1、工 商 管 理 中央财经大学学报 2015 年第 1 期 收 稿 日 期 2014 07 12 作者简介 李小胜 ， 男 ， 安徽枞阳人 ， 安徽财经大学统计与应用数学学院副教授 ， 经济学博士 ， 主要研究方向为经济统计学 ; 宋马林 ，男 ， 安徽蚌埠人 ， 安徽财经大学统计与应用数学学院教授 ， 管理学博士 ， 主要研究方向为环境绩效评价 。 基金项目 国家社科基金一般项目 “资源环境约束下全要素生产率增长的测度方法拓展与实证分析研究 ” ( 项目编号 14BTJ011) ; 国家自然科学基金项目 “面向大数据的环境绩效评价理论 、方法及其应用研究 ”( 项目编号 71471001) 。
2、感谢匿名评审人提出的修改建议 ， 笔者已做了相应修改 ， 本文文责自负 。环境规制下的全要素生产率及其影响因素研究Total Factor Productivity under the Environmentalegulation and Its Influencing Factors李 小 胜 宋马林LI Xiao-sheng SONG Ma-lin( 安徽财经大学统计与应用数学学院 蚌 埠 233030) 摘 要 笔者 利 用中国 19972011 年 30 个省份投入产出数据 ， 采用考虑环境的方向性距离函数方法研究了 Malmquist-Luenberger 生产率指数及其分解技术进步
3、指数和技术效率指数 。研究发现 ，中国的环境全要素生产率是上升的 ; 考虑环境因素的全要素生产率增长高于不考虑环境情况下的数值 ; 环境全要素生产率指数的提高主要来自于技术进步 。笔者进一步基于空间面板 Tobit 回归模型的环境全要素生产率影响因素分析表明 ， 人均收入水平的提高是环境全要素生产率增长的重要原因 ; 结构调整和城市化进程的加快对其产生负向的作用 ; 技术进步和对外开放水平的提高促进了环境全要素生产率的上升 。这些结论表明今后改革的方向应该是继续发挥技术进步的作用 ， 注重经济结构和对外贸易结构的调整以及加快城市化进程的同时要注意环境保护意识 。 关键词 环境生产技术 方向性距
4、离函数 Malmquist-Luenberger 生产率指数 空间面板 Tobit回归 中图分类号 F062 文献标识码 A 文章编号 1000 1549 ( 2015) 01 0092 07Abstract: Environmental regulation and Malmquist-Luenberger method through directional distance func-tion were applied in this paper to analyze the productivity index and its decomposition technological p
5、rogressand technological efficiency index based on the input output data of 30 provinces in China from the year 1997to 2011 The results showed that our environmental TFP is rising; the TFP growth considering environmentalfactors is higher than that without them; the improvement of environmental TFP
6、index is mainly from techno-logical progress The factors analysis of environmental TFP based on Spatial Panel Tobit regression modelshowed that the increase of per capita income levels is the important reasons for total factor productivitygrowth， structural adjustment and accelerating urbanization p
7、rocess have negative effects on it; technologicaladvances and the improvement of the level of opening up promote the rise of environmental TFP These resultsindicate the future reform should be continue to pay attention to technological progress， the adjustment of eco-nomic structure and foreign trad
