中国城市经济的绿色转型：基于环境效率和环境全要素生产率的分析

吴建新 黄蒙蒙

中国城市经济的绿色转型：基于环境效率和环境全要素生产率的分析

吴建新 黄蒙蒙

忽视能源消耗和“坏”产出会扭曲对企业经济绩效和社会福利变化的估计，有碍于城市产业经济转型升级。将能源投入变量和SO2、CO2两种“坏”产出变量加入环境效率和环境生产率投入产出指标体系中，采用全局参比的SBM方法和Luenberger指数方法测算中国286个城市2002-2011年间能源和环境双重约束下的环境效率和环境全要素生产率及其无效率来源。研究发现：中国城市在这一时期存在清晰的绿色转型轨迹，转折点为2006年；节能减排是中国城市绿色转型的主要推手，但资本无效率恶化减缓了城市绿色转型的步伐；东部地区城市和大城市在中国城市绿色转型中起到了很好的带动效应；政府科技投入、人力资本、外商直接投资、工业专业化和服务业专业化等是推动中国城市绿色转型的重要因素。

绿色转型； 城市经济； 环境效率； 环境全要素生产率

一 引 言

随着资源约束和环境污染问题的加剧，绿色发展问题受到空前关注。由于资源环境的外部性，采用传统效率和生产率评价城市经济的转型升级，会扭曲对社会福利变化和经济绩效的估计，可能在政策建议上产生误导。近年来，Chung et al.(1997)[1]提出的Malmquist-Luenberger生产率指数方法(MLPI)、Chambers et al.(1996)[2]提出的Luenberger生产率指数方法(LPI)和Tone(2001)[3]提出的SBM(Slack-based Measure)方法等为解决资源和环境约束下的经济绩效评价分析提供了丰富的工具。

有学者将资源或环境问题纳入中国经济效率的分析之中。例如，研究省区效率和生产率的有王兵等(2010)[4]、匡远凤和彭代彦(2012)[5]以及李涛(2013)[6]等；研究部门行业环境效率的有陈诗一(2010)[7]、沈能(2012)[8]等。在城市生产率的研究方面，邵军和徐康宁(2010)[9]基于Malmquist指数分析方法测度了我国4个直辖市以及187个地级市1999-2006年的全要素生产率增长、效率改进与技术进步。也有极少数文献开始涉及到城市经济的坏产出问题，如肖攀等(2013)[10]将劳动和资本作为投入，城市生产总值作为好产出，SO2作为坏产出，结合MLPI方法测算了中国286个地级以上城市2003-2010年的环境全要素生产率及其构成。王业强(2012)[11]利用BCC模型和超效率模型，分析了中国286个地级以上城市2005-2010年的规模效率，但没有考虑资源和环境问题。一些研究分析了中国城市环境污染规律及其影响因素。林伯强和刘希颖(2010)[12]在Kaya恒等式基础上引入城市化因素，研究了城市化与碳排放的影响因素，发现碳排放量与城市化等变量之间存在长期均衡关系。杨晓兰和张安全(2014)[13]采用固定效应——工具变量法对中国281个地级市2004-2010年的人均SO2、人均废水和人均烟尘等排放量进行了“环境库茨涅茨曲线”假说检验，发现城市污染物排放与经济增长之间存在倒U型关系，符合“环境库茨涅茨曲线”假说。

上述文献对我国城市效率和生产率及其决定因素作出了有益的探讨，但所使用的投入数据基本限于资本和劳动，即使有个别文献涉及到“坏产出”等环境因素，也仅限于城市SO2的排放，鲜有考虑能源和碳排放等因素。而企业在生产过程中不但会消耗能源，而且会产生SO2、CO2等坏产出，忽视“坏产出”会对企业绩效做出错误的评估与结论。且以往研究方法一般都采用了径向、角度的DEA模型进行评价，没有避免方向向量设定带来的主观性问题，从而导致环境效率和生产率估计的偏误(Cooper et al., 2007)[14]。因此，本文进行如下拓展：在环境效率和环境生产率投入产出指标的选取上，除了传统的资本、劳动和城市生产总值外，增加了能源投入变量以及SO2、CO2两种坏产出变量，并且采用基于全局参比的GSBM(Global Slack-based Measure)方法和GLPI指数方法(Global Luenberger Productivity Index)，对中国286个地级以上城市(除拉萨和日喀则之外)2002-2011年的环境效率和环境全要素生产率进行分析。

二 研究方法

P={(x，y，b)│x≥Xλ，y≤Yλ，b≥Bλ，λ≥0}

(1)

这里λ∈Rn是一个强度向量(Intensity Vector)，上述定义采用的是规模报酬不变的假设，如果采用规模报酬可变的假设，就需要加入eλ=1即强度向量为1的约束。要构造环境生产技术，上述生产可能性集需要满足闭集、有界集、期望产出和投入的强可处置、零结合公理和产出弱可处置等条件。

(一)全局参比的GSBM环境效率方法

基于前面的定义和假设，定义一个非径向、非角度的SBM环境效率指数(Environmental Efficiency,EE)：

(2)

为了进一步分析各投入和产出要素对环境效率的贡献，还可以通过计算各要素无效率值在总无效率值中的比例来估计，第O个决策单元的无效率值可以分解如下：

(3)

(二)全局参比的GLPI环境全要素生产率指数方法

环境效率测度的是静态的效率指数，无法考察生产前沿移动带来的技术进步等动态信息，故采用新的DEA方法开展分析。自从Färeetal.(1994)[16]采用Malmquist生产率指数(MPI)将全要素生产率变化分解为技术进步和效率变化后，这一指数得到广泛的应用。Chambersetal. (1996)[2]采用方向性距离函数的概念，引入了一种新的全要素生产率变化测度指数，将资源和环境因素加入全要素生产率的测度中，即LPI全要素生产率指数，该指数不但可以包含坏产出等因素，还可以灵活选择需要测度的角度。Chungetal. (1997)[1]将方向性距离函数引入MPI指数提出了测度环境全要素生产率变化的MLPI生产率指数方法。LPI生产率指数是MLPI生产率指数的一般化，是一种非径向可加的生产率指数，避免了MLPI生产率指数不考虑变量松弛带来的偏误。但是普通的MPI、LPI和MLPI生产率指数都面临不可行解问题以及可传递性问题。后续研究中，Pastor和Lovell(2005)[17]、Oh(2010)[18]采用全局参比的方法分别成功解决了MPI和MLPI生产率指数的不可行解和可传递性问题。借鉴上述文献的方法，通过构造全局参比的GLPI指数方法来解决LPI指数的不可行解和可传递性问题。

