蔡林美，郭佐寧，張金鎖

（1.西安科技大學(xué) 能源學(xué)院，陜西 西安 710054；2.延安大學(xué) 經(jīng)濟與管理學(xué)院，陜西 延安 716000；3.陜煤集團陜北礦業(yè)有限公司，陜西 榆林 719000）

采礦業(yè)作為工業(yè)上游部門，為下游加工業(yè)提供基礎(chǔ)原料，在推動我國經(jīng)濟增長中起著重要作用[1]。改革開放40余年來，采礦業(yè)實現(xiàn)快速發(fā)展，截至2018年年底，我國規(guī)模以上采礦業(yè)企業(yè)有1.12萬家，較2017年增加168家；資產(chǎn)總額9.61萬億元，較2017年增長2.5%；利潤總額增長24.6%[2]，已經(jīng)成為促進經(jīng)濟發(fā)展的重要引擎。然而，采礦業(yè)長期存在因過度開采導(dǎo)致的環(huán)境與代際負外部性問題，致使資源耗竭、生態(tài)環(huán)境惡化不斷加劇[3]，2017年我國CO2排放量高達98.4億噸，超過美國與歐盟的排放總量。加之，截至2018年年底，我國礦產(chǎn)資源探明儲量增長十分緩慢，埋深2 000米以淺的非油氣礦產(chǎn)資源平均查明率僅26%，但消費增速卻遠高于世界平均水平[4]，采礦業(yè)發(fā)展面臨嚴峻挑戰(zhàn)。

黨的十八大以來，習(xí)近平總書記多次考察黃河流域生態(tài)保護與高質(zhì)量發(fā)展情況，并將其上升到國家戰(zhàn)略層面。黃河流域采礦業(yè)既承擔著實現(xiàn)區(qū)域經(jīng)濟可持續(xù)發(fā)展的重任，又兼顧保障我國國民經(jīng)濟增長的能源供應(yīng)責(zé)任，作為促進其完成使命的支柱產(chǎn)業(yè)，采礦業(yè)長期存在超生態(tài)環(huán)境負荷運轉(zhuǎn)的問題，且黃河流域生態(tài)環(huán)境承載能力脆弱，使采礦業(yè)發(fā)展面臨的資源環(huán)境約束更加嚴峻，嚴重阻礙了黃河流域高質(zhì)量發(fā)展。晉陜蒙是黃河流域中上游地區(qū)3個相鄰的能源富集區(qū)，賦存的煤、油、氣、鹽、鐵礦石、鋁土礦等主要礦產(chǎn)資源種類相似，并具有相當規(guī)模的儲量。能源產(chǎn)量、資源豐裕度指數(shù)等均居全國前列，是世界上少有的能源富集區(qū)[5]。

黨的十九大報告指出，當前和今后一個時期，找準改革關(guān)鍵領(lǐng)域，釋放沉淀資源，提高全要素生產(chǎn)率（total factor productivity,TFP），更好推動高質(zhì)量發(fā)展是我們需要高度重視和研究的問題。TFP是扣除資本和勞動要素的貢獻后，由技術(shù)進步、管理創(chuàng)新等導(dǎo)致的產(chǎn)出增長，是分析經(jīng)濟增長源泉的工具，尤其是政府制定可持續(xù)增長政策的重要依據(jù)[6]。胡鞍鋼[7]認為中國未來經(jīng)濟增長取決于TFP的提高?？梢?，通過測算某個行業(yè)的TFP能客觀描述科技進步與創(chuàng)新、規(guī)模收益等對其產(chǎn)出增長的驅(qū)動/阻礙情況。隨著能源與環(huán)境在經(jīng)濟增長中的地位日漸凸顯，學(xué)者們提出綠色全要素生產(chǎn)率（green total factor productivity,GTFP），其是在TFP計算中加入反映環(huán)境變化的指標，用以衡量經(jīng)濟發(fā)展質(zhì)量[8]。顯然與傳統(tǒng)TFP相比，GTFP更能反映創(chuàng)新驅(qū)動發(fā)展的內(nèi)在本質(zhì)。鑒于此，本文采用SBM模型測算了考慮CO2與不考慮CO2排放的平均技術(shù)效率值，以此判斷該區(qū)域采礦業(yè)及其5個細分行業(yè)高效發(fā)展與綠色生產(chǎn)間的協(xié)調(diào)度，在此基礎(chǔ)上，將勞動力、資本存量、能源消費量、工業(yè)總產(chǎn)值及CO2排放量同時納入測算框架，應(yīng)用GML指數(shù)測算2000—2018年采礦業(yè)整體與其5個細分行業(yè)的GTFP，并按區(qū)域與時間進行分解，旨在一方面尋找導(dǎo)致晉陜蒙采礦業(yè)及其5個細分行業(yè)GTFP改進/降低的源泉，找準改革的關(guān)鍵著力點；另一方面客觀描述GTFP在各時期的動態(tài)演變情況，為政府制定黃河流域采礦業(yè)高質(zhì)量發(fā)展政策提供參考。

