派智库

内容提要 本文基于非期望产出—超效率SBM模型对长江经济带三大城市群绿色TFP增长进行了评价，首次运用Dagum基尼系数对其空间协同性进行了测度与分解，并就影响因素与经济政策进行了分析。结论表明：各城市群绿色TFP均呈总体上升趋势，但其增长具有显着的非均衡态势。总体、区域间、区域内协同性均呈总体减弱态势，长中游区域内协同性最弱，长三角与长中游的区域间协同性最弱，区域间协同性是影响总体协同性的主要因素。经济发展水平、要素禀赋结构、外商直接投资、教育发展等影响因素对不同城市群TFP增长的影响大小和方向具有较大差异，这在一定程度上弱化了城市群之间以及城市群内部TFP增长的空间协同性。缩小区域间TFP增长差异是提升城市群整体协同性的关键。协调外商直接投资、调整教育资源分配、促进产业结构升级、创新资本利用方式等政策有助于促进城市群绿色TFP协同增长。 织梦内容管理系统

关键词 城市群绿色TFP 空间协同 非期望产出—超效率SBM模型 Dagum基尼系数 本文来自织梦

一、引言

本文来自织梦

2014年9月25日，国务院发布《关于依托黄金水道推动长江经济带发展的指导意见》，指出长江经济带已发展成为中国综合实力最强、战略支撑作用最大的区域之一，要以长三角、长中游和成渝三大跨区域城市群为主体，促进城市群之间、城市群内部的分工协作，优化空间布局，形成集约高效、绿色低碳的新型城镇化发展格局。2015年《政府工作报告》又进一步指出，中国资源环境约束加大，劳动力等要素成本上升，必须增加研发投入，提高全要素生产率。由此可见，城市群协同发展已经成为新时期长江经济带经济发展的一项重要战略，而提升绿色全要素生产率（Green Total Factor Productivity，简称绿色TFP）是其根本途径和必然选择。然而，长江经济带城市群绿色TFP的增长并不均衡，以2014年为例，长三角城市群的绿色TFP指数均值为1.53，成渝为1.45，而长中游仅为1.11。在此背景下，研究长江经济带三大城市群绿色TFP增长的空间协同性及经济政策，对于科学评价资源环境约束下的投入产出效率、推动城市群绿色经济发展、探索区域协同发展路径具有重要的理论价值和现实意义。 dedecms.com

全要素生产率（Total Factor Productivity，TFP）经常作为衡量一个国家或地区经济增长质量的重要指标（王兵和刘光天，2015）。近年来，将环境污染等非期望产出纳入TFP测算框架逐渐成为了对生产率研究的一个重要方面，通常将考虑了环境因素的TFP称为绿色TFP（王奇、王会和陈海丹，2012）。国内外已有文献对绿色TFP的相关研究主要包括三个方面：1、绿色TFP的测算研究。从总体上看，关于绿色TFP的测算主要从全国、省际或产业视角展开，而基于城市群视角的相关研究较少。从TFP的测算方法看，主要基于随机前沿分析（SFA）和数据包络分析（DEA）方法展开，其中DEA方法既不需要假设函数形式，又能同时考虑多种投入和产出，因而成为了许多学者测算TFP的首选方法（付勇和白龙，2009）。在DEA分析中，Tone（2001）提出了基于松弛测度的SBM模型，克服了传统DEA方法的缺陷。在这一模型的应用研究中，王兵、吴延瑞和颜鹏飞（2010）考虑了非期望产出，田淑英和许文立（2012）考虑了超效率，但当前既考虑非期望产出又考虑超效率的文献较为匮乏。此外，基于全局基准技术的Global-DEA方法可以解决跨期比较的问题（Pastor和Lovell，2005），考虑共同边界和群组边界的Meta-fron-tier方法能够有效处理技术异质性问题（Oh，2010），但目前这些方法较少应用到城市群TFP增长的研究领域。2、绿色TFP增长的空间协同性测度研究。目前多数学者就产业分工、经济周期等的空间协同性进行了分析（黄玖立、李坤望和黎德福，2011），但关于城市群绿色TFP增长的空间协同性研究相对匮乏。少数学者运用直观比较、传统基尼系数等方法对绿色TFP增长的空间差异进行了分析，但只考虑了差异大小，未考虑差异来源或子样本分布，而Dagum基尼系数分解方法能够有效解决这些问题（刘志杰，2011），基尼系数越大，表明区域差异越大，空间协同性越弱；基尼系数越小，表明区域差异越小，空间协同性越强。因此本文运用该方法对绿色TFP增长的空间协同性进行测度。3、绿色TFP增长的影响因素研究。大多文献从省际层面就经济发展水平、产业结构、技术进步等因素对绿色TFP增长的影响展开了研究（刘华军和杨骞，2014），也有学者从城市群视角就TFP增长的空间差异进行了分析（金春雨和王伟强，2016），但没有就空间协同及其影响因素进行考察。此外，从研究方法看，主要基于时间序列或面板数据采用传统回归方法展开分析，容易出现异方差和自相关等问题，而FGLS、PCSE方法能够对此予以解决。 织梦好，好织梦

