全球价值链嵌入与绿色全要素能源效率*——来自中国制造业的证据

□ 张弘媛 丁一兵

内容提要 本文基于2001～2014年中国17 个制造业的数据，从理论机制和实证研究层面探究了全球价值链双向嵌入对中国制造业绿色全要素能源效率的不同影响。研究发现: 第一，中国制造业基于后向参与的方式嵌入全球价值链，存在污染转移效应和低端锁定效应，会抑制绿色全要素能源效率的提升。第二，中国制造业基于前向参与的方式嵌入全球价值链，存在规模效率效应、技术进步效应、环境规制效应和生产转移效应，会对绿色全要素能源效率产生正U 型影响。第三，全球价值链嵌入对绿色全要素能源效率的影响具有行业异质性。本文的研究有助于中国制造业早日突破“低端锁定”的困局，有效提高中国制造业绿色全要素能源效率，最终实现经济发展和绿色环保的“双赢”。

一、引言与文献回顾

改革开放特别是加入WTO 以来，中国依靠丰富的劳动力和资源优势，逐渐嵌入到发达国家主导的全球价值链（Global Value Chain，GVC）分工体系中。中国实行的外向型经济发展方式取得了举世瞩目的“出口增长奇迹”，并以出口导向的加工贸易模式成为了“世界工厂”。然而，由于资源禀赋以及资源配置等客观条件的存在，发展中国家在嵌入以发达国家为主导的全球价值链分工体系时，尤其是在经济发展起始阶段，只能以加工装配环节“低端嵌入”的方式参与国际分工合作（高运胜等，2021），承接的更多是高污染、高能耗的生产任务（吕越和吕云龙，2019），发展是以巨大的能源消耗为代价的。随着中国工业化和城镇化进程的快速发展，能源消费大幅度增加（林卫斌和吴嘉仪，2021）。2020年，中国能源消费总量达到49.8亿吨标准煤，其中工业占比超过60%（史作廷，2021）。已有研究表明，中国制造业的能源消耗量已超过德国、英国、法国、西班牙和日本的总和，对节能减排产生了重大影响（Lin&Chen，2019）。

尽管能源为中国经济带来源源不断的发展动力，但大量的能源消耗也造成环境污染、能源安全等问题，制约经济社会绿色发展。能源效率提升是中国经济由高速增长阶段转向高质量发展阶段实现降能耗和绿色发展亟待攻克的重大问题之一（史丹和李少林，2020）。党的十九大报告明确强调，中国经济已由高速增长阶段转向高质量发展阶段，壮大节能环保产业，追求低碳的绿色经济发展方式，实现经济发展和绿色环保的“双赢”，是未来中国实现绿色发展的重要工作内容。2021年10月，在国务院召开的国家能源委员会会议上，李克强总理明确指出，要推动能源绿色低碳转型，提升能源安全保障能力。因此，为实现中国工业高质量、绿色可持续发展，必须从依赖高能耗、高排放的传统粗放型增长模式向更加注重质量和效益的低碳集约型增长模式转变（许冬兰等，2019）。

已有研究表明，提高能源效率除了可以节约能源、减少温室气体排放、降低空气污染外，还能够显著地节约水资源（张伟等，2016；冯烽，2018；Zhou et al.，2018；张志明等，2020）。那么，在全球价值链分工体系下，面对经济转向高质量发展新时代的现实背景（储德银和费冒盛，2021），中国制造业嵌入全球价值链能否提高绿色全要素能源效率从而实现节能环保目标？基于前向关联（本国中间品参与到其他国家生产中）和后向关联（本国进口其他国家的中间品进行再生产） 两种不同参与方式的影响效果是否一致？ 参与全球价值链对绿色全要素能源效率的具体影响机制是什么？ 该影响是否存在非线性和行业异质性？ 解决这些问题将对中国制造业从全球价值链嵌入视角提升全要素能源效率和实现节能环保发展目标提供理论支撑和政策支持，具有重要的理论与现实意义。

