省域綠色全要素生產率的時空演變與空間溢出效應

張紅梅 張寧

【摘要】運用超效率SBM模型測算我國30個省市2006～2015年綠色全要素生產率，借助標準差橢圓和重心模型分析綠色全要素生產率的時空演變特征，并采用空間杜賓模型分析綠色全要素生產率的空間溢出效應。研究結果表明：在樣本考察期間，綠色全要素生產率呈現波動上升趨勢；綠色全要素生產率能客觀反映經濟增長和技術進步趨勢；綠色全要素生產率總體呈現出東北→西南的空間分布格局，且呈現出不斷擴散的趨勢；效率重心位于河南和湖北境內，先后經歷的遷移過程為東南→西北→西南；省域綠色全要素生產率存在明顯的空間溢出效應，同時6個影響因素對其產生了不同的直接和間接效應，其中提高經濟發展水平是現階段提升綠色全要素生產率的主要路徑。

【關鍵詞】綠色全要素生產率；超效率SBM；標準差橢圓；空間杜賓模型

【中圖分類號】F205；F127【文獻標識碼】A【文章編號】1004-0994（2019）24-0119-9

【基金項目】國家自然科學基金項目（項目編號：71861003）

一、引言

目前，我國進入增速換擋期、調整陣痛期和前期政策消化期“三期疊加”階段。而我國經濟增長依然由大量要素投入和大規模投資所驅動，經濟紅利中全要素生產率所占份額較少，粗放式經濟增長模式沒有得到根本性改變，這一狀況已經不能適應當前經濟發展。

黨的十九大報告指出，必須堅定不移地貫徹“創新、協調、綠色、開放、共享”的五大發展理念，逐步健全綠色低碳循環發展的現代經濟體系。所謂綠色低碳循環發展的現代經濟體系，就是經濟發展要努力擺脫以往“物耗高、能源高、污染高”等經濟增長方式，逐步邁向“勞動生產率提高、污染排放減少、資源消耗下降和可持續發展能力增強”階段，換言之就是綠色全要素生產率的持續改善。

在已有研究中，對綠色全要素生產率的測度主要以索洛余值法、數據包絡法（DEA）為主。其中前者適合多投入單產出的形式，將通過生產函數形式變換得到的索洛余值作為綠色全要素生產率；后者適合多投入多產出的形式，運用非參數線性規劃技術測度生產者的實際生產水平和最前沿生產技術的距離來度量綠色全要素生產率（GTFP）。

陳詩一[1]采用二氧化碳作為投入要素，利用超越對數分行業生產函數和索洛余值法估算了我國工業全要素生產率，并進行了綠色增長核算。郭輝等[2]運用擴展索洛模型估算了我國1978 ～ 2008年能源消費和二氧化碳排放約束下的綠色全要素生產率。胡曉珍等[3]和楊桂元等[4]分別將熵值法擬合的環境污染綜合指數和工業“三廢”作為經濟的非期望產出納入非參數DEA-Malmquis指數函數。而丁黎黎等[5]通過熵值法構建“資源與環境損耗指數”，測算了資源環境雙重因素下我國沿海11個地區的海洋經濟綠色全要素生產率。

在綠色全要素生產率影響因素研究方面，屈小娥[6]認為研發強度能有效提升綠色全要素生產率，而沈可挺等[7]的研究結果與之相反。屈小娥[6]、肖攀等[8]分別采用第三產業和工業產值占GDP比重衡量產業結構，發現產業結構對綠色全要素生產率具有提升作用。除此之外，對綠色全要素生產率的影響因素還有外商直接投資[9，10]、貿易開放程度[11]、能源結構[12]、地區經濟發展水平[13]。

以上述研究為基礎，本文將能源因素和環境污染因素納入傳統全要素生產率的研究體系框架中，運用超效率SBM模型測算我國省域綠色全要素生產率，并借助標準差橢圓、重心模型等方法，探究2006～2015年我國省域綠色全要素生產率的時間演變趨勢和空間遷移趨勢，以厘清綠色全要素生產率的時間和空間演化特征。同時利用空間杜賓模型探究綠色全要素生產率的空間溢出效應，以期為我國的經濟綠色轉型提供借鑒。

