工业低碳生产效率度量

全要素生产率最早由Solow R.A.（Solow，1956）^[3]提出，它是衡量单位总投入的总产量的生产率指标，即总产量与全部要素投入量（包括人力、物力、财力）之比。全要素生产率的来源包括技术进步、组织创新、专业化和生产创新等。产出增长率超出要素投入增长率的部分为全要素生产率（TFP）增长率。全要素生产率的增长率常常被视为科技进步的指标。

二氧化碳是导致全球变暖的主要温室气体，与二氧化硫等污染物不同，二氧化碳无法利用清洁设备进行消除，只能依靠技术进步，提高节能和减排效率。低碳技术进步是诱导企业采用环境友好型技术的主要因素，最终将导致能耗与排放强度下降（Bosetti et al.，2006^[4]；李廉水和周勇，2006^[5]；Ma and Stern，2008^[6]）。

技术进步有广义和狭义之分。广义的技术进步包括科技创新、管理创新、制度创新等。科学准确评估工业低碳全要素生产率，是精确评估行业低碳发展效率的基础，也是正确引导低碳资本配置和实现中国低碳经济发展目标的关键。Ramanathan（2002）^[7]认为在评价生产绩效时应考虑所有相关变量，包括资本存量、劳动力、能源消耗、经济总产出和CO2排放，即“全要素”思想。低碳发展模式追求保证经济增长同时减少碳排放量。因此，低碳全要素生产率衡量的是单位资本存量、劳动力、能源消耗要素投入下，保证经济总产出增长CO2排放减少的效率。低碳全要素生产率的增长率在这里视为低碳科技进步的指标。

Malmquist－Luenberger指数方法在宏观层面的全要素环境绩效评价中得到较为广泛的应用。Kumar（2006）^[8]运用ML技术研究了1973—1992年间41个国家的环境绩效，Zhou等（2010）^[9]基于ML指数测算了1997—2004年期间18个高碳排放国家的CO2排放绩效，结果都表明技术进步是全要素生产率增长的主要动力。一般而言，在宏观经济视角下技术总是进步的，至少维持在原有水平不会倒退。传统ML指数方法在估算环境绩效时通常会得出长期的技术退步，尤其在工业的环境绩效测算中，传统ML指数表现出更为频繁的技术退步（Shestalova，2003）^[10]。

为了避免传统ML指数方法的这一缺陷，Oh和Heshmati（2010）^[11]结合序列生产可能集（Tulkens and Vanden Eeckaut，1995）^[12]和方向距离函数处理环境污染变量的方法（Fre，2007）^[13]，提出SML（Sequential Malmquist－Luenberger）指数方法，并对26个OECD国家1970—2003年间的环境绩效进行测算，结果表明全要素生产率增长的主要动力在样本前期来自技术效率，后期来自技术进步。尤建新等（2012）^[14]运用SML指数对我国1998—2009年省域碳排放绩效进行测算，结果显示技术进步促进了碳排放绩效增长。

中外学者从不同角度论证了技术进步对工业低碳发展的重要性。Bosetti等（2006）^[15]建立技术内生化模型，发现研发投资和“干中学”是诱导企业采用环境友好型技术的主要因素，最终将导致能耗与排放强度下降。Cole等（2008）^[16]发现中国工业污染排放与全要素生产率、研发支出成反比。姚西龙和于渤（2012）^[17]、何小钢和张耀辉（2012）^[18]实证证明中国工业技术进步对二氧化碳排放具有显著抑制作用。Gerlagh（2007）^[19]、Weber和Neuhoff（2010）^[20]认为企业减排的技术创新将促进碳减排成本下降，使得碳价格降低，从而降低强制性减排下企业的负担。

从目前研究来看，现有关工业低碳生产率的测算都是运用Malmquist或传统ML指数方法，存在虚假技术退步缺陷，且大多未同时考虑能源和排放因素，无法全面、客观地反映工业低碳生产率，低碳生产效率对低碳经济发展的具体影响效应有待进一步深入研究；且多数研究忽视了原始数据的构建，降低了研究的准确度和有效性。在已有研究基础上，本节采用SML指数方法测算工业低碳生产率，然后基于面板数据模型估计方法，结合工业碳排放特征，探索连续性低碳全要素生产效率对工业低碳发展的影响作用及其行业差异。