經濟轉型視角下中國工業行業環境全要素生產率及增長動力分析

范 丹（1.東北財經大學數學與數量經濟學院，遼寧 大連 116025；2.中國科學院預測科學研究中心東北分中心，遼寧 大連 116025）

經濟轉型視角下中國工業行業環境全要素生產率及增長動力分析

范 丹1，2*（1.東北財經大學數學與數量經濟學院，遼寧 大連 116025；2.中國科學院預測科學研究中心東北分中心，遼寧 大連 116025）

從工業行業存在技術異質特征出發，在全局DEA分析框架下，應用共同前沿理論的MML生產率指數，測度了2001～2012年我國工業行業環境全要素生產率的動態變化及分解構成，并采用動態GMM估計方法對其增長因素進行分析.結果表明： 2001～2012年36個工業行業的環境全要素生產率年均增長率為2.3%，工業環境全要素生產率的增長主要源于技術進步與規模效率的提升.環境全要素生產率呈現清潔型生產行業、中污染生產行業、污染密集型行業依次遞減的發展格局，群組間技術差異整體上呈現縮減趨勢；通信設備、計算機及其他電子設備制造業、煙草制品業是推動前沿面擴張的主力行業；增長動力分析顯示，工業行業存在投入要素利用的規模經濟，工業行業“國退民進”的產權改革與能源結構調整有利于環境全要素生產率的提升，資本深化對環境全要素生產率的提升影響微弱，FDI抑制了環境全要素生產率的增長，行業集中度與環境全要素生產率存在“倒U”型關系，不同群組的技術異質性導致了對環境全要素生產率產生不同影響.

共同前沿；技術異質性；環境全要素生產率；MML生產率指數

改革開放30多年以來，工業經濟通過高投資、高能耗和高污染排放取得的高增長漸漸難以為繼.同時中國的碳排放量已經超過美國成為世界第一.在此國內外嚴峻的現實背景下，如何在經濟轉型期使得中國工業經濟擺脫對資源依賴和生態環境的破壞是目前亟待解決的問題.而解決這個問題最有效和直接的方式就是提高工業全要素生產率.

近年來，關于工業全要素生產率的研究已引起了大量學者的廣泛關注.在研究方法上，主要集中在使用索羅殘差法、CD生產函數（或超越對數函數）回歸法、隨機前沿生產函數法、非參數數據包絡分析法（即DEA方法），利用地區工業數據，工業行業及企業數據對工業全要素生產率進行核算［1-4］.在投入產出指標的選取上，主要以資本和勞動為投入指標，以經濟產出為產出指標.然而生產單位在生產所期望產出時，不可避免地會產生諸如二氧化碳、二氧化硫等環境副產出，從而整個給經濟帶來負外部性.伴隨資源和環境與經濟增長越來越體現出不協調性之后，越來越多的學者將環境納入全要素生產率的研究中，這種考慮環境約束下的全要素生產率即為環境全要素生產率.在大量研究方法中越來越多地采用方向距離函數及Malmquist-Luenberger （ML）生產率指數模型來考察環境約束對生產率度量的影響，這樣估算得到的環境全要素生產率更具生產經濟學含義［5-6］.多數文獻從宏觀層面地區工業層面和中觀行業層面對環境約束下的環境全要素生產率進行度量.盡管研究方法和研究時期不盡相同，但都發現工業環境全要素生產率小于傳統生產率，不考慮環境約束所測算的工業傳統生產率是有偏的［7-13］.隨著測量全要素生產率的研究方法不斷發展，Oh［14］提出全局ML（Global Malmquist-Luenberger，GML）指數，從而克服在測算ML指數過程中產生的不可行解問題.進一步考慮到生產單位存在技術異質性問題，Oh［15］提出基于共同前沿技術的MML生產率指數.隨后一些學者運用MML生產率指數對國內外環境全要素生產率進行了測算［16-19］，但針對我國工業行業存在的技術異質性問題來度量行業綠色全要素生產率的文獻相對少見.