本文的创新和贡献之处可能在于：（1）在环境生产技术框架下构建非期望产出—超效率SBM模型，将Meta-frontier、Global-DEA等方法结合起来，科学解决了变量松弛、技术异质、跨期可比等关键问题，从而对绿色TFP进行科学测度，弥补了城市群层面绿色经济发展效率研究的相对不足。（2）首次运用Dagum基尼系数方法对长江经济带三大城市群绿色TFP增长的空间协同性大小及其来源进行了分析。不仅考察了长江经济带三大城市群总体协同性的大小和演变态势，还将总体协同性分解为区域内协同性和区域间协同性，并分别考察了它们各自大小、演变趋势以及它们对于总体协同性的贡献程度。（3）从城市群总体、长三角、长中游、成渝四个层面基于面板数据模型分别就经济发展水平、产业结构、技术进步、资源禀赋、外商直接投资、教育发展、金融发展等因素对绿色TFP增长的影响作用进行经验考察，在此基础上对总体协同性、区域内协同性、区域间协同性大小给出合理解释，并提出相应的经济政策选择。 dedecms.com

二、方法与数据

织梦内容管理系统

（一）方法 内容来自dedecms

1.非期望产出—超效率SBM模型 本文来自织梦

SBM模型属于非角度、非径向效率测度模型，但是该模型忽视了非期望产出；U-SBM模型（Tone，2004）考虑了非期望产出，但无法对等于1的DMU进行评价，仍属于标准效率模型；SE-SBM模型（Tone，2002）实现了对超效率DMU的评价，但却忽视了非期望产出。因此，为了能够更准确地测度绿色TFP，本文将在SE-SBM模型和U-SBM模型基础上，借鉴Li和Shi（2014）等的方法构建非期望产出—超效率SBM模型（super-efficiency SBM model with undesirable outputs）。模型假设生产过程中利用多种生产要素投入获得期望产出和非期望产出，同时借鉴Fare、Grosskopf和Pasurka（2007）的环境技术分析框架，构造包括期望产出和非期望产出的生产可能性集合，并以长江经济带每个城市作为一个决策单元（DMU）来构造最优的生产前沿面。

dedecms.com

在非参数框架下，Malmquist生产率指数（MPI）是一个表征绿色TFP增长的指数，Cooper、Seiford和Tone（2007）认为MPI能够评价经济效率的跨期变动，效率计算是其测度的基础。本文在非期望产出—超效率SBM效率测度模型基础上，构建了一个非角度、非径向的MPI，公式如下： 织梦好，好织梦

织梦好，好织梦

提高。 dedecms.com

2.空间协同性测度 本文来自织梦

本文采用基尼系数分析方法（Dagum，1997）考察长江经济带三大城市群绿色TFP增长的空间协同性大小。该方法充分考虑子样本的分布，并将总体基尼系数分解为区域内差异贡献、区域间差异贡献和超变密度贡献，能够克服传统基尼系数和锡尔指数的局限，有效解决样本数据间交叉重叠的问题以及区域差异的来源问题。具体计算如公式（2）—（11）所示（陈明华、刘华军和孙亚男，2016）。一般而言，基尼系数的大小和空间协同性的强弱呈反向对应的关系，即较小的基尼系数对应较强的空间协同性，较大的基尼系数对应较弱的空间协同性。

公式（2）计算了总体基尼系数（G）。其中yji（yhr）是第j（h）个城市群任一城市绿色TFP，μ是各城市群绿色TFP平均值，n为城市个数，k为城市群个数，nj（nh）为第j（h）个城市群的城市个数。由公式（2）可知，总体基尼系数实质反映了所有城市间绿色TFP相对差异情况。公式（3）依据城市群绿色TFP均值进行了排序。

dedecms.com

织梦内容管理系统

Dagum将总体基尼系数（G）分解为三个部分：区域间净值差异的贡献Gnb，区域内差异的贡献Gw，超变密度的贡献Gt。公式（4）表示第j个城市群的基尼系数Gjj；公式（6）表示第j、h个城市群的区域间基尼系数Gjh；公式（5）、（7）、（8）分别给出了Gw、Gnb和Gt的计算方法，其中pj=nj/n，sj=njμj/（nμ），j=1，2，…，k；公式（9）表示第j、h个城市群之间的绿色TFP的相对影响Djh；公式（10）表示城市群问绿色TFP的差值，djh为第j、h个城市群中所有yji-yhr＞0的样本值加总的数学期望；公式（11）表示超变一阶矩，pjh为第j、h个城市群中所有yhr-yji＞0的样本值加总的数学期望。Fj（Fh）为第j（h）个城市群的累积密度分布函数。 织梦好，好织梦

