基于三階段DEA方法的我國海洋污染治理效率研究

周申蓓,莫衛,劉 朋,杜阿敏，陸夢恬

(1.河海大學商學院,江蘇 南京 211100; 2.天津大學經濟與管理學部,天津 300072; 3.中國環境監測總站,北京 100012; 4.河海大學水利水電學院，江蘇 南京 210098)

自1978年改革開放以來,我國海洋污染隨著經濟飛速發展而愈趨嚴重,至2000年,劣于一類海水標準的海域面積已經達到20.6萬km2的歷史最高點。隨著沿海開發成為國家戰略,我國沿海省份的海洋資源開發利用程度將大幅度提高,海洋污染形勢將越發嚴峻。如何評價我國近十年的海洋污染的治理水平和效率,是未來有效治理海洋污染的基礎。

1 三階段DEA模型和數據來源

1.1 三階段DEA模型的適用性

在我國污染治理效率的研究中,DEA模型的運用頻率最高、范圍最廣。董秀海等[1]、郭國峰等[2]、劉紀山[3]和鄭麗娟[4]使用傳統DEA模型對環境治理效率進行分析。由于環境快速變化和污染治理技術進步迅速,單純依賴傳統DEA模型所得到的結果誤差較大,無法剔除環境因素和隨機誤差的影響。鑒于此,有學者在分析污染治理效率時采用DEA修正模型。許陳生[5]利用Malmquist生產率指數特別針對跨期治理進行分析。王立巖[6]使用兩階段 DEA 模型,將一級指標環境治理效率分解為三項二級指標,把二級效率評價結果作為輸出指標評價一級效率指標的效率。王奇等[7]考慮到大氣污染治理效率評價中可能出現多個有效主體,選擇了超效率DEA模型。趙崢等[8]使用四階段DEA,通過Bootstrap方法對我國不同區域的環境治理效率進行比較,采用重復抽樣來推斷DEA效率值的最佳區間。由于海洋污染治理工作涉及范圍大、時間跨度長,筆者用Fried等[9]的三階段DEA模型來排除環境因素和隨機誤差對效率評價的影響,以求準確地反映海洋污染治理效率。

1.2 三階段DEA模型構建

1.2.1 第一階段:傳統的DEA模型

在海洋污染治理中,投入變量是效率結果的基本變量,因此采用投入導向的規模報酬可變的DEA-BC2模型。

具體的BC2模型形式如下:

(1)

c. 如θ<1時,則該決策單元的海洋污染治理為DEA無效。

1.2.2 第二階段:構建SFA模型

為了排除外部環境因素和隨機誤差因素對海洋污染治理效率結果造成的影響,在第二階段通過構建SFA模型分解第一階段得到的投入產出差額值,可以分別觀測出上面兩方面因素的影響。

具體的SFA模型構建過程如下:設有n個決策單元,每個決策單元均有m種產出,有p個可以觀測的環境變量Ck=(C1k,C2k,…,Cpk),k=1,2,…,n,分別對每個決策單元的產出松弛變量進行SFA分析,可構建如下SFA回歸方程:

SMk=f(Ck,βM)+VMk+UMk

(2)

(k=1,2,…,n;M=1,2,…,m)

式中：SMk為第k個決策單元第M種產出的松弛變量;f(Ck,βM)為環境變量對SMk的影響;VMk+UMk為混合誤差項。

根據SFA模型回歸的結果對海洋污染治理的投入變量進行調整,將環境因素和隨機誤差排除。調整公式為

(i=1,2,…,M;l=1,2,…,N)

(3)

1.2.3 第三階段:調整后的DEA模型

在第三階段,將第二階段得到的調整后投入數據與原始產出數據再次代入DEA模型,計算各個決策單元績效,此時得到的海洋污染治理效率值排除了環境因素和隨機誤差的干擾。

1.3 指標體系的建立

1.3.1 決策單元的選擇

將2002—2011年我國沿海11個省市(遼寧省、天津市、山東省、江蘇省、上海市、河北省、浙江省、福建省、廣東省、廣西壯族自治區和海南省)的海洋污染治理的整體組織系統作為績效衡量單位,按年度劃分為10個決策單元。

