资源与政策约束下中国工业能源错配引致绿色全要素生产率损失测度：基于时间与空间效应的分析

《Sustainability》：Measurement of the Loss of Green Total Factor Productivity in Chinese Industry Caused by Energy Misallocation: A Temporal and Spatial Effect Based on Resource and Policy Constraints

　　

中国实现了快速工业发展，但与此同时，能源供给趋紧与环境退化问题日益突出。提升绿色全要素生产率（GTFP）已成为中国工业转型的核心任务。研究基于2008—2020年中国30个省份的工业投入产出数据，创新性地扩展了Hsieh–Klenow框架，将土地、能源与环境污染纳入投入要素，并结合空间杜宾模型（SDM），量化能源错配与要素价格扭曲所导致的工业GTFP损失，并检验其空间溢出效应。结果表明，资源错配造成了显著的省际工业GTFP损失，损失率介于13.96%—32.57%之间，其中能源错配是最重要的来源。通过比较无能源扭曲情景下的有效GTFP与观测GTFP可知，若消除能源错配，在样本期内中国省际工业GTFP平均水平可提高约40%。在空间上，GTFP损失呈现显著集聚特征，主要集中于西北地区，尤其是黄河流域，而长江流域与东南沿海地区损失水平相对较低。此外，工业GTFP损失还表现出显著的空间相关性与空间溢出效应。环境规制能够降低本地GTFP损失，但也可能通过产业转移或污染溢出等机制提高邻近地区损失。为支持中国工业可持续发展，这些发现表明，需要提高能源配置效率、加快技术升级与人才投入，并实施更严格且更具针对性的环境规制。

该文发表于《Sustainability》，围绕中国工业绿色转型中的关键瓶颈——能源错配问题——展开系统研究，核心关注资源与政策双重约束下绿色全要素生产率（GTFP）的损失形成机制及其时空分异。研究背景在于，中国工业长期依赖高投入、高能耗、高污染的发展模式，虽然支撑了工业增加值和经济总量的快速扩张，但也带来了能源供给趋紧、环境承载压力加剧以及要素配置效率下降等结构性问题。在劳动、土地等传统要素成本持续上升的背景下，单纯依靠要素扩张的粗放增长方式难以为继，工业增长必须转向以技术进步和效率提升为主导的绿色发展路径。已有研究较多聚焦资本、劳动、土地等传统要素错配，而对能源错配及其在环境约束下引致的绿色效率损失关注相对不足。正因如此，研究人员将能源要素与污染排放共同纳入统一分析框架，以识别中国工业GTFP损失的关键来源，并解释不同地区之间差异化的演化特征。

研究人员基于Hsieh–Klenow模型（用于分析要素价格扭曲与资源错配的经典框架）进行扩展，在生产函数中同时引入资本、劳动、土地、能源与SO₂排放，将SO₂视为环境约束下的特殊投入要素，从而构建绿色资源错配分析框架。在此基础上，文章利用2008—2020年中国30个省份工业投入产出数据，测算省际工业GTFP、有效GTFP及由资源错配和能源错配带来的GTFP损失，并进一步结合空间杜宾模型（SDM，能够同时刻画本地效应与空间溢出效应的空间计量模型）考察资源约束、环境规制及控制变量对工业GTFP损失的影响。研究结论表明，中国工业存在较为显著的资源错配，且能源错配是造成绿色效率损失的最重要因素；若能源配置效率得到改善，中国省际工业GTFP整体水平仍有较大提升空间。与此同时，工业GTFP损失在空间上呈现明显集聚，西北地区特别是黄河流域损失较高，而长江流域和东南沿海地区相对较低。环境规制能够降低本地损失，但会通过产业迁移等机制对邻近地区形成不利外溢，这一发现凸显了区域协同治理的重要性。文章的重要意义在于，从绿色发展视角识别出能源错配对工业效率损失的核心作用，为优化能源配置、完善区域环境治理和推动工业绿色转型提供了实证依据。

在方法上，作者主要采用了三类关键技术路径。首先，基于扩展的Hsieh–Klenow框架与Cobb–Douglas生产函数（CD生产函数）测度省际工业资源错配、能源错配及其对应的GTFP损失，并通过CES生产函数将省级结果汇总至全国层面。其次，使用2008—2020年中国30个省份工业相关面板数据构建研究样本，样本不含西藏及港澳台地区，个别年份缺失值采用线性回归方式估算。再次，在空间分析部分，研究人员通过Moran’s I指数检验空间自相关，在完成LM检验、Hausman检验和LR检验后，建立空间杜宾模型，分别考察资源约束、环境规制及相关控制变量的本地效应与空间溢出效应，并通过替换被解释变量开展稳健性检验。

