我國區域生態環境效率時空特征及影響因素
——基于三階段DEA模型分析

景曉棟，田 澤，丁緒輝，閔義嵐

（1.河海大學商學院，江蘇南京 211100；2.河海大學低碳經濟研究所，江蘇常州 213022；3.江蘇大學經濟管理學院，江蘇鎮江 212013；4.西北農林科技大學經濟管理學院，陜西楊凌 712100）

改革開放以來，我國經濟取得了舉世矚目的成績，并在2010年一躍成為世界第二大經濟體，但與此同時，我國碳排放的壓力也在逐漸增大，2011年我國一次能源消費總量超過美國，成為全球能源消費與碳排放第一大國［1］。近年來，隨著我國能源消費持續穩定增長，以及粗放式經濟的長期積累，我國經濟結構轉型、生態污染與環境治理正面臨著一系列嚴峻的問題。2017年，黨的十九大報告明確提出要始終堅持人與自然和諧共生的基本方略。2019年，李克強總理在政府工作報告中也指出要充分重視生態文明建設問題，大力推動全面綠色發展，使生態環境質量持續改善。在我國政府高度重視環境污染的治理的同時，國內各省份也相繼出臺了相關的政策條令，但生態環境在不斷惡化的本質目前還沒有發生根本性的改變。因此，在面對環境污染嚴重、資源約束趨緊的嚴峻形勢下，建立科學的評價指標體系，進行合理有效的生態環境效率測度，定量化評估我國各省份投入產出效率，準確找出各區域資源浪費與產出不足的原因，不僅有利于各省份能在低碳發展的前提下更好地進行環境治理，同時也能為推動我國人與自然和諧相處提供一定的理論參考價值。

1 文獻綜述

對于效率測算，Farrell［2］、Charnes等［3］最早在規模報酬不變（CCR模型）的基礎上提出數據包絡分析（DEA）方法；Banker等［4］在CCR模型的基礎上給出了基于規模報酬可變的BCC模型。目前對于效率值的測算大多數基于企業、行業或產業層面，如Rahman等［5］分別運用DEA模型對和孟加拉的水產養殖業進行了效率研究；Chang等［6］通過DEA-SBM模型分析了我國交通運輸行業的環境效率。Kloos［7］、Han等［8］運用DEA模型對亞洲國家的工業生產效率進行了測算。在產出方面，Hailu等［9］2001年提出可將非期望產出作為投入變量進行研究，從形式上減少非期望產出；F?re等［10］學者在此基礎上提出可以利用非線性模型且將非期望產出（如環境污染）考慮在內的模型來解決環境績效問題，國內學者早期開展研究時未將非期望產出考慮在內［11-13］，近年來將非期望產出納入效率測算范圍之內逐漸受到了國內學者的廣泛認可［14-16］。

生態環境效率代表了社會利用生態資源的能力。目前國內外學者從不同角度對生態環境效率進行了研究，早期學者大多采用傳統的DEA模型進行測算［17-18］，但由于受到各種環境、政策等隨機因素的影響，生態環境效率值的測算并不準確；王兵等［19］運用SBM方向性距離函數測算了1998—2007年我國30個省份的環境效率，得出能源的過度使用及SO2和CO2的過度排放是造成環境無效率的主要原因；曾賢剛［20］基于DEA方法，運用2000—2008年省級面板數據計算了我國30個省份的環境效率，得出各省份環境效率基本保持在0.7～1.0之間；白永平等［21］從非期望產出角度運用SBM模型測算了2001—2010年我國沿黃9省份的環境效率靜態水平，得出考慮環境變量之后會降低區域的平均環境效率水平。