本文試圖在已有研究的基礎上進行如下拓展：（1）在研究視角方面，本文以工業經濟增長和生態環境雙贏發展為目標，將非期望產出SO2排放量、COD排放量、CO2排放量引入到工業行業全要素生產率的評價模型之中.（2）在研究方法方面，針對傳統DEA線性規劃模型存在的無可行解問題，本文基于全局生產技術的方向距離函數對工業行業的技術效率進行考核；針對我國工業行業間存在技術異質性問題，采用共同前沿的MML生產率指數測算工業行業的環境全要素生產率及其分解變量；針對所測算的環境全要素生產率存在序列相關問題，采用動態GMM模型系統全面地探討工業行業環境全要素生產率的提升和制約因素及作用機理.

1 研究方法

1.1 全局生產技術條件下的方向距離函數

Oh等［14］指出針對非同時期的參照技術時，線性規劃可能存在無可行解.針對無可行解問題，已有多數研究通常將其作為有效方式處理，這種處理方式并不合理.Oh等［14］克服上述缺陷，在生產可能性集的定義上做了改進，不僅定義了同期的生產技術，也定義了一個全局的生產技術集.同期的生產技術定義為： Pt（xt）=｛（yt，bt）：x能生產（yt，bt），xt∈｝，t=1，…，T，Pt（xt）表示每個決策單元在t時期的參照技術集.全局生產技術集定義為：PU（xt）=P1（x1）∪P2（x2）∪，…，∪PT（xT）.因此，全局生產技術集建立了一個所有觀測單元和所有時期的參照技術集.基于全局生產技術集的方向性距離函數求解的線性規劃問題可寫成：

1.2 Metafrontier Malmquist Luenberger （MML）生產率指數及其分解

基于全局生產技術集的方向性距離函數，根據生產技術異質性假定，按照合理標準將研究對象分為具有不同生產技術水平的K個組別.假設一個DMU在群組k（k=1，2，…，K）里，在群組k里的DMU生產可能性技術集表示為）=能產生｝.其上界即為“群組前沿”.由于整體中存在K個子技術集合，假定所有的K技術集遵守共同邊界，均運作于共同技術集合下，因此，共同技術集為各子技術集的并集，即=｝，其上界即為“共同前沿”，共同前沿為各群組前沿的包絡曲線.基于群組前沿和共同前沿的方向距離函數可表示為：

結合chen等［16］提出的MM生產率指數和chung等［20］提出的ML生產率指數的結構方式，在考慮非期望產出的條件下，基于共同前沿和群組前沿的環境全要素生產率指數分別定義為如下：

當MML（GML）＞1時，表示環境全要素生產率增長，MML（GML）＜1時，則表示環境全要素生產率下降.MML與GML關系可表示為：

2 指標的選擇與群組分類

考慮到數據的連貫性與可獲性，本研究樣本選取2001～2012年中國工業36個行業投入產出的面板數據，由于部分行業的投入產出數據缺失，在工業39個細分行業中，剔除其他采礦業、工藝品及其他制造業與廢棄資源和廢舊材料回收加工業3個行業數據.資料來自歷年《中國統計年鑒》、《中國能源統計年鑒》、《中國環境統計年鑒》、《中國工業經濟統計年鑒》及《中國勞動力年鑒》整理獲得.投入產出指標如下：

表1 36個工業行業聚類分析結果Table 1 Clustering analysis results of 36 industrial sectors

（1）投入指標的選取.資本投入：選取各行業規模以上工業企業的固定資產凈值年均余額作為資本投入，利用歷年固定資產價格指數轉換為2001年不變價，單位為億元；勞動力投入：以各行業規模以上工業企業的年平均從業人員數表示，單位為萬人；能源投入：采用工業分行業能源終端消耗量，主要包括：原煤、洗精煤、其他洗煤、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油氣、天然氣、熱力、電力共13種主要能源，單位為萬t標準煤.

（2）產出指標的選取.期望產出：選取工業各行業規模以上工業企業的工業總產值作為產出指標，用分行業工業品出廠價格指數轉換為2001年不變價.單位為億元；非期望產出（SO2、COD、CO2）：考慮到我國“十一五”、“十二五”期間，國家環境污染物總量控制指標主要有SO2和COD、CO2，其中SO2二級濃度標準是空氣質量標準的重要指標；COD是水中污染物的最為主要的代表；碳減排是我國工業實現低碳經濟轉型的重要任務，所以本文選取SO2、COD、CO2作為非期望產出指標.

