楊雪梅，張琳彥，李曉丹

（北京信息科技大學 經濟管理學院，北京 100096）

從改革開放到現在，中國的經濟經歷了粗放型的發(fā)展模式，取得了很多顯著的成就，中國成為制造業(yè)大國，也因此有了“世界工廠”的稱號。但是經濟的粗放型發(fā)展導致了環(huán)境的嚴重惡化，空氣污染嚴重，影響人們的工作和生活。根據2019 年美國耶魯大學和哥倫比亞大學發(fā)布的《全球環(huán)境績效指數報告》，中國在163 個國家中排在第120 位。這說明我國環(huán)境方面存在一些問題，環(huán)境問題成為我國近年來面臨的挑戰(zhàn)之一。因此，需要轉變經濟發(fā)展方式，在發(fā)展好經濟的同時，又保護好環(huán)境，即提高我國的綠色全要素生產率。黨的十八大后，我國把生態(tài)文明建設納入中國特色社會主義事業(yè)總體布局，黨的十九大報告和“十四五”規(guī)劃都一再強調綠色發(fā)展、低碳發(fā)展的重要性。當前，國際環(huán)境保護形勢也十分嚴峻?！毒┒甲h定書》和《巴黎協(xié)議》等都要求各國遵守協(xié)定條款，主動承擔減少溫室氣體排放的任務，從而減少氣候變化造成的社會和經濟危害。隨著國際上對可持續(xù)增長的關注日益增加，世界各國亟須建立綠色、低碳、循環(huán)和可持續(xù)發(fā)展的經濟體系，提高綠色全要素生產率。換句話說，在經濟發(fā)展的過程中，應該盡可能減少投入，擴大期望產出，減少非期望產出。

日本的自然資源匱乏，并極端依賴進口，其科學研發(fā)能力位居世界前列，發(fā)達的制造業(yè)是國民經濟的支柱?？蒲小⒑教?、制造業(yè)、教育水平均居世界前列。美國是經濟超級大國，擁有世界上先進的基礎設施、技術以及豐富的自然資源，經濟幾乎占全球經濟的四分之一。近幾年以來，在經濟體量上，中國的經濟總量僅次于美國。德國是世界第四大經濟體，也是歐洲最大的經濟體。同時，德國是一個典型的“先發(fā)展后治理”的國家。德國將環(huán)保寫入了《基本法》（相當于我國的《憲法》），并且擁有世界上最完備、最詳盡的環(huán)境保護法。德國的環(huán)保產業(yè)蓬勃發(fā)展，每年環(huán)保相關產品的出口居于世界前列[1]。目前，德國已經成為世界上生態(tài)環(huán)境最好的國家之一。

從美國賓夕法尼亞大學世界數據庫和世界能源數據庫的數據可以看出（圖1），總體上，中國的GDP 在2007 年超過德國，在2010 年超過日本成為世界第二大經濟體，增速很快。相應的，無論是二氧化碳的排放總量還是二氧化碳排放量的增速在樣本期間都穩(wěn)居第一。日本的GDP 處于在均值上下波動的狀態(tài)，但波動不大，二氧化碳的排放量在樣本期的開始階段呈現緩慢上升的趨勢，在2013 年有持續(xù)降低的趨勢。美國的GDP 在樣本期間一直是第一，且一直呈上升趨勢，增長的速率基本上每年都是一致的，其二氧化碳的排放量僅僅比日本高一點，二氧化碳的排放量的增長速度很緩慢，基本上接近于零。德國的GDP 在樣本期間整體呈緩慢上升趨勢，但是德國二氧化碳的排放量一直呈下行的趨勢。中國在2013 年之后二氧化碳的排放量的增速雖然降低了很多，但是從二氧化碳的排放量來看，相比美國、日本和德國，二氧化碳的排放量還是高出很多，說明中國的二氧化碳的排放量沒有得到有效控制，其排放量甚至遠遠高于德國、日本和美國的二氧化碳的排放量。

圖1 中國、日本、美國、德國期望產出和非期望產出對比

基于此，本文選取中國、日本、美國和德國的數據，測算中日美德的綠色全要素生產率，分析中國與美國、德國和日本的綠色全要素生產率的差距在哪里以及產生差距的原因是什么，從差距入手，為提高我國綠色全要素生產率提供政策參考。

1 文獻綜述

雖然全要素生產率不是度量經濟發(fā)展水平、生活水平高低或者一個經濟體競爭力強弱的唯一方式，但是近幾十年來，學者們廣泛使用全要素生產率來衡量經濟的發(fā)展水平，因此綠色全要素生產率一直是學術界關注的重要問題。在投入產出變量的選擇方面，國內一些學者采用傳統(tǒng)的指標衡量全要素生產率[2-3]，如資本、勞動力、中間產出、總產出。近年來，隨著生態(tài)問題日益嚴重，學者們越來越多地關注綠色全要素生產率，有不少學者將能源消耗、非期望產出（如二氧化碳排放量、二氧化硫排放量、工業(yè)三廢等）納入投入產出模型中，從而衡量綠色全要素生產率或者是環(huán)境全要素生產率[4-5]。

