节能减排与中国工业绿色增长的模拟预测
陈超凡
摘要 运用方向性距离函数和Malmquist-Luenberger生产率指数对2015—2050年中国工业绿色增长进行模拟预测，通过对能源消耗5种情景，以及9条二氧化碳减排路径的设计，评估45种节能减排政策组合对工业潜在产出和损失的影响，以找寻节能减排的最优路径。在此基础上，模拟预测最优路径下中国工业产出增长和绿色生产率增长的变动趋势，并以绿色生产率的变化作为判断中国工业能否实现双赢发展的依据，研究表明：①2015—2050年间，在45种节能减排政策组合中，节能减排行为均造成工业产出的潜在损失，但由于产出增长的幅度较大，最终的增长净值为正。经过综合评价，产出增速7%、能耗增速3.8%，工业各行业在2040年达到二氧化碳排放峰值是最优的节能减排路径。②在最优节能减排路径下，全行业绿色生产率在预测周期内平均增长0.53%，共有29个分行业的绿色生产率保持增长或不出现倒退，因而中国工业绿色增长即实现双赢发展的前景可期。从绿色生产率的驱动力来看，期初绿色生产率的提升主要依靠技术效率拉动，而中期过后，技术进步在不断累积、消化、吸收中开始持续释放增长效应，自2035年开始，绿色生产率的提升主要靠技术进步的推动。③高能耗、高排放行业更是节能减排行为的受益者，而其他行业也并非节能减排行为的受损者。相较中低能耗行业，高能耗行业绿色生产率增长最快，相较中低排放行业，高排放行业的绿色生产率增长最快。与全行业一致，各类行业绿色生产率及其分解的走势也体现出前期技术进步负效应和技术效率正效应共同作用，而中后期技术进步成为绿色生产率增长的主要来源。
关键词 节能减排；中国工业；绿色全要素生产率；方向性距离函数；模拟预测
中图分类号 F426
文献标识码 A文章编号 1002-2104（2018）04-0145-10DOI：10.12062/cpre.20171103
工业不仅是驱动经济增长的引擎，同时也是能源消耗和二氧化碳排放最主要的产业部门。随着中国经济步入新常态，一方面，要素和投资的边际报酬递减，中国工业迫切需要从“要素驱动”模式向“创新驱动”模式转型。另一方面，工业发展的资源环境承载能力已逼近极限，如果继续以损害生态环境为代价发展工业，经济增长的可持续性将面临重大挑战。因此，要破解发展难题，实现工业转型升级，必须形成绿色增长的新模式。在推动工业绿色增长进程中，必然伴随着更为严格的节能减排约束，而在短期内，节能减排将不可避免地消耗一部分宝贵的生产性资源，从而对工业增长形成冲击。那么，在未来更长的周期内，是否存在一条节能减排与产出增长的最优路径？中国工业绿色增长的前景如何？节能减排与工业发展能否实现双赢？本文将通过模拟预测的方式对这些问题进行回答，从而在客观上为工业长期增长提供经验依据，并为中国未来宏观节能减排政策的制定提供参考。
1 文献综述
学术界对节能减排效应尚未有统一定论。基于新古典框架的传统观点认为严格的节能减排将导致企业环境治理成本上升，从而降低企业的生产率和市场竞争力[1-2]。与传统观点不同，Porter[3]、Porter和Vander Linde[4]等学者认为，从长期动态来看，严格且适宜的环境规制能够激发出企业的“创新补偿效应”，使得被规制企业在变动约束条件下提升资源配置水平、改进生产工艺流程、刺激技术创新能力，从而实现企业环境绩效和生产率的共同提升[5-6]。这一观点被后续研究者称之为“波特假说”。对“波特假说”正反两方面观点进行探索的文献汗牛充栋，从研究方法来看，可大致分为理论建模、计量检验以及数据包络分析（DEA）三类[7]。然而，理论模型往往因存在严格的假设以及无法量化节能减排对经济的具体影响存在现实解释力不足的问题；参数化计量模型则受制于先验的方程形式和分布假定；传统的DEA模型没有考虑环境污染的负外部性，使得“好产出”和“坏产出”无法得到准确区分。
相比其他两类方法，非参数DEA具有无需假定生产函数具体形式、可进行跨期研究、可对生产率进行分解等优势。为了弥补傳统DEA方法的缺陷，Chambers et al[8]和Chung et al[9]提出了方向性距离函数（Directional Distance Function，DDF），他们将污染排放作为非期望产出进行处理，从而使得环境因素对生产过程的制约作用有了科学的拟合与解释。由于DDF既鼓励期望产出向生产前沿扩张，又鼓励污染排放向最小化前沿缩减，因而是一个分析节能减排效应合理的框架。近年来，该方法被学者们广泛运用于资源环境约束下的效率与生产率问题研究中[10-12]。与此对应，Chung et al[9]发展出基于DDF的Malmquist-Luenberger（ML）指数，进一步突破了资源环境约束下测度全要素生产率的技术瓶颈。在工业领域，也涌现出了不少关于工业绿色全要素生产率的研究成果[13-14]，但对中国工业绿色增长前景进行模拟预测的研究十分稀缺。为了弥补现有研究的不足，本文运用方向性距离函数及ML生产率指数的分析框架，将视线从当前一直延伸至2050年，通过设计不同的节能情景和减排方案找寻未来中国工业节能减排的最优路径，并以最优路径下绿色全要素生产率的变化作为判断工业双赢发展是否实现的依据，是对着眼于历史或当前研究的有效拓展。
2 研究方法与情景设计
2.1 方向性距离函数
在图1中，技术由A点即（y，b）所隶属的生产集用P（x）表示。传统的距离函数使期望产出和非期望产出同时增加，即技术点由A投射至C，而方向性距离函数（DDF）则可以沿着ABD的方向同时拟合期望产出增加和非期望产出减少的行为。DDF的具体形式用式（2）表示，g为方向向量，本文将g设定为g=（y，-b），表示期望产出和非期望产出在原有存量基础上，按相同比例扩张和收缩。β即是所要度量的
DDF和生产决策单元的绿色技术效率具有如式（3）的关系。因此，DDF衡量了生产者相对于前沿的绿色技术水平，即非效率的大小程度。DDF的值越小，表明越接近生产可能性边界，绿色技术效率值越高；DDF的值越大，表明离生产可能性边界越远，绿色技术效率值越低。当DDF的值为0时，生产决策单元已经位于生产可能性边界之上，此时的绿色技术效率值为1，意味着生产是完全有效率的。
2.2 基于方向性距离函数的行为分析模型
借鉴陈诗一[15]的研究，我们对基于DDF框架的节能减排行为进行分析。如图1所示，技术点A处于有效率生产前沿的内部。然而，在能源消耗及污染排放下，产出向量究竟是由A点映射到B点还是D点取决于非期望产出是强可处置还是弱可处置的技术假定。①如果非期望产出是强可处置的，那么在现有期望产出的基础上，进一步的潜在产出增长是最大的，即技术点由A投射至D。在这种情况下，节能减排约束对产出并不形成制约，潜在产出的最大增长值等于距离函数值βF，在图1中表示为AD/Og。②如果非期望产出是弱可处置的，那么节能减排的强制性约束变得有效，技术点A将投射至B，这意味着工业企业需要在增加好产出和减少坏产出之间进行权衡。该种假定显然与现实经济中的节能减排行为更为契合，此时，在节能减排约束下，要想减少坏产出，好产出也必须减少，我们将距离函数值记为βR，在图形中表示为AB/Og。
本文利用非期望产出强弱两种处置下的DDF及ML指数对2015—2050年节能减排与工业增长的双赢前景进行模拟预测，思路是：非期望产出弱可处置下距离函数值βR必然小于强可处置下最大的潜在产出βF，因此，L=βR-βF<0正好体现了由于节能减排约束所造成的潜在产出损失。利用ω=βR-|L|来表示工业潜在产出增长与损失之间的净值，并依据该净值综合判断工业节能减排的最优路径，该净值越大，说明在不同节能减排政策组合下工业能够获得的增长潜力越大。中国工业第i个行业在t期的强可处置的DDF如式（4），弱可处置的DDF如式（5）。其中，N为投入要素个数，M为期望产出个数，W为非期望产出个数，Zti为每一横截面观测值的权重。可以利用这两个公式计算出的DDF差值衡量节能减排带来的潜在产出损失L。在此基础上，本文利用与ω最优值相对应的节能减排组合下的绿色全要素生产率作为判断中国工业绿色增长前景即是否实现双赢发展的依据。
2.3 Malmquist-Luenberger生产率指数
在对方向性距离函数进行定义和求解后，可构造与其对应的ML生产率指数来测度绿色全要素生产率（即绿色生产率）。从产出角度出发，t到t+1期的ML生产率指数为式（6）。
