长三角城市群工业绿色全要素生产率的测度及空间分异研究*

孙燕铭 孙晓琦

（华东师范大学，上海 200062）

一、引 言

改革开放以来，我国的经济增长主要依赖大规模生产要素投入和大规模投资扩张的粗放型增长，许多城市盲目追求高投入、高能耗，在获得高GDP增速的同时，资源和环境付出了巨大的代价。在资源环境对于经济增长的硬性约束逐渐增强的背景下，绿色全要素生产率（GTFP）的提升已成为区域经济和资源环境可持续发展的重要标志。

1942年，Tim Berger首次提出全要素生产率（TFP）的概念并将其解释为生产力的综合指标。Stigliz（1974）计算了美国制造业的全要素生产率。此后，许多学者不断补充扩展全要素生产率的核算方法。例如，Aigner等（1977）建立了随机前沿生产函数。Charnes（1978）建立了用于计算全要素生产率的数据包络分析 （DEA）方法。Caves et al.（1982）将 Malmquist指数以及 DEA 方法共同作用于测算生产率变化。蔡昉指出：“全要素生产率是在多种要素投入水平已经确定的情况下得以实现的额外生产率。这种劳动生产率可以抵消资本收益锐减的不利结果，为可持续经济增添动力。 ”

虽然传统意义上的全要素生产率能够在一定程度上反映生产力水平，但传统的全要素生产率测算方法并没有探讨能源和资源，也就是说，如果不考虑资源能源消耗带来的 “不被希望的”产出，就无法估计污染排放对生产率的影响。这也导致这种测算方法将资源环境约束对生产率的重要影响被忽略，以至于对真正的生产率所进行的评价有所偏颇。20世纪80年代以来，大量文献开始将环境因素引入已有的生产理论，得出新的概念——绿色全要素生产率（green total factor productivity，GTFP）。Fare et al（1989）首先提出了包含这种 “不被期望的产出”的环境污染物的DEA 模型。Chung et al（1997）以 Shephard（1970）基于生产函数的距离函数，提出了更为合理的方向距离函数，模拟对环境造成污染的有害影响，在使用ML生产率函数衡量全要素生产率时，加入包含不令人满意的污染排放等投入要素。 Fare et al （2001）测度了美国制造业1974—1986年的绿色全要素生产率，发现在此期间绿色全要素生产率的年平均增长率高于传统全要素生产率的年平均增长率。Ramanathan（2005）则将环境污染作为未支付的一种投入要素，与劳动力、资本、能源投入结合起来估算全要素生产率。

国内关于GTFP的研究可以归纳为国家层面、区际比较及行业层面。 其中，城市资源环境与经济增长问题是当前的一个热点，很多学者尝试将城市的资源、环境与经济发展纳入一个统一的分析框架，对城市绿色效率及城市绿色全要素生产率展开研究。在绿色全要素生产率的测算方法上，主要包括索洛余值法，随机前沿生产函数法和基于 SBM 距离函数的数据包络分析法等。

综上所述，国内外学者在环境效率及绿色全要素生产率测度方面开展了大量工作，然而已有文献较多侧重于国家层面的研究，基于区域层面并深入研究绿色全要素生产率空间分异的文献尚少。长江三角洲城市群作为长江经济带的经济支撑区，是具有较大概率率先完成经济、资源和环境协调增长的区域。长三角地区肩负着推动长江经济带创新发展、辐射中西部地区的重要使命，其经济增长的经验和政策研究可以在一定程度上为其他区域提供参考。本文选取长三角地区16个核心城市（上海、宁波、杭州、嘉兴、绍兴、湖州、南京、泰州、舟山、镇江、南通、常州、无锡、扬州、台州、苏州）为研究对象，通过定量测算和描绘空间分布格局，反映长三角地区绿色全要素生产率的空间差异，为完善区域经济发展协调机制、推动区域经济可持续发展提供政策建议。

二、研究方法与模型选择

（一）绿色全要素生产率评价方法

数据包络分析 （Data Envelope Analysis，DEA）适用于测算具有多个决策要素的全要素生产率，基于DEA方法的Malmquist生产率指数（简称ML指数）可用于计算随时间变化的全要素生产率的变化速率。采用DEA方法测量绿色全要素生产率时，需要将污染物排放作为一个新的投入因子纳入模型计算。传统的生产进程中，生产者期望以较少的投入获得较多的产出，即期望产出。生产者对于污染物的偏好则相反，期望污染物的产出越小越好，称为非期望产出。

