城市綠色全要素生產率演變機制研究

陳浩 劉培 許佩

摘要?在探索城市經濟高質量發展與資源環境保護“雙贏”的實現路徑中，本文從城市能源與土地要素配置結構約束下的視角出發，以2004—2017年中國的280個微觀城市為樣本，基于SBM-Luenberger生產函數的方法重新測度和分析城市綠色全要素生產率（GTFP）的增長指數，并對GTFP增長的來源、時空動態特征、內部驅動因素進行分析，研究顯示：①城市綠色全要素生產率（GTFP）在2004—2017年總體變化分為三個階段，依次為正向增長階段（2004—2008）→負向增長階段（2009—2015）→正向增長階段（2016年以后），GTFP增長主要來源于其規模效率的增長。②在空間動態變化中，初始階段綠色全要素生產率增長的空間集聚HH區域（高增長水平）集中在西部，LL區域（低增長水平）則集中在福建、江蘇、浙江、黑龍江等東部。隨著時間的推移，HH區域在西部基礎上不斷擴大到中部和京津冀地區，且東岸沿海區域的LL區域范圍在縮小。③在增長驅動因素中，城市能源結構的直接負效應與城市新能源電力供給占比較低有關;土地資源供應結構的負向效應說明城市發展存在“底線競爭”效應;產業結構的高級進程有利于地區整體GTFP增長但對產業屬地環境存在負向效應。除此之外，資源傾斜與資源集聚效應越強，其地區GTFP增長能力越強。因此，應充分發揮城市集聚的規模效應，提高城市能源與土地資源的集約效率，依靠經濟效率、資源效率和環境效率的提升實現城市經濟高質量發展。

關鍵詞?能源與土地要素;綠色全要素生產率增長;時空動態;增長驅動因素

中圖分類號?F062.1

文獻標識碼?A?文章編號?1002-2104（2020）09-0093-13??DOI：10.12062/cpre.20200120

經濟高質量增長不再是傳統的“三高階段”（高投入、高消耗、高污染），也不再依靠單一生產要素的紅利（如人口紅利、資源富集紅利、資本密集紅利、地理區位優勢等）來發展經濟，更多的是依靠市場化的改革進程來增強區域間的資源流動與優化配置，實現高質量發展中質量變革、效率變革，同時增強區域經濟發展的協調性、健康性、低碳性、綠色性與可持續性，實現經濟發展與生態環境友好下的“雙贏”。然而，在地方政府土地壟斷下“招商引資中廉價的工業用地”和“價格高昂的商業住宅用地”使城市土地資源出現錯配扭曲;同時城市能源“供給不足”和部分城市“資源詛咒”現象并存，使區域城市經濟發展不充分不平衡。因此，城市高質量發展必須充分考慮城市能源與土地要素的配置情況，從經濟效率、資源效率、環境效率的角度分析城市資源優化配置下綠色全要素生產率（GTFP，Green Total Factor Productivity）的增長狀況、時空動態特征、以及增長驅動因素，并從效率的角度為城市高質量發展提供事實依據和政策建議，以實現經濟發展（保持經濟發展的活力）與生態宜居（提升居民工作、生活與休閑中的生態環境質量）“雙贏”目標。

1?文獻綜述

經濟生態化下的綠色全要素生產率（GTFP）增長根源在于實現生產活動中的資源優化配置以達到最大化健康產出。由生產要素驅動到技術創新驅動下的經濟高質量增長關鍵也在于城市資源要素配置效率的變化，即實行在產出不變時的負外部環境效應最小化或者外部環境效應一定時產出的最大化，然而，存在資源自身約束或配置約束時其資源效率增長必然受到限制。目前在資源要素投入不變時，全要素生產率（TFP，Total Factor Productivity）增長主要源于技術進步、要素配置、與資源優化[1-2]，并且國家之間的經濟發展差異的根源也在于地區資源錯配或效率損失[3-5]。Hsieh 和Klenow[6]指出在資源（勞動和資本;K/L）得到優化配置時TFP將提升30%～50%（1998—2005年），龔關和胡關亮[7]指出在HK模型[6]實現規模報酬可變時企業TFP將增長10.1%和7.3%（1998—2007年），而資源錯配將使國家總體TFP平均年下降30%[8]，并且陳詩一和陳登科[1]測算錯配下的TFP年均下降率更高（1998—2013年均42.7%）。社會發展過程中對資源錯配或資源扭曲約束中效率損失的改善將成為經濟高質量增長的關鍵。

