摘要：為了使全局曼奎斯特-盧恩伯格（Global Malmquist-Luenberger，GML）指數(shù)測(cè)度更加準(zhǔn)確，提出選取指標(biāo)的約束條件和檢驗(yàn)方法，并基于該模型對(duì)我國(guó)30個(gè)?。ㄗ灾螀^(qū)、直轄市）2005—2019年的建筑業(yè)綠色全要素生產(chǎn)率（GTFP）進(jìn)行測(cè)算。結(jié)果表明：省際GTFP異質(zhì)性明顯，主要來(lái)源于技術(shù)效率變化；東部地區(qū)各?。ㄗ灾螀^(qū)、直轄市）技術(shù)效率差異較大，普遍技術(shù)效率較低，全國(guó)層面技術(shù)效率總體有下降趨勢(shì)；技術(shù)變化與GTFP變化趨勢(shì)有高度一致性，且各?。ㄗ灾螀^(qū)、直轄市）發(fā)展較為均勻，東部地區(qū)和中部地區(qū)要高于西部地區(qū)。

關(guān)鍵詞：GML指數(shù)；檢驗(yàn)方法；綠色全要素生產(chǎn)率；建筑業(yè)

0 引言

隨著我國(guó)經(jīng)濟(jì)快速發(fā)展，作為國(guó)民經(jīng)濟(jì)支柱產(chǎn)業(yè)之一的建筑業(yè)造成了大量的CO2排放。相關(guān)資料顯示，2018年全國(guó)建筑全生命周期碳排放總量為49.3億t CO2，占全國(guó)能源碳排放的比重為51.2%［1］。為了人類(lèi)社會(huì)的和諧發(fā)展，碳排放控制已被世界廣泛重視。2020年9月，我國(guó)政府在聯(lián)合國(guó)大會(huì)上提出“碳達(dá)峰”和“碳中和”時(shí)間表?；趪?guó)家對(duì)節(jié)能減排和低碳技術(shù)的高度重視，我國(guó)新一輪綠色工業(yè)革命已經(jīng)到來(lái)［2］。建筑業(yè)影響面廣、關(guān)聯(lián)產(chǎn)業(yè)多，必須提高綠色全要素生產(chǎn)率。考慮到區(qū)域位置、人員素質(zhì)、經(jīng)濟(jì)現(xiàn)狀、政策導(dǎo)向等差異，我國(guó)各?。ㄗ灾螀^(qū)、直轄市）建筑業(yè)發(fā)展有很大不同。對(duì)除西藏外的30個(gè)?。ㄗ灾螀^(qū)、直轄市）（東部地區(qū)包括：北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南；中部地區(qū)包括：山西、吉林、黑龍江、安徽、江西、河南、湖南、湖北；西部地區(qū)包括：內(nèi)蒙古、廣西、貴州、云南、四川、重慶、陜西、甘肅、青海、寧夏、新疆）的建筑業(yè)綠色全要素生產(chǎn)率進(jìn)行測(cè)度，以期發(fā)現(xiàn)各省（自治區(qū)、直轄市）建筑業(yè)發(fā)展的真實(shí)水平，為建筑業(yè)制定相關(guān)政策提供依據(jù)。

自Charnes等［3-4］提出數(shù)據(jù)包絡(luò)分析法（DEA）以來(lái)，該方法已廣泛應(yīng)用于生產(chǎn)效率測(cè)算，但DEA包括的CCR（Charnes，Cooper，Rhodes）模型和BCC（Banker，Charnes，Cooper）模型都只能計(jì)算靜態(tài)決策單元（DMU）。Malmquist［5］提出利用距離函數(shù)的比率測(cè)度數(shù)量指數(shù)。Caves等［6］正式提出M（Malmquist）指數(shù)，將其用于測(cè)算生產(chǎn)效率。Fre等［7］將M指數(shù)按距離函數(shù)分解成技術(shù)進(jìn)步和效率變化，使之廣泛應(yīng)用于生產(chǎn)效率測(cè)算。雖然以上應(yīng)用從靜態(tài)測(cè)算變?yōu)閯?dòng)態(tài)測(cè)算，但其只能包括多投入指標(biāo)和多產(chǎn)出指標(biāo)，且產(chǎn)出指標(biāo)只含期望產(chǎn)出部分，這與實(shí)際生產(chǎn)情況有較大出入，因?yàn)樵跍y(cè)算中還需考慮非期望產(chǎn)出部分。為此，Chung等［8］提出以ML（Malmquist-Luenberger）指數(shù)解決生產(chǎn)效率測(cè)算中不包含非期望產(chǎn)出的問(wèn)題。

