Research on the spatial-temporal evolution, regional differences, and influencing factors of green total factor productivity in China's manufacturing industry

doi:10.3969/j.issn.1004-9479.2026.05.20240888

Abstract

Abstract:

This study employs the Undesirable Output-Super Efficiency SBM model to measure the development level of China's manufacturing green total factor productivity (GTFP) from 2005 to 2020. Through comprehensive statistical analyses including kernel density estimation, Dagum Gini coefficient, Spatial Markov Chain, and random forest methods, we systematically investigate the spatial-temporal evolution characteristics and influencing factors of China's manufacturing GTFP. The findings reveal that:①temporally, China's manufacturing GTFP exhibits phased characteristics of initial decline followed by subsequent rise, with technological innovation and technical efficiency jointly serving as key driving forces. ②Spatially, it demonstrates a "high in the central region, low in the eastern and western regions" regional pattern with insignificant spatial agglomeration effects. The overall regional disparity initially increased then decreased, with the western region showing the largest internal differences. ③Regarding influencing factors, environmental regulation and capital intensity significantly affect GTFP nationally and in central-western regions, while eastern regions are more influenced by industrial structure, foreign direct investment, and economic development levels. From the perspective of manufacturing green transformation, this research provides important insights for fostering the formation of New-Quality Productivity and achieving high-quality economic development in China.

Key words: green total factor productivity in manufacturing industry, Spatial Markov Chain, Dagum Gini coefficient, kernel density estimation, random forest

摘要：

本研究采用非期望产出-超效率SBM模型测度了2005—2020年我国制造业绿色全要素生产率（GTFP）的发展水平，并结合Kernel核密度估计、Dagum基尼系数、空间Markov链、随机森林等多种统计分析方法，深入分析了我国制造业GTFP的时空演变特征及其影响因素。研究发现：①时间维度上，中国制造业GTFP呈现出先降后升的阶段性特征，技术创新与技术效率均为关键驱动力。②空间维度上，制造业GTFP呈现出中部高、东西部低的空间格局，空间集聚效应不显著，总体差异先升后降，区域差距以西部地区最为突出。③影响因素方面，全国及中西部地区环境规制与资本密集度对GTFP影响显著，而东部地区则受产业结构、外商直接投资和经济发展水平影响更大。本研究从制造业绿色转型的视角出发，对于促进中国新质生产力的形成和实现经济高质量发展具有重要意义。

关键词: 制造业绿色全要素生产率, Kernel核密度估计, Dagum基尼系数, 空间Markov链, 随机森林

Shan XU, Yi DENG. Research on the spatial-temporal evolution, regional differences, and influencing factors of green total factor productivity in China's manufacturing industry[J]. World Regional Studies, 2026, 35(5): 114-130.

徐姗, 邓毅. 中国制造业绿色全要素生产率的时空演进、区域差异及影响因素研究[J]. 世界地理研究, 2026, 35(5): 114-130.

Figures/Tables 11

Tab.1 Indicator system of Manufacturing GTFP

指标类型	指标名称	衡量方法
投入指标	资本投入	制造业固定投资存量，使用永续盘存法估算，公式为 $K i, t = 1 - δ K i, t - 1 + I i, t$ ，折旧率 $δ$ 取5%^[24]， $I i, t$ 为制造业实际投资量，计算方式为制造业固定资产投资与固定资产投资价格指数的比值
	劳动力投入	制造业从业人数
	能源投入	鉴于各省制造业能源消费数据缺失，选择各省能源消费总量作为衡量指标
产出变量	期望产出	价格平减后的制造业总产值。即实际制造业总产值等于当年制造业总产值与价格平减后的工业生产者出厂价格指数之比
产出变量	非期望产出	制造业SO₂排放量、制造业废水中的COD排放量以及制造业固体废物产生量。鉴于省级制造业部分数据缺失，用工业相关数据代替制造业缺失的相关数据^[25]

