产出的同时减少非期望产出这一情况，为将上述生产过程模型化，本文引入方向性距离函数，如下所示：

其中方向向量g=（gy，gu），表示在gy方向上尽可能增加期望产出，在gu方向上尽可能减少非期望产出。β为期望产出增加和非期望产出减少所能达到的最大比例。根据非期望产出的强弱可处置性，方向性距离函数表现出不同形式，本文考察以下两种情形：

情形1：非期望产出在技术上具有强可处置性，意味着非期望产出变动无需成本，此时方向性距离函数为，相应的线性规划如下所示：

其中前3个不等式约束表明投入和产出均具有强可处置性。λk为每个横截面观测值的权重，λk≥0表示生产技术具有规模报酬不变性。

情形2：非期望产出在技术上具有弱可处置性，意味着非期望产出的减少以损失部分期望产出为代价，即安全规制具有成本，此时方向性距离函数为。其他约束条件不变，将（3）中非期望产出的不等式约束（强可处置性）变为等式约束（弱可处置性）即可得到情形2下的线性规划。

（二）安全规制下煤炭行业技术效率

安全规制下煤炭行业技术效率衡量了煤炭行业发展以最小死亡人数代价来获取最大煤炭产出的能力，其计算公式如下所示：

其中，0＜TE≤1，方向性距离函数越小，某地区煤炭行业离最佳生产前沿面越近，实际期望产出与最大期望产出、实际非期望产出与最小非期望产出之间的距离越小，表示安全规制下煤炭生产越有效率，反之则越缺乏效率。

（三）安全规制成本

借鉴Färe et al.（2007），安全规制成本为煤炭行业在规制约束下较无规制约束下潜在期望产出的减少，即为了减少煤矿事故及死亡人数，增加安全投入，往往需要损失一部分煤炭产出。本文利用下式对安全规制成本进行度量：

通过图1可以对安全规制成本进行更直观的解释。当非期望产出可自由处置时，生产可能性边界由0ABCD表示，处于非效率状态的煤炭行业a 按照方向向量g能够达到生产可能性边界上的b点，将煤炭潜在产出增加至yb。当非期望产出具有弱可处置性时，生产可能性边界变为0EBCD，煤炭行业a 按照方向向量g 只能达到生产可能性边界上的d 点，此时煤炭潜在产出仅有yd。安全规制导致的煤炭潜在产出损失（yb-yd）即为安全规制成本。

图1　生产可能性集和方向性距离函数

（四）Malmquist-Luenberger生产率指数

根据Chung et al.（1997），利用基于产出的方向性距离函数构造ML生产率指数，衡量安全规制约束下煤炭行业TFP的变化，以t期为基期t+1期的ML指数如下所示：可进一步分解为效率变化指数和技术变化指数其中，大于（小于）1分别表示TFP增长（下降）、技术效率改善（恶化）以及技术进步（退步）。

三、安全规制对煤炭行业发展影响的多维度测算

（一）变量和数据

本文使用面板数据对各地区煤炭行业的技术效率、规制成本与TFP进行测度。所用样本时间跨度为2001—2011年，其中国家安全生产监督管理总局事故查询系统关于煤矿事故死亡人数的统计记录最早出现于2000年，但仅涵盖了部分地区和月份，为了获得完整的年度数据，本文选择2001年作为研究的起始年份。根据《国家统计局关于执行新国民经济行业分类国家标准的通知》（国统字〔2011〕69号），自2012年起新《国民经济行业分类》开始使用，其中煤炭开采和洗选业部分内容有所调整，为了保持统计口径一致，样本截止于2011年。样本截面不包括天津、上海、海南和西藏，因为这些地区不生产煤炭，此外，样本还剔除了广东、浙江两个产煤量较少的省份，这样本文共获得11年25个地区的面板数据。所用的各投入与产出变量定义及相应数据处理说明如下：

