基于Malmquist指數的工業污染治理投入效率分析

徐順青，逯元堂*，陳鵬，朱建華

（環境保護部環境規劃院，北京 100012）

基于Malmquist指數的工業污染治理投入效率分析

徐順青，逯元堂*，陳鵬，朱建華

（環境保護部環境規劃院，北京 100012）

本文基于DEA的Malmquist指數方法對我國30個省（市、自治區）的工業污染治理投入效率進行分析。研究結果表明：2006—2014年全國工業污染治理投入全要素生產率平均下降1.9%，其中，11個省市、自治區（占比36.6%）出現了全要素生產率的改善，19個省市、自治區（占比63.3%）出現了下降，下降幅度最大的省市為上海市；從分解指數來看，技術效率指數增長4%，技術進步指數下降2.3%，即全要素生產率下降的主要原因是技術進步的不足；從區域角度來看，東、中西部的全要素生產率指數分別為0.960、0.961和1.025，受規模低的影響，東、中部地區的工業污染治理效率低于西部地區；從時間維度來看，除2008—2011年工業污染治理投資全要素生產率有一定程度的改善外，其他年份的全要素生產率提升不明顯，尤其是2011年以來，受技術進步不足影響，全要素生產率逐年下降。基于實證分析，本文從推動企業生產技術創新和污染治理技術創新、正向激勵與反向約束并施一同促進工業企業加大污染治理投入、鼓勵企業采用環境污染第三方治理方式治污等方面提出政策建議。

工業污染治理投入；DEA；Malmquist指數；效率

引言

“十一五”以來，黨中央和國務院高度重視生態環境保護，用于環境污染治理方面的資金規模逐年上升，從2006年的2566.0億元增長至2014年的9575.5億元，增長近3倍。環保投資規模的大幅度增長并未有效改善環境質量，城鎮化、工業化與資源開發導致的流域生態破壞、大氣霧霾、土壤質量破壞、城鎮人居環境惡化等問題加劇，環境污染治理和恢復的速度落后于環境的破壞速度。2014年全國環境統計公報顯示，工業污染是當前環境污染的重要來源，工業大氣污染尤甚（2014年工業SO2排放占總排放的88.1%，工業NOx排放占總排放的67.6%；工業煙粉塵排放占總排放的83.6%），可見環境污染治理效果的好壞與工業污染治理有密切的關聯。我國的工業污染治理投資從2006年的1251.1億元增長至2014年的4111.6億元，占GDP的比例從0.57%增長至0.65%。然而，工業污染治理投入的持續增加并未有效解決我國的工業污染問題，有研究認為這是由于環保資金供給仍然不足[1]，但大部分研究認為環保投資效率不高才是主要原因[2,3]。為進一步認識當前工業領域污染治理效率情況，同時考慮數據的時效性和可獲得性，本文利用數據包絡分析方法（DEA，data envelopment analysis）研究2006—2014年全國30個省（市、自治區）的工業污染治理效率現狀，并分析其主要影響因素，以期為環境治理效率提升及環境質量改善提供理論依據。

1 文獻綜述

目前學者對于環境污染治理效率有較多實證研究：從研究角度來看，眾多學者在環保投資范圍、主體、區域等方面存在差異，陶敏（2011）、戴紅昆（2014）等選擇環境污染治理投資總額作為投入指標，對全社會的環境污染治理投資效率進行評價分析[4,5]；韓強(2009)、張平淡（2016）等選擇工業環保投資，對工業領域環保投資效率進行了測算[6,7]；何平林（2011）則以環保財政支出為統計口徑，分析了中國地方政府在財政上對環境污染治理的投入力度及其效率[3]。從研究方法來看，絕大多數學者采用了數據包絡分析法(DEA)對環境污染治理投資效率進行定量研究。張慶民（2011)、王寶順(2011)將DEA方法運用到環境污染治理投資效率的實證研究中，從宏觀角度對我國環境污染治理投資效率進行測度和評價[8,9]。一些學者在DEA的基礎上還使用了其他的統計方法。聶華林(2010)、嚴曉星（2012）采用DEA方法中的Malmquist生產率指數、效率值等測算了環境污染治理投資的靜態效率和跨期動態效率的變化[10,11]。從研究結論來看，由于研究角度的不同，眾多學者從不同方面得出了不同結論。李勝文等(2010)指出我國環境污染治理投資的效率存在地區差異，有些地區經濟的發展與環境污染治理效率不成正比，并且整體效率不高[12],胡艷（2013）的研究結果表明當前中國大多數地區環境污染治理投資效率相對較低。從規模效率的角度來看，多數地區仍處于規模報酬遞增，需要進一步加大環境污染治理投資的力度[13]；張亞斌（2014）指出我國的環境污染治理總體績效上表現出惡化趨勢[14]；袁華萍（2016）研究發現我國大部分地區工業污染治理投資仍然存在著“高投入、低效益”的問題，并且投資效率地區差異呈擴大趨勢[15]。

