中国工业绿色全要素生产率及其影响因素——基于ml生产率指数及动态面板模型的实证研究-陈超凡.pdf

《中国工业绿色全要素生产率及其影响因素——基于ml生产率指数及动态面板模型的实证研究-陈超凡.pdf》由会员分享，可在线阅读，更多相关《中国工业绿色全要素生产率及其影响因素——基于ml生产率指数及动态面板模型的实证研究-陈超凡.pdf（10页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第33卷第3期2016年3月统计研究Statistical ResearchV0133No3Mar2016中国工业绿色全要素生产率及其影响因素基于ML生产率指数及动态面板模型的实证研究陈超凡内容提要：本文运用方向性距离函数及ML指数测算了资源环境约束下的工业绿色全要素生产率，然后通过SYSGMM动态面板模型研究工业绿色全要素生产率的影响因素，结果显示：2004-2013年，中国工业绿色全要素生产率的增长出现倒退且不具收敛特征，工业绿色全要素生产率明显低于传统全要素生产率，尽管如此，仍有一半左右的工业行业在绿色技术进步的推动下实现了全要素生产率的提升。较高的技术水平、合理的产权结构能显著提高绿色

2、全要素生产率，而资本深化、不合理的能源结构阻碍了绿色全要素生产率的增长。环境规制对绿色全要素生产率的影响尚未越过“波特拐点”，外商投资能提升技术进步但对绿色全要素生产率的促进作用还未发挥，绿色全要素生产率与企业规模并无直接关联。关键词：中国工业；绿色全要素生产率；ML生产率指数；动态面板中图分类号：C812 文献标识码：A 文章编号：10024565(2016)03005310ChinaS Industrial Green Total Factor Productivity and its DeterminantsAn Empirical Study Based on几Index and Dy

3、namic Panel Data ModelChen ChaofanAbstract：The paper uses the directional distance function and ML index to measure the industrial green TFP underrestriction of resources and environmentMoreover，we establish SYS-GMM dynamic panel model to explore thedeterminants of industrial green TFP，and main conc

4、lusions are as followsFirstly，during the period of 2004-201 3，growth of ChinaS industrial green TFP shows a trend of reverse and does not have the feature of convergenceIndustrialgreen TFP and its decomposition is significantly lower than the traditional TFP，and even SO，TFP of about half of industri

5、alsectors have increased driven by green technical progressSecondly，higher technology level and reasonable structure ofproperty right can significantly increase the green TFP，while capital deepening and unreasonable energy structure hinderthe growth of green TFPThirdly，influence of environmental reg

6、ulation on green TFP has not crossed the“porter point”，foreign investment can promote technology progress，but has not played a role for promoting green TFP，and there is nodirect correlation between enterprise scale and green TFP growthKey words：ChinaS Industry；Green TFP；ML Productivity Index；Dynamic

7、 Panel Data Model一、问题的提出工业生产是现代物质财富的主要来源，同时也是对环境和生态系统造成破坏的重要产业。特别是对正处在工业化中后期加速阶段的中国而言，发达国家上百年工业化过程中分阶段出现的问题，在中国却集中反映出来，工业发展与资源环境的矛盾日益尖锐。因此，实现工业绿色转型是缓解当前工业发展与资源环境矛盾冲突的必然选择。工业绿色转型意味着工业经济绩效与环境绩效的双赢，而提升工业绿色全要素生产率无疑是其中的关键一环。自从索罗提出全要素生产率的分析框架，作为传统投入要素之外驱动工业增长的重要引擎，全要+本文获得国家留学基金委“工业绿色发展评价指标体系及评价方法研究”(20150

8、6040125)、教育部新世纪优秀人才支持计划“中国工业绿色发展水平测算与绿色转型机制设计”(NCET-130052)的资助。万方数据54 统计研究 2016年3月素生产率被广泛运用于新古典增长的核算中嵋1。然而，早期文献对工业全要素生产率的度量只基于资本和劳动要素，这无疑使生产率度量的准确性受到挑战，而据此框架研究工业可持续发展将受到质疑。事实上，资源和环境因素对中国工业产出的影响巨大，工业高速增长很大程度上依赖于高投资、高污染、高排放的线性模式一-。因此，没有考虑资源消耗和非市场性的坏产出是传统工业全要素生产率核算中存在的缺陷，而如果运用这些研究结论对实践进行指导，则有可能使产业政策出现偏

