第５期（总第２３５期） 工业技术经济 Ｎｏ．５（ｃｔｍ ，Ｎｏ．２３５） ２０１３年５月 Ｊｏｌ皿ａ】ｏｆＩｎｄｔｍｆｉａｌ＂ｌ＇ｅｅｈｎｏｌｏ￣ｉｅａｌ Ｅｔ３ｏｌｌＯ￣Ｃ８ ｌ￣ｌａｙ．２０１３ 碳排放约束下我国全要素生产率增长的测度与分解 ——基于ＳＢＭ方向性距离函数和ＧＭＬ指数 齐亚伟 （江西财经大学，南昌 ３３００１３） ［摘要］ 本文运用ｓＢＭ方向性距离函数和Ｇｌｏｂａｌ Ｍａｌｍｑｕｉｓｔ—Ｌｕｅｎｂｅｒｇｅｒ（ＧＭＬ）指数将能源与二氧 化碳纳入全要素生产率测度与分解框架中，测算了２００１～２００９年我国各省市的环境效率及环境全要素生 产率变动状况，将环境全要素生产率变动分解为纯技术进步、纯技术效率变动、觌ｌ模效率变动和技术规模 变动等４个因素。研究结果表明：环境无效率普遍存在，且在省际间的分布差异较大；环境全要素生产率 的增长和省际差异分别源于技术进步和规模效率，纯技术效率则出现不同程度地恶化。 ［关键词］ 环境全要素生产率ＳＢｂｌ方向性距离函数ＧＮＬ指数 ＤＯＩ：１０．３９６９／ｉ．ｉｓｓｎ．１００４—９１０Ｘ．２０１３．０５．０１８ ［中图分类号）Ｆ２０６ ［文献标识码］Ａ 改革开放以来，我国经济增长取得了令人瞩 的源泉，为缓解经济高速增长与能源耗竭、二氧 目的成绩，１９７８～２００９年的年均增长率在９％以 化碳排放之间的矛盾提供一些启示。 上。在盘点所取得的辉煌业绩时，我们发现高速 １ 文献综述 的经济增长是以能源的高投入、高消耗为特征， 国内外学者已经注意到能源消费对产出的影 经济对能源的过度依赖导致大气中二氧化碳等温 响。Ｈｕ和Ｗａｎｇ（２００６）最早采用规模报酬不变 室气体浓度增加，诱发全球气候变暖及环境污染， （ＣＩｔＳ）的ＤＥＡ模型，将能源消费引入生产函数 从而降低了经济增长质量，使得经济增长速度大 中，研究了中国省际间的全要素生产率…１。由于 打折扣。我国正处于工业化、城市化、现代化快 经济增长是一个伴随着非期望产出（环境污染） 速发展阶段，重化工业发展迅速，大规模基础设 不断产生的期望产出增加过程，我国经济增长对 施建设不可能停止，能源需求的快速增长一时难 能源消费的路径依赖，以及以煤为主的能源结构 以改变，碳排放量在短时间内也不能得到遏制。 致使我国能源消费与碳排放量随着ＧＤＰ的提高也 能源耗竭和二氧化碳排放日益成为制约经济可持 在不断增加，而忽视二氧化碳等非期望产出的传 续发展的约束条件，为此，节能减排被提到前所 统生产率测度思路会导致有偏差的生产率增长 未有的战略高度，我国在“十一五”发展规 （Ｃｈｕｎｇ，１９９７）【 。袁晓玲、张宝山等（２００９）利 划中提出：到２０２０年单位ＧＤＰ二氧化碳排放比 用Ｍａｌｍｑｕｉｓｔ指数测算出了包含非期望产出环境污 ２００５年下降４０％一５０％，达到这一目标的关键是 染的中国省际全要素能源效率，结果表明，我国 运用技术提高生产效率。因此，我们有必要深入 总体能源效率偏低，在维持一定水平后呈现缓慢 分析资源环境约束下我国全要素生产率处于一个 下降的趋势，区域差异较为显著［ 。但以上文献 什么样的状态，通过分析环境全要素生产率增长 的测度思路是把污染排放指数的倒数作为产出变 收稿日期：２０１３—Ｏ１—２３ 基金项目：国家自然科学基金（项目编号：７１ ３１２２）、国家社会科学基金（项目编号：１２ＢＪＹ０１４）和教育部人文社会科学研究一般项 目（项目编号：１１ＹＪＡ６３０１６９）。 作者简介：齐亚伟，江西财经大学信息管理学院讲师。研究方向：区域经济发展，环境规划。 ・－－——１３７－－－—— 第５期（总第２３５期） ２０１３年５月 工业技术经济 ｏｆＩｎｄｕｓｔｒｉａｌ Ｔｅｃｈｎｏｌｏｇｉｃａｌ Ｅｃｏｎｏｍｉｃｓ Ｎｏ．５（Ｇｅｎｅｒａｌ，Ｎｏ．３５）２ Ｍａｙ．０１３ ２量带人模型求解，这与将坏产出作为投入变量一 样，是将好产出和坏产出进行非对称处理，扭曲 了对经济绩效和社会福利水平的评价，从而误导 建议（Ｈａｉｌｕ，Ｖｅｅｍａｎ，２００１）Ｅ引，并且是在采 用保持坏的产出不变的情况下利用基于产出距离 函数的Ｍａｌｍｑｕｉｓｔ指数计算的，得出的结果存在一 定的偏差。Ｃｈａｍｂｅｒｓ，Ｃｈｕｎｇ和Ｆａｒｅ（１９９６）归纳 了Ｌｕｅｎｂｅｒｇｅｒ（１９９２）利润函数，提出了非径向的 新思路一方向性距离函数［引。该函数是Ｓｈｅｐ— ｈａｒｄ产出距离函数的一般化，可以处理投入产出 同时变化的情况，并在此基础上构建了可用来处 理非期望产出的Ｍａｌｍｑｕｉｓｔ—Ｌｕｅｎｂｅｒｇｅｒ（ＭＬ）生产 率指数。方向性距离函数和ＭＬ指数在测算及分 解全要素生产率时能够从经济增长与二氧化碳等 非期望产出减少２个方面考虑，从而分析节能减 排效果。