考慮能源環境因素的中國區域綠色生產率及其提升路徑分析

李　然

(重慶社會科學院， 重慶　400020)

考慮能源環境因素的中國區域綠色生產率及其提升路徑分析

李然

(重慶社會科學院， 重慶400020)

摘要：能源短缺、環境污染已成為制約我國經濟增長的重要瓶頸?，F有研究地區生產效率的國內外文獻大多未同時考慮能源和環境因素，且未能剝離外部效應及隨機誤差對效率值的影響。為了克服這一缺陷，采用加入能源環境因素的三階段DEA模型對我國各地區綠色生產率進行實證分析。研究發現：在對投入變量進行三階段調整后，整體綠色生產效率、純技術效率、規模效率均發生了不同程度的變化，若不剔除外部效應和隨機因素的影響，將導致各地區純技術效率被低估，規模效率被高估；除江蘇、山東、四川三省外，絕大多數省份處于規模報酬遞增或不變階段，很多企業并未實現規模經濟；從各區域的情況看，華中地區的綠色生產率水平最高，西南地區次之，西北地區最低，傳統的將西南地區和西北地區統一作為西部地區處理的方式，掩蓋了兩者的差異。在此基礎上，提出了推進產業轉型升級、促進中小企業適度規模發展、加強地區綠色合作的政策建議。

關鍵詞：能源；綠色生產率；隨機誤差；三階段DEA模型

中圖分類號：F127

文獻標識碼：標識碼：A

文章編號：：1674-8425(2015)10-0023-10

Abstract:Energy shortages, environmental pollution has become a major bottleneck restricting economic growth in China. Among the researches on the area production efficiency at home and abroad, most of them did not consider the energy and environment factor, and did not strip the influence of environmental effects and random errors on the efficiency value. To overcome this shortcoming, we used three-stage DEA model by adding energy and environment factor to analyze the green productivity efficiency of different regions. We found that after a three-phase adjustment to the input variables, the overall productivity efficiency, pure technical efficiency, scale efficiency have undergone varying degrees of change without discounting external effects and random factors, and it will lead to pure technical efficiency of each undervalued region, and scale efficiency is overvalued. In addition to Jiangsu, Shandong and Sichuan, most provinces stay in the stage of increasing or the same returns to scale, and many companies did not achieve economies of scale. Looking at the situation from all regions, the efficiency of central region is the highest, followed by the southwest region of China, and the northwest is the lowest. The unity of the southwest and the Northwest Territories, as a way to deal with the western region, obscures the difference between the two. On this basis, we proposed the policy recommendations to promote industrial restructuring and upgrading, to moderately expand the scale of small and medium enterprises and to strengthen regional green cooperation.

收稿日期：2015-01-16

基金項目：中國石油勘探開發研究院院級項目“基于生態經濟理論的石油供需預測研究”(2012Y-59)

作者簡介：易潔芯(1987—)，女，湖南邵陽人，工程師，碩士，研究方向：油氣供給預測。

doi:10.3969/j.issn.1674-8425(s).2015.10.006

Analysis of Regional Green Productivity and Its Upgrading Path

in China by Considering the Energy and Environment Factor

LI Ran

(Chongqing Academy of Social Sciences, Chongqing 400020, China)

Key words: energy; green productivity; random error; three-stage DEA model

一、引言

隨著工業化、城鎮化的快速推進，能源短缺和環境污染的壓力與日俱增，嚴重影響了我國經濟的可持續發展和生態文明建設。新常態下如何以最少的資源消耗、最低的環境代價，實現經濟從主要追求產量和依賴資源消耗的粗放經營轉到數量、質量、效益并重上來，進而支撐經濟社會“綠色化”發展，已成為當前政府部門和學術界關注的熱點。能源是現代經濟增長中不可缺少的投入要素，對一國經濟發展具有決定性作用，能源過度消費所產生的資源枯竭和環境污染問題日益成為經濟增長的重要制約因素之一。已有文獻大多未能考慮能源投入及其產生的環境污染的影響，因而對生產效率的衡量及其重要性的判斷難免會有失偏頗。把能源和環境污染因素納入生產率分析框架，有助于更加準確地度量生產率增長對綠色經濟增長的貢獻，更真實地反映中國各地區的綠色生產率水平及其差異，從而有助于我們深入地揭示綠色經濟增長的動力源泉，為我國各地區制定綠色經濟政策提供參考。

