资本有机构成深化与绿色全要...国地级及以上城市的实证研究_徐永慧.pdf

资本有机构成深化与绿色全要素生产率增长：基于20042019年中国地级及以上城市的实证研究资本有机构成深化与绿色全要素生产率增长：基于20042019年中国地级及以上城市的实证研究徐永慧赵燕邓格致*摘要：绿色全要素生产率增长是实现高质量发展的重要标识。现有研究从多个维度对绿色全要素生产率增长展开了诱因识别，其中较少的研究是在马克思政治经济学范式下展开。绿色全要素生产率增长主要源于技术进步和资源配置潜力，在马克思资本有机构成理论下，意味着资本有机构成深化是影响绿色全要素生产率增长的关键变量。文章首先从理论上解构资本有机构成深化与绿色全要素生产率增长之间的经济逻辑，进而利用20042019年中国地级及以上城市的市辖区数据进行实证研究。研究发现：资本有机构成深化形成了绿色全要素生产率增长的关键诱因，这一结论通过了格兰杰因果分析、工业企业口径下的再检验等多重稳健性检验。异质性分析显示，在新常态以来中国经济增长模式的转换下，资本有机构成深化对绿色全要素生产率增长的边际效应得到了强化。进一步的机制研究显示，静态视角下资本有机构成深化主要通过优化资源配置效率推动绿色全要素生产率增长；动态视角下，与禀赋结构相偏离的资本有机构成深化使得要素无法得到有效利用，此种“错位”也引导着资本有机构成不断地自我调整，诱使企业和社会内生出技术进步以矫正要素配置扭曲状态。文章所得研究结论能够为中国政府在“十四五”乃至更长时期内推动高质量发展提供政策启示。关键词：资本有机构成绿色全要素生产率资源配置效率技术进步DOI：10.19592/ki.scje.401221JEL分类号：E11，O11，O33中图分类号：F0-0文献标识码：A文章编号：1000-6249（2023）06-122-20一、引言十八届五中全会提出了“创新、协调、绿色、开放、共享”的新发展理念，并规定了高质量发展的核心内容，其中，创新发展是高质量发展的第一动力，绿色发展是高质量发展的内在要求（洪银兴，2019）。2017年中共十九大明确指出中国经济已由高速增长阶段转向高质量发展阶段，而“推动经济*徐永慧，广州航海学院航运经贸学院，E-mail：xuyonghui_，通讯地址：广东省广州市黄埔区红山三路101号，邮编：510725;赵燕，广州大学经济与统计学院，E-mail：，通讯地址：广东省广州市番禺区大学城外环西路230号，邮编：510006；邓格致，香港科技大学公共政策学院，E-mail：gdengconnect.ust.hk，通讯地址：香港九龙清水湾，邮编：999077。非常感谢匿名审稿专家的宝贵意见，作者文责自负。基金项目：本文受广东省哲学社会科学规划青年项目“广东省乡村振兴发展指标和政策优化路径研究”（GD21YYJ16）和国家社会科学基金重大攻关项目“全面建成小康社会背景下新型城乡关系研究”（17ZDA067）的资助。1222023年第6期发展质量变革、效率变革、动力变革，提高全要素生产率”是实现高质量发展的持续性动力源泉，是推动经济从“粗放式增长”转向“集约式增长”的重要驱动力量。绿色全要素生产率兼顾技术进步与生态财富，是判断一个国家或地区能否实现高质量、长期可持续发展的重要依据。绿色全要素生产率增长的动力来源于两个方面：一是技术进步或创新，二是当前技术水平下的资源配置潜力（Prescott,1998;蔡昉，2017；逯进、李婷婷，2021；戴魁早、骆莙函，2022；汪彬等，2022）。技术进步和资源配置效率的提升与资本配置结构及资本配置的动态变化高度相关，即意味着在马克思资本有机构成理论视角下，物质生产资料和活劳动力的配置结构及其变迁方式是影响绿色全要素生产率增长的关键变量。资本有机构成是由技术构成决定的并反映技术构成变化的资本价值构成，表达式为CV，具体分析，技术给定的情况下，投入到生产过程中的物质生产资料和活劳动力要素的数量比例固定从而二者的相对价值（CV）也随之确定。伴随着扩大再生产，资本积累推动技术进步，引发资本有机构成深化。虽然资本有机构成深化是由技术推动的，但是它兼具技术进步和资源配置效率提升两重含义。具体来说，资本积累和扩大再生产首先表现在以新设备采购等形式出现的从边际上改变企业的资本有机构成，进而，随着技术的进步，企业逐渐淘汰旧设备和改进生产工艺的过程就是资本有机构成深化的过程。