基于DEA的中國省市污染治理效率評價

●郝怡棠

一、引言

近年來，我國經濟增速逐漸放緩，但環境問題依然突出。我國逐漸重視對環境污染的治理，并不斷加大污染治理的投資力度。黨的十九大報告指出：必須樹立和踐行綠水青山就是金山銀山的理念，堅持節約資源和保護環境的基本國策，堅定走生產發展、生活富裕、生態良好的文明發展道路，建設美麗中國，為人民創造良好生產生活環境，為全球生態安全作出貢獻。李克強總理在政府工作報告中指出，生態文明建設和生態環境保護工作是未來的重要內容之一。2017年環境污染治理投資總額達9539億元，相比2011年的治理投資總額增長0.6倍。但隨著投入力度的加大，我國污染治理投入產生的處理效果與預期仍存在差異，環境現狀仍不容樂觀。據亞洲開發銀行和清華大學最新發布的《中華人民共和國國家環境分析》報告，中國500個大型城市中，只有不到1%達到世界衛生組織空氣質量標準。要想打好污染防治攻堅戰，對污染治理投資的效率分析尤為重要。污染治理類似于一個經濟系統，通過一定的要素投入（如資本、設備等）產出一定量的產品（如污染物的減少、生態環境的改觀等），因此科學測算我國各省的污染治理投資效率，不僅有利于評價污染治理的實施效果，同時也可以為政府配置資金、制定決策提供參考，對進一步提高污染治理的實施效果有著重要的意義。

關于污染治理投資效率的問題，已經有不少學者做過相關研究并取得了一定的成果。如李靖宇、孫蕾以東北老工業基地——遼寧省營口市為例，用DEA模型測算分析了其環保投入效率；聶華林、陳紹儉基于西部11個省的面板數據，用DEA方法和Malmquist生產率指數測算了西部地區工業污染治理的靜態效率和跨期動態效率變化；許陳生、用DEA方法,核算了我國29個省級地區1992至2007年期間的環境污染治理效率及其動態變化；尹怡誠、劉云國等利用DEA模型分析了影響污染治理效果的制約因素；王鵬、謝麗文以我國30個省市相關統計數據為研究樣本,從要素投入產出的視角構建包含污染治理投資和企業技術創新指標的計量模型,對比分析了工業廢水、廢氣、固體廢物的污染治理效率,并按東中西三大區域考察了污染治理投資和企業技術創新對工業“三廢”綜合利用的影響差;肖欣榮、廖樸在內生死亡率世代交疊模型中引入環境污染對生存概率的影響,建立了污染及污染治理和經濟增長之間的關系,討論了政府污染治理的條件和政府污染治理投入在總稅收中的最優比例;趙煜、鐘添添運用DEA模型和Malmquist（指數相結合的方法），分別從靜態和動態兩方面測度了2003—2014年甘肅省大氣污染治理的效率。朱相宇、喬小勇選取2012年我國4個直轄市、27個省會城市和北京2000—2012年時間序列為研究對象，從大氣環境、水環境和噪聲環境3個方面構建環境質量綜合評價指標體系，運用基于熵權的模糊綜合評價法對環境質量進行橫向和縱向綜合評價，進而分析了北京環境污染治理的關鍵環節和制約因素。何蜜斯應用超效率數據包絡分析方法，以我國30個省市地區2004—2011年環保相關數據為樣本，從理論和實證分析我國不同省市地區廢氣污染治理效率水平。劉冰熙、王寶順、薛鋼借助修正后的三階段Bootstrapped DEA方法，對我國29個省份2007—2013年地方政府環境治理效率進行實證研究，認為在剔除了外生因素和隨機因素影響之后，我國地方政府環境治理存在比較嚴重的效率損失，治理效率值呈波浪形的態勢，且日趨惡化。

但隨著生態改革的推進，污染治理投資的統計方法也發生變化，先前的環境測度標準已不適用現在的情況。本文搜集了2009—2015年間各省的實際污染治理數據，利用DEA模型從綜合技術效率、純技術效率和規模效率三方面分析各省污染治理的投資效率，以期為后期改善提供理論依據。

二、研究方法與數據說明

（一）研究方法的選擇

DEA（Data Envelopment Analysis）即數據包絡分析法，它不需要考慮投入與產出之間的函數關系，且不需要預先估計參數及任何權重假設，能夠規避不同地區、不同年份上的外部因素的差異，排除很多主觀因素，是分析多部門投入與產出的同類決策單元（簡稱DMU）之間效率問題的有效方法，這與我們的研究方向一致。CCR模型是DEA中的基本模型，可表示為：