二、研究方法與變量說明

1.超效率SBM模型。數據包絡法（DEA）是由著名運籌學家Charnes、Cooper、Rhodes在1978年最先提出的，該方法是評價具有多個輸入和多個輸出的決策單元（DMU）間相對效率的非參數分析方法[14]。它主要是將每一個評價樣本作為一個DMU，對于每一個DMU都存在各自的投入和產出，通過對投入和產出數值進行數據線性規劃，以確定由投入和產出構成的最優解所形成的相對有效的生產前沿面。然后，通過分析決策單元與相對有效的生產前沿面之間的距離來判斷DMU的效率值。

學者Tone在2002年提出了一種基于松弛變量評價DMU相對效率的非徑向DEA模型，即SBM模型[15]。該模型將松弛變量納入目標函數，使其效率值不再是使效益比例最大化，而變為使實際利潤最大化。

三、綠色全要素生產率的時空演變

1.綠色全要素生產率的時間演變。

（1）GTFP和TFP比較分析。運用DEA-SOLVER Pro5軟件基于非徑向超效率SBM模型測算規模報酬可變條件下2006 ～ 2015年30個省市的綠色全要素生產率GTFP。同時，本文也測算出不考慮非期望產出、以傳統GDP為產出的全要素生產率TFP進行比較分析，結果見表1。

從表1中可以看出，30個省市考慮非期望產出GTFP效率值要低于不考慮非期望產出TFP效率值。結合現實情況，可認為不考慮環境投入和環境代價的全要素生產率TFP出現虛高現象，綠色全要素生產率GTFP能夠更真實客觀地反映我國的經濟增長和技術進步。

（2）GTFP時間演變趨勢分析。從全國范圍來看，在2006 ～ 2015年期間，全國地區綠色全要素生產率從0.7299增長到0.8244，總體而言呈現出波動上升趨勢。從區域分布來看，東、中、西部地區的綠色全要素生產率也呈現出波動上升趨勢，且東部地區遠高于中西部地區。從時間段來看，不論是全國還是三大地區均呈現出2011年前快速上升、2011年后輕微下降趨勢。這主要是因為在建設資源節約型、環境友好型社會和節能減排的目標下，我國不僅對排放污染物設定了最高限值，而且大力發展循環經濟、積極推動節能清潔資源的利用，從而取得了一定的政策效果。

從省域來看，2006 ～ 2015年我國綠色全要素生產率呈現出逐年上升的趨勢，且存在著顯著的省際差異。綠色全要素生產率保持較高水平的省市主要有北京、上海、江蘇、山東、廣東、青海和海南等，其中北京、上海為直轄市，江蘇、山東、廣東位于東部沿海地區，這些省市經濟實力雄厚、環境技術先進、教育資源豐富、交通便利，因而綠色全要素生產率處于全國最高水平，實現了經濟發展和環境保護的“雙贏”。與此同時，大部分中西部省市綠色全要素生產率雖然處于上升趨勢，但是十年間的效率值仍然低于1，處于較低水平。這主要是因為中西部省市經濟基礎較為薄弱，技術人才引進、技術創新能力以及治污設備等方面的不足，導致環境技術落后于東部沿海地區。同時中西部省市還需要承接東部省市帶來的重污染、高投入、勞動密集型產業的轉移，從而進一步加重了環境污染，導致綠色全要素生產率持續處于較低水平。

2.綠色全要素生產率的空間演變。2006 ～ 2015年我國省域綠色全要素生產率空間格局表現出明顯的演化趨勢，具體表現為向西偏南移動，且空間分布呈現逐漸擴散的趨勢。本文主要從重心分布范圍和標準差橢圓兩個方面定量分析我國省域綠色全要素生產率空間差異的演變趨勢。