根據所研究的數據對象，國內學者從不同的數據層次進行了相關研究，不同層次的數據可以幫助學者從不同的層次理解全要素生產率。主要從區(qū)域數據[6]、行業(yè)數據[7]、企業(yè)數據[8]三個不同的方面進行研究。測算不同區(qū)域、不同行業(yè)、不同企業(yè)的全要素生產率，比較分析全要素生產率的差異、產生差異的原因以及全要素生產率的影響因素。Shi & Li[9]研究了東部、中部、西部地區(qū)的全要素生產率。劉亦文等[10]對中國八大綜合區(qū)的農業(yè)全要素生產率進行了測度，考察了八大綜合區(qū)的時空演化特征及其影響因素。崔和瑞等[11]對36 個工業(yè)行業(yè)綠色全要素生產率的動態(tài)演變特征及其收斂趨勢進行評價，研究發(fā)現各行業(yè)的綠色全要素生產率表現為不斷放緩的增長趨勢，其中低能耗行業(yè)的增長率最高，其次是中高能耗行業(yè)。滕澤偉[12]對中國服務業(yè)的綠色全要素生產率及其驅動因素進行了研究，結果表明中國服務業(yè)的綠色全要素生產率出現增長的趨勢，但是各個地區(qū)之間存在明顯的異質性的特征。崔興華和林明裕[13]通過研究企業(yè)的綠色全要素生產率表明，部分典型的高能耗、高排放行業(yè)的外資企業(yè)的平均綠色全要素生產率高于內資企業(yè)，但是整體上，內資企業(yè)的綠色全要素生產率的年均增速高于外資企業(yè)，出現明顯的趕超態(tài)勢。

隨著研究的區(qū)域擴大，國際上對于綠色全要素生產率的研究主要集中在以下兩個方面：（1）不同國家的綠色全要素生產率的測度與比較。（2）環(huán)境規(guī)制、人力資本、科技創(chuàng)新和對外直接投資等因素對綠色全要素生產率的影響。Zhu 等[14]從技術、規(guī)模和管理三個方面對中國采礦業(yè)的綠色全要素生產率進行了分析，研究表明中國采礦業(yè)的綠色全要素生產率出現了增長，技術進步是綠色全要素生產率的主要貢獻者。Wu 等[15]研究了中國對外直接投資是否提升了“一帶一路”沿線國家的綠色全要生產率，結果表明中國對外直接投資促進了東亞太平洋地區(qū)、南亞、中亞和歐洲國家的綠色全要素生產率，而對中東和北非國家的綠色全要素生產率沒有顯著促進。Song 等[16]計算了長江經濟帶11 個省份的綠色全要素生產率，并分析財政分權對其的影響。Shen 等[17]提出了一種分解綠色全要素生產率的新方法，即將生產率分解為技術進步、技術效率變化和結構效率變化三部分，結構效應體現了各國投入和產出組合的異質性，這些異質性可以在總體水平上影響生產率增長。Wang & Shao[18]基于GML 指數和面板閾值回歸模型分析了G20 國家異質性環(huán)境法規(guī)對綠色增長的非線性影響。

上述文獻沒有涉及中國與世界上發(fā)達國家的綠色全要素生產率的比較分析。美國、中國、日本和德國作為世界上的前四大經濟體，雖然發(fā)展理念、發(fā)展方式不同，但是不可否認的是，美國、日本和德國都相對別的國家發(fā)展得更好。因此分析中國與美國、日本和德國在發(fā)展中的綠色全要素生產率的差異及其驅動因素的異同，從而分析我國與日本、美國和德國的差距以及產生差距的原因具有一定的現實意義。故本文以中國、日本、美國和德國作為研究對象，在全要素框架下選取各國1995—2017 年的資本存量、能源消耗量、所雇傭人員的平均工作小時數為投入指標，中國、日本、美國和德國四個國家的GDP 為期望產出，二氧化碳的排放量為非期望產出，運用方向距離函數結合Global Malmquist（GM）和Global Malmquist-Luenberger（GML）指數分析法，測算并且分析了中國、日本、美國和德國四個國家的綠色全要素生產率與傳統(tǒng)全要素生產率的差異及其在時間序列上的變動趨勢。本文不僅將二氧化碳作為非期望產出納入模型框架之中，同時，結合基于方向距離函數的GM和GML 指數分析方法，使得在測算綠色全要素生產率時可以進行跨期比較，并使得對中國、日本、美國和德國的綠色全要素生產率的量化更準確、更全面。通過分析中國與日本、美國和德國的差距和產生差距的原因，從而明確中國提高綠色全要素生產率的著力點和有效途徑，對提高中國的綠色全要素生產率和打造綠色、可持續(xù)發(fā)展國家提供理論參考。

2 數據與研究方法

2.1 數據來源和指標選取

為了評估中國、日本、美國和德國的綠色全要素生產率的差異，本文選取中國、日本、美國和德國的1995—2017 年的數據作為研究的樣本，運用方向距離函數結合GM 指數和GML 指數分析法測算了1995—2017年中國、日本、美國和德國的傳統(tǒng)全要素生產率和綠色全要素生產率。所有的數據均來自賓夕法尼亞大學世界數據庫和世界能源數據庫。根據前面的理論模型，投入產出變量具體選取情況為：①能源消耗量，選取各國的能源消耗總量作為能源投入的衡量指標。②勞動力，選取各國所雇傭人員的平均工作小時數作為勞動力投入衡量指標。③資本投入，采用按照2011 年不變國家價格的資本存量作為衡量指標。④期望產出，采用按照2011年不變國家價格計算的實際GDP 作為衡量指標。⑤非期望產出，選擇各國的二氧化碳排放量作為非期望產出。

