馬大來，張鳳太，肖粵東，宮兆淼，趙娜，揣小偉

（1.重慶理工大學 管理學院，重慶 400054；2.重慶醫(yī)藥高等?？茖W校，重慶 401331；3.南京大學 地理與海洋科學學院，江蘇 南京 210023；4.南京大學 關鍵地球物質循環(huán)前沿科學中心，江蘇 南京 210046）

改革開放40 多年來，作為國民經濟主導產業(yè)的工業(yè)部門快速發(fā)展，為中國的經濟增長做出了突出貢獻。當前中國的工業(yè)規(guī)模已經躍居世界第一，工業(yè)增加值從1978 年的1 659.5 億元增加到2018 年的305 160 億元，41 年間增長188.92 倍，年均增長達到13.64%。2018 年中國的制造業(yè)增加值已經占全球總額的30%，成為推動全世界工業(yè)發(fā)展的重要引擎。但是，工業(yè)部門在創(chuàng)造了大量物質財富的同時，其長期以來高投資、高耗能和高排放的增長模式，也消耗了大量的能源，并且產生了嚴重的環(huán)境污染。數據顯示，2018 年工業(yè)終端能源消費量高達300 558 萬噸標準煤，占全部終端能源消費總量的65.19%。與此同時，當前中國的環(huán)境保護工作依舊不容樂觀?！?018 年全球環(huán)境績效指數報告》顯示，中國環(huán)境績效指數在180 個國家中僅排第120 位。鑒于工業(yè)部門作為環(huán)境污染物產生的主力軍，加快推進工業(yè)部門的節(jié)能減排已經迫在眉睫。同時，考慮到當前中國工業(yè)部門的發(fā)展軌跡，以及工業(yè)部門在促進經濟增長和保障就業(yè)中的關鍵作用，如何在加快推進工業(yè)節(jié)能減排的前提下，促進工業(yè)部門綠色轉型成為政府所要解決的重要問題，據此提升工業(yè)綠色全要素生產率成為可行之路。

當前黨和政府高度重視工業(yè)綠色轉型問題。習近平總書記在2018 年的全國生態(tài)環(huán)境保護大會上強調，要圍繞調整經濟結構和能源結構等重點，培育壯大環(huán)保產業(yè)。黨的十九大報告更是提出要建立健全綠色低碳循環(huán)發(fā)展的經濟體系，壯大節(jié)能環(huán)保產業(yè)、清潔生產產業(yè)、清潔能源產業(yè)。如何實現工業(yè)綠色轉型，已經成為社會各界關注的熱點問題。為此，不少學者[1-3]從環(huán)境規(guī)制、金融發(fā)展、貿易開放等視角，探討了實現工業(yè)綠色轉型之路。但要真正實現工業(yè)綠色發(fā)展轉型，重點是要解決現有工業(yè)發(fā)展模式存在的產能過剩嚴重、自主創(chuàng)新能力不足、能源資源消耗和污染排放居高不下、節(jié)能減排壓力大等“供給側”問題[4]。在此背景下，深化供給側結構性改革成為中國工業(yè)綠色發(fā)展的新動力[5]。供給側結構性改革的重點，就是從提高供給質量出發(fā)，用改革的辦法推進結構調整，矯正要素配置扭曲，擴大有效供給，提高供給結構對需求變化的適應性和靈活性，提高全要素生產率。那么，當前中國工業(yè)綠色全要素生產率處于何種水平？其演變又呈現出何種特征？供給側因素是否有效影響工業(yè)綠色全要素生產率？通過回答這些問題，對于準確把握當前我國工業(yè)綠色發(fā)展水平，科學識別工業(yè)綠色轉型的區(qū)域差異和動力源泉，探尋我國實現工業(yè)綠色轉型路徑具有非常重要的實踐和參考價值。

學術界對于工業(yè)綠色全要素生產率的研究主要體現在評價指標、測算方法和研究尺度三個方面。在評價指標體系方面，主要體現在非期望產出指標的選擇上的差異性。一般而言，二氧化碳[6-7]、工業(yè)“三廢”[8-9]、SO2與COD[10-11]是非期望產出最為常用的衡量指標。在測算方法方面，隨機前沿分析法（SFA）[12]、數據包絡分析法（DEA）[13-14]是評價工業(yè)綠色全要素生產率最為常見的方法。在研究尺度方面，一是在空間尺度上，相關學者對省級層面[15-17]、長江經濟帶[18]、長三角[19]的工業(yè)綠色全要素生產率進行了測算；二是在行業(yè)尺度上，已有學者分別對制造業(yè)行業(yè)[20]、煤炭行業(yè)[21]、食品行業(yè)[22]的綠色全要素生產率進行了研究。

綜上可見，當前已有關于中國工業(yè)綠色全要素生產率的研究成果正在逐步豐富，但仍有兩點不足之處：其一，已有學者初步認識到供給側結構性改革對于提升工業(yè)綠色全要素生產率的重要性，然而這方面的研究不僅數量相對較少，且主要以定性研究為主，缺乏必要的定量研究；其二，多數學者在研究工業(yè)綠色全要素生產率時，主要以時間序列數據模型或者普通面板數據模型為主，未能考慮到地理空間因素的重要影響，這有可能造成研究結果出現一定的偏差。正如TOBLERS[23]提出的地理第一定理也認為，區(qū)域上的任何事物有一定的聯系，但事物之間的聯系度與空間距離成反比。有鑒于此，為解決以上研究的不足，本文基于供給側結構性改革戰(zhàn)略的內容精髓，從“結構調整”和“要素供給”兩個方面建立供給側因素對工業(yè)綠色全要素生產率影響的分析框架，并在此基礎上進一步采用空間計量模型考察了供給側因素對工業(yè)綠色全要素生產率的影響效應，為實現中國工業(yè)綠色轉型提供一定的借鑒。