眾多學者基于不同產業類別、不同所有制結構等對我國各地區生產率進行了測算與分解，探討了生產率的地區差異與收斂狀況，分析了影響中國經濟增長及地區生產率差異的原因。余泳澤和張妍采用三投入超越對數形式的隨機前沿面板模型，考察了中國各省市 1995 年以來高技術產業的生產效率和全要素生產率增長率變遷[1]。馮志軍等考慮了研發創新過程中的能源環境約束，構建能處理非期望產出的Malmquist-Luenberger指數模型，對中國30個省級區域及八大經濟區2001—2011年工業企業研發創新的全要素生產率及其分解指數進行了測算，并分析了其時序演進和空間分布的基本特征[2]。王兵和黃人杰運用參數化共同邊界與 Luenberger 生產率指標相結合的方法，研究環境約束下 2000—2010 年中國區域綠色發展效率和綠色全要素生產率之增長情況[3]。李富有等運用Malmquist生產率指數實證分析了中國各地區的工業生產率，以各地區的工業增加值為變量，使用收斂技術(σ收斂和β收斂)分析了各地區間工業經濟發展差異的變化，最后分析加入WTO對中國工業經濟發展存在的影響[4]。李靜和蔣長流通過對β收斂模型的適當改進，構建了具有時滯因子的調整模型，分別考察了區域農業勞動生產率的收斂性和區域農業用能強度的收斂性，在此基礎上進一步分析了農業用能強度隨農業勞動生產率變化的收斂或發散情況[5]。汪鋒和解晉使用1997—2012年省級面板數據，以超越對數生產函數為基礎核算中國各省的綠色全要素生產率增長率，并對其影響因素進行了實證分析[6]。段海嘯運用Luenberger指數測度了長三角地區的生產率增長狀況[7]。梁俊和龍少波運用非徑向非角度方向性距離拓展函數和Luenberger生產率指標，分析了中國2000—2012年環境約束下30個省市工業全要素生產率的增長，并對其收斂和影響因素進行了分析[8]。陳心穎根據 2000—2012 年的省級面板數據，利用空間面板回歸和門檻面板回歸進行異質性檢驗，考察人口聚集度與區際勞動生產率之間的非線性關系[9]。汪克亮等在生產技術異質性假定下，以非參數共同前沿理論作為分析工具，對我國各省份、三大區域 2000—2012 年的共同前沿綠色生產率及其分解指數進行測算，在此基礎上分析其地區差異與動態演變趨勢[10]。

由于國內對生產效率的研究，一方面未能考慮能源要素的投入及其產生的環境污染，另一方面未能剔除外部效應和隨機誤差的影響，不能客觀體現決策單元真實的決策與管理水平，因此，為了更準確地測度我國各地區的綠色經濟增長狀況、了解各地區的整體資源利用水平，同時為各省積極調整產業結構、轉變經濟發展方式提供更有力的依據，本文利用三階段DEA模型對我國各地區的綠色生產率狀況進行了實證分析。本文其余部分的結構安排如下：第二部分具體介紹了三階段DEA模型的構建過程；第三部分對投入產出變量及外部變量的選取進行了說明，并對數據來源作了簡要介紹；第四部分分析了各階段的估計結果，并探討了各地區綠色生產率的提升路徑；第五部分是結論性述評。

二、研究方法

DEA方法自1978年Charnes等人提出以來在生產效率估計中應用十分普遍[11]。其優點主要有：無需像參數法那樣構建具體函數形式的生產前沿面；可以處理多投入和多產出的情況；能給出每一種投入的利用效率，為決策層提供增加效率的最佳途徑；對投入、產出的項目無需進行單位的標準化。三階段DEA模型的構建和運用過程如下：

第一階段：傳統的DEA模型。DEA模型可以分為投入導向型和產出導向型兩種。投入導向型是指在產出水平一定的情況下，使投入最小化的規劃問題；產出導向型是指在投入水平一定的情況下，使產出最大化的規劃問題。本質上來講，投入導向型和產出導向型是從不同的角度來解決同一個問題，兩者最終得出的結論是一致的。由于投入的數量是決策的基本變量，且相比于產出量而言，投入量更加容易控制些，因此，本文采用投入導向的規模報酬可變的Banker-Charnes-Cooper模型(簡稱BCC模型)。

