中國工業(yè)綠色全要素生產(chǎn)率變動測度研究
2023-10-09 15:39:36劉殿國李鑫強(qiáng)
劉殿國 李鑫強(qiáng)
摘 要：基于網(wǎng)絡(luò)超效率EBM-Malmquist模型，測算了2003-2019年中國各省工業(yè)整體和分階段綠色全要素生產(chǎn)率變動情況。結(jié)果表明：工業(yè)綠色全要素生產(chǎn)率整體效率水平不高且各省之間存在巨大差異；EM指數(shù)結(jié)果分析表明，整體階段、工業(yè)生產(chǎn)階段和環(huán)境治理階段效率處于提升狀態(tài)，環(huán)境治理階段效率還有較大的進(jìn)步空間；南北地區(qū)整體效率變動和分階段的效率變動都處于提升狀態(tài)，且南部地區(qū)效率變動在整體階段、生產(chǎn)階段和治理階段都要高于北部地區(qū)；EC（技術(shù)效率變化）指數(shù)和TC（技術(shù)變化）指數(shù)結(jié)果分析表明，整體階段、工業(yè)生產(chǎn)階段和環(huán)境治理階段的效率變動主要由技術(shù)變化驅(qū)動，而技術(shù)效率變化對其具有一定抑制作用；南方整體階段效率提升大部分由技術(shù)效率變化驅(qū)動；南方生產(chǎn)階段效率提升大部分由技術(shù)變化驅(qū)動；南方治理階段以及北方的整體和分階段效率的提升主要由技術(shù)變化驅(qū)動。
關(guān)鍵詞：整體效率；工業(yè)生產(chǎn)效率；環(huán)境治理效率；網(wǎng)絡(luò)超效率EBM-Malmquist模型；南北差異
中圖分類號：F424
文獻(xiàn)標(biāo)志碼：A
文章編號：1672-0539（2023）03-0023-11
一、引言
2011年中國工業(yè)總產(chǎn)值超過美國，到2019年已連續(xù)十年保持世界第一制造大國地位，創(chuàng)造了舉世矚目的“中國經(jīng)濟(jì)史上的奇跡”[1]。2019年，我國工業(yè)總產(chǎn)值占國內(nèi)總產(chǎn)值的32%，但工業(yè)領(lǐng)域能源消費(fèi)占終端能源消費(fèi)總量的65.1%，二氧化硫排放量、氮氧化物、煙（粉塵）排放量占總排放的比例分別為86.5%、44.4%、85.1%；一般工業(yè)固體廢物產(chǎn)生量達(dá)440 810萬噸。2014 年中國的全要素生產(chǎn)率僅相當(dāng)于美國的43.3%[2]。這種數(shù)量型的經(jīng)濟(jì)增長方式，導(dǎo)致了生態(tài)環(huán)境破壞異常嚴(yán)重，投入要素利用效率低，這樣的發(fā)展現(xiàn)狀又反過來制約經(jīng)濟(jì)的發(fā)展。習(xí)近平總書記在二十大報(bào)告中莊嚴(yán)宣告：高質(zhì)量發(fā)展是全面建設(shè)社會主義現(xiàn)代化國家的首要任務(wù)。由于低耗能、高效率是高質(zhì)量發(fā)展的重要構(gòu)成部分，因此，在以“碳達(dá)峰”和“碳中和”為主導(dǎo)的綠色轉(zhuǎn)型背景下，在邁向經(jīng)濟(jì)高質(zhì)量發(fā)展的道路上，研究工業(yè)綠色全要素生產(chǎn)率無疑成為重要的研究課題。
其實(shí)，眾多學(xué)者早已開始關(guān)注高耗能、高排放的工業(yè)所帶來的能耗及環(huán)境污染問題，并在一定環(huán)境約束下測算了工業(yè)經(jīng)濟(jì)全要素生產(chǎn)率；只不過，從經(jīng)濟(jì)過程階段上看，多數(shù)學(xué)者所使用的是單階段方法；從具體的DEA方法上看，多數(shù)學(xué)者所使用的是SBM模型[3]。而兩階段網(wǎng)絡(luò)SBM-Malmquist模型通過對不同階段的數(shù)據(jù)進(jìn)行分析能夠更好地捕捉研究對象的內(nèi)在結(jié)構(gòu)和過程，從而能夠比單階段更真實(shí)地反映效率評價(jià)結(jié)果[4]；同時，EBM 模型能有效解決DEA模型中的徑向、SBM模型測算效率值時存在的非徑向問題[5]?；趦呻A段網(wǎng)絡(luò)SBM-Malmquist模型以及EBM模型所具有的優(yōu)勢，利用網(wǎng)絡(luò)超效率EBM-Malmquist模型測算中國省域工業(yè)綠色全要素生產(chǎn)率變動無疑是一個值得探索的問題。
二、文獻(xiàn)綜述
自從Solow提出通過國民經(jīng)濟(jì)核算或生產(chǎn)函數(shù)回歸測算索洛余值（全要素生產(chǎn)率），全要素生產(chǎn)率研究受到廣泛的重視[6]。Aigner 和 Chu提出了前沿生產(chǎn)函數(shù)模型，用技術(shù)前沿（technological frontier）和技術(shù)效率（technical efficiency）解釋生產(chǎn)者效率[7]；Aigner等構(gòu)建了包含隨機(jī)擾動的前沿模型，即隨機(jī)前沿生產(chǎn)函數(shù)（SFA ）分析方法；有的學(xué)者利用SFA來測量工業(yè)綠色全要素生產(chǎn)率[8]，但是利用SFA方法來測量工業(yè)綠色全要素生產(chǎn)率，需要假設(shè)具體生產(chǎn)函數(shù)形式，這往往有一定局限性。Charnes等和 Caves等基于一種線性規(guī)劃技術(shù)確定生產(chǎn)前沿面，即數(shù)據(jù)包絡(luò)分析法（DEA）[9-10]；Anderson和Petersen為了處理前沿面上多個決策單元最優(yōu)化從而搭建了超效率DEA模型[11]；Tone K.