金磚四國碳排放、FDI引進與TFP的關系

孟 曉，孔群喜，韓 霜

(南京財經大學產業發展研究院，南京210046)

一、引言

隨著全球氣候的變暖，溫室氣體特別是CO2濃度的增加日益引起國際社會的廣泛關注。如何科學理性地處理氣候變化問題，促進低碳型經濟的發展已成為當今世界共同的主題。2009年的哥本哈根氣候談判會議加深了各國對全球氣候問題的認識，并提出發展中國家應承擔更多的碳減排義務。金磚四國作為全球發展最快的發展中國家經濟體，其碳排放更是成為全球關注的焦點。2008年，中國、印度、巴西、俄羅斯的CO2排放分別占全球總量的21.92%、5.43%、1.23%和5.33%;聯合國氣候變化秘書處(U.N.Climate Change Secretariat)的統計數據顯示，2008年全球溫室氣體排放的前5位國家分別是中國、美國、印度、俄羅斯和日本，巴西處于全球碳排放的第17位和發展中國家的第6位，其中中國的CO2排放量已達到70.32億噸，超越美國成為全球第一大溫室氣體排放國。經濟增長無疑是影響碳排放的關鍵因素，而外商直接投資又是經濟增長背后強大的驅動因素，有關外商投資對碳排放影響的研究正日益成為人們研究的焦點。一方面，FDI引進帶來的技術溢出效應能夠減緩CO2的排放;另一方面，以低標準環境管制引進FDI又會導致一系列的環境問題，加劇碳排放的增加。金磚四國近些年逐漸成為世界跨國公司的投資熱土，各國吸引外商直接投資額(簡稱FDI，全文同)增長速度迅猛，2008年中國、印度、巴西、俄羅斯引進外資額分別為1 751.48億美元、434.06億美元、450.58億美元和750.02億美元，占全球利用外資總額的17.26%。因此，分析金磚四國的FDI引進對碳排放是否具有促進作用或者減緩作用具有重要的研究意義。另外，工業全要素生產率的提高和技術進步也對碳減排具有一定的促進作用，而FDI引進在技術進步中也正扮演著越來越重要的角色，并且工業全要素生產率常作為衡量技術水平的綜合指標，與FDI的溢出效應之間的相互影響一直存在較大的爭論。因此，本文研究金磚四國的碳排放與FDI引進和工業全要素生產率的關系具有重要的理論和現實意義。

二、相關研究綜述

一般認為碳排放與FDI引進之間具有顯著的關聯性，如果發展中國家實施較低的環境標準，那么外商投資通常會集中于高能耗產業，FDI的引進就會加劇碳排放，使發展中國家成為世界污染的集中地;而如果發展中國家的外資政策限制較高，要求FDI引進必須與先進技術掛鉤，那么FDI的技術溢出效應就有利于促進CO2的減排工作。國內外文獻已有很多關于對碳排放與FDI關系的研究，也產生不少爭議和討論，主要分為以下兩類:①認為發展中東道國吸引更多的外商投資會對生態環境產生多重效應，對碳排放有正的影響，即認為FDI引進會加劇環境污染。實證研究方面，國外眾多學者分析了FDI引進在一定程度上增加了發展中東道國的碳排放量［1－4］;國內的代迪爾和李子豪［5］在2011年基于中國2000～2009年的數據，實證表明中國引進FDI增加了碳排放量，同時也分析了FDI引進的技術效應為正，即FDI促進了技術進步。② Perkins和 Neumayer%［6］、Eskeland和Harrison［7］等國外學者的研究卻發現FDI引進對CO2減排有利，FDI對東道國碳排放效率的提高具有促進作用;國內學者宋德勇和易艷春［8］通過對我國1978～2008的時間序列數據進行回歸分析，得出FDI引進降低了CO2排放量，這是由于FDI的技術溢出效應帶來的。

