第二节 文献综述
一 国外的研究现状
（一）FDI的技术溢出效应研究
回顾国外研究动态，外商直接投资的技术溢出效应很早就是国外学术界重点关注的话题之一。澳大利亚经济学家MacDougall（1960）对外商直接投资的溢出效应进行了开创性的研究，他在研究外商直接投资的一般福利效应时，首次将技术外溢视作外商直接投资的一个重要现象或重要特征，并在资本流动效应模型中得出了东道国福利的增长主要来自外资利润转移的观点。Caves（1974）则明确提出了外商直接投资的技术溢出问题，并开创了采用计量方法来研究外商直接投资技术溢出效应的先河。随后，部分学者从理论和模型角度证实了FDI技术溢出效应的存在性，并认为FDI能够促进东道国全要素生产率增长和经济发展，但在实证研究领域，国外学术界对FDI是否产生了技术溢出，是否驱动了东道国全要素生产率增长，存在较大的争议，并形成了以下几种不同的观点：
1. FDI具有明显的正向技术溢出效应
Caves（1974）利用澳大利亚和加拿大的制造业数据分析发现，在这两个国家的制造业中FDI均具有显著的正向技术外溢效应。Globerman（1979）也利用加拿大的制造业数据得出了类似结论。Blomstrom和Persson（1983）利用1970年墨西哥的行业横截面数据分析发现，FDI技术溢出效应是存在的。Kokko和Zejan（1996）也利用墨西哥经验数据分析认为FDI推动了墨西哥的生产率增长。Coe等（1997）认为发展中经济体从发达经济体引进的外商直接投资具有明显的知识和技术溢出效应。Kinoshita（2001）认为FDI作为资本、技术结合体，不但为东道国带来了先进生产技术和管理经验，还可以通过示范、模仿、培训和竞争效应对东道国企业产生正向技术溢出，并提升全要素生产率。Gorg和Greenway（2004）、Kugler（2006）和Liu（2008）实证发现外商直接投资对东道国企业的全要素生产率产生了一定的促进作用。
2. FDI的技术溢出效应不显著，甚至为负向技术溢出
Haddad 和Harrison（1993）基于摩洛哥面板数据分析，认为FDI的流入显著降低了东道国企业的生产率。Aitken和Harrison（1999）利用1976—1989年委内瑞拉制造业面板数据，实证发现FDI存在负向溢出效应。Djankov和Hoekman（2000）基于20世纪90年代捷克制造业的数据，考察了FDI的技术溢出效应，其结果表明采用合资形式的FDI具有负向技术溢出效应。Barry等（2001）利用爱尔兰的经验数据分析，认为跨国企业带来的过度竞争导致了负向的FDI技术溢出效应。Girma等（2001）认为在技术效率和工资支付方面具有优势的外企对英国本土企业没有产生外溢效应。Harris和Robinson（2003）利用英国制造行业的数据，实证研究了FDI的技术溢出效应，得出行业间、行业内和因集聚而产生的溢出效应都不明显。Girma和Gong（2008）的研究结果表明外商直接投资并未对中国国有企业的生产率提升产生正向促进作用。
3. FDI的技术溢出效应存在异质性
针对上述分歧，部分国外学者认为外商直接投资对东道国全要素生产率的影响存在异质性特征，其主要表现在吸收能力、行业、本土企业和外资企业异质性等方面。
（1）吸收能力异质性。
在外商直接投资对东道国全要素生产率影响的异质性特征中，备受关注的是“中间因素”问题，即外商直接投资对东道国全要素生产率的影响方向和大小与东道国的吸收能力密切相关（Keller,1998;Sinani and Meyer,2004;Narula and Dunning,2010）。“吸收能力”的概念是Cohen和Levinthal（1989）在分析企业R&D投入对其技术进步的影响时提出来的，且该影响主要体现在以下两个方面：一方面，研发成果对技术进步存在直接的正效应；另一方面，企业对外部新知识、先进技术和管理经验的学习、模仿和吸收能力会随其R&D投入的增加而提升。随后，众多学者尝试从东道国（地区）吸收能力的角度来考察外商直接投资的生产率溢出效应存在差异性的原因，且多聚焦于从经济发展水平、人力资本水平和对外开放度等方面来解释吸收能力因素的内涵。
