环境约束下的中国制造业全要素生产率及其影响因素研究

摘要：基于方向性距离函数的Malmquist-Luenberger生产率指数法估算了考虑环境因素的中国2001-2009年制造业31个两位数行业的全要素生产率指标，并比较了不考虑环境因素影响情形下的全要素生产率增长情况；运用Tobit模型研究了环境约束下全要素生产率的影响因素。结果显示：考虑环境因素的中国制造业全要素生产率各项指标都呈现出增长趋势；相比较不考虑环境因素而言，在正确考虑环境管制的情形下，中国制造业全要素生产率会得到提高，而且对生产率的增长作出主要贡献的还是技术进步而非生产效率的提高；资本深化、行业规模、研发投入和环境污染等因素对中国制造业轻、重工业的全要素生产率均有不同程度的影响。

关键词：全要素生产率；方向性距离函数；制造业；Malmquist-Luenberger生产率指数

中图分类号：F27；C939 文献标识码：A DOI：10.3963/j.issn.1671-6477.2012.06.012

目前，中国转变经济发展方式的重要一面，就是促使经济增长由主要依靠资金和物质要素投入向依靠全要素生产率的带动转变。新古典经济增长理论还认为，经济长期可持续增长的唯一动力是全要素生产率的提高，因此，全要素生产率成为了国内外众多专家研究经济发展的重要工具。纵观中国经济的发展历程不难发现，制造业已成为我国经济发展的主导力量，但“高投入，高消耗，高排放”的发展方式制约了制造业部门的可持续发展，也直接影响着我国区域经济增长的速度与质量。针对目前我国制造业有关效率的研究中所忽视的环境污染的影响，本文运用考虑了环境因素的Malmquist-Luenberger生产率指数，采用2001-2009年中国制造业31个两位数行业的面板数据，基于能源经济可持续发展的视角，实证研究了中国制造业全要素生产率及其变动的根源。本研究将经济增长方式与环境因素联系起来，对于探讨资源环境双重约束下中国制造业的可持续发展具有重要的理论及现实意义。

一、文献综述

20世纪80年代以来，国内涌现出众多的有关生产率问题的研究成果，其中对制造业部门生产率的测算更是受到了格外的关注。通过对现有文献的梳理发现，我国制造业生产率的早期研究多数侧重于传统生产率的测度，也就是忽略了各种环境污染对行业生产率的影响。这类研究可以归纳为以下四点：第一，在制造业总体层面探讨我国制造业全要素生产率的变动及趋势[1-3]；第二，从区域、企业或行业的微观层面测算生产率水平并分析趋势[4-6]；第三，深入分析中国制造业生产率变动的影响因素[7-9]；第四，探析我国经济增长与制造业生产率的提升之间的关系[10-12]。上述研究存在的不足之处在于，在测算制造业全要素生产率时，主要侧重于测算生产过程中的“好”产出，而没有考虑生产过程中产生的诸如废气、废水和固体废物等之类的“坏”产出的影响。现实中，工业生产过程中所产生的各种“坏”产出会对社会环境产生负效应，从而给整个经济带来显著的外部成本。因此，运用上述研究成果对现实经济进行指导容易产生偏差和失误。把环境污染因素看作具有负外部效应的“坏”产出，并同“好”产出一并引入到生产过程，还要追溯到Chung等人提出的方向性距离函数法（Directional Distance Function，简称DDF）[13]之后，运用该方法来分析环境污染在制造业生产过程中的制约作用可以显得更为科学合理，并且能够较好地解决“坏”产出的效率评价问题。基于此，一系列的评价方法又相继被学者们构建出来。例如Malmquist-Luenberger生产率指数（简称ML生产率指数），它不仅具有Malmquist指数所具有的良好性质，而且其在考虑了“好”产出提高的同时，还要求“坏”产出的不断减少。

