1、 2009中國青年經濟學者論文征集注：本文發表于經濟研究2008年第5期 環境管制與全要素生產率增長：APEC的實證研究* 王兵，暨南大學經濟學院經濟學系，規制與增長研究中心，郵政編碼：510632，電子郵箱：twangb。吳延瑞，澳大利亞西澳大學商學院，郵政編碼：6009，電子郵箱：.au。顏鵬飛，武漢大學經濟與管理學院，郵政編碼：430072，電子郵箱：yanpengfei1023。作者感謝匿名審稿人對本文提出的富有啟發性的修改意見。當然，文責自負。本研究得到國家自然科學基金的資助（項目批準號：70403006）。王兵 吳延瑞 顏鵬飛內容提要：本文運用Malmq

2、uist-Luenberger指數方法測度了APEC17個國家和地區19802004年包含CO2排放的全要素生產率增長及其成分。首先，估計了對CO2的排放沒有管制，CO2排放水平保持不變，CO2排放水平減少三種情形下的生產率指數及其成分。其次，對影響環境管制下全要素生產率增長的因素進行了實證檢驗。本文主要的結論有：在平均意義上，考慮環境管制后，APEC的全要素生產率增長水平提高，技術進步是其增長的源泉；17個國家和地區中，有7個國家和地區至少移動生產可能性邊界1次；人均GDP、工業化水平、技術無效率水平、勞均資本、人均能源使用量和開放度均對環境管制下的全要素生產率增長有顯著的影響。關鍵詞: 環

3、境管制；全要素生產率；方向性距離函數；Malmquist-Luenberger生產率指數；數據包絡分析第一章 引 言傳統的增長理論主要致力于分析和解釋經濟增長過程中的“典型化事實”或者規律，探索政府通過何種方式來影響增長率，并沒有對經濟增長和環境管制之間的關系給予過多的關注。但是，近些年來，這個問題已經引起了經濟增長理論的重視(Xepapadeas，2005) 。尤其是，環境管制對經濟增長的效應日益受到政策制定者和學術界的重視。為了全面控制二氧化碳等溫室氣體排放，以應對全球氣候變暖給人類經濟和社會帶來不利影響，1992年5月22日聯合國政府間談判委員會就氣候變化問題達成了聯合國氣候變化框架公約

4、（簡稱氣候公約)，并于1992年6月4日在巴西里約熱內盧舉行的聯合國環境發展大會（地球首腦會議）上通過。在氣候公約中，工業化國家承諾同意在本國采取政策和措施，以實現到2000年使本國溫室氣體排放量降低至1990年水平這一具體目標。截至2007年6月，已有191個國家批準了氣候公約。在氣候公約的基礎上，聯合國氣候大會于1997年12月在日本京都通過了京都議定書，具體目標是2008年2012年，工業化國家溫室氣體排放總量在1990年的基礎上平均減少5.2%，發展中國家沒有減排義務。截至2007年6月已有174個國家批準了京都議定書。1989年成立的亞太經濟合作組織(APEC)包括了本地區所有重要的

5、經濟體和世界上最有活力、發展最快的經濟組織。但是，其CO2的排放量也占到了整個世界的大約60%。為了減排溫室氣體，APEC第十五次領導人非正式會議2007年9月8日就氣候變化問題通過一份宣言，確定了降低亞太地區能源強度和增加森林面積的具體目標。作為經濟增長的一個重要引擎，生產率增長使得整個世界的生活水平在二十世紀有了迅速的提高。所以，已經有大量的研究關注環境管制對于傳統全要素生產率的影響(Jaffe et al.，1995)。然而，傳統的全要素生產率測度，如Tornqvist指數和Fischer指數，僅僅考慮市場性的“好”產出（Good Output）的生產，并沒有考慮生產過程中產生的非市場性

6、的“壞”產出（Bad Output），如CO2的排放 在一些文獻中“好”產出稱為合意產出（Desirable Output），“壞”產出稱為非合意產出（Undesirable Output）。這主要是由于研究者無法得到“壞”產出的價格信息。環境管制將本來可以用于生產的投入配置到污染治理活動中(Fare et al. ,2001a)。當生產單位面臨環境管制的時候，由于治理污染投入的成本包含在測算全要素生產率的投入中，而傳統的測度方法僅僅用“好”產出的增長率減去所有投入的貢獻， “壞”產出的下降并沒有被考慮，從而得到全要素生產率下降的結論(Repetto et al. 1997)。因此，傳統全要素

