我國環境治理投資效率及其影響因素分析

郭四代，仝 夢，張 華

（西南科技大學四川循環經濟研究中心，四川 綿陽 621010）

0 引言

近年來，由于長期粗放式經濟發展方式，導致了我國環境污染問題日益嚴重，地區環境污染排放物居高不下，付出了資源的過度投入和環境損耗過大的沉重代價，不僅制約了經濟社會的可持續發展，同時也引起了人們對環境治理效果的質疑與關注。2014年，我國環境治理投資總額達到9576億元，占GDP的比重達到1.5%左右，較2001年提升了0.5個百分點，但遠遠低于發達國家水平。而且由于各省市的環境治理投入資金和環境污染狀況的差異，環境治理效果也不盡相同。因此，為了實現有限環境治理投入下的最優環境治理效果，深入研究我國及各省市環境投資效率及其關鍵影響因素則顯得十分必要。本文應用Super-SBM模型評價我國2011—2014年的環境治理投資效率、水污染和大氣污染治理投資效率，并采用門檻面板模型來探究我國環境治理投資效率的關鍵影響因素。

1 區域環境治理投資效率評價

1.1 模型選擇

大部分學者在衡量區域環境治理投資效率時往往采用的是數據包絡分析（DEA）方法，而DEA方法中最常見的模型包括CCR與BCC模型兩種。二者雖然是經典DEA模型在一定程度上的改進，但其對效率測評的思想依然屬于線性分段和徑向理論，由于未將投入產出松弛性問題納入考慮范疇，導致效率測評結果不夠準確。針對這一問題，Tone提出了非角度、非徑向的SBM模型，將松弛變量引入目標函數，從而解決了產出松弛變量的問題。其分式規劃形式如式（1）所示：

其中，s為投入與產出的松弛量，λ為權重向量，δ是目標函數，xij為第j個決策單位的i項投入，yrj為第j個決策單元的r項產出。

為進一步解決SBM模型測得效率值會出現多個決策單元同為完全效率而無法進一步評價和排序的情形，根據修正松弛變量，Tone提出了Super-SBM模型。其變動規模報酬下（VRS）的分式規劃形式如式（2）所示：

1.2 評價指標選取

大多數學者基于數據的可獲取性等原因，對環境治理投資效率評價指標的選取往往選擇工業層面上的指標，而忽略了居民生活層面的指標，這必然會使得結論存在一定的偏差，不能準確地反映實際治理投資效率。同時為了準確、有效地衡量我國各省域環境治理投資的效率，結合近年來我國空氣污染和水污染程度的不斷加劇的現實，本文從環境總污染、水污染、空氣污染三個維度構建相應評價指標體系，并予以評價。由于2010年前后統計口徑的改變，環境污染治理的總投資包括工業污染源治理投資、城市環境基礎設施建設投資、建設項目環保投資總額三類。水污染治理投資包括廢水治理本年運行費用、廢水治理設施數；廢氣污染治理投資包括廢氣污染治理本年運行費用、廢氣治理設施數。而產出指標主要包含了固體廢棄物處理量、工業廢水處理能力、工業廢水處理量、廢氣處理能力四個方面。構建的環境治理投資效率評價指標體系如表1所示。

表1 環境治理投資效率指標體系

1.3 我國環境治理投資效率評價

參考2011—2014年的《中國統計年鑒》《中國環境統計年鑒》《中國城市統計年鑒》，由于西藏自治區和臺灣地區的數據缺失，選取北京等30個省市作為評價樣本，運用Super-SBM模型，可計算出我國各省域環境治理投資效率值、水污染和大氣污染治理投資效率值，結果如表2、圖1和圖2所示。

圖1 我國環境治理投資效率趨勢圖

圖2 我國各區域總環境質量治理投資效率趨勢圖

從表1和圖1、圖2可以看出，我國環境治理投資效率呈現顯著的下降趨勢，雖然在2013—2014年下降趨勢得到了有效的緩解，但效率值依然較低，達到0.58。相應地，水污染環境治理投資效率和大氣污染治理投資效率也呈現為緩慢的下降趨勢，且效率均值均低于環境治理投資總效率水平，大多數值小于0.5的水平，表明了大部分省份在水環境治理和大氣環境治理方面處于無效率水平，提升的空間還比較大。從區域分布來看，我國的環境治理投資效率存在顯著的區域差異，東、中、西部地區的環境治理投資效率均呈現下降趨勢，但到2014年，各地區的下降幅度明顯減小。因此需分析造成這一差異的具體影響因素。

