中國地區工業水污染治理效率研究
——基于三階段DEA方法

石風光

（安陽師范學院經濟學院，河南安陽455000）

中國地區工業水污染治理效率研究
——基于三階段DEA方法

石風光

（安陽師范學院經濟學院，河南安陽455000）

文章運用三階段DEA模型對中國地區2012年的工業水污染治理效率進行測評，研究發現，不排除環境變量和隨機因素的干擾會導致中國省區工業水污染治理效率的高估，而剔除環境和隨機因素后發現，中國省區工業水污染治理效率偏低，只有0.682，規模無效率是阻礙工業水污染治理效率提升的關鍵因素。研究還發現，東部地區工業水污染治理效率較高，而中西部則較低，這主要由三大地帶間的規模效率差異所致。將中國省區工業水污染治理效率按照純技術效率和規模效率分類后發現，中國沒有“低高型”省區，多數省區是“雙低型”或“高低型”。

三階段DEA模型；工業水污染；治理效率；規模無效率

一、引言

改革開放以來，我國經濟發展取得了舉世矚目的成就，但所采取的發展方式依然是粗放型的，經濟在實現快速發展的同時，伴隨著資源浪費和環境污染的日趨加重，這使我國面臨著巨大的資源環境壓力，嚴重地妨礙了經濟的可持續發展。工業水污染是環境污染的一個重要部分。近年來頻發的工業水污染事件對當地環境和居民身體健康造成了巨大危害，使當地發展遭受了巨大的經濟損失，工業廢水的有效治理關系到人民群眾的切身利益和中華民族的生存發展，已成為當今社會亟待解決的重大課題。

我國水污染治理領域的研究主要集中在兩方面，一是水污染治理技術的開發與應用，相關研究如許春蓮等（2013）［1］、天嬌和郭清海（2013）［2］、袁崢等（2010）［3］；二是水污染治理體制、機制及對策的研究，相關文獻有李勝和陳曉春（2011）［4］、周海煒和唐震（2007）［5］、高紅貴（2006）［6］等。而有關水污染治理效率的研究則基本上處于起步階段，國內僅有少數的學者對該問題進行了專門研究，褚俊英等（2004）［7］應用數據包絡分析（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，陳旭升、范德成（2009）［8］應用DEA模型分析了我國地區工業廢水的治理效率及變化趨勢。上述文獻為工業水污染治理效率的測評提供了很好的借鑒，但它們采用的均是傳統的DEA方法，沒有考慮到不同地區間在經濟發展水平、產業結構以及發展機遇方面存在的巨大差異，因而也就未能剔除外部環境因素以及各種隨機因素對水污染治理效率的影響，從而會使所求得的效率值產生偏誤，以致無法客觀地反映地區水污染治理的真實能力和效率。

三階段DEA模型是一種能夠有效排除外部因素影響和統計噪音的效率測評方法，其第一階段利用傳統DEA方法計算出初始效率，由于該初始效率不能反映出外部環境和統計噪音對決策單元效率的影響，因而還需要在第二階段繼續使用隨機前沿方法（SFA）將外部環境因素、管理無效率及各種隨機因素對第一階段效率變化的影響反映出來。具體做法是根據第二階段的計算結果來調整決策單元的投入，以排除外部環境和隨機因素的影響，使它們處于同質的環境下。在第三階段利用調整后的投入進行數據包絡分析即可得到效率的真實值［9-10］。

無論是水污染治理技術設備的開發與應用，還是體制和機制的完善（反映為治污決策和管理水平的提高，即純技術效率的提高），都無疑會對工業水污染的治理產生積極的作用，但是它們產生的效用有多大，效率有多高，還必須要有一個準確的評價，以找到水污染治理的不足之處，然后通過有的放矢，提高治污效果?？梢妼τ诠I水污染治理效率的準確評價具有非常重要的現實意義，有鑒于此，本文擬采用三階段DEA模型，在排除外部環境因素和隨機因素干擾的條件下，對中國地區2012年的工業水污染治理效率進行測算和分析。在此基礎上，提出相關對策建議，以期為政府部門及環保機構更有效地進行工業水污染的治理提供一些借鑒和參考。

