许冬兰+李丰云+吕朵

[摘 要]在资源环境日益成为经济增长硬性约束的背景下，利用绿色全要素生产率指标来评价和测度一个经济体的增长质量显然更为科学。通过梳理绿色全要素生产率的测算方法及其在三大产业和区域中的应用研究，发现绿色全要素生产率在服务业领域的研究相对不足，区域经济上的研究多为国家或地区的对比类研究。在综述性总结的基础上，加深人们对绿色全要素生产率的理解，并为未来的研究提供方向。

[关键词]绿色全要素生产率；测算方法；影响因素

[中图分类号]F062.1 [文献标识码]A [文章编号]1671-8372（2016）04-0030-06

一、引言

中国经济在经历了长达30多年的高速增长后，已经进入“新常态”的发展阶段：经济增长从高速转为中高速，增长模式从规模速度为主的粗放型转向质量效率导向的集约型，经济结构不断优化升级，经济发展动力从要素驱动、投资驱动转向创新驱动[1]。为了更好地指导我国“新常态”阶段的经济发展，《2015年国务院政府工作报告》首次提出将提高“全要素生产率”作为经济发展的重要目标。提高全要素生产率及其对经济增长的贡献份额，将是中国新常态发展阶段经济增长的重要动力。所谓全要素生产率（Total Factor Productivity，TFP）是指在排除了资本、劳动等生产投入要素以外，其他所有投入要素的贡献总和，是衡量技术效率和技术进步状况的关键指标，它能有效评价经济增长的质量问题。然而，传统的全要素生产率还存在一个缺陷：核算过程中未考虑资源和环境因素的影响，测算结果会出现偏差，且不能完美契合“新常态”提倡的以节约资源、环境友好为核心的绿色发展观。因此，将能源消耗和环境污染纳入传统全要素生产率核算框架从而得到的绿色全要素生产率（Green Total Factor Productivity，GTFP），对评价中国经济“新常态”发展具有更重要的现实意义。

鉴于绿色全要素生产率对评价经济增长的客观性和重要性，近年来国内外众多学者对该领域进行了较为广泛的讨论和研究。本文在对国内外相关文献进行系统梳理的基础上，着重分析和总结了绿色全要素生产率的测度方法及应用：首先回顾绿色全要素生产率的测算方法并对各测算方法的适用性进行了总结，之后介绍绿色全要素生产率在三大产业及区域中的应用研究，然后总结绿色全要素生产率的影响因素，最后做总的述评及未来的研究展望。

二、绿色全要素生产率的测算方法

（一）参数法

参数法主要包括C-D函数法、代数指数法和超越对数生产函数法，这三种方法都要求明确生产函数的具体形式，并准确把握投入变量产出变量的相关价格信息。除此之外，参数法的假设前提相对较为严格，要求生产过程满足规模报酬不变假设，且实现生产在技术前沿面上的充分有效。由于这种方法的模型较为简单，在研究初期，国内外很多学者都将参数法运用到全要素生产率测算中。但是，核算绿色全要素生产率需要把污染物排放和能源消耗纳入到生产率测算体系中，而污染物的价格难以获得，参数法的假设条件也难以达到。所以，运用参数法来测算环境约束下的全要素生产率时，计算结果必然存在偏差。

（二）非参数法

考虑到投入及产出变量的价格信息获取较难，以及参数法的假设前提较难实现，因此，仅需要了解生产函数中投入产出的数量信息，无须设立特定的函数形式的非参数方法应运而生。随着数据包络分析方法的发展，Fare et al.[2]将DEA与Caves et al.[3]的Malmquist指数方法相结合，形成了非参数增长核算方法。这种方法的总体思想是通过构建一种生产函数的随机前沿面，将决策单元与最优前沿面进行对比，然后利用指数法求得绿色全要素生产率。

