四川省工业绿色全要素生产率评价研究
——基于Malmquist-Luenberger指数

谭 涛，吴 江，王旻轲，张培文

(西南财经大学统计学院，四川成都611130)

摘要 ：使用MinDS模型构造Malmquist-Luenberger指数测算2007-2015年四川省工业绿色全要素生产率，结果表明：四川省工业绿色全要素生产率年均增长3.21%，技术进步具有促进作用，技术效率、纯技术效率、规模效率具有抑制作用；在四川省的五大经济区中，工业绿色全要素生产率由高到低依次是川东北经济区、川南经济区、攀西经济区、成都平原经济区、川西北经济区；总体上的单位工业增加值碳排放量的冗余是逐渐减少的，但仍需要继续推进工业节能减排工作。对结果进行收敛分析的结果表明工业绿色全要素生产率是发散的，技术进步是收敛的，成都平原经济区、川东北经济区的工业绿色全要素生产率是发散的。

关键词 ：工业绿色全要素生产率；MinDS模型；Malmquist-Luenberger指数；收敛分析

2015年11月30日，国家主席习近平在巴黎出席世界气候大会开幕式上明确表示：二氧化碳排放2030年左右达到峰值并争取尽早达峰，单位国内生产总值二氧化碳排放比2005年下降60%～65%。随着我国工业化进程的加快，工业的快速增长方式与环境保护之间的冲突日益凸显，实现工业绿色发展模式是我国工业化进程的必然选择。改革开放后工业作为中国的主要实体经济部门平均消费了全国能源的80%，排放出全国二氧化碳的84%，到2008年这两个数据更上升到87%和96%，因此工业部门不可避免将成为节能减排的首要对象^[1]。

根据《国务院关于印发“十三五”节能减排综合工作方案的通知》，四川省“十三五”能耗强度降低16%，能耗增量控制目标为3 020万吨标准煤。国家经济转型升级的特殊时期，客观评价工业增长方式为制定科学发展规划提供依据，对于合理规划四川省工业发展结构、转变工业发展方式是十分必要的，这也是本文的研究动机所在。

一 、文献综述

在内生经济增长理论中，技术进步被认为是经济增长的源泉，但是在测量技术进步方面经济学界普遍使用全要素生产率来代替技术进步^[2，3]。测量全要素生产率的方法包括参数方法和非参数方法。参数方法有随机前沿分析(SFA)方法^[4]、成本函数^[5]、生产函数^[6]等方法。

在入院准备中心，记者看到《入院告知书·温馨提示袋》在入院办理手续时免费赠送，入院告知书内容涵盖从入院办理、生活照护、医保报销、出院办理、随访与复诊等相关知识。工作人员告诉记者，该中心不仅为住院患者服务，还为日间手术的患者服务，从术前检查、术前宣教、院前信息上传，到医生、麻醉师审核确认，再到床位安排、资料整理、手续办理等均可在入院准备中心完成。

第一，统筹推进水利重要领域改革攻坚。加强统筹协调，建立水利改革信息报送和动态跟踪机制，着力抓好《水利部关于深化水利改革的指导意见》重点任务跟踪落实，努力推动水利重要领域和关键环节改革有所突破。深化水利投融资体制改革，在坚持政府主导、发挥公共财政对水利发展保障作用的同时，进一步发挥市场作用，鼓励和吸引社会资本更多地投入水利，多渠道筹集水利建设资金，改进投资计划管理方式。继续开展水利改革试点工作，及时总结和推广典型经验。建立基层水利建设能力动态跟踪机制。

总体无效率值：

随着研究的深入，越来越多的学者指出不考虑污染物等非期望产出因素测算的全要素生产率存在偏差^[13-14]，出于这样的考虑主要是由于经济发展过程中不可避免地会出现三废等非期望产出，经济虽然发展了但是也会带来外部成本，应当将工业发展过程中的负面影响纳入考虑范围。

则MinDS模型下第t 年的综合效率值为：

成都平原经济区平均绿色全要素生产率排名第四。成都平原经济区是四川省经济发展的重要引擎，与攀西经济区丰富的矿产资源不同的是，成都平原经济区的工业主要依托电子信息、重大装备、汽车制造、航空航天、新材料、高效发电和核技术等特色产业，科研机构和科技人员、国家级经济技术开发区、省级经济开发区、省级工业园区等的高度集中给成都平原经济区工业发展带来了独一无二的发展优势。而制约成都平原经济区全要素生产率提高的关键因素是技术效率、纯技术效率和规模效率，这表明成都平原经济区发展要通过提升管理水平、提高规模效率的方式来提升全要素生产率，大力培育优势产业加快形成工业规模效率、改善工业发展效率、提升管理能力是成都平原经济区发展的主要举措。