面对保增长和减排放的双重约束，沈能 （２０１２）测算了加人环境约束因素后我国工业各行 业的环境效率，结果表明，若考虑非期望产出的 影响，中国工业环境效率有明显的下降［６。Ｆａ６］ｒｅ （２００１）、Ｋｕｍａｒ（２００６）以及胡鞍钢（２ｏｏ８）利用 传统的Ｍ生产率指数和ＭＬ生产率指数测度发达 国家和发展中国家的全要素生产率，研究结果表 明，考虑环境因素的全要素生产率年均增长率与 忽略环境因素的全要素生产率的年均增长率之间 存在显著的差异［７，８］。陈诗一（２００９）同样采用方 向性距离函数和ＭＬ生产率指数模拟了中国工业 节能减排的损失和收益［９。孙传旺等９］（２０１０）基 于ＭＬ生产率指数，测度并分解了低碳经济发展 中我国的全要素生产率，发现技术进步是推动碳 强度约束下全要素生产率提高的主要因素［１０］。很 多文献都是运用径向的、角度的ＤＥＡ来计算方向 性距离函数，当存在投入或产出过度，即存在投 入或产出的非零松弛量时，径向的ＤＥＡ方法会高 估效率；而角度的ＤＥＡ方法忽视了投入或产出的 某一个方面，计算的结果并不准确。非径向、非 角度的基于松弛变量ＳＢＭ（Ｓｌａｃｋ—Ｂａｓｅｄ Ｍｅａｓｕｒｅ） 方向性距离函数可以克服上述２个缺陷。王兵等 一】３８一 （２０１０）运用ＳＢＭ方向性距离函数和ＭＬ生产率指 标测度了环境约束下中国区域全要素生产率的增 长情况，认为能源的过多使用以及污染物的过度排 放是环境无效率的主要来源［ｎ］。庞瑞芝等（２０１１） 同样采用ＳＢＭ方向性距离函数测算了我国各省份 工业部门的“新型工业化”生产力［１２］。 本文将能源消费量作为生产投入之一，同时 将产生的二氧化碳作为非期望产出，测度及分解 了碳排放约束下中国区域全要素生产率。以上文 献中测算环境全要素生产率时所用的ＭＬ生产率 指数一般采用２个当期ＭＬ指数几何平均的形式， 导致ＭＬ指数在测度跨期方向性距离函数时，如 果ｔ＋１期的投入产出值在ｔ期的技术下是不可行 的，则面临着一个潜在的线性规划无解的问题。 此外，以几何平均形式表示的ＭＬ指数不具有循 环性或传递性（Ｃｉｒｃｕｌａｒｉｔｙ ｏｒ Ｔｒａｎｓｉｔｉｖｉｙｔ）①。Ｏｈ （２０１０）将Ｇｌｏｂａｌ Ｍａｌｍｑｕｉｓｔ生产率概念和方向性距 离函数相结合，构建了ＭＬ指数的替代方法—— Ｇｌｏｂａｌ Ｍａｌｍｑｕｉｓｔ—Ｌｕｅｎｂｅｒｇｅｒ（ＧＭＬ）指数【１３ｊ。该 方法不仅可以应付多输出和多输入，以及生产带 来的环境污染非期望产出问题，而且避免了传统 ＭＬ指数的线性规划无解的问题，同时是可循环累 加的。本文尝试将ＳＢＭ方向性距离函数和ＧＭＬ 指数运用到碳排放约束下中国全要素生产率累积 值的测度中，并将全要素生产率进一步分解为纯 技术效率变动、纯技术进步、规模效率变动和技 术规模变动四部分，以便从能源节约、二氧化碳 减少以及ＧＤＰ增长３个方面分析中国经济增长质 量的长期变动趋势，考察增长节能减排三目标的 实现情况。 ２环境全要素生产率的测算方法 本文首先构建一个既包括期望产出（国内生 产总值）又包括非期望产出（二氧化碳）的生产 可能性集，即环境技术。假设每一个决策单元使 用Ｎ种投入Ｘ＝（Ｘ１，ｘ２，Ａ，ＸＮ）∈ ，得到Ｍ种期 望产Ｓｙ＝（Ｙｌ，Ｙ２，Ａ，ＹＭ）∈ ，以及Ｊ种非期望产 Ｓｂ＝（ｂ１，ｂ２，Ａ，ｂｊ）∈ＲＪ＋。利用第Ｋ个省份第ｔ期 第５期（总第２３５期） ２０１３年５月 工业技术经济 ｏｆＩｎｄｕｓｔｒｉａｌ Ｔｅｃｈｎｏｌｏｇｉｃａｌ Ｅｃｏｎｏｍｉｃｓ Ｎｏ．５（Ｇｅｎｅｒａｌ，Ｎｏ．２３５） Ｍａｙ．０１３ ２的投入和产出值（ｘｋ－．，Ｙｋ．ｔ，ｂ ），可以构造生产可 行性集Ｐｌ（ｘｔ）：Ｐｌ（ｘｔ）＝｛（Ｙ‘，ｂｔ）：ｘｔ能生产（）ｒＩ，ｂ‘）｝， ｘ＇ＥＲｎ＋，ｔ＝１，２，Ａ，Ｔ。Ｐｔ（ｘｔ）满足闭集和有界集、 投入与期望产出强可处置性、非期望产出弱处置 公理、期望产出和非期望产出零结合公理等条件。 ｐｔ（ｘｔ）是依赖ｔ时刻当期的生产技术构造的参 根据ｒ＇ｕｋｕｙｏ￣＆Ｗｅｂｅｒ（２００９），资源环境约 束下的ＳＢＭ方向性距离函数的表示形式如下所 示（１ ］： ６ （ ，ｙ，ｂ．ｇ）塞 ：二 （ 妻二笪 塞塞１ ｈ． 、：． 一 考生产集，集合中的每一个数据仅仅是那个时刻 得到的观测值。运用当期数据来确定当期的生产 前沿有可能导致技术倒退结论的出现，运用全局 生产技术集（Ｇｌｏｂａｌ Ｐｒｏｄｕｃｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ Ｓｅｔ），即 每一年的参考技术由当期及其以前所有可能得到 的投入产出数据确定。Ｏｈ（２０１０）将全局生产技 术集定义为所有当期生产技术集的并集，即ＰＧ（ｘ） ＝Ｐｌ（ｘ ）Ｕ Ｐ２（ ）ＵＡＵ ＰＴ（ｘＴ）。运用整个时间段 内贯穿整个生产集的观测数据设置的全局生产技 术构建了一个单一的参考生产前沿，所有的决策 单元都以此为“标杆”，增强了决策单元技术效率 之间的可比性。 ２．１方向性距离函数 很多学者已经证实，方向性距离函数能较好 地解决包含“坏”产出的效率评价问题，本文同 样利用方向性距离函数计算生产可行性集的最优 解，以此反映经济活动中对环境技术的使用情况。 给定投入组合后，构造的方向性距离函数如下所 示： Ｄ。（ｘ，Ｙ，ｂ；ｇ）＝ｒｆｌａｘ｛ｐ：（ｙ，ｂ）＋隗∈Ｐ（ｘ）｝ （１） 其中，ｇ＝（Ｙ，一ｂ）为产出水平扩张的方向向 量， 为方向性距离函数值。生产可行性集与方 向性距离函数的关系如图１所示： ｂ 图１ 包含“好”产出和“坏”产出的方向性距离函数 ｓ．ｔ．∑∑ｚ￡‰一ｓｍｙ：ｙ ， ∑∑ ＋ｓ｝＝ｂｔｉ， ∑∑ｚ￡ ＋ｓ：： ， ｚＬ＿＞ｏ，ｓＸ＿Ｏ，ｓｙｍ ｏ，ｓ ０ 其中，ｇ＝（一＆，ｇｙ，一ｇｂ）为代表投入压缩、 好产出扩张和坏产出压缩的方向性向量，而（ｓＸ ， ｓｙｍ，ｓ ）则代表投入、好产出和坏产出的松弛变量， ｚｆ，表示每一个横截面观测值的权重。以设定的方 向性向量为权数，同时寻求投入（ｘ）最小化、 “好”产出（Ｙ）最大化以及“坏”产出（ｂ）最小 化，同时兼顾环境规制和经济增长，实现经济 “又快又好”地发展。 ２．２ Ｇｌｏｂａｌ Ｍａｌｍｑｕｉｓｔ—Ｉ＿ｎｅｎｂｅｒｇｅｒ指数模型 由于采用几何平均形式的ＭＬ指数测算出的 全要素生产率不具有循环累乘性，只能进行相邻 期间生产效率的短期变动分析，无法观察生产效 率的长期增长趋势。而且其中混合方向性距离函 数容易导致线性规划无可行解，图１中的Ａ点就 是全要素生产率无解的最好证明。而ＧＭＬ指数是 基于全局生产技术集构造的，能有效避免线性规 划无解的缺陷。同时，这种连续生产前沿面避免 了生产前沿向内偏移的可能性，也就是说，可以 避免“技术倒退”现象出现的可能性，从而也就 避免了生产效率的“被动”提高。 全要素生产率的分解一般遵循Ｆａｒｅ等（１９９４） 和Ｒａｙ＆Ｄｅｓｌｉ（１９９７）提出的方法，虽然都将生 产率的增长分解为：技术进步、纯效率变化和规 模效率变化，但Ｆａｒｅ等是在规模报酬不变的假设 第５期（总第２３５期） ２０１３年５月 工业技术经济 ｏｆＩｎｄｕｓｔｒｉａ１．Ｔｅｃｈｎｏｌｏｇｉｃａｌ Ｅｃｏｎｏｍｉｅｓ Ｎｏ．５（Ｇｅｌｌ ，Ｎｏ．２３５） Ｍａｙ．２０１３ 下分解，Ｒａｙ＆Ｄｅｓｌｉ是在规模报酬可变的假设下 分解［１５，１６］。Ｇｒｉｆｅｌｌ＆Ｌｏｖｅｌｌ（１９９９）认为虽然Ｆａｒｅ 的分解并不准确，但对生产率增长的测度是准确 的，而Ｒａｙ＆Ｄｅｓｌｉ的分解思路准确，但其生产率 增长的测度并不准确［１７］。本文将两者的分解方法 结合，在不变规模报酬下将分解为纯效率变化 （ＧＰＥＣ）、纯技术进步（ＧＦＩＥ）、技术规模变化 （ＧＳＴＣ）和规模效率变化（ＧＳＥＣ）４个因子，如 下所示： Ｃ 厦 。＝ＧＰＥＣ［ Ｘ ＧＰｒＩ℃： Ｘ ＧＳＴｑ Ｘ ＧＳＥＣ￣ 其中，Ｄ （）【ｒ，Ｙ ，ｂ ； ）＝ｍａｘ｛ｐ：（Ｙ ，ｂ ）＋ ＥＶＯ（ｘ￣）｝为全局方向性距离函数，记§（ｘ，ｙ，ｂ；ｇ） ＝１＋ （ｘ，Ｙ，ｂ；ｇ）。ＢＰＧＧ， ＝§ （ ， ，ｂ ；ｙｒ，一 ）／ Ｓｔｖ（ ，Ｙ ，ｂ ；）ｒｒ，一ｂ ）是ｒ时刻沿着方向向量（Ｙ ， 一ｂ ）标示的射线方向，当期技术前沿和全局技术 前沿之间的最佳实践差距，于是，表示ｔ和ｔ＋１时 期之间最佳实践差距ＢＰＧＧ 变动的指数ＧＰ１℃：¨， 可用来测度在更多期望产出和更少非期望产出的 方向上，当期技术前沿向全局技术前沿移动的紧 密程度，为不同时期的技术变动情况提供了一种 新的测度形式。而ＧＰＥＣｔｔ“、ＧＳＥＣｔｔ十１和ＴＳＴＣ￣“ 分别表示纯技术效率变动、规模效率变动和技术 规模变动。如果ＧＰＥＣ￣＋１＞（＜）１，则表明在ｔ和ｔ ＋１时期之间，决策单元向着前沿面移动（远离 前沿面），从而使生产活动的效率改善（效率恶 化）。ＧＰＴＣ￣＋１＞（＜）１表示相对于ｔ期的生产技术， ｔ＋１期的生产技术更加接近（远离）全局生产技 术，反映了技术进步（技术倒退）。ＧＳＥＣｚ，＋１表示 规模效率变化，是由效率值变化引发的规模效应， ＧＳＥＣ￣＋１＞（＜）Ｉ表示规模效率提高（下降）。 ＧＳＴＣ￣＋１测度技术进步的规模效应，ＧＳＴＣｌ＋１＞ （＜）１表示技术偏离不变规模报酬（向不变规模 报酬移动）。全要素生产率变动指数表示决策单位 向最佳生产实践前沿面的移动。若碳排放约束下 全要素生产率得到提升则 ＋１＞１，反之，若 一１４０一 全要素生产率下降则ＧＭ ＋１＜１。技术进步（技 术倒退）、效率改善（效率恶化）技术规模提高 （下降）和规模效率提高（下降）将对全要素生产 率的提升起到促进作用（阻碍作用）。 为了测算与分解当期和全局Ｍａｌｍｑｕｉｓｔ—Ｉｍｅｎ— ｂｅｒｇｅｒ指数，需要借助线性规划方法在不变规模 报酬和可变规模报酬下分别计算４个方向性距离 函数。