（二）城市群界定及数据处理 copyright dedecms

1.城市群界定

根据《长江三角洲地区区域规划纲要》、《长江中游城市群发展规划》、《成渝经济区区域规划》等文件，长江经济带的三大城市群界定如下：长三角城市群包括上海、常州、南通、扬州、苏州、镇江、宁波、嘉兴、湖州、绍兴、南京、无锡、舟山、台州、泰州、杭州等16个城市，长中游城市群包括鄂州、黄冈、孝感、荆州、湘潭、岳阳、益阳、武汉、黄石、常德、衡阳、娄底、南昌、九江、咸宁、襄阳、宜昌、景德镇、鹰潭、新余、荆门、长沙、株洲、宜春、萍乡、上饶等26个城市，成渝城市群包括重庆、成都、德阳、绵阳、遂宁、自贡、泸州、内江、乐山、宜宾、广安、雅安、南充、眉山、资阳等15个城市。

2.数据处理 织梦好，好织梦

绿色TFP的测算过程涉及投入、期望产出和非期望产出三大因素。首先，本文选用资本存量、劳动、用电量作为投入因素。与单豪杰（2008）的方法一致，使用永续盘存法（Perpetual Inventory Method，PIM）对资本存量进行估算（K）。具体测算方法为：Ki，t=（1-δi，t）Ki，t-1+Ii，t、K0=I0/（gi+δ）。其中，Ki，t和Ki，t-1分别表示第i个城市在t年和t-1年的资本存量，Ii，t是以不变价衡量的第i个城市t时期的全社会固定资产实际投资，δi，t为第i个城市t时期的资本折旧率，K0为基期资本存量，厶为基期全社会固定资产实际投资，gi为一定时期内全社会固定资产实际投资的几何平均增长率。关于折旧率的设定，本文根据吴延瑞（2008）的做法，对不同省份设定不同的折旧率，各城市采用其所在省份的折旧率。由于目前城市全社会固定资产投资价格指数统计数据缺失，本文以2003年为基期采用各城市所在省份的全社会固定资产投资价格指数对城市固定资产投资进行平减处理。出于数据可得性的考虑，本文以单位从业人员、城镇私营与个体从业人员之和来表示各城市的劳动投入（L）。多数学者以“煤炭消费量”、“能源消费量”作为能源投入的代理变量，由于城市煤炭、石油等能源数据没有统计，部分城市煤气、液化石油气数据缺失，因此本文采用全社会用电量（E）近似反映能源投入状况。其次，根据王兵、吴延瑞和颜鹏飞（2010）的研究，本文以各城市地区生产总值作为期望产出，为了剔除价格因素的影响，以2003年为基期做了平减处理。最后，根据涂正革（2008）等的研究，本文以工业SO2排放量、工业废水和工业烟尘排放量作为非期望产出。另外，本文基于2003—2014年度数据展开，全部数据来源于《中国城市统计年鉴》和《中国统计年鉴》。

三、城市群绿色TFP评价 织梦好，好织梦

（一）投入产出变量的等张性检验 织梦好，好织梦

杨骞和刘华军（2015）指出，利用DEA方法测算全要素生产率必须满足等张性假设，即任意增加一个生产决策单元的投入量，所带来的产出量至少不能减少。本文利用皮尔逊相关指数进行了投入产出等张性检验1、，结果表明，在1％的显着性水平下，全部投入产出变量之间均显着存在正相关关系，这表明所有生产决策单元的生产过程均满足等张性假设。 本文来自织梦

（二）城市群绿色TFP增长评价及排名

内容来自dedecms

本文根据非期望产出一超效率SBM模型，同时考虑变量松弛、技术异质、跨期可比等问题，运用Meta-frontier、Global-DEA等方法，对2004—2014年长江经济带三大城市群的57个城市绿色TFP增长进行了评价，具体排名如表1所示。 内容来自dedecms

由表1可知，累积绿色TFP指数排名第一的是上海，高达2.13，位于长三角城市群；排名最后一位的是萍乡，仅为0.73，位于长中游城市群。排名前十位的城市中位于长三角城市群的还有台州、南京、无锡、绍兴、苏州，位于长中游的包括新余和长沙，位于成渝的包括自贡和南充。排名后十位的城市中位于长三角城市群的仅有舟山，位于成渝的仅有眉山，而位于长中游的则包括黄石、鄂州、宜春、岳阳、荆州、襄樊、武汉及萍乡。可见，排名靠前的城市大部分位于长三角城市群，而排名靠后的城市大部分位于长中游城市群。这一结果表明，长江经济带三大城市群的绿色TFP增长具有显着的非均衡态势。 内容来自dedecms

