产业结构升级能源效率与绿色全要素生产率Word文件下载.docx
《产业结构升级能源效率与绿色全要素生产率Word文件下载.docx》由会员分享，可在线阅读，更多相关《产业结构升级能源效率与绿色全要素生产率Word文件下载.docx（11页珍藏版）》请在冰豆网上搜索。
中图分类号：
F062.2文献标识码：
A文章编号：
1003.7217（2018）01.0118.09
一、引言
近三十多年来，我国经济实现了快速发展，取得了举世瞩目的成就，创造了属于中国的奇迹，但是在光彩的背后也映射出一些问题。
伴随着我国工业化、城镇化的推进，传统的生产发展模式严重阻碍了我国经济的可持续发展，以高投入、高消耗、高排放为主要特征的工业生产模式虽然过去对维持我国经济的平稳发展起到了重要作用，但这种粗放的经济发展模式导致资源消耗量巨大，造成了严重的环境污染，可以说资源和环境问题正成为制约中国可持续发展的重要影响因素。
可以说，经济增长的质量正在成为当前学术界关注的重点，目前采用的主要测度方式是全要素生产率这一重要经济学概念，通过测算投入与产出状况来分析我国经济增长的源泉，并为我国政府制定相关政策提供事实依据[1]。
随着国家对生态环境的重视，近年来绿色全要素生产率正在成为研究的热点，把环境因素考虑到全要素生产率的测算中有利于考察我国经济增长的综合水平，彰显我国实施节能减排、大力发展高技术产业的政策[2]，对更好的指导我国可持续发展具有重要意义。
影响绿色全要素生产效率的因素是众多的，在当前转方式、调结构的大背景下，产业结构的调整与升级关系到我国经济可持续发展推力，研究产业结构升级对绿色全要素生产率的影响具有重要的现实意义。
长期以来，第二产业在我国国民经济结构中居于主要地位，这在特定时期内发挥了重要作用，但是随着时代变迁，传统第二产业也面临众多问题，高污染、高排放问题突出，导致环境压力陡然上升，面对这种困境，我国要树立全新的发展理念，大力培育第三产业，发挥技术引领作用，增加服务业在国民经济结构中的比重，，陈逐步推动产业结构升级。
同时，我国是个能源消费大国，煤和石油等化石能源的消耗量均居世界前列，这导致我国二氧化碳的排放量居高不下，对我国环境造成巨大压力。
如何在保证经济持续发展的前提下，不断减少对化石能源的依赖以及污染物的排放已经成为我国面临的新困境。
当前我国能源效率并不是很高，这主要源自于我国一些设备比较陈旧，老设备技术含量不够高，这无形之中就增加了污染物的排放。
当然，人为因素也是造成能源效率不高的另一重要因素，人为浪费现象比比皆是，能源综合利用率不高，企业为了节省成本，设备更新换代比较慢，这严重阻碍了能源效率的提升。
这些不利因素都会制约绿色全要素生产率提升，传统影响全要素生产率的因素主要有劳动、资本、技术、土地等，当把环境因素加入到全要素生产率的衡量中后，就不得不把环境因素重视起来，这关系到中国经济的绿色转型。
随着改革开放的不断深化，产业结构升级和能源效率的提升是否通过技术和方式的转变而影响了中国经济的绿色转型？
二者的协同作用对绿色全要素生产率的提升是否具有正向促进作用？
而它们之间的相互作用机制又是怎样的？
回答这些问题，对于厘清它们之间的关系，以及在经济新常态背景下如何更好的促进产业结构调整与升级，提升能源效率，促进绿色全要素生产率提升，推动绿色经济增长都具有重要的战略意义。
本文首先对相关的文献进行梳理，厘清它们之间的关系，在此基础上提出研究假设。
以中国城市为研究对象，实证检验它们之间的关系，并针对不同区域进行具体考察，以便更加全面的揭示产业结构升级和能源效率对促进绿色全要素生产率的重要性。
二、理论分析及研究假设