構(gòu)建了SBM模型，解決了徑向模型中存在的投入或產(chǎn)出要素以相同比例縮減或增加情形[12]；Tone K.綜合徑向和非徑向特點(diǎn)構(gòu)建了 EBM 模型能有效解決DEA模型中的徑向、SBM模型測算效率值時存在的問題[5]；Hailu和 Veeman認(rèn)為，如果忽略了能源消耗和環(huán)境對生產(chǎn)的制約，可能會導(dǎo)致人們對經(jīng)濟(jì)績效看法出現(xiàn)偏頗[13]；Watanabe認(rèn)為研究中國工業(yè)效率要考慮資源環(huán)境約束[14]；Fare等人建立了Malmquist 生產(chǎn)率變動指數(shù)，考察兩個相鄰時期生產(chǎn)率變化[15]。一些學(xué)者將DEA模型與Malmquist 指數(shù)結(jié)合測算工業(yè)全要素生產(chǎn)率的變動，如，魏奇鋒等運(yùn)用SBM-Malmquist模型測量了成渝地區(qū)16個城市的工業(yè)綠色全要素生產(chǎn)率[3]；籍艷麗等采用EBM-Malmquist模型測度了中國省域工業(yè)綠色全要素生產(chǎn)率[16]。針對傳統(tǒng)的DEA方法難以處理包含中間產(chǎn)品及前后連續(xù)具有多階段過程的問題，F(xiàn)are 和Grosskopf提出了網(wǎng)絡(luò) DEA（Network DEA）方法給出了合理的解決[17]; Tone和Tsutsui把 SBM 和網(wǎng)絡(luò)DEA 優(yōu)點(diǎn)進(jìn)行綜合，探討了中間產(chǎn)出的不同情形[18]；Madjid Tavana等把 EBM 和網(wǎng)絡(luò)DEA 優(yōu)點(diǎn)進(jìn)行綜合，構(gòu)建了網(wǎng)絡(luò)EBM模型[19]，一些學(xué)者應(yīng)用網(wǎng)絡(luò)DEA模型測算工業(yè)全要素生產(chǎn)率，兩階段網(wǎng)絡(luò) SBM模型在測量工業(yè)效率時更加精準(zhǔn)[4]。有學(xué)者使用網(wǎng)絡(luò)EBM方法測度了中國30個省份國有工業(yè)企業(yè)2007-2014年的綠色技術(shù)創(chuàng)新整體和分階段效率[20]；也有學(xué)者基于截面數(shù)據(jù)運(yùn)用兩階段網(wǎng)絡(luò)EBM方法測度了2016年城市工業(yè)生態(tài)綠色發(fā)展[21]。雖然目前有較多文獻(xiàn)使用網(wǎng)絡(luò)DEA模型對企業(yè)績效、效率等進(jìn)行了研究[20-24]，但是目前仍然未見運(yùn)用網(wǎng)絡(luò)超效率EBM-Malmquist方法測算中國工業(yè)綠色全要素生產(chǎn)率的研究文獻(xiàn)。
此外，南北區(qū)域間發(fā)展不平衡的趨勢也在擴(kuò)大。以2008年的國際金融危機(jī)為時間分界點(diǎn)，在過去的幾十年，差距主要體現(xiàn)在東中西部發(fā)展水平上，而之后很快就演變?yōu)槟媳卑l(fā)展的差距。在經(jīng)濟(jì)總量占比上，北方地區(qū)占全國GDP總量的比重由2008年的43%降至2019年的35%;在經(jīng)濟(jì)增長速度上，2008年之后北方地區(qū)經(jīng)濟(jì)發(fā)展態(tài)勢呈現(xiàn)出放緩、停滯和衰退，而南方地區(qū)依舊保持平穩(wěn)；2008到2019年北方地區(qū)人均GDP年均增長為8.32%，而南方年均增長9.42%，北方比南方略低[25]。南北差距成為中國新時代發(fā)展目標(biāo)下新的問題，研究南北區(qū)域差異問題不僅能揭露南北區(qū)域差異來源，而且有利于促進(jìn)中國區(qū)域協(xié)調(diào)發(fā)展，實(shí)現(xiàn)中國長期發(fā)展下的戰(zhàn)略目標(biāo)，打造中國工業(yè)高質(zhì)量發(fā)展格局[26]。但是目前區(qū)域差異研究的文獻(xiàn)主要關(guān)注于東中西部，而使用南北區(qū)域差異的視角研究中國工業(yè)綠色全要素生產(chǎn)率的文獻(xiàn)仍然不足。
綜上所述，在單階段DEA模型中，超效率EBM模型在測量工業(yè)綠色全要素生產(chǎn)率上具有一定的優(yōu)勢；DEA模型與Malmquist 指數(shù)結(jié)合能測算出工業(yè)全要素生產(chǎn)率的變動；網(wǎng)絡(luò)DEA模型通過對不同階段的數(shù)據(jù)進(jìn)行分析能夠更好地捕捉研究對象的內(nèi)在結(jié)構(gòu)和過程，從而能夠比單階段更真實(shí)地反映效率評價(jià)結(jié)果；但目前仍未見運(yùn)用網(wǎng)絡(luò)超效率EBM-Malmquist方法測算中國工業(yè)綠色全要素生產(chǎn)率的研究文獻(xiàn)，且區(qū)域差異研究中關(guān)于南北區(qū)域差異的文獻(xiàn)仍然不足。因此，依據(jù)已有的成果與存在的問題，本研究將運(yùn)用網(wǎng)絡(luò)超效率EBM-Malmquist方法，基于中國省域數(shù)據(jù)，測算工業(yè)綠色全要素生產(chǎn)率的變動，研究南北工業(yè)綠色全要素生產(chǎn)率變動的差異，并以此提出相應(yīng)的建議。
三、研究方法與數(shù)據(jù)來源
（一）研究方法
1.網(wǎng)絡(luò)超效率EBM模型
