中國區域綠色全要素生產率的影響因素及其空間特征

陳黎明，王俊昊,趙婉茹，蔡樂穎

摘 要：運用非徑向非角度的SBM方向性距離函數與ML指數，將環境污染和能源消耗納入生產率分析框架，將綠色全要素生產率（GTFP）增長分解為技術進步和技術效率改善，測度中國30個省市區GTFP，利用空間計量模型考量GTFP的影響因素及其空間特征。結果表明：樣本期內全國平均GTFP累積增長31%，技術進步貢獻較大。各地區的GTFP均呈現增長趨勢，而技術效率則有所下降。地理鄰接是空間溢出的主要途徑，各變量對GTFP、技術進步和技術效率改善的直接效應和空間溢出效應呈現不同的作用機制，R&D投入、外商投資和環境管制等因素對GTFP的增長均有顯著影響。

關鍵詞： 綠色全要素生產率;ML指數;影響因素;空間特征

中圖分類號：F224;F719 ? 文獻標識碼： A ? ?文章編號：1003-7217（2020）04-0122-11

基金項目： ?湖南省哲學社會科學基金項目（19YBA069）

一、 引 言

進入21世紀以來，中國逐步奠定了世界經濟大國地位。然而，低效的粗放型經濟發展模式造成了不可彌補的資源耗費和環境污染，現階段的中國面臨著環境污染和資源過度消耗的雙重壓力，飛速發展帶來的種種弊端逐漸顯現，給中國經濟社會的可持續發展帶來了巨大的風險和挑戰。燃燒化石能源造成的傳統煤煙型污染和PM2.5、顆粒物等新型污染并存，社會生產與居民生活、中心城市與周邊農村、工業與交通排放污染交織。到2030年，中國的城鎮化率將達到70%，居住在城市和城鎮的人口將超過10億人，而城鎮人均生活能耗是農村人均水平的1.54倍，城鎮化率每提高一個百分點，將增加生活垃圾1200萬噸、生活污水11.5億噸，并消耗8000萬噸標準煤[1]。《“十三五”生態環境保護規劃》指出，化學需氧量（COD）、二氧化硫（SO2）等主要污染物的排放量高達2000萬噸，78.4%的城市空氣質量未達標，部分地區冬季重污染頻發，環境承載能力已接近上限，生態環境已成為全面建成小康社會突出的短板。在國民經濟和社會發展“十三五”規劃（2016-2020年）中，綠色發展作為五大發展理念之一，被提升到前所未有的高度，在中國區域經濟協同發展愈加緊密、地區間交流合作更加頻繁的趨勢下，探究綠色全要素生產率的影響因素及地理空間分布特征對統籌區域經濟發展規劃、制定區域環保政策具有重要的指導意義。

目前，學者們研究綠色全要素生產率的影響因素主要從對外直接投資（OFDI）、環境管制、產業集聚、金融發展等方面展開。從OFDI來看，朱文濤等（2019）認為OFDI技術溢出能夠促進本地區技術能力增長從而對綠色全要素生產率產生積極正向的作用[2];孫付華等（2019）認為OFDI對綠色全要素生產率的影響存在著區域差異，沿海地區OFDI顯著促進了綠色全要素生產率的增長，而內陸地區OFDI對綠色全要素生產率的影響并不顯著[3]。從環境管制的角度考慮，杜龍政等（2019）證實了環境管制與工業綠色全要素生產率之間存在U型曲線關系[4];李鵬升和陳艷瑩（2019）認為短期內環境管制對企業的綠色全要素生產率存在抑制作用，長期來看環境管制有利于提升企業的綠色全要素生產率[5];此外，伍格致和游達明（2019）提出，環境管制的工具類型也會導致其對綠色全要素生產率產生不同的影響[6]。從產業集聚方面分析，任陽軍等（2019）認為省際視角下的制造業集聚、生產性服務業集聚對綠色全要素生產率的提高具有明顯的促進作用，且影響力存在區域差異，生產性服務業集聚對東部地區綠色全要素生產率的促進作用弱于中西部地區，制造業集聚則對東部綠色全要素生產率的影響作用強于中西部地區[7];劉贏時等（2018）運用數據包絡分析的ML指數法，考量綠色全要素生產率的影響因素，發現產業結構升級、能源效率以及兩者交互作用對綠色全要素生產效率具有正向推動作用，產業結構升級對綠色全要素生產率的促進作用要大于能源效率的促進作用[8]。基于金融發展視角，張帆（2017）構建了一個包含金融發展與綠色全要素生產率的熊彼特內生增長模型，實證考察中國金融發展對綠色全要素生產率的影響，發現金融發展能夠促進綠色全要素生產率的增長，這種促進作用會隨著金融發展水平的提高而遞減，呈現出非線性特征[9]。

