區(qū)域生態(tài)效率評價及影響因素研究
——基于三階段DEA模型

牛建廣，高春艷，張永禮

(河北地質大學 管理科學與工程學院， 石家莊 050031)

改革開放以來，我國的經濟以年均10%的發(fā)展速度保持高速增長，但在經濟快速發(fā)展的同時，資源大量消耗和環(huán)境問題也日益突出。資源耗竭、環(huán)境惡化已嚴重制約著我國經濟的快速發(fā)展。怎樣實現資源-經濟-環(huán)境系統(tǒng)的可持續(xù)發(fā)展，成為中國政府當前面臨的難題。而生態(tài)效率作為資源-經濟-環(huán)境系統(tǒng)的可持續(xù)發(fā)展的有效測度指標，能夠綜合反映資源-經濟-環(huán)境系統(tǒng)的協(xié)調發(fā)展程度。

Schaltegger[1]在生態(tài)理念一文中首次提出生態(tài)效率的概念,把生態(tài)效率定義為經濟的增加值與發(fā)展經濟同時帶來的環(huán)境影響的比值。世界可持續(xù)發(fā)展工商業(yè)聯合會(WBCSD)[2]定義生態(tài)效率為 “生態(tài)效率是提供人類生產、生活需要的產品和服務的同時，使整個生命周期中環(huán)境影響降到至少與地球的估計承載力一致的水平上”。從此，生態(tài)效率的概念被廣大學者認識和接受，生態(tài)效率的研究也隨之廣泛開展。

近年來，關于中國生態(tài)效率的研究取得了積極的進展。李麗平等[3]介紹了生態(tài)效率的概念及其發(fā)展，并以加拿大的生態(tài)效率指標體系為例介紹了生態(tài)效率指標的確定原則和方法。諸大建等[4]首次構建了生態(tài)效率評價指標體系，用來分析我國的可持續(xù)發(fā)展程度，分析了我國1990—2005年生態(tài)效率的發(fā)展趨勢。

在對生態(tài)效率進行研究的文獻中，DEA(數據包絡分析)方法應用最為廣泛。楊斌[5]運用DEA方法從宏觀角度對中國2002—2006年區(qū)域生態(tài)效率進行測度和評價。周洋等[6]采用超效率DEA模型方法測度了山東省2010—2014年17個地市的生態(tài)效率。因為單純運用DEA模型評價時沒有考慮外部環(huán)境變量對生態(tài)效率的影響，所以有的學者在運用DEA模型評價效率后，運用Tobit回歸模型分析影響效率值的因素，稱之為二階段DEA模型。 汪東等[7]用DEA-Tobit二階段DEA方法測定了2003—2008中國31個省市區(qū)的工業(yè)生態(tài)效率,并分析了工業(yè)生態(tài)效率的影響因素。然而，二階段DEA模型計算結果未考慮隨機誤差對生態(tài)效率的影響，不能體現決策單元實際效率水平。Fried[8]指出DEA模型的計算結果包含了外部環(huán)境變量和隨機誤差的影響，提出了三階段DEA模型計算決策單元效率的評價方法。三階段DEA模型通過調整外部環(huán)境變量和隨機誤差的影響，使得各決策單元處在同一外部環(huán)境和運氣水平上，從而能準確地反映決策單元的內部管理水平。鄧波等[9]運用三階段DEA模型分析了我國31個省市2008年區(qū)域生態(tài)效率，結果表明：通過調整各區(qū)域的外部環(huán)境變量和隨機誤差水平，區(qū)域生態(tài)效率發(fā)生了較大的變化[9]，但是作者在效率評價指標中沒有考慮水資源消耗和土地資源投入等因素。