（1）從重心分布范圍來看，綠色全要素生產率在空間分布上的重心可看做標準差橢圓的重心。綠色全要素生產率重心均分布于湖北和河南境內，說明在東西方向上位于我國東部地區的綠色全要素生產率要平均高于西部地區。從重心遷移軌跡來看（如圖3），在東→西方向上，2006～2009年綠色全要素生產率重心呈現出明顯的向東移動趨勢，在2009年之后綠色全要素生產率重心又開始向西移動，向西移動總距離要大于向東移動總距離；在北→南方向上，總體呈現出先往北移動再往南移動的趨勢，且向南移動總距離要大于向北移動總距離?？傮w來看，我國綠色全要素生產率重心先偏東南再偏西北然后偏向西南，在樣本研究期間內綠色全要素生產率重心總位移為13.0226Km，其中向西總移動27.8299Km，向南總移動46.7543Km。

2006～2009年重心向東南偏移主要是由于經濟發展快速的東部沿海地區環保意識增強、經濟發展方式向集約型轉變，資源浪費和污染下降導致綠色全要素生產率快速提升。受國家的西部大開發和中部崛起等政策的推動，中西部地區為追求經濟的快速增長，注重發展高污染高投入的產業，造成大量污染物排放和能源消耗過度，這一系列問題阻礙了社會經濟效益增長，致使生產效率低下。

2009 ～ 2015年重心向西北和西南偏移，這主要是因為國家大力推進生態文明建設和綠色發展，并逐漸將西北地區和西南地區列入生態文明建設的行列中，致使西北和西南地區生態環境質量不斷提升。同時，加強資源節約和管理、加大環境保護力度及促進生態保護和修復等一系列措施的不斷提出，間接地促進了這些地區綠色全要素生產率的提升。

（2）從標準差橢圓來看，2006～2015年綠色全要素生產率標準差橢圓主要位于東中部的大部分地區，在研究期間內橢圓向東偏移且分布范圍逐年擴大。橢圓周長由2006年的68.5967上升至2015年的72.4374、橢圓面積由2006年的364.6525擴展至2015年的408.2780，橢圓形狀逐漸接近于正圓，說明我國的綠色全要素生產率逐漸趨于擴散。從方位角θ來看，轉角呈現出縮小的趨勢，2006～2015年轉角變化了6.4696，這說明綠色全要素生產率空間分布格局由偏東北→西南向正北→正南方向轉動了6.4696。從長短軸變化來看（如圖4），長短軸總體上是延長的，長軸標準差由2006年的12.3104Km延長至2015年的12.8879Km，短軸標準差由2006年的9.4293Km延長至2015年的10.0843Km。雖然總體變動幅度較小，但是表明綠色全要素生產率空間分布在長軸和短軸方向上有分散的趨勢，即表示綠色全要素生產率在北→南、東→西方向呈現出擴散態勢。

四、綠色全要素生產率的空間溢出效應

1.模型設定與影響因素選擇。為了檢驗綠色全要素生產率的空間溢出效應和影響因素，本文運用空間杜賓模型進行回歸分析。選取的解釋變量如下：

（1）經濟發展水平（EDL）：一個地區的經濟發展水平直接影響該地區的綠色全要素生產率，提升經濟發展水平將顯著提升綠色全要素生產率。選取人均地區生產總值的對數值表示，預期為正。

（2）能源結構（ES）：隨著工業化進程的加快，以能源消耗為主的產業結構逐漸形成，然而煤炭是主要的污染環境的來源，造成生態環境被破壞。選取折算為標準煤的煤炭消費量占能源消費量的比重表示，預期為負。

（3）人力資本（HC）：人力資本是經濟發展的必要因素之一，可促進經濟增長和技術進步，從而為綠色全要素生產率提升提供支撐。選取普通高等學校在校生人數表示，預期為正。

（4）產業結構（IS）：合理的產業結構帶來的技術進步將有助于綠色全要素生產率的提升，反之亦然。選取第二產業增加值占國內生產值的比重表示，預期不確定。

（5）基礎設施（INF）：基礎設施的改善能為經濟增長提供便利的外部環境，從而降低經濟運行成本，加快產業結構轉換，間接地促進綠色全要素生產率的提升。選取城市道路人均占有面積表示，預期為正。

