長三角城市群工業企業綠色全要素生產率測算及其影響因素

孫冬營，吳星妍，顧嘉榕，許玲燕，王慧敏

(1.江蘇大學管理學院，江蘇 鎮江 212013；2.河海大學管理科學研究所，江蘇 南京 211100)

0 引言

工業是我國經濟發展中的重要支柱，隨著工業化進程的加快，其高投資、高能耗、高污染的問題逐漸顯現出來。2016年，為了促進工業綠色發展，貫徹落實我國 “十三五”規劃綱要和 《中國制造2025》，工信部制定 《工業綠色發展規劃 (2016—2020年)》，指出應提高能源與資源利用效率，推進清潔生產，加強綠色技術創新，實現節能減排。2020年，工信部指出 “十三五”時期工業綠色發展各項工作成效顯著， “十四五”時期應進一步推進工業綠色轉型。因此，在資源環境對工業經濟增長的剛性約束逐漸增強的背景下，如何實現工業企業向資源節約型增長方式的轉變就成為一個科學問題。一方面，由于過去工業粗放式的發展模式造成了資源的浪費，對環境造成了危害，傳統的高能耗高排放工業依然存在；另一方面，工業的發展主要得益于要素的低成本優勢，長期以來工業的盲目擴張與低水平建設造成了產能嚴重過剩以及要素的不合理配置。已經有研究表明全要素生產率的提升與工業企業的聚集和綠色轉型升級存在雙向關系[1]。長三角城市群作為引領我國產業發展的重要示范地區，應將技術創新作為驅動工業發展與轉型的關鍵。研究工業企業綠色全要素生產率有助于實現長三角地區工業轉型發展，提高資源的利用效率，實現技術進步推動工業結構升級。基于此，本文對長三角城市群工業企業2009—2018年的綠色全要素生產率的時空演變及其影響因素進行研究，為工業企業高質量發展提供參考。

國內外已有文獻對綠色全要素生產率的測算進行了大量研究。Watanabe等[2]運用考慮非期望產出的方向距離函數 (DDF)評價1994—2002年中國省際工業效率，并與只考慮期望產出的工業效率進行比較，結果表明不考慮非期望產出的工業效率存在過高估計。Mahlberg等[3]在考慮溫室氣體這一非期望產出的情況下運用DEA方法和Malmquist指數法構建生產前沿測算14個歐盟國家的全要素生產率，并對其分解進行驅動力分析。Feng等[4]基于DEA方法從區域和省際角度對中國金屬行業的綠色全要素生產率進行了測算，指出我國金屬工業綠色全要素生產率較低但呈增長態勢，縮小區域技術差距能有效促進生產率的增長。陳詩一[5]運用DDF測算中國1980—2008年的工業綠色全要素生產率，結果表明20世紀90年代中期至21世紀初工業綠色全要素生產率增長速度最快。鄭垂勇等[6]利用包含非期望產出的Super-SBM模型對長江經濟帶的綠色全要素生產率進行測算，結果表明生產率逐年增長，但增長幅度呈現出下降趨勢。馮杰等[7]指出基于松弛的SBM模型更符合綠色全要素生產率的現實含義。李玲等[8]運用SBM-DDF對我國工業部門污染密集型產業的綠色全要素生產率進行測算，結果表明相對于技術進步和純技術效率，規模效率對綠色全要素生產率的貢獻較大。孫燕銘等[9]運用Malmquist模型測算長三角城市群中的16個城市的工業綠色全要素生產率，并用四分位圖對其空間分異進行了研究。

部分國內外文獻對工業企業綠色全要素生產率的可能影響因素進行研究。Chen等[10]在研究我國工業部門綠色全要素生產率時指出高資本勞動比會抑制生產率的增長，而研發投入對生產率的影響顯著為正。Cui等[11]認為環境規制對于我國不同排放類型的工業部門綠色全要素生產率的影響具有異質性，技術創新與資本深化抑制增長，而FDI能顯著促進增長。陳超凡[12]則認為產權結構、技術水平與綠色全要素生產率呈正相關，而資本深化和環境規制抑制了生產率的增長。全良等[13]指出高煤炭比例的能源結構和研發投入抑制了工業綠色全要素生產率增長，而環境規制、產業結構、人力資本結構以及經濟發展水平能顯著促進生產率的增長。周五七[14]研究發現工業企業綠色全要素生產率與區域人均GDP之間存在U形關系，資本深化和政府研發對生產率增長有負面影響，而環境規制顯著促進了生產率的增長。

