環境約束下的中國制造業全要素生產率及其影響因素研究＊——基于經濟轉型期的經驗研究

袁天天，石 奇，劉玉飛

（1.南京財經大學 產業發展研究院，江蘇 南京 210003；2.南京財經大學 財政與稅務學院，江蘇 南京 210046）

目前，中國轉變經濟發展方式的重要一面，就是促使經濟增長由主要依靠資金和物質要素投入向依靠全要素生產率的帶動轉變。新古典經濟增長理論還認為，經濟長期可持續增長的唯一動力是全要素生產率的提高，因此，全要素生產率成為了國內外眾多專家研究經濟發展的重要工具。縱觀中國經濟的發展歷程不難發現，制造業已成為我國經濟發展的主導力量，但“高投入，高消耗，高排放”的發展方式制約了制造業部門的可持續發展，也直接影響著我國區域經濟增長的速度與質量。針對目前我國制造業有關效率的研究中所忽視的環境污染的影響，本文運用考慮了環境因素的Malmquist－Luenberger生產率指數，采用2001－2009年中國制造業31個兩位數行業的面板數據，基于能源經濟可持續發展的視角，實證研究了中國制造業全要素生產率及其變動的根源。本研究將經濟增長方式與環境因素聯系起來，對于探討資源環境雙重約束下中國制造業的可持續發展具有重要的理論及現實意義。

一、文獻綜述

20世紀80年代以來，國內涌現出眾多的有關生產率問題的研究成果，其中對制造業部門生產率的測算更是受到了格外的關注。通過對現有文獻的梳理發現，我國制造業生產率的早期研究多數側重于傳統生產率的測度，也就是忽略了各種環境污染對行業生產率的影響。這類研究可以歸納為以下四點：第一，在制造業總體層面探討我國制造業全要素生產率的變動及趨勢［1－3］；第二，從區域、企業或行業的微觀層面測算生產率水平并分析趨勢［4－6］；第三，深入分析中國制造業生產率變動的影響因素［7－9］；第四，探析我國經濟增長與制造業生產率的提升之間的關系［10－12］。上述研究存在的不足之處在于，在測算制造業全要素生產率時，主要側重于測算生產過程中的“好”產出，而沒有考慮生產過程中產生的諸如廢氣、廢水和固體廢物等之類的“壞”產出的影響。現實中，工業生產過程中所產生的各種“壞”產出會對社會環境產生負效應，從而給整個經濟帶來顯著的外部成本。因此，運用上述研究成果對現實經濟進行指導容易產生偏差和失誤。把環境污染因素看作具有負外部效應的“壞”產出，并同“好”產出一并引入到生產過程，還要追溯到Chung等人提出的方向性距離函數法（Directional Distance Function，簡稱DDF）［13］之后，運用該方法來分析環境污染在制造業生產過程中的制約作用可以顯得更為科學合理，并且能夠較好地解決“壞”產出的效率評價問題。基于此，一系列的評價方法又相繼被學者們構建出來。例如Malmquist－Luenberger生產率指數（簡稱ML生產率指數），它不僅具有Malmquist指數所具有的良好性質，而且其在考慮了“好”產出提高的同時，還要求“壞”產出的不斷減少。

近年來，隨著環境問題的日益突出，運用ML生產率指數實證分析全要素生產率的研究逐漸增多。Fare等人以美國制造業1974－1986年的數據為例，運用ML生產率指數法測算了其全要素生產率，研究結果表明，在考慮環境因素下所測算的全要素生產率年均增長速度要高于忽略環境因素時的測算值［14］。與此結論相類似，Yoruk和Zaim分別用考慮環境污染等“壞”產出的Malmquist－Luenberger生產率指數和不考慮環境污染等“壞”產出的Malmquist生產率指數分別測度并比較了經合組織（OECD）國家的生產率，研究發現前者的測算值要高于后者［15］。國內方面，王兵等運用ML生產率指數法測度了1980－2004年APEC 17個國家和地區包含CO2排放的全要素生產率，認為在引入環境管制之后，APEC國家的全要素生產率增長水平得到了提升，且從分解指標來看，技術進步是生產率水平提升的主要動力［16］。在此基礎上，田銀華等采用序列Malmquist－Luenberger指數法估算了1998－2008年中國各省環境約束下的全要素生產率，實證分析結果表明全要素生產率增長對我國經濟增長的貢獻不足10%，反映了我國經濟粗放增長的現實，同時他們也得到技術進步是我國全要素生產率增長的重要源泉，而技術效率則呈現出下降的態勢［17］。吳軍在全要素生產率（TFP）分析框架中加入環境影響因素，通過ML指數測度分析了基于環境約束的我國1998－2007年地區工業TFP增長及其分解，并檢驗了其收斂性［18］。陳詩一基于方向性距離函數對改革以來中國工業TFP進行了重新估算，發現正確考慮環境約束的實際TFP比傳統不（正確）考慮環境因素的估算值低了很多［19］。以上綜述表明，環境約束和環境規制被學者們更多地用來研究對全要素生產率的影響，而且這將使得所估算的全要素生產率更具有生產經濟學的含義［20］。