（6）環境規制（ER）：環境規制對綠色全要素生產率的影響存在“遵循成本”和“創新補償”兩種觀點，兩種觀點從不同的角度說明了環境規制對綠色全要素生產率起到正向影響。選取排污費收入占國內生產總值的比重表示，預期為正。

上述變量所涉及數據來源于國家統計局官方網站、《中國勞動統計年鑒》、《中國能源統計年鑒》。

本文以綠色全要素生產率為被解釋變量，以上述6個影響因素為解釋變量，構建的空間杜賓模型如下：

2.空間相關性檢驗。根據超效率SBM模型測算的綠色全要素生產率，利用Matlab 2017a按照Morans I指數定義公式計算出2006 ～ 2015年綠色全要素生產率的Morans I值及Z值，如表2所示。

表2顯示：2006～2015年，我國綠色全要素生產率Morans I值在鄰接距離權重矩陣下均為正值，且通過了1%或5%水平上的顯著性檢驗，表明我國各省域綠色全要素生產率存在顯著的空間相關性。

空間聯系局部相關性的Morans I指數散點圖是衡量觀測單元屬性與周邊單元相近或差異程度的一種方法。為了進行簡單的對比分析，本文僅給出2006年和2015年各省市綠色全要素生產率的局部空間散點圖，如圖5所示。

從圖5可以看出，局部Morans I散點圖將30個省市綠色全要素生產率劃分為四個象限，其中大部分省市的局部Morans I指數值位于第一象限（代表綠色全要素生產率較高的地區，其相鄰地區的綠色全要素生產率也較高，即高值與高值的空間相關）和第三象限（代表綠色全要素生產率較低的地區，其相鄰地區的綠色全要素生產率也較低，即低值與低值的空間相關），這說明我國各省市的綠色全要素生產率呈現出空間集聚效應。綜合全局空間相關性檢驗和局部空間相關性檢驗，需要建立空間計量模型來探討綠色全要素生產率的空間溢出效應。

3.空間計量模型選擇與估計。通過構建混合OLS、空間固定、時間固定、空間和時間雙固定模型的非空間面板模型來選擇空間計量模型的類別，主要通過拉格朗日乘數（LM）進行檢驗。表3中，空間固定和空間時間雙固定模型中的殘差平方和δ2、回歸平方和R2和對數似然值Log-like均大于混合OLS和時間固定相對應的δ2、R2和Log-like，以上結果表明空間固定和時間雙固定模型是最優的。時間和空間LR檢驗均通過了1%水平上的顯著性檢驗，拒絕了時間固定和空間固定的混合非顯著性的原假設，故應采取空間時間雙固定模型[19]?？臻g時間雙固定模型均在1%或5%的顯著性水平上通過了LM檢驗或穩健的LM檢驗。

對上述構建的空間杜賓模型進行Hausman檢驗，統計結果顯示，該模型拒絕隨機效應原假設，因此選擇固定效應的空間杜賓模型更加有效。由于空間時間雙固定模型測算的直接估計系數存在一定的偏誤[20]，因此表4同時給出了空間時間雙固定模型的誤差修正參數估計。

表4中模型估計結果的R2值均大于0.9，說明空間時間雙固定效應空間杜賓模型擬合程度較好。同時Wald檢驗均在1%的顯著性水平上拒絕了θ=0和θ+ρβ=0的原假設，表明SDM模型不能簡化為SLM或SEM模型，SDM模型是最優選擇。模型估計中的ρ空間滯后變量解釋為正（0.6253），且通過了1%顯著性水平上的檢驗，說明綠色全要素生產率存在著顯著的空間溢出效應，即本地區綠色全要素生產率的提升可以促進周邊地區的綠色全要素生產率提升。這一現象的合理解釋為：隨著區域間經濟一體化的推進，地理位置相鄰接的地區可以實現經濟資源在地區間流動，進而促進技術和知識等要素的擴散；同時地區之間的高級經濟要素可實現共享和優化配置，從而在地區之間產生規模經濟等現象。