8、e structure， when speed up the process of urbanization， also should pay atten-tion to the environmental protection consciousnessKey words: Environmental production technology Directional distance function Malmquist-Luenbergerproductivity index Spatial panel tobit regression29中 央 财 经大学学报 2015 年第 1 期
9、工商管理 一 、引言环境政策的实施对生产率以及经济增长速度都会产生深远的影响 ， 这导致很多国家在环境政策制定和环境协定的签约上迟疑 。因为环境政策的实施一方面会导 致投入要素发生变化 ， 从而导致产出发生减少 ;另一方面环境政策的实施会导致技术创新 、新技术的引进和管理效率的提高 ， 从而会导致产出发生增长效应 。这两个方面的影响都与生产率的增长是相关的 ，但是传统的生产率测量技术没有考虑生产活动中环境污染的影响 ， 导致这两个方面的作用大小没有办法分清 。随着环境问题的日益严重 ， 环境对社会各个方面的影响日益广泛 ， 不考虑环境影响的生产率增长测量结果经常不准确 。这主要是由于没有合理地
10、界定环境污染产出定价和测量环境规制下生产率增长的合适模型 。随着这个问题研究的深入 ， Chung 等提出的基于方向性距离函数的环境全要素生产率测量模 型 ， 能 较好地处理好的期望产出和坏的非期望产出同时生产的问题 。该方法有效地克服了传统的全要素生产率增长测量模型对非期望产出不加考虑的情况 ; 也避免了以往模型即使考虑了非期望产出但是对非期望产出处理不当的问题 。由于这种方法只需要投入 、期望产出和非期望产出的数据 ， 不需要价格等信息 ， 以及方法的合理性 ， 国内外产生了大量的应用该种方法对考虑环境规制下全要素生产率增长的分析文献 。为了能够合理地描述既包含期望产出又包含非期望产出的环
11、境生产技术 ， 不同的学者提出了不同的处理办法 。一个简单的处理办法就是把非期望产出作为投入 ， Hailu 和 Veeman将非期望产出变换为投入 ，再进行线性规划 求 解 。Scheel把非期望产出值的导数看成期望产出 ， 但是将非期望产出作为投入处理会导致物质平衡方程的冲突 ; 把非期望产出值的倒数看成 期望 产出 ， 在非期望产出的量级不同时会导致极端值的出现 。现已被普遍认同的一个观点是 Fre 等提出的非期望产出的弱可处置性和零结合性 ， 但是 这 种非线性规划 ， 求解时极不方便 ， 应用上受到了限制 。直到 Chung 等提出的基于方向性距离函数的环境全要素生产率的测量方法 ，
12、 有效地将期望产出和非期望产出进行结合 ， 而且易于求解和经济含义明确 ， 受到国外学者的广泛应用 。国内胡鞍钢等首先将多种污染排放指标作为非期望产出引入生产率模型 ， 使 用 了 上述的基于方向性距离函数的 Malmquist-Luenberger 指数法测度了我国各省的技术效率 。随后 ， 不少国内学者也采用该方法分别从国家层面 、区域层面和行业层面研究了引入不同环境变量后的全要素生产率以及经济发展 、资源和环境之间的协调性 。在上述文献的实证过程中 ， 我们发现依据环境技术的全要素生产率分析 ， 很多规划技术通常情况下都没有解 ， 对于中国省份的研究 ， 如果删去没有解的省份 ， 能分析
13、的省份就很少 。Fre 等采用 的方 法是 “移动窗 ”DEA 技术 ， 就是以当期和前两期的投入产出作为参考前沿进行分析 ， 部分地避免了生产前沿面 “凹陷 ”和技术退步的情况 。另一个解决办法是采用不同的污染指标组合 。本文采用这种“移动窗 ”DEA 技术 ， 考虑了不同的非期望产出与投入数据的组合 ， 发现 CO2作为 非期望产出时无解的 情况较多 ， SO2作为非期望产出规划 几 乎都有解 。为了使污染物指标的选择全面些 ， 本文又考虑了SO2和 CO2两类 污 染物 ， 发现没有解的情况也较少 ， 而且这两类污染指标也集中地反映了中国环境问题 ， 所以本文采用这两种污染物作为非期望产
