基于DEA模型的我国东部地区 SO2有效削减比率研究

韩 新,王 远,石 磊,曹 洋,陆根法

(南京大学环境学院,污染控制与资源化研究国家重点实验室,南京 210093)

1 引 言

随着中国经济的迅速发展,空气污染特别是SO2污染越来越严重。2007年我国的 SO2排放已达到 2468.1万吨[1]。由于 SO2的大量排放,我国成为世界上酸雨污染最严重的地区之一。目前,虽然人们已经开始意识到 SO2问题的严重性,并采取了一些减排措施,但是传统的高投入、低产出发展模式使得 SO2排放量仍在继续增长[2]。按照经济、政治情况,我国可以划分为东部、中部和西部 3个区域。其中,东部地区包括辽宁、河北、山东、江苏、浙江、福建、广东和海南 8个省和北京、上海、天津 3个直辖市,是我国经济最为发达、工业化程度最高的区域,S O2排放量大,2007年的排放量为 967.2万吨,约占全国 S O2排放总量的 37%[3]。

《中华人民共和国国民经济和社会发展第十一个五年规划纲要》中明确提出了单位 GDP能耗降低 20%和主要污染物排放总量减少 10%的指标,到 2010年,SO2排放量由 2005年的 2549万吨减少到 2295万吨。为实现这一目标,必须重视 SO2排放量的削减。削减 SO2的排放量是实现总量控制目标的关键因素之一,但是 SO2的大幅度削减将会阻碍经济的增长。由于各地区经济发展不平衡,如果制定一个统一的硬性削减标准是不合理的。因此,计算出一个既能提高环境质量,又不阻碍经济发展的削减比率对环境决策的制定是十分重要的。

当前国内对 SO2的研究主要涉及到以下几个领域：SO2的监测[4,5]、通过工程措施进行的污染控制[6,7],SO2的生物效应[8,9],SO2排放量的分配[10,11],SO2的管理和相关政策的研究[12～14]。然而,大多数文献关注的是 SO2的控制和管理,基于空间差异性从经济和管理角度去探讨 SO2削减的研究较少。数据包络分析法 (DEA,data envelopment analysis)是一种基于相对效率的多投入多产出的分析方法,作为一种较新的有效性评估的非参数方法,DEA已经引起了人们的关注,并被广泛应用于能源利用效率和环境效率的评估[15,16]。

在本研究中,将运用DEA方法计算中国东部各个地区的 SO2排放相对效率,由此计算出东部各个地区的 SO2有效削减百分比。

2 研究方法

2.1 数据包络分析 (DEA)

DEA模型形成于 20世纪 70年代[17],源于1957年 Farrell提出的非参数生产前沿函数[18]。模型中每一个被评价单位作为一个决策单元 (DMU, decision making units),众多 DMU构成被评价群体,通过对投入和产出比率的综合分析,以 DMU的各个投入和产出指标的权重为变量进行评价运算,确定有效生产前沿面,并根据各DMU与有效生产前沿面的距离状况,确定各DMU是否DEA有效,同时还可用投影方法指出非 DEA有效或弱DEA有效DMU的原因及应改进的方向和程度[19]。随着决策单元集构成的变化,各个决策单元的相对有效性也会发生相应的变化。因为DEA模型不需要预先估计参数,在避免主观因素、减少误差和简化运算方面有着不可低估的优越性[20]。

假设每个DMU的输入是 E,输出是M,则第 i个DMU的有效值由以下式子求得：

式中：θ为决策单元的有效值;λ是一个的常数向量;X,Y分别表示 E×N的输入矩阵和M× N的输出矩阵;xi、yi分别表示第 i个DMU的输入向量和输出向量。θ的取值范围是 0到 1,如果θ =1,则表示该 DMU为生产前沿面上的一点, DMU有效。(1)式为规模收益不变的投入主导型模型,即 CRS模型[21]。而 VRS模型[22]则将综合技术效率进一步分解为纯技术效率和规模效率。本文采用的是 CRS DEA模型,并用输入型模型进行了计算,得到了各个地区 SO2排放的相对效率。

