中國省區經濟增長源泉及其影響因素
——基于線性和非線性面板數據模型的分析

石風光

(安陽師范學院 經濟學院，河南 安陽 455000)

中國省區經濟增長源泉及其影響因素
——基于線性和非線性面板數據模型的分析

石風光

(安陽師范學院 經濟學院，河南 安陽 455000)

利用綠色經濟增長核算模型，將影響中國省區經濟增長源泉分解為環境技術進步、環境技術效率、環境管制、產業環境結構和要素投入五個部分，在此基礎上利用動態面板數據模型和面板平滑轉換模型分析了各增長源泉的影響因素。研究發現，要素投入和環境全要素生產率是中國省區主要的經濟增長源泉，環境管制和產業環境結構對中國省區經濟增長影響較小；技術創新能力、FDI水平、基礎設施水平和對外開放水平的提高可以顯著提升省區環境全要素生產率，而提升污染治理強度和基礎設施水平則會顯著抑制環境管制的產出效應；提高技術創新能力和污染治理強度有助于產業環境結構的優化，FDI水平、能源強度和大中型企業產值比重的提高則有助于促進要素投入產出效應的提升；各因素對經濟增長源泉的影響具有顯著的非線性特征，且在不同體制下的邊際效應差異較大。

方向性環境生產函數； 環境全要素生產率； 經濟增長； 動態面板數據模型；面板平滑轉換模型

一、引言及文獻評述

改革開放30多年以來，中國經濟持續高速增長，現已成為經濟總量僅次于美國的世界第二大經濟體，經濟發展取得的巨大成就為世界所矚目。中國在取得可喜的經濟發展成就同時，也付出了巨大的資源環境代價。在當前大力發展低碳經濟、強化生態環境保護、促進經濟轉型發展的大背景下，探討中國經濟增長源泉及其影響因素，對于提高經濟增長質量、促進經濟協調可持續發展十分必要。

新古典經濟增長理論認為，要素投入和全要素生產率是經濟增長的主要源泉。其中，估計全要素生產率對于理解經濟增長源泉至關重要，這方面的相關研究文獻也比較多，如顏鵬飛等(2004)、鄭京海等(2005)、岳書敬等(2006)、郭玉清等(2010)、史修松等(2011)、吳振球等(2014)。然而上述文獻主要利用非參數方法對全要素生產率進行了測算，并未考慮資源環境約束問題，即沒有考慮能源投入和環境污染等“壞”產出。Chung et al.(1995)引入了能夠增加期望產出同時又減少環境污染的函數形式——方向性距離函數，并利用方向性距離函數構建了Malmquist-Luenberger 生產率指數(ML生產率指數)，而該指數可以進一步被分解為環境技術進步和環境技術效率變化兩個部分。利用這種方法測算環境全要素生產率的研究比較多，如王兵等(2008)、楊俊等(2009)、葉祥松等(2011)、李小勝等(2012) 、朱承亮(2014)等。而在測算環境全要素生產率的基礎上，進一步利用綠色增長核算框架對經濟增長源泉進行分解的研究，目前則只有涂正革等(2009)、陳詩一(2009)和劉瑞翔(2013)等少數文獻。

當前，國內研究經濟增長源泉影響因素的文獻，主要集中在全要素生產率影響因素研究上。如戴平生(2009)利用空間面板數據模型研究了中國省區工業全要素生產率的影響因素；肖攀等(2013)利用一般面板數據模型和空間面板數據模型分析了中國城市環境全要素生產率的影響因素；李小勝等(2015)利用空間面板Tobit模型對中國省區環境規制下的全要素生產率影響因素進行了分析；黃永春等(2015)利用Tobit模型對中國東部、中部、西部三大區域的環境全要素生產率影響因素進行了估計；陳超凡(2016)利用一般面板數據模型和動態面板數據模型分析了中國工業綠色全要素生產率影響因素。上述文獻對全要素生產率這一經濟增長源泉的重要影響因素進行了有益的探索，但都沒能夠很好地刻畫出面板數據的截面異質性特征，更沒能在計量分析中反映各因素對全要素生產率的非線性影響。除全要素生產率外，經濟增長源泉還有投入因素、結構因素和環境因素等方面因素，目前鮮有這方面的研究。有鑒于此，本文擬構建一個綠色經濟增長核算模型，將2000—2013年中國省區的經濟增長源泉分解為環境技術進步、環境技術效率、環境管制、產業環境結構和要素投入等五個部分，進而利用線性的動態面板數據模型和非線性的面板平滑轉換模型分析中國省區經濟增長源泉的影響因素。

二、中國省區經濟增長源泉分析

(一)研究方法與數據來源

1．Malmquist-Luenberger生產率指數及分解

在借鑒Luenberger (1992，1995)的短缺函數思想基礎上，Fare et al.(2001)構造了如下形式的方向性距離函數:

(1)

其中：P(x)為生產可能性集合；g=(y,-b)是產出擴張方向向量，其含義是在給定投入x的條件下,“好”產出y和“壞”產出b分別成比例地擴大和縮小；β為方向性距離函數值，表示“好”產出y增長、“壞”產出b減少的最大可能數量。