14、出 。在得到环境效率指数后 ， 很多文献都分析了影响效率和生产率的因素问题 ， 但是他们应用的主要是经典的面板回归模型 ， 而这种模型并不适合分析因变量的取值受到限制的情况 。为了避免上述情况的发生 ， 本文采用这种 “移动窗 ”DEA 分析技术 ，得到全要素生产率及其分解情况 ; 最后本文应用空间面板 Tobit 模型对影响因素进行分析 ， 并给出具体的结论 。39Chung， Y. ， Fre， . and Grosskopf， S. Productivity and Undesirable Outputs: a Directional Distance Function Approach
15、 J Journal of Environmen-tal Management， 1997， 51 ( 3) : 229 240Hailu， A. and Veeman， T. S. Environmentally Sensitive Productivity Analysis of the Canadian Pulp and Paper Industry， 19591994: An Input DistanceFunction Approach J Journal of Environmental Economics and Management， 2000， 40 ( 3) : 251 2
16、74Scheel， H. Undesirable Outputs in Efficiency Valuations J， European Journal of Operational esearch， 2001， 132 ( 2) : 400 410Fre， . Grosskopf， S. and Pasurka， C. Multilateral Productivity Comparisons when Some Outputs Are Undesirable: A Nonparametric Approach J eview of Economics and Statistics， 19
17、89: 90 98胡 鞍钢 等 考虑环境因素的省级技术效率排名 ( 19992005) J 经济学季刊 ， 2008， 7 ( 3) : 933 960Fre， . Grosskopf， S. and Pasurka， C. Accounting for Air Aollution Emissions in Measures of State Manufacturing Productivity Growth J Journal ofegional Science， 2001， 3 ( 41) : 381 409工 商 管 理 中央财经大学学报 2015 年第 1 期二 、研究模型和数据来源(
18、 一 ) 研究 模 型假设中国各个省份应用 N 种投入 x = ( x1， ，xN) N+， 生 产 出 M 种 “好 ”产 出 y =( y1， ， yM) M+和 J 种 “坏 ”产出 b =( b1， ， bJ) J+。P( x) 表示给定投入情况下可行的产出集 。我们假设期望产出和 非期望产出具有零 结 合性 ， 即满足 ( y， b) P( x) ， b =0 时 y =0 和 ( y， b) P( x) ， 当 yy 时 ，那 么 ( y， b) P( x) 。相 反 ， 非期望产出是弱可处置的 ， 当 ( y， b) P( x) ， 且 01 时 ， 那么( y， b) P( x
19、) 。在定义了环境技术后 ， 我们还需要方向性距离函数 ， 该函数寻求既定的方向性向量下产出最大化投入和坏产出的最小化 。考虑方向性向量g = ( gx， gy， gb) ， 那么基于产出的方向性距离函 数 可 以表示为珝Do( x， y， b; gx， gy， gb) = sup: ( x gx， y + gy， b gb) P( x ) ， 表 示 按照 方向向量 g = ( gx， gy， gb) ， 期望 产 出增加 、非期望产出和投入减少的最大比例 。若有珝Do( x， y，b; gx， gy， gb) =0， 表明该省份位于前沿面上 ，是 技 术 有效的 ; 若珝Do( x， y，
20、 b; gx， gy， gb) 0， 表明 该 省份的生产过程技术非有效 ， 需要进一步改进 。根据方向性距离函数可以构造 Malmquist-Luen-berger 生产率指数 ， 本文中我们按照 Fre 等的设定 ，假设投入的方向不变 ， 期望产出和非期望产出按照自身的比例进行缩减 ， 即 gy= yt和 gb= bt， 那么 基 于 t期技术的 Malmquist-Luenber-ger 生产率指数为 :MLt=1 +珝Dt0( xt， yt， bt; yt， bt )1 +珝Dt0( xt +1， yt +1， bt +1; yt +1， bt +1 )( 1)基于 t +1 期技术为