總的來看，國內學者關于環境污染治理投資效率研究的理論基礎是環境污染治理的投入產出對比，研究方法主要采用效率前沿分析法，如非參數數據包絡分析法(DEA)、參數隨機前沿分析法(SFA)等。基于以往學者的眾多研究，考慮到我國工業污染的持續性和嚴重性，本文選擇DEA模型的Malmquist指數方法，對工業污染治理的投資效率進行研究，通過測算2006—2014年30個省（市、自治區）市工業領域的環保投資效率，探求工業污染治理的效率變化原因，為效率改進提供理論參考。

2 理論與方法

DEA模型在企業、產業效率與生產率的評價方面有廣泛應用，其基本模型有C2R模型和BC2模型。C2R模型和BC2模型多適用于評價靜態及某一時點生產要素的投入產出效率，而基于DEA模型的Malmquist指數方法可以利用面板數據，比較生產要素在不同時期的投入產出效率，其優勢在于采用最優化方法內定變量權重，不用指定投入與產出的具體函數關系，而且模型結果與變量選用量綱無關。

Malmquist指數方法通過距離函數而定義，距離函數可以從投入和產出兩個不同的角度給出。投入距離函數是在給定的產出條件下，衡量投入向量能夠向內縮減的程度；產出距離函數是在給定的投入條件下，衡量產出向量的最大擴張幅度[16]。下面用公式來進行說明。

式中，（Xt-1，Yt-1）和（Xt，Yt）分別表示評價對象在t -1和t時期的投入產出向量；Dt-1（Xt-1，Yt-1）表示以t -1時期技術做參照的t-1時期投入產出向量的產出距離函數；Dt-1（Xt，Yt）表示以t-1時期技術做參照的t期的投入產出向量的產出距離函數，以此類推。M0,t+1為固定規模報酬下的距離函數，即全要素生產率的變動，當其大于1時，表示生產率或投入產出效率的提升或進步；當其小于1時，表示生產率的倒退；當其等于1時，代表生產效率沒有變化。式（1）中的Malmquist指數可以分解為技術效率和技術進步兩個部分[7,8]：

其中，Ech為技術效率指數，表示從t -1時期到t時期技術效率變化；Tch為技術進步變化指數，表示從t-1時期到t時期技術水平的變化。式（2）的分解結果是基于固定規模報酬的假設，在變動規模報酬假設下可將式（2）進一步擴展：

式（3）描述了在變動規模報酬的情況下，將技術效率進一步分解為純技術效率（Pch）和規模效率（Sch）的變化。

3 指標選取及數據來源

科學地選擇投入產出指標對于準確、客觀地分析工業污染治理投資效率是至關重要的，根據現行環境統計，選擇工業污染源治理投入作為輸入，具體包括廢水、廢氣、固體廢物治理投資和廢水、廢氣、危險廢物運行費，與以上投入對應的各項工業污染物的治理效果，所以輸出指標選擇工業廢水處理量、工業廢水COD去除量、工業廢氣SO2去除量、工業煙（粉）塵去除量、工業固體廢棄物綜合利用量、工業固體廢物處置量。具體見表1。

表1 工業污染源治理投入產出指標

根據Malmquist指數方法的要求和數據的可得性，本文選取2006—2014年國內30個省（市、自治區）（未含西藏自治區，該區數據缺失多，將其剔除）作為研究對象，所有的數據來源于2006—2014年《中國環境統計年報》《中國統計年鑒》。