近年来，随着环境问题的日益突出，运用ML生产率指数实证分析全要素生产率的研究逐渐增多。Fare等人以美国制造业1974-1986年的数据为例，运用ML生产率指数法测算了其全要素生产率，研究结果表明，在考虑环境因素下所测算的全要素生产率年均增长速度要高于忽略环境因素时的测算值[14]。与此结论相类似，Yoruk和Zaim分别用考虑环境污染等“坏”产出的Malmquist-Luenberger生产率指数和不考虑环境污染等“坏”产出的Malmquist生产率指数分别测度并比较了经合组织（OECD）国家的生产率，研究发现前者的测算值要高于后者[15]。国内方面，王兵等运用ML生产率指数法测度了1980-2004年APEC 17个国家和地区包含CO2排放的全要素生产率，认为在引入环境管制之后，APEC国家的全要素生产率增长水平得到了提升，且从分解指标来看，技术进步是生产率水平提升的主要动力[16]。在此基础上，田银华等采用序列Malmquist-Luenberger指数法估算了1998-2008年中国各省环境约束下的全要素生产率，实证分析结果表明全要素生产率增长对我国经济增长的贡献不足10%，反映了我国经济粗放增长的现实，同时他们也得到技术进步是我国全要素生产率增长的重要源泉，而技术效率则呈现出下降的态势[17]。吴军在全要素生产率（TFP）分析框架中加入环境影响因素，通过ML指数测度分析了基于环境约束的我国1998-2007年地区工业TFP增长及其分解，并检验了其收敛性[18]。陈诗一基于方向性距离函数对改革以来中国工业TFP进行了重新估算，发现正确考虑环境约束的实际TFP比传统不（正确）考虑环境因素的估算值低了很多[19]。以上综述表明，环境约束和环境规制被学者们更多地用来研究对全要素生产率的影响，而且这将使得所估算的全要素生产率更具有生产经济学的含义[20]。

然而，由于选取样本的差异，分析周期的差别，以及研究视角的不同等因素的影响，实证过程中即使运用相同的方法，最终得出的结论也难免会出现不一致的情况，这也使得后续的研究存在较大的探索空间。现有文献为我们提供了很好的分析路径，本文试图从以下两个方面进行深入拓展：首先，运用中国制造业2001-2009年31个两位数行业的面板数据重新估计考虑环境因素影响情况下的全要素生产率及其分解，同时与在不考虑环境因素的情况下用传统的Malmquist生产率指数测算结果进行比较；其次，注重考察资本深化、行业规模、科技投入和环境污染等现实因素对全要素生产率增长的影响。

二、数据和方法

（一）数据来源及处理

本研究选取的时间跨度是2001-2009年，各项指标数据均选自于相应年度的《中国统计年鉴》、《中国环境统计年鉴》和《中国工业经济统计年鉴》。为确保《国民经济行业分类标准》（2002）实施前后统计数据口径的一致，本研究剔除了“工艺品及其他制造业”和“废气资源和废旧材料回收加工业”两个行业，即我们的研究对象是中国制造业31个两位数行业。涉及到的变量有：工业总产值、工业SO2排放量、固定资产净值年平均余额、全部从业人员人数和能源消耗，所有价值量数据都平减为2001年为基年的可比价序列。本文中所使用的投入产出变量定义如下：

1.产出指标。其一，“好”产出。对于产出变量指标的选择，部分学者选用工业增加值，还有学者选用工业总产值，我们根据陈诗一[19]的作法，由于一般经济增长方程中含有中间投入品性质的能源要素，为此将含有中间投入成本的工业总产值作为产出指标。

其二，“坏”产出。“坏”产出表现为负的社会效应，是一种环境成本。对于如何全面科学地表达一国或者一个地区的环境污染水平，目前尚未有一个统一的标准。参照相关文献的作法，本文选取工业SO2排放量来表征环境污染水平。

2.投入指标。

资本和劳动为大量文献所使用的传统投入要素，我们在此选取固定资产净值年平均余额和全部从业人员年平均人数分别作为资本和劳动力的投入指标。参考以往文献的一致作法，本文中能源因素作为投入指标处置。本文采用各行业煤炭消耗量代表能源变量。因为，一方面煤炭消耗直接关系到SO2排放量；另外一方面煤炭资源是不可再生资源，其使用效率关系到能否真正意义上保护环境，节约资源。

为了分析比较环境因素对不同制造业行业的影响效果，本文将中国制造业分为轻、重工业两个类别分别加以考虑。一般认为，与轻工业相比较而言，重工业的生产方式和高排放与高耗能更为相关。因此，本文按照2001-2009年中国制造业各行业能源消费总量的平均值由高到低的序列，将我国31个制造业行业划分为高、低能耗两个类别（其中高能耗组15个行业，低能耗组16个），并以此作为重、轻工业的代表。各组别制造业的投入产出指标的描述性统计量，见表1。

