陳黎明，王俊昊,趙婉茹，蔡樂穎

摘 要：運用非徑向非角度的SBM方向性距離函數(shù)與ML指數(shù)，將環(huán)境污染和能源消耗納入生產(chǎn)率分析框架，將綠色全要素生產(chǎn)率（GTFP）增長分解為技術(shù)進步和技術(shù)效率改善，測度中國30個省市區(qū)GTFP，利用空間計量模型考量GTFP的影響因素及其空間特征。結(jié)果表明：樣本期內(nèi)全國平均GTFP累積增長31%，技術(shù)進步貢獻較大。各地區(qū)的GTFP均呈現(xiàn)增長趨勢，而技術(shù)效率則有所下降。地理鄰接是空間溢出的主要途徑，各變量對GTFP、技術(shù)進步和技術(shù)效率改善的直接效應(yīng)和空間溢出效應(yīng)呈現(xiàn)不同的作用機制，R&D投入、外商投資和環(huán)境管制等因素對GTFP的增長均有顯著影響。

關(guān)鍵詞： 綠色全要素生產(chǎn)率;ML指數(shù);影響因素;空間特征

中圖分類號：F224;F719 ? 文獻標識碼： A ? ?文章編號：1003-7217（2020）04-0122-11

基金項目： ?湖南省哲學社會科學基金項目（19YBA069）

一、 引 言

進入21世紀以來，中國逐步奠定了世界經(jīng)濟大國地位。然而，低效的粗放型經(jīng)濟發(fā)展模式造成了不可彌補的資源耗費和環(huán)境污染，現(xiàn)階段的中國面臨著環(huán)境污染和資源過度消耗的雙重壓力，飛速發(fā)展帶來的種種弊端逐漸顯現(xiàn)，給中國經(jīng)濟社會的可持續(xù)發(fā)展帶來了巨大的風險和挑戰(zhàn)。燃燒化石能源造成的傳統(tǒng)煤煙型污染和PM2.5、顆粒物等新型污染并存，社會生產(chǎn)與居民生活、中心城市與周邊農(nóng)村、工業(yè)與交通排放污染交織。到2030年，中國的城鎮(zhèn)化率將達到70%，居住在城市和城鎮(zhèn)的人口將超過10億人，而城鎮(zhèn)人均生活能耗是農(nóng)村人均水平的1.54倍，城鎮(zhèn)化率每提高一個百分點，將增加生活垃圾1200萬噸、生活污水11.5億噸，并消耗8000萬噸標準煤[1]。《“十三五”生態(tài)環(huán)境保護規(guī)劃》指出，化學需氧量（COD）、二氧化硫（SO2）等主要污染物的排放量高達2000萬噸，78.4%的城市空氣質(zhì)量未達標，部分地區(qū)冬季重污染頻發(fā)，環(huán)境承載能力已接近上限，生態(tài)環(huán)境已成為全面建成小康社會突出的短板。在國民經(jīng)濟和社會發(fā)展“十三五”規(guī)劃（2016-2020年）中，綠色發(fā)展作為五大發(fā)展理念之一，被提升到前所未有的高度，在中國區(qū)域經(jīng)濟協(xié)同發(fā)展愈加緊密、地區(qū)間交流合作更加頻繁的趨勢下，探究綠色全要素生產(chǎn)率的影響因素及地理空間分布特征對統(tǒng)籌區(qū)域經(jīng)濟發(fā)展規(guī)劃、制定區(qū)域環(huán)保政策具有重要的指導(dǎo)意義。

目前，學者們研究綠色全要素生產(chǎn)率的影響因素主要從對外直接投資（OFDI）、環(huán)境管制、產(chǎn)業(yè)集聚、金融發(fā)展等方面展開。從OFDI來看，朱文濤等（2019）認為OFDI技術(shù)溢出能夠促進本地區(qū)技術(shù)能力增長從而對綠色全要素生產(chǎn)率產(chǎn)生積極正向的作用[2];孫付華等（2019）認為OFDI對綠色全要素生產(chǎn)率的影響存在著區(qū)域差異，沿海地區(qū)OFDI顯著促進了綠色全要素生產(chǎn)率的增長，而內(nèi)陸地區(qū)OFDI對綠色全要素生產(chǎn)率的影響并不顯著[3]。從環(huán)境管制的角度考慮，杜龍政等（2019）證實了環(huán)境管制與工業(yè)綠色全要素生產(chǎn)率之間存在U型曲線關(guān)系[4];李鵬升和陳艷瑩（2019）認為短期內(nèi)環(huán)境管制對企業(yè)的綠色全要素生產(chǎn)率存在抑制作用，長期來看環(huán)境管制有利于提升企業(yè)的綠色全要素生產(chǎn)率[5];此外，伍格致和游達明（2019）提出，環(huán)境管制的工具類型也會導(dǎo)致其對綠色全要素生產(chǎn)率產(chǎn)生不同的影響[6]。從產(chǎn)業(yè)集聚方面分析，任陽軍等（2019）認為省際視角下的制造業(yè)集聚、生產(chǎn)性服務(wù)業(yè)集聚對綠色全要素生產(chǎn)率的提高具有明顯的促進作用，且影響力存在區(qū)域差異，生產(chǎn)性服務(wù)業(yè)集聚對東部地區(qū)綠色全要素生產(chǎn)率的促進作用弱于中西部地區(qū)，制造業(yè)集聚則對東部綠色全要素生產(chǎn)率的影響作用強于中西部地區(qū)[7];劉贏時等（2018）運用數(shù)據(jù)包絡(luò)分析的ML指數(shù)法，考量綠色全要素生產(chǎn)率的影響因素，發(fā)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)升級、能源效率以及兩者交互作用對綠色全要素生產(chǎn)效率具有正向推動作用，產(chǎn)業(yè)結(jié)構(gòu)升級對綠色全要素生產(chǎn)率的促進作用要大于能源效率的促進作用[8]?；诮鹑诎l(fā)展視角，張帆（2017）構(gòu)建了一個包含金融發(fā)展與綠色全要素生產(chǎn)率的熊彼特內(nèi)生增長模型，實證考察中國金融發(fā)展對綠色全要素生產(chǎn)率的影響，發(fā)現(xiàn)金融發(fā)展能夠促進綠色全要素生產(chǎn)率的增長，這種促進作用會隨著金融發(fā)展水平的提高而遞減，呈現(xiàn)出非線性特征[9]。