在资本深化过程中，每一次资本循环起点上的要素禀赋优势都会发生些许变化，变化了的禀赋结构与原有技术的偏离又内生出新技术，物质资料与活劳动适应新技术便有了新的配置结构，而这一再生产过程中的禀赋结构动态调整过程即是资源配置效率提高的过程。这意味着，扩大再生产过程伴随的资本有机构成深化既包括了技术进步，同时也包括了配置效率，从而势必与绿色全要素生产率增长有着联系。那么，城市绿色全要素生产率变化的上升趋势和资本有机构成的深化趋势是否存在着统计意义上的真实关联呢？这种关联的内在作用机制又如何？新常态以来（20152019年），伴随着服务业比重的持续上升，中国城市资本有机构成出现了深化速度放缓甚至“逆深化”的特征事实，这种趋势特征是否对资本有机构成深化和城市绿色全要素生产率增长之间的可能关系带来了异质性呢？本文将围绕以上问题展开严格的理论和实证研究。已有大量学者对城市绿色全要素生产率增长展开诱因识别，包括环境规制（赵明亮等，2020；何凌云、祁晓凤，2022）、产业结构变化（Xia and Xu,2020；逯进、李婷婷，2021；王兵等，2022）、数字经济与智慧城市政策（周晓辉等，2021；Wang et al.，2022；湛泳、李珊，2022）、产业比较优势（Xu and Deng,2022），等等。但少有学者从马克思资本有机构成的理论视角去考察，在现有的少数研究中，值得提及的是，曾尔曼（2011）结合新古典数理分析技术和马克思生产函数理论体系，推导出了改进的全要素生产率。陈柏成（2014）核算了20032009年中国省际的马克思全要素生产率，发现马克思全要素生产率和资本弹性系数呈反向关系，暗含资本有机构成和全要素生产率的正向关系。钱龙（2018）基于中国地级市工业数据发现资本深化形成了城市绿色经济效率提升的重要手段，但对资本积累相对有限的小城市并不明显。刘维军（2020）发现在不同资本深化程度下环境规制强化对工业行业绿色全要素生产率存在非线性的效应。郑明贵等（2022）发现因产能过剩，资本深化对资源型企业的全要素生产率有抑制效应，而在农业领域资本深化对全要素生产率有提升效应（任健华、雷宏振，2022）。整体来看，目前在马克思资本有机构成理论视角下以绿色全要素生产率增长为核心分析目标的 这里C表示不变资本价值，V表示可变资本价值。123资本有机构成深化与绿色全要素生产率增长：基于20042019年中国地级及以上城市的实证研究文献并不多，相比于现有研究，本文的可能边际贡献在于：（1）突出了资本有机构成深化这一概念，深入探讨其与绿色全要素生产率增长之间的内在“因果逻辑律”和具体作用机制；（2）把资本有机构成这个政治经济学概念量纲化，采用中国地级及以上城市数据进行严格的实证检验。借助资本有机构成这一关键分析变量，本文拟为绿色全要素生产率增长研究补充一个新颖的马克思政治经济学分析视角，推进相关研究进展。二、理论分析与研究假说（一）资本有机构成深化、内涵式增长和全要素生产率增长资本有机构成深化，是一个主要为了节约劳动的技术进步的历史趋势（史蒂文、劳伦斯，2016）。与“资本深化”同理，本文使用“资本有机构成深化”这一核心概念，意指在经济增长和资本积累过程中，预付资本结构中不变资本的增加比可变资本的增加快，即实现了资本有机构成（CV）提高。如下式所示：CVt=CtVt=Ct 1(1+gct)Vt 1(1+gvt)=Ct 1(1+gvt gvt+gct)Vt 1(1+gvt)=Ct 1Vt 1+(gct gvt)(1+gvt)Ct 1Vt 1=CVt 1+(gct gvt)(1+gvt)CVt 1（1）其中，CVt为t期的资本有机构成，Ct、Vt分别为t期的不变资本和可变资本，gct、gvt分别为t期不变资本、可变资本的增速。对（1）式做简单的整理，显见，当gct大于gvt时，就出现了CVt大于CVt 1，亦即本文所称的“资本有机构成深化”，反之，对于CVt小于CVt 1的情形，我们可称之为“逆深化”。对资本有机构成深化的分析可以从个别资本生产过程开始，即通过对微观企业如何因生产工艺的改进不断地调整生产资料和活劳动力配置比例的刻画，提供资本有机构成深化的微观图像。但是，扩大再生产不是个别资本独立进行的，企业之间是相互联系、相互交织和相互制约的，从社会生产均衡的角度看，扩大再生产进行的前提是社会总产品需要得到价值补偿和物质补偿，因此，企业的技术进步和配置效率革新必须是基于社会总产品的实现基础上的技术与组织变革（马克思，2018）。