但無(wú)論是M指數(shù)還是ML指數(shù)，都可能產(chǎn)生不可行解的問(wèn)題。Pastor等［9］提出用GMI（Global Malmquist Index）指數(shù)來(lái)解決M指數(shù)和ML指數(shù)不可行解的問(wèn)題，并取得比較好的效果。Oh［10］提出用GML指數(shù)解決ML指數(shù)不可行解的問(wèn)題。GML指數(shù)被用于測(cè)算綠色全要素生產(chǎn)率。

國(guó)內(nèi)學(xué)者向鵬成等［11］利用GML指數(shù)測(cè)算綠色全要素生產(chǎn)率，得出東、中、西、東北部四大區(qū)域均呈增長(zhǎng)趨勢(shì)，但區(qū)域異質(zhì)性明顯，且建筑業(yè)產(chǎn)出增長(zhǎng)貢獻(xiàn)率表現(xiàn)為V型波動(dòng)傾向，仍呈現(xiàn)出粗放型行業(yè)特征。張靜曉等［12］認(rèn)為，2011—2014年GML指數(shù)大于1，表明建筑業(yè)GTFP持續(xù)增長(zhǎng)；2015—2017年GML指數(shù)從0.986下降至0.971，表明建筑業(yè)GTFP下降?；ň系龋?3］利用DEA和M指數(shù)分析我國(guó)30個(gè)省（自治區(qū)、直轄市）建筑業(yè)綠色全要素生產(chǎn)率，認(rèn)為西部地區(qū)綠色全要素生產(chǎn)率大于1，東部和中部地區(qū)小于1。

可用于測(cè)算綠色全要素生產(chǎn)率的投入和產(chǎn)出指標(biāo)較多，現(xiàn)有的相關(guān)文獻(xiàn)中指標(biāo)的選取有一定的隨意性，在計(jì)算綠色全要素生產(chǎn)率相關(guān)指數(shù)后，部分文獻(xiàn)沒(méi)有經(jīng)過(guò)嚴(yán)格的檢驗(yàn)，或者在指數(shù)測(cè)算后回歸檢驗(yàn)不夠嚴(yán)謹(jǐn)，因此對(duì)我國(guó)建筑業(yè)綠色全要素生產(chǎn)率進(jìn)行測(cè)算并通過(guò)檢驗(yàn)，使得該指數(shù)更有說(shuō)服力，為準(zhǔn)確測(cè)算綠色全要素生產(chǎn)率指數(shù)提供幫助；為我國(guó)建筑業(yè)產(chǎn)業(yè)升級(jí)、綠色發(fā)展提供依據(jù)。

1 研究方法及檢驗(yàn)

1.2 檢驗(yàn)方法

GML指數(shù)模型所采用的投入指標(biāo)、期望產(chǎn)出指標(biāo)和非期望產(chǎn)出指標(biāo)的可選種類(lèi)較多，用于測(cè)度GML指數(shù)的指標(biāo)在回歸過(guò)程時(shí)須通過(guò)顯著性檢驗(yàn)。研究發(fā)現(xiàn)，很多指標(biāo)雖然可以用于測(cè)算GML指數(shù)，且不同指標(biāo)組合測(cè)算的GML指數(shù)可能不同，但是用于測(cè)算GML指數(shù)模型的指標(biāo)須通過(guò)顯著性檢驗(yàn)，如果采用的指標(biāo)未能通過(guò)顯著性檢驗(yàn)，則不能被用于測(cè)算GML指數(shù)。

