考慮環境非期望產出的工業行業綠色全要素生產率異質性與提升選擇偏好

劉 穎,王 詩

考慮環境非期望產出的工業行業綠色全要素生產率異質性與提升選擇偏好

劉 穎*,王 詩

(東北財經大學統計學院,遼寧 大連 116000)

文章綜合考慮了中國37個工業部門2011～2020年投入產出數據,運用ML生產指數與非徑向非角度的SBM效率測度模型,得到不同行業的綠色全要素生產率. 研究發現,僅考慮碳排放會造成生產率的高估;綠色全要素生產率存在較大的行業異質性;通過綠色全要素生產率在工業經濟增長中的貢獻,論證了當前中國工業發展方式轉變,中國工業仍處于“粗放型”的增長模式,需要進一步向“集約式”的綠色增長邁進.為了檢驗環境規制、外商直接投資、科技創新能力對綠色全要素生產率的影響,文章使用面板Tobit模型對工業行業進行實證分析,同時利用面板門檻模型對重工業、輕工業和高新技術行業進行環境規制與綠色全要素生產率的非線性關系研究,得到相應的門檻值.結果顯示:企業規模和研發投入對于綠色全要素生產率增長有顯著正向影響,嚴格的環境規制將會增加外商直接投資的門檻,貿易壁壘與運輸成本使外商直接投資在綠色全要素生產率增長中發揮了負向作用;重工業行業的門檻值介于3.097和3.568時,環境規制對綠色全要素生產率提升的促進作用最強,當輕工業和高新技術行業門檻值介于3.035和4.269時,環境規制對綠色全要素生產率提升的抑制作用最小.

綠色全要素生產率；面板Tobit模型；SBM效率測度模型；環境規制

我國經濟發展形勢目前正在向高質量發展階段邁進,必須從通過增加勞動、資本、自然資源投入實現的“粗放式增長”,轉向通過提高綠色全要素生產率實現的“集約式增長”,形成綠色、生態、可持續發展的經濟體系.2012～2021年,中國工業增加值從20.9萬億元上升至37.3萬億元,但是工業能源消耗接近全國能源消耗總量的70%,能源利用效率僅為33%,清潔能源在能源消費總量占比達到25.5%,所排放的二氧化硫氣體近八成,一氧化氮含量近六成[1].實現節能減排和工業發展雙贏的關鍵在于工業綠色全要素生產率,通過合理的環境規制政策改善實際的工業生產率,全面提高工業綠色全要素生產率是中國工業發展方式轉變的根本[2].

目前圍繞資源、環境及工業經濟三者的協調程度判斷受到廣泛關注.為了判斷三者的協調狀況以及工業能否順利實現綠色轉型,有必要研究中國工業環境全要素生產率及其影響因素.

測算綠色全要素生產率(GTFP)的方法包括參數法和非參數法,參數方法以隨機前沿生產函數SFA為主,如劉亦文等[3]利用隨機前沿函數測算湖南省14個城市的GTFP;DEA非參數方法在測算時也是主流方法,之后考慮到DEA方法的徑向以及松弛性問題,將SBM、ML指數等與DEA相結合來測算綠色全要素生產率[4].考慮到碳排放等環境污染因素對綠色全要素生產率有影響,紀成君等[5]將碳排放納入非期望產出進行測算,何宇等[6]將碳中和量納入非期望產出,董慶前等[4]將環境污染作為非期望產出來測算GTFP.對于GTFP測算過程中的非期望產出問題,普遍僅關注以碳排放量為代表的被動環境治理效果,缺乏對環境污染程度的考量.因此傳統的非期望產出測算方法不適用在碳達峰、碳中和背景下的綠色全要素生產率的測度,可能使測算結果被高估.

對GTFP的影響研究可以分為兩類:一類是討論多種不同的因素對GTFP的影響.陳詩一[2]、曲小瑜等[1]均采用fsQCA方法揭示環境規制和信息化水平是GTFP提升的關鍵因素.吳麗娟等[7]、齊亞偉等[8]利用面板Tobit模型分別分析了我國流通業、36個工業行業GTFP的影響因素,發現行業間存在較大的異質性且勞動力冗余是導致GTFP低下的主要原因,企業規模、研發投入、資本深化都對GTFP表現出促進作用,這與孫振清等[9]采用系統GMM和動態面板模型考慮GTFP的影響因素的發現類似,并補充性地發現了資源稟賦結構、能源結構對GTFP的影響是負向顯著的.王豐閣等[10]在以上因素的基礎上發現產業結構高級化水平和技術創新效率均會對GTFP產生顯著的正向影響;蔡林美等[11]從經濟綠色增長角度通過索羅增長模型發現碳排放量、綠色投資、能源消耗、金融發展與GTFP呈現負相關關系;另一類則是重點考察某些因素如數字經濟、環境規制等對GTFP的影響機制,通常選擇中介效應模型、基準回歸模型、門檻效應模型等.環境規制會引起生產要素的重新配置,其對GTFP影響的非線性特征是因素研究的討論熱點,吳麗娟等[7]分析發現我國流通業GTFP與環境規制呈現“倒N型”關系,何凌云等[12]基于企業層面發現其呈現“倒U型”關系,且在拐點前后創新補償效應、成本效應影響均不一致;在探討環境規制和數字經濟的作用路徑中,普遍引入研發投入[13]、產業結構升級、能源清潔化[9]等中介變量;李斌等[14]通過面板門檻模型發現科技創新水平、所有制結構均會促進GTFP的提升,進而影響我國工業發展方式的轉變.

