中國工業行業全要素生產率分析(1981-2015)：波特假說的驗證

一 引 言

工業是國民經濟的主導產業，在經濟運行中起著重要作用。改革開放四十多年來，中國實現了持續高速的經濟增長和工業發展，工業化水平大幅提升。國家統計局數據顯示，1978-2017年我國工業增加值從1622億元增長至247860億元，按不變價格計算，年均實際增長率為10.9%。然而，粗放型的工業增長模式受到日益嚴峻的資源環境約束，中國工業面臨可持續發展問題。傳統經濟增長分析只考慮產值的變化，后來相關學者則更多地采用同時考慮投入和產出的全要素生產率以衡量經濟績效的增長情況(王志剛等，2006[1]；王兵等，2010[2])。2015年，李克強總理首次在政府工作報告中提出要“增加研發投入，提高全要素生產率”。中共十九大指出，堅持質量第一，效益優先，以供給側結構性改革為主線，推動經濟發展質量變革、效率變革、動力變革，提高全要素生產率。由此可見，推動中國經濟由投入型增長轉向效率型增長，追求綠色發展的過程中，科學地評價資源環境約束下中國工業行業的全要素生產率對創新驅動和綠色發展具有重要作用。

二 文獻綜述與理論分析

(一)全要素生產率的測算研究

測算中國工業行業全要素生產率主要有參數估計法和非參數估計法。參數估計法包括索洛余值法、CD生產函數(或超越對數函數法)回歸法、隨機前沿生產函數法(Stochastic Frontier Approach，以下簡稱SFA)(范丹，2015)[3]，其中以SFA法應用較為廣泛。涂正革和肖耿(2005)[4]使用隨機前沿生產模型分解及分析中國大中型工業企業全要素生產率增長。張建波和張麗(2012)[5]基于隨機前沿分析方法和2001-2007年中國省域外資工業企業面板數據,實證測算和具體分析中國外資工業企業全要素生產率增長。但這種方法估計結果精確性隨著樣本期變長而下降，嚴重依賴于對全要素生產率分布的假定(張天華和張少華，2016)[6]。

非參數估計法主要是數據包絡分析法(Data Envelopment Analysis，以下簡稱DEA)，相比于參數估計法，非參數方法DEA不需要預先估計參數，在避免主觀因素、簡化運算、減少誤差等方面有著明顯的優越性(曾賢剛，2011)[7]，無須假設函數形式、可以對生產率進行分解使其廣泛應用在經濟績效評價等方面。工業行業的非參數DEA方法早期研究中，沒有考慮污染物，宮俊濤等(2008)[8]以工業增加值作為產出指標，運用Malmquist指數方法研究了1987-2005年中國28個省級區域制造業的全要素生產率及其增長來源、差異與變化趨勢；劉忠生和李東(2009)[9]以工業增加值作為產出指標，使用CCR模型和Malmquist指數模型分析1999-2007年我國各省份內外資的全要素生產率。然而，沒有把資源環境納入研究框架會扭曲對社會福利和經濟績效表現的評價，從而產生結論偏誤(Hailu和Veeman, 2000)[10]。

隨著綠色工業革命的興起，針對早期研究存在的不足，近期國內外學者將資源環境因素納入到工業全要素生產率的測算中(Chen和Golley，2014[11]；Zhao et al.,2015[12])。對于污染物等生產副產物，主要有以下幾個處理方法：投入要素處理法、數據轉換函數處理法、距離函數法，其中以距離函數法應用較為科學與廣泛。Chambers et al.(1996)[13]和Chung et al.(1997)[14]創新性地提出了方向性距離函數來將污染物作為非期望產出處理。Chung et al.(1997)[14]研究了瑞典造紙和紙漿廠的環境全要素生產率，基于方向性產出距離函數，結合Malmquist生產率指數的優點和污染物分析，提出了Malmquist-Luenberger生產率指數，使得全要素生產率結果分析更加精確。在Chung et al.(1997)[14]的方法基礎上，相關學者對工業全要素生產率的測算以 Malmquist-Luenberger生產率指數為主，吳軍(2009)[15]使用Malmquist-Luenberger生產率指數對1998-2007年中國31個省市區工業TFP增長及其成分、收斂性進行了檢驗。李斌等(2013)[16]將能源消費量作為投入，二氧化碳和環境污染排放作為非期望產出，采用考慮非期望產出的非徑向非角度SBM效率測度模型和Malmquist-Luenberger生產率指數來測算分行業的綠色技術效率和全要素生產率。Li和Lin(2015)[17]運用超效率和序列DEA模型構造方向性距離函數的生產可能性集合，并將此融合到Malmquist-Luenberger生產率指數中，測算1998-2011年中國36個工業部門的全要素生產率增長。Du et al.(2018)[18]針對不可行解的問題，基于新的方向性距離函數提出了修正的Malmquist-Luenberger指數，測算了1999-2012年中國全要素生產率的增長。除此之外，針對污染物的處理，還有Luenberger生產率指標、全局Malmquist-Luenberger生產率指數、共同邊界Malmquist-Luenberger生產率指數等方法，如李玲和陶鋒(2011)[19]運用SBM方向性距離函數和Luenberger生產率指標,測度了2004-2008年中國工業部門中19個污染密集型產業，考慮了4種非期望產出的全要素生產率。

