中国省际绿色技术进步偏向异质性及影响因素研究

丁黎黎 杨颖 郑慧 王垒

摘要 作为全要素生产率的重要组成，技术进步及其在资源环境等不同要素间的偏向对我国经济发展具有重要影响。考虑区域绿色生产技术差异，论文构建了一种新的Malmquist-Luenberger多维分解指数模型，该模型不仅能够识别出绿色技术进步是否存在投入与产出的组间偏向，而且对投入要素群及产出要素群组内偏向具有较好的辨别能力。论文以2005—2017年为时间跨度，选取我国30个省份进行绿色技术进步测度，对涵盖劳动力、资本、能源的投入要素群与包括污染物排放与GDP的产出要素群的组间及组内偏向特征予以分析，并给出引致绿色技术进步及其偏向的作用机制。研究发现：①中性绿色技术进步与投入偏向性绿色技术进步对区域技术水平提高具有促进作用，能够使技术水平年均上升0.57%和1.43%，但产出偏向性绿色技术进步在一定程度上抑制了区域技术水平的进一步提升，年均下降0.49%。②从投入要素群组内偏向来看，自西向东，资本密集使用、劳动与能源节约的要素驱动特征逐渐显著，产出要素群多表现出环境友好型技术进步特征。③对绿色偏向性技术进步异质性形成机理的研究发现，能源结构调整大幅度改善了中性绿色技术进步而对投入偏向性绿色技术进步存在抑制作用，但这一抑制相对有限，仅为促进作用的49.09%;产业结构的变动趋向于整体性的提高资源配置的高级化与合理化，即形成中性绿色技术进步而对投入及产出偏向性绿色技术进步存在负面影响;外贸依存度对产出偏向性绿色技术进步的影响为正;环境规制引导了企业绿色技术革新，可能对生产性资本临时占用而对当期中性绿色技术进步有抑制作用，但对投入偏向性技术进步及下一期的中性技术进步具有正向影响。

关键词 Malmquist-Luenberger指数;绿色偏向性技术进步;要素群组内偏向

中图分类号 F124.3

文献标识码 A文章编号 1002-2104（2020）09-0084-09  DOI：10.12062/cpre.20200417

长期以来，主流经济学对技术进步的中性假设已经受到了挑战，由于技术进步能够导致经济系统对某种要素的依赖性加强或减弱，使得要素产出弹性或要素边际产出比发生变化，从而表现为技术进步的要素偏向性特征[1]，偏向性技术进步逐渐受到关注。十九大报告指出 “推动经济发展质量变革、效率变革、动力变革，提高全要素生产率”，在人口红利逐渐减退、资源环境约束日益显著的背景下，将节能减排理念引入科技创新活动，引导技术进步向绿色创新方向转变成了驱动我国高质量发展的关键。如何构建一种绿色技术进步测度模型，探究绿色技术进步的要素配置偏向特征，来解释人才、资本、资源、生态环境等政策在我国经济增长过程中的真实作用，以绿色创新推进我国经济高质量发展成为学术研究的关键问题。

1 文献综述

目前对于偏向性技术进步的测度主要涉及参数法和非参数法两种思路。参数法依托生产函数的改进，推导出包含偏向性技术进步指数的全要素生产率函数，借以阐释偏向性技术进步对全要素生产率变化的驱动机制，如Antonelli和Quatraro[2]对偏向性技术进步与全要素生产率二者之间的作用机制进行了研究，发现技术进步偏向于丰裕要素时会对全要素生产率提升起到促进作用，反之则会抑制全要素生产率的提高。王卫和綦良群[3]采用超越对数形式的随机前沿生产函数，指出技术进步对我国装备制造业的全要素生产率提升具有重要贡献，但其偏向性成分在一定程度上抑制了生产率的提升。由于CES生产函数与现实更贴近，因而其在有偏技术进步估算中被广泛应用，大量学者在此领域进行了广泛研究，发现我国多数地区的技术进步均表现为资本偏向，且这一偏向由东向西逐渐加强[4-6]。

