長江經濟帶城市大氣環境效率評價及空間差異分析

張 羽,毛焱穎,焦柳丹,吳 雅

(1. 重慶交通大學 經濟與管理學院，重慶 400074； 2. 重慶電子工程職業學院 通信工程學院，重慶 401331； 3. 西南大學 資源環境學院，重慶 400715)

0 引 言

近年來，快速的城市化進程使城市經濟成為我國經濟發展的主要引擎[1-2]。但部分學者認為如此快速的城市化造成了大量的資源浪費和環境污染[3-4]。特別是大氣環境污染，帶來了巨大的經濟損失和公眾健康威脅[5]。

城市大氣環境效率，體現了資源投入轉化為經濟價值與大氣污染排放的效率。城市大氣環境效率的測度，是實現節能減霾和區域綠色高質量發展的重要前提條件[6]。大氣環境效率作為衡量區域可持續發展水平的新工具和新方法，吸引了眾多學者的關注[6]。丁鐳等[6]運用數據包絡分析(DEA)模型和Malmquist指數測算了2006—2015年浙江省11個城市大氣環境效率的靜態和動態特征，基于測算結果，提出了差異化的污染防治措施；陳國鷹等[7]基于Super-SBM模型和全局Malmquist指數對京津冀13個城市2006—2016年的大氣環境效率進行評價分析，并分析了其空間差異性和影響因素，指出技術落后是大氣環境效率低下的主要原因；汪克亮等[8]基于2006—2015年京津冀13個樣本城市的數據，考察了大氣環境效率的地區差異特征及動態演變特征，分析了大氣環境效率的影響機制；汪克亮等[9]還基于我國省域面板數據，實證考察了其大氣環境效率，研究結果顯示，全國整體來看大氣環境效率偏低，上海、廣東等經濟發達省市效率值最優，存在“優者恒優，差者恒差”的極化現象；X.WU等[10]利用DEA模型實證分析了2000—2010年我國29個省市 PM2.5排放效率，研究結果為全國PM2.5減排政策的制定提供了參考借鑒；Y.LI等[11]測算了我國31個省會城市的大氣環境效率，分析結果顯示，僅北京、廣州、南寧和上海4個城市達到了最優效率值1，其余城市均有提升空間。

現有的大氣環境效率評價研究結果為筆者提供了借鑒和參考，但也存在一定的改進空間：首先，部分文獻投入產出指標體系不完善，在選取大氣污染物(PM2.5、SO2、煙粉塵等)非期望產出指標時，僅參考了單一或部分產出指標，不足以反映大氣環境的整體水平。陳國鷹等[7]僅以PM2.5濃度反映京津冀城市群的大氣環境污染物；汪克亮等[9]選取了工業SO2排放量和工業煙塵排放量，未考慮PM2.5濃度。其次，部分文獻研究的年限較早，難以反映近年來我國大氣環境效率變化。

同時，長江經濟帶沿途流經11個省市，包含3大城市群，養育了我國40%以上的人口，產出了45%以上的經濟總量，作為國家重大發展戰略區域，對我國的社會經濟發展起著不可替代的作用。然而，根據孫亞梅等[12]的研究顯示，近年來長江經濟帶的大氣污染物排放量嚴重超標，對我國城市居民的身心健康和國家經濟發展造成了巨大的威脅。因此，研究我國長江經濟帶城市大氣環境效率的表現水平，對于資源集約利用，促進我國城市大氣污染防治具有重要的參考價值。鑒于此，筆者以我國長江經濟帶80個城市多年數據為樣本，運用改進數據包絡分析模型對其大氣環境相對效率進行評價研究，并引進Malmquist生產率指數模型對其動態演變進行測算。從而為我國長江經濟帶城市大氣污染防治提出針對性的政策建議。

1 研究方法

1.1 非期望產出Super-SBM模型

數據包絡分析(DEA)模型是一種評價效率的經典方法，可用于單投入、單產出，或多投入、多產出的多個評價單元相對效率的計算[13]。DEA方法在工業部門、交通部門、金融機構、環境等眾多領域得到廣泛的應用[14]。傳統DEA模型從徑向(投入和產出以等比例縮小或放大)和角度(投入或產出角度)2方面對效率進行度量，不能把投入產出松弛性納入考慮范圍，測得效率值不夠準確。K.TONE[15]提出了SBM模型這一基于松弛變量測度非徑向非角度的DEA計算方法。SBM模型的效率值隨投入與產出松弛程度的變化而嚴格單調遞減，該模型也考慮到經濟生產過程中的非期望產出(如環境污染物)，將其作為評價指標之一。但SBM模型測得效率值在0和1之間，會出現多個決策單元同為前沿面的效率(效率值為1)情況，此時不能對這部分決策單元進行有效評價和排序。為此，K.TONE[16]還提出了Super-SBM模型，該模型的效率值可大于1，可對所有決策單元進行評價和排序。

