EN中文

经济地理 >

2025 , Vol. 45 >Issue 7: 13 - 22

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.07.002

区域经济与理论方法

中国市域工业绿色发展的测度、区域差异及其影响因素

  • 安琪 ,
  • 吴三忙 , ※
展开
  • 中国地质大学(北京) 经济管理学院，中国 北京 100083
※吴三忙（1977—），男，博士，教授，博士生导师，研究方向为区域经济、资源环境经济。E-mail：

安琪（1999—），女，博士研究生，研究方向为区域经济、资源环境经济。E-mail：

收稿日期: 2024-12-25

  修回日期: 2025-03-21

  网络出版日期: 2025-08-28

基金资助

国家自然科学基金面上项目(72373136)

国家自然科学基金面上项目(71773118)

深地国家科技重大专项课题(2024ZD1002001)

国家自然科学基金重点项目(71733003)

中国地质大学（北京）研究生创新实践项目(CX2025YC002)

收起

Measurement, Regional Differences and Influencing Factors of Industrial Green Development in Chinese Cities

  • AN Qi ,
  • WU Sanmang , ※
Expand
  • School of Economics and Management，China University of Geosciences，Beijing 100083，China

Received date: 2024-12-25

  Revised date: 2025-03-21

  Online published: 2025-08-28

Fold

摘要

文章以中国272个市域为研究对象，使用两期非径向方向距离函数及卢恩伯格生产率指数测度了市域工业绿色全要素生产率水平，并在此基础上探讨了其区域差异及影响因素。 结果表明：①中国市域工业绿色效率总体呈现“东高西低、南高北低”的格局，非均衡特征显著。②中国市域工业绿色全要素生产率总体差异的主要来源是超变密度，其次是地区内差异，地区间差异的贡献率较低但逐步加强。③技术进步、绿色动能促进工业绿色全要素生产率增长，而效率恶化、发展动能阻碍中西部和东北地区工业绿色全要素生产率增长。从技术和投入产出维度结合来看，技术进步既源于发展技术进步也源于绿色技术进步，效率恶化主要由发展效率恶化导致，且工业绿色全要素生产率区域差异更多来源于发展效率差距。据此，应重视工业绿色发展长期存在的空间非均衡特征，因地制宜实施差别化的工业绿色发展策略，以缩小发展效率差距为重点协同提升市域工业绿色发展水平。

关键词： 工业; 绿色全要素生产率; 区域差异; 绿色低碳; 技术进步; 因地制宜; 绿色发展

本文引用格式

安琪 , 吴三忙 . 中国市域工业绿色发展的测度、区域差异及其影响因素[J]. 经济地理, 2025 , 45(7) : 13 -22 . DOI: 10.15957/j.cnki.jjdl.2025.07.002

Abstract

Taking 272 prefecture-level and above cities in China as the research unit, we use two-period non-radial directional distance function and Luenberger index to measure urban industrial green total factor productivity(GTFP), so as to measure the level of urban industrial green development and to further explore the regional differences and influencing factors. We find that the industrial green efficiency at the municipal level in China generally shows a pattern of "high in the east, low in the west, high in the south and low in the north", with significant imbalance characteristics. The main source of overall differences in industrial GTFP at the municipal level in China is hypervariable density, followed by the intra-regional difference, with a lower but gradually increasing contribution from the inter-regional difference. Technological progress and green momentum promote industrial GTFP growth, while efficiency deterioration and development momentum hinder industrial GTFP growth in the central, western and northeastern regions. From the combined perspective of technology and input-output dimensions, technological progress stems from both developmental and green technology progress, and efficiency deterioration is mainly caused by developmental efficiency deterioration. Regional differences in industrial GTFP stem more from the developmental efficiency difference. Accordingly, the government should pay attention to the long-term spatial imbalance in industrial green development, implement differentiated industrial green development strategies according to local conditions, and narrow the development efficiency gap in order to synergistically enhance the level of industrial green development at the municipal level.

Key words： industry; green total factor productivity; regional differences; green and low-carbon; technological progress; adjust measures to local conditions; green development

改革开放以来，中国工业化进程迅速推进，为实现经济高速增长作出了巨大贡献。但是，粗放的工业发展方式也造成了严重的生态破坏、环境污染、资源枯竭等问题[1]。推动工业绿色发展、实现工业经济增长和环境保护双赢是中国高质量发展的关键[2]。工业绿色全要素生产率能够兼顾绿色和集约发展的科学内涵，反映工业经济发展方式转变，是衡量工业绿色发展的核心指标[3]。科学测度中国市域工业绿色全要素生产率，探究其区域差异及影响因素，对协同提升市域工业绿色发展水平、实现高质量发展具有重要意义。

