中國礦業全要素生產率及其影響因素研究

聞少博，陳甲斌，劉禹辰

（1.中國自然資源經濟研究院，北京 101149；2.中國華油集團有限公司，北京 100007）

1 文獻綜述

中國對礦產資源的需求量巨大，但資源有限，獲取資源的環境成本和地緣政治風險不斷增加，提高礦業效率是實現經濟可持續發展必選之策。效率，在經濟學中通常是指使用盡可能少的生產要素，獲得盡可能多的期望產出的能力[1]。采礦業具有高污染、高能耗和高排放的特點[2]，基于綠色發展的原則，有必要將環境成本納入礦業效率的計算范圍[3-4]。在本文中，礦業效率，也叫全要素生產率（total factor productivity，簡稱TFP），定義為在生產要素合理投入的條件下，以較低的環境成本（非期望產出）獲得較高期望產出。

從研究尺度來看，現有礦業TFP研究分為兩類：一類是在研究工業TFP時涉及礦業部門，這類研究的重點放在提升生產率的軌跡精度和微觀分解上，僅將礦業作為工業體系的一部分[5-7]。另一類是針對特定礦種TFP研究，如能源礦產[8-16]和非能源礦產[17-20]?，F有研究缺少將礦業部門作為獨立的主體又綜合所有礦種的視角。這是一個重要的觀察角度，只有將礦業部門作為獨立主體進行研究，才能發現礦業部門不同于其他產業部門的生產規律，只有將礦業部門內部各礦種作為整體研究，才能發現不同礦種生產的共有規律，為政策制定者和和行業投資者提供決策參考。

從研究空間范圍來看，中國幅員遼闊，省際經濟社會發展狀況各異，區域間礦業效率存在顯著差異[21-22]。鑒于此，除了在全國范圍內度量礦業效率外[23-24]，還要對各個省份的礦業效率進行度量。在此基礎上，擴大視域，根據地理空間分布和經濟發展程度，將全國劃分為東中西三大區域，研究不同區域礦業TFP的分布特征。地方政府可以據此制定相應的政策，促進本地區乃至全國范圍內礦業效率水平提高。但是現有文獻分省、分大區測算礦業TFP的研究卻很少[25]，本研究將對這種缺失進行豐富和補充。

從效率管理的角度來看，影響礦業TFP的因素包括內生因素和外生因素。內生因素是指計算礦業部門效率所選取的投入產出指標。外生因素是指沒有納入效率計算，但會對這些投入產出指標產生影響的因素，比如供給側結構性改革[26]、產業結構[27]、礦業權設置[28]、技術進步[29]、環境因素[30]、金融危機[20]、財政政策和融資約束[31]、研發投入[32]等。在定量評估TFP外生因素影響力時，現有研究通常只關注某一特定變量，難以做到在同一分析框架下對多個外生變量進行對比研究，導致無法在礦業效率管理中進行政策排序和選擇。本文根據數據可得性，選擇產業結構、能源結構、制度因素、環境因素作為影響礦業效率的外生因素展開研究。

2 研究方法和數據來源

2.1 研究方法

2.1.1 Super-SBM模型

數據包絡分析法（DEA）模型可用于評價多投入、多產出具有復雜生產關系的決策單元（DMU）的效率。DEA模型中包含了多種測算模型，大部分研究利用CCR[33]和BCC[34]的方法來測算效率。CCR和BCC模型在規模報酬不變和可變的假設下測算DMU曲面和最佳生產前沿面的距離得出效率值，這種方法最大的不足在于沒有對相關指標“松弛”變化的影響進行評價。Tone[35]提出了SBM模型，可以克服“松弛偏差”，解決輸入、輸出冗余的問題。Tone[36]對模型進一步改進，建立了Super-SBM新模型。該模型不僅能夠測度不同樣本的效率值，還能通過允許有效樣本的效率值大于1來比較其效率高低。礦業每年投入產出變化不大，效率變化不明顯，Super-SBM克服傳統DEA模型測度精度不高，效率值不大于1而無法對樣本準確排序的問題。規模報酬可變假設下的Super-SBM的模型如下：

