网站地图 | 加入收藏 | 联系我们优选论文网欢迎您,我们专业为您提供论文代写、代写硕士论文并提供各学科各级别论文写作服务。
服务热线
13701839868
您当前的位置:硕士论文 > 论文范文 > 农业论文 >

影响资源型地区高碳产业绿色生产率的四个因素

添加时间:2017-06-29 14:47  所属栏目:农业论文 来源:环境科学与技术 作者:杨佳蕾
摘要
  资源型地区是指在一定阶段,以本地区矿产、森林等自然资源的开采加工为主导产业,大规模动用和耗费资源,以牺牲环境为代价,且资源性产业长期在国民经济各方面占有举足轻重地位的地区[1].河北、陕西、内蒙古、山西、宁夏是中国典型的资源型地区,同时也是中国最大的资源型连片地区。这一区域聚集了钢铁、煤炭、水泥、石化等高碳产业,这对这些区域在资源和环境双重约束下的产业可持续发展提出了更高的要求,尽可能走出资源而兴、因资源而困的“资源诅咒”怪圈;同时,这一区域的高碳产业对北方地区雾霾的形成起了巨大的作用。对此,本文不在遵循传统的采用资本和劳动要素的方法计算生产率,而是考虑工业发展中能源和环境的演化历程,更多考虑环境约束下的生产率演进,期望对资源型地区减排和保护环境提供理论支持,为新型工业化提供对策建议。
  
  1文献综述
  
  关于生产率的度量研究有很多,但是最早度量全要素生产率(TFP)的是Solow[2]提出的增长会计法;这一方法认为去掉要素投入贡献后的剩余就是TFP,并将其等同于技术进步[3]扩展了索洛模型分析法,提高了TFP计算的准确性。之后,基于前沿函数的TFP测度方法得到了广泛应用,但是这些方法并没有综合考虑与可持续发展息息相关的资源与环境因素,过多的考虑经济增长,而忽视了资源节约与环境保护[4].伴随着全球资源短缺与环境污染加剧,经济学家开始考虑把资源与环境因素纳入到TFP研究框架之中,把能源、资本、劳动一起被纳入生产函数[5],美中不足的是环境污染的市场价格无法确定,难以计入生产成本。为了化解这一难题,学者采取将污染排放视为投入要素[6]和将污染排放作为一种非期望的“坏”产出等2种方法进行处理[7];第二种方法体现了又好又快的发展思想[8].
  
  关于考虑能源和环境约束的生产率计算,国内学者也进行了深入探讨。李俊、徐晋涛等[9]应用非参数方法计算考虑环境污染变量的全要素生产率,发现绿色全要素生产率指标对省际经济发展质量的评价与常规的全要素生产率指标的评价结果有很大的差异,而且绿色全要素生产率指标与GDP指标没有显着的相关关系;陈诗一[10]基于方向性距离函数对改革以来中国工业全要素生产率进行了重新估算,发现考虑环境约束的实际全要素生产率比传统不考虑环境因素的估算值低了很多;中国实行的一系列节能减排有效地推动了工业绿色生产率的持续改善;胡晓珍等[11]利用熵值法拟合环境污染综合指数,将其作为经济的非理想产出纳入非参数DEA-Malmquist指数模型,测度了1995-2008年中国29个省份的绿色Malmquist指数,发现考虑环境污染因素后,中国的全要素生产率增长率显着下调,技术进步率的差异是地区经济增长差距的主要原因;我国的绿色Malmquist指数整体上不存在绝对收敛趋势,只有东部地区呈现较典型的俱乐部收敛特征。
  
