存在多種非期望產出的非徑向零和收益DEA模型我國區域環境效率實證研究

馮晨鵬，王慧玲，畢功兵

(1. 合肥工業大學管理學院，安徽 合肥 230009; 2. 安徽行政學院財金系，安徽 合肥 230059;3. 中國科學技術大學管理學院，安徽 合肥 230026)

存在多種非期望產出的非徑向零和收益DEA模型我國區域環境效率實證研究

馮晨鵬1，王慧玲2，畢功兵3

(1. 合肥工業大學管理學院，安徽 合肥 230009; 2. 安徽行政學院財金系，安徽 合肥 230059;3. 中國科學技術大學管理學院，安徽 合肥 230026)

現實生產中產出的非期望輸出往往是多維度的。然而，在學術界，尚未有學者關注弱自由處置假設下存在多維非期望產出以及總額限制時的環境績效評價問題。本文將現有的零和收益(Zero Sum Gains, ZSG)DEA模型中的非期望產出從單維度擴展到多維度的情形，提出了一類非徑向ZSG-DEA模型。接著，針對該類模型存在難以求解的問題，通過適當變換，降低了模型的計算難度，并且提供了一種可行的方案求解某些不存在可行解的有效單元。最后，將所提模型應用于評價我國30個行政區域的環境效率的實證研究中，驗證了方法的適用性和有效性。

數據包絡分析(DEA)；非期望產出；弱自由處置；零和收益(ZSG)；非徑向

1 引言

自從改革開放以來，經過近四十年的發展，中國取得了舉世矚目的經濟成就。當前，中國的名義國內生產總值(Gross Domestic Product，GDP)排名居世界第二。而根據國際貨幣基金組織的報告，按照購買力平價(Purchasing Power Parity，PPP)的計算方式，中國的GDP已經超過美國，躍居世界第一[24]。然而，由于長期以來實施的粗獷式發展方式，華麗的經濟成就背后帶來的是日益嚴峻的環境問題，近期全國范圍內眾多城市出現的霧霾天氣就是一個顯著的例子。中國污染物的排放主要來源之一是工業三廢，即廢水、廢氣以及固體廢棄物[15]。因此，關注中國的環境問題，必然應該重點關注工業三廢的排放與治理問題。

當前，我國部分地區對于工業三廢的總量減排制定了相應的計劃。但是，減排計劃的實施主要依靠對于各污染排放企業征收相應的排污費。根據國務院文件，多部委聯合制訂了排污費的基本收費標準[26]。在此基礎上，各地市根據當地情況又調整了各自的征收標準(原則上只能調增)。顯然，排污費征收標準將直接影響污染物減排的數量。這一規制雖然簡單易行，但是減排效果較差，不確定性較大。相對而言，排污權交易的減排效果更佳[21]。為了對環境問題進行深入的管控，逐步減少污染物排放量，首先應該對環境效率進行精確評價，了解各地區工業三廢的排放程度，以及各非期望產出的環境分效率。此外，對環境效率的研究可以為后續對工業三廢進行排污權分配與交易奠定一定的基礎。

在環境效率的評價中，數據包絡分析(Data Envelopment Analysis, DEA)是當前學術界常用的一種方法。作為一種非參數的數學規劃技術，該方法可用以評價一組同質的決策單元(Decision Making Units, DMUs)的相對效率，最初由Charnes, Cooper和Rhodes[4]于1978年提出，第一個DEA模型就以三位研究者的首字母命名為CCR模型。CCR模型基于規模收益不變假設(Constant Returns-to-scale, CRS)，能夠測量DMUs的技術效率。隨后，基于規模收益可變(Variable Returns-to-scale, VRS)假設，Banker, Charnes和Cooper[1]提出了BCC模型，從而將CCR效率分解為純技術效率與規模效率。以CCR模型和BCC模型為基礎，經過30多年的發展，DEA方法在理論上取得了豐碩的研究成果，并可廣泛應用于各類非盈利組織與工業企業中，進行相關績效評價與資源分配的分析[6]。

