貿易、經濟增長與環境效率

黨玉婷　徐磊

摘要：本文采用條件方向性距離函數測算1992-2014年中國29個省份的工業環境效率，檢驗經濟增長與環境效率之間的關系，并分析貿易、環保投入等因素對中國工業環境效率的影響。實證結論顯示：中國工業環境效率總體呈逐年上升趨勢，地區間差異逐年減小并趨于收斂，東部地區的平均環境效率要明顯高于中、西部地區；經濟增長與環境效率呈倒U型曲線關系，環境效率隨著經濟增長呈現先上升后下降的趨勢，且2014年東部大部分省份均已超過拐點，而中、西部地區尚未到達拐點；對外貿易總體上有利于中國工業環境效率的提高，尤其是在經濟較為發達的東部地區，而在中、西部地區對環境效率的負面影響要大于其正面影響；環保治理投入力度越大，工業環境效率越低，這主要是由于對工業污染高投入且效果較差的“末端治理”所導致；第二產業增加值占國內生產總值比重越高，工業環境效率越高，第二產業拉動經濟增長從而對環境效率產生的正面效應大于其負面影響；人口密度對中國工業環境效率的影響總體上為負，人口密度越大，環境效率越低。

關鍵詞：環境效率；經濟增長；貿易；條件方向性距離函數

中圖分類號：F18；F14文獻標識碼：A

一、引言

中國在擴大開放、經濟高速增長的同時也伴隨著觸目驚心的環境污染問題，經濟發展與資源環境之間的矛盾日趨尖銳。貿易一方面推動了經濟的高速增長，另一方面，在與發達國家的對外貿易中，由于環境標準差異，發展中國家往往通過對外貿易為發達國家承擔了高額的環境成本，即通過專業生產并出口污染品以滿足發達國家對該商品的消費需求，而將大量的污染留在了發展中國家。因此，如何在擴大開放的同時，盡量降低貿易對一國環境的負面影響成為了研究的焦點。

在貿易、經濟增長與環境的研究方面，Grossman和Krueger最早通過研究北美自由貿易區提出了貿易的環境影響，即貿易通過規模效應、結構效應和技術效應對一國環境產生影響。此后，部分學者又引入了法規效應和收入效應等，認為貿易對環境的最終影響取決于上述效應的總和；研究同時還發現經濟增長與環境污染呈現倒U型的環境庫茲涅茨曲線（EKC曲線），即環境污染水平隨著經濟增長呈現先上升后下降的趨勢，在人均收入達到一定階段之后，環境污染水平會由于收入水平的上升和公眾環境需求的上升而出現下降趨勢。上述理論提出后，眾多學者分不同污染物、不同國家或地區的樣本檢驗了EKC曲線的存在性，并實證檢驗了貿易的環境影響，然而鮮有研究考慮環境效率這一反映一國環境績效的指標與貿易及經濟增長之間的關系。那么，貿易是否有助于提高一國的環境效率？中國經濟增長與環境效率之間是否呈現倒U型的環境庫茲涅茨曲線？

工業污染是中國環境污染的重要來源，故本研究以中國工業部門為研究對象，采用條件方向性距離函數測算1992-2014年中國各省份工業環境效率，實證檢驗貿易、經濟增長與環境效率之間的關系，并進一步深入分析環保投入、產業結構、人口密度等因素對環境效率的影響，以期為實現經濟增長和環境的協調可持續發展提供理論和實證支持。相對于已有關于中國區域環境效率問題的研究（Watanabe and Tanaka，2007；Bian and Yang，2010；Guo et al.， 2011；Wang et al.， 2013；楊俊，2010；袁鵬，2011），本研究的創新之處主要在于：（1）首次通過條件方向性距離函數實證測算了中國各省份的工業環境效率，有效避免了以往采用兩階段分析研究經濟增長與環境效率問題時存在的“非現實”假設問題；（2）通過研究貿易、經濟增長與環境效率之間的關系，從環境效率角度驗證了環境庫茲涅茨曲線，豐富了貿易、經濟增長與環境領域的相關研究；（3）將對單一污染物的研究擴展到了環境績效這一相對綜合性的指標（綜合考察了中國工業的多種污染物，如廢水、廢氣、固體廢物、COD和SO2）。傳統研究在考察貿易、經濟增長和環境關系時大多采用單一污染物，造成了不同污染物選擇所導致的研究結果的差異性，影響對于變量長期關系的把握，而通過構建綜合的環境效率指標，將投入、期望產出及不同類型的非期望產出納入模型中，有利于獲得貿易、經濟增長與環境績效之間的穩定關系。