1 研究方法、變量選取與數據說明

1.1 研究方法

1.1.1 EBM模型

本文所考察的是將各種工業(yè)環(huán)境污染物排放包含在內的工業(yè)綠色全要素生產率。傳統(tǒng)的CCR、BCC 模型在測度包含有環(huán)境污染物在內的效率時，由于環(huán)境污染物不符合“最大產出”假設，故環(huán)境污染物不能直接作為產出指標被納入到效率評價體系之中。假如在效率評價體系之中忽略了環(huán)境污染物，同樣有可能導致效率的測度結果出現偏差[24]。為解決這一問題，TONE[25]建立的SBM 模型較為完美地解決了帶有環(huán)境污染物的效率評價問題。但是，該模型依舊存在一定的缺陷，即SBM模型在建立之初并沒有考慮到投入產出指標的徑向與非徑向的兼容問題。為此，TONE 等[26]進一步將SBM 模型改進為EBM 模型?？梢哉f，EBM 模型作為一種混合距離模型，克服了單一的徑向和非徑向測量的缺陷，有效提高了效率測度的精確性。

EBM 模型運行的原理是，在一個生產體系中，包含了n個決策單元。每個決策單元需要投入M個投入要素，分別產生了U個期望產出y和V個非期望產出b。為便于模型的表達，假定投入要素、期望產出、非期望產出分別用向量予以表征，第k個的決策單元為DMUk=（xk,yk,bk）。所有可能的生產性集合為T={(x,y,b):xcan produceyandb}。則EBM 模型具體的表達式如下：

1.1.2 空間計量方法

（1）Global Moran’s I 指數。中國的工業(yè)綠色全要素生產率是否存在空間相關性，這是本文所要考察的重要目標。一般而言，衡量工業(yè)綠色全要素生產率的空間相關性主要用Global Moran’s I 指數，其具體表達公式如下[27]：

式中：n代表所要測算空間相關性的省份數量，xi、xj分別代表i省份、j省份的觀測值，代表對所有省份的觀測值取平均值。Global Moran’s I 指數取值有特定的范圍，即處于-1 和1 之間。假如Global Moran’s I 為-1，意味著被考察省份觀測值之間存在空間負相關性；假如Global Moran’s I 為1，表明被考察省份觀測值之間存在空間正相關性；僅當Global Moran’s I 為0 時，此時各省份的觀測值之間在空間上是相互獨立的，不存在任何空間相關性。Wij為空間權重矩陣，通常有距離矩陣、經濟矩陣和鄰接矩陣三種形式。其中，空間鄰接矩陣由0 和1 所構成，計算方便，應用范圍廣，故本文選擇該類型的矩陣，其具體的表達式如下：

Global Moran’s I 指數在運算過程中，為驗證其真實性，其顯著性檢驗也是非常必要的。一般而言，采用Z-score 正態(tài)分布即可驗證出Global Moran’s I 指數是否通過顯著性檢驗，其具體的表達式如下：

假如Global Moran’s I 指數的Z-score 統(tǒng)計值通過了10%、5%或1%三個顯著水平的檢驗，則表明Global Moran’s I 指數具有真實性，這也說明被考察省份的觀測值具有顯著的空間相關性。

（2）Local Moran’s I 指 數。由 于Global Moran’s I指數僅能夠測量全國所有省份的觀測值在全局上的空間相關性，對于每個省份觀測值各自的空間相關性是無法表征的，這就導致無法進一步開展深入研究。為克服這一問題，本文引入了Local Moran’s I 指數來分析各個省份觀測值具體的局部空間相關性。在計算出Local Moran’s I 指數后，可以通過描繪LISA（local indication of spatial association）圖來直觀反映各省份觀測值空間分布格局或者空間分布規(guī)律。LISA 圖分為高高集聚區(qū)（HH）、低高集聚區(qū)（L-H）、低低集聚區(qū)（L-L）和高低集聚區(qū)（H-L）四種類型。位于高高集聚區(qū)（H-H）和低低集聚區(qū)（L-L）的省份，意味著該省份的觀測值高（低），且四周鄰近省份的觀測值也高（低）；位于低高集聚區(qū)（L-H）和高低集聚區(qū)（H-L）的省份，代表著該省份的觀測值高（低），但四周鄰近省份的觀測值則較低（高）。此外，高高集聚區(qū)（H-H）、低低集聚區(qū)（L-L）為空間集聚區(qū)，而低高集聚區(qū)（L-H）、高低集聚區(qū)（H-L）則為空間離群區(qū)。Local Moran’s I 指數的公式表達如下：

