统计与决策2021年第3期·总第567期
摘要：文章以提高工业行业绿全要素生产率（GTFP ）为发展目标，利用随机前沿分析（SFA ）和马尔科夫 链（Markov chain ）方法对36个工业行业2000—2016年GTFP 动态演变特征及收敛趋势进行评价，进而利用动态面板模型展开关键因素研究。结果表明：各行业GTFP 总体表现为不断放缓的增长趋势，其中低耗能行业增长率最高，其次是中、高耗能行业；工业GTFP 存在显著的自我锁定效应，高耗能行业锁定效应最强，中耗能行业接近行业平均水平，而低耗能行业跃迁概率最高。资源禀赋、技术进步和能源结构是造成不同能耗部门GTFP 变化和异质性的主要原因。 关键词：绿全要素生产率；随机前沿分析；马尔科夫链；系统矩估计中图分类号：F426文献标识码：A 文章编号：1002-6487（2021）03-0117-04
中国工业绿全要素生产率动态演变特征及驱动因素研究
崔和瑞，王浩然，赵巧芝
（华北电力大学（保定）经济管理系，河北保定071003）
基金项目：中央高校基本科研业务费专项资金资助项目（9160618009）；河北省科技厅创新能力提升计划项目（18456214D ）
作者简介：崔和瑞（1967—），男，河北保定人，博士，教授，研究方向：区域经济、低碳经济系统建模。
王浩然（1993—），女，河北邢台人，硕士，研究方向：区域碳排放、产业经济学。
引言
改革开放以来，中国工业经济发展取得显著成效，工业生产总量跃居世界第一，对宏观经济增长发挥了关键支撑作用。随着中国经济逐步转入高质量发展阶段，更加注重绿和可持续发展问题，如何继续发挥工业部门对经济高质量发展的支撑作用，已经成为中国工业结构调整和创新发展的重要研究课题。2010年以来工业部门对经济增长的贡献处于不断下降的趋势，2016年其贡献率为33.5%，但其能源消耗总量占全社会消耗总量的2/3左右，二氧化碳排放量更是高达87%，工业行业发展的节能问题及低碳转型已成为制约中国可持续发展的重要瓶颈。十九大报告明确指出提高全要素生产率，在此背景下提升工业绿
全要素生产率是实现经济高质量增长的重要“引擎”[1，2]
。
同
时，不同行业间由于能源结构、资源禀赋、技术创新等方面存在着明显差异，因此工业部门在提升绿全要素生产率的过程中，行业异质性需作为重要因素进行考虑，
并采取差异化的工业发展对策[3，4]
。因此，本文在已有研
究的基础上，从工业行业绿全要素生产率视角出发，研究工业行业的差异化演进特征，发现影响工业绿全要素生产率变化和异质性的关键驱动因素，识别工业行业GTFP 发展存在差距的关键原因，全面理清工业行业经济发展差距的形成机制与演变脉络，为工业经济绿低碳转型提出具体可行的科学对策，为加快其高质量发展提供参考。
1
工业行业绿全要素生产率的测算1.1
约翰纳什测度方法选择
本文采用SFA 评估各工业部门生产绩效，并结合广义
马姆奎斯特指数方法得到绿全要素生产率变动结果。本文生产函数设定为超越对数形式，依据选取变量构建模型（1）和模型（2）：
ln Y =β0+β1ln K +β2ln L +β3ln E +β4ln C +β5t +0.5β6(ln K )2+0.5β7(ln L )2+0.5β8(ln E )2+0.5β9(ln C )2+0.5β10t 2+β11(ln K ×ln L )+β12(ln K ×ln E )+β13(ln K ×ln C )+β14(ln L ×ln E )+β15(ln L ×ln C )+β16(ln E ×ln C )+β17(t ×ln K )+β18(t ×ln L )+β19(t ×ln E )+β20(t ×ln C )+v it -u it
（1）u it ={u i exp[η(T -t )]} iidN (μ δ2
u )
（2）
其中，Y 为工业增加值，L 为劳动投入，K 为资本投入，
E 为能源投入总量，C 为二氧化碳排放量。式（1）中β为待估参数，v it 与u it 相互独立，v it 为随机误差项，假定其服从独立同分布N(0，δ2v )。式（2）中u it 服从截断正态分布，T 为基准年，η为模型待估计参数。
广义马姆奎斯特指数以Trans-log 距离函数为基础框架展开，将相邻两个时期的广义马姆奎斯特指数参数分解为四部分：生产效率变化（TEC ）、技术效率变化（TC ）、规模
效率变化（SEC ）和产出组合效应（OME ）。Orea （2002）
[5]
在考虑规模经济对生产率贡献的基础上，对该方法进行完善，弥补生产前沿面规模报酬不变的缺陷。GTFP 的具体计算过程如式（3）和式（4）所示：