從上述研究可以看出，OFDI、環境管制、產業集聚、金融發展等對綠色全要素生產率的影響均存在著明顯的區域差異。因此，部分學者引入空間計量模型對綠色全要素生產率的影響因素進行分析。張先鋒等（2010）運用索洛余值法對中國1998-2005年25個省市區的全要素生產率進行估算并研究R&D投入、公共基礎設施投入對本區域全要素生產率的影響及對鄰接地區的空間溢出效應，發現R&D投入對本區域和鄰接地區的全要素生產率具有顯著的正向影響，公共基礎設施投入對本區域的影響為正，但對鄰接地區的溢出效應為負[10];周璇和陶長琪（2015）在徑向非角度的SBM方向性距離函數基礎上，運用GML指數計算環境管制下中國各省全要素生產率增長率，并通過面板門檻回歸模型分析要素集聚和環境管制對全要素生產率的門檻效應，發現環境管制和要素集聚皆存在正向溢出效應[11];劉華軍等（2018）揭示了中國綠色全要素生產率增長的空間非均衡特征，并利用QAP分析方法從結構組成因素和外部影響因素兩個層面實證考察了中國綠色全要素生產率增長空間不平衡的成因，發現技術進步和城市化的差距是導致綠色全要素生產率增長表現出空間不平衡特征的主要原因[12];肖遠飛和吳允（2019）基于動態空間杜賓模型研究財政分權與環境管制對中國省際綠色全要素生產率的影響，發現財政分權的提高不僅會引起本地區綠色全要素生產率的下降，也會造成周邊地區綠色全要素生產率的下降[13]。

綜上所述，現有研究考察了影響綠色全要素生產率的宏觀和微觀因素，模型估計時也考慮了空間溢出效應，但仍存在一些不足：首先，大量學者采用DEA模型測度綠色全要素生產率時，基于徑向、角度的方向性距離函數，忽略了非期望產出，與實際生產過程不符。其次，多數研究僅基于單一空間權重矩陣，從地理或經濟某一角度分析全要素生產率的空間溢出效應，未擴展對分解項的研究，對空間特征的研究不夠細致全面。基于此，本文基于非徑向、非角度的SBM方向性距離函數，充分考慮能源投入和非期望產出，采用DEA模型及ML指數測算中國省域綠色全要素生產率增長;綜合R&D、FDI、環境管制等影響因素，基于四種空間權重矩陣對GTFP、TC、EC的空間溢出效應進行檢驗，為綠色全要素生產率的提高提供更全面的佐證。

二、研究方法和模型選擇

（一）綠色全要素生產率的測度及分解

本文基于非徑向、非角度的SBM方向性距離函數和ML指數測度中國各省市區（不含西藏自治區和港澳臺地區）的綠色全要素生產率增長，并進一步分解為技術進步以及技術效率改善。

1.非徑向非角度的SBM方向性距離函數。

根據Fre等（2007）、陳黎明等（2015）和劉華軍等（2018）的方法[14-16]，首先構造一個包含期望產出和非期望產出的生產可能性集。各省份作為決策單元（DMU），x表示N種投入的投入向量，則x=（x1，…，xn）∈R+N，本文主要考慮能源、物質資本和人力資本的投入。同理，y和b分別代表M種期望產出向量和I種非期望產出向量，則y=（y1，…，ym）∈R+M、b=（b1，…，bi）∈R+I，期望產出為各省份的實際GDP，非期望產出包括碳排放和SO2排放。K省份T年份的投入產出向量表示為（xk，tyk，tbk，t），p（x）={（y，b）：投入x可能的產出}表示生產可能性集，包含了所有省份在同一時期所有可能的投入和產出組合。

假設生產可能性集為有界閉集，且滿足“零結合公理”和“弱可處置性公理”。零結合公理認為期望產出和非期望產出同時存在;弱可處置性公理意味著減少非期望產出的同時一定伴隨期望產出的減少。環境技術表示如下：

pt（xt）={（yt，bt）：∑kk=1ztkytkm≥ytkm，m;

∑kk=1ztkbtki=btki，i;