1.Shephard距离函数（DF）和Malmquist生产率指数

Shephard距离函数法解决了生产过程中的多投入多产出问题，将环境污染和能源消耗纳入到核算体系之中时，无须考虑具体的生产函数形式和相关价格信息。基于将Shephard距离函数形成的Malmquist指数发展成为一种测算全要素生产率的工具，这种非参数的Malmquist生产率指数法可以将全要素生产率指数分解为技术进步和技术效率变化指数两部分。运用Malmquist指数进行生产率测算的代表文献有Hailu & Veeland[4]、Telle & Larsson[5]、Rezek& Perrin[6]。因为Shephard距离函数法的本质是径向的，无法满足期望产出增加的同时非期望产出减少，所以非径向的距离函数及其指数法很快取代了这类研究方法。

2.方向性距离函数（DDF）和Malmquist-Luenberger指数

Chung et al.[7]在Shephard径向距离函数的基础上，提出了方向性距离函数并将Malmquist指数扩展为Malmquist-Luenberger指数。这种方向性距离函数模型同样需要对基于投入和基于产出的测度角度进行选择，但是方向性距离函数的一个优点是它除了可以模拟多投入多产出的情况，还可以同时考虑期望产出增加和非期望产出减少。目前，文献多采用传统径向的、角度的DEA方法来计算方向性距离函数。包括Fare[8]、吴军[9]、郑丽琳和朱启贵[10]都采用这一方法对部门或地区的绿色全要素生产率进行了测算。但是这种方法要对测度角度进行选择，会使得Malmquist-Luenberger指数的最终测量结果不准确。

3.SBM方向性距离函数和Luenberger 生产率指标

尽管方向性距离函数满足了期望产出增加和非期望产出减少，但是却要求期望产出和非期望产出增加或减少的比例是相同的。为解决这一问题，Tone[11]提出了SBM模型，这一模型不需要选择角度且距离函数具有相加性。这种非径向、非角度的序列DEA方法拟合了当期以及前期所有观测值，克服了当期DEA测算时的短期观测值波动的弊端，解决了投入产出不足即非松弛问题。与SBM方向性距离函数相适用的Luenberger生产率指数法在对绿色全要素生产率进行分解时可以从投入与产出两个角度进行，代表性的文献有Wang&Wei[12]、王兵等[13]、原毅军和谢荣辉[14]。然而，在线性规划求解过程中，这一模型加入了更多的约束条件，在测算过程中会出现无可行解的情况。

三、绿色全要素生产率的应用研究现状

（一）绿色全要素生产率在三大产业上的应用研究

1.绿色全要素生产率在农业领域的研究

农业绿色全要素生产率的测算对象主要分为两种：一种是包括农、林、牧、副、渔的广义农业，另一种是仅包含种植业的狭义农业。鉴于数据的局限性，现有文献多为广义农业的生产率研究。由于农业生产中存在资源短缺和化肥农药造成的土地污染等负外部性问题，所以使用绿色全要素生产率对农业生产率进行测算更加科学准确。

关于农业绿色全要素生产率的研究呈现出三类不同的结果：第一类结果显示，以环境污染和资源浪费为代价的粗放型农业生产方式会造成农业生产效率的损失，忽略环境因素的传统全要素生产率会显著高于绿色全要素生产率（杨俊陈怡[15]、李谷成等[16]）。比如叶初升和惠利[17]测算了1995—2013年中国农业生产效率和全要素生产率，考察了农业生产污染对农业经济增长绩效的影响，得到结论：不考虑环境污染因素的农业传统全要素生产率核算方法会忽略农业生产污染造成的生产效率损失，导致农业全要素生产率被高估近一倍。第二类结果显示，农业绿色全要素生产率与传统全要素生产率相比基本无差异或者对绿色全要素生产率的测算结果不确定（王奇等[18]）。比如薛建良和李秉龙[19]在对基于修正的中国农业全要素生产率进行度量时发现，由于农业污染物测度的准确性较差，所以在采用不同环境污染价值损失评估法测算农业生产的非期望产出时，会得到基于环境修正的农业绿色全要素生产率的测算结果不确定。第三类结果显示，农业绿色全要素生产率高于传统全要素生产率（Hailu&Veeman[20]、Rezek& Perrin[6]）。这部分学者认为在国家环境管制严格的地区和年份，农业生产带来的环境污染及资源浪费现象较轻，绿色全要素生产率的年均增长率高于全要素生产率的年均增长率。