7、生產率的測度方法使得生產率增長的測算出現了偏差。對于“好”產出和“壞”產出的不平衡處理扭曲了對經濟績效和社會福利水平變化的評價，從而會誤導政策建議（Hailu and Veeman，2000)。Caves et al. (1982a)根據Farrell (1957)的工作，在假設技術是有效率的前提下，定義了一個指數Malmquist生產率指數，這種指數不需要價格信息。Fare et al. (1994) 將Caves et al.的方法擴展到了存在技術無效率的情形，并且發展了一個可以將全要素生產率增長分解為效率變化和技術進步兩個成分的Malmquist生產率指數。這種雙重分解對于解釋不同國家和

8、地區增長模式的差異是非常重要的。然而，如果存在“壞”產出，這種依靠傳統距離函數（Distance Function）的Malmquist生產率指數便無法計算全要素生產率。在測度瑞典紙漿廠的全要素生產率時，Chung et al. (1997)在介紹一種新函數方向性距離函數（Directional Distance Function）的基礎上，提出了Malmquist-Luenberger生產率指數，這個指數可以測度存在“壞”產出時的全要素生產率。這個指數同時考慮了“好”產出的提高和“壞”產出的減少，并且具有Malmquist指數所有的良好性質。盡管Malmquist指數已經被廣泛應用，但是，僅

9、僅有限的文獻運用Malmquist-Luenberger指數來測度生產率的增長。Pittman (1983)在對威斯康星州造紙廠的效率進行測度時，發展了Caves et al. (1982b)超對數生產率指數，第一個嘗試了在生產率測度中引入“壞”產出。在研究中，Pittman (1983)用治理污染成本作為“壞”產出價格的代理指標。從此以后，大量的研究者開始將環境污染變量納入到估計的生產模型中，主要的思路有兩個：一是，將污染變量作為一種投入（如，Hailu and Veeman ,2001)；二是，將污染變量作為具有弱可處置性的“壞”產出（如Chung et al. ,1997；Fare et

10、 al., 2001a)。一般上，這些對環境績效的測度主要是通過對標準的參數和非參數效率分析方法的改進來實現Tyteca(1996 )和Scheel（2001)對測度環境效率績效的方法進行了全面的綜述。Coelli et al. (2005) 對這些標準的方法作了較為全面的介紹。與本文相關的文獻主要包括運用Malmquist-Luenberger生產率指數進行研究的文獻（Chung et al. ，1997；Fare et al. ，2001a； Lindmark et al.，2003； Jeon and Sickles，2004；Lindenberge，2004；Domazlicky an

11、d Weber ，2004；Yoruk and Zaim，2005；Kumar，2006）以及對APEC全要素生產率進行跨國比較研究的文獻(Chambers et al.，1996； Chang and Luh，1999；Fare et al. ，2001b；Wu ，2004；王兵和顏鵬飛，2007) Ray and Mukherjee（2007）把目前對跨國溫室氣體排放與經濟增長關系研究的文獻劃分為三類：1、根據環境庫茲涅茨曲線理論，主要研究溫室氣體排放與人均GDP的關系；2、運用指數分解法，尋求解釋變量對于被解釋變量的貢獻；3、將“好”產出（GDP）和“壞”產出（污染）連同資源利用一起放在

12、分析框架中，從而測度一個國家的環境績效。本文應歸屬于第三類文獻。盡管Chambers et al.(1996)、Chang and Luh (1999)、Fare et al. (2001b) 、Wu (2004)及王兵和顏鵬飛（2007 ）研究了APEC的生產率增長，但是他們都沒有考慮環境問題，即污染的排放。Fare et al. (2001a) 、Weber and Domazlicky (2001) 和 Domazlicky and Weber (2004) 主要是關注微觀水平的生產率增長。雖然其他研究將宏觀數據運用到生產率增長中，但是除了Jeon and Sickles (2004)

13、外，均是僅僅考慮了兩種生產率指數，而Jeon and Sickles (2004) 卻沒有對影響生產率的因素進行考察。本文的目的就是填補這些研究上的不足。本文試圖從以下兩個方面對現有文獻進行拓展。1、運用Malmquist-Luenberger生產率指數測度并比較了，對CO2排放做出不同管制的三種情形下APEC17個國家和地區19802004年的全要素生產率增長。2、對影響環境管制下全要素生產率增長的因素進行實證研究。本文下面的安排是：第二部分是研究方法的介紹；第三部分是數據處理及實證結果的分析；第四部分是對影響環境管制下全要素生產率增長因素進行實證分析；第五部分是結論。第二章 研究方法為了將

14、環境管制納入到生產率分析框架中，我們首先需要構造一個既包含“好”產出，又包含“壞”產出的生產可能性集，即環境技術（The Environmental Technology）。假設每一個國家或者地區使用種投入得到種“好”產出，以及種“壞”產出。用表示生產可行性集： (1)我們假設生產可行性集是一個閉集和有界集，“好”產出和投入是可自由處置的 Fare and Primont (1995)對此進行了詳細的討論。根據Fare et al. (2007)，為了使表示環境技術，需要增加兩個額外的環境公理：公理1：如果及，則。 (2)公理2：如果及，則。 (3)第一個公理叫做零結合公理（Null-join

