我国省际绿色全要素生产率测度研究

张红 刘少华

摘 要：在我国能源消耗连续七年位居世界第一的大背景下，转变生产方式、发展绿色经济已逐渐成为我国发展的必然趋势。本文在估算2000-2015年我国29省市绿色全要素生产率（GTFP）基础上，对省际GTFP的空间相关性进行了进一步分析。结果表明：随着年份增加我国各省份GTFP有所下降，表明我国出现技术无效率现象；东部地区GTFP下降波动要小于中西部地区；GTFP高的省市其周边省市GTFP值也相对较高，存在一定的空间集聚效应，但是随着年份的增加，其高-高集聚有所减少。本文据此提出相关的对策建议。

关键词：绿色全要素生产率；空间相关性；索罗残差法

中图分类号：F832.2 文献标识码：B 文章编号：1674-0017-2017（10）-0032-05

2015年，我国能源消费增长1.5%，增速是自1998年以来的最低值，但在我国能源消费逐年降低的形势下，能源消耗强度仍偏高。继2010年第一次超越美国成为世界第一能源消费大国以来，我国已连续7年位居世界能源消费第一，经济发展过程中所付出的资源环境代价已成为困扰全球的难题。因此，转变生产方式、发展绿色经济也逐渐成为全球焦点。为此，学者在我国全要素生产率方面进行了大量研究，并且得到了许多有价值的研究结论。然而，大多数研究忽略了资源环境和能源因素。基于此，本文拟将能源消费和碳排放作为与劳动资本等传统生产要素并列的投入要素，估算我国各省份生产要素对经济增长的贡献率，以分析能源和碳排放对我国经济可持续发展的影响。在此基础上，拟从空间角度全面分析把握我国绿色全要素生产率的集聚状况，最终针对问题提出相关的参考性意见。

一、我国省际绿色全要素生产率测算

（一）估算方法

为估算各类投入要素随时间变化的产出弹性系数，本文采用满足Cobb-Douglas生产函数形式：

Y=AK■L■C■ （1）

其中：α，β，γ为三种生产投入要素的产出弹性

A为希克斯中性技术进步系数。根据Solow（1957）经典分析方法，对式（1）两端同时微分并除以Y，可以得到绿色全要素生产率（Total Factor Productivity， GTFP），又称Solow残差：

GTFP=Y-αK-βL-γC （2）

其中变量上方端点表示其增长率。在新古典假定下，分别为资本、劳动和碳排放的产出弹性，绿色全要素生产率近似等于技术进步率。

（二）指标设计

因变量（Y）采用以2000年为基期的實际国内生产总值（GDP）。自变量（K）采用全社会固定资本存量，测算方法如下：（3）K■=（1-δ■）K■+I■/P■

K■：t年的实际资本存量

K■：t-1年的实际资本存量

P■：固定资产投资价格指数

I■：t年名义固定资产投资

δ■：固定资产折旧率

本文以1990年张军等人测算全国资本存量为初始资本存量，通过公式（3）测算出2000年全国资本存量，以2000年各省GDP在全国的占比为权重，将资本存量平均分配到各省，作为各省2000年的资本存量，并按公式（3）测算出其余年份的资本存量。

自变量（L）采用全社会从业人员数。自变量（C）采用CO■排放量，具体测算根据2006年PICC（联合国政府间气候变化专门委员会）所制定的《国家温室气体清单指南第二卷》（能源）第六章提供的参考方法，CO■排放总量可以根据各种能源消费导致的CO■排放估算量加总得到。具体计算公式如下：

CO■=■CO■=■E■×NCV■×CEF■×COF■×（44/12） （4）

其中，CO■为二氧化碳排放总量，i=1，2，3分别代表煤炭、石油和天然气三种能源，E代表各类能源消费量。NCV为平均低位发热量，《中国能源统计年鉴》附录4中提供的这三类能源NCV分别为20908、41816、38931。CEF为IPCC（2006）提供的碳排放系数，分别为26、20、15.3。COF为碳氧化因子，本研究设定煤炭为0.99，原油和天然气分别1。

（三）测算结果

从表1我国绿色全要素生产率（GTFP）的总体估算结果看，各省份出现不同程度的负值，这在一定程度上表明出现技术无效率现象，并且2015年出现负值频率要远高于2000年，这也可以从“绿色悖论”的角度来解释，伴随近年来制约环境问题的相关政策逐步出台，促使企业加速实施高污染高耗能项目以获取利润，导致碳排放迅速扩张。从劳动力、资本和CO2排放贡献来看，2000年和2015年均是资本贡献最大，表明各省区均具有高度依赖投资的特点，资本存量增加对经济增长的贡献尤为重要。与2000年相比，2015年资本对经济增长贡献变化不大，而各省份的劳动力和CO2排放均出现不同程度的负值，但劳动力对经济增长的贡献随着年份的增加显著提高，而CO2排放低值甚至是负值（2002年7省份负值，2015年12省份负值）在一定程度表明其对经济增长具有一定的制约作用。