從上述研究可以看出，OFDI、環(huán)境管制、產(chǎn)業(yè)集聚、金融發(fā)展等對綠色全要素生產(chǎn)率的影響均存在著明顯的區(qū)域差異。因此，部分學者引入空間計量模型對綠色全要素生產(chǎn)率的影響因素進行分析。張先鋒等（2010）運用索洛余值法對中國1998-2005年25個省市區(qū)的全要素生產(chǎn)率進行估算并研究R&D投入、公共基礎(chǔ)設(shè)施投入對本區(qū)域全要素生產(chǎn)率的影響及對鄰接地區(qū)的空間溢出效應(yīng)，發(fā)現(xiàn)R&D投入對本區(qū)域和鄰接地區(qū)的全要素生產(chǎn)率具有顯著的正向影響，公共基礎(chǔ)設(shè)施投入對本區(qū)域的影響為正，但對鄰接地區(qū)的溢出效應(yīng)為負[10];周璇和陶長琪（2015）在徑向非角度的SBM方向性距離函數(shù)基礎(chǔ)上，運用GML指數(shù)計算環(huán)境管制下中國各省全要素生產(chǎn)率增長率，并通過面板門檻回歸模型分析要素集聚和環(huán)境管制對全要素生產(chǎn)率的門檻效應(yīng)，發(fā)現(xiàn)環(huán)境管制和要素集聚皆存在正向溢出效應(yīng)[11];劉華軍等（2018）揭示了中國綠色全要素生產(chǎn)率增長的空間非均衡特征，并利用QAP分析方法從結(jié)構(gòu)組成因素和外部影響因素兩個層面實證考察了中國綠色全要素生產(chǎn)率增長空間不平衡的成因，發(fā)現(xiàn)技術(shù)進步和城市化的差距是導(dǎo)致綠色全要素生產(chǎn)率增長表現(xiàn)出空間不平衡特征的主要原因[12];肖遠飛和吳允（2019）基于動態(tài)空間杜賓模型研究財政分權(quán)與環(huán)境管制對中國省際綠色全要素生產(chǎn)率的影響，發(fā)現(xiàn)財政分權(quán)的提高不僅會引起本地區(qū)綠色全要素生產(chǎn)率的下降，也會造成周邊地區(qū)綠色全要素生產(chǎn)率的下降[13]。

綜上所述，現(xiàn)有研究考察了影響綠色全要素生產(chǎn)率的宏觀和微觀因素，模型估計時也考慮了空間溢出效應(yīng)，但仍存在一些不足：首先，大量學者采用DEA模型測度綠色全要素生產(chǎn)率時，基于徑向、角度的方向性距離函數(shù)，忽略了非期望產(chǎn)出，與實際生產(chǎn)過程不符。其次，多數(shù)研究僅基于單一空間權(quán)重矩陣，從地理或經(jīng)濟某一角度分析全要素生產(chǎn)率的空間溢出效應(yīng)，未擴展對分解項的研究，對空間特征的研究不夠細致全面?；诖?，本文基于非徑向、非角度的SBM方向性距離函數(shù)，充分考慮能源投入和非期望產(chǎn)出，采用DEA模型及ML指數(shù)測算中國省域綠色全要素生產(chǎn)率增長;綜合R&D、FDI、環(huán)境管制等影響因素，基于四種空間權(quán)重矩陣對GTFP、TC、EC的空間溢出效應(yīng)進行檢驗，為綠色全要素生產(chǎn)率的提高提供更全面的佐證。

二、研究方法和模型選擇

（一）綠色全要素生產(chǎn)率的測度及分解

本文基于非徑向、非角度的SBM方向性距離函數(shù)和ML指數(shù)測度中國各省市區(qū)（不含西藏自治區(qū)和港澳臺地區(qū)）的綠色全要素生產(chǎn)率增長，并進一步分解為技術(shù)進步以及技術(shù)效率改善。

1.非徑向非角度的SBM方向性距離函數(shù)。

根據(jù)Fre等（2007）、陳黎明等（2015）和劉華軍等（2018）的方法[14-16]，首先構(gòu)造一個包含期望產(chǎn)出和非期望產(chǎn)出的生產(chǎn)可能性集。各省份作為決策單元（DMU），x表示N種投入的投入向量，則x=（x1，…，xn）∈R+N，本文主要考慮能源、物質(zhì)資本和人力資本的投入。同理，y和b分別代表M種期望產(chǎn)出向量和I種非期望產(chǎn)出向量，則y=（y1，…，ym）∈R+M、b=（b1，…，bi）∈R+I，期望產(chǎn)出為各省份的實際GDP，非期望產(chǎn)出包括碳排放和SO2排放。K省份T年份的投入產(chǎn)出向量表示為（xk，tyk，tbk，t），p（x）={（y，b）：投入x可能的產(chǎn)出}表示生產(chǎn)可能性集，包含了所有省份在同一時期所有可能的投入和產(chǎn)出組合。

假設(shè)生產(chǎn)可能性集為有界閉集，且滿足“零結(jié)合公理”和“弱可處置性公理”。零結(jié)合公理認為期望產(chǎn)出和非期望產(chǎn)出同時存在;弱可處置性公理意味著減少非期望產(chǎn)出的同時一定伴隨期望產(chǎn)出的減少。環(huán)境技術(shù)表示如下：

pt（xt）={（yt，bt）：∑kk=1ztkytkm≥ytkm，m;

∑kk=1ztkbtki=btki，i;

∑kk=1ztkxtkn≤xtkn，n;

ztk≥0，∑kk=1ztk=1，k}（1）

其中，Ztk表示T年份每個省份投入的權(quán)重，

∑kk=1z′k=1表示規(guī)模報酬可變（VRS），除去這一約束條件則代表規(guī)模報酬不變（CRS）。

根據(jù)Tone（2001）的方法[17]，將非徑向非角度的SBM方向性距離函數(shù)定義為：

Stv（xt，kt，yt，kt，bt，kt，gx，gy，gb）=

max sx，sy，sb1N∑Nn=1sxngxn+1M+I[∑Mm=1sxmgym+∑Ii=1sbigbi]2s.t.∑Kk=1ztkxtkn+sxn=xtkn，n;∑Kk=1ztkytkm-sym=

ytkm，m;∑Kk=1ztkbtki+sbi=btki，i;∑Kk=1ztk=1，ztk≥0，k;sxn≥0，n;sym≥0，

m;sbi≥0，i（2）

其中，（xt，kt，yt，kt，bt，kt）代表K省份T年份的投入產(chǎn)出向量，gx，gy，gb的正方向代表期望產(chǎn)出擴張、投入和非期望產(chǎn)出縮減的情況，即在縮減能源、物質(zhì)和人力資本投入的同時，保證經(jīng)濟產(chǎn)出增加且污染排放減少。（sxn，sym，sbi）為非徑向非導(dǎo)向的松弛向量，在求解線性規(guī)劃的過程中，（sxn，sym，sbi）為正代表存在松弛項，說明投入和非期望產(chǎn)出在邊界外，而期望產(chǎn)出則小于邊界上的產(chǎn)出水平，即投入和非期望產(chǎn)出過度而期望產(chǎn)出不足。

