我國建筑業綠色全要素生產率測度及其檢驗方法

摘要：為了使全局曼奎斯特-盧恩伯格（Global Malmquist-Luenberger，GML）指數測度更加準確，提出選取指標的約束條件和檢驗方法，并基于該模型對我國30個省（自治區、直轄市）2005—2019年的建筑業綠色全要素生產率（GTFP）進行測算。結果表明：省際GTFP異質性明顯，主要來源于技術效率變化；東部地區各省（自治區、直轄市）技術效率差異較大，普遍技術效率較低，全國層面技術效率總體有下降趨勢；技術變化與GTFP變化趨勢有高度一致性，且各省（自治區、直轄市）發展較為均勻，東部地區和中部地區要高于西部地區。

關鍵詞：GML指數；檢驗方法；綠色全要素生產率；建筑業

0 引言

隨著我國經濟快速發展，作為國民經濟支柱產業之一的建筑業造成了大量的CO2排放。相關資料顯示，2018年全國建筑全生命周期碳排放總量為49.3億t CO2，占全國能源碳排放的比重為51.2%［1］。為了人類社會的和諧發展，碳排放控制已被世界廣泛重視。2020年9月，我國政府在聯合國大會上提出“碳達峰”和“碳中和”時間表。基于國家對節能減排和低碳技術的高度重視，我國新一輪綠色工業革命已經到來［2］。建筑業影響面廣、關聯產業多，必須提高綠色全要素生產率。考慮到區域位置、人員素質、經濟現狀、政策導向等差異，我國各省（自治區、直轄市）建筑業發展有很大不同。對除西藏外的30個省（自治區、直轄市）（東部地區包括：北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南；中部地區包括：山西、吉林、黑龍江、安徽、江西、河南、湖南、湖北；西部地區包括：內蒙古、廣西、貴州、云南、四川、重慶、陜西、甘肅、青海、寧夏、新疆）的建筑業綠色全要素生產率進行測度，以期發現各省（自治區、直轄市）建筑業發展的真實水平，為建筑業制定相關政策提供依據。

自Charnes等［3-4］提出數據包絡分析法（DEA）以來，該方法已廣泛應用于生產效率測算，但DEA包括的CCR（Charnes，Cooper，Rhodes）模型和BCC（Banker，Charnes，Cooper）模型都只能計算靜態決策單元（DMU）。Malmquist［5］提出利用距離函數的比率測度數量指數。Caves等［6］正式提出M（Malmquist）指數，將其用于測算生產效率。Fre等［7］將M指數按距離函數分解成技術進步和效率變化，使之廣泛應用于生產效率測算。雖然以上應用從靜態測算變為動態測算，但其只能包括多投入指標和多產出指標，且產出指標只含期望產出部分，這與實際生產情況有較大出入，因為在測算中還需考慮非期望產出部分。為此，Chung等［8］提出以ML（Malmquist-Luenberger）指數解決生產效率測算中不包含非期望產出的問題。

但無論是M指數還是ML指數，都可能產生不可行解的問題。Pastor等［9］提出用GMI（Global Malmquist Index）指數來解決M指數和ML指數不可行解的問題，并取得比較好的效果。Oh［10］提出用GML指數解決ML指數不可行解的問題。GML指數被用于測算綠色全要素生產率。

國內學者向鵬成等［11］利用GML指數測算綠色全要素生產率，得出東、中、西、東北部四大區域均呈增長趨勢，但區域異質性明顯，且建筑業產出增長貢獻率表現為V型波動傾向，仍呈現出粗放型行業特征。張靜曉等［12］認為，2011—2014年GML指數大于1，表明建筑業GTFP持續增長；2015—2017年GML指數從0.986下降至0.971，表明建筑業GTFP下降。花均南等［13］利用DEA和M指數分析我國30個省（自治區、直轄市）建筑業綠色全要素生產率，認為西部地區綠色全要素生產率大于1，東部和中部地區小于1。

