绿色生产发展效率测度及时空演变分析

■朱广印，王思敏

一、引言与文献综述

我国绿色发展战略正经历深刻转型，出现了“低碳新实用主义”倾向（汤维祺和鲁政委，2019），即更加注重技术实践和产业发展，对绿色经济从减少产能过剩到推动绿色产业转型和污染防治的源头治理转型提出了更高要求，绿色发展也进入战术战略转型的“深水区”。一方面，改善绿色生产增长方式需“加快发展绿色环保产业”并将“规模扩大、技术进步”列为绿色发展目标，即成为增加值GDP占比达3%（汤维祺和鲁政委，2019），提高市场占有率的新型支柱产业，同时提升节能环保和污染治理的专业化技术。另一方面，生态文明的部署指引中提出了绿色发展的重点，其实质就是要不断提升和改善绿色生产发展水平和生态效率，选择合适的绿色经济产业和模式。因此，测度绿色生产发展效率或生态效率，对于探究绿色生产发展的新的机制路径和实现绿色经济转型具有重要意义。

在关于绿色生产发展效率的研究中，将环境污染纳入绿色经济核算体系，基于DEA法的SBM函数和ML指数得到了广泛认同和不断完善。任阳军等（2019）通过构建“三废”污染环境综合指数作为非期望产出，利用ML 指数模型修正了传统的全要素生产率。董会忠等（2019）基于规模报酬不变约束下，运用考虑了环境污染指标的SBM 函数和Luenberger 指数测算并分解了绿色全要素生产率（GTFP）。在构建绿色发展模型时，杨文举（2011）曾利用方向性距离函数和LM 生产函数，采用跨期数据包络法并对劳动生产率进行分解，综合评估了中国大型工业的绿色产出绩效及其技术效率的变化。李占风和郭小雪（2019）采用固定时期参考集的CRS 乘数模型，基于两期方向性距离函数，构造了不同规模城市经济体的绿色生产可能性边界，测算并分解了GTFP。王恩旭和武春友（2011）强调经济生产和环境质量的双重效益目标，以资源能源、污染物综合指数及碳排放量为投入，运用超效率SBM模型测算了我国东中西及东北4个区域相对有效决策单元间的生态效率及其时空差异。考虑到生态效率的聚集效应，黄建欢等（2014）基于空间杜宾模型度量了在资源约束下运用包含环境污染指数的SBM 模型测算的生态效率的差异性。韩晶等（2014）基于SBM函数构建系统GMM模型和门槛面板模型实证研究了环境规制对污染排放、技术水平和生产周期异质性行业的时空影响路径。此外，学者们的研究还指出能源结构、金融规模及结构、经济发展水平、科研投入、城市化水平、环境规制和贸易开放水平等因素也会对绿色全要素生产率产生影响。

然而，基于静态的SBM 函数和动态的LM 生产函数在代理绿色发展指标时具有一定差异性（张莉莉等，2018）。一方面，函数形式假设不同。虽两者都基于可分解的DEA模型，但静态的效率得分更偏向于环境资源约束下的生态环境效率（徐晓光等，2014），而动态的全要素生产率及其分解则偏向于环境压力下的产出效率来源（朱金鹤和王雅莉，2019）。但很少有文献从不同区域层面对上述差异性作进一步比较研究，对把绿色生产发展和生态环境效率联系起来分析其影响因素的研究不足。另一方面，环境因素的时空差异导致生态效率与全要素生产率及其分解的绿色发展路径呈现不同特征。主要表现为地理空间差异对从事生产活动的不同经济体的生态效率的影响和评价（陈武新和吕秀娟，2009）。少有文献基于不同角度的影响因素研究绿色生产效率与生态效率空间溢出效应的差异。因此，笔者试图厘清绿色发展路径（代理变量）在静态和动态视角下的差异性和关联性，通过空间计量探究其异质性演变特征及影响绿色发展效率的路径机制，主要从以下方面对已有研究进行补充：一是运用熵值法将环境污染指标纳入不同层面的绿色生产发展效率研究框架。二是通过SBM 模型和ML 生产指数测算2011—2017 年我国省域及“一带一路”区域绿色生产和生态效率，并进行时空分析比较研究。三是借助固定效应空间杜宾模型和动态空间效应分解模型探究绿色生产和生态效率的空间溢出效应，并将两者联系起来进行静态比较和动态分析，探究不同影响因素的时空演变趋势。