21、参照系 的 Malmquist-Luenberg-er 生产率指数为 :MLt +1=1 +珝Dt +10( xt， yt， bt; yt， bt )1 +珝Dt +10( xt +1， yt +1， bt +1; yt +1， bt +1 )( 2)由于依据不同时期为参照系的指数测量具有随意性 ， 根据 Fisher 指数编制的思想 ， Chung 等采用上述两种测量的几何平均表示 ， 那么从 t 期到 t +1 期的指数可以表述为 :MLt +1t=1 +珝Dt0( xt， yt， bt; yt， bt )1 +珝Dt0( xt +1， yt +1， bt +1; yt +1， bt +1
22、 )1 +珝Dt +10( xt， yt， bt; yt， bt )1 +珝Dt +10( xt +1， yt +1， bt +1; yt +1， bt +1 )1/2( 3)上述的指数和传统的 Malmquist 指数类似 ， 可以分解为技术效率指数 ( EFFCH) 和技术进步指数( TECH) ， MLt +1t= EFFCHt +1t TECHt +1t， 其中 :EFFCHt +1t=1 +珝Dt0( xt， yt， bt; yt， bt )1 +珝Dt +10( xt +1， yt +1， bt +1; yt +1， bt +1 )( 4)TECHt +1t=1 +珝Dt +10(
23、 xt， yt， bt; yt， bt )1 +珝Dt0( xt， yt， bt; yt， bt )1 +珝Dt +10( xt +1， yt +1， bt +1; yt +1， bt +1 )1 +珝Dt0( xt +1， yt +1， bt +1; yt +1， bt +1 )1/2( 5)MLt +1t大于 1 表 示环境全要素生产率进步 ， 小 于 1表示退步 ， 等于 1 表示不变 。TECHt +1t表示生产 前 沿面的移动 ， 即技术的进步 ， 大于 1 表示生产更多的期望产出 ， 产生较少的非期望产出 ， 小于 1 表示技术的退步 ，即产生较多的非期望产出和生产较少的期望产出
24、。EFF-CHt +1t表 达 的 是技术效率的变化 ， 即离前沿面的距离 ，大于 1 表示从 t 期到 t +1 期该地区距前沿面的距离缩短了 ， 小于 1 表示离前沿面的距离增加了 。方向性距离函数可以通过求解线性规划的方法得出 ， 对于某个具体的地区 k的 t 期方向性距离可以通过下式表示 :Max =珝Dto( xt， k， yt， k， bt， k; yt， k， bt， k)s. t.Kk =1ztkytkm( 1 + ) ytkmm = 1， 2， ， MKk =1ztkbtkj= ( 1 ) btkjj = 1， ， JKk =1ztkxtknxtknn = 1， ， Nztk
25、0 k = 1， ， K ( 6)对 于 跨 期的规划问题可以参照 Fre 等的设置进行求解 。( 二 ) 数据的来源及处理本文的投入数据主要包括各个省份的劳动投入 、能源消费和资本投入 ， 其中劳动投入用就业人员来表示 ， 单位为万人 。能源消费来自 中国能源统计年鉴 各年 ， 单位为万吨标准煤 。由于各个国家都没有资本的投入数据 ， 国内外文献对资本存量的数据大多采用永续盘存法来测算 。本文也采用该种方法进行估计 ， 折旧率采用的是 10%， 投资的数据现有的观点是采用固定资本形成总额数据的比较多 ， 这个指标直接从 中国统计年鉴 上可以找到 ， 投资品的价格指数我们采用固定资产投资价格指
26、数进行表示 。期初的资本存量 ， 我们采用 1997 年的固定资本形成总49中 央 财 经大学学报 2015 年第 1 期 工商管理 额除 以 折旧率 10%和 19972011 年各省份 GDP 的平均增长速度得到 ， 至此 ， 我们就得到了以 1997 年为基期的资本存量数据 。对于期望产出我们直接采用中国统计年鉴上公布的各个省份 1997 年的 GDP 产值( 不变价 ) ， 乘以后续各年的 GDP 发展速度得到 。非期望产出采用 SO2和 CO2排放 数 据 ， 其中 SO2排放的 数 据直接来自 中国环境统计年鉴 ; CO2排放 指标 ， 由 于年鉴上没有公布 ， 本文采用肖明月 、
