東亞地區的經濟增長、開放與碳排放效率

錢志權　楊來科

摘 要 經濟增長、貿易開放使東亞地區逐漸發展成為世界重要制造業基地和主要生產網絡，這對東亞各經濟體的碳排放效率產生了重要影響。本文運用MalmquistLuenberger指數方法測算了中國、日本、韓國、臺灣、香港和東盟1995至2012年間的碳排放效率，并運用面板數據模型對碳排放效率的影響因素進行實證檢驗。實證結果顯示，東亞地區碳排放效率有整體下降趨勢，各經濟體之間碳排放效率差異比較大，并且有進一步擴大的趨勢。垂直分工、零部件貿易、高排放產業是東亞生產網絡的主要特點，貿易開放和投資自由化使這一地區碳排放效率進一步惡化，而產業內貿易尤其是技術密集型產品的產業內貿易則有助于改善碳排放效率。中國政府必須采取相關政策措施防止碳排放效率惡化，促進低碳貿易模式實現。

關鍵詞 貿易開放 碳排放效率 環境庫茲涅茨效應 MalmquistLuenberger指數

一、 引 言

第二次世界大戰以后，日本利用戰后有利條件，承接了美國轉移的勞動密集型產業，率先實現了經濟起飛。此后，臺灣、香港、韓國、新加坡等亞洲“四小龍”和泰國、馬來西亞、印尼、中國等新興經濟體先后實現了經濟的高速增長，創造了所謂的“東亞奇跡”。與此同時，東亞各經濟體通過相互投資與貿易，區域內貿易聯系日益緊密，經濟開放程度不斷提高，東亞地區逐漸成為與北美自由貿易區、歐盟并重的世界三大生產網絡之一，形成了以機械、化工、鋼鐵、船舶、電子等能源密集型產業為主的生產網絡，成為名副其實的“世界工廠”。東亞地區經濟增長外向型特征十分鮮明，貿易是驅動經濟增長重要因素，為經濟增長做出了巨大貢獻。東亞各經濟體依次通過承接先發國家轉移的產業，發展出口導向型的經濟和貿易自由化，逐次實現經濟起飛。東亞地區這一增長模式被稱為“雁行模式”。但由于東亞生產網絡產業結構能源密集型的特點，“雁行模式”的背后帶來了嚴重的環境問題。

東亞各經濟經濟增長、貿易開放與二氧化碳排放有著密不可分的關系。“雁行模式”促使東亞各經濟體貿易自由化，進而對經濟增長和碳排放產生重要影響。經濟增長對于碳排放的影響倒U型的關系被稱為環境庫茲涅茨曲線（the Environmental Kuznets Curve， EKC）。在初期階段，隨著經濟增長的環境質量趨于惡化，到了一定的階段，隨著技術進步和環保意識增強，經濟增長有助于改善環境質量。貿易開放對于碳排放的影響則取決于“污染光環”（pollution halo）效應和“污染避難所”（pollution haven）效應的大小，前者指隨著貿易開放一國可以獲得更加清潔的技術從而降低碳排放量，后者則是隨著貿易開放各國為提升競爭力對環境質量向底線賽跑（Race-to-the-bottom）而導致污染產業向本國轉移。處于“雁行模式”模式的東亞各經濟體是否存在著環境庫茲涅茨曲線的情形，融入東亞生產網絡是否使東亞各經濟體成為高排放產業避難所，這對于東亞各經濟體調整增長模式、優化貿易結構具有重要的現實意義。

改革開放以后，中國開始融入東亞生產網絡，并逐漸上升成為重要成員；本世紀以來，中國加快了參與東亞生產網絡的步伐，日益發揮了出口平臺的作用。（唐海燕、張會清，2008）1978 年中國對東亞貿易量占對外貿易總量的比重僅為10.8%，2012年這一比重已升至37.3%，表明中國對東亞生產網絡參與度大幅度上升。隨著中國日益融入以高排放產業為主的東亞生產網絡，加劇了中國貿易結構碳排放強度高的特點，從而增加了中國二氧化碳排放。因此，從貿易部門的角度研究東亞地區二氧化碳排放的影響因素，對于中國經濟與貿易的轉型升級具有重要的意義。