然而，由于選取樣本的差異，分析周期的差別，以及研究視角的不同等因素的影響，實證過程中即使運用相同的方法，最終得出的結論也難免會出現不一致的情況，這也使得后續的研究存在較大的探索空間。現有文獻為我們提供了很好的分析路徑，本文試圖從以下兩個方面進行深入拓展：首先，運用中國制造業2001－2009年31個兩位數行業的面板數據重新估計考慮環境因素影響情況下的全要素生產率及其分解，同時與在不考慮環境因素的情況下用傳統的Malmquist生產率指數測算結果進行比較；其次，注重考察資本深化、行業規模、科技投入和環境污染等現實因素對全要素生產率增長的影響。

二、數據和方法

（一）數據來源及處理

本研究選取的時間跨度是2001－2009年，各項指標數據均選自于相應年度的《中國統計年鑒》、《中國環境統計年鑒》和《中國工業經濟統計年鑒》。為確保《國民經濟行業分類標準》（2002）實施前后統計數據口徑的一致，本研究剔除了“工藝品及其他制造業”和“廢氣資源和廢舊材料回收加工業”兩個行業，即我們的研究對象是中國制造業31個兩位數行業。涉及到的變量有：工業總產值、工業SO2排放量、固定資產凈值年平均余額、全部從業人員人數和能源消耗，所有價值量數據都平減為2001年為基年的可比價序列。本文中所使用的投入產出變量定義如下：

1.產出指標。其一，“好”產出。對于產出變量指標的選擇，部分學者選用工業增加值，還有學者選用工業總產值，我們根據陳詩一［19］的作法，由于一般經濟增長方程中含有中間投入品性質的能源要素，為此將含有中間投入成本的工業總產值作為產出指標。其二，“壞”產出。“壞”產出表現為負的社會效應，是一種環境成本。對于如何全面科學地表達一國或者一個地區的環境污染水平，目前尚未有一個統一的標準。參照相關文獻的作法，本文選取工業SO2排放量來表征環境污染水平。

2.投入指標。資本和勞動為大量文獻所使用的傳統投入要素，我們在此選取固定資產凈值年平均余額和全部從業人員年平均人數分別作為資本和勞動力的投入指標。參考以往文獻的一致作法，本文中能源因素作為投入指標處置。本文采用各行業煤炭消耗量代表能源變量。因為，一方面煤炭消耗直接關系到SO2排放量；另外一方面煤炭資源是不可再生資源，其使用效率關系到能否真正意義上保護環境，節約資源。

為了分析比較環境因素對不同制造業行業的影響效果，本文將中國制造業分為輕、重工業兩個類別分別加以考慮。一般認為，與輕工業相比較而言，重工業的生產方式和高排放與高耗能更為相關。因此，本文按照2001－2009年中國制造業各行業能源消費總量的平均值由高到低的序列，將我國31個制造業行業劃分為高、低能耗兩個類別（其中高能耗組15個行業，低能耗組16個），并以此作為重、輕工業的代表。各組別制造業的投入產出指標的描述性統計量，見表1。

