【碳排放权交易制度对石化企业全要素生产率的影响研究开题报告文献综述9000字】

碳排放权交易制度对石化企业全要素生产率的影响研究开题报告文献综述目录TOC\o"1-3"\h\u1071碳排放权交易制度对石化企业全要素生产率的影响研究开题报告文献综述 132282第1章绪论 1219761.1研究背景与意义 1256121.1.1研究背景 118791.1.2研究意义 2187371.2国内外文献综述 3321.2.1全要素生产率 399371.2.2碳排放权交易的政策效果 4198291.2.3环境规制与企业全要素生产率 5209471.3研究内容和研究方法 6170341.3.1研究内容 67351.3.2研究方法 798931.4可能的创新点 830839参考文献 9第1章绪论1.1研究背景与意义1.1.1研究背景近年来，二氧化碳排放引起的全球气候变暖问题已成为制约社会可持续发展的最大非传统安全挑战。根据政府间气候变化专门委员会（IPCC）研究显示，在工业化时期以后全球二氧化碳排放总量中，由于化石燃料燃烧排放的二氧化碳量占比高达95%，是目前全球气候变暖的主要原因[1]。为应对这一严峻挑战以及响应《联合国气候变化框架公约》的要求，IPCC提出实现1.5℃和2.0℃温升目标的减排路径，即全球需要在2050—2080年期间实现碳中和。对此，习近平主席在2020年9月22日出席第七十五届联合国大会一般性辩论时，向世界做出庄严承诺：中国将提高自主贡献力量，采取更加有力的政策和措施，力争2030年前二氧化碳排放达到峰值，努力争取2060年前实现碳中和[2]。这是中国第一次提出碳达峰碳中和目标，彰显了我国作为负责任大国的担当。作为最大的碳排放国家，中国的二氧化碳排放量占世界能源排放总量的28.8%，因此中国的碳减排成效对推动全球碳达峰碳中和的实现具有重要作用[3]。但与此同时，我国也是世界上拥有最多人口的国家和最大的发展中国家，受经济中高速增长驱动碳排放量持续上升，又因排放体量巨大面临着日趋紧张的减排压力。因此，相对于发达国家，我国要以相对较低的发展水平实现碳中和目标，面临着史无前例的挑战，因此亟需结合我国情况制定相应的对策。早期中国的环境政策主要是行政命令式的规制手段，取得的成效甚微。作为市场环境规制手段，碳排放权交易制度通过市场机制实现资源优化配置，被认为是降低碳排放，应对气候变暖的有效方法。碳排放权交易制度首先对企业需要的碳排放量进行定价，并要求碳排放企业先购买碳排放配额，再进行排放，以此来有效控制企业碳排放，受到许多国家和地区的认可。目前，全球计划实施和正在实施中的碳交易机制为31个，其中最活跃、交易量最大的碳市场是“欧盟碳排放交易体系（EU-ETS）”。2011年11月，我国宣布引入了碳排放权交易机制，并出台碳交易试点政策，批准北京、上海、天津、重庆、湖北、广东、深圳七个省市作为试点地区开展碳交易工作，并计划在2017年建立全国统一的碳排放权交易市场。在2013年6月，深圳市正式启动碳排放权交易平台，随后北京、上海、天津和广东也在该年正式开展碳交易，覆盖了包括石化、化工、建材、钢铁、有色、造纸、电力、航空在内的重点排放企业。在2017年，中国正式启动了全国碳市场的建设工作，并在2021年7月启动全国碳排放权交易市场上线交易，覆盖排放量超过40亿吨，将成为全球覆盖温室气体排放量规模最大的市场。石油和天然气是保障国家能源安全的重要力量，在国民经济中占有独特地位，因此新时代下石化企业低碳转型升级对实现碳达峰碳中和，保障我国经济高质量发展具有重要作用。但同时石化行业又是能源消耗大户，也是主要的温室气体排放源，在全球二氧化碳排放固定源中，石化行业（包括炼油厂、石化工业、石油和天然气处理）的排放占9%，仅次于电力行业[4]。此外，石化行业具有资源、资金、技术密集,产业关联度高，经济总量大，产品应用范围广等特点,加之能耗优化技术投资金额巨大，因此易受到市场型环境规制的影响[5]。随着我国碳排放权交易制度的深入实践，试点地区的碳排放效率水平得到一定程度的改善[6]，碳交易试点政策的实施同时也对我国石化企业产生了重要影响。那么，碳交易试点政策是否提高了石油石化企业的生产效率，能否在环境效益和经济效益上实现“双赢”仍有待得到完全检验。1.1.2研究意义石油石化企业既是能源的创造者，也是污染的制造者。作为环境规制的重点对象，环境规制政策的执行会给石化企业生产经营带来直接或者间接的经济约束，以达到清洁生产的目的，这势必会影响企业的生产效率。