也就是说，微观企业要素的重新配置就是社会层面要素在不同企业和部门之间的“流动和再配置”，本文考虑到要素流动的区位限制和地方政府政策的相对“独立性”，以城市为基本分析对象来分析资本再生产问题。具体分析，由于社会平均利润率的驱动，虽然不同行业技术不同，但是同一行业的技术将整体性地决定该行业所投入的资本品和劳动的价值比例，即微观的企业层面和中观的行业层面的资本有机构成并不存在萨缪尔森所称的合成谬误(Fallacy of Composition)。而由于经济运行的现实情况，不同的企业、不同的行业，都需要空间载体，即社会产品的价值补偿和物质补偿需要在一定的空间范围内，这里我们选择着眼于城市层面。可以用加权平均来简约地计算某城市层面的资本有机构成：某个时间截面上城市的资本有机构成i=1nwiciviw1+wn上式的含义：第一，城市有i个行业，每个行业的资本有机构成是趋同的；第二，各个行业的加权权重为wi，不妨取wii行业的总产值GDP；第三，civi是各个行业的资本有机构成，是由各行业的技术1242023年第6期水平决定的。ci和vi分别是i行业投入的资本要素货币总额和劳动要素的货币总额。因此，企业和行业层面的资本有机构成通过加权汇总即可得到整体社会层面的资本有机构成。从而，我们在资本有机构成和绿色全要素生产率增长的关系分析中，可从微观层面上升到中观和宏观维度的经济运行，即把微观企业的扩大再生产和资本积累“归纳合成”到城市层面的社会资本。如前文所述，社会资本首先按给定技术，即给定的资本有机构成从事生产经营活动。在每个生产周期，获得正利润的社会资本将按一定的资本有机构成把它所得到的利润中的一部分用于扩大再生产，当资本有机构成不变时，这将是一个外延式的增长过程。由于市场竞争的存在，扩大再生产和资本积累就必然包含着技术进步和按照市场要求对稀缺资源加以调节的过程，资本、土地、劳动等要素禀赋结构和相对价格将在新的生产资本循环中出现实质性改变，如果此时不采用新技术，社会资本仍按原来的资本有机构成配置投入要素，必然出现技术所允许的要素配置结构与资本所面临的现实要素禀赋结构的“错位”，此时要素禀赋得不到充分利用。这刻画了由扩大再生产和资本积累引致的技术进步及其所带来的资本有机构成的“自我革新”，即资本积累被理解为经济的技术和生产组织的彻底变革（史蒂文、劳伦斯，2016），而资本积累和“技术-组织”变革持续以螺旋上升的方式推进，此时的经济增长就不仅仅是外延式增长，更是由技术创新和效率提升带来的内涵式增长。在新古典的索洛增长核算方程下，技术进步和要素配置效率提升的过程就是全要素生产率的增长过程。由此来看，马克思范式下的资本有机构成深化和新古典增长理论中的全要素生产率增长之间存在必然性的“因果逻辑律”。而全要素生产率分析与绿色全要素生产率分析在上述理论逻辑上并无本质不同，如果将如污染物产量等环境因素纳入全要素生产率的分析框架中，这种全要素生产率就是生产率研究中的“绿色全要素生产率”。具体逻辑框架如图1所示。图1马克思理论范式下资本有机构成深化和（绿色）全要素生产率增长（二）进一步分析：引入环境约束环境约束问题在很大程度上有赖于绿色技术创新，即在上述技术创新过程中，加入了对绿色技 马克思在 资本论（第二卷）第八章中明确指出：“如果生产场所扩大了，就是在外延上扩大；如果生产资料效率提高了，就是在内涵上扩大”。减少环境污染、降低能源及原材料消耗的技术、工艺或产品可被统称为绿色技术（Braun and Wield,1994）。125资本有机构成深化与绿色全要素生产率增长：基于20042019年中国地级及以上城市的实证研究术的需求和选择。一般来看，绿色技术虽然具有一定的公共品属性，但其拥有两个将其“外部性”内部化的动力：一是政府的环境规制政策和研发成果保护政策（Krugman,2010），这从供给侧方面引导着企业的技术选择，即使得资本有机构成深化的方向是偏向绿色技术的，由此会改变要素配置的比例和配置效率，从而进一步影响了城市的绿色全要素生产率；二是消费者对绿色高质量产品的自发需求选择(宫本泽一，2004)，随着资本积累和扩大再生产，城乡居民的人均收入也不断提高，对各类产品的不同的需求收入弹性将使得人们对采用更复杂技术、质量更高的产品需求增加得更为强烈（Verspagen，1993；Robert and Guillaume，2012），诱致社会选择的新技术倾向于具备更多的绿色环保属性，这从需求侧方面引导企业生产行为和技术选择，也由此改变了要素的配置，进而从绿色技术进步和配置效率两个方面影响了城市的绿色全要素生产率增长。