環(huán)境視角下中國工業(yè)效率測度及影響因素研究

辜子寅

（1.中南財經(jīng)政法大學(xué) 統(tǒng)計與數(shù)學(xué)學(xué)院，武漢 430073；2.常熟理工學(xué)院 數(shù)學(xué)與統(tǒng)計學(xué)院，江蘇 常熟 215500）

0 引言

改革開放以來，我國工業(yè)占國內(nèi)生產(chǎn)總值的比重一直維持在40%左右，工業(yè)對國民經(jīng)濟具有舉足輕重的作用。2011年12月，國務(wù)院下發(fā)《工業(yè)轉(zhuǎn)型升級規(guī)劃（2011～2015年）》的通知，通知明確指出增加自主創(chuàng)新能力、提高工業(yè)效率、促進綠色工業(yè)發(fā)展是工業(yè)轉(zhuǎn)型升級的重點任務(wù)。我國進入工業(yè)化發(fā)展的中后期階段，正處工業(yè)轉(zhuǎn)型的關(guān)鍵時期，對工業(yè)效率的正確測度不得不考慮對生態(tài)環(huán)境帶來的影響。近年來，學(xué)者們開始對此問題進行研究。Jefferson等（2000）[1]對我國工業(yè)所有制、生產(chǎn)效率及財務(wù)績效進行考察并分析其變化趨勢。Zofio與Prieto（2001）[2]基于CO2的排放角度衡量了OECD中14個國家制造業(yè)的環(huán)境成本。Baris等（2005）[3]利用Malmquist-Luenberger指數(shù)方法在考慮環(huán)境污染基礎(chǔ)上測算了OECD國家的生產(chǎn)率狀況。陳詩一（2009）[4]將CO2的排放作為一種投入要素，運用超越對數(shù)分行業(yè)生產(chǎn)函數(shù)測算我國實際工業(yè)生產(chǎn)率。涂正革等（2008、2011）[5-6]以SO2作為非期望環(huán)境產(chǎn)出，運用SBM模型對資源環(huán)境約束下我國工業(yè)的環(huán)境效率及其影響因素進行實證分析。韓元軍等（2011）[7]以工業(yè)SO2為非期望產(chǎn)出考察環(huán)境非規(guī)制、弱規(guī)制和強規(guī)制下的工業(yè)效率及影響因素。劉睿劼等（2012）[8]以工業(yè)環(huán)境影響的社會支付意愿代表環(huán)境投入，采用超效率DEA模型對我國2005～2009年各地工業(yè)效率差異進行綜合評價。王燕等（2012）[9]以廢氣排放作為非期望產(chǎn)出，引入方向性距離函數(shù)和Malmquist指數(shù)法測度了我國綠色全要素生產(chǎn)率。

在前人研究基礎(chǔ)上，本文所做工作主要有以下幾個方面：第一，以往學(xué)者大多以CO2、SO2等單一污染作為工業(yè)產(chǎn)出在環(huán)境上犧牲，本文采用工業(yè)“三廢”全面衡量環(huán)境污染。第二，本文從靜態(tài)與動態(tài)兩方面測度工業(yè)效率，并對比不考慮環(huán)境污染的效率值，找出工業(yè)發(fā)展落后的地區(qū)，并對地區(qū)工業(yè)發(fā)展效率的收斂性進行判斷，以往學(xué)者少有研究。第三，對工業(yè)效率影響因素的選擇，以往的研究大多關(guān)注與經(jīng)濟增長相關(guān)的變量，而忽略經(jīng)濟波動的影響，本文彌補此研究空缺。

1 工業(yè)效率的測度

1.1 變量選取和數(shù)據(jù)處理

本文研究時段為1997～2010年，研究對象為全國30個省市（由于西藏缺失數(shù)據(jù)較多，故不在分析范圍內(nèi)）。投入變量和產(chǎn)出變量的基本數(shù)據(jù)來源于歷年《中國統(tǒng)計年鑒》、中國經(jīng)濟信息網(wǎng)專題資料庫及國研網(wǎng)數(shù)據(jù)庫。