二、方法與數據說明

（一）研究方法

三階段DEA模型是由Fried等（2002）［11］提出的效率評估方法，該方法的優點是能夠剔除外部環境因素和隨機誤差對效率的影響，從而能夠測算出決策單元的真實效率水平，其具體步驟為：

（1）第一階段：傳統的DEA模型。該階段采用投入導向下的BCC模型進行傳統DEA分析。假設有n個決策單元（DMU），每個決策單元（DMUj）都有m種輸入和s種輸出，其中xj=(x1j,x2j,…,xmj)T，yj=(y1j,y2j,…,ysj)T，xij＞0為第j個決策單元DMUj的第i種輸入類型的輸入量；yrj＞0表示DMUj的第r種輸出類型的輸出量（j=1,2,…,n;i=1,2,…,m;r=1,2,…,s)。x0=xj0,y0= yj0分別為決策單元DMUjo的輸入和輸出。對于選定的DMUjo，判斷其有效性的BCC模型可以表示為：

（2）第二階段：相似SFA模型。Fried等（2002）認為，傳統DEA模型無法識別第一階段出現的低效率是由管理因素造成的，還是由環境因素或隨機因素造成的。解決這一問題的辦法是，在第二階段通過構建相似SFA模型來剝離外部環境因素及隨機誤差的影響，得到完全由管理無效率造成的投入冗余值。以投入導向為例，設有I個決策單元，每個決策單元均有K種投入，則第i個決策單元的第k個投入松弛變量Ski的SFA回歸方程為：

其中zi=(z1i,z2i,…,zpi)為p個可觀測的環境變量，βk為環境變量待估參數向量，fk(zi,βk)為確定可能差額邊界，通常取fk(zi,βk)=ziβk。vki+uki為混合誤差項，其中vki為隨機誤差項，并且vki～N(0,σvk)，uki為管理無效率，并且兩者相互獨立。為技術無效率方差占總方差的比重。

為了得到決策單元的效率真實值，必須剔除各種外界因素和隨機因素的干擾，將各決策單元的投入置于同質環境下。為此，必須對投入數量作如下調整：

（3）第三階段：調整后的DEA模型。在第三階段運用調整后的投入數量代替原始的投入數量xki，再次利用DEA模型進行效率測算，即可以得到剔除了外部環境因素和隨機因素后的決策單元的真實技術效率值。

（二）變量及數據說明

（1）投入產出變量的選擇。要準確地衡量2012年中國地區工業水污染治理的效率就必須構建一個能夠全面、客觀反映水污染治理綜合效率的投入產出體系，根據研究需要并借鑒已有的相關文獻，本文進行了投入產出變量的選擇。其中投入變量為各地區工業廢水治理投資完成額、工業廢水治理設施數、工業廢水治理設施年度運行費用等。產出變量為工業廢水污染物去除量（包括氰化物、氨氮和COD）、工業廢水排放達標量、工業廢水排放達標率等。本文分析樣本為中國28個省區，由于西藏、青海和海南部分數據缺失，沒有將其列入研究范圍。本文還將中國28個省區劃分為東中西三大地帶，其中東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東和廣東等10省區，中部地區包括吉林、黑龍江、山西、安徽、河南、江西、湖北、湖南等8省區，西部地區包括內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、寧夏、新疆等10省區。

（2）環境變量的選取。考慮到工業水污染治理的特點，本文選取以下四個變量作為環境因素變量：①經濟發展水平，該變量用人均GDP來衡量。一般來說，隨著經濟發展水平的提高，人們對環保的要求也越來越高，同時經濟越發達的地區，其污染治理技術和管理水平也相應越高。②產業結構，用第三產業產值在GDP中所占比重表示。產業結構高級化意味著資源配置的合理化，從而環保投資的效率也會更高。③FDI比率，用外商直接投資與GDP的比值表示。FDI會促進地區經濟快速發展，同時也會對本地環境造成重大影響。④城市化率，即地區城鎮人口占總人口的比重。城市化率的提高意味著城市人口的快速增加，相應的物質消耗也會增加，這必然會帶來一定的環境問題。

