資本有機構成深化與綠色全要素生產率增長：基于2004—2019年中國地級及以上城市的實證研究

徐永慧　趙燕　鄧格致

摘 要：綠色全要素生產率增長是實現高質量發展的重要標識。現有研究從多個維度對綠色全要素生產率增長展開了誘因識別，其中較少的研究是在馬克思政治經濟學范式下展開。綠色全要素生產率增長主要源于技術進步和資源配置潛力，在馬克思資本有機構成理論下，意味著資本有機構成深化是影響綠色全要素生產率增長的關鍵變量。文章首先從理論上解構資本有機構成深化與綠色全要素生產率增長之間的經濟邏輯，進而利用2004—2019年中國地級及以上城市的市轄區數據進行實證研究。研究發現：資本有機構成深化形成了綠色全要素生產率增長的關鍵誘因，這一結論通過了格蘭杰因果分析、工業企業口徑下的再檢驗等多重穩健性檢驗。異質性分析顯示，在新常態以來中國經濟增長模式的轉換下，資本有機構成深化對綠色全要素生產率增長的邊際效應得到了強化。進一步的機制研究顯示，靜態視角下資本有機構成深化主要通過優化資源配置效率推動綠色全要素生產率增長；動態視角下，與稟賦結構相偏離的資本有機構成深化使得要素無法得到有效利用，此種“錯位”也引導著資本有機構成不斷地自我調整，誘使企業和社會內生出技術進步以矯正要素配置扭曲狀態。文章所得研究結論能夠為中國政府在“十四五”乃至更長時期內推動高質量發展提供政策啟示。

關鍵詞：資本有機構成 綠色全要素生產率 資源配置效率 技術進步

DOI：10.19592/j.cnki.scje.401221

JEL分類號：E11，O11，O33? ?中圖分類號：F0-0

文獻標識碼：A? ?文章編號：1000 - 6249（2023）06 - 122 - 20

一、引言

十八屆五中全會提出了“創新、協調、綠色、開放、共享”的新發展理念，并規定了高質量發展的核心內容，其中，創新發展是高質量發展的第一動力，綠色發展是高質量發展的內在要求（洪銀興，2019）。2017年中共十九大明確指出中國經濟已由高速增長階段轉向高質量發展階段，而“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”是實現高質量發展的持續性動力源泉，是推動經濟從“粗放式增長”轉向“集約式增長”的重要驅動力量。綠色全要素生產率兼顧技術進步與生態財富，是判斷一個國家或地區能否實現高質量、長期可持續發展的重要依據。綠色全要素生產率增長的動力來源于兩個方面：一是技術進步或創新，二是當前技術水平下的資源配置潛力（Prescott，1998;蔡昉，2017；逯進、李婷婷，2021；戴魁早、駱莙函，2022；汪彬等，2022）。技術進步和資源配置效率的提升與資本配置結構及資本配置的動態變化高度相關，即意味著在馬克思資本有機構成理論視角下，物質生產資料和活勞動力的配置結構及其變遷方式是影響綠色全要素生產率增長的關鍵變量。資本有機構成是由技術構成決定的并反映技術構成變化的資本價值構成，表達式為[C/V]1，具體分析，技術給定的情況下，投入到生產過程中的物質生產資料和活勞動力要素的數量比例固定從而二者的相對價值（[C/V]）也隨之確定。伴隨著擴大再生產，資本積累推動技術進步，引發資本有機構成深化。雖然資本有機構成深化是由技術推動的，但是它兼具技術進步和資源配置效率提升兩重含義。具體來說，資本積累和擴大再生產首先表現在以新設備采購等形式出現的從邊際上改變企業的資本有機構成，進而，隨著技術的進步，企業逐漸淘汰舊設備和改進生產工藝的過程就是資本有機構成深化的過程。在資本深化過程中，每一次資本循環起點上的要素稟賦優勢都會發生些許變化，變化了的稟賦結構與原有技術的偏離又內生出新技術，物質資料與活勞動適應新技術便有了新的配置結構，而這一再生產過程中的稟賦結構動態調整過程即是資源配置效率提高的過程。這意味著，擴大再生產過程伴隨的資本有機構成深化既包括了技術進步，同時也包括了配置效率，從而勢必與綠色全要素生產率增長有著聯系。那么，城市綠色全要素生產率變化的上升趨勢和資本有機構成的深化趨勢是否存在著統計意義上的真實關聯呢？這種關聯的內在作用機制又如何？新常態以來（2015—2019年），伴隨著服務業比重的持續上升，中國城市資本有機構成出現了深化速度放緩甚至“逆深化”的特征事實，這種趨勢特征是否對資本有機構成深化和城市綠色全要素生產率增長之間的可能關系帶來了異質性呢？本文將圍繞以上問題展開嚴格的理論和實證研究。

已有大量學者對城市綠色全要素生產率增長展開誘因識別，包括環境規制（趙明亮等，2020；何凌云、祁曉鳳，2022）、產業結構變化（Xia and Xu， 2020；逯進、李婷婷，2021；王兵等，2022）、數字經濟與智慧城市政策（周曉輝等，2021；Wang et al.，2022；湛泳、李珊，2022）、產業比較優勢（Xu and Deng，2022），等等。但少有學者從馬克思資本有機構成的理論視角去考察，在現有的少數研究中，值得提及的是，曾爾曼（2011）結合新古典數理分析技術和馬克思生產函數理論體系，推導出了改進的全要素生產率。陳柏成（2014）核算了2003—2009年中國省際的馬克思全要素生產率，發現馬克思全要素生產率和資本彈性系數呈反向關系，暗含資本有機構成和全要素生產率的正向關系。錢龍（2018）基于中國地級市工業數據發現資本深化形成了城市綠色經濟效率提升的重要手段，但對資本積累相對有限的小城市并不明顯。劉維軍（2020）發現在不同資本深化程度下環境規制強化對工業行業綠色全要素生產率存在非線性的效應。鄭明貴等（2022）發現因產能過剩，資本深化對資源型企業的全要素生產率有抑制效應，而在農業領域資本深化對全要素生產率有提升效應（任健華、雷宏振，2022）。

