基于四階段數(shù)據(jù)包絡(luò)分析（DEA）模型的長(zhǎng)江經(jīng)濟(jì)帶生態(tài)補(bǔ)償效率評(píng)價(jià)

馬 駿，石艷秋，盧玉欽

（1.河海大學(xué)商學(xué)院，江蘇南京 211100；2.河海大學(xué)水利經(jīng)濟(jì)研究所，江蘇南京 211100；3.福建省永泰縣水利局，福建福州 350700）

1 研究背景

地區(qū)經(jīng)濟(jì)與生態(tài)環(huán)境有著緊密的關(guān)系，有些區(qū)域片面追求經(jīng)濟(jì)增長(zhǎng)而忽略了環(huán)境保護(hù)，產(chǎn)生了多種社會(huì)問題，由此引發(fā)了國(guó)內(nèi)外眾多學(xué)者對(duì)于經(jīng)濟(jì)與環(huán)境平衡發(fā)展問題的探討，關(guān)于生態(tài)補(bǔ)償機(jī)制的研究由此興起。長(zhǎng)江經(jīng)濟(jì)帶覆蓋上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、云南、貴州等11 個(gè)省市，面積占全國(guó)21.4%，人口和生產(chǎn)總值均超過全國(guó)的40%［1］，代表我國(guó)的經(jīng)濟(jì)實(shí)力和發(fā)展?jié)摿ΑＭ苿?dòng)長(zhǎng)江經(jīng)濟(jì)帶發(fā)展是關(guān)系國(guó)家發(fā)展全局的重大戰(zhàn)略，對(duì)實(shí)現(xiàn)“兩個(gè)一百年”奮斗目標(biāo)、實(shí)現(xiàn)中華民族偉大復(fù)興的中國(guó)夢(mèng)具有重要意義。因此，協(xié)調(diào)長(zhǎng)江經(jīng)濟(jì)帶經(jīng)濟(jì)發(fā)展與生態(tài)保護(hù)對(duì)于區(qū)域的可持續(xù)發(fā)展具有重大意義。

目前效率評(píng)價(jià)的相關(guān)研究主要集中在評(píng)價(jià)方法和指標(biāo)體系兩方面。在評(píng)價(jià)方法方面，Dong 等［2］在研究新安江流域跨界生態(tài)補(bǔ)償效率時(shí)，采用隨機(jī)前沿分析法（SFA）和數(shù)據(jù)包絡(luò)分析法（DEA）對(duì)截面效率進(jìn)行了動(dòng)態(tài)評(píng)估；Monserrat 等［3］通過DEA-容忍度模型對(duì)污水處理廠生態(tài)效率進(jìn)行評(píng)價(jià)；耿翔燕等［4］綜合各方面因素，運(yùn)用市場(chǎng)價(jià)值法、影子工程法等對(duì)山東省云蒙湖生態(tài)補(bǔ)償效益進(jìn)行了貨幣價(jià)值核算；石曉然等［5］運(yùn)用超效率SBM 模型、DEAMalmquist 指數(shù)模型、Tobit 模型和標(biāo)準(zhǔn)差橢圓模型，對(duì)2006—2016 年11 個(gè)沿海省市的海洋生態(tài)補(bǔ)償效率開展測(cè)度分析；李政通等［6］運(yùn)用Malmquist 指數(shù)分析模型與重復(fù)博弈模型對(duì)長(zhǎng)江流域各省市生態(tài)效率進(jìn)行研究；李秋萍等［7］利用層次分析法（AHP）構(gòu)建流域水資源生態(tài)補(bǔ)償效率測(cè)度指標(biāo)體系，并對(duì)湖北宜昌流域水資源生態(tài)補(bǔ)償?shù)纳鐣?huì)、經(jīng)濟(jì)、生態(tài)、文化、政治影響及綜合效率進(jìn)行實(shí)證分析。在指標(biāo)體系方面，Guan 等［8］在研究流域水環(huán)境生態(tài)補(bǔ)償標(biāo)準(zhǔn)時(shí)以化學(xué)需氧量（COD）為主要污染評(píng)價(jià)指標(biāo)，以反映區(qū)域人口、經(jīng)濟(jì)結(jié)構(gòu)、生產(chǎn)水平、污染控制、水環(huán)境等一系列指標(biāo)作為投入指標(biāo)，構(gòu)建了基于污染物總量控制的流域水環(huán)境生態(tài)補(bǔ)償標(biāo)準(zhǔn)量化模型；蘆葦青等［9］構(gòu)建了以生態(tài)保護(hù)成效為導(dǎo)向的生態(tài)補(bǔ)償評(píng)價(jià)指標(biāo)體系；靳樂山等［10］認(rèn)為將生態(tài)系統(tǒng)生產(chǎn)總值（GEP）作為指標(biāo)納入生態(tài)補(bǔ)償績(jī)效考核具有可行性與必要性；彭玉婷［11］選取生態(tài)、經(jīng)濟(jì)和社會(huì)發(fā)展數(shù)據(jù)構(gòu)建多層次的綜合效益評(píng)價(jià)指標(biāo)體系，評(píng)價(jià)水源地生態(tài)補(bǔ)償綜合效益；唐萍萍等［12］構(gòu)建涵蓋水源保護(hù)、民生改善和脫貧攻堅(jiān)等指標(biāo)的水源地生態(tài)補(bǔ)償績(jī)效評(píng)價(jià)指標(biāo)體系，對(duì)南水北調(diào)中線工程漢江水源地的生態(tài)補(bǔ)償績(jī)效情況進(jìn)行了實(shí)證分析。