假設有K個決策單位(Decision Making Units，簡稱DMU)，每個決策單位均使用N種投入、生產M種產出，則某一特定決策單位的效率值可由如下的線性規劃方程求得：

(1)

其中，xn,k表示第k個DMU的第n項投入量；ym,k表示第k個DMU的第m項產出項；λk表示第n項投入和第m項產出的加權系數；θk表示第k個DMU的效率值，介于0與1之間，越接近1表示效率越高，它是一種相對效率，表達的是特定單個決策單位的效率值是相對于該樣本組群體比較而言的概念，θk=1的DMU的效率在該樣本組中最高。

第一階段的DEA模型不能將外部宏觀因素、隨機誤差因素以及內部管理因素對效率值的影響效果分開，此時的效率值無法反映到底是由管理原因造成的低效，還是由外部因素和隨機誤差所導致的低效，因而進入第二階段的分析。

(2)

(3)

為剝離不同運營條件和隨機誤差的影響，對于那些處于相對有利的運營條件或相對好運的DMU的投入進行向上調整，*調整的方式有兩種：一種是對于那些所處環境較好的決策單位，增加其投入；另一種是對于環境較差的決策單位，減少其投入。前者在現實中更為合理，因為在某些極端情況下，對于環境很差的決策單位減少其投入可能會導致調整后的投入項為負值。本文采用前一種調整方法。其原則是將所有決策單位調整到相同的外部條件或平臺狀態，同時考慮隨機因素的影響，從而測算出純粹反映各決策單位管理水平的效率值?；谧钣行实臎Q策單位，以其投入量為基準，對其他各決策單位投入量的調整如下：

(4)

三、變量與數據說明

我們所采用的數據主要來源于《中國統計年鑒》《中國能源統計年鑒》、某些省份的統計年鑒及固定資產投資年鑒等。為了便于比較分析，所取樣本并未包括西藏，重慶并入四川處理。綜合DEA分析對投入產出指標的基本要求，下面將就整理的主要變量作扼要介紹。

(一)產出與投入變量

1.實際GDP(單位：億元)和二氧化硫排放量(萬噸)。在研究中，以中國各地區為研究決策單元。由于現實經濟中的生產存在負外部性，能源利用過程中往往伴隨各類環境污染物的排放，如二氧化硫、溫室氣體及煙塵等大氣污染物，對環境質量負面影響極大。由于當前技術條件的限制，經濟產出往往伴隨了環境污染的排放。因此，生產單元的產出應該包括兩大類：一類是期望產出(即經濟產出，如 GDP，也稱“好”產出)；另一類是非期望產出(即環境污染物，如二氧化硫、二氧化碳、廢水、廢氣等，也稱“壞”產出)，考慮數據的可獲得性，采用二氧化硫排放量表示非期望產出。其中，實際GDP指標采用的GDP和GDP平減指數來自于《中國統計年鑒》(2004，2013)，并以2000年不變價格進行換算。

2.實際資本存量(單位：億元)。這里采用“永續盤存法”對實際資本存量進行估算，計算方法為：Ki,t=Ii,t+ (1-δi,t)Ki,t-1，其中，Ki,t是地區i第t年的資本存量，Ki,t-1表示地區i第t-1年的資本存量，Ii,t表示地區i第t年的投資，δi,t表示地區i第t年的折舊率。文中當年投資I的選取采用的是近期大部分研究中采用的固定資本形成總額，基年(2000年)物資資本存量K來自于張軍等人的測算結果，經濟折舊率δ假定為10%，投資平減指數主要來自于《中國統計年鑒》(2001—2013)及相關固定資產投資年鑒公布的各地區固定資產投資指數，廣東省2000年的固定資產投資指數缺失，我們根據張軍等的建議采用商品零售價格指數代替[13]。

3.勞動力(單位：萬人)。在實際的計算過程中，我們利用《中國統計年鑒》(2013)中公布的各地區就業總人數來加以衡量。由于缺少省際間更為詳盡的資料，故無法對勞動力投入進行質量上的調整。

