安全規制如何影響中國煤炭行業發展

王　薇，郭啟光（.內蒙古自治區社會科學院，內蒙古呼和浩特市，0000；.內蒙古自治區行政學院，內蒙古呼和浩特市，0000）

安全規制如何影響中國煤炭行業發展

王薇1，郭啟光2
（1.內蒙古自治區社會科學院，內蒙古呼和浩特市，010010；2.內蒙古自治區行政學院，內蒙古呼和浩特市，010010）

本文采集中國煤炭行業2001年-2011年省際面板數據，使用方向性距離函數和Malmquist-Luenberger指數測算了安全規制下煤炭行業的技術效率、規制成本、TFP變化及其分解，并運用系統GMM方法對TFP的影響因素進行實證研究。研究結果表明：安全規制下煤炭行業整體技術效率水平偏低，地區間差異較大；各地區煤炭行業承受的規制成本不同，且整體呈上升趨勢；煤炭行業TFP增長主要源于技術進步而非效率提高；施加安全規制后，效率惡化的程度有所改善，但技術進步受到抑制，導致TFP增速放緩；較高的規制成本和分散的產業結構對TFP產生負向作用；人均GDP與TFP之間存在U型關系。

煤炭行業，技術效率，規制成本，TFP

一、引言

作為基礎能源，煤炭在國民經濟發展中占據舉足輕重的地位①近年來，煤炭消費量在中國能源消費構成中所占比重一直維持在70%左右。。《BP世界能源統計年鑒2013》統計數據顯示，2012年中國煤炭消費量占世界總量的50.2%，單位GDP煤炭消耗量達世界平均水平的4.4倍，美國的8.2倍，日本的10.9倍。依靠消耗大量能源資源的粗放型經濟增長方式在推動煤炭行業快速發展的同時也帶來了一系列社會問題，其中礦難最為突出。據國家安全生產監督管理總局統計，2001—2012年全國共發生煤礦安全事故30 489起，死亡人數高達51 617人，平均每年發生礦難2 541起，死亡4 301人。高發頻發的礦難已成為阻礙煤炭行業健康發展的頑疾，為此，中央政府一再強調加大安全規制力度，促進煤礦安全生產形勢好轉。施加安全規制將使得原本用于煤炭生產的部分資源轉化為安全投入，導致相應的煤炭產出未能實現，從機會成本角度考慮，可以將該部分潛在產值損失視為規制成本。由此引發的思考是，實施安全規制會給煤炭行業帶來多高的成本？安全規制下各地區煤炭行業的技術效率與全要素生產率（以下簡稱TFP）變化情況如何？哪些因素影響了TFP增長？上述問題的解答有助于加深對安全規制如何影響煤炭行業發展的認知，構成了本文研究的出發點。

Chung et al.（1997）在測度瑞典紙漿廠全要素生產率時引入了方向性距離函數，將期望產出（desirable output）增加同時非期望產出（undesirable output）減少的生產過程統一納入TFP分析框架，提出了Malmquist-Luenberger生產率指數（以下簡稱ML指數）。近年來，國內外學者主要將方向性距離函數和ML指數用于研究環境規制約束下不同地區的技術效率與TFP增長情況（Jeon & Sickles，2004； Y?rük & Zaim， 2005； Kumar， 2006；Zhang et al.，2011；王兵等，2008；王兵等，2010；王兵和王麗，2010；葉祥松和彭良燕，2011）或不同行業的技術效率與TFP變動情況（Domazlicky&Weber，2004； Managi & Jena， 2008；Krautzberger & Wetzel， 2012；He et al..， 2013；李斌等，2013），并嘗試使用方向性距離函數對環境規制成本進行測算（F?re et al.， 2007；陳詩一，2010；李小勝和安慶賢，2012）。此外，柯孔林和馮宗憲（2008）、王兵和朱寧（2011）研究了不良貸款約束下銀行業TFP的變化情況。然而，目前關于煤炭行業TFP研究的文獻較為缺乏，少數研究如Kulshreshtha & Parikh（2002）、趙夢楠和周德群（2007）使用傳統Malmquist指數，對只包含期望產出的煤炭行業TFP進行了研究，而未考慮非期望產出（如煤礦安全事故及死亡人數）的影響，無法全面反映煤炭行業安全事故高發的發展狀況。趙萌（2011）雖將非期望產出納入TFP測算過程，但其研究對象為產量位居全國前30名的特大型煤炭企業，難以獲得煤炭行業發展的一般性結論。此外，對于煤礦安全規制成本的測算，目前研究尚處于空白狀態。基于此，本文將礦難造成的死亡人數作為非期望產出，研究安全規制約束下各地區煤炭行業的技術效率與TFP增長情況，并對安全規制成本進行測度，為政府制定相關政策、促進煤炭行業安全高效發展提供實證依據。

