基于超效率DEA的西部地區工業生態效率評價

孔陽

摘要： 根據西部11個省市2000-2015年的相關指標數據構建工業生態效率投入產出體系，運用超效率DEA-Malmquist模型計算出各省市的工業生態效率值，并從決策單元和年份兩個維度進行分解，然后以Tobit模型得出各解釋變量的偏相關系數。結果表明：①西部地區的工業生態效率總體水平很低，各省市未表現出明顯變動趨勢，省市間無明顯差異;②Malmquist指數分析表明，西部各省市全要素生態效率TFP都小于1，年均增長率為-10.9%，要素已不再是西部地區經濟發展的主要驅動要素;③工業結構、外商投資、政府規模對西部地區的工業生態效率有顯著促進作用，研發投入對工業生態效率呈顯著負相關關系。

Abstract： According to the index data of 11 provinces and cities in the western region from 2000 to 2015， the industrial eco-efficiency input-output system was constructed. The industrial eco-efficiency efficiency of each province and municipality was calculated by using the super efficiency DEA-Malmquist model. Dimensional decomposition， and then use the Tobit model to derive the partial correlation coefficient of each explanatory variable. The results show that： ① The overall level of industrial eco-efficiency in the western region is very low with no obvious trend of change among provinces and municipalities; ② Malmquist index analysis shows that TFP of all-factor eco-efficiency in western provinces and cities is less than 1， the average annual growth rate is -10.9 percent and the factor is no longer the main factor driving the economic development in the western region; ③ The industrial structure， foreign investment and government scale have a significant role in promoting the industrial eco-efficiency in the western region， and the R &D negatively correlated.

關鍵詞： 超效率DEA;Malmquist指數;Tobit;工業生態效率;西部地區

Key words： super efficiency DEA;Malmquist index;Tobit;industrial eco-efficiency;western region

中圖分類號：X826;F124 文獻標識碼：A 文章編號：1006-4311（2018）13-0067-04

0 引言

一國經濟的發展離不開其工業的拉動，但也難以避免環境污染、資源浪費等問題。生態效率被用來衡量人類生產活動與生態承載力之間的關系（Schaltegger and Sturm，1990），而工業生態效率表示實現單位工業增加值所付出的生態環境代價，因而工業生態效率水平成為了實現經濟與生態環境平衡發展的關鍵。作為經濟總量最大的發展中國家，我國的工業化和城鎮化進程推進迅速，也面臨著經濟發展與生態環境保護之間的平衡問題，西部地區經濟落后卻有著豐富的生態資源，其經濟發展關系著我國區域間的發展平衡與穩定，因此研究西部地區11個省市的工業生態效率水平及其影響因素對實現經濟與生態環境的和諧發展意義重大，對于區域間的發展平衡與穩定至關重要。

有關工業生態效率的研究建立在生態效率研究的基礎上，其中關于生態效率的研究主要集中在區域生態效率評價方法方面，主要包括比值評價法，因子分析法，因子分析與聚類分析相結合的方法，數據包絡分析法，三階段DEA模型，DEA-SBM模型，兩階段網絡DEA模型和超效率DEA等方法。例如趙樹寬等（2013）運用DEA方法研究吉林省高新技術企業的創新效率、規模收益等，并據此提供了有利于提高創新效率的建議;張晶（2010）運用超效率DEA模型研究了煤炭資源型城市的工業生態效率;高海濤等（2014）建立高校圖書績效評價指標體系，基于超效率DEA模型對其績效進行了客觀評價與分析;陳志宗（2016）利用超效率DEA模型客觀評價區域創新系統的績效，為決策者對區域創新系統的準確定位提供了依據。

目前，我國關于生態效率的研究仍主要處于實證階段，例如羅能生（2013）等利用超效率DEA方法和面板計量模型相結合的方法對各省區域生態效率進行了測算，得出了城市化與區域生態效率的動態關系。在現有研究的基礎上，不少學者對生態效率的指標體系進行了擴展延伸，進而開啟了工業生態效率的研究浪潮。王震（2008）等人以北京市工業為案例，評價其工業生態效率，結果表明北京市環境及工業生態效率呈指數上升趨勢，而主要影響因素是新能源戰略的實施、污染企業的搬遷等。高峰（2011）等人綜合考慮了工業增加值、能源消耗以及環境等方面的因素，對我國30個省市工業生態效率進行了測算;潘興俠等（2014）則從投入和產出兩個環節對工業生態效率進行分解研究。郭露和徐詩倩（2016）以環境污染和資源消耗為投入指標，工業經濟發展為產出指標，采用超效率DEA方法對中部六省的工業生態效率進行了研究，并得出了中部六省工業生態效率整體水平不高，區域間差異不明顯的結論。