其中,輸入變量χj和輸出變量Yj分別表示DMUj的m種輸入及s種輸出，θ為該決策單元DMU0的有效值(指投入相對于產出的有效利用程度)；λj為相對于DMU0重新構造一個有效DMU組合中j個決策單元DMUj的組合；S-，S+為松弛變量。CCR模型可測算出決策單元綜合效率和規模效率的大小。BCC模型對CCR模型進行了改進，即在CCR的基礎上作了的條件約束，可測算出決策單元技術效率的大小。其經濟含義分別為：當θ=1且S-=S+=0時，決策單元DMU0為DEA有效。當θ=1且S-≠0或S+≠0時，決策單元DMU0為DEA弱有效。當θ<1時，則稱決策單元DMU0為DEA無效。

本文將以上述模型為依據，以我國省市地區為研究對象（即DMU），利用DEA分析軟件DEAP直接計算出綜合效率、技術效率、規模效率，并對我國地方環境污染治理效率水平及地區差異和我國地方環境污染治理效率的變化情況進行分析。

（二）數據變量選取與來源說明

基于王勇、李建民對環境規制中的污染治理投入衡量方法和污染物排放衡量方法的研究及修正，本文中DEA模型的投入指標為實際污染治理投資；產出指標選為工業二氧化硫去除率、工業煙（粉）塵去除率、工業廢水處理率和工業固體去除率四項，其具體測算方法如表1所示。

表1 投入產出指標的測算方法說明

本文涉及的樣本數據來自中國30個省、直轄市、自治區（因西藏自治區的部分數據缺失，故此研究中將該樣本剔除），樣本選取的樣本長度為7，時間跨度為2009—2015年。其中，除2011年的工業二氧化硫產生量、工業煙（粉）塵產生量來源于《中國環境統計年鑒2012》外，其余數據均來源于wind數據庫。

三、實證結果及分析

（一）綜合效率分析

綜合技術效率是對決策單元的資源配置能力、資源使用效率等多方面能力的綜合衡量與評價。從2009—2015年間，污染投資的綜合效率均值呈上升趨勢，大部分省份污染投資的綜合效率呈現出不斷提高的現象，有力證明了在生態改革的推進下，各省貫徹綠色發展理念，在注重經濟發展的同時，關注生態環境建設。但總體增長幅度緩慢，且有8個省份的綜合效率值為下降趨勢，說明我國當前污染治理形勢并不樂觀。

2015年我國污染治理投資綜合效率處于有效的地區僅為3.33%。遼寧省的污染治理投資資源配置的綜合效率為1，這說明遼寧省的資源配置狀態相對最優，由此可見遼寧省的技術效率和規模效率均實現相對有效。但這僅僅是相對的，它不代表遼寧省的投入產出已經達到最好水平，只代表在保持該狀態污染投資投入和產出的比例下，可以逐漸擴大投入規模?？傊?，我國地方污染治理還存在許多問題，在資源配置結構方面還有待進一步的優化。為了橫向比較東西中部三個區域的資源配置水平，做了以下合并統計。橫向來看：西部地區的污染治理綜合效率相對最高，其次中部，東部最低。說明西部地區在污染治理的資源配置上比東部和中部更好。但分析其內部數據，可以發現西部地區的區域內綜合效率極差較大，說明西部地區內部各省市經濟發展水平差距較大，而東部地區和中部地區各省市經濟發展差距較小。縱向來看：東部的綜合效率均值呈上升趨勢，中部和西部的綜合效率均值都處于波動狀態中。

從東部地區來看，2009—2015年污染治理綜合效率平均值都低于1，東部地區平均值0.482，高于平均值的省份有：河北、遼寧、江蘇、海南；低于平均值的省份有：北京、天津、上海、浙江、福建、山東、廣東。其中天津市環境污染治理投資綜合效率位全國最低，只有0.3左右。進一步分析其產出指標，均處于各省平均水平，下面會對其原因進行進一步分析。

就中部地區而言，2009—2015年污染治理投資效率平均值為0.481，高于平均值的省份有：山西、吉林、江西、湖南；低于平均值的省份有：黑龍江、安徽、河南、湖北。其中湖南省的上升幅度最大，2009年其綜合效率值最低，為0.371，2015年其綜合效率值最高，為0.748，表明湖南省在污染治理效率方面提高最快。

就西部地區來看，2009—2015年污染治理投資綜合效率平均值為0.530，高于平均值的省份有：內蒙古、四川、貴州、云南、甘肅、青海、新疆；低于平均值的省份有：廣西、重慶、陜西、寧夏。在該DEA模型中，綜合效率為技術效率與規模效率的乘積。因此為分析各區域各省市綜合效率差異的原因，我們將進一步分析其技術效率和規模效率。