ML生产率指数可进一步分解为技术效率变化以及技术进步变化两部分。技术效率在经济内涵上综合反映了生产中的制度创新、经验累积、规模经济等因素的变化，而技术进步体现了生产技术和工艺等的创新和改进，计算方程如式（7）至式（9）。在本文中，如果ML指数大于1，说明绿色全要素生产率（GTFP）增长，如果ML指数小于1，则反映绿色全要素生产率出现下降。同理，技术效率指数（GEFFCH）大于1和小于1分别表示绿色技术效率改善和恶化；技术进步指数（GTECH）大于1和小于1分别表示绿色技术进步和退步。
2.4 节能减排情景分析与路径设计
2.4.1 节能情景设计
根据《国民经济和社会发展第十三个五年规划纲要》和《能源发展“十三五”规划》中提出的能源消耗强度约束性指标，即2016—2020年单位国内生产总值（GDP）能耗下降 15%。纵观“十二五”时期节能降耗指标的完成情况，5年内累计节能降耗18.2%，超额完成了规划中提出的16%的目标。基于对未来经济放缓、产业结构调整、能源结构趋优的考虑，我们认为年均节能降耗3%的目标是合理的，又鉴于工业部门是节能降耗的主要执行者，故将此目标应用于工业也是恰当的，即假定单位工业总产值年均降耗3%。同时，在“十二五”期间，虽然工业增速逐年下滑，但5年内的平均增速仍然达到了预期的8%。因此，新常态下的工业经济在政策支持、技术创新、结构改革深入推进等有利因素影响下仍具有广阔的发展空间和潜力。为此，如果劳动力和资本要素按照各自的平均速度增长，那么未来中国工业的年均增速可能有6%、7%、8%、9%和10%五种目标。本文对工业增长的预期之所以与部分学者设置的4%、6%、8%、10%和12%不同，原因在于考虑到工业经济自2010年开始已经逐渐步入稳定的中高速增长阶段，因此设置的5种年均增速波動性较小。最终，结合3%的年均节能降耗目标和5种工业增长前景，可以计算出达到该节能目标相应的能源消耗年均增长率分别为2.8%、3.8%、4.8%、5.7%和6.7%。而按照“十三五”规划对能源消费总量控制的要求，2020年能源消费总量应当小于50亿t标煤，相比2015年的43亿t标煤，年均增幅小于3%，鉴于工业经济整体增速强于GDP增速，故本文设置的5种未来产出和能耗增长目标适中或稍轻，具有现实层面的可实现性。
2.4.2 二氧化碳减排路径设计
本文对二氧化碳减排路径的设计遵循循序渐进的原则，因为中国是一个发展中大国，且仍处于工业化后期阶段，因此发展问题仍是第一要务。减排并不是一个绝对概念，排放的绝对量下降当然是理想的减排，但即使排放的绝对量在增长，只要排放的增长率下降了也可算作一种合理的减排。基于此，借鉴陈诗一[15]等学者的研究，设计9条二氧化碳减排路径，这些路径的设计以执行力度由轻到重为基本原则，如表1所示。路径1～路径4的减排方案均是先将二氧化碳排放量的增长速度逐渐降至0，然后在此基础上进一步减排，可以归类为渐进型的减排路径，而路径5～路径9则是直接规定减排率，对二氧化碳减排进行强制约束，可归类为强制型的减排路径。
3 中国工业最优节能减排与增长路径
基于非期望产出强弱可处置下的DDF节能减排行为分析模型以及对不同节能减排情景的设计，利用2000—2014年中国工业36个两位数行业的投入产出历史数据对2015—2050年工业节能减排与增长路径进行预测。预测的基准年份为2014年，预测中涉及的未来各行业相关投入产出变量的平均变化率为历史几何平均增长率。
3.1 数据与指标
本文研究的原始数据来源于相应年份《中国统计年鉴》《中国经济普查年鉴》《中国工业统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》《中国城市生活与价格年鉴》以及国家统计局公布的有关数据。本文选取行业的依据为《国民经济行业分类》（GB/T4754—2011）中划分的41个两位数工业行业。为了保持行业统计口径的一致性，本文对不同年份、不同行业数据进行了归并和调整，最终建立了2000—2014年36个工业分行业的投入产出面板数据结构。
（1） 投入指标。关于劳动投入要素，采用工业各行业从业人员年平均人数表示。关于资源投入要素，采用工业各行业能源消费总量表示。关于资本投入要素，利用永续盘存法（PIM）科学估算中国工业分行业的资本存量。首先，将2000年工业行业的固定资产作为基期资本存量。其次，就当期不变价的投资额而言，将相邻两年的固定资产净增加值作为投资额，在此基础上进行平减。第三，关于投资价格指数的确定，以固定资产投资价格指数作为平减指数，利用这个平减指数序列对工业分行业的新增固定资产投资进行平减，调整至以2000年为不变价的投资额序列。第四，参考陈诗一[16]的方法，折旧率t = [（固定资产原值t - 固定资产净值t ）-（固定资产原值t-1-固定资产净值t-1 ）]/固定资产原值t-1。
（2）产出指标。对于期望产出的衡量，由于能源要素具有中间投入品性质，因此舍弃工业增加值转而采用同样包含中间投入成本的工业总产值来衡量期望产出，利用工业生产者出厂价格指数（PPI）对各年工业总产值数据进行平减，将其调整至2000年的不变价。对于非期望产出的 衡量，考虑到与能源消耗最为相关的排放为二氧化碳排放，故依据IPCC制定的《2006国家温室气體清单指南》中提供的参考方法进行估算，如式（10）。其中，C为二氧化碳排放量，E分别为煤炭、原油和天然气的消耗量；NCV为各种能源平均低位发热值；CEF为碳排放系数；COF为碳氧化因子，煤炭设定为0.99，原油和天然气为1；44/12代表二氧化碳和碳的分子量比率。在此基础上，可估算出中国工业分行业的二氧化碳排放量。
3.2 最优节能减排路径
表2报告了5种节能情景和9条减排路径，共计45种政策组合下中国工业在2015—2050年间潜在产出增长（βR）、潜在产出损失（L）以及增长净值（ω）的平均模拟预测结果。结果表明，在2015—2050年间，工业整体不论在哪种节能减排情景中，节能减排约束均造成了产出的潜在损失，但最终的增长净值均为正。就潜在产出的变化来看，工业增长目标越高，生产中的无效性越低，潜在产出增长的空间越小。就潜在产出损失的变化来看，随着工业预期增长率上升，潜在产出损失整体而言呈现上升态势。就产出增长的净值而言，按照潜在产出逐步降低而潜在损失逐步提升的变化趋势，产出增长的净值整体而言呈现低预期增长的组别净值较高，而高预期增长的组别净值较低的趋势。因此，从以上三方面考虑，最优路径应当出现在工业预期增长和能源消耗较低的组别中。进一步从各组内部的9条减排路径来看，产出净值呈现明显区分的两个“阵营”。渐进型减排路径所对应的产出净值较大，而强制型减排路径所对应的产出净值较小，因此最优路径应当出现在渐进型减排方案中。通过数据分析发现，最大的产出净值为产出增速6%、能耗增速2.8%和减排路径1所对应的0.433 52；最小的产出净值为产出增速9%、能耗增速5.7%和减排路径9对应的0.354 29。
那么，是否第1种节能情景所对应的第1种减排方案就是最优的节能减排路径呢？如果从产出净值的模拟数据来看，答案似乎是肯定的。但进一步分析和对比一下产出净值的次高值，该值为0.430 81，出现在产出增速7%、能耗增速3.8%和减排路径2的情景中，相较于前者，不论是潜在产出的增长和潜在产出的损失，二者均相差甚小。因此，除了根据ω值进行判断外，本文认为最优节能减排路径的选择还要与中国工业发展的现实契合。一方面，虽然自新常态以来工业增长下滑明显，但鉴于工业经济仍有保持中高速增长的需求，故7%的增长既能体现工业增速换档，同时也体现了对转型升级后工业增长的良好预期。另一方面，也是更重要的一点，二氧化碳排放峰值定于2040年相较于2050年更加符合中国提出的减排路线规划，近年来中国官方提及或公布的碳排放峰值基本为2030年，在经济增速放缓影响下，能源消费需求继续承压，该峰值或许还将进一步提前。但通过预测数据可以发现，在任何一种节能情景中，2030年排放峰值所对应的产出净值均小于2040年产出净值，故只好舍弃该减排路径。基于此，在产出增速7%、能耗增速3.8%下，各行业于2040年达到二氧化碳排放峰值是更理想的选择。根据上述分析及综合评价，我们决定舍弃产出净值最大的方案，转而选择产出净值次高的方案作为中国工业节能减排的最优路径。