Tab.1 Indicator system of Manufacturing GTFP

指标类型	指标名称	衡量方法
投入指标	资本投入	制造业固定投资存量，使用永续盘存法估算，公式为 $K i, t = 1 - δ K i, t - 1 + I i, t$ ，折旧率 $δ$ 取5%^[24]， $I i, t$ 为制造业实际投资量，计算方式为制造业固定资产投资与固定资产投资价格指数的比值
	劳动力投入	制造业从业人数
	能源投入	鉴于各省制造业能源消费数据缺失，选择各省能源消费总量作为衡量指标
产出变量	期望产出	价格平减后的制造业总产值。即实际制造业总产值等于当年制造业总产值与价格平减后的工业生产者出厂价格指数之比
产出变量	非期望产出	制造业SO₂排放量、制造业废水中的COD排放量以及制造业固体废物产生量。鉴于省级制造业部分数据缺失，用工业相关数据代替制造业缺失的相关数据^[25]

Fig.1 Time series chart of national Manufacturing GTFP

Fig. 2 Kernel density estimation chart of national and three major regions' Manufacturing GTFP

Fig.3 Joint distribution of EC and TC in representative years

Tab.2 Global Moran's I Index for Manufacturing GTFP

年份	Moran’s I	Z统计量	P值	年份	Moran’s I	Z统计量	P值
2006	0.125 7	1.325 2	0.185 1	2014	－0.181 4	－1.185 9	0.235 7
2007	－0.135 1	－0.831 9	0.405 5	2015	－0.172	－1.103 4	0.269 9
2008	－0.138	－0.853 2	0.393 5	2016	－0.180 2	－1.167 2	0.243 1
2009	－0.125 3	－0.730 7	0.465	2017	－0.203 4	－1.359	0.174 2
2010	－0.133 3	－0.793 7	0.427 4	2018	－0.105 1	－0.568 6	0.569 6
2011	－0.134 1	－0.799 3	0.424 1	2019	－0.057 8	－0.190 5	0.848 9
2012	－0.161 1	－1.016 3	0.309 5	2020	－0.137 5	－0.898 1	0.369 1
2013	－0.163 5	－1.038 3	0.299 1

Fig.4 Chart of regional differences and decomposition of Manufacturing GTFP

Tab.3 Spatial transition probability matrix of Manufacturing GTFP development level from 2005 to 2020

时间	空间滞后	类型	低	中低	中高	高	时间	空间滞后	类型	低	中低	中高	高
1年	低水平	低	0.800	0.200	0	0	2年	中高水平	低	0.720	0.200	0.080	0
		中低	0.111	0.444	0.333	0.111			中低	0.448	0.345	0.138	0.069
		中高	0	0.154	0.308	0.539			中高	0.155	0.225	0.380	0.239
		高	0	0.143	0.286	0.571			高	0.042	0.021	0.167	0.771
	中低水平	低	0.787	0.085	0.043	0.085		高水平	低	0.833	0.125	0	0.042
		中低	0.211	0.632	0.105	0.053			中低	0.400	0.200	0.300	0.100
		中高	0.095	0.191	0.476	0.238			中高	0.182	0.182	0.455	0.182
		高	0.080	0.040	0.160	0.720			高	0.043	0.057	0.343	0.557
	中高水平	低	0.760	0.240	0	0	3年	低水平	低	0.833	0.167	0	0
		中低	0.267	0.567	0.133	0.033			中低	0	0.167	0.500	0.333
		中高	0.083	0.139	0.625	0.153			中高	0	0.222	0.333	0.444
		高	0.039	0.020	0.137	0.804			高	0.200	0	0.400	0.400
	高水平	低	0.808	0.154	0.039	0		中低水平	低	0.710	0.129	0.097	0.065
		中低	0.600	0.100	0.300	0			中低	0.353	0.471	0.059	0.118
		中高	0.083	0.083	0.500	0.333			中高	0.053	0.105	0.421	0.421
		高	0	0.041	0.384	0.575			高	0.100	0.200	0.150	0.550
2年	低水平	低	0.750	0.125	0	0.125		中高水平	低	0.680	0.240	0.040	0.040
		中低	0.125	0.250	0.500	0.125			中低	0.500	0.393	0.107	0
		中高	0	0.182	0.182	0.636			中高	0.206	0.206	0.279	0.309
		高	0	0	0.400	0.600			高	0.022	0.044	0.152	0.783
	中低水平	低	0.692	0.180	0.051	0.077		高水平	低	0.783	0.087	0.087	0.044
		中低	0.294	0.471	0.177	0.059			中低	0.444	0.222	0.111	0.222
		中高	0.143	0.238	0.286	0.333			中高	0.400	0	0.400	0.200
		高	0.087	0.087	0.217	0.609			高	0.088	0.118	0.265	0.529