2.Malmquist-Luenberger（ML）生產(chǎn)率指數(shù)。

Chung等（1997）在Luenberger利潤函數(shù)的基礎(chǔ)上利用方向性距離函數(shù)的優(yōu)勢和特點創(chuàng)造了Malmquist-Luenberger（ML）生產(chǎn)率指數(shù)[18]。本文通過計算ML指數(shù)并將其分解為技術(shù)進步和技術(shù)效率改善，研究綠色全要素生產(chǎn)率增長的動力和趨勢特征。分解公式如下：

MLt+1t=[1+D→t0（xt，yt，bt;gt）][1+D→t0（xt+1，yt+1，bt+1;gt+1）]×

[1+D→t+10（xt，yt，bt;gt）][1+D→t+10（xt+1，yt+1，bt+1;gt+1）]12

EC=1+D→t0（xt，yt，bt;gt）1+D→t+10（xt+1，yt+1，bt+1;gt+1）

TC=[1+D→t+10（xt，yt，bt;gt）][1+D→t0（xt，yt，bt;gt）]

×[1+D→t+10（xt+1，yt+1，bt+1;gt+1）][1+D→t0（xt+1，yt+1，bt+1;gt+1）]

ML=EC×TC（3）

其中，TC代表t時期到t+1時期的技術(shù)進步，EC則代表技術(shù)效率改善，由ML指數(shù)分解而成;g為方向向量 。ML、TC和EC > 1（< 1）分別代表綠色全要素生產(chǎn)率上升（下降）、技術(shù)進步（退步）和技術(shù)效率改善（下降）。

（二）空間自相關(guān)性分析

為考察綠色全要素生產(chǎn)率的空間交互作用與溢出效應(yīng)，需采用Morans I指數(shù)進行空間相關(guān)性檢驗，計算公式如下：

MoransI=N∑Nk=1∑Nj=1Wk，j（Yk-Y-）（Yj-Y-）∑Nk=1（Yk-Y-）2∑Nk=1∑Nj=1Wk，j（4）

其中，Yk表示k地區(qū)綠色全要素生產(chǎn)率的觀測值，采用ML指數(shù)作為被解釋變量。N為區(qū)域總數(shù)，Wk，j為空間權(quán)重矩陣。Morans I指數(shù)的取值范圍為[-1，1]，Morans I指數(shù)為正，表示存在空間正相關(guān)性;反之，則存在空間負相關(guān)性。

摒棄以往研究中區(qū)域綠色全要素生產(chǎn)率相互獨立的假設(shè)，通過空間權(quán)重矩陣Wk，j能夠反映空間交互關(guān)系與依賴特征，分別采用四種空間權(quán)重矩陣，探索本地區(qū)與周邊地區(qū)的鄰接、地理與經(jīng)濟溢出關(guān)系：

1.0-1鄰接矩陣。簡單的二進制空間權(quán)重矩陣，設(shè)定如下：

Wk，j=1區(qū)域k和區(qū)域j相鄰接

0區(qū)域k和區(qū)域j不相鄰接 （5）

2.距離矩陣。王守坤（2013）認為倆地區(qū)的距離越近，賦予權(quán)重越大[19]。采用反距離矩陣，設(shè)定如下：

Wk，j=1dk，jk≠j0k=j （6）

dk，j表示倆省會城市之間的交通距離，相比通過經(jīng)緯度計算兩點的地表距離，交通距離更加客觀地反映了城市間的社會與經(jīng)濟聯(lián)系。

3.經(jīng)濟矩陣。地理因素并非導(dǎo)致空間效應(yīng)的唯一因素，在反距離矩陣構(gòu)建的基礎(chǔ)上設(shè)定經(jīng)濟矩陣如下：

Wk，j=1Xk-Xjk≠j0k=j（7）

Xk代表k區(qū)域的經(jīng)濟變量，Xj代表j區(qū)域的經(jīng)濟變量，采用人均GDP。

4.嵌套矩陣。當空間效應(yīng)中同時包含距離因素與經(jīng)濟因素的影響時，使用嵌套矩陣，設(shè)定如下：

W=αWeco+βWdis （8）

其中，Weco代表經(jīng)濟矩陣，Wdis代表距離矩陣，α和β分別代表各權(quán)重矩陣的比重，取α=0.7、β=0.3（通過驗證，在該取值下模型擬合最佳）。

（三）空間計量模型的設(shè)定

考慮不同空間效應(yīng)，將地區(qū)間的相互作用關(guān)系引入模型。不同作用形式體現(xiàn)在模型上分為空間滯后模型（SAR）、空間誤差模型（SEM）和空間杜賓模型（SDM）。具體如下：

1.空間滯后模型（SAR）。

yk，t=ρ∑Nj=1Wk，jyj，t+βXk，t+c+εk，t （9）

yk，t為空間單元k在t時期的因變量，分別采用ML指數(shù)、技術(shù)進步及技術(shù)效率改善作為被解釋變量; Wk，j為N×N維標準化的空間權(quán)重矩陣;ρ為空間自回歸系數(shù)，反映相鄰地區(qū)的行為對本區(qū)域的影響程度;Xk，t為1×K維外生解釋變量;β為外生變量對應(yīng)的K×1維系數(shù)向量;c為常數(shù)項;εk，t為隨機誤差向量，且滿足均值為0、方差為σ2的基本假設(shè)。

2.空間誤差模型（SEM）。

yk，t=βXyk，t+c+μk，tμk，t=λ∑Nj=1Wk，jμj，t+εk，t （10）

假設(shè)殘差具有空間自相關(guān)性，先對殘差項進行空間自回歸分析，將區(qū)域k的殘差項表示為鄰接區(qū)域j的殘差及隨機變量的組合，λ為空間自回歸系數(shù)。再將殘差項的自回歸結(jié)果納入因變量的解釋模型。