27、方言龙的核算方式得到 ， 单位 为 万吨 。三 、环境全要素生产率分析为了防止规划 ( 6) 出现无解的情况 ， 我们对参考的前沿面进行 “移动窗 ”估计 。Fre 等发现 ， 非期望产出的选择会导致线性规划有解的情况是不一样的 ， 他们采用 SO2和 CO2作为非期望产出时情况好多 了 。本 文 研究发现 SO2和 CO2数据作为非期望产出时有解的情况比较多 ， 但是采用其他的污染指标时有解 的 情况比较少 ， 即使是采用这两个非期望产出 ，个别省份在个别年份仍然没解 。根据距离测量公式( 6) ， 我们得到不同时间的距离取值 ， 接着我们可以应用公式 ( 3) 、( 4) 、( 5) 得到
28、 19992011 年各个省份 Malmquist-Luenberger 生产率指数及其分解技术效率指数和技术进步指数 ， 根据这样的原理我们得到各个省份的三类指数如表 1 所示 。表 1 19992011 年 30 个省份环境全要素生产率指数及其分解省份Malmquist-Luenberger 指数 不考虑环境的 Malmquist 指数ML EFFCH TECH M EFF TE北京 1. 076 0 1. 000 0 1. 076 0 1. 025 0 0. 994 0 1. 031 0天津 1. 042 0 0. 982 7 1. 070 8 1. 010 0 0. 970 0 1.
29、042 0河 北 1. 046 3 1. 023 4 1. 020 5 0. 995 0 1. 015 0 0. 980 0山西 0. 827 8 0. 966 3 1. 003 9 0. 934 0 0. 955 0 0. 978 0内蒙古 0. 958 3 0. 958 5 1. 020 2 0. 947 0 0. 933 0 1. 015 0辽宁 1. 093 6 1. 000 0 1. 093 6 1. 028 0 1. 002 0 1. 026 0吉 林 0. 990 4 0. 978 6 1. 012 0 0. 985 0 0. 9620 1. 024 0黑龙江 1. 025 9
30、1. 004 4 1. 021 5 0. 995 0 0. 996 0 1. 000 0上海 1. 124 1 1. 000 0 1. 124 1 1. 053 0 1. 000 0 1. 053 0江苏 1. 046 7 0. 995 9 1. 046 7 1. 020 0 0. 997 0 1. 024 0浙 江 1. 050 4 1. 012 3 1. 037 7 1. 034 0 1. 013 0 1. 020 0安徽 1. 012 7 1. 011 6 1. 001 1 1. 001 0 1. 004 0 0. 997 0福建 1. 026 2 0. 991 5 1. 035 0 1
31、. 012 0 0. 994 0 1. 018 0江 西 0. 988 4 1. 008 0 0. 980 5 0. 991 0 0. 995 0 0. 996 0山东 1. 019 4 0. 996 1 1. 023 5 0. 982 0 0. 980 0 1. 002 0河南 1. 006 5 0. 996 9 1. 009 6 0. 989 0 0. 985 0 1. 004 0湖 北 1. 019 6 1. 008 5 1. 011 1 0. 995 0 0. 995 0 1. 001 0湖南 0. 995 0 0. 994 6 1. 000 4 0. 966 0 0. 971 0 0
32、. 995 0广东 1. 030 8 1. 000 0 1. 030 8 1. 000 0 0. 996 0 1. 003 0广 西 1. 023 2 0. 987 7 1. 036 0 0. 981 0 0. 984 0 0. 997 0海南 1. 049 0 1. 000 0 1. 049 0 1. 008 0 0. 998 0 1. 010 0重 庆 0. 962 1 0. 963 0 0. 999 0 0. 957 0 0. 961 0 0. 995 0四 川 1. 001 9 1. 004 2 0. 997 6 0. 987 0 0. 984 0 1. 003 0贵 州 1. 003
33、 2 0. 994 0 1. 009 3 0. 955 0 0. 980 0 0. 975 0云 南 0. 991 4 0. 997 5 0. 993 9 0. 979 0 0. 986 0 0. 992 0陕 西 0. 993 5 0. 995 6 0. 997 9 0. 977 0 0. 976 0 1. 001 0甘 肃 0. 959 9 1. 006 2 0. 953 9 0. 969 0 0. 993 0 0. 976 0青 海 0. 982 8 0. 971 9 1. 011 3 0. 952 0 0. 966 0 0. 985 0宁 夏 0. 930 6 0. 947 2 0.