已有相關(guān)研究為我國(guó)各領(lǐng)域生態(tài)補(bǔ)償方面的理論與實(shí)踐作出了重要貢獻(xiàn)，但當(dāng)前研究范圍主要集中在省級(jí)層面或特定領(lǐng)域（如森林、草原地帶），如史浚［13］對(duì)森林生態(tài)效益補(bǔ)償政策績(jī)效的研究、鞏芳等［14］對(duì)草原生態(tài)的省際橫向區(qū)域補(bǔ)償研究，但大多仍未能很好地剔除背景因素和隨機(jī)誤差等對(duì)于效率評(píng)價(jià)的影響。為此，本研究在前人研究的基礎(chǔ)上使用改進(jìn)的四階段DEA 方法，以長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省（市）（以下簡(jiǎn)稱“11 省市”）為研究對(duì)象，選取2015—2019 年的相關(guān)數(shù)據(jù)構(gòu)建指標(biāo)，對(duì)長(zhǎng)江經(jīng)濟(jì)帶的生態(tài)補(bǔ)償效率進(jìn)行評(píng)價(jià)，并結(jié)合K-mean 均值聚類和Malmquist 指數(shù)進(jìn)行分析。

2 生態(tài)補(bǔ)償效率評(píng)價(jià)模型——四階段DEA 模型構(gòu)建

2.1 第一階段：DEA-BCC 模型構(gòu)建

本研究采用投入導(dǎo)向型規(guī)模報(bào)酬可變的BCC模型方法進(jìn)行分析。該模型假設(shè)有m個(gè)決策單元（DMU）,每個(gè)DMU 有n項(xiàng)投入、s項(xiàng)產(chǎn)出,投入產(chǎn)出大于等于零；通過DEAP 2.1 軟件得到每個(gè)DMU的效率值，以及技術(shù)效率（TE）、純技術(shù)效率（PTE）、規(guī)模效率（SE）和各決策單元的投入松弛變量。各效率指標(biāo)的關(guān)系如下：

投入導(dǎo)向下的BCC 模型可表示為：

2.2 第二階段：托賓回歸模型構(gòu)建

在第一階段得到的DEA 效率值并沒有剔除外生環(huán)境因素的影響，有必要進(jìn)行托賓（Tobit）模型分析來減少環(huán)境因素對(duì)效率測(cè)算的影響。在第一階段可以得出效率值和各決策單元的投入松弛變量，在第二階段將其作為被解釋變量，將環(huán)境變量作為解釋變量來建立Tobit 回歸模型。假設(shè)有m個(gè)DMU，即建立m個(gè)回歸模型。模型形式如下：

2.3 第三階段：對(duì)投入指標(biāo)原始值進(jìn)行調(diào)整

根據(jù)Tobit 模型的回歸結(jié)果，對(duì)決策單位的投入要素值作調(diào)整。采用的方法如下：

2.4 第四階段：將調(diào)整后的投入指標(biāo)值和產(chǎn)出指標(biāo)代入重新測(cè)算

經(jīng)過第三階段的調(diào)整，所有決策單元都已剔除了外部環(huán)境影響，處于同等環(huán)境中，重新按照第一階段的步驟將調(diào)整后的投入指標(biāo)與原始產(chǎn)出指標(biāo)代入DEA-BCC 模型中重新測(cè)算效率，得出調(diào)整后的效率值。