诸多实证研究分析了能源效率的影响因素。一些因素有助于能源效率的提升，例如，FDI 的进入（郑翔中和高越，2019）、排污权交易制度（史丹和李少林，2020）、贸易自由化（刘信恒，2022）等。熊广勤和石大千（2021）证实承接产业转移示范区能提高约12%的能源效率。林伯强等（2021）研究发现，环境规制通过倒逼技术创新和增加污染末端治理成本对工业能源效率产生正向影响。另一些因素会抑制能源效率的提升，例如，魏楚和郑新业（2017）发现市场分割通过影响技术效率、规模效率和配置效率抑制能源效率。张志明等（2020）研究发现亚太价值链嵌入降低了能源效率，其中后向嵌入的降低效果更为明显。此外，还有一些因素对能源效率的影响是变化的，例如，李颖（2019）发现较弱的环境规制强度不利于工业全要素能源效率的提升，但当环境规制强度提升并跨过“拐点”后，能够促进能源效率的提高。李宏兵等（2019）研究发现在低技术进步区间，本土市场规模对能源效率的促进作用会随着技术进步增加而逐渐降低，相反，在高技术进步区间，本土市场规模则会抑制能源效率的提高。

但鲜有文献从全球价值链的角度切入研究全球价值链嵌入对中国制造业绿色全要素能源效率的影响。相对于已有研究，本文的边际贡献体现在以下三个方面：第一，本文尝试将全球价值链嵌入与能源效率联系起来，补充关于“能源效率影响因素”研究领域的实证研究，证实全球价值链嵌入对绿色全要素能源效率的实质性影响。第二，本文从前向参与和后向参与两个不同角度，研究了全球价值链双向嵌入对中国制造业绿色全要素能源效率的不同影响机制，从而有助于帮助中国制造业理解过度参与后向联系的局限性。第三，为得到更丰富的研究结论，本文还考察了全球价值链嵌入影响中国制造业绿色全要素能源效率的行业异质性特征。

二、理论分析与研究假设

（一）后向参与GVC 分工对绿色全要素能源效率的抑制效应

基于后向关联的GVC 嵌入对绿色全要素能源效率的抑制效应主要体现在污染转移效应和低端锁定效应两个方面。

第一，污染转移效应，从跨国公司产业转移的动机出发，污染密集型企业倾向于从环境规制强的发达国家向环境标准较低的发展中国家转移，或者在发展中国家的生产环节中，通过采用较低的环境控制技术来节约成本。中国制造业以后向参与的方式嵌入全球价值链的生产分工体系时，更多地承担着加工组装等低技术、低附加值和高污染的低端生产环节，一度成为发达国家污染产业转移的目的地（许冬兰等，2019）。基于后向关联嵌入全球价值链会增加能源消耗和CO2的排放，从而抑制绿色全要素能源效率的提升，随着后向参与程度的加深，能源消耗进一步增加，抑制效应进一步增强，表现为环境非友好型。

第二，低端锁定效应，当中国制造业进入到产业升级阶段，试图建立自身的核心技术研发，并向价值链高端环节攀升时，又会受到发达国家垄断势力和其他既得利益者的控制，使得中国制造业被长期俘获在产品价值链的低端环节 （吕越和吕云龙，2019）。此时，高能耗产业转移承接国的地位被锁定，能源消耗和CO2排放量随之增长，最终阻碍绿色全要素能源效率的提升。尽管全球价值链嵌入可以通过进口资本品隐含的技术外溢等促进技术进步，包括环保技术的进步，从而提高生产效率并减少污染排放，提高绿色全要素能源效率。但是由于低端锁定效应的存在，发达国家在参与全球价值链分工时会严格控制核心技术的外溢，包括先进的清洁生产技术，从而使得中国工业行业的绿色减排效应远远小于低端对外贸易增长带来的负面效应（许冬兰等，2019）。

综上，中国制造业后向参与GVC 分工会对绿色全要素能源效率产生负向影响（见图1），最终使得绿色全要素能源效率降低。本文将上述现象称为“抑制效应”，并提出假设一：中国制造业基于后向参与的方式嵌入GVC 分工体系，会抑制绿色全要素能源效率的提升。

图1 全球价值链嵌入对绿色全要素能源效率的影响机制

（二）前向参与GVC 分工与绿色全要素能源效率的正U 型关系假说

当中国制造业处于生产扩张的初期，基于前向关联的GVC 参与程度较低时，一方面容易产生较高的能源和资源消耗，另一方面比较容易受到发达国家的封锁与限制，此时很难通过模仿学习和进一步创新带来技术进步效应，绿色全要素能源效率的提升会受到抑制。