总体看，2000-2015年间我国绿色全要素生产率呈整体下降态势，这主要是由于21世纪初，我国经济的高速增长是得益于借鉴国外先进技术促使技术进步率的高增长，然而近年来这种缺乏技术创新的经济增长模式后劲不足，加入碳排放变量后的绿色全要素生产率下降也意味着环境污染成本的存在导致综合经济效率明显下降。另外，除个别年份外，2000-2015年间我国绿色全要素生产率与地区生产总值增长率走势大致相当，表明我国经济增长与绿色全要素生产率具有较强的相关性。总体看，劳动力、资本和CO2排放分别对经济增长的贡献是0.35%、9.47%和1.87%，资本对经济增长贡献最大，究其原因主要是2008年政府开始实行四万亿投资刺激计划，试图加大投资保持经济增长所致。

从图2东中西三大区域来看，2000-2015年间绿色全要素生产率整体呈下降趋势，且在个别年份三大区域走势大体相同。总体看，我国东中西部地区绿色全要素生产率走势在2003、2007、2009、2012四年趋势非常显著，2003年和2009年同时下降，主要原因是2003年我国经济开始新一轮高速增长，带来了汽车工业与房地产业的迅速崛起，机电化工等产业快速发展，带动了采掘业、石油和建材等重化工行业的急剧膨胀。与2003年相似，2009年金融危机之后提振经济的重大举措使得重化工工业大力发展所致。2007年和2012年则出现同时上升态势，其原因主要是2006年后政府逐渐意识到环境恶化所带来的不良后果，便着手加大环保力度，在“资源节约型、环境友好型”社会建设指导思想的助推下，2007年CO2排放量开始大幅下降，这也是2007年三大地区GTFP均出现明显上升趋势的主要原因。而2012年我国经济进入新常态，伴随国内经济下行压力加大以及国际经济复苏疲软态势蔓延，我国工业结构调整及产能过剩问题凸显，企业生产经营困难增多导致大量企业停产、破产，这也在一定程度上减少了工业气体排放，环境污染有所下降，导致这一年GTFP相对上升。

二、我国省际绿色全要素生产率空间相关性分析

全局自相关和局域自相关是空间自自相关的两种表现形式，探索某个属性值在整体区域内的空间分布状况称为全局自相关，而局域自相关除具有全局自相关的功能外还可找出空间聚集点，并结合地图可视化来揭示区域空间分布规律。利用GeoDa软件创建邻接权重矩阵，系统会生成Moran散点图和LISA聚集图，除了空间关联特性，分别用不同形式表现。

（一）我国省际GTFP的Moran散点图

从图3我国省际2000-2015年GTFP均值Morans I散点图看，Morans I值为0.088，表明我国省际GTFP之间存在较为显著的空间正相关，即我国各省际GTFP在空间上不是随机分布，而是存在空间上的相互依赖并呈现出集聚态势。从各省份所落象限数量来看，第一象限>第四象限>第二象限=第三象限，表明大部分GTFP高的省市其周边省市GTFP值也相对较高。

（二）我国省际GTFP的LISA聚集图

为进一步验证我国省际GTFP之间存在的相关程度，得到个别年份和均值各省际GTFP的LISA聚集图（图4）。从均值来看：一是陕西和甘肃呈现高值集聚，这主要是由于西北地区本身经济发展就相对落后于东部沿海省份，尤其是2005年之前西北地区还未承接东部高污染、高耗能企业，其环境污染相对较小，GTFP在前几年也相对较高，进而拉高了整体GTFP水平。二是云南和广东呈现高-低集聚。云南是我国著名的旅游省份，經济发展主要以三产为主，因而其环境质量在全国来说都位居前列。广东是全国典型的经济发达省份，其在研发经费投入、环境技术进步、高技术产业等方面都遥遥领先其他省份，表明广东在经济绿色可持续发展上表现良好。

从2000、2008和2015三年LISA集聚图来看：一是随着年份的增加，高值集聚省份有所减少，2000年集聚于北部地区即内蒙古、陕西、宁夏、河北、江西五省（区）呈连片分布状态，2008年宁夏、江西不显著，而北京、重庆则又相对显著。2015年则减少至甘肃和陕西两省份。在这一定程度上表明随着年份的增加，排除环境因素我国省际GTFP是有所下降的，且内蒙古、北京、重庆等地表现最为显著，也在一定上表明我国主要是以牺牲环境为代价的经济增长。二是随着年份的增加“高-低”呈点状分布，从2008年的云南、吉林增加到2015年的广东，这主要是由于三省份其GTFP值相对较高，而周边省份GTFP值太低，从而使其显著性更强。值得注意的是，广东和福建两个相邻省份呈现出了明显的“高-低”“低-高”集聚，究其原因，广东已在前文分析，而福建与东南沿海各地区相比，其人口规模不及广东、江苏的一半，人口分布相对分散，未形成大的都市群。福州、厦门和泉州三大中心城市建成区人口之和还不到福建人口的10%。从城市化角度来看，其也远不如广东、上海等超大型都市，低度城市化率对其经济发展也形成一定的制约作用，因而与广东形成较为明显的“高-低”“低-高”集聚现象。