3.空間杜賓模型（SDM）。

yk，t=ρ∑Nj=1Wk，jyj，t+βXk，t+

δ∑Nj=1Wk，jXj，t+c+εk，t （11）

yk，t為空間單元的因變量;Wk，j為空間權(quán)重矩陣W的i行j列元素;Xj，t為外生解釋變量;β為外生變量對應(yīng)的系數(shù)向量;δ∑Nj=1Wk，jXj，t表示來自鄰接地區(qū)自變量的影響， εk，t～N（0，σ2）為隨機誤差向量。

三、數(shù)據(jù)處理及測度結(jié)果分析

（一）變量選取與數(shù)據(jù)處理

1.投入產(chǎn)出指標的選取與數(shù)據(jù)處理。

基于上述理論，選取以下指標（見表1）納入分析框架。以中國30個省市區(qū)（不含西藏自治區(qū)和港澳臺地區(qū)）2008-2017年的數(shù)據(jù)為研究樣本。數(shù)據(jù)來源于歷年的《中國統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》《中國勞動統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》和國家統(tǒng)計局數(shù)據(jù)庫及各省市區(qū)歷年統(tǒng)計年鑒。

其中，物質(zhì)資本存量和人力資本存量的估算方法分別參考了張軍和章元（2003）、彭國華（2007）的相關(guān)研究[20，21];采用肖宏偉（2013）的方法[22]，將電力和熱能作為中間投入納入碳排放測算范圍，通過折算標準煤衡量能源消耗總量。

2.影響因素變量的選取。

對于綠色全要素生產(chǎn)率、技術(shù)進步和技術(shù)效率的影響因素，結(jié)合現(xiàn)有研究選取以下變量：

（1）經(jīng)濟基礎(chǔ)（GDP）。采用人均GDP代表經(jīng)濟基礎(chǔ)。人均GDP反映了居民的生活水平和地區(qū)經(jīng)濟狀況，與之對應(yīng)的是居民的消費水平和習慣，關(guān)系到物質(zhì)資本累計、人力資本流動和能源消耗。

（2）資本深化（K/L）。采用物質(zhì)資本存量和人力資本存量的比值（資本勞動比）反映資本深化程度。在勞動密集型企業(yè)向資本密集型企業(yè)轉(zhuǎn)換的過程中，通常伴隨著大量的資本投入和嚴重的污染排放，對技術(shù)水平提出更高的要求，促使技術(shù)進步影響綠色全要素生產(chǎn)率，這一轉(zhuǎn)換過程可以表現(xiàn)為資本深化程度。

（3）研發(fā)人員與經(jīng)費投入（R&D）。增加R&D投入能夠有效提高要素利用效率及污染治理水平，節(jié)約資源和治理成本，是推動綠色全要素生產(chǎn)率提高的重要力量。

（4）外商投資（FDI）。選取外商直接投資（FDI）代表外商投資。一方面，外資帶來大量資金、技術(shù)、人才，對本地企業(yè)的管理水平和生產(chǎn)效率產(chǎn)生重大影響，本地企業(yè)通過模仿具有優(yōu)勢的投資企業(yè)，與其技術(shù)、管理人員交流合作，不斷創(chuàng)新并提高自身的技術(shù)水平，促進綠色全要素生產(chǎn)率的提高;另一方面，“污染天堂”假說認為外資進入伴隨著污染的轉(zhuǎn)移，增加了本地區(qū)的污染排放和環(huán)境治理成本，導(dǎo)致綠色全要素生產(chǎn)率降低。

（5）能源消費結(jié)構(gòu)（str）。選取煤炭消耗占總能耗的比重代表能源消費結(jié)構(gòu)。CO2和SO2作為非期望產(chǎn)出，主要產(chǎn)生于煤炭化石能源消耗的過程中，目前煤炭仍是中國的基礎(chǔ)能源和主要能源，但新能源和清潔能源正在不斷被開發(fā)和普及，能源消費結(jié)構(gòu)同時影響著資源投入的水平和非期望產(chǎn)出的水平，必然對綠色全要素生產(chǎn)率產(chǎn)生影響。

（6）環(huán)境管制（inv）。選取工業(yè)污染治理完成投資額代表環(huán)境管制強度?！安ㄌ丶僬f”提出環(huán)境管制將促進企業(yè)提升技術(shù)創(chuàng)新能力。當環(huán)境監(jiān)管力度加大時，在原有技術(shù)水平下，企業(yè)將因無法達到監(jiān)管要求而難以維持正常的生產(chǎn)活動，被迫引進先進技術(shù)并改善生產(chǎn)流程，促進技術(shù)進步。另一方面，環(huán)境管制也可能阻礙企業(yè)技術(shù)創(chuàng)新能力的提高，企業(yè)為適應(yīng)新的環(huán)境管制強度，花費額外的資本和人力投入節(jié)能減排項目，無形中增加了管理成本，對企業(yè)技術(shù)創(chuàng)新產(chǎn)生不利的影響，從而抑制綠色全要素生產(chǎn)率的提高。

（7）環(huán)保意識（en）。采用6歲以上人口中高中學歷以上人口占比來衡量環(huán)保意識，作為環(huán)境管制強度的補充指標。環(huán)保意識的普遍提高在居民的消費觀念和消費方式上有所體現(xiàn)，企業(yè)必須持續(xù)進行以綠色環(huán)保為主題的技術(shù)創(chuàng)新活動，研發(fā)環(huán)保產(chǎn)品，開辟新市場，提高競爭力以滿足不斷變化的社會需求，這種綠色經(jīng)濟發(fā)展方式能夠更好地協(xié)調(diào)經(jīng)濟發(fā)展與能源、環(huán)境之間的矛盾，促進綠色全要素生產(chǎn)率的提高。

（二）ML指數(shù)測度結(jié)果分析

應(yīng)用MAXDEA軟件，通過非徑向非角度的SBM方向性距離函數(shù)，計算得到規(guī)模報酬不變（CRS）下的ML指數(shù)及其分解得到的技術(shù)進步（TC）和技術(shù)效率改善（EC）。