按照Fukuyama和Weber(2009)[19]、Zhouetal.(2012)[20]的思路，可以定义一个非径向、非角度的SBM方向性距离函数来表示环境无效率(SlackBasedInefficiency，SBI)：

(4)

按Chambersetal.(1996)[2]的定义，第O个决策单元从第t期到t+1期的Luenberger生产率变化表示如下：

(5)

与MPI分解方法相同，Luenberger指数可以被分解为效率变化和技术变化：

(6)

(7)

全局参比的技术采用全部研究时期的样本点来构建生产前沿，相当于对全部时期生产前沿的包络。在全局参比的生产前沿下，将不会再有无效率的交叉项。因此，GLPI指数可以直接用第t期与第t+1期的方向性距离函数之差表示：

(8)

(9)

当第t期的最优实践差距大于(小于)第t+1期时，技术进步(技术退步)存在，故采用全局参比的技术就可以将Luenberger指数分解为技术进步和效率变化两个部分。

采用的投入有资本、劳动和能源，好产出用城市生产总值表示，坏产出用CO2和SO2排放量表示。

三 数据说明与投入产出指标选取

(一)数据说明

截止2014年7月，中国大陆地区共有288个地级市，其中拉萨市和日喀则市的数据缺失，所以样本包含除拉萨和日喀则之外的全部286个城市。同理，由于2002年以前中国城市的投入产出数据缺失较多，所以仅分析2002-2011年期间10年的数据。城市投入和产出数据主要来自历年《中国城市统计年鉴》、《中国统计年鉴》、《中国城市建设统计年鉴》和《中国区域统计年鉴》等。

1.资本投入：资本存量采用永续盘存法来计算。用该方法计算资本存量需要基期资本存量、当年的固定资产投资数据、折旧率和投资平减指数等四个指标。其中，《城市统计年鉴》提供了历年各城市全市固定资产投资总额数据，采用平减指数折算为不变价数据。由于我国目前还没有公布地级市的资本平减指数，因此采用各省的资本平减指数代替，即可得到以2000年价格计算的投资序列。关于折旧率，借鉴Wu(2009)[21]的方法和结果采用分地区的折旧率。

基期资本存量采用如下公式计算：

(10)

其中，gj是选定时期内固定资产投资的增长率，δ是折旧率，然后采用公式Kj, t=Kj, t-1(1-δ)+Ij, t计算出其它年份的资本存量值。

2.能源投入。我国城市使用的能源主要包括电能、煤气和液化石油气等，但北方城市出于冬季采暖的需要，也存在热能的供应。我国城市热能主要有锅炉房供热和热电厂供热两种，其原料多数以原煤为主，《中国城市建设统计年鉴》提供了历年各城市集中供热的统计数据。《GB/T 15317-2009燃煤工业锅炉节能监测》规定的燃煤工业锅炉热效率最低标准介于65%～78%之间，考虑到目前我国集中供热锅炉以中小型燃煤锅炉为主，因此采用70%的热效率值来计算。原煤的平均低位发热量为20908千焦/千克。利用供热量、热效率和原煤发热量系数就可以计算出需要的原煤数量，再利用原煤折算标准煤系数(0.7143千克标准煤/每千克)，可以计算出集中供热消耗的能源数量。对于城市交通运输消耗的能源，《城市统计年鉴》提供了城市出租汽车和公共汽车的数量，再结合国家城市公交车辆和出租车燃油消耗限值的相关标准来计算。将上述电能、煤气和液化石油气、热能和交通运输能耗转化成万吨标准煤后加总得到各个城市总的能源投入。

3.劳动投入。在对发达国家的研究中一般都将劳动时间作为劳动投入，由于我国目前还没有劳动时间的统计数据，故采用各城市历年的从业人员数量作为劳动投入。

4.好产出。采用不变价的实际城市生产总值(GRP)作为好产出，利用《中国城市统计年鉴》中的名义城市生产总值通过分省的GDP平减指数计算得出。

5.坏产出。采用CO2和SO2排放量作为各城市的坏产出。历年《中国城市统计年鉴》提供了国内各地级市年度SO2排放量数据。CO2排放量不仅包括直接能源消耗产生的CO2排放，如煤气和液化石油气等，还包括电能和热能消耗产生的CO2排放。其中直接能源消耗的碳排放利用IPCC提供的相关转化因子计算。电能消耗产生的碳排放比较复杂，借鉴Glaeser和Kahn(2010)[22]的做法，即由于同一电网区域内的电能具有可替代性，因此具有相同的排放因子。我国电网分为华北、东北、华东、华中、西北和南方六大区域电网，采用各区域电网基准线排放因子和城市电能消耗量计算出各城市电能消耗所产生的碳排放。根据IPCC2006，原煤的碳排放系数为2.53千克CO2/千克，利用热能消耗的原煤数量就可以计算出集中供热产生的碳排放。城市交通产生的CO2分别采用公交汽车和出租车消耗的柴油和汽油数量及其在IPCC2006中的转化系数计算，柴油和汽油的转化系数分别为2.73千克CO2/公升和2.26千克CO2/公升。

区分不同规模城市以及城市群和非城市群在环境效率和生产率方面的差异。将2002-2011年平均市辖区人口大于200万的城市作为大城市，介于100-200万之间的城市作为中等规模城市，小于100万的作为小城市。于是有42个大城市、76个中等规模城市和168个小城市，大中小三类城市的数量比例接近于1：2：4，较符合城市规模的分布规律。 城市群划分方法:借鉴中国科学院地理科学与资源研究所发表的《2010中国城市群发展报告》的分类方法，主要分析了10个城市群*包括：京津冀城市群、长三角城市群、珠三角城市群、山东半岛城市群、辽中南城市群、中原城市群、长江中游城市群、海峡西岸城市群、川渝城市群和关中城市群。。为了区分城市的区域差异，借鉴多数文献的做法，将城市按照所属地域分为三大地区：东部地区、中部地区和西部地区*东部地区有北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南等11个省(市)，共计101个城市；中部地区有8个省级行政区，分别是山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南，共计101个城市；西部地区包括的省级行政区共12个，分别是四川、重庆、贵州、云南、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古，合计84个城市。。

