中國(guó)工業(yè)綠色全要素生產(chǎn)率的時(shí)空演化特征及影響因素研究
——以供給側(cè)結(jié)構(gòu)性改革為視角

馬大來(lái)，張鳳太，肖粵東，宮兆淼，趙娜，揣小偉

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

改革開放40 多年來(lái)，作為國(guó)民經(jīng)濟(jì)主導(dǎo)產(chǎn)業(yè)的工業(yè)部門快速發(fā)展，為中國(guó)的經(jīng)濟(jì)增長(zhǎng)做出了突出貢獻(xiàn)。當(dāng)前中國(guó)的工業(yè)規(guī)模已經(jīng)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(zhǎng)188.92 倍，年均增長(zhǎng)達(dá)到13.64%。2018 年中國(guó)的制造業(yè)增加值已經(jīng)占全球總額的30%，成為推動(dòng)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(zhì)財(cái)富的同時(shí)，其長(zhǎng)期以來(lái)高投資、高耗能和高排放的增長(zhǎng)模式，也消耗了大量的能源，并且產(chǎn)生了嚴(yán)重的環(huán)境污染。數(shù)據(jù)顯示，2018 年工業(yè)終端能源消費(fèi)量高達(dá)300 558 萬(wàn)噸標(biāo)準(zhǔn)煤，占全部終端能源消費(fèi)總量的65.19%。與此同時(shí)，當(dāng)前中國(guó)的環(huán)境保護(hù)工作依舊不容樂(lè)觀?！?018 年全球環(huán)境績(jī)效指數(shù)報(bào)告》顯示，中國(guó)環(huán)境績(jī)效指數(shù)在180 個(gè)國(guó)家中僅排第120 位。鑒于工業(yè)部門作為環(huán)境污染物產(chǎn)生的主力軍，加快推進(jìn)工業(yè)部門的節(jié)能減排已經(jīng)迫在眉睫。同時(shí)，考慮到當(dāng)前中國(guó)工業(yè)部門的發(fā)展軌跡，以及工業(yè)部門在促進(jìn)經(jīng)濟(jì)增長(zhǎng)和保障就業(yè)中的關(guān)鍵作用，如何在加快推進(jìn)工業(yè)節(jié)能減排的前提下，促進(jìn)工業(yè)部門綠色轉(zhuǎn)型成為政府所要解決的重要問(wèn)題，據(jù)此提升工業(yè)綠色全要素生產(chǎn)率成為可行之路。

當(dāng)前黨和政府高度重視工業(yè)綠色轉(zhuǎn)型問(wèn)題。習(xí)近平總書記在2018 年的全國(guó)生態(tài)環(huán)境保護(hù)大會(huì)上強(qiáng)調(diào)，要圍繞調(diào)整經(jīng)濟(jì)結(jié)構(gòu)和能源結(jié)構(gòu)等重點(diǎn)，培育壯大環(huán)保產(chǎn)業(yè)。黨的十九大報(bào)告更是提出要建立健全綠色低碳循環(huán)發(fā)展的經(jīng)濟(jì)體系，壯大節(jié)能環(huán)保產(chǎn)業(yè)、清潔生產(chǎn)產(chǎn)業(yè)、清潔能源產(chǎn)業(yè)。如何實(shí)現(xiàn)工業(yè)綠色轉(zhuǎn)型，已經(jīng)成為社會(huì)各界關(guān)注的熱點(diǎn)問(wèn)題。為此，不少學(xué)者[1-3]從環(huán)境規(guī)制、金融發(fā)展、貿(mào)易開放等視角，探討了實(shí)現(xiàn)工業(yè)綠色轉(zhuǎn)型之路。但要真正實(shí)現(xiàn)工業(yè)綠色發(fā)展轉(zhuǎn)型，重點(diǎn)是要解決現(xiàn)有工業(yè)發(fā)展模式存在的產(chǎn)能過(guò)剩嚴(yán)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(cè)”問(wèn)題[4]。在此背景下，深化供給側(cè)結(jié)構(gòu)性改革成為中國(guó)工業(yè)綠色發(fā)展的新動(dòng)力[5]。供給側(cè)結(jié)構(gòu)性改革的重點(diǎn)，就是從提高供給質(zhì)量出發(fā)，用改革的辦法推進(jìn)結(jié)構(gòu)調(diào)整，矯正要素配置扭曲，擴(kuò)大有效供給，提高供給結(jié)構(gòu)對(duì)需求變化的適應(yīng)性和靈活性，提高全要素生產(chǎn)率。那么，當(dāng)前中國(guó)工業(yè)綠色全要素生產(chǎn)率處于何種水平？其演變又呈現(xiàn)出何種特征？供給側(cè)因素是否有效影響工業(yè)綠色全要素生產(chǎn)率？通過(guò)回答這些問(wèn)題，對(duì)于準(zhǔn)確把握當(dāng)前我國(guó)工業(yè)綠色發(fā)展水平，科學(xué)識(shí)別工業(yè)綠色轉(zhuǎn)型的區(qū)域差異和動(dòng)力源泉，探尋我國(guó)實(shí)現(xiàn)工業(yè)綠色轉(zhuǎn)型路徑具有非常重要的實(shí)踐和參考價(jià)值。

學(xué)術(shù)界對(duì)于工業(yè)綠色全要素生產(chǎn)率的研究主要體現(xiàn)在評(píng)價(jià)指標(biāo)、測(cè)算方法和研究尺度三個(gè)方面。在評(píng)價(jià)指標(biāo)體系方面，主要體現(xiàn)在非期望產(chǎn)出指標(biāo)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(chǎn)出最為常用的衡量指標(biāo)。在測(cè)算方法方面，隨機(jī)前沿分析法（SFA）[12]、數(shù)據(jù)包絡(luò)分析法（DEA）[13-14]是評(píng)價(jià)工業(yè)綠色全要素生產(chǎn)率最為常見(jiàn)的方法。在研究尺度方面，一是在空間尺度上，相關(guān)學(xué)者對(duì)省級(jí)層面[15-17]、長(zhǎng)江經(jīng)濟(jì)帶[18]、長(zhǎng)三角[19]的工業(yè)綠色全要素生產(chǎn)率進(jìn)行了測(cè)算；二是在行業(yè)尺度上，已有學(xué)者分別對(duì)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(chǎn)率進(jìn)行了研究。