以ｔ期为例，其当期方向性距离函数可通 过求解如下线性规划得到： Ｄ￣（ｘｔ，Ｙ ，ｂｔ；ｙ ，一ｂ‘）＝ｍａ）【口 Ｋ ｓ．ｔ．∑ｚｔｋｙｔ ≥（１＋ｐ） ， ｍ：１，Ｋ，Ｍ ｋ＝１ Ｋ ∑ｚｋｌｂｋＩｊ＝（１一ｐ）ｂ｛， ｊ＝１，Ｋ，Ｊ （２） ｋ＝ｌ Ｋ ∑ｚ｝ｘ ≤（１一Ｂ） ， ｎ：１，Ｋ，Ｎ ｋ＝１ 吐 ０， ｋ＝ｌ，Ｋ，Ｋ 全局方向性距离函数在构建生产可能性集时， 需检测整个时间段内的生产技术，因此，ｔ期的 全局方向性距离函数求解模型如下所示： 孑（ｘ ，ｙｔ ｂ ；ｙ‘，一ｂ ）＝ｍ郐 ｓ．ｔ．∑∑ｚｔｋｙｋｔ ｍ（１＋￣）ｙｍｔ， ｍ＝１，Ｋ，Ｍ ｔ＝１ ｋ＝１ Ｔ Ｋ ∑∑ｚｋｔ。ｋｔ＝（ｊ１一ｐ）ｂｊ， Ｔ Ｋ ∑∑吐 ｓ（１一 ） ， ｎ：１，Ｋ，Ｎ ｔ＝１ ｋ＝１ ｚ｝ ０， ｋ＝１，Ｋ，Ｋ 模型（２）或（３）中的最优值 反映的是决 策单元投入削减、期望产出增加和非期望产出减 少的最大提升空间。本文将模型（２）或（３）测 算得到的省际全要素生产率得分界定为。＝｛｛ ， 该指标同时反映了节能和减排实施效果。 ３实证分析结果 本文以２００１～２ＯＯ９年中国内地的２９个省市 （重庆市归于四川省，因数据不全不在考察范 围内）为决策单元，测算并分解各省市碳排放约 第５期（总第２３５期） ２０１３年５月 工业技术经济 ｏｔｎ＇￣ｏｆＩｎｄｕｓｔｒｉａｌ Ｔｅｅｈｎｏｌｏｚｉｅａｌ Ｅｃｏｎｏｍｉｅｓ Ｎｏ．５（Ｇ 。Ｎｏ．２３５） Ｍａｙ．２０１３ 束下的全要素生产率（本文将其称之为环境全要 素生产率）。数据来源于历年的《中国统计年鉴》、 由于二氧化碳排放是诱发全球变暖的主要因素， 是环境规制中的主要控制对象，且二氧化碳排放 主要是由能源消费产生的。因此，以二氧化碳排 放量作为非期望产出指标。能源消费ｃ０２排放的 ７ ７ 《中国能源统计年鉴》和《中国环境统计年鉴》。 ３．１变量选取与数据说明 假定生产过程中需要３种投入要素：劳动力、 计算公式为：ｃｏ２：∑ＣＯ２。ｉ＝∑Ｅｉ×ＮＣＶｉ Ｘ ＣＣｉ 物质资本存量、能源消费，生产出期望产出ＧＤＰ ｉ＝１ ｉ＝１ 和非期望产出。 Ｘ ＣＯ Ｆ；＊（４４／１２）。 （１）劳动力。本文使用年末社会从业人员总 其中，ｃｏ２．ｉ代表第ｉ种能源消费的Ｃｏ２排放 量作为生产中劳动力的投入。 量，本文考虑了煤炭、焦炭、汽油、煤油、柴油、 （２）物质资本存量。本文采用永续盘存法： 燃料油和天然气共７种能源消费种类（ｉ＝７）；Ｅｉ Ｋｉ， ＝Ｉ．，ｌ＋（１一 。。）Ｋｉ．Ｉ－ｌ估计每年的资本存量，其 表示第ｉ种能源的消费量（ｔ，ｍ３）；ＮＣＶｉ为第ｉ 中 ．。是地区ｉ第ｔ年的资本存量，Ｉ．－Ｉ是地区ｉ第ｔ 种能源的平均低位发热值（ＫＪ／ｌ（ｇ，ｍ３）；ＣＣｉ为 年的投资， ．。是地区ｉ第ｔ年的固定资产折旧。 第ｉ种能源的碳含量（ｔｅ／ＴＪ），ＣＯＦ；是第ｉ种能源 本文采用张军（９．００４）的相关数据，并根据其方 的碳氧化率。各种能源的Ｃｏ２排放系数见表１。 法将时间延长到２００９年［１８］。为了研究的可比性， 由于生产主要利用电能作为动力，本文还根据电 本文将各省市历年的资本存量按照２０００年的可比 力消耗与二氧化碳的折算系数估算我国生产过程 价格进行了折算。 中产生的二氧化碳。根据国家２００８年公布 （３）能源消费。用各省每年的能源消耗量表 的中国区域电网的基准线排放因子，华东电网的 示能源投入，由于各省的能源消费种类不一，所 电量边际排放因子为０．９５４ｔＣＯｚ／ＭＷｈ，本文以此 以统计上把煤炭、石油、天然气和水电等４种主 作为二氧化碳排放因子，对消耗电力产生的间接 要一次性能源的消费量转换成统一单位加总而得。 二氧化碳排放也进行估计。将化石能源燃烧产生 期望产出用各省每年的ＧＤＰ表示期望产出， 的直接二氧化碳和电力消耗产生的间接二氧化碳 并采用ＧＤＰ平减指数将其换算为２０００年为基期。 加总，得到总的二氧化碳排放量。 表１化石能源的Ｇ０２排放系数 注：数据来源于ＩＰＣＣ（２００６）及国家能源研究所（２Ｏ０７） ３．２考虑非期望产出的中国各省市环境效率分析 投入产出双导向的情况下，得出历年各省市的全 运用中国各省市２００１ ２００９年间的投入产出 局环境效率，结果如图２所示。 数据，利用上述线性规划，在可变规模报酬以及 ・－———１４１・－－—— 第５期（总第２３５期） Ｎｏ．５（Ｇｅｎｅｒａｌ，Ｎｏ．２３５） ２０１３年５月 工业技术经济 ＯＵ．ｒ￣ｏｆＩｎｄｕｓｔｒｉａｌ Ｔｅｃｈｎｏｌｏｇｉｃａｌ Ｅｅｏｎｏｍｉ￣ Ｍａｙ．２０１３ Ｉ二＝！！＝ ！ 全 里 苎鍪兰二：！＝ ！ ！全星堡 垄整兰二！二 ！