華東地區大氣污染項目治理效率評價研究

袁廣達　趙夢辰　蔣巖

【摘 要】為治理大氣污染我國已投入大量資源，然而所投入的資金是否收獲治理成效這一問題亟須研究。文章借助三階段DEA模型，剔除了環境變量和隨機誤差的影響，對華東地區2015—2019年大氣污染項目治理的效率展開了分析，結果表明：所選環境變量對投入指標的松弛變量有著顯著的影響，經濟開放程度和科技發展水平的提升能夠減少廢氣排放；剔除環境因素和隨機誤差影響后第三階段DEA綜合效率低于第一階段，差異主要受到純技術效率的影響；通過系統聚類法將華東地區各省按其治理效率高低進行了四類排序，發現華東地區各省份間治理效率差異較大，江浙滬地區實現治理相對有效而其余地區均是治理無效的。

【關鍵詞】 大氣污染； 治理效率； 三階段DEA

【中圖分類號】 F23；X321? 【文獻標識碼】 A? 【文章編號】 1004-5937（2024）05-0070-09

一、引言

（一）研究背景

21世紀以來，隨著我國工業化和城鎮化進程的推進，大氣污染物排放量逐年增加，大氣環境質量逐漸惡化。為了治理大氣環境污染，改善大氣環境質量，我國于2014年實施《大氣污染防治行動計劃》，2015年發布《大氣污染防治法》，2017年開展治理“散亂污”企業、淘汰燃煤小鍋爐等工作，2018年出臺《打贏藍天保衛戰三年行動計劃》，2020年印發《長三角地區2020—2021年秋冬季大氣污染綜合治理攻堅行動方案》，2023年印發《空氣質量持續改善行動計劃》，諸多大氣污染防控政策都表明政府對大氣污染治理的重視，也投入了大量資金，然而所投入的資金是否收獲治理成效等問題還亟待得到真正重視。

華東地區是中國經濟發展最快的地區之一，但依然存在能源消耗量巨大、污染物排放密集、大氣復合污染嚴重等問題。多年來，生態環境部公布的涉氣問題公告中，多次出現華東范圍的地區或企業。雖然華東地區在大氣污染防控方面已投入大量資源，但由于目前仍缺乏規范統一的環境治理效率評價體系，這在一定程度上制約了提高治理效率的積極性和監督環保措施執行的持續性，不利于治理項目結構的優化。本文從大氣污染治理入手，以其環保投資的治理項目為切入點，借助三階段DEA模型對華東地區真實的大氣污染項目治理的效率展開測算并分析，期望能對區域治理合理化和綠色發展起到促進作用。

（二）文獻綜述

1.環境治理績效評價研究

陳鵬等[1]針對環境保護投資現狀及“投入機制不暢、環境績效欠佳和難以應對系統化解決環境問題的需求”等問題，構建了“效果導向型評價指標體系”，并開展了不同項目類型的環保投入績效評價指標體系設計。張亞斌等[2]采用SBM方向性距離函數分析了包括環境治理投資要素在內的環境治理總體績效，認為華東地區環境治理投資冗余額上升最快。劉麗波[3]基于政府統計的設置指標、環境治理投入物力財力要素和產出效益的特征，構建了多投入多產出的評價指標體系。薛英嵐等[4]利用Super-SBM模型對我國“大氣十條”實施期間污染治理投入績效進行評估，發現2013、2014年達到DEA有效，且重點區域省份效率普遍偏低，存在投入冗余的問題。

2.大氣污染治理效率研究

（1）效率測算方法。王奇等[5]運用超效率DEA模型，研究2004—2009年大氣污染的治理效率，發現中部地區的大氣污染治理效率值比東西部地區高。Toshiyuki et al.[6]運用DEA模型對美國東北部地區燃煤電廠的廢氣治理效率值進行了測算分析。鄭石明等[7]運用超效率DEA模型，將廢氣治理設施數、設施運行費和環境保護系統年末實有人數作為投入指標，將主要大氣污染物的去除和排放量作為產出指標，測算大氣污染治理的效率。Zhang et al.[8]運用兩階段DEA模型對30個省份的廢氣治理效率值進行測算，總成本約為1.6511萬億元，空氣質量改善的效益為2.4691萬億元，凈效益為8 180億元。楊冕等[9]對我國工業污染治理效率進行測算，研究發現治理效率逐年上升，整體水平較低。