4 最优节能减排路径下中国工业双赢发展的前景
以上确定的最优路径在行业层面能否得到印证？各行业在最优路径下的绿色生产率变化趋势如何？能否实现双赢发展？表3报告了36个分行业2015—2050年的产出增长和绿色生产率及其分解的预测结果。
4.1 最优节能减排路径下分行业绿色增长前景
表3显示，在最优节能减排路径下，各行业潜在产出保持零增长或不同程度的增长。产出增长为0说明在预测期内，该行业已经处于生产前沿上，它的生产是完全有效的，因而不存在潜在产出的提升空间。具体而言，有烟草制品、石油加工、交通运输、计算机、仪器仪表和电力热力行业。除了这几个行业外，其他行业的产出均有提升。因此，模拟预测结果表明，中国工业分行业在最优路径下实现产出增长可期，进一步验证了本文选择的最优节能减排路径对于分行业的发展而言同样是可行的。
以潜在产出和潜在损失作为判断工业能否实现双赢发展的标准有一定合理性。但潜在产出和潜在损失的比较对于确定最优节能减排路径是合理的，而以此论证工业能够实现双赢发展仍嫌证据不足。这是因为，潜在产出的变化可以描述能源环境约束下工业长期增长的过程，但并不能就此判断依靠创新驱动的绿色增长模式已经实现。因此，以最优路径下工业绿色生产率的变化验证双赢假说更具合理性，因为绿色生产率真正体现了工业生产中的质量贡献，也体现了创新补偿的思想。基于此，本文进一步分析了最优路径下各行业在绿色生产率方面的表现。从平均模拟结果来看，黑金矿采、有金矿采、皮革毛皮、家具制造、印刷媒介、文教体育和有金加工行业在预测期内的绿色生产率小于1，说明即便在最优路径下仍有部分行业出现了生产率的倒退，因而无法论证这些行业在未来能够实现双赢发展。除此之外，其他行业的绿色生产率保持增长或至少不出现倒退，可以判断这些行业基本能在未来较长的周期内实现双赢发展，而其贡献来源主要为技术进步的改善。
4.2 最优节能减排路径下全行业及大类行业绿色增长前景
就36个两位数行业而言，大部分行业在最优节能减排路径下实现绿色增长前景可期。那么对于全行业及不同类别行业而言情形如何？我们根据工业能源消耗强度将36个行业划分为高能耗、中能耗以及低能耗3类；根据工业碳排放强度将36个行业划分为高排放、中排放以及低排放3类（表3第6列）。在此基础上，进一步模拟最优节能减排路径下全行业及不同类别行业的产出增长和绿色生产率变化情况，如图2、图3、图4和图5所示。从产出增长的模拟结果来看，除了低能耗及低排放行业外，工业整体及其他行业潜在产出均在2015—2050年呈现逐步下降走势，全行业的产出增长从2015年至2050年的降幅为25.6%。从不同类别行业来看，高能耗行业产出增长最高，中能耗行业次之，低能耗行业最低；高排放行业产出增长最高，中排放行业次之，低排放行业最低。由此可见，高能耗、高排放行业更是节能减排行为的受益者，在节能减排约束下，这两类行业潜在产出增长空间较大，且在预测周期内逐步靠近生产前沿。同时，中能耗、中排放行业的产出提升空间居中，并接近于全行业的产出增长水平，同样受益于節能减排。而低能耗、低排放行业也并非节能减排行为的受损者，其产出增长幅度变化较小说明这两类行业的生产技术接近生产前沿，同时由于能源消耗及碳排放强度较低，因此节能减排约束并未对这两类行业构成太大的影响。
图4报告了最优节能减排路径下中国工业在2015—2050年间的绿色生产率（GTFP）及其分解项（GEFFCH、GTECH）的变化情况。结果显示，在2029年之前，绿色生产率的提升由技术效率和技术进步共同推动，但在2029—2034年这一区间，技术效率和技术进步的走势开始明显分化。一方面，技术效率产生了非常明显的追赶效应，并在2031—2032年间达到顶峰值1.011 1；而另一方面，由于节能减排不断增加企业环境成本开支，从而挤占研发投入，对技术进步形成了负面冲击，故技术进步效应在此区间降至最低点0.993 4。在此之后，技术效率由于追赶效应释放完成开始下降，而节能减排对技术进步的倒逼机制逐步凸显，技术进步在不断累积、消化、吸收中开始持续释放增长效应，自2035年开始，绿色生产率的提升主要靠技术进步的推动。总言之，正是由于技术效率和技术进步的此消彼长，且技术进步在长期内逐渐成为绿色增长的主要动力，工业绿色全要素生产率才得以在整个预测期间保持增长（平均增长达0.54%），因而在全行业层面中国工业绿色增长即实现双赢发展的前景是可以预期的。
图5报告了最优节能减排路径下各类行业的绿色生产率及其分解的变化情况。从按能耗强度划分的三大行业来看，在整个预测周期，三大行业绿色生产率在经过一定的波动起伏后，最终都呈现增长态势。我们发现，中能耗行业在中期受到一次明显的技术进步负向冲击，而该负面影响被持续高涨的技术效率追赶效应所抵消，使得中能耗行业绿色生产率整体呈现平稳上升走势。高能耗行业前期绿色生产率也有一次明显的下跌，但绿色生产率始终维持在1之上。相较中能耗行业，高能耗行业技术效率的追赶周期更长，直到2040年左右开始才出现下降，而其技术进步则从2037年左右开始高涨，并成为推动行业绿色生产率提升的主要动力。低能耗行业绿色生产率及其分解的走势与高能耗行业较为类似，二者绿色生产率均在前期一次明显的下跌后，回落到一个稍低但更加稳健的增长路径上，但低能耗行业的绿色生产率受技术进步驱动更为显著，其绿色生产率与技术进步的走势基本保持同步。从按行业碳排放强度划分的三大行业来看，高排放、中排放和低排放行业的绿色生产率及其分解的走势与高能耗、中能耗和低能耗行业的走势非常类似。同样，节能减排在期初对三大行业的技术进步造成了负面影响，整体而言，高排放行业由于后期技术进步的不断累积和提升，推动了绿色生产率取得最快增长，中低排放行业也由于技术进步的拉动，使得绿色生产率经过下滑后保持更加平稳的上升趋势。综合分析，与全行业一致，不论是哪一种分类方法，节能减排行为均在前期或中期对技术进步造成了负面影响，但刚好被同期技术效率的上升所抵消，使得二者合成的绿色生产率保持上升，而从中期开始，随着技术进步正向效应凸显，为绿色生产率持续增长提供了源源不断的动力。因此可以判断，不论是按能耗强度还是排放强度划分的各类行业，在最优节能减排路径下，绿色生产率整体均能保持上升态势，也就是说，各类行业在未来较长周期内实现绿色增长前景可期。
5 主要结论及政策启示
基于DDF节能减排行为分析模型及ML指数对2015—2050年中国工业绿色增长前景进行模拟预测，并最终以预测期内绿色全要素生产率的变化作为判断中国工业能否实现双赢发展的依据。研究表明，产出增速7%、能耗增速3.8%，各行业在2040年达到二氧化碳排放峰值是中国工业最优的节能减排路径。在最优路径下，工业全行业绿色生产率平均增长0.53%，共有29个分行业的绿色生产率保持增长或至少不出现倒退，因而中国工业绿色增长即实现双赢发展前景可期。就绿色生产率的增长源泉来看，期初绿色生产率提升主要依靠技术效率拉动，而在中期过后，技术进步开始持续释放增长效应，自2035年开始，绿色生产率的提升主要靠技术进步的推动。此外，高能耗、高排放行业更是节能减排行为的受益者，相较中低能耗行业，高能耗行业绿色生产率增长最快，而相较中低排放行业，高排放行业绿色生产率增长最快。本文研究蕴含的政策启示有以下几点。
首先，建立一套以绿色经济为核心的政绩考核体系，摒弃“唯增长论”。在制度改革过程中，特别需要将能源、环境指标及相关要素纳入到考评范畴，对于工业节能减排的相关约束性指标应当在政府考核奖惩体系中占据重要的份额。其次，科学设定节能减排强度。模拟预测结果表明，节能减排约束能够对工业技术创新起到正面激励。但要注意的是，由于工业不同行业具有明显的异质性，在制定环境政策时要避免行业统一的静态标准和盲目提高约束强度。对于能耗和排放强度较高的行业，可以有差异化
地强化节能减排，重点应放在激发企业的绿色技术创新上，让企业由迫于环境压力进行技术改造转变为清洁、绿色技术和工艺创新的主动承担者；对于能耗和排放强度较低的行业，可谨慎放松節能减排强度，以避免对企业经营空间和研发投入过多的挤压，但仍要加强对节能减排执行力度的监管，避免产生机会主义行为。第三，加大节能减排技术研发并促进技术扩散。工业绿色增长前景的实现与技术进步的累积和推动效应密不可分，而研发活动则是实现技术进步的重要渠道。一方面，应当积极推动绿色技术研发，逐步形成绿色技术体系，尤其是在资源再利用技术、环境治理技术、清洁生产技术、生态恢复技术、新能源技术等领域要加强研发创新，有效发挥先进技术在工业节能减排中的关键作用，提升中国工业在绿色技术领域的话语权。另一方面，应当加快技术扩散，推动一批绿色技术创新成果的示范和推广，通过示范效应将自主创新成果更好地推广到工业企业的生产过程中，进一步缩小行业之间的技术差距，促进行业内部绿色生产率逐步收敛。