∑kk=1ztkxtkn≤xtkn，n;

ztk≥0，∑kk=1ztk=1，k}（1）

其中，Ztk表示T年份每個省份投入的權重，

∑kk=1z′k=1表示規模報酬可變（VRS），除去這一約束條件則代表規模報酬不變（CRS）。

根據Tone（2001）的方法[17]，將非徑向非角度的SBM方向性距離函數定義為：

Stv（xt，kt，yt，kt，bt，kt，gx，gy，gb）=

max sx，sy，sb1N∑Nn=1sxngxn+1M+I[∑Mm=1sxmgym+∑Ii=1sbigbi]2s.t.∑Kk=1ztkxtkn+sxn=xtkn，n;∑Kk=1ztkytkm-sym=

ytkm，m;∑Kk=1ztkbtki+sbi=btki，i;∑Kk=1ztk=1，ztk≥0，k;sxn≥0，n;sym≥0，

m;sbi≥0，i（2）

其中，（xt，kt，yt，kt，bt，kt）代表K省份T年份的投入產出向量，gx，gy，gb的正方向代表期望產出擴張、投入和非期望產出縮減的情況，即在縮減能源、物質和人力資本投入的同時，保證經濟產出增加且污染排放減少。（sxn，sym，sbi）為非徑向非導向的松弛向量，在求解線性規劃的過程中，（sxn，sym，sbi）為正代表存在松弛項，說明投入和非期望產出在邊界外，而期望產出則小于邊界上的產出水平，即投入和非期望產出過度而期望產出不足。

2.Malmquist-Luenberger（ML）生產率指數。

Chung等（1997）在Luenberger利潤函數的基礎上利用方向性距離函數的優勢和特點創造了Malmquist-Luenberger（ML）生產率指數[18]。本文通過計算ML指數并將其分解為技術進步和技術效率改善，研究綠色全要素生產率增長的動力和趨勢特征。分解公式如下：

MLt+1t=[1+D→t0（xt，yt，bt;gt）][1+D→t0（xt+1，yt+1，bt+1;gt+1）]×

[1+D→t+10（xt，yt，bt;gt）][1+D→t+10（xt+1，yt+1，bt+1;gt+1）]12

EC=1+D→t0（xt，yt，bt;gt）1+D→t+10（xt+1，yt+1，bt+1;gt+1）

TC=[1+D→t+10（xt，yt，bt;gt）][1+D→t0（xt，yt，bt;gt）]

×[1+D→t+10（xt+1，yt+1，bt+1;gt+1）][1+D→t0（xt+1，yt+1，bt+1;gt+1）]

ML=EC×TC（3）

其中，TC代表t時期到t+1時期的技術進步，EC則代表技術效率改善，由ML指數分解而成;g為方向向量 。ML、TC和EC > 1（< 1）分別代表綠色全要素生產率上升（下降）、技術進步（退步）和技術效率改善（下降）。

（二）空間自相關性分析

為考察綠色全要素生產率的空間交互作用與溢出效應，需采用Morans I指數進行空間相關性檢驗，計算公式如下：

MoransI=N∑Nk=1∑Nj=1Wk，j（Yk-Y-）（Yj-Y-）∑Nk=1（Yk-Y-）2∑Nk=1∑Nj=1Wk，j（4）

其中，Yk表示k地區綠色全要素生產率的觀測值，采用ML指數作為被解釋變量。N為區域總數，Wk，j為空間權重矩陣。Morans I指數的取值范圍為[-1，1]，Morans I指數為正，表示存在空間正相關性;反之，則存在空間負相關性。

摒棄以往研究中區域綠色全要素生產率相互獨立的假設，通過空間權重矩陣Wk，j能夠反映空間交互關系與依賴特征，分別采用四種空間權重矩陣，探索本地區與周邊地區的鄰接、地理與經濟溢出關系：

1.0-1鄰接矩陣。簡單的二進制空間權重矩陣，設定如下：

Wk，j=1區域k和區域j相鄰接

0區域k和區域j不相鄰接 （5）

2.距離矩陣。王守坤（2013）認為倆地區的距離越近，賦予權重越大[19]。采用反距離矩陣，設定如下：

Wk，j=1dk，jk≠j0k=j （6）

dk，j表示倆省會城市之間的交通距離，相比通過經緯度計算兩點的地表距離，交通距離更加客觀地反映了城市間的社會與經濟聯系。

3.經濟矩陣。地理因素并非導致空間效應的唯一因素，在反距離矩陣構建的基礎上設定經濟矩陣如下：

Wk，j=1Xk-Xjk≠j0k=j（7）

Xk代表k區域的經濟變量，Xj代表j區域的經濟變量，采用人均GDP。

4.嵌套矩陣。當空間效應中同時包含距離因素與經濟因素的影響時，使用嵌套矩陣，設定如下：

W=αWeco+βWdis （8）

其中，Weco代表經濟矩陣，Wdis代表距離矩陣，α和β分別代表各權重矩陣的比重，取α=0.7、β=0.3（通過驗證，在該取值下模型擬合最佳）。

（三）空間計量模型的設定

考慮不同空間效應，將地區間的相互作用關系引入模型。不同作用形式體現在模型上分為空間滯后模型（SAR）、空間誤差模型（SEM）和空間杜賓模型（SDM）。具體如下：

1.空間滯后模型（SAR）。

yk，t=ρ∑Nj=1Wk，jyj，t+βXk，t+c+εk，t （9）

yk，t為空間單元k在t時期的因變量，分別采用ML指數、技術進步及技術效率改善作為被解釋變量; Wk，j為N×N維標準化的空間權重矩陣;ρ為空間自回歸系數，反映相鄰地區的行為對本區域的影響程度;Xk，t為1×K維外生解釋變量;β為外生變量對應的K×1維系數向量;c為常數項;εk，t為隨機誤差向量，且滿足均值為0、方差為σ2的基本假設。

