我國省域環境治理效率評價及其影響因素*
——基于熵權法與DEA非期望產出模型

康妍昕 林芊含

(福建師范大學文化旅游與公共管理學院,福建 福州 350117)

0 引言

改革開放以來,我國在經濟建設中取得了許多成就。但在推進經濟發展過程中,綠色化建設仍存在較大不足,經濟發展和環境治理不平衡、不協調[1]。對此,我國提出加快生態文明體制改革,建設美麗中國,推動綠色化發展,加快構建我國高質量發展指標體系[2]。此后,我國加快環境治理步伐,堅持以綠色為導向,貫徹創新、協調、綠色、開放、共享五大發展理念,努力構建生態強國,推動我國環境治理高效化、現代化。

在推動環境治理進程中,由于不同區域經濟發展水平、環境政策以及研究領域不一,環境治理效率差異較大,導致我國環境治理效率指標體系不完善,這會對我國推進更高質量的發展進程和采取治理環境問題的措施造成影響。現有研究僅針對農村生態環境治理、海水環境治理等部分領域,缺乏多角度、全方位研究,具有局限性。因此,綜合研究環境治理效率評價問題很有必要。

本文基于我國省域全方位環境治理的現狀,對我國2016—2020年不同省域環境治理效率影響指標進行分類評價,并對環境治理綜合效率的影響程度進行測量;結合DEA非期望產出模型與熵權法構建我國省域環境治理效率評價及其影響因素分析方法,基于熵權法進行環境治理效率指標篩選,依據關鍵輸入指標和產出指標數據構建環境治理效率評價框架,通過DEA非期望產出模型進行投入產出效率計算,進一步測算區域差異對環境治理綜合效率的影響程度,為將來環境治理研究提供參考。

1 文獻綜述

1.1 環境治理效率評價研究

隨著經濟發展和工業化進程不斷加快,環境污染逐漸成為國家、社會討論的熱點問題。為了探究環境治理成效,社會學者對環境治理效率評價進行研究。葉菲菲等[3]將關鍵投入產出概念引入傳統的交叉效率評價方法中,發現大氣污染治理效率有較大的區域差異,并通過方案對比得出關鍵投入產出對衡量大氣污染治理效率十分重要的結論;張國興等[4]從工業固體綜合利用率、工業二氧化硫去除率、公眾環境監督行為等指標分析了公眾參與對環境污染治理效率的影響;WANG等[5]基于兩階段網絡的超DEA方法探究我國工業治理效率,從廢氣、廢水、固體廢棄物等方面對比治理效率差異;PENG等[6]采用三階段DEA方法和超SBM相結合的方法,從城市生活垃圾無害化處理率、生活垃圾出保量、工業生活垃圾處理量等指標分析各省份(臺灣、香港、澳門除外)環境治理效率。

1.2 環境分類治理指標選取研究

環境分類指標的選取是環境治理效率評估中不可缺少的一部分,但環境分類指標目前尚未有完整統一的框架系統,已有研究中指標選取差異較大。羅明等[7]采用Stackelberg博弈—DEA模型,從工業固定資產凈值、從業人員總數、工業總產值、二氧化硫排放和廢水排放等指標測度了環境社會治理效率及其子系統效率,并進行時空演化分析;YE等[8]基于拓展信念規則(EBRB)系統,從二氧化硫、COD、固體廢棄物等指標建立環境治理成本預測系統,并分析區域治理效率差異;HE等[9]基于DEA模型,從空氣質量、綠地覆蓋、固體污染物利用率等指標分析我國地方政府環境治理效率;李強等[10]基于基準模型分析和穩健性檢驗,將廢水、二氧化硫、煙(粉)塵排放量作為研究指標,分析環境分權與環境治理的有效性。可以發現,廢氣、固體排放物、污水等是以往環境治理效率評價研究中最常選用的指標分析。