采用表1中指標(biāo)測(cè)算GML指數(shù)，并對(duì)其進(jìn)行檢驗(yàn)，檢驗(yàn)所選取的指標(biāo)是否構(gòu)成GML指數(shù)顯著影響因素?；貧w檢驗(yàn)時(shí)，建筑業(yè)CO2排放量和能源投入存在倍數(shù)關(guān)系，為避免回歸過(guò)程中產(chǎn)生多重共線，只選取一個(gè)指標(biāo)，暫不考慮建筑業(yè)CO2排放量這個(gè)指標(biāo)。

采用面板數(shù)據(jù)對(duì)GML指數(shù)進(jìn)行回歸，經(jīng)過(guò)Hausman檢驗(yàn)，檢驗(yàn)結(jié)果拒絕原假設(shè)，即拒絕隨機(jī)效應(yīng)模型，因此采用固定效應(yīng)模型。GML指數(shù)影響因素分析見(jiàn)表2。

由表2可知，從變量系數(shù)看，投入指標(biāo)系數(shù)均為負(fù)值，期望產(chǎn)出指標(biāo)系數(shù)為正值，非期望產(chǎn)出指標(biāo)系數(shù)為負(fù)值，均符合實(shí)際。從顯著性角度看，fe模型更好，因此檢驗(yàn)GML指數(shù)采用fe模型。

2 實(shí)證分析

2.1 全國(guó)建筑業(yè)綠色全要素生產(chǎn)率分析

2005—2019年GML指數(shù)及其分解均值如圖1所示。

由圖1可知，在14個(gè)年度時(shí)間區(qū)間中，有9個(gè)區(qū)間是由TEC指數(shù)造成GML指數(shù)增加緩慢（TEC＜TC且TEC＜GML），5個(gè)區(qū)間是由TC指數(shù)造成GML指數(shù)增加緩慢（TC＜TEC且TC＜GML）。下面從GML指數(shù)及其分解因素TC指數(shù)和TEC指數(shù)三方面進(jìn)行分析：

（1）2011—2012年，GML指數(shù)為0.995；2014—2015年為0.905，均低于1，且這兩個(gè)波谷均是從前一個(gè)年份段急速下降，表明建筑業(yè)GTFP在迅速惡化。通過(guò)分解發(fā)現(xiàn)，TC的突然下降是GML惡化的主要原因。此時(shí)的期望產(chǎn)出在降低，非期望產(chǎn)出在增大。GML有兩個(gè)較為明顯的峰值，2006—2007年為1.079；2010—2011年為1.094，均明顯大于1。通過(guò)分解發(fā)現(xiàn)，TC的快速增長(zhǎng)是GML上升的主要原因，表明此時(shí)的期望產(chǎn)出在增大，非期望產(chǎn)出在降低。其他年份GML均大于1，表明全國(guó)范圍內(nèi)GTFP發(fā)展良好。

（2）多數(shù)年份TC指數(shù)的變化趨勢(shì)與GML指數(shù)的變化趨勢(shì)一致，是GML指數(shù)變化的主要原因。但是，在2012—2013年TC指數(shù)的變化趨勢(shì)與GML指數(shù)的變化趨勢(shì)相反，說(shuō)明引起GML指數(shù)增加的是TEC指數(shù)。另外，2007—2008年、2012—2013年、2014—2015年TC指數(shù)值均小于1，說(shuō)明這幾年技術(shù)在惡化，期望產(chǎn)出降低，非期望產(chǎn)出增加。

（3）TEC指數(shù)變化較為平穩(wěn)，在1上下波動(dòng)。其中，2010—2012年、2015—2019年TEC指數(shù)值小于1，說(shuō)明這幾年TEC在惡化，TEC指數(shù)導(dǎo)致期望產(chǎn)出降低，非期望產(chǎn)出增加。其他年份TEC均大于1，TEC的提高有利于期望產(chǎn)出增加、非期望產(chǎn)出減少。