2.绿色全要素生产率在工业领域的研究

工业生产的特点决定了该行业的环境污染和资源浪费问题相比其他行业更加突出，国内外学者关于工业领域绿色全要素生产率的关注度较高，尤其对中国工业绿色全要素生产率更加关注。

工业绿色全要素生产率的研究主要可归纳为以下两个方面：一是从工业细分行业层面来研究绿色全要素生产率的增长。比如李玲和陶锋[21]将中国28个制造业部门划分为重度污染产业、中度污染产业和轻度污染产业三类，依次分析了三大部门环境规制强度的合理性；李斌等[22]利用中国36个工业行业的投入产出数据，研究了工业行业的绿色全要素生产率及其技术效率，发现中国36个工业行业的绿色全要素生产率在2001—2010年间出现了倒退，进而指出绿色全要素生产率的下降导致了其对工业经济增长贡献率的下降。二是从工业部门的角度研究绿色全要素生产率的增长，比如Fare et al.[23]利用Malmquist-Luenberger指数测算得到了美国制造业的绿色全要素生产率为1.7%，而忽略环境因素的传统全要素生产率为3.6%；陈诗一[24]基于方向性距离函数对改革开放以来中国工业全要素生产率进行了重新估算，发现不考虑环境资源约束的传统全要素生产率显著高于绿色全要素生产率。不管是工业细分层面的研究还是工业部门角度的研究，学者们多会将工业绿色全要素生产率与未考虑资源环境的传统全要素生产率进行对比，Fare et al.[23]、Lee et al.[25]和陈超凡[26]均得到了工业绿色全要素生产率明显低于传统全要素生产率的结论。

3.绿色全要素生产率在服务业领域的研究

从现有文献来看，直接研究服务业绿色全要素生产率的相对较少，但是关于服务业领域的组成行业例如外贸业和物流业的绿色全要素生产率研究开始逐渐增多。因此，本文选取了服务业领域的代表行业外贸业和物流业，进行绿色全要素生产率相关研究成果的综述。

国际贸易多作为绿色全要素生产率的影响因素进行分析，其对绿色全要素生产率的影响研究主要集中在两个方面：一方面是将国际贸易与对外直接投资相结合，研究其对绿色全要素生产率的影响作用。这部分学者认为，国际贸易带来的对外直接投资对绿色全要素生产率起到了一个正向的促进作用（刘华军和杨骞[27]、石风光[28]）；另一方面的研究集中分析了国际贸易造成的“污染天堂假说”，其对绿色全要素生产率的影响作用没有得到统一的结论。一部分学者认为，发达国家将能源消耗和污染排放严重的工厂设立在环境标准相对较低的发展中国家，使发展中国家的绿色全要素生产率下降，因此得到了国际贸易开放程度与进口国的绿色全要素生产率增长存在负相关关系这一结论（王兵[29]、沈利生[30]）。另一部分学者认为（李小平和卢现祥[31]）发达国家向发展中国家转移的产业并不仅仅是污染产业，同时也向中国转移了“干净”产业，中国并没有通过国际贸易成为发达国家的“污染产业天堂”。

物流行业是各国道路交通运输业中能源消耗的重要行业，近几年对物流业绿色全要素生产率的研究开始增多。田刚[32]运用Malmquist-DEA方法对中国物流业全要素生产率增长的影响因素及增长动力进行分析，得出了技术进步是物流业全要素生产率增长主要动力的结论；唐建荣等[33]首次将环境因素纳入中国物流业效率的测算体系，通过把二氧化碳排放作为物流业的投入变量，运用DEA和方向性距离函数的方法测算了低碳约束下区域物流产业效率；随着测算方法的成熟，王玲和孟辉[34]运用方向性距离函数，测度了2003—2012年中国30个省份的物流业环境全要素生产率，并得出了中国物流业的环境全要素生产率增长缓慢，增长动力主要源于技术进步的结论。