根據Baumg?rtner等[2]提出的聯合生產理論，在期望產出的生產過程中，往往伴隨著非期望產出的生成，即生產中會有不受決策者偏好的副產品出現，例如廢水廢氣等。當前文獻中，已有諸多學者將非期望產出納入DEA理論的建模中，用以評價DMU的環境效率。其中，對于非期望產出的處理方法主要可以分為兩類：第一類方法直接對非期望產出進行適當數值變換，然后應用傳統的DEA模型進行環境效率的求解。在這類研究中，Seiford和Zhu[19]總結了四種對于該類型的可行處理方式，這四種方法各有優缺點。Gomes和Lins[10]在研究國際碳排放權的分配中，闡述了相似的觀點。第二類方法則假設非期望產出符合弱自由處置的假設，并構建相應的環境生產可能集。在此基礎上，研究者提出了一系列環境DEA模型[7-9,22]。然而，這些工作均采用CRS假設。Zhou Peng等[28]研究發現CRS環境生產可能集無法通過對權重添加凸約束，直接轉變為VRS可能集，進而針對性地提出一種基于VRS假設的弱自由處置環境生產可能集。此外，大部分的DEA模型在測量環境效率時基于精確數據并采用徑向測度。Zhou Zhongbao等[30]針對性地提出一種模糊非徑向DEA方法進行環境績效評價。在傳統的環境DEA模型的基礎上，劉德彬等[13]結合數據變換和松弛變量方法構建了存在非期望輸入、輸出的兩階段系統的DEA模型，從而初步在網絡DEA模型中引入弱自由處置假設。作為對該工作一般化的拓展，周忠寶等[29]系統地研究了網絡系統中相鄰子生產過程的投入產出連接條件，構建了多種自由處置性的網絡系統績效評價模型。

環境DEA模型除了在理論上的發展，在實證研究中亦得到學者的廣泛關注與應用。鄭義和趙曉霞[25]利用環境DEA模型和M氏指數測算出1998-2012年間中國的環境技術效率并在此基礎上探討環境治理和環境質量的關系。Wang Juan和Zhao Tao[23]首先在第一階段采用非徑向的DEA模型來調查中國有色金屬行業的能源環境效率，進而在第二階段采用Tobit回歸以及截斷回歸模型來解釋能源環境效率的影響因素。與Wang Juan和Zhao Tao[23]的“兩階段”思路相似，孟慶春等[16]考慮能源消費排放的四種致霾污染物，測量了中國各省份2012-2013年間灰霾環境下的能源效率值，然后借助Tobit回歸分析能源效率的影響因素。Liu Xiaohong等[14]使用DEA以及range adjusted measurement(RAM)方法對中國27個火力發電廠的環境效率進行評估，并且提供了距離最近的標桿點來供各DMUs達到有效的狀態。Shabani等[20]針對傳統DEA方法的缺陷，提出一種能夠考慮非精確數據、期望與非期望產出的DEA模型來測量163個國家的環境效率，最后使用minimax regret-based approach(MRA)技術來對各個國家進行排序。

傳統的DEA模型(包括環境DEA模型)假設DMU之間是相互獨立的，即某一個DMU的投入(產出)值的改變不會影響其他DMU的投入(產出)值。然而，在現實中，往往某些投入(產出)會存在總量限制。例如，某一個區域的市場容量通常是固定的，因此各個單元之間在擴充彼此的市場占有率時會存在競爭情形。在這種情況下，由于未考慮某些指標總額固定的約束限制，傳統的DEA模型將會失效。針對這一缺陷，Lins等[12]提出了一類零和收益(Zero Sum Gains, ZSG)DEA模型，假設產出值的總和是固定的，并將其應用于評價奧運會各個參賽國的相對效率。Bi Gongbing等[3]將8類徑向ZSG-DEA模型進行了線性化或者參數線性化，從而解決了多維情況下ZSG-DEA模型難于求解的問題。以ZSG-DEA模型為基礎，Gomes和Lins[10]提出統一前沿面的概念，實現了固定資源或者非期望產出的公平分配。應用統一前沿面方法，同時為了避免各評價單元的均質化，郭際等[11]在考慮各省國土面積與大氣環境容量的條件下計算得出中國各省市PM2.5的排放量分配方案。