9、差。随着绿色工业革命的兴起，部分学者开始在全要素生产率的分析框架中纳入了资源和环境要素，测算工业绿色全要素生产率“。其中，李斌等(2013)旧1基于中国36个工业行业20012010年的历史数据，采用SBM模型及ML生产率指数测算了工业分行业的绿色全要素生产率。研究表明，中国工业的增长模式呈现粗放式和外延式的特征，工业绿色全要素生产率非但没有出现增长，反而出现一定的倒退，使得其对工业经济增长的贡献率降低甚至为负。既然提高工业绿色全要素生产率对于提升工业增长的质量、促进工业转型升级至关重要，那么，要探讨如何提升工业绿色全要素生产率，就需要对其影响因素进行分析，这使得工业绿色全要素生产率影响因素的

10、研究在框架上得到完善，在理论上得到拓展。71。周五七，武戈(2014)1基于双向固定效应模型研究了工业绿色TFP及其分解的影响因素，实证表明，经济发展水平通过效率增进与技术进步共同促进绿色TFP增长，资本深化有助于实现技术进步但不利于效率改善，地方分权对技术效率和绿色TFP增长有显著副作用，FDI对工业绿色TFP增长的促进作用尚不显著。此外，学者们还认为政府投资、环境管制、能源消耗强度、工业结构等也是影响工业绿色全要素生产率的关键因素H儿”。纵观上述研究成果，我们认为现有研究至少存在以下两方面的改进空间：首先，针对工业行业层面进行绿色全要素生产率核算的文献仍然较少，且多数采用的测度方法为索洛余

11、值法、随机前沿生产函数法(SFA)、传统DEA等，而这些方法不能妥善处理绿色生产率核算中的非期望产出问题；其次，尽管对工业绿色全要素生产率影响因素的探讨较多，但研究成果较为分散，缺乏理论和实证相结合的系统性分析，即使是运用经验方法确定影响因素也多数采用一般静态面板模型。基于此，本文首先运用先方向性距离函数，并结合ML生产率指数科学测度中国工业36个行业的绿色全要素生产率及其分解，进而判断中国工业绿色全要素生产率对工业增长的贡献程度，以此作为工业发展方式转变的衡量标准；其次，建立GMM动态面板模型，从实证角度探究影响中国工业绿色全要素生产率的各个因素，以期为工业绿色转型提供经验佐证。二、中国工业

12、绿色全要素生产率测度(一)测度方法方向性距离函数(DDF)既鼓励期望产出向生产前沿扩张，又鼓励污染排放向污染最小化前沿缩减，因而符合生产过程的可持续发展的理念。基于此，我们也将采用DDF，并在此基础上通过MalmquistLuenberger(ML)生产率指数测度中国工业绿色全要素生产率。首先定义一个既包括期望产出也包括非期望产出的环境技术模型，假定期望产出向量为Y，非期望产出向量为b，投入向量为x，它可表示为如式(1)的产出集合形式-。p(茗)=(Y，b)：菇能生产出的(Y，b)，龙R：(1)式(1)中，p(石)表示投入并R：生产的“好”产出和“坏”产出的生产可能性集合。环境技术需要满足三条

13、假设：一是非期望产出是联合弱可处置的，二是期望产出与非期望产出是“零和的”，三是投入戈和期望产出Y是强可处置的。如图1所示，P(菇)出了既定投入菇之下，两种产出(Y，b)的生产可能性边界。图1 生产可能性边界和距离函数环境技术提供了生产可能性集合，这是测算绿色全要素生产率的基础，由此，每一个工业行业可视为一个生产决策单元，DDF即可计算出每个决策单万方数据第33卷第3期 陈超凡：中国工业绿色全要素生产率及其影响因素 55元的相对效率，如式(2)。D。(菇，)，b；g)=sup3：(Y，b)+届g E P(聋)(2)上式中，g为方向向量，反映了对期望产出和非期望产出的偏好，本文根据Chung等(

