开发区影响城市的绿色经济增长吗？——基于285个城市的准自然实验.docx

第40卷第3期2023年5月经济经纬ECOnOrniCSCIrVeyVol.40No.3May2023开发区影响城市的绿色经济增长吗？一基于285个城市的准自然实验王海星,周耀东（北京交通大学经济管理学院,北京100O44）摘要：基于包含非期望产出的超效率SBM模型和GML指数，测算2004-2018年285个城市绿色全要素生产率（GTFP）的增长率及分解指标，运用Tobit-DID模型和面板门限模型评估国家级开发区设立对城市GTFP增长的影响和作用机制。结果表明：开发区设立能够显著提升城市的全要素生产率（TFP）增长水平，但考虑资源消耗和污染排放后，与城市GTFP增长率呈现显著负向关系,该结果通过了一系列稳健性检验。开发区的污染企业数量和规模上升加剧了城市的污染排放，是制约城市GTFP增长提升的主要因素.受持续时间和核准面积的影响，开发区企业规模增长对城市环境污染具有门限效应,持续时间越长、核准面积越大，区内企业规模增长对城市环境污染的影响系数越大因此，应适当提高开发区环境入园门槛，建立污染企业淘汰机制，加快推进开发区绿色改造，以促进城市绿色经济增长.关键词：开发区;绿色全要素生产率；GlobeMalmquist-Luenberger指数；门限模型基金项目：中央高校基本科研业务费专项资金资助（B22YJS00240）作者简介：王海星（1995-）,女，山西吕梁人，博士研究生，主要从事城市、区域和资源环境研究；周耀东（1969-）,男，安徽芜湖人，教授，博士生导师，主要从事产业组织和公共政策研究,王海星为本文通信作者.中图分类号:F129.9;X196文献标识码:A文章编号:1006-1096（2023）03-0024-10收稿日期:2021-11-1588888888888888888888888888888888888888888888888888自1984年在14个沿海开放城市设立经济技术开发区以来，开发区始终肩负着中国经济增长的重任。截至2019年,全国共有218家国家级经济技术开发区（简称“经开区"）和169家国家高新技术产业开发区（简称"高新区"）。据统计,2019年218家经开区实现地区生产总值10.5万亿元,较上年增长10.3%,增速高于全国平均增速4.2个百分点，占国内生产总值比重的10.6%;169家高新区营业收入达到38.55万亿元,实现工业总产值24.03万亿元，占同年国内生产总值的24.36%。作为改革开放的"排头兵"和"试验田"，开发区以"先行先试"和"体制机制创新"为突破口,成为带动地区经济发展的重要增长极。但在日趋强化的资源环境约束背景下，作为制造业企业的集聚区面临严峻的环境挑战0因此，分析开发区设立对城市绿色全要素生产率（Greentotalfactorproductivity,GTFP）增长的影响和作用机制，将资源消耗和污染排放纳入经济增长分析框架，能够准确、客观和全面地评估开发区设立的经济绩效和环境绩效，为开发区转型升级以及推动城市绿色经济增长提供经验数据和政策建议一、文献综述关于开发区政策有效性问题的研究文献关注点集中在经济绩效上（包括企业绩效提升和地区经济发展），存在两种不同的意见。多数文献认为开发区存在的政府补贴和税收优惠，能吸引研发人员集聚和缓解企业融资约束（汪文生等,2020）,在"政策效应"和"集聚效应”的作用下提升区内企业创新绩效（谭静等，2019）,通过空间溢出效应提高周围区域企业全要素生产率增长水平（Lu。etal,2015）,并对所在城市创新效率产生显著的促进作用（谭静等，2018;Wangetal,2019）。不同观点认为大规模区域平衡性开发区政策只具有“扎堆"效应（郑江淮等,2008）和短期效应（王永进等,2016）,限于转型时期的体制束缚、资源错配和政府干预的无效性,开发区对企业创新和地区技术进步没有持久显著的正向促进作用（卓乘风等，2021）.