考慮到環境治理效率評價指標會針對某一領域污染進行研究,所以,在不同領域下指標的選取標準不同。例如,在探究海洋污染治理的指標選取中,丁黎黎等[11]依據虛擬生產前沿的網絡RAM模型,從沿海工業排放的廢水、固體廢棄物、資本、勞動指標研究我國海洋環境治理效率;鄭建明等[12]從海洋環境規制、環境分權、海洋經濟發展水平、海洋產業結構等指標研究海洋環境污染與治理問題。在研究空氣污染治理效率的相關研究中,主要圍繞空氣流動指數、治理完成投資額等進行指標選取,例如薛飛等[13]采用雙重差分法從空氣質量指數、氣象因素等指標進行測算空氣污染治理效果;JIANG等[14]從資本投入、勞動力和當地政府競爭等指標研究我國空氣污染與經濟發展的關系。

近幾年,部分學者開始重視環境污染治理效率評價與環境政策、法規協調發展的關系。例如YE等[15]提出有效的監管法規研究能夠提高經濟效率,并闡明不同的環境法規對不同行業的影響不同;張凱[16]認為在國家治理現代化視角下,環境政策跟蹤審計可實時監督環境政策執行情況,助力實現生態綠色發展;沈坤榮等[17]基于“河長制”水污染環境治理成效明顯,認為中國地方環境政策成效顯著。

1.3 環境治理效率影響因素研究

環境治理效率受多方面因素影響,城鎮化、外商投資引入、經濟發展、第三產業比重增加、科技水平提高等都會影響環境治理效率,但目前的研究主要集中于城鄉、水域環境治理效率的影響。從城鄉角度而言,林瓊等[18]利用超效率SBM-DEA模型研究我國城市環境治理效率,研究表明人口密度、技術投入、對外開放與環境治理效率成正比,財政分權程度與環境治理效率成反比,且GDP對環境治理效率的貢獻程度存在地區間差異;程莉等[19]從鄉村生態、生產、生活環境治理出發,運用超效率SBM-DEA模型定量測算了我國省域鄉村生態環境治理效率,發現政府財政支農水平、農村人力資本、農村經濟發展水平、城鎮化水平、農村信息化水平與鄉村環境治理效率正相關,工業化水平則與鄉村環境治理效率負相關。從水域研究角度而言,袁宏川等[20]從非期望產出角度出發,運用DEA-SBM模型得出基礎設施水平、環境規制的逆指標對城市水環境治理效率呈顯著正向影響,城鎮化水平對水環境治理效率呈顯著負向影響;官永彬等[21]基于高質量發展理念研究,指出環境規制對長江經濟帶環境治理效率的影響具有異質性,自愿型環境規制、市場型環境規制對環境治理效率具有正向影響,強制性環境規制對環境治理效率具有負向影響,而城鎮化率對長江經濟帶環境治理效率發揮了顯著促進作用,但財政分權對環境治理效率有顯著負向影響。

1.4 現有研究存在的不足

首先,環境治理效率評價在現有研究中所涉領域不夠全面,僅局限于水污染、海洋污染或研究某一省份的環境治理效率。而環境治理效率分析應該立足整體,以更全面、完整的角度分析現有環境治理影響因素中最重要的指標。現有研究缺乏綜合角度下的環境治理因素以及各省之間治理效果的分析比較,難以為國家政策導向、政策執行提供合理的方法和借鑒。

其次,環境治理效率評價選取指標的范圍和標準不明確。現有研究選取指標大多為專家的主觀判斷,并未有專業的分析和理論依據,此外,指標的選取并未構建統一的機制,導致環境治理效率評估不準確。指標選取未具有差異性,在對其影響因素參考意義不大的情況下,使用DEA模型計算出的效率值會出現均趨向于1,造成對比分析不夠明顯,最終效率評估不具有較大的現實意義,對政策的導向作用不大。同時,指標的選取大多為規劃類指標,指標間聯系不大,指標評估內容過于寬泛。