投入變量從資本投入和勞動力投入兩方面來考慮。資本投入用工業(yè)固定資產(chǎn)凈值年平均余額來表示，為消除價格因素，以固定資產(chǎn)價格指數(shù)（以1997為基期）對其進行調(diào)整。由于往年沒有工業(yè)從業(yè)人員直接統(tǒng)計數(shù)據(jù)，而從核算上我國工業(yè)包括采礦業(yè)、制造業(yè)、電力、燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)三大部門，則用此三部門年底從業(yè)人員數(shù)作為勞動力投入。

產(chǎn)出變量從期望產(chǎn)出和非期望產(chǎn)出兩方面考慮。期望產(chǎn)出即“好”產(chǎn)出，用地區(qū)工業(yè)增加值來表示，以工業(yè)品出廠價格指數(shù)（以1997為基期）剔除價格影響。非期望產(chǎn)出即“壞”產(chǎn)出，則用工業(yè)“三廢”來表示，即工業(yè)廢水排放總量、工業(yè)廢氣排放總量和工業(yè)固體廢物排放總量。在運用DEA或Malmquist指數(shù)方法進行效率測算時，由于傳統(tǒng)模型總希望投入最少最好，產(chǎn)出越多越好。那么，對含有非期望產(chǎn)出的模型，“壞”產(chǎn)出需要進行轉(zhuǎn)換。目前常見的處理方式主要有兩種，一種是將“壞”產(chǎn)出作為投入變量進行分析，但這種處理方法違背物質(zhì)平衡法的基本思想，對期望產(chǎn)出和非期望產(chǎn)出的不對稱處理會扭曲工業(yè)效率的測度，甚至出現(xiàn)政策建議的謬誤。另一種處理方式是將“壞”產(chǎn)出進行線性或非線性變換，使之成為越大越好的變量。本文的分析將使用第二種思路，采納Seiford與Zhu（2002）[10]提出線性數(shù)據(jù)函數(shù)變換方法對工業(yè)“三廢”進行處理，即=-yit+max(yt)+1，其中，yit表示第t年第i個地區(qū)“三廢”排放量原始值，max(yt)為第t年排放量的最大值，yit轉(zhuǎn)化后記為。

1.2 基于DEA的靜態(tài)效率測度

1.2.1 中國工業(yè)效率測度及差異研究

利用deap2.1分析軟件，構(gòu)建DEA中C2R模型計算得到我國30個省市每年工業(yè)技術(shù)效率值（crste），再構(gòu)建DEA中的C2GS2模型將技術(shù)效率分解為純技術(shù)效率（vrste）和規(guī)模效率（scale），有crste=vrste×scale。依據(jù)歷年靜態(tài)測算結(jié)果，計算1997～2010年各效率的平均值，不考慮工業(yè)“三廢”污染的評價結(jié)果見圖1所示，考慮非期望產(chǎn)出測度結(jié)果見圖2所示。

圖1 不考慮環(huán)境污染的工業(yè)效率

圖2 考慮環(huán)境污染的工業(yè)效率

由圖1，不考慮環(huán)境污染時，工業(yè)效率較高的地區(qū)依次是江蘇、浙江、福建、廣東、湖南、河南、山東、河北和上海，其技術(shù)效率值均大于0.8。其中，江蘇和廣東的純技術(shù)效率在這期間一直處于最優(yōu)狀態(tài)。而其它地區(qū)的規(guī)模效率皆大于0.9，純技術(shù)效率是制約工業(yè)效率進一步提升的主要原因。工業(yè)效率低下的地區(qū)為新疆、青海、甘肅、寧夏、山西和貴州，其技術(shù)效率值均低于0.5。其中，山西主要由于純技術(shù)效率很差，青海主要因為工業(yè)規(guī)模受到限制，而新疆、甘肅、寧夏和貴州則受到純技術(shù)效率和規(guī)模效率的雙重拖累。

由圖2，若考慮環(huán)境污染的制約，工業(yè)效率排名前5位的地區(qū)依次為海南、福建、青海、江蘇和浙江，其技術(shù)效率、純技術(shù)效率和規(guī)模效率均大于0.9，尤其是青海，歷年一直處于相對最優(yōu)水平。而排名后5位的地區(qū)分別是新疆、山西、甘肅、遼寧和黑龍江，它們的規(guī)模效率都較高，而純技術(shù)效率皆存在較大的改進空間。