本文試圖從以下三個方面對現有文獻進行擴展：（1）將安全規制約束納入煤炭行業技術效率與TFP分析框架，利用產出導向的方向性距離函數和ML生產率指數分別測算出安全規制下煤炭行業技術效率及TFP變化，并將后者進一步分解為效率變化和技術變化；（2）借鑒F?re et al.（2007）的方法，利用方向性距離函數對安全規制成本進行估算；（3）為解決數據包絡方法測算的TFP所具有的序列相關性問題，以及捕捉影響因素可能具有的動態特征，使用系統GMM方法對影響煤炭行業TFP的因素進行實證探析。

二、安全規制對煤炭行業發展的影響機理與測算方法

根據Chung et al.（1997），本文首先構造一個既包含期望產出（煤炭產出），又包含非期望產出（煤礦事故死亡人數）的生產可能性集。假設t時期有k=1，…，K 個地區的煤炭行業投入N種生產要素種非期望產出安全規制下的生產可能性集可表示為：

Pt（xt）給出了安全規制約束下煤炭行業最佳生產前沿面，即給定資源投入總量、最高煤炭產出與最低死亡人數的集合，是下文測算煤炭行業技術效率、規制成本以及TFP的基礎。假設Pt（xt）為一個有界閉集，并滿足投入與期望產出的強可處置性、期望產出與非期望產出的聯合弱可處置性以及零結合性。其中，聯合弱可處置性意味著非期望產出的減少以犧牲期望產出為代價，表明實施安全規制、提高煤礦安全水平需要成本。具體地，給定煤炭行業資源投入總量，若要預防安全事故，減少死亡人數，就必須將本應用于煤炭生產的部分資源轉為煤礦安全投入，如添置安全生產設備設施，改善礦區工作環境，加大員工職業安全培訓力度等，從而導致煤炭潛在產出相應減少。這樣，通過聯合弱可處置性就將安全規制成本的思想納入研究框架。零結合性表明礦難及死亡人數是煤炭生產的副產品。

（一）基于產出的方向性距離函數

面對經濟增長與社會穩定雙重約束的政績考核制度，地方政府需要兼顧煤炭行業發展的速度與質量：一方面要促進煤炭行業快速發展，提高煤炭產量以滿足經濟發展需要；另一方面通過施加安全規制約束，減少安全事故及死亡人數，維護社會穩定。考慮到傳統Shephard產出距離函數無法分析增加期望產出的同時減少非期望產出這一情況，為將上述生產過程模型化，本文引入方向性距離函數，如下所示：

其中方向向量g=（gy，gu），表示在gy方向上盡可能增加期望產出，在gu方向上盡可能減少非期望產出。β為期望產出增加和非期望產出減少所能達到的最大比例。根據非期望產出的強弱可處置性，方向性距離函數表現出不同形式，本文考察以下兩種情形：

情形1：非期望產出在技術上具有強可處置性，意味著非期望產出變動無需成本，此時方向性距離函數為，相應的線性規劃如下所示：

其中前3個不等式約束表明投入和產出均具有強可處置性。λk為每個橫截面觀測值的權重，λk≥0表示生產技術具有規模報酬不變性。

情形2：非期望產出在技術上具有弱可處置性，意味著非期望產出的減少以損失部分期望產出為代價，即安全規制具有成本，此時方向性距離函數為。其他約束條件不變，將（3）中非期望產出的不等式約束（強可處置性）變為等式約束（弱可處置性）即可得到情形2下的線性規劃。

（二）安全規制下煤炭行業技術效率

安全規制下煤炭行業技術效率衡量了煤炭行業發展以最小死亡人數代價來獲取最大煤炭產出的能力，其計算公式如下所示：

其中，0＜TE≤1，方向性距離函數越小，某地區煤炭行業離最佳生產前沿面越近，實際期望產出與最大期望產出、實際非期望產出與最小非期望產出之間的距離越小，表示安全規制下煤炭生產越有效率，反之則越缺乏效率。

（三）安全規制成本

借鑒F?re et al.（2007），安全規制成本為煤炭行業在規制約束下較無規制約束下潛在期望產出的減少，即為了減少煤礦事故及死亡人數，增加安全投入，往往需要損失一部分煤炭產出。本文利用下式對安全規制成本進行度量：

通過圖1可以對安全規制成本進行更直觀的解釋。當非期望產出可自由處置時，生產可能性邊界由0ABCD表示，處于非效率狀態的煤炭行業a 按照方向向量g能夠達到生產可能性邊界上的b點，將煤炭潛在產出增加至yb。當非期望產出具有弱可處置性時，生產可能性邊界變為0EBCD，煤炭行業a 按照方向向量g 只能達到生產可能性邊界上的d 點，此時煤炭潛在產出僅有yd。安全規制導致的煤炭潛在產出損失（yb-yd）即為安全規制成本。

圖1　生產可能性集和方向性距離函數

（四）Malmquist-Luenberger生產率指數

根據Chung et al.（1997），利用基于產出的方向性距離函數構造ML生產率指數，衡量安全規制約束下煤炭行業TFP的變化，以t期為基期t+1期的ML指數如下所示：可進一步分解為效率變化指數和技術變化指數其中，大于（小于）1分別表示TFP增長（下降）、技術效率改善（惡化）以及技術進步（退步）。