全文余下部分結構安排如下：第二部分是中國工業環境效率的測度，包括環境效率測度模型和測算結果；第三部分是中國工業環境效率的影響因素及EKC檢驗，實證檢驗貿易、經濟增長對環境效率的影響，并探討其他因素如環保投入、人口密度、產業結構對環境效率的影響；第四部分是結論及相關政策建議。

二、中國工業環境效率測度

最早的環境效率評價方法因存在著非期望產出干擾環境效率數值的問題，在修正干擾因素的過程中，產生了幾種比較著名的環境效率評價方法：投入法、倒數轉換法、轉換向量法、方向性距離函數法、SBM模型法。投入法和倒數轉換法其缺陷在于沒有考慮實際的生產過程，不能反映生產過程實質，因此其計算結果是有偏的；轉換向量法在放松規模報酬可變的條件下則有可能造成線性規劃無解；而方向性距離函數法由于較好地解決了非期望產出的效率評價問題，得到了最為廣泛的應用。Fre et al.（1989）首次將經濟發展和環境質量之間的關系采用非參數設定下的距離函數衡量，并將污染物視為生產過程的一種產出，通過對期望產出施加強可處置性及非期望產出施加弱可處置性，建立了環境績效評價指標（EPI）。

在Fre et al（1989）所提出的距離函數模型及Selden and Song（1994）、Grossman and Krueger（1995）提出的環境庫茲涅茨曲線（即經濟發展與環境質量之間的倒U型曲線關系）基礎上，眾多學者采用兩階段面板數據的計量模型驗證了環境庫茲涅茨曲線的存在性，研究了不同國家經濟增長和環境效率之間的關系，然而正如Simar and Wilson（2011）批評時指出的那樣，在使用傳統的距離函數模型進行兩階段分析時需做出眾多假定，但經濟數據卻大多不能滿足這些假定。因此，Simar and Vanhems（2012）在Cazals et al.（2002）、Daraio and Simar（2005）提出的概率生產函數基礎上，對Fre and Grosskopfs（2004）所提出的方向性距離函數進行了擴展，首次提出了條件方向性距離函數及其非參數估計（對方向距離函數施加的條件為能夠影響生產過程的其他因素），將非期望產出納入模型以反映經濟增長的負面作用，從而在采用兩階段分析衡量經濟增長對環境效率的影響時避免了以往研究中存在的“非現實”假設問題（Simar and Wilson，2007， 2011）。因此，本文采用條件方向性距離函數測算1992-2014年間中國各省份的環境效率值。

（一）地區環境效率測度模型

1.方向性距離函數

根據Fare（2004）的研究，對方向性距離函數作出如下定義：用P（x）表示要素投入，x∈R+N ，u表示非期望產出，u∈R+K，v表示期望產出，v∈R+M，并假設產出集是封閉的，要素投入可以自由使用。在滿足下述條件時，P（x）為環境產出集：（1）（v，u）∈P（x），且0θ1，（θv， θu）∈P（x）（產出的弱可處置性）；（2）（v，u）∈P（x），u=0，同時得到v=0（期望產出和非期望產出的零聯合性）。弱可處置性假設認為非期望產出的減少是有成本的，因此要想減少非期望產出必須同時減少期望產出，非期望產出為期望產出的副產品；零聯合性假設認為要使得非期望產出降為零，除非不生產期望產出，兩者的關聯點僅在零點。

