中国省区绿色经济增长源泉及其收敛性的空间计量

石风光

（安阳师范学院 经济学院，河南 安阳 455000）

中国省区绿色经济增长源泉及其收敛性的空间计量

石风光

（安阳师范学院 经济学院，河南 安阳 455000）

文章利用基于方向性环境生产函数的绿色经济增长核算框架，将中国省区2000-2015年的经济增长分解为环境技术进步（MLTC）、环境技术效率（MLEC）、环境管制（EPC）、产业环境结构（IES）和要素投入（INP）五个部分，进而对各增长源泉进行了空间σ和空间β收敛检验。研究发现，环境全要素生产率虽是拉动中国省区经济增长的重要力量，但总体来看，其对经济增长的贡献要小于要素投入，而环境管制、产业环境结构对中国省区经济增长的影响相对较小。研究还表明，中国省区经济增长源泉具有显著的空间相关性，通过空间σ和空间β收敛检验发现，环境技术进步、环境技术效率、环境管制、产业环境结构所贡献的经济增长均存在不同程度的空间发散趋势，而要素投入所贡献的经济增长则存在显著的空间收敛趋势。进一步的分析发现，要素投入是缩小我国省际经济差距的主要力量。

环境全要素生产率；环境管制；产业环境结构；绿色经济增长源泉；空间收敛性

一、引言及文献综述

当前，我国经济发展已进入新常态，经济发展方式正从追求规模速度的粗放型增长向注重质量和效率的集约型增长转变，经济增长的动力也正从资本、劳动、资源等要素向技术创新、结构优化和改革红利转变。在当前我国经济发展的重要转型时期，通过考虑资源环境因素来研究地区经济增长源泉，分析其对地区差距的影响，对于研判地区发展模式，寻求地区转型发展路径，进而实现我国总体经济的全面协调可持续发展意义重大。

探究经济增长源泉必须要对全要素生产率（TFP）进行估算。最初的全要素生产率测算采用的是索洛余值法，相关研究如Chow（1993）［1］、Zheng et al（2009）［2］、王小鲁等（2009）［3］。而索洛余值法也有一些缺陷，如测算全要素生产率时无视环境污染，同时又假定生产者的技术都是有效的，这都会造成估计结果的偏差。数据包络分析法（data envelopment analysis，DEA）和随机前沿分析法（stochastic frontier approach，SFA）等生产率测算方法的产生克服了索洛余值法的缺陷，同时，它们还可以将全要素生产率作进一步的分解，因而被广泛应用。相关研究如颜鹏飞等（2004）［4］、郑京海和胡鞍钢（2005）［5］、岳书敬等（2006）［6］、王志平（2010）［7］等，但上述研究在测算全要素生产率时仍然没有考虑到环境污染这种“坏”产出。Pittman（1983）第一次通过引入“坏”产出测算出生产效率后，众多学者纷纷效仿，相关研究如涂正革、肖耿（2009）［8］、王兵等（2010）［9］、刘瑞翔和安同良（2012）［10］、王恕立（2015）［11］等。传统全要素生产率的测算采用的是Shepard距离函数，而测算包含“坏”产出的全要素生产率时，它却无能为力。为解决这一问题，Chung 等（1997）［12］提出了方向性距离函数这一新的函数形式。它不但不需要价格信息，同时可以实现增加“好”产出时减少“坏”产出，并且还可以将利用其构造的ML生产率指数作进一步的分解。

要客观准确地测算地区经济增长源泉，就必须在考虑能源投入和环境污染的条件下进行环境全要素生产率的估算，在此基础上再进行经济增长的分解，但相关研究文献并不多见，仅有涂正革和肖耿（2009）［8］、刘瑞翔（2013）［13］等。上述文献对经济增长核算问题进行了有价值的探索，然而相关研究仍有进一步改进的空间。如上述研究的非期望产出均没有包括固体废弃物，另外，上述文献主要分析了各增长源泉对地区经济增长或工业增长的贡献和影响，方向性环境生产函数由期望产出y、非期望产出b、要素投入x及方向性距离函数xt,yt,bt;yt,-bt)构造而成，它们共同决定了生产者的前沿产出。而没有基于空间视角检验各增长源泉的收敛性及其对中国省际经济差距的影响。

本文在借鉴相关研究成果的基础上，试图在以下方面开展探索性研究：（1）在考虑资本、劳动和能源投入以及期望产出GDP和非期望产出“三废”的条件下，利用方向性环境生产函数及绿色经济增长核算方法，将中国省区经济增长分解为环境技术进步、环境技术效率、环境管制、产业环境结构及要素投入五个部分并进行相关分析。（2）在选定适当的空间权重矩阵对各经济增长源泉进行空间相关性检验的基础上，利用空间σ和空间β收敛检验方法检验各增长源泉的空间收敛性，并分析它们对中国省际经济差距的影响。