2.2 各省（自治區(qū)、直轄市）建筑業(yè)綠色全要素生產(chǎn)率分析

2005—2019年?yáng)|、中、西部地區(qū)GML指數(shù)及其分解如圖2所示。

由圖2可知，東、中、西部地區(qū)GML指數(shù)的變化趨勢(shì)相對(duì)一致，且與全國(guó)層面變化趨勢(shì)非常接近。東部地區(qū)2006—2008年的波動(dòng)與全國(guó)層面差異較大，GML指數(shù)從1.113下降到0.986。中部地區(qū)2009—2010年的波動(dòng)與全國(guó)層面差異大，從1.063下降到1.027，同期的東、西部地區(qū)和全國(guó)層面均是增加趨勢(shì)。西部地區(qū)2011—2012年和2016—2017年與全國(guó)層面比下降幅度較大，GML指數(shù)分別是0.99和0.979。

2005—2019年?yáng)|、中、西部地區(qū)TC指數(shù)如圖3所示。

由圖3可知，東、中、西部地區(qū)TC指數(shù)的變化趨勢(shì)比較一致，總體趨勢(shì)與全國(guó)層面變化非常接近。東部地區(qū)的波動(dòng)與全國(guó)層面差異較小，只在2007—2008年、2014—2015年共2個(gè)時(shí)段有較大差異。東部地區(qū)TC指數(shù)分別是1.019、0.907，同期全國(guó)層面TC指數(shù)是0.999、0.886。

2005—2019年?yáng)|、中、西部地區(qū)TEC指數(shù)如圖4所示。

由圖4可知，東、中、西部地區(qū)TEC指數(shù)的變化趨勢(shì)差異較大，與全國(guó)層面差異也大。在2006—2007年、2007—2008年共2個(gè)時(shí)間段里，東部地區(qū)TEC指數(shù)為1.065、0.966，而同期全國(guó)層面為1.028、1.017，其他年份東部地區(qū)的波動(dòng)趨勢(shì)與全國(guó)層面差異較小。中部地區(qū)的波動(dòng)與全國(guó)層面差異較大，在2005—2006年、2006—2007年、2009—2010年、2014—2015年、2017—2018年共5個(gè)時(shí)間段，中部地區(qū)TEC指數(shù)為1.020、1.028、1.004、1.020和0.958，而同期全國(guó)層面TEC指數(shù)為1.060、0.999、0.977、0.994、0.937。西部地區(qū)的波動(dòng)與全國(guó)層面差異較小，在2007—2008年、2014—2015年、2016—2017年共3個(gè)時(shí)段里，西部地區(qū)TEC指數(shù)為1.061、1.048和0.975，而同期全國(guó)層面TEC指數(shù)為1.017、1.020和0.995。

各?。ㄗ灾螀^(qū)、直轄市）在2005—2019年GML指數(shù)及其分解均值如圖5所示。

由圖5可知，不同?。ㄗ灾螀^(qū)、直轄市）GML指數(shù)有明顯異質(zhì)性，異質(zhì)性主要因素來(lái)源于TEC指數(shù)。東部地區(qū)的TEC指數(shù)差異較大，且普遍低于中西部地區(qū)。中西部地區(qū)TEC指數(shù)相對(duì)平穩(wěn)，且均值大于1。東部地區(qū)的TC指數(shù)差異較大，波動(dòng)較為劇烈，中西部地區(qū)的TC指數(shù)相對(duì)波動(dòng)平穩(wěn)。

