创新质量对河南省物流业绿色全要素生产率的影响

王漫漫 刘战豫 朱康文

摘 要：运用非期望产出的Super-SBM与Malmquist指数对河南省18个市区2007—2017年物流业绿色全要素生产率进行测度，构建以环境规制为门槛变量的面板门槛模型，检验创新质量对河南省物流业绿色全要素生产率的影响。结果表明：物流业绿色全要素生产率、技术进步、技术效率都呈现波动趋势，历年技术效率波动幅度较小，并且对绿色全要素生产率作用不大，而技术进步对绿色全要素生产率作用較大;不同地区之间物流业绿色全要素生产率存在差距;进一步研究表明，环境规制下，创新质量对物流业绿色全要素生产率的影响具有促进作用。

关键词：绿色全要素生产率;Super-SBM模型;Malmquist-Luenberger指数;面板门槛;环境规制

中图分类号：F259.27    文献标识码：A    文章编号：1671-0037（2019）12-9-8

DOI：10.19345/j.cxkj.1671-0037.2019.12.002

党的十九大报告明确指出：“以供给侧结构性改革为主线，推动经济高质量变革、效率变革、动力变革，提高全要素生产率”，从而增强中国经济发展的创新力和竞争力。绿色全要素生产率已成为衡量产业发展的重要指标，因此提高绿色全要素生产率是“新常态”发展的核心要义。河南省地处中原，拥有完善的交通设施及物流网络，“三区一群”的建设加快了河南省物流业的发展，“一带一路”的深度融合，为河南省物流业发展营造了良好的环境。河南省物流业经过多年的粗放式增长已具有一定的规模，2018年河南省社会物流总额达到13.09万亿元，相比2017年增长9%，高于全国2.6%，全省社会物流费用7 371.08亿元，社会物流费用与GDP的比率为15.3%，比去年下降0.4个百分点，从数据中可以看出河南省大力推进的物流降本增效虽然取得了一定效果，但在资源配置、技术效率以及绿色理念等方面与发达国家仍然还有较大差距，如何提高物流效率，进而提高全要素生产率，使物流业健康发展已成为当前热点。

1 文献综述

经济增长方式转型和全要素生产率的提高是当前国民经济研究的热点，而物流业作为国民经济的“加速器”和“润滑剂”，有利于提高中国经济高质量发展。熊彼特认为创新是经济持续增长的动力。现代内生增长理论认为，技术进步不受资本积累的影响，是推动经济长期增长的源泉。索罗通过实证检验，认为发达国家的经济增长很大程度上是由技术促进的。国内外学者从信息化水平[1-2]、基础设施[3]、贸易开放度[4]以及投入要素利用率[5]等角度对物流业全要素生产率进行研究。王健[6]认为信息化水平对物流业TFP具有显著的正向影响;马越越[7]认为交通物流设施通过提高物流资源配置效率和规模效率进而提高物流生产率;余泳泽[8]认为物流资源利用率能有效提高地区物流效率。

关于全要素生产率的研究主要采用参数方法与非参数方法，参数方法主要采用索罗余值[9]、随机前沿分析法（SFA）[10]和传统DEA等，但这些方法在核算全要素生产率的过程中只考虑到“好”产出，而忽略了能源投入和非期望产出，从而使测算结果“虚高”，不能体现出经济发展的真实水平，因此将环境污染纳入全要素生产率测算的框架中，得到的绿色全要素生产率是比较科学的。为了使测算结果更加准确，学术界对绿色全要素生产率的测算方法进行了改进，目前学者多采用非参数方法进行测算，非参数方法主要是以数据包络分析（DEA）及其组合模型，如DEA-Malmquist方法[11]、Malmquist-Luenberger模型[12]、SBM-Luenberger模型[13]、三阶段DEA[14]、DDF-ML指数[15]以及SBM-DDF-Luenberger模型[16]等。如唐建荣等[17]运用非参数方法基于城市物流的投入产出指标，对江苏省13个地级市的物流业全要素生产率进行实证分析。何琴清等[18]运用DEA法测算珠三角地区物流业全要素生产率、技术进步指数和技术效率指数，发现珠三角地区总体全要素生产率偏低且波动幅度不稳定。李健[19]等以碳排放为非期望产出，利用SBM模型测算中国30个省（市）的物流产业效率，研究中国区域物流产业效率的空间效应及其影响因素。将环境纳入到全要素生产率的测算中，得到的测算的结果低于传统的测算值[20]，绿色全要素生产率的演变特征受多种因素的影响，如技术创新[21]、制度创新[22]等。张虎[23]等认为短期内技术创新对工业绿色全要素生产率的促进作用较弱。