参考文献（References）
[1]JAFFE A B， PALMER K. Environmental regulation and innovation： a panel data study[J]. Review of economics and statistics， 1997， 79（4）： 610-619.
[2]BOYD G A， MCCLELLAND J D. The impact of environmental constraints on productivity improvement in integrated paper plants[J]. Journal of environmental economics and management， 1999， 38（2）： 121-142.
[3]PORTER M E. Towards a dynamic theory of strategy[J]. Strategic management journal，1991，12（S2）： 95-117.
[4]PORTER M E， VAN DER LINDE C. Toward a new conception of the environment-competitiveness relationship[J]. The journal of economic perspectives， 1995， 9（4）： 97-118.
[5]TELLE K， LARSSON J. Do environmental regulations hamper productivity growth？ how accounting for improvements of plants environmental performance can change the conclusion[J]. Ecological economics， 2007， 61（2）： 438-445.
[6]张成，陆旸，郭路，等. 环境规制强度和生产技术进步[J]. 经济研究，2011（2）：113-124. [ZHANG Cheng， LU Yang， GUO Lu， et al. The intensity of environmental regulation and technological progress of production [J]. Economic research journal， 2011（2）： 113-124.]
[7]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]. 中国工业经济，2015（5）：57-69. [WANG Bing， LIU Guangtian. Energy conservation and emission reduction and Chinas green economic growth：based on a total factor productivity perspective [J]. China industrial economics， 2015（5）： 57-69.]
[8]CHAMBERS R G， CHUNG Y， FARE R. Benefit and distance functions[J]. Journal of economic theory， 1996， 70（2）： 407-419.
[9]CHUNG Y H， FARE R， GROSSKOPF S. Productivity and undesirable outputs： a directional distance function approach[J]. Journal of environmental management， 1997， 51（3）： 229-240.
[10]胡鞍钢，郑京海，高宇宁，等. 考虑环境因素的省级技术效率排名（1999—2005）[J]. 经济学（季刊），2008，7（3）：933-960. [HU Angang， ZHENG Jinghai. GAO Yuning， et al. Provincial technology efficiency ranking with environment factors （1999-2005） [J]. China economic quarterly， 2008，7（3）： 933-960.]
[11]CHEN S Y， GOLLEY J. ‘Green productivity growth in Chinas industrial economy[J]. Energy economics， 2014，44：89-98.
[12]AGHAYI N， MALEKI B. Efficiency measurement of DMUs with undesirable outputs under uncertainty based on the directional distance function： application on bank industry[J]. Energy， 2016，112： 376-387.
[13]陳超凡. 中国工业绿色全要素生产率及其影响因素——基于 ML 生产率指数及动态面板模型的实证研究[J]. 统计研究，2016，33（3）：53-62. [CHEN Chaofan. Chinas industrial green total factor productivity and its determinants： an empirical study based on ML index and dynamic panel data model [J]. Statistical research， 2016，33（3）： 53-62.]
[14]李斌，彭星，欧阳铭珂. 环境规制，绿色全要素生产率与中国工业发展方式转变——基于36个工业行业数据的实证研究[J]. 中国工业经济，2013（4）：56-68. [LI Bin， PENG Xing，OUYANG Mingke. Environmental regulation， green total factor productivity and transformation of Chinas industrial development mode： based on the data of Chinas 36 industries [J]. China industrial economics， 2013（4）： 56-68.]
[15]陈诗一. 节能减排与中国工业的双赢发展：2009—2049[J]. 经济研究，2010，45（3）：129-143. [CHEN Shiyi. Energy-save and emission-abate activity with its impact on industrial win-win development in China： 2009-2049 [J]. Economic research journal， 2010，45（3）： 129-143.]
[16]陈诗一. 中国工业分行业统计数据估算：1980—2008[J]. 经济学（季刊），2011，10（3）：735-776. [CHEN Shiyi. Reconstruction of sub-industrial statistical data in China （1980-2008） [J]. China economic quarterly， 2011，10（3）： 735-776.]