1 文献综述

近年来，学术界围绕中国工业绿色发展进行了大量研究。在测度方法方面，主要包括指数法和效率法两类。具体而言，指数法是通过构建评价指标体系对工业绿色发展水平进行测度[4-6]，但该方法在指标选取和权重分配上容易受到主观因素的干扰而存在一定的局限性[7]。在将环境技术引入生产效率的分析框架之后，学者开始使用各种DEA模型对工业绿色全要素生产率（下文简称GTFP）进行测度，以此衡量工业绿色发展水平。例如，陈超凡使用方向性距离函数（DDF）及GML指数测度工业分行业GTFP[8]；原毅军等使用SBM-DDF与L指数对各省份工业GTFP进行测度[9]；肖滢等使用超效率SBM模型和GML指数测度资源型城市工业GTFP[10]。在地区差异方面，较多研究以省份为对象，发现中国工业绿色发展水平具有典型的区域差异性，整体呈现东、中、西的阶梯分布特征[4,11]，其中东部地区工业绿色发展水平明显优于中西部地区[12-13]。从东部、中部、西部来看，东部地区较多省份处于工业绿色发展高水平和中等水平阶段，呈“倒金字塔型”；中部地区较多省份处于中等水平阶段，呈“橄榄球型”；而西部地区近一半省份处于低水平阶段，呈“水滴型”[14]。同时，李科等的研究发现中国工业绿色增长效率呈现聚集连片化的分布特征，高效率省份成片分布于东部地区、长江流域和黄河中下游地区，而低效率省份集中在西部地区[15]。此外，中国省份工业绿色发展水平增速也存在明显的区域差异。但是，由于研究方法、研究时段的差别，导致结论不尽相同。例如，全良等发现中国东部工业绿色发展增速最快、中部增速居中、西部增速最慢[16]；而周小亮等以工业低碳全要素生产率衡量工业绿色增长，发现中、西部地区较快，东部地区较慢[17]。从空间差异变化趋势来看，王喜平等基于省域数据发现工业绿色发展进程中的非均衡现象正逐渐改善[18]，而谭卫华等基于市域数据发现工业绿色发展水平的空间差异进一步明显[19]。在影响因素方面，陈超凡发现较高的技术水平、合理的产权结构能显著提高工业绿色发展水平，而资本深化、不合理的能源结构阻碍其增长[20]。除此之外，还有学者发现环境规制、FDI、OFDI、市场开放度等均对工业绿色发展存在显著影响[9,21-23]。
综上发现，学术界关于工业绿色发展的研究成果较为丰富，但仍存在以下不足：①现有研究从多个角度对工业绿色发展的影响因素进行探讨，但较少从技术和投入产出的二维视角对工业GTFP进行分解，以更好地识别中国工业绿色发展及区域差异的影响因素。②由于研究尺度、研究方法的差别，工业GTFP地区差异的变化尚未得出比较一致的结论。③在测度方法上，使用的DEA模型各有优劣，存在不同程度的线性规划无解或前沿面设定的缺陷，导致工业GTFP的测算结果不稳健，难以反映工业绿色发展真实情况。同时，在非期望产出指标选取时仅单独考虑污染排放或碳排放，未将二者结合考虑，忽视了减污降碳协同的重要性。基于此，本文以中国272个地级及以上市域为研究对象，在考虑污染排放与碳排放的基础上，使用两期生产单元作为生产技术构造前沿面，与非径向方向距离函数以及L指数相结合测度中国市域工业GTFP；然后，运用Dagum基尼系数及分解方法考察中国市域工业绿色发展的地区差异及来源；最后，从技术和投入产出二维视角探讨工业绿色发展及区域差异的影响因素。

2 中国市域工业绿色全要素生产率的测度与特征

2.1 测度方法

为科学衡量工业GTFP，并从技术和投入产出维度进行分解，本文采用两期非径向方向距离函数和L指数测度市域工业GTFP。与目前学术界采用的测算方法相比，这种方法的优势在于：一方面，非径向距离函数放松了等比例变化的假设条件，同时从投入和产出维度对效率进行测算，有效避免了忽略非径向松弛变量以及忽视投入导致的效率估计偏差。同时，将两期的生产单元作为生产技术构造前沿面，既有效避免了无效率生产点的投影位于边界之外产生的不可行解问题，又避免了使用全局生产技术可能导致的计算结果不稳定问题[24-25]。另一方面，L指数是线性相加的形式，更容易与非径向效率模型结合，并从投入产出维度识别工业GTFP的源泉。

2.1.1 两期非径向方向距离函数

绿色无效率是指实际投入产出变量集与有效生产边界的差距[26]，可由两期非径向方向性距离函数对应的线性规划计算得出。该值越大，表明市域工业绿色无效率水平越高[27]。假定有N个市域作为生产决策单元，每个市域投入资本（K）、劳动（L）和能源（E）进行生产，在得到期望产出（工业增加值，Y）的同时形成非期望产出（污染排放，W；CO2排放，C），且K，L，E，Y，W，C∈R+。假定生产技术规模报酬可变（VRS）。两期非径向方向距离函数对应的线性规划为：
    D j → B K t , L t , E t , Y t , W t , C t ; g t = m a x β j B t : β j B t = w k β j K B t + w l β j L B t + w e β j E B t + w y β j Y B t + w w β j W B t + w c β j C B t     s . t . ∑ j ' = 1 N z j ' t K j ' t + ∑ j ' = 1 N z j ' t + 1 K j ' t + 1 ≤ K j t - β j K B t g j K t ,     ∑ j ' = 1 N z j ' t L j ' t + ∑ j ' = 1 N z j ' t + 1 L j ' t + 1 ≤ L j t - β j L B t g j L t ,     ∑ j ' = 1 N z j ' t E j ' t + ∑ j ' = 1 N z j ' t + 1 E j ' t + 1 ≤ E j t - β j E B t g j E t ,     ∑ j ' = 1 N z j ' t Y j ' t + ∑ j ' = 1 N z j ' t + 1 Y j ' t + 1 ≥ Y j t + β j Y B t g j Y t ,     ∑ j ' = 1 N z j ' t W j ' t + ∑ j ' = 1 N z j ' t + 1 W j ' t + 1 = W j t - β j W B t g j W t ,     ∑ j ' = 1 N z j ' t C j ' t + ∑ j ' = 1 N z j ' t + 1 C j ' t + 1 = C j t - β j C B t g j C t , z j ' ≥ 0 ;     ∑ j ' = 1 N z j ' = 1 ; β j K B t ≥ 0 ; β j L B t ≥ 0 ; β j E B t ≥ 0 ; β j Y B t ≥ 0 ; β j W B t ≥ 0 ; β j C B t ≥ 0
式中：B代表两期环境技术； β j B t为市域j的绿色无效率值； β j K B t ,   β j L B t ,   β j E B t ,   β j Y B t ,   β j W B t ,   β j C B t为市域j各投入产出的绿色无效率值。 g = - g K , - g L , - g E , g Y , - g W , - g C为方向向量， w = w K , w L , w E , w Y , w W , w C T = 1 9 , 1 9 , 1 9 , 1 3 , 1 6 , 1 6 T为权重向量，且所有权重之和为1。