2.空間誤差模型（SEM）。

yk，t=βXyk，t+c+μk，tμk，t=λ∑Nj=1Wk，jμj，t+εk，t （10）

假設殘差具有空間自相關性，先對殘差項進行空間自回歸分析，將區域k的殘差項表示為鄰接區域j的殘差及隨機變量的組合，λ為空間自回歸系數。再將殘差項的自回歸結果納入因變量的解釋模型。

3.空間杜賓模型（SDM）。

yk，t=ρ∑Nj=1Wk，jyj，t+βXk，t+

δ∑Nj=1Wk，jXj，t+c+εk，t （11）

yk，t為空間單元的因變量;Wk，j為空間權重矩陣W的i行j列元素;Xj，t為外生解釋變量;β為外生變量對應的系數向量;δ∑Nj=1Wk，jXj，t表示來自鄰接地區自變量的影響， εk，t～N（0，σ2）為隨機誤差向量。

三、數據處理及測度結果分析

（一）變量選取與數據處理

1.投入產出指標的選取與數據處理。

基于上述理論，選取以下指標（見表1）納入分析框架。以中國30個省市區（不含西藏自治區和港澳臺地區）2008-2017年的數據為研究樣本。數據來源于歷年的《中國統計年鑒》《中國能源統計年鑒》《中國勞動統計年鑒》《中國科技統計年鑒》《中國環境統計年鑒》和國家統計局數據庫及各省市區歷年統計年鑒。

其中，物質資本存量和人力資本存量的估算方法分別參考了張軍和章元（2003）、彭國華（2007）的相關研究[20，21];采用肖宏偉（2013）的方法[22]，將電力和熱能作為中間投入納入碳排放測算范圍，通過折算標準煤衡量能源消耗總量。

2.影響因素變量的選取。

對于綠色全要素生產率、技術進步和技術效率的影響因素，結合現有研究選取以下變量：

（1）經濟基礎（GDP）。采用人均GDP代表經濟基礎。人均GDP反映了居民的生活水平和地區經濟狀況，與之對應的是居民的消費水平和習慣，關系到物質資本累計、人力資本流動和能源消耗。

（2）資本深化（K/L）。采用物質資本存量和人力資本存量的比值（資本勞動比）反映資本深化程度。在勞動密集型企業向資本密集型企業轉換的過程中，通常伴隨著大量的資本投入和嚴重的污染排放，對技術水平提出更高的要求，促使技術進步影響綠色全要素生產率，這一轉換過程可以表現為資本深化程度。

（3）研發人員與經費投入（R&D）。增加R&D投入能夠有效提高要素利用效率及污染治理水平，節約資源和治理成本，是推動綠色全要素生產率提高的重要力量。

（4）外商投資（FDI）。選取外商直接投資（FDI）代表外商投資。一方面，外資帶來大量資金、技術、人才，對本地企業的管理水平和生產效率產生重大影響，本地企業通過模仿具有優勢的投資企業，與其技術、管理人員交流合作，不斷創新并提高自身的技術水平，促進綠色全要素生產率的提高;另一方面，“污染天堂”假說認為外資進入伴隨著污染的轉移，增加了本地區的污染排放和環境治理成本，導致綠色全要素生產率降低。

（5）能源消費結構（str）。選取煤炭消耗占總能耗的比重代表能源消費結構。CO2和SO2作為非期望產出，主要產生于煤炭化石能源消耗的過程中，目前煤炭仍是中國的基礎能源和主要能源，但新能源和清潔能源正在不斷被開發和普及，能源消費結構同時影響著資源投入的水平和非期望產出的水平，必然對綠色全要素生產率產生影響。

（6）環境管制（inv）。選取工業污染治理完成投資額代表環境管制強度。“波特假說”提出環境管制將促進企業提升技術創新能力。當環境監管力度加大時，在原有技術水平下，企業將因無法達到監管要求而難以維持正常的生產活動，被迫引進先進技術并改善生產流程，促進技術進步。另一方面，環境管制也可能阻礙企業技術創新能力的提高，企業為適應新的環境管制強度，花費額外的資本和人力投入節能減排項目，無形中增加了管理成本，對企業技術創新產生不利的影響，從而抑制綠色全要素生產率的提高。

