中国省际绿色全要素生产率溢出效应研究

欧伟祥

（中国人民银行肇庆市中心支行，广东 肇庆 526060）

一、引言

围绕国家碳达峰、碳中和决策部署，全国上下掀起了绿色低碳高质量发展浪潮。2021年中央经济工作会议纠正了一些地方“一刀切”限电限产及“运动式”减碳，坚持立足国情，先立后破，全国“一盘棋”推进绿色低碳高质量发展。纠偏“一刀切”，坚持“一盘棋”，从经济学角度看，即基于各地在绿色低碳发展中的异质性，充分考虑合成谬误与分解谬误，系统推进“双碳”目标。其中，纠偏“一刀切”，重在防止出现分解谬误，避免把整体任务简单一分了之、层层加码，导致基层难以承受；坚持“一盘棋”，重在防止出现合成谬误，充分考虑各地基于异质性形成的绿色发展溢出效应，避免局部合理政策叠加后造成负面效应，努力实现“1+1>2”的协同发展效果。基于此，本文从省际视角实证分析绿色发展的异质性，在充分考虑各省份间绿色发展的溢出效应后，对统筹推进“双碳”目标提出相应建议。

二、文献综述

（一）关于绿色发展测算方法的研究

当前，全要素生产率（TFP）已经成为国内外学者评价经济增长质量的重要指标，而绿色全要素生产率（GTFP）对传统全要素生产率进行改进（余奕杉和卫平，2021），强调经济与环境协调发展的理念。在全要素生产率的测算方面，DEA模型被广泛运用于传统全要素生产率的测算研究（李伯棠等，2021）。随着环境约束被纳入全要素生产率模型，Färe et al.（1989）选取产出角度的方向性距离函数来测算绿色全要素生产率，将能源资源消耗产生的“非期望产出”纳入全要素生产率的DEA 测算框架中，但该方向距离函数有两个缺陷：一是没有充分考虑投入产出的变量松弛问题，即线性规划问题的小于等于约束条件中未被使用的资源，对此，Tone（2001）提出基于松弛测度的包含“非期望产出”的非径向SBM（Slacks-Based Measure）模型，将不等式约束变成等式约束。二是用方向距离函数测算效率时，需在某一时期决策单元保持技术水平不变的情况下进行测度。解决方法是通过Chung et al.（1997）提出的方向性距离函数Malmquist指数模型对其进行动态测算。

（二）关于绿色发展异质因素的研究

大部分学者参考国外研究，围绕环境规制、外商投资、人力资本、科技创新、产业结构等因素对绿色全要素生产率的影响展开分析（夏凉等，2021；李莎，2021）。本文紧密结合国情，提出影响省域绿色全要素生产率的两大因素：一是政府质效。我国环境政策需要由地方政府负责落实，随着节能减排的目标短期化，对生态环境的保护在各地考核中的权重逐渐增加（薄文广等，2018），绿色发展也被纳入多地发展规划。二是金融运行质效。部分研究证实金融质效有助于发展中国家对环境友好型项目投资而减少环境污染（Dogan & Seker，2016）。尤其绿色金融方面，丁攀等（2021）研究指出，绿色金融通过提高企业技术，推动产业结构优化，从而给经济可持续增长施加正向影响。但同时，Mohamed（2014）证实金融深化导致污染物排放增加，加剧环境恶化。Charfeddine & Khediri（2016）对阿拉伯联合酋长国的研究或能解释上述两个貌似相反的研究结论，其发现金融发展与二氧化碳排放之间为倒“U”型曲线关系，即碳排放伴随金融发展的深化呈现出先增加后降低的演变趋势。

（三）关于绿色发展溢出效应的研究

现有文献对绿色全要素生产率影响因素的溢出作用主要是基于地理位置进行研究分析，因为相邻地区距离较近，人口流动、经济和文化交流频繁（涂蕾，2018）。不考虑地域因素，任阳军等（2019）发现地区的经济发展水平具有正向溢出效应，即提升周边省份绿色全要素生产率，产业结构和能源消费结构则具有负向溢出效应，即抑制周边省份的绿色全要素生产率。孙振清和鲁思思（2020）的研究表明政府信息透明度对绿色全要素生产率产生溢出效应，提高政府信息透明度能促进中国绿色发展。