在“4.1. Time-Series Analysis of Industrial GTFP Loss Caused by Resource Mismatch”部分，文章首先从时间序列维度揭示资源错配造成的全国工业GTFP损失演变。结果显示，2008—2020年中国省际工业GTFP损失率介于13.96%—32.57%之间，说明工业资源配置效率并未达到最优状态，且总体上存在持续偏离最优配置的趋势。若资源实现合理配置，中国现有省际工业GTFP水平可获得相应提升。进一步看，这一损失过程呈“M型”波动特征，可分为四个阶段：2008—2011年小幅下降，2011—2014年先升后降，2014—2017年显著上升后回落，2017—2020年再度增长。文章据此指出，工业GTFP损失的阶段性变化与工业扩张、结构调整及能源政策演变具有时间上的对应关系。

在同一部分关于能源错配的分析中，研究人员进一步比较了实际GTFP与“无能源扭曲情景”下的有效GTFP。结果表明，2008—2020年由能源错配造成的全国工业GTFP损失率处于29.42%—44.91%之间，显著高于一般资源错配所对应的损失水平。这意味着，能源要素扭曲是工业绿色效率损失的核心来源。通过比较消除能源扭曲后的有效总生产函数与实际总生产函数，研究人员发现，样本期内中国省际工业GTFP平均水平可提高约40%，表明能源优化配置对工业绿色转型具有极强的效率增益效应。

在“4.2. The Spatial Pattern Changes in China’s Industrial GTFP Losses Caused by Energy Misallocation”部分，文章从空间分布角度分析能源错配引致的工业GTFP损失格局。总体上，2008—2020年这一损失呈现连续集聚特征，高损失与较高损失省份数量缓慢增加，并逐步向西北地区集中，尤其以黄河流域最为突出；中低损失省份则主要分布在长江流域和东南沿海地区。分阶段看，2014—2017年空间格局变化最为明显，新疆、甘肃、宁夏、内蒙古、黑龙江等地损失程度由中等升至较高或高水平，而河北、天津、贵州、浙江等地则有所下降。这一过程逐步确立了“西北高、东南低”的基本空间结构。到2020年，该空间格局进一步巩固，高损失区域沿黄河流域扩展，东南沿海低损失集聚更加明显。由此可见，工业GTFP损失不仅具有明显地区差异，而且具有较强的空间依赖性。

在“4.3. Empirical Regression of SDM Model for GTFP Loss in the Chinese Industry”部分，研究人员先后完成面板单位根检验、多重共线性检验、全局与局部Moran’s I检验、LM检验、Hausman检验和LR检验，以确保空间计量估计的适用性和稳健性。单位根检验表明主要变量在一阶差分后平稳，不存在伪回归问题；相关系数与方差膨胀因子（VIF）结果说明解释变量之间不存在严重多重共线性；Moran’s I显著为正，表明中国省际工业GTFP损失具有显著空间正相关。进一步的LM检验支持采用具有空间效应的面板模型，LR检验显示空间杜宾模型不能退化为SAR或SEM模型，因此SDM是合适的经验分析工具。这一部分的主要贡献在于为后续机制识别提供了严谨的统计基础。

在“4.4.1. Spatial Durbin Model Regression of Resource Constraints on Industrial GTFP Loss”部分，文章分析资源约束对工业GTFP损失的形成机制。结果表明，空间滞后项W × lngtfp为正，说明工业GTFP损失存在显著空间溢出效应，即本地损失变化会影响邻近地区。资源约束变量的回归系数为正，且在邻接权重矩阵下显著，说明能源资源禀赋约束会提高工业GTFP损失。技术水平变量系数显著为负，表明科技研发投入有助于降低损失；劳动成本变量也显著为负，说明劳动成本上升与效率改善、技术提升相关，能够抑制损失。外商投资变量虽为负，但不显著；产业结构变量为负，表明在本文设定下相关产业构成变化与损失下降相关。对于空间外溢项，劳动成本和外商投资能够降低周边地区GTFP损失，而本地采矿业比重上升会提高邻近地区损失，显示出产业集聚与资源承载约束的区域联动效应。