15、tness Axiom）或者副產品公理（Byproducts Axiom）。這個公理意味著一個國家如果沒有“壞”產出，就沒有“好”產出，或者說，有“好”產出就一定有“壞”產出，從而將環境因素納入到分析框架中。第二個公理叫做產出弱可處置性公理（Weak Disposability of Outputs Axiom），即“好”產出和“壞”產出同比例減少，仍然在生產可行性集中。這個公理意味著，若要減少“壞”產出就必須減少“好”產出，表明污染的減少是有成本的，從而將環境管制的思想納入到分析框架中。假設在每一個時期，第個國家或地區的投入和產出值為。運用數據包絡分析（DEA）可以將滿足上述公理的環境技術模

16、型化為： （4） 表示每一個橫截面觀察值的權重，非負的權重變量表示生產技術是規模報酬不變的 我們之所以假設技術為規模報酬不變，因為這個假設是，使得作為結果的生產率指數是真正的全要素生產率指數的必要條件（Fare et al.，1996）。 在模型（4）中，“好”產出和投入變量的不等式約束意味著“好”產出和投入是自由可處置的。加上“壞”產出的等式約束后，則表示“好”產出和”壞”產出是聯合起來是弱可處置的。此外，為了表示產出的零結合，需要對DEA模型強調下面兩個條件： (5a) (5b)條件（5a）表示每一種“壞”產出至少有一個國家或地區生產，條件（5b）表示每一個國家或地區至少生產一種“壞”產出

17、。盡管環境技術的構造有利于概念的解釋，但是卻無助于計算，為了計算環境管制下的生產率，下面我們介紹方向性距離函數 方向性距離函數是Luenberger (1992, 1995)短缺函數（Shortage Function）的一個變體。 。第一節 方向性距離函數環境管制的目標是減少污染（“壞”產出），保持經濟增長（“好”產出）。為了將這樣的生產過程模型化，我們需要引入方向性距離函數，這個函數是謝潑德（Shephard）產出距離函數的一般化 根據Chung et al.（1997），方向性距離函數和謝潑德距離函數的關系為：。基于產出的方向性距離函數可以用下式表述： （6）是產出擴張的方向向量。根據“

18、壞”產出表現出技術上的強弱可處置性，方向性距離函數需要選擇不同的方向向量 Chambers et al. (1996)和 Fare et al. (2005)對此進行了詳細的討論。本文主要考慮了三種情形：· 情形1：方向向量是，且在構造生產技術時不考慮“壞”產出。· 情形2：方向向量是，且“壞”產出在技術上具有弱可處置性。· 情形3：方向向量是 ，且“壞”產出在技術上具有弱可處置性。第一種情形意味著沒有環境管制。第二種情形表示，在環境管制下，“好”產出提高而“壞”產出保持不變。第三種情形表示，存在更加嚴格的環境管制，要求同比例的增加“好”產出而減少“壞”產出。我們

19、利用DEA來求解方向性距離函數，這需要解下面的線性規劃： （7） 線性規劃（7）與情形3相對應，而情形1和2僅僅是其特例，這兩種的情形的線性規劃見附錄。方向性距離函數的值如果等于零，表明這個國家的生產在生產可能性邊界上，具有技術效率，否則表示技術無效率。有了方向性距離函數，我們便可以構造全要素生產率指數。第二節 Malmquist-Luenberger生產率指數根據Chung et al. (1997), 基于產出的Malmquist-Luenberger（ML）期和期之間的生產率指數為 (8)ML指數可以分解為效率變化（EFFCH) 和技術進步指數 (TECH)： (9) （10) (11)

20、ML, EFFCH 和 TECH大于（小于）分別表明生產率增長（下降），效率改善（惡化），以及技術進步（退步）。在每一種不同的情形下，有不同的方向性距離函數，因此，就有三個生產率指數。每一種生產率指數的計算需要解四個線性規劃，從而求四個方向性距離函數。其中兩個線性規劃求解當期方向性距離函數（如，利用期的技術和期的投入產出值），另外兩個線性規劃求解混合方向性距離函數（如，利用期的技術和期的投入產出值）。在計算混合方向性距離函數時，如果期的投入產出值在期的技術下是不可行的，則線性規劃無解。為了減少計算ML 指數不可行解的數量，本文運用序列DEA的方法，即每一年的參考技術由當期及其前所有可得到的投入