1.3.2 投入產出指標的選擇

海洋污染治理投入指標的選擇,必須反映對陸源污染和海上作業所致污染的治理。一方面,海洋污染治理的關鍵在于控制陸源污染,有效控制占比達80%的陸源污染將顯著改善海洋環境質量；另一方面,加強執法,遏制海洋養殖、航運、事故和海上傾廢等不規范或不法行為是海洋污染治理的關鍵。因此,選取沿海地區工業污水治理項目完成投資額(X1)和海洋執法檢查次數(X2)作為2個投入指標,能有效反映決策單元在陸源污染控制和對非法海事行為監管的投入狀況。

產出指標主要從排污量的降低和海洋環境質量角度2個方面來衡量,有3項指標:工業污水排放量減少量Y1(億t)、未達到清潔海域水質標準面積減少量Y2(萬km2)、海洋環境災害赤潮次數減少量Y3(次)。在實際操作中以2001年的數值作為基準值計算各個指標。

1.3.3 環境變量的選擇

影響海洋污染治理的環境變量主要包括沿海省市的技術變量、經濟變量和社會變量。首先,技術的提高能有效降低單位GDP污水排放量,提高污染治理的效率。本文選取沿海省市單位GDP排污量作為技術變量；其次,沿海省市的經濟活動會給近海造成環境壓力影響,例如工業生產中產生的廢棄物就會直接或間接給海洋帶來污染。本文選取沿海省市的GDP總量作為經濟變量；最后,隨著過度開采導致陸地資源的匱乏,人們開始到海洋中尋找海洋資源來替代[10]。人口數量關系到沿海地區人們各種行為疊加后對海洋環境的壓力。本文選取沿海省市的總人口數作為社會變量。

1.4 數據來源與處理

投入產出指標數值來自《中國海洋統計年鑒》和《中國海洋環境質量公報》,環境變量數值來自沿海省市統計年鑒和《海域使用管理公報》,具體數值如表1和表2所示。

表1 投入產出數值

注：表中Y3的值是以2001年的數值作為基準值。

表2 環境變量

表4 SFA回歸估計結果

注:***為顯著水平達1%;**為顯著水平達5%;*為顯著水平達10%。

2 我國海洋污染治理效率及結果分析

2.1 第一階段:傳統DEA實證結果

第一階段計算結果如表3所示。

表3 我國海洋污染治理效率評價結果

注:irs為規模收益遞增；drs為規模收益遞減；—為規模收益不變。

從表3的計算結果可以看出,不考慮外部環境因素和隨機誤差的影響時,我國海洋污染治理的年平均技術效率為0.810,平均純技術效率為0.870,平均規模效率為0.924。其中,有4年的技術效率達到了1.000,即處于技術前沿面上,分別為2002年、2003年、2005年和2011年,其余年份均不同程度地處于無效率狀態。從計算結果還可以看出,自2006年起,技術效率、純技術效率和規模效率總體均呈上升趨勢,且這一變化趨勢在綜合技術效率方面表現尤為明顯。這可能是由于各級政府在“十一五”開局之年意識到海洋污染的嚴重性并加大了治理力度。同時,自2006年起,每年的規模效率都大于純技術效率,這意味著多數年份的技術效率主要來源于純技術無效率,而不是規模無效。但是,上述結果是在不考慮外部環境因素和隨機誤差的影響下分析得出的,純技術效率是否被低估了,規模效率是否被高估了,這還有待通過第二階段的SFA回歸分析來判斷。

2.2 第二階段:SFA回歸結果

將第一階段計算得出的各投入變量的松弛量作為因變量,將環境變量沿海省市單位GDP排污量、沿海省市GDP總量和沿海省市人口總數作為自變量進行SFA回歸分析。如外部環境變量影響顯著,將相關外部環境因素剔除后得到新的投入變量,得到結果如表4所示。

從表4可以看出,沿海省市單位GDP排污量、沿海省市GDP總量和沿海省市人口總數都對海洋執法檢查次數松弛變量和沿海地區工業污水治理項目完成投資額松弛變量通過了顯著性水平為1%的檢驗。回歸結果表明選取的環境變量確實對投入冗余存在顯著影響,需要利用式(3)將外部環境變量和隨機因素剔除。

從表4可以看出,沿海省市單位GDP排污量對海洋執法檢查次數松弛變量和沿海地區工業污水治理項目完成投資松弛變量的回歸系數都為負,且都通過了1%的顯著水平。這說明沿海省市單位GDP排污量減少時治理效率不增反降,即在治污初始階段的技術進步能顯著提高治污效率,而在進一步提高技術水平時導致的投入很大而見效較小。這從一定程度上說明我國污水處理技術水平比較落后,技術的經濟效益或效果較差。同時,沿海省市單位GDP排污量的增加可能會刺激相關治理組織提高執法檢查力度與治理投入,也會一定程度上提高海洋治理效率。因此出現上述結果,也是有一定原因的。