二、中国省区经济增长源泉的分解

（一）研究方法与数据来源

1.环境生产函数与经济增长源泉的分解

在参考技术P(x)下，生产者的方向性环境生产函数可表示为：

利用方向性环境生产函数，并借鉴Kumar和Rus⁃sell（2002）提出的经济增长分解思路［14］，可将产出作如下分解：

（2）式把前沿产出分解为环境技术效率（MLEC）、环境技术进步（MLTC）、环境管制（EPC）、产业环境结构（IES）以及要素投入（INP）等5个部分的贡献。其中，环境技术效率（MLEC）与环境技术进步（MLTC）乘积为ML生产率指数。其中，环境技术效率（MLEC）改善表示生产者加快了对环境生产前沿的追赶速度，环境技术进步（MLTC）则意味着环境生产前沿的上移。环境管制（EPC）体现了环境约束对经济增长所产生的效应，即Ft+1(xt+1,yt+1,bt+1;g）与Ft+1(xt+1,yt,bt;g)的差异。产业环境结构（IES）的产出效应是指在方向向量和“坏”产出不变，“好”产出提高，或“坏”产出与“好”产出的比例不变，而方向向量优化这两种条件下的环境生产前沿的不下降［8］，即Ft+1(xt+1,yt+1,bt;g）与Ft+1(xt+1,yt,bt;g)之差。INP反映了在固定的技术结构和技术效率条件下，要素投入发生变化时对前沿产出所产生的影响。

2.数据来源

本文研究对象为中国大陆的30个省区（未包括西藏），同时，将其分为东部、中部、西部和东北四大区域。本文的考察时段为2000-2015年，模型所使用的变量及数据来源介绍如下：

本文的期望产出用GDP数据表示，并以2000年为基期进行了折算，相关数据来源于各年《中国统计年鉴》。胡晓珍等（2011）［15］以环境污染综合指数作为非期望产出，我们也借鉴该方法，选择SO2、COD和固体废弃物等污染变量计算出的环境污染综合指数作为非期望产出，相关数据来自《中国统计年鉴》和《中国环境统计年鉴》。本文的投入因素为物质资本存量、劳动力和能源消耗量。其中，物质资本存量用永续盘存法测算，数据来自相应年份《中国统计年鉴》，并且以2000年为基期进行了平减。劳动力为各省区全社会从业人员数，数据来自《中国劳动统计年鉴》。能源消费总量用万吨标准煤衡量，数据来源于历年《中国能源统计年鉴》。

（二）计算结果分析

采用基于方向性环境生产函数的经济增长核算模型，本文对中国省区2000-2015年的经济增长进行分解，以探寻省区经济增长的动力和源泉，并分析各种源泉对省区经济增长的影响效应。计算结果见表1所列。

表1数据显示，全国范围看，与环境全要素生产率相关的经济增长率为4.86%，其对经济增长的贡献份额为40.42%。根据计算结果发现，环境全要素生产率构成对经济增长的贡献差异较大，其中由环境技术进步引致的经济增长率为6.21%，其对经济增长的贡献度为51.72%，而由环境技术效率引致的经济增长率为-1.36%，其对经济增长的贡献度为-11.32%。这一结果说明，技术进步是中国省区经济增长的重要驱动力，而全国省区环境技术效率的普遍下滑则拉低了环境全要素生产率对经济增长的贡献额。通过计算还发现，就全国而言，与环境管制相关的经济增长率为0.74%，其占经济增长总量的比重为6.16%。当前我国的节能环保技术水平和污染治理水平都比较低，而且各地区的环境污染治理管理体制和协调机制还不健全，加强环境管制，加大污染治理力度是有一定难度的，需要投入大量的人力、物力和财力，这至少会在短期内抑制地区产出，这即环境管制对经济增长的约束效应，这实际上也反映出了环境污染治理效率的高低。在未来，我国的污染治理能力提高了，相关管理体制完善了，治污对产出的负效应就会减少、消失，甚至变为正效应，但在当前还不会大面积出现这种情况。表1数据表明，我国环境管制总体上促进了经济增长，在我国当前的现实情况下，这意味着污染物的排放也增加了，我国的环境管制总体上讲并不严厉。由表1可以看到，产业环境结构所引致的经济增长率为-1.04%，其对总体经济增长的贡献度为-8.66%。产业环境结构的优化意味着节能环保产业比重的提高，或者污染产业比重下降，这都会使有效产出增加，污染排放减少。因此，根据以上分析可以知道，我国当前的产业环境结构状况不容乐观，高污染产业比重较高，以至妨碍了产出的有效增长。本文研究结果还显示，要素投入所引致的经济增长率为7.46%，其贡献的经济增长比重为62.09%。通过与环境全要素生产率、环境管制、产业环境结构所贡献的经济增长份额的比较，可以发现，要素投入是推动中国省区经济增长的首要力量，其次是反映经济发展方式转变的环境全要素生产率的作用，而环境管制和产业环境结构对中国省区经济增长的影响相对较小。因此，可以得出这样的结论，即中国经济增长仍然是粗放型的要素驱动型增长，经济转型发展的任务依然艰巨。