  李静等[12]使用全局Malmquist-Luenberge(rGML)生产率指数方法测度了中国29个省区1990-2009年包含3种污染物排放的环境技术效率、全要素生产率增长及构成,发现东部地区维持着较高的环境技术效率,全国平均工业绿色生产率年均保持2%左右的增长。李玲等[13]在测算1999-2009年三大产业部门环境规制强度和绿色全要素生产率的基础上,利用面板数据模型对环境规制与绿色全要素生产率的关系进行检验,发现重度污染产业当前环境规制强度相对合理,能够促进产业绿色全要素生产率提高、技术创新和效率改进;中度污染产业和轻度污染产业环境规制强度与绿色全要素生产率、技术创新和技术效率的关系呈“U”型。殷宝庆[14]利用SBM模型测算了中国2002-2010年27个制造行业的绿色全要素生产率,发现环境规制强度与制造业绿色全要素生产率整体上符合“U”型关系,环境规制强度对绿色全要素生产率的影响在清洁型部门与污染密集型部门存在一定的差异性。吴英姿等[15]基于1995-2009年碳排放特征分组的中国工业投入产出数据,采用方向距离函数估算工业的生产效率和绿色生产率,基于方向距离函数的SML指数方法测算绿色生产率增长指数,发现相对于不考虑碳排放的生产效率,绿色生产率在高碳排放强度行业上升,在低碳排放强度行业下降;绿色生产率先升后降,对工业低碳发展有显着正向影响,对高碳排放强度行业作用更大;绿色技术进步对工业绿色生产率增长和低碳经济发展的促进作用显着大于绿色技术效率。潘丹[16]和李谷成[17]还测度了中国农业绿色生产率,找出农业增长要处理好资源、环境与发展的关系的理论依据。
  
  由于中国区域社会经济发展严重不平衡,从而使得不同区域绿色生产技术呈现显着的异质性特征。周五七[18]利用全局DEA及Malmquist-Luenberger指数,测度1998-2010年中国工业行业绿色TFP及其分解成份,发现:工业绿色TFP增长的动力主要来自技术进步,技术效率整体上拖累了工业绿色TFP增长;工业碳生产率不断提升,技术效率对工业碳生产率增长的促进作用强于技术进步的促进作用,且重工业的技术效率与技术进步对碳生产率增长的促进效应高于轻工业。周五七等[19]进一步基于双向固定效应模型的实证研究发现经济发展水平通过效率增进与技术进步共同促进绿色TFP增长,资本深化促进了技术进步但不利于效率改进,地方分权对技术效率和绿色TFP增长有显着副作用,国有工业比重抑制了绿色技术进步和绿色TFP增长,FDI对工业绿色TFP增长的促进作用尚不显着。汪克亮等[20]的研究发现2000-2012年我国绿色全要素生产率实现了年均0.73%的增长,主要是依靠技术进步而非技术效率改善来驱动;三大地区绿色生产技术存在很强的异质性,东部地区的省份一直牢牢占据全局前沿,代表了全国最优的绿色生产技术,而中西部地区的生产前沿则逐渐偏离全国最优绿色技术前沿,与东部地区绿色生产技术的差距存在进一步扩大的危险。任耀等[21]则发现研发中学与工业绿色全要素生产率之间有非线性的影响关系,两者之间存在着明显的机制转移特征;研发中学对工业绿色全要素生产率的影响呈现出“高-低-高”的阶段性作用路径,我国大部分省份尚处于研发中学的路径依赖期。
  
  综上所述,国内外学者对绿色生产率的研究已经比较深入,无论从研究方法还是从研究的视角,唯一美中不足就是针对资源型地区高碳产业的研究尚不深入。为此,本文从这一视角出发,在考虑环境约束下的生产率演进的情景下,实证研究资源型地区高碳产业的绿色生产率及其分解,以及其影响因素,期望对资源型地区减排和保护环境提供理论支持,为新型工业化提供对策建议。
  