（二）绿色全要素生产率在区域经济上的应用研究

绿色全要素生产率在区域经济上的研究主要有两个角度：第一个角度是研究单个国家或地区的绿色全要素生产率。比如宋长青等[35]在生产率的测算框架中引入资源和环境因素，分 别 运 用 基 于 DEA 的Malmquist生产率指数和基于方向性距离函数的Malmquist-Luenberger生产率指数对1985—2010年中国绿色全要素生产率进行了测算及分解；Managi&Kaneko[36]、Jiang[37]、Choi et al.[38]均对单个国家或地区的绿色全要素生产率进行了研究。第二个角度是对不同国家或地区的绿色全要素生产率进行对比研究，主要包括国内不同地区的对比和国际上不同国家的对比。国内对比研究中一部分文献是对各省份的绿色全要素生产率进行对比研究，比如齐亚伟和陶长琪[39]、李小胜和宋马林[40]分别研究中国各个省份的绿色全要素生产率；胡晓珍和杨龙[41]、王兵和黄人杰[42]则将中国划分成东部、中部、西部三大区域，分别研究这三大区域的绿色全要素生产率。国际上的对比研究主要包括两种：第一种是不同国家和地区间的比较，比如Kumar[43]测算了41个发达国家和发展中国家的M指数与ML指数，并对各个国家绿色全要素生产率进行了对比分析；田娜和Chung[44]采用扩展生产函数和面板数据模型方法测算了中韩两国的传统全要素生产率和基于环境修正的绿色全要素生产率，在对测算结果进行对比时发现，中国所有制造业行业的传统全要素生产率都要高于基于环境修正的绿色全要素生产率，而韩国则正好相反。第二种为属于同一个经济体的不同国家和地区间的比较，比如王兵[32]运用ML指数法对APEC17个国家和地区的环境全要素生产率进行测算，并对影响环境全要素生产率的影响因素进行了研究；Yoruk&Zaim[45]、Oh & Heshmati[46]都对OECD国家的绿色全要素生产率进行了测算，并对成员国绿色全要素生产率进行了对比分析。

（三）绿色全要素生产率的影响因素分析

绿色全要素生产率影响因素的变量选取较为多样化，学者们一般根据研究对象的特点、经济发展状况、生产率的相关决定理论以及前人的研究理论确定绿色全要素生产率的影响因素，影响变量主要涉及能源消费结构、市场化改革、结构因素、对外开放程度和政府干预程度等。比如汪锋和解晋[47]在探究中国各省绿色全要素生产率的影响因素时，从技术进步和制度优化两个方向选取影响因素，选择居民平均受教育年限、研发投入、引进国外技术经费支出、实际利用外商直接投资额代表不同来源的技术进步，选择非国有经济就业人数占城镇从业人员数的比例、第二产业产值占地区生产总值的比值考察制度优化对绿色全要素生产率的影响，得出结论：教育投入、自主研发投入、产业结构优化和市场化改革对绿色全要素生产率的增长具有正向的推动作用，而外商投资的存在使中国成为实质上的“污染避难所”。袁晓玲[48]在对陕西省绿色全要素生产率及影响因素研究时，结合陕西省经济发展的现实状况选取了绿色全要素生产率的五个影响因素：产业结构、能源消费结构、市场化程度、政府干预程度及对外开放程度，得出了产业结构和市场化程度对绿色全要素生产率有持续的促进作用，能源消费结构、对外开放程度和政府干预程度对绿色全要素生产率有明显的阻碍作用的结论。

农业绿色全要素生产率的影响因素分析中还会引入农村经济发展水平和农田受灾率等变量。有的研究认为，农村经济发展水平较高的地区资本积累相对充分，将积累的资本投入到农业生产中能促进农业生产效率的提高和农业技术进步（陈婷婷[49]）；也有研究认为，随着城市化和工业化进程的加快，农业用地被挤占，导致农村劳动力开始向城市工业部门转移，从而使农业绿色全要素生产率下降（梁俊和龙少波[50]）。农业是一个被自然环境及气候严重制约的产业，农业绿色全要素生产率与地区的受灾率关系密切，多数研究发现，自然灾害对农业绿色全要素生产率具有显著负影响。Nanere et al.[51]对澳大利亚农业绿色全要素生产率测算时发现，水土流失对于绿色全要素生产率有较大的负面影响。

