長江經濟帶環境效率評價及影響因素分析

郭 豐

重慶工商大學 長江上游經濟研究中心，重慶 400067

長江經濟帶環境效率評價及影響因素分析

郭 豐

重慶工商大學 長江上游經濟研究中心，重慶 400067

根據2004年—2014年的面板數據，運用DEA-CCR模型與DEA-SBM模型測度了長江經濟帶11個省市的經濟效率與環境效率，并利用Tobit模型對影響環境效率的因素進行了分析。結果表明：非期望產出的引入降低了效率水平，少數省份對環境變量的引入較為敏感；2004年—2012年環境效率呈下降趨勢，2012年之后略有上升；環境效率由下游到中游到上游依次遞減，上游、下游各省市間環境效率差異大，中游各省之間環境效率差異較小。實際人均GDP、能源結構、地區因素與環境效率呈現顯著正相關關系；環境規制、產業結構、技術進步呈現顯著負相關關系；實際利用外商投資對環境效率無顯著影響。

CCR模型；SBM模型；環境效率；Tobit模型；影響因素

一、引言

長江經濟帶是我國重要的經濟走廊之一，具有重要的戰略地位。長江經濟帶11個省市2014年GDP總值達28.42億元，占全國GDP總量的44.66%。長江經濟帶經濟實現了快速的發展，但不可否認的是在經濟取得較大發展的同時環境質量卻在不斷惡化。2014年長江經濟帶11個省市SO2排放總量高達678.75萬噸，廢水排放總量高達307.85億噸，工業固體廢物產生總量達9.434 2億噸。2015年，長江經濟帶省會城市中只有昆明空氣質量達標，其余省會城市及直轄市空氣質量都沒有達標。PM2.5年均濃度低于35 μg/m3的省會城市只有貴陽，昆明、南昌、上海、重慶、南京PM2.5年均濃度介于35 μg/m3～60 μg/m3，長沙、合肥、成都、武漢PM2.5年均濃度介于60 μg/m3～70 μg/m3之間，離準則值35 μg/m3還有一定差距，大氣存在較大程度的污染。上海、浙江、江西的大部分地區以及湖南中東部、重慶南部、江蘇南部都是我國酸雨的主要分布區。太湖、鄱陽湖水質輕度污染，巢湖、洞庭湖水質中度污染，滇池水質重度污染，水質優良湖泊較少。滇池處于中度富營養狀態，太湖、洪澤湖、巢湖處于輕度富營養狀態，長江流域的主要湖泊水質存在較大污染，地下水水質較差。煤炭消費總量占能源消費總量的比例仍然較高，長江中上游地區水土流失嚴重。以上情況說明長江經濟帶環境狀況不容樂觀，在經濟發展的同時環境狀況也在不斷惡化。針對環境狀況的不斷惡化，“十三五”規劃綱要也指出，推進長江經濟帶發展，持生態優先、綠色發展的戰略定位，促進長江經濟帶上中下游協同發展，把生態環境的修復放在首要位置。把長江經濟帶建設成為我國的協調發展帶、先行示范帶、創新驅動帶。要實現長江經濟帶的綠色與協調發展，必須轉變對經濟增長績效的評價方式，在實現經濟發展的同時，更加注重對環境的保護，因此，評估長江經濟帶的環境效率有著重要的現實意義。