利用數據包絡分析，環境產出集可以被表示為：

（二）數據及變量選取

與其他相關文獻類似，為衡量1992-2014年中國各省份①的工業環境效率，本文采用兩種投入：勞動力和資本，其中，勞動力采用各省份工業企業年均從業人數，資本則采用張軍（2004）永續盤存法估計得到的地區物質資本存量（1952年=100）。期望產出為各地區工業總產值（為消除價格因素影響，按工業出廠品價格指數進行折算，1990年=100），非期望產出為各省份廢水污染物、廢氣污染物、固體廢物污染物、COD和SO2排放量，外部控制變量為人均國內生產總值（為消除價格因素影響，按人均國內生產總值指數進行折算，1990年=100）。以上數據來自于中經網統計數據庫、《中國工業經濟統計年鑒》及《中國環境年鑒》。

工業廢水中污染物排放量指排放的工業廢水中所含汞、鎘、六價鉻、鉛、砷、揮發酚、氰化物、石油類、硫化物、COD等一般無機物和有機物等污染物本身純重量的加總，單位為噸；工業廢氣污染物排放量則為工業SO2排放量、工業煙塵排放量和工業粉塵排放量的加總，單位為噸；工業固體廢物產生量指企業在生產過程中產生的危險廢物、冶煉礦渣、粉煤灰、爐渣、煤礦石、化工廢渣、尾礦、放射性廢渣等廢物總量，單位為噸。

表1為所采用變量的相關描述性統計，從中可以看出本文所分析的29個省份具有較大的差異性。

（三）測度結果

本文分別采用方向性距離函數（公式4）和條件方向性距離函數（公式14）測算了1992-2014年中國29個省份、直轄市的工業環境效率值。分地區的中國工業環境效率變動趨勢如圖1所示。從圖1可以看出，采用傳統方向性距離函數測算的中國三大地區環境效率總體呈現逐年下降的趨勢，且并未趨于收斂（a圖），而采用條件方向性距離函數測算的中國三大地區環境效率則呈現穩中略有上升的趨勢，且地區之間的差異性在減小并趨于收斂（b圖），這一點與楊俊（2010）的研究結果一致。另外，東部地區各省份的平均環境效率要明顯高于中部和西部地區。

三、中國工業環境效率的影響因素及EKC檢驗

（一）計量模型

由于被解釋變量被限制在（0，1＼]之間，如果直接采用最小二乘法，會給參數估計帶來嚴重有偏和不一致，為此，本文采用Tobit回歸分析。Tobit回歸分析是因變量受限模型的一種，當被解釋變量為斷尾（Truncated）或截取（Censored）時采用。標準Tobit模型如公式（15）所示：

Y*i=Xiβ+εi

Yi=Y*iifY*i0

Yi=0ifY*i0（15）

其中，Y*i為潛變量（latent dependent variable），Yi為觀察到的被解釋變量，Xi為解釋變量，β為相關系數，εi為獨立的且εi～N（0，σ），Y*i～N（Xiβ，σ）。

基于經典的環境庫茲涅茨分析框架，本文以基于條件方向性距離函數測算得出的環境效率值為被解釋變量，建立以下Tobit回歸模型：

EEit=β0+β1GDPPCit+β2GDPPC2it+β3GDPPC3it+β4TRADEit+β5ENVIRit+β6INDUSit+β7POPDit+εit（16）

其中，i和t分別代表省份及年份。本研究的時間區間為1992-2014年，共29個省份，667個觀測值。變量所采用數據均來自于中國經濟社會統計數據庫。

GDPPC為人均國內生產總值。為研究貿易、經濟增長與環境效率之間的關系，探究中國工業環境效率的影響因素，與已有研究類似（He， 2008；Diao et al.， 2009；Brajer et al.，2011），本文采用地區人均國內生產總值GDPPC（未經說明GDPPC均為按照不變價格計算值，1990年=100）衡量地區經濟增長，GDPPC2、GDPPC3分別為人均國內生產總值的平方項和立方項。按照EKC理論，通過回歸系數可以判定經濟增長與環境之間的關系：如果β1>0（β1<0）且β2=0、β3=0，則兩者存在單調遞增（遞減）關系；如果β1>0且β2<0（β2>0）、β3=0，存在倒U型（U型）曲線關系；如果β1>0且β2<0、β3>0，存在N型曲線關系；如果β1<0且β2>0、β3<0，存在倒N型曲線關系。

