资源环境约束下中国经济增长绩效变化趋势与因素分析——基于一种新型生产率指数构建与分解方法的研究

    内容提要：本文结合SBM方向距离函数和Luenberger指数特点，发展了一种新型生产率指数构建与分解方法，对资源环境约束下中国经济增长绩效1995—2010年间变化趋势与因素进行了分析。结果表明：能源消耗和污染排放已成为中国环境无效率的主要来源，各区域环境效率由东到西呈现明显的阶梯分布；中国经济增长绩效近年来出现下降趋势，特别是东部地区下降趋势尤为明显；分析期间各因素对环境全要素生产率影响的顺序依次为产出、污染排放和投入，说明经济高速发展对生产率增长做出了较大贡献。从动态视角看，中国经济增长绩效下降主要与近年来要素投入和污染排放有关，效率改善趋缓而非技术进步是导致其下降的主要原因。最后，本文对提升中国经济增长绩效提出了相关建议。
关键词：资源环境约束/经济增长绩效/生产率指数构建与分解作者简介：刘瑞翔，南京审计学院经济学院，电子信箱：ruixiangliu@yahoo.com.cn；安同良(通讯作者)，南京大学经济学院，电子信箱：atliang@nju edu.cn（南京 211885）。
        一、引言
    改革开放以来，中国以30多年的经济高速增长率而举世瞩目，但与此同时，近年来中国经济愈加呈现出粗放型增长的态势，污染排放和环境问题日益突出。《2009年中国经济环境核算报告》显示，中国经济发展的环境污染代价持续上升，环境污染治理压力日益增大，2009年环境退化成本和生态破坏损失成本合计13916.2亿元，较上年增加9.2%，约占当年GDP的3.8%。2010年中国环境污染治理投资总额已达6654.2亿元，比上年的4525.3亿元大幅增加47.04%，占当年GDP的1.66%(国家统计局、环境保护部，2011)。若计算治污成本，许多产业发展将得不偿失，如江西全省稀土行业多年的利润，还不足以治理赣州一地的稀土开采污染，仅赣州治污就需380亿(曹开虎，2012)。环境资源约束正严重制约着经济的可持续发展，因此，节约资源、保护环境，转变经济增长方式，已成为当前中国所面临的迫切问题。
    可持续发展思想于1987年首次被联合国环境和发展委员会采纳，并被国际社会广泛接受(WCED，1987；United Nations，1993)。经济学家一般认为，如果经济增长主要依靠要素投入推动，那么就是粗放式、不可持续的，而相对应地，如果全要素生产率在经济增长中发挥重要作用，则为集约式和可持续的(Krugman，1994；Young，1995，2003)。改革开放以来，中国经济持续高速增长引起了学者们的广泛关注，众多文献利用全要素生产率分析方法，对中国经济增长绩效进行分析，但最终结论远非一致。一些研究表明，中国经济增长在很大程度上依靠了全要素生产率(TFP)的贡献(World Bank，1997；Hu & Khan，1997)，但也有学者对此表达相反的观点，Zheng et al.(2009)发现由于资本深化的加速，TFP增长在1995—2005年间下降到0.79%，其对经济增长的贡献也随之下降。尽管以上研究得出了许多富有成效的结论，但由于忽略了污染排放与环境问题，在资源环境日益成为经济增长硬约束背景下，我们较难从以上研究中得到有关经济增长绩效的客观评价。
    衡量污染排放对经济绩效的影响一般有两种思路：其一是将环境污染作为要素投入进行处理(Berg et al.，1992)，其二则是在方向性距离函数基础上，将环境污染作为非期望产出(Undesirable Output)处理，由于此种方法与实际生产过程较为吻合，近年来得到了广泛的应用。国内早期的研究如胡鞍钢等(2008)、涂正革(2008)只估算了资源环境约束下的技术效率，并没有涉及生产率的增长。王兵等(2010)、田银华等(2010)分别运用L指数和ML指数，对上世纪90年代末期以来中国环境全要素生产率进行了测算。虽然产生了这些杰出的研究成果，但我们也不能长时期、全景式地了解资源环境约束下中国经济增长绩效的动态演变规律。现有研究中，下列文献在此方面进行了尝试。陈诗一(2011)运用1980年以来行业数据，剖析了节能减排在发展方式转变中发挥作用的经济学机制，然而其研究主要集中在行业层面。庞瑞芝、李鹏(2011)则对1985-2009年中国省际工业部门的新型工业化增长绩效进行了核算，但没有将研究扩展到更能突现宏观协同行为(赫尔曼·哈肯，1986)的整体区域经济层面。与以上两篇文献基于DEA方法展开不同，匡远凤、彭代彦(2012)运用广义Malmquist指数与随机前沿函数相结合的方法，对我国1995—2009年间环境生产效率和环境全要素生产率进行了研究。上述文献虽然在研究对象或研究方法上有所差异，但在生产率分解时都沿用了Fare(1994)的思路，将生产率增长分解成技术进步和效率变化等部分，其中技术进步表示技术边界向外扩张的程度，效率变化表示样本点到技术边界之间距离的变化。此种分解形象地描述了距离函数的特点，符合内生经济增长理论的思路，虽一经提出就得到广泛的应用，但其分解方法存在不足：人们很难了解各投入产出因素对于环境全要素生产率的影响，同时也难以得到技术边界和技术效率在不同方向变化的信息。
