基于三階段DEA模型的省際真實環(huán)境效率測度與影響因素分析

郭四代+仝夢+郭杰+韓玥

摘要 隨著經濟的快速發(fā)展，大量不可再生資源不斷消耗，生態(tài)環(huán)境急劇惡化，嚴峻的資源環(huán)境形勢已成為阻礙我國經濟社會可持續(xù)發(fā)展的“硬約束”。切實轉變經濟發(fā)展方式，采取有效的環(huán)境治理政策刻不容緩。而有效的環(huán)境效率測度可探究出造成資源過度消費與環(huán)境污染的主要原因，從而推進環(huán)境治理政策的改進。本文基于2006—2015年省際區(qū)域的面板數(shù)據(jù)，采用三階段DEA模型評價了相同環(huán)境下各區(qū)域的環(huán)境效率水平、變化趨勢及其差異性，探討了我國環(huán)境效率的影響因素，剝離了外部環(huán)境因素與隨機誤差因素的影響，為測度環(huán)境效率的真實水平提供了可行的方法。結果發(fā)現(xiàn)：①三階段DEA模型可有效剔除隨機誤差與外部環(huán)境因素對區(qū)域環(huán)境效率的影響，能客觀真實地測度我國各省市的環(huán)境效率水平，從而獲得比傳統(tǒng)DEA模型更有效的環(huán)境效率狀況。②排除隨機誤差與外部環(huán)境因素作用后，我國東部、中部、西部及全國的平均環(huán)境效率值和平均純技術效率值均被低估，平均規(guī)模效率則在不同程度上被高估，環(huán)境效率的提升主要受規(guī)模效率水平不高的制約。③調整后的東部、中部、西部真實環(huán)境效率水平存在明顯的空間不平衡現(xiàn)象。④規(guī)模收益的變動受環(huán)境與隨機因素的影響比較明顯，絕大部分省份處于規(guī)模收益遞增行列。故為進一步提高中國環(huán)境效率水平，應優(yōu)化產業(yè)結構比例，并借助“一帶一路”倡議，實施產業(yè)轉移；適度增加環(huán)境污染治理投資規(guī)模，轉變“先污染后治理”模式；根據(jù)規(guī)模收益變化情況，各省市應因地制宜地選擇不同的發(fā)展模式；切實提升企業(yè)生產技術創(chuàng)新能力和環(huán)境污染治理技術創(chuàng)新能力，實現(xiàn)能源的節(jié)約和污染排放的減量化；發(fā)展城市群，提高新型城鎮(zhèn)化水平與環(huán)境治理效率；進一步深化對外開放程度，提高外貿依存度。

關鍵詞 三階段DEA模型；環(huán)境效率；外部環(huán)境因素；隨機誤差因素

中圖分類號 F062.1 文獻標識碼 A 文章編號 1002-2104（2018）03-0106-11 DOI：10.12062/cpre.20170917

據(jù)《2017年全球能源架構績效指數(shù)報告》顯示，中國的能源架構績效指數(shù)在127個國家中排名為95位，二氧化碳排放量約占世界總排放量的30%，這充分說明了我國的能源利用效率處于中下游水平，與發(fā)達國家相比存在著較大的差距。改革開放近40年，中國經濟快速發(fā)展，綜合經濟實力已躍居世界第二大經濟體，但隨著城市化進程的不斷加快，大量不可再生資源不斷消耗，生態(tài)環(huán)境急劇惡化，嚴峻的資源環(huán)境形勢已成為影響我國經濟發(fā)展全局的硬約束，如嚴重的霧霾污染、水資源污染泛濫、土壤重金屬污染等。近年來，各級政府都十分重視環(huán)境污染的治理和生態(tài)環(huán)境的改善，相繼出臺了諸多環(huán)境保護政策，雖然生態(tài)環(huán)境建設取得了巨大的成績，但生態(tài)環(huán)境不斷惡化的趨勢依然沒有發(fā)生根本性的改觀，環(huán)境狀況依然不能令人滿意。因此，切實轉變經濟發(fā)展方式，采取有效的環(huán)境治理政策刻不容緩。而有效的環(huán)境效率測度可探究出造成資源過度消費與環(huán)境污染的主要原因，這是有助于環(huán)境治理政策改進的前提條件。為此，有必要在節(jié)能減排的約束下更加準確地測算我國省際地區(qū)環(huán)境效率的真實水平、變化趨勢及其差異性，找尋出有助于環(huán)境治理政策改進的空間。