再次,所研究的結論僅與省域間的經濟發展水平成比例關系,并未考慮各省與其相關的影響因素。我國地域遼闊,各省域特點各有不同,僅將環境治理效率與經濟發展水平聯系,研究目的不夠完整全面,應充分考慮相關的潛在因素,立足于小基點,全面、客觀比較分析省域環境治理效率。

綜上,本文將根據熵權法與DEA非期望產出模型對不同分類下的環境污染指標進行合成分析,并結合生活垃圾清運量、城市綠地面積、生活垃圾衛生填埋無害化處理、造林總面積的投入和地區生產總值、化學需氧量排放、顆粒物排放量、二氧化硫排放量的產出建構統一完整的投入產出指標體系,確保環境治理效率評估的準確性。

2 基于熵權法和DEA非期望產出模型效率評價建模

2.1 基于熵權法的環境治理效率指標篩選

指標賦權方法的核心思路是依據數據之間的關系,通過一定的數學模型或者數學計算方法確定指標的權重,該過程主要以數學理論為依據,不依賴主觀判斷。為了將客觀賦權應用到環境治理效率評價建模中,本文基于熵權法提出環境治理效率指標篩選方法,具體步驟如下:

①標準化指標數據。假設環境治理效率評價中包含M個輸入指標{Ui;i=1,…,M}且每個指標有T個數據{xi,t;t=1,…,T},則標準化后的指標數據Y= (yi,t)M×Y可以通過如下公式算得:

(1)

式(1)中,xi,t∈ΩPositive表示xi,t屬于正向指標數據,其值越大越好;xi,t∈ΩNegative表示xi,t屬于負向指標數據,其值越小越好。

②計算每個輸入指標的熵。熵是指指標中所包含的信息量,當指標的熵越小,則該指標的變化程度越大,能夠提供的信息量也越多。因此,其在決策過程中的指標權重也就越高。據此,可計算第i個指標的熵:

(2)

式(2)中,pi,t表示第i個指標下第t個指標數據的比重,其計算公式如下:

(3)

③計算每個輸入指標的權重。依據步驟②中計算所得的熵,可以通過下式計算每個輸入指標的權重:

(4)

④依據指標權重篩選輸入指標。依據步驟③中計算所得的指標權重,再結合實際需求或專家經驗確定所需選取的關鍵指標數量,從原始指標數據中選取所對應的數據作為新的指標數據。最后,根據關鍵輸入指標和產出指標數據構建環境治理效率評價模型。

2.2 基于DEA非期望產出模型的投入產出效率計算

DEA模型是1978年由Charnes 等人提出,并成為解決效率評價問題的主要方法之一,其優點是適用于多投入多產出的有效性評價、無需對數據進行無量綱化處理和無需權重假設。隨著DEA模型在經濟、管理、系統科學等領域的廣泛應用,越來越多的學者利用DEA模型進行環境治理效率評價的研究。其中,DEA非期望產出模型在環境治理效率評價中的應用最廣。因此,本文引入DEA非期望產出模型用于計算環境治理成本預測問題中的投入產出效率,具體步驟如下:

①假定環境治理成本預測問題中有n個決策單元,m個投入指標、s個期望產出指標和h個非期望產出指標。相應地,n個決策單元的投入指標、期望產出指標和非期望產出指標可以分別表示成矩陣X(T)、Y(T)和Z(T)。

(5)

(6)

(7)

②根據式(5)～式(7)中所示的投入指標矩陣X(T)、期望產出指標矩陣Y(T)和非期望產出指標矩陣Z(T),利用DEA非期望產出模型可求解各個決策單元的效率值,其中對于特定的DMU0,其效率值可由如下線性模型求解得到:

(8)

bfj=-zfj+βf,

式(8)中,βf是一個正數且具體數值須足夠大以保證bfj也為正數數值,從而對非期望產出進行有效地轉換。由文獻可知,βf為βf=maxj=1,…,n{zfj}+minj=1,…,n{zfj}[3]。