整體來看，目前在馬克思資本有機構成理論視角下以綠色全要素生產率增長為核心分析目標的文獻并不多，相比于現有研究，本文的可能邊際貢獻在于：（1）突出了資本有機構成深化這一概念，深入探討其與綠色全要素生產率增長之間的內在“因果邏輯律”和具體作用機制；（2）把資本有機構成這個政治經濟學概念量綱化，采用中國地級及以上城市數據進行嚴格的實證檢驗。借助資本有機構成這一關鍵分析變量，本文擬為綠色全要素生產率增長研究補充一個新穎的馬克思政治經濟學分析視角，推進相關研究進展。

二、理論分析與研究假說

（一）資本有機構成深化、內涵式增長和全要素生產率增長

對資本有機構成深化的分析可以從個別資本生產過程開始，即通過對微觀企業如何因生產工藝的改進不斷地調整生產資料和活勞動力配置比例的刻畫，提供資本有機構成深化的微觀圖像。但是，擴大再生產不是個別資本獨立進行的，企業之間是相互聯系、相互交織和相互制約的，從社會生產均衡的角度看，擴大再生產進行的前提是社會總產品需要得到價值補償和物質補償，因此，企業的技術進步和配置效率革新必須是基于社會總產品的實現基礎上的技術與組織變革（馬克思，2018）。也就是說，微觀企業要素的重新配置就是社會層面要素在不同企業和部門之間的“流動和再配置”，本文考慮到要素流動的區位限制和地方政府政策的相對“獨立性”，以城市為基本分析對象來分析資本再生產問題。具體分析，由于社會平均利潤率的驅動，雖然不同行業技術不同，但是同一行業的技術將整體性地決定該行業所投入的資本品和勞動的價值比例，即微觀的企業層面和中觀的行業層面的資本有機構成并不存在薩繆爾森所稱的合成謬誤（Fallacy of Composition）。而由于經濟運行的現實情況，不同的企業、不同的行業，都需要空間載體，即社會產品的價值補償和物質補償需要在一定的空間范圍內，這里我們選擇著眼于城市層面。可以用加權平均來簡約地計算某城市層面的資本有機構成：

第三，[civi]是各個行業的資本有機構成，是由各行業的技術水平決定的。[ci和vi]分別是i行業投入的資本要素貨幣總額和勞動要素的貨幣總額。因此，企業和行業層面的資本有機構成通過加權匯總即可得到整體社會層面的資本有機構成。從而，我們在資本有機構成和綠色全要素生產率增長的關系分析中，可從微觀層面上升到中觀和宏觀維度的經濟運行，即把微觀企業的擴大再生產和資本積累“歸納合成”到城市層面的社會資本。

如前文所述，社會資本首先按給定技術，即給定的資本有機構成從事生產經營活動。在每個生產周期，獲得正利潤的社會資本將按一定的資本有機構成把它所得到的利潤中的一部分用于擴大再生產，當資本有機構成不變時，這將是一個外延式的增長過程。由于市場競爭的存在，擴大再生產和資本積累就必然包含著技術進步和按照市場要求對稀缺資源加以調節的過程，資本、土地、勞動等要素稟賦結構和相對價格將在新的生產資本循環中出現實質性改變，如果此時不采用新技術，社會資本仍按原來的資本有機構成配置投入要素，必然出現技術所允許的要素配置結構與資本所面臨的現實要素稟賦結構的“錯位”，此時要素稟賦得不到充分利用。這刻畫了由擴大再生產和資本積累引致的技術進步及其所帶來的資本有機構成的“自我革新”，即資本積累被理解為經濟的技術和生產組織的徹底變革（史蒂文、勞倫斯，2016），而資本積累和“技術-組織”變革持續以螺旋上升的方式推進，此時的經濟增長就不僅僅是外延式增長，更是由技術創新和效率提升帶來的內涵式增長1。在新古典的索洛增長核算方程下，技術進步和要素配置效率提升的過程就是全要素生產率的增長過程。

由此來看，馬克思范式下的資本有機構成深化和新古典增長理論中的全要素生產率增長之間存在必然性的“因果邏輯律”。而全要素生產率分析與綠色全要素生產率分析在上述理論邏輯上并無本質不同，如果將如污染物產量等環境因素納入全要素生產率的分析框架中，這種全要素生產率就是生產率研究中的“綠色全要素生產率”。具體邏輯框架如圖1所示。

（二）進一步分析：引入環境約束

環境約束問題在很大程度上有賴于綠色技術創新2，即在上述技術創新過程中，加入了對綠色技術的需求和選擇。一般來看，綠色技術雖然具有一定的公共品屬性，但其擁有兩個將其“外部性”內部化的動力：一是政府的環境規制政策和研發成果保護政策（Krugman，2010），這從供給側方面引導著企業的技術選擇，即使得資本有機構成深化的方向是偏向綠色技術的，由此會改變要素配置的比例和配置效率，從而進一步影響了城市的綠色全要素生產率；二是消費者對綠色高質量產品的自發需求選擇（宮本澤一，2004），隨著資本積累和擴大再生產，城鄉居民的人均收入也不斷提高，對各類產品的不同的需求收入彈性將使得人們對采用更復雜技術、質量更高的產品需求增加得更為強烈（Verspagen，1993；Robert and Guillaume，2012），誘致社會選擇的新技術傾向于具備更多的綠色環保屬性1，這從需求側方面引導企業生產行為和技術選擇，也由此改變了要素的配置，進而從綠色技術進步和配置效率兩個方面影響了城市的綠色全要素生產率增長。一般來說，只有當經濟發展到一定水平，以上兩個動力的發揮才足以將綠色技術的“外部性”內部化。本文認為環境約束的納入，使得資本有機構成深化對綠色全要素生產率增長的效應相當程度上取決于經濟發展階段，也即隨著中國經濟增長模式由要素驅動向效率、創新驅動轉換，資本有機構成深化對綠色全要素生產率增長的邊際效應會得到強化2。

基于上述理論分析，本文提出以下待驗證的研究假說：

H1：資本有機構成深化形成了綠色全要素生產率增長的關鍵誘因。

H2：隨經濟發展階段攀升，資本有機構成深化對綠色全要素生產率增長的邊際效應會得到強化。

三、模型設計和數據說明

（一）基準模型設定

本文以中國地級及以上城市數據對以上研究假說進行實證檢驗。

設定以下基準面板雙向固定效應計量模型3：

（二）變量選取和數據說明

研究樣本和數據主要來自2004—2020年的《中國城市統計年鑒》。剔除缺失數據較多或數據趨勢不明從而難以進行插補的部分地級及以上城市樣本，最終確定的研究樣本為264個地級及以上城市。此外，由于相比于2003—2016年，2017年-2019年部分城市的污染排放數據缺失較多且難以插補，本文將這些城市在2017—2019年記為存在完全數據缺失。1主要變量選取如下。