四 实证结果及分析

根据前述方法和样本数据，计算中国286个城市2002-2011年期间的环境效率和环境全要素生产率。为分析两者的构成，作进一步的分解，同时与不考虑能源和坏产出的传统生产效率和传统全要素生产率进行比较，实证检验影响环境效率和环境全要素生产率的因素。

(一)城市环境效率及其分解

1.城市环境效率的测算结果

表1报告了2002-2011年期间中国和三大区域城市环境效率和传统生产效率的平均值及其无效率来源的分解结果。这一时期我国286个城市环境效率的平均值为0.307，而传统生产效率平均值为0.310，考虑能源和环境要素后效率水平有所下降，表明能源的过度投入和环境污染物的过度排放造成了效率损失，这与王兵等(2010)[4]、匡远凤和彭代彦(2012)[5]的研究结果相似。在全国环境无效率来源中，环境因素和能源无效率的贡献最大，合计贡献72.5%。就单个要素来看，SO2排放无效率所占的比例最高，为26.3%，其次是CO2排放无效率，贡献23.4%，能源投入无效率占22.8%，排在第三位；而传统的资本要素和劳动要素的投入无效率分别只占18.4%和9.1%，好产出GRP则没有出现无效率。虽然已经有许多文献发现我国资本投入的利用效率相当低，但以上结果显示我国环境污染排放和能源利用效率更差，环境污染和能源利用效率低才是造成我国城市环境效率低下的主要原因。如果不考虑能源和环境约束，传统的生产无效率来源中，有85.5%的无效率来自好产出的生产不足，而资本和劳动要素的过度投入分别只占总体无效率的8.7%和5.9%。从传统生产效率和环境效率的比较可以发现，要提高传统生产效率，最有效的办法是提高好产出GRP；而要改善环境效率，最重要的是降低SO2和CO2的排放，其次才是提高能源的利用效率。王兵等(2010)[4]认为好产出的生产不足成为无效率的主要来源与我国的现实不相符合，忽略能源和环境要素可能会导致效率测算结果的偏误，进而得出错误的政策建议。本文的研究结果也证明了环境效率是一个比传统生产效率更能反映实际生产状况的效率指标。

表1 2002-2011年全国和各区域城市平均环境效率、传统效率及其无效率来源分解

注：本表中的平均为算术平均，各无效率成分为其在总无效率中所占的份额。

就三大区域来看，东中西部城市的平均传统生产效率和环境效率呈梯度递减的现象，东部最高，中部次之，西部最低。环境无效率的来源构成排序与全国一致，但相对贡献份额却有较大差别，劳动对东部环境无效率的贡献只有5.6%，但对西部城市的贡献高达11.8%，表明西部地区在劳动的有效利用方面存在较大劣势。东部地区改善环境效率面临的主要问题是环境污染物的过度排放和能源的过度投入，合计占总无效率的76.4%，因此政府政策更应该着力于节能减排方面；中西部地区环境无效率的来源更加分散，因此需要从多个方面着手来提高环境效率。与环境效率相比，传统生产无效率的构成没有统一的模式，虽然好产出GRP无效率依然是三大区域生产无效率最主要的来源，但资本无效率对东部城市和西部城市无效率的贡献大于劳动无效率，对中部城市无效率的贡献小于劳动无效率。

从不同规模城市来看，中等规模城市的平均环境效率最高，为0.325；其次是大城市，为0.315；小城市最低，只有0.296。中小城市环境无效率的来源按其所占份额从大到小排序依次为：SO2排放、CO2排放、能源投入、资本投入和劳动投入，与全国平均环境无效率相同。但大城市表现出不同的特点，其平均环境无效率来源中，CO2排放无效率处在第一位，占无效率总额的25.7%；其次是能源无效率，占25.5%；SO2无效率仅排第三位，占23.5%。上述结果表明大城市在SO2减排方面表现比较突出，但在节能环节做得不够好，其能源无效率值远高于中小城市，与能源消耗密切相关的CO2排放无效率值也高出很多。此外，大城市劳动无效率所占的比例很低，只有6.9%，其平均无效率值也小于中小城市，体现出大城市在劳动利用方面具有较大优势。在传统生产效率下，大城市的效率要显著高于中小城市，这与许多采用全要素生产率或劳动生产率指标研究(Au和Henderson，2006[23]；傅十和和洪俊杰，2008[24]等)得出的结论相同。在政府政绩考核机制影响下，我国许多城市在经济发展过程中单纯依靠加大要素投入和牺牲环境来换取高速经济增长，忽视了资源和环境利用带来的效率损失，从而导致我国城市环境恶化和资源损耗严重。传统无效率构成中，除了产出依然是主要的无效率来源外，大城市在劳动的利用上体现出较大优势，但在资本的利用上缺乏效率；中小城市在资本和劳动两种投入上的无效率值比较均衡。

城市群城市和非城市群城市在环境效率方面存在显著差异(见表2)。研究时期内全国城市群城市的平均环境效率为0.343，而非城市群城市只有0.283，比城市群城市低了17.5%。全国城市群城市的平均传统效率为0.340，非城市群城市为0.290。由表2可见，城市群城市的6种环境无效率平均值都低于非城市群城市。三大区域城市群城市相对非城市群城市也具有相同的生产效率优势，但环境效率水平沿东中西部趋势递减。两者相比较，可以发现城市群城市不但在传统生产效率上具有优势，其在环境效率上的优势更加明显。城市群一般是以大城市为核心，由地理上相临近的不同规模城市组成的城市集合体，城市群内部各城市之间存在紧密的分工和协同效应，从而提高了城市群的整体生产效率。可见就城市化路径选择来看，城市群是一种高效的资源与环境集约型城市化发展模式。