    与现有研究相比，我们的可能创新主要包括：(1)针对SBM测度方法和Luenberger函数特点，本文系统地提出了一种新型生产率指标构建与分解方法，不但有效地避免了生产率指数求解过程中可能存在的无可行解现象，而且可以得到多维空间中技术边界扩张(收缩)以及生产点与技术边界距离变化的详细信息；(2)利用1995—2010年中国省际数据，对资源环境约束下中国经济增长绩效的动态演变趋势进行了系统分析，我们发现了一则非常重要的现象：中国经济增长绩效近年来出现下降趋势，其中经济相对发达的东部地区下降趋势尤为明显；(3)利用新型生产率指数分解方法，详细分析各投入产出因素对于全要素生产率带来的影响。
    本文安排如下：第一部分为引言；第二部分介绍研究方法和数据来源；第三部分利用SBM方向距离函数，分析中国各省市、东部、中部、西部在1995—2010年环境效率和全要素生产率变化规律；第四部分则采用新型指数分解方法，对资源环境约束下中国经济增长绩效近年来出现下降趋势现象进行分析；最后为结论。
    二、研究方法与数据来源
    利用全要素生产率指标，测度资源环境约束下中国经济增长绩效动态演变规律，我们首先需要构建科学客观的技术边界，然后将每一个省(市)视作生产决策单元，通过计算其与技术边界之间的距离来测算技术效率，并在此基础上进一步计算得到生产率指数。本文主要涉及三个重要概念：(1)技术边界的构建，主要涉及环境技术概念；(2)生产点到技术边界之间距离的测度，主要介绍非径向、非角度的SBM方法；(3)环境全要素生产率指数的构建与分解。
    1.环境技术与技术边界的构建
    构建有效且准确的技术边界，是进行技术效率和生产率分析的前提。在传统的投入产出分析框架中，并不考虑污染排放对于生产效率的影响，但在资源环境约束日趋严格的背景下，污染排放必然会对生产效率产生影响。Fare et al.(2007)提出了环境技术的概念，将期望产出和非期望产出同时纳入到生产可能性集合之中。具体来说，考虑每一个省份
     
    2.SBM测度方法
    传统DEA方法在进行效率测度时是基于角度和径向。基于角度意味着进行效率评估之前需要设定投入导向(Input-oriented)或产出导向(Output-oriented)，因此不能同时从多角度对技术效率做出客观准确的评价。基于径向则意味着如果投入或产出存在非零松弛(Slack)时，传统的DEA方法不能测试出其带来的影响。因此，Tone(2001，2003)率先提出非径向、非角度的基于松弛的(Slack-based Measure，SBM)测度方法，Fukuyama & Weber(2009)进一步将SBM测度方法与方向性距离函数相结合，为技术效率的测度给出了更为准确的结果。根据Fukuyama & Weber(2009)，我们将SBM方向性距离函数定义为：
     
     
    由于样本点并不参与技术边界的构建，因此常常存在不可行解的现象，由此导致所得到的生产率结果可能存在偏差。针对这一问题，Dong(2009)提出了一种新的生产率指数构建思路，即利用分析期内全部数据构建技术边界，然后将所有的观察值在此统一边界下进行效率评价，生产率指数则可根据相邻时期观察值技术效率的差异而得到。这种生产率构建方法的优点在于待评估的样本点必然包含在技术边界之内，从而有效地避免了不可行解问题。本文借鉴Dong(2009)的思想，提出了一种新型的Luenberger生产率指标构建方法。
    首先，根据公式(2)求得两种技术边界下的环境无效率值GIE、CIE，并将其进一步表示为：
     
    上式中GIE表示统一边界(跨期DEA)下得到的环境无效率值，CIE表示当期技术边界(当期DEA)下得到的环境无效率值，下标“c”表示CRS。在这里我们定义了一个新变量技术落差(Technology Gap，TG)，表示评价对象在两种不同技术边界测度下的效率差距。下文将发现，该变量将统一边界和当期边界连接起来，为有效测度技术进步提供了可能。
    由于跨期DEA中所有的样本点在同一边界下进行效率评价，因此与公式(6)先取相邻时期无效率差值再加以平均不同，Luenberger生产率指标可通过公式(8)直接得到：
     
    仔细观察可发现，公式(9)与传统的生产率指数分解相比并无任何差异，区别主要来自于公式(10)。由于我们定义了技术落差变量TG，则技术进步就可以用相邻时期技术落差的变化得到，若t+1期技术落差与t期有所减少，则说明在此期间技术取得进步且为正，反之则说明技术退步且为负。考虑规模效率因素之后，可以将效率变化分解为纯效率变化(LPEC)和规模效率变化(LSEC)，并进一步将技术进步分解为纯技术进步(LPTP)和技术规模变化(LTPSC)两部分。②
     
    与传统分解方法相比，本文所提供的新型生产率指数分解方法，可以将全要素生产率、技术进步和效率改善与投入产出因素联系起来，从而对全要素生产率变化规律有更加深入直观的认识。
    4.数据来源