  2理论与方法
  
  2.1理论模型
  
  全要素生产率作为经济绩效的一个重要衡量指标,目前的测度方法主要有:索罗余值法、随机前沿生产函数法(SFA)、代数指数法和数据包络分析法(DEA)。其中:索罗余值法和随机前沿方法都需要设立特定的生产函数形式、并遵循相关的假设前提,否则其估算的结果将是有偏的;而代数指数法仅仅考虑市场性的“好”的产出,往往忽略了生产过程中产生的非市场性的“坏”的产出[22],这与我国工业化时代环境约束不断增强的事实相悖,容易扭曲对生产率的正确认识[23].为了将环境要素纳入全要素生产率的分析框架,即考虑能源投入和“坏”污染排放的影响,本文采用曼奎斯特-鲁恩博格生产率指数来测算中国制造业的绿色全要素生产率。曼奎斯特-鲁恩博格生产率指数(ML指数)不需要设定生产者最优行为目标及特殊生产函数形式,在解决投入产出松弛问题的同时,能够避免传统DEA方法中由于径向和角度选择差异带来的偏差和影响[24].这和全要素能源效率的区别在于全要素能源效率更加关注能源的投入和产出,而本文探索的绿色全要素生产率更加强调环境因素,强调污染物的排放。全要素能源效率的测度往往采用能源消费的数据[25],而在本文的绿色全要素生产率的度量中不仅考虑加入工业能源消耗因素,更加注重考虑污染物排放,如二氧化碳、废气排放量和固体废物产生量。
  
  本文将每一个制造行业看成一个生产决策单元(DUM),假定每一个生产决策单元均有投入、期望产出和非期望产出等3个投入产出向量,分别用矩阵定义为:公式1公式2在规模报酬不变的情况下,生产可行性集可以表示为:
  
  公式3
  
  根据Tone[26]的非期望产出的SBM方向性距离函数,可以表达为:
  
  公式4
  
  其中,s-、sb与sg分别表示投入过度使用、污染过度排放以及期望产出生产不足的量。目标函数ρ*关于s-、sb与sg是严格递减的,并且满足0≤ρ*≤1.当ρ*=1时,即s-*=0,sb*=0,sg*=0,相应的决策单元(DUM)是有效的。根据Chung等(1997)[27]的方法,得到t期与t+1期的绿色全要素生产率指数(ML指数)为:
  
  公式5
  
  式(3)的几何平均形式可以广泛应用于测度非期望产出存在下的绿色全要素生产率指数的增长,绿色全要素生产率指数还可以进一步分解为技术进步指数和生产效率指数,可以用其探索生产率增长的动因。因此,式(3)还可以进一步写成:
  
  公式6
  
  在式(4)中,MLEC和MLTC分别表示生产效率和技术进步,可以反映效率改善和生产前沿的移动效应和变化[28].
  
  2.2数据来源与处理
  
  本文资源型地区选择地区河北、内蒙古、陕西、山西、宁夏等5个省、市、自治区;高碳产业选择煤炭采选业、黑色金属采选业、有色金属采选业、石油加工及炼焦业、医药制造业、黑色金属冶炼和压延业、有色金属冶炼和压延业、电力热力生产和供应业等8个产业。选择这5个区域和8个产业主要是因为高碳产业是河北、内蒙古、陕西、山西、宁夏等5个省、市、自治区经济增长的主要动力,同时也是污染排放的主要来源。之所以选择这5个省区8个产业,除了这一区域是中国最大的资源型连片地区外,还是高碳产业和产业集群相似或相近的区域,这一点是区别于南方非高碳资源型地区和产业的;研究这一区域的高碳产业绿色全要素生产率有助于产业竞争力提升和产业转型。
  
  数据采用2003-2011年的工业省际面板数据,之所以开始于2003年而截止到2011年,主要是因为2003年和2011年分别是统计口径变化的2个节点。数据主要来源于各省区统计年鉴、各年度《中国工业经济统计年鉴》、《中国环境年鉴》以及《中国环境统计年鉴》等,其中二氧化碳的数据处理来自陈诗一(2010)[29]的影子价格计算方法,同时对一些缺失数据进行了平滑处理[30].
  