（1）劳动投入。衡量煤炭行业生产过程中实际投入的劳动量。国外学者通常使用劳动时间来衡量某一行业的劳动力投入，由于缺乏相关统计数据，本文使用各地区历年煤炭采选业全部从业人员平均人数表示劳动投入量。相关数据来源于历年《中国工业经济统计年鉴》，其中2004年的数据来源于《中国经济普查年鉴2004》②由于《中国工业经济统计年鉴2005》（2004年的数据）缺失，2004年的煤炭采选业全部从业人员平均人数、固定资产净值年平均余额和工业总产值数据均来源于《中国经济普查年鉴2004》（2004年的数据）。。

（2）资本投入。通常使用资本存量衡量煤炭行业生产过程中的资本积累总量。目前多数研究采用永续盘存法（PIM）对资本存量进行估算，但是该方法测算的资本存量对于折旧率与初始资本存量的选取较为敏感，使用不同的初始资本存量或者折旧率测得的结果之间往往存在较大差异。为了避免资本存量测算过程可能带来的偏误，本文采用煤炭采选业固定资产净值年平均余额近似替代资本存量，并使用各地区历年固定资产投资价格定基指数（2001年=100）对其进行平减，以消除价格波动对数据的影响。煤炭采选业固定资产净值年平均余额数据来自《中国工业经济统计年鉴》，但是该年鉴未统计2009—2011年的相关数据，仅提供了煤炭采选业固定资产净值数据，本文根据“本年固定资产净值年平均余额=（上年末固定资产净值+本年末固定资产净值）/2”计算得到。历年固定资产投资价格环比指数（上年=100）来源于中经网统计数据库。

（3）期望产出。使用煤炭采选业工业总产值作为煤炭生产过程中的期望产出，并根据各地区历年工业品出厂价格定基指数将其折算成2001年不变价。其中煤炭采选业工业总产值数据来源于《中国工业经济统计年鉴》，历年工业品出厂价格环比指数来源于中经网统计数据库。

（4）非期望产出。利用各地区历年煤矿事故死亡人数（包括失踪人数）作为煤炭生产过程中产生的非期望产出。数据源自国家安全生产监督管理总局事故查询系统。

（二）测算结果及分析

基于上述研究方法和样本数据，本文利用MaxDEA5.2软件分别计算出中国25个地区的煤炭行业在两种情形下基于产出的方向性距离函数，在此基础上求得煤炭行业的技术效率、安全规制成本以及ML指数，并将ML指数进一步分解为效率变化指数和技术变化指数，具体测算结果如表1和表2所示。

（1）安全规制下煤炭行业技术效率。根据表1所示的测算结果可知，安全规制下煤炭行业整体效率水平偏低，总体均值仅为0.576 5，表明整个煤炭行业的技术效率尚存在较大改进空间。以安全规制约束下的最佳生产前沿面作为参照，煤炭行业本能够在保持要素投入不变的情况下，平均增加42.35%的煤炭产值，同时减少42.35%的矿难死亡人数，由此可以洞见中国煤炭行业“生产效率低、管理能力弱、安全水平差”的发展现状，表明现阶段煤炭行业依然延续着以高投入、高消耗、高死亡为特征的粗放型发展模式。因此，转变发展方式、实现产业优化升级成为中国煤炭行业亟需解决的课题。从分地区的测算结果来看，各地区煤炭行业技术效率水平参差不齐，差异较大。其中，煤炭行业发展最具效率的地区是北京，曾连续11年处于最佳生产前沿面上；其次是山东，共8年处于最佳生产前沿面上。这两个地区的煤炭行业是科学发展与安全生产高效结合的典范。与此形成鲜明对比的是贵州，其煤炭行业技术效率最低，仅有0.502 1，反映了贵州煤炭行业低产出（11年间产值占总体比重2.69%）、高死亡（11年间煤矿事故死亡总人数为2 737，居全国首位，占总体比重12.84%）的发展状况。若以北京作为参照，在资源投入给定的情况下，贵州煤炭行业在平均增产一倍的同时，还能减少大约一半的死亡人数。此外，根据表1，共有17个地区（广西、宁夏、山西、河北、辽宁、陕西、江西、吉林、四川、湖南、湖北、云南、黑龙江、甘肃、重庆、新疆和贵州）的煤炭行业技术效率低于总体平均水平，表明这些地区的煤炭行业实现安全高效发展依然任重道远。