    本文希望通过相对较长时期的投入产出数据分析，得到资源环境约束下中国全要素生产率变化的演变规律，研究主要集中在1995—2010年共计16年期间。我们的数据集合中并没有包括高度自治的香港、澳门以及台湾地区，也没有包括数据不全的西藏地区，此外，由于重庆在1997年成为直辖市，为了保持数据前后的一致性，我们将1997年之后四川和重庆两省市的数据合并。期望产出、非期望产出和投入数据主要来源于历年的《中国统计年鉴》、《中国环境年鉴》以及《中国能源统计年鉴》。投入包括三种生产要素：资本存量、劳动力、能源，期望产出选用各个省份以2000年为基期的实际地区生产总值，非期望产出选择了废水、、烟尘排放和四个指标。与二氧化硫、烟尘、废水等环境污染指标不同，中国统计机构并没有直接公布排放数据，在本文中主要来源于化石能源燃烧排放。由于煤炭、石油和天然气是中国广泛使用的一次能源，本文将重点考虑这三种化石能源所对应的碳排放，并主要参考IPCC(2006)和国家发改委能源研究所(2003)的办法，通过相关计算公式计算得到各省区排放量。③此外，资本存量采用常见的“永续盘存法”来估算得到，参照张军等(2004)给出的方法，本文首先从已有研究得到1995—2000年的各省份资本存量数据，并将其调整得到以2000年为基期的各省份资本存量数据；选择固定资本形成总额作为当年投资指标，并从历年《中国统计年鉴》得到固定资本投资价格指数，从而得到以2000年为不变价格的各省实际投资序列数据，然后按照同样的方法扩展得到2001—2010年数据。
    三、计算结果与相关分析
    1.环境效率结果
    我们采用上文介绍的方法，采取跨期DEA和当期DEA两种方法构建技术边界，计算中国各省市1995—2010年间环境无效率值。由于跨期DEA方法采取1995—2010年数据构建统一技术边界，因此与当期DEA相比计算得到的结果要大一些。表1中列出了两种方法下的环境无效率值，为了避免由于技术边界变动而导致不同时点技术效率无法准确比较的问题，本部分对于环境无效率的分析主要基于跨期DEA方法的结果。④
     
    数据表明，1995—2010年间中国环境无效率平均值为0.2371。在投入、产出和污染排放三项因素中，与产出相关的无效率值最低，仅有0.0183，说明在中国经济高速增长背景下，产出并不是无效率的主要原因。与产出相比，投入因素对中国环境效率的负面影响要更大些，与其相关的无效率值为0.073。在与投入相关的三项子因素中，由资本使用不当导致的无效率值为0.0015，在三者之中最低，而与劳动和能源投入相关的无效率值大体相当，分别为0.0388和0.0327。与投入和产出相比，由于污染排放导致的环境无效率值要高得多，具体数值为0.1458，约占到环境无效率值总量的61.49%。在本文中，我们选择了废水、、烟尘排放和四个指标来代表污染排放，从结果上看，烟尘排放对于环境无效率造成的污染最大，其次是和排放，废水产生的负面影响最小。如果我们将能源从投入要素中单列出来，可发现由于能源效率低下和污染排放所产生的无效率值合计为0.1784，约占到无效率总量的75.27%，说明节能减排对中国经济可持续发展至关重要。
    由于中国幅员辽阔，对于中国不同区域而言，其环境效率数值存在较大差异。从表1中可看出，对于较发达的东部地区而言，其在分析期间环境无效率平均值约为0.1621，要远远低于全国的平均水平，其中若用当期DEA方法测度时上海、广东、福建、海南等省市无效率均值为0，意味着这几个省市每年都位于当期技术边界上。与东部相比，在考虑资源环境约束下，中西部区域的技术效率无疑要低得多，两者无效率值分别为0.3239和0.402，由东到西三者呈现明显的阶梯式分布，其中贵州、陕西、云南和甘肃的环境效率在全国位于靠后的位置。值得重视的是，不同区域之间其环境无效率的来源有所差异。对于东部地区而言，无论在投入、产出效率方面，还是在环境保护方面，都要远远超过中部和西部的水平，但是在投入、产出和污染排放三者之间，污染排放仍是其无效率的主要来源。对于中部地区和西部地区而言，尽管双方无效率数值差异并不算大，但其来源却存在较大区别：对于中部区域而言，投入效率不足和环境污染是导致环境效率低下的主要原因。仔细分析中西部区域的差异可发现，两者在投入和环境污染两因素的差别并不大，期望产出效率不足成为西部地区落后于中部地区的主要原因。以上分析说明，在分析期间中国东部沿海地区在投入、产出以及环境污染三方面都远远超过中西部水平，中部和西部的差距主要体现在经济发展层面。
    2.环境全要素生产率结果及相关分解
    与环境效率指标不同，环境全要素生产率指数是一种动态测算方法，可以更为有效地分析各省份与生产边界的相对位置变化(效率变化)和生产边界的移动(技术进步)。与已有文献相比，本文采取了一种新型的生产率指数构建方法，可以有效地避免生产率求解过程中存在的不可行解问题，从而得到更为准确和客观的结果。首先按照(8)—(10)系列公式，得到Luenberger生产率指标数值并将其分解成纯效率变化(LPEC)、纯技术进步(LPTP)、规模效率变化(LSEC)和技术规模变化(LTPSC)四部分，具体结果可见表2。从表2可以看出，在1995—2010年间中国环境全要素生产率平均增长率约为0.71%，该数值要比王兵(2010)的结果要低一些，究其原因，除了与本文目标函数权重设定以及具体指标选取等因素有关之外，主要与研究所选择的时期有关。⑤从整体上看，与效率改善相关的环境全要素生产率(LEC)为-0.51，说明如果用当期数据构建技术边界进行效率评估的话，中国环境效率并没有得到有效改善。与此不同的是，与技术进步相关的环境全要素生产率增长率(LTP)为1.21%，说明技术进步是导致中国环境全要素生产率增长的主要原因，这与郑京海、胡鞍钢(2005)的结果一致，但与匡远凤、彭代彦(2012)的结论并不相同。考虑到规模效应之后，可发现由于规模扩大而导致生产率有所下降，其中LSEC为-0.48%，LTPSC为0.1%，两者合计为-0.38%。
     