4.能源(單位：萬噸標準煤)。能源投入量主要根據《中國統計年鑒》(2013)中公布的各地區單位生產總值能耗和各地區生產總值計算而來，已經折算成標準煤。

(二)外部變量

外部變量是指那些影響生產效率但不在樣本主觀控制范圍之內的因素，由于這些特性決策單元自身在短期內無法控制或改變，因而稱之為外部因素。本文選取了以下六個外部變量：① 國有工業產值占工業總產值比重。該指標主要用來反映各地區的市場化程度，一般來說，該比例越高，說明該地區市場化程度越低。② 出口占GDP比重，該指標用來反映對外開放程度對生產效率的影響。③ 各地區初中以上文化程度所占比重，該比例用來反映不同地區人力資本因素對效率的影響。④ 第二產業增加值占GDP比重。該比例用來反映不同產業結構對地區生產效率的影響。⑤ 城鎮化率，該指標用來反映城市化進程對生產效率的影響。⑥ R&D經費投入強度，該指標用來反映研究與實驗發展(R&D)經費投入對生產效率的影響。以上六個變量不受決策單元管理控制的約束，并可滿足Simar和Wilson提出的分離假設。所以本文選取它們來反映不同經營條件對決策單元生產效率的影響。以上變量的數值均來自于《中國統計年鑒》(2013)。各變量的描述性統計特征如表1所示。

四、實證結果及分析

(一)第一階段傳統DEA的估計結果

在第一階段，運用DEAP2.1軟件對中國29個省(市、自治區，以下簡稱省)的生產效率和規模報酬狀況進行了分析，并得到了投入變量松弛量，即投入變量的實際值與理想值之差。表2報告了相關估計結果。

計算結果顯示，在不考慮外部效應和隨機因素影響的情況下，中國各地區的綠色生產率水平為0.925，平均純技術效率為0.956，平均規模效率為0.967。其中，有9省(市、自治區)的生產效率值為1，即處于效率前沿面上，它們分別是北京、山西、上海、江西、湖南、廣東、貴州、陜西和寧夏。其他的20個省(市、自治區)均不同程度的存在生產效率損失，這些省份中純技術效率都高于規模效率，這說明加入能源環境因素后的地區生產效率不高的原因，主要來自純技術無效。但在沒有考慮外部條件和隨機誤差因素的作用下，規模效率有沒有被低估？純技術效率有沒有被高估？仍需做進一步的論證。

(二)第二階段SFA估計結果

在第二階段，運用FRONTIER4.1軟件將第一階段得到的各樣本投入變量松弛量(包括射線和非射線部分)作為被解釋變量，將國有工業產值占工業總產值比重、出口占GDP比重、初中以上文化程度人口所占比重、第二產業增加值占GDP比重作為解釋變量構建SFA回歸模型，以判定外部因素對投入變量松弛量是否產生顯著影響？如果具有顯著影響，就需通過公式(3)將這些影響因素加以剔除。

表1　2012年各地區投入、產出及外部變量描述性統計特征

表2　第一階段考慮能源環境因素但非同質條件下中國各地區綠色生產率情況

注：TE、PTE、SE分別表示技術效率、純技術效率和規模效率；TE=PTE×SE；drs、irs、-分別表示規模報酬遞減、遞增和不變。

表3　第二階段SFA估計結果

注：***、**、*分別表示在1%、5%、10%的檢驗水平下顯著；括號里的數值表示標準差。

由表3可知，國有工業產值占工業總產值比重、出口占GDP比重、初中以上文化程度人口所占比重、第二產業增加值占GDP比重、城鎮化率、R&D經費投入強度對資本松弛變量、勞動力松弛變量、能源松弛變量均通過了顯著性檢驗。這說明外部變量對投入變量松弛量產生顯著影響，需要通過公式(4)對影響因素進行剔除，使所有的地區在面對同樣的經營條件與經營運氣下，考察其真實的效率水平。

外部變量與投入松弛變量的正向關系表明，外部變量投入增多將導致投入冗余量增加，不利于提升地區綠色生產率；反之則有利于提升地區綠色生產率。從表3可以看出，國有工業產值占工業總產值比重對資本、勞動和能源投入松弛變量產生顯著正效應，說明國有化程度越高，市場配置資源的空間越小，越不利于減少投入冗余量，從而降低地區綠色生產率。出口占GDP比重對資本、勞動力、能源投入松弛變量產生負效應，且都通過1%的顯著水平檢驗，說明經濟的外向程度越高，越有利于提高各項生產要素的利用效率。初中以上文化程度人口占地區總人口比重對資本和勞動投入松弛變量產生顯著負效應，說明增加勞動力受教育年限，有助于提升地區人力資本質量，從而提高地區綠色生產率。同樣第二產業增加值占GDP比重的增加不利于地區綠色生產率的提升，其原因在于第二產業多是粗放型產業或高能耗產業，這些產業能源消耗量大，而且造成的污染嚴重。城鎮化率的增加，有利于增加就業機會，從而減少勞動力的冗余；但房地產業的快速發展，會產生較多的能源要素冗余。R&D經費投入的增加，有利于技術、產品創新，從而提高能源的利用效率，對于能源松弛變量具有顯著的負效應。綜合來看，處理好政府和市場的關系，充分發揮市場在資源配置中的決定性作用，擴大地區對外開放程度，合理調整產業結構，加大教育投入培養高素質勞動者，加快新型城鎮化進程，增加R&D經費投入是提高地區綠色生產率的重要途徑。

