梁美燕

（海南大学 经济学院，海口570228）

一、引言

近现代以来，随着全球工业化与城市化的推动，世界经济蓬勃发展，全球的生态环境也遭到严重的污染，生态环境恶化是全球面临的重大危机与挑战。数据显示：2018 年，全球一次能源消费的增长率为2.9%，几乎是过去十年平均增速的两倍，也是2010 年以来的最高增速；全球能源消费和使用能源过程中产生的碳排放在2018 年的增速为2.0%，为近七年最高增速，这与巴黎气候协定设定的加快转型的目标背道而驰。在我国，党的十八大提出了“推进绿色发展、建设美丽中国”的构想，在十三五规划中旗帜鲜明地将绿色发展纳入新发展理念，绿色发展注重的是解决人与自然和谐问题，是针对我国环境污染严重、资源约束紧张等严峻问题而提出的。党的十九大报告则做出了中国经济由高速增长阶段转向高质量发展阶段的重大判断。贺晓宇，沈坤荣认为中国经济要从量转变到质的变化，构建和完善现代化经济体系，现阶段的首要任务是不断提高全要素生产率，因此在现阶段绿色全要素生产率是一个值得研究的重要课题。

全要素生产率（TFP）是经济可持续增长的来源和内生演化动力，也是衡量一个国家或地区经济增长质量的重要指标，目前已有大量的研究集中在全要素生产率上。随着环境问题的严峻性和迫切性，环境污染问题也得到了广大学者的密切关注，部分学者开始将环境污染的变量纳入全要素生产率的测算体系中。Mohtadi 是最早将能源消耗与环境因素引入全要素生产率的测算体系中，赋予其“绿色”的内涵，Chung 等（1997）则将污染排放看作非合意性产出使用了方向性距离函数，首次得到实际意义上的绿色全要素生产率（GreenTotal Factor Productivity，TFP））。李俊、徐晋涛在全要素生产率测算体系中加入反映环境变化的量，测算了中国省际绿色全要素生产率，并认为绿色全要素生产率是衡量经济发展质量的重要指标。

二、文献回顾

在现有文献中，绿色全要素生产率的测算方法主要有两种方法，一种是以随机前沿分析(SFA)为代表的参数法，另一种是以数据包络分析(DEA)为代表的非参数法，它们最大的区别在于生产函数的设定。参数法要求预先设定严格的生产函数形式，但在实际生产中往往难以确定具体生产函数形式，故对生产函数形式的设定偏误可能会产生有偏估计，进而影响对效率的评价。而基于生产决策单元构建的DEA 分析方法则无需预先设置具体生产函数形式，可从一定程度上避免函数形式设定错误的问题。同时DEA 可应用于多投入和多产出的效率评价的特点也更适用于绿色全要素生产率的测算，因为绿色全要素生产率的测算不仅包含传统投入变量和传统产出，还包含能源投入和环境污染非合意性产出。王兵、陈超凡运用DEA 技术测算了包含二氧化碳排放等非合意性产出的绿色全要素生产率。

DEA 方法是在探索中不断改进的一族方法体系，传统的DEA 方法（CCR 模型和BCC 模型等）是以径向测度为基础，其假定所有的投入产出要素都以同比例增加或减少，这就导致了与现实情况的背离。而且考虑二氧化碳等非合意性产出时，传统的DEA 模型显示出了它的局限性，基于此，Fare 提出了一个基于弱可处置性和产出角度的方向性距离函数（DDF）处理非合意性产出的效率分析,在应用中使用较为广泛。但DDF 方法处理非合意性产出时没有考虑在此过程中非合意性产出的松弛问题,计算结果的可信程度降低。基于此，Tone（2003）等构建了基于非径向、非角度的SBM 模型，把松弛度放入了目标函数，不仅解决了投入产出松弛的问题，也可以用来解决非合意性产出问题。应用日益增多的SBM模型，虽然考虑了非径向下的松弛变量，却无法处理投入和产出指标中同时存在径向和非径向的问题，同时SBM模型的投影点是前沿上距离被评价决策单元（DMU）上最远的点，这与DMU 希望以最短的路径达到前沿是相悖的。因此，Tone 和Tsutsui（2010）提出了EBM模型，该模型同时考虑了径向和非径向的混合距离函数，综合传统径向DEA模型和非径向的SBM模型的优点。