2.1.2 两期非径向卢恩伯格生产率指数

上文的工业绿色无效率值仅测度既定时期各市域与生产边界的相对关系，是一种静态的分析。要想动态分析各市域与生产边界的相对位置变化以及生产边界的移动，需在工业绿色无效率值的基础上进一步测算两期非径向卢恩伯格生产率指数（BLPI），得到工业GTFP的动态变动值[16]。计算公式如下：
B L P I j = D j → B K t , L t , E t , Y t , W t , C t ; g t - D j → B K t + 1 , L t + 1 , E t + 1 , Y t + 1 , W t + 1 , C t + 1 ; g t + 1
式中： B L P I 0，表明t+1年较t年工业GTFP增长； B L P I = 0，表明工业GTFP保持不变； B L P I 0，则表示工业GTFP有所下降。

2.2 数据来源

2.2.1 指标处理

投入产出数据的准确性对于测算市域工业GTFP至关重要。为精准测定中国地级及以上市域工业部门的绿色全要素生产率，本文选取合理的指标对工业资本投入、劳动投入、能源消耗、工业增加值、工业污染排放和碳排放进行测度。
①工业资本投入。以工业部门资本存量作为资本投入要素，采用永续盘存法对研究样本区间内的工业资本存量进行测算，具体公式如下：
K t = I t + ( 1 - δ t ) · K t - 1
式中：K为各市域的工业固定资本存量；I为市域新增工业固定资产投资额；δ为折旧率；t和t-1分别代表当期和上一期。关于各市域新增工业固定资产投资额，首先根据《中国城市统计年鉴》得到各市域全社会固定资产投资总额 ① ；然后依据各市域工业增加值占GDP的比重为权重，将全社会固定资产投资分解到工业，得到各市域新增工业资产投资额；最后使用市域所在省份的固定资产价格指数 ② 将其调整为以2003年为基期的可比价格。参考张军等的方法[29]，将2003年工业固定资产投资除以10%作为初始资本存量，使用9.6%作为资本折旧率。
②工业劳动投入。借鉴黄磊等的研究方法[30]，本文使用各市域采矿业、制造业和电力、燃气及水的生产和供应业城镇单位从业人员数之和衡量劳动投入。数据来源于历年《中国城市统计年鉴》 ③ 。
③工业能源消耗。囿于各市域的工业能耗数据无法直接获得，参考戴魁早等的方法[31]，从《中国能源统计年鉴》中得到各省份的工业原煤、原油、天然气消耗量，根据《综合能耗计算通则》（GB/T 2589—2020）将各类能源投入统一折算为标准煤，并以市域夜间灯光强度占省级夜间灯光强度的比重为权重，将其分解为各市域工业能源消耗。
④期望产出。参考史丹等的方法[32]，本文选用工业增加值作为期望产出指标，数据来源于CEIC中国经济数据库以及各省份统计年鉴。同时，使用各市域所在省份的工业品出厂价格指数（PPI）将其平减为2003年基期的可比价。
⑤非期望产出。考虑到协同推进减污降碳是建设美丽中国和实现“双碳”目标的重中之重，本文将工业污染排放与工业CO2排放同时作为非期望产出纳入模型中。选用工业SO2和工业烟尘排放作为污染排放指标，数据来源于历年《中国城市统计年鉴》。考虑到不同污染物差异化的环境影响以及量纲的不一致，对废气中的SO2、工业烟尘进行无量纲化处理，具体公式为：
A p k = Q k W k
式中： Q k为某污染物的排放量； W k为该污染物的污染当量值 ① ，两者相除得到该污染物的污染当量数。
对于CO2排放，参照李斌等的方法[33]，根据政府间气候变化专门委员会（IPCC）编制的《国家温室气体清单指南》中碳排放量的计算方法，本文使用市域原煤、原油和天然气3种一次化石能源为基准得到工业碳排放量，计算公式为：
C = ∑ i = 1 3 C i t = ∑ i = 1 3 E i t · N C V i · C E F i · C O F i · 44 / 12
式中： C为估算的工业碳排放量； E i为原煤、原油和天然气的消耗量； N C V i为3种能源的低位发热量； C E F i为潜在排放因子，即单位热值的含碳量； C O F i为碳氧化因子 ② 。

2.2.2 数据说明

2002年党的十六大报告提出走新型工业化道路。新型工业化道路是科技含量高、经济效益好、资源消耗低、环境污染少、人力资源优势得到充分发挥的发展道路。因此，本文主要考察提出“走新型工业化道路”以来中国市域的工业绿色发展水平，研究周期为2003—2022年。在研究周期内，中国的市域数量存在变动。在剔除数据缺失较为严重的儋州、三沙、海东、嘉峪关、金昌、定西、陇南等市域后，最终选定272个地级及以上市域（文中简称“市域”），覆盖了除去港、澳、台、西藏外的所有省级行政单位。部分缺失数据用插值法补齐。