式中：xo=(xio)和yo=(yro)分別表示第io個DMU投入資源向量和產出成果向量；和分別表示將(xo,yo)排除在(x,y)之外的投入與產出矩陣；和分別為投入和產出松弛變量，分別表示第j個DMU投入冗余和產出不足；λj表示第j個DMU的權重系數；模型中的下標“o”表示被評價DMU對應的投入產出；目標函數θ是關于松弛變量s+和s-嚴格遞減的，并且θ＞0。對于某個DMU，當θ≥1時說明績效評價有效；當θ＜1時說明DMU無效，需要改進投入或產出。為了防止在概念上產生歧義和混亂，本文將目標函數θ稱之為TFP值。

2.1.2 Malmquist指數

利用DEA模型對TFP測算方法屬于對不同時期面板數據的靜態測度。Malmquist指數法能夠動態反映不同時間序列上樣本數據的效率值的變動情況，這有助于進一步找出影響效率變化的因素[37]。Malmquist指數[38-39]，運用距離函數(distance function)來定義，是衡量單位生產活動在一定時間內總投入與總產量生產效率的指標[40-41]。從t時期到t+1時期的Malmquist指數可以用兩個時期的效率變化幾何平均來定義：

Ray &Desli[42]將Malmquist指數分解為純技術效率指數（PC）、技術進步指數（TP）和規模效率變化指數（SC），即：

式（2）和式（3）中：下角標c表示規模報酬不變，ν表示規模報酬可變，表示在規模報酬不變情況下的距離函數，表示在規模報酬可變情況下的距離函數。如果Malmquist指數＞1，表示生產率比上一期有增加；如果Malmquist指數=1，表示生產率與上一期相同；如果Malmquist指數＜1，表示生產率比上一期下降。為了表述的一致性，本文將Malmquist指數也稱之為TFP。

2.1.3 Tobit模型

Tobit模型常用來分析不連續和受已知上限或下限約束的因變量[43]。TFP數值是不連續的，因此本文采用Tobit模型來分析TFP的影響因素。影響TFP的因素是多方面的，根據目前的測算模型，難以準確測量某一因素對TFP的影響實際達到的程度，但是可以測算不同因素對TFP的影響方向。Tobit模型的一般形式如下[44]：

2.2 指標體系構建及數據來源

參考現有的文獻[45-47]，根據數據可得性，確立中國礦業全要素生產率測算的投入指標包括勞動力人數、固定資產投入、資金投入和能源投入。期望產出指標包括礦產銷售收入、增加值和利潤，非期望產出指標包括廢水、廢氣、固體廢物排放量等（表1）。

根據以上指標體系對2007—2016年中國31個省份（港澳臺地區除外）的礦業投入產出數據進行分析。這些數據主要來源于2007—2016年的《國土資源統計年鑒》《中國城市統計年鑒》《中國能源統計年鑒》《中國環境統計年鑒》以及各個地區的統計年鑒等官方統計數據。

表1 中國礦業全要素生產率（TFP）指標體系

3 結果分析

3.1 中國礦業TFP靜態分析

基于Super-SBM模型分析得到2007—2016年我國礦業TFP值（圖1），除2009年外其余年份的TFP均大于1，說明除2009年外，DEA有效，其中2016年TFP值最大，2013年TFP值最小。2016年數據表明勞動力投入出現少量的冗余，利潤出現了產出不足，污染物排放過多，非期望產出是制約2016年效率的主要因素。2014年勞動力投入出現了少量冗余，增加值、利潤、銷售收入出現了產出不足，同時，在非期望產出中廢水、化學需氧量、SO2排放量較多。期望產出和非期望產出是導致該年份效率相對較低的主要因素。2009年，在金融危機的背景下，TFP小于1，這一年礦業在勞動力、固定資本、資金、能源4個指標上均出現了投入冗余，在產出方面礦產品銷售收入、增加值、利潤出現了產出不足，在非期望產出中廢水、化學需氧量、廢氣、SO2、煙粉塵、固體廢物等多項指標排放過多。