本文運用三階段DEA評價2014年中國31個行政區(qū)(因數據統(tǒng)計口徑不統(tǒng)一，未包括香港、澳門和臺灣)的生態(tài)效率水平，分析其區(qū)域差異。從生態(tài)效率的角度評價各省、自治區(qū)的經濟和資源環(huán)境狀況，分析生態(tài)效率的影響因素，尋求區(qū)域生態(tài)效率提升的途徑，可為各區(qū)域積極改變經濟發(fā)展方式，實現經濟和資源環(huán)境協(xié)調發(fā)展提供一些政策參考。

1 研究模型

三階段DEA模型包括以下3個階段。

1.1 第1階段：傳統(tǒng)DEA(CCR、BCC)模型

數據包絡分析(DEA)是由美國運籌學家 Charnes和 Cooper等[10]于1978年提出的一種評價相對效率的非參數統(tǒng)計方法，主要是針對相同類型的多投入和多產出的決策單元(DMU)的相對效率。DEA的基本模型為CCR和BCC模型，本文首先應用CCR模型計算生態(tài)技術效率，然后用BCC模型計算生態(tài)純技術效率，生態(tài)技術效率與生態(tài)純技術效率的比值為生態(tài)規(guī)模效率。本文選擇的DEA模型都為投入導向的模型，由于CCR和BCC模型已較為成熟，此處不再贅述。

1.2 第2階段：建立相似SFA回歸模型

Fried[8]認為：決策單元的投入松弛變量受到管理無效率、外部環(huán)境變量和隨機誤差的影響，因此需要分離這3種影響。在第1階段可以得到無效決策單元的投入松弛變量。第2階段建立相似SFA回歸方程：

Sni=f(Zk;βk)+νni+μni

n=1,2,…,N;i=1,2,…,I

(1)

根據陳巍巍等[11]的思路，推導出管理無效率分離公式為：

(2)

隨機誤差計算公式為：

E(νni|μni+νni)=Sni-β0-

(3)

通過調整式(4)剔除外部環(huán)境變量和隨機誤差對效率值的影響，使得各決策單元的外部環(huán)境和隨機誤差處于同一水平。

[max(νni)-νni]

i=1,2,…,I;n=1,2,…,N

(4)

1.3 第3階段：調整后DEA模型

2 指標選擇和數據來源

本文研究的對象為區(qū)域生態(tài)效率。影響區(qū)域生態(tài)效率的因素很多，從生態(tài)效率的核心思想入手，在鄧波等[9]構建的生態(tài)效率指標體系的基礎上，增加水資源消耗和土地消耗指標，構建生態(tài)效率評價指標標和外部環(huán)境變量指標體系，見表1。

表1 生態(tài)效率評價指標體系

本文所用數據來源于《中國能源統(tǒng)計年鑒2015》《中國統(tǒng)計年鑒2015》和2015年各省市統(tǒng)計年鑒。

2.1 投入和產出指標的選擇

根據生態(tài)效率的概念選取反映投入和產出共7項指標。投入指標包括資源投入和環(huán)境投入，選取水資源消耗X1(億m3)、能源消耗總量X2(百萬t標準煤)和建設用地X3(萬hm)作為資源投入指標；選取化學需氧量X4(萬t)、二氧化硫排放量X5(萬t)和一般工業(yè)固體廢物產生量X6(萬t)作為環(huán)境投入指標；選取各行政區(qū)的國內生產總值Y(億元)為產出指標。

DEA模型要求投入和產出指標應該具有同向性。對投入和產出指標進行pearson相關性檢驗，檢驗結果見表2。從表2可以看出：除一般工業(yè)固體廢物產生量外，其他投入指標與產出指標相關系數為正，并能在0.01或0.05的顯著水平下通過雙側檢驗。因投入變量X6沒有通過pearson相關性檢驗，所以把X6一般工業(yè)固體廢物產生量從指標體系中排除。

