基于Super-SBM模型的中國采掘業環境效率及影響因素研究

鄭小強 蒲泱竹

(西南石油大學經濟管理學院，四川 成都 610500)

采掘業作為國民經濟的基礎性產業，為我國的能源、工業、農業等提供了豐富的礦物原料，對國民經濟發展起到了重要的支撐作用。但由于歷史原因，礦產等資源開采帶來的環境污染也在與日俱增，資源開采中的污染問題愈發受到關注。對我國采掘業環境效率進行測度，分析影響我國采掘業環境效率的因素，具有一定的現實意義。

環境效率指單位環境負荷下某一地區或企業產生的經濟價值，是將環境作為一種資源投入，力求環境資源的最小使用和最大產出，是衡量實現可持續發展的標準之一[1]565。隨著公眾對環境問題的關注，環境效率測評的方法也越來越豐富，環境壓力控制模型(IPAT)、生命周期法(LCA)、生態足跡法(EF)、生產前沿分析法(PFA)是最為常見的環境效率測度方法。IPAT能有效測量人類活動對環境的輸入性影響或壓力[2]；LCA通常用于評估與廢物轉化能源計劃有關的環境負擔[3]；EF通常用于衡量某一地區的可持續發展[4]。但是，以上環境測量模型在分析人文因素對環境的影響中均具有一定的局限性[5]。在環境靜態效率測度方法的選擇上，非參數的數據包絡分析(DEA)方法具有更多的優勢。FARE等[6]首次提出基于DEA的環境效率評價方法，即非參數DEA，可有效處理多投入、多產出的問題，也可以處理投入(或產出)項目中其他方法難以處理的指標。國內現有的運用DEA方法研究環境效率的相關報道，集中在環境效率的省際或區域比較上，如王俊能等[1]569利用DEA對中國31個省份進行環境效率分析與評價；楊帥[7]探討了在省域相對能源效率指標計算的DEA方法中，不同的數據處理方法和不同產出指標的選擇可能會帶來的結果差異。也有部分研究關注行業環境效率問題，如林伯強等[8]132運用非徑向方向距離函數測算中國工業兩位數行業的環境效率，發現中國工業行業環境效率水平不高，但整體處于上升趨勢；馮博等[9]對建筑業的環境效率進行測算分析，并檢驗了各種外部環境因素對其環境效率的影響；BI等[10]、CHEN等[11]、WU等[12]也對中國的其他行業進行了環境效率測度。在各行業環境效率研究中，對采掘業環境效率的研究還有所欠缺，特別是運用非參數DEA方法對該行業環境效率的測度與分析。

在具體的測量模型選擇上，傳統徑向DEA會忽略報告效率得分方面的松弛變量，而這些松弛變量在評估管理效率中起著重要作用，SBM模型是一種較完善的DEA擴展模型，它可以很好地處理模型中的松弛問題，而且可以將環境因素很好地納入SBM模型的測度中，避免了徑向和角度差異帶來的影響。汪克亮等[13]、CHEN等[14]、HUANG等[15]的研究均采用SBM模型，在測量中國能源經濟效率、環境效率和全要素效率方面均顯示出較高的有效性。考慮非期望產出的Super-SBM模型結合了Super-DEA與Undesirable-SBM模型兩者的優點，不僅可以有效處理非期望產出，還可以進一步比較有效的決策單位的高低。所以，本研究運用考慮非期望產出的Super-SBM模型對中國采掘業的能源環境效率進行測度，主要考慮伴隨著期望產出產生的非期望產出對環境的影響，并運用固定效應評估法對采掘業環境效率的影響因素進行分析。