    虽然中国不同地区间环境效率有很大差异，但环境全要素生产率差别并不明显。西部地区环境效率水平虽然较低，但其全要素生产率平均值在此期间为1.12%，在全国范围内位于首位，说明在1995年到2010年期间西部地区充分发挥了后发优势，环境效率有了较大幅度的提升，这是其环境全要素生产率超过东部和中部的主要原因。与西部地区不同，东部沿海地区环境效率虽然在全国处于领先，但其环境全要素生产率增长水平要比西部地区低，在分析期间平均值约为0.7%。深入分析可发现，东部地区内部环境全要素生产率出现了分化，尽管北京、天津等省市生产率排名在全国位于前列，海南、福建和广西生产率却出现负值，这是东部地区环境全要素生产率落后于西部的主要原因。在考虑资源环境约束后，中部地区的全要素生产率仅为0.51%，在三大区域内排在最后。西部技术进步对应的生产率仅为0.69，在三大地区中是最低的，说明中部地区的环境全要素生产率之所以较低，应与其在分析期间技术进步不明显有关。这可能是由于改革开放以来东部沿海地区率先发展，以及近年来西部大开发战略的实施，从而导致中部地区发展相对滞后和生产率居于末位的原因。
     
    图11995—2010年中国及各地区环境全要素生产率变化趋势
    图1给出了中国环境全要素生产率在分析期间的变化趋势。从图中可看出，在分析之初中国环境全要素生产率短暂出现负值之后，呈现出缓慢增长的趋势，特别在2000年之后呈现明显的上升趋势，并于2005年上升到最高点2.55%，在此之后出现了明显的下降趋势，并在2009年和2010年连续两年出现了负值，这与匡远凤、彭代彦(2012)运用SFA方法研究得到的结论相似。由于中国地大物博，不同区域所处发展阶段以及经济结构存在较大差异，因此，分析不同区域在资源环境约束下全要素生产率的变动趋势可能会有新的发现。图1表明，以2004年左右为节点，中国东部沿海地区生产率发展变化可以划分为两阶段，在1996年到2004年期间呈现出稳定向上发展趋势，并于2004年达到最高点且数值为4.15%，但此后出现明显下降趋势，2009年甚至出现负值。仔细观察可发现，东部沿海地区和中国整体环境全要素生产率曲线几乎保持一致的变化趋势，说明其在中国经济发展中具有举足轻重的地位。与东部地区相比，中国中部地区的环境全要素生产率波动幅度要小一些，在分析期间保持相对平稳的发展趋势。与东部地区相似的是，中部地区环境全要素生产率近年来也出现下降趋势，特别是在2009年和2010年连续两年出现负值，出现了加速下降的趋势。尽管西部地区在经济发展水平上与东部、中部还有一定差距，但其环境全要素生产率增长水平在三者中位于前列，特别在近年来东部和中部环境全要素生产率有所下降的背景下，西部地区并没有受到影响，仍然保持了较为强劲的发展趋势，展示了较大的发展潜力。
    通过上文分析，我们发现以东部地区为代表的中国环境全要素生产率近年来出现了下降现象。由于全要素生产率对经济增长的贡献程度是判断经济发展方式的主要依据，那么，该现象是否说明中国经济增长日趋粗放并难以持续，而且导致中国经济增长绩效下降背后的因素有哪些？这就需要我们从新视角对其变化机理进行探究。
    四、资源环境约束下中国经济增长绩效变化的因素分析
    本文鉴于SBM测度方法和Luenberger函数的特点，发展了一种全新的生产率指数分解方法，基于各投入产出因素对环境全要素生产率及各子项进行进一步分解，期望直接找到影响其变化的原因。首先，我们从静态视角将生产率分解成与各因素相关的部分，分析各因素对于生产率影响程度；其次，根据生产率指数(包括技术进步和效率变化)的定义，将环境效率的变化与生产率指数结合起来分析，从动态视角寻找影响生产率变化的内在动因。
    根据上文公式(11)，表3将1995—2010年间生产率均值直接分解成与各投入产出因素相关的部分。表中数据表明，分析期间投入产出因素对于中国经济增长绩效影响顺序依次为期望产出、污染排放和投入。其中由于经济增长而导致生产率有效增加了0.26%，在所有因素中位于首位，说明分析期间中国经济的高速增长是生产率提升的主要来源。与产出相比，污染排放对于生产率的影响要稍低一些，与其相关的生产率约为0.23%，在废水、、烟尘排放和四个指标中，烟尘排放对于生产率提升的影响最为显著，废水次之，和对生产率提升的影响并不显著。与产出和污染排放相比，与投入相关的生产率值稍低一些，且为0.21%，其中资本在分析期间对生产率影响为零，而与劳动相关的全要素生产率约为0.19%，是除产出之外对于生产率影响最大的单一因素。能源对于生产率的影响并不明显，与其相关的生产率仅为0.02%，但如果将能源投入和污染排放合在一起分析，可发现与节能减排相关的生产率值约为0.25%，说明节能减排已经与高速增长的GDP一起共同成为提升中国经济增长绩效的主要途径。在上文中已经指出，环境污染是造成各省市环境技术无效率的主要原因，但在此处我们又发现节能减排对环境全要素生产率产生了显著的正面影响，两者之间似乎是相互矛盾的，如何对此给出合理的解释？根据上文公式(8)，全要素生产率指数可通过统一边界下相邻时期环境无效率值比较得到，与污染排放相关的无效率数值较高，说明环境污染的确是造成各省市环境技术无效率的主要原因，但由于在分析期内出现了明显的下降趋势，因此又对环境全要素生产率产生了显著的正面影响，两者非但并不矛盾，相反说明节能减排为提高中国经济增长绩效提供了较大的空间。
     