自從Fare等[1]正式提出環境效率評價的模型后，許多學者用環境效率評價模型對環境效率進行了大量的研究。傳統的CCR模型中產出變量并沒有考慮非期望產出，為了把非期望產出納入DEA模型中進行環境效率的測度，許多學者進行了積極的嘗試與探索。包括把非期望產出作為投入處理的投入法，Seiford和Zhu[2-3]提出了對非期望產出乘以-1的轉換向量法，Fare等[4]人提出了基于弱可處置性和產出角度的方向性距離函數，以上這些方法都屬于徑向和角度的方法。Tone[5]提出了非角度和非徑向的SBM模型，這一模型能夠避免因為角度和徑向選擇的差異所帶來的偏差，能夠更好地進行環境效率評價。楊青山等利用BCC模型、CCR模型與SBM模型對東北城市群環境效率進行了評價，由于環保治理規模無效、資金投入不足、環保技術落后等原因，三大城市群達到最佳生產前沿的城市并不多。白永平等[7]利用SBM模型與ML指數測度了沿黃河九省（區）的環境效率，九省（區）環境效率相對水平較低，但有向好發展的趨勢。趙崢和宋濤[8]認為四階段DEA和Bootstrap-DEA測算出來的環境治理效率與傳統DEA測算的效率存在差異，環境治理效率與當地的資源環境狀況相關，環保支出占GDP比重系數為負。胡沙達和李楊[9]利用SBM模型測度了中國中西部三大地區環境效率，通過面板回歸分析了影響環境效率的因素，政府規制的加強并沒有提升環境效率。張亞斌等[10]利用SBM模型與Tobit模型得出中國各省市之間環境治理績效存在較大差異，投資績效與環境治理績效具有相同的評價結果。孟潔和戴慶慶[11]利用Tobit模型分析得出第二產業與第三產業增加值比重、能源消費結構與環境效率成正相關。王鋒和馮根福[12]基于DEA窗口模型得出中國少數省份環境效率呈上升趨勢，大多數省份環境效率呈下降趨勢，以化石能源為主的能源投入模式以及CO2排放的不斷增加，因而各省市的環境效率并沒有得到很好的提升。劉輝和李志翠[13]用CCR模型與SBM模型對我國西部工業經濟效率與環境效率進行了比較研究，西部十二省市環境效率并沒有達到生產的最佳前沿。

綜上，關于環境效率評價的研究為本文提供了相關的理論和方法借鑒。目前我國基于DEA模型對環境效率評價進行了大量的研究，取得了很多成果，但對考慮期望產出的效率與考慮非期望產出的環境效率進行比較研究并不多。而且，還缺乏對我國長江經濟帶的環境效率進行測度和比較研究。因此，本文基于長江經濟帶11個省市2004年—2014年的面板數據，利用考慮期望產出的DEA-CCR模型與考慮非期望產出的DEA-SBM模型對長江經濟帶的經濟效率與環境效率進行了測度和研究。并利用Tobit模型對影響長江經濟帶環境效率的因素進行了分析，以便進一步了解長江經濟帶環境效率狀況以及發展趨勢，對長江經濟帶的可持續發展以及政府制定相關的經濟發展政策提供理論依據。

二、理論模型

（一）傳統的CCR模型

CCR模型是建立在固定規模報酬不變的假設基礎上，對多投入多產出情況下的相對效率用線性進行評價的模型。本文采用的是以投入為導向的DEA-CCR模型。假設有n個決策單元（DMU)，每個決策單元都有投入 m 種，產出有s種，設xij為第j個決策單元的第i種投入(xij≥0），設ykj為第j個決策單元的第k種產出(ykj≥0）它們的輸入指標矩陣X(T)，產出指標矩陣Y(T)，其中：

如果以第 j0個決策單元的效率指數為目標，并以所有決策單元的效率指數為約束條件，建立以下的CCR模型：

對（1）式使用Charnes-Cooper變化得到的線性規劃模型轉變為其對偶模型，引入松弛變量S+與剩余變量S-，建立對偶規劃模型：

在式（2）中，ρ*=1且S+=0和S-=0時，決策單元j0為DEA有效；當ρ*=1且S+、S-不全為0時，決策單元j0為DEA弱有效，需調整投入和產出量；當ρ*＜1時，決策單元 j0為DEA無效。

（二）考慮非期望產出的SBM模型

假定有n個決策單元（DMU），m種投入，其元素x∈R ，并定義X=[x1,x2,…，xn]∈R 且xi＞0；s種產出，其中，包括s1種期望產出（其元素Yg∈Rs1）和s2種非期望產出（其元素Ub∈Rs2）；并定義：

