沈可挺1,2 龚健健1
(1.浙江工商大学经济学院, 浙江 杭州310018；
2. 浙江工商大学现代商贸研究中心, 浙江 杭州310018；)
[摘要]本文运用方向性距离函数和非参数数据包络分析方法估算了“九五”至“十一五”时期中国高耗能产业的环境全要素生产率（ETFP），并在考察高耗能产业ETFP的行业和省际差异基础上对其影响因素进行了实证分析。本文的研究表明，高耗能产业ETFP增长应主要由技术进步推动，中国的现状说明当前高耗能产业的生产效率还存在较大的改进空间。对省际数据的测算显示，各省区ETFP增长呈现不同程度的收敛特征；市场化改革、FDI流入及能耗强度下降有利于促进各省区ETFP增长，而节能减排投资和企业环境治理能力的提高则可降低环境管制政策对企业的短期成本冲击。
[关键词]高耗能产业；环境污染；环境全要素生产率；方向性距离函数
[JEL Classification] D24, O47, Q55
一、引言
经济增长可能伴生显著的环境成本。这一现象在中国当前显得尤为突出。中国作为全球增速最快的第二大经济体，经济成就举世瞩目。然而，中国经济增长主要依靠的是要素资源的大量投入，而非全要素生产率的大幅提升。
据IEA（2010）测算，中国2000-2008年的能源消费增量比二十世纪九十年代上升了四倍多，2009年中国已超过美国成为全球最大的能源消费国。大量能源消耗对中国的环境状况造成了进一步的压力。伴随经济快速增长所出现的环境质量恶化可能对中国当前和未来的经济社会造成较大的成本损失（World Bank，1997）。当前人们已逐渐意识到，这种牺牲资源环境并藉由高投入、高能耗和高污染排放维持的增长模式是不可持续的。
“十一五”时期以来，工业部门所显现的高能耗高排放特征更加令人担忧：占国内生产总值40.1%的工业部门消耗了全国67.9%的能源，排放了83.1%的二氧化碳；而在工业部门内部，高耗能产业的排放又占据了其总排放的80%。“十二五”规划已经提出，“十二五”期间要将单位GDP能耗降低16%，单位GDP二氧化碳排放降低17%。这不是一个可轻易达成的目标。因此，在促进经济增长和改善环境质量的双重压力下，高耗能产业的走向已经成为决策部门和众多学者思考的一个重要问题。但从已有研究来看，针对高耗能产业的研究还不多见。
本文试图从以下两个方面展开分析：首先，使用方向性距离函数方法将能源消耗和环境污染纳入分析框架，并从分行业和分地区两个层面对中国高耗能产业环境全要素生产率进行深入分析；其次，利用面板数据模型对影响中国高耗能产业ETFP增长的驱动因素进行省际层面的研究，以期对我国“十二五”期间的节能减排政策提供针对性建议。本文以下部分结构安排如下：第二部分在简要介绍分析方法和样本数据基础上报告高耗能产业ETFP的测算结果；第三部分对省际层面高耗能产业ETFP的差异状况进行分析；第四部分对影响中国高耗能产业ETFP增长的因素进行实证检验；第五部分是结论及政策建议。
二、中国高耗能产业ETFP测算
在索洛的开创性研究之后，全要素生产率（Total Factor Productivity，TFP）作为衡量技术进步的指标被认为是驱动经济持续增长的关键因素。鉴于中国经济高增长过程中所暴露的各种问题，中国TFP测算问题颇受关注。从总体上看，现有文献大多是从以下两个方面展开研究：一是以区域或省际层面作为研究对象，比较各个省份或区域的TFP高低（如Watanbe & Tanaka，2007；胡鞍钢等，2008；王兵等，2010）；二是从行业层面出发，分析各行业的TFP增长及其影响因素（如陈诗一，2010）。
