污染密集型产业的绿色全要素生产率及影响因素

污染密集型产业的绿色全要素生产率及影响因素

——基于SBM方向性距离函数的实证分析

李玲 陶锋

2012-8-14 15:09:40　　来源：《经济学家》(成都)2011年12期

【内容提要】 污染密集型产业与能源、环境密切相关，只有充分考虑能源环境因素才能正确度量污染密集型产业的全要素生产率。本文运用SBM方向性距离函数和Luenberger生产率指标，测度了2004-2008年中国工业部门中19个污染密集型产业，考虑了4种非期望产出的绿色全要素生产率，并对影响污染密集型产业绿色全要素生产率的因素进行了实证分析。研究结果发现：考虑了非期望产出的绿色全要素生产率明显低于不考虑非期望产出的全要素生产率；规模效率对绿色全要素生产率贡献明显大于技术进步和纯技术效率；污染密集型产业的规模结构和环境规制程度对绿色全要素生产率提高具有推动作用。

　　【关键词】污染密集型产业 绿色全要素生产率 SBM方向性距离函数

　　一、引言

　　改革开放三十年来，我国经济取得了巨大的成就。但伴随着经济高速增长，自然资源枯竭和环境恶化问题也日益突出，资源环境问题不仅给我国经济社会发展带来巨大的损失，而且直接导致未来发展的不可持续。因此，党的十七届五中全会在审议“十二五”规划时明确要求以科学发展为主题，以加快转变经济发展方式为主线，提高发展的全面性、协调性、可持续性，实现经济社会又快又好发展。其中，转变经济发展方式的关键在于不断提高由全要素生产率所代表的经济增长中的质量贡献[1]1。

　　近年来，国内外学者从不同的视角探讨中国经济全要素生产率变化及其对经济增长和经济转型的影响。但伴随着经济发展过程中资源环境问题的日益突出，越来越多的学者认为：资源和环境不仅是经济发展的内生变量，同时也是经济发展的刚性约束，因此，利用全要素生产率评价经济绩效时，不仅要考虑传统的资本和劳动要素，同时也要考虑对经济发展影响巨大的资源和环境因素。于是，越来越多的学者将资源、环境因素纳入到全要素生产率分析框架，对中国经济全要素生产率进行重新估算，并得出许多有价值的结论[2]-[6]。

　　纵观已有研究，多数将环境因素纳入全要素生产率分析框架的文献都是基于省际或区域展开，而从工业分行业的角度研究的很少。Jorgenson et al.(2000)认为：经济增长在不同的部门和行业之间并不相同，因而用总量数据描述经济增长的全貌就有失偏颇，必须从分行业的角度进行核算[7]161。工业行业是国民经济的主导，同时与能源环境密切相关，尤其是现阶段我国工业行业中的污染密集型产业，更是实现节能减排任务的重中之重。因此，有针对性地将分行业污染密集型产业作为研究对象，准确度量污染密集型产业增长中的质量贡献和识别影响质量贡献的因素，对于污染密集型产业实现节能减排甚至整个国民经济的可持续发展都具有重要意义。其次，由于传统距离函数无法模拟环境污染的有害影响，许多研究采用间接方法测算考虑了污染排放的全要素生产率①，这种做法显然过于简单。一部分文献采用径向的、角度的DEA计算方向性距离函数并以此模拟环境污染的有害影响，但这种方法会高估评价对象的效率。研究表明：基于松弛变量的非径向、非角度SBM方向性距离函数和与此相适应的Luenberger生产率指标在计算绿色全要素生产率方面可以克服上述缺陷[5]96。另外，已有的研究环境全要素生产率的文献中，对于非期望产出往往考虑一种或其中的几种。作者认为，对于现阶段的中国污染密集型产业来说，要想更加准确地度量全要素生产率，必须考虑全部的能源投入和污染排放，由此估算的绿色全要素生产率才能更加准确地反映经济增长中的质量贡献②。

　　因此，本文在已有研究的基础上，力图在以下几个方面有所发展：(1)参考现有的产业污染强度评价方法对二位数工业行业中污染密集型产业进行识别，作为本文的研究对象。(2)将所识别的污染密集型产业的各个行业能源消费量作为投入、行业三废排放作为非期望产出纳入生产率分析框架，利用SBM方向性距离函数和Luenberger生产率指标核算污染密集型产业的绿色全要素生产率并进行分解③。(3)对影响污染密集型产业绿色全要素生产率的因素进行实证检验。