21、產出值決定王兵和顏鵬飛（2007）對序列DEA進行了介紹。Fare et al. (2001a)及上述大多數文獻的處理方法是窗式DEA(Window DEA)，即每一年的參考技術由當期及其前兩年的投入產出值決定。 例如，2000年的參考技術由2000年、1999年和1998年的數據來構造。Fare et al. (2006)認為窗式DEA是當期DEA和序列DEA的折衷。但是，窗式DEA的缺陷在于：一方面，它無法避免技術退步的情況；另一方面，它在降低不可行解的效果方面也不如序列DEA。所以，根據王兵和顏鵬飛(2007)，我們選擇了序列的DEA。我們也運用窗式DEA對生產率指數進行了測算，需要結果

22、的可以與作者聯系。根據上述方法，本文測度了17個APEC國家和地區1980年2004年的生產率指數、效率變化指數及技術進步指數。 第三章 數據處理及實證結果分析第一節 數據處理按照上述理論方法，我們需要APEC各個國家和地區19802004年的“好”產出、“壞”產出和投入數據。根據數據的可得性，我們主要選擇APEC17個國家和地區：澳大利亞、加拿大、智利、中國、香港、印度尼西亞、日本、韓國、馬來西亞、墨西哥、新西蘭、秘魯、菲律賓、新加坡、臺灣、泰國和美國。“好”產出、和投入的基礎數據主要來源于Heston,Summers and Aten PWT6.2。一、“好”產出。“好”產出選用各個國家或

23、地區以2000年為基期的實際國內生產總值，這些數據通過PWT6.2不變價格鏈式序列人均國內生產總值與樣本國家或地區的人口數相乘得到。二、“壞”產出。由于CO2的排放量占整個溫室氣體排放量的80%，因此，我們選擇CO2的排放量作為“壞”產出的指標。CO2排放量的數據來源于World bank（2007）WDI數據庫，CO2排放量單位為千公噸 臺灣的數據來源于Oak Ridge Data set (/fp/ndp030/)，為了和WDI數據的單位保持一致，每個數值通過原始數據乘以3.664得到(Oak Ridge Data set中CO2排放量的單位

24、為千公噸碳)。在WDI中，缺少大多數國家和地區的2003年和2004年的數據，我們采取插補法得到。三、勞動投入。本文采用歷年各個國家和地區的GDP除以勞均GDP得到勞動力投入的數據。 四、資本投入。資本數據按照王兵、顏鵬飛（2007）的方法得到 我們對折舊率敏感性進行了分析，即在假設發達國家和發展中國家的折舊率分別為7%和4%的基礎上，重新計算資本存量及生產率。但是，我們發現結果幾乎沒有受到影響。表1 樣本描述性統計國家或地區（略去）平均增長率(%, 1980-2004)CO2排放量平均增長率 (%)CO2排放量份額 (%)YLK1980-19911992-20041980-20041980-

25、2004平均 12.891.43.461.461.61.7663.41平均 24.493.744.2436.57平均 34.712.54.1431.81平均55.074.014.454.76總體平均4.52.253.5199.98注：限于篇幅關系，略去各個國家和地區的具體數據，讀者若有需要，可向作者索要全套資料。注：平均1=附件I國家；平均2=非附件I國家；平均3=發展中國家；平均4=東亞新興工業經濟。樣本數據的描述性統計在表1中。從1980年以來，中國、馬來西亞、泰國和東亞新興工業經濟都有很高的增長率。

26、這些國家和地區均包含在Spence(2007)所列舉的11個持續高速增長的經濟體中 Spence(2007)給“持續高速增長”下了一個定義：“高”是指GDP增長超過7%，持續是指超過25年。這也是本文以APEC為研究對象的一個重要原因。但是，我們也看到，在這些經濟體中，高速的經濟增長也伴隨著資本存量和CO2排放量的迅速增長。為了考察氣候公約對CO2排放量的可能沖擊，在時間上將樣本期劃分為兩個階段：1980-1991年（氣候公約簽訂前）和1992-2004年（氣候公約簽訂后）在空間上，我們將17個國家和地區分為兩組：附件I國家（加拿大，美國，日本，澳大利亞，新西蘭）和非附件I國家 沒有考慮京都議

27、定書對排放量的影響，主要是由于京都議定書生效的時間為2005年2月16日，這已經超出了我們研究的樣本期。附件I國家是指氣候公約附件I所列的國家，主要包括發達國家和地區組織（歐盟）。 。其中，非附件I國家可以劃分為發展中國家(墨西哥、智利、印度尼西亞、馬來西亞、菲律賓、泰國、中國、秘魯)和東亞新興工業經濟（香港、韓國、新加坡、臺灣）。截至1994年，除了新加坡外，所有其他的APEC成員國家或地區均在氣候公約上簽字。美國是目前唯一一個沒有在京都議定書上簽字的國家。附件I國家和中國是CO2排放的主要國家，它們的CO2排放總量占整個研究樣本總量的87.24%。在整個樣本期，泰國CO2排放量平均增長率最