2.5 Malmquist 指數(shù)評(píng)價(jià)模型

雖然四階段DEA 模型很好地研究了決策單元的效率情況，但是評(píng)價(jià)僅限于截面數(shù)據(jù)，因此參考張鵬等［15］的研究，引進(jìn)Malmquist 指數(shù)來進(jìn)行動(dòng)態(tài)縱向評(píng)價(jià)。具體公式如下：

根據(jù)Fare等［16］關(guān)于規(guī)模收益可變（VRS）的假設(shè)，Malmquist 指數(shù)（TFP）可以分解為技術(shù)效率變化（effch）和技術(shù)進(jìn)步變化（techch）兩部分。TFP>1時(shí)表示效率較上一時(shí)期有所提高，小于1 時(shí)則表示效率下降，等于1 時(shí)表示效率無變化；effch>1 表示技術(shù)效率提高，effch ＜1 說明技術(shù)效率降低；techch>1 說明出現(xiàn)了技術(shù)進(jìn)步，而techch<1 說明技術(shù)發(fā)生衰退。

基于四階段的長(zhǎng)江經(jīng)濟(jì)帶生態(tài)補(bǔ)償效率評(píng)價(jià)模型構(gòu)建過程見圖1。

3 數(shù)據(jù)來源與指標(biāo)構(gòu)建

3.1 數(shù)據(jù)來源

采用11 省市2015—2019 年的面板數(shù)據(jù)，數(shù)據(jù)來源于《國(guó)家統(tǒng)計(jì)年鑒》《國(guó)民經(jīng)濟(jì)與社會(huì)發(fā)展報(bào)告》《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》《中國(guó)城鄉(xiāng)建設(shè)統(tǒng)計(jì)年鑒》。

3.2 指標(biāo)構(gòu)建

3.2.1 投入與產(chǎn)出指標(biāo)

在構(gòu)建DEA 模型指標(biāo)時(shí)，投入產(chǎn)出指標(biāo)數(shù)量之和需小于決策單元數(shù)量的1/2，否則會(huì)出現(xiàn)決策單元效率值大量為1 的情況。以11 省市作為決策單元，參考曲超等［17］在研究國(guó)家重點(diǎn)生態(tài)功能區(qū)環(huán)境效率時(shí)的做法，選擇了3 個(gè)投入指標(biāo)和2 個(gè)產(chǎn)出指標(biāo)。其中，參考張遼等［18］、景曉棟等［19］的做法，從勞動(dòng)力、資金、資源三方面選取投入指標(biāo)，分別以中央財(cái)政對(duì)各省市的生態(tài)補(bǔ)償轉(zhuǎn)移支付資金、能源消耗總量、年末就業(yè)人數(shù)代表環(huán)境治理中的資金投入、資源投入和勞動(dòng)力投入；參考趙金凱等［20］在測(cè)算我國(guó)各地區(qū)綠色發(fā)展效率時(shí)確定的衡量環(huán)境治理效率的產(chǎn)出指標(biāo)，選取COD 和SO2的削減率分別代表廢水、廢氣的治理情況。

3.2.2 環(huán)境變量

在分四階段效率測(cè)度時(shí)，必須考慮外部環(huán)境對(duì)效率值的影響，借鑒趙崢等［21］、田貴良等［22］在區(qū)域環(huán)境治理效率測(cè)算中的研究思路，選擇第三產(chǎn)業(yè)占比、人口密度、人均生產(chǎn)總值（GDP）、對(duì)外開放度作為環(huán)境變量。各指標(biāo)的具體情況如表1 所示。

表1 長(zhǎng)江經(jīng)濟(jì)帶生態(tài)補(bǔ)償效率評(píng)價(jià)指標(biāo)構(gòu)成及說明

表1 （續(xù)）

4 實(shí)證分析

4.1 DEA-BCC 模型實(shí)證結(jié)果

使用DEAP 2.1 軟件測(cè)算2015—2019 年11 省市的投入產(chǎn)出指標(biāo)數(shù)據(jù)，得出3 種效率值（見表2），包括技術(shù)效率、純技術(shù)效率和規(guī)模效率（SE），并對(duì)這3 種效率值進(jìn)行比較。