（三）城市群绿色TFP增长的演变趋势 织梦好，好织梦

图1反映了长江经济带三大城市群绿色TFP均值增长的演变趋势。根据图1，从演变趋势看，城市群总体、长三角、长中游和成渝的累积绿色TFP均呈总体上升趋势，年均增长率分别为13.19％、14.86％、11.33％、14.52％。从大小关系看，长三角、长中游、成渝累积绿色TFP均值分别为1.33、1.05、1.21。长三角始终高于长中游和成渝，长中游处于最低水平，成渝处于中间水平。从演变过程看，样本观测期内长三角累积绿色TFP基本呈现逐年递增态势，只有2013年出现小幅下降；长中游在2010年之前均呈逐年上升趋势，此后出现了小幅下降，2012年之后又呈迅速上升趋势；成渝与长中游演变过程基本一致，只有2013年稍有差别。 织梦内容管理系统

织梦好，好织梦

四、城市群绿色TFP增长的空间协同性测度 dedecms.com

（一）城市群绿色TFP增长的总体协同性测度

图2直观反映了2004—2014年长江经济带三大城市群绿色TFP增长的总体空间协同性演变趋势。根据图2，三大城市群绿色TFP增长的总体协同性基本呈递减趋势，总体基尼系数年均增长率为51.03％；从演变过程看，2010年之前总体基尼系数年均增长率为86.42％，总体协同性呈严格递减趋势；此后总体基尼系数在水平波动中呈微弱下降趋势，总体协同性稍有增强。

本文来自织梦

（二）城市群绿色TFP增长的区域内协同性测度 copyright dedecms

根据图2，样本观测期内，长三角、长中游和成渝城市群区域内基尼系数与总体基本一致，均呈上升趋势，年均增长率分别为34.57％、55.52％、51.51％，这表明三大城市群绿色TFP增长的区域内协同性均有所减弱。从协同性大小看，考察期内长三角、长中游、成渝城市群的区域内基尼系数大小关系呈交错变化态势，只有2010—2012年长中游显着大于长三角和成渝，其他年份数值较为接近。2004—2014年长三角、长中游、成渝城市群区域内基尼系数均值分别为0.1216、0.1373、0.1344，这表明从总体上看，长三角绿色TFP增长的区域内协同性最强，长中游区域内协同性最弱，而成渝区域内协同性处于中间水平。从演变过程看，2010年之前长三角、长中游、成渝城市群区域内基尼系数均呈逐年递增态势，年均增长率分别为21.72％、38.80％、30.57％，这表明各城市群区域内协同性出现了逐年减弱的态势；此后三大城市群区域内基尼系数均出现了波动态势，其中长中游城市群区域内基尼系数出现了微弱的下降趋势，而长三角和成渝则出现了微弱的上升趋势，这表明这一时期长中游城市群绿色TFP增长的空间协同性有所增强，而长三角和成渝的空间协同性则有所减弱。 本文来自织梦

（三）城市群绿色TFP增长的区域间协同性测度 copyright dedecms

图3直观反映了长江经济带三大城市群绿色TFP增长的区域间协同性及其演变态势。样本观测期内，长三角、长中游和成渝城市群区域间基尼系数均呈上升态势，年均增长率分别为52.04％、40.27％、62.26％，这表明三大城市群绿色TFP增长的区域间协同性均呈减弱趋势。从协同性大小看，长三角和长中游城市群区域间基尼系数始终最大，均值为0.1754，表明这两大城市群绿色TFP增长的区域间协同性始终最弱。2010年之前，长中游和成渝之间及长三角和成渝之间的区域间基尼系数差别较小，均值分别为0.1061、0.1063，表明这两组城市群的区域间协同性基本一致；此后，长三角和成渝及长中游和成渝区域间协同性在波动中基本保持不变。平均来看，长三角和成渝区域间协同性要大于长中游和成渝区域间协同性。从演变过程看，2010年之前长三角和长中游、长三角和成渝、长中游和成渝城市群区域间基尼系数均呈逐年递增态势，年均增长率分别为32.62％、26.06％、36.25％，这表明各城市群绿色TFP增长的区域间协同性出现了逐年减弱的态势；此后各城市群区域间协同性变化不大。 织梦好，好织梦

（四）城市群绿色TFP增长的空间协同性贡献来源

图4直观反映了三大城市群绿色TFP增长的空间协同性贡献来源及其演变趋势。从演变态势看，区域间贡献基本呈上升态势，年均增长率为13.59％；区域内和超变密度贡献总体均呈下降态势，年均变化率分别为9.18％、8.37％。从贡献度大小看，在2004—2014年这11年中，区域间贡献有八年都处于最高水平，均值为36.23％；区域内贡献有四年明显高于超变密度贡献，但其他年份均处于较低水平，贡献均值为30.68％；超变密度贡献的大小一直处于三者中间水平，其均值为33.09％。从演变过程看，样本观测期内，区域间贡献度呈上升一下降一上升一水平波动态势，超变密度的演变趋势与之完全相反，而区域内贡献度在波动中呈小幅变化趋势。以上结果表明，区域间空间协同性大小是影响长江经济带三大城市群绿色TFP增长总体空间协同性的主要因素，而区域内协同性、超变密度贡献分别排在二、三位。 织梦内容管理系统