2.3 環境治理效率影響因素建模分析

基于DEA模型核算結果,對我國2016—2020年的環境治理效率進行分析,發現不同年份、不同省份之間的環境治理效率存在顯著差異。為了更好地分析我國各省份環境治理效率影響因素,同時考慮實證結果可能存在的內生性問題,本文將環境綜合治理效率作為因變量,應用固定效應模型(Hausman檢驗Prob>chi2 =0.0005),進一步測算區域差異對于環境治理綜合效率的影響程度。構建的模型如下所示:

lnYsit=α+lnXsitβ+πs+εsit

(9)

式(9)中,Ysit表示ID為s的i省份在時間t的環境治理效率;Xsit表示一系列解釋變量,包括地區生產總值、化學需氧量排放、顆粒物排放量、二氧化硫排放量、生活垃圾清運量、城市綠地面積、生活垃圾衛生填埋無害化處理、造林總面積等;πs表示個體不隨時間變化的個體固定因素;εsit是誤差項。

3 案例分析與討論

3.1 數據來源及描述性統計分析

為了研究我國省域環境治理效率及其影響因素,本文收集了我國各省份關于環境治理一系列數據,將各省份投入指標分為財政支出、固體廢棄物、林業資源、人力資源、交通五類,說明基于熵權法與DEA非期望產出模型的我國省域環境治理效率評價及其影響因素分析過程,具體環境投入相關衡量指標描述性統計分析如表1所示。

表1 2016—2020年環境投入相關衡量指標描述性統計分析

3.2 指標篩選及效率結果評價分析

對于環境治理績效分析而言,本文在進行績效分析時不同的輸入量都會對最終結果的計算造成影響。而熵權法是一種客觀賦權法,結果比較客觀。在主觀選擇和分析指標后,再通過熵權法進行客觀賦權,此時的權重基于主觀分析和客觀計算,評價結果真實、科學、可信。因此,本文基于熵權法對各指標的數據標準化處理,目的是取消量級對數據的影響,以便于后一步的計算。因為不同類型的數據和不同的單位都會造成計算量的失調。通過模型公式計算出同一年份同一指標下不同省份所占的比重,具體的指標權重如表2所示,并進行權重大小比較。

表2 2016—2020年投入指標熵權法指標權重

計算不同年份的權重后,將每年排名前五的指標列出來,針對權重數據做交集運算,最終形成四個用于研究的投入指標,具體的投入產出指標的數值描述性統計分析如表3所示。

表3 2016—2020年主要環境治理指標描述性統計分析

不同省份(臺灣、香港、澳門除外)環境治理效果存在明顯差異(圖1),其中環境治理效率排名前三的是西藏、上海、海南,居于后三位的是黑龍江、吉林、遼寧,說明東北三省環境治理力度不夠大,環境治理問題凸顯,這與東北老工業基地在環境方面的歷史遺留問題有關,政策的效力性有待反思與提高。通過2016—2020年各省環境治理平均效率對比可知,我國區域環境治理效率與環境治理政策和新發展理念的貫徹息息相關。

圖1 2016—2020年各省份環境治理平均效率

2016—2020年各省環境治理效率變化幅度不大(表4),基本處于平穩上升或下降趨勢,但陜西和山東變化尤其明顯。陜西在2016—2017年環境治理效率迅猛上升,但在2017—2018年又迅速下降,在兩個逆差變化之后治理效率一直處于平穩趨勢,足以看出陜西“十三五”生態環境保護工作成效明顯。山東在2020年治理效率最為凸顯,這與山東重視環保程度和政策執行力相關性大。

表4 2016—2020年各省份環境治理效率

為了更好對比不同省份之間治理效率的差異,按照東、中、西部進行劃分,并對東、中、西部省份的環境治理效率分別求平均數(圖2)。可以發現,三個地區2020年較2016年的環境治理效率均有大幅提升。但西部省份環境治理仍然有所欠缺,在2016—2017年環境治理效率大幅提升,而后保持平穩趨勢,這反映出西部省份環境治理存在“泄氣”的趨勢。反觀中、東部省份,雖然一開始增長比較緩慢,但在2017年以后,中、東部省份增速有了較大幅度的提升,這是一個生態良好發展的趨勢。

