外商直接投资、财政支出与绿色全要素生产率

丁晓慧

山东外事职业大学  摘 要：绿色全要素生产率的提高在数字经济崛起下，仍存在较大提升空间。在新常态阶段经济结构优化的发展趋势下，本文尝试采用DEA方法对2001—2018 年中国各省际绿色全要素生产率进行测算，并依据最后结果对我国外商直接投资和财政支出两方面因素与绿色全要素生产率进行实证性分析。得出主要结论：（1）我国不同地域间绿色全要素生产率区别较小，且增长速度缓慢。（2）外商直接投资和财政支出两种因素能够正面影响绿色全要素生产率，且效果显著;加入交互项后，外商直接投资和财政支出则负面影响绿色全要素生产率，但绿色全要素生产率的边际效应呈现递增效果。（3）国内生产总值在我国东中西部地区均呈现显著促进作用，对外贸易则起到抑制作用。最后根据结果提出我国提高绿色全要素生产率的建议。

关键词：财政支出;外商直接投资;绿色全要素生产率

中图分类号：F740 文献标识码：A 文章编号：2096-0298（2020）12（a）-097-05

2015年起自提高全要素生产率成为政府工作报告内容，如今已经被认为是中国经济增长高质量转型的一种重要推动力。当前面对产业和数字化转型契机，消费互联网、数字经济的崛起，会有大量数据应用场景倒逼供给端或者产业价值链重构，带来全要素生产率的巨大提升空间。新基建的发展也将对产业的制造转型带来基础变革，引起TFP的提高。目前中国不同地区的资源禀赋和经济结构发展不平衡，对绿色全要素生产率发展带来不利影响，更影响了区域经济发展协调性。

现在国内对GTFP影响因素的研究一般聚焦在财政因素、技术因素、对外因素、经济因素、金融因素、环境规制因素等方面，因为研究切入点和方法的不同，研究结论也不尽相同。根据前人已有的研究，本文试图从外商直接投资与财政支出对绿色全要素生产率的影响角度入手，采用DEA方法测算绿色全要素生产率，之后对外商直接投资和财政支出进行理论机制回归分析，并进行稳健性和内生性的处理。最后根据研究结果提出相关的建议。

1 测算绿色全要素生产率

1.1 研究方法和模型

DEA （数据包络分析）是一种测量生产效率的线性模型，采用这种典型的非参数方法估算绿色全要素生产率，优点是无需对生产函数形式和分布作出假设，避免较强的理论约束。通过将 DEA方法和 Malmquist指数结合起来，可以考查两个不同时期全要素生产率变化（tfpch）的Malmquist指数。

1.2 数据来源与处理

本文选取各省地区生产总值作为产出指标，劳动和资本投入作为投入指标。由于数据的可获得性，故选取除西藏、香港、澳门和台湾之外的30省 （区、市）作为决策单元。样本数据为各省市区2001—2018年的面板数据。

（1）期望产出指标：将各省各年度的地区生产总值根据GDP 折算指数分别按照2000年为基期计算GDP。数据来源于《中国统计年鉴》（2001—2019）。

（2）非期望产出指标：根据以往相关研究将二氧化碳排放量作为非期望产出的指标，本文由于数据可获得性，选择工业三废污染物、二氧化硫和粉尘的排放作为替代指标。

（3）劳动指标：采用各省的就业人数作为人力资本投资。

（4）资本指标：本文以常用的永续盘存法测算的物质资本存量作为资本指标。永续盘存法的公式为：

（4）

在式 （4）中，K代表存量资本，t表示不同时间段;I表示固定资产投资总额，本文采用固定资本形成额作为代替;P表示固定资产投资价格指数，并以2000年为基期进行计算。通过采用 （张军，2004）测算的2000年不变价的资本存量作为基期存量资本;折旧率采用9.6%。固定资本形成额来自《中国统计年鉴》（2001—2019），固定资产投资价格指数来源于国家统计局网站。

（5）能源指标：选择年能源消耗总量作为能源投入指标，選取采用标准煤折算后的能源消费量。经济发展过程中能源消费是产生非期望产出的主要来源。表1对2001—2018年投入和产出变量的数据进行描述性统计分析。

1.3 实证结果及分析

本文利用DEAP2.1软件，计算2001—2018年中国各省份 Malmquist指数及其分解，结果如表2所示。

由表2得出，时间趋势上，中国的省际绿色全要素生产率数据总体来看是呈上升趋势。在2001—2017年，除了2009年和2011年有下滑现象之外，其余年份均保持稳定。2018年各省的绿色全要素生产率有很大幅度的上升。区域差异上，西部地区的绿色全要素生产率高于中部地区和东部地区。单独从各个省份来看，北京、上海、陕西的绿色全要素生产率数据较大，河北和甘肃绿色全要素生产率数据较低，其余各省的数值差异不大。