表2 2014年中國31個省市生態(tài)效率投入和產出變量相關性

**、***表示分別通過顯著性水平為的5%、1% 的檢驗；括號中數值為檢驗的p值

2.2 外部環(huán)境變量的選取

本文選擇環(huán)境治理投資總額Z1(億元)、第二產業(yè)所占比例Z2(%)和人均汽車擁有量Z3(輛/萬人)三項指標作為外部環(huán)境變量，指標解釋如下：

1) 環(huán)境治理投資總額(億元)。環(huán)境治理投資會有效地控制污染的排放，保護生態(tài)環(huán)境，提高生態(tài)效率。所以，選擇環(huán)境治理投資總額作為生態(tài)效率的環(huán)境變量。

2) 第二產業(yè)所占比例(%)。許正松等[12]分析產業(yè)結構和環(huán)境污染的關系，得到第二產業(yè)的比重對環(huán)境污染有著顯著的正向影響[12]。本文用第二產業(yè)所占比例代表產業(yè)結構組成，分析第二產業(yè)所占比例對生態(tài)效率松弛變量的影響。產業(yè)結構是人類作用于生態(tài)環(huán)境系統(tǒng)的主要環(huán)節(jié)，產業(yè)結構的合理性決定了經濟效益、資源利用效率和生態(tài)環(huán)境。

3) 人均民用汽車擁有量(輛/萬人)。到2014年中國人均民用汽車擁有量達1 067輛/萬人。曲凌夫通過分析城市污染產生的原因，得到汽車造成的污染已成為城市環(huán)境及大氣環(huán)境的主要污染源之一。研究表明：汽車環(huán)境污染已經成為全世界面臨的重要難題，汽車對生態(tài)環(huán)境造成的影響是巨大的[13]。所以，選取人均民用汽車擁有量作為生態(tài)效率的外部環(huán)境變量。

3 實證分析

3.1 第1階段：傳統(tǒng)DEA計算分析

利用MaxDEA軟件對中國31個省市的生態(tài)效率進行分析，結果如表3所示。2014年中國31個省市生態(tài)技術效率平均值為0.526，有3個省市的生態(tài)技術效率值為1，西部地區(qū)的生態(tài)技術效率普遍較低；生態(tài)純技術效率均值為0.65，北京等9個省市的生態(tài)純技術效率達到有效前沿，規(guī)模效率均值為0.833。由此可以得出：生態(tài)技術效率低下主要是由生態(tài)純技術效率低下造成的。根據3個效率值把31個省市分為3個類別：第1類，技術效率、純技術效率和規(guī)模效率都為1，北京、天津和上海的3個效率值均為1，表明北京、天津和上海生態(tài)效率相對有效且規(guī)模報酬不變，說明這3個省市可持續(xù)發(fā)展程度較高，投入和產出較合理； 第2類，純技術效率值為1，技術效率和規(guī)模效率值小于1，共有江蘇等6個省市，說明技術效率的低下是有規(guī)模效率造成的；第3類，3項效率值均小于1，共有河北等23個省市，說明這23個省市資源配置能力、資源使用效率低下，環(huán)境投入量存在冗余。在純技術效率和規(guī)模效率方面存在不同程度的改進空間。總體來看，中國的生態(tài)效率值偏低。但是第1階段是在假設31個省市處于相同外部環(huán)境和隨機誤差的假設條件下，測算的效率值不能準確反映各省市的實際生態(tài)效率水平，所以需要在第2階段調整各省市的外部環(huán)境變量，使其和隨機誤差處于同一水平。