1 文獻綜述

隨著人們對資源環(huán)境問題的日益重視，F(xiàn)are[1]等人最早提出環(huán)境效率概念，用它來測算考慮環(huán)境效率情形下的生產效率情況，該概念在1992年的里約地球峰會上被提及，自此以后，得到了國際學術界的廣泛認可和深入的討論。DEA作為一種非參數(shù)方法，在環(huán)境效率測度領域的應用相當廣泛。Zaim和Taskin[2]較早運用DEA方法測度了OECD國家的環(huán)境效率及其影響因素。之后，隨著處理非期望產出新方法的出現(xiàn)，越來越多的學者基于DEA方法測算環(huán)境效率，最常見的方法有非徑向的SBM方法和有徑向的方向距離函數(shù)（DDF）方法。方向距離函數(shù)法是基于一種弱可處置性假設的模型，是在距離函數(shù)的基礎上增加投入和產出的不同改進方向衍生出來的，可增加期望產出，減少非期望產出，且近年來取得了廣泛的運用。Khanna M和Kumar S[3]采用方向距離函數(shù)測算了標準普爾500家公司的環(huán)境效率，并用截斷回歸模型分析了企業(yè)環(huán)境效率的影響因素。Tao等[4]人在考慮能源消耗和污染物排放情形下，基于方向性距離函數(shù)和盧恩伯格生產力指數(shù)測算了我國1999—2009年的環(huán)境效率、環(huán)境全要素生產率，并考察了效率和生產率變化的決定因素。Lin， E等[5]人采用方向距離函數(shù)測算了63個國家在1981—2005年的環(huán)境效率，并驗證了隨著環(huán)境效率的增加是否采用《京都議定書》。王兵等[6]人考慮資源環(huán)境因素，采用SBM方向性距離函數(shù)對我國30個省份1998—2007年的環(huán)境效率、環(huán)境全要素生產率進行了測算，并對比分析了兩者的影響因素。非徑向的SBM模型是由Tone于2001年提出來的，由于它考慮了徑向和角度選擇的差異而造成投入和產出的松馳性問題，更受到研究者的青睞。Zhang[7]基于SBMDEA模型提出了純能源效率和規(guī)模效率指標，在考慮二氧化碳、二氧化硫和化學需氧量等非期望產出的情形下，測算了中國在2001—2010年的能源效率。Chang[8]基于SBM模型評價了韓國港口的環(huán)境效率和二氧化碳排放減少量。胡達沙、李楊[9]基于2000—2009年的省級面板數(shù)據(jù)，運用SBM模型測算了各省區(qū)的環(huán)境效率、影響因素及其區(qū)域差異。宋馬林[10]等人構建了考慮整數(shù)約束和非期望產出指標的SBM超效率模型，并對我國各省區(qū)2012年第二產業(yè)的環(huán)境效率進行了測算，以期驗證該模型的有效性和穩(wěn)健性。黃永春、石秋平[11]基于研發(fā)驅動理論構建了SBM模型，實證分析了我國東、中、西部的環(huán)境效率、環(huán)境全要素生產率及其影響因素。方向距離函數(shù)法由于確定方向向量方法的不同會導致不同的測評結果，且并沒有考慮投入產出的松弛改進問題，可能會高估決策單元的效率。但SBM模型則有效解決了徑向測度帶來的問題，較其他模型更能體現(xiàn)效率評價的本質。

目前，有較多的學術文獻基于傳統(tǒng)的DEA方法評價環(huán)境效率，但這些方法并不能剔除隨機誤差和外部環(huán)境因素對環(huán)境效率的影響，無法真實反映出環(huán)境效率的實際狀況。Fried[12]等人基于傳統(tǒng)DEA模型提出了三階段DEA法，該方法排除了有效投影點和無效率點混合的情形，且能有效的排除外部環(huán)境及隨機誤差等對生產單元效率的作用，使得效率水平更加客觀真實。而較少學者應用三階段DEA方法研究我國環(huán)境效率問題，這或許是由于DEA模型的輸出一般都選用正向的產出，而環(huán)境污染物作為負產出，選擇三階段DEA方法則會失靈。但運用線性數(shù)據(jù)轉換法對環(huán)境污染物進行轉化后，則可以很好的解決三階段DEA模型評價中的負產出問題，有效地保持了凸性和線性關系，不僅可以獲得比傳統(tǒng)DEA模型精度更高的環(huán)境效率結果，還可以進一步豐富環(huán)境效率測度理論，促進學科向前發(fā)展。鑒于此，本文試圖優(yōu)化以往研究的不足，力圖運用三階段DEA模型和線性數(shù)據(jù)轉換函數(shù)法獲得相同環(huán)境下更為客觀真實的環(huán)境效率水平，為制定環(huán)境效率改善政策提供科學依據(jù)。endprint

2 研究方法

具體來看，基于三階段DEA模型所進行的環(huán)境效率的度量操作具體情況如下。

階段一：依據(jù)傳統(tǒng)的DEA模型測算決策單元效率值。

該階段一般選用規(guī)模報酬可變的BCC模型對我國30個省市的初始投入和產出數(shù)據(jù)進行傳統(tǒng)的DEA分析。BCC模型是在修正CCR模型基礎上構建起來的，它改進了CCR模型只能計算規(guī)模報酬不變情形下的效率值。BCC模型可表示為：

式中，X表示各省市的投入指標變量矩陣，Y表示相對的產出指標變量矩陣，N表示所選省市的數(shù)目，λj表示投入變量的權重，θ為效率值。

階段二：隨機前沿分析（SFA）模型的投入產出調整。

第一階段基于傳統(tǒng)DEA模型分析所得的效率值要受到環(huán)境、隨機誤差及管理效率的綜合作用。為進一步分清各因素所產生的影響程度，在此環(huán)節(jié)需借助SFA模型以剔除環(huán)境因素和隨機誤差因素，提高DEA的估計信度，從而得出的決策單元投入冗余僅由管理無效率造成。假設有n個決策單位，單個決策單元均有m種投入，可觀測的外部環(huán)境變量有p個，則可構建的SFA回歸方程如下：

式中，y*ik，yik為第k個決策單元第i項投入的調整值和初始值，β^n表示環(huán)境變量的估計值。等式右邊第二項式子表示將所有決策單元的第i項投入變?yōu)榄h(huán)境變量作用為最大的情況下，讓其放在最不好的環(huán)境內投入的增量。等式右側第三部分則是將其放在最大隨機干擾項的情況下投入的增量。由此各決策單元面對同樣的外部條件便可得以保障。