通過對相關文獻的梳理不難發現:相關學者對工業行業整體綠色全要素生產率的概述及影響因素的探討做出了一定的貢獻[11,15-16,21],科技創新、環境規制強度對GTFP的提升有關鍵作用.但沒有同時考慮碳排放和環境污染程度兩種非期望產出來科學測度綠色全要素生產率,還缺少對行業間差異的細化探索.針對這些不足,本文擬開展如下研究:使用考慮非期望產出的非角度SBM方法以及ML指數測度37個行業的綠色全要素生產率,進而得到工業經濟增長的貢獻率,根據貢獻程度來衡量中國工業發展方式的轉變情況.同時,對整個工業行業參考吳麗娟等[7]的思想,采用Tobit回歸模型考察各種因素對GTFP的不同影響,參考李斌[14]的思想運用門檻效應模型考察環境規制與綠色全要素生產率之間的非線性關系.

1 模型構建

1.1 環境全要素生產率的測度模型

Tone[18]為了解決缺乏松弛變量的問題,在非徑向SBM模型中,將“非期望產出”設置為強可處置性,以彌補DDF對“非期望產出”的處置缺陷.對模型的構造做了以下研究:

若ATY代表綜合考慮資源與非期望產出后,第個工業行業在期得到的綠色全要素生產率對行業產出增長貢獻率,則

表1 工業發展情況匯總

1.2 變量選取及數據來源

為了保證數據的完整性、真實性,選擇的研究對象為國有規模以上工業企業(以下簡稱:規模以上企業).盡管《中國工業統計年鑒》提供了39個工業行業的數據,但“其他采礦業”數據量較小可能會造成誤判,所以將非金屬采礦業與其他采礦業加總稱為“其他采礦業”.橡膠制品和塑料制造業在2012年合并統計,本文考察2011～2020年的工業相關數據,因此將2011年的橡膠和塑料制品合并統計.綜上,本文的研究對象為37個工業行業的投入產出.對于投入指標、期望產出指標和非期望產出指標的處理情況進行如下說明:

1.勞動投入.考慮分行業規模以上企業從業人員年平均數量(萬人)作為投入指標.有關資料來源于《中國工業統計年鑒》歷年.

2.資本投入.以分行業規模以上企業固定資產凈值年平均余額近似估算資本存量進行測算.有關資料來源于《中國工業統計年鑒》歷年.

3.能源消費量.以規模以上企業能源消費總量作為測算指標,資料來自《中國能源統計年鑒》歷年分行業能源消費總量統計表格,按照標準煤折算系數換算為萬噸標準煤.

4.期望產出.放棄多數學者采用的工業增加值,采用包含中間投入成本的工業總產值來計算能源消費等工業中間投入品.

5.碳排放非期望產出.參考政府間氣候變化專門委員會(IPCC)碳排放量的計算方法,將煤炭、焦炭等化石能源與對應的排放系數相乘得到規模以上企業的碳排放量.

6.環境污染非期望產出.選擇工業二氧化硫排放量、工業煙塵排放量與工業廢水排放量分別賦權得到環境污染指數作為第二個非期望產出.

2 綠色全要素生產率測算結果及評價

2.1 工業綠色全要素生產率估算

基于2011～2020年37個規模以上工業企業的投入產出數據,通過SBM方法測度分行業綠色全要素生產率,進一步分解為技術進步和技術效率指數.因為VRS和CRS假設下的計算結果存在差異,根據之前的研究經驗選擇基于VRS前提假設進行,計算得到4個方向性距離函數并進一步測算得到37個行業的ML指數,由于ML指數反映的不是GTFP本身而是其增長率,因此參考邱斌等[20]的方法,假設2010年的綠色全要素生產率為1,根據測算得到的ML指數進行累乘得到37個行業的2011～2020年的綠色全要素生產率[14].

通過MATLAB2020軟件,在僅考慮碳排放的非期望產出和考慮碳排放、環境污染指數兩個非期望產出的條件下,對規模以上37個行業進行綠色全要素生產率的測算,并進一步將其分解為技術進步和技術效率指標進行分析,如表2所示(表2的數據由2011～2020年間各行業數據取幾何平均得到).