二十世纪末，东亚无奇迹的观点在中国颇为流行，对中国依靠高投入推动经济增长的模式产生质疑，原因在于中国技术进步或全要素生产率对经济增长的贡献度较低[3]，随后在我国产生了对经济增长方式的探讨，易纲等（2003）[4]在介绍了经济增长相关理论后，提出中国经济效率提升的证据，并指出新兴经济体与发达国家在测算全要素生产率上的差异，认为利用不同方式测算的全要素生产率没有可比性。
在随后的研究中，逐步把全要素生产率作为衡量经济发展质量的重要体现[5]。
关于全要素生产率的测算，起源于Malmquist指数，最早由瑞典经济学家StenMalmquist于1953年提出，受此影响，Charnes等（1978）[6]提出了数据包络分析法，通过线性规划方法来测度技术效率，Caves等（1982）[7]把该指数运用到生产分析中，通过距离函数之比构造生产率指数，并命名为Malmquist指数，自此之后，该方法得到了广泛应用。
进入21世纪以来，利用该测算方法，在中国涌现出了大批的研究成果，杨汝岱（2015）[8]利用中国工业企业数据库考察了制造业企业全要素生产率的动态变迁，程惠芳和陆嘉俊（2014）[9]就知识资本对工业企业全要素生产率的影响进行了考察。
随着我国经济发展进入新常态阶段，我国开始对传统高污染、高排放的发展模式进行调整，以此来解决日益严峻的环境问题和能源问题。
一些学者在传统全要素生产率分析中纳入了环境因素和能源因素[10-12]，并把其作为生产函数的投入要素，来研究投入与产出的效率问题。
部分学者认为，传统生产率测算只考虑资本和劳动而忽略环境和能源要素，这会导致生产效率被高估，他们把纳入环境和能源要素而测算的全要素生产率称为绿色全要素生产率[13，14]。
自从2009年绿色全要素生产率被提出以后，对绿色全要素生产率的研究也逐步多了起来，汪锋、解晋（2015）以超越对数生产函数为基础测算了中国各省份的绿色全要素生产率增长率，并实证分析了其影响因素[15]；
而陈超凡（2016）则对中国工业绿色全要素生产率进行了测算，然后对其影响因素进行了实证分析[16]。
当前我国正处在经济转型的关键时期，产业结构的调整与升级作为经济改革的重点，必然会对我国经济长远发展产生重要影响，在这样的背景下，余泳泽、刘冉等（2016）从产业结构升级的视角出发，归纳了影响全要素生产率的三个作用机制，分别为生产要素再配置效应、技术溢出效应和分工专业化效应，并对产业结构升级与全要素生产率的关系进行了实证检验[17]，朱旭强、王志华（2016）也做了类似的研究，实证检验了产业结构升级对全要素生产率变动的影响[18]。
产业结构升级对绿色全要素生产率的影响主要体现在要素逐渐向二三产业转移，尤其是随着我国经济转型升级的加快，不断加大技术投入，并实现技术上的升级，不断提高服务业的质量和水平，这在无形中就不断优化了各种要素的重新配置，使得资本流向更加需要的地方，同时也减少了污染物的排放，提升了环境的整体质量，这对全要素生产率的增长具有很大的改善作用。
我国已经成为名副其实的能源消耗大国，提升能源利用效率对于节约资源、改善环境具有重要作用，这也有利于我国的可持续发展，段文斌、余泳泽（2011）基于我国35个工业行业的数据，实证检验了全要素生产率对我国能源效率的影响，结果显示，技术效率对各行业能源效率都起到积极作用[19]。
孙广生、黄祎等（2012）通过对传统能源效率进行分解，考察了我国各地区能源效率及其影响因素，结果显示，全要素生产率主要通过技术效率作用于能源效率[20]。
秦炳涛、席小炎等（2016）从地级市层面考察了我国能源消费和全要素生产率动态变化状况，研究表明节能增效已经成为提高生产率的主要推力[21]。