為了進一步分析工業行業環境全要素生產率的行業技術差異，本研究采用單位GDP的非期望產出排放量來分類不同群組，利用聚類分析法將研究樣本劃分為污染密集型行業、中污染生產行業、清潔型生產行業3個群組，具體分組結果見表1.

3 實證分析

3.1 經濟轉型期工業行業環境全要素生產率變動差異及其分解變量

將樣本期間所有的投入產出數據作為當期的參考技術集，采用全局DEA方法構建生產前沿，分別在共同前沿和群組前沿條件下測算我國工業行業的環境全要素生產率及其分解變量，測算結果如表2所示.由表2可知，在資源和環境的雙重約束下，樣本期內36個工業行業在兩種技術條件下的環境全要素生產率平均值增長率分別為2.3%、4.4%，工業環境全要素生產率的增長主要源于技術進步率的提升（3.1%）與規模效率的小幅提升（0.2%），而技術效率的變化并不顯著.這意味著經濟轉型期間我國工業行業追趕最優前沿面程度不斷改善，生產技術的最優前沿面不斷外移.這與其他學者［8，12，21］的研究結果是一致的.此外，本文估算的環境全要素生產率的增長率接近陳詩一［8］的估算中國工業行業的生產率，不考慮生產的外部性會高估生產率［22］.

表2 2001～2012年工業行業環境全要素生產率及其分解Table 2 Environmental total factor productivity and its decomposition in the industrial from 2001 to 2012

續表2

從兩種技術條件的比對來看，群組前沿下的環境全要素生產率明顯高于共同前沿下的環境全要素生產率，兩者之間平均技術缺口率為2.0%.由TGRC指數的測算結果可知，污染密集型行業的平均缺口率最大為3.5%，中污染行業的平均技術缺口率為2.3%，而清潔型生產行業的平均技術缺口率最小為0.這意味著在考察期內，污染密集型行業與中污染行業在2種技術條件下存在較大的技術差異.而清潔型生產行業間在兩種技術條件下并不存在顯著差異.因此，污染密集型行業存在著更多能源浪費及二氧化碳、二氧化硫等污染物的過度排放，依舊是我國工業行業節能減排的重點對象.在污染密集型行業群組中，以石油和天然氣開采業為例，在群組前沿下，技術效率均值為0.849，表明在污染密集型行業群組中，尚存在15.1%的節能減排空間；若把該行業放在36個工業行業中，參照共同前沿，其技術效率均值僅為0.51，節能減排潛力可以提升至49%，遠高于群組前沿下的改進幅度.其他行業的比較也得到了類似的結論.由全行業PTCU及FCU的平均測算指數小于1來看，群組間技術差異整體上呈現縮減趨勢，其中污染密集型行業與中污染生產行業的群組前沿面外移速度要快于共同前沿面外移速度.從規模效率變化的測算結果來看，清潔型生產行業表現最佳，規模效率提升最快，盡早實現了產業結構的優化調整.

3.2 工業“創新者”行業分析

由工業行業環境全要素生產率的分解結果可知，技術進步是推動工業行業環境全要素生產率提高的主要動力.本文利用Fare等［23］提出的“創新者”單位判斷準則對工業行業的“創新者”行業進行判斷分析.