本文研究所用的變量的描述性統(tǒng)計如表1 所示。在所有的變量中，均值明顯大于中位數，說明變量的分布是向右傾斜的，說明大多數國家是在分布的左尾部附近觀察到的。

表2 列出了中國、日本、美國和德國的各個變量的平均增長率。對于本文的樣本期而言，GDP 的平均增長率為3.09%，GDP 的年平均增長率最高的是中國（7.56%），其次是美國（2.45%），尾隨其后的是德國（1.45%），最后是日本（0.91%）。資本存量的平均增長率為5.21%，資本存量增長率最高的是中國（8.95%），其次是德國（4.35%），最后是美國（4.13%）和日本（3.40%）。所雇傭人員平均工作小時數的平均增長率為-0.19%。除了中國的平均增長率為正（0.38%），美國、日本和德國的平均增長率都為負，分別為-0.15%、-0.43%和-0.54%。二氧化碳排放量的年平均增長率為1.45%，二氧化碳排放量年平均增長率最高的是中國（5.6%），其次是美國（0.91%），再次是日本（0.02%），德國的二氧化碳排放量出現了負增長，在樣本期內二氧化碳的排放量降低了0.75%。能源消耗的年平均增長率為0.67%，能源消耗年平均增長率最高的是中國（3.59%），其中美國、德國和日本的能源消耗出現了負增長，其增長率分別為-0.05%、-0.31%和-0.56%。

表1 輸入輸出變量的描述性統(tǒng)計

表2 中日美德四國各個變量的平均增長率

綜上所述，與美國、日本和德國相比，可以看出中國是一個高GDP 增長、高二氧化碳排放的國家，從清潔、可持續(xù)發(fā)展的角度來看，中國與美國、德國和日本的差距很大。雖然目前中國還是發(fā)展中國家，而日本、美國和德國已經是高度發(fā)達的資本主義國家了，即使不能完全用發(fā)達國家的要求去要求中國，但是中國也應該在發(fā)展中借鑒美國、日本和德國的寶貴經驗，在促進自身發(fā)展的同時，降低二氧化碳的排放量，把我國建設成為一個清潔、綠色、可持續(xù)發(fā)展的國家，并且爭取在2060 年實現碳中和。

2.2 研究方法

2.2.1 Global Malmquist（GM）指數分析法

Malmquist 指數分析法原本是用來分析效率的變動情況的方法，以及Malmquist 指數的分解項技術進步和技術效率在其中所起的作用。將包含非期望產出的方向距離函數納入Malmquist 指數分析模型中，新的Malmquist 指數分析法模型因此被稱為Malmquist-Luenberger 指數分析模型。本文將方向距離函數（DDF）模型與具有全局參比的Malmquist 指數分析模型結合起來分析中國、美國、德國和日本的傳統(tǒng)全要素生產率，原因主要是基于以下幾點[19]：相鄰的兩期在計算Malmquist 指數時參考的是同一全局生產前沿，但是計算效率的變化時采用的是各自的生產前沿，因此全局參比Malmquist 指數分析法具備傳遞性和可累乘的性質。被評價的決策單元肯定包含在全局參考集內，所以全局參比的Malmquist 指數分析法不存在VRS 模型無可行解的問題。根據Poster & Lovell[20]提出的全局Malmquist（GM）指數分析方法，再結合方向距離函數模型，定義t 到t+1 期的GM 生產率指數。

假設時間t=1, …, T，決策單元（DMU）i=1, …, I，輸入 （M 種投入）、（N 種 期 望 產 出）。Pt={(xt, yt)| 投 入xt, 產 出yt}，其中λPt=Pt，t=1, …, T，λ＞0。全 局 基 準 技 術 定 義 為：PG=P1∪P2∪…∪PT。

同時期的Malmquist 指數被定義為：

其 中，輸 出 方 向 距 離 函 數D(x, y)=min{?＞0|(x, y/? ∈Ts)}，s=t, t+1。由 于M[xt, yt, x(t+1), y(t+1)]≠M(t+1)[xt, yt, x(t+1), y(t+1)]不受兩種技術的限制，因此同期的指數通常用幾何平均數來定義：

全局Malmquist 指數定義為：

其中，輸出方向距離函數Ds(x, y)=min{?＞0|(x, y/? ∈Ts)}。

雖然兩個指數都是比較[x(t+1), y(t+1)]和(xt, yt)，但是這兩個指數運用的是不同的基準前沿。由于只有一種全球基準技術，因此在定義全局Malmquist 指數的時候不需要使用幾何平均數。

全局Malmquist 指數可以分解為：

式中：EC(t,t+1)表示技術效率，EC(t,t+1)＞(≤)1 表示技術效率提高（降低），BPC(t,t+1)表示技術進步，BPC(t,t+1)＞ (≤)1 表示技術進步（退步）。