三、安全規制對煤炭行業發展影響的多維度測算

（一）變量和數據

本文使用面板數據對各地區煤炭行業的技術效率、規制成本與TFP進行測度。所用樣本時間跨度為2001—2011年，其中國家安全生產監督管理總局事故查詢系統關于煤礦事故死亡人數的統計記錄最早出現于2000年，但僅涵蓋了部分地區和月份，為了獲得完整的年度數據，本文選擇2001年作為研究的起始年份。根據《國家統計局關于執行新國民經濟行業分類國家標準的通知》（國統字〔2011〕69號），自2012年起新《國民經濟行業分類》開始使用，其中煤炭開采和洗選業部分內容有所調整，為了保持統計口徑一致，樣本截止于2011年。樣本截面不包括天津、上海、海南和西藏，因為這些地區不生產煤炭，此外，樣本還剔除了廣東、浙江兩個產煤量較少的省份，這樣本文共獲得11年25個地區的面板數據。所用的各投入與產出變量定義及相應數據處理說明如下：

（1）勞動投入。衡量煤炭行業生產過程中實際投入的勞動量。國外學者通常使用勞動時間來衡量某一行業的勞動力投入，由于缺乏相關統計數據，本文使用各地區歷年煤炭采選業全部從業人員平均人數表示勞動投入量。相關數據來源于歷年《中國工業經濟統計年鑒》，其中2004年的數據來源于《中國經濟普查年鑒2004》②由于《中國工業經濟統計年鑒2005》（2004年的數據）缺失，2004年的煤炭采選業全部從業人員平均人數、固定資產凈值年平均余額和工業總產值數據均來源于《中國經濟普查年鑒2004》（2004年的數據）。。

（2）資本投入。通常使用資本存量衡量煤炭行業生產過程中的資本積累總量。目前多數研究采用永續盤存法（PIM）對資本存量進行估算，但是該方法測算的資本存量對于折舊率與初始資本存量的選取較為敏感，使用不同的初始資本存量或者折舊率測得的結果之間往往存在較大差異。為了避免資本存量測算過程可能帶來的偏誤，本文采用煤炭采選業固定資產凈值年平均余額近似替代資本存量，并使用各地區歷年固定資產投資價格定基指數（2001年=100）對其進行平減，以消除價格波動對數據的影響。煤炭采選業固定資產凈值年平均余額數據來自《中國工業經濟統計年鑒》，但是該年鑒未統計2009—2011年的相關數據，僅提供了煤炭采選業固定資產凈值數據，本文根據“本年固定資產凈值年平均余額=（上年末固定資產凈值+本年末固定資產凈值）/2”計算得到。歷年固定資產投資價格環比指數（上年=100）來源于中經網統計數據庫。

（3）期望產出。使用煤炭采選業工業總產值作為煤炭生產過程中的期望產出，并根據各地區歷年工業品出廠價格定基指數將其折算成2001年不變價。其中煤炭采選業工業總產值數據來源于《中國工業經濟統計年鑒》，歷年工業品出廠價格環比指數來源于中經網統計數據庫。

（4）非期望產出。利用各地區歷年煤礦事故死亡人數（包括失蹤人數）作為煤炭生產過程中產生的非期望產出。數據源自國家安全生產監督管理總局事故查詢系統。

（二）測算結果及分析

基于上述研究方法和樣本數據，本文利用MaxDEA5.2軟件分別計算出中國25個地區的煤炭行業在兩種情形下基于產出的方向性距離函數，在此基礎上求得煤炭行業的技術效率、安全規制成本以及ML指數，并將ML指數進一步分解為效率變化指數和技術變化指數，具體測算結果如表1和表2所示。

（1）安全規制下煤炭行業技術效率。根據表1所示的測算結果可知，安全規制下煤炭行業整體效率水平偏低，總體均值僅為0.576 5，表明整個煤炭行業的技術效率尚存在較大改進空間。以安全規制約束下的最佳生產前沿面作為參照，煤炭行業本能夠在保持要素投入不變的情況下，平均增加42.35%的煤炭產值，同時減少42.35%的礦難死亡人數，由此可以洞見中國煤炭行業“生產效率低、管理能力弱、安全水平差”的發展現狀，表明現階段煤炭行業依然延續著以高投入、高消耗、高死亡為特征的粗放型發展模式。因此，轉變發展方式、實現產業優化升級成為中國煤炭行業亟需解決的課題。從分地區的測算結果來看，各地區煤炭行業技術效率水平參差不齊，差異較大。其中，煤炭行業發展最具效率的地區是北京，曾連續11年處于最佳生產前沿面上；其次是山東，共8年處于最佳生產前沿面上。這兩個地區的煤炭行業是科學發展與安全生產高效結合的典范。與此形成鮮明對比的是貴州，其煤炭行業技術效率最低，僅有0.502 1，反映了貴州煤炭行業低產出（11年間產值占總體比重2.69%）、高死亡（11年間煤礦事故死亡總人數為2 737，居全國首位，占總體比重12.84%）的發展狀況。若以北京作為參照，在資源投入給定的情況下，貴州煤炭行業在平均增產一倍的同時，還能減少大約一半的死亡人數。此外，根據表1，共有17個地區（廣西、寧夏、山西、河北、遼寧、陜西、江西、吉林、四川、湖南、湖北、云南、黑龍江、甘肅、重慶、新疆和貴州）的煤炭行業技術效率低于總體平均水平，表明這些地區的煤炭行業實現安全高效發展依然任重道遠。