本文中，每个城市被视为一个独立的决策单元，每个单元包括 N 个输入 x=［x，K，x］∈R，M个预期输出 y=［y，Λ，y］∈R， 以及 I种非期望产出 b=［b，Λ，b］∈R，在此基础上建立 t=1，Λ，T时期城市k=1，Λ，T的一系列生产可能性函数：

其中，λ为权重向量。基于此，预期输出和不期望输出的SBM函数计算如下：

上式中，ML指数代表全要素生产率变化（Tfpch），可以反映技术进步和技术效率的变化。其中，TEC代表技术变化（Techch），EFF代表技术效率变化（Effch）。这里的Techch与Effch的可分解如下：

其中，对于一个城市，Tfpch、Techch和Effch的测算值大于（小于）1，分别表示在t至t+1期间全要素生产率增多（减少），技术进步（回归）和技术效率改进（恶化）。在ML指数公式中，技术进步是指创新或引进先进技术带来的增长效应，即生产潜力边界的转移。技术效率改进主要是政策和制度改革推动了资源配置效率提升，进而触发了“追赶效应”，即提升了实际生产状况，使其向“最佳实践者”靠近。

这里可以将技术效率（Effch）的改进进一步分解，以获得纯粹的技术效率变化（pech）和规模效率变化（sech）。其中，全要素生产率变化=技术效率变化生产技术变化，技术效率变化=纯技术效率变化规模效率变化，即：Tfph=Techch×Effch=Techch×pech×sech。

本文对传统的全要素生产率和绿色全要素生产率分别进行测度，在计算绿色全要素生产率时，需要将非预期产出作为新的输入因子，为避免混淆，其他对应的绿色指标，以G-前缀作为缩写，添加到表中绿色全要素生产率的相应计算值处。

（二）数据选择与处理

本文以2006—2016年中国长三角地区16个重要城市的生产率水平为研究样本。基于所构建的评价方法和测算模型，将各城市劳动投入情况、能源消耗情况和资本投入情况作为投入变量，将产品总产值与工业污染物状况作为产出变量。所选取的投入因子指标包括：劳动力投入，资本和整体能源消耗。输出因子中，工业生产总值为期望产出，主要的非期望产出指标为工业废物排放。

1.投入变量

（1）劳动投入

由于研究对象为工业产业，劳动力投入指标选取每个地区第二产业从业人员总数。由于部分地级市统计年鉴中不包含该指标，本文对分行业的采掘业、制造业、电力产业、燃气和水的生产与供应业的从业人员数进行处理，得到第二产业雇员人数。

（2）资本

在关于资源效率的已有文献中，较稳妥的资本指标是选取年末资本存量，使用永续盘存法进行估算。但由于地级市分级数据较难获取且难以计算，本文将采用历年工业各部门固定资产投资产生的总投资作为衡量指标。

（3）综合能耗

本文的综合能耗指标，选取了行业消费的万吨标准煤作为能源消耗标准。其中，根据统计年鉴不同年份的具体情况，2006—2010年的单位能耗以2005年可比价计算，2011—2015年以2010年可比价计算，2016年以2015年可比价计算。部分城市统计年鉴索引如缺乏直接数据，则选取“行业能源消费量”指标，按照不同能源使用的具体数量，根据每种能源与万吨标准煤的换算指标进行换算求和处理。

2.产出变量

（1）工业生产总值

选取每年的工业总产值数据作为预期产出。数据来源为各城市统计年鉴。

（2）工业废物排放

工业废物包括污水、废气、工业粉尘和工业固体废物等。由于各城市工业废物所涵盖的内容不同，各城市统计年鉴对于污染物的指标界定有一定差异，为了解决这个问题，一些城市选择工业废水、工业二氧化硫排放量和工业固体废物产量作为非期望产出指标，一些城市选择工业废水、工业粉尘排放量和工业二氧化硫排放量作为非期望产出指标，利用统计软件进行处理转化成为一个城市环境污染的综合指标，以衡量非期望产出。

本文选取2006—2016年长三角16个重要城市的面板数据，基础数据主要来源于《中国统计年鉴》（历年）、《中国城市统计年鉴》（历年）、各省统计年鉴（历年）、各城市经济信息委员会网站以及相关新闻报道等，表1对变量指标选取及相应的含义进行了解释。