摘要 运用方向性距离函数和Malmquist-Luenberger生产率指数对2015—2050年中国工业绿色增长进行模拟预测，通过对能源消耗5种情景，以及9条二氧化碳减排路径的设计，评估45种节能减排政策组合对工业潜在产出和损失的影响，以找寻节能减排的最优路径。在此基础上，模拟预测最优路径下中国工业产出增长和绿色生产率增长的变动趋势，并以绿色生产率的变化作为判断中国工业能否实现双赢发展的依据，研究表明：①2015—2050年间，在45种节能减排政策组合中，节能减排行为均造成工业产出的潜在损失，但由于产出增长的幅度较大，最终的增长净值为正。经过综合评价，产出增速7%、能耗增速3.8%，工业各行业在2040年达到二氧化碳排放峰值是最优的节能减排路径。②在最优节能减排路径下，全行业绿色生产率在预测周期内平均增长0.53%，共有29个分行业的绿色生产率保持增长或不出现倒退，因而中国工业绿色增长即实现双赢发展的前景可期。从绿色生产率的驱动力来看，期初绿色生产率的提升主要依靠技术效率拉动，而中期过后，技术进步在不断累积、消化、吸收中开始持续释放增长效应，自2035年开始，绿色生产率的提升主要靠技术进步的推动。③高能耗、高排放行业更是节能减排行为的受益者，而其他行业也并非节能减排行为的受损者。相较中低能耗行业，高能耗行业绿色生产率增长最快，相较中低排放行业，高排放行业的绿色生产率增长最快。与全行业一致，各类行业绿色生产率及其分解的走势也体现出前期技术进步负效应和技术效率正效应共同作用，而中后期技术进步成为绿色生产率增长的主要来源。
关键词 节能减排；中国工业；绿色全要素生产率；方向性距离函数；模拟预测
中图分类号 F426
文献标识码 A文章编号 1002-2104（2018）04-0145-10DOI：10.12062/cpre.20171103
工业不仅是驱动经济增长的引擎，同时也是能源消耗和二氧化碳排放最主要的产业部门。随着中国经济步入新常态，一方面，要素和投资的边际报酬递减，中国工业迫切需要从“要素驱动”模式向“创新驱动”模式转型。另一方面，工业发展的资源环境承载能力已逼近极限，如果继续以损害生态环境为代价发展工业，经济增长的可持续性将面临重大挑战。因此，要破解发展难题，实现工业转型升级，必须形成绿色增长的新模式。在推动工业绿色增长进程中，必然伴随着更为严格的节能减排约束，而在短期内，节能减排将不可避免地消耗一部分宝贵的生产性资源，从而对工业增长形成冲击。那么，在未来更长的周期内，是否存在一条节能减排与产出增长的最优路径？中国工业绿色增长的前景如何？节能减排与工业发展能否实现双赢？本文将通过模拟预测的方式对这些问题进行回答，从而在客观上为工业长期增长提供经验依据，并为中国未来宏观节能减排政策的制定提供参考。
1 文献综述
学术界对节能减排效应尚未有统一定论。基于新古典框架的传统观点认为严格的节能减排将导致企业环境治理成本上升，从而降低企业的生产率和市场竞争力[1-2]。与传统观点不同，Porter[3]、Porter和Vander Linde[4]等学者认为，从长期动态来看，严格且适宜的环境规制能够激发出企业的“创新补偿效应”，使得被规制企业在变动约束条件下提升资源配置水平、改进生产工艺流程、刺激技术创新能力，从而实现企业环境绩效和生产率的共同提升[5-6]。这一观点被后续研究者称之为“波特假说”。对“波特假说”正反两方面观点进行探索的文献汗牛充栋，从研究方法来看，可大致分为理论建模、计量检验以及数据包络分析（DEA）三类[7]。然而，理论模型往往因存在严格的假设以及无法量化节能减排对经济的具体影响存在现实解释力不足的问题；参数化计量模型则受制于先验的方程形式和分布假定；传统的DEA模型没有考虑环境污染的负外部性，使得“好产出”和“坏产出”无法得到准确区分。
相比其他两类方法，非参数DEA具有无需假定生产函数具体形式、可进行跨期研究、可对生产率进行分解等优势。为了弥补傳统DEA方法的缺陷，Chambers et al[8]和Chung et al[9]提出了方向性距离函数（Directional Distance Function，DDF），他们将污染排放作为非期望产出进行处理，从而使得环境因素对生产过程的制约作用有了科学的拟合与解释。由于DDF既鼓励期望产出向生产前沿扩张，又鼓励污染排放向最小化前沿缩减，因而是一个分析节能减排效应合理的框架。近年来，该方法被学者们广泛运用于资源环境约束下的效率与生产率问题研究中[10-12]。与此对应，Chung et al[9]发展出基于DDF的Malmquist-Luenberger（ML）指数，进一步突破了资源环境约束下测度全要素生产率的技术瓶颈。在工业领域，也涌现出了不少关于工业绿色全要素生产率的研究成果[13-14]，但对中国工业绿色增长前景进行模拟预测的研究十分稀缺。为了弥补现有研究的不足，本文运用方向性距离函数及ML生产率指数的分析框架，将视线从当前一直延伸至2050年，通过设计不同的节能情景和减排方案找寻未来中国工业节能减排的最优路径，并以最优路径下绿色全要素生产率的变化作为判断工业双赢发展是否实现的依据，是对着眼于历史或当前研究的有效拓展。
2 研究方法与情景设计
2.1 方向性距离函数
在图1中，技术由A点即（y，b）所隶属的生产集用P（x）表示。传统的距离函数使期望产出和非期望产出同时增加，即技术点由A投射至C，而方向性距离函数（DDF）则可以沿着ABD的方向同时拟合期望产出增加和非期望产出减少的行为。DDF的具体形式用式（2）表示，g为方向向量，本文将g设定为g=（y，-b），表示期望产出和非期望产出在原有存量基础上，按相同比例扩张和收缩。β即是所要度量的
DDF和生产决策单元的绿色技术效率具有如式（3）的关系。因此，DDF衡量了生产者相对于前沿的绿色技术水平，即非效率的大小程度。DDF的值越小，表明越接近生产可能性边界，绿色技术效率值越高；DDF的值越大，表明离生产可能性边界越远，绿色技术效率值越低。当DDF的值为0时，生产决策单元已经位于生产可能性边界之上，此时的绿色技术效率值为1，意味着生产是完全有效率的。
2.2 基于方向性距离函数的行为分析模型
借鉴陈诗一[15]的研究，我们对基于DDF框架的节能减排行为进行分析。如图1所示，技术点A处于有效率生产前沿的内部。然而，在能源消耗及污染排放下，产出向量究竟是由A点映射到B点还是D点取决于非期望产出是强可处置还是弱可处置的技术假定。①如果非期望产出是强可处置的，那么在现有期望产出的基础上，进一步的潜在产出增长是最大的，即技术点由A投射至D。在这种情况下，节能减排约束对产出并不形成制约，潜在产出的最大增长值等于距离函数值βF，在图1中表示为AD/Og。②如果非期望产出是弱可处置的，那么节能减排的强制性约束变得有效，技术点A将投射至B，这意味着工业企业需要在增加好产出和减少坏产出之间进行权衡。该种假定显然与现实经济中的节能减排行为更为契合，此时，在节能减排约束下，要想减少坏产出，好产出也必须减少，我们将距离函数值记为βR，在图形中表示为AB/Og。
本文利用非期望产出强弱两种处置下的DDF及ML指数对2015—2050年节能减排与工业增长的双赢前景进行模拟预测，思路是：非期望产出弱可处置下距离函数值βR必然小于强可处置下最大的潜在产出βF，因此，L=βR-βF<0正好体现了由于节能减排约束所造成的潜在产出损失。利用ω=βR-|L|来表示工业潜在产出增长与损失之间的净值，并依据该净值综合判断工业节能减排的最优路径，该净值越大，说明在不同节能减排政策组合下工业能够获得的增长潜力越大。中国工业第i个行业在t期的强可处置的DDF如式（4），弱可处置的DDF如式（5）。其中，N为投入要素个数，M为期望产出个数，W为非期望产出个数，Zti为每一横截面观测值的权重。可以利用这两个公式计算出的DDF差值衡量节能减排带来的潜在产出损失L。在此基础上，本文利用与ω最优值相对应的节能减排组合下的绿色全要素生产率作为判断中国工业绿色增长前景即是否实现双赢发展的依据。
2.3 Malmquist-Luenberger生产率指数
在对方向性距离函数进行定义和求解后，可构造与其对应的ML生产率指数来测度绿色全要素生产率（即绿色生产率）。从产出角度出发，t到t+1期的ML生产率指数为式（6）。