从表1中不难发现，就工业总产值、全部从业人员年平均人数两项指标来看，重工业分别是轻工业的3.3倍和2.2倍，但是其余三项指标的行业差异却十分显著，其中，重工业类的固定资产净值年平均余额是轻工业类的4.8倍，其能源消耗的平均水平是轻工业类的13.2倍，而二氧化硫排放量差异最大，倍数达到了34.9倍之多，重工业类远远高于轻工业类。这些数据表明，中国高投资、高能耗和高排放的发展方式并没有带来预期中工业总产值的高增长，这似乎表明重工业行业的生产率水平应该不是很高。此外，从标准差的数据来看，重工业类的各项指标的数值都远远高于轻工业类，尤以能源消耗和二氧化硫排放量为甚，前者分别是后者的24.4倍和70倍。基于这些统计数据，可以看出中国重工业行业的资本投入、能源消耗水平和二氧化硫排放量不但水平高，并且波幅变动也较大。

（二）研究方法

目前，估算全要素生产率的方法有指数法、索罗残差法和前沿生产函数法三种。指数法以全要素生产率的基本定义为依据进行估算，例如Abramowitz提出了代数指数法（Arithmetic Index Number Approach，AIN），其基本思想是把全要素生产率表示为产出数量指数与所有投入要素加权指数的比率[21]。该类方法非常直观地体现了全要素生产率的内涵，但对于不同的投入与产出指标，存在着指数公式的选择问题。1957年索洛以生产函数形式给出了生产率测度的公式，第一次将技术进步因素纳入到经济增长模型中。他认为全要素生产率是指各要素如资本和劳动等投入之外的技术进步和能力实现等导致的产出增加，是剔除要素投入贡献后所得到的残差，这一概念即为后来被称为的“索洛残差”，之后索罗残差法在生产率估算中开始流行开来。

根据索罗残差法测算出来的全要素生产率，研究者和政策制定者可以分析各种要素对经济增长的贡献，识别经济增长是效率型增长还是投入型增长，从而为制定和评价长期经济政策提供基础。但是

运用索罗残差法估算TFP也存在缺陷，它需首先确认投入指标的产出弹性，然后通过CD生产函数或者超越对数函数进行回归，这就隐含假定了生产在技术上是充分有效的，

从而忽略了全要素生产率增长的另一个重要组成部分——技术效率提升的影响。

前沿生产函数法较好地解决了这一问题，该方法又分随机性和确定性前沿生产函数两种。随机性前沿生产数法需先验假定效率随时间的变化而变化，而且它无法同时模拟“好”产出和“坏”产出两种情况并存的生产过程，只能拟合出单产出的生产过程，因此该方法对于本研究不适用。确定性前沿生产函数又分为两种估计方法，即参数估计和非参数估计。参数估计法的特点是需要设定总量生产函数的形式，然后通过回归分析估计相关参数，求得全要素生产率及其增长率。而非参数估计法的最大特点是无须对生产系统输入输出之间进行明确的生产函数表达式的假定，而采用线性规划的方法求得生产率的相对变化。两者中以非参数法更为常用，典型的就是数据包络分析（Data Envelopment Analysis，简称DEA）方法。DEA模型能够避免参数化模型有可能产生的模型设定误差和随机干扰项正态分布假定不能满足的缺陷；其次，该模型能同时模拟多产出、多投入的生产过程，对“好”产出和“坏”产出也能分别进行处理[24]。因此，综上所述，本研究选用基于方向性距离函数的Malmquist-Luenberger生产率指数法来测算环境约束下的中国制造业全要素生产率。关于ML生产率指数法的更多技术细节，可以参见Chung等[13]。

三、实证分析

（一）基于环境约束的中国制造业全要素生产率变化分析

中国制造业31个行业各投入的产出变量的换算结果，见表2。

表2是中国制造业31个行业各投入产出变量的核算结果情况，其中MIPL、MLECH、MLTCH分别为运用基于方向性距离函数的ML生产率指数法的所测量的全要素生产率、技术效率和规模效率结果，全要素生产率贡献份额的计算方法参照吴延瑞[23]以及陈诗一[19]。