通过对大量文献的整理不难发现已经研究的不足之处：第一，已有研究大多是从全国层面上测算各省份的工业全要素生产率，测算四川省工业绿色全要生产率的文献是十分少见的。第二，将污染物作为一项投入或者取到数有一定的合理性，但不符合DEA方法的基本原理。基于此本文试图从以下几点拓展现有的研究：第一，以四川省21市(州)规模以上工业企业作为研究对象，并将非期望产出纳入考虑因素。第二，采用包含非期望产出的至强有效前沿最小距离法(Minimum Distance to the Strong Efficiency Frontier Analysis，MinDS)，并结合Malmquist-Luenberger(ML)指数，测算四川省工业绿色全要素生产率。第三，进行收敛分析，检验四川省工业绿色全要素生产率、技术效率和技术进步的收敛情况。

二 、研究模型与数据

(一)MinDS模型

MinDS模型优点很多^[20-21]，可以克服DDF(Directional Distance Function)模型不能计算改进量和对非期望产出弱处置不合理的问题，克服SBM(Slacks-based Model)模型采用前沿面上最远的投影点测算的不合理之处。与DDF和SBM相比，Wang^[22]认为MinDS模型测算在政策制定时更具有实际操作意义。

假设有n 个决策单元，每一个决策单元有m 种投入，d 种期望产出，u 种非期望产出，定义投入变量为X =(x ₁,x ₂,…，x _m )∈R _m×n ，期望产出变量为非期望产出变量为待估计的决策单元为则MinDS模型可表示为：

(1)

选择合适的DEA方法是评价工业绿色全要素生产率的前提，这将直接影响研究到结论的准确性。

从中等职业学校的教师要求方面来看，中等职业学校的教师是履行中等职业学校教育教学工作职责的专业人员，要经过系统的培养与培训，具有良好的职业道德，掌握系统的专业知识和专业技能，专业课教师和实习指导教师要具有在企事业单位的工作经历或实践经验，并达到一定的职业技能水平。所以，对职业技术师范院校师范生有目的、有计划地进行系统的教师教育课程学习和教学实践能力训练，可以促进师范生更好地学习教师教育课程理论与方法，具备从师任教的意识，形成教育和教学能力。

该模型是一个二层规划，分别表示第一层级规划的投入松弛、期望产出松弛、非期望产出松弛，分别表示第二层级规划的投入松弛、期望产出松弛、非期望产出松弛，M 表示一个非常大的正数。

如果在上述模型中考虑时间因素，则考虑时间因素的MinDS模型可表述为(2)式：

(2)

定义在第t 年的无效率值分别为：^[23]

采用MAXDEA软件求解本文前述模型，具体结果分析如下。

(3)

期望产出无效率值：

(4)

非期望产出无效率值：

(5)

非参数方法主要采用DEA方法，以往测算全要素生产率时并没有考虑污染物这一非期望产出因素。Halbfass使用1984-1988年间的300家大中型企业数据发现，国有企业在1984-1988年间全要素生产率变化几乎为0^[7]。沈能使用Malmquist指数测算了中国1985～2003年工业全要素生产率，年均增长1.6%，技术进步是主要推动力^[8]。庞瑞芝使用Malmquist指数测算了中国1994-2006年工业的全要生产率，结果表明在大多数年份的工业全要生产率都大于1，其中技术进步是主要动力^[9]。姚西龙使用Malmquist指数测算中国1995-2008年中国工业全要素生产率，年均增长16.8%^[10]。孙早使用Malmquist指数测算了2000-2011年中国内地工业全行业的全要素生产率^[11]。周五七使用Global-Malmquist指数测算了中国1998-2012年工业的全要素生产率，年均增长5.75%，认为技术进步是主要推动力^[12]。

·年到馆读者13．9亿人次，人均到馆4．48次，较2009年减少16．29%；受理各类参考咨询2．56亿件，人均咨询0．82次，较2009年减少21．16%；年文献流通22．7亿册次，人均借阅图书7．3册；

IE =IE _X +IE _Y^G +IE _Y^B

(6)

