中国省域绿色全要素生产率的测算及影响因素分析——基于动态GMM方法的实证检验
|
摘要
提高绿色全要素生产率(GTFP)是新常态下能源需求与资源约束日益增强的现实需求,也是"一带一路"倡议、供给侧改革等政策的内在要旨。文章采用基于数据包络分析法(DEA)的Malmquist指数,测度了全国和省域在不同环境约束下的4种GTFP,并选取12个影响因素构建系统GMM模型。研究发现:(1)在全国与省域GTFP的测度上:我国4种GTFP均呈现出波动上升态势,并由绿色技术进步指数带动,经历了"两峰三谷"的发展变化,CO_2污染控制效果最好,综合环境治理上任重道远;沿海六省为绿色经济发展的"排头兵",西南四隅处于效率、技术的双项"低水平均衡"状态,缺乏绿色经济的"发动机";"一带一路"沿线省域的4种GTFP发展均呈现"N"型态势,沿线内部四大区域间差异明显。(2)全国样本的GMM回归表明:对外贸易和FDI均对GTFP产生负作用;财政支出的市场化、自由化程度对GTFP有推进作用;人力资本对绿色技术效率具有负作用;产业结构对GTFP有着"产出贡献"和"技术改进"的双重影响;金融规模的扩大阻碍了绿色技术效率改善,金融效率提升有利于绿色技术进步;命令型环境规制对GTFP有负向作用,市场型环境规制符合"波特假说",对GTFP和绿色技术进步产生了正影响。
To improve the green total factor productivity(GTFP) is, in the new normal, the growing intense relation between the energy demand and the resources constraints, and also the inherent tenor required in the policies of "Belt and Road" and"supply side reform". This paper, applying the data envelopment analysis(DEA), first measured four national and provincial GTFP from 2000 to 2015 under different environmental constraints, and built up a system GMM model by selecting eight influencing factors. It found that(1) in the measurement of national and provincial GTFP: four kinds of GTFP showed a rising trend, driven by the green technology progress index. It experienced the development of "two peaks and three valleys"; the control of CO_2 pollution was effectively the best; a comprehensive environmental governance had a long way to go; six provinces along the coast were the"leaders"for green economy development; and the four southwestern provinces were in a state of"low-level equilibrium"in terms of efficiency and technology, lacking the"engine"of the green economy; the provinces along the(maritime) Silk Road line had "N"-type situation in the four kinds of GTFP, with obvious differences among the four major regions along the line.(2) The GMM regression of the national sample showed that foreign trade and FDI had negative effects on GTFP;the marketization and liberalization of fiscal expenditure had a positive effect on GTFP; human capital played a negative role on green technology efficiency; and the industrial structure had dual influences of"output contribution"and"technical improvement"on GTFP; the expansion of financial scale hindered the improvement of green technology efficiency; the improvement of financial efficiency was conducive to the progress of green technology; the mandatory environmental regulations had a negative effect on GTFP. The regulatory market compliance with the "Porter Hypothesis" had a positive impact on GTFP and green technology advancement.
To improve the green total factor productivity(GTFP) is, in the new normal, the growing intense relation between the energy demand and the resources constraints, and also the inherent tenor required in the policies of "Belt and Road" and"supply side reform". This paper, applying the data envelopment analysis(DEA), first measured four national and provincial GTFP from 2000 to 2015 under different environmental constraints, and built up a system GMM model by selecting eight influencing factors. It found that(1) in the measurement of national and provincial GTFP: four kinds of GTFP showed a rising trend, driven by the green technology progress index. It experienced the development of "two peaks and three valleys"; the control of CO_2 pollution was effectively the best; a comprehensive environmental governance had a long way to go; six provinces along the coast were the"leaders"for green economy development; and the four southwestern provinces were in a state of"low-level equilibrium"in terms of efficiency and technology, lacking the"engine"of the green economy; the provinces along the(maritime) Silk Road line had "N"-type situation in the four kinds of GTFP, with obvious differences among the four major regions along the line.(2) The GMM regression of the national sample showed that foreign trade and FDI had negative effects on GTFP;the marketization and liberalization of fiscal expenditure had a positive effect on GTFP; human capital played a negative role on green technology efficiency; and the industrial structure had dual influences of"output contribution"and"technical improvement"on GTFP; the expansion of financial scale hindered the improvement of green technology efficiency; the improvement of financial efficiency was conducive to the progress of green technology; the mandatory environmental regulations had a negative effect on GTFP. The regulatory market compliance with the "Porter Hypothesis" had a positive impact on GTFP and green technology advancement.