（2）安全规制成本。总体来看，2001—2011年间中国25个地区煤矿安全规制总成本高达1 835.06亿元，年均规制成本达166.82亿元，单位规制成本达0.086 1亿元/人，即增加安全投入使得煤矿安全事故死亡人数每减少1人，煤炭潜在产值相应减少0.086 1亿元。安全规制成本占煤炭行业产值比重平均为4.37%，即安全规制导致煤炭期望产值损失额约占煤炭实际产值的4.37%。以上数据表明中国煤矿安全规制成本整体较高，在能源紧缺、煤价上涨的背景下，一方面，面对较低的违规成本以及飞涨的煤炭价格，煤炭企业往往选择铤而走险的做法，超能力、超强度、超定员生产，甚至乱采滥挖，安全投入欠账严重③时任国家安全生产监督管理局副局长的梁嘉琨在2005年1月国新办举行的新闻发布会上透露：“我国煤矿安全投入欠账非常大，仅国有重点煤矿，据统计在安全工程、安全装备和安全设施方面欠账就达500亿左右。”该数字尚未包含当时约占90%的乡镇煤矿，且这些欠账只计算了“硬安全投入”，在“软安全投入”特别是安全培训方面，欠账更加严重。，为煤矿事故爆发埋下了隐患。另一方面，受经济发展和社会稳定双重约束的地方政府往往通过权衡安全规制成本与收益来实现其利益最大化目标，过高的规制成本弱化了地方政府进行安全规制的动力，安全事故的偶发性以及中央地方之间广泛存在的信息不对称性进一步强化了地方政府经济增长的偏好，于是，煤炭企业与地方政府为了实现煤炭产值最大化的共同目标很容易结成利益同盟，过高的规制成本为政企合谋的形成起了推波助澜的作用，煤矿“走过场”式治理的现象屡见不鲜。

图2给出了历年安全规制成本变动情况，从图中可以看出，2001-2011年间，无论规制总成本还是单位规制成本均呈现出逐年上升的趋势，意味着实施安全规制造成的煤炭潜在产出损失逐年增加，特别是2003年后，随着能源紧缺时代的到来，煤价飞涨进一步推动安全规制成本迅速提高。在现有政绩考核制度和煤矿安全生产法律法规体系尚未完善的情况下，地方政府实施安全规制、煤炭行业遵从安全规制的动力很可能双双削弱。

图2历年规制总成本与单位成本变动趋势

具体到地方，不同地区煤炭行业承受的安全规制成本差异较大。其中，北京煤炭行业在考察期始终处于最佳生产前沿面上，生产效率最高，安全规制对煤炭生产影响非常有限。而黑龙江、江西、湖北、广西、甘肃及新疆地区年均安全规制成本均在9亿元以上，单位规制成本以及规制成本占实际煤炭产值比重均高于总体水平，表明经济发展与社会稳定之间的矛盾在上述地区体现得尤为明显。若实施严格的安全规制措施，这些地区煤炭产出将大幅减少，进而对当地经济增长产生不利影响，地方政府并无积极性加强煤矿安全生产日常监管④需要说明的是，较高的安全规制成本并非地方政府确定安全规制实施力度的唯一判断标准，也并不必然导致政企合谋以及规制失灵。尤其是发生重大安全事故，中央政府的强力介入迫使地方政府短期内放弃经济增长而着力于社会维稳，不计成本地采取停产整顿等一系列安全规制措施（肖兴志等，2011）。。