表2 11 省市2015—2019 年生態(tài)補(bǔ)償效率評(píng)價(jià)的第一階段技術(shù)效率測(cè)算結(jié)果

4.1.1 技術(shù)效率值

從表2 可以看出，上海每年的技術(shù)效率值均等于1，體現(xiàn)了生態(tài)補(bǔ)償達(dá)到最佳配置，DEA 有效。2015—2019 年，11 省市生態(tài)補(bǔ)償技術(shù)效率均值為0.711，整體上還需要進(jìn)一步提升。其中，技術(shù)效率值高于平均水平的有上海、安徽、江西、重慶、貴州，低于平均水平的有江蘇、浙江、湖南、湖北、四川、云南。技術(shù)效率反映投入與產(chǎn)出之間的最佳配置狀態(tài)，技術(shù)效率較低，即意味著投入與產(chǎn)出配置較不平衡。

4.1.2 純技術(shù)效率值

從表2 可以看出，上海、江西、重慶2015—2019 年的純技術(shù)效率值均等于1，表明這3 個(gè)省市的技術(shù)效率值受規(guī)模經(jīng)濟(jì)的影響較大。與11 省市純技術(shù)效率值的平均水平比較，純技術(shù)效率值高于平均水平的有浙江、上海、安徽、江西、重慶、貴州，說明這些省市在使用財(cái)政提供的生態(tài)補(bǔ)償資金時(shí)不存在較大浪費(fèi)的問題，資金管理相對(duì)有效；低于平均水平的有江蘇、湖南、湖北、四川、云南，可以認(rèn)為這些省份在財(cái)政生態(tài)補(bǔ)償資金使用方面執(zhí)行力度不夠、效率較低，資源浪費(fèi)情況相對(duì)來說較為嚴(yán)重，需要加強(qiáng)資金管理，避免資金流失與資源浪費(fèi)。

4.1.3 規(guī)模效率值

從表2 可以看出，上海2015—2019 年的規(guī)模效率值均等于1，表明上海生態(tài)環(huán)境與經(jīng)濟(jì)發(fā)展的規(guī)模水平相對(duì)合理。規(guī)模效率值最低的是江蘇，其平均規(guī)模效率值為0.691，低于11 省市平均水平0.824；從江蘇的整體組成規(guī)模來看，蘇南、蘇北、蘇中地區(qū)管理水平和技術(shù)水平相差較大，對(duì)江蘇整體產(chǎn)生了影響。規(guī)模效率值高于11 省市平均水平的有上海、安徽、湖北、四川；低于11 省市平均水平的有江蘇、浙江、江西、湖南、重慶、貴州、云南，與這些地區(qū)較大的財(cái)政資金投入規(guī)模以及規(guī)模報(bào)酬遞減規(guī)律造成的效率損失有關(guān)。2015—2019 年11 省市生態(tài)補(bǔ)償規(guī)模效率均值為0.824，總體來說，長(zhǎng)江經(jīng)濟(jì)帶大部分區(qū)域生態(tài)環(huán)境保護(hù)水平與經(jīng)濟(jì)發(fā)展的規(guī)模水平相適應(yīng)。