基于方向性距離函數，Chung et al.(1995)提出了包含非期望產出因素的Malmquist-Luenberger生產率指數(即環境全要素生產率)。而利用兩個時期的ML生產率指數的幾何平均值，可以消除時期選擇的隨意性，從而得到全要素生產率的變化，即：

(2)

通過這種方法，環境全要素生產率指數ML可以被分解為環境技術進步(MLTC)和環境技術效率變化(MLEC)兩個部分。

2．環境生產函數與經濟增長源泉的分解

生產者在參考技術下的方向性環境生產函數為：

(3)

由此可知，方向性環境生產函數構造出了由期望產出y、非期望產出b、要素投入x、環境技術P(x)以及方向向量g所決定的前沿產出。

根據方向性距離函數與環境生產函數的關系，借鑒Kumar et al.(2002)的經濟增長源泉分解思路，可以將產出進行如下五重分解：

(4)

式(4)把前沿產出分解為環境技術效率(MLEC)的貢獻、環境技術進步(MLTC)的貢獻、環境管制(EPC)的貢獻、產業環境結構(IES )的貢獻以及要素投入(INP)的貢獻等五個部分。其中，環境技術效率(MLEC)與環境技術進步(MLTC)乘積為環境全要素生產率，即ML生產率指數。在考慮環境因素后，傳統的全要素生產率被分解為MLEC、MLTC、EPC和IES四個部分。

在上述產出的分解結果中，環境技術效率(MLEC)改善意味著生產者對環境生產前沿的追趕速度加快；環境技術進步(MLTC)則表現為環境生產前沿的向上移動；環境管制(EPC)反映了環境管制對經濟增長的約束效應，即在環境技術結構、要素投入、產業結構不變時，污染物的排放對前沿產出的影響，實際上也就是Ft+1(xt+1,yt+1,bt+1;g)與Ft+1(xt+1,yt,bt;g)的差異；產業環境結構(IES )反映了產出結構(“好”產出與“壞”產出的比例)變化對前沿產出的影響，即Ft+1(xt+1,yt+1,bt;g)與Ft+1(xt+1,yt,bt;g)之差；INP反映了在技術結構和技術效率不變條件下，要素投入變化對前沿產出的效應。

3.數據來源

本文研究對象為中國大陸除西藏之外的30個省、自治區和直轄市，根據研究需要將這30個省區劃分為東部、中部、西部和東北四大地區*東部地區包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南等10省區，中部地區包括山西、安徽、江西、河南、湖北、湖南等6省區，西部地區包括內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆等11省區，東北地區包括遼寧、吉林和黑龍江等3省區。；研究具體時段為2000—2013年。本文所使用的變量及相關數據來源具體情況如下：

本文的期望產出用GDP數據表示，并按照2000年的價格水平進行平減，相關數據來源于歷年《中國統計年鑒》；借鑒胡曉珍等(2011)的方法，本文將環境污染綜合指數作為非期望產出，其值由SO2、COD和固體廢棄物產生量計算而得，相關數據來自于《中國統計年鑒》和《中國環境統計年鑒》；本研究所使用的投入變量為物質資本存量、勞動力和能源消耗量，其中物質資本存量用永續盤存法計算而得，相關數據來源于歷年《中國統計年鑒》；勞動力為各省區全社會從業人員數目，數據來自于《中國勞動統計年鑒》；各省區能源消費總量用萬噸標準煤衡量，數據來源于歷年《中國能源統計年鑒》。

(二)中國省區經濟增長源泉分解結果分析

上文將中國省區經濟增長進行了五重分解。為了便于觀察和分析，本文繪制出了2000—2013年中國四大地區相應增長源泉所貢獻增長率的分布圖，圖中每個地區相應變量的值為該地區所有省區的平均值，結果如圖1所示。

由圖1可知，在四大地區中，西部地區經濟增長速度最快，為12.288%，其他三個地區的經濟增長速度基本持平，約為11.850%。接下來對每個增長源泉所貢獻的增長率進行地區間的比較分析。在環境技術進步方面，東部地區環境技術進步貢獻的增長率最高，為9.351%；其次是東北地區的6.122%，而中部地區和西部地區則大體相當，約為4.350%。在環境技術效率方面，所有地區環境技術效率的增長率均為負，這意味著環境技術效率在全國范圍內普遍惡化，以至于妨礙了經濟的持續增長。分地區看，東部地區的環境技術效率惡化并不太嚴重，其他三個地區則比較嚴重，因為環境技術效率惡化導致經濟增長降速超過1.722%。上述各地區環境技術進步和環境技術效率所貢獻的增長率之和，即為該地區環境全要素生產率對產出的貢獻。在環境管制方面，東部地區、中部地區環境管制貢獻的增長率均在0.1%以下，而西部地區和東北地區相應指標則均在1.3%以上，說明中國東部地區、中部地區環境管制要嚴于西部地區、東北地區。除西部地區產業環境結構對地區經濟增長略有促進外，其他地區的產業環境結構均妨礙了地區經濟增長，說明中國多數地區的產業結構還不盡合理，高污染、高耗能產業比重過高。圖1還表明，中部地區要素投入所貢獻的增長率最高，為11.194%，東北地區和西部地區分別為8.456%和8.108%，最低的東部地區僅為4.282%。從全國總的情況來看，要素投入仍然是第一位的增長源泉，其貢獻的增長率高達7.484%；其次是全要素生產率的作用(環境技術進步和環境技術效率的貢獻之和)，其貢獻的增長率為4.848%；然后是環境管制的貢獻，其引致的增長率為0.733%；最后是產業環境結構的作用，對經濟增長的貢獻為-1.043%。