Tab.4 Influencing factors and measurement methods of manufacturing GTFP

维度	变量	符号	测算方法	数据来源
外部影响因素	外商直接投资	FDI	各省FDI与制造业总产值之比	各省市统计年鉴、《中国工业统计年鉴》
外部影响因素	经济发展水平	ED	用地区生产总值来衡量	各省市统计年鉴
内部运营因素	管理成本	MC	各省制造业管理成本与主营业务收入之比	《中国工业统计年鉴》
内部运营因素	资本密集度	KIN	各地区制造业固定投资存量与从业人数之比	《中国工业统计年鉴》
政策与结构因素	环境规制^[29]	ER	$E R i t = 1 S i t = 1 (∑ h = 1 3 S h, i t / P i t S h, t / P t) / 3$	《中国环境统计年鉴》《中国工业统计年鉴》
政策与结构因素	产业结构	IS	第二产业与第三产业增加值之比	各省市统计年鉴

Tab.4 Influencing factors and measurement methods of manufacturing GTFP

维度	变量	符号	测算方法	数据来源
外部影响因素	外商直接投资	FDI	各省FDI与制造业总产值之比	各省市统计年鉴、《中国工业统计年鉴》
外部影响因素	经济发展水平	ED	用地区生产总值来衡量	各省市统计年鉴
内部运营因素	管理成本	MC	各省制造业管理成本与主营业务收入之比	《中国工业统计年鉴》
内部运营因素	资本密集度	KIN	各地区制造业固定投资存量与从业人数之比	《中国工业统计年鉴》
政策与结构因素	环境规制^[29]	ER	$E R i t = 1 S i t = 1 (∑ h = 1 3 S h, i t / P i t S h, t / P t) / 3$	《中国环境统计年鉴》《中国工业统计年鉴》
政策与结构因素	产业结构	IS	第二产业与第三产业增加值之比	各省市统计年鉴

Tab.5 Different models predict performance evaluation indexes

模型	RMSE	R²
RF	0.021 2	0.528 8
固定效应回归模型	0.040 1	0.441 7
SVM	0.020 2	0.326 7
XGBoost	0.026 2	0.381 7