开发区产业集聚所引发的环境污染外部性问题也受到了关注0开发区设立初期，企业集聚和规模扩张加剧了污染物空间上的集中排放,短期内产业集聚成为环境治理的“阻力"(王兵等，2016;Chenetal,2020)但污染物排放和治理具有规模经济效应，企业空间集聚也有助于降低单位治污成本，为集中式治污提供可能(Wangetal,2019)在技术创新、知识溢出和示范效应作用下,产业集聚区企业的劳动生产率和污染物治理水平不断提升,从而有助于改善地区的环境绩效(Wangetal,2021).现有文献主要围绕经济绩效或环境绩效对开发区政策的有效性展开讨论，仍存在一些不足.第一,开发区设立将直接和间接地影响经济发展和环境污染，现有文献多从单一维度分析开发区政策实施效果，考察开发区设立对城市经济和环境综合影响的研究还不够充分第二，污染排放和环境治理具有累积效应和门限效应，产业集聚的环境外部性有可能出现阶段性和异质性特征°使用线性模型分析开发区的环境效应，可能忽略开发区特征对政策效应的差异性影响，进而影响开发区政策有效性的判断。本文运用Tobit-DID模型和面板门限模型分析国家级开发区设立对城市GTFP增长的影响和作用机制。相较于现有研究，本文的边际贡献在于：第一，基于包含非期望产出的超效率SBM模型和GML指数，测算2004-2018年285个城市GTFP增长率及分解指标，从经济绩效和环境绩效双维度综合评估开发区设立对城市GTFP增长的影响，以期对开发区政策有效性研究做出补充.第二，利用中国工业企业数据库识别开发区企业，运用企业微观数据分析开发区设立对城市GTFP增长的作用机制。同时考虑污染排放的门限效应，使用面板门限回归模型，重点讨论不同持续时间和核准面积情形下，开发区企业规模增长对城市环境污染的作用力方向和影响力大小，扩展已有文献的研究思路。二、理论分析及假设将产出看作是污染排放的函数Y(Z),在传统索罗模型的基础上引入资源消耗和污染排放，构建绿色索罗模型。考虑柯布-道格拉斯生产函数情况，将生产函数定义为：Y(Z)=KaEBTV(AL)Sa*),>0,>0,>0(1)其中,Y、KLA、E、T、Z分别为产出、资本、劳动、技术进步、能源、土地和污釉曲,a、艮Y为资本、能源、土地对产出增长的弹性系数。对(1)式取对数,求微分，整理可得：KZ>LKLELTL绿色索洛余值为：RG=9(z)/L-ag“L-pg“L，gT/L(3)当Z=O,E=0,T=O时,传统索洛余值为：R=gL-agL(4)索洛模型表明,经济总是收敛于平衡增长路径。假设劳动、技术进步、能源、土地的增长率分别为n、g、c和0。处于平衡增长路径时，绿色索洛模型和传统索洛模型的工人平均产出增长率分别为：frls<ufI*(3JIg眈=g沪Pr=g付两者相减可得：由式(7)可知，当经济处于平衡增长路径时,gJ72)/L<g眈,绿色索洛余值(R6)小于索洛余值(R),这说明资源消耗和污染排放对长期经济增长产生明显的制约作用。开放经济条件下，污染企业倾向于在环境标准较低的发展中国家进行生产。开发区以促进经济增长为首要目的，往往将环保目标放在次要位置。在此情形下，以吸引外商投资和承接国际产业转移为主要发展模式的开发区很有可能成为低水平污染型外商直接投资的集聚区(华岳等，2022),从而造成严重的环境污染。与此同时,开发区企业“扎堆”更多是为了获得“政策租"，不具有一般意义上的产业集聚效应(郑江淮等，2008),产业集聚的环境正外部性作用有限。此外，受mGDP晋升锦标赛”影响，地方官员往往通过引入高耗能、高污染产业项目，放松污染企业监管、默许企业排污等方式，推动区内经济增长(PUetal.2018)这导致大规模污染密集型和资源消耗型企业进入开发区,开发区企业数量和规模不断扩大.造成污染物空间上的集中排放。综上，作为制造业集聚区的开发区面临严峻的资源消耗和污染排放问题。根据前文模型推导可知,资源消耗和污染排放对长期经济增长产生制约影响。因此，考虑资源消耗和污染排放后，开发区设立制约了城市GTFP增长，而开发区资源消耗和污染排放的上升可能来自开发区企业规模增长。基于上述分析，本文提出假说1、假说2a。假说1:考虑资源消耗和污染排放后，开发区设立制约城市GTFP增长。