圖1 中國各地區經濟增長源泉所貢獻增長率(%)

三、中國省區經濟增長源泉的影響因素分析

(一)中國省區經濟增長源泉影響因素的線性分析

1.動態面板數據模型的構建及指標的選取

動態面板數據模型可以反映出被解釋變量的動態變化特征，而且可以通過控制固定效應克服變量遺漏問題和反向因果性問題，因而在實證分析中得到廣泛應用，本文也擬利用這種模型。在具體的研究過程中，擬用五種經濟增長源泉作為被解釋變量，通過建立動態面板數據模型來分析各種因素對它們的影響。由于計算出來的五種增長源泉均是以指數形式表現出來的，只是反映了相應指標鄰近年份的變化，并不能反映各指標的實際水平，所以擬采用各增長源泉指數的累計值而不是當年值作為被解釋變量，以更好地解決統計量的顯著性問題。同時參考其他相關研究文獻，最終選用以下指標作為解釋變量：(1)技術創新能力(RD)，用研發投入占GDP比重表示；(2)FDI水平(FDI)，用實際利用外資占GDP比重表示；(3)經濟結構(SE)，用第二產業產值占GDP比重表示；(4)能源強度(EI)，用各省能源消費總量與GDP比值表示；(5)污染治理強度(PTI)，用污染治理成本與GDP比值表示；(6)基礎設施水平(INF)，用每平方公里面積的公路、鐵路總長度表示；(7)對外開放水平(OPE)，用進出口總額與GDP比值表示；(8)所有制結構(OWN)，用國有企業和國有控股企業產值占GDP比重表示；(9)規模結構(SCA)，用大中型企業總產值占GDP比重表示。

利用上述變量可建立如下形式的動態面板數據模型：

(5)

其中：Yit為被解釋變量，代表五種經濟增長源泉；μi和vt分別為時間和地區變量；εit為回歸誤差項。模型中解釋變量相關數據來自歷年《中國統計年鑒》、《中國能源統計年鑒》和《中經網統計數據庫》，變量樣本觀測值的統計描述如表1所示。

表1 變量的描述性統計

2.動態面板數據模型估計結果分析

GMM方法是常用的動態面板數據模型估計方法，這一方法不需要隨機擾動項的準確分布信息，同時允許隨機擾動項存在序列相關性和異方差性，估計結果也比較穩健可靠，能夠解決傳統計量經濟模型中的很多問題。為此，本文將使用GMM方法對中國省區經濟增長源泉影響因素進行實證分析，估計結果如表2所示。

表2 中國省區經濟增長源泉影響因素的GMM回歸結果

注：表中模型(Ⅰ)、模型(Ⅱ)、模型(Ⅲ)、模型(Ⅳ)、模型(Ⅴ)分別表示以環境技術進步、環境技術效率、環境管制、產業環境結構、要素投入為被解釋變量的回歸模型；表中數據為兩步差分GMM估計結果；***、**、*分別表示在1%、5%、10%水平上顯著。

由表2結果可知，五個模型系數的聯合顯著性檢驗的Wald值都在1%的水平上顯著，這說明本文設定的動態面板數據模型對樣本數據的擬合是有統計意義的，回歸方程整體上是有效的。此外還可以看到，每個模型被解釋變量的滯后項回歸系數均在1%的水平上顯著為正，這說明每個被解釋變量的變化會受到自身慣性的顯著影響。由于模型(Ⅰ)和模型(Ⅱ)的被解釋變量同屬環境全要素生產率的主要構成部分，為了便于分析，接下來對模型(Ⅰ)和模型(Ⅱ)的回歸結果同時進行說明。模型(Ⅰ)和模型(Ⅱ)回歸結果表明，技術創新能力對環境技術進步的提升有顯著的促進作用，而對環境技術效率的提升作用則不明顯，這與現實情況是相符的。FDI與環境技術進步、環境技術效率之間均呈現出了顯著的正向相關性，這是因為外商直接投資會帶來資金，也會帶來先進的生產技術和管理經驗，從而促進中國技術水平和技術效率的全面提升。表2結果表明，經濟結構對于環境技術進步、環境技術效率的促進作用并不顯著。模型(Ⅰ)和模型(Ⅱ)回歸結果還表明，能源強度僅與環境技術進步顯著相關，并且這種關系是反向的，即單位產出的能源投入越多，在生產中所采用的節能環保技術越落后。污染治理強度與環境技術進步具有顯著反向關系，而與環境技術效率則具有顯著正向關系。污染治理強度的加大，說明當前企業采用的技術并不是節能環保的，而治污也會占用企業大量的資金，從而可能會影響研發投入。污染治理會使企業在相同投入的情況下，增加“好”產出，減少“壞”產出，從而提高環境技術效率。表2的結果表明，提升基礎設施水平對提高環境技術進步和環境技術效率具有顯著的促進作用，主要因為基礎設施水平越高，越能為技術創新能力、技術創新效率、生產管理效率等提高創造更好的外部條件。由表2結果可知，對外開放水平對環境技術效率沒有顯著影響，而對環境技術進步則具有顯著正向影響。這主要因為進口會產生技術溢出效應，同時貿易開放使得國內企業面臨更多的市場競爭壓力，促使更多企業進行重組以及技術創新活動，進而對地區的技術進步產生積極影響。表2回歸結果顯示，所有制結構對環境技術進步沒有顯著影響，對環境技術效率則具有顯著反向影響。這可能是因為中國國有企業的改革正處于攻堅期和深水區，國有企業還沒有形成完全適應市場經濟要求的管理體制和經營機制，從而阻礙了企業技術效率的有效提升。模型(Ⅰ)和模型(Ⅱ)結果還表明，規模結構對環境技術進步、環境技術效率均具有顯著反向影響。對這一現象的解釋是，大企業的自身特點決定了創新效率一般不及小企業，而企業規模過大也會降低生產管理效率。

