基于DEA方法的我國大氣污染治理效率評價

王 奇,李明全 (北京大學環境科學與工程學院,北京 100871)

末端治理是減少污染排放、改善環境質量的重要途徑.以大氣污染物控制為例,最近幾年為了完成二氧化硫的減排目標,各地采取了大量的工程措施以加強污染治理.據統計“十一五”期間我國建成的二氧化硫脫硫機組是“十一五”初期的10倍,大氣污染治理工程對污染減排目標的完成發揮了重要作用,以 2009年為例,通過采取污染治理措施形成的二氧化硫新增減排量超過 170萬 t,高于其他污染減排措施的減排量(2009年《中國環境狀況公報》).雖然從全國層面上,規模不斷擴大的污染治理工程建設有效地降低了大氣污染物排放,但是由于地區間在污染治理設施建設投入、設施運行與管理等方面存在的差異,各地的環境污染治理效率存在較大差異,對各地的污染治理效率進行定量評價,可以為進一步提高污染治理績效提供科學依據.

環境污染治理效率,即環境污染治理中投入產出的效率,是表征環境污染治理過程中要素投入對污染去除作用的指標,反映了污染治理要素投入產出績效.關于環境污染治理效率,部分學者運用單要素投入與產出方法進行評價研究.王麗婭等[1]通過對比污染處理投資增長率與污染物處理量增長率來分析環保投資的效率,并發現污染處理投資增長超過污染物處理量增長;頡茂華[2]、吳淑麗等[3]分別用單位環保投資的污染物去除量表征環保投資的效率,分析認為我國環境污染治理效率低下.這類研究通常選用污染治理的資金投入和單個要素污染物處理量分別作為環境污染治理的投入和產出指標,而忽略了污染治理投入中的其他要素的共同作用以及可能帶來的其他污染物去除效果,因而難以較全面反映污染治理的整體效率.

由于單要素指標評價方法在環境污染治理效率評價方面存在的局限性,已有部分國內外學者運用可以評價多投入多產出的主體相對效率的數據包絡分析(DEA)方法展開研究.Larsson等[4]利用DEA方法計算了挪威不同生產企業污染控制的效率;Chen等[5]利用 DEA方法對比了臺灣19個大型市政垃圾焚化爐的污染處理效率.也有部分學者應用DEA模型對我國環境污染治理效率的評價開展了研究.其中,褚俊英等[6]應用DEA方法對我國81個污水處理廠的污染治理效率進行了比較研究,Shi等[7]通過DEA方法計算了我國各省份SO2的治理效率,Xiong[8]對我國各省份工業污染的治理效率進行了研究,劉立秋[9]、顏偉等[10]、楊春梅[11]、王寶順等[12]分別評價了所考察年份我國各省份環保投入的效率,劉紀山[13]對我國中部 6個省份的環境污染治理效率進行了研究.

整體而言,雖然現有研究對我國環境污染治理效率評價進行了較多探索,但在污染治理產出指標選擇方面,現有研究大多將大氣與水體污染治理等相關指標統一作為 DEA模型輸出指標,由于大氣污染物、水污染物治理的特點差別較大,導致綜合計算環境污染治理效率一定程度上會掩蓋各省在不同污染治理領域存在的差異,而且難以有針對性地評價大氣或者水污染治理效率狀況.另外,在污染治理投入指標選擇方面,現有研究多選擇當年的污染治理投入(例如當年的環境污染治理投資)作為 DEA模型輸入指標,大部分都忽視了前期投入且本期仍在發揮重要作用的污染治理設施,所以現有研究較難反映真實污染治理效率水平.此外,在方法應用方面,現有研究多采用傳統的投入或產出導向DEA模型,研究結果出現了多個省份同時相對有效而難以進一步辨識污染治理效率相對高低,導致其對分析與指導解決問題的意義不足.本文以大氣污染治理為例,在合理選取有關投入產出指標的基礎上,應用超效率DEA評價模型,分析我國2004~2009年各省份的大氣污染治理效率.

1 模型方法與指標選取

1.1 超效率DEA模型構建

當前,評價污染治理效率的方法主要包括簡單的比率分析方法、DEA方法等[14].由于大氣污染治理是一類多投入和多產出的污染控制活動,且其投入產出關系較難進行函數界定,因此選擇可以評價多投入和多產出活動的DEA方法更為切合研究主題.