由表2可以看出，各行业的差异较为明显，工业总产值的增长率由水的生产和供应业的9%到通信设备、计算机及其他电子设备制造业的29%不等；所估算的全要素生产率指数处于烟草加工业的0.937到通信设备、计算机及其他电子设备制造业的1.130之间；生产效率指数也在印刷业记录媒介的复制行业的0.921到交通运输设备制造业的1.053之间变动；而技术进步率则全部处于增长的状态，从电力、热力的生产和供应业的1.000 175（保留3位小数，表中值为1.000）到电通信设备、计算机及其他电子设备制造业的1.115不等。那些产出增长慢以及全要素生产率和技术进步不快甚至为负的行业基本上都是高能耗的劳动密集型的制造行业，如造纸及纸制品业、纺织业、家具制造业、木材加工及竹藤棕草制品业、文教体育用品制造业、印刷业记录媒介的复制、纺织服装鞋帽制造业、皮革毛皮羽毛（绒）及其制品业等，这说明对中国传统劳动密集型制造业行业进行节能减排和升级转型改造已十分必要。而工业总产值和全要素生产率增长以及技术进步率较快的行业都是轻工业和高新技术行业，例如通信设备计算机及其他电子设备制造业、电气机械及器材制造业、交通运输设备制造业、仪器仪表及文化办公用机械制造业、通用设备制造业等之类的，从这也可以看出信息技术等高新技术行业在工业发展和产业转型升级中的重要性。除了造纸及纸制品业、纺织业、家具制造业、木材加工及竹藤棕草制品业、文教体育用品制造业、印刷业记录媒介的复制、纺织服装鞋帽制造业、皮革毛皮羽绒及其制品业、烟草加工业这9个行业外，其余行业的全要素生产率增长均为正，且所有行业都处于技术进步的状态，这又进一步说明了中国制造业生产率的提高主要是由技术进步而非生产效率引起。生产效率变化为正的行业主要集中于交通运输设备制造业、通用设备制造业、化学纤维制造业、仪器仪表文化办公用机械制造业、通信设备计算机及其他电子设备制造业、医药制造业、电气机械及器材制造业等高新技术产业，同样凸显出高新技术行业在新型工业化进程中的重要性。此外，从各行业生产率的贡献份额上也可以看出，没有一个行业的生产率贡献度超过50%，所有行业还是表现为要素驱动型的粗放型增长，贡献度超过40%的行业有电气机械及器材制造业、通信设备计算机及其他电子设备制造业和仪器仪表文化办公用机械制造业；全要素生产率负增长的行业对产出的贡献也为负，其中，烟草加工业的生产率贡献度最低，达到-48.46%。从各投入指标的角度看，资本存量和能源消耗的平均增长率要明显高于劳动就业的平均增长率，这表明在当下要素驱动型的工业增长模式中，资本和能源要素发挥了主要的作用。

（二）环境因素对中国制造业生产效率测度的影响

本部分通过测算没有考虑环境因素和将环境污染作为“坏”产出情况下的全要素生产率指数及其分解，以检验环境因素对中国制造业生产效率的影响。见表3。

注：表中数值通过各行业加权平均（权重为工业增加值份额）和整个期间进行几何平均计算得到；*、**、***分别代表10%、5%和1%的显著性水平，使用学生氏t检验统计量进行检验，且基准模型是考虑了环境污染的ML生产率指数法，零假设为没有考虑环境因素情况下所估算的全要素生产率、技术效率指数和技术进步指数的均值等同于ML生产率指数法所测得的对应值。

表3所示的即是两种模型所估算得到的2001年以来我国制造业全行业的全要素生产率、技术效率指数和技术进步指数的平均发展速度，权重分别为各行业的工业增加值份额。

从表3估算结果可以看出，在正确考虑了SO2排放量和能源消耗的情况下，中国制造业全要素生产率年均增长4.49%，技术效率指数年均增长0.59%，技术进步指数年均提高3.83%。估算结果说明，“十五”以来，我国制造业环境全要素生产率所获得的较大改善主要是归功于技术进步而非技术效率的提高。事实上，在表3中由Malmquist生产率指数法所估算的全要素生产率和技术进步率的变化方向都变正为负，分别为-7.96%和-9.88%，都一致地小于ML生产率指数法的对应结果；而Malmquist生产率指数法所测得的技术效率增长情况为2.57%，高于环境约束下所测得的0.59%的增长速率。由此，可以初步得出一个结论，即考虑环境管制后，中国制造业全要素生产率增长水平会得到提高，而且其技术进步和技术效率也会提高。