　　二、研究方法及数据处理

　　1.绿色全要素生产率的度量及分解方法=

　　当以上五个测量值均大于0时，分别表示生产率提高、效率改善、技术进步、规模效率提高和技术偏离CRS，反之则反。此时我们需要使用八个方向性距离函数对Luenberger生产率指标进行分解，其中四个属于CRS假设，四个属于VRS假设。

　　2.相关数据及处理

　　本文从分行业的角度，根据最新的行业分类标准(GBPT 475422002)，从39个行业中选取35个行业计算污染强度(其他矿采选业、木材及竹材采运业、木材加工业、其他制造业由于部分数据不全，去除)，识别出污染密集型产业，进而测算绿色全要素生产率。相关数据处理如下：

　　(1)期望产出。期望产出用的是所识别的污染密集型产业2004-2008年工业总产值，其基础数据来源于历年《中国统计年鉴》，并根据分行业工业品出厂价格指数折算为1990年不变价。

　　(2)非期望产出。为全面度量污染密集型产业的绿色全要素生产率，本文选取相关产业废水、二氧化碳、二氧化硫和固体废物排放量作为非期望产出。各个行业的废水、二氧化硫和固体废物的排放量均可从历年的《中国统计年鉴》查出，但二氧化碳排放量统计年鉴上没有，需要进行估算。本文采用陈诗一所估算的2004-2006年分行业二氧化碳排放量数据，并根据其所提供的公式和核算方法拓展到2007-2008年的二氧化碳排放量。

　　(3)投入。本文除考虑了资本投入和劳动投入以外，还考虑了能源投入。本文采用大多数文献的做法，将各行业2004-2008年职工平均人数作为劳动投入数据，将能源消费总量作为能源投入数据，以上两部分数据从历年《中国统计年鉴》均可查到。资本存量是生产率研究中的一个重要的投入变量，但统计年鉴没有提供详细的资本存量数据，需要估算。本文根据《中国统计年鉴》相关数据利用永续盘存法估算了2004-2008年行业资本存量数据。显然，资本存量的计算依赖于三个问题的解决：基年资本存量的确定、折旧率、当年投资额不变价。首先，本文按照陈诗一(2010)的方法得到1980年资本存量作为基年资本存量。其次，本文放弃了采用固定折旧率的做法，并根据《中国统计年鉴》、《中国工业统计年鉴》所提供的2004-2008年折旧额和固定资产额，参考陈诗一(2010)的方法，估算分行业折旧率。第三，利用固定资产原值之差构造投资额序列并根据当年投资品价格指数折算成1990年不变价作为当年投资额。最后，根据公式得到各行业2004-2008年资本存量数据。

　　三、实证结果及分析

　　1.污染密集型产业的识别结果

　　由于本文的研究对象是污染密集型产业，如何确定39个二位数工业行业中究竟哪些行业属于污染密集型产业就显得十分重要。国外文献通常使用两种方法：一种是使用减污成本和支出指标来划分，另一种是使用各种污染排放物加总后确定产业的污染强度。显然，由于各个行业的性质不同以及污染物的不可相加性，这两种方法在识别污染密集型产业时都显得十分粗糙，也不利于相关研究的展开。本文在已有研究的基础上，采用对各污染排放数据进行线性标准化和等权加和平均的方法计算各个产业的污染排放强度，以此对污染密集型产业进行识别。具体方法为：首先计算各个产业污染物单位产值的污染排放值，然后按0-1的取值范围对各个产业污染物单位产值的污染排放值进行线性标准化，再将上述各种污染排放得分等权加和平均，计算出废水、废气和固体废物的平均得分，最后将平均得分进行汇总，得出产业总的污染排放强度系数⑤。表1为污染密集型产业识别结果。本文根据总排放强度大小对污染产业进行分类，将重度污染产业和中度污染产业共19个产业统称为污染密集型产业，作为本文的研究对象。可以看出，本文对于污染密集型产业的划分结果与已有研究基本一致⑥。

　　2.污染密集型产业绿色全要素生产率实证结果及分析

　　本文基于Excel Solver Prem Platform V5.5软件，通过编写并设置规划求解参数，对考虑能源投入和四种非期望产出的污染密集型产业绿色全要素生产率进行估算，并分解为技术变动指数、纯技术效率指数、规模效率指数和技术规模变动指数。由于污染密集型产业与污染排放密切相关，为了与绿色全要素生产率进行比较，本文在估算绿色全要素生产率的同时，对不考虑非期望产出的19个污染密集型产业的传统全要素生产率进行估算和分解，结果如表2。