(三)第三階段投入調整后的DEA估計結果

在第三階段，根據式(4)調整投入變量，并將調整后的投入值與原始產出值再次代入DEA模型，可獲得第三階段各決策單位的效率值以及規模報酬的狀態，運行結果如表4所示。

Wilcoxon符號等級檢驗結果顯示，*限于篇幅，結果省略。第一階段的效率值與第三階段的效率值存在顯著性差異，表明文中所選的外部變量及隨機誤差確實會對效率值產生影響，因此調整投入變量是有必要的。比較表2和表4可以看出，排除外部變量和隨機因素的影響后，各地區的綠色生產率水平從0.925下降為0.844，平均純技術效率從0.956上升為0.981，平均規模效率從0.967下降為0.86。進一步觀察發現，在對投入變量進行調整后，大多數省份的規模效率出現不同程度的下降，規模無效成為地區綠色生產率不高的主要原因，而非純技術無效。此外，處于效率前沿的省份從第一階段的9個減少為第三階段的4個，減少的5個地區分別為北京、江西、湖南、陜西和寧夏，這些地區之所以在第一階段被高估，主要是因為他們面臨較好的外部條件或運氣較好，并不是它們的技術水平高。綜合來看，在不剝離外部變量和隨機因素的前提下，各省域純技術效率被低估，但規模效率被顯著高估，且高估程度要高于純技術效率被低估的程度，由此導致各地區綠色生產率水平被高估。

(四)中國各地區綠色生產率的提升路徑

在第三階段，由于排除了外部效應和隨機因素的干擾，其效率值更趨客觀真實，因此，效率提升應以此為基礎。

總體上看，我國整體綠色生產率值為0.844，綜合水平不高；純技術效率值為0.981，水平較高，說明近年來我國大多數決策單元(企業)在要素利用上的決策與管理能力逐步增強，水平得到了較大提升；規模效率值僅為0.86，是導致整體效率水平偏低的主要原因，其現實表現為大多數企業規模偏小，規模化利用要素資源的意愿低、能力不足，在企業決策中的地位不高。但是隨著勞動者工資水平和資本價格的上升，能源資源日益短缺，環境污染壓力越來越大，企業的要素使用成本不斷高漲，而要素利用效率低下將成為制約企業發展的瓶頸。因此要提高要素的整體效率水平，就必須致力于提升其規模利用效率。

分區域來看，鑒于我國區域發展不均衡的現實，突破傳統的東、中、西三大區域劃分方法，從華東地區(山東、江蘇、安徽、浙江、福建、江西、上海)，華南地區(廣東、廣西、海南)，華中地區(湖北、湖南、河南)，華北地區(北京、天津、河北、山西、內蒙古)，西北地區(寧夏、新疆、青海、陜西、甘肅)，西南地區(四川、云南、貴州)，東北地區(遼寧、吉林、黑龍江)七大區域進行綠色生產率的比較分析，希冀提出更為合理的對策建議，促進區域協調發展。