1 模型與數據來源

1.1 采掘業環境效率測量模型

CHARNES等[16]提出了DEA，CCR是DEA模型7類中最基本、最重要的技術，在CCR模型中，決策單元的DEA有效性是同時針對規模有效性和純技術有效性而言的，然而在實際中可能會出現這樣的情況：一個決策單元雖然是純技術有效的，但它不一定也是DEA有效的，原因在于該決策單元非規模有效。由此BANKER等[17]在此基礎上擴展了CCR模型中關于規模報酬不變的假設，提出可變規模(VRS)模式的DEA模型，即BCC模型。這種傳統的DEA模型一般采用謝潑德距離函數(SDF)作為產出距離函數，這種函數假定期望產出與非期望產出同比例增加或縮減。但是，在現實生活中，并非所有的產出都按比例進行操作。這種徑向模型的缺點是忽略了報告效率得分方面的松弛變量，而這些松弛變量在評估管理效率中起著重要作用。TONE[18]首次提出了非徑向非角度的基于松弛變量測度的SBM模型，SBM模型既能夠避免傳統DEA模型徑向與角度帶來的偏差，又考慮了松弛變量的影響，還能將環境因素很好地納入SBM模型的測度中。為了能更好地解決生產過程中產生的污染問題，在基礎SBM模型的基礎上衍生出了考慮非期望產出的SBM模型，即Undesirable-SBM模型。在采用Undesirable-SBM模型進行評價時，通常會出現多個決策單元效率值均為1的情況，無法進一步對有效決策單元效率高低進行區分。ANDERSEN等[19]提出了超效率DEA模型，即Super-DEA，這個模型可以解決Undesirable-SBM中無法區分有效決策單元高低的問題。為了綜合Undesirable-SBM模型和Super-DEA模型兩者的優點，本研究參考宮大鵬等[20]的研究，利用考慮非期望產出的Super-SBM模型計算采掘業的環境效率。

1.2 變量選取及數據來源

以資本和勞動力作為投入變量，工業總產值作為期望產出，以有害氣體及廢水排放量作為非期望產出，各變量具體界定如下：

(1) 固定資本投入。采掘業是一個資金投入高度集中的行業，其中，勘探、開發過程中，基建、設備等固定資產投資是重要投入要素。本研究將每年開采業的固定資產投資累計完成額度作為資產投入。

(2) 勞動力投入。勞動時間和勞動報酬方面的數據可以很好地衡量勞動投入，但由于其數據無法準確獲得，因此，選取采掘業從業人員數作為該行業的勞動力投入。

(3) 能源投入。能源投入將選取開采中的煤炭、原油、柴油、汽油、天然氣和電力消耗總量，按照折合系數換算為總標準煤能源消耗。

(4) 期望產出。工業總產值是以貨幣形式表現的工業企業在一定時期內生產的已出售或可供出售工業產品總量，可反映一定時間內工業生產的總規模和總水平。由此，選擇采掘業的工業總產值作為期望產出。

(5) 非期望產出。資源開采過程中會對所在地區的大氣環境、水環境和土壤造成一定影響。大氣污染主要是廢氣排放，水污染主要是廢水排放。對土壤的破壞主要表現在：一是占用土地，破壞植被；二是開發過程中的廢水直接或間接進入土壤，導致植被破壞、土質惡化及沙漠化；三是原油泄漏或礦區開采遺留廢渣，造成土壤污染。近年來，我國實施了更加嚴格的礦產資源開發利用和生態環境保護政策，堅持礦產資源開發利用與生態環境保護并重的原則，嚴格執行土地復墾和排污收費，礦產資源開采過程中破壞植被的現象得到了有效遏制。所以，本研究未將土壤破壞納入非期望產出，而是將大氣污染(SO2排放量)和水污染(廢水排放量)作為非期望產出。

數據來源于統計年鑒，主要包括各年的中國環境統計年鑒、中國統計年鑒、中國能源環境年鑒、中國工業統計年鑒和中國經濟普查年鑒。由于2001、2017年廢水排放量指標缺失，按1%的增速估算了2001、2017年的廢水排放量。同時，由于決策單元數量較少，在構建投入指標時，固定資本投入、勞動力投入、能源投入被賦予同等重要的權重，即各占1/3；同樣，非期望產出SO2、廢水排放量各被賦予權重1/2?？紤]到數據的可得性與連續性，本研究不包括中國香港、中國澳門、中國臺灣和西藏。

2 實證分析

2.1 中國采掘業環境效率變化趨勢

依據Super-SBM模型利用MaxDEA Pro6.6軟件計算出2001—2017年中國采掘業各行業環境效率(見表1)。

2001—2017年，采掘業各行業環境效率的方差較小，說明在此期間各行業環境效率波動幅度不大。其中，石油和天然氣開采業環境效率最高，其次為有色金屬礦采選業，煤炭開采和洗選業最低，均值分別為1.432、0.896、0.460；石油和天然氣開采業除2017年外均達到DEA有效，黑色金屬礦采選業與有色金屬礦采選業約50%的年份達到DEA有效，而非金屬礦采選業僅兩年達到DEA有效，煤炭開采和洗選業各年均未達到DEA有效。