則SBM非期望產出模型可以表示為：

在式（3）中：s-、sg、sb為投入、期望產出、非期望產出的松弛變量。λ為權重向量，ρ*為目標函數值，關于s-、sg、sb是嚴格遞減的，且0≤ρ*≤1。當且僅當ρ*=1時，s-=0、sg=0、sb=0時決策單元是有效率的；如果ρ*＜1，s-、sg、sb不全為0時，說明決策單元是無效率的，存在著投入產出上改進的必要。

三、數據來源與指標選取

本文利用2004年—2014年長江經濟帶11個省市的面板數據進行相關分析，并利用DEA Solver Pro 5.0軟件對投入、期望產出以及非期望產出的數據進行處理，得出考慮期望產出DEA-CCR模型的效率值與考慮非期望產出DEA-SBM的環境效率值。并利用Tobit模型對影響長江經濟帶環境效率的相關因素進行分析。本文所有數據來源于2005年—2015年長江經濟帶各省市統計年鑒，《中國環境年鑒》《中國能源統計年鑒》以及中國經濟與社會發展統計數據庫。

本文選取的指標包括三類：一是投入指標，投入指標選取三個，包括社會固定資產投資總額、年末從業人員總數、能源消費總量（萬噸煤標準）。二是期望產出指標，選取各省市的實際GDP作為期望產出，各省市實際GDP都是以2003年的價格為基期計算所得的實際GDP。三是非期望產出指標，包括工業固體廢物產生總量、SO2排放總量以及廢水排放總量。本文為了方便分析，將長江經濟帶分為上中下游三大地區：下游包括浙江省、江蘇省、上海市、安徽省；中游包括湖南省、江西省、湖北省；上游包括貴州省、重慶市、云南省、四川省。利用DEA Solver Pro 5.0計算的結果如表1、表2所示。

表1 長江經濟帶2004年—2014年各省市不含污染變量的效率值

表2 長江經濟帶2004年—2014年各省市環境效率值

四、處理結果及分析

（一）平均效率變化趨勢

圖1顯示了2004年到2014年長江經濟帶11個省市平均效率變化的趨勢（不包含污染變量與包含污染變量）。從圖1中可以看出，CCR模型與SBM模型測算的效率值總體上呈現出相同的趨勢，2004年—2012年平均環境效率呈下降趨勢，2012年—2014年平均環境效率呈緩慢上升趨勢。考慮了污染變量的環境效率比不考慮污染變量的效率明顯降低了很多，說明不考慮污染變量的效率評價存在很大程度的失真，不能真實地反映效率評價。2004年—2009年兩者之間的差距有所縮小，2009年以后兩者之間的差距稍微有所擴大。2004年—2009年兩種效率下降趨勢明顯，2009年—2012年下降平緩。2009年之后不包含污染變量的效率基本維持在0.7左右，環境效率基本維持在0.5左右。2012年—2014年環境效率有所上升，這與國家加大了環境保護密切相關，隨著2012年《“十二五”節能減排綜合性工作方案》《節能減排“十二五”規劃》等相關環保政策的出臺，在一定程度上對環境污染治理產生了積極作用，有效地提高了環境效率。

從表3可以看出，上海的平均效率值之間沒有差異，平均值都為1，處在最佳的生產前沿，經濟環境協調度高。江西省、安徽省、重慶市含污染變量與不含污染變量的平均效率值之間差異較大，說明引入污染變量之后江西省、安徽省、重慶市較為敏感，即經濟環境協調度相對較差，其余省市經濟環境協調度相對較高。

圖1 長江經濟帶歷年平均效率趨勢

表3 不含污染變量與含污染變量各省市歷年總平均效率值及兩者之間的差值

（二）區域環境效率差異

1．三大區域不含污染變量的效率差異分析

從圖2可以看出，長江經濟帶三大區域不含污染變量的平均效率總體呈現出下降趨勢。上游地區下降緩慢，中游地區和上游地區下降較快。下游地區平均效率值較高，維持在0.9左右，中游地區平均效率值較低，2009年之后基本維持在0.65左右。上游地區平均效率值很低，2010年之后維持在0.55左右。