引文
[1]CHUNG Y H,F?re R,GROSSKOPF S.Grosskopf.Productivity and Undesirable Outputs:A Directional Distance Function Approach[J].Journal of Environmental Management,1997,51(3):229-240.
[2]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.
[3]谌莹,张捷.碳排放、绿色全要素生产率和经济增长[J].数量经济技术经济研究,2016,33(8):47-63.
[4]YOUNG A.Gold Into Base Metals:Productivity Growth in the People's Republic of China During the Reform Period[J].Nber Working Papers,2000,111(6):1220-1261.
[5]王裕瑾,于伟.我国省际绿色全要素生产率收敛的空间计量研究[J].南京社会科学,2016(11):31-38.
[6]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,2011,37(4):123-134.
[7]林春.中国经济全要素生产率影响因素及收敛性研究--基于省际面板数据分析[J].云南财经大学学报,2016,32(2):71-80.
[8]徐晶晶.沿海地区绿色全要素生产率测度、收敛及影响因素研究[D].杭州:浙江理工大学硕士学位论文,2015.
[9]丁黎黎,朱琳,何广顺.中国海洋经济绿色全要素生产率测度及影响因素[J].中国科技论坛,2015(2):72-78.
[10]李卫兵,梁榜.中国区域绿色全要素生产率溢出效应研究[J].华中科技大学学报(社会科学版),2017,31(4):56-66.
[11]王兵,吴延瑞,颜鹏飞.环境管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.
[12]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).
[13]陶长琪,齐亚伟.资源环境约束下我国省际全要素生产率测度分析--基于Global Malmquist-Luenberger指数[J].数量经济研究,2012,3(1):58-75.
[14]王凯风,吴超林.中国城市绿色全要素生产率的时空演进规律--基于Global Malmquist-Luenberger指数和ESDA方法[J].管理现代化,2017,37(5):33-36.
[15]王兵,肖海林.环境约束下长三角与珠三角城市群生产率研究--基于MML生产率指数的实证分析[J].产经评论,2011(5):100-114.
[16]李景睿.FDI与前沿技术进步、技术效率的关系研究--基于DEA的珠江三角洲城市面板数据分析[J].国际经贸探索,2009,25(10):46-51.
[17]刘艳.服务业FDI技术溢出效应的影响因素分析--基于中国16省市面板数据的实证研究[J].上海交通大学学报(哲学社会科学版),2012,20(3):77-85.
[18]吴伟平,何乔.“倒逼”抑或“倒退”?--环境规制减排效应的门槛特征与空间溢出[J].经济管理,2017,39(2):30-34.
[19]张海洋.人力资本吸收、外资技术扩散与中国经济增长[J].科学学研究,2005(1):64-70.
[20]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.
[21]杨文举,龙睿赟.中国地区工业绿色全要素生产率增长:--基于方向性距离函数的经验分析[J].上海经济研究,2012,24(7).
[22]杨万平,袁晓玲.对外贸易、FDI对环境污染的影响分析--基于中国时间序列的脉冲响应函数分析:1982-2006[J].世界经济研究,2008(12):62-68+86.
[23]苏梽芳,廖迎,李颖.是什么导致了“污染天堂”:贸易还是FDI?--来自中国省级面板数据的证据[J].经济评论,2011(3):97-104+116.