表1 变量选取及解释

三、长三角城市群工业绿色全要素生产率的实证分析

（一）长三角16个重要城市历年平均ML指数估算结果

运用MaxDEA pro软件计算了2006—2016年长三角地区16个重要城市考虑资源环境因素的绿色技术效率 （Geffch）、 绿色技术进步（Gtechch）、绿色全要素生产率（Gtfp），以及绿色技术效率的分解：绿色纯技术效率（Gpech）和绿色规模效率（Gsech）。同时，为了与不包含环境污染的传统全要素生产率进行比较，还测算了传统全要素生产率及其分解，结果如表2所示。

由表2的测算结果可以看出：

1.根据各城市未考虑非期望产出和考虑非期望产出的全要素生产率计算结果，传统的工业全要素生产率始终处于大于1的较优水平，而工业绿色全要素生产率基本维持在等于1甚至不到1的观察值。除2010—2011年外，考虑非期望产出因素的绿色全要素生产率变化率普遍低于传统工业全要素生产率变化率。这表明，工业污染物排放在相当程度上影响或阻碍着绿色全要素生产率的提升。绿色技术进步的变化速率，即绿色技术进步水平，与绿色全要素生产率的变化大体上保持一致。可见，工业生产中的清洁技术进步是促进工业绿色全要素生产率提高的重要原因，也就是说，污染治理、绿色减排等清洁技术的持续发展有助于绿色全要素生产率的提升。

表2 2006—2016年长三角地区重要城市平均工业全要素生产率估算结果

2.工业技术的进步较为显著。按传统的未考虑非期望产出的计算方法，技术进步（Techch）在10个时间段内有8个大于1，考虑非期望产出后，得到基本接近1或大于1的数值，表明工业技术进步已成为绿色全要素生产率的重要驱动力。在信息革命、知识经济相融合的背景下，电子信息技术、互联网、大数据等的迅速发展和广泛应用使得传统产业转型升级的速度加快，进而推动了技术进步。同时，相比其他区域，长三角对外开放的程度更高，吸纳优质人力资本、社会经济资本的能力更强，也具有更活跃的创新活力和创新意识，更有利于技术进步的加快。

3.工业绿色技术效率（Geffch）在前5个时间段内基本都表现为小于1，但在后5个时间段基本表现为大于1，说明随着长三角地区对外开放和市场改革的深化，逐渐形成了良好的工业市场竞争环境，同时，面对长三角地区能源资源环境约束趋紧、主要污染物控制种类增加、生态环境指标不断逼近甚至超过生态承载力等现实挑战，近年来政府的环境规制与污染治理力度不断增强，企业需通过不断研发更为清洁环保的新技术、新产品以取得更好的经济效益，进而加快了绿色创新的步伐，推动了绿色技术效率的提升。

（二）长三角16个重要城市绿色全要素生产率的动态变化趋势比较

计算2006—2016年长三角16个重要城市传统工业全要素生产率的均值和工业绿色全要素生产率的均值，进一步比较各城市绿色全要素生产率的变化。结果如表3所示。

表3 长江三角洲16个重要城市的平均工业全要素生产率估算结果

分析研究期内各城市历年工业全要素生产率的平均水平，可以看出：2006—2016年，各城市的传统全要素生产率整体水平较高，各城市工业全要素生产率变化率（Tfpch）的均值都大于1，可见近10年来长三角地区的经济增长迅速，主要城市的生产力水平有激增的趋势。从整体技术效率（Effch）的变化情况来看，各城市的历年均值基本在1左右，要素的投入比例相对合理，但个别城市的技术效率变化与规模效率变化相比存在滞后性。同时，各城市技术进步变化率（Techch）的平均水平都大于1，说明对于每个城市来说，技术进步对于传统全要素生产率提高的贡献，比起技术效率更为重要。

大部分城市的历年GTFP均值处于小于1或等于1的水平，这与各城市的绿色生产技术进步率（Gtechch）密切相关，在16个样本城市中，仅有上海、杭州、舟山、南京这4个城市的历年绿色技术进步率均值处于大于1或等于1的水平，其余各城市的Gtechch均值皆小于1，绍兴的绿色技术进步率为0.594，其GTFP也处于0.594这一较低水平。研究期间，各城市的GTFP基本都低于传统的工业要素总产能，这说明环境和资源因素在某种程度上制约了绿色全要素生产率的提升。此外，上海的历年绿色技术效率（Geffch）、绿色技术进步率（Gtechch）、绿色全要素生产率（Gtfp）均值都为1，可见其近10年来的绿色技术效率变化和绿色技术进步变化较为均衡。