表1　2001-2011年各地区安全规制下煤炭行业平均技术效率和规制成本

（续表）

（3）ML指数。由表2可知，在安全规制情形下，2001—2011年间25个地区煤炭行业总体平均TFP指数为1.095 4，表明安全规制下煤炭行业TFP年均增长维持在9.54%左右。其中技术变化指数为1.110 5，表明年均增速11.05%的技术进步推动了TFP增长；效率变化指数为0.986 4，表明效率出现恶化并阻碍了TFP增长。由此可见，安全规制下煤炭行业TFP增长的源泉主要来自于技术进步。随着中央政府“关井限产”政策⑤如《国务院办公厅关于关闭国有煤矿矿办小井和乡镇煤矿停产整顿的紧急通知》（2001年6月）、《国务院办公厅关于进一步做好关闭整顿小煤矿和煤矿安全生产工作的通知》（2001年9月）、《国务院办公厅转发国务院安全生产委员会办公室关于加强煤矿安全监督管理进一步做好小煤矿关闭整顿工作意见的紧急通知》（2004年11月）、《国务院办公厅关于坚决整顿关闭不具备安全生产条件和非法煤矿的紧急通知》（2005年8月）、《国务院办公厅转发安全监管总局等12个部门关于进一步做好煤矿整顿关闭工作的意见》（2006年10月）、《国务院安委会办公室关于印发2007年煤矿整顿关闭工作要点的通知》（2007年4月）等。的推进，近年来煤炭行业掀起了一股关闭乡镇小煤矿，实施煤炭资源整合、煤矿兼并重组以及产权国有化的煤炭市场结构调整浪潮，煤炭行业集中度逐渐提高，煤矿企业平均规模也逐年扩大⑥煤炭工业发展“十二五”规划明确指出，要大力推进煤矿企业兼并重组，提高产业集中度，将全国煤矿企业数量控制在4 000家以内，平均规模提高到100万吨/年以上。。一方面，行业集中度的提高以及企业规模的扩大使得现代化设备和先进技术的引入成为可能，这极大地提升了煤炭行业技术水平；另一方面，煤炭企业规模的扩张使得企业内部组织结构臃肿和员工规模冗余，信息传递的质量和速度降低，企业组织成本和监管成本上升，最终导致煤炭行业运行效率下降。

从各地区具体情况来看，煤炭行业TFP变动情况呈现出较大的地区差异，技术进步与效率下降的现象普遍存在于各地区煤炭行业。其中北京地区煤炭行业作为高效生产的典范，其TFP增长保持了年均66.86%的增速。除北京外，山东、江苏、安徽、吉林、内蒙古以及青海地区煤炭行业TFP增长较快，高于总体平均水平，其余地区煤炭行业TFP增长相对缓慢，尤其是黑龙江、福建、贵州、甘肃、新疆地区煤炭行业TFP增长率均不足0.7%，这些地区煤炭行业无论是效率提升还是技术进步尚存在较大的改进空间。因此，优化企业内部组织结构，创新管理模式，改善管理效率，同时，加大技术引进、吸收与创新力度，突破技术瓶颈，提高煤炭科技自主创新能力和煤矿技术装备水平，最终提高TFP，是上述地区煤炭行业未来努力的方向。

根据表2，无安全规制下煤炭行业TFP年均增长22.83%，高于安全规制下的TFP增速，表明安全规制导致TFP增长放缓。从TFP指数分解情况来看，一方面，无安全规制下煤炭行业效率变化指数为0.848 6，低于安全规制下的效率变化指数，表明安全规制减轻了煤炭行业效率恶化的程度。关于该现象的一种解释是，政府实施安全规制，能够促使煤炭企业增加安全投入，如改善矿区环境，加强安全规章制度的制定和实施，强化管理措施，加大员工职业安全培训力度，从而使得煤炭行业效率有所改善。另一方面，无安全规制下煤炭行业技术变化指数为1.447 4，高于安全规制下的技术变化指数，表明安全规制阻碍了煤炭行业技术进步的步伐。为了应对政府安全规制，煤炭行业会抽出部分本应用于研发投入和技术创新活动的资金进行相应的安全投入，这些安全投入虽有利于效率提高，却无助于技术进步。综上所述，安全规制在改善煤炭行业效率的同时阻碍了技术进步的速度，最终导致TFP增速减慢。

表2　两种情形下煤炭行业的TFP指数及其分解

（续表）

四、安全规制影响煤炭行业发展的实证研究

由前文可以看出，安全规制从多个维度影响煤炭行业发展。为了更好更快地实现煤炭行业发展方式转变、产业结构优化升级以及TFP提高，本文进一步考察规制成本与规制机构独立性对煤炭行业发展的影响，并加入人均GDP、要素禀赋结构、产权结构、产业结构等控制变量，一并考察哪些因素显著影响了煤炭行业TFP增长，从而趋利避害，为中国煤炭行业下一步改革提供实证依据。