14、1997)纠的建议，将g设定为g=(Y，一6)，表示期望产出和非期望产出增减的方向性向量。由此，DDF表示当投入向量石一定时，沿方向向量g、产出向量(Y，b)所能扩展的最大倍数。如图1所示，如果我们不考虑环境非期望产出，期望产出和非期望产出将同时增加，即A点将同比例投射至C点。然而，当我们考虑环境非期望产出时，生产决策单元A将沿方向向量g=(g，一g。)扩张展到生产可能性边界上的B点，意味着工业总产值最大化和污染排放最小化。当存在两种以上的产出时，可通过构造式(3)的线性规划来求解。珑(并，Y，6；y，一b)=ma邶州 A：y0(1+卢)y2A：(1+卢)屹A藏戈：。A：0s=1，2，S； m

15、=1，2，M； n=1，2，； 】|c=1，2，K (3)式(3)中，、5、肘分别表示投入要素、期望产出与非期望产出的种类，且戈=(石。，戈：，戈)R：，Y=()，1，Y2，Y；)R?，b=(bI，62，b肼)E R矗。K为第后=1，2，K个决策单位，t=1，2，r表示时期，A：表示每一横截面观测值的权重。有了方向性距离函数，便可以构造全要素生产率指数。基于产出角度，t到t+1期间的ML生产率指数为式(4)。Mf+】：!塑兰：坐 【1+D：(z”1，Y”1，b”1；矿1) !型堕!型j 1丁 (4)1+D1(戈”1，Y”1，b”1；gl+1)JML指数可以进一步分解为技术效率变化(EFFCH)

16、以及技术进步变化(TECH)。其中，EFFCH表示由于生产者内部效率的变化引起的工业产出增长，主要源于纯技术效率变化和生产规模效率变化两部分，TECH则表示由技术进步引起的产出增长，见式(5)和式(6)。 肿c牡蓑等粉TECH：”：!型堕：!：!型U 【1+D：(菇，y，b；g)。1+D。t+1(z”1，Y“1，b“1；gf+1)1丁 1+珑(戈”1，y“1，b”1；g”1)J ML0表示绿色全要素生产率增长，ML0、TECH0，分别表示技术效率改善、前沿技术进步，EFFCH0、TECH0，分别表示技术效率恶化、前沿技术退步。ML生产率指数的计算需要利用线性规划求解4个方向性距离函数，其中，第

17、t和第t+1期的当期距离函数分别为D：(石，Y，b；g)、D(戈，y，6；g)。另外，需要求解2个混合方向性距离函数，即利用D：“(戈“1，Y“1，b“1；g“1)测度基于t+1期技术的t期的距离函数以及利用D：(戈”1，Y”1，b“1；“)测度基于t期技术的t+1期距离函数。与此同时，鉴于ML生产率指数反映的是绿色全要素生产率的增长率，即相对上一年度绿色生产率的变化，故需要对测度出的ML生产率指数及其分解进行相应调整以获得绿色全要素生产率及其分解的实际值，借鉴邱斌(2008)列的调整方法，绿色全要素生产率是根据测算的ML生产率指数进行相乘获得的。计算方法是，假定2003年为基期即其绿色全要素

18、生产率为1，2004年的绿色全要素生产率为2003年的基期值乘以2004年的ML指数，2005年的绿色全要素生产率为2004年的绿色全要素生产率乘以2005年的ML指数，以此类推。ML分解项的计算方法与ML指数一致，最终可得到调整后的2004-2013年ML指数及其分解。(二)数据来源与指标选择本文研究的原始数据来源于相应年份中国统计年鉴、中国工业经济统计年鉴、中国能源统计年鉴、中国环境统计年鉴、中国城市生活与价格年鉴以及国泰安(CSMAR)中国工业经济研究数据库。需要说明的是，本文使用工业分行业的样本数据研究绿色全要素生产率，对于数据的可得性和统计口径的一致性有特别要求。最新的国民经济行业分

19、类标准将工业分为3个大类、39个中类和191个小类。然而，相关统计资料虽然包括39个工业两位数行业的数据，但“其他采矿业”数据缺失较多且数值较小；“工艺品及其他工业”、“废弃资源和废旧材料加工业”数据缺失较多且前后口径略有不同。基于上述考虑，剔除这3个行业，最终构造了万方数据56 统计研究 2016年3月2004-2013年36个工业分行业的投入产出数据。在此基础上，本研究选择的投入产出指标如下：1投入要素指标。关于劳动投入，理想的指标应当既包括劳动时间又包括劳动效率，但由于统计资料所限，本文借鉴现有全要素生产率核算中多数学者的选择，使用工业各行业从业人员年平均人数来衡量劳动投入。关于资本投入