綜上所述，一方面，現有研究大多采用傳統的DEA模型或SBM模型等來進行生態環境效率測算，部分學者在研究過程中未考慮非期望產出對效率值的影響；另一方面，現有相關研究大多集中于企業、產業或部分省域之間，針對全國范圍的研究較少，且大多數學者未剔除環境變量、隨機因素等對實證結果的干擾作用，由此可能導致測算結果與實際出現較大誤差，從而導致資源配置扭曲。采用三階段DEA模型可以將管理無效率及隨機誤差等因素剝離出來，同時將非期望產出考慮在內，能更加客觀準確地反映實際情況。借鑒上述研究，本文選取2008—2017年我國30個省份的相關數據，利用三階段DEA模型，對各省份及區域之間的生態環境效率進行實證研究，通過省份、區域間的時空對比，探究各地生態環境效率差異化的原因及特征，并針對各地目前存在的問題提出相應的對策建議，為提高生態環境效率提供一定的理論參考。

2 研究方法與評價模型

三階段DEA模型最早由Fried等［22］學者提出，運用三階段模型能夠更好地評估決策單元（DMU）的效率。相較于傳統的DEA模型，三階段模型最大的優勢在于能夠提出非經營因素（外部環境與隨機因素）對效率的影響，從而使結果能夠更加符合實際。其構建和運用主要包括3個階段：

（1）第一階段，構建傳統的DEA模型。該模型在運用時分為BCC和CCR兩種，其中CCR模型要求以規模報酬不變為前提假設，與實際情況相差較大，因此，Banke等［4］于1984年提出了規模報酬可變的DEA-BCC模型。由BCC模型計算出的效率值為技術效率（TE），可分解為規模效率（PTE）與純技術效率（SE）的乘積，即TE=PTE×SE。投入導向下的BCC模型的具體形式如下：

（2）第二階段。由于第一階段計算出的環境效率值受到外部環境因素、隨機因素及管理效率三部分的影響，難以判斷是什么因素影響了最終的效率值，因此第二階段通過構建SFA模型，從而剔除外部環境因素和隨機因素干擾，從而得出DMU投入冗余僅由管理無效率造成。假定DMU有n個，每個DMU共有m種投入變量，可觀測的外部環境變量為p，則可構建方程如下：

將代入得到調整后的投入量公式如下：

（3）第三階段，進行調整后的DEA模型及數據分析。用第二階段計算出的調整后的數據代替原始投入數據，產出值仍采用真實產出值，再次利用BCC模型進行計算。這樣得出來的計算值為剔除了環境因素和隨機因素干擾，能夠真實客觀地反映區域環境效率。

3 指標選取與數據來源

3.1 指標選取

（1）投入變量。綜合考慮指標選取應滿足綜合性、可比性、重要性及可行性原則，本文將投入指標分為3項：自然資源投入、人力資本投入、資本投入。其中：自然資源投入用能源消費總量來表示，包括石油、煤炭、天然氣等，采用2006年政府間氣候變化專門委員會（IPCC）公布的能源折算系數折算為標準煤；人力資本投入采用歷年的就業人口數量來代替；資本投入采用各省份固定資產投資總額表示。

（2）產出變量。產出變量分為期望產出和非期望產出，本文將我國地區生產總值（GDP）作為期望產出，工業廢水排放量、工業廢氣（SO2）排放量作為非期望產出。

（3）環境變量。生態環境效率值會受到一系列環境因素的影響，借鑒已有的研究，本文采用人口密度、實際人均GDP、城市化水平、外貿依存度及第二產業增加值占比等指標作為環境變量［23-24］。其中：人口密度為人口總數與行政區域面積之比；人均GDP為當年總產值除以當年總人口；城市化水平為地方城鎮人口占常住人口之比；外貿依存度為各省份進出口總額占GDP的比重；第二產業增加值用第二產業增加值除以各省份當年總GDP來表示。

具體統計指標如表1所示。

表1 我國各地區生態環境效率水平評價指標體系

表1（續）

3.2 數據來源

本文中投入變量、產出變量及環境變量的相關數據來自2008—2017年《中國環境統計年鑒》《中國能源統計年鑒》等，西藏和港澳臺地區因數據缺失未納入研究，因此本文主要分析了我國30個省、自治區、直轄市10年的統計數據。為排除因價格因素對實證結果所帶來的影響，本文所有數據均以2000年不變價格為基準進行標準化處理。按照我國地理位置和行政區域劃分，本文將研究對象分為東北、華北、華中、華東、華南、西北、西南共七大區域（見表2）。