工业绿色全要素生产率的影响因素中还会引入企业结构特点、研究与开发（R&D）、环境规制等。对于研究与开发，多数研究发现，它对工业部门的技术进步和技术效率产生积极的影响，从而提高绿色全要素生产率（涂正革[52]）。结构因素主要包括市场中的所有制结构和企业内部的产业结构两个方面。已有文献的研究结果显示，民营资本占比重较大的企业一般具有更高的资源配置效率及创新能力，该类企业与其他企业相比往往具有更高的绿色全要素生产率（Chen&Golley[53]）。环境管制对地区环境的改善发挥了积极作用，但环境管制改变了企业的资源配置，企业进行环境改善的资本投入挤占了企业用于生产效率提高和技术进步的那部分资本。因此，改善环境的那部分投入到底是否是值得的，即“波特假说”（Poter，1999）能否成立仍是当今研究的热点。第一种观点认为环境规制能够促进绿色全要素生产率的提高，比如陈诗一[54]对节能减排与经济发展双赢路径进行模拟并分析了节能减排对工业产出和生产效率的影响，研究结果显示，从长期来看节能减排对技术进步的负面影响逐渐消退并最终能够实现环境保护与经济发展的双赢；第二种观点认为环境规制能够降低绿色全要素生产率，比如陈超凡[26]运用SYS—GMM动态面板模型的方法，分析环境规制对中国工业绿色全要素生产率的影响时发现，环境规制对工业绿色全要素生产率的影响作用是负面的，环境规制对中国工业绿色全要素生产率的影响尚未超过“波特拐点”。

四、研究述评与未来的研究方向

本文对绿色全要素生产率的测算方法及其在三大产业和各区域中的应用研究进行了梳理。从测算方法上看，绿色全要素生产率的测度从参数法发展到了非参数法，因为非参数法能够很好地克服污染物价格获取难这一问题，相比于参数法应用更为广泛。从应用研究的现状来看，绿色全要素生产率在工业领域的研究最多，农业次之，服务业最少；其在区域经济上的研究从单个国家或地区的研究扩展到不同国家和地区的对比研究。此外，关于影响因素的分析，根据工业和农业的不同特点，学者们分别选取了不同的影响因素。如工业选取了研究与开发、结构因素、环境管制等因素；农业则选取了农村经济发展水平、农村工业化水平、农业受灾率等因素。尽管绿色全要素生产率的相关研究已卓有成效，然而，还有进一步深入的空间。

笔者认为，未来绿色全要素生产率的研究可以从以下三方面入手：第一，现有文献研究多为单个国家或地区绿色全要素生产率状况，对比类研究也集中在同一经济组织的不同国家之间（如OECD成员国之间），缺乏不同经济组织之间绿色全要素生产率的比较研究。因此，未来可以研究不同经济体之间的绿色全要素生产率测算结果的差异。第二，绿色全要素生产率的研究多集中在工业和农业领域，服务业领域的研究相对较少，今后可以补充金融、交通运输等领域的研究。第三，在工业领域的影响因素分析中，除了研究与开发、对外直接投资外，未来研究中可以引入地区教育投入和劳动者素质等变量；在农业领域的影响因素分析中，除了农村经济发展水平、农村工业化水平外，可以考虑引入农民专业技术水平和农民受教育程度等变量。

[参考文献]

方志斌.经济新常态下中国产业发展研究—“中国工业经济学会2015年学术年会”观点综述[J].中国工业经济，2016（2）：156-160.

Rolf Fare，Shawna Grosskopf，Mary Norris，Zhongyang Zhang.Productivity growth technical progress，and efficiency change in industrialized countries[J].The America Economic Review，1994（84）：66-83.

Douglas W.Caves，Laurits R.Christensen，W.Eriwin Diewert.The economic theory of index numbers and the measurement of input，output，and productivity[J].Econometrica，1982（50）：1399-1414.