（2）安全規制成本。總體來看，2001—2011年間中國25個地區煤礦安全規制總成本高達1 835.06億元，年均規制成本達166.82億元，單位規制成本達0.086 1億元/人，即增加安全投入使得煤礦安全事故死亡人數每減少1人，煤炭潛在產值相應減少0.086 1億元。安全規制成本占煤炭行業產值比重平均為4.37%，即安全規制導致煤炭期望產值損失額約占煤炭實際產值的4.37%。以上數據表明中國煤礦安全規制成本整體較高，在能源緊缺、煤價上漲的背景下，一方面，面對較低的違規成本以及飛漲的煤炭價格，煤炭企業往往選擇鋌而走險的做法，超能力、超強度、超定員生產，甚至亂采濫挖，安全投入欠賬嚴重③時任國家安全生產監督管理局副局長的梁嘉琨在2005年1月國新辦舉行的新聞發布會上透露：“我國煤礦安全投入欠賬非常大，僅國有重點煤礦，據統計在安全工程、安全裝備和安全設施方面欠賬就達500億左右。”該數字尚未包含當時約占90%的鄉鎮煤礦，且這些欠賬只計算了“硬安全投入”，在“軟安全投入”特別是安全培訓方面，欠賬更加嚴重。，為煤礦事故爆發埋下了隱患。另一方面，受經濟發展和社會穩定雙重約束的地方政府往往通過權衡安全規制成本與收益來實現其利益最大化目標，過高的規制成本弱化了地方政府進行安全規制的動力，安全事故的偶發性以及中央地方之間廣泛存在的信息不對稱性進一步強化了地方政府經濟增長的偏好，于是，煤炭企業與地方政府為了實現煤炭產值最大化的共同目標很容易結成利益同盟，過高的規制成本為政企合謀的形成起了推波助瀾的作用，煤礦“走過場”式治理的現象屢見不鮮。

圖2給出了歷年安全規制成本變動情況，從圖中可以看出，2001-2011年間，無論規制總成本還是單位規制成本均呈現出逐年上升的趨勢，意味著實施安全規制造成的煤炭潛在產出損失逐年增加，特別是2003年后，隨著能源緊缺時代的到來，煤價飛漲進一步推動安全規制成本迅速提高。在現有政績考核制度和煤礦安全生產法律法規體系尚未完善的情況下，地方政府實施安全規制、煤炭行業遵從安全規制的動力很可能雙雙削弱。

圖2歷年規制總成本與單位成本變動趨勢

具體到地方，不同地區煤炭行業承受的安全規制成本差異較大。其中，北京煤炭行業在考察期始終處于最佳生產前沿面上，生產效率最高，安全規制對煤炭生產影響非常有限。而黑龍江、江西、湖北、廣西、甘肅及新疆地區年均安全規制成本均在9億元以上，單位規制成本以及規制成本占實際煤炭產值比重均高于總體水平，表明經濟發展與社會穩定之間的矛盾在上述地區體現得尤為明顯。若實施嚴格的安全規制措施，這些地區煤炭產出將大幅減少，進而對當地經濟增長產生不利影響，地方政府并無積極性加強煤礦安全生產日常監管④需要說明的是，較高的安全規制成本并非地方政府確定安全規制實施力度的唯一判斷標準，也并不必然導致政企合謀以及規制失靈。尤其是發生重大安全事故，中央政府的強力介入迫使地方政府短期內放棄經濟增長而著力于社會維穩，不計成本地采取停產整頓等一系列安全規制措施（肖興志等，2011）。。