表2 研究對象的七大區域劃分

4 實證結果分析

4.1 第一階段分析

運用MaxDEA軟件對我國30省份生態環境效率實證分析，結果如表3所示。由于篇幅限制，本文選取2008及2017年數據進行展示，對2010、2012、2015、2017年 4個時間進行詳細分析。總體來看，各省份生態環境效率值在0.45～1.00之間。從平均水平來看，各省份生態環境效率均值4年來穩定在0.84～0.87之間。從截面數據上來看，2008年生態環境效率處于效率前沿面的有北京、天津、黑龍江、上海、福建、江西、廣東、海南共8個省市，效率值大于0.80的共有21個省份，處于純技術效率前沿面和規模效率前沿面的省份分別為13個和8個；2010、2012、2015、2017年生態環境效率等于1的省份個數分別為7、8、6、9個，其中4年生態環境效率均達到最優的有北京、天津、黑龍江、廣東。從省份內部具體對比來看，部分省份如青海、寧夏等生態環境效率值長期處于0.40～0.50之間，與北京、上海等省市差距較大，同時各省份之間規模效率值與純技術效率值差異較小，表明各省份生態環境效率值受到兩者的共同影響。

表3 第一階段DEA模型的我國30省份生態環境績效水平

七大區域的生態環境績效水平如圖1所示，可知我國區域間生態環境效率值差異較大：東北、華東、華北及華南地區的生態環境效率值始終保持在較高水平；華中地區的生態環境效率值在2008—2014年基本保持不變，2014—2017年間呈現出明顯上漲趨勢；西南地區10年間的生態環境效率值長期保持在0.75左右；西北地區的效率值在2008—2009年間有較大幅度的下降，2009—2011年有明顯上升，但在2011—2015年間呈明顯下降趨勢，2015—2017年則呈水平狀態。但由于此階段的環境效率評價值無法排除由于環境因素、隨機因素的影響，因此，此實證結果只能部分反映各省份的環境效率水平，需要進一步對投入變量調整和分析，從而排除外界因素對真實結果的干擾。

圖1 第一階段DEA模型的我國區域生態環境效率測度值

4.2 第二階段分析

松弛變量的存在表示投入變量存在效率提升的空間，即通過提高管理水平或者減少投入就可以達到目前的產出水平。如果環境變量與松弛變量存在正相關關系，則意味著隨著環境變量的增加將導致投入值松弛變量的增多，從而會降低各省份的環境效率；反之，若兩者之間存在負相關關系，則有利于提升環境效率。在DEA第二階段的分析過程中，本文借助Frontier4.1軟件，運用SFA方法調整各省份的原始投入值，可以排除掉環境因素、管理因素和隨機因素對于真實效率值的影響，從而得到各地在相同管理環境下的環境績效水平。為了合理地進行變量調整，在第二階段本文采用第一階段中投入變量的松弛變量作為被解釋變量，人口密度、實際人均GDP、城市化水平、外貿依存度及第二產業增加值占比作為解釋變量。具體回歸結果如表4所示。

（1）人口密度和城市化水平與投入變量的松弛變量呈負相關關系，即人口密度越大、城市化水平越高越有利于環境效率水平的提升。人口密度和城市化水平的提升有利于進一步形成城市群，而城市群的空間集聚效應及群體性生活又會反過來促進人民對于環境意識的提高，從而發揮出對于環境效率的正向促進作用。

（2）實際人均GDP除2012年與能源消費及2015年與就業人口呈負相關關系外，其整體上與投入變量的松弛變量呈正相關關系，即人均GDP越高越不利于環境效率水平的提升。這表明實際人均GDP的增加將增加固定資產、能源消費及資本投入松弛變量，降低環境效率的水平。2012年我國出臺了《中國的能源政策白皮書》，提出了堅持“節約優先”等八項能源發展方針，因此在2012年我國實際人均GDP提高能促進能源消費減少從而提高生態環境效率值。

