長三角工業(yè)綠色全要素生產率增長及其驅動力研究

周五七

摘 要：利用包含非期望產出的Super-SBM模型與Global Malmquist-Luenberger指數(shù)，測算長三角城市工業(yè)綠色全要素生產率變化，發(fā)現(xiàn)長三角工業(yè)綠色生產率整體上呈現(xiàn)上升態(tài)勢，長三角工業(yè)綠色生產率增長主要來自綠色技術進步的推動，綠色技術效率沒有顯示出穩(wěn)定的改進趨勢，對工業(yè)綠色全要素生產率增長的貢獻不足。實證研究結果顯示，長三角工業(yè)綠色生產率增長與人均收入水平呈U型變化關系，政府環(huán)境規(guī)制和勞動生產率顯著促進了工業(yè)綠色全要素生產率增長，國有化程度的下降促進工業(yè)綠色全要素生產率增長，資本深化抑制了工業(yè)綠色全要素生產率增長，外商投資和貿易開放對工業(yè)綠色全要素生產率增長的作用不顯著。

關鍵詞：綠色全要素生產率；GML指數(shù)； SBM模型

中圖分類號：F224 文獻標識碼：A 文章編號：1003-3890（2019）01-0036-07

一、引言

2015年，中國政府頒布了《中國制造2025》發(fā)展規(guī)劃，旨在推動中國傳統(tǒng)制造業(yè)向高端化、數(shù)字化、網絡化、智能化和綠色化制造轉型，黨的十八屆五中全會提出了“創(chuàng)新、協(xié)調、綠色、開放、共享”的五大發(fā)展理念，黨的十九大提出著力發(fā)展實體經濟，提高供給體系質量。工業(yè)是中國實體經濟增長的重要源泉，同時也是能源消耗和污染排放的重要來源，在資源和環(huán)境約束日益剛性的背景下，促進工業(yè)綠色發(fā)展轉型成為供給側變革的客觀要求。長三角是中國工業(yè)企業(yè)集聚區(qū)和工業(yè)經濟發(fā)達地區(qū)，也是工業(yè)綠色轉型的先行區(qū)和示范區(qū)，本文基于長三角城市工業(yè)綠色轉型視角，系統(tǒng)研究長三角城市工業(yè)綠色生產率增長及其動力來源，為長三角工業(yè)綠色轉型發(fā)展提供現(xiàn)實依據(jù)和決策參考。

綠色全要素生產率的測算有參數(shù)方法與非參數(shù)方法，前者以隨機前沿方法（SFA）為代表，后者以數(shù)據(jù)包絡分析法（DEA）為代表。DEA方法可避免使用參數(shù)方法時因預設生產函數(shù)形式及誤差項分布特征帶來的偏差，在綠色全要素生產率測算中得到了廣泛應用[1]。為了將污染排放作為非期望產出引入DEA模型，Chung et al.[2]首次提出方向性距離函數(shù)（DDF），F(xiàn)？覿re et al.[3]在此基礎上運用Malmquist-Luenberge指數(shù)方法測算綠色全要素生產率指數(shù)。DDF-DEA模型無法克服徑向選擇的變量松弛問題，Tone[4]為此構造了基于松弛測度的SBM模型，但會出現(xiàn)多個決策單元（DMU）同時有效，為了進一步對有效DMU進行區(qū)分，Tone[5]在Anderson et al.[6]提出的超效率模型基礎上，進一步構建了考慮非期望產出的SBM超效率模型。上述模型測算的是靜態(tài)效率值，若要考察生產前沿面移動帶來的綠色技術進步等動態(tài)信息，需要利用Malmquist-Luenberger指數(shù)方法測算綠色全要素生產率指數(shù)。由于序列Malmquist指數(shù)方法不能徹底解決模型的非可行解問題，Oh[7]提出了Global Malmquist-Luenberger指數(shù)方法，避免了傳統(tǒng)ML指數(shù)的不可傳遞性缺陷及模型無可行性解的問題。