表2 2002-2011年城市群和非城市群城市的平均环境效率及其无效率来源构成

注：本表中的平均为算术平均，各无效率成分为实际计算值。

表3 2002-2011年全国十大城市群的环境效率平均值及其无效率来源分解

(续上表)

城市群环境效率IEKIELIEEnergyIEYIECO2IESO2IETotal京津冀城市群03110598024907760000076207383123长江中游城市群02870623033606830000077909683389辽中南城市群02850556030308450000085007243278关中城市群02070730055607750000075107813593

注：本表中的平均为算术平均，各无效率成分为实际计算值。

从表3来看，海峡西岸城市群的环境效率最高，为0.533；其次是山东半岛城市群(0.391)和长三角城市群(0.371)。环境效率值排在后三位的分别是长江中游城市群(0.287)、辽中南城市群(0.285)和关中城市群(0.207)。不同城市群在环境无效率来源上也存在较大差异。SO2排放无效率最低的是山东半岛城市群，最高的是长江中游城市群；海峡西岸城市群在CO2排放、能源消耗、劳动和资本投入等无效率方面都具有最低值。环境无效率的最高值则分别来自辽中南城市群(IECO2，0.850；IEEnergy，0.845)。关中城市群在传统投入要素资本和劳动上的无效率值最高(IEL，0.556；IEK，0.730)。在十大城市群中，能源环境无效率(IEEnergy、IECO2以及IESO2三者之和)依然是无效率的主要来源，意味着节能减排是提高城市群环境效率的主要手段。不过，十大城市群环境无效率来源中，除海峡西岸城市群外，其它城市群在能源环境无效率方面的差距并不大，差距主要来自传统投入要素无效率(IEK与IEL之和)。例如，山东半岛城市群与关中城市群在能源环境无效率上的差距为0.499，但在传统要素投入无效率上的差距高达0.918。可见要缩小城市群之间的环境效率差距，不但要降低落后城市群的资源环境无效率，更要提高其传统要素投入的利用效率。

2. 城市环境效率的演变与城市绿色转型

图1展示了全国城市和不同规模城市2002-2011年环境效率及其无效率来源的演变。全国和不同规模城市环境效率随时间变化都呈现明显的“U”型趋势，2002-2006年期间，全国城市经历了平均传统效率和环境效率的双重恶化，2006年后环境效率实现了持续的增长，但传统效率却仍然延续了下降的趋势。就全国城市平均值来说，环境效率的最低点出现在2006年；不同规模城市中，中小规模城市环境效率到达谷底的时间与全国一致，大城市环境效率在2004年就到达了谷底，比中小规模城市早了两年时间。是什么导致我国城市环境效率的“U”型反转呢？首先，根据环境效率和传统效率演变趋势的差别推断，“U”型反转必然与能源和环境要素相关。其次，按照第二部分的定义，环境效率变化与无效率变化正好相反，那么具有相反变化趋势的投入或产出无效率对环境效率变化的影响最大。根据这一特点，可从图1推断影响全国环境效率变化的主要因素可能是能源投入、CO2排放和SO2排放，因为资本无效率、劳动无效率与环境效率的变化趋势差别很大，不太可能是环境效率逆转的主要因素。可用1减去无效率作为单个投入或产出的效率指数，通过对单个投入或产出效率与环境效率相关系数的计算来检验。结果表明，能源投入效率与环境效率的相关系数(0.909)最高，其次是CO2和SO2排放效率与环境效率的相关系数，分别为0.832和0.772，而环境效率与资本和劳动效率的相关系数较低。因为城市环境效率的“U”型变化主要来自能源消耗的节约以及CO2、SO2等环境污染物排放的减少，所以将这一现象称为我国城市的“绿色转型”。

图1 全国及不同规模城市平均环境效率及其无效率来源、传统效率的动态变化

从不同规模城市来看，虽然能源无效率和SO2、CO2排放无效率的下降依然是我国城市绿色转型的主要驱动力，但劳动投入无效率的下降对城市环境效率的提高也起到了积极推动作用，从图1可见大中小城市劳动投入无效率的值在研究时期内出现了较大幅度的持续下降。这一结果符合我国近年来劳动生产率提高、劳动力供给趋向紧张的实际情况。大中小城市资本投入无效率在2006年之前都呈现增长的趋势，但2006之后大城市的资本无效率下降，中小城市的资本无效率虽然没有增加，但也没有明显的改善迹象。事实上，由于节能减排政策的推进，中小城市的资本无效率已经非常接近能源和CO2排放的无效率。此外，虽然中等规模城市在2002-2011年间的平均环境效率最高，但2006年之后大城市的环境效率逐渐赶上并超过了中等规模城市，体现出大城市在绿色转型方面的巨大进步和潜力。

图2 2002-2011年我国十大城市群环境效率变化

图2展示了我国十大城市群2002-2011年的环境效率变化。由图可见，绿色转型轨迹最明显的是海峡西岸城市群，其次是山东半岛城市群，接下来是珠三角城市群和川渝城市群，他们的环境效率触底后反弹的幅度都超过了0.1。有些城市群虽然也出现了转型的迹象，但环境效率触底后反弹的幅度很小，不超过0.035，而且不太稳定，出现了一定反复，如长三角城市群、中原城市群和长江中游城市群。2011年环境效率高于和低于2002年水平的城市群各有5个。环境效率改善幅度最大的三个城市群分别是川渝城市群、珠三角城市群和京津冀城市群，其2011年的环境效率分别比2002年提高0.107、0.088和0.074。城市群开始转型的时间也有先后，京津冀城市群和珠三角城市群在2003年就开始了绿色转型，关中城市群始于2004，山东半岛城市群、辽中南城市群和川渝城市群始于2005年，海峡西岸城市群始于2006。不同城市群转型时间和幅度的差异，意味着不同城市群绿色转型的动力机制和作用时间可能存在差异，需要进一步分析。

