区域差距与中国环境全要素生产率的关系分析
一、引言
改革开放以来，中国的区域经济差距经历了缩小—扩大一缩小的演进过程，20世纪80年代，落后地区农业生产率的提高对中国区域经济收敛的形成产生了更为重要的影响(董先安，2004)，20世纪90年代，中国市场化进程中劳动力市场扭曲导致的要素配置效率差异是这一时期区域差距扩大的深层原因(蔡昉、王德文等，2001)，十六届三中全会(2003)之后，中国的区域经济在统筹区域发展的背景下向高位趋同，这也是改革开放以来一系列经济发展战略和政策长期作用的结果(刘树成、张晓晶，2007)。国内外研究者对20世纪90年代中国区域差距的扩大给予了广泛关注，到21世纪初进入高峰期①(金相郁、武鹏，2011)。总体来说，相关研究主要集中在区域差距的演变趋势和影响因素，以及不同经济领域的区域差距等方面。中国区域差距的影响因素主要包括物质资本、人力资本等生产要素的积累和全要素生产率(TFP)②，有人认为要素投入差异是我国地区差距的主要决定因素(李国璋、周彩云，2010)，也有研究指出，全要素生产率差异才是我国地区差距的主要决定因素(彭国华，2005;李静、孟令杰等，2006;郭庆旺、赵志耘等，2005)。
现阶段，中国区域间工业发展差距是经济发展差距的主要原因，而全要素生产率在区域工业差距中扮演重要角色(曾先峰，2010)。传统的全要素生产率分析仅仅考虑劳动、资本等生产要素，没有考虑伴随工业发展的环境污染问题及其约束。近年来，随着人们对环境污染关注度的提高③，有些学者开始通过Malmquist-Luenberger指数④在中国区域生产率分析中纳入环境因素，不过，他们使用的是全社会(或工业)总投入和产出，只是加入了环境污染这一“坏”产出，所测算的并不是严格意义上的环境全要素生产率，只能称作考虑环境因素的市场全要素生产率。我们将两项“坏”产出COD和的去除量⑤作为“好”产出，并选用工业企业污染治理投入，基于DEA的Malmquist生产率指数来测度中国的环境全要素生产率，以弥补该指数无法测度“坏”产出的缺陷。
在现有文献中，分析中国区域差距和全要素生产率(含考虑环境因素的)的较多，而将两者结合起来，分析其相互影响的较少，仅李静(2009)、王俊能等(2010)、杨俊等(2010)分析了人均GRP和工业比重等因素对环境效率的影响，胡晓珍等(2011)将环境污染综合指数作为经济的非理想产出纳入非参数DEA—Malmquist指数模型，测度并分析了我国的绿色Malmquist指数对区域经济增长差距的影响及其时间演化趋势，王兵(2010)全面分析了中国环境效率、环境全要素生产率及其成分，并对影响环境效率和环境全要素生产率增长的因素进行了实证研究。他们的研究结论各异，并不都支持王兵(2008)在分析APEC 17个国家和地区时得出的结论，即人均GDP和生产率指数之间具有倒“U”型关系。那么，我国的环境全要素生产率和人均GRP、工业比重之间相互关系如何，是否存在倒“U”型关系，这种关系对区域差距和环境污染问题又有什么影响和启示?这将是本文研究的重点。
本文下面的安排是：第二部分介绍研究方法以及数据处理，第三部分对测算的环境全要素生产率进行实证分析和检验，第四部分是主要结论和政策含义。
二、研究方法与数据
(一)环境全要素生产率测度方法
相关研究对全要素生产率测度方法的介绍差别较大，对其分类也持不同意见⑥，Fare等(1994)构建的基于DEA的Malmquist指数法属于非参数前沿生产函数法⑦，在实证研究中为学者们普遍采用。该方法具有以下优点：第一，在计算过程中相当于对数据进行了一阶差分，消除了各地区同方向的变化，弱化了数据质量对测算结果的影响，同时，不需要价格资料，避免了价格信息不对称所引起的问题;第二，不需要设定生产函数，也不需要成本最小化和利润最大化的条件，避免了研究者的主观判断对实证结果的影响;第三，可以利用多数投入与产出变量，也可以实现有关全要素生产率的各种分解，使得结果更加丰富。
上式即为Malmquist生产率指数，记为TFP，它度量了决策单元从t期到t+1期整体生产率的变化程度。第一项EFFCH代表了技术效率的改变，若EFFCH>1，则决策单元更靠近生产可能性边界，相对技术效率提高，EFFCH又可进一步分解为纯技术效率指数PECH和规模效率指数SECH的乘积。第二项TECHCH代表了技术水平的改变，说明生产可能性边界的移动，若TECHCH>1，则生产技术出现创新和进步。
(二)样本及数据说明