鑒于SBM模型和GML指數(shù)具有的良好特性，近年來在綠色全要素生產率測算中廣泛應用。國內學者李靜等[8]基于SBM的網絡DEA模型及全局ML指數(shù)方法，研究了中國工業(yè)行業(yè)綠色生產率增長。吳建新等[9]采用全局參比的SBM模型和Luenberger指數(shù)，測算了中國城市環(huán)境效率和環(huán)境全要素生產率的變化。班斕等[10]運用超效率SBM模型和ML指數(shù)研究中國八大區(qū)域綠色經濟績效的差異。顏洪平[11]運用DDF和GML指數(shù)測算了我國省級工業(yè)綠色全要素生產率的動態(tài)變化及地區(qū)差異。李平[12]運用SBM方向性距離函數(shù)和Luenberger生產率指數(shù)比較分析長三角及珠三角城市群綠色生產率的差異。汪克亮等[13]運用SBM模型與GML指數(shù)測算2006—2015年長江經濟帶11 省市的大氣環(huán)境全要素生產率。

也有不少學者對綠色全要素生產率的驅動因素做了實證研究。陳超凡[14]認為企業(yè)規(guī)模對工業(yè)行業(yè)綠色全要素生產率的影響不顯著，資本深化抑制了綠色全要素生產率增長，外商投資對綠色全要素生產率增長的促進作用尚不顯著。原毅軍等[15]認為沿海地區(qū)的環(huán)境規(guī)制和FDI顯著促進了中國省際工業(yè)綠色全要素生產率增長。彭星等[16]用工業(yè)綠色全要素生產率對工業(yè)經濟增長的貢獻率來衡量工業(yè)綠色轉型，認為出口貿易不利于中國工業(yè)綠色轉型，進口貿易有利于中國工業(yè)綠色轉型，F(xiàn)DI對中國工業(yè)綠色轉型沒有顯著的促進作用。申晨等[17]比較研究不同類型的環(huán)境規(guī)制對工業(yè)綠色全要素生產率的影響，發(fā)現(xiàn)市場激勵型規(guī)制比命令控制型規(guī)制具有更有效的激勵減排作用。張建華等[18]認為環(huán)境規(guī)制強度與綠色全要素生產率之間呈現(xiàn)倒“U”型變化關系，政府干預對兩者之間關系起到調節(jié)作用。

借鑒上述文獻的已有研究結果，本文將長三角城市工業(yè)二氧化硫排放量和工業(yè)廢水排放量作為非期望產出，將Super-SBM模型與Global Malmquist-Luenberger指數(shù)相結合，測算長三角城市工業(yè)綠色全要素生產率及其差異，對長三角城市工業(yè)綠色生產率增長的驅動因素進行計量檢驗，提出長三角工業(yè)綠色全要素生產率增長和工業(yè)綠色轉型的政策建議。

二、綠色全要素生產率測度

（一）方法與模型

（二）測算結果分析

本文以上海、南京、無錫、常州、蘇州、南通、揚州、鎮(zhèn)江、泰州、杭州、寧波、嘉興、湖州、紹興、舟山和臺州等長三角16個核心城市為研究對象，測算2006—2015年各城市工業(yè)綠色生產率增長趨勢及其動力來源。根據(jù)綠色全要素生產率測算模型，以勞動力和資本為工業(yè)生產的投入變量，分別采用規(guī)模以上工業(yè)企業(yè)從業(yè)人員年均人數(shù)和工業(yè)固定資產凈值年均余額來表示，為消除物價波動的影響，以2005年為基期的固定資產價格指數(shù)對后者進行平減處理。產出變量包括期望產出與非期望產出，用規(guī)模以上工業(yè)企業(yè)工業(yè)增加值代表期望產出，為了剔除價格波動的影響，利用2005年為基期的工業(yè)品出廠價格指數(shù)進行平減；以工業(yè)二氧化硫排放量和工業(yè)廢水排放量來代表工業(yè)生產的非期望產出。相關數(shù)據(jù)來源于《中國城市統(tǒng)計年鑒》及各個城市的統(tǒng)計年鑒。利用前述方法與模型測算長三角城市工業(yè)綠色全要素生產率指數(shù)（GPI）、綠色技術效率指數(shù)（EC）及綠色技術進步指數(shù)（TC），表1分別從2006—2010年、2011—2015年和2006—2015年三個時間段對上述指數(shù)進行了匯總報告。