表1 制造業各投入產出指標的描述性統計量（2001－2009）

從表1中不難發現，就工業總產值、全部從業人員年平均人數兩項指標來看，重工業分別是輕工業的3.3倍和2.2倍，但是其余三項指標的行業差異卻十分顯著，其中，重工業類的固定資產凈值年平均余額是輕工業類的4.8倍，其能源消耗的平均水平是輕工業類的13.2倍，而二氧化硫排放量差異最大，倍數達到了34.9倍之多，重工業類遠遠高于輕工業類。這些數據表明，中國高投資、高能耗和高排放的發展方式并沒有帶來預期中工業總產值的高增長，這似乎表明重工業行業的生產率水平應該不是很高。此外，從標準差的數據來看，重工業類的各項指標的數值都遠遠高于輕工業類，尤以能源消耗和二氧化硫排放量為甚，前者分別是后者的24.4倍和70倍。基于這些統計數據，可以看出中國重工業行業的資本投入、能源消耗水平和二氧化硫排放量不但水平高，并且波幅變動也較大。

（二）研究方法

目前，估算全要素生產率的方法有指數法、索羅殘差法和前沿生產函數法三種。指數法以全要素生產率的基本定義為依據進行估算，例如Abramowitz提出了代數指數法（Arithmetic Index Number Approach，AIN），其基本思想是把全要素生產率表示為產出數量指數與所有投入要素加權指數的比率［21］。該類方法非常直觀地體現了全要素生產率的內涵，但對于不同的投入與產出指標，存在著指數公式的選擇問題。1957年索洛以生產函數形式給出了生產率測度的公式，第一次將技術進步因素納入到經濟增長模型中。他認為全要素生產率是指各要素如資本和勞動等投入之外的技術進步和能力實現等導致的產出增加，是剔除要素投入貢獻后所得到的殘差，這一概念即為后來被稱為的“索洛殘差”，之后索羅殘差法在生產率估算中開始流行開來。

根據索羅殘差法測算出來的全要素生產率，研究者和政策制定者可以分析各種要素對經濟增長的貢獻，識別經濟增長是效率型增長還是投入型增長，從而為制定和評價長期經濟政策提供基礎。但是運用索羅殘差法估算TFP也存在缺陷，它需首先確認投入指標的產出彈性，然后通過CD生產函數或者超越對數函數進行回歸，這就隱含假定了生產在技術上是充分有效的，從而忽略了全要素生產率增長的另一個重要組成部分——技術效率提升的影響。

前沿生產函數法較好地解決了這一問題，該方法又分隨機性和確定性前沿生產函數兩種。隨機性前沿生產數法需先驗假定效率隨時間的變化而變化，而且它無法同時模擬“好”產出和“壞”產出兩種情況并存的生產過程，只能擬合出單產出的生產過程，因此該方法對于本研究不適用。確定性前沿生產函數又分為兩種估計方法，即參數估計和非參數估計。參數估計法的特點是需要設定總量生產函數的形式，然后通過回歸分析估計相關參數，求得全要素生產率及其增長率。而非參數估計法的最大特點是無須對生產系統輸入輸出之間進行明確的生產函數表達式的假定，而采用線性規劃的方法求得生產率的相對變化。兩者中以非參數法更為常用，典型的就是數據包絡分析（Data Envelopment Analysis，簡稱 DEA）方法。DEA模型能夠避免參數化模型有可能產生的模型設定誤差和隨機干擾項正態分布假定不能滿足的缺陷；其次，該模型能同時模擬多產出、多投入的生產過程，對“好”產出和“壞”產出也能分別進行處理［24］。因此，綜上所述，本研究選用基于方向性距離函數的 Malmquist－Luenberger生產率指數法來測算環境約束下的中國制造業全要素生產率。關于ML生產率指數法的更多技術細節，可以參見 Chung等［13］。

三、實證分析

（一）基于環境約束的中國制造業全要素生產率變化分析

中國制造業31個行業各投入的產出變量的換算結果，見表2。

表2 基于ML模型的制造業各指標增長核算分析（2001－2009）

續表2

表2是中國制造業31個行業各投入產出變量的核算結果情況，其中 MIPL、MLECH、MLTCH分別為運用基于方向性距離函數的ML生產率指數法的所測量的全要素生產率、技術效率和規模效率結果，全要素生產率貢獻份額的計算方法參照吳延瑞［23］以及陳詩一［19］。