与此同时，石油和天然气行业是关系国家战略，保障能源安全的重要资源，也是推动国家能源低碳转型升级的重要抓手，提高石化企业全要素生产率是实现碳达峰碳中和目标、顺应经济高质量发展阶段的必然要求。因此，探究市场型环境规制的碳排放权交易制度对石化企业全要素生产率的影响和作用机制具有重要意义，具体体现在以下两个方面：理论意义：现有关于环境规制与全要素生产率关系的研究主要从地区层面或行业层面展开，很少从微观层面针对特定行业企业，特别是高污染企业全要素生产率影响的梳理分析。而针对石化行业或企业的全要素生产率的分析研究中，也很少将低碳约束纳入评价体系中，可能无法准确反映出行业或企业生产力增长的真实绩效水平。因此，本文从石化企业的全要素生产率角度探究碳排放权交易的政策效果，既为环境规制对石化企业影响的相关研究提供文献支撑，也为国家探索实现经济与环境双重红利的环境规制政策提供重要方向。现实意义：近年来，我国将碳达峰、碳中和工作列入2021年要抓好的八大重点任务之一，并制定2030年前碳达峰的行动方案，积极优化产业结构和能源结构等各项政策措施。为践行国家战略，助力碳达峰碳中和目标稳步实现，2021年中国石化、中国石油和中国海油等18家单位共同签署了《中国石油和化学工业碳达峰与碳中和宣言》，主要内容包括：推进能源结构清洁低碳化、大力提高能效、提升高端石化产品供给水平、加快部署二氧化碳捕集、封存和利用（CCUS）等[7]。碳排放权交易制度会影响石化企业的低碳管理、低碳技术等投入的方向和结构，因此本文通过实证分析探究碳交易对石化企业影响的作用机制，有助于石化企业进行调整，完成碳减排任务，推动石油石化企业提质升级和能源低碳化转型，为石化企业在未来加入全国碳市场线上交易提供经验。1.2国内外文献综述1.2.1全要素生产率全要素生产率（TotalFactorProductivity，TFP）是衡量企业生产力的有效指标，全要素生产率的提高是转变经济增长方式，促进经济高质量发展的有效途径和显著标志。关于全要素生产率测算研究主要从国家、行业和企业三个维度展开。有学者通过测算发展中国家的全要素生产率，研究国家经济发展的可持续性（Abou,2020）[8]。易纲等（2003）在全面梳理国外全要素生产率测算方法和经济增长理论基础上，提出了适用于分析中国经济的全要素生产率具体测算方法[9]。此外，部分研究关注于对特定部门的全要素生产率进行测算，这些研究不仅关注了传统行业，如农业、工业，还关注了新兴产业全要素生产率对经济的贡献（Shengetal.,2020;Njukietal.,2020;陈诗一,2009;KonishiandSaito,2020）[10-13]。但是，传统的测度方法仅仅考虑了市场性的“好”产出,并没有包含在“好”产出下出现的包括碳排放在内的非市场性“坏”产出，因此不能反映真实的生产率效率改进情况。基于此，Pittman（1983）发展了Caves等人的超对数生产率指数，在测算威斯康星州造纸厂的全要素生产率时首次引入“坏”产出[14-15]。从此以后，学者们在建立生产模型中开始将环境污染作为不可忽视的变量，绿色全要素生产率成为生产率研究的重要问题，并结合中国的具体制度环境等特定因素进行深入研究。王兵等人（2008）运用Malmquist-Luenberger指数方法测度了1980—2004年APEC17个国家和地区包含CO2排放的全要素生产率增长及其成分，并对影响环境管制下全要素生产率增长的因素进行了实证检验[16]。在产业层面，刘亦文等人（2021）利用非期望MinDS超效率—MetaFrontier—Malmquist模型测度我国农业绿色全要素生产率的超效率指数，通过核密度估计分析我国八大综合经济区农业绿色全要素生产率的时空演化特征并利用空间计量模型考察农业绿色全要素生产率的空间敛散性[17]。关于中国石化企业生产效率的研究大多侧重于全要素生产率的测算与分解，并从财务角度分析其影响因素，但少有将低碳约束纳入石化企业全要素生产率的研究。李小平和朱钟棣（2005）基于1986—2002中国制造业的面板数据，估算了34个分行业的全要素生产率，发现行业全要素生产率呈现出“发散”式的增长趋势，且中国生产率增长对经济增长的贡献偏低[18]。马永红等人（2007）将中石化和中石油两大石化企业2000年上市前后的全要素生产率分解为技术进步和技术效率变动，并通过考察这两部分的变化寻求生产率增长的动力来源[19]。