階段三：修正后的DEA模型。

用上階段的y*ik更換原來的yik，其他保持不變，繼續(xù)運用式（1）度量出新的效率結果，利用松弛變量所含信息，此時的效率結果排除了環(huán)境及隨機因素的作用部分，是我國各省市實際環(huán)境效率大小值的客觀呈現(xiàn)。

3 變量選取與數(shù)據(jù)獲取

3.1 變量選取

（1）投入變量選取。根據(jù)前人在環(huán)境效率領域的研究成果，并依據(jù)傳統(tǒng)宏觀經濟學理論，測算環(huán)境效率的投入變量包括以下三項：①能源投入。能源作為一種中間投入，王兵[6]等在傳統(tǒng)的全要素生產率的測算過程中沒有將其納入模型中考慮。其實在考慮了環(huán)境因素之后，Watanabe和Tanaka[14]將煤炭消費量作為能源消費指標，并將該資源投入納入經濟增長模型中。但從我國能源消費現(xiàn)狀來看，能源消費包括煤炭、石油和天燃氣等種類，而煤炭消費量就占能源消費總量的60%左右，且呈逐年下降趨勢。因此，選擇各省市歷年能源消費總量作為能源投入較合時宜。②勞動投入。相比簡單的勞動力人數(shù)而言，勞動力有效投入應是更好的度量指標，但數(shù)據(jù)獲取較難，借鑒楊俊[15]等、沈能[16]等的做法，此處采用各省市歷年從業(yè)人員數(shù)作為勞動投入指標。③資本投入。“永續(xù)盤存法”是按可比價格估算資本存量最常用的方法之一，主要涉及基期資本數(shù)量計算，當期投資指標和折舊率的選擇，以及投資平減四個問題。選用資本存量作為資本投入指標，以2000年為基期，借鑒張軍的算法進行估算，從而可求得2006—2015年期間各省份的資本存量。

（2）產出變量。借鑒相關研究成果和考慮數(shù)據(jù)的可獲得性，選用GDP指標作為期望產出；為全面考察環(huán)境污染因素，選取了化學需氧量、氨氮、二氧化硫、煙（粉）塵、固體廢棄物排放指標，運用熵權法對其進行降維處理，把五大指標綜合成一個環(huán)境污染綜合指數(shù)，并以此作為非期望產出。在環(huán)境效率評價中，通常存在著“三廢”排放量這種類型的環(huán)境污染物指標。而三階段DEA模型則要求每個決策單元的輸入和輸出數(shù)據(jù)必須為正值，且DEA效率通常是以評價指數(shù)的形式來呈現(xiàn)的，指數(shù)值越大，效率水平也就越高，所以，該方法要求投入越低越優(yōu)，產出越多越優(yōu)。因此，若以上指標不能滿足DEA模型的運行條件，則將出現(xiàn)效率測評無效的情況。

鑒于此情形，必須對以上所需指標做相應的轉化處理，目前常用的方式有曲線測度評價法、污染物投入處理法、數(shù)據(jù)轉換函數(shù)處理法及方向距離函數(shù)法。其中，數(shù)據(jù)轉換函數(shù)處理法是由Seiford and Zhu[17]提出的一種較為理想的效率評價方法，包含負產出、線性與非線性數(shù)據(jù)轉化等不同類型，由于線性數(shù)據(jù)轉化法在VRS模型分析中更具優(yōu)勢，此處特選取該方法對環(huán)境污染物指數(shù)做數(shù)據(jù)轉化，具體公式為：Y′i=-Yi+C，C表示某個非常大的向量，以此保證所有轉換后的輸出數(shù)據(jù)均為正值，借鑒已有研究成果，我們選取C值為樣本地區(qū)最大值的1.1倍。

（3）環(huán)境變量。此類變量需達到“分離假設”的要求，關鍵挑選出對環(huán)境效率產生作用，同時在較短時間里樣本不能主觀更改或把握的因素。學術界對環(huán)境效率的影響因素有著諸多不一致的實證結果，但普遍認為經濟發(fā)展水平、開放水平、產業(yè)結構等變量對環(huán)境效率有著重要的影響。綜合已有的研究成果，考察以下七個方面對環(huán)境績效可能產生的影響。①實際人均GDP。以各省市的實際GDP與總人口的比重表示人均GDP，它是以某省市某一年為基期進行CPI折算的。②人口密度。用每平方公里人口數(shù)量表示該指標。③產業(yè)結構。用工業(yè)占三大產業(yè)總量的比值表示。④城市化水平。城鎮(zhèn)和農村對環(huán)境效率的影響程度存在著較大差異，此處用地方城鎮(zhèn)人口占常駐總人口之比表示城市化水平。⑤外貿依存度。用地區(qū)進出口總額占地區(qū)GDP的比值表示該指標，也稱為外部系數(shù)，反映了該地區(qū)的外向程度。⑥外資開放度。用地區(qū)實際利用外資總額占地區(qū)GDP的比值表示該項指標。⑦政府規(guī)劃。用各區(qū)域在環(huán)境污染治理方面的投資總額與其當年區(qū)域GDP的比值表示。⑧科技水平。用區(qū)域RD投入占區(qū)域GDP的比值表示。