表1　2001-2011年各地區安全規制下煤炭行業平均技術效率和規制成本

（續表）

（3）ML指數。由表2可知，在安全規制情形下，2001—2011年間25個地區煤炭行業總體平均TFP指數為1.095 4，表明安全規制下煤炭行業TFP年均增長維持在9.54%左右。其中技術變化指數為1.110 5，表明年均增速11.05%的技術進步推動了TFP增長；效率變化指數為0.986 4，表明效率出現惡化并阻礙了TFP增長。由此可見，安全規制下煤炭行業TFP增長的源泉主要來自于技術進步。隨著中央政府“關井限產”政策⑤如《國務院辦公廳關于關閉國有煤礦礦辦小井和鄉鎮煤礦停產整頓的緊急通知》（2001年6月）、《國務院辦公廳關于進一步做好關閉整頓小煤礦和煤礦安全生產工作的通知》（2001年9月）、《國務院辦公廳轉發國務院安全生產委員會辦公室關于加強煤礦安全監督管理進一步做好小煤礦關閉整頓工作意見的緊急通知》（2004年11月）、《國務院辦公廳關于堅決整頓關閉不具備安全生產條件和非法煤礦的緊急通知》（2005年8月）、《國務院辦公廳轉發安全監管總局等12個部門關于進一步做好煤礦整頓關閉工作的意見》（2006年10月）、《國務院安委會辦公室關于印發2007年煤礦整頓關閉工作要點的通知》（2007年4月）等。的推進，近年來煤炭行業掀起了一股關閉鄉鎮小煤礦，實施煤炭資源整合、煤礦兼并重組以及產權國有化的煤炭市場結構調整浪潮，煤炭行業集中度逐漸提高，煤礦企業平均規模也逐年擴大⑥煤炭工業發展“十二五”規劃明確指出，要大力推進煤礦企業兼并重組，提高產業集中度，將全國煤礦企業數量控制在4 000家以內，平均規模提高到100萬噸/年以上。。一方面，行業集中度的提高以及企業規模的擴大使得現代化設備和先進技術的引入成為可能，這極大地提升了煤炭行業技術水平；另一方面，煤炭企業規模的擴張使得企業內部組織結構臃腫和員工規模冗余，信息傳遞的質量和速度降低，企業組織成本和監管成本上升，最終導致煤炭行業運行效率下降。

從各地區具體情況來看，煤炭行業TFP變動情況呈現出較大的地區差異，技術進步與效率下降的現象普遍存在于各地區煤炭行業。其中北京地區煤炭行業作為高效生產的典范，其TFP增長保持了年均66.86%的增速。除北京外，山東、江蘇、安徽、吉林、內蒙古以及青海地區煤炭行業TFP增長較快，高于總體平均水平，其余地區煤炭行業TFP增長相對緩慢，尤其是黑龍江、福建、貴州、甘肅、新疆地區煤炭行業TFP增長率均不足0.7%，這些地區煤炭行業無論是效率提升還是技術進步尚存在較大的改進空間。因此，優化企業內部組織結構，創新管理模式，改善管理效率，同時，加大技術引進、吸收與創新力度，突破技術瓶頸，提高煤炭科技自主創新能力和煤礦技術裝備水平，最終提高TFP，是上述地區煤炭行業未來努力的方向。

根據表2，無安全規制下煤炭行業TFP年均增長22.83%，高于安全規制下的TFP增速，表明安全規制導致TFP增長放緩。從TFP指數分解情況來看，一方面，無安全規制下煤炭行業效率變化指數為0.848 6，低于安全規制下的效率變化指數，表明安全規制減輕了煤炭行業效率惡化的程度。關于該現象的一種解釋是，政府實施安全規制，能夠促使煤炭企業增加安全投入，如改善礦區環境，加強安全規章制度的制定和實施，強化管理措施，加大員工職業安全培訓力度，從而使得煤炭行業效率有所改善。另一方面，無安全規制下煤炭行業技術變化指數為1.447 4，高于安全規制下的技術變化指數，表明安全規制阻礙了煤炭行業技術進步的步伐。為了應對政府安全規制，煤炭行業會抽出部分本應用于研發投入和技術創新活動的資金進行相應的安全投入，這些安全投入雖有利于效率提高，卻無助于技術進步。綜上所述，安全規制在改善煤炭行業效率的同時阻礙了技術進步的速度，最終導致TFP增速減慢。

表2　兩種情形下煤炭行業的TFP指數及其分解

（續表）

四、安全規制影響煤炭行業發展的實證研究

由前文可以看出，安全規制從多個維度影響煤炭行業發展。為了更好更快地實現煤炭行業發展方式轉變、產業結構優化升級以及TFP提高，本文進一步考察規制成本與規制機構獨立性對煤炭行業發展的影響，并加入人均GDP、要素稟賦結構、產權結構、產業結構等控制變量，一并考察哪些因素顯著影響了煤炭行業TFP增長，從而趨利避害，為中國煤炭行業下一步改革提供實證依據。

由于影響TFP的因素錯綜復雜，借鑒已有研究成果（如趙萌，2011），并根據數據可得性，本文確定以下影響因素指標：滯后一期的安全規制成本（GZCB），根據前文測算得到，衡量安全規制導致的煤炭行業潛在產出損失；規制機構獨立性（GZDL），利用虛擬變量表示。2004年國務院頒布《關于完善煤礦安全監察體制的意見》，明確了“國家監察，地方監管，企業負責”的安全工作體系，國家煤炭安全監察局的執法獨立性得到了政策保障。因此，規制機構獨立性變量在2001—2003年賦值為0，2004—2011年賦值為1；地區經濟發展水平，使用不變價（2001=100）的人均GDP（PGDP）表示，同時將其平方項納入回歸方程，探討人均GDP與TFP之間的非線性關系；要素稟賦結構（YSJG），使用資本-勞動比表示，反映資本深化程度；產權結構（CQJG），使用國有經濟煤炭采選業固定資產投資占煤炭采選業投資的比重表示，衡量國有產權占比；產業結構（CYJG），由煤炭采選業企業單位數表示，反映產業的集中度和競爭程度；此外，為了考察前期生產率對當期生產率的影響，本文使用動態面板模型，將滯后一期的TFP納入回歸方程。為了平滑數據，除CQJG、GZCB和GZDL外，對其余變量進行對數化處理⑦為了捕捉煤炭行業全要素生產率在各年間的動態變化，以及避免ML生產率指數在1附近變化不顯著可能造成的計量不顯著問題，本文使用累積全要素生產率指數進行分析，并根據Managi & Jena（2008）將生產率指數轉化為（1+ML），然后對其進行對數化處理。王兵和朱寧（2011）做了同樣工作。。各變量相關數據來源于《中國工業經濟統計年鑒》、《中國能源統計年鑒》以及中經網統計數據庫。