进一步地，为了检验使用ML生产率指数法所测度的全要素生产率、技术效率和技术进步指数是否在统计上显著大于由Malmquist生产率指数法所测度的对应估算值，本文参照Kumar等人的方法进行了t统计量检验[24]。检验结果如表3所示，由Malmquist生产率指数法所测得的全要素生产率估计值在统计量上要显著小于ML指数法的估算结果，同时，传统方法估算的技术进步指数也要显著小于ML指数法对应的估算值，二者都通过了1%水平下的显著性检验，但是这两个模型所测量的技术效率值并没有显著的差异。因此，在考虑环境管制后，所测得的全要素生产率要高于不考虑环境因素的估算值，且技术进步是其增长的源泉，但是生产效率的估算差异不显著。本文的这一发现支持了Jeon和Sickles[25]、王兵等[16]、叶祥松和彭良燕[26]以及王昆[27]的结果。

四、基于环境约束的全要素生产率影响因素的计量分析

前文在环境约束的条件下，对中国制造业全要素生产率的变动进行了分析，这里将分析环境约束下全要素生产率变动的影响因素。到目前为止，理论界并没有正式的理论作为确定影响生产率增长因素的依据，因此，本文的研究主要是在前人的研究基础上加上自己的思考来确定这些因素的。考虑到通过ML指数法测得的生产率指数有一个最低界限值0，数据出现截断，在此情况下用一般的线性回归方法可能会得到负的拟合值，从而影响分析结果。因此，这里采用擅长处理限值因变量的Tobit模型，来检验生产率增长和影响其因素的关系，模型如下。

MLPIit=C+β1ZBSHit+β2HYGMit+β3YFTRit+β4HJWRit+εit

式中：MLPI表示经由ML生产率指数法所测算的制造业全要素生产率指数（被解释变量）。为了考虑环境管制，解释变量包括资本深化（ZBSH）、行业规模（HYGM）、研发投入（YFTR）和环境污染（HJWR）。综合已有文献，各解释变量说明以及各因素对生产率所可能产生的影响见表4、表5。

从分析表5中的Tobit回归结果，我们可以得出以下主要结论。

第一，资本深化对生产率的影响。资本深化对轻工业具有正向的促进作用，且其在5%的水平上显著，这与张军[28]、杨俊等[29]认为的过早的资本深化不利于生产率增长的研究结果相左。本文认为对于制造业轻工业行业来说，在其资本深化阶段，企业通过加大投入，引入先进的生产技术，从而促进自身的技术进步和全要素生产率的提升。而本文同时得出，资本深化对重工业的影响不显著，且具有负效应，这与我们的预期不一致。我们认为中国制造业的重工业行业大都属于资本密集型产业，而该类产业倾向于重污染产业[30]，随着资本-劳动比的上升，其对环境效率的负面影响抵消了技术进步所引致的全要素生产率的提高。因此，中国一方面要继续坚定不移地走产业转型升级的道路，另一方面，要大力发展先进制造业，以降低中国在工业化进程中对环境的负面影响。

第二，行业规模对生产率的影响。行业规模的扩大对提高轻、重工业生产率水平的影响方向不同。研究结果显示，行业规模对轻工业的影响具有不显著的负效应，说明中国轻工业行业在一定程度上存在着规模不经济的问题。与之相反，行业规模对重工业行业具有正向的促进作用，且在10%水平上显著。这一点与我们的预期相同，说明中国重工业行业规模的扩大有利于形成规模效益，进而在行业科技创新能力的提高和集约化使用投入要素等方面得到保证。

第三，研发投入对生产率的影响。结果显示，研发投入的增加对我国轻、重工业的生产率均存在正向影响，虽然结果与我们的预期相同，但是其系数检验都不显著。说明中国制造业行业研发投入的增加并没有真正有效地促进技术进步，中国虽然是制造业大国，但制造业行业的增长严重依靠“高投入，高消耗，高排放”的粗放型增长方式，因此中国制造业需要进一步加强产学研合作，提高技术成果转化率。