從表2數(shù)據(jù)可以看出，2008-2017年全國平均ML指數(shù)累計變動1.311，即綠色全要素生產(chǎn)率累積增長了31.1%，同時技術(shù)進步累計增長56.6%，技術(shù)效率下降16.3%，樣本期間內(nèi)綠色全要素生產(chǎn)率的增長主要歸功于技術(shù)進步，與國家堅持科技創(chuàng)新、實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略息息相關(guān)。分地區(qū)看，各地區(qū)的綠色全要素生產(chǎn)率均呈現(xiàn)增長的趨勢，存在技術(shù)進步和技術(shù)效率下降的特點。從東、中、西部地區(qū)的數(shù)據(jù)來看，東部較發(fā)達地區(qū)的綠色全要素生產(chǎn)率增長速度明顯高于其他地區(qū)，技術(shù)進步累計增長率高達79.8%，技術(shù)發(fā)展的地域優(yōu)勢明顯，中部和西部地區(qū)的技術(shù)進步增長速度不如東部地區(qū)，但仍有40%以上的較高水平。綠色全要素生產(chǎn)率的增長趨勢大致呈現(xiàn)“東高西低”的局面，與張金燦和仲偉周（2015）運用隨機前沿法得出的結(jié)論相同[23]。

從各省份的數(shù)據(jù)來看，綠色全要素生產(chǎn)率和經(jīng)濟發(fā)展狀況息息相關(guān)，北京、上海、江蘇、浙江等經(jīng)濟發(fā)展較好的省份，其綠色全要素生產(chǎn)率增長較快;樣本期間內(nèi)幾乎所有省份的綠色全要素生產(chǎn)率的增長均依靠技術(shù)進步拉動，李婧等（2013）和王兵等（2008）給出了相同結(jié)論[24，25]，但顏鵬飛和王兵（2004）的實證結(jié)果表明1978-2001年中國各省份的全要素生產(chǎn)率主要由技術(shù)效率的增長帶動，而技術(shù)進步放緩導(dǎo)致1997年之后全要素生產(chǎn)率的增長出現(xiàn)遞減的趨勢。忽略環(huán)境管制和能源消耗將導(dǎo)致全要素生產(chǎn)率被高估，近年來我國對科技創(chuàng)新的重視程度大大提高，技術(shù)進步發(fā)展迅猛，極大促進了生產(chǎn)前沿的擴張。在所有省份中，北京、上海和天津的技術(shù)效率經(jīng)常處于生產(chǎn)前沿，只有山西和甘肅的綠色全要素生產(chǎn)率累積略有下降。

四、綠色全要素生產(chǎn)率的影響因素及其空間特征

（一）ML指數(shù)空間自相關(guān)性檢驗

分別采用四種空間權(quán)重矩陣計算Morans I指數(shù)對ML指數(shù)進行空間自相關(guān)性檢驗，結(jié)果如表3所示。整體來看，ML指數(shù)具有顯著的空間自相關(guān)性，經(jīng)濟矩陣、距離矩陣及0-1鄰接矩陣的檢驗結(jié)果相差較大，故本文在多種權(quán)重矩陣下對空間面板模型進行擬合分析。

（二）綠色全要素生產(chǎn)率的影響因素分析

從空間因素的設(shè)定來看，LM和LR統(tǒng)計量的比較結(jié)果支持選取SAR模型，Hausman 統(tǒng)計量顯著（顯著性水平為5%），因此采用固定效應(yīng)模型。分別對空間固定效應(yīng)、時間固定效應(yīng)以及空間時間雙向固定效應(yīng)下的空間滯后模型進行擬合，發(fā)現(xiàn)在空間固定效應(yīng)下，模型的擬合度更優(yōu)，結(jié)果見表4。

四種空間權(quán)重矩陣下，ML指數(shù)的空間滯后項（W*dep.var.）系數(shù)均在1%的顯著性水平下通過檢驗，ML指數(shù)具有穩(wěn)健的空間自相關(guān)性，某地區(qū)的綠色全要素生產(chǎn)率提高將對地理鄰接及經(jīng)濟屬性相似的地區(qū)產(chǎn)生積極影響。0-1鄰接矩陣和距離矩陣下ML指數(shù)的空間自相關(guān)系數(shù)較大，相比經(jīng)濟因素，地理因素更顯著地促進了綠色全要素生產(chǎn)率的增長，經(jīng)濟屬性相似的地區(qū)亦存在示范效應(yīng)。

利用點估計結(jié)果解釋各因素的影響并檢驗空間溢出效應(yīng)有失偏頗。利用偏微分方法將系數(shù)估計值（總效應(yīng)）分解為直接效應(yīng)和間接效應(yīng)（空間溢出效應(yīng)），直接效應(yīng)指本地區(qū)對本地區(qū)的影響，間接效應(yīng)指本地區(qū)（周邊地區(qū)）對周邊地區(qū)（本地區(qū)）的影響，結(jié)果如表5所示。

資本深化的直接效應(yīng)和間接效應(yīng)在四種權(quán)重矩陣下顯著為正，其對提升本地區(qū)和鄰接地區(qū)的綠色全要素生產(chǎn)率具有顯著的促進作用。隨著經(jīng)濟轉(zhuǎn)型升級和資本市場快速發(fā)展，勞動密集型企業(yè)的弊端逐漸顯現(xiàn)，資本深化意味著資源投入的增加和污染的加劇，但資本密集型企業(yè)對資金和技術(shù)的依賴大大超過了對其他要素的依賴，技術(shù)進步在很大程度上抵消了技術(shù)效率下降的影響，與王兵等（2010）、王鉞和劉秉鐮（2017）的研究結(jié)論一致[27，28]。

僅在0-1鄰接矩陣下，R&D投入對綠色全要素生產(chǎn)率的增長具有顯著正向的直接和間接影響，R&D投入對提升綠色全要素生產(chǎn)率的促進作用主要通過地理鄰近接壤渠道實現(xiàn)。增加本區(qū)域研發(fā)投入將推動技術(shù)進步，帶動本區(qū)域與鄰接地區(qū)綠色全要素生產(chǎn)率的提升，對于經(jīng)濟屬性相似或距離較遠的地區(qū)，空間溢出效應(yīng)不明顯。

外商投資與綠色全要素生產(chǎn)率正相關(guān)，具有穩(wěn)健性。外商投資促進了污染治理及清潔技術(shù)的推廣引進，改善本地區(qū)的環(huán)境質(zhì)量，促進綠色全要素生產(chǎn)率的增長。

