本文是一篇企业管理论文，笔者结合本文的研究内容以及分析成果，希望以后从以下几个方面做更深入的探究：首先，将省际层面的宏观数据推展至更为细致的市际单元研究，针对地市微观层面的 GTFP，比较不同城市群的差异，为各省或不同城市群的环境全要素生产率改善提供更具针对性的论证依据，同时对相关控制变量进行扩展与创新。其次，由于衡量创新投入和 ICT 能力的指标数据不够全面，若未来相关数据能够得到丰富和完善，可对不同性质的创新投入进行划分，同时构建更为完善的 ICT 能力评价体系，从而可以更为细致的探究两者对 GTFP 的具体影响。最后，由于不同空间尺度的区域单元和研究需要，可以选择检验在不同空间权重矩阵下环境全要素生产率的估计差异，为今后环境全要素生产率研究的空间矩阵选择提供经验参考。
第一章 绪论
1.1研究背景与意义
中国 GDP 增速在过去 40 年间保持了稳定高速增长，成为“亚洲之光”，但这种过度依靠增加劳动、资本、自然资源投入的粗犷式经济发展模式导致环境问题逐年累积并恶化，经济増长速度和质量日益受到资源与环境的严重反束。
1.1.1 研究背景
根据中华人民共和国生态环境部发布的《2017 中国生态环境状况公报》，全国 388 个地级市中，空气质量符合标准的只有 99 个，所占比例仅为 29.3%，239 个城市超出空气质量标准，比例为 70.7%[1]。如图 1.1 所示，388 个城市空气质量平均为优的比例为 25.6%，相比于2016 年下降 0.8%，较重污染天数占比为 6.5%，空气质量方面虽整体有所改善但仍时有反弹，2017 年 74 个城市的主要空气污染指标中， NO2较 2016 年有所下降，但臭氧问题日益凸显；2016 年全国二氧化碳平均浓度为 404.4ppm，较常年偏高 12.69ppm，相比全球平均水平高出1.1ppm（如图 1.2、图 1.3 所示）。并且，据生态环境部环境规划院近期发布的《中国经济生态生产总值核算发展报告 2018》，我国生态破坏成本和污染损失成本到达了 2.63 万亿元，同时 2018 年 GDP 增速约为 6.6%，比 2017 年增速跌落了 0.3%[2]。在我国经济增速逐步放缓、能源环境压力持续增大的瓶颈期，如何转变经济增长动能实现高质量发展，推动要素驱动转向创新驱动，提升环境全要素生产率成为重要选项。党的十八大打响了网络强国战略的第一枪，党的十九大吹响了加快建设创新型国家的集结号。创新作为首要引领力，成为建设高质量经济体系的发展引擎，同时由于信息化和网络化的不断渗透，万物互联纪元的到来，新一代信息和通信技术（ICT）的出现，ICT 成为催生新的产业形态和融合升级传统产业的关键。在以创新驱动发展和数字中国建设的机遇期，从区域创新投入和 ICT 能力视角出发，研究两者能否能发挥乘数效应是提升环境全要素生产率，兼顾 “金山银山”与“绿水青山”的现实需求。
...........................
1.2研究内容与方法
本文主要进行三项研究，一是测度我国省际环境全要素生产率水平。为了更加真实有效的体现环境污染情况，本文以二氧化硫（ 2）和化学需氧量（COD）替代传统非期望产出指标，运用基于松弛变量的非径向、非角度的 SBM 方向性距离函数（SBM—DDF）模型和Global Malmquist-Luenberger(GML)指数相结合的方法，测算出省际环境全要素生产率，并考察技术进步和技术效率两分解项对于不同地区的贡献率。二是运用探索性空间数据分析技术和趋势面分析，探究我国省际环境全要素生产率的空间分布格局和总体分异趋势。三是通过搭建空间面板计量模型研究创新投入、ICT 能力对于环境全要素生产率的影响，为提升我国环境全要素生产率水平提供合理的路径思考和政策建议。
1.2.1 研究内容
具体研究内容主要分为以下几个部分：
第一章，绪论。主要介绍中国省际环境全要素生产率的研究背景、研究目的与研究意义，同时概括和梳理本文的研究内容及研究框架。
第二章，相关文献述评。首先回顾要素生产率理论的研究发展阶段，对环境全要素生产率的内涵进行界定，梳理基于不同测度方法和指标的研究现状。然后，总结过往学者对于环境全要素生产率空间效应和影响因素的相关研究，分析创新投入、ICT 能力对于环境全要素生产率的影响机制。
第三章，环境全要素生产率的测度分析。通过搭建环境全要素生产率投入产出评价体系，基于 SBM—DDF 模型和 GML 指数，通过 MATLAB R2018a 测算出我国省际环境全要素生产率水平和区域差异，并分析分解项对于不同地区环境全要素生产率的贡献率。
第四章,环境全要素生产率的时空分布格局及空间相关性检验。首先通过空间分位图对我国省际 GTFP 的时空演变格局进行分析与阐述，其次对趋势面法、空间异质与空间依赖以及两种主要的空间自相关检验方法进行介绍，最后利用 ArcGIS 和 GeoDa 软件对省际 GTFP 展开趋势面分析、并检验其空间自相关性。
第五章，环境全要素生产率的空间计量分析。首先搭建空间面板模型和空间权重矩阵，其次说明变量的选择依据和样本数据的处理方式，最后建立空间面板模型检验创新投入、ICT能力对我国环境全要素生产率的具体影响。并进一步探究对环境全要素生产率的主要影响机制。
.........................