采掘業各行業環境效率差異可以從生產、儲運等行業屬性尋求合理解釋。2001—2017年石油與天然氣開采總體表現良好，由于石油與天然氣開采對環境的影響主要體現在油氣田開發階段，油氣儲運主要通過管道完成，對環境造成的直接污染較小，其環境效率也相對較高。有色金屬在高端制造業中占有重要地位，與其他黑色金屬相比，其附加值更高，期望產出更大，所以該行業在采掘業中的環境效率更高。非金屬礦采選業、煤炭開采和洗選業環境效率都偏低，主要原因是我國非金屬礦山的數量多而規模小，初級產品比重大，深加工程度不高[21]，非金屬礦山的大量共伴生資源沒有得到合理利用，“三廢”未得到綜合治理，產生大量固體廢棄物，導致環境效率偏低。

環境效率可分解為純技術效率與規模效率[22]。純技術效率普遍大于1，表明在相應的技術水平上其投入的資源使用是有效的；規模效率普遍小于1，表明規模效應還不太明顯。2001—2017年，我國采掘業環境效率介于0.62～1.01(見圖1)，環境效率并不高，還有進一步提升的空間；純技術效率介于1.01～1.64，純技術效率DEA有效；規模效率介于0.57～0.91，規模效率DEA無效，表明我國采掘業規模效率偏低。

2001年以后，隨著我國經濟的快速發展，工業及民用能源消費快速增長，能源產品從20世紀末的全面供過于求轉向供應偏緊，煤炭、石油等重要資源開始出現短缺，采掘業“保供”壓力逐漸增大。由此，大量“小煤窯”“高含硫井”等低效能的采掘企業死灰復燃開始生產，資源開采過程中的環境問題被忽視。隨后，“十一五”規劃提出建設“資源節約型、環境友好型社會”，相關環境政策陸續出臺，環保投資力度加大。原國家安全生產監督管理總局明確提出在2008年徹底關?！靶∶焊G”，采掘業的落后產能逐步被淘汰，資源利用率不斷提高，這也是2009年后規模效率緩慢提升的原因。

2.2 采掘業環境效率影響因素分析

利用Super-SBM模型測算得到我國采掘業的能源環境效率，雖然可以依據純技術效率、規模報酬等情況推測出產業規模等因素可能對采掘業環境效率的影響，但是無法確定其他影響因素對環境效率的影響程度。以下將通過回歸模型分析我國采掘業環境效率的影響因素。

隨著產業規模擴大，規模效應帶來的經濟增長一方面為環境治理投資提供資金保障，另一方面也有助于提高行業環境效率。環境規制有利于工業產業績效的提高，也會促進行業生產技術的進步[23]110，這為環境規制對環境績效產生正向影響提供了可能。林伯強等[8]138的研究表明，對外貿易同時通過進、出口兩種途徑對能源環境效率產生影響，在我國能源和礦產資源對外依存度較高的背景下，對外貿易是影響采掘業環境效率的重要因素。李靜[24]、胡達沙等[25]的相關研究表明經濟規模、產業結構、對外開放程度、政府規制和地區因素對我國環境效率均有不同程度的顯著影響。由此，本研究選取產業規模、技術創新、環境治理強度、對外貿易4個變量作為其他影響變量，建立回歸模型，如式(1)所示：

Ei,t=β0+β1lnSi,t+β2lnTi,t+β3Ri,t+β4Oi,t+εi,t

(1)

式中：Ei,t為第i個行業第t年的環境效率；Si,t為第i個行業第t年的產業規模；Ti,t為第i個行業第t年的技術創新程度；Ri,t為第i個行業第t年的環境治理強度；Oi,t為第i個行業第t年的對外貿易程度；i取1、2、3、4、5分別代表煤炭開采和洗選業、石油和天然氣開采業、黑色金屬礦采選業、有色金屬礦采選業、非金屬礦采選業；t為年份；β1至β4為回歸系數；εi,t為隨機誤差項。