2.3 特征分析

2.3.1 工业绿色无效率特征

两期非径向方向距离函数测度市域工业绿色无效率值，数值越大代表效率水平越低。由图1可知，中国市域工业绿色效率水平存在显著的空间差异，东部、中部、西部和东北地区市域工业绿色效率水平依次降低。具体来说，2003—2022年东部、中部、西部和东北地区市域工业绿色无效率均值分别为0.4440、0.6719、0.6745和0.7334，其中东南沿海市域绿色创新产业发展充分，工业绿色效率水平明显高于东部其他市域。而中部、西部和东北地区市域受资源禀赋和区位条件制约，工业结构以高耗能、高污染的重工业为主导，过度依赖重化工业和资源型产业，加之市场机制尚未完善、人力资本不足、绿色技术创新能力较弱，表现为较低的工业绿色效率水平。其中，山西、内蒙古、陕西、黑龙江、江西绝大多数市域绿色无效率值超过0.7。
图1 2003—2022年中国市域工业绿色无效率均值空间分布

注：基于自然资源部标准地图服务网站下载的审图号为GS（2024）0650号的标准地图制作，底图边界无修改。

Fig.1 The spatial distribution of the average industrial green inefficiency in Chinese cities from 2003 to 2022

由表1可知，2003—2022年北方和南方地区市域工业绿色无效率均值分别为0.7433和0.5020，北方地区市域工业绿色效率表现明显弱于南方。进一步，在工业绿色无效率均值最低的20个市域中，南方市域占比高达90%，其中广东有9个。除此之外，张家界、黄山、丽江等旅游市域也有较高的工业绿色效率。在工业绿色无效率均值最高的20个市域中，北方市域占比90%，其中超过一半的市域为资源型城市与老工业基地。
表1 2003—2022年中国工业绿色无效率均值最高和最低的20位市域

Tab.1 Cities ranked top 20 and bottom 20 in industrial green inefficiency from 2003 to 2022

类型 市域名称
最低20位市域 三亚、茂名、深圳、上海、潮州、黑河、安康、揭阳、佛山、海口、阳江、东莞、自贡、张家界、宁德、黄山、丽江、广州、防城港、汕头
最高20位市域 大同、哈尔滨、贵阳、通辽、西宁、铁岭、渭南、晋中、运城、忻州、石嘴山、银川、阳泉、西安、双鸭山、长治、南宁、乌鲁木齐、兰州、张家口

2.3.2 工业绿色全要素生产率特征

在静态工业绿色无效率值基础上，本文使用两期非径向卢恩伯格生产率指数进一步测算中国市域工业GTFP的动态变动值（表2）。结果显示，2004—2022年仅东部地区工业GTFP呈现上升态势，年均增长率为0.61%。67.44%的东部市域实现工业GTFP增长，其中连云港工业GTFP年均增长率最高，达3.70%。东部地区以技术密集型、资本密集型的工业智能化生产模式为主[34]，市场化水平和基础设施较为完善，绿色环保技术扩散能力较强，导致工业GTFP有所上升。但是，中部、西部和东北地区市域工业GTFP均有不同程度的下降，年均分别下降0.04%、0.24%和1.22%。其中，74.19%的东北市域工业GTFP明显下降，尤其是齐齐哈尔下降幅度最大。
表2 2004—2022年中国市域总体及四大区域工业GTFP变动

Tab.2 Changes in industrial GTFP at the municipal level in China and each region from 2004 to 2022

年份 全国 东部 中部 西部 东北
2004 -0.0420 -0.0138 -0.0664 -0.0593 -0.0158
2006 0.0211 0.0055 0.0244 0.0509 -0.0160
2008 0.0345 0.0178 0.0460 0.0323 0.0562
2010 0.0039 0.0231 -0.0157 0.0032 0.0028
2012 0.0202 0.0322 0.0168 0.0301 -0.0285
2014 -0.0010 -0.0138 0.0086 0.0380 -0.0844
2016 0.0140 0.0223 0.0162 0.0503 -0.1025
2018 0.0187 0.0033 0.0656 -0.0386 0.0787
2019 0.0441 0.0134 0.0784 0.0652 -0.0104
2020 -0.1649 -0.1238 -0.1938 -0.1933 -0.1356
2021 0.0098 0.0213 0.0038 -0.0035 0.0255
2022 0.0795 0.0803 0.0857 0.0733 0.0763
年均增长率 -0.0003 0.0061 -0.0004 -0.0024 -0.0122

注：表中每个年份的值均代表与上一年相比工业GTFP的变动，结果均保留4位小数。表3同。

3 市域工业绿色全要素生产率的区域差异及来源

3.1 总体差异及区域差异

参照原毅军等的方法[9]，本文将工业GTFP转换为以2003年为基期的累积指数，测算了2004—2022年中国市域工业GTFP的总体差异及其演变趋势（图2）。从中看出，中国市域工业GTFP总体基尼系数从0.0581波动增加至0.2162，年均增长7.57%，表明总体差异逐渐扩大，空间非均衡性进一步增强。东部、中部、西部和东北地区内部市域工业GTFP差异也呈扩大趋势。其中，西部地区市域间工业GTFP差异程度最大，2004—2022年基尼系数平均值达0.1919；东北地区次之，基尼系数均值为0.1914；中部地区和东部地区内部差异程度相对较小，基尼系数均值分别为0.1411和0.1171，低于全国平均水平。
图2 中国市域工业GTFP总体差异及区域内差异的演变趋势

Fig.2 The evolution trend of overall and intra-regional differences of industrial GTFP at the municipal level in China