2.2.2 Global Malmquist-Luenberger（GML）指數分析法

各行各業(yè)進行生產的過程中，在產生期望產出的過程中，也會伴隨非期望產出的產生，非期望產出往往是避免不了的。方向距離函數能夠區(qū)分期望產出和非期望產出，從而能夠很好地解決包含非期望產出的效率評價的問題，本文將中國、日本、美國和德國分別作為獨立的決策單元，假設每個決策單元的投入、期望產出和非期望產出分別為 （M 種投入）、（N 種期望產出）和 （J種非期望產出）。則定義第t 個時期的方向性距離函數為：

式中：xt為第t 期的投入向量（所雇傭人員的平均工作小時數、資本存量和能源消耗總量）；g=(gy, gb)表示方向性向量，β 表示當第t 個時期的期望產出（國內生產總值）最大化和非期望產出（二氧化碳的排放量）最小化時的方向性距離函數值。式（5）表示在給定相應的投入的情況下，產出中的期望產出和非期望產出會產生相同比例的變化。

那么，在所有時期同時包含期望產出和非期望產出的當期生產可能性集合可以表示為：

為了增強決策單元技術效率之間的可比性，將所有當期生產可能性集合的并集表示為全局生產可能性集合，即PG=P1∪P2∪…∪PT，該集合同時蘊含了所有決策單元的當期生產可能性集合。

根 據Poster & Lovell[20]提 出 的 全 局Malmquist-Luenberger 指數分析方法，再結合上文提到的方向距離函數模型，定義t 到t+1 期的GML 生產率指數為：

式中：GML(t,t+1)、EC(t,t+1)和BPC(t,t+1)分別表示從t 時期到t+1 時期的投入產出的綠色全要素生產率、技術效率和技術進步的變化情況，值大于1 表示t 時期投入產出的綠色全要素生產率提高、技術效率提升和技術進步，反之則表示投入產出的綠色全要素生產率降低、技術效率下降和技術退步。通過全局Malmquist 指數的分解項的變化情況，可以判斷驅動綠色全要素生產率的內在原因。

如果滿足非期望產出從包含非期望產出的方向距離函數中不再包含非期望產出和g=gy=y，那么GML 指數和GM 指數相等。

證明如下：

式中：D(x, y)=min{?|y/? ∈ψ(x)}是輸出導向的方向距離函數。

3 中日美德的綠色全要素生產率測度結果與比較分析

3.1 GML指數與GM指數及其分解項的測度結果與比較分析

運用1995—2017 年的數據，結合全局Malmquist-Luenberger（GML）指數分析法，借助Matlab_2017a 計算軟件，可以計算出1996—2017 年中國、日本、美國和德國的綠色全要素生產率及其分解項的值（表3）。為了方便起見，本文將1995—1996 年的綠色全要素生產率指數測算值計入1996 年，因此，由1995—2017 年數據測算得出1996—2017 年綠色全要素生產率指數。其中，累計變化值和幾何平均值表示綠色全要素生產率及其分解項在研究期間的總體變化情況和年均變動情況。在考慮非期望產出的情況下，中國、日本、美國和德國的GML 指數整體的累計增長率為16.76%，相應的年均變動值為0.75%，說明在環(huán)境的約束下1996—2017 年中國、日本、美國、德國綠色全要素生產率整體上呈現上升趨勢。中國的GML 指數累計增長幅度僅為0.19%，年平均增長率為0.01%。而美國、德國和日本的GML指數累計增長幅度分別為31.10%、19.53%、16.22%，相應的年平均增長率為1.41%、0.87%、0.73%。這說明中國的綠色全要素生產率無論是累計增長幅度還是年平均增長率都與美國、日本和德國差距較大，相差最大的是美國，其次是德國，最后是日本。

1996—2017 年，中國、日本、美國和德國的平均技術效率（EC）的累計增長幅度為1.70%，年平均增長率為0.07%，這表明在1996—2017 年期間，中國、日本、美國和德國整體的技術效率是增加的。從各個國家來看，中國技術效率的累計增長率和年均增長率為-7.97%和-0.36%，美國、德國和日本的技術效率的累計增長幅度分別為12.20%、1.72%、0.86%，年均增長率分別為0.55%、0.06%、0.03%?？梢钥闯雠c美國、德國和日本相比，中國的技術效率的值最低，這說明中國的技術效率有待提高，中國應該加大對信息和道路等基礎設施的投入，從而提高運營效率。

表3 中國、日本、美國和德國GML指數及其分解值

BPC 描述了技術進步的特征，如表3 所示，1996—2017 年，中國、日本、美國和德國的整體的BPC 累計增長率為15.19%，年均增長率為0.69%。表明從整體來看，技術進步的增長率比技術效率的增長率大得多。這表明與技術效率相比，技術進步成為中國、日本、美國和德國綠色全要素生產率提高的第一驅動力。從技術進步在各個國家的表現來看，中國的技術進步的累計增長幅度為8.49%，年均增長率為0.38%；美國、德國和日本的技術進步的累計增長幅度為18.84%、18.00%、15.43%，年均增長率分別為0.85%、0.81%、0.70%。這表明中國與美國、德國和日本的技術進步率差距較大，但存在明顯的追趕效應。美國、德國和日本的技術進步相對明顯，說明這三個國家的技術投入起到了期望的作用。對于技術進步較慢的中國，現有的創(chuàng)新激勵政策需要調整。要借鑒美國、德國和日本這三個國家的做法，重視高技術產業(yè)，對高技術產業(yè)加大投資。同時，培育壯大各類科技型企業(yè)，促進科技成果落地生根，轉化為生產力，以此來促進我國的技術進步，從而提高我國的技術水平。

