綠色全要素生產率測算方法的研究現狀與發展

任秀峰　邱蘭

摘要：指出了綠色全要素生產率是綜合評價經濟增長與環境保護的重要發展指標，它的測算方法對經濟增長和環境保護的協調、穩定發展具有重要的指導意義。采用文獻法對綠色全要素生產率的研究現狀與發展進行了研究，從主要的兩種測算思路出發將測算方法分為參數與非參數兩類，并對比分析了兩類主要的測算方法的優勢與劣勢。

關鍵詞：綠色全要素生產率;兩山理論;經濟高質量發展

中圖分類號：F424 文獻標識碼：A 文章編號：1674-9944（ 2020） 2-0226-02

1 引言

綠色全要素生產率是兼顧經濟增長與環境保護、人與自然和諧的綠色發展指標。隨著經濟的不斷發展，環境問題也日益嚴峻，這就要求在經濟發展的同時必須要做好環境保護工作。“十三五”規劃指出，綠色是持續發展的必要條件，必須堅持節約資源和保護環境的基本國策;黨的“十八大”、“十九大”中都將綠色經濟發展作為我國經濟增長轉型的主要目標，以此來提高經濟增長的質量。國家主席習近平同志提出的著名的“兩山理論”和“經濟高質量發展理論”中都明確指出了綠色經濟、綠色發展是我國將會長期堅持的基本發展戰略。

綠色全要素生產率（ GTFP）是衡量和評價經濟增長質量的全面、優良指標，它將能源消耗與環境污染納入到傳統的全要素生產率（ TFP）核算框架中。在GT-FP指標提出之前，經濟研究中衡量和評價經濟增長的質量主要采用的指標為綠色GDP和全要素生產率（TFP）。綠色GDP是由GDP中扣減資源消耗與環境損失得到，由于資源、能源等與資本間往往具較高的相關性，其次就是環境成本測算困難，所以綠色GDP的測算方法在實際應用中難以實現。TFP測算主要考慮勞動力與資本兩大投入要素，部分學者在測算中將人力資本也考慮進來。TFP測算中資本與勞動力數據容易獲得，通過參數與非參數的方法都能較容易地測算出結果。但這兩種處理方法都沒有考慮環境生態因素與資源短缺對于經濟發展的約束，這顯然與實際經濟發展情況不相符合。綠色全要素生產率（ GTFP）測算不但考慮到經濟增長中的勞動力、資本、能源消耗等投入問題、同時還考慮到生態環境問題[1-6]。

2 綠色全要素生產率測算方法的研究現狀與發展

李俊和許晉濤（2009）通過在TFP測算中加入了反映環境變化的變量將其作為經濟增長的指標，并首次在國內文獻中應用綠色全要素生產率（ GTFP）的概念。在此之前考慮環境與資源因素的全要素生產率測算中一般將它稱為環境全要素生產率，或環境約束下、環境規制下的全要素生態率。隨著綠色全要素生產率概念的提出，它的測算方法也有了較大的發展。通過對已有的與GTFP測算方法相關的文獻進行梳理，本文將測算方法總得分為兩大類：參數方法與非參數方法[7-10]。

2.1 參數法測算的研究現狀與發展

采用參數方法進行測算時一般要通過設定生產函數的形式來測算GTFP并將其分解為技術進步、技術效率、規模效應等。在現有的文獻中使用參數方法進行GTFP測算的文獻相對較少。匡遠鳳，彭代彥（2012）運用超越對數生產函數形式及隨機前沿（ SFA）分析方法對我國三大區域的環境全要素生產率進行了測算。李兆亮等（ 2017）通過設定生產函數的具體形式測算了我國農業的綠色全要素生產率。武義青、陳俊先（ 2018）引入“勢效系數”對C-D生產函數進行修正，運用面板數據測算了河北11個區市的綠色全要素生產率，“勢效系數”的引入可以在測算過程中得到各單個要素（勞動力、資本、資源、能源）生產率對于綠色全要素生產率的影響。