（7）環保意識（en）。采用6歲以上人口中高中學歷以上人口占比來衡量環保意識，作為環境管制強度的補充指標。環保意識的普遍提高在居民的消費觀念和消費方式上有所體現，企業必須持續進行以綠色環保為主題的技術創新活動，研發環保產品，開辟新市場，提高競爭力以滿足不斷變化的社會需求，這種綠色經濟發展方式能夠更好地協調經濟發展與能源、環境之間的矛盾，促進綠色全要素生產率的提高。

（二）ML指數測度結果分析

應用MAXDEA軟件，通過非徑向非角度的SBM方向性距離函數，計算得到規模報酬不變（CRS）下的ML指數及其分解得到的技術進步（TC）和技術效率改善（EC）。

從表2數據可以看出，2008-2017年全國平均ML指數累計變動1.311，即綠色全要素生產率累積增長了31.1%，同時技術進步累計增長56.6%，技術效率下降16.3%，樣本期間內綠色全要素生產率的增長主要歸功于技術進步，與國家堅持科技創新、實施創新驅動發展戰略息息相關。分地區看，各地區的綠色全要素生產率均呈現增長的趨勢，存在技術進步和技術效率下降的特點。從東、中、西部地區的數據來看，東部較發達地區的綠色全要素生產率增長速度明顯高于其他地區，技術進步累計增長率高達79.8%，技術發展的地域優勢明顯，中部和西部地區的技術進步增長速度不如東部地區，但仍有40%以上的較高水平。綠色全要素生產率的增長趨勢大致呈現“東高西低”的局面，與張金燦和仲偉周（2015）運用隨機前沿法得出的結論相同[23]。

從各省份的數據來看，綠色全要素生產率和經濟發展狀況息息相關，北京、上海、江蘇、浙江等經濟發展較好的省份，其綠色全要素生產率增長較快;樣本期間內幾乎所有省份的綠色全要素生產率的增長均依靠技術進步拉動，李婧等（2013）和王兵等（2008）給出了相同結論[24，25]，但顏鵬飛和王兵（2004）的實證結果表明1978-2001年中國各省份的全要素生產率主要由技術效率的增長帶動，而技術進步放緩導致1997年之后全要素生產率的增長出現遞減的趨勢。忽略環境管制和能源消耗將導致全要素生產率被高估，近年來我國對科技創新的重視程度大大提高，技術進步發展迅猛，極大促進了生產前沿的擴張。在所有省份中，北京、上海和天津的技術效率經常處于生產前沿，只有山西和甘肅的綠色全要素生產率累積略有下降。

四、綠色全要素生產率的影響因素及其空間特征

（一）ML指數空間自相關性檢驗

分別采用四種空間權重矩陣計算Morans I指數對ML指數進行空間自相關性檢驗，結果如表3所示。整體來看，ML指數具有顯著的空間自相關性，經濟矩陣、距離矩陣及0-1鄰接矩陣的檢驗結果相差較大，故本文在多種權重矩陣下對空間面板模型進行擬合分析。

（二）綠色全要素生產率的影響因素分析

從空間因素的設定來看，LM和LR統計量的比較結果支持選取SAR模型，Hausman 統計量顯著（顯著性水平為5%），因此采用固定效應模型。分別對空間固定效應、時間固定效應以及空間時間雙向固定效應下的空間滯后模型進行擬合，發現在空間固定效應下，模型的擬合度更優，結果見表4。

四種空間權重矩陣下，ML指數的空間滯后項（W*dep.var.）系數均在1%的顯著性水平下通過檢驗，ML指數具有穩健的空間自相關性，某地區的綠色全要素生產率提高將對地理鄰接及經濟屬性相似的地區產生積極影響。0-1鄰接矩陣和距離矩陣下ML指數的空間自相關系數較大，相比經濟因素，地理因素更顯著地促進了綠色全要素生產率的增長，經濟屬性相似的地區亦存在示范效應。

利用點估計結果解釋各因素的影響并檢驗空間溢出效應有失偏頗。利用偏微分方法將系數估計值（總效應）分解為直接效應和間接效應（空間溢出效應），直接效應指本地區對本地區的影響，間接效應指本地區（周邊地區）對周邊地區（本地區）的影響，結果如表5所示。

資本深化的直接效應和間接效應在四種權重矩陣下顯著為正，其對提升本地區和鄰接地區的綠色全要素生產率具有顯著的促進作用。隨著經濟轉型升級和資本市場快速發展，勞動密集型企業的弊端逐漸顯現，資本深化意味著資源投入的增加和污染的加劇，但資本密集型企業對資金和技術的依賴大大超過了對其他要素的依賴，技術進步在很大程度上抵消了技術效率下降的影響，與王兵等（2010）、王鉞和劉秉鐮（2017）的研究結論一致[27，28]。