參考非期望產出SBM[17]和Super-SBM模型[16]，筆者構建了考慮非期望產出的Super-SBM大氣環境效率評價模型。

首先，考慮非期望產出的SBM模型計算步驟如下：

假設有n個決策單元，即n個城市參與大氣環境效率評價，每個決策單元均有投入和產出兩個向量，評價指標體系由m個投入，s1個期望產出和s2個非期望產出，分別表示為x∈Rm，y∈Rs1和b∈Rs2，則可定義投入產出矩陣如下：

(1)

則生產可能集p可以表示為：

p={(x,y,b)|x≥Xλ,y≤Yλ,b≥Bλ,λ≥0}

(2)

根據文獻[17]SBM模型的處理方法，考慮非期望產出的 SBM模型為：

(3)

在用SBM模型計算城市大氣環境效率時，會出現多個城市同時有效(ρ=1)的情況，導致不能對這些城市的效率值進行比較和排序。因此，在對長江經濟帶城市進行評價時，根據文獻[16-17]，不包含決策單元DMUk(xk,yk,bk)的生產可能集為：

(4)

考慮非期望產出的Super-SBM模型(不變規模報酬)，如式(5)：

(5)

式中：ρ*為各城市大氣環境效率值，取值可以大于1，變量含義同式(3)，λj為投入與產出的權重。

根據式(5)，測算我國長江經濟帶城市大氣環境效率。

1.2 Malmquist生產率指數

Super-SBM模型只能計算各城市每年的相對效率值，不能考察各地區效率的動態變化情況。筆者引入Malmquist生產率指數，對各城市大氣環境效率的跨期動態變化作相應的研究。Malmquist生產率指數的步驟如下[18]：

(6)

同理，在s時期技術條件下的Malmquist指數可表示為：

(7)

為避免因時期或技術條件選擇的不同而導致結果不同，用式(6)和式(7)的幾何平均值來衡量從t到s時期生產率變化的Malmquist指數，如式(8)：

(8)

Mj(t,s)用來計算決策單元j從時期t到時期s的動態效率變化。當Mj(t,s)>1時表現為生產前沿面向上移動，技術出現了進步，效率值從時期t到時期s的效率有改善和提高；反之，當Mj(t,s)=1和Mj(t,s)<1時則表明該城市效率值從時期t到時期s的效率沒有改變或退步。

同時，文獻[18]進一步將Malmquist生產率指數分解為技術效率變化和技術變化指數，進而定位效率變化的驅動因素，如式(9)：

E×T

(9)

式中：E表示技術效率變化，T表示技術進步變化指數。同樣的，當E和T大于1，說明技術效率和技術出現了進步；反之則技術效率和技術不變或退步了。

2 指標選取與數據處理

對長江經濟帶城市大氣環境效率展開實證分析。因部分城市指標數據缺失，選取了長江經濟帶11個省市的80個地級及以上城市為研究樣本。

2.1 投入產出指標選取

目前，大氣環境效率評價研究文獻較少，其投入產出指標也未形成統一體系。在國內外學者關于環境治理效率、大氣環境績效和低碳治理績效等相關研究文獻的基礎上[6-8]，結合指標選取原則，從投入、期望產出和非期望產出3個方面構建長江經濟帶大氣環境效率的評價指標體系。各指標具體含義如下：

2.1.1 投入指標

勞動力投入(x1)。以城鎮單位從業人員期末人數表示。

資本投入(x2)。以年度固定資產投資額表示。

能源消耗(x3)、水資源消耗(x4)。將各城市的各類能源消費總量折算為標準煤作為能源消耗；以各城市水資源消費總量作為水資源消耗。

2.1.2 期望產出指標

期望產出為“好”的產出指標，選取各城市GDP(y)表示。

2.1.3 非期望產出指標

非期望產出指標為環境污染類指標，根據筆者的研究目的，選取SO2排放量(b1)、煙(粉)塵排放量(b2)、年均PM2.5濃度值(b3)作為大氣環境非期望產出。

我國長江經濟帶城市大氣環境效率評價指標體系如圖1。

圖1 長江經濟帶城市大氣環境效率評價指標體系Fig. 1 Evaluation index system of urban atmospheric environmentalefficiency in the Yangtze River Economic Belt

2.2 數據來源與處理

上述指標中x1，x2，x3，x4，y，b1和b2的數據來源于2006—2018年《中國城市統計年鑒》[19]。由于我國于2012年初步實現PM2.5濃度數據的監測與公布。筆者借鑒邵帥等[20]的研究，采用基于衛星監測的全球PM2.5濃度年均值的柵格數據，并進一步利用ArcGIS軟件解析得到2005—2017年長江經濟帶各省市的年均PM2.5濃度值。考慮到通貨膨脹的影響，經濟類指標(固定資產投資額、GDP)均以不變價國內生產總值指數換算成2005年為基期的數據。鑒于原始數據量較大，為了清晰地展示投入產出指標，參考文獻[13]，將各變量的描述統計展示如表1。