  绿色生产率的估计指标主要选取针对煤炭采选业、黑色金属采选业、有色金属采选业、石油加工及炼焦业、医药制造业、黑色金属冶炼和压延业、有色金属冶炼和压延业、18个高碳产业的投入和产出2类,其中投入变量主要选取工业资本、劳动力和工业能源消耗;产出分为期望产出和非期望产出两大类,其中工业增加值表示期望产出,二氧化碳、废气排放量和固体废物产生量等作为非期望产出。本文采用MAXDEAP6.0软件,选择投入优先的双向模型对资源型地区高碳产业的绿色全要素生产率进行测算。
  
  3资源型地区高碳产业绿色全要素生产率的测度
  
  本文利用曼奎斯特-鲁恩博格生产率指数(Malmquist-Luenberger Productivity Index,MLPI)对河北、内蒙古、陕西、山西、宁夏等地的高碳产业的绿色生产率进行测度,结果如表1.从表1可以发现只有河北的煤炭采选业、陕西的有色金属采选业、宁夏的石油加工及炼焦业和黑色金属冶炼和压延业的绿色全要素生产率呈现下降的趋势,其他地区的高碳产业的绿色全要素生产率均呈现增长的态势;从绿色全要素生产率的分解来看,河北的石油加工及炼焦业和电力热力生产和供应业,内蒙古的石油加工及炼焦业和黑色金属冶炼和压延业,陕西的煤炭采选业、有色金属采选业、石油加工及炼焦业、医药制造业和黑色金属冶炼和压延业等产业,山西的医药制造业,宁夏的石油加工及炼焦业和黑色金属冶炼和压延业的生产效率呈现无效的状态,其他地区的高碳产业均有效率;只有河北的煤炭采选业的技术进步呈现下降的状态,其他地区的高碳产业均有效率。因此,整体来看河北、内蒙古、陕西、山西、宁夏等地的高碳产业的绿色生产率是有效率的,并且呈现增长的态势,平均增长率为11.48%;绿色生产率增长的贡献主要来自技术进步,其贡献程度为61.72%,其次是生产效率的贡献,其贡献程度为38.28%.之所以出现这种情况,与近年来我国重视科技的发展是分不开的。通过引进国外的先进技术装备、先进工艺,加大国内科技投入、技术开发和技术改造的力度,增强了引进吸收再创新和自主创新的能力,这些因素使得技术进步成为绿色生产率提高的主要驱动力。当然经济发展水平、结构性因素、制度因素和市场因素是技术进步成为提高绿色生产率的主要驱动因素的原因,本文将在下文论证。
  
  2003-2011年资源型地区高碳产业绿色全要素生产率及其分解变化
  
  从河北、内蒙古、陕西、山西、宁夏等地的高碳产业的绿色生产率的平均值来看,所有地区的绿色生产率都呈现增长的态势,并且有效,其中宁夏的绿色生产率最高,其次是山西,最低的是陕西;只有陕西的生产效率小于1.00,呈现无效的态势这也是导致其绿色生产率最低的主要原因。
  
  4模型检验与分析比较资源型地区高碳产业绿色全要素生产率的影响因素分析
  
  结合中国工业发展及结构变革特征,本文认为影响资源型地区高碳产业绿色生产率的影响因素分为4大类,包括经济发展水平、结构性因素、制度因素以及市场因素,具体如表2.静态面板模型通常有混合回归模型、固定效应模型和随机效应模型等3类,因为固定效应模型可以遗漏变量与解释变量相关,应用更为广泛。本文分别采用混合OLS回归模型、变截距固定效应模型、双向固定效应和随机效应模型进行估计来验证模型估计结果的稳定性与可靠性,发现结果差异较小。因此,采用固定效应模型。
  
  主要解释变量的定义及描述性统计
  
  为了更好地找出影响绿色TFP、技术效率和技术进步的变化的各种因素的影响程度,本文分别以绿色全要素生产率、生产效率、技术进步作为被解释变量。本文选择最为明显的双向固定效应模型估计结果,如表3.考虑本文所要达到的研究目标,表中未赘述时间虚拟变量和省区虚拟变量的系数估计值。
  