第二章 相关文献述评
2.1要素生产率理论
古典经济理论认为经济增长源于资本积累和收入储蓄，随着边际报酬递减规律的提出，经济学界意识到相比于要素投入，长期内的经济增长更取决于生产率的提高。随着经济理论的逐步发展，生产力和经济水平的不断提高，生产率理论也大致经历了单因素、全要素和环境全要素三个阶段。
2.1.1 单因素生产率
早期的西方生产率理论的内容主要为物质财富增长和个体间的分工协作，以实现使用价值为主线。当时的生产率理论主要关注工农业等生产领域，亚当·斯密认为分工带来的劳动生产率提升和资本利用率的提高是社会财富增长的两大途径。以价值论角度出发，在社会生产中，劳动伴随收入，资本获取利益，土地偿得地租，某种要素的生产率即为投入对产出的效率。由此衍生出的单因素生产率（Single Factor Productivity, SFP）是指产出与单个投入因素的比率，如劳动生产率、资本生产率等。SFP 主要用于衡量某一特定要素的单位产出能力，由于指标处理较为简便，因此在早期成为评价要素使用效率的主要手段。然而，在实际生产中投入要素并不唯一，Mark（1986）认为通过增加一个要素的投入并减少另一要素投入，可以保持产出不变，这种替代现象会使生产率的估算产生误差[5]。并且投入要素的种类和结构都会对生产率产生影响，随着技术创新等因素对经济増长的贡献度越来越高，单因素生产率并不能较为真实地反映生产率水平[6]。
2.1.2 全要素生产率
丁伯格于 1942 年首次提出全要素生产率的(Total Factor Productivity,TFP)的概念，他将代表生产效率的时间趋势加进生产函数模型，以资本、劳动和时间形成投入产出函数，并将投资和生产率视为推动经济增长的源动力，但其定义的 TFP 不含括创新、教育等无形因素，只包括资本、劳动等有形因素。1957 年索洛从新古典增长理论的角度出发，在市场出清的前提条件下将储蓄率设为外生给定值，探索长期状况下经济增长的影响因素。他认为经济增长主要源于两部分：一是劳动、资本等投入增加所引起的经济增长，二是除这部分要素投入外的其余要素所带来的经济增长，索洛将这些要素定义为“技术进步”，也即“索洛残差值”，并提出了规模报酬不变和希克斯中性技术假设下的生产增长率方程[7]。TFP 的概念正是来具体量化扣除资本和劳动等要素投入外技术进步对于生产率提高的贡献值，它将不同技术进步形态所带来的资源利用率改善程度以数据形式实现表征，从而实现对经济增长效率的宏观概括[8]。正是由于 TFP 的提出，不同国家间的生产效率比较才成为可能，而不是单单去比较劳动与资本生产率。一般来说，TFP 可从技术效率改进和技术进步两个方面进行考量，前者用以反映一种实际生产向生产前沿面移动的“追赶效应”，后者反映随着时间递进所产生的技术进步，即生产可能性边界的“外移效应”。
.............................
2.2环境全要素生产率的测算
目前现有研究对于环境全要素生产率的测度并没有统一的方法，主要的测算方法有增长核算法、前沿函数法、数据包络分析法。
2.2.1 基于不同测度方法
（1）增长核算法
Cobb 和 Douglas（1982）在研究投入与产出关系时，通过引入综合技术水平，创造出了最为广泛应用的经济学模型—Cobb-Douglas 生产函数，该函数成为研究预测和量化经济增长与生产率之间关系的奠基方法[11]；Tinbergen（1942）在此基础上引入时间趋势项，衡量技术效率变化，实现了跨时期的生产率比较[12]；Solow 在研究 1909-1949 年美国技术变革与总生产函数的关系时，开创性的将技术进步考虑进生产函数，Solow 在完全竞争、规模报酬不变的条件下，假设技术进步为外生因素，并确定其为产出增长的一部分，而不是由劳动资本等生产要素的累积所解释，由此得出的 Solow 残差即为全要素生产率（TFP），用以评估技术进步的影响[13]；Burda（2008）在此基础上探讨发现由于初始条件不确定时所产生的资本计量误差会影响 TFP 计算的精度，通过引入 ICT 资本、购置成本、研发成本等多资本投入环境类型。扩展了 TFP 测量的使用范围[14]；Donghyun 等人（2014
