我国工业经历了长达三十多年的高速发展，增长总量举世瞩目。但是以往工业经济增长主要是依靠要素的大量投入获得的，而不是主要依靠全要素生产率（TFP）的提升，这种主要依靠大量要素投入的工业增长带来了严重的环境污染问题，例如多地出现的雾霾现象和大区域的水污染等，因此，这种牺牲环境的增长模式不可持续。

当前我国经济增长方式正从要素驱动向创新驱动转变，更加重视生态文明建设和全要素增长率的提升，而其中全要素增长率之所以得到重视，一方面，是因为我国经济已经面临中等收入阶段，社会也进入老龄化，人口红利将逐渐消失，经济增长不能只靠资本等要素投入，需要向依托技术进步的内生增长模式转型[1]；另一方面，TFP在经济增长中比例的提升，也是技术效率提升与技术进步的结果，通过技术效率提升和技术进步可以减少能源、物质等要素的投入，减轻环境污染，工业产品制造过程中释放的污染物是环境污染的主要来源，在保持工业经济增长的同时，工业TFP的提升有利于环境改善。在此情形下，研究工业TFP和环境污染之间的关系显得较有必要。

一、文献综述

所谓全要素生产率(TFP)是指在经济增长的贡献来源中，一部分来自资本、劳动力等投入要素的增长，余下的则归因为技术进步和效率的改善，这一部分即为反映经济增长质量的全要素生产率(TFP)，在很大程度上决定了一个国家或者地区的经济增长质量。目前关于TFP的研究主要集中于以下两个方面:一是关于TFP的测算，张军、施少华（2003）[2]、郭庆旺、贾俊雪（2005）[3]、傅晓霞、吴利学（2006）[4]、李静、孟令杰等（2006）[5]、李征（2016）[6]等都用各自的方法测算了各个阶段的区域全要素生产率及特征；Huang et al（1997）[7]、科埃利（Coelli）、普拉萨达·拉奥（Prasada Rao）（2003）[8]、朱钟棣、李小平（2005）[9]、涂正革（2007）[10]、杨勇（2008）[11]、刘兴凯、张诚（2010）[12]、杨汝岱（2015）[1]则对部门或制造业等行业的TFP进行了研究。二是关于TFP的影响因素分析，米勒（Miller）（2000）[13]考察了贸易开放度和人力资本对全要素生产率的影响；颜鹏飞、王兵（2004）[14]认为人力资本和制度因素对全要素生产率的提高均有重要影响；赵伟、张萃（2008）[15]研究了我国制造业集聚对全要素生产率的影响；刘秉镰等（2010）[16]采用空间面板计量方法研究了我国交通基础设施与全要素生产率之间的关系，蒋殿春、王晓娆（2015）[17]研究了我国R&D结构对全要素生产率的影响。

关于环境的研究一直离不开经济增长因素。李国璋、孔令宽（2008）[18]对中国环境库兹涅茨曲线是否存在及其形状进行了检验；彭水军、包群（2006）[19]，曹光辉等（2006）[20]等探究了中国环境质量改善的拐点；还有些学者检验了具体的环境效应，如经济规模的增长、结构的变化、对外贸易、FDI以及技术的进步等对环境质量的影响情况，黄菁(2009)[21]运用改进的Divisia指数分解方法分析我国工业污染物变化的各种影响效应；邓柏盛、宋德勇（2008）[22]研究了对外贸易对环境质量的影响；白俊红、吕晓红（2015）[23]研究了FDI质量和环境污染改善之间的关系。

目前关于工业TFP与环境污染之间的研究并不多，有一些学者运用新的研究方法，将环境作为要素投入或者产出，测算环境TFP或者低碳TFP，如杨俊、邵汉华(2009)[24]；吴军、笪凤媛、张建华(2010)[25]；郑宝华、谢忠秋（2011）[26]等。聂国卿、尹向飞等（2010）[27]用湖南省数据研究了工业TFP对环境污染的影响。总体来看，关于工业TFP与环境污染之间的研究目前主要存在两个局限。一是研究工业TFP对环境污染之间影响关系的文献较少，已有的研究只是利用了个别省份内部的数据，缺乏对国家区域内的研究；二是在具体的实证研究中，忽视了工业TFP对环境污染空间溢出的影响。