随着中国制造业基于前向关联的GVC 嵌入程度不断加深，来自发达国家的封锁与限制效应逐渐减弱，绿色全要素能源效率提升的抑制效应不断递减，与此同时，深度嵌入所带来的规模效率效应、技术进步效应、环境规制效应以及生产转移效应会使得绿色全要素能源效率的促进效应增强。最终，基于前向联系的GVC 参与程度与绿色全要素能源效率之间会呈现正U 型非线性关系。

第一，规模效率效应。中国制造业基于前向关联参与全球价值链分工，通过出口中间产品进入全球市场开展合作与竞争，学习创新模式，优化资源配置，实现规模经济，此时平均成本会随着企业生产规模的扩大而下降，内嵌于成本的平均产出能源消耗也可能下降，能源效率提升（师博和任保平，2019）。

第二，技术进步效应，中国工业企业在前向参与全球价值链的过程中，出口的中间产品会与国际市场的同行业产品产生激烈竞争，此时提高技术水平是其生存之道，而技术创新可以减少中间能源消耗并缩短流程，进一步提升绿色全要素能源效率（李颖等，2019）。

第三，环境规制效应，发达国家对进口产品质量和绿色环保标准的要求较高，绿色贸易壁垒的存在会激励本国企业提高能源使用效率和环保投入，倒逼本土企业自主研发绿色生产技术和向集约生产模式转变，最终通过前向参与全球价值链实现环境污染的改善和绿色全要素能源效率的提高。

第四，生产转移效应，中国企业深度参与到基于前向关联的全球价值链分工中，可以将有限的资源集中于更有优势的核心增值领域，并将自身效率偏低的生产环节向外转移，此时减少了基于后向参与的高能耗生产环节，从而可以更好地获得专业化分工的利益，同时提高生产效率和绿色全要素能源效率。

综上，中国制造业前向参与GVC 会导致绿色全要素能源效率先降低后升高，表现为正U 型的非线性影响（见图1）。本文根据上述分析提出假设二： 中国制造业基于前向关联的方式嵌入GVC分工体系对绿色全要素能源效率的影响存在双重作用效果，即前向参与GVC 分工与绿色全要素能源效率之间存在正U 型非线性关系。

三、全球价值链嵌入程度与绿色全要素能源效率测算

（一）中国制造业GVC 嵌入程度测算

Wang et al.（2017） 基于全球价值链生产分解模型，从国家-部门层面的前向联系与后向联系两个视角切入，重新定义了全球价值链参与度指数。前向参与度指数和后向参与度指数的具体计算方法如下：

Wang et al.前向参与度指数：

Wang et al.后向参与度指数：

以上有关全球价值链参与度指数测算的原始数据均来源于WIOD 世界投入产出数据库。本文所使用的简单前向参与度、复杂前向参与度、简单后向参与度和复杂后向参与度指标的数据来源为UIBE GVC Index 数据库①。

（二）中国制造业绿色全要素能源效率测算

数据包络分析（DEA）是一种用来评估各个决策单元（DMU）的相对效率的非参数方法。传统的DEA 模型如CCR 模型和BCC 模型均未能考虑投入产出的松弛性问题，并且无法测算当有非期望产出存在时的效率值。Tone（2001）提出一种基于非径向和非角度进行效率测算的SBM 模型。与传统CCR 模型和BCC 模型相比，SBM 模型通过将松弛变量加入目标函数，解决了径向模型对无效率的测量没有包含松弛变量的问题。然而，SBM 模型也存在一定的局限性，即当多个DMU 的效率值都显示为1 时，SBM 模型无法对这些DMU 进行有效排序和评价。为解决上述问题，Tone（2002）进一步结合超效率DEA 模型和SBM 模型的优势，提出了超效率SBM 模型（SE-SBM-DEA 模型）。该模型允许DMU 效率值超过1，进而可以根据效率值的大小区分DMU 的有效顺序。本文的研究选择了基于非期望产出的超效率SBM-DEA 模型。其中，本文选取的三个投入指标，分别为资本投入、劳动投入和能源投入，期望产出和非期望产出分别为工业总产值和CO2排放量。本文应用MaxDEA7.0 软件中的超效率SBM 模型测算2001～2014年中国17 个制造业行业的绿色全要素能源效率值，具体数据如下：

