绿色全要素生产率测算方式
全要素生产率的测算方法主要有非参数法和参数法两类，其中非参数法估计中主要以DEA方法和Malmquist指数方法为主，非参数法存在不能对前沿面的适用性进行检验以及不考虑随机因素对测量结果的影响等缺点，而参数法能够克服上述缺点，因此本文利用参数法对全要素生产率进行估计。
参数法又可分为索洛残差法、隐性变量法和随机前沿生产函数法（SFA），其中索洛残差法建立在市场是完全竞争的、技术进步是希克斯中性的且规模报酬不变的假设基础之上，并将C-D生产函数所得的残差当作全要素生产率，这些严格的假设条件往往与现实情况不符，而且在劳动力和资本均得到充分利用时所得的全要素生产率仅解释为技术进步的影响，然而全要素生产率不仅仅包括技术进步，它还包括规模经济和效率的改善等因素，此外，索洛残差法也没有剔除测算误差对全要素生产率的影响，因此会导致技术进步的高估。
隐性变量法虽然利用状态空间的方法将全要素生产率从测量误差中分离出来，但是其理论仍然建立在C-D生产函数和规模报酬不变等相关假设基础之上，因而针对索洛残差法的部分问题还是没有解决。SFA将生产函数的形式设定为超越对数生产函数，这种函数形式比C-D函数更具灵活性，同时放松了规模报酬不变和技术中性的假定，允许劳动力和资本非充分利用的情况出现并以技术效率来刻画实际生产状态与前沿面之间的差距，因此可将全要素生产率分解为技术效率和技术进步两项。
此外，SFA还考虑了随机误差项对全要素生产率的影响，所利用的皮肤数据比时间序列和横截面数据具有更多的自由度，从而在一定程度上能够提高模型估计的准确性和有效性。因此本文采用SFA方法对我国全要素生产率进行分析，在Battese和Coelli模型的基础上，利用Kumbhakar所提出的方法进一步将TFP增长率分解为技术进步、技术效率变化率、规模效率和配置效率。