    从区域层面来看，资源环境约束下中国不同地区全要素生产率的影响因素具有很大差异。对于东部地区而言，与减排取得成效相关的生产率值为0.34%，该数值不但在内部与同类因素相比最高，即便与中部和西部进行横向比较也最高，说明在分析期间环境得到有效治理是其经济增长绩效的主要来源。令人惊讶的是，尽管东部发达地区在经济发展方面要比中西部领先很多，但与产出相关的生产率仅为0.14%，该数值不但在投入产出三因素中最低，在中国各地区中也最低，与污染排放指标形成了鲜明的对比。究其原因，应与东部地区改革开放以来经济高速增长，其与GDP相关的无效率值处于较低的水平，已很难得到较大的提升空间有关。与东部地区恰好相反的是，西部地区与GDP增长相关的生产率为0.98%，在全国范围内最高，而与减排相关的生产率仅为0.03%，同样在全国范围内最低，说明对于经济欠发达的西部地区而言，近年来在经济方面虽得到大力发展，但在环境治理和投入效率方面并未取得显著成效。与东部和西部都不同，中部地区环境全要素生产率增长并没有明显的特征，无论在污染排放方面或期望产出方面，在分析期间都没有取得较大的进展，这也是导致其生产率落后于东部和西部地区的主要原因。
    以上仅是从静态角度将生产率进行分解，分析各投入产出因素在1995—2010期间对于生产率的影响程度，但并没有对其动态演变趋势给出合理解释。我们利用第二部分定义的三个变量：基于统一边界测度的环境无效率GIE、当期边界测度的环境无效率CIE和技术落差TG，由于LTFP、LEC、LTP数值可分别由这三个变量相邻时期的差值得到，因此，只要找到这三个变量在分析期间的变化路径，就能够对中国经济增长绩效、技术进步和效率改善的演变趋势给出合理解释。
    图2首先给出了1995年到2010年间中国及各地区环境无效率GIE及相关成分变化趋势。根据公式(8)，生产率实际上是各省市相邻时期在统一边界下效率评价GIE的差值，如果后一时期无效率值比前一时间低，则生产率数值为正，反之则为负。图中显示，对于中国整体而言，除了1995—1996年间环境无效率值短暂上升之外，其在分析期间呈现单调下降的趋势，到2005年之后该下降趋势有所趋缓并有所反弹，这也是直接导致生产率近年来下降的主要原因。将环境无效率进一步分解成与投入、产出和污染相关的部分后可发现，近年来资源环境约束下中国生产率下降的原因主要有两个：一是与污染相关的无效率值从2006年的0.4084上升到2010年的0.4529，二是与投入相关的无效率值从2006年的0.2008上升到2010年的0.2174。至此，我们已经初步找到了问题的答案：污染排放和投入效率下降是近年来中国环境全要素生产率下降的主要原因。
     
    图2中国及各地区1995—2010年环境无效率GIE及相关成分变化趋势
    对于不同地区而言，影响其经济增长绩效的原因也有所差异。从图中可以看出，东部地区无论是投入、产出或污染排放效率方面，在全国都居于领先地位。其中由于区域经济长期以来保持高速增长，因此与期望产出相关的无效率曲线在分析期间较为平坦，说明GDP并不是导致其经济增长绩效近期下降的主要因素。相反，在2006年之前东部地区投入和污染排放无效率值都是不断下降的，但在2006年之后出现了升高趋势，其中污染无效率值从2006年的0.0887上升到2010年的0.1117，约占到同期环境无效率值变化总量的72.14%，这是导致东部地区经济增长绩效下降最主要的因素。深入分析后发现，在资本、劳动力和能源三项投入因素中，能源无效率值从2006年的0.0177上升到2010年的0.025，是导致投入效率不足的关键因素。为此我们的研究表明，尽管从静态角度看，节能减排对于东部地区环境全要素生产率做出了较大贡献，但从动态视角来看2006年之后节能减排效率趋缓已成为制约其进一步发展的瓶颈。
    图2同样给出了中西部地区1995—2010年间与各投入产出因素相关的环境效率变化趋势。从图中可发现，对于中部地区而言，其投入和污染效率与西部之间差别并不是很大，但在产出方面相应的无效率值要比西部明显低得多，这也验证了上文的发现，即中西部的区别主要在于经济发展层面。中部地区环境全要素生产率近两年之所以出现负值，主要与近两年区域经济增长趋缓有关，相关的无效率值从2008年的0.002上升到2010年的0.0148，这也直接导致了其生产率在2009年、2010年出现负值。对于西部而言，分析初期其在期望产出效率方面与东部和中部存在较大差距，但在分析期间该差距已逐步缩小，2007年之后与中部和东部已非常接近，产出效率的迅速提高是其生产率在三大地区排在首位的原因。但图2显示，西部地区近年来在产出效率方面与东部和中部逐渐收敛同时，其污染排放和投入效率并没有得到有效提升，说明西部地区在产出效率潜力消耗殆尽的情况下，如果不重视投入效率和环境治理，未来经济增长绩效未必乐观。
    图3刻画了1995年到2010年间中国及各地区在当期DEA方法下得到的环境无效率指标CIE变化趋势。根据公式(9)，LEC等于各省市相邻时期环境无效率CIE的差值，如果CIE后一时期数值比前一期低，说明效率有所改善且LEC为正，反之则说明效率恶化且LEC为负。对中国整体而言，相关CIE在分析期间除1998—2004年之间有所下降外，其余时间都呈现出上升趋势，2010年CIE数值比1995年要高0.0362，这是导致LEC为负的直接原因。与产出相关的CIE值从1995年的0.0303下降到2010年的0.0131，说明效率下降与期望产出无关。除产出之外，与投入和污染排放相关的CIE在分析期间都有所上升，其中与投入相关的CIE值在1995—2010年期间上升了0.0089，而与污染排放相关的CIE上升了0.0445，说明污染排放是导致效率下降的主要因素，投入是次要因素。若将各投入产出因素单独分析，在资本、劳动力、能源三项投入因素中，劳动力和能源是导致效率下降的主要原因，而在与污染排放相关的四项指标中，和烟尘排放对于效率下降的影响要更大些。