2 实证分析

2.1 模型构建

式 （5）中，i表示各个省份，t表示时间 （年），GTFP代表绿色全要素生产率，FDI代表外商直接投资额，GOV代表政府财政支出，X代表控制变量，主要包括科技投入、基础设施建设、经济发展水平、经济密度和贸易。

2.2 变量选取与数据说明

2.2.1 被解释变量

绿色全要素生产率，数据来源于笔者测算 （见表2）。

2.2.2 主要解释变量

（1）外商直接投资（FDI），以外商直接投资额占GDP比重表示。外商直接投资作用于各地区绿色全要素生产率，主要方式包括产业转移、技术关联和知识溢出效应。数据来源于《中国统计年鉴》。（2）政府财政支出 （GOV），以地方财政一般支出（2007年之前为财政支出，2007年及之后为一般预算支出）表示。政府财政支出能够改善生产、生活设施，能够间接改善环境和提高生产率。数据来源于《中国统计年鉴》。

2.2.3 控制变量

（1）科技投入 （RD），选用RD投入表示。科技投入与绿色全要素生产率之间存在正向提升关系，主要逻辑在于加大科技投入将产生技术外溢，引起环境治理能力和资源配置效率的提升。因此，本文采用RD衡量科技投入水平。（2）基础设施建设 （INF）。以公路、铁路和内河航运里程之和除以人口表示。交通基础设施的建设能够对绿色全要素生产率产生阻碍，主要在于它很大程度上与环境污染有关。本文选取各地区人均道路面积来测量基础设施建设水平。（3）经济发展水平 （GDP），采用国内生产总值表示。经济发展水平是影响绿色全要素生产率的重要宏观因素。本文将最有代表性的GDP 数据作为经济发展水平测算的依据。（4）经济密度 （ED），用单位面积上的人口数量表示。经济密度越高，经济发展水平就越高，同时对环境影响也可能越大。（5）贸易 （TRADE），选用省际贸易额表示。在技术溢出效应中，贸易也是其中方式之一，对绿色全要素生产率会产生影响。以上数据全部来源于《中国统计年鉴》。

2.3 描述性统计分析与相关性检验

（1）根据变量作描述性统计分析，如表3所示，作出数据的观测值各数、均值、标准差、最大值、最小值和中位数。（2）根据数据作各变量之间的相关系数，如表4所示。

2.4 实证结果与分析

全样本回归结果。本文以30个省区市为样本， 采用面板回归模型回归分析外商直接投资和政府财政支出对绿色全要素生产率的影响，回归结果如表5所示。

模型 （1）到模型 （4）采用混合回归法，模型 （5）采用固定效应回归法。经过豪斯曼检验结果采用固定效应模型。模型 （1～4）分别是绿色全要素生产率对外商直接投资、财政支出、两者交互项，以及加入控制变量进行回归。采用回归分析方法，可以发现绿色全要素生产率与变量之间的互动关系及其变化是如何的。从回归结果来看，外商直接投资和财政支出两个因素均对绿色全要素生产率提升起数据提升作用，加入两者交互项后，外商直接投资和财政支出对绿色全要素生产率的影响转变为数据阻碍作用，而两者对绿色全要素生产率的边际效应呈现递增效果。同时，也可以看出国内生产总值对绿色全要素生产率具有促进作用，而经济密度和交通设施情况及对外贸易对绿色全要素生产率的影响为阻碍作用。

为了保证回归的稳健性，本文采用广义可行的极大似然估计方 （FGLS）对方程进行回归。回归同样采用全样本回归的方式，如表6所示。

通过表6可以看出，外商直接投资和财政支出对绿色全要素生产率均呈现显著促进作用，两者交互项对绿色全要素生产率的边际效应为正。两者交互后，两者对绿色全要素生产率的影响变为抑制作用，表明回归结果具有稳健性。

为进一步了解东中西部地区外商直接投资和财政支出对绿色全要素生产率的影响，为此，采用固定效应模型对东中西部地区分区域进行回归，如表7所示。

由表7可知，模型 （1）到模型 （3）分别为东中西部地区回归结果。结果表明：在东部地区，外商直接投资和政府性采购支出对绿色全要素生产率均产生显著影响，外商直接投资和政府财政支出均起到抑制作用。两者交互项对绿色全要素生产率的边际效应递增。在中部地区，外商直接投资对绿色全要素生产率起到抑制作用但不显著，财政支出产生显著负向作用，两者交互项对绿色全要素生产率的边际效应递增。在西部地区，外商直接投资和政府财政支出对绿色全要素生产率的显著抑制作用，两者交互项对绿色全要素生产率的边际效应递增。