第四，环境污染对生产率的影响。与众多研究结果以及本文的预期相同的是，环境污染不利于轻工业行业的生产率的提高，研究结果表明环境污染与轻工业生产率负相关，但系数检验不显著。而与之相反的是，中国重工业行业的生产率水平随着工业SO2排放量的增多而提高，这在一方面验证了我国经济发展方式存着“高投入，高消耗，高排放”的问题，另一方面也促使我们深刻认识到，如果不尽快转变经济增长方式，不把过高的资源消耗降下来，中国经济虽然一时可以增长很快，但走不好，也走不远。加快转变增长方式，走科学发展之路，已成为我们内在的迫切要求。

五、结 论

在生产过程中，若不考虑环境管制问题，传统的全要素生产率的测度方法会使得生产率增长的测算出现偏差。本文运用Malmquist-Luenberger生产率指数对2001-2009年间中国制造业31个两位数行业在环境约束下的全要素生产率指标及其分解进行了估算，并比较了不考虑环境因素影响情形下的全要素生产率增长情况；其次运用Tobit模型研究了环境约束下全要素生产率的影响因素。综合上述的研究成果，可以得出以下基本结论。

第一，总体来看，考虑环境因素的中国制造业全要素生产率各项指标都呈现出增长趋势，其中全要素生产率年均增长4.49%，生产效率年均增长0.59%，年均技术进步率为3.83%。实证分析表明，对于产出增长率、全要素生产率和技术进步指数都不高甚至为负的行业大都是诸如造纸及纸制品业、纺织业等高能耗的劳动密集型的制造行业；而工业总产值和全要素生产率增长以及技术进步率较快的行业都是诸如通信设备计算机及其他电子设备制造业之类的高新技术行业，这表明了大力发展先进制造业在今后中国产业转型升级中的重要性。

第二，相比较不考虑环境因素而言，在正确考虑环境管制的情形下，中国制造业全要素生产率会得到提高，而且对生产率的增长作出主要贡献的还是技术进步而非生产效率的提高。

第三，表象上资本深化，行业规模扩大，研发投入增多，环境污染减少，会对我国制造业行业生产效率的提升起到很大的作用，但是本文的实证分析否定了这一观点。通过将制造业进行轻、重工业的划分，其Tobit回归结果表明，资本深化对轻工业具有正向的促进作用，而对重工业的影响不显著，且具有负效应；行业规模对轻工业的影响具有不显著的负效应，对重工业行业具有显著的正向的促进作用；研发投入的增加对我国轻、重工业的生产率均存在正向影响；值得警惕的是，中国重工业行业的生产率水平仍然随着工业SO2排放量的增多而提高，说明中国依然未能摆脱“高投入，高消耗，高排放”的粗放型发展方式。

综合来看，转变经济发展方式，加快产业转型升级已是现阶段提高我国可持续发展能力的必然要求。未来中国制造业的发展应摆脱以加工贸易为主导的制造业的发展道路，着眼于提高技术转化成果，通过提升自主研发能力促进生产率的增长。与此同时，政府在制定发展战略目标时，应充分考虑到不同行业的差异属性，以降低万元GDP能耗，提高能源使用效率为出发点，制定出切实可行的节能减排目标，实现社会经济的可持续发展。

[参考文献]

[1] 颜鹏飞，王 兵.技术效率、技术进步与生产率增长：基于DEA的实证分析[J].经济研究，2004（12）：55-65.

[2] 方 虹，王红霞.中国制造业技术变化实证研究[J].统计研究，2008（4）：40-44.

[3] 叶振宇，叶素云.要素价格与中国制造业技术效率[J].中国工业经济，2010（11）：47-57.

[4] 郑京海，胡鞍钢.中国改革时期省际生产率增长变化的实证分析（1979-2001年）[J].经济学（季刊），2005（1）：264-296.

[5] 涂正革，肖 耿.中国工业增长模式的转变——大中型企业劳动生产率的非参数生产前沿动态分析[J].管理世界，2006（10）：57-81.

[6] 袁堂军.中国企业全要素生产率水平研究[J].经济研究，2009（6）：52-64.

[7] 魏 楚，沈满洪.工业绩效、技术效率及其影响因素——基于2004年浙江省经济普查数据的实证分析[J].数量经济技术经济研究，2008（7）：18-30.

[8] 戴平生.我国省域工业全要素生产率变动及其影响因素的实证研究[J].中国经济问题，2009（3）：54-59.