綜上可見(jiàn)，當(dāng)前已有關(guān)于中國(guó)工業(yè)綠色全要素生產(chǎn)率的研究成果正在逐步豐富，但仍有兩點(diǎn)不足之處：其一，已有學(xué)者初步認(rèn)識(shí)到供給側(cè)結(jié)構(gòu)性改革對(duì)于提升工業(yè)綠色全要素生產(chǎn)率的重要性，然而這方面的研究不僅數(shù)量相對(duì)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(shù)學(xué)者在研究工業(yè)綠色全要素生產(chǎn)率時(shí)，主要以時(shí)間序列數(shù)據(jù)模型或者普通面板數(shù)據(jù)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(jié)果出現(xiàn)一定的偏差。正如TOBLERS[23]提出的地理第一定理也認(rèn)為，區(qū)域上的任何事物有一定的聯(lián)系，但事物之間的聯(lián)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(cè)結(jié)構(gòu)性改革戰(zhàn)略的內(nèi)容精髓，從“結(jié)構(gòu)調(diào)整”和“要素供給”兩個(gè)方面建立供給側(cè)因素對(duì)工業(yè)綠色全要素生產(chǎn)率影響的分析框架，并在此基礎(chǔ)上進(jìn)一步采用空間計(jì)量模型考察了供給側(cè)因素對(duì)工業(yè)綠色全要素生產(chǎn)率的影響效應(yīng)，為實(shí)現(xiàn)中國(guó)工業(yè)綠色轉(zhuǎn)型提供一定的借鑒。

1 研究方法、變量選取與數(shù)據(jù)說(shuō)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(nèi)的工業(yè)綠色全要素生產(chǎn)率。傳統(tǒng)的CCR、BCC 模型在測(cè)度包含有環(huán)境污染物在內(nèi)的效率時(shí)，由于環(huán)境污染物不符合“最大產(chǎn)出”假設(shè)，故環(huán)境污染物不能直接作為產(chǎn)出指標(biāo)被納入到效率評(píng)價(jià)體系之中。假如在效率評(píng)價(jià)體系之中忽略了環(huán)境污染物，同樣有可能導(dǎo)致效率的測(cè)度結(jié)果出現(xiàn)偏差[24]。為解決這一問(wèn)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(píng)價(jià)問(wèn)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(méi)有考慮到投入產(chǎn)出指標(biāo)的徑向與非徑向的兼容問(wèn)題。為此，TONE 等[26]進(jìn)一步將SBM 模型改進(jìn)為EBM 模型?？梢哉f(shuō)，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(cè)量的缺陷，有效提高了效率測(cè)度的精確性。

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

1.1.2 空間計(jì)量方法

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

式中：n代表所要測(cè)算空間相關(guān)性的省份數(shù)量，xi、xj分別代表i省份、j省份的觀測(cè)值，代表對(duì)所有省份的觀測(cè)值取平均值。Global Moran’s I 指數(shù)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(cè)值之間存在空間負(fù)相關(guān)性；假如Global Moran’s I 為1，表明被考察省份觀測(cè)值之間存在空間正相關(guān)性；僅當(dāng)Global Moran’s I 為0 時(shí)，此時(shí)各省份的觀測(cè)值之間在空間上是相互獨(dú)立的，不存在任何空間相關(guān)性。Wij為空間權(quán)重矩陣，通常有距離矩陣、經(jīng)濟(jì)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(gòu)成，計(jì)算方便，應(yīng)用范圍廣，故本文選擇該類型的矩陣，其具體的表達(dá)式如下：

Global Moran’s I 指數(shù)在運(yùn)算過(guò)程中，為驗(yàn)證其真實(shí)性，其顯著性檢驗(yàn)也是非常必要的。一般而言，采用Z-score 正態(tài)分布即可驗(yàn)證出Global Moran’s I 指數(shù)是否通過(guò)顯著性檢驗(yàn)，其具體的表達(dá)式如下：

假如Global Moran’s I 指數(shù)的Z-score 統(tǒng)計(jì)值通過(guò)了10%、5%或1%三個(gè)顯著水平的檢驗(yàn)，則表明Global Moran’s I 指數(shù)具有真實(shí)性，這也說(shuō)明被考察省份的觀測(cè)值具有顯著的空間相關(guān)性。

（2）Local Moran’s I 指 數(shù)。由 于Global Moran’s I指數(shù)僅能夠測(cè)量全國(guó)所有省份的觀測(cè)值在全局上的空間相關(guān)性，對(duì)于每個(gè)省份觀測(cè)值各自的空間相關(guān)性是無(wú)法表征的，這就導(dǎo)致無(wú)法進(jìn)一步開展深入研究。為克服這一問(wèn)題，本文引入了Local Moran’s I 指數(shù)來(lái)分析各個(gè)省份觀測(cè)值具體的局部空間相關(guān)性。在計(jì)算出Local Moran’s I 指數(shù)后，可以通過(guò)描繪LISA（local indication of spatial association）圖來(lái)直觀反映各省份觀測(cè)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(cè)值高（低），且四周鄰近省份的觀測(cè)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(cè)值高（低），但四周鄰近省份的觀測(cè)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(shù)的公式表達(dá)如下：