[24]杨世迪,韩先锋.贸易自由化的绿色生产率增长效应及其约束机制--基于中国省际面板数据的门槛回归分析[J].经济科学,2016(4).
[25]张乐.公共支出对全要素生产率的影响研究[D].杭州:浙江财经大学硕士学位论文,2015:32.
[26]曾淑婉.财政支出、空间溢出与全要素生产率增长--基于动态空间面板模型的实证研究[J].财贸研究,2013,24(1):101-109.
[27]吴翔.中国绿色经济效率与绿色全要素生产率分析[D].武汉:华中科技大学博士学位论文,2014:118.
[28]杜俊涛,陈雨,宋马林.财政分权、环境规制与绿色全要素生产率[J].科学决策,2017(9).
[29]李斌,祁源,李倩.财政分权、FDI与绿色全要素生产率--基于面板数据动态GMM方法的实证检验[J].国际贸易问题,2016(7).
[30]田银华,贺胜兵,胡石其.环境约束下地区全要素生产率增长的再估算:1998-2008[J].中国工业经济,2011,(1):47-57.
[31]李小胜,余芝雅,安庆贤.中国省际环境全要素生产率及其影响因素分析[J].中国人口·资源与环境,2014,24(10):17-23.
[32]MARX L.Environmental degradation and the ambiguous social role of science and technology[J].Journal of the History of Biology,1992,25(3):449-468.
[33]谭政,王学义.绿色全要素生产率省际空间学习效应实证[J].中国人口·资源与环境,2016,26(10):17-24.
[34]韩海彬,赵丽芬,张莉.异质型人力资本对农业环境全要素生产率的影响--基于中国农村面板数据的实证研究[J].中央财经大学学报,2014(5):105-112.
[35]顾伟,葛幼松.中国省域绿色化的时空演变及影响因素研究[J].生态经济,2018,34(4):80-85.
[36]赵成柏,毛春梅.碳排放约束下我国地区全要素生产率增长及影响因素分析[J].中国科技论坛,2011(11):68-74.
[37]屈小娥.中国省际全要素CO2排放效率差异及驱动因素--基于1995-2010年的实证研究[J].南开经济研究,2012(3):128-141.
[38]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[J].经济研究,2010,45(5):95-109.
[39]朱眉媚.我国工业环境全要素生产率影响因素研究[D].杭州:浙江财经大学硕士学位论文,2014:50.
[40]辛文.长三角地区绿色全要素生产率的测度及影响因素分析[D].镇江:江苏大学硕士学位论文,2017:39.
[41]欧阳婉桦.中国省份工业绿色全要素生产率测度及影响因素分析[D].重庆:重庆工商大学硕士学位论文,2015:57.
[42]涂正革.环境、资源与工业增长的协调性[J].经济研究,2008(2):93-105.
[43]王伟,孙芳城.金融发展、环境规制与长江经济带绿色全要素生产率增长[J].西南民族大学学报(人文社科版),2018,39(1):129-137.
[44]何宜庆,陈林心,焦剑雄,王芸.金融集聚的时空差异与省域生态效率关系研究[J].数理统计与管理,2017,36(1):162-174.
[45]张帆.金融发展影响绿色全要素生产率的理论和实证研究[J].中国软科学,2017(9):154-167.
[46]葛鹏飞,黄秀路,徐璋勇.金融发展、创新异质性与绿色全要素生产率提升--来自“一带一路”的经验证据[J].财经科学,2018(1):1-14.
[47]蔡乌赶,周小亮.中国环境规制对绿色全要素生产率的双重效应[J].经济学家,2017(9).
[48]沈可挺,龚健健.环境污染、技术进步与中国高耗能产业--基于环境全要素生产率的实证分析[J].中国工业经济,2011(12):25-34.
[49]沈能,刘凤朝.高强度的环境规制真能促进技术创新吗?--基于“波特假说”的再检验[J].中国软科学,2012(4):49-59.