二、研究设计与变量选择

（一）研究方法

1.超效率SBM模型

用传统DEA 模型评价DMU 效率时，存在近一半省份都处于相对有效的效率前沿面①数据由作者整理分析得出，由于篇幅限制未列出。，为进一步比较不同省份效率高低，采用最大限度考虑了松弛变量的非径向DEA 模型。其基本思路是先从生产可能集（PPS）中删除评价有效的DMU，再度量和排列DMU到PPS的距离，即为超效率（≥1）。考虑非期望产出的SBM模型构建（Huang et al.，2014）如下：

其中，m 为投入变量，s 为期望和非期望产出变量，S-、S+分别为投入、产出要素的松弛变量，n 为决策单元个数，投入集为xk={x1k，x2k，…xik}，产出集为yk={y1k，y2k，…yik}。

2.ML指数及其分解项

参考Shahbaz & Lean（2012）的研究，基于柯布—道格拉斯生产函数，运用DEA方法将包含非期望产出的ML 指数由理论变为实证指数，从而确定相对有效的随机前沿DMU。作为全局参比指数可用于反映绿色全要素生产率的动态变化，并进一步分解为技术效率（EFFCH）和技术进步率（TECH），计算公式如下：

3.空间计量模型

（1）空间杜宾模型。根据地理学第一定律，全国各省市的绿色生产和生态效率在空间上是存在着相关性的，且与SLM 和SEM 相比，更广义的SDM考虑了变量间可能同时存在自相关性和空间滞后效应，据此构建了模型（5）：

其中，εit∈N（0，σ2），υ是N 维列向量，X 是1·N 阶列向量，δ是空间效应系数，μ表示空间固定效应，θ表示时间固定效应。

由于任何因素变化具有惯性作用，同时将滞后一期因变量纳入空间杜宾模型，并通过偏微分方法分解空间溢出效应（胡绪华和陈默，2019），即长短期直接效应、间接效应及总效应，以便从动态角度更好地诠释影响因素的作用机制，求偏导数后的基础矩阵为：

矩阵中对角线上的元素与非对角线上的元素分别表示直接效应和间接效应，即各省份自变量对因变量以及其他变量的影响。

（2）空间相关性检验。通过空间自相关分析研究绿色生产和生态效率在各省份地理空间位置上的相互依赖程度，进而衡量各年度全国绿色发展空间关联程度的总体特征。全局Moran’s I 统计量的计算公式如下：

（二）投入产出变量与数据来源

1.投入指标：资本投入（K）通过公式Kt=Kt-1（1-δ）+It可计算得到。其中，δ参考刘莎和刘明（2019）的做法，以2000为基期，取9.6%，K为各省历年固定资产投资存量，I为其新增固定资产形成总额；劳动投入（L）用城镇就业人员总数表示；能源投入（E）以电力消费总量替代（韩晶和张新闻，2016）。

2.产出指标：期望产出为实际GDP。将GDP以2011 年为基期作指数平减法处理，通过公式：当年实际GDP=上一年名义GDP×当年GDP指数，得到实际GDP；非期望产出（W）用熵值法（黄建欢等，2014）综合废水排放总量、废水中化学需氧量排放量、废气中二氧化硫排放量、废气中氮氧化物排放量、烟粉尘排放量5种污染物，计算各指标的信息熵，得到环境污染综合指标W。

上述变量所涉及的数据来源于2011—2017 年的《中国统计年鉴》和《中国环境统计年鉴》。测度结果如表1。

表1 2011—2017年省际2种GTFP年均值与相关分解的指标值

续表1

（三）测度结果分析

1.全国GTFP及其分解项测度结果分析

从全国整体平均值看，如图1，两种GTFP 均小于1，为DEA 无效增长型，而EFFCH 波动平稳且处于较高水平，作为该技术效率提升的上限——技术进步水平（TECH），大部分时间低于规模经济的最优产量，说明全国GTFP 的增长来自于技术效率的持续优化（朱金鹤和王雅莉，2019），但整体技术转化水平较低，未能完全发挥技术规模效应带动下绿色产出增长模式的潜能，进而导致绿色产出无效。全国历年GTFP1 的趋势水平呈下降状的倒“N”型，符合环境库茨涅兹曲线假说，部分不确定性原因在于环境污染综合指标与实际GDP 的变动关系。作为新兴工业化国家，生态环境与经济发展水平密切相关，全国年均GTFP1为0.95，低于经济发达的东部有效增长型（＞1），高于经济落后的中西部（＜1），说明绿色产出效率在经济发展超越一定临界值后达到有效增长水平，而地区发展不平衡阻碍全国GTFP1 的改善。GTFP2 处于较低水平且于2015 年达到低谷后开始有所上升，但为无效增长型，说明中国工业化生产的资源损耗和污染排放量大，资源环境利用水平普遍较低，不符合生态效率发展的核心理念。TECH 与GTFP1 波动趋势大体相同，说明GTFP1 大部分由TECH 解释，技术进步主要表现为各地区GTFP 均经历了两个“低谷”和三个“峰值”。具体来看：2011—2012 年GTFP1 出现第一个峰值，此时生态效率值最高。中国正处于2008 年金融危机以来经济复苏的快速增长期，为期两年的“四万亿元”经济刺激计划取得成效，完成改革开放前30年经济总量增加目标，实际GDP增速17.72%达历年最高水平。2012—2013 年开始下降并出现第一个低谷可能是因为我国进入增速换挡期。2016—2017年的生态效率值持续上升，GTFP1 同时上升并出现第三个峰值，中共十九大将生态文明纳入现代化建设体系，加快完善绿色生产制度和绿色循环经济，提倡简约低碳的生活方式，生态环境进一步改善。

图1 2011—2017年全国两种GTFP及相关分解指标发展趋势

2.各省GTFP的时间演变趋势分析

如图2所示，从GTFP1上看，2011—2017年我国各省域主要呈波动上升趋势且有显著的省际差异。位于东部沿海的省市均保持较高水平，其中：天津、辽宁、北京和浙江分别位于绿色产出效率排名前四，由于经济发展程度高，海陆交通便利，对外利于新能源技术的引进和应用，对内利于传统产业布局调整，从而降低资源环境损耗，基于技术支撑带动绿色产出增长。而中西部省份虽有上升趋势，但大多数年份GTFP1 仍小于1，存在先上升后下降的小幅波动，其中吉林、黑龙江、江西、重庆、云南、西藏和青海均因偏重环境治理而明显下降。一方面，由于过去经济基础薄弱，在承接东部产业转移带来的资源环境压力的同时，基于产业规模扩张带动绿色产出效率提升，但目前地区经济产出增长因未达EKC曲线临界值（刘莎和刘明，2019）而具有不确定性。另一方面，黑龙江和吉林以重工业为主导产业，地区产出增长依赖资源环境供给并伴随污染排放，面临“三期叠加”压力，故通过相对减少产能增长来缓解当地资源环境的损耗。江西、重庆和云南依靠资本密集型产业，通过优化资金投入结构和资源配置，改善环境质量。西藏和青海处于西部内陆，交通不便，在西部大开发中对环境保护力度不够，后期着重深化环境修复，其中青海的治理力度较大。从生态效率值GTFP2看，整体低于绿色产出效率，呈下降趋势且有省际差异，说明绿色生产发展以绿色产出效率提升为主导而对生态环境的修复力度不够且存在地区异质性。以山西为例，作为煤炭资源大省，前期资源开采技术水平低下和工业供能消耗量大，生态环境破坏严重，环境治理压力大，面临产出增长与资源环境保护矛盾，绿色技术转化水平普遍不高，大多数省份也均进入污染防治的深水区，改革产出增长方式。而作为老工业基地的辽宁和承接传统产业转移的河北，由于在发展过程中较注重环境治理投入，生态环境不断改善。位于长江中游的湖北、湖南和西南四隅，由于经济发展均衡和生态资源充裕，环境质量水平较高。西部的宁夏经济开发程度低，注重资源节约与生态保护，环境质量也较为理想，因而生态效率不断提高。