（3）空間自回歸模型（SAR）和空間誤差模型（SEM）。假如中國的工業(yè)綠色全要素生產率被檢驗出有顯著的空間相關性，此時再采用傳統(tǒng)的最小二乘法（OLS）對后續(xù)的工業(yè)綠色全要素生產率的供給側因素開展定量分析已經不再適合。這是因為傳統(tǒng)的最小二乘法（OLS）成立的前提是有嚴格限定的，模型的被解釋變量不能有任何的空間相關性，即要滿足被解釋變量在空間上是相互獨立的前提，條件方可成立。若采用最小二乘法（OLS）處理有空間相關性的被解釋變量時，可能導致模型估計結果與實際存在較大偏差，故此時需要引入空間計量模型來解決這一問題。當前，經典的空間計量模型有空間自回歸模型（SAR）和空間誤差模型（SEM）。其中，空間自回歸模型（SAR）的基本表達式如下[28]：

式中：y代表了模型中的因變量；X為自變量的合集，β則為自變量的系數；ρ、λ均為模型中的空間自回歸參數，假如這些參數通過顯著水平的檢驗，則表明模型有空間相關性存在；W為模型中的空間權重矩陣，這里用0 和1 構成的n×n維形式的空間鄰接矩陣表示；σ是標準差，I是單位矩陣，表示方差和單位矩陣的乘積；ε則是隨機誤差項。

空間誤差模型（SEM）的基本表達式為[29]：

式中：y、X分別為自變量、因變量合集；β同樣為自變量的系數，表示因變量與自變量之間的相關關系；λ為空間誤差系數，其顯著性檢驗結果用于檢驗該模型是否有空間效應的存在；μ為隨機誤差項。

1.2 變量選取

本文所要測度的工業(yè)綠色全要素生產率可以理解為將資源環(huán)境變量約束考慮在內的技術效率，是一個包含工業(yè)勞動力、工業(yè)資本、工業(yè)能源以及工業(yè)污染物排放等在內的“全要素”概念，簡稱為IGTFP。在綜合考慮數據可得性、指標代表性、統(tǒng)計口徑一致性和相關研究的經驗基礎上，本文從投入產出視角構建工業(yè)綠色全要素生產率的評價指標體系（表1）。整個評價指標體系包含了投入指標和產出指標兩部分。其中，投入指標共包括三種工業(yè)投入要素：①工業(yè)勞動力。借鑒申晨等[30]表征工業(yè)勞動力的成果，本文使用歷年各省份的工業(yè)企業(yè)從業(yè)人員來表示工業(yè)勞動力。②工業(yè)資本。在表征工業(yè)資本上，不少研究通常采用“永續(xù)盤存法”估計工業(yè)資本數量。但是，這一方法需要估算初始工業(yè)資本存量以及確定折舊率，計算環(huán)節(jié)多，誤差較大。有鑒于此，為進一步減少誤差，借鑒許夢博等[31]的研究成果，本文直接采用工業(yè)固定資產凈值作為各地區(qū)的工業(yè)資本，并依據固定資產價格指數將名義工業(yè)固定資產凈值平減為以2000年為基期的實際工業(yè)固定資產凈值。③工業(yè)能源。本文用歷年各省份的工業(yè)終端能源消費量來表示工業(yè)能源。

表1 工業(yè)綠色全要素生產率評價指標體系

產出指標由期望產出和非期望產出所構成。其中，期望產出指工業(yè)發(fā)展過程中的“好產出”。在相關的研究中，工業(yè)總產值一直被公認為是衡量工業(yè)發(fā)展水平的最佳指標[32]。同時，鑒于相關統(tǒng)計年鑒給出的是名義工業(yè)總產值，為消除價格通貨膨脹可能帶來的失真，采用工業(yè)品出廠價格指數將名義實際工業(yè)總產值平減為以2000 年為基期的實際工業(yè)總產值。非期望產出則為工業(yè)發(fā)展過程中所產生的“壞產出”。一般而言，“壞產出”即為工業(yè)能源大量使用后所產生的各種各樣的環(huán)境污染物，這同樣也是工業(yè)發(fā)展所要支付的環(huán)境成本。在具體環(huán)境污染物的選擇上，工業(yè)“三廢”是企業(yè)污染物排放的三種主要形式，同時，工業(yè)“三廢”的數據也反映了政府對于企業(yè)的環(huán)境監(jiān)管。為此，本文采用工業(yè)廢水排放量、工業(yè)廢氣排放量和工業(yè)固體廢物產生量等工業(yè)“三廢”作為非期望產出的衡量指標。