假说2a：开发区企业规模增长,加剧城市的环境污染，从而制约城市GTFP增长。开发区企业规模受到开发区持续时间和核准面积的影响。开发区持续时间越长，区内资源配置效率和经济效果越显著(Wang,2013)。但污染排放具有累积效应和门限效应，持续时间长的开发区的环境绩效较差(胡求光等，2020):土地政策是开发区招商引资的重要手段，适当的开发区规模才能实现政策边际效应的最优化(孔令丞等，2021)。开发区核准面积越大，区内容纳的污染企业数量和规模也越大，对城市环境造成的不利影响越明显。有必要把开发区持续时间和核准面积作为门限变量,构建非线性面板模型.分析区内企业规模增长对城市环境的差异性影响。基于上述分析，本文提出假说2bo假说2b:受开发区持续时间和核准面积的影响,开发区企业规模增长对城市环境污染的影响呈现非线性特征。三、研究设计(一)Tobit-DID模型设定双重差分法有效控制了被解释变量和解释变量之间的相互影响效应，一定程度上缓解了政策作为解释变量导致的内生性问题，近年来已经成为评判政策有效性的主流方法。将设有经开区或高新区的城市作为实验组，没有经开区或高新区的城市作为控制组，采用渐进双重差分模型进行估计。被解释变量为绿色全要素生产率的增长率(gtfpg),该变量属于受限变量，使用OLS估计不能得到稳健的回归结果，选择最大似然估计方法的Tobit模型更为合适。Tobit模型又可分为固定效应模型和随机效应模型，但固定效应的Tobit模型存在偶发参数和扰动项方差估计量偏差问题，使得估计结果存在偏差和不一致。因此，最终选择随机效应的Tobit模型，模型设置如下：乂耶K；asHJd,"工：，<*产,EP：f>wr<*Zw.>0<8)EPQ,Mft.G0式(8)中gtfpg；表示城市i第t年GTFP的增长率。核心解释变量为NDZltf表示开发区政策虚拟变量。X表示控制变量，;表示随机扰动项。(二)变量选择及数据说明1 .被解释变量:GTFP增长率(gtfpg)TFP增长率动态反映了技术进步对经济增长的贡献程度。GTFP增长率则从资源约束角度修正和发展了TFP增长率，是衡量经济绿色增长的重要指标。数据包络分析法(DataErWeI。PmentAnalySiS,DEA)避免了参数估计方法模型设定误差和随机干扰项正态分布假定无法满足的缺陷，无需进行无量纲化处理，可以计算多投入和多产出的生产过程.并区分期望产出和非期望产出，是目前计算TFP增长率和GTFP增长率的主流方法(蔡善柱等，2014)。考虑到生产过程中的非期望产出、投入过度或产出不足时测算偏差等问题，本文选择超效率SBM作为DEA模型的距离函数(Fukuyamaetal,2009),并以所有各期共同构建的前沿作为参比前沿，构造GlobeMalmqUiSt-LUenberger(GML)指数计算GTFP增长率(Oh,2010)0GML指数(下文称为gtfpg)表示t期到t+1期GTFP增长率的变化，可以进一步分解为绿色技术进步(TC)和绿色技术效率(Ee)0投入维度包括资本、劳动力、能源和土地，具体指标为全社会固定资产投资、城镇就业人数、能源消费量、城市建成区面积。产出维度细分为期望产出和非期望产出，其中期望产出用实际GDP表示，非期望产出为-26工业废水排放量、工业二氧化硫排放量和工业烟（粉）尘排放量计算的崎权值。同时，使用上述方法计算TFP增长率。TFP增长率指标包括投入（资本、劳动力、能源和土地）和期望产出,不包括非期望产出。2 .核心解释变量:开发区设立（NDZJ根据中国开发区审核公告目录（2018版），对开发区变量NDZlt进行赋值。若城市i第t年开始设立或者已经设立开发区,将NDZrt赋值为1,反之则赋值为Oe3 .控制变量为减少遗漏变量对估计结果的偏差，选择以下指标作为控制变量。（1）地区经济发展水平（InPgdP）:选取实际人均GDP的对数来衡量。（2）城市人口规模（InPOP）:选取城市年末户籍人口的对数来衡量。（3）基础设施水平（Inroad）:选取人均拥有道路面积的对数来衡量。