自20世紀80年代Cary Jefferson等人引入有關全要素生產率問題的研究后，至今已涌現出眾多的研究成果，其中包括生產率的各種測算方法的分析研究，以及碳排放和全要素生產率的相關研究。鄭京海和胡鞍鋼［9］對中國各省的全要素生產率(TFP)及其分解變量進行測算，從技術進步和技術效率這兩個不同的方面考察了中國TFP的變化特征和趨勢。Chung et al.［10］在方向性距離函數(Directional Distance Function)的基礎上提出了Malmquist－Luenberger生產率指數，并測度了考慮CO2作為“壞”產出時的全要素生產率。Fare et al.［11］、LOCALREF［12］、Kumar［13］、王兵［14］等也運用ML指數研究了考慮碳排放因素下的全要素生產率與環境的問題。另外，魏巍賢、楊芳［15］對中國碳排放的影響因素進行實證分析，著重研究了技術引進對碳減排的貢獻。林伯強等［16］運用中國1978～2007年的時間序列數據分析了中國人均二氧化碳排放的影響因素，表明CO2排放量隨著技術水平的提高而遞減。

劉舜佳［17］運用數據包絡方法(DEA)和協整檢驗探討了中國全要素生產率和FDI引進之間的關系，認為它們之間存在雙向Granger因果關系。短期內FDI有助于全要素生產率的提高，但長期內這種作用有所減弱。類似的研究還包括張宇［18］、邱斌［19］等。趙國慶、張中元［20］把環境污染排放與FDI引進、全要素生產率共同考慮，實證分析了基于中國分行業的這三者之間的相互關系。

通過對國內外文獻的梳理，我們發現已有的研究通常將碳排放作為環境污染的一種，將其與其他污染共同作為環境污染的指標與FDI結合進行分析，以研究FDI引進對東道國環境的綜合影響，或者專門考察溫室氣體CO2受FDI流入的影響。而在全要素生產率的相關研究中，多數分析了環境管制下全要素生產率的變動或FDI對生產率變化的影響，以及技術進步與環境污染之間的相互影響。但是單獨將碳排放和FDI、全要素生產率三者聯系起來進行實證分析的研究并不多見。并且，相關研究中也很少以金磚四國為研究對象，大多只選擇一個國家——以中國為主體或將中國各省際之間進行比較分析，也存在印度、巴西等國家的相關研究，但還沒有研究能反應出金磚四國的碳排放、FDI引進和全要素生產率的關系以及它們之間的差異性。因此，本文將在以下幾個方面進行改進和擴展:①針對金磚四國進行分析研究，基于數據包絡分析的Malmquist指數和超效率DEA(super－efficiency)模型測算出四國的工業全要素生產率(TFP)和其分解變量技術進步指數和技術效率指數，并對傳統的完美效率值展開進一步的測算，以具體考察它們與碳排放和FDI之間的相互關系。這改善了鄭京海等人傳統DEA測度TFP的不足(從只計算有效率和無效率的決策單元變為對有效決策單元的進一步測算排序)。②對金磚四國的CO2排放、FDI引進和全要素生產率等幾個變量作為一個系統進行實證分析，考察它們之間的相互影響和因果關系，并體現了個體差異性，這擴展了趙國慶等人的樣本研究范圍(從中國各行業擴展為金磚四國的比較分析)，也深化了Acharyya、劉舜佳等人的研究內容(從簡單地考察CO2排放與FDI的關系或FDI與全要素生產率的關系擴展為考察CO2排放與FDI引進、TFP及其分解變量之間的協整關系)。③不同于傳統的回歸分析等方法，借助于現代面板協整分析方法，這與張宇、劉舜佳等有部分相似，但有別于已有的大部分實證研究。

本文將利用Malmquist指數測算出四國的工業全要素生產率指數(TFP)，并利用ADF單位根檢驗和基于VAR模型的Johansen協整檢驗及Grange因果檢驗等方法來探究“金磚四國”的碳排放、FDI引進和工業全要素生產率之間的長期均衡關系和短期相互影響，并給出政策建議。

三、金磚四國工業全要素生產率的測算

(一)全要素生產率測算方法選擇

為了考察金磚四國碳排放、FDI引進和工業全要素生產率變動之間的相互影響，我們首先需要對四國的工業全要素生產率進行測算。關于全要素生產率的測算方法，文章采用數據包絡分析方法中的基于可變規模報酬的BBC模型測算出金磚四國的Malmquist指數以及分解變量技術進步、技術效率指數，以了解全要素生產率增長的源泉;并運用超效率DEA模型對技術效率進一步測算，解決了傳統DEA中的效率損失問題和多個處于前沿面的DMU無法進一步比較的缺陷。