五、城市群绿色TFP增长的影响因素分析

本文来自织梦

（一）影响因素选择及模型构建

借鉴王兵、吴延瑞和颜鹏飞（2010）及刘华军（2016）的研究，本文城市群绿色TFP增长的影响因素选择如下：1、经济发展水平。经济发展水平不同的地区对资本和劳动的依赖程度通常差异较大，从而会影响到污染排放即非期望产出大小，进而影响绿色TFP指数。我们以2003年为基期的实际人均地区生产总值（RGDP）的对数表示经济发展水平，同时把其平方项也引入到回归模型中，以检验库兹涅茨假说。2、要素禀赋结构。资本一劳动比上升说明经济结构在由劳动密集型向资本密集型转化，而这两种结构分别倾向于轻污染产业和重污染产业，该比值上升表明重污染产业在经济中的比重上升，从而导致绿色TFP的下降。因此，由资本一劳动比刻画的要素禀赋结构对绿色TFP增长的影响取决于资本密集型产业技术进步所带来的正面效应能否克服其对生态环境造成的负面影响。3、产业结构。不同产业的生产性质不同，投入产出比和污染排放也会存在差异，因此，产业结构的变化必然会影响绿色TFP增长。一般而言，第二产业的污染程度大于第三产业，因此，如果第三产业比重上升，有可能会引起污染水平下降，提升绿色TFP。本文以第三产业占GDP的比重（IS）作为产业结构的代理变量。4、科技创新水平。一般而言，通过自主创新或引进先进管理经验与技术，能够提高科技水平与资源利用效率，进而带动绿色TFP增长。出于数据可得性考虑，本文以财政支出中科技支出占GDP的比重（T）来表示科技创新水平。5、外商直接投资。一方面，外商直接投资可能会加大国内行业竞争，带动本国企业积极创新，从而有助于提升绿色TFP。另一方面，根据“污染天堂假说”，外商直接投资可能会引起大量污染密集型部门涌入发展中国家，从而降低绿色TFP。本文以各城市实际使用外资金额占当年GDP的比重（FDI/GDP）作为代理变量。6、金融发展。一般来说，金融发展水平越高，经济货币化程度越高，经济资源的流动性就越强，这有助于加速劳动、资本等要素在不同区域间的周转和运作，进而可能带动技术进步，最终影响绿色TFP提升。本文以各城市存贷款之和占当年GDP的比重（FIR）来反映金融发展水平。7、教育发展。教育发展不仅有利于提升劳动力素质，进而提高劳动生产率，还能够增强人们的环保意识从而减少环境污染，进而影响城市绿色TFP。本文以各城市教育支出占地区生产总值的比重（E）来表示教育发展水平。以上影响因素数据均来源于《中国城市统计年鉴》和《中国统计年鉴》。

依据以上影响因素选择，可以设定如下模型： copyright dedecms

其中，i表示不同地区的截面，t表示时间（2004—2014年），ε为随机扰动项。

（二）单位根检验及协整检验 织梦好，好织梦

面板数据是否平稳或者是否具有相同的单整阶数是面板数据协整估计的前提。本文首先利用Levin等提出的LL方法进行面板单位根检验2、，结果显示，除科技支出占比（T）为一阶单整，其他都是平稳时间序列，存在协整的可能性。其次，利用Kao方法对面板数据回归方程进行协整检验，结果如表2所示。根据表2，各回归方程均通过了协整关系检验，这表明方程中所涉及的变量存在长期的均衡关系，因此可以进行面板数据回归。

（三）模型设定检验

本文通过以下检验来确定面板数据的模型形式：根据Hausman检验结果选择了固定效应模型（Fixed Effect，FE）进行回归；由于面板数据有可能出现自相关和异方差等问题，所以本文对残差进行了Wooldfidge检验和Modified Wald检验，检验结果表明，总体、长三角、长中游、成渝城市群回归结果的Woodndge系数分别为33.57、20.38、15.90、6.13，在5％的显着性水平下均通过了检验，这表明各模型均存在自相关问题；长三角、长中游、成渝城市群和总体的Modified Wald系数分别为885.05、90804.37、56025.46、72367.92，在1％的显着性水平下均通过了检验，说明各模型还同时存在异方差问题。考虑到模型存在自相关、异方差等问题，本文采用广义最小二乘法（FGLS）进行了面板数据回归；出于稳健性考虑，本文还同时采用面板修正的标准差估计（PCSE）方法进行了回归，结果如表2所示。