從GML 指數的分解項來看，中國的技術效率（EC）值小于1，技術進步（BPC）值大于1，說明中國的綠色全要素生產率的提高主要是技術進步起主要促進作用，技術效率雖然也有抑制作用，但是這種抑制作用與技術進步的促進作用相比顯得比較小。美國、德國和日本的技術效率和技術進步的值都大于1，說明美國、德國和日本綠色全要素生產率的提高原因是全方位的，一方面是技術效率的促進作用，另一方面是技術進步的推動作用。這說明我國綠色全要素生產率不高，既有技術進步的驅動力不夠，也有技術效率低下的原因，這些都有待我國在未來的發(fā)展中繼續(xù)改進。這同時也說明世界各國都開始重視環(huán)境保護問題，中國、日本、美國和德國作為各地區(qū)重要的經濟體，也在努力提高經濟的可持續(xù)發(fā)展能力，出臺了一系列的環(huán)境保護法規(guī)來減少二氧化碳的排放。環(huán)境法規(guī)不僅有效地減少了污染物的排放，而且許多研究也證實了這一點，確信這些環(huán)境保護法規(guī)的出臺有利于技術進步[21-22]。

綠色全要素生產率與二氧化碳的排放量密切相關，為了與綠色全要素生產率進行比較，本文在計算中日美德四個國家的綠色全要素生產率的同時，對不考慮非期望產出的四國傳統(tǒng)全要素生產率進行估算和分解。得到中國、日本、美國、德國的GML 指數和GM 指數的值的變化（表4）。表4 反映了傳統(tǒng)全要素生產率及其分解項（技術效率和技術進步）在樣本期內的累計增加值和幾何平均值。從總體來看，中國、日本、美國和德國的GM 指數的累計變化值和幾何平均值分別為1.233 8 和1.010 5，技術效率和技術進步的累計變化值為1.043 9和1.197 8，技術效率和技術進步的幾何平均值為1.001 6和1.009 0。從總體來看，傳統(tǒng)全要素生產率及其分解項的值都和綠色全要素生產率及其分解項的值一樣，都大于1，說明從總體上來看，傳統(tǒng)全要素生產率、技術效率、技術進步都是呈現上升的趨勢。

表4 中日美德四國在1996—2017年的GM指數

從GM 指數來看，中國在樣本期間GM 指數的累計增長率為17.10%，相應的年均增長率為0.73%，日本、美國、德國在樣本期間GM 指數的累計增長率分別為18.95%、36.79%、20.68%，相應的年均增長率分別為0.86%、1.67%、0.94%。中國的GM 指數最小，其次是日本，再次是德國，最后是美國。從技術效率來看，中國的技術效率的累計增長率為-1.02%，年均增長率為-0.16%，日本、美國和德國的技術效率的累計增長率為1.30%、13.77%和3.52%，相應的年均增長率為0.04%、0.60%和0.14%。從技術進步來看，中國的技術進步的累計增長率為21.20%，年均增長率為0.89%，日本、美國和德國的技術進步的累計增長率為17.42%、23.90%、16.58%，相應的年均增長率為0.84%、1.06%和0.80%。

從上文的分析可以看出，和日本、美國和德國相比，中國的GM 指數和技術效率的值都相對較小，但是中國的技術進步的累計增長率比日本大，比美國和德國小。原因可能是我國2012 年提出創(chuàng)新驅動發(fā)展戰(zhàn)略，把科技創(chuàng)新擺在國家發(fā)展全局的核心位置，研究與試驗發(fā)展（R&D）經費投入總量穩(wěn)居世界第二，科研投入的高增長帶來科技創(chuàng)新的進步。

對比綠色全要素生產率與傳統(tǒng)的全要素生產率發(fā)現，中國的綠色全要素生產率的年均增長率為0.01%，中國的傳統(tǒng)的全要素生產率的年均增長率為0.73%，這說明中國的綠色全要素生產率和傳統(tǒng)的全要素生產率都呈現上升的趨勢，但是綠色全要素生產率的增長趨勢更加緩慢。這說明目前我國仍屬于“高污染、高排放”的粗放型發(fā)展方式。日本、美國和德國的綠色全要素生產率的年均增長率為0.73%、1.41%和0.87%，日本、美國和德國的傳統(tǒng)全要素生產率為0.86%、1.67%和0.94%，日本、美國和德國的綠色全要素生產率與傳統(tǒng)的全要素生產率的差距相比中國的綠色全要素生產率和傳統(tǒng)的全要素生產率小得多，這說明日本、美國和德國目前的發(fā)展已經從粗放型轉化為集約型的發(fā)展了，尤其是德國。

3.2 細分年份下綠色全要素生產率的比較分析

為了更加直觀地刻畫中國與日本、美國和德國的綠色全要素生產率的變化情況，以1996 年為基期，分析1996—2017 年綠色全要素生產率的變化情況，繪制了中國、日本、美國、德國這四個國家綠色全要素生產率的變化趨勢圖（圖2）。由于2008 年世界金融危機對各個國家的影響都比較大，因此2008 年成為一個關鍵的時間節(jié)點。從總體來看，中國的綠色全要素生產率在四個國家中一直處于比較低的水平。美國的綠色全要素生產率的值一直比較大，德國次之，緊隨其后的是日本。