经济增长一方面导致了资源消耗的增加和诸如SO2等污染物的排放;另一方面增加了人们的收入,使人们对环境质量的要求更高,更加关注环境保护。因此,对于决策者来说,要想保持经济的健康持续增长,必须同时考虑到经济的增长和有效的污染控制。本文将运用DEA模型构建基于全要素生产力假设的经济生产函数,计算各个地区的 SO2排放效率。通过这个函数,对某一地区在 SO2排放量最小化的情况下使 GDP产出最大化的能力进行评估。通过计算 SO2有效排放量和实际排放量之比,找出符合当地生产前沿的 SO2有效削减百分比。这一比率不仅在技术上是可行的,也不会限制当地经济发展的潜力。

2.2 研究数据

选取经济生产力分析中常用的劳动就业和资本存量以及 SO2排放量作为 DEA模型的输入指标, GDP作为输出指标。劳动就业和 GDP的数据从中国统计年鉴[3](1991～2008)获得,SO2排放量来源于中国环境年鉴[1](1991～2008)。GDP数据以1990年不变价表示。由于资本存量的数据无法从统计资料中直接获得,本文中各个地区每年的资本存量数据采用张军等人的研究成果[23],用 1952年不变价表示。表 1为DEA计算中所采用的输入和输出指标。

2.3 有效削减百分比计算

用DEA模型对东部11个地区第 i年的数据进行计算,得出第 r个地区第 i年 SO2排放量的相对效率,用这一数值作为 r地区第 i年的 SO2排放效率指数。SO2排放有效削减量用 SO2实际排放量减去 SO2有效排放量算得。SO2有效排放量可通过下式得到：

表1 中国东部 11个地区 1990～2007年间的输入和输出数据Tab.1 Input and output data of 11 regions in Eastern China from 1990 to 2007

有效削减百分比可通过下式求得：

r是地区编号,i代表各个年份。由于 SO2实际排放量不会小于有效排放量,因此有效削减百分比值介于 0到 1之间。有效削减百分比值越大,则表明可削减的 SO2排放量越多。如果有效削减百分比值为 0,说明 SO2排放是相对有效的。本文采用Coelli的DEAP2.1软件来计算各个地区每年 SO2排放量的相对效率值。

3 结果与讨论

表2为东部 11个地区 1990～2007年的 SO2有效削减百分比计算结果。从表中可以看出,除河北和山东外,东部各个地区的 SO2有效削减百分比年平均值均小于 30%。东部地区平均 SO2有效削减百分比从 1990年的 14.67%下降到了 2007年的9.28%,1990～2007年间的年平均有效削减百分比是12.46%。

表2 中国东部 11个地区 1990～2007年间的 SO2有效削减百分比Tab.2 Rational SO2abatement rate of 11 regions in Eastern China from 1990 to 2007

东部地区是我国经济最发达的区域,1990年以来 GDP常常达到全国总量的一半。2007年东部地区的人均 GDP是 35369元,是全国平均水平(18934元)的 1.87倍。随着经济的发展,人们的环境保护意识也逐渐提升。2005年,东部地区用于 SO2管理和控制的投入为 136.5亿元人民币,占到全国总量的 64.08%[1]。由于东部地区总体上经济增长快速,生产技术先进,环境管理有效,有效削减百分比一直维持在较低水平。

图1990 ～2007年东部地区平均SO2有效削减百分比变化Fig. Average rational SO2abatement rate in Eastern China from 1990 to 2007

从上图可以看出,东部地区的 SO2有效削减百分比处于不断下降的趋势。1998年以前东部地区平均有效削减百分比值一直处于相对较高的水平,基本上都是 14%以上。从 2000年开始到 2007年,削减百分比值一直较低,均在 10%左右,自 2005年之后降低到了10%以下。