（3）第二產業占比的增加與能源消費呈負相關關系，與就業人口呈正相關關系，與固定資產投資呈不確定性關系，即隨著第二產業占比的增加，能夠降低能源消費投入變量的松弛值，從而提高生態環境效率，同時又會提高就業人口的松弛變量，造成人力資本的浪費。第二產業增加值占比在2010—2012年與固定資產投入松弛變量呈負相關關系是，因為我國為應對2008年的國際金融危機采取了4萬億元的刺激政策，大量的貨幣涌向工業企業，由于投入與產出有一定的滯后性，所以其負面影響在2008年并未表現出來，但2010—2012年的數據顯示，過熱的經濟刺激會造成固定資產投資的浪費現象，這表明當時我國為緩解就業壓力所采取的經濟發展模式是以環境損耗和資源開發為代價的，資源過度開采，雖然在一定程度上能夠促進經濟的發展，但固體廢棄物等的排放也勢必會給環境帶來較大的負面效果，極大地限制了環境效率的提升；2015—2017年間第二產業增加值占比與固定資產松弛變量呈負相關的原因是，因為我國在2015年提出了供給側改革，要求改變要素配置扭曲狀況，擴大有效供給，從而提高社會資源的全要素生產率，因此第二產業的增加值占比提高能夠提高各省份的生態環境水平，同時，第二產業是能源消耗較高的行業，繼續推動產業升級和優化有利于生態環境水平的持續改善［25］。

（3）外貿依存度除2012年與能源消費及2017年與就業人口呈負相關關系外，與固定資產投資、能源消費、人力資本投資的松弛變量均呈正相關關系，這表明隨著外貿依存度的提高會帶來環境的惡化問題，這是因為我國自從2008年國際金融危機爆發以來開始大規模地引進外資企業，在推行貿易自由化及招商引資的同時也引進了國外很多高污染的企業，由于環境規制和相關政策的不完善，雖然在一定程度上促進了經濟的增長，但也對環境造成了很大程度的破壞；另一方面，由于我國進出口貿易企業受到研發水平的限制，導致進出口產品附加值較低，沒有使資本、能源和人力資本充分利用起來，因此也會對環境效率造成負面影響。2012年外貿依存度與能源消費的松弛變量呈負相關關系，是因為當年受到《中國的能源政策白皮書》的約束條件影響；2017年與就業人口呈負相關關系，在一定程度上表明我國進出口貿易水平的提高，即進出口貿易的產品由勞動力密集型向資本密集型轉變，通過外貿依存度水平的增加可以向社會釋放一定的就業人口，從而優化人力資源配置、提高生態環境效率水平。

總之，不同環境變量對于環境效率有著不同的影響，且相同環境變量對于環境效率的影響也會隨著時間的變化而變化。因此，為了測度我國各省份真實的環境效率水平，有必要剔除環境因素、管理效率及隨機因素的影響，使得各決策單元都處在相同的外部環境之下。

表4 第二階段DEA模型的我國30省份生態環境績效水平回歸結果

4.3 第三階段分析

本文將第二階段調整后的投入變量與原始產出值代入DEA-BCC模型中，選取排放量、廢水排放量作為非期望產出，所測得結果即為剔除外部環境因素與隨機干擾項且考慮非期望產出的各省份真實的環境效率值（見表5）。通過計算表2與表5均值可知，30省份第一階段DEA生態環境效率均值要高于第三階段測得的真實的生態環境效率均值，表明不剔除環境變量及隨機因素的影響會高估各省份的生態環境效率值。具體分析表5：

（1）在剔除環境變量與隨機因素的影響后，2008年處于生態環境效率前沿面的有北京、遼寧、黑龍江、山東、河南、廣東共6個省市，2010、2012、2015、2017年生態環境效率達到最優化的省份數量分別為7、7、7、8個，其中4年的生態環境水平均達到最優效率的省市共6個，分別為北京、遼寧、黑龍江、山東、河南、廣東。按照均值來看，30省份間的效率均值在0.756～0.775之間，并呈現出輕微的下降趨勢；從方差來看，各地內部間的差異性也有擴大的趨勢。針對各省份的具體分析來看，各地生態環境效率存在較大的極差，如2008年青海的環境效率值僅為0.271、寧夏為0.295，而北京、山東均為1；2017年青海的生態環境效率值為0.260、寧夏為0.284，均低于0.3的水平。