3.2 數(shù)據(jù)獲取及處理

根據(jù)所選分析工具及指標的特點，由于西藏、香港、澳門和臺灣地區(qū)的數(shù)據(jù)資料不齊全或不完整，此處只分析我國30個省、直轄市和自治區(qū)2006—2015年間的環(huán)境效率。其中，各變量指標數(shù)據(jù)均來自歷年的《中國統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》、各省市統(tǒng)計年鑒和中國經濟數(shù)據(jù)庫。由于各個指標的計量單位不同會對分析結果產生較大的影響，本文借鑒Afonso[18]等人提出的無量綱化數(shù)據(jù)處理方法，即為消除指標不同計量單位的影響，用各項子指標除以各自平均值的方法來對指標數(shù)據(jù)進行正規(guī)化處理，則可得到均值為1的無量綱子指標。endprint

表1為投入變量、產出變量及環(huán)境變量經過標準化處理后的描述性統(tǒng)計結果。從表1可以看出，各變量之間的最大值與最小值之間的差異極其不平衡。其中，差異最大的變量為人口密度指標，標準差為1.461，其最大值為2014年的上海（8.714），人口密度達到每平方公里3 826人，最小值為2006年的青海省（0.017），人口密度約為每平方公里7人，兩者相差約546倍。其次是外貿依存度指標，標準差為1.219，其最大值約是最小值的49倍。其余變量的最大值與最小值之間相差倍數(shù)均在2倍以上，這也充分說明了我國各省市之間在投入、產出、環(huán)境變量等方面存在著較為嚴重的不平衡現(xiàn)象。

4 實證結果分析

4.1 第一階段傳統(tǒng)DEA實證結果分析

在此階段，通過所獲取的相關數(shù)據(jù)，借助軟件DEAP2.1，選取BCC模型對中國30個省在2006—2015年間的績效水平進行了分析，其結果如表2所示。

從全國范圍來看，在不考慮外部環(huán)境變量和隨機因素的情況下，全國達到技術有效前沿面的省市數(shù)量在0～3個之間逐年波動變化，到2015年僅為2個。全國、中部、西部地區(qū)的平均綜合技術效率水平均呈波動下降趨勢，東部地區(qū)為波動上升趨勢。其中，全國及中西部地區(qū)的平均純技術效率水平均呈波動下降趨勢，東部的為波動上升趨勢，且東部地區(qū)的效率水平始終高于中、西部地區(qū)及全國平均水平，而全國及三大區(qū)域規(guī)模效率水平都比較高，均高于所在地區(qū)的純技術效率水平，且差異及變化幅度較小，這說明限制東、中、西部地區(qū)環(huán)境效率提升的主要因素在于純技術效率不高的影響。但此結果沒有將環(huán)境與隨機因素的作用成分去除，無法反映不同省域的實際環(huán)境效率情況，因此還需進一步調整和測算。

4.2 第二階段SFA回歸結果及分析

在DEA分析的第二階段，運用SFA法分解出環(huán)境因素、隨機誤差和管理無效率對環(huán)境效率的影響程度，調整各省市的原始投入值，可得到相同管理環(huán)境下的環(huán)境績效水平。將第一階段測算出的能源、勞動力、資本三個指標的松弛量當作回歸函數(shù)中的被解釋變量，以人口密度、實際人均GDP、城市化水平、外貿依存度、外資開放度、產業(yè)結構、政府規(guī)劃、科技水平作為解釋變量，考察8個環(huán)境變量對3個投入項松弛變量的影響。運用軟件Frontier4.1，可得到第二階段SFA回歸結果，如表3所示。從表3中可以看出，部分結果經檢驗呈現(xiàn)出不同程度的顯著，依此可知，外部環(huán)境對不同省域的環(huán)境投入松弛變量有一定的顯著作用。因此，為了有效剝離管理因素和隨機因素，對投入變量進行第二階段的調整則顯得相當重要。

在考察環(huán)境變量對投入松弛變量所帶來的影響時，若系數(shù)結果是正值，則意味著環(huán)境變量值的上升將會帶來投入松弛變量的增長或產出降低，導致浪費增加，對環(huán)境效率產生不利影響。若結果是負值，表明此環(huán)境變量的上升將帶來投入松弛變量的縮小或產出增加，產生節(jié)約現(xiàn)象，對環(huán)境效率產生正影響。下面分析對投入松弛變量有顯著影響的環(huán)境變量：

（1）人口密度。計算結果表明，人口密度對能源和勞動力的投入松弛變量的回歸系數(shù)均為正值，且均通過了1%的顯著水平檢驗。這說明了人口密度的增加會導致能源和勞動力投入松弛變量的增加，意味著能源、勞動力資源未得到充分利用，從而對環(huán)境效率產生不利的影響。

（2）實際人均GDP。計算結果表明，實際人均GDP與能源、勞動力和資本投入松弛變量的回歸結果都是正值，且與資本投入松弛變量的回歸系數(shù)在1%顯著水平下顯著。這就是說實際人均GDP對能源與勞動力的投入冗余帶來的影響是不顯著的，但實際人均GDP的上升將會帶來資本投入松弛變量的增加，從而降低資本的利用效率。這主要是由于人均GDP的增加對資本利用效率的影響存在門檻效應，當?shù)陀陂T檻值時，人均GDP的增加將無法對資本利用效率的提升產生正影響，從而對環(huán)境效率帶來不利影響。