能源效率的提升主要通过改变投入与产出之间的关系，这主要得益于技术进步的推动，因此，能源效率影响绿色全要素生产效率提升的作用机制就表现为技术效率的提升，另一方面，节能增效也是影响全要素生产率提升的重要因素。
而产业结构升级与能源效率对全要素生产率存在共同的作用路径，即技术进步，通过技术革新和技术效率的提升作用于全要素生产率。
综上所述，目前对全要素生产率的研究比较成熟，涉及面也比较广泛，而对绿色全要素生产率的研究正在逐步深入，研究的领域在不断拓宽。
鲜有文献研究产业结构升级对绿色全要素生产率的影响，而多见于产业结构升级对全要素生产率的研究；
而从能源效率视角来研究其对绿色全要素生产率影响的文献尚不多见，且对它们之间的内在关系研究并不透彻。
上述研究对本文具有一定的铺垫作用，接下来本文将着重来研究产业结构升级和能源效率对绿色全要素生产率的影响，并考察二者的协同作用机制对绿色全要素生产率的影响。
通过上述的文献梳理与分析，提出如下三个假设：
H1：
产业结构升级对绿色全要素生产率具有正向的推动作用，且不同地域之间存在梯度性差异。
H2：
能源效率提升对绿色全要素生产率具有正向的推动作用，且不同地域之间存在梯度性差异。
H3：
产业结构升级与能源效率的协同作用对绿色全要素生产率具有正向的推动作用，且不同地域之间存在梯度性差异。
三、实证研究设计
（一）样本与数据选择
本文所选取的研究样本为中国地级以上城市，进入21世纪以来，中国大陆地区的地级市数量逐渐稳定下来，目前在334个地级行政区中有地级市293个，并逐渐成为地级行政区的主体。
由于我国地域宽广，不同区域在资源禀赋、地理区位上差异较大，为了更清晰的反映我国经济发展的具体情况，根据《中共中央、国务院关于促进中部地区崛起的若干意见》等文件，将我国划分成东部、中部、西部和东北四大地区。
东部包括：
北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南。
中部包括：
山西、安徽、江西、河南、湖北和湖南。
西部包括：
内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆。
东北包括：
辽宁、吉林和黑龙江。
由于东北比较特殊，为了方便本文进行计算，因此把辽宁划归为东部地区，吉林和黑龙江划归为中部地区。
上述城市的数据大部分可得，但仍然有一部分存在缺失的现象，所以根据数据的可得性，本文最终选取260个城市作为研究样本，对数据缺失严重的城市予以剔除，例如嘉峪关、金昌、固原、中卫等城市。
港澳台样本不包含在内。
为了研究的准确性与科学性，本文面板长度为2005-2014年，本文所用数据主要来自于《中国城市统计年鉴》、《中国工业经济统计年鉴》、《中国能源统计年鉴》等，部分数据来源于各省或市的政府工作报告和统计公报。
（二）变量设计
本文的变量主要分为被解释变量、解释变量和控制变量。
解释变量为产业结构升级（R）、能源效率（EE），被解释变量为绿色全要素生产率（GTFP），控制变量为金融发展（FIN）、政府干预能力（GOV）、经济发展水平（PGDP）、人力资本（HR）、交通条件（TI）、外商直接投资（FDI）。
各变量的解释与测算方法如下：
1.绿色全要素生产率（GTFP）：
本文的被解释变量为绿色全要素生产率，用GTFP来表示。
测算全要素生产率的方法主要有参数法和非参数法两类，本文选用使用广泛的Malmquist生产率指数来衡量绿色全要素生产率。
具体模型如下，假设（Xt，Yt）和（Xt+1，Yt+1分别表示t和t+1时期投入与产出函数，根据Fare等[22]（1994）将其延伸为产出导向型Malmquist生产指数模型：
技术变化效率大于1时，说明研究对象技术水平提高，反之亦然；