一是经济发展水平。Blomstrom等（1994）对比分析了发达国家和发展中国家的FDI技术溢出效应，其结果表明，二者之间存在一定差异，即收入水平较高的东道国存在显著的FDI技术溢出效应，而收入水平较低的东道国在此项指标上明显落后于高收入东道国。二是人力资本水平。Borensztein等（1998）认为只有当东道国（地区）的人力资本水平跨越某一门槛值时，才能有效吸收外商直接投资的知识和技术溢出。Xu（2000）在研究美国对40个国家的外商直接投资技术溢出效应后，认为FDI的技术溢出效应主要发生在人力资本水平较高的发达国家，而在发展中国家则不明显。三是对外开放度。Barro和Sala-I-Martin（1991）发现对外开放度越高的国家（地区）对跨国企业所带来的先进知识、技术和管理经验等具有更强的吸收能力。四是金融发展水平。Hermes和Lensink（2003）认为较为发达的金融市场对FDI技术溢出具有促进作用。Choong等（2004）利用日本和韩国等国家的金融发展数据分析，认为只有一国（地区）的金融体系达到一定水平才有助于FDI的正向技术溢出效应的发挥。五是基础设施建设水平。Lall（1990）、Balasuramanyam等（1996）认为东道国基础设施的完善程度会对外商直接投资的技术溢出效应产生较大影响。六是其他吸收能力。除上述主要吸收能力因素外，部分学者认为FDI技术溢出效应还受东道国的其他吸收能力因素影响，比如合资企业参与度（Aitken and Harrison,1999）、技术差距等。
（2）行业异质性。
FDI技术溢出的行业异质性主要体现在结构和行业技术水平等方面。Keller和Yeaple（2009）利用美国经验数据分析发现，美国高技术行业比低技术行业的FDI技术溢出效应更强烈。
（3）外资企业异质性。
影响外企异质性的主要因素包括外企股权结构和外企来源国（地区）等。比如，Javorcik（2004）利用罗马尼亚的企业数据分析，认为合资企业的垂直溢出效应强于独资企业。Du等（2012）利用中国工业企业数据，实证发现中国不同来源的FDI技术溢出效应存在一定的差异。
（4）本土企业异质性。
FDI技术溢出的本土企业异质性主要体现在企业研发、出口导向、企业规模、企业所有制结构等方面。比如，Griffith等（2006）认为东道国企业的自身研发水平是影响FDI技术溢出效应的重要因素。Deng等（2012）认为中国企业所有制会影响FDI的技术溢出效应。
（二）绿色全要素生产率测算方法及指标体系研究
国外学者很早就意识到，忽略资源环境约束可能导致生产效率的评估存在一定偏误。Pittman（1983）改进了Caves等（1982）的超对数生产率指数，并以此测算了威斯康星州造纸厂的生产效率，这是将环境因素纳入生产效率测算的最早探索。随后，国外学者便对资源环境约束下的全要素生产率（绿色或环境全要素生产率）进行了大量研究，但在指标选择和测算方法上存在较大分歧，其具体表现为：
1． 环境污染作为投入抑或产出的问题
一些学者将环境污染视作一种投入要素纳入绿色全要素生产率测算框架，代表文献有Reinhard等（2000）、Hailu和Veeman（2001）、Shaik等（2002）、Coelli等（2005）。然而，部分学者并不认同上述观点，他们认为将环境污染视为弱可处置性的非期望产出更为合理（Chung et al.,1997;Fare et al.,2001;Yoruk and Zaim,2005），因为将环境污染作为投入要素不但与实际生产过程不相符，还有悖于有界生产可能性集和投入强可处置性的理论假设（Fare and Grosskopf,2004）。
2． 测算方法的选择问题
绿色全要素生产率的测算方法，主要有参数法和非参数法两大类。其中，参数法包括C-D函数法、超越对数生产函数法和代数指数法。这类方法不但需要设定具体生产函数形式，且需充分掌握投入和产出变量的相关价格信息，还要求生产过程满足规模报酬不变的假定。在早期的研究中，考虑到参数法的模型比较简便，国外学者普遍采用该方法进行全要素生产率的测算。然而，绿色全要素生产率的测算框架中包含了能源消耗和环境污染，环境污染的价格无法准确估算，且难以实现参数法所需的严格假定条件，这可能造成其测算结果存在一定偏差。Charmes等在1978年首次提出了数据包络分析法（Data Envelopment Analysis,DEA），并经众多学者不断丰富和完善，逐渐成为一种具有代表性的非参数方法。DEA方法的核心思想是通过包络生产过程中的所有生产决策单元，得到整个经济系统的生产前沿面，并根据距离函数计算出每个生产单元与生产前沿面的距离，从而对生产决策单元进行生产有效性评价。该方法只需把握生产函数中的投入产出信息，不必考虑函数的具体形式，这恰好可以弥补参数法的局限。因此，近年来，国外学者大多以DEA为基础，并结合相关指数法来测算绿色全要素生产率。