    图3表明，从2003年起东部地区环境无效率值就出现了陡峭的上升趋势，在短短7年时间内从0.0752上升到0.1608。在各投入产出因素中，对东部地区影响最为明显的为劳动力、能源和污染排放，其中与污染排放相关的CIE从2003年的0.0309上升到2010年的0.1114，与劳动力和能源相关的CIE值在此期间虽然也有所上升，但幅度并不明显。对于中部地区而言，其环境无效率CIE在分析期间的变化轨迹与东部非常相似，也是在2004年之后出现上升趋势，同样与环境污染和投入效率下降有关，但与东部地区相比幅度明显要低一些。与东部和中部不同，西部地区在分析期间LEC为正，说明若用当期DEA方法测算时，其在1991—2010年期间环境效率得到了有效提升。进一步分析表明，由于西部地方在经济发展方面与技术边界有巨大的差距，因此其充分发挥了后发优势，与期望产出相关的CIE值在分析期间从0.1176下降到0.0578，是导致其LEC为正的主要原因。
     
    图3中国及各地区1995—2010年环境无效率CIE及相关成分变化趋势
     
    图4中国及各地区1995—2010年技术落差TG及相关成分变化趋势
    图4描绘了1995年到2010年间中国及各地区技术落差TG及相关成分的变化趋势。根据公式(10)，LTP等于相邻时期TG的差值，我们可以根据TG在分析期间数值变化对技术进步的演变趋势给出解释。首先，对比图3和图4可发现，环境效率和技术落差两者基本呈现出反向的变化趋势，除了中间一段时期之外，TG都呈现出下降的趋势，这可说明主要是效率变化(LEC)而不是技术进步(LTP)导致中国经济增长绩效近年来出现下降趋势。从图形上看，尽管在中途出现过起伏，但技术落差TG最终都趋向于零值，说明随着时间的推移，当期数据构建的技术边界与全部数据构建的统一边界趋向一致。从投入产出各因素来看，与污染排放相关的TG下降最为明显，其次是与投入相关的TG，而与产出相关的TG在分析期间下降最为缓慢。仔细分析图4可发现，中国不同地区技术进步的来源有很大差异。对于东部地区而言，其与污染排放相关的TG下降最为迅速，而产出对技术进步的影响最小；与东部地区不同，投入和污染排放对于中部地区技术进步所起的作用基本相当，而与东部相似的是，产出对技术进步的影响同样为最小；与前两者截然相反的是，产出因素是导致西部地区技术进步的主要原因，与其相关的TG值从1995年的0.0749下降到2010年的0.0017，而污染和投入对于技术进步的影响则很小。显然，不同地区技术进步来源之所以有所差异，与各地区所处的发展阶段是密不可分的。
    五、结论与政策建议
    本文结合SBM测度方法和Luenberger函数特点，提出了一种新型的生产率指数构建和分解方法，利用1995—2010年中国省际数据，测度了中国东部、中部、西部及各省市环境效率及环境全要素生产率，对资源环境约束下中国经济增长绩效变化趋势进行了因素分析。研究发现，在资源环境约束背景下，能源消耗和污染排放已经成为中国经济增长无效率的主要来源，但不同区域之间环境效率存在较大差异，由东到西呈现出明显的阶梯式分布，中部和西部地区之间的差异主要体现在经济发展层面。中国1995—2010年间的环境全要素生产率为0.71%，其主要来源于技术进步而非效率改善。分阶段来看，资源环境约束下中国经济增长绩效近年来出现下降趋势，特别是经济发达的东部沿海区域下降趋势显得尤为明显。将1995—2010年环境全要素生产率均值分解后发现，分析期间各因素对于中国经济增长绩效影响的顺序依次为期望产出、污染排放和投入，说明在分析期间中国经济的高速增长是生产率的主要来源，但由于与产出相关的无效率值已处于较低水平，因此未来发展空间有限。从动态的视角看，中国经济增长绩效近年来下降原因主要与2005年以来投入效率不足和污染排放有关，特别与东部沿海地区近年来节能减排效率改善趋缓有关。
    针对资源环境约束下中国近年来经济增长绩效下降的现象，我们不仅可以通过新型指数分解方法，分析投入产出因素对于技术进步和效率改变的影响，直接找到导致中国整体环境生产率下降的原因，而且根据中国不同区域资源禀赋、产业结构和发展阶段存在较大差别的特点，可以进一步探究影响不同地区经济增长绩效变化的相关因素，从而得到更为具体和更有针对性的对策建议。