当技术进步大于1时，说明全要素生产率增长，反之亦然。
在投入与产出指标的选取方面，投入指标主要有资本、劳动和土地三个要素，其中，劳动力数据使用各个城市非农劳动人数，土地数据使用的是地级市建成区面积，而资本投入方面，本文使用被广泛接受的GoldSmith所开创的永续盘存法，基本公式如下：
Kt=It+（1-δ）Kt-1（4）
式（4）中，Kt和Kt-1分别表示t和t-1的资本存量，It为t期资本投入额，δ为折旧率。
借鉴张军，施少华（2003）[23]的做法，将2004年各个城市的固定资产投入额除以10%作为初始资本存量，并且把城市固定资产折旧率设为9.6%。
在产出指标方面，主要有合意性产出与非合意性产出，合意性产出选用各个城市GDP的数据，为了消除通货膨胀因素的影响，本文选用2004年为基期对数据进行平减，因为城市没有换算指数，因此就选用城市所在省份的换算指数来代替，下文的数据如不做另外说明，都是利用此方法。
考虑到二氧化硫是影响环境的重要污染物，本文的非合意性产出选用二氧化硫排放量作为代理指标。
产业结构升级（R）：
根据配第克拉克关于产业结构演变的规律，参照李逢春[24]（2012）的研究方法对产业结构升级系数进行测度，公式如下：
r=∑3i=1yi×
i=y1×
1+y2×
2+y3×
3，1≤r≤3（5）
其中，yi为第i产业产值所占比重，r的取值在1～3之间，数值越大则表明产业结构升级越快。
2.能源效率（EE）：
对能源效率的测算与对绿色全要素生产率的测算使用的方法相同，采用DEA.Malmquist指数法，具体模型不再重复，参见上文。
投入指标选用能源消费量，本文参照于斌斌（2017）的做法，选用各城市电力消耗量作为投入指标[25]。
合意性产出指标则选用各城市GDP，处理方式参见上文，同时选取废水排放量作为非合意性产出指标。
3.交互项（R×
EE）：
交互项乘积主要用来说明产业结构升级与能源效率二者的协同作用对绿色全要素生产率的影响，这也有利于消除变量之间的内生性问题，提高检验的科学性。
4.金融发展（FIN）：
本文用各个城市金融机构存贷款余额与GDP的比值来衡量金融发展。
金融行业作为当今经济发展的核心部门，与实体经济联系密切。
金融机构可以为企业的发展提供资金支持，有利于企业更新换代机器设备，加强科技投入，淘汰落后产能，提升能源利用效率，同时也有利于服务行业的融资，支持第三产业的快速发展，不断促进产业结构升级[26]，同时，这又对绿色全要素生产率形成了间接性的影响。
5.政府干预能力（GOV）：
本文用各个城市财政支出占GDP的比重来衡量政府的干预能力。
政府可以通过适当的行政干预来弥补市场的不足，通过行政手段增强市场机制的规范性，使市场在资源的配置中起到决定性作用，以便引领当前我国经济发展的走向；
同时，政府通过科学合理的规划，引导各地区产业结构的调整与转型，逐步淘汰落后产能，减少环境污染型产业存在，也有利于推动绿色全要素生产率提升[27]。
6.经济发展水平（PGDP）：
本文用各个城市人均地区生产总值来衡量经济发展水平。
经济发展水平提高意味着全社会的财富积累也增多，相应的资本、技术、劳动力素质等就具有一定的比较优势，这就为各地的持续发展打下了良好的基础，有利于推动地区改革的进行以及地区的可持续发展。
7.人力资本（HR）：
本文用各个城市普通高校在校生人数与本地区总人数的比值来衡量人力资本水平。
人力资本是推动经济增长的重要源泉，同时具有一定的外部性，增加人力资本投资可以获得更多回报，且在我国的经济改革中会起到越来越重要的作用，邓翔等（2017）研究发现，人力资本水平的提升对全要素生产率的提高具有更明显的促进效应[28]。
8.交通条件（TI）：