二、 文獻綜述

近20年來，國內外學術界對于經濟增長、貿易開放與二氧化碳排放關系的研究已經非常密集。在經濟增長與碳排放關系方面，Grossman和Krueger（1991）研究表明，污染物與人均收入之間并不是簡單的線性關系，而是存在著倒U形關系。其后，Panayotou（1993）將環境污染與人均收入之間的這種倒U 形發展軌跡命名為“環境庫茲涅茲曲線”。Shafik （1994） 、Burke（2008）、吳振信（2012）、胡宗義（2013）、賈登勛和黃杰（2015）等多數實證研究支持倒U形EKC曲線的存在，但Moomaw和Unruh（1997）、Lantz和Feng（2006）認為倒U型關系不存在，Friedl和Getzner（2003）、何小鋼和張耀輝（2012）則提出了N型的環境庫茲涅茨曲線。在貿易開放與碳排放關系方面，Grossman和Krueger（1993）最早指出貿易開放對碳排放的影響取決于規模效應、結構效應和技術效應的大小。Kondo等人（1998）、Ghertner和Fripp（2007）、Yan和Yang（2011）等人的研究表明，國際貿易活動是碳排放的重要影響因素。Grimes和Kentor （2003）、Managi （2004）、Frankel和Rose（2005）、Takeda和Matsuura （2006）等人的研究表明貿易開放導致了二氧化碳排放的增加，但也有研究如Cole （2004）、李小平和盧現祥（2010）則發現貿易開放減少了二氧化碳的排放。

隨著國際生產網絡和產業內貿易的發展，產業內貿易對與碳排放的影響引起了國內外學者的重視。Dean和Lovely（2008）、丘兆逸（2012）等研究表明產業內貿易是碳排放的重要因素。張少華和陳浪南（2009）、汪麗和燕春蓉（2011）等研究表明產業內貿易有利于我國環境改善。而金雪軍（2008）、牛海霞和羅希晨（2009）則認為產業內貿易導致我國環境惡化。錢志權等（2014）認為東亞生產網絡特殊的生產分工及產業內貿易，提升了東亞地區的技術水平和能源利用效率，減少了中國的二氧化碳排放。還有一些學者研究產業結構、外商直接投資等其他因素對于碳排放影響。

從國內外的研究來看，學者們大多贊同經濟增長、貿易開放、產業內貿易等是二氧化碳排放的重要影響因素，但由于研究路徑和假設的差異，得出的結論往往非常不同，同時基于貿易部門細分行業產業內貿易及各行業不同的貿易模式對于二氧化碳排放的影響的研究，文獻較少涉及。從方法論角度看，隨著數據包絡方法（Data Envelope Analysis，DEA）在評估經濟活動的環境影響方面得到廣泛應用，碳排放效率日益成為研究者關注的一個重點。碳排放效率是指用較少的碳排放生產同樣數量合意的服務與產出，從碳排放效率角度出發探討東亞區內外不同的貿易模式對于二氧化碳排放的影響，將擴展相關文獻的研究結論。

三、 基于ML指數東亞地區碳排放效率測算

（一） 碳排放效率測算ML指數模型

本文的研究方法主要是基于數據包絡模型的ML指數。這一指數的前身是瑞典經濟學家Malmquist（1953）在分析消費過程中首次提出的Malmquist指數。之后，Caves等人（1982）將其用于生產效率的衡量。1997年，Chung等人（1997）通過數據包絡方法（DEA）將抽象的思想模型化，提出了環境生產效率測度的ML指數。

該模型首先假設對時期t，第k個經濟體的投入和產出為（xt，k，yt，k，bt，k），其中：xt，k為k地區t時期的投入；yt，k為合意產出，bt，k為非合意產出。ztk表示每一個橫截面觀測數值的權重，權重變量非負意味著生產技術規模報酬不變。式（1）中合意產出和投入變量的不等式約束表示合意產出和投入的強可處置性。非合意產出的約束意味著合意產出和非合意產出的聯合弱處置性。

D→t0（xt，k′，yt，k′，bt，k′）=maxβs.t.∑Kk=1ztkytkm（1+β）ytk′m，m=1，...，M；∑Kk=1ztkbtki=（1+β）btk′i，i=1，...，I；∑Kk=1ztkxtkn