拍摄以展现人物内在的独特性为主，所以没有选择很职业感的模特，而是在追寻一种本真的状态，把普通人拍出明星的气质，以此来突出主题。

其中，X为n×k矩阵，即样本容量为n的k列解释变量，Xr为第r个解释变量；In表示n阶单位矩阵，θr表示WX的第r个变量的估计系数。将（3）式展开可得：

2.环境污染（EP）

二、研究方法与数据来源

（一）空间相关性检验模型

 

空间自相关分析方法由全局空间自相关和局部空间自相关两部分构成，本文用空间自相关指数Moran's I来检验中国各地区的环境污染的空间相关性是否存在。Moran's I指数公式：式中：n为空间单元数，W ij为空间权重矩阵，Xi和Xj分别是地区i和 j的实际产出观测值，-X是观测值的平均值，S2为离差平方和的均值。Moran's I的取值范围为[-1 1]。若该指数小于0，则目标区域存在空间负相关性时；若该指数大于则0，则目标区域存在空间正相关性时，空间相关性越明显则指数值越大；若此指数等于0，则目标区域空间分布相互独立。空间权重矩阵Wij采用地理距离权重矩阵进行设定，用两地区省会城市间的公路里程的算术平均值平方的倒数来构造其元素。另外，区域间环境污染的空间集聚特征还可以通过绘制区域环境污染Moran散点图来直观反映。

（二）空间计量模型与溢出效应分解

 

为了实证考察工业TFP对环境污染的空间影响，本文拟建立如下空间计量模型：式（2）中，Y为环境污染排放，X为各工业TFP，同时，在实证研究过程中，加入了经济发展水平、人力资本存量、产业结构及外商投资四项控制变量。 α为常数项，L n为n×1阶单位矩阵，n为省份个数，ε为误差项；W 为空间权重矩阵，W Y和 W X分别考虑了被解释变量和解释变量的空间相关性和空间依赖性。在空间计量模型的估计结果中，如果 ρ≠0，则W Y的回归系数 ρ、W X的回归系数θ以及 X的回归系数 β就不能直接解释变量的空间溢出效应。为了对空间计量模型的回归系数作出合理解释，可以借鉴Lesageand Pace著作提出的的空间模型偏微分方法，可将（2）式改为：

 

本文关注中国工业TFP对环境污染的影响。一般来说，区域工业TFP的提高，可以通过区域工业的技术进步、资源配置效率的改善等途径实现，而无论工业生产中的技术进步、资源配置效率的改善都会有利于生产中能源、原材料等物质的投入减少，从而有利于降低环境污染物的排放。从研究方法方面，由于本文采用的是工业企业的分地区数据，这就不能忽略变量在地理空间上的溢出效应。空间溢出效应，是指一个变量发生变化时，不仅会对本区域目标产生影响，而且会对区域之外目标产生影响。而对于本文中的企业TFP这一解释变量来说，地区间企业TFP水平差异会带来竞争效应、学习效应和知识溢出效应，使得其在空间上存在明显的溢出效应性。同样，一些环境污染物能够很容易的跨区域流动也呈现出非常明显的空间相关性。如果我们在计量建模时忽略了这些特性，而仅将各个地区视作一个独立的样本，采用经典的计量模型进行分析，势必会使得估计结果产生偏误，也不能客观地反映经济事物之间的空间联系。

其中，Sr(W)ij衡量的是区域 j的第r个解释变量对区域i被解释变量的影响；Sr(W)ii衡量的是区域i的第r个解释变量对区域i被解释变量的影响。某个地区解释变量的变化将不仅影响本地区的解释变量，而且影响其他地区的被解释变量。将前者称为直接效应，后者称为间接效应。

 

 

在夹具装夹过程中辅助支承并不起定位作用，一般是用来提高零件的装夹刚度和它的稳定性。该夹具设计的任务首先是选择和设计相应的定位元件来确定定位方式，以保证在加工时工件的精度。夹具体须将其定位元件、导向机构、夹紧装置三个连为一体，才能保证在机床上的安装精度，采用铸造夹具体的铣床夹具。其安装方便稳定好，刚度好。

（三）变量设计

为了剔除价格变化的影响，用工业品出厂价格指数将各年的名义总产值转化为以2001年价格表示的实际总产值。劳动力指标来自于工业企业全部从业人员年平均人数。资本存量用工业固定资产净值年均余额表示，数据通过固定资产投资价格指数平减为以2001年价格表示的数据。