（3）城市化水平。計算結果表明，城市化水平同勞動力、資本投入松弛變量的回歸結果都是負值，同時也均通過1%顯著水平檢驗。這說明了城市化水平的提高將使得勞動力及資本的投入松弛變量減小，從而產生節(jié)約現(xiàn)象，對環(huán)境效率帶來正影響，這與實際相符合。城市化水平的推進，雖然會增加勞動力和資本的投入，但通過規(guī)模效應和聚集效應可以更合理的配置投入資源，提高投入資源的使用效率；同時還可以通過產業(yè)集聚和人口集聚提高集中排污、集中污染治理能力，降低治污成本，有效緩解生態(tài)環(huán)境壓力。

（4）外貿依存度。回歸結果表明，外貿依存度與能源、資本及勞動力投入松弛變量的回歸結果都是負值，且均在1%顯著水平下顯著。這說明外貿依存度的增加將會帶來能源、勞動力和資本投入冗余的減少，產生節(jié)約現(xiàn)象，從而對環(huán)境效率產生影響。出現(xiàn)此種結果的原因可能是，近年來，我國的加工貿易比重實現(xiàn)了高速度、跨越式發(fā)展，外貿依存度的增長對能源、勞動力及資本的影響已突破了門檻值的限制，呈現(xiàn)出積極的正向影響。

（5）外資開放度。回歸結果表明，外資開放度與能源和資本的投入松弛變量的回歸結果為負值，與勞動力投入松弛變量的回歸系數(shù)為正值，且均在1%水平下顯著。這說明外資開放度的增加將會導致能源與資本的投入松弛變量的減少、勞動力投入冗余的增加，從而產生能源與資本資源的節(jié)約、勞動力資源的浪費現(xiàn)象。

（6）產業(yè)結構。計算結果表明，產業(yè)結構與能源、勞動力和資本投入松弛變量的回歸系數(shù)均為正值，且均在1%顯著水平下顯著。由此可知，第二產業(yè)比重的增加將會帶來能源、勞動力及資本投入松弛變量的增加，造成浪費現(xiàn)象。而在同一顯著水平下，產業(yè)結構與能源和資本投入松弛變量的回歸系數(shù)要遠大于與勞動力投入松弛變量的回歸系數(shù)，這充分說明了能源與資本的利用效率受第二產業(yè)比重的影響更大，這主要是由于我國還處于發(fā)展中國家階段，技術創(chuàng)新能力不高，能源與資本的利用效率較低，第二產業(yè)比重的增加勢必會帶來環(huán)境效率的降低，這與實際相互吻合。

（7）政府規(guī)劃。計算結果表明，政府規(guī)劃與能源投入松弛變量的回歸系數(shù)為正值，與勞動力、資本投入松弛變量的回歸系數(shù)為負值，并且三個結果系數(shù)均在1%水平下顯著。這意味著政府環(huán)境治理投資的增加與能源、勞動力及資本投入松弛變量的變化有很大的相關性。而其與能源投入松弛變量的回歸系數(shù)為正相關關系，這說明政府環(huán)境治理投資明顯滯后于環(huán)境的污染，即當出現(xiàn)嚴重的環(huán)境污染后，政府才會增加環(huán)境治理投資，從而出現(xiàn)被動治理現(xiàn)象。同時，環(huán)境治理投資較多用于環(huán)境污染的末端治理，而在清潔能源生產、能源效率提升等前端防控投入?yún)s相對不足。endprint

（8）科技水平。計算結果表明，科技水平與能源、資本投入松弛變量的回歸系數(shù)為負值，與勞動力投入松弛變量的回歸系數(shù)為正值，同時三個結果系數(shù)均在1%顯著水平下嚴格顯著，這說明科技水平的提高能帶來能源與資本效率的提高，卻無法實現(xiàn)勞動力使用效率的提高。首先，科技創(chuàng)新水平的提高，這無疑意味著對我國資本配置效率的提升有著顯著作用；同時，隨著先進能源利用技術、清潔能源技術的運用，勢必會提高能源利用效率，帶來能源的大量節(jié)約。因此，科技水平對能源和資本投入的影響與實際情況相吻合。其次，隨著科技水平的提升，機器設備更新加速，勞動生產率與科技水平將呈同步提升趨勢，但科技水平與勞動效率未必呈同步發(fā)展趨勢，這是因為勞動效率的提升不僅取決于我國從業(yè)人員整體文化素質水平，還取決于經濟、體制機制、宏微觀管理、勞動者的積極性等諸多因素，這與Luo[19]等，辛波[20]等，Yin[21]的結論一致。

基于上述剖析易知，環(huán)境變量對不同的投入松弛變量產生的影響程度因區(qū)域而異。因為外部環(huán)境因素的作用，可能會使得不同環(huán)境下的地區(qū)在環(huán)境績效上表現(xiàn)出較大的偏差。所以，需對原來的投入變量進行調整，將環(huán)境與隨機因素的作用成分去除，從而保證各地區(qū)處在同樣的外部環(huán)境條件中，進而探索其環(huán)境效率的實際水平。

4.3 第三階段投入調整后的DEA實證結果

在此階段，依照式（4）對投入變量進行修正，借助軟件DEAP2.1，把新的投入數(shù)據(jù)與原產出量一同放入BCC模型，重新測算出不同決策單元的效率水平，具體結果如表4所示。