Hailu A，Veeman T S.Environmentally sensitive productivity analysis of the Canadian pul pand paper industry，1959-1994：an input distance function approach[J].Journal of Environmental Economics and Management，2000（40）：251-274.

K Telle，J Larsson. Do Environmental regulations hamper productivity growth？ How accounting for improvements of plants' environmental performance can change the conclusion[J].Ecological Economics，2004，61（2-3）：438-445.

Rezek J P，Perrin RK. Environmentally adjusted agricultural productivity in the great Plains[J]. Journal of Agricultural & Resource Economics，2004，29（02）：346-369.

Chung Y H，Fare R.Grosskopf S. Productivity and undesirable outputs： a directional distance function ap-proach [J].Journal of Environmental Management，1997（51）：229-240.

Fare R，Grosskopf，Shawna，Pasurka，Carl.Accountiong for air pollution emissions in measuring state manufacturing productivity growth [J].Journal of Regional Science，2001（41）：381-409.

吴军.环境约束下中国地区工业全要素生产率增长及收敛分析[J].数量经济技术经济研究，2009（11）：17-27.

郑丽琳，朱启贵.纳入能源环境因素的中国全要素生产率再估算[J].统计研究，2013，30（7）：9-17.

Tone K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research，2001，130（3）：498-509.

Wang K，Wei Y M. Sources of energy productivity change in China during 1997-2012： A decomposition analysis based on the Luenberger productivity indicator[J].Energy Economics， 2015，54：50-59.

王兵，吴延瑞，颜鹏飞.中国区域环境效率与环境全要素生产率增长[J].经济研究，2010（5）：95-109.

原毅军，谢荣辉.FDI、环境规制与中国工业绿色全要素生产率增长—基于Luenberger指数的实证研究[J].国际贸易问题，2015（8）：84-93.

杨俊，陈怡.基于环境因素的中国农业生产率增长研究[J].中国人口·资源与环境，2011，21（6）：153-157.

李谷成，陈宁陆，闵锐.环境规制条件下中国农业全要素生产率增长与分解[J].中国人口·资源与环境， 2011，21（11）：153-160.

叶初升，惠利.农业生产污染对经济增长绩效的影响程度研究—基于环境全要素生产率的分析[J].中国人口·资源与环境，2016，26（4）：116-125.

王奇，王会，陈海丹.中国农业绿色全要素生产率变化研究：1992-2010年[J].经济评论，2012（5）：24-33.

薛建良，李秉龙.基于环境修正的中国农业全要素生产率度量[J].中国人口·资源与环境，2011，21（5）：113-118.

Hailu A，Veeman T S. Non-parametric productivity analysis with undesirable outputs： an application to the Canadian pulp and paper industry[J].American Journal of Agricultural Economics， 2001， 83（3）：605-16.

李玲，陶锋.中国制造业最优环境规制强度的选择—基于绿色全要素生产率的视角[J].中国工业经济，2012（5）：70-82.

李斌，彭星，欧阳铭珂.环境规制、绿色全要素生产率与中国工业发展方式转变—基于36个工业行业数据的实证研究[J].中国工业经济，2013（4）：56-68.

F?re R，Grosskopf S，Carl A Pasurka Jr. Accounting for air pollution emissions in measures of state manufacturing productivity growth[J].Journal of Regional Science，2001，41（3）：38-409.

陈诗一.中国的绿色工业革命：基于环境全要素生产率视角的解释（1980—2008）[J].经济研究，2010（11）：21-34.

Lee B，Wilson C，Pasurka C. The good，the bad and the efficient： productivity，efficiency and technical change in the airline industry，2004：2008[J].Carl Pasurka，2014，2（2）：18959-18973.

陈超凡.中国工业绿色全要素生产率及其影响因素—基于ML生产率指数及动态面板模型的实证研究[J].统计研究，2016，33（3）：53-62.

刘华军，杨骞.资源环境约束下中国TFP增长的空间差异和影响因素[J].管理科学，2014（5）：133-144.

石风光.中国省区工业绿色全要素生产率影响因素分析—基于SBM方向性距离函数的实证分析[J].工业技术经济，2015（6）：137-144.