由表2可以看出，各行業的差異較為明顯，工業總產值的增長率由水的生產和供應業的9%到通信設備、計算機及其他電子設備制造業的29%不等；所估算的全要素生產率指數處于煙草加工業的0.937到通信設備、計算機及其他電子設備制造業的1.130之間；生產效率指數也在印刷業記錄媒介的復制行業的0.921到交通運輸設備制造業的1.053之間變動；而技術進步率則全部處于增長的狀態，從電力、熱力的生產和供應業的1.000 175（保留3位小數，表中值為1.000）到電通信設備、計算機及其他電子設備制造業的1.115不等。那些產出增長慢以及全要素生產率和技術進步不快甚至為負的行業基本上都是高能耗的勞動密集型的制造行業，如造紙及紙制品業、紡織業、家具制造業、木材加工及竹藤棕草制品業、文教體育用品制造業、印刷業記錄媒介的復制、紡織服裝鞋帽制造業、皮革毛皮羽毛（絨）及其制品業等，這說明對中國傳統勞動密集型制造業行業進行節能減排和升級轉型改造已十分必要。而工業總產值和全要素生產率增長以及技術進步率較快的行業都是輕工業和高新技術行業，例如通信設備計算機及其他電子設備制造業、電氣機械及器材制造業、交通運輸設備制造業、儀器儀表及文化辦公用機械制造業、通用設備制造業等之類的，從這也可以看出信息技術等高新技術行業在工業發展和產業轉型升級中的重要性。除了造紙及紙制品業、紡織業、家具制造業、木材加工及竹藤棕草制品業、文教體育用品制造業、印刷業記錄媒介的復制、紡織服裝鞋帽制造業、皮革毛皮羽絨及其制品業、煙草加工業這9個行業外，其余行業的全要素生產率增長均為正，且所有行業都處于技術進步的狀態，這又進一步說明了中國制造業生產率的提高主要是由技術進步而非生產效率引起。生產效率變化為正的行業主要集中于交通運輸設備制造業、通用設備制造業、化學纖維制造業、儀器儀表文化辦公用機械制造業、通信設備計算機及其他電子設備制造業、醫藥制造業、電氣機械及器材制造業等高新技術產業，同樣凸顯出高新技術行業在新型工業化進程中的重要性。此外，從各行業生產率的貢獻份額上也可以看出，沒有一個行業的生產率貢獻度超過50%，所有行業還是表現為要素驅動型的粗放型增長，貢獻度超過40%的行業有電氣機械及器材制造業、通信設備計算機及其他電子設備制造業和儀器儀表文化辦公用機械制造業；全要素生產率負增長的行業對產出的貢獻也為負，其中，煙草加工業的生產率貢獻度最低，達到－48.46%。從各投入指標的角度看，資本存量和能源消耗的平均增長率要明顯高于勞動就業的平均增長率，這表明在當下要素驅動型的工業增長模式中，資本和能源要素發揮了主要的作用。

（二）環境因素對中國制造業生產效率測度的影響

本部分通過測算沒有考慮環境因素和將環境污染作為“壞”產出情況下的全要素生產率指數及其分解，以檢驗環境因素對中國制造業生產效率的影響。見表3。

表3 兩種模型所測量的制造業全要素生產率、技術效率和技術進步指數的平均發展速度（2001－2009）

表3所示的即是兩種模型所估算得到的2001年以來我國制造業全行業的全要素生產率、技術效率指數和技術進步指數的平均發展速度，權重分別為各行業的工業增加值份額。

從表3估算結果可以看出，在正確考慮了SO2排放量和能源消耗的情況下，中國制造業全要素生產率年均增長4.49%，技術效率指數年均增長0.59%，技術進步指數年均提高3.83%。估算結果說明，“十五”以來，我國制造業環境全要素生產率所獲得的較大改善主要是歸功于技術進步而非技術效率的提高。事實上，在表3中由Malmquist生產率指數法所估算的全要素生產率和技術進步率的變化方向都變正為負，分別為－7.96%和－9.88%，都一致地小于 ML生產率指數法的對應結果；而Malmquist生產率指數法所測得的技術效率增長情況為2.57%，高于環境約束下所測得的0.59%的增長速率。由此，可以初步得出一個結論，即考慮環境管制后，中國制造業全要素生產率增長水平會得到提高，而且其技術進步和技術效率也會提高。