在政治高度集中、经济地方分权的体制下，中国的区域经济基本上体现为行政区经济，由于数据限制，大部分区域差距和全要素生产率研究都以省级行政单位作为分析对象，本文选取中国大陆28个省(自治区、直辖市)1992-2009年的汇总工业企业数据来进行分析⑩，计算环境全要素生产率的投入产出指标及其数据处理如下：
1.投入指标。劳动投入选用工业企业专职环保人员数，该项数据和其他投入产出原始数据均来自历年《中国环境统计年鉴》，资本投入为工业污染治理资本存量，按以下方法得到：首先，根据全国的固定资产投资价格指数，将工业污染治理项目本年完成投资合计按1991年不变价折算，再按张军(2004)的做法，将基年1992年的数据除以10%作为该省市的初始资本存量(11)，然后，参照万东华(2009)，取固定资产折旧率为7.3%，最后根据永续盘存法计算得到各省市历年的工业污染治理资本存量。
2.产出指标。如前所述，相关研究基本上都以GRP和工业增加值等指标作为“好”产出，以COD和排放量等工业污染指标作为“坏”产出，通过M—L指数来测算中国的环境全要素生产率，我们尝试把工业废水中COD和工业去除量作为产出，采用Malmquist指数方法计算，以更加直观地反映环境投入产出效益。为了消除人口密度或城市化水平差异的影响，我们将以上投入产出数据除以各省市历年的年底总人口数，得到人均数(12)。
三、实证分析与检验
利用第二部分介绍的研究方法和数据，我们通过DEAP2.1软件测算了环境全要素生产率，按照不同区域划分方法进行归类比较，并分析环境全要素生产率的影响因素，从不同侧面反映区域经济发展差距对环境全要素生产率的影响。
(一)环境全要素生产率及其动态变化
现有涉及区域的研究大部分都将中国分为东、中、西三大经济区进行对比，
这种纵向经济区划割裂了生态位势较低而经济位势较高的东部地区与生态位势较高而经济位势较低的西部地区的互补互利关系，将生态环境贡献区和生态环境受益区隔离开来，在区域利益分配机制上存在着重大缺陷，相应地也带来了日益严重的环境问题(孙红玲，2008)。我们按照孙红玲(2005)，把中国分为泛珠三角、泛长三角和大环渤海“三大块”，然后将各省市历年的环境全要素生产率按纵向“三大部”和横向“三大块”(13)分别进行归类，求其均值和变异系数以进行比较。
从表1可以看出，全国各省市1992-2009环境全要素生产率平均增长率为15.3%，“三大部”中的最大值18.1%(中部)比最小值12.8%(西部)高5.3个百分点，而“三大块”中的最大值17.2%(大环渤海)与最小值13.9%(泛珠三角)仅相差3.3个百分点，在环境全要素生产率平均增长率这一指标上，横向“三大块”的区划也符合孙红玲(2008)的研究结论，即相比纵向“三大部”，其各经济区处于相对均衡的发展状态，所分担的生态环境建设责任也基本相当。1995-1996年，全国各省市的环境全要素生产率增长率平均达到60%，其中“三大部”中的中部为64.5%，“三大块”中的泛珠三角为79.8%，对全国均值的贡献较大，并且在1995年前后，全国增长率的平均值较大。在2005-2006年，全国平均出现了3.6%的负增长，其中“三大部”中的西部平均负增长13.6%，“三大块”中的泛长三角平均负增长29%，对全国平均值的向下拉动作用较强。除了这几个年度之外，其他年份保持10%-20%左右的平均增长率，波动不大。
表2中最后一行是全国各省市和各经济区历年环境全要素生产率均值的变异系数(14)，而不是各列的平均值，数据显示，全国各省市历年均值的差距并不大，变异系数仅为0.06，而纵向“三大部”之间和横向“三大块”之间的差异更小，分别为0.02和0.01，不过纵向间差距还是大于横向间差距，纵向“三大部”中，中部各省市历年均值的差距最大，横向“三大块”中，泛珠三角差距最大。第一列是全国各省市历年环境全要素生产率的变异系数，虽有波动，整体上差距在缩小，第二、三列是两类区划中各大经济区历年均值的变异系数，后续各列是各经济区内各省市历年的变异系数，可以明显地看出，无论哪种区划，一级经济区之间的差距远远小于全国各省市之间，以及各大经济区“俱乐部”内各省市之间的差距，而横向经济区之间的差距在大部分年份小于纵向经济区之间的差距，特别是“十一五”以来。
