环境因素对长三角工业全要素生产率的影响

　　[提要] 本文运用方向性距离函数和Malmquist-Luenberger生产率指数法，测算环境约束下长三角地区工业环境全要素生产率及其分解，并比较不考虑环境因素影响情形下的工业全要素生产率增长情况。 　　关键词：全要素生产率；生产率指数；“坏”产出 　　中图分类号：F270.7 文献标识码：A 　　收录日期：2013年2月27日 　　一、引言 　　改革开放以来，我国在经济发展上取得了举世瞩目的成就，而工业经济的增长最为显著，工业经济是国民经济的主导，也是衡量一个国家或地区生产力发展水平的重要标志。但在取得显著成就的同时，也为此付出了巨大的资源、环境代价。在2010年世界环境绩效指数排名中，我国在163个国家和地区中位居121位，比2009年下滑了16位。环境污染、资源匮乏以及生态破坏等问题已经严重影响到我国可持续发展的目标。为此，政府明确提出要把环保工作作为转变经济发展方式的重要手段，如《国家环境保护“十二五”规划》已提出了具体的减排指标。 　　长三角作为我国经济增长最活跃的地区之一，已是整个国民经济发展的重要引擎。现阶段，如何促进经济增长方式由粗放型向集约型转变，实现经济“又好又快”发展，是长三角亟待解决的重大课题。然而，加快经济发展方式转变，实现工业经济的可持续发展尤其重要。本文运用考虑了环境因素的Malmquist-Luenberger生产率指数，采用2000～2010年长三角地区工业投入与产出的面板数据，实证研究长三角地区三省市工业部门的环境全要素生产率变化值，并实证分析环境规制强度、外商直接投资等对考虑了环境因素的生产率增长水平的影响。鉴于长三角在我国经济中的地位，研究其工业部门的环境全要素生产率对于全国工业经济乃至于整个经济的可持续发展都有着非常重要的启示意义。 　　二、文献综述 　　全要素生产率是衡量经济发展质量的重要指标，也是研究经济增长方式的一个重要视角。因此，目前关于全要素生产率的研究已成为了经济学界的热点之一。 　　在全要素生产率的测算中，国内外学者使用的方法有：索洛残差法、增长核算法以及Malmquist-DEA法。索洛残差法是由美国经济学家Solow首创，在此模型中，产出函数被设定为包括了资本、劳动投入的科布-道格拉斯生产函数，并且引入技术进步作为外生变量。索洛残差法被大量学者用于测算国家或地区全要素生产率的增长，Tuan Ng Zhao（2009）采用索洛残差法，对我国长三角15市和珠三角8市1978～2004年间的全要素生产率进行了测算。但是，索洛模型有其自身的局限性，因此测算的准确性也受到一些学者的质疑。相比其他两种方法，使用增长核算法来计算全要素增长率的频率较低。因为若是运用增长核算法，通常会使用超越对数生产函数，虽然该生产函数更具一般性，测算结果也更加准确、科学，但是测算难度也相对较大。孙琳琳、任若恩（2005）使用增长核算法测算了我国1981～2002年间的全要素生产率，研究结果显示：我国在改革开放后的全要素生产率波动幅度较大，并在九十年代后期增速较缓。另外，李宾、曾志雄（2009）也采用增长核算法对我国1978～2007年间的全要素生产率进行了测算，研究得出了类似的结论：即我国在九十年代后期全要素增长率出现了下滑的趋势。Malmquist-DEA法避免了较强理论的约束，可以较容易地测算出全要素生产率，是主流的测算方法，很多学者运用此方法对我国或者部分省市的全要素生产率进行了测算（郑京海、胡鞍钢，2005；郭庆旺、赵志耘等，2005）。 　　但是，以上对全要素生产率进行测算时都没有考虑污染排放对于生产率的影响，也就是研究只考虑了工业总产出等这类市场性的“好”产出，却忽视了生产过程中非市场性的“坏”产出。王兵等（2008）研究指出，用“好”产出的增长率减去所投入的贡献，而不考虑“坏”产出的影响，那么传统全要素生产率即没有考虑环境因素的全要素生产率的测算结果会出现偏差。然而，要把环境因素纳入经济运行的考核体系，就面临着这样一个问题：即污染物作为“坏”产出与“好”产出是不一样的，因为其没有价格，这也正是传统的全要素生产率测度方法无法解决的一个问题。Fare et al.