（3）空間自回歸模型（SAR）和空間誤差模型（SEM）。假如中國(guó)的工業(yè)綠色全要素生產(chǎn)率被檢驗(yàn)出有顯著的空間相關(guān)性，此時(shí)再采用傳統(tǒng)的最小二乘法（OLS）對(duì)后續(xù)的工業(yè)綠色全要素生產(chǎn)率的供給側(cè)因素開展定量分析已經(jīng)不再適合。這是因?yàn)閭鹘y(tǒng)的最小二乘法（OLS）成立的前提是有嚴(yán)格限定的，模型的被解釋變量不能有任何的空間相關(guān)性，即要滿足被解釋變量在空間上是相互獨(dú)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(guān)性的被解釋變量時(shí)，可能導(dǎo)致模型估計(jì)結(jié)果與實(shí)際存在較大偏差，故此時(shí)需要引入空間計(jì)量模型來(lái)解決這一問(wèn)題。當(dāng)前，經(jīng)典的空間計(jì)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(dá)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(shù)；ρ、λ均為模型中的空間自回歸參數(shù)，假如這些參數(shù)通過(guò)顯著水平的檢驗(yàn)，則表明模型有空間相關(guān)性存在；W為模型中的空間權(quán)重矩陣，這里用0 和1 構(gòu)成的n×n維形式的空間鄰接矩陣表示；σ是標(biāo)準(zhǔn)差，I是單位矩陣，表示方差和單位矩陣的乘積；ε則是隨機(jī)誤差項(xiàng)。

空間誤差模型（SEM）的基本表達(dá)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(shù)，表示因變量與自變量之間的相關(guān)關(guān)系；λ為空間誤差系數(shù)，其顯著性檢驗(yàn)結(jié)果用于檢驗(yàn)該模型是否有空間效應(yīng)的存在；μ為隨機(jī)誤差項(xiàng)。

1.2 變量選取

本文所要測(cè)度的工業(yè)綠色全要素生產(chǎn)率可以理解為將資源環(huán)境變量約束考慮在內(nèi)的技術(shù)效率，是一個(gè)包含工業(yè)勞動(dòng)力、工業(yè)資本、工業(yè)能源以及工業(yè)污染物排放等在內(nèi)的“全要素”概念，簡(jiǎn)稱為IGTFP。在綜合考慮數(shù)據(jù)可得性、指標(biāo)代表性、統(tǒng)計(jì)口徑一致性和相關(guān)研究的經(jīng)驗(yàn)基礎(chǔ)上，本文從投入產(chǎn)出視角構(gòu)建工業(yè)綠色全要素生產(chǎn)率的評(píng)價(jià)指標(biāo)體系（表1）。整個(gè)評(píng)價(jià)指標(biāo)體系包含了投入指標(biāo)和產(chǎn)出指標(biāo)兩部分。其中，投入指標(biāo)共包括三種工業(yè)投入要素：①工業(yè)勞動(dòng)力。借鑒申晨等[30]表征工業(yè)勞動(dòng)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(lái)表示工業(yè)勞動(dòng)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(jì)工業(yè)資本數(shù)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(jì)算環(huán)節(jié)多，誤差較大。有鑒于此，為進(jìn)一步減少誤差，借鑒許夢(mèng)博等[31]的研究成果，本文直接采用工業(yè)固定資產(chǎn)凈值作為各地區(qū)的工業(yè)資本，并依據(jù)固定資產(chǎn)價(jià)格指數(shù)將名義工業(yè)固定資產(chǎn)凈值平減為以2000年為基期的實(shí)際工業(yè)固定資產(chǎn)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(fèi)量來(lái)表示工業(yè)能源。

表1 工業(yè)綠色全要素生產(chǎn)率評(píng)價(jià)指標(biāo)體系

產(chǎn)出指標(biāo)由期望產(chǎn)出和非期望產(chǎn)出所構(gòu)成。其中，期望產(chǎn)出指工業(yè)發(fā)展過(guò)程中的“好產(chǎn)出”。在相關(guān)的研究中，工業(yè)總產(chǎn)值一直被公認(rèn)為是衡量工業(yè)發(fā)展水平的最佳指標(biāo)[32]。同時(shí)，鑒于相關(guān)統(tǒng)計(jì)年鑒給出的是名義工業(yè)總產(chǎn)值，為消除價(jià)格通貨膨脹可能帶來(lái)的失真，采用工業(yè)品出廠價(jià)格指數(shù)將名義實(shí)際工業(yè)總產(chǎn)值平減為以2000 年為基期的實(shí)際工業(yè)總產(chǎn)值。非期望產(chǎn)出則為工業(yè)發(fā)展過(guò)程中所產(chǎn)生的“壞產(chǎn)出”。一般而言，“壞產(chǎn)出”即為工業(yè)能源大量使用后所產(chǎn)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(shí)，工業(yè)“三廢”的數(shù)據(jù)也反映了政府對(duì)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(chǎn)生量等工業(yè)“三廢”作為非期望產(chǎn)出的衡量指標(biāo)。

1.3 數(shù)據(jù)來(lái)源說(shuō)明

2 工業(yè)綠色全要素生產(chǎn)率測(cè)度結(jié)果及其時(shí)空演化特征

2.1 工業(yè)綠色全要素生產(chǎn)率的測(cè)度結(jié)果

基于公式（1），本文采用EBM 模型測(cè)算出中國(guó)2000—2018 年30 個(gè)省份的工業(yè)綠色全要素生產(chǎn)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(chǎn)率的平均值。由于中國(guó)地域廣大，不同地區(qū)的資源稟賦有較強(qiáng)的差異性，根據(jù)地理位置和經(jīng)濟(jì)發(fā)展水平差異，將中國(guó)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(guó)的工業(yè)綠色全要素生產(chǎn)率表現(xiàn)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(chǎn)率都較低，其樣本期內(nèi)工業(yè)綠色全要素生產(chǎn)率均低于0.75。同樣，華中地區(qū)3 個(gè)省份的工業(yè)綠色全要素生產(chǎn)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(chǎn)率表現(xiàn)出典型的兩極分化。在華北地區(qū)，山西、河北和內(nèi)蒙古的工業(yè)綠色全要素生產(chǎn)率較低，而天津和北京的工業(yè)綠色全要素生產(chǎn)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(chǎn)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(chǎn)率較優(yōu)。在華南地區(qū)，廣東的工業(yè)綠色全要素生產(chǎn)率擁有強(qiáng)大的優(yōu)勢(shì)，處于生產(chǎn)前沿面上，其余省份的工業(yè)綠色全要素生產(chǎn)率表現(xiàn)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(chǎn)率均表現(xiàn)不夠理想。從全國(guó)范圍來(lái)看，總體工業(yè)綠色全要素生產(chǎn)率呈現(xiàn)出由東南向西北的梯度下降規(guī)律，這與中國(guó)工業(yè)發(fā)展水平和地勢(shì)三級(jí)階梯分布密切相關(guān)。

