扬子江城市群绿色全要素生产率的测度及分解研究

李根忠，周荣荣

扬子江城市群绿色全要素生产率的测度及分解研究

李根忠，周荣荣

（三江学院 法商学院，南京 210012）

基于扬子江城市群8市2010年至2019年的面板数据，运用GML指数模型和SBM超效率模型，对扬子江城市群的绿色全要素生产率进行测算，并在此基础上检验了政府财政支出与绿色全要素生产率增长的门槛效应。结果表明：政府财政支出与绿色全要素生产率的增长存在门槛效应，政府财政支出对绿色全要素生产率的增长起推动作用，但随着政府财政支出比例的增加这种正向推动力逐渐减弱。

扬子江城市群；绿色全要素生产率；SBM超效率模型；区域协调

一、问题提出与文献综述

党的十九大提出要推进绿色发展，建立健全低碳循环发展的经济体系。绿色发展是现代化经济体系的生态环境基础，是国民财富增长的重要形式。建立绿色经济发展体系是实现经济高质量增长、彻底改变传统粗放型产业结构的重要驱动力。绿色发展能够有效构建区域协调发展新机制，将区域协调发展和城市化战略提升到新的战略高度。扬子江城市群无论是在地理优势上还是经济发展基础上都具有明显的综合竞争力优势，具备建设城市群的良好基础和条件。然而，区域内产业结构依然是以传统产业为主导地位，与“绿色发展”目标之间存在一定的距离，经济增长需要大量要素投入和大规模投资驱动。从扬子江城市群各市之间的主导产业比较来看，除省会南京以外的其他七市核心产业优势依然是以制造业为主导产业。此外，各市重污染企业大多临江设立，扬子江段承载和淤积着来自长江中上游的污染物。生态环境脆弱、承载力不足是扬子江城市群发展面临的无法回避的严峻现实。因此，面对环境污染严重以及资源制约趋紧的严峻势态，既要注重经济发展的质量，又要开拓经济增长新模式。在经济建设中降低能耗和污染排量以确保绿色全要素生产率水平是全面推进生态文明建设的重要一步。因此，正确把握在落实创新驱动战略和生态文明建设的大环境下，研究扬子江城市群绿色全要素生产率及其与政府财政支出之间的关系具有很强的现实意义和紧迫性。

国内外学者对于绿色全要素生产率测算的研究众多，研究方法主要分为参数法和非参数法两大类。运用参数法需要投入变量、产出变量的具体价价格数据，而污染物的价格难以确定，因此，运用参数法得到的测算结果易出现偏差。基于数据包络分析法的发展成果，Fare et al.（1994）将DEA与Caves et al.的Malmquist指数方法相结合并得到了非参数核算方法。[1]Hailu&Veeland（2000）运用Shephard距离函数和Malmquist生产率指数进行测算全要素生产率。[2]因为Shephard（DF）距离函数是径向的，并不支持在期望产出上升的同时非期望产出降低。Chung et al.（1997）在Shephard基础之上，提出了方向性距离函数（DDF）与Malmquist-Luenberger指数。[3]该模型需要选择投入或产出的测度角度，影响该指数的准确性。Tone（2001）提出了不用选择角度的SBM模型，拟合了所有观测值，避免了投入产出不足的问题，然而约束条件的增加可能使测算结果无可行解。[4]

在国内,学者大多是围绕绿色全要素生产率的影响因素从不同的角度进行研究。张伟（2001）运用“多投入—多产出”的DEA模型对长三角城市圈的全要素生产率进行了实证分析，发现能源的过度使用会导致能源使用技术增长率降低，增加财政支出有助于减少技术增长率的减少程度。[5]叶初升等（2016）通过研究发现农业财政支出从长期来看有助于农业生产率的提高，应加大对农业的财政支持以促进农业经济绿色增长。[6]肖锐等（2017）运用受限面板Tobit回归模型考察财政支持对农业绿色生产率的影响，发现财政支持对促进农业绿色生产率的提高有积极影响。[7]张建伟（2019）认为在绿色全要素生产率的衰退区域进行财政分权有助于对绿色全要素生产率产生显著的反向抑制作用。[8]王燕等（2020）认为高科技产业与知识密集型产业协调聚集对绿色全要素生产率的影响呈现倒U型。[9]张国庆（2020）基于SBM方面距离函数的ML指数法对全国30个省份的绿色全要素生产率进行测算后发现，优化产业结构对绿色全要素生产率有促进作用。[10]吕琪睿（2020）在选取长江经济带11个省市的面板数据对绿色要素增长率的影响因素进行了动态和静态测算后指出技术变动是绿色要素生产率增长的主要动力。[11]庄远等（2020）基于DAE模型测算认为绿色全要素生产率的提升可以促进江苏工业产业走出发展瓶颈。[12]