圖2 中國與日美德四國在1996—2017年的綠色全要素生產率變化趨勢

從日本和中國的對比來看，總體上，日本的綠色全要素生產率的值比中國大。中國的綠色全要素生產率的值在大多數年份都大于1。在2008 年之前中國的綠色全要素生產率的均值為1.001 2，在2008 年之后綠色全要素生產率的均值為0.998 5。日本在2008 年之前的綠色全要素生產率的值為1.004 0，日本在2008 年之后的綠色全要素生產率的值為1.012 3?？梢钥闯?，中國的綠色全要素生產率在2008 年之后和日本的差距有進一步擴大的趨勢。其中，2011 年綠色全要素生產率降低的原因主要是長期的軟環(huán)境政策導致了環(huán)境問題的集中爆發(fā)，2016 年綠色全要素生產率下降的原因主要是新《環(huán)境保護法》的實施，該法被稱為史上最嚴的環(huán)境法規(guī)。在1999 年、2001 年、2006—2009 年中國的綠色全要素生產率的值比日本的高。

從中國和美國的對比來看，中國的綠色全要素生產率與美國的差距最大。美國在2008 年之前的綠色全要素生產率的均值為1.014 6，在2008 年之后的綠色全要素生產率的均值為1.013 5。中國和美國的綠色全要素生產率雖然在2008 年之后都有所降低，中國在2008 年之后綠色全要素生產率的年均增長率為-0.15%，而美國的綠色全要素生產率仍然保持著年均1.35%的增長率。中國僅在2001 年和2007 年的綠色全要素生產率的值比美國的大。中國和美國的綠色全要素生產率的差距在2008 年之后也有進一步擴大的趨勢。

從中國和德國的對比來看，中國的綠色全要素生產率總體上比德國的低，在2008 年之后表現得更加明顯。德國在2008 年之前的綠色全要素生產率為1.006 3，在2008 年之后的綠色全要素生產率為1.012 6。德國和中國不一樣，德國在2008 年前后綠色全要素生產率都處于增長的狀態(tài)，并且在2008 年之后年均增長率為1.26%。但中國仍在2001 年、2003 年、2008—2009 年、2012年的綠色全要素生產率的值比德國的高。

3.3 細分年份下技術效率的比較分析

圖3 描述了中國、日本、美國、德國這四個國家的技術效率的變化趨勢。從總體上來看，各個國家的技術效率水平參差不齊，差距比較大。2008 年的金融危機使得日本、美國和德國的技術效率都有不同程度的降低，但是中國的技術效率卻沒有受到2008 年世界金融危機的影響，主要原因可能是因為中國整體上對外依存度較低。

圖3 中日美德四國在1996—2017年的技術效率變化趨勢

從日本和中國的對比來看，中國的技術效率整體上處于一個比較低的水平，在樣本期內的大多數年份中國技術效率（EC）的值都小于1，這意味著中國在技術上大部分時間是低效的。這是由于資源在少數一線城市和沿海城市過度集中不僅使中國無法發(fā)揮其潛力，同時還存在資源錯配的問題。日本的技術效率有升有降，但近年來技術效率提高明顯。中國在2008 年之前的技術效率的均值為0.995 4，2008 年之后的均值為0.997 8，日本在2008 年之前的技術效率均值為0.996 7，在2008 年之后的均值為1.005 7，表明中國的技術效率在近年來雖然有一定程度的提升，但是中國與日本相比仍然存在不小的差距，并且在2010 年之后差距有進一步擴大的趨勢。

從中國與美國的對比來看，美國在2008 年之前技術效率的均值為1.007 2，在2008 年之后的均值為1.003 2。這說明美國在2008 年之后技術效率的增速有所放緩，但是技術效率的增速仍然呈穩(wěn)定增長的趨勢。除了2009年以外，其余的年份美國的技術效率都比中國的高。對比2008 年前后的發(fā)展可以發(fā)現，中國的技術效率與美國的差距有輕微縮小的趨勢。

從中國與德國的對比來看，德國在2008 年之前技術效率的均值為0.995 6，2008 年之后的均值為1.008 3。德國的技術效率在2008 年之后得到了一定程度的提升，可能的原因是經歷了2008 年世界金融危機的嚴重打擊，德國啟動工業(yè)4.0 計劃，倡議“效率工廠”，在很大程度上提升了德國的技術效率。雖然德國在2008 年之后技術效率得到了提升，但是波動性比較大。比如說，2012年德國的技術效率比中國的低。

通過觀察各個國家綠色全要素生產率及其分解項的變化發(fā)現，中國綠色全要素生產率不高的關鍵原因在于技術效率低下。由于東部地區(qū)經濟發(fā)達，資源大量集中，使得資源難以進行有效配置，從而導致資源市場的扭曲。政府應鼓勵企業(yè)利用信息技術引導資源從東部地區(qū)向中西部地區(qū)轉移，提高資源配置效率，進而提高中國的綠色全要素生產率。

3.4 細分年份下技術進步的比較分析

圖4 反映了中國、日本、美國和德國的GML 指數的分解項——技術進步在樣本期內的變化趨勢。從總體來看，中國、日本、美國和德國的技術進步值在大多數年份都大于1。這是由于各個國家都在研究與試驗發(fā)展（R&D）經費上投入巨大，雖然各個國家由于國情、技術基礎不同，技術進步表現出不同的情況，但是不可忽略的是R&D 投資都起到了一定的作用。