通過一、三階段的結果比較可發(fā)現(xiàn)，去掉外部環(huán)境與隨機因素的作用后，不同省市的環(huán)境效率出現(xiàn)了較大的改變，調整后的綜合環(huán)境績效水平高于調整前的水平值，且呈上升趨勢。其中，調整后的全國平均規(guī)模效率值明顯低于其平均純技術效率值；全國平均純技術效率比調整前整體上有較大提升；同時，調整后的規(guī)模效率水平呈上升趨勢，雖依舊低于調整前的水平值，但兩者間的差值在不斷縮小。由此可知，在剔除環(huán)境與隨機因素的影響后，由于規(guī)模效率水平的不足，導致了綜合環(huán)境效率水平的提升出現(xiàn)了困難，即意味著環(huán)境效率的提升主要受到規(guī)模效率水平不高的制約。

從調整前后技術有效前沿面角度來看，綜合技術有效的省市數(shù)的總量始終保持在0～3個之間，在2006年，綜合技術效率達到有效值的省市數(shù)量調整前后均為2個，而到2015年，環(huán)境效率達到技術效率前沿面的省市數(shù)量則為3個。

從環(huán)境績效水平調整前后來看，絕大部分省份處于規(guī)模收益遞增行列，極少部分處于規(guī)模收益不變或遞減行列。而對于規(guī)模收益不變的省份數(shù)量而言，調整后除了2006年、2009年和2014年等于調整前數(shù)量，2007年多于調整前數(shù)量之外，其余年份均少于調整前數(shù)量，但變化數(shù)量并不大。對于規(guī)模收益遞增的省份數(shù)量而言，調整后除了2006年與2009年等于調整前數(shù)量、2007年少于調整前數(shù)量外，其余年份均多于調整前數(shù)量。對于規(guī)模收益遞減的省份數(shù)量而言，調整后除2006—2010年外，其余年份均少于調整前數(shù)量。這說明外部環(huán)境因素成為了各省市規(guī)模擴大的關鍵限制因素，大多省市依舊可采取擴大要素投入規(guī)模的路徑來實現(xiàn)環(huán)境效率狀況的改善。此外，由表5可知，VRS有效數(shù)在調整后的數(shù)據(jù)變化趨勢上更趨平緩；調整后的綜合技術效率達到規(guī)模有效的省份數(shù)量整體變化不大，但各年份的綜合技術效率卻有明顯上升，這說明環(huán)境和隨機因素對環(huán)境績效水平的影響較大。

4.4 基于Bootstrap方法的區(qū)域環(huán)境效率調整前后比較分析

為了驗證評價結果的穩(wěn)健性，基于Bootstrap方法，利用SPSS22.0軟件測算投入調整前后全國整體及不同區(qū)域各項效率的平均值以及效率的置信區(qū)間，可進一步提高效率測算的可靠性，此處設置Bootstrap次數(shù)B為1 000。結果如表6、表7和表8所示。

從表6、表7和表8可以看出，全國環(huán)境績效與平均純技術效率在調整后有明顯的上升，平均規(guī)模效率則明顯下降，由此帶來了我國環(huán)境的平均綜合效率的變化，各個經濟區(qū)域變化情況如下：

東部地區(qū)：排除環(huán)境與隨機因素作用后，中國東部環(huán)境的平均綜合效率在95%和90%兩種類型區(qū)間上變化均比較明顯，即有明顯的上升。東部地區(qū)平均純技術效率均值從0.847 1增加到0.989 8，平均規(guī)模效率值則由0.989 5降到了0.887 1。據(jù)此可得，該區(qū)域的純技術效率的平均水平被低估了，相應的規(guī)模效率的平均水平被高估了，進而區(qū)域的平均綜合技術效率出現(xiàn)被低估的結果。此外，還可以看出環(huán)境變量對我國東部地區(qū)環(huán)境效率的影響主要體現(xiàn)在環(huán)境績效的純技術效率水平方面。

中部地區(qū)：排除環(huán)境與隨機因素影響后，該地區(qū)的平均純技術效率和平均規(guī)模效率均有所變動。平均純技術效率由原來的0.757 9上升到了0.995 8，平均規(guī)模效率則由0.980 5下降至0.769 1，由此導致其平均綜合效率從0.743 5提高到了0.766 0。據(jù)此可知，在環(huán)境變量的作用下，中部的純技術效率的平均水平被低估，而平均規(guī)模效率水平則被高估，由此造成了中部地區(qū)的環(huán)境總效率水平被低估。由變化幅度大小可以看出，其環(huán)境變量對中部區(qū)域環(huán)境效率的影響關鍵是通過其純技術效率來實現(xiàn)的。

西部地區(qū)：排除環(huán)境與隨機因素作用后，西部地區(qū)的平均純技術效率由原來的0.787 8上升至0.992 0，其平均規(guī)模效率由0.983 1下降至0.855 1，由此導致其平均綜合效率從原來的0.787 8增加到了0.848 0。依此易知，環(huán)境因素的作用使得此區(qū)域純技術效率的平均水平出現(xiàn)被低估的結果，而規(guī)模效率相應的平均值被高估，由此使得此區(qū)域的綜合效率的平均水平被低估。同理可知，環(huán)境變量對西部環(huán)境效率的影響也是主要通過純技術效率水平來實現(xiàn)的。

從全國來看：剔除環(huán)境因素和隨機因素影響后，全國平均綜合效率明顯提高，由0.790 8上升到0.835 4，造成這一結果的原因在于三大經濟區(qū)域的綜合環(huán)境效率水平均受環(huán)境因素影響較大所致。endprint