上文提到，非期望產出與期望產出往往是聯合生產的。鑒于非期望產出對環境的負面影響，為了達成減排指標，決策者通常會對其排放總量設定一定的數額限制。因此，這一情形符合ZSG-DEA模型的使用條件。然而，上述大部分環境績效的研究中卻忽略了排放總量限制這一重要條件。而在已有的關于ZSG-DEA模型的研究中，大部分學者亦忽略了非期望產出的弱自由處置性質。苗壯等[17-18]針對性地提出一類非期望產出ZSG-DEA模型，并以此為基礎使用統一前沿面方法對中國省際的碳強度約束指標，以及碳排放配額進行分配。但是，該模型僅適用于非期望產出為單維度的情形，無法向多維度進行擴展。這限制了該模型在現實中的實用性。

通過以上文獻調查可發現，在非期望產出符合弱自由處置假設下，尚未有學者研究ZSG-DEA模型中存在多維非期望產出的情形，這使得環境ZSG-DEA模型在實踐應用中受到一定的限制。本文采用非徑向的形式構建多維非期望產出環境ZSG-DEA模型。一方面，新模型不但能夠精確測量存在多維非期望產出情形下的環境效率，同時能夠計算出各維度非期望產出的分效率，從而可以更精確地挖掘各維度的污染物減排潛能。另一方面，由于非期望產出滿足弱自由處置假設，采用非徑向的形式，可以避免各維非期望產出的約束存在矛盾導致無解的情形。而且鑒于所提模型的非線性特征，通過適當的轉換，降低了模型的計算難度。對于新模型可能導致某些有效DMUs不存在可行解的情況，本文亦提供了相應的替代模型供決策者使用。最后，新模型被應用于評價中國30個省市的環境效率以及分效率。

2 改進的環境ZSG-DEA模型

引言中提到，傳統的DEA模型假設各DMU的投入產出之間是相互獨立的，該假設經常限制了模型在現實中的應用。針對這一情形，Lins等[12]提出了ZSG-DEA模型，假設某些變量存在總和約束。因此，被評DMU在向前沿面投影的過程中，其投入(產出)值的變化會影響到其他DMU對應的投入(產出)值，進而引起整個前沿面的改變。Lins等[12]提供了兩種簡單的策略來模擬變量之間的相互影響過程：平均分配策略和比例分配策略。其中，比例分配策略相對而言更加公平，且避免了平均分配策略可能引起的指標負值問題。因此，在本研究中采取比例分配策略進行相關模型的構建。

假設在參考集中存在n個DMUs(DMUj,j=1,…,n)，DMUj通過消耗m種投入Xj(xij,i=1,…,m)生產出s種產出Yj(yrj,r=1,…,s)。其中，投入滿足ZSG約束，即所有DMUs的每種投入的總額均為固定值。DMUo表示被評單元，其投入和產出分別為Xo(x1o,…,xmo)和Yo(y1o,…,yso)。在規模收益不變(constant returns-to-scale, CRS)的假設下，Lins等[12]構建了如下ZSG-DEA模型：

minho

λj≥0,j=1,…,n;j≠o

(1)

前文所述，生產過程中往往伴隨著非期望產出的生成。在DEA領域，如何對非期望產出進行建模仍然是一個值得研究的問題。通過假設非期望產出符合弱自由處置的性質，F?re等[8]構建了CRS環境DEA生產可能集。在此生產可能集的基礎上，學者發展了一系列環境DEA模型用以測算包含非期望產出的DMUs的效率值。Zhou Peng等[27]將這些模型劃分為三類：投入導向型，產出導向型以及非期望產出導向型，其中，Zhou Peng等認為第三種類型(非期望產出導向型)更為常見和合理。

延續前文所使用的參數與變量符號，假設DMUj中除了有m種投入和s種產出外，還存在p種非期望產出Zj(ztj,t=1,…,p)。由于非期望產出的排放對環境所造成的負面影響，在現實中決策者通常會對非期望產出設置一定的總量限制，這與ZSG約束的涵義是相契合的。基于此，在這里對上文的假設進行一定的調整，令非期望產出滿足ZSG約束。相應地，投入滿足ZSG約束的假設不再成立。根據弱自由處置性以及Zhou Peng等[27]的建議，本文構建了如下非期望產出導向的ZSG-DEA模型。