　　我们发现：总体看来，我国污染密集型产业2004-2008年不考虑废水、二氧化碳、二氧化硫、固体废物排放的全要素生产率平均增长率为6.21%，而考虑了这四种非期望产出的绿色全要素生产率平均增长率为2.85%。污染密集型产业的绿色全要素生产率平均增长率明显低于传统的全要素生产率增长率。从分行业来看，除有色金属采选业、有色金属加工业、农副产品加工业和石油开采业四个行业绿色全要素生产率高于传统的不考虑非期望产出的全要素生产率外，其余行业的绿色全要素生产率均低于传统全要素生产率。结果基本符合已有研究结论，同时也符合污染密集型产业高能耗、高污染的现实。

　　单从污染密集型产业的绿色全要素生产率估算结果来看，考虑非期望产出因素后，除了造纸工业、化学工业、非金属采矿业、化学纤维业和医药工业全要素生产率表现为负增长外，其余行业的绿色全要素生产率均大于零，表现为正增长，但增长率很低。19个行业中只有有色金属加工业的绿色全要素生产率在技术进步指数提升下超过10%。超过5%的行业只有4个：非金属制造业为7.4%，饮料制造业为6.66%，食品制造业为6.67%，农副产品加工业为7.02%。这一估算结果意味着，总体上看，2004-2008年间中国工业污染密集型产业在考虑了能源消耗和污染排放后的全要素生产率对于经济增长的贡献超过要素的贡献，但增长速度极为缓慢，增长方式处于粗放型与集约型的临界点。这一结论与近期相关文献的结论基本一致。陈诗一(2010)发现由于技术进步在大多数行业中发挥着第一驱动力的作用，工业的发展方式从外延扩张型转变成以质量提高为特征的内涵扩张型增长。但如果考虑能源环境因素，这种转变才刚刚开始，不能得出中国工业尤其是污染密集型产业已从粗放型转变为集约型增长。

　　本文将估算的污染密集型产业全要素生产率两类指数都分解为纯效率变化(LPEC)、纯技术进步(LPTP)、规模效率变化(LSEC)和技术规模变化(LTPSC)。4个指数大于(小于)0分别表明效率改善(恶化)、技术进步(退步)、规模效率提高(下降)、技术偏离CRS(向CRS移动)。从分解结果来看，传统的不考虑非期望产出的全要素生产率增长主要原因是技术进步，技术进步平均指数为11.86%。而绿色全要素生产率增长速度减缓，主要原因是纯技术效率的恶化和技术退步(平均增长率为-1.06%)。具体到污染密集型产业绿色全要素生产率的分解，可以看出，对于绝大多数的行业来说，规模效率和技术规模对生产率的贡献大于纯技术效率和技术进步。一个可能的解释是：90年代中期开始淘汰和关闭了近10万家技术落后、高污染、高能耗的小企业，提高了污染密集型产业的规模效率，从而对绿色全要素生产率的增长作出贡献。

　　四、影响污染密集型产业绿色全要素生产率的因素分析

　　上文估算了与能源环境密切相关的污染密集型产业的绿色全要素生产率。可以看出，绿色全要素生产率数值明显低于传统不考虑能源环境所估算的全要素生产率，我们有理由相信考虑了能源环境因素的绿色全要素生产率更准确地反映了污染密集型产业的技术进步和效率提升。那么，究竟哪些因素影响了这些产业绿色全要素生产率的增长呢？本文根据国内外文献相关研究成果和中国污染密集型产业的现实背景以及数据的可得性，选取如下指标对污染密集型产业绿色全要素生产率因素进行实证检验⑦：(1)外商直接投资水平：外商直接投资占工业总产值的比重()；(2)所有制结构：国有及国有控股企业工业总产值占全部工业总产值的比重()；(3)规模结构：大中型企业工业总产值占全部工业总产值的比重()；(4)能源结构：煤炭消费量占能源消费总量的比重()；(5)环境规制程度：工业废水、二氧化硫、固体废物处理量占产生量比重的加权平均()⑧。相关数据来源于历年《中国统计年鉴》、《中国工业经济统计年鉴》。

　　基于Eviews 6.0软件中的Balanced Panel模型，我们采用逐步回归法对影响绿色全要素生产率的因素进行估计，以避免解释变量之间的多重共线性。同时在估计之前进行Hausman检验，检验结果表明应以固定效应模型估计参数。回归结果见表3。