僅在0-1鄰接矩陣下，R&D投入對綠色全要素生產率的增長具有顯著正向的直接和間接影響，R&D投入對提升綠色全要素生產率的促進作用主要通過地理鄰近接壤渠道實現。增加本區域研發投入將推動技術進步，帶動本區域與鄰接地區綠色全要素生產率的提升，對于經濟屬性相似或距離較遠的地區，空間溢出效應不明顯。

外商投資與綠色全要素生產率正相關，具有穩健性。外商投資促進了污染治理及清潔技術的推廣引進，改善本地區的環境質量，促進綠色全要素生產率的增長。

在0-1鄰接矩陣和距離矩陣下，環境管制強度對綠色全要素生產率增長的直接效應為負，間接效應不顯著。本區域污染控制政策僅對本區域的綠色全要素生產率增長有負向影響，對鄰接地區的作用不明顯。原因在于環境污染嚴重阻礙綠色全要素生產率的增長，地方政府已頒布相關環境法規并加強環境管制，環境管制力度越強，當地實際的環境污染越嚴重，在考慮非期望產出測算綠色全要素生產率時則偏低。而本區域加強環境管制對鄰接地區沒有起到輻射或示范作用，空間溢出效應不顯著，鄰接地區將根據自身污染情況制定合理的環境管制政策。

經濟基礎、環保意識及能源消費結構對綠色全要素生產率增長的正面作用在模型中沒有得到充分顯現。

（三）技術進步與技術效率改善的影響因素分析

表6和表7分別為四種權重矩陣下技術進步和技術效率改善的模型估計結果。僅在0-1鄰接矩陣下，技術效率改善的空間滯后項系數通過了顯著性檢驗，且技術進步的空間滯后項系數在0-1鄰接矩陣和距離矩陣下通過了顯著性檢驗，某地區的技術效率改善僅對鄰接地區產生溢出效應，對距離較遠或經濟屬性相似地區的溢出效應不顯著，鄰近接壤是溢出的唯一途徑。0-1鄰接權重或是距離權重均與地理位置相關，技術效率改善和技術進步主要通過地理溢出對鄰接地區產生影響。

0-1鄰接矩陣下各變量對技術進步和技術效率改善的直接效應和間接效應，結果如表8所示。

資本深化對技術進步的直接和間接效應均顯著為正，能夠有效促進本區域和鄰接地區的技術進步。發展資本密集型企業需要大量技術設備和資金，且資本密集型產業在規模經濟下憑借資金優勢加強自主創新，加大對研發和創新活動的資金投入，引進國外先進技術，加速企業技術進步。對技術效率改善效果不顯著，提高技術效率不能片面追求資本密集型產業的發展，要注重資本密集型技術和勞動密集型技術的并存與結合，實現復合技術的發展，促進技術效率提高。

能源消費結構對技術進步和技術效率改善的直接和間接作用均顯著為負。長期以來中國形成了以煤炭為主的低效能源消費結構，與高投入、高消耗、高排放的粗放型生產模式，對技術進步和技術效率改善具有顯著的抑制作用。

研發投入的增加推動了本區域技術進步和技術效率改善，隨著中國國內知識產權保護制度的完善及自主創新意識的普及，技術和知識產權的溢出渠道減少，R&D投入對技術進步和技術效率改善的溢出效應不顯著;相反，張先鋒等（2010）認為R&D投入對本區域全要素生產率的影響較小，而地理溢出效應顯著[10]。

外商投資促進了技術進步和技術效率改善，對鄰接地區的技術進步存在顯著的正向溢出效應，但對技術效率改善的溢出效應不顯著。FDI的引入往往伴隨著先進技術和管理經驗，能夠有效提高當地的自主創新能力，同時先進的技術和相關管理經驗可能會通過人員流動和經驗復制傳播到其他地區，促進鄰接地區技術進步，但核心技術仍受到外資保護和封鎖，對周邊地區技術效率改善的影響不顯著。外資進入雖然增加了污染排放，就目前中國的經濟發展狀況來看，“污染天堂假說”沒有得到驗證，與汪鋒和解晉（2015）的觀點不一致[29]。

環境管制對技術進步和技術效率改善的直接和間接效應均顯著為正，“波特假說”在中國得到驗證，適當的環境管制將刺激企業創新，促進技術進步，提高企業的技術效率和生產力，抵消了環保費用增加造成的消極影響。