λj≥0,j=1,…,n;j≠o

(2)

需要指出的是，本研究主要基于CRS假設。Zhou Peng等[28]認為無法通過對權重變量λj增加凸約束將CRS環境生產可能集直接轉變為VRS生產可能集，這意味著模型(2)無法直接擴展到VRS的情形。不過，根據Zhou Peng等[28]所提出的生產可能集，模型(2)可轉變為VRS下的ZSG-DEA模型。限于文章篇幅，本文省去關于VRS模型的建模與討論。

注意到，由于非線性約束(2.3)的存在，無法對模型(2)直接進行求解，而需要進行適當的變換。對約束(2.3)進行如下轉換：

λj≥0,j=1,…,n;j≠o

(3)

注意到變換后，模型(2)在約束中的非線性項全部轉移到了模型(3)的目標函數中，而模型(3)的約束中不再存在非線性約束，因此可以通過Matlab軟件對其進行求解。

值得注意的是，對某些DMUs模型(3)可能存在不可行解。這是因為，在構建參考單元時，被評單元本身由于ZSG的特點被排除在外。因此，如果某DMU的投入產出組合優超其他任意DMU的投入產出組合，那么模型(3)將無法求得該DMU的效率值。為了彌補這一缺陷，在模型(3)的基礎上，提出模型(4)來求解無可行解單元的替代解。

0≤θo≤1

λj≥0,j=1,…,n;j≠o

(4)

其中，M表示一個極大的正數。與模型(3)相比，模型(4)增加了一個小于等于1的決策變量θo。由于目標函數求最小值，而存在項M(1-θo)則要求θo越靠近1越好。顯然，若模型(3)有解，則θo=1，此時模型(4)等價于模型(3)。如果模型(3)無解，則模型(4)可求出滿足模型可解性條件下的一個最接近1的θo值。可以認定，模型(3)無解的DMUs均為有效的DMUs，因為他們的投入產出組合不被其他單元的任意組合所占優。

顯然，容易證得模型(4)具有如下性質。

性質1模型(4)的θo值等于該被評單元去掉非期望產出后的產出導向的超效率值。

證明略。

需要指出的是，當前學術界對于AP模型中存在無可行解的情形尚無公認的解決方案，通常的做法便是對導致不可行解的約束進行適當放松，使之在最接近原來約束的情況下能夠得到被評價單元的可行解。本文提出的模型(4)同樣是基于這一原理，這一思路與Cook等[5]是類似的。本質上，基于模型(4)求得的是被評單元合理的近似解或者替代解。注意到，模型(4)的效率值與其他有解單元的效率值不存在可比性，但是其提供的替代解的其他信息(例如權重等)與有解單元是具備一定的可比性的。因此，模型(4)最大的價值在于其提供的部分信息仍然能夠為決策者提供參考。

3 中國區域環境效率實證研究

由于2011年為可獲取的指標數據的最新年份，本節以2011年的實證數據為基礎，對中國30個行政區域的環境效率進行計算和分析，用以展示本文所建立的模型在實踐中的適用性和有效性。

在該應用研究中，決策單元為中國30個省市自治區(鑒于數據的可獲得性，排除了西藏及港澳臺地區)。每個地區有三項投入，一項期望產出和三項非期望產出。具體來講，投入分別為：能源消耗、勞動力和固定資產投資；非期望產出為：廢氣排放量、廢水排放量以及固體廢棄物排放量；地區生產總值(Gross Regional Product, GRP)為期望產出。其中，能源消耗與勞動力數據采集于中國知網的數據庫。除此之外，所有的數據均來源于《2012年中國統計年鑒》。關于各指標的單位以及描述性統計參見表1。值得注意的是，廢氣排放量是煙塵排放量、氮氧化物排放量以及二氧化硫排放量的加總額，而固體廢棄物的排放量則是普通固體廢棄物與有害固體廢棄物排放量之和。

利用模型(3)以及模型(4)，可求得我國各省市ZSG環境綜合效率以及各維度非期望產出的分效率值(即hto)。相關結果參見表2。其中，括號中的數字代表該地區在這一指標上的表現在所有區域中的排名。