4.2 Tobit 回歸模型結(jié)果分析

將11 省市的投入指標(biāo)松弛變量作為因變量、環(huán)境變量作為自變量，建立Tobit 回歸模型如式（6），模型變量情況如表3 所示。

表3 長(zhǎng)江經(jīng)濟(jì)帶生態(tài)補(bǔ)償效率評(píng)價(jià)第二階段回歸模型變量特征

式（6）（7）中i=1 234；j=1,2,…,11；k=2015，2016，2017，2018，2019。

運(yùn)用 Stata15 軟件進(jìn)行分析，Tobit 回歸結(jié)果如表4 所示。參考范丹［23］的研究，當(dāng)回歸系數(shù)為負(fù)時(shí)表示環(huán)境變量的增加有利于減少投入松弛量，相當(dāng)于減少該投入變量或降低非期望產(chǎn)出，此時(shí)生態(tài)補(bǔ)償效率提高；反之，當(dāng)回歸系數(shù)為正時(shí)，則表示增加外部環(huán)境變量將會(huì)增加投入松弛量或增加非期望產(chǎn)出，生態(tài)補(bǔ)償效率降低。從表4 可以看出，能源消耗冗余、財(cái)政撥款冗余的LR chi2 通過了顯著性檢驗(yàn)，勞動(dòng)就業(yè)人數(shù)冗余模型的LR chi2 并沒有通過顯著性檢驗(yàn)，4個(gè)環(huán)境變量對(duì)于勞動(dòng)就業(yè)人數(shù)冗余均不顯著，故本研究將不對(duì)勞動(dòng)就業(yè)人數(shù)的投入值作調(diào)整；能源消耗冗余與第三產(chǎn)業(yè)占比、人口密度、人均GDP的系數(shù)并沒有通過顯著性檢驗(yàn)。這主要是由于第三產(chǎn)業(yè)的發(fā)展和人口密度的增加會(huì)拉動(dòng)能源需求，但當(dāng)生活水平增加到一定程度時(shí)，人們反而會(huì)更加追求使用清潔能源，對(duì)于傳統(tǒng)消耗性能源的需求將出現(xiàn)拐點(diǎn)。財(cái)政撥款冗余中人口密度、人均GDP 沒有通過顯著性檢驗(yàn)，因?yàn)榈貐^(qū)人口的增加會(huì)在拉動(dòng)就業(yè)和消費(fèi)的同時(shí)增加地方財(cái)政負(fù)擔(dān)、加大社會(huì)保障方面的財(cái)政投入，因此環(huán)境保護(hù)方面的投入就會(huì)相應(yīng)減少，財(cái)政撥款冗余減少，而人均GDP 的增長(zhǎng)會(huì)增加政府財(cái)政稅收，所以政府有更多的資金投入生態(tài)環(huán)境治理，因此表4 中回歸結(jié)果的正負(fù)值符合理論上第三產(chǎn)業(yè)占比、人口密度、人均GDP、對(duì)外開放度等環(huán)境因素對(duì)其冗余值的影響作用方向。

表4 長(zhǎng)江經(jīng)濟(jì)帶2015—2019 年生態(tài)補(bǔ)償效率評(píng)價(jià)第二階段變量回歸結(jié)果

表4 （續(xù)）

表4 中，能源消耗冗余和財(cái)政撥款冗余的結(jié)果均在1%的水平下顯著，可見將第一階段所得的能源消耗和財(cái)政撥款投入松弛變量以及環(huán)境變量代入Tobit 回歸模型來對(duì)有關(guān)變量的原始值進(jìn)行調(diào)整，剔除環(huán)境變量帶來的影響，得到更加準(zhǔn)確的生態(tài)補(bǔ)償效率值。

4.3 調(diào)整后的DEA-BCC 結(jié)果及說明

根據(jù)第二階段測(cè)算所得的冗余值對(duì)原始的決策單位投入要素取值進(jìn)行調(diào)整，用調(diào)整后的投入與初始產(chǎn)出變量進(jìn)行DEA-BCC 模型的再計(jì)算，由此得到第四階段各決策單元剔除了環(huán)境因素的純管理效率值。

4.3.1 技術(shù)效率

11 省市第一階段和第四階段技術(shù)效率測(cè)算結(jié)果對(duì)比如表5 所示；各階段不同年份的技術(shù)效率值差異如圖2 所示。可以得出：（1）在剔除環(huán)境因素影響后，總體上生態(tài)補(bǔ)償技術(shù)效率水平有所提高，但上海、重慶、貴州的技術(shù)效率值沒有變化，說明這3 個(gè)省市的外部環(huán)境未對(duì)技術(shù)效率產(chǎn)生影響，外部環(huán)境因素相對(duì)穩(wěn)定。（2）5 年間江西的技術(shù)效率均值相對(duì)于第一階段有所降低，說明江西的外部環(huán)境較優(yōu)，調(diào)整之后反而使效率值出現(xiàn)了下降。（3）其余省份技術(shù)效率均值均有不同程度上升，上升幅度最大的是江蘇，為6.4%；而如果不剔除環(huán)境因素的影響，這7 個(gè)省市的技術(shù)效率值將會(huì)被低估。