由于影响TFP的因素错综复杂，借鉴已有研究成果（如赵萌，2011），并根据数据可得性，本文确定以下影响因素指标：滞后一期的安全规制成本（GZCB），根据前文测算得到，衡量安全规制导致的煤炭行业潜在产出损失；规制机构独立性（GZDL），利用虚拟变量表示。2004年国务院颁布《关于完善煤矿安全监察体制的意见》，明确了“国家监察，地方监管，企业负责”的安全工作体系，国家煤炭安全监察局的执法独立性得到了政策保障。因此，规制机构独立性变量在2001—2003年赋值为0，2004—2011年赋值为1；地区经济发展水平，使用不变价（2001=100）的人均GDP（PGDP）表示，同时将其平方项纳入回归方程，探讨人均GDP与TFP之间的非线性关系；要素禀赋结构（YSJG），使用资本-劳动比表示，反映资本深化程度；产权结构（CQJG），使用国有经济煤炭采选业固定资产投资占煤炭采选业投资的比重表示，衡量国有产权占比；产业结构（CYJG），由煤炭采选业企业单位数表示，反映产业的集中度和竞争程度；此外，为了考察前期生产率对当期生产率的影响，本文使用动态面板模型，将滞后一期的TFP纳入回归方程。为了平滑数据，除CQJG、GZCB和GZDL外，对其余变量进行对数化处理⑦为了捕捉煤炭行业全要素生产率在各年间的动态变化，以及避免ML生产率指数在1附近变化不显著可能造成的计量不显著问题，本文使用累积全要素生产率指数进行分析，并根据Managi & Jena（2008）将生产率指数转化为（1+ML），然后对其进行对数化处理。王兵和朱宁（2011）做了同样工作。。各变量相关数据来源于《中国工业经济统计年鉴》、《中国能源统计年鉴》以及中经网统计数据库。

本文使用的动态面板数据模型如下所示：

其中MLk，t-1为被解释变量的一阶滞后项，νk代表个体固定效应，εkt为扰动项。

由于采用数据包络分析方法得到的生产率数据具有序列相关性，结合样本数据为面板数据以及生产率影响因素具有动态变化的特征，Guan & Lansink（2006）建议使用动态面板广义矩估计（GMM）对生产率进行影响因素分析。本文选择一步系统GM⑧动态面板GMM估计分为差分GMM和系统GMM，由差分GMM和水平GMM结合得到的系统GMM可以提高估计效率，且具有更好的小样本性质（Roodman，2009）；每种GMM估计又分为一步GMM和两步GMM，但在小样本中两步GMM估计量的标准差存在向下偏倚（Bond et al.，2001）。进行估计。在具体估计过程中，为了避免工具变量过度识别问题，对模型施加了collapse选项。由于模型存在异方差，使用robust选项进行修正，在工具变量有效性检验中用Hansen检验代替Sargan检验。本文使用STATA11.0软件和“xtabond2”程序得到系统GMM估计结果如表3所示。

（续表）

根据表3，Hansen检验的P值为0.270，表明工具变量的选取是有效的。AR（1）和AR（2）对应的P值表明，扰动项的差分存在一阶自相关，但不存在二阶自相关，故接受“扰动项无二阶自相关”的原假设，可以使用系统GMM。F统计量的P值为0，表明模型整体拟合效果较好。为了进一步验证GMM估计的有效性，将滞后因变量的GMM估计值与混合OLS以及固定效应的估计值进行比较，混合OLS模型通常高估滞后因变量的系数，而固定效应模型一般低估滞后因变量的系数，若GMM估计值恰好介于二者之间，则表明GMM估计是可靠的。由表3可知，GMM估计值（0.832 4）小于混合OLS估计值（0.883 7），大于固定效应估计值（0.660 0），证明系统GMM估计是有效的。下面对估计结果进行分析。