綜上，環(huán)境變量對我國三大經濟地區(qū)的環(huán)境績效均有所影響，并主要是通過各地區(qū)的純技術效率來影響的。

5 結論及建議

研究結果發(fā)現(xiàn)：①剔除隨機誤差因素和外部環(huán)境因素影響后，我國東部、中部、西部及全國各省市的環(huán)境效率水平均發(fā)生了較大的變化。調整后，全國的平均規(guī)模效率值遠低于平均純技術效率值，且全國平均綜合技術效率與其平均規(guī)模效率在發(fā)展水平及趨勢上是一致的；全國、東部、中部和西部地區(qū)的平均純技術效率都在不同程度上被低估，平均規(guī)模效率則在不同程度上被高估，但后者的幅度小于前者，這使得平均環(huán)境效率水平均被低估。可見，環(huán)境因素和隨機誤差因素主要通過影響純技術效率的方式來影響環(huán)境效率的，此類因素的存在將會影響真實環(huán)境效率的測度，因此，采用三階段DEA模型評價我國各省市的環(huán)境效率是合理且必要的。②我國三大區(qū)域的真實環(huán)境效率水平存在明顯的空間不平衡現(xiàn)象。2006—2015年，東部、中部和西部地區(qū)均呈上升趨勢，東部、中部地區(qū)上升幅度較大，西部地區(qū)則呈緩慢上升趨勢。在2006—2007年期間，環(huán)境效率值的大小依次為“西部地區(qū)>東部地區(qū)>中部地區(qū)”；在2007—2015年期間，環(huán)境效率大小依次為“東部地區(qū)>西部地區(qū)>中部地區(qū)”。③環(huán)境因素和隨機誤差因素對環(huán)境效率產生了顯著影響。人口密度、實際人均GDP的增加，都會對環(huán)境產生不利的影響；城市化水平與外貿依存度的提高會對環(huán)境產生正影響；外資開放度、科技水平的增加會提高能源和資本的利用效率，產生節(jié)約現(xiàn)象，同時也會導致勞動力投入冗余的增加，從而產生浪費現(xiàn)象，對環(huán)境效率產生負影響；環(huán)境治理投資占比的上升能帶來勞動力與資本利用效率提升，卻無法實現(xiàn)能源利用效率的提升，說明環(huán)境治理投資明顯滯后于環(huán)境污染，存在著被動治理的現(xiàn)象；第二產業(yè)比重的增加將會帶來能源、勞動力及資本投入松弛變量的增加，造成浪費現(xiàn)象，對環(huán)境產生不利影響。④規(guī)模收益的變動受環(huán)境和隨機因素的影響比較明顯，絕大部分省份處于規(guī)模收益遞增行列，極少部分省市處于規(guī)模收益不變或遞減行列。

鑒于我國省際地區(qū)及全國的環(huán)境效率情況，本文提出以下六點政策建議：①優(yōu)化產業(yè)結構。切實做好第二產業(yè)的節(jié)能減排，提質增效工程，提高產業(yè)科技創(chuàng)新能力，逐步實現(xiàn)以第二產業(yè)為主導向以第三產業(yè)為主導的調整，優(yōu)化產業(yè)結構比例，并借助“一帶一路”戰(zhàn)略，積極實施產業(yè)轉移。②適度增加環(huán)境污染治理投資規(guī)模，提高企業(yè)污染排放成本。轉變“先污染后治理”模式，走“在發(fā)展中保護，在保護中發(fā)展”之路、實現(xiàn)發(fā)展與環(huán)保的雙贏，推進生態(tài)文明建設。同時，鼓勵企業(yè)發(fā)展以技術創(chuàng)新為核心的前端預防路徑，從本質上提高能源使用效率，降低環(huán)境污染排放程度。③針對規(guī)模收益變化情況，不同省份應選擇不同的發(fā)展方式。對于我國規(guī)模收益處于遞增的省市，可選擇采取擴大要素投入規(guī)模的路徑來實現(xiàn)其環(huán)境效率的改善；而對于調整后呈現(xiàn)出規(guī)模收益遞減的地區(qū)，應優(yōu)化其資源的合理配置，提高利用效率，走內涵式發(fā)展道路，從而提高其環(huán)境效率。④切實提升企業(yè)生產技術創(chuàng)新能力和環(huán)境污染治理技術創(chuàng)新能力，實現(xiàn)能源的節(jié)約和污染排放的減量化。具有自主創(chuàng)新能力的企業(yè)須重視能源高效利用技術、先進生產工藝、廢棄物循環(huán)利用技術的研發(fā)與創(chuàng)新，加強環(huán)境污染治理的前端預防。缺乏自主創(chuàng)新的企業(yè)應積極引進先進設備和生產工藝，加強產學研合作，降低能耗，減少污染排放。⑤規(guī)劃發(fā)展城市群，提高新型城鎮(zhèn)化水平與環(huán)境治理效率。對于人口基數(shù)大、處于工業(yè)化中后期階段的現(xiàn)實國情而言，發(fā)展城市群不僅可通過人口集聚和產業(yè)集聚，集中優(yōu)勢資源發(fā)展經濟，還可以提高集中排污、集中治理效率，降低治污成本，實現(xiàn)城鎮(zhèn)化和環(huán)境效率的共同改善。⑥進一步深化對外開放程度，提高外貿依存度。各地區(qū)應實施更加主動的開放戰(zhàn)略，完善對外開放體制機制，增強外資引進力度，不斷提升經濟開放水平。

參考文獻（References）

[1]FARE R， GROSSKOPF S， LOVELL C A K，et al. Multilateral productivity comparisons when some outputs are undesirable： a nonparametric approach[J]. Review of economics and statistics， 1989， 71（1）： 90-98.