以上相關數據來源于《中國環境年鑒2013》、《中國環境統計年鑒2013》和《中國統計年鑒2013》。

三、實證結果分析

（一）第一階段傳統DEA的實證結果分析

利用DEAP2.1軟件對我國地區2012年工業水污染治理效率及規模報酬狀況進行了測算，結果如表1所示。

表1 2012年中國地區工業水污染治理第一階段DEA效率值

由表1可以看到，在不考慮外在的環境變量及隨機因素干擾的情況下，2012年我國省區工業水污染治理綜合技術效率平均值為0.755，純技術效率均值為0.851，規模效率均值為0.886，即綜合技術效率主要來源于規模效率的改善，而代表決策與管理水平的純技術效率也是影響我國省區工業水污染治理綜合技術效率提升的關鍵因素。就三大地區來看，中部地區工業水污染治理綜合技術效率均值最高，為0.872，其純技術效率和規模效率分別為0.898和0.969。其次是東部地區，其綜合技術效率均值為0.722，純技術效率和規模效率分別為0.863和0.837。工業水污染治理效率均值最低的是西部地區，為0.695，其純技術效率和規模效率分別為0.800和0.869。就省區來看，山西、內蒙古、黑龍江、上海、浙江、安徽、河南、廣東、廣西、貴州和寧夏等11個省區2012年的工業水污染治理效率值為1，處于技術效率的前沿面，而其他各省區則在純技術效率或規模效率方面存在不同程度的可改進空間。就規模報酬狀況來看，僅有河北、江蘇、福建、山東等4個省區處于規模報酬遞減狀態，其他省區則處于規模報酬遞增或不變的狀態。表1中的結果包含了環境因素和隨機因素的干擾，并不能完全客觀地反映出各地區工業水污染治理效率的真實水平，因而還需要利用隨機前沿方法對相關數據作進一步的調整和測算。

（二）第二階段SFA回歸結果分析

將第一階段得出的各種投入變量的松弛變量取對數后作為被解釋變量，四種環境變量取對數后作為解釋變量，利用Frontier4.1軟件進行SFA回歸，結果如表2所示。

從表2數據可以看到，三種投入因素松弛變量SFA模型中的σ2和γ值均通過了至少5%的顯著性檢驗，這表明與隨機誤差相比，環境因素對工業水污染治理效率具有更重要的影響。由表2還可以看到，每個投入因素松弛回歸的似然比LR都通過了1%的顯著性檢驗，這表明混合誤差項中存在技術非效率，工業水污染治理的外部環境確實會對治理效率產生影響，因而必須應用SFA將各種環境因素和隨機因素對工業水污染治理效率的影響進行剝離，這樣才能客觀地反映各地區工業水污染治理效率的真實狀況。表2中當回歸系數為負時，表示提高環境變量值有利于減少投入松弛變量。反之，當回歸系數為正時，提高環境變量值則會增加投入松弛變量。下面將分別分析四種環境變量對三種投入松弛變量的影響。

（1）經濟發展水平。該變量對工業廢水治理投資額、工業廢水治理設施數以及工業廢水治理設施年度運行費用三種松弛變量的系數均為負值，并且至少通過了5%的顯著性檢驗。這說明各地區經濟發展水平的提高有利于減少工業廢水治理投資額、治理設施數以及其年度運行費用的冗余，從而有利于提高工業水污染治理的效率。這是因為在經濟高速發展的同時，伴隨而來的是環境污染的加重，這是很多國家在工業化進程中所面臨的共同問題，而在我國則尤為突出。正因為如此，國家越來越重視扶持發展各種節能環保產業，從而使越來越多的人加入這一行業，推動環保產業的快速發展和逐漸壯大，產生規模經濟和集聚效應，從而提高了污染治理資金和設施的配置效率。另外，隨著人們生活水平的提高，人們對自己生活的環境質量愈加關注，對保護環境治理污染的呼聲也越來越高。相對于當前嚴重的水污染和人們對高質量生活環境和條件的需求，現有的污水治理投入和治污設施數量是遠遠不能夠滿足需求的，從這個意義上來看，治理工業水污染的各種投入只能是不足，而不會產生冗余。