安全规制方面，滞后一期的规制成本对煤炭行业TFP具有显著的负向效应，前一期规制成本越高，实施安全规制所造成的煤炭潜在损失越大，将给煤炭企业传递预期收益下降的信号，容易诱发其产生短视行为，进行技术改造、投资现代化设备设施等方面的动力不足，从而阻碍TFP进一步增长。规制机构的独立性虽然对生产率产生负向作用，但其影响微弱，仅在10%水平上通过显著性检验。随着垂直一体化的国家煤矿安全监察局作为第三方规制机构独立行使安全规制职能，规制强度及有效性得到了提高。一方面，规制加强难免会对煤炭行业TFP增长形成一定阻力，但其影响相当有限；另一方面，规制机构独立性增强能够有效地降低地方政府与煤炭企业之间形成“政企合谋”的可能性，促进煤炭行业安全水平提高，进而减少矿难发生所引起的煤炭生产中断，从长远来看，有助于煤炭行业安全、高效、健康发展。

控制变量方面，一阶滞后的ML生产率指数回归系数显著为正，表明煤炭行业TFP增长具有某种惯性，即前一期生产率的积累能够推动下一期生产率加速增长。代表地区经济发展水平的人均GDP与TFP呈负相关，其平方项与生产率正相关，表明经济发展水平与煤炭行业TFP之间呈现出明显的“U”型关系，这与赵萌（2011）的研究结论一致。上述现象表明，地区经济发展及人均收入水平较低时，地方政府更加注重经济总量增长、财政收入提高以及就业扩大，淡化以人为本的科学发展观；同时，工人更加注重生活温饱和收入稳定，忽视生产安全，从而导致煤炭行业深陷“高消耗、高死亡”的粗放型发展模式，安全生产与经济发展协调度差，不利于TFP的提高。随着经济发展，人均收入水平到达“拐点”以后，地方政府在保增长的同时更加关注社会稳定，工人的安全意识普遍增强，煤炭行业发展模式逐渐由粗放型向集约型转变，从而促进TFP增长。反映要素禀赋结构的资本-劳动比虽然与生产率正相关，但其影响并不显著，表明煤炭行业机械化程度偏低，很多煤矿依然延续着“人背肩扛”的作业方式，资本深化尚未起到推动煤炭行业TFP增长的作用。由国有化程度衡量的产权结构变量同样未对生产率产生显著影响，表明“国进民退”的产权改革思路是否有助于提高煤炭行业TFP值得商榷。事实上，产权结构对TFP的影响方向和程度难以准确衡量，判断国有私有孰优孰劣依赖于各方面因素的综合影响。由企业数量衡量的产业结构对TFP具有显著的负向作用，表明较低的产业集中度以及由此产生的过度竞争给煤炭行业发展造成了负面影响，政府通过兼并重组，可以达到整合煤炭资源、优化产业结构、促进煤炭行业TFP提高的目的。然而，兼并重组可能造成在位企业规模普遍扩大，企业内部组织协调成本上升，不利于整个行业管理效率的提高。

五、研究结论与政策启示

煤炭作为基础能源，在国民经济发展中占据至关重要的地位，对于煤矿资源丰富的地区，煤炭行业更是当地的支柱性产业，承担着发展经济、贡献利税与吸纳就业的重任。与此同时，饱受诟病的安全事故已成为煤矿生产过程中挥之不去的阴影，如何促进煤炭行业安全高效发展便成为学界的讨论热点与政府的现实关切。施加安全规制会给煤炭行业造成额外的成本，从而影响煤炭行业发展，科学地测算和分析安全规制下各地区煤炭行业的技术效率、规制成本、TFP变化及其影响因素便具有重要的理论价值和现实意义。本文首先利用产出导向的方向性距离函数测算了2001—2011年间各地区煤炭行业的技术效率与安全规制成本；其次，使用Malmquist-Luenberger生产率指数计算得到安全规制下煤炭行业TFP变化及其成分；最后，利用系统GMM方法对影响煤炭行业TFP的因素进行了实证分析。本文所得主要结论及政策启示如下：