1 文獻綜述

學(xué)術(shù)界對TFP與GTFP的研究大致分為兩類，一類是測算與分解方法研究，一類是采用這些方法進行的實證研究。現(xiàn)有文獻對二者的測算主要有參數(shù)與非參數(shù)法[9]。前者有索洛殘差法、隨機前沿生產(chǎn)函數(shù)法等，后者主要是指數(shù)法與DEA，這些方法各具優(yōu)劣[10]。學(xué)者們常使用DEA或SFA衡量生產(chǎn)率。DEA通過構(gòu)造非參數(shù)生產(chǎn)前沿，不需事先設(shè)定生產(chǎn)函數(shù)，有效避免了生產(chǎn)函數(shù)設(shè)置不當導(dǎo)致的結(jié)果誤差[11]。經(jīng)濟增長是一個伴隨著非期望產(chǎn)出不斷產(chǎn)生的期望產(chǎn)出增加過程[12]，然而，傳統(tǒng)TFP通常只考慮勞動與資本要素，以及GDP、工業(yè)總產(chǎn)值等期望產(chǎn)出中的一種，顯然與實際不符。自Chung等[13]將包含壞產(chǎn)出的方向性距離函數(shù)應(yīng)用于Malmquist模型，得到Malmquist-Luenberger指數(shù)，使在不需要影子價格前提下，將期望產(chǎn)出增加同時非期望產(chǎn)出減少的生產(chǎn)過程納入TFP分析框架成為可能，但會出現(xiàn)線性規(guī)劃無可行解。為克服這一問題，Oh[14]提出全局ML（global Malmquist-Luenberger,GML）指數(shù)，既能處理多投入和多種產(chǎn)出問題，又避免了線性規(guī)劃無解的問題。部分學(xué)者對DEA存在的缺陷進行了改進[15-16]。

國內(nèi)外專家側(cè)重采用上述方法進行實證研究，分析不同經(jīng)濟體經(jīng)濟增長源泉、可持續(xù)發(fā)展狀態(tài)與質(zhì)量。郭慶旺和賈俊雪[6]、Kar &Rahman[17]、李平等[18]分別采用索洛余值、超越對數(shù)生產(chǎn)函數(shù)、SFA等方法測算了國家、地區(qū)、省際層面的TFP，這些研究僅考慮了勞動與資本要素投入以及期望產(chǎn)出。事實上，能源與環(huán)境對產(chǎn)出影響巨大，隨著能源與環(huán)境在經(jīng)濟增長中的地位日漸突出，部分學(xué)者在測算TFP時考慮了環(huán)境因素[19-20]。還有部分學(xué)者致力于行業(yè)與企業(yè)層面的TFP或GTFP研究，尤其在我國工業(yè)整體或工業(yè)兩位數(shù)分行業(yè)的TFP與GTFP研究方面取得了一些重要代表性成果。如，蔡昉等[21]采用生產(chǎn)函數(shù)法測算了2000—2007年中國各地區(qū)制造業(yè)TFP；涂正革和肖耿[22]采用隨機前沿生產(chǎn)模型測算了1995—2002年我國大中型工業(yè)企業(yè)的TFP。這些研究同樣只考慮了期望產(chǎn)出，投入要素除資本與勞動力外，至多在模型中加入中間要素投入。然而，用工業(yè)總量數(shù)據(jù)與總量生產(chǎn)函數(shù)不足以刻畫工業(yè)增長的全貌，增長在不同行業(yè)或地區(qū)間不同，須用信息量更大的行業(yè)或省級面板數(shù)據(jù)來進行生產(chǎn)率核算[10]。張軍等[23]估算工業(yè)分行業(yè)SFA，只考慮了勞動與資本要素，未涉及能源特別是環(huán)境的討論。國內(nèi)僅少數(shù)專家在測算工業(yè)TFP時考慮了能源或環(huán)境因素，如陳詩一[24]等。