圖2 長江經濟帶上中下游歷年不考慮污染變量的平均效率趨勢

2．三大區域含污染變量的環境效率差異分析

圖3描述了長江經濟帶三大區域平均環境效率趨勢。從圖3中可以看出，下游平均環境效率相對較高，大體上在0.7上下波動，絕對值還是較低。中游、上游平均環境效率相對較低。下游平均環境效率變化相對較小，上游平均環境效率變化較明顯，中游平均環境效率變化較大。中游平均環境效率從2004年的0.73下降到2014年的0.40，中游在承接東部產業轉移的同時也應充分重視環境保護。到2014年，上游平均環境效率值僅為0.35，上游經濟相對下游經濟較發展較落后，根據環境庫茲涅茨曲線理論可知，經濟在較落后的發展時期環境污染相對較低，上游處于經濟發展落后，環境污染大的兩難境地，這與上游產業的粗放型增長密切相關，經濟發展仍然是三高一低的增長方式。

圖3 長江經濟帶上中下游歷年平均環境效率趨勢圖

3．上中下游各省市環境效率差異

從圖4可以看出，在考慮非期望產出的情況下，上海所有年份的環境效率值都是1，說明決策單元是有效的，處在最佳的生產前沿。上海的經濟環境協調度高，其余省市環境效率值均低于1，表明決策單元無效，沒有處在最佳的生產前沿，存在投入產出改進的必要。下游地區各省市間環境效率差異較大，上海市環境效率較高，安徽省環境效率較差，2014年安徽省環境效率值僅為0.4，并且下降趨勢明顯。江蘇省和浙江省環境效率值在0.65上下波動，下降趨勢較小，2013年、2014年略有上升。長江經濟帶中游三省環境效率差異較小，三個省環境效率值很接近。湖南在2004年環境效率值為1，為有效決策單元，之后環境效率值低于0.6。中游三省環境效率值總體較低，湖南省在2012年之后環境效率有一定提升，江西省環境效率值一直處于緩慢下降趨勢，湖北省在2014年環境效率值有明顯提升。上游地區環境效率差異也較大，上游地區重慶市環境效率最高，貴州省環境效率最低。貴州省環境效率值最低的時候僅為0.2 238，這與貴州省經濟發展密切相關。貴州經濟發展落后，雖然這幾年經濟增長較快，但是走的是粗放型經濟增長方式，一是其技術效率較低，二是靠犧牲較大的環境代價來實現經濟的增長，不含污染變量的效率與含污染變量的環境效率都較低，經濟發展與環境保護處于“兩難”境地的狀況。上游四省市2004年—2012年環境效率呈逐步下降趨勢，除貴州省在2005年略有上升，2012年之后上游四省市環境效率呈緩慢上升趨勢，幅度較小（圖5～圖6）。

圖4 長江經濟帶下游環境效率趨勢

圖5 長江經濟帶中游環境效率趨勢

圖6 長江經濟帶上游環境效率趨勢

五、環境效率的影響因素分析

（一）模型選擇與變量選擇

1．模型選擇

本文計算出來的DEA-SBM環境效率值均處在0～1之間，屬于斷尾數據，最小二乘估計（OLS）不再適用于參數的估計，用最大似然估計（ML）才能得到一致的估計量。Tobit模型屬于因變量受限模型，同時也遵循最大似然法估計，因此Tobit模型成為了一個較好的選擇。因此，本文利用Tobit模型對影響長江經濟帶環境效率的因素進行分析。