[50]彭文斌,程芳芳,路江林.环境规制对省域绿色创新效率的门槛效应研究[J].南方经济,2017(9):73-84.
[51]王杰,刘斌.环境规制与企业全要素生产率--基于中国工业企业数据的经验分析[J].中国工业经济,2014(3):44-56.
[52]徐茉,陶长琪.双重环境规制、产业结构与全要素生产率--基于系统GMM和门槛模型的实证分析[J].南京财经大学学报,2017(1):8-17.
[53]宁婧.FDI、环境规制和绿色全要素生产率之间的关系研究[D].西安:西安电子科技大学硕士学位论文,2017.
[54]林永生.“一带一路”战略背景下的中国省域绿色发展:现状、问题与对策[J].中国环境管理,2016,8(2):42-46.
[55]乔虹.服务业全要素生产率研究--基于丝绸之路经济带数据[J].财经理论与实践,2016,37(2):123-128.
[56]刘峰.“一带一路”经济带上35城市的生产效率分析--基于DEA与Malmquist指数[J].内蒙古科技与经济,2016(8):47-49.
[57]陈诗一.能源消耗、二氧化碳排放与中国工业的可持续发展[J].经济研究,2009(4):41-55.
[58]李志翠,刘辉,刘克非.我国工业全要素生产率的再测度[J].统计与决策,2014(6):116-119.
[59]冯杰,张世秋.基于DEA方法的我国省际绿色全要素生产率评估--不同模型选择的差异性探析[J].北京大学学报(自然科学版),2017,53(1):151-159.
[60]蒋林萍.中国工业环境全要素生产率测算及影响因素研究[D].重庆:重庆大学硕士学位论文,2016:31.
[61]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.
[62]唐家龙.中国经济增长的源泉(1952-2007)[D].天津:南开大学博士学位论文,2009.
[63]陈刚,李树.金融发展与增长源泉:要素积累、技术进步与效率改善[J].南方经济,2009(5):24-35.
[64]徐思远,洪占卿.信贷歧视下的金融发展与效率拖累[J].金融研究,2016(5).
(1)CO__2:采用联合国政府间气候变化专门委员会(IPCC)所提供的公式算所得。
(2)选取除西藏外30个省份的工业废水排放总量、工业废水排放总量,工业固体废弃物总量、SO_2、CO_2排放量,五类污染排放物进行污染综合评价,运用SPSS19.0进行主成分分析来降维,获得综合环境指标TP。
(3)为了使指标L、E、CO_2、S0_2、COD、K、GRP、TP更具可比性,并将指标归到最适宜观测的范围,在实证分析前,本文采用了阙值法对每个指标进行标准化处理,将指标范围确定在[100,1000]。
(4)国家发展改革委、外交部、商务部联合发布的《推动共建丝绸之路经济带和_21世纪海上丝绸之路的愿行动》中指出,一带一路的重点省份总共有18个:新疆、陕西、甘肃、宁夏、青海、内蒙古、黑龙江、吉林、辽宁、广西、云南、西藏、上海、福建、广东、浙江、海南、重庆。
(1)2004年4月,国家环保总局、发改委、监察部、工商总局、司法部、安全监管局六部委联合印发《关于开展整治违法排污企业保障群众健康环保专项行动的通知》;2005年6月,国务院办公厅印发《关于深入开展整治违法排污企业保障群众健康环保专项行动的通知》。
(1)将除西藏外的一带一路沿线17个省份根据地理位置与经济水平进行划分,具体分为:新疆、陕西、甘肃、宁夏、青海、内蒙古等西北6省;黑龙江、吉林、辽宁为东北3省;广西、云南为西南2省。此外,依照地理位置,将内陆地区重庆划到西南区域,广西、云南、重庆为西南3省;上海、福建、广东、浙江、海南为东南沿海5省。
(1)2000—2001年的GTFP计为2001年GTFP,以此类推。
(2)选用不会被高估的综合环境因素TP指标下的测度出的GTFP、TECHCH、EFFCH。
(1)银行在分配信贷资源时,总是习惯性地倾向于国有企业,而为国民经济做出更多贡献的民营企业,在信贷融资时,往往受到歧视或约束,即为信贷歧视。
(2)新古典经济学为基础的“遵规成本”认为,“环境投资将挤占企业的部分生产性投资,而治污外部成本的内部化会使企业以的生产成本增加为代价而制约其技术创新效率的提升”。
[2]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.