通过对相关文献的梳理可以发现，目前有关绿色全要素生产效率测算及其影响因素的研究大多数是围绕产业协调、技术进步与绿色全要素生产率之间的关系展开的，多是运用SBM模型与Malmquist-Luenberger指数相结合的方法测算绿色全要素生产效率。该方法易出现无可行解的问题，忽略了财政支出对提升绿色全要素的重要性。

本文在明确扬子江城市群污染排放现状和投入产出特点的基础上构建包含非期望产出的SBM超效率模型并运用GML指数法对扬子江城市群的绿色全要素生产率做实证研究，得出扬子江城市群绿色全要素生产率的测算结果。基于测算结果，对政府财政支出与绿色全要素生产率增长的关系做门槛效益检验，揭示两者的影响机制。

二、研究方法与模型

（一）非期望产出的SBM超效率模型

基于Tone（2003）定义的包含非期望产出的SBM模型与Andersen & Petersen提出的“超效率”模型，构建包含非期望产出的SBM超效率模型如下：

（二）Malmquist-Luenberger指数模型

结合Pastor&Lovell（2005）提出的全局式生产指数(Global Malmquist)与Chung等人将包含坏产出的方向距离函数应用于Malmquist模型得到的Malmquist-Luenberger指数模型[13]，构建GML指数模型。

GML指数法的计算方法如下：

（三）面板门槛回归模型

为了考察政府财政支出对扬子江绿色全要素生产率的非线性影响，本文利用Hansen（1999）提出的门槛回归模型做回归分析。[14]以单一门槛模型为例，模型方程式如下：

门槛效应检验需先确定门槛个数，通过最小化的OLS残差值得到门槛值并进行检验，最后根据门槛值划分门槛变量的区间。

三、扬子江城市群绿色全要素生产率实证分析

（一）指标选择和数据来源

本文在现有的文献基础上结合所要研究的内容，选取2010—2019年扬子江城市群各市的统计公报来测算绿色全要素生产率。有关期望产出与非期望产出、投入要素的具体指标说明（见表1）。

表1 各项指标变量说明

为检验门限效应，设置政府财政支出比例（政府财政支出/地区生产总值）为门限变量，并设置贸易开放水平X1（进出口总额/地区生产总值）、能源消费结构X2（煤炭消耗量/能源消耗总量）和产业结构X3（第三产业增加值/地区生产总值）3个控制变量。

我在长期从事语文教学工作的过程中对学生学习中的普遍难点问题做了总结，发现学生的作文学习是一个难点，而很多老师又苦于缺少有效的方法提高学生的写作能力。对于农村学生来说，他们所能接触到的写作素材较少，再加上信息匮乏，因此想要写出高质量的作文非常困难。多媒体教学方式的应用能够在一定程度上改变这一情况，各种多媒体能突破时间和空间的限制，把客观事物和各种学习资源呈现在学生面前，让他们近距离地感知事物，接触信息资源。学生在对这些信息了解和掌握之后，完全可以将其灵活应用到自己的写作之中。

（二）实证结果分析

从整体来看，如表2所示，扬子江城市群中除南京外的绿色全要素生产率均值大于1，说明地区整体经济生产是有效率的。其中，作为经济强市，苏州市社会生产的效率在8市中是最高的。与其相比较而言，省会南京市的绿色全要素生产率在2010年至2015年均低于1，说明水污染、大气污染等非期望产出较高，经济发展呈无效率状态，整体平均绿色生产要素效率最低。

表2 2010—2019年扬子江城市群各市绿色全要素生产率测算结果

（三）GML指数测算结果分析

如表3所示，扬子江城市群中各市的绿色全要素生产率整体上呈现出波动性上升趋势，平均增长率为2.59%。2010—2012年期间各市绿色全要素生产率均下降，平均降幅达1.90%。从整体的均值来看，除无锡和苏州市之外，扬子江城市群包含的其他6个市的绿色全要素生产率总体是增长态势。其中，南京市的GML指数最高，说明南京市的经济增长正从无效率状态向有效率状态快速转变。常州和苏州的GML指数年均值分列第二位和第三位，说明常州市与苏州市不仅关注经济的增长速度，同样也重视经济的发展质量。而镇江市的绿色全要素生产率增长动力稍显不足，虽然生产是有效的，但GML指数显示其研究期内的绿色全要素生产率是略呈下降趋势的，即没有处理好经济与环境的矛盾问题。