對比圖1與圖2，從地區(qū)層面來看，排名變化較大的地區(qū)有6個。其中，海南、青海、寧夏三地的工業(yè)效率在不考慮環(huán)境污染時排名十分靠后，分別為23、29、27，而在考慮環(huán)境污染后排名迅速提高到1、3、14。另外，山東、湖北和黑龍江三省工業(yè)效率則在考慮環(huán)境污染后排名分別為12、25、26，較不考慮污染時落后5～7位。同樣出現(xiàn)排名變化后移的地區(qū)還有上海、安徽、天津、四川和北京，較不考慮污染時名次落后4位。這些地區(qū)工業(yè)增加值的提高是以工業(yè)“三廢”大量排放、犧牲環(huán)境為代價換取的。對比圖1，從圖2不難發(fā)現(xiàn)，在考慮環(huán)境污染后，工業(yè)規(guī)模效率總體較高，低于0.9的地區(qū)僅6個，分別為北京、天津、山東、上海、黑龍江和廣東，這幾個地區(qū)恰處于規(guī)模收益遞減階段，表明投入量的增加不可能帶來更大比例的產(chǎn)出增量，工業(yè)規(guī)模過于龐大已經(jīng)帶來負(fù)效應(yīng)。整體上看，我國工業(yè)規(guī)模效率已接近最優(yōu)前沿面，工業(yè)技術(shù)效率主要受純技術(shù)效率的影響，只有通過技術(shù)創(chuàng)新，突破瓶頸因素制約，才能從根本上改善工業(yè)效率。

從東、中、西部三大區(qū)域?qū)用鎭砜?，不考慮環(huán)境污染時，東部地區(qū)工業(yè)效率最高，平均值為0.759，中部地區(qū)次之，平均值為0.646，西部地區(qū)最差，平均值為0.540。在考慮環(huán)境污染后，東部仍最高，為0.819，其次是西部，為0.703，最差的是中部，為0.699。總體上看，東部純技術(shù)效率較高，平均值為0.928，其規(guī)模效率有待改進，平均值僅為0.889。中、西部工業(yè)效率值較接近，規(guī)模效率平均值分別為0.951和0.980，純技術(shù)效率平均值依次是0.740和0.718，中、西部在純技術(shù)方面有很大提升空間。

1.2.2 中國工業(yè)效率收斂性分析

從以上分析可以看到，在考慮環(huán)境污染情況下，不同地區(qū)工業(yè)效率存在較大差異，下面通過對工業(yè)效率進行收斂性檢驗來探索這種差異是怎樣演變的。收斂性有σ收斂和β收斂，由于β收斂存在Galton謬誤，故本文運用σ收斂的檢驗來考察我國工業(yè)效率差異發(fā)展的變化趨勢。σ收斂性的檢驗方程是：，其中，xit為第t年第i個地區(qū)的工業(yè)效率值，為n個地區(qū)工業(yè)效率值在第t年的方差，其平方根σt即為標(biāo)準(zhǔn)差。若σt+1＜σt，則表示σt伴隨時間而變小，即存在σ收斂性?？紤]環(huán)境污染，我國工業(yè)技術(shù)效率、純技術(shù)效率和規(guī)模效率的標(biāo)準(zhǔn)差演變?nèi)鐖D3所示。不難發(fā)現(xiàn)，各地區(qū)的工業(yè)技術(shù)效率和純技術(shù)效率的演變趨勢基本一致，即標(biāo)準(zhǔn)差在反復(fù)波動中不斷上升，不具有σ收斂特征。規(guī)模效率變化相對平穩(wěn)，標(biāo)準(zhǔn)差在2000～2004年期間從0.168逐步下降到0.097，存在σ收斂，之后又呈現(xiàn)發(fā)散態(tài)勢。

1.3 基于Malmquist指數(shù)的動態(tài)效率測度

1.3.1 中國工業(yè)效率測度及差異研究

DEA方法用的是每一年度的截面數(shù)據(jù)，測度的是工業(yè)生產(chǎn)過程中各個地區(qū)在同一時點的相對效率，因此上述研究是從靜態(tài)角度評價了我國30個省市工業(yè)效率。Malmquist生產(chǎn)率增長指數(shù)是對包含時間變量的面板數(shù)據(jù)進行動態(tài)分析，測度投入產(chǎn)出效率的變化，可分解為效率改進指數(shù)（effch）和技術(shù)進步指數(shù)（tech），而效率改進指數(shù)可進一步分解為純技術(shù)效率變化指數(shù)（pech）和規(guī)模效率變化指數(shù)（sech），即：Malmquist=effch×tech，effch=pech×sech。下面運用軟件deap2.1測度1997～2010年效率變動情況，結(jié)果見表1、表2所示。