從2006—2015年GPI的幾何平均值來看，長三角城市工業(yè)綠色全要素生產率指數(shù)均大于1，表明長三角城市工業(yè)綠色全要素生產率呈現(xiàn)出持續(xù)增長的趨勢，另外，長三角大多數(shù)城市在“十二五”時期（2011—2015年）的工業(yè)綠色全要素生產率增長速度快于“十一五”時期（2006—2010年）。從工業(yè)綠色全要素生產率增長動力來源看，長三角城市工業(yè)綠色全要素生產率增長主要來源于綠色技術進步，這一特征在“十一五”時期表現(xiàn)得更為明顯，因為該時期長三角城市工業(yè)綠色技術效率指數(shù)大多小于1，這可能是“十一五”后期，為了應對美國次貸危機引起的全球金融危機對工業(yè)經濟發(fā)展的不利影響，我國采取了一系列經濟刺激政策，一些工業(yè)企業(yè)為了短期利益而回歸粗放式生產的老路，在一定程度上導致了工業(yè)環(huán)境效率的損失。在“十一五”時期，只有杭州、寧波和上海三個城市的工業(yè)綠色技術效率指數(shù)均值大于1，其余13個城市的工業(yè)綠色技術效率指數(shù)均值小于1，到了“十二五”時期，工業(yè)綠色技術效率指數(shù)均值小于1的城市數(shù)量減少至6個，表明工業(yè)環(huán)境效率惡化的城市有了大幅度的減少，長三角工業(yè)綠色轉型績效取得了明顯好轉。

為了更直觀地描述長三角城市工業(yè)綠色全要素生產率指數(shù)及其分解成分的時序變化趨勢，分別計算每一年度各變量相應的累積指數(shù)的平均值，圖1描述了長三角城市工業(yè)綠色全要素生產率累積指數(shù)（CGPI）、綠色技術效率累積指數(shù)（CTC）及綠色技術進步累積指數(shù)（CEC）的平均變化趨勢。各年工業(yè)綠色全要素生產率累積指數(shù)（CGPI）均大于1且整體上呈現(xiàn)上升的趨勢，除了2009年工業(yè)綠色全要素生產率有所下降以外，長三角城市工業(yè)綠色全要素生產率呈現(xiàn)持續(xù)增強的趨勢。但是，綠色技術效率累積指數(shù)（CTC）呈緩慢下降的趨勢，近兩年有所提升，因此，長三角城市工業(yè)綠色生產率增長主要來自綠色技術進步的推動。

三、綠色全要素生產率增長的驅動因素分析

（一）綠色全要素生產率增長的影響因素

借鑒已有的相關文獻研究結論及本文研究對象特征，本文選取城市經濟發(fā)展水平、外商投資水平、貿易開放度、工業(yè)企業(yè)國有化程度、工業(yè)資本深化度、工業(yè)企業(yè)勞動生產率、政府環(huán)境規(guī)制和研發(fā)投入等影響因素，利用平衡面板數(shù)據(jù)模型對各因素的影響效應進行計量檢驗，相關影響因素的指標測度及數(shù)據(jù)處理如下。