然而，現有文獻多從傳統角度將全要素生產率分解為技術進步與效率變化(田銀華等，2011)[20]，或是按純效率變化、規模效率、純技術進步和技術規模效率分解(齊亞偉，2013)[21]，而從投入產出分解(王兵和劉光天，2015)[22]，考慮投入產出利用效率和污染排放效率的文獻相對較少。Luenberger-Hicks-Moorsteen生產率指標相比以往的全要素生產率指標更加科學和全面，不僅能把全要素生產率分解為規模效率、技術效率和技術進步，也能從另一個角度分解為投入指標和產出指標，因此，本文使用Luenberger-Hicks-Moorsteen生產率指標分析全要素生產率。

(二)環境規制對全要素生產率的影響

環境規制是為解決外部性問題，實現社會福利最大化和財稅目標最大化，而對經濟增長與環境質量的權衡(張紅鳳等，2012)[23]。“波特假說”是環境規制的經典理論，其認為設計良好的環境規制可以促使企業創新，從而建立起競爭優勢。合理的環境規制政策通過創新補償效應，能彌補增加的環境成本，同時給企業帶來更多的競爭優勢、創新優勢、效率優勢與整合優勢等。補償的具體方式包括“產品補償”和“過程補償”(Jaffe和Palmer,1997)[24]。進一步將“波特假說”分為“弱波特假說”、“強波特假說”和“狹義波特假說”。“弱波特假說”認為，環境規制會激勵企業進行環保技術創新；“強波特假說”認為，精心設計的環境政策能激勵企業進行成本節約型的技術創新，拓展了“波特假說”的內容；而“狹義波特假說”則認為，靈活的環境規制政策相比于固定的政策更能誘導企業實施創新(Jaffe et al.,1995[25]；Jaffe和Palmer，1997[24])。Gray和Shadbegian(2003)[26]研究發現污染消除成本會降低一些污染行業的生產率。Cerin(2006)[27]研究表明，獲得較大公眾支持的個人動機會促進環境規制政策的制定和實施，進而實現經濟和環境的雙贏。Zhu et al.(2014)[28]分析表明，技術創新、產業升級、工廠關閉等影響企業生產結構重造的因素是實施環境規制的措施。大多數文獻證明了“弱波特假說”的存在(Hamamoto，2006[29]；Carrión-Flores和Innes, 2010[30]；Yang et al.，2012[31]),但一些研究指出“弱波特假說”具有條件性，不一定顯著促進研發活動(謝榮輝，2017[32]；葉琴等，2018[33])。還有文獻指出，環境規制的加強對于創新產出的增加沒有促進作用(Brunnermeier和Cohen，2003)[34]。對于“強波特假說”，則觀點不一。有學者認為，環境規制能促進生產率的提高(Berman和Bui，2001)[35]；也有研究認為，環境規制抑制了生產率的發展(Yuan和Xiang，2018)[36]；還有一些研究認為，環境規制對生產率的影響不確定，“強波特假說”是否成立取決于環境規制強度的大小(何玉梅和羅巧，2018)[37]。

本文試圖從以下方面拓展現有文獻：(1)區別于已有文獻將全要素生產率僅分解為技術進步、技術效率、規模效率，且為克服Luenberger生產率指標不可加性的缺點，本文運用Luenberger-Hicks-Moorsteen生產率指標，將全要素生產率分解為技術進步、技術效率、規模效率、產出指標與投入指標五個成分，從更全面維度(產出指標和投入指標)分析1981-2015年中國35個工業行業全要素生產率變化；(2)驗證 “強波特假說”與“弱波特假說”，對環境規制、研發與全要素生產率之間的關系進行實證分析。下文內容結構安排是：第二部分為理論基礎，第三部分為研究方法介紹，第四部分為變量選取與數據說明，第五部分為全要素生產率實證結果的分析，第六部分為“波特假說”的驗證，第七部分為結論及政策建議。

三 研究方法

(一)環境技術

(1)

(二)LHM生產率指標

自從Chambers(2002)[39]將Chambers et al.(1996)[13]提出的Luenberger生產率指標發展成可以分解為技術進步和效率變化的基于差異的生產率指標后，Luenberger生產率指標便得到廣泛的應用。然而，Luenberger生產率指標并不是完全可加的，不能分解為產出和投入增長。因此，Briec和Kerstens(2004)[40]提出了具有完全可加性的Luenberger-Hicks-Moorsteen生產率指標。本文結合Ang和Kerstens(2017)[41]對Luenberger-Hicks-Moorsteen生產率指標的新分解開展研究。

(2)

式(2)方向距離函數是Luenberger短函數，是本文基本的方向距離函數。

用時間(a,b)∈{t,t+1}×{t,t+1}的方向距離函數表示為：

(3)

根據Ang和Kerstens(2017)[41]的研究，t期和t+1期之間的Luenberger-Hicks-Moorsteen生產率指標為：

LHMt, t+1=LOt, t+1-LIt, t+1

(4)