从传统全要素生产率的分解来看，各城市传统全要素生产率的技术进步率均值皆大于1，说明研究期内技术创新所展现的高效率是提高全要素生产率的重要原因。同时，外部规模的扩张效率整体较高也是一个重要因素。

从绿色全要素生产率的分解值来看，4个城市的绿色技术效率（Geffch）趋近于1，其余各城市的绿色技术效率皆大于1或等于1，可见大部分城市考虑非期望产出的资源配置能力、资源使用效率等综合能力较好。绿色技术进步率（Gtechch）的问题较为明显，大于1或等于1的城市仅有4个，说明大部分城市考虑环境和资源因素的绿色技术进步率仍有待提高，需重视提升节能、环境友好的清洁生产技术的创新效率。同时，长三角地区的工业绿色纯技术效率变化（Gpech）呈现出一定改进的趋势，大部分城市的历年均值都在1左右，即在已有的清洁生产技术水平、既定的制度和管理水平下所投入资源的使用是有效率的。此外，仅有台州、常州、无锡这3个城市的绿色技术效率变化滞后于规模效率变化，大多数城市的要素投入比例和规模较为合理。

（三）GTFP的空间格局以及特征分析

选取2006—2007、2011—2012和2015—2016年这三个时间段，进一步在地图上展示长三角16个重要城市GTFP的空间分布四分位图。

根据统计分组原则，将每个时间段的GTFP划分为四个等级，即 GTFP〈0.6，0.6≤GTFP〈0.8，0.8≤GTFP≤1，GTFP〉1。GTFP 越高则颜色越深，反之则颜色越浅。图1—图3较为直观地刻画出长三角16个重要城市GTFP的时空演化特征。

图1 2006—2007年长三角16市GTFP空间分布格局

图3 2015—2016年长三角16市GTFP分布格局

1.研究期内，各城市GTFP的整体空间分布格局波动不大，在研究初期GTFP即呈现高增长的地区一般维持高增长态势，大部分城市的GTFP在空间上呈现集聚特征，即GTFP高的城市相邻，GTFP低的城市也相邻，大致呈现从中部往南北两边逐渐降低的态势。GTFP较高的区域主要分布在上海、南京和杭州，并表现出GTFP的外部性——溢出效应，即GTFP较高的地区向周边区域产生辐射带动效应，并以此为中心向外扩散。

2.从时间维度的变化来看，各城市的等级分布逐渐变得均衡，说明辐射带动效应是有成效的。但GTFP的整体水平在三个时间段逐渐变低，这反映了长三角地区传统制造业考虑非期望产出的生产率优势正在逐渐减弱的现象。尽管长三角大部分城市的工业转型较早，但近年来工业增长速度开始放缓，环境污染日益严重。当前，以上海、杭州、南京、苏州等为代表的长三角城市正面临能源资源环境约束趋紧，主要污染物控制种类增加，资源环境生态指标均逼近甚至超过生态承载力等现实挑战，对传统制造业发展形成一定下行压力。《上海市工业绿色发展“十三五”规划》明确了“2025年前后二氧化碳排放达到峰值”的目标，制造业是控制温室气体排放总量及能源消费总量的关键领域，承担着绿色经济转型的主要任务，因此，加快清洁环保技术的研发、引进与扩散，推动科技创新与技术变革，带动制造业生产技术进一步转型升级势在必行。

综上所述，长三角城市群的GTFP具有显著的空间关联性，一个城市的GTFP水平不仅与本地区的发展相关，还与其周边城市有着密不可分的联系，少数区位条件优越的地区，如上海、杭州、南京等城市已率先成为增长极，之后在地理空间上呈现空间溢出效应，将经济动力和创新成果扩散到周边地区，由此所呈现的集聚现象显著。同时，绿色技术进步率是影响长三角城市群GTFP的重要因素之一，提升节能、环境友好的清洁生产技术的创新效率，加快制造业生产技术的转型升级，鼓励清洁环保技术在制造业企业中的引进与扩散十分必要。

