基于超效率SBM 模型的西部煤炭采選業生態效率研究

趙 雪，王向前

（安徽理工大學 經濟管理學院，安徽 淮南 232000）

0 引言

煤炭是我國的第一大能源，在能源結構中居主要地位，對國民經濟的發展有著重大的推動作用。截至2020 年底，全球已探明的煤炭儲量約為1.07 萬億t，中國占13.3%，排名第四；全球煤炭產量約為77.4 億t，中國占51%，排名第一。但與其他發達國家相比，中國在煤炭開采的過程中存在環境污染、生態破壞等一系列問題。而西部地區作為煤炭開發的重點地區，其生態環境問題更為顯著。在國家大力提倡建設生態文明城市的背景下，煤炭開采與發展經濟、保護生態之間的矛盾愈演愈烈，所以改變原有的粗放型煤炭開采模式刻不容緩。而生態效率是衡量經濟效益和環境效益的重要環節，因此，科學地測度我國西部地區采煤業的生態效率對衡量煤炭產業效益具有重要意義。

“生態效率”是1990 年由S.Schaltegger 等[1]最早提出，其基本思想是以最少的資源消耗和最低的環境污染實現最大的經濟產出，即低投入、高產出。生態效率是通過對投入要素的高效合理利用，減少經濟增長給環境帶來的破壞，以期實現經濟最大化增長和環境最小化破壞的理想狀態。煤炭開采業的生態效率反映了采煤的經濟產出與采煤資源投入、環境影響的比值，以及經濟效益和環境效益的平衡關系。

近年來，隨著可持續發展理念的普及，對生態效率的評價與研究已成為學者們關注的方向。目前，國內外對生態效率的測算方法主要有比值評價法、指標體系法、生態足跡法、能值分析法、物質流分析法、模型構建法等。劉明輝等[2]基于比值評價法，選擇“價值”和“影響”兩方面構建了地鐵車站生態效率評價指標體系，對北京地鐵16 號線某車站建設期生態效率進行了評估；黃娟等[3]運用生態足跡法，從原料、能源、水、垃圾、建筑用地等方面測算了某造紙類企業的財務生態效率；王艷秋等[4]從經濟、技術、資源、環境、社會等方面構建了能值指標，利用能值分析法計算出可持續發展指數和生態效率指數，系統地反映了大慶石化企業的生態效率；鄭德鳳等[5]利用數據包絡分析（data envelopment analysis，DEA）模型中考慮非期望產出和不考慮非期望產出對甘肅省農業生態效率進行了對比研究，得知考慮非期望產出的農業生態效率結果更能反映實際情況。其中，數據包絡分析運用較為廣泛，能夠減小主觀賦權引起的偏差。

生態效率的應用領域較廣，目前涉及國家、區域、行業、企業及產品等。張楊等[6]基于考慮共同前沿面和非期望產出的超效率SBM（slacks-based measurement）模型對68 個國家的農業生態效率進行了比較研究，從而得出我國提高農業生態效率的途徑；關偉等[7]基于考慮非期望產出的SBM 模型，從空間格局規模、格局強度與格局紋理3 個方面對中國省際能源生態效率進行了測度與分析。周葉等[8]運用超效率DEA 方法對我國23 個省域物流行業的生態效率進行了評價；周敏等[9]利用SE-SBM 模型對我國先進制造業及其17 個細分行業的生態效率進行了靜態分析；鄒倩等[10]通過構建CCR 和BCC 評價模型對我國石化企業生態效率展開了評價；史琛等[11]運用DEA-SBM 模型研究了我國粳稻的生態效率及其時空演變。

具體到煤炭產業，也有不少學者對其生態效率進行了研究。李琰等[12]通過超效率SBM 和Malmquist模型，從橫向角度對20 多個煤炭省份進行了考慮非期望產出的產業效率分析；牛苗苗[13]從縱向角度對2000—2010 年煤炭產業的生態效率進行了分析。目前關于煤炭產業生態效率的研究已經取得了一定的成果，但具體針對西部地區的煤炭采選研究相對較少。本文擬結合超效率SBM 模型和Malmquist 指數模型，從西部地區的煤炭開采投入與產出的角度對煤炭開采生態效率進行測算，以評估其煤炭開采的生態經濟發展情況，促進西部地區煤炭開發與生態環境的協調發展。