随着创新活动的增加，创新质量成了学者们关注的热点，知识产权是创新驱动的有力支撑，专利能力代表技术创新能力和核心竞争力。对创新质量的测算，已有研究者从专利数量[24]来衡量专利质量，但这种方法只是注重在“量”，而并不能完全体现出“质”。从专利长度与专利宽度两个角度分析，专利长度指专利的保护期限，而专利宽度则指专利产品与竞争产品之间的最小差异化程度，代表着专利被保护的范围。Hsu[25]采用专利被引频次衡量创新质量;Akcigit和Aghion等运用专利知识宽度衡量专利质量;基于此，本文在以往研究的基础上从专利质量的角度来衡量创新质量，将创新质量与物流业绿色全要素生产率作为研究对象，将环境规制作为门槛变量，利用门槛模型，检验不同环境规制水平下创新质量对物流业绿色全要素生产率的影响，寻找最优绿色发展的环境规制策略，以期为河南省物流业持续健康发展提供参考。

2 研究方法与数据说明

2.1 含有非期望产出的Super-SBM模型

为了使测算结果更加准确，Tone采用主观赋权的思路，基于松弛变量，提出了非径向、非角度的SBM模型[9]，削弱了问题的主观性，从而增加了研究的客观性。在现实生产中，非期望产出往往伴随着期望产出而产生，例如废物排放、坏账损失等。只考虑期望产出会使测量结果“虚高”，无法反映真实的效率。为解决这一问题，Tone基于SBM提出了一种包含非期望产出的拓展模型，针对特定决策单元[X0，yg0，yb0]模型[10]表达为：

[P*=min1-1mi=1ms-ixi01+1s1+s2r=1s1Sgrygr0+r=1s2Sbrybr0]

[S.tx0=Xλ+S-yg0=Ygλ-Sgyb0=Ybλ+SbS-≥0，Sg≥0，Sb≥0，λ≥0]                     （1）

式（1）中，每个DMU有m个投入、[S1]种期望产出为[yg]，[S2]种非期望产出为[yb]，[λ]为权重。且目标函数P关于[S-]、[Sg]、[Sb]严格递减，[0≤p≤1]，当且仅当[S-=Sg=Sb]时，决策单元充分有效。

为了使最优单元之间进行有效对比，接下来将采用超效率SBM模型[12]，假设[n]个决策单元，每个决策单元有[m]种投入（[x]），其中[X=x1，x2，…，xn]，[Yg=yg1，yg2，…，ygn]，

[Yb=yb1，yb2，…，ybn]，在规模报酬可变的情况下生产可能性集为

[P=x，yg，ybx≤Xλ，yg≤Ygλ，yb≤Ybλ]，非期望产出的Super-SBM模型[13]为：

[a*=min1mi=1mxxik1s1+s2r=1s1sgrygrk+r=1s2sbrybrk]

[s.tj=1，j≠knxijλj-s-ixikj=1，j≠knyrjλj+sgrygrkj=1，j≠knybtj-sbtybtk1-1s1+s2r=1s1sgrygrk+r=1s2sbrybrk>0s-0，sg0，sb0，λ0i=1，2，…m，r=1，2，…s，j=1，2，…nj≠k]   （2）