1.基于DEA的Malmquist指數

DEA是一種效率評價方法，以投入產出數據為基礎，通過測算決策單元(DMU)的生產曲面與最佳生產前沿面之間的距離來計算效率值，衡量其是否達到最有效投入或產出比率。基于DEA的Malmquist指數是利用距離函數(Distance Function)的比率來計算生產率指數，采用線性優化方法給出每個決策單元的邊界生產函數的估算，本文對其數學原理就不再詳細敘述。我們算出的Malmquist生產率指數變動值即作為工業全要素生產率(TFP)變動值。將Malmquist指數定為兩個時期的幾何平均，用Mn表示，表達式如下:

EC表示從t期到t+1期的相對技術效率的變化程度，即技術效率變動指數。EC＞1表示DMU在t+l期與t+l期前沿面的距離相對于在t期與t期的前沿面的距離較近，相對技術效率提高;EC=1表示技術效率不變;EC＜1表示技術效率下降。TC表示從t期到t+l期的技術生產邊界的推移程度，即技術變動指數。TC＞1表示技術進步;TC=1表示技術不變;TC＜1表示技術衰退。技術效率指數又可以分解為純技術效率變化指數(PE)和規模效率變化指數(SC)，則公式(1)可進一步分解為:

2.超效率DEA模型

超效率DEA是在DEA模型的基礎上，針對有效決策單元效率值的比較問題提出來的［21］。超效率DEA模型可以對有效前沿上的評價對象進一步測算評價。對于DEA有效的決策單元效率，超效率模型將其生產前沿面進行重新計算推移，最終計算出的效率值大于傳統CCR模型效率值;而對于DEA無效的決策單元，其生產的前沿面不會發生變化，評價結果與CCR模型一致。即超效率DEA模型能夠辨別出有效DEA決策單元之間的差異，并對所評價的決策單元進行有效的排序。

設模型中有n個決策單元DMU，每個決策單元都有m種輸入和r種輸出，θ決策單元的效率值。θ=1時，決策單元為DEA有效，θ＜1時，決策單元為DEA無效。超效率DEA的模型形式如下:

其中x和y分別為輸入變量和輸出變量，λ表示有效DMU的組合比例，并且∑λ＞1表明規模收益遞減，∑λ=1表明規模收益不變，∑λ＜1表示規模報酬遞增。si－為剩余變量，代表輸入超量;為松弛變量，代表輸出虧量。

(二)投入與產出變量的選擇與數據預處理

國內外學者對工業全要素生產率進行測算時，所選的投入產出指標并不盡一致，本文綜合對比了目前比較常見的選取方法，并考慮了金磚四國的數據可獲取性，最終構建了一個產出指標和兩個投入指標(即勞動L和資本K)。

1.產出指標Y:我們選取金磚四國的工業總產值作為產出指標，為消除價格因素的影響，我們采用世界銀行數據庫中(WDI online)2000年不變美元的工業總產值數據。

2.勞動投入L:考慮數據的可獲得性和準確性，本文采用金磚四國的各年就業人數作為勞動力投入變量。數據由世界銀行數據庫中各國的總人口數與年齡在15歲以上的就業率相乘算得。

3.資本存量K:由于相關統計資料中并沒有金磚四國資本存量的數據，需要我們進一步估算，這里采取國際上公認的永續盤法來進行計算。計算的基本公式為:

這種測算方法涉及三個主要變量:①基期資本存量K的確定，根據四國的不同情況分別確定;②每一年的投資額I，這里選擇固定資本形成額作為當期投資，并為了消除價格因素，都選取以2000年不變美元的固定資本形成額;③年折舊率δ，統一取 10.96%［22］。

其中對于中國的資本存量，為了避繁求簡，我們直接根據張軍、吳桂英和張吉鵬［23］計算出的以2000年當期價格的資本存量作為基期，再運用公式(3)遞推2000年之前和2000年之后的中國資本存量數據;對于印度的資本存量，根據現有研究，1980年印度的資本存量是當年 GDP的2.5倍［24，25］，然后再根據 1980 年印度以 2000 年不變美元的資本存量數據推算出1981～2008年的印度資本存量數據;巴西的資本存量是根據巴西國家統計局公布的資本存量增長率等有關數據算得;俄羅斯以2007年固定總資產作為基期資本存量進行推算。所需數據來源于世界銀行數據庫、金磚國家聯合統計手冊(2011)、《國際統計年鑒》等。