關(guān)于采礦業(yè)TFP或GTFP的研究較少。王傳久[25]測算了1999—2005年中國采礦業(yè)TFP及其增長率，僅考慮了資本與勞動要素，產(chǎn)出只考慮了產(chǎn)品銷售收入。吳青[26]采用GML指數(shù)測算了1994—2014年考慮碳排放的我國礦業(yè)TFP，選擇勞動力、資本存量、能源消費為投入要素，工業(yè)總產(chǎn)值為期望產(chǎn)出，碳排放為非期望產(chǎn)出，雖未詳細列出碳排放計算時的主要能源種類與計算步驟，但較文獻[25]考慮更全面。巨虹[27]在其博士論文中用DEA-Malmquist指數(shù)對陜西工業(yè)企業(yè)TFP進行了測算，未考慮能源與環(huán)境要素。夏詠秋等[28]基于SBM-Global Malmquist指數(shù)，研究了1999—2016年中國礦業(yè)5個細分行業(yè)TFP及其構(gòu)成，雖將能源作為與勞動、資本一樣的投入要素，但未考慮非期望產(chǎn)出。

縱觀國內(nèi)外相關(guān)文獻，學(xué)術(shù)界對TFP與GTFP已經(jīng)展開了不同程度的研究，并取得一些研究成果。但仍存在以下幾點不足：（1）研究視角多立足于國家、地區(qū)或行業(yè)整體的宏觀、中觀層面，對區(qū)域細分行業(yè)層面的研究較少；（2）投入產(chǎn)出指標選擇時，除資本、勞動要素投入以及期望產(chǎn)出外，在模型中通常僅考慮能源消耗量或非期望產(chǎn)出變量，只有少數(shù)文獻將能源消耗與非期望產(chǎn)出同時考慮在內(nèi)，且對非期望產(chǎn)出變量的選擇未達成一致。鑒于此，本文基于2000—2018年晉陜蒙采礦業(yè)5個細分行業(yè)的投入產(chǎn)出面板數(shù)據(jù)，將細分行業(yè)的能源消耗作為與資本和勞動一樣的投入要素，與CO2排放量、工業(yè)總產(chǎn)值同時納入測算框架，采用GML指數(shù)測算采礦業(yè)與5個細分行業(yè)的GTFP，發(fā)現(xiàn)其改進/降低的驅(qū)動/阻滯因素，有的放矢指導(dǎo)黃河流域采礦業(yè)實現(xiàn)高質(zhì)量發(fā)展目標。

2 研究方法與數(shù)據(jù)

2.1 研究方法

2.1.1 SBM模型

本文借鑒Tone[15]提出的SBM模型，其克服了徑向模型中無效率用所有投入（產(chǎn)出）可等比例縮減（增加）的程度來測量的缺陷，用投入（產(chǎn)出）可縮減（增加）的平均比例衡量。設(shè)有n個評價對象，晉陜蒙采礦業(yè)5個細分行業(yè)每個行業(yè)投入m種要素、生產(chǎn)q種產(chǎn)出，投入向量X=(xij)∈Rm×n，產(chǎn)出向量Y=(yij)∈Rq×n。

式中：ρ*表示被評價DMU的效率值；s-、s+分別為投入與產(chǎn)出松弛變量，目標函數(shù)滿足s-和s+單調(diào)遞減；Xμ和Yμ分別為前沿上的投入與產(chǎn)出量。SBM模型從投入和產(chǎn)出兩個角度對無效率狀態(tài)進行測量，故為非導(dǎo)向（non-oriented）SBM模型，為研究考慮CO2與不考慮CO2排放時的晉陜蒙采礦業(yè)及其5個細分行業(yè)平均技術(shù)水平，建立考慮非期望產(chǎn)出的SBM方向性距離函數(shù)，對某一求解下列線性規(guī)劃。

式中：s-∈Rm、sb∈Rν分別為投入冗余與非期望產(chǎn)出冗余，sg∈Ru為期望產(chǎn)出不足，ρ*為實際投入與產(chǎn)出相對于生產(chǎn)技術(shù)前沿的平均可縮減（擴張）比例，0＜ρ*≤1。對被評價DMU，當且僅當ρ*=1，松弛變量為0時，DMU為完全有效，反之存在效率損失。