魏静和孙慧（2015）采用DEA-Malmquist指数法，对2008—2014年间的31家中国石油企业全要素生产率进行测算并分析其时序演变及差异情况[20]。1.2.2碳排放权交易的政策效果自Dales在1968年提出“排污权交易”以来，碳排放交易权逐渐成为应对全球气候变暖的市场机制和关键工具[21]。碳排放权交易制度运用市场手段实现资源的优化配置，能够兼顾效率和公平，目前已成为各国实现碳减排目标的重要手段。目前学者们关于碳排放权交易制度减排效果的研究并未形成一致结论。Crocker（1966）认为，污染排放权交易手段会有效降低温室气体排放，促进减排目标的实现[22]。随着数理统计模型和计量经济学的不断发展，许多研究通过系统模拟碳交易制度来判断政策的减排效果，例如ZhangandWei（2010）运用可计算一般均衡（ComputableGeneralEquilibrium，CGE）模型研究发现，如果碳排放权交易制度在全世界范围得到推广，能显著提高世界各国的减排效率，将会有效降低全球的碳排放总量[23]。但也有部分研究通过分析碳价波动等特征发现，欧盟的碳排放权交易制度尚未发挥以较低的成本降低碳排放的真正潜力（Zhangetal.，2019）[24]。将中国的碳排放权交易试点政策作为一项准自然实验，部分研究采用PSM-DID法发现中国的碳排放权交易制度能显著持续的降低试点区域的碳排放量，且减排效果随时间推移越来越大（周迪和刘奕淳，2020）[25]。此外，刘传明等人（2019）用合成控制法对1995—2016年中国碳交易试点的减排效果进行考察，发现碳试点能够降低二氧化碳排放且各试点省份的碳减排效果存在异质性，其中广东、天津、湖北、重庆等试点省市的碳减排效果较为明显[26]。从行业层面来看，电力部门是世界上最大的碳排放行业，也是碳减排政策的明显目标。Cao等人（2021）研究发现，虽然碳排放权交易可以降低电力企业的煤炭消耗量，但这一减少是通过减少电力生产实现的[27]。然而通过减少产量达到减排要求并不是长久之计，企业只有通过清洁生产才能实现经济与环境双赢。因此，有必要设计和完善碳排放权交易制度，引导企业减排行为，以促使企业通过节能减排技术投入实现长期减排效果（沈洪涛等，2017）[28]。除此之外，碳排放权交易制度也会对社会经济、企业效益、技术创新以及产业结构产生一定的影响。理论上，市场力量对碳排放总量的控制可以克服初始碳排放许可分配的低效率，释放节能减排的巨大潜力。在经济增长的同时，实现了环境保护和经济发展的双赢。Dong等人（2019）研究发现，碳排放权交易试点政策实现经济环境双赢是长期的而不是短期的，该政策短期内无法增加国内生产总值，然而长期内能够激发可持续的经济红利和环境红利[29]。从长期来看，碳排放权交易试点政策具有良好的经济性和减排功能。对企业来讲，碳交易在一定条件下能够实现绿色效率和企业效益双赢。碳交易不仅可以实现碳减排，还能提升企业全要素生产率和绿色全要素生产率（胡玉凤和丁友强，2020）[30]。中国碳排放交易市场建立后，股票收益中的碳溢价有所增加，参与碳排放权交易的企业可以获得超额收益（Wenetal.，2020）[31]。此外，碳排放权交易制度能够诱发试点区域的低碳技术创新活动，且存在着“信号—预期”机制的作用，因此应充分关注这种诱发作用，注重加强政府政策信号管理，引导企业开展低碳技术创新活动（王为东等,2018）[32]。最后，碳排放权交易制度能通过促进技术创新、增加外商直接投资以及降低投资需求倒逼产业结构升级（谭静和张建华,2018）[33]。1.2.3环境规制与企业全要素生产率近年来，环境规制与企业全要素生产率之间的关系引起学术界的极大关注，但对于环境规制是否会促进企业全要素生产率尚未达成共识。迄今为止，关于环境规制与企业全要素生产率的关系，已经构建了以下三个关键理论[34]：一是约束理论，该理论认为环境规制会增加企业的生产成本，致使企业生产效率的下降，进而降低企业的全要素生产率（Wagner,2007;Coleetal.,2010;Korhonenetal.,2015）[35-37]。Gray等人（2003）研究发现，在20世纪70年代受美国政府实行的环境管制政策影响，企业合规成本越高生产率水平就越低，导致其制造业生产率的年均增速下降了0.17%—0.28%，占同期美国制造业生产率下降幅度的12%到19%左右[38]。