表3 2014年中國31個省市第一階段生態(tài)效率值

注：TE1、PTE1、SE1為第1階段生態(tài)技術效率、純技術效率、規(guī)模效率；irs、drs和-代表規(guī)模報酬遞增、遞減和不變

3.2 第2階段：相似SFA回歸分析

第1階段計算的效率值包含外部環(huán)境變量和隨機誤差的影響，在第2階段有必要剔除外環(huán)境因素和隨機誤差對效率值的影響。將第1階段中5個投入變量的松弛量分別作為因變量，將外部環(huán)境變量作為自變量，進行相似SFA回歸分析，結果見表4。由表4可知：3個外部環(huán)境因素對5個投入松弛變量的回歸系數均能在10%顯著性水平上通過檢驗，說明外部環(huán)境變量對投入松弛存在顯著影響。外部環(huán)境素對投入松弛變量的γ均為0.999，并通過了1%的顯著性水平檢驗。說明在投入變量的松弛變量的影響中，管理無效率占主導地位，并對生態(tài)效率有顯著影響。5個SFA模型的LR統(tǒng)計值(LR test of the one-sided error) 通過5%顯著水平的檢驗((2分布5%顯著水平檢驗值為7.045)，所以拒絕“不存在無效率項的零假設”，說明采用SFA模型是合理的。

下面具體分析各環(huán)境變量對投入松弛變量的影響。由式(1)可知：因變量為投入松弛變量，自變量是外部環(huán)境變量，所以當回歸系數為負時，表示外部環(huán)境變量值增加時，投入松弛變量會降低，相應地會提高生態(tài)效率；反之，當回歸系數為正時，生態(tài)效率會降低。具體分析如下：

1) 環(huán)境治理投資總額Z1(億元)

環(huán)境治理投資總額對5個投入變量的松弛變量的系數均為正，說明增加環(huán)境治理投資總額，投入變量反而會增加，生態(tài)效率降低。環(huán)境變量Z1對能源消耗總量X2的系數為2.4，對其他投入變量的系數都比較小，均在0.07以下，說明環(huán)境變量Z1對其他4個投入變量的影響較小，增加環(huán)境治理并沒有減少化學需氧量和二氧化碳排放量。這一結論與理論預期剛好相反，這也恰好反映了中國的環(huán)境治理投資并沒有對生態(tài)效率的提高起到應有的作用，故應該加強環(huán)境治理投資的有效利用和配置，有效發(fā)揮環(huán)境投資的作用。

表4 SFA回歸結果

注：*、**、***分別表示在10%、5%、1% 的水平上顯著；括號中數值為檢驗的t值。

2) 第二產業(yè)所占比例Z2(%)

第二產業(yè)占經濟總量比例對5個投入變量松弛變量的回歸系數均為正，說明當第二產業(yè)比例提高時，水資源消耗X1、能源消耗總量X2、建設用地X3、化學需氧量X4和二氧化硫排放量X5五個投入變量的投入會增加，從而會降低生態(tài)效率。這與理論預期是吻合的。當第二產業(yè)比例提高時，勢必消耗大量的資源和能源，并對環(huán)境產生巨大的影響。所以，當前任務是進行產業(yè)結構優(yōu)化，加快產業(yè)結構調整，大力發(fā)展第三產業(yè)，使產業(yè)結構向高度化和合理化方向發(fā)展。

3) 人均民用汽車擁有量Z3(輛/萬人)

人均民用汽車擁有量對5個投入松弛變量的回歸系數均為負，并通過顯著性水平檢驗。說明當人均民用汽車擁有量增加時，5個投入指標的投入變量反而會減小，與理論預期不符。人均民用汽車擁有量對建設用地、化學需氧量和二氧化硫排放量的回歸系數值0.07以下，說明人均民用汽車擁有量的對這3個投入指標的影響較小，對能源消耗投入松弛量的回歸系數為-3.09，影響較大。究其原因，人均汽車擁有量反映了一個地區(qū)的經濟發(fā)展水平，經濟發(fā)展水平越高，能源的利用效率也會相應地提高，與薛靜靜等[14]的研究結果一致。

由以上可知：外部環(huán)境變量影響區(qū)域生態(tài)效率水平，通過式(2)和(3)計算隨機誤差項。由于外部環(huán)境和隨機誤差的原因，第1階段計算的各省市的生態(tài)效率不能反映真實的生態(tài)效率水平。利用式(4)將各省市的外部環(huán)境和隨機誤差調整到同一水平，進而考察各地區(qū)生態(tài)效率的真實水平。