五、結論與建議

本文基于中國省域面板數據，運用非徑向、非角度的SBM方向性距離函數和 ML 指數在考慮能源投入和非期望產出的條件下測度綠色全要素生產率增長，通過構建空間面板模型研究綠色全要素生產率、技術進步和技術效率改善的影響因素及空間特征，主要結論如下：

中國的綠色全要素生產率在2008-2017年呈上升趨勢，主要由技術進步拉動，技術效率普遍下降。東部地區綠色全要素生產率增長和技術進步明顯高于其他地區，中部和西部地區省份增長較慢，北京、上海、浙江、江蘇等經濟較發達省份的綠色全要素生產率增長和技術進步較快，整體呈現“東高西低”的局面。

地理鄰接是各變量對綠色全要素生產率、技術進步和技術效率改善產生空間溢出效應的主要因素。經濟因素能夠在一定程度上促進綠色全要素生產率的提高但其空間溢出效應不顯著，鄰接地區的帶頭示范作用和輻射能力尤為重要。

僅考慮地理因素的影響下，各變量對綠色全要素生產率及技術進步和技術效率改善的直接效應和空間溢出效應呈現出不同的作用機制。資本深化有助于提升綠色全要素生產率和技術進步，并對鄰接地區產生正向的溢出效應;增加R&D投入能夠有效提高技術進步和技術效率，對綠色全要素生產率產生正向影響，受傳播渠道限制，其溢出效應并不顯著;外商投資引進的先進技術和管理經驗推動了本區域技術進步和技術效率改善，對鄰接地區的影響并不明顯;環境管制能夠促使企業進行技術創新，提高生產效率，降低污染治理成本，從而促進技術進步和技術效率改善并輻射鄰接地區，驗證了的“波特假說”的猜想。以煤炭為主的低效能源結構將抑制技術進步和技術效率改善并對鄰接地區產生負向的溢出效應。

為提高中國綠色全要素生產率、促進技術進步和技術效率改善，實現區域協調發展，提出相關政策建議如下：

（1）削減煤炭消費總量，升級能源消費結構。減少以煤炭為代表的化石能源消耗，將開發充足、穩定、綠色、低污染的新能源作為中國能源轉型的主攻方向，大力發展太陽能、風能、核能等新能源和可再生能源，優化能源消費結構，提高能源利用效率;大力推廣天然氣作為新型燃料在居民日常生活以及工業生產等領域的應用，從改變居民的生活方式入手，從根本上改善能源消費結構，推進生態文明建設。

（2）執行合理的環保政策，確定適當的環境管制強度。在積極倡導綠色消費，推進生態文明建設的同時，結合實際因地制宜地修訂動態的、差異化的環境管制標準，激勵企業進行自主創新活動，加大對節能環保技術的研發及對高能效產品的投資，持續不斷地推動技術進步和促進技術效率改善。選擇合理的環境管制形式，根據區域特點靈活利用環境稅收、排污收費、污染罰款等各種管制手段。

（3）擴大全社會研發投入，提升科技水平。創新是引領發展的第一動力，加大全社會研發投入是促進技術進步、實現創新驅動發展的必然要求。研發投入的持續擴大將提升自主創新能力，促進新舊動能加速轉換和產業結構轉型升級，增強經濟發展內生動力，推動經濟高質量發展。增加科技創新事業的投入，重視科技型、創新型人才的培養，鼓勵企業進行自主創新活動并給予相應的扶持和獎勵，建立合理的機制引導技術人才的流動。

（4）提高引進外資質量，堅持引進先進技術和消化、吸收、創新相結合。外資的進入勢必會帶來先進的技術和生產、管理模式，但重復或盲目地引進技術并不能有效地促進技術進步。從長遠的目標來看，應有針對性的選擇高質量、高效益、低污染的外資企業，在引進、消化、吸收先進技術的同時，強調自主創新能力的提升，努力形成具有自主知識產權的新技術。外資進入環境管制嚴格的區域將導致環境成本提高，應注意改善外資在國內的發展環境，通過提供優惠政策激勵企業開發綠色生產技術，將符合標準的優質外資引入勞動力充足的行業領域，既可維持較高的環境管制強度，也有利于調動優質外資進入的積極性。同時進行嚴格的管控，對不符合環保政策的外資企業處以警告或罰款，促使企業進行清潔技術創新，適應當地的環境管制標準。

參考文獻：

[1] 羅斯·特里爾.習近平復興中國：歷史使命與大國戰略[M].美國時代出版公司，2016.

[2] 朱文濤，呂成銳，顧乃華.OFDI、逆向技術溢出對綠色全要素生產率的影響研究[J].中國人口·資源與環境.2019（9）：63-73.

[3] 孫付華，李申達，龔茗菲，等.異質性企業對外投資行為如何影響中國綠色經濟增長·[J].產業經濟研究，2019（5）：65-76.