为了使得到的结果更加准确，本文将选取包含非期望产出的Super-SBM模型来测度河南省物流业绿色全要素生产率。

2.2 Malmquist—Luenberger指数

在生产的过程中，为了使效益最大或成本最小，期望以较少的投入获得较大的产出，而Super-SBM方法可以用来测算DMU的相对效率，但不能找出限制效率的具体因素，为了同时考虑减少投入增加产出且各变量无须等比例变动，因此，继续使用含有非期望产出的ML（Malmquist-Luenberger）指数，即：

[MLt+1t=1+Dt0xt，yt，zt;yt，-zt1+Dt0xt+1，yt+1，zt+1;yt+1，-zt+1，]

[*1+Dt+10xt，yt，zt;yt，-zt1+Dt+10xt+1，yt+1，zt+1;yt+1，-zt+1，]

（3）

ML指数又可分解为技术进步指数（TECH）与技术效率指数（EFFCH），即：

[MLt+1t=EFFCHt+1t*TECHt+1t]，其中：

[TECHt+1t=1+Dt+10xt，yt，zt;yt，-zt1+Dt0xt+1，yt+1，zt+1;yt+1，-zt+1，]

[*1+Dt+10xt+1，yt+1，zt+1;yt+1，-zt+11+Dt0xt+1，yt+1，zt+1;yt+1，-zt+1，]

（4）

[EFFCHt+1t=1+Dt0xt，yt，zt;yt，-zt1+Dt0xt+1，yt+1，zt+1;yt+1，-zt+1，]（5）

上式中，[MLt+1t]为绿色全要素生产率从t期到t+1期的变化指数，[TEHHt+1t]为技术进步从t期到t+1期的变化指数，[EFFCHt+1t]为技术效率从t期到t+1期的变化指数。三者大于1分别表示综合效率的改善、技术的改进以及技术效率的提高;反之，表明相应恶化，即离目标值越来越远[14]。

2.3 指标选取与数据处理

物流过程包含运输、储存、装卸、搬运、包装、流通加工、配送、信息处理等一系列环节，在整个物流过程中涉及的环节较多，并且统计尚不完善，但由于交通运输、仓储和邮政业占物流业增加值的85%以上，因此选取交通运输、仓储和邮政业务替代物流相关数据，以此作为物流业的指标数据，构建物流业绿色全要素生产率评价指标体系（见表1）。

①投入指标

资本投入采用物流业固定资本存量衡量，采用“永续盘存法”计算2007—2017年河南省各市物流业实际资本存量;劳动力选取年末物流业从业人数;能源投入选取行业一次性能源消耗最多的7种能源统一转换为标准煤后加总得到行业能源消耗总量。

②产出指标

期望产出：选取物流业增加值与综合周转量，分别表示经济产出和规模产出。物流业增加值采用第三产业增加值;物流业周转量主要考虑铁路、水路、公路3种运输方式，并将旅客周转量与货物周转量折算为综合周转量。

非期望产出：主要指物流作业过程中碳排放（即CO2的排放）。本文分别统计物流业消耗量最高的七种能源（原煤、焦炭、煤油、柴油、汽油、燃料油和液化石油）历年消耗量，并根据IPCC2006碳排放计算指南展开测算：

[CO2=i=17CO2i=i=17Ei*NCVi*CEFi*COFi*4412]

（6）

式（6）中，[Ei]表示第[i]种能源的消耗量（[i=1，2，3…7]），NCVi為每种能源的平均低位发热量，CEFi为每种能源的碳排放参考系数，COFi是碳氧化因子，44与12为CO2与C的分子量。

本文中投入产出指标的数据来源于历年《河南省统计年鉴》（2007—2017年）能源栏分行业能源消耗总量下交通运输、仓储及邮政业务总能源消耗量和国民经济核算增加值下交通运输、仓储及邮政业务增加值计算出单位增加值能源消耗量，再根据各市交通运输、仓储及邮政业务增加值乘以单位增加值能源消耗量计算出各市的能源消耗量。

3 测算结果分析

依据前文构建的物流业绿色全要素生产率评价指标体系，采MAXDEA6.0将整理好的物流业面板数据进行测算，进而来研究河南省物流业绿色全要素生产率的时间及空间演化特征。