20、，确定为估算出的各年份各行业的资本存量。首先，通过固定资产原值之差构造投资额序列并利用固定资产投资价格指数进行调整，得到当期不变价投资额；其次，确定1980年的资本存量为基期资本存量；第三，根据2004-2013年折旧率和固定资产原值估算出工业各行业折旧率；最后，利用永续盘存法得到工业行业的资本存量。关于资源投入，鉴于能源消费是非期望产出的主要来源，故采用工业各行业的能源消费总量来衡量。2产出要素指标。对于期望产出的衡量，考虑到中间投人品，使用工业总产值而非工业增加值来代表，在此基础上，利用PPI进行平减，调整至2000年的不变价。对于非期望产出的衡量采用4大指标：CO，排放量、工业废水排放量

21、、工业废气排放量、工业固体废弃物排放量。根据IPCC国家温室气体清单指南中碳排放量的计算方法，CO：排放量的计算公式为C=yE X NCVCEFCOF，其中，C为二氧化碳排放量，E分别表示煤炭、原油和天然气的消耗量，NCV为各种能源平均低位发热值，CEF为碳排放系数，COF为碳氧化因子，煤炭设定为099，原油和天然气为l。在此基础上，可计算出工业分行业的二氧化碳排放量。(三)中国工业各行业绿色全要素生产率测度结果根据方向性距离函数和ML生产率指数测度法，基于2004-2013年中国36个工业行业的投入产出数据，我们得到中国工业各行业绿色全要素生产率及其分解，为了便于比较资源环境因素对工业增长造

22、成的影响，我们测算了传统全要素生产率及其分解。同时，鉴于不同大类工业行业绿色全要素之间存在的差异，将工业进一步划分为资源类行业、主要轻纺行业、高耗能行业以及装备制造业四大类，并在此基础上探究这些工业行业间的传统及绿色全要素生产率及其收敛特征，我们采用绝对B-收敛模型进行检验，见表l、图2。综合分析表1和图2，我们发现，工业全要素生产率及其分解在有无资源环境约束时的变动趋势基本一致，且除规模效率之外，工业绿色全要素生产率及其分解要明显低于传统全要素生产率及其分解，整个工业行业传统全要素生产率的平均值为1082，而绿色全要素生产率均值为0999，由此可见，资源消耗和污染排放给我国工业绩效带来了损失

23、，这意味着我国工业行业普遍存在以牺牲资源和环境换取增长的现象。在研究期内，工业绿色全要素生产率平均值低于1，出现倒退现象，究其原因可能在于进入2l世纪以来，我国工业再次急剧重型化且环境政策执行力度下降，从而使得资源快速消耗，环境污染程度飙升，因而工业绿色转型目标更加艰巨。虽然研究期内工业整体绿色全要素生产率出现了下降，但在2006-2008年间以及2011年以来，工业绿色全要素生产率出现了一定增长，前者主要得益于国家首次在“十一五”规划中明确提出了节能减排战略，以此推动了全行业绿色全要素生产率的提升；而后者说明近几年来，随着新型工业化、生态工业、绿色经济等系列规划的提出，我国工业发展模式逐渐转

24、型。在全要素生产率整体变动幅度方面，工业传统全要素生产率平均增长82，其中，技术效率下降295，技术进步增长1149。当我们考虑资源和环境约束时，36个行业全要素生产率平均下降01，其中技术效率增长01，技术进步下降01。这说明，我国工业全要素生产率的增长主要源自前沿技术进步，而绿色全要素生产率的倒退也主要受技术进步下降的拖累。这说明在资源环境的刚性约束下，依靠技术创新与进步才能更为有效地促进工业绿色转型。从现实来看，党的十八大报告明确提出“创新驱动发展战略”，这不仅是中国工业绿色转型的内在要求，也是在西方国家“再工业化”、“中国工业2025”新时代背景下提升工业竞争力的关键。参考国民经济行业

25、分类(GBT 47542011)、国民经济和社会发展统计报告等资料，资源类行业主要包括资源的开采及利用相关行业，分为煤炭开采、石油开采、黑金矿采、有金矿采、非金矿采、橡胶制品、塑料制品、燃气生产、水的生产；主要轻纺业包括农副食品、食品制造、饮料制造、烟草制品、纺织业、纺织服装、皮革毛皮、木材加工、家具制造、造纸制品、印刷媒介、文教体育、医药制造、化学纤维；高耗能6大行业为石油加工、化学原料、非金矿物、黑金冶炼、有金加工、电力热力；装备制造业包括金属制品、通用设备、专用设备、交通运输、电气机械、通信设备、仪器仪表。万方数据第33卷第3期 陈超凡：中国工业绿色全要素生产率及其影响因素 57表1 2