本文利用各个城市人均道路面积来衡量交通基础设施水平。
交通便利程度是影响一个地区长远发展的重要因素，其可以增强不同城市之间的要素流动，加强地区之间的互联互通水平，为各城市产业结构的调整提供便利，张浩然等（2012）研究发现，交通基础设施对本地区全要素生产率有积极的影响[29]。
9.外商直接投资（FDI）：
本文利用各个城市实际利用外资总额与地区生产总值的比值来衡量外商直接投资水平。
外商直接投资在一定程度上反映了各个城市的对外开放程度，在特定时期内，外商直接投资通过技术溢出效应对提升本地的技术水平具有一定的推动作用，同时也可以学习一些国外的先进管理经验，提高本地的国际化水平，便于本地企业与国际先进企业进行交流学习，从而服务于本地经济社会的发展，这有利于本地企业进行更新换代，实现结构调整，逐步减少环境污染型产业的存在，从而推动全要素生产率的提升[30]。
（三）描述性统计
在数据预处理方面。
考虑到不同变量之间可能存在异方差，为了消除异方差所带来的影响，首先对各变量进行取对数处理。
在表1中，给出了各变量的描述性统计。
（四）计量模型构建
由上述文献分析可知，产业结构升级与能源效率可以通过自身的作用机制而影响到绿色全要素生产率，因此，本文着重考察产业结构升级、能源效率以及两者的协同作用对绿色全要素生产率的影响。
本文选择使用长面板数据来分析它们之间的内在关系，具有众多优点，在增加样本数量的同时也可以提高结果的科学性，本文对变量进行了取对数处理，以此来规避异方差性。
计量模型构建如下：
式（6）中，i和t分别表示时间和地区，α0表示截面效应，α1、α2、α3和αn分别为各变量的估计系数，control为控制变量，在此省略，μ表示随机误差项。
（五）面板模型选择
在做实证检验的时候，选择什么样的模型需要根据具体的问题来决定，如果计量模型选取不当，容易产生一定的偏差，会严重影响到估计结果的真实性。
对变量进行面板分析的时候，一般存在三种模型，即固定效应模型、随机效应模型以及混合效应模型，三种模型的估计结果存在一定的差异，而选取哪种模型也是有一定规则的，一般情况下利用Hausman检验来判定到底使用哪种模型，本文做了自变量产业结构升级、能源效率与绿色全要素生产率的Hausman检验，豪斯曼检验的结果显示，在随机条件下统计的P值为0.000，小于0.01，这表明模型在1%的显著性水平下拒绝了原假设，因此本文适合用固定效应模型做实证检验。
四、实证模型检验
（一）基本回归分析
首先以全国260个地级及以上的城市作为研究样本，实证分析产业结构升级与能源效率对绿色全要素生产率的影响，使用全国260个城市的数据做实证检验具有一定的代表性，可以在整体上检验变量之间的关系，印证相关研究假设。
但是，由于我国地域宽广，各个地区发展差异比较大，为了能够清晰的考察不同区域之间的差异，本文在稳健性检验部分把260个城市分为东中西三个部分，分别进行实证检验，以此来考察不同地区之间的异同。
根据研究需要，设定四个模型，得到回归结果见表2。
由表1回归结果可知，模型1、2、3、4的回归结果都通过了显著性检验，且系数都为正数，这说明产业结构升级与能源效率对绿色全要素生产率具有正向促进作用。
但仔细观察发现，每个模型的结果还是存在比较明显的差异，在模型3中，当把产业结构升级与能源效率都放在模型中的时候，则这两者的回归系数明显变小，且显著性水平也有所降低；
在模型4中，当加入两者交互项之后，两者的回归系数又有所增大，显著性水平也明显提升。
上述的回归结果显示，回归结果都验证了之前的假设，接下来将对其进行深入分析。
产业结构升级对绿色全要素生产率具有正向的促进作用，且模型1和模型4都在1%的显著性水平下通过检验，这也验证了假设1。