本文来自织梦

（四）经验估计结果

dedecms.com

考虑到不同影响因素对各城市群的具体影响可能有所不同，接下来本文将进行分区域考察，并对同一影响因素在不同城市群的具体影响作用进行比较，为探索区域协同发展对策提供参考。表2报告了FGLS的回归结果，出于稳健性考虑，也同时报告了PCSE的回归结果，由于两种结果基本一致，因此本文主要就FGLS的回归结果进行分析。

1.城市群总体经验估计结果 本文来自织梦

根据表2，对总体绿色TFP增长具有显着影响的因素包括经济发展水平的平方项、要素禀赋结构、产业结构、科技创新水平、外商直接投资和金融发展。其中，经济发展水平系数为-0.02，其平方项系数为0.04，且后者在1％的显着性水平下显着，经济发展水平和绿色TFP增长存在U型关系，经计算拐点为1.28万元，大部分RGDP样本数据位于拐点右侧，这表明RGDP对绿色TFP增长具有正向影响。要素禀赋结构系数为0.03，在5％的显着性水平下显着，这表明要素禀赋结构对绿色TFP增长具有正向影响，资本密集型产业技术进步所带来的正面效应克服了其对生态环境造成的负面影响，从而促进了绿色TFP提升。产业结构系数为-0.003，并通过了5％显着性水平下的检验，这表明随着第三产业比重的增加，绿色TFP不升反降，可能的原因是：随着第三产业比重的增加，第二产业占比相对减少，第三产业占比提升带来的环境污染下降可能没有抵消第二产业占比下降引起的技术进步效应弱化，从而对绿色TFP的增长构成了阻碍。科技创新水平系数为0.03，且通过了5％显着性水平下的检验，这表明随着科学技术投入的增加，企业自主创新能力得以提升，同时能够引入先进的管理经验和技术设备，从而为绿色TFP的增长提供了支持。外商直接投资系数为-0.01，通过了5％显着性水平下的检验，表明外商直接投资的增加不但没有使绿色TFP提升反而使其下降，可能的原因是：外商直接投资带来了污染较为严重的产业，从而降低了绿色TFP水平，这验证了“污染天堂假说”。金融发展系数为0.04，且通过了1％显着性水平下的检验，这表明金融发展水平越高，可能越有助于通过金融经济政策来推动技术进步、生产创新等，从而提高绿色TFP。此外，经济发展水平和教育发展的回归系数分别为-0.02和-0.001，它们均未通过10％显着性水平下的检验。

dedecms.com

织梦内容管理系统

2.长三角城市群经验估计结果 内容来自dedecms

表2表明，对长三角城市群绿色TFP增长的影响较为显着的因素包括经济发展水平、经济发展水平的平方项以及教育发展。其中，经济发展水平系数为-0.19，其平方项系数为0.09，且都通过了5％显着性水平下的检验，经济发展水平与绿色TFP增长之间存在U型关系。此外，经计算拐点为2.87万元，大部分RGDP样本数据位于拐点右侧，这表明RGDP对长三角城市群绿色TFP的增长存在显着的正向影响作用。教育发展系数为0.07，通过了1％显着性水平下的检验，这表明长三角城市群教育发展对绿色TFP增长具有正向的影响作用，长三角城市群具有较高的教育回报率，带动了该地区高新科技的研发和创新，从而有助于绿色TFP的提升。此外，要素禀赋结构、科技创新水平、产业结构、外商直接投资以及金融发展的系数分别为0.05、0.02、0.002、0.002、0.02，但均未通过10％显着性水平下的检验。

织梦内容管理系统

3.长中游城市群经验估计结果

根据表2，对长中游城市群绿色TFP增长具有显着影响的因素包括经济发展水平及其平方项、要素禀赋结构及外商直接投资。其中，经济发展水平及其平方项系数分别为-0.09和0.05，且均通过了10％显着性水平的检验，经济发展水平和绿色TFP存在U型关系，经计算拐点为2.46万元，近年来大部分RGDP样本数据位于拐点右侧，这表明近年来随着经济发展水平的不断提高以及环境政策的调整，污染排放相对下降，从而促进了绿色TFP的提升。要素禀赋结构系数为0.11，且在1％的显着性水平下通过了检验，这表明较高的资本一劳动比可能有助于促进第二产业发展，从而为技术进步提供动力，带动绿色TFP的提升。外商直接投资系数为0.02，且通过了1％显着性水平下的检验，这表明长中游外商直接投资可能带来了先进的生产技术和管理经验，促进了绿色TFP提升，这一作用抵消了外商直接投资进入资本密集型产业引起的污染排放增加、绿色TFP下降。此外，产业结构、科技创新水平、金融发展和教育发展的回归系数分别为-0.001、-0.04、-0.04、0.02，它们均未通过10％显着性水平下的检验。 dedecms.com