由于数据包络分析法是一种非参数方法，无需设立特定的函数具体形式，只需通过测算产出与投入相对效率的前沿面，本文亦选用由Fare等提出的DEA-Malmquist指数方法来计算工业TFP，我国30个省级区域（西藏因数据少排除在基本决策单元之外）为基本决策单元(decision making unit,DMU)，通过构造每一时期的最佳实践前沿来度量各个省区全要素生产率变化，要素投入(Input)包含劳动力、资本，而总产出(Output)则把工业总产值作为指标。

上帝呀，如果我有一颗心，我会将仇恨写在冰上，然后期待太阳的升起；我会用凡高的梦在星星上画一首贝内德第的诗，而塞莱特的歌会将是我献给月亮的小夜曲。我会用泪水浇灌玫瑰，以此体味花刺的痛苦和花瓣的亲吻……

1.中国工业TFP

门窗的设计受到当地气候、朝向、结构以及私密性的影响，对门窗开启的位置和方向都有要求，开窗开门的面积都较小，尽量减少与外界热空气的接触。门窗的材质多采用木质，以减少热桥。

按照已有学者对空间计量经济学的研究，可以通过设置空间权重的模型来反映空间数据之间的相关关系。[28]本文亦将利用空间计量模型来考察中国工业TFP与环境污染的相关关系。

根据所测算的各期省域环境污染，在地理距离权重矩阵下，采用Moran's I指数检验了考察期内我国各省环境污染的空间相关性，表2报告了检验结果，图1描述了其演变趋势。

2.3 两组患者围手术期并发症发生率比较 观察组围手术期总并发症发生率显著低于对照组，差异有统计学意义(χ2=4.659，P=0.031)。观察组随访2年，未见网片侵蚀、感染现象发生。见表3。

伴随着这一系列全球性的减贫计划，中国特色扶贫开发道路也不断向前推进，包括扶贫项目上的合作、扶贫理念与经验上的交流互鉴、扶贫资金上的支援、扶贫动力上的鼓舞等。

3.其它控制变量

2.2 全肝CT灌注辐射剂量 结果(表3)表明：第2代组辐射剂量参数CTDIvol、DLP及ED值均较第1代组明显减小(P<0.01)，减小幅度均约46%。

本文还设计了其它控制变量以降低变量遗漏所造成的估计结果偏差。

（1）经济发展水平（EC）。环境问题始终是离不开经济发展水平。自英国工业革命以来，世界主要国家的经济发展历程表明，经济发展初期总是伴随着环境污染，当前许多发展中国家依然以牺牲环境来换取较快的经济增长，而许多发达国家已经越过环境库兹尼茨曲线的拐点，其经济增长模式已对环境污染影响不大。本文采用地区GDP来反映地区的经济发展水平。

（2）人力资本（HC）。人力资本反映了凝聚在人体之中的知识、技能和熟练程度等。地区人力资本水平越高，意味着该地区人们的知识素质和技能储备水平也越高，从而也越有利于采用集约化的生产方式，进而也有益于环境改善。人力资本水平数据采用6岁及以上年龄人口的平均受教育年限，不同等级的教育年限设定为小学6年、初中9年、高中12年、大专及以上16年，具体计算为总教育年限与总人口的比值。

（3）产业结构（IS）。与第一和第三产业相比，环境污染物主要来源于第二产业的污染排放。自1992年来，我国第二产业占GDP的比重一直保持在40%以上，因而第二产业占比成为影响环境污染的一个不容忽视的因素。本文用各地区第二产业产值/地区国内生产总值来衡量。

连通域指的是图像被二值化之后的若干像素的集合，假设前景像素为1，背景像素为0的前提下，连通域具有以下两个属性：一是只有前景像素的集合，二是在同一个连通域中的两个像素间总能找到一条路径由这个集合中的像素组成，也就是说像素之间两两互通。连通域算法在数字图像处理中进行目标跟踪、目标识别、多目标分割等方面都有应用，在这里进行颗粒状农产品的分选也可以采用连通域算法，先将灰度图像采用阈值分割得到二值图像，这个二值图像中包含了对图像分割后的多个连通域，然后采用连通域算法给出其属性，进而对图像中的目标进行识别、跟踪以及判断[7]。在这里采用种子填充法实现。