为了和相关研究进行对比，我们在表3中列出各省市年度平均环境全要素生产率及其分解，可以看出，1992-2009年增长率先逐年提高，到1995-1996年达到1.517，后在波动中趋于下降，“十一五”期间又开始逐年提高。各省市历年平均环境全要素生产率平均增长率为9.1%，综合技术效率平均增长6.3%，技术进步指数平均增长2.6%，可见，综合技术效率的贡献更大，其中纯技术效率平均增长4.5%，规模效率平均增长1.8%，这说明环境全要素生产率的增长主要依靠纯技术效率的提高，各省市向生产可能性边界靠近，相对技术效率提高，但中国的工业企业规模依然较小，对其贡献度不够(15)。同时，技术进步指数增长率较小，生产可能性边界的移动幅度不大，环境保护技术创新力度不够，这与陈诗一(2010)的结论不同，但是，“十一五”以来，技术进步指数增长率逐年上升，和环境全要素生产率增长率保持相同变动趋势，而其他几个指数则逐年下降，说明近年技术进步的贡献份额在提高，而其他指数的则相应下降。
(二)环境全要素生产率影响因素分析
参考现有研究中全要素生产率影响因素的选择(16)，并限于数据的可得性，我们选取以下指标进行分析：(1)经济发展水平。用1991年不变价人均GRP的对数来表示，同时，回归方程中还考虑人均GRP对数的平方项，来检验环境全要素生产率和人均GRP之间可能存在的二次曲线关系。为了便于回归结果的解释，我们将生产率也相应取对数(17);(2)外贸依存度。用按经营单位所在地分进出口总额占GRP比重(DDFT)来表示，进出口总额数据需用人民币基准汇价年度平均值转化为人民币，再将其按1991年不变价进行折算。(3)经济结构。用1991年不变价工业增加值占GRP比重(IAV)来表示。考虑到工业增加值比重和人均GRP之间可能存在着交互效应(interaction effect)，我们在方程中添加两者的交互项进行检验(18)。(4)区域因素。用人口密度的对数(LNDP)表示，人口密度为年底总人口数与面积的比(19)。我们利用面板数据回归以下方程：
这说明人均GRP和生产率指数之间具有倒“U”型关系，而对综合技术效率和技术进步指数的回归也证实这种关系，并且前者的统计显著性更高，整体贡献更大，这和前文的分析保持一致。这种倒“U”型关系和环境库兹涅茨曲线并不矛盾，转折点上环境污染程度最高，但环境污染治理效率增长率也最高。这里人均GRP的转折点为3019.36，除安徽、广西、贵州、云南和甘肃以外，其他23个省市均已越过转折点进入环境全要素生产率增长率下降的右半段，这意味着环境监管和治理的机会成本将使中国的节能减排任务更加艰巨(袁鹏、程施，2011)，也意味着区域差距的缩小可以带来生产率增长差距的缩小，这是因为越靠近生产边界，地区生产率增长越低，因此出现了后者对前者的追赶(Lall et al., 2002)，近年来我国区域差距和生产率增长率差距的共同变动趋势是很好的例证。这种倒“U”型关系和王兵(2008)对APEC国家的研究结论一致，与Yoruk和Zaim(2005)关于OECD国家U型关系的结论相反，这可能是因为我国各省市之间、APEC各成员之间初始经济发展水平的差距都较大，在样本期内大部分成员经历了生产率由递增向递减的转折，而OECD各成员的发展水平更加接近。
工业比重的系数为-4.5385，它度量了人均GRP为0时工业比重对环境全要素生产率的偏效应，而这是没有意义的。考虑到人均GRP和工业比重的交互效应，我们在人均GRP的均值处求得工业比重对环境全要素生产率的偏效应β=+8.066039=-0.5224，可见仍然为负值，工业化程度的提高导致环境
全要素生产率增长率的下降，但负向影响没有之前那么大，综合技术效率和技术进步指数的情况类似，同样是前者与环境全要素生产率的结果更接近。很多研究也证实了这种负向影响(李静、饶梅先，2011;胡玉莹，2010)，但他们都没有考虑上述交互效应，使回归结果有很大偏误。我们的结果表明，当前我国工业发展虽然还没有走出以资源消耗、环境污染为代价的粗放模式，但近年来我国经济结构调整和环境全要素生产率的提升具有一致性，同时，区域差距缩小，后发地区经济发展水平提高导致的环境管制，也在一定程度上抵消了工业比重提高对环境全要素生产率的负面影响，这符合环境库兹涅茨曲线的环境偏好论以及涂正革(2008)的结论。另外，外贸依度对环境全要素生产率有显著正向影响，这支持了“污染天堂”假说(王兵，2010)，人口密度代表的区域因素也对其有显著正向促进作用，这和一些研究使用地区虚拟变量得出的结论保持一致。 四、主要结论和政策含义