SymbolcB@ （1+β）xtk′n，n=1，...，N；ztk0，k=1，...，K（1）

為了便于計算，引入基于產出的方向距離函數，方向向量為（g，-b）。如果方向距離函數的值為0，則表明該經濟體生產在生產可能集前沿，具有技術效率；否則表示技術無效率。在基于產出的方向性距離函數的基礎上，為衡量考慮了GDP產出的環境生產效率，Chung等（1997）還構造了基于產出的ML指數，從t期到t+1期的環境生產率指數為（2）。

MLt+1=[1+D→t0（xt，yt，bt；gt）][1+D→t0（xt+1，yt+1，bt+1；gt+1）]×[1+D→t+10（xt，yt，bt；gt）][1+D→t+10（xt+1，yt+1，bt+1；gt+1）]12（2）

ML指數代表了決策單位投入與產出的組合從t到t+1時期環境生產效率的變動情況。ML指數方法近年來常被用于碳排放效率的測算，如果ML指數比1大的值代表從t到t+1時期的一個正的碳排放效率的提升，反之，則意味著碳排放效率的下降。

為了將非合意產出納入到ML指數計算模型中，有以下方法可以選擇：（1） 完全忽略非合意產出。（2） 將非合意產出作為投入變量納入模型，在既定的碳排放和投入向量情況下，可以實現產出的最大化，同時約束碳排放量的增長，但是這與實際生產過程不相符合。（3） 將非合意產出進行遞減的單調變換，如取非合意產出的倒數、負數、或者用一個較大的變量減去非合意產出等。這些方法都可以在既定投入向量的情況下，實現合意產出和非合意產出的遞減的單調變換的最大化，也就是合意產出最大化和非合意產出的最小化，第三種方法可以保留非合意產出向量的凸性。本文選擇第三種方法，將非合意產出碳排放量的倒數作為產出向量納入到ML模型。

（二） 數據說明

我們借助數據包絡分析軟件DEA2.1，選取中國大陸、香港、臺灣省、日本、韓國、文萊、緬甸、新加坡、菲律賓、越南、泰國、印度尼西亞、馬來西亞等東亞主要經濟體作為研究對象，研究1994年至2012年各經濟體的碳排放效率。在投入向量中，本文考慮實物資本存量、人力資本增強型就業人數和能源消耗總量。在產出向量中則采用實際GDP和二氧化碳排放量。

2005年不變價格和匯率水平的實際GDP（Y）來自聯合國貿發會議（UNTCAD）數據庫。二氧化碳排放量（EM）來自美國能源信息管理局（EIA）數據庫。實物資本存量（K）：采取Barro和Lee（2010）的永續盤存法計算，各年份投資額來自世界銀行數據庫的總固定資本形成。以2005年的不變價格和匯率計算，全社會平均折舊率δt取0.06，1994年基期的資本存量根據K1994=I1994/（gt+δt）公式計算，g為各經濟體1989年至1994年總固定資本形成的增長速度的幾何平均值。柬埔寨、越南缺少1989年至1992年、1989—1993年的總固定資本形成數據，用1993至1997年、1994至1998年總固定資本形成的增長速度的幾何平均值作為替代，世界銀行缺少臺灣有關數據，本文運用《臺灣統計年鑒》中的相關數據對之進行了補充。人力資本增強型就業人數（H）：全社會就業人數來自UNTCAD數據庫，全社會平均受教育年限來自Barro和Lee（2010），我們依據平均幾何增長速度對其余年份數據進行了補充。能源消費總量（E）來自美國能源信息管理局（EIA）數據庫。

（三） 測算結果

根據上文方法運用DEA2.1軟件計算得出東亞地區碳排放效率。從東亞地區碳排放平均值可以看出，1995至2012年間，韓國、日本、新加坡等國的碳排放效率是整體提高的，而其余的發展中經濟體碳排放效率是年均下降的。對于這一計算結果，我們認為，韓國、日本、新加坡等國的碳排放效率提高是因為這些國家采用了先進的生產技術和管理。

從東亞地區碳排放效率整體情況看，僅有2000、2010等年少數年份碳排放效率與上年比有微幅提升，其余年份均呈下降狀態（見圖1）。東亞地區主要經濟體的碳排放效率的幾何平均值為0.9795，說明東亞地區在19年里碳排放效率是惡化的，年均下降2.05%，19年間累計下降約20%。這與東亞地區在這期間上升為全球主要碳排放的重點地區，碳排放量占全球碳排放量的三分之一這一事實是相吻合的。