（4）外商投资（FDI）:以工业企业总产值中外商投资和港澳台商投资占比。一种说法认为，外商直接投资可以给东道国带来先进的生产技术和管理方式，有利于环境污染的减少，外资的产业发展和技术溢出效应等也会促进环境改善；还有些学者认为了，外资会把落后的、污染严重产业带到东道国，成为所谓的“污染天堂”。本文选择实际外商直接投资利用额占GDP比重来衡量。

鉴于数据的可获得性，本文选取2001－2015年中国大陆30个省份（西藏除外）的面板数据。为了确保数据的真实可靠，本文利用各个数据库和年鉴对所选数据进行了充分的核对、筛选；为了提高估计的准确性，除了前文提到以外，本文用固定资产投资价格指数对相应的货币量进行平减指数计算调整成基期为2001年的数值；为了减少异方差和统计偏误，本文对相关变量进行了自然对数处理。

四、实证分析

（一）省域TFP测度

本文采取2001－2015年面板数据和DEAMalmquist指数方法测出各地各期的工业TFP，表1是2001-2015年全国的TFP测度结果。

由表1分析得知，总体上，我国工业FP在2001-2004年期间呈下降趋势，但2004年以后我国工业TFP逐渐上升，说明2004年以后，我国工业经济发展中的创新驱动力在增强。

 

表1 2001-2015年全国工业TFP指数测算结果

  

时期TFP时期TFP 2001-2002 0.941 2008-2009 0.949 2002-2003 0.938 2009-2010 0.952 2003-2004 0.934 2010-2011 0.958 2004-2005 0.930 2011-2012 0.959 2005-2006 0.932 2012-2013 0.962 2006-2007 0.941 2013-2014 0.964 2007-2008 0.947 2014-2015 0.971

（二）环境污染空间相关性检验

很多研究主要使用工业“三废”指标中的某个指标或全部指标来衡量环境污染程度，本文和白俊红（2015）[23]一致选择二氧化硫作为环境污染的代表指标。其原因在于：一是在中国面临的环境污染问题中，空气污染最引人注目，其是大气污染物的主要成分，而且对人的身体有直接危害性，当作为一种重要化合物构成酸雨后，对植物危害性也严重，因而是造成环境污染的一个重要因素；二是二氧化碳的分省数据相比其它数据来说较为完备且容易得到，方便进行研究。具体来说，本文通过考察二氧化硫排放强度，即单位GDP的工业二氧化硫排放量作为指标进行分析。

从表2和图1结果可以看出，Moran's I指数均显著为正，整体上一直趋于增长态势，并且这种地理空间分布上的空间依赖趋势自2008年以后表现的更为显著。表明各区域的低环境污染分布并非是完全随机的，表现出较强的空间集群特征，其空间联系的特征是:环境污染相似的地区趋于集聚，也就是说环境污染较高的省区相对趋于和环境污染较高的省区相邻近；较低的省区相对趋于和较低的省区相邻近。值得提出的是，在分析我国环境污染演化过程中，不能排除全局空间自相关性的存在。 区域环境污染的Moran's I指数已经表明，区域环境污染的全局空间自相关性，用Moran散点图可以进一步说明区域环境污染分布的局部特征，如图2所示。受篇幅所限，本文仅以2015年结果为例说明。

 

表2 我国环境污染的全局Moran's I指数情况

  

注：年份2002年的Moran's I指数是根据2001-2002的工业TFP指数测算的，其它以此类推。

 

年份Moran's I指数年份Moran's I指数2002 0.251 2009 0.341 2003 0.256 2010 0.351 2004 0.272 2011 0.350 2005 0.280 2012 0.352 2006 0.283 2013 0.361 2007 0.321 2014 0.363 2008 0.334 2015 0.371

  

图1 中国环境污染全局Moran's I指数

（三）空间计量模型设定

根据上文对各省空间环境污染相关性检验，各空间单元存在集群现象，随着时间推移，这种现象更为显著。为了检验中国工业TFP对环境污染的空间溢出效应，需进一步构建空间计量模型进行，采取合适方法进行估计。首先建立非空间经典计量模型来检验工业TFP对区域环境污染的影响，然后再纳入空间因素建立空间面板计量模型。经豪斯曼检验(Hausman test)，经典计量模型应采用固定效应(Fixed effects)模型。

  

图2 2015年中国环境污染的Moran散点图

式（7）为区域环境污染非空间面板数据模型的估计结果：

 