（4）产业结构（industry）:选取第二产业增加值占GDP的比重来衡量。（5）外商直接投资（fdi）:选取实际利用外商投资占GDP的比重来衡量。（6）政府财政支出水平（gov）:选取地方政府预算内支出占GDP的比重来衡量。（7）科教投入（sci&edu）:选取科学技术与教育经费支出占地方财政支出的比重来衡量。4 .数据来源本文的研究对象为2004-2018年中国285个地级及以上城市开发区的数据来自中国开发区审核公告目录（2018版）。城市数据来源于中国城市统计年鉴中国区域经济统计年鉴中国城市建设统计年鉴中国能源统计年鉴、各省份统计年鉴、各城市统计年鉴和统计公报。缺失数据采用线性插值法补齐。主要变量的描述性统计结果如表1所示。表1主要变量的描述性统计变量名称样本数最大值最小值均值标准差TFP增长率（tfpg）42754.3060.2631.0070.108GTFP增长率(gtfpg)42753.3660.1671.0150.152开发区设立（NDZrt）42751.0000.0000.4540.498地区经济发展水平（InPgdP）42753.062-1.5530.7460.790城市人口规模（InPOP）42758.1322.8195.8610.694基础设施水平（InrOad）42754.096-0.9422.5830.478产业结构（industry）42750.9100.1480.4820.110外商直接投资（fdi）42750.2100.0000.0200.021政府财政支出水平（gov）42751.4850.0410.1680.098科教投入（sci&edu）42750.4970.0200.1970.046四、回归结果及分析（一）中国城市绿色全要素生产率增长趋势的总体特征利用MaxDEAUltra软件,计算20042018年中国285个城市GTFP的增长率（gtfpg）及其分解指标（TC.EC）结果表明,20042018年中国城市的gtfpgxTCxEC的几何平均数分别为1.0076、1.0048和LoO28,说明样本期内城市绿色全要素生产率、技术进步和技术效率的年均增长率分别为0.76%、0.48%和0.28%.推动城市绿色全要素生产率增长的动力源泉为技术进步和技术效率的双驱动，且前者贡献更大。分阶段进一步考察GTFP增长率及分解指标的时间变化趋势,如图1所示。整体上样本期内gtfpg呈现波动上升趋势,但20082011年出现明显下降。可能的原因是2008年国际金融危机导致的出口负增长使得期望产出下降,4万亿元的内需刺激计划主要投向基础设施等固定资产领域，重工业比重不断上升，出现产能过剩、资源错配和环境污染等问题,这使得2008-2011年的gtfpg出现了小规模下降（吴建新等,2016）。2012年党的十八大以来，在绿色发展思想的指导下，各级政府在施政过程中更加重视生态环境保护，中国城市的gtfpg开始逐步提升,这与李卫兵等（2017）的研究结果相似.综上,尽管本文在具体指标和样本期限选择方面与现有文献存在不同，但GTFP增长率及分解指标的总体特征与现有文献结果相一致，说明基于超效率SBM模型和GML指数计算的城市GTFP增长率结果可靠,为下文的研究提供了保障。（二）开发区对城市绿色全要素生产率增长的影响：基准回归结果双重差分法应该满足平行趋势假设，即政策冲击前实验组和控制组对被解释变量不存在系统性差异。现实中城市等级会影响城市资源获取。经济发展水平好、基础设施完善和各项制度保障健全的高等级城市，往往被优先设立为国家级开发区。因此，从城市等级角度考察平行趋势假设是合理的（刘瑞明等，2015）。参考郑新业等（2011）的平行趋势检验方法,将GTFP增长率的差分值（D.gtfpg）作为被解释变量。按照李健等（2020）的研究，将城市分为直辖市、副省级城市、省会非副省级城市和一般地级市四类。如果高行政等级城市显著影响了被解释变量，说明不同城市存在系统性差异，平行趋势假设不成立；相反，则表明城市GTFP增长不会因为城市等级而产生系统性差异，平行趋势假设成立。