一般来说，只有当经济发展到一定水平，以上两个动力的发挥才足以将绿色技术的“外部性”内部化。本文认为环境约束的纳入，使得资本有机构成深化对绿色全要素生产率增长的效应相当程度上取决于经济发展阶段，也即随着中国经济增长模式由要素驱动向效率、创新驱动转换，资本有机构成深化对绿色全要素生产率增长的边际效应会得到强化。基于上述理论分析，本文提出以下待验证的研究假说：H1:资本有机构成深化形成了绿色全要素生产率增长的关键诱因。H2：随经济发展阶段攀升，资本有机构成深化对绿色全要素生产率增长的边际效应会得到强化。三、模型设计和数据说明（一）基准模型设定本文以中国地级及以上城市数据对以上研究假说进行实证检验。设定以下基准面板双向固定效应计量模型：GTFPit=lnCVit+jjZijt+ci+ct+it（2）其中，GTFPit表示第t年第i个城市的绿色全要素生产率变化指标；lnCV为资本有机构成指标；Zijt为若干控制变量（j=1,2,3）；ct、ci分别为时间和城市个体固定效应；it为扰动项。（二）变量选取和数据说明研究样本和数据主要来自20042020年的 中国城市统计年鉴。剔除缺失数据较多或数据趋 当经济发展到一定水平后，客观上会要求消费资料部类以更快的速度增长以实现生产资料和消费资料两部类之间的必要比例得以满足（徐春华，2017）。这意味着马克思政治经济学视角下，随着经济发展，需求侧变化对企业和市场的导向作用将更为强烈。但是这一特征，对不考虑环境约束的全要素生产率增长不一定是存在的。由于更为兼顾绿色生态，在更高的经济发展阶段社会选择的新技术可能在一定时期内牺牲了产出效率。对面板数据可进行混合回归、随机效应估计、固定效应估计，因此存在模型选择问题。除了拉格朗日乘子检验、过度约束检验等统计检验方法，本文对双向固定效应模型的选择还有着现实考量，影响城市GTFP及其构成的因素中有一些随城市个体变化但不随时间变化或者随时间变化但不随城市个体变化的变量，前者如城市所处区位、自然环境，后者如国家整体经济发展战略、国外环境变化。相比于混合估计或者面板随机效应模型，采用双向固定效应模型可剔除这些难以观测变量的影响，从而更准确地捕获核心变量之间的真实关系。1262023年第6期势不明从而难以进行插补的部分地级及以上城市样本，最终确定的研究样本为264个地级及以上城市。此外，由于相比于20032016年，2017年-2019年部分城市的污染排放数据缺失较多且难以插补，本文将这些城市在20172019年记为存在完全数据缺失。主要变量选取如下。1.关键被解释变量：城市绿色全要素生产率增长上述计量模型中的关键被解释变量为城市绿色全要素生产率变化（GTFP）。目前主流前沿技术分析方法中的数据包络分析（Data Envelopment Analysis,DEA）和随机前沿分析(Stochastic FrontierAnalysis,SFA)都可以得到绿色全要素生产率变化及其分解项，其中DEA为非参数方法，不需要考虑生产函数的形式，相比于随机前沿分析，具备避免模型误设、方法简洁、构成项易于分解和展开经济解读以及能更好地处理包括污染数据的多产出情形的诸多优点，因此本文选择以DEA来核算城市GTFP。具体而言，本文在可变规模报酬情形下，选择基于非径向、非角度的SBM方向性距离函数的Malmquist-Luenberger指数（简记为SBM-ML）反映城市绿色全要素生产率变化。本文所采用的投入产出指标体系见表1。其中，实际地区生产总值利用各城市2005年名义地区生产总值和历年地区生产总值的不变价增速来得到。实际资本存量以永续盘存法来计算，即Kt=It+Kt-1(1-)。其中，投资序列（I）采用全社会固定资产投资总额序列（I）为基础指标，首先以省（市）际固定资产投资价格指数将I折算为实际值（万元，2005年为基期），同时考虑到固定资产项目具有典型的建设周期，借鉴徐淑丹（2017）等，基于三年的建设周期由I定义新的投资序列I，即I=(It+It 1+It 2)3；基期资本存量 K0通过数学关系式推导的方法来估算（Marshall and Mariam,2005），即K0=I01+1-1+g+(1-1+g)2+=I0(1+gg+)，g取20032007年五年的投资增速平均值；折旧率（）参考柯善咨、赵耀（2014）在计算中国县市城市资本存量的研究，设为5%。