表2 中國(guó)工業(yè)綠色全要素生產(chǎn)率的平均值

2.2 工業(yè)綠色全要素生產(chǎn)率的時(shí)空演化

由圖1（a）可知，在全國(guó)七大地區(qū)中，工業(yè)綠色全要素生產(chǎn)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(chǎn)率在研究期間內(nèi)呈現(xiàn)明顯的下降趨勢(shì)。華中、西南地區(qū)的工業(yè)綠色全要素生產(chǎn)率呈現(xiàn)先下降后上升的“U”型趨勢(shì)。華南地區(qū)工業(yè)綠色全要素生產(chǎn)率則表現(xiàn)出倒“U”型趨勢(shì)。結(jié)合圖1（b）可知，東北、華中、西南、西北相對(duì)于其他三個(gè)區(qū)域的工業(yè)綠色全要素生產(chǎn)率更加集中，但是這四個(gè)區(qū)域的工業(yè)綠色全要素生產(chǎn)率無(wú)法達(dá)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(chǎn)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(dòng)，說(shuō)明多數(shù)省份的工業(yè)綠色全要素生產(chǎn)率在2007 年后迎來(lái)了下降壓力。根據(jù)圖1（d），諸如經(jīng)濟(jì)發(fā)達(dá)省份的廣東、北京、天津的工業(yè)綠色全要素生產(chǎn)率能夠達(dá)到最高，而經(jīng)濟(jì)欠發(fā)達(dá)的寧夏、陜西、貴州等省份的工業(yè)綠色全要素生產(chǎn)率卻始終在0.7 以下，這說(shuō)明工業(yè)綠色全要素生產(chǎn)率與經(jīng)濟(jì)發(fā)展水平密不可分。

圖1 全國(guó)七大地區(qū)和各省份的工業(yè)綠色全要素生產(chǎn)率

2.3 工業(yè)綠色全要素生產(chǎn)率的空間相關(guān)性

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

基于公式（2）～（4），將各省份歷年的工業(yè)綠色全要素生產(chǎn)率數(shù)值代入Geoda 軟件后，本文計(jì)算出工業(yè)綠色全要素生產(chǎn)率的Global Moran’ I 指數(shù)，具體如表3 所示。由表3 可知，中國(guó)工業(yè)綠色全要素生產(chǎn)率的Global Moran’s I 指數(shù)在樣本期內(nèi)均為正數(shù)，且都通過(guò)了1%顯著水平的檢驗(yàn)。該結(jié)果表明，中國(guó)工業(yè)綠色全要素生產(chǎn)率表現(xiàn)出顯著的正空間相關(guān)性，同時(shí)這也反映出工業(yè)綠色全要素生產(chǎn)率在空間分布上呈現(xiàn)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(chǎn)率具有強(qiáng)烈的模仿效應(yīng)，而并非不存在任何的聯(lián)系。同時(shí)這也意味著，在后文要對(duì)工業(yè)綠色全要素生產(chǎn)率做出進(jìn)一步的實(shí)證研究時(shí)，有必要把工業(yè)綠色全要素生產(chǎn)率所具有的空間相關(guān)性特征考慮在內(nèi)。假如忽略這一點(diǎn)，則極有可能導(dǎo)致實(shí)證結(jié)果出現(xiàn)較大的偏差。

表3 中國(guó)工業(yè)綠色全要素生產(chǎn)率的Global Moran’I 指數(shù)

2.3.2 工業(yè)綠色全要素生產(chǎn)率的LISA圖

基于公式（5），本文測(cè)算出2000 年和2018 年各省份工業(yè)綠色全要素生產(chǎn)率的Local Moran’I 指數(shù)，并據(jù)此給出這兩個(gè)年份的LISA 圖，具體見(jiàn)圖2。2000 年，位于高高集聚區(qū)（H-H）的省份有7 個(gè)，同時(shí)，有17 個(gè)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(gè)、2 個(gè)。較之2000 年，2018 年各個(gè)省份工業(yè)綠色全要素生產(chǎn)率的LISA 圖有所變化。其中，有9 個(gè)省份位于高高集聚區(qū)（H-H），比2000 年增加2 個(gè)省份。位于低低集聚區(qū)（L-L）的省份則減少至14 個(gè)。處于低高集聚區(qū)（L-H）的省份沒(méi)有變化，其數(shù)量仍然是4 個(gè)。此外，高低集聚區(qū)（H-L）的省份則增加1 個(gè)，為3 個(gè)省份?？梢?jiàn)，無(wú)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(dá)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(guó)工業(yè)綠色全要素生產(chǎn)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(duì)較少。

圖2 2000年和2018年工業(yè)綠色全要素生產(chǎn)率的LISA圖

3 工業(yè)綠色全要素生產(chǎn)率供給側(cè)因素的空間計(jì)量分析

3.1 模型構(gòu)建與數(shù)據(jù)來(lái)源

本文通過(guò)空間計(jì)量模型進(jìn)一步探究工業(yè)綠色全要素生產(chǎn)率的供給側(cè)因素，這對(duì)于加快工業(yè)的綠色發(fā)展轉(zhuǎn)型具有重要意義。當(dāng)前的供給側(cè)結(jié)構(gòu)性改革為加快工業(yè)綠色發(fā)展轉(zhuǎn)型提供了關(guān)鍵的思路。供給側(cè)結(jié)構(gòu)性改革，其核心內(nèi)容在于要從提高供給質(zhì)量出發(fā)，用改革的辦法推進(jìn)結(jié)構(gòu)調(diào)整，矯正要素配置扭曲，擴(kuò)大有效供給，提高供給結(jié)構(gòu)對(duì)需求變化的適應(yīng)性和靈活性，提高全要素生產(chǎn)率。為此，本文主要從“結(jié)構(gòu)調(diào)整”和“要素供給”兩個(gè)方面，總結(jié)分析供給側(cè)因素對(duì)工業(yè)綠色全要素生產(chǎn)率的影響。