2．變量選擇與說明

根據國內外已有的關于環境效率影響因素研究的相關文獻，以及長江經濟帶發展的現實狀況來選取以下影響因素：第一，經濟規模。根據環境庫茲涅茨曲線理論可知，經濟發展水平與環境污染狀況成倒U關系，長江經濟帶省市間經濟發展水平差異較大，經濟發展水平肯定會對環境效率評價產生影響，本文以2003年為不變價格計算實際的人均GDP來作為經濟發展水平。第二，環境規制。各省市對環境污染治理的投資勢必也會對非期望產出產生影響，選取環境污染治理投資占GDP的比重作為環境規制指標。第三，產業結構。第二產業增加值占GDP比重較大，且會對期望產出與非期望產出產生雙重效應，故用第二產業增加值占GDP比重表示產業結構。第四，對外開放水平。本文用實際利用外資金額占GDP比重來表示。第五，技術進步。選取專利授權數作為技術進步指標。第六，能源消費結構。考慮到能源消費對GDP與污染排放的雙重效應，選取煤炭消費總量占能源消費總量的比重來表示。第七，區域虛擬變量。長江經濟帶下游四省市為1，其余省市為0。本文也對相關影響因素進行了預判，為了便于分析，本文將經濟規模、環境規制、專利授權取對數。數據的解釋及說明見表4。

表4 解釋變量說明

（二）實證結果與分析

根據Tobit模型，本文將長江經濟帶各省市的環境效率值（EEit）與各影響因素之間的具體模型設定如下：

式中，左邊EEit代表第i個省市t年的環境效率值，右邊表示的是各自變量第i個省市t年的相關因素的值，i=1,2,…,11，t=1,2,…,11。βi=(i=0,1,…，7)為待定系數，εit為隨機誤差項，本文利用Tobit模型對影響長江經濟帶環境效率的因素進行分析，運用軟件STATA 13.0對數據進行處理得到表5的結果。

表5 長江經濟帶環境效率影響因素Tobit回歸結果

1．經濟規模、能源結構、區域虛擬變量對環境效率具有顯著的正向作用，都通過了1%水平的顯著性檢驗。實際人均GDP對環境效率的正向作用較大，人均GDP的提高表明經濟水平的提升，人均收入的提高，相對而言實際人均收入也會提高，這會促進人們對環境質量有更高的要求，能夠給環境治理提供物質保障，使環境污染治理投資得到更全面的投入，有助于環境效率的提高。能源結構系數為正，這與孟潔[11]等研究結論一致，但與預期相反，能源結構系數較小，僅為0.003，說明煤炭消費比重每增加一個單位，環境效率會上升0.003個單位，影響較小。一般認為煤炭消費占能源消費的比重越大，環境效率越低，從非期望產出看是這樣，但煤炭消費也會對期望產出（GDP）產生正效應，能源結構系數為正，說明對期望產出的正效應較大，但從經濟發展的長遠來看，煤炭消費比重的提升最終產生的負效應會大于正效應。區域虛擬變量系數為正，說明長江經濟帶下游地區對環境效率的提升具有優勢，下游地區經濟水平較高，無論是在經濟、技術、人才等各個方面，下游地區都優于中游和上游地區。

2．環境規制、產業結構以及技術進步對環境效率具有顯著的負相關，環境規制通過了10%水平的顯著性檢驗，產業結構以及技術進步通過了1%水平的顯著性檢驗。環境規制與環境效率呈現出顯著的負相關關系，這與白永平[7]、胡沙達[9]等研究結果一致，這與之前的預判相反，說明長江經濟帶環境污染治理投資并沒有達到預期的效果，環境污染治理投資存在著使用的不合理，各省市的環境污染治理投資占GDP比重較低，各省市環境污染治理投資比重普遍在1%～2%之間，浙江省、安徽省、江西省、重慶市少數幾年環境污染治理投資比重超過2%，貴州省、湖北省、云南省、湖南省、四川省大部分年份環境污染治理投資比重都在1%以下，總體上看，長江經濟帶環境污染治理投資較少。產業結構與環境效率呈現出負相關關系，說明第二產業帶來非期望產出的負效應大于其對期望產出（GDP）的影響，說明長江經濟帶第二產業的發展還是走的傳統型“三高一低”的粗放型發展模式，非期望產出的負效應大于期望產出的正效應，技術效率有待提升，產業結構有待轉型與升級。專利授權數與環境效率呈現出負相關關系，這與魯煒[14]等研究結論一致，這與之前的預判相反，技術進步對環境效率具有負作用，說明專利授權很多并沒有很好的應用在環境保護上，某些程度上這些專利授權本身具有一定的污染性，而且，中國的科研機構主體不在企業，大多數都在政府和高校，這造成市場與技術的脫節，國內的很多專利技術是引進國外的，所以專利授權數并沒有很好地反映長江經濟帶的技術進步。