平行趋势检验结果见表2,IeveIO表示将城市划分为广义高行政等级城市（直辖市、副省级城市以及省会非副省级城市）和广义低行政等级城市（一般地级市）的虚拟变量；IeVeiI表示直辖市的虚拟变量；IeVeI2表示副省级城市虚拟变量；IeVel3表示省会非副省级城市虚拟变量。结果表明：IeveIO-IeveM的系数均不显著,说明城市行政等级对城市GTFP增长率的差分值影响均不显著。这意味着开发区设立之前.实验组和控制组的城市GTFP增长变动趋势没有系统性差异，满足平行趋势假设。ICHMEC£图12004-2018年中国城市GTFP增长率（gtfpg）及分解指标（TC、EO表2平行趋势检骁被解移变量D.gtfpg(1)(2)IeveIO0.005(0.005)Ievell0.008(0.009)Iwel20.010(0.007)Ievel30.001(0.004)控制变量YesYesN39903990注：*、*、*分别表示1认54和10%的显著水平.括号内数值为系数对应的标准误。下同面板随机效应的Tobit模型估计结果见表3。表3第（1）（2）列的被解释变量分别为全要素生产率的增长率（tfpg）和绿色全要素生产率的增长率（gtfpg）。表3第（1）列结果显示，核心解释变量NDZlt的系数显著为正.说明开发区设立能够显著提升城市的全要素生产率（TFP）增长水平。表3第（2）列结果显示，核心解释变量NDZ11的系数为负,且通过5%显著性检验，说明考虑资源消耗和污染排放后，开发区设立制约了城市GTFP增长提升。（三）稳健性检验1 .反事实检验为排除其他政策和随机因素对结果的干扰，通过改变政策执行时间进行反事实检验。将开发区设立时间统一提前3年，考察L3.NDZlt的系数是否显著，若L3.NDZt的系数显著，说明GTFP增长受到其他政策和随机因素影响，反之说明GTFP增长只受开发区政策的影响。由表4第（1）列可知,L3.NDZlt的系数为负但不显著，说明城市GTFP增长率的下降来源于开发区设立，而非其他政策和随机因素。28表3开发区对城市TFP和GTFP增长的影响被解释变量tfpggtfpg(1)(2)NDZlt0.016”(0.008)-0.010,(0.005)Inpgdp0.040-(0.005)0.061o,(0.003)Inpop0.004(0.005)0.022,o(0.003)Inroad0.010(0.007)0.007,(0.004)industry-0.085,(0.030)-O.114",(0.020)fdi-0.442*,(0.149)-0.360*(0.098)gov0.14Il(0.035)0.161-(0.024)sci&edu-0,044(0.070)0.091,(0.047)N427542752 .改变样本区间早期开发区多布局在东部沿海和内陆重点城市，随着区域协调发展战略提出，开发区建设重心向中西部转移。为此,早期开发区样本可能对回归结果产生较大影响。剔除1990年前已成立的开发区样本，如果回归结果与全样本情况下结果一致，那么说明结果稳健。由表4第（2）列可知，剔除1990年已成立的开发区样本后.NDZlt的系数仍然显著为负.证明结果稳健。此外，城市拥有开发区数量的多少会对结果造成系统性差异（孔令丞等，2021）,因此剔除拥有多个开发区的城市样本，如果回归结果与全样本情况下结果一致，那么说明结果稳健。由表4第（3）列可知，剔除拥有多个开发区的城市样本后，核心解释变量NDZ11的系数显著为负,与全样本结果一致.再次证明结果稳健。表4稳健性检验稳健性检验反事实检验改变样本区间PSM-DID内生性处理(1)(2)(3)(4)(5)(6)被解释变量1.3.NDZltNDZltRdlsxpost-0.006(0.005)Stfpg-0.009»(0.005)-0.010,(0.005)-0.010,(0.005)NOZ11-0.114,(0.005)gtfpg-0.042,=(0.012)控制变量YesYesYesYesYesYesN4275406536753997427542753.PSM-DID利用倾向得分匹配法（PropensityScoreMatChing,PSM）寻找与实验组城市特征最接近的控制组，减少双重差分法的估计偏差。