由模型(Ⅲ)回歸結果可知，九個解釋變量中僅有經濟結構、能源強度、污染治理強度、基礎設施水平對環境管制的產出效應產生了顯著影響。作為經濟增長源泉，環境管制實際上表現為加強環境管制對經濟增長的約束效應，也可以理解為經濟增長某種程度上是由于放松環境管制而產生的。接下來分析該四個變量的影響效應。經濟結構(工業比重)對環境管制的產出效應具有顯著正向影響。這是因為總體上中國的環境管制并不嚴格，而一些工業企業又是主要的排污單位，這些企業比重的上升必然會增強環境管制的產出效應。同樣能源強度對環境管制的產出效應也具有顯著正向影響。在環境管制較為寬松、企業的節能環保技術總體上比較落后的情況下，能源強度的增強則意味著以犧牲環境為代價的產出增多。環境污染治理強度與環境管制的產出效應之間呈現顯著的反向變化關系，這是因為加大環境污染治理強度意味著環境管制更加嚴厲，將會降低以犧牲環境為代價的產出。另外，基礎設施水平對環境管制的產出效應也具有顯著反向影響，這主要是因為：良好的基礎設施會為環境治理提供更好的外部條件，從而有助于提高環境治理效率。

模型(Ⅳ)回歸結果表明，僅有技術創新能力、經濟結構、能源強度和環境污染治理強度四個變量對產業環境結構的產出效應有顯著影響。加大研發投入會推動新技術應用，促進新產業和新業態的快速成長，從而有利于地區產業結構改善，并提高產業環境結構的產出效應。總體上，目前中國的工業生產技術還比較落后，生產效率較低，環境污染也較為嚴重，在這種情況下，工業比重的提高、能源強度的加大必然會阻礙產業環境結構產出效應的改善。環境污染治理強度對產業環境結構產出效應具有顯著的正向影響，其回歸系數高達10.461，這是產業轉型升級最主要的促進因素。因為加大環境污染治理強度會迫使地方政府大力發展節能環保產業，實現產業結構的轉型升級，從而提升產業環境結構的產出效應。由模型(Ⅴ)的回歸結果可知，僅有FDI水平、能源強度和規模結構對要素投入有顯著的影響。FDI和能源都是拉動經濟增長的重要力量，促進要素投入產出效應的作用不言而喻。大中型企業實力雄厚，是地區經濟發展的主力軍，也是地區要素投入的重要來源，規模結構的改善顯然有助于提升地區要素投入水平和產出效應。

為了檢驗表2中五個模型回歸結果的穩健性，利用LLC、IPS、ADF-Fisher等面板數據單位根檢驗方法來檢驗上述五個模型面板殘差的平穩性，結果如表3所示。

表3 動態面板數據模型殘差平穩性檢驗

注：括號內數值為相應參數的p值。

五個模型面板殘差單位根檢驗結果顯示，所有模型的全部統計量的值均在1%顯著性水平上拒絕原假設，即五個模型面板殘差是平穩的，上文五個動態面板數據模型的回歸結果是可靠的。

(二)中國省區經濟增長源泉影響因素的非線性分析

1.面板平滑轉換模型

面板平滑轉換模型(PSTR)最早是由González et al. ( 2005) 提出的非線性模型，是面板門限回歸模型(PTR)的一般形式，這一模型不但可以刻畫出面板數據的截面異質性，而且可以通過引入一個轉換函數使模型的系數呈現出連續變化的過程，從而使體制能夠得以連續、平滑地轉換。而PSTR模型可以表示為：

(6)

(7)

其中：m通常取1或2，當m=1時，轉換函數含有一個位置參數c。

g1(qit;γ,c)=(1+exp(-γ(qit-c)))-1

(8)