表1投入产出指标体系类别期望产出非期望产出投入土地劳动资本指标实际地区生产总值（亿元，2005年为基期）工业废水排放量（万吨）、工业二氧化硫排放量（吨）、工业烟(粉)尘排放量（吨）建成区面积（平方公里）城镇单位从业人员（万人）、城镇私营和个体从业人员（万人）两个指标的加总实际资本存量（万元，2005年为基期）注：以上投入产出指标主要来自历年 中国城市统计年鉴，部分缺失数据从各省（市）统计年鉴中自行搜集并补充。中国城市统计年鉴 公布的中国城市数据有市和市辖区两种统计口径，本文以城市化区域市辖区作为研究对象。鉴于数据可得性，以上指标除了非期望产出为全市口径，其他均是市辖区统计口径的数据。因为MaxDEA软件在核算绿色全要素生产率变化时允许不同年份的样本有差异，但不允许存在缺失值。在核算关键解释变量绿色全要素生产率变化时，本文实际采用的样本为在20032016年数据均完整的264个城市总样本，2017年、2018年、2019年完整数据相对更少一些的238、195个、195个城市样本。由于总样本一致，20172019年部分样本的被剔除并没有影响到对中国城市绿色全要素生产率增长的趋势研判，参见Xu and Deng(2022)对微量样本调整下城市GTFP核算结果的比较分析。基于DEA方法得到的SBM-ML指数本质上反映了绿色全要素生产率的同比变化情况或者正增长、负增长情况（见表2），故可称之为绿色全要素生产率增长或变化。对于核算和分解SBM-ML指数的理论模型已经有很多文献进行介绍，在此不再赘述。20032016年的全社会固定资产投资额数据来自历年 中国城市统计年鉴，20172019年数据则从各省（市）的统计年鉴自行搜集。具体参见Xu and Deng(2022)。127资本有机构成深化与绿色全要素生产率增长：基于20042019年中国地级及以上城市的实证研究2.核心解释变量和控制变量（1）参考樊勇等（2017）对资本有机构成的计算方法，以表 1中的各城市固定资本存量（万元，2005年为基期）衡量不变资本，以城市所有就业人员工资总额（万元，2005年为基期）衡量可变资本。后者的计算方法是以在岗职工平均工资（元/人）乘以城镇所有就业人员（万人）。从而得到：资本有机构成（CV）=不变资本/可变资本=固定资本存量/就业人员工资总额（2）由于按照马克思的原意，资本有机构成更准确的说是生产资料消耗和劳动力消耗的比例（孔祥智等，2018）。本文由规模以上工业企业的固定资产合计（万元）、流动资产合计（万元）得到生产资料消耗，由在岗职工工资总额（万元）得到劳动力消耗，进一步构建如下工业企业口径下的资本有机构成指标：资本有机构成（CVqy）=生产资料消耗/劳动力消耗=（固定资产折旧+流动资产）/在岗职工工资总额由于相比于市辖区口径下的CV，市辖区工业企业口径下的CVqy更为狭窄，本文将以前者为关键解释变量，以后者做稳健性检验。（3）控制变量则依据经验研究或者说对现有文献的综述，以及数据可得性，选取城市规模、教育、研发、人均收入水平这四个变量。具体的变量定义和数据来源见表2。表2变量定义和数据来源变量名称（符号）绿色全要素生产率变化（GTFP）全要素生产率变化（TFP）市辖区口径下的资本有机构成（lnCV）工业企业口径下的资本有机构成（lnCVqy）城市规模（lnscale）教育（lnedu）研发（lnpatents）人均收入水平（lnincome）变量说明考虑环境约束的全要素生产率变化，大于1意味着正增长，小于1意味着负增长未考虑环境约束的全要素生产率变化，大于1意味着正增长，小于1意味着负增长固定资本存量（万元，2005年为基期）/城镇所有就业人员工资总额（万元，2005年为基期），取对数（固定资产合计（万元，2005年为基期）0.05+流动资产合计（万元，2005年为基期）/在岗职工工资总额（万元，2005年为基期），取对数城区人口（万人）普通高等学校专任教师数（人）和普通本专科在校学生数（人）的比值专利授权数（件）/城区人口（万人）实际人均地区生产总值（元，2005年为基期）数据来源采用MaxDEA软件计算得到SBM-ML指数采用MaxDEA软件计算得到SBM-M指数基于 中国城市统计年鉴（20052020年）的数据自行计算中国城市建设统计年鉴（20042019年）中国城市统计年鉴（20052020年）注：ln（X）表示对变量X进行取对数处理。首先将在岗职工平均工资额以省际城市居民消费价格指数（2005年=100）进行折算。城镇就业人员则包括城镇私营和个体从业人员以及城镇单位从业人员，即表1中的劳动指标。