表1 投入與產出指標描述統計分析Table 1 Description and statistical analysis of input and output indicators

3 實證分析

根據式(5)非期望產出Super-SBM模型，先對長江經濟帶城市大氣環境相對效率進行評價，了解我國長江經濟帶城市大氣環境的現實情況；然后分析城市大氣環境效率的地區差異性；最后基于式(8)和式(9)Malmquist生產率指數從動態角度對效率的演變進行探討，揭示其動態變化情況。

3.1 長江經濟帶城市大氣環境效率靜態特征分析

根據2005—2017年長江經濟帶80個城市的面板數據，運用非期望產出Super-SBM模型，計算出長江經濟帶城市大氣環境效率，如圖2。

圖2 長江經濟帶城市大氣環境效率Fig. 2 Urban atmospheric environmental efficiency in theYangtze River Economic Belt

由圖2可知：長江經濟帶城市大氣環境效率的平均值為0.59，距離生產前沿面還有41%的提升空間，擁有較大減排潛力，且彰顯了長江經濟帶城市的經濟發展與大氣污染防治之間存在不協調關系。從圖2還可看出，在2005—2017年間，效率值達到生產前沿面的城市較少，而大部分的城市環境效率都處于0.2～0.6，還有較大減排潛力。即通過有效技術條件和資源利用方式，優化環境效率的要素投入，達到增加經濟產出，減少大氣污染物排放，有效提升大氣環境效率的目的。

2005—2017年，80個城市中，有10個城市的平均效率大于1，達到了最優效率，分別是上海、長沙、蘇州、黃岡和金華等。此外，無錫、臺州、玉溪和溫州等城市的大氣環境效率也較高，接近生產前沿面。分開來看，上海、蘇州、無錫、金華和溫州等城市位于沿海地區，經濟相對較為發達，節能減排治污技術先進；黃岡和玉溪等城市大氣環境質量較好，例如玉溪市在研究期間年均PM2.5濃度值僅為34.2 ug/m3，黃岡市的年均工業煙(粉)塵排放量僅為1.2×104t，遠低于其他污染嚴峻的城市。

對比來看，大氣環境效率較低的城市主要集中于長江中上游地區，如廣元、貴陽和黃石等城市。中游城市匯聚了大量高能耗、高污染企業；上游城市經濟相對落后，經濟產出水平較低，治污減排技術落后。使得中上游城市的單位GDP產出所消耗的資源和排放的大氣污染物較高，因而中上游城市的大氣環境效率在研究期內處于較低水平，說明這些城市處于“高投入，高排放，低產出”的發展模式，這些城市應亟需調整經濟發展模式，轉變產業結構和資源利用方式，以促進當地的大氣環境效率。

3.2 長江經濟帶城市大氣環境效率空間差異性分析

為了便于分析比較，根據長江經濟帶城市的區域劃分，將各城市劃分為上、中和下游城市群，以分析各城市大氣環境效率的空間分布和區域特征。為了更好地體現80個城市大氣環境效率的空間分布和地理區位特征，圖3展示了2005、2010和2017年長江經濟帶城市大氣環境效率的空間分布，基于大氣環境效率值的分布情況將城市分為5類。

注：該圖基于國家測繪地理信息局標準地圖服務網站下載的審圖號為GS(2020)4619號的標準地圖制作，底圖無修改。圖3 2005、2010和2017年長江經濟帶城市大氣環境效率區域分布Fig. 3 Regional distribution of urban atmospheric environment efficiencyin the Yangtze River Economic Belt in 2005, 2010 and 2017

由圖3可知：位于下游的城市大氣環境效率表現較好，如上海、江蘇和浙江等省市。但是，同樣處于下游的安徽省卻出現了低效的情況。安徽省各城市雖緊鄰江浙滬等高效城市，但其效率值卻處于較低水平，成為長江下游大氣環境效率塌陷地帶，應重點關注。此外，中游和上游極個別城市效率也表現較好，如玉溪市、黃岡市等。與下游城市相比，中上游城市的提升空間更大。特別是中游湘西、鄂中和成渝城市群，在2005、2010和2017年效率值與上游城市有較大差距，這也造成了中上游的大氣環境效率水平偏低。由于經濟欠發達、治污減排技術相對落后、二次污染等原因，這些地區呈現出“高投入、低產出、高排放”的現象。隨著資源約束等挑戰的到來，應給予這些城市相應政策傾斜，加快經濟轉型，產業結構升級，提升科技創新。從整體分布來看，大部分城市處于大氣環境效率值較低(0.2～0.4)的效率水平。