從“結(jié)構(gòu)調(diào)整”的角度出發(fā)，本文主要從以下三點(diǎn)分析供給側(cè)因素對(duì)工業(yè)綠色全要素生產(chǎn)率的影響：①工業(yè)產(chǎn)業(yè)結(jié)構(gòu)（IS）：產(chǎn)業(yè)結(jié)構(gòu)升級(jí)已經(jīng)成為實(shí)現(xiàn)工業(yè)綠色發(fā)展轉(zhuǎn)型的關(guān)鍵所在。鑒于整個(gè)工業(yè)部門分類眾多，相比較于其他工業(yè)部門，高技術(shù)產(chǎn)業(yè)部門具有技術(shù)水平高、能源消耗低以及產(chǎn)出水平高的特征，增加高技術(shù)產(chǎn)業(yè)部門在整個(gè)工業(yè)部門中的占比不僅成為工業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的重要標(biāo)志，而且也利于促進(jìn)工業(yè)部門的節(jié)能減排?；跀?shù)據(jù)可得性原則，本文選擇高技術(shù)產(chǎn)業(yè)利潤(rùn)額占工業(yè)利潤(rùn)總額的比重來(lái)度量工業(yè)產(chǎn)業(yè)結(jié)構(gòu)。②工業(yè)產(chǎn)權(quán)結(jié)構(gòu)（PRS）：已有研究顯示，不同產(chǎn)權(quán)性質(zhì)企業(yè)的組織機(jī)構(gòu)、資本構(gòu)成等存在較大的差異性，這會(huì)對(duì)企業(yè)生產(chǎn)活動(dòng)產(chǎn)生差異性的激勵(lì)作用，不僅會(huì)直接影響到企業(yè)資源配置水平，而且會(huì)對(duì)企業(yè)的環(huán)?；顒?dòng)產(chǎn)生重要作用[33]。本文用各省份歷年規(guī)模以上國(guó)有及國(guó)有控股企業(yè)的工業(yè)產(chǎn)值占工業(yè)總產(chǎn)值的比重來(lái)表征工業(yè)產(chǎn)權(quán)結(jié)構(gòu)。③工業(yè)產(chǎn)品結(jié)構(gòu)（PS）：與傳統(tǒng)的初級(jí)產(chǎn)品相比，新產(chǎn)品具有能耗低且附加值高的優(yōu)勢(shì)，故本文使用工業(yè)新產(chǎn)品銷售收入與工業(yè)總產(chǎn)值的比值來(lái)表征工業(yè)產(chǎn)品結(jié)構(gòu)。

級(jí)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(biāo)對(duì)于后期路面的行車舒適性有較大影響，因此有必要對(duì)該指標(biāo)進(jìn)行檢測(cè)。本文根據(jù)《公路路基施工技術(shù)規(guī)范》（JTG F10—2006），采用3m直尺法對(duì)試驗(yàn)段路基平整度進(jìn)行檢測(cè)，結(jié)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(diǎn)分析供給側(cè)因素對(duì)工業(yè)綠色全要素生產(chǎn)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(lái)環(huán)境技術(shù)革新并且實(shí)現(xiàn)對(duì)傳統(tǒng)企業(yè)高能耗設(shè)備的更新?lián)Q代，這利于提高企業(yè)生產(chǎn)效率，減少工業(yè)能源消耗及污染物排放，促進(jìn)地區(qū)工業(yè)綠色轉(zhuǎn)型。本文用各省份歷年的工業(yè)企業(yè)專利申請(qǐng)量的自然對(duì)數(shù)來(lái)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(chǎn)技能，能夠操作更為先進(jìn)的生產(chǎn)設(shè)備，加之工業(yè)從業(yè)人員能夠樹立良好的環(huán)保意識(shí)，利于實(shí)現(xiàn)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(lái)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(shù)改造以及污染防治設(shè)施的建設(shè)工作，有利于提升企業(yè)的節(jié)能減排能力，進(jìn)而減輕工業(yè)部門的資源環(huán)境壓力[34]?？紤]到數(shù)據(jù)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(chǎn)值之比來(lái)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(chǎn)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(fèi)比重的提高有利于提高工業(yè)減排效果。需要說(shuō)明的是，由于統(tǒng)計(jì)年鑒中沒(méi)有給出工業(yè)能源消費(fèi)中天然氣的消費(fèi)數(shù)量，加之工業(yè)能源消費(fèi)量占整個(gè)地區(qū)能源消費(fèi)總量的70%以上，故本文選擇地區(qū)天然氣消費(fèi)量占能源消費(fèi)總量的比重來(lái)表示綠色能源要素。

依據(jù)以上的作用機(jī)理分析，從“結(jié)構(gòu)調(diào)整”和“要素供給”兩個(gè)方面出發(fā)，本文將工業(yè)產(chǎn)業(yè)結(jié)構(gòu)、工業(yè)產(chǎn)權(quán)結(jié)構(gòu)、工業(yè)產(chǎn)品結(jié)構(gòu)、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(cè)因素，以此分析這些供給側(cè)因素給工業(yè)綠色全要素生產(chǎn)率帶來(lái)的影響。同時(shí)，前文的研究結(jié)論表明，中國(guó)工業(yè)綠色全要素生產(chǎn)率具有顯著的空間相關(guān)性，此時(shí)再使用傳統(tǒng)最小二乘法（OLS）建立普通模型進(jìn)行回歸分析，極有可能使得實(shí)證結(jié)果出現(xiàn)較大偏差。為解決這一問(wèn)題，需要將傳統(tǒng)的普通模型進(jìn)一步改進(jìn)為空間計(jì)量模型，以此提高估計(jì)結(jié)果的準(zhǔn)確度。基于此，結(jié)合公式（6）和（7），本文建立供給側(cè)因素影響工業(yè)綠色全要素生產(chǎn)率的空間計(jì)量模型如下：