（四）本文创新点

综上所述，现有多数文献认为区域绿色发展只产生邻近经济集聚效应，因此基于地理因素对地区进行分类，从而评估我国不同区域的绿色经济发展水平。虽然中国国内大循环主体作用渐强、跨区绿色发展交流渐增，但是鲜有学者研究绿色发展的非邻近效应，如基于其他异质因素产生的跨区溢出效应。与上述文献相比，本文的创新之处主要体现在两个方面：一方面是从实证角度，摒弃地理位置这一外生变量，基于绿色发展的异质性，将各省份按政府质效与金融运行质效两个维度展开分类，研究相似质效地区绿色发展质量，从而优化我国经济增长质量的评估方式。另一方面是从实践角度，考虑各省份绿色发展异质性形成的空间溢出效应，研究影响区域绿色全要素生产率增长的机制，提出解决合成谬误与分解谬误、统筹推进绿色发展的针对性建议。

三、我国省际绿色全要素生产率的测算

（一）测算方法

本文构建非径向SBM-malaquist 模型，测算规模报酬可变情况下的绿色全要素生产率（GTFP）。在t期技术条件下，从t期到t+1期决策单元效率的变化值为Mt，在t+1 期技术条件下，从t期到t+1 期决策单元效率的变化值为Mt+1，详见公式（1）。其中Dt(xt,yt)表示决策单元在t时期的函数，Dt+1表示决策单元在t+1时期的函数，x、y分别为决策单元的投入要素与产出要素。当Malmquist 指数>1 时，说明决策单元效率有所提高；当Malmquist指数=1时，说明决策单元效率基本不变；当Malmquist指数<1时，说明决策单元效率有所下降。

（二）绿色全要素生产率测算

本文选取中国30 个省份（西藏及港澳台地区因数据缺失过多而不纳入模型分析）作为研究对象，测算各省份2011—2020年的绿色全要素生产率。基于文献研究和考虑数据可得性，设定以下投入指标和产出指标。

1.投入指标。除了基本的资本、劳动投入之外，本文参考部分学者的研究方法，将土地投入和能源投入纳入模型中。资本投入指标方面，囿于数据可得性，选择各省份年末固定资产投资完成额作为资本投入。劳动力投入指标方面，选取各省份第一、二和三产业从业人员总和作为劳动力总量。土地投入指标方面，选取各省份城市建成区面积作为已开发建设并可供社会利用的土地资源。能源投入方面，在国家层面和省级层面的相关研究中，多数学者选取“煤炭消费量”或“石油消耗量”衡量能源投入，但这些指标不能综合衡量能源总量，因此本文选择各省份能源消费总量数据。

2.产出指标。期望产出方面，选取各省份GDP表示，衡量地区经济增长效果。非期望产出方面，本文参考原毅军和谢荣辉（2015）的做法，选择各省份二氧化碳排放量来衡量非期望产出。

3.数据来源。各投入、产出指标中的数据来源于国家统计局官方网站、各省份的统计年鉴及中国碳排放数据库。对于少数省份的缺失值，本文运用插值法对其进行补充。

4.测算结果。本文利用软件Stata 15.1对各省份的数据进行汇总计算。由于该模型测算结果是绿色全要素生产率的增长率，而不是绿色全要素生产率本身，因此本文运用杜俊涛等（2017）的方法，假设2010年绿色全要素生产率均为1，依次计算各省份2011—2020 年绿色全要素生产率，全国绿色全要素增长率情况见表1。

表1 2011—2020年中国绿色全要素生产率

（三）省际绿色全要素生产率变化分析

1.中国实现绿色发展效率翻倍。根据表1可知，中国绿色全要素生产率从2011年的1.071增长至2020年的1.974，基本实现效率翻倍，年均增长7.04%，反映这十年间，中国虽然受到资源和环境约束，产出增长率仍然超过要素投入增长率，实现绿色发展效率的有效提升。其中，除2013 年和2018 年绿色发展效率出现轻微下降，其余年份都实现了不同程度的增长。