圖2 2016—2020年東、中、西部省份環境治理

為深入了解各省份環境治理效果與投入產出指標的合理性,本文根據投入產出指標計算,以2020年各省份投入產出指標合理性情況為例(表5)。從橫向結構來看,北京、西藏等省份環境治理的投入產出量得到完全有效利用,投入產出結構合理。從縱向結構來看,投入指標方面,生活垃圾清運量的投入在全區域內均合理,山東、黑龍江等區域城市綠地面積投入不足,廣東、山東等地區生活垃圾衛生填埋無害化處理和造林總面積投入較小,力度不夠大;產出指標方面,地區生產總值基本較合理,但山東仍大幅度存在地區生產總值過剩。化學需氧量排放產出也基本較合理,僅有新疆、吉林等地區存在較小的產出過剩問題,需加強力度解決。顆粒物排放問題存在較大差異,河南、廣東等地區存在大量顆粒物排放量過剩問題,而青海、海南等地區存在過剩問題不大。大量較不發達城市二氧化硫排放量過剩問題普遍偏大,內蒙古、山東、貴州較為嚴重。綜上,無論從縱向還是橫向進行分析,我國環境治理效率都得到顯著提升,但是治理效率投入產出合理性還需加大改進。

表5 2020年各省份投入產出指標合理性分析

續表

3.3 環境治理效率影響因素分析

本文使用2016—2020年我國各省份(臺灣、香港、澳門除外)的面板數據進行分析驗證環境治理影響因素,對各省份各年度數據進行固定效應回歸(表6)。

固定效應回歸中,相關系數正值表示具有正向作用,負值表示具有負向作用。P值小于0.1,說明該變量對環境治理效率的影響具有顯著性。由表6中可知,一是人均地區生產總值反映一個地區的經濟發展水平,其相關系數為正,說明經濟發展水平對城市環境治理水平有顯著促進作用。二是地方財政環境保護支出、人均公園綠地面積以及電力消費量反映各省份加強城市環境治理的基礎設施的投入與建設,這與各省份貫徹落實生態文明建設理念息息相關。這些變量的相關系數均為正,說明這些變量對于環境治理效率均有促進作用,地方政府對于政策的實施與監督的有效性明顯。三是二氧化硫排放量、生活垃圾清運量及規模以上工業企業個數是反映“三廢”治理的重要指標,這些變量的相關系數均為負,說明廢氣、固體污染物排放對環境治理起到抑制作用,尤其是固體污染物對環境治理的抑制極為明顯。四是水利、環境和公共設施管理業城鎮單位就業人員的相關系數為正,說明它對環境治理效率的提升有促進作用,反映了隨著社會的進步和人民環保意識的提升,人民環保就業意愿也提升。五是民用汽車擁有量的相關系數為正,說明它對環境治理效率的提升有促進作用,反映了隨著信息技術水平的進步,以及新能源汽車的使用,汽車使用量對于環境污染的影響程度也隨之降低。本文產出指標除了選取污染指標外,還有GDP,民用汽車擁有量雖然在一定程度上導致汽車尾氣排放增加,但也說明了交通運輸作為我國三大產業之一,對國民經濟的發展具有重要的正向作用。

表6 環境治理效率影響因素固定效應模型分析結果

為了保證實驗結果有效性和可行度,本文對固定效應模型進行了Hausman檢驗(表7)。檢驗結果中的“Prob>chi2=0.0005 ”表示拒絕原假設所犯的棄真錯誤的概率,該概率越小,越應該拒絕原假設。若把顯著水平定為5%,上述結果表明拒絕原假設,即選擇固定效應模型是合理的。