3.3 第3階段DEA模型結果分析

在第2階段對投入變量進行調整后，再次運用DEA模型分析各省市的生態(tài)效率。計算結果如表5所示。對比表3和表5可知：第3階段與第1階段的生態(tài)效率值有較為明顯的變化。經過第2階段對外部環(huán)境變量和隨機誤差的調整，第3階段中國31個省市的區(qū)域生態(tài)技術效率由0.526上升到0.639，生態(tài)純技術效率由0.65上升為0.858，規(guī)模效率從0.833下降為0.74。說明由于外部環(huán)境因素和隨機誤差的影響，第1階段的生態(tài)純技術效率被低估，而規(guī)模效率被高估。

表5 2014年中國31個省市第3階段生態(tài)效率值

注：TE3、PTE3、SE3為第3階段生態(tài)技術效率、純技術效率、規(guī)模效率；irs、drs、-含義同表3

對比分析第1階段和第3階段各省市生態(tài)效率的變化，調整各省市外部環(huán)境變量和隨機誤差處于同一水平后，有4個省市的生態(tài)技術效率值為1，相比第1階段，增加了一個生態(tài)效率有效區(qū)域。通過對比發(fā)現：上海市在調整外部環(huán)境變量和隨機誤差前后都處于技術效率前沿面，說明上海市的可持續(xù)發(fā)展水平較高，投入和產出較合理，受外部環(huán)境的影響較小。在第3階段，江蘇、山東和廣東升至效率前沿，說明在第1階段，江蘇、山東和廣東3個省份的生態(tài)效率無效是由于外部環(huán)境變量和隨機誤差的影響。而北京和天津在剔除環(huán)境因素和隨機誤差后從技術效率前沿面退出，其之前的高效率是由外部環(huán)境和運氣引起的，并沒有真實地反映其技術管理水平。生態(tài)技術效率下降的省市包括北京、天津、海南、西藏、青海及寧夏等6個省區(qū)市，尤其是西藏。第3階段的生態(tài)效率值不足0.1，表明它們之前的高效率與它們的外部環(huán)境和隨機誤差有關。生態(tài)技術效率上升的省市共24個，說明這24個省市的第1階段生態(tài)效率受外部環(huán)境變量和隨機誤差的影響，而非它們的技術管理水平低。從生態(tài)效率的規(guī)模收益變化來看，第1階段生態(tài)效率規(guī)模收益遞增的有17個，規(guī)模收益遞減的有11個，規(guī)模收益不變的有3個，說明只有3個省市的生態(tài)效率的規(guī)模處于最佳狀態(tài)。而在剔除外部環(huán)境變量和隨機誤差的影響后，第3階段生態(tài)效率的規(guī)模收益遞增的有27個，規(guī)模收益不變的有4個，說明各地經濟發(fā)展不合理，需要增加投入來提高生態(tài)效率，但是從DEA模型的基本原理來看，當選取的投入量是資源消耗量和污染物排放量時，顯然不能通過增加投入量使模型達到規(guī)模有效[15]，所以應該從資源的有效利用和降低對環(huán)境的不利影響方面提高生態(tài)效率。