城市能源與土地要素的配置與約束將決定城市經濟發展的可持續性和綠色性。然而，傳統研究資源錯配約束與企業全要素生產率主要關注勞動[9-10]、資本[11-12]、技術[13]等，而對于城市能源與土地要素配置的狀況關注不夠。涉及的能源（Energy）方面，王克強等[14]分析能源開采行業的TFP發現規模效應是其增長的關鍵，王芃和武英濤[15]同樣發現能源行業要素本身配置扭曲是其根源，且糾正市場扭曲對TFP增長的貢獻最大，鄭麗琳、朱啟貴[16]發現納入能源約束下的TFP增長有限，除此之外，王兵等[17]、陳詩一和陳登科[1]、Watanabe和Tanaka[18]等學者則考慮將能源要素納入生產函數模型當中分析其錯配或生產效率。在土地資源（Source）方面，部分研究涉及土地資源的配置但并未進行量化[8，19-20]，部分量化分析只涉及農業用地[21-22]，其他部分學者的分析發現土地資源配置效率低的原因在于城市“底線競爭”（低地價成本、低環境約束、低稅率高補貼等導致土地資源的浪費和低效率）[2，23-25]，如非市場競爭下的土地協議出讓存在更低的配置效率[25-27] 。城市能源與土地要素的配置將決定城市綠色全要素生產率（納入城市能源與土地要素）增長的可持續性。

對于綠色全要素生產率的測度。在考慮經濟綠色發展的過程中，單純考慮能源與土地等“投入要素”的錯配約束是不夠的，還必須充分考慮其“產出要素”約束的影響，其中陳詩一[28]提出4種環境污染處理行為（忽略、要素投入、要素產出、非期望產出），而其他學者在期望產出（城市GDP或工業產出）基礎上多數考慮非期望產出約束行為（如：工業廢氣SO2、煙塵、廢 水、化學需氧量COD、CO2排放量等）[29-31]。除此之外，涉及環境全要素生產率或者綠色經濟效率時必須考慮采用有效的估計方法，如索洛剩余法[32-33]、隨機前沿法[34]、指數法如ML指數[35]、GML指數[31]、Luenberger指數[17，36-37]等。

關于城市方面的研究。部分學者以長江經濟帶108個城市為例基于ML（Malmquist-Luenberger）指數方法測度了其綠色全要素生產率[38]，還有學者測度和分析了長三角城市群的工業綠色全要素生產率空間分異情況[39]。除此之外，其他學者則從城市綠色全要素生產率的收斂性[40]、制造業集聚與城市綠色全要素生產率[41]、全球價值鏈與城市全要素生產率[42]、城市級別與全要素生產率[43]等角度對城市層面的全要素生產率進行了分析。

基于上述的分析，本文的重點在于：第一，以中國280個微觀城市為樣本（不包括西藏和港澳臺地區），在傳統投入產出函數上考慮城市能源與土地要素、非期望產出要素約束，構建“SBM方向距離函數”和“Luenberger生產率指數”測度2003—2017年中國城市綠色全要素生產率（GTFP）增長指數。第二，對GTFP增長的來源進行分解分析，并對兩種情形下的GTFP增長進行對比分析（要素投入只考慮勞動和資本（K/L）;同時考慮勞動、資本、能源和土地要素（K/L/E/S）），并且考察其時空動態變化情況。第三，重點考察城市能源與土地資源配置結構對GTFP增長的影響效果與作用機制，并分析GTFP增長的核心驅動因素，同時基于空間SDM模型分析其區域空間效應與影響機制，最終為實現綠色全要素生產率GTFP增長（即經濟效應與環境效應的“雙贏”）提供可靠的依據和對策建議。

2?指標測算與數據說明

2.1?綠色全要素生產率的測算

2.1.1?生產可能性集

2.1.2?SBM方向性距離函數

采用全域SBM方向性距離函數（DDF）測算[17，31]，具體的方法如下：

當方向向量（gx，gy，gb）和松弛向量（sxn，sym，sbi）測度單位一致時， 將標準化的松弛比率sxngxn加起來，目標函數為投入無效率和產出無效率平均值的和最大化[46]，本文按照王兵等[17]和Cooper 等[47]思路將無效率（IE）分解為三個部分（IEx;IEy;IEb），分別表示“投入”“好產出”“壞產出”的無效率，反應一種無效率水平的高低指數。

依據上述方法測算出中國280個城市2004—2017年的生產活動中的無效率指數。

2.1.3?Luenberger生產率指數

Luenberger生產率指數[36]和Malmquist生產率指數[48]被應用在不同的學科領域范圍，且在發展的過程中形成一種Malmquist-Luenberger指數（ML指數）[35]，Luenberger生產率指數是M指數和ML指數的一般形式，具體的Luenberger模型如下：

然后依據學者[37，44-45]的思路將其分解為四個部分依次是純效率變化（LPEC）、純技術變化（LPTP）、規模效率變化（LSEC）、技術規模變化（LTPSC），如下所示：

其中，GTFP 大于（或小于）零分別表明GTFP增長（或負增長）;LPEC大于（或小于）零表示效率提升（下降）;同理，LPTP表示技術進步（后退）;LSEC表示規模效率提高（或下降）;LTPSC表示技術偏離 CRS（向CRS移動）。