全星耍 堡垫兰ｌ 图２考虑非期望产出的中国各省市全局环境效率 从图２可以看出：当考虑二氧化碳排放对经 境效率恶化，而北京、天津、上海、福建、广东、 济增长的约束作用时，我国各省市的经济增长普 江苏、山东等省市则由环境效率无效转变为有效 遍存在着环境无效率，而且环境效率在省际间的 或持续保持有效。这表明经济发达省市已意识到 分布不均，起伏波动较大。２ＯＯ０年位于技术前沿 资源环境对经济可持续的重要性，减少能源和物 面上的省份为内蒙古、福建、广东、海南、甘肃 质资本的过量投入，引进或创新已有的环境技术， 和青海，而北京、天津、上海、江苏、浙江等经 以更为有效地方式组织生产活动，进而实现了环 济发达省市的环境效率仅在０．６—０．７左右，四 境效率改善。而环境效率恶化的省市多是经济不 川、贵州、云南、陕西、等经济不发达的省 发达省市，对它们而言经济的高速增长是位于首 市环境效率也较低，这表明环境效率似乎与现有 位的，在生产低水平扩张过程中导致技术——技 经济发展水平没有多大的必然联系。环境效率的 能匹配度下降。这从侧面印证了“环境库兹涅茨 省际差异大，但观察可知环境效率高和环境效率 曲线”所描绘的状况，只有积极发展低碳经济发 低的省份分别在地理位置上相互邻近，表现出高 展模式，在促进效率改善上做好文章，才能扭转 ——高、低——低的分布格局，即环境效率具有 环境效率恶化趋势和实现经济可持续地健康发展。 空间相关性和集聚特征。环境效率普遍低下的原 ３．３基于ＧＭＬ指数和ＭＬ指数的全要素生产率变 因主要在于：在生产过程中使用的全局生产技术 动分析 与自身经济发展条件（包括经济增长水平、资本 为了表现碳减排的治理需要一定的代价，从 存量、资源环境等）不相匹配，不能充分利用最 而将环境规制引入研究框架中，本文利用ＳＢＭ方 佳实践技术；经济增长主要是靠能源、资本等要 向性距离函数和ＧＭＬ指数计算并分解了中国２９ 素投入而不是技术效率推动的，在创造大量期望 个省市２００１ ２００９年间的全要素生产率变动、纯 产出的同时也不可避免造成二氧化碳排放等非期 效率变动、技术进步、规模效率变动、技术规模 望产出，只有通过减少能源消耗投入或二氧化碳 变动，分析各省市生产效率的增长特征与差异， 排放才能提高环境效率，否则碳排放约束将给经 并对两种测度结果进行了比较，具体结果如表２ 济的可持续发展带来较大的掣肘。 所示。 从全局环境效率的平均增长速率来看，大部 由于基于全局生产技术集的ＧＭＬ指数具有循 分省市的技术效率是恶化的，原本位于生产前沿 环可加性，表２中的ＧＭＬ、ＧＰＥＣ、ＧＰＴＣ、ＧＳＥＣ 的省市环境效率变得无效，另有一部分技术无效 和ＧＳＴＣ数据实际上为各个省市在２００１—２００９年 的省市环境效率继续无效。平均而言，全局环境 问的累积变化值，反映了近１Ｏ年来中国环境全要 效率改善的省市有１１个，内蒙古、广西、甘肃、 素生产率、技术效率、技术进步、规模效率和技 宁夏、青海等省市的恶化程度较大。最初环境效 术规模的总体变动程度。表２显示，在低碳经济 率有效的甘肃、内蒙古、青海出现不同程度的环 视角下，２００１ ２００９年问我国环境全要素生产率 一】４２一 第５期（总第２３５期） 工业技术经济 Ｎｏ．５（Ｃ，ｅｎｅｒａｌ，Ｎｏ．２３５） ２０１３年５月 ｏｕｎｍｌｌ ｏｆＩｎｄｕｓｔｒｉａｌＴｅｃｈｎｏｌｏｇｉｃａｌＥｃｏｎｏｍｉｃｓ Ｍａｙ．２０１３ 总体上呈上升趋势。全国平均环境全要素生产率 同期ＧＤＰ的增长速度，这意味着伴随着经济的高 增长指数为１．０９６，１０年间共增长了９．６％。根据 速增长，中国在节能减排方面所付出的努力日益 《中国环境经济核算研究报告２００８）￣统计，与 增大。环境规制是保持我国现有经济发展可持续 ２００４年相比，２００８年我国环境退化成本增长了 性的关键，探讨建立发展的同时追求环境保护的 ７４．８％，虚拟治理成本增长了７５．４％，远远高于 长效机制势在必行。 表２我国环境全要素生产率的变动及其分解（累积值）ｉ ２ＯＯＯ～２ＯＯ９年 ——・——１４３－。－—— 第５期（总第２３５期） ２０１３年５月工业技术经济 Ｊ０ｕｍａｌ ０ｆ ｈｌ ｌｓ ａ】Ｔｔ ｌｒ ｃａｌ Ｅ（蜘１０Ｉ ｃｓ Ｎｏ．５（Ｇｅｎｅｎｄ。Ｎｏ．２３５） Ｍａｙ．２０１３ 注：各个指数的变动为期末值／期初值，变动指数的全国均值是各省市变动指标的算术平均。 全要素生产率的增长指数可进一步分解成纯 技术效率变化、技术进步、规模效率和技术规模 量要好于西部地区，表明中部地区是较好的“追 赶者”，或已经意识到要注重当地环境的保护，而 效率变化，从表２可知，１Ｏ年间节能减排的约束 条件使得纯技术效率不仅没有上升，反而恶化了 １１．９％，而技术水平、规模效率以及技术变动的 规模效应都呈现增长趋势，其中技术水平提高了 ８％，而且技术进步也导致了生产呈现规模报酬递 增状态，两者在推动环境全要素生产率增长中占 据主导地位。 