圖1 中國礦業TFP變化趨勢

2010年TFP從低點恢復，也是從這一年開始，自然資源部先后分4批確定了661家礦山企業作為國家級綠色礦山試點。廢水排放量呈現逐漸下降的趨勢，除2012年、2014年出現反復，其余年份廢水排放量沒有出現過量排放?？諝馕廴局?，除2015年、2016年煙粉塵和SO2兩項指標排放量相對較高之外，其他年份均有所改善。在固體廢物排放上，僅在2016年出現惡化。綠色礦山制度的實施和推廣對礦業效率恢復和提升起到積極作用。

基于Super-SBM模型得到2007—2016年我國各區域礦業TFP值（圖2）。天津、上海、重慶、陜西、青海的TFP值波動較大。江蘇、山東、湖北、廣東、西藏的TFP值出現先下降后上升的變化趨勢。其余地區的TFP值在“1”附近上下浮動，這部分地區的礦業效率均趨于穩定。

圖2 各區域礦業TFP值變化趨勢

在TFP值波動較大的地區中，每當TFP值波動向下時常常伴隨著污染物排放的增加。比如在天津，除2007年和2011年污染物排放較為合理，其余年份天津均出現污染物排放過量現象。在上海，導致2009年上海市TFP值出現大幅度下降的主要因素是期望產出不足，非期望產出中各項指標異常。在重慶，非期望產出中，除SO2和煙粉塵兩項污染物排放較為合理，其他5項指標均存在一定程度的過度排放，導致2009年到2010年的TFP值出現了較大的波動。在陜西，除2015年，其余年份的污染物均存在過度排放的情況，尤其是2010年，污染物排放導致該年TFP值較低。在青海，除2015年，其余年份均出現污染物排放過量的情況。綜上，可以看出，在各地區的礦業發展中，污染物不合理排放是制約各地區礦業效率提升的主要原因，也是礦業效率高波動地區，TFP值波動向下的共有原因。

3.2 中國礦業TFP動態變化特征分析

3.2.1 省際礦業TFP動態變化特征

本文通過Malmquist生產率指數測算中國礦業TFP動態變化特征，并把TFP分解為技術進步效率（TP）、技術效率（EC）、純技術效率（PC）和規模效率（SC）。中國礦業Malmquist指數總體呈增長態勢（圖3），2007—2016年31個省份TFP平均增長25.6%。

圖3 31個省份Malmquist指數圖

從TFP的增長來源看，EC起到主要作用，平均增長35.3%。各地區的EC值均高于1，說明整體發展態勢較好。EC增長最快的是重慶市，2007—2016年EC平均值為5.969。EC增長最慢的是吉林，2007—2016年EC增長率為3.2%。TP平均增長9.02%，僅有陜西、新疆的TP值小于1，其余地區TP趨于穩定。其中，上海的平均TP值最高，為1.234。上海平均TP增長率為23.4%。新疆的平均TP值最低為0.952，呈現下降趨勢，平均下降4.8%。從結果可以看出，總體上各區域礦業EC水平較高，EC的主要驅動因素是SC，平均增長19.3%。SC水平較高的原因是各區域礦業的規模結構較為合理，可以更好地利用各項投入指標。

從年度變化來看，年度之間的Malmquist指數（TFP）、TP和EC的變動是不均勻的。受重慶2009年、2010年資金投入和銷售收入的影響，2009—2010年各地區平均Malmquist指數為3.62，說明2010年的TFP比2009年上升了262%，成為10年間最大值。2008—2009年各地區平均Malmquist指數為0.97，2009年的礦業TFP比2008年下降3%。10年間，僅2008—2009年、2010—2011年、2015—2016年各地區平均Malmquist指數小于1，這三個時間段內中國各區域礦業效率出現了下降。