需要指出的是，天津的U2分效率值真實計算結果為1.4995，即屬于超有效的情形。為方便比較，本文將所有超有效單元的效率值亦設置為1(有效)。此外，北京和上海利用模型(3)無法求得可行解，說明這兩個區域的投入產出組合不被其他任何區域所占優，處于生產前沿面上，鑒于兩地的經濟發展水平，這一結果符合人們的預期。通過利用模型(4)求解，北京與上海的θo分別為0.7682和0.7634。根據性質1可知，北京與上海的產出導向超效率值分別為0.7682和0.7634。由于模型(4)的目標函數中存在極大值M，這導致所得的北京與上海的效率值與其他地區缺乏可比性。為此，在本文中同樣人為設定北京與上海的所有效率值均為1(有效)。這一處置(不將超有效單元與有效單元做詳細的區分)在其他文獻中亦很常見，例如Gomes和Lins[10]。通過這一操作，雖然損失了部分超效率信息，但使得北京、上海與其他有可行解單元的效率值之間具備了可比性。畢竟，模型主要關注非有效單元的改進與減排潛能，對于有效單元而言，并無減排的要求，因此區分超有效與有效的意義不大。

表2顯示，所有效率指標的最高值均為北京和上海。京滬作為我國經濟最發達的兩個區域，對于企業排污的執行標準也最嚴格，而且經過產業轉移，已將大部分的重污染企業遷離，因此在環境績效上表現突出。此外，天津也擁有最高的U2分效率值，這表明，相對而言，天津的污水排放此項上的分效率表現最佳。寧夏在ZSG效率上得分最低，云南、青海、貴州次之，對于三種非期望產出的分效率而言，得分最低的區域分別為：寧夏、寧夏、青海，這表明寧夏和青海亟需治理排污嚴重的企業單位，控制三廢的減排數量。

表1 中國各省市投入產出指標單位及描述性統計(2011年)

表2 2011年中國各省市ZSG環境綜合效率值及各維非期望產出分效率值

表2中第二列的ZSG綜合效率是反映一個地區環境效率的綜合性指標，而通過三個分效率值(第三、四、五列)則可分析出各地區在三廢排污方面的具體表現以及應該重點治理的方向。以遼寧省為例，其ZSG綜合效率值為0.3650 (13)，三項分效率值分別為：0.4615 (4)，0.5821 (19)，0.1311 (17)。從效率值來看，遼寧的U2分效率最高，U3分效率最低，并拖累了總體效率值。這說明，遼寧在廢水排放方面表現較好，而在固體廢棄物的排放方面則表現較差。若遼寧欲提高其環境績效，則應著重控制和整治固體廢棄物的排放。此外，從效率排序來看，遼寧在U1分效率表現較好，而該省的U2和U3分效率值則排名較低，因此，遼寧若想提升其ZSG綜合效率的區域間排名，則需要同時控制與治理廢水和固體廢棄物的排放量。其中，U2分效率值雖然在三種分效率值中最大，但是在區域間的排序卻最低。由此可見，分析各地區的環境績效，效率值和效率排序均應該納入考慮。

表2最后一列數據為權重值之和，在CRS假設下通常可以借以反映出被評DMU的規模收益情況。數據顯示，所有的DMU的權重值之和均大于1，這意味著我國30個行政區域的經濟生產均超過了最佳生產規模，呈現規模收益遞減的現象。這一狀況令人堪憂，說明我國缺乏更多的新經濟增長點。因此，亟需調整老舊的產業結構，進行產業結構的升級。這與當前我國政府大力推行的“供給側改革”政策相互印證。

根據表2數據，可將我國各區域的ZSG綜合效率值與三廢分效率值繪制在如下地區—效率折線圖中。

直觀上看，綜合效率與分效率之間整體上存在如下關系：U2分效率≥ZSG綜合效率≥U1分效率≥U3分效率。這一關系，也可以從四組效率值的均值比較中得到印證(參見表2最后一行)。這意味著，中國的各行政區域在廢水排放的控制上做得較好，其次是廢氣排放，而在固體廢棄物的排放控制上則普遍表現較差。因此，宏觀層面上，當前我國各省市應該將治污重點著眼于廢氣以及固體廢棄物的排放控制。當然，某些異常點也值得關注。例如，對廣東省而言，綜合效率與分效率之間存在如下關系：U3分效率≥U2分效率≥ZSG綜合效率≥U1分效率。也即大部分區域在U3分效率上表現最差，而廣東省則恰恰相反，其U3分效率值在所有效率指標中得分最高。結果顯示廣東省的治污重點應著眼于對廢氣排放的控制。