4 實證分析

本文使用DEAP2.1軟件進行分析，采用投入導向型的Malmquist指數方法。

4.1 各省（市、自治區）Malmquist指數分析

2006—2014年30個省（市、自治區）的全要素生產率（TFP）分解指數計算結果如表2所示。總體來看，2006—2014年30個省（市、自治區）的工業污染治理投入全要素生產率平均下降1.9%，其中，技術效率指數增長4%，技術進步指數下降2.3%，可見全要素生產率的下降主要歸因于技術進步的不足，說明工業領域污染治理技術的利用尚處于較為粗放的階段，對新技術的消化吸收能力不足。技術效率的改善主要得益于純技術效率指數的提升（增加16%），規模效率起到了拖累作用（下降12%），這說明我國工業領域的污染治理更強調管理效率的提升，而不只是依賴投資規模的增加。

表2 30個省（市、自治區）工業污染治理投資效率指數情況

對30個省（市、自治區）的全要素生產率進行分類匯總，按全要素生產率改善與未改善分為兩組，結果如表3所示。工業污染治理投入全要素生產率〉1的省（市、自治區）有11個（排名前五的分別是山西、甘肅、重慶、青海、廣東），占比36.7%，工業污染治理投入全要素生產率〈1的省（市、自治區）有19個（排名后五的分別是上海、河北、天津、浙江、黑龍江），占比63.3%，說明2006—2014年，我國大部分省（市、自治區）的工業污染治理投資效率較差。在全要素生產率改善的11個省（市、自治區）中，5個同時實現了技術效率的提升和技術進步，分別是山西、甘肅、重慶、青海、貴州，而山西和重慶又同時實現了純技術效率和規模效率的提升。全要素生產率未改善的19個省（市、自治區）主要受工業企業使用先進技術的積極性不足，導致技術進步指數下降，從而直接影響全要素生產率，有7個省（市、自治區）受技術和技術效率下降的雙重拖累，分別是北京、山東、黑龍江、天津、上海、浙江、河北。

表3 Malmqusit指數的省（市、自治區）統計描述

4.2 各區域Malmquist指數分析

按照國家統計局的區域分類方法，將研究中的30個省（市、自治區）劃分為東部、中部、西部三大區域，2006—2014年我國區域工業污染治理投資效率的比較見表4。

表4 2006—2014年我國區域工業污染治理投資效率的比較

從表4可以看出，西部地區的技術效率、技術進步、純技術效率和全要素生產率均大于東部地區和中部地區。這說明，隨著《西部大開發“十二五”規劃》（關于工業環境治理，提出“建立健全工業污染防控體系，加強造紙、印染、化工、制革、食品等行業及重金屬排放企業污染治理，推進固體廢棄物綜合利用及污染防治”）的實施，工業污染治理投資設施條件明顯改善，企業逐步重視對生產過程中的污染治理，取得了良好的環境效益，而且西部地區的工業環境治理設施建設落后于東、中部地區，環境污染治理效果的可提升幅度較大，效果顯著。東部和中部地區的全要素生產率低的主要原因是較低的規模效率，說明東、中部地區工業環境污染治理設施建設新增投入降低，環境污染治理效果的可提升幅度較小，效果也不顯著。從總體上看，三大區域的工業污染治理投資效率相差并不是很大，這也說明我國在工業發展進程中，不僅重視經濟發達地區的污染治理，同時也十分重視西部欠發達地區的污染治理，能夠協調好各地區之間的關系，符合科學發展、協調發展的策略。

4.3 各年度Malmquist指數分析表5顯示了2006—2014年我國工業污染源治理效率變化情況。由表5可知，2006—2014年工業污染治理投資全要素生產率指數平均值為0.957，小于1，表明從整體上看，我國近年來的工業污染治理投資效率提升不明顯。從各年來看，除2008—2011年工業污染治理投資全要素生產率有一定程度的改善外，其他年份的全要素生產率提升不明顯，尤其是2011年以來，全要素生產率逐年下降，2012年達到歷史低點，僅為0.857，下降