表1数据显示，我国西部地区的经济增长速度最快，年平均增长率为12.28%，然后是东部，年平均增长率为11.87%，接着是中部，年平均增长率为11.85%，增长最慢的是东北，年平均增长率为11.83%。从环境全要素生产率对经济增长贡献的地区比较来看，东部地区最高，为75.16%，其次是东北地区，为35.25%，再次是西部地区，为21.48%，最低的是中部地区，为21.00%。而四大地区中要素投入对经济增长贡献率最大的是中部，为94.33%，然后是东北和西部，分别为71.30%和65.83%，最后是东部，为35.84%。由此可见，东部地区经济增长主要靠环境全要素生产率推动，其采取的是一种可持续的增长模式。表1数据显示，中部、西部和东北三个地区的要素投入对其经济增长的贡献度均在65%以上，说明这三大地区采取了不可持续的经济增长模式。

就环境管制效应来看，其对东北地区经济增长的贡献度最高，为16.74%，其次是西部地区，为11.10%，而东部地区和中部地区相差不大，分别为0.63%和0.58%。这说明东北和西部地区的环境管制较为宽松，以环境污染为代价的经济增长较快，而东部和中部的环境管制较为严格，其引致的经济增长非常有限。

表1 2000-2015年我国各地区的经济增长率及增长源泉的分解 %

由表1可以看到，仅有西部地区的产业环境结构对经济增长起到正向效应，但这种效应很小，其对经济增长的贡献率仅为1.59%，相对于其他因素的贡献是微不足道的。但这说明西部地区的产业结构在趋于优化，地区发展更注意环保和可持续性。就其他三个地区来看，东北地区的产业环境结构使经济增长率下降最多，为2.76个百分点，这主要是辽宁的产业环境结构对经济增长的负效应太大所致，其次是中部地区，下降1.89个百分点，最后是东部地区，下降1.38个百分点。可见，东北地区的产业环境结构已成为一个不可忽视的阻碍地区经济增长的因素，而中部地区产业环境结构所产生的负效应与其在承接产业转移时的短视性、盲目性有关。东部虽是我国经济发展水平最高的地区，但其高耗能、高污染、低效率的产业仍在一定范围内存在。

三、中国省区经济增长源泉的空间收敛性分析

（一）空间σ收敛分析

1.空间σ收敛分析方法

空间σ收敛是将每一地区某时段的GDP增长（取对数形式）进行如下回归：

在公式（3）中引入标准空间权重矩阵W可得到如下一阶空间滞后面板数据模型：

其中，yt=[y1t,y2t,…,yNt]′，β为自相关系数，上述一阶空间滞后模型残差项εit的标准差即为σ，也即所谓的空间标准差，可通过观察其数值的变化情况来判断地区经济增长的敛散性。

2.经济协动空间权重矩阵

空间权重矩阵的计算是空间计量的关键步骤。当前，许多研究所采用的空间权重矩阵为地理空间权重矩阵或经济空间权重矩阵。其中，地理空间权重矩阵又主要包括空间邻接权重矩阵和地理距离权重矩阵，而经济空间权重矩阵则为地理空间权重矩阵与以考察期内每个地区产出均值在所有地区产出均值之和中所占比重为对角元的矩阵的乘积。这两类矩阵都考虑了地理因素，但地理因素是事先确定的，是不随时间变化的，从而忽略了权重矩阵的内生性问题。同时，由于当前信息经济网络经济的迅猛发展以及交通运输的便捷高效，使得地理因素对地区间经济联系的影响越来越小。为此，我们将摒弃传统的包含地理因素的矩阵，通过考虑地区间经济发展的协动性来设计一种新型的具有内生性特征的空间权重矩阵—经济协动空间权重矩阵。其思想是将所有地区的产出与其他地区的产出进行回归，那么每个地区的产出都会作为内生变量而存在，那么来自该内生变量的随机扰动项就会对其他地区产出产生冲击。将每次回归的随机扰动项标准差取倒数作为元素形成协动矩阵，然后将其与地区产出比重为对角元的矩阵相乘，得到的结果就是经济协动空间权重矩阵。具体计算过程如下：