4.成渝城市群经验估计结果

内容来自dedecms

由表2可知，对成渝城市群绿色TFP增长具有显着影响的因素包括经济发展水平及其平方项、要素禀赋结构、外商直接投资以及教育发展。经济发展水平及其平方项系数分别为0.18、0.08，且均通过了5％显着性水平下的检验，表明经济发展水平与绿色TFP之间存在U型关系，经计算拐点为0.32万元，RGDP样本数据位于拐点右侧，这表明经济发展水平对成渝绿色TFP的增长存在正向影响作用。要素禀赋结构系数为-0.07，通过了5％显着性水平下的检验，这表明要素禀赋结构对成渝城市群绿色TFP的增长存在负向影响，资本密集型产业技术进步所带来的正面效应没有克服其对生态环境造成的负面影响，阻碍了绿色TFP的提升。外商直接投资系数为-0.04，且在1％的显着性水平下通过了检验，表明外商直接投资的增加对成渝城市群绿色TFP具有负向影响，可能的原因是，成渝城市群引入外资的门槛相对较低，导致外商直接投资进入污染较为严重的产业，从而降低了绿色TFP水平，这印证了“污染天堂假说”的存在。教育发展系数为0.03，且通过了10％显着性水平下的检验，这表明成渝城市群教育投入增加对绿色TFP的增长具有正向影响作用。此外，产业结构、科技创新水平和金融发展的回归系数分别为0.002、0.07和-0.03，但三者均未通过10％显着性水平下的检验。

由上述分析可知，产业结构、科技创新水平和金融发展对三大城市群绿色TFP增长的影响均不显着，而其他因素的影响差异较大，因此在一定程度上弱化了城市群绿色TFP增长的空间协同性。具体而言，经济发展水平与绿色TFP增长之间存在U型关系，而环境污染作为非期望产出对绿色TFP增长具有抑制作用，所以环境污染与经济发展水平之间具有倒U型关系，即“环境库兹涅茨假说”存在；由于大部分RGDP样本数据位于拐点右侧，所以经济发展水平对城市群绿色TFP的增长具有正向影响。要素禀赋结构对长中游城市群绿色TFP的增长具有正向影响；对成渝城市群存在负向影响；对长三角城市群的影响不显着。外商直接投资对长三角城市群绿色TFP增长的影响不显着；对长中游城市群具有正向影响；对成渝城市群影响为负，符合“污染天堂假说”。教育发展对长三角和成渝城市群均具有正向影响但对长中游城市群影响不显着。 copyright dedecms

六、研究结论及经济政策选择 本文来自织梦

（一）研究结论

本文基于2004—2014年长江经济带城市面板数据，采用非期望产出一超效率SBM模型、Dagum基尼系数等方法，就三大城市群绿色TFP增长的空间协同性及经济政策选择进行了研究。结论如下：1、三大城市群绿色TFP增长总体呈显着的非均衡态势。2、总体、长三角、长中游、成渝城市群绿色TFP增长的空间协同性均呈递减趋势。就区域内协同性而言，长三角区域内协同性最强，长中游最弱；就区域间协同性而言，三大城市群绿色TFP增长的区域间协同性均呈减弱趋势，长三角和长中游的区域间协同性始终最弱，长三角和成渝区域间协同性最强；就贡献来源而言，区域间空间协同性大小是影响三大城市群绿色TFP增长总体空间协同性的主要因素，而区域内、超变密度贡献分别排在二、三位。3、产业结构、科技创新水平和金融发展对三大城市群绿色TFP增长的影响均不显着，而其他因素的影响差异较大，这在一定程度上弱化了城市群绿色TFP增长的空间协同性。经济发展水平与绿色TFP增长之间存在U型关系，环境污染与经济发展水平之间具有倒U型关系，即“环境库兹涅茨假说”存在，大部分RGDP样本数据位于拐点右侧，所以经济发展水平对城市群绿色TFP的增长具有正向影响；要素禀赋结构对长中游城市群绿色TFP的增长具有正向影响，对成渝城市群存在负向影响，对长三角城市群的影响不显着；外商直接投资对长三角城市群绿色TFP增长的影响不显着，对长中游城市群具有正向影响，对成渝城市群影响为负，符合“污染天堂假说”；教育发展对长三角和成渝城市群均具有正向影响，但对长中游城市群的影响不显着。 dedecms.com