Ang和Kerstens(2017)[41]把Luenberger-Hicks-Moorsteen生產率指標分解為投入與產出方向。本文采用產出方向的分解方法。Luenberger-Hicks-Moorsteen生產率指標可分解為技術進步TC、技術效率TEC、規模效率SEC，產出指標LO和投入指標LI按照式(6)和式(7)進行計算。

(5)

(6)

(7)

因此，Luenberger-Hicks-Moorsteen生產率指標可以通過式(8)線性規劃來求解。

(8)

根據不同方向向量的選擇，代入式(8)，求得不同的方向性距離函數。LHM、LO、LI、TC、TEC、SEC大于(小于)0分別表示生產率增長(下降)、產出增長(下降)、投入增長(下降)、技術改善(惡化)、技術效率進步(退步)、規模效率提高(下降)。本文設定在VRS(規模報酬可變)的情形下計算Luenberger-Hicks-Moorsteen生產率指標，以貼近生產的實際情況。同時運用序列DEA的方法，即每一年的參考技術由當期及其前所有可得到的投入產出值決定。

(三)驗證環境規制波特假說的模型設定

1.環境規制對研發活動的影響

根據現有研究，本文設定環境規制對研發活動產生影響的模型如下：

lnRdi, t=βEnveregi, t-1+gXi, t-1+μi+?i+εi, t

(9)

被解釋變量lnRdi, t為第i個工業行業第t年的研發內部經費支出的對數，解釋變量中，Envergi, t-1是主要關注的環境規制因素。控制變量Xi, t-1包括：人力資本(Hc)，專利申請數量(Patent)，出口外銷比(Export)，國有企業比重(Soc)，外資企業比重(Fdi)，要素稟賦(Cpr)，勞動生產率(Lp)。Srnp代表穩健性檢驗中研發內部經費支出的替代性指標新產品銷售收入。

根據李小平和李小克(2017)[42]關于環境規制強度的定義，采用無量綱化的處理方法解決不同污染物計量單位差異導致的不可加性，公式如下：

(10)

其中，i、j、t分別表示行業、污染物和時間，Costijt、Dischargeijt分別代表工業行業的污染治理支出和污染排放量，Envregijt表示行業某種污染物的環境規制強度。

無量綱化的處理方法如下：

(11)

式(11)中，取t時期i行業j污染物的環境規制強度對同期全部行業同類污染物環境規制強度的相對水平，無量綱化的處理使得不同污染物即便單位不同也可以進行比較，且運用綜合的環境規制強度進行分析更具有合理性。本文使用工業分行業的廢氣、廢水設施運行費用衡量污染治理支出。按照理論預期，該變量會對研發產生正向的推動作用。

參考已有研究，本文還考慮以下影響研發活動的控制變量：人力資本水平，用工業行業研發人員數占該工業行業就業人數的比重表示；專利申請數量；出口外銷比，用工業行業出口貿易額與該工業行業總產值的比值表示；所有制結構，用國有企業工業總產值占該工業行業總產值的比重表示；外商直接投資，用外商投資和港澳臺商投資企業(2007年前用三資企業)工業總產值占該工業行業總產值的比重表示；要素稟賦，用資本存量與勞動人數的比值表示；勞動生產率，用工業行業總產值與勞動人數的比值表示。由于研發活動具有時滯性，因此，本文將控制變量滯后一期來解釋研發活動的差異(Jaffe和Palmer，1997[24];Hamamoto，2006[29])。參數μi、?t和εi, t分別表示個體效應、時間效應以及隨機擾動項。

2.環境規制對全要素生產率的影響

設定如下模型考察環境規制對工業行業全要素生產率的影響：

lnTfpi, t=θlnRdi, t+τEnvregi, t-1+φXi, t+ψi+υt+ξi, t

(12)

Tfp(或Lo,Li,Tc,Tec,Sec)表示本文測算的全要素生產率及其各個成分，解釋變量Xi, t與式(9)中的定義相同，環境規制變量同樣采用一階滯后項Envregi, t-1，ψi、υt和ξi, t也是分別表示個體效應、時間效應以及隨機擾動項。

四 數據處理及變量說明

(一)投入產出變量

依據上述分析，本文先處理1981-2015年中國35個工業行業的好產出、壞產出和投入數據。

1.好產出。好產出選擇各個工業行業以1990年為基期的工業增加值表示，根據歷年各個工業行業工業品出廠價格指數將其平減至1990年的價格水平。由于《中國工業統計年鑒》沒有統計2008年及其以后分行業工業增加值數據，因此，2010年及以后的工業增加值參照高越和李榮林(2011)[43]的做法，依據中國國家統計局公布的歷年年末工業分大類行業增加值指數與前一年的增加值數據計算而得。

2.壞產出。壞產出以二氧化碳排放量為指標。依據陳詩一(2010)[44]的方法，選取中國工業的最主要能源(煤炭、石油、天然氣)計算：CO2排放量(萬噸)=煤炭消費量(萬噸)*1.973+石油消費量(萬噸)*3.065+天然氣消費量(億立方米)*2.184*10。