在当前我国转方式、调结构的大背景之下，推动产业结构升级成为了各地区重要目标，这样做的主要目的是提高经济发展的质量，摒弃之前高消耗、高污染、高排放的粗放式经济发展模式，增强我国经济可持续发展能力。
根据前文分析可知，产业结构升级过程中，二三产业的比重会增加，尤其是第三产业的发展，会带动更多清洁且无污染行业的发展，这就会对资源进行重新配置，原有污染较为严重的行业会被限期整改或者关掉，其中一部分资源就会转移到第三产业中来，这就减少了污染程度，更有利于绿色全要素生产率的提高；
而经济转型升级过程中，通过加大科技投入，提升整体的技术水平，对落后的设备进行更新换代，
这有利于减少污染的排放，同时也有利于提高经济的质量和效益，对绿色全要素生产率的提升也有重要推动作用；
产业结构升级过程中将导致分工更加细化，各个行业针对自身需求，不断提高专业化程度，这有利于提高工业部门的综合竞争力，也有利于提升服务业的质量和水平，通过这种综合作用机制来促进绿色全要素生产效率的提高。
模型2表明能源效率对绿色全要素生产率具有正向影响，且在模型4中加入两者交互项后回归系数还增大。
我国是个能源消费大国，过去很长时间里能源消耗巨大，且能源的综合利用效率不高，导致高污染、高排放的问题一直存在，这严重阻碍了中国经济质量的提升。
在经济新常态背景下，提高能源效率势在必行，能源效率的提升不仅可以节约资源，还可以促进绿色经济发展，提高经济发展的质量和水平。
而能源效率对绿色全要素生产率的影响主要通过改变投入与产出关系来实现的，当然，技术效率的提高是前提，通过增加科技投入，提高技术水平，可以作用于能源消耗的全过程，提升整个过程的效率，这主要得益于技术的进步；
而另一方面，人的行为也可以对绿色全要素生产率的提升产生重要作用，通过提高劳动力的素质，增强人们节能增效的意识，并把这种意识付诸于行动，同样可以改善投入与产出关系，从而作用于绿色全要素生产率。
模型4中表明，产业结构升级与能源效率的交互作用对绿色全要素生产率具有正向的促进作用，且在1%的显著性水平下通过检验。
产业结构升级和能源效率的共同作用主要体现在科技投入和技术水平的提升，通过技术的改造和革新来作用于经济的全过程，这对提升经济的发展质量具有重要的推动作用，通过对企业进行设备改造，提高污染的处理管控水平，从而有利于推动绿色经济发展，从而作用于绿色全要素生产率的提高。
模型中的控制变量都显著，且大部分在1%的显著性水平下通过检验，这表明各个控制变量的选取符合模型的需要，比较科学。
金融行业的快速发展可以为经济社会发展提供强有力的资金支撑；
而政府部门通过适当的行政手段可以对污染行为进行管控；
人力资本水平的提高则会体现在具体行业中，有利于提升各个行业的水平；
交通基础设施水平的改善为要素在地区间流通创造了条件，有利于提供产业升级过程中所需要的要素；
外商直接投资主要通过技术外溢的方式作用于我国的转型升级；
经济发展水平则为社会进行深化改革提供了资本积累，有利于推动经济转型升级的发展。
（二）稳健性检验
表1所示回归结果基本验证了本文的假设，这说明产业结构升级与能源效率对绿色全要素生产率的确存在一定的影响。
但是，就本文所选择的指标而言，每个指标的衡量方式并不统一，而每种方式所传递的信息是不一样的，因此本文在稳健性检验部分，首先更换部分指标的衡量方式，然后在进行实证检验，虽然衡量方式存在差异，但肯定能反映要解决的问题本身。
其次，由于我国地大物博，地域宽广，各地区经济发展差异巨大，把260个城市分成东中西三部分，分别进行实证检验。
上述两种稳健性检验方法可以更好对模型进行检验，以便增强回归结果的可信度和科学性。
表2是变换部分指标后的稳
升级会员 