圖3 環(huán)境視角下工業(yè)效率的標(biāo)準(zhǔn)差演變

表1 1997～2010年Malmquist指數(shù)年均變化情況

由表1，從全國總體水平來看，若不考慮環(huán)境污染，1997～2010年期間Malmquist指數(shù)年平均增長率為5.7%，除1999年工業(yè)效率出現(xiàn)下降外，其余各年Malmquist指數(shù)都大于1，表明工業(yè)效率逐年得到提升。Malmquist指數(shù)提高來源于效率改進和技術(shù)進步的雙重貢獻，其中，技術(shù)進步指數(shù)平均增長率為4.2%，而效率改進指數(shù)平均增長率為1.4%，純技術(shù)效率均值為1，說明效率改進全來自于規(guī)模效率的貢獻。

考慮環(huán)境污染后，全國工業(yè)平均效率出現(xiàn)下滑，Malmquist指數(shù)年平均增長率由5.7%下降到3.4%，有5個年份出現(xiàn)效率退步。工業(yè)效率主要驅(qū)動力量來自技術(shù)進步，其貢獻為3.2%，一直以較平穩(wěn)的速度增長，僅3年出現(xiàn)技術(shù)內(nèi)陷。而效率改進的貢獻僅為0.1%，呈現(xiàn)波動性增減。規(guī)模效率變化指數(shù)為0.999＜1，2005年前為低增長時期，2005年后規(guī)模效率連續(xù)惡化，說明工業(yè)效率的提高沒有得到規(guī)模效率的有力支撐，規(guī)模效率存在很大的改進空間?？偟膩砜?，除純技術(shù)效率略有提高，其他效率指數(shù)平均值都低于不考慮環(huán)境污染時的對應(yīng)數(shù)值，這表明我國工業(yè)發(fā)展過程中，工業(yè)“三廢”造成了效率的嚴(yán)重?fù)p失，忽略環(huán)境的約束會使工業(yè)效率的評價失真。

表2 1997～2010年各地區(qū)Malmquist指數(shù)變化情況

由表2，從三大區(qū)域?qū)用鎭砜矗舨豢紤]環(huán)境污染，東部Malmquist指數(shù)最高，年平均增長率為7.3%，其次是西部，為5.3%，中部增長速度最慢，為3.9%。三大區(qū)域的效率改進指數(shù)和技術(shù)進步指數(shù)均大于1，共同推動效率的提高。東部的上海、天津、海南和西部的青海、內(nèi)蒙古平均每年效率改善幅度均超10%，全國僅黑龍江的效率受到遏制，出現(xiàn)負(fù)增長。

考慮環(huán)境污染后，大多數(shù)指數(shù)出現(xiàn)不同程度的下降。相對而言，東部Malmquist指數(shù)仍然最高，中、西部排名發(fā)生變化，西部平均增長率最低，僅為1.5%。從變動的主要源泉來看，技術(shù)進步指數(shù)的貢獻分別為4.9%、2.3%和2.2%，效率改進指數(shù)亟待提高，對東、中部效率改善的促進程度不到1%，而西部下降幅度達到0.7%。對效率改進指數(shù)進行分解，發(fā)現(xiàn)東部效率改進來源于純技術(shù)效率和規(guī)模效率提高的共同作用，盡管兩者上升幅度都不是很大。中部純技術(shù)效率是最高的，但受到規(guī)模效率下降的拖累，使得效率改進指數(shù)略有上升。西部恰恰相反，純技術(shù)的下降幅度（-0.8%）大于規(guī)模效率提高的幅度（0.1%），最終使效率改進指數(shù)出現(xiàn)退化?？紤]環(huán)境污染的制約，Malmquist指數(shù)改善幅度超過10%的地區(qū)只有2個，上海和天津，較不考慮環(huán)境污染時有所下降。Malmquist指數(shù)小于1的地區(qū)有6個，分別是來自中部的黑龍江、山西和來自西部的寧夏、貴州、云南、甘肅，較不考慮環(huán)境污染時的數(shù)量增加了5個，說明這些省份在工業(yè)發(fā)展過程中均付出了環(huán)境代價，比如，黑龍江東部和山西就已建成大型煤炭基地，是以高污染的重化工業(yè)為主導(dǎo)產(chǎn)業(yè)。