　　在逐步回归中，我们发现FDI投资水平()在各个模型中都很稳健，污染密集型产业的外商直接投资水平与绿色全要素生产率显著负相关。这一结论与涂正革(2009)[11]的结论基本一致，同时印证了污染天堂假说，即发达国家的环境规制程度严格于发展中国家，发展中国家生产污染密集型产品具有比较优势，因此，必然有大量的FDI流入发展中国家的污染密集型部门。西方发达国家严厉的环保措施导致高能耗、高污染产业向我国转移，考虑到环境污染因素，FDI的增加不能提升污染密集型产业的绿色全要素生产率。本文的回归结果表明，FDI每增长1%，绿色全要素生产率反而下降2.77%-3.67%。

　　所有制结构()与污染密集型产业绿色全要素生产率显著负相关，在逐步回归中表现稳健，这与当前许多学者关于国有化和效率研究的结论，如Yusuf et al.(2005)[12]、刘小玄(2005)[13]、涂正革、肖耿(2005)[14]类似。一方面，我国污染密集型产业中的国有企业目前仍然存在巨大的能源浪费、严重的污染行为以及要素配置不合理，从而导致生产率的下降。另一方面，污染密集型产业所有制结构多元化有利于形成独立、平等的竞争主体，建立适应市场要求的企业发展机制和经营机制，提高技术水平和效率，进而降低能耗、减少污染，从而提高污染密集型产业的绿色全要素生产率。

　　产业经济学的主流观点认为，如果市场的主要供给者是达到和接近规模经济的企业，则表明该产业已充分利用了规模经济效益，产业的资源配置和利用率达到最优状态，即产业规模结构最优化。本文的回归结果表明企业规模有利于污染密集型产业绿色全要素生产率的提高。大中型企业比重提高1%，绿色全要素生产率提高0.074%—0.082%。大中型企业的发展有利于提高污染密集型产业集中度，从而提高科研水平和管理效率，对绿色全要素生产率具有正向影响。已有事实证明，从20世纪90年代中期以来，我国工业污染防治战略发生了重大变化，关停并转大量高能耗、高排放的小煤矿、小水电厂、小纺织厂、小化工厂等技术落后、效率低下的小企业，资源配置逐渐向效率高的大企业集中，无序低效生产得到遏制。

　　环境规制程度系数为正，符合波特假说。文献普遍认为环境规制是影响全要素生产率的重要因素，但究竟环境规制是阻碍还是促进了生产率的增长，现有的研究并未得出一致的结论。污染密集型产业的特点就是其经济行为与能源消耗和环境污染密切相关，本文的实证结果显示，对于污染密集型产业来说，环境规制强度提高1%，绿色全要素生产率提高0.148%-0.149%。政府的环境规制政策在一定程度上能够促使企业进行技术创新，淘汰落后产能，同时进行管理制度创新，实施节能减排，提高企业的效率。关于能源结构与绿色全要素生产率的关系，本文的回归结果显示并不明显，根据模型Ⅳ和模型Ⅴ，能源结构的回归系数都为正，均未通过显著性检验。这与已有研究结论矛盾，也不符合我国工业发展的现实，造成这种结果的原因一方面可能是本文考察时间较短，另一方面可能是度量指标需要进一步完善。

　　五、结论与启示

　　由于污染密集型产业与能源环境因素密切相关，忽略污染排放而对全要素生产率进行测度往往会与真实值产生一定的偏差。为了弥补这一缺失，本文以污染密集型产业为研究对象，选取了废水、二氧化碳、二氧化硫、固体废物作为非期望产出，运用SBM方向性距离函数和Luenberger生产率指标测度了19个污染密集型产业2004-2008年的绿色全要素生产率，并与传统不考虑非期望产出的全要素生产率进行比较。最后，对影响绿色全要素生产率的因素进行实证分析。