以中国为代表的新兴市场国家是影响世界经济发展和全球治理体系变革的重要力量，它们的绿色发展于全球环境来说扮演着举足轻重的角色，但仅有极少的文献是关注新兴市场国家绿色全要素生产率的。基于此，本文拟以新兴市场国家为研究样本，应用数据包络分析（DEA）框架下的EBM 模型测算考虑能源投入和二氧化碳排放等非合意性产出的绿色全要素生产率。

三、研究方法与指标、数据的选取

（一）研究方法

基于樊鹏飞等的EBM 研究框架以及超效率DEA 模型约束条件的特点（在约束条件中剔除被评价决策单元）模型扩展成基于非合意性产出的、非导向的超效EBM模型，其具体表示为：

式中γ*为规模报酬不变下最佳的绿色全要素生产率；θ 为即径向效率值；εx为考虑径向效率值和非径向松弛值后的关键参数，满足0≤εx≤1；Si-为非径向投入要素i 的冗余量；Wi-为投入指标的权重，满足；xik和yrk分别为决策单元k 的第i 类投入和第r 类产出；m 和s 分别为投入和产出的数量；j 为决策单元；n 为决策单元总数；λj为线性组合系数；Sr+为第r 类合意性产出的松弛变量；Spb-为第p类非合意性产出的松弛变量；Wr+和Wpb-分别为两者的指标权重；φ 为产出扩大比；bpk为决策单元k 的第p 类非合意性产出；q 为非合意性产出数量。

（二）样本国家的选择

本文的主要研究对象是新兴市场国家，关于新兴市场国家的界定目前在学术界尚未得到一致的认可。本文根据国际货币基金组织、博整亚洲论坛、美国摩根士丹利集团、美国哥伦比亚大学以及英国《经济学人》杂志等众多国际组织和研究机构以及北京师范大学李政对新兴市场国家的综合分析给出新兴市场国家研究样本分别为：阿根廷、巴西、智利、哥伦比亚、捷克、埃及、匈牙利、印度尼西亚、印度、韩国、摩洛哥、墨西哥、马来西亚、秘鲁、菲律宾、波兰、俄罗斯、泰国、土耳其、南非和中国等21 个经济体（简称“E21 国”），总共21 个样本国家，采用年度面板数据，样本区间年度为1995-2018 年。

（三）指标的确定与数据来源

测算新兴市场国家的绿色全要素生产率需要样本国家的投入产出数据，其中产出包括合意性产出和非合意性产出。综合前人的研究以及数据的可得性本文选取的投入要素包括：资本存量、劳动力、能源；合意性产出为一个地区的国内生产总值；非合意性产出为排放量。样本的考察期间为1995—2018年，数据主要来源于世界银行（2018）WDI 数据库。

对于资本存量的计算，本文采用国际上通用的永续盘存法，永续盘存法的公式为：

其中，Kt和Kt-1分别表示各个国家t 年和t-1年的资本存量；It表示各个国家在t 年的不变价资本投资额；δ 表示资本折旧率，本文遵循Perkins（1988）等做法，将资本折旧率统一设定为5%，基期年的基本存量为：K0=I0/（δ+η），其中表示为各个国家资本形成总额1995—2018 年的平均增长率。

由CO2排放量和实际GDP，可以得到样本国家在考察期间的碳排放强度（吨CO2/万美元GDP），可以体现出一个国家或地区的生态效应。

四、绿色全要素生产率测算结果及其分析

根据上述的研究方法和得到的数据，借助DEA专业软件MAXDEA6.18，得到E21 国1995—2018年的GTFP 估计结果，整理结果如表1 所示。

根据测算结果，新兴市场国家的绿色全要素生产率均值存在较大差异，样本国家在样本期间内的总体均值为0.808993，各样本国家效率均值的离散系数为0.253。整体上，E21 国绿色全要素生产率呈现缓慢增长态势，在1995—2018 年期间，年均增长率为0.24%。其中，在样本期间的最初几年，E21 国的GTFP 是逐年下降的，直至2002 年，才实现首次增长。2002 年以后，仅2004，2005，2011 年出现负增长，其余年份都实现正增长，在2012 年以后更是以0.75%的年均增速持续增长。