DEA方法是評價具有相同投入-產出結構的多個主體活動的相對有效性的一種非參數方法,自1978年Charnes等[15]提出第1個DEA模型(C2R模型)以來,陸續發展了許多不同類型的DEA模型[16].這些DEA模型的基本思想是由已知的一組投入-產出主體利用線性規劃模型確定其生產前沿面,通過判斷各個主體與生產前沿面的相對距離評價各個主體的相對效率.為了應對傳統DEA模型評價相對效率時可能出現的多個主體同時相對有效的情況,1993年Andersen等[17]提出了超效率DEA模型,使有效主體之間能進一步比較效率高低.超效率DEA模型的基本思想是由不包括被評價主體的其他所有主體利用線性規劃模型確定生產前沿面,并通過判斷被評價主體與該生產前沿面的相對距離評價其相對效率.當被評價主體是無效主體時,由于其并不會影響到生產前沿面,所以超效率模型與傳統效率模型計算結果一致;但是當被評價主體是有效主體時,由于該主體的扣除會影響到生產前沿面,所以超效率模型計算的效率值可能大于 1.根據超效率DEA模型計算的有效主體相對效率,實質上反映了由于該有效主體的存在導致生產前沿面相對其不存在時生產前沿面的提升程度.為了應對大氣污染治理效率評價中可能出現的多個有效主體的情況,此處選擇超效率DEA模型進行分析.

為了克服傳統產出導向超效率模型可能出現無解的問題,本文采用通過引入阿基米德無窮小量來構建調整的產出導向超效率模型的方法來獲得可行解[18].調整的產出導向超效率模型相對傳統模型具有如下特征:當傳統的產出導向超效率模型有可行解時,調整的產出導向超效率模型評價值與其相同;而當傳統產出導向超效率模型無可行解時,調整的產出導向超效率模型仍然能夠獲得可行解.

考慮到污染治理過程中邊際成本遞增現象的存在,即隨著污染控制力度的增大,單位投入的污染治理量逐漸減少,計算過程中采用可變規模效益模型.

最后,對我國大氣污染治理效率的評價,本文采用基于產出導向的徑向可變規模效益的超效率DEA模型進行分析,假設在時期t有N個主體,每個主體都通過J種投入要素生產S種產出,相應的投入產出向量為(X,Y),那么模型的線性規劃形式為:

式中:n0為被評價決策單元;λ為權重系數;ε是非阿基米德無窮小量(此處取10-5).

1.2 指標選取與數據處理

運用DEA模型評價大氣污染治理效率,關鍵在于選取合適的投入和產出指標,以準確地反映大氣污染治理特征.大氣污染治理過程中,主要投入包括大氣污染治理設施的投入、大氣污染治理設施運行中的人力物力投入等兩方面,分別反映了大氣污染治理中固定資產投入和流動要素投入情況;同時,污染治理的效果直接表現為大氣污染物的去除量.考慮到數據的可獲得性,選擇廢氣治理設施數作為大氣污染治理固定資產投入的表征指標,該指標間接反映了歷年大氣污染治理投資在當年發揮作用的固定資產存量;選擇廢氣處理運行費用作為大氣污染治理流動要素投入的表征指標,該指標綜合反映了當年用于大氣污染治理的人力、能源等各種生產要素投入;選擇工業二氧化硫去除量、工業煙塵去除量、工業粉塵去除量作為大氣污染治理產出的表征指標.由于西藏、青海某些指標數據的缺失,故選取我國2004~2009年除西藏和青海外的29個省份的相關指標數據進行分析.數據來自2005~2010年《中國環境統計年鑒》和《中國統計年鑒》.

2 我國大氣污染治理效率及結果分析

2.1 計算結果

基于構建的超效率DEA模型,對我國29個省份 2004~2009年的大氣污染治理效率進行評價.使用MaxDEA軟件進行計算,結果見表1.

2.2 結果分析

從時間維度來看,2004~2009年間我國各省份大氣污染治理效率變動不大.江西、內蒙古等省份大氣污染治理效率一直較高,而北京、天津等省份大氣污染治理效率一直較低,廣東、寧夏等少數省份的大氣污染治理效率呈現出一定程度的波動.

從省際維度來看,江西、內蒙古、吉林、山東以及甘肅等省份大氣污染治理效率相對較高,而上海、重慶、福建、北京、天津、四川以及新疆等省份大氣污染治理效率相對較低.其中,江西大氣污染治理效率在所有省份中一直處于前 3名,內蒙古、吉林等省份大氣污染治理效率也一直處于全國前列,該結果可能是由這些省份大氣污染治理相對比較容易以及大氣污染治理投入適度等多方面因素綜合作用引起的.而天津的大氣污染治理效率在所有省份中一直處于24名以后,北京、新疆等省份的大氣污染治理效率也相對落后.北京、天津等省份污染治理效率低可能與這些省份產業結構的環境污染特征以及大氣污染治理相對較難有關,雖然投入大量資金與設備,但是污染去除的潛力逐漸變小;新疆等省份經濟水平相對落后,環保設備技術低等可能是導致污染治理效率低的主要原因.