推动我国城市绿色转型的因素是什么呢？从国家政策层面看，2006年国家为了实现《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》中严格控制高能耗、高污染和资源型产品出口的要求，降低或取消了一些行业的出口退税，增加了国内短缺资源和节能环保产品的进口。同时将环境保护作为淘汰落后产能和设备的依据，关闭了大批浪费资源、污染环境的企业。《国家环境保护“十一五”规划》又将113个城市列为环境保护重点城市，制定了节能减排的具体目标。按照《中国的能源政策(2012)》白皮书，2006-2011年，我国万元国内生产总值能耗累计下降20.7%，实现节能7.1亿吨标准煤。计算的城市万元GRP能耗下降22.3%，万元GRP SO2排放下降48.2%，万元GRP CO2排放下降20.6%。节能减排效果的取得一方面来自政府环保政策的推动，另一方面可能与企业在新能源开发、脱硫和低碳技术方面的进步密切相关。分析结果表明，2006年以来中国的能源与环境政策是卓有成效的。一般来说，大城市和经济发达地区在环保意识和政策执行力度方面都要强于中小城市或经济欠发达地区，这可能是由于大城市和东部地区城市较早开始绿色转型。大城市和东部地区城市在绿色转型过程中走在了前面，为我国城市绿色转型起到了很好的带头作用。

(二)城市环境全要素生产率及其分解

1.城市环境全要素生产率分析

表4报告了中国城市传统全要素生产率与环境全要素生产率及其构成的平均增长率。全国2002-2011年间传统全要素生产率增长为-1.22%，环境全要素生产率虽然也是负增长，但只有-0.05%，表明资源和环境因素减缓了环境全要素生产率的下降。传统全要素生产率下降的原因中，效率降低和技术退步各占一半左右；而环境全要素生产率增长的下降主要来自技术退步，其效率增长为0.49%。就三大区域来看，只有西部城市的环境全要素生产率实现了正增长，东部城市和中部城市的环境全要素生产率都出现了小幅度下降，即2011年的环境全要素生产率没有恢复到2002年的水平，下降的原因来自技术退步。这与前面环境效率分析的结果一致。与环境全要素生产率增长不同，三大区域城市的传统全要素生产率都出现了不同程度的下降。从整体上看，2002-2011年间中国城市的传统全要素生产率和环境全要素生产率都出现了下降，说明城市没有完全摆脱主要依靠增加投入来促进经济增长的粗放型城市化发展模式。

表4 城市传统全要素生产率与环境全要素生产率增长的比较分析

注：本表中的平均为算术平均。

分城市类型来看，2002-2011年期间只有大城市实现了环境全要素生产率正增长，中小城市的环境全要素生产率增长为负。三种类型城市环境全要素生产率下降的原因主要是技术水平的下降，而效率都得到了提高，这两方面的差异化作用，使得三种类型城市环境全要素生产率变化方向不同。与环境全要素生产率相比，传统全要素生产率下降的幅度更大。实际上，在此期间，能源生产率提高了28.7%，劳动生产率提高了31.7%，而资本生产率则下降了31.5%。环境全要素生产率分析再次表明，资本生产率的恶化是导致传统全要素生产率下降和城市绿色转型进程缓慢的主要原因。

从表5的城市群分析结果看，在2002-2011年期间，十大城市群传统全要素生产率的增长都为负；但从环境全要素生产率来看，有5个城市群实现了正增长，按照增长幅度从大到小排列分别为：川渝城市群(1.2%)、珠三角城市群(0.96%)、京津冀城市群(0.82%)、辽中南城市群(0.44%)和关中城市群(0.44%)，其他5个城市群虽然是负增长，但幅度小于传统全要素生产率。多数城市群环境全要素生产率增长来自效率变化，但长三角城市群、山东半岛城市群和中原城市群等技术变化的贡献更大一些。

表5 城市群传统全要素生产率与环境全要素生产率增长比较分析

注：本表中的平均为算术平均。

2. 城市环境全要素生产率增长演变与城市绿色转型

从图3(a)中可以看到，全国城市在2006-2007年实现平均环境全要素生产率的增长，在此之前除了小城市在个别年份实现了平均环境全要素生产率增长外，均处于下降状态。自2006-2007年后全国和三大区域平均环境全要素生产率保持了持续增长的态势，但2008-2009年后增长的速度显著下降。与全国和中西部城市不同，东部城市实现平均环境全要素生产率增长的时间要早1年，即2005-2006年。从图3(b)中可以看出，传统全要素生产率除了个别年份是正增长外，大多数时期都是负增长，这与前面环境效率和传统效率水平的分析一致。虽然各个地区城市实现绿色转型的时间不同，但就全国平均而言，环境全要素生产率清晰地显示我国城市在2006年开始了绿色转型，从转型后(2006-2011年)实现的环境全要素生产率累计增长幅度来看，东部城市最成功，增长6.8%，其次是西部城市，增长4.61%，中部城市增长的幅度最低，只有3.69%。结果显示，2002-2003年中国城市环境全要素生产率下降的幅度最大，此后下降幅度逐步收窄，并在2006年开始了环境全要素生产率的绿色转型。2009年后，受“四万亿”政策的影响，环境全要素生产率增长的速度有所下降，但仍然保持了正增长。从全国平均来看，2011年中国城市环境全要素生产率仍然没有恢复到2002年的水平，286个城市中只有151个城市实现了环境全要素生产率的净增长。

图3 全国和三大区域城市环境全要素生产率和传统全要素生产率增长

由图4可见，大中小城市的平均传统全要素生产率在大多数年份中都是负增长，但环境全要素生产率在研究的后半时期实现了正增长，推动了城市的绿色转型。环境全要素生产率变化规律显示，不同类型城市开始绿色转型的时间存在差异，大城市从2004-2005年度即实现并保持了环境全要素生产率的正增长，中小城市环境全要素生产率从2006-2007年度开始才出现正增长。从转型后所实现的增长幅度来看，大、中、小城市分别累计增长6.18%、5.05%和4.75%。大城市绿色转型更加显著的一个可能原因是，中小规模城市缺乏改造高污染生产设备所需的资金，例如大城市在脱硫设备的采用方面具有较高优势，因此其SO2排放率较低。当然，也有可能是中小城市环境规制程度低于大城市造成的。

