中国工业绿色全要素生产率特征要素及多元提升路径研究——基于fsQCA方法

曲小瑜, 赵子煊

(1.大连工业大学 管理学院,辽宁 大连 116034; 2.大连理工大学 经济管理学院,辽宁 大连 116024)

0 引言

党的十九大报告中明确指出，必须坚持质量第一、效益优先，以供给侧结构性改革为主线，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。当前，中国经济正在由高速增长阶段转向高质量发展阶段，需要以转变经济增长方式为核心推动高质量发展，这意味着必须从通过增加劳动、资本、自然资源投入实现的“粗放式增长”，转向通过提高绿色全要素生产率实现的“集约式增长”，形成绿色、生态、可持续发展的经济体系，促进经济高质量发展。工业作为实体经济的重要构成，是改善供给体系质量的关键，推动工业绿色高质量发展已经成为经济高质量发展的重中之重。2012～2021年，中国工业增加值由20.9万亿元增长到37.3万亿元，但消耗能源却接近70%，并排放出的二氧化硫接近80%、氮氧化物接近60%。这些都预示着中国工业必须踏上一条劳动生产率持续提升、资源能耗逐渐降低、污染排放不断减少的绿色工业化道路。本质上来说，这是一个绿色全要素生产率改善的过程。因此，准确识别促进工业绿色全要素生产率提升的特征要素及其作用机理，并根据这些特征要素构建相应的提升路径，已成为工业实现绿色高质量发展的重要任务。

1 研究文献综述

现有学者关于工业绿色全要素生产率影响因素的研究主要集中在环境规制、对外开放、技术进步、产权结构、能源结构、信息化程度等规制、技术、结构和社会因素方面。对于环境规制，学者们的研究结论并不统一。有学者指出适度的环境规制能够促使企业不得不引进和开发绿色技术、生产绿色产品和采取先进的经营模式，最终获得高于遵守环境规制所产生成本的利润，形成创新补偿效应，从而使绿色全要素生产率得到改善[1～5]，这种观点也符合“波特假说”。但也有学者提出相反观点，认为环境规制会使企业将原本用于研发和创新的部分资金去进行节能治污，阻碍企业技术进步和利润提高，从而不利于绿色全要素生产率的提高[6～9]。还有一部分学者认为环境规制和绿色全要素生产率之间没有显著关系[10]、二者之间的关系呈现倒“N”结构[11]、倒“U”结构[12]等。除了环境规制，对外开放水平也是学者们较为关注的影响因素之一，并且结论也并不统一。一些学者认为对外开放不利于我国工业绿色全要素生产率提升，原因是对外开放程度越高，会吸引越多的外资企业，导致本土工业企业被排挤和技术差距扩大等现象出现，从而使本土工业全要素生产率降低[13]。但也有学者认为对外开放可以将更加先进的绿色技术和管理模式引进到企业中，从而促进绿色全要素生产率的提升[14]。造成这些研究结论不同的原因可能是由于不同地区的工业除了在环境规制、对外开放水平上存在差异外，还存在其他影响因素显著不同的现象。例如，周五七等发现技术进步能够使经济增长效率、绿色转型效率显著提高[15,16]。陈超凡则强调产权结构和能源结构的作用，认为产权结构对工业绿色全要素生产率的影响主要是因为推动了工业发展的外向化和市场化，不合理的能源结构不利于绿色全要素生产率提升[17]。程中华等将信息化水平纳入到工业绿色增长的分析框架中，认为信息化是工业绿色增长的重要动力[18]。