34、982 4 0. 931 0 0. 952 0 0. 978 0新 疆 1. 011 1 0. 987 1 1. 024 3 1. 019 0 0. 983 0 1. 036 0平均 1. 008 2 0. 992 6 1. 021 9 0. 989 0 0. 984 0 1. 005 059 肖 明月 ， 方 言龙 FDI 对中国东部地区碳排放的影响 J 中央财经大学学报 ， 2013 ( 7) : 59 64工 商 管 理 中央财经大学学报 2015 年第 1 期从表 1 中我们可以看到 20002011 年 30 个 省 份考虑环境的全要素生产率指数出现上升的趋势 ， 年均上升 0. 8
35、2 个百分点 。绝大多数省份的环境全要素生产率指数都是大于 1 的 ， 表明考虑环境因素的情况下生产率仍然是上升的 ， 这些结论与胡鞍钢等的结论是一致的 ， 他们得到传统的 TFP 年均增长为 3. 19%。从表中我们看到上海市的环境全要素生产率增长最快 ，年均增长 12. 4%， 辽宁 、北京 、浙江紧随其后 ， 分别年均增长 9. 36%、7. 6%和 5. 04%。环境全要素生产率指数增长较快的省份几乎都是发达省份和东部沿海省份 ， 包括江苏 、天津 、海南 、广东等 。环境全要素生产率指数出现下降的省份多数是西部省份和中部省份 ，以及重工业和环境污染产业比较严重的省份 ， 其中山西的环
36、境全要素生产率指数最低 ， 数值为 0. 827 8， 年均下降 17. 22%， 这个结论与国内很多文献的结论是一致的 。作为资源大省 ， 山西省在经济发展方式和环境保护方面的协调性不够 ; 其次是宁夏和内蒙古两个省份 ， 分别年均下降 6. 94% 和 4. 17%。这种现象表明中部和西部地区在经济快速发展的同时 ， 出现了以严重破坏生态环境和资源耗竭为代价的粗放型增长模型 。从技术效率 ( EFFCH) 来看 ， 落后的省份还是宁夏和内蒙古等西部省份 ， 技术效率分别年均下降5. 28%和 4. 15%。技术效率较高的省份是河北和浙江 ， 分别是 2. 34% 和 1. 23%。总的来看
37、技术效率虽然出现了下降 ， 但仍为 0. 992 6， 技术效率在发达省份都是上升的趋势 。从技术进步指数来看 ， 这个指标的排名和环境全要素生产率的排名是一致的 ， 都是一些发达省份排名靠前 。发达地区无论在技术效率还是技术进步方面都比中西部地区高 。在表 1 中我们对不考虑环境约束下的全要素生产率进行估计 ， 得到的结果是全要素生产率指数为 98. 4%， 出现了年均下降1. 6 个百分点的情况 。全要素生产率的取值主要取决于技术进步的提高 ， 这个结论和考虑环境约束情况下的结论是一致的 。且考虑环境约束情况下的全要素生产率估计的结果大于不考虑环境情况下的估计结果 。从各年份的角度来考察环
38、境全要素生产率及其分解 ， 我们发现环境全要素生产率呈现出一种逐年上升的趋势 。从 19992000 年的 0. 952 3 上升到 20102011 年的 1. 007 2， 年平均上升 1. 09 个百分点 。技术效率指数呈现逐年下降的趋势 ， 年均下降 0. 74 个百分点 。从时间的角度看 ， 环境全要素生产率的提高也是得益于环境技术效率的提高 ， 环境技术效率年均提高 1. 84 个百分点 ， 这种分析同截面的结果是一样的 。采用传统的 Malmquist 指数从时间角度进行分析 ， 结论和采用方向性距离函数得到的结论基本是一致的 。对上述数据我们可以看出两种测量方法下全要素生产率和