表1 1995-2018 年E21 绿色全要素生产率均值差异

具体来看，碳排放强度相对较低的国家绿色全要素生产率普遍高于其他国家，尤其是位于拉丁美洲与加勒比海地区的巴西、智利、秘鲁，欧洲地区的土耳其，是碳排放强度比较低的国家，这几国在样本期间内的绿色全要素生产率都大于1，位于生产前沿面上；非洲地区的埃及和亚洲地区的韩国的GTFP 也都大于1，而这两个国家的碳排放强度处于中等水平。作为南美洲上面积最大也是综合实力最强的国家，巴西在绿色全要素生产率方面表现最佳，在考察期间内绿色全要素生产率保持年年排名第一；阿根廷在2010 年以后效率值大于1，并维持这种情况至2017 年，但2018 年阿根廷效率值下降为0.929154；哥伦比亚在2004 年及其以后效率值一直大于1；波兰的效率值也有一个缓慢增长的过程，在2010 年之前大多数是在0.8 至0.89 之间，在2011 年首次实现效率值大于1，但随后的三年，波兰又回到了低效率时代，2012 年以后波兰的效率值都在逐年增加，在2015 年达到生产前沿面上并维持。

几个地区大国印度、中国、俄罗斯、印度尼西亚、泰国在绿色全要素生产率方面表现最差，这几个国家的共同点是他们的碳排放强度都比较高甚至最高；其次这几个国家的人口集中度也比较大，人口基数大的同时提供的大多数是低成本劳动力；并且这几个国家在农业方面还比较倚靠小农经济，经济方面正处于工业化转型或是转型前的阶段，而服务业在这几个国家的发展相对低级。

具体到中国，中国是世界上最大的发展中国家，也是新兴市场国家的有力代表，但中国的GTFP却一直处于低水平（效率值低于0.7），而在整个样本期间内绿色全要素生产率总体均值为0.628023，在E21 中排名也很靠后。在1995—2002 年，中国的GTFP 以约2%的速率增长，2003 年的效率值与2002 年大致相同，2003 年—2008 年效率值呈V 字型走向，2008 年之后连续几年效率值都在下降，2013 年之后效率值趋于稳定，在0.61—0.62 之间徘徊。DEA 强调全要素生产率的增长取决于决策单元的投入产出组合的变化以及该决策单元投入产出观测值附近的生产可能性边界的形状。中国是世界上的碳排放大国，单位GDP 的二氧化碳排放量过高，非期望产出占比过大，在一定程度上会直接导致效率低水平。2001 年中国加入WTO 后，外资流入中国，投资拉动经济增长效应明显，在这个阶段中国主要依靠的是粗放式资本的积累和低成本劳动力的投入，而缺乏生产率的进步，其具体表现就是绿色全要素生产率增长缓慢甚至出现负增长，同时大部分外资流向了第二产业，制造业加工业增加，能源需求增加，而二氧化碳等排放主要来源于能源的消耗。2008 年以后，受全球金融危机影响，世界经济持续低迷，中国的GTFP 也受此影响，在0.60—0.62之间低迷徘徊。

五、结论

传统的全要素生产率的测度仅考虑了生产活动过程中的合意产出，而忽略了非合意性产出，使得测算结果产生了一定的偏差。绿色全要素生产率是在传统全要素生产率的基础上将能源消耗与环境污染因素纳入生产率研究体系，使得结果更为全面、合理。基于此，本文引入了充分考虑径向和非径向混合距离函数的EBM模型，采用21 个新兴市场国家1995—2018 年的面板数据，以碳排放为非期望产出，测算了它们的年度绿色全要素生产率并进行分析。经过测算，笔者发现新兴市场国家碳排放强度逐年下降，碳排放强度相对较低的国家绿色全要素生产率普遍高于其他国家；E21 国绿色全要素生产率呈现缓慢增长态势，在考察期间的年均增长率为0.24%；各新兴市场国家的绿色全要素生产率存在较大差异。其中巴西的绿色全要素生产率最高，效率值均大于1，在样本国家中每年均排名第一；智利、秘鲁、埃及、土耳其、韩国次之；印度、中国、俄罗斯、印度尼西亚、泰国的绿色全要素生产率最低。

当然，笔者因某些数据的不可获得性并没有考虑其他的温室气体以及污染物的排放，从而对评价新兴市场国家绿色全要素生产率的准确性产生影响。也如同所有DEA 分析一样，样本中单个国家的绿色全要素生产率值通常会受到其他国家的影响，原因是构建的生产前沿面取决于样本。因此在运用本文的研究结果进行政策建议和制定时需要谨慎，这也是我们下一步研究重点关注的内容。