沿海省市GDP總量對投入松弛變量的回歸系數也都為負,說明經濟發展水平的提高有利于治理效率的提高。一方面可能因為現階段沿海地區的經濟發展能夠促進治理效率的提高,另一方面也可能因為在實踐中治理效率的提高仍然依賴于資源投入。沿海省市人口數對海洋執法檢查次數松弛變量回歸系數為負,對沿海地區工業污水治理項目完成投資松弛變量的回歸系數為正,這說明沿海地區人口集聚(沿海城市水平的提高)對海洋治理方面有促進作用,比如在海洋治理文化及制度水平方面的提高,降低了執法檢查次數,并增加治理資金投入。

2.3 第三階段:調整投入后DEA實證結果

對2002—2011年我國海洋污染治理的投入變量根據式(3)進行調整后,得到排除外部環境因素和隨機誤差的干擾后的治理效率,結果如表5所示。

表5 我國海洋污染治理效率評價結果

對比第一階段的效率測算結果可以看出,調整前后治理效率值有一定的變化。從綜合技術效率(TE)來看,第一階段TE均值為0.810,經過調整后,TE均值降為0.779,可見傳統的DEA方法在評價海洋污染綜合治理效率時,會出現一定程度的高估。在純技術效率(PTE)方面,傳統的DEA方法又存在一定程度的低估,經調整后,PTE從0.870增至0.925,且多數年份PTE達到1.000。此外,在調整后,大部分年份的規模效率(SE)存在不同程度的下降,SE均值也從第一階段的0.924降至調整后的0.841。由于調整后的結果顯示多數年份純技術效率高于規模效率,因此,第一階段技術效率主要來源于純技術無效而不是規模無效的結論也被否定,最終得到的結論為規模不經濟是造成海洋治理效率不高的主要原因。

3 結論與建議

3.1 研究結論

a. 我國海洋污染治理總體水平不高,主要原因來自規模不經濟。從數據調整過程及表5最終計算結果可以看出,排除環境因素和隨機誤差的影響后,和調整前相比,2002—2011年我國海洋污染治理純技術效率均值增高,規模效率均值降低,且綜合技術效率較第一階段有大幅降低。由此可得,我國海洋治理總體治理水平不高,規模不經濟成為其主要原因。在規模無效的年份,我國海洋治理投入規模均處于規模報酬遞減狀態,這說明我國海洋治理方面存在嚴重的資源浪費或資源配置不當問題,具體可能表現在治理資金的投入不到位、資金配置結構不當以及執法檢查執行力度不夠等方面。

b. 外部環境因素對我國海洋污染治理影響顯著。從環境變量的具體影響效果來看,沿海省市單位GDP排污量、GDP總量均與投入松弛變量負相關,且前者回歸系數值遠大于后者,沿海省市人口量與海洋執法檢查次數松弛變量負相關,與沿海地區工業污水治理項目完成投資松弛變量正相關。這說明我國技術水平還比較落后,無法發揮對海洋污染治理效率的促進作用;經濟發展水平的提高,對海洋污染治理效率有一定的促進作用,但其影響系數弱于技術水平;沿海省市人口的聚集從一定程度上促進了我國沿海城市的城市化水平以及制度文化水平的提高,進而對沿海執法檢查與治理投入帶來一定的正向溢出效應。

3.2 對策建議

基于上述結論,并結合我國海洋污染治理現狀,對于改善我國海洋污染治理工作提出以下建議:

a. 合理規劃海洋污染治理項目投資,科學審視資金總量投入與結構配置。第三階段效率測算結果顯示,我國的海洋污染治理總體效率水平不高,且規模無效是導致上述結果的主要原因。近年來,我國海洋污染治理確實投入了大量的資金,但由于地方政府重經濟輕環境、企業重利潤輕減排的弊病短期內還難以根除,導致海洋污染治理項目資金被挪用的行為時有發生。此外,海洋污染治理項目資金分散,結構配置缺乏科學審視與規劃,治理目標不明確,也是導致海洋治理規模不經濟并最終導致海洋污染治理效率整體水平不高的一個原因。我國擁有近300萬km2的海域與32 000 km長的海岸線,從鴨綠江口到北侖河口,南北沿海環境差別較大。南方經濟發達地區受工業污水和重金屬污染嚴重;北方海域漁業捕撈過度、石油輸送頻繁,面臨船舶污染高風險。各海域的污染來源和污染程度不同,因此在治理項目資金的配置上也應該相應地有所側重。治理項目資金應該有側重點或目標性地分配到沿海各區的海洋污染治理中,形成沿海各區海洋污染治理專項資金,并通過嚴格的專款專用審查制度與科學的績效考評制度規范治理項目資金的審批與運用。