現有研究雖然取得了一定的成績，但也存在如下兩個主要問題：一、只對工業生態效率進行了測算，缺乏對其影響因素的研究;二、現有研究大多關注全國或者個別省市的工業生態效率，而忽略了西部地區這一特殊區域，西部地區的經濟發展關系著區域平衡穩定發展。針對以上不足，本文以西部地區11個省市為研究對象，采取超效率DEA-Malmquist-Tobit模型研究其工業生態效率，并探究各影響因素的影響程度。

1 研究方法與數據來源

1.1 研究方法

1.1.1 超效率DEA方法

超效率DEA于2013年被Andersen提出，其是對DEA的發展和優化。相較于DEA模型，超效率DEA模型將待評價的決策單元排除在決策集合之外，其前沿面會發生相應變化，從而測算出其效率值大小，而無效率值沒有變化。因此，可以實現對多個決策單元進行細分和再排序，并分辨多個處于生產前言面的決策單元。

1.1.2 Malmquist指數

Malmquist指數于1953年被Malmquist首次提出，于20世紀80年代開始被應用到效率變化的測算，并引起了廣泛的影響，但也很快被人淡忘。直到1994年，Malmquist指數首度與DEA聯合使用，進而被廣泛使用。Malmquist指數被定義為：TFP=EC×TC=PE×SE×TC，表明全要素生產率等于綜合技術效率（EC）與技術進步（TC）的乘積，而技術進步等于純技術效率（PE）與規模效率（SE）的乘積。

TFP的臨界值為1，被用于刻畫相鄰時期內的生產率變化率，TFP<1表明生產率的下降，相反則表明生產率的提高。

1.2 指標選擇及數據來源

參照郭露等（2016）和戴志敏等（2016）研究成果，選取工業廢水排放量、工業廢氣排放量、能源消費總量為投入指標，以工業增加值為產出指標。西部地區的工業生態效率影響因素則是參考潘興俠等（2014）的研究成果進行選取，并在其基礎上，加入了政府規模這一影響指標。各指標的含義、計算方法、符號表示如表1所示。

2 實證研究結果

2.1 工業生態效率靜態分析

通過EMS 1.3計算出了西部地區2000-2015年的工業生態效率值，如表2所示。從表中可以發現，2000-2015年間西部地區11個省市的整體工業生態效率值很低，整體均值只有0.57，整體處于較低水平狀態，且沒有明顯增長趨勢。但不難看出，青海省的工業生態效率值一直處于較高的水平，2008年一度達到最大值3.84，且這16年的平均值為2.46，遠大于1，寧夏和重慶的工業生態效率均值雖然位居第二、第三，但都小于1，說明其他10個省市的工業生態效率處于嚴重的規模報酬遞減階段。從表中的數據可以歸納出以下兩個結論：

第一，西部地區整體工業生態效率值較低，且整體沒有表現出增長趨勢，16年間始終維持在這一較低水平。這與西部地區落后的經濟發展水平有著密切關系，經濟的落后制約了各省市技術、交通的發展，使得豐富的資源不能得到高效利用，產業發展相對粗放，造成了嚴重的資源浪費和生態環境污染。青海省由于其特殊的地理位置，轄區內有豐富的化石能源，包括天然氣、石油，其中油田16個，石油資源量達12億多噸，氣田6個，天然氣資源達2937億立方米，是全國四大氣區之一;除此之外，鹽湖、礦產、四通八達的交通，高原地貌等使得青海省在工業生態效率方面位居西部首位。

第二，工業生態效率的省際間差異不明顯，且呈現相對一致的變化趨勢。除了青海以外，其他省份的工業生態效率都維持在較低水平，處于嚴重規模報酬遞減階段，且增長趨勢相對一致，都非常平穩。

2.2 工業生態效率動態分析

根據上文Malmquist指數分解模型可知，工業生態效率等于綜合技術效率、技術進步、純技術效率、規模效率和全要素生產率的乘積，如表3所示，西部11省市的全要素生產率都小于1，平均全要素生產率為-10.9%，這表明西部地區工業生態效率沒有呈現出增長趨勢，且都需要提高工業生態效率的增長速度。從分解指標可以看出，全要素生產率受綜合技術進步的影響較大。

表4中的全要素生態率均值仍是0.891，綜合技術效率和技術進步也與表3高度一致，表明西部地區整體上處于規模報酬遞減階段。而全要素的變化趨勢呈現“M型”，呈現先增加→再減小→再增加→再減小的不穩定狀態;在2003-2004達到第一個峰值1.188，在2009-2010達到第二個峰值1.135。從分解指標看，技術進步與全要素生產率的變化趨勢高度一致，且絕大部分時期處于下降狀態，綜合技術效率仍然是西部全要素生產率的主要驅動力。