根据公式(4)～(7)，在第t 年的综合效率值为：

(7)

顺便再说一句，那天火车没有停运，却晚点了整整一个半小时；本来应在晚上十一点钟发车，却一直等到了后半夜十二点半才正式发车。

(8)

(二)ML指数

Färe(1997)^[24]提出的Malmquist指数未考虑非期望产出，本文借鉴Chung^[25]提出的考虑非期望产出ML指数，采用MinDS模型构造的ML指数为：

(9)

ML指数测算的全要素生产率(TFP)在CRS(Constant Returns to Scale)条件下分解为技术效率(EFFCH)、技术进步(TECH)，而在VRS(Variable Returns to Scale)条件下技术效率进一步分解为纯技术效率(PECH)、规模效率(SECH)，PECH、SECH、TECH分别表示管理水平变动、规模水平变动、技术水平变动。当ML指数及其分解指数大于1时表示进步，小于1时表示倒退，等于1表示无变化。相应的ML指数的分解式如下：

（3）让幼儿善于合作和交往。即学会与同伴共同生活，在生活自理能力上能够相互协作、相互学习、共同发展；能与同伴共同探究问题，克服困难，相互支持，合作完成任务；增进与同伴之间的相互了解，提高社会交往能力。

(10)

式中，

同时为了更好地考察四川省工业绿色全要素生产率，消除数据之间单位的量纲，使用如下公式对数据进行标准化处理:

z_ij=0.1+0.9×(z_ij-b_j)/(a_j-b_j)

施工技术人员在选择材料时，因组成材料及混凝土质量关系紧密，需注意其颗粒的大小，沥青混合颗粒和粗集料的直径最为接近，如此配比材料可保证公路路面的稳定及防滑性。施工技术人员在选择细集料时，需留意材料自身的含泥及含沙量。不建议应用存放较久的，应选择新鲜的集料，因此其稳定性及抗压性，会随着存放时间的增加而越来越差。

(11)

式中，a_i= max z _ij

1≤j ≤n ，b _i = min z _ij

1≤j ≤n ，a _i 、b _i 分别表示第i 项指标的最大值和最小值，z _ij 表示第j 个决策单元的第i 项指标，通过转化后的z _ij ∈[0.1,1]。

(三)变量选取及数据来源

投入指标选取企业单位个数、全年平均从业人数^[12]和工业资产总额作为投入变量。在资本投入方面通常选取工业固定资产净值作为投入^[15]，由于本文无法获得完整的工业资产净值数据，使用工业资产总额替代。

新媒体是以数字技术为基础，以网络为载体进行信息传播的媒介。互联网在技术上的本质是开放的对话，互联网把对话的行动者落实为个体，具化为各个层次的沟通，伴随着交互性与即时性，海量性与共享性，个性化与社群化的沟通范式转变，各类关系的建立、投射和激活，突破了虚拟与现实之间的界限。各类社会组织充分享互联网带来的技术红利，也必须承担技术发展和制度建设所带来的“运转失灵的风险”。新媒体公共关系，是以移动互联网等为手段，开展组织与利益相关者之间在事实、价值层面的规程式对话，以促进真相融通和利益互惠、建立信任和分享意义，是互联网风险社会下企业应对“后危机时代”的重要途径。

测算工业绿色全要素生产率应当包含碳排放量，因此选择单位工业增加值碳排放量作为非期望产出来衡量工业碳排放量。由于无法直接获得单位工业增加值碳排放量这一指标，可以获得的是单位工业增加值能耗这一指标，根据陈诗一的研究^[6]，标准煤二氧化碳的排放系数为2.763，然后将工业增加值能耗折算为单位工业增加值碳排放量。期望产出指标选择工业总产值^[26]。

小乌龟很好奇。他每次比赛总是跑在最后一个，跑步的样子会引来整个操场的笑声。这是他最不能容忍和最丢人的一件事。谁让他背着一个重重的乌龟壳？再说，幼儿园的生活太不自由了，谁不想过没人管束的自在日子？

选取四川省21市(州)2006-2015年规模以上工业企业数据，企业单位个数、全年平均从业人数、工业资产总额、工业总产值、单位工业增加值能耗来自《四川统计年鉴》。