在上世紀70年代以來，東亞地區逐漸形成了垂直專業化分工、零部件貿易為特點的生產網絡，全球一些高能耗產業也逐漸循著這一生產網絡在東亞地區擴散。東亞生產網絡的發展是否影響了東亞各國的碳排放效率？接下來，筆者將運用面板數據模型對此進行分析。

四、 碳排放效率影響因素分析

（一） 實證模型設定

我們運用數據包絡方法測算的結果是各國的整體碳排放效率，為了反映東亞貿易開放和區內貿易模式對碳排放效率的影響，我們需加入影響一國整體碳排放效率的影響因素作為控制變量。遵循文獻的一般做法，我們加入人均GDP及其平方項、產業結構、開放度、外商直接投資、產業內貿易指數等經濟活動和開放經濟指標作為控制變量，反映經濟活動的水平、經濟結構變化、投資貿易自由化其對于一國整體碳排放效率的影響；加入人均實際GDP的平方項代表環境庫茲涅茨效應，反映隨著收入的增長，碳排放效率先降后升的現象。綜上所述，面板數據模型如下：

其中：i=1，…，N，為截面單元；t=1，…T為時間期數；λ為時間效應；μ為個體效應。模型的被解釋變量碳排放效率指數ML則按前文計算所得，為了得到18年間二氧化碳排放效率累積變化，我們以1994年為參照期，按照MLt=∏tn=1MLn*100計算碳排放效率相對于基期的變化指數。lnPGDP為實際GDP；（lnPGDPit）2為環境庫茲涅茨效應；人均GDP為2005年不變價格物價和匯率；lnOPEN為開放度，為各國進出口貿易額與GDP比值；lnINT=ln{[1-∑ni=1Xi-Mi/∑ni=1（Xi+Mi）]*100}為產業內貿易指數，我們依據Grubel和Lloyd （1975）方法和UNCTAD數據庫中東亞各經濟體之間SITC Rev 3.0三分位下256種產品的相互貿易數據計算而得；lnSTR為各國第二產業與第三產業的相對規模，用第二產業與GDP的比值除以第三產業占GDP的比值。第二產業碳排放強度高于第三產業，因此，相對規模可以反映產業結構對于碳排放的影響。Zit為貿易結構向量，具體計算方法見下文。除人均GDP及其平方項外其他變量以100為單位。所有變量都經過對數處理，以降低模型的異方差性。上述變量除產業結構指數原始數據來自亞洲開發銀行（ADB）外，其余來自UNCTAD。各主要變量的描述性統計見表3。

為進一步考察東亞生產網絡獨特的貿易模式對碳排放效率的影響，我們加入了貿易結構向量Zit用以比較東亞各經濟對區內和世界其他地區（Rest of World， ROW）的產業內貿易和出口結構對碳排放效率的影響。在產業內貿易方面，考慮到東亞生產網絡垂直專業化分工、零部件貿易和產業結構重工業化的特點，我們挑選了SITC Rev 3.0三分位產品中能源密集產品lnINTEN、零部件lnINTPC、技術與知識密集型lnINTTK等三類產品產業內貿易，分別計算了東亞各國對區內和ROW這三類產品產業內貿易指數。在出口貿易結構方面，我們依據要素密集度和技術等級將SITC Rev 3.0三分位下256種出口貿易品劃分為資源密集型初級產品lnEXRI、勞動密集型低技術產品lnEXLL、中等技術產品lnEXMT以及高技術產品lnEXHT，分別計算了東亞各國對區內和ROW這四類產品出口的比重。

（二） 面板模型估計

我們對實證模型進行了估計，其結果見表5。在此基礎上我們又對有關數據進行了面板單位根檢驗。檢驗結果表明，所有的變量均為一階單整序列，即I（1）。Kao檢驗顯示各變量之間存在著長期協整關系，Hausmann檢驗顯示，應當建立固定效應模型。我們運用時間和個體雙固定效應模型對東亞各國碳排放效率、人均國內生產總值、環境庫茲涅茨效應、開放度、產業內貿易指數、產業結構以及外商直接投資等變量進行了回歸分析，絕大多數變量都通過了1%的顯著性檢驗，F統計量檢驗均通過1%的顯著性檢驗表明解釋變量對被解釋變量的聯合解釋能力較強。