王兵，吴延瑞，颜鹏飞.环境管制与全要素生产率增长：APEC的实证研究[J].经济研究，2008（5）：19-32.

沈利生，唐志.对外贸易对我国污染排放的影响—以二氧化硫排放为例[J].管理世界，2008（6）：21-29.

李小平，卢现祥.国际贸易、污染产业转移和中国工业CO2排放[J].经济研究，2010（1）：15-26.

田刚，李南.中国物流业技术进步与技术效率研究[J].数量经济技术经济研究，2009（2）：76-87.

唐建荣，卢玲珠.低碳约束下的物流效率分析—以东部十省市为例[J].中国流通经济，2013，27（1）.

王玲，孟辉.中国物流业环境全要素生产率增长研究—基于MML生产率指数的实证分析[J].北京理工大学学报：社会科学版，2015，17（5）：1-8.

宋长青，刘聪粉，王晓军.中国绿色全要素生产率测算及分解：1985～2010[J].西北农林科技大学学报：社会科学版，2014（3）：120-127.

Managi S，S Kaneko. Environmental Productivity in China[J].Economics Bulletin，2004， 17（2）：1-10.

Jiang Y. Total factor productivity，pollution and‘greeneconomic growth in china[J].Journal of International Development，2015，27（4）：504-515.

Choi Y，D H Oh，Zhang N. Environmentally sensitive productivity growth and its decompositions in China： a metafrontier Malmquist-Luenberger productivity index approach[J].Empirical Economics，2015，49（3）：1017-1043.

齐亚伟，陶长琪.我国区域环境全要素生产率增长的测度与分解—基于Global Malmquist-Luenberger指数[J].上海经济研究，2012（10）：3-13.

李小胜，宋马林.环境规制下的全要素生产率及其影响因素研究[J].中央财经大学学报，2015（1）：92-98.

胡晓珍，杨龙.中国区域绿色全要素生产率增长差异及收敛分析[J].财经研究，2011，37（4）：123-134.

王兵，黄人杰.中国区域绿色发展效率与绿色全要素生产率：2000-2010—基于参数共同边界的实证研究[J].产经评论，2014，5（1）：16-35.

Surender Kumar.Environmentally sensitive productivity growth： a global analysis using Malmquist-Luenberger index[J].Ecological Economics，2006，56（2）：280-293.

田娜，Myeong-Kee Chung.基于环境修正的中韩制造业全要素生产率比较研究[J].世界经济研究，2015（9）：102-108.

Y?rük B K，Zaim O.Productivity growth in OECD countries： a comparison with Malmquist Indices[J].Journal of Comparative Economics，2005，33（33）：401-420.

D H Oh，Heshmati A.A sequential Malmquis-Luenberger productivity index： environmentally sensitive productivity growth considering the progressive nature of technology[J].Energy Economics，2010，32（6）：1345-1355.

汪锋，解晋.中国分省绿色全要素生产率增长率研究[J].中国人口科学，2015（2）：53-62.

袁晓玲，班斓，杨万平.陕西省绿色全要素生产率变动及影响因素研究[J].统计与信息论坛，2014（5）：38-43.

陈婷婷.资源环境约束下我国西部地区农业全要素生产率增长及其影响因素[J].贵州农业科学，2015，43（7）：216-220.

梁俊，龙少波.农业绿色全要素生产率增长及其影响因素[J].华南农业大学学报：社会科学版，2015（3）：1-12.

Nanere M，Fraser I，Quazi A，Souza C D .Environmentally adjusted productivity measurement： an Australian case study[J]. Journal of Environmental Management，2007，85（2）：350-62.

涂正革，刘磊珂.考虑能源、环境因素的中国工业效率评价—基于SBM模型的省级数据分析[J].经济评论，2011（2）：55-65.

Chen S，Golley J.“Green”productivity growth in China's industrial economy[J].Energy Economics，2014，44：89-98.

陈诗一.节能减排与中国工业的双赢发展：2009-2049[J].经济研究，2010（3）：129-143.

[责任编辑 王艳芳]