三 、实证及结果分析

投入无效率值：

(一)四川省工业绿色全要素生产率总体分析

表 1 2007-2015年四川省平均绿色全要素生产率 及其分解值

表1显示了四川省2007-2015年平均绿色全要素生产率及其分解值情况，绿色全要素生产率年均增长3.21%，呈现稳步增长的特征。增长最快的为2011年9.8%，最慢的为2008年的-4.48%，出现了倒退，这可能与当年的汶川大地震有关。技术进步年均增长3.97%，对全要素生产率具有提升作用；而技术效率小于1，对全要素生产率具有抑制作用，分解指数表明纯技术效率抑制作用较小，而规模效率抑制作用较大，这表明提高四川省工业绿色全要素生产率，不光要提高管理水平，更重要的是要通过优化资源配置的方式来改善工业的规模效率。

(二)四川省五大经济区工业绿色全要素生产率分析

表2显示了在四川省五大经济区平均绿色全要素生产率及其分解值，绿色全要素生产率排名最高的地区是川东北经济区，绿色全要素生产率年均增长4.3%，技术效率、纯技术效率和规模效率是制约全要素生产率提升的关键因素。这可能是由于川东北经济区工业基础薄弱、工业产品竞争力较弱、工业发展内生力不足造成的。川东北经济区的发展要充分发挥天然气产业链优势资源、发展清洁能源、精细化工等优势资源工业产业，培育工业发展的增长点，注重管理水平和规模水平的提高。

表 2 2007-2015年四川省五大经济区平均绿色全要素生产率及其分解值

注：五大经济区划分依据见http://www.sc.gov.cn/10462/10464/13298/13299/2016/9/7/10395004.shtml

平均绿色全要素生产率排名第二的是川南经济区，年均增长3.64%。川南经济区是深入实施多点多极支撑发展战略的重要地区，川南经济区是四川老工业基地，尽管全要素生产率稳步增长，但当前工业资源枯竭的形势下发展任务依然艰巨，工业转型升级难度较大。全要生产率分解指标表明规模效率是制约川南经济区工业发展的关键所在，因此需要在已有工业基础之上，通过加快老工业调整改造、推动工业结构转型升级、对传统工业技术进行改造、淘汰落后产能、发展特色优势工业等方式来提升规模水平。

美丽乡村规划设计是结合技术、经验和时间来持续呈现的，陪伴式服务则是该持续过程中避免出现美丽乡村建设实施与规划设计不符的重要手段和有效措施。

攀西经济区是四川省多点多极支撑格局的着力点，平均绿色全要素生产率排名第三，年均增长3.14%，这与攀西地区丰富的钒钛磁铁矿、稀土资源、水能资源分不开，这种丰富的矿产资源资源便形成了攀西地区以矿产资源开发、清洁能源生产、机械制造为特色工业体系。技术效率、规模效率是制约绿色全要素生产率的关键，说明攀西地区管理水平和规模水平都需要提高，通过工业结构转型升级、转变工业发展方式、淘汰落后产能、提高规模效率是当前攀西地区经济要解决的主要发展对策。

而后的研究重点逐渐转移到包含碳排放的全要素生产率，即绿色全要素生产率。根据赵春雨的研究，1999-2009年间工业部门绿色TFP年均增长率为20.87%，其中技术效率年均增长率为0.46%，技术进步年均增长率为20.78%^[15]。何小钢测算了1994-2009年中国36个行业的Malmquist指数，认为中国工业全要素生产率平均增长为2.4%，技术进步是主要推动力^[16]。李斌测算了2001-2010年中国36个工业行业绿色全要生产率，平均值为0.929^[17]。Shao使用Global-Malmquist-Luenberger指数测算了2004-2013年中国有色金属工业30个次级行业的绿色全要素生产率，这一结果低于0.75^[18]。Shao测算了中国27省份2003-2009年有色金属工业的全要素生产率，使用Malmquist指数测算全要素生产率为4.4%，Malmquist-luenberger指数的绿色全要素生产率结果为0.9%，并指出忽视非期望产出会高估TFP的增长^[19]。

川西北经济区绿色全要素生产率年均增长1.32%，增长较慢这可能与川西北经济区注重修复脆弱的生态环境有关，从而在一定程度上限制了工业的发展。川西北经济区工业发展要注重绿色发展、低碳发展、清洁发展，要重视水电、风能、太阳能等清洁能源的利用，合理使用矿产资源，推动新能源、新材料等制造业的发展，在发展过程中要改善注重管理水平和规模水平，提高资源的利用能力和产出水平。