1.3 數據來源說明

2 工業(yè)綠色全要素生產率測度結果及其時空演化特征

2.1 工業(yè)綠色全要素生產率的測度結果

基于公式（1），本文采用EBM 模型測算出中國2000—2018 年30 個省份的工業(yè)綠色全要素生產率。為便于分析，表2 給出了樣本期間各省份工業(yè)綠色全要素生產率的平均值。由于中國地域廣大，不同地區(qū)的資源稟賦有較強的差異性，根據地理位置和經濟發(fā)展水平差異，將中國劃分為東北、華中、華北、華東、華南、西北、西南七大地區(qū)。由表2 可知，中國的工業(yè)綠色全要素生產率表現出顯著的區(qū)域差異性。其中，東北地區(qū)各省份的工業(yè)綠色全要素生產率都較低，其樣本期內工業(yè)綠色全要素生產率均低于0.75。同樣，華中地區(qū)3 個省份的工業(yè)綠色全要素生產率也均不理想，其各省的效率值均低于0.70。華北地區(qū)和華東地區(qū)各省的工業(yè)綠色全要素生產率表現出典型的兩極分化。在華北地區(qū)，山西、河北和內蒙古的工業(yè)綠色全要素生產率較低，而天津和北京的工業(yè)綠色全要素生產率較高；在華東地區(qū)，江西和安徽的工業(yè)綠色全要素生產率不盡如人意，而福建、山東、江蘇、浙江和上海的工業(yè)綠色全要素生產率較優(yōu)。在華南地區(qū)，廣東的工業(yè)綠色全要素生產率擁有強大的優(yōu)勢，處于生產前沿面上，其余省份的工業(yè)綠色全要素生產率表現一般。在西南地區(qū)和西北地區(qū)，各省份的工業(yè)綠色全要素生產率均表現不夠理想。從全國范圍來看，總體工業(yè)綠色全要素生產率呈現出由東南向西北的梯度下降規(guī)律，這與中國工業(yè)發(fā)展水平和地勢三級階梯分布密切相關。

表2 中國工業(yè)綠色全要素生產率的平均值

2.2 工業(yè)綠色全要素生產率的時空演化

由圖1（a）可知，在全國七大地區(qū)中，工業(yè)綠色全要素生產率由高到低分別是：華東、華南、華北、華中、東北、西南、西北。其中，東北、華北、華東、西北地區(qū)的工業(yè)綠色全要素生產率在研究期間內呈現明顯的下降趨勢。華中、西南地區(qū)的工業(yè)綠色全要素生產率呈現先下降后上升的“U”型趨勢。華南地區(qū)工業(yè)綠色全要素生產率則表現出倒“U”型趨勢。結合圖1（b）可知，東北、華中、西南、西北相對于其他三個區(qū)域的工業(yè)綠色全要素生產率更加集中，但是這四個區(qū)域的工業(yè)綠色全要素生產率無法達到高水平（效率值=1）。由圖1（c）可以看出，在2007 年之前，各省的工業(yè)綠色全要素生產率主要集中在0.6 附近，而在此之后，高密度區(qū)域向0.55 移動，說明多數省份的工業(yè)綠色全要素生產率在2007 年后迎來了下降壓力。根據圖1（d），諸如經濟發(fā)達省份的廣東、北京、天津的工業(yè)綠色全要素生產率能夠達到最高，而經濟欠發(fā)達的寧夏、陜西、貴州等省份的工業(yè)綠色全要素生產率卻始終在0.7 以下，這說明工業(yè)綠色全要素生產率與經濟發(fā)展水平密不可分。

圖1 全國七大地區(qū)和各省份的工業(yè)綠色全要素生產率

2.3 工業(yè)綠色全要素生產率的空間相關性

2.3.1 工業(yè)綠色全要素生產率的Global Moran’ I 指數

基于公式（2）～（4），將各省份歷年的工業(yè)綠色全要素生產率數值代入Geoda 軟件后，本文計算出工業(yè)綠色全要素生產率的Global Moran’ I 指數，具體如表3 所示。由表3 可知，中國工業(yè)綠色全要素生產率的Global Moran’s I 指數在樣本期內均為正數，且都通過了1%顯著水平的檢驗。該結果表明，中國工業(yè)綠色全要素生產率表現出顯著的正空間相關性，同時這也反映出工業(yè)綠色全要素生產率在空間分布上呈現空間集聚性特征。特別是，相鄰省份的工業(yè)綠色全要素生產率具有強烈的模仿效應，而并非不存在任何的聯系。同時這也意味著，在后文要對工業(yè)綠色全要素生產率做出進一步的實證研究時，有必要把工業(yè)綠色全要素生產率所具有的空間相關性特征考慮在內。假如忽略這一點，則極有可能導致實證結果出現較大的偏差。

表3 中國工業(yè)綠色全要素生產率的Global Moran’I 指數

2.3.2 工業(yè)綠色全要素生產率的LISA圖

基于公式（5），本文測算出2000 年和2018 年各省份工業(yè)綠色全要素生產率的Local Moran’I 指數，并據此給出這兩個年份的LISA 圖，具體見圖2。2000 年，位于高高集聚區(qū)（H-H）的省份有7 個，同時，有17 個省份處于低低集聚區(qū)（L-L）。位于空間離群區(qū)的低高集聚區(qū)（L-H）和高低集聚區(qū)（H-L）的省份分別為4 個、2 個。較之2000 年，2018 年各個省份工業(yè)綠色全要素生產率的LISA 圖有所變化。其中，有9 個省份位于高高集聚區(qū)（H-H），比2000 年增加2 個省份。位于低低集聚區(qū)（L-L）的省份則減少至14 個。處于低高集聚區(qū)（L-H）的省份沒有變化，其數量仍然是4 個。此外，高低集聚區(qū)（H-L）的省份則增加1 個，為3 個省份?？梢?，無論是2000 年還是2018 年，位于高高集聚區(qū)（H-H）和低低集聚區(qū)（L-L）省份的占比高達75%以上，僅有不足25%左右的省份位于低高集聚區(qū)（L-H）和高低集聚區(qū)（H-L）。以上表明，中國工業(yè)綠色全要素生產率主要形成高值集聚和低值集聚兩大空間集聚區(qū)，而位于空間離群區(qū)的省份則相對較少。