注：***表示在1%顯著性水平顯著，**表示在5%顯著性水平顯著，*表示在10%顯著性水平顯著

模型（1）表明，在東亞經濟體內，人均GDP、開放度、產業結構、外商直接投資等變量與碳排放效率成負相關，環境庫茲涅茨曲線效應、產業內貿易與碳排放效率成正相關。上述系數表明，隨著東亞經濟體各成員的經濟增長，存在著環境庫茲涅茨曲線效應，碳排放效率與人均GDP存在著U型關系。在人均GDP較低時，人均GDP增長會惡化碳排放效率；當人均收入達到一定的門檻之后，隨著收入的增長，碳排放效率會得到改善。隨著貿易開放和各國投資的自由化，碳排放效率有惡化的趨勢，這在一定程度上證實了在東亞地區存在著“污染避難所”的效應。同時，東亞區域內的各經濟體的產業內貿易與碳排放效率總體上是正相關的，說明產業內貿易擴張能夠帶來碳排放效率的提升。

模型（2）、模型（3）顯示了東亞各經濟體對東亞區內和ROW不同產品產業內貿易對碳排放效率的影響。東亞地區之間的零部件貿易明顯惡化了區內的碳排放效率，而對區外零部件產業內貿易則影響不明顯，這表明隨著垂直專業化和零部件貿易為主要特點的東亞生產網絡的發展，該地區碳排放效率明顯惡化。東亞區內能源、技術與知識密集型產品產業內貿易對碳排放效率提升效果要顯著高于區外貿易，說明東亞地區存在著技術溢出效應，能源、技術與知識密集型產品的產業內貿易促進了低碳技術在區內的擴散，進而提升了東亞地區整體碳排放效率。

模型（4）、模型（5）則顯示了東亞各經濟體出口貿易結構變化對于碳排放效率的影響。實證模型表明，不論區內外，資源密集型初級產品、勞動密集型低技術產品出口比重的上升都有利于碳排放效率的提升，中級技術產品對于碳排放效率的影響不明顯。有趣的是，與世界其他地區不同的是，東亞區內高技術產品出口比重的上升卻顯著降低了各國碳排放效率。這或許是因為東亞生產網絡的產業結構有重工業化的特點，各國對東亞區內出口的高技術產品能源密集度高于世界其他地區。

五、 結論與對中國的政策啟示

本文運用數據包絡方法測算了東亞十三個主要經濟體碳排放效率，并對碳排放效率的影響因素進行實證檢驗。研究表明，東亞地區碳排放效率有整體下降趨勢，各經濟體之間碳排放效率差異較大且有擴大的趨勢。東亞各經濟體對區內與區外不同的貿易模式對二氧化碳排放有著十分不同的影響，融入以垂直分工、零部件貿易、高排放產業為主要特點的東亞生產網絡是碳排放效率惡化的重要原因，產業內貿易尤其是知識、技術、能源密集型產品的產業內貿易則有助于改善碳排放效率。

對于中國而言，中國處在城市化和工業快速增長時期，碳排放效率惡化在所難免，同時隨著中國在東亞地區發揮著生產組織和對外出口的平臺作用，加劇了碳排放效率長期惡化趨勢。中國應當采取積極措施，既有效利用東亞生產網絡的技術溢出，又避免參與高排放產業為主的國際分工所導致的碳排放增長。首先，應當審慎評估參與東亞生產網絡的環境影響，加強對區內高能耗的外來直接投資和貿易品出口的監管，加大國內環境規制力度，穩步推進開征能源稅、資源稅，降低高能耗出口貿易品在環境成本方面的比較優勢，緩解融入東亞生產網絡給減排帶來負面效應。其次，積極從區內發達經濟體引進節能減排技術，提高自身低碳技術水平和能力，改善國內碳排放效率。最后，應當積極調整能源依賴型出口貿易結構，控制低附加值、高排放的低端工業制成品出口過快增長，大力發展生產性服務貿易等高附加值、低排放的高端出口貿易。

參考文獻：

[1] Athukorala. Product Fragmentation and Trade Patterns in East Asia， Asian Economic Papers， MIT Press， 2005， 4（3）： 1-27

[2] Barro R. J.， Lee， J. W. A New Data Set of Educational Attainment in the World： 1950- 2010 [R]. NBER Working Paper， No. 15902， 2010.