39、技术进步指数都是呈现上升的趋势 ， 技术效率呈现下降的趋势 。这从某种程度上说明来自 20世纪 90 年代后期的国有企业改革 、制度创新释放出的减员增效 、资源优化配置等效率作用逐渐降低 。技术进步作用取代技术效率的作用 ， 在环境保护和生产率进步方面 ， 技术的创新始终是原动力 。四 、环境规制下的全要素生产率影响因素的空间面板 Tobit 回归由于环境全要素生产率是一个大于 0 的受限因变量 ， 所以本文采用受限因变量的面板 Tobit 模型来研究环境效率的影响因素 。考虑到中国经济的发展迅速 ， 地区间竞争和合作并存 、基础设施建设发达以及信息的流动较快 ， 省份之间环境技术的采用有可能
40、具有一定的传播机制 ; 另外环境污染通常是公共产品 ，相邻省份间的排放行为很可能具有相互模仿效应 。本文采用空间面板 Tobit 模型对环境全要素生产率的影响因素进行分析 。可以应用公式 ( 7) 来表示 :mlit= it+ Wmlit+ 1gdpit+ 2jgit+ 3jckit+ 4jsjbit+ 5cshit+ uit( 7)公 式 ( 7) 中 mlit表示通过方向性距离函数得到的 Malmquist-Luenberger 生产 率 指数 ， Wmlit是环 境 全要素生产率的空间滞后变量 ， 主要度量在地理空间上邻近地区的相互学习和模仿行为 。it为截 距 项 ， uit为服从标准
41、分布的随机扰动项 。本文根据国内外环境效率影响因素文献中常考虑的因素 ， 选取人均生产总值的对 数 ( gdpit) 、经济 结 构 ( jgit) 、技术 进 步 ( jsjbit) 、对外 贸 易状况 ( jckit) 和城 市 化进程 ( cshit) 作为 解释 变量 。环境全要素生产率 mlit的取值通常是大 于 0的 ， 即 mlit0。利用通常的面板回归模型会导致因变 量 的值小于 0 的情况 ， 所以应用 Tobit 模型较为合适 。根据上面的分析 ， 地区间环境全要素生产率的提高有可能出现空间相关性 。空间相关性可以分为空间自相关模型和空间误差模型。无论 是空间自相关模型还是
42、空间误差模型都是以空间相关为准则的 。如 果69 Anselin， L. and Florax， . Small Sample Properties of Tests for Spatial Dependence in egression Models: Some Further esults J New Directions inSpatial Econometrics. Spinger Verlag， New York， 1995中 央 财 经大学学报 2015 年第 1 期 工商管理 存在空间相关性 ， 则选择空间计量模型是合适的 ; 如果不存在空间相关性 ， 这种估计是不合适的 。空间
43、 计量经济学中经常测度空间相关性的指数有全局和局部的 Moran 指数和 Geary 指数等 。Moran 全局空间相关性指数可以定义为 :MoranI =ni =1nj =1WijYi珔( )Y Yj珔( )YS2ni =1nj =1Wij其中 S2是方 差 ，珔Y 是 均值 ， Yi表示 第 i 个 省份的观测值 ， n 为省份总数 ， Wij为二进制的邻近空 间 权重矩阵 。简单邻近的空间权重矩阵 Wij可以设为当区域 i和 区 域 j 相 邻时为 1， 否则为 0。本文按照这种方法来设置 30 个省份之间的空间权重矩阵 ， Moran 指数取值范围为 1 ， 1 。若各地区环境全要素生