Fig.5 Importance ranking of influencing factors based on Random Forest

Fig.6 Partial dependence plots of various influencing factors

References 34

[1]	韩文龙, 董鑫玮, 唐湘. 新质生产力与绿色发展的辩证关系与实践路径. 电子科技大学学报(社科版), 2024,26(03):12-21.
	HAN W, DONG X, TANG X. The dialectical relationship and practical path between New-Quality Productivity and Green Development. Journal of University of Electronic Science and Technology of China (Social Sciences Edition), 2024,26(03):12-21.
[2]	黄群慧, 盛方富. 新质生产力系统:要素特质、结构承载与功能取向. 改革, 2024(02): 15-24.
	HUANG Q, SHENG F. New-Quality Productivity system: Element characteristics, structural bearing, and functional orientation. Reform, 2024(02): 15-24.
[3]	黄奇帆. 新质生产力的三个"新". 科学大观园, 2024(08): 20-23.
	HUANG Q. Three "new" aspects of New-Quality Productivity. Science Panorama, 2024(08): 20-23.
[4]	卢卫生.制造业发展取得举世瞩目巨大成就.中国经贸导刊,2019(18):24-27.
	LU W. Manufacturing industry achieves remarkable achievements in development. China Economic & Trade Herald, 2019(18): 24-27.
[5]	刘爽爽,马晓强,杨世攀.数字化转型与制造业绿色发展:基于绿色创新与要素集聚机制作用.经济问题探索,2024(12):160-175.
	LIU S, MA X, YANG S. Digital transformation and green development of manufacturing industry: Based on the role of green innovation and factor agglomeration mechanism. Inquiry into Economic Issues, 2024(12): 160-175.
[6]	李芳芳,解希玮.高水平对外开放促进制造业绿色转型:理论逻辑与实现路径.理论探讨,2024(05):144-150.
	LI F, XIE X. High-level opening-up promotes green transformation of manufacturing industry: Theoretical logic and implementation path . Theoretical Exploration, 2024(05): 144-150.
[7]	刘承毅,李欣.环境规制对高碳制造业绿色低碳发展的影响——基于数字技术的调节效应.首都经济贸易大学学报,2023,25(03):18-31.
	LIU C, LI X. The impact of environmental regulation on the green and low-carbon development of high-carbon manufacturing industry: Based on the moderating effect of digital technology . Journal of Capital University of Economics and Business, 2023, 25(03): 18-31.
[8]	王泽宇, 王焱熙, 赵莉, 等. 中国制造业全要素生产率时空演变及影响因素. 地理学报, 2021, 76(12): 3061-3075.
	WANG Z, WANG Y, ZHAO L, et al. Spatio-temporal evolution and influencing factors of total factor productivity in China's manufacturing industry. Acta Geographica Sinica, 2021, 76(12): 3061-3075.
[9]	黄群慧,贺俊.中国制造业的核心能力、功能定位与发展战略——兼评«中国制造2025».中国工业经济,2015(06):5-17.
	HUANG Q, HE J. Core competencies, functional positioning, and development strategies of China's manufacturing industry: A review of "Made in China 2025" . China Industrial Economics, 2015(06): 5-17.
[10]	张建,李占风.对外直接投资促进了中国绿色全要素生产率增长吗——基于动态系统GMM估计和门槛模型的实证检验.国际贸易问题,2020(07):159-174.
	ZHANG J, LI Z. Does outward foreign direct investment promote the growth of China's green total factor productivity? An empirical test based on dynamic system GMM estimation and threshold model. Journal of International Trade, 2020(07): 159-174.
[11]	陈超凡.中国工业绿色全要素生产率及其影响因素——基于ML生产率指数及动态面板模型的实证研究.统计研究,2016,33(03):53-62.
	CHEN C. Green total factor productivity of China's industry and its influencing factors: An empirical study based on ML productivity index and dynamic panel model . Statistical Research, 2016, 33(03): 53-62.
[12]	程文先,钱学锋.数字经济与中国工业绿色全要素生产率增长.经济问题探索,2021(08):124-140.