表2 第二階段SFA回歸結果

（2）產業結構。由表2可知，產業結構即第三產業在經濟總量中的比重對工業廢水治理投資額松弛變量和治理設施年度運行費用松弛變量均具有顯著的負向影響，而對工業污水治理設施數松弛變量則具有顯著的正向影響。這是因為產業結構的優化升級，意味著一個國家和地區經濟發展的重心向第三產業轉移，這會使得工業在整個經濟總量中的比重逐漸下降，即工業的規模相對第三產業有所萎縮，從而使得工業水污染日益加劇的狀況有所改善，政府相應地也不需要拿出過多的資金用于工業水污染的治理，以致也不會出現工業水污染治理投入的浪費。在產業結構升級之前，工業規模較大，環境污染嚴重，政府需要購買較多的設施來治理水污染。而產業結構升級之后，環境會有所改善，之前大量采購的污水治理設施就會被閑置浪費，顯得相對多余，與此同時，政府也會安排較少的資金用于工業水污染治理設施的運行，不會再出現冗余。

（3）FDI比率。FDI比率對工業廢水治理投資額松弛變量和治理設施數松弛變量的回歸系數均為負值，并都通過了1%的顯著性檢驗，而FDI比率對工業廢水治理設施年度運行費用松弛變量的回歸系數則為正值，并且也通過了1%的顯著性檢驗。上述回歸結果說明FDI的增加會減少廢水治理投資額和治理設施的冗余，但會造成工業廢水治理設施年度運行費用的剩余。對上述結果的解釋是，FDI增加會帶來更多的先進技術設備和管理經驗，從而使工業廢水治理投資資金和工業廢水治理設施能夠實現更合理的配置，從而提高治污投資和設備的使用效率，這樣同時也會節省廢水治理設施的運行成本，使預先安排的運行費用出現較多的節余。

（4）城市化率。由表2結果可以看到，城市化率對三種工業污水治理投入具有顯著的正向影響。這意味著城市化率的提高會導致工業廢水治理投資額、工業廢水治理設施數量以及治理設施年度運行費用等投入的冗余，從而不利于工業水污染治理效率的提高。城市化是推進區域經濟快速發展的必由之路，而工業化又是城市化的一個重要的經濟內容。我國城市化具有粗放型的特點，其中一個重要的表現就是“高投入、高消耗、高污染”企業的遍地開花。隨著粗放型城市化的發展，這些企業粗放性的發展方式導致了嚴重的環境污染和資源浪費，相應的工業污染治理資金和治理設施的利用效率也極其低下。

（三）第三階段投入調整后的DEA實證結果分析

依據公式（3）對工業水污染治理投入變量進行調整后，再次利用DEA方法進行中國地區工業水污染治理效率的測算，結果如表3所示。

通過對比表1和表3中的結果可以發現，在剔除環境因素和隨機因素的干擾后，中國省區工業水污染治理效率變化較大，平均技術效率由第一階段的0.755下降為第三階段的0.682，這說明不排除環境和隨機因素會高估中國省區工業水污染的治理效率，同時這也說明中國省區工業水污染的治理效率真實值偏低，效率值平均損失高達31.8%，水污染治理效率有較大的改善空間。由比較可知，中國省區工業水污染治理的純技術效率由0.851上升為0.942，而規模效率則由0.886下降為0.718，這說明中國省區工業水污染治理效率的高估主要是由規模效率的高估所致。