从变化趋势来看，2004—2022年四大区域内部市域之间工业GTFP差异均有所上升（图2）。具体来说，东部地区研究期内整体波动较为平缓，区内基尼系数由0.0556增至0.1507。西部地区2004—2012年增长较快，区内基尼系数从0.0757上升至0.2138；2012—2019年较为平稳，2019年之后呈波动提升态势。中部地区研究期内表现为明显的波动提升态势，区内基尼系数由0.0467增至0.1699。东北地区研究期内的内部差异大幅上升，地区内基尼系数年平均增长率高达13.06%。其中，2004年东北地区内部基尼系数仅为0.0310，居四大区域末位；但2014年之后地区内基尼系数显著上升，居四大区域首位。
进一步测算2004—2022年中国市域工业GTFP地区间差异及演变趋势（图3）。从中看出，东北地区与其他地区之间工业GTFP差异均较大。其中，东北和西部地区之间工业GTFP的差距最大，研究期内地区间基尼系数均值为0.2092。从变化趋势来看，四大区域任何两个区域之间工业GTFP的空间差异程度均呈现扩大趋势。其中，东北与东部地区间基尼系数上升最快，研究期内增加了0.2685。东北与西部、中部地区间基尼系数也经历了较快的上升，分别从0.0562、0.0452增加至0.2960、0.2741。而东部与中部地区间基尼系数上升则相对较慢。
图3 中国市域工业GTFP区域间差异的演变趋势

Fig.3 The evolution trend of inter-regional differences of industrial GTFP at the municipal level in China

3.2 区域差异的来源及其分解

为揭示中国市域工业GTFP差异的来源，本文进一步测算了2004—2022年四大区域内部、四大区域之间和超变密度的贡献率（图4）。结果显示，超变密度对地区差异的贡献度最高，年均贡献率为49.67%；其次是四大区域内差异，年均贡献率为25.77%；四大区域间差异对总体差异的贡献率最小，均值仅为24.56%。由此可见，超变密度是工业GTFP差异的主要来源，工业GTFP在不同地区之间存在明显的交叉重叠。就变化趋势而言，2004—2022年，工业GTFP四大区域内差异对总体差异的贡献率在25%上下波动，且呈略微缩小态势；四大区域间差异对总体差异的贡献呈明显的波动提升态势，贡献率从22.57%增加至39.49%。2022年，四大区域间差异对工业GTFP总体差异的贡献率最高。2004—2022年，超变密度对总体差异的贡献率从50.35%下降至35.95%。
图4 中国市域工业GTFP区域差异来源贡献率及演变趋势

Fig.4 The contribution rate and evolution trend of regional differences of industrial GTFP at the municipal level in China

4 市域工业绿色全要素生产率的影响因素

根据工业绿色全要素生产率的分解模型，本文从技术和投入产出维度构建工业绿色全要素生产率影响因素的二维分析框架，以解释中国工业GTFP的变动及其区域差异。

4.1 工业绿色全要素生产率影响因素的二维分解框架

从技术维度来看，工业GTFP变动可分解为技术变动（TC）和效率变动（EC），如式（6）（7）所示。 T C 0，表示市域技术进步，反之则为技术退步； E C 0，表示市域效率改善，反之则为效率恶化。但是，技术变动和效率变动仍然是总量指标，未能反映各投入产出对绿色全要素生产率变动的冲击，需要更深层次的分解。因此，通过发挥L指数的分解优势，对技术变动和效率变动进行投入产出分解，以反映不同投入产出对技术变动和效率变动的贡献。根据方向向量的含义，将技术变动分解为投入技术变动、期望产出技术变动和非期望产出技术变动，将效率变动分解为投入效率变动、期望产出效率变动和非期望产出效率变动，如式（8）和式（9）所示。结合技术变动和效率变动的再分解结果，工业GTFP变动从投入产出维度可具体分解为劳动变动效应（LP）、资本变动效应（KP）、能源变动效应（EP）、工业增加值变动效应（YP）、污染排放变动效应（WP）和碳排放变动效应（CP）。参考涂正革等的分类方法[35]，本文进一步将与传统经济增长相关的、不考虑环境影响的导致工业GTFP变动的动力因素称为发展动能（DC），将与环境相关的动力因素称为绿色动能（GC）。其中，发展动能包括劳动、资本和工业增加值变动效应；绿色动能包括能源、污染排放和碳排放变动效应，如式（10）所示。据此，技术变动可进一步分解为发展技术变动（DTC）和绿色技术变动（GTC），效率变动可进一步分解为发展效率变动（DEC）和绿色效率变动（GEC），从技术和投入产出维度构建了工业GTEP影响因素的理论分析框架（图5）。
E C j = D → j t K t , L t , E t , Y t , W t , C t ; g t - D → j t + 1 K t + 1 , L t + 1 , E t + 1 , Y t + 1 , W t + 1 , C t + 1 ; g t + 1
T C j = D → j B K t , L t , E t , Y t , W t , C t ; g t - D → j t K t , L t , E t , Y t , W t , C t ; g t - D → j B K t + 1 , L t + 1 , E t + 1 , Y t + 1 , W t + 1 , C t + 1 ; g t + 1 - D → j t + 1 K t + 1 , L t + 1 , E t + 1 , Y t + 1 , W t + 1 , C t + 1 ; g t + 1
E C j = L E C j + K E C j + E E C j + Y E C j + W E C j + C E C j = D E C j + G E C j
T C j = L T C j + K T C j + E T C j + Y T C j + W T C j + C T C j = D T C j + G T C j
G T F P j = E C j + T C j = L P j + K P j + E P j + Y P j + W P j + C P j = D C j + G C j
图5 工业GTFP影响因素二维分解的理论逻辑

Fig.5 The theoretical logic of two-dimensional decomposition of influencing factors of industrial GTFP