1.3.2 中國工業(yè)效率收斂性分析

考慮環(huán)境污染，我國工業(yè)動態(tài)效率Malmquist指數(shù)、效率改進指數(shù)和技術(shù)進步指數(shù)的標(biāo)準(zhǔn)差演變?nèi)鐖D4所示。不難發(fā)現(xiàn)，各指數(shù)波動頻繁，均不具有σ收斂特征。但相對初始值，各地區(qū)動態(tài)效率差異明顯減弱。

圖4 環(huán)境視角下工業(yè)動態(tài)效率的標(biāo)準(zhǔn)差演變

2 工業(yè)效率影響因素分析

2.1 變量選取和數(shù)據(jù)處理

以上基于環(huán)境視角從靜態(tài)和動態(tài)兩方面對我國30個省市1997～2010年的工業(yè)效率及其收斂性進行了測度，結(jié)果表明，無論靜態(tài)效率還是動態(tài)效率，各地區(qū)均存在較大差異，且此差異呈現(xiàn)進一步擴大的趨勢。落后地區(qū)應(yīng)如何改進才能提高工業(yè)效率呢？下文通過構(gòu)建面板數(shù)據(jù)模型對環(huán)境視角下的動態(tài)工業(yè)效率的影響因素及其影響程度進行探討。影響因素從如下5個方面來考慮：（1）產(chǎn)權(quán)結(jié)構(gòu)，用國有及國有控股企業(yè)工業(yè)總產(chǎn)值占各地區(qū)整個規(guī)模工業(yè)總產(chǎn)值的比重來表示，記為X1；（2）貿(mào)易開放度，用各地區(qū)進出口貿(mào)易商品總值（由于原始數(shù)據(jù)是用美元記錄的，故要通過人民幣匯率年平均價將其轉(zhuǎn)化為人民幣形式）與GDP之比來表示，記為X2；（3）政府影響力，用各地區(qū)政府財政支出占GDP比重來表示，記為X3；（4）環(huán)保舉措，用工業(yè)二氧化硫去除率作為代理變量，是用工業(yè)二氧化硫去除量占其排放總量的比重表示，記為X4；（5）經(jīng)濟波動。將各地區(qū)GDP按可比價格（以1997為基期）折算為實際GDP，剔除價格因素影響，然后取其自然對數(shù)，運用H-P濾波方法分離長期趨勢部分，得到周期性經(jīng)濟波動部分，記為X5。若X5大于0，表明經(jīng)濟勢態(tài)良好，處于向上運行過程中，若X5小于0，表明經(jīng)濟出現(xiàn)下滑。以上數(shù)據(jù)來源于歷年《中國統(tǒng)計年鑒》、中國經(jīng)濟信息網(wǎng)專題資料庫及國研網(wǎng)數(shù)據(jù)庫。

以X1-X5為自變量，分別以Malmquist生產(chǎn)率增長指數(shù)、效率改進指數(shù)（effch）和技術(shù)進步指數(shù)（tech）的累計值（以1997年為基期，指數(shù)設(shè)為1，后續(xù)年份指數(shù)在此基礎(chǔ)上累加折算）為因變量，構(gòu)建面板數(shù)據(jù)模型。模型設(shè)置如下：Malmquistit=ci+β1X1it+β2X2it+β3X3it+β4X4it+β5X5it+uit effchit=ci+β1X1it+β2X2it+β3X3it+β4X4it+β5X5it+uit techit=ci+β1X1it+β2X2it+β3X3it+β4X4it+β5X5it+uit

2.2 實證過程及結(jié)果

2.2.1 面板單位根檢驗

為了避免出現(xiàn)偽回歸現(xiàn)象，采用LLC方法對各個變量進行單位根檢驗以判斷其平穩(wěn)性，利用EViews軟件得LLC 統(tǒng)計量分別為-16.4472（X1）、-2.9745（X2）、-3.6693（X3）、-2.6442（X4）、-7.4108（X5）、-4.2542（effch）、-11.3154（tech）、-5.9285（Malmquist），相伴概率均接近于0，則拒絕存在單位根的原假設(shè)，表明各自變量與因變量均為平穩(wěn)序列，可以建立面板數(shù)據(jù)模型。