基于DEA的绿色全要素生产率测算的方法普遍是建立在生产效率测算的基础之上的。伴随效率测算方法的优化，绿色全要素生产率的测算方法也在逐步优化。早期的生产效率测算方法主要是谢泼德产出距离函数（Shepard Output Distance Function,SDF），该方法的优点在于，不但可以将能源消耗、环境污染引入测算框架，还能够较好地解决生产过程中的多投入多产出的问题。在谢泼德产出距离函数基础上，逐渐形成了一种测算绿色全要素生产率的新工具，即姆奎斯特生产率指数（Malmquist Productivity Index,M），这种非参数的M指数能够将绿色全要素生产率分解为绿色技术进步和绿色技术效率。其代表文献有Hailu和Veeland（2000）、Telle和Larsson（2007）等。由于谢泼德距离函数是径向的，且难以适用于“好”产出增加的同时“坏”产出减少的情况，因而很快被方向性距离函数（Directional Distance Function,DDF）所取代。为了与非角度和具有相加结构方向性距离函数相匹配，Chambers等（1996）提出了卢恩伯格生产率指数（Luenberger Productivity Index,L），该指数不需考虑测度角度的选择问题，同时还考虑了投入的减少和产出的增加情况。Chung等（1997）基于谢泼德距离函数，提出了方向性距离函数，将M指数拓展为Malmquist Luenberger（ML）指数，并将此方法应用到了瑞典纸浆厂的绿色全要素生产率测算中。该方法的优点在于，既模拟了多投入、多产出的情况，又考虑了合意产出增加的同时非合意产出减少的情况，但该方法仍然要求选择测算角度。从此，该方法被国外学者广泛应用。比如，Kumar（2006）利用ML指数测度了41个国家的绿色全要素生产率，其结果表明，传统全要素生产率与绿色全要素生产率的测算结果差异较小，然而ML指数和M指数的分解结果具有明显的区别。
虽然DDF方法在一定程度上满足了合意产出增加而非合意产出减少的情况，但同时要求合意产出和非合意产出按相同比例增加或减少。为克服这一局限，Tone（2001）、Tone（2003）提出了基于松弛变量的SBM（Slacks Based Measure,SBM）模型，该方法有效解决了非径向、非角度所带来的非零松弛问题，更符合实际生产过程。此外，Fukuyama和Weber（2009）构建了基于松弛测度的方向性距离函数，以克服传统方向性距离函数的径向和导向性问题。
二 国内的研究现状
（一）FDI技术溢出效应研究
改革开放以来，FDI不断涌入中国，并为中国经济高速增长注入了新活力，国内学术界也逐渐重视对FDI溢出效应的研究。但相较国外学术界而言，国内学术界对其研究起步较晚。本书通过梳理国内相关文献，发现国内学者对FDI的技术溢出效应研究主要存在以下几种观点：
1. FDI具有明显的正向技术溢出效应
何洁和许罗丹（1999）借鉴Feder（1982）的方法，并将工业细分为内外资两部门，实证发现中国工业部门的FDI流入对内资工业部门具有显著的正向技术溢出效应，且该效应还会随着中国对外开放进程的加快而日益凸显。沈坤荣（1999）利用1996年中国省际数据，实证研究了FDI对中国全要素生产率的影响，其结果表明FDI强度的提升促进了中国全要素生产率的增长。黄华民（2000）从资本形成效应、就业效应以及贸易与国际收支效应等角度实证研究了FDI与中国经济增长之间的关系，发现FDI显著推动了中国经济增长。程惠芳（2002）认为FDI的流入显著促进了中国全要素生产率增长，其原因与FDI进入规模和人力资本水平有关。王志鹏和李子奈（2003）利用2000年中国500个工业行业的企业数据，重点考察了FDI的外溢效应，发现FDI有利于国内企业的生产效率提升。李平和钱利（2005）基于改进CH模型，利用1985—2003年中国省际面板数据，实证发现FDI的溢出效应显著促进了中国全要素生产率的增长。李景睿（2009）基于中国珠江三角洲的城市面板数据，实证分析认为外商直接投资的流入对当地前沿技术进步产生了明显的促进作用。胡朝霞（2010）基于1992—2007年中国省际面板数据，实证研究了FDI与中国服务业全要素生产率之间的关系，认为FDI显著促进了中国服务业技术效率提升和技术进步。王滨（2010）利用1999—2007年中国制造行业的面板数据，考察了FDI的生产率溢出效应，其结果表明外商直接投资对中国全要素生产率具有明显的横向、前后向关联溢出效应。邓超正（2012）利用2001—2008年中国省际面板数据，实证研究了FDI与中国全要素生产率之间的关系，认为FDI促进了中国全要素生产率增长。何雄浪（2014）参考Feder （1982）的方法考察了外商直接投资的流入对中国区域经济增长的影响，发现外商直接投资的流入对中国西南和华东地区的经济增长具有显著的正效应。李晓钟和王倩倩（2014）基于改进的CD函数，利用1998—2011年中国电子产业和高新技术产业数据分析发现FDI的技术溢出有效推动了国内企业技术水平的提升。