b. 注重投資質量,不斷提高技術水平,積極推進沿海地區城市化水平。理論上,技術水平的提高應該對海洋污染治理效率水平的提高起到積極的促進作用,但第二階段SFA回歸結果顯示,單位GDP排污量的減少反而不利于治理投入的減少，這在一定程度上說明了我國沿海城市企業生產技術水平還比較落后,不能為污染治理帶來積極的促進作用。沿海地區作為我國經濟開放度最高的地區,也是最早享受我國改革開放各項優惠政策的地區,在我國經濟與城市建設發展中起著先驅模范作用,但是在項目投資(包括外資)方面沒有逃脫“重量輕質”的發展誤區,也導致投資的正向技術溢出效應沒有得到很好的發揮。因此,沿海城市在未來的發展中,尤其應注重投資質量,努力引導一批技術水平較高的企業有序入駐,并從地區長遠發展角度考慮,嚴格限制一些資源耗費型或污染型企業進入。同時,內陸地區企業應努力走出“重利潤輕減排”的發展誤區,積極增加技術研發投入,充分發揮自身區位優勢展開企業技術合作與交流,不斷提高技術水平,這樣不僅有助于企業的長遠發展,還有助于提高自身對沿海企業正向技術溢出的吸收能力。此外,隨著沿海人口集聚,應進一步加強沿海城鎮化與制度建設,加快提高海洋污染的治理效率。

c. 加大海洋污染治理執法檢查力度,加強對排污企業的監管與懲處。近年來,沿海地區經濟的快速發展雖然為該地海洋污染治理帶來了一定的治理資金保障,但同時也使得海洋環境承受的壓力越來越大,并導致海洋污染治理陷入邊污染邊治理、治理投入逐漸加大而治理成效不甚明顯的困境。要解決這一問題,加大海洋污染治理執法檢查力度,加強對排污企業的監管與懲處,并確保企業排污成本遠大于企業守法成本,不失為最直接而有效的途徑。研究結果也表明,沿海省市單位GDP排污量的增加可能會刺激相關治理組織提高執法檢查力度,并在一定程度上提高海洋治理效率。因此,在我國海洋污染治理中,不應僅重視執法檢查次數的提高,還應在執法力度與方案上有所側重,并努力嘗試改變目前企業守法成本大于排污成本的現狀,將可能收到海洋污染治理最直接而顯著的成效。

參考文獻：

[1] 董秀海,胡穎廉,李萬新.中國環境治理效率的國際比較和歷史分析：基于DEA模型的研究[J].科學學研究,2008,26(6):1221-1230.

[2] 郭國峰,鄭召鋒.基于DEA模型的環境治理效率評價：以河南為例[J].經濟問題,2009,31(1):48-51.

[3] 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,2009,24(17):93-94，142.

[4] 鄭麗娟.基于DEA的杭州市工業污染治理效率研究[J].統計科學與實踐,2011,30(2):49-50，60.

[5] 許陳生.我國地方環境污染治理效率研究[J].科技管理研究,2010,30(5):198-201.

[6] 王立巖.基于兩階段DEA模型的城市環保治理效率評價[J].統計與決策,2010,26(12):29-31.

[7] 王奇,李明全.基于DEA方法的我國大氣污染治理效率評價[J].中國環境科學,2012,32(5):942-946.

[8] 趙崢,宋濤.中國區域環境治理效率及影響因素[J].南京社會科學,2013,24(3):18-25.

[9] FRIED H O, LOVELL C A K, SCHMIDT S S, el al. Accounting for environmental effects and statistical noise in data envelopment analysis[J]. Journal of Productivity Analysis, 2002,17(1):157-174.

[10] 王敏旋. 影響海洋經濟可持續發展的十大因素[J]. 生態經濟,2012,27(8):107-111.