图1是河南省物流业2007—2017年绿色全要素生产率、技术效率和技术进步历年的平均值，从图中可以看出全省绿色效率指数近年来处于上升状态，2011年之后效率值均大于1。2007—2009年全省效率值呈现倒“V”型，2009年效率值最低为0.826 4，原因是受国际金融危机的冲击，物流行业发展受到阻碍，由于河南省地处内陆，因此所受冲击出现一定程度的滞后性;2009年以前效率虽处于上升状态，但由于受物流业长期粗放发展方式的影响，依旧未达到有效，通过增加资源要素的投入，来拉动产业规模的增长，忽略了经济与生态的协调发展，导致物流业绿色全要素生产率较低。2009年以后开始出现转机，国务院于2009年发布《物流业调整和振兴规划》，河南省响应国家号召，开始大力发展物流，物流业开始出现“回春”。2013年后开始缓慢上升，这显示出结构调整、配置优化等措施逐渐起效，物流业迎来了绿色发展的机遇。物流业绿色全要素生产率、技术进步、技术效率都呈现波动趋势，历年技术效率波动幅度较小，并且对绿色全要素生产率作用不大，而技术进步对绿色全要素生产率作用较大。

图2为各市平均物流业绿色全要素生产率变化指数、技术效率变化指数和技术进步变化指数。采用含非期望产出的ML指数及其分解公式，计算得出河南省各市物流业绿色全要素生产率及其分解指數值。从ML指数的角度来看，只有鹤壁、南阳、濮阳、三门峡和商丘均值大于1，三门峡达到最大1.104，其余地区均未达到1，驻马店最低达到0.93;从技术效率指数来看，全省整体而言差距不是很大，波动幅度较为稳定，洛阳、三门峡、许昌和郑州处于全省领先地位，其均值达到1，其余地市虽未达到有效，但都在1附近徘徊，因此需要提高资源利用率，优化资源配置进而提高技术效率;从技术进步指数来看，鹤壁、南阳、濮阳、三门峡和商丘最为理想，分别为1.008 13、1.004 69、1.005 7、1.103 52和1.007 55，因此技术进步的提高需要政府通过政策加大财政投入，引进物流人才，应用新技术，提高经营管理水平，进而促进物流业的均衡发展。

从图2可以看出省会郑州效率为0.977，作为省会城市其效率却未达到有效，主要因为近几年河南省大力发展高铁，大量资金投入在铁路方面，在绿色物流方面投入较少，使得郑州物流业绿色全要素生产率发展缓慢。鹤壁、南阳、濮阳、三门峡和商丘效率较为理想，得益于发达的物流网络。综合图1和图2来看，随着低碳理念的深入，物流业绿色全要素生产率逐渐提高，河南省物流业逐步趋于健康发展，但是不同地区之间发展依旧存在差距。从各市物流业绿色全要素生产率分解指数可以看出，各市三个指数均呈现波动，其中效率指数波动幅度较小，而绿色全要素生产率指数随技术进步指数同频波动，不同地市波动程度差距较大，也进一步说明了不同地区之间物流业绿色全要素生产率存在差异，而全要素生产率指数随技术进步指数同步变化，说明绿色全要生产率的进步得益于技术的改善。

4 研究设计

4.1 计量模型构建

基于Hansen模型构建如下静态面板门槛模型：

[GTFP=ai+γiδ1innovi，t+φ1xi，t+ε1i，t qi，t≤θδ2innovi，t+φ2xi，t+ε2i，t qi，t>θ]

（7）

式（7）中，[GTFPi，t]表示绿色全要素生产率，[innovi，t]为核心解释变量，在本研究中用创新质量表示;[xi，t]表示控制变量;[ai]、[λt]和[ε]分别表示截距项、时间固定效应和随机误差;[δ]、[φ]分别表示各变量系数;[q]为门槛变量，本研究选用环境规制强度作为门槛变量;[θ]为门槛值大小。为减少共线性，避免模型存在内生性问题，在式（7）的基础上构建GMM动态面板门槛模型，为了使偏误性更小，引入因变量滞后一期作为工具变量，基于此，在式（7）基础上引入因变量一阶滞后项构建系统GMM门槛模型如下：