（2）影響因素分析。Zhen Li et al.[10]衡量出口額、進口額、人均GDP、工業化水平、財政分權與環境效率之間的關系，指出不同省份的影響因素不盡相同。王俊霞等[11]在測算環境治理效率后運用Tobit模型分析影響因素，指出經濟規模和產業結構對西部環境治理效率具有正面促進作用。郭四代等[12]選用環保意識、城市化水平、能源消耗、產業結構和科技水平作為影響因素并通過門檻面板模型實證分析，發現我國環境治理投資總效率、水污染與大氣污染治理效率較低并逐年下降，存在大量的投入冗余且區域差異明顯。

上述文獻研究可分為兩個方向，一是構建評價體系對環保投入或環境治理進行績效評價，另一個是借助數學模型選取投入產出指標進行效率測算并分析其影響因素。不難發現，這些研究為大氣污染項目治理領域的效率評價提供了一定參考資料，但現有文獻中多數研究者在進行環境投入產出分析時，研究范圍多為所有污染物的投資項目且側重于工業領域，對于因治理大氣污染而產生的投資項目的治理效率研究較少，而且在測算時很少將環境因素和隨機誤差對效率測算結果的影響考慮在內，不能完全客觀體現選取的投入指標所帶來的實際產出效率。因此，本文將運用三階段DEA模型，測算出剔除環境因素和隨機誤差后大氣污染項目治理效率值，從工業廢氣治理和城市環境基礎設施建設兩個角度選取投入指標，以比較分析華東地區六省一市的大氣污染項目治理的效率差異，并對治理效率變化的規律展開討論。

二、地區特殊性和研究方法

（一）華東地區特殊性

華東地區作為中國經濟比較發達的地區，第二產業密集，污染較為嚴重，為治理大氣污染帶來了一定難度。以工業廢氣治理為例，2019年工業廢氣治理設施約為17.46萬套，較2015年的9.72萬套增長了近80%，治理力度不斷增加，但部分污染物如二氧化氮和臭氧的污染狀況仍較為嚴重，且各省份間空氣質量相差仍然較大，尤其山東省及部分地市多次被披露涉氣問題，因此華東地區治理大氣污染的任務依然艱巨。由于華東地區各省份的發展狀況、產業結構等外部環境差別較大，為此，本文選用三階段DEA模型剔除環境變量和隨機誤差對治理效率的影響，將各決策單元置于相同的外部環境中，這樣能夠得到更為真實準確的結果。

（二）三階段DEA模型

政策績效評估評價大多采用因子分析、回歸分析和DEA模型，DEA模型可以對多投入和多產出模型進行評估，由于不需要設立函數模型、不需要人為設立權重，該方法從1979年創立至今，已經發展成一種被廣泛應用的評價定量效率的強大工具。參考Fried et al.[13]提出的三階段DEA模型的基本原理如下：

第一階段：將原始數據代入傳統DEA模型中測算各個決策單元的效率值。本文選取投入導向的BCC模型，該模型計算得出的綜合效率（TE）由純技術效率（PTE）和規模效率（SE）兩部分組成，關系式為TE=PTE×SE。如式1所示，其中xij表示第j個決策單元的第i個投入數據；yrj表示第j個決策單元第r個產出數據；x和y分別為投入、產出向量，？茲表示被測算的決策單元的相對有效值。若？茲=1且s+=s-=0，則該決策單元DEA有效；若？茲=1，s+或s-≠0，則表明該決策單元弱DEA有效；若？茲<1，則表明該決策單元非DEA有效。