表2 2011—2014年我國各省市的污染治理投資效率水平

2 環境治理投資效率影響因素分析

2.1 模型選擇

以Super-SBM模型計算得出的環境治理投資效率值為基礎，構建門檻面板模型，分析我國區域環境治理投資效率的關鍵影響因素。門檻面板模型的核心思想是對一個解釋變量設定一個未知變量作為其門檻值，并將這一未知變量納入到回歸模型之中，以此構建分段函數，并通過實證檢驗和估計相應的門檻值以及“門檻效應”。其單-門檻模型如下：

其中，yit為被解釋變量，zit為所選的解釋變量，xit為一組會對被解釋變量產生影響的控制變量，θ、βi則為相應的系數向量。qit是設定的門檻變量，γ是特點的門檻值，μit為個體效應值，I為指示函數，當括號內不等式成立取值為1，不成立取值為0。

通過已知數據的輸入，可以進一步求出估計值和參數值，得到估計殘差平方和：

最優門檻值為：

殘差方差為：

以區域科技水平作為門檻變量，選擇相應指標并結合Hansen門檻面板模型來考察影響我國環境治理投資效率的具體因素，其單一門檻模型和雙重門檻模型如式（7）、式（8）所示：

式（7）、式（8）分別表示以科技水平（TL）作為門檻變量，以產業結構（IS）為門檻依賴變量時，各因素對環境治理投資效率影響的單一門檻模型和雙重門檻模型。其中，Y為環境治理投資效率，EA表示區域環保意識，UL表示區域城市化水平,EC表示區域能源消耗。

2.2 變量說明與數據來源

2.2.1 變量說明

（1）被解釋變量。環境治理投資效率(Y)，即通過Super-SBM模型測算而得。

（2）門檻變量及門檻依賴變量。選擇科技水平（TL）作為門檻變量，用區域研發投入占生產總值的比重表示；選擇產業結構(IS)做為門檻依賴變量，用區域第二產業所占比重表示。

（3）控制變量。由于環境治理投資受到多方面的影響，篩選以下變量作為控制變量。

環保意識(EA)：用GDP平減修正的工業環境污染治理投資額表示。隨著人們越來越高的環境質量需求，政府將加大環境治理投資力度，降低環境污染程度，提升環境質量和環保意識水平。

城市化水平(UL)：地域內城市人口占總人口的比例。

能源消耗(EC)：我國的經濟發展正處于由粗放型發展向集約型發展的轉型階段，化石能源依舊是我國大部分省域的主要能源來源，大量化石能源的使用也勢必會帶來環境污染的加劇。采用各地區單位生產總值的能源消耗量表示。

2.2.2 數據來源

根據上述統計年鑒和環境治理投資綜合效率值、水污染治理投資效率值與大氣污染治理投資效率值，選擇2010年作為基期，采用歷年各省份GDP平減指數對部分數據予以平減處理。變量的描述性統計結果如表3所示。

表3 變量的選擇及描述性統計結果

3 實證分析

3.1 門檻效應分析

為了合理確定門檻的個數和模型具體形式，應先檢驗門檻效應的存在性。通過bootstrap自抽樣方法，利用stata13軟件可求出P值和臨界值。表4顯示了對于環境治理投資總效率、水污染治理投資效率、大氣污染治理投資效率而言，以區域科技水平作為門檻變量，以區域產業結構作為門檻依賴變量時，單一門檻、雙門檻以及三門檻效應存在性的檢驗結果。從表4可以看出，無論是從環境治理投資總效率、水污染治理投資效率還是大氣污染治理投資效率，三者都存在顯著的門檻效應。