综上所述，国内外学者已经对工业绿色全要素生产率的影响因素进行了大量探讨，规制因素、技术因素、结构因素、社会因素等已成为分析工业绿色全要素生产率提升机制的基本逻辑要素。然而，不同区域工业在这些因素上的差异，必然导致绿色全要素生产率提升路径的不同。虽然学者们认可工业绿色全要素生产率提升被多种因素共同影响的事实，但大多采用Tobit回归、广义矩估计等传统统计计量方法对这些因素的作用机理进行分析，从实证上检验部分因素与绿色全要素生产率的线性关系和相关性，没有探究各要素之间相互组合、相互配置对工业绿色全要素生产率提升的组态效应，难以解释不同区域工业绿色全要素生产率提升路径的差异性。基于此，本文运用模糊集定性比较分析(fsQCA)，整合规制、技术、结构、社会等多个层面要素，以中国30个省、自治区、直辖市为案例样本，试图分析多个层面要素之间的因果复杂性以及其不同组态与工业绿色全要素生产率提升之间的关系，探索区域工业绿色全要素生产率提升路径。

2 研究设计

2.1 研究方法

模糊集定性比较分析(fsQCA)是一种通过探究变量之间因果关系来揭示现象形成原因的定性比较分析方法[19]。具体步骤：第一步，根据研究目的确定结果变量和前因条件变量，并选择案例样本，样本数量为10～60较适宜[20]；第二步，对每一个案例样本进行数据收集并校准，构建真值表；第三步，对真值表进行模糊集分析，对每个条件变量的必要性进行检验之后，进行条件变量组态分析，用一致性来判断各个组态是否构成结果变量的充分必要条件，用覆盖度来衡量各个组态对结果变量的解释力。与传统统计计量方法相比，fsQCA方法的优势在于：第一，fsQCA能够揭示多个条件变量之间的组态效应影响结果变量的因果机制，本文关注规制、技术、结构、社会等层面多个条件变量交互形成的组态对工业绿色全要素生产率提升的影响，适合用fsQCA展开研究。而Tobit回归、广义矩估计等传统统计计量方法很难探究多个条件变量交互形成组态导致现象发生的复杂问题。第二，fsQCA能够揭示因果非对称性。本文的内在逻辑也是要探索某个条件变量在哪些情况下会对工业绿色全要素生产率提升产生正向效应，这些都可以依靠fsQCA来揭示。而传统统计计量方法往往只能处理对称关系。第三，fsQCA是一种基于模糊集合的方法，擅于揭示结果的充分与必要条件，能够很好地规避多重共线性问题所产生的负面影响。而传统的回归分析则需要对多重共线性问题进行严格地控制。第四，fsQCA认为引发结果产生的组态具有等效性，能够找出工业绿色全要素生产率提升的多条路径，而且这些路径对于工业绿色全要素生产率的提升可能具有等效的影响。而传统统计分析方法关注的是引发结果的最优解，往往无法识别引发同一结果的不同解。第五，fsQCA以布尔运算为基础，其结果稳健性仅与样本代表性有关而与样本量无关，擅长分析中小样本。本文以中国30个省、自治区、直辖市为样本，符合fsQCA中小样本量的要求。

2.2 变量设计和样本选择

结果变量和条件变量的确定是fsQCA分析中关键环节。本文将工业绿色全要素生产率作为唯一结果变量。借鉴刘英基[21]、岳鸿飞等[22]、周五七[23]的研究，以资本投入、劳动投入、能源投入作为投入指标，以规模以上工业企业主营业务收入为期望产出指标，工业三废排放量为非期望产出指标，基于Malmquist 指数原理得出工业绿色全要素生产率。较高的绿色全要素生产率需要平衡生产过程中各个层面的驱动因素，绿色全要素生产率提升是众多因素共同影响的结果。参考毕克新等[24]、马晓明等[25]的研究思路，本文从规制因素、技术因素、结构因素和社会因素4个维度提出前因条件变量。

(1)规制因素。环境规制作为工业企业行为外部制约因素，会对工业企业的收益、交易成本以及管理效率产生直接影响，进而引发绿色全要素生产率变动。制定和执行适宜的行政型、市场型等类型的环境规制来推动绿色全要素生产率提升已经成为当前中国经济绿色高质量发展的关键途径[18]。基于此，本文将环境规制分成行政型环境规制和市场型环境规制两个维度，并采用工业污染治理投资占工业增加值比重来衡量行政型环境规制，采用工业平均缴纳的排污费来衡量市场型环境规制。