（1994）采用的谢泼德距离函数基于径向DEA分析方法不需要价格信息，但依然没有考虑环境约束；Chambers et al.（1996）和Chung et al.（1997）在谢泼德距离函数的基础上首次采用方向性距离函数法，较好地解决了污染物等非期望产出的效率评价问题，从而得到了广泛的应用。另外，他们还在方向性距离函数基础上构建了Malmquist-Luenberger生产率指数（简称ML生产率指数）。该指数不仅继承了Malmquist指数测算全要素生产率要求“好”产出不断增加的良好性质，同时还考虑了环境因素，要求“坏”产出不断减少。近年来，随着环境问题的日益突出，运用ML生产率指数实证分析全要素生产率的研究逐渐增多。王兵等（2008）运用ML生产率指数法测度了1980～2004年APEC17个国家和地区包含CO2排放的全要素生产率，认为在考虑环境管制后，APEC的全要素生产率增长水平得到提高，且技术进步是其增长的源泉。杨俊、邵汉华（2009）引入考虑了“坏”产出的ML指数，测算了1998～2007年我国地区工业考虑了环境因素情况下的全要素生产率增长及其分解。研究发现，我国西部地区在工业化过程中存在较严重的资源浪费与生产环境破坏，而东部地区则有力地促进了我国工业“又好又快”发展。 　　通过现有文献的梳理，国内外学者都是基于不同的测算方法对我国整体地区全要素的测算，而所得结论都倾向于东部地区的经济要优于西部地区“又好又快”的发展。因此，本文试图缩小研究的视角，以我国长三角三省市为研究对象，测算其在2000～2010年间工业部门考虑了环境因素的ML指数并进行比较。 　　三、研究方法与数据说明 　　（一）研究方法 　　1、环境技术。工业生产除了产出一般“好”产品以外，还会产出废水、废气、废弃固体等“坏”产品，Fare et al.（2007）构造了一个既包括“好”产出，又包括“坏”产出的生产可能性集，即环境技术的函数表达式： 　　P（x）={（y，b）∶x can produce（y，b）}，x∈R+N 　　集合P（x）是指使用N种要素投入所生产出M种“好”产出和I种“坏”产出的所有组合。在本文中，假设所有决策单元（各省）使用N种要素投入（x1，x2，…xN）∈R+N，生产出M种“好”产出（y1，y2，…yN）∈R+M和I种“坏”产出（b1，b2，…bI）∈R+I，则在每一个时期t=1，2，…T，第k=1，2…，K个省份投入产出组合为（xk，t，yk，t，bk，t）。生产可能性集P（x）满足下面四个特性： 　　（1）闭集和凸集 　　（2）联合弱可处置性：如果（y，b）∈P（x）且0≤？兹≤1，则（？兹y，？兹b）∈P（x）。这表示减少“坏”产出是要付出代价的，在要素投入水平给定的情况下，要减少“坏”产出，必然占用原本生产“好”产出的那部分资源，导致好产出水平也相应地减少。 　　（3）零结合性：如果（y，b）∈P（x），且b=0，则y=0。说明没有任何污染的生产是不可能的，满足“坏”产出水平为零的唯一条件就是“好”产出水平也为零。 　　（4）投入和“好”产出的可处置性：如果（y，b）∈P（x）且y′≤y或者x′≥x，则（y′，b）∈P（x），P（x′）？勐P（x），说明投入和“好”产出浪费在一般情况下总可能存在。 　　2、方向性距离函数。Chung et al.（1997）、Fare et al.（2001）根据短缺函数思想，构建了方向性距离函数，这个函数是谢泼德距离函数的一般化，具体形式为： 　　（xt，yt，bt；g）=sup{？茁∶（yt，bt）+？茁g∈P（xt）} 　　g=（gy，gb）表示产出扩张的方向向量。如果向量g=（y，-b），则表示同比例的增加好产出而减少坏产出，？茁表示“好”产出增长、“坏”产出减少的最大可能性程度。 　　3、环境技术效率。在上述定义下，环境技术效率（ETE）可以表示为： 　　环境技术效率是一个与生产环境前沿紧密联系的概念，当观测点在生产环境前沿时，方向性距离函数值为0，环境技术效率为1。环境技术效率越大，说明距离环境生产前沿越近，即在给定的资源投入下，实际“好”产出与最大“好”产出、实际“坏”产出与最小“坏”产出的差距越小。 　　4、Malmquist-Luengerber生产率指数。