在0-1鄰接矩陣和距離矩陣下，環(huán)境管制強度對綠色全要素生產(chǎn)率增長的直接效應(yīng)為負，間接效應(yīng)不顯著。本區(qū)域污染控制政策僅對本區(qū)域的綠色全要素生產(chǎn)率增長有負向影響，對鄰接地區(qū)的作用不明顯。原因在于環(huán)境污染嚴重阻礙綠色全要素生產(chǎn)率的增長，地方政府已頒布相關(guān)環(huán)境法規(guī)并加強環(huán)境管制，環(huán)境管制力度越強，當?shù)貙嶋H的環(huán)境污染越嚴重，在考慮非期望產(chǎn)出測算綠色全要素生產(chǎn)率時則偏低。而本區(qū)域加強環(huán)境管制對鄰接地區(qū)沒有起到輻射或示范作用，空間溢出效應(yīng)不顯著，鄰接地區(qū)將根據(jù)自身污染情況制定合理的環(huán)境管制政策。

經(jīng)濟基礎(chǔ)、環(huán)保意識及能源消費結(jié)構(gòu)對綠色全要素生產(chǎn)率增長的正面作用在模型中沒有得到充分顯現(xiàn)。

（三）技術(shù)進步與技術(shù)效率改善的影響因素分析

表6和表7分別為四種權(quán)重矩陣下技術(shù)進步和技術(shù)效率改善的模型估計結(jié)果。僅在0-1鄰接矩陣下，技術(shù)效率改善的空間滯后項系數(shù)通過了顯著性檢驗，且技術(shù)進步的空間滯后項系數(shù)在0-1鄰接矩陣和距離矩陣下通過了顯著性檢驗，某地區(qū)的技術(shù)效率改善僅對鄰接地區(qū)產(chǎn)生溢出效應(yīng)，對距離較遠或經(jīng)濟屬性相似地區(qū)的溢出效應(yīng)不顯著，鄰近接壤是溢出的唯一途徑。0-1鄰接權(quán)重或是距離權(quán)重均與地理位置相關(guān)，技術(shù)效率改善和技術(shù)進步主要通過地理溢出對鄰接地區(qū)產(chǎn)生影響。

0-1鄰接矩陣下各變量對技術(shù)進步和技術(shù)效率改善的直接效應(yīng)和間接效應(yīng)，結(jié)果如表8所示。

資本深化對技術(shù)進步的直接和間接效應(yīng)均顯著為正，能夠有效促進本區(qū)域和鄰接地區(qū)的技術(shù)進步。發(fā)展資本密集型企業(yè)需要大量技術(shù)設(shè)備和資金，且資本密集型產(chǎn)業(yè)在規(guī)模經(jīng)濟下憑借資金優(yōu)勢加強自主創(chuàng)新，加大對研發(fā)和創(chuàng)新活動的資金投入，引進國外先進技術(shù)，加速企業(yè)技術(shù)進步。對技術(shù)效率改善效果不顯著，提高技術(shù)效率不能片面追求資本密集型產(chǎn)業(yè)的發(fā)展，要注重資本密集型技術(shù)和勞動密集型技術(shù)的并存與結(jié)合，實現(xiàn)復(fù)合技術(shù)的發(fā)展，促進技術(shù)效率提高。

能源消費結(jié)構(gòu)對技術(shù)進步和技術(shù)效率改善的直接和間接作用均顯著為負。長期以來中國形成了以煤炭為主的低效能源消費結(jié)構(gòu)，與高投入、高消耗、高排放的粗放型生產(chǎn)模式，對技術(shù)進步和技術(shù)效率改善具有顯著的抑制作用。

研發(fā)投入的增加推動了本區(qū)域技術(shù)進步和技術(shù)效率改善，隨著中國國內(nèi)知識產(chǎn)權(quán)保護制度的完善及自主創(chuàng)新意識的普及，技術(shù)和知識產(chǎn)權(quán)的溢出渠道減少，R&D投入對技術(shù)進步和技術(shù)效率改善的溢出效應(yīng)不顯著;相反，張先鋒等（2010）認為R&D投入對本區(qū)域全要素生產(chǎn)率的影響較小，而地理溢出效應(yīng)顯著[10]。

外商投資促進了技術(shù)進步和技術(shù)效率改善，對鄰接地區(qū)的技術(shù)進步存在顯著的正向溢出效應(yīng)，但對技術(shù)效率改善的溢出效應(yīng)不顯著。FDI的引入往往伴隨著先進技術(shù)和管理經(jīng)驗，能夠有效提高當?shù)氐淖灾鲃?chuàng)新能力，同時先進的技術(shù)和相關(guān)管理經(jīng)驗可能會通過人員流動和經(jīng)驗復(fù)制傳播到其他地區(qū)，促進鄰接地區(qū)技術(shù)進步，但核心技術(shù)仍受到外資保護和封鎖，對周邊地區(qū)技術(shù)效率改善的影響不顯著。外資進入雖然增加了污染排放，就目前中國的經(jīng)濟發(fā)展狀況來看，“污染天堂假說”沒有得到驗證，與汪鋒和解晉（2015）的觀點不一致[29]。

環(huán)境管制對技術(shù)進步和技術(shù)效率改善的直接和間接效應(yīng)均顯著為正，“波特假說”在中國得到驗證，適當?shù)沫h(huán)境管制將刺激企業(yè)創(chuàng)新，促進技術(shù)進步，提高企業(yè)的技術(shù)效率和生產(chǎn)力，抵消了環(huán)保費用增加造成的消極影響。

五、結(jié)論與建議

本文基于中國省域面板數(shù)據(jù)，運用非徑向、非角度的SBM方向性距離函數(shù)和 ML 指數(shù)在考慮能源投入和非期望產(chǎn)出的條件下測度綠色全要素生產(chǎn)率增長，通過構(gòu)建空間面板模型研究綠色全要素生產(chǎn)率、技術(shù)進步和技術(shù)效率改善的影響因素及空間特征，主要結(jié)論如下：

中國的綠色全要素生產(chǎn)率在2008-2017年呈上升趨勢，主要由技術(shù)進步拉動，技術(shù)效率普遍下降。東部地區(qū)綠色全要素生產(chǎn)率增長和技術(shù)進步明顯高于其他地區(qū)，中部和西部地區(qū)省份增長較慢，北京、上海、浙江、江蘇等經(jīng)濟較發(fā)達省份的綠色全要素生產(chǎn)率增長和技術(shù)進步較快，整體呈現(xiàn)“東高西低”的局面。