傳統(tǒng)DEA模型缺乏生產(chǎn)過程中間環(huán)節(jié)的分析，而網(wǎng)絡(luò)超效率EBM-Malmquist模型考慮經(jīng)濟(jì)生產(chǎn)和環(huán)境治理兩個環(huán)節(jié)對工業(yè)綠色全要素生產(chǎn)率的影響，將測算過程分成兩個階段：每個省的第一階段（工業(yè)生產(chǎn)環(huán)節(jié)）有3種投入1種合意產(chǎn)出、3種非合意產(chǎn)出；每個省的兩階段連接變量有3個；每個省的第二階段（污染治理環(huán)節(jié)）有3種投入和3種產(chǎn)出。
基于EBM的網(wǎng)絡(luò)DEA模型[21]、農(nóng)業(yè)和服務(wù)業(yè)環(huán)境效率測量的超效 EBM-Malmquist 模型[27-28]、非導(dǎo)向的EBM的研究框架以及超效率DEA模型約束條件的特點(diǎn)（j0表示當(dāng)被評論決策單元為DMUj0時，在剔除掉DMUj0的新的有效前沿面上 的超效值） ，本研究使用非徑向、非導(dǎo)向的網(wǎng)絡(luò)超效率EBM模型。我們研究30個決策單元DMUj（j=1，…，30）包含K個節(jié)點(diǎn)的效率（k=1，2）。第一階段，觀察數(shù)據(jù)為{X1j=（xij1，…，x1j3）∈R2+}（j=1，…，30）（第j個決策單元在第1個節(jié)點(diǎn)3項(xiàng)投入資源）；2種一般產(chǎn)出{Y1j=（y1j1，y1j，2）∈R2+}和2種非期望產(chǎn)出Bj={（bj1，bj2）∈R2+}（j=1，…，30）（第j個決策單元在第 1 個節(jié)點(diǎn)2項(xiàng)一般產(chǎn)出和2項(xiàng)非期望產(chǎn)出）；兩階段連接變量{Z（1，2）j∈R1+}（j=1，…，30）（第1個節(jié)點(diǎn)到第2個節(jié)點(diǎn)中間產(chǎn)出的連接變量）；第二階段，觀察數(shù)據(jù)為{X2j=（x2j1，…，x2j4）∈R2+}（j=1，…，30）（第j個決策單元在第 2個節(jié)點(diǎn)所投入的資源），{Y2j=（y2j1，…，y2j，3）∈R3+} （j=1，…，30）（第j個決策單元在第 2 個節(jié)點(diǎn)的產(chǎn)出）。
基于上面的分析，假設(shè)待評價(jià)決策單元為DMUj0，則其對應(yīng)的整體階段、工業(yè)生產(chǎn)階段和環(huán)境治理階段效率值可以通過求解（1）式的非導(dǎo)向的網(wǎng)絡(luò)超效率 EBM 模型得到。
其中，k=1時，i=1，2，3，r=1，2，p=1，2；k=2時，i=1，…，4；r=1，2，3。本研究借鑒李靜等[3]，選擇 LF 作為中間變量。式（1）中ρ*為規(guī)模報(bào)酬不變情況下的最佳效率；θ為徑向部分的規(guī)劃參數(shù)；εx為關(guān)鍵參數(shù)，滿足0≤εx≤1。W-i為投入指標(biāo)的重要程度，其滿足 ；xik和yrk分別為決策單元k的第i類投入和第r類產(chǎn)出；S-i為投入要素i的松弛量；εy為關(guān)鍵參數(shù)；φ為產(chǎn)出擴(kuò)大比；S+1為期望產(chǎn)出的松弛變量；Sb-p為p類非期望產(chǎn)出的松弛變量；W+1、Wb-p分別為兩者的指標(biāo)權(quán)重；bjp為決策單元j的第p類非期望產(chǎn)出；p為非期望產(chǎn)出的數(shù)量；j為決策單元；λj為線性組合系數(shù)；j0表示當(dāng)被評論決策單元為DMUj0時，在剔除掉DMUj0的新的有效前沿面上DMUj的超效值，∑2k=1ωk=1；ωk是第k個節(jié)點(diǎn)的相對權(quán)重，由該節(jié)點(diǎn)的重要性決定。
2.數(shù)據(jù)來源
限于數(shù)據(jù)的可得性，研究樣本為30個省份（不含港澳臺及西藏）。
第一階段的投入量：工業(yè)勞動力人數(shù)、工業(yè)資本存量、工業(yè)能源消耗。其中，工業(yè)勞動力人數(shù)、工業(yè)資本存量分別用全部工業(yè)企業(yè)主要經(jīng)濟(jì)指標(biāo)中的全部從業(yè)人員年平均人數(shù)（萬人）、固定資產(chǎn)凈值（億元），2003-2019年相關(guān)數(shù)據(jù)來源于《中國工業(yè)統(tǒng)計(jì)年鑒》；工業(yè)能源消耗，利用各省市工業(yè)終端各種能源項(xiàng)目的消費(fèi)數(shù)量以及能源折標(biāo)準(zhǔn)煤參考系數(shù)，將能源消費(fèi)總量折算成萬噸標(biāo)準(zhǔn)煤；2003-2019年能源消費(fèi)量數(shù)據(jù)來自《能源統(tǒng)計(jì)年鑒》。第一階段的產(chǎn)出量：合意產(chǎn)出為工業(yè)總產(chǎn)值，數(shù)據(jù)來源于《中國工業(yè)統(tǒng)計(jì)年鑒》；非期望產(chǎn)出為廢固產(chǎn)生量、工業(yè)廢水排放量和工業(yè)廢氣排放量，2003-2019年數(shù)據(jù)來自《中國環(huán)境統(tǒng)計(jì)年鑒》。其中，由于國家自 2012年起不再對外公布工業(yè)分地區(qū)的工業(yè)總產(chǎn)值數(shù)據(jù)，因此需要對 2012-2019 年分地區(qū)的工業(yè)總產(chǎn)值數(shù)據(jù)進(jìn)行估算。