2.2 非參數法測算的研究現狀與發展

非參數方法不需要設定生產函數的形式，直接由數據出發來測算。非參數方法主要基于方向性距離函數運用數據包絡分析（DEA）的方法進行測算。Chung等1997年提出基于方向性距離函數的Malmquist綠色全要素生產率指數測算模型，最早使用DEA的方法測算MalmquistGTFP指數，并且首次比較合理地擬合了環境因素在生產活動中所起到的制約作用。此后基于方向性距離函數運用DEA方法測算和分解GTFP指數的方法在國際和國內文獻中成為了使用最多也最為廣泛的方法。例如，Fare等（2001），Sickles（2004），Nanere等（ 2007），Kumar（ 2006），王兵等（2008），陳詩一（2009），賀勝兵（2009），許海萍（2009），劉華軍、楊騫（2014），石風光（2014），馮志軍等（2016），李琳（2018）等將非期望產出（“壞產出”）作為產出變量基于方向性距離函數構建了Malmquist - Luenberger（ MI_）綠色全要素生產率指數，并運用DEA方法測算。在測算GTFP指數時ML生產率指數在Malmquist指數基礎上進一步地考慮到了非期望產出的問題，這樣的計算與實際的經濟情況更加接近，但是學者們在研究中發現測算ML生產率指數時使用當期DEA和跨期DEA在結果上存在一定的差距，這表明用ML方法測算的GTFP指數對于所選樣本的時期有較強的敏感性。為了克服這種敏感性，學者們進行一步用Simar和wilson的DEAbootsrap的方法來糾偏ML方法，形成了MalmquistLuenberger - bootstrap（ MLB）模型。此外，Arabi（2015），Emrouznejad（ 2015），黃永春、石秋平（2015）等考慮到生產中投入要素與產出的可處置性，所以求最優解的目標函數中引入了投入與產出的松弛量來對方向距離函數進行估計，這種測算方法也被簡稱為（ SBM）模型。MLB和SBM這兩種在ML基礎上改進的模型也被國內學者在測算綠色全要素生產率時廣泛使用。魏瑋、譚林等（2015）運用MLB模型測算了我國T業綠色全要素生產率。尹傳斌，蔣奇杰（2017）運用SBM模型測算了我國西部地區的綠色全要素生產率，結果顯示西部地區的綠色全要素生產率是提高的，進一步將GT-FP分解為綠色技術進步與綠色效率兩部分后發現前者提高而后者是下降的。黃秀路等（2017）使用SBM模型測算了“一帶一路”國家的綠色全要素生產率。同樣使用SBM模型測算綠色全要素生產率還有李斌等（2016），原毅軍、謝榮輝（2016），胡曉琳（2016），龔新蜀（2017），華學成（2018）等。

3 兩類主要測算方法的優勢與劣勢對比

從現有文獻中對比參數方法與非參數DEA方法，后者在分析過程中有3個明顯的優勢：①可以處理多投入與多產出的問題。這種是參數方法很難實現的，參數方法一般情況下只能解決單一產出問題。所以在已有文獻中使用參數方法進行估計和測算時，不得不將資源與環境污染的因素作為投入變量或者是作為環境的約束變量從環境規制的角度來分析，而不是作為生產中的產出變量來進處理。②可以將環境與資源引入分析和測算的框架中，二者可以出現在投入與產出任意一方在技術上都是可以處理的，并且還能避開資源與環境價值的測算問題，直接用資源使用量和環境污染排放量數據就可以進行分析和測算（環境與資源的市場價值是比較難測算的，在生態學、經濟學領域中研究這方面的文獻不少，但至今沒有形成統一的大家都認可的方法）。③可以將產出分為“好”產出與“壞”產出兩類來處理，這樣處理方式更加符合經濟增長的實際情況。資源與環境作為投入要素能得到“好”產出，同時還會得到環境污染這樣的“壞”產出。這樣GTFP的測算中自然就可以更進一步對提高“好”產出，降低“壞”產出的方法進行分析。