（2）從規模報酬上來看，第一階段2008年實證結果中，處于規模報酬遞減的DMU共有8個、規模報酬不變的共有8個、規模報酬遞增的為12個，2017年分別為5、9、16個；第三階段2008年實證結果中，處于規模報酬遞減的DMU共計2個、規模報酬不變的共有6個，規模報酬遞增的則增加到22個，2017年分別為2、8、20個。這表明在剔除環境變量和隨機因素的干擾后，各省份環境效率的規模狀態主要由規模報酬遞增為主，即增加適當的投入變量可得到更大規模的產出。從純技術效率上來看，在處于相同的外部環境下，新疆、云南、甘肅等地的效率值相較第一階段有了明顯下降，這表明限制其效率值的主要因素是規模效率值不高；四川、湖北、河北等地的純技術效率值相較第一階段則有了較大的降低，表明技術效率阻礙了其效率值的提高。

表5 第三階段DEA模型的我國30省份生態環境績效水平

第三階段七大區域的生態環境績效水平如圖2所示，可知東北、華東、華北、華中地區的生態環境效率值較高，西南地區的生態環境效率值保持在0.6～0.7之間，西北地區的效率值最低，這一方面這與我國實際發展情況相符，另一方面也與第一階段所測得結果匹配。在2008—2015年間，我國各區域間生態環境效率值均保持相對穩定，在2015—2016年間整體有一個大幅的攀升，這是因為2015年10月黨的十八屆五中全會明確提出要堅持節約資源和保護環境的基本國策，堅持可持續發展道路；同時，隨著“創新、協調、綠色、開放、共享”的發展理念提出，各地紛紛相應出臺了的結構轉型及節能減排政策，因此2016年我國生態環境效率值大幅提高；2016—2017年我國生態環境效率整體有下降趨勢，從各省份的具體分析來看，主要是吉林、浙江、內蒙古、湖北、海南、云南及貴州等地的生態環境效率值下降導致區域生態環境效率值下降。需注意的是，2017年各區域生態環境效率值與2008—2015年相比其實變化不大，但由于2016年受到較大政策性因素的干擾，所以2017年與之相比產生了較大差異。

圖2 第三階段DEA模型的我國區域生態環境效率測度值

4.4 影響因素對比分析

根據第一階段DEA與第三階段DEA實證結果，本文對各區域生態環境效率值進行對比分析，將第一階段效率值減去第三階段效率值定義為ΔTE。從圖3可以得知，除2016年外，第一階段測度的結果要比第三階段測度結果高估，其中西北地區生態環境效率值被高估程度最大，西南、華南地區被高估程度處于0.10～0.15之間，華東、華中、華北地區被高估程度不明顯。2016年各區域生態環境效率值第一階段與第三階段基本相同是因為，2016年我國開始積極貫徹保護環境的基本國策并修訂了《中華人民共和國節約能源法》，在這樣的背景下，各地政府都訂立了較為嚴格的政策方針，因此在剔除環境變量和隨機因素的干擾下，各地區的生態環境效率值沒有明顯變化。

圖3 第一三階段DEA模型的我國區域生態環境效率變化差異

將ΔTE的變化量進一步區分可得ΔPTE和ΔSE，分別為第一階段與第三階段純技術效率的差值和規模效率的差值。從圖4可知：華南、華中、華北地區純技術效率值的第一階段被高估；華東、東北地區一三階段前后變化值不大；西南地區純技術效率值在2008—2012年間被低估，在2012—2015年及2017年期間被高估；西北地區在2008—2016年間長期被低估，2017年被高估。

圖4 第一三階段DEA模型的我國區域生態環境純技術效率變化差異

從圖5可知：西北、西南地區第一階段測得的規模效率值明顯高于第三階段，表明該區域的規模效率值長期被高估；華南地區一三前后兩期的規模效率差值保持在0.10～0.15之間；華北、華中、華東及東北區域的規模效率變化值較小。

