中国绿色全要素生产率增长的空间不平衡及其成因解析

刘华军 李超 彭莹 贾文星

摘 要：基于非期望产出SBM模型测度Malmguist生产率指数，揭示中国绿色全要素生产率增长的空间不平衡特征，进一步探究其成因，结果表明：东部地区绿色全要素生产率增长较快，中部地区次之，西部地区相对较慢。从结构组成因素看，“十五”时期和“十二五”时期技术进步的差距是导致不同地区绿色全要素生产率增长差异的主要原因，而“十一五”时期则以技术效率为主。从外部影响因素看，缩小城市化、产业结构合理化和市场化在地区间的不平衡可以有效促使不同地区绿色全要素生产率实现均衡发展。

关键词： 绿色全要素生产率；空间不平衡；二次指派程序

中图分类号：F124 文献标识码： A文章编号：1003-7217（2018）05-0116-06

一、引 言

坚持绿色发展是发展观的一场深刻革命。当前，中国经济已由高速增长阶段转向高质量发展阶段，绿色是高质量发展的主色调。在新阶段，提高绿色全要素生产率是转变发展方式、优化经济结构、转换增长动力的战略重点，也是推动经济高质量发展的关键。然而，不同地区在资源禀赋、结构优化、发展动能等方面的分化迹象日益明显，不仅加剧了绿色全要素生产率增长的空间不平衡，也给新时期区域协调发展带来了新的压力和挑战。基于上述背景，全面揭示绿色全要素生产率增长的空间不平衡特征，准确识别绿色全要素生产率增长空间不平衡的成因，可以为高质量发展阶段采取有效措施实现区域协调发展提供重要的理论依据和决策支持。

从现有研究进展看，部分文献基于DEA模型对绿色全要素生产率的测算结果分析了中国绿色全要素生产率增长的区域差距，如匡远凤和彭代彦（2012）、王兵和黄人杰（2014）研究结果表明东部地区绿色全要素生产率增长率高于中西部地区，且呈现区域差距扩大的空间特征[1，2]。部分文献则采用变异系数、核密度估计方法揭示了绿色全要素生产率增长的空间差异及其分布形态演进，如李兰冰和刘秉镰（2015）发现绿色全要素生产率增长的分布形态由单极化向双峰演进，落后地区赶超先进地区的难度趋于加大[3]。此外，多数研究运用计量模型分析了绿色全要素生产率增长的影响因素，如王兵等（2010）、劉赢时等（2018）、Mao和Sheng（2017）等的研究发现地区经济发展水平、劳均资本、市场化、全球化、产业结构等因素对绿色全要素生产率增长存在显著影响 [4-6]。上述研究为考察绿色全要素生产率增长空间不平衡提供了丰富的证据和有益的启示，但仅仅分析了其空间不平衡特征及变化趋势，尚未进一步揭示造成绿色全要素生产率增长空间非均衡的成因，难以为绿色全要素生产率增长的空间格局优化提供实证依据。

本文的研究落实到中国绿色全要素生产率增长的空间不平衡及其成因解析上，边际学术贡献是基于非期望产出SBM模型测度Malmquist生产率指数，揭示中国绿色全要素生产率增长的空间非均衡特征，进一步从绿色全要素生产率增长的结构组成因素和外部影响因素两个层面，利用QAP方法从全样本、分时期和逐年三个层次实证考察导致中国绿色全要素生产率增长空间不平衡的成因，为新时期实现绿色全要素生产率增长的空间均衡发展提供科学依据。

二、研究方法与数据说明

（二）二次指派程序（QAP）

本文设定的关系数据计量模型如下：

二次指派程序（Quadratic Assignment Procedure，QAP）作为一种基于随机置换的非参数检验方法，能够很好地解决关系数据模型的自相关和多重共线性问题[10]。QAP基于置换矩阵中的元素，通过比较两个矩阵中的每个元素给出矩阵之间的相关系数，并对系数进行非参数检验，具体包括QAP相关分析和QAP回归分析两部分[11，12]。