我们通过基于DEA的Malmquist生产率指数得到了中国的环境全要素生产率及其分解，发现环境全要素生产率的增长主要依靠纯技术效率的提高，各省市最大限度地向生产可能性边界靠近，纯技术效率继续提升的空间已经不大，规模效率增长率较低，对环境全要素生产率的贡献度不够。技术进步指数增长率相对较小，生产可能性边界的移动幅度不大，环境保护技术创新力度不够，但是，“十一五”以来，技术进步指数增长率对环境全要素生产率增长的贡献份额在提高，其他指数则相应下降。所以，中国需要转变经济发展方式，依靠技术创新和进步，以及品牌企业规模效应的培育来促进环境全要素生产率增长，使其逐步在经济发展和区域差距缩小中起主导作用。我国“十一五”以来的实践及其成效也说明了这一发展路径的合理性。
我们将各省市历年的环境全要素生产率按照纵向“三大部”和横向“三大块”进行归类比较，发现纵向“三大部”中平均增长率最高的是中部(18.1%)，横向“三大块”中最高的是大环渤海(17.2%)，“三大部”中，中部各省市历年均值的差距最大，“三大块”中泛珠三角差距最大，总体上纵向间差距还是大于横向间差距。可见，从环境全要素生产率的角度来看，相比纵向“三大部”，横向“三大块”各经济区处于相对均衡的发展状态，所分担的生态环境建设责任也基本相当。目前，以纵向区域划分为载体的区域发展总体战略及其配套规划和政策在执行时遇到一系列体制机制障碍和问题，所以，横向经济区划及其协调互动发展战略、财政横向分配等制度基础的设计为区域差距问题和生态环境问题的解决提供了一个很好的思路，对产业转移、生态补偿和主体功能区的最终形成等也有一定的启示。
对环境全要素生产率影响因素的回归结果显示，人均GRP和生产率指数之间具有倒“U”型关系，这种倒“U”型关系和环境库兹涅茨曲线并不矛盾，转折点上环境污染程度最高，但环境污染治理效率增长率也最高。除安徽、广西、贵州、云南和甘肃以外，在样本期内大部分省市经历了生产率由递增向递减的转折，这意味着环境监管和治理的机会成本将使中国的节能减排任务更加艰巨，而环境保护的投入产出弹性较小(李胜文、李新春，2010)，区域差距的缩小带来了生产率增长差距的缩小。工业化程度的提高导致环境全要素生产率增长率的下降，而外贸依存度对其有正向影响，中国的“世界工厂”依然没有走出以资源消耗、环境污染为代价的粗放增长模式，但负向影响没有相关研究中的那么大，后发地区经济发展水平提高带来的政府环境管制力度加强，以及居民环境偏好的提升部分抵消了其负向影响。根据王兵(2008)对APEC的研究，工业份额与生产率指数之间具有U型关系，我们对中国28个省市的回归证实了这一点。
在中国区域经济向高位趋同的背景下，经济发展水平和环境全要素生产率之间的倒“U”型关系能否转向为N型曲线关系(20)，即进入生产率随经济水平的提高而递增的阶段?各省市工业增加值比重继续提升的空间已不大，新型工业化道路对未来的生产率增长会有什么影响?同时，外贸依存度和人口密度对环境全要素生产率有显著正向影响，那么本地市场效应和价格指数效应等新经济地理因素在环境全要素生产率和区域差距中又扮演着什么角色?这些都值得进一步研究。
注释：
①见金相郁，武鹏(2010)的整理。
②这两项因素被新古典经济增长理论视为经济增长的源泉，也被广泛用来解释区域经济发展差距。
③据《2007年全国公众环境意识调查报告》显示，公众对环境污染的关注度高居第四位，仅次于医疗、就业和收入差距问题。
④Tornqvist指数、Fischer指数和Malmquist指数等传统测度方法仅考虑“好”产出，M-L指数同时考虑“好”产出的增加和“坏”产出的减少。
⑤《中华人民共和国国民经济和社会发展第十二个五年规划纲要》将COD和作为主要污染物进行控制，要求“十二五”期间工业废水中COD排放量和工业排放量分别减少8%，相关研究也通常将两者作为“坏”产出。
⑥郭庆旺等(2005)将TFP测度方法分为2类：增长会计法和经济计量法;傅勇等(2009)分为3类：增长核算法、时间参数法和前沿生产函数法;章祥荪等(2008)则将其分为4类：增长核算法、生产函数法、随机前沿分析法，以及数据包络分析法(Malmquist指数法);Coelli等(2005)将其分为4类：代数指数法、增长核算法(索洛余值法)、随机前沿生产函数法(SFA)和数据包络分析法(DEA)，段文斌等(2009)的分类类似。
⑦还有参数前沿生产函数法，其又可以分为确定性前沿和随机性前沿。
⑧见章祥荪，贵斌威.中国全要素生产率分析：Malmquist指数法评述与应用[J].数量经济技术经济研究，2008, (6).