就三大地區來看，東部地區的技術效率由0.722上升為0.836，而中部和西部地區的技術效率則分別由0.872、0.695下降為0.541和0.630，這說明之前東部地區較低的技術效率是由其較為不利的外部環境或不好的運氣所致，而非其技術管理水平低，而中西部地區則恰好相反。由表3還可以看到，中西部地區技術效率相差不多，而東部地區則遠高于它們，這種差異主要由三大地區間規模效率的差異所致。表1中僅有東部地區的技術效率主要來自于純技術效率，而中西部地區的技術效率均來自其規模效率，而表3中三大地區的技術效率均主要來自其純技術效率。這說明我國地區工業水污染治理的規模效率總體偏低，水污染治理的投入和其他領域相比仍然過少，遠沒有達到最佳規模。

表3 2012年中國地區工業水污染治理第三階段DEA效率值

分省區來看，比較表1和表3可知，剔除環境和隨機因素的影響后，處于技術效率前沿的省區由11個下降為7個，其中上海、浙江、廣東和廣西4省區仍處于技術效率前沿面，說明這3個省區工業水污染治理效率確實較好。與第一階段相比，北京、江蘇和福建因規模效率的提高而晉升至效率前沿面，這說明3省區在剝離環境和隨機因素的同質環境條件下其工業水污染治理是高效的。山西、內蒙古、黑龍江、安徽、河南、貴州和寧夏等省區在第三階段退出了效率前沿，其中安徽的退出是由純技術效率和規模效率的雙重下降所致，寧夏的退出完全是由純技術效率的下降所致，而其余省區的退出則均由規模效率的下降所致。除上述地區外，與第一階段相比，第三階段技術效率上升的省區僅有天津、遼寧、山東、湖南、四川、云南、陜西和新疆8個省區，其中天津、新疆技術效率的提高是由純技術效率和規模效率的雙重上升所致，山東技術效率的提高是由規模效率的顯著提升所致，而其余省區技術效率的提高則主要來自于純技術效率的顯著上升。這說明這些地區的技術管理水平總體并不低，只是由于較差的外部環境和不好的運氣才導致了第一階段的低效率。除上述分析所提及的省區外，其余省區的工業水污染治理效率均在第三階段出現下降，這主要是由規模效率的顯著下降所致，這說明我國多數省區工業水污染沒有達到最優的治理規模，其第一階段的高效率與它們所處的有利環境和好運密切相關。

以0.9為效率值的臨界點，根據各省區純技術效率和規模效率值可以將我國省區工業水污染治理效率劃分為四種類型，如圖1所示（圖中不包括處于效率前沿面的7個省區）。第一種類型為“雙高型”，即純技術效率和規模效率值均高于0.9，這類地區包括處于效率前沿的7個省區及寧夏、山東、河南3省區，這些地區是我國工業水污染治理效率最高的區域，其水污染治理的管理水平與投入規模均處于國內領先水平，其治理效率的改進空間較小。第二種類型為純技術效率高于0.9而規模效率則低于0.9的“高低型”，這類地區包括新疆、黑龍江、江西、陜西、內蒙古、貴州、重慶、吉林、甘肅、河北和山西等11個省區，這些省區工業水污染治理效率的改進方向為提高治污的規模效率，其實現途徑是加大污水治理投入，實現治污資源的集中配置，擴大污水治理規模，實現規模經濟。第三種類型為純技術效率低于0.9而規模效率高于0.9的“低高型”，由圖1可知我國沒有省區處于這一區域。第四種類型為純技術效率和規模效率均低于0.9的“雙低型”，這類地區包括天津、遼寧、湖南、四川、湖北、云南及安徽7省區。這類省區工業水污染治理效率的提升空間較大，提升難度也較大，治理過程中在注重提高其經營管理水平的同時，還需要不斷擴大工業水污染治理的規模。