其中，调整后的 R2=0.9112，F=312.6920，Log-L=419.512 3，D-W=0.521 7。（7）式括号中的数值为显著性概率。通过回归结果，TFP、经济发展水平与产业结构的回归系数通过了1%的显著性水平检验，且前面两者的系数均为负，这表明工业TFP当前对环境污染水平有显著的抑制作用，同时，表明近十几年来我国的经济发展模式向环境友好型转型；产业结构的系数为正，说明我国第二产业的污染治理技术还是处于低端水平，而且第二产业中传统重化工产业还是占有很大比重；而人力资本存量和外商投资系数虽然为负，但是并不显著。

平天湖：最大集水面积约75 km2，湖面面积约12 km2，湖底最低标高约为7.5 m，正常蓄水位12.8 m，平天湖水位高出城区地面达3 m，蓄水量近3 000万立方米。平天湖坝体设计防洪标准为50年一遇洪水，防洪水位标高为14.1 m，校核水位标准为100年一遇，校核水位标高为14.44 m。湖水由下清溪闸入江或通过白沙站机排入江。

从非空间经典计量模型的估计结果还可以看出，变量之间存在显著的相关性（D-W统计量值为0.5217）。由此，我们应该建立区域环境污染的空间计量模型，以消除变量之间的空间相关性。我们经常使用的空间计量模型主要包括空间滞后模型(SLM)(也称空间自回归模型，SAR)、空间误差模型（SEM）和空间杜宾模型(SDM)三种。本文对这三种模型进行固定效应和随机效应检验。

首先根据AIC准则，在固定效应与随机效应之间进行选择，AIC值越小则模型的解释能力越强。其次，对比每一模型的Log likeli-hood与R2值，它们的值越大说明模型的拟合优度越高。第三步，对空间杜宾模型是否可以转化为空间滞后模型和空间误差模型进行检验，如果检验结果拒绝了可以转化的原假设(两个原假设为H0:θ=0和H0:θ+δρ=0)，则选择杜宾模型。按照上述步骤，分别对SLM、SDM、SEM进行了固定效应和随机效应回归，表3报告了回归结果。根据遴选原则，文中选择了杜宾模型的固定效应模型，并将其作为最终的解释模型，进行空间溢出效应分解和分析。

 

表3 环境污染空间Durbin模型（SDM）估计结果

  

注：＊，＊＊，＊＊＊分别表示通过显著性水平为10%，5%，1%的统计检验。

 

系数Cons ρ Ln TFP Ln EC Ln HC Ln IS Ln FDI W Ln TFP W Ln EC W Ln HC W Ln IS W Ln FDI R2(within)Loglikelihood AIC SDM→SLM SDM→SEM固定效应—0.501 3***-0.921 7***-0.131 5***-0.107 2 0.275 0**-0.009 2***0.120 7 0.101 8**0.092 1-0.135 1*0.091 2**0.692 1 457.635 1-975.336 1 8.79**18.61***P值0.000 0.000 0.000 0.010 0.671 0.002 0.000 0.219 0.021 0.579 0.042 0.030 P值0.000 0.000 0.023 0.113 0.530 0.031 0.019 0.056 0.031 0.631 0.611 0.029------0.041 0.001随机效应-0.663 1 0.511 2***-0.921 9**-0.151 8***-1.110 9 0.276 8*-0.008 3**0.117 6*0.111 6**0.913-0.102 0 0.074 5**0.634 0 396.712 0-872.669 0 7.91*15.17**0.076 0.023

从表3的估计结果，系数 ρ值显著不为零，且回归系数均保持在0.5左右，表明不能直接用5个解释变量的回归系数来解释各自的经济意义。因此，本文采用空间回归模型偏微分方法，将TFP及其他四个控制变量对环境污染的空间溢出效应进行分解，表4报告了分解结果。

不过，我选择去的精品家族酒庄Erminio Campa也足够让人惊喜。酒庄离海较近，是度假的好去处。当铁门缓缓打开，一条白色石路出现在眼前，两边种有高高的向日葵，举目望去四周都是葡萄园，都是Primitivo。这里的葡萄会被分批采摘来保证成熟度的平衡，海风加灌木丛的栽培手法给这里的葡萄酒带来不错的复杂度和层次感。据说它家的金标Li Cameli还被选为教皇用酒，在当地不愁没市场。难怪酿酒之余，酒庄也搞起了民宿，下榻于此，可以迎着海风在向日葵旁吃烧烤，喝葡萄酒，何其惬意！

