中国省际绿色全要素生产率研究及收敛性分析

刘晓洁,刘 洪

(中南财经政法大学 统计与数学学院，湖北 武汉 430073)

全要素生产率是分析经济增长源泉的重要指标，1957年索罗将全要素生产率定义为资本和劳动之外要素对经济增长的贡献。但随着社会的发展，能源和环境对经济增长的制约问题不断凸显，继续采用传统方法分析经济增长稍显不足。绿色全要素生产率作为一种新型的生产率，以传统全要素生产率为基础，将能源和环境约束考虑到测算框架内，体现了绿色可持续的经济发展理念，符合现阶段我国的经济增长模式。同时，开展省际绿色全要素生产率的收敛性分析，对发现区域经济增长差异，推动区域经济协调发展具有重要意义。

SOLOW[1]提出的经济增长来源理论和全要素生产率计量方法，是学者研究全要素生产率的主流方法。陶长琪等[2-4]根据索罗思想测算了全要素生产率。近年来，随着经济社会转型和生态文明建设的号召，绿色成为全要素生产率研究的新方向。屈小娥等[5-8]分别采用SBM模型、方向性距离函数的ML模型等方法对绿色全要素生产率进行测算，为后续研究提供了启发性思路。可以看出现阶段，对于考虑非期望产出的绿色全要素生产率的研究主要采用非径向的SBM模型，这往往忽略了可能存在的径向特征。基于此，笔者借鉴绿色全要素生产率研究框架，创新性地采用非参数的混合径向EBM模型，并结合ML指数测算和分解中国绿色全要素生产率。同时为了进一步分析地区间的变化趋势，笔者将影响绿色全要素生产率变化的因素纳入收敛性分析体系，并对其进行收敛性检验及影响因素探讨。

1 数据来源及指标选取

笔者在传统全要素生产率的基础上考虑了环境和能源的约束效用，将能源要素作为投入的一部分，将环境污染带来的产出(如三废等物质)作为非期望产出，构建绿色全要素生产率指标体系。选取2000—2016年中国30个省份的年度数据进行分析(考虑样本数据的可得性，排除西藏和港澳台地区)，所用到的指标数据来源于《中国统计年鉴》、《中国能源统计年鉴》和EPS数据库。

投入要素选取资本存量、劳动投入和能源投入3个指标。其中，资本存量通过物质资本存量表示，采用永续存盘法计算；劳动投入以劳动者数量表示，选取各省份年末从业人员数量作为劳动投入数据；能源投入通过能源消耗量表示，选取各省份年度能源消耗量作为能源投入数据。

产出要素包括期望产出和非期望产出。期望产出选取地区生产总值表示，并将其调整为以2000年可比价格为基础的实际GDP；非期望产出选取主要的三废排放物数量表示，具体包括各省份的年度二氧化硫排放量、工业固体废弃物产生量和废水排放量3个指标。

2 基于EBM-ML模型的省际绿色全要素生产率测算

传统径向DEA模型要求投入和产出同等比例变化，没有涵盖松弛变量。TONE[9]考虑了非径向松弛变量，首次提出了非径向和非角度基于松弛变量测度的SBM模型，但也存在一定缺陷。如生产中往往存在投入和产出变量同时具有径向和非径向特征，这时SBM模型会损失投入产出目标值与实际值的比例关系。鉴于此，TONE等[10]提出了兼具径向和非径向特征的混合距离函数，可以更加全面地对投入产出进行评价。同时， CHUNG等[11]利用环境数据包络分析技术和方向性距离函数，提出了Malmquist-Luenberger生产率指数(ML指数)，并可以对效率进行分解。

笔者结合EBM模型和ML生产率指数对中国30个省份2000—2016年的绿色全要素生产率进行测算，测算结果如表1所示。根据定义，绿色全要素生产率指数(MI)作为绿色全要素生产率的一种表现方式，若MI大于1，则表明绿色全要素生产率提升，若MI小于1，则认为其出现倒退，MI的大小反映了绿色全要素生产率水平的高低。

表1 中国省际绿色全要素生产率指数(部分年份)