圖2 2000年和2018年工業(yè)綠色全要素生產率的LISA圖

3 工業(yè)綠色全要素生產率供給側因素的空間計量分析

3.1 模型構建與數據來源

本文通過空間計量模型進一步探究工業(yè)綠色全要素生產率的供給側因素，這對于加快工業(yè)的綠色發(fā)展轉型具有重要意義。當前的供給側結構性改革為加快工業(yè)綠色發(fā)展轉型提供了關鍵的思路。供給側結構性改革，其核心內容在于要從提高供給質量出發(fā)，用改革的辦法推進結構調整，矯正要素配置扭曲，擴大有效供給，提高供給結構對需求變化的適應性和靈活性，提高全要素生產率。為此，本文主要從“結構調整”和“要素供給”兩個方面，總結分析供給側因素對工業(yè)綠色全要素生產率的影響。

從“結構調整”的角度出發(fā)，本文主要從以下三點分析供給側因素對工業(yè)綠色全要素生產率的影響：①工業(yè)產業(yè)結構（IS）：產業(yè)結構升級已經成為實現工業(yè)綠色發(fā)展轉型的關鍵所在。鑒于整個工業(yè)部門分類眾多，相比較于其他工業(yè)部門，高技術產業(yè)部門具有技術水平高、能源消耗低以及產出水平高的特征，增加高技術產業(yè)部門在整個工業(yè)部門中的占比不僅成為工業(yè)產業(yè)結構升級的重要標志，而且也利于促進工業(yè)部門的節(jié)能減排。基于數據可得性原則，本文選擇高技術產業(yè)利潤額占工業(yè)利潤總額的比重來度量工業(yè)產業(yè)結構。②工業(yè)產權結構（PRS）：已有研究顯示，不同產權性質企業(yè)的組織機構、資本構成等存在較大的差異性，這會對企業(yè)生產活動產生差異性的激勵作用，不僅會直接影響到企業(yè)資源配置水平，而且會對企業(yè)的環(huán)?；顒赢a生重要作用[33]。本文用各省份歷年規(guī)模以上國有及國有控股企業(yè)的工業(yè)產值占工業(yè)總產值的比重來表征工業(yè)產權結構。③工業(yè)產品結構（PS）：與傳統(tǒng)的初級產品相比，新產品具有能耗低且附加值高的優(yōu)勢，故本文使用工業(yè)新產品銷售收入與工業(yè)總產值的比值來表征工業(yè)產品結構。

級配碎石基層由于其本身工程特性限制，在施工中難以控制其平整度，但該指標對于后期路面的行車舒適性有較大影響，因此有必要對該指標進行檢測。本文根據《公路路基施工技術規(guī)范》（JTG F10—2006），采用3m直尺法對試驗段路基平整度進行檢測，結果如表4所示。

從“要素供給”的角度出發(fā)，本文主要從以下四點分析供給側因素對工業(yè)綠色全要素生產率的影響：①科技創(chuàng)新要素（TI）：以工業(yè)研發(fā)水平為代表的科技創(chuàng)新，能夠帶來環(huán)境技術革新并且實現對傳統(tǒng)企業(yè)高能耗設備的更新換代，這利于提高企業(yè)生產效率，減少工業(yè)能源消耗及污染物排放，促進地區(qū)工業(yè)綠色轉型。本文用各省份歷年的工業(yè)企業(yè)專利申請量的自然對數來衡量科技創(chuàng)新要素。②人力資本要素（HC）：工業(yè)部門的人力資本水平越高，往往意味著工業(yè)從業(yè)人員的受教育水平越高，工業(yè)從業(yè)人員熟練掌握生產技能，能夠操作更為先進的生產設備，加之工業(yè)從業(yè)人員能夠樹立良好的環(huán)保意識，利于實現工業(yè)部門的節(jié)能降耗，本文用各省份工業(yè)R&D 人員比上工業(yè)從業(yè)人員來表征人力資本要素。③綠色資本要素（GC）：以工業(yè)污染治理投資為代表的綠色資本投入，主要用于企業(yè)清潔技術改造以及污染防治設施的建設工作，有利于提升企業(yè)的節(jié)能減排能力，進而減輕工業(yè)部門的資源環(huán)境壓力[34]?？紤]到數據可得性，本文用各省份歷年的工業(yè)污染治理完成投資與工業(yè)總產值之比來表示綠色資本要素。④綠色能源要素（GE）：與煤炭、石油為代表的化石能源相比較，天然氣燃燒后產生的環(huán)境污染物較少，屬于典型的清潔能源。因此，天然氣消費比重的提高有利于提高工業(yè)減排效果。需要說明的是，由于統(tǒng)計年鑒中沒有給出工業(yè)能源消費中天然氣的消費數量，加之工業(yè)能源消費量占整個地區(qū)能源消費總量的70%以上，故本文選擇地區(qū)天然氣消費量占能源消費總量的比重來表示綠色能源要素。