2.1.2 Global Malmquist-Luenberger指數(shù)及其分解

本文用考慮非期望產(chǎn)出的全局生產(chǎn)可能性集與全局DDF構(gòu)建GML指數(shù)。設(shè)m種生產(chǎn)要素，產(chǎn)生u種期望產(chǎn)出與ν種非期望產(chǎn)出。定義矩陣X、Yg和Yb分別為：。考慮非期望產(chǎn)出的生產(chǎn)可能性集。λ為每個橫截面觀測值的權(quán)重，λ≥0表示生產(chǎn)技術(shù)具有規(guī)模報酬不變性。全局生產(chǎn)技術(shù)集，全局方向性距離函數(shù)：，GML指數(shù)及其分解如下：

其中，GML＞1即行業(yè)TFP呈增長態(tài)勢，反之則下降；GML=1，則TFP保持不變。GML指數(shù)被拆分為技術(shù)進步變化TCt,t+1和技術(shù)效率變化ECt,t+1，前者測度考慮非期望產(chǎn)出的采礦業(yè)5個細分行業(yè)t到t+1期生產(chǎn)前沿面的移動，大于1表明存在技術(shù)進步并對TFP增長有貢獻；后者測度t到t+1期實際生產(chǎn)與生產(chǎn)前沿面最大可能的產(chǎn)出逼近程度變化，主要評價投入要素配置是否處于最優(yōu)水平，大于1即行業(yè)后期較當期更接近生產(chǎn)前沿面，技術(shù)效率改善并對TFP增長有貢獻[26]。

2.2 變量與數(shù)據(jù)處理

采礦業(yè)分為煤炭開采與洗選業(yè)I1、石油與天然氣開采業(yè)I2、黑色金屬礦選業(yè)I3、有色金屬礦選業(yè)I4、非金屬礦選業(yè)I5、開采輔助活動與其他采礦業(yè)I6。2012年統(tǒng)計年鑒開始公布開采輔助活動的官方數(shù)據(jù)，為了數(shù)據(jù)連續(xù)性，本文暫不考慮開采輔助活動。其他采礦業(yè)各項工業(yè)經(jīng)濟指標均較低，與其他采礦業(yè)細分行業(yè)無可比性，且統(tǒng)計年鑒對其他采礦業(yè)的數(shù)據(jù)統(tǒng)計不連續(xù)，予以忽略。因此，本文將研究對象界定為除I6外的剩余5個細分行業(yè)。將產(chǎn)出、投入變量選為工業(yè)總產(chǎn)值、CO2排放量、勞動力、資本存量、能源消耗量，所有價值量平減為2000年可比價值量?？紤]到將具有中間投入品性質(zhì)的能源消耗量作為投入要素，故期望產(chǎn)出選擇工業(yè)總產(chǎn)值而非工業(yè)增加值。

2.2.1 投入變量

（1）勞動力。本文遵循已有文獻的一致做法，采用晉陜蒙采礦業(yè)5個細分行業(yè)的全部從業(yè)人員平均數(shù)作為勞動力的代理變量，數(shù)據(jù)來源于《中國工業(yè)統(tǒng)計年鑒》。

（2）資本存量。已有文獻常采用永續(xù)盤存法計算資本存量。但由于統(tǒng)計資料有限，工業(yè)部門固定資本存量一般采用固定資產(chǎn)凈值年平均余額代替，本文堅持盡可能使用原始數(shù)據(jù)代替估算數(shù)據(jù)的原則，故采用固定資產(chǎn)凈值年平均余額作為資本投入，與涂正革和肖耿[22]的做法一致，數(shù)據(jù)來源于《中國工業(yè)統(tǒng)計年鑒》。由于統(tǒng)計年鑒未提供工業(yè)分行業(yè)固定資產(chǎn)投資價格指數(shù)，只能使用3個地區(qū)工業(yè)全行業(yè)的固定資產(chǎn)投資價格指數(shù)來對工業(yè)分行業(yè)現(xiàn)價資本存量進行平減，與陳詩一[29]的做法一致，數(shù)據(jù)來源于《中國價格統(tǒng)計年鑒》。

（3）能源消耗量。采礦業(yè)正常運轉(zhuǎn)要大量消耗各種能源，用能源消費總量表示能源投入，由于三省能源消費種類不同，將原煤、焦炭、汽油、柴油、電力消費量按折標煤系數(shù)換算成統(tǒng)一單位加總而得，與齊亞偉[12]的做法一致。