公式（8）為包含固定效應(yīng)的空間計(jì)量模型，具體表現(xiàn)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(jì)量模型更為合適，由空間自回歸系數(shù)δ和空間誤差系數(shù)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(zhuǎn)變?yōu)榭臻g自回歸模型（SAR）。各個(gè)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(chǎn)率；IS、PRS、PS、TI、HC、GC、GE為各個(gè)自變量，分別代表工業(yè)產(chǎn)業(yè)結(jié)構(gòu)、工業(yè)產(chǎn)權(quán)結(jié)構(gòu)、工業(yè)產(chǎn)品結(jié)構(gòu)、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(gè)自變量的具體含義見(jiàn)前文。

為保證空間計(jì)量模型中相關(guān)變量數(shù)據(jù)的完整性和可獲得性，所研究樣本同樣是中國(guó)2000—2018 年30 個(gè)省份的面板數(shù)據(jù)。所有供給側(cè)因素的數(shù)據(jù)同樣來(lái)源于2001—2019 年的《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》《中國(guó)環(huán)境年鑒》《中國(guó)能源統(tǒng)計(jì)年鑒》《中國(guó)科技統(tǒng)計(jì)年鑒》和各省份的統(tǒng)計(jì)年鑒。

3.2 實(shí)證結(jié)果及其解釋

本文采用Matlab 軟件中的普通計(jì)量方法對(duì)公式（8）進(jìn)行初步模擬，同時(shí)還進(jìn)一步檢驗(yàn)?zāi)Ｐ蜌埐铐?xiàng)是否存在空間自相關(guān)性，其具體的結(jié)果如表4 所示。為表明模型控制固定效應(yīng)后利于提高估計(jì)結(jié)果的精確度，表4 同時(shí)列出了無(wú)固定模型、空間固定模型、時(shí)間固定模型和雙向固定模型的估計(jì)結(jié)果。通過(guò)對(duì)4個(gè)模型估計(jì)結(jié)果之間的比較，進(jìn)而判斷出采用哪種固定效應(yīng)模型的解釋力度是最強(qiáng)的。

表4 不同固定效應(yīng)模型的估計(jì)與檢驗(yàn)結(jié)果

表4 由可知，無(wú)固定效應(yīng)模型、空間固定效應(yīng)模型、時(shí)間固定效應(yīng)模型和雙向固定效應(yīng)模型的R2值分別為0.549 4、0.155 6、0.689 3 和0.244 4?？梢?jiàn)，時(shí)間固定效應(yīng)的R2值要大于其他3 個(gè)模型，故該模型的擬合度是最好的。同時(shí)，時(shí)間固定效應(yīng)模型的DW值為1.899 5，也大于其他3 個(gè)模型。以上兩個(gè)比較的結(jié)果均表明，時(shí)間固定效應(yīng)模型優(yōu)于其他3 個(gè)模型，即時(shí)間固定效應(yīng)模型中變量系數(shù)的解釋力度是最強(qiáng)的，故本文選擇時(shí)間固定效應(yīng)開展進(jìn)一步的實(shí)證分析。此外，表4 的下半部分還給出了模型殘差項(xiàng)空間自相關(guān)性的檢驗(yàn)結(jié)果。檢驗(yàn)結(jié)果表明，時(shí)間固定效應(yīng)的LM-lag、LM-err 分別為47.155 5、14.701 9，且兩者均通過(guò)了1%顯著水平的檢驗(yàn)。這充分表明模型的殘差項(xiàng)具有顯著的空間自相關(guān)性，但是普通模型成立的前提是必須滿足殘差項(xiàng)不存在任何的空間自相關(guān)性，故普通模型的計(jì)量方法無(wú)法有效解決這一問(wèn)題，因此有必要引入空間計(jì)量方法進(jìn)行重新估計(jì)。

鑒于普通模型的估計(jì)結(jié)果可能存在一定的偏差，故本文采用空間計(jì)量方法對(duì)公式（8）進(jìn)行再次估計(jì)，所得結(jié)果如表5 所示。根據(jù)表5 的結(jié)果，空間自回歸項(xiàng)W·dep.var.值為0.279 9，通過(guò)了1%顯著水平的檢驗(yàn)；同樣，空間誤差項(xiàng)spat.aut.值為0.2420，也通過(guò)了1%顯著水平的檢驗(yàn)。這兩個(gè)結(jié)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(jì)結(jié)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(chǔ)上實(shí)現(xiàn)了提升。這充分表明，空間計(jì)量模型估計(jì)結(jié)果的解釋力度要強(qiáng)于普通模型。同時(shí)，空間計(jì)量模型中部分變量回歸系數(shù)的t檢驗(yàn)值也實(shí)現(xiàn)了增大，這同樣反映出空間計(jì)量模型的估計(jì)結(jié)果在普通模型的基礎(chǔ)上實(shí)現(xiàn)了改進(jìn)。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(qiáng)。結(jié)合以上比較結(jié)果，本文最終選擇空間自回歸模型（SAR）的估計(jì)結(jié)果開展變量系數(shù)的解釋。

表5 空間計(jì)量模型的估計(jì)與檢驗(yàn)結(jié)果（時(shí)間固定效應(yīng)）

（1）工業(yè)產(chǎn)業(yè)結(jié)構(gòu)（IS）的估計(jì)系數(shù)為正，且通過(guò)了1%顯著水平的檢驗(yàn)，這表明工業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)有利于提升工業(yè)綠色全要素生產(chǎn)率。該結(jié)果也反映出，當(dāng)前高技術(shù)產(chǎn)業(yè)發(fā)展取得顯著效果，對(duì)于實(shí)現(xiàn)工業(yè)節(jié)能降耗產(chǎn)生了重要的作用。統(tǒng)計(jì)數(shù)據(jù)顯示，2000 年中國(guó)高技術(shù)產(chǎn)業(yè)的利潤(rùn)額僅為673.46 億元，而截至2018 年，這一數(shù)據(jù)增加至10 293 億元，18 年間增長(zhǎng)了15.28 倍之多?？梢哉f(shuō)，隨著高技術(shù)產(chǎn)業(yè)規(guī)模的不斷擴(kuò)大，進(jìn)一步帶動(dòng)工業(yè)結(jié)構(gòu)朝高技術(shù)化、低能耗的可持續(xù)發(fā)展方向轉(zhuǎn)變。正是得益于不斷升級(jí)的產(chǎn)業(yè)結(jié)構(gòu)，我國(guó)單位工業(yè)總產(chǎn)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(chǎn)權(quán)結(jié)構(gòu)（PRS）在1%顯著水平上對(duì)工業(yè)綠色全要素生產(chǎn)率的影響為負(fù)。這充分表明，國(guó)有及國(guó)有控股企業(yè)的工業(yè)產(chǎn)值占工業(yè)總產(chǎn)值的比重降低，反而有利于促進(jìn)工業(yè)綠色發(fā)展轉(zhuǎn)型。當(dāng)前我國(guó)一直積極推進(jìn)“國(guó)退民進(jìn)”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(guó)有經(jīng)濟(jì)比重，這有利于國(guó)有企業(yè)市場(chǎng)競(jìng)爭(zhēng)機(jī)制的形成，從而更好發(fā)揮市場(chǎng)在資源配置中的關(guān)鍵性作用，進(jìn)而提高工業(yè)企業(yè)的生產(chǎn)經(jīng)營(yíng)效率。