2.2?數據說明

運用超效率SBM-Luenberger函數的方法來測算出中國280個城市的含土地與能源要素下的綠色全要素生產率GTFP水平（Luenberger生產率指數），測算GTFP需要同時考慮生產的“投入要素EI”以及“好”“壞”兩種產出EO約束[17，31，36]。本文的要素投入涵蓋四種生產要素（資本、勞動、能源、土地;K/L/E/S）;產出涵蓋“好”產出（城市生產總值;GDP）和“壞”產出（工業“三廢”;SO2＼Water＼Smoke），具體的指標說明如下：①資本投入，資本投入使用城市固定資產投資額（萬元）。②勞動投入，勞動力投入使用城市年末單位從業人員數（萬人）。③能源投入，本文將城市中的主要能源消費量進行加總核算，主要能源消費量指標為城市液化石油氣（t）、天然氣（m3）、電力消費量（kW·h），然后依據折算系數進行熱量核算，得到熱量數據（kJ）數據，折算系數見《2018年中國能源統計年鑒》中的能源折算系數表。④土地資源投入，使用城市建設用地面積（km2）衡量土地資源要素S的投入。⑤“好”產出，使用城市生產總值GDP（萬元）來衡量。⑥“壞”產出，本文的指標為工業三廢中的工業廢氣SO2（t）、工業煙塵（t）、工業廢水排放量（萬t）。

綜上所述，本文運用超效率SBM-Luenberger函數，基于要素投入和產出的視角，使用Matlab測算出中國280個城市2004—2017年綠色全要素生產率（GTFP）的Luenberger指數及其指數的分解。

3?時空動態特征分析

3.1?綠色全要素生產率增長特征與分解

3.1.1?綠色全要素生產率增長特征

土地與能源環境要素視角下的綠色全要素生產率（GTFP含四種生產要素：勞動、資本、能源、土地，K/L/E/S）如圖1所示，圖1顯示出GTFP在納入不同要素時的兩種增長情況，兩者的整體時間趨勢基本保持一致性，三個階段依次為：正向增長階段（2004—2008）→負向增長階段（2009—2015）→正向增長階段（2016年以后），但是兩者在增長率的系數大小、增長率的波動幅度上存在顯著差異;在2004—2017年間含4種生產要素（K/L/E/S）下的GTFP增長年份均值與標準差為0.013 9和0.043 5，而前者GTFP增長年份均值和標準差為0.011 0和0.040 9。說明考慮能源與土地資源要素時（K/L）更能夠準確地反映GTFP的增長特征，避免主要生產要素忽略時的測度偏誤。

從兩種測算結果的對比分析來看，GTFP增長在2010年以前第一種測算的結果（只含K/L時）相對較高，考慮能源與土地要素約束時（含K/L/S/E）會降低GTFP增長水平，表明前期的GTFP增長水平受限于經濟增長的需求中的“高能耗和高資源投入”，資源的利用效率相對較低。然而，在2010年以后GTFP增長率水平（含K/L/S/E）相對較高，且增長速率較快，主要得益于“十八大”（2012）和“十三五”規劃（2015—2020）以來的生態文明建設、供給側改革、污染治理、經濟結構轉型與產業升級、技術創新增長、互聯網經濟帶來的經濟高質量增長與資源利用效率的提升。

3.1.2?綠色全要素生產率增長的分解

依據前述測算過程中對綠色全要素生產率（GTFP）增長的分解，4種分解結果對應GTFP增長過程中的純效率增長（LPEC）、純技術增長（LPTP）、規模效率增長（LSEC）、技術規模增長（LTPSC），而GTFP的增長則是前述4種增長的加總，不同類型增長的累計圖柱狀圖如2所示。由圖2可知，GTFP增長率主要來源于規模效率的增

圖1?綠色全要素生產率增長的時間趨勢

圖2?綠色全要素生產率的增長分解（K/L/S/E）

長（LSEC），規模效率對綠色效率的提升效果顯著且比重接近50%，其中技術規模增長（LTPSC）對GTFP增長的貢獻顯著為負且負向比重最高，而其他增長的貢獻相對較低。由此可知，綠色全要素生產率GTFP增長的關鍵在于發揮市場要素集聚和生產集聚的規模效應，既可以保證集聚市場（能源集聚下的環保效益、土地資源集聚使用下的規模效率）帶來的經濟效率的提升，也可以保證集聚下的污染集中治理，有效降低負向的外部環境效應。除此之外，技術增長和技術水平的規?；瘧么嬖陲@著不足，綠色創新生產和清潔化生產流程的短板限制了GTFP增長潛力。

3.1.3?無效率水平的分解

為了更好的分析三種無效率水平間的比例關系，圖3顯示出同時納入土地與能源要素（K/L/S/E）時的三種無效率水平IE間的關系。

三種無效率的柱狀比例圖顯示，GTFP測算過程中的無效率水平主要存在于“投入無效率（IEx）”和“壞產出無效率（IEz）”，兩種的比重都接近50%的比重，以2017年為例，“投入無效率”水平0.146，為“好產出無效率（IEy）”水平0.002的73倍，“壞產出無效率（IEz）”水平0.209，為“好產出無效率”（IEy）水平0.002的104.5倍，且在所有無效率水平中“投入無效率”占比40.89%;“壞產出無效率”占比58.54%，說明提升環境全要素生產率GTFP的關鍵在于提升投入資源的使用效率，增強治理“壞”產出的能力，基于這兩種視角來提升綠色經濟效率。