2.2.2 產(chǎn)出變量

（1）合意產(chǎn)出。將合意產(chǎn)出定為平減后的工業(yè)總產(chǎn)值。文獻[1]使用平減后的工業(yè)銷售產(chǎn)值作為產(chǎn)出變量。由于《中國工業(yè)統(tǒng)計年鑒》2012—2016年只統(tǒng)計了工業(yè)銷售產(chǎn)值，故此階段的產(chǎn)出用工業(yè)銷售產(chǎn)值代替，與已有文獻處理辦法一致。用各地區(qū)分行業(yè)工業(yè)品出廠價格指數(shù)平減，數(shù)據(jù)來源于《中國工業(yè)統(tǒng)計年鑒》、《中國價格統(tǒng)計年鑒》、晉陜蒙統(tǒng)計年鑒。

（2）非合意產(chǎn)出。壞產(chǎn)出以CO2排放量為主，依據(jù)陳詩一[29]的計算思路并結(jié)合晉陜蒙采礦業(yè)5個細分行業(yè)的能源消費種類，選取主要能源消費量（煤炭、柴油、焦炭、汽油、原油、天然氣、煤油、燃料油、電力）進行計算，其中，除電力外的主要能源消費的CO2排放量計算見式（4）：

式中：C為估算的CO2排放量（萬噸）；i=1,2,…,8分別為能源種類；E為能源消耗量，除天然氣單位為億立方米，其余單位均為萬噸；NCV為能源折平均低位發(fā)熱值；CEF為IPCC（2006）溫室氣體清單提供的碳排放系數(shù)，由于未直接提供煤炭的排放系數(shù)，采用IPCC（2006）提供的煙煤與無煙煤的碳排放系數(shù)的加權(quán)平均值（80%和20%）計算；COF是碳氧化因子，煤炭設(shè)為0.99，其他能源為1；44與12分別是CO2與碳的分子量。參照齊亞偉[12]的做法，將華東電網(wǎng)電量邊際排放因子0.954 tCO2/MWh作為CO2排放因子，計算涉及的參數(shù)見表1。

表1 碳排放計算方法涉及的各種指標及系數(shù)

3 實證分析

3.1 2000—2018年晉陜蒙采礦業(yè)及其細分行業(yè)平均技術(shù)效率分析

GTFP測算前，本文采用SBM模型與考慮非期望產(chǎn)出的SBM模型分別計算了不考慮CO2與考慮CO2排放情況的采礦業(yè)細分行業(yè)平均技術(shù)效率值。由表2可知，考慮CO2的采礦業(yè)細分行業(yè)平均技術(shù)效率值比不考慮CO2排放的低。兩種情況下，內(nèi)蒙古采礦業(yè)整體平均技術(shù)效率值最高，陜西次之，山西最低。從細分行業(yè)看，僅內(nèi)蒙古的I1在兩種情況下平均技術(shù)效率值為1，其余地區(qū)所屬細分行業(yè)平均技術(shù)效率均小于1，表明晉陜蒙采礦業(yè)細分行業(yè)的技術(shù)效率水平較低，未考慮CO2與考慮CO2排放的平均技術(shù)效率分別為0.681 7、0.625 9，說明其采礦業(yè)高效發(fā)展與綠色生產(chǎn)間的協(xié)調(diào)、可持續(xù)性較差。

表2 2000—2018年晉陜蒙采礦業(yè)與其細分行業(yè)平均技術(shù)效率

3.2 晉陜蒙采礦業(yè)GTFP變化及按區(qū)域與時間的分解分析

借助MAXDEA 8 Ultral軟件，采用GML指數(shù)計算整理得到晉陜蒙采礦業(yè)整體和5個細分行業(yè)GTFP變化及按區(qū)域與時間分解的情況。

3.2.1 晉陜蒙采礦業(yè)及其細分行業(yè)GTFP變化及按區(qū)域的分解分析

由表3可知，晉陜蒙采礦業(yè)GTFP平均增長率為1.2%，主要得益于技術(shù)進步平均增長1.7%彌補了技術(shù)效率降低0.6%的負作用，技術(shù)效率降低是純技術(shù)效率與規(guī)模效率分別平均降低0.4%、0.1%導(dǎo)致的，且前者的阻滯作用更大?？梢?，技術(shù)進步是晉陜蒙采礦業(yè)GTFP改進的源泉。細分行業(yè)中，僅I2、I3的GTFP分別平均降低0.2%、0.4%。其中，I2的純技術(shù)效率平均降低0.2%，規(guī)模效率變化指數(shù)均值為1，二者作用導(dǎo)致技術(shù)效率平均降低0.2%，技術(shù)進步變化指數(shù)均值為1，最終使其GTFP降低；I3的技術(shù)進步平均增長2%，彌補不了技術(shù)效率平均下降2.4%的影響，導(dǎo)致其GTFP降低，技術(shù)效率降低又是純技術(shù)效率與規(guī)模效率分別平均降低2%、0.4%導(dǎo)致的。即，I3由于決策管理活動惡化與生產(chǎn)規(guī)模正在遠離最優(yōu)而導(dǎo)致技術(shù)效率惡化，技術(shù)進步不足以彌補技術(shù)效率惡化，使GTFP降低。其余3個行業(yè)GTFP均改進，但改進原因不同，具體見表3。