[GTFP=ai+γiβ1GTFPi，t-1+δ1innovi，t+φ1xi，t+ε1i，t qi，tθβ2GTFPi，t-1+δ2innovi，t+φ2xi，t+ε1i，t qi，t>θ]

（8）

4.2 变量定义与说明

4.2.1 核心解释变量：创新质量（innov）。在专利被引用次数方面，中国专利数据库并没有这方面的详细信息，理论上可以通过专利的价值赋予其相应的权重，构造价值加权的专利数量，但在专利价值的测度方面却是一个难以解决的问题，因此本研究借鉴张杰[26]等的研究方法，利用专利知识宽度衡量创新质量，专利包含的知识越复杂，越不容易被模仿和改善。本文利用赫芬达尔—赫希曼指数逻辑思维对专利分类数量进行加权处理，其计算公式为：[Q=1-a2]。其中[a]表示专利分类号中大组分类所占比重，Q值越大表示专利质量越高。首先将搜索范围划定为河南省，然后按照不同地市进行分类，之后再对同一市相同年份的每项专利质量累计求和，最后用地市专利质量总和除以该市专利授权数量求得平均专利质量，将平均专利质量作为创新质量以消除因地区差异而造成的估计误差：[innovQn]。

4.2.2 门槛变量：环境规制强度（ER）。目前，对于环境规制的衡量并未形成统一定论，学者主要从工业废水工业废气处理率、CO、SO2达标率以及环境治理所用费用与GDP的比值等不同角度来测算环境规制强度，鉴于物流行业不同于其他行业，其整个物流环节主要是CO2排放量对环境造成污染，因此，本文借鉴章忠亮[27]的做法，采用单位物流业增加值产生的CO2排放量用以衡量环境规制的强度。

4.2.3 控制变量。通过对物流业绿色全要素生产率的分析发现，技术进步对全要素生产率具有较为明显的促进作用，因此为了更为客观地找出技术进步对物流业绿色全要素生产率的作用，选取以下变量作为控制变量：人力资本（HC），选取地区物流业从业人员受教育水平作为指标，借鉴温涛的做法设定小学为6年，初中为9年，高中和中专为12年，大专及以上为15年，具体计算方法为：Pg=P1×++P2×9+P3×12+P4×15，式中P1、P2、P3、P4分别表示小学、初中、高中、大专及以上就业人口比重;产业结构（Stru），以第二产业产值占地区总产值比重表示;研究开发（R&D），以研究开发投入费用占地区财政支出费用比例来表示;外商投资（FDI），以外商直接投资额与地区生产总值的比值表示;经济发展水平（PGDP），以地区人均生产总值表示。

4.3 研究样本与数据来源

本文数据通过对《河南省统计年鉴》（2006—2017年）、地方统计年鉴、国家知识产权局专利数据库以及重点产业专利信息服务平台中物流行业专利整理得到。

5 检验结果与分析

首先进行面板数据单根检验，判断变量是否为平稳变量，采用LLC检验、HT检验和Hadri LM检验，若通过两种检验则认为变量为平稳变量，表2为变量平稳性检验的结果。

①平稳性检验

在LLC检验下，产业结构（Stru）和经济发展水平（PGDP）未能通过显著性水平检验，但是却都通过了HT和Hadri LM检验的1%显著水平，因此可以判定產业结构（Stru）和经济发展水平（PGDP）为平稳变量。人力资本（HC）和研究开发（R&D）未能通过HT显著性水平检验，但通过了LLC检验和Hadri LM检验的1%显著水平检验。外商投资（FDI）在HT检验水平上显著，未通过5%显著水平检验，但通过了LLC检验和Hadri LM检验的1%显著水平检验，因此判定外商投资（FDI）是平稳变量。

②门槛回归及结果分析

根据Hansen门槛模型原理，以环境规制为门槛变量，判断创新质量与河南省物流业绿色全要素生产率之间是否存在门槛效应，采用“栅格搜索法”进行OLS回归，表3为以环境规制为门槛，创新质量与物流业绿色全要素生产率之间的非线性关系。