由表3可知，在共同前沿條件下，2001～2012年間共有2個行業推動最優生產前沿面的外移，其中通信設備、計算機及其他電子設備制造業表現尤為突出，每個時期都推動了生產前沿面的向外擴張.煙草制品業次之，共有10次推動最優生產前沿面的外移.這與陳詩一［8］的研究結果是一致的.這也說明這2個行業無論在節能減排，技術創新等各方面都位于工業行業的前列.在污染密集型行業群組中，“創新者”行業比較集中在非金屬礦采選業、造紙及紙制品業、化學原料及化學制品制造業、非金屬礦物制品業、黑色金屬冶煉及壓延加工業、燃氣生產和供應業這6個行業.盡管這幾個行業在共同前沿技術條件下表現不佳，但在考慮了行業間的技術異質性問題后，這幾個行業在污染密集型行業群組里表現出色.這意味著雖然這幾個行業隸屬高能耗、高排放行業，但在國家“十五”至“十二五”期間連續出臺一系列節能減排政策后，節能減排已初顯成效.如國家逐步完善非金屬礦采選業重點礦種產業布局，實行開采和生產總量限制，嚴格控制新增產能，著力現有產能優化，引進先進技術，完成節能減排設施的升級改造.此外，針對造紙工業已成為我國污染較為嚴重的行業之一.國家制定了《造紙化學品行業“十二五”發展規劃》.部分企業加大造紙化學品新產品、新技術、新工藝的開發，技術裝備水平均已達到國內領先水平，部分設備已達世界領先水平.在中污染生產行業群組中，“創新者”行業主要有農副食品加工業、石油加工、煉焦及核燃料加工業、金屬制品業、通用設備制造業、專用設備制造業、水的生產和供應業這7個行業.其中農副食品加工業在各時期均推動了中污染生產行業群組生產前沿面的外移.值得注意的是，石油加工、煉焦及核燃料加工業共10次推動了中污染生產行業群組的生產前沿面的外移.隨著我國目前對環境污染治理的力度加強，對油品升級、燃料加工等技術要求越來越高，這推動了石油加工、煉焦及核燃料加工業的生產技術不斷提高創新.在清潔型生產行業群組中，煙草制品業、紡織服裝、鞋、帽制造業、皮革、毛皮、羽毛（絨）及其制品業、家具制造業、電氣機械及器材制造業、通信設備、計算機及其他電子設配制造業這6個行業不同程度地推動了清潔型生產行業群組生產前沿面的外移.其中煙草制品業、通信設備、計算機及其他電子設備制造業仍然保持最佳.綜上分析，在考慮工業行業間存在著技術異質性問題后，一些高能耗，高排放行業推動了群組前沿面的外移，由此也驗證了技術異質性在生產率評估和創新單位識別中的重要作用.

表3 2001～2012各年份“創新者”行業Table 3 Innovator industry from 2001 to 2012

3.3 環境全要素生產率的增長動因分析

根據轉型期中國工業經濟的特點，為了進一步揭示在資源和環境約束下工業行業環境全要素生產率增長的動力源泉，選取以下8個指標對工業行業的環境全要素生產率的影響因素進行分析，同時對各個解釋變量作用機理進行了預判，具體指標的設定和說明見表4.

在面板數據模型估計中，如果解釋變量具有內生性，采取固定效應模型和隨機效應模型不能保證得出無偏的參數估計.一些影響全要素生產率的因素，例如經濟規模、能源消費等解釋變量既可能是全要素生產率增長的原因，也可能是全要素生產率增長產生的結果，這些解釋變量存在一定程度的內生性.鑒于采用DEA方法測算的全要素生產率具有序列相關特征［24］，解釋變量的內生性問題且具有動態變化特征，因此，采用動態GMM估計方法對生產率進行影響因素的分析更為可靠［25］.動態GMM估計分為差分GMM（DIF-GMM）和系統GMM（SYS-GMM），本文選用差分GMM與系統GMM估計分別對共同前沿和群組前沿條件下的工業行業環境全要素生產率的影響因素進行估計，在模型估計過程中，采用Stata 10.0對模型進行估計，為了捕捉不同群組行業的技術異質性對環境全要素生產率的影響，在估計過程中引入2個群組虛擬變量D1，D2.估計結果見表5.