从环境全要素生产率增长及其分解因子的地 西部地区经济基础较为薄弱，经济增长使其首要 任务，导致西部地区在发展过程中更多地依靠资 源的投入，是粗放型增长模式，对当地环境的破 坏性较大，阻碍了全要素生产率的增长。东部地 区环境全要素生产率的增长主要依靠技术进步推 动，中部地区是由技术进步的规模效应起到主导 作用，西部地区环境全要素生产率的下降主要是 由于纯技术效率的恶化。东部地区的技术进步率 最高，中部其次，西部最低。就技术进步的规模 效应而言，３个地区的技术边界都偏离不变规模 报酬技术，表现出规模经济，推动全要素生产率 区差异来看，技术变动差异最小，规模效率的省 际差异程度最大，要素在地区间集聚规模的差异 可能是规模效率差异大的原因。规模效率也是造 成环境全要素生产率差异的主要原因，技术变动 的增长。其中，西部地区的技术规模效应最高， 东部其次，中部最小。这表明西部大开发战略的 引发的规模效应对环境全要素生产率增长差异的 相对贡献也较大，表明规模因素将成为缩小地区 实施吸引部分要素从东部地区流向中西部地区， 西部地区因技术水平低下，要素的流动和初始集聚 极大地推动了其技术水平的提升，东中部地区要素 集聚规模和结构已经相对成熟，对技术水平的影响 伺环境全要素生产率差异的关键。东中部地区的 环境全要素生产率呈增长趋势，其中东部地区环 境全要素生产率ｌＯ年间增长了２２．８％，中部地区 增长了４．９％，西部地区的环境全要素生产率呈 下降趋势，１０年间下降了１．３％。东部地区已经 充分认识到经济发展与环境协调的重要性，并不 相对减少。东、中、西部的纯技术效率在１０年间 都有所恶化，恶化程度依次为东部地区（４．９％）， 中部地区（９．４％）和西部地区（２１．５％），这与环 境全要素生产率增长地区差异的表现形式是一致 断地通过经济转型降低经济增长的代价，在经济 增长质量的提高中达成合作、达到人与自然的和 谐，率先体现了可持续增长的内涵。相对而言， 中西部地区经济增长效率仍存在相当大的改善空 间。其中，中部地区因邻近东部地区，和东部地 区的经济合作较为密切和频繁，其发展速度和质 一的，三大地区技术效率的改善有很大空间，将成 为提高全要素生产率的关键。进入“十五”规划 后，中西部地区规模效率都有所提高，而东部地 区的规模效率则下降了４．３％。中西部地区的规 模效率虽然都有所增长，但其环境全要素生产率 １４４一 第５期（总第２３５期） 工业技术经济 Ｎｏ．５（Ｇｔ ，Ｎｏ．２３５） ２０１３年５月 ｏｕｍａｌ ０ｆＩｎｄｕｓｔｒｉａｌ Ｔｅｃｈｎｏｌｏｇｉｃａｌ Ｅｃｏｎｏｍｉｃｓ Ｍａｙ．２０１３ 的增长却不是最大，这表明规模效率并不是环境 也导致了生产呈现规模报酬递增状态，技术进步 全要素生产率增长的主导，中西部地区较低的技 和技术规模效应在推动环境全要素生产率增长中 术水平和严重恶化的技术效率是造成其环境全要 占据主导地位，而纯技术效率则出现不同程度地 素生产率增长缓慢的主要原因。东部地区的规模 恶化；规模效率的省际差异程度最大，是造成环 效率下降得最为严重，这是由于东部地区的要素 境全要素生产率差异的主要原因，技术变动引发 集聚已经出现了集聚过度的特征，进而导致规模 的规模效应对环境全要素生产率增长差异的相对 经济效率的下降。如东部地区的江苏、浙江、山 贡献也较大；东中部地区的环境全要素生产率呈 东、海南等省市都是典型的要素集聚程度极高的 增长趋势，西部地区经济基础较为薄弱，经济增 地区，但是这些地区的规模效率出现不同程度地 长是其首要任务，粗放型的增长模式对当地环境 下降。中西部地区的规模效率呈现增长趋势，原 的破坏性较大，导致其环境全要素生产率呈下降 因主要在于经济落后的省市集聚的要素规模较小， 趋势；中西部地区较低的技术水平和严重恶化的 还不能满足现有生产技术对其的要求，因而对已 技术效率是造成其环境全要素生产率增长缓慢的 有要素的利用效率较高，呈现规模报酬递增。这 主要原因，而东部地区的要素集聚己经出现了集 说明要素集聚程度过高的地区会造成规模效率的 聚过度的特征，导致其规模效率则有所下降；当 损失，只有不断利用技术水平要素质量和集聚结 期生产技术下的环境全要素生产率普遍低于全局 构，才能实现规模报酬递增，真正意义上提高经 生产技术下的测算结果，这种差异是由全局生产 济发展质量。 技术下生产前沿持续向外扩展造成的。 ４结语 注释： 在促进我国经济高速增长的同时也要关注经 ①当Ｉ ，。＝１ ・。＊Ｉ２－。时，则定义该指数Ｉ具有循环性和 济增长与能源消耗、环境污染之间的矛盾，这对 传递性，其中，Ｉ 一，Ｉ 一，Ｉ２，。分别表示该指数在１到３ 期，１到２期和２到３期之间的变化率。 提高经济运行质量及转变经济增长模式提供了良 参考文献 好的理论基础和导向。