(三)四川省21市(州)工业绿色全要素生产率分析

表3显示了四川省21市(州)平均绿色全要素生产率及其分解值，全要素生产率排在前五位的依次是成都、广安、内江、达州、攀枝花，排名在最后五位的地区是乐山、绵阳、凉山、甘孜、雅安，这些排名可能会与直观感受有些不符，造成这一现象的原因是本文测算的是工业绿色全要素生产率，通常已有文献是通过工业生产总值来判断一个地方的工业水平。

表 3 2007-2015年四川省 21市 (州 )平均绿色全要素生产率及其分解值

续表

从工业绿色全要素生产率及其分解值来看，除雅安以外其地区的全要素生产率都是进步的，21市(州)的技术进步都大于1，对全要素生产率具有促进作用。具体来看，成都、自贡、攀枝花、广安的纯技术效率和规模效率对全要素生产率具有促进作用，对于成都、攀枝花地区的发展、管理经验可以在全省范围内树立典型，给其他市(州)工业发展带来借鉴作用；德阳、绵阳、眉山属于纯技术效率制约型地区，管理水平低下是制约工业绿色全要素生产率提升的关键所在；泸州、内江、南充、巴中、资阳、阿坝、甘孜、凉山属于规模效率制约型地区，这类地区特征表现在规模水平不高，提高要素资源的产出是解决全要素生产率底下的根本办法；广元、遂宁、乐山、宜宾、达州、雅安属于纯技术效率和规模效率制约型地区，提高这类地区的工业绿色全要素生产率要下大力气提升管理水平和规模水平。

为了更加客观准确的评价四川省的工业发展情况，提出合理的改进方向，表4显示了四川省21市(州)非期望产出的松弛改进量，由于篇幅限制本文只列示了单位工业增加值碳排放量的松弛量。该表是用MinDS模型测算各年份的松弛改进量，该模型同时从投入和产出两个方面进行改进，由于前沿面以最小距离为作为参考点，所以通过该模型测算的松弛改进量更加容易实现，也更加有利于现实中政策的制定。

表 4 2006-2015年四川省 21市 (州 )非期望产出的松弛量

续表

成都、攀枝花、德阳、南充、巴中、资阳、甘孜在年处于效率前沿面上，没有松弛量。广元、内江、乐山、广安、达州、阿坝的松弛量较多，对于该地区需要加强节能减排工作，采用清洁能源、发展循环经济、绿色工业、工业转型升级等措施降低单位工业增加值碳排放量。以泸州市为例，在2006年、2007年、2012年工业增加值碳排放量分别需要减少19.13%、46.71%、7.68%。从单位工业增加值碳排放量的松弛量可以看出，四川省总体上的单位工业增加值碳排放量的冗余是逐渐减少的，这表明工业发展过程中的节能减排任务已经取得了一定的成效，要实现“十三五”能耗强度降低16%这一目标仍需要继续推进工业节能减排工作，重视清洁能源、工业结构调整等问题。

(四)四川省工业绿色全要素生产率收敛分析

为了研究若干经济指标之间的差距是否存在缩小的趋势，使用σ收敛^[27]和绝对β 收敛^[28]进行分析。σ收敛主要用来检验离散程度，如果工业效率的离散程度随着时间的推移而逐渐缩小则表明存在σ收敛。绝对β收敛表明随着时间的推移每个地区的效率会趋于相同的水平，如果β显著为负则表明工业发展落后的地区会赶上发展较好的地区。具体公式如下：

第三，在企业创新科技产出层面，开始逐渐改变长期以来的策略性创新策略，放缓了对外观设计专利的研发与申请，加大了发明专利的产出效率。但是在现行环境下，企业依旧保持了对见效快、周期短、适用性强的实用新型专利创新科技产出，在创新长期驱动与短期经济效益上进行了理性权衡。进一步通过对产权性质分组的考察，笔者还发现国有企业受创新驱动供给侧改革的激励最为突出，大幅度增加了发明和实用新型专利的申请。而民营企业则相对较保守，政策的引导与激励效果不如国有企业。

(12)

式中，IP _i 代表测算的第个区域的工业效率值，代表测算的工业效率值对数的均值，n 表示地区个数。

按徐演的说法，这个版本本来要作为“云南民族民间文学丛书之一”出版，但因为这时由宣传部领头的，具体由一群学生组成的调查又已经启动，所以出版暂停。徐嘉瑞甚至“拿出这份由出版社已经打印成校样的整理稿，以完全无私的精神，无条件地全部交给了学生们”。