 模型估计结果
  
  (1)从经济发展来看,不变价人均收入和GDP增长率对绿色TFP、技术效率及技术进步的影响为正,并且均在10%及以上的显着水平显着。这说明了资源型地区经济发展和收入增长的同时,还会带来环境保护的意识、政策以及责任的提升,能够通过环境技术效率改进与绿色技术进步共同促进资源型地区高碳产业的绿色TFP增长。
  
  (2)从结构性因素来看,要素投入结构和工业产值占比对绿色TFP、技术效率及技术进步的影响为正,但是并非都在10%及以上的显着水平显着。要素投入结构带来的资本深化显着促进工业绿色TFP增长,资源型地区的高碳产业无一不是资本密集型产业,在环境规制下,能够促进生产装备水平的提高、效率提升和技术进步从而促进工业绿色TFP增长。此外,资源型地区的快速工业化,也进一步带来资本深化,同样能够起到促进工业绿色TFP增长的作用。
  
  但是国有企业比重绿色全要素生产率、技术进步具有显着的负面影响,而对技术效率影响不显着。这可以从国有企业的治理结构和垄断性来解释。由于资源型地区国有(国有控股)企业难以化解委托-代理难题,并且不能克服垄断劣势,导致国有(国有控股)企业资源配置效率低,没有动力促进清洁生产和能效提升,带来环境约束软化,不利于工业绿色TFP增长。这一点在河北、内蒙古、陕西、山西、宁夏等地的高碳产业非常明显。
  
  (3)从制度性因素来看,净出口占比对绿色TFP、技术效率及技术进步的影响为正,并且均在10%及以上的显着水平显着。河北、内蒙古、陕西、山西、宁夏等地的高碳产业处于产业链前端,其产品主要供应国内下游,加之这5个地区的进出口净值多为负值,导致河北、内蒙古、陕西、山西、宁夏等地的高碳产业容易受到外来原材料的冲击,因此,减少进口国外原材料,有助于高碳产业享受价格优势,更加容易实现环境技术效率改进与绿色技术进步,促进工业绿色TFP增长。
  
  政府干预和财政分权不利于绿色TFP、技术效率及技术进步的增长。政府干预对环境技术效率和绿色TFP有显着负面作用有利于工业绿色TFP增长。在GDP导向经济体制下,地方保护经济的财政支出结构对地区经济增长的环境绩效产生不利影响,不能有效激励地方政府节能减排。同样,财政分权也不会起到促进环境绩效改进的作用,相反会阻碍了绿色TFP增长。这和现有的财政分权制度有关,地方分权体制与GDP导向的政绩考评机制是难以遏制环境污染和破坏,进而损害资源型地区高碳产业的绿色TFP增长。
  
  (4)从市场因素来看,能源价格对技术效率、技术进步与绿色TFP增长的影响为正,并且显着。资源型地区高碳产业对能源价格变动的敏感性较高,其价格变动增加的倒逼机制会促使高碳产业采取更为先进和有效地减排技术,提高环境技术效率与绿色技术,进而可以显着促进绿色TFP增长。但是物价变化对术效率、技术进步与绿色TFP增长的影响并不明显。
  