進一步地，為了檢驗使用ML生產率指數法所測度的全要素生產率、技術效率和技術進步指數是否在統計上顯著大于由Malmquist生產率指數法所測度的對應估算值，本文參照Kumar等人的方法進行了t統計量檢驗［24］。檢驗結果如表3所示，由Malmquist生產率指數法所測得的全要素生產率估計值在統計量上要顯著小于ML指數法的估算結果，同時，傳統方法估算的技術進步指數也要顯著小于ML指數法對應的估算值，二者都通過了1%水平下的顯著性檢驗，但是這兩個模型所測量的技術效率值并沒有顯著的差異。因此，在考慮環境管制后，所測得的全要素生產率要高于不考慮環境因素的估算值，且技術進步是其增長的源泉，但是生產效率的估算差異不顯著。本文的這一發現支持了Jeon和Sickles［25］、王兵等［16］、葉 祥 松 和 彭 良 燕［26］以 及 王 昆［27］的 結果。

四、基于環境約束的全要素生產率影響因素的計量分析

前文在環境約束的條件下，對中國制造業全要素生產率的變動進行了分析，這里將分析環境約束下全要素生產率變動的影響因素。到目前為止，理論界并沒有正式的理論作為確定影響生產率增長因素的依據，因此，本文的研究主要是在前人的研究基礎上加上自己的思考來確定這些因素的。考慮到通過ML指數法測得的生產率指數有一個最低界限值0，數據出現截斷，在此情況下用一般的線性回歸方法可能會得到負的擬合值，從而影響分析結果。因此，這里采用擅長處理限值因變量的Tobit模型，來檢驗生產率增長和影響其因素的關系，模型如下。

式中：MLPI表示經由ML生產率指數法所測算的制造業全要素生產率指數（被解釋變量）。為了考慮環境管制，解釋變量包括資本深化（ZBSH）、行業規模（HYGM）、研發投入（YFTR）和環境污染（HJWR）。綜合已有文獻，各解釋變量說明以及各因素對生產率所可能產生的影響見表4、表5。

表4 Tobit模型解釋變量說明

表5 各制造行業全要素生產率影響因素分析結果

從分析表5中的Tobit回歸結果，我們可以得出以下主要結論。

第一，資本深化對生產率的影響。資本深化對輕工業具有正向的促進作用，且其在5%的水平上顯著，這與張軍［28］、楊俊等［29］認為的過早的資本深化不利于生產率增長的研究結果相左。本文認為對于制造業輕工業行業來說，在其資本深化階段，企業通過加大投入，引入先進的生產技術，從而促進自身的技術進步和全要素生產率的提升。而本文同時得出，資本深化對重工業的影響不顯著，且具有負效應，這與我們的預期不一致。我們認為中國制造業的重工業行業大都屬于資本密集型產業，而該類產業傾向于重污染產業［30］，隨著資本－勞動比的上升，其對環境效率的負面影響抵消了技術進步所引致的全要素生產率的提高。因此，中國一方面要繼續堅定不移地走產業轉型升級的道路，另一方面，要大力發展先進制造業，以降低中國在工業化進程中對環境的負面影響。

第二，行業規模對生產率的影響。行業規模的擴大對提高輕、重工業生產率水平的影響方向不同。研究結果顯示，行業規模對輕工業的影響具有不顯著的負效應，說明中國輕工業行業在一定程度上存在著規模不經濟的問題。與之相反，行業規模對重工業行業具有正向的促進作用，且在10%水平上顯著。這一點與我們的預期相同，說明中國重工業行業規模的擴大有利于形成規模效益，進而在行業科技創新能力的提高和集約化使用投入要素等方面得到保證。

第三，研發投入對生產率的影響。結果顯示，研發投入的增加對我國輕、重工業的生產率均存在正向影響，雖然結果與我們的預期相同，但是其系數檢驗都不顯著。說明中國制造業行業研發投入的增加并沒有真正有效地促進技術進步，中國雖然是制造業大國，但制造業行業的增長嚴重依靠“高投入，高消耗，高排放”的粗放型增長方式，因此中國制造業需要進一步加強產學研合作，提高技術成果轉化率。