第二階段：運用似隨機前沿模型（SFA）回歸剔除環境因素和隨機誤差的影響，分離出管理無效率項后對原始投入數據進行調整。將各項原始投入的松弛變量作為被解釋變量，將預先設定的環境變量作為解釋變量建立似SFA回歸方程，如式2所示，其中sni表示第i個決策單元的第n項投入的松弛變量，zi是環境變量，βn是各項環境變量的系數，fn（zi，βn）表示環境因素對投入松弛變量的影響，其取值通常為ziβn。vni+μni表示混合誤差項，vni為隨機干擾，μni是管理無效率。

回歸后對原有投入數據進行調整，如式3所示，其中X表示經調整之后的投入值，Xni表示原始投入值，（max（zi■n）-zi■n）表示剔除了外部環境因素對決策單元的影響，（ni-ni）表示剔除了隨機誤差對決策單元的影響，此時便將所有決策單元置于相同的外部環境中。

第三階段：再次運用傳統DEA模型，將調整后的投入值X替換原始投入數據Xni，各項原始產出數據保持不變，運用BCC模型，測算出各決策單元的最終效率值。

三、變量設計與說明

（一）變量選取

1.投入指標。根據文獻［3］和文獻［12］的研究結論以及獲取數據的可得性和科學性，選取工業廢氣治理投資額、工業廢氣治理設施運行費用、城市環境基礎設施建設投資額、廢氣排放總量和環保從業人數作為投入指標。其中城市環境基礎設施建設投資額由燃氣、集中供熱和園林綠化投資總額表示；廢氣排放總量屬于非期望產出，借鑒鄧波等[14]的研究將廢氣排放量指標投入化處理作為投入指標，選用二氧化硫、氮氧化物和煙（粉）塵排放量數據之和表示；環保從業人數采用各地城鎮水利、環境和公共設施管理業年末從業人員數表示。

2.產出指標。地區生產總值作為期望產出即高地區生產總值低廢氣投入，體現出高治理效率的思想，因此將其作為第一個產出指標；李芳林等[15]指出我國的污染物排放主要來源于工業排放，選取工業廢氣治理設施處理能力作為第二個產出指標，以直觀體現投資的設施或其他投入帶來的效果。

由此選出5個投入指標、2個產出指標。借助SPSS軟件運用Pearson相關性檢驗法對所選指標進行檢驗，如表1所示，經檢驗所有年份指標均滿足同向性原則，故指標的選取是恰當的。

3.環境變量。在選取環境變量時應選取對大氣污染項目的治理效率產生影響但不在樣本主觀可控范圍的因素，本文從經濟、社會、產業結構和科技發展四個維度選取環境變量。（1）經濟開放程度，選用各地貨物進出口總額占當期GDP比重來表示；（2）城鎮化率，用各地年末城鎮人口數占總人口數的比重來表示；（3）產業結構方面從第二產業角度衡量，選取第二產業增加值占區域GDP比重表示；（4）科技發展水平，國際上通常采用R&D活動指標反映一國的科技實力，選用區域規模以上工業企業R&D投入占區域GDP的比值來表示。

（二）數據來源及處理

考慮到三階段DEA模型對決策單元數量的要求，使測算的效率值更加精確，而且我國關于環保投入的不同年份之間統計口徑有所不同，數據統計不完全且統計時間相對滯后。因此選取2015—2019年除港澳臺、西藏等30個省份的指標值。其中，各變量指標數據均來源于《中國環境統計年鑒》、《中國統計年鑒》、各省份《生態環境狀況公報》等。表2為投入變量、產出變量及環境變量的各項指標描述性統計結果。

四、實證結果及分析

上述所測算的效率值是基于30個省份得出的結果，但由于本文研究對象是華東地區，因此下面只選取測算出的華東地區效率值對其進行分析評價。

（一）第一階段DEA實證結果

運用DEAP2.1軟件將原始數據代入測算，結果如表3所示。其中綜合效率（TE）代表各省份整體治理效率；純技術效率（PTE）代表大氣污染項目的治理效率與技術程度的關聯；規模效率（SE）愈趨近于1，表明決策單元生產規模愈趨近理想的生產規模。RS代表規模報酬條件，其中irs表示規模效益遞增，drs表示規模效益遞減。經初步分析，華東地區大氣污染項目的治理平均效率均高于全國平均值，上海、江蘇、浙江和福建近三年一直處于治理效率相對有效、規模報酬不變的狀態，治理效率較高；安徽、江西和山東的綜合效率依次減少，但仍呈現規模報酬遞增的狀態。