14.3%。從其分解指數可以看出，2011—2014年全要素生產率指數下降的原因主要是較低的技術進步指數，說明工業企業在引用先進技術和推廣適用技術方面存在不足，阻礙了全要素生產率的提升。

表5 2006—2014年30個省（市、自治區）工業污染治理投資效率指數變化情況

5 結論與建議

本文以2006—2014年我國30個省（市、自治區）的相關數據為基礎，通過Malmquist指數模型，實證分析了工業污染治理投資效率，可以得出下列結論：

（1）2006—2014年，全國30個省（市、自治區）的工業污染治理全要素生產率平均下降1.9%，主要原因為技術進步指數的下降，其中，11個省（市、自治區）實現了全要素生產率的改善，山西省的污染治理全要素生產率最高，19個省（市、自治區）出現了下降，下降幅度最大的為上海市。

（2）從區域角度看，西部地區在技術效率、技術進步、純技術效率和全要素生產率方面均大于東部地區和中部地區，東部和中部地區的全要素生產率低的主要原因是較低的規模效率。

（3）從時間維度看，2011年以來，全要素生產率逐年下降，下降的原因主要是較低的技術進步指數。

根據以上實證分析結論，為了提高我國工業污染治理的投入產出效率，發揮工業污染治理各項投資的最大效益，本文提出如下對策建議：

（1）推動企業生產技術創新和污染治理技術創新。技術水平是影響工業污染治理投入的關鍵要素，同時企業技術創新是實現能源節約和減少污染排放的根本途徑，地方政府要通過對科技創新企業實行稅收優惠政策進行正向激勵，對符合條件的科技研發項目給予財政資金支持，加強適用技術及工程的示范推廣。具有自主創新能力的企業一方面要注重加強生產工藝的創新，另一方面要注重廢物利用基礎性技術的研發，并及時將創新成果應用于生產各個流程，擴大環境污染治理的前端預防效果。對于缺乏自主創新能力的企業，要積極引進先進的技術設備，改造原有生產工藝，降低單位產值的資源消耗；或加強與高校、科研機構等參與主體的研發合作，大力研發環境污染治理技術，提高污染治理效果。環境污染治理具有多中心特征，需要政府、企業和其他社會組織的相互合作，共同提供與污染治理相關的產品、技術和資源。

（2）正向激勵與反向約束并施一同促進工業企業加大污染治理投入。適度的投資規模是企業提升污染治理效果的重要保障[17]，一方面通過正向引導政策鼓勵企業加大環境污染治理投入，對于治污企業污染治理設施運行用電、用水、用地等給予優惠，統一執行大工業電價、企業優惠水價，企業從事國家重點支持的環境基礎設施項目經營所得，符合條件的環境保護、節能節水、固體廢物處置利用項目所得，積極落實并享受所得稅、增值稅減免等優惠；另一方面通過反向制約政策，倒逼企業加大污染治理投入。依據行業污染程度制定不同的排污收費稅[18]，提高企業的資源利用成本和違法排污成本，以減少重污染企業數目，環保部門則要加大對企業排污行為的監管力度，及時公開發布企業排污信息，對于超標排放、偷排污染物等違法行為，按照新環保法要求及時進行處罰，落實企事業單位治污責任。

（3）鼓勵企業采用環境污染第三方治理方式治污。鼓勵企業通過繳納或按合同約定支付費用，委托專業的環境服務公司進行集中式、專業化治理，并可委托專業的環境服務公司開展環境診斷、生態設計、清潔生產審核和技術改造等活動，有助于企業更加專心于生產活動，而無須過多擔心環境問題。通過發揮第三方治理公司的技術和管理優勢，不僅可解決工業企業的環境污染問題，而且可通過制定按效付費機制從根本上提升治污效率。

[1] 黃泉川, 扈文麗. 我國環境保護投融資機制創新研究[J].財經理論與實踐, 2006, 27(5)： 50-55.

[2] 楊竟萌, 王立國. 我國環境保護投資效率問題研究[J]. 當代財經, 2009(9)： 20-25.