（二）技術效率分析

純技術效率是指投入能否有效運用使產出最大化或投入最小化，其受生產技術水平、管理水平和制度約束等因素影響。由DEA的BBC模型可得出各省級地區污染治理的技術效率值。2009—2015年30個省的技術效率值均處于0.9以上，接近于1，這說明近年來各省在管理水平和制度運行上都處于相對較好的狀態。由此可知，污染治理投資綜合效率低下的原因并不是由技術效率引起的。遼寧省2012年和2015年的技術效率均為1，綜合效率也為1，說明遼寧省2012年和2015年在管理水平、制度運行和投入產出結構都處于相對優化狀態。山東省在2012—2015年連續4年技術效率均為1，安徽省和貴州省在2013—2015年連續3年技術效率均為1，這說明山東省、安徽省和遼寧省在管理水平和制度運行上已經達到一個較好的運行狀態。進一步對技術效率進行區域性分析。橫向來看：2009年和2010年東部地區的技術效率均值略高于中部地區，中部地區的技術效率均值略高于西部地區，2011—2015年三個區域的技術效率均值相差不大；縱向來看：三個區域的技術效率在2009—2015年都保持著在輕微波動中上升的趨勢，并且逼近于1。由此可見，污染治理綜合效率低下是由規模效率引起的，我們將具體分析比較規模效率問題。

（三）規模效率分析

規模效率代表產出與投入的比例是否適當，該值越高代表規模比例越適合，生產力也越大。分析規模效率可以從規模結構方面評價各省的污染治理資源配置的效率。各省的規模效率處于一個較為低下的水平，結合上述綜合效率、技術效率的分析，充分說明規模效率是影響各地綜合效率的主要原因。由此可見，我們當前的重點是調整污染治理投資規模，提高產出效率，避免資源的浪費現象。從規模效率的發展趨勢來看，從2009—2015年間，雖然有上升的趨勢，但幅度較小，其中也有不少省份的規模效率逐年大幅下降，如貴州省的規模效率從2009年的0.724下降為2015年的0.55；甘肅省從2009年的1下降為2015年的0.655。另外，我們發現，2015年僅有遼寧省的技術效率和規模效率均為1，說明其在投入產出比例、管理水平和制度運行上都達到相對最優狀態，遼寧省的污染治理投資效率相對最好。橫向來看：西部地區的規模效率一直高于東部和中部地區，但其差距在逐漸縮小，說明東部和中部地區在優化投入產出結構優化上比西部地區完成更好；縱向來看：東部和中部地區的規模效率呈上升趨勢，說明其在投入產出結構上逐漸優化，逐年減少污染治理投資冗余浪費的程度，而西部地區的規模效率在2009—2012年逐年下降，2012—2015年間其規模效率在波動中上升。

規模報酬是對規模無效決策單元的進一步分析，研究在其他條件不變的情況下決策單元內部各種生產要素按相同比例變化時所帶來的產量變化，分析決策單元的生產規模變化與所引起的產量變化之間的關系。為了分析引起規模效率低下的具體原因，分析各省2009—2015年的規模報酬的增減情況，并以區域為單位進行統計。2009—2015年，全國幾乎所有省的規模報酬都處于遞減的狀態，說明污染治理投資投入已達到飽和狀態，隨著資源的再增加投入導致規模報酬遞減，造成了資源浪費。由此可見，導致天津市的綜合效率明顯低于其他省市的原因，是其對污染治理的投資力度過大引起的。

四、結論與政策建議

通過DEA方法對我國中西部30個省市單位2009—2015年的污染治理投資效率進行分析，得到以下結論并提出相關建議：

我國污染治理投資效率資源配置綜合效率較低，DEA有效的地區僅有一個。我國東中西部地區30個省的污染治理投資的技術效率明顯高于綜合效率，而規模效率較低，說明低規模效率是造成綜合效率偏低的主要原因。我國幾乎所有的省級單位的污染治理投資處于規模無效的狀態，即污染治理投資規模與地區經濟社會發展水平不相匹配。并不是規模越大就意味著對環境保護效果越好，應該尋求達到規模與透出產出相適應的結合點。

因此，要實現污染治理投資的合理配置，需要對處于規模報酬遞減的地區（幾乎所有的省級單位）嚴格控制并優化投資規模，避免資源的浪費；對于規模報酬不變的地區（如遼寧?。捎谄湮廴局卫硗顿Y配置良好，不存在嚴重的資源投資過剩和不足問題，可以按照當前的投資水平投資以達到污染治理的目的。