26、004-2013年工业绿色全要素生产率及收敛检验绿色技术效率 绿色技术进步 绿色全要素生产率 绿色技术效率 绿色技术进步 绿色全要素生产率行业行业GEFFCH GTECH GTFP GEFFCH GTECH GTFP煤炭开采 1024 0978 100l 化学原料 1000 0976 0976石油开采 0972 1092 1062 医药制造 1005 0983 0988黑金矿采 0993 0949 0943 化学纤维 1002 0984 0985有金矿采 0998 O981 0979 橡胶制品 0999 0974 0974非金矿采 1029 0949 0976 塑料制品 0985 1029 1

27、014农副食品 0997 0977 0975 非金矿物 1000 0935 0935食品制造 1018 0980 0998 黑金冶炼 1020 0974 0993饮料制造 0999 0949 0948 有金加工 0995 096l 0956烟草制品 1000 1078 1078 金属制品 0996 1015 1OlO纺织业 1012 0965 0977 通用设备 1018 0998 1016纺织服装 0977 1060 1035 专用设备 0986 1013 1000皮革毛皮 0995 1036 1031 交通运输 0993 1022 1015木材加工 1022 0944 0965 电气机械

28、0971 1043 1013家具制造 1008 1009 1017 通信设备 1000 1030 1030造纸制品 0999 0952 0951 仪器仪表 1019 1033 1052印刷媒介 1005 1028 1033 电力热力 1000 1012 1012文教体育 0990 1033 1023 燃气生产 0989 0974 0963石油加工 1005 0980 0985 水的生产 1006 1054 106l全行业平均值 100l 0999 0999工业绿色全要素生产率绝对B一收敛检验工业全行业 资源类行业 主要轻纺行业 高耗能行业 装备制造业05234(6，33) 0390”(654)

29、 一0158”(260) 0215(495) 0559(750)注：、”分别表示在1、5显著性水平下显著，括号中为检验对应的T值。1 20l 1 5l 10l 051 000 95O 90O000 950 90甏琵誊嚣装惹静翼嚣篚翟睾墓嚣基鎏$要茧H蚓唾 末杠H茸崩鬻曙嚏霉增H嘻雌雄鼻冀婶群R_ILL藿羞曩寨嘉襄蠢差焉磊磊墨嫠藿謦亭蓥嚣羹翠譬岳权罅皋盥晕并捌=：社翎啊印制脚霸革删餐*、一一、，、，一一一nfpgt邱露龋粪行业 丰舞轻纺行业 黼能亍业 装蔷制造业 全千亍业平均bI 08l 030 980 93O 88201 5l 101 05l 000 950 90-teffchg。胁，I、 V

30、 lIf IIIf，。f联眯联鬃毫K嗥螂蝈哩嫩散奄bk簟暮摹毒鬟震州嘲制叠馐茸*搂悼碡锥赫榉草器割蝌堪H!辩疃末蕾H茸蜊掣咯瑶霉蟥H咯雌雄毒馨婶群RLL要簧落羹毒萎墓基曩嚣嘉毒蠢萎播嚣磊茎嫠藿器亭辇嚣饕翠譬喜粥*谦螂岳议悼搴醴掌晕舞昔匪榧相嘲巾杈删霸晕御肇*凄鬃鬈譬譬蛊墨耋譬蠹鋈帮量警譬毒萎基藩警霎譬譬霉羹望譬鎏蓥蔷羹塞耄羹蠡粪罨翟絮霎要嚣薹螺鬈基羹蕞蓦妻蓑嚣彗蓄萎羹嘉掣雀絮焉蓄嚣器蓦善螯套薹萋d注：a、c、d的136个单元分别与表l中从左至右的36个行业对应，b中的15个单元依次代表资源类行业、主要轻纺行业、高耗能行业、装备制造业以及全行业平均。图2传统全要素生产率及其分解与绿色全要素生产率