(三)金磚四國工業全要素生產率的測算

運用前文的方法和處理得到的數據，根據產出導向的可變規模報酬BCC模型和超效率DEA模型，我們使用DEAP2.1軟件和EMS軟件測算了金磚四國的工業全要素生產率的Malmquist指數、技術進步指數(TC)和技術效率指數(EC)。其中中國、印度和巴西的樣本區間為1981～2008，而因俄羅斯是二十世紀九十年代初自蘇聯解體而來，考慮前蘇聯的各項數據的準確性和統一性，我們選取俄羅斯的樣本區間為1991～2008。另外，由于DEA測算是相對于上一年的全要素生產率變動指數，是環比指數，因此我們將各指數轉化為累計指數，以金磚四國的工業全要素生產率的累計變動率作為下面模型檢驗的TFP指標。

四、金磚四國碳排放、FDI引進和全要素生產率的實證分析

(一)計量方法及變量選取

為了避免因非平穩時間序列直接進行回歸而產生的“偽回歸”現象，本文先采用ADF法來檢驗變量的平穩性。如果兩個或兩個以上的變量時間序列的單整階數相同，那么它們就滿足協整分析的基本條件，線性組合就可能構成平穩的時間序列，變量之間即存在協整關系，也稱為長期均衡關系。目前關于協整關系的檢驗包括EG兩步法和Johansen檢驗法。因為傳統的EG檢驗方法一般是基于線性回歸的殘差序列檢驗，通常它適用于單變量回歸模型的檢驗，而Johansen檢驗適用于多變量回歸模型的檢驗，因此本文選擇被廣泛使用的Johansen檢驗法來進行協整分析。但是，協整分析得到的結果只說明變量之間存在長期均衡關系，并不能說明它們之間一定存在因果關系。因此我們通過Granger因果檢驗來驗證各變量之間的因果關系。

本文選擇各國外商投資流入FDI占GDP的比重、工業全要素生產率TFP作為碳排放量的影響因素，其中全要素生產率的變動又源于技術效率和技術進步。文章后面會具體考慮其分解變量對碳排放的影響。首先建立模型:

其中CO2表示碳排放總量(kt)，FDI表示FDI占GDP的比重(%)，TFP表示工業全要素生產率的累計變動率，TC代表技術進步指數的累計變動率，EC是技術效率指數的累計變動率。為了盡量減少時間序列的非平穩性，對上式兩邊去自然對數，建立下述模型:

其中 i表示國家，i=1，2，3，4;系數 β1i和 β2i分別是FDI比重和TFP增長的變化彈性，εit為隨機擾動項。

(二)數據來源

金磚四國的CO2排放量、FDI占GDP的比重等指標數據來自世界銀行統計數據庫(World Development Indicators online，WDI)數據庫，各國的全要素生產率等指數由上一部分測得。

1981～2008年金磚四國的碳排放與其他各變量的增減趨勢差別較大。中國、印度和巴西的碳排放呈現出持續上升的趨勢，而俄羅斯的碳排放從1991年至1998年一直下降，隨后保持平穩緩慢增長;四國的FDI占GDP的比重波動比較大，我們無法看出它們和碳排放之間的顯著關系;而四國的TFP、EC累計變動都比較平緩，特別是俄羅斯增減趨勢不明顯;中國、印度和巴西的技術進步累計增長率(TC)變化趨勢逐年上升，與碳排放量的變化趨勢有一定的相似性。

(三)實證分析

1.單位根檢驗——ADF檢驗法

進行協整分析之前，必須對個變量的時間序列數據進行單位根檢驗，因為只有同階單整的變量之間才有可能存在協整關系。在這里本文采用ADF檢驗分別對金磚四國的個數據序列進行單位根檢驗，檢驗結果見表1。