[9] 王丽丽，赵 勇.基于DEA的中国制造业效率评估[J].山东大学学报：哲学社会科学版，2010（1）：32-39.

[10] 易 纲，樊 纲，李 岩.关于中国经济增长与全要素生产率的理论思考[J].经济研究，2003（8）：13-20.

[11] 沈坤荣，赵 博.TFP、技术选择与长三角地区的经济增长[J].江苏社会科学，2006（4）：59-66.

[12] 陈 娟.全要素生产率对中国经济增长方式的实证研究[J].数理统计与管理，2009（3）：277-286.

[13] Chung Y H，Fare R，Grosskopf S.Productivity and Undesirable Outputs：A Directional Distance Function Approach[J].Journal of Environmental Management，1997（51）：229-240.

[14] Fare R，Grosskopf S，Shawna，Pasurka，Garl. Accounting for Air Pollution Emissions in Measureing State Manufacturing Productivity Growth[J].Journal of Regional Science，2001（41）：381-409.

[15] Yoruk B，Zaim O.Productivity Growth in OECD Countries：A Comparison with Malmquist Indices[J].Journal of Comparative Economics，2005（33）：401-420.

[16] 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.

[17] 田银华，贺胜兵，胡石其.环境约束下地区全要素生产率增长的再估算：1998-2008[J].中国工业经济，2011（1）：47-57.

[18] 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.

[19] 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）：21-58.

[20] 胡鞍钢，郑京海，高宇宁等.考虑环境因素的省级技术效率排名——1999-2005[J].经济学季刊，2008（3）：933-960.

[21] Abramowitz，Moses.Resource and Output Trends in the United States Since 1870[J].The American Economic Review，1956（5）：5-23.

[22] Zhou P，Ang B W，Poh K L.A Survey of Data Envelopment Analysis in Energy and Environmental Studies[J].Journal of Operational Research，2008（1）：1-18.

[23] 吴延瑞.生产率对中国经济增长的贡献：新的估计[J].经济学（季刊）， 2008（3）：827-843.

[24] Kumar Surender.Environmentally Sensitive Productivity Growth：A Global Analysis Using Malm-quist-Luenberger Index[J].Ecological Economics，2006（2）： 280-293.

[25] Jeon Byung M，Robin C.Sickles.The Role of Environmental Factors in Growth Accounting[J].Journal of Applied Econometrics，2004（5）：567-591.

[26] 叶祥松，彭良燕.我国环境规制下的规制效率与全要素生产率研究：1999-2008[J].财贸经济，2011（2）：102-110.

[27] 王 昆.环境管制下广东省工业全要素生产率增长的实证分析[D].广州：暨南大学，2011.

[28] 张 军.资本形成、工业化与经济增长：中国的转轨特征[J].经济研究，2002（6）：3-13.

[29] 杨 俊，邵汉华.环境约束下的中国工业增长状况研究——基于Malmquist-Luenberger指数的实证分析[J].数量经济技术经济研究，2009（9）：64-78.

[30] 涂正革.环境、资源与工业增长的协调性[J].经济研究，2008（2）：93-104.

Total Factor Productivity and Its Determinants under Environmental Constraint in China's Manufacturing Industry

——Based on Empirical Study of Transition Period

YUAN Tian-tian1，SHI Qi2，LIU Yu-fei1

（1.School of Industry Development，Nanjing University of Finance and Economics，Nanjing 210003，Jiangsu，China；

2.School of Public Finance and Taxation，Nanjing University of Finance and Economics，Nanjing 210046，Jiangsu，China）

Abstract：This paper applies the directional distance function and Malmquist-Luenberger productivity index to measure TFP over the period 2001 to 2009 accounting for environmental factors in 31 manufacture industries of China， and compares the TFP growth in the case of the absence of environmental factors，and uses Tobit model to study TFP's influencing factor. The major conclusions are as follows：The TFP of China manufacture industry is in a steady growth trend；The TFP under environmental restrictions is higher than the TFP ignoring the environmental factors；Technology advancement is the primary cause of gains in manufacturing industry TFP.Capital deepening，industrial scale，R&D and environmental pollution have a varying degree effect on the TFP growth.

Key words：total factor productivity；directional distance function；manufacturing industry；Malmquist Luenberger productivity index