3.資本投入：依據“永續盤存法”計算資本存量用以衡量資本投入，具體計算方法參考陳詩一(2010)[44]的研究，先利用本年折舊和固定資產原值計算得出折舊率，接著利用固定資產原值之差構造的投資額序列得出當年價投資額，結合固定資產投資價格指數得出可比價投資額，最后按照“資本存量t=可比價全部口徑投資額t+(1-折舊率t)×資本存量t-1”估算得出各工業行業的資本存量。

4.勞動投入：使用各工業行業的全部從業人員年平均人數作為勞動投入指標。

5.能源投入：采用各工業行業歷年能源消費量作為能源投入的數據。

參考陳詩一(2010)[44]的研究，按照2010年35個工業行業能源消費總量由低到高的排序將所有的行業劃分成低能耗(17個)和高能耗(18個)兩組，以作為輕重工業的代表，原因是通常認為重工業與高能耗和高排放更直接相關(1)低能耗組由低到高分別是(含行業代碼)：S14.家具制造業，S17.文教體育用品制造業，S09.煙草制品業，S32.儀器儀表及文化、辦公用機械制造業，S16.印刷業，S12.皮革、毛皮、羽毛(絨)及其制品業，S34.燃氣生產和供應業，S11.紡織服裝、鞋、帽制造業，S04.有色金屬礦采選業，S35.水的生產和供應業，S03.黑色金屬礦采選業，S13.木材加工及木、竹、藤、棕、草制品業，S05.非金屬礦采選業，S08.飲料制造業，S20.醫藥制造業，S21.化學纖維制造業，S07.食品制造業；高能耗組從低到高分別是(含行業代碼)：S28.專用設備制造業，S30.電氣機械及器材制造業，S31.通信設備、計算機及其他電子設備制造業，S06.農副食品加工業，S26.金屬制品業，S27.通用設備制造業，S22.橡膠和塑料制品業，S29.交通運輸設備制造業，S02.石油和天然氣開采業，S15.造紙及紙制品業，S10.紡織業，S01.煤炭開采和洗選業，S25.有色金屬冶煉及壓延加工業，S18.石油加工、煉焦及核燃料加工業，S33.電力、熱力的生產和供應業，S23.非金屬礦物制品業，S19.化學原料及化學制品制造業，S24.黑色金屬冶煉及壓延加工業。。

表1 投入產出變量描述性統計

表1為分組別后的投入產出變量描述性統計。表1結果顯示，重工業和輕工業組別的資本存量和能源消費量的均值相差較大，前者分別是后者的5.85倍、11.71倍；而它們的工業增加值和勞動力差異則相對較小，重工業分別是輕工業的3.72倍和3.24倍；值得注意的是，二氧化碳排放量重工業卻是輕工業的29.07倍，遠遠高于輕工業的排放水平。可以看出，高投資高消耗的重工業并沒有帶來顯著的高增長，勞動力的吸納能力也不夠強，反而是污染排放水平顯著較高。從標準差觀察兩者的變動情況，重工業的內部變動情況相比于輕工業更為明顯，尤其是二氧化碳的排放量前者是后者的57.36倍，由此可以推測，重工業的生產率相比于輕工業相對優勢不足。

(二)環境規制、研發的相關變量

受《中國環境統計年鑒》數據可得性的影響，本文分析環境規制與研發等因素的數據期間為2001-2015年。并主要考慮以下因素對工業全要素生產率的影響：

1.研發經費內部支出(Rd)：研發衡量指標的選擇有多種方式，李長青等(2014)[45]使用投入類指標、產出類指標和技術效率類指標綜合衡量中國污染密集型產業的技術創新；王孟欣等(2017)[46]使用創新的產出指標新產品銷售收入作為工業創新能力的反映。本文從研發投入的角度考慮，采用工業行業R&D經費內部支出作為研發因素的主要衡量指標，以2001年工業行業R&D經費內部支出作為基期，使用價格指數將各年的研發經費支出進行平減，轉化為2001年不變價格并取對數后進行回歸分析。

2.環境規制強度(Envreg)：對于環境規制的衡量，已有研究分別從成本、效益、強度等多方面考慮。李鋼等(2010)[47]采用虛擬治理成本、污染物的環境損失價值化、具體規制指標等三個維度評價中國工業環境規制。景維民和張璐(2014)[48]使用污染排放治理費率和污染排放強度作為環境規制的指標。李小平和李小克(2017)[42]認為以單位污染排放的治理投入進行環境規制評價會更加科學，因此，本文參照李小平和李小克(2017)[42]的計算方法，以單位污染排放的治理支出作為工業行業環境規制強度的代理變量。

3.人力資本(Hc)：科技研發的投入不僅限于R&D經費內部支出，還包括了人力資本的投入，本文以工業行業研發人員人數占該行業勞動人數比重衡量。

4.專利申請數量(Patent)：為了從多方面分析工業研發與工業效率和全要素生產率的關系，創新能力測度指標也涵蓋專利指標。專利是工業行業研究開發知識的主要產出，專利授權數量相比于專利申請數量受政府審查等外部因素影響波動較大，因此，本文選擇專利申請數量，更能反映專利的真實水平(馮志軍等，2013)[49]。