四、结论与政策建议

文章运用基于DEA方法的Malmquist生产率指数对长三角16个重要城市的绿色全要素生产率（GTFP）进行了测算，通过展示空间分布四分位图，研究了长三角城市群GTFP的整体空间分布格局以及在不同时间段的时空演化特征，结果发现：

1.2006—2016年，长三角城市群考虑非期望产出的GTFP普遍低于传统的TFP，说明污染物排放作为重要的非期望产出指标，在计算绿色全要素生产率时不可忽视。绿色技术进步率与绿色全要素生产率的变动方向大体一致，存在正相关关系，即工业生产中的清洁技术进步是促进GTFP提高的重要因素。技术进步的源动力是创新，伴随着电子信息技术、互联网、大数据等的迅速发展和广泛应用，传统产业转型升级的步伐加快，随着长三角地区外资的大量涌入，形成知识溢出效应，这样既促进创新，又促进生产技术进步，最终达到提高生产效率的目的。

2.2006—2016年，仅有上海、杭州、舟山、南京4个城市的GTFP均值等于1或大于1，其余城市整体呈现为趋近于1却并未达到1的格局，GTFP变化的空间分布呈现出了一定的集聚性和空间关联性，GTFP高的城市相邻，GTFP低的城市也相邻，大致呈现从中部往南北两边逐渐降低的态势。从纵向时间发展来看，上海、南京、杭州等GTFP较高的区域表现出GTFP的溢出效应，向周边区域产生辐射带动效应，并以此为中心向外扩散，影响周边地区的GTFP变化逐渐呈现均衡发展态势。

3.比较GTFP与未考虑非期望产出的传统TFP，可以发现，长三角城市群的经济发展水平、能源结构对其GTFP具有一定的负向抑制作用，即经济增长与能源资源节约和环境保护并不完全兼容，这其中，提升节能、环境友好的清洁生产技术的创新效率极为重要。资源、环境、生态等现实约束在现代生产力衡量中不可忽视。加强环境规制，提高清洁生产技术和污染治理技术的创新效率，深入推进绿色创新和培育节能环保产业，是长三角地区绿色全要素生产率持续提升的关键之一。

为进一步提升长三角城市群的绿色全要素生产率水平，应从以下几个方面入手。

第一，通过推动以资源环境技术持续进步为目标的绿色创新，以提升绿色技术进步率。《中国制造2025》明确把绿色转型作为建设制造强国的重要着力点，提出了涵盖能耗强度、碳排放强度、用水强度、固废综合利用率等方面的绿色发展指标体系，为深入推进绿色创新和培育节能环保产业带来新契机。在研究期内，长三角城市群的GTFP忽高忽低并不稳定，政府应通过优化区域产业结构和社会经济发展模式，加快清洁生产、节能环保技术的自主创新、引进和扩散，让资源利用效率和绿色技术进步率共同稳步提升，以提升长三角地区的绿色发展动能。同时，污染物治理是引导企业创新的关键点之一，近年来长三角地区的城市环境统计监测部门在衡量污染指标时，不仅考虑污染物的排放水平，更是考虑污染物的处理量及处理比例，这对于有效控制整个区域的污染物排放水平，实现区域可持续发展十分重要。

第二，充分利用电子信息化技术、基础设施建设的互联互通等手段，进一步发挥长三角核心城市对于周边城市的辐射带动效应。由增长极理论可知，人才、资源、技术等要素的高度集中使少数的点状地区具有一定优越条件，优先发展成为增长极，其经济动力将通过辐射效应逐渐扩散到广阔的腹地。发挥上海、南京、杭州等长三角中心城市的引领作用，引导中心城市的知识、信息、技术、人才等资源合理流动，通过枢纽型、功能性、网络化的基础设施体系建设，促进功能复合、一体化的区域生态网络形成，提升长三角地区整体的绿色经济效率。

第三，通过优化环境规制政策设计，为长三角城市群的绿色经济转型提供制度支撑。传统的经济增长方式往往以牺牲资源环境为代价换取较高的生产率，当前，以能源资源的低消耗、污染废弃物的低排放、生态环境的低污染为特征的绿色经济正在兴起。探索实施惩罚和奖励并存的环境规制政策体系，逐步建立排污权、水权等的市场化交易机制，在增收污染税的同时，对污染物控制良好的企业予以适当的奖励，内部化其外部成本，为提升资源环境质量及区域绿色全要素生产率提供制度保障。