為了直觀地反映各個區域的ZSG綜合效率值，可以繪制如下的效率圖譜。其中，將效率值區間(0, 1]平均三等分，設定ZSG綜合效率值高于0.667的區域為高效率區域，低于0.333的區域則定義為低效率區域，效率值介于兩個閾值之間的其余區域則命名為中等效率區域。根據這一劃分，在本文研究的我國30個行政區域中，4個區域屬于高效率區域，14個區域屬于中等效率區域，12個區域屬于低效率區域，即大致呈現“劍型”結構。圖2直觀顯示，高效率區域(北京、天津、上海和廣東)全部位于沿海或近海的經濟發達區域，而經濟落后的西北、西南區域則全部被劃分為低效率區域。另外，中部亦有五個省份被劃定為低效率區域：山西、安徽、江西、河北以及河南。相對而言，這五個省份均是經濟較不發達區域，且實施偏粗獷式的經濟發展模式，尤其河北、安徽作為承接環渤海和長三角的產業轉移的主要區域，近些年在環境績效上的表現一直較差。典型地，河北的經濟支柱鋼鐵產業，山西的經濟支柱煤炭產業都帶來了嚴重的三廢污染。總體而言，一個區域的ZSG環境效率基本上與該地區的經濟發展水平是相匹配的。

圖2 2011年中國ZSG環境綜合效率圖譜

4 結語

在環境績效的評價中，往往非期望產出的排放量存在一定的總額限制，即滿足ZSG約束。已有研究在構建ZSG-DEA模型時考慮到了非期望產出的弱自由處置性，然而這類模型只適用于單維非期望產出的情形，而無法向多維進行擴展。針對這一缺陷，本文提出了一類多維非期望產出的非徑向ZSG-DEA模型，拓寬了環境ZSG-DEA模型在實踐中的應用范圍。新模型不但能夠精確測算存在多維非期望產出時的環境績效，并且能夠針對每種非期望產出計算其對應的分效率值，從而能夠挖掘出各維非期望產出的減排潛能。研究發現，某些有效單元應用新模型時不存在可行解，為彌補這一缺陷，本文針對性地提供了一個初步的解決方案。在實證研究中，利用所構建模型評價了中國30個行政區域的ZSG環境效率值以及三種非期望產出的分效率值，展示了模型的適用性和有效性。

實證結果顯示，一個區域的ZSG環境效率與該地區的經濟發展水平呈現較強的正相關關系。其中，北京等4個區域屬于高效率區域，江蘇等14個區域屬于中等效率區域，安徽等12個區域屬于低效率區域。對于各維非期望產出的分效率而言，大部分區域廢水排放績效優于廢氣排放績效，而固體廢棄物排放績效表現最差。這表明各地區需要重點管控固體廢棄物的排放。規模收益分析顯示，我國30個行政區域的經濟生產均呈現規模收益遞減的現象，亟需調整并進行產業結構的升級。這與我國政府當前大力推行的“供給側改革”政策相符合。

本研究沒有實現對所提環境ZSG-DEA模型的完全線性化，未來的研究可以進一步關注此類模型的線性化問題。另外，對于沒有可行解的單元，利用本文所提的模型求出的效率值跟其他有解單元的效率值缺乏可比性。根據其投入產出占優其他單元的情況，文中簡單地將這些單元的所有效率均賦值為1。然而，考慮到超效率模型為ZSG-DEA模型的一個特例，最優效率值存在大于1的情形，因此，構建新的模型以更精確地評價無可行解的單元仍然是一項值得研究的內容。

[1] Banker R D, Charnes A, Cooper W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis [J]. Management Science, 1984, 30(9): 1078-1092.

[2] Baumg?rtner S, Dyckhoff H, Faber M, et al. The concept of joint production and ecological economics [J]. Ecological Economics, 2001, 36(3): 365-372.