為深入分析，以0.9的效率值為臨界點，以生態(tài)純技術效率和生態(tài)規(guī)模效率將我國31個省市劃分為4個梯隊，具體分類見表6。第1梯隊，生態(tài)純技術效率和規(guī)模效率值都在0.9以上，包括上海、江蘇、浙江、山東和廣東5個省市，這5個省市的生態(tài)技術效率相對較高，相對其他省市生態(tài)效率的提升空間有限，但是DEA模型評價的是相對效率，所以并不代表這些省市的生態(tài)效率絕對高效，也需要從各省市實際出發(fā)，提高資源利用率、引進先進技術、降低污染排放、提高管理水平，生態(tài)效率所需改進較少。第2梯隊，生態(tài)純技術效率大于0.9，生態(tài)規(guī)模效率小于0.9，包括吉林、安徽、福建、江西、海南、重慶、貴州、西藏、陜西和青海10個省市，特別是西藏，其規(guī)模效率都在0.1以下，說明造成這些地區(qū)生態(tài)技術效率低下的原因是生態(tài)規(guī)模效率較低，在以后的發(fā)展過程中，應提高資源和能源的利用率，適當的增大生產規(guī)模。第3梯隊，純技術效率在小于0.9，規(guī)模效率在0.9 以上，包括河北、遼寧、河南、湖南和四川 5個省市，這些省份在后續(xù)發(fā)展中要側重進行純技術效率的改進，即在生產經營活動中應該提高技術管理水平。第4梯隊，生態(tài)純技術效率和規(guī)模效率都在0.9以下，包括北京、天津、山西、內蒙古、黑龍江、湖北、廣西、云南、甘肅、寧夏和新疆10個省市。北京和天津作為經濟大市，生態(tài)技術效率偏低，說明北京和天津的經濟產出和資源、能源、環(huán)境的投入不匹配，這些省市在今后的發(fā)展中既要提高純技術效率又要提高規(guī)模效率。

表6 區(qū)域梯隊劃分

4 結束語

本文運用三階段DEA模型對中國31個省市2014年區(qū)域生態(tài)效率進行了評價，并分析了影響生態(tài)效率值的外部環(huán)境因素。主要結論如下:

1) 對比第1階段和第3階段的生態(tài)效率，通過調整31個省市的外部環(huán)境變量和隨機誤差使其處于同一水平，全國的平均生態(tài)技術效率、純技術效率和規(guī)模效率都發(fā)生了變化，其中生態(tài)技術效率和純技術效率明顯提高，而規(guī)模效率顯著降低，說明外部環(huán)境因素和隨機誤差對生態(tài)效率有著顯著的影響。結果顯示：利用三階段 DEA模型，剔除外部環(huán)境和隨機誤差對各省市生態(tài)效率的影響后，得到的效率值更能反映各省市實際的生態(tài)效率水平。

2) 外部環(huán)境和隨機誤差對生態(tài)效率存在顯著影響。在外部環(huán)境因素中，第二產業(yè)的比例是生態(tài)效率的不利因素，所以應該減少第二產業(yè)的比例，提高第二產業(yè)的資源環(huán)境利用率，大力發(fā)展第三產業(yè)。環(huán)境治理投資總額與各投入變量的回歸系數為正值，說明當環(huán)境治理投資總額增加時，投入變量反而會增加，生態(tài)效率值會降低，與理論預期不符。說明我國的環(huán)境治理投資沒有充分發(fā)揮作用，增加環(huán)境治理投資額并沒有有效地減少資源、能源的消耗量和污染物排放，因此必須加強環(huán)保，進行合理、有效的配置。人均民用汽車擁有量和各投入變量的回歸系數為負值，說明當人均民用汽車擁有量增加時，生態(tài)效率反而會提高。

3) 以0.9的效率值為臨界點，以生態(tài)純技術效率和生態(tài)規(guī)模效率將我國31個省市劃分成4個梯隊。對于第1梯隊省份，純技術效率和規(guī)模效率都比較高，也需要從各省市實際出發(fā)，提高資源利用率，引進先進技術，降低污染排放，提高管理水平；對于第2梯隊省份，重點應提高其規(guī)模效率，使其生產規(guī)模達到最優(yōu)規(guī)模；對于第3梯隊省份，應側重進行純技術效率的改進，即在生產經營活動中應該提高技術管理水平；對于第4梯隊省份，純技術效率和規(guī)模效率都較低，在今后的發(fā)展中既要提高純技術效率又要提高規(guī)模效率，從而改善生態(tài)效率。