由表1可知，四個國家各變量的時間序列檢驗結果都具有差異性，有的變量原始序列即是平穩的，有的原始序列非平穩而一階差分序列平穩，還有的變量時間序列二階單整。結果顯示，中國的碳排放、FDI引進的一階差分序列均至少在1%的顯著水平上拒絕了“存在單位根”的原假設，即一階差分序列是平穩的，但是TFP的累計變動則是二階平穩序列，說明它和碳排放一定不存在長期均衡關系;技術進步變動為一階單整序列，因而我們可以進一步討論中國碳排放、FDI引進與技術進步指數的協整關系。印度的碳排放時間序列為一階平穩，但是FDI與TFP的原始時間序列均是平穩的，即印度的碳排放與FDI引進、全要素生產率不存在長期均衡關系，而印度的技術進步變動和技術效率變動均是一階平穩序列，可以進一步分析碳排放與TC或者EC是否存在長期均衡關系，還可以判斷印度FDI引進與工業全要素生產率之間的協整關系。巴西的碳排放與FDI時間序列同為一階單整，它們之間可能存在協整關系;而工業全要素生產率和技術進步的原序列都是平穩的，則和碳排放一定不存在長期均衡關系。俄羅斯的碳排放、TFP變動、技術進步等原始序列均是平穩的;而FDI波動比較大，檢驗結果顯示其為一階平穩序列;因而俄羅斯的FDI引進和它們之間沒有長期均衡關系，而碳排放和工業全要素生產率之間可能存在協整關系。

表1 ADF單位根檢驗結果

通過以上分析，我們下面應把每個國家的各變量具體分析，對同階單整的各時間序列進行協整分析，判斷它們之間是否存在協整關系，即長期均衡關系。

2.Johansen協整檢驗

本文為了判斷同階單整的時間序列是否存在長期均衡關系，采用Johansen協整檢驗的特征根檢驗和跡檢驗方法來進行綜合檢驗。下表2統計了金磚四國的碳排放、FDI引進、工業全要素生產率等協整關系結果。下面分別寫出了金磚四國進行協整檢驗的各方程。

(1)對于中國，CO2、FDI、TC 之間可能存在協整關系，檢驗方程如下:

由檢驗結果(表2)可知，無論是最大特征根統計量還是跡統計量均不是很顯著，即中國的CO2、FDI與TC三者之間不存在長期均衡關系。進而我們對三個變量進一步分析兩兩之間的協整關系，其中測得中國的FDI與TC之間存在協整關系，檢驗方程:

表2 中國的Johansen協整檢驗結果

結果說明中國FDI引進和工業技術進步指數存在長期均衡關系，并且它們之間呈正相關關系，工業技術進步對 FDI貢獻的彈性系數為1.029882。協整方程為(括號里為估計系數的標準差):

(2)對于印度的數據，由于各變量的時間序列單整階數不同，我們只能將同階單整的序列數據分別進行兩兩協整檢驗，建立如下協整檢驗方程:

表3說明印度的碳排放CO2和工業技術效率存在長期均衡關系，其對碳排放量貢獻的彈性系數為－3.003035;印度FDI引進與全要素生產率TFP變動也存在長期均衡關系，且彈性系數為0.04764。協整方程分別如下:

(3)通過上單位根的檢驗結果可知，巴西的碳排放、FDI引進和技術效率EC可能存在長期均衡關系(參見表4)，協整檢驗方程:

表3 印度的Johansen協整檢驗結果

表4 巴西的Johansen協整檢驗結果

檢驗結果顯示巴西的碳排放與FDI引進、技術效率變動存在長期均衡關系，且碳排放與FDI引進呈正相關關系，與技術效率呈負相關關系，彈性系數分別為0.018445和－0.540086。協整方程為

(4)同樣的方法檢驗俄羅斯的碳排放和工業全要素生產率TFP之間是否存在協整關系，結果見表5。

表5 俄羅斯的Johansen協整檢驗結果

結果顯示，無論是最大特征根統計量還是跡統計量在1%的顯著水平上均較顯著，即俄羅斯的碳排放和工業全要素生產率存在長期均衡關系，協整方程為:

以上對四國協整檢驗的結果進行比較可知:只有中國的碳排放和FDI引進、全要素生產率變動等因素之間均不存在明顯的長期均衡關系;印度的碳排放與全要素生產率的分解變量技術效率變動(EC)存在長期均衡關系;巴西的碳排放同時受FDI引進和技術效率的長期影響;俄羅斯的碳排放與工業全要素生產率存在長期均衡關系。

3.Granger因果關系檢驗

上述協整檢驗結果只能說明各變量之間是否存在長期均衡關系，但是具有長期均衡關系的各變量并不能說明它們之間存在因果關系，需要進一步運用Granger因果檢驗來驗證，滯后期選擇1、2、3(這里只列出滯后期為2的結果)，見表6。