1.關鍵被解釋變量：城市綠色全要素生產率增長

上述計量模型中的關鍵被解釋變量為城市綠色全要素生產率變化（GTFP）。目前主流前沿技術分析方法中的數據包絡分析（Data Envelopment Analysis，DEA）和隨機前沿分析（Stochastic Frontier Analysis，SFA）都可以得到綠色全要素生產率變化及其分解項，其中DEA為非參數方法，不需要考慮生產函數的形式，相比于隨機前沿分析，具備避免模型誤設、方法簡潔、構成項易于分解和展開經濟解讀以及能更好地處理包括污染數據的多產出情形的諸多優點，因此本文選擇以DEA來核算城市GTFP。具體而言，本文在可變規模報酬情形下，選擇基于非徑向、非角度的SBM方向性距離函數的Malmquist-Luenberger指數（簡記為SBM-ML）反映城市綠色全要素生產率變化2。

2.核心解釋變量和控制變量

（1）參考樊勇等（2017）對資本有機構成的計算方法，以表1中的各城市固定資本存量（萬元，2005年為基期）衡量不變資本，以城市所有就業人員工資總額（萬元，2005年為基期）衡量可變資本。后者的計算方法是以在崗職工平均工資（元/人）乘以城鎮所有就業人員（萬人）1。從而得到：

資本有機構成（CV）=不變資本/可變資本=固定資本存量/就業人員工資總額

（2）由于按照馬克思的原意，資本有機構成更準確的說是生產資料消耗和勞動力消耗的比例（孔祥智等，2018）。本文由規模以上工業企業的固定資產合計（萬元）、流動資產合計（萬元）得到生產資料消耗2，由在崗職工工資總額（萬元）得到勞動力消耗，進一步構建如下工業企業口徑下的資本有機構成指標3：

資本有機構成（CVqy）=生產資料消耗/勞動力消耗=（固定資產折舊+流動資產）/在崗職工工資總額

由于相比于市轄區口徑下的CV，市轄區工業企業口徑下的CVqy更為狹窄，本文將以前者為關鍵解釋變量，以后者做穩健性檢驗。

（3）控制變量則依據經驗研究或者說對現有文獻的綜述，以及數據可得性，選取城市規模、教育、研發、人均收入水平這四個變量4。

具體的變量定義和數據來源見表2。

（三）描述性統計分析

（1）表3提供了關鍵自變量間的相關系數和相應的方差膨脹因子（Variance Inflation Factors，VIF）。顯見，變量之間的相關系數絕對值均低于0.6，處于潘省初（2013）提出的0.8臨界值范圍內1；VIF值均低于2，基于經驗規則，最大的VIF不超過10，則不必擔心多重共線性（陳強，2014）。從而我們認為變量之間的相關性不會帶來嚴重的多重共線性問題2。

（2）本文在圖2給出兩個城市資本有機構成指標的時間趨勢圖。顯見，市轄區口徑的資本有機構成（CV）的水平值始終高于工業企業口徑下的資本有機構成（CVqy），一個重要原因是在崗職工工資總額（萬元）高估了工業企業的勞動力消耗，但由于難以從總工資中剝離出工業企業對應的工資額度，而工業企業吸納了大部分的在崗職工，本文僅對此這樣處理。在這種情形下對二者水平差距的變化的分析更為有意義。本文發現2010年之前二者的水平差距保持穩定，之后逐漸拉大。這可能意味著前一階段整個社會的技術進步、產業結構調整和生產方式變革主要在工業領域，也即工業領域的資本有機構成在很大程度上決定著整個社會生產方式演進的整體進展，從而CVqy和CV兩個指標的變化趨勢保持一致；2010年之后社會主導產業結構轉型，生產性資本逐漸向服務業領域擴張，第二產業投資率降低，兩個資本有機構成指標的差距逐漸拉大，這在最開始還是處于量變階段，到了2013年這種量變逐漸形成了質變，表現為市轄區口徑的CV仍然呈上升態勢而市轄區工業企業口徑下的CVqy持續呈下降態勢。顯然新常態以來的CVqy呈現出更為明顯的逆深化態勢。

（3）本文在圖3給出了GTFP和lnCV的分倉散點圖和擬合曲線1，可以判斷城市資本有機構成深化和綠色全要素生產率增長之間呈現出明顯的正向關系。對二者統計意義上的關聯以及真實因果關系的嚴謹判斷將在接下來的部分四展開。

四、實證研究結果

（一）基準回歸結果

表4中的模型（1）-（2）給出了資本有機構成深化對綠色全要素生產率增長的基準回歸結果，在5%的顯著性水平下城市lnCV對城市GTFP的影響系數均顯著為正。這說明在本文研究期間，資本有機構成深化形成了城市綠色全要素生產率增長的關鍵誘因之一，研究假說H1得到驗證。

同時，本文還在模型（3）、（4）中以城市傳統全要素生產率增長（TFP）替換城市綠色全要素生產率增長（GTFP），得出的估計結果同樣證實了部分二的理論分析。對表4中的系數估計值進行比較分析，可以發現資本有機構成對GTFP的影響系數要大于TFP，原因在于綠色生態本身同樣屬于資源稟賦，GTFP涵蓋了包括綠色生態在內的更多信息，更能準確地反映根源于資源稟賦的經濟增長績效。這一對比也意味著現階段不考慮環境改善績效會低估生產率的增長程度，從而本文選擇以綠色全要素生產率作為核心變量的確在當下更具有實踐意義。

