二　文献综述

Chung等（1997）在测度瑞典纸浆厂全要素生产率时引入了方向性距离函数，并创造性地提出了Malmquist- Luenberger生产率指数（以下简称ML指数），该指数将期望产出（或称“好”产出）增加，同时非期望产出（或称“坏”产出）减少的生产过程纳入全要素生产率分析框架，较之仅包含期望产出的传统Malmquist指数，更加贴近现实。近年来，国内外学者主要将方向性距离函数及ML指数应用于环境规制约束下技术效率与全要素生产率研究[3]，将各种污染物作为非期望产出，拟合环境因素在生产过程中的制约作用。现有研究大致可以分为两类：一类研究不同国家或地区环境规制下效率与全要素生产率增长，如Lindmark等（2003）、Jeon和Sickles（2004）、Yörük和Zaim （2005）、Kumar（2006）、Zhang等（2011）、王兵等（2008，2010）、王兵和王丽（2010）、叶祥松和彭良燕（2011）等；另一类研究各行业环境效率与全要素生产率变动，如Färe等（2001a）、Weber和Domazlicky（2001）、Domazlicky和Weber（2004）、Managi和Jena（2008）、Yu等（2008）、Krautzberger 和Wetzel（2012）、He等（2013）、陈诗一（2010）、李小胜和安庆贤（2012）、李斌等（2013）。然而，除环境规制领域外，其他领域运用ML生产率指数的文献并不多见。Arocena和García- Prado（2007）、Wu等（2013）把再入院次数（number of readmissions）作为非期望产出[4]处理，将ML指数运用于受治疗质量约束的医院全要素生产率研究。柯孔林和冯宗宪（2008）、Banker等（2010）、王兵和朱宁（2011）将不良贷款作为非期望产出，研究了不良贷款约束下商业银行的全要素生产率变化。

在对环境效率及全要素生产率进行研究的同时，不少学者开始关注环境规制成本问题。Domazlicky和Weber（2004）通过方向性距离函数构造一个衡量规制所导致的期望产出损失指数，并对美国化学产业规制成本进行了测度；Färe等（2007）考虑无环境规制和有环境规制下方向性距离函数的差异，并利用美国92家发电厂数据估算了环境规制成本。国内研究方面，王兵和王丽（2010）、叶祥松和彭良燕（2011）借鉴Domazlicky和Weber（2004）的方法，测算了中国各地区环境规制成本；陈诗一（2010）、李小胜和安庆贤（2012）利用Färe等（2007）定义的环境规制成本，对中国各行业的规制成本进行了估算。

目前，研究煤炭行业技术效率与全要素生产率的文献极为缺乏，仅有的研究如Kulshreshtha和Parikh（2002）、赵梦楠和周德群（2007）使用传统的Malmquist指数对只包含期望产出的煤炭行业全要素生产率进行了测度与分析，忽略了煤炭生产过程中产生的具有负外部性的非期望产出，如煤矿安全事故及死亡人数。由于提高安全水平需要成本，安全规制必然导致煤炭行业将原本用于煤炭生产的部分资源转为安全投入，从而对生产率产生影响。因此忽略非期望产出，容易造成生产率分析偏误。赵萌（2011）基于1998—2009年30家大型煤炭公司数据，利用ML指数试图刻画中国煤炭企业全要素生产率状况并进行影响因素分析。其选择的研究对象为2009年产量居前30名的煤炭企业，年产量均超过1500万吨，但中国煤炭企业中占绝大多数是年产量低于15万吨的小型企业，这些企业无论生产条件还是安全水平都无法与前者相提并论[5]，因此，研究对象的特殊性导致其分析结果具有一定的局限性，无法全面反映中国煤炭行业生产率状况。除此之外，对于煤矿安全规制成本的测算，目前研究尚处于空白状态。

本文试图从三个方面对现有文献进行扩展：（1）将安全规制约束纳入煤炭行业技术效率与全要素生产率分析框架，利用产出导向的方向性距离函数和ML生产率指数分别测算出安全规制下煤炭行业技术效率及全要素生产率变化，并将后者进一步分解为效率变化和技术变化。（2）借鉴Färe等（2007）的方法，利用方向性距离函数对安全规制成本进行估算。（3）为解决数据包络方法测算的生产率所具有的序列相关性问题，以及捕捉影响因素可能具有的动态特征，使用动态面板系统GMM估计方法对影响煤炭行业全要素生产率的因素进行实证分析。