從各省份來看，各地區之間TFP發展不均衡。有9個地區Malmquist指數大于1，年平均TFP最高的是重慶地區，其余22個地區Malmquist指數小于1，年平均TFP最低的是天津市。根據Malmquist指數的分解情況，各地區的平均EC指數均大于1。對EC進一步分解得出，山西、吉林、黑龍江、安徽、江西、廣東的SC出現了下降趨勢。8個地區的PC平均值小于1，這些地區應該注重礦業技術的引進與創新。除陜西和新疆以外，其余地區的TP表現出良好的進步趨勢。陜西、新疆地區應在參考和吸收各區域優秀成果的同時，因地制宜制訂出符合當地區域礦業發展的方案和發展計劃，避免不必要的資源的浪費。

3.2.2 東中西三大區域礦業TFP動態變化特征

將全國31個省份劃分為東中西三大區域，東部包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南11個地區；中部包括吉林、黑龍江、河南、湖北、湖南、山西、江西、安徽8個地區；西部包括內蒙古、廣西、陜西、新疆、甘肅、寧夏、青海、四川、重慶、云南、貴州、西藏12個地區。需要說明的是，在綜合考慮了東北三省地理空間位置和地方經濟發展的相似性以后，將吉林、黑龍江劃歸中部，將遼寧劃歸東部，應與傳統意義的東中西區域劃分相區別。三大區域各項效率值如圖4所示。

圖4 三大區域各項效率值變化趨勢

如4所示，2007—2016年，三大區域平均TFP分別為0.975、0.954、1.716，西部的TFP明顯高于東部和中部的TFP。三大區域TFP在2009—2010年均出現上升趨勢，在2014—2015年東西區域出現小幅上升，在2010年、2011年和2015—2016年出現了下降趨勢。三大區域TFP呈現較為同步的發展趨勢。

2007—2016年，三大區域平均EC分別為1.160、1.119、1.687，區域間EC變化存在較大差距，尤其在2007—2008年和2009—2010年三大區域間的差距較大。如圖4所示，2007—2012年三大區域的EC變化趨勢不同步，西部呈現先下降后上升再下降的趨勢，東部呈現先上升后下降再上升的趨勢，中部比較穩定沒有太大的波動。2012—2016年三大區域EC呈現出同增長同下降同步發展趨勢。

2007—2016年，三大區域平均TP分別為1.109、1.060、1.093，區域間TP相近。在2012年之前三個區域的TP基本重合，在2012年之后出現較大差異，但發展趨勢相同。其中，東部TP最高，說明東部技術進步較快，這得益于該區域高水平的經濟發展和優越的地理位置。

2007—2016年，三大區域平均PC分別為1.054、1.143、1.152。2010—2011、2013—2014、2015—2016

年三個時間段中三個區域PC呈現上升趨勢，其中東部在2015—2016年的PC較高，其他年份的PC發展水平相對平穩。

2007—2016年，三大區域平均SC分別為1.116、0.986、1.402，區域間差距較大。尤其在2007—2011年三大區域間SC差距較大。東部SC在2009—2010年也出現了明顯上升。2012年以后三大區域SC呈現較為平穩的發展趨勢。

通過對2007—2016年三大區域的各項效率值的分析可以看出，西部的各項效率值均表現出較好的發展態勢，各項效率值均大于1。但是，不論時間角度還是區域角度都存在發展不均衡的問題。鑒于此，西部在保持整體良好發展態勢的同時要注重發展的均衡問題，做好區域內資源、技術的交流和共享。中部雖然各項效率發展較為平穩，但效率值偏低，TFP和SC均小于1，需要進一步提升。鑒于此，中部應抓住中部崛起的政策優勢，吸引資金，加大創新、提高管理水平、整合小散礦企，同時也要加強區域間管理和技術交流。東部具有天然的地理優勢，經濟和科技發展水平較高，應繼續加大產學研的結合力度科研投入，帶動中西部TP的發展。