    为提升中国经济增长绩效，我们建议：(1)摒弃GDP增长崇拜，将发展目标从经济数量扩张转向经济质量提高。本文研究表明，一方面与GDP相关的无效率指标处于较低水平，继续通过产出扩张提高生产率空间有限；另一方面，投入效率不足和污染排放已成为近年来中国经济增长绩效下降的主要原因。因此，我们必须通过GDP预期目标的调整，减少对资源环境的消耗，实现更长时期、更高水平、更好质量的可持续发展。可喜的是，我国政府将2012年GDP增长目标设定为7.5%，这是中国GDP预期增长目标八年来首次低于8%，表明中国在提升经济增长质量方向上迈出了关键一步。(2)不但要通过技术进步，更要通过效率改善提高中国经济增长绩效。众多文献已表明，中国经济增长绩效是由技术进步而非效率改善推动的，本文研究更进一步发现，中国经济增长绩效近年来下降主要与效率变化有关，特别与东部沿海地区近年来节能减排效率改善趋缓有关。因此，我们在加强技术引进和自主创新的同时，尤其要注重与节能减排相关的技术吸收和应用推广。(3)以区域的资源禀赋、发展阶段特征引领经济增长质量。中国幅员辽阔，不同区域在资源禀赋、产业结构和发展阶段存在较大差别，本文发现各区域不但环境无效率来源不同，决定其生产率的因素也有很大差异。因此，在具体制定提高经济增长绩效对策时，应注意到东部、中部、西部及省际的地区差异，找到影响各区域经济增长质量的具体投入与产出因素，并结合自身的特点制定切实、可行的发展政策方案。(4)投资自然资本，实施可持续发展。就全球范围而言，人们喜欢把增长作为表现创造力的方式并沉溺其中，事实上地球的承载力已达极限。基于人造资本与自然资本(产出自然资源流的存量)的互补性、部分的替代性，我们应将可再生资源与不可再生资源区别对待与投资，合理配置对自然资本维持性投资与净投资，在可能的范围内，把不可再生的自然资本尽量转变为可再生的替代物。地球是我们人类唯一的家园！
    非常感谢匿名审稿人提出的宝贵建议，但文责自负。
    注释：
    ①根据Diewert(2005)和王兵等(2010)，本文将建立在差分基础上的测度称为指标(Indicator)，并将建立在比率基础上的测度称为指数(Index)。
    ②由于篇幅限制，此处略去具体的公式，读者若有需要请参照王兵等(2010)自行推导或与作者联系索取。
    ③根据李铠、齐绍洲(2011)，煤炭、石油和天然气的排放系数分别为2.7412、2.1358和1.6262(万吨/万吨标准煤)。
    ④本文计算了CRS和VRS两种假设下的环境无效率值，本处分析为基于VRS假设下的结果。
    ⑤若选择1998—2007数据进行分析，所得的环境全要素生产率约为1.27%，与王兵等(2010)结果相差并不大。
参考文献：
        [1]曹开虎，2012：《中国出口稀土得到了什么？》，《第一财经日报》4月9日。
    [2]陈诗一，2011：《节能减排、结构调整与工业发展方式转变研究》，北京大学出版社。
    [3]程丹润、李静，2009：《环境约束下的中国省区效率差异研究：1990—2006》，《财贸研究》第1期。
    [4]赫尔曼·E.戴利，1996：《超越增长：可持续发展的经济学》，中译本，上海译文出版社，2001年。
    [5]赫尔曼·哈肯，1986：《协同学——大自然构成的秘密》，中译本，上海世纪出版集团，2005年。
    [6]国家统计局、环境保护部，2011：《中国环境统计年鉴2011》，中国统计出版社。
    [7]涂正革，2008：《环境、资源与工业增长的协调性》，《经济研究》第2期。
    [8]胡鞍钢、郑京海、高宇宁、张宁、许海萍，2008：《考虑环境因素的省级技术效率排名(1999—2005)》，《经济学(季刊)》第7卷第3期。
    [9]匡远凤、彭代彦，2012：《中国环境生产效率与环境全要素生产率分析》，《经济研究》第7期。
    [10]庞瑞芝、李鹏，2011：《中国新型工业化增长绩效的区域差异及动态演进》，《经济研究》第11期。
    [11]田银华、贺胜兵、胡石其，2011：《资源环境约束下地区全要素生产率增长的再估算：1998—2008》，《中国工业经济》第1期。
    [12]王兵、吴延瑞、颜鹏飞，2010：《中国区域环境效率与环境全要素生产率增长》，《经济研究》第5期。
    [13]张军、吴桂英、张吉鹏，2004：《中国省际物质资本存量估算：1952—2000》，《经济研究》第10期。
    [14]郑京海、胡鞍钢，2005：《中国改革时期省际生产率增长变化》，《经济学(季刊)》第4卷第2期。
    [15]Berg, S. A., F. R. Forsund, and E. S. Jansen., 1992, "Malmquist Indices of Productivity Growth during the Deregulation of Norwegian Banking 1980—1989", Scandinavian Journal of Economics, 94, 211—228.
    [16]Chambers, R. G., R. Fare, and S. Grosskopf, 1996, "Productivity Growth in APEC Countries", Pacific Economics Review, 1, 181—190.
    [17]Cooper, W. W., L. M. Seiford, and K. Tone, 2007, Data Envelopment Analysis, Boston: Kluwer Academic Publishers, Second Edition.
    [18]Chung, Y. H., R. Fare, and S. Grosskopf, 1997, "Productivity and Undesirable Outputs: A Directional Distance Function Approach", Journal of Environmental Management, 51, 229—240.