3．對外開放程度與環境效率具有負相關關系，但并沒有通過10%水平的顯著性檢驗。說明實際使用外商投資對環境效率并沒有顯著的負效應，也許是實際使用外商投資占GDP比重只是一個量的關系，并不能反映其在質上的關系，實際使用外商投資占GDP比重較高只能說明該省市外商投資環境競爭力較強。或者說是因為面板數據的分析通常都是假定各個省市的污染排放是互相獨立的，但往往現實并不是這樣，由于風向、水流等原因，長江經濟帶各省市的環境污染狀況會受到鄰近省市非期望產出的影響，各省市間環境污染存在較大的空間相關性，面板數據分析忽視了其空間效應。

六、結論與啟示

本文根據長江經濟帶11個省市2004年—2014年的面板數據，基于DEA-CCR模型對考慮期望產出的效率與DEA-SBM模型對考慮非期望產出的環境效率進行了測度與研究，并利用Tobit模型對影響環境效率的相關因素進行了分析，得出以下幾點結論：

（1）引入環境變量明顯降低了長江經濟帶的效率水平，環境污染造成了效率水平的損失。只有上海市環境效率值始終為1，決策單元有效，處在有效生產前沿，其余省市都沒有達到最佳的生產前沿。不考慮環境因素的效率評價是不合實際的，SBM模型能夠更好地對環境效率進行評價，體現了效率評價的本質。

（2）長江經濟帶平均環境效率在2004年—2012年呈現出遞減趨勢，2012年—2014年逐漸上升，總體的環境效率值較低。引入污染變量因素后，安徽省、重慶市以及江西省比其他省市更為敏感。

（3）長江經濟帶上中下游環境效率差異大，呈現出下游高于中游，中游高于上游的現狀，三大區域的環境效率由下游向上游遞減。從各個區域上看，下游與上游各省市之間環境效率差異大，中游各省環境效率差異較小。

（4）經濟規模、能源結構、地區因素與環境效率呈現出顯著正相關關系，環境規制、產業結構、技術進步與環境效率呈現出顯著負相關關系，實際利用外商投資與環境效率關系不顯著。

長江經濟帶環境效率總體較低，本文通過對影響長江經濟帶環境效率因素的Tobit回歸分析得出以下啟示：環境污染治理投資沒有發揮出本來應有的正向作用，應加大長江經濟帶環境污染治理投資，同時不斷提高其利用效率，充分把污染治理投資利用在污染較大的企業與行業，不應該走先污染、后治理及上游污染、下游治理的道路，應該從源頭上減少環境污染。大力調整產業結構，不能繼續走“三高一低”的發展模式，加快長江經濟帶粗放型的增長方式向密集型增長方式的轉變，不斷提升產品附加值，加快第三產業的發展，實現產業結構向“第三產業＞第二產業＞第一產業”的轉變。加大科研投入，在科研發明上也要加強科研產品自身的環保性，同時注重高等教育的發展，實現科研和市場的良性接軌，加速科技成果向實際生產力的不斷轉化。不斷提升期望產出的技術效率，降低非期望產出，提升長江經濟帶經濟與環境的協調程度，實現經濟與環境的可持續發展。

[1] FARE R, GROSSKOPF S, LOVELL C A K. Multilateral Productivity Comparisons when Some Outputs are Undesirable: A Nonparametric Approach [J]. Review of Economics and Statistics, 1989, 71(1): 90-98.