若γ>0，當轉換函數g1(qit;γ,c)=0時，式(6)為低體制；當g1(qit;γ,c)=1時，式(6)為高體制。轉換函數值在0和1之間平滑轉換時，模型則在兩種體制之間平滑轉換。若γ→+∞，則PSTR模型轉化為PTR模型；若qit=c或γ→0，則g1(qit;γ,c)=0.5，PSTR模型則轉化為線性固定效應模型。

當m=2時，轉換函數含有兩個位置參數，此時轉換函數為：

g2(qit;γ,c1c2)=1+exp(-γ(qit-c1)(qit-c2))-1

(9)

2.模型的設定與變量選擇

PSTR模型的被解釋變量分別為五個經濟增長源泉變量，利用的解釋變量數目和動態面板數據模型數目一樣，共9個。參考涂正革(2008)和賀勝兵(2009)的研究，選擇解釋變量中的所有制結構(OWN)和規模結構(SCA)作為轉換變量。模型公式如下：

Yit=μi+Z1+g(qit;γ,c)Z2

(10)

Z1=β11RD+β21FDI+β31SE+β41EI+β51PTI+β61INF+β71OPE+β81OWN+β91SCA

(11)

Z2=β12RD+β22FDI+β32SE+β42EI+β52PTI+β62INF+β72OPE+β82OWN+β92SCA

(12)

3.模型的非線性檢驗

在對模型進行估計之前，需要對其進行截面異質性檢驗，即檢驗各影響因素對經濟增長源泉是否具有非線性關系，然后根據檢驗結果確定面板平滑轉換模型的具體形式。首先對模型進行線性檢驗，即對原假設H0∶r=0(模型為線性模型)和備擇假設H1∶r=1(模型為非線性模型)進行檢驗，檢驗所使用的統計量為LM、LMF、LRT。表4中的線性檢驗結果表明，LM、LMF、LRT統計量均顯著拒絕了各影響因素與經濟增長源泉具有線性關系的假說，即各影響因素與經濟增長源泉之間存在顯著的非線性關系，采用面板平滑轉換模型是合適的。其次在線性檢驗的基礎上，還需要進一步進行“剩余非線性檢驗”，以確定模型中轉換函數的個數，最終采用統計量LM、LMF、LRT對H0∶r=1和H1∶r=2進行檢驗。根據表4中“剩余非線性檢驗”中的LM、LMF、LRT統計量的取值及相應的p值，可以斷定在兩個不同轉換變量的PSTR模型中，轉換函數的最優個數均為1，即相應的面板平滑轉換模型均為兩體制模型。

表4 模型的非線性檢驗

注：表中模型(A)、模型(B)、模型(C)、模型(D)、模型(E)分別表示以環境技術進步、環境技術效率、環境管制、產業環境結構、要素投入為被解釋變量的模型；括號內數值為相應參數的p值。

4.模型估計結果分析

利用上述方法，分別以所有制結構(OWN)和規模結構(SCA)作為轉換變量對面板平滑轉換模型進行估計。在估計中發現，當轉換變量為規模結構時，運算中出現了奇異矩陣和矩陣不滿秩的情況，以至無法計算出模型參數。這可能是由于規模結構并不能把模型區分為不同體制，從而導致模型出現嚴重的多重共線性問題。為此，本文只選擇所有制結構為轉換變量進行面板平滑轉換模型的估計，估計結果如表5所示。

表5結果和圖2—圖6表明，多數變量在統計意義上是顯著的，且所有的模型都僅有一個轉換函數，并對應一個位置參數，因而，所有的模型都是兩體制模型。由表5模型(A)結果可知β11+β12>0,這說明所有制結構(OWN)和研發投入的環境技術進步彈性呈現正相關關系，也就意味著在其他條件不變情況下，所有制結構值(工業比重)較高的地區研發投入對環境全要素生產率的促進效應更為顯著。表5結果顯示，所有制結構在模型(A)中存在單門檻，其值c=0.124。當地區所有制結構值小于門檻值時，中國省區研發投入對環境技術進步有著不太顯著的抑制作用；而超過門檻值后，研發投入對環境技術進步的抑制作用就會減弱，甚至最終轉變為促進作用。由表5和圖2可以看到，模型(A)的轉換速度參數γ=5.601，數值比較小，說明隨著OWN值的提高，轉換函數將呈現平穩漸進式的變化過程。由模型(A)的轉換函數圖可以看到，隨著轉換變量OWN的變化，研發投入的環境技術進步彈性將在高低體制間平滑轉換，一旦OWN值超過門檻值，模型將趨于高體制，而研發投入的環境技術進步彈性指數也將穩定在7.401左右。另外還發現，模型(A)的390個觀測值均高于門檻值，這說明相關變量對環境技術進步的影響主要反映在非線性估計參數上。由表5結果還可以看到，外商直接投資水平、經濟結構對環境技術進步的影響效應比較相似，即線性回歸的參數值顯著為正，非線性回歸的參數值顯著為負。相應的參數和分別為β21+β22=4.411>0、β31+β32=1.834>0，這說明外商直接投資水平、經濟結構與環境技術進步呈正相關。隨著國有企業產值比重的提升，外商直接投資水平、經濟結構對環境技術進步的反向影響會減弱，通過平滑轉換函數的作用分別從-34.198、-9.950轉變為4.411、1.834。能源強度、基礎設施水平對環境技術進步的影響效應與外商直接投資水平、經濟結構的影響效應恰好相反，這說明能源強度、基礎設施水平與環境技術進步呈負相關關系，隨著國有企業產值比重的提升，能源強度、基礎設施水平對環境技術進步的正向影響會減弱，并通過平滑轉換函數的作用最終轉變為負值。由表5結果還可以看出，污染治理強度、所有制結構對環境技術進步的反向影響會通過國有企業產值比重的提高而有所減弱，而對外開放水平對環境技術進步的正向影響也會由于國有企業產值比重的提高而有所減弱。表5結果還顯示，規模結構的線性和非線性回歸參數均不顯著，這說明中國省區規模結構和環境全要素生產率之間并無密切關系。