SO2有效削减百分比的不断下降与我国在 SO2的污染控制上所采取的措施是分不开的。1988年和 1989年我国先后颁布实施了《大气污染防治法》和《环境保护法》。1992年,我国颁布了《征收工业燃煤二氧化硫排污费试点方案》,确定在贵州、广东两省及重庆、宜宾、南京、桂林、柳州、宜昌、青岛、杭州、长沙等9市开展 SO2排污收费的试点工作。1998年,国务院批复了《酸雨、二氧化硫“两控区”划分方案》。根据这一方案,两控区内,新建、扩建排放 SO2的火电厂和其他大中型企业,超过规定的污染物排放标准或者总量控制指标的,必须建设配套脱硫、除尘装置或者采取其他控制 SO2排放、除尘的措施。2000年,国务院修订了《大气污染防治法》,推行煤炭洗选加工,降低煤的硫份,限制高硫煤的开采,鼓励企业采用先进的脱硫技术,改进能源结构,推广清洁能源的生产和使用。

上海是东部地区中最为发达的地区,技术也最为先进,2007年的人均 GDP为 6.64万元,环境保护投资达 366.12亿元。广东省也是东部地区最为发达的地区之一,2007年的人均 GDP为 3.32万元,2006年完成工业污染废气治理投资 15.51亿元,因此,在 1990～2007年期间,这两个地区的有效削减百分比值一直为 0。福建省的煤炭消费量较少,2006年的消费量为 5395万吨,用于工业污染废气治理的费用为 6.53亿元,SO2削减百分比也一直为 0。海南省的第一产业和第三产业发达,在生产总值中占了较大的比重,2007年第二产业在全省 GDP中仅占29.80%。工业污染轻,煤炭消耗量小,2006年海南省的煤炭消费量仅有 332万吨,SO2排放量少,因此,SO2有效削减百分比也一直为0。

由于DEA模型计算的是相对效率,而并非绝对效率。所以,虽然上海、广东、福建、海南这 4个省市在 1990～2007年之间的 SO2有效削减百分比一直为 0,但也只是相对于东部地区其他省市的排放效率高,并不代表就无需削减。这些省市也应该通过改进技术、优化产业结构等手段减少污染排放。

河北和山东这两个地区经济相对东部其他地区较为不发达,2007年的人均 GDP分别为 1.99万元和 2.78万元。而且均属于重工业基地,对于煤炭需求量大,煤炭生产和消费量均较大,2006年这两个地区年总煤消耗量分别占东部地区消耗量的17.33%、23.54%,SO2排放量大。所以,SO2有效削减百分比年平均值分别为 39.81%和 32.00%,是东部地区最高的。

区域经济发展的不平衡、技术和管理水平的差异以及产业结构的不同,导致了 SO2排放效率的差异性。通过上面的分析可以看出,经济越发达、产业结构越优化的地区,有效削减百分比值越低。上海、广东、福建和海南 4个地区的有效削减百分比最低,说明 SO2排放是最有效的,而河北和山东的有效削减百分比最高,说明需要削减更多的 SO2排放。所以应该特别强调这两个地区的削减,需要优化产业结构、推广清洁能源来提高 SO2排放的效率。应该高度重视通过加强燃煤发电厂的管理、推广洁净煤技术、优化产业结构控制 SO2的排放,以利于今后实现合理的排放削减。

4 结 论

本文利用DEA方法计算了我国东部地区 11省市 1990～2007年间基于区域生产前沿的 SO2排放有效削减百分比。计算结果显示,SO2有效削减百分比与区域经济发展情况和产业结构状况密切相关,总的来说,经济越发达、产业结构越优化的地区,有效削减百分比越低。上海和广东、福建、海南的削减百分比最低,一直为 0,北京、天津、浙江、江苏较低,平均 SO2有效削减百分比分别为13.83%、15.31%、18.36%、21.14%,而河北、山东最高,平均 SO2有效削减百分比分别为39.81%和 32.00%。所以,在东部地区当中,北京、天津、浙江、江苏等地在发展经济的同时,应该重视环境问题,加强对污染物的管理和控制,进一步削减 SO2排放量。河北和山东是东部地区中SO2有效削减百分比最高的,应该着重加强这两个地区的削减,通过改进生产技术、优化产业结构、推广洁净煤技术等控制 SO2的排放。

[1] 中国环境年鉴编辑委员.中国环境年鉴[M].北京：中国环境年鉴出版社,1991-2008.