（三）变量选择与数据说明

采用2001-2015年中国大陆30个省份（不包括西藏）的年度数据，以绿色全要素生产率增长的地区差距作为被解释变量，以地区经济发展水平、资本积累、劳动力、市场化、城市化、全球化和产业结构优化的地区差距作为解释变量，各变量的衡量指标与数据来源如下：

（1）被解释变量。采用Malmquist生产率指数测算绿色全要素生产率（GTFP），并构建绿色全要素生产率增长的地区差距矩阵。其中，资本、劳动和能源为要素投入，参照永续盘存法测算资本存量代表资本投入，采用就业人数代表劳动投入，采用能源消费总量代表能源投入；以2000年不变价格的实际地区生产总值为期望产出；工业废水、工业废气和工业固体废弃物为非期望产出。

（2）解释变量。基于地区经济发展水平、资本积累、劳动力、市场化、城市化、全球化和产业结构优化的衡量指标，构建各变量的地区差距矩阵。其中，采用以2000年为基期的人均地区生产总值代表地区经济发展水平（PGDP），采用人均资本存量代表资本积累（K），借鉴余永泽（2017）的劳动力处理方法得到各省份的有效劳动力来代表劳动力（L）[13]，采用国民经济研究所公布的市场化指数代表市场化（MA），采用城镇人口占总人口比重代表城市化（CI），采用地区进出口总额占地区生产总值的比重代表全球化（OP），采用产业结构合理化指数（SR）和产业结构高级化指数（SH）代表产业结构优化，具体核算分别借鉴韩永辉等（2016）和刘伟等（2008）的做法[14，15]。以上相关数据来源于国家统计局数据库、《新中国六十年汇编》《中国统计年鉴》《中国环境年鉴》《中国环境统计年鉴》《中国劳动统计年鉴》以及各省份统计年鉴。

三、中国绿色全要素生产率增长的空间不平衡

（一）中国绿色全要素生产率增长的空间分布

为了直观地展示中国绿色全要素生产率增长的空间特征，绘制了2001-2015年中国绿色全要素生产率增长的分布图，如图1所示。可以发现，整个样本考察期内，中国绿色全要素生产率增长呈现东部较快、中部次之、西部相对较慢的空间非均衡特征。具体而言，绿色全要素生产率平均增长率达到4%以上的省份有3个，介于2%～4%的省份有5个，介于0%～2%的省份有16个，绿色全要素生产率平均增长率为负值的有6个省份。从三大区域的平均分布来看，绿色全要素生产率增长较高的省份主要位于东部地区，如天津、海南，中部地区多数省份的绿色全要素生产率也呈现不同程度的增长，但整体增长幅度低于东部地区。相比而言，新疆、内蒙古、宁夏等西部地区省份的绿色全要素生产率均呈现下降趋势。

（二）中国绿色全要素生产率增长空间分布的时间演变

通过上述分析，我们对整个样本期内中国绿色全要素生产率增长的空间分布特征有了一个直观的认识，为了进一步展示绿色全要素生产率增长的变化趋势，将2001-2015年全国以及东部、中部、西部地区的绿色全要素生产率绘制折线图，如图2所示。从全国层面看，中国绿色全要素生产率增长整体呈现波动中上升的趋势。从三大区域看，一方面，不同地区的绿色全要素生产率的平均增长率虽然呈现一定幅度的波动，但从整体走势看，增长速度有所增加。另一方面，2011年之前，东部、中部和西部地区之间绿色全要素生产率增长的相对差异较大，且变化趋势不一，2011年之后，三大地区绿色全要素生产率平均增长速度的变化趋势基本一致，地区之间的增长率差异也不断缩小。通过上述分析可以发现，尽管2011年之后东部、中部和西部地区绿色全要素生产率增长的相对差异不断缩小，但空间非均衡特征依然存在。