非参数方法主要是通过生产前沿面在不同时期的非等位移动，导致各要素的边际产出比发生改变而对技术进步的要素偏向进行分析。其中以Fare等[7]的研究为起点，以DEA-Malmquist指数方法为基准，从投入与产出两端入手对技术进步予以分解，探求其偏向成分对全要素生产率及技术进步的作用，并对技术进步在资本与劳动两种要素之间的偏向进行识别。Malmquist指数方法的引入规避了生产函数设定引致的主观性偏差。此后，学者秉持这一理念对偏向性技术进步的非参数测度方法进行了应用和扩展，如Chen和Yu[8]在资本、劳动基础上考虑能源投入，发现经合组织35国中多表现为资本使用与劳动节约倾向。王班班和齐绍洲[9]发现偏向性技术进步对全要素生产率提高具有积极作用，同时具有能源节约的偏向性特征。Weber和Domazlicky[10]、Peng等[11]在此领域也进行了相关的研究。

上述以Malmquist指数方法为基础的非参数偏向性技术进步的分析解释了技术进步偏向资本、劳动力或能源等投入要素，忽略了非期望产出的存在，因此其对全要素生产率及技术进步水平的测度存在一定的偏差[12-13]。在此启发下，一些学者主张将环境负产出纳入到分析框架，如Song和Wang[14]提出采用超效率SBM模型，将偏向性技术进步分解为节能型技术进步与减排型技术进步，但其忽略了技术进步可能在资本、劳动等多种要素间均存在偏向，且其采用的超效率SBM模型在对零值和正值的最优松弛处理存在显著差别，因此存在一定的局限性。在对我国工业部门的研究中，杨翔等[15]将SBM方向性距离函数与Malmquist-Luenberger指数相结合，为绿色技术进步测度提出了新的测度思路。但是，该文献只进行了绿色技术进步对投入要素偏向判断，缺少绿色技术进步对产出，尤其是环境坏产出偏向的研究，无法探究绿色技术进步与生态环境政策之间的联动性。

综合上述文献，以往参数方法下的偏向性技术进步的研究主要以CES生产函数法为主，在此框架下，模型假设较为苛刻，对非期望产出的处理存在一定困难，且生产函数的主观设定对评估结果具有较大的影响。近年来虽然有学者开始使用非参数的DEA方法，但多是基于Mamlquist生产率指数构建评估手段，主要探讨了技术进步对劳动、资本与GDP的偏向性，而忽略了非期望产出造成的福利損失。环境恶化型技术进步虽然能够在短期内推动产业迅速发展，但由此引致的环境问题降低了技术进步带来的效用。所以，在对投入端进行要素配置偏向分析的同时，将非期望产出纳入技术进步的偏向性分析具有重要意义。论文提出了一种新的Malmquist-Luenberger多维分解指数，该指数不仅能测度资源环境影响下的绿色技术进步的组间偏向，而且可实现绿色技术进步对投入要素群与产出要素群的组内偏向的识别。论文以2005—2017年为时间跨度，选取我国除港、澳、台及西藏以外的30个省份进行了绿色技术进步测度及其对劳动力、资本、能源、污染物排放、GDP等要素的组间及组内偏向特征分析，并对引致绿色技术进步及其偏向性存在异质性的影响因素进行了分析。

2 研究方法

2.1 绿色技术进步要素群组间偏向的测度

其中，EC度量了决策单元的效率变化，衡量了经济间的追赶效应;TC测度了两期内技术水平的变化，TC大于1，表明技术进步，如果TC小于1则说明科技水平存在倒退[16]。为进一步分析技术进步在投入要素群、产出要素群之间是否存在组间偏向，仿照Fare[7]的研究，对TC指数进一步分解为中性绿色技术进步、投入偏向性绿色技术进步以及产出偏向性绿色技术进步：

MATC为中性绿色技术进步，衡量两期内技术进步在去除偏向成分后的幅度。IBTC为投入偏向性绿色技术进步，刻画其在投入要素群相较于产出要素群的组间偏差程度，若IBTC大于1时，则说明技术进步在不同投入要素间的偏向促进了全要素生产率的提高，IBTC小于1则说明技术在投入要素间的偏向导致了技术退步。OBTC则是对产出要素群组间偏向性绿色技术进步的衡量，为产出偏向性绿色技术进步，若大于1则说明技术在各产出及非期望产出间的偏向推动了生产率的提高，反之则为抑制。