  5结论与建议
  
  5.1结论
  
  本研究基于2003-2011年河北、内蒙古、陕西、山西、宁夏等5个资源型地区的煤炭采选业、黑色金属采选业、有色金属采选业、石油加工及炼焦业、医药制造业、黑色金属冶炼和压延业、有色金属冶炼和压延业、电力热力生产和供应业等8个高碳产业的投入产出数据,采用曼奎斯特-鲁恩博格生产率指数估算绿色生产率及其分解,并从经济发展水平、结构性因素、制度因素以及市场因素等4个方面实证分析影响资源型地区高碳产业绿色生产率及其分解的具体因素,结果表明:(1)不变价人均收入和GDP增长率显着促进绿色TFP、技术效率及技术进步的增长;(2)要素投入结构和工业产值占比对绿色TFP、技术效率及技术进步的影响为正,但是并非都在10%及以上的显着水平显着,同时国有企业比重绿色全要素生产率、技术进步具有显着的负面影响,而对技术效率影响不显着;(3)净出口占比对绿色TFP、技术效率及技术进步的显着影响为正,但是政府干预和财政分权不利于绿色TFP、技术效率及技术进步的增长;(4)能源价格显着促进技术效率、技术进步与绿色TFP增长,而物价变化对术效率、技术进步与绿色TFP增长的影响并不明显。
  
  5.2建议
  
  要想促进资源型地区高碳产业技术效率、技术进步与绿色TFP的同步增长,需要做到以下几点。
  
  (1)化解地方分权对经济增长和高碳产业低碳转型的负面作用。虽然地方分权的“锦标赛”制度可以有力刺激地方经济发展,但是过度强调经济发展会放松对生态环境的治理和保护。要想解决这一难题,最好在适度分权和地方政府官员政绩考核机制之间进行适度改革,落实节能减排绩效在政绩考核中的作用,增强地方财政支出的环境偏好和环境绩效,尽可能避免资本深化过度带来的境绩效损失[31].
  
  (2)资源型地区要建立具有一定区域影响力的能源价格指数。通过建立具有一定区域影响力的能源价格指数,促进行业平稳健康发展,促进实体市场与虚拟市场的协同发展,避免价格波动对绿色生产率的负面影响,促进高碳产业低碳转型。为活跃煤炭交易提供助力;在区域层面,CTPI指数有利于山西省在煤炭信息、煤炭金融等领域实现创新,加快资源型城市转型发展;在国家层面,可以通过CTPI指数,直观了解国民经济整体运行态势,为趋势研判和宏观调控提供参考[32].
  
  (3)加大技术引进和自主创新的力度。只有走科技含量高、环境污染少、经济效益好、资源消耗低的新型工业化道路才能协调好环境保护与经济发展的关系。因此,必须借鉴国外先进技术,同时通过自主创新提高技术水平,不断提高资源配置效率与要素利用效率;此外,采取多种鼓励措施,促使企业加大绿色技术研发的投资力度,促使企业在生产过程中进行绿色技术创新和管理创新以达到节能减排,达到提高高碳产业绿色生产率的目的[33].
  
  [参考文献]
  