分別對產業規模以及另外3個解釋變量對環境效率的影響進行檢驗，由于樣本數據為平衡靜態面板，對被解釋變量(環境效率)和解釋變量(產業規模)進行個體效應、時間效應檢測以及Hausman檢驗，原假設使用混合最小二乘法(OLS)模型。在隨機效應模型(1)中，p<0.01，均通過了0.01的假設檢驗，拒絕原假設，也就是說固定效應模型和隨機效應模型顯著性優于混合OLS模型；但未通過Hausman檢驗(p>0.1)，表明隨機效應模型基本可以滿足要求。通過隨機效應模型(1)得出以下結論，產業規模在0.05的顯著性水平下通過了檢驗，表明產業規模對環境效率的提高具有較強的正向促進作用。因為一定的產業規模能為行業發展提供充足的資金和技術保障，進而產生對環境的溢出效應，使得在資源開采過程中減少對環境的破壞，提升環境效率。在隨機效應模型(2)中，個體效應檢測與時間效應檢測結果均通了0.01的顯著性檢驗，Hausman檢驗結果p>0.1，所以采用隨機效應模型是可行的。通過隨機效應模型(2)得出以下結論,技術創新通過了0.05的顯著性檢驗，環境治理強度與對外貿易皆通過了0.01的顯著性檢驗。技術創新系數為正(0.069)，表明技術創新對環境效率的提高有顯著的正向作用，技術創新提高1%促進環境效率提高0.069%，技術的創新，設備的更新，資源利用率的提高，在很大程度上直接減少了污染物的排放以及資源浪費。環境治理強度系數為-7.999，環境規制對環境效率具有負向影響，該結論進一步驗證了劉金林等[23]112關于環境規制與技術進步“U”型關系的結論，即隨著環境治理強度的增強，采掘業的生產技術進步呈現“U”型變化，從長期來看，若不斷提高環境治理強度至“拐點”水平，將促使企業進行技術創新，進而帶來環境效率的提升。對外貿易對采掘業環境效率的影響系數為正，但系數較小，對外貿易帶來的技術和管理溢出效應在我國采掘業的整體表現還不夠明顯。

最后，對所有解釋變量進行檢測,結果見表2中的固定效應模型。當模型加入了個體效應時，p<0.01，拒絕原假設，但并未通過時間效應檢測，隨后又進行了Hausman檢驗，結果顯示p<0.1，使用隨機效應模型并不能滿足要求，由此，采用固定效應模型對樣本數據進行回歸分析。當加入了所有變量之后，只有產業規模變量未通過顯著性檢驗，意味著在提高技術水平，把控好環境治理強度以及外資帶來的技術溢出和管理溢出效果的同時，產業規模對環境效率的影響在降低。

表2 行業環境效率的回歸結果1)Table 2 Regression results of industry environmental efficiency

3 結論與建議

運用Super-SBM模型對2001—2017年我國采掘業中5個代表行業進行環境效率測度，并通過回歸分析探討了采掘業環境效率影響因素，主要結論如下：

(1) 我國采掘業環境效率不高，內部5個代表行業環境效率差距明顯。石油和天然氣開采業環境效率最高，其次為有色金屬礦采選業，非金屬礦采選業、煤炭開采和洗選業最低。

(2) 我國采掘業純技術效率DEA有效，在相應技術水平上的資源投入是有效的，但規模效率DEA無效，規模效率偏低，規模效應還不明顯。

(3) 技術創新對環境效率的提高有顯著的正向作用。技術創新在一定程度上直接減少了污染物的排放以及資源浪費。對外貿易對采掘業環境效率的正向影響還不夠明顯。采掘業環境規制與環境效率可能存在“U”型關系。

(4) 在不考慮其他影響因素的情況下，產業規模對環境效率具有較強的正向促進作用。但在納入技術創新、環境治理強度、對外貿易等因素后，產業規模對環境效率的正向影響并不顯著，表明在提高技術水平，把控好環境治理強度以及外資帶來的技術溢出和管理溢出效果的同時，擴大產業規模對環境效率的影響在降低。

根據上述結論，提出如下建議：

(1) 進一步擴大采掘業規模，提高市場集中度。采掘業屬于資本密集型行業，避免盲目擴張，保持適度的行業規模有助于獲得更多資金進行技術升級和環境治理，關停生產效率低且環境污染大的礦、油、氣井，適度提高市場集中有助于采掘業環境效率的提升。

(2) 建立合理的技術創新驅動機制，加快采掘業技術創新步伐。政府應鼓勵研發與能源使用和環保有關的先進設備，提高能源使用率。通過制定科學技術發展方針，對采掘業科技研發實行有利的宏觀調控，制定合理的補貼政策，完善專利保護政策，并且建立相應的監督政策和監督機構，確保政策體系得到有效的貫徹。

(3) 嚴格環境規制，加大采掘業環保治理投入?，F有的環境治理強度并不利于環境效率的提高，需進一步提升采掘業環境規制力度。根據采掘業各行業特點分別制定環保規制政策和標準，依據“誰污染誰治理”的原則，落實“環保終身責任制”，改變以命令控制措施為主的環境保護政策，化被動為主動，激勵采掘企業主動投入環保治理。

(4) 加強國際多邊合作，擴大對外開放程度。通過先進的技術和管理方式的溢出或規模效應，從技術和管理方式上減少采掘業污染物排放，改變產業產值嚴重依賴能源消耗和資源投入的情況，同時鼓勵企業采用先進設備，借鑒發達國家清潔生產技術，對能源進行二次利用。