表2 分行業綠色全要素生產率測算對比

續表2

表2將測算得到的2012～2020年的ML指數及其分解的EC、TC指數進行幾何平均,得到37個工業行業的相關數據.測算結果顯示,除少部分行業,如石油和天然氣開采業、飲料制造業、交通運輸設備制造業、有色金屬冶煉業等以外,未考慮環境污染指數的綠色全要素生產率均大于將環境污染指數、碳排放量一起作為非期望產出測算得到的綠色全要素生產率,說明傳統的全要素生產率未考慮能源消耗和碳排放的作用導致結果被高估[5],伴隨著工業活動產生的污染,工業綠色全要素生產率的提升也在一定程度上受到了抑制.重工業在改革開放初期作為經濟增長的主要驅動力,使得環境承受能力達到上限,其污染換取了重工業的發展.這與多數研究者結論類似,目前我國工業綠色發展水平有待提高,認為考慮碳排放和環境污染指數作為非期望產出的綠色全要素生產率的測算是合理的.

從分行業的測算結果來看,行業的ML指數均值大于1,說明整體上綠色全要素生產率呈現增長趨勢;就ML指數的分解項來看,技術進步的均值大于1,技術進步效率為負的只有其他采礦業和工藝品及其他制造業;綠色技術效率體現行業的動態技術效率,技術效率的均值接近但不等于1,這說明GTFP的提高主要由技術進步引起.分行業的結果說明,行業間的技術效率差異較大,ML指數所代表的增長率最高為電力熱力生產供應業的1.413,最低為水的生產和供應業的0.614,;同樣根據其所測算的綠色全要素生產率跨度也非常大,從燃氣生產和供應業的2.000到水的生產和供應業的0.003.能耗和排放密集型的重工業行業普遍表現為增長率較慢且技術進步率較低,如其他采礦業等,這顯示了高能耗高排放的弊端,相對比早年間的產出增長,有了很大提升,說明我國對于傳統重工業的排放和污染治理已經采取了必要的措施,但形勢仍然嚴峻,需要更進一步的節能減排、拓展循環使用渠道等促進低碳和綠色發展的措施;GTFP較高且增長率和技術進步效率較快的普遍為高新科技和輕工業,如醫藥制造業、電力熱力生產和供應業等,該類行業技術迭代速度快,研發投入高,在工業發展升級中占據重要地位.

圖1 2001～2010年與2011～2020年ATY貢獻度的對比折線圖

工業對經濟增長的貢獻率(ATY)如圖1所示(注:2001～2010年間,缺乏工藝品及其他制造業、廢氣資源和廢舊材料回收加工業的數據),該折線圖展示了2001～2010年以及2011～2020年綠色全要素生產率增長占工業總產值增長的比重.結果表明:除了煤炭開采及洗選業等制造業出現負值以外,其他工業行業均為正值,且其所占比重較2010年之前有了很大提高,說明目前的政策實施是有效的;沒有一個行業的ATY數值超過50%,所有行業仍然表現為趨于粗放外延型的增長情況,這與多數學者的結論一致.技術進步是綠色全要素生產率的助推劑,并且不同行業之間技術進步水平存在顯著差異,各工業行業之間的技術差距進一步擴大.

2.2 行業的分類討論

根據上文的測算結果,可以發現行業間的差異比較大,為了更有針對性的分析,參考陳詩一[2]的研究結果,將37個工業行業分為三類,分別是重工業行業、高新技術行業和輕工業,具體細分類目如表3所示.其中重工業行業是為國民經濟各部門提供物質技術基礎的主要生產資料的行業,普遍表現為綠色全要素生產率和技術進步較低甚至為負的情況,對環境資源的消耗較大,作為我國經濟發展的主要成員,迫切需要更加完善的節能減排方案以推動經濟的綠色發展;輕工業和高新技術行業都屬于總產值、綠色全要素生產率和技術進步增長較快的行業,輕工業主要是提供生活消費品和手工工具的行業,其污染集中治理、資源循環利用的特點更加顯著,由于產業轉型滯后、環境壓力加深等原因,輕工業同樣需要從源頭進行治理整治;高新技術行業是從事一種或多種高新技術及其產品的研究、開發、生產和技術服務的集合,是知識密集和技術密集型的產業,在工業發展升級中占據重要地位,電子垃圾的污染問題雖然相對比其他兩個行業不太嚴重,但其危害也不容小覷.

表3 工業行業分類情況

3 工業綠色全要素生產率的實證分析

3.1 變量說明

在研究了中國工業綠色全要素生產率的差異及中國工業發展方式轉變情況的基礎上,有必要對綠色全要素生產率的影響因素進行細致研究.考慮到被解釋變量工業綠色全要素生產率的取值范圍在[0,2],有明顯的數據斷層,由此選擇受限因變量的Tobit模型進行影響因素的分析更為準確.根據過往的研究,本文主要選擇科技創新因素、結構因素、環境規制因素和對外開放因素,具體作如下解釋.

1.科技創新因素.選擇科技創新能力(rd)作為代表變量,創新是一個企業發展進步的動力源泉.提高科技創新意識,增加研發投入,助力建設綠色城市、提高要素的生產利用率對綠色全要素生產率的改善是關鍵的一步.因此選取大中型工業企業中用于研究開發和實驗開發資金的內部支出在工業總產值中的占比作為科技創新能力的測度指標.

2.結構因素.主要是從企業的規模、所有權結構、能源結構等方面考察.其中,企業規模(comp)體現行業內競爭是否激烈,進一步分析了它對綠色全要素生產率影響的方向.用各工業部門工業總產值占工業企業個數的比例來度量.所有制結構(state)是由工業行業中的國有和國有控股企業在整個國有和非國有企業工業總產值中所占的份額計量出來的,方便分析生產效率的提高、節能減排方面的績效在所有制結構上是否有差別.能源結構(e),能源結構的轉變有助于緩解碳排放量,改善環境質量,同時煤炭的消費量在眾多化石能源中居首位,因此選擇用煤炭消費量(折合成標準煤)占能源消費總量的比重表示.

3.環境規制因素(reg).根據“波特假說”,環境規制一方面增加了企業生產成本,但另一方面,環境規制可以刺激企業加快技術創新和使用清潔能源等,有可能通過創新補償作用抵消規制成本.因此,環境規制的“激勵創新”與“減少污染”的雙重效應從長期看是有助于提高環境全要素生產率的.借鑒李小平等的研究成果[22],選取工業行業廢水,廢氣治理運行費用總和與工業總產值之比作為環境規制強度測度指標.認為環境規制對綠色全要素生產率的影響可能是非線性的,其中,加入環境規制強度平方項(reg2)與立方項(reg3).

4.外商直接投資(fdi).外商對中國的投資日益增加,一方面,推動國內企業技術進步,另一方面,受國外苛刻環境規制政策的影響,致使高耗能高污染產業有向我國轉移之勢,產生嚴重的“貿易引致型”環境污染.為了檢驗是否存在“污染天堂假說”,本文引入外商投資來分析其對環境全要素生產率的影響.其中,外商投資采用外商投資工業企業總產值占全部工業企業總產值的比重來衡量.

資料經歷年《中國工業統計年鑒》《中國環境統計年鑒》《中國科技統計年鑒》《中國能源統計年鑒》歷年整理得到.

3.2 我國工業行業影響因素的分析

從表4的Tobit回歸模型中可以發現,企業規模對環境綠色全要素生產率的提升具有顯著的促進作用,企業的衡量標準是多方位的,行業競爭越激烈,適應時代進步潮流、更注重節能減排技術的企業就會勝出,生產效率提高的同時,對環境的污染也在減小;科技創新能力對綠色全要素生產率的影響是正向顯著的,證實了科技創新是綠色全要素生產率的動力源泉; 外商直接投資對綠色全要素生產率的影響是負向顯著的,認為投資越多,對于環境全要素生產率的提升作用越小,可能是由于運輸成本及貿易壁壘的影響.貿易自由化使相同產品價格基本相同,此時,生產區位將決定生產成本的高低.假定各國環境標準以外的標準是一樣的,則環境規制標準越低,污染企業越優先考慮,這些投資流入的國家成了污染樂園.因此我們需要提高外商直接投資的門檻,施行嚴格的環境規制政策.

環境規制強度對綠色全要素生產率提升的影響是正向顯著的,說明環境規制的強度越高,GTFP的提升會越快,這就要求加大企業的環境監管力度,減少污染,同時研發的不斷投入,保證了技術的持續創新,因此,環境規制的“激勵創新”與“減少污染”的雙重效應有助于提高環境全要素生產率.行業環境規制的平方項負向顯著,說明環境規制強度與綠色全要素生產率呈現“倒U型”關系,環境規制強度需要達到一個適宜的位置,才能夠產生最優的綠色全要素生產率.初期階段隨著環境規制強度的提高,企業通過技術變革來提高綠色全要素生產率,但伴隨著強度的不斷增加超過企業能夠承擔的上限,便會對綠色全要素生產率產生不利影響.

表4 行業整體Tobit模型估計結果

注:***<0.01, **<0.05, *<0.1

3.3 環境規制對綠色全要素生產率的門檻效應分析

經過上文對影響因素的討論,不難發現,環境規制對綠色全要素生產率的提升有一定的促進作用,環境規制與GTFP存在“倒U型”的非線性關系.為了更好地了解環境規制的影響機制,嚴格的環境規制政策是否有助于綠色全要素生產率的提升.下面采用面板門檻模型分析環境規制與綠色全要素生產率之間的非線性關系.作為一種非線性計量經濟學模型,“門檻回歸”就是在存在因果關系的變量中找出門檻變量,通過樣本數據估算門檻值來劃分樣本組參數.

3.3.1 模型設定與變量說明 變量說明:(1)被解釋變量:綠色全要素生產率.引用上文同時參考碳排放和環境污染程度兩種非期望產出的GTFP測算結果,對其取對數進行分析.(2)門檻變量:環境規制(reg).考慮到數據的一致性,選取工業行業廢水、廢氣治理運行費用總和與工業總產值之比作為環境規制強度測度指標.(3)控制變量:企業規模comp、所有制結構state、能源結構、科技創新rd、外商直接投資fdi,數據采用Tobit回歸模型分析時的相關數據.

模型設定:針對上文回歸分析情況,設定面板門檻回歸模型如下:

式中:1<2,…,-2<-1,多重門檻模型計算是在上一門檻值固定的情形下,估算下一重門檻值.根據門檻變量環境規制lnreg與門檻值的比較,可將樣本劃分為量規或多個區制.(·)代表示性函數,當括號中表達式為假時,則取值為0,反之取值為1.代表控制變量,包括:企業規模comp、所有制結構state、能源結構、科技創新rd、外商直接投資fdi.