本文选取影响GTFP增长率和NDZlt的相关变量作为备选协变量,通过比较Iogit模型计算的对数极大似然值，选择第二产业增加值占GDP比重（industry）、财政支出占GDP的比重（gov）、人均拥有道路面积（road）、外商直接投资（fdi）和每万人普通高等学校在校大学生数（StUdent）作为模型最佳拟合效果的协变量。采用核匹配对实验组和控制组进行Iogit得分匹配，各协变量的平衡性检验结果见表5。结果显示，匹配后所有变量的偏差均小于10$,t检验结果说明匹配后两组城市样本不存在系统性差异。最后根据匹配后得到的两组城市样本，进行双重差分回归，结果如表4第（4）列所示。PSM-DID结果显示，核心解释变量NDZlt显著为负，说明经过样本匹配后的政策效应仍然稳健。4 .内生性处理开发区设立受到诸多经济政治因素影响，与城市GTFP增长之间可能存在反向因果关系，使用工具变量法进一步解决内生性问题。地形起伏度（RdlS）与人口密度和经济密度显著相关，低起伏度地区人口更密集.经济发展水平相对较高（封志明等，2007）。作为中国改革开放“排头兵”“试验田”和“增长极”的开发区多设立在低地形起伏度地区，满足工具变量相关性前提。同时，地形起伏度作为地理变量，与GTFP增长无直接关系,满足工具变量外生性前提。由于地形起伏度是截面数据,无法直接作为工具变量应用于面板模型回归，因而本文利用地形起伏度与时间变量的交互项（RdISXPOSt）来构造工具变量鼠表5各协变量的平衡性检骁变量匹配情况实验组均值控制组均值偏差()偏差减少幅度()t值P值industry匹配前-0.7300.78322.282.37.110.000匹配后-0.725-0.7353.90.980.329匹配前-1.985-1.843-30.49.790.000gov匹配后-1.978-1.934-9.568.7-2.790.005road匹配前-4.1902.47451.498.016.620.000匹配后-4.2472.704-1.0-0.340.734匹配前-4.190-4.89854.689.617.670.0fdi匹配后-4.247-4.3205.7L780.076student匹配前5.1423.834135.6100.044.230.000匹配后5.0205.020-0.0-0.000.999使用工具变量法时,必须对工具变量的有效性进行检验o其中,Wald检验的P值为0.007,拒绝=O的外生性原假设,表明模型存在内生变量；整个模型的F值为522.12,表明模型不存在弱工具变量问题。因此，以地形起伏度与时间变量的交互项为工具变量是合适的。工具变量回归结果见表4第(5)(6)列。第一阶段回归结果显示,工具变量Rdlsxpost显著为负，满足工具变量相关性假设。第二阶段回归结果显示,NDZit的系数显著为负，再次证明开发区设立与城市GTFP增长率呈现显著负向关系。整体来看，本文的基准结果是稳健的，即开发区设立阻碍了城市GTFP增长提升。五、基于门限回归的机制分析运用面板门限模型，讨论不同持续时间和核准面积情形下，开发区企业规模增长对城市环境污染的作用机制和影响大小。以单门限模型为例，模型设定如下：yit=1xrtI(qi)+2×itI(qi>)+iz,t+it(9)式中yit为工业废水排放量、工业二氧化硫排放量和工业烟(粉)尘排放量的输权值，表示城市环境污染程度；门限变量qi为开发区持续时间(duration)和核准面积(area);核心解释变量为全部从业人员数对数或工业总产值对数，表示开发区内企业的规模增长；控制变量为人均gdp(Inpgdp)、第二产业增加值占GDP的比重(industry)和实际利用外商投资占GDP的比重(fdi)。开发区企业数据来源于2004-2013年中国工业企业数据库，参考Cai等(2009)和孔令丞等(2021)的方法对中国工业企业数据库进行处理,最终筛选得到52960家开发区企业,共计146626条开发区企业数据,涉及30个省域共256个城市。