28、高，達到8.14%。通過表1也可以看到，19922004年間，CO2排放量平均增長率下降，這表明氣候公約對于降低CO2排放量具有積極的影響，Yoruk and Zaim (2005)在對OECD的研究中，也得到了同樣的結論。 第二節 實證結果分析根據上述的研究方法及所得到的數據，運用GAMS22.4軟件包得到三種類型的全要素生產率指數及其成分的結果我們感謝美國環境保護局(Environmental Protection Agency)的Carl A. Pasurka教授對計算程序編寫的幫助。情形1下沒有考慮環境管制，其實質是生產率增長文獻中的傳統的Malmquist生產率指數。情形2考慮一個國

29、家和地區在環境管制下CO2排放量保持不變，而“好”產出（GDP）盡可能的提高，這種情形似乎和京都議定書設定的關于CO2排放的目標是一致的(Jeon and Sickles，2004)。情形3就是ML生產率指數，它要求同比例的增加GDP而減少CO2排放量。這種情形可以看作是支持以經濟增長為目標和反對經濟增長的環保運動之間的折衷(Jeon and Sickles，2004)。這也是和當前的實踐，以及氣候公約中減少CO2排放的目標是一致的。表2是19802004年全要素生產率指數及其成分的平均增長率（表中PI表示全要素生產率指數，EC 表示效率變化，TP表示技術進步。）。19801991年和1991

30、2004年兩個子時期全要素生產率指數及其成分的平均增長率在附表1和附表2中。表2 1980-2004年全要素生產率指數及其成分的平均增長率國家或地區（略去）情形1情形2情形3PIECTPPIECTPPIECTP平均 11.00710.9981.00911.01080.99611.01481.00910.99651.0126平均 21.00320.99621.0071.00340.99631.00711.00420.99881.0054平均 30.99890.99411.00470.99660.99361.0030.99980.99751.0023平均41.0121.00031.01171.01

31、71.00171.01521.01311.00131.0118總體平均1.00440.99671.00761.00550.99621.00931.00560.99811.0075注：限于篇幅關系，略去各個國家和地區的具體數據，讀者若有需要，可向作者索要全套資料。在情形1下（不考慮CO2的排放），整個樣本期內，APEC總體平均全要素生產率指數為1.0044，表明各個國家和地區的全要素生產率平均每年的增長率為0.44%。從平均意義上來看，全要素生產率的增長主要是由0.76%的技術進步推動，而效率變化則出現惡化。附件I國家的全要素生產率增長、技術進步率和效率變化(0.71% 、0.91%和-0.2%

32、)均高于非附件I國家(0.32%、 0.7%和-0.38%)。四個東亞新興工業化經濟的全要素生產率增長率為1.2% ，其中技術進步率為1.17%，技術效率增長率為0.03%。發展中國家的全要素生產率平均增長率為-0.11%，主要是由于效率出現惡化。從各個國家和地區來看，在19802004年期間，53% (9/17) 的APEC成員表現出了全要素生產率的增長。全要素生產率增長最快的三個國家和地區是新加坡 (3.06%)，日本(1.59%) 、美國和臺灣(1.12%)。在這些國家和地區，技術進步對全要素生產率增長的貢獻要大于效率變化，尤其是日本的技術效率增長率為負。這個發現和Fare et al.

33、 (2001b) 是一致的，他們發現，在19751996年間，新加坡是APEC中全要素生產率增長最快的國家。在情形2下（CO2的排放量保持不變），平均全要素生產率指數為1.0055，高于情形1下的全要素生產率指數，這個發現支持了Jeon and Sickles (2004)的結果。在他們的研究中，無論是OECD還是亞洲經濟，情形2下的平均全要素生產率指數均高于情形1下的全要素生產率指數。但是，附件I國家則是由于技術進步的加快，而非附件I國家，則主要是由于效率的改善。同情形1一樣，附件I國家的全要素生產率增長和技術進步率(1.08% 和1.48%)高于非附件I 國家(0.34%和0.71%)，但

34、是技術效率的增長率在非附件I國家中更高一些。并且，與情形1相比較，從各個國家和地區來看，在19802004年期間，71 % (12/17) 的APEC成員表現出了全要素生產率的增長。全要素生產率增長最快的三個國家和地區是新加坡 (3.05%)，美國（2.11%），香港(2.05%)。在這些國家和地區，技術進步對全要素生產率增長的貢獻要大于效率變化。在選擇特定方向向量的基礎上，方向性距離函數測度觀測值與生產可能性邊界的距離，因此，全要素生產率的增長取決于一個國家或地區的投入產出組合的變化以及與這個國家或地區投入產出觀測值附近的生產可能性邊界的形狀（Jeon and Sickles ，2004)。