地理鄰接是各變量對綠色全要素生產(chǎn)率、技術(shù)進步和技術(shù)效率改善產(chǎn)生空間溢出效應(yīng)的主要因素。經(jīng)濟因素能夠在一定程度上促進綠色全要素生產(chǎn)率的提高但其空間溢出效應(yīng)不顯著，鄰接地區(qū)的帶頭示范作用和輻射能力尤為重要。

僅考慮地理因素的影響下，各變量對綠色全要素生產(chǎn)率及技術(shù)進步和技術(shù)效率改善的直接效應(yīng)和空間溢出效應(yīng)呈現(xiàn)出不同的作用機制。資本深化有助于提升綠色全要素生產(chǎn)率和技術(shù)進步，并對鄰接地區(qū)產(chǎn)生正向的溢出效應(yīng);增加R&D投入能夠有效提高技術(shù)進步和技術(shù)效率，對綠色全要素生產(chǎn)率產(chǎn)生正向影響，受傳播渠道限制，其溢出效應(yīng)并不顯著;外商投資引進的先進技術(shù)和管理經(jīng)驗推動了本區(qū)域技術(shù)進步和技術(shù)效率改善，對鄰接地區(qū)的影響并不明顯;環(huán)境管制能夠促使企業(yè)進行技術(shù)創(chuàng)新，提高生產(chǎn)效率，降低污染治理成本，從而促進技術(shù)進步和技術(shù)效率改善并輻射鄰接地區(qū)，驗證了的“波特假說”的猜想。以煤炭為主的低效能源結(jié)構(gòu)將抑制技術(shù)進步和技術(shù)效率改善并對鄰接地區(qū)產(chǎn)生負向的溢出效應(yīng)。

為提高中國綠色全要素生產(chǎn)率、促進技術(shù)進步和技術(shù)效率改善，實現(xiàn)區(qū)域協(xié)調(diào)發(fā)展，提出相關(guān)政策建議如下：

（1）削減煤炭消費總量，升級能源消費結(jié)構(gòu)。減少以煤炭為代表的化石能源消耗，將開發(fā)充足、穩(wěn)定、綠色、低污染的新能源作為中國能源轉(zhuǎn)型的主攻方向，大力發(fā)展太陽能、風能、核能等新能源和可再生能源，優(yōu)化能源消費結(jié)構(gòu)，提高能源利用效率;大力推廣天然氣作為新型燃料在居民日常生活以及工業(yè)生產(chǎn)等領(lǐng)域的應(yīng)用，從改變居民的生活方式入手，從根本上改善能源消費結(jié)構(gòu)，推進生態(tài)文明建設(shè)。

（2）執(zhí)行合理的環(huán)保政策，確定適當?shù)沫h(huán)境管制強度。在積極倡導(dǎo)綠色消費，推進生態(tài)文明建設(shè)的同時，結(jié)合實際因地制宜地修訂動態(tài)的、差異化的環(huán)境管制標準，激勵企業(yè)進行自主創(chuàng)新活動，加大對節(jié)能環(huán)保技術(shù)的研發(fā)及對高能效產(chǎn)品的投資，持續(xù)不斷地推動技術(shù)進步和促進技術(shù)效率改善。選擇合理的環(huán)境管制形式，根據(jù)區(qū)域特點靈活利用環(huán)境稅收、排污收費、污染罰款等各種管制手段。

（3）擴大全社會研發(fā)投入，提升科技水平。創(chuàng)新是引領(lǐng)發(fā)展的第一動力，加大全社會研發(fā)投入是促進技術(shù)進步、實現(xiàn)創(chuàng)新驅(qū)動發(fā)展的必然要求。研發(fā)投入的持續(xù)擴大將提升自主創(chuàng)新能力，促進新舊動能加速轉(zhuǎn)換和產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級，增強經(jīng)濟發(fā)展內(nèi)生動力，推動經(jīng)濟高質(zhì)量發(fā)展。增加科技創(chuàng)新事業(yè)的投入，重視科技型、創(chuàng)新型人才的培養(yǎng)，鼓勵企業(yè)進行自主創(chuàng)新活動并給予相應(yīng)的扶持和獎勵，建立合理的機制引導(dǎo)技術(shù)人才的流動。

（4）提高引進外資質(zhì)量，堅持引進先進技術(shù)和消化、吸收、創(chuàng)新相結(jié)合。外資的進入勢必會帶來先進的技術(shù)和生產(chǎn)、管理模式，但重復(fù)或盲目地引進技術(shù)并不能有效地促進技術(shù)進步。從長遠的目標來看，應(yīng)有針對性的選擇高質(zhì)量、高效益、低污染的外資企業(yè)，在引進、消化、吸收先進技術(shù)的同時，強調(diào)自主創(chuàng)新能力的提升，努力形成具有自主知識產(chǎn)權(quán)的新技術(shù)。外資進入環(huán)境管制嚴格的區(qū)域?qū)?dǎo)致環(huán)境成本提高，應(yīng)注意改善外資在國內(nèi)的發(fā)展環(huán)境，通過提供優(yōu)惠政策激勵企業(yè)開發(fā)綠色生產(chǎn)技術(shù)，將符合標準的優(yōu)質(zhì)外資引入勞動力充足的行業(yè)領(lǐng)域，既可維持較高的環(huán)境管制強度，也有利于調(diào)動優(yōu)質(zhì)外資進入的積極性。同時進行嚴格的管控，對不符合環(huán)保政策的外資企業(yè)處以警告或罰款，促使企業(yè)進行清潔技術(shù)創(chuàng)新，適應(yīng)當?shù)氐沫h(huán)境管制標準。

參考文獻：

[1] 羅斯·特里爾.習近平復(fù)興中國：歷史使命與大國戰(zhàn)略[M].美國時代出版公司，2016.

[2] 朱文濤，呂成銳，顧乃華.OFDI、逆向技術(shù)溢出對綠色全要素生產(chǎn)率的影響研究[J].中國人口·資源與環(huán)境.2019（9）：63-73.

[3] 孫付華，李申達，龔茗菲，等.異質(zhì)性企業(yè)對外投資行為如何影響中國綠色經(jīng)濟增長·[J].產(chǎn)業(yè)經(jīng)濟研究，2019（5）：65-76.