1.资本。本文采用基于永续盘存法衡量的行业层面资本存量的对数值表示资本投入，公式为：Kit=Kit-1（1-δ）+Iit。其中，Kit表示第i 个行业在第t年的固定资本存量。Iit是第i 个行业在第t年的固定资产投资，由第t年和第（t-1）年固定资产原值的差额表示（陈诗一，2011），其后本文使用固定资产投资价格指数将其平减为以2001年为基期的不变价格固定资产投资。δ 表示固定资产折旧率，本文参考田友春（2016）的做法，将制造业行业折旧率设定为7.98%。对基期资本存量的估算，借鉴Hall &Jones（1999）的思想，Ki2001= Ii2001/（δ+g），其中g 是各行业2001～2014年固定资产投资的年均增长率。

2.劳动。本文的劳动力指标用各行业历年全部从业人员平均人数表示。

3.能源。本文的能源投入使用分行业能源消费总量（万吨标准煤）来衡量。

4.期望产出。本文使用规模以上工业企业的行业总产值来表示工业总产值。由于2012～2014年的统计年鉴中只报告了工业销售产值，缺失“工业总产值”，本文对数据进行统一口径处理②。其后，本文使用《中国统计年鉴》中分行业的工业生产者出厂价格指数将其平减为以2001年为基期的不变价格工业总产值。

5.非期望产出。参考刘自敏等（2020）的研究使用CO2排放量作为非期望产出。CO2排放总量可以使用能源消费导致的CO2排放量加总得到。本文参考陈诗一（2011）的方法，以煤炭、原油和天然气这三种一次能源为基准来核算各行业的CO2排放量。

根据2006年联合国政府间气候变化专门委员会（IPCC）的方法对各行业CO2排放量进行估算，结合本文选取的三种主要的化石燃料排放源，具体测算公式如下：

其中，Cj代表j 行业CO2排放量（单位：万吨），i=1、i=2、i=3 分别表示煤炭、原油和天然气，Eij代表j 行业三种一次能源的消费量③。NCV 为一次能源平均低位发热量，CEF 为IPCC（2006）碳排放系数，COF 代表碳氧化因子，相关数值均来自陈诗一（2011）。最终得到中国煤炭、原油和天然气的CO2排放系数估算量，见表1。需要指出的是，各种一次能源的消耗单位不统一，需要利用《中国能源统计年鉴》 中各类能源折算标准煤系数进行单位统一处理。

表1 CO2 排放估算系数

四、实证检验设计

（一）模型设定与变量说明

根据前文的理论分析，为检验GVC 双向嵌入程度对绿色全要素能源效率的影响，本文的计量模型设定如下：

其中，Super_SBMit表示行业i 在第t 时期的绿色全要素能源效率，f_GVC_wit表示全球价值链前向参与程度，f_GVC_wit2为全球价值链前向参与程度的平方项，b_GVC_wit表示全球价值链后向参与程度。Xit为控制变量集，包括： 外资参与度（FDI），本文用规模以上工业企业港澳台资本和外商资本总和占实收资本总额的比重来反映外资参与程度。国有经济比重（GX），用国有及控股工业企业总产值与规模以上工业企业总产值的比重来衡量。能源消费结构（ECS），用行业煤炭消费量占能源消费总量的比重表示。行业集中度（CON），用大中型工业企业销售产值与规模以上工业企业销售产值之比表示。研发投入（RD），用规模以上工业企业研发经费占规模以上工业企业销售产值的比重反映研发投入。能源价格（PRI），用燃料、动力类工业生产者购进价格指数定基指数来表示（以2001年为基期）。产业政策（GOV），本文对中央政府“十五”、“十一五”和“十二五”三个五年规划文件中重点鼓励和支持的行业，赋值为1，否则取0。要素禀赋结构（FACTOR），用资本劳动比④表示。μi和δt分别为行业固定效应和时间固定效应，εit为随机误差项。

（二）样本与数据

本文以2001～2014年中国制造业行业为研究对象，所使用的研究数据中全球价值链参与程度相关数据来自WIOD 数据库和UIBE GVC Index数据库； 绿色全要素能源效率数据中的资本和劳动相关数据来自 《中国工业统计年鉴》，能源和CO2相关数据来自《中国能源统计年鉴》，期望产出相关数据来自《中国工业统计年鉴》和《中国统计年鉴》；外资参与度、国有经济比重以及行业集中度相关数据来自《中国工业统计年鉴》；能源消费结构相关数据来自《中国能源统计年鉴》；研发投入相关数据来自《中国科技统计年鉴》；能源价格相关数据来自《中国统计年鉴》；产业政策相关数据来自中央政府“十五”、“十一五”和“十二五”三个五年规划文本； 要素禀赋结构相关数据来自《中国工业统计年鉴》。另外，本文使用《中国经济普查年鉴2004》补充了部分缺失的2004年数据。各变量的描述性统计见表2。