[3]谌莹,张捷.碳排放、绿色全要素生产率和经济增长[J].数量经济技术经济研究,2016,33(8):47-63.
[4]YOUNG A.Gold Into Base Metals:Productivity Growth in the People's Republic of China During the Reform Period[J].Nber Working Papers,2000,111(6):1220-1261.
[5]王裕瑾,于伟.我国省际绿色全要素生产率收敛的空间计量研究[J].南京社会科学,2016(11):31-38.
[6]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,2011,37(4):123-134.
[7]林春.中国经济全要素生产率影响因素及收敛性研究--基于省际面板数据分析[J].云南财经大学学报,2016,32(2):71-80.
[8]徐晶晶.沿海地区绿色全要素生产率测度、收敛及影响因素研究[D].杭州:浙江理工大学硕士学位论文,2015.
[9]丁黎黎,朱琳,何广顺.中国海洋经济绿色全要素生产率测度及影响因素[J].中国科技论坛,2015(2):72-78.
[10]李卫兵,梁榜.中国区域绿色全要素生产率溢出效应研究[J].华中科技大学学报(社会科学版),2017,31(4):56-66.
[11]王兵,吴延瑞,颜鹏飞.环境管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.
[12]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).
[13]陶长琪,齐亚伟.资源环境约束下我国省际全要素生产率测度分析--基于Global Malmquist-Luenberger指数[J].数量经济研究,2012,3(1):58-75.
[14]王凯风,吴超林.中国城市绿色全要素生产率的时空演进规律--基于Global Malmquist-Luenberger指数和ESDA方法[J].管理现代化,2017,37(5):33-36.
[15]王兵,肖海林.环境约束下长三角与珠三角城市群生产率研究--基于MML生产率指数的实证分析[J].产经评论,2011(5):100-114.
[16]李景睿.FDI与前沿技术进步、技术效率的关系研究--基于DEA的珠江三角洲城市面板数据分析[J].国际经贸探索,2009,25(10):46-51.
[17]刘艳.服务业FDI技术溢出效应的影响因素分析--基于中国16省市面板数据的实证研究[J].上海交通大学学报(哲学社会科学版),2012,20(3):77-85.
[18]吴伟平,何乔.“倒逼”抑或“倒退”?--环境规制减排效应的门槛特征与空间溢出[J].经济管理,2017,39(2):30-34.
[19]张海洋.人力资本吸收、外资技术扩散与中国经济增长[J].科学学研究,2005(1):64-70.
[20]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.
[21]杨文举,龙睿赟.中国地区工业绿色全要素生产率增长:--基于方向性距离函数的经验分析[J].上海经济研究,2012,24(7).
[22]杨万平,袁晓玲.对外贸易、FDI对环境污染的影响分析--基于中国时间序列的脉冲响应函数分析:1982-2006[J].世界经济研究,2008(12):62-68+86.
[23]苏梽芳,廖迎,李颖.是什么导致了“污染天堂”:贸易还是FDI?--来自中国省级面板数据的证据[J].经济评论,2011(3):97-104+116.
[24]杨世迪,韩先锋.贸易自由化的绿色生产率增长效应及其约束机制--基于中国省际面板数据的门槛回归分析[J].经济科学,2016(4).
[25]张乐.公共支出对全要素生产率的影响研究[D].杭州:浙江财经大学硕士学位论文,2015:32.
[26]曾淑婉.财政支出、空间溢出与全要素生产率增长--基于动态空间面板模型的实证研究[J].财贸研究,2013,24(1):101-109.