3.3.2 面板門檻回歸結果 將環境全要素生產率GTFP作為被解釋變量,考慮到高新技術行業僅有7個,不符合門檻模型的個數要求,因此將輕工業和高新技術行業合并分析,二者均為污染相對輕的行業.因此分別對16個重化工行業和21個輕工業、高新技術產業中環境規制lnreg不存在門檻值、存在一個門檻值及存在兩個及以上門檻值分別進行估計,借鑒Hansen[23]的bootstrap自助法,通過反復抽樣1000次得出統計量對應的值,判斷是否存在門檻效應.使用stata13.0統計軟件.結果見表5

表5 環境規制門檻效應檢驗結果表

由表5可知,當lnreg為門檻變量時,重工業行業的三門檻值不顯著,=0.36>0.1,所以重工業行業存在兩個門檻值;同理,輕工業和高新技術行業的三門檻值不顯著,=0.34>0.01,該類工業行業存在兩個門檻值.

表6 環境規制門檻值估計結果

表6與表5對應,根據門檻模型原理,門檻估計值是似然比統計量LR趨近于0時的值,重業行業的兩個門檻估計值分別為3.097、3.568,輕工業和高新技術行業的兩個門檻估計值分別為3.035、4.269.

在得到門檻值的同時,可以得到兩類工業行業的面板門檻回歸結果,詳見表7.

表7 面板門檻模型參數估計結果

注:***<0.01, **<0.05, *<0.1

重工業行業:當lnreg低于門檻值3.097時,環境規制對綠色全要素生產率的促進作用并不顯著;當環境規制較為嚴格且介于門檻值3.097和3.568之間時,回歸系數為0.528,說明此時加大環境規制對GTFP的提高的促進作用較為明顯,這也符合“波特假說”;當環境規制嚴格程度進一步加強且超過3.568時,環境規制對GTFP的影響系數為-0.209,此時環境規制對GTFP的提升作用為負向,會抑制GTFP的提高.這恰恰體現了環境規制強度與GTFP之間的非線性影響關系,過于寬松的環境規制并不能夠引起企業對污染治理的重視,導致本屬于這部分的資金、人力投入被抽離到其他利潤較高的方向,從而影響GTFP的提升;而過于嚴格的環境規制制度,給企業、政府等施以不小的壓力,加重企業的承受能力,企業利潤飛速下降,對綠色全要素生產率的提升產生了較為嚴重的負面影響.重工業行業在這方面的表現尤為顯著,該類行業屬于資源密集型行業,在生產過程中使用大量自然資源進行生產,受到環境規制的影響更大,雖然環境規制進程在不斷推進,但推進速度小于污染的速度,因此需要更為嚴格的環境規制政策,使得該類行業的環保意識更上一層樓,同時也要注重技術的創新,從源頭上改善對環境的污染影響程度.

輕工業和高新技術產業:當lnreg低于門檻值3.035時,環境規制對綠色全要素生產率的促進作用為負向顯著,影響系數-0.495;當環境規制較為嚴格介于門檻值3.035和4.269之間時,回歸系數為-0.191,說明此時加大環境規制制度對GTFP的提高呈現抑制作用,相對前一階段,抑制作用有所減緩;當環境規制強度更為嚴格大于門檻值4.269時,影響并不顯著.出現這種情況的原因可能是,高新技術行業屬于技術密集型,對技術的依賴遠超其他類型的行業,對環境資源的需求相對不大,當環境規制強度增大時,該行業需要足夠的技術支持來應對環境規制政策,導致成本增加,降低其利潤的提高,綠色全要素生產率是工業經濟發展的體現,企業利潤降低導致GTFP的降低,從而使環境規制對GTFP產生負向影響;輕工業屬于勞動密集型行業,對技術和設備的依賴程度較低,技術創新需求不高,在面對環境規制的嚴格執行帶來成本增加時,更多的是通過勞動力的增減來實現成本的降低,勞動力作為GTFP測算的投入要素,企業為了維持原有的成本利潤,投入更多勞動力,使得GTFP存在下降趨勢,因此環境規制對輕工業行業的GTFP提升的影響不是顯著為正的.

3.4 穩健性檢驗

為了保證研究結果的可靠性和非隨機性,本文將環境規制變量滯后一期作為工具變量,替換原始變量進行回歸分析,在一定程度上確保因果關系的成立,穩健性檢驗結果見表8.

不難發現,變量的回歸系數大小和方向沒有明顯的變化,表明本文的Tobit回歸結果是穩健的.

表8 滯后一期Tobit回歸模型

注:***<0.01, **<0.05, *<0.1.