由固定资产合计（万元）和折旧率得到固定资产折旧额（万元），折旧率取5%。计算过程中采用的均是剔除物价变动的实际值。具体是，将固定资产合计（万元）以省际固定资产价格指数折算为实际值（2005年为基期），流动资产合计（万元）和在岗职工工资总额（万元）以省际城市居民消费价格指数折算为实际值（2005年为基期）。对于以名义货币值为单位人均收入水平，利用上文得到的城市级别的地区生产总值平减指数（2005年为基期），将其折算为以2005年为基期的实际值。基于数据可得性，教育指标的构建采用全市口径。1282023年第6期（三）描述性统计分析（1）表 3 提供了关键自变量间的相关系数和相应的方差膨胀因子（Variance Inflation Factors,VIF）。显见，变量之间的相关系数绝对值均低于0.6，处于潘省初（2013)提出的0.8临界值范围内；VIF值均低于2，基于经验规则，最大的VIF不超过10，则不必担心多重共线性（陈强，2014）。从而我们认为变量之间的相关性不会带来严重的多重共线性问题。表3关键自变量之间的相关系数lnCVlnCVqylnscalelnedulnpatentslnincomeVIF值lnCV10.085-0.184-0.0050.0760.1161.09lnCVqy10.173-0.0050.1930.3551.15lnscale10.0640.2520.4501.36lnedu1-0.176-0.0211.05lnpatents10.5811.57lnincome11.98图2两个城市资本有机构成指标的比较分析（20042019年）（2）本文在图2给出两个城市资本有机构成指标的时间趋势图。显见，市辖区口径的资本有机构成（CV）的水平值始终高于工业企业口径下的资本有机构成（CVqy），一个重要原因是在岗职工工资总额（万元）高估了工业企业的劳动力消耗，但由于难以从总工资中剥离出工业企业对应的工资额度，而工业企业吸纳了大部分的在岗职工，本文仅对此这样处理。在这种情形下对二者水平差距的变化的分析更为有意义。本文发现2010年之前二者的水平差距保持稳定，之后逐渐拉大。这可能意味着前一阶段整个社会的技术进步、产业结构调整和生产方式变革主要在工业领域，也即工业领域的资本有机构成在很大程度上决定着整个社会生产方式演进的整体进展，从而CVqy和CV两个指标的变化趋势保持一致；2010年之后社会主导产业结构转型，生产性资本逐渐向服务业领域扩张，第 潘省初（2013）指出，一般来说相关系数的绝对值高于0.8很可能存在多重共线性。为避免多重共线性带来的可能干扰，下文具体估计过程中我们还比较了纳入控制变量、不纳入控制变量的计量模型估计结果（如下文的表4），结果进一步证实了以上基本判定。129资本有机构成深化与绿色全要素生产率增长：基于20042019年中国地级及以上城市的实证研究二产业投资率降低，两个资本有机构成指标的差距逐渐拉大，这在最开始还是处于量变阶段，到了2013年这种量变逐渐形成了质变，表现为市辖区口径的CV仍然呈上升态势而市辖区工业企业口径下的CVqy持续呈下降态势。显然新常态以来的CVqy呈现出更为明显的逆深化态势。（3）本文在图3给出了GTFP和lnCV的分仓散点图和拟合曲线，可以判断城市资本有机构成深化和绿色全要素生产率增长之间呈现出明显的正向关系。对二者统计意义上的关联以及真实因果关系的严谨判断将在接下来的部分四展开。图3城市lnCV和城市GTFP的分仓散点图和拟合曲线来源：利用STATA14.0绘制。四、实证研究结果（一）基准回归结果表4中的模型（1）-（2）给出了资本有机构成深化对绿色全要素生产率增长的基准回归结果，在5%的显著性水平下城市lnCV对城市GTFP的影响系数均显著为正。这说明在本文研究期间，资本有机构成深化形成了城市绿色全要素生产率增长的关键诱因之一，研究假说H1得到验证。同时，本文还在模型（3）、（4）中以城市传统全要素生产率增长（TFP）替换城市绿色全要素生产率增长（GTFP），得出的估计结果同样证实了部分二的理论分析。对表4中的系数估计值进行比较分析，可以发现资本有机构成对GTFP的影响系数要大于TFP，原因在于绿色生态本身同样属于资源禀赋，GTFP涵盖了包括绿色生态在内的更多信息，更能准确地反映根源于资源禀赋的经济增长绩效。这一对比也意味着现阶段不考虑环境改善绩效会低估生产率的增长程度，从而本文选择以绿色全要素生产率作为核心变量的确在当下更具有实践意义。