1. 經濟發(fā)展水平。以各城市2005年不變價格計算的人均地區(qū)生產總值來表示，各城市人均地區(qū)生產總值有按戶籍人口和常住人口兩種口徑計算的統(tǒng)計數(shù)據(jù)，按常住人口計算的人均地區(qū)生產總值更能真實地反映當?shù)亟洕l(fā)展水平。因此，本文統(tǒng)一采用按常住人口計算的數(shù)據(jù)，考慮工業(yè)綠色生產率與人均地區(qū)生產總值可能存在非線性關系，模型中同時加入人均地區(qū)生產總值的平方項，兩者分別記為GRP和GRPS。

2. 貿易開放度。用對外貿易額占各城市地區(qū)生產總值的比重來表示，記為FTR，為進一步檢驗進口貿易活動和出口貿易活動對工業(yè)綠色全要素生產率的影響差異，依次在模型中引入出口貿易依存度和進口貿易依存度，分別記為EXP和IMP。

3. 外商投資水平。以按當年平均匯率換算成人民幣計價的外商投資額占各城市地區(qū)生產總值的比重來表示，以檢驗“污染天堂假說”的存在性，記為FDI。

4. 工業(yè)資本深化度。用規(guī)模以上工業(yè)企業(yè)人均固定資產額來表示，記為CAP。

5. 工業(yè)企業(yè)國有化程度。用國有或國有控股企業(yè)工業(yè)總產值占比來表示，記為SOE。

6. 工業(yè)企業(yè)全員勞動生產率。用規(guī)模以上工業(yè)企業(yè)工業(yè)增加值與從業(yè)人員數(shù)之比來表示，記為POL。

7. 政府環(huán)境規(guī)制。用城市工業(yè)SO2去除率和工業(yè)煙塵去除率的平均值表示①，環(huán)境規(guī)制程度越強的城市，工業(yè)SO2去除率和工業(yè)煙塵去除率越高，工業(yè)SO2或煙塵去除率用工業(yè)SO2或煙塵去除量除以工業(yè)SO2或煙塵去除量與工業(yè)SO2或煙塵排放量之和來計算，記為ER。

8. 研發(fā)投入。由于不同城市的統(tǒng)計年鑒中有關工業(yè)企業(yè)研發(fā)投入數(shù)據(jù)的報告口徑不一致，本文地方財政預算內科學支出（萬元）占各城市地區(qū)生產總值（億元）的比重來表示，記為RS。

相關數(shù)據(jù)來源于《中國城市統(tǒng)計年鑒》及各個城市的統(tǒng)計年鑒。上述解釋變量的描述性統(tǒng)計分析如表2所示。

（二）實證結果分析

模型的因變量為工業(yè)綠色全要素生產率累積指數(shù)，記為CGPI。采用面板數(shù)據(jù)回歸分析方法進行計量檢驗，模型的Hausman檢驗統(tǒng)計量都非常顯著，故采用固定效應模型。在實證檢驗中，所有回歸模型均采用聚類到城市個體層面的穩(wěn)健性標準差進行回歸，表3中用四欄分別報告了各固定效應模型的估計結果。

考慮到我國外資引進與加工貿易發(fā)展現(xiàn)狀，模型中的外商投資水平（FDI）與外貿開放度（FTR）等可能存在多重共線性問題，故在表3中的模型（2）、模型（3）和模型（4）中分步添加相關變量，模型的估計結果并無實質性變化，可以認為模型的多重共線性問題并不嚴重，相關實證結果如下。

人均GRP一次項系數(shù)顯著為負，人均GRP二次項系數(shù)顯著為正②，表明工業(yè)綠色全要素生產率指數(shù)與人均GRP呈“U”型變化關系，這在一定程度說明我國工業(yè)污染排放與經濟增長與可能存在“環(huán)境庫茲涅茨曲線”效應。這一結果與龐瑞芝等[19]的研究結論相似，表明在地區(qū)經濟發(fā)展水平較低時，由于經濟增長方式較為粗放，經濟增長反而抑制了工業(yè)綠色全要素生產率增長，當?shù)貐^(qū)經濟發(fā)展水平到達一定程度后，隨著公眾環(huán)保意識的提高及政府環(huán)境規(guī)制壓力的加強，將會推動工業(yè)綠色全要素生產率增長，從而有利于促進工業(yè)綠色轉型。