Lanoie等人（2008）研究发现，在短期内由于加拿大魁北克环境规制强度的提高造成的额外成本对全要素生产率存在负向影响[39]。叶红雨等人（2020）采用重污染行业内的229家上市公司数据，研究发现环境规制会降低企业的经营绩效[40]。其他基于中国工业的行业数据和省份级别的数据也证实了这种理论的合理性（赵宵伟,2014；黄清煌等,2016）[41-42]。二是双赢理论。以波特（1995）为代表的学者关注动态创新机制的可能性，提出了“波特假说”[43]。根据这一假设，适度的环境规制会迫使企业自愿地进行技术创新和低碳研发，创新研发带来生产效率的提高，抵消其增加成本的不利影响，促使企业TFP得到提升（Lanoieetal.,2011;AsanoandMatsushima,2014;ChakrabortyandChatterjee,2017）[44-46]。李树和陈刚（2013）采用双重差分法评估了《大气污染防治法》这项命令式环境规制政策对中国工业行业全要素生产率的影响发现，中国APPCL2000修订显著提高了空气污染密集型工业行业的全要素生产率，且其边际效应随着时间的推移呈递增趋势[47]。刘和旺等人（2020）运用OlleyandPakes（OP）和LevinsohnandPertrin（LP）半参数方法估算了企业的全要素生产率，通过面板固定效应模型研究发现，环境规制对企业TFP会产生正向作用，这种影响是通过技术创新进行传导的，验证了“波特假说”的成立[48]。三是不确定性理论。这一理论认为，环境规制对企业全要素生产率的影响受制于法规质量、环境壁垒、企业特征和这一国家的工业化、市场化水平等因素，因此不可能对这种关系得出明确的结论（RassierandEarnhart,2015;Rubashkinaetal.,2015,FengandChen,2018）[49-51]。Sanchez-Vargas等人（2013）研究发现环境规制与生产率具有非线性关系，具体产生的影响与行业的异质性有关[52]。邹国伟等人（2018）发现当环境规制政策在实行过程中偏离预期时，既不存在“创新补偿”，也不存在“遵循成本”，因此对企业绩效不具有显著影响[53]。1.3研究内容和研究方法1.3.1研究内容本文以2008—2020年石化企业的全要素生产率为被解释变量，基于2011年引入我国并于2013年6月开始正式实行的碳排放权交易试点制度作为准自然实验，将2011和2013年分别作为政策时点，采用双重差分模型探究碳排放权交易制度对石油石化上市企业的全要素生产率的公告效应和交易效应，并从研发强度、资源配置效率和融资约束三方面探讨其作用机制。主要研究内容如下：第一章：绪论。本章节主要介绍本文的研究背景、意义以及研究思路。对国内外关于全要素生产率、碳排放权交易的政策效果以及环境规制与企业全要素生产率关系的研究进行梳理的基础上，阐述本文主要的研究内容和方法，最后提出本文可能的创新点。第二章：碳排放权交易理论和与作用机制。首先对碳排放权交易的相关理论，即外部性理论、科斯产权交易理论和波特假说进行概述。在碳排放权交易相关理论基础之上，本文回顾了国内外碳排放权交易制度演变以及国内外石化企业参与碳减排的积极举措。最后，本文从理论视角分析了碳排放权交易制度对石化企业全要素生产率的影响以及研发强度、资源配置效率和融资约束在此过程中的作用机制。第三章：石油石化企业全要素生产率测度与分析。本章节首先介绍了目前全要素生产率测算的常用方法并对不同方法的优缺点进行分析，接着介绍了本文的样本企业选择和数据来源，最后以LP法对2008—2020年石化企业的全要素生产率进行测度并从时间维度和企业特点进行分析。第四章：碳排放权交易制度对石化企业全要素生产率影响的实证分析。本章首先采用匹配的双重差分分析方法，对碳排放权交易制度对石化企业的全要素生产率的公告效应和交易效应进行实证分析。同时构建动态效应模型进行动态效应分析，最后通过改变测度方式、构造反事实实验、剔除其他事件影响的样本三种方式对基准模型进行了一系列的稳健性检验。第五章：碳排放权交易制度对石化企业全要素生产率影响进一步分析。基于第四章的研究结果，首先分别对研发强度、资源配置效率和融资约束三个变量进行机制分析，探究实施碳排放权交易制度对石化企业全要素生产率的影响路径，之后从企业属性和企业规模两个角度进行异质性分析。第六章：结论和展望。