3 討論和建議

依據(jù)全國(guó)層面測(cè)算結(jié)果，GTFP變化趨勢(shì)與70個(gè)大中城市商品住宅價(jià)格指數(shù)環(huán)比走勢(shì)有很強(qiáng)的一致性。其中2010—2011年的峰值和2014—2015年的最低點(diǎn)尤其明顯，說(shuō)明建筑業(yè)受資本投入影響較大，受宏觀經(jīng)濟(jì)政策影響明顯。TEC指數(shù)在2010—2011年變化相對(duì)穩(wěn)定，建筑業(yè)過(guò)熱或過(guò)冷對(duì)其影響并不明顯，TEC指數(shù)起到了平衡GTFP的作用，這與我國(guó)建筑業(yè)人才儲(chǔ)備有關(guān)，一時(shí)的建筑業(yè)過(guò)熱或過(guò)冷并不會(huì)迅速影響行業(yè)內(nèi)的從業(yè)人員素質(zhì)。但從2016年后，TEC指數(shù)有下降壓力，這與建筑業(yè)趨于飽和且民眾看空建筑業(yè)就業(yè)前景有關(guān)。另外，研究發(fā)現(xiàn)，在房地產(chǎn)發(fā)展較熱的時(shí)期，TEC指數(shù)低于1的年份較多，說(shuō)明建筑業(yè)的管理能力需要提升，這樣才能提升效率，同時(shí)，在經(jīng)濟(jì)發(fā)展過(guò)熱的時(shí)期，CO2排放沒(méi)有得到很好地控制。TC指數(shù)變化趨勢(shì)與GTFP有很強(qiáng)的一致性，說(shuō)明其嚴(yán)重依賴(lài)資本投入，受?chē)?guó)家政策影響明顯，但其總體趨勢(shì)是微上升，說(shuō)明國(guó)家在機(jī)械設(shè)備的發(fā)展方面和對(duì)CO2排放約束方面都取得了進(jìn)展。

依據(jù)區(qū)域?qū)用鏈y(cè)算指標(biāo)，2011年前GML指數(shù)區(qū)域異質(zhì)性明顯，甚至2009—2010年中部地區(qū)發(fā)展趨勢(shì)與東、西部地區(qū)相反，2011年后區(qū)域GTFP發(fā)展較為接近，趨于一致。東、中、西部地區(qū)TC指數(shù)的變化趨勢(shì)基本一致，總體是東、中部地區(qū)要高于西部地區(qū)，這與我國(guó)機(jī)械制造增加和普及率提高有很大關(guān)系。

TEC指數(shù)的區(qū)域異質(zhì)性非常明顯，變化趨勢(shì)也不同，且東部地區(qū)趨于平穩(wěn)，中、西部地區(qū)有下行趨勢(shì)，說(shuō)明東部地區(qū)人才儲(chǔ)備和CO2排放約束更好一些，中、西部地區(qū)人才有流失趨勢(shì)，且CO2排放約束較弱。東部地區(qū)TEC指數(shù)多數(shù)低于中、西部地區(qū)，說(shuō)明經(jīng)濟(jì)發(fā)達(dá)地區(qū)在技術(shù)效率提高方面動(dòng)力不足。

基于以上分析，提出以下建議：

（1）采用溫和的宏觀調(diào)控政策。引導(dǎo)建筑業(yè)穩(wěn)步發(fā)展，避免產(chǎn)業(yè)過(guò)熱，進(jìn)而導(dǎo)致TEC指數(shù)降低，也避免產(chǎn)業(yè)過(guò)冷導(dǎo)致極端波谷期。

（2）強(qiáng)化人才培養(yǎng)。加強(qiáng)教育，進(jìn)一步完善職業(yè)培訓(xùn)體系，使得從業(yè)人員素質(zhì)提高，進(jìn)而提高技術(shù)效率。中、西部地區(qū)既要努力提高人才儲(chǔ)備，又要避免人才流失。

（3）建立GTFP省級(jí)數(shù)據(jù)庫(kù)。針對(duì)部分?。ㄗ灾螀^(qū)、直轄市）效率低的問(wèn)題，政府應(yīng)找到原因，有針對(duì)性地加以改變。借鑒效率較高省（自治區(qū)、直轄市）的經(jīng)驗(yàn)，并設(shè)立考核指標(biāo)，尤其是CO2排放指標(biāo)，為未來(lái)“碳達(dá)峰”和“碳中和”做技術(shù)準(zhǔn)備。

4 結(jié)語(yǔ)