工業(yè)國有化程度（SOE）對工業(yè)綠色全要素生產率的影響效應為負，表明隨著國有及國有控股工業(yè)企業(yè)比重的提高，不利于促進工業(yè)綠色生產率增長，只不過這種不利影響不夠顯著。這一結果可能與以下兩個方面的因素有關：一方面是因為長三角地區(qū)是我國民營經濟非常發(fā)達的地區(qū)，國有工業(yè)企業(yè)所占的比重本身就較低，樣本期間平均比重13.65%左右。另一方面，由于國有工業(yè)企業(yè)數(shù)量較少，少數(shù)國有及國有控股工業(yè)企業(yè)的綠色生產轉型表現(xiàn)更容易受到環(huán)境監(jiān)管機構和社會公眾的關注，從而在一定程度上抑制了國有企業(yè)在環(huán)境保護上的機會主義行為，減少了企業(yè)綠色生產績效的損失。

工業(yè)資本深化（CAP）對工業(yè)綠色全要素生產率增長有顯著的負面影響，這一結果與陳超凡[14]的研究結論相一致。長三角地區(qū)的經濟發(fā)展整體上已進入工業(yè)化中后期階段，城市工業(yè)由傳統(tǒng)的勞動密集型工業(yè)向資本密集型工業(yè)轉化，在這一過程中，隨著重工業(yè)比重提高，工業(yè)資本深化在一定程度上抑制了工業(yè)綠色生產率增長。

政府環(huán)境規(guī)制（ER）對工業(yè)綠色全要素生產率增長有顯著的促進作用。政府環(huán)境規(guī)制的加強，一方面提高了工業(yè)企業(yè)的生產成本，但另一方面也會激勵企業(yè)尋求綠色技術創(chuàng)新，降低生產成本，減少污染排放，帶來顯著的“創(chuàng)新補償”效應，從而促進工業(yè)綠色全要素生產率增長，這一結論驗證了“波特假說”。

政府研發(fā)支持（RS）與工業(yè)綠色全要素生產率顯著負相關。這是因為工業(yè)生產的研發(fā)投入主體是企業(yè)，政府在工業(yè)生產上的直接研發(fā)投入較少，來自政府的研發(fā)投入更注重基礎研究領域，對工業(yè)企業(yè)綠色全要素生產率增長并沒有起到直接的促進作用。

工業(yè)企業(yè)全員勞動生產率（POL）的提高顯著促進了工業(yè)綠色全要素生產率增長。全員勞動生產率的提高一方面來自企業(yè)人力資本水平的提高，另一方面來自員工的“干中學”效應，這兩方面共同促進了企業(yè)員工的知識學習能力和技術創(chuàng)新能力的提升，從而有利于工業(yè)綠色全要素生產率增長。

外商投資（FDI）與貿易開放（FTR）均對工業(yè)綠色全要素生產率增長有負面影響，與出口貿易（EXP）的負向作用不一樣，進口貿易（IMP）對工業(yè)綠色全要素生產率增長有正向作用，但上述作用均不顯著。這一結論沒有顯著支持外商投資的“污染天堂假說”的成立，與彭星等[16]的研究結論相似，表明長三角城市還需要進一步優(yōu)化外商投資結構和出口貿易結構，增加技術密集型產品、高新技術和先進設備的進口，增強開放經濟對長三角工業(yè)綠色全要素生產率增長的促進作用。