通過對比 2003-2011 年的工業(yè)總產(chǎn)值和工業(yè)銷售產(chǎn)值數(shù)據(jù)可知，二者相差不大，產(chǎn)銷率（工業(yè)銷售產(chǎn)值 / 工業(yè)總產(chǎn)值）均值為 97.99%。因此，采用工業(yè)銷售產(chǎn)值和產(chǎn)銷率來對 2012-2019年的工業(yè)總產(chǎn)值數(shù)據(jù)進(jìn)行估算（2019年用營業(yè)收入代替，2017、2018年數(shù)據(jù)用內(nèi)插法補(bǔ)齊）[29]。固定資產(chǎn)凈值已用固定資產(chǎn)價(jià)格指數(shù)轉(zhuǎn)化為2000年不變價(jià)，工業(yè)總產(chǎn)值已用工業(yè)品出廠價(jià)格指數(shù)轉(zhuǎn)化為2000年不變價(jià)。
兩階段連接變量為廢固產(chǎn)生量、工業(yè)廢水排放量和工業(yè)廢氣排放量，數(shù)據(jù)來自《中國環(huán)境統(tǒng)計(jì)年鑒》。第二階段的投入量：廢水和廢氣治理設(shè)施數(shù)、廢水和廢氣治理設(shè)施運(yùn)行費(fèi)用以及廢水、廢氣和廢固治理投資額為投入，2003-2019年數(shù)據(jù)來自《中國環(huán)境統(tǒng)計(jì)年鑒》《中國統(tǒng)計(jì)年鑒》。第二階段的產(chǎn)出量：廢固綜合利用量、空氣質(zhì)量指數(shù)和廢水處理量。工業(yè)廢水處理量，2011-2015年數(shù)據(jù)來自《中國環(huán)境統(tǒng)計(jì)年鑒》；其他年度由于指標(biāo)的不一致，利用廢水處理量與排放量的比值（該比值具有一定穩(wěn)定性）調(diào)整得到處理量。工業(yè)固體廢物綜合利用量，2003-2019年數(shù)據(jù)來自《中國環(huán)境統(tǒng)計(jì)年鑒》；空氣質(zhì)量指數(shù)利用城市空氣質(zhì)量指標(biāo)每立方米中二氧化流、二氧化氮、可吸入顆粒物（PM10）含量（毫克）倒數(shù)表示，數(shù)值越大效果越好，且該指數(shù)能夠真實(shí)地綜合反映廢氣的治理效果；并用熵權(quán)法將三項(xiàng)指標(biāo)合成一項(xiàng)廢氣治理排放效果綜合指標(biāo)。數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》中主要城市空氣質(zhì)量指標(biāo)（2003-2019年）。
四、結(jié)果分析
（一）網(wǎng)絡(luò)超效率EBM模型的結(jié)果分析
1.中國各省工業(yè)整體和分階段綠色全要素生產(chǎn)率的測算
運(yùn)用網(wǎng)絡(luò)超效率EBM模型，使用MaxDEA6.3分析得到2003-2019 年中國各省工業(yè)整體和分階段綠色全要素生產(chǎn)率的17年平均值如表1所示。
由表1可知，整體效率水平不高且各省之間存在巨大差異。部分工業(yè)生產(chǎn)階段效率較高的省份治理階段的效率卻較低，例如北京、福建、山東、浙江、重慶等5個省工業(yè)生產(chǎn)階段效率高于30個省份的平均值0.806，但是環(huán)境治理階段效率低于30個省份的平均值0.590；另外，部分工業(yè)生產(chǎn)階段效率較低的省份環(huán)境治理階段的效率卻較高，例如海南、青海、貴州、吉林、廣西、新疆、黑龍江等省工業(yè)生產(chǎn)階段的生產(chǎn)率低于30個省份的平均值0.806，但是環(huán)境治理階段的效率高于30個省份的平均值0.590；大部分省份工業(yè)生產(chǎn)階段效率處于較高水平；大部分省份環(huán)境治理階段效率處于較低水平。因此，僅僅考慮工業(yè)生產(chǎn)階段而忽略環(huán)境治理階段的工業(yè)綠色全要素生產(chǎn)率得到的結(jié)果是有局限的。
部分工業(yè)生產(chǎn)階段效率較高的省份環(huán)境治理階段的效率較低，以及部分工業(yè)生產(chǎn)階段效率較低的省份環(huán)境治理階段的效率較高的原因解釋如下：在數(shù)量型經(jīng)濟(jì)發(fā)展階段，各個省都追求工業(yè)經(jīng)濟(jì)規(guī)模的擴(kuò)大，工業(yè)經(jīng)濟(jì)規(guī)模較大的省份其生產(chǎn)階段效率往往較高，而較大的工業(yè)生產(chǎn)規(guī)模往往產(chǎn)生較多的廢水、廢氣和廢固，從而影響了其環(huán)境治理效果，導(dǎo)致其治理的效率低；海南、廣西、青海、黑龍江等地區(qū)缺乏工業(yè)基礎(chǔ)，經(jīng)濟(jì)發(fā)展受到一定限制，但具有獨(dú)特的生態(tài)環(huán)境地理優(yōu)勢，具有較強(qiáng)的環(huán)境修復(fù)能力，地區(qū)的發(fā)展政策也更加側(cè)重于環(huán)境保護(hù)，導(dǎo)致環(huán)境治理階段的效率較高、工業(yè)生產(chǎn)階段效率較低。
2.中國各省工業(yè)整體和分階段綠色全要素生產(chǎn)率的南北差異
為了探討中國南北區(qū)域之間工業(yè)綠色全要素生產(chǎn)率的差異，依據(jù)劉殿國等的劃分方法[27]，將中國除港澳臺及西藏外的30個省份劃分為南北兩大區(qū)域，其中南部區(qū)域包括上海、江蘇、浙江等15個省，北部區(qū)域包括北京、天津、河北等15個省。2003-2019年區(qū)域工業(yè)綠色全要素生產(chǎn)率如圖1所示。