（二）第二階段似SFA回歸結果

運用FRONTIER4.1軟件對第二階段數據進行似SFA回歸，所有年份均已回歸且主要結果一致，選取離當下最近的2019年的回歸結果展開分析，見表4。從表中可以看出各項松弛變量的σ值和γ值也在1%水平上顯著，且γ值都非常接近于1，說明在混合誤差項中由管理無效率因素主導，對原始投入數據的調整很有必要。

1.經濟開放程度。對廢氣治理設施運行費用松弛變量和廢氣排放松弛變量的回歸系數為負，且在1%的水平顯著，說明經濟開放程度的提升會減少投入冗余。對廢氣治理投資和環保從業人員的松弛變量的回歸系數為正，說明經濟開放程度的提升會增加這兩項的投入冗余，當經濟發展到某個臨界值后，環境污染的程度逐漸減緩，為了提高治理效率，加大投資規模，一味地增加投入可能會導致更大的資源浪費，就需要優化治理結構。

2.城鎮化率。城鎮化率對投入指標松弛變量的回歸系數基本為負值，除廢氣排放松弛變量外，其余松弛變量均顯著，說明城鎮化率的提升，有助于投入松弛變量的節約，減少冗余，有助于治理效率的提升。這與實際相吻合，隨著城鎮化率的不斷提升，人口不斷集中，能很好地發揮治理的聚集效應和規模效應，有效改善環保投資項目的治理結構。

3.產業結構。產業結構對廢氣治理投資和廢氣治理設施運行費用的松弛變量的回歸系數為負，表明第二產業增加值比重的提升節約了對廢氣治理的投資和廢氣治理設施運行費用的投入松弛。對廢氣排放和環保從業人員的松弛變量的回歸系數為正，說明區域工業的快速發展會加劇環境損耗，排放更多的廢氣，導致廢氣排放增加，而且第二產業增加值比重提高也會導致環保從業人數的增加。

4.科技發展水平。廢氣排放松弛變量的回歸系數為負值，與其余四項變量的回歸系數為正值，并均在1%水平顯著，這說明科技水平的提高能節約廢氣排放投入，即科技水平的提高有助于減少廢氣排放量。另外，隨著先進廢氣治理等技術的運用，機器設備更新加速，短期來看會增加廢氣治理投資額、設施運行的投資額和基礎設施建設投資額的投入，以達到減少廢氣排放的目的，但仍應避免過度投入引起投入冗余，產生資源浪費的現象。其次，隨著科技水平的提升，環保產業蓬勃發展，環保從業人員也迅速增加。

綜上可知，環境變量對投入松弛變量產生的影響程度較大，會顯著影響大氣污染項目治理效率的測算結果，有必要剔除環境變量和隨機誤差的影響。根據各年回歸結果，利用式3對原始投入數據進行調整，展開第三階段測算。

（三）第三階段投入調整后的DEA結果

與第一階段相同，首先運用Pearson相關性檢驗對投入指標和產出指標進行檢驗，所有年份檢驗結果均符合同向性原則，且大部分指標通過1%的顯著性檢驗。再次運用DEAP2.1軟件，測算出第三階段治理的效率值，具體結果見表5。與第一階段效率值結果相對比，出現了較大差異，表明所選取的環境變量和隨機誤差因素對大氣污染項目的治理效率有較大影響。

從圖1可以看出，第三階段規模效率值始終位于第一階段規模效率值下方，說明受環境變量的影響華東地區大氣污染項目治理的規模效率被高估，純技術效率正好相反，環境變量影響華東地區大氣污染項目治理的純技術效率被低估。而規模效率與純技術效率共同作用于綜合效率，2018年起，在剔除了環境變量和隨機誤差的影響后，綜合效率進一步提升。整體來看，三種效率在五年間呈現波動上升的趨勢，體現華東地區大氣污染項目的治理效率逐漸提高。