TRADE為貿易開放度，其計算公式為：（出口額+進口額）/國內生產總值，用以反映貿易對環境效率的影響。Grossman（1993）在其開創性研究中將貿易的環境影響分為規模效應、結構效應和技術效應，貿易對環境的影響取決于這三種效應的總和，其中技術效應主要來源于外國生產者的技術轉移和貿易自由化引起收入水平提高所導致的技術進步。后續關于貿易的環境影響實證研究一般有兩種結論：一種認為貿易有益于環境的改善，其原因在于貿易能夠促進一國經濟增長從而改善環境，有利于清潔技術在國際上的擴散；另一種觀點則認為貿易不利于環境的改善，主要原因在于一些國家尤其是發展中國家容易在國際分工中更多承擔“污染品”的生產，從而不利于本國的環境。其中，對中國的貿易與環境效率的實證研究方面，楊俊等（2010）基于中國省際面板數據模型的研究發現，貿易開放與環境效率顯著負相關，而其他一些研究卻顯示貿易依存度對環境效率的影響較小；王兵等（2010）基于區域面板數據模型的研究結果顯示FDI有利于提高中國的環境效率；而涂正革（2008）利用同樣的研究方法卻得出相反的結論。參考上述文獻的研究成果，本文預期TRADE系數方向不定。

ENVIR為環保治理投入力度，采用工業污染治理本年完成投資額占地區生產總值的比重來衡量。一個地區如果環保治理投入力度越大，在其他投入和期望產出相同的條件下會具有更高的環境效率，反之，則環境效率相對較低。故本文預期該變量系數值為正。

INDUS為產業結構，采用第二產業增加值占國內生產總值的比重來衡量。關于產業結構與環境效率的研究有兩類觀點：一種觀點認為第二產業相對于第一、第三產業而言，對環境的污染最為突出，且中國近年來的工業化發展具有明顯的粗放型特點，因此第二產業在GDP中的比重越高，則環境效率越低；另一種觀點則認為第二產業對經濟增長的正面推動作用會降低環境污染，從而出現第二產業所占比重越高，環境效率越高的情形。因此，本文預期該變量系數方向不定。

POPD為人口密度，以每平方公里的人口數來衡量。關于人口密度對環境的影響也具有不同的研究結論：一種觀點認為人口密度越高的地區其面臨的環境壓力越大，人口密度是導致環境退化的主要原因之一（Cropper and Griffith， 1994）；另有觀點認為人口密度越高的地區其自身對環境保護更加關注，而人口較為稀少的地區則對環境的關注相對較少（Selden and Song， 1994）。因此，本文預期該變量系數方向不定。

解釋變量的相關描述性統計見表2。從表2可見，不同地區的數據呈現較大差異。從均值來看，東部地區的人均國內生產總值、貿易開放度、第二產業占GDP的比重及人口密度均要高于中部、西部地區，而西部地區的環保投入力度要相對高于中部和東部地區。

（二）全國及區域EKC檢驗

本文采用Tobit模型對回歸方程進行了估計檢驗，結果見表3。通過模型1回歸結果可以發現，模型中的GDPPC三次項并未通過顯著性檢驗，意味著經濟增長與環境效率之間并非呈現N型（倒N型）曲線關系，故刪去不顯著的GDPPC三次項，再次進行回歸并檢驗經濟增長與環境效率之間的U型（倒U型）關系。從模型2回歸結果可以看出，GDPPC及其平方項系數的顯著性明顯上升，且回歸方程中的大多數自變量通過了1%水平的顯著性檢驗，因此本文選定模型2為最終估計結果。控制其他變量，環境效率（EE）與經濟增長（GDPPC）的關系可以表示為：