四、中国绿色全要素生产率增长空间不平衡成因

上述分析表明，中国绿色全要素生产率增长存在明显的空间非均衡特征，进一步地，基于绿色全要素生产率增长的结构组成因素和外部影响因素，分别从全样本、分时期和逐年三个层次，探寻造成绿色全要素生产率增长空间不平衡的成因，从而为采取有效措施实现绿色全要素生产率增长空间均衡发展提供科学依据。

（一）结构组成因素

根据QAP相关分析结果，绿色全要素生产率增长的空间不平衡与技术进步、技术效率的相关系数均为正，且通过了5%的显著性检验，这意味着技术进步、技术效率与绿色全要素生产率增长的空间不平衡存在显著的相关关系。以下将进行QAP回归分析，以揭示技术进步、技术效率对绿色全要素生产率增长空间不平衡的影响及其变动情况。

1. 全样本考察。表1第2～3列报告了整个考察期的QAP回归结果。相比传统的OLS回归结果，QAP回归结果报告了未标准化回归系数和标准化回归系数。由于标准化回归系数不受观测值量纲的影响，本文重点比较标准化回归系数的相对大小，以考察不同解釋变量对被解释变量影响强度的差异[16]。从表1可知，技术进步和技术效率的标准化回归系数分别为0.603和0.457，且均通过了1%的显著性检验，说明缩小技术进步、技术效率的地区差距有助于促使绿色全要素生产率增长从空间不平衡向空间均衡发展。相比技术效率，技术进步对绿色全要素生产率增长空间不平衡的影响强度是技术效率的1.33倍（0.603/0.457），意味着技术进步在绿色全要素生产率空间不平衡中扮演主要角色，但技术效率的作用也不容忽视。

2. 分时期考察。表1第4-9列报告了分时期的QAP回归结果。可以发现：三个时期技术进步和技术效率的标准化回归系数均为正，且通过了1%的显著性检验，表明技术进步和技术效率对绿色全要素生产率增长的空间不平衡存在重要影响。从变化趋势看，技术进步的回归系数由“十五”时期的0.767下降到“十一五”时期的0.718，又上升到“十三五”时期的0.981，而技术效率的回归系数则从“十五”时期的0.437上升到“十一五”时期的1.058，后下降到“十三五”时期的0.906。通过对比不同时期技术进步和技术效率的标准化回归系数发现：“十五”时期技术进步对绿色全要素生产率增长空间不平衡的影响强度是技术效率的1.76倍（0.767/0.437），“十一五”时期下降到0.68倍（0.718/1.058），“十二五”时期上升为1.08倍（0.981/0.906），表明“十五”时期和“十二五”时期导致绿色全要素生产率增长表现出空间不平衡特征的原因更多体现为不同地区技术进步的差距，而“十一五”时期的空间不平衡则主要来源于技术效率的差距。

3. 逐年考察。由逐年考察的QAP回归结果可知，2001-2005年和2011-2015年技术进步对绿色全要素生产率增长空间不平衡的影响强度大于技术效率，而在2006-2010年小于技术效率，这与分时期考察结果一致。技术进步对绿色全要素生产率增长空间不平衡的影响强度呈现先下降后上升态势，技术效率对绿色全要素生产率增长空间不平衡的影响强度出现先上升后下降趋势，且二者影响强度的相对差异不断扩大。上述结果表明，在推动绿色全要素生产率增长从空间不平衡向空间均衡发展的过程中，需要同时促进技术进步和技术效率在不同地区间的均衡发展。

（二）外部影响因素

基于QAP相关分析结果，绿色全要素生产率增长的空间差异与地区经济发展水平、劳动力、市场化、城市化和产业结构合理化等变量之间的相关系数为正，而与资本积累、全球化和产业结构高级化等变量之间的相关系数表现为负，除劳动力和全球化外，其他变量均通过了1%的显著性检验。以下将进行QAP回归分析，以考察地区经济发展水平等外部因素对绿色全要素生产率增长空间不平衡的影响及其变动情况。