2.2 绿色技术进步要素群组内偏向的识别

IBTC指数和OBTC指数分别从投入端和产出端衡量了绿色技术进步的组间偏向程度，但无法实现对具体投入要素群组内偏向及产出要素群组内偏向的识别，Weber和Domazlicky[10]提出依据要素边际替代率的跨期变动以及技术进步偏向性指数实现对要素偏向的分析，基于上述观点，在杨翔等[15]的研究基础上，构建要素群组内偏向指数，实现对技术变迁过程中投入要素I和要素J之间偏向的识别：

产出要素群组内偏向的分析与之类似，定义如下的产出要素群组内偏向指数πYB：

其中，Yt+1Bt+1/YtBt为期望产出Y与非期望产出B在两期内的产出边际替代率之比，πYB>0则说明技术进步偏向于产生更多的期望产出，同时降低非期望产出，则称这种产出要素群组内偏向性技术进步为环境友好型技术进步，反之，则将其定义为环境恶化型技术进步。

3 我国省际绿色技术进步的偏向性测算与分析

3.1 变量选取与数据说明

论文以分省数据为基础，对我国的绿色偏向性技术进步的组间偏向及其要素群组内偏向进行分析，香港、澳门、台湾以及西藏由于数据可等性问题未包含在内，最终构造了2005—2017年30个省份的投入产出数据，并根据我国传统区域划分及地区发展状况，归属为东中西三大区域。东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省份;中部地区包括山西、吉林、黑龙、安徽、江西、河南、湖北、湖南8个省份;西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、西藏12个省份（西藏地区由于数据有限，在本研究中并未涉及，因此仅对西部其余11个省份进行了分析）。数据源于国家统计局、《中国统计年鉴》、中国碳排放数据库、《中国能源统计年鉴》。具体指标如下。

（1）投入要素群。选取资本、劳动、能源三种投入要素，分别记为K、L和E。其中，以固定资本存量量化资本投入，并借鉴张军等[17]的永续盘存法以2000年为基期进行估算。劳动方面，以各省年末从业人数予以量化。能源投入作为污染物排放的主导诱因，通过折算为标准煤的能源消耗总量予以量化。

（2）产出要素群。期望产出方面，选取国内生产总值，以2000为基准年份做不變价格处理，记为Y。非期望产出选取二氧化碳、二氧化硫以及废水排放量，并采用熵值法合成环境污染综合指数，记为B。

3.2 绿色技术进步要素群组间偏向的分析

从整体来看，30个省份ML指数均值略小于1，表明在资源环境约束下，全要素生产率有衰退趋势，这一研究结论与刘华军等[18]的研究结论相一致。在全要素生产率的结构构成上，TC指数的平均水平为1.007 2，EC指数在多数地区是小于1的，年均下降0.42%，表明技术进步是提升全要素生产率的核心力量，地区追赶效应并不显著，效率变动对全要素生产率的提升具有一定的抑制作用。

技术进步指数分解情况如图1所示，TC指数与MATC指数的变化趋势具有较强趋同性，表明中性绿色技术进步是当前我国技术进步的主要来源，但在2012年之后，中性绿色技术进步的推动作用逐渐减弱，并呈现出技术退步的态势。进一步分析技术进步中的要素群组间偏向，发现投入偏向性绿色技术进步在多数年份是大于1的，即技术在资本、劳动、能源这一投入要素群的组间偏向对技术水平的提升发挥积极作用，然而，通过分析OBTC的变化发现，产出偏向性绿色技术进步在多数年份小于1，即技术进步在期望产出与非期望产出之间的偏向一定程度上抑制了技术进步的进一步提升。从区域层面来看，我国三大地区技术进步表现出较强的差异性，如表1所示。具体来看，就东部地区而言，技术进步的三种偏向成分对技术水平的提高均具有积极作用，IBTC指数均值为1.019，即技术进步在投入要素群的组内偏向对推动技术水平的提高具有促进作用，是提升东部地区技术进步的核心力量;OBTC指数的均值为1.004，呈现促进作用，特别是在2012年之后，OBTC指数的正向变动趋势明显，这表明在资源环境约束下，不同产出要素之间的偏向在一定程度上推动了技术的提升;MATC指数的均值为1.004，整体发挥积极作用，但自2009年开始，中性绿色技术进步在东部地区多呈现退步态势，抑制了技术水平的进一步提升。

相较于东部地区，中性绿色技术进步是中部地区推动技术水平提升的核心力量，多数年份均表现为中性绿色技术进步，但2013年之后，这种中性技术由进步转向为退步。研究期内IBTC具有较强的波动性，且在投入要素群的偏向出现了周期性的进步集聚与退步集聚，在一定程度上表明在资源环境约束日益收紧的背景下，区域经济结构与技术进步二者之间的错配问题开始凸显，中部地区经济结构仍需进一步调整，使技术进步与资源禀赋相匹配，产出偏向性绿色技术退步也印证了这一事实。西部地区MATC指数均值为0.986，在多数年份对整体技术水平具有抑制作用，技术进步在产出要素群及投入要素群的组间偏向先后成为技术进步的驱动力，西部地区IBTC指数在2009年至2016年表现为技术进步，表明投入偏向性绿色技术进步对西部地区全要素生产率及技术水平的提升具有推动作用，但同时，技术进步在产出端的优势消失，且OBTC指数均值为0.992，即产出方向上的技术偏向不利于经济发展，资源环境约束在西部地区主要通过中性绿色技术进步及产出偏向性绿色技术进步发挥作用。

3.3 绿色技术进步要素群组内偏向的特征分析

图2分别展示了我国30个省份在2006—2017年技术进步投入要素群组内偏向及产出要素群组内偏向。利用公式（15）对资本、能源以及劳动三种要素两两对比，可以实现对于投入要素群组内偏向的识别，结果显示，多数地区技术进步受资本的密集使用所致，技术进步表现出劳动要素与能源要素的节约倾向。具体地，从“资本-劳动”两种投入要素的技术进步偏向分析，技术进步的产生整体表现受资本密集使用所驱动，资本驱动型（K-L）技术进步特征较为显著，表明伴随我国经济的快速发展，劳动力成本不断上升，人口红利逐渐消失，技术进步有劳动力节约态势;就“资本—能源”两要素来看，自2009年以来，技术进步的能源节约倾向较为明显，约有三分之二的地区的技术进步依赖于资本的密集使用，且能源偏向型（K-E）技术进步的地区数目有上涨趋势;从“劳动-能源”两种投入要素的技术进步偏向来看，能源与劳动偏向性技术进步的地区数目大致相当。利用公式（16）可实现对产出要素群组内偏向的判别，结果显示，除2014年外，其余年份多数地区技术进步对于产出的增加幅度远高于污染物排放，属于环境友好型技术进步，产出要素群组内偏向与当前低碳发展的理念所吻合。

进一步对技术进步的投入要素群组内偏向的空间分布予以分析，首先，从资本与劳动的技术进步要素偏向来看，自西向东，劳动驱动型（K-L）的要素群组内偏向逐渐减弱，资本驱动型（K-L）的要素群组内偏向特征逐渐增强。这一现象可能与劳动力成本有关，东部和中部地区劳动力成本相对较高，且具有相对丰沛的资本资源，因此技术进步具有较强的劳动力节约特征。而西部地区人口红利较为明显，因此，多由劳动驱动，但四川、重庆等其他西部地区在劳动力禀赋上并无较大优势，仍表现为资本驱动型（K-L）技术进步。其次，从资本与能源的技术进步要素偏向来看，其分布状态与资本-劳动的技术进步要素偏向大致相仿，东部地区和中部地区的多数地区倾向于能源的节约，表现出较强的资本驱动型（K-E）技术进步特征，符合我国节能减排的发展目标。而西部地区，多表现为能源驱动型（K-E）的技术进步特征，一方面表明我国西部地区能源资源禀赋丰沛，可作为技术进步的驱动力量，另一方面，也表明西部地区部分省份存在资本缺口，资本相对缺乏。最后，劳动与能源的技术进步要素群组内偏向无显著的空间分布特征。产出要素群组内要素偏向与区域经济的发展程度具有较强的关联性，以北京、上海、泛珠江三角洲为典型代表，这些地区经济发展水平较高，具有较强的能力实现对环境产生较差影响的生产技术进行淘汰，因此表现为显著的环境友好型特征，而河北、甘肃等省份技术发展程度相对较低，尚停留于环境破坏型技术进步阶段，绿色技术有待于进一步优化。