[3] 何平林, 劉建平, 王曉霞. 財政投資效率的數據包絡分析——基于環境保護投資[J]. 財政研究, 2011(5)： 31-34.

[4] 陶敏. 我國環境治理投資效率評價研究[J]. 技術經濟與管理研究, 2011(9)： 89-92.

[5] 戴紅昆. 環境污染治理投資效率的綜合評價研究[D]. 保定： 河北大學, 2014.

[6] 韓強, 曹洪軍, 宿潔. 我國工業領域環境保護投資效率實證研究[J]. 經濟管理, 2009, 31(5)： 154-160.

[7] 張平淡, 袁浩銘, 杜雯翠. 我國工業領域環保投資效率及其影響因素分析[J]. 大連理工大學學報(社會科學版), 2016, 37(1)： 6-10.

[8] 張慶民, 王海燕, 歐陽俊. 基于DEA的城市群環境投入產出效率測度研究[J]. 中國人口·資源與環境, 2011, 21(2)：18-23.

[9] 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, 18(4)： 71-76.

[10] 聶華林, 陳紹儉. 西部地區工業污染治理效率評價研究——基于DEA和Malmquist指數的實證分析[J]. 開發研究, 2010(4)： 5-8.

[11] 嚴曉星, 陳劭鋒, 劉揚. 我國工業污染治理動態效率研究[J]. 工業技術經濟, 2012(5)： 153-160.

[12] 李勝文, 李新春, 楊學儒. 中國的環境效率與環境管制——基于1986—2007年省級水平的估算[J]. 財經研究, 2010(2)： 59-68.

[13] 胡艷, 吳振鵬. 中國區域環境治理投資效率的實證分析——以28個省市(地區)為例[J]. 當代經濟研究, 2013(5)： 39-44.

[14] 張亞斌, 馬晨, 金培振. 我國環境治理投資績效評價及其影響因素——基于面板數據的SBM-TOBIT兩階段模型[J]. 經濟管理, 2014, 36(4)： 171-180.

[15] 袁華萍. 基于DEA視窗分析的中國環境治理投資效率研究[J]. 生態經濟, 2016, 32(4)： 154-157.

[16] 孫慧, 王媛. 基于DEA的Malmquist指數在城市基礎設施投資效率評價中的應用[J]. 科技進步與對策, 2008, 25(10)： 97-100.

[17] 逯元堂, 吳舜澤, 陳鵬, 等. 環保投融資政策優化重點與方向[J]. 環境保護, 2014, 42(13)： 42-44.

[18] 國家環境經濟政策研究與試點項目技術組.國家環境經濟政策進展評估2016[J].中國環境管理，2017（2）：9-13.

Analysis of lndustrial Pollution Control lnvestment Ef fi ciency Based on Malmquist lndex

XU Shunqing, LU Yuantang*, CHEN Peng, ZHU Jianhua
(Chinese Academy for Environmental Planning, Beijing 100012)

The investment ef fi ciency of industrial pollution control in 30 provinces of China was analyzed based on DEA Malmquist Index method. The results showed that: the average total factor productivity of industrial pollution control investment in 2006-2014 was decreased by 1.9%, where 11 provinces were improved and others were decreased, especially Shanghai had the biggest reduction. The technical ef fi ciency index increased 4% and the technical progress index decreased 2.3%, indicated that the main reason for the decline of total factor productivity was the lack of technical progress. From the regional point of view, total factor productivity index in the east and central region was 0.960 and 0.961, lower than that in the west 1.025; from the perspective of the time dimension, since 2011, affected by the lack of technical progress, the ef fi ciency was decreased. Based on the empirical analysis, this paper put forward policy recommendations from the aspects of improving the level of technology and expanding the scale of investment.

industrial pollution control investment; DEA; Malmquist index; ef fi ciency

X196

1674-6252（2017）04-0046-05

A

10.16868/j.cnki.1674-6252.2017.04.046

徐順青（1986—），女，碩士研究生，中級經濟師，主要研究方向為環境保護投融資，E-mail：xusq@caep.org.cn。

*責任作者： 逯元堂（1979—），男，副研究員，研究方向為環境經濟、環境管理，E-mail：huyt@caep.org.cn。