1. 全样本考察。表2第2～3列报告了全样本时期的QAP回归结果。可以发现：城市化、产业结构合理化和市场化的标准化回归系数为正，且通过了10%的显著性检验，表明缩小这些因素在地区间的不平衡可以有效促使不同地区绿色全要素生产率实现均衡发展。资本积累和产业结构高级化的标准化回归系数显著为负，可能的原因是：第一，在资本边际报酬递减规律作用下，东部地区可能会较早地出现资本边际报酬递减现象，而中西部地区由于资本边际报酬递减现象发生得相对较迟从而促进绿色全要素生产率相对更快增长，若这种差距保持一定的时间，不同地区绿色全要素生产率增长将趋于均衡发展。第二，产业结构高级化与绿色全要素生产率增长之间存在倒U型关系，东部地区率先实现产业结构高级化进而导致绿色全要素生产率增长放缓，而中西部地区正处于上升阶段，其绿色全要素生产率增长相对较快，若产业结构高级化发展的地区差距越大，那么不同地区间绿色全要素生产率增长的差距可能会越小。从影响强度看，上述因素对绿色全要素生产率增长空间不平衡的影响强度从高到低依次是城市化（1.406）、产业结构高级化（0.855）、资本积累（0.511）、产业结构合理化（0.510）和市场化（0.059）。此外，地区经济发展水平和劳动力的回归系数为正，全球化的回归系数为负，但均不显著。

2. 分时期考察。表2第4-9列报告了分时期的QAP回归结果。一方面，三个时期城市化、产业结构合理化和市场化的回归系数均为正，且通过了10%的显著性水平检验。其中，城市化的回归系数最大，其次是产业结构合理化，市场化最低。对比不同时期三者的回归系数，城市化对绿色全要素生产率增长空间不平衡的影响在不同时期均最为突出，且三者影响强度的相对差异呈现下降趋势。另一方面，在不同时期资本积累和产业结构高级化的回归系数均为负，且通过了5%的显著性水平检验。其中，产业结构高级化对绿色全要素生产增长空间不平衡的影响强度高于资本积累，但两者对绿色全要素生产率增长空间不平衡影响强度的相对差异呈现先下降后上升趋势。此外，在不同时期地区经济发展水平和劳动力的回归系数均为正，全球化的回归系数均为负，但未通过显著性检验。

3. 逐年考察。由逐年考察回归结果可知，城市化、产业结构合理化和市场化对绿色全要素生产率增长空间不平衡均存在正向影响，而资本积累、产业结构高级化表现为负向影响，这与全样本和分时期的实证结果一致。在影响强度的变化趋势上，城市化和市场化对绿色全要素生产率增长空间不平衡的影响强度出现下降态势，而产业结构合理化呈现上升态势。从影响强度的大小看，城市化、产业结构高级化和资本积累始终是绿色全要素生产率增长空间不平衡的主要驱动力量。

五、研究结论与政策建议

本文以2001-2015年中国30个省份为样本数据，揭示了中国绿色全要素生产率增长的空间非均衡特征，并利用QAP分析方法从结构组成因素和外部影响因素两个层面实证考察了中国绿色全要素生产率增长空间不平衡的成因。结果表明：（1）中国绿色全要素生产率增长呈现明显的空间非均衡特征，东部地区增长较快，中部地区次之，西部地区相对较慢。从演变趋势看，2011年之后不同地区间绿色全要素生产率增长率的相对差异呈缩小态势。（2）从结构组成因素看，全样本时期技术进步在绿色全要素生产率空间不平衡中扮演主要角色，分时期和逐年结果表明，“十五”时期和“十二五”时期技术进步的差距是导致绿色全要素生产率增长表现出空间不平衡特征的主要原因，而“十一五”时期则主要来源于技术效率的地区差距。（3）从外部影响因素看，缩小城市化、产业结构合理化和市场化在地区间的不平衡可以有效促使不同地区绿色全要素生产率均衡发展。从分时期和逐年的回归结果看，城市化、产业结构高级化和资本积累始终是绿色全要素生产率增长空间不平衡的主要驱动力量。