2.“十三五”期间绿色发展效率加快提升。十年间我国绿色发展效率呈现两个阶段发展态势。如图1 所示，在“十二五”期间，绿色全要素生产率平稳向上发展，但年均增速在5%以内。在“十三五”期间，2015 年中共中央政治局会议通过了《关于加快推进生态文明建设的意见》，正式把“坚持绿水青山就是金山银山”的理念写进中央文件；2017 年，十九大报告中指出，必须树立和践行绿水青山就是金山银山的理念，坚持节约资源和保护环境的基本国策。“十三五”期间，生态规划从主要污染物总量约束转变为环境质量指标约束，绿色全要素生产率年均增速超过10%。

图1 2011—2020年我国30个省份绿色TFP发展走势

四、基于异质性构建省际绿色全要素生产率分类框架

（一）构建异质指标体系

前述文献综述指出，政府质效和金融运行质效是影响我国绿色全要素生产率的重要因素，本文选取这两个维度构建指标体系。

1.指标选取及数据来源。在政府质效方面，本文参考现有研究，从政府效率、公平程度、公共物品供给、市场化程度等方面构建评价标准体系（姜琪，2016）。其中，采用地方公共财政收入与地方公共财政支出比值来衡量地方政府效率；通过城镇与农村居民可支配收入比值衡量地方政府公平程度；利用人均城市道路面积衡量地方政府公共物品供给；选择外商直接投资（FDI）占固定资产投资完成额比重衡量地区市场化程度。在金融运行质效方面，本文参考李健和卫平（2015）的研究，基于中介效率、信贷规模、动员储蓄能力和金融发展活跃程度四个方面衡量金融运行质效。其中，利用年末金融机构贷款余额与存款余额比值衡量地方金融中介效率；选择人均贷款衡量地区信贷规模；通过年末金融机构存款余额与地方GDP比值衡量地方动员储蓄能力；采用人均金融业增加值衡量地方金融发展活跃程度。

2.指标处理及权重确定。第一步判断各省份8个指标的综合水平。本文利用日期加权历史仿真法（BRW 模型）对2011—2020 年的样本数据进行处理，并根据年份赋予不同权重，处理过程如公式（2）所示。其中，i为年份，ω(i)为当年历史数据的权重，λ为经验值，λ越小，表示新数据的权重越大，旧数据的权重越小。基于现有文献研究，为不损失各年份的信息，本文将λ设为0.96。

第二步对各项指标进行标准化处理。在8 个指标中，除“城镇与农村居民可支配收入比值”指标为逆向化处理，其余7个指标均采用正向化处理。经过标准化处理后，8个指标都转化为介于0～1之间的数值，并且是正向度量政府质效和金融运行质效的相对值。

第三步评价各省份的政府质效和金融运行质效水平。为减少权重的主观性和指标之间的关联影响，本文采用Critic权重法来确定8个指标的权重。对比强度使用标准差衡量，如果样本数据的标准差越大说明波动越大，那么其权重就会越高；冲突性使用相关系数衡量，如果指标间的相关系数越大，说明冲突性越小，那么其权重就会越低。计算权重时，通过对比强度与冲突性指标相乘，并对结果进行归一化处理，得到各指标的权重。Critic权重法的处理过程如公式（3）所示，其中，σj是标准差，rij为同一体系内各个指标相互间的相关系数。指标体系和计算结果如表2所示。

表2 指标体系和权重构成

（二）中国省际绿色全要素生产率的异质性分类

根据30个省份政府质效和金融运行质效两个维度的各自综合得分，以两个维度指标的平均值作分界线，对30 个省份进行四象限划分。定义高于（低于）全国平均政府质效水平的省份为高（低）政府质效，高于（低于）全国平均金融运行质效水平的省份为高（低）金融运行质效，从而将30 个省份划分为高政府高金融运行质效（HH）、高政府低金融运行质效（HL）、低政府高金融运行质效（LH）、低政府低金融运行质效（LL）四个类别，具体分类见表3。