ML生产率指数可进一步分解为技术效率变化以及技术进步变化两部分。技术效率在经济内涵上综合反映了生产中的制度创新、经验累积、规模经济等因素的变化，而技术进步体现了生产技术和工艺等的创新和改进，计算方程如式（7）至式（9）。在本文中，如果ML指数大于1，说明绿色全要素生产率（GTFP）增长，如果ML指数小于1，则反映绿色全要素生产率出现下降。同理，技术效率指数（GEFFCH）大于1和小于1分别表示绿色技术效率改善和恶化；技术进步指数（GTECH）大于1和小于1分别表示绿色技术进步和退步。
2.4 节能减排情景分析与路径设计
2.4.1 节能情景设计
根据《国民经济和社会发展第十三个五年规划纲要》和《能源发展“十三五”规划》中提出的能源消耗强度约束性指标，即2016—2020年单位国内生产总值（GDP）能耗下降 15%。纵观“十二五”时期节能降耗指标的完成情况，5年内累计节能降耗18.2%，超额完成了规划中提出的16%的目标。基于对未来经济放缓、产业结构调整、能源结构趋优的考虑，我们认为年均节能降耗3%的目标是合理的，又鉴于工业部门是节能降耗的主要执行者，故将此目标应用于工业也是恰当的，即假定单位工业总产值年均降耗3%。同时，在“十二五”期间，虽然工业增速逐年下滑，但5年内的平均增速仍然达到了预期的8%。因此，新常态下的工业经济在政策支持、技术创新、结构改革深入推进等有利因素影响下仍具有广阔的发展空间和潜力。为此，如果劳动力和资本要素按照各自的平均速度增长，那么未来中国工业的年均增速可能有6%、7%、8%、9%和10%五种目标。本文对工业增长的预期之所以与部分学者设置的4%、6%、8%、10%和12%不同，原因在于考虑到工业经济自2010年开始已经逐渐步入稳定的中高速增长阶段，因此设置的5种年均增速波動性较小。最终，结合3%的年均节能降耗目标和5种工业增长前景，可以计算出达到该节能目标相应的能源消耗年均增长率分别为2.8%、3.8%、4.8%、5.7%和6.7%。而按照“十三五”规划对能源消费总量控制的要求，2020年能源消费总量应当小于50亿t标煤，相比2015年的43亿t标煤，年均增幅小于3%，鉴于工业经济整体增速强于GDP增速，故本文设置的5种未来产出和能耗增长目标适中或稍轻，具有现实层面的可实现性。
2.4.2 二氧化碳减排路径设计
本文对二氧化碳减排路径的设计遵循循序渐进的原则，因为中国是一个发展中大国，且仍处于工业化后期阶段，因此发展问题仍是第一要务。减排并不是一个绝对概念，排放的绝对量下降当然是理想的减排，但即使排放的绝对量在增长，只要排放的增长率下降了也可算作一种合理的减排。基于此，借鉴陈诗一[15]等学者的研究，设计9条二氧化碳减排路径，这些路径的设计以执行力度由轻到重为基本原则，如表1所示。路径1～路径4的减排方案均是先将二氧化碳排放量的增长速度逐渐降至0，然后在此基础上进一步减排，可以归类为渐进型的减排路径，而路径5～路径9则是直接规定减排率，对二氧化碳减排进行强制约束，可归类为强制型的减排路径。
3 中国工业最优节能减排与增长路径
基于非期望产出强弱可处置下的DDF节能减排行为分析模型以及对不同节能减排情景的设计，利用2000—2014年中国工业36个两位数行业的投入产出历史数据对2015—2050年工业节能减排与增长路径进行预测。预测的基准年份为2014年，预测中涉及的未来各行业相关投入产出变量的平均变化率为历史几何平均增长率。
3.1 数据与指标
本文研究的原始数据来源于相应年份《中国统计年鉴》《中国经济普查年鉴》《中国工业统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》《中国城市生活与价格年鉴》以及国家统计局公布的有关数据。本文选取行业的依据为《国民经济行业分类》（GB/T4754—2011）中划分的41个两位数工业行业。为了保持行业统计口径的一致性，本文对不同年份、不同行业数据进行了归并和调整，最终建立了2000—2014年36个工业分行业的投入产出面板数据结构。
（1） 投入指标。关于劳动投入要素，采用工业各行业从业人员年平均人数表示。关于资源投入要素，采用工业各行业能源消费总量表示。关于资本投入要素，利用永续盘存法（PIM）科学估算中国工业分行业的资本存量。首先，将2000年工业行业的固定资产作为基期资本存量。其次，就当期不变价的投资额而言，将相邻两年的固定资产净增加值作为投资额，在此基础上进行平减。第三，关于投资价格指数的确定，以固定资产投资价格指数作为平减指数，利用这个平减指数序列对工业分行业的新增固定资产投资进行平减，调整至以2000年为不变价的投资额序列。第四，参考陈诗一[16]的方法，折旧率t = [（固定资产原值t - 固定资产净值t ）-（固定资产原值t-1-固定资产净值t-1 ）]/固定资产原值t-1。
（2）产出指标。对于期望产出的衡量，由于能源要素具有中间投入品性质，因此舍弃工业增加值转而采用同样包含中间投入成本的工业总产值来衡量期望产出，利用工业生产者出厂价格指数（PPI）对各年工业总产值数据进行平减，将其调整至2000年的不变价。对于非期望产出的 衡量，考虑到与能源消耗最为相关的排放为二氧化碳排放，故依据IPCC制定的《2006国家温室气體清单指南》中提供的参考方法进行估算，如式（10）。其中，C为二氧化碳排放量，E分别为煤炭、原油和天然气的消耗量；NCV为各种能源平均低位发热值；CEF为碳排放系数；COF为碳氧化因子，煤炭设定为0.99，原油和天然气为1；44/12代表二氧化碳和碳的分子量比率。在此基础上，可估算出中国工业分行业的二氧化碳排放量。
3.2 最优节能减排路径
表2报告了5种节能情景和9条减排路径，共计45种政策组合下中国工业在2015—2050年间潜在产出增长（βR）、潜在产出损失（L）以及增长净值（ω）的平均模拟预测结果。结果表明，在2015—2050年间，工业整体不论在哪种节能减排情景中，节能减排约束均造成了产出的潜在损失，但最终的增长净值均为正。就潜在产出的变化来看，工业增长目标越高，生产中的无效性越低，潜在产出增长的空间越小。就潜在产出损失的变化来看，随着工业预期增长率上升，潜在产出损失整体而言呈现上升态势。就产出增长的净值而言，按照潜在产出逐步降低而潜在损失逐步提升的变化趋势，产出增长的净值整体而言呈现低预期增长的组别净值较高，而高预期增长的组别净值较低的趋势。因此，从以上三方面考虑，最优路径应当出现在工业预期增长和能源消耗较低的组别中。进一步从各组内部的9条减排路径来看，产出净值呈现明显区分的两个“阵营”。渐进型减排路径所对应的产出净值较大，而强制型减排路径所对应的产出净值较小，因此最优路径应当出现在渐进型减排方案中。通过数据分析发现，最大的产出净值为产出增速6%、能耗增速2.8%和减排路径1所对应的0.433 52；最小的产出净值为产出增速9%、能耗增速5.7%和减排路径9对应的0.354 29。
那么，是否第1种节能情景所对应的第1种减排方案就是最优的节能减排路径呢？如果从产出净值的模拟数据来看，答案似乎是肯定的。但进一步分析和对比一下产出净值的次高值，该值为0.430 81，出现在产出增速7%、能耗增速3.8%和减排路径2的情景中，相较于前者，不论是潜在产出的增长和潜在产出的损失，二者均相差甚小。因此，除了根据ω值进行判断外，本文认为最优节能减排路径的选择还要与中国工业发展的现实契合。一方面，虽然自新常态以来工业增长下滑明显，但鉴于工业经济仍有保持中高速增长的需求，故7%的增长既能体现工业增速换档，同时也体现了对转型升级后工业增长的良好预期。另一方面，也是更重要的一点，二氧化碳排放峰值定于2040年相较于2050年更加符合中国提出的减排路线规划，近年来中国官方提及或公布的碳排放峰值基本为2030年，在经济增速放缓影响下，能源消费需求继续承压，该峰值或许还将进一步提前。但通过预测数据可以发现，在任何一种节能情景中，2030年排放峰值所对应的产出净值均小于2040年产出净值，故只好舍弃该减排路径。基于此，在产出增速7%、能耗增速3.8%下，各行业于2040年达到二氧化碳排放峰值是更理想的选择。根据上述分析及综合评价，我们决定舍弃产出净值最大的方案，转而选择产出净值次高的方案作为中国工业节能减排的最优路径。