从绿色全要素生产率的各项分解来看，如表4所示，扬子江城市群绿色全要素生产率的波动性上升趋势主要受技术进步的影响。2010年至2019年扬子江城市群技术进步的平均增幅为1.018%，技术效率变动的平均增幅为1.010%。扬子江城市群各市的平均技术效率变动指数只有南京、苏州、扬州和泰州较高，技术效率增幅超过1%，镇江市、常州市和南通市的技术效率变动指数小于1。按平均技术效率变动指数大小得到的各市排序与按绿色全要素生产率GML指数得到的排序较不符，因此，研究期内技术效率变动对扬子江城市群绿色全要素生产率的变动影响较小，而绿色全要素生产率的变动受其技术进步的影响较大。

表4 2010—2019年扬子江城市群绿色全要素生产率GML指数分解结果

数据来源：201—2019年扬子江城市群各市绿色全要素生产率测算结果

（四）门槛效应检验

门槛效应的实证检验主要分三个步骤进行，第一步是检验面板数据是否具有门槛效应，第二步是估计具体的门槛值，第三步是对门槛回归结果进行分析。为了确定面板门槛模型的具体形式，需要对是否存在门槛效应进行检验，对模型（4）的门槛数量进行估计。运用格栅搜索法设置的网格计算的网格数为100个，Bootstrap自举抽样次数设定为500次，得到的各门槛个数假设的F统计值和P值如表4所示。

模型的单一门槛和三重门槛的假设均没有通过F统计值检验，P值分别为0.160和0.758；双重门槛假设对应的P值为0.042，在5%的临界值水平上显著。根据模型双重门槛假设得到的门槛估计值为0.078和0.112，对应的置信区间如表3、表4中所示。

表5 门槛模型检验结果

注：***、**、*分别表示依次代表在1%、5%、10% 的临界值水平上显著

根据门槛模型检验的结果（见表5），将模型（4）进一步改进为双重门槛模型，改进后的模型方程式如下：

（五）检验结果分析

根据表6的模型估计结果，2010年至2019年扬子江城市群政府财政支出对绿色全要素生产率的增长起到了正面推动作用，但不同水平的政府财政支出比例对绿色全要素生产率增长的正面影响大小存有不同。根据门槛效应的检验结果，将扬子江城市群的政府财政支出比例划分成三个水平。当政府财政支出比例小于7.79%时，财政支出对绿色全要素生产率的影响力最大，且政府财政支出比例每上升1个百分点，绿色全要素生产率的增长率上升10.25个百分点；当政府财政支出比例处于7.79%与11.19%之间时，其对绿色全要素生产率GML指数的影响下降，政府财政支出比例每上升1个百分点，绿色全要素生产率GML指数仅上升7.12个百分点；当政府财政支出比例大于11.19%时，其对绿色全要素生产率GML指数的影响系数进一步减小至4.90。

目前，扬子江城市群政府财政支出比例的上升拉动了绿色全要素生产率的增长，一定程度地提高政府财政支出比例有利于社会生产效率的提高。财政支出是政府把社会资源重新配置的基本途径。在资源重新配置的过程中，政府可将有限的社会资源进行合理地分配以促进经济的增长和社会财富的增加，完善社会基础设施的建设以及民生保障体系建设，从而增进全民福利。政府财政支出的增加使得政府能更有效地发挥宏观调控作用。对绿色产业、高新技术产业等经济效益良好、发展前景广阔、环境友好的产业提供扶持，调整不合理的产业结构，有助于实现经济的高质量发展。此外，将财政支出用于地区的环境污染治理以控制日益严峻的环境污染问题和减少生产过程产生的非期望产出，同样有利于提高地区的绿色全要素生产率。