4.空間效應分解。上述分析主要是為了確定空間時間雙固定效應的空間杜賓模型的適用性。根據LeSage、Pace[16]的觀點，SDM模型采用點估計的方式分析存在一定的偏誤，即回歸結果不能代表展示的偏回歸系數。因此，本文運用偏微分方式將空間效應分解為直接效應、間接效應和總效應，具體結果見表5。

由表5可知，本地區的經濟發展水平對該地區的綠色全要素生產率存在顯著的正向直接影響，即快速的經濟發展水平有助于該地區綠色全要素生產率的提升。一般來說，經濟發展水平越高的地區，相應的環境保護投入力度就越大，從而有利于綠色全要素生產率的提升。同時，經濟發展水平的系數要大于其他影響因素的系數，這表明現階段經濟發展水平是提升綠色全要素生產率的主要路徑。經濟發展水平的間接效應顯著為負，表明經濟發展水平存在一定的“虹吸效應”，引起周邊地區經濟資源、人才、資金等經濟要素向本地區聚集，提升本地區綠色全要素生產率，抑制周邊地區綠色全要素生產率的提高。

能源結構的直接效應顯著為負，對綠色全要素生產率起到抑制作用。這種情形與我國現狀相符合，2015年我國的能源消費總量達到42.99億噸標準煤，其中煤炭消費占能源消費總量的比重高達63.7%，清潔能源所占比重較低，可見我國仍以煤炭為主要消費能源，且能源消費存在嚴重不平衡的現象，從而加劇了生態環境的破壞、抑制了生產率的提升。不僅如此，能源結構的間接效應顯著為負，即本地區煤炭消費總量的增加還會抑制周邊地區綠色全要素生產率的提高。

人力資本對綠色全要素生產率的影響顯著為正，并且通過了1%的顯著性水平檢驗，每提高一單位的人力資本投入，本地區的綠色全要素生產率效率值就提升0.28%。其原因在于，人力資本投入的增加可以顯著提高勞動者的綜合素質、創新能力和整個社會的知識積累，從而提高勞動生產率、促進知識外溢或擴散，進而提高綠色全要素生產率。人力資本的間接效應顯著為正，說明本地區的人力資本對周邊地區的綠色全要素生產率具有促進作用。

產業結構的直接效應為正，對綠色全要素生產率具有負向作用，這與理論預期不符。目前我國大部分地區仍以制造業為主，而我國的制造業多是以高能耗高污染為主，科技含量高的工業產業占比較低，不利于綠色全要素生產率的提升。同時，產業結構的間接效應不顯著，對其周邊地區的綠色全要素生產率不存在溢出效應。

環境規制對綠色全要素生產率的直接效應為正，表明環境規制對綠色全要素生產率產生了積極影響，環境規制強度的加大對考慮環境因素的全要素生產率產生了推動作用。這主要是由于嚴格的環境規制將促使本地區產業率先發展與環境兼容的創新技術，并且促使傳統生產工藝向環保型、節能型生產工藝轉型，從而達到環境清潔與經濟增長雙贏。這就驗證了“波特假說”的存在，在我國經濟發展體系下，環境規制能夠促使一個地區從長遠發展考慮主動進行技術創新。環境規制的間接效應顯著為正，說明環境規制具有明顯的外溢效應。

五、結論與啟示

1.結論。本文參考已有的研究成果，收集了2006 ～ 2015年我國30個省市（除西藏）的投入和產出指標，通過熵值法擬合環境污染指數并得出相對綠色GDP，運用超效率SBM非參數分析方法對綠色全要素生產率進行測算。在此基礎上，考察了我國省域綠色全要素生產率的時空演變特征和空間溢出效應。研究結果表明：

（1）與綠色全要素生產率比較，未考慮環境因素的傳統全要素生產率出現虛高現象。

（2）綠色全要素生產率從全國、地區和省域來看均呈現出波動上升趨勢。

（3）綠色全要素生產率重心遷移呈現先偏東南移動，再偏西北移動，最后偏向西南移動，總體呈現出向西偏南的遷移趨勢。

（4）標準差橢圓表現出綠色全要素生產率的空間分布格局不斷擴散態勢。方位角呈現出不斷縮小的趨勢，表明綠色全要素生產率呈現東北→西南的空間分布格局，并存在向正北→正南不斷轉動的趨勢。