4 結論與建議

4.1 結論

4.1.1 本文研究結論如下:2011～2020年間,綠色全要素生產率出現向好的增長趨勢,將碳排放、環境污染程度指數兩方面作為非期望產出,與單獨考慮碳排放作為非期望產出后的數據進行對比,發現僅考慮碳排放會造成綠色全要素生產率結果的高估;綠色全要素生產率的提高主要是通過技術進步實現的,但由于技術創新發展仍存在缺陷,中國工業發展方式仍然為“粗放型”,需要進一步的完善向“集約式”的綠色增長邁進.整體來看,企業規模、科技創新能力、環境規制強度都對綠色全要素生產率的提升產生正向的促進作用,而外商直接投資對其的影響是負向的.影響因素在行業間差異較大,迫切需要具有針對性的節能減排政策.

4.1.2 環境規制與綠色全要素生產率之間呈現“倒U型”的非線性關系,表明適度的環境規制強度將充分發揮“激勵創新+減少污染”的雙重效應,最大程度地提升環境全要素生產率.從重工業、輕工業和高新技術行業層面探究環境規制強度的門檻效應,發現對重工業行業來說環境規制門檻值在3.097到3.568之間時,環境規制對GTFP提升作用表現為抑制,當門檻值大于3.568后,環境規制對其的提升表現為抑制作用;對輕工業和高新技術行業來說,門檻值小于3.035時,環境規制對GTFP的提升表現為明顯的抑制作用,當門檻值介于3.035和4.269時,抑制作用有所緩釋,但影響仍然是負向的.

基于以上結論,需要對占據主導地位的重工業類企業進行改革,構建清潔低碳安全能源體系.對輕工業企業,更要重視企業規模與勞動力配置的平衡,促進企業從資本密集型到技術密集型,以促進環境全要素生產率的提高;高新技術行業,注重研發核心技術,人才始終是技術密集型企業高度關注的議題,可通過開發人才機制體制創新改革試點,為人才發展提供保障.

4.2 政策建議

第一,適度加強環境規制,提升技術創新能力.一方面有助于緩解我國工業污染物的排放,提升環境質量;另一方面,適度加大環境規制有助于促進各地區的環境規制強度,以達到“倒U型”的峰值.對重工業、輕工業和高新技術行業實施不同的環境規制政策,促進環境規制多元化發展,量化行業環境規制差異,結合地區資源環境優勢來優化生產力布局進而實現協調發展[24].充分考慮生態補償作用,重視市場和政府作用平衡發展,吸引生態資源和能源向生態效率高的區域集聚.

第二,重視科技技術改革與創新.科學技術創新與改革是推動綠色經濟發展的重要環節,能夠直接影響不同地區的綠色全要素生產率水平,所以要重視科學技術的改革與創新,加強科學技術發展.在技術創新角度,要積極創造新型機器設備,以有效提高我國的綠色經濟發展水平.進一步培育和優化激勵創新的市場環境,通過機制體制改革啟發行業的創新動力,進而提高效率來支撐高水平創新型國家的建設.

第三,優化外商直接投資.外商直接投資對于經濟發展來說是一把雙刃劍,雖然給我國帶來了巨大經濟利益,促進了國民經濟快速發展,但同時由于不完善的外商投資制度而使得國外企業把污染嚴重的工廠建在我國,雖然短期內提高了我國就業率、促進了經濟發展,但長期來看會導致我國的環境質量下降.所以,政府應重點關注外商直接投資的優化問題,實施外商投資政策、外商投資市場、外商投資環境等的升級優化,建立合適的外商投資法律法規,規范外商投資方式,讓外商直接投資更有利于我國的綠色經濟發展[25].

第四,完善工業行業分級管理體系.我國的分級分類監管體系處于起步階段,以非農產品為原料的輕工業,其原料主要為工業制品,這可能需要重工行業的參與,輕工業此時作為其下游產業,要從供應鏈的源頭進行管理,進一步完善行業環境污染風險的評價體系、指標投入,源頭產品質量信息公開透明,帶頭企業要提高綠色意識,明確綠色發展的重要性[26].高質量發展程度對GTFP的影響在不同類型的行業中存在較大差異,因此對于輕工業等勞動密集型行業需要結合技術創新與人力資本的投入,增加行業產品的科技含量與附加值;對高新技術等技術密集型行業,其發展質量處于較高水平,經一系列優化管理方式,完善管理與決策機制來改善技術效率,提高GTFP對高質量發展的作用程度.

[1] 曲小瑜,趙子煊.中國工業綠色全要素生產率特征要素及多元提升路徑研究——基于fsQCA方法 [J]. 運籌與管理, 2022,31(6):154- 160. Qu X Y,Zhao Z X. Research on Characteristic Factors and Multiple Promotion Paths of China’s Industrial Green Total Factor Productivity Based on fsQCA [J].Operations Research and Management Science, 2022,31(6):154-160.

[2] 陳詩一.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) [J]. 經濟研究, 2010,45(11):21-34,58. Chen S Y. Green industrial revolutionin China: A Perspective from the Change of Environmental Total Factor Productivity [J]. Economic Research Journal, 2010,45(11):21-34,58.

[3] 劉亦文,李 毅,胡宗義.湖南省綠色全要素生產率的地區差異及影響因素研究 [J]. 湖南大學學報(社會科學版), 2018,32(5):65-70. Liu Y W, Li Y, Hu Z Y. An analysis on regional differences and influential factors of Hunan Provincial green total factor productivity [J]. Journal of Hunan University (Social Sciences), 2018, 32(5):65-70.