綜上，由于綠色全要素生產率測算中考慮了資源與環境因素，因而可以更清楚地反映工業企業發展過程中帶來的環境問題，進而得到較為真實的生產率評估結果。此外，國內外已有文獻對于綠色全要素生產率的研究多集中在國家和省級層面，對特定城市聚集區域和空間差異的關注還不夠，文獻[9]雖然對長三角16市的工業企業綠色全要素生產率進行了評價，但對時空差異的研究還不夠充分且沒有考慮能源投入。因此本文運用包含非期望產出的SBM模型對長三角城市群26市工業企業綠色全要素生產率進行測算，并結合泰爾指數及其分解來研究空間差異。進一步，借助擴展的STIRPAT模型對綠色全要素生產率的影響因素進行定量分析，提出長三角城市群工業企業綠色轉型的政策啟示。

1 綠色全要素生產率測算及分析

1.1 測算模型

綠色全要素生產率的測算方法主要有以隨機前沿分析 (SFA)為代表的參數法和以數據包絡分析 (DEA)為代表的非參數法。隨機前沿分析方法中參數較多，而且假定經濟同構，不太適合用于進行區域差異分析[15]。而DEA方法可以避免使用參數方法時因預設生產函數形式及誤差項分布特征所帶來的偏差，因此在綠色全要素生產率測算中得到了廣泛應用[3]。本文采用Tone[16]提出的基于松弛測度的SBM模型，對傳統DEA模型有較好的修正作用，使得測度結果更加準確。

設有n個被評價城市，每一個城市稱為一個決策單元 (DMU)。為了考察長三角城市群內部26市工業企業綠色全要素生產率在時間維度和空間維度上的差異與變化，本文將每個城市的每一年的數據作為一個DMU，將所有DMU放在一起評價，即n=260。設有m種投入要素，s1種期望產出，s2種非期望產出，在本文中，m=3，s1=1，s2=3。假定規模報酬不變，建立包含非期望產出的SBM模型，見公式 (1)。

公式 (1)中，帶有0下標的為被評價的DMU，X、Yg、Yb分別為代表不同DMU的投入、期望產出與非期望產出的向量集合，λ表示各個投入和產出的權重向量，s-、sg、sb為松弛變量。ρ*為目標函數的值，關于松弛變量嚴格遞減，且0<ρ*≤1。如果ρ*=1，即松弛變量都為0，表示該城市工業企業的經濟發展狀況相對最優，不需要再對投入或者產出進行改進。如果ρ*<1，則說明該城市工業企業在發展中還存在著資源浪費、污染排放過多或者經濟效益不足的情況，需要進一步改善。

(1)

1.2 指標選取與數據說明

本文以資本、勞動力以及能源消耗作為投入，分別采用規模以上工業企業固定資產凈額、從業人員年平均數以及工業用電量來表示。為剔除價格因素的影響，運用固定資產投資價格指數將工業固定資產凈額這一指標換算為以2009年為基期的不變價。期望產出用規模以上工業企業總產值表示，為了剔除價格因素的影響，運用工業產品出廠價格指數將其換算為以2009年為基期的不變價。非期望產出則用工業廢水排放量、工業二氧化硫排放量以及工業煙 (粉)塵排放量來表示。數據主要來源于各省和各市的統計年鑒、 《中國城市統計年鑒》等資料，對個別缺少的數據采取線性插值法補全。具體指標說明見表1。

表1 投入和產出數據描述性統計

1.3 長三角城市群工業企業綠色全要素生產率測算結果與差異分析

(1)測算結果。長三角城市群工業企業2009—2018年的綠色全要素生產率的測算結果見表2。

從表2可以看到，2009—2018年長三角城市群工業企業綠色全要素生產率均值最高的是池州為0.8834，最低的是嘉興為0.2407。2009—2018年長三角城市群工業企業綠色全要素生產率均值呈現出逐年上升的趨勢，并且增長幅度較大，增長了77.51%。此外， “十三五”時期的綠色全要素生產率均值增長速度較快。但從另一方面來看，2018年長三角城市群工業企業綠色全要素生產率均值仍然較低，僅為0.6497，這也表明長三角城市群地區工業企業綠色全要素生產率仍有較大的提升潛力。表2的最后四行展示了按城市所屬省份求得的工業企業綠色全要素生產率均值。分別計算各個城市和省份在2009—2018年的工業企業綠色全要素生產率均值并按照大小進行排序，結果見表2的右邊兩列。