2. FDI的技术溢出效应不显著，甚至为负向技术溢出
姚洋和章奇（2001）基于第三次工业普查数据实证研究了FDI的外溢效应，其研究结果表明，FDI在一省内部和行业内的外溢效应并不显著。王飞（2003）发现外商直接投资对中国工业企业技术进步的溢出效应并不明显。张海洋（2005）认为由于地区间具有异质性，FDI的流入通常难以获取外企的先进技术。何元庆（2007）利用中国经验数据发现FDI技术溢出效应不显著。马林和章凯栋（2008）利用2000—2005年中国省际面板数据分析认为外商直接投资对中国产生了明显的负向技术溢出效应。潘益兴（2011）基于浙江省的FDI流入数据分析，发现浙江省的FDI流入并未对当地经济增长产生技术溢出效应。
3. FDI的技术溢出效应存在异质性
从理论上来讲，外商直接投资是一国（地区）获得先进知识、技术和管理经验等的重要渠道之一，且其溢出效应可能促进当地经济发展，但部分国内学者通过实证研究发现外商直接投资的流入不一定对东道国产生正向溢出效应，并进一步认为由于东道国的吸收能力和外资进入的行业等具有一定差异，FDI的技术溢出及其对东道国全要素生产率的影响也可能存在异质性。
（1）吸收能力异质性。
部分学者尝试从不同的视角来探寻FDI技术溢出效应存在差异的原因，且主要侧重于“中间因素”问题的研究，而“中间因素”即是指东道国（地区）的吸收能力。对于“吸收能力”的定义，国内学者陈晓红和宋洋（2011）、蔡经汉等（2011）将其定义为一国（地区）对跨国企业或地区外部的已有知识、先进技术和管理经验进行识别、获取并加以吸收消化应用的一种能力。梳理现有文献发现，国内学者多侧重从以下几种吸收能力来诠释FDI技术溢出效应存在差异的原因：
一是经济发展水平。何洁（2000）利用1993—1997年中国省际工业部门数据分析，认为FDI的技术溢出效应存在基于经济发展水平这一吸收能力因素的门槛特征，即只有当一个国家（地区）经济发展水平达到某一特定阈值后，FDI的技术溢出效应才会显著。潘文卿（2003）认为FDI的正向技术溢出效应仅发生在中国东、中部地区，而西部地区具有明显的负效应，其原因在于西部地区的经济发展这一吸收能力还未达到相应“门槛”之上。张宇和蒋殿春（2007）则认为FDI技术溢出效应存在基于经济发展的单门槛特征，其中只有广东等少数省份跨越了临界门槛值。
二是人力资本水平。黄菁等（2008）基于1994—2006年中国面板数据分析，认为人力资本水平是影响FDI技术溢出效应的重要因素。谢建国和周露昭（2009）发现人力资本水平对国外研发的技术溢出效应具有明显的影响。赵国庆和张中元（2010）认为只有当人力资本跨越相应门槛值时， FDI的技术溢出效应才会显现。孙婧（2013）则认为外商直接投资的技术溢出效应显著存在基于人力资本水平的门槛特征，即人力资本存量、高等和中等教育人力资本具有正向门槛特征，而初等教育人力资本存在负向的门槛特征。黄繁华和王晶晶（2014）基于2005—2011年41个国家面板数据分析发现，东道国人力资本这一吸收能力因素明显促进了服务业FDI的研发溢出。
三是对外开放度。包群和赖明勇（2003）、黄静（2006）的研究发现对外开放度的提高对外商直接投资的技术溢出效应具有显著的促进作用。但部分学者认为地区对外开放度对外商直接投资的技术溢出效应的推动作用不明显或具有门槛特征。比如，何洁（2000）认为如果单纯提高经济开放度，外商直接投资的技术溢出效应并不一定会产生显著的促进作用，甚至可能产生一定的负效应。谢建国（2006）的研究结果表明对外贸易并未显著促进中国的技术效率提升，而且对西部地区技术效率的提升还产生了抑制作用。张宇（2008）的研究结果也表明外资依存度只有处于合理水平， FDI才会产生显著的技术溢出效应。靳娜和傅强（2010）基于2005—2008年中国工业部门数据，实证发现中国贸易政策等吸收能力对FDI技术外溢效应具有不利的影响。何兴强等（2014）则进一步认为FDI的技术溢出效应存在显著的基于外贸依存度的双门槛特征，过低或过高的外贸依存度都不利于FDI技术溢出效应的发挥。