基于环境技术效率函数，参照Chambers et al.（1996）和Chung et al.（1997）的方法，就可以定义t期到t+1期的生产率指数（ML），并可以进一步分解为技术进步和效率变化。 　　ML指数可以分解为技术进步（TECH）和效率变化（EFFCH）： 　　ML=TECH×EFFCH 　　ML、EFFCH、TECH大于或者小于1分别表示全要素生产率增长（下降）、技术效率改善（恶化）、前沿技术进步（退后），每一种生产率的变化需要解四个线性规划，包括两个当期环境技术效率和两个混合环境技术效率。 　　按照上述方法，本文测定了2000～2010年间长三角地区考虑了环境因素的工业全要素生产率指数、技术进步和效率变化值。 　　（二）数据说明 　　1、数据来源及说明。本文的数据主要来源于2011年《中国统计年鉴》、《上海统计年鉴》、《江苏统计年鉴》、《浙江统计年鉴》。本文以2000～2010年长三角三省市规模以上工业企业为基本研究单元，以地区工业总产值、工业二氧化硫排放量为产出指标，以固定资产净值、全部从业人员人数、工业能源消耗量为投入指标，详细处理情况如下： 　　（1）“好”产出。本文以各地区的工业总产值为“好”产出，并以各省市的工业品出厂价格指数折算成2000年的不变价格。 　　（2）“坏”产出。本文选择工业二氧化硫作为“坏”产出，主要有以下原因：与其他污染物相比，二氧化硫主要产生于工业生产中，而生活中的排放比例极小；二氧化硫也是国家“十二五”规划纲要中所列举的主要污染物之一；二氧化硫和要素投入中的能源消费量密切相关，同时该数据也比较容易获得。 　　（3）劳动投入。本文选择各省市规模以上企业年平均从业人员人数作为劳动力投入指标。 　　（4）资本投入。本文选择固定资产净值年平均余额作为资本投入指标，并以各省市固定资产价格指数折算成2000年的不变价格。 　　（5）能源投入。本文选择各地区历年的工业能源消耗量作为能源投入指标。主要有以下考虑：一方面能源消耗是一个综合性指标；另一方面能源消耗与工业二氧化硫的排放规模密切相关。 　　2、数据的描述性统计。根据表1数据的描述性统计，总体而言，我国长三角地区的经济增长是依靠高投入、高能耗来推动高产出的。在2000～2010年间，长三角地区的工业总产值平均以19.97%的增长速度高速增长。与此同时，劳动力投入、资本投入、能源消耗也分别以2.68%、14.45%、8.47%的平均速度增长。而污染排放物方面，随着技术水平的提升以及环境规制的加强，本文选取的二氧化硫指标在长三角地区体现出逐渐减少的趋势，在2000～2010年间以-0.83%的平均速度降缓。 　　从各省市来看，上海的工业总产值增长速度最高，其平均增速高达21.28%。另外，上海的能源投入份额以及SO2排放份额都是长三角三个省市中占比最少的，并且上海二氧化硫的排放量递减速度也是最大的，十年间的增速平均为-3.22%。由此可以说明，上海地区的协调发展较为良好。就江苏与浙江两个省比较而言，江苏更显示出高投入、高耗能的态势，其能源投入份额、SO2排放份额占据了长三角地区的一半以上。值得说明的是，长三角地区总体体现出污染物的排放量放缓的趋势，但浙江省的二氧化硫排放量却仍以2.52%的平均速度增长着。可见，长三角地区在经济的协调发展方面在各省市间也是存在差距的。（表1） 　　四、实证分析 　　本文计算了2000～2010年长三角三省市的Malmquist-Luengerber生产率指数及其分解，并对各省市的计算结果进行加权平均得到长三角地区Malmquist-Luengerber生产率指数及其分解，具体结果如表2所示。根据表2的计算结果，我们可知长三角地区在2000～2010年间，考虑了环境因素的全要素生产率为10.11%，其中效率改变为-5.2%，技术进步为10.75%。由此表明，长三角地区在过去的11年间，考虑了环境要素的全要素生产率的改变主要是依靠技术进步。（表2） 　　本文根据表1的计算结果，分别把各省市在2000～2010年间的计算结果进行平均，得到了各个省市的Malmquist-Luengerber生产率指数以及其分解的值。根据表3我们可知，长三角的三个省市中，上海在期间考虑了环境因素的全要素生产率值最高，并明显高于江苏省与浙江省。