表2 2009—2018年長三角城市群工業企業GTFP測算結果

(2)差異分析。為了對長三角城市群工業企業綠色全要素生產率差異進行分析，將各個城市按照其所屬的省級行政區域進行分組，并計算其平均值。從表2可以看出，上海的工業企業綠色全要素生產率在2009—2018年間穩步增長，在2017與2018年均達到1；安徽在2012—2014年間出現明顯下降，但從2015年開始有了較大的增長幅度；江蘇一直保持著上升趨勢，而浙江增長幅度不大，并且工業企業綠色全要素生產率均值最低。除了2014年和2015年安徽的綠色全要素生產率低于江蘇之外，其余年份都高于江蘇和浙江。

為了考察工業企業綠色全要素生產率在不同城市規模之間存在的差異，根據2016年國務院批復的 《長江三角洲城市群發展規劃》對城市規模的劃分，超大城市 (上海市)，特大城市 (南京市)、大城市 (杭州市、寧波市、紹興市、臺州市、蘇州市、無錫市、南通市、常州市、鹽城市、揚州市、泰州市、合肥市、蕪湖市)、中等城市 (鎮江市、湖州市、嘉興市、金華市、舟山市、馬鞍山市、安慶市)及小城市 (銅陵市、滁州市、宣城市、池州市)。為便于研究，把上海市歸為特大城市。整體上看，4種規模城市的工業企業綠色全要素生產率均值都有不同程度的改善。其中，小城市的工業企業綠色全要素生產率均值波動較大且呈U形演變，中等城市的工業企業綠色全要素生產率均值在研究時段內提升幅度最小，大城市的工業企業綠色全要素生產率均值的增長趨勢相對穩定，特大城市的工業企業綠色全要素生產率均值在研究時段內提升幅度最大。4種規模城市的工業企業綠色全要素生產率均值隨時間變化如圖1所示。

圖1 4種規模城市的GTFP均值變化

為了更好地分析長三角城市群內部工業企業綠色全要素生產率的差異性，利用泰爾指數進行測算并將其分解。總體泰爾指數從2009年的0.0801下降到2014年的0.0316，再持續上升至2018年的0.0899，展現出U形上升趨勢。隨著各個城市的技術創新與工業綠色轉型升級的加快，長三角城市群工業綠色發展不平衡加劇，各城市工業企業綠色全要素生產率的差異呈擴大趨勢。將長三角城市群工業企業綠色全要素生產率差異進行進一步分解，分解為各個地區內部差異與各個地區之間的差異，具體分解結果如圖2所示。

圖2 長三角城市群工業企業綠色全要素生產率的按省級區域分的泰爾指數測算結果

由圖2可知，地區內部差異對泰爾指數的貢獻較高，遠遠高于地區之間差異的貢獻率，均值分別為77.44%、22.56%。由此可得，2009年以來地區內部差異是造成長三角城市群工業企業綠色全要素生產率總體差異的主要原因。從地區內部差異看，浙江平均貢獻率最高為32.34%，安徽為29.93%，江蘇最低為15.17%。因此，縮小地區內部差異是提升長三角城市群工業企業綠色全要素生產率的重要途徑。

依據上述按規模對26市的分組，利用泰爾指數分別計算工業企業綠色全要素生產率在四組城市之間的規模間差異、規模內差異及4組城市內部差異，結果如圖3所示。由圖3可知，整體上看，組間差異呈現出先下降后上升的趨勢，而組內差異呈現波動式上升。從各組內部差異看，中等城市內部的差異明顯高于其他規模城市間的差異。