四是金融发展水平。王永齐（2006）认为一个国家（地区）的金融发展水平越高，越有助于国内企业吸收外商直接投资带来的先进知识、技术和管理经验，并帮助国内企业在技术创新或向外学习先进技术过程中获取更多的金融支持。侯英等（2014）认为外商直接投资的技术溢出效应会随中国金融市场的不断完善而逐渐增强。尽管部分学者发现地区金融发展水平是FDI技术溢出效应的重要影响因素，但同时也有一些研究表明，中国整体金融市场并不健全，仍存在一些问题，并制约了FDI技术溢出效应的发挥。比如，阳小晓和赖明勇（2006）的研究结果表明考察期内中国相对低效率的金融市场体系还不足以有效吸收FDI的技术溢出。曾慧（2008）发现金融发展在促进FDI的正向技术溢出效应发挥以及推动中国经济增长方面具有显著的地区异质性。具体而言，在东部地区具有明显的推动作用，而中西部地区的金融发展仍未达到触发正向技术溢出的临界点。潘美玲（2011）则认为由于东部和中部地区的金融市场较为完善，其外商直接投资的技术溢出效应较明显，而西部地区较为落后的金融市场还难以为FDI技术溢出的有效吸收提供较强的金融支持。
五是基础设施建设水平。何洁（2000）的研究结果表明外商直接投资的引进需建立在较为完善的基础设施之上，才可能发挥其对经济增长的推动作用。包群和赖明勇（2003）认为外商直接投资的技术溢出效应发挥与东道国基础设施的完善程度存在紧密的联系，且基础设施越完善越有利于FDI技术溢出效应的发挥。张宇和蒋殿春（2007）发现FDI技术溢出效应显著存在基于东道国基础设施建设水平的正向双门槛特征，即FDI技术溢出效应会随着东道国基础设施的不断完善而逐渐凸显。郭庆然（2013）认为东道国基础设施建设对外商直接投资的技术溢出效应的影响存在正向双门槛效应。谢建国和吴国锋（2014）基于1992—2012年中国省际面板，实证发现东道国基础设施建设水平与外商直接投资的技术溢出效应呈正相关，且强调提高中国基础设施建设水平是有效发挥外商直接投资的技术溢出效应的重要渠道。
六是其他吸收能力。除了上述重要吸收能力因素之外，其他诸如研发投入存量（罗军、陈建国，2014；罗军，2016）、技术差距（黄凌云等， 2007；王华等，2012；张文爱，2013）、市场化进程（张倩肖，2007；李晓钟和张小蒂，2008；田泽永和陈圣飞，2015）、行业集中度（邱斌等， 2008）、经济结构（李梅、谭力文，2009）、知识产权保护（汪曲，2012；张相文等，2014）和工业服务业比值（潘晓光，2014）等吸收能力因素也会对FDI技术溢出产生重要影响。
（2）行业异质性。
陈涛涛（2003）认为FDI技术溢出在资本密集度较低的行业中更为显著。黄静波和付建（2004）基于广东省的经验数据分析，发现相对劳动密集型行业而言，资本密集型行业的FDI溢出效应更强。方健雯（2009）基于1999—2006年中国31个行业的面板数据，考察了FDI对中国行业内和行业间的技术溢出路径和方式，发现FDI存在明显的行业内溢出效应，且主要表现为示范模仿效应。对于行业间的溢出效应，FDI则具有显著的后向溢出效应，但前向溢出效应不明显。张公嵬等（2013）利用2000—2009年中国制造业28个行业的面板数据实证检验了FDI、产业集聚与全要素生产率增长之间的关系，发现FDI对资源和劳动密集型行业的TFP增长具有显著的正向促进作用，但对资本和技术行业TFP的影响则不明显。许欣（2015）则利用2001—2012年中国35个工业行业的面板数据，考察了FDI对中国技术溢出的门槛效应，发现FDI技术溢出的门槛效应存在行业差异。
（二）中国绿色全要素生产率的测算及其结果研究
相较国外而言，国内学者对绿色全要素生产率的方法及其应用研究起步较晚。近年来，随着中国经济高速发展过程中的资源环境问题日益严峻，国内学者也逐渐重视对中国绿色全要素生产率的研究，并取得了较为丰富的研究成果，归纳起来，主要存在以下两种观点：
1． 中国绿色全要素生产率呈增长趋势
（1）来自行业方面的证据。