從圖1可知，各區(qū)域整體（網(wǎng)絡(luò)）工業(yè)綠色全要素生產(chǎn)率介于工業(yè)生產(chǎn)階段和環(huán)境治理階段之間；所有年份南部和北部區(qū)域工業(yè)生產(chǎn)階段的工業(yè)綠色全要素生產(chǎn)率均高于環(huán)境治理階段的工業(yè)綠色全要素生產(chǎn)率；從工業(yè)生產(chǎn)階段來看，南部區(qū)域工業(yè)綠色全要素生產(chǎn)率高于北部，南部區(qū)域經(jīng)濟(jì)上較為發(fā)達(dá)，擁有更先進(jìn)的生產(chǎn)技術(shù)，從而在要素投入條件一致的情況下工業(yè)綠色全要素生產(chǎn)率通常是較高的；從環(huán)境治理階段來看，在較多的年份里，南部區(qū)域環(huán)境治理階段工業(yè)綠色全要素生產(chǎn)率高于北部區(qū)域，這表明南部地區(qū)更重視環(huán)境治理。原因解釋如下：官員的環(huán)境績效考核與經(jīng)濟(jì)績效考核，共同決定了官員的晉升問題，經(jīng)濟(jì)考核指標(biāo)往往更加的明確具體，在經(jīng)濟(jì)發(fā)展比較落后的北方地區(qū)，往往更加重視經(jīng)濟(jì)方面的考核，從而忽略環(huán)境治理方面的考核；南部區(qū)域經(jīng)濟(jì)整體較為發(fā)達(dá)，因此環(huán)境治理考核更加重要，受到人們的重視；因此建立完善的官員晉升體制，對于不同的省份調(diào)整合適的績效考核的比重，加強(qiáng)環(huán)境治理、綠色發(fā)展對經(jīng)濟(jì)促進(jìn)的積極作用[30]。
（二） EM指數(shù)的結(jié)果分析
1.綠色全要素生產(chǎn)率變動的測算
本文運(yùn)用非參數(shù)網(wǎng)絡(luò)EBM-Malmquist（EM）指數(shù)來度量中國30個省2003至2019年中國工業(yè)綠色全要素生產(chǎn)率的逐期變動，并將EM指數(shù)分解成技術(shù)效率變化（EC）指數(shù)和技術(shù)變化（TC）指數(shù)加以分析。2003至2019年中國各省工業(yè)綠色全要素生產(chǎn)率EM指數(shù)的幾何平均值如表2所示。
從表2可知，①整體階段17個省份EM指數(shù)值大于1，13個省份EM指數(shù)值小于1；工業(yè)生產(chǎn)階段22個省份EM指數(shù)值大于1，8個省份EM指數(shù)值小于1；環(huán)境治理階段14個省份EM指數(shù)值大于1，16個省份EM指數(shù)值小于1；大于1表示效率在提升，小于1表示效率在下降。②從30個省份的平均值來看，整體階段、工業(yè)生產(chǎn)階段和環(huán)境治理階段的EM指數(shù)值均大于1，治理階段的效率變動高于生產(chǎn)階段，這表明整體階段、工業(yè)生產(chǎn)階段和環(huán)境治理階段效率處于提升狀態(tài)，環(huán)境治理階段效率還有較大的進(jìn)步空間。
2.綠色全要素生產(chǎn)率變動的南北差異
進(jìn)一步探討中國南北區(qū)域工業(yè)綠色全要素生產(chǎn)率EM指數(shù)的差異，2003-2019年南北區(qū)域的EM指數(shù)如表3所示。
從表3可知，大多數(shù)年份南部地區(qū)效率變動在整體階段、生產(chǎn)階段和治理階段都是要高于北部地區(qū)，只有個別年份的階段效率變動會低于北部地區(qū)；從南北地區(qū)的平均值來看，整體和分階段的EM指數(shù)值都是大于1，整體效率變動和分階段的效率變動都是處于提升狀態(tài)，且南部地區(qū)效率變動在整體階段、生產(chǎn)階段和治理階段都是要高于北部地區(qū)，南方地區(qū)進(jìn)步更加明顯。這意味著南北區(qū)域在不同水平的基礎(chǔ)上發(fā)展，南方地區(qū)的效率提升始終快于北方，逐漸累加形成一定優(yōu)勢，這可能是南方的科技進(jìn)步、研發(fā)優(yōu)勢形成的，北方地區(qū)則需要加大相應(yīng)的科研投入。
（三） EC指數(shù)和TC指數(shù)的結(jié)果分析
1.EC指數(shù)、TC指數(shù)的測算
計(jì)算得到EC指數(shù)、TC指數(shù)，2003-2019年的幾何平均值如表4所示。
根據(jù)表2和表4中的數(shù)據(jù)可知：①整體階段13個省份EC指數(shù)值大于1，17個省份EC指數(shù)值小于1；工業(yè)生產(chǎn)階段16個省份EC指數(shù)值大于1，14個省份EC指數(shù)值小于1；環(huán)境治理階段12個省份EC指數(shù)值大于1，18個省份EC指數(shù)值小于1；大于1表示效率在提升，小于1表示效率在下降。②整體階段16個省份TC指數(shù)值大于1，14個省份TC指數(shù)值小于1；工業(yè)生產(chǎn)階段21個省份TC指數(shù)值大于1，9個省份TC指數(shù)值小于1；環(huán)境治理階段14個省份TC指數(shù)值大于1，16個省份TC指數(shù)值小于1。③從中國30個省份的平均值可知，整體階段、工業(yè)生產(chǎn)階段和環(huán)境治理階段的EM指數(shù)值大于1，整體階段、工業(yè)生產(chǎn)階段和環(huán)境治理階段的EC指數(shù)值小于等于1，而整體階段、工業(yè)生產(chǎn)階段和環(huán)境治理階段TC指數(shù)均存在進(jìn)步（大于1），可以看出技術(shù)變化抑制了整體階段、工業(yè)生產(chǎn)階段和環(huán)境治理階段的效率變動，而整體階段、工業(yè)生產(chǎn)階段和環(huán)境治理階段的效率變動主要是由技術(shù)變化驅(qū)動的，管理方面抑制了工業(yè)效率水平的提高。