第四，環境污染對生產率的影響。與眾多研究結果以及本文的預期相同的是，環境污染不利于輕工業行業的生產率的提高，研究結果表明環境污染與輕工業生產率負相關，但系數檢驗不顯著。而與之相反的是，中國重工業行業的生產率水平隨著工業SO2排放量的增多而提高，這在一方面驗證了我國經濟發展方式存著“高投入，高消耗，高排放”的問題，另一方面也促使我們深刻認識到，如果不盡快轉變經濟增長方式，不把過高的資源消耗降下來，中國經濟雖然一時可以增長很快，但走不好，也走不遠。加快轉變增長方式，走科學發展之路，已成為我們內在的迫切要求。

五、結 論

在生產過程中，若不考慮環境管制問題，傳統的全要素生產率的測度方法會使得生產率增長的測算出現偏差。本文運用Malmquist－Luenberger生產率指數對2001－2009年間中國制造業31個兩位數行業在環境約束下的全要素生產率指標及其分解進行了估算，并比較了不考慮環境因素影響情形下的全要素生產率增長情況；其次運用Tobit模型研究了環境約束下全要素生產率的影響因素。綜合上述的研究成果，可以得出以下基本結論。

第一，總體來看，考慮環境因素的中國制造業全要素生產率各項指標都呈現出增長趨勢，其中全要素生產率年均增長4.49%，生產效率年均增長0.59%，年均技術進步率為3.83%。實證分析表明，對于產出增長率、全要素生產率和技術進步指數都不高甚至為負的行業大都是諸如造紙及紙制品業、紡織業等高能耗的勞動密集型的制造行業；而工業總產值和全要素生產率增長以及技術進步率較快的行業都是諸如通信設備計算機及其他電子設備制造業之類的高新技術行業，這表明了大力發展先進制造業在今后中國產業轉型升級中的重要性。

第二，相比較不考慮環境因素而言，在正確考慮環境管制的情形下，中國制造業全要素生產率會得到提高，而且對生產率的增長作出主要貢獻的還是技術進步而非生產效率的提高。

第三，表象上資本深化，行業規模擴大，研發投入增多，環境污染減少，會對我國制造業行業生產效率的提升起到很大的作用，但是本文的實證分析否定了這一觀點。通過將制造業進行輕、重工業的劃分，其Tobit回歸結果表明，資本深化對輕工業具有正向的促進作用，而對重工業的影響不顯著，且具有負效應；行業規模對輕工業的影響具有不顯著的負效應，對重工業行業具有顯著的正向的促進作用；研發投入的增加對我國輕、重工業的生產率均存在正向影響；值得警惕的是，中國重工業行業的生產率水平仍然隨著工業SO2排放量的增多而提高，說明中國依然未能擺脫“高投入，高消耗，高排放”的粗放型發展方式。

綜合來看，轉變經濟發展方式，加快產業轉型升級已是現階段提高我國可持續發展能力的必然要求。未來中國制造業的發展應擺脫以加工貿易為主導的制造業的發展道路，著眼于提高技術轉化成果，通過提升自主研發能力促進生產率的增長。與此同時，政府在制定發展戰略目標時，應充分考慮到不同行業的差異屬性，以降低萬元GDP能耗，提高能源使用效率為出發點，制定出切實可行的節能減排目標，實現社會經濟的可持續發展。

［1］顏鵬飛，王 兵.技術效率、技術進步與生產率增長：基于 DEA 的實證分析 ［J］.經 濟研究，2004（12）：55－65.

［2］方 虹，王紅霞.中國制造業技術變化實證研究［J］.統計研究，2008（4）：40－44.

［3］葉振宇，葉素云.要素價格與中國制造業技術效率［J］.中國工業經濟，2010（11）：47－57.

［4］鄭京海，胡鞍鋼.中國改革時期省際生產率增長變化的實證分析（1979－2001年）［J］.經濟學（季刊），2005（1）：264－296.