就模型（1）-（4）的设定而言，控制变量的系数估计值的符号基本均符合预期。城市规模对 在数据量较大的情况下，普通散点图过于拥挤，很难直观体现变量之间的关系，甚至会呈现出多种可能组合的情况（Anscombe,1973）。这时分仓散点图能更为清晰地展现变量之间的可能函数关系(Michael,2013)，其基本原理是将横轴分为样本量相同的仓（本文选取了20个），计算各仓内lnCV和GTFP的均值，绘制这些均值的散点图。1302023年第6期GTFP的影响显著为正，因为城区人口多反映出城市存在区位、物质资本、政策利好等诸多优势，因而能够吸引人口集聚，这会带来更充分的专业化分工，产业发展的交易成本相对也会更低。教育、研发和人均收入的系数估计值也均为正，符合经济学直觉。控制变量是否纳入并不影响核心解释变量的显著性。但是相比于模型（1）和（3），模型（2）和（4）中资本有机构成的系数估计值均分别有所下降，这说明不纳入控制变量情形下，有可能将部分控制变量对城市GTFP和TFP的影响归到资本有机构成，从而高估lnCV的系数估计值。F检验显示所有模型均是整体统计上显著的，以拉格朗日乘子检验、过度约束检验和似然比检验进行模型选择，检验结果均支持建立双向面板固定效应模型。表4基准回归结果（20042019年）lnCVlnscalelnedulnpatentslnincome常数项时间固定效应城市个体固定效应观测值R2城市个数GTFP（1）0.107*（0.021）0.813*（0.045）控制控制40300.045264（2）0.101*（0.022）0.057*（0.023）0.052*（0.029）0.017*（0.008）0.024（0.017）0.506*（0.222）控制控制37910.048264TFP（3）0.086*（0.011）0.846*（0.024）控制控制40300.094264（4）0.080*（0.012）0.037*（0.014）0.007（0.006）0.011*（0.004）0.025*（0.007）0.478*（0.105）控制控制37910.094264注：（1）*、*、*分别表示在1%、5%、10%的统计水平上显著；（2）圆括号中为稳健标准误；（3）篇幅所限，对时间和个体固定效应的估计结果不再给出。后表同。（二）异质性分析鉴于图1的描述性统计分析，中国城市资本有机构成自新常态以来出现了深化速度放缓甚至逆深化的趋势特征。本文首先2014年为节点进行分时期估计，表5中的模型（1）和（2）显示，新常态以来资本有机构成深化对绿色全要素生产率增长的边际效应得到了明显提升。鉴于分时期回归过程不得不丢弃部分样本，可能会影响到估计有效性，本文进一步以2014年为节点构建阶段虚拟变量（dummystage），在表 5 中的模型（3）纳入资本有机构成和阶段虚拟变量的交互项（lnCVdum 篇幅所限，本文并未给出相关检验结果，如感兴趣可向作者索取。基于对图1的分析以及中国政府对“新常态”这一执政新理念的提出时点，取2014年为分界点。阶段虚拟变量dummystage为0、1二值变量，即年份t处于20152019年间时，令dummystaget=1；否则，令dummystaget=0。131资本有机构成深化与绿色全要素生产率增长：基于20042019年中国地级及以上城市的实证研究mystage）。模型（3）估计结果显示，20042014年间资本有机构成对城市GTFP的影响系数估计值为0.088，20152019年间的资本有机构成对城市GTFP的影响系数估计值为（0.088+0.025）。这就证实了假说H2。尽管新常态以来中国城市资本有机构成的深化速度放缓，但经济增长模式的转换促使其对绿色全要素生产率增长的边际效应得到了强化。究其原因，随着新常态以来一系列调结构的宏观经济政策（如供给侧结构性改革、“三去一降一补”等等）的推进，禀赋结构的质变和市场需求导向促使微观企业和整个经济社会的技术选择更大程度上为提质增效、绿色环保的。这一发现也意味着盲目增加不变资本、深化资本有机构成亦是不可取的，经济发展水平达到一定阶段后，可变资本的相对增加带来的居民收入提升以及对高质量产品的有效需求，将引导微观企业和经济社会的绿色技术选择，强化资本有机构成深化对绿色全要素生产率增长的边际效应，从而使得绿色全要素生产率仍能保持一定的增速。这对于“十四五”期间的要素收入分配、促进共同富裕和经济高质量发展均有着重要借鉴意义。