由于传统文献在测算TFP时忽视了资源环境因素，这就使人们对TFP度量的准确性和以此为基础的经济可持续性分析提出了疑问。随着能源供给紧张和环境问题的不断加剧，不少学者开始在生产率分析中纳入环境因素，以避免因不考虑或未正确考虑环境因素可能对TFP度量造成的偏误（例如Chung et al.，1997；Färe et al.，2001；Nanere et al.，2007）。但在将环境污染因素纳入TFP估算时，传统方法需要作为非期望产出的环境污染的价格信息，从而可能产生估算困难的问题。Chung et al.（1997）通过引入基于Shephard距离函数的方向性距离函数（Directional Distance Function，DDF），建立了关于期望和非期望产出的联合生产模型，并采用Malmquist-Luenberger指数（ML指数）对存在环境污染时的全要素生产率进行了测算；这种方法不仅允许在减少污染排放的同时增加期望产出，还继承了传统距离函数方法不需要价格信息的优点，较之传统的TFP测算方法具有明显的优势。
为了将环境污染排放纳入分析框架，本文参照Färe et al.（2007）构造一个既包含好产出又包含坏产出的生产可能性集合，并采用方向性距离函数方法对ETFP进行分析。由于集合中包括了环境污染排放这一坏产出，因此我们将其称之为环境技术（Environmental Technology）。
我们假设每个决策单位（Decision Making Unit，DMU）面临的环境技术由N种投入
表1报告了考虑环境污染和不考虑环境污染两种情况下1996-2009年中国工业分行业的全要素生产率、生产效率和技术进步指标的分组年均变化情况。测算结果显示，在考虑能源消耗和环境污染的情况下，中国工业部门全行业平均的TFP在考察期内年均增长9.88%，生产效率在考察期内年均降低1.35%，技术进步率年均增长10.82%。这说明在1996-2009年间我国工业部门TFP的增长主要是由于技术进步而非生产效率改进所致；由于技术进步是与最优生产边界的变化有关，而效率改进则与生产过程中的其他变化如干中学、管理效率的改进等因素有关，这一结果也表明我国工业行业的生产效率还存在着较大的提升空间。这一结果与Zheng and Hu（2006）、涂正革（2008）以及陈诗一（2010）等的结论较为一致。
通过对比考虑环境的ML指数和不考虑环境的Malmquist指数，我们可以看出，Malmquist指数倾向于高估行业的TFP。也就是说在不考虑环境因素时，我国的TFP较高。这与我们的预期是一致的，因为在不考虑环境管制的情况下，企业不需要将资源转到减少污染产出的投入上，从而能以既有的资源投入生产出更多的产出。正如Nanere et al.（2007）所指出的，不考虑生产的负外部性（如环境污染）会高估生产率，而忽略生产的正外部性则会低估生产率。同时，我们还发现中国工业各行业间的ETFP增长差异较大，比如从煤炭开采和洗选业的0.1%到通讯设备制造业的29.7%不等，生产率较高的多为一些信息和高新技术产业，生产率较低的多为一些重化工业。通过对比高耗能产业组和中低耗能产业组的不同结果，我们可以很明显地看出，高耗能产业的ETFP年均增长率为5.8%，远低于低耗能产业组的18.9%；其技术进步率也仅为6.7%，远低于低耗能组的19.1%。在高耗能产业组中，化学纤维制造业的ETFP最高（21.4%），我们认为，这可能跟近年来该行业引进高端设备和加大技术研发投入的努力有关。而高耗能组内的其他低ETFP产业大部分都是一些重化工行业，比如煤炭、石油和天然气开采、金属与非金属的矿采与制造、化学原料及制品制造和电力燃气等。