從表3可以看出:①短期內，雖然中國的碳排放和FDI引進、技術進步等沒有Granger因果關系，但是巴西的碳排放和FDI引進、技術效率均存在單向的Granger因果關系，印度的碳排放也與技術效率存在單向Granger因果關系，而俄羅斯的碳排放與工業全要素生產率存在雙向的Granger因果關系。②短期內中國的FDI引進和技術進步變化互為Granger因果關系;而印度FDI變化與TFP變化是單向Granger因果關系，即印度工業全要素生產率的變化是FDI變化的原因;巴西的FDI引進與技術效率變化存在單向的Granger因果關系;俄羅斯的FDI引進與其他變量均無因果關系。③長期觀察，除巴西的碳排放、FDI與技術效率之間的Granger因果關系不變之外，中國和印度的各變量之間均不存在Granger因果關系，而俄羅斯的碳排放和TFP之間也只存在單向的Granger因果關系。因此，金磚四國的FDI引進、工業全要素生產率等因素對各國碳排放的影響作用不盡相同，并且各國FDI引進與全要素生產率及其分解變量的相互關系雖有共同點但也有顯著差異。

五、結論與政策啟示

文章基于1981～2008年數據，通過對金磚四國的碳排放與FDI引進、工業全要素生產率及其分解變量的長期均衡關系和短期相互影響進行實證分析與比較，得出以下主要結論:

長期均衡關系方面，金磚四國的碳排放和其他變量之間的長期關系均不相同。除俄羅斯的碳排放量經歷了逐年下降后緩慢增長之外，其他三國的碳排量都在持續上升，其中中國是全球第一大CO2排放國。但是，中國的CO2排放和FDI引進、TFP變動不存在顯著的長期均衡關系，而巴西的碳排放與FDI引進呈正相關關系，這與巴西的實際國情與外資政策有關，巴西屬于資源大國，容易成為資源尋找型外資資本的追逐目標，且巴西吸引外資的政策在四國中最為自由寬松，成為許多高能耗高污染外資產業的污染避難所，因而巴西FDI流入的增加會在一定程度上加劇碳排放的增加。另外，巴西的碳排放和印度碳排放都與技術效率存在負相關關系，這表明從長期來看兩國的碳排放隨著工業技術效率下降而增加。俄羅斯的碳排放和TFP在負的長期均衡關系，意味著俄羅斯的碳排放會隨著工業全要素生產率的提高而降低，即工業技術進步和技術效率變動的綜合作用影響俄羅斯的碳排放。

從Granger因果關系上來看，短期內中國的FDI引進和技術進步之間具有顯著影響作用，并且互為Granger因果關系，這是由于FDI流入時不僅帶來了資金還引入了技術，促進了中國工業生產技術的提高，而一個國家的技術進步和投資環境質量的提高又會吸引更多的FDI流入，不過這種因果關系在長期內會被弱化;印度FDI流入的增加在短期內會帶來工業全要素生產率的提高，這與印度吸引外資的特點和政策等有一定關系，印度政府對引進高技術特別重視，而且印度FDI引進最多的行業是技術密集型產業如通訊業、電子軟件等，這些產業所需要的資本密集程度相對較低而收益率較高［29］，因而外資對這些行業投資的增加有助于提高全要素生產率，且生產率的提高也進一步帶來FDI流入的增加，但長期來看印度TFP的提高不是FDI增加的Granger原因;而巴西的技術效率增加不管在短期還是長期都是吸引FDI增加的原因。

表6 Granger因果關系檢驗結果

基于以上對金磚四國的研究結果，對四國制定政策建議有如下啟示:

各國在制定碳排放控制政策和投資政策時，應充分考慮生產率提升、技術進步和技術效率對碳減排的貢獻以及FDI的溢出效應。首先，通過引進先進技術并進行消化學習吸收，有助于促進全要素生產率的提高、技術進步和技術效率的改進，還能發展低碳技術，實現碳排放的減少。這種政策措施對印度、巴西和俄羅斯都基本有效。其次，各國需要在吸引外資時注重高技術產業和先進服務業的FDI流入，并適當限制資源尋找型的外商投資，尤其巴西和俄羅斯這種資源性大國在這一方面應該謹慎對待FDI流入的質量，改變把資源優勢作為引進FDI的主要競爭手段，充分利用FDI的技術溢出效應，提高各國的工業生產率和投資環境，以有效減少碳排放。

［1］Beata K，Smarzynska，Shang－Jin Wei.Pollution havens and foreign direct investment:Dirty Secret or Popular Myth?［R］.Washington:World Bank Policy Research Working Paper，2001.