4 区域绿色偏向性技术进步的影响因素分析

由上述分析可知，不同地区在技术进步要素群组间及组内偏向具有较大差异。在技术进步及其偏向性的影响因素方面，早期研究多从国际贸易视角出发，认为贸易活动会形成“价格效应”或通过进出口竞争，推动技能偏向性技术进步的形成[19]，而当低价值产品需求扩张时，国际贸易可能存在价值链“低端锁定效应”，抑制国内技术进步的形成，甚至造成技术的退步[20]。有研究從环境规制入手，提出“波特效应”，指出环境规制能够激励企业进行绿色技术研发，进而引发技术进步[21]。也有研究指出要素结构、产业结构等对技术进步及其偏向上存在不同程度的影响[22-25]。由于偏向性技术进步的度量大多未考虑资源环境因素，由此形成的偏向性技术进步指标在测度上存在一定偏差，且这些研究多是考虑偏向性技术进步的某一方面，少有对技术进步的多维偏向及其作用机理的细致分析。显然，技术进步中的不同偏向成分对各影响因素的反馈是不同的，因此，有必要对区域绿色偏向性技术进步的影响因素及作用机理进行研究。

4.1 模型设定与数据来源

为进一步解释引致区域间技术进步及其在要素群组间偏向性的差异，分别以投入偏向性绿色技术进步、产出偏向性绿色技术进步以及中性绿色技术进步作为被解释变量，分析各因素对不同偏向的技术进步的作用方向，进而揭示引致区域技术差距的内在原因，模型构建如下：

其中，ES为能源结构，用天然气消耗在能源消费中占比度量;IS为产业结构，以第二产业在地区生产总值中的占比表示;Trade代表开放程度，以贸易依存度，即进出口总额在地区生产总值中的占比予以量化;Er代表环境规制，用工业污染治理完成投资在地区生产总值中的占比量化，由于污染治理的环境经济影响具有持续性，因此引入环境规制的当期与滞后一期。上述数据源于国家统计局与《中国统计年鉴》。

4.2 实证分析结果

表2展示了技术进步影响因素分析的面板回归结果。模型（1）～（3）分别为投入偏向、产出偏向性以及中性绿色技术进步的模型估计结果。根据Hausman检验采用随机效应模型。

能源结构对技术进步的影响主要通过投入偏向性绿色技术进步和中性绿色技术进步发挥作用，其对投入偏向性绿色技术进步的影响显著为负，表明能源结构升级的速度目前可能尚未较好地与投入要素群组内偏向相吻合，从而对投入偏向性技术进步的提高产生了抑制作用。能源结构对中性技术进步的影响显著为正，说明能源结构的优化对于中性技术进步具有显著促进作用，且这一正向影响远远大于对投入偏向性技术进步的负面作用。同时，能源结构对产出偏向性绿色技术进步的影响也为正，但这一正向影响尚不显著。

从产业结构的变动来看，表征产业结构的二产在经济中占比的增加对绿色技术进步的不同偏向成分均具有较为显著的影响，其中，产业结构的改善对中性绿色技术进步发挥正向作用，即产业结构升级趋向于整体性的提高资源配置的高级化与合理化，从而促使绿色技术进步的中性化发展;同时，其对投入偏向性绿色技术进步以及产出偏向性绿色技术进步的影响显著为负，即产业结构变动可能与技术进步的要素群组内偏向存在一定的不适配，在一定程度上抑制了绿色技术水平的进一步提高，但这一抑制作用相较于对中性绿色技术进步的正向影响相对有限，仅为其49.09%。