表3 晉陜蒙采礦業(yè)及其細分行業(yè)GTFP變化與其分解情況（按區(qū)域）

分地區(qū)分行業(yè)中，內(nèi)蒙古僅I3的GTFP降低，究其原因雖出現(xiàn)技術(shù)進步，卻不足以彌補技術(shù)效率的惡化，其余4個行業(yè)GTFP均改進。其中，I1的技術(shù)效率變化指數(shù)均值為1，技術(shù)進步平均增長3.8%。I2的技術(shù)效率平均降低0.5%，技術(shù)進步平均增長3.6%，使GTFP平均增長3.1%。I4與I5的技術(shù)效率變化指數(shù)均值為1，技術(shù)進步分別平均增長2.6%、2.3%。山西I2與I3的GTFP分別平均降低3.1%、0.6%，但導(dǎo)致其降低的原因不同，前者是技術(shù)效率不變，技術(shù)進步平均降低3.1%，后者是技術(shù)進步彌補不了技術(shù)效率平均降低2.6%；I1與I4的技術(shù)效率變化指數(shù)均值為1，技術(shù)進步分別平均增長1.8%、1.3%，使GTFP改進；I5的技術(shù)進步平均增長3%彌補了技術(shù)效率降低1.4%的負作用，使GTFP改進。陜西僅I2由于技術(shù)進步平均增長-0.3%，技術(shù)效率保持不變，使GTFP平均降低0.3%，其余4個細分行業(yè)的GTFP均改進，改進原因不盡相同。綜上，內(nèi)蒙古與山西的I3發(fā)展狀態(tài)不佳，山西與陜西的I2發(fā)展狀態(tài)不佳。技術(shù)進步是晉陜蒙采礦業(yè)與其細分行業(yè)GTFP改進的源泉。

3.2.2 2000—2018年晉陜蒙采礦業(yè)及其細分行業(yè)GTFP變化及按時間的分解分析

考察期內(nèi)，采礦業(yè)的GTFP年均增長率為1.2%，技術(shù)進步年均增長率為1.8%，技術(shù)效率年均增長率為-0.6%，即晉陜蒙采礦業(yè)GTFP增長的源泉是技術(shù)進步。細分行業(yè)中，I1的GTFP年均增長率為2.5%，I2為0，I3為—0.4%，I4為1.4%，I5為2.5%。I1、I5的年均增長率最高，究其主要原因是晉陜蒙作為大型煤炭基地，近年來，三省產(chǎn)煤量合計占全國總量的70%以上，承擔著增產(chǎn)增供責(zé)任，且國家不斷對其提出加快釋放優(yōu)質(zhì)產(chǎn)能、增加有效資源供給等要求，使這些地區(qū)I1發(fā)展較好。I5發(fā)展較快主要歸因于基礎(chǔ)設(shè)施的大規(guī)模建設(shè)，對交通運輸業(yè)鋪路、建筑業(yè)的石料、石渣、砂，以及采鹽業(yè)、家裝用的石棉等需求巨大。I4儲量豐富，陜西府谷素有“世界鎂業(yè)在中國，中國鎂業(yè)看府谷”之贊譽，2019年原鎂產(chǎn)量43.3萬噸，占全球、全國產(chǎn)量分別超過40%、50%，已形成金屬鎂循環(huán)經(jīng)濟產(chǎn)業(yè)鏈。為便于討論，將考察期分為以下四個階段。