图4 全国和大中小城市环境全要素生产率与传统全要素生产率增长

整体上看，环境效率和环境全要素生产率的计算结果为城市绿色转型特征提供了相同的证据，即2002-2006年期间中国城市经历了传统效率和环境效率的双重恶化，从2006年开始中国城市走上了绿色转型的道路，而大城市和东部地区在这一转型过程中起到了积极的先导作用。在资本无效率导致传统效率持续恶化的条件下，中国城市在节能减排方面做出了卓有成效的尝试，虽然整体上环境效率和环境全要素生产率还没有恢复到2002年时的水平，但这一发展趋势非常值得肯定，为我国城市的绿色可持续发展奠定了良好基础。

(三)中国城市绿色转型的影响因素分析

在前文对城市环境效率和环境全要素生产率分析的基础上，以城市环境效率和环境全要素生产率为因变量，借鉴现有经验研究来分析影响中国城市绿色转型的因素。基于数据可得性，选取如下解释变量：(1)发展水平变量：用不变价格劳均产出的对数(lny)表示，用于考察收入水平与环境效率及环境全要素生产率增长之间的关系，加入平方项检验环境库茨涅茨曲线的存在性；(2)城市规模：借鉴多数文献的做法，用市辖区人口的对数(lnsize)表示城市规模，考虑到城市规模与环境效率、环境全要素生产率增长之间不一定是简单的线性关系，因此回归中加入了城市规模的平方项；(3)外商直接投资：用实际外商投资额与城市GRP的比值(FDIY)表示，可以检验“污染天堂”假说的存在性；(4)环境规制：用城市工业污水排放合格率、SO2去除率和工业烟尘去除率的平均值(ER)表示；(5)研发投入：由于缺乏研发投入变量，采用城市人均政府科学事业费支出的对数(lnsci_exp)表示；(6)人力资本：因为目前没有关于城市人力资本水平的统计，因此采用城市中每万人在校大学生数的对数(lnstudent)来代替；(7)产业结构变量：产业结构是能源消耗和环境污染物排放的主要决定因素，因此用不同的变量从不同角度来分析，考虑到不同的专业化会导致城市生产效率差异，用第二、第三产业增加值占GRP比重来分别表示工业专业化(Sec_Share)与服务业专业化(Ter_Share)水平变量；用全部19个产业门类城市就业人员计算出的产业结构基尼系数(Gini)来表示产业结构专业化程度，基尼系数越大，产业结构专业化程度越高；(8)基础设施：发达的基础设施(如交通运输)有利于城市高效运行，分别采用城市客运量、货运量与城市人口比值的对数来表示，即lntrans_cargo和lntranx_pass。由于环境效率的取值具有明显的截断特征，因此适合采用Tobit回归方法来处理。对于环境全要素生产率增长则采用面板数据回归方法进行计量分析，并通过Hausman检验来确定具体采用固定效应或者随机效应方法。

表6 环境效率和环境全要素生产率增长的影响因素分析

注：***、**和*分别表示1%、5%和10%的显著性水平。

表6中的模型1是环境效率的Tobit回归结果，模型2是全部样本环境全要素生产率增长的固定效应回归结果。 为了深入考察城市绿色转型的推动因素，又将环境全要素生产率增长分为2002-2006年和2006-2011年两个子时期进行回归，结果分别为模型3和模型4。由于环境全要素生产率增长回归模型的Hausman检验都非常显著，故采用固定效应模型。“环境库兹涅茨曲线”假说认为环境污染指标与人均收入之间存在倒“U”型关系，在模型1中劳均产出平方项的回归系数为负值且不显著，因此结果并不支持“环境库兹涅茨曲线”假说。模型2中劳均产出平方项对环境全要素生产率增长的回归系数不但显著而且为正值，但这只能说明劳均产出与环境全要素生产率变化率之间存在“U”型关系，劳均产出平方项回归系数在两个子时期样本的回归中不显著，因此也不能证明“环境库兹涅茨曲线”假说成立。非参数的局部加权回归散点平滑法(Locally Weighted Scatterplot Smoothing，LOWESS)能够捕捉到两个变量之间更加准确的曲线关系，因此，采用LOWESS方法绘出环境效率与劳均产出之间的关系曲线(见图5)，可以看出二者之间的关系近似直线而非曲线，表明环境效率随收入水平的升高而改善。因此，先恶化、后改善的“环境库兹涅茨曲线”规律在本文研究的样本区间内并不存在。

图5 环境效率与劳均产出以及城市规模之间的关系

城市规模是影响环境效率的重要变量，集聚效应、选择效应和分类效应都会导致生产率高的大企业向大城市集中，即大城市具有生产率优势。模型1的回归结果显示，环境效率与城市规模之间不存在显著的倒“U”型关系。同样可以采用LOWESS方法绘出环境效率与城市规模之间关系的曲线(见图5)，可以看出二者之间的关系似乎接近于“M”型而非倒“U”型，采用二次曲线回归方法没有捕捉到环境效率与城市规模之间的真实关系。用LOWESS方法拟合得出的最优城市规模为市辖区人口220万左右，这与前面的统计分析基本吻合。不过，城市规模及其平方项对环境全要素生产率增长的回归系数不显著。

外商直接投资变量对环境效率的回归系数显著为正，表明外商直接投资与环境效率正相关；在全部样本回归中，外商直接投资对环境全要素生产率增长的回归系数虽然为负值，但不显著。“污染天堂”假说认为，发达国家严格的环境规制会促使其污染密集型产业转移到环境规制较弱的发展中国家，并形成“逐底竞赛”(The Race to the Bottom)，即哪里的环境规制水平低，污染产业就转移到哪里。本文的研究结果显然不支持这一结论。事实上，中国的外商直接投资主要分布在东部沿海和大城市等经济较为发达的地区，而这些地区的环境效率和环境规制水平都比较高。在两个子时期样本的回归中，只有模型4中外商直接投资的回归系数显著为正，表明外商直接投资推动了2006-2011年期间的环境全要素生产率增长。环境规制水平与环境效率显著正相关，与环境全要素生产率增长显著负相关，表明从长期来看，环境规制强度有利于环境效率水平的提高，但环境规制在样本时期中没有促进环境全要素生产率的增长。由于全要素生产率的提高可以看作是广义的技术进步，因此也可以理解为环境规制并没有促进技术进步，结果不支持环境规制会倒逼技术进步的“波特假说”。