注：表中模型(A)、模型(B)、模型(C)、模型(D)、模型(E)分別表示以環境技術進步、環境技術效率、環境管制、產業環境結構、要素投入為被解釋變量的模型；***、**、*分別表示在1%、 5% 、10%水平上顯著；括號內數值為相應參數的t值。

下面對環境技術效率影響因素進行分析，即模型(B)回歸結果進行分析。由表5結果可知，令模型(B)發生非線性轉換的位置參數c=0.567，且模型(B)位于低體制和高體制的觀測值的個數分別有274個和116個，所占比例分別為70%和30%，表明大多數觀測值位于低體制。模型(B)的平滑轉換速度參數γ=32.382，轉換速度較快，具體轉換過程如圖3所示。模型(B)中，各因素對環境技術效率的影響因所有制結構的變化而呈現出各種變化，為了便于分析，將具有類似轉換過程的影響因素一并進行描述。當所有制結構處于低體制下，研發投入水平、能源強度的提高對環境技術效率的影響系數分別為15.202、0.017，只是前者顯著，后者不顯著；當所有制結構處于高體制狀態下，研發投入水平、能源強度對環境技術效率的影響系數分別轉變為-3.481、-0.176，并且均在1%水平下顯著。當所有制結構處于低體制下，FDI、污染治理強度、基礎設施水平均對環境技術效率具有不顯著的反向影響，而在高體制下，三者對環境技術效率均具有顯著正向影響。在兩種體制下，對外開放水平、所有制結構均對環境技術效率產生了反向影響，前者僅在高體制下顯著，后者僅在低體制下顯著。模型(B)結果表明，在兩體制下規模結構都對環境技術效率產生了正向影響，其影響僅在低體制下顯著。模型(B)結果還表明，經濟結構對環境技術效率的影響在兩體制下均不顯著。

就模型(C)回歸結果來看，令模型(C)發生非線性轉換的位置參數c=0.448，模型(C)位于低體制和高體制的觀測值的個數分別為184個和206個，所占比例分別為47%和53%，表明大多數觀測值位于高體制。模型(C)的平滑轉換速度參數γ=14102，轉換速度非常快，轉換函數值在c=0.448處發生了突變，此時平滑轉換模型轉化為面板門限回歸模型，具體情況如圖4所示。模型(C)結果還顯示，FDI、經濟結構、規模結構在兩體制下均對環境管制的產出效應有促進作用，只是FDI僅在高體制下顯著，經濟結構、規模結構僅在低體制下顯著。能源強度在低體制下對環境管制的產出效應具有顯著促進作用，隨著所有制結構變量取值超過位置參數，其對環境管制產出效應的促進作用會顯著減弱，并最終維持在較低的正向水平上。基礎設施水平、所有制結構在兩體制下均對環境管制的產出效應產生反向影響，只有基礎設施水平在低體制下的作用顯著，而所有制結構的作用在高體制下顯著。模型(C)結果還表明，研發投入、環境污染治理強度、對外開放對環境管制產出效應的影響在兩體制下均不顯著。

圖2 模型(A)轉換函數

圖3 模型(B)轉換函數

圖4 模型(C)轉換函數

圖5 模型(D)轉換函數

圖6 模型(E)轉換函數

模型(D)結果顯示，其發生非線性轉換的位置參數c=0.687，模型(D)位于低體制和高體制的觀測值的個數分別為337個和53個，所占比例分別為86%和14%，表明大多數觀測值位于低體制。模型(D)的平滑轉換速度參數γ=10.429，轉換速度較快，其相應轉換函數如圖5所示。在低體制下，模型(D)中的研發投入、基礎設施、對外開放水平會對產業環境結構改善產生顯著促進作用，而FDI、經濟結構則會產生顯著抑制作用，其他變量在低體制下并不顯著。在高體制狀態下，FDI、基礎設施、對外開放、所有制結構均對產業環境結構改善起到抑制作用，而經濟結構和規模結構則均起到促進作用，其他變量作用不明顯。