[3] Caves， D. W.， Christensen L. R.，Diewert W. E. Multilateral Comparisons of Output， Input， and Productivity Using Superlative Index Numbers [J]. Economic Journal， 1982（92）： 73—86.

[4] Chen， T. L.， Lai， P. Y. A Comparative Study of Energy Utilization Efficiency between Taiwan and China [J]. Energy Policy， 2010， 38 （5）： 2386-2394.

[5] Chung， Y. H.， Fre， R.， Grosskopf， S. Productivity and Undesirable Outputs： A Directional Distance Function Approach [J]. Journal of Environmental Management， 1997， 51（3）： 229-240.

[6] Dean， J. M.， Lovely， M. E. Trade Growth， Production Fragmentation， and Chinas Environment [R]. NBER Working Papers No.13860， 2008

[7] Ghertner， D. A.， Fripp， M. Trading Away Damage： Quantifying Environmental Leakage Through Consumption-based， Life-cycle Analysis [J]. Ecological Economics， 2007， 63（2）： 563-577.

[8] Grimes， R.， Kentor， J. Exporting the Greenhouse： Foreign Capital Penetration and CO2 Emissions 1980-1996 [J]. Journal of World-Systems Research， 2003（2）： 261-275.

[9] Grossman， G. M.， Krueger， A. B. Environmental Impacts of the North American Free Trade Agreement [R]. NBER Working paper， No. 3914， 1991.

[10] Grubel， H. G.， Lloyd， P. J. Intra-industry Trade： the Theory and Measurement of International Trade in Differentiated Products [M]. London： Macmillan， 1975.

[11] Gutierrez L. On the Power of Panel Cointegration Tests： a Monte Carlo Comparison [J]. Economics Letters， 2003， 80（1）： 105-111.

[12] Lantz， V.， Feng， Q. Assessing Income， Population， and Technology Impacts on CO2 Emissions in Canada： Wheres the EKC？ [J]. Ecological Economics， 2006， 57（2）： 229-238.

[13] Landesmann， M. and R. Stehrer， Structural Patterns of East-West European Integration： Strong and Weak Gerschenkron Effects[R]，Hamburg Institute of International EconomicsFlowenla Discussion Paper， No.16，2003.

[14] Malmquist， S. Index Numbers and Indifference Surfaces [J]. Trabajos de Estadística， 1953， 4（2）： 209-242.

[15] Moomaw， W. R.， Unruh， G. C. Are Environmental Kuznets Curves Misleading Us？ The Case of CO2 Emissions [J]. Environment and Development Economics， 1997（2）： 451-463.

[16] Peneder， M.， Intangible Investment and Human Resources [J]. Journal of Evolutionary Economics， 2002， 12（1-2）： 107-134.

[17] Yan，Y. F.， Yang， L. K. Chinas Foreign Trade and Climate Change： A Case Study of CO2 Emissions [J]. Energy Policy， 2010（38）： 350-356.

[18] 何小鋼， 張耀輝. 中國工業碳排放影響因素與 CKC 重組效應——基于STIRPAT模型的分行業動態面板數據實證研究[J]. 中國工業經濟， 2012 （1）： 26-35.

[19] 金雪軍，盧佳，張學勇. 兩種典型貿易模式下的環境成本研究-基于浙、粵兩省數據的對比分析[J]. 國際貿易問題， 2008（1）： 48-54.

[20] 李小平，盧現祥. 國際貿易、污染產業轉移和中國工業CO2排放[J]. 經濟研究， 2010（1）： 15-26.

[21] 丘兆逸. 國際垂直專業化中污染工序轉移研究——以我國為例[J]. 國際貿易問題，2012（4）： 107-114.

[22] 錢志權，楊來科，林基. 東亞生產網絡、產業內貿易與二氧化碳排放——基于中國與東亞經濟體間面板數據分析 [J]，國際貿易問題，2014（4）：110-117.

[23] 王維國，范丹. 中國區域全要素能源效率收斂性及影響因素分析——基于Malmqulist-Luenberger指數法 [J]. 資源科學， 2012， 34（10）： 1816-1824

[24] 張少華，陳浪南. 經濟全球化對我國能源利用效率影響的實證研究—基于中國行業面板數據 [J]. 經濟科學，2009 （1）：102-111.

（責任編輯：周 睿）