表4 解釋變量的選取與說明Table 4 Selection and explanation of variable

在模型的估計過程中，本文采用了穩健的動態GMM估計，從而使得模型的估計結果更具有解釋力.從4個模型的總體估計結果來看，差分GMM和系統GMM通過過度識別檢驗（Sargan Test），驗證了工具變量的選取與估計方法是有效的；由AR檢驗的估計結果可知，殘差序列存在一階序列相關，不存在二階序列相關.從模型各系數的回歸結果來看，MML生產率指數與GML生產率指數的各系數回歸結果具有一致性.下面對各影響因素進行分析：（1）4個模型中一階滯后變量所對應的系數均為正，且在1%水平上顯著，與預期一致.這說明上一年的環境全要素生產率對下一年的環境全要素生產率的增長具有顯著的促進作用.這與王兵等［11］的研究結果一致.其中系統GMM估計對2種技術條件下的環境全要素生產率增長的貢獻比例更為突出.（2）行業規模的擴大對工業行業環境全要素生產率的水平提高具有一定的促進作用，說明工業行業在一定程度上存在投入要素使用的規模經濟.隨著行業規模擴大，這時如果企業科技創新能力也隨規模擴大而同步提高，則有助于企業更加集約化地使用各種投入要素，提高企業的全要素生產率.但從模型的回歸系數較小來看，行業規模的擴大對行業環境全要素生產率的提高作用是有限的.（3）在結構因素中，反映稟賦結構的資本與勞動比對工業行業環境全要素生產率的影響顯著為正，但對環境全要素生產率的作用微弱.對全行業而言，資本深化提高1%，可以使全行業的環境全要素生產率提高0.1%.主要原因是若地區資本與勞動比上升，說明該地區經濟結構正從勞動密集型向資本密集型轉化，而資本密集型產業多數集中在清潔型生產產業，其能源利用與污染排放的技術創新能力較強，從而促進了環境全要素生產率的提高.（4）行業集中度對工業行業的環境全要素生產率一次項顯著為負，二次項顯著為正，即馬歇爾外部性與工業全行業及制造業的能源效率提高存在顯著的倒“U”型關系.這一回歸結果的經濟意義顯而易見：產業集聚效應在初期增強了企業的競爭力度，行業之間治污成本、勞動力互補、上下游企業合作等促進了環境全要素生產率的提高.但隨著行業集聚程度超過臨界值后，行業的壟斷程度不斷增強，一些壟斷企業憑借壟斷地位占有廉價資源和高額利潤，減少了企業技術改造的動力，進而導致能源使用的無效，從而阻礙了行業環境全要素生產率的提高.（5）產權結構對行業的環境全要素生產率的回歸系數均為負，這也說明進一步降低國有經濟比重，深化國有企業改革，推動國退民進的工業體制改革，可以從微觀上強化企業激勵機制，從而推動環境全要素生產率提高.（6）外資水平對全行業環境全要素生產率影響為負.這也與涂正革［26］的研究結論一致.傳統觀點認為通過FDI 通過先進管理和工藝技術的溢出效應可以提高當地產出水平和環境技術效率.但污染轉移論認為，發達國家將高能耗、高污染產業轉移到發展中國家，給發展中國家帶來大量的轉移環境污染，從而FDI的增加抑制了行業環境全要素生產率的提升.因此，本研究框架驗證了FDI的污染轉移論假說.（7）能源結構對全行業的環境全要素生產率的回歸結果都顯著為負，這與預期的結果一致.適當降低煤炭消費量所占的比重，提高天然氣、電力等清潔能源所占的比重，可以在一定程度上降低二氧化碳、二氧化硫、COD等污染物的排放水平，從而提高行業整體的環境全要素生產率水平.（8）從本文設置的群組虛擬變量估計結果來看，污染密集型行業、中污染生產行業與行業環境全要素生產率呈現非常顯著負向關系.這意味著對全行業整體而言，污染密集型行業與中污染生產行業并不利于全行業環境全要素生產率的提升，而清潔型生產行業相對其他兩大群組行業有著明顯的技術優勢，從而更有效的提升了全行業的環境全要素生產率水平.因此，不同群組行業的技術差異導致了對環境全要素生產率產生不同影響，這也進一步驗證了本文考慮行業間的技術異質性對行業環境全要素生產率的影響是十分必要的.