5.出口外銷比(Export)：以出口貿易額與工業行業總產值的比值衡量。參照盛斌(2002)[50]附錄表5的SITC Rev3三位編碼產品代碼與我國工業行業對應表，結合UN Comtrade數據庫統計工業行業的出口貿易額。

6.國有企業比重(Soc)：以國有企業工業總產值占該工業行業總產值的比重作為所有制結構的代理變量，以考察工業結構與工業效率和全要素生產率的關系。

7.外資企業比重(Fdi)：以外資企業工業總產值占該工業行業總產值的比重衡量。外商直接投資帶來的溢出效應會對工業行業的研發、生產率和效率產生影響。本文考慮外資流入是否為正向的激勵作用。

8.要素稟賦(Cpr)：以資本存量與勞動人數的比值衡量，考慮工業行業要素結構變化對工業效率和生產率的影響。

9.勞動生產率(Lp)：勞動生產率水平代表產業的發展。本文用工業行業增加值/全部從業人員人數表示勞動生產率。

10.新產品銷售收入(Srnp):新產品銷售收入是研發創新的產出指標之一，相比于專利申請數量，反映了創新的經濟效益情況。本文將新產品銷售收入作為研發經費內部支出的替代指標進行穩健性檢驗，數據均轉化為2001年不變價格(單位萬元)并取對數進行回歸分析。

表2 影響因素變量描述性統計

表2為影響因素變量的描述性統計。從表2可知，研發活動的支出相對較多，然而在工業各行業之間的變動幅度也較大，作為研發活動支出的替代性指標新產品銷售收入的均值與標準差情況也類似。重工業的研發投入相對于輕工業更多，重工業的專利數量和新產品銷售收入也更多。輕工業的出口外銷比大于重工業。輕工業與重工業的國有企業比重與外資企業比重較為接近。重工業的要素稟賦高于輕工業，這也說明重工業是高投入類型的行業。環境規制強度標準差說明行業之間的規制強度差異不是十分明顯。

五 全要素生產率實證分析

(一)中國工業整體全要素生產率及其主要成分變化

為了更好地反映全部工業行業全要素生產率的變動，采用累積生產率的形式呈現整體情況。圖1是1981-2015年中國35個工業行業整體的累積生產率及驅動成分。從圖中發現，1981-2015年間，工業行業累積生產率總體呈現上升趨勢，在2015年累積生產率為159.19%，1981-2015年年均增長率1.38%。全要素生產率的增長主要來自產出指標LO5.21%的年均增長，而投入指標LI年均增長速度則相對較低，為3.65%。

1981-2015年間，中國工業行業全要素生產率的較大改善主要是由于技術進步的提升，這一結論與孫早和劉李華(2016)[51]、陳超凡等(2018)[52]研究相一致。技術進步可以通過研發投入，實施環境規制措施，以減少污染物排放，提高全要素生產率(F?re et al.，2001[53]，2016[54])。相比而言，技術效率和規模效率則出現負增長，年均分別下降1.52%和2.64%，其中以規模效率下降幅度更大。規模效率下降的原因在于：雖然在改革開放后，國家壓縮工業基本建設規模，但傳統工業化道路的體制基礎仍未消除，把數量擴張作為主要目標的舊思想和方法并未徹底改變，各級政府對資源配置的干預較強，過度投資工業項目營建“形象工程”，要素價格的嚴重扭曲激發了高資源投入、低經濟效率項目的擴張，從而導致了規模效率惡化(吳敬璉，2017)[55]。

圖1 1981-2015年工業行業整體累積生產率及其成分變動趨勢

表3 1981-2015年工業全要素生產率及其成分年平均增長率(%)

根據改革開放后中國經濟發展的歷程特征將1981-2015年工業全要素生產率變動劃分為四個階段：1981-1991年改革開放的初始階段，1992-2000年市場化階段，2001-2007年全球化階段以及2008-2015年新常態階段。結合圖2發現，重工業的整體累積生產率增長高于輕工業，這與Nelson和Pack(1999)[56]、張軍等(2009)[57]的研究結論不同，他們認為工業行業的生產率增長更多地受到輕工業的影響。這可能由選用的生產率測算方法不同引起，張軍等(2009)[57]使用SFA測算工業行業的全要素生產率，SFA模型中包含隨機干擾項，且測算結果精確性隨著樣本期變長而下降，因而可能造成結果不同。重工業累積生產率高于輕工業累積生產率主要有以下原因：首先，我國實施優先發展重工業的戰略，對重工業的投入、產出的利用及重視程度高于輕工業；其次，在市場機制的推動下，重工業在輕工業發展的基礎上有了新發展，這使得重工業的累積生產率增長優勢日益顯著。

2006年開始重工業的累積生產率開始回落并低于全部工業行業的累積生產率，可能是因為這一年工業產業結構調整緩慢，重工業特別是高耗能、高污染行業增長仍然偏快，不少應該淘汰的落后產能還沒有退出市場，導致重工業整體的累積生產率表現不佳。2011年中央預算安排150億元投資，支持4000多個項目，帶動總投資3000億元，一系列加快產業結構優化升級的舉措，對重點產業進行了改造，推動該產業的增長，過程中的外部溢出效應促使2011年工業整體累積生產率的上升。