2.3 中部地區工業生態效率影響因素分析

表5為工業生態效率與各影響因素的Tobit回歸結果，結果表明：工業結構、外商投資、政府規模對西部地區的工業生態效率具有顯著正向促進作用，而地區的研發投入對其有顯著抑制作用。工業比重越大顯然會帶來更多的工業增加值，與此同時，外商投資的增加不僅會給西部地區的發展提供資金支持，也會帶來先進的國外技術，這同樣會提高起工業生態增加值;而當地政府規模表現為財政總支出的占比，政府投資主要在基礎建設、交通運輸等工業行業為主的領域，同樣也會拉動當地工業生態效率的提升。然而研發投入的影響系數為-52.8，遠大于其余3個影響因素對工業生態效率的影響程度，且顯著為負，很可能是因為科學技術的投入需要大量的資金，這些技術很大一部分最終沒有用于工業生產、環境治理，另一方面，也無法排除科學技術投入的資金使用不當或者沒有轉化成成果。因此，西部地區政府應當在加大科學技術投入的同時，嚴格監管資金的用途，并進行成果的階段性考核，淘汰無效率的科學技術投入，使資源用到實處。

3 結論與建議

本文通過超效率DEA-Malmquist模型計算出了西部11個省市2000-2015年的工業生態效率值，并對其從決策單元和年份兩個維度進行了分解，最后運用Tobit模型得出了各影響因素的具體影響程度。具體結論及其相關建議可歸納如下：

①西部地區的工業生態效率在2000-2015年間整體處于較低的水平，且沒有明顯的增長趨勢。除了青海省始終保持著較高的工業生態效率值外，其余省市工業生態效率很低，且表現出高度一致的變化趨勢。因此，西部大開發、絲綢之路經濟等針對西部地區的相關政策，可以對青海省有一定地傾斜，積極推進青海省與其余省市之間的經濟互助合作，實現西部資源的高效利用。

②西部11省市的全要素生態率都小于1，年均增長率為-10.9%，綜合技術效率是全要素生產率的主要推動力。但全要素生產率在這期間呈現出先增加→后減小→再增加→再減小的極不穩定狀態。因此，西部地區工業生態效率的提高要加大技術研發，推動技術進步，從而拉動全要素生產率的提升。

③工業結構、外商投資、政府規模都顯著推動了西部地區工業生態效率的提高，而科學技術的投入可能相關資金使用不當、成果轉化率低下等原因，使得研發投入的出現了反常效果。因此，政府部門要進一步加強對科技資金使用的監管，并進行定期成果考核，淘汰無效率的科技項目，確保資金落到實處。

參考文獻：

[1]Schaltegger S， Sturm A.？魻kologische Rationalit？覿t：Ansatzpunkte zur Ausgestaltung von？觟kologieorientierten Management instrumenten[J]. Die Unternehmung， 1990， 44（4）：273-290.

[2]趙樹寬，余海晴，鞏順龍.基于DEA方法的吉林省高技術企業創新效率研究[J].科研管理，2013，34（2）：36-43.

[3]張晶.基于超效率的煤炭資源型城市工業生態效率研究[J].經濟問題，2010（11）：57-59. 陳志宗.基于超效率-背景依賴DEA的區域創新系統評價[C].全國科技評價學術研討會，2015.

[4]高海濤，徐愷英，李晗.基于超效率DEA的高校圖書館評價體系研究[J].圖書情報工作，2014，58（5）：17-21.

[5]陳志宗.基于超效率-背景依賴DEA的區域創新系統評價[J].科研管理，2016（s1）.

[6]羅能生，李佳佳，羅富政.中國城鎮化進程與區域生態效率關系的實證研究[J].中國人口·資源與環境，2013，23（11）：53-60.

[7]王震，石磊，劉晶茹，等.區域工業生態效率的測算方法及應用[J].中國人口·資源與環境，2008，18（6）：121-126.

[8]高峰，王金德，郭政.我國區域工業生態效率評價及DEA分析[J].中國人口·資源與環境，2011，v.21;No.127（s1）：318-321.

[9]潘興俠，何宜慶.工業生態效率評價及其影響因素研究——基于中國中東部省域面板數據[J].華東經濟管理，2014（3）：33-38.

[10]郭露，徐詩倩.基于超效率DEA的工業生態效率——以中部六省2003-2013年數據為例[J].經濟地理，2016，36（6）：116-121.

[11]Andersen P， Petersen N C. A Procedure for Ranking Efficient Units in Data Envelopment Analysis[J].Management Science，1993，39（10）：1261-1264.

[12]戴志敏，曾宇航，郭露.華東地區工業生態效率面板數據研究——基于整合超效率DEA模型分析[J].軟科學，2016，30（7）：35-39.