  [1]蔡飞,金洪。基于区位熵理论的中国资源型地区判定研究[J].技术经济与管理研究, 2010(2): 142-144.
  [2] Solow R K. Technical change and the aggregate productionfunction [J]. Review of Economic Review, 1957, 39 (3): 312-320.
  [3] Jorgenson D W, Grilliches Z. Issues in growth accounting: a re-ply to E. F. Dension [J]. Survey of Current Business, 1972, 52(5): 65-94.
  [4] Hailu A, Veeman T S. Environmentally sensitive productivityanalysis of the Canadian pulp and paper industry [J]. Journal ofEnvironmental and Management, 2000, 40(3): 251-274.
  [5] Ayres R U, Ayres L W, Warr B. Exergy, power and work in theUS economy: 1900-1998[J]. Energy, 2003, 28(3): 219-273.
  [6] Chen K H, Huang Y J, Yang C H. Analysis of regional produc-tivity growth in China [J]. China Economic Review, 2009, 20(4): 777-792.
  [7] Chung Y H, Fare R, Grosskopf S. Productivity and undesirableoutputs: a directional distance function approach[J]. Journal ofEnvironmental Management, 1997, 51(3): 229-240.
  [8] Kumar S. Environmentally sensitive productivity growth: aglobal analysis using malmquist-luenberger index[J]. Ecolog-ical Economics, 2006, 56(2): 280-293.
  [9]李俊,徐晋涛。省际绿色全要素生产率增长趋势的分析:一种非参数方法的应用[J].北京林业大学学报:社会科学版, 2009(4): 139-146.
  [10]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): 21-34+58.
  [11]胡晓珍,杨龙。中国区域绿色全要素生产率增长差异及收敛分析[J].财经研究, 2011(4): 123-134.
  [12]李静,沈伟。环境规制对中国工业绿色生产率的影响:基于波特假说的再检验[J].山西财经大学学报, 2012(2): 56-65.
  [13]李玲,陶锋。中国制造业最优环境规制强度的选择:基于绿色全要素生产率的视角[J].中国工业经济, 2012(5): 70-82.
  [14]殷宝庆。环境规制与我国制造业绿色全要素生产率:基于国际垂直专业化视角的实证[J].中国人口。资源与环境, 2012(12): 60-66.
  [15]吴英姿,闻岳春。绿色生产率及其对工业低碳发展的影响研究[J].管理科学, 2013(1): 112-120.
  [16]潘丹。基于资源环境约束视角的中国农业绿色生产率测算及其影响因素解析[J].统计与信息论坛, 2014(8): 27-33.
  [17]李谷成。中国农业的绿色生产率革命: 1978-2008年[J].经济学, 2014(2): 537-558.
  [18]周五七。效率增进与技术进步对绿色生产率增长的影响:来自中国36个两位数工业行业的实证[J].统计与信息论坛,2014(4): 63-69.
  [19]周五七,武戈。低碳约束的工业绿色生产率增长及其影响因素实证分析[J].中国科技论坛, 2014(8): 67-73.
  [20]汪克亮,孟祥瑞,杨力,等。生产技术异质性与区域绿色全要素生产率增长:基于共同前沿与2000-2012年中国省际面板数据的分析[J].北京理工大学学报:社会科学版, 2015(1):23-31.
  [21]任耀,牛冲槐,张彤进。“研发中学”对工业绿色全要素生产率的影响研究:基于PSTR的修正模型[J].经济问题, 2015(3):71-75.
  [22]王兵,吴延瑞,颜鹏飞。环境规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.
  [23]吴军,笪凤媛,张建华。环境管制与中国区域生产率增长[J].统计研究, 2010(1): 83-89.
  [24]殷宝庆。环境规制对企业技术创新效率的影响:基于三大经济区域面板数据的实证检验[J].鄱阳湖学刊, 2013(2): 86-95.
  [25]李国璋,霍宗杰。我国全要素能源效率及其收敛性[J].中国人口·资源与环境, 2010(1): 11-16.
  [26] Tone K. Dealing with undesirable output in DEA: a slacks -based measure (SBM) approach [J]. GRIPS Research ReportSeries No.I-2003-005, 2003.
  [27] Chung Y H, Fare R, Grosskopf S. Productivity and undesirableoutput: a directional distance function approach [J]. Journal ofEnvironmental Management, 1997, 51(3): 229-240.
  [28]李静,沈伟。环境规制对中国工业绿色生产率的影响:基于波特假说的再检验[J].山西财经大学学报, 2012(2): 56-65.
  [29]陈诗一。工业二氧化碳的影子价格:参数化和非参数化方法[J].世界经济, 2010(8): 93-111.
  [30]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.
  [31]许广月,宋德勇。中国碳排放环境库兹涅茨曲线的实证研究:基于省域面板数据[J].中国工业经济, 2010(5): 37-47.
  [32]宋旭光,席玮。中国能源生产率增长中的结构变动-基于Shift-Share方法的分析[J].财经问题研究, 2010(10): 8-13.
  [33]李玲,陶锋。中国工业绿色全要素生产率及影响因素研究[D].广州:暨南大学, 2012.572
电话 13701839868
扫一扫
快速咨询官方微信
微信号:13701839868
优选论文官方微信