圖5 第一三階段DEA模型的我國區域生態環境規模效率變化差異

結合圖4、圖5可知：西南、西北地區的規模效率值被高估、純技術效率值被低估；華中地區的純技術效率值被高估，規模效率基本不變；華南地區的純技術效率值和規模報酬值均被高估；華北、華東、東北地區的純技術效率與規模效率值受到環境因素和隨機因素的干擾較小。從圖4、圖5數值上看可知，規模效率的變化范圍更大：西南、西北地區規模效率變化值大約是純技術效率變化值的兩倍，表明其效率值受到規模效率約束的作用更強；華南地區的規模效率差值和純技術效率差值基本相等，表明其受到兩者之間的共同約束作用。

5 結論與啟示

本文主要運用三階段DEA模型對2008—2017年我國30個省份的生態環境效率值進行測度，并按照其地理位置分類進行了詳細分析，主要剔除了如人均GDP、城市化水平等環境因素與隨機因素的影響。主要結論與啟示有以下3點：

（1）環境變量和隨機因素對各省份真實的生態環境效率值有顯著影響，在不考慮外部變量的情況下會導致生態環境效率值被高估。人口密度和城市化水平的提高能夠減少固定資產投資、能源消費及就業人口的松弛變量，從而促進生態環境效率的提升，因此各省份應繼續推動城市化建設，逐步完善城鎮空間布局，積極吸引外來人口，從而推動當地生態文明建設。實際人均GDP的提高整體上會對投入松弛變量產生正向影響，即人均GDP提升會對生態環境效率值帶來負面影響，因此各省份應走出傳統意義上“唯GDP”的誤區，著重加強“綠色GDP”的建設；另一方面當地政府也應加強公民環保意識教育，引導居民轉變消費理念和完善消費結構，從而提升環境效率。第二產業占比的增加與能源消費松弛變量呈負相關關系、與就業人口松弛變量呈正相關關系，表明我國現階段第二產業開始逐漸擺脫能源消費依賴；同時近年來我國第二產業智能化水平不斷提升，對于人力資本的需求呈變弱趨勢。外貿依存度與固定資產投資、能源消費、人力資本投資的松弛變量大體上均呈正相關關系，這表明我國進出口貿易水平及外資利用水平仍然較低，雖然通過進出口貿易會給當地帶來一定的經濟增長，但現階段其帶來的環境負效應明顯大于經濟增長的正效應，各省份應當注重外貿水平的提升，提高產品的科技附加值，同時也應對外資投資建立嚴格的審核機制，嚴格限制國外高污染企業進入本地市場。

（2）在剔除環境變量和隨機因素對各省份生態環境效率的影響后，各地的生態環境效率值較第一階段實證結果有了明顯降低，表明若不考慮外部差異會高估當地的生態環境效率值；同時在第三階段中規模報酬遞增的決策單元數量明顯增加，表明各省份的規模報酬效率在第一階段被低估，純技術效率在不同的省域間則表現出不同的結果。第三階段的實證結果表明西南、西北地區的規模效率值被明顯高估，而純技術效率值被低估，即限制西南、西北地區生態環境效率的真實影響因素并不是純技術效率，而是規模效率；同時華中地區受到純技術效率的約束作用較規模效率的作用更強，華南地區則受到兩者之間的共同約束。因此，如果不剝離外部環境因素和隨機因素影響的情況下，很容易會得到錯誤的研究結果，從而在某種程度上形成錯誤決策手段，導致資源進一步浪費。

（3）我國目前各區域的生態環境效率值差距較大：西北、西南部地區的生態環境效率值較華東、東北地區相比較低，且每個地區在不同年份所表現出來的純技術效率和規模效率也有所不同，即使相同地理區域內的不同省份之間在內部也存在較大的差異性。由于環境變量和隨機因素對于生態環境效率的影響較大，且隨機因素具有不可控的特征，因此各省份應當充分考慮外部環境因素，合理調整經濟、產業結構，做好產業規劃，及時淘汰過剩產能，做到經濟發展與環境保護同步發展；同時應根據自身實際情況對癥下藥，有針對性地提高純技術效率或規模效率，建立健全低碳綠色循環發展的經濟體系，從而更好實現經濟的綠色化發展。