表2 描述性统计

此外，由于WIOD 在2016年发布的数据以国际标准行业分类ISIC Rev4.0 为标准与中国国民经济行业分类不能直接对应，因此本文需要对样本数据进行统一行业口径的处理。依据《国民经济行业分类（GB/T 4754-2002）》和ISIC Rev4.0 对两种不同分类标准的制造业行业进行对应匹配，最终得到合并后的17 个制造业行业⑤。

五、经验研究结果分析

（一）基准回归结果分析

本文首先对面板数据进行相关性分析与方差膨胀因子检验，检验结果显示变量间不存在多重共线性问题。其后，使用Stata 软件对面板数据模型进行了豪斯曼检验，检验结果的P 值为0.0000，拒绝优先随机效应的原假设，应该选择固定效应模型进行实证分析。表3 的列（1）-（6）逐步报告了全球价值链参与度对绿色全要素能源效率影响的基准回归结果，其中列（1）、（3）和（5）为只控制行业固定效应的结果，列（2）、（4）和（6）为进一步控制时间固定效应的回归结果。

表3 中列（1）和（2）为只考虑全球价值链后向参与度的回归结果，结果表明全球价值链后向参与度对绿色全要素能源效率有显著的负向影响，即中国制造业基于后向参与的方式嵌入全球价值链，会抑制绿色全要素能源效率的提升，符合前文假设一。表3 中列（3）和（4）为只考虑全球价值链前向参与度的回归结果，结果表明全球价值链前向参与度与绿色全要素能源效率之间存在正U 型非线性关系，说明中国制造业基于前向参与的方式嵌入全球价值链会导致绿色全要素能源效率先降低后升高，也就是说，中国制造业在参与全球价值链的初期，绿色全要素能源效率会有所下降，当中国制造业在全球价值链中的参与度逐步加深并跨过“拐点”后，继续嵌入能够提升绿色全要素能源效率，符合前文假设二。表3 中列（5）和（6）为同时纳入全球价值链前向参与度和后向参与度的回归结果，结果表明全球价值链后向参与度的系数为负，全球价值链前向参与度二次项的系数为正、一次项的系数为负，且三者都在1%的水平上显著，与前文结果一致，说明本文实证研究结果的稳健性。

根据列（6）的估计结果，得到拐点处的全球价值链前向参与度水平约为0.196，说明当全球价值链前向参与度低于0.196 时，提高全球价值链参与度会降低绿色全要素能源效率；当全球价值链前向参与度高于0.196 时，提高全球价值链参与度有助于绿色全要素能源效率的提高。全球价值链后向参与度对绿色全要素能源效率影响的系数为-1.816，说明全球价值链后向参与度每增加1个单位，绿色全要素能源效率平均会降低约1.816 个单位。借鉴朱丹和周守华（2018）的研究，由于本文主要研究全球价值链嵌入对中国制造业绿色全要素能源效率的影响，而控制变量的变动并不会影响曲线关系的形态，因此模型设定可以简化为Super_SBMit=β0+β1f_GVC_wit+β2f_GVC_wit2+β3b_GVC_wit，即Super_SBM=β0-6.575 f_GVC_w+16.787 f_GVC_w2-1.816b_GVC_w。

（二）内生性问题处理

为了处理可能存在的内生性问题，确保本文实证研究结论的稳健和可靠，在表4 中，我们进一步使用工具变量法（IV）和面板广义矩估计方法（GMM）对模型进行回归。表4 的列（1）-（3）为使用工具变量法的回归结果，列（4）-（6）为使用面板广义矩估计方法的回归结果。其中，列（1）和（4）为只考虑全球价值链后向参与度的回归结果，列（2）和（5）为只考虑全球价值链前向参与度的回归结果，列（3）和（6）为同时纳入全球价值链前向参与度和后向参与度的回归结果（下表同）。本文选择内生变量的一阶滞后项作为其自身的工具变量⑥。回归结果显示，中国制造业全球价值链嵌入对绿色全要素能源效率影响的回归结果与表3 基准回归的结论基本一致，说明本文的核心结论在考虑内生性后仍较为稳健。