表5 2001～2012年工業行業環境全要素生產率動態GMM估計結果Table 5 Dynamic GMM estimation of environmental total factor productivity of industrial from 2001 to 2012

4 結論

4.1 在資源和環境的雙重約束下，2001～2012年36個工業行業在共同前沿環境全要素生產率平均值增長率分別為2.3%，其增長主要源于技術進步與規模效率提升.考察期內，GML生產率指數高于MML生產率指數，兩者之間平均技術缺口率為2.0%.在共同前沿技術條件下，環境全要素生產率呈現清潔型生產行業、中污染行業、污染密集型行業依次遞減的不同發展格局.群組間技術差異整體上呈現縮減趨勢.

4.2 從工業行業“創新者”行業來看，通信設備、計算機及其他電子設備制造業在各時期都推動了生產前沿面的向外擴張；煙草制品業次之.一個重要發現是，盡管非金屬礦采選業、造紙及紙制品業等幾個行業隸屬高能耗、高排放行業，在考慮了行業間的技術異質性問題后，這幾個行業在污染密集型群組里成為推動群組前沿面外移的主力行業，說明我國對高能耗、高排放產業的升級改造已初顯成效.

4.3 動態GMM估計結果顯示：工業行業在一定程度上存在投入要素使用的規模經濟；資本深化對工業行業環境全要素生產率的影響為正，但影響微弱，產權結構、能源結構對全行業的環境全要素生產率具有抑制作用；行業集中度與工業行業的環境全要素生產率存在“倒U”型關系；本研究框架驗證了FDI 的污染轉移論假說；不同群組行業的技術異質性導致了對環境全要素生產率產生不同影響，清潔型生產行業性憑借技術優勢有效的提升了全行業的環境全要素生產率水平.

［1］張 軍，施少華，陳詩一.中國的工業改革與效率變化---方法、數據、文獻和現有的結果 ［J］. 經濟學（季刊）， 2003，3（1）：2-38.

［2］Bosworth Barry， Susan M Collins. Accounting for growth：comparing China and India ［J］. Journal of Economic Perspectives，2008，22（1）：45-66.

［3］Jefferson Gary H， Thomas G Rawski， Zhang Yifan.Productivity growth and convergence across China's industrial economy ［J］. Journal of Chinese Economic and Business Studies， 2008，6（2）：124-140.

［4］蔡 昉、王德文、曲 玥.中國產業升級的大國雁陣模型分析經濟研究 ［J］. 經濟研究， 2009，（9）：4-14.

［5］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）， 2008，7（2）：934-961.

［6］范 丹、王維國.中國區域環境績效及波特假說的再檢驗 ［J］.中國環境科學， 2013，33（5）：952-959.

［7］Kumar S. Environmentally sensitive productivity growth： A global analysis using Malmquist-Luenberger index ［J］. Ecological Economics， 2006，56（4）：280-293.

［8］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，（4）：21-34.

［9］涂正革、肖 耿.環境約束下的中國工業增長模式研究 ［J］. 世界經濟， 2009，（11）：41-54.

［10］Shi Guang-Ming， Bi Jun， Wang Jin-Nan. Chinese regional industrial energy efficiency evaluation based on a DEA model of fixing non-energy Inputs ［J］. Energy Policy， 2010，38（6）：6172-6179.

［11］王 兵，吳延瑞，顏鵬飛.中國區域環境效率與環境全要素生產率增長 ［J］. 經濟研究， 2010，（5）：95-109.

［12］龐瑞芝，李 鵬.中國工業增長模式轉型績效研究—基于1998～2009年省際工業企業數據的實證考察 ［J］. 數量經濟技術經濟研究， 2011，（9）：34-46.

［13］王喜平、姜 曄.碳排放約束下我國工業行業全要素能源效率及其影響因素研究 ［J］. 軟科學， 2012，26（2）：73-78.

［14］Oh D H. A global Malmquist-Luenberger productivity index ［J］. Product Anal， 2010，34（3）：183-197.

［15］Oh D H. A metafrontier approach for measuring an environmentally Sensitive productivity growth index ［J］. Energy Econ， 2010，32（1）：146-157.

［16］Chen Ku-Hsieh， Yang Hao-Yen. A cross-country comparison of productivity growth usingthe generalised metafrontier Malmquist productivity index： with application to banking industries in Taiwan and China ［J］. Journal of Productivity Analysis， 2011，35：197-212.