1.工业TFP的空间溢出效应。实际结果显示，工业TFP对环境污染的降低存在溢出效应，且直接效应、间接效应和总效应的系数分别通过1%、10%和5%的显著性检验。工业TFP每提高1%，直接促进区域环境污染减少0.951%，间接减少环境污染0.127 1%，总体上减少环境污染1.078 1%，表明工业TFP的提高能够有效降低环境污染。

 

表4 环境污染空间Durbin模型（SDM）的效应分解

  

注：＊，＊＊，＊＊＊分别表示通过显著性水平为10%，5%，1%的统计检验。

 

空间溢出效应分解Ln TFP Ln EC Ln HC Ln IS Ln FDI直接效应-0.951 0***（0.003）-0.167 1**（0.014）-0.132 0（0.432）0.291 1***（0.006）-0.113 5*（0.058）间接效应-0.127 1*（0.069）0.073 2（0.410）0.065 0（0.387）0.012 3*（0.063）-0.042 1（0.472）总效应-1.078 1**（0.020）-0.093 9*（0.068）-0.067 0（0.395）0.303 4**（0.032）-0.155 6（0.453）

2.其他控制变量的溢出效应。根据表4的分解结果，经济发展水平每提高1%，直接减少环境污染0.167 1%，且通过了5%的显著性检验，间接增加0.073 2%，且并不显著，总体上减少环境污染0.093 9%，通过了10%的显著性检验。人力资本存量每提高1%，直接减少环境污染0.132 0%，间接增加环境污染0.073 2%，总体上减少环境污染0.067%，但是都不显著。产业结构变量每提高1%，直接增加环境污染0.291 1%，间接增加环境污染0.012 3%，总体增加环境污染0.303 4%，且分别通过1%、10%和5%的显著性检验。外商投资水平每增加1%，直接减少环境污染0.113 5%，且通过10%的显著性检验，间接减少0.042 1%，总体上减少环境污染0.155 6%，但是间接效应和总体效应都不显著。

五、结论

在当前我国经济增长方式从要素驱动向创新驱动转变、加强生态文明建设的背景下，研究工业全要素增长率（TFP）与环境污染的关系具有重要的理论价值和现实意义。本文利用2001－2015年的省级面板数据，通过构建空间动态面板模型，实证测算了工业TFP以及经济发展水平、人力资本、产业结构、外商投资等影响因素对环境污染的直接效应、间接效应以及总效应。研究结论如下:（1）各省级区域环境污染具有显著的空间相关性，即各省级区域环境污染程度不仅受到本区域工业TFP等因素的影响，同时受到来自邻近省级区域的工业TFP等因素的空间影响，区域间环境污染之间存在一定的自相关性；（2）在考虑各省级区域空间相关性前提下，并控制了其他解释变量的影响作用以后，本区域工业TFP每提高1%，能够显著的促进本区域环境污染程度减少0.951 0%，并带动区域间环境污染程度减少0.127 1%，表明工业TFP对环境污染的减少具有显著的直接溢出效应和间接溢出效应；（3）本区域的经济发展水平提高能够促进本区域的环境污染程度降低，对环境污染程度降低的总效应显著，说明当前经济发展向环境友好型发展，间接效应虽不显著但系数为正，其原因是区域经济发展，使当地的产业结构进一步优化，而将一些污染严重的产业转移到邻近地区，而造成邻近地区的环境污染加重了；（4）产业结构水平对本地区和相邻地区环境污染程度增加具有明显的促进作用，说明在传统重化工产业还是占有很大比重的第二产业里，其污染治理技术还需进一步提高；（5）外商投资水平对环境污染程度的直接效应系数为负且显著，说明外资企业的增加带来了一定的先进环境治理技术和环境理念，很多外资企业是出口导向型的，为了达到出口较严格的环境标准，也迫使产业链相关企业提高了环境质量。

本文主要探讨了工业TFP对区域环境污染的空间溢出影响，实证结果说明一个地区的工业TFP提高能够有效通过技术进步或配置效率的提高降低本地的环境污染，而且还能带动周边地区的技术进步或配置效率提高，从而一定程度上降低周边地区的环境污染。同时，也说明国家大力促进创新驱动，改变经济增长方式，未来将会对区域环境生态有明显的改善作用。本研究通过实证得到了一些有益的结论，但也存在一些不足，例如我国区域经济发展水平存在差异，工业TFP对环境污染的影响也可能存在地区差异，文章未将考察对象分地区研究，稍显不足。作者将在后续研究中进一步探讨这些问题。

参考文献:

[1]杨汝岱.中国制造业企业全要素生产率研究［J］.经济研究，2015（2）:61-74.