[4] 杜龍政，趙云輝，陶克濤，等.環境規制、治理轉型對綠色競爭力提升的復合效應——基于中國工業的經驗證據[J].經濟研究，2019（10）：106-120.

[5] 李鵬升，陳艷瑩.環境規制、企業議價能力和綠色全要素生產率[J].財貿經濟，2019（11）：144-160.

[6] 伍格致，游達明.環境規制對技術創新與綠色全要素生產率的影響機制：基于財政分權的調節作用[J].管理工程學報，2019（1）：37-50.

[7] 任陽軍，汪傳旭，李伯棠，等.產業集聚對中國綠色全要素生產率的影響[J].系統工程，2019（5）：31-40.

[8] 劉贏時，田銀華，羅迎.產業結構升級、能源效率與綠色全要素生產率[J].財經理論與實踐，2018（1）：118-126.

[9] 張帆.金融發展影響綠色全要素生產率的理論和實證研究[J].中國軟科學，2017（9）：154-167.

[10]張先鋒，丁亞娟，王紅.中國區域全要素生產率的影響因素分析——基于地理溢出效應的視角[J].經濟地理，2010（12）：1955-1960.

[11]周璇，陶長琪.環境規制、要素集聚與全要素生產率的門檻效應研究[J].當代財經，2015（1）：10-22.

[12]劉華軍，李超，彭瑩，等.中國綠色全要素生產率增長的空間不平衡及其成因解析[J].財經理論與實踐，2018（5）：116-121.

[13]肖遠飛，吳允.財政分權、環境規制與綠色全要素生產率——基于動態空間杜賓模型的實證分析[J].華東經濟管理，2019（11）：15-23.

[14]Fre R， Grosskopf S， Pasurka C A. Environmental production functions and environmental directional distance functions[J]. Energy，2007，32（7）：1055-1066.

[15]陳黎明，王文平，王斌.“兩橫三縱”城市化地區的經濟效率、環境效率和生態效率——基于混合方向性距離函數和合圖法的實證分析[J].中國軟科學，2015（2）：96-109.

[16]劉華軍，李超，彭瑩.中國綠色全要素生產率的地區差距及區域協同提升研究[J].中國人口科學，2018（4）：30-41.

[17]Tone K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research，2001，130（3）：498-509.

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

[19]王守坤.空間計量模型中權重矩陣的類型與選擇[J].經濟數學，2013（3）：57-63.

[20]張軍，章元.對中國資本存量K的再估計[J].經濟研究，2003（7）：35-43.

[21]彭國華.我國地區全要素生產率與人力資本構成[J].中國工業經濟，2007（2）：54-61.

[22]肖宏偉.中國碳排放測算方法研究[J].閱江學刊，2013（5）：48-57.

[23]張金燦，仲偉周.基于隨機前沿的我國省域碳排放效率和全要素生產率研究[J].軟科學，2015（6）：105-109.

[24]李婧，朱承亮，安立仁.中國經濟低碳轉型績效的歷史變遷與地區差異[J].中國軟科學，2013（5）：167-182.

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

[26]顏鵬飛，王兵.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，2004（12）：55-65.

[27]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.

[28]王鉞，劉秉鐮.創新要素的流動為何如此重要·——基于全要素生產率的視角[J].中國軟科學，2017（8）：91-101.

[29]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.

（責任編輯：鐘 瑤）

Influencing Factors and Spatial Characteristics of Green Total Factor Productivity in China

CHEN ?Liming， ?WANG Junhao，ZHAO Wanru， CAI ?Leying

（College of Finance and Statistics， Hunan University， Changsha，Hunan 410079， China）

Abstract：The non-radial， non-angle SBM directional distance function and ML index are used to incorporate indicators reflecting environmental pollution and energy consumption into the framework used to analyze productivity. We have measured ML index which can be decomposed into technological progress and technological efficiency changes and green total factor productivity （GTFP） of 30 provinces in 2008-2017. Spatial econometric model is used to explore the influencing factors and spatial characteristics of green total factor productivity. The results show that China's national average GTFP increased by 31.1% between 2008 and 2017 and it is mainly due to technological progress; the GTFP of all regions shows an increasing trend， and there are characteristics of technical efficiency decline and technological progress. Geographic proximity is the main factor leading to the spatial spillover effect. The direct effects and spatial spillover effects of various variables on GTFP， technological progress and technological efficiency improvement are different. The factors， such as R&D， FDI， and environmental regulation have significant effects on the growth of GTFP.

Key words：green total factor productivity （GTFP）; ML index; influencing factors; spatial characteristics

作者簡介： 陳黎明（1974—），男，湖南隆回人，博士，湖南大學金融與統計學院副教授，碩士生導師，研究方向：宏觀經濟統計。