[2] 尤 完,齐建国.中国经济长期发展趋势与循环经济[J].财贸经济,2004,(10)：11-17.

[3] 国家统计局.中国统计年鉴[M].北京：中国统计出版社, 1991-2008.

[4] 王世龙,王丽娜,王志成.二氧化硫质量浓度在线监测子系统[J].环境工程,2006,24(6)：74-75.

[5] 王安群,欧阳文,李倦生.离子色谱法同时测定大气中二氧化硫和氮氧化物[J].中国环境监测,2008,24(2)：21-24.

[6] 张杨帆,李定龙,王 晋.我国烟气脱硫技术的发展现状与趋势[J].环境科学与管理,2006,31(4)：124-128.

[7] 石 林,古国榜,谷云骊,等.硫化碱脱除二氧化硫工业烟气的可行性分析[J].环境污染与防治,1999,21(5)：9-14

[8] 解静芳,王学峰,孟紫强,徐 敏.SO2致小鼠肝蛋白质氧化损伤和DNA-蛋白质交联作用[J].中国环境科学,2007, 27(2)：400-403.

9] 刘 静,仪慧兰.SO2对蚕豆根尖和叶尖细胞遗传损伤作用的研究[J].植物研究,2007,27(6)：758-762.

[10] 张裕芬,金 晶,冯银厂,赵普生,朱 坦.SO2允许排放量分配技术方法的研究[J].中国环境科学,2008,28(4)：299～303.

[11] 朱法华,王 圣.SO2排放指标分配方法研究及在我国的实践[J].环境科学研究,2005,18(4)：36-41.

[12] 严 刚,杨金田.电力行业二氧化硫总量控制的实施机制研究[J].环境科学与技术,2008,31(5)：134-138.

[13] 黄渊智.浅析实施经济政策减排二氧化硫的瓶颈问题和解决途径[J].中国环境管理,2006,(9)：8-10.

[14] 匡 寻,丁桑岚.电力行业实行二氧化硫排污交易浅析[J].中国环保产业,2006,(8)：12-15.

[15] 魏 楚,沈满洪.能源效率与能源生产率：基于DEA方法的省际数据比较[J].数量经济技术经济研究,2007,(9)：110-121.

[16] 马育军,黄贤金,肖思思,王 舒.基于DEA模型的区域生态环境建设绩效评价——以江苏省苏州市为例[J].长江流域资源与环境,2007,16(6)：769-774.

[17] CharnesA,CooperW W,Rhodes E.Measuring the efficiencyof decision making units[J],European Journal ofOperational Research,1978,(2)：429-444.

[18] FarrellM J.The measurement of productive efficiency[J],Journal of the Royal Statistical Society SeriesA,1957,(120)：253-281.

[19] 李美娟,陈国宏.数据包络分析法(DEA)的研究与应用[J].中国工程科学,2003,5(6)：8-94.

[20] 朱 乔.数据包络分析(DEA)方法的综述与展望[J].系统工程方法与应用,1994,3(4)：1-8.

[21] Jamasb T,PollittM.International Benchmarking and Yardstick Regulation：An Application to European Electricity Distribution Utilities[J].Energy Policy,2003,(31)：1609-1622.

[22] Banker R D,CharnesA,CooperW W.Some models for estimating technical and scale inefficiencies in data envelopment analysis[J].Management Science,1984,(30)：1078-1092.

[23] Zhang J,Wu G Y,Zhang J P.Estimating China’s Provincial Capital Stock,Working Paper Series,China Center for Economic Studies[D].Shanghai：Fudan University,2007.