GTFP t t +1
i
=TEC t t +1
i
´TC t t +1
i
´SEC t t +1
i
´OME t t +1
i
（3）
经济实证
DOI:10.13546/jki.tjyjc.2021.03.025
117
统计与决策2021年第3期·总第567期
ìíî
ïïïïïïïïTEC t t +1i =TE i t +1/TE i t TC t t +1i =exp ìíîüýþ12éëêùûú¶ln Y i t ¶t +¶ln Y i t +1¶(t +1)SEC t t +1i =exp {
}
12ån =1N []
εni t SF i t +εni t +1SF i t +1ln(X ni t +1/X ni t )（4）其中，TE i t =exp(-u i t )、εni t =¶ln Y i t /¶ln X ni t 、SF i t =(εi t -1)/εi t ，由于只有一个产出要素，因此OME 的值为1。1.2
数据处理及说明
本文以工业两位数行业2000—2016年的面板数据为样本展开GTFP 相关研究，对于数据的处理参考陈诗一
（2011）
[6]
伦敦证券交易所的研究成果，将国有及规模以上工业行业划分为36个行业。在GTFP 测算中，SFA 模型选取的变量：
Y 采用工业分行业增加值来衡量，并将变量统一折算至2000年物价水平下。L 采用行业年均从业人员数来衡量。K 采用永续盘存法计算得到，如式（5）所示。E 为能源消耗总量，
C 变量选取了煤炭、焦炭、原油、汽油、煤油、柴油、燃料油和天然气这8种主要能源进行测算，式（6）中，SC 为标准煤折算系数，CF 为碳排放系数，具体折算系数参考IPCC 碳排放计算指南。上述指标所需数据均来自《中国劳动统计年鉴》《中国统计年鉴》和《中国能源统计年鉴》。
K it =(1-δ)K i ，t -1+I it
（5）C =åm =18C m =åm =18E m ´SC m ´CF m ´4412
（6）
1.3GTFP 参数估计结果及分析
利用Stata13.1软件对面板生产函数模型参数进行最大似然估计，并结合式（3）和式（4），得到2000—2016年36个工业部门GTFP 均值，具体数值见表1。依据各部门2000—2016年平均化石能源消耗量，把36个行业分成三种类型，分别是高耗能组（H1—H12）、中耗能组（M1—M12）和低耗能组（L1—L12），每组12个行业。
表12000—2016年工业行业平均GTFP 水平行业编号H1H2H3H4H5H6H7H8H9H10H11H12均值
GTFP 1.07871.05991.07881.07111.07841.01811.06181.07441.05211.06081.07971.04861.0635
行业编号M1M2M3M4M5M6M7M8M9M10M11M12均值
GTFP 1.05201.05011.07481.09181.07151.07191.05811.04731.07721.09561.07941.03231.0668
行业编号L1L2L3L4L5L6L7L8L9L10L11L12均值
GTFP 1.02661.02421.15811.14471.16411.04681.19801.11051.22531.07251.19850.98971.1132
由表1可以发现：36个工业部门的GTFP 增长率均值为正值，表明在研究期内呈现出不断上升的趋势。高耗能行业的GTFP 增长率最低，其次为中耗能行业和低耗能行业。对不同能耗类型行业的内部进行分析发现：高耗能行业内GTFP 增长率最高的为H11，其属于装备制造业，有较多的研发资源投入；增长率最低的为H12，其对化石能源
依赖程度较高。中耗能行业内M10的GTFP 增长率最高，其属于高端制造业，工业附加值较高，M12的增长率最低，属于能源产业，在发展中受到资源紧缺和环境污染的约束。低耗能行业内GTFP 增长率变化范围广，发展不均衡现象显著。从分行业角度来看，技术密集、能源依赖度低和竞争性较强的行业GTFP 增长速度较快，而能源投入型和垄断性行业的增长速度较为缓慢。2基于Markov 链的工业部门GTFP 动态收敛特征2.1
Markov 链方法
马尔科夫链方法通过构建状态转移矩阵来发现不同状态之间转换的主要特征，并预测未来的收敛趋势[7]。变量{X （t ）
}t ÎT 满足式（7），i 、j 表示不同状态，将其表现划分为m 种状态。
P {X （t ）=|j X （t -1）=i ... X （0）=}i 0=P {X （t ）=|j X （t -1）=}