35、因此，與忽視環境管制相比，在考慮環境管制的條件下，我們期望CO2排放量的增長率越低及GDP增長率越高的國家和地區，相對來說具有更高的全要素全要素生產率增長率。情形2的全要素生產率指數高于情形1的國家和地區有：澳大利亞、加拿大、香港、印度尼西亞、墨西哥、秘魯、菲律賓、泰國、臺灣和美國。符合這一規律的國家和地區有（CO2排放量的增長率在3%以下）：澳大利亞、加拿大、墨西哥、秘魯、美國。從APEC整體的角度來分析，我們并沒有發現這個規律，主要是沒有CO2減排任務的非附件I國家占大多數。因此，我們重點分析附件I國家。附件I國家中的美國、加拿大和澳大利亞的CO2排放量的增長率較低，并且這些國家的GDP增

36、長率在附件I國家中也是排在前三位，所以，考慮環境管制后全要素生產率指數出現了正增長。對于日本和新西蘭來說，雖然CO2排放量的增長率3%以下，但是這兩個國家的GDP增長率較低，所以，全要素生產率指數并沒有增加。情形3下的ML指數強調了對CO2排放的限制，這是與當前全世界都在關注全球變暖的現實是一致的。19802004年，平均全要素生產率指數為1.0056，這高于情形1和情形2下的全要素生產率指數，全要素生產率的增長的主要源泉是0.76%的技術進步。附件I 國家的全要素生產率增長和技術進步率(0.91%和1.26%)高于非附件I 國家(0.42%和0.54%)。在APEC中，71% (12/17)

37、 的國家和地區表現出了全要素生產率的增長。全要素生產率增長最快的三個國家和地區是新加坡 (2.49%)，臺灣(1.56%)和香港(1.48%)。附件I國家和非附件I國家在情形1下的平均全要素生產率增長率高于情形3，這個發現與Kumar (2006)相一致。如果將減少CO2排放量作為目標，則附件I國家的技術進步率（1.26%）要高于非附件I國家(0.54%)。這個發現證實了Kopp (1998)的結論，他發現1970-1990年發達國家經歷了伴隨著減少CO2排放的技術進步，但這并沒有出現在發展中國家。情形3下的全要素生產率指數高于情形1的國家和地區有：澳大利亞、加拿大、中國、香港、印度尼西亞、墨

38、西哥、秘魯、菲律賓和臺灣。在對CO2排放量更加嚴格的管制下，我們期望全要素全要素生產率的增長率與CO2排放量變化的方向相反。但是，我們研究的樣本期間，沒有一個國家或地區的CO2排放量增長率為負增長，所以，無法驗證我們的期望。根據附表1和附表2，氣候公約簽訂后，從總體上來看全要素生產率增長的幅度出現了提高，主要是由于效率的改善。如果分地區來看，除了東亞新興工業化經濟外，全要素生產率增長的幅度均出現了提高，提高的原因是由于效率的改善。如果具體到各個國家或地區來看，在情形1下，59% (10/17) 的APEC國家和地區全要素生產率的增長加快，提高幅度最大的三個國家是秘魯、加拿大和馬來西亞。在情形2

39、下，59% (10/17) 的APEC國家和地區全要素生產率的增長加快，提高幅度最大的三個國家是中國、秘魯和馬來西亞。在情形3下，59% (10/17) 的APEC國家和地區全要素生產率的增長加快，提高幅度最大的三個國家是新西蘭、馬來西亞和墨西哥。 第三節 生產可能性邊界的移動確認“創新者”盡管每年的技術進步率可以計算出來，但是我們不知道每一年哪一個國家或地區使生產可能性邊界外移。為了說明哪一個國家或地區是“創新者（Innovator）”，我們需要在技術進步率的基礎上引進一些條件。按照Fare et al. (2001b)和 Kumar (2006) ，(12)以情形3為例，第一個條件，表示生

40、產可能性邊界朝著更多“好”產出和更少“壞”產出的方向移動。也就是說，在既定的投入向量下，期相對于期具有更高的GDP及更少的CO2排放量。所以，當對“好”產出和 “壞”產出做不對稱處理時，這個條件測度了與一個國家相關部分的生產可能性邊界在期和期之間的移動。第二個條件表示期的生產發生在期的生產可能性邊界之外（即技術進步已經發生）。這意味著，期的技術利用期的投入是不可能生產出的產出。因此，相對于期的參考技術，方向性距離函數得值小于零。第三個條件說明，作為“創新者”的國家必須在生產可能性邊界上。如果同時滿足上面三個條件，那么這個國家或地區從時期到期使得生產可能性邊界外移。附表3 列出了三種情形下的“創