圖12012年中國部分省區工業水污染治理純技術效率（PTE）和規模效率（SE）分布

與表1相比，第三階段中國省區工業水污染治理的規模報酬狀況也出現了較大的變化。由表3可以看到，除處于效率前沿面的7個省區處于規模報酬不變的狀態外，其余省區均處于規模報酬遞增狀態，這說明我國省區工業水污染治理投入總體上來說還是不足的，增加對工業水污染治理的投入，不僅可以有效地提高水污染治理的綜合效率，而且還能帶來更大比例的水污染治理的回報。因此，進一步增加我國省區工業水污染治理的投入是當前一個重要的政策選擇。

四、結論與政策建議

本文運用三階段DEA方法對中國省區2012年的工業水污染治理效率進行了測算和分析，研究得出以下主要結論：

（1）經濟發展水平、產業結構、FDI、城市化率對中國地區工業水污染治理效率的提高具有重要影響，在剔除環境和隨機因素的影響后，中國省區的工業水污染治理效率總體有所下降，這主要是由規模效率的顯著下降所致。這說明不考慮環境變量和隨機因素的干擾會高估中國省區工業水污染的治理效率，而運用三階段DEA方法則會使相關運算結果更加合理精確。

（2）第三階段結果顯示，2012年中國省區工業水污染治理效率總體較低，僅為0.682，其中純技術效率平均為0.942，規模效率平均為0.718，并且多數省區處于規模報酬遞增狀態。因而，相比較而言，中國省區工業水污染治理的規模無效程度要高于純技術效率損失，規模無效率是妨礙中國省區工業水污染治理效率提升的主要因素。

（3）我國東部地區工業水污染治理效率較高，為0.836，而中西部地區的治理效率則相對較低，其數值均不超過0.7，這主要是由這些地區工業水污染治理的規模無效率所致。

（4）與第一階段相比，在第三階段處于效率前沿的省區有所減少，并且多數省區技術效率下降。以0.9為效率值臨界點，將中國省區工業水污染治理效率按照純技術效率和規模效率劃分為“雙高型”、“高低型”、“低高型”和“雙低型”四種類型后發現，我國沒有省區處于“低高型”區域，多數省區處于“雙低型”和“高低型”區域，這實際上也反映出我國省區工業水污染治理更缺乏規模效率。

根據上述結論，要提高我國工業水污染治理效率必須從以下幾個方面著手：

（1）增加工業水污染治理的投入，擴大工業水污染治理的規模，形成規模經濟效應。水污染防治需要巨額的資金投入，僅僅依靠政府是遠遠不夠的，必須充分調動全社會的積極性，依靠全社會的力量，多渠道地籌集資金。另外，我國中小企業是水污染的大戶，由于水污染治理對技術設備的要求高，專業性強，一般中小企業不具備這種能力，同時一些中小企業對水污染實行分散治理，這都會導致工業水污染治理效率的低下。因而各地區可以考慮建設統一的水污染治理機構或引進具有資質的大型治污企業，通過市場化運作，來為缺乏治污能力的中小企業提供專業化服務，以擴大工業污水的治理規模，提高治污的規模效率。

（2）通過引進國外先進技術設備，不斷地學習創新，以提升我國工業水污染治理的技術裝備水平。我國的工業水污染治理設備在產品質量、生產效率、標準化程度及配套方面與國外還有較大差距，因而需要不斷借鑒國外的先進污水處理技術，加大研發投入力度，培育創新體系，生產出具有自主知識產權的高效的污水處理技術和設備。

（3）建立健全我國跨區域工業水污染治理協調機制，創新水污染治理的體制機制和管理模式，提高水污染治理的管理水平。水污染問題成因復雜、涉及部門多、治理周期長，解決起來難度大，因而要提高治理效率必須堅持協同創新、統籌協調和綜合治理的方針，逐漸建立一種以政府為輔、市場為主、公眾廣泛參與的跨區域水污染治理協調機制，以提升工業水污染治理項目管理的科學化、規范化水平。

［1］許春蓮，張偉，宋乾武，等.水污染防治生物處理技術驗證評估指標研究［J］.中國工程科學，2013（3）：44-48.