[4] 董慶前,李治宇.碳排放約束下區域經濟綠色增長影響因素研究 [J]. 經濟體制改革, 2022,(2):66-72. Dong Q Q, Li Z Y. Research on the influencing factors of regional economic green growth under the constraint of carbon emissions [J]. Reform of Economic System, 2022,(2):66-72.

[5] 紀成君,夏懷明.我國農業綠色全要素生產率的區域差異與收斂性分析 [J]. 中國農業資源與區劃, 2020,41(12):136-143. Ji C J, Xia H M. Study on the impact of agricultural science and technology service on agricultural green total factor productivity in China [J]. Chinese Journal of Agricultural Resources and Regional Planning, 2020,41(12):136-143.

[6] 何 宇,田杰鑫,陳珍珍.碳中和背景下中國城市綠色發展效率研究[J]. 生態經濟, 2022,38(7):92-98. He Y, Tian J X, Chen Z Z. Research on the green development efficiency of Chinese Cities under the background of carbon neutrality [J]. Ecological Economy, 2022,38(7):92-98.

[7] 吳麗娟,黃 瑩.碳中和背景下我國流通業綠色全要素生產率研究 [J]. 商業經濟研究, 2022,(14):34-37. Wu L J, Huang Y. Research on green total factor productivity of China's circulation industry under the background of carbon neutrality [J]. Mercantile Theory, 2022,(14):34-37.

[8] 齊亞偉.節能減排、環境規制與中國工業綠色轉型 [J]. 江西社會科學, 2018,38(3):70-79. Qi Y W. Energy conservation and emission reduction, environmental regulation, and green transformation of China's industry [J]. Jiangxi Social Sciences, 2018,38(3):70-79

[9] 孫振清,谷文姍,成曉斐.碳交易對綠色全要素生產率的影響機制研究 [J]. 華東經濟管理, 2022,36(4):89-96. Sun Z Q, Gu W S, Cheng X F. Research on the influence mechanism of carbon trading on green total factor productivity [J]. East China Economic Management, 2022,36(4):89-96.

[10] 王豐閣,詹淑清.長江經濟帶工業綠色轉型測度及影響因素分析 [J]. 長江論壇, 2022,(4):21-26. Wang F G, Zhan S Q. Measurement and influencing factors analysis of industrial green transformation in the Yangtze River Economic Belt [J]. Yangtze Tribune, 2022,(4):21-26.

[11] 蔡林美,郭佐寧,張金鎖.晉陜蒙采礦業綠色全要素生產率實證研究 [J]. 生態經濟, 2022,38(9):95-102. Cai L M, Guo Z N, Zhang J S. An empirical study on green total factor productivity of mining industry of Shanxi, Shaanxi and Inner Mongolia [J]. Ecological Economy, 2022,38(9):95-102.

[12] 何凌云,祁曉鳳.環境規制與綠色全要素生產率——來自中國工業企業的證據 [J]. 經濟學動態, 2022,(6):97-114. He L Y, Qi X F. Environmental regulation and green total factor productivity —Evidence from Chinese industrial enterprises [J]. Economic Perspectives, 2022,(6):97-114.

[13] 邢 會,姜 影,陳園園.“雙碳”目標下碳交易與制造業綠色全要素生產率——基于異質性技術創新模式的機制檢驗 [J]. 科技進步與對策, 2022,39(23):76-86. Xing H, Jiang Y, Chen Y Y. Carbon trading and green total factor productivity in manufacturing industry under the "Double Carbon" goal: A mechanism test based on heterogeneous technology innovation model [J]. Science & Technology Progress and Policy, 2022,39(23): 76-86.

[14] 李 斌,彭 星,歐陽銘珂.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 [J]. 中國工業經濟, 2013,(4):56-68. Li B, Peng X, Ou Yang M K. Environmental regulation, green total factor productivity and the transformation of China’s industrial development mode——Analysis based on data of China’s 36 industries [J]. China Industrial Economics, 2013,(4):56-68.

[15] 毛錦凰,王林濤.節能降碳約束、研發投入與工業綠色全要素生產率增長——“雙碳”背景下對黃河流域城市群的實證分析 [J]. 西北師大學報(社會科學版), 2022,59(2):75-85. Mao J H, Wang L T. Energy conservation and carbon reduction constraints, R&D investment and industrial green total factor productivity growth [J]. Journal of Northwest Normal University (Social Sciences), 2022,59(2):75-85.

[16] 劉淑茹,賈簫揚.技術來源對工業綠色全要素生產率的影響研究 [J]. 生態經濟, 2020,36(10):55-62. Liu S R, Jia X Y. Research on the influence of technology sources on industrial green total factor productivity [J]. Ecological Economy, 2020,36(10):55-62.

[17] Fare R, Grosskopf S, Carl A. Pasurka. Environmental production functions and environmental directional distance functions [J]. Energy, 2007,32(7).