就模型（1）-（4）的設定而言，①控制變量的系數估計值的符號基本均符合預期。城市規模對GTFP的影響顯著為正，因為城區人口多反映出城市存在區位、物質資本、政策利好等諸多優勢，因而能夠吸引人口集聚，這會帶來更充分的專業化分工，產業發展的交易成本相對也會更低。教育、研發和人均收入的系數估計值也均為正，符合經濟學直覺。②控制變量是否納入并不影響核心解釋變量的顯著性。但是相比于模型（1）和（3），模型（2）和（4）中資本有機構成的系數估計值均分別有所下降，這說明不納入控制變量情形下，有可能將部分控制變量對城市GTFP和TFP的影響歸到資本有機構成，從而高估lnCV的系數估計值。③ F檢驗顯示所有模型均是整體統計上顯著的，以拉格朗日乘子檢驗、過度約束檢驗和似然比檢驗進行模型選擇，檢驗結果均支持建立雙向面板固定效應模型。1

（二）異質性分析

鑒于圖1的描述性統計分析，中國城市資本有機構成自新常態以來出現了深化速度放緩甚至逆深化的趨勢特征。本文首先2014年為節點進行分時期估計2，表5中的模型（1）和（2）顯示，新常態以來資本有機構成深化對綠色全要素生產率增長的邊際效應得到了明顯提升。鑒于分時期回歸過程不得不丟棄部分樣本，可能會影響到估計有效性，本文進一步以2014年為節點構建階段虛擬變量（dummystage）3，在表5中的模型（3）納入資本有機構成和階段虛擬變量的交互項（lnCV×dummystage）。模型（3）估計結果顯示，2004—2014年間資本有機構成對城市GTFP的影響系數估計值為0.088，2015—2019年間的資本有機構成對城市GTFP的影響系數估計值為（0.088+0.025）。這就證實了假說H2。

盡管新常態以來中國城市資本有機構成的深化速度放緩，但經濟增長模式的轉換促使其對綠色全要素生產率增長的邊際效應得到了強化。究其原因，隨著新常態以來一系列調結構的宏觀經濟政策（如供給側結構性改革、“三去一降一補”等等）的推進，稟賦結構的質變和市場需求導向促使微觀企業和整個經濟社會的技術選擇更大程度上為提質增效、綠色環保的。這一發現也意味著盲目增加不變資本、深化資本有機構成亦是不可取的，經濟發展水平達到一定階段后，可變資本的相對增加帶來的居民收入提升以及對高質量產品的有效需求，將引導微觀企業和經濟社會的綠色技術選擇，強化資本有機構成深化對綠色全要素生產率增長的邊際效應，從而使得綠色全要素生產率仍能保持一定的增速。這對于“十四五”期間的要素收入分配、促進共同富裕和經濟高質量發展均有著重要借鑒意義。

（三）穩健性檢驗

1.格蘭杰因果關系分析

在進行因果分析之前，首先要對GTFP和lnCV兩個變量的平穩性進行檢驗。由于本文的樣本屬于短面板，適用于Harris-Tzavalis單位根檢驗（要求平衡面板、不允許不同的自回歸系數）、Im-Pesaran-Shin單位根檢驗（允許非平衡面板、允許不同的自回歸系數）。兩種單位根檢驗結果均拒絕面板存在單位根的原假設1，從而可以直接對兩個變量進行面板格蘭杰因果分析。面板格蘭杰檢驗結果顯示（見表6），資本有機構成深化是中國城市綠色全要素生產率增長的格蘭杰原因，但反之則不成立。這意味著，可能存在的逆向因果關系并不構成本文實證研究中的關鍵干擾問題。

2.處理潛在的內生性問題

為了緩解潛在的內生性問題，本文以面板固定效應工具變量法來重新估計資本有機構成對城市綠色全要素生產率增長的效應，即先對固定效應模型進行一階差分，再使用工具變量進行兩步最優GMM估計（two-step efficient generalized method of moments，gmm2s）。工具變量的選擇借鑒Bartik（2009），構建“Bartik instrument”，具體如下所示：

其中，i表示城市（1，2…，264），[CVt]為t期所有城市資本有機構成的算術平均值。該工具變量模擬了在相同的發展趨勢下，各城市資本有機構成的預期值。

估計結果如表7所示。顯見，無論是否納入控制變量，相應的Kleibergen-Paap rk LM 統計量和Kleibergen-Paap rk Wald F統計量均顯示1，模型不存在不可識別問題，且在15%的顯著性水平下可以認為均不存在弱工具變量問題。第二階段回歸結果均顯示核心解釋變量對因變量的正效應在統計上顯著，從而在考慮了潛在的內生性問題后，假說H1仍然穩健。

3.更換核心解釋變量：工業企業口徑下的再檢驗

相比于社會整體層面的CV，CVqy的針對對象和范圍為規模以上工業企業。由表8中的模型（1）和（2）可見，工業企業口徑下的再檢驗進一步驗證了資本有機構成深化是城市綠色全要素生產率增長的重要誘因。但模型（3）和（4）顯示的時期異質性則與表5不同，此時交互項的系數估計值為負意味著2015—2019年間工業領域的CVqy對GTFP的正效應開始下降甚或轉為負效應，這種不一致性不難理解，因為社會產業結構的轉型導致工業領域的CVqy開始與社會整體層面的CV演進趨勢相悖（見圖1）。

五、進一步的機制分析

以上從理論和實證層面澄清了資本有機構成深化和綠色全要素生產率增長之間的“因果律”。接下來的問題是，2004—2019年間中國城市資本有機構成深化作用于綠色全要素生產率增長的具體機制是什么？鑒于Prescott（1998）和蔡昉（2017）等學者識別出的（綠色）全要素生產率增長的來源，本文借鑒蘇治、徐淑丹（2015）等學者的做法，以綠色全要素生產率變化的分解項來反映技術進步和資源配置效率，通過比較分析資本有機構成如何影響城市GTFP的分解項來剖開具體的作用機制。

在Ray and Desli （1997）和Zofio （2007） 的生產率分解框架下，SBM-ML指數和分解項之間存在如下關系：

SBM-ML指數=技術進步×技術效率=（純技術進步×技術規模）×（純技術效率×規模效率）

其中，技術進步（Technical Change，TC）、技術效率（Efficiency Change，EC）分別衡量了生產率變化中來自技術進步、資源配置效率變化的成分1。可變規模報酬下，ML指數兩項分解得到的TC和EC可能包括規模效應，Ray and Desli （1997）和Zofio （2007） 的分解方法則將規模變化對生產率的影響（包括規模效率和技術規模）剝離出來得到純技術進步（Pure Technical Change， PTC）和純技術效率（Pure Efficiency Change， PEC）。本文擬以純技術效率和純技術進步做中介變量1。