纳入能源环境因素之后高耗能产业ETFP的显著降低似乎与考察期内中国高耗能产业产出的高增长（产出累积增长6.5倍）有所相悖。通过对表2所列数据的进一步分析有助于加深对此问题的理解。从表2可以看出，首先，在1996-2009年间，我国工业产出增长8.4倍，ETFP增长2.4倍，ETFP对于工业全行业产出的贡献约为36.4%；其次，考虑环境污染因素的ETFP贡献度要显著低于不考虑环境污染的传统的TFP，也即传统测算技术倾向于高估TFP的贡献。通过跟低耗能产业相对比，我们发现，高耗能产业的产出和ETFP的累积增长率都显著低于前者，并且ETFP的差异更为显著（如前者产出增长12.6倍，后者仅为6.5倍；前者的ETFP增长8.5倍，而后者仅为1.1倍），因此高耗能产业ETFP的贡献度（27.8%）也大大低于低耗能产业（70.3%）。高耗能产业的ETFP相对于低耗能产业和全体工业行业都显著较低，这充分显示出高耗能产业高增长、低生产率的特征，说明相比之下高耗能产业的生产率增长更倾向于是由要素投入驱动，而非ETFP的改进推动。这是值得我们深思的一个发展模式。如果长此以往，势必将加大我国节能减排和环境治理的压力，从而威胁到经济的可持续发展，并带来更加巨大的环境成本和经济成本。因此，必须通过设备改造、技术创新等方式加快促进高耗能产业生产率提高，以保证这些行业的健康有序发展。
三、省际层面高耗能产业ETFP及其差异分析
通过对高耗能产业ETFP的测算，我们已经对其基本状况有了初步了解。但是由于各省区较为显著的地理位置和资源禀赋差异，使得高耗能产业在不同地区的发展情况也存在一些明显的差别。为了进一步加深对我国各省区高耗能产业的发展情况的理解，以便促进各地区高耗能产业的节能减排和产业结构优化，本文以下部分对其ETFP在区域层面上进行了较为深入的分析。
我们以1998-2008年中国30个省、自治区和直辖市（香港、澳门、台湾不作为考察对象，西藏自治区因数据统计不全除外）的高耗能产业作为考察对象，同样构建了两种产出、三种投入的投入产出面板数据。各项指标的行业归并和折算方法同前，均折算为以1998年作为基期的实际值。根据《中国统计年鉴2006》的划分标准，我们将中国30个省区划分为东中西三大区域并给出了各区域不同的ML指数和Malmquist指数。表3给出了30个省区1998-2008年基于方向性距离函数方法所测算出的考虑环境污染因素的ML指数、效率变化和技术进步指数。通过表3可以看到，考虑环境污染的ML指数比不考虑环境污染的Malmquist指数要低，也就是在纳入产出的负外部性之后，各区域的TFP显著下降，这与Watanbe & Tanaka（2007）以及胡鞍钢等（2008）的发现较为一致。值得注意的是，中国高耗能产业ML指数在省际层面上表现出较大的异质性，比如由重庆的0.9242到天津的1.2477不等。
从总体上看，高耗能产业ETFP在1998-2008年间年均增长10.9%，生产效率指数降低0.71%，技术进步指数增长13.02%。这说明在省际层面上高耗能产业的ETFP也是主要由技术进步推动，效率改善的作用也不大，这与Watanbe & Tanaka（2007）对中国工业省际层面生产率增长核算的结果较为一致。通过对比东中西三大区域可以发现，东部ETFP年均增长率最高（12.7%），中部次之（2.7%），西部最低（-0.05%）；ETFP年均增长率10%以上的省份均位于东部，如江苏（20.1%）、上海（19.3%）、北京（18.9%）以及浙江（11.1%）等；而ETFP年均增长率为负的省份则大多位于西部，如广西（-0.6%）、贵州（-1.8%）、重庆（-7.6%）等。对ML指数的分解分析进一步显示，西部地区不仅技术创新不足，而且效率改善也不显著，这可能与当地粗放式的增长模式不无关系。