EE=00000302GDPPC-684e-10GDPPC2

由此關系式可以看出，經濟增長和環境效率呈倒U型曲線關系，環境效率隨著經濟增長呈現先上升后下降的趨勢，拐點處的人均國內生產總值（GDPPC）經計算為221萬元。筆者認為這一點與傳統的環境庫茲涅茨曲線（EKC）檢驗并不沖突。EKC理論認為環境污染水平與經濟增長呈倒U型曲線，污染水平會隨著經濟增長呈現先上升后下降的趨勢，而本文測算得出的拐點值為環境效率的轉折點，即在人均國內生產總值到達拐點處前環境效率為上升趨勢，經過拐點處后環境效率則呈現下降趨勢，這主要是因為在超過拐點處后，環境監管成本上升，污染物的減排難度進一步加大，與環境污染水平的拐點并不矛盾。對比各省份的人均GDP數據可以發現，2003年以前各省份的人均GDP均未超過拐點值，總體而言中國尚未到達環境效率的轉折點，處于倒U型曲線的左側，即環境效率隨著經濟增長而上升的階段，但這一樂觀情況很快將會改變。2012年已有10個省份、直轄市的人均GDP超過了拐點值，即進入環境效率隨經濟增長而下降的階段。

為探究EKC是否存在地區差異，并檢驗本文估計所采用模型的穩健性，我們進一步采用Tobit模型分東部、中部和西部地區回歸檢驗了經濟增長、貿易等其他因素對環境效率的影響，回歸結果見表3中的模型3、模型4和模型5。由回歸結果可以看出，分區域的EKC檢驗仍然支持經濟增長與環境效率之間的倒U型關系，差異之處在于各區域其拐點處的人均GDP有所不同，東部、中部和西部地區拐點處人均GDP依次為182、271和202萬元，中部地區的拐點值明顯高于東部地區和西部地區，這一結論與袁鵬（2011）的結論一致；2014年，東部地區除河北、海南外，其他東部地區省份、直轄市人均GDP均已超過拐點值；中部和西部省份人均GDP均未超過拐點值。

EKC的區域差異與地區間的經濟發展水平、資源稟賦、產業結構、環境監管方面的差異均有關聯，即區域間樣本存在異質性問題。2012年，東、中、西部地區第二產業占GDP比重平均值依次為45%、52%和49%；1992-2014年間，中部地區第二產業占GDP比重上升幅度最大，平均上升幅度為27%，西部地區為25%，東部地區則為07%，甚至有6個省份的第二產業所占GDP比重有不同程度的下降，而中、西部地區各省份均為上升態勢。從2014年來看，東、中、西部地區的工業化水平差異不大，然而地區間的經濟發展水平（本文采用人均國內生產總值來度量）卻差異巨大，東部地區經濟發展水平最高，其次是中、西部地區。因此，EKC拐點值的區域差異可能與不同地區所處不同工業化發展階段有關，東部地區經濟發展水平高，且已進入工業化發展后期階段，而中、西部地區則處于工業化發展的中期或初期階段。已有研究顯示，工業化程度越高、經濟發展水平越高的國家或地區，其環境監管力度越高，因此經濟較為發達的東部地區，污染物進一步減排的空間和難度也會加大，拐點也相應出現的較早，而中、西部地區則因為較晚完成工業化進程，并且在發展工業的過程中可以借鑒東部地區成熟的治污經驗，從而推遲拐點的出現。

（三） 影響環境效率的因素分析

本文同時考察了除經濟增長外影響環境效率的其他因素，并分東、中、西部地區考察了地區差異，回歸結果見表3。

貿易開放度（TRADE）對環境效率的回歸系數在全國范圍和東部地區顯著為正，即對外貿易總體上有利于中國工業環境效率的提高，尤其是在經濟發達、貿易依存度較高的東部地區，而在人均收入和貿易開放度較低的中、西部地區該系數顯著為負，貿易對環境效率的負面影響則要大于其正面影響。貿易對環境效率的影響可以分為收入效應、結構效應及技術效應。收入效應指由于貿易導致的收入提高從而對環境效率產生的影響，一方面貿易通過收入提高增加了政府用于污染治理支出的資金來源，另一方面，貿易通過提高收入增加了公眾對于清潔環境的需求；結構效應是指在國際貿易中各國在污染品和清潔品的生產方面分工不同，專業生產污染品的國家與專業生產清潔品的國家必然在環境效率方面具有顯著差異，從而體現為貿易結構差異對一國環境效率的影響；技術效應指由于國際貿易導致的生產技術在全球范圍內的轉移和擴散，其中包含污染品生產技術轉移，這主要是由于國家間環境標準差異而導致的污染品生產轉移所引起的。從實證回歸結果可以看出，貿易對環境效率的影響在不同省份是不同的，在經濟發達、貿易依存度高的東部地區，貿易通過增加收入、促進清潔技術的擴散有力地推動了環境效率的提高，而在貿易依存度較低、經濟欠發達的中、西部地區，貿易不利于環境效率的提高，這主要跟一些中、西部省份經濟發展速度較緩、對一些高污染、高能耗產業依賴較重有關。然而，中、西部地區省份其環境效率提高的空間和潛力相對高于東部地區，因此在提高中、西部地區工業化發展水平的同時，應重點注意降低對高污染、高能耗產業的依賴性，加強環保意識，積極引進外資投資于清潔產品領域，擴大清潔產品的生產和出口。