第一，安全规制虽有助于煤炭行业加强管理，加大员工职业培训力度，提高技术效率，但总体来讲，安全规制下煤炭行业整体技术效率水平依然偏低，平均维持在0.576 5左右，表明煤炭行业并未完全摆脱“高投入、高消耗、高死亡”的粗放型发展模式。因此，加快转变发展方式，推进产业结构优化升级，走集约型发展道路，实现高效发展、安全发展，成为煤炭行业亟待解决的重要课题，也是未来改革的方向之一。

第二，不同地区煤炭行业承受的安全规制成本不同，且考察期内规制成本总体呈逐年上升的趋势。在能源紧缺、煤价上涨的背景下，煤矿事故的偶发性以及中央地方之间广泛存在的信息不对称性会强化地方政府对经济增长的偏好，追求利润最大化的煤炭行业通过寻租很容易将其“俘获”，“政企合谋”出现的可能性加大并阻碍煤炭行业健康发展。因此，如何设计一套激励机制防止“规制俘虏”，成为中央政府需要思考的问题。

第三，安全规制下煤炭行业TFP增长主要来源于技术进步，通过对比无安全规制约束下TFP变化可以发现，安全规制在改善煤炭行业技术效率水平的同时减缓了技术进步的速度，导致TFP增长放缓，但由于技术进步的速度快于效率恶化的速度，综合起来，安全规制下煤炭行业TFP依然保持了年均9.54%的增速。因此，加大研发投入、引进先进技术，构建产学研相结合的煤炭科技创新体系、促进技术进步，应该成为煤炭行业未来发展的着力点。

第四，煤炭行业TFP增长具有一定程度的惯性，前一期TFP积累能够加速下一期TFP增长。人均GDP与TFP之间存在U型关系，随着经济发展越过“拐点”，煤炭行业发展方式逐步由粗放型向集约型转变，TFP增长也随之加快。以国有化程度衡量的产权结构未对TFP产生显著影响，表明“国进民退”的产权改革作用有限，并未有效促进煤炭行业TFP增长。结合过度竞争对TFP的负面作用，政府在对煤炭行业实施兼并重组、优化产业结构的同时应尝试“国退民进”的产权改革思路。前期规制成本会对当期TFP造成负面影响，而规制机构独立性对TFP负面作用有限。由此引发的政策启示是，一方面，随着规制成本上升，一刀切式的过度规制容易诱发企业产生短视行为，不利于技术进步和TFP提高，中央政府应尽量避免进行大范围的关井限产与停产整顿；另一方面，深化煤矿安全规制体制机制改革，进一步提高规制机构独立性，防止“政企合谋”危害煤炭行业健康发展。

［1］陈诗一，2010：《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》第11期。

［2］柯孔林 冯宗宪，2008：《.中国银行业全要素生产率测度：基于Malmquist-Luenberger指数研究》，《数量经济技术经济研究》第4期。

［3］李斌 彭星 欧阳铭珂，2013：《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》第4期。

［4］李小胜 安庆贤，2012：《环境管制成本与环境全要素生产率研究》，《世界经济》第12期。

［5］王兵 吴延瑞 颜鹏飞，2008：《环境管制与全要素生产率增长：APEC 的实证研究》，《经济研究》第5期。

［6］王兵 吴延瑞 颜鹏飞，2010：《中国区域环境效率与环境全要素生产率增长》，《经济研究》第5期。

［7］王兵 王丽，2010：《环境约束下中国区域工业技术效率与生产率及其影响因素实证研究》，《南方经济》第11期。

［8］王兵 朱宁，2011：《不良贷款约束下的中国银行业全要素生产率增长研究》，《经济研究》第5期。

［9］肖兴志 陈长石 齐鹰飞，2011：《安全规制波动对煤炭生产的非对称影响研究》，《经济研究》第9期。

［10］叶祥松 彭良燕，2011：《我国环境规制下的规制效率与全要素生产率研究：1999-2008》，《财贸经济》第2期。

［11］赵萌，2011：《中国煤炭企业的全要素生产率增长》，《统计研究》第8期。

［12］赵梦楠 周德群，2007：《煤炭行业全要素生产率的区域差异》，《统计与决策》第5期。

［13］Chung，Y.H.，R.Färe& S.Grosskopf （1997）， “Productivity and undesirable outputs：a directional distance function approach”，Journal of Environmental Management 51（3）：229-240.