［2］Grimes P，Kentor J.Exporting the Greenhouse:Foreign Capital Penetration and CO2Emissions 1980 － 1996［J］.Journal of World －Systems Research，2003，(9):26 －33.

［3］Anderw K Jorgenson.Does Foreign Investment Harm the Air We Breathe and the Water We Drink［J］.Organization Environment，2007，(20):138 －150.

［4］Acharyya JFDI.Growth and the Environment:Evidence from Indian CO2Emission During the Last Two Decades［J］.Journal of Economic Development，2009，34(1):44 －57.

［5］代迪爾，李子豪.外商直接投資的碳排放效應:基于中國行業數據的研究［J］.國際金融與投資，2011，27(5):60－66.

［6］Perkins，Neumayer.Fostering Environment－ efficiency through Transnational Linkages?Trajectories of CO2 and SO2，1980 －2000［J］.Environment and Planning，2008，(40):2970 －2989.

［7］Eskeland G S，Harrison A E.Moving to Greener Pasture?Multinationals and the Pollution Haven Hypothesis［J］.Journal of Development Economics，2003，70(1):1 －23.

［8］宋德勇，易艷春.外商直接投資與中國碳排放［J］.中國人口·資源與環境，2011，12(1):49－52.

［9］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，2005，(1):264－296.

［10］Chung Y H，R Fare，SGrosskopf.Productivity and Undesirable Outputs:A Directional Distance Function Approach［J］.Journal of Environmental Management，1997，(51):78.

［11］Fare R，Grosskopf S，Margaritis D，Pasurk C A.Environmental Production Functions and Environmental Directional Distance Functions［J］.Energy，2007，(32):289.

［12］Sabuj Kumar Mandal.Do Undesirable Output and Environmental Regulation Matter in Energy Efficiency Analysis?Evidence from Indian Cenment Industry［J］.Energy Policy，2010，(5):117 －131.

［13］Kumar，S.Environmentally Sensitive Productivity Growth:A Global Analysis Using Malmquist－ Luenberger Index［J］.Ecological Economics，2006，(56):22 －23.

［14］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.

［15］魏巍賢，楊芳.技術進步對中國二氧化碳排放的影響［J］.統計研究，2010，(7):36－44.

［16］林伯強，蔣竺均.中國二氧化碳的環境庫茲涅茲曲線預測及影響因素分析［J］.管理世界，2009，(3):12－23.

［17］劉舜佳.國際貿易、FDI和中國全要素生產率下降:基于1952－2006年面板數據的DEA和協整檢驗［J］.數量經濟技術研究，2008，(11):28 －39.

［18］張宇.FDI與中國全要素生產率的變動:基于DEA和協整分析的實證檢驗［J］.世界經濟技術研究，2007，(5):14－21.

［19］邱斌，楊帥，辛培江.FDI技術溢出渠道與中國制造業生產率增長研究:基于面板數據的分析［J］.世界經濟，2008，(8):20－31.

［20］趙國慶，張中元.FDI溢出效應、環境污染與全要素增長率［J］.世界經濟，2010，(6):14－31.

［21］Andersen P，Petersen N C.A Procedure for Ranking Efficient Units in Data Envelopment Analysis［J］.Management Science，1993，(39):1261 －1264.

［22］單豪杰.中國資本存量K的再估算:1952－2006年［J］.數量經濟技術經濟研究，2008，(10):17－31.

［23］張軍，吳桂英，張吉鵬.中國省際物質資本存量估算:1952 －2000［J］.經濟研究，2004，(10):35 －44.

［24］邱詢旻，楊敏.環中國圈國家間對外貿易的TFP增長效應分析:基于中、日、印國家數據［J］.貴州財經學院學報，2010，(2):81 －87.

［25］尹翔，王英.中國和印度FDI與 GDP相關性比較分析［J］.南亞研究季刊，2006，(2):107－112.