圖4 中日美德四國在1996—2017年的技術進步的變化趨勢

從中國和日本的對比來看，中國在2008 年之前技術進步的均值為1.006 2， 2008 年之后的均值為1.000 9，日本在2008 年之前技術進步的均值為1.008 7， 2008 年之后的均值為1.006 6。日本和中國一樣，在2008 年前后技術進步的值都大于1，表明技術進步，但2008 年之前技術進步的值比2008 年之后技術進步的值大。中國和日本在1997—1998 年技術進步的值突然降低，原因是受亞洲金融危機的影響，其中亞洲金融危機對中國的影響更大。另外，中國在1996—1997 年、2001 年、2007—2009 年、2013 年和2015 年技術進步的值比日本的大。

從中國和美國的對比來看，美國在2008 年之前技術進步的均值為1.0106，2008 年之后的均值為1.010 3。中國與美國相比，差距很大，但是同時也可以看出，存在明顯的追趕效應。主要原因是雖然中國在大多數年份都出現了技術進步，但是與世界技術前沿相比還有很大的差距，還存在很大的進步空間。這主要是因為中國相對于美國，表現較好的是低技術和中低技術行業(yè)，其中低技術和中低技術行業(yè)中大多數都是污染比較嚴重的行業(yè)，容易產生更多的非期望產出。在高技術行業(yè)中，中國主要從事的是組裝和加工生產，較少涉及芯片的研發(fā)等核心技術環(huán)節(jié)[23]。 中國的芯片、計算機、光學產品等行業(yè)仍然受到發(fā)達國家的掣肘。但中國在1996 年、2001—2002 年、2006—2008 年、2010 年技術進步的值超越了美國。

從中國和德國的對比來看，德國在2008 年之前技術進步的均值為1.010 6，德國在2008 年之后技術進步的均值為1.004 2。德國技術進步的值也和中國一樣，雖然技術進步的值有所降低少，只是技術進步的增速有所降低。原因可能是德國發(fā)展較早，經過第三次工業(yè)革命，一些行業(yè)的發(fā)展比較成熟，已經處于世界前沿，技術的快速進步就依靠突破性技術創(chuàng)新導致的技術前沿拓展，而中國目前的技術進步主要來源于向世界技術前沿靠攏，但是，由于近年來國家出臺很多關于環(huán)境規(guī)制的政策，限制了一些行業(yè)的發(fā)展，而且某些高技術產業(yè)的發(fā)展也不是一蹴而就的，所以近年來，中國技術進步的增速有所放緩。也有極個別的年份中國的技術進步的值大于德國，如2001—2002 年、2004—2005 年、2007 年、2009 年和2012—2015 年。

4 主要結論與政策建議

4.1 主要結論

基于1995—2017 年的面板數據，運用方向距離 函 數 結 合Global Malmquist（GM）指 數 和Global Malmquist-Luenberger（GML）指數分析法對中國、日本、美國和德國的傳統(tǒng)全要素生產率和綠色全要素生產率及其分解項進行了測算。在此基礎上，分析了中國、日本、美國和德國的傳統(tǒng)全要素生產率和綠色全要素生產率及其分解項（技術效率和技術進步）的差異及其產生的原因。然而，本文也有局限性。例如，本文沒有討論不同國家不同行業(yè)的差異。事實上，某一特定行業(yè)的某些指標，如二氧化碳排放量，是很難獲得的。因此，本文將中國、日本、美國和德國1995—2017 年的數據作為研究樣本，探討中國與日本、美國和德國在樣本期的發(fā)展差異是非常有意義的。本文的結論如下：

（1）從綠色全要素生產率來看，中國、日本、美國和德國整體的綠色全要素生產率、技術效率、技術進步在樣本期間都處于增長狀態(tài)。從單個國家來看，中國的綠色全要素生產率、技術效率和技術進步的值都比美日德三個國家的綠色全要素生產率、技術效率和技術進步的值小。另外中國的綠色全要素生產率的提高主要是由于技術進步的推動作用，技術效率對綠色全要素生產率的提高具有負向作用。而對于美日德三國而言，綠色全要素生產率提高的原因是全方位的，一方面是技術效率的促進作用，另一方面是技術進步的推動作用。從綠色全要素生產率和傳統(tǒng)全要素生產率的對比來看，中國目前仍然屬于高能耗、高排放和高污染的粗放型經濟發(fā)展方式，要想轉變成為集約型的發(fā)展方式仍然有很遠的路要走。中國雖然有個別年份的綠色全要素生產率和傳統(tǒng)全要素生產率比日本、美國和德國的高，但是總體上中國的綠色全要素生產率和傳統(tǒng)全要素生產率比日本、美國和德國低。

（2）從細分年份下綠色全要素生產率的角度來看，中國近乎一半年份的綠色全要素生產率的值小于1，對比日本、美國和德國的綠色全要素生產率的值在大多數年份都大于1，這說明我國的綠色全要素生產率有待提高。通過觀察整個樣本期可以發(fā)現，中國在2008 年之后綠色全要素生產率的值有下降的趨勢，日本、美國和德國的綠色全要素生產率的值仍然相對比較大，這說明中國的綠色全要素生產率與日本、美國和德國的差距有進一步擴大的趨勢。但是我國仍然有一些年份的綠色全要素生產率的值比日本、美國和德國大。