[18] Tone K. Dealing with undesirable outputs in DEA: A slack-based measure(SBM) approach [R]. GRIPS Research Report Series I, 2003.

[19] Chung Y. H, Fare R, Grosskopf S. Productivity and undesirable output: A directional distance function approach [J]. Journal of Environmental Magaement, 1997,(51).

[20] 邱 斌,楊 帥,辛培江.FDI技術溢出渠道與中國制造業生產率增長研究:基于面板數據的分析[J]. 世界經濟, 2008,(8):20-31. Qiu B, Yang S, Xin P J. Research on FDI technology spillover channels and productivity growth in China's manufacturing industry: Based on panel data analysis [J]. The Journal of World Economy, 2008,(8):20-31.

[21] 彭倩妮,王 川,唐文進.碳減排對省際綠色全要素生產率的影響研究 [J]. 科學決策, 2022,(4):94-113. Peng Q N, Wang C, Tang W J. Study of the impact of carbon emission reduction on provincial green total factor productivity [J]. Scientific Decision Making, 2022,(4):94-113.

[22] 李小平,盧現祥,陶小琴.環境規制強度是否影響了中國工業行業的貿易比較優勢 [J]. 世界經濟, 2012,35(4):62-78. Li X P, Lu X X, Tao X Q. the intensity of environmental regulations affect the trade comparative advantage of China's industrial industry [J]. The Journal of World Economy, 2012,35(4):62-78

[23] Hansen B E. Threshold effect in non-dynamic panels: Estimation, testing and inference”[J]. Journal of Econometrics, 1999,93(2):345- 368.

[24] 周五七.低碳約束下中國工業綠色TFP增長的地區差異——基于共同前沿生產函數的非參數分析[J]. 經濟管理, 2014,36(3):1-10. Zhou W Q. Regional differences of industrial green TFP growth in China under the constraint of carbon emissions: A non-parametric analysis based on meta-frontier production function [J]. Economic Management, 2014,36(3):1-10.

[25] 張 峰,王 晗,薛惠鋒.環境資源約束下中國工業綠色全要素水資源效率研究[J]. 中國環境科學, 2020,40(11):5079-5091. Zhang F, Wang H, Xue H F. China's industrial green total factor water efficiency under the constraints of environment and resource [J]. China Environmental Science, 2020,40(11):5079-5091.

[26] 趙文軍,于津平.貿易開放、FDI與中國工業經濟增長方式——基于30個工業行業數據的實證研究[J]. 經濟研究, 2012,47(8):18-31. Zhao W J, Yu J P. Trade openness, FDI and China's industrial economic growth pattern: Empirical analysis based on data of 30 industrial sectors [J]. Economic Research Journal, 2012,47(8): 18-31.

Green total factor productivity heterogeneity and promotion choice preference in industrial categories considering environmental undesirable-outputs.

LIU Ying*, WANG Shi

(School of Statistics, Dongbei University of Finance and Economics, Dalian 116000, China)., 2023,43(11)：6183～6193

Based on input-output data of 37 industrial sectors in China from 2011 to 2020, green total factor productivity for different industries were obtained with ML production index and non-radial SBM efficiency measurement model. The study found that only considering carbon emissions could cause overestimation of the productivity, and there was significant industry heterogeneity in green total factor productivity. Through the contribution of green total factor productivity to industrial economic growth, it is demonstrated that China's industrial development mode necessarily further transform from "extensive" growth into "intensive" green growth model. The panel Tobit model was used to test the impact of environmental regulation, foreign direct investment and technological innovation capabilities on green total factor productivity of the industries. Moreover, a panel threshold model was used to consider the nonlinear relationship between environmental regulations and green total factor productivity for the heavy chemical industry, light industry, and high-tech industries, and corresponding threshold values were obtained. The results show that scale of enterprises and R&D inputs had significant positive impacts on the growth of green total factor productivity. Strict environmental regulations increase the threshold for foreign direct investment, while trade barriers and transportation costs make foreign direct investment played a negative role in the growth of green total factor productivity. When the threshold values of the heavy industry were between 3.097 and 3.568, environmental regulations had the strongest promoting effect on the improvement of green total factor productivity. When the threshold values of the light industry and high-tech industries were between 3.035 and 4.269, environmental regulations have the smallest inhibitory effect on the improvement of green total factor productivity.

green total factor productivity；panel Tobit model；SBM efficiency measurement model；environmental regulation

X32

A

1000-6923(2023)11-6183-11

劉 穎(1973-)女,遼寧瓦房店人,副教授,博士,主要從事國民經濟統計、國民經濟核算研究.發表論文20余篇.liuy@dufe.edu.cn.

劉 穎,王 詩.考慮環境非期望產出的工業行業綠色全要素生產率異質性與提升選擇偏好 [J]. 中國環境科學, 2023,43(11):6183-6193.

Liu Y, Wang S. Green total factor productivity heterogeneity and promotion choice preference in industrial categories considering environmental undesirable-outputs [J]. China Environmental Science, 2023,43(11):6183-6193.

2023-03-27

遼寧省教育廳基本科研項目(LJKZZ20220127)

* 責任作者, 副教授, liuy@dufe.edu.cn