4.2 影响因素分析

在全国层面，从技术维度来看，2004—2022年中国工业技术变动表现为技术进步，年均增长率为0.37%；效率变动表现为效率恶化，年均降低0.39%，说明技术进步促进中国工业GTFP增长，不断推进生产边界向外扩张，而效率恶化抵消了技术进步对工业GTFP的提升作用，成为工业GTFP增长的阻碍。从投入产出维度来看，2004—2022年，绿色动能导致中国工业GTFP上升，而发展动能导致工业GTFP下降。对工业技术变动与效率变动进一步区分为发展动能和绿色动能可以发现，2004—2022年技术进步既源于发展技术进步也源于绿色技术进步，两者贡献率分别为32.18%和67.82%。中国工业绿色技术创新能力明显提升，绿色技术创新作用于工业绿色发展的动力正在显现[36]。从效率来看，仅仅绿色效率有所改善，发展效率恶化则阻碍工业GTFP增长（表3）。
表3 2004—2022年中国及四大区域工业GTFP来源分解

Tab.3 Decomposition of sources of industrial GTFP at the national level and across China's four major regions from 2004 to 2022

区域 技术维度 投入产出维度 双重维度
EC TC DC GC DEC GEC DTC GTC
全国 -0.0039 0.0037 -0.0044 0.0041 -0.0056 0.0016 0.0012 0.0025
东部 0.0015 0.0045 0.0031 0.0029 0.0020 -0.0005 0.0011 0.0034
中部 -0.0037 0.0032 -0.0065 0.0061 -0.0077 0.0041 0.0013 0.0020
西部 -0.0058 0.0034 -0.0058 0.0034 -0.0074 0.0016 0.0016 0.0019
东北 -0.0152 0.0030 -0.0163 0.0041 -0.0167 0.0015 0.0004 0.0026
四大区域工业GTFP驱动模式存在异质性，导致2004—2022年东部地区工业GTFP上升而中部、西部、东北地区工业GTFP下降。从技术维度来看，东部地区表现为技术进步和效率改善，而中部、西部和东北地区表现为技术进步和效率恶化。在生产边界扩张过程中，中部、西部和东北地区大部分市域忽视资源管理能力的改善，要素冗余严重，效率恶化幅度大于技术进步幅度，导致工业GTFP下降。从投入产出维度来看，东部地区工业GTFP增长的动力分别来自发展动能和绿色动能，贡献率分别为51.47%和48.53%。而中部、西部和东北地区仅绿色动能促进工业GTFP提升，发展动能明显阻碍工业GTFP增长（表3）。具体而言，绿色动能中能源投入、污染排放与碳排放变动均有利于各地区工业GTFP提升，减污降碳协同推进格局初步形成。但是，节能对工业GTFP增长的贡献小于减排的贡献，节能仍然具有较大的市场潜力。发展动能中仅劳动投入变动促进各地区工业GTFP增长，资本投入变动均导致工业GTFP下降。各地区盲目扩大投资和低水平重复建设导致资源错配，显著降低了资源配置效率，导致投资收益率大幅下降[37]，对工业GTFP增长产生阻碍作用。其中，中部地区这一阻碍作用最大。除东部地区外，工业增加值变动对中西部和东北地区工业GTFP均表现为抑制作用，期望产出增加本身并不意味着工业GTFP的提升。基于技术和投入产出维度的进一步分解发现，东部地区表现为绿色技术进步、发展技术进步、绿色效率恶化和发展效率改善。其中，绿色技术进步对工业GTFP贡献最大，达56.67%。而中部、西部和东北地区表现为绿色技术进步、发展技术进步、绿色效率改善和发展效率恶化。其中，发展效率恶化显著导致工业GTFP下降。
从技术维度看，工业GTFP的区域间差异更多来源于效率差距。由表3可知，东北地区与东部、中部和西部地区之间效率变动差距较大，而技术变动差距相对较小。2004—2022年，东北地区效率恶化程度最高，是中部和西部的4.11倍和2.62倍。作为中国最重要的老工业基地，东北地区经济结构较为单一，长期存在管理体制僵化、资源管理能力不足等缺陷，要素冗余严重，资源配置效率低下，导致效率恶化程度明显大于其他地区。从投入产出维度看，工业GTFP的区域间差异更多来源于发展动能差距。2004—2022年，东北地区与东部、中部和西部地区之间发展动能差距较大，而绿色动能差距相对较小。东北地区发展动能年均下降1.63%，下降幅度远高于其他地区。2004—2022年，东北市域平均实际工业增加值为319.61亿元，远低于东部市域的1209.34亿元，巨大的经济差距使东北地区市域难以在工业增加值方面追赶生产前沿，与东部地区发展动能差距较大。基于技术和投入产出维度的进一步分解发现，东北地区与东部、中部、西部地区工业GTFP差异更多来源于发展效率差距，而绿色效率、发展技术、绿色技术的差距相对较小。2004—2022年，东北地区发展效率年均下降1.67%，下降幅度明显大于其他地区。
从技术维度看，工业GTFP的区域内差异更多来源于效率差距，技术差距相对较小。2004—2022年，东部、中部、西部和东北地区内部市域效率变动全距分别为技术变动的4.07、7.11、16.51和19.10倍。其中，西部地区内部市域效率变动差距最大，最大值与最小值之差高达0.1549。从投入产出维度看，工业GTFP的区域内差异更多来源于发展动能差距，绿色动能差距相对较小。2004—2022年，东部、中部、西部和东北地区内部市域发展动能全距分别为绿色动能的2.53、2.71、5.97和3.65倍。其中，西部地区内部市域发展动能差距最大，最大值与最小值之差高达0.1510。基于技术和投入产出维度的进一步分解可以发现，工业GTFP的区域内差异更多来源于发展效率差距。2004—2022年，东部、中部、西部和东北地区内部市域发展效率全距明显大于绿色效率、发展技术和绿色技术。其中，西部地区内部市域工业发展效率差距最大，最大值与最小值之差达0.1496。