四、結論與政策啟示

本文綜合應用Super-SBM模型與Global Malmquist-Luenberger指數(shù)，測算了長三角城市工業(yè)綠色全要素生產率的動態(tài)變化趨勢，發(fā)現(xiàn)長三角城市工業(yè)綠色全要素生產率整體上呈現(xiàn)上升的態(tài)勢，大多數(shù)城市“十二五”時期的工業(yè)綠色全要素生產率增長快于“十一五”時期，表明長三角城市工業(yè)綠色轉型取得了較為顯著的效果。但是，長三角城市工業(yè)綠色全要素生產率增長主要來自綠色技術進步的推動，綠色技術效率沒有顯示出穩(wěn)定的改進趨勢，對工業(yè)綠色全要素生產率增長的貢獻不足。從長三角工業(yè)綠色全要素生產率增長的驅動因素來看，工業(yè)綠色全要素生產率增長與城市人均收入水平呈U型變化軌跡，政府環(huán)境規(guī)制和企業(yè)全員勞動生產率促進了工業(yè)綠色全要素生產率增長，國有化與資本深化的提高抑制了工業(yè)綠色全要素生產率增長，經濟開放和政府研發(fā)支持對長三角工業(yè)綠色全要素生產率增長沒有發(fā)揮顯著的作用。

上述研究結果對長三角城市工業(yè)綠色轉型有以下幾點政策啟示意義：一是長三角城市需要穩(wěn)步推進工業(yè)綠色發(fā)展，避免在經濟下行時放松環(huán)境規(guī)制，導致工業(yè)綠色全要素生產率增長的波動，地方政府需要堅持加強環(huán)境規(guī)制，倒逼企業(yè)開展綠色技術創(chuàng)新和綠色轉型，促進工業(yè)綠色全要素生產率增長。二是工業(yè)企業(yè)既要追求“硬技術”對工業(yè)綠色全要素生產率增長的貢獻，還要注重“軟技術”作用的發(fā)揮，加強工業(yè)企業(yè)內部管理和組織變革，增強企業(yè)綠色發(fā)展理念，提高資源的利用效率和節(jié)能減排管理水平，充分發(fā)揮技術效率改進對工業(yè)綠色全要素生產率增長的促進作用。三是加快構建長三角新型開放經濟體系，優(yōu)化高級生產要素和創(chuàng)新資源的集聚生成機制，提升外資的引進門檻，增強FDI的綠色技術溢出效應，鼓勵本土企業(yè)積極開展對外投資，在全球范圍內優(yōu)化資源配置，優(yōu)化出口貿易的商品結構，擴大技術密集型和知識密集型產品進口，努力在全球價值鏈的中高端環(huán)節(jié)取得競爭優(yōu)勢，帶動長三角城市工業(yè)綠色轉型升級。四是健全科技創(chuàng)新政策體系，改革科技管理體制，提高政府研發(fā)資金對長三角工業(yè)綠色轉型的引導和激勵作用，激勵工業(yè)企業(yè)加強對綠色技術的自主創(chuàng)新及推廣應用。

注釋：

①由于少數(shù)城市工業(yè)廢水排放達標率的公開統(tǒng)計數(shù)據(jù)不完整，故沒有包括工業(yè)廢水排放達標率指標。

②在模型的預設檢驗結果中，人均GRP的三次項系數(shù)不顯著，故在模型中未加入人均GRP的三次項。

參考文獻：

[1]ZHOU P，ANG B W，POH K L. Measuring environmental performance under different environmental DEA technologies[J]. Energy economics，2008，30（1）：1-14.

[2]CHUNG Y H，F(xiàn)ARE R，GROSSKOPF S. Productivity and undesirable outputs：a directional distance function approach [J]. Journal of environmental management，1997，51（3）：229- 240.

[3]F？魧RE R，GROSSKOPF S， PASURKA J. Accounting for air pollution emissions in measures of state manufacturing productivity growth[J]. Journal of regional science，2001，41（3）：381-409.

[4]TONE K. A slacks-based measure of efficiency in data envelopment analysis[J]. European journal of operational research，2001，130（3）：498-509.

[5]TONE K. A slacks-based measure of super-efficiency in data envelopment analysis [J]. European journal of operational research，2002，143（1）：32-41.