内生经济增长理论认为研发和人力资本是技术进步的两大来源。政府科学事业费支出、人力资本变量(每万人在校大学生数)与环境全要素生产率增长之间显著的正相关关系与理论预期相符合。但政府科学事业费支出与环境效率显著负相关，人力资本变量与环境效率的关系不显著。这一看似矛盾的结果正好反映了经济绿色转型时期水平指标和增长率指标的不同特点，作为水平指标的环境效率表示的是长期积累的结果，而环境全要素生产率增长表示短期的变化量。上述结果仅仅表明样本时期内科技投入和人力资本对环境全要素生产率起到了促进作用。

在产业结构因素中，工业专业化(Sec_Share)与环境效率显著负相关，但与环境全要素生产率增长显著正相关。表明工业专业化城市虽然环境效率水平较低，但在样本期内改善的幅度较大。服务业专业化(Ter_Share)对环境效率的回归系数不显著，与环境全要素生产率的关系在两个子时期虽然显著，但方向相反，表明服务业专业化城市在2002-2006年期间环境全要素生产率下降，而在2006-2011年期间环境全要素生产率明显改善。产业结构专业化基尼系数(Gini)与环境效率显著正相关，表明专业化城市具有较高的环境效率，但产业结构专业化基尼系数对环境全要素生产率的回归系数不显著。

货运能力与环境效率显著负相关，客运能力与环境效率显著正相关。货运能力强的城市与资本要素密切相关，可以看作是“资本密集型”城市，客运能力强的城市与劳动要素的联系更紧密，可以看作“劳动密集型”城市，当然这里的“劳动密集型”不一定是指传统的低附加值劳动密集型产业，也可能是知识技术密集型产业。这是因为货物运输较多的城市往往具有发达的重化工业，如鄂尔多斯、乌海和嘉峪关等人均货物运输量排在前三位的城市。相反，那些人均客运量大的城市多以先进制造业、高科技产业或服务业为主，如人均客运量排在前三位的城市分别是深圳、东莞和珠海，其主要支柱产业是电子信息等高科技产业、金融服务业和旅游业等，因此具有相对较高的环境效率值。货运能力与环境全要素生产率增长之间的关系仅在2006-2011年期间显著，而客运能力与环境全要素生产率增长之间的关系在两个时期都不显著。

五 结论与讨论

本文采用GSBM方法和GLPI生产率指数方法测算了我国286个城市2002-2011年资源与环境双重约束下的环境效率和环境全要素生产率及其无效率来源，详细解释了这一时期中国城市绿色转型的过程，并分析了影响城市绿色转型的因素。

分析表明，考虑了能源与环境污染因素的平均环境效率小于不包含能源与环境因素的传统效率。无效率来源分解显示环境污染物排放和能源无效率的贡献最大，合计贡献72.5%。就单个要素来看，SO2排放无效率所占的比例最高，为26.3%；其次是CO2排放无效率，贡献23.4%，能源投入无效率占22.8%，排在第三位；而传统的资本要素和劳动要素的投入无效率分别只占18.4%和9.1%。动态地看，我国城市环境效率随时间呈“U”型变化，转折点为2006年。因为城市环境效率的“U”型变化主要来自能源消耗的节约以及CO2、SO2等环境污染物排放的减少，所以将这一现象称为中国城市的绿色转型。三大区域城市的环境效率和传统效率沿东部、中部、西部呈现依次递减的趋势。不同规模城市中，中等规模城市具有较高的平均环境效率，但大城市具有较高的传统效率。LOWESS分析表明我国环境效率意义上的最优城市规模是市辖区人口220万左右。

2002-2011年中国城市的传统全要素生产率和环境全要素生产率都出现了下降。传统全要素生产率的下降来自技术进步和效率的双重恶化，而效率水平特别是能源和环境效率的提高减缓了因技术退步导致的环境全要素生产率的下降。动态地看，全国城市平均环境全要素生产率在2006-2007年度之前都是负增长，之后都是正增长，而传统全要素生产率保持了下降的趋势，再次证明中国城市2006年以后成功实现了绿色转型。环境效率和环境全要素生产率的分析都表明，不同区域、不同规模城市绿色转型的时间和幅度存在差异，东部城市和大城市开始绿色转型的时间要早于全国平均时间，其绿色转型的幅度也大于全国平均水平，为推动我国城市绿色转型升级起到了很好的先导作用。

“十五”期间(2001-2005年)重工业化的再度加深、节能减排政策没有得到有效执行是环境效率和环境全要素生产率严重下降的主要原因。2006年后大批浪费能源、污染环境企业的关停并转和一系列节能减排政策的实施扭转了城市环境效率和环境全要素生产率的下降趋势，使得城市绿色转型走上快车道，但2009年“四万亿”政策的出台又减缓了绿色转型的步伐。虽然我国城市绿色转型取得了可喜的成绩，但不可过于乐观，实际上，2011年的全国平均环境效率仍然没有恢复到2002年的水平。在大中小型城市中，只有大城市的环境效率超过了2002年的水平，三大区域中也只有西部城市超过了2002年的环境效率水平。从无效率来源看，能源和环境污染排放无效率依然很高，资本无效率值甚至还在增长，只有劳动无效率值比较低，因此要完成我国城市绿色转型还需要企业、政府和居民的长期努力。

本文也分析了环境效率和环境全要素生产率增长的影响因素。环境效率的分析结果不支持“环境库兹涅茨曲线”假说，但环境全要素生产率增长与劳均产出之间存在显著的“U”型关系。虽然二次曲线回归分析没有发现城市规模与环境效率之间存在倒“U”型关系，但采用LOWESS方法拟合出的环境效率与城市规模之间的实际关系曲线更加接近“M”型。在其它影响因素层面，外商直接投资、环境规制、产业结构专业化程度、客运能力等与环境效率正相关，而政府科学事业费支出、工业专业化、货运能力等与环境效率显著负相关。政府科学事业费支出、人力资本水平和工业专业化在整个样本期内都促进了环境全要素生产率的增长，但外商直接投资、服务业专业化仅在2006-2011年期间与环境全要素生产率增长显著正相关，表明中国城市绿色转型受到了多种因素的共同推动。

[1] Chung, Y. H., Färe, R., Grosskopf, S.. Productivity and Undesirable Outputs: A Directional Distance Function Approach[J].JournalofEnvironmentalManagement, 1997, 51(3): 229-240.