（1）2000—2005年（“十五”時期）。I1在2000—2001年的增長率為-0.3%，主要是技術(shù)進步彌補不了技術(shù)效率降低0.7%的影響；其余年份GTFP均改進，主要是技術(shù)進步與技術(shù)效率共同促進。I2在2000—2001年、2001—2002年、2004—2005年 的GTFP降 低。2001—2002年的GTFP增長率為-15.8%，主要是技術(shù)進步與技術(shù)效率分別平均降低11.9%、4.4%；2000—2001年、2004—2005年技術(shù)效率不變，技術(shù)進步分別平均降低8.7%、7.9%；2002—2003年的GTFP增長26.7%，主要是技術(shù)進步與技術(shù)效率分別增長25.5%、1%；2003—2004年的GTFP較上一期有所降低，但仍表現(xiàn)為改進，主要是技術(shù)效率平均增長3.6%彌補了技術(shù)進步降低2.3%的影響。I3在2001—2002年的GTFP降低1.1%，主要是技術(shù)效率平均增長1.7%彌補不了技術(shù)效率降低2.7%；其余年份的GTFP均改進。I4在2000—2001年、2001—2002年的GTFP降低，主要是技術(shù)效率不變，技術(shù)進步分別平均降低0.9%、5.1%；其余年份均由于技術(shù)進步彌補了技術(shù)效率惡化而改進。I5在2000—2001年、2002—2003年 的GTFP增 長 率 分 別為-6.3%、-7.3%，分別主要由于技術(shù)進步平均降低6.3%、技術(shù)進步與技術(shù)效率共同阻礙；其余年份均由于技術(shù)進步彌補了技術(shù)效率降低而改進。

（2）2006—2010年（“十一五”時期）。I1在2005—2006年、2008—2009年的GTFP降低，前者主要歸因于技術(shù)進步提高3.5%彌補不了技術(shù)效率平均降低5%的負作用，后者主要是技術(shù)效率平均增長2.9%不足以彌補技術(shù)進步降低7.4%的影響；剩余年份的GTFP均改 進。I2在2006—2007年、2008—2009年、2009—2010年的GTFP降低，其中2006—2007年技術(shù)進步平均降低23.5%，技術(shù)效率不變，使GTFP增長率為-23.5%；2008—2009年技術(shù)效率提高21.9%彌補不了技術(shù)進步降低30.4%的影響，使GTFP降低15.2%；2009—2010年技術(shù)進步與技術(shù)效率分別平均降低0.6%、1.3%，使GTFP增長率為-1.8%；2005—2006年、2007—2008年的GTFP分別增長20%、27.4%，前者得益于技術(shù)進步提高20%，后者是技術(shù)進步平均增長55.2%彌補了技術(shù)效率降低17.9%的影響，且其是由純技術(shù)效率下降17.9%導(dǎo)致的。I3在2005—2006年、2007—2008年、2009—2010年的GTFP降低，均由于技術(shù)效率改善彌補不了技術(shù)進步降低的負作用導(dǎo)致的。2006—2007年的GTFP改進，主要歸因于技術(shù)進步增長7.9%，彌補了技術(shù)效率降低2.8%。I4在2005—2006年、2008—2009年、2009—2010年的GTFP降低，2006—2007年的GTFP增長5%，主要是技術(shù)進步與技術(shù)效率分別平均提高4.6%、0.3%。I5在2005—2006年、2007—2008年、2008—2009年的GTFP降低；其余年份由于技術(shù)進步使GTFP改進。

（3）2011—2015年（“十二五”時期）。I1在2011—2012年、2012—2013年的GTFP降低，前者主要是技術(shù)效率提高3.7%彌補不了技術(shù)進步降低8%的影響，后者主要歸因于技術(shù)進步與技術(shù)效率分別降低5.6%、0.3%；其余年份的GTFP均改進。2010—2011年I2的GTFP降低5.2%，主要是技術(shù)效率提高1.3%不足以彌補技術(shù)進步降低6.4%；其他年份的GTFP均改進，均是技術(shù)進步彌補了技術(shù)效率降低的影響；2012—2013年由于技術(shù)進步與技術(shù)效率分別平均增長4.7%、0.7%，使GTFP增長5.5%。I3在2012—2013年由于技術(shù)進步降低5.6%導(dǎo)致GTFP降低4.7%；其余年份的GTFP均改進，但改進原因不盡相同，見表4。I4在2013—2014年的GTFP降低23%，主要歸因于技術(shù)進步與技術(shù)效率分別降低6.7%、17.6%，技術(shù)效率降低又是規(guī)模效率改善1.1%彌補不了純技術(shù)效率降低18.5%的影響；其余年份的GTFP均改進，改進原因不盡相同。I5在2012—2013年、2013—2014年的GTFP分別降低6%、1.5%，主要歸因于技術(shù)效率分別提高4.2%、1%不足以彌補技術(shù)進步降低9.8%、2.5%的負作用，技術(shù)效率改善主要是純技術(shù)效率分別提高10.7%、7.9%彌補了規(guī)模效率降低5.9%、6.4%的影響；其他年份的GTFP均改進，見表4。