3 结论与建议

本文通过2001—2018年中国省际面板数据测算省际绿色全要素生产率，并实证分析外商直接投资、财政支出与绿色全要素生产率的关系。结果表明：（1）在地区分布上绿色全要素生产率存在较小差异，呈现西部地区绿色全要素生产率水平较高，中部和东部地区的绿色全要素生产率水平较低的现象;在时间维度上则表现为受到金融危机的影响下降，其余年份增长速度缓慢。2018年有较大的提高。（2）在全国和东部地区，外商直接投资对绿色全要素生产率起到促进效应;财政支出起到正项促进效应。（3）在加入交互项后，外商直接投资和财政支出对绿色全要素生产率的影响变为抑制，两者对绿色全要素生产率的边际效应递增。（4）对外贸易在全国和东中西部地区对绿色全要素生产率均呈现显著抑制作用，国内生产总值则呈现促进作用。

基于上述结论，提出如下政策建议：

一是注重均衡发展。要推动绿色全要素生产率增长从空间不平衡向空间均衡发展，仍要首先提升技术创新，但要注意技术效率的提升，城市整体技术水平要两者兼顾，同时不同地区技术发展要均衡。创新能力较弱地区可以加大科技研发投资力度， 引进关键技术和前沿技术，而创新能力较好的地区应发挥科技领头羊作用，鼓励技术外溢促进其他地区技术水平的提升。同时，各地区要提高资源统筹管理并加强资源管理模式创新，想方设法提高技术效率，减少科技資源浪费。

二是城市化格局需明确调整和优化产业结构的空间方向以协调发展。中西部等城市化发展较慢的地区，应由其注重政策和制度配套创新，加快推进城市人口与技术等要素集聚。当前产业结构优化是中国经济结构调整的重要方向，产业结构与资源禀赋的同步协调，资源在空间分布上的协调，将推动绿色全要素生产率增长的空间均衡。

三是深化市场化改革，最大限度地发挥城市化、市场化协调互动作用，进一步提升绿色全要素生产率增长空间均衡。由其经济相对较弱地区，要改善营商环境，改革市场要素流通环境，市场化程度越高，协调发展速度也越快。

参考文献

蔡 昉.社 科 院 副 院 长 蔡 昉 解 读 十 九 大 报 告 之“新”[E B/OL].http：//news.163.com/17/1028/23/D1SF 94QK00018A OQ.html，2017-10-29.

刘世锦.供给侧改革下一步关键是提高全要素生产率[EB/OL].http：//finance.sina.com.cn/roll/2017-03-12/doc-ifychihc6263955.shtml，2017-03-21.

杨万平.能源消费与污染排放双重约束下的中国绿色经济增长[J].当代经济科学，2011（02）：91-98.

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（07）：119-129.

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（01）：23-31.

刘和旺，左文婷.环境规制对我国省际绿色全要素生产率的影响[J].统计与决策， 2016（09）：141-145.

宋德勇，邓捷，弓媛媛.我国环境规制对绿色经济效率的影响分析[J].学习与实践，2017（03）：23-33.

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（09）：27-35.

杨世迪，韩先锋，宋文飞.对外直接投资影响了中国绿色全要素生产率吗[J].山西财经大学学报，2017（04）：14-26.

王恕立，王许亮，滕泽伟.中国双向 FD I的生产率效应研究——基于资源环境约束的视角[J].国际商务（对外经济贸易大学学报），2017（05）：65-78.

王兵，刘光天.节能减排与中国绿色经济增长——基于全要素生产率的视角[J].中国工業经济，2015（05）：57-69.

程中华，于斌斌.产业集聚与技术进步——基于中国城市数据的空间计量分析[J].山西财经大学学报，2014（10）：58-66.

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.

沈坤荣，付文林.中国的财政分权制度与地区经济增长[J].管理世界，2005（01）：31-39.

林春.财政分权与中国经济增长质量关系——基于全要素生产率视角[J].财政研究，2017（02）：73-83.

陈菁，李建发.财政分权、晋升激励与地方政府债务融资行为——基于城投债视角的省级面板经验证据[J].会计研究， 2015（01）：61-67.

陈硕，高琳.央地关系：财政分权度量及作用机制再评估[J].管理世界，2012（06）：43-59.

孙英杰，林春.财政分权、政府干预行为与地区不良贷款——基于省级面板数据实证分析[J].财经理论与实践，2018（04）：88-93.

张晏，龚六堂.分税制改革、财政分权与中国经济增长[J].经济学，2005（04）：75-108.

樊纲，王小鲁，朱恒鹏.中国市场化指数——各省区市场化相对进程2011年度报告[M].北京：经济科学出版社，2011.

林春，孙英杰.财政分权背景下的经济增长质量地区差异——基于系统GMM及门槛效应的检验[J].财经论丛，2017（12）：33-42.

Hansen B E.Threshold effects innon-dynamic panels：Estimation， testing， andinference[J].JournalofEconometrics，1999，93（02）：345- 368.