    [19]Diewert, W. E., 2005, "Index Number Theory Using Differences Rather than Ratios", American Journal of Economics and Sociology, 64, 347—395.
    [20]Dong Huyn Oh, 2009, "A Global Malmquist-Luenberger Productivity Index——An Application to OECD Countries 1990—2004", Working Paper.
    [21]Fare, R., S. Grosskopf, and Carl A. Pasurka, 2007, "Envi-ronmental Production Functions and Environmental Directional Distance Functions", Energy, 32, 1055—1066.
    [22]Fukuyama, H., and William L. Weber, 2009, "A Directional Slacks-based Measure of Technical Inefficiency", Socio-Economics Planning Sciences, doi: 10. 1016/j. seps. 2008. 12. 001.
    [23]Grosskopf, S., 2003, "Some Remarks on the Malmquist Productivity Index and Its Decomposition", Journal of Productivity Analysis, 20, 459—474.
    [24]Hu, Z. F., and M. S. Khan, 1997, "Why Is China Growing So Fast?", IMF Staff Papers 44: 103—131.
    [25]Krugman, P., 1994, "The Myth of Asia's Miracle", Foreign Affairs.
    [26]Tone, K., 2001, "A Slacks-based Measure of Efficiency in Data Envelopment Analysis", European Journal of Operational Research, 130, 498—509.
    [27]Tone, K., 2003, "Dealing with Undesirable Outputs in DEA: A Slacks Based Measure(SBM) Approach", GRIPS Research Report Series, I—2003—0005.
    [28]United Nations(UN), 1993, Agenda 21, United Nations, New York.
    [29]World Bank, 1997, "China 2020: Development Challenge in the New Century", Washington D. C.: The World Bank.
    [30]World Commission on Environment and Development(WCED), 1987, Our Common Future, Oxford University Press, Oxford, UK.
    [31]Young, Alwyn, 2003, "Gold into Base Metals: Productivity Growth in the People's Republic of China during the Reform Period", Journal of Political Economy, 111(6), 1220—1261.
    [32]Young, Alwyn, 1994, "The Tyranny of Numbers: Confronting the Statistical Realities of the East Asian Growth Experience", Quarterly Journal of Economics, 60(3):641—680.
    [33]Zheng, Jinghai, Arne Bigsten, and Angang Hu, 2009,"Can China's Growth Be Sustained?——A Productivity Perspective", World Development, 37(4), 874—888.
    [34]Zheng, Jinghai, Xiaoxuan Liu, and Arne Bigsten, 1998, "Ownership Structure and Determinants of Technical Efficiency: An Application of Data Envelopment Analysis to Chinese Enterprises(1986—1990)", Journal of Comparative Economics, 26, 3:465—484.^