3.3 長江經濟帶城市大氣環境效率動態演變分析

分析了長江經濟帶城市大氣環境效率靜態特征后，基于式(8)的Malmquist生產率指數模型，測算其大氣環境效率的動態變化，進行跨期比較，動態挖掘大氣環境變化深層原因。限于篇幅，表2為Malmquist生產率指數M≥1和M<1的城市數量統計情況。表3為各城市2005—2017年年均Malmquist生產率指數值。同時為了定位效率變化的驅動因素與根源，筆者進一步展示了2005—2017年間Malmquist生產率指數的分解結果，如圖4。

表3 長江經濟帶城市2005—2017年年均Malmquist生產率指數Table 3 Annual average of Malmquist productivity index of cities inthe Yangtze River Economic Belt from 2005 to 2017

圖4 2005—2017年期間長江經濟帶城市大氣環境效率年均Malmquist指數分解Fig. 4 Annual average Malmquist index decomposition of urbanatmospheric environmental efficiency in the Yangtze River economicbelt from 2005 to 2017

基于表2、表3和圖4可以看出，長江經濟帶大氣環境效率動態演變呈現如下規律：

1)從整體來看，在整個研究期間，大氣環境效率提高了7.6%，這樣的提高可能是因為近年來我國將打響藍天保衛戰、大氣環境治理作為全民共同參與的一項重大任務。形成了從上至下，從下至上的污染防治任務鏈。

2)從表2和表3可以看出：2007—2008年，2009—2010年，2015—2017年期間M≥1的城市數量較多，大氣環境效率提高較為明顯。而2011—2012年，2013—2014年期間大氣環境效率Malmquist生產率指數值顯示多個城市小于1，增長乏力，大氣環境效率下降較為明顯。在2011—2014年期間，由于粗放型經濟增長模式，全國范圍內遭受大面積灰霾天氣，長江經濟帶城市也受嚴峻的霧霾污染，導致大氣環境效率在這一時期呈現下降趨勢。

3)根據Malmquist生產率指數平均值發現，80個樣本城市有74個城市在考察年份的效率值均有顯著性提高，其中成都市效率值提升最明顯，總計提高了30.8%，這可能與近年來成都的經濟發展模式有較大的關系。但是，依然有6個城市相對于原有水平退步了。

4)進一步分析圖4可知：在整個研究期間，在2009—2010年，2013—2014年度的效率變化指數小于技術進步指數，其余年份技術進步指數均明顯的大于效率變化指數。這說明，技術進步變化對長江經濟帶大氣環境效率的提高和改善占據主導作用，而效率變化的影響隨著時間逐年下降。

4 結 論

筆者利用非期望產出Super-SBM模型和Malmquist生產率指數模型，分析了長江經濟帶80個城市2005—2017年間大氣環境效率的靜態、動態以及空間特征。研究所得出的主要結論：

1)從大氣環境效率的總體表現來看，上海、長沙、蘇州、金華、常德和無錫的效率值顯著優于其他城市，在2005—2017年都處于生產前沿面，效率值均大于1。而淮南、廣元和黃石等中上游城市的大氣環境效率表現較差。長江經濟帶城市大氣環境效率整體表現并不理想，平均值為0.59，證明長江經濟帶城市可通過生產管理、技術創新、投入產出比例調整、政策保障等方面提高其大氣環境效率。

2)從大氣環境效率的空間分布和區域差異特征來看，位于長江下游的經濟發達省市，如上海、江蘇和浙江等省市，大氣環境效率較好。但安徽省各城市大氣環境效率處于較低水平，為下游環境效率塌陷地帶。此外，中上游城市的提升空間最大，特別是中游湘西、鄂中和上游成渝城市群，應值得重點關注。

3)從大氣環境效率動態演變來看，在整個考察期內，長江經濟帶城市大氣環境效率提高了7.6%；單個城市來看，74個城市均有顯著提高，占比為92.5%。此外，Malmquist生產率指數的分解結果顯示，技術進步變化對長江經濟帶大氣環境效率的提高和改善占據主導作用。

根據以上基本結論可知，提高長江經濟帶城市大氣環境效率可從以下幾個方面入手：①亟需改善大氣污染嚴重的城市，如安徽省的安慶市、宿州市，四川省自貢市等；②區域經濟差別化發展，下游表現較好城市應發揮榜樣作用，加強地區污染治理技術、管理等交流合作，中上游城市在優先發展經濟的同時，應注意其脆弱的生態環境，加強大氣污染防治；③從資源投入方面，各城市應加強資源集約利用，淘汰舊設備，推廣新技術，從而避免污染物的過量排放。