为了进一步考察各地区高耗能产业的增长模式以及ETFP对其产出增长的贡献，我们进一步分析了表4所列的数据。从表4可知，在1998-2008年间，高耗能产业产出增长5.98倍，ETFP增长1.4倍，ETFP的贡献度为34.8%。跟行业分析类似的是，相对于环境技术，传统技术倾向于高估各区域的ETFP贡献度。我们通过对比不难发现，东部地区的产出和ETFP增长均显著高于中西部地区，其ETFP贡献度约为40.6%，高于中部的23.4%和西部的15.1%。西部地区高耗能产业产出增长5.6倍，ETFP却出现了负增长，这说明相较于中东部来说，其产出增长的无效率性以及主要依靠要素投入推动的发展模式在西部尤为明显。西部地区相对而言资源禀赋较为丰富，煤炭、石油等能源资源储量较高，但从以上分析结果来看，如何避免对资源的过度依赖从而陷入所谓“资源诅咒”的不利局面，进而提升对人力资本和研发投资的内在动力，将是西部地区长期经济增长面临的一个重要挑战。此外，较为丰富的资源禀赋还可能弱化政治制度的效力，进而削弱生产率增长的贡献度。Mauro（1998）的研究表明，资源富足往往可能催生某些政治利益集团，这些利益集团会影响政府制定有利于其特殊利益的政策，同时滋生寻租和腐败行为，从而弱化政治制度的效力，并且可能对经济增长产生如Sala-i-Martin & Subramanian（2003）所指的负的非线性影响。
的影响方向大致相同，只是FGLS的结果更为显著一些。
从表5的数据可以看出，资本强度对ETFP的负向影响意味着资本的边际产出递减；滞后一期的技术效率水平与ETFP的负相关关系说明离环境技术前沿越近的地区较之于距前沿越远的地区ETFP增长更低。这一结果也体现出后者对于前者的“追赶效应”（Lall et al.，2002），验证了不同地区间趋同现象的存在。能源强度与ETFP在1%的显著水平上负相关，这说明能源利用效率低下是阻碍ETFP增长的关键因素。回归结果进一步显示，市场化程度对ETFP具有显著的积极作用。由于现阶段高耗能产业主要由国有企业构成，因此从实证结果来看深化国有企业股份制改革和培育活跃的市场经济体制将是促进高耗能产业ETFP增长的一个有效举措。FDI对高耗能产业ETFP增长在1%水平上显著正相关，说明外资的流入有利于促进生产率增长。这或许是因为高耗能产业大多都是一些重化工企业，通过FDI对于国外先进技术装备的引入有利于发挥学习效应并实现技术溢出从而促进 ETFP增长，这一结果不支持FDI流入加剧环境污染的“污染避难所”假说。
表5的回归结果显示，R&D投入对ETFP有负向作用，这跟我们的预期不同，但这一结果也可能说明当前高耗能产业在研发领域存在一定的问题。跟李小平等（2008）的观点类似，我们认为这可能跟体制因素有关，由于高耗能产业以国有企业为主，在国有企业治理结构不完善的情况下，可能存在较为严重的预算软约束和委托代理问题：即国有企业的R&D投资可能会更偏向于能在短期内带来收益而缺乏长期回报的“政绩工程”（市场化程度变量的显著正相关也从侧面验证了国有高耗能企业的低效率问题）。企业自身环境治理能力的回归系数虽然不显著，但是与ETFP的正相关关系也说明了企业自身的环境治理对于提高ETFP增长率的积极作用，因此在今后的环境管制政策设计中应当充分发挥企业自身的积极性，切实提高企业环境治理能力。节能减排投资支出的增加在5%的显著性水平上促进了我国高耗能产业ETFP的增长，这说明从长期来看，节能减排的政策行为将有利于促进高耗能产业的积极转型，并推动其生产效率和生产技术的提高。与其他解释变量相比，节能减排支出每增加1%将会使ETFP提高7.7%。根据环境波特假说的“创新补偿”途径，高耗能、高污染实际上是某种资源无效利用的信号，从长期动态路径来看，完善合理并且具有激励约束机制的环境政策能够激发技术创新，提高生产效率，抵消环境管制政策对企业的短期成本冲击，甚至为厂商带来净收益，从而达到节能减排和生产率提升的双赢发展。
尽管我国“十一五”期间的节能减排工作已经取得了一些进展，但是经济高速增长所引致的资源环境代价仍然没有得到显著缓解，与之相伴的资源保护和环境治理压力仍在日益增大。《中国环境经济核算研究报告2008（公众版）》指出，“十一五”期间环境退化成本从5118.2亿元提高到了8947.6亿元，增长了74.8%。“十二五”规划已经提出了更为严格的节能减排控制目标，并且强调要加强对高耗能、高污染企业的重点监管和整顿治理。高耗能产业是我国工业行业中能源消耗量最大、环境污染排放量最高的行业。考虑到高耗能产业的污染物排放量占据整个工业部门约80%的排放量，在面临促进经济增长和改善环境质量的双重压力下，对高耗能产业的治理将成为各地政府难以回避的一个问题。