表3 四个类别包含的省份

（三）四类地区绿色全要素生产率的趋势分析

在进行异质性分类后，利用前文所述的非径向SBM-malaquist模型测算四个不同质效地区的绿色全要素生产率，结果如表4所示。

表4 2011—2020年四类地区绿色全要素生产率

1.高政府质效是提升绿色发展效率的决定性因素。2020年，无论金融运行质效如何，高政府质效地区均比低政府质效地区绿色发展效率高。如同处于高金融运行质效水平，HH地区2020年绿色全要素生产率达到2.06，比LH类地区高出0.18；同处于低金融运行质效水平，HL类地区2020年绿色全要素生产率达到2.00，比LL 地区高出0.03，反映高政府质效是提升绿色发展效率的决定性因素。进一步比较“十二五”与“十三五”时期数据发现，“十二五”期间由于国家对绿色发展的要求还不够清晰具体，地方政府质效的含“绿”量偏低，HL 地区的绿色发展水平低于低政府质效的LL地区。当中央明确地方绿色发展的战略目标，“十三五”时期地方政府质效的含“绿”量明显提高，HL地区奋起直追，“十三五”期间每年的绿色发展效率均高于LL地区。

2.金融因素是把“双刃剑”，在政府有效治理引导下有助于支持绿色发展。在低政府质效下，资本的逐利性忽略了环境效益的正外部性以及经济活动的环境风险，十年间各年份高金融运行质效的LH 地区绿色发展效率均低于低金融运行质效的LL 地区，在四类地区中绿色发展效率垫底。在高政府质效的约束引导下，尤其是“十三五”期间政府质效的含“绿”量提高，HH地区政府与金融相得益彰，绿色发展效率遥遥领先其他三类地区。

五、四类地区绿色发展效率的溢出效应分析

（一）测算方法

各省份绿色全要素生产率不仅受本地的政府、金融、技术等因素影响，还可能受其他省份的相关因素影响。本文选择构建空间杜宾模型，如公式（4）所示：

其中，y为绿色全要素生产率；W为已知的空间权重矩阵，λ为空间自回归系数，度量空间滞后Wy对y的影响；X为自变量数据矩阵，自变量包括x1、x2、x3、x4和a1、a2，其中x1、x2、x3、x4分别代表资本投入、劳动力投入、土地投入、能源投入，a1、a2分别代表政府质效及金融运行质效，β为相应系数；WXδ表示相邻自变量的影响，δ为相应的系数向量。

（二）全局溢出效应分析

空间杜宾模型引入直接效应、间接效应及总效应拆分溢出效应，其中直接效应表示的是某地区自变量对该地区因变量的影响程度；间接效应又称为空间溢出效应，用于度量某地区自变量对其他地区的因变量的影响；总效应为直接效应和间接效应的综合影响，可以解释为某地区自变量的变动对全国所有地区因变量的平均影响。对政府质效（a1）和金融运行质效（a2）的直接效应、间接效应和总效应的估计结果如表5显示。

表5 政府和金融质效影响绿色全要素生产率增长的效应分解

1.政府质效对其他地区和全部地区的绿色全要素生产率产生正向溢出效应。直接效应系数虽然为负（-0.3），但是不显著（P=0.642）；间接效应系数（1.842）和总效应系数（1.541）均显著为正，说明提高政府质效溢出会提高其他地区的绿色全要素生产率，进而提升全国绿色发展效率。因为某个地区政府质效的绿色转型，会对其他地区产生示范效应与竞争效应，激发其他地区提升含“绿”量以提升吸引力与竞争力。

2.金融运行质效对本地、其他地区和全部地区的绿色全要素生产率均产生正向溢出效应。金融运行质效对绿色全要素增长的直接效应系数显著为正（0.89），说明提高金融运行质效能有效提升本地绿色全要素生产率。间接效应系数为正（0.82），基本与直接效应持平，但影响力不及政府质效的间接效应（1.842）。总效应系数（1.72），大于直接效应和间接效应，甚至高于政府质效的总效应（1.541），说明从全局角度看，金融运行质效的溢出效应非常明显，能有效调动资源，推动本地及其他地区绿色发展。

（三）四类地区的溢出效应分析

进一步对高政府高金融质效（HH）地区、高政府低金融质效（HL）地区、低政府高金融质效（LH）地区、低政府低金融质效（LL）地区进行空间杜宾模型回归。首先以四类地区的政府质效（a1）和金融运行质效（a2）作为自变量进行一次空间杜宾模型回归，再对分指标进行第二次空间杜宾模型回归，并对以上两次回归结果进行溢出效应的分解，结果详见表6。