目前我國科研實(shí)力突飛猛進(jìn)，但是由于工業(yè)發(fā)展相對較晚、經(jīng)濟(jì)基礎(chǔ)薄弱、工業(yè)生產(chǎn)和治理管理經(jīng)驗(yàn)不足等原因，還處于通過提高技術(shù)進(jìn)步便可促進(jìn)綠色全要素生產(chǎn)率的階段，需要加大相關(guān)產(chǎn)業(yè)技術(shù)研發(fā)力度，向國外先進(jìn)的企業(yè)學(xué)習(xí)生產(chǎn)和治理管理經(jīng)驗(yàn)，提升企業(yè)管理水平。
2.EC指數(shù)、TC指數(shù)的南北差異
2003-2019年南北區(qū)域EC指數(shù)和TC指數(shù)如表5和表6所示。
從表5和表6可以看到：①南方地區(qū)整體階段、工業(yè)生產(chǎn)階段和環(huán)境治理階段的EC指數(shù)值高于北方地區(qū)，南方地區(qū)平均值整體階段、工業(yè)生產(chǎn)階段EC指數(shù)值大于1，南方地區(qū)平均值環(huán)境治理階段的EC指數(shù)值小于1，北方地區(qū)平均值整體和分階段EC指數(shù)值小于1；②南方地區(qū)整體階段、工業(yè)生產(chǎn)階段和環(huán)境治理階段的TC指數(shù)值低于北方地區(qū)，南北區(qū)域平均值整體階段、工業(yè)生產(chǎn)階段和環(huán)境治理階段的TC指數(shù)值大于1。
此外，表3中EM數(shù)值大于或小于1的結(jié)果表明了效率變化是提升還是降低，而表5、表6中EC、TC 數(shù)值大于或小于1的結(jié)果則揭示了表3中EM數(shù)值效率變化（提升還是降低）產(chǎn)生的原因，是對表3中EM數(shù)值的解釋和說明，具體解釋如下：南方整體階段效率提升大部分是由技術(shù)效率變化驅(qū)動的；南方生產(chǎn)階段效率提升大部分是由技術(shù)變化驅(qū)動的；南方治理階段以及北方的整體和分階段效率的提升主要是由技術(shù)變化驅(qū)動的。這說明南方地區(qū)在科研技術(shù)投入和管理方面雙管齊下，起到了較好的效果，而北方地區(qū)在技術(shù)創(chuàng)新科研投入方面做得不錯，管理水平還是有待加強(qiáng)。
五、主要結(jié)論與政策建議
（一）主要結(jié)論
在高質(zhì)量發(fā)展已成為全面建設(shè)社會主義現(xiàn)代化國家首要任務(wù)的背景下， 提高工業(yè)綠色全要素生產(chǎn)率的研究無疑是非常重要。相比單階段SBM模型，網(wǎng)絡(luò)超效率EBM-Malmquist模型通過對不同階段的數(shù)據(jù)進(jìn)行分析能夠更好地捕捉研究對象的內(nèi)在結(jié)構(gòu)和過程，比單階段更真實(shí)地反映效率評價(jià)結(jié)果，還能有效解決SBM模型測算效率值時存在的非徑向問題?；诰W(wǎng)絡(luò)超效率EBM-Malmquist模型，將工業(yè)經(jīng)濟(jì)發(fā)展階段分成工業(yè)生產(chǎn)階段與環(huán)境治理階段，測算了2003-2019年中國各省工業(yè)綠色整體和分階段全要素生產(chǎn)率變動情況，得到的主要結(jié)果如下：
（1）網(wǎng)絡(luò)超效率EBM模型的結(jié)果分析對于中國各省工業(yè)整體和分階段及南北綠色全要素生產(chǎn)率，整體效率水平不高且各省之間存在巨大差異，工業(yè)生產(chǎn)階段與環(huán)境治理階段都處于前沿面（生產(chǎn)率大于等于1）的省份數(shù)量較少，各省份與前沿面有著較大的差距；工業(yè)生產(chǎn)階段效率高的省份，工業(yè)經(jīng)濟(jì)規(guī)模往往較大，產(chǎn)生的污染較多，環(huán)境治理效率低下，拉低了當(dāng)?shù)氐恼w效率水平；南部地區(qū)在整體和分階段的效率基本上都高于北部區(qū)域。
（2）對于EM指數(shù)的結(jié)果分析，從30個省份的平均值來看，整體階段、工業(yè)生產(chǎn)階段和環(huán)境治理階段的EM指數(shù)值均大于1，治理階段的效率變動高于生產(chǎn)階段，這表明整體階段、工業(yè)生產(chǎn)階段和環(huán)境治理階段效率處于提升狀態(tài)，環(huán)境治理階段效率還有較大的進(jìn)步空間；從南北地區(qū)的平均值來看，整體和分階段的EM指數(shù)值都是大于1，整體效率變動和分階段的效率變動都是處于提升狀態(tài)，且南部地區(qū)效率變動在整體階段、生產(chǎn)階段和治理階段都是要高于北部地區(qū)，南方地區(qū)進(jìn)步更加明顯。
（3）對EC指數(shù)和TC指數(shù)的結(jié)果分析，從30個省份的平均值可知，技術(shù)變化抑制了整體階段、工業(yè)生產(chǎn)階段和環(huán)境治理階段的效率變動，而整體階段、工業(yè)生產(chǎn)階段和環(huán)境治理階段的效率變動主要是由技術(shù)變化驅(qū)動的，目前我國管理方面抑制了工業(yè)效率水平的提高，還處于通過提高技術(shù)進(jìn)步便可促進(jìn)綠色全要素生產(chǎn)率的階段。南方整體階段效率提升大部分是由技術(shù)效率變化驅(qū)動的；南方生產(chǎn)階段效率提升大部分是由技術(shù)變化驅(qū)動的；南方治理階段以及北方的整體和分階段效率的提升主要是由技術(shù)變化驅(qū)動的。這說明南方地區(qū)在科研技術(shù)投入和管理方面雙管齊下，起到了較好的效果，而北方地區(qū)在技術(shù)創(chuàng)新科研投入方面做得不錯，管理水平還是有待加強(qiáng)。