[2]张军,施少华.中国经济全要素生产率变动：1952—1998[J].世界经济文汇,2003（2）:17-24.

[3]郭庆旺,贾俊雪.中国全要素生产率的估算:1979—2004[J].经济研究,2005(5):51-60.

[4]傅晓霞,吴利学.技术效率,资本深化与地区差异——基于随机前沿模型的中国地区收敛分析[J].经济研究,2006(10):52-61.

[5]李静,孟令杰,吴福象.中国地区发展差异的再检验:要素积累抑或TFP[J].世界经济,2006,29(1):12-22.

[6]李征.中国全要素生产率演变研究[D].吉林大学，2016.

[7]HUANG Y,MENG X.China's Industrial Growth and Efficiency:A comparison between the state and the TVEsectors[J].Journal of the Asia Pacific Economy,1997,2(1):101-121.

[8]COELLITJ,PRASADA RAODS.Total Factor Productivity Growth in Agriculture:A Malmquist Index Analysis of 93 Countries,School of Economics,University of Queensland[R].Working Paper Series,2003.

[9]朱钟棣,李小平.中国工业行业资本形成、全要素生产率变动及其趋异化:基于分行业面板数据的研究[J].世界经济,2005,28(9):51-62.

[10]涂正革.全要素生产率与区域经济增长的动力——基于对1995—2004年28个省市大中型工业的非参数生产前沿分析[J].南开经济研究,2007(4):14-36.

[11]杨勇.中国服务业全要素生产率再测算[J].世界经济,2008(10):46-55.

[12]刘兴凯,张诚.中国服务业全要素生产率增长及其收敛分析[J].数量经济技术经济研究,2010(3):55-67.

[13]MILLER SM,UPADHTAY M P.The effects of openness,trade orientation,and human capital on total factor productivity[J].Journal of development economics,2000,63(2):399-423

[14]颜鹏飞,王兵.技术效率,技术进步与生产率增长:基于DEA的实证分析[J].经济研究,2004(9):88-96.

[15]赵伟,张萃.中国制造业区域集聚与全要素生产率增长[J].上海交通大学学报（哲学社会科学版）,2008,16(5):52-56.

[16]刘秉镰,武鹏,刘玉海.交通基础设施与中国全要素生产率增长——基于省域数据的空间面板计量分析[J].中国工业经济,2010（3）:54-64.

[17]蒋殿春,王晓娆.中国R&D结构对生产率影响的比较分析[J].南开经济研究,2015(2):59-73.

[18]李国璋,孔令宽.环境库茨涅茨曲线在中国的适用性[J].广东社会科学,2008(2):37-43.

[19]彭水军,包群.中国经济增长与环境污染[J].世界经济,2006(5):48-58.

[20]曹光辉,汪锋,张宗益,邹畅.我国经济增长与环境污染关系研究[J].中国人口、资源与环境,2006(1):25-29.

[21]黄菁.环境污染与工业结构[J].统计研究,2009(12):68-73.

[22]邓柏盛,宋德勇.我国对外贸易、FDI与环境污染之间关系的研究[J].国际贸易问题,2008(4):101-108.

[23]白俊红，吕晓红.FDI质量与中国环境污染的改善[J].国际贸易问题,2015(8):72-83.

[24]杨俊，邵汉华.环境约束下的中国工业增长状况研究——基于Malmquist-Luenberger指数的实证分析[J].数量经济技术经济研究,2009(9):64-78.

[25]吴军,笪凤媛，张建华.环境管制与中国区域生产率增长[J].统计研究,2010(1):83-89.

[26]郑宝华、谢忠秋.基于低碳经济的中国区域全要素生产率研究[J].经济学动态,2011(10):38-41.

[27]聂国卿，尹向飞.湖南省工业全要素生产率对环境污染的影响研究[J].湖南大学学报,2010(11):61-66.

[28]李婧，谭清美，白俊红.中国区域创新生产的空间计量分析——基于静态与动态空间面板模型的实证研究[J].管理世界，2010(7):43-55．