本文对高耗能产业环境全要素生产率ETFP的分析能够为我们提供一个更加全面的分析视角，以便正确理解经济增长和可持续发展之间的复杂关系；对ETFP的正确测算也将更加有利于辨识环境经济政策的有效性，从而为决策者提供更为真实有效的信息。
本文运用方向性距离函数方法估算了“九五”至“十一五”时期中国高耗能产业的环境全要素生产率ETFP，并在考察高耗能产业ETFP的行业和省际差异基础上对其影响因素进行了实证分析。本文的研究结果表明，考虑了能源和环境因素之后的ETFP显著低于按照传统方法测算的TFP，这意味着不考虑能源消耗和环境污染的传统TFP指标可能会高估高耗能产业的全要素生产率，因此对高耗能产业的生产率分析应该更多地参考ETFP的测算结果。本文对ETFP的进一步分解显示，不论是行业层面还是区域层面，高耗能产业的ETFP增长主要是由技术进步推动，而生产效率较低，这说明当前高耗能产业的生产效率还存在较大的改进空间。
本文对不同行业的ETFP测算结果显示，高耗能产业的ETFP年均增长率仅为5.8%，远低于低耗能产业组的18.9%。这一结果在很大程度上印证了高耗能产业高增长、低效率的基本特征，说明高耗能产业的生产率增长主要是由要素投入驱动，而非TFP的改进推动。通过对省域层面ETFP的进一步测算，我们发现各省区呈现出不同程度的ETFP收敛特征，离环境技术前沿较远的省份ETFP增长较快，这说明技术和知识的溢出效应将使得地区之间的趋同成为可能。对高耗能产业ETFP增长影响因素的实证检验进一步表明，市场化改革、FDI流入以及能耗强度下降有利于促进各省区ETFP增长，而节能减排投资和企业环境治理能力的提高则能够降低环境管制政策对企业的短期成本冲击。这一结果提示我们今后对节能减排的政策设计应该更多地考虑经济激励导向的政策工具，以提高企业自主参与环境治理的积极性，从而降低环境政策的执行成本。
通过本文的研究可以就高耗能产业的治理问题得出一些有益的政策启示：尽管东部地区高耗能产业的ETFP相对较高，但是东部地区高耗能产业的污染排放依然是我国目前高耗能产业污染排放的主体，因此只有切实有效地促使东部地区的高耗能产业进行生产技术的改进和产业的内部升级，才能使得东部地区的污染排放大幅度减少，从而提高我国整体高耗能产业的减排效率。区域产业集聚和节能减排投资有利于高耗能产业ETFP的逐步提升，当前中西部地区正在逐步承接东部地区转移的高耗能产业，因此强化对高耗能产业的政策引导对于促进中西部地区的节能减排具有积极意义；考虑到我国高耗能产业的环境污染排放模式具有较强的省际异质性，因此在政策制定上应当具有较大的区域针对性和灵活性。在“十二五”规划期间，我国首先应当进行新的机制设计，从而保证各级政府能够转变当前的经济增长方式和思维模式，从被动完成约束指标变成主动要求节能减排；其次，应当优化产业结构，增加科研投入提升技术创新能力，从而提高能源利用效率，促进开发可替代的清洁能源；最后，通过完善区域之间、中央与地方之间的转移支付，使各级政府能够更加有效地通过激励相容的方式实施节能减排，从而使我国的高耗能产业能够走上更加健康和低污染的可持续发展道路。
〔参考文献〕
[1]Chung, Y.H., Rolf Färe, and Shawna Grosskopf. 1997. “Productivity and undesirable outputs: a directional distance function approach”Journal of Environmental Management, 51(3): 229-240.
[2]Färe, R., Shawna Grosskopf, and Carl A. Pasurka. 2001. “Accounting for Air Pollution Emissions in Measuring State Manufacturing Productivity Growth”Journal of Regional Science, 41: 381-409.
[3]Färe, R., Shawna Grosskopf, and Carl A. Pasurka. 2007. “Environmental Production Functions and Environmental Directional Distance Functions”Energy, 32: 1055-1066.
[4]Grossman, Gene, M., and Alan B. Krueger. 1995. “Economic Growth and the Environment”The Quarterly Journal of Economics, 110( 2): 353-377.
[5]IEA. 2010. World Energy Outlook 2010.Paris: International Energy Agency.
[6]Lall, P., Featherstone, A.M., and Norman, D.W. 2002. “Productivity growth in the Western Hemisphere (1978–94): the Caribbean in perspective”Journal of Productivity Analysis, 17: 213– 231.
[7]Managi, S., and Jena, P. R. 2008. “Environmental productivity and Kuznets curve in India”Ecological Economics, 65: 432-440.
[8]Nanere, Marthin, Iain F., Ali Q., and Clare D. 2007. “Environmentally Adjusted Productivity Measurement: An Australian Case Study”Journal of Environmental Management, 85(2): 350-362.
[9]Watanabe M., and K. Tanaka. 2007. “Efficiency analysis of Chinese industry: A directional distance function approach”Energy Policy, 35(12): 6323-6331.
[10]World Bank. 1997. China 2020 : Development Challenges in the New Century. Washington D.C.: The World Bank.
[11]Zheng, J., and A. Hu. 2006. “An Empirical Analysis of Provincial Productivity in China (1979-2001)”Journal of Chinese Economic and Business Studies, 4(3): 221-239.
[12]陈诗一. 能源消耗、二氧化碳排放与中国工业的可持续发展[J].经济研究，2009，（4）.
Chen, Shiyi. 2009. “Energy Consumption,CO2Emission and Sustainable Development in Chinese Industry”Economic Research Journal, No. 4: 41-55.
[13]龚健健，沈可挺. 中国高耗能产业及其环境污染的区域分布——基于省际动态面板数据的分析[J].数量经济技术经济研究，2011，（2）.
Gong, J.J., and Keting Shen. 2011. “Regional Distribution and Environment Pollution of Energy-intensive Industries in China”The Journal of Quantitative and Technical Economics, No. 2: 20-36.
[14]胡鞍钢，郑京海等. 考虑环境因素的中国省级技术效率排名（1999-2005）[J].经济学（季刊），2008，（7）.
Hu, A., J. Zheng, Y. Gao, and N. Zhang. 2008. “Provincial Technology Efficiency Ranking with Environment Factors(1999—2005)”China Economic Quarterly, 7(3): 933-960.
[15]李小平，卢现祥，朱钟棣.国际贸易、技术进步和中国工业行业生产率增长[J].经济学(季刊)，2008，(7).
Li, X., X. Lu, and Z. Zhu. 2008. “International Trade, Technological Progress and Productivity Growth of Chinese Industries” China Economic Quarterly, 7(2): 549-564.
[16]涂正革. 环境、资源与工业增长的协调性[J].经济研究，2008，（2）.
Tu, Z. 2008. “The Coordination of Industrial Growth with Environment and Resource”Economic Research Journal, No. 2: 93-105.
[17]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）.
Wang, B., Y. Wu, and P. Yan. 2010. “Environmental Efficiency and Environmental Total Factor Productivity Growth in China’s Regional Economies” Economic Research Journal, No. 5: 95-109.
閱讀更多 中國經濟學人 的文章