本文使用的動態面板數據模型如下所示：

其中MLk，t-1為被解釋變量的一階滯后項，νk代表個體固定效應，εkt為擾動項。

由于采用數據包絡分析方法得到的生產率數據具有序列相關性，結合樣本數據為面板數據以及生產率影響因素具有動態變化的特征，Guan & Lansink（2006）建議使用動態面板廣義矩估計（GMM）對生產率進行影響因素分析。本文選擇一步系統GM⑧動態面板GMM估計分為差分GMM和系統GMM，由差分GMM和水平GMM結合得到的系統GMM可以提高估計效率，且具有更好的小樣本性質（Roodman，2009）；每種GMM估計又分為一步GMM和兩步GMM，但在小樣本中兩步GMM估計量的標準差存在向下偏倚（Bond et al.，2001）。進行估計。在具體估計過程中，為了避免工具變量過度識別問題，對模型施加了collapse選項。由于模型存在異方差，使用robust選項進行修正，在工具變量有效性檢驗中用Hansen檢驗代替Sargan檢驗。本文使用STATA11.0軟件和“xtabond2”程序得到系統GMM估計結果如表3所示。

（續表）

根據表3，Hansen檢驗的P值為0.270，表明工具變量的選取是有效的。AR（1）和AR（2）對應的P值表明，擾動項的差分存在一階自相關，但不存在二階自相關，故接受“擾動項無二階自相關”的原假設，可以使用系統GMM。F統計量的P值為0，表明模型整體擬合效果較好。為了進一步驗證GMM估計的有效性，將滯后因變量的GMM估計值與混合OLS以及固定效應的估計值進行比較，混合OLS模型通常高估滯后因變量的系數，而固定效應模型一般低估滯后因變量的系數，若GMM估計值恰好介于二者之間，則表明GMM估計是可靠的。由表3可知，GMM估計值（0.832 4）小于混合OLS估計值（0.883 7），大于固定效應估計值（0.660 0），證明系統GMM估計是有效的。下面對估計結果進行分析。

安全規制方面，滯后一期的規制成本對煤炭行業TFP具有顯著的負向效應，前一期規制成本越高，實施安全規制所造成的煤炭潛在損失越大，將給煤炭企業傳遞預期收益下降的信號，容易誘發其產生短視行為，進行技術改造、投資現代化設備設施等方面的動力不足，從而阻礙TFP進一步增長。規制機構的獨立性雖然對生產率產生負向作用，但其影響微弱，僅在10%水平上通過顯著性檢驗。隨著垂直一體化的國家煤礦安全監察局作為第三方規制機構獨立行使安全規制職能，規制強度及有效性得到了提高。一方面，規制加強難免會對煤炭行業TFP增長形成一定阻力，但其影響相當有限；另一方面，規制機構獨立性增強能夠有效地降低地方政府與煤炭企業之間形成“政企合謀”的可能性，促進煤炭行業安全水平提高，進而減少礦難發生所引起的煤炭生產中斷，從長遠來看，有助于煤炭行業安全、高效、健康發展。

控制變量方面，一階滯后的ML生產率指數回歸系數顯著為正，表明煤炭行業TFP增長具有某種慣性，即前一期生產率的積累能夠推動下一期生產率加速增長。代表地區經濟發展水平的人均GDP與TFP呈負相關，其平方項與生產率正相關，表明經濟發展水平與煤炭行業TFP之間呈現出明顯的“U”型關系，這與趙萌（2011）的研究結論一致。上述現象表明，地區經濟發展及人均收入水平較低時，地方政府更加注重經濟總量增長、財政收入提高以及就業擴大，淡化以人為本的科學發展觀；同時，工人更加注重生活溫飽和收入穩定，忽視生產安全，從而導致煤炭行業深陷“高消耗、高死亡”的粗放型發展模式，安全生產與經濟發展協調度差，不利于TFP的提高。隨著經濟發展，人均收入水平到達“拐點”以后，地方政府在保增長的同時更加關注社會穩定，工人的安全意識普遍增強，煤炭行業發展模式逐漸由粗放型向集約型轉變，從而促進TFP增長。反映要素稟賦結構的資本-勞動比雖然與生產率正相關，但其影響并不顯著，表明煤炭行業機械化程度偏低，很多煤礦依然延續著“人背肩扛”的作業方式，資本深化尚未起到推動煤炭行業TFP增長的作用。由國有化程度衡量的產權結構變量同樣未對生產率產生顯著影響，表明“國進民退”的產權改革思路是否有助于提高煤炭行業TFP值得商榷。事實上，產權結構對TFP的影響方向和程度難以準確衡量，判斷國有私有孰優孰劣依賴于各方面因素的綜合影響。由企業數量衡量的產業結構對TFP具有顯著的負向作用，表明較低的產業集中度以及由此產生的過度競爭給煤炭行業發展造成了負面影響，政府通過兼并重組，可以達到整合煤炭資源、優化產業結構、促進煤炭行業TFP提高的目的。然而，兼并重組可能造成在位企業規模普遍擴大，企業內部組織協調成本上升，不利于整個行業管理效率的提高。