由表1可以看出，中国省际绿色全要素生产率基本呈现逐年上升趋势。通过对各个省份的绿色全要素生产率指数进行纵向分析，可发现大部分省份的绿色全要素生产率呈现逐年递增状态；并且随着时间的推移，绿色全要素生产率存在提升的省份逐渐增多。为了进一步解释绿色全要素生产率的变化原因，笔者将绿色全要素生产率进一步分解为技术效率(EC)和技术水平(TC)。根据ML指数定义，其测算结果表示为t时期到t+1时期的绿色全要素生产率，如表2所示。

表2 我国绿色全要素生产率指数及分解

由表2的结果可以看出，2000年以来我国的绿色全要素生产率、技术效率和技术水平均有一定程度的提高。具体表现为：绿色全要素生产率指数从2001年的0.969 1上升至2016年的1.013 6，总体上呈现“上升-下降-再上升”的波动式增长趋势；技术效率时间序列数据基本呈现围绕均值波动状态，没有较大程度的提升；技术水平则较2001年有相当幅度的增长，总体表现为波动式增长，变化趋势和绿色全要素生产率指数基本一致。同时通过比较绿色全要素生产率指数的两个分解项，可以看出随着时间的变化，技术水平的数值逐渐高于技术效率，其对绿色全要素生产率的贡献超过技术效率，技术水平的提升对我国经济可持续发展起到越来越重要的作用，是提升我国绿色全要素生产率的主要动力来源。

3 中国绿色全要素生产率收敛性分析

为了进一步分析地区间绿色全要素生产率的变化趋势，笔者对我国东部、西部和中部地区的绿色全要素生产率进行收敛性检验。收敛性检验常常用于分析地区的经济差距及差距的动态变化。根据新古典经济理论，收敛性分析一般包括σ收敛和β收敛。σ收敛检验的是随着时间的推移，不同国家或地区间的人均收入是否存在趋同现象。β收敛分为绝对β收敛和条件β收敛，用于分析落后地区的经济增长速度高于发达地区的现象。

3.1 σ收敛检验

σ收敛用于分析不同经济单位之间的绿色全要素生产率分布差异随时间变化的趋势，通常用标准差、变异系数、Theil指数等指标描述这种经济单位之间的分布差异。当地区间描述σ收敛的指标随时间的变化逐渐下降时，说明这些地区间的绿色全要素生产率具有σ收敛性，反之则具有发散性。笔者利用变异系数(CV)检验我国及三大区域是否存在σ收敛，如图1所示。

图1 绿色全要素生产率σ收敛分析图

由图1可以看出，无论是全国还是三大地区的绿色全要素生产率变异系数，基本均呈现出下降-上升-下降-再上升的波动状态，并在2016年呈现为上升趋势，表现出发散特征。全国和西部地区的绿色全要素生产率的CV指标走势基本相一致，存在两个明显下降阶段，分别是2003—2008年和2009—2015年，表现为阶段性σ收敛。东部地区和中部地区的绿色全要素生产率的CV指标变化相对平稳，存在小幅上升和下降波动。

3.2 条件β收敛检验

条件β收敛指在控制一系列影响绿色全要素生产率因素的基础上，分析地区是否存在绿色全要素生产率收敛。新古典经济理论持绝对收敛观点，但新增长经济理论认为在考虑地区的不同发展条件及经济基础的情况下，收敛性的结论可能会有所不同。采用式(1)检验面板数据是否存在条件β收敛。

(1)

当β系数显著小于0时，则认为地区间存在条件β收敛现象，不同经济基础地区的绿色全要素生产率会达到不同的稳态。

绿色全要素生产率受到“环境-经济-能源”系统中各个方面的影响，包括经济社会发展状况、环境保护制度、能源的消耗、科学技术的发展状况等方面。笔者综合大量学者的研究，在条件β收敛方程中引入影响绿色全要素生产率的变量，其中产业结构(structure)、对外开放程度(open)、科技水平(technology)、市场化程度(market)均为比重形式，经济发展水平(economy)、环境规划(environment)和能源消耗(energy)等总量形式的数据需做取对数处理。

笔者采用30个省份的面板数据进行回归分析，检验区域是否存在条件β收敛。根据平稳性检验和Hausman检验结果，笔者选取带有固定效应的面板数据建模方法进行条件β收敛检验，检验结果如表3所示。