i （7）
P 表示从状态i 转移至状态j 的概率，
所有P ij 构成状态概率转移矩阵：
P =(p ij )m *m =éëêêù
û
úúp 11 p 1m p
m 1 p mm （8）
P ij 通过极大似然估计法进行估计，其计算公式为P ij =n ij /n i ，其中n ij 为状态i 向状态j 转换的频数，n i 为处于状态i 的总频数。假定F t 为t 时期X 的分布状态，
t +1期分布状态为F t +1=F t *P 。当经过s 期以后，其分布向量变为：F t +s =F t *P s ，F t 保持不变时，称为稳态分布。2.2
工业GTFP 动态演化轨迹测度
首先，采用四分数分类方法将工业行业在2000—2016年的绿全要素生产率变动指数划分为四种状态：状态I 低水平类型、状态II 中低水平类型、状态III 中高水平类型、状态IV 高水平类型。其次，本文分别对全行业部门高、中、低耗能三种类型的状态转移概率矩阵进行估计。
由下页表2可知，工业全行业存在显著的自我锁定效应。若发生状态转移，某一类型变量向相邻状态转移的概率较高。工业GTFP 的增长是一个长期过程，短期内难以实现跨越性发展，各行业的跃迁效应较弱。高耗能行业相比全行业有更强的自我锁定效应，但该行业的发展不具有跳跃性，进一步强化了自我锁定效应。中耗能行业的锁定效应略低于全行业水平，跨等级发展趋势与全行业相近。低耗能行业自我锁定效应低于全行业水平，但是状态转移的概率较高，同时跨等级发展的概率高于全行业水平，这证实了低耗能行业GTFP 差距较大。2.3
工业GTFP 收敛趋势
下页表3为全行业和高、中、低耗能行业初始分布以及稳态分布情况。从全行业角度，将稳态分布与
初始分布进行比较，第I、IV 类型的概率降低，第II、III 类型的概率上升。低水平和高水平行业发展不具有稳定性，中低水平和
118
中高水平行业更具稳定性。虽然未来工业行业GTFP收敛于低和中低水平，但各类型仍旧会长期存在，且低水平的GTFP有提升的趋势。
从分行业角度：高耗能行业的初始分布只有第I、II类型存在。在稳态状态下，高耗能行业的GTFP总体呈现出向低和中低水平收敛的趋势。另外，工业行业整体收敛于低和中低水平的主要贡献者是高耗能行业，未来工业部门的绿高效发展需重点关注该行业。从整体来看，中耗能行业的演化路径以及收敛趋势与全行业整体水平较为相近。未来低耗能行业的GTFP分布于低和高水平的概率最高，但另外两种状态也仍旧存在且概率较高。
3影响工业GTFP演变的驱动因素
通过影响因素分析进一步对造成不同耗能组异质性的原因进行考察。考虑到GTFP增长率的滞后项影响，本文将构建动态面板计量模型。
3.1解释变量的选取和模型的设定
研发投入（RD）采用工业企业研究与试验发展经费内部支出比主营业务收入来衡量。人力资本（HC）变量运用工业企业研究与试验发展人员与行业从业人员的比值来反映。资源配置（RA）指标采用资本-劳动比来衡量。能源结构（ES）采用煤炭消费量与能源消费总量的比值衡量。环境规制（ER）采用工业废水、废气治理运行费用与主营业务收入的比值来反映，并且该指标滞后一期。外商直接投资（FDI）采用工业企业外商资本金与实收资本的比值来衡量。
以上变量所需数据来自《中国统计年鉴》《中国能源统计年鉴》《中国科技统计年鉴》《中国环境统计年鉴》以及国家统计局。本文构建动态面板模型如下：
GTFP
it
=α
+α
1
GTFP
it-1
+α
3
ln RD
it
+α
4
ln HC
it
+α
5
ln RA
it
+α
6
ln ES
it
+α
7
ln ER
it-1
+α
8
ln FDI
it
+ε
it
（9）3.2面板单位根检验与协整检验
首先，对面板数据进行单位根检验。LLC检验和IPS 检验的原假设均为变量存在单位根。全行业和高、中、低耗能行业面板数据的变量原序列和一阶差分序列检验结果显示，所有模型原序列有变量未通过显著性检验，但是所有变量的一阶差分在1%的置信水平下显著，均一阶单整，因此可以进行回归估计。其次，对变量采取协整检验。结果显示，四个模型的Kao检验均通过1%的显著性水平检验，拒绝“模型变量间不具有协整关系”的原假设，由此可知四个模型变量间存在协整关系。
3.3模型设定检验