表6 四个地区空间杜宾模型回归结果

1.高政府高金融质效（HH）地区提升政府质效和金融运行质效有利于提升自身及其他地区绿色全要素生产率。HH 地区政府质效（0.262）与金融运行质效（0.000327）的直接效应都显著为正，且空间滞后项W*政府（0.066）、W*金融（0.000452）的间接溢出效应亦显著为正，反映继续提升该类地区的政府质效与金融运行质效能有效提升全局绿色发展效率。其中，政府质效方面，直接效应（0.262）远高于间接溢出效应（0.066）；金融运行质效方面，直接效应（0.000327）低于间接溢出效应（0.000452），说明在政府的有效治理引导下，HH地区的金融运行趋向于绿色化，基于资金逐利性，绿色金融外溢投向其他地区绿色项目，推动全国绿色发展。

2.高政府低金融质效（HL）和低政府高金融质效（LH）地区提升金融质效有利于提升自身及其他地区绿色全要素生产率。HL、LH地区政府质效的直接效应与间接溢出效应在模型统计意义上均不显著，因此不作分析；金融运行质效的直接效应（两地均为0.000239）与间接溢出效应（HL为0.000247，LH为0.000194）均显著为正。原因可能是十九大以来，金融系统自上而下积极践行“绿水青山就是金山银山”的理念，积极发展绿色金融，绿色信贷占比与增速成为各银行内部考核重要指标，金融运行质效加速绿色化，因此有效提升本地的金融运行质效，资金将更有效率地流向本地及其他地区绿色项目，推动全国绿色发展。

3.低政府低金融质效（LL）地区提升政府质效和金融运行质效有利于提升自身及其他地区绿色全要素生产率。与HH地区相似，LL地区政府质效（0.271）与金融运行质效（0.00019）的直接效应均显著为正，且空间滞后项W*政府（0.371）、W*金融（0.00019）的间接溢出效应亦显著为正，反映继续提升该类地区的政府质效与金融运行质效，使LL 地区发展成为HH 地区，能有效提升全局绿色发展效率。与HH 地区不同的是，LL地区在政府质效方面，直接效应（0.271）低于间接溢出效应（0.371），原因是过往LL 地区对环境保护的忽视，已跨省传染至其他省份，对其他地区形成较强的负外部性。若政府质效得到改善提升，增加含“绿”量，形成强力的正向溢出效应，将有力保障其他地区绿色发展。

六、结论与对策建议

（一）结论

本文采用SBM-malaquist 模型，测算中国四类不同政府质效和金融运行质效的经济区域的绿色全要素生产率，并通过空间杜宾模型研究政府质效和金融运行质效对本地区的直接影响及其他地区的溢出效应。结果表明：一是中国经济绿色高质量发展势头强劲，2020 年四类地区的绿色全要素生产率较2010 年均有所增长，尤其高政府高金融质效（HH）地区绿色全要素增长率提升最为明显。二是由于过往HH 地区对其他地区已形成正外部效应，LL 地区对其他地区已形成负外部效应，提升该两类地区的政府质效可产生较强溢出效应，支持全局绿色发展。三是十九大以来，金融系统在顶层设计上已引导金融资源加速“绿化”，当前各类地区提升金融运行质效都将裨益全局绿色发展。

（二）对策建议

从全局看，应继续大力发展绿色金融，提升金融服务的含“绿”量。金融运行质效对本地、其他地区和全国范围的绿色全要素生产率均产生正向溢出效应，建议进一步加强顶层设计，加强跨部委协同联动，完善绿色金融标准体系及考核激励约束机制，不断创新和丰富绿色金融产品，促进绿色金融“三大功能”与“五大支柱”的高质量建设。

分地区看，应充分考虑各地政府质效与金融运行质效绿色发展的异质性，以“扬长板、补短板、锻底板”的推进思路，统筹推动各地绿色发展。一是对HH地区，因其政府质效有较显著的溢出效应，在继续大力发展绿色金融的同时，应注重“扬长板”，继续提升政府质效的含“绿”量，在碳达峰、碳中和工作中发挥先锋模范作用，示范引领各地区绿色发展。二是对HL与LH 地区，其整体的溢出效应并不显著，应紧盯HH地区样板，积极“补短板”，迈向HH 水平。三是对LL地区，囿于其对其他地区形成较强的负外部性，在继续大力发展绿色金融的大背景下，当务之急应“锻底板”、设“红线”，保证政府质效不下降，在此基础上逐步提升政府质效的绿色水平，保障其他地区绿色发展无后顾之忧。