1 模型選擇

1.1 超效率SBM 模型

數據包絡分析方法由Charnes、Cooper 于1978年提出，是一種基于多項投入與多項產出的定量分析方法，包括DEA 模型及其衍生出的多種模型，自提出以來被各行業用于研究現實問題。Banker，Gifford&Bankeret 等人在CCR 的基礎上提出了超效率DEA模型，打破了投入產出比值小于或等于1 的約束，進一步保障了決策單元（DMU）的有效程度。由于傳統的DEA 方法無法衡量全部松弛變量，不能精準地測算效率水平，在使用中存在一定的局限性。K.Tone[14]提出的SBM 模型，將松弛變量考慮到目標函數中。而超效率SBM 模型彌補了超效率DEA 和SBM 模型的不足之處，既可以在處理中考慮非期望產出，又可以在有效的決策單元中進一步做出比較[15]。已有的研究中對于存在非期望產出的處理方式，大多是把非期望產出轉化為投入，這種方式可能會使結果出現一定的偏差。超效率SBM 模型可以直接對非期望產出進行處理，同時對有效的決策單元可以通過效率值大小進行排序。

假設有n個DMU，每個DMU 由m個投入指標，p1個期望產出和p2個非期望產出3 部分構成。

設x∈Rm，yd∈Rp1，yu∈Rp2，

構建如下模型：

式中：X、Yd、Yu分別為投入變量、期望產出變量和非期望產出變量；

ρ為效率值；

i為投入；

r為期望產出；

t為非期望產出；

j為決策單元；

k為被決策單元；

1.2 Malmquist 指數模型

Malmquist 指數最早由S.Malmquist[16]于1953年提出，該指數可以對全要素生產率（total factor productivity，TFP）進行測算，具體分解為技術效率指數（technical efficiency change，TEC）和技術進步指數（technological change，TC），其中技術效率指數又可以細分為純技術效率指數（pure efficiency change，PEC）和規模效率指數（scale efficiency change，SEC）。

本研究構建的模型公式如下：

式中：I為指數值；

Dt(xt,yt)、Dt(xt+1,yt+1)分別為t時期技術水平下的t、t+1 時期的投入產出向量的距離函數；

Dt+1(xt,yt)、Dt+1(xt+1,yt+1)分別為t+1 時期技術水平下的t、t+1 時期的投入產出向量的距離函數。

當ITFP指數等于1 時，全要素生產率保持不變；ITFP指數大于1 時，全要素生產率提高；ITFP指數小于1 時，全要素生產率衰退。且提高或衰退的比例取決于高于或低于1 的比例大小。

2 指標確定與數據選取

基于數據獲取的完整性和效率測算的有效性，從投入與產出角度出發，構建西部煤炭開采生態效率評價指標體系。

2.1 評價對象與指標

本文選取2011—2019 年我國西部大部分地區（由于西藏地區數據嚴重缺失，所以不予考慮）的面板數據進行研究。具體包括內蒙古自治區、廣西壯族自治區、重慶市、四川省、貴州省、云南省、陜西省、甘肅省、青海省、寧夏回族自治區、新疆維吾爾自治區等11 個省市自治區。根據生態效率的相關理論，參考牛苗苗[13]、堯志祥[17]等在生態效率研究方面所選取的指標，本研究從資源消耗、生態環境、經濟發展3 個角度綜合考慮西部地區煤炭開采涉及的指標，投入指標有煤炭開采固定資產投資、平均從業人員、能源消耗總量、工業用水量等，期望產出有原煤產量、主營業務收入等，非期望產出有水污染（工業廢水排放量）、大氣污染（二氧化硫排放量、煙塵排放量、煤層氣排放量）、土壤污染（煤矸石等固體廢棄物產生量、土地損壞塌陷量）、其他污染（采礦事故率、開采噪聲污染、水土流失、溫室效應、生物多樣性破壞等）。考慮到數據的可獲取性與合理性，最終選取固定資產投資、平均從業人員、能源消耗總量、工業用水量為投入指標，原煤產量和主營業務收入為期望產出，工業廢水排放量、工業二氧化硫排放量、工業固體廢棄物產生量、開采累計損壞土地面積為非期望產出。投入產出具體見表1。

表1 投入產出指標統計表Table 1 Statistical table of input-output indicators

2.2 數據來源

為保證數據的真實有效性，數據主要來源于《中國統計年鑒》《中國工業統計年鑒》《中國環境統計年鑒》《中國國土資源統計年鑒》，以及各省市自治區的統計年鑒。對于個別缺失數據，采用插值法的方式進行補全。數據的描述性統計結果見表2。為消除價格因素對指標的影響，以2010 年為基期的固定資產投資價格指數對煤炭開采固定投資進行價格平減，而以2010 年為基期的工業品出廠價格指數對主營業務收入進行價格平減。

3 實證結果分析

3.1 靜態效率分析

運用MaxDEA 軟件中的考慮非期望產出的超效率SBM 模型對數據進行處理，得到2011—2019 年西部地區煤炭開采業的綜合生態效率值及其分解效率值，處理結果見表3、表4。