圖3 長三角城市群工業企業綠色全要素生產率的按城市規模分的泰爾指數測算結果

根據上述結果與分析，可以清楚地看到長三角城市群工業企業綠色全要素生產率在空間分布和城市規模方面有著較為明顯的差異。在時間維度上，2009—2018年長三角城市群工業企業綠色全要素生產率呈上升態勢，并且4個地區的綠色全要素生產率值也隨時間穩步增長。在空間維度上，長三角城市群工業企業綠色全要素生產率差異呈現出先降低再擴大的趨勢，并且地區內部差異對總差異貢獻較高，是提升長三角城市群工業企業綠色全要素生產率的重要影響因素。在城市規模維度上，長三角城市群工業企業綠色全要素生產率在不同規模城市之間也存在顯著差異，規模內差異是總差異的主要貢獻者。

2 綠色全要素生產率影響因素研究

2.1 理論模型

為了評估人口總量 (P)、富裕程度 (A)以及技術水平 (T)對于環境 (I)的影響，Ehrlich和Holdren提出了IPAT模型，用于估計人類活動對于環境的影響[17]。表現形式為：

I=P×A×T

(2)

模型 (2)認為人口 (P)、富裕 (A)以及技術水平 (T)對于環境的影響 (I)是相同比例的，但實際上各影響因素對于環境的影響是存在差異的。并且IPAT模型還存在著包含的因素太少、不能定量估計等缺陷。基于此，York等[18]提出擴展的非線性隨機回歸模型 (Stochastic Impacts by Regression on Population，Affluence，and Technology，STIRPAT)，不僅可以很好地解決原模型中因素等比例影響被解釋變量的問題，還能對各個因素進行分解與擴展，滿足實證分析的需要，模型表達式為：

I=aPbAcTde

(3)

式中，a為常數項，b、c、d分別為人口 (P)、富裕程度 (A)、技術水平 (T)的待估參數，e為隨機誤差項。在實證分析的實際操作中，由于簡單的線性模型往往不能得到一致的估計結果，為了減少異方差和估計偏誤，通常需要對模型兩邊同時進行對數化處理，因此模型變為：

lnIit=β0+β1lnPit+β2lnAit+β3lnTit+eit；i=1,2,…,I；t=1,2,…,T

(4)

式中，i代表每個城市，t代表年份。為了探究長三角城市群工業企業綠色全要素生產率的驅動因素，對模型 (4)進行擴展。用城市創新水平與產業結構來表征技術因素，加入FDI、要素稟賦結構以及環境規制等變量，擴展后的STIRPAT模型如下[19-20]：

lnGTFPit=β0+β1lnURit+β2lnPGDPit+β3lnTECHit+β4lnISit+β5lnFDIit+β6lnCAPit+β7lnERit+eit；i=1,2,…,I；t=1,2,…,T

(5)

式中，GTFP為工業企業綠色全要素生產率。UR代表城市化水平，即城鎮人口占常住總人口的比重，用來表征人口因素。PGDP代表地區人均生產總值，用來表征富裕程度。TECH與IS代表城市創新水平和產業結構，分別用城市專利授權量、第二產業增加值與地區生產總值的比值來表示，二者皆用來表征技術因素。FDI代表外商投資水平，即實際利用外資金額與地區生產總值指標之比。CAP代表要素稟賦結構，即工業企業固定資產凈額與年平均從業人員人數之比，也稱資本勞動比。ER代表環境規制，一個城市對于如污水這類污染物的排放處理強度越大，說明這個城市的環境規制強度越高[21]，因此采用城市污水處理率來表示。

2.2 數據來源與處理

數據來源于三省一市和各地級市的統計年鑒及 《中國城市統計年鑒》等。為了消除物價變動的影響，將地區人均生產總值換算為以2009年為基期的不變價，實際利用外資金額已用當年的平均匯率將單位從美元換算成了人民幣。此外，對于個別缺少的數據采用插值法進行補齊。各變量數據見表3。

表3 各變量數據描述性統計 (2009—2018年)

2.3 實證結果及分析

(1)單位根檢驗及協整檢驗。為得到真實的估計結果避免出現 “偽回歸”現象，需要對原數據進行平穩性檢驗。這里采用LLC和Fisher-ADF兩種方法進行單位根檢驗。計算發現，原始序列lnGTFP、lnUR、lnPGDP、lnTECH、lnIS、lnFDI、lnCAP、lnER并沒有全部通過單位根檢驗，但在一階差分下都通過了檢驗。進而可知，原始序列是一階單整的，能夠進行面板協整檢驗。