（3）工業(yè)產(chǎn)品結(jié)構(gòu)（PS）在1%顯著水平上對(duì)工業(yè)綠色全要素生產(chǎn)率的影響為正，表明工業(yè)新產(chǎn)品銷售收入增加對(duì)實(shí)現(xiàn)工業(yè)綠色發(fā)展轉(zhuǎn)型至關(guān)重要。這也從側(cè)面印證：當(dāng)前中國(guó)工業(yè)發(fā)展提質(zhì)增效取得顯著效果，工業(yè)產(chǎn)品生產(chǎn)逐步擺脫單純從事附加值較低的“制造—加工—組裝”初級(jí)產(chǎn)品生產(chǎn)環(huán)節(jié)，更多轉(zhuǎn)向附加值較高的設(shè)計(jì)、研發(fā)、營(yíng)銷、工程承包、售后服務(wù)等新產(chǎn)品生產(chǎn)與銷售環(huán)節(jié)。這既提高了生產(chǎn)效益，同時(shí)也顯著減少資源消耗以及環(huán)境污染物的排放。數(shù)據(jù)也表明，2000 年工業(yè)新產(chǎn)品銷售收入占工業(yè)總產(chǎn)值的比重僅為8.92%，而截至2018 年這一數(shù)據(jù)為16.55%，19 年間增長(zhǎng)了近1 倍。

（4）科技創(chuàng)新要素（TI）在1%顯著水平上對(duì)工業(yè)綠色全要素生產(chǎn)率的影響為正，這意味著工業(yè)專利申請(qǐng)量增加有利于促進(jìn)工業(yè)綠色轉(zhuǎn)型。可以說(shuō)，地區(qū)工業(yè)科技創(chuàng)新能力的提升成為驅(qū)動(dòng)節(jié)能減排的重要?jiǎng)恿ΑＴ励欙w等[35]的研究也證實(shí)，科技創(chuàng)新帶來(lái)新的生產(chǎn)工藝，尤其隨著先進(jìn)綠色生產(chǎn)技術(shù)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(chǎn)過(guò)程中的污染排放，增加了工業(yè)產(chǎn)品的附加值，進(jìn)一步提升了工業(yè)綠色發(fā)展的內(nèi)生動(dòng)力。

（5）人力資本要素（HC）的估計(jì)系數(shù)為正，且通過(guò)了10%顯著水平的檢驗(yàn)，表明工業(yè)R&D 人員占工業(yè)從業(yè)人員比重的提高對(duì)工業(yè)綠色全要素生產(chǎn)率具有顯著的促進(jìn)效應(yīng)。伴隨著我國(guó)大力推進(jìn)工業(yè)高質(zhì)量發(fā)展，人力資本的重要作用顯得越來(lái)越突出。正如夏良科[36]的研究結(jié)果表明，人力資本是工業(yè)全要素生產(chǎn)率提升的重要決定因素。此外，隨著工業(yè)企業(yè)對(duì)人才的激勵(lì)程度不斷提高，從事新產(chǎn)品開發(fā)的R&D 人員的比例也逐步提升。數(shù)據(jù)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(dá)5.37%，增長(zhǎng)了4.4 個(gè)百分點(diǎn)。

（6）綠色資本要素（GK）的估計(jì)系數(shù)為正，但是未能通過(guò)顯著水平的檢驗(yàn)，這表明工業(yè)污染治理完成投資占工業(yè)總產(chǎn)值的比重提高，并沒(méi)有起到促進(jìn)工業(yè)綠色轉(zhuǎn)型的作用?？赡艿脑蚴?，當(dāng)前我國(guó)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(chǎn)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(huì)產(chǎn)生“綠色悖論”[37]。特別是對(duì)于污染密集型企業(yè)而言，當(dāng)較低的污染治理投資不足以抵消環(huán)境技術(shù)調(diào)整成本時(shí)，企業(yè)反而會(huì)擴(kuò)大生產(chǎn)規(guī)模，增加生產(chǎn)要素并提高經(jīng)濟(jì)產(chǎn)出，此時(shí)環(huán)境規(guī)制反而不利于工業(yè)結(jié)構(gòu)綠色轉(zhuǎn)型。

（7）綠色能源要素（GE）在1%顯著水平上對(duì)工業(yè)綠色全要素生產(chǎn)率的影響為正，意味著能源消費(fèi)中天然氣比重增加對(duì)提升工業(yè)綠色全要素生產(chǎn)率具有顯著促進(jìn)作用。該結(jié)果印證了前文的假設(shè)，即天然氣屬于典型的清潔能源，增加天然氣的消費(fèi)比重能夠?yàn)楣I(yè)發(fā)展添加綠色動(dòng)力。數(shù)據(jù)也表明，2000 年天然氣消費(fèi)占能源消費(fèi)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(gè)百分點(diǎn)。