1.調整前后綜合效率對比

近5年間浙江和江蘇治理效率最好，實現廢氣投資治理相對有效，兩個階段的綜合效率差異較小；福建省和上海市的綜合效率居于華東地區平均水平之上，出現的波動主要由規模效率的降低導致的；安徽、江西和山東治理的綜合效率居于華東地區平均值之下，整體治理效率較低，大氣污染項目治理無效，尤其是山東，2015年、2018年、2019年這三個年份規模報酬遞減。綜上，華東地區內部大氣污染項目治理效率差異較大，江浙滬地區實現治理相對有效而其余地區均是治理無效。對于治理無效的規模收益遞增地區，能通過擴大投入規模來提高產出以實現治理效率的提高；而對于山東這種規模收益遞減狀態的省份，則應將重心放在提高資源的合理配置和利用上，提高投入資源的利用率。

2.調整前后純技術效率對比

除安徽、江西和山東在部分年份效率值變動較大外，其余省份變動較小，且這三個省份的效率值基本均處于華東地區平均純技術效率值之下，其中江西第三階段純技術效率明顯高于第一階段，說明純技術效率被低估受到環境因素和隨機因素的影響很大，另外山東純技術效率值一直走低，即技術方面仍有欠缺，應當鼓勵自主性研發、引進環保型技術。

3.調整前后規模效率對比

江蘇和浙江規模效率變動較小，基本達到規模效率有效，受環境和隨機因素影響較大的有福建、江西、安徽和上海，這些地區存在第一階段規模效率被高估的情況。值得注意的是，與綜合效率和純技術效率的對比分析結果不同，上海市的規模效率值低于華東地區的平均值，說明環境變量對該地區影響較大且需要通過提高規模效率的方式提高綜合效率。

（四）聚類分析

聚類分析能夠將較多組決策單元按不同情況進行分類分析，考慮到區域間環境治理狀況可能存在某種相似性，對于相似性較高的省份，在今后的大氣污染治理進程中，可加強治理經驗的交流、區域合作共治以達到共贏目的，因此也有必要將區域按其治理情況進行劃分，以第三階段測的治理效率值對華東地區六省一市的大氣污染項目治理情況展開聚類分析。聚類的數據取2015—2019年測得效率的數據的平均值，運用SPSS軟件處理可得到華東地區六省一市環境治理水平的聚類結果譜系圖，如圖2所示。

從圖2中可以看出，當選取聚類的閾值為5時，可以將華東六省分為4類：

第一類包括江蘇和浙江，位于東部沿海地區，經濟發達，近年來在環境治理方面的投入不斷加大，且這兩個省治理綜合效率均為1，治理效率均相對有效。

第二類是上海和福建，雖然也位于沿海經濟發達地區，且上海地區經濟發展遠超福建，但由于地區原因大氣污染項目的治理效率存在波動，不像江蘇和浙江兩省一直穩定保持在有效治理的程度。

第三類是安徽和江西，內陸省份，經濟發展水平處于華東地區的弱勢地位，雖然治理能力有較大提升，但仍處于華東地區均值以下，治理效率相對較低，未實現相對有效，所選取的環境變量均有不同程度的投入冗余。雖然治理效率未達有效，但是仍處于規模收益遞增的狀態，依然可以通過擴大投入規模來提高產出以實現治理效率的提高。

第四類是山東，山東的綜合環境質量處于華東地區的倒數地位，雖然針對大氣污染治理投資力度較大，但是治理效率水平一直較低，不僅規模效率較低，純技術效率更遠低于地區平均水平。出現了大量治理投資投入冗余的狀況，投資規模和結構較不合理，形成資源浪費。

（五）影響因素分析

1.影響因素的選取與說明

根據前人的研究結論[2，12]以及華東地區的發展基礎、條件和資源稟賦，從經濟、科技、人口、產業、政府、財政收入等多角度，并結合第二階段環境變量來選擇以下影響因素作為自變量，用第三階段綜合效率值作為因變量展開分析。