圖2 中國工業全行業以及分組別累積全要素生產率變化趨勢

然而，若根據分階段的特點展開分析，重工業的全要素生產率并非一直優于輕工業，如圖3所示。本文試圖從以下方面進行闡釋。

1.改革開放初始階段：1981-1991年

1981-1991年結果顯示，輕工業的產出指標年均增長率顯著低于重工業，而投入指標年均增長高于重工業，產出不足與投入冗余削弱了輕工業全要素生產率的增長潛力。以國有企業為主體的重工業大大領先于以鄉鎮企業為主體的輕工業，在國民經濟總產值中占主要比重。1981-1991年期間重工業在調整中抓緊能源增產和節約，實現了生產回升。同時，國家把投資向能源、原材料和水利等基礎產業傾斜，宏觀上使得重工業的全要素生產率明顯高于輕工業。

2.市場化階段：1992-2000年

此時，中國改革開放和社會主義現代化建設進入新的階段，工業發展戰略從優先發展重工業到輕重工業協調并重發展。輕工業的生產率從上一時期明顯落后于重工業的發展，到這一階段與重工業的全要素生產率增長率只相差0.1%左右。說明在市場化的影響下，輕工業投入產出比例進一步協調。從全要素生產率的各個成分來看，重工業的技術進步仍明顯領先于輕工業，但在技術效率及規模效率這兩個方面，輕工業的表現優于重工業。這可能與工業結構調整時，輕工業的發展呈現出結構高級化趨勢，積極提升輕工紡織、其他加工工業的檔次水平和振興機械電子產業的國家政策等相關。

3.全球化階段：2001-2007年

該階段，輕工業全要素生產率年均增長顯著優于重工業，輕工業的技術進步年均增長率在這一階段首次超過了重工業。說明進入全球化階段，我國注重加快工業改組和轉變工業增長方式，通過增加品種、節能降耗、防治污染等方式提升全要素生產率。重工業雖然在這一時期消費結構升級和城市化快速發展帶動下需求高漲，但是固定資產的投資規模過大，投資效益不高，導致規模效率低于輕工業；并且重工業面臨能源瓶頸的制約，在傳統工業改造與落后產能淘汰上有較大的包袱，綜合整個宏觀環境及政策，其發展增速顯著低于輕工業，整體全要素生產率落后于輕工業。

4.新常態階段：2008-2015年

這一階段工業行業整體全要素生產率的年均增長相對下降，從高速到中高速增長，體現了新常態經濟的特征。重工業的全要素生產率年均增長率高于輕工業，表明進入了重工業重新大發展階段。國家在這一時期實施汽車、鋼鐵、造船、石化、紡織、裝備制造、電子信息等重點產業調整和振興規劃，對重工業產業結構進行進一步的戰略調整，在傳統產業改造、產業結構優化、社會與制度環境的扶持、基礎設施不斷完善、信息技術研發等宏微觀因素的共同帶動下，重工業的產出指標和投入指標增速均明顯高于輕工業，技術效率亦優于輕工業。

從以上工業分時期分析可知，重工業與輕工業的發展在各個時期各有特點，重工業與輕工業的共同發展，對帶動改革開放后工業整體發展和經濟全面發展起著重要作用。

(二)各個工業行業全要素生產率及其主要成分變化

表4為1981-2015年中國各個工業行業全要素生產率及其成分的年均增長率。從表4可以看到，分行業的結果差異很大。全要素生產率年均增長率從石油加工、煉焦及核燃料加工業的-9.88%到交通運輸設備制造業的7.54%，負值有18個，正值有17個。負值的行業中，大多因為規模效率和產出指標較低。最高的行業是交通運輸設備制造業，其產出指標居于行業首位，技術進步位于前列；最低的是石油加工、煉焦及核燃料加工業，其產出指標與規模效率均處于行業的落后位置。產出指標年均增長率從石油加工、煉焦及核燃料加工業的-2.41%到通信設備、計算機及其他電子設備制造業的11.88%不等。投入指標的年均增長率則從有色金屬礦采選業的0.42%到通信設備、計算機及其他電子設備制造業的8.22%不等。技術進步年均增長率處于化學纖維制造業的0.67%和電氣機械及器材制造業的10.45%之間。技術效率負增長幅度最大的是電力、熱力的生產和供應業，為-16.17%，年均增長最快的是通信設備、計算機及其他電子設備制造業，為1.84%。規模效率方面，雖然各個行業均出現負增長，但有色金屬礦采選業表現最為良好，變化率為-0.60%，而通信設備、計算機及其他電子設備制造業負增長達-8.91%。可以看出，技術效率和規模效率的增長幅度不如技術進步，在這兩個方面各工業行業均需要從制度環境、社會環境、市場化、產業結構等維度發揮資源配置效應的作用。

表4 各工業行業1981-2015全要素生產率及其成分年均增長率(%)

(續上表)