[2]ZAIM O， TASKIN F. A Kuznets curve in environmental efficiency： an application on OECD countries[J]. Environmental & resource economics， 2000， 17（1）： 21-36.

[3]KHANNA M， KUMAR S. Corporate environmental management and environmental efficiency[J]. Environmental & resource economics， 2011， 50（2）： 227-242.

[4]TAO F， LI L， XIA X H. Industry efficiency and total factor productivity growth under resources and environmental constraint in China[J]. The scientific world journal， 2012（2）：134-141.

[5]LIN E， CHEN P Y， CHEN C C. Measuring the environmental efficiency of countries： a directional distance function metafrontier approach[J]. Journal of environmental management， 2013， 119（1）： 134-142.endprint

[6]王兵，吳延瑞，顏鵬飛.中國區(qū)域環(huán)境效率與環(huán)境全要素生產率增長[J].經濟研究， 2010（5）： 95-109.[WANG Bing， WU Yanrui， YAN Pengfei. Environmental efficiency and environmental total factor productivity growth in Chinas regional economies[J]. Economic research journal， 2010（5）： 95-109.]

[7]ZHANG N， CHOI Y. Environmental energy efficiency of Chinas regional economies： a nonoriented slacksbased measure analysis[J]. Social science journal， 2013， 50（2）： 225-234.

[8]CHANG Y T. Environmental efficiency of ports：a Data Envelopment Analysis approach[J]. Maritime policy & management， 2013， 40（5）： 467-478.

[9]胡達沙，李楊.環(huán)境效率評價及其影響因素的區(qū)域差異[J].財經科學，2012（4）：116-124.[HU Dasha， LI Yang. Assessment of environmental efficiency and regional distinction of its influencing factors[J]. Finance & economics， 2012（4）： 116-124.]

[10]宋馬林， 王舒鴻， 邱興業(yè). 一種考慮整數(shù)約束的環(huán)境效率評價MOISBMSE模型[J].管理科學學報， 2014， 17（11）： 69-78.[SONG Malin， WANG Shuhong， QIU Xingye. Environmental efficiency evaluation MOISBMSE model considering integer constrains[J]. Journal of management sciences in China， 2014，17（11）： 69-78.]

[11]黃永春，石秋平.中國區(qū)域環(huán)境效率與環(huán)境全要素的研究——基于包含R&D投入的SBM模型的分析[J].中國人口·資源與環(huán)境，2015，25（12）：25-35.[HUANG Yongchun， SHI Qiuping. Research on environmental efficiency and environmental total factor productivity in Chinas regional economies[J].China population， resources and environment， 2015，25（12）： 25-35.]

[12]FRIED H O， LOVELL C A K，SCHMIDT S S， et al. Accounting for environmental effects and statistical noise in data envelopment analysis[J]. Journal of productivity analysis， 2002， 17（1/2）：157-174.

[13]JONDROW J，LOVELL C A K， MATEROV I S， et al.On the estimation of technical inefficiency in the stochastic frontier production function mode[J]. Journal of econometrics， 1982， 19（2-3）： 233-238.

[14]WATANABE M， TANAKA K. Efficiency analysis of Chinese industry： a directional distance function approach[J]. Energy policy， 2007， 35（12）： 6323-6331.

[15]楊俊，邵漢華，胡軍.中國環(huán)境效率評價及其影響因素實證研究[J].中國人口·資源與環(huán)境，2010，20（2）：49-55.[YANG Jun， SHAO Hanhua， HU Jun. Empirical study on evaluation and determinants of environmental efficiency of China[J].China population， resources and environment， 2010，20（2）： 49-55.]

[16]沈能，王群偉.考慮異質性技術的環(huán)境效率評價及空間效應[J].管理工程學報，2015，29（1）：162-168.[SHEN Neng，WANG Qunwei.Environmental efficiency evaluation and spatial effect taking account of technology heterogeneity[J].Journal of industrial engineering and engineering management，2015，29（1）：162-168.]

[17]FARE R， GROSSKOPF S， SHAWNA G. Modeling undesirable factors in efficiency evaluation[J]. European journal of operational research， 2004， 157（1）： 242-245.

[18]ANTONIO A， LUDGER S， VITO T. Public sector efficiency： evidence for new EU member states and emerging markets[J]. Applied economices，2010， 42（17）： 2147-2164.

[19]LUO L W，LIANG S R.Study on the efficiency and regional disparity of green

technology innovation in Chinas industrial companies[J].Chinese journal of

population，resources and environment，2016，14（4）：262-270.

[20]辛波，高彬，劉浩.城鎮(zhèn)化的經濟與環(huán)境溢出效應分析及新型城鎮(zhèn)化的路徑選擇

——以山東省為例[J].經濟與管理評論，2015（6）：141-148.[XIN Bo， GAO Bin，LIU Hao. Analysis of urbanizations economic and environment overfloweffect and a path selection to new urbanizationtaking Shandong Province as an example[J].Review of economy and management，2015（6）：141-148.]

[21]YIN C B.Environmental efficiency and its determinants in the development of

Chinas western regions in 2000-2014[J]，Chinese journal of population，resources

and environment，2017，15（2）：157-166.endprint