（一）靜態視角下的機制分析

Iacobucci et al.（2007）、Zhao et al.（2010）等學者證明了相比于回歸分析，結構方程模型（Structural Equation Model，SEM）提供了進行中介效應分析的最佳框架，尤其是對于多重中介效應模型，采用單一中介變量模型分別檢驗有可能因忽略其他中介變量而導致參數估計偏誤。本文首先構建一元鏈式多重中介效應模型如下2：

表9給出結構方程模型的估計結果，表10給出基于標準化系數估計值計算的中介效應及其與直接效應（0.01）的比例。顯見，資本有機構成深化主要通過資源配置效率這一機制推動城市綠色全要素生產率增長3，這一中介效應是直接效應的4.1倍，且遠高于其他路徑下的中介效應；技術前沿擴張也會起到顯著中介作用但其中介效應要小于前者，而且由于短期中技術進步對資源配置帶來的“創造性破壞”4，進一步減弱了資本有機構成深化以技術進步做中介機制對GTFP的正效應。這一結論凸顯了生產關系對生產率增長的重要作用，正如朱方明、劉丸源（2019）做出的理論研判：馬克思經濟發展理論下經濟增長的機制主要是經濟關系而非自然關系。

（二）動態視角下的機制分析

本文首先構建由原先的技術決定的、與當期要素稟賦結構不匹配的資本有機構成指標（[lnCVkt]），具體是取資本有機構成指標（[lnCVt]）的1到k期滯后項的算數均值1，如下所示：

中，k為滯后階數（取值1，2，3，……）。理論上，隨著k的值提高，[lnCVkt]會越發偏離當期的最優資本有機構成和稟賦特征。本文的研究時期為16年（2004—2019年），在足以觀察偏離稟賦特征的資本有機構成對當下資源配置效率和技術進步的作用方式以及保留足夠多的樣本觀測值之間權衡，不妨將其k取值1-5。

以[lnCVkit]為核心解釋變量，以資源配置效率和技術進步分別為被解釋變量，構建面板雙向固定效應模型。表11顯示，[lnCVk]對純技術進步（PTC）有著正效應。也就是說早期的資本的動態積累和稟賦結構的變化促使企業不斷進行新舊技術替換，以保持技術決定的要素投入數量比和隨稟賦變化的比較成本優勢相匹配，其最終效果表現為推動實現了當期生產前沿的擴張。相比較而言，[lnCVk]則對純技術效率（PEC）有負效應，因為資本有機構成允許的要素投入比例和企業面臨的現實的要素稟賦結構和比較成本優勢不匹配，這必然使得要素得不到有效利用。此種偏離稟賦結構的資本有機構成（[lnCVk]）會在何種方向影響當前生產方式下能夠實現的GTFP，則取決于其對資源配置扭曲和內生技術進步的綜合影響，本樣本下發現這種綜合影響在統計上均表現為不再顯著，且隨著偏離程度增加（k值增大），[lnCVk]對當期GTFP的影響方向由正變為負1。

以上展示了往期資本有機構成的動態變化對當期資源配置效率和技術進步的影響。本文進一步以脈沖響應函數圖展示當期資本有機構成的動態變化對未來時期資源配置效率和技術進步的沖擊2，以做一個互補性檢驗。由圖4-1、圖4-2可見，當期資本有機構成深化對未來時期的資源配置效率有負向沖擊、對技術進步有著正向沖擊，這種沖擊均是在第一期最高、之后逐漸弱化。綜合表11和圖4-1、圖4-2，本文認為，資本有機構成與要素稟賦結構的“錯位”，或者說技術所允許的要素投入結構與要素稟賦結構決定的成本比較優勢相背離，會使得企業無法有效利用現有資源。這種情形下，企業對利潤最大化的追求將內生出技術進步，以促使要素投入結構和要素的成本比較優勢相匹配，矯正資源配置扭曲的狀態。這也恰好證實了部分二的理論闡釋。

六、結論與啟示

現實中不同的稟賦特征、資本有機構成和產業狀態形成了不同水平的競爭優勢，從而決定了城市的綠色全要素生產率。本文從馬克思政治經濟學范式下對此展開研究，首先從理論上解構資本有機構成深化與綠色全要素生產率增長之間的經濟邏輯，進而利用2004—2019年中國264個地級及以上城市的市轄區數據進行實證檢驗。主要結論如下：第一，證實了資本有機構成深化形成了城市綠色全要素生產率增長的關鍵誘因，這一研究結論通過了格蘭杰因果分析、工業企業口徑下的再檢驗、解決內生性問題等多重穩健性檢驗。第二，時期異質性分析顯示，資本有機構成深化對城市綠色全要素生產率增長的影響在新常態以來進一步強化，因為隨著經濟增長模式轉換，稟賦結構的質變和市場需求導向誘使微觀企業和整個經濟社會內生出的技術選擇更大程度上是導向高質量發展的。第三，具體的機制研究發現，靜態視角下資本有機構成深化主要通過優化資源配置效率這一機制推動城市綠色全要素生產率增長。動態視角下持續的資本積累將使得資本有機構成與稟賦結構發生“錯位”從而無法發揮綠色全要素生產率增長效應，具體而言，這種“錯位”使得要素無法得到有效利用，與此同時，對利潤最大化的追求誘使微觀企業和整個經濟社會逐漸內生出與稟賦結構更為匹配的技術進步，以矯正要素配置扭曲狀態。

由此得出的政策啟示在于：形成符合當地稟賦特征的資本有機構成是持續地提升城市綠色全要素生產率的關鍵舉措，在這一過程中，更為關鍵的是要加強環境規制和產權保護，在推動經濟社會全面綠色轉型中才能實現高質量發展；持續完善要素市場化配置的體制機制，重點強化市場機制的價格信號作用，以促使微觀企業和經濟社會及時識別資源稟賦的變動并推動相應的技術進步，與此同時，弱化技術進步的“創造性破壞”效應的配套產業政策亦是有必要的；提高城市綠色全要素生產率增速不僅需要供給側結構性改革，還需要優化要素收入分配和需求側結構來引導微觀企業和整個經濟社會的綠色技術選擇。