環保治理投入力度（ENVIR）對環境效率的回歸系數在全國范圍和東、中、西部地區均為負值，即環保治理投入力度越大環境效率反而越低，與預期不符，其主要原因在于中國目前對工業污染的治理屬于“末端治理”而不是“源頭治理”。末端治理相對于源頭治理而言，投入高，費用大，且不能從根本上消除污染。另外，通過比較發現，除海南省外，各省份2014年工業污染治理項目本年完成投資額占GDP的比重與1992年相比，均有不同幅度的下降，其中，下降幅度最高的省份為北京、吉林、黑龍江、河南、四川，下降幅度為90%以上。各級政府應在加大環保投入力度的同時，逐步改變“末端治理”的治污模式，加大從源頭進行工業生產的污染控制，加快循環經濟建設，積極鼓勵企業采用清潔生產技術。

產業結構（INDUS）對環境效率的回歸系數在全國范圍和東、中、西部地區均為正值，即第二產業增加值占國內生產總值比重越高，工業環境效率越高，即第二產業拉動經濟增長從而對環境效率產生的正面效應大于其負面影響，從而出現第二產業所占比例越高，工業環境效率越高的情形。近年來，中、西部地區第二產業占國內生產總值的比重越來越高，而東部地區則有下降趨勢，因此中、西部地區應該在大力發展第二產業的同時，注意引入清潔生產技術，避免以往東部地區經濟發展所走的“先污染，后治理”道路，提高工業環境效率。

人口密度（POPD）對環境效率的回歸系數在全國范圍為負值，即總體而言，人口密度越高則環境效率越低。在經濟相對欠發達的中部尤其是西部地區，該變量系數顯著為負，主要是由于公眾對環境的關注相對較少，人口密度高的地區具有更高的環境壓力。因此，在人口密度較大的省市，應進一步健全環境管理體系，在地區和城市的產業布局及城市規劃中，充分考慮對環境污染的影響，使得人口密度較高的城市能在提供經濟、社會服務功能的同時不打破生態系統平衡；應加強環保宣傳，尤其在中、西部地區，提高公眾環保意識；在環保審批方面，應嚴格限制能夠對當地生態環境帶來嚴重破壞的企業，加強環保監督。

四、結論

本文首先采用條件方向性距離函數，將人均國內生產總值作為外生因素，以勞動力和資本為投入要素，以工業總產值為期望產出，廢水、廢氣、固體廢物污染物排放量、COD和SO2為非期望產出，測算了中國29個省份1992-2014年間的工業環境效率，然后進一步利用Tobit模型回歸檢驗了EKC理論，分析了貿易、環保治理力度、產業結構和人口密度等影響中國工業環境效率的因素，得到如下主要結論：（1）中國工業環境效率總體呈逐年上升趨勢，且地區間的差異逐年減小并趨于收斂，東部地區的平均環境效率高于中、西部地區。（2）經濟增長與環境效率呈倒U型曲線關系，這一關系在全國范圍和地區范圍內均成立，即環境效率隨著經濟增長呈現先上升后下降的趨勢，超過拐點之后環境效率下降，環境監管的成本上升。從全國范圍來看，中國大部分省份仍未到達拐點；分地區來看，東部地區大部分省份均已超過拐點，而中、西部地區尚未到達拐點，這一結論與傳統EKC的檢驗并不沖突。（3）對外貿易總體上有利于中國工業環境效率的提高，尤其是在人均收入較高的東部地區，而在中、西部地區貿易對環境效率的負面影響要大于其正面影響；環保治理投入力度越大，工業環境效率反而越低，這主要是由于對工業污染高投入且效果較差的“末端治理”所導致；第二產業增加值占國內生產總值比重越高，則工業環境效率越高，第二產業拉動經濟增長從而對環境效率產生的正面效應大于其負面影響；人口密度對中國工業環境效率的影響總體上為負，高人口密度反而不利于環境效率的提高。