	CHENG W, QIAN X. Digital economy and the growth of China's industrial green total factor productivity . Inquiry into Economic Issues, 2021(08): 124-140.
[13]	史丹,孙光林.数据要素与新质生产力:基于企业全要素生产率视角.经济理论与经济管理,2024,44(04):12-30.
	SHI D, SUN G. Data factors and New-Quality Productivity: A perspective based on firms' total factor productivity . Economic Theory and Economic Management, 2024, 44(04): 12-30.
[14]	陈明华, 张晓萌, 刘玉鑫, 等. 绿色TFP增长的动态演进及趋势预测——基于中国五大城市群的实证研究. 南开经济研究, 2020(01): 20-44.
	CHEN M, ZHANG X, LIU Y, et al. Dynamic evolution and trend prediction of green total factor productivity growth: An empirical study based on five major urban agglomerations in China. Nankai Economic Studies, 2020(01): 20-44.
[15]	朱承亮,杨曼,李勃昕.数字经济提升制造业绿色全要素生产率了吗?.环境经济研究,2024,9(01):1-20.
	ZHU C, YANG M, LI B. Does the Digital Economy enhance green total factor productivity in manufacturing? . Journal of Environmental Economics, 2024, 9(01): 1-20.
[16]	夏建红, 刘松, 丁晨峰, 等. 环境规制与绿色全要素生产率:促进还是抑制?. 经济问题, 2024(04): 60-67.
	XIA J, LIU S, DING C, et al. Environmental regulation and green total factor productivity: A boon or bane?. Economic Problems, 2024(04): 60-67.
[17]	陈俊龙,何瑞宇,刘佳丽.智能制造对制造企业绿色全要素生产率的影响研究.软科学,2024,38(08):1-6.
	CHEN J, HE R, LIU J. Research on the impact of intelligent manufacturing on green total factor productivity of manufacturing enterprises . Soft Science, 2024, 38(08): 1-6.
[18]	李繁荣,尚云舟,薛紫玥.外商直接投资对我国绿色发展的影响——基于中国260个地级市的数据验证.经济问题,2022(04):75-84.
	LI F, SHANG Y, XUE Z. The impact of foreign direct investment on China's Green Development: Evidence from data of 260 prefecture-level cities in China . Economic Problems, 2022(04): 75-84.
[19]	张军涛,范卓玮.城市产业结构与绿色全要素生产率——基于东北地区的实证分析.科技管理研究,2021,41(13):77-86.
	ZHANG J, FAN Z. Urban industrial structure and green total factor productivity: An empirical analysis based on northeast China . Science and Technology Management Research, 2021, 41(13): 77-86.
[20]	周杰. 中国智能制造业绿色全要素生产率增长的时空演变. 技术经济与管理研究, 2022(09): 100-105.
	ZHOU J. Spatio-temporal evolution of green total factor productivity growth in China's intelligent manufacturing industry. Research on Technology Economics and Management, 2022(09): 100-105.
[21]	张樨樨, 曹正旭, 徐士元. 长江经济带工业绿色全要素生产率动态演变及影响机理研究. 中国地质大学学报(社会科学版), 2021, 21(05): 137-148.
	ZHANG X, CAO Z, XU S. Research on the dynamic evolution and influence mechanism of industrial green total factor productivity in the Yangtze River Economic Belt. Journal of China University of Geosciences (Social Sciences Edition), 2021, 21(05): 137-148.
[22]	邹静,王强,鄢慧丽,等.数字经济如何影响绿色全要素生产率?——来自中国地级市的证据.软科学,2024,38(03):44-52.
	ZOU J, WANG Q, YAN H, et al. How does the Digital Economy affect green total factor productivity? Evidence from prefecture-level cities in China. Soft Science, 2024, 38(03): 44-52.
[23]	黄和平,周桂明.产业数字化对绿色全要素生产率的影响机制研究——兼议环境规制的门槛效应.中国环境科学,2025,45(03):1713-1730.
	HUANG H, ZHOU G. Research on the impact mechanism of industrial digitization on green total factor productivity: Also discussing the threshold effect of environmental regulation. China Environmental Science,2025,45(03):1713-1730.