［14］Domazlicky，B.R.& W.L.Weber （2004），“Does Environmental Protection Lead to Slower Productivity Growth in the Chemical Industry？”，Environmental and Resource Economics 28（3）：301-324.

［15］Färe，R.，S.Grosskopf& C.A.Pasurka（2007），“Environmental production functions and environmental directional distance functions”，Energy 32（7）：1055-1066.

［16］He，F.，Q.Zhang&J.Lei（2013），“Energy efficiency and productivity change of China’s iron and steel industry：accounting for undesirable outputs”，Energy Policy （54）：204-213.

［17］Jeon，B.M& R.C.Sickles （2004），“The role of environmental factors in growth accounting”，Journal of Applied Econometrics 19（5）：567-591.

［18］Krautzberger，L.& H.Wetzel（2012），“Transport and CO2：productivity growth and carbon dioxide emissions in the European commercial transport industry”，Environmental and Resource Economics 53（3）：435-454.

［19］Kulshreshtha，M.& J.K.Parikh （2002） ，“Study of efficiency and productivity growth in opencast and underground coal mining in India：a DEA analysis”，Energy Economics 24（5）：439-453.

［20］Kumar，S.（2006） ，“Environmentally sensitive productivity growth：a global analysis using Malmquist-Luenberger Index”，Ecological Economics 56（2）：280-293.

［21］Managi，S.& P.R.Jena（2008） ，“Environmental productivity and Kuznets Curve in India”，Ecological Economics 65（2）：432-440.

［22］Roodman，D.（2009） ，“How to do Xtabond2：an introduction to difference and system GMM in Stata”，Stata Journal 9（1）：86.

［23］Yörük，B.K.& O.Zaim（2005） ，“Productivity Growth in OECD Countries：A Comparison with Malmquist Indices”，Journal of Comparative Economics 33（2）：401-420.

［24］Zhang，C.，H.Liu，H.T.A.Bressers & K.S.Buchanan（2011），“Productivity growth and environmental regulations-accounting for undesirable outputs：Analysis of China's thirty provincial regions using the Malmquist-Luenberger index”，Ecological Economics 70（12）：2369-2379.

［25］ Guan，Z.& A.O.Lansink（2006），“The source of productivity growth in Dutch agriculture：a perspective from Finance”，American Journal of Agricultural Economics 88（3）：644-656.

How Does Safety Regulation Affect the Development of China’s Coal Industry？

WANG Wei GUO Qi-guang
（Inner Mongolia Academy of Social Science，Hohhot 010010，China Inner Mongolia School of Administration，Hohhot 010010，China）

Based on the 2001-2011 provincial panel data of the Coal Industry in China， this paper uses the directional distance function and Malmquist-Luenberger index to study the technical efficiency， regulatory costs，TFP as well as its decomposition. Besides， we use the system GMM to study factors which have impact on TFP. The results show that， the overall technical efficiency of coal industry constrained by safety regulation is low， and there exists significant differences between regions； Coal industries in various regions bear different regulatory costs， which show an overall upward trend； Technological progress rather than technical efficiency contributes to TFP growth； After the implementation of safety regulation， deterioration of technical efficiency is alleviated in coal industry， but technological progress is inhibited， resulting in a slow-down TFP growth； High regulatory costs and Decentralized industrial structure generate negative effect on TFP； The relationship between per capita GDP and TFP presents an U shape.

Coal Industry， Technical Efficiency， Regulatory Costs， TFP

F222.1

A

2095-7572（2016）05-0028-16

〔执行编辑：韩超〕

2016-7-28

王薇，（1986-）女，内蒙古包头人，产业经济学硕士，内蒙古自治区社会科学院，研究方向：公共政策与公共管理。郭启光，（1989-）男，河南漯河人，产业经济学博士，内蒙古自治区行政学院，研究方向：产业经济与政府规制。