[2] ZHU J. Quantitative Models for Performance Evaluation and Benchmarking: Data Envelopment Analysis with Spreadsheets and DEA Excel Solver [M]. New York：Springer US, 2003.

[3] SEIFORD L M, ZHU J. Modeling undesirable factors in efficiency evaluation [J]. European Journal of Operational Research, 2002(142): 16-20.

[4] FARE R, GROSSKOPF S, PASURKA C A. Environmental Production Functions and Environmental Directional Distance Functions:A Joint Production Comparison [J]. Energy, 2007, 32(7):1055-1066.

[5] TONE K. Dealing with Undesirable Outputs in DEA : A Slacksbased Measure (SBM) Approach[J]. GRIPS Research Report Series，I-2003-0005.

[6] 楊青山，張郁，李雅軍. 基于DEA的東北地區城市群環境效率評價[J]. 經濟地理, 2012, 32(9): 51-55+60.

[7] 白永平，張曉州，郝永佩，等. 基于SBM-Malmquist-Tobit模型的沿黃九省（區）環境效率差異及影響因素分析[J]. 地域研究與開發，2013，32(2): 90-95.

[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(3): 18-25.

[9] 胡達沙，李楊. 環境效率評價及其影響因素的區域差異[J]. 財經科學，2012(4): 116-124.

[10] 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[J]. 經濟管理，2014，36(4): 170-179.

[11] 孟潔，戴慶慶. 中國省際能源—環境效率評價及影響因素分析[J]. 統計與決策，2016(14)：89-91.

[12] 王鋒，馮根福. 基于DEA窗口模型的中國省際能源與環境效率評估[J]. 中國工業經濟，2013(7): 56-68.

[13] 劉輝，李志翠. 我國西部工業環境效率與經濟效率的差異研究[J]. 西部論壇，2013, 23(6): 90-96.

[1 4] 魯煒，趙云飛. 中國區域環境效率評價及影響因素研究[J]. 北京航空航天大學學報(社會科學版），2016, 29(3): 30-35.

Environmental Efficiency Evaluation and Environmental Efficiency Influencing Factors Analysis of Yangtze River Economic Belt

GUO Feng

Chongqing Technology and Business University, Chongqing 400067

According to the panel data from 2004 to 2014, the economic efficiency and the environmental efficiency of 11 provinces of Yangtze River economic belt are measured by DEA-CCR model and DEA-SBM model, and Tobit model is adapted to analyze the factors which affect the environmental efficiency. The results show that: the introduction of the undesirable output has reduced the efficiency level, a few provinces are more sensitive to the introduction of environmental variables; the environmental efficiency is declining from 2004 to 2012, with a slight increase after 2012; environmental efficiency decreases from downstream to midstream to upstream, the environmental efficiency differences between the upstream and downstream provinces is large,and the environmental efficiency differences between the provinces in the midstream is small. Actual GDP per capita, energy structure and regional factors have a significantly positive impact on environmental efficiency;environmental regulation, industrial structure and technological progress have a negative impact on environmental efficiency; the actual use of foreign investment has no significantly impact on environmental efficiency.

CCR model; SBM model; environmental efficiency; Tobit model; influencing factors

F061.9

A

1007-6875(2017)04-0030-07

10.13937/j.cnki.hbdzdxxb.2017.04.006

重慶市教委科學技術研究項目 “長江經濟帶霧霾污染治理與能源消費結構轉型研究”（KJ1600636）；重慶市社會科學規劃項目 “長江經濟帶產業聯動的影響因素與合作機制研究”（2016YBJJ024）。

郭豐（1993—）,男，四川廣安人，碩士研究生，主要從事區域經濟發展戰略與規劃研究。

（責任編輯：周吉光）