[24]	李晓阳, 代柳阳, 牟士群, 等. 生产性服务业集聚与制造业绿色转型升级——信息通信技术的调节作用. 西南大学学报(社会科学版), 2022, 48(01): 83-96.
	LI X, DAI L, MOU S, et al. Agglomeration of producer services and green transformation and upgrading of manufacturing: The moderating role of information and communication technology. Journal of Southwest University (Social Sciences Edition), 2022, 48(01): 83-96.
[25]	雷玉桃, 张淑雯, 孙菁靖. 环境规制对制造业绿色转型的影响机制及实证研究. 科技进步与对策, 2020, 37(23): 63-70.
	LEI Y, ZHANG S, SUN J. The impact mechanism and empirical study of environmental regulation on the green transformation of manufacturing. Science and Technology Progress and Policy, 2020, 37(23): 63-70.
[26]	王凯,郭鑫,叶俊,等.中国旅游业高质量发展的时空特征及影响因素.世界地理研究,2023,32(12):104-117.
	WANG K, GUO X, YE J, et al.Spatio-temporal characteristics and influencing factors of high-quality development of tourism in China. World Regional Studies,2023,32(12):104-117.
[27]	李小青, 何玮萱, 李子彪, 等. 制造企业数字化创新能力影响因素识别及评价. 科技管理研究, 2022, 42(16):1-10.
	LI X, HE W, LI Z, et al. Identification and evaluation of factors influencing digital innovation capability of manufacturing enterprises. Science and Technology Management Research, 2022, 42(16): 1-10.
[28]	辛泊达, 吕连宏, 王培, 等. 基于随机森林模型的臭氧浓度时空变化特征及关键影响因子识别:以滁州市为例. 环境科学, 2024, 45(9): 5117-5126.
	XIN B, LV L, WANG P, et al. Temporal and spatial characteristics of ozone concentration and identification of key influencing factors based on Random Forest Model: A case study of Chuzhou City. Environmental Science, 2024, 45(9): 5117-5126.
[29]	赵霄伟.环境规制、环境规制竞争与地区工业经济增长:基于空间Durbin面板模型的实证研究.国际贸易问题, 2014(7):82-92.
	ZHAO X. Environmental regulation, environmental regulation competition, and regional industrial economic growth: An empirical study based on the Spatial Durbin Panel Model.Journal of International Trade Issues,2014(7):82-92.
[30]	余文梦,张婷婷,沈大军.基于随机森林模型的我国县域碳排放强度格局与影响因素演进分析.中国环境科学,2022,42(6):2788-2798.
	YU W, ZHANG T, SHEN D. Evolutionary analysis of county-level carbon emission intensity patterns and influencing factors in China based on a Random Forest Model.China Environmental Science,2022,42(6): 2788-2798.
[31]	张新生,魏志臻,陈章政,等.基于LASSO-GWO-KELM的工业碳排放预测方法研究.环境工程,2023,41(10):141-149.
	ZHANG X, WEI Z, CHEN Z, et al. Industrial carbon emission prediction method based on LASSO-GWO-KELM . Environmental Engineering, 2023, 41(10): 141-149.
[32]	刘颖,王诗.考虑环境非期望产出的工业行业绿色全要素生产率异质性与提升选择偏好.中国环境科学,2023,43(11):6183-6193.
	LIU Y, WANG S. Heterogeneity and preference for improvement in green total factor productivity of industrial sectors considering undesirable environmental outputs.China Environmental Science,2023,43(11):6183-6193.
[33]	周风,文春晖.提升还是抑制:环境规制如何影响农业绿色全要素生产率.中国农业资源与区划[2024-12-17].
	ZHOU F, WEN C. Enhancement or suppression: How does environmental regulation affect agricultural green total factor productivity. Chinese Journal of Agricultural Resources and Regional Planning[2024-12-17].
[34]	周丙洋,邱士雷,王子龙,等.环境规制能否有效促进工业经济绿色增长?.系统工程,2025,43(04):49-66.
	ZHOU B, QIU S, WANG Z, et al. Can environmental regulation effectively promote green growth in the industrial economy?. Systems Engineering,2025,43(04):49-66.