不同的权重矩阵意味着不同的空间关联范围和空间关联强度，从而也会有不同的估计结果。如何设计出具有内生性的，并且能够体现区域之间作用的非对称性的科学合理的空间权重矩阵将是空间计量所面临的一个挑战。在现有的技术条件下，为了保证所选择的空间权重矩阵能够较好地反映地区间的空间联系，从而尽可能避免在后续研究中出现伪回归，本文同时利用地理权重矩阵（空间邻接矩阵）、经济权重矩阵、协动权重矩阵以及经济协动权重矩阵对相关变量的Moran指数进行测算，通过比较Moran指数大小及其显著性来验证所选择的矩阵的可靠性。由于环境技术进步、环境技术效率、环境管制、产业环境结构及要素投入都是经济增长率的分解结果，同时由于版面有限，因而不再分别测算这些分解成分的Moran指数，而仅选取2001年、2007年和2015年三个时期测算中国省区经济增长率的Moran指数值，本文运用Matlab7.10软件中的Spatial econometric模块进行相关空间计量分析，结果见表2所列。

表2 不同权重矩阵下的中国省区经济增长率的Moran指数

由表2结果可以看到，利用协动权重矩阵和经济协动权重矩阵所计算出的经济增长率的Moran指数值，要比利用地理权重矩阵和经济权重矩阵计算所得到的值总体上大，并且更为显著，这一特点在经济协动权重矩阵计算结果上更为突出。这说明，和其他权重矩阵相比，经济协动权重矩阵能更好地反映地区经济内在的空间联系，因而用它进行相关空间计量分析可以较大程度地避免伪回归。

3.变量的空间相关性检验

在进行经济增长源泉的空间收敛性检验之前，我们先利用上述经济协动空间权重矩阵来检验相关变量的空间相关性。

图1给出了2001-2015年中国30个省区相关变量的Moran’I检验结果。图1结果表明，2001-2015年中国30个省区经济增长率及各经济增长源泉的Moran’I均为正值，且都通过了5%的显著性检验。这说明各省区的经济增长及增长源泉的变化并非表现出完全随机的状态，而是表现出很强的空间相关性。进一步的局部空间相关性检验发现，各变量的高值集聚区分布在东部发达地区，而低值集聚区则主要集中于中西部欠发达地区。这从另外一个角度说明了我国省区的经济增长表现出较强的空间集聚效应。因而，在研究我国省区经济增长的收敛性问题时，考虑空间因素的影响是十分必要的。

图1 GDP增长率及分解成分的Moran指数

4.变量的空间σ收敛检验结果分析

利用空间σ收敛检验方法以及经济协动空间权重矩阵，本文计算出了GDP增长率及各经济增长源泉的空间标准差进行空间σ收敛检验，相关结果如图2所示。

图2 GDP增长率及分解成分的空间σ收敛

由图2可以看到，2001-2015年，中国省区GDP增长的空间标准差尽管在有些年份出现了波动，但总体来说，中国省际经济差距呈现缩小趋势，空间标准差由2001年的0.033下降到2015年的0.010。由图2可知，环境技术进步和环境技术效率的空间标准差均呈现波浪式上升的变化态势，这说明，环境技术进步和环境技术效率引致的经济增长总体上都是呈现发散趋势的。通过进一步观察可以发现，环境技术进步和环境技术效率的空间标准差除2006-2008年外，在其他年份均表现出相同的波动趋势，并且除2008年外，环境技术效率空间标准差均低于相应年份的环境技术进步标准差。这说明，各省区技术前沿外移的差异必然会反映到省区实际产出与理想产出比率差异对省际经济增长的影响上，从而使得环境技术效率对省际经济增长差距的影响紧随环境技术进步的变化。从图2还可以看到，环境管制的空间标准差呈现稳步上升态势，由2001年的0.067上升至2015年的0.152，这意味着由该因素引致的省际经济增长差异在逐步扩大。产业环境结构的空间标准差波动幅度较大，2003-2009年总体呈波动式下降态势，2009年以后则又出现大幅的起落，该因素引致的经济增长的省际差异变化趋势并不明朗。图2显示，要素投入的空间标准差总体呈现下降趋势，由2001年的0.060下降为2015年的0.019，下降幅度较大，这说明要素投入贡献的经济增长总体上是收敛的。通过比较可以发现，要素投入空间标准差的变化趋势和GDP增长空间标准差的变化趋势非常接近。这一结果并非是偶然的，通过前面的分析可以知道，中国省区经济增长主要靠要素投入驱动，要素投入引致的经济增长差异必然会主导总体经济增长的差异，所以二者必然会有相近的变化趋势。以上只是从σ收敛检验的角度对各经济增长源泉的收敛性进行初步分析，上述结论是否可靠还需要进一步通过相关变量的空间β收敛分析进行检验。