在“4.4.2. Durbin Model Regression of the Impact of Policy Constraints on Industrial GTFP Loss”部分，研究人员考察环境规制的作用。结果显示，环境规制变量回归系数显著为负，说明环境规制能够促进工业GTFP提升、降低本地损失，这与“波特假说”（Porter hypothesis，即适度环境规制可激励创新并提升生产率）的机制一致。研究认为，污染收费与环境约束会促使企业加强技术研发、改善污染治理、开发绿色产品和绿色技术，进而提升绿色效率。然而，环境规制的空间滞后项显著为正，说明一地环境规制强化后，邻近地区工业GTFP损失可能上升。文章据此指出，企业与污染活动可能因地区间规制差异而发生转移，从而形成跨区域的负向外溢效应。这一结果说明环境政策不仅具有本地治理效果，也伴随显著的区域再分配后果。

在“4.4.3. Robustness Check: Alternative Dependent Variable”部分，作者以节能减排效率（esev）替代工业GTFP损失指标进行稳健性检验。由于该替代指标属于正向效率指标，其回归系数方向应与基准回归相反。结果表明，资源禀赋与环境规制等关键变量的估计方向与理论预期一致，验证了模型设定与核心结论的稳健性。研究人员据此认为，将SO₂纳入CD生产函数并扩展HK框架，为分析要素错配与绿色效率损失提供了具有理论基础的方法体系。

讨论部分首先将本文发现与既有文献进行比较。文章指出，资源错配与工业GTFP损失的总体估计结果与关于中国要素扭曲抑制生产率的已有研究大体一致，但本文进一步把能源使用与污染排放显式纳入多要素框架，并以损失率形式进行量化，因而更直接地揭示了能源错配在绿色效率损失中的主导作用。就政策变量而言，环境规制降低本地GTFP损失的发现支持了环境规制促进生产率提升的作用渠道，而其增加邻近地区损失的结果则补充了现有研究对空间外溢维度关注不足的问题。随后，作者概括了研究创新，主要包括三方面：其一，在理论层面引入绿色要素，以SO₂排放刻画环境约束，构建工业GTFP损失分析；其二，在方法层面扩展经典HK模型，将土地、能源与SO₂共同纳入生产函数；其三，在研究视角上结合时间演化与空间格局分析工业GTFP损失的形成机制。文章也指出两点不足，即数据层面仍受统计口径与可得性限制，且模型假设采用规模报酬不变，可能对省际工业GTFP水平存在一定高估。尽管如此，研究仍清晰表明，工业绿色转型不仅取决于本地技术进步和能源效率改善，也取决于区域间政策协同与要素流动治理。

结论部分指出，基于2008—2020年中国30个省份工业投入产出数据，并结合扩展的Hsieh–Klenow框架与空间计量方法，研究系统分析了能源错配导致的工业绿色全要素生产率损失及其空间特征。结果表明，中国工业部门存在较为显著的资源错配，2008—2020年省际工业GTFP损失率总体处于13.96%—32.57%之间，说明工业资源配置效率尚未达到最优水平，并且这种损失在时间上呈现明显阶段性特征。进一步分析表明，能源要素错配在工业生产效率损失中发挥重要作用，若能源要素配置更加有效，中国省际工业GTFP总体水平将显著提升，说明工业能源配置效率仍有较大改进空间。从空间维度看，工业GTFP损失具有明显区域集聚特征，高损失地区日益集中于西北地区，尤其是黄河流域，而相对低损失地区主要分布于长江流域和东南沿海地区，这反映出区域工业结构、资源禀赋与能源利用效率的差异。此外，工业GTFP损失存在显著空间相关性与一定空间溢出效应，资源禀赋条件与环境规制政策均与区域GTFP损失水平相关，其中能源资源约束可能通过限制技术改进和降低生产效率而加剧损失，环境规制则可通过促进技术升级与提高能源利用效率降低本地损失，但同时也可能通过产业转移等机制影响邻近地区。总体而言，中国工业部门仍存在较突出的要素错配问题，其中能源错配尤为明显，因此，提高能源要素市场化配置效率、加强区域间能源与环境治理政策协同、推动技术进步和产业结构升级，对于降低工业GTFP损失、促进工业绿色转型具有重要意义。