从开放程度对技术进步的影响来看，贸易依存度主要通过作用于产出偏向性绿色技术进步发挥作用，对产出偏向性绿色技术进步的回归系数显著为正，国际间的贸易流动加速了产出偏向性绿色技术进步水平的提升，通过价格效应等发挥国际贸易的技术推动作用。对中性绿色技术进步的影响也为正，但相较而言其回归结果并不显著。此外，对投入偏向性绿色技术进步的回归结果显示为负数，即表明国际间的贸易合作在一定程度上可能引致部分企业的技术停滞，固于其原有粗放型的劳动资源密集型生产形势，但这一影响目前并不显著，“低端锁定效应”暂不明显。

从环境规制的影响来看，环境规制主要通过作用于投入偏向性绿色技术进步和中性绿色技术进步发挥作用，而对于产出偏向性绿色技术进步的影响并不显著。环境规制对投入偏向性绿色技术进步的影响显著为正，表明政府的环境规制行为会刺激企业绿色技术革新，引起生产前沿的非等位移动而推动绿色技术的产生。对于中性技术进步的影响虽然当期为负，但却能够对后一期的中性绿色技术进步产生促进作用，这一现象说明尽管环境规制可能会暂时占用一部分企业的生产性投资资本用于环境技术开发，但由此产生的绿色技术却能够进一步对下一期的中性绿色技术产生促进作用，从而印证了波特效应的存在。

5 结论及政策建议

以方向性距离函数为依托，论文提出了一种新的Malmquist-Luenberger多维分解指数，对我国30个省份的绿色技术进步的要素群组间偏向及要素群组内偏向进行了分析，并对不同类型的技术进步的形成机制进行了探索。结果表明：（1）整体来看，技术进步是推动我国全要素生产率提升的核心力量，中性绿色技术进步与投入偏向性绿色技术进步对地区技术水平的提高也具有较大的推动作用，然而，产出偏向性绿色技术进步却抑制了技术水平的进一步提升。

（2）绿色技术进步的要素群组间偏向区域异质性显著，IBTC、OBTC以及MATC在东部地区对技术水平的提高均具积极影响，并以IBTC为主导;中部地区的技术进步受MATC推动，而IBTC、OBTC的推动作用相对不足，较早表现出资源环境约束，且以产出端的技术衰退表现尤为显著;西部地区技术进步多由IBTC推动，而中性及产出要素群的技术抑制作用突出。

（3）从绿色技术进步的投入要素群组内偏向来看，资本驱动型的技术进步偏向性特征显著，技术进步在“能源-资本”与“劳动-资本”之间均具有资本的密集使用导向，且自西向东这一特征逐渐增强，表明省际经济技术进步具有劳动与能源的节约倾向，同时，从产出要素群组内偏向分析，技术进步多表现为环境友好型技术进步特征，技术进步的演变方向基本符合节能减排与绿色创新的发展思路。

（4）从区域技术进步偏向性的形成来看，能源结构的改善能够大幅度提升中性绿色技术进步但却一定程度上抑制了投入偏向性绿色技术进步;产业结构的变迁能极大地推进中性绿色技术进步的形成，却对投入偏向性绿色技术进步及产出偏向性绿色技术进步存在负面影响;外贸依存度对产出偏向性绿色技术进步的影响为正;环境规制具有波特效应，其对投入偏向性绿色技术进步具有推动作用，尽管当期对中性绿色技术进步有抑制作用，但却在下一期发挥正向影响。

上述结论对于引导我国经济向低碳模式转变具有重要启示：①推进能源领域价格形成机制改革，通过市场化机制使能源结构升级与要素群组内偏向相吻合，从投入端与产出端转向提升绿色技术进步。②优化产业结构，合理产业布局。结合地区资源禀赋及发展基础，使地区经济发展与技术进步的要素偏向所一致。③扩大对外开放，优化贸易结构。推动贸易产品高价值化，贸易结构绿色化，避免由于价值链低端锁定造成偏向性绿色技术退步，同时加强与发达国家的技术合作，融合先进管理理念与科学技术，促进偏向性绿色技术进步的提升。④促进环境规制与生态治理的手段创新，推进排污权、排放权交易市场建设，从而将环境损害成本与环保收益内化于企业生产行为，最大化发挥环境规划的波特效应。

（编辑：李 琪）

参考文献

[1]ACEMOGLU D. Directed technical change [J]. The review of economic studies， 2001， 69（4）： 781-809.