表3 基准回归结果

表4 考虑内生性问题的回归结果

（三）行业异质性影响分析

考虑到高技术水平和中低技术水平的行业可能会存在异质效应，从而不同类型制造业嵌入全球价值链会对绿色全要素能源效率产生不同的影响。按照OECD（2011）的制造业技术分类标准⑦，本文将制造业分为中低技术行业和高技术行业两类，并做了进一步的行业异质性实证分析，回归结果如表5 所示。在表5 中我们同样考虑了内生性问题，使用面板广义矩估计方法对模型进行回归，结果表明，在对不同技术水平行业分组考察后，基于前向联系嵌入全球价值链对绿色全要素能源效率的作用出现了差别。

表5 的列（1）、（3）、（4）和（6）结果显示，中低技术行业和高技术行业基于后向联系嵌入全球价值链对绿色全要素能源效率有显著的负向影响，即中低技术行业和高技术行业基于后向参与的方式嵌入全球价值链，都会抑制绿色全要素能源效率的提升，与前文结论一致。列（2）、（3）、（5）和（6）结果显示，中低技术行业基于前向联系嵌入全球价值链对绿色全要素能源效率的影响不显著，而高技术行业的前向参与度二次项的系数为正、一次项的系数为负，且都具有统计显著性，说明高技术行业基于前向联系嵌入全球价值链会对绿色全要素能源效率产生正U 型影响。这可能是由于中低技术行业的技术水平较低，且大多集中在劳动密集型行业，一旦被锁定在价值链的低端环节不容易突破发达国家的封锁和限制，难以对绿色全要素能源效率产生促进影响。而高技术行业的技术水平较高，且大多集中在技术密集型行业，具有较强的研发实力和学习能力，比较容易通过前向深度嵌入全球价值链突破发达国家的封锁和限制、实现规模经济并减少内嵌于成本的平均产出能源消耗、促进环保技术的进步并向集约生产模式转变以及向外转移低效率和高能耗的生产环节，即高技术行业更容易通过规模效率效应、技术进步效应、环境规制效应以及生产转移效应提升绿色全要素能源效率。

表5 行业异质性检验

（四）稳健性检验

本文进一步替换了全球价值链参与度和绿色全要素能源效率指标进行稳健性检验。首先，我们对解释变量进行替换，表6 为使用Koopman et al.（2010）全球价值链参与度的回归结果。Koopman et al.构建的前向参与度和后向参与度的计算公式为：

其中，i 代表产业，r 代表国家，IVir是r 国i 产业间接国内增加值出口，即中间品出口中被直接进口国转口至第三国吸收的国内增加值。FVir是r国i 产业出口时包含的国外增加值。Eir是r 国i 产业总出口。

表6 的列（1）-（3）为使用工具变量法的回归结果，列（4）-（6）为使用面板广义矩估计方法的回归结果。在考虑内生性且对解释变量使用不同的度量方法后，本文的实证回归结果不变，说明本文的研究结论是稳健的。

表6 稳健性检验：更换全球价值链参与度变量

其次，我们对被解释变量进行替换，Tone &Tsutsui（2010）提出一种同时具有径向和非径向特征的EBM（Epsilon-Based Measure）模型。表7 为使用基于非期望产出的EBM 模型测算的绿色全要素能源效率的回归结果。此时，被解释变量的值在（0，1）之间且具有明显的范围限制，因此可以使用面板Tobit 方法将模型的左下限值设置为0，将右上限值设置为1。表7 的列（1）-（3）为使用固定效应模型（FE）的回归结果，列（4）-（6）为使用面板Tobi 方法的回归结果。在使用不同的方法测算绿色全要素能源效率后，本文的核心结论不变，再次说明了本文实证研究结论的稳健性。