3.2?綠色全要素生產率增長的空間特征

基于區域異質性的考量，綠色全要素生產率增長（能源與土地資源約束下的增長）是否存在一定的區域集聚或區域偏好，是否與區域經濟發展的歷程相關，因此本文使用空間關聯性的分析方式來探究其發展歷程。對于空間關聯性分析，目前流行的全局自相關莫蘭指數I（Moran's I）如下所示：

指數Ii為正，表示區域i的高（或低）值周圍被高（或低）值所包圍的HH區域（或LL區域），指數Ii為負，表示區域i的高（或低）值周圍被低（或高）值所包圍HL區域（或LH區域）。本文使用局部自相關（Local Moran's I）指數得到的綠色全要素生產率（GTFP）增長的空間分布如圖4所示。

2004年GTFP的局部Moran's I指數顯著圖表明，具有空間集聚與高度關聯性的區域（HH區域，GTFP水平較高）集中在重慶、成都等川渝西部地區，其周圍部分顯示出LH區域特征。同樣具有高度集聚與關聯性的區域（LL區域，GTFP水平較低）則集中在福建、江蘇、浙江、黑龍江等區域，即東南沿海、長三角、東北等區域，說明市場改革和對外開放早期階段，東部地區多數關注外貿制造業、紡織業、化工業、礦業等高消耗、高污染行業的發展，注重經濟發展而忽視對環境污染的治理工作，以能源和土地資源消耗為主的粗獷經濟發展方式使該地區的綠色生產效率較低。

2009年的GTFP的分布相對2004年而言，HH區域在西部原基礎區域上不斷擴大，且在京津冀地區也出現HH區域（GTFP水平較高），說明GTFP增長的范圍在不斷擴大，且東岸沿海區域的LL區域（GTFP水平較低）范圍在縮小，表明“十一五”期間（2005—2010）國家提出建設資源節約型、環境友好型社會，大力發展循環經濟，加大自然生態和環境保護力度，東部產業轉型發展和制造業升級帶來能源效率、土地資源效率和環境效率的提升，并且環保意識和綠色生產工業得到推廣和發展。2013年在前述基礎上，HH區域基本保持在原有的水平上，但是LL區域和LH區域卻在進一步的縮小，說明高能源消耗企業的污染得到有效治理、低效率企業的無限擴展得到限制、綠色低碳的生產工藝得到發展，區域經濟和環境效益“雙贏”目標進一步得到顯現。

2017年HH區域集中在湖南、河南、山西、河北等中部地區、京津冀地區，表明其綠色經濟發展方式得到擴展，落后產業發展和能源消耗帶來的環境污染得到有效控制，區域單位GDP能耗處于不斷下降的趨勢，（“十一五”期間單位GDP能耗實際下降19.3%;“十二五”時期能耗實際下降18.4%），“三高”產業的淘汰和“高新技術”產業的興起使區域整體的產業結構和生產結構邁向高級化階段，更多地依靠技術發展而非資源消耗的發展，如“十二五”期間（2010—2015）國家相繼出臺《關于加快推進生態文明建設的意見》《生態文明體制改革總體方案》等40多項涉及生態文明建設的方案。

4?模型構建與機理分析

4.1?模型構建

在分析綠色全要素生產率GTFP增長的時空動態特征時顯示，隨著時間的推移GTFP增長具有一定的時空集聚特征和區域偏好性，同時考慮到不同城市資源要素稟賦的差異性和自然的地理位置優勢的異質性，因此本文在模型建立時需要考慮其空間特性。

（1）空間區域的關聯性。城市內部資源要素（勞動、資本、土地、能源）的配置結構的轉變會帶動本地區的經濟發展，如城市內部的污染治理、清潔能源的使用、綠色生產技術的推廣和發展、土地資源供應方式、以及高新技術的興起等都能夠有效轉變城市的產業結構和經濟發展方式，提高其綠色經濟比重，促進本地區GTFP的提升（本地直接效應）。同時，城市本地區的經濟發展，都會引起相鄰城圖4只顯示具備空間關聯性的城市區域（非空白部分），不具備空間關聯性的城市區域未顯示（空白部分）。市的勞動力分布結構、資本配置結構、資源消費結構、以及產業結構的調整，進而使附近區域的經濟效率和環境效率得到提升，即溢出效應下的GTFP增長（間接空間溢出效應）。

（2）區域異質性。地區綠色經濟發展是一個長期積累的過程，且地區經濟發展的自然資源、地理區位與社會資源存在天然的差異性，區域的異質性是廣泛存在的。在勞動力資源流動與配置、產業結構的時期演化與調整過程中，其要素與體系結構在時間前后異質性與空間分布異質性共同構成了綠色經濟增長的區域異質性。