五、研究結論與政策啟示

煤炭作為基礎能源，在國民經濟發展中占據至關重要的地位，對于煤礦資源豐富的地區，煤炭行業更是當地的支柱性產業，承擔著發展經濟、貢獻利稅與吸納就業的重任。與此同時，飽受詬病的安全事故已成為煤礦生產過程中揮之不去的陰影，如何促進煤炭行業安全高效發展便成為學界的討論熱點與政府的現實關切。施加安全規制會給煤炭行業造成額外的成本，從而影響煤炭行業發展，科學地測算和分析安全規制下各地區煤炭行業的技術效率、規制成本、TFP變化及其影響因素便具有重要的理論價值和現實意義。本文首先利用產出導向的方向性距離函數測算了2001—2011年間各地區煤炭行業的技術效率與安全規制成本；其次，使用Malmquist-Luenberger生產率指數計算得到安全規制下煤炭行業TFP變化及其成分；最后，利用系統GMM方法對影響煤炭行業TFP的因素進行了實證分析。本文所得主要結論及政策啟示如下：

第一，安全規制雖有助于煤炭行業加強管理，加大員工職業培訓力度，提高技術效率，但總體來講，安全規制下煤炭行業整體技術效率水平依然偏低，平均維持在0.576 5左右，表明煤炭行業并未完全擺脫“高投入、高消耗、高死亡”的粗放型發展模式。因此，加快轉變發展方式，推進產業結構優化升級，走集約型發展道路，實現高效發展、安全發展，成為煤炭行業亟待解決的重要課題，也是未來改革的方向之一。

第二，不同地區煤炭行業承受的安全規制成本不同，且考察期內規制成本總體呈逐年上升的趨勢。在能源緊缺、煤價上漲的背景下，煤礦事故的偶發性以及中央地方之間廣泛存在的信息不對稱性會強化地方政府對經濟增長的偏好，追求利潤最大化的煤炭行業通過尋租很容易將其“俘獲”，“政企合謀”出現的可能性加大并阻礙煤炭行業健康發展。因此，如何設計一套激勵機制防止“規制俘虜”，成為中央政府需要思考的問題。

第三，安全規制下煤炭行業TFP增長主要來源于技術進步，通過對比無安全規制約束下TFP變化可以發現，安全規制在改善煤炭行業技術效率水平的同時減緩了技術進步的速度，導致TFP增長放緩，但由于技術進步的速度快于效率惡化的速度，綜合起來，安全規制下煤炭行業TFP依然保持了年均9.54%的增速。因此，加大研發投入、引進先進技術，構建產學研相結合的煤炭科技創新體系、促進技術進步，應該成為煤炭行業未來發展的著力點。

第四，煤炭行業TFP增長具有一定程度的慣性，前一期TFP積累能夠加速下一期TFP增長。人均GDP與TFP之間存在U型關系，隨著經濟發展越過“拐點”，煤炭行業發展方式逐步由粗放型向集約型轉變，TFP增長也隨之加快。以國有化程度衡量的產權結構未對TFP產生顯著影響，表明“國進民退”的產權改革作用有限，并未有效促進煤炭行業TFP增長。結合過度競爭對TFP的負面作用，政府在對煤炭行業實施兼并重組、優化產業結構的同時應嘗試“國退民進”的產權改革思路。前期規制成本會對當期TFP造成負面影響，而規制機構獨立性對TFP負面作用有限。由此引發的政策啟示是，一方面，隨著規制成本上升，一刀切式的過度規制容易誘發企業產生短視行為，不利于技術進步和TFP提高，中央政府應盡量避免進行大范圍的關井限產與停產整頓；另一方面，深化煤礦安全規制體制機制改革，進一步提高規制機構獨立性，防止“政企合謀”危害煤炭行業健康發展。