41、新者”。按照上述條件，在情形1下，美國移動生產可能性邊界20次，臺灣移動生產可能性邊界18次。在情形2下，美國移動生產可能性邊界21次，臺灣和香港分別移動邊界19次和15次。在情形3下，美國、臺灣和香港分別移動生產可能性邊界19次、19次和16次。總體上來說，共有7個國家至少移動生產可能性邊界1次。并且，我們發現1997-1998年僅僅有1個國家移動生產可能性邊界（主要是由于東亞金融危機），2000-2001年沒有國家移動邊界（世界經濟衰退）。這也支持了Fare et al. (2001a)的觀點，他們認為商業周期和既定年份移動生產可能性邊界的國家數目存在一定關系。 第四章 影響環境管制下全要

42、素生產率的因素分析上一部分分析了APEC國家和地區的全要素生產率績效，這一部分將分析影響環境管制下全要素生產率增長的因素。盡管全要素生產率不是一個國家經濟增長和福利唯一的決定因素，但是，全要素生產率的分析有助于我們理解一個國家的經濟發展、生活水平和國家競爭力。所以，分析哪些因素影響在考慮環境管制下的全要素生產率增長就顯得非常重要 Fare et al.(2001a) 、Yoruk and Zaim(2005)和 Kumar (2006)也做了同樣的工作。到目前為止，并沒有正式的理論作為確定影響生產率增長因素的依據，因此，本文的研究主要是根據前人的研究以及自己的思考來確定這些因素。在某些情況下，

43、這些因素的選擇還要受到數據可得性的限制。 為了檢驗生產率增長和影響其因素的關系，我們利用面板數據回歸下面的方程： (13) 表示生產率指數（因變量），代表影響生產率增長的因素（解釋變量），是被估計參數，是標準白噪聲，是截距項。為了考慮環境管制，情形2和情形3的生產率指數用到方程(13) 中。解釋變量包括，不變價格的人均GDP(GDPPC)，工業增加值占GDP的份額(IND) Fare et al.(2001a)認為，一個國家工業部門的具體構成也會影響CO2排放量。由于數據的可得性，我們只分析了總的工業增加值占GDP的比重。，滯后一期的技術無效率(EIt-1)，資本勞動比的對數(LN(K/L)，

44、人均能源使用量 (EPC)，開放度 (OPEN) 和虛擬變量(UNFCCC) （簽訂氣候公約的國家和時期為1）。人均GDP和工業增加值份額的平方也包含在回歸方程中，主要是考察生產率指數和這些變量之間的二次型關系。人均GDP和開放度的數據來源于PWT6.2。工業增加值占GDP的份額和人均能源耗費量的數據來源于WDI數據庫 (World Bank ，2007)。表3給出了固定效應和隨機效應兩種情況下的回歸結果。Hausman檢驗表明對兩個生產率指數的回歸分析均應選擇固定效應模型。除了情形3下的虛擬變量外，所有的系數都具有統計顯著性。人均GDP和生產率指數正相關，并且人均GDP平方的系數為負，這說明

45、人均GDP和生產率指數之間具有倒U型關系，拐點大約為 $42637 (情形2) 或者$34952 (情形 3)。因此，一旦APEC國家和地區的人均GDP達到拐點的水平，生產率增長將下降。這反映了APEC中落后國家的追趕效應。這與Yoruk and Zaim (2005)發現OECD中U型的關系相反，這主要是由于OECD中各個國家的發展水平更加接近，而APEC中各成員之間人均GDP 的差距較大。工業份額與生產率指數負相關，然而工業份額的平方的系數則為正，表明兩者之間具有U型的關系，兩種情形下的拐點均大約為25%。因此，一旦一個國家和地區的工業份額超過這些拐點，生產率增長將加快。Yoruk and

46、 Zaim (2005) 發現在OECD中具有相同的現象。這種現象是由于一個國家工業化程度越高生產年率增長越快的事實。生產率指數和滯后一期的技術無效率是正相關的，而資本勞動比的系數是負的。這兩個關系說明APEC中趨同現象的存在。越靠近生產邊界的國家和地區相對于距邊界較遠的國家和地區來說，生產率增長越低，因此出現了后者對前者的追趕(Lall et al. 2002)。Kumar (2006) 的研究也支持了趨同的假說。表3 影響環境管制下生產率增長的因素變量情形2情形3固定效應模型隨機效應模型固定效應模型隨機效應模型t-Statt-Statt-Statt-Statc2.0507*13.05360

47、.9877*17.42251.3131*24.57241.0969*22.3656GDPPC0.2021*4.83610.01540.88960.0734*6.11340.0357*2.4762GDPPC2-0.0237*-3.50030.00030.0704-0.0105*-5.3833-0.0054-1.7882IND-0.4711*-2.20520.09880.6239-0.2714*-3.5981-0.0628-0.5005IND20.9208*2.8629-0.1567-0.65810.5377*4.96790.1330.7042EI t-10.1705*7.69310.0208*2