表5资本有机构成深化影响绿色全要素生产率增长的时间异质性lnCVlnCVdummystage控制变量常数项时间固定效应城市个体固定效应观测值R2城市个数（1）200420140.062*（0.031）控制0.208（0.199）控制控制27360.048264（2）201520190.281*（0.067）控制1.245（0.817）控制控制10550.067258（3）200420190.088*（0.025）0.037（0.031）控制0.550*（0.218）控制控制37910.049264（三）稳健性检验1.格兰杰因果关系分析在进行因果分析之前，首先要对GTFP和lnCV两个变量的平稳性进行检验。由于本文的样本属于短面板，适用于Harris-Tzavalis单位根检验（要求平衡面板、不允许不同的自回归系数）、Im-Pesaran-Shin单位根检验(允许非平衡面板、允许不同的自回归系数）。两种单位根检验结果均拒绝面板存在单位根的原假设，从而可以直接对两个变量进行面板格兰杰因果分析。面板格兰杰检验结果显示（见表6），资本有机构成深化是中国城市绿色全要素生产率增长的格兰杰原因，但反之则不成 考虑到中国不同城市面临相同的宏观经济、制度等因素，可能存在截面相关，在检验过程中均通过减去截面均值来缓和截面相关性。同时城市绿色全要素生产率和资本有机构成指数存在明显的时间趋势，检验过程中均纳入时间趋势项。受篇幅所限，检验结果不再列出。1322023年第6期立。这意味着，可能存在的逆向因果关系并不构成本文实证研究中的关键干扰问题。表6面板格兰杰因果关系检验结果原假设lnCV不是GTFP的格兰杰原因GTFP不是lnCV的格兰杰原因最优滞后阶数11Z-bar tilde统计量值 P值6.157 0.006-0.112 0.902注：（1）基于STATA中的xtgcause命令进行Dumitrescu and Christophe（2012）提出的面板数据Granger因果关系检验；（2）检验过程中，基于BIC准则确定最优滞后阶数，采用bootstrap（500次）的P值和临界值来克服可能存在的横截面非独立问题。2.处理潜在的内生性问题为了缓解潜在的内生性问题，本文以面板固定效应工具变量法来重新估计资本有机构成对城市绿色全要素生产率增长的效应，即先对固定效应模型进行一阶差分，再使用工具变量进行两步最优GMM 估计（two-step efficient generalized method of moments,gmm2s)。工具变量的选择借鉴 Bartik(2009)，构建“Bartik instrument”，具体如下所示:BartikIVi,t=CVi,t 1-CVt/-CVt 1（3）其中，i表示城市（1,2,264），-CVt为t期所有城市资本有机构成的算术平均值。该工具变量模拟了在相同的发展趋势下，各城市资本有机构成的预期值。估计结果如表7所示。显见，无论是否纳入控制变量，相应的Kleibergen-Paap rk LM 统计量和Kleibergen-Paap rk Wald F统计量均显示，模型不存在不可识别问题，且在15%的显著性水平下可以认为均不存在弱工具变量问题。第二阶段回归结果均显示核心解释变量对因变量的正效应在统计上显著，从而在考虑了潜在的内生性问题后，假说H1仍然稳健。表7资本有机构成深化影响绿色全要素生产率增长的两步最优GMM估计D.lnCVD.lnBartikIV控制变量观测值城市个数Kleibergen-Paap rk LM 统计量Kleibergen-Paap rk Wald F 统计量（1）第一阶段回归结果D.lnCV-0.193*（0.054）不控制3501264第二阶段回归结果D.GTFP1.071*（0.384）不控制35012640.002412.701 16.38、8.96（2）第一阶段回归结果D.lnCV-0.191*（0.060）控制3238264第二阶段回归结果D.GTFP1.087*（0.426）控制32382640.006510.230 16.38、8.96 注：（1）第三行对应相应模型的因变量，第一列对应核心自变量；（2）圆括号中为稳健标准误，方括号内为相应检验统计量对应的P值，大括号内分别为10%、15%显著性水平下的Stock-Yogo临界值；（3）D.X表示变量X的差分项。Kleibergen-Paap rk LM统计量