5 结论与建议

5.1 研究结论

本文以中国272个市域为研究对象，首先使用两期非径向方向距离函数以及L指数测度了2004—2022年中国市域工业GTFP水平；继而运用Dagum基尼系数探讨其区域差异，并对影响工业GTFP变动及区域差异的因素进行了分析。主要结论如下：
①从绿色效率来看，中国市域工业绿色效率总体呈现“东高西低、南高北低”的格局。从工业GTFP来看，2004—2022年仅东部地区工业GTFP有所上升，中部、西部和东北地区均存在不同程度的下降。
②中国市域工业GTFP总体差异逐步扩大，空间非均衡性特征显著。从四大区域内差异看，西部地区市域工业GTFP差异程度最大，东部地区差异程度最小，四大区域内市域间工业GTFP差异在2004—2022年均有所上升，其中东北地区上升幅度最大。从四大区域间差异看，东北地区和其他地区市域之间工业GTFP差异更为明显。从贡献率看，总体差异的主要来源是超变密度，其次是区域内差异，区域间差异的贡献率最低但逐步加强。
③从技术维度来看，技术进步促进工业GTFP增长，效率恶化阻碍了中部、西部和东北地区工业GTFP增长，且工业GTFP区域差异更多来源于效率差距。从投入产出维度来看，绿色动能促进工业GTFP增长，而发展动能阻碍中西部、东北地区工业GTFP增长，且工业GTFP区域差异更多来源于发展动能差距。基于技术和投入产出维度进一步分解发现，技术进步既源于发展技术进步也源于绿色技术进步，效率恶化主要由发展效率恶化导致，且工业GTFP区域差异更多源于发展效率差距。

5.2 对策建议

改革开放以来，中国工业绿色发展政策经历了3个阶段。第一阶段为改革开放后解决短缺阶段（1978—2000年），政策以能源资源节约利用为重点，一定程度上弥补了能源需求缺口；第二阶段为“入世”工业体系形成阶段（2000—2012年），政策涵盖节能、减排、能源结构优化等方面，支持类和限制类政策工具统筹使用，形成较为完善的政策体系，有效推动工业节能减排；第三阶段为建设生态文明的全新绿色发展阶段（2012年至今），围绕工业全生命周期绿色发展进行全面政策部署，有效推动工业绿色发展向更高水平迈进[38]。结合中国工业绿色发展政策演变及上述研究结论，本文提出以下对策建议。
①加强顶层设计，打破行政边界阻碍，推动市域工业绿色发展水平的协同提升。一方面，考虑到超变密度是工业GTFP总体差异的主要来源，应充分重视“不合群”市域，充分发挥高工业绿色发展水平离群市域的引领带动作用，通过人才交流、节能减排技术扩散、联合建立工业资源共享平台等模式实现溢出，带动群内其他市域工业绿色发展。同时，加强对低工业绿色发展水平离群市域的扶持力度，使其追赶群内平均水平。另一方面，考虑到样本期内四大区域间工业GTFP差异有所扩大，应建立工业绿色发展的跨区域协作机制，加强对中西部和东北地区的政策扶持力度，以促进四大区域间工业绿色协同发展。
②因地制宜，实施差别化的工业绿色发展策略。对于东部地区而言，应进一步强化技术创新引领作用，积极培育绿色技术创新领军企业和绿色低碳科技企业，通过财政补贴、税收优化等激励型措施加大对企业节能减排技术的支持，积极发挥技术进步，尤其是绿色技术进步对工业GTFP的提升作用。对于中部地区而言，应充分发挥地理位置和交通优势，积极承接来自东部的符合环保要求的相关产业转移，引导资本投向绿色技术创新、高端制造业等对工业GTFP增长有重要作用的领域，避免盲目扩大投资和低水平重复建设导致的资源错配问题。对于西部地区而言，应依托能源资源优势，大力发展光伏、风电等清洁能源，发展特色绿色工业，加强市域间的资源共享，缩小区域内市域工业GTFP差距。对于东北地区而言，应优化工业结构，加快实现工业绿色转型。一方面，加大对传统煤炭、钢铁等高污染重工业的技术改造力度，提升生产过程清洁化水平，降低污染排放和碳排放；另一方面，依托当地的资源禀赋和科研基础，积极培育新能源、新材料、装备制造等高附加值、低排放的新兴绿色产业，提升绿色工业在工业结构中的比重。
③以缩小发展效率差距为重点，协同提升市域工业绿色发展水平。首先，着力改善低效率市域的资源管理能力，通过搭建绿色生产管理信息化平台，利用大数据等数字化手段，实现绿色生产经营的智能化管理，提高管理效率和透明度，为绿色生产提供有力保障。其次，深化劳动力、资本等生产要素市场化改革，通过市场化手段配置资源，使有限的资本和劳动力在不同市域、不同工业行业、不同企业间合理配置、自由流动与高效利用，避免要素冗余与浪费，以协同提升市域工业绿色发展水平。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
刘强, 李绍荣. 提升城市工业绿色全要素生产率的碳交易试点政策探索[J]. 北京社会科学, 2025(2):91-104.

[2]
郭克莎, 田潇潇. 加快我国工业发展方式绿色转型:成效、挑战与路径[J]. 经济纵横, 2023(1):8-16.

[3]
杨仁发, 李娜娜. 环境规制与中国工业绿色发展:理论分析与经验证据[J]. 中国地质大学学报(社会科学版), 2019, 19(5):79-91.

[4]
苏利阳, 郑红霞, 王毅. 中国省际工业绿色发展评估[J]. 中国人口·资源与环境, 2013, 23(8):116-122.

[5]
李旭辉, 王经伟, 吴权, 等. “双碳”目标下中国五大重点区域工业绿色发展水平差异及成因识别[J]. 经济地理, 2023, 43(8):103-112.