依據以上的作用機理分析，從“結構調整”和“要素供給”兩個方面出發(fā)，本文將工業(yè)產業(yè)結構、工業(yè)產權結構、工業(yè)產品結構、科技創(chuàng)新要素、人力資本要素、綠色資本要素和綠色能源要素作為供給側因素，以此分析這些供給側因素給工業(yè)綠色全要素生產率帶來的影響。同時，前文的研究結論表明，中國工業(yè)綠色全要素生產率具有顯著的空間相關性，此時再使用傳統(tǒng)最小二乘法（OLS）建立普通模型進行回歸分析，極有可能使得實證結果出現較大偏差。為解決這一問題，需要將傳統(tǒng)的普通模型進一步改進為空間計量模型，以此提高估計結果的準確度。基于此，結合公式（6）和（7），本文建立供給側因素影響工業(yè)綠色全要素生產率的空間計量模型如下：

公式（8）為包含固定效應的空間計量模型，具體表現為空間自回歸模型（SAR）和空間誤差模型（SEM）兩種基本形式。哪種空間計量模型更為合適，由空間自回歸系數δ和空間誤差系數λ的取值所決定。若δ=0，則該模型為空間誤差模型（SEM）；若λ=0，則該模型轉變?yōu)榭臻g自回歸模型（SAR）。各個變量具體涵義如下：IGTFP為模型中的因變量，這里具體指各省份歷年的工業(yè)綠色全要素生產率；IS、PRS、PS、TI、HC、GC、GE為各個自變量，分別代表工業(yè)產業(yè)結構、工業(yè)產權結構、工業(yè)產品結構、科技創(chuàng)新要素、人力資本要素、綠色資本要素和綠色能源要素。各個自變量的具體含義見前文。

為保證空間計量模型中相關變量數據的完整性和可獲得性，所研究樣本同樣是中國2000—2018 年30 個省份的面板數據。所有供給側因素的數據同樣來源于2001—2019 年的《中國統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》《中國環(huán)境年鑒》《中國能源統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》和各省份的統(tǒng)計年鑒。

3.2 實證結果及其解釋

本文采用Matlab 軟件中的普通計量方法對公式（8）進行初步模擬，同時還進一步檢驗模型殘差項是否存在空間自相關性，其具體的結果如表4 所示。為表明模型控制固定效應后利于提高估計結果的精確度，表4 同時列出了無固定模型、空間固定模型、時間固定模型和雙向固定模型的估計結果。通過對4個模型估計結果之間的比較，進而判斷出采用哪種固定效應模型的解釋力度是最強的。

表4 不同固定效應模型的估計與檢驗結果

表4 由可知，無固定效應模型、空間固定效應模型、時間固定效應模型和雙向固定效應模型的R2值分別為0.549 4、0.155 6、0.689 3 和0.244 4?？梢姡瑫r間固定效應的R2值要大于其他3 個模型，故該模型的擬合度是最好的。同時，時間固定效應模型的DW值為1.899 5，也大于其他3 個模型。以上兩個比較的結果均表明，時間固定效應模型優(yōu)于其他3 個模型，即時間固定效應模型中變量系數的解釋力度是最強的，故本文選擇時間固定效應開展進一步的實證分析。此外，表4 的下半部分還給出了模型殘差項空間自相關性的檢驗結果。檢驗結果表明，時間固定效應的LM-lag、LM-err 分別為47.155 5、14.701 9，且兩者均通過了1%顯著水平的檢驗。這充分表明模型的殘差項具有顯著的空間自相關性，但是普通模型成立的前提是必須滿足殘差項不存在任何的空間自相關性，故普通模型的計量方法無法有效解決這一問題，因此有必要引入空間計量方法進行重新估計。

鑒于普通模型的估計結果可能存在一定的偏差，故本文采用空間計量方法對公式（8）進行再次估計，所得結果如表5 所示。根據表5 的結果，空間自回歸項W·dep.var.值為0.279 9，通過了1%顯著水平的檢驗；同樣，空間誤差項spat.aut.值為0.2420，也通過了1%顯著水平的檢驗。這兩個結果均表明，采用空間自回歸模型（SAR）和空間誤差模型（SEM）是合適的。與表4 中普通模型的估計結果相比較，空間自回歸模型（SAR）和空間誤差模型（SEM）中的R2值和log-L值均在原有的基礎上實現了提升。這充分表明，空間計量模型估計結果的解釋力度要強于普通模型。同時，空間計量模型中部分變量回歸系數的t檢驗值也實現了增大，這同樣反映出空間計量模型的估計結果在普通模型的基礎上實現了改進。此外，空間自回歸模型（SAR）和空間誤差模型（SEM）的log-L值分別為609.452 5、593.278 4，前者要大于后者，故空間自回歸模型（SAR）的解釋力度更強。結合以上比較結果，本文最終選擇空間自回歸模型（SAR）的估計結果開展變量系數的解釋。

表5 空間計量模型的估計與檢驗結果（時間固定效應）

（1）工業(yè)產業(yè)結構（IS）的估計系數為正，且通過了1%顯著水平的檢驗，這表明工業(yè)產業(yè)結構升級有利于提升工業(yè)綠色全要素生產率。該結果也反映出，當前高技術產業(yè)發(fā)展取得顯著效果，對于實現工業(yè)節(jié)能降耗產生了重要的作用。統(tǒng)計數據顯示，2000 年中國高技術產業(yè)的利潤額僅為673.46 億元，而截至2018 年，這一數據增加至10 293 億元，18 年間增長了15.28 倍之多?？梢哉f，隨著高技術產業(yè)規(guī)模的不斷擴大，進一步帶動工業(yè)結構朝高技術化、低能耗的可持續(xù)發(fā)展方向轉變。正是得益于不斷升級的產業(yè)結構，我國單位工業(yè)總產值能耗水平也由2000 年的1.20 下降到2018 年的0.26。