对模型进行回归估计之前，采取F检验、Hausman检验和R2对模型形式设定进行检验。由表4可知，四个模型的F检验均在1%的置信水平下通过显著性检验，拒绝“模型中不同个体的截距相同”的原假设，选择变截距模型进行估计。全行业以及高、中、低耗能行业的Hausman检验均通过显著性检验，拒绝“个体效应与回归变量不具有相关关系”的原假设，因此选择固定效应模型进行估计。模型拟合程度的R2检验显示：全行业的个体固定效应R2大于时间固定效应下的R2，高耗能、中耗能和低耗能行业的个体固定效应R2小于时间固定效应下的R2，但是四种模型个体和时间固定效应的R2均小于双向固定效应下的R2。综上可知，本文中四个模型均选择双向固定效应模型进行参数估计更加理想。
表4面板数据模型设定形式检验
全行业
高耗能行业
中耗能行业
低耗能行业
F检验
30.23***
266.09***
41.39***
7.87***
Hausman
检验
47.01***
14.00**
14.00**
14.00**
R2
(个体固定)
0.35
0.90
0.65
0.36
R2
(时间固定)
0.33
0.92
0.72
0.39
R2
(双向固定)
0.40
0.94
0.75
0.45
注：*、**、***分别表示10%、5%、1%的显著性水平。下同。
3.4回归结果分析
本文采用系统GMM方法对全行业以及不同耗能行业的模型进行参数估计，具体结果如下页表5所示。
全行业和中、低耗能行业的研发投入系数显著为负，而高耗能行业的系数显著为正，工业行业整体的研发投入产生负向作用的主要原因来自中、低耗能行业。高耗能行业能源依赖度较高，生产技术有较大的提升空间，研发投入增加促进绿技术进步。人力资本变量在全行业和中、低耗能行业的系数显著为正，但是在高耗能行业系数显著为负，可见高耗能行业更需要面向生产的技术创新，而不仅仅是大量人力投入。资源配置变量在高耗能行业产生
表2全行业与高、中、低耗能行业GTFP的转移概率矩阵
类型
全行业高耗能行业中耗能行业低耗能行业状态
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
0.7460
0.2336
0.0780
0.0588
0.8750
0.2373
0.0000
0.0000
0.6842
0.2353
0.0943
0.0263
0.7143
0.2222
0.1875
自己的花是让别人看的教学设计0.1077
II
0.1825
0.5547
0.2837
0.0368
0.1250
0.7119
0.2500
0.0000
0.2632
0.5098
0.3585
0.0000
0.1607
0.2963
0.2188
0.0769
III
0.0317
0.1679
0.5319
0.2721
0.0000
0.0508
0.6786
0.3636
0.0263
0.2353
0.5094
0.3684
0.0536
0.2963
0.3125
0.1692
IV
0.0397
0.0438
0.1064
0.6324
0.0000
0.0000
0.0714
0.6364
0.0263
0.0196
0.0377
0.6053
0.0714
0.1852
0.2813
0.6462
表3全行业与高、中、低耗能行业GTFP的初始和稳态分布
类型
全行业高耗能行业中耗能行业低耗能行业状态分布
初始分布
稳态分布
初始分布
稳态分布
初始分布
稳态分布
初始分布
稳态分布
I
0.5278
0.3645
0.8333
0.6042
0.5000
0.3423
0.3333
0.4179
II
0.1944
0.2931
0.1667
0.3183
0.3333
0.3572
0.0833
0.1967
III
0.0833
细胞自噬0.2080
0.0000
0.0647
0.0833
0.2372
0.2500
0.2032
IV
0.1944
0.1344
0.0000
0.0127
0.0833
0.0632
0.5000
0.3488
119
统计与决策2021年第3期·总第567期
显著负向效应，在其他模型中影响不显著，说明我国工业高耗能行业的资本扩张存在工业重型化趋势，增加了生态环境压力。能源结构变量仅在高耗能行业通过10%的显著性检验，虽然工业行业整体的能源结构变量的作用不显著，但仍旧存在负向作用，是未来该行业激发节能减排潜力的重要因素。环境规制在各行业的系数均为负数，未产生正向效应的原因可能是环境规制产生的环境效益与工业污染治理成本相互抵消，但行业整体作用显著，行业间竞争、合作等关系有助于生产效率提升。FDI系数在不同能耗行业中显著，在全行业并不显著，外商可能促进部分行业技术进步，但同时也向我国转移高污染产业，从工业整体角度来看，该变量的作用并不显著。
4结论
本文利用SFA方法和广义马姆奎斯特指数分解思路针对工业行业36个部门的GTFP进行测度，展开演进特征及驱动因素分析，主要结论如下：
