论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　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ZhengandHu（2006）、涂正革（2008）以及陈诗一（2009）等的结论较为一致。

　　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（产出累积增长了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，1996—2009年，我国工业产出增长了8.4倍，ETFP增长了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（如前者产出增长了12.6倍，后者仅为了6.5倍；前者的ETFP增长了8.5倍，而后者仅为了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，必须通过对高耗能产业的设备改造、技术创新等方式加快促进高耗能产业生产率的提高，以保证这些行业的健康有序发展。

　　1996—2009年中国工业产出及全要素生产率的累积增长三、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。但是由于各省区市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市高耗能产业的发展情况及其驱动因素的理解，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TFP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（中国香港、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。产出投入数据指标的选取基本与第三部分相同，只是由于分省区市分行业的能源消费总量数据缺失太过严重，对区域层面的分析选取了各省区市高耗能产业的煤炭消费总量选取1998—2008年的时间段作为考察，一是考虑到1998年之前各省区工业统计口径需要调整，而部分省区统计资料缺失较为严重；二是1998年之后重庆可以作为单独的直辖市进行考察；三是由于在截稿时2009年各省分行业的数据尚未完全公布。

　　作为能源消耗指标。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个省区市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%，生产效率降低0.71%，技术进步增长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年均增长率在10%以上的省份全部位于东部，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，1998—2008年，高耗能产业产出增长了5.98倍，ETFP增长了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。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了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。

　　1998—2008年中国高耗能产业各地区产出及全要素生产率的累积增长四、高耗能产业ETFP增长影响因素的实证检验虽然TFP并不是决定经济增长和居民福利的唯一因素，但是它的确为我们提供了一种衡量一个国家或地区经济繁荣程度、居民生活水平和企业竞争力大小的重要方法。为了分析环境全要素增长率（ETFP）的影响因素，我们借鉴现有文献（Lalletal.，2002；Watanbe&Tanaka，2007）并结合我国高耗能产业的基本特征，构建了以下的面板数据回归模型：

　　ETFPit=α0+α1ln（K/L）it+α2Lageffit+6j=1ΣβjXjit+εit（4）

　　其中，因变量ETFP表示环境全要素生产率；αi和βi为被估计参数；α0为截距项；εit为残差项，包括个体效应和随机扰动项。ln（K/L）