注：最后一列貢獻比例定義為分行業全要素生產率增長占工業增加值增長的比重。

從全要素生產率的成分可知，儀器儀表及文化、辦公用機械制造業，煙草制品業和醫藥制造業的全要素生產率主要成分增長較快。全要素生產率增長、技術進步、產出增長相對落后、表現不佳的行業中，重工業占了一定的比重且變動幅度較大，其中以石油加工、煉焦及核燃料加工業最為明顯，其全要素生產率、產出指標均表現最差，而技術進步的年均增長也處于落后位置。所以，在工業結構優化升級的過程中，應該加強重工業的高污染高排放治理，進行產業調整，促進節能減排，實施重點領域產業鏈改造升級，完善產業鏈條，發展新興產業，形成新的經濟增長點。

從表4可知，貢獻比例較大的行業以重工業為主，交通運輸設備制造業，電氣機械及器材制造業，通信設備、計算機及其他電子設備制造業屬于貢獻比重較高的行業，說明了高新技術產業、信息行業對整體工業持續快速發展具有重要作用，在產業發展中應給予足夠的支撐以使其更好地發揮帶動作用。

六 “波特假說”的驗證

(一)環境規制與研發之間的關系

基于模型(9)，表5列(1)-列(4)顯示了2001-2015年、2001-2005年“十五”期間、2006-2010年“十一五”期間、2011-2015年“十二五”期間環境規制及各個要素對研發活動支出的影響。Hausman檢驗表明，固定效應模型優于隨機效應模型。可以發現，在控制了行業個體效應和時間效應后，環境規制強度Envreg對研發活動具有正向的促進作用，盡管作用并不顯著，但部分證實了環境規制“弱波特假說”理論的觀點，說明了“弱波特假說”具有條件性。提升環境規制強度，能誘發更多的研發活動，就2001-2015年來看，環境規制強度每提升1個百分點，對研發活動有2.29%的促進影響。

在其他控制變量對研發活動的影響方面，人力資本水平雖然對研發支出具有正向作用，但是效果并不顯著，這可能是因為人力資本本身對研發支出影響不強；專利申請數量對研發支出具有顯著的正向作用，這是因為在衡量工業行業的研發水平時，研發支出與專利申請數量兩者分別是技術創新的投入與產出，具有密切相關性，專利申請數量的提升，對當期的研發支出具有促進作用；出口比重(出口外銷比)對工業行業的研發支出水平具有顯著負向作用，說明出口越多的工業行業，對研發活動的投入越小，這與孫曉華和王昀(2015)[58]的研究結果一致；國有企業比重對研發支出具有顯著的負向作用，原因可能在于國有企業相對于其他所有制企業雖然具有資源的優勢，國家科技政策也相對傾斜，但是其存在的委托代理問題導致研發活動高投入低效率(張海洋，2010)[59]；外資活動對研發支出具有顯著的負向影響，這說明外資對研發活動具有一定的阻礙作用，可能與外資加劇工業行業競爭有關(Shi和Wu,2017)[60]；由于資本勞動率的上升，要素稟賦顯著促進研發支出，說明工業結構從勞動密集型向資本密集型的轉變，不僅帶來工業行業產出的增加，而且促使工業行業改進技術水平，有利于研發活動(張海洋，2010)[59]；勞動生產率也對研發支出具有明顯的促進作用，資源觀理論認為，高的勞動生產率能為研發活動提供充足的內部資源和能力。

分時期來看，“十五”期間，順利實現主要污染物排放減少10%，研究與試驗發展經費占國內生產總值比重在2005年達到1.3%，重視技術創新等優化工業結構的措施使得2001-2005年環境規制相比其余時期對工業研發支出有更顯著的促進作用。“十一五”期間高耗能、高排放行業增長較快，節能準入和落后產能退出機制尚未完全建立，導致這一時期環境規制對研發支出的促進作用在2001-2015年全階段內最小。“十二五”期間產業結構優化升級進展緩慢，在傳統煤煙型大氣污染依然嚴峻的同時，以細顆粒物、臭氧為特征的復合型污染物日益嚴重，經濟增長、資源能源消耗進一步加大環境壓力，為此，實施了更為嚴格的資源節約和生態環境保護制度，強力推進節能降耗，實行能源消費總量和能耗強度雙控考核。綜合來看，環境規制強度對研發支出的作用相比“十一五”有進一步提升。

表5 環境規制及各要素對研發活動支出的影響(2001-2015年)

注：括號中報告的是標準誤；***、**、*分別表示通過顯著水平為1%、5%、10%的統計檢驗。

(二)環境規制與全要素生產率

以下對模型(12)中的“強波特假說”進行驗證。2001-2015年整個時間段內以全要素生產率作為被解釋變量時，表6列(1)的結果顯示，環境規制強度呈正向作用，說明環境規制有一定的積極效果。人力資本水平對于全要素生產率產生明顯的促進作用，研發人員比重上升，能為工業行業發展提供技術上的實質支持，從而帶動全要素生產率的全面提升。出口外銷比對于全要素生產率具有顯著正向作用，說明工業行業具有“出口學習效應”，出口后由于規模經濟、出口市場上的激烈競爭而獲得全要素生產率的進步(郭琪和賀燦飛，2014)[61]。外資水平與全要素生產率顯著正相關，說明外資帶來國外先進技術、管理知識，其溢出效應為工業行業的生產率提升做出一定貢獻。而要素稟賦水平則與全要素生產率呈現顯著負向聯系，這與涂正革(2008)[62]、鄭麗琳和朱啟貴(2013)[63]的研究結論相同，工業行業的資本勞動比率上升，說明工業行業從勞動密集型向資本密集型轉變，然而資本密集型行業大多為重污染行業，這對全要素生產率有不利影響。