圖2 長(zhǎng)江經(jīng)濟(jì)帶生態(tài)補(bǔ)償效率評(píng)價(jià)第一、四階段技術(shù)效率分布

表5 11 省市2015—2019 年生態(tài)補(bǔ)償效率評(píng)價(jià)第一、四階段技術(shù)效率對(duì)比

表5 （續(xù)）

4.3.2 純技術(shù)效率

結(jié)合表6 和圖3 可以看出，在剔除環(huán)境因素影響后，11 省市生態(tài)補(bǔ)償純技術(shù)效率總體水平有所提高。其中，上海、江西、湖南、重慶、貴州、云南的純技術(shù)效率值沒有變化；江蘇的純技術(shù)效率均值相對(duì)于第一階段有所下降，下降幅度為0.18%，可見對(duì)江蘇純技術(shù)效率值產(chǎn)生影響的可能并非本研究中所選的環(huán)境變量，所以即使剔除這些環(huán)境因素的影響也無法提高其純技術(shù)效率；其余省市的純技術(shù)效率均值相對(duì)于第一階段均有所上升，其中上升幅度最大的是浙江，為0.44%。

表6 11 省市2015—2019 年生態(tài)補(bǔ)償效率評(píng)價(jià)第一、四階段純技術(shù)效率

圖3 長(zhǎng)江經(jīng)濟(jì)帶生態(tài)補(bǔ)償效率評(píng)價(jià)第一、四階段純技術(shù)效率分布

4.3.3 第一階段、第四階段的規(guī)模效率對(duì)比分析

結(jié)合表7 和圖4 可以看出，在剔除環(huán)境因素影響后，除2019 年外，2015—2018 年的第四階段規(guī)模效率值均高于第一階段，總體生態(tài)補(bǔ)償規(guī)模效率水平有所提高。其中，上海、重慶、貴州的規(guī)模效率值沒有變化；江西第四階段的規(guī)模效率均值相對(duì)于第一階段有所下降，下降幅度為0.06%；其余省市第四階段的規(guī)模效率均值均有所上升，其中上升幅度最大的是江蘇，上升幅度為6.92%。因此，對(duì)江蘇來說，提高第三產(chǎn)業(yè)占比、擴(kuò)大對(duì)外開放度、擴(kuò)大就業(yè)人口將會(huì)對(duì)優(yōu)化環(huán)保資金配置起正向作用。

圖4 長(zhǎng)江經(jīng)濟(jì)帶生態(tài)補(bǔ)償效率評(píng)價(jià)第一、四階段規(guī)模效率分布

表7 11 省市2015—2019 年生態(tài)補(bǔ)償效率評(píng)價(jià)第一、四階段規(guī)模效率

4.3.4 K-mean 均值聚類分析

參考煙竹［24］、董巧珍等［25］的研究，運(yùn)用SPSS 22.0 軟件對(duì)調(diào)整后的生態(tài)補(bǔ)償技術(shù)效率值和規(guī)模效率值進(jìn)行聚類分析。在聚類分析的過程中，無需事先給出分類的標(biāo)準(zhǔn)，SPSS22.0 軟件中的聚類分析功能可以從樣本數(shù)據(jù)出發(fā)自動(dòng)進(jìn)行分類，結(jié)果如表8 所示：第一組技術(shù)效率和規(guī)模效率值都很接近1，屬于相對(duì)高效型；第二組的規(guī)模效率高于技術(shù)效率，屬于規(guī)模高效型；第三組的技術(shù)效率和規(guī)模效率明顯低于經(jīng)過調(diào)整后的平均水平，屬于完全低效型。