31、及其分解万方数据58 统计研究 2016年3月从工业四大分类行业来看，资源类行业、主要轻纺行业、高耗能行业、装备制造业的传统全要素生产率均高于绿色全要素生产率。其中绿色全要素生产率最高的是装备制造业，实现19的增长，这与近年来装备制造业向“高端、高效、智能、清洁”转型密切相关。轻纺工业的绿色全要素生产率也高于行业平均，说明这两类行业技术水平较高、资源消耗和污染排放较少。相较而言，资源类行业、高耗能行业的增长模式较多是以牺牲资源和环境为代价的，其发展模式不可持续，亟待转型。就细分行业而言，工业绿色全要素生产率增长最快的是烟草制品业，增长率达781，紧随其后的为石油开采(620)、水的生产(605

32、)、仪器仪表(517)、纺织服装(352)、印刷业媒介(329)等。此外，共有18个行业绿色全要素生产率都出现了下降，增长率排在最后的是非金矿物、黑金矿采、饮料制造、造纸制品等行业；从绿色全要素生产率的贡献来看，排在前列的行业基本上是依靠技术进步拉动绿色增长。因此，就行业层面而言，工业经济中仍有半数行业的增长对资本、劳动、资源的依赖性较强且日益强化，这些行业产生的非市场性的坏产出造成了生态环境的恶化，但我们也应该看到，不少行业甘当领头羊，主动推进绿色技术进步，提升绿色全要素生产率，实现了工业增长与资源环境的协调发展。(四)收敛分析在过去10年，中国工业36个行业绿色全要素生产率之间的差异是扩大

33、了，还是缩小了?这些差异会随着时间推移发生变化吗?基于绝对B一收敛检验模型，即假设每一工业行业的绿色全要素生产率都会达到完全相同的稳态增长速度和增长水平，即不同行业绿色全要素生产率的增长与其初始水平负相关。表1显示，以36个工业行业为整体，p系数显著为正，这表明工业行业整体不存在绝对收敛趋势，行业之间绿色全要素生产率的增长差距逐步拉大。从四大类别工业行业来看，资源类行业、高耗能行业和装备制造业收敛系数为正，说明这些行业绿色生产率增长的差距呈扩大趋势，没有收敛态势。同时，主要轻纺行业的收敛系数为负，具有收敛特征。也就是说，随着时间推移，唯一呈现内部收敛的是主要轻纺行业，其产业内部增长差异逐步缩小

34、，说明主要轻纺行业内部发展得较为均衡。三、中国工业绿色全要素生产率影响因素【一)实证模型我们采用经过调整的中国工业绿色全要素生产率及其分解作为实证研究的被解释变量，选择的解释变量指标有7个，分别是规模结构、禀赋结构、产权结构、环境规制、能源结构、技术水平、外商投资。研究时间为2004-2013年，由此，我们可以首先得到如式(7)的静态面板模型：In(g妇)lf，ln(geffch)ln(gtech)n=ao+a1In(gmjg)。+理2In(电屈g)n+理2In(cqjg)。+a4hjgz“+d5In(nyjg)“+a6In(jssp)。+d7In(wstz)“+s“ (7)在式(7)中，ln

35、(g珈)。In(geffch)。In(gtech)。分别表示湃亍业t时间的工业绿色全要素生产率及其分解，gmjg。魄cqjg。-垤nyjg。jsspwstz。分别表示i行业t时间的规模结构、禀赋结构、产业结构、环境规制、能源结构、技术水平和外商投资，占。为随机误差项。然而，传统的静态面板模型可能会面临变量之间的内生性问题。为了消除内生性导致的检验结果出现误差，本文采用GMM动态面板模型进行实证分析。差分GMM(DIF-GMM)和系统GMM(SYSGMM)是动态面板模型估计的两种重要方法。GMM估计方法通过将工具变量引入估计方程，在一定程度上能有效解决解释变量内生性问题。进一步研究表明，差分GM

36、M估计较易受到弱工具变量的影响，在有限样本条件下，系统GMM增加了因变量的一阶差分滞后项作为水平方程的工具变量，比差分GMM估计的偏误性更小。本研究建立的动态面板模型是在式(7)即一般静态面板模型的基础上构建完成的，基于此，我们构建系统SYSGMM模型如式(8)：In(g妇)。In(geffch)。In(gtech)。=KlIn(g妇)“一1，KlIn(geffch)一1，KlIn(gtech)“一1+K2In(gmjg)n+K3In(bog)。+K4In(cqjg)“+，c5In(hjgz)“+，(6In(n，=7官)n+K7In(jssp)“+K8In(wstz)n+亭i+肛“ (8)(二