（3）其他相關的因素。在理論模型構建的過程中常常會忽視一些外在的影響因素，該因素的忽視或者遺漏都會對模型的準確造成的偏差。

因此，在模型構建時使用空間效應模型來詳細分析能源結構、土地資源結構、產業結構等影響GTFP的驅動因素。城市能源與土地等資源的配置結構對地區GTFP的影響要素主要分為四個部分：地區間的客觀異質性（c）;城市內部能源與土地等要素配置結構所造成的GTFP增長（xβ1）;城市間的關聯性因素造成的GTFP增長（Wxβ2）;以及其他未知因素（zθ+μ）;模型如下。

其中， GTFP 表示城市（分地區、時期）綠色全要素生產率增長;x是城市（分地區、時期）的能源消費結構、土地資源結構、產業結構等;W為空間權重矩陣（采用歐氏距離和反距離加權法），z表示控制變量，μ為誤差項。由于外部性的影響，隨機誤差項在地區之間存在關聯性（空間關聯效應明顯）因此將其設定為：

式（23）是比較常見的空間杜賓模型（SDM），該模型的系數的是否為零，將衍生出多種回歸模型，同時為考慮模型更好的經濟學意義和量綱的影響，對部分變量取對數處理得到如下模型：

在對模型的回歸與確定的時候，將對不同模型的結果進行比較分析并依據相關的模型檢驗來確定最優的模型回歸結果。

在引入空間權重矩陣時，回歸系數包含了眾多信息，城市能源與土地資源結構等要素稟賦（X）對本地GTFP增長的影響（直接效應），以及對相鄰城市的效應（間接效應），依據模型（23）得到：

4.2?變量描述與說明

表1為變量的描述性統計，其中被解釋變量為使用SBM-Luenberger函數方法在納入能源與土地要素約束時的城市綠色全要素生產率GTFP增長指數。

核心解釋變量?？紤]在納入能源與土地要素時的GTFP增長變化時，其核心解釋變量為城市的能源消費結構（energy）和城市土地資源供應結構（land），能源消費結構（energy）依據城市能源消費中電力消費量占所有能源消費量（城市液化石油氣、天然氣、電力消費量）的比例來衡量（依據前述熱量折算系數計算所得）;城市土地資源供應結構（land）使用城市建設用地面積（km2）占城市建成區面積（km2）的比例（%）來反映土地供應狀況。

控制變量。其他影響綠色全要素生產率GTFP增長的控制變量為：城市產業結構industry，使用城市第三產業產值占第二產業產值的比例表示;城市人均生產總值grp， 使用城市人均GDP（元）來表示;城市科技創新投入scifee，使用地方財政科學事業費支出（萬元）表示;外商直接投資效應額fdi（萬元）、城市人口密度Q（人/km2）和城市人居擁有的道路面積W（m2/人）。

5?實證分析

5.1?模型的選擇

模型構建時的分析表明，模型可能存在不同的空間效應（SAR、SEM、SLX、SDM等），因此本文在個體與時間面板回歸的基礎上進行空間滯后（spatial lag）和空間誤差（spatial error）的似然比LM檢驗，具體的結果如表2所示，結果顯示似然比LM檢驗和穩健性似然比RLM檢驗都拒絕原假設（RLM-lag和RLM-error同時被拒絕），證明存在空間滯后效性（SLX）和空間誤差效應（SEM），當存在兩種以上效應時空間杜賓SDM模型更加合適。

本文在空間SDM模型的基礎上進行（固定與隨機效應）檢驗結果如表3所示，3種模型的結果顯示出空間滯后效應與誤差效應存在且模型2的結果最好，模型2（時間固定效應）對應的Wald檢驗和LR檢驗值最大，取偽概率值相對最?。↙R_spatial_lag=4.551 9×10-15和LR_spatial_error=1.495 0×10-9），綜上所述，本文的模型為個體隨機和時間固定下的SDM模型2。

5.2?實證分析

表4展示出投入要素包含能源與土地要素（K/L/E/S）約束下的綠色全要素生產率GTFP的3種回歸結果，以及只含勞動與資本（K/L）下的結果。表4中前者的3種分析結果基本保持一致，且顯著性和結果明顯優于后者，表明包含能源與土地要素（K/L/E/S）約束和空間SDM模型下的GTFP分析結果能更好地反映現實問題。

依據表1的統計性描述得到綠色全要素生產率GTFP的均值為0.015 288 7;因此GTFP的增長率計算方式如下：0.025 39=0.000 338 82/0.015 288 7，約2.53%;0.051 74=0.000 791/0.015 288 7，約5.17%。