DOI

[6]
李鹏, 史丹. 中国工业绿色低碳发展质量的演进、区域差异及政策建议[J]. 北京师范大学学报(社会科学版), 2024(3):136-147.

[7]
袁润松, 丰超, 王苗, 等. 技术创新、技术差距与中国区域绿色发展[J]. 科学学研究, 2016, 34(10):1593-1600.

[8]
陈超凡. 中国工业绿色增长:理论研究与实证分析[M]. 北京: 经济日报出版社, 2019.

[9]
原毅军, 谢荣辉. FDI、环境规制与中国工业绿色全要素生产率增长——基于Luenberger指数的实证研究[J]. 国际贸易问题, 2015(8):84-93.

[10]
肖滢, 卢丽文. 资源型城市工业绿色转型发展测度——基于全国108个资源型城市的面板数据分析[J]. 财经科学, 2019(9):86-98.

[11]
刘晶, 张尧. 金融科技、强环境规制与区域工业绿色发展[J]. 财经理论与实践, 2022, 43(2):123-131.

[12]
韩晶, 蓝庆新. 中国工业绿化度测算及影响因素研究[J]. 中国人口·资源与环境, 2012, 22(5):101-107.

[13]
周五七. 低碳约束下中国工业绿色TFP增长的地区差异——基于共同前沿生产函数的非参数分析[J]. 经济管理, 2014, 36(3):1-10.

[14]
张波, 温旭新. 我国工业绿色低碳发展水平的省际测度及比较[J]. 经济问题, 2018(5):68-74.

[15]
李科, 袁玮鸿, 罗晶, 等. 中国工业绿色增长效率的测算及其变化特征[J]. 经济地理, 2022, 42(4):44-53.

DOI

[16]
全良, 张敏, 赵凤. 中国工业绿色全要素生产率及其影响因素研究——基于全局SBM方向性距离函数及SYS-GMM模型[J]. 生态经济, 2019, 35(4):39-46.

[17]
周小亮, 宋立. 中国工业低碳转型:现实分析与政策思考[J]. 数量经济技术经济研究, 2022, 39(8):22-41.

[18]
王喜平, 李艳梅. 可持续发展视角下工业绿色发展测度及其差异演化[J]. 工业技术经济, 2020, 39(7):83-91.

DOI

[19]
谭卫华, 舒银燕. 新金融发展与工业绿色转型——基于系统GMM模型的实证分析[J]. 经济地理, 2020, 40(11):149-157.

DOI

[20]
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.

[21]
陈超凡, 韩晶, 毛渊龙. 环境规制、行业异质性与中国工业绿色增长——基于全要素生产率视角的非线性检验[J]. 山西财经大学学报, 2018, 40(3):65-80.

[22]
申晨, 辛雅儒, 贾妮莎, 等. OFDI对工业绿色全要素生产率的影响机制——基于两阶段Super-SBM-Malmquist指数模型的分析[J]. 中国管理科学, 2024, 32(5):229-240.

[23]
高建刚. 中国工业的绿色发展:绩效、机制与路径[M]. 北京: 经济管理出版社, 2021.

[24]
王兵, 刘光天. 节能减排与中国绿色经济增长——基于全要素生产率的视角[J]. 中国工业经济, 2015(5):57-69.

[25]
Liu G, Wang B, Cheng Z, et al. The drivers of China's regional green productivity,1999-2013[J]. Resources,Conservation and Recycling, 2020, 153:104561.

[26]
葛鹏飞, 王颂吉, 黄秀路. 中国农业绿色全要素生产率测算[J]. 中国人口·资源与环境, 2018, 28(5):66-74.

[27]
张宁. 碳全要素生产率、低碳技术创新和节能减排效率追赶——来自中国火力发电企业的证据[J]. 经济研究, 2022, 57(2):158-174.

[28]
吴戈, 张月池, 苗壮. 我国工业减污降碳的绿色偏向技术进步:要素贡献、偏向识别与影响因素[J]. 统计研究, 2024, 41(5):3-14.

[29]
张军, 吴桂英, 张吉鹏. 中国省际物质资本存量估算:1952—2000[J]. 经济研究, 2004(10):35-44.

[30]
黄磊, 吴传清. 长江经济带城市工业绿色发展效率及其空间驱动机制研究[J]. 中国人口·资源与环境, 2019, 29(8):40-49.

[31]
戴魁早, 王思曼, 温晓华. 基础研究与工业绿色全要素生产率[J]. 南方经济, 2023(8):93-114.

DOI

[32]
史丹, 李鹏. 中国工业70年发展质量演进及其现状评价[J]. 中国工业经济, 2019(9):5-23.

[33]
李斌, 彭星, 欧阳铭珂. 环境规制、绿色全要素生产率与中国工业发展方式转变——基于36个工业行业数据的实证研究[J]. 中国工业经济, 2013(4):56-68.

[34]
邓荣荣, 肖湘涛. 工业智能化对城市绿色生态效率的影响——基于工业机器人数据的实证研究[J]. 当代经济研究, 2023(10):98-113.

[35]
涂正革, 王昆, 甘天琦. 中国工业生产率增长的绿色新动能[J]. 东南学术, 2021(5):148-158,248.

[36]
安树伟, 肖金成, 高国力, 等. 区域发展新空间[M]. 北京: 商务印书馆, 2024.

[37]
邵帅, 范美婷, 杨莉莉. 经济结构调整、绿色技术进步与中国低碳转型发展——基于总体技术前沿和空间溢出效应视角的经验考察[J]. 管理世界, 2022, 38(2):46-69,4-10.

[38]
史丹. 绿色发展与全球工业化的新阶段:中国的进展与比较[J]. 中国工业经济, 2018(10):5-18.

Options
文章导航

/

〈 〉