表4 門檻效應存在性檢驗

表4反映了環境治理投資總效率、水污染和大氣污染治理投資效率三個指標都存在門檻效應，接著應進一步確定環境治理投資總效率、水污染和大氣污染治理投資效率三個指標的門檻估計值是否等于其真實值，結果如下頁表5所示。結合表4、表5可知，對于環境治理投資總效率來說，科技水平對環境治理投資效率的影響存在2個門檻值，即門檻值分別為0.006、0.016，且雙門檻效應均通過10%的顯著水平檢驗，同時結合其置信區間來看，估計值有效。對水污染治理投資效率而言，科技水平對水污染治理投資效率的影響存在0.016、0.006兩個門檻值，但雙門檻效應檢驗水平不顯著；對于大氣污染治理投資來講，雙重門檻效應檢驗依舊不顯著。因此可選擇單一門檻模型進行分析。

表5 門檻估計值與95%水平置信區間

3.2 實證結果分析

選擇以科技水平作為門檻變量，以區域產業結構作為門檻依賴變量，分析各個因素對環境治理投資效率、水污染治理投資效率、大氣污染治理投資效率的門檻效應。具體結果如表6所示。

表6 各影響因素與相關效率回歸結果

（1）對環境治理投資總效率的影響分析。從環境治理投資總效率來看，各地區的科技水平差異對區域環境治理效率產生的影響并不相同。從表6可以看出，對于科技水平在門檻值（0.006）以下的區域，該區域的產業結構對于環境治理效率的影響系數為負值，且通過了10%的顯著水平檢驗，這表明了科技水平較低的地區，第二產業比重的增加會阻礙環境治理效率的提高；而當區域科技水平超過門檻值時，此區域的產業結構對于環境治理效率的影響系數為正值，且通過了1%的顯著水平檢驗，這意味著此時第二產業比重的增加反而會促進區域環境治理效率的提高。造成這一現象的原因可能是因為落后地區的經濟發展往往會以犧牲環境為代價，而對于科技水平較為發達的地區，工業基本實現了現代化，其工業領域的環保投資效率也就相應越高。環保意識（EA）對于環境治理效率的影響表現為估計系數是負值且通過了5%的顯著水平檢驗，也就是說，環保投資額的增加反而會導致環境治理投資效率的降低，造成這一現象的可能原因是：第一，相對于持續增長的地區生產總值而言，污染治理投資的增長遠遠低于地區生產總值的增長速度；第二，部分地區的環保資金存在嚴重的冗余與浪費現象，這樣勢必會導致環境治理效率的降低。城市化水平（UL）雖然未能通過顯著水平檢驗，但其估計系數為負數，在一定程度上反映了城市人口的集聚對于環境治理效率有一定的負向影響。能源消耗（EC）對于環境治理效率的影響表現為估計系數是正值且通過了5%的顯著水平檢驗，這意味著越低的能源消耗水平對于環境治理效率的提高越不利，這與實際情況相符。

（2）對水污染治理投資效率的影響分析。對于不同地區，科技水平的不同也會對區域環境治理效率產生不同的影響，但其影響值均為正值。當地區科技水平未能達到門檻值（0.016）時，第二產業比重的提升對于水污染治理效率的提升較為平緩；而對于科技水平達到門檻值的地區，第二產業比重的提升將顯著的影響區域水污染治理效率。對于其他控制變量而言，僅環保意識（EA）對水污染治理效率的影響系數是正值，且通過了10%的顯著水平檢驗，這表明區域環保意識的提高有助于提高區域水污染治理效率，這與前面環保意識對于環境治理投資效率的負影響情況則恰恰相反，造成這一現象的原因可能是由于現有的環保投資過多的關注水污染治理，而對其他污染類型的重視程度則略顯不夠。能源消耗（EC）對于水污染治理投資效率的影響系數為0.375，但未通過顯著性檢驗，反映了能源消耗水平的增加在一定程度上可提升水污染治理投資效率。

（3）對大氣污染治理投資效率的影響分析。對于不同的地區而言，科技水平的不同同樣對區域大氣污染治理投資效率造成不同的影響，但與前二者不同的是，隨著科技水平到達門檻值（0.018）時，第二產業比重的增加反而會導致大氣污染治理投資效率的降低。造成這一現象的主要原因可能因為科技水平較高的發達地區，雖然在大氣污染治理過程中投入了大量的資金和設備，但這些投資并未達到預期效應，從而導致了高投入低產出的結果。而對于其他控制變量而言，環保意識（EA）對于環境治理效率的影響表現為估計系數是負值且通過了10%的顯著水平檢驗，這表明環保投資額的增加反而會導致大氣污染治理投資效率的降低，而結合環保意識對環境治理投資總效率的影響為負值的情況，造成這一現象的原因可能是現有的環保投資較多地關注水污染治理，而忽視了嚴峻的大氣污染形勢。能源消耗（EC）對于環境治理效率的影響則呈現估計系數為正值且通過了10%的顯著水平檢驗的結果，這表明能源消耗水平越低則對于環境治理效率越不利，這與實際情況相符。