[ln(IP _i,T +1/IP _i1 )]/T =α +β lnIP _i1 +ε _t

(13)

式中，IP _i1 表示第i 个区域期初的工业效率值，IP _i,T +1表示第i 个区域期末的工业效率值，α表示截距项，β 表示收敛系数值。

1. σ收敛分析

表5显示了四川省绿色全要生产率、技术效率、技术进步的σ系数变化趋势，分别讨论如下：

表 5四川省 21市 (州 )σ系数的变化趋势

(1)绿色全要生产率σ系数的变化趋势分析。第一，四川省总体的σ系数经历了“先降—后升”的变动趋势，总体来看绿色全要素生产率σ系数是上升的，即四川省工业的绿色全要素生产率不存在σ收敛。第二，成都平原经济区、攀西经济区、川西北经济区、川东北经济区的工业绿色全要素生产率不存在σ收敛。第三，川南经济区的工业绿色全要素生产率存在σ收敛。

(2)技术效率σ系数的变化趋势分析。第一，四川省总体的σ系数经历了“先升—后降—再升”的变动趋势，技术效率的σ系数是上升的，即四川省工业技术效率不存在σ收敛。第二，成都平原经济区、攀西经济区、川东北经济区的技术效率不存在σ收敛。第三，川南经济区、川西北经济区的技术效率存在σ收敛。

(3)技术进步σ系数的变化趋势分析。第一，四川省总体的σ系数经历了“先升—后降—再升—再降”的变动趋势，技术进步的σ系数是下降的，即四川省工业技术进步存在σ收敛。第二，成都平原经济区、攀西经济区、川南经济区、川西北经济区的技术进步不存在σ收敛。第三，川东北经济区的技术进步存在σ收敛。

σ系数的变化趋势表明总体上四川省的工业绿色全要生产率、技术效率、技术进步是发散的，这说明地区之间工业发展水平是不均衡的，需要通过工业技术转移、政策扶持等方式缩小地区之间工业发展不均衡的这一发展态势。

“华龙一号”是具有中国自主知识产权的三代核电技术，采用国内外最新最严格的安全标准。“华龙一号”示范项目—中广核防城港核电二期工程3号机组穹顶吊装2018年5月顺利完成，全面转入设备安装阶段。英国布拉德维尔B核电站项目将采用“华龙一号”技术，并以广西防城港核电二期项目为参考电站。

2. 绝对β收敛分析

表6显示了工业绿色全要素生产率、技术效率、技术进步的绝对β收敛检验，由于样本量限制无法测算攀西经济区和川西北经济区。可以看出四川省工业绿色全要素生产率不存在绝对β收敛，技术效率和技术进步存在绝对β收敛。成都平原经济区、川南经济区、川东北经济区的工业绿色全要素生产率不存在绝对β收敛。成都平原经济区、川东北经济区技术效率不存在绝对β收敛，川南经济区技术效率存在绝对β收敛。成都平原经济区技术进步存在绝对β收敛，川南经济区、川东北经济区技术进步不存在绝对β收敛。这些结论与前文σ收敛分析的结论大部分一致。这一结果表明四川省工业发展整体上发展不均衡，造成这一现象的原因可能是由于地区之间工业发展优惠政策的不均衡，也可能是由于先进的节能减排技术存在扩散障碍等原因导致工业发展中的不均衡，使得四川省工业绿色全要生产率、技术效率、技术进步是发散的。

表 6工业全要素生产率及其分解值的绝对 β收敛检验

注：*、**、***分别代表在10%、5%、1%的水平下显著

通过对σ收敛和绝对β收敛的分析，可以得到如下一致结论：(1)四川省整体的工业绿色全要素生产率呈现发散的特征，技术进步呈现收敛的特征。(2)成都平原经济区的工业绿色全要生产率是发散的，技术效率和技术进步是收敛的。(3)川南经济区的技术效率是收敛的。(4)川东北经济区的工业绿色全要素生产率、技术进步、技术进步呈现发散的特征。