（二）空间β收敛分析

1.空间β收敛分析方法

本文将利用动态空间面板数据模型来研究中国省区经济增长源泉的收敛性。动态空间面板数据模型能够反映滞后的被解释变量对被解释变量的影响，使得相关计量结果更为客观可靠。根据空间自相关形式，动态空间面板数据模又可分为动态空间滞后（DSAR）面板数据模型和动态空间误差（DSEM）面板数据模型，其具体形式如下：

其中，Yt为各空间单元的被解释变量在第t时期的观测值组成的N×1向量；Xt为解释变量观测值所构成的 N×K矩阵。 δ和 β为模型的参数，μ=(μ1,…,μN)′、ψt=(ψ1t,…,ψNt)′和 εt=(ε1t,…,εNt)为随机干扰项。ρ、λ为空间自相关系数，W为空间权重矩阵。

Maudos等人（2000）建立了基于截面回归的绝对β收敛模型进行实证分析［16］，本文借鉴这种思路，利用经济协动空间权重矩阵W*建立基于面板数据的动态空间滞后和动态空间误差β收敛模型，其形式如下：

其中，gt为经济增长源泉所贡献的增长率，lnyi0为初始产出对数值，α为常数项，β为回归参数。利用公式（10）和（11）就可以检验各种经济增长源泉空间收敛性。

2.β收敛模型的空间相关性检验

中国省区经济增长源泉的β收敛检验究竟是选择动态空间滞后模型还是选择动态空间误差模型，这个问题必须要考虑。这个问题的解决可以通过模型的Moran’I检验、拉格朗日乘数形式LMerr、LMlag以及R-LMerr（稳健的LMerr）和R-LMlag（稳健的LM⁃lag）检验来实现。利用上述检验方法，本文对中国省区的GDP增长收敛模型以及各经济增长源泉的收敛模型进行空间相关性检验，结果见表3所列。

表3 模型的空间相关性检验

由表3结果可以看到，六个模型的Moran’I均为正数，并且均通过了显著性水平为5%的显著性检验，这意味着以上模型均存在显著的空间相关性。进一步的LM检验发现，GDP、IES收敛模型的LMerr（RLMerr）在1%的水平上均比LMlag（R-LMlag）显著，这说明GDP、IES的收敛性采用动态空间误差模型进行检验比较好。表3还显示，MLTC、MLEC、INP收敛模型的LMerr和LMlag均在1%的水平上显著，但其RLMerr在1%的水平上均比R-LMlag显著，这意味着在进行MLTC、MLEC、INP收敛性检验时，选择动态空间误差模型是比较合适的。由表3还可以发现，EPC收敛模型的LMlag（R-LMlag）在10%的水平上均比LMerr（R-LMerr）显著，说明EPC的收敛性采用动态空间滞后模型进行检验比较恰当。

3.经济增长源泉的空间β收敛结果分析

根据模型的Moran’I和LM检验结果，本文除对环境管制（EPC）贡献的经济增长采用空间滞后模型进行收敛性检验外，其他变量贡献的经济增长全部采用空间误差模型进行收敛性检验，所采用的回归方法为无条件极大似然估计法，相关结果见表4所列。