表6 模型估计结果

注：***、**、*分别表示依次代表在1%、5%、10% 的临界值水平上显著

能源消费结构对扬子江城市群绿色全要素生产率GML指数的影响系数为0.48，且这一正向影响在10%的水平上显著。能源结构的合理化使得区域开展同样的生产活动可以使用较少的能源、产生较少的污染物，减轻区域的能源压力和环境压力，促进区域经济的可持续发展。贸易开放水平对扬子江城市群绿色全要素生产率GML指数的影响系数为0.17，即贸易开放水平每上升1%则绿色全要素生产率的增长率上升0.15%。而且，贸易开放水平越高，产业升级和技术进步的步伐越快，越能发挥区域资源的比较优势，提高经济的国际竞争力，推动绿色全要素生产率增长。但这种推动作用可能受到其他未知因素的影响，因此在检验中并不显著。

产业结构的调整升级对扬子江城市群绿色全要素生产率的增长起显著的推动作用，影响系数为0.01。第三产业增加值在GDP中的占比提高意味着区域产业结构的高端化。基于第三产业的特点，产业结构的优化可以使区域经济发展的相对资源投入和污染产出下降，有助于区域经济的绿色增长。

四、研究结论

本文利用2010年至2019年扬子江城市群所含8市的面板数据，借鉴包含非期望产出的SBM超效率模型和GML指数方法，得到近10年间扬子江城市群的绿色全要素生产率及其增长率。根据测算结果，从扬子江城市群绿色全要素生产率的均值来看，除了镇江市之外的其他各市均大于1，说明区域经济生产总体是有效率的。扬子江城市群绿色全要素生产率的增长速度呈波动性上升趋势，研究期内年平均增长率为2.59%，这一增长趋势的形成主要受区域技术进步的影响，受技术效率变动的影响较小。

利用扬子江城市群绿色全要素生产率GML指数测算结果，以政府财政支出比例为门槛变量，以经济发展水平、对外开放水平和能源消费结构为控制变量做门槛效应检验。检验的结果表明，政府财政支出的比例与绿色全要素生产率的增长存在双门槛效应，政府财政支出对绿色全要素生产率的增长有推动作用。随着政府财政支出比例的上升，政府财政支出对绿色全要素生产率增长的正向影响力度逐步下降，影响变化趋势大致可以分为三个阶段。在第一阶段，当政府财政支出比例p≤7.79%的时候，财政支出对绿色全要素生产率增长的影响力最大，影响系数为10.25。在第二阶段，7.79%＜政府财政支出比例（p值）≤11.19%时，政府财政支出对绿色全要素生产率GML指数的影响下降，影响系数由第一阶段的10.25降至7.12。在第三阶段，当（p值）政府财政支出比例＞11.19%时，政府财政支出对绿色全要素生产率GML指数的影响系数进一步减小至4.90。此外，能源消费结构、产业结构等因素均与绿色全要素生产率的增长呈正相关关系。

五、政策建议

（一）推进体制改革，打破区域要素流动壁垒

绿色全要素生产率对扬子江城市群的经济发展总体来说是有效率的，且绿色全要素生产率呈上升趋势。从单个市级行政单位来看，由于经济存在区域间差距导致部分城市财政支出较少，绿色全要素生产率的增长动力不足，区域各市的绿色发展不协调。需要进一步增加财政支出，加大城市间交通建设，缩小公共服务差距。以“去行政化”打破行政区间经济要素自由流动、资源配置的壁垒，促进区域各市间的合作。产业结构不合理的城市应加快产业结构的调整，以人才引进助力产业结构转型升级。具体做法就是要求各市区发挥区位资源优势和人才优势，以人才提升绿色全要素生产率。

（二）构建转移支付的财政制度

政府财政支出比例对扬子江城市群绿色全要素生产率的增长有积极影响，提高政府财政支出比例有利于社会生产效率的提高。将有限的财政资源用于扶持绿色产业、高新技术产业等兼顾经济效益与环境效益的产业有助于实现绿色经济的高质量发展。加大对地区环境污染的治理投资，减轻环境压力，鼓励企业使用清洁能源和开发降低污染排放量的新工艺，可以推动扬子江城市群经济的可持续健康发展。在产业发展面临生态破坏压力、主要行业产业相对过剩和总体经济增速放缓的大背景下，应该增加财政支出，通过绿色科技创新提高增长贡献率，加快研发传统产业绿色化改造的关键技术，深入实施绿色金融工程以此提升绿色金融服务实体经济的效率。要抛弃过去依靠资源投入和牺牲生态环境的经济增长方式，要更加重视高质量的经济发展，积极发展“两低一高”产业以推进区域经济与生态的协调发展。扬子江城市群城市间存在经济发展的异质性，财政支付能力各不相同。因此，要进一步深化财政体制改革，构建区域间的转移支付制度。