[6]ANDERSEN P，PETERSEN N. A procedure for ranking efficient units in data envelopment analysis[J]. Management science，1993，39（10）：1261-1264.

[7]OH D. A global Malmquist-Luenberger productivity index[J]. Journal of productivity analysis，2010，34（3）：183-197.

[8]李靜，倪冬雪.中國工業(yè)綠色生產與治理效率研究——基于兩階段SBM網絡模型和全局Malmquist方法[J].產業(yè)經濟研究，2015（3）：42-53.

[9]吳建新，黃蒙蒙.中國城市經濟的綠色轉型：基于環(huán)境效率和環(huán)境全要素生產率的分析[J].產經評論，2016，7（6）：98-115.

[10]班斕，袁曉玲.中國八大區(qū)域綠色經濟效率的差異與空間影響機制[J].西安交通大學學報（社會科學版），2016，36（3）：22-30.

[11]顏洪平.中國工業(yè)綠色全要素生產率增長及其收斂性研究——基于GML指數(shù)的實證分析[J].西北工業(yè)大學學報（社會科學版），2016，36（2）：44-51.

[12]李平. 環(huán)境技術效率、綠色生產率與可持續(xù)發(fā)展：長三角與珠三角城市群的比較[J].數(shù)量經濟技術經濟研究，2017（1）：3-23.

[13]汪克亮，史利娟，劉蕾.長江經濟帶大氣環(huán)境效率的時空異質性與驅動因素研究[J].長江流域資源與環(huán)境，2018，27（3）：453-462.

[14]陳超凡.中國工業(yè)綠色全要素生產率及其影響因素——基于ML生產率指數(shù)及動態(tài)面板模型的實證研究[J]. 統(tǒng)計研究，2016，33（3）：53-62.

[15]原毅軍，謝榮輝.FDI、環(huán)境規(guī)制與中國工業(yè)綠色全要素生產率增長——基于Luenberger指數(shù)的實證研究[J].國際貿易問題，2015（8）：84-93.

[16]彭星，李斌.貿易開放，F(xiàn)DI 與中國工業(yè)綠色轉型——基于動態(tài)面板門限模型的實證研究[J].國際貿易問題，2015（1）：166-176.

[17]申晨，賈妮莎，李炫榆.環(huán)境規(guī)制與工業(yè)綠色全要素生產率——基于命令-控制型與市場激勵型規(guī)制工具的實證分析[J].研究與發(fā)展管理，2017，29（2）：144-154.

[18]張建華，李先枝.政府干預、環(huán)境規(guī)制與綠色全要素生產率——來自中國30個省、市、自治區(qū)的經驗證據(jù)[J].商業(yè)研究，2017（3）：62-170.

[19]龐瑞芝，李鵬，路永剛.轉型期間我國新型工業(yè)化增長績效及其影響因素研究：基于“新型工業(yè)化”生產力視角[J].中國工業(yè)經濟，2011（4）：64-73.

責任編輯：王冬年

Abstract：Using Super-SBM models containing unexpected outputs and Global Malmquist-Luenberger index， measuring the industrial green total factor productivity change of the cities in Yangtze river delta， the urban industrial green total factor productivity shows a rising trend which is mainly due to technological progress， but environmental technical efficiency shows no significant and stable improving trend； therefore， the contribution of environmental technical efficiency is insufficient to the growth of industrial green productivity. The empirical results show that there is a U-shaped curve relationship between green productivity growth and per capita income in the Yangtze river delta； government environmental regulation and labor productivity have significantly promoted the growth of industrial green total factor productivity； the decline of nationalization has promoted the growth of industrial green total factor productivity；the deepening of capital restrains the growth of industrial green total factor productivity； the effect of foreign investment and trade opening on the growth of industrial green total factor productivity is not significant.

Key words：green total factor productivity； Global Malmquist-Luenberger index； SBM model