可用于測算綠色全要素生產率的投入和產出指標較多，現有的相關文獻中指標的選取有一定的隨意性，在計算綠色全要素生產率相關指數后，部分文獻沒有經過嚴格的檢驗，或者在指數測算后回歸檢驗不夠嚴謹，因此對我國建筑業綠色全要素生產率進行測算并通過檢驗，使得該指數更有說服力，為準確測算綠色全要素生產率指數提供幫助；為我國建筑業產業升級、綠色發展提供依據。

1 研究方法及檢驗

1.2 檢驗方法

GML指數模型所采用的投入指標、期望產出指標和非期望產出指標的可選種類較多，用于測度GML指數的指標在回歸過程時須通過顯著性檢驗。研究發現，很多指標雖然可以用于測算GML指數，且不同指標組合測算的GML指數可能不同，但是用于測算GML指數模型的指標須通過顯著性檢驗，如果采用的指標未能通過顯著性檢驗，則不能被用于測算GML指數。

采用表1中指標測算GML指數，并對其進行檢驗，檢驗所選取的指標是否構成GML指數顯著影響因素。回歸檢驗時，建筑業CO2排放量和能源投入存在倍數關系，為避免回歸過程中產生多重共線，只選取一個指標，暫不考慮建筑業CO2排放量這個指標。

采用面板數據對GML指數進行回歸，經過Hausman檢驗，檢驗結果拒絕原假設，即拒絕隨機效應模型，因此采用固定效應模型。GML指數影響因素分析見表2。

由表2可知，從變量系數看，投入指標系數均為負值，期望產出指標系數為正值，非期望產出指標系數為負值，均符合實際。從顯著性角度看，fe模型更好，因此檢驗GML指數采用fe模型。

2 實證分析

2.1 全國建筑業綠色全要素生產率分析

2005—2019年GML指數及其分解均值如圖1所示。

由圖1可知，在14個年度時間區間中，有9個區間是由TEC指數造成GML指數增加緩慢（TEC＜TC且TEC＜GML），5個區間是由TC指數造成GML指數增加緩慢（TC＜TEC且TC＜GML）。下面從GML指數及其分解因素TC指數和TEC指數三方面進行分析：

（1）2011—2012年，GML指數為0.995；2014—2015年為0.905，均低于1，且這兩個波谷均是從前一個年份段急速下降，表明建筑業GTFP在迅速惡化。通過分解發現，TC的突然下降是GML惡化的主要原因。此時的期望產出在降低，非期望產出在增大。GML有兩個較為明顯的峰值，2006—2007年為1.079；2010—2011年為1.094，均明顯大于1。通過分解發現，TC的快速增長是GML上升的主要原因，表明此時的期望產出在增大，非期望產出在降低。其他年份GML均大于1，表明全國范圍內GTFP發展良好。

（2）多數年份TC指數的變化趨勢與GML指數的變化趨勢一致，是GML指數變化的主要原因。但是，在2012—2013年TC指數的變化趨勢與GML指數的變化趨勢相反，說明引起GML指數增加的是TEC指數。另外，2007—2008年、2012—2013年、2014—2015年TC指數值均小于1，說明這幾年技術在惡化，期望產出降低，非期望產出增加。

（3）TEC指數變化較為平穩，在1上下波動。其中，2010—2012年、2015—2019年TEC指數值小于1，說明這幾年TEC在惡化，TEC指數導致期望產出降低，非期望產出增加。其他年份TEC均大于1，TEC的提高有利于期望產出增加、非期望產出減少。

2.2 各省（自治區、直轄市）建筑業綠色全要素生產率分析

2005—2019年東、中、西部地區GML指數及其分解如圖2所示。

由圖2可知，東、中、西部地區GML指數的變化趨勢相對一致，且與全國層面變化趨勢非常接近。東部地區2006—2008年的波動與全國層面差異較大，GML指數從1.113下降到0.986。中部地區2009—2010年的波動與全國層面差異大，從1.063下降到1.027，同期的東、西部地區和全國層面均是增加趨勢。西部地區2011—2012年和2016—2017年與全國層面比下降幅度較大，GML指數分別是0.99和0.979。