（1）經濟發展水平用人均GDP表示，代表符號為pg。隨著經濟發展，環境治理手段增加，技術持續創新，資金的投入量也會增加，進而形成規模經濟效應，逐步提升投資治理效率，因此預估其系數為正值。

（2）科技發展水平用各地R&D經費內部支出占同期GDP比重表示，代表符號為sg。上官緒明等[16]也指出科學技術支出費用是科技有效創新的基礎。通過對環境治理技術的研究，持續改良環境治理方法，運用先進的清潔技術，提高污染物的循環利用效率可以直接推動污染治理效率的提升，因此預估其系數為正值。

（3）產業結構選取第二產業產值占國民生產總值的比重來反映，代表符號為ig。產業結構可以借助影響資源消費強度、資源消費結構和資源消費量從而影響污染治理效率，在整個國民經濟中，第二產業對大氣污染的影響最大，產業結構的變動對各地區環境壓力有直接影響，因此預估其系數為負值。

（4）人口密度用各地單位平方公里面積人口數量來表示，代表符號為pp。人口的密度越高，地方政府所提供的基礎設施和公共服務就越完善，使得大氣污染治理投資實現規模化，規模經濟的發展有助于大氣污染治理投資成本的降低，從而提升治理效率，因此預估其系數為正值。

（5）政府管理選取地方財政支出總額中的環境保護支出額占財政總支出的比重來表示，代表符號為ef。環境具有公共產品屬性，主要依靠政府進行管理，且大氣污染具有很強的外部性，財政環保支出的有效利用可以從源頭上提升資源利用率，降低污染物產生量，因此預估其系數為正值。

2.回歸過程

（1）數據來源與描述性統計

樣本數據為2015—2019年華東地區六省一市的面板數據，原始數據來源于《中國統計年鑒》，部分數據通過對年鑒中的相關數據整理得出。進出口總額根據相應年份中國人民銀行公布的平均匯率折算得出。影響因素的描述性統計因為篇幅在此省略。

（2）模型構建

由于大氣污染項目治理效率值始終介于0—1之間，為了避免估計誤差對結果可信度的影響，選用面板Tobit模型。另外為盡量降低因異方差及數據量綱差距過大所帶來的影響，將各個解釋變量中除比率數據外的所有變量均取對數處理。

式4中，i表示各省市，t代表年份，β0表示常數項，βi表示各個解釋變量的系數值，μi+εi，t表示復合擾動項，其中μi表示個體效應，εi，t為擾動項并服從參數μ=1，σ2=σ的正態分布。

（3）回歸結果

在回歸分析之前采用VIF方法先對解釋變量進行多重共線性檢驗，防止解釋變量之間存在高度的相關關系，解釋變量之間不存在嚴重的多重共線性，具體的VIF檢驗結果因為篇幅在此省略。隨后借助Stata17.0軟件進行了隨機效應的面板Tobit回歸估計，回歸結果如表6所示。可知以上五項影響因素與第二階段似SFA回歸結果一致，即經濟發展水平和科技發展水平的提升能夠減少廢氣排放，其他影響因素結果均不顯著。

五、研究結論

本文運用三階段DEA模型對華東地區2015—2019年大氣污染項目治理效率進行了分析，主要得出了以下結論。

1.環境變量對投入的松弛變量影響顯著。所選的經濟、社會、產業結構和科技發展四種環境因素中，經濟開放程度和科技發展水平的提升能夠減少廢氣排放量，但也會造成投資項目的投入冗余，不利于治理效率的提升；城鎮化率的提高和第二產業規模的擴大會導致廢氣排放增加，但同時也會提升所投入資金設施等的利用效率。

2.剔除環境變量和隨機誤差的影響對華東地區是有必要的。剔除環境變量和隨機誤差的影響后，第三階段大氣污染項目治理的綜合效率值低于第一階段水平，由于地區整體規模效率較高，因此兩個階段間的差異受到純技術效率的影響高于規模效率。