（三）推进产业体系向绿色发展转型

扬子江城市群区域间不同企业因技术水平、资源条件、环保政策执行力度导致环境被污染程度有所不同，在节能和排污指标消减量分配与协调上存在强烈的利益博弈和“搭便车”动机，这使得有效的政策在执行中大打折扣。提升产业结构绿色转型效率有必要针对这一难题，进行反思和借鉴国内外的经验和教训，寻求新思路、新办法。要以绿色经济发展为核心构建绿色产业体系，并以实现经济高质量增长为目标而充分利用现代技术手段增强科技创新对产业绿色结构转型的能力。要从经济角度出发解决提高环保政策效益的释放效益问题，建立在适合的环境资源承载能力上以最小资源环境代价去实现产业结构向绿色转型发展的目标。以生态环境与绿色经济协同发展为核心，区分区域环境资产的公共属性与经济属性，并依据扬子江城市群区域“生产—生活—生态”空间阈值和空间布局确定未来产业发展规划。

[1]Fare R, Grosskopf S, Norris M, etc. Productivity growth, technical progress and efficiency change in industrialized countries. The American Economist[J]. 1994（84）：66-83

[2]Hailu,Veeman T S.Environmentally sensitive productivity analysis of the Canadian pulpand paper industry，1959-1994:an input distance function approach[J]. Journal of Environmental Economics and Management，2000（40）：251-274

[3]Chung Y H.Fare R,Grosskopf S.Productivity and undesirable outputs a directional distance function approach[J]Journal of Environmental Economics and Management，1997（51）：229-240

[4]Tone k.A slacks-based measure of efficiency in date envelopment analysis [J].European Journal of operational Research，2001（3）：498-509

[5]张伟,吴文元.基于环境绩效的长三角都市圈全要素能源效率研究[J].经济研究,2011（10）：95-109.

[6]叶初升，惠利.农业财政支出对中国农业绿色生产率的影响[J].武汉大学学报，2016（3）：48-55.

[7]肖锐，陈池波.财政支持能提升农业绿色生产率吗?——基于农业化学品投入的实证分析[J].中南政法大学学报，2017（1）：18-24.

[8]张建伟.财政分权对绿色全要素生产率的影响[J].统计与决策，2019（17）：170-172.

[9]王燕，孙超.产业协调聚集对绿色全要素成产率的影响研究[J].经济纵横，2020（3）69-77.

[10]张国庆.高质量发展导向下产业结构优化对区域绿色全要素生产率的影响[J].经江西社会科学，2020（5）：63-71.

[11]吕琪睿.长江经济带绿色全要素效率评价及其影响因素研究[J].无锡商业技术学院学报，2020（3）：28-34.

[12]庄远，吴正.工业结构、空间溢出与绿色全要素生产率研究——以江苏为例[J].资源与产业，2020（4）：1-12.

[13]Pastor J T, Lovell C A K.A global Malmquist productivity index[J].Economics, 2005(88):266-271.

[14]Hansen, B. E. Threshold Effects in Non-Dynamic Panels: Estimation, Testing, and Inference[J].Journal of Econo- metrics, 1999（2）：345-368.

Research on Measurement and Decomposition of Green Total Factor Productivity of Yangtze River Urban Agglomeration

Li Genzhong，Zhou Rongrong

Based on the panel data of 8 cities in the Yangtze River urban agglomeration from 2010 to 2019, the GML index model and the SBM super-efficiency model are used to measure the green total factor productivity of the Yangtze River urban agglomeration. Based on this, the government fiscal expenditure and green total are tested. The results show that there is a threshold effect between government fiscal expenditure and the growth of green total factor productivity. Government fiscal expenditure promotes the growth of green total factor productivity, but this positive driving force gradually weakens as the proportion of government fiscal expenditure increases.

Yangtze River urban agglomeration; Green total factor productivity; SBM super-efficiency model; Regional coordination

2020-10-25

国家社科基金项目（16BJL056）；教育部人文社科规划项目（17YJA790101）；江苏省教育厅哲社基金项目（2020SJA0564）

李根忠（1977—），男，山东嘉祥人，三江学院法商学院讲师，博士研究生。

10.13685/j.cnki.abc. 000546

F299.27；X22

A

1671-9255（2021）01-0016-06