4 最优节能减排路径下中国工业双赢发展的前景
以上确定的最优路径在行业层面能否得到印证？各行业在最优路径下的绿色生产率变化趋势如何？能否实现双赢发展？表3报告了36个分行业2015—2050年的产出增长和绿色生产率及其分解的预测结果。
4.1 最优节能减排路径下分行业绿色增长前景
表3显示，在最优节能减排路径下，各行业潜在产出保持零增长或不同程度的增长。产出增长为0说明在预测期内，该行业已经处于生产前沿上，它的生产是完全有效的，因而不存在潜在产出的提升空间。具体而言，有烟草制品、石油加工、交通运输、计算机、仪器仪表和电力热力行业。除了这几个行业外，其他行业的产出均有提升。因此，模拟预测结果表明，中国工业分行业在最优路径下实现产出增长可期，进一步验证了本文选择的最优节能减排路径对于分行业的发展而言同样是可行的。
以潜在产出和潜在损失作为判断工业能否实现双赢发展的标准有一定合理性。但潜在产出和潜在损失的比较对于确定最优节能减排路径是合理的，而以此论证工业能够实现双赢发展仍嫌证据不足。这是因为，潜在产出的变化可以描述能源环境约束下工业长期增长的过程，但并不能就此判断依靠创新驱动的绿色增长模式已经实现。因此，以最优路径下工业绿色生产率的变化验证双赢假说更具合理性，因为绿色生产率真正体现了工业生产中的质量贡献，也体现了创新补偿的思想。基于此，本文进一步分析了最优路径下各行业在绿色生产率方面的表现。从平均模拟结果来看，黑金矿采、有金矿采、皮革毛皮、家具制造、印刷媒介、文教体育和有金加工行业在预测期内的绿色生产率小于1，说明即便在最优路径下仍有部分行业出现了生产率的倒退，因而无法论证这些行业在未来能够实现双赢发展。除此之外，其他行业的绿色生产率保持增长或至少不出现倒退，可以判断这些行业基本能在未来较长的周期内实现双赢发展，而其贡献来源主要为技术进步的改善。
4.2 最优节能减排路径下全行业及大类行业绿色增长前景
就36个两位数行业而言，大部分行业在最优节能减排路径下实现绿色增长前景可期。那么对于全行业及不同类别行业而言情形如何？我们根据工业能源消耗强度将36个行业划分为高能耗、中能耗以及低能耗3类；根据工业碳排放强度将36个行业划分为高排放、中排放以及低排放3类（表3第6列）。在此基础上，进一步模拟最优节能减排路径下全行业及不同类别行业的产出增长和绿色生产率变化情况，如图2、图3、图4和图5所示。从产出增长的模拟结果来看，除了低能耗及低排放行业外，工业整体及其他行业潜在产出均在2015—2050年呈现逐步下降走势，全行业的产出增长从2015年至2050年的降幅为25.6%。从不同类别行业来看，高能耗行业产出增长最高，中能耗行业次之，低能耗行业最低；高排放行业产出增长最高，中排放行业次之，低排放行业最低。由此可见，高能耗、高排放行业更是节能减排行为的受益者，在节能减排约束下，这两类行业潜在产出增长空间较大，且在预测周期内逐步靠近生产前沿。同时，中能耗、中排放行业的产出提升空间居中，并接近于全行业的产出增长水平，同样受益于節能减排。而低能耗、低排放行业也并非节能减排行为的受损者，其产出增长幅度变化较小说明这两类行业的生产技术接近生产前沿，同时由于能源消耗及碳排放强度较低，因此节能减排约束并未对这两类行业构成太大的影响。
图4报告了最优节能减排路径下中国工业在2015—2050年间的绿色生产率（GTFP）及其分解项（GEFFCH、GTECH）的变化情况。结果显示，在2029年之前，绿色生产率的提升由技术效率和技术进步共同推动，但在2029—2034年这一区间，技术效率和技术进步的走势开始明显分化。一方面，技术效率产生了非常明显的追赶效应，并在2031—2032年间达到顶峰值1.011 1；而另一方面，由于节能减排不断增加企业环境成本开支，从而挤占研发投入，对技术进步形成了负面冲击，故技术进步效应在此区间降至最低点0.993 4。在此之后，技术效率由于追赶效应释放完成开始下降，而节能减排对技术进步的倒逼机制逐步凸显，技术进步在不断累积、消化、吸收中开始持续释放增长效应，自2035年开始，绿色生产率的提升主要靠技术进步的推动。总言之，正是由于技术效率和技术进步的此消彼长，且技术进步在长期内逐渐成为绿色增长的主要动力，工业绿色全要素生产率才得以在整个预测期间保持增长（平均增长达0.54%），因而在全行业层面中国工业绿色增长即实现双赢发展的前景是可以预期的。
图5报告了最优节能减排路径下各类行业的绿色生产率及其分解的变化情况。从按能耗强度划分的三大行业来看，在整个预测周期，三大行业绿色生产率在经过一定的波动起伏后，最终都呈现增长态势。我们发现，中能耗行业在中期受到一次明显的技术进步负向冲击，而该负面影响被持续高涨的技术效率追赶效应所抵消，使得中能耗行业绿色生产率整体呈现平稳上升走势。高能耗行业前期绿色生产率也有一次明显的下跌，但绿色生产率始终维持在1之上。相较中能耗行业，高能耗行业技术效率的追赶周期更长，直到2040年左右开始才出现下降，而其技术进步则从2037年左右开始高涨，并成为推动行业绿色生产率提升的主要动力。低能耗行业绿色生产率及其分解的走势与高能耗行业较为类似，二者绿色生产率均在前期一次明显的下跌后，回落到一个稍低但更加稳健的增长路径上，但低能耗行业的绿色生产率受技术进步驱动更为显著，其绿色生产率与技术进步的走势基本保持同步。从按行业碳排放强度划分的三大行业来看，高排放、中排放和低排放行业的绿色生产率及其分解的走势与高能耗、中能耗和低能耗行业的走势非常类似。同样，节能减排在期初对三大行业的技术进步造成了负面影响，整体而言，高排放行业由于后期技术进步的不断累积和提升，推动了绿色生产率取得最快增长，中低排放行业也由于技术进步的拉动，使得绿色生产率经过下滑后保持更加平稳的上升趋势。综合分析，与全行业一致，不论是哪一种分类方法，节能减排行为均在前期或中期对技术进步造成了负面影响，但刚好被同期技术效率的上升所抵消，使得二者合成的绿色生产率保持上升，而从中期开始，随着技术进步正向效应凸显，为绿色生产率持续增长提供了源源不断的动力。因此可以判断，不论是按能耗强度还是排放强度划分的各类行业，在最优节能减排路径下，绿色生产率整体均能保持上升态势，也就是说，各类行业在未来较长周期内实现绿色增长前景可期。
5 主要结论及政策启示
基于DDF节能减排行为分析模型及ML指数对2015—2050年中国工业绿色增长前景进行模拟预测，并最终以预测期内绿色全要素生产率的变化作为判断中国工业能否实现双赢发展的依据。研究表明，产出增速7%、能耗增速3.8%，各行业在2040年达到二氧化碳排放峰值是中国工业最优的节能减排路径。在最优路径下，工业全行业绿色生产率平均增长0.53%，共有29个分行业的绿色生产率保持增长或至少不出现倒退，因而中国工业绿色增长即实现双赢发展前景可期。就绿色生产率的增长源泉来看，期初绿色生产率提升主要依靠技术效率拉动，而在中期过后，技术进步开始持续释放增长效应，自2035年开始，绿色生产率的提升主要靠技术进步的推动。此外，高能耗、高排放行业更是节能减排行为的受益者，相较中低能耗行业，高能耗行业绿色生产率增长最快，而相较中低排放行业，高排放行业绿色生产率增长最快。本文研究蕴含的政策启示有以下几点。
首先，建立一套以绿色经济为核心的政绩考核体系，摒弃“唯增长论”。在制度改革过程中，特别需要将能源、环境指标及相关要素纳入到考评范畴，对于工业节能减排的相关约束性指标应当在政府考核奖惩体系中占据重要的份额。其次，科学设定节能减排强度。模拟预测结果表明，节能减排约束能够对工业技术创新起到正面激励。但要注意的是，由于工业不同行业具有明显的异质性，在制定环境政策时要避免行业统一的静态标准和盲目提高约束强度。对于能耗和排放强度较高的行业，可以有差异化
地强化节能减排，重点应放在激发企业的绿色技术创新上，让企业由迫于环境压力进行技术改造转变为清洁、绿色技术和工艺创新的主动承担者；对于能耗和排放强度较低的行业，可谨慎放松節能减排强度，以避免对企业经营空间和研发投入过多的挤压，但仍要加强对节能减排执行力度的监管，避免产生机会主义行为。第三，加大节能减排技术研发并促进技术扩散。工业绿色增长前景的实现与技术进步的累积和推动效应密不可分，而研发活动则是实现技术进步的重要渠道。一方面，应当积极推动绿色技术研发，逐步形成绿色技术体系，尤其是在资源再利用技术、环境治理技术、清洁生产技术、生态恢复技术、新能源技术等领域要加强研发创新，有效发挥先进技术在工业节能减排中的关键作用，提升中国工业在绿色技术领域的话语权。另一方面，应当加快技术扩散，推动一批绿色技术创新成果的示范和推广，通过示范效应将自主创新成果更好地推广到工业企业的生产过程中，进一步缩小行业之间的技术差距，促进行业内部绿色生产率逐步收敛。