4 研究結(jié)論與政策啟示

在供給側(cè)結(jié)構(gòu)性改革背景下，通過(guò)構(gòu)建工業(yè)綠色全要素生產(chǎn)率的評(píng)價(jià)指標(biāo)體系，本文采用包含非期望產(chǎn)出的EBM 模型評(píng)估了中國(guó)2000—2018 年30 個(gè)省份的工業(yè)綠色全要素生產(chǎn)率。同時(shí)，在分析其空間相關(guān)性的基礎(chǔ)上，采用空間計(jì)量模型實(shí)證分析了供給側(cè)因素對(duì)工業(yè)綠色全要素生產(chǎn)率的影響，得到如下基本結(jié)論：（1）樣本期內(nèi)，中國(guó)的工業(yè)綠色全要素生產(chǎn)率表現(xiàn)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(chǎn)率均表現(xiàn)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(chǎn)率表現(xiàn)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(chǎn)率變動(dòng)趨勢(shì)呈現(xiàn)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(chǎn)率在樣本期內(nèi)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(chǎn)率變化波動(dòng)性顯著，其中華中、西南地區(qū)呈“U”型趨勢(shì)，而華南地區(qū)則表現(xiàn)出倒“U”型趨勢(shì)；此外，工業(yè)綠色全要素生產(chǎn)率與經(jīng)濟(jì)發(fā)展水平密不可分，往往經(jīng)濟(jì)發(fā)達(dá)省份的工業(yè)綠色全要素生產(chǎn)率較高，而經(jīng)濟(jì)欠發(fā)達(dá)省份的工業(yè)綠色全要素生產(chǎn)率則相對(duì)較低。

（3）工業(yè)綠色全要素生產(chǎn)率的Global Moran’ I 指數(shù)通過(guò)了顯著水平的檢驗(yàn)，反映出工業(yè)綠色全要素生產(chǎn)率的空間集聚性特征表現(xiàn)明顯；LISA 圖表明，全國(guó)大多數(shù)省份的工業(yè)綠色全要素生產(chǎn)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(chǎn)業(yè)結(jié)構(gòu)、工業(yè)產(chǎn)品結(jié)構(gòu)、科技創(chuàng)新要素、人力資本要素、綠色能源要素對(duì)工業(yè)綠色發(fā)展效率提升有顯著的正向影響，工業(yè)產(chǎn)權(quán)結(jié)構(gòu)對(duì)工業(yè)綠色發(fā)展效率提升產(chǎn)生明顯抑制作用，而綠色資本要素的影響卻表現(xiàn)不顯著。

根據(jù)以上研究結(jié)果，有以下政策啟示：

第一，工業(yè)綠色轉(zhuǎn)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(diǎn)關(guān)注的地區(qū)，政府應(yīng)該在資金、人才以及技術(shù)等方面給予一定的政策優(yōu)惠。同時(shí)，還要建立跨區(qū)域工業(yè)綠色轉(zhuǎn)型的合作與交流制度。經(jīng)濟(jì)發(fā)達(dá)省份與經(jīng)濟(jì)欠發(fā)達(dá)省份之間應(yīng)該加強(qiáng)合作力度，雙方應(yīng)在工業(yè)生產(chǎn)方式、技術(shù)、管理、經(jīng)驗(yàn)等方面強(qiáng)化交流，以彌補(bǔ)中西部落后省份工業(yè)綠色發(fā)展轉(zhuǎn)型過(guò)程中存在的短板。

第二，大力實(shí)施工業(yè)結(jié)構(gòu)的調(diào)整升級(jí)策略。其一，繼續(xù)推進(jìn)工業(yè)產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整升級(jí)，以信息化和工業(yè)化深度融合為先導(dǎo)，實(shí)現(xiàn)對(duì)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(shí)加大先進(jìn)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(shù)產(chǎn)業(yè)發(fā)展力度，提升工業(yè)綠色競(jìng)爭(zhēng)力；其二，繼續(xù)落實(shí)“國(guó)退民進(jìn)”的工業(yè)產(chǎn)權(quán)結(jié)構(gòu)調(diào)整戰(zhàn)略，要加快國(guó)有企業(yè)的混合所有制改革，通過(guò)在國(guó)有企業(yè)中建立現(xiàn)代企業(yè)制度，充分發(fā)揮市場(chǎng)機(jī)制在資源配置中的關(guān)鍵性作用，提高國(guó)有企業(yè)的生產(chǎn)效率；其三，繼續(xù)實(shí)施工業(yè)產(chǎn)品結(jié)構(gòu)升級(jí)策略，建立并完善綠色制造體系，大力推進(jìn)工業(yè)新產(chǎn)品制造的綠色化、智能化，提高新產(chǎn)品質(zhì)量的穩(wěn)定性，同時(shí)還要提升新產(chǎn)品銷售的自動(dòng)化水平，逐步降低人工成本。

第三，進(jìn)一步優(yōu)化工業(yè)要素供給的有關(guān)措施。要加大工業(yè)企業(yè)研發(fā)投入力度，強(qiáng)化技術(shù)創(chuàng)新型企業(yè)建設(shè)，構(gòu)建以政府為引導(dǎo)、以市場(chǎng)為導(dǎo)向、以企業(yè)為主體的科技創(chuàng)新體系，政府既要加大對(duì)企業(yè)環(huán)保技術(shù)研發(fā)活動(dòng)的財(cái)政支持，又要引導(dǎo)企業(yè)建立創(chuàng)新自發(fā)投入機(jī)制；要加強(qiáng)企業(yè)創(chuàng)新型人才的培養(yǎng)力度，完善產(chǎn)學(xué)研各方協(xié)同培養(yǎng)創(chuàng)新型人才的體制機(jī)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(dòng)的人才流動(dòng)機(jī)制；要進(jìn)一步增強(qiáng)環(huán)境規(guī)制力度，通過(guò)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(dòng)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(dú)資、PPP 等多種形式的投資模式，吸引民間資本進(jìn)入工業(yè)環(huán)保領(lǐng)域；要加快實(shí)施清潔能源發(fā)展戰(zhàn)略，構(gòu)建清潔低碳、安全高效的能源體系，建設(shè)全國(guó)性的清潔能源生產(chǎn)基地，打造清潔能源特色產(chǎn)業(yè)集群。