(2)技术因素。根据Cobb-Dauglas生产函数，技术水平是影响一个系统生产效率提升的关键要素。同样，对于包含非期望产出的工业企业绿色全要素生产率来说，技术水平也会对其产生影响。通常来说，技术水平受到企业内部研发创新和外部技术引进两方面因素的影响。因此，本文将技术因素分为内部研发创新和外部技术引进两个维度。对于内部研发创新，从投入和产出角度来描述，分别采用工业企业人均研发投入和专利申请数来衡量。对于外部技术引进，采用对外直接投资存量来衡量。

(3)结构因素。不同的产权结构可能引起企业激励机制不同以及市场竞争机制变化，进而对资源配置、技术革新和绿色全要素生产率产生影响。不同的能源结构会引起企业环境污染治理成本和利润率不同，进而影响工业企业绿色全要素生产率。最后，资本和劳动力作为企业生产过程中基本的投入要素，二者之比即资本深化程度会对工业企业绿色全要素生产率产生直接影响。因此，本文将结构要素分为产权结构、能源结构和要素结构三个维度，并采用国有及国有控股企业主营业务收入与工业主营业务收入比重衡量产权结构，采用工业原煤消费量与工业能源消费总量比重衡量能源结构，采用资本与劳动力之比衡量要素结构。

(4)社会因素。较高的信息化程度会产生知识和技术溢出，从而降低企业交易和研发成本，促使企业不断重组和优化生产要素、生产工艺和流程，提高绿色技术水平、能源使用率及排污处理水平，从而使工业企业绿色全要素生产率有所改善。另外，城市化水平的提升能够促使资本、劳动力等生产要素聚集，有利于共享成本降低和投资需求增长，产生规模效益，从而带动工业企业绿色全要素生产率的提升。因此，本文选取信息化程度和城市化水平作为社会层面的因素。采用互联网普及率来衡量信息化程度，采用城镇人口数占总人口数比重来反映城市化水平。

为了保证地区分布和经济发展的代表性，本文选择中国30个省、自治区、直辖市(不含西藏和港澳台地区)工业企业作为案例样本。结果变量和条件变量取值所需数据收集于《中国统计年鉴》、《中国环境统计年》、《中国环境年鉴》和《中国工业统计年鉴》，且最终取值采用2016～2018年这三年数据的均值。

3 数据分析

3.1 数据校准

fsQCA方法基于集合论思想，通过识别条件变量与结果变量集合隶属，揭示变量间的复杂因果关系。因此，首先应在相关标准下对条件变量和结果变量进行校准并赋予其集合意义。参考现有研究，本文利用样本的上四分位数、下四分位数、上下四分位数的平均数确定集合的3个锚点(完全隶属、完全不隶属、中间点)，校准后各案例的集合隶属度介于布尔逻辑下的0-1之间。各变量的校准锚点如表1所示。

表1 各条件变量的锚点

3.2 数据分析

3.2.1 单个条件变量必要性分析

根据fsQCA的基本步骤，在组态分析之前应当对单个变量进行必要性分析，识别单个条件变量是否构成结果变量的必要条件。当条件与结果间的一致性程度分值大于0.9时，即可认为条件变量构成结果的必要条件。本文将变量模糊值导入fsQCA3.0软件进行必要性分析，结果如表2所示。各条件变量的一致性水平均小于0.9，表明单个条件变量对结果的解释能力较弱，不构成结果的必要条件。因此，本文对下表2中10个条件变量进行组态分析，探究对工业绿色全要素生产率产生重要影响的组态。

表2 案例单个条件变量必要性检验

3.2.2 组态分析

模糊集组态分析需要构建真值表，将模糊值转化为清晰值。本文借鉴Fiss[26]的建议，首先将案例频数阈值设置为1，过滤掉案例数小于1的组态。其次，将一致性阈值设置为0.8，真值表中组态分别编码为“1”或“0”。利用fsQCA 3.0软件中的标准分析对真值表进行计算得到简单解、中间解及复杂解。其中，复杂解仅包含案例频数大于特定阈值的组态，中间解在此基础上还包含具有理论或实践知识支撑的逻辑余项，简单解最为宽泛，包含大量反事实组态。由于中间解兼具合理性和灵活性，所以大部分应用fsQCA的研究根据中间解识别条件组态与结果变量的对应关系。基于此，本文将重点分析中间解包含的10条组态。