表6 環境規制與全要素生產率(2001-2015年)

注：括號中報告的是標準誤；***、**、*分別表示通過顯著水平為1%、5%、10%的統計檢驗。

以全要素生產率的其他成分作為被解釋變量時，環境規制與投入指標、技術進步具有負向關系，與產出指標、技術效率和規模效率具有正向聯系，可能的解釋是全要素生產率、產出指標、技術效率和規模效率是研發活動的一個直接反映，環境規制對研發相關因素具有更明顯的助增長作用。

其它變量方面，研發支出與全要素生產率、產出指標、技術效率和規模效率呈現正向關系，說明科技含量提高對其具有提升作用。與之相反，專利申請數量對全要素生產率子成分更多為顯著阻礙作用，原因可能是專利申請數量從某個角度來說是數量，對于全要素生產率主要為短期的水平效應而不具備長期的增長效應。出口因素對投入指標和技術進步有負向影響，而對其他因素有顯著積極作用，這可能是因為出口減少了一部分優勢資源，相對削弱投入質量，使投入指標的生產率和技術進步下降，對于其余要素，則是“出口學習效應”發揮了作用。外資對投入指標也產生負面影響，原因可能在于外資對工業行業具有負向的競爭效應，擠占了市場資源和份額，進而抑制了投入指標生產率的增長。衡量要素稟賦的資本勞動率對產出指標和技術進步產生顯著的阻礙作用，這可能與資本密集度提高而產生高污染、低效率的工業化現象有關。

(三)穩健性檢驗

為了檢驗模型估計結果的穩健性，采用新產品銷售收入作為研發支出的替代指標衡量研發活動，再次進行回歸。列(1)是滯后一期因變量回歸的結果。由于篇幅的限制，本文僅報告2001-2015年穩健性檢驗的結果，如表7所示。

表7 基于“波特假說”的穩健性檢驗

(續上表)

注：括號中報告的是標準誤；***、**、*分別表示通過顯著水平為1%、5%、10%的統計檢驗。

對比表5-表7的回歸結果，可以發現主要解釋變量的參數估計和顯著性水平基本一致，這表明本文回歸結果是穩健的。

七 結論及建議

本文運用Luenberger-Hicks-Moorsteen生產率指標，測算1981-2015年中國35個工業行業的全要素生產率及其成分，分析了不同時期和不同類型工業行業全要素生產率指標及其各個成分的分布差異性，最后，檢驗環境規制與研發和全要素生產率及其各個成分之間的關系。得到如下結論：

(1)1981-2015年間，工業行業全要素生產率總體呈現上升態勢，年均增長率為1.42%，全要素生產率增長主要由技術進步貢獻。全階段看，重工業的累積全要素生產率高于輕工業，但就分時期而言，重工業與輕工業則呈現先后促進帶動并先后占優的特點。分行業角度看，重工業表現整體不如輕工業；分析各個行業對全要素生產率的貢獻度發現，高科技產業和信息技術工業貢獻最大。

(2)從“波特假說”的角度驗證環境規制與研發和全要素生產率及其成分的關系發現，環境規制對研發具有顯著的促進作用，對全要素生產率、產出指標、技術效率和規模效率具有明顯的促進作用，而對其他成分則作用為負或不明顯。

基于此，提出以下建議：

(1)注重工業行業結構的優化升級與可持續發展。本文研究發現，全要素生產率表現落后的行業以重工業為主，這說明我國促進工業行業全要素生產率提升需要充分平衡各個要素之間的配置，使重工業能夠長期持續發展。改進工業設備，實施節能減排新技術。由于高技術產業與信息技術產業對全要素生產率貢獻最大，因此，在工業發展進程中，我國應鼓勵高新技術產業的發展，實現技術產業化，將其培育為工業發展的重要支撐行業，突破重點領域發展瓶頸。

(2)加快技術進步。技術進步是提升全要素生產率的主要動力源泉，因此，國家應該持續推進行業技術改造和創新，通過貼息等方式，建立激勵工業行業技術進步的長效機制，推廣應用新技術、新產品、新裝備、新材料，提高工業行業的技術水平和整體效益。

(3)實施適當的環境規制，從而發揮其對研發與全要素生產率的提升作用。環境規制可以為產業研發與提升全要素生產率創造良好條件。因此，國家應制定合理的環境政策，對工業行業實施差異化的污染治理措施，強化綠色監管，健全節能環保法規、標準體系，推行工業行業的社會責任報告制度，開展綠色評價。

本文運用改進的全要素生產率指標評價中國工業行業績效發展具有一定的科學性，但仍存在一定的問題，如考慮的污染物種類較少、選取的分析指標具有局限性等，這些也是進一步研究的方向。