然而，參數方法也有比DEA方法更具優勢的地方。①參數方法測算綠色全要素生產率（ GTFP）更具有經濟意義。DEA方法運用方向距離函數直接由數據出發，投入與產出之間的生產界面被由數據構成的距離空間所代替。DEA測算所得結果是總量層面的增長指數形式，即使將GTFP分解成效率、技術、規模等分解項也無法明確各個投入要素效率的改變與GTFP之間的關系。而參數方法就容易得到各個投入要素效率對GTFP的作用，特別是武義青、陳俊先（2018）參數估計時將“勢效系數”引入模型，而“勢效系數”就是直接反映各個投入要素效率對GTFP影響大小的。②參數方法對數據不敏感，結果比DEA穩定，特別是在實證數據為面板數據的情況下。盡管用MLB模型通過bootstrap的方法來對DEA測算結果進行糾正偏誤，但是DEA方法在沒有投入與產出間基本規律（函數形式）的設定下，隨機誤差項的影響就會被包含在計算的結果之中。③參數方法可以進一步計算各投入要素之間的替代彈性問題，而DEA方法無法進行替代彈性測算。要素間的替代彈性，特別是勞動力、人力資本對于資源與環境要素的替代彈性也是我們研究經濟增長質量與經濟增長轉型的關鍵指標，具有很強的經濟和政策指導意義[11-16]。

參考文獻：

[1]Chung Y H， Fare R，C;rosskopf S.Productivity and UndesirableOutputs：A Directional Distance Function Approach[Jl. Micro-economics， 1997，51（3）： 229-240.

[2]Doraisamy S M， Ramli N A. Productivity growth in Malaysianmanufacturing sector：A two stage analyses of the malmquistluen-berger productlvity index [Jl. 2014.

[3]Munisamy S， Arabi B.Eco efficiency change in power plants：using a slacks- based measure for the meta frontier MalmquistI_uenberger productivity index[Jl. Journal of Cleaner Produc-tion，2015（105）：218～232.

[4]Oh D H.A Global Malmquist- Luenberger Productivity Index-an application to OECD countries 1990 2004[Jl. Working Paper. 2009（10）.

[5]Kim T，Kim C G.An Alternative Measure for Green Growth inthe U.S.Agriculture Using the Malmquist- Luenberger Produc-tivity Index [J]。

[6lEmrouznejad A，Yang G L. A framework for measuring globalMalmquist- Luenberger productivityIndex with C（）2 emissionson Chinese manufacturing indust ries[Jl.

Energy， 2016（ 115）： 840 -856.

[7]楊文舉，龍睿赟，中國地區工業綠色全要素生產率增長：——基于方向性距離函數的經驗分析[J].上海經濟研究，2012（7）：3-13.

[8]武義青，陳俊先.綠色全要素生產率測定的一種新方法——以河北省11個設區市工業為例[J].河北經貿大學學報，2018（2）.

[9]王許亮，門小璐，胡宗彪，中國服務業分行業綠色生產率變遷與收斂性研究[J].武漢理工大學學報（社會科學版），2018（3）：58--67.

[10]李兆亮，羅小鋒，薛龍飛，中國農業綠色生產效率的區域差異及其影響因素分析[J].中國農業大學學報，2017（10）：203- 212.

[11]李斌，祁 源，李 倩，財政分權、FDI與綠色全要素生產率——基于面板數據動態GMM方法的實證檢驗[J].國際貿易問題，2016（7）：119-129.

[12]原毅軍，謝榮輝.環境規制與工業綠色生產率增長——對“強波特假說”的再檢驗[J].中國軟科學，2016（7）：144-154.

[13]魏瑋，譚林，劉希章.中國工業綠色全要素生產率動態演變特征研究[J].價格理論與實踐，2015（9）：91-93.

[14]崔 曉，張屹山.中國農業環境效率與環境全要素生產率分析[J].中國農村經濟，2014（8）：4-16.

[15]劉華軍，楊騫，資源環境約束下中國TFP增長的空間差異和影響因素[J].管理科學，2014（5）：133～144.

[16]韓海彬，趙麗芬.環境約束下中國農業全要素生產率增長及收斂分析[J].中國人口·資源與環境，2013（3）：70～76.

作者簡介：任秀峰（1984-），男，博士，講師，主要研究方向為綠色發展與經濟增長，農村經濟發展。

通訊作者：邱蘭（1986-），女，碩士，主要研究方向為林業經濟管理。