2.2.2 回歸分析結(jié)果

由于使用的是所有地區(qū)的數(shù)據(jù)，可看作是總體，故適宜運用固定效應(yīng)模型。本文采用廣義最小二乘法對模型參數(shù)進行估計，使用估計的截面殘差的方差進行加權(quán)，模型擬合效果很好，回歸方程如表3所示。

表3 工業(yè)效率影響因素分析

產(chǎn)權(quán)結(jié)構(gòu)對Malmquist指數(shù)產(chǎn)生顯著負(fù)向影響，表明國有及國有控股企業(yè)工業(yè)總產(chǎn)值占整個規(guī)模工業(yè)總產(chǎn)值比重下降1%，工業(yè)效率會上升0.34個百分點。這一負(fù)效應(yīng)主要來源于對技術(shù)進步的阻礙，因為國有及國有控股企業(yè)工業(yè)總產(chǎn)值比重對效率改進指數(shù)沒有顯著影響。具體來看，1997年全國國有及國有控股企業(yè)工業(yè)總產(chǎn)值比重為25.52%，隨后幾年，國有企業(yè)數(shù)量迅速膨脹，1999年此比重達到最大值48.92%，一直到2003年后，國民經(jīng)濟重拾兩位數(shù)的增長速度，工業(yè)得到極大促進，國有及其控股企業(yè)比重才逐漸下降至2010年的26.60%。三大區(qū)域間國有企業(yè)產(chǎn)值比重差異非常顯著，2010年，東、中、西部國有企業(yè)及其控股企業(yè)工業(yè)總產(chǎn)值比重分別為20.48%、35.30%、44.18%。前文分析得到，無論靜態(tài)效率還是動態(tài)效率，東部都是最優(yōu)的，而東部的國有及其控股企業(yè)產(chǎn)值比重歷年都是最低的，一般都維持在20%左右，西部一直都是最高的，1999年達到最高值75.37%。國有及其控股企業(yè)技術(shù)力量薄弱，缺乏有效的激勵和約束，不能優(yōu)化配置資源，制約著工業(yè)效率的提高，鼓勵民營企業(yè)、外資企業(yè)等非國有工業(yè)企業(yè)的發(fā)展壯大，引進先進的技術(shù)設(shè)備和管理經(jīng)驗，有利工業(yè)水平的提高。

貿(mào)易開放度對Malmquist指數(shù)、效率改進指數(shù)和技術(shù)進步指數(shù)均產(chǎn)生顯著正向影響。加大進出口，擴大內(nèi)需和外需，繁榮工業(yè)，要特別關(guān)注進出口商品的類別及其金額。我國一直保持貿(mào)易順差的部門中，比如食品制造業(yè)（順差額由1997年20.85億美元增加到2010年97.63億美元）、紡織原料及紡織制品業(yè)（相比1997年，2010年的順差額翻了2.71番）、皮革制品業(yè)（2010年順差額155.46億美元，是1997年的4.35倍），這些部門的化學(xué)需氧量、氨氮、苯胺、氰化物、揮發(fā)酚等污染物的排放系數(shù)較高。這些商品產(chǎn)出及出口的增加必然加重環(huán)境的負(fù)荷。而同樣保持順差額不斷擴大的通信、電子設(shè)備制造業(yè)各種污染排放系數(shù)則相對較低，對工業(yè)效率有促進作用。而我國在保持貿(mào)易逆差的部門中，造紙業(yè)（逆差額由1997年的36.58億美元逐漸增加到2010年的76.59億美元，翻了1番）化學(xué)需氧量排放系數(shù)高，非金屬礦物制品業(yè)（逆差額由44.11億美元增加到2726.52億美元）二氧化硫排放系數(shù)高，化學(xué)工業(yè)（逆差額由9.10億美元增加到182.34億美元）多類污染物的排放系數(shù)都很高，大量進口這些部門的產(chǎn)品，減少其在中國的生產(chǎn)足跡，在很大程度上能緩解環(huán)境壓力，提高工業(yè)效率。可見從理論上，進出口不同類型的產(chǎn)品對環(huán)境視角下的工業(yè)效率作用不同，而從實證結(jié)果來看，貿(mào)易開放度的擴大為我國工業(yè)可持續(xù)發(fā)展提供有力支持。