48、.00760.0613*4.75790.01651.6692LN(K/L)-0.1123*-6.7625-0.0015-0.2259-0.0321*-6.1223-0.0113*-2.1382EPC-7.85E-06-1.2965-1.92E-06-1.1365-4.35E-06*-2.1534-6.62E-07-0.4243OPEN-0.0183*-2.4820.00291.3248-0.0086*-2.40990.00170.84UNFCCC-0.012*-2.5206-0.0062 -1.75480.00030.2419-0.0027-1.0416拐點(GDPPC)4.26373.495

49、23.3056拐點 (INDS)0.250.310.250.24R20.2590.07750.44820.0525Hausman檢驗90.593233.0829觀測值數量408408408408注：*表示估計系數在1%水平上顯著，*代表估計系數在5%水平上顯著；表示估計系數在10%水平上顯著， 表示估計系數在20%水平上顯著。最后，開放度和人均能源使用量與生產率指數均是負相關的。開放度可以作為制度和政策框架的代理變量，并且獲取國際貿易對生產率增長的信息 (Etkins et al. 1994，Taskin and Zaim 2001，Kumar 2006)。這個結果說明環境的不合意效應可能來源

50、于貿易量和人均能源的使用量的提高。另外，在情形2下，虛擬變量的系數是負的，且具有統計顯著性。但是，在情形3下，虛擬變量的系數是正的，統計上卻沒有顯著性。這與Yoruk and Zaim (2005)的結果相矛盾，他們的研究表明OECD國家氣候公約的簽訂對生產率增長具有正的沖擊。這主要是由于，OECD大多數成員國家是附件I國家，這些國家具有減排溫室氣體的任務，而在我們研究的APEC成員中，僅僅5個國家是附件I國家，所以，氣候公約對考慮環境管制下的生產率的影響并不明顯，甚至具有相反的結果。 第五章 結論由于沒有考慮生產過程中的 “壞”產出，傳統全要素生產率的測度方法使得生產率增長的測算出現了偏差。

51、本文運用Malmquist-Luenberger生產率指數測度并比較了，對CO2排放做出不同管制的三種情形下APEC17個國家和地區19802004年的全要素生產率增長。為了減少不可行解的數量，并且避免技術退步，我們運用了序列DEA。最后，對環境管制下影響全要素生產率增長的因素進行了實證研究。我們發現，如果不考慮環境管制，APEC的生產率平均每年的增長率為0.44%。然而，如果政策的目標是保持CO2排放量不變或者減少CO2排放量，生產率的增長率為0.55% 或者0.56%，并且主要是由于技術進步的推動。因此，從平均意義上講，考慮環境管制后， APEC的生產率增長水平提高了。本文也發現17個國家

52、和地區中，有7個國家和地區至少移動生產可能性邊界1次。我們也考察了，在兩種不同環境管制假設下，影響全要素生產率增長的因素。結果發現，人均GDP和生產率指數正相關，并且人均GDP平方的系數為負；工業份額與生產率指數負相關，然而工業份額的平方的系數則為正；生產率水平和滯后一期的技術無效率同方向變化，與勞均資本反向變化，這意味著趨同假設的存在；人均能源使用量和國家的開放度與生產率增長負相關，簽訂氣候協定的虛擬變量與生產率水平的關系不確定。當然，本文并沒有考慮其他的溫室氣體以及污染物，從而影響了評價各個國家和地區環境全要素生產率的準確性。因此，在運用本文的研究結果制定政策建議時需要謹慎。這也將是我們下

53、一步研究的方向。附錄1、求解情形1和情形2方向性距離函數的線性規劃情形1：（沒有環境管制） (A.1) 情形2：（CO2排放量保持不變） (A.2) 2、兩個子時期的全要素生產率指數及其成分的增長率附表1 19801991年全要素生產率及其成分的平均增長率國家或地區（略去）情形1情形2情形3PIECTPPIECTPPIECTP平均 11.00550.99521.01031.00970.99031.01961.00850.99111.0175平均 21.00240.99031.01221.00270.99161.01111.00410.9961.0082平均 30.99470.98451.010

54、30.99320.98691.00650.99740.99321.0042平均41.01791.0021.01581.02171.00121.02061.01771.00151.0162總體平均1.00330.99171.01161.00470.99121.01361.00540.99461.0109注：限于篇幅關系，略去各個國家和地區的具體數據，讀者若有需要，可向作者索要全套資料。附表2 19922004年全要素生產率及其成分的平均增長率國家或地區（略去）情形1情形2情形3PIECTPPIECTPPIECTP平均 11.00921.00051.00861.01261.0011.01161.01031.00121.0091平均 21.00431.00131.0031.00431.00031.0041.00461.00121.0034平均 31.00261.002610.99950.99941.00011.0021.00121.0008平均41.00770.99871.0091.01391.00231.01161.011.00131.0087總體平均1.0