協整檢驗可以用來檢驗各變量之間是否存在長期均衡的協整關系，由于此處數據的原始序列是一階單整的，因此可以進行Kao協整檢驗，P值小于0.05即視為通過檢驗。結果顯示，檢驗的t值為-2.903720，P值為0.0018，協整檢驗通過。

(2)回歸結果分析。在利用式 (5)進行分析之前，對數據進行Hausman檢驗以確定是采用固定效應模型或者隨機效應模型。如果P值小于0.05，則采用固定效應模型。檢驗結果顯示，P值為0，說明此處利用固定效應模型進行回歸更為合適，回歸結果見表4。

由表4可知，擴展后的STIRPAT模型的擬合優度R2為0.9069，擬合效果較好，參數估計的顯著性水平較高，這表明各個驅動因素可以較好地解釋長三角城市群工業企業綠色全要素生產率的變化情況。

表4 綠色全要素生產率的影響因素回歸結果

城市化水平。城市化水平對長三角城市群工業企業的綠色全要素生產率影響為負，但這一影響并不顯著。

經濟發展水平。經濟發展水平的系數為0.8613，影響顯著。這說明長三角城市群人均GDP每增加1%，將會促進綠色全要素生產率提升0.8613%。一方面，城市經濟發展對于人才、技術等各種資源產生明顯的虹吸效應以及推動作用，為工業發展提供了更好的經濟條件與各項物質基礎；另一方面，隨著長三角城市群經濟發展水平與工業化程度的提高，工業企業發展要同時兼顧經濟效益與環境效益。

技術創新水平。表示技術創新水平的專利授權量對綠色全要素生產率增長有著顯著的負向作用，系數為-0.0550。通過提高企業生產技術含量，提高企業產品在市場上的競爭力；通過技術創新降低生產過程中的污染與能耗來促進綠色全要素生產率增長。結合孫金嶺等[22]的研究，實證結果為負可能是由于授權專利的經濟轉化效率太低，創新成果總量多而質量不高，不能對工業綠色轉型升級產生推動作用，對效率的提升有著抑制作用。也可能是由于低碳低能耗的技術并沒有得到廣泛的普及，企業采取先進技術生產的成本太高。因此，應重點提高專利的轉化效率，促進綠色技術進步。

產業結構。產業結構的系數為-0.2276，這說明第二產業增加值占生產總值的比重每增加1%，綠色全要素生產率就會降低0.2276%。綠色全要素生產率的增長來源于經濟效益的提高和環境污染的減少，當經濟發展的正向作用小于資源環境的負向作用時，綠色全要素生產率就會呈現出下降的趨勢。高能耗高污染、低附加值的傳統工業企業廣泛存在、工業的發展過度依賴能源、消耗能源的基數較大并且很難降低、實現工業單位產出的能耗高，上述因素的存在不利于綠色全要素生產率的提高。但不可否認工業當前仍是我國經濟發展中的重要支柱。因此，促進工業產業結構升級與優化勢在必行。

外商投資水平。FDI對于長三角城市群工業企業綠色全要素生產率的影響是負向的，系數為 -0.0885，這在一定程度上印證了外商投資的 “污染天堂假說”。引入的外資大多為傳統的資源密集型、勞動力密集型生產企業，技術含量不高。另外也可能由于不能很好地利用外資來實現工業的結構升級與轉型發展，或者說外資選擇進入的領域不集中在技術密集型企業以及研發企業。表明長三角城市群在外資引入的過程中，對于外資質量的篩選還不夠嚴格，使得在外資引進的過程中產生了資源浪費和環境污染。從另一方面來看，FDI的系數較小，這也說明了長三角城市群的外資篩選的機制正在逐漸形成，趨勢向好。

稟賦結構。稟賦結構的系數為-0.2148，表現出顯著的負面影響，這一研究結果與周五七[14]的結論一致。資本勞動比的上升即資本深化，意味著長三角城市群工業企業逐步由勞動密集型向資本密集型進行轉變。而這種轉變通常代表著企業技術水平的提升與產品的附加值的提高，這都會對工業企業綠色全要素生產率起促進作用。但隨著中國工業化的進程，工業資本迅速累積。資本深化主要是依靠粗放式的工業規模擴張所實現的。長三角城市群已進入工業化中后期，隨著近年來的重工業企業比重的上升，資本深化對于綠色全要素生產率的提升有著抑制作用。