考虑到Ｍａｌｍｃｌｕｉｓｔ—ｈ． １．Ｈｕ Ｊ．Ｌ，Ｗａｎｇ Ｓ．Ｃ．Ｔｏｔａｌ—ｆａｃｔｏｒ Ｅｎｅｒｇｙ Ｅｆｆｉｃｉｅｎｃｙ ｅｎｂｅｒｇｅｒ指数和方向性距离函数不具有循环累加 ｏｆ Ｒｅｇｉｏｎｓ ｉｎ Ｃｈｉｎａ［Ｊ］．Ｅｎｅｒｇｙ Ｐｏｌｉｃｙ，２０Ｏ６，３４（１７）： 性，不能表现出全要素生产率的长期变动趋势， ３２０６～３２１７ 而且容易导致潜在的线性规划无解问题。且运用 ２．Ｃｈｕｎｇ Ｙ．Ｈ．，Ｆａｒｏ Ｒ．，Ｇｒｏｓｓｋｏｐｆ Ｓ．Ｐｒｏｄｕｃｔｉｖｉｔｙ 径向的、角度的ＤＥＡ计算方向性距离函数时，经 ａｎｄ Ｕｎｄｅｓｉｒａｂｌｅ Ｏｕｔｐｕｔｓ：Ａ Ｄｉｒｅｃｔｉｏｎａｌ Ｄｉｓｔａｎｃｅ Ｆｕｎｃｔｉｏｎ Ａｐ— 常忽略投入或产出的某一个方面。为了避免出现 ｐｒｏａｃｈ［Ｊ］．Ｊ ｎＥｖｉｒｏｎ Ｍａｌｌ￣ｅ，１９９７，５１（３）：２２９—２４０ 这些问题，本文在ＳＢＭ方向性距离函数和ＧＭＬ ３．袁晓玲，张宝山，杨万平．基于环境污染的中国 指数的基础上，测度了碳排放约束下２００１ ２００９ 全要素能源效率研究［Ｊ］．中国工业经济，２ＯＯ９，（２）：７６ 年中国２９个省份的环境效率、环境全要素生产率 ８６ 增长，其中环境全要素生产率增长分解为技术进 ４．Ｈａｉｌｕ Ａ．，Ｖｅｅｍａｎ Ｔ．Ｓ．Ｎｏｎ—ｐａｒａｍｅｔｒｉｃ Ｐｒｏｄｕｃｔｉｖｉ－ 步、纯技术效率变动、规模效率变动和技术规模 Ａ【Ｉａｂｎ凼ｗｉｔｈ Ｕｎｄｅｓｉｒａｂｌｅ Ｏｕｔｐｕｔｓ：ａｎ Ａｐｐｌｉｃａｔｉｏｎ ｔｏ ｔｌｌｅ Ｃａｍ— 变动，得出的主要结论和启示如下。 ｄｉｎａ ｐｕｌｐ ｎａｄ Ｐａｐｅｒ Ｉｎｄｕｓｔｒｙ［Ｊ］．Ａｍｅｒｉｃｎａ Ｊｏｕｒｎａｌ ｏｆ Ａ￣ｃ１ｕ． ｒｕｒａｌ Ｅｃｏｎｏｍｉｅｓ，２００１，８３（３）：６０５—６１６ 能源的过度使用以及二氧化碳的过度排放使 ５．Ｃｈａｍｂｅｒｓ Ｒ．Ｇ．，Ｃｈｕｎｇ Ｙ．，Ｆａｒｅ Ｒ．Ｂｅｎｅｆｉｔ ａｎｄ 我国各省市普遍存在环境无效率，且环境效率在 Ｄｉｓｔａｎｃｅ Ｆｕｎｃｔｉｏｎｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ ｃＥｏｎｏｍｉｃ Ｔｈｅｏｒｙ，１９９６，７０ 省际间的分布差异较大；低碳经济下我国各省市 （２）：４０７—４１９ 环境全要素生产率的增长呈现地域不均衡特征， ６．沈能．环境效率、行业异质性与最优规制强度 技术水平和规模效率呈现改善趋势，且技术进步 ［Ｊ］．中国工业经济，２０１２，（３）：５６～６８ 一】４５— 第５期（总第２３５期） Ｎｏ．５（Ｇ￣ｅｒａｌ，Ｎｏ．２３５） ２０１３年５月 工业技术经济 ｏｆＩｎｄｕｓｔｒｉａｌ Ｔｅｃｈｎｏｌｏ￣ｉｓｃ Ｍａｙ．２０１３ ７．Ｆｇｒｅ Ｒ．，Ｇｒｃｓｓｋｏｐｆ Ｓ．，Ｍａｒｇａｒｉｔｉｓ Ｄ．ＡＰＥＣ ａｎｄ ｔｈｅ ｉｔｖｌｔｙ ｉｎｄｅｘ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｐｒｏｄｕｃｔｉｖｉｔｙ Ａｎａｌｙｓｉｓ，２０１０，３４ Ａｓｉａｎ Ｅｃｏｎｏｍｉｃ Ｃｒｉｓｉｓ：Ｅａｒｌｙ Ｓｉ ＩａｌＢ ｆｒｏｍ Ｐｒｏｄｕｃｆｉｖｉｔｙ Ｔｒｅｎｄｓ （３）：１４３５—１３５５ ［Ｊ］．Ａｓｉｎａ Ｅｃｏｎｏｍｉｃ Ｊｏｕｒｎａｌ，２００１，１５（３）：３２５ ３４２ １４．Ｆｕｋｕｙａｍａ，Ｈ．，Ｗｅｂｅｒ，Ｗ．Ｌ．Ａ Ｄｉｒｅｃｔｉｏｎａｌ Ｓｌａｃｋｓ ８．Ｋｕｍａｒ Ｓ．Ｅｎｖｉｒｏｎｍｅｎｔａｌｌｙ Ｓｅｎｓｉｔｉｖｅ Ｐｒｏｄｕｃｔｉｖｉｔｙ —ｂａｓｅｄ Ｍｅａｓｕｒｅ ｆｏＴｅｃｈｎｉｃａｌ Ｉｎｄｔ￣ｄｅｎｃｙ［Ｊ］．Ｓｏｃｉｏ—Ｅｃｏｎｏｍｉｃ Ｇｒｏｗｔｈ：Ａ Ｇｌｏｂａｌ Ａｎａｌ￣ｓ ＵｓｉＩｌｇ Ｍａｌｍｑｕｉｓｔ—Ｌａｅｎｂｅｒｇｅｒ ｉｎｄｅｘ Ｐｌａｎｎｉｎｇ Ｓｃｉｅｎｃｅ，２００９，４３（４）：２７４～２８７ ［Ｊ］．Ｅｃ山 ａｌ Ｅｃｏｎｏｉｍｃｓ，２ＯＯ６，５６（２）：２８０～２９３ １５．Ｆａｒｅ Ｒ．，Ｇｒｏｓｓｋｏｐｆ Ｓ．，Ｎｏｒｒｉｓ，Ｍ．，ａｎｄ ，Ｚ． ９．陈诗一．节能减排与中国工业的双赢发展：２００９ Ｐｒｏｄｕｃｔｉｖｉｔｙ Ｇｒｏｗｔｈ，Ｔｅｃｈｎｉｃａｌ Ｐｒ咿ｅｓｓ，ａｎｄ Ｅｆｉｆｃｉｅｎｃｙ ＣｌＩａＩｌｇｅ ｉｎ —２０４９［Ｊ］．经济研究，２０１０，（３）：１２９ １４３ Ｉｎｄｕｓｔｒｉａｌｉｚｅｄ Ｃｏｕｎｔｒｉｅｓ［Ｊ］．Ａｍ￣ｃａｎ Ｅｃｏｍｍｉｅ Ｒｅ、ｒｉｅｗ， １Ｏ．孙传旺，刘希颖，林静．碳强度约束下中国全要 ｌ９９４ｂ，８４（１）：６６—８３ 素生产率测算与收敛性研究［Ｊ］．金融研究，２０１０，（６）： １６．ｐｍｙ Ｓ．