制造业企业在生产经营过程伴随着大量的资源消耗和污染排放，易对地区环境造成负面影响。2004-2013年开发区企业中制造业企业数量占比达98.57%。根据余东华等(2016)对制造业行业污染强度的分类标准,将开发区企业分为重污染企业、中污染企业和轻污染企业。研究发现,2004年区内制造业企业数量为5970家,2013年上升为18453家,年均增长率为11.95%,其中重污染企业、中污染企业和轻污染企业的年均增长率分别为11.43%,15.54%和10.76%由此可知,开发区设立后吸引新企业进入,区内污染企业数量和规模不断上升，为区内大规模污染物集中排放提供了可能，是制约城市GTFP增长提升的主要因素。污染排放具有累积效应和门限效应，开发区持续时间和核准面积易对城市环境产生阶段性和异质性影响.因此,把开发区持续时间和核准面积作为门限变量，构建非线性面板模型，分析区内企业规模增长对城市环境的差异性影响是合理的。根据门限回归方法步骤，对开发区持续时间和核准面积是否存在门限效应以及存在几个门限值进行检验，检验结果如表6所示。持续时间门限效应检验结果显示，拒绝了线性模型和单门限模型假设，接受双门限模型假设，说明存在两个门限值。核准面积门限效应检验结果显示，拒绝了线性模型假设，接受单门限模型假设,说明存在一个门限值O门限回归模型的估计结果见表70以持续时间为门限变量的回归结果表明，当持续时间小于27年时，全部从业人员对数的系数为0.008;当持续时间介于27年到30年时,全部从业人员对数的系数为0.028;当持续时间大于30年时,全部从业人员对数的系数为0.021,且均通过1%的显著性水平检验。这说明开发区企业规模增长加大了城市环境污染的程度，影响系数随开发区持续时间整体呈上升趋势。早期设立的开发区.区内企业选择更重视经济利益，存在以“环境换增长”“先污染后治理”的发展现象。同时，园内基础设施不完善、资源配置不合理、产业布局不科学等因素，也扭曲了开发区产业集聚的规模效应和技术溢出效应。这意味着开发区持续时间越长，环境负外部性的累积程度越高。表62004-2013年门限效应检验模型假定持续时间门限效应检验结论核准面积门限效应检验原假设备择假设F值P值5%临界值F值P值5S临界值结论线性模型单门限模型44.680.00733.376拒绝115.580.00033.3B5拒绝单门限模型双门限模型2.730.0071.887拒绝5.520.2737.964接受双门限模型三门限模型0.940.58336.594接受表12004-2013年门限回归模型估计结果门限变量门限值核心解释变量控制变量全部从业人员对数Inpgdpirxbstryfdi持续时间duration2727<duration30duration>300.008(0.001)0.028*(0.003)0.0212(0.003)0.019*(0.003)0.034*(0.018)-0.147,(0.081)核准面积area54270.007*(0.001)0.0180.048-0.1304area>54270.038*(0.003)(0.003)(0.017)(0.078)以核准面积为门限变量的回归结果表明，当核准面积小于5427公顷时，全部从业人员对数的系数为0.007；当核准面积大于5427公顷时，全部从业人员对数的系数为0.038,且均通过1,的显著性水平检验，说明开发区内企业规模增长对城市环境污染的影响随开发区面积增大而增强。这意味着开发区面积不是越大越好。现实中，以经济效益为导向的地方政府倾向于将新增建设用地指标向开发区倾斜，一定程度挤占城市居住、公用设施、绿地和广场用地等建设用地指标，随着开发区面积增加，开发区容纳的污染企业数量以及规模会增加.加剧城市环境污染负担。中国工业企业数据库的统计口径在2007-2008年和2010-2011年出现较大变化.2010年数据的准确度、指标健全度存在较大问题（陈林，2018）。