表4　第三階段同質條件下中國各地區綠色生產率情況

注：TE、PTE、SE分別表示技術效率、純技術效率和規模效率；TE=PTE×SE；drs、irs、-分別表示規模報酬遞減、遞增和不變。

表5　同質條件下中國七大地區綠色生產率情況

注：TE、PTE、SE分別表示技術效率、純技術效率和規模效率；TE=PTE×SE。

從表5中不難發現，在整體綠色生產率水平上，華中地區最高為0.938，西南地區次之，為0.935，西北地區最低為0.673。這說明傳統的將西南地區和西北地區統一作為西部地區處理的方式，掩蓋了兩者的差異，事實上西南地區的效率水平要遠高于西北地區；在純技術效率上，各地區差異并不明顯，最高為華南地區，效率值為0.999，最低為東北地區，效率值為0.959；規模效率的差距與整體技術效率類似。當然七大地區中也有特殊情況，如西北地區也有整體效率較高的省份，如陜西，為0.87；西南地區中也有效率值較低的省份，如云南，為0.817。綜合來看，七大區域的規模效率要小于純技術效率，這表明區域內各決策單元(企業)要充分認識生產要素規?；玫闹匾裕μ岣咭厥褂玫囊幠＝洕裕貏e是在勞動力、資本、能源價格普遍上漲以及人們對環境保護的要求越來越高的背景下，要素的使用效率將直接影響新常態下經濟的平穩發展。此外，各個區域要加強綠色合作，縮小地區差距。先進地區綠色生產率數值較高，說明憑借強有力的政策支撐和改革措施的出臺，以及重大產業項目和高素質人才的引進，其在新技術開發、技術傳播與應用等方面要強于落后地區。落后地區要大力引入先進的綠色發展理念和管理思想，學習先進地區的綠色管理經驗和技術，努力提高自身效率水平，縮小差距，促進各大區域又好又快發展。需要指出的是，這里的純技術效率是一個相對值，效率值高并不意味著各地區的真實效率就很高，它只能反映各地區純技術效率相對變化的發展趨勢，所以各地區決策單元(企業)仍要努力提升決策與管理水平，增強競爭實力。

五、結論與政策啟示

本文考慮了能源環境因素、外部效應和隨機誤差對我國各地區綠色生產率的影響，將能源因素和環境污染因素納入估算模型，并采用三階段DEA模型對中國各地區的綠色生產率進行了實證分析，提出了提升各地綠色生產率的主要路徑。研究結果表明：(1)在對投入變量進行三階段調整后，整體效率水平、純技術效率、規模效率均發生了不同程度的變化。其中各省純技術效率被低估，規模效率被顯著高估，這也說明外部變量和隨機因素對各地區綠色生產率水平產生了較大影響，應當加以剔除，變量的顯著性檢驗和Wilcoxon符號等級檢驗結果也支持了上述判斷。(2)江蘇、山東、四川三省規模報酬處于遞減階段，說明這些地區各要素利用規模大，已經實現規模經濟性。其他26個省份處于規模報酬遞增或不變階段，需要繼續加大要素投入數量，以獲得生產的規模經濟性。(3)從各區域的情況看，華東、華南、華中、華北、西北、西南、東北七大地區的綠色生產率有著較大的差異，西南地區最高，華中地區次之，西北地區最低。強有力的政策支撐和改革措施的出臺，以及重大產業項目和高素質人才的引進，使得西南地區的綠色生產率要高于其他地區。另外，傳統的將西南地區和西北地區統一作為西部地區處理的方式，掩蓋了兩者的差異。

基于上述結論得出以下幾點政策啟示：

(1)大力推進產業轉型升級。華東地區、四川盆地(包括重慶)和中部地區地區效率提升應以廣東、上海等地為目標，產業結構優化方向為現代服務業和先進制造業，重點發展低能耗、低排放、低污染的高新技術產業，采用先進的技術和管理提升地區生產效率；東北地區由于非公有制經濟發展不充分，市場化程度低，發展活力不足等多重因素的“鎖定效應”，未來地區生產效率的提升路徑應致力于促進工業結構優化升級，大力發展非公有制經濟和現代制造業，提升工業化、市場化水平；西北與西南資源賦存較高的地區，由于地方政府過于依賴眼前的資源紅利，導致產業形態較為低端，地區產業結構升級改造滯后，陷入資源“詛咒”的怪圈[14]，未來地區效率的提升應以高新技術改造提升傳統產業，延長產業鏈條，提高產品附加值，大力發展綠色經濟，實現產業轉型、資源節約、環境改進的協調發展。同時建立落后產能退出機制，加大淘汰落后產能的財政獎勵力度，嚴格實行節能減排、淘汰落后問責制。