［5］涂正革，肖 耿.中國工業增長模式的轉變——大中型企業勞動生產率的非參數生產前沿動態分析［J］.管理世界，2006（10）：57－81.

［6］袁堂軍.中國企業全要素生產率水平研究［J］.經濟研究，2009（6）：52－64.

［7］魏 楚，沈滿洪.工業績效、技術效率及其影響因素——基于2004年浙江省經濟普查數據的實證分析［J］.數量經濟技術經濟研究，2008（7）：18－30.

［8］戴平生.我國省域工業全要素生產率變動及其影響因素的實證研究［J］.中國經濟問題，2009（3）：54－59.

［9］王麗麗，趙 勇.基于DEA的中國制造業效率評估［J］.山東大學學報：哲學社會科學版，2010（1）：32－39.

［10］易 綱，樊 綱，李 巖.關于中國經濟增長與全要素生產率的理論思考［J］.經濟研究，2003（8）：13－20.

［11］沈坤榮，趙 博.TFP、技術選擇與長三角地區的經濟增長［J］.江蘇社會科學，2006（4）：59－66.

［12］陳 娟.全要素生產率對中國經濟增長方式的實證研究［J］.數理統計與管理，2009（3）：277－286.

［13］Chung Y H，Fare R，Grosskopf S.Productivity and Undesirable Outputs：A Directional Distance Function Approach［J］.Journal of Environmental Management，1997（51）：229－240.

［14］Fare R，Grosskopf S，Shawna，Pasurka，Garl.Accounting for Air Pollution Emissions in Measureing State Manufacturing Productivity Growth［J］.Journal of Regional Science，2001（41）：381－409.

［15］Yoruk B，Zaim O.Productivity Growth in OECD Countries：A Comparison with Malmquist Indices［J］.Journal of Comparative Economics，2005（33）：401－420.

［16］王 兵，吳延瑞，顏鵬飛.環境管制與全要素生產率增長：APEC的實證研究［J］.經濟研究，2008（5）：19－32.

［17］田銀華，賀勝兵，胡石其.環境約束下地區全要素生產率增長的再估算：1998－2008［J］.中國工業經濟，2011（1）：47－57.

［18］吳 軍.環境約束下中國地區工業全要素生產率增長及收斂分析［J］.數量經濟技術經濟研究，2009（11）：17－27.

［19］陳詩一.中國的綠色工業革命：基于環境全要素生產率視角的解釋（1980－2008）［J］.經濟研究，2010（11）：21－58.

［20］胡鞍鋼，鄭京海，高宇寧等.考慮環境因素的省級技術效率排名——1999－2005［J］.經濟學季刊，2008（3）：933－960.

［21］Abramowitz，Moses.Resource and Output Trends in the United States Since 1870［J］.The American Economic Review，1956（5）：5－23.

［22］Zhou P，Ang B W，Poh K L.A Survey of Data Envelopment Analysis in Energy and Environmental Studies［J］.Journal of Operational Research，2008（1）：1－18.

［23］吳延瑞.生產率對中國經濟增長的貢獻：新的估計［J］.經濟學（季刊），2008（3）：827－843.

［24］Kumar Surender.Environmentally Sensitive Productivity Growth：A Global Analysis Using Malmquist－Luenberger Index［J］.Ecological Economics，2006（2）：280－293.

［25］Jeon Byung M，Robin C.Sickles.The Role of Environmental Factors in Growth Accounting［J］.Journal of Applied Econometrics，2004（5）：567－591.

［26］葉祥松，彭良燕.我國環境規制下的規制效率與全要素生產率研究：1999－2008［J］.財貿經濟，2011（2）：102－110.

［27］王 昆.環境管制下廣東省工業全要素生產率增長的實證分析［D］.廣州：暨南大學，2011.

［28］張 軍.資本形成、工業化與經濟增長：中國的轉軌特征［J］.經濟研究，2002（6）：3－13.

［29］楊 俊，邵漢華.環境約束下的中國工業增長狀況研究——基于 Malmquist－Luenberger指數的實證分析［J］.數量經濟技術經濟研究，2009（9）：64－78.

［30］涂正革.環境、資源與工業增長的協調性［J］.經濟研究，2008（2）：93－104.