[27]吴翔.中国绿色经济效率与绿色全要素生产率分析[D].武汉:华中科技大学博士学位论文,2014:118.
[28]杜俊涛,陈雨,宋马林.财政分权、环境规制与绿色全要素生产率[J].科学决策,2017(9).
[29]李斌,祁源,李倩.财政分权、FDI与绿色全要素生产率--基于面板数据动态GMM方法的实证检验[J].国际贸易问题,2016(7).
[30]田银华,贺胜兵,胡石其.环境约束下地区全要素生产率增长的再估算:1998-2008[J].中国工业经济,2011,(1):47-57.
[31]李小胜,余芝雅,安庆贤.中国省际环境全要素生产率及其影响因素分析[J].中国人口·资源与环境,2014,24(10):17-23.
[32]MARX L.Environmental degradation and the ambiguous social role of science and technology[J].Journal of the History of Biology,1992,25(3):449-468.
[33]谭政,王学义.绿色全要素生产率省际空间学习效应实证[J].中国人口·资源与环境,2016,26(10):17-24.
[34]韩海彬,赵丽芬,张莉.异质型人力资本对农业环境全要素生产率的影响--基于中国农村面板数据的实证研究[J].中央财经大学学报,2014(5):105-112.
[35]顾伟,葛幼松.中国省域绿色化的时空演变及影响因素研究[J].生态经济,2018,34(4):80-85.
[36]赵成柏,毛春梅.碳排放约束下我国地区全要素生产率增长及影响因素分析[J].中国科技论坛,2011(11):68-74.
[37]屈小娥.中国省际全要素CO2排放效率差异及驱动因素--基于1995-2010年的实证研究[J].南开经济研究,2012(3):128-141.
[38]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[J].经济研究,2010,45(5):95-109.
[39]朱眉媚.我国工业环境全要素生产率影响因素研究[D].杭州:浙江财经大学硕士学位论文,2014:50.
[40]辛文.长三角地区绿色全要素生产率的测度及影响因素分析[D].镇江:江苏大学硕士学位论文,2017:39.
[41]欧阳婉桦.中国省份工业绿色全要素生产率测度及影响因素分析[D].重庆:重庆工商大学硕士学位论文,2015:57.
[42]涂正革.环境、资源与工业增长的协调性[J].经济研究,2008(2):93-105.
[43]王伟,孙芳城.金融发展、环境规制与长江经济带绿色全要素生产率增长[J].西南民族大学学报(人文社科版),2018,39(1):129-137.
[44]何宜庆,陈林心,焦剑雄,王芸.金融集聚的时空差异与省域生态效率关系研究[J].数理统计与管理,2017,36(1):162-174.
[45]张帆.金融发展影响绿色全要素生产率的理论和实证研究[J].中国软科学,2017(9):154-167.
[46]葛鹏飞,黄秀路,徐璋勇.金融发展、创新异质性与绿色全要素生产率提升--来自“一带一路”的经验证据[J].财经科学,2018(1):1-14.
[47]蔡乌赶,周小亮.中国环境规制对绿色全要素生产率的双重效应[J].经济学家,2017(9).
[48]沈可挺,龚健健.环境污染、技术进步与中国高耗能产业--基于环境全要素生产率的实证分析[J].中国工业经济,2011(12):25-34.
[49]沈能,刘凤朝.高强度的环境规制真能促进技术创新吗?--基于“波特假说”的再检验[J].中国软科学,2012(4):49-59.
[50]彭文斌,程芳芳,路江林.环境规制对省域绿色创新效率的门槛效应研究[J].南方经济,2017(9):73-84.
[51]王杰,刘斌.环境规制与企业全要素生产率--基于中国工业企业数据的经验分析[J].中国工业经济,2014(3):44-56.
[52]徐茉,陶长琪.双重环境规制、产业结构与全要素生产率--基于系统GMM和门槛模型的实证分析[J].南京财经大学学报,2017(1):8-17.