［2］天嬌，郭清海.水鋁鈣石類陰離子黏土在水污染處理領域應用的研究現狀［J］.環境化學，2013（8）：1571-1579.

［3］袁崢，Grant Douglas，Laura Wending，等.鈦白粉廠廢酸渣的表征及在水污染治理中的應用［J］.武漢理工大學學報，2010（12）：70-74.

［4］李勝，陳曉春.基于府際博弈的跨行政區流域水污染治理困境分析［J］.中國人口·資源與環境，2011（12）：104-109.

［5］周海煒，唐震.我國區域跨界水污染治理探析［J］.科學對社會的影響，2007（1）：19-24.

［6］高紅貴.淮河流域水污染管制的制度分析［J］.中南財經政法大學學報，2006（4）：45-50.

［7］褚俊英，陳吉寧，鄒驥.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（2）：242-246.

［8］陳旭升，范德成.中國工業水污染狀況及其治理效率實證研究［J］.統計與信息論壇，2009（3）：30-35.

［9］白雪潔，宋瑩.環境規制、技術創新與中國火電行業的效率提升［J］.中國工業經濟，2009（8）：68-77.

［10］楊俊，陸宇嘉.基于三階段DEA的中國環境治理投入效率［J］.系統工程學報，2012（5）：699-710.

［11］Fried，Lovell，Schmidt，et al.Accounting for Environment Ef?fects and Statistical Noise in Data Envelopment Analysis［J］. Journal of Productivity Analysis，2002（17）：157-174.

［12］張悟移，陳天明，王鐵旦.基于DEA和Malmquist指數的中國區域環境治理效率研究［J］.華東經濟管理，2013（2）：172-176.

［13］胡宗義，魯耀純，劉春霞.我國城市基礎設施建設投融資績效評價——基于三階段DEA模型的實證分析［J］.華東經濟管理，2014（1）：85-91.

［14］劉志迎，張吉坤.高技術產業不同資本類型企業創新效率分析——基于三階段DEA模型［J］.研究與發展管理，2013（6）：45-52.

［15］李鵬，張俊飚.農業生產廢棄物循環利用績效測度的實證研究——基于三階段DEA模型的農戶基質化管理［J］.中國環境科學，2013（4）：754-761.

［責任編輯：余志虎］

A Study on Regional Treatment Efficiency of Industrial Water Pollution in China—Based on Three-stage DEA Method

SHI Feng-guang
（School of Economics，Anyang Normal University，Anyang 455000，China）

By using three-stage DEA model，the paper evaluates treatment efficiency of industrial water pollution of China in 2012.The study shows that：although the interference of environment variables and random factors would lead to an overestima?tion of treatment efficiency of industrial water pollution in China’s provinces and autonomous regions，the treatment efficiency of industrial water pollution is still lower after eliminating environmental and stochastic factors，which is only 0.682，and the scale inefficiency is the essential element to hinder improvement of treatment efficiency of industrial water pollution.The study also finds that the treatment efficiency of industrial water pollution in eastern region is higher than that in central and western re?gions，which is caused mainly by the differences of scale efficiency among the three regions.After classifying the treatment effi?ciency of industrial water pollution in China’s provinces and autonomous regions according to pure technical efficiency and scale efficiency，the study indicates that there is no“low-high type”provinces and autonomous regions，most of them are“low-low type”or“high-low type”in China.

three-stage DEA model；industrial water pollution；treatment efficiency；scale inefficiency

F205

A

1007-5097（2014）08-0040-06

●中國經濟

10.3969/j.issn.1007-5097.2014.08.008

2014-01-20

教育部人文社會科學研究青年基金項目（11YJC790152）；NSFC-河南人才培養聯合基金項目（U1304708）；河南省軟科學研究計劃項目（142400410297）

石風光（1975-），男，江蘇沛縣人，副教授，博士，副院長，研究方向：經濟與產業管理。