政府影響力對Malmquist指數(shù)產(chǎn)生顯著負(fù)向影響，其中，對技術(shù)進步?jīng)]有顯著影響，負(fù)作用表現(xiàn)為對效率改進的拖累。在工業(yè)發(fā)展進程中，企業(yè)受利益驅(qū)使，會出現(xiàn)盲目追求經(jīng)濟效益而產(chǎn)生環(huán)境污染的問題，外部性的存在導(dǎo)致市場失靈，此時要靠政府通過法律法規(guī)和運用各種行政手段進行管制。2010年國家在環(huán)境保護方面的財政支出2441.98億元，占財政支出總額的2.72%，其中2.85%來自中央支出，97.15%來自地方支出。當(dāng)前國家對環(huán)保的支持力度還不夠，現(xiàn)行財政政策未能對工業(yè)效率的提升起到積極作用，政策有待進一步完善。政府要加大環(huán)保宣傳力度，提高企業(yè)環(huán)保意識和民眾的監(jiān)督意識，切實發(fā)揮非政府組織的作用，以法律法規(guī)的形式明確環(huán)保目標(biāo)和標(biāo)準(zhǔn)，對達不到目標(biāo)的企業(yè)加大稅收和進行懲罰，對注重環(huán)保的企業(yè)和項目進行補貼和資助。

環(huán)保舉措對Malmquist指數(shù)產(chǎn)生顯著正向影響，其中，對技術(shù)進步的推動作用強于對效率改進指數(shù)的提高，這說明強化對工業(yè)“三廢”的治理會促進工業(yè)效率的改善。環(huán)保舉措的加強必然要加大環(huán)保投資和污染治理力度，具體來看，2010年我國工業(yè)污染治理完成投資396.98億元，較2000年234.79億元有了較大增幅，2007年一度達到最高投資額552.39億元，其中治理工業(yè)廢水的力度是最大的，近些年其資金占投資總額的50%左右。污染治理投資的地區(qū)差異也較大，就2010年而言，東部完成投資176.50億元，遠(yuǎn)高于中部的105.56億元和西部的114.92億元。與投資成正比的是“三廢”綜合利用產(chǎn)品產(chǎn)值，有了效率和技術(shù)的支撐，2010年全國“三廢”綜合利用產(chǎn)品產(chǎn)值1778.50億元，東部就占54.84%，比1997年多4.46個百分點?？梢?，環(huán)境視角下工業(yè)效率的提高與污染治理投資的重視是密不可分的。在今后工業(yè)發(fā)展過程中，中、西部要加大環(huán)保投資力度，加強對“三廢”排放的治理和控制能力，提高工業(yè)效率。

經(jīng)濟波動對Malmquist指數(shù)、效率改進指數(shù)和技術(shù)進步指數(shù)均產(chǎn)生顯著負(fù)影響。這說明經(jīng)濟向上波動會阻礙Malmquist指數(shù)的提升，相反，經(jīng)濟出現(xiàn)下滑反而會促進效率改進和技術(shù)進步。1997～2010年期間，國民經(jīng)濟的最低谷發(fā)生在1999年，GDP增長率僅為7.6%，而2007年則以14.2%的高速增長。對比這兩年我國大中型工業(yè)企業(yè)科技活動情況，盡管有技術(shù)開發(fā)機構(gòu)的企業(yè)數(shù)、從事技術(shù)開發(fā)經(jīng)費等絕對指標(biāo)，2007年的數(shù)值高于1999年，但從相對指標(biāo)來看，1999年有技術(shù)開發(fā)機構(gòu)的企業(yè)占全部企業(yè)的比重為32.0%，而2007年此比重卻下降到24.7%，同樣，技術(shù)開發(fā)經(jīng)費支出占產(chǎn)品銷售收入的比重由1999年的1.35%降到2007年的0.81%。經(jīng)濟向上運行時，市場需求較大，企業(yè)容易滿足一時的盈利而不思進取和不求創(chuàng)新。反而，經(jīng)濟向下波動時，在一定程度上形成“倒逼機制”，迫使企業(yè)反思，在逆境中尋求效率突破和技術(shù)革新。浙江省統(tǒng)計局對3791家大型工業(yè)企業(yè)2008年第四季度的調(diào)查顯示，46.4%的企業(yè)把生產(chǎn)新產(chǎn)品、調(diào)整產(chǎn)品結(jié)構(gòu)作為應(yīng)對國際金融危機的主要措施，經(jīng)濟向下波動時期企業(yè)具有更大的創(chuàng)新激勵。