(2)促進中小企業適度規模化發展。實證分析結果顯示，規模效率低是我國各地區綠色生產率不高的主要原因。事實上，我國企業目前仍以中小型為主，需要適度擴大企業規模。從內部因素看，很多中小企業組織和產業結構不合理，在發展的過程中存在重復建設、重復投入的問題，產業關聯度較低，不注重要素投入的規模效應，過于追求“小而全”，企業之間缺乏社會化、專業化分工協作，從而喪失了規模經濟性。從外部環境看，資金緊張是當前制約中小企業規模擴張的主要因素，由于缺少抵押物及經營風險大，中小企業難以獲得正規金融機構貸款，在信貸總量控制的前提下，銀行往往優先保證大企業的貸款需求。因此，需要加大企業的結構調整力度，積極支持中小企業向“小而尖、小而精、小而優、小而特”方向發展，著力提升生產技術水平和投入的規模經濟性；也需要為中小企業提供更多的金融支持，進一步降低正規金融機構對中小企業的融資門檻，建設中小企業基地，促進中小企業集中布局和集約發展，為中小企業發展提供貸款支持。

(3)加強地區綠色合作。華東等發達地區應充分利用其雄厚的技術、資金、人才優勢，加強綠色新技術的研發，并將先進的綠色管理經驗和技術傳播到內陸地區?？紤]到地緣鄰近及相似的經濟發展水平等原因，落后地區還應多向鄰近的高效率地區學習取經，如西北地區可以向西南地區學習先進的綠色發展理念和管理技術，提高自身效率水平。國家在促進區域合作上，應結合“一帶一路”和長江經濟帶建設給予政策和項目上的支持，一方面要促進沿海發達地區產業創新升級和生產性服務業發展，另一方面要推動勞動密集型產業和加工組裝產能向中西部轉移，在有條件的地方設立國家級綠色產業轉移示范區，鼓勵東部產業園區在中西部開展共建、托管等連鎖經營，中西部地區生態環境脆弱，切不能走“先污染、后治理”的老路，而應通過承接東部地區綠色產業轉移，學習先進的綠色生產技術和管理方法，推動經濟向中高端水平躍升。

參考文獻：

[1]余泳澤，張妍.我國高技術產業地區效率差異與全要素生產率增長率分解——基于三投入隨機前沿生產函數分析[J].產業經濟研究,2012(1):44-53.

[2]馮志軍，陳偉，明倩.能源環境約束下的中國區域工業研發創新全要素生產率:2001—2011年[J].工業技術經濟,2013(9):87-96.

[3]王兵，黃人杰.中國區域綠色發展效率與綠色全要素生產率:2000—2010——基于參數共同邊界的實證研究[J].產經評論,2014(1):16-35.

[4]李富有，蘇韶華，尹海風.地區工業生產率差異和收斂——中國加入WTO前后的對比分析[J].統計與信息論壇,2004(12):36-43.

[5]李靜，蔣長流.農業勞動生產率區域差異與農業用能強度收斂性[J].中國人口資源與環境，2014(11)： 17-25.

[6]汪鋒，解晉.中國分省綠色全要素生產率增長率研究[J].中國人口科學,2015(2):53-62.

[7]段海嘯.環境約束下長三角經濟效率及全要素生產率增長——基于Luenberger指數的實證分析[J].商業經濟研究,2015(7):128-130.

[8]梁俊，龍少波.環境約束下中國地區工業全要素生產率增長:2000—2012年[J].財經科學,2015(6)：84-95.

[9]陳心穎.人口集聚對區域勞動生產率的異質性影響[J].人口研究,2015(1):85-95.

[10]汪克亮，孟祥瑞，楊力，等.生產技術異質性與區域綠色全要素生產率增長——基于共同前沿與2000—2012年中國省際面板數據的分析[J].北京理工大學學報：社會科學版,2015(1):23-31.

[11]CHARNES A,COOPER W W,RHODES E.Measuring the efficiency of decision making units[J].European Journal of Operational Research,1978(6):429-444.

[12]JONDROW J,MATEROV I,LOVELL C A K,et al.On the estimation of technical inefficiency in the stochastic frontier production model[J].Journal of Econometrics,1982(2):233-238.

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

[14]孫建，毛明明.重慶制造業能源消費碳排放因素實證研究[J].重慶理工大學學報:社會科學，2014(11):52-57.

(責任編輯許若茜)

引用格式：易潔芯，張松，吳劍.基于自適應控制的石油產量預測方法與模型研究[J].重慶理工大學學報:社會科學，2015(10):33-37.

Citation format：YI Jie-xin, ZHANG Song, WU Jian.Study on Oil Supply Forecast Model Based on Adaptive Control[J].Journal of Chongqing University of Technology:Social Science，2015(10):33-37.