图2 省域绿色生产效率和生态效率（右轴，柱形）时间演变趋势分析

三、GTFP的影响因素分析

（一）影响因素选择与模型设定

为了考察绿色生产效率的时空动态变化和影响因素，笔者基于全国31 个省份2011—2017 年的面板数据，基于已有研究选取以下6个影响因素。

技术水平（TL）：借鉴黄建欢和吕海龙（2014）的做法，选择用专利知识宽度来表示地区整体技术水平。创新能力（IC）：因实用型技术是具有一定实用性技术含量的科技成果，更易通过灵活的市场机制转化为现实生产力（孙焱林和陈青青，2019），因此笔者基于专利异质性选择用实用新型专利申请授权量（齐绍洲等，2018）来反映地区实际技术的提升程度和创新能力。人力资本（EL）：参考张红梅和张宁（2019）的做法，考虑到人口基数的影响，用普通高等教育在校生人数与地区总人口的比值来反映。外商直接投资（FDI）：根据刘莎和刘明（2019）的做法，选取外商直接投资占地区总人口的比重作对外因素指标，认为其通过管理技术引进和产出规模扩大会影响当地绿色生产发展。金融发展（DIR）：考虑到目前绿色金融的机构融资以信贷为主及数据的可得性，参考齐绍洲和徐佳（2018）的做法，选取年末金融机构各项贷款余额占地区GDP比重作为金融因素指标，反映信贷资金利用效率的提高和金融结构改革的深化。产业结构（IS）：根据张红梅和张宁（2019）的做法选取第二产业增加值与GDP 比值的反向指标反映经济结构角度下的工业化进程。

上述变量有关数据来源中，国内专利和实用新型专利申请授权量来自中国科学技术部门。数据来源于《中国统计年鉴》和部分省市的《城市统计年鉴》。其中2016 年和2017 年各省份的年末金融机构各项贷款余额来自2017 年和2018 年的《中国城市统计年鉴》的城市数据加总，外商直接投资额部分缺失数据利用线性插值法得到。

（二）实证结果分析

基于以DEAP2.1计算出来的ML 指数和DEA—SOLVE计算的超效率SBM生态效率值作整体比较，通过运用空间杜宾模型和动态空间面板模型考察上述六个因素分别对绿色全要素生产率、技术进步率及生态效率的作用机制及其时空演变趋势，分别构建以下模型：

其中，Yit为被解释变量，分别以GTFP1、TECH及GTFP2代替，Yit-1为滞后一期的被解释变量。

1.空间相关性检验

为了客观、充分、全面地估计绿色全要素生产率的空间效应，兼顾地理单元的互动邻接与经济联系，基于空间互动的0-1 邻接矩阵和经济地理嵌套权重矩阵，设定如下：

表2 空间自相关性检验

2.空间计量模型选择与估计结果

基于上述各省份绿色生产发展效率之间存在空间自相关性的判断，为进一步分析具体模型的适用性并作出选择，从而正确估计绿色生产效率、技术水平及生态效率与各解释变量间的相互关系，基于0～1邻接矩阵基本形式并通过各种检验来进行判断，见表3。

表3 空间依赖性检验

由表3 可知，LMerror 和R-LMerror 检验结果十分显著，故空间杜宾模型SDM 不可简化为SEM 模型，LMlag 和R-LMlag 均没通过检验，故可接受简化为SLM 的原假设。LR 统计量均显著，无法简化为SEM或SLM模型。因此，选择更广义的SDM模型分析各因素对全国各省份绿色生产效率、技术水平及生态效率的时空格局影响。通过Hausman 检验，判定空间面板模型1 和2 使用固定效应计量模型，加之时间和空间LR 统计量在1%水平下显著，故采用空间时间双固定模型，模型3 采用时间固定效应模型。同时，考虑到固定资产投资的存量调整与惯性作用，作为DEA测算的GTFP的投入变量，使被解释变量具有一定程度的滞后性，因此考虑适用于SDM或SLM 的动态面板空间模型测算资本深化带来的滞后值的解释程度。由于点估计回归结果存在一定偏误，不能展示偏回归系数，因此用偏微分法分解空间效应，且相较系统GMM，QML 可分离出模型中的长期效应和短期效应，故选择QML计量模型作对比并对相关空间效应作剥离和分析，结果见表4。