[3] Bi Gongbing, Feng Chenpeng, Ding Jingjing, et al. The linear formulation of the ZSG-DEA models with different production technologies [J]. Journal of the Operational Research Society, 2014, 65(8): 1202-1211.

[4] Charnes A, Cooper W W, Rhodes E. Measuring the efficiency of decision making units [J]. European Journal of Operational Research, 1978, 2(6): 429-444.

[5] Cook W D, Liang Liang, Zha Yong, Zhu J. A modified super-efficiency DEA model for infeasibility [J]. Journal of the Operational Research Society, 2009, 60(2): 276-281.

[6] Cook W D, Seiford L M. Data envelopment analysis (DEA)-Thirty years on [J]. European Journal of Operational Research, 2009, 192(1): 1-17.

[7] F?re R, Grosskopf S, Hernandez-Sancho F. Environmental performance: An index number method [J]. Resource and Energy Economics, 2004, 26(4): 343-352.

[8] F?re R, Grosskopf S, Lovell C A K, et al. Multilateral productivity comparisons when some outputs are undesirable: A nonparametric method [J]. The Review of Economics and Statistics, 1989, 71(1): 90-98.

[9] F?re R, Grosskopf S, Tyteca D. An activity analysis model of the environmental performance of firms-application to fossil-fuel-fired electric utilities [J]. Ecological Economics, 1996, 18(2): 161-175.

[10] Gomes E G, Lins M P E. Modeling undesirable outputs with zero sum gains data envelopment analysis models [J]. Journal of the Operational Research Society, 2008, 59(5): 616-623.

[11] 郭際, 劉慧, 吳先華, 等. 基于ZSG-DEA模型的大氣污染物排放權分配效率研究[J]. 中國軟科學, 2015，(11): 176-185.

[12] Lins M P E, Gomes E G, Soares de Mello J C C B, et al. Olympic ranking based on a zero sum gains DEA model [J]. European Journal of Operational Research, 2003, 148(2): 312-322.

[13] 劉德彬, 馬超群, 周忠寶, 等. 存在非期望輸入輸出的多階段系統效率評價模型[J]. 中國管理科學, 2015, 23(4): 129-138.

[14] Liu Xiaohong, Zhu Qingyuan, Chu Junfei, et al. Environmental performance and benchmarking information for coal-fired power plants in China: A DEA approach [J]. Computational Economics, 2016.

[15] 劉正廣, 馬忠玉, 劉婷婷. 近20年來中國工業主要污染物排放的時空分布特征分析[J]. 環境污染與防治, 2010, 32(3): 94-97.

[16] 孟慶春, 黃偉東, 戎曉霞. 灰霾環境下能源效率測算與節能減排潛力分析—基于多非期望產出的NH-DEA模型[J]. 中國管理科學, 2016, 24(8): 53-61.

[17] Miao Zhuang, Geng Yong, Sheng Jichuan. Efficient allocation of CO2emissions in China: A zero sum gains data envelopment model [J]. Journal of Cleaner Production, 2016, 112: 4144-4150.

[18] 苗壯, 周鵬, 李向民. 我國“十二五”時期省級碳強度約束指標的效率分配—基于ZSG環境生產技術的研究[J]. 經濟管理, 2012, 34(9): 25-36.

[19] Seiford L M, Zhu J. Modeling undesirable factors in efficiency evaluation [J]. European Journal of Operational Research, 2002, 142(1): 16-20.

[20] Shabani A, Torabipour S M R, Saen R F, et al. Distinctive data envelopment analysis model for evaluating global environment performance [J]. Applied Mathematical Modelling, 2015, 39(15): 4385-4404.

[21] 石敏俊, 袁永娜, 周晟呂, 等. 碳減排政策：碳稅、碳交易還是兩者兼之?[J]. 管理科學學報, 2013, 16(9): 9-19.

[22] Tyteca D. Linear programming models for the measurement of environmental performance of firms-concepts and empirical results [J]. Journal of Productivity Analysis, 1997, 8(2): 183-197.

[23] Wang Juan, Zhao Tao. Regional energy-environmental performance and investment strategy for China's non-ferrous metals industry: A non-radial DEA based analysis [J]. Journal of Cleaner Production, 2014,163:187-201.