表7 各變量的Hausman檢驗

4 結論與建議

4.1 結論

本文基于我國各省份的環境污染治理相關投入產出指標數據,通過熵權法對投入指標進行客觀賦權,篩選出對環境治理影響較大的投入指標,再基于DEA非期望產出模型計算得出環境治理效率。結合相關數據對不同年度、不同省份的環境治理效果進行橫向及縱向分析,主要結論如下:

①環境污染治理效率呈顯著差異。從不同省份來看,各省總體上治理效果明顯,但從極端值上比較,差異顯然存在。例如,黑龍江、吉林、遼寧治理效率低于0.5,這說明東北三省治理效率較落后,重視程度遠遠不夠;從區域而言,總體來說東、中部省份環境治理效果比西部省份好,東、中部省份治理效率呈逐年上升趨勢,而西部省份卻呈平穩變化趨勢。若未繼續高度重視,我國環境污染治理效率區域差異將會增大,因此,采取必要措施縮小差距,提高治理效率。

②各省環境治理效率變化幅度不大,除陜西和山東變化幅度較為明顯,其余基本處于平穩上升或下降趨勢。其中,陜西變化幅度極大,呈“上下坡”趨勢,之后處于平穩狀態,說明陜西環境污染治理的投入產出結構不斷優化改善,指標投入效果明顯。因此,在未來開展環境治理工作時應注重省份內治理結構調整和優化。

③我國投入產出治理結構合理性還有待提高。從縱向與橫向結構分析可知,投入產出指標得到完全充分利用的省份較少,大部分省份均存在投入產出指標不平衡的問題。對于不同省份而言,投入缺少和產出過剩指標不同,其中,城市綠地面積投入缺少和顆粒物排放量產出過剩的問題覆蓋率極高。因此,優化環境治理結構是提高環境治理效率的關鍵。

4.2 建議

首先,環境污染治理效率存在顯著差異,說明當前環境治理發展不平衡,部分省份對環境治理的重視程度及投入程度還有待提高。民眾方面,應提升民眾的環保意識,積極為環境治理建言獻策。政府方面,一是應健全考核制度,將干部日常監督、評先選優、職位晉升的考核內容與環境治理、社會發展等要素結合起來,制定科學合理、客觀公正的考核指標和考核制度,將環境治理問題貫徹落實到位,提高治理成效;二是推進政府“智腦”建設,加快“智慧政府”打造,通過“智治”加強環境治理中多元治理主體的溝通交流,減少面對面談判、協商、合作的治理成本,增強各主體參與性、工作透明度;三是應高度重視環保領域就業趨向,提高環保領域就業意愿,利用人才優勢創新環境治理機制,進而推動環境治理高效化。國家方面,可以出臺相應的環境治理法規與政策,強化執法監督。同時,也要加大對環境治理的財政投入,可以利用獎懲制度,激勵地區環境治理。

其次,各省投入產出結構合理性不足,變化幅度起伏不定,說明當前投入產出結構沒有正確的結構模型進行環境治理。因此,調整和優化當前環境治理結構是推動環境治理的內部動力。廢氣排放方面,大型工業企業排放物、路面汽車尾氣排放對空氣污染造成嚴重危害,政府應提出可行的排污治理方案,大力推廣新能源汽車。廢水治理方面,各省應加強地區水域的生態平衡治理,避免因藻類植物過剩而導致水體富營養化。同時,各省應合理規劃大型工廠廢水排放,加強監督力度,避免廢水隨意排放。土地規劃利用方面,各省應加強綠化面積覆蓋率的提升,合理開發和利用剩余土地資源,因地制宜種植植被。

再次,應貫徹落實“綠水青山就是金山銀山”的發展理念,堅持經濟發展與環境治理協調發展。對于經濟發展水平較高的地區,應當在保持經濟高水平發展的同時,兼顧環境生態保護及治理,避免出現因加快工業化進程而導致環境污染嚴重的情況;對于經濟發展落后地區,應當加強節能減排政策,創新高效能治理機制。