表4 中国省区经济增长源泉的空间β收敛检验结果

续表4

由表4可知，各模型的空间自相关系数（ρ和λ）至少通过了5%的显著性检验，这说明我国省区经济增长具有较强的空间依赖性和集聚效应，包含空间因素的经济增长收敛性研究才能真实反映各增长源泉对地区经济差距的影响效应。表4显示，除环境技术效率收敛模型外，其他模型四种回归的β参数符号均有差异。这主要是因为面板数据是二维数据，样本在不同维度的相关性是有差异的，不同的固定效应决定着变量之间不同的相关性，从而导致了回归参数大小以及符号的差异。回归结果中的无固定效应意味着所有省区的经济增长速度都是相同的，并且不随时空变化发生改变，显然这有悖于现实。通过比较另外三种固定效应的回归结果可以发现，各模型在时间空间双向固定条件下的R2、log-likelihood都是最大的，σ2是最小的，δ均是显著的，这说明双向固定效应的回归结果是最好的。在进行空间计量时还必须要考虑遗漏变量检验问题。遗漏变量是空间计量较为棘手的问题，而空间滞后被解释变量的引入则使这一问题得到了一定程度的缓解。为了进一步解决遗漏变量问题，需要对每个模型的残差进行Moran’I检验。这种检验基于这一思想，即如若模型遗漏了重要解释变量，则模型残差必然会产生显著的空间自相关性。反过来，如若模型残差没有显著的空间自相关性，则意味着模型没有重要变量遗漏。由表4结果可以看到，无固定效应模型、空间固定效应模型和时间固定性效应模型的残差都存在一些Moran值较大，同时p值又均小于0.05的情况，这说明这些模型在回归时存在一定程度的变量遗漏问题。由表4结果可以发现，所有的时空固定效应模型残差的Moran值均没有超过0.1，同时其相应的p值均大于0.2，这说明模型回归残差不存在显著的空间自相关性，因而该类模型不存在重要变量遗漏问题。综上所述可以看出，在四类回归模型中，双向固定效应模型的回归结果是最为可靠和稳健的。这同时也意味着在进行空间面板回归时，需要同时考虑个体差异和时间变化对个体异质性的影响，仅考虑任何一个方面都会造成估计结果的偏差。进一步比较R2、log-likelihood、σ2可以发现，以省区经济增长（GDP）、环境技术进步（MLTC）、环境技术效率（MLEC）以及要素投入（INP）四个变量作为被解释变量的收敛模型的时间固定效应回归结果总体上要优于空间固定效应结果，而环境管制（EPC）和产业环境结构（IES）的空间固定效应结果则优于时间固定效应结果。这说明时间因素对省区经济增长（GDP）、环境技术进步（MLTC）、环境技术效率（MLEC）以及要素投入（INP）收敛性的影响较大，而个体差异对环境管制（EPC）和产业环境结构（IES）收敛性的影响较大。

下面本文将根据双向固定效应回归结果进行中国省区经济增长源泉的收敛性分析。由表4结果可以看到，2000-2015年中国省区经济增长的收敛系数为-0.092，并且通过了5%的显著性检验，这说明在此期间中国省际经济增长差距总体上是趋于缩小的，这一结论和前面GDP的空间σ收敛分析结果基本上是一致的。这一结论说明，我国自2000年以来实施的西部大开发战略和中部崛起计划，在加快我国中西部地区经济发展，缩小省际差距方面已发挥显著作用，我国地区差距扩大的势头得到有效遏制。由表4还可知，我国省区环境技术进步和环境技术效率所贡献经济增长的收敛系数分别为0.166和0.189，并且均通过了至少10%的显著性检验，这意味着我国环境全要素生产率所贡献经济增长的省际差距是趋于扩大的，环境全要素生产率差异是导致省际经济差距扩大的一个重要因素。这也与前面相应变量的空间σ收敛分析结论是一致的。对这一结论的解释是，科技和管理是推动经济增长的重要动力，而我国东部发达地区又是技术创新的活跃地区和“人才洼地”，由于各种技术壁垒和体制障碍，东部先进的节能环保技术和管理经验较难扩散到中西部落后地区并有效发挥作用，从而使得地区经济增长差距持续扩大。表4结果显示，环境管制的收敛系数为0.287，且在10%的显著性水平上通过检验，这说明其对中国省际经济差距的扩大有较显著的促进作用，这和其空间标准差的变动趋势大体一致。这一结果主要是由我国各地区的环境污染管制的严厉程度差异较大所导致，这种差异可以从环境管制在四大地区经济增长的贡献中看出。从表4还可以观察到，产业环境结构对中国省际经济差距具有不显著的扩散效应，这恰恰也是其空间标准差具有不明确变化趋势的另一种反映。由上文分析已经知道，总的来看，产业环境结构对我国省区经济增长具有较小的负向影响，而我国多数省区的产业环境结构状况又较为相似，即高耗能高污染产业比重高，节能环保产业比重低，这样产业环境结构差异对我国省区经济增长差距的影响就会十分有限。由表4还可以看出，要素投入的收敛系数为-1.828，并通过5%的显著性检验，这说明要素投入对中国省际经济增长的收敛性具有很强的促进作用，这同时也进一步印证了中国省区GDP和要素投入都具有空间σ收敛趋势的结论。对这一结果的解释是，为了促进我国地区经济的协调可持续发展，国家改变了“东部偏向”的投资策略，不断加大对中西部地区的投资和政策倾斜，使得中西部地区的基础设施不断完善，产业技术改造不断加强，经济结构逐步优化，从而增强了地区经济发展的活力和后劲，使得我国东中西部地区经济差距日趋缩小。由于我国经济增长是要素驱动型的，要素投入对经济增长的贡献额最大，所以其产生的经济收敛效应要远大于其他经济增长源泉所产生的扩散效应，从而决定了整体经济增长呈现收敛效应。