3.3 中國礦業TFP影響因素分析

3.3.1 變量選取及模型設定

本文選擇了產業結構、能源結構、制度因素作為區域礦業TFP的影響因素。本文產業結構用工業對地區生產總值增長的貢獻（不變價）表示。能源結構用煤炭消費占總能源消費的比重（換算為標準煤）比重來表示。用國有控股工業企業工業銷售產值占工業企業工業銷售產值的比重作為各地區制度因素的指標。數據來源于2007—2016年《國土資源統計年鑒》和各地方統計年鑒。

設各地區各因素對TFP影響的Tobit模型為：

設各地區各因素對EC影響的Tobit模型為：

設各地區各因素對TP影響的Tobit模型為：

式（5）～式（7）中：i表示某個地區，t代表時間；TFP是全要素生產率，TP是技術進步增長率，EC是技術效率增長率。Ind代表產業結構，lnind是工業生產總值占地區生產總值的比重的對數；ene代表能源結構，用地區工業消耗的能源量占地區能源消耗總量的比重來表示，lnene是工業消耗的能源量占地區能源消耗總量的比重的對數；mar代表制度因素，用國有控股工業企業工業銷售產值占工業企業工業銷售產值的比重表示，lnmar是國有控股工業企業工業銷售產值占工業企業工業銷售產值的比重對數。

3.3.2 Tobit結果與分析

以2007—2016年31個省份的數據為基礎，運用Tobit模型測算了產業結構、能源結構、制度因素對全要素生產率、技術進步和技術效率的影響（表2），結果表明：

表2 影響因素的Tobit回歸結果

（1）產業結構對TFP、TP和EC的影響顯著為正，說明工業對地區生產總值增長的貢獻增加，有利于TFP、TP和EC的提高。工業是三次產業中與礦業聯系最緊密的部門，工業對區域經濟增長的貢獻的增加經常伴隨著礦業管理水平的提升和規模效益的擴大。中國礦業呈現出多、小、散的分布特點，產業結構存在一定程度的不合理。但隨著礦產資源開發整合成為了中國礦產資源開發秩序治理整頓的主要內容。工業對區域經濟增長的貢獻的增加也可以促進礦產開發產業結構不斷優化。

（2）能源結構的變化顯著影響TFP、TP和EC，且系數為正，說明煤炭消耗占能源消耗比重的提高，促進了TFP、TP和EC的提高。煤炭是我國能源消費的主要形式，且主要由國內礦山提供，煤炭消費比重提升會繁榮地區的礦業發展，在煤炭行業的帶領下和環境保護政策的約束下，礦業企業會加快完成轉型升級，并通過礦業自身科技創新，不斷開發引進先進的工藝流程等技術，推進綠色礦山建設，實現中國礦業的綠色轉型升級，進而促進了TFP、TP和EC的提高。能源結構的變化顯著影響TFP、TP和EC。

（3）制度因素對TFP、TP和EC的影響顯著為正，說明了制度因素的完善對礦業TP的提升具有正向影響。近年來，相關部門發布和制定了《關于全面開展礦山儲量動態監督管理的通知》《關于逐步建立礦山環境治理和生態恢復責任機制的指導意見》《礦山地質環境保護規定》等礦業相關政策，不斷完善了礦業的相關制度，為我國的礦業發展提供越來越透明公正的政策環境，國有控股工業企業的發展促進了這些政策的落實，為礦業的健康、穩步發展提供了保障與支持。

4 結論與討論

4.1 結論

本文首先采用基于非期望產出的Super-SBM模型對中國31個省份的礦業TFP和投入產出情況進行了測度，然后通過Malmquist指數模型，對TFP的動態變化進行分析，最后根據不同區域礦業的資源稟賦和發展現狀，運用Tobit模型分析產業結構、能源結構、制度因素、環境因素等對區域礦業TFP的影響，主要結論如下：

（1）除2009年外，我國礦業TFP均大于1，說明除2009年外，礦業DEA有效。2009年，受國際金融危機的影響，礦業出現了嚴重的投入冗余和產出不足，導致DEA無效。但是2010年，TFP迅速恢復，此時點與綠色礦山制度推廣時點高度耦合。非期望產出過多是制約各時期TFP提高的共有原因。在分區域分析中，TFP波動較大的五個省份效率值波動原因各不相同，但呈現出共同的特征，效率值向下波動總是伴隨著非期望產出增加。