由模型(E)結果可知，其發生非線性轉換的位置參數c=0.582，模型(E)位于低體制和高體制的觀測值的個數分別為280個和110個，所占比例分別為72%和28%，說明大多數觀測值位于低體制。模型(E)的平滑轉換速度參數c=14.963，轉換速度快于模型(D)，其相應轉換函數如圖6所示。在低體制下，模型(E)中的FDI、經濟結構、所有制結構對要素投入產出效應的增長有顯著促進作用，而基礎設施和對外開放水平則呈現出顯著抑制作用，其他變量影響不顯著。在高體制下，模型(E)中的FDI、環境污染治理強度、基礎設施、對外開放、所有制結構對要素投入產出效應的增長具有明顯促進作用，而研發投入、經濟結構、能源強度、規模結構則具有明顯的抑制作用。

四、結論與啟示

本文基于方向性環境生產函數的經濟增長核算模型，將2000—2013年中國省區的經濟增長源泉分解為環境技術進步、環境技術效率、環境管制、產業環境結構和要素投入五個部分，在此基礎上分析了各增長源泉對地區經濟增長的貢獻及差異，同時利用動態面板數據模型和面板平滑轉換模型對各增長源泉的影響因素進行線性和非線性分析，得出如下研究結論：(1)總體上，要素投入是中國省區經濟增長的主要源泉，中國經濟增長仍然是要素驅動型增長。環境技術進步是中國省區經濟增長另一個重要源泉，其對經濟增長的拉動作用在東部省區尤為顯著。中國省區普遍存在技術效率惡化的狀況，這阻礙了地區經濟的增長。環境管制對中國省區經濟增長的影響較小。除西部省區外，其它地區的產業環境結構呈現出不同程度的惡化，以致拉低了地區經濟增長，但這種影響很小。(2)技術創新能力、FDI水平、基礎設施水平、對外開放水平均對環境技術進步有顯著推動作用，而能源強度、污染治理強度、規模結構與環境技術進步呈反向變化關系。FDI水平、污染治理強度、基礎設施水平均能顯著地促進地區環境技術效率的提升，而所有制結構和規模結構則起到相反作用。當前經濟結構和能源強度提升了環境管制的產出效應，提升污染治理強度和基礎設施水平則會抑制環境管制的產出效應。技術創新能力和污染治理強度的提升會優化地區產業環境結構，目前中國的經濟結構和較高的能源強度則會直接導致產業環境結構的惡化。FDI水平、能源投入、規模結構的優化均能顯著提升要素投入的產出效應。(3)以所有制結構為轉換變量的PSTR模型具有顯著的非線性特征，每個模型均是兩體制模型，其位置參數分別為0.124、0.567、0.448、0.687和0.582，轉換速度參數分別為5.601、32.382、14102、10.429和14.963。在環境技術進步影響因素模型中，隨著轉換函數的變化，技術創新能力、FDI水平、經濟結構對環境技術進步由負向影響逐漸轉變為顯著的正向影響，而能源強度、基礎設施、對外開放對環境技術進步的正向影響則逐漸減弱，污染治理強度、所有制結構對環境技術進步的反向影響會大幅減弱。在環境技術效率影響因素模型中，隨著轉換函數的變化，技術創新能力、能源強度對環境技術效率的影響由最初的正向變為顯著的負向，而FDI水平、污染治理強度、基礎設施對環境技術效率的影響則由負變正。對外開放、所有制對環境技術效率的影響則始終為負。在環境管制影響因素模型中，轉換函數的變化會使FDI水平、能源強度、所有制結構對環境管制產生顯著影響，其中前兩者影響為正，后者為負。在產業環境結構影響因素模型中，轉換函數的變化會使FDI水平、基礎設施水平、對外開放、所有制結構對產業環境結構產生顯著負向影響，而經濟結構、規模結構則存在顯著正向影響。在要素投入產出效應影響因素模型中，轉換函數的變化會使所有影響因素對要素投入產出效應產生顯著影響，其中研發投入、經濟結構、能源強度、規模結構的影響為負，其它為正。

上述研究結論可以留給我們一些有關經濟發展的重要啟示：

(1)要素投入是拉動中國經濟增長的主要動力，在適度擴大地區投資規模的同時，要瞄準方向和需求，注重投資的精準性和有效性。要提高經濟增長效率，必須重視研發和技術創新；要進一步完善技術創新體系，降低研發成本，提高創新效率；各地區還應注重加快基礎設施建設步伐，加大環境整治力度，提升對外開放水平，吸引資金投入，為經濟發展提供良好的軟環境和硬環境；各地區在發展中必須要重視生態環境建設，堅決摒棄“以環境換發展”的觀念，在堅持綠色發展理念和堅守硬的環境約束下，實現地區產業結構轉型升級和區域經濟的可持續發展。

(2)要發揮好各種因素對經濟增長的促進作用，就必須要解決好國有企業改革和發展問題，因此要改革產權制度，完善組織結構，提高管理效率和創新效率，堅持走集約發展、綠色發展和轉型發展之路。國有企業作為經濟社會平穩運行的重要依托，在提升地區經濟實力、改善公共財政結構、優化地區經濟發展質量方面作用顯著，但也存在企業產權問題、組織結構問題以及粗放型的發展方式帶來的不良影響等問題。要進一步改善國有企業經營環境，改革國有企業的體制機制，完善國有企業各種體制機制，唯此各種因素才會更好地促進經濟增長。

陳超凡. 2016. 中國工業綠色全要素生產率及其影響因素：基于ML生產率指數及動態面板模型的實證研究[J]. 統計研究(3):53-62.