從區域維度來看,我國中部地區大氣污染治理效率高于東部和西部地區.2004~2009年間,東部地區 11個省份相對效率的排名平均值在16~18間波動,中部地區 8個省份相對效率的排名平均值在9~12間波動,而西部地區10個省份相對效率的排名平均值在16~18間波動.結合各地區的具體特點分析該結果的可能原因是,東部地區產業發展相對清潔且環境管制相對較為嚴格,相對來說污染的處理需要投入較多的資金和設備,與其他地區比較資金設備投入的利用效率相對較低;中部地區經濟發展水平中等,相比東部地區而言產業發展相對粗放導致污染產生量較大,污染控制相對容易且投入的污染治理資金和設備相對適度,因此大氣污染治理效率相對較高;而西部地區大氣污染治理效率相對較低的原因,則可能是西部地區經濟相對落后,污染治理的資金和設備投入嚴重不足以及污染治理的技術水平相對較低.

表1 2004~2009年各省大氣污染治理超效率值Table 1 Super-efficiency value of different provinces from 2004 to 2009

計算結果表明,從治理效率角度來看,污染治理投入不足的地區需要加大污染治理資金與設備的投入,進而提高大氣污染治理效率;但是,僅僅依靠大量污染治理資金與設備的投入是不夠的,還需要同步提高大氣污染治理的技術水平以及增強大氣污染治理的管理水平,否則會造成污染治理投入相對過剩進而導致投入要素利用效率低下的后果.

3 結語

現階段,大量建設污染治理工程已經成為實現污染減排目標的重要手段,需要科學有效地評價各個地區大氣污染投資的使用效率.通過分析大氣污染治理的投入-產出特征,利用超效率DEA模型對我國2004~2009年間大氣污染治理效率進行分析,結果表明研究期內我國大氣污染治理效率的省際格局變動不大,整體來說中部地區大氣污染治理效率高于東部和西部地區.為進一步提高大氣污染治理績效,不同地區應該采取不同的污染治理投入策略:東部地區應更加注重提高大氣污染控制技術和管理水平而非繼續加大資金與設備的投入,而中西部地區則應同時加大污染治理的投入水平與污染控制的技術水平.

[1] 王麗婭,張 彥.中國與歐盟部分國家環保投資的比較與經驗借鑒 [J]. 海南金融, 2011,(01):43-62.

[2] 頡茂華,劉向偉,白牡丹. 環保投資效率實證與政策建議 [J].中國人口·資源與環境, 2010,(04):100-105.

[3] 吳淑麗,昌先宇,譚竿榮.中國環保投資廢氣治理效率差異及其影響因素研究——基于 29省市面板數據的分析 [J]. 統計教育, 2010,(05):16-23.

[4] Larsson J, Telle K. Consequences of the IPPC's BAT requirements for emissions and abatement costs: A DEA analysis on Norwegian data [J]. Environmental and Resource Economics, 2008,41:563-578.

[5] Chen H W, Chang N B, Chen J C. Environmental performance evaluation of large-scale municipal solid waste incinerators using data envelopment analysis [J]. Waste Management, 2010,30(7): 1371-1381.

[6] 褚俊英,陳吉寧,鄒 驥,等.中國城市污水處理廠資源配置效率的比較 [J]. 中國環境科學, 2004,24(2):242-246.

[7] Shi L, Xing L, Lu G. Evaluation of rational sulphur dioxide abatement in China [J]. International Journal of Environment and Pollution, 2008,35:42-57.

[8] Xiong G Q. The entropy DEA model and empirical analysis for measuring efficiency of industrial pollution control [C]. 2008 4th International Conference on Wireless Communications, Networking and Mobile Computing, 2008:12744-12747.

[9] 劉立秋,劉 璐.區域環保投資DEA相對有效性分析 [J]. 天津大學學報(社會科學版), 2000,(01):61-64.

[10] 顏 偉,唐德善.基于 DEA模型的中國環保投入相對效率評價研究 [J]. 生產力研究, 2007(04):21-22.

[11] 楊春梅.基于DEA的環保投入效率研究 [D]. 暨南大學, 2007.

[12] 王寶順,劉京煥.中國地方城市環境治理財政支出效率評估研究[J]. 城市發展研究, 2011,(04):71-76.

[13] 劉紀山.基于 DEA模型的中部六省環境治理效率評價 [J]. 生產力研究, 2009,(17):93-94.

[14] 王俊能,許振成,胡習邦,等.基于DEA理論的中國區域環境效率分析 [J]. 中國環境科學, 2010,30(4):565-570.

[15] Charnes A, Cooper W W, Rhodes E. Measuring the efficiency of decision making units [J]. European Journal of Operational Research, 1978, 2(6):429-444.

[16] 魏權齡.評價相對有效性的 DEA方法 [M]. 北京:中國人民大學出版社, 1988.

[17] Andersen P, Petersen N. A procedure for ranking efficient unit in data envelopment analysis [J]. Management Science, 1993,39(10): 1261-1265.

[18] Cheng G, Qian Z H, Zervopoulos P. Overcoming the infeasibility of super-efficiency DEA model: a model with generalized orientation [J/OL]. http://mpra.ub.uni-muenchen. de/31991/ [2011-7-03].