⑨Lovell将构成CRS生产可能集的前沿技术称为基准技术，即为了计算TFP而定义的参照技术，将构成VRS生产可能集的前沿技术称为最佳实践技术，即现实中存在的前沿技术。
⑩以下简称28个省市。中国大陆31个省级行政单位中，西藏的统计数据缺失严重，青海2001-2006年的工业去除量数据缺失，重庆纳入四川，所以本文考虑28个省市。《中国环境年鉴》从1990年开始
编制，但1992年之后才比较规范完备，故本文的样本区间为1992-2009。年鉴中各项统计指标以汇总工业企业为主，而工业也是环境的主要污染源，本文计算环境全要素生产率的投入产出数据均是各省市历年的汇总工业企业数据。
(11)实际上，如果参照一些研究中的做法，假设基年的工业污染治理项目本年完成投资合计与基年固定资产投资合计的比，等于基年工业污染治理资本存量与基年社会资本存量的比，便可以根据统计年鉴中的投资数据和一些学者估算的社会资本存量数据得到基年工业污染治理资本存量，根据比较，数据相差不大，而只要口径一致，基年的工业污染治理资本存量数据并不是太重要，任何一种合理假设都是可取的。
(12)其中劳动力数据为工业企业专职环保人员数占总人口的比重。
(13)东部11个省市，中部8个省市，西部12个省市的“三大部”经济区划较为常见;“三大块”中的泛珠三角包括粤、闽、琼、湘、鄂、赣、桂、渝、云、贵、川、藏12个省市，泛长三角包括沪、苏、浙、皖、豫、陕、甘、宁、青、疆10个省市，大环渤海包括京、津、辽、鲁、冀、晋、吉、黑、蒙9个省市，详见孙红玲的系列文章，当然，其合理性尚待检验。如前文所述，本文仅考虑28个省市，故文中各相应经济区不包括渝、藏和青。我国当前区域发展总体战略的东、中、西和东北的区划中，东北所占份额太少，和横向三分不具有可比性，本文不采用。
(14)反映绝对差距的极差、极均差、平均差和标准差等指标，以及反映相对差距的极值比率、极均值比率、平均差系数、变异系数、基尼系数和泰尔指数等指标，都曾用来研究我国的区域差距，也有一些学者用收敛假说来进行实证分析，其中变异系数是最常用的指标，见金相郁，武鹏(2010)的整理。
(15)根据前文介绍，环境全要素生产率(TFP)=综合技术效率(EFFCH)×技术进步指数(TECHCH)，其中，综合技术效率(EFFCH)=纯技术效率(PECH)×规模效率(SECH)。
(16)Loko&Diouf(2009)对决定全要素生产率增长的因素进行了详细的探讨。另见王兵(2008, 2010)，李静(2009)，王俊能等(2010)，杨俊等(2010)等的研究。
(17)实际上，回归结果显示，取对数后各解释变量的显著性也大大提高。
(18)因为回归方程中含有人均GRP对数的平方项，为了在LNGRPPC和IAV均值水平下得到人均GRP对环境全要素生产率的影响，我们在回归时用(LNGRPPC-8. 066039)2代替LNGRPPC2，用LNGRPPC·(IAV-0.6111936)代替LNGRPPC·IAV，这样，LNGRPPC的系数就变成了在均值水平上的偏效应。其中，8.066039和0.6111936分别是LNGRPPC和IAV的均值。
(19)除人均GRP来自国家统计局数据库外，以上原始数据均来自中经网统计数据库。
(20)实际上，我们在回归时加入人均GRP对数的三次方来检验N型曲线关系，结果出现了完全共线性，未通过检验。
使用微信“扫一扫”功能添加“谷腾环保网”