上述結論表明，中國如果想“又快又好”的發展經濟，必須走新型工業化道路，在推動經濟增長的同時，加快清潔技術的研發和推廣使用，盡可能地減少污染物排放，避免過早落入環境效率的下降通道。（1）各地政府應充分利用對外貿易對一國經濟增長及環境產生的正面影響，調整產業布局，盡量降低對于高能耗、高污染行業的依賴性。中西部地區雖然尚未到達拐點，但應注意在擴大開放的同時加強環保意識，引導資金投資于清潔產品領域，嚴格限制能夠對當地生態環境造成嚴重破壞的企業，提高公眾的環保意識，加強環保宣傳和教育。（2）應充分重視“源頭治理”，逐步改變以往“末端治理”模式，加快循環經濟建設，積極鼓勵企業采用清潔生產技術，并進一步加大環保治理投資力度。（3）在人口密度較高的省市應進一步健全環境管理體系，從生態平衡的視角進行產業布局和城市規劃，盡量降低人口密度過高帶來的環境壓力。

注釋：

①在分析中，將中國內地分成三大地區：西部（包括廣西、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆、西藏和重慶），中部（包括山西、內蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南）和東部（包括北京、天津、上海、河北、遼寧、山東、江蘇、浙江、福建、廣東、海南），西藏和重慶由于缺少數據而被排除在本研究之外。

參考文獻：

[1]Watanabe，M.，Tanaka，K. Efficiency Analysis of Chinese Industry： a Directional Distance Function Approach[J].Energy Policy，2007（35）：6323-6331.

[2]Bian，Y.，Yang，F. Resource and Environment Efficiency Analysis of Provinces in China： A DEA Approach Based on Shannon′s Entropy[J].Energy Policy，2010（38）：1909-1917.

[3]Guo，X.D.，Zhu，L.，Fan，X.，Xie，B.C. Evaluation of Potential Reductions in Carbon Emissions in Chinese Provinces Based on Environmental DEA[J].Energy Policy，2011（39）：2352-2360.

[4]Wang K.，Yu，S.，Zhang，W. China′s Regional Energy and Environmental Efficiency： a DEA Window Analysis Based Dynamic Evaluation[J].Mathematical and Computer Modelling，2013（58）：1117-1127.

[5]楊俊，邵漢華，胡軍. 中國環境效率評價及其影響因素實證研究[J].中國人口資源與環境，2010（2）：49-55.

[6]袁鵬，程施. 中國工業環境效率的庫茲涅茨曲線檢驗[J].中國工業經濟，2011（2）：79-88.

[7]Fre，R.，Grosskopf，S.，Lovell，C.A.K.，Pasurka，C. Multilateral Productivity Comparisons When Some Outputs are Undesirable[J].Review of Economics and Statistics，1989（71）：90-98.

[8]Selden，T.，Song，D. Environmental Quality and Development： Is There a Kuznets Curve for Air Pollution Emissions？[J].Journal of Environmental Economics and Management，1994（27）：147-162.

[9]Grossman，G.M.，Krueger，A.B. Economic Growth and the Environment[J].Quarterly Journal of Economics，1995（33）：353-377.

[10]Simar，L.，Wilson，P.W. Two-stage DEA： Caveat Emptor[J].Journal of Productivity Analysis，2011（36）：205-218.

[11]Simar，L.，Vanhems，A. Probabilistic Characterization of Directional Distances and Their Robust Versions[J].Journal of Econometrics，2012（166）：342-354.

[12]Cazals，C.，Florens，J.P.，Simar，L. Nonparametric Frontier Estimation： a Robust Approach[J].Journal of Econometrics，2002（106）：1-25.