［1］陳詩一，2010：《中國的綠色工業革命：基于環境全要素生產率視角的解釋（1980-2008）》，《經濟研究》第11期。

［2］柯孔林 馮宗憲，2008：《.中國銀行業全要素生產率測度：基于Malmquist-Luenberger指數研究》，《數量經濟技術經濟研究》第4期。

［3］李斌 彭星 歐陽銘珂，2013：《環境規制、綠色全要素生產率與中國工業發展方式轉變——基于36個工業行業數據的實證研究》，《中國工業經濟》第4期。

［4］李小勝 安慶賢，2012：《環境管制成本與環境全要素生產率研究》，《世界經濟》第12期。

［5］王兵 吳延瑞 顏鵬飛，2008：《環境管制與全要素生產率增長：APEC 的實證研究》，《經濟研究》第5期。

［6］王兵 吳延瑞 顏鵬飛，2010：《中國區域環境效率與環境全要素生產率增長》，《經濟研究》第5期。

［7］王兵 王麗，2010：《環境約束下中國區域工業技術效率與生產率及其影響因素實證研究》，《南方經濟》第11期。

［8］王兵 朱寧，2011：《不良貸款約束下的中國銀行業全要素生產率增長研究》，《經濟研究》第5期。

［9］肖興志 陳長石 齊鷹飛，2011：《安全規制波動對煤炭生產的非對稱影響研究》，《經濟研究》第9期。

［10］葉祥松 彭良燕，2011：《我國環境規制下的規制效率與全要素生產率研究：1999-2008》，《財貿經濟》第2期。

［11］趙萌，2011：《中國煤炭企業的全要素生產率增長》，《統計研究》第8期。

［12］趙夢楠 周德群，2007：《煤炭行業全要素生產率的區域差異》，《統計與決策》第5期。

［13］Chung，Y.H.，R.F?re& S.Grosskopf （1997）， “Productivity and undesirable outputs：a directional distance function approach”，Journal of Environmental Management 51（3）：229-240.

［14］Domazlicky，B.R.& W.L.Weber （2004），“Does Environmental Protection Lead to Slower Productivity Growth in the Chemical Industry？”，Environmental and Resource Economics 28（3）：301-324.

［15］F?re，R.，S.Grosskopf& C.A.Pasurka（2007），“Environmental production functions and environmental directional distance functions”，Energy 32（7）：1055-1066.

［16］He，F.，Q.Zhang&J.Lei（2013），“Energy efficiency and productivity change of China’s iron and steel industry：accounting for undesirable outputs”，Energy Policy （54）：204-213.

［17］Jeon，B.M& R.C.Sickles （2004），“The role of environmental factors in growth accounting”，Journal of Applied Econometrics 19（5）：567-591.

［18］Krautzberger，L.& H.Wetzel（2012），“Transport and CO2：productivity growth and carbon dioxide emissions in the European commercial transport industry”，Environmental and Resource Economics 53（3）：435-454.

［19］Kulshreshtha，M.& J.K.Parikh （2002） ，“Study of efficiency and productivity growth in opencast and underground coal mining in India：a DEA analysis”，Energy Economics 24（5）：439-453.

［20］Kumar，S.（2006） ，“Environmentally sensitive productivity growth：a global analysis using Malmquist-Luenberger Index”，Ecological Economics 56（2）：280-293.

［21］Managi，S.& P.R.Jena（2008） ，“Environmental productivity and Kuznets Curve in India”，Ecological Economics 65（2）：432-440.

［22］Roodman，D.（2009） ，“How to do Xtabond2：an introduction to difference and system GMM in Stata”，Stata Journal 9（1）：86.

［23］Y?rük，B.K.& O.Zaim（2005） ，“Productivity Growth in OECD Countries：A Comparison with Malmquist Indices”，Journal of Comparative Economics 33（2）：401-420.

［24］Zhang，C.，H.Liu，H.T.A.Bressers & K.S.Buchanan（2011），“Productivity growth and environmental regulations-accounting for undesirable outputs：Analysis of China's thirty provincial regions using the Malmquist-Luenberger index”，Ecological Economics 70（12）：2369-2379.

［25］ Guan，Z.& A.O.Lansink（2006），“The source of productivity growth in Dutch agriculture：a perspective from Finance”，American Journal of Agricultural Economics 88（3）：644-656.

How Does Safety Regulation Affect the Development of China’s Coal Industry？

WANG Wei GUO Qi-guang
（Inner Mongolia Academy of Social Science，Hohhot 010010，China Inner Mongolia School of Administration，Hohhot 010010，China）

Based on the 2001-2011 provincial panel data of the Coal Industry in China， this paper uses the directional distance function and Malmquist-Luenberger index to study the technical efficiency， regulatory costs，TFP as well as its decomposition. Besides， we use the system GMM to study factors which have impact on TFP. The results show that， the overall technical efficiency of coal industry constrained by safety regulation is low， and there exists significant differences between regions； Coal industries in various regions bear different regulatory costs， which show an overall upward trend； Technological progress rather than technical efficiency contributes to TFP growth； After the implementation of safety regulation， deterioration of technical efficiency is alleviated in coal industry， but technological progress is inhibited， resulting in a slow-down TFP growth； High regulatory costs and Decentralized industrial structure generate negative effect on TFP； The relationship between per capita GDP and TFP presents an U shape.

Coal Industry， Technical Efficiency， Regulatory Costs， TFP

F222.1

A

2095-7572（2016）05-0028-16

〔執行編輯：韓超〕

2016-7-28

王薇，（1986-）女，內蒙古包頭人，產業經濟學碩士，內蒙古自治區社會科學院，研究方向：公共政策與公共管理。郭啟光，（1989-）男，河南漯河人，產業經濟學博士，內蒙古自治區行政學院，研究方向：產業經濟與政府規制。