4 結論

本文運用Super-SBM模型測算了我國各省域2011—2014年的環境治理投資效率、水污染治理投資效率和大氣污染治理投資效率，并采用門檻面板模型實證分析了我國環境治理投資效率的關鍵影響因素，得出以下結論。

（1）我國環境治理投資總效率均較低并呈現出逐年下降的趨勢，大部分省市的效率值處于無效率狀態，而且環境治理投資效率存在顯著的區域差異，東、中、西部地區的環境治理投資效率均呈現下降趨勢。雖然部分地區增加了環境治理投資力度，但效果并不顯著，存在大量的投入冗余現象。

（2）我國的水污染治理投資效率與大氣污染治理投資效率依舊低下，大多數值小于0.5的水平，且呈現為緩慢的下降趨勢，水污染和大氣污染治理形勢不容樂觀，但提升空間較大。

（3）各要素會對不同類型的治理投資效率產生不同的影響。當科技水平低于門檻值時，第二產業結構的增加將會對水污染治理投資效率和大氣污染治理投資效率產生正影響，而對環境污染治理總投資效率則產生負影響；而當科技水平高于門檻值時，第二產業結構的增加將會對環境污染治理投資總效率和水污染治理投資效率帶來正影響，對大氣污染治理投資效率則帶來負影響。

這意味著科技水平的提升突破門檻值后，可有效提高各類型環境治理投資效率，但是應合理化分配環境治理額，優化投資結構，實現各類型環境污染均衡治理。環保意識對于環境治理投資總效率和大氣污染治理投資效率產生負影響，對水污染治理投資效率則產生正影響，這可能是環保投資較多的關注了水污染的治理而對大氣污染治理的重視程度不夠。能源消耗水平的提高有利于促進環境污染治理投資效率與大氣污染治理投資效率的提升。因此，為進一步提升我國各省市的環境污染治理投資效率水平，各省市應積極提升科技水平，力爭突破門檻限制；合理規劃環保治理投資，做到整體謀劃，資源合理配置，盡可能減少投資冗余與分配不均現象；降低能源消耗總量，提高能源消耗水平，以此促進環境治理投資總效率和大氣污染治理投資效率水平。

參考文獻：

[1]Reinhard S，Lovell C A K，Thijssen G J.Environmental Efficiency With Multiple Environmentally Detrimental Variables：Estimated With SFA and DEA[J].European Journal of Operational Research，2000，（121）.

[2]Scheel H．Undesirable Outputs in Efficiency Evaluation[J].European Journal of Operational Research，2001，（132）．

[3]Jahanshahloo G R,Vencheh A H,Foroughi A A,et al.Inputs or Outputs Estimation in DEA When Some Factors Are Undesirable[J].Applied Mathematics and Computation，2004，（156）．

[4]KumarMandal S，Madheswaran S.Environmental Efficiency of the Indian Cement Industry:An Interstate Analysis[J].Energy Policy，2010，38（2）.

[5]Tone K．A Slacks-based Measure of Efficiency in Data Envelopment Analysis[J].European Journal of Operational Research，2001，130(3).

[6]Tone K．A Slacks-based Measure of Super-efficiency in Data Envelopment Analysis[J].European Journal of Operational Research，2002，143(1)．

[7]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).

[8]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，(4).

[9]劉麗波.江西區域環境治理投資效率評價研究——基于政府統計指標數據和DEA分析法[J].中國統計，2016，(6).

[10]張躍勝.環境治理投資與經濟增長:理論與經驗研究[J].華東經濟管理,2016，(9).

[11]王惠,王樹喬,苗壯,李小聰.研發投入對綠色創新效率的異質門檻效應——基于中國高技術產業的經驗研究[J].科研管理,2016,37(2).