因此在2004-2013年总样本基础上，利用2005-2007年和2011-2013年分样本进一步验证.核心解释变量为全部从业人员数对数和工业总产值对数。限于篇幅有限，分样本门限效应检验和估计结果简写，如表8所示。门限效应检验显示，分样本情况下，所有模型均拒绝了线性模型假设，说明开发区企业规模增长对城市环境污染的影响受持续时间和核准面积的影响，呈现非线性特征。门限回归模型估计结果表明.随着持续时间和核准面积的增大，全部从业人员对数和工业总产值对数的系数也逐渐增大，说明开发区持续时间越长、核准面积越大，区内企业规模增长对城市环境污染的影响越大。这与全样本分析结果一致，证明机制分析结论可信。六、结论与启示本文基于包含非期望产出的超效率SBM模型和GML指数，测算了2004-2018年285个城市绿色全要生产率（GTFP）增长率及分解指标,采用Tobit-DID模型和面板门限模型评估国家级开发区设立对城市GT-FP增长的影响和作用机制。研究发现：（1）开发区设立能够有效促进城市TFP增长.但考虑资源消耗和污染排放后，开发区设立制约了城市GTFP增长。（2）开发区的污染企业数量和规模上升加剧城市的污染排放，是制约城市GTFP增长提升的主要因素。（3）受持续时间和核准面积的影响，开发区企业规模增长对城市环境污染具有门限效应.持续时间越长、核准面积越大.对城市环境污染的影响系数越大。开发区设立制约城市GTFP增长的提升，并非说明开发区政策是无效的。制造业企业本身易对环境造成不利影响，相对于分散布局而言，开发区作为制造业产业集聚区，为企业绿色创新、清洁技术传播和治污规模效应的实现提供了可能性。但目前而言，开发区企业规模增长加剧了污染物空间上的集中排放，对城市环境造成不利影响，制约了城市绿色经济增长。基于上述结论，得到如下政策启示：（D提高开发区环境入园门槛，限制高耗能、高污染企业进区设厂。开发区管委会必须重视企业在资源利用和污染排放领域的工作表现。在区内企业考核过程中，建立动态管理制度,科学评估开发区企业污染排放强度，加强区内企业环保设施安装、实际运营情况环境监管，淘汰环境不达标企业。（2）加快推进开发区绿色改造，引入循环经济理念，加大园内环保设施投入,建设生态工业网络,提高资源利用效率，减少区域污染物排放量，走绿色集约可持续发展道路。表8分样本门限效应检验和模型估计结果时间2005-2007年2011-2013年门限效应检验核心解释变量全部从业人员对数工业总产值对数全部从业人员对数工业总产值对数持续时间单门限模型单门限模型双门限模型单门限模型核准面积单门限模型双门限模型单门限模型三门限模型门限回归模型估计结果核心解释变量全部从业人员对数工业总产值对数全部从业人员对数工业总产值对数0.00700.013,*-0.0020.005-(0.003)(0.003)(0.002)(0.001)持续时间区间20.033,0.0160.006-0.006*0(0.005)(0.003)(0.002)(0.001)区间30.020E(0.002)0.006”0.0090.003*0.002*(0.003)(0.002)(0.001)(0.001)核准面积区间20.0460.011-0.025*0.004F(0.007)(0.002)(0.003)(0.001)区间30.016040.003*-(0.002)(0.001)区间40.007-(0.001)全社会固定资产投资参考柯善咨等（2012）的方法计算，折旧率取10.96%（单豪杰，2008）。能源消费量为城市GDP占所在省份GDP的比重乘以所在省份的能源总量。实际GDP以城市所在省份的地区生产总值指数（上年=100）消除通货膨胀。地形起伏度数据来源于全球变化科学研究数据出版系统发布的中国地形起伏度公里网络数据集。参考文献：蔡善柱,陆林.2014.中国经济技术开发区效率测度及时空分异研究J.地理科学（7）:794-802.陈林，2018.中国工业企业数据库的使用问题再探J.经济评论（6）:140-153.单豪杰.2008.中国资本存量K的再估算:1952-2006年.数量经