对碳排放权交易制度对石化企业全要素生产率影响研究的结论进行概括和总结，然后根据结论提出提供技术资金支持、创新金融工具和完善碳交易制度的建议，最后从研究对象、研究角度和研究方法上提出未来的研究展望。1.3.2研究方法本文主要采用以下方法：（1）文献分析法尽可能全面搜集国内外相关研究，对全要素生产率、碳排放权交易制度以及环境规制与企业全要素生产率关系相关文献进行阅读。除了为本研究提供必要的理论基础之外，还根据现有相关研究所解决的主要问题、采用的主要研究方法、研究过程中所存在的主要问题等，确定本文的研究主题，分析本文所需要解决的核心问题，最终构建本文的研究逻辑或分析框架。（2）OP和LP半参数法为了避免传统方法在测算全要素生产率时产生同时性偏差和样本选择性偏差，本文采用全要素生产率的前沿测算方法Olley—Pakes方法和Levinsohn—Petrin方法测算石油石化企业全要素生产率。此外，与OP方法不同的是，LP方法使用中间投入作为全要素生产率（TFP）的代理变量，因此能在很大程度上避免以OP方法计算石化企业全要素生产率时存在的偏误。故本文将LP方法计算所得的全要素生产率作为本文关注的主要因变量，将OP方法计算所得的全要素生产率作为实证模型稳健性检验的因变量。（3）实证研究法本文运用双重差分模型，借助Stata15.1统计软件，对石化企业全要素生产率进行测算，建立碳排放权交易制度对石化企业全要素生产率影响的回归模型。采用广义精确匹配和双重差分方法，并进行描述性统计分析、平行趋势检验、稳健性性检验以及影响因素和作用机制的回归分析。多种计量分析方法使本文估计结果更加准确和客观，政策建议更具有说服力。1.4可能的创新点（1）研究对象的创新目前关于中国环境规制政策以及碳排放权交易制度与全要素生产率关系的研究主要集中在区域层面或行业层面，微观层面的研究较少关注碳排放权交易制度对企业，尤其是对石化企业等重污染企业生产效率的分析。尽管相关研究对碳排放权交易制度已取得丰富的成果和政策建议，但环境政策的推行不可能只停留在省级政府或行业层面，最终都需要企业积极地履行实施，因此单从宏观层面提出的研究结论有可能不能反映真实的企业生产效率情况。石油石化企业作为碳排放的重点行业，在碳交易制度全面实施后，将受到较大冲击，且石油石化企业的经营发展将直接决定着我国的能源安全，因此应该作为重点对象来研究。故本研究重点测算石化企业的全要素生产率，探究碳排放权交易制度对石化企业全要素生产率的影响以及作用机制，从而为国家宏观环境公共政策的实施以及未来石化企业参与全国统一碳市场的交易提供了微观基础和经验启示。（2）研究角度的创新目前关于石化企业低碳转型的研究主要从定性的角度探讨碳中和背景下石油石化企业能源转型以及低碳发展问题，从实证角度去研究低碳约束对石化企业影响的研究较少。与此同时，我国在2011年11月引入碳排放权交易制度并于2013年6月开始陆续开展碳交易，因此分两个阶段启动的试点制度使我们能够区分出公告效应和交易效应。故本文运用双重差分方法，构建了基准回归模型和动态模型定量分析了碳排放权交易制度对石化企业全要素生产率的公告效应和交易效应以及动态影响。此外，本文进一步探究了碳排放权交易对石化企业全要素生产率的影响机制以及企业个体异质性因素对全要素生产率影响。因此，本文的估计结果可为石化企业制定低碳发展战略提供详实可靠的参考，促进石化企业在未来更好地参与到全国碳市场的交易之中，推动石化企业高质量发展。（3）研究方法的创新目前关于碳排放权交易政策效果以及对全要素生产率影响的研究通常采用单差或双重差分分析。但是单差分析评估出的碳排放权交易政策效果无法排除其他可能因素的影响，而采用双重差分分析受到平行趋势假设的限制可能会导致结果出现偏误。因此本文在双重差分方法的基础上，对样本的观测值进行匹配，采用广义精确匹配（CoarsenedExactMatching，CEM）的方法，解决双重差分中因不满足平行趋势假设所带来的问题，并进行一系列的稳健性检验，以保证本文的估计结果具有较好的解释能力。参考文献[1]IPCC.ClimateChange2013:ThePhysicalScienceBasis.ContributionofWorkingGroupItotheFifthAssessmentReportoftheIntergovernmentalPanelonClimateChange[M].UK:CambridgeUniversityPress,2013:22-28.[2]胡鞍钢.