四、基本结论及政策建议

（一）基本结论

本文在估算2000-2015年我国29省市GTFP基础上，对我国省际GTFP的空间相关性也进行了进一步分析。结果表明我国各省份GTFP随着年份的增加有所下降，并且大部分省市都存在不同程度的负值，一定程度上表明我国出现技术无效率现象。从三区域对比来看，东部地区GTFP下降波动要小于中西部地区。从各省市GTFP的空间相关性来看存在相对显著的空间正相关，即GTFP高的省市其周边省市GTFP值也相对较高，存在一定的集聚效应，但是随着年份的增加，其高-高集聚存在一定的收敛。

（二）政策建议

在未来经济发展过程中，一是要完善国家级及省级绿色发展制度机制。如建立有特色的“绿色GDP”考核制度、建立绿色市场经济以及建立国家对西部地区绿色发展扶持的制度安排机制等。二是要继续加大绿色技术创新力度，通过资源整合配置，逐步淘汰效率低、污染严重的僵尸企业，优化金融资源配置，推动资金流向高效环保产业，提高资金利用效率，优化绿色全要素生产率结构。三是东部地区应进一步发挥优势资源，积极引进国外先进节能减排技术并向中西部地区扩散，促进区域间的分工，通过专业化提升其生产效率。考虑到各区域间的异质性，应实施区域差异化绿色经济发展模式，逐步实现经济的绿色可持续发展。

参考文献

[1]ANSELIN L.Local Indicators of Spatial Association-LISA[J].Geographical Analysis，1995，（2）：93-115.

[2]Atakelty Haihu，Terrence S，Veeman.Environmentally Sensitive Productivity Analysis of the Canadian Pulp and Paper Industry，

1959-1994：An Input Distance Function Approach [J].Journal of Environmental Economics & Management，2000，（3）：251-274.

[3]Easterly W.，Levine R.2001.It is not Factor Accumulation：Stylized Facts and Growth Models，World Bank Economic Review.

15（2）：177-219.

[4]Getis Ord J K.The analysisi of spatial association by use of distance statistics[J].Geographical Analysis，1992，（3）：189-206.

[5]IPCC.“2006 IPCC Guidelines for National Greenhouse Gas Inventories（R）”.IGS， Japan： the National Greenhouse Gas

Inventories Programme，2006.

[6]胡曉珍，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。

[7]卢丽文，宋德勇，黄璨.长江经济带城市绿色全要素生产率测度——以长江经济带的108个城市为例[J].城市问题，

2017，（1）：61-67。

[8]宋长青，刘聪粉，王晓军.中国绿色全要素生产率测算及分解：1985-2010[J].西北农林科技大学学报，2014，（5）：120-124。

[9]汪峰，解晋.中国分省绿色全要素增长率研究[J].中国人口科学，2015，（2）：53-62。

[10]张先锋，丁亚娟，王红.中国区域全要素生产率的影响因素分析：基于地理溢出效应的视角[J].经济地理，2010，（12）：30-36。

[11]王兵，黄人杰.中国区域绿色发展效率与绿色全要素生产率： 2000-2010——基于参数共同边界的实证研究[J].产经评论，

2014，（1）：16-35。

Abstract：With the rapid economic development and globalization， the sharp deterioration of environment quality is bound to have a far-reaching impact on Chinas regional economic development. In the context that Chinas energy consumption for seven consecutive years has been the largest in the world， it has become the inevitable trend for China to transform the production mode and develop the green economy. Therefore， the paper makes a further analysis on the spatial correlation of provincial GTFP on the basis of estimating the GTFP of 29 provinces from 2000 to 2015. The results show that firstly， the GTFP in each province has declined by the year， meaning that there is the phenomenon of “technical inefficiency” in China. Secondly， the fluctuation of eastern provinces GTFP is smaller than that of the central and western provinces. Thirdly， provinces surrounding those provinces with high GTFP have a relatively high GTFP. and there exists a spatial agglomeration effect. However， as time goes by， the high-high agglomeration effect decreases. Accordingly， the paper puts forward relevant countermeasures and suggestions.

Keywords： Green Total Factor Productivity （GTFP）； spatial correlation； Solow residual method

责任编辑、校对：陈参军