四 、研究结论及政策启示

为了评价四川省工业发展状况，使用MinDS模型构造的Malmquist-Luenberger指数，利用四川省2006-2015年的规模以上工业企业投入产出的数据，测算了四川省的工业绿色全要素生产率，并对四川省工业绿色全要素生产率进行收敛分析。得到如下几个结论：第一，四川省工业绿色全要素生产率年均增长3.21%，技术进步对工业绿色全要素生产率具有促进作用，技术效率、纯技术效率、规模效率对工业绿色全要素生产率具有抑制作用。第二，在四川省的五大经济区中，工业绿色全要素生产率由高到低依次是川东北经济区、川南经济区、攀西经济区、成都平原经济区、川西北经济区。第三，在四川省21市(州)平均全要素生产率排名中，全要素生产率排在前五位的依次是成都、广安、内江、达州、攀枝花，排名在最后五位的地区是乐山、绵阳、凉山、甘孜、雅安。第四，广元、内江、乐山、广安、达州、阿坝节能减排节能减排工作仍需加强，需要降低单位工业增加值碳排放量。第五，σ收敛和绝对β收敛均表明四川省工业绿色全要素生产率是发散的，成都平原经济区、川东北经济区的绿色全要素生产率是发散的。

为了进一步提升四川省工业发展水平，本文有如下几点政策性启示：第一，就四川省整而言，要提高工业绿色全要素生产率，不光要重视提高管理水平，更重要的是要通过优化资源配置的方式来改善工业的规模效率。第二，在工业发展过程中要注重低碳发展，清洁发展，摒弃工业发展先污染后治理的老路，通过工业产业结构转型升级，淘汰落后产能的方式降低发展能耗，提高工业绿色全要素生产率。第三，在工业发展过程中各地区要因地制宜，根据自己的资源禀赋形成自身工业优势发展，形成规模效应。第四，要重视新技术、新能源、先进管理经验在全省范围内的推广，形成工业发展落后地区追赶先进地区的发展趋势，缩小不同地区之间工业发展的差距，以实现工业水平的整体提升。

参考文献 ：

[1]陈诗一. 节能减排与中国工业的双赢发展:2009-2049[J]. 经济研究, 2010(3):129-143.

[2]SOLOW R M. Technical Progress, Capital formation, and economic growth[J]. American Economic Review, 1962, 52(2):76-86.

[3]DENISON E F, POULLIER J P. Why growth rates differ: postwar experience in nine western countries [M]. Brookings Institution, 1968.

[4]李胜文, 李大胜. 中国工业全要素生产率的波动:1986～2005：基于细分行业的三投入随机前沿生产函数分析[J]. 数量经济技术经济研究, 2008, 25(5):43-54.

[5]王克强, 武英涛, 刘红梅. 中国能源开采业全要素生产率的测度框架与实证研究[J]. 经济研究, 2013(6):127-140.

[6]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):41-55.

[7]HALBFASS W. How successful has Chinese enterprise reform been? pitfalls in opposite biases and focus[J]. Journal of Comparative Economics, 1994, 18(18):410-437.

[8]沈能, 刘凤朝, 赵建强. 中国地区工业技术效率差异及其变动趋势分析：基于Malmquist生产率指数[J]. 科研管理, 2007, 28(4):16-22.

[9]庞瑞芝. 经济转型期间中国工业增长与全要素能源效率[J]. 中国工业经济, 2009(3):49-58.

[10]姚西龙, 于渤. 技术进步、结构变动与工业二氧化碳排放研究[J]. 科研管理, 2012, 33(8):35-40.

[11]孙早, 刘李华, 孙亚政. 市场化程度、地方保护主义与R&D的溢出效应：来自中国工业的经验证据[J]. 管理世界, 2014(8):78-89.

[12]周五七. 能源价格、效率增进及技术进步对工业行业能源强度的异质性影响[J]. 数量经济技术经济研究, 2016(2):130-143.

[13]王兵, 吴延瑞, 颜鹏飞. 环境管制与全要素生产率增长:APEC的实证研究[J]. 经济研究, 2008(5):19-32.

[14]OH D. A global Malmquist-Luenberger productivity index[J]. Journal of productivity analysis, 2010, 34(3): 183-197.

[15]赵春雨，朱承亮，安树伟. 生产率增长、要素重置与中国经济增长：基于分行业的经验研究[J]. 中国工业经济，2011(8):79-88.

[16]何小钢, 张耀辉. 技术进步、节能减排与发展方式转型：基于中国工业36个行业的实证考察[J]. 数量经济技术经济研究, 2012(3):19-33.