表3为门槛回归及估值结果，第一列为线性OLS模型下各个变量估计参数，第二到三列为门槛效应下创新质量对物流业绿色全要素生产率的估计参数。从表中可以看出，门槛范围为0.744—1.223之间，FE估计结果显示，创新质量（innov）对物流业绿色全要素生产率的影响为0.178，在5%水平上显著;研究开发（R&D）对物流业绿色全要素生产率的影响为0.227，在1%水平上显著;人力资本（HC）、外商投资（FDI）、产业结构和经济发展水平（PGDP）均在5%水平显著;从SYS-GMM估计结果中看出，产业结构（Stru）在10%水平上显著;创新质量（Innov）、人力资本（HC）、外商投资（FDI）和经济发展水平（PGDP）在1%水平上显著;研究开发（R&D）在5%水平上显著。

从控制变量结果看，创新质量（Innov）对物流业绿色全要素生产率具有促进作用，严格的环境规制会使企业进行转型，促使技术革新，进而较少能耗，降低污染;产业结构（Stru）对物流业绿色全要素生产率的影响具有显著的抑制作用，原因在于第二产业目前依旧为耗能大户，第二产业比重增加阻碍了绿色发展。外商投资（FDI）对物流业绿色全要素生产率的提升具有促进作用，外商投资带来新的技术，进而提高物流效率，从而提高物流业绿色全要素生产率;经济发展水平（PGDP）系数为正，意味着现阶段经济发展良好，有利于物流业绿色全要素生产率的提升;人力资本（HC）系数为负，说明现阶段我国物流从业人员水平较低，对物流业绿色全要素生产率影响不明显。

6 结论与展望

本文采用非期望产出的Super-SBM与Malmquist指数对河南省18个市区2007—2017年物流业绿色全要素生产率进行测度，通过构建以环境规制强度为门槛变量的面板门槛模型，进而探究创新质量对河南省物流业绿色全要素生产率的影响，得出以下几点结论并给出一些建议：①将传统的物流模式向现代物流模式转变，通过提高技术含量、个性化服务来提高整个物流行业经济效益;同时大力推广清洁能源的使用，控制能源消耗，减少CO2排放量。②推动地区经济与物流业的协调发展，建立共享平台，鼓励和支持物流人才的引进，打破地区间的壁垒，加强不同区域之间的联动发展。③调整产业结构，优化资源配置，增强环境规制力度，加大科研投入，制定完善的科研产出考核体系，鼓励科研成果转化。

参考文献：

[1] 曾倩琳.信息化发展对物流业生产率的空间溢出效应[J].中国流通经济，2016（9）：38-48.

[2] Erik Brynjolfsson.The productivity paradox of information technology[J]. Communications of the ACM，1993（12）.

[3] 高秀丽，孟飞荣.我国物流业全要素生产率及其影响因素分析[J].技术经济，2013（2）：51-58.

[4] 胡玉洲.论贸易开放度、人力资本、通货膨胀率与物流产业全要素生产率[J].商业时代，2011（9）：36-38.

[5] 王琴梅，谭翠娥.对西安市物流效率及其影响因素的实证研究：基于DEA模型和Tobit回归模型的分析[J].软科学，2013（5）：70-74.

[6] 王健，梁红艳.中国物流业全要素生产率的影响因素及其收敛性分析[J].福州大学学报（哲学社会科学版），2013（3）：16-24.

[7] 马越越.低碳约束下的中国物流产业全要素生产率研究[D].大连：东北财经大学，2014.

[8] 劉秉镰，余泳泽.我国物流业地区间效率差异及其影响因素实证研究：基于数据包络分析模型及托宾模型的分析[J].中国流通经济，2010（9）：18-21.

[9] 刘盼成，杨正勇.全要素生产率视角下的我国渔业转型发展研究：基于SFA的实证分析[J].海洋开发与管理，2017（7）：98-106.

[10] SOLOW R M.A contribution to the theory of economic growth[J].Quarterly Journal of Economics，1956（1）：65-94.