（二）政策建議
依據(jù)實(shí)證分析的結(jié)果，從提高技術(shù)效率變化和技術(shù)變化入手，具體政策建議為：
（1）加大科研創(chuàng)新投入，提升企業(yè)自主研發(fā)能力。尤其是加大對于環(huán)境治理技術(shù)研發(fā)，激勵和扶持創(chuàng)新型企業(yè)的發(fā)展，借助地區(qū)高校和科研平臺，成立高新技術(shù)產(chǎn)業(yè)園區(qū)，實(shí)現(xiàn)企業(yè)技術(shù)共享和互助，加大高精尖人引進(jìn)力度，為其創(chuàng)造良好的發(fā)展環(huán)境。通過技術(shù)進(jìn)步，實(shí)現(xiàn)生產(chǎn)階段和治理階段的效率提升，進(jìn)而降低污染，如河南、內(nèi)蒙古和甘肅等科研水平較差、研發(fā)投入不足的地區(qū)，加大研發(fā)投入，搭建科研平臺，改善工業(yè)生產(chǎn)和環(huán)境治理技術(shù)。
（2）提高管理水平，完善官員考核體制。因地制宜調(diào)整經(jīng)濟(jì)考核和環(huán)境治理考核的比重，尤其是北方地區(qū);對于經(jīng)濟(jì)欠發(fā)達(dá)的地區(qū)，如河南、內(nèi)蒙古和甘肅等，不能單純?yōu)榱私?jīng)濟(jì)發(fā)展以及經(jīng)濟(jì)績效考核，放棄生態(tài)環(huán)境保護(hù)，更不能采取一刀切的發(fā)展方式，要根據(jù)經(jīng)濟(jì)需求采取彈性的政策，控制好污染，對于高污染的行業(yè)要提高準(zhǔn)入的門檻；對于經(jīng)濟(jì)較為發(fā)達(dá)的地區(qū)，特別是北京、福建和浙江等，加大工業(yè)整治和監(jiān)管力度，進(jìn)一步改善工業(yè)環(huán)境治理技術(shù)，切實(shí)提高環(huán)境治理能力；而海南、青海、廣西、黑龍江等地區(qū)具有獨(dú)特的生態(tài)環(huán)境地理優(yōu)勢，具有較好的環(huán)境修復(fù)能力，更要因地制宜，制定合適的環(huán)境監(jiān)督管理政策，加強(qiáng)高新科技產(chǎn)業(yè)的發(fā)展，打造產(chǎn)城融合和生態(tài)宜居的雙贏局面。
參考文獻(xiàn)：
[1]王政，韓鑫. 我國產(chǎn)業(yè)發(fā)展綜合實(shí)力穩(wěn)步提升[N]. 人民日報(bào)，2022-10-11（9）.
[2]戴小勇.中國高創(chuàng)新投入與低生產(chǎn)率之謎：資源錯配視角的解釋[J].世界經(jīng)濟(jì)，2021，44（3）：86-109.
[3]魏奇鋒，譚娟，石琳娜.成渝地區(qū)雙城經(jīng)濟(jì)圈工業(yè)綠色全要素生產(chǎn)率測度及空間分異研究[J].軟科學(xué)，2023，37（2）：103-111.
[4]李靜，倪冬雪.中國工業(yè)綠色生產(chǎn)與治理效率研究——基于兩階段SBM網(wǎng)絡(luò)模型和全局Malmquist方法[J].產(chǎn)業(yè)經(jīng)濟(jì)研究，2015，（3）：42-53.
[5]Tone K.，Tsutsui M. An epsilon-based measure of efficiency in DEA-A third pole of technical efficiency[J]. European Journal of Operational Research， 2010， 207（3）：1554-1563.
[6]Solow R. M. Technical change and the aggregate production function[J]. Review of Economics and Statistics， 1957，39（3）：312-320.
[7]Aigner J．，Chu S. F．On estimating the industry production function[J]. American Economic Review，1968，58（4）： 826-839.
[8]崔和瑞，王浩然，趙巧芝. 中國工業(yè)綠色全要素生產(chǎn)率動態(tài)演變特征及驅(qū)動因素研究[J]. 統(tǒng)計(jì)與決策， 2021， 37（3）： 117-120.
[9]Charnes A.，W.W. Cooper， E. Rhodes. Measuring the efficiency of decision making units[J]. European Journal of Operational Research， 1978， 2（6）： 429-444.
[10]Caves D.W.， Christensen L. R.， Diewert W.The economic theory of index numbers and the measurement of input， output， and productivity[J]. Econometrica， 1982， 50（6）： 1393-1414.