（2）工業(yè)產權結構（PRS）在1%顯著水平上對工業(yè)綠色全要素生產率的影響為負。這充分表明，國有及國有控股企業(yè)的工業(yè)產值占工業(yè)總產值的比重降低，反而有利于促進工業(yè)綠色發(fā)展轉型。當前我國一直積極推進“國退民進”策略，在工業(yè)企業(yè)中加快混合所有制改革步伐，逐步降低國有經濟比重，這有利于國有企業(yè)市場競爭機制的形成，從而更好發(fā)揮市場在資源配置中的關鍵性作用，進而提高工業(yè)企業(yè)的生產經營效率。

（3）工業(yè)產品結構（PS）在1%顯著水平上對工業(yè)綠色全要素生產率的影響為正，表明工業(yè)新產品銷售收入增加對實現工業(yè)綠色發(fā)展轉型至關重要。這也從側面印證：當前中國工業(yè)發(fā)展提質增效取得顯著效果，工業(yè)產品生產逐步擺脫單純從事附加值較低的“制造—加工—組裝”初級產品生產環(huán)節(jié)，更多轉向附加值較高的設計、研發(fā)、營銷、工程承包、售后服務等新產品生產與銷售環(huán)節(jié)。這既提高了生產效益，同時也顯著減少資源消耗以及環(huán)境污染物的排放。數據也表明，2000 年工業(yè)新產品銷售收入占工業(yè)總產值的比重僅為8.92%，而截至2018 年這一數據為16.55%，19 年間增長了近1 倍。

（4）科技創(chuàng)新要素（TI）在1%顯著水平上對工業(yè)綠色全要素生產率的影響為正，這意味著工業(yè)專利申請量增加有利于促進工業(yè)綠色轉型?？梢哉f，地區(qū)工業(yè)科技創(chuàng)新能力的提升成為驅動節(jié)能減排的重要動力。岳鴻飛等[35]的研究也證實，科技創(chuàng)新帶來新的生產工藝，尤其隨著先進綠色生產技術的逐步推廣，提高了工業(yè)能源利用效率，有效減少了工業(yè)生產過程中的污染排放，增加了工業(yè)產品的附加值，進一步提升了工業(yè)綠色發(fā)展的內生動力。

（5）人力資本要素（HC）的估計系數為正，且通過了10%顯著水平的檢驗，表明工業(yè)R&D 人員占工業(yè)從業(yè)人員比重的提高對工業(yè)綠色全要素生產率具有顯著的促進效應。伴隨著我國大力推進工業(yè)高質量發(fā)展，人力資本的重要作用顯得越來越突出。正如夏良科[36]的研究結果表明，人力資本是工業(yè)全要素生產率提升的重要決定因素。此外，隨著工業(yè)企業(yè)對人才的激勵程度不斷提高，從事新產品開發(fā)的R&D 人員的比例也逐步提升。數據也印證，2000 年工業(yè)R&D 人員占工業(yè)從業(yè)人員的比重僅為0.97%，而2018 年這一比重則高達5.37%，增長了4.4 個百分點。

（6）綠色資本要素（GK）的估計系數為正，但是未能通過顯著水平的檢驗，這表明工業(yè)污染治理完成投資占工業(yè)總產值的比重提高，并沒有起到促進工業(yè)綠色轉型的作用?？赡艿脑蚴?，當前我國工業(yè)污染治理投資水平依舊較低。以2018 年為例，工業(yè)污染治理完成投資僅為621.273 6 億元，占工業(yè)總產值的比重僅有0.05%。工業(yè)污染治理投資往往代表了地區(qū)環(huán)境規(guī)制力度，雖然有利于提升企業(yè)的節(jié)能減排能力，但是較低的環(huán)境規(guī)制力度也會產生“綠色悖論”[37]。特別是對于污染密集型企業(yè)而言，當較低的污染治理投資不足以抵消環(huán)境技術調整成本時，企業(yè)反而會擴大生產規(guī)模，增加生產要素并提高經濟產出，此時環(huán)境規(guī)制反而不利于工業(yè)結構綠色轉型。

（7）綠色能源要素（GE）在1%顯著水平上對工業(yè)綠色全要素生產率的影響為正，意味著能源消費中天然氣比重增加對提升工業(yè)綠色全要素生產率具有顯著促進作用。該結果印證了前文的假設，即天然氣屬于典型的清潔能源，增加天然氣的消費比重能夠為工業(yè)發(fā)展添加綠色動力。數據也表明，2000 年天然氣消費占能源消費總量的比重僅為2.2%，到2018 年這一比重為7.6%，19年間增加了5.5 個百分點。