依據表4空間SDM模型（偏誤矯正法）的結果顯示：核心解釋變量城市能源消費結構（energy）和城市土地資源供應結構（land）都顯著為負，即城市能源消費中電力消費量占所有能源消費量（城市液化石油氣、天然氣、電力消費量）的比例每增加1%，將使GTFP的增長幅度減少0.000 3，降低約2.53%;城市建設用地面積占城市建成區面積（km2）每增加1%，將使GTFP的增長幅度減少0.000 8，降低約5.17%。其能源結構的直接負效應可能與城市電力資源的來源有關，新能源電力供給占比較低（水電、核電、新能源（風電、太陽能及其他能源）等清潔電力能源占比較低，原煤發電的比例依舊很高）;土地資源供應結構的負向效應在于城市化的土地資源供應和工業土地資源的供應會帶來該地區水資源、植被資源、自然資源、空間資源等生態環境的變化，增加了工業化進程中的環境污染效應。與此同時，城市能源消費結構和土地資源供應結構的空間溢出間接效益（W×energy;W×land）都存在正向效應但不顯著，在一定程度上說明“資源詛咒”效應（資源豐富地區對本地區直接效應為負，對相鄰地區存在正向效應不顯著與資源流動的局限性有關）或者城市“底線競爭”效應（低地價成本、低環境約束、低稅率收繳等導致土地資源的浪費和低效率）。能源和土地資源供應結構對GTFP增長存在一定的約束效應。

城市產業結構（Industry）的直接效應顯著為負（-0.044 7），而間接效應顯著為正（0.107 4），而整體綜合效應顯著為正（見表5綜合效應），說明與土地、能源消耗相關的產業集中在第二產業，產業結構向服務業等第三產業邁進的高級進程有利于提高地區整體的GTFP增長，但是對產業發展的當地環境存在一定負外部性（當地資源詛咒現象）。地方政府財政科學事業費支出增長對本地區的GTFP存在顯著的正向效應（0.015 4），但是對相鄰地區城市的溢出效應顯著為負（-0.025 5），說明資源傾斜地區（資本集聚）更易獲得發展的機會，而對資源稀缺地區存在一定的抑制效應。同理外商直接投資流入對本城市地區存在正向促進作用，而其溢出效應顯著為負。

城市人口密度（人/km2）和城市人居擁有的道路面積（m2/人）在一定程度上說明城市地區的資源集聚效應，城市資源集聚效應越強，其資源集聚的經濟效率和環境效率也就越高，能在一定程度上能夠有效地提高地區GTFP，并且對本地區的直接效應（分別為0.013 5和0.005 5）和相鄰地區的間接效益（分別為0.031 2和0.093 9）都顯著為正，政府應該注重提升城市地區內部的環境經濟效率而非依靠城市擴張來增加經濟增長（城市人均GDP增長對GTFP效應顯著為負），前者更符合經濟高質量發展的要求。

表5顯示出城市不同要素結構對于城市綠色全要素生產率的平均直接效益、平均間接效益和平均總體效益，其結果與表4的結果基本一致。城市能源消費結構和土地資源供應結構的直接效應（-0.000 8和-0.033 7）均在1%水平顯著為負，間接效應為0.000 5和0.061 9但不顯著，總效應（-0.000 3和0.028 2）也不顯著;產業結構的直接效應為負（-0.043 9）且在1%水平上顯著，間接效應顯著為正（0.144 7），總體效應顯著為正（0.100 8）且在%水平上顯著;財政科學事業費支出的直接效應為0.015 2且在1%水平上顯著;外商直接投資的直接效應（0.009 6）與總體效應（-0.029 2）在1%水平上顯著;城市集聚效應的總體效應顯著為正（人口密度和城市人居擁有的道路面積的總體效應分別為0.070 5和0.157 6）;城市人均GDP三種效應都為負，其中總體效應為-0.041 6且在1%水平上顯著。

6?結論與政策建議

本文在探究如何實現城市經濟發展與資源環境保護“雙贏”的路徑中，以中國280個微觀城市為樣本，在傳統投入產出函數中考慮城市能源與土地資源要素、非期望產出要素約束，構建SBM-Luenberger生產率指數測度2004—2017年中國城市地區的綠色全要素生產率（GTFP）增長指數，并對GTFP增長的來源、時空動態特征、內部驅動因素進行分析，研究顯示。

（1）納入城市能源、土地資源配置以及非期望產出要素約束下的城市GTFP在2004—2017年總體變化分為三個階段，依次為：正增長階段（2004—2008）→負增長階段（2009—2015）→正增長階段（2016年以后），其中GTFP增長主要來源于其規模效率的增長（LSEC）且顯著貢獻比重接近50%，技術規模增長（LTPSC）對GTFP增長貢獻的負向比重最高。除此之外，在無效率分析中要素“投入無效率”和“壞產出無效率”是決定GTFP增長的關鍵。

（2）在空間動態變化中，初始階段GTFP增長的空間集聚HH區域（GTFP水平較高）集中在重慶、成都等川渝西部地區，高度集聚的LL區域（GTFP水平較低）則集中在福建、江蘇、浙江、黑龍江等東部區域。隨著時間的推移，HH區域從西部區域上不斷擴大至中部和京津冀地區，且東岸沿海區域的LL區域范圍在縮小，綠色經濟的發展方式得到普遍推廣。 （3）在GTFP增長的內部驅動因素中，城市能源結構的直接負效應與城市電力資源的來源有關，新能源電力供給占比較低;土地資源供應結構的負向效應說明城市發展存在“資源詛咒”效應或者城市“底線競爭”效應，能源和土地資源供應結構對GTFP增長存在一定的約束效應。城市產業結構的高級進程有利于地區整體GTFP增長，但對產業發展的屬地環境存在外部負向效應。除此之外，資源傾斜的城市地區（資本集聚）更易獲得發展的機會，而對資源稀缺地區存在一定的抑制效應，并且城市資源集聚效應越強，地區GTFP增長能力越強。