表3 条件变量的组态分析结果

3.2.3 核心和边缘条件归纳

参考杜运周[19]的观点，本文根据所得到的简单解和中间解，将条件变量进一步细分为核心条件和边缘条件。若条件变量仅在中间解中出现，则为边缘条件；若条件变量同时存在于中间解和简单解，则为核心条件。通过对比表3中简单解和中间解，得出产生高工业绿色全要素生产率的核心条件、边缘条件以及条件组态，结果如表4所示。

表4 产生高工业绿色全要素生产率的组态

3.2.4 结果分析

根据表4，前因条件变量的不同组合能够形成10条工业绿色全要素生产率提升路径，具体说明如下。

(1)互联网普及度和排污费均出现在大部分条件组态中，且为核心条件，说明市场型环境规制和信息化水平对工业绿色全要素生产率影响较大，提升工业绿色全要素生产率离不开高互联网普及度以及高排污费。较高的互联网普及度能够保证信息高速流通，降低企业研发和交易成本，为企业采用绿色生产技术创造良好条件。排污费的征收能够敦促企业采取绿色生产技术，提高资源利用效率，限制高污染企业流入，促进绿色生产发展。

(2)工业企业资产总计与平均用工人数之比表示各地区资本密集程度，其作为衡量生产要素结构的指标，在所有组态中均为边缘条件存在或者缺失，说明要素结构对工业绿色全要素生产率影响较小。以高投入为主要特征的资本密集型企业，特别是近年来在我国扩张迅猛的重化工业，在生产过程中往往对地区资源和环境造成较大破坏，因此提高地区工业企业资产总计与平均用工人数之比并不是提升工业绿色全要素生产率的有效途径。

(3)在10种组态中，缺失“工业污染治理投资占工业增加值比重”存在于7种组态，说明行政型环境规制对高工业绿色全要素生产率没有显著地正向促进作用。污染治理投资会额外增加企业生产成本，降低企业经营利润，不利于全要素生产率提高。另外，行政型环境规制主要依靠政府强制性命令，效果不如以激励为主的市场型环境规制，因此在工业生产过程中应尽量减少行政型环境规制的应用。

(4)“城镇人口占总人口比重”与“人均研发投入”均作为核心条件在5条组态中同时存在，“城镇人口占总人口比重”与“工业平均缴纳的排污费”分别作为核心条件缺失和核心条件在5条组态中同时出现，由于城镇人口占总人口比重即城市化水平是衡量区域经济发展程度的重要指标，表明人均研发投入水平是经济发达地区提升工业绿色全要素生产率的关键因素，而工业平均缴纳的排污费是经济欠发达地区提升工业绿色全要素生产率的关键因素。

(5)通过观察各组态的构成要素发现，表4中大部分组态的核心条件差异较大，仅P4和P5的核心条件相同，表明组态P4和P5具有典型性，故将这两个组态进行归纳合并。P4与P5均包括工业平均缴纳的排污费、工业企业专利申请数，人均研发投入等核心条件。与P5相比，P4弱化了工业污染治理投资对提升绿色全要素生产率的作用，说明其余8个前因条件变量均具备的地区即使工业污染治理投资相对较少，也可能具备较高的绿色全要素生产率。