表7 稳健性检验：更换绿色全要素能源效率变量

六、结论与启示

在现有文献的基础上，本文首先从理论层面分别分析基于前向关联的全球价值链嵌入和基于后向关联的全球价值链嵌入对中国制造业绿色全要素能源效率的不同影响；其次，基于Wang et al.（2017） 的生产分解模型并利用WIOD和UIBE GVC Index 的数据测算了各制造业行业的全球价值链参与度，以及使用DEA 方法测算了2001～2014年中国17 个制造业行业的绿色全要素能源效率值；最后，通过实证研究分析了全球价值链双向嵌入对中国制造业绿色全要素能源效率的影响，并进一步分析了高技术和中低技术行业对分析结果的异质性影响。研究结论如下：第一，中国制造业基于后向参与的方式嵌入GVC 分工体系，存在污染转移效应和低端锁定效应，会抑制绿色全要素能源效率的提升，全球价值链后向参与度每增加1 个单位，绿色全要素能源效率平均会降低约1.816 个单位。第二，中国制造业基于前向参与的方式嵌入GVC 分工体系对绿色全要素能源效率的影响存在双重作用效果，前向嵌入GVC 分工体系与绿色全要素能源效率之间呈现正U 型非线性关系。当全球价值链前向参与度低于0.196时，提高全球价值链参与度会降低绿色全要素能源效率，随着中国制造业前向参与GVC 分工程度的不断加深，发达国家的封锁与限制效应逐渐减弱，绿色全要素能源效率提升的抑制效应不断递减。与此同时，深度嵌入所带来的规模效率效应、技术进步效应、环境规制效应以及生产转移效应使得绿色全要素能源效率的促进效应不断增强，当全球价值链前向参与度高于0.196 时，提高全球价值链参与度有助于绿色全要素能源效率的提高。第三，全球价值链嵌入对中国制造业绿色全要素能源效率的影响存在着显著的行业异质性。

以上结论对于中国制造业在参与全球价值链过程中提升绿色全要素能源效率并实现节能环保目标具有重要的启示意义：首先，中国制造业应该更多地基于前向关联的方式参与全球价值链体系并着重提高前向参与能力和提升基于前向参与的全球价值链嵌入深度，最终提高中国制造业绿色全要素能源效率；其次，中国制造业在后向参与全球价值链的过程中，应该对污染较高的产业进行严格监控，防止陷入跨国公司全球布局的“俘获效应”之中（吕越和吕云龙，2019）；再次，中国制造业应该加强对绿色清洁技术的研发与应用，加快淘汰落后的污染生产技术，改变盲目扩张、高污染和高消耗的生产模式，向高效益、资源节约和污染减少的生产模式转变；最后，积极地持续推进“一带一路”倡议，以助于中国制造业早日突破“低端锁定”的困局，在与沿线国家共享经贸发展的同时实现绿色低碳和节能环保的发展理念，努力从依靠粗放型增长模式的发展转向依赖集约型增长模式的发展，最终有效地提高中国制造业的绿色全要素能源效率，实现经济发展和绿色环保的“双赢”。

注释：

①参见 UIBE GVC Index，http：//rigvc.uibe.edu.cn/english/D_E/database_database/index.htm

②数据处理参考程惠芳、陆嘉俊：《知识资本对工业企业全要素生产率影响的实证分析》，《经济研究》2014年第5 期。

③煤炭和原油的单位为万吨，天然气的单位为亿立方米。

④资本和劳动指标的具体说明见第三部分（二）中国制造业绿色全要素能源测算。

⑤17 个制造业为：1 食品、饮料和烟草业，2 纺织品、服装和皮革制品业，3 木材加工及草编制品业，4 纸及纸制品制造业，5 印刷和记录媒体的复制业，6 石油加工及炼焦业，7 化学原料及化学制品业，8 基础医药和制剂制造业，9橡胶和塑料制品业，10 非金属矿物制品业，11 基本金属制品业，12 金属制品业（除机械设备），13 计算机、电子产品和光学产品制造业，14 电气设备制造业，15 机械设备制造业，16 交通运输设备制造业，17 家具制造和其他制造业。

⑥本文选取全球价值链前向参与度变量和全球价值链后向参与度变量的一阶滞后项作为工具变量，同时Anderson LM 检验和Cragg-Donald Wald F 检验分别拒绝了工具变量识别不足和弱工具变量的原假设，说明本文设定的工具变量是较为合理的。

⑦高技术产业：化学原料及化学制品业，基础医药和制剂制造业，计算机、电子产品和光学产品制造业，电气设备制造业，机械设备制造业，交通运输设备制造业。中低技术产业：食品、饮料和烟草业，纺织品、服装和皮革制品业，木材加工及草编制品业，纸及纸制品制造业，印刷和记录媒体的复制业，石油加工及炼焦业，橡胶和塑料制品业，非金属矿物制品业，基本金属制品业，金属制品业（除机械设备），家具制造和其他制造业。