（二）经济政策选择 织梦内容管理系统

根据研究结论，区域间协同性是影响城市群绿色TFP增长空间协同性的主要因素，而区域内协同性对绿色TFP增长空间协同性的贡献仅次于区域间协同性。因此，要增强城市群绿色TFP增长的空间协同性，应重点缩小城市群区域间差异，同时兼顾城市群内部各城市的协同发展。本文仅对区域经济政策选择和协同发展路径给出以下建议：第一，区域经济政策选择。首先，应统一市场准入制度，推动劳动、资本、技术等生产要素跨区域自由流动和优化配置，实现优势互补。其次，统筹城市群规划建设，发挥经济较发达地区的辐射带动作用，例如可将长三角城市群先进的生产管理经验、环境污染治理技术、能源利用技术、资金使用技术等引入长中游、成渝城市群，促进其产业转型与结构升级，从而带动绿色TFP提升。再次，优化城镇空间格局，以长三角城市群为龙头，以长中游和成渝城市群为支撑，以沿江大中小城市和小城镇为依托，形成区域联动、结构合理、集约高效、绿色低碳的新型城镇化格局。最后，促进各类城市协调发展，发挥上海、武汉、重庆等超大城市和南京、杭州、成都等特大城市对地区发展的核心带动作用，加快中小城市发展，不断完善城市功能，提高绿色经济发展质量。第二，区域协同发展路径。首先，协调外商直接投资。一方面，要适当提高城市群环保标准和市场准入门槛，将外资更多地引向科技含量高、污染相对轻的产业；另一方面，应加大对国内污染治理技术研发等的投入，从而有效协调吸引外资、经济增长与环境保护之间的关系。其次，创新资本利用方式。长三角城市群应充分发挥区位优势，可将更多资本引入服务业和高新技术产业，以第三产业的发展带动绿色TFP提升；成渝城市群可将资本投入到引进先进生产技术和治污技术等方面，在产出增加的同时降低环境污染，从而提升绿色TFP。再次，加大教育投入，调整教育资源分配。长三角、成渝城市群应继续大力发展教育事业，增加教育投入，增强教育发展对绿色TFP增长的带动作用；而长中游城市群应该协调教育资源分配、调整教育发展模式以提高教育回报率，从而培养优秀劳动力和高素质人才，提升人力资本质量（国家发展改革委投资研究所课题组，2017），为提升技术进步水平提供支持，带动绿色TFP的提升。最后，促进产业转型升级，打造产业集群。要加快推进城市化进程，挖掘第三产业发展潜力，同时适当降低市场准入门槛，为第三产业的发展提供良好环境；在大力发展第三产业的同时，加大环境保护力度，引导第二产业绿色发展；在发展各自优势产业的基础上加强流域互动，形成生态优先、集约发展的沿江绿色产业链，从而促进整体绿色TFP提升。

织梦内容管理系统

注释：

1、如果读者对等张性检验结果感兴趣，可向作者索取。

2、如果读者对单位根检验结果感兴趣，可向作者索取。 本文来自织梦

参考文献：

1、陈明华、刘华军、孙亚男：《中国五大城市群金融发展的空间差异及分布动态：2003—2013年》，《数量经济技术经济研究》2016年第7期。

2、傅勇、白龙：《中国改革开放以来的全要素生产率变动及其分解（1978～2006年）——基于省际面板数据的Malmquist指数分析》，《金融研究》2009年第7期。

内容来自dedecms

3、国家发展改革委投资研究所课题组：《促进经济中高速增长的路径与措施》，《宏观经济研究》2017年第1期。 dedecms.com

4、黄玖立、李坤望、黎德福：《中国地区实际经济周期的协同性》，《世界经济》2011年第9期。 内容来自dedecms

5、金春雨、王伟强：《环境约束下我国三大城市群全要素生产率的增长差异研究——基于Global Malmquist-Luenberger指数方法》，《上海经济研究》2016年第1期。

6、刘华军：《资源环境约束下中国全要素生产率增长的空间差异及区域协调对策研究》，经济科学出版社2016年版。

dedecms.com

7、刘华军、杨骞：《资源环境约束下中国TFP增长的空间差异和影响因素》，《管理科学》2014年第9期。 dedecms.com

8、刘志杰：《中国地区经济差距时空演变：基于Dagum基尼系数分解》，《统计与决策》2011年第2期。

9、单豪杰：《中国资本存量K的再估算：1952～2006年》，《数量经济技术经济研究》2008年第10期。

dedecms.com

10、田淑英、许文立：《基于DEA模型的中国林业投入产出效率评价》，《资源科学》2012年第10期。

11、涂正革：《环境、资源与工业增长的协调性》，《经济研究》2008年第2期。 织梦好，好织梦

12、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》，《中国工业经济》2015年第5期。

13、王兵、吴延瑞、颜鹏飞：《中国区域环境效率与环境全要素生产率增长》，《经济研究》2010年第5期。 织梦内容管理系统

14、王奇、王会、陈海丹：《中国农业绿色全要素生产率变化研究：1992—2010年》，《经济评论》2012年第5期。

15、吴延瑞：《生产率对中国经济增长的贡献：新的估计》，《经济学（季刊）》2008年第7期。

织梦内容管理系统

16、杨骞、刘华军：《污染排放约束下中国农业水资源效率的区域差异与影响因素》，《数量经济技术经济研究》2015年第1期。 本文来自织梦