表3 条件β收敛检验结果表

注：***、**、*分别表示1%、5%和10%的显著性水平，括号中数据为各系数的t统计量

表3结果显示全国和东部、西部、中部地区的β系数均小于0，且在1%的水平下显著。因此基于不同的地区发展条件，全国及三大区域均存在条件β收敛现象，即经济单位在各自现有的经济发展条件下会达到不同稳态条件下的绿色全要素生产率。根据解释变量回归结果，可以看出基于不同地区的经济发展条件，控制变量对各地区的影响大小和方向并不相同。笔者结合实际经济含义对回归结果作出解释：①科技水平对全国绿色全要素生产率变化没有显著影响，经济发展水平、能源消耗和市场化程度与全国绿色全要素生产率呈现负相关关系且在统计意义上显著，说明绿色全要素生产率的变化与三者的期初值为负相关关系。产业结构、对外开放程度、环境规划对全国绿色全要素生产率有显著的正向影响，良好的产业结构基础、更加开放的经济、合理的环境规划将会带来绿色全要素生产率的快速增长，基础较好的地区在一定程度上会拉大与其他地区的绿色全要素生产率差距。②东部地区的回归结果显示仅有产业结构和环境规划对绿色全要素生产率具有显著影响，且均为正向影响。③西部地区的经济发展水平、能源消耗与绿色全要素生产率变化呈现负向影响，并在统计意义上显著，产业结构、环境规划、科技水平和市场化程度则表现为显著的正向影响。④中部地区的经济发展水平和产业结构对绿色全要素生产率变化具有负向影响，且在5%的水平下显著，能源消耗的期初值大小正向影响绿色全要素生产率的增速。

4 结论

结合混合距离的EBM模型和ML指数对中国30个省份进行绿色全要素生产率测算和收敛性分析，得到如下结论：①我国绿色全要素生产率稳步上升，从2001年的0.969 1上升至2016年的1.013 6，总体上呈现“上升-下降-再上升”的波动式增长趋势；②科技水平成为提升我国绿色全要素生产率的主要动力。对绿色全要素生产率指数进行分解，发现科技水平的提升对绿色全要素生产率增长的效用越来越大，成为推动绿色全要素生产率提升的主要因素。③我国绿色全要素生产率存在地区收敛性。收敛性分析结果表明，我国绿色全要素生产率同时存在σ收敛和β收敛。条件β收敛检验结果认为科技水平、产业结构、环境规划、对外开放水平、能源消耗等都会影响绿色全要素生产率提升。

根据上述结论，我国应以科技进步来推进绿色可持续发展，通过科学技术水平的提升，促进经济发展结构的转变，改变环境不友好的生产方式，落实绿色可持续发展。同时落后省份应通过积极引进外资，提升对外开放水平，优化产业和能源结构等方式提高自身的绿色全要素生产率。

参考文献：

[1] SOLOW R M. Technical change and the aggregate production function[J]. Review of Economics and Statistics, 1957,39(3):312-320.

[2] 陶长琪,齐亚伟.中国全要素生产率的空间差异及其成因分析[J].数量经济技术经济研究,2010,27(1):19-32.

[3] 鲁晓东,连玉君.中国工业企业全要素生产率估计:1999—2007[J].经济学(季刊),2012,12(2):541-558.

[4] 张健华,王鹏.中国全要素生产率:基于分省份资本折旧率的再估计[J].管理世界,2012，28(10):18-30.

[5] 屈小娥.考虑环境约束的中国省际全要素生产率再估算[J].产业经济研究,2012，11(1):35-43.

[6] 李小胜,宋马林.环境规制下的全要素生产率及其影响因素研究[J].中央财经大学学报,2015，35(1):92-98.

[7] 胡晓琳.中国省际环境全要素生产率测算、收敛及其影响因素研究[D].南昌：江西财经大学,2016.

[8] 李卫兵,涂蕾.中国城市绿色全要素生产率的空间差异与收敛性分析[J].城市问题,2017，36(9):55-63.

[9] TONE K. A slacks-based measure of efficiency in data envelopment analysis [J].European Journal of Operation Research, 2001,130(3):498-509.

[10] TONE K, TSUTSUI M. An epsilon-based measure of efficiency in DEA-a third pole of technical efficiency[J].European Journal of Operation Research, 2010,207(3):1554-1563.

[11] CHUNG Y H, FARE R, GROSSKOPF S. Productivity and undesirable outputs: a directional distance function approach[J].Journal of Environmental Management, 1997,51(3):229-240.