参考文献（References）
[1]JAFFE A B， PALMER K. Environmental regulation and innovation： a panel data study[J]. Review of economics and statistics， 1997， 79（4）： 610-619.
[2]BOYD G A， MCCLELLAND J D. The impact of environmental constraints on productivity improvement in integrated paper plants[J]. Journal of environmental economics and management， 1999， 38（2）： 121-142.
[3]PORTER M E. Towards a dynamic theory of strategy[J]. Strategic management journal，1991，12（S2）： 95-117.
[4]PORTER M E， VAN DER LINDE C. Toward a new conception of the environment-competitiveness relationship[J]. The journal of economic perspectives， 1995， 9（4）： 97-118.
[5]TELLE K， LARSSON J. Do environmental regulations hamper productivity growth？ how accounting for improvements of plants environmental performance can change the conclusion[J]. Ecological economics， 2007， 61（2）： 438-445.
[6]张成，陆旸，郭路，等. 环境规制强度和生产技术进步[J]. 经济研究，2011（2）：113-124. [ZHANG Cheng， LU Yang， GUO Lu， et al. The intensity of environmental regulation and technological progress of production [J]. Economic research journal， 2011（2）： 113-124.]
[7]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]. 中国工业经济，2015（5）：57-69. [WANG Bing， LIU Guangtian. Energy conservation and emission reduction and Chinas green economic growth：based on a total factor productivity perspective [J]. China industrial economics， 2015（5）： 57-69.]
[8]CHAMBERS R G， CHUNG Y， FARE R. Benefit and distance functions[J]. Journal of economic theory， 1996， 70（2）： 407-419.
[9]CHUNG Y H， FARE R， GROSSKOPF S. Productivity and undesirable outputs： a directional distance function approach[J]. Journal of environmental management， 1997， 51（3）： 229-240.
[10]胡鞍钢，郑京海，高宇宁，等. 考虑环境因素的省级技术效率排名（1999—2005）[J]. 经济学（季刊），2008，7（3）：933-960. [HU Angang， ZHENG Jinghai. GAO Yuning， et al. Provincial technology efficiency ranking with environment factors （1999-2005） [J]. China economic quarterly， 2008，7（3）： 933-960.]
[11]CHEN S Y， GOLLEY J. ‘Green productivity growth in Chinas industrial economy[J]. Energy economics， 2014，44：89-98.
[12]AGHAYI N， MALEKI B. Efficiency measurement of DMUs with undesirable outputs under uncertainty based on the directional distance function： application on bank industry[J]. Energy， 2016，112： 376-387.
[13]陳超凡. 中国工业绿色全要素生产率及其影响因素——基于 ML 生产率指数及动态面板模型的实证研究[J]. 统计研究，2016，33（3）：53-62. [CHEN Chaofan. Chinas industrial green total factor productivity and its determinants： an empirical study based on ML index and dynamic panel data model [J]. Statistical research， 2016，33（3）： 53-62.]
[14]李斌，彭星，欧阳铭珂. 环境规制，绿色全要素生产率与中国工业发展方式转变——基于36个工业行业数据的实证研究[J]. 中国工业经济，2013（4）：56-68. [LI Bin， PENG Xing，OUYANG Mingke. Environmental regulation， green total factor productivity and transformation of Chinas industrial development mode： based on the data of Chinas 36 industries [J]. China industrial economics， 2013（4）： 56-68.]
[15]陈诗一. 节能减排与中国工业的双赢发展：2009—2049[J]. 经济研究，2010，45（3）：129-143. [CHEN Shiyi. Energy-save and emission-abate activity with its impact on industrial win-win development in China： 2009-2049 [J]. Economic research journal， 2010，45（3）： 129-143.]
[16]陈诗一. 中国工业分行业统计数据估算：1980—2008[J]. 经济学（季刊），2011，10（3）：735-776. [CHEN Shiyi. Reconstruction of sub-industrial statistical data in China （1980-2008） [J]. China economic quarterly， 2011，10（3）： 735-776.]