[2]ANTONELI C， QURTRARO F. The effects of biased technological change on total factor productivity： empirical evidence from a sample of OECD countries [J]. Journal of technology transfer， 2010， 35（4）： 361-383.

[3]王衛，綦良群.要素错配、技术进步偏向与全要素生产率增长——基于装备制造业细分行业的随机前沿模型分析[J].山西财经大学学报，2018，40（12）：60-75.

[4]孙才志，王雪利，王嵩.环境约束下中国技术进步偏向测度及其空间效应分析[J].经济地理，2018，38（9）：38-46.

[5]张意翔，成金华，汤尚颖，等. 技术进步偏向性、产权结构与中国区域能源效率[J].数量经济技术经济研究，2017，34（8）：72-88.

[6]李小平，李小克.偏向性技术进步与中国工业全要素生产率增长[J].经济研究，2018，53（10）：82-96.

[7]FARE R， GRIFRLLTATJE E， GROSSKOPF S， et al. Biased technical change and the Malmquist Productivity Index [J]. The Scandinavian journal of economics， 1997， 99（1）： 119-127.

[8]CHEN P， YU M. Total factor productivity growth and directions of technical change bias： evidence from 99 OECD and non-OECD countries [J]. Annals of operations research， 2014， 214（1）： 143-165.

[9]王班班，齐绍洲.中国工业技术进步的偏向是否节约能源[J].中国人口·资源与环境，2015，25（7）：24-31.

[10]WEBER W L， DOMAZLICKY B R. Total factor productivity growth in manufacturing： a regional approach using linear programming [J]. Regional science and urban economics， 1999， 29（1）： 105-122.

[11]PENG J， XIAO J， WEN L， et al. Energy industry investment influences total factor productivity of energy exploitation： a biased technical change analysis [J]. Journal of cleaner production， 2019，237：117847

[12]王维国，范丹.中国区域全要素能源效率收敛性及影响因素分析——基于Malmqulist-Luenberger指数法[J].资源科学，2012，34（10）：1816-1824.

[13]王燕，謝蕊蕊.能源环境约束下中国区域工业效率分析[J].中国人口·资源与环境，2012，22（5）：114-119.

[14]SONG M， WANG S. Measuring environment-biased technological progress considering energy saving and emission reduction [J]. Process safety and environmental protection， 2018， 116： 745-753.

[15]杨翔，李小平，钟春平.中国工业偏向性技术进步的演变趋势及影响因素研究[J].数量经济技术经济研究，2019，36（4）：101-119.

[16]DING L L， YANG Y， WANG W， et al. Regional carbon emission efficiency and its dynamic evolution in China： a novel cross efficiency-Malmquist productivity index [J]. Journal of cleaner production， 2019， 241： 118260

[17]张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952—2000[J].经济研究，2004（10）：35-44.

[18]刘华军，李超，彭莹.中国绿色全要素生产率的地区差距及区域协同提升研究[J].中国人口科学，2018（4）：30-41，126.

[19]BLOOM N， DRACA M， VAN REENEN J， et al. Trade induced technical change？ the impact of Chinese imports on innovation， it and productivity [J]. The review of economic studies， 2016， 83（1）： 87-117.

[20]ACEMOGLU D， GANCIA G， ZILIBOTTI F， et al. Offshoring and directed technical change [J]. American economic journal： macroeconomics， 2015， 7（3）： 84-122.

[21]余东华，崔岩.环境规制影响制造业技术进步偏向性研究[J].上海经济研究，2019（6）：72-82.

[22]易信，刘凤良.中国技术进步偏向资本的原因探析[J].上海经济研究，2013，25（10）：13-21.

[23]何天祥.环长株潭城市群技术进步及空间溢出效应研究[J].经济地理，2014，34（5）：109-115.

[24]LI J， SEE K F， CHI J. Water resources and water pollution emissions in Chinas industrial sector： a green-biased technological progress analysis [J]. Journal of cleaner production， 2019， 229： 1412-1426.

[25]王垒，赵忠超，刘新民，等.政府财政配置能力与外资参与程度对碳经济绩效的驱动效应[J].中国人口·资源与环境，2018，28（4）：55-67.