3 結(jié)論

從靜態(tài)效率來看，若考慮環(huán)境污染的制約，海南、福建、青海、江蘇和浙江工業(yè)效率較高，新疆、山西、甘肅、遼寧和黑龍江工業(yè)效率較低。從區(qū)域?qū)用鎭砜?，東部地區(qū)工業(yè)效率最高，但工業(yè)規(guī)模過大，規(guī)模效率還有進一步提升的空間。中、西部工業(yè)效率較差，主要表現(xiàn)為技術(shù)落后，純技術(shù)效率亟待改善。各地區(qū)的工業(yè)靜態(tài)效率差異較大，不存在σ收斂特征。

從動態(tài)效率來看，考慮環(huán)境污染后，工業(yè)效率平均增長率出現(xiàn)不同程度下滑，說明總的來說“三廢”排放造成了效率的損失。工業(yè)效率主要驅(qū)動力量來自技術(shù)進步。從區(qū)域差異看，東部效率最高，中部主要受到規(guī)模效率下降的拖累，西部的問題出現(xiàn)在純技術(shù)效率下降幅度較大。各地區(qū)的工業(yè)動態(tài)效率差異較大，也不存在σ收斂特征。

從工業(yè)效率的影響因素來看，貿(mào)易開放度和環(huán)保舉措對工業(yè)效率產(chǎn)生顯著正向影響，產(chǎn)權(quán)結(jié)構(gòu)、政府影響力和經(jīng)濟波動對工業(yè)效率產(chǎn)生顯著負(fù)向影響。在“中部崛起”和“西部大開發(fā)”戰(zhàn)略的推動下，不可否認(rèn)，中、西部的工業(yè)經(jīng)濟得到了快速增長，但若以粗放型經(jīng)濟為主導(dǎo)，走先污染、后治理的老路，工業(yè)的發(fā)展將不可持續(xù)。從環(huán)境的視角正視工業(yè)效率，對以工業(yè)為國民經(jīng)濟主體的中國具有重要的意義。

[1]Jefferson G,Rawski T,Li W,Zheng Y.Ownership,Productivity Change,and Financial Performance in Chinese Industry[J].Journal of Comparative Economics,2000,28(4).

[2]Zofio J L,Prieto A M.Environmental Efficiency and Regulatory Standards：The Case of CO2Emission from OECD Industries[J].Resource and Energy Economics,2001,23(1).

[3]Baris K,Yoruk,Osman Zaim.Productivity Growth in OECD Countries：A Comparison with Malmquist Indices[J].Journal of Comparative Economics,2005,53(2).

[4]陳詩一.能源消耗、二氧化碳排放與中國工業(yè)的可持續(xù)發(fā)展[J].經(jīng)濟研究，2009，(4).

[5]涂正革.環(huán)境、資源與工業(yè)增長的協(xié)調(diào)性[J].經(jīng)濟研究，2008，(2).

[6]涂正革，劉磊珂.考慮能源、環(huán)境因素的中國工業(yè)效率評價[J].經(jīng)濟評論，2011，(2).

[7]韓元軍，林坦，殷書爐.中國的環(huán)境規(guī)制強度與區(qū)域工業(yè)效率研究：1999～2008[J].上海經(jīng)濟研究，2011，(10).

[8]劉睿劼，張智慧.環(huán)境約束下的中國工業(yè)效率地區(qū)差異評價[J].長江流域資源與環(huán)境，2012，(6).

[9]王燕，謝蕊蕊.能源環(huán)境約束下中國區(qū)域工業(yè)效率分析[J].中國人口·資源與環(huán)境，2012，(5).

[10]Seiford L M,Zhu J.Modeling Undesirable Factors in Efficiency Evaluation[J].European Journal of Operational Research,2002,142(1).