表8 11 省市2015—2019 年生態(tài)補(bǔ)償效率初始和最終聚類分析

按照聚類分析的結(jié)果對(duì)11 省市進(jìn)行分組，結(jié)果如表9 所示。

表9 2015—2019 年長(zhǎng)江經(jīng)濟(jì)帶生態(tài)補(bǔ)償效率分類

4.3.5 Malmquist 指數(shù)結(jié)果分析

由于四階段DEA 法通常用于評(píng)估和比較某個(gè)時(shí)點(diǎn)上的界面數(shù)據(jù)效率，無法進(jìn)行動(dòng)態(tài)分析［26］，因此，本研究進(jìn)一步采用Malmquist 指數(shù)對(duì)長(zhǎng)江經(jīng)濟(jì)帶生態(tài)補(bǔ)償效率變化態(tài)勢(shì)進(jìn)行探究。選取經(jīng)過調(diào)整的2015—2019 年投入指標(biāo)數(shù)據(jù)和原始產(chǎn)出數(shù)據(jù)，用DEAP 2.1 軟件進(jìn)行Malmquist 指數(shù)分析，結(jié)果如表10 所示。可以看出，第一階段的全要素生產(chǎn)率值大于1，到了第二三階段，全要素生產(chǎn)率值呈現(xiàn)下降的趨勢(shì)，說明生態(tài)補(bǔ)償治理效果降低。這一點(diǎn)可以通過邊際效用遞減規(guī)律解釋，即在外部條件不變的情況下，邊際效用一開始是正的，雖然它在遞減，但總效用還是一直在增加，但當(dāng)邊際效用減為負(fù)時(shí)，總效用就開始減少；為改變邊際效用持續(xù)遞減的情況，需要人為改善外部環(huán)境，通過提升治理技術(shù)和管理水平、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)配置等舉措使全要素生產(chǎn)率重新提升，最終在第四階段重新回到大于1的水平。

表10 長(zhǎng)江經(jīng)濟(jì)帶生態(tài)補(bǔ)償效率Malmquist 指數(shù)分析結(jié)果

5 結(jié)論與建議

5.1 研究結(jié)論

（1）2015—2019 年的5 年間，在長(zhǎng)江經(jīng)濟(jì)帶11 省市中，生態(tài)補(bǔ)償效率均達(dá)到DEA 有效的只有上海，上海的生態(tài)補(bǔ)償效率水平處于領(lǐng)先，而其他省市即使經(jīng)過調(diào)整，效率值也沒有達(dá)到DEA 完全有效，反映出長(zhǎng)江經(jīng)濟(jì)帶生態(tài)補(bǔ)償效果發(fā)展的不平衡性。

（2）從均值聚類分析的結(jié)果來看，總體來說，5 年間長(zhǎng)江經(jīng)濟(jì)帶上游地區(qū)（云南、貴州、四川、重慶）的生態(tài)補(bǔ)償效率低于中下游地區(qū)（江蘇、浙江、上海、江西、湖南、湖北），表明長(zhǎng)江經(jīng)濟(jì)帶上中下游之間在生態(tài)補(bǔ)償?shù)墓芾硇Ч①Y金投入上有較大差異。

（3）Malmquist 指數(shù)分析結(jié)果表明，5 年來長(zhǎng)江經(jīng)濟(jì)帶的效率水平并未呈現(xiàn)連續(xù)增長(zhǎng)趨勢(shì)，不盡如人意，需要中央和地方政府提高重視、加強(qiáng)管理。

5.2 政策建議

（1）鑒于政府對(duì)于生態(tài)補(bǔ)償?shù)馁Y金投入與治理效率提高成正比，因此，長(zhǎng)江經(jīng)濟(jì)帶各地方政府應(yīng)結(jié)合不同區(qū)域的環(huán)境資源條件、生態(tài)環(huán)境現(xiàn)狀和社會(huì)經(jīng)濟(jì)發(fā)展情況，有針對(duì)性地加大對(duì)于不同區(qū)域的生態(tài)補(bǔ)償公共投入，進(jìn)一步改善長(zhǎng)江經(jīng)濟(jì)帶生態(tài)補(bǔ)償政策模式。

（2）長(zhǎng)江經(jīng)濟(jì)帶流域生態(tài)補(bǔ)償?shù)淖畲筇攸c(diǎn)是涉及的省份較多，很難界定誰(shuí)是受益地區(qū)、誰(shuí)是保護(hù)地區(qū)，因此，在構(gòu)建長(zhǎng)江經(jīng)濟(jì)帶流域生態(tài)補(bǔ)償機(jī)制時(shí)，必須顧及每一個(gè)利益相關(guān)主體，充分考慮上中下游省市間的經(jīng)濟(jì)發(fā)展梯度差和環(huán)境資源稟賦狀況，本著“誰(shuí)受益、誰(shuí)補(bǔ)償”的基本原則確定流域生態(tài)補(bǔ)償?shù)闹黧w和客體。

（3）充分利用大數(shù)據(jù)技術(shù)建立長(zhǎng)江流域環(huán)境大數(shù)據(jù)平臺(tái)，實(shí)現(xiàn)數(shù)據(jù)實(shí)時(shí)共享，為長(zhǎng)江大保護(hù)和長(zhǎng)江經(jīng)濟(jì)帶生態(tài)一體化利益共同體提供智慧服務(wù)，實(shí)現(xiàn)大數(shù)據(jù)時(shí)代政府環(huán)境協(xié)同治理路徑創(chuàng)新。