　　总体上，2004-2008年我国污染密集型产业考虑了非期望产出的绿色全要素生产率为2.85%，这说明污染密集型产业生产率水平是不断进步的。但与不考虑非期望产出的绿色全要素生产率相比，低了3.36%。这一研究结果一方面说明以往不考虑非期望产出的研究高估了全要素生产率，另一方面也证明了我国污染密集型产业仍然是高能耗、高污染产业，环境规制并未真正发挥实质作用。我们通过对污染密集型产业绿色全要素生产率的分解项分析结果表明，对于绝大多数行业来说，规模效率对绿色全要素生产率的贡献大于技术进步和纯技术效率的贡献，也就是说，技术创新在提高污染密集型产业绿色全要素生产率方面并没有发挥真正的作用。我们也考察了影响污染密集型产业绿色全要素生产率的因素。结果表明：FDI水平和所有制结构对绿色全要素生产率有负向影响，而规模结构、环境规制程度与全要素生产率正相关。基于研究结论，本文提出如下政策建议：(1)继续整合污染密集型产业的资源和要素配置，坚决淘汰和关闭仍然存在的技术落后、高能耗、高污染的小企业。发挥市场竞争的优胜劣汰机制，遏制无序生产，重点鼓励发展技术水平高、污染少、效益好的大企业。(2)进一步提高环境规制强度，灵活运用各种环境规制手段，尽量使基于行政手段的“命令型”环境规制工具和基于市场手段的“激励型”环境规制工具结合起来，赋予企业一定的灵活性。一方面刺激企业进行治污技术的创新，从根本上降低治污成本，提高企业竞争力；另一方面刺激企业为完成节能减排任务而进行管理制度创新，提高能源利用率，减少污染排放，让其能够以更为经济的方法提高企业竞争力和实现环境规制的要求，从而达到提升污染密集型产业绿色全要素生产率的目的。

　　注释：

　　①即将污染排放和能源消费一起看作投入变量。

　　②又称环境全要素生产率。

　　③为了突出现阶段节能减排的目标，本文用二氧化碳、二氧化硫排放代替各行业废气排放指标。

　　④王兵等(2011)对分解方法做了详细的介绍。

　　⑤此方法参考了傅京燕等《环境规制、要素禀赋与产业国际竞争力的实证研究》(2010年第10期《管理世界》)一文中关于污染强度的度量方法。限于篇幅，具体过程可向作者索取。

　　⑥由于篇幅限制，我们不提供各个行业的污染排放强度系数，读者若有需要，可向作者索取。

　　⑦由于全要素生产率属于动态分析，我们根据Managi and Ranjan(2008)的研究，把全要素生产率转换为1+LTFP后再进行对数化，同时为了克服生产率指标在0附近变化不显著而造成的计量不显著问题，分析时运用累计生产率指标。

　　⑧由于二氧化碳数据统计年鉴上没有，排放数据系估算，但处理量却无法估算，因而本文选取其他三种污染物核算环境规制程度。

　　【参考文献】

　　[1]陈诗一.节能减排、结构调整与工业发展方式转变研究[M].北京：北京大学出版社，2010.

　　[2]JEON BYUNG M., ROBIN C. SICKLES. The Role of Environmental Factors in Growth Accounting[J]. Journal of Applied Econometrics, 2004, 19(5): 567-591.

　　[3]WATANABE M., TANAKA K. Efficiency Analysis of Chinese Industry: A Directional Distance Function Approach[J]. Energy Policy, 2007, (35): 6323-6331.

　　[4]胡鞍钢等.考虑环境因素的省级技术效率排名[J].经济学季刊，2008，(3)：933-960.

　　[5]王兵，吴延瑞，颜鹏飞.中国区域环境效率与环境全要素生产率增长[J].经济研究，2010，(5)：95-109.

　　[6]叶祥松，彭良燕.我国环境规制的规制效率研究[J].经济学家，2011，(6)：81-86.

　　[7]JORGENSON, DALE W., KEVIN J. STIROH. U. S. Economic Growth at the Industry Level[J]. American Economic Review, 2000, 90(2): 161-167.

　　[8]TONE, K. Dealing with Undesirable Outputs in DEA: A Slacks Based Measure(SBM) Approach[R]. GR IPS Research Report Series, 2003.

　　[9]CHAMBERS, R. G., R. FARE, GROSSKOPF. Benefit and Distance Function[J]. Journal of Economic Theory, 1996, 70(2): 407-419.

　　[10]GROSSKOPF, S.. Some Remarks on Productivity and Its Decompositions[J]. Journal of Productivity Analysis, 2003(20): 459-474.

　　[11]涂正革，肖耿.环境约束下中国工业增长模式的转变[J].世界经济，2009，(11)：41-54.

　　[12]YUSUF, SHAHID, NABESHIMA KAORU, PERKINS DWIGHT H. Under New Ownership: Privatizing China's State Owned Enterprises[M]. Stanford University Press and The World Bank, 2005.

　　[13]刘小玄，李利英.企业产权变革的效率分析[J].中国社会利学，2005，(2)：4-16.

　　[14]涂正革，肖耿.中国的工业生产力革命[J].经济研究，2005，(3)：4-15

本文来源：https://www.2haoxitong.net/k/doc/8fdee118a2161479171128ee.html