中国实现2030年前碳达峰目标及主要途径[J].北京工业大学学报(社会科学版),2021,21(03):1-15.[3]BP,StatisticalReviewofWorldEnergyJune2020,/en/global/corporate/energy-economics/statistical-review-of-world-energy.html.[4]乔明,李雪静,任文坡.石化行业碳减排技术研究新进展[J].中国石化,2014(10):35-36.[5]周远祺,杨招军,杨金强.碳交易背景下石化企业能耗优化项目的投资分析[J].工业技术经济,2013,32(11):100-106.[6]王勇,赵晗.中国碳交易市场启动对地区碳排放效率的影响[J].中国人口∙资源与环境,2019,29(1):50-58.[7]施雷.碳中和目标下的石油公司转型之路[J].当代石油石化,2021,29(06):13-19.[8]AbouHamiaMA.Aredevelopingcountriesaccumulatingsufficienttotalfactorproductivitytosustaintheireconomicgrowthandjobcreation?EmpiricalevidencefromtheMiddleEastandNorthAfricaregion[J].ReviewofDevelopmentEconomics,2020,24(3):1102-1127.[9]易纲,樊纲,李岩.关于中国经济增长与全要素生产率的理论思考[J].经济研究,2003(08):13-20+90.[10]ShengY,TianX,QiaoW,etal.MeasuringagriculturaltotalfactorproductivityinChina:patternanddriversovertheperiodof1978‐2016[J].AustralianJournalofAgriculturalandResourceEconomics,2020,64(1):82-103.[11]NjukiE,Bravo-UretaBE,CabreraVE.Climaticeffectsandtotalfactorproductivity:econometricevidenceforWisconsindairyfarms[J].EuropeanReviewofAgriculturalEconomics,2020,47(3):1276-1301.[12]陈诗一.能源消耗、二氧化碳排放与中国工业的可持续发展[J].经济研究,2009,44(04):41-55.[13]KonishiY,SaitoT.TotalFactorProductivityChangesinJapaneseSmallandMedium-SizedEnterprisesin1982–2016:SuggestiveIndicationsofanITRevolution?[J].AsianEconomicPapers,2020,19(3):21-37.[14]PittmanRW.Multilateralproductivitycomparisonswithundesirableoutputs[J].TheEconomicJournal,1983,93(372):883-891.[15]CavesDW,ChristensenLR,DiewertWE.Multilateralcomparisonsofoutput,input,andproductivityusingsuperlativeindexnumbers[J].Theeconomicjournal,1982,92(365):73-86.[16]王兵,吴延瑞,颜鹏飞.环境管制与全要素生产率增长:APEC的实证研究[J].经济研究,2008(05):19-32.[17]刘亦文,欧阳莹,蔡宏宇.中国农业绿色全要素生产率测度及时空演化特征研究[J].数量经济技术经济研究,2021,38(05):39-56.[18]李小平,朱钟棣.中国工业行业的全要素生产率测算——基于分行业面板数据的研究[J].管理世界,2005(4):9.[19]马永红,陈清江,郑晓齐.中国领先石化企业生产率增长动力探析[J].管理世界,2007(02):164-165.DOI:10.19744/ki.11-1235/f.2007.02.024.[20]