而江苏与浙江两省的考虑了环境因素的全要素生产率值比较相当，分别为1.0715、1.0752。从分解的因素来看，上海的技术进步增长率也处于最高，达到了14.76%，远高于江苏的技术进步增长率7.74%，以及浙江的技术进步增长率8.61%。另外，从效率改变值来看，江苏与浙江的效率改变值均为负值，分别为-4.3%、-9.0%，而上海在期间的效率改变值为0。由此可以说明，我国长三角地区在经济扩张过程中，存在着以牺牲环境和资源为代价。总体而言，在三个省市中，江苏、浙江的增长方式要比上海的增长方式相对粗放一些。（表3） 　　从时间上来看，如图1所示，2000～2010年间长三角各省市的全要素生产率变化有增有减，其中浙江省在这11年间的全要素生产率值变化相对平稳，而上海市的全要素生产率值的变化最显突兀。根据上海的全要素生产率变化趋势，我们可以非常容易地观察到在2000年、2005年左右，其全要素生产率曾一度达到高峰。在2000年，上海迎来全要素生产率的高增长，这主要由于其一系列的工业重点项目的完工。资料显示，1999年上海在此前三年竣工的工业技术项目投产情况也较为乐观，新增产值达到了189亿元、利税59亿元。由此可见，正是由于之前工业投资的成效，才导致了上海在2000年达到了全要素生产率的一个高峰。然而，继2000年之后，上海全要素生产率又逐渐下降，并在2003年左右达到了一个低谷，最后又在2005年左右重新回到高峰。导致其变化的原因，上海在“十五”的开局之年，开始了新一轮的工业投资，如将投资2，500亿元重点推进“1+3+9”工业园区的建设。而在“十五”的收尾之年，投资逐渐竣工，工业生产活动的效率得以逐渐提高。（图1） 　　另外，为了检验环境因素对于工业全要素生产率测算的影响，本文同时还计算了长三角地区在忽略了环境因素情形下全要素值及其分解，测算结果如表3所示。我们可知，在不考虑环境因素的情况下，2000年至2010年长三角地区的全要素生产率增长11.1%，技术效率为-2.4%，而技术进步为13.5%。就各省市而言，在忽略了环境因素的情况下，上海、江苏和浙江的工业全要素生产率均呈现出一定的提高。由此说明，长三角地区在促进经济增长的时候，也以牺牲了生态环境为代价。因此，环境因素会显著影响工业生产效率增长水平的测算，不考虑环境因素会高估工业生产率的增长。 　　五、结论 　　本文利用2000～2010年长三角省级工业面板数据，采用考虑了“坏”产出的Malmquist-Luengerber生产率指数，估算了上海、江苏、浙江的ML生产率指数及其分解，并与忽略环境因素影响下的工业全要素生产率进行比较。主要得出以下几点结论：首先，2000～2010年间，上海、江苏、浙江的环境全要素生产率分别为1.1476、1.0715、1.0752，可见上海的ML指数要略高于其余两省。并且就其分解因素，上海市的技术进步增长率以及效率改变值都要高于江苏和浙江。由此可见，江苏、浙江的增长方式要比上海的增长方式相对粗放一些；其次，本文还比较了忽略了环境因素的全要素生产率，即传统的全要素生产率。测算结果表明，在考虑了环境因素时，上海、江苏和浙江的工业全要素生产率都略有下降。由此说明，长三角地区在促进经济增长的时候，也以牺牲了生态环境为代价，环境因素会显著影响工业生产效率增长水平的测算，不考虑环境因素会高估工业生产率的增长。 　　综上，要想顺利实现《国家环境保护“十二五”规划纲要》提出的重要目标，实现经济“又好又快”的发展，即使作为我国工业经济较为发达的长三角地区，也还有很长一段路要走。政府应该着重加强环境规制方面的工作，促进经济增长方式由粗放型向集约型转变，实现经济“又好又快”的发展。 　　主要参考文献： 　　[1]许小雨.长三角全要素生产率的测算及影响因素分析[D].南京大学，2011. 　　[2]孙琳琳，任若恩.中国资本投入和全要素生产率的估算[J].世界经济，2005.12. 　　[3]郑京海，胡鞍钢.中国改革时期省级生产率增长变化的实证分析（1979～2001年）[J].经济学（季刊），2005.1. 　　[4]郭庆旺，贾俊雪.中国全要素生产率的估算：1979～2004[J].经济研究，2005.6.