[11]Anderson P.，Petersen N. C. A procedure for ranking efficient units in data envelopment analysis[J].Management Science，1993，39（10） ： 1261-1264.
[12]Tone K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research， 2001， 130（3）：498-509.
[13]Hailu A.， Veeman T. S . Environmentally sensitive productivity analysis of the canadian pulp and paper industry， 1959-1994： An input distance function approach[J]. Journal of Environmental Economics & Management， 2000， 40（3）：251-274.
[14]Watanabe M.， Tanaka K.. Efficiency analysis of Chinese industry： A directional distance function approach[J]. Energy Policy， 2007， 35（12）：6323-6331.
[15]Fare R.， Grosskopf S.，Norris M.，et al．Productivity growth，technical progress，and efficiency change in industrialized countries[J].American Economic Review，1994，84（1）：66-83.
[16]籍艷麗，辜子寅，薛潔. 環(huán)境規(guī)制對工業(yè)綠色全要素生產(chǎn)率的波特效應(yīng)[J]. 統(tǒng)計(jì)與決策， 2022， 38（7）： 82-86.
[17]Fare R.，Grosskopf S．Network DEA[J].Socio-Economic Planning Sciences，2000，34（1）：35-49.
[18]Tone K.，Tsutsui M．Network DEA： A Slacks-based measure approach[J].European Journal of Operational Research，2009，197（1）：243-252．
[19]Tavana M.， Mirzagoltabar H.， Mirhedayatian S.M.， et al. A new network epsilon-based DEA model for supply chain performance evaluation[J]. Computers & Industrial Engineering， 2013， 66（2）：501-513.
[20]孫絲雨，安增龍. 兩階段視角下國有工業(yè)企業(yè)綠色技術(shù)創(chuàng)新效率評價(jià)——基于網(wǎng)絡(luò)EBM模型的分析[J]. 財(cái)會月刊， 2016， 783（35）： 20-25.
[21]韓潔平，程序，閆晶，等.基于網(wǎng)絡(luò)超效率EBM模型的城市工業(yè)生態(tài)綠色發(fā)展測度研究——以三區(qū)十群47個重點(diǎn)城市為例[J].科技管理研究，2019，39（5）：228-236.
[22]Li J.， Qin R.， Jiang H. Measurement of innovation efficiency in Chinas electronics and communication equipment manufacturing industry-based on dynamic network SBM model[J]. Sustainability， 2022， 14（3）：1227.
[23]Park S.，Kim P. Operational performance evaluation of korean ship parts manufacturing industry using dynamic network SBM model[J]. Sustainability， 2021， 13（23）：13127.
[24]Cui H.，Ramachandran V. Performance evaluation of logistics enterprises based on non-radial and non-angle network SBM model[J]. Journal of Intelligent & Fuzzy Systems，2021，40（4）：6541-6553.
[25]黃少安，謝冬水.南北城市功能差異與南北經(jīng)濟(jì)差距[J].南方經(jīng)濟(jì)，2022，76（6）：40-63.
[26]盛來運(yùn)，鄭鑫，周平，等.我國經(jīng)濟(jì)發(fā)展南北差距擴(kuò)大的原因分析[J].管理世界，2018，34（9）：16-24.
[27]王美， 劉殿國. 中國省域農(nóng)業(yè)環(huán)境效率測算及收斂性分析——基于非期望產(chǎn)出的超效率 EBM 模型[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識， 2020， 50（9）： 20-27.
[28]劉殿國， 張茜， 傅國華. 服務(wù)業(yè)環(huán)境全要素生產(chǎn)率變動測算及收斂性研究——基于超效率 EBM-Malmquist 模型和南北區(qū)域分析[J]. 海南大學(xué)學(xué)報(bào)（人文社會科學(xué)版），2023，41（3）：96-107.
[29]馬曉明，張燦，熊思琴，等.中國區(qū)域工業(yè)環(huán)境效率及其影響因素：基于Super-SBM的實(shí)證分析[J].生態(tài)經(jīng)濟(jì)，2018，34（11）：96-102.
[30]趙麗，胡植堯.環(huán)境治理是否促進(jìn)了地方官員晉升？——基于中國地級市樣本的實(shí)證研究[J/OL].經(jīng)濟(jì)學(xué)報(bào)：1-22[2023-04-08].https：//doi.org/10.16513/j.cnki.cje.20230215.001.
Research on the Changes in Chinas Industrial
Green Total Factor Productivity Measurement：
An Analysis Based on the Network Super-Efficient EBM-Malmquist Model
LIU Dianguo，LI Xinqiang
（School of Economics， Hainan University， Haikou Hainan 570228， China）
Abstract：Based on the network super-efficiency EBM-Malmquist model， the changes in overall industrial and phased green total factor productivity in various provinces in China from 2003 to 2019 were measured. The results show that the overall efficiency level of industrial green total factor productivity is not high， and there are significant differences between provinces. The analysis of the EM index results shows that the efficiency of the overall stage， industrial production stage， and environmental governance stage is improving， but there is still much room for improvement in the efficiency of the environmental governance stage. The overall efficiency changes and phased efficiency changes in the northern and southern regions are improving， with higher efficiency changes observed in the southern region compared to the overall stage， production stage， and governance stage in the northern region. The analysis of the EC （technical efficiency change） index and TC （technology change） index indicates that the efficiency changes in the overall stage， industrial production stage， and environmental governance stage are mainly driven by technological changes， although technical efficiency changes have a certain inhibitory effect on them. In the South， most of the overall efficiency improvement is driven by changes in technological efficiency， and a significant portion of the efficiency improvement in the production stage is also due to technological changes. The improvement in governance in the South and the overall and phased efficiency in the North are mainly driven by technological change.
Key words： Overall Efficiency; Industrial Production Efficiency; Environmental Governance Efficiency; Network Super-Efficient EBM-Malmquist Model; North-South Differences