陳詩一. 2009. 能源消耗、二氧化碳排放與中國工業的可持續發展[J]. 經濟研究(4):41-55.

戴平生. 2009. 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(3):54-59.

郭玉清,姜磊. 2010. 中國地區經濟差距擴散的源泉:資本深化還是效率改進[J]. 數量經濟技術經濟研究(7):38-52.

賀勝兵. 2009. 考慮能源和環境因素的中國省級生產率研究[D]. 武漢：華中科技大學.

胡曉珍,楊龍. 2011. 中國區域綠色全要素生產率增長差異及收斂分析[J]. 財經研究(4):123-134.

黃永春,石秋平. 2015. 中國區域環境效率與環境全要素的研究：基于包含R&D投入的SBM 模型的分析[J].中國人口·資源與環境 (12):25-34.

劉瑞翔. 2013. 探尋中國經濟增長源泉:要素投入、生產率與環境消耗[J]. 世界經濟(10):123-141.

李小勝,安慶賢. 2012. 環境管制成本與環境全要素生產率研究[J]. 世界經濟(12):23-40.

李小勝,宋馬林. 2015. 環境規制下的全要素生產率及其影響因素研究[J]. 中央財經大學學報(1):92-98.

史修松,趙曙東. 2011. 中國經濟增長的地區差異及其收斂機制(1978-2009)[J]. 數量經濟技術經濟研究(1):51-62.

涂正革. 2008. 環境,資源與工業增長的協調性[J]. 經濟研究(2):93-105.

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

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

吳振球,王建軍,李華磊. 2014. 改革開放以來經濟增長方式漸進式轉換:測度、源泉及其差異[J]. 數量經濟技術經濟研究(6):3-19.

肖攀,李連友,唐李偉，等. 2013. 中國城市環境全要素生產率及其影響因素分析[J]. 管理學報(11):1681-1689.

楊俊,邵漢華. 2009. 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(9):64-78.

顏鵬飛,王兵. 2004. 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(12):55-65.

葉祥松,彭良燕. 2011. 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(2):102-109.

岳書敬,劉朝明. 2006. 人力資本與區域全要素生產率分析[J]. 經濟研究(4):90-96.

鄭京海,胡鞍鋼. 2005. 中國改革時期省際生產率增長變化的實證分析(1979-2001)[J]. 經濟學(季刊)(1):263-296.

朱承亮. 2014. 中國地區經濟差距的演變軌跡與來源分解[J]. 數量經濟技術經濟研究(6):36-54.

KUMAR S, RUSSELL R R. 2002. Technological change, technological catch-up, and capital deepening:relative contributions to growth and convergence [J]. American Economic Review, 92 (3): 527-548.

LUENBERGER D G. 1992. Benefit functions and duality [J].Journal of Mathematical Economics, 21(5):461-481.

LUENBERGER D G. 1995. Microeconomic theory [M]. Boston: McGraw-Hill.

(責任編輯 張 坤)

Source of Economic Growth and Its Influencing Factors in Provinces of China: On Linear and Nonlinear Panel Data Model

SHI FengGuang

(School of Economics, Anyang Normal University, Anyang 455000)

By using green economic growth accounting model, the provincial economic growth is decomposed into the progress of environmental technology, environmental technology efficiency, environmental regulation and industrial structure of the environment, on which the paper analyzes factors affecting the source of economic growth by using dynamic panel data model and panel smooth transition model . The study found that the factor input and TFP are the main source of economic growth, environmental regulation and industrial environment structure have little influence on economic growth of provinces in China. The improvement of technological innovation capability, FDI, the level of infrastructure and opening level to the outside world can improve provincial environmental TFP significantly, and the improvement of pollution governance strength and the level of infrastructure has a significant inhibitory effect on the production of environmental regulation. The improvement of technology innovation ability and pollution control intensity can help optimize the structure of industry environment, the improvement of FDI, energy intensity and output value proportion of large and medium-sized enterprises can enhance the level of output effect of factor inputs. The effect of every factor on economic growth source has significant nonlinear characteristics, and its marginal effect difference is bigger under different system.

directional environmental production function; environmental TFP; economic growth; dynamic panel data model; panel smooth transition model

2016-08-05

石風光(1975-)，男，江蘇沛縣人，博士，安陽師范學院經濟學院副教授。

國家自然科學基金項目“環境因素對中國省際經濟增長差距的影響效應及政策選擇”(U1304708)；河南省哲學社會科學規劃項目“河南省工業綠色化發展績效評價與提升對策研究”(2015BJJ037)；河南省高等學校青年骨干教師資助計劃資助項目“環境視角下的中國地區經濟增長效率評價及提升對策研究”(2015GGJS-005)。

F061.5

A

1001-6260(2017)02-0009-12

10.19337/j.cnki.34-1093/f.2017.02.002