第一，研究期内中国工业行业GTFP增长率为正，整体呈现出不断上升的趋势，不同能耗行业增长率不同，其中高耗能行业增长率最低，为6.35%，其次为中耗能行业的6.68%，低耗能行业最高，为11.31%。Markov链研究结果显示，工业行业GTFP存在显著的自我锁定效应，工业行业整体呈现出向低水平和中低水平收敛的趋势。第二，以GTFP 为解释变量，采用系统矩估计方法对全行业、高耗能行业、中耗能行业和低耗能行业构建动态面板模型进行参数估计的结果表明，不同影响因素对不同能耗行业的GTFP产生显著异质性作用，其中，资源禀赋、技术进步和能源结构是造成不同能耗部门GTFP变化和异质性的主要原因。
参考文献：
[1]Wang R.Energy Efficiency in China's Industry Sectors:A Non-para⁃metric Production Frontier Approach Analysis[J].Journal of Cleaner Production，2018,(7).
[2]陶长琪，彭永樟.从要素驱动到创新驱动：制度质量视角下的经济
增长动力转换与路径选择[J].数量经济技术经济研究，2018,(7). [3]Shen N,Liao H L,Deng R M,et al.Different Types of Environmental Regulations and the Heterogeneous Influence on the Environmental Total Factor Productivity:Empirical Analysis of China's Industry[J]. Journal of Cleaner Production,2018,(11).
[4]陈超凡，韩晶，毛渊龙.环境规制、行业异质性与中国工业绿增长
——基于全要素生产率视角的非线性检验[J].山西财经大学学报，2018，(3).
[5]Orea L.Parametric Decomposition of a Generalized Malmquist Pro⁃ductivity Index[J].Journal of Productivity Analysis,2002,(18). [6]陈诗一.中国工业分行业统计数据估算：1980—2008[J].经济学(季
刊)，2011，10(3).
[7]赵磊，方成.中国省际新型城镇化发展水平地区差异及驱动机制[J].数量经济技术经济研究，2019，36(5).
（责任编辑/浩天）
表5系统GMM方法参数估计结果
变量
GTFP
课堂内外初中版t-1
ln TE
ln HC
ln RA
ln ES
ln ER
ln FDI
c Hansen检验P值AR(2)检验P值
Kao检验
VIF均值
全行业
-0.4045***
(-5.22)
-0.2499**
(-2.40)
0.4153***
(2.61)
-0.0633
(-0.36)
-0.2206
(-1.17)
-0.1005***
(-2.56)
0.0383
(1.03)
3.0256***
(3.55)
1.00
0.58
-4.73***
1.53
高耗能行业
0.4099***
(9.14)
0.0185**
(2.42)
-0.0082*
(-1.75)
-0.0203*
(-1.85)
-0.0209*
(-1.93)
-0.0045
(-1.28)
0.0051**
(2.42)
0.6239***
(8.70)
1.00
0.19
-6.02***
2.30
中耗能行业
-0.4024***
(-4.51)
-0.0484***
(-3.47)
0.0219*
(1.89)
0.0285
(0.72)
0.0417
(1.07)
-0.0146
(-1.07)
0.0778**
(2.18)
1.6469***
(13.66)
1.00
0.12
msm-5.14***
1.74
低耗能行业
-0.2902**
(-2.25)
-0.0988**
(-2.09)
0.1228**
(2.09)
0.0527
(0.41)
0.0303
(0.23)
-0.0049
(-0.68)
-0.0972*
(-1.67)
0.9989**
(2.11)
1.00
0.12
-4.46***
2.01
注：括号内的数值为标准误差项。120
统计与决策2021年第3期·总第567期
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议