[11] 祝福云，闫鑫.我国轻工业全要素生产率指数研究：基于三阶段DEA-Malmquist指数的分析[J].价格理论与实践，2016（7）：108-111.

[12] 陈超凡.中国工业绿色全要素生产率及其影响因素：基于ML生产率指数及动态面板模型的实证研究[J].统计研究，2016（3）：53-62.

[13] 原毅军，谢荣辉.FDI、环境规制与中国工业绿色全要素生产率增长：基于Luenberger指数的实证研究[J].国际贸易问题，2015（8）：84-93.

[14] 张纯洪，刘海英.地区发展不平衡对工业绿色全要素生产率的影响：基于三阶段DEA调整测度效率的新视角[J].当代经济研究，2014（9）：39-45.

[15] 李琳，刘琛.互联网、禀赋结构与长江经济带工业绿色全要素生产率：基于三大城市群108个城市的实证分析[J].华东经济管理，2018（7）：5-11.

[16] 黄秀路，韩先锋，葛鹏飞.“一带一路”国家绿色全要素生产率的时空演变及影响机制[J].经济管理，2017（9）：6-19.

[17] 唐建荣，类延波.城市化与物流业协同发展的时空演化及驱动因素研究[J].哈尔滨商业大学学报（社会科学版），2019（1）：45-56.

[18] 何琴清，吴振鹏，欧欣玲，等.基于DEA的珠三角地区物流业全要素生产率研究[J].商业经济研究，2017（17）：133-135.

[19] 李健，田丽，王颖.考虑非期望产出的区域物流产业效率空间效应分析[J].干旱区资源与环境，2018（8）：67-73.

[20] 刘战豫，孙夏令.中国物流业绿色全要素生产率的时空演化及动因分析[J].软科学，2018（4）：77-81，114.

[21] 唐建荣，杜聪，李晓静.中国物流业经济增长质量实证研究：基于绿色全要素生产率视角[J].软科学，2016（11）：10-14.

[22] 周小亮.技术创新与制度创新的互动关系：理论比较分析与现实理论假说[J].福建论坛（人文社会科学版），2008（3）：20-24.

[23] 张虎，宫舒文.基于DEA-Malmquist的工业绿色全要素生产率测算及分析：以湖北省为例[J].江西师范大学学报（自然科学版），2017（5）：531-537.

[24] 张古鹏，陈向东，杜华东.中国区域创新质量不平等研究[J].科学学研究，2011（11）：1709-1719.

[25] Po-Hsuan Hsu，Xuan Tian，Yan Xu. Financial development and innovation： Cross-country evidence[J]. Journal of Financial Economics，2014（1）.

[26] 张杰，郑文平.创新追赶战略抑制了中国专利质量么？[J].经济研究，2018（5）：28-41.

[27] 章忠亮.环境规制对物流业绿色全要素生产率的影响[D].蚌埠：安徽财经大学，2018.

Impacts of Innovation Quality on the Green Total Factor Productivity of Logistics Industry in Henan Province

Wang Manman， Liu Zhanyu， Zhu Kangwen

（Henan Polytechnic University， Jiaozuo Henan 454000）

Abstract： The green total factor productivity of logistics industry in 18 urban areas of Henan Province from 2007 to 2017 was measured by using Super-SBM and Malmquist index of unexpected output. A panel threshold model with environmental regulation as the threshold variable was constructed to test the impacts of innovation quality on the green total factor productivity of logistics industry in Henan Province. The results have showed that the green total factor productivity， technological progress and technological efficiency of logistics industry all show a fluctuating trend， the fluctuation range of technological efficiency is relatively small over the years， and has little effect on the green total factor productivity， while technological progress has a greater effect on the green total factor productivity. There is a gap between different regions in green total factor productivity of logistics industry. Further research has showed that under environmental regulation， innovation quality has a promotive impact on the green total factor productivity of logistics industry.

Key words： green total factor productivity; Super-SBM Model; Malmquist-Luenberger index; panel threshold; environmental regulation