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

统计研究

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

陈超凡

出版日期:2016-03-15 发布日期:2016-03-21

China’s Industrial Green Total Factor Productivity and Its Determinants —— An Empirical Study Based on ML Index and Dynamic Panel Data Model

Chen Chaofan

Online:2016-03-15 Published:2016-03-21

摘要/Abstract

摘要：

本文运用方向性距离函数及ML指数测算了资源环境约束下的工业绿色全要素生产率，然后通过SYS-GMM动态面板模型研究工业绿色全要素生产率的影响因素，结果显示：①2004—2013年，中国工业绿色全要素生产率的增长出现倒退且不具收敛特征，工业绿色全要素生产率明显低于传统全要素生产率，尽管如此，仍有一半左右的工业行业在绿色技术进步的推动下实现了全要素生产率的提升。②较高的技术水平、合理的产权结构能显著提高绿色全要素生产率，而资本深化、不合理的能源结构阻碍了绿色全要素生产率的增长。③环境规制对绿色全要素生产率的影响尚未越过“波特拐点”，外商投资能提升技术进步但对绿色全要素生产率的促进作用还未发挥，绿色全要素生产率与企业规模并无直接关联。

关键词: 中国工业, 绿色全要素生产率, ML生产率指数, 动态面板

Abstract:

The paper uses the directional distance function and ML index to measure the industrial green TFP under restriction of resources and environment. Moreover, we establish SYS-GMM dynamic panel model to explore the determinants of industrial green TFP, and main conclusions are as follows. Firstly, during the period of 2004-2013, growth of China’s industrial green TFP shows a trend of reverse and does not have the feature of convergence. Industrial green TFP and its decomposition is significantly lower than the traditional TFP, and even so, TFP of about half of industrial sectors have increased driven by green technical progress. Secondly, higher technology level and reasonable structure of property right can significantly increase the green TFP, while capital deepening and unreasonable energy structure hinder the growth of green TFP. Thirdly, influence of environmental regulation on green TFP has not crossed the “porter point”, foreign investment can promote technology progress, but has not played a role for promoting green TFP, and there is no direct correlation between enterprise scale and green TFP growth.

Key words: China’s Industry, Green TFP, ML Productivity Index, Dynamic Panel Data Model

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.

Chen Chaofan. China’s Industrial Green Total Factor Productivity and Its Determinants —— An Empirical Study Based on ML Index and Dynamic Panel Data Model[J]. Statistical Research, 2016, 33(3): 53-62.

[1]	于斌斌等. 环境规制的经济效应：“减排”还是“增效”[J]. 统计研究, 2019, 36(2): 88-100.
[2]	张志强. 动态面板模型参数估计方法的比较研究[J]. 统计研究, 2017, 34(9): 108-.
[3]	徐国祥等. 中国财政分权度指数的编制及其与增长、均衡的关系研究[J]. 统计研究, 2016, 33(9): 36-46.
[4]	张谦等. 中国城市住房价格的空间效应与滞后效应研究[J]. 统计研究, 2016, 33(7): 38-45.
[5]	李仲达等. 动态面板阈模型的一种序贯两步估计[J]. 统计研究, 2014, 31(7): 72-80.
[6]	李春风等. 房价上涨对我国城镇居民消费的挤出效应研究[J]. 统计研究, 2014, 31(12): 32-40.
[7]	乔坤元. 非等间隔动态面板数据模型：基于半差分的估计方法和应用[J]. 统计研究, 2014, 31(1): 98-106.
[8]	沈小波. 中国农村居民电力需求的影响因素[J]. 统计研究, 2014, 31(1): 84-90.
[9]	王学义张冲. 中国人口年龄结构与居民医疗保健消费[J]. 统计研究, 2013, 30(3): 59-63.
[10]	李春风等. 房价波动对我国城镇居民消费的影响研究[J]. 统计研究, 2013, 30(2): 14-22.
[11]	陈浪南王鹤. 我国房地产价格区域互动的实证研究[J]. 统计研究, 2012, 29(7): 37-43.
[12]	郭晔 . 货币政策与财政政策的分区域产业效应比较[J]. 统计研究, 2011, 28(3): 36-42.
[13]	郭晔. 货币政策与财政政策的分区域产业效应比较[J]. 统计研究, 2011, 28(3): 36-42.
[14]	王少平王津港. 中国通货膨胀的惯性变化及其货币政策含义[J]. 统计研究, 2009, 26(5): 17-24.
[15]	樊福卓. 中国工业的结构变化与升级： 1985—2005 [J]. 统计研究, 2008, 25(7): 19-25.