杨俊和邵汉华（2009）、吴军（2009）利用ML指数测算了1998—2007年环境约束下中国工业全要素生产率的平均增长率分别为9.6%和8.5%。李伟和章上峰（2010）利用ML指数测算了2001—2008年中国环境约束下的工业全要素生产率，发现其平均增长率为11.1%。陈诗一（2010）利用方向性距离函数和谢泼德距离函数，测算了1980—2008年中国工业环境全要素生产率，发现其平均增长为2.29%。李小胜和安庆贤（2012）利用ML指数和方向性距离函数，测算了1998—2010年中国工业36个行业的环境全要素生产率，其结果表明，中国工业环境全要素生产率整体呈上升趋势。杨文举和龙睿赟（2012）以化学需氧量和二氧化硫作为“坏”产出，并利用ML指数和方向性距离函数，测算了2003—2010年中国工业绿色全要素生产率，结果显示，中国工业绿色全要素生产率整体呈上升趋势。董敏杰等（2012）采用Luenberger指数和松弛效率损失测度法，测算了2001—2007年中国工业环境全要素生产率，发现其呈上升趋势。李玲和陶锋（2012）采用卢恩伯格指数和SBM模型测算了1999—2009年中国制造业各行业的绿色全要素生产率，发现中国制造业绿色全要素生产率的平均增长率为5.01%。万伦来和朱琴（2013）利用SBM模型和卢恩伯格指数，测算了1999—2010年中国工业绿色全要素生产率，发现中国工业绿色全要素生产率呈上升趋势。李玲等（2013）也利用卢恩伯格指数和SBM模型，测算了1999—2009年中国工业绿色全要素生产率，发现中国工业绿色全要素生产率平均以9.88%的速度增长。
原毅军和谢荣辉（2015）利用卢恩伯格指数和SBM模型，测算了2000—2012年中国工业绿色全要素生产率，发现样本期内中国工业绿色全要素生产率平均以3.04%的速度增长，其增长源泉来自技术进步。田娜和Myeong-Kee Chung（2015）利用扩展生产函数，测算了2001—2011年中韩两国的制造业行业的环境全要素生产率，其结果表明，样本期内中国制造业行业的环境全要素生产率呈较快增长态势，但其对工业经济增长的贡献落后于韩国。范丹（2015）基于2001—2012年中国工业36个行业数据，并利用全局DEA-MML指数，评估了中国工业行业的环境全要素生产率后，认为样本期内中国工业行业环境全要素生产率平均以2.3%的速度增长。陈菁泉等（2016）利用Malmquist-Luenberger指数，并借助GAMS软件，测算了2001—2012年中国省际工业环境全要素生产率，发现中国工业环境全要素生产率平均增长率为0.7%。王恕立等（2016）以化学需氧量和二氧化硫作为服务业的“坏”产出，并利用DDF- Malmquist-Luenberger指数，测算了2004—2013年中国服务业的环境全要素生产率，结果显示，样本期内中国服务业环境全要素生产率平均以4.3%的速度增长。尹向飞和刘长石（2017）基于1995—2011年中国制造业面板数据，采用ISP生产率指数法，评估了环境和矿产资源约束下中国制造业全要素生产率，发现考察期内中国制造业全要素生产率的平均增长率为1.16%，其增长源泉主要来自技术变化。
（2）来自地区方面的证据。
李俊和徐晋涛（2009）用非参数方法测算了中国绿色全要素生产率，其结果表明，样本期内中国绿色全要素生产率呈上升趋势。王兵等（2010）利用Luenberger指数和SBM模型，测算了1998—2007年中国环境全要素生产率，发现其平均增长率为1.8%。田银华等（2011）利用SML指数测算了1998—2008年中国省际环境约束下的全要素生产率，发现样本期内中国环境约束下的全要素生产率平均以0.93%的速度增长。屈小娥（2012）以环境污染综合指数作为非期望产出，并采用SBM模型，测算了1996—2009年中国省际环境约束下的全要素生产率，发现其平均增长率仅为0.78%。郭辉和董晔（2012）将能源消耗和碳排放引入测算体系，并采用扩展的索洛模型，测算了1978—2008年中国绿色全要素生产率，发现其平均增长率为3.66%。匡远凤和彭代彦（2012）利用随机前沿函数模型和广义Malmquist指数，测算了1995—2009年中国环境全要素生产率，发现该时期的环境全要素生产率呈增长趋势。杨向阳等（2013）利用HicksMoorsteen指数，测算了2000—2008年环境约束下的中国省际全要素生产率，发现样本期内环境约束下的全要素生产率平均以1.69%的速度增长。肖攀等（2013）利用ML指数，评估了2003—2010年中国城市环境全要素生产率，其结果显示，考察期内中国城市环境全要素生产率的平均增长率为1.1%。宋长青等（2014）利用基于方向性距离函数的ML指数，测算了1985—2010年中国绿色全要素生产率，发现中国绿色全要素生产率平均增长率为4.4%。李小胜等（2014）以二氧化碳和二氧化硫作为非合意产出，并利用DEA-Malmquist指数，测算了1997—2011年中国30个省份的环境全要素生产率，发现中国省际环境全要素生产率的平均增长率为2.94%。