Ｃ．，Ｄｅｓｌｉ Ｅ．．Ｐｒｏｄｕｃｔｉｖｉｔｙ Ｇｒｏｗｔｈ，Ｔｅｃｈｎｉ－ １７～３３ ｃａｌ Ｐｒｏｇｒｅｓｓ，ａｎｄ Ｅ￣ｃｉｅｎｃｙ Ｃｈａｎｇ＠ｉｎ Ｉｎｄｕｓｔｒｉａｌｉｚｅｄ Ｃｏｕｎｔｒｉｓｅ： ｌ１．王兵，昊延瑞，颜鹏飞．中国区域环境效率与环 ｏＣｒｍｎｅｎｔ［Ｊ］．Ａｍｅｒｉｃａｎ Ｅｃｏｎｏｉｍｃ Ｒｅｖｉｅｗ，１９９７，８７（５）： 境全要素生产率增长［Ｊ］．经济研究，２０１０，（５）：９５～ １０４０—１０４４ １０９ １７．Ｇｒｉｆｅｌｌ—Ｔａｔｊ６，Ｅ．，Ｌｏｖｅｌｌ Ｃ．Ａ．Ｋ．Ａ Ｇｅｎｅｒａｌｉｚｅｄ ｌ２．庞瑞芝，，路永刚．转型期间我国新型工业 ｄｎ 】ｉｓｔ Ｐｒｏｄｕｃｔｉｉｖｙｔ Ｉｎｄｅｘ［Ｊ］．ＴＯＰ，１９９９，７（１）：３２０６ 化增长绩效及其影响因素研究［Ｊ］．中国工业经济， —３２１７ ２０１１，（４）：６４～７３ １８．张军，吴桂荣，张吉鹏．中国省际物质资本存量 ｌ３．０ｈ Ｄ．Ｈ．Ａ Ｇｌｏｂａｌ ＡＩａｌＩＩ 】ｉｓｔ—Ｌｕｅｎｂｅｒｇｅｒ Ｐｒｏｄｕｃ— 估算：１９５２ ２０００［Ｊ］．经济研究，２００４，（１Ｏ）：３５ ４４ Ｍｅａｓｕｒｅｍｅｎｔ ａｎｄ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ ｏｆ Ｃｈｉｎａ’Ｓ Ｔｏｔａｌ Ｆａｃｔｏｒ Ｐｒｏｄｕｃｔｉｖｉｔｙ Ｕｎｄｅｒ ｔｈｅ Ｃｏｎｓｔｒａｉｎｔｓ ｏｆ Ｃａｒｂｏｎ Ｅｍｉｓｓｉｏｎｓ Ｑｉ Ｙａｗｅｉ （Ｊｉａｎｇｘｉ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｆｉｎａｃｅ ａｎｄ Ｅｃｏｎｏｍｉｃｓ，Ｎａｎｃｈａｎｇ ３３００１３，Ｃｈｉｎａ） 【Ａｂｓｔｒａｃｔ］Ｔｈｉｓ ｐａｐｅｒ ｂｒｉｎｇｎｇ ｅｎｅｒｇｙ ｎａｄ ｃａｒｂｏｎ ｅｉｍｓｓｉｏｎｓ ｉｎｔｏ ｔｈｅ ｎｌｅａ８ｕ ａｎｄ ｄｅｃｏｍｐｏｓｅ ｆｒａｍｅｗｏｒｋ ｆｏ ｔｏｔａｌ ｆａｃｔｏｒ ｐｒｏｄｕｃｔｉｖｉｙｔ， ｅｖａｌｕａｔｅｓ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｉｃｉｅｎｃｙ ａｎｄ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｔｏｔａｌｆａｃｔｏｒ ｐｒｏｄｕｃｔｉｉｖｔｙ ｅｌ￣ｓｅ ｏｆ Ｃｈｉｎａ’Ｓ ｐｒｏｖｉｎｃｅｓ ｏｖｅｒｔｈｅ ｐｅｒｉｏｄ ｆｒｏｍ ２００１ ｔｏ ２Ｏ０９ 叩 ｙｉＩｌｇ ＳＢＭ ｄｉｒｅｅｔｉｏｒ，￣ｌ ｄｉｓｔａｎｃ￣ｆｕｎｃｉｔｏｎ ａｎｄ ｇｌｏｂａｌ Ｍａｌｍｑｕｉｓｔ—ｈ１ｅｍ ｉｎｄｅｘ ｍｅｔｈｏｄ．Ｔｈｉｓ ｐａｐｅｒ ｄｅｃｏｍｐｏｓｅｓ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｔｏｔａｌ 蠡ｍＤｒｐｒｏｄｕｃｔｉｖｉｙｔｄｌａＩｌ ｉｎｔｏ４ｆａｃｔｏｒｓ，ｉ．ｅ．ｐｕｒｅｔｃｅｈｎｉｃａｌ ｐｒｏｇｒｅｓｓ，ｐｕｒｅｔｅｃｈｎｉｃａｌ ｅｆｆｉｃｉｅｎｃｙ ｃｌｌａＩ１ｇｅ，ｓｃａｌｅ ｅｆｉｆｃｉｅｍｙｄ咖．１ｇｅ ａｎｄ ｓｃａｌｅ ｃＩ碍Ｉｌｇｅ ｂｙｔｅｄｍ０ｌ０ ．Ｃａｌｃｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｓｈｏｗｔｈａｔｔｈｅｒｅｉｓ ｅｎｖｉｏｒｎｍｅｎｔａｌｉｎｅｆｆｉｃｉｅｎｃｙｗｉｄｅｌｙ ｕｎｄｅｒ ａｎｄ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｃｏｎｓｔｒａｉｎｔｓ ａｎｄ ｈａｓ ｔｈｅ ｌａＩ ｐｒｏｖｉｎｃｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｄｉｆｅｒｅｎｃｅｓ；Ｔｈｅ ｇｒｏｗｔｈ ａｎｄ ｐｒｏｖｉｎｃｉａｌ ｄｉｆｅｒｅｎｃｅｓ ｏｆｅｎｖｉｒｏｎｍｅｎｔａｌ ｔｏｔａｌ ｆａｃｔｏｒ ｐｒｏｄｕｃｔｉｖｉｙｔ ｃｌ￣ｍｓ￣ ｍａｉｎｌｙ ｄｕｅ ｔｏ ｔｃｅｈｎｉｃａｌ ｐｒｏｇｒｅｓｓ ａｎｄ ｓｃａｌｅ ｅｆｆｌｃｉｅｎｅｙ，ｗｈｉｌｅ ｔｈｅ ｆｌｎｄｉ￣ｓｈｏｗ ｄｅｔｅｒｉｏｒａｔｉｏｎ ｏｆ ｐｕｒｅ ｔｃｅｈｎｉｃａｌ ｅ￣ｃｉｅｎｃｙ ｗｉｔｈ ｖａｌ￣ａｎｇ ｄｅ－ ｇｒｅｅｓ・ 【Ｋｅｙ ｗｏｒｄｓ］ｅｎｖｉｒｏｎｍｅｎｔａｌ ｔｏｔａｌ ｆａｃｔｏｒ ｐｒｏｄｕｃｉｔｖｉｔｙ；ＳＢＭ；ｄｉｒｅｃｉｔｏｎａｌ ｄｉｓｔａｎｃｅ ｆｕｎｃｉｔｏｎ；ＧＭＬ ｉｎｄｅｘ （责任编辑：杨楠） ・－－——１４６・－－——