基于上述结论，提出如下政策建议：一是既要强化创新驱动发展战略，又要注重技术效率在不同地区间的均衡提升。在推动绿色全要素生产率增长从空间不平衡向空间均衡发展的过程中，增加各地区应逐渐摆脱技术进步或技术效率的单轮驱动模式，向技术进步和技术效率双轮驱动转型，促进技术进步和技术效率在不同地区间均衡发展。一方面，科技创新能力相对落后地区应从自身实际情况出发，加大科技研发投资，创新与引进关键技术和先进技术，同时技术发展先进地区要继续发挥科技创新引领作用，通过技术外溢促进地区之间技术水平的深度融合。另一方面，各地区要提高资源管理能力以及创新资源管理模式，提高技术效率，避免科技投入资源的隐形损耗。二是推动形成协调发展的城市化格局，明确调整和优化产业结构的空间方向。城市往往是高素质人才和技术创新活动的聚集地，加快推进城市化建设，尤其中西部等城市化发展相对较慢的地区，需要通过政策引导和制度创新加快推进。产业结构优化是中国经济结构调整的重要任务，充分注重产业结构与资源禀赋的协调耦合，平衡资源在各地区间的配置，推动绿色全要素生产率增长实现空间均衡发展。三是在推进绿色全要素生产率增长实现空间均衡发展的同时，落后地区要积极吸引资本等优势资源，加快推进市场化改革，从而最大限度地发挥城市化、市场化协调发展对于绿色全要素生产率增长空间均衡发展的作用。

参考文献：

[1] 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.

[2] 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[J]. 产经评论，2014（1）：16-35.

[3] 李兰冰，刘秉镰. 中国区域经济增长绩效、源泉与演化： 基于要素分解视角[J]. 经济研究，2015（8）：58-72.

[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] 刘赢时，田银华，罗迎. 产业结构升级、能源效率与绿色全要素生产率[J]. 财经理论与实践，2018（1）：1-18.

[6] Mao Q， Sheng B. The impact of tariff reductions on firm dynamics and productivity in China： does market-oriented transition matter [J]. China Economic Review， 2017， 45（3）：168-194.

[7] Tone K. Dealing with undesirable outputs in DEA： a slacks-based measure（SBM） approach[R]. GRIPS Research Report Series， 2003.

[8] Fre R， Grosskopf S. Malmquist productivity indexes and fisher ideal indexes[J]. The Economic Journal， 1992， 102（410）： 158-160.

[9] Krackhardt D. Predicting with networks：nonparametric multiple regression analysis of dyadic data[J]. Social Networks， 1988， 10（4）： 359-381.

[10]Scott J P. Social network analysis： a handbook[M]. London： Sage Publications Ltd， 2017.

[11]劉华军，彭莹，裴延峰，等. 全要素生产率是否已经成为中国地区经济差距的决定力量[J]. 财经研究，2018（6）：50-63.

[12]罗能生，曾克强.社会资本、区域差异与全要素生产率——基于DEA方法的实证研究[J].河南师范大学学报（哲学社会科学版），2018（1）：29-37.

[13]余泳泽. 异质性视角下中国省际全要素生产率再估算： 1978-2012[J]. 经济学（季刊），2017（3）：1051-1072.

[14]韩永辉，黄亮雄，邹建华. 中国经济结构性减速时代的来临[J]. 统计研究，2016（5）：23-33.

[15]刘伟，张辉，黄泽华. 中国产业结构高度与工业化进程和地区差异的考察[J]. 经济学动态，2008（11）：4-8.

[16]Borgatti S P， Everett M G ， Freeman L G . Ucinet for windows： software for social network analysis[M]. Harvard： Analytic Technologies， 2002.

（责任编辑：漆玲琼）