由表3、表4 可以得知，研究期間西部地區11個省市自治區的生態效率平均水平較低，均值為0.613。從橫向角度來看，各省份間的生態效率值差異較大，最高的是四川省，為1.507，最低的是廣西壯族自治區，為0.114。從縱向角度來看，各年份間的生態效率值變動較小，總體呈現出“先下降后上升”的趨勢，主要源于近年來國家對煤炭產業技術創新與結構性調整的重視。

表3 2011—2019 年西部省市自治區的生態效率值Table 3 Ecological efficiency values of provinces,municipalities and autonomous regions in Western China from 2011 to 2019

表4 西部地區生態效率分解表Table 4 Illustration table of ecological efficiency in Western China

超效率SBM 模型相比于傳統DEA 模型，存在大于1 的情況，方便了各決策單元的排序比較，解決了多個決策單元為1 的問題。根據各地區SBM 生態效率值，結合自然斷點法，把各省市自治區煤炭采選業生態效率水平大致分為3 級，具體見表5。

表5 西部地區煤炭開采地區分類表Table 5 Classification of coal mining areas in Western China

由表5 可知，第一級是較低效率地區，生態效率值范圍為0.114 000～0.282 000，包括廣西壯族自治區、甘肅省、云南省3 個地區。結合表4 可知，廣西壯族自治區綜合效率最低，具體表現為高純技術效率、低規模技術效率，煤炭資源分布較為零散，缺少大型煤礦，所以規模效率較低。甘肅省同樣是由于低規模效率導致的整體生態效率低，主要是中小型企業較多，缺乏先進工藝技術，同時較大的能源消費量和高工業排放給生態環境帶來了更大的壓力。云南省煤炭以小型、鄉鎮煤礦為主，煤炭資源條件和開采條件限制了大型煤礦的修建，且需求與供給矛盾明顯，開采過程中重視度不足，存在不合理的開采行為，給環境帶來了一些負面影響，綜合導致生態效率低下。

第二級是中效率地區，生態效率值的范圍劃定為0.282 001～0.612 000，主要是寧夏回族自治區、新疆維吾爾自治區和重慶市。三地存在同樣的問題，都是純技術效率高但規模效率低。寧夏回族自治區小黑煤礦較多，行業競爭大，不易形成產業集群。新疆維吾爾自治區雖然煤炭量大但分布極不均勻。重慶市主要是由于產能過剩導致的效率低，在政府加快推進淘汰落后產能后得到了有效改善。中效率地區應該根據地區煤炭資源分布情況，適度調整煤炭產業結構，改進生產方式，退出落后不合理產能，優化產業規模，實現規模效率。

第三級是較高效率地區，生態效率值范圍為0.612 001～1.507 000，依次為貴州省、青海省、陜西省、內蒙古自治區和四川省。其中，四川省、陜西省和內蒙古自治區三地的純技術效率和規模效率均有效，源于四川省經濟發展水平較高，對環境保護和資源有效利用的關注度較高；山西省和內蒙古自治區煤炭資源豐富，國家及政府的重視度較高，積極投資煤炭采選業、引進專業人才和先進技術。而貴州省和青海省兩地的規模效率均無效，源于兩地產能落后以及嚴重產能過剩，對于先進技術的普及還沒有實現規模效益，需要進一步推進開采機械化程度，調整產業結構，因地制宜合理開采煤炭。

3.2 動態效率分析

考慮到靜態生態效率值無法反映出年份之間的效率動態變化及趨勢，故運用MaxDEA 軟件中的Malmquist 指數模型對2010—2019 年西部地區各省市自治區的煤炭開采生態效率進行動態分析，測算結果見表6，TFP、TEC、TC 的變化曲線見圖1。

表6 中顯示，研究期間西部地區煤炭開采TFP指數均值為1.050，說明在研究期間西部地區煤炭開采生態效率年均增長率為5%，分解到技術效率和技術進步效率，分別為1.01 和1.04，可見這9 年間技術效率和技術進步效率同時促進了西部地區煤炭開采的綠色生態效率。

表6 2011—2019 年西部地區煤炭開采生態效率及分解指數Table 6 Ecological efficiency and factoization index of coal mining in Western China from 2011 to 2019