四、研究结论与政策建议

本文利用基于方向性环境生产函数的绿色经济增长核算模型，将中国省区2000-2015年的经济增长分解为环境技术进步、环境技术效率、环境管制、产业环境结构和要素投入等五个部分，并进行相关分析。在此基础上，进一步利用空间σ和空间β收敛检验方法检验了各经济增长源泉的空间收敛性及其对我国省际经济差距的影响，研究发现：

（1）总的来看，要素投入是中国省区经济增长的主要源泉，其对经济增长的贡献率为62.09%，其次是环境全要素生产率的拉动，其对经济增长的贡献率为40.42%，而环境管制和产业环境结构对中国省区经济增长的影响较小，其对经济增长贡献率分别为6.16%和-8.66%。因而，中国经济增长仍然是粗放的要素驱动型增长，经济转型发展任重道远。

（2）我国四大区域间的经济增长源泉存在较大差异。东部省区的经济增长主要靠环境全要素生产率拉动，其对经济增长的贡献率高达75.16%，是集约型的增长模式。而中部、西部和东北省区的经济增长则主要依靠要素投入来维持，其经济增长贡献度分别为94.33%、65.83%和71.30%，属于粗放式的增长模式。另外，环境管制对东部和中部省区经济增长的贡献率均没有超过1%，而对西部和东北省区经济增长的贡献率则分别高达11.10%和16.74%，这说明我国不少省区还存在以污染换增长的情况。就与产业环境结构有关的经济增长来看，除西部省区略有提高外，东部、中部和东北省区均下降1.3个百分点以上，这说明我国多数省区的产业环境结构还不合理，仍需要进一步优化升级。

（3）通过对中国省区经济增长源泉的Moran’I检验发现，中国省区各经济增长源泉的变化具有很强的空间相关性。进一步的空间σ和空间β收敛检验发现，中国省区经济增长的空间标准差由2001年的0.033下降为2015年的0.010，其相应的 β收敛系数为-0.092，这意味着中国省区经济增长存在显著的空间收敛性。经济增长源泉的空间收敛检验表明，环境技术进步与环境技术效率所贡献的经济增长均呈现较显著的空间发散趋势；环境管制和产业环境结构所贡献的经济增长也均具有空间发散趋势，但前者显著，后者不显著；要素投入所贡献的经济增长呈现显著的空间收敛趋势，因其是推动经济增长的首要因素，所以其给经济增长带来的收敛效应超过了其他增长源泉带来的发散效应，从而使总体经济增长趋向收敛。

以上结论有很重要的政策含义。一是国家为了缩小地区经济差距，在增加中西部省区要素投入的量，实现“投入平衡”的同时，还应注重提高要素投入效率，特别是要着力提高环境全要素生产率，缩小省际环境全要素生产率差距。从本文分析可以看出，近年来，中国省区经济增长以及省际经济差距的缩小，“投入平衡”功不可没。但随着社会的发展科技的进步，要素投入对经济增长的贡献必定会让位于全要素生产率，到那时，靠“投入平衡”缩小地区经济差距将不会再有太大实效，省际间的环境全要素生产率差异将决定着省际经济增长差距。为此，为了实现中国省区经济的协调可持续发展，各省特别是落后省区必须要进一步深化改革，破除经济发展中的各种体制机制障碍，坚持创新发展，绿色发展，协调发展，着力提高地区环境全要素生产率，为地区经济可持续发展提供持久动力。二是各地区要立足本地实际，不断调整和优化产业结构，积极培育战略性新兴产业，寻求地区经济转型发展的突破口。同时也要注意加强生态环境保护，不断健全生态环境的管理制度，将生态环境改善情况纳入企业考核和政府政绩评价中。本文分析表明，我国不少省区甚至包括一些东部省区的产业转型升级缓慢，产业产出效率低下，部分省区甚至为了追求眼前经济增长放松了对环境的管制，只要GDP，不要绿色GDP。这种短视行为或可以实现经济的一时增长，但在当前资源、环境压力日益加大，国家强调“供给侧改革”，并越来越重视提高经济发展的质量和效益的大背景下，这一行为将难以为继，未来经济增长最终还是要回归到发展新技术，发展新产业，全面提高环境全要素生产率上来。

［1］Chow G C.Capital formation and economic growth in China［J］.Quarterly Journal of Economics，1993，108（3）：809-842.