[2] Chambers, R. G., Fare, R., Grosskopf, S.. Productivity Growth in APEC Countries[J].PacificEconomicReview, 1996, 1(3): 181-190.

[3] Tone, K.. A Slack-based Measure of Efficiency in Data Envelopment Analysis[J].EuropeanJournalofOperationalResearch, 2001, 130(3): 498-509.

[4] 王兵, 吴延瑞, 颜鹏飞. 中国区域环境效率与环境全要素生产率增长[J]. 经济研究, 2010, (5): 95-109.

[5] 匡远凤, 彭代彦. 中国环境生产效率与环境全要素生产率分析[J]. 经济研究, 2012, (7): 62-74.

[6] 李涛. 资源约束下中国碳减排与经济增长的双赢绩效研究——基于非径向DEA方法RAM模型的测度[J]. 经济学(季刊), 2013, 12(1): 667-692.

[7] 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)[J]. 经济研究, 2010, (11): 21-34.

[8] 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): 56-68.

[9] 邵军, 徐康宁. 我国城市的生产率增长、 效率改进与技术进步[J]. 数量经济技术经济研究, 2010, (1): 58-66.

[10] 肖攀, 李连友, 唐李伟等. 中国城市环境全要素生产率及其影响因素分析[J]. 管理学报, 2013, 10(11): 1681-1689.

[11] 王业强. 倒“U”型城市规模效率曲线及其政策含义——基于中国地级以上城市经济、 社会和环境效率的比较研究[J]. 财贸经济, 2012, (11): 127-136.

[12] 林伯强, 刘希颖. 中国城市化阶段的碳排放: 影响因素和减排策略[J]. 经济研究, 2010, (8): 66-78.

[13] 杨晓兰, 张安全. 经济增长与环境恶化——基于地级城市的经验分析[J]. 财贸经济, 2014, (1): 125-134.

[14] Cooper, W. W., Seiford, L. M., Tone, K..DataEnvelopmentAnalysis:AComprehensiveTextwithModels,Applications,ReferencesandDEA-SolverSoftware(2nd ed.)[M]. Boston: Kluwer Academic Publishers, 2007.

[15] Zhou, P. B., Ang, W., Poh, K. L.. A Survey of Data Envelopment Analysis in Energy and Environmental Studies[J].EuropeanJournalofOperationalResearch, 2008, 189(16): 1-18.

[16] Färe, R., Grosskopf, S., Norris, M., et al.. Productivity Growth, Technical Progress, and Efficiency Change in Industrialized Countries[J].TheAmericanEconomicReview, 1994, 84(1): 66-83.

[17] Pastor, J. T., Lovell, C. A.. A Global Malmquist Productivity Index[J].EconomicsLetters, 2005, 88(2): 266-71.

[18] Oh, D.. A Global Malmquist-luenberger Productivity Index[J].JournalofProductivityAnalysis, 2010, 34(3): 183-97.

[19] Fukuyama, H., Weber, W. L.. A Directional Slacks-based Measure of Technical Inefficiency[J].Socio-EconomicPlanningSciences, 2009, 43(4): 274-287.

[20] Zhou, P., Ang, B. W., Wang, H.. Energy and CO2emission performance in electricity generation: A non-radial directional distance function approach[J].EuropeanJournalofOperationalResearch, 2012, 221(3): 625-635.

[21] Wu Yanrui. China’s Capital Stock Series by Region and Sector[R]. University of Western Australia, Business School, Economics, 2009, Working Paper.

[22] Glaeser, E. L., Kahn, M. E.. The Greenness of Cities: Carbon Dioxide Emissions and Urban Development[J].JournalofUrbanEconomics, 2010, 67(3): 404-418.

[23] Au, C. C., Henderson, J. V.. Are Chinese Cities Too Small?[J].TheReviewofEconomicStudies, 2006, 73(3): 549-576.

[24] 傅十和, 洪俊杰. 企业规模、 城市规模与集聚经济——对中国制造业企业普查数据的实证分析[J]. 经济研究, 2008, (11): 112-125.

[引用方式]吴建新, 黄蒙蒙. 中国城市经济的绿色转型： 基于环境效率和环境全要素生产率的分析[J]. 产经评论, 2016, 7(6): 98-115.

The Green Transformation of China’s Urban Economy:
An Investigation based on Environmental Efficiency and Environmental Total Factor Productivity

/2

This paper use global slack based measure (GSBM) and global luenberger productivity index(GLPI) to estimates environmental efficiency and environmental total factor productivity growth and their sources of inefficient of 286 Chinese cities during the period 2002-2011. We identify a green transformation trajectory of Chinese cities with a turning point at 2006 in our sample period. Energy conversation and pollutants reduction are the key drivers of this transformation, while the deterioration in capital inefficiency slows down the transformation speed. From the perspectives of region and city size, the eastern cities and large cities are leading in this transformation process. Regression results show that government expenditure on science and technology, human capital, foreign direct investment, and specialization in secondary and tertiary industry contribute to this green transformation.

green transformation; urban economy; environmental efficiency; environmental total factor productivity

2016-08-28

教育部人文社会科学研究项目“加权的连续性分布动态方法及其应用研究”(项目编号：16YJA790050，项目主持人：吴建新)；国家自然科学基金重点项目“推动经济发达地区产业转型升级的机制与政策研究”(项目编号：71333007，项目主持人：胡军) ；国家社科基金重大项目“我国重点生态功能区市场化生态补偿机制研究”(项目编号：15ZDA054，项目主持人：张捷)。

吴建新，博士，暨南大学经济学院副教授，暨南大学资源环境与可持续发展研究所研究员，主要研究方向为效率与生产率分析；黄蒙蒙，暨南大学经济学院硕士研究生，主要研究方向为效率与生产率分析。

F299.2； F205

A

1674-8298(2016)06-0098-18

[责任编辑：莫 扬]

10.14007/j.cnki.cjpl.2016.06.009