由圖1 可知，研究期間全要素生產率大體呈逐步上升趨勢，且規模效率指數變化與全要素生產率指數的變動情況基本一致，說明規模效率與地區煤炭采選業生態效率成正相關。從時間變化趨勢看，2011—2015 年，TFP 指數小于1，處于下降趨勢，但從圖中可以看出TFP 指數是逐年遞增的，說明西部地區煤炭采選業的生態效率逐步改善；2015—2019 年，TFP指數大于1，處于上升趨勢，年均增幅為16.5%，且在2019 年達最大增幅，為24.7%。2015 年為“十二五”收官和“十三五”規劃的交替之年，可見“十二五”關于煤炭產業結構性調整與科技創新發展等措施起到了顯著成效。在2016—2017 年，TFP 指數短暫下降，主要是由于2016 年在《國務院關于煤炭行業化解過剩產能實現脫困發展的意見》中提出了淘汰落后及過剩產能、控制過度生產、促進產業轉型調整等策略，對煤炭產業的規模效率帶來了一定沖擊，但在調整適應后仍呈直線上升趨勢，西部地區煤炭開采生態效率及指數分解值為表7 所示。

表7 西部地區煤炭開采生態效率及分解指數Table 7 Ecological efficiency and decomposition index of coal mining in Western China

表7 中可以得知，從TFP 指數角度把結果分為TFP 指數大于1 和TFP 指數小于1 兩種類型，即煤炭開采生態效率值表現為上升的地區和下降的地區。TFP 指數小于1 的地區有甘肅省、寧夏回族自治區和云南省，主要是受到TEC 的抑制作用，可見煤炭產業的有效管理也是影響生態效率的重要因素；TFP 指數大于1 的地區有廣西壯族自治區、貴州省、內蒙古自治區、青海省、陜西省、四川省、新疆維吾爾自治區、重慶市等8 個地區。其中陜西省和重慶市兩地的技術進步處于下降狀態，可見兩地的技術創新水平仍有待提高。廣西壯族自治區的技術效率處于下降狀態，源于煤礦儲量少且較為分散，不易管理。青海省和四川省技術進步指數和技術效率指數雖大于1，但是分解到規模效率卻出現小于1 的情況，說明兩地的生產規模沒有實現最優，需要對產業結構進一步優化調整。貴州省、內蒙古自治區、新疆維吾爾自治區的各項指數均大于1，說明這3 地的煤炭開采技術水平和煤炭產業管理水平都處于有效狀態。

4 結論與建議

本文通過對西部11 個省市自治區2011—2019 年煤炭開采生態效率的靜態分析和動態分析，可得出以下結論：

1）由靜態效率可得，2011—2019 年間，我國西部地區煤炭開采業生態效率水平總體偏低，不同地區之間的生態效率值差異較大，不同年份之間的波動較為穩定。根據效率值將11 個地區劃分為有效生態地區、一般無效生態地區和明顯無效生態地區。

2）由動態分析可得，研究期間西部地區煤炭開采TFP 指數均值為1.05，說明在研究期間西部地區煤炭開采生態效率年均增長率為5%。全要素生產率呈逐步上升趨勢，2018—2019 年達最大增幅，為24.7%，可見西部地區煤炭采選業綠色生態效率提升加快。

本研究通過對西部地區煤炭采選業生態效率的研究，有助于相關部門有針對性地對西部各省市自治區進行治理，從而促進當地整體生態效率提高。根據上述研究結論，提出以下建議：

1）培養高技術人才，提高勞動力水平。煤炭開采企業可通過與高校合作的方式實行產學研一體化，在高校設置對口專業，實現人才的專業化培養與對接。政府可通過人才引進政策引進發達地區的人才，協調東西部地區均衡發展。

2）注重科技創新發展。加強對先進技術的研究，比如沉陷區生態修復技術、露天礦排土場和采掘場生態重建與修復技術、保水采煤技術、煤矸石綜合利用技術、低濃度和乏風瓦斯綜合利用技術等，促進煤炭采選行業綠色高效發展。

3）合理布局產業規模，提高規模效率。由于煤炭企業規模的迅速擴大與煤炭需求的縮小，導致產能過剩問題顯著。所以要適當清退不合格煤炭企業，提高煤炭整體質量。同時，設置煤炭企業準入門檻，嚴格要求煤炭開采技術和煤炭廢棄物排放水平，保證煤炭產業整體的規模效率。

4）減少煤炭開采非期望產出，加大控制污染物的排放與污染防治。一方面政府通過出臺相關法規要求控制污染物的最高排放量，并且加強監管；另一方面，加強對地面塌陷、水土流失等生態環境問題進行治理與修復，擴大土地復墾面積，努力把西部地區打造成資源節約型、環境友好型地區。

本文對西部地區煤炭采選業的研究仍存在一定的局限性。首先，在指標的選取方面，由于數據的可獲得性，甲烷排放量、噪聲污染、水土流失等因素都不得不被剔除，最終構建的評價體系較為簡單；其次，對于社會方面的影響因素考慮較少，且環境排放指標未具體統計到煤炭采選業；最后，文章僅研究了西部地區的煤炭采選業，研究范圍有待擴充。在今后的研究中會對以上問題逐個破解，以對煤炭采選業的生態效率有更進一步的研究。