（5）綠色全要素生產率存在著顯著的空間溢出效應，即本地區綠色全要素生產率的提升可促進周邊地區的綠色全要素生產率提升。同時經濟發展水平、能源消耗、人力資本、產業結構、基礎設施和環境規制對綠色全要素生產率存在不同程度的直接效應和間接效應影響，其中經濟發展水平是現階段提升綠色全要素生產率的主要路徑。

2.啟示。結合上述結論和我國當前狀況，本文提出以下建議：

（1）對于東部地區，政府要加大資金的支持力度，促進綠色技術創新；對于中西部地區，政府需要合理地引導政府、金融資金的流向，鼓勵銀行信貸向技術研發項目傾斜、向低污染低能耗企業傾斜，通過資金支持加快企業技術升級，促進綠色技術創新，進而推動綠色全要素生產率增長。

（2）改變以往的傳統全要素生產率的核算方法，將資源消耗和環境代價納入核算體系中，通過相對綠色GDP把經濟發展和資源環境結合起來，為經濟綠色轉型提供新型可持續發展模式。同時，各省市應該始終保持生態文明建設的戰略高度，加大環保力度，倡導循環經濟、技術經濟和綠色經濟，并結合自身的環境稟賦特征，制定適合本地區經濟發展的環境規制政策。

主要參考文獻：

[1]陳詩一.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，2009（4）：41～55.

[2]郭輝，董曄.碳排放和能源消費約束下的中國綠色全要素生產率和經濟增長研究——基于擴展的索洛模型分析[J].經濟經緯，2012（6）：77～81.

[3]胡曉珍，楊龍.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，2011（4）：123～134.

[4]楊桂元，吳青青.我國省際綠色全要素生產率的空間計量分析[J].統計與決策，2016（16）：113 ～ 117.

[5]丁黎黎，朱琳，何廣順.中國海洋經濟綠色全要素生產率測度及影響因素[J].中國科技論壇，2015（2）：72～78.

[6]屈小娥.考慮環境約束的中國省際全要素生產率再估算[J].產業經濟研究，2012（1）：35～43.

[7]沈可挺，龔健健.環境污染、技術進步與中國高耗能產業——基于環境全要素生產率的實證分析[J].中國工業經濟，2011（12）：25～34.

[8]肖攀，李連友，唐李偉，蘇靜.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，2013（11）：1681～1689.

[9]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.

[10]朱承亮，岳宏志，師萍.環境約束下的中國經濟增長效率研究[J].數量經濟技術經濟研究，2011（5）：3～20.

[11]田銀華，賀勝兵，胡石其.環境約束下地區全要素生產率增長的再估算：1998 ～ 2008[J].中國工業經濟，2011（1）：47～57.

[12]陳超凡.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，2016（3）：53～62.

[13] Kumar S. Environmentally sensitive productivity growth：A global analysis using maimquist-luen？ berger index[J].Ecological Economics，2006（2）：280～293.

[14]李心丹，朱洪亮，張兵，羅浩.基于DEA的上市公司并購效率研究[J].經濟研究，2003（10）：15～ 24.

[15] Kaoru T. A slacks-based measure of efficiency in data envelopment analysis[J].European Journal of Operational Research，2002（1）：32～41.

[16] J. P. Lesage，R. K. Pace. Introduction to spatial econometrics[M].Boca Raton：RC Press，2009：513～514.

[17]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.

[18]胡曉珍，楊龍.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，2011（4）：123 ～ 134.

[19]楊愷鈞，褚天威.互聯網發展、交通運輸及進口貿易關系研究——基于中國省際面板數據空間計量分析[J].經濟問題，2016（6）：95～100.

[20] Lee L. F.，Yu J. Estimation of autoregressive panel data models with fixed effects[J].Journal of Econometrics，2010（2）：165～185.

作者單位：貴州財經大學大數據應用與經濟學院，貴陽550025