程中华（2015）将工业二氧化硫、工业烟尘和工业废水排放量作为非合意产出纳入测算框架，并采用ML指数，测度了2003—2012年中国285个地级及以上城市的绿色全要素生产率，发现中国绿色全要素生产率平均增长率为0.9%。王兵和刘光天（2015）以二氧化硫、化学需氧量作为“坏”产出，并采用权重罗素方向性距离函数（WRDDM）和绿色卢恩伯格指数（GLPIB），测算了1999—2012年中国绿色全要素生产率，其结果显示考察期内中国绿色全要素生产率平均以1.33%的速度缓慢增长。汪克亮等（2015）基于Bootstrap-DEA的Malmquist指数，测算了2000—2012年中国绿色全要素生产率，发现考察期内中国绿色全要素生产率平均以0.73%的速度缓慢增长。杨桂元和吴青青（2016）利用2003—2012年中国省际面板数据，并采用DEA-Malmquest指数，测算了中国绿色全要素生产率，发现考察期内中国绿色全要素生产率整体呈上升态势。王裕瑾和于伟（2016）将能源消耗和污染排放引入经济增长模型，并利用随机前沿分析方法，测度了2001—2014年中国省际绿色全要素生产率，其结果显示，考察期内中国绿色全要素生产率平均以2.70%的速度缓慢增长。徐晓红和汪侠（2016）基于2000—2014年中国省际面板数据，利用方向性距离函数和Malmquist-Luenberger指数，测度了能源和环境约束下的中国绿色全要素生产率，测算结果显示，中国绿色全要素生产率平均以1.3%的速度增长，且绿色技术进步是其主要推力。卢丽文等（2017）以工业废水、工业二氧化硫和工业烟尘排放量作为非期望产出，并采用DEA-Malmquist-Luenberger指数，测算了2003—2013年中国长江经济带108个城市的绿色全要素生产率，其测算结果显示，样本期内长江经济带城市的绿色全要素生产率的平均增长率为13.55%，且技术进步和规模效率上升是其增长源泉。张鹏和于伟（2017）将能源消耗和碳排放作为投入要素纳入指标体系，利用社会网络分析法，并以省份为网络中的节点，测算了2005—2014年中国省际绿色全要素生产率，发现中国绿色全要素生产率增长的空间关联网络密度呈逐年上升态势，但省际差异明显。冯杰和张世秋（2017）利用不同的DEA模型评估了2005—2013年中国省际绿色全要素生产率，其结果表明，不同DEA模型测算出的省际绿色全要素生产率具有不同的时空分布特征，但SBM模型更具合理性，该模型测算出的中国绿色全要素生产率存在从东部沿海地区向西部地区梯度递减的空间分布格局，且地区差异在逐步扩大。
2． 中国绿色全要素生产率呈下降态势
胡晓珍和杨龙（2011）以熵值法拟合的环境污染指数作为非期望产出，并采用Malmquist指数，测算了1995—2008年中国省际绿色全要素生产率，发现其整体呈下滑态势。李斌等（2013）利用ML指数和非径向、非角度的SBM模型，测算了2001—2010年中国36个工业行业的绿色全要素生产率，发现样本期内中国工业绿色全要素生产率呈倒退现象。李斌等（2016）利用Malmquist-Luenberger指数和SBM模型，并运用Max DEA Pro 5.2软件，测度了2003—2013年中国省际绿色全要素生产率，其结果表明，样本期内中国绿色全要素生产率年均下降13%。刘承智等（2016）基于2003—2012年中国省际面板数据，将化学需氧量、二氧化硫视为环境投入要素纳入测算框架，并利用DEA-Malmquist指数，评估了中国省际环境全要素生产率，发现考察期内中国环境全要素生产率呈下滑态势，年均下滑10.1%。陈超凡（2016）利用Malmquist-Luenberger指数和方向性距离函数，综合评估了2004—2013年资源环境约束下的中国工业绿色全要素生产率，发现样本期内中国工业绿色全要素生产率呈现下滑趋势，且不具有收敛性。吴建新和黄蒙蒙（2016）基于2002—2011年中国286个城市的面板数据，将能源投入和二氧化碳、二氧化硫两种非合意产出纳入测算框架体系，并利用Luenberger指数和全局参比SBM模型，测度了中国城市环境全要素生产率，结果表明，考察期内中国城市环境全要素生产率出现了负增长状况，其平均增长率为-0.05%。
（三）FDI对中国绿色全要素生产率的影响研究
随着经济全球化和中国对外开放步伐的加快，外商直接投资大量涌入中国，并深刻影响着中国的经济增长质量和区域环境质量。于是部分学者对外商直接投资与中国绿色全要素生产率之间的关系进行了初步探索，但所得结论莫衷一是，概括起来，主要存在以下几种观点：