依據上述的分析結果，本文政策建議如下。第一，綠色全要素生產率的主要增長來源在于其規模效率的增長，因此發展綠色經濟需要重點培育環保型、低碳型、可持續性的綠色產業，發揮新興產業集聚的規模經濟和技術外部溢出效應，建立綠色經濟中長期發展的培育制度體系，為綠色經濟創新和技術人才儲備的區域集聚提供良好市場環境，不斷擴大綠色經濟的市場份額和市場潛力，發揮市場經濟的規模效應和環保效益，最終實現經濟發展和生態環境保護的雙贏。

第二，城市資源（能源、土地等）配置效率的增長是提升綠色全要素生產率增長的關鍵，因此需要發揮城市空間資源的集聚效應，消除城市資源區域流動與最佳配置的限制性因素，增強區域經濟發展的空間協調性、關聯性、融合性，降低城市資源低效開發與資源稀缺間的矛盾，同時建立區域聯合下的經濟競爭機制、環境保護機制、產業協同發展機制，避免城市發展中的“底線競爭”和“政治光環競爭”，提升高質量發展過程中的經濟效率、資源效率和環境效率，最終達到區域資源配置效率最優化和效益最大化。

第三，城市能源結構與土地供應結構調整對城市經濟綠色高質量發展十分重要，是實現城市經濟效率和環境效率雙贏的關鍵，因此在能源與土地利用方面，需要發揮資源的集聚規模優勢，提升資源的集聚效率，如污染集中治理、熱力集中供應、土地集約使用、企業集中生產、人才集聚、公共交通集中通行等。同時，政府應該注重提升城市地區內部的社會治理能力，依靠資源環境經濟效率的提升而非依靠城市擴張或資源消耗來促進經濟增長，質量和效率的提升才是實現經濟高質量發展的關鍵。

（編輯：王愛萍）

參考文獻

[1]陳詩一， 陳登科. 中國資源配置效率動態演化——納入能源要素的新視角[J]. 中國社會科學， 2017（4）：68-84.

[2]李力行，黃佩媛，馬光榮.土地資源錯配與中國工業企業生產率差異[J].管理世界， 2016（8）：86-96.

[3]ALFARO L，CHARLTON A，KANCZUK F，et al. Firm-size distribution and cross-country income differences[J]. SSRN electronic journal， 2008， 5：243-272.

[4]CASELLI F. Accounting for cross-country income differences[J]. Handbook of economic growth， 2005， 1（5）：679–741.

[5]HALL R E， JONES C I. Why do some countries produce so much more output per worker than others？[J]. NBER working papers， 1999， 114（1）：83-116.

[6]HSIEH C T， KLENOW P J. Misallocation and manufacturing TFP in China and India[J]. Quarterly journal of economics， 2009， 124（4）：1403-1448.

[7]龔關，胡關亮.中國制造業資源配置效率與全要素生產率[J]. 經濟研究， 2013（4）：5-16.

[8]BRANDT L，TOMBE T，ZHU X . Factor market distortions across time， space and sectors in China [J]. Review of economic dynamics， 2013， 16（1）：39-58.

[9]袁志剛，解棟棟. 中國勞動力錯配對TFP的影響分析[J]. 經濟研究， 2011（7）：4-17.

[10]VOLLRATH D . The efficiency of human capital allocations in developing countries[J]. Journal of development economics， 2014， 108：106-118.

[11]程惠芳， 陳超. 開放經濟下知識資本與全要素生產率——國際經驗與中國啟示[J]. 經濟研究， 2017（10）：23-38.

[12]王志剛， 龔六堂， 陳玉宇. 地區間生產效率與全要素生產率增長率分解（1978—2003）[J]. 中國社會科學， 2006（2）：55-66.

[13]蔡躍洲， 付一夫. 全要素生產率增長中的技術效應與結構效應——基于中國宏觀和產業數據的測算及分解[J]. 經濟研究， 2017（1）：74-90.

[14]王克強， 武英濤， 劉紅梅. 中國能源開采業全要素生產率的測度框架與實證研究[J]. 經濟研究， 2013（6）：127-140.

[15]王芃， 武英濤. 能源產業市場扭曲與全要素生產率[J]. 經濟研究， 2014（6）：142-155.

[16]鄭麗琳， 朱啟貴. 納入能源環境因素的中國全要素生產率再估算[J]. 統計研究， 2013， 30（7）：9-17.

[17]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.

[18]WATANABE M，TANAKA K . Efficiency analysis of Chinese industry： a directional distance function approach[J]. Energy policy， 2007， 35（12）：6323-6331.