環境規制。環境規制的系數為-0.3380，表明環境規制強度每增加1%，會導致綠色全要素生產率0.3380%的下降，這一結果與陳超凡[12]的研究結論一致。 “波特假說”對于長三角城市群工業企業發展并不成立。產生這種現象的原因可能是，環境規制對企業的綠色生產以及排污治污的要求增加了企業的技術研發投入、設備升級的壓力以及治理污染投資的提高，從而造成企業的生產成本增加，降低了企業的經濟效益。由此，企業將更偏向于交環保罰款或者通過主動減少污染，而不是進行綠色技術創新，這給綠色全要素生產率的提升帶來了一定的負面影響。

3 結論及政策啟示

本文運用包含非期望產出的SBM模型、泰爾指數以及擴展的STIRPAT模型對2009—2018年長三角城市群26個城市的工業企業綠色全要素生產率進行了測算和時空差異分析，并進一步定量探究工業企業綠色全要素生產率的多重影響因素，得出以下結論。

(1)從整體看，長三角城市群工業企業綠色全要素生產率整體呈上升的態勢，工業企業綠色轉型取得了較為顯著的成效。同時，不同省份和不同規模城市的工業企業綠色全要素生產率均值的上升路徑存在顯著差異，浙江一直低于其他3個省份，上海高于其他3個省份；中等規模城市落后于其他規模城市，小規模城市明顯高于其他規模城市。

(2)從地區差異看，長三角城市群工業企業綠色全要素生產率的空間不均衡狀況呈現出先降低后增加的變化，地區內城市間差異是總差異的主要貢獻者；考慮到26市之間的規模差異，研究發現工業企業綠色全要素生產率的規模間差異表現出先下降后上升的變化，而其規模內差異呈現波動上升且是總體差異的主要來源。

(3)從影響因素識別的STIRPAT模型回歸結果看，城市的經濟發展水平對本市的工業企業綠色全要素生產率具有顯著的促進作用；技術創新成果經濟轉化效率過低和高能耗高排放型產業占比過高均對工業企業綠色全要素生產率增長有著抑制作用；外商投資對長三角城市群的影響印證了 “污染天堂”假說；環境規制對綠色全要素生產率的影響顯著也為負向；城市化水平對工業企業綠色全要素生產率的提升并不顯著。

根據上述分析，針對長三角工業企業綠色全要素生產率提升和高質量發展提出如下建議。

(1)促進工業企業綠色技術進步，加強技術研發投入。依托區域內眾多高校和科研院所的區位優勢構建產學研用有機融合的科技創新體系，規范專利申請和轉讓，扭轉為專利而專利的現實困境，提高綠色創新成果的經濟轉化效率和效益。

(2)推進產業結構升級與優化，鼓勵傳統工業企業進行綠色改造升級。充分利用 “一帶一路”和長江經濟帶交匯點的地理優勢和在金融、制造業及互聯網方面的產業優勢進行區域產業整體布局，推動高新技術產業及新能源工業的發展，通過產品升級和工藝升級促使工業企業向產業鏈高端攀升；同時，避免產業同構和同質競爭，推動長三角產業錯位發展和協同發展。

(3)依托碳中和的國家宏觀政策優化工業企業的能源消費結構，提高清潔能源使用比例，通過完善萬元工業增加值能耗指標約束工業企業能源利用效率，實現經濟與環境效益的雙向提升。

(4)發揮長三角在雙循環戰略中的承載地地位，統籌利用國際國內兩種資源，提高工業企業的外資利用質量，逐漸完善外資篩選機制，把控外資流入方向，引導外資流向產品附加值高、能耗小、污染少的技術密集型產業。積極學習和借鑒外資引入過程中所溢出的經驗與技術，并加以內化吸收與創新。

(5)健全和完善環境規制體系，優化環境規制政策設計。制定獎懲并存的合理的環境規制體系，促使環境規制向排污權、環境稅、水權等市場化交易制度轉變，刺激企業進行綠色技術創新，實現由 “遵循成本”到 “創新補償”效應的轉變。