2005—2019年東、中、西部地區TC指數如圖3所示。

由圖3可知，東、中、西部地區TC指數的變化趨勢比較一致，總體趨勢與全國層面變化非常接近。東部地區的波動與全國層面差異較小，只在2007—2008年、2014—2015年共2個時段有較大差異。東部地區TC指數分別是1.019、0.907，同期全國層面TC指數是0.999、0.886。

2005—2019年東、中、西部地區TEC指數如圖4所示。

由圖4可知，東、中、西部地區TEC指數的變化趨勢差異較大，與全國層面差異也大。在2006—2007年、2007—2008年共2個時間段里，東部地區TEC指數為1.065、0.966，而同期全國層面為1.028、1.017，其他年份東部地區的波動趨勢與全國層面差異較小。中部地區的波動與全國層面差異較大，在2005—2006年、2006—2007年、2009—2010年、2014—2015年、2017—2018年共5個時間段，中部地區TEC指數為1.020、1.028、1.004、1.020和0.958，而同期全國層面TEC指數為1.060、0.999、0.977、0.994、0.937。西部地區的波動與全國層面差異較小，在2007—2008年、2014—2015年、2016—2017年共3個時段里，西部地區TEC指數為1.061、1.048和0.975，而同期全國層面TEC指數為1.017、1.020和0.995。

各省（自治區、直轄市）在2005—2019年GML指數及其分解均值如圖5所示。

由圖5可知，不同省（自治區、直轄市）GML指數有明顯異質性，異質性主要因素來源于TEC指數。東部地區的TEC指數差異較大，且普遍低于中西部地區。中西部地區TEC指數相對平穩，且均值大于1。東部地區的TC指數差異較大，波動較為劇烈，中西部地區的TC指數相對波動平穩。

3 討論和建議

依據全國層面測算結果，GTFP變化趨勢與70個大中城市商品住宅價格指數環比走勢有很強的一致性。其中2010—2011年的峰值和2014—2015年的最低點尤其明顯，說明建筑業受資本投入影響較大，受宏觀經濟政策影響明顯。TEC指數在2010—2011年變化相對穩定，建筑業過熱或過冷對其影響并不明顯，TEC指數起到了平衡GTFP的作用，這與我國建筑業人才儲備有關，一時的建筑業過熱或過冷并不會迅速影響行業內的從業人員素質。但從2016年后，TEC指數有下降壓力，這與建筑業趨于飽和且民眾看空建筑業就業前景有關。另外，研究發現，在房地產發展較熱的時期，TEC指數低于1的年份較多，說明建筑業的管理能力需要提升，這樣才能提升效率，同時，在經濟發展過熱的時期，CO2排放沒有得到很好地控制。TC指數變化趨勢與GTFP有很強的一致性，說明其嚴重依賴資本投入，受國家政策影響明顯，但其總體趨勢是微上升，說明國家在機械設備的發展方面和對CO2排放約束方面都取得了進展。

依據區域層面測算指標，2011年前GML指數區域異質性明顯，甚至2009—2010年中部地區發展趨勢與東、西部地區相反，2011年后區域GTFP發展較為接近，趨于一致。東、中、西部地區TC指數的變化趨勢基本一致，總體是東、中部地區要高于西部地區，這與我國機械制造增加和普及率提高有很大關系。

TEC指數的區域異質性非常明顯，變化趨勢也不同，且東部地區趨于平穩，中、西部地區有下行趨勢，說明東部地區人才儲備和CO2排放約束更好一些，中、西部地區人才有流失趨勢，且CO2排放約束較弱。東部地區TEC指數多數低于中、西部地區，說明經濟發達地區在技術效率提高方面動力不足。