（4）2016—2018年（“十三五”部分時期）。2015—2016年，I1、I3由于技術(shù)進步分別增長4.4%、5.5%，技術(shù)效率分別增長1.5%、1.3%，使GTFP分別增長6%、6.8%。I2由于技術(shù)進步增長3.6%彌補不了技術(shù)效率降低8.6%的影響，使GTFP降低5.3%。I4由于技術(shù)效率提高14.6%彌補了技術(shù)進步降低2.8%的負作用，使GTFP增長11.4%。I5由于技術(shù)進步與技術(shù)效率均降低7.3%，導(dǎo)致GTFP降低14.1%。2016—2017年僅I5的GTFP增長17.2%，主要得益于技術(shù)進步與技術(shù)效率分別增長12.7%、4%，其余行業(yè)的GTFP均降低；I2、I4技術(shù)效率提高主要歸因于規(guī)模效率不變，純技術(shù)效率分別提高11.2%、0.9%；I1技術(shù)效率改善是規(guī)模效率增長2.1%彌補了純技術(shù)效率降低1.2%的影響。2017—2018年I4的GTFP增長4.8%，主要是技術(shù)進步增長4.8%的貢獻，其余行業(yè)的GTFP降低。

表4 2000—2018年晉陜蒙采礦業(yè)及其細分行業(yè)GTFP變化與其分解情況（按時間）

由圖1可知，2000—2018年晉陜蒙采礦業(yè)TC變動與GTFP幾乎相同，即考察期內(nèi)技術(shù)進步是影響GTFP變動的關(guān)鍵因素。2000—2009年技術(shù)進步與GTFP總體呈“上升—下降—下降”變動，技術(shù)效率在2007年以前平穩(wěn)變動，2008—2009年TC與EC反方向變動，GTFP降到最低；2009—2014年呈“上升—下降—上升”變動；2014—2018年呈“下降—上升”變動，2016—2017年降至最低，但隨TC與EC同方向變動，GTFP又開始增長。可見，GTFP增長既要提高科技進步，又要改善技術(shù)效率，一方增長另一方降低，會使其增長緩慢甚至降低。

圖1 晉陜蒙采礦業(yè)GTFP變化指數(shù)均值及其分解情況趨勢圖

4 結(jié)論

（1）晉陜蒙采礦業(yè)高效發(fā)展與綠色生產(chǎn)間的協(xié)調(diào)、可持續(xù)性較差。兩種情況下，內(nèi)蒙古采礦業(yè)平均技術(shù)效率值最高，陜西次之，山西最低。細分行業(yè)中，除內(nèi)蒙古的I1在兩種情況下的平均技術(shù)效率值為1，其余均小于1，表明晉陜蒙采礦業(yè)細分行業(yè)的整體技術(shù)效率水平較低。未考慮CO2與考慮CO2排放的平均技術(shù)效率值分別為0.681 7、0.625 9，即考慮CO2排放的采礦業(yè)平均技術(shù)效率比不考慮的低。

（2）技術(shù)進步是晉陜蒙采礦業(yè)GTFP改進的源泉，純技術(shù)效率與規(guī)模效率是技術(shù)效率降低的主因，且前者阻滯作用更大。晉陜蒙采礦業(yè)GTFP平均增長率為1.2%，主要得益于技術(shù)進步平均增長1.7%彌補了技術(shù)效率平均降低0.6%的負作用，而技術(shù)效率降低是純技術(shù)效率與規(guī)模效率分別平均降低0.4%、0.1%導(dǎo)致的。細分行業(yè)中，僅I2、I3的GTFP分別降低0.2%、0.4%，其余3個行業(yè)的GTFP均改進，但改進原因不盡相同。分地區(qū)分行業(yè)看，內(nèi)蒙古與山西I3的GTFP平均增長率分別為-3.9%、-0.6%，山西與陜西I2的GTFP平均增長率分別為-3.1%、-0.3%，剩余采礦業(yè)及其他行業(yè)的GTFP均改進，但改進原因不同。

（3）考察期內(nèi)，晉陜蒙采礦業(yè)及其5個細分行業(yè)總體發(fā)展較好。2000—2018年晉陜蒙采礦業(yè)GTFP年均增長率為1.2%，I1的GTFP年均增長率為2.5%，I2為0，I3為-0.4%，I4為1.4%，I5為2.5%。