37、)变量选择当我们确定了工业绿色全要素生产率的影响因素并构建完成SYSGMM模型之后，需要对上述模万方数据第33卷第3期 陈超凡：中国工业绿色全要素生产率及其影响因素 59型中的各影响因素进行量化，即选择代理变量。本文中，被解释变量为中国工业绿色全要素生产率及其分解。解释变量的选择如下：(1)规模结构。采用大中型工业企业增加值占全部规模以上工业企业增加值比重表示。从现实来看，大中型企业具有自身的特点和优势如技术创新和管理创新能力较强、节能降耗成本较低等，故其在工业企业中所占比重的变化可能影响工业绿色生产率。(2)禀赋结构。我们采用资本劳动比来代表，资本根据永续盘存法估算得到，劳动采用从业人员年平

38、均人数表示。由于资本劳动比的上升意味着资本深化，而资本深化对工业绿色全要素生产率究竟是正面影响还是负面影响有待验证。(3)产权结构。采用国有企业工业增加值占全部国有及非国有企业工业增加值比重表示。从微观企业层面来说，不同产权结构的企业在生产效率、节能减排中表现是具有差异的，因此也将影响到工业的绿色转型。(4)环境规制。关于环境规制对产业绩效的影响存在“遵循成本”和“创新补偿”两种观点，前者认为由于受到环境规制影响，企业治污成本增加，由此削弱企业的创新力和竞争力。后者观点以波特为代表，认为合理的环境规制能激发出企业的创新热情，使得被规制企业在变动约束的条件下，提升其资源优化配置水平和技术创新能力

39、，有利于提升企业生产率并改善企业的环境绩效“。在学术领域，学者们对环境规制的衡量具有较大差异，主要原因是政府干预模式并不固定且规制工具呈现多样性。鉴于当前行政命令型环境规制在中国工业发展过程中起到的作用要强于市场型规制，我们采用污染治理运行成本占工业总产值的比重代表环境规制强度。(5)能源结构。长期以来，中国工业发展形成了以煤为主的能源消费结构，不仅消耗大量资源，还向环境系统排放诸多有害物，能源结构亟待转型。鉴于数据的可得性，我们采用折合为标准煤的煤炭消费量占能源消费量的比重表示能源结构。(6)技术水平。技术进步与创新是工业绿色发展的根本动力，有利于提高要素利用率，促进资源的集约和循环利用，减

40、少污染排放。与技术水平关系最为密切的是科技研发，故本文选取规模以上工业企业研究与试验发展经费内部支出来衡量技术进步。(7)外商投资。外商投资对中国工业的影响是一把“双刃剑”，一方面外商直接投资可能带来先进的技术和管理，通过技术溢出提升行业的技术水平和产出水平；另一方面，由于国外采取严厉的环境规制政策，可能将高耗能、高污染的行业转移到我国。采用外商投资工业企业增加值占全部规模以上工业企业增加值的比重来衡量外商投资。(三)实证结果及分析为了保持数据的平稳性，我们对各变量原始值均取对数处理，为了对GMM模型的稳健性进行评估，在静态面板模型的基础上进行了固定效应、随机效应、混合效应回归。同时，根据SY

41、S，GMM方程(8)，得到动态面板估计结果，见表2。由于两步估计优于一步估计，GMM方程均运用两步估计进行迭代，并采用稳健标准误(Robust)条件下的估计结果。回归运行由STATA软件支持。综合分析表2，从固定效应、随机效应和混合效应回归结果来看，虽然尺2值不大，但各方程的回归系数大都呈显著水平，且系数符号和预期较为一致，就整体而言，模型的稳健性较强。从GMM回归结果来看，Sargan检验说明工具变量的选择是有效的，系数联合检验说明模型整体高度显著，残差序列相关检验证明序列不存在序列相关性。与此同时，静态面板和动态面板估计出的系数大小和符号较为一致，进一步说明变量选取合理，模型是稳健的。在S