[13]Daraio，C.，Simar，L. Introducing Environmental Variables in Nonparametric Frontier Models： a Probabilistic Approach[J].Journal of Productivity Analysis，2005（24）：93-121.

[14]Fre，R.，Grosskopf，S.，Hernandez-Sancho，F. Environmental Performance： an Index Number Approach[J].Resource & Energy Economics，2004（26）：343-352.

[15]Simar，L.，Wilson，P.W. Estimation and Inference in Two-stage，Semiparametric Models of Productive efficiency[J].Journal of Econometrics，2007（136）：31-64.

[16]Chung，Y.H.，Fre，R.，Grosskopf，S. Productivity and Undesirable Outputs： a Directional Distance Function Approach[J].Journal of Environmental Management，1997（51）：229-240.

[17]Daraio，C.，Simar，L. A Robust Nonparametric Approach to Evaluate and Explain the Performance of Mutual Funds[J].European Journal of Operational Research，2006（175）：516-542.

[18]Daraio，C.，Simar，L. Conditional Nonparametric Frontier Models for Convex and Nonconvex Technologies： a Unifying Approach[J].Journal of Productivity Analysis，2007（28）：13-32.

[19]張軍，吳桂英，張吉鵬.中國省際物質資本存量估算：1952-2000 [J].經濟研究，2004（10）：35-44.

[20]He，J. China′s Industrial SO2 Emissions and its Economic Determinants： EKC′s Reduced vs. Structural Model and the Role of International Trade[J].Environment and Development Economics，2008（14）：227-262.

[21]Diao，X.D.，Zeng，S.X.，Tam，C.M.，Tam，V.W.Y. EKC Analysis for Studying Economic Growth and Environmental Quality： a Case Study in China[J].Journal of Cleaner Production，2009（17）：541-548.

[22]Brajer，V.，Mead，R.W.，Xiao，F. Searching for an Environmental Kuznets Curve in China′s Air Pollution[J].China Economic Review，2011（22）：383-397.

[23]Grossman，Gene M. and Krueger，Alan B. Environmental Impacts of A North American Free Trade Agreement[M].The Mexico-U.S. Free Trade Agreement，Garber，Peter M.，ed.，Cambridge and London： MIT Press，1993：13-56.

[24]王兵，吳延瑞，顏鵬飛. 中國區域環境效率與環境全要素生產率增長[J].經濟研究，2010（5）：95-109.

[25]涂正革. 環境、資源與工業增長的協調性[J].經濟研究，2008（2）：93-105.

[26]Cropper M.，Griffith C. The Interaction of Population Growth and Environmental Quality[J].American Economic Review，1994（84）：250-254.

Abstract：This paper calculates China′s industrial environmental efficiency of 29 provinces from 1992 to 2014 by using the conditional directional distance function， examines the relationship between economic growth and environmental efficiency， and analyzes other factors that influence China′s industrial environmental efficiency such as trade， environmental protection investment，etc. The results reveal that： China′s overall industrial environmental efficiency shows an upward trend， the regional differences decrease year by year and tends to convergence， the average environmental efficiency in eastern area is significantly higher than middle and western region； an inverted u-shaped curve relationship exists between economic growth and environmental efficiency， which means the environmental efficiency shows an downward trend after rising along with economic growth， in 2014 most eastern provinces have been surpassed the turning point， the middle and western region have not reached the turning point yet； foreign trade， on the whole， is beneficial to the improvement of China′s industrial environmental efficiency， especially in the developed eastern region of China， while in the middle and western regions the negative impact of trade on environmental efficiency is larger than its positive influence； the greater the environmental governance investment is， the lower the industrial environmental efficiency is， which is mainly due to the high investment and poor effect of industrial pollution control caused by “end-treatment”； the higher the proportion of added value of the secondary industry in gross domestic product is， the higher the industrial environmental efficiency is， the positive effect of secondary industry on environmental efficiency driven by economic growth is greater than its negative impact； population density has a negative effect on China′s industrial environmental efficiency on the whole， the higher population density is， the lower environmental efficiency is.

Key words：environmental efficiency； economic growth； trade； conditional directional distance function

（責任編輯：張曦）