从技术角度分析，TL对GTFP1和技术水平进步产生负的空间聚集效应，而对生态效率的动态影响显著为正。原因在于先进的国内专利技术仍无法适应当下低质的劳动、资本等生产要素，高端的生态产业链未普遍形成，低端廉价劳动力产业仍存在转型前的生存空间，与现实的经济发展条件不匹配，阻碍了当地的绿色生产发展。对于TECH，由于绿色专利商标等申请认证的审批流程复杂，相关保护制度限制了相关技术成果的转化规模，形成高门槛的“垄断效应”，阻碍绿色转型进程，限制技术进步对绿色产出的贡献。专利技术对生态效率的作用具有时空滞后性，说明当绿色专利经过一段时间转化，会结合当地其他空间生产要素的改善，提升其生态环境质量，W×TL 对生态效率有正向的动态影响，表明地区专利授权带来的绿色技术改进，不仅使当地生态效率空间集聚，还促进了周边地区生态环境在时空演变中的改善，存在“污染天堂”效应。IC对GTFP1和技术进步的影响显著为正，对生态效率有负向空间集聚效应，说明实用新型专利成果在大量创新高素质人才集聚条件下能够高效转化为生产产出GTFP1，并进一步扩大产业规模，更高效的生产资源配置方式及创新产品研发，促进了与之匹配的生产技术水平的提升和改善。但上述生产技术和创新成果的产业化也会冲击当地的生态环境，存在生态资源进一步损耗和本地污染治理压力。W×IC 对GTFP1 有正的动态空间溢出效应，对生态效率的影响为负。这是由于地区间经济发展条件不同，直接贡献于生产效率的实用新型专利技术创新成果，被邻近地区引进模仿，以最有效的方式转化为现实生产力，促进了GTFP1的提高。不同的是相应的资源、生态环境负担被复制，抑制了生态效率的提升。第三，EL对GTFP1和技术进步水平的影响在1%水平下显著为正，对生态效率有动态的正向空间集聚效应。说明现阶段拥有较高知识技能的综合素质人才正发挥着较物质资本更大的区域创新产出的效用，优化了企业生产要素投入结构，是提高绿色生产及生态效率的主要路径之一。同时表明，我国人力资本应用于绿色产出效率的作用还只普遍停留在空间集聚层面，我国人口基数大、平均受教育程度低，知识溢出效应尚未显现。但由于较高的环保意识普及扩散效应，宣传社会响应生态保护信号，前期提高环境资源利用率的效率积累，降低生活污染废物排放的可持续循环，随着后期区域经济一体化，能大幅提高周边地区的生态环境效率。

表4 固定效应SDM模型估计结果

在静态和动态SDM 模型中，FDI 对GTFP1、TECH 及生态效率的影响皆为负面，对周边地区的空间溢出效应也为负。这是因为在引进外资中我国处于产业链低端，国外企业为避免环境规制成本，完成本国产业结构升级，将一些低技术、高耗能的污染企业转移，地方政府为追求GDP，降低环境规制标准，甚至挤占邻近地区外资投入，毫无选择性地吸纳，使当地经济发展以牺牲环境为代价，对GTFP1的增长造成负面影响。引进的外资技术并未形成绿色产出增加的作用，廉价的环境成本和劳动力的吸引促使生态环境效率进一步下降，并产生周边地区污染连锁反应，形成“污染光环”。

从金融角度看，DIR 对GTFP 的影响不显著，在短期内难以形成集聚效应，但对GTFP1和技术进步存在负的空间溢出效应，但对生态效率产生正的动态空间溢出效应。这说明随着金融体系的不断完善，如加强信息对称、事前审查、事后监督等，会提高绿色资源配置效率，促使企业创新技术，规范风险运营，从而改善生态环境，对邻近地区的生态效率起促进作用。