[19]BANERJEE A V， MOLL B. Why does misallocation persist？[J]. American economic journal macroeconomics， 2010， 2（1）：189-206.

[20]RESTUCCIA D， ROGERSON R. Misallocation and productivity[J]. Review of economic dynamics， 2013， 16（1）：1-10.

[21]CHEN C，RESTUCCIA D，SANTAEULàLIA-LlOPIS R. The effects of land markets on resource allocation and agricultural productivity[R]. ?2017.

[22]ADAMOPOULOS T， BRANDT L， LEIGHT J， et al. Misallocation， selection and productivity： a quantitative analysis with panel data from China[R]. 2017.

[23]楊其靜， 卓品， 楊繼東. 工業用地出讓與引資質量底線競爭——基于2007—2011年中國地級市面板數據的經驗研究[J]. 管理世界， 2014（11）：24-34.

[24]DU J， THILL J C， PEISER R B. Land pricing and its impact on land use efficiency in post-land-reform China： a case study of Beijing[J]. Cities， 2016， 50：68-74.

[25]張少輝， 余泳澤. 土地出讓、資源錯配與全要素生產率[J]. 財經研究， 2019， 45（2）：74-86.

[26]王媛， 楊廣亮. 為經濟增長而干預：地方政府的土地出讓策略分析[J]. 管理世界， 2016（5）：18-31.

[27]梁若冰， 韓文博. 區域競爭、土地出讓與城市經濟增長：基于空間面板模型的經驗分析[J]. 財政研究， 2011（8）：48-51.

[28] 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.

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

[30]胡鞍鋼， 鄭京海， 高宇寧，等. 考慮環境因素的省級技術效率排名（1999—2005）[J]. 經濟學（季刊）， 2008（3）：933-960.

[31]楊翔，李小平，仲春平. 中國工業偏向性技術進步的演變趨勢及影響因素研究[J]. 數量經濟技術經濟研究， 2019（4）：101-119.

[32]郭慶旺， 賈俊雪. 中國省份經濟周期的動態因素分析[J]. 管理世界， 2005（11）：50-58.

[33]孫琳琳， 任若恩. 中國資本投入和全要素生產率的估算[J]. 世界經濟， 2005（12）：3-13.

[34]涂正革，肖耿. 中國的工業生產力革命——用隨機前沿生產模型對中國大中型工業企業全要素生產率增長的分解及分析[J]. 經濟研究， 2005（3）：4-15.

[35]CHUNG Y，FARE R . Productivity and undesirable outputs： a directional distance function approach[J]. Microeconomics， 1997， 51（3）：229-240.

[36]CHAMBERS R G，FARE R，GROSSKOPF S . Productivity growth in APEC countries[J]. Pacific economic review， 1996， 1（3）：181-190.

[37]FARE R，GROSSKOPF S，NORRIS M，et al. Productivity growth， technical progress， and efficiency change in industrialized countries[J]. American economic review， 1994， 84（5）：1040-1044.

[38]盧麗文， 宋德勇， 黃璨. 長江經濟帶城市綠色全要素生產率測度——以長江經濟帶的108個城市為例[J]. 城市問題， 2017（1）：63-69.

[39]孫燕銘， 孫曉琦. 長三角城市群工業綠色全要素生產率的測度及空間分異研究[J]. 江淮論壇， 2018， 292（6）：62-69.

[40]李衛兵， 涂蕾. 中國城市綠色全要素生產率的空間差異與收斂性分析[J]. 城市問題， 2017（9）：57-65.

[41]陳陽， 唐曉華. 制造業集聚對城市綠色全要素生產率的溢出效應研究——基于城市等級視角[J]. 財貿研究， 2018（1）：1-15.

[42]余泳澤， 容開建， 蘇丹妮，等. 中國城市全球價值鏈嵌入程度與全要素生產率——來自230個地級市的經驗研究[J]. 中國軟科學， 2019， 341（5）：85-101.

[43]江艇， 孫鯤鵬， 聶輝華. 城市級別、全要素生產率和資源錯配[J]. 管理世界， 2018（3）：38-50，77.

[44]FARE R，GROSSKOPF S，PASURKA C A . Environmental production functions and environmental directional distance functions[J]. Energy， 2007， 32（7）：1055-1066.

[45]FARE R，GROSSKOPF S . Directional distance functions and slacks-based measures of efficiency： some clarifications[J]. European journal of operational research， 2010， 206（3）：702-702.

[46]FUKUYAMA H，WEBER W L . A directional slacks-based measure of technical inefficiency[J]. Socioeconomic planning sciences， 2009， 43（4）：274-287.

[47] COOPER W W，SEIFORD L M，TONE K . Data envelopment analysis： a comprehensive text with models， applications， references and DEA-solver software[M]. Amsterdam：Kluwer Academic Publishers， 2007.

[48]CAVES D W，CHRISTENSEN L R，DIEWERT W E . Multilateral comparisons of output， input， and productivity using superlative index numbers[J]. The economic journal， 1982， 92（365）：73-86.