4 研究結論與政策啟示

在供給側結構性改革背景下，通過構建工業(yè)綠色全要素生產率的評價指標體系，本文采用包含非期望產出的EBM 模型評估了中國2000—2018 年30 個省份的工業(yè)綠色全要素生產率。同時，在分析其空間相關性的基礎上，采用空間計量模型實證分析了供給側因素對工業(yè)綠色全要素生產率的影響，得到如下基本結論：（1）樣本期內，中國的工業(yè)綠色全要素生產率表現出明顯的區(qū)域差異性，在東北、華中、西南和西北地區(qū)中，各省份的工業(yè)綠色全要素生產率均表現得不夠理想，而位于華北、華東和華南地區(qū)各省份的工業(yè)綠色全要素生產率表現出典型的兩極分化。

（2）不同地區(qū)的工業(yè)綠色全要素生產率變動趨勢呈現出一定的差異性，其中東北、華北、華東、西北地區(qū)的工業(yè)綠色全要素生產率在樣本期內顯著下降，而華中、西南和華南地區(qū)的工業(yè)綠色全要素生產率變化波動性顯著，其中華中、西南地區(qū)呈“U”型趨勢，而華南地區(qū)則表現出倒“U”型趨勢；此外，工業(yè)綠色全要素生產率與經濟發(fā)展水平密不可分，往往經濟發(fā)達省份的工業(yè)綠色全要素生產率較高，而經濟欠發(fā)達省份的工業(yè)綠色全要素生產率則相對較低。

（3）工業(yè)綠色全要素生產率的Global Moran’ I 指數通過了顯著水平的檢驗，反映出工業(yè)綠色全要素生產率的空間集聚性特征表現明顯；LISA 圖表明，全國大多數省份的工業(yè)綠色全要素生產率位于高高集聚區(qū)（H-H）和低低集聚區(qū)（L-L），僅有少量省份處于低高集聚區(qū)（L-H）和高低集聚區(qū)（H-L）。

（4）工業(yè)產業(yè)結構、工業(yè)產品結構、科技創(chuàng)新要素、人力資本要素、綠色能源要素對工業(yè)綠色發(fā)展效率提升有顯著的正向影響，工業(yè)產權結構對工業(yè)綠色發(fā)展效率提升產生明顯抑制作用，而綠色資本要素的影響卻表現不顯著。

根據以上研究結果，有以下政策啟示：

第一，工業(yè)綠色轉型政策要考慮到地區(qū)差異性。特別是，東北、華中、西南和西北地區(qū)是工業(yè)綠色發(fā)展規(guī)劃所要重點關注的地區(qū)，政府應該在資金、人才以及技術等方面給予一定的政策優(yōu)惠。同時，還要建立跨區(qū)域工業(yè)綠色轉型的合作與交流制度。經濟發(fā)達省份與經濟欠發(fā)達省份之間應該加強合作力度，雙方應在工業(yè)生產方式、技術、管理、經驗等方面強化交流，以彌補中西部落后省份工業(yè)綠色發(fā)展轉型過程中存在的短板。

第二，大力實施工業(yè)結構的調整升級策略。其一，繼續(xù)推進工業(yè)產業(yè)結構的調整升級，以信息化和工業(yè)化深度融合為先導，實現對鋼鐵、石化、水泥、汽車等傳統(tǒng)工業(yè)部門的綠色化改造，同時加大先進制造業(yè)、生物醫(yī)藥、新能源汽車、高端新材料和節(jié)能環(huán)保等高技術產業(yè)發(fā)展力度，提升工業(yè)綠色競爭力；其二，繼續(xù)落實“國退民進”的工業(yè)產權結構調整戰(zhàn)略，要加快國有企業(yè)的混合所有制改革，通過在國有企業(yè)中建立現代企業(yè)制度，充分發(fā)揮市場機制在資源配置中的關鍵性作用，提高國有企業(yè)的生產效率；其三，繼續(xù)實施工業(yè)產品結構升級策略，建立并完善綠色制造體系，大力推進工業(yè)新產品制造的綠色化、智能化，提高新產品質量的穩(wěn)定性，同時還要提升新產品銷售的自動化水平，逐步降低人工成本。

第三，進一步優(yōu)化工業(yè)要素供給的有關措施。要加大工業(yè)企業(yè)研發(fā)投入力度，強化技術創(chuàng)新型企業(yè)建設，構建以政府為引導、以市場為導向、以企業(yè)為主體的科技創(chuàng)新體系，政府既要加大對企業(yè)環(huán)保技術研發(fā)活動的財政支持，又要引導企業(yè)建立創(chuàng)新自發(fā)投入機制；要加強企業(yè)創(chuàng)新型人才的培養(yǎng)力度，完善產學研各方協(xié)同培養(yǎng)創(chuàng)新型人才的體制機制，將企業(yè)打造成創(chuàng)新型人才培養(yǎng)的主體，暢通高等院校、科研院所到企業(yè)從事研發(fā)活動的人才流動機制；要進一步增強環(huán)境規(guī)制力度，通過培育良好的工業(yè)污染治理投資環(huán)境，提高企業(yè)投資環(huán)境治理的積極性和主動性，還要拓寬工業(yè)污染治理投資的資金籌集渠道，打造合資、獨資、PPP 等多種形式的投資模式，吸引民間資本進入工業(yè)環(huán)保領域；要加快實施清潔能源發(fā)展戰(zhàn)略，構建清潔低碳、安全高效的能源體系，建設全國性的清潔能源生產基地，打造清潔能源特色產業(yè)集群。