[17]李斌，彭星，欧阳铭珂.环境规制、绿色全要素生产率与中国工业发展方式转变：基于36个工业行业数据的实证研究[J]. 中国工业经济， 2013(4):56-68.

[18]SHAO L, HE Y, FENG C, ET A L. An empirical analysis of total-factor productivity in 30 sub-sub-sectors of China’s nonferrous metal industry[J]. Resources Policy, 2016, 50:264-269.

[19]SHAO Y, WANG S. Productivity growth and environmental efficiency of the nonferrous metals industry: an empirical study of China[J]. Journal of Cleaner Production, 2016, 137:1663-1671.

[20]JAHANSHAHLOO G R, VAKILI J, ZAREPISHEH M. A linear bilevel programming problem for obtaining the closest targets and minimum distance of a unit from the strong efficient frontier[J]. Asia-Pacific Journal of Operational Research, 2012, 29(2): 1-19.

[21]APARICIO J， RUIZ J L， SIRVENT I. Closest targets and minimum distance to the Pareto-efficient frontier in DEA[J]. Journal of Productivity Analysis， 2007，28(3):209-218.

[22]WANG L, CHEN Z, MA D, ET A L. Measuring carbon emissions performance in 123 countries: application of minimum distance to the strong efficiency frontier analysis[J]. Sustainability, 2013, 5(12):5319-5332.

[23]COOPER W W, RUIZ J L, SIRVENT I. Choosing weights from alternative optimal solutions of dual multiplier models in DEA[J]. European Journal of Operational Research, 2007, 180(1):443-458.

[24]FRE R, GROSSKOPF S, NORRIS M. Productivity growth, technical progress, and efficiency change in industrialized countries: reply[J]. The American Economic Review, 1997, 87(5): 1040-1044.

[25]CHUNG Y H, FRE R, GROSSKOPF S. Productivity and undesirable outputs: a directional distance function approach[J]. Microeconomics, 1997, 51(3):229-240.

[26]柴志贤, 黄祖辉. 集聚经济与中国工业生产率的增长：基于DEA的实证分析[J]. 数量经济技术经济研究, 2008(11):3-15.

[27]BARRO R，SALA-I-MARTIN X.Convergence across states and regions [J].Brooking Papers on E-conomic Activity, 1991,(1):107-182.

[28]BERNARD A B, JONES C I. Comparing apples to oranges: productivity convergence and measurement across industries and countries[J]. The American Economic Review, 1996: 1216-1238.

Study on the Evaluation of Industrial Green Total Factor Productivity in Sichuan Province :Based on Malmquist -Luenberger Index

TAN Tao, WU Jiang, WANG Minke, ZHANG Peiwen

(School of Statistics ,Southwestern University of Finance and Economics ,Chengdu ,Sichuan 611130,China )

Abstract ： Malmquist-Luenberger index constructed by MinDS model is used to measure the industrial green total factor productivity in Sichuan province from 2007 to 2015. The results show: industrial green total factor productivity grew by 3.21% annually, in which technological change has a catalytic role, while efficiency change, pure technical efficiency and scale efficiency have inhibitory effect; among the five economic zones of Sichuan province, the industrial green total factor productivity from high to low is Sichuan northeast economic zone, Sichuan southern economic zone, Panxi economic zone, Chengdu plain economic zone and Sichuan northwest economic zone; the overall unit of industrial added value of carbon emissions is gradually reduced, but it still needs to continue to promote industrial energy-saving emission reduction. The results of convergence analysis show that the industrial green total factor productivity is divergent, and the technological progress is convergence. The industrial green total factor productivity of Chengdu plain economic zone and Sichuan northeast economic zone is divergent.

Key words ： Industrial green total factor productivity; MinDS model; Malmquist-Luenberger index; convergence analysis

收稿日期 ：2018-08-18

基金项目 ：2017年度国家统计局统计信息技术与数据挖掘重点开放实验室开放课题(SDL201707)

作者简介 ：谭涛(1985-)，男，湖北十堰人，博士研究生，主要从事评价理论与方法研究；吴江(1971-)，男，四川仪陇人，教授，主要从事决策分析及企业管理研究。

中图分类号 ：F064.1

文献标识码： A

文章编号： 1671-5365(2019)02-0058-12

〔责任编辑：许 洁〕

标签：工业绿色全要素生产率论文;  Minds模型论文;  Malmquist-Luenberger指数论文;  收敛分析论文;  西南财经大学统计学院论文;