44、产率为正相关 ， Moran 指数为正 ， 否则为负 ， 当空间相关性较弱时表现为 0。Moran 指数和 Geary 指数只能对变量之间是否存在空间相关性做出检验判断 ， 而最大似然 LM-Lag 检验及 LM-SAC 检验则可以针对不同形式的空间经济计量模型进行检验 。在残差独立同分布的假定下 ， LM-Lag 与 LM-SAC 检验统计量分别渐进服从自由度为 1 和 2 的卡方分布 。从表 2 中我 们可以看出基于 6 种统计量的检验 ，无论是全局 Moran 指数还是全局 Geary 指数等 ， 原假设都被显著地拒绝了 。这些原假设的备择假设都是存在着空间相关性 ， 所以从表中的检验结
45、果我们可以判断变量间存在空间相关性 ， 而且这些变量之间的相关是正相关 。传统的不考虑空间相关性的分析有可能不正确 ， 表 3 是依据空间面板 Tobit 回归模型估计的结果 。表 2 空间相关性检验的统计量原假设 统 计量名称 统计量值 P 值H0: 误差项 不存在空间相关性H0: 误差项 不存在空间相关性全局 Moran 指数全局 Geary 指数0. 215 50. 791 60. 0000. 000H0: 空间 滞 后变量没有空间自相关H0: 空间 滞 后变量没有空间自相关LM Lag ( Anselin)LM Lag ( obust)10. 677 97. 4290. 0000. 0
46、00H0: 没有一 般的空间自相关H0: 没有一 般的空间自相关LM SACLM SAC29. 554 329. 554 30. 0000. 000表 3 基于 空 间面板 Tobit 模型估计的结果解释变 量 固定效应模型 随机效应模型 面板 Tobit 空间面板 Tobitgdp0. 357 9( 0. 154 4)0. 417 5( 0. 143 6)0. 515 2( 0. 169 0)0. 4323( 0. 146 2)jg0. 725 6*( 0. 601 9)0. 219 6( 0. 349 6)0. 230 5( 0. 411 7)0. 082 1( 0. 285 5)jck0
47、. 536 9( 0. 182 7)0. 181 4( 0. 088 0)0. 205 9*( 0. 101 3)0. 143 1*( 0. 073 3)jsjb0. 007 8( 0. 047 8)0. 013 0( 0. 028 9)0. 017 3( 0. 032 7)0. 082( 0. 022 2)csh0. 538 0*( 0. 227 3)0. 692 9( 0. 240 9)0. 891 4( 0. 288 8)0. 696 9( 0. 226 1)Constant0. 840 8*( 0. 510 7)0. 710 6*( 0. 458 9)1. 066 7*( 0. 574
48、 8)0. 635 0( 0. 499 8)20. 476 0. 652F 5. 8940. 34个体效应标准差 0. 254 0 0. 142 6 0. 157 8干扰项 标准差 0. 321 1 0. 321 1 0. 369 0PHO 0. 384 8 0. 164 7 0. 154 6似然比 检验 24. 3116. 3845. 24注 : 表中括号内的数值为标 准差 ， * 、分别表示 10%、5%和 1%的显著性水平 。79 空间 面 板数据 Tobit 模型是应用 Shehata， E. A. A. ( 2013) 编写的 stata 命令 Spxttobit 实现的 ， 该程序可以在该作者主页下载 。该命令并没有给出 的估计值 ， 而是主要关注影响因素及其边际效应 。工 商 管 理 中央财经大学学报 2015 年第 1 期从表 3 中 的 最后一列 ， 我们可以发现各因素对环境全要素生产率的影响情况 。其一 ， 人均收入对环境全要素生产率起到正向的作用 ， 影响系数为 0. 432 3，且非常显著 。这表明经济发展水平的高低关系到环境的质量 ， 随着人均收入水平的提高人们对环境的要求越来越高 ， 在发展