參考文獻

蔡昉，2017，《讀懂中國經濟：大國拐點與轉型路徑》，北京：中信出版社。

陳柏成，2014，“馬克思全要素生產率的應用”，《云南財經大學學報》，第4期，第3-9頁。

陳強，2014，《高級計量經濟學及Stata應用（第二版）》，北京：高等教育出版社。

戴魁早、駱莙函，2022，“環境規制、政府科技支持與工業綠色全要素生產率”，《統計研究》，第4期，第49-63頁。

樊勇、席曉宇、陳飄飄，2017，“增值稅改革、資本和資本有機構成：基于馬克思主義政治經濟學的視角”，《經濟理論與經濟管理》，第10期，第32-44頁。

宮本澤一著，樸玉譯，2004，《環境經濟學》，北京：生活·讀書·新知三聯書店。

洪銀興，2019，“改革開放以來發展理念和相應的經濟發展理論的演進——兼論高質量發展的理論淵源”，《經濟學動態》，第8期，第10-20頁。

何凌云、祁曉鳳，2022，“環境規制與綠色全要素生產率——來自中國工業企業的證據”，《經濟學動態》，第6期，第97-114頁。

柯善咨、趙耀，2014，“產業結構、城市規模與中國城市生產率”，《經濟研究》，第4期，第76-88+115頁。

孔祥智、張琛、張效榕，2018，“要素稟賦變化與農業資本有機構成提高——對1978年以來中國農業發展路徑的解釋”，《管理世界》，第10期，第147-160頁。

逯進、李婷婷，2021，“產業結構升級、技術創新與綠色全要素生產率——基于異質性視角的研究”，《中國人口科學》，第4期，第86-97+128頁。

劉維軍，2020，“環境規制對工業競爭力的非線性效應研究——基于資本深化與技術創新的視角”，《價格理論與實踐》，第9期，第148-151頁。

馬克思，2018，《資本論（第二卷）》，北京：人民出版社。

潘省初，2013，《計量經濟學中級教程（第二版）》，北京：清華大學出版社。

錢龍，2018，“中國城市綠色經濟效率測度及影響因素的空間計量研究”，《經濟問題探索》，第8期，第160-170頁。

任健華、雷宏振，2022，“數字普惠金融、資本深化與農業全要素生產率”，《社會科學家》，第6期，第86-95頁。

史蒂文·N. 杜爾勞夫、勞倫斯·E. 布盧姆，2016，《新帕爾格雷夫經濟學大辭典（第二版）》，北京：經濟科學出版社。

蘇治、徐淑丹，2015，“中國技術進步與經濟增長收斂性測度——基于創新與效率的視角”，《中國社會科學》，第7期，第4-25+205頁。

汪彬、劉曉陽、李佳杰、陳洋毅，2022，“工業集聚、金融集聚對綠色全要素生產率的影響機制及空間效應研究”，《工業技術經濟》，第8期，第126-133頁。

王兵、王夢丹、杜敏哲，2022，“產業內部結構轉換對綠色全要素生產率影響的實證研究”，《產經評論》，第2期，第69-85頁。

徐春華，2017，“生產資料部類優先增長：理論邏輯與經驗證據”，《經濟學動態》，第2期，第25-36頁。

徐淑丹，2017，“中國城市的資本存量估算和技術進步率：1992～2014年”，《管理世界》，第1期，第17-29+187頁。

向曉梅、萬陸、曹佳斌，2021，“科技革命的治理邏輯與社會主義市場經濟體制完善路徑”，《南方經濟》，第9期，第1-10頁。

周曉輝、劉瑩瑩、彭留英，2021，“數字經濟發展與綠色全要素生產率提高”，《上海經濟研究》，第12期，第51-63頁。

鄭明貴、董娟、鐘昌標，2022，“資本深化對中國資源型企業全要素生產率的影響”，《資源科學》，第3期，第536-553頁。

曾爾曼，2011，“從索洛余值到置鹽定理：利潤率遞增的馬克思經濟學詮釋”，《前沿科學（季刊）》，第4期，第78-85頁。

湛泳、李珊，2022，“智慧城市建設、創業活力與經濟高質量發展——基于綠色全要素生產率視角的分析”，《財經研究》，第1期，第4-18頁。

趙明亮、劉芳毅、王歡、孫威，2020，“FDI、環境規制與黃河流域城市綠色全要素生產率”，《經濟地理》，第4期，第38-47頁。

中國經濟增長前沿課題組，2014，“中國經濟增長的低效率沖擊與減速治理”，《經濟研究》，第12期，第4-17+32頁。

朱方明、劉丸源，2019，“馬克思的經濟發展理論與西方經濟發展理論比較——兼論中國經濟高質量發展的路徑”，《政治經濟學評論》，第1期，第54-72頁。

Anscombe，F.J.，1973，“Graphs in Statistical Analysis”，The American Statistician，27（1）：17-21.

Braun，E. and Wield，D.，1994，“Regulation as a Means for the Social Control of Technology”，Technology Analysis & Strategic Management，6（3）：259-272.

Bartik，T.，2009，“How Do the Effects of Local Growth on Employment Rates Vary with Initial Labor Market Conditions？”，Policy Paper No.2009-005，W.E. Upjohn Institute for Economic Research.

Dumitrescu，E.I. and Christophe，H.，2012，“Testing for Granger Non-Causality in Heterogeneous Panels”，Economic Modelling， 29（4）：1450-1460.

Iacobucci，D.， Saldanha，N. and Deng，X.，2007，“A Mediation on Mediation： Evidence That Structural Equation Models Perform Better Than Regressions”，Journal of Consumer Psychology，17（2）：140-154.

Krugman，P.，2010，“Building a Green Economy”，New York Times，04-11.

Marshall，R.and Mariam，C.，2005，“Measurement of Capital Stocks，Consumption of Fixed Capital，and Capital Services”，Report on a Presentation to the Central American Ad Hoc Group on National Accounts.

Michael，S.， 2013，“Binscatter： Stata Module To Generate Binned Scatterplots”，Statistical Software Components S457709， Boston College Department of Economics， revised 24 Nov 2013.

Prescott，E.C.，1998，“Needed： A Theory of total Factor Productivity”， International Economic Review，39（3）：525-551.

Robert，D. and Guillaume，V.，2012，“A Quantitative Analysis of Chinas Structural Transformation”，Journal of Economic Dynamics & Control，36（1）：119-135.

Ray，S. C. and? Desli，E.，1997，“Productivity Growth， Technical Progress， and Efficiency Change in Industrialized Countries： Comment，”American Economic Review， 87（5）：1033-1039.

Verspagen， B.，1993，Uneven Growth between Interdependent Economies： An Evolutionary View on Technology Gaps，Trade and Growth，Maastricht： Universitaire PersMastricht.

Wang，K.L.，Pang，S.Q.，Zhang，F.Q.，Miao，Z. and Sun，H.P.，2022，“The Impact Assessment of Smart City Policy on Urban Green Total-Factor Productivity： Evidence from China”，Environmental Impact Assessment Review，94，106756.

Xia， F. and Xu， J.，2020，“Green Total Factor Productivity： A Re-Examination of Quality of Growth for Provinces in China”，China Economic Review，62，101454.

Xu，Y.H. and Deng，H.T.，2022，“Green Total Factor Productivity in Chinese Cities：Measurement and Causal Analysis within a New Structural Economics Framework”，Journal of Innovation & Knowledge，7（4），100235.

Zhao，X.，Lynch Jr， J. G. and Chen，Q.，2010，“Reconsidering Baron and Kenny： Myths and Truths about Mediation Analysis”，Journal of Consumer Research， 37（2）：197-206.

Zofio，J.L.，2007，“Malmquist Productivity Index Decompositions： A Unifying Framework”，Applied Economics， 39（18）：2371-2387.

Organic Composition of Capital Deepending and Green Total Factor Productivity Growth：An Empirical Study Based on Chinese Cities at Prefecture Level and Above from 2004 to 2019

Xu Yonghui Zhao Yan Deng Gezhi

Abstract：Green total factor productivity growth is an important marker for achieving quality development.Existing studies have developed the identification of causal factors for green total factor productivity growth in multiple dimensions， with fewer of them developed under the Marxian political economy paradigm.Green total factor productivity growth mainly stems from technological progress and resource allocation potential， and under Marx's theory of organic composition of capital， this implies that deepening of organic composition of capital is the key variable affecting green total factor productivity growth. This paper first theoretically deconstructs the economic logic between the deepening of organic composition of capital and green total factor productivity growth， and then conducts an empirical study using data for municipal districts of prefecturelevel and above cities in China from 2004 to 2019.It is found that the deepening of the organic composition of capital forms a key causal factor in green total factor productivity growth， and this finding passes multiple robustness tests such as Granger causality analysis and re-testing under the caliber of industrial firms. The heterogeneity analysis shows that the marginal effect of the deepening of the organic composition of capital on green total factor productivity growth has been reinforced in the context of the shift in China's economic growth model since the New-Normal.Further mechanistic studies show that deepening of the organic composition of capital in a static perspective drives green total factor productivity growth mainly through optimizing resource allocation efficiency.In a dynamic perspective， the deepening of the organic composition of capital that deviates from the endowment structure prevents the efficient use of factors， and this "misalignment" also leads to the continuous self-adjustment of the organic composition of capital， inducing enterprises and society to endogenize technological progress to correct the distortion of factor allocation.

The findings of this paper can provide policy insights for the Chinese government to promote high-quality development in the 14th Five-Year Plan period and beyond.The formation of organic composition of capital in line with the characteristics of local endowments is a key initiative to sustainably enhance green total factor productivity in cities;Continuously improving the mechanism for market-based allocation of factors， especially focusing on strengthening the role of market mechanisms in price signaling; Optimizing factor income distribution and demand-side structure to guide green technology choices of micro enterprises and the whole society.

With the key variable of organic composition of capital， this paper intends to add a novel perspective of Marxian political economy to the study of green total factor productivity growth，thus promoting the relevant research progress.Firstly，this paper highlights the concept of deepening the organic composition of capital， and explores in depth the inner "causal logic law" and specific mechanisms between organic composition of capital deepening and green total factor productivity growth; Secondly，this paper quantifies the political economy concept of organic composition of capital， and uses data from 264 Chinese cities at the prefecture level and above to conduct rigorous empirical tests for research hypotheses.

Keywords：Organic Composition of Capital;Green Total Factor Productivity; Resource Allocation Efficiency; Technological Progress

（責任編輯：謝淑娟）

* 徐永慧，廣州航海學院航運經貿學院，E-mail：xuyonghui_nk@163.com，通訊地址：廣東省廣州市黃埔區紅山三路101號，郵編：510725;趙燕，廣州大學經濟與統計學院，E-mail：ningxi.1121@163.com，通訊地址：廣東省廣州市番禺區大學城外環西路230號，郵編：510006；鄧格致，香港科技大學公共政策學院，E-mail：gdeng@connect.ust.hk，通訊地址：香港九龍清水灣，郵編：999077。非常感? 謝匿名審稿專家的寶貴意見，作者文責自負。

基金項目：本文受廣東省哲學社會科學規劃青年項目“廣東省鄉村振興發展指標和政策優化路徑研究”（GD21YYJ16）和國家社會科學基金重大攻關項目“全面建成小康社會背景下新型城鄉關系研究”（17ZDA067）的資助。

1 這里C表示不變資本價值，V表示可變資本價值。

1 馬克思在《資本論（第二卷）》第八章中明確指出：“如果生產場所擴大了，就是在外延上擴大；如果生產資料效率提高了，就是在內涵上擴大”。

2 減少環境污染、降低能源及原材料消耗的技術、工藝或產品可被統稱為綠色技術（Braun and Wield，1994）。

1 當經濟發展到一定水平后，客觀上會要求消費資料部類以更快的速度增長以實現生產資料和消費資料兩部類之間的必要比例得以滿足（徐春華，2017）。這意味著馬克思政治經濟學視角下，隨著經濟發展，需求側變化對企業和市場的導向作用將更為強烈。

2 但是這一特征，對不考慮環境約束的全要素生產率增長不一定是存在的。由于更為兼顧綠色生態，在更高的經濟發展階段社會選擇的新技術可能在一定時期內犧牲了產出效率。

3 對面板數據可進行混合回歸、隨機效應估計、固定效應估計，因此存在模型選擇問題。除了拉格朗日乘子檢驗、過度約束檢驗等統計檢驗方法，本文對雙向固定效應模型的選擇還有著現實考量，影響城市GTFP及其構成的因素中有一些隨城市個體變化但不隨時間變化或者隨時間變化但不隨城市個體變化的變量，前者如城市所處區位、自然環境，后者如國家整體經濟發展戰略、國外環境變化。相比于混合估計或者面板隨機效應模型，采用雙向固定效應模型可剔除這些難以觀測變量的影響，從而更準確地捕獲核心變量之間的真實關系。

1 因為MaxDEA軟件在核算綠色全要素生產率變化時允許不同年份的樣本有差異，但不允許存在缺失值。在核算關鍵解釋變量——綠色全要素生產率變化時，本文實際采用的樣本為在2003—2016年數據均完整的264個城市總樣本，2017年、2018年、2019年完整數據相對更少一些的238、195個、195個城市樣本。由于總樣本一致，2017—2019年部分樣本的被剔除并沒有影響到對中國城市綠色全要素生產率增長的趨勢研判，參見Xu and Deng（2022）對微量樣本調整下城市GTFP核算結果的比較分析。

2 基于DEA方法得到的SBM-ML指數本質上反映了綠色全要素生產率的同比變化情況或者正增長、負增長情況（見表2），故可稱之為綠色全要素生產率增長或變化。對于核算和分解SBM-ML指數的理論模型已經有很多文獻進行介紹，在此不再贅述。

3 2003—2016年的全社會固定資產投資額數據來自歷年《中國城市統計年鑒》，2017—2019年數據則從各省（市）的統計年鑒自行搜集。具體參見Xu and Deng（2022）。

1 首先將在崗職工平均工資額以省際城市居民消費價格指數（2005年=100）進行折算。城鎮就業人員則包括城鎮私營和個體從業人員以及城鎮單位從業人員，即表1中的勞動指標。

2 由固定資產合計（萬元）和折舊率得到固定資產折舊額（萬元），折舊率取5%。

3 計算過程中采用的均是剔除物價變動的實際值。具體是，將固定資產合計（萬元）以省際固定資產價格指數折算為實際值（2005年為基期），流動資產合計（萬元）和在崗職工工資總額（萬元）以省際城市居民消費價格指數折算為實際值（2005年為基期）。

4 對于以名義貨幣值為單位人均收入水平，利用上文得到的城市級別的地區生產總值平減指數（2005年為基期），將其折算為以2005年為基期的實際值。基于數據可得性，教育指標的構建采用全市口徑。

1 潘省初（2013）指出，一般來說相關系數的絕對值高于0.8很可能存在多重共線性。

2 為避免多重共線性帶來的可能干擾，下文具體估計過程中我們還比較了納入控制變量、不納入控制變量的計量模型估計結果（如下文的表4），結果進一步證實了以上基本判定。

1 在數據量較大的情況下，普通散點圖過于擁擠，很難直觀體現變量之間的關系，甚至會呈現出多種可能組合的情況（Anscombe，1973）。這時分倉散點圖能更為清晰地展現變量之間的可能函數關系（Michael， 2013），其基本原理是將橫軸分為樣本量相同的倉（本文選取了20個），計算各倉內lnCV和GTFP的均值，繪制這些均值的散點圖。

1 篇幅所限，本文并未給出相關檢驗結果，如感興趣可向作者索取。

2 基于對圖1的分析以及中國政府對“新常態”這一執政新理念的提出時點，取2014年為分界點。

3 階段虛擬變量dummystage為0、1二值變量，即年份t處于2015—2019年間時，令dummystaget=1；否則，令dummystaget=0。

1 考慮到中國不同城市面臨相同的宏觀經濟、制度等因素，可能存在截面相關，在檢驗過程中均通過減去截面均值來緩和截面相關性。同時城市綠色全要素生產率和資本有機構成指數存在明顯的時間趨勢，檢驗過程中均納入時間趨勢項。受篇幅所限，檢驗結果不再列出。

1? Kleibergen-Paap rk LM統計量對應不可識別檢驗，原假設支持不可識別；Kleibergen-Paap rk Wald F統計量對應弱工具變量檢驗，模型（1）的相應統計量值12.701、模型（2）的相應統計量值10.230均大于15%顯著性水平下的Stock-Yogo臨界值8.96，但小于10%顯著性水平下的Stock-Yogo臨界值16.38。

1 簡而言之，TC反映了“最佳實踐者”推動生產前沿面的外移幅度，EC反映了“落后者”向生產前沿面的移動幅度。

1 規模效應意味著在要素累積、生產規模擴張的過程中，由依附于投資和人力學習經驗的“干中學”效應內生地引發生產率的提升。但“干中學”效應會隨著技術差距的縮小而迅速下降，最終呈現出收益遞減的特征。中國已經處于“干中學”效應遞減的階段（中國經濟增長前沿課題組，2014），因此以剝離規模效應后的純技術效率和純技術進步做代理變量具有更多的現實政策意義。

2 之所以采用鏈式多重中介而非簡單中介效應模型，即在模型（3-1）中納入技術進步（PTC），是因為實際生產過程中的技術進步伴隨著要素的重組以及相應的組織和制度變革等生產關系調整，對資源配置效率必然有著或正或負的直接影響（向曉梅等，2021）。但資源的重新配置并不必然的改變技術。

3 若不剝離規模效應，以TC和EC反映技術進步和資源配置效率，得到的主要結論仍是一致的。不同的地方在于中國城市生產中相對較低的規模效率會在一定程度上拉低資本有機構成以資源配置效率為中介機制的效應值。

4 在馬克思主義視角下對技術進步或創新的“創造性破壞”效應的分析，可參見向曉梅等（2021）。

1 之所以取算術均值而非直接采用第k期滯后項（[lnCVt?k]），是為了盡可能地平減單一年份的某些不確定性因素對資本有機構成的隨機影響。

1 篇幅所限，這里不再給出。如感興趣，可向作者索取。

2 分別對lnCV和PEC、lnCV和PTC建立面板VAR模型，具體設定是：以所有控制變量為外生變量，采用一階滯后期，選擇一階差分方法剔除面板固定效應，設定穩健標準誤。估計所得面板VAR系統均通過了平穩性檢驗，全部特征根值都落于單位圓內。篇幅所限，估計結果這里不再給出，感興趣可向作者索取。