[24] International Monetary Fund. Download entire World Econmic Outlook database[EB/OL].[2016-10]. http://www.imf.org/external/pubs/ft/weo/2016/02/weodata/download.aspx.

[25] 鄭義, 趙曉霞. 環境技術效率、污染治理與環境績效—基于1998—2012年中國省級面板數據的分析[J]. 中國管理科學, 2014, 22(S1): 767-773.

[26] 中華人民共和國國家發展計劃委員會, 財政部, 國家環境保護總局, 國家經濟貿易委員會. 《排污費征收標準管理辦法》. [EB/OL].[2003-02-28].http://www.yzhjbh.gov.cn/hjgl/hjjcz/pwsf/sfyjjcx/734983.shtml.

[27] Zhou Peng, Ang B W, Poh K L. A survey of data envelopment analysis in energy and environmental studies [J]. European Journal of Operational Research, 2008a, 189(1): 1-18.

[28] Zhou Peng, Ang B W, Poh K L. Measuring environmental performance under different environmental DEA technologies [J]. Energy Economics, 2008b, 30(1): 1-14.

[29] 周忠寶, 喻懷寧, 馬超群, 等. 基于自由處置性的網絡系統效率評價模型研究[J]. 中國管理科學, 2015, 23(11): 145-152.

[30] Zhou Zhongbao, Zhao Wei, Lui Siya, et al. A fuzzy non-radial data envelopment analysis (DEA) approach to measure regional environmental performance of China [J]. Environmental Engineering & Management Journal, 2015, 14(4): 719-730.

Non-radialZSG-DEAModelwithMultipleUndesirableOutputsAnEmpiricalStudyforRegionalEnvironmentalEfficienciesinChina

FENGChen-peng1,WANGHui-ling2,BIGong-bing3

(1. School of Management, Hefei University of Technology, Hefei 230009,China；2. Department of financial accounting, Anhui Administrative Institute, Hefei 230059,China;3. School of Management, University of Science and Technology of China, Hefei 230026,China)

Accompanying the rapid growth of China’s economy, environmental issues arouse more and more social attention. The very first step to respond effectively to environmental problems is to evaluate the environmental efficiency precisely. In many production processes, multiple undesirable outputs (e.g., pollutants) are accompanied with desirable outputs. Meanwhile, the undesirable outputs are subject to production restrictions due to widespread environmental regulation. Under these circumstances, the evaluation of environmental performance becomes a hot topic in the literature. Data envelopment analysis (DEA), a frequently used performance evaluation technique,is employed to measure environmental performance. Under the assumption that undesirable output satisfies weak disposability, a non-radial zero sum gains (ZSG) - DEA model, which enhances the existing models by switching from a single undesirable output to multiple undesirable outputs,is put forward. In terms of proper transformations, the difficulty in solving the proposed model is alleviated, and the infeasibility issue for certain efficient DMUs is circumvented. At last, an empirical application to the evaluation of the environmental efficiencies of 30 administrative regions in China is illustrated (data resource: database of CNKI andChinaStatisticalYearbook- 2012).The empirical evidence indicates that the ZSG environmental performance of a region is positively correlated with its economic development level. In addition, for the component efficiencies of most regions, the performance of wastewater discharged is higher than that of waste gas emission, and the performance of solid wastes produced is lowest among them. The result implies these regions should pay more attention on the control of solid wastes produced. Last but not the least, all the considered regions in China show decreasing returns-to-scale in economic productivity. All findings suggest that adjustment and promotion of industrial structure is critical and essential, which also matches the current policy of supply-side structural reform promoted by the Chinese government.

1003-207(2017)10-0042-10

10.16381/j.cnki.issn1003-207x.2017.10.005

N94；C931

A

2015-05-18；

2017-07-28

國家自然科學基金青年項目(71601062)；安徽省自然科學基金青年項目(1708085QG165)

王慧玲(1970-)，女(漢族)，安徽霍邱人，安徽行政學院副教授，研究方向：審計與財務管理、績效評價與資源分配等，E-mail:whl8848@sina.com.

Keywords： Data Envelopment Analysis (DEA); undesirable outputs; weak disposability; Zero Sum Gains (ZSG); non-radial