从经济角度看，IS对生态效率的影响为负，并产生动态的正向空间集聚效应。表明我国第二产业仍以单一的、粗放式制造业为主，缺乏技术含量、资源损耗量大，当期产业外部性破坏了生态环境，减损了生态效率。但考虑到产业结构在前期对我国工业化和技术的推动作用，以及现阶段产业绿色转型和空间布局的优化，相对减少了污染产出，后期出现绿色产业对生态效率的改善。W×IS 对GTFP1和技术水平产生负的空间溢出效应，对生态效率有正向动态空间溢出效应。这是由于当地产业生产对投入要素的“专用性”掠夺，包括能源、人力、物质资本等，在生产环境废物的同时降低了邻近地区的绿色生产效率。随着产业结构高级化，对资源利用率提升，生态污染程度降低，承接产业转移周边地区的生产技术水平相应提升，生态效率在绿色转型趋势下逐步提高。

3.动态空间效应分解

为进一步分析其时空演变趋势和考虑到点回归系数的偏误，对上述结果进行了稳健性检验，动态空间效应分解结果见表5，变量系数符合与前文基本一致，结果稳健。

四、结论与政策建议

运用Super-SBM 和Malmquist 指数测算了考虑资源环境约束下我国31 个省份2011—2017 年绿色生产和生态效率，并对二者作了不同方位的比较研究，再从6 个不同方面考察绿色生产发展效率的时空演变特征和动态空间分解效应，结果表明：第一，两种GTFP 均处于无效增长阶段，前者呈现倒“N”型，经历了两个“波谷”和三个“波峰”，大部分可由生产技术进步解释。后者普遍处于较低水平，但在2015年达到谷底，此后开始持续上升。并发现绿色技术效率大部分领先于绿色技术进步，虽出现了效率优化但缺乏领先的科技创新，有进一步的增加产出和减少污染的潜能。第二，GTFP1 两极分化明显，东部沿海省市呈历年上升趋势，且处于有效增长阶段，高于全国均值水平，引领绿色转型双重目标的实现。GTFP2 呈同质化分布，各省环境治理压力不同，差异大，但在不断改进提升。部分省市出现绿色生产水平与生态效率不匹配特征，改进的关键在于生态修复和绿色技术进步。第三，基于全局参比的动态Malmquist 指数上的绿色生产效率整体上虚高于基于横截面测算的静态超效率SBM 模型上的生态环境效率得分，地区资源要素发展条件影响生产效率改善或恶化的程度，各地绿色生产效率主要依靠增长效应TECH 解释，追赶效应变动较大。而全国31 个省份的静态生态环境效率则强调了绿色发展的核心：以有限的生态资源提高绿色发展水平和产生更少的污染存量。两者均具有空间溢出效应，并呈现绿色发展效率影响因素的不同演变特征。

表5 动态空间效应分解结果

基于上述结论，从提升绿色技术生产力和改进绿色生态效率两个角度提出推进绿色发展的政策建议：一是国家应重视专利技术成果转化与当地优势要素禀赋的匹配度，扩大技术成果转化规模，形成以技术为支撑的高新技术聚集区并向低水平范围辐射。加强对绿色技术成果转化的长期监督和检查机制，利用市场机制不断增进绿色技术进步对环境治理的支撑，推动东部与中西部地区绿色技术成果转化的深入交流与合作，逐步消除企业技术壁垒和产权垄断行为。二是在企业专业分工与规模扩张过程中不断改善生产技术使用方式，强调绿色技术概念的适用性，正确引导和带动当地绿色产品生产、消费需求，减少生态资源损耗和对环境的冲击。三是提升对高素质人才的投入与积累，促进区域间的产学研合作交流和人才体系市场化建设，减少人才跨区域流动磨合障碍带来的效率损失。四是严格外资企业环境规制门槛和资金引进监管标准，强调长期可持续发展，注重环保技术研发和相应的经济产出质量。采取差异化政策鼓励技术型外商企业因地制宜提高绿色产出效率，关注环境污染治理和生态资源节约，进而改善外商资金引进和利用结构。五是将深化绿色金融体系改革作为一个长期工程，不断创新多元化的产品与业务，为绿色企业生产和技术研发提供物质支持。结合当地区域资源环境特点，加强信息沟通环节，凝聚绿色发展共识，为绿色信贷与环保产业的匹配提供政策和服务便利。六是从源头上改造落后的传统产业结构，基于本地资源环境禀赋协同发展绿色产业链，加强区域间产业优化布局和技术研发合作，培育多元化的绿色新兴产业，以期避免产业同质化竞争和污染扩散效应，缓解工业污染对绿色生态效率的损耗。