1． 外商直接投资对中国绿色全要素生产率产生了显著的正向影响
王兵等（2010）利用Tobit模型，实证研究了中国环境全要素生产率的影响因素，认为FDI对中国环境全要素生产率具有显著的正向影响。柴志贤（2013）利用2001—2009年中国工业36个行业的面板数据，并采用工具回归方法，考察了外资对中国工业环境全要素生产率的影响，得出了外资显著促进了工业环境全要素生产率增长的结论。杨冕和王银（2016）基于2001—2012年中国30个省份的面板数据，利用FGLS方法，实证研究了FDI与中国绿色全要素生产率之间的关系，认为FDI显著促进了中国绿色全要素生产率的增长。吴建新和黄蒙蒙（2016）采用Tobit回归方法，实证研究了中国城市环境全要素生产率的影响因素，发现2006—2011年期间FDI显著促进了中国城市环境全要素生产率的增长。
2． 外商直接投资对中国绿色全要素生产率产生了显著的负向影响
杨俊和邵汉华（2009）利用随机效应模型考察了中国工业环境全要素生产率的影响因素，发现FDI对中国工业环境全要素生产率产生了显著的负向作用。肖攀等（2013）构建空间误差面板模型，实证检验了中国城市环境全要素生产率的影响因素，认为FDI对中国城市环境全要素生产率产生了明显的负向作用。程中华（2015）构建空间面板模型，重点考察了集聚经济对中国绿色全要素生产率的影响，发现作为一般控制变量的FDI显著阻碍了中国绿色全要素生产率增长。范丹（2015）利用2001—2012年中国36个工业行业数据，考察了中国工业环境全要素生产率的影响因素，发现FDI对中国环境全要素生产率的增长产生了显著的负向作用。李斌等（2016）实证检验了FDI对中国绿色全要素生产率的影响，其结果表明，从整体上来说，FDI显著阻碍了中国绿色全要素生产率增长。
3． 外商直接投资对中国绿色全要素生产率的影响不显著
杨文举和龙睿赟（2012）建立固定效应模型，实证研究了中国工业绿色全要素生产率的影响因素，并认为FDI对中国工业绿色全要素生产率的负向影响不显著。汪锋和解晋（2015）基于1997—2012年中国省际面板数据，构建固定效应模型，考察了中国绿色全要素生产率的影响因素，发现FDI对中国绿色全要素生产率增长率的影响不显著。陈超凡（2016）认为FDI虽然有利于技术进步，但对中国工业绿色全要素生产率的正向影响尚不明显。王恕立等（2016）通过建立固定效应模型来检验中国服务业环境全要素生产率的影响因素，发现FDI对中国服务业环境全要素生产率的影响并不明显。陈菁泉等（2016）基于2001—2012年中国省际面板数据，构建空间面板模型，实证检验了中国工业环境全要素生产率的影响因素，认为外资结构未对中国工业环境全要素生产率产生显著的影响。
三 国内外研究述评
国内外学术界对外商直接投资与东道国全要素生产率之间的关系进行了大量的理论和实证研究，但从资源环境约束角度研究外商直接投资对中国绿色全要素生产率影响的文献并不多见，而且这些少数研究仍有值得深入和完善的地方：一是尽管小部分研究绿色全要素生产率的文献涉及了外商直接投资，但多数将外商直接投资作为控制变量加以考虑，而未将其与绿色全要素生产率进行直接研究。二是虽然原毅军和谢荣辉（2015）和李斌等（2016）等极少数文献将外商直接投资作为核心解释变量，并初步考察了其对中国绿色全要素生产率的影响以及东中西部地区的差异，并为本书提供了重要的参考价值和逻辑起点。但遗憾的是，他们未进一步研究导致这种区域差异的原因以及中国绿色全要素生产率是否存在收敛性，这也为本书提供了一个重要契机。三是现有文献普遍采用基于DEA的ML指数测算中国绿色全要素生产率，但该指数仅适用于分析短期内相邻时期的生产效率变动情况，无法满足循环性或传递性的要求，而且在估算跨期方向性距离函数时可能会碰到线性规划无解的难题，从而难以有效分析生产效率的长期变化趋势。
基于此，本书尝试将能源消耗和环境污染综合指数分别作为投入要素和非合意产出纳入测算框架，采用非径向、非角度的SBM模型和基于DEA的Global Malmquist-Luenberger（GML）指数，并借助Max DEA Pro 6.4软件，测算2003—2014年中国省际绿色全要素生产率。在此基础上，利用“OLS+稳健标准误”、系统GMM、空间误差收敛和门槛回归等方法，实证检验外商直接投资对中国绿色全要素生产率的影响及其区域差异，以及这种区域差异产生的原因，以期得到一些新的研究成果，并为中国各地区合理制定引资政策，促进当地绿色发展提供一定参考。