4 结论及意义

4.1 研究结论

本文以中国30个省、自治区、直辖市为样本，运用fsQCA探讨规制因素、技术因素、结构因素、社会因素4个维度变量及其组合对工业绿色全要素生产率的影响，得到以下结论：(1)4个维度中的单个条件变量均不构成工业绿色全要素生产率提升的必要条件，因此将4个维度的10个变量进行组态分析，发现产生高工业绿色全要素生产率的10条组态均构成结果变量的充分条件。(2)经济发展程度不同的地区应采取差异化措施来提升该地区的工业绿色全要素生产率。例如，经济发达地区可以通过采取增加工业企业研发投入、采用绿色生产技术等措施，在提高企业生产效率的同时减少对环境的破坏，从而提升工业全要素生产率；经济欠发达地区则可以通过采取扩大排污费的征收范围、提高排污费的征收标准等手段，敦促企业采用绿色生产技术，从而实现工业绿色全要素生产率的提升。(3)从本文得到的10条前因条件组态中可以看出，为提升我国工业绿色全要素生产率应着重提高地区信息化程度，强化市场型环境规制，限制行政型环境规制使用，而区域资本密集程度和行政型环境规制对工业绿色全要素生产率影响不大。此外，其余6个条件变量在组态中的存在与缺失均会对工业绿色全要素生产率提升产生影响。

4.2 理论贡献

(1)基于整体性组态视角，探究提升中国工业绿色全要素生产率的多重并发性因素。已有研究在探讨工业绿色全要素生产率的影响因素时，大多运用Tobit回归、广义矩估计等传统统计计量方法研究单个因素的净效应。中国工业绿色全要素生产率提升属于复杂系统，系统中各影响因素相互依赖，存在多重并发因果关系，传统统计计量方法并不适用。而fsQCA方法恰好擅长揭示多种因素共同作用于结果变量的多重并发机制。因此，本文采用fsQCA方法分析规制、技术、结构、社会等方面要素相互作用对中国工业绿色全要素生产率提升的影响，弥补了现有研究的不足。

(2)揭示复杂因果关系中前因条件组态等效性，发现了中国工业绿色全要素生产率多元提升路径。我国地域广阔，经济发展程度、资源禀赋、科技水平等因素在地区间分布不均衡，因此工业绿色全要素生产率提升路径也应存在地区差异，而传统统计计量方法往往聚焦均衡条件下的唯一最优解，对前因条件变量等效性问题关注不足并且无法有效识别组态中各因素的重要程度。本文运用fsQCA方法不仅厘清了多条提升中国工业绿色全要素生产率的路径，还识别出影响绿色全要素生产率提升的核心条件和边缘条件，有助于各地区根据实际情况，因地制宜提升工业绿色全要素生产率，促进工业绿色发展。

4.3 实践启示

(1)加强市场型环境规制措施的使用，减少行政型环境规制措施的使用，提升地区环境规制水平。政府部门应根据当地实际情况，制定合理的排污费征收标准、征收范围及征收对象，同时应加强对排污费征收的监管力度，倒逼企业采用绿色生产技术，提升绿色生产效率。

(2)提升企业内部研发创新和外部绿色技术引进水平，强化地区绿色技术创新能力。各地区应注重加大工业企业研发投入，为绿色技术研发提供必要的资金支持，同时奖励对促进企业绿色技术进步有突出贡献的员工，调动其绿色创新的积极性。此外，在开放式创新的背景下，企业可以利用购买专利，技术许可的方式引进先进绿色技术，增强绿色技术创新能力。

(3)完善地区产权结构、能源结构以及要素结构，优化地区工业生产结构。国有及国有控股企业具有规模经济优势和雄厚的资本积累，更容易采纳绿色生产方式并进一步提升生产效率，政府应将国有及国有控股企业作为提升该地区工业绿色全要素生产率的关键；以煤炭为主体的能源消费结构不仅消耗大量不可再生能源，而且会排放大量污染物质，政府部门应限制煤炭在工业生产过程中的使用；资本密集型企业的高生产率会抵消其对环境和资源的影响，各地区应根据实际情况对资本密集型企业进行适当引入，促进当地产业结构优化升级。

(4)提高地区信息化程度以及城市化水平，提升生产效益。各地政府部门应加快信息化基础设施建设，提高当地互联网普及率，促进信息高速流通。另外，各地区应推动生产要素向城市集聚，减少企业间沟通壁垒，增强规模效益。