基于以上分析，提出以下建議：

（1）采用溫和的宏觀調控政策。引導建筑業穩步發展，避免產業過熱，進而導致TEC指數降低，也避免產業過冷導致極端波谷期。

（2）強化人才培養。加強教育，進一步完善職業培訓體系，使得從業人員素質提高，進而提高技術效率。中、西部地區既要努力提高人才儲備，又要避免人才流失。

（3）建立GTFP省級數據庫。針對部分省（自治區、直轄市）效率低的問題，政府應找到原因，有針對性地加以改變。借鑒效率較高省（自治區、直轄市）的經驗，并設立考核指標，尤其是CO2排放指標，為未來“碳達峰”和“碳中和”做技術準備。

4 結語

本文針對GML指數測度提出了檢驗方法，對測算GML指數提出了選取指標的約束條件和檢驗方法，使得測算的GML指數更準確。基于2005—2019年的面板數據，采用GML指數測算我國30個省（自治區、直轄市）的建筑業GTFP，并對其結果進行詳細分析。主要結論如下：在計算GTFP時，須對投入、產出指標進行顯著性檢驗，并發現采用固定效應模型較好；2005—2019年GTFP和TC指數受宏觀經濟政策影響較大，屬于嚴重依賴資本投入型產業；省際GTFP異質性明顯，主要來源于TEC指數，且東部地區TEC指數波動較大，普遍效率低；全國層面TEC指數總體發展趨勢比較平穩，并略有下降趨勢；TC指數與GTFP變化趨勢有高度一致性，且各省（自治區、直轄市）發展較為均勻，東、中部地區要好于西部地區。

參考文獻

［1］中國建筑節能協會.中國建筑能耗研究報告2020［J］.建筑節能，2021，49（2）：1-6.

［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.

［3］CHARNES A，COOPER W W，RHODES E.Measuring the efficiency of decision making units［J］.European Journal of Operational Research，1978，2（2）：429-444.

［4］BANKER R D，CHARNES A，COOPER W W.Some models for estimating technical and scale inefficiencies in data envelopment analysis［J］.Management Science，1984，30（9）：1078-1092.

［5］MALMQUIST S.Index numbers and indifference surfaces［J］.Trabajos De Estadistica，1953，4（2）：209-242.

［6］CAVES D W，CHRISTENSEN L R，DIEWERT W.The economic theory of Index numbers and the measurement of Input，output，and productivity［J］.Econometrica，1982，50（6）：1393-1414.

［7］FRE R，GROSSKOPF S，LINDGREN B，et al.Productivity changes in Swedish pharmacies 1980—1989：anon-parametric malmquist approach［J］.Journal of Productivity Analysis，1992，3（3）：85-101.

［8］CHUNG Y H，FRE R，GROSSKOPF S.Productivity and undesirable outputs：a directional distance function approach［J］.Microeconomics，1997，51（3）：229-240.

［9］PASTOR J T，LOVELL C.A global Malmquist index［J］.Econ Lett，2005，88（2）：266-271.

［10］OH D H.A global Malmquist-Luenberger productivity index［J］.Journal of Productivity Analysis，2010，34（3）：183-197.

［11］向鵬成，謝怡欣，李宗煜.低碳視角下建筑業綠色全要素生產率及影響因素研究［J］.工業技術經濟，2019，38（8）：57-63.

［12］張靜曉，金偉星，李慧，等.中國建筑業動態綠色全要素生產率測度研究［J］.工程管理學報，2020，34 （1）：1-6.

［13］花均南，王巖.中國建筑業綠色全要素生產率分析——基于30個省份的面板數據［J］.數學的實踐與認識，2020，50（13）：297-303.

［14］葉貴，付媛，王玉合，等.建筑業全要素生產率測量研究綜述［J］.建筑經濟，2019，40（9）：24-28.

收稿日期：2022-09-21

作者簡介：

董海（1984—），男，博士研究生，研究方向：工程管理、投資經濟。

王立國（通信作者）（1957—），男，教授，博士研究生導師，研究方向：工程管理、投資經濟。