42、YSGMM模型中，工业绿色全要素生产率及其分解项的滞后期都是高度正向显著的，这说明当期工业绿色全要素生产率与前期之间具有明显的“传递效应”。这意味着，前期积累的工业绿色全要素生产率会形成示范作用和良性循环，形成持续不断的“绿色推动效应”。接下来，我们依次关注每一个解释变量的回归结果。(1)规模结构。规模结构对工业绿色全要素生产率及其分解的影响不显著。这说明，中国工业绿色生产率的提升与企业的规模大小并无直接关联。较大规模的工业企业具有更为雄厚的资金实力投入绿色技术的研发，但大规模企业往往消耗的资源和排放的污染相对较大。而对于行业中的小企业来说，虽然规模较小，但企业生产消耗的资源和排放的污染也相对

43、较少，因而也具有自身的特点和优势。万方数据60 统计研究 2016年3月表2 中国工业绿色发展影响因素回归结果固定效应模型 随机效应模型 混合效应模型 SYSCMM SYSGMM SYSGMMGTFP GTFP G，TFP GTFP GEFFCH GTECHIn(grip)i,tl ， 10886” 18353 18119(230) (599) (598)In(gmjg)。 00063 00076 00048 00030 00050 00017(061) (093) (037) (003) (002) (001)In(魄)。 一00105+ 一00101” 一00212 一00066” 一00

44、030+ 00040”(一199) (一239) (171) (一212) (一203) (214)In(c以)。 00082+ 00079 O0046 00042” 00022” 00031(215) (261) (159) (209) (204) (275)In(hjgz)。： 一00067 一00066 一01320 一00016 一00008 一O0014(一292) (一362) (一353) (一005) (一002) (一003)In(nYjg)。 一00042“ 一00039 一00037 一00013” 一00022” 一00028“(一224) (一117) (一065)

45、(一203) (一224) (一204)In(矗印)。 00007 00008” 00075 00014+ 00059+ 0OOl8”(029) (238) (188) (205) (204) (238)In(”s如)。 0001l 0ool4 00105 00029 00015 O0023(032) (049) (193) (098) (003) (199)C 一00009 一0OOl4 一02388(一002) (一023) (一292)Rsquared 0447 0449 O54lSargan test 0388 0376 0331IFald-test-p 0000 0000 0000A

46、R(2) 026l 0277 0258注：、”、分别表示在1、5、10显著性水平下显著。Sargan统计量检验矩条件是否存在过度识别问题，以判定工具变量是否有效。Wald为系数联合显著性检验，AR(2)为残差二阶序列相关检验。(2)禀赋结构。禀赋结构系数对于工业绿色全要素生产率整体的影响是高度负向显著的。20世纪90年代以来，伴随中国高速工业化进程，以直接投资为主的工业资本快速累积。然而，与经济发展阶段对应，资本劳动比的持续攀升主要依靠粗放的工业规模扩张来实现，尤其是近年来我国重化工业发展趋势明显，加速了资本密度的提升，而工业重型化的特征将导致环境质量的进一步恶化“。但同时，经验结果显示，资本

47、劳动比的上升对于提升工业绿色技术进步是有利的，资本深化使得经济结构逐渐由劳动密集型向资本密集型转换，资本密集型企业的技术水平往往较高，技术水平的提升在很大程度上抵消了其对资源和环境的负面影响。(3)产权结构。回归结果表明，产权结构对工业绿色全要素生产率及其分解的影响是正向显著的。随着国有企业改革进程的深人，资源环境约束与传统增长动力减弱“倒逼”国有企业转型，国有企业的活力和市场竞争力得以释放。一方面，国有企业充分发挥规模经济的优势提升生产效率，另一方面凭借其技术革新成本较低、空间较大的优势，进一步增强创新研发和污染治理的投资力度。因此，在一定程度上能够对改善绿色全要素生产率起到促进作用。(4)

48、环境规制。环境规制对工业行业绿色全要素生产率的影响是负面的，且在动态面板条件下不显著。经验结论的内涵是，环境规制对工业绿色全要素生产率的影响尚未越过“波特拐点”，即环境规制对工业绿色全要素生产率的影响尚未从“遵循成本”的负效应跃升至“创新补偿”的正效应。其原因是，中国环境政策大多是以节能减排为导向，环境规制以排放约束和污染治理为主要出发点，最终的目标是使环境污染和产业绩效在此消彼长中实现均衡“。然而，对于具体行业来说，每一个行业承受的环境规制水平是不同的。只有当环境规制获得的综合利益大于其产生的成本时，环境规制才是有效率的。因此，如果环境规制设计不当，就很可能对绿色全要素生产率的提升起到适得其反的