[53]宁婧.FDI、环境规制和绿色全要素生产率之间的关系研究[D].西安:西安电子科技大学硕士学位论文,2017.
[54]林永生.“一带一路”战略背景下的中国省域绿色发展:现状、问题与对策[J].中国环境管理,2016,8(2):42-46.
[55]乔虹.服务业全要素生产率研究--基于丝绸之路经济带数据[J].财经理论与实践,2016,37(2):123-128.
[56]刘峰.“一带一路”经济带上35城市的生产效率分析--基于DEA与Malmquist指数[J].内蒙古科技与经济,2016(8):47-49.
[57]陈诗一.能源消耗、二氧化碳排放与中国工业的可持续发展[J].经济研究,2009(4):41-55.
[58]李志翠,刘辉,刘克非.我国工业全要素生产率的再测度[J].统计与决策,2014(6):116-119.
[59]冯杰,张世秋.基于DEA方法的我国省际绿色全要素生产率评估--不同模型选择的差异性探析[J].北京大学学报(自然科学版),2017,53(1):151-159.
[60]蒋林萍.中国工业环境全要素生产率测算及影响因素研究[D].重庆:重庆大学硕士学位论文,2016:31.
[61]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.
[62]唐家龙.中国经济增长的源泉(1952-2007)[D].天津:南开大学博士学位论文,2009.
[63]陈刚,李树.金融发展与增长源泉:要素积累、技术进步与效率改善[J].南方经济,2009(5):24-35.
[64]徐思远,洪占卿.信贷歧视下的金融发展与效率拖累[J].金融研究,2016(5).
(1)CO__2:采用联合国政府间气候变化专门委员会(IPCC)所提供的公式算所得。
(2)选取除西藏外30个省份的工业废水排放总量、工业废水排放总量,工业固体废弃物总量、SO_2、CO_2排放量,五类污染排放物进行污染综合评价,运用SPSS19.0进行主成分分析来降维,获得综合环境指标TP。
(3)为了使指标L、E、CO_2、S0_2、COD、K、GRP、TP更具可比性,并将指标归到最适宜观测的范围,在实证分析前,本文采用了阙值法对每个指标进行标准化处理,将指标范围确定在[100,1000]。
(4)国家发展改革委、外交部、商务部联合发布的《推动共建丝绸之路经济带和_21世纪海上丝绸之路的愿行动》中指出,一带一路的重点省份总共有18个:新疆、陕西、甘肃、宁夏、青海、内蒙古、黑龙江、吉林、辽宁、广西、云南、西藏、上海、福建、广东、浙江、海南、重庆。
(1)2004年4月,国家环保总局、发改委、监察部、工商总局、司法部、安全监管局六部委联合印发《关于开展整治违法排污企业保障群众健康环保专项行动的通知》;2005年6月,国务院办公厅印发《关于深入开展整治违法排污企业保障群众健康环保专项行动的通知》。
(1)将除西藏外的一带一路沿线17个省份根据地理位置与经济水平进行划分,具体分为:新疆、陕西、甘肃、宁夏、青海、内蒙古等西北6省;黑龙江、吉林、辽宁为东北3省;广西、云南为西南2省。此外,依照地理位置,将内陆地区重庆划到西南区域,广西、云南、重庆为西南3省;上海、福建、广东、浙江、海南为东南沿海5省。
(1)2000—2001年的GTFP计为2001年GTFP,以此类推。
(2)选用不会被高估的综合环境因素TP指标下的测度出的GTFP、TECHCH、EFFCH。
(1)银行在分配信贷资源时,总是习惯性地倾向于国有企业,而为国民经济做出更多贡献的民营企业,在信贷融资时,往往受到歧视或约束,即为信贷歧视。
(2)新古典经济学为基础的“遵规成本”认为,“环境投资将挤占企业的部分生产性投资,而治污外部成本的内部化会使企业以的生产成本增加为代价而制约其技术创新效率的提升”。
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |