浙江省绿色全要素生产率估算
——基于DEA-Malmquist指数方法
向惟祎 周新苗
(宁波大学商学院，浙江 宁波 315211)
摘 要: 运用规模收益固定的DEA-Malmquist指数分析法，基于2006—2015年浙江省11个地级市的面板数据，估算浙江省各市的全要素生产率及绿色全要素生产率，并据此分析其时空演变特征以及各市的地区性差异。结果表明：浙江省内的绿色全要素生产率地区差异并不十分明显，而在2006—2015年期间绿色全要素生产率呈现下降的趋势，但是从传统全要素生产率及其分解来看，环保投入及规制带来的影响仍然是正向的。结论是要进一步促进浙江省经济的可持续发展，需通过提高绿色技术进步率和优化产业结构，进而提高绿色全要素生产率，兼顾经济增长的效率和环境问题。
关键词: 绿色全要素生产率；DEA-Malmquist；经济可持续发展；浙江省地级市
党的十八大以来，以习近平同志为核心的党中央把生态文明建设作为统筹推进“五位一体”总体布局和协调推进“四个全面”战略布局的重要内容，谋划开展了一系列根本性、长远性、开创性工作[1]。
“课后三点半”指家长因忙于工作无法按时接学生放学，校外良莠不齐的教育托管机构服务质量无法保证，还容易变相加重学生的课业负担和家庭经济负担，滋生安全问题，扰乱教育秩序，引发家长和学生的集体焦虑。解决“课后三点半”问题必须坚持公益性和普惠性原则，在非义务教育属性范畴引入课后服务和课后托管机制，以政府引导为核心，由学校组织，吸引社区、志愿者和社会服务机构广泛参与，为学生提供以提升素质为目标的教育服务。
在新古典增长模型，索洛残值(全要素生产率贡献)的解释中，在剥离资本和劳动投入对产出增长的贡献之后，所剩余的增长部分就是技术进步对经济增长的贡献。然而索洛剩余的解释里，没有将环境这一绿色要素包含进去。为了经济的可持续增长，考虑到后代的长远的福祉，绿色全要素生产率是兼顾经济增长以及生态平衡保护得更为全面的衡量方法[2]。新常态下，浙江省走在产业结构调整与环境资源重新分配的前沿[3]。
本文基于浙江省各市的统计数据，在对绿色全要素生产率在省内时空分异测算及分析的基础上，对浙江省环保政策提供政策建议参考。
数码摄像技术特别是红外相机从20世纪90年代开始应用于野生动物研究[1-2]。相对于传统的野生动物调查方法[3-4]，红外相机技术具有受栖息地环境影响小、专业要求低、对动物干扰少、图像直观、昼夜连续工作等优点，如今已应用于调查物种多样性，野生动物资源、分布格局、保护管理，动物生态和行为学，重要珍稀物种的重新发现，研究动物的栖息地选择，尤其是活动隐蔽物种的调查等多个领域[5-9]。
1 文献综述
在研究的视角上，部分学者从产业、行业层面研究全要素生产率的增长情况。净莉运用DEA-Malmquist指数对工业行业的全要素生产率进行研究[4]。陈文新和潘宇则测算了低碳约束下，国内主要省份物流业这一行业整体的全要素生产率，测算使用了DEA-Malmquist方法，研究表明各要素投入均有提升空间，行业全要素生产率的增长有持续的趋势[5]。
金属材料往往要求具备如高温、低温韧性、耐腐蚀性等基本性能，并且要求焊后仍保持这些基本性能。但是，在短短的焊接时间内，焊缝和热影响区（HAZ）金属却要经受加热、冷却、熔化、结晶、物理化学反应、固态相变，以及应力、应变等一系列复杂过程。然而，不同的金属材料表现出不同的焊接性特点，应根据材料的焊接性问题和应用要求确定合理的焊接工艺。
DEA-Malmquist方法的函数设定使其便于计算多产出的情形。且已有的对绿色全要素生产率测算的实证分析中，多数都将研究视角放在国家，省际，特定经济区域方面，市县级别的测算研究相对较少。
2 研究方法及模型设定
d s (x ,y )=min {θ :(x s ,y s /θ )∈P (x )}
则s 时期和t 时期的产出距离函数(OutputFunction)为：
在DEA方法的基础上，Fare等在研究中提出了Malmquist的分解方法[8]。假定在时期t 中共有m 种投入向
且存在s 种期望产出向量
以及k 种非期望产出向量
生产可能集可表示T t ={(x t ,y t ,b t ),y t ,b t 可以由x t 生产出来},对应的期望产出集为P t (x )={y t :(y t ,x t )∈T t }，投入集是P t (y )={x t :(x t ,y t )∈T t }。
对照组行常规外科手术治疗：根据患者损伤程度选择适宜的手术方案，将患者腹腔打开后吸收内部液体，仔细探查腹腔组织器官，待处理好受损的脏器后，对腹腔进行冲洗，结束手术；术后于外科ICU中心实施常规复苏干预。
(1)
d t (x ,y )=min {θ :(x t ,y t /θ )∈P (x )}
(2)
资本投入指标,本文使用的是规模收益固定的非参数Malmquist指数方法，测算中使用的均为相对效率,每个变量的选择能够使用相同的标准即可。模型中资本投入指标使用的是各地级市的年固定资产投资(亿元)数据，用于反映浙江省各市的资本投入情况。
techch ×(pech ×sech )
(3)
式(3)中，x t ,y t ,b t 以及x s ,y s ,b s 分别为t期和s期的投入向量、期望以及非期望产出向量，结合上述式(1)、式(2)，D s (x s ,y s ,b s )、D t (x t ,y t ,b t )是第s期和第t期决策单元的距离函数。techch 是技术进步因子，而(pech ×sech )则是技术效率变动因子，其中pech 表示纯技术效率变化，sech 则表示规模效率变化。对指数M进行分解时，根据下述的式(4)的线性规划模型来计算相应的D s (x s ,y s ,b s )、D t (x t ,y t ,b t )、D s (x t ,y t ,b t )和D t (x s ,y s ,b s )。
(4)
3 实证分析
3.1 浙江省绿色全要素生产率的总体变化趋势分析
考虑到我们目前收集的数据的真实性及完整性，为了论文研究成果的准确性，样本包括浙江省的11个地级市，观测区间为2006—2015年。数据来源于《浙江省统计年鉴》《浙江环境统计年鉴》《中国环境统计年鉴》《中国统计摘要》《中国城市统计年鉴》及《中国统计年鉴》。依据相关文献，部分数据由自行计算得来。下面详细解释投入以及产出的指标选择[9]。
式(1)、式(2)中，θ 表示技术效率指数,要使得θ 取到最小值，则需要使
达到最大。再对指数进行进一步的分解，以得到技术进步以及技术效率变动的衡量：
食管癌治疗总体策略的制定依赖于患者的一般状况，KPS评分是对肿瘤患者生活质量的评分，可粗略的对机体的一般状况进行综合评价。KPS评分高，提示肿瘤对身体机能尚未造成大的损害，患者对抗肿瘤治疗耐受性高，预期生存时间长。KPS评分低，提示肿瘤已经影响机体的日常活动、生活质量，患者往往难以耐受放化疗等抗肿瘤治疗手段，预期生存时间较短。KPS评分广泛用于预测各类各期恶性肿瘤的生存期，例如Fox[7]、Li[8]、Ohashi[9]在研究进展期直肠癌、胃癌、肺癌的预后因素时皆提出KPS评分是1个独立的危险因素。与他们的研究结果相似，本研究显示KPS评分也是影响食管癌骨转移预后的重要因素。
能源投入指标,由于缺乏将各地级市的能源进行折算，转换成以万吨标准煤为单位的能源投入相关数据，自行核算标准煤消耗会带来数据的较大偏差，故这里选择工业的全年用电量(亿千瓦小时)来衡量。
第四，受多种因素的影响制约，现阶段我国部分高等院校实际招聘的专业教师，在参与开展“C语言程序设计”课程上机实验教学环节中，在基本的实践操作技能方面依然存在问题，无法在具体教学环节中，为学生提供科学且专业的教学指导，对教学效果造成了不良影响。
2、辨别蓝宝石的成色最好是在白光下用肉眼观察，在天然日光及人造光源下看宝石。宝石在强光下看来会较浅色，但在一般日光下则会较黑。
产出指标之中有期望产出指标,使用各市相应年份的生产总值GDP数据衡量期望产出。
现有的研究中，一部分专注于测算讨论某特定区域绿色全要素生产率的整体变化情况，如尹传斌等[6]使用SBM-Luenberger模型测算了西部地区的绿色全要素生产率。王恕立,王许亮则运用SBM模型估算我国2002—2014年各地区服务业全要素生产率[7]。
以及非期望产出指标,使用年度的工业废水排放量(万吨)和工业二氧化硫排放量(吨)。
浙江省的绿色全要素生产率总体上是在低于2007—2008年的水平下波动。且传统与绿色Malmquist指数变动的趋势基本同步。绿色Malmquist指数在2007—2008年达到了峰值1.113，同样在此期间，绿色技术进步指数达到了一个峰值1.132，在这一时期，由于北京奥运会举办在即，对环境保护技术的引进及投入大大增加，环境保护举措的施行在全国范围都取得了一定的成效。而绿色和传统的Malmquist指数均在2008—2009年到达峰值后有一个迅速的回落，这是由于2008年经济危机的巨大冲击。而绿色技术效率虽波动较大，总体水平是呈上升的，且有两次峰值水平。这说明尽管浙江省相关的绿色环保技术提升不足，但对已有的有限技术资源的利用比较充分。
2006—2015年，仅有一年的绿色Malmquist指数大于1，这一指数值减1所得数值，即为绿色全要素生产率的增长率，这说明浙江省整体的绿色全要素生产率在此期间呈现下降的趋势。绿色Malmquist指数均值为0.96，表示浙江省绿色全要素生产率下降了4%，经过具体分解，可以看出技术进步指数下降了2.7%，技术效率下降了0.2%。由此可以看出浙江省的绿色全要素生产率，受到了技术效率、技术进步两方面的制约，而绿色技术进步方面的影响占据更加主导的地位，绿色环保方面的技术不够先进；但是从绿色技术效率的指标来看，下降极其微弱，说明绿色环保方面整体资源配置效率水平较高，绿色环保资源得到了较为有效的利用(见图1)。
还有一位从事防腐整容的被访者谈道：“在学校学习的专业知识，虽然对工作也有很大的用处，但遇到特殊逝者需要处理时，还得靠单位前辈来及时处理，我们从中学习到很多学校不能完全教给我们的内容。我们很尊重单位的老前辈，都会很认真跟他们学习。
表1 2006-2015年浙江省平均绿色 Malmquist指数估算结果
表2 2006—2015年浙江省平均Malmquist指数估算结果
图1 2006—2015年浙江省Malmquist指数 的变化趋势图
借助DEAP2.1软件，应用上述收集的数据估算浙江省各地级市绿色Malmquist指数、绿色技术效率指数、绿色技术进步指数。以及传统的Malmquist指数测算及其分解(“传统”是指没有考虑非期望产出，所使用的指标仅为资本投入指标、劳动投入指标、能源投入指标3个投入指标以及各市相应年份的生产总值GDP这一产出指标)，计算结果(见表1、表2)。
劳动投入指标,劳动投入采用有效劳动衡量的形式,测算中采用各市的年末从业人员数(万人)的数据。这种方法避免了直接采用各市就业人数而导致的数据不准确。
3.2 各市的GTFP 地区差异分析
浙江省各市，在自然地理、历史人文等方面均存在差异，这都使得各市的经济发展各具特色，支柱产业等也各有不同，这使得各市的全要素生产率逐渐形成区域差异。而在环境保护政策的提出以及执行进程上，也存在着地区的分异，故而各市的绿色全要素生产率也存在分异。
根据表3所示，2006—2015年间浙江省各地级市总体的GTFP均有一定程度的下降。通过分解后的绿色效率指数以及绿色技术进步指数具体来看，由于绿色技术效率的贡献，杭州、宁波、台州、温州的GTFP下降较慢，说明这些城市对环保资源的配置管理是合理高效的。另一方面，绿色技术进步指数的趋势表明，经济更发达的地级市，绿色技术进步指数也会相对的更高。工业经济的发展会不可避免地带来严重污染。
表3 浙江省各市绿色Malmquist指数估算结果
而从表3与表4各市Malmquist指数的对比来看，环保绿色要素的贡献仍显不足，非期望产出即产出增长带来的污染过多。再通过分解后的绿色效率指数以及绿色技术进步指数具体来看，杭州、宁波、湖州、绍兴、舟山、金华、衢州以及丽水的绿色Malmquist指数主要是由绿色进步指数贡献的。而针对分解后的传统Malmquist指数分析，浙江省内由技术效率贡献的城市，以及由技术进步贡献的城市数量基本各占半数(见图2)。
表4 浙江省各市Malmquist指数估算结果
图2 浙江省各市Malmquist指数的变化趋势图
为了更加清晰而直观的展示地区的分异情况，本文使用Python3.6绘制出浙江省全要素生产率以及绿色全要素生产率的空间分异图，图3中仅反映对比情况而非绝对数值。
图3 浙江省全要素生产率的空间分异图
宁波市的绿色全要素生产率高于其他城市，而从传统全要素生产率以及绿色全要素生产率两方面来看，浙北地区的湖州市以及嘉兴市均处于低值区。各市的传统全要素生产率与绿色全要素生产率的高低状况并非是同步映射的。说明其实现经济增长的路径会带来相对较多的非期望产出，即是非环保的。
针对由技术进步增长而贡献更多的城市，需要着重提高技术效率来促进绿色全要素的增长。而对于技术效率增长贡献更多的城市，则需采取措施，提高技术进步。
3.3 浙江省各地级市绿色全要素生产率的定量分析
为了定量的分析各市之间绿色全要素生产率的差异在时间上如何变动，参照一般的研究方法，运用地区差异性指数(Regional Disparity Index)来衡量差异变动的程度[10]。为了便于描述，直接在公式中描述绿色全要素生产率的地区差异性指数的定义(Green Regional Disparity Index)。
(5)
式(5)中，n是被衡量对象的总数，GTFP it 是第i 个对象在第t 年的绿色全要素生产率指数，是第t 年所有被衡量对象的绿色全要素生产率的均值。GRDI ∈[1，10]，取值接近10则说明衡量对象差异很大，反之接近于0则差异较小。
市场经济的诱惑下，踩线，雷同，烂俗等题材片层出不穷，《宝宝不哭》取材王宝强与前妻马蓉的离婚事件，满足网友的恶趣味；僵尸题材影片在院线电影难过审，在互联网大环境下，僵尸题材影片层出不穷，《僵尸归来》、《阴阳先生》等影片一拥而上，烂俗雷同层出不穷。
各市GRDI 的结果如图所示，浙江省各地级市GDRI 只围绕0.6上下波动，表明绿色全要素生产率在各市之间差异并不显著，且差异变动幅度不大；从2011年到达峰值之后，GRDI 基本处于下降趋势，说明各市之间绿色全要素生产率差异在进一步缩小；而在2009—2011年，GDRI 连续上升，直至2011年，GRDI 达到峰值(见图4)。
图4 2006—2015年浙江省各市GRDI指数趋势图
4 结论与启示
第一，应明确绿色全要素生产率的重要性。绿色全要素生产率不是孤立的仅衡量环保治理状况的指标，其存在空间集聚与技术溢出的效应，在进行环保技术改进从而提升绿色要素贡献的同时，也会为经济增长带来贡献。浙江省各市应积极有序的调整产业结构。加速新旧产能转换,淘汰一些污染较大的煤炭、钢铁等传统落后产业,聚焦新兴绿色产业、技术密集型产业等。依靠科学绿色的发展方式，优化生产方式，精进工艺设备、制度管理，降低能耗，激励资源从中低产能的产业转移到高附加值产业[11]，有效促进资源利用效率。以协调好经济效益和社会效益的平衡关系，实现绿色全要素生产率的增长，使得绿色环保要素也可以更多的贡献经济增长。
第二，落实区域差异化环境政策。从区域层面的角度，各市经济发展水平不同，其支柱产业，经济增长的源泉各具差异，因此不同地区、不同发展阶段应落实差异化的环境政策[12]。对经济较为发达的，工业污染较少的城市而言,市政须重视利用经济手段开展政策试点与探索,将行政管理的作用与市场自身的调节作用相结合，推进环境税费、生态补偿的正规化、市场化[13]。对于部分仍存在较多工业污染的地级市，需较大程度的发挥命令控制型环境政策效应。完善环境制度体系、提高环境保护制度执行力、有效性，明确环境奖惩界限，有效提高环保监督效率。
参考文献
[1] 毕耕.以习近平生态文明思想引领美丽乡村建设[N].光明日报,2018-09-19(06).
[2] AHMED E M.Green TFP Intensity Impact on Sustainable East Asian Productivity Growth[J].Economic Analysis & Policy,2012,42(1):67-78.
[3] 智瑞芝,何锫.环境规制对浙江省制造业绿色技术创新影响研究——基于行业异质性的视角[J].统计科学与实践,2018(3):33-37.
[4] 净莉.中国工业全要素生产率研究[D].重庆：重庆大学,2014.
[5] 陈文新,潘宇.低碳约束下物流产业全要素生产率的空间分异及时空演化[J].工业技术经济,2016,35(11):42-52.
[6] 尹传斌,蒋奇杰.绿色全要素生产率分析框架下的西部地区绿色发展研究[J].经济问题探索,2017,3(12):155-161.
[7] 王恕立,王许亮.服务业FDI提高了绿色全要素生产率吗——基于中国省际面板数据的实证研究[J].国际贸易问题,2017,22(12):83-93.
[8] FARE R,ALNME G S.Productivity growth,technical progress and efficiency change in industrialized countries[J].America Economic Review,1994,84(1):95-109.
[9] 黄人杰.中国区域绿色发展效率与绿色全要素生产率:2000—2010[D].广州：暨南大学,2014.
[10] RUSIAWAN W,TJIPTOHERIJANTO P,SUGANDA E,etal.Assessment of Green Total Factor Productivity impact on sustainable Indonesia productivity growth[J].Procedia Environmental Sciences,2015(28):493-501.
[11] 钱争鸣,刘晓晨.中国绿色经济效率的区域差异与影响因素分析[J].中国人口、资源与环境,2013,23(7):104-109.
[12] SHEN Z,BOUSSEMART J P,LELEU H.Aggregate green productivity growth in OECD’s countries[J].International Journal of Production Economics,2017(30):189-192.
[13] 白稳.我国东部地区绿色全要素生产率研究——基于DEA-Malmquist的实证分析[J].经济与管理,2014,28(5):91-96.
Estimate on Green Total Factor Productivity in Zhejiang Province :Based on DEA -MalmquistIndex
XIANG Wei -yi ZHOU Xin -miao
(Business School, Ningbo University, Ningbo 315211, China)
Abstract : Adopting DEA-Malmquist index analysis with constant returns to scale, based on the panel data of 11 cities in Zhejiang Province from 2006 to 2015, the paper measures the total factor productivity (TFP) and green total factor productivity of each city in Zhejiang Province, then analyzes the regional differences between cities and the spatial and temporal evolution of TFP and Green TFP. It shows that the regional difference of green total factor productivity in Zhejiang Province is not significant, with a downward trend during the period of 2006-2015, but from the perspective of traditional total factor productivity and its decomposition, the impact of environmental protection input and environmental regulation is still positive. The conclusion is that it is necessary to improve the green total factor productivity by improving the green technology progress rate and optimizing the industrial structure, to further promote the sustainable development of Zhejiang’s economy, take both efficiency and environmental problems of economic growth into account.
Key words : green total factor productivity; DEA-Malmquist; sustainable development of economy; cities in Zhejiang Province
基金项目: 国家自然科学基金项目——“中国绿色金融体系构建、发展困境与政策选择研究”(项目编号：71773058；项目负责人：唐绍祥)成果之一；国家自然科学基金项目——“有效风险管控策略对产业安全维护效应研究：基于远景理论的微观分析”(项目编号：71473137；项目负责人：周新苗)成果之一；浙江省哲学社会科学基金项目——“金融安全视角下浙江省绿色金融发展的动力机制与驱动对策研究”(项目编号：2020JC03ZD；项目负责人：周新苗)成果之一。
作者简介: 向惟祎，宁波大学商学院硕士研究生，研究方向：全要素生产率、绿色金融、经济增长；周新苗，数量经济学博士，宁波大学商学院教授，研究方向：经济增长、金融发展、全要素生产率。
(收稿日期： 2019 -08 -22)
标签：绿色全要素生产率论文; DEA-MALMQUIST论文; 经济可持续发展论文; 浙江省地级市论文; 宁波大学商学院论文;