［17］Juo Jia-Ching， Lin Yu-Hui， Chen Tsai-Chia. Productivity change of Taiwanese farmers'credit unions： a nonparametric metafrontier Malmquist- Luenberger productivity indicator ［J］. European Journal of Operations Research， 2013，（6）：125-147.

［18］國 涓，劉 豐，王維國.中國區域環境績效動態差異及影響因素---考慮可變規模報酬和技術異質性的研究 ［J］. 資源科學，2013，35（12）：2444-2456.

［19］汪克亮，楊 力，程云鶴.異質性生產技術下中國區域綠色經濟效率研究 ［J］. 財經科學， 2013，39（4）：57-67.

［20］Chung Y H， Fare R， Grosskopf S. Productivity and undesirable outputs： a directional distance function approach ［J］. Journal of Environmental Management， 1997，51，（3）：229-240.

［21］陳 勇，李小平.中國工業行業的技術進步與工業經濟轉型 ［J］.管理世界， 2007（6）：62-71.

［22］Nanere Marthin， Iain Fraser， Ali Quazi， et al. Environmentally adjusted productivity measurement： An Australian case study ［J］. Journal of Environmental Management， 2007，85（2）：350-362.

［23］Fare R， Grosskopf S， Pasurka Jr C A. Accounting for air pollution emissions in measures of state manufacturing productivity growth［J］. Journal of Regional Science， 2001，41（3）：381-409.

［24］Simar L， Wilson P W. Estimation and inference in two-stage，semi-parametric models of production processes ［J］. Journal of Econometrics， 2007，136（1）：31-64.

［25］Guan Z， Lansink A O. The source of productivity growth in Dutch agriculture： A perspective from finance， American ［J］. Journal of Agricultural Economics， 2006，88（3）：644-656.

［26］涂正革.環境、資源與工業增長的協調性 ［J］. 北京：經濟研究，2008，（5）：93-105.

Analysis of industrial environmental productivity and growth dynamic in China from the perspective of economic transformation.

FAN Dan1，2*（1.Department of Mathematics and Quantitative Economics， Dongbei University of Finance and Economics， Dalian， 116025， China；2.Center for Econometric Analysis and Forecasting， Northeastern Branch Liaoning， Dalian， 116025， China）. China Environmental Science， 2015，35（10）：3177～3186

In this paper， based on the global DEA directional distance function and MML productivity index，environmental productivity and decomposition variables were measured by resources and environmental constraints of from 2001 to 2012 in China， and the driving factors of green productivity industries were analyzed by the dynamic GMM estimation methods. The main conclusions were as follows. The average growth rate of green productivity of 36 industrial sectors was 2.3% from 2001 to 2012， environmental total factor productivity was mainly due to the progress of green technology progress and scale efficiency. Environmental total factor productivity showed clean production industry，polluting industries， pollution intensive industries in descending order of the different development pattern. Between the technical differences of groups showed reduction in the overall trend. Communications equipment， computers and other electronic equipment manufacturing industry and Tobacco industry were pushing the outward expansion of the production frontier in each period. Dynamic analysis showed the scale economy of the input factors in the industrial sector. The reforms of Property Rights of industrial privatization and the adjustment of energy structure were conducive to enhancing the environmental productivity， capital deepening impacted on environmental productivity weakly. FDI inhibited the growth of environmental productivity， there was an inverted U - shaped relationship in environmental productivity efficiency and industry concentration. Heterogeneity of the technology of different groups had led to different effects on the environmental productivity.

metafrontier technology；technology heterogeneity；environmental total factor productivity；MML productivity index

X22

A

1000-6923（2015）10-3177-10

范 丹（1978-），女，遼寧海城人，副教授，博士，主要從事資源與環境經濟學研究.發表論文10余篇.

2015-03-04

教育部人文社會科學研究青年項目（13YJC790023）；國家自然科學基金項目（71171035，71271045，71571035）；遼寧省優秀人才支持計劃（WJQ2014031）；遼寧省社會科學規劃基金項目（L14AJY002）；國家社會科學基金重大項目（15DZA011）

* 責任作者， 副教授， fandanrx@163.com