（3）從細分年份下技術效率的角度來看，中國的技術效率在大多數年份都小于1，日本、美國和德國的技術效率在大多數年份的值都大于1，說明目前我國相比較日本、美國和德國的資源利用率、運營效率還是處于一種比較低的狀態(tài)。這可能是由于資源在少數一線城市和沿海城市過度集中，不僅使中國無法發(fā)揮其潛力，同時還存在資源錯配的問題。在2010 年之后，中國的技術效率和日本相比有進一步擴大的趨勢，與美國的差距有輕微縮小的趨勢，德國的技術效率一直處于上升的趨勢，但上升的幅度不一樣。

（4）從細分年份下技術進步的角度來看，中國的技術進步的值在大多數年份都大于1，日本、美國和德國也一樣，基本上所有的年份，日本、美國和德國都表現出技術進步，但是中國的技術進步也比美國、德國和日本的技術進步慢，具有明顯的追趕效應，并且出現趕超的態(tài)勢。主要原因是美國、德國和日本是高度發(fā)達國家，經濟狀況好，國家富裕，重視高技術產業(yè)，能夠投入更多的資金到高技術產業(yè)上。而中國發(fā)展相對于美國、德國和日本比較晚，國家資金有限，而且早期中國主要是依靠廉價的勞動力和豐富的自然資源進行粗放式發(fā)展，中國從事的多是低技術和勞動密集型的產業(yè)，計算機、芯片和光學產品等高技術行業(yè)的技術準入門檻高。

4.2 政策建議

根據本文得出的結論，中國和美國、德國、日本之間還有一些差距，尤其是美國。做規(guī)劃和制定政策時不能照搬美國、德國和日本的政策，要立足于中國的實際情況，因此本文提出如下四點政策建議。

（1）加大高科技產業(yè)領域核心環(huán)節(jié)關鍵技術研發(fā)，提高自主可控知識產權。相比美國、德國和日本，中國目前在低技術產業(yè)和中低技術產業(yè)方面發(fā)展較好，在計算機、電子產品和光學產品最核心的芯片制造環(huán)節(jié)仍然受制于人，而且這些行業(yè)的技術進步速度快，市場的準入門檻高，必須加大人力、物力的投入，加快研發(fā)進程。高技術產業(yè)是制造業(yè)的精華，高技術產業(yè)在進行生產、運行的時候相比其他的產業(yè)產生更少的二氧化碳，高技術產業(yè)更是國際競爭力的核心。把我國建設成為引領世界制造業(yè)發(fā)展的制造強國，其本質就是把我國建設成為引領世界高技術產業(yè)發(fā)展的高技術強國。因此，高技術產業(yè)的高度發(fā)達不僅可以提高期望產出，同時還可以降低非期望產出，進而提高綠色全要素生產率。

（2）根據東部、中部、西部地區(qū)的發(fā)展情況因地制宜。我國東部地區(qū)目前發(fā)展得較好，要保持好目前的發(fā)展勢頭，努力向發(fā)達國家看齊。西部地區(qū)目前的發(fā)展程度比較低，因此西部地區(qū)的發(fā)展不能再走東部地區(qū)先發(fā)展經濟再抓環(huán)境保護的老路，要在促進自身發(fā)展的同時保護好環(huán)境，實現環(huán)境和經濟的齊頭并進。中部地區(qū)目前正處在產業(yè)轉型升級的關鍵時期，要堅決拒絕高污染、高能耗的發(fā)展方式，并憑借自身的資源優(yōu)勢，走創(chuàng)新驅動型、要素集約型的發(fā)展道路。

（3）以創(chuàng)新引領發(fā)展方向。中國應該通過增加科技投入、教育投入，從根本上增強整體創(chuàng)新能力，在創(chuàng)新中要堅持企業(yè)的主體地位，激發(fā)企業(yè)的創(chuàng)新活力，提升自主研發(fā)能力，建立以企業(yè)為主體、市場為導向、產學研深度融合的技術創(chuàng)新體系，加強對中小企業(yè)創(chuàng)新的支持，促進科技成果轉化。同時，還應該倡導創(chuàng)新文化，強化知識產權創(chuàng)造、保護、運用。形成鼓勵創(chuàng)新、容忍失敗的良好氛圍，提升科技成果的轉化效率。把創(chuàng)新視作一種信仰、一種習慣，讓創(chuàng)新和創(chuàng)業(yè)成為社會發(fā)展的內在基因。

（4）進一步完善基礎設施建設，提高運營效率。近年來，我國的基礎設施建設取得了階段性的進展，但是通過新冠疫情發(fā)現，我國的基礎設施建設和發(fā)達國家仍然有一定的距離，特別是比較偏僻的地方。西部的某些偏遠地區(qū)由于道路、網絡和物流等基礎設施問題，導致外面的產品進不去，里面的產品出不來。我國提出國內國際大循環(huán)，尤其是加強國內的大循環(huán)，拉動消費。因此，更應該重視貧窮落后地區(qū)的基礎設施建設，把我國的建設成果帶到千家萬戶，惠及每一戶人家。