本文針對(duì)GML指數(shù)測(cè)度提出了檢驗(yàn)方法，對(duì)測(cè)算GML指數(shù)提出了選取指標(biāo)的約束條件和檢驗(yàn)方法，使得測(cè)算的GML指數(shù)更準(zhǔn)確?；?005—2019年的面板數(shù)據(jù)，采用GML指數(shù)測(cè)算我國(guó)30個(gè)省（自治區(qū)、直轄市）的建筑業(yè)GTFP，并對(duì)其結(jié)果進(jìn)行詳細(xì)分析。主要結(jié)論如下：在計(jì)算GTFP時(shí)，須對(duì)投入、產(chǎn)出指標(biāo)進(jìn)行顯著性檢驗(yàn)，并發(fā)現(xiàn)采用固定效應(yīng)模型較好；2005—2019年GTFP和TC指數(shù)受宏觀經(jīng)濟(jì)政策影響較大，屬于嚴(yán)重依賴(lài)資本投入型產(chǎn)業(yè)；省際GTFP異質(zhì)性明顯，主要來(lái)源于TEC指數(shù)，且東部地區(qū)TEC指數(shù)波動(dòng)較大，普遍效率低；全國(guó)層面TEC指數(shù)總體發(fā)展趨勢(shì)比較平穩(wěn)，并略有下降趨勢(shì)；TC指數(shù)與GTFP變化趨勢(shì)有高度一致性，且各?。ㄗ灾螀^(qū)、直轄市）發(fā)展較為均勻，東、中部地區(qū)要好于西部地區(qū)。

參考文獻(xiàn)

［1］中國(guó)建筑節(jié)能協(xié)會(huì).中國(guó)建筑能耗研究報(bào)告2020［J］.建筑節(jié)能，2021，49（2）：1-6.

［2］陳詩(shī)一.中國(guó)的綠色工業(yè)革命：基于環(huán)境全要素生產(chǎn)率視角的解釋?zhuān)?980—2008）［J］.經(jīng)濟(jì)研究，2010，45（11）：21-34.

［3］CHARNES A，COOPER W W，RHODES E.Measuring the efficiency of decision making units［J］.European Journal of Operational Research，1978，2（2）：429-444.

［4］BANKER R D，CHARNES A，COOPER W W.Some models for estimating technical and scale inefficiencies in data envelopment analysis［J］.Management Science，1984，30（9）：1078-1092.

［5］MALMQUIST S.Index numbers and indifference surfaces［J］.Trabajos De Estadistica，1953，4（2）：209-242.

［6］CAVES D W，CHRISTENSEN L R，DIEWERT W.The economic theory of Index numbers and the measurement of Input，output，and productivity［J］.Econometrica，1982，50（6）：1393-1414.

［7］FRE R，GROSSKOPF S，LINDGREN B，et al.Productivity changes in Swedish pharmacies 1980—1989：anon-parametric malmquist approach［J］.Journal of Productivity Analysis，1992，3（3）：85-101.

［8］CHUNG Y H，F(xiàn)RE R，GROSSKOPF S.Productivity and undesirable outputs：a directional distance function approach［J］.Microeconomics，1997，51（3）：229-240.

［9］PASTOR J T，LOVELL C.A global Malmquist index［J］.Econ Lett，2005，88（2）：266-271.

［10］OH D H.A global Malmquist-Luenberger productivity index［J］.Journal of Productivity Analysis，2010，34（3）：183-197.

［11］向鵬成，謝怡欣，李宗煜.低碳視角下建筑業(yè)綠色全要素生產(chǎn)率及影響因素研究［J］.工業(yè)技術(shù)經(jīng)濟(jì)，2019，38（8）：57-63.

［12］張靜曉，金偉星，李慧，等.中國(guó)建筑業(yè)動(dòng)態(tài)綠色全要素生產(chǎn)率測(cè)度研究［J］.工程管理學(xué)報(bào)，2020，34 （1）：1-6.

［13］花均南，王巖.中國(guó)建筑業(yè)綠色全要素生產(chǎn)率分析——基于30個(gè)省份的面板數(shù)據(jù)［J］.數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2020，50（13）：297-303.

［14］葉貴，付媛，王玉合，等.建筑業(yè)全要素生產(chǎn)率測(cè)量研究綜述［J］.建筑經(jīng)濟(jì)，2019，40（9）：24-28.

收稿日期：2022-09-21

作者簡(jiǎn)介：

董海（1984—），男，博士研究生，研究方向：工程管理、投資經(jīng)濟(jì)。

王立國(guó)（通信作者）（1957—），男，教授，博士研究生導(dǎo)師，研究方向：工程管理、投資經(jīng)濟(jì)。