[4] 杜龍政，趙云輝，陶克濤，等.環(huán)境規(guī)制、治理轉(zhuǎn)型對綠色競爭力提升的復(fù)合效應(yīng)——基于中國工業(yè)的經(jīng)驗證據(jù)[J].經(jīng)濟研究，2019（10）：106-120.

[5] 李鵬升，陳艷瑩.環(huán)境規(guī)制、企業(yè)議價能力和綠色全要素生產(chǎn)率[J].財貿(mào)經(jīng)濟，2019（11）：144-160.

[6] 伍格致，游達明.環(huán)境規(guī)制對技術(shù)創(chuàng)新與綠色全要素生產(chǎn)率的影響機制：基于財政分權(quán)的調(diào)節(jié)作用[J].管理工程學報，2019（1）：37-50.

[7] 任陽軍，汪傳旭，李伯棠，等.產(chǎn)業(yè)集聚對中國綠色全要素生產(chǎn)率的影響[J].系統(tǒng)工程，2019（5）：31-40.

[8] 劉贏時，田銀華，羅迎.產(chǎn)業(yè)結(jié)構(gòu)升級、能源效率與綠色全要素生產(chǎn)率[J].財經(jīng)理論與實踐，2018（1）：118-126.

[9] 張帆.金融發(fā)展影響綠色全要素生產(chǎn)率的理論和實證研究[J].中國軟科學，2017（9）：154-167.

[10]張先鋒，丁亞娟，王紅.中國區(qū)域全要素生產(chǎn)率的影響因素分析——基于地理溢出效應(yīng)的視角[J].經(jīng)濟地理，2010（12）：1955-1960.

[11]周璇，陶長琪.環(huán)境規(guī)制、要素集聚與全要素生產(chǎn)率的門檻效應(yīng)研究[J].當代財經(jīng)，2015（1）：10-22.

[12]劉華軍，李超，彭瑩，等.中國綠色全要素生產(chǎn)率增長的空間不平衡及其成因解析[J].財經(jīng)理論與實踐，2018（5）：116-121.

[13]肖遠飛，吳允.財政分權(quán)、環(huán)境規(guī)制與綠色全要素生產(chǎn)率——基于動態(tài)空間杜賓模型的實證分析[J].華東經(jīng)濟管理，2019（11）：15-23.

[14]Fre R， Grosskopf S， Pasurka C A. Environmental production functions and environmental directional distance functions[J]. Energy，2007，32（7）：1055-1066.

[15]陳黎明，王文平，王斌.“兩橫三縱”城市化地區(qū)的經(jīng)濟效率、環(huán)境效率和生態(tài)效率——基于混合方向性距離函數(shù)和合圖法的實證分析[J].中國軟科學，2015（2）：96-109.

[16]劉華軍，李超，彭瑩.中國綠色全要素生產(chǎn)率的地區(qū)差距及區(qū)域協(xié)同提升研究[J].中國人口科學，2018（4）：30-41.

[17]Tone K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research，2001，130（3）：498-509.

[18]Chung Y H， Fre R， Grosskopf S. Productivity and undesirable outputs： A directional distance function approach[J]. Journal of Environmental Management，1997，51（3）：229-240.

[19]王守坤.空間計量模型中權(quán)重矩陣的類型與選擇[J].經(jīng)濟數(shù)學，2013（3）：57-63.

[20]張軍，章元.對中國資本存量K的再估計[J].經(jīng)濟研究，2003（7）：35-43.

[21]彭國華.我國地區(qū)全要素生產(chǎn)率與人力資本構(gòu)成[J].中國工業(yè)經(jīng)濟，2007（2）：54-61.

[22]肖宏偉.中國碳排放測算方法研究[J].閱江學刊，2013（5）：48-57.

[23]張金燦，仲偉周.基于隨機前沿的我國省域碳排放效率和全要素生產(chǎn)率研究[J].軟科學，2015（6）：105-109.

[24]李婧，朱承亮，安立仁.中國經(jīng)濟低碳轉(zhuǎn)型績效的歷史變遷與地區(qū)差異[J].中國軟科學，2013（5）：167-182.

[25]王兵，吳延瑞，顏鵬飛.環(huán)境管制與全要素生產(chǎn)率增長：APEC的實證研究[J].經(jīng)濟研究，2008（5）：19-32.

[26]顏鵬飛，王兵.技術(shù)效率、技術(shù)進步與生產(chǎn)率增長：基于DEA的實證分析[J].經(jīng)濟研究，2004（12）：55-65.

[27]王兵，吳延瑞，顏鵬飛.中國區(qū)域環(huán)境效率與環(huán)境全要素生產(chǎn)率增長[J].經(jīng)濟研究，2010（5）：95-109.

[28]王鉞，劉秉鐮.創(chuàng)新要素的流動為何如此重要·——基于全要素生產(chǎn)率的視角[J].中國軟科學，2017（8）：91-101.

[29]汪鋒，解晉.中國分省綠色全要素生產(chǎn)率增長率研究[J].中國人口科學，2015（2）：53-62.

（責任編輯：鐘 瑤）

Influencing Factors and Spatial Characteristics of Green Total Factor Productivity in China

CHEN ?Liming， ?WANG Junhao，ZHAO Wanru， CAI ?Leying

（College of Finance and Statistics， Hunan University， Changsha，Hunan 410079， China）

Abstract：The non-radial， non-angle SBM directional distance function and ML index are used to incorporate indicators reflecting environmental pollution and energy consumption into the framework used to analyze productivity. We have measured ML index which can be decomposed into technological progress and technological efficiency changes and green total factor productivity （GTFP） of 30 provinces in 2008-2017. Spatial econometric model is used to explore the influencing factors and spatial characteristics of green total factor productivity. The results show that China's national average GTFP increased by 31.1% between 2008 and 2017 and it is mainly due to technological progress; the GTFP of all regions shows an increasing trend， and there are characteristics of technical efficiency decline and technological progress. Geographic proximity is the main factor leading to the spatial spillover effect. The direct effects and spatial spillover effects of various variables on GTFP， technological progress and technological efficiency improvement are different. The factors， such as R&D， FDI， and environmental regulation have significant effects on the growth of GTFP.

Key words：green total factor productivity （GTFP）; ML index; influencing factors; spatial characteristics

作者簡介： 陳黎明（1974—），男，湖南隆回人，博士，湖南大學金融與統(tǒng)計學院副教授，碩士生導(dǎo)師，研究方向：宏觀經(jīng)濟統(tǒng)計。