［2］Zheng J，Bigsten A，Angang Hu.Can China’s growth be sus⁃tained？a productivity perspective［J］.World Development，2009，37（4）：874-888.

［3］王小鲁，樊纲，刘鹏.中国经济增长方式转换和增长可持续性［J］.经济研究，2009（1）：4-16.

［4］颜鹏飞，王兵.技术效率技术进步与生产率增长基于DEA的实证分析［J］.经济研究，2004（12）：55-65.

［5］郑京海，胡鞍钢.中国改革时期省际生产率增长变化的实证分析（1979-2001）［J］.经济学（季刊），2005（2）：263-296.

［6］岳书敬，刘朝明.人力资本与区域全要素生产率分析［J］.经济研究，2006（4）：90-127.

［7］王志平.生产效率的区域特征与生产率增长的分解［J］.数量经济技术经济研究，2010（1）：33-43.

［8］涂正革，肖耿.环境约束下的中国工业增长模式研究［J］.世界经济，2009（11）：41-54.

［9］王兵，吴延瑞，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）：19-32.

［10］刘瑞翔，安同良.资源环境约束下中国经济增长绩效变化趋势与原因分析［J］.经济研究，2012（11）：34-46.

［11］王恕立，滕泽伟，刘军.中国服务业生产率变动的差异分析［J］.经济研究，2015（8）：73-8.

［12］Chung Y，Färe R，Grosskopf S.Productivity and unde-sir⁃able outputs：A directional distance function approach［J］.Journal of Environmental Management，1997，51（3）：229-240.

［13］刘瑞翔.探寻中国经济增长源泉：要素投入、生产率与环境消耗［J］.世界经济，2013（10）：123-141.

［14］Kumar S，Russell R R.Technological Change，Tech-nologi⁃cal Catch-up，and Capital Deepening：RelativeContribu⁃tions to Growth and Convergence［J］.American Economic Review，2002，92（3）：527-548.

［15］胡晓珍，杨龙.中国区域绿色全要素生产率增长差异及收敛分析［J］.财经研究，2011（4）：123-134.

［16］Maudos J，Pastor J M，Serrano L.Human capital in OECD countries：Technical change，efficiency and productivity［J］.International Review of Applied Economics，2003，17（4）：419-435.

Source of Green Economic Growth and Spatial Measurement of Its Convergence in Chinese Provincial-level Administrative Areas

SHI Feng-guang
（School of Economics,Anyang Normal University,Anyang 455000,China）

By using the green economic growth accounting framework based on the directional environmental production function,this pa⁃per decomposes the economic growth of Chinese provincial-level administrative areas from 2000 to 2015 into environmental technology progress(MLTC),environmental technology efficiency(MLEC),environmental regulation(EPC),industrial environment structure(IES)and factor input(INP),and then tests the spatial σ ce convergence and the spatial β convergence of each growth source.The study finds that al⁃though environmental TFP is an important force to drive economic growth at provincial-level in China,on the whole,its contribution to eco⁃nomic growth is less than factor input,whereas environmental regulation and industrial environment structure have less impacts on the eco⁃nomic growth at provincial-level in China.The study also shows that the sources of economic growth at provincial-level in China have a significant spatial correlation.Through the spatial σ convergence test and the spatial β convergence test,the paper finds that there are dif⁃ferent degrees of spatial divergent trend of economic growth contributed by environmental technology progress,environmental technology efficiency,environmental regulation and industrial environment structure,whereas economic growth contributed by factor input has a sig⁃nificant spatial convergence trend,which is the main force to narrow the economic gap between provinces in China by further analysis.

environmental TFP;environmental regulation;industrial environment structure;sources of green economic growth;spatial con⁃vergence

F061.5；F062.2

A

1007-5097（2017）12-0091-09

10.3969/j.issn.1007-5097.2017.12.012

2017-03-07

河南省哲学社会科学规划项目（2015BJJ037）；国家自然科学基金项目（U1304708）；河南省高等学校青年骨干教师资助计划项目（2015GGJS-005）；教育部人文社会科学重点研究基地重大项目（16JJD790063）

石风光（1975-），男，江苏沛县人，副教授，管理学博士，副院长，研究方向：经济与产业管理。

［责任编辑：张 兵］