3.華東各地間治理效率差異較大，江浙滬地區實現治理相對有效而其余地區均是治理無效的，借助系統聚類法將華東地區各省按其治理效率高低分為四類。第一類地區江蘇、浙江和第二類地區上海和福建應繼續保持優勢，合理配置資源；第三類地區安徽、江西應因地制宜設定治理計劃，擴大投入規模；第四類地區山東投入冗余較為嚴重，要從根本上改進治理措施，調整治理投資的規模和結構，提高投入資源的利用率。

【參考文獻】

［1］ 陳鵬，逯元堂，程亮，等.環境保護投資的管理創新與績效評價研究［J］.中國人口·資源與環境，2012，22（S2）：127-130.

［2］ 張亞斌，馬晨，金培振.我國環境治理投資績效評價及其影響因素——基于面板數據的SBM-TOBIT兩階段模型［J］.經濟管理，2014，36（4）：170-179.

［3］ 劉麗波.基于DEA的區域環境治理投資效率分析［J］.會計之友，2016（1）：69-73.

［4］ 薛英嵐，張偉，劉宇，等.基于Super-SBM模型的《大氣污染防治行動計劃》省級環保投資績效評估［J］.城市發展研究，2022，29（2）：20-26.

［5］ 王奇，李明全.基于DEA方法的我國大氣污染治理效率評價［J］.中國環境科學，2012，32（5）：942-946.

［6］ TOSHIYUKI SUEYOSHI，MIKA GOTO.Environmental assessment on coal-fired power plants in U.S.north-east region by DEA non-radial measurement［J］.Energy Economics，2015，50：125-139.

［7］ 鄭石明，羅凱方.大氣污染治理效率與環境政策工具選擇——基于29個省市的經驗證據［J］.中國軟科學，2017（9）：184-192.

［8］ ZHANG JIAJIA，WU QIANG，ZHOU ZHIXIANG.A two-stage DEA model for resource allocation? in industrial pollution treatment and its application in China［J］.Journal of Cleaner Production，2019，228：29-39.

［9］ 楊冕，晏興紅，李強誼.環境規制對中國工業污染治理效率的影響研究［J］.中國人口·資源與環境，2020（9）：54-61.

［10］ ZHEN L，LI Z，WANG Z，et al.Statistical analysis and combination forecasting of environmental efficiency and its influential factors since China entered the WTO：2002-2010-2012［J］.Journal of Cleaner Production，2013，42-51.

［11］ 王俊霞，王榮.中國西部地區環境投資效率及其影響因素研究［J］.環境污染與防治，2015，37（8）：100-105.

［12］ 郭四代，仝夢，張華.我國環境治理投資效率及其影響因素分析［J］.統計與決策，2018，34（8）：113-117.

［13］ FRIED H O，LOVELL C，YAISAWARNG S.Accounting for environmental effects and statistical noise in data envelopment analysis［J］.Journal of Productivity Analysis，2002，17（1-2）：157-174.

［14］ 鄧波，張學軍，郭軍華.基于三階段DEA模型的區域生態效率研究［J］.中國軟科學，2011，241（1）：92-99.

［15］ 李芳林，唐欣.基于三階段DEA的環保投入效率研究［J］.軟科學，2018，32（8）：78-81.

［16］ 上官緒明，葛斌華.科技創新、環境規制與經濟高質量發展——來自中國278個地級及以上城市的經驗證據［J］.中國人口·資源與環境，2020，30（6）：95-104.

【基金項目】 國家社會科學基金一般項目（19BJY028）部分成果

【作者簡介】 袁廣達（1961— ），男，江蘇南京人，高級審計師，南京信息工程大學商學院教授，研究方向：環境資源會計、環境審計；趙夢辰（2000— ），女，江蘇徐州人，南京信息工程大學商學院碩士研究生，研究方向：低碳審計；蔣巖（1996— ），女，江蘇宿遷人，中石化銷售股份有限公司江蘇宿遷石油分公司，研究方向：環境財務績效