（2）中國礦業Malmquist生產指數總體呈增長態勢，2007—2016年各地區平均增長25.6%，但區域間TFP發展不均衡，僅有9個地區的Malmquist指數大于1。從全國礦業TFP增長來源看，EC起到主要作用，平均增長率為35.3%。各地區的EC均高于1，整體態勢發展良好,各區域EC的主要驅動因素是SC，平均增長19.3%。

從大區域的視角，將31個省份整合為東中西三大區域。2007—2016年，東中西三大區域平均Malmquist生產率指數分別為0.975、0.954、1.716，西部的TFP明顯高于東部和中部的TFP，但是，不論從時間序列角度還是區域角度看西部都存在發展不均衡的問題。中部地區各項效率發展較為平穩，但各項效率需要進一步提升。中部地區的各項效率值偏低，TFP和SC均小于1。東部地區TP最高，技術進步較快，這與該地區的經濟發展水平、地理位置、技術創新能力較強是密不可分的。

（3）產業結構的變化，工業對地區生產總值增長的貢獻增加有助于礦業規模效應的實現，促進TFP、TP和EC提高。制度因素對TFP、TP和EC的影響顯著為正，國有控股企業效率的提升有助于礦業TP的提升。能源結構中煤炭消耗比重的提高，有利于TFP、EC和TP的提高，能源結構是三個因素中對礦業效率提升影響最大的因素，這體現了礦業“在發展中改善”的行業特征。

4.2 討論

礦業TFP度量礦產資源投入產出效率和由此產生的環境成本，是考察礦業經濟是否滿足高質量發展的重要指標。礦業TFP越高則表示礦業經濟發展與環境越協調，資源利用水平越高。近年來，中國獲取礦產資源的外部風險和環境約束不斷增加，要實現可持續發展，中國必須依靠礦業效率的提高。通過對中國TFP及其影響因素研究分析，能夠客觀評價31個省份的效率差異，對于促進中國礦業可持續發展具有重要的現實意義?；诒疚姆治?，針對中國礦業TFP發展存在的問題提出如下對策建議：

（1）我國礦業TFP發展緩慢，阻礙其進一步發展的關鍵因素是環境問題。十九屆五中全會通過的《中共中央關于制定國民經濟和社會發展第十四個五年規劃和二〇三五年遠景目標的建議》提出，“十四五”時期要“推動綠色發展，促進人與自然和諧共生”，強調“全面提高資源利用效率”。這既是破解保護與發展突出矛盾的迫切需要、促進人與自然和諧共生的必然要求，也是進一步提高礦業生產效率、促進礦業高質量的發展必選之策。

（2）中國礦業TFP在時間序列角度和區域角度都存在發展不均衡的問題。因此，要做好區域內部和區域之間資源、技術的交流和共享。在各地區推廣產學研合作，充分利用學校、企業、科研單位等多種教學環境和資源以及在人才培養方面的優勢，促進面向礦企的科技創新，最終達到礦業高效率地區帶動低效率地區共同發展的目的。

（3）產業結構的升級有利于礦業效率水平的提高，關停并轉小而散的礦業主體，整合礦產資源，提高管理能力，激發礦業規模效益。此外，制度的完善對礦業效率水平提升具有正向影響。完善我國礦產資源領域制度建設，為礦業發展提供更加透明公正的政策環境。能源結構中主要能源比重的增加，對整個礦業的發展具有帶動作用，礦業發展是礦業綠色轉型的基礎。

本文尚存在如下不足：首先，受到數據可獲得性的限制，本文只選取31個省份2007—2016年的指標數據作為研究對象，研究結果不能反映2016年以后礦業效率的發展變化。其次，本文未對礦業TFP變化和綠色礦山發展之間的耦合關系進行定量分析，有待在未來研究中進一步完善。