中国地区工业水污染治理效率研究——基于三阶段DEA方法

石风光

（安阳师范学院经济学院，河南安阳455000）

中国地区工业水污染治理效率研究
——基于三阶段DEA方法

石风光

（安阳师范学院经济学院，河南安阳455000）

文章运用三阶段DEA模型对中国地区2012年的工业水污染治理效率进行测评，研究发现，不排除环境变量和随机因素的干扰会导致中国省区工业水污染治理效率的高估，而剔除环境和随机因素后发现，中国省区工业水污染治理效率偏低，只有0.682，规模无效率是阻碍工业水污染治理效率提升的关键因素。研究还发现，东部地区工业水污染治理效率较高，而中西部则较低，这主要由三大地带间的规模效率差异所致。将中国省区工业水污染治理效率按照纯技术效率和规模效率分类后发现，中国没有“低高型”省区，多数省区是“双低型”或“高低型”。

三阶段DEA模型；工业水污染；治理效率；规模无效率

一、引言

改革开放以来，我国经济发展取得了举世瞩目的成就，但所采取的发展方式依然是粗放型的，经济在实现快速发展的同时，伴随着资源浪费和环境污染的日趋加重，这使我国面临着巨大的资源环境压力，严重地妨碍了经济的可持续发展。工业水污染是环境污染的一个重要部分。近年来频发的工业水污染事件对当地环境和居民身体健康造成了巨大危害，使当地发展遭受了巨大的经济损失，工业废水的有效治理关系到人民群众的切身利益和中华民族的生存发展，已成为当今社会亟待解决的重大课题。

我国水污染治理领域的研究主要集中在两方面，一是水污染治理技术的开发与应用，相关研究如许春莲等（2013）［1］、天娇和郭清海（2013）［2］、袁峥等（2010）［3］；二是水污染治理体制、机制及对策的研究，相关文献有李胜和陈晓春（2011）［4］、周海炜和唐震（2007）［5］、高红贵（2006）［6］等。而有关水污染治理效率的研究则基本上处于起步阶段，国内仅有少数的学者对该问题进行了专门研究，褚俊英等（2004）［7］应用数据包络分析（DEA）方法对我国81个污水处理厂的污染治理效率进行了比较研究，陈旭升、范德成（2009）［8］应用DEA模型分析了我国地区工业废水的治理效率及变化趋势。上述文献为工业水污染治理效率的测评提供了很好的借鉴，但它们采用的均是传统的DEA方法，没有考虑到不同地区间在经济发展水平、产业结构以及发展机遇方面存在的巨大差异，因而也就未能剔除外部环境因素以及各种随机因素对水污染治理效率的影响，从而会使所求得的效率值产生偏误，以致无法客观地反映地区水污染治理的真实能力和效率。

三阶段DEA模型是一种能够有效排除外部因素影响和统计噪音的效率测评方法，其第一阶段利用传统DEA方法计算出初始效率，由于该初始效率不能反映出外部环境和统计噪音对决策单元效率的影响，因而还需要在第二阶段继续使用随机前沿方法（SFA）将外部环境因素、管理无效率及各种随机因素对第一阶段效率变化的影响反映出来。具体做法是根据第二阶段的计算结果来调整决策单元的投入，以排除外部环境和随机因素的影响，使它们处于同质的环境下。在第三阶段利用调整后的投入进行数据包络分析即可得到效率的真实值［9-10］。

无论是水污染治理技术设备的开发与应用，还是体制和机制的完善（反映为治污决策和管理水平的提高，即纯技术效率的提高），都无疑会对工业水污染的治理产生积极的作用，但是它们产生的效用有多大，效率有多高，还必须要有一个准确的评价，以找到水污染治理的不足之处，然后通过有的放矢，提高治污效果。可见对于工业水污染治理效率的准确评价具有非常重要的现实意义，有鉴于此，本文拟采用三阶段DEA模型，在排除外部环境因素和随机因素干扰的条件下，对中国地区2012年的工业水污染治理效率进行测算和分析。在此基础上，提出相关对策建议，以期为政府部门及环保机构更有效地进行工业水污染的治理提供一些借鉴和参考。

二、方法与数据说明

（一）研究方法

三阶段DEA模型是由Fried等（2002）［11］提出的效率评估方法，该方法的优点是能够剔除外部环境因素和随机误差对效率的影响，从而能够测算出决策单元的真实效率水平，其具体步骤为：

（1）第一阶段：传统的DEA模型。该阶段采用投入导向下的BCC模型进行传统DEA分析。假设有n个决策单元（DMU），每个决策单元（DMUj）都有m种输入和s种输出，其中xj=(x1j,x2j,…,xmj)T，yj=(y1j,y2j,…,ysj)T，xij＞0为第j个决策单元DMUj的第i种输入类型的输入量；yrj＞0表示DMUj的第r种输出类型的输出量（j=1,2,…,n;i=1,2,…,m;r=1,2,…,s)。x0=xj0,y0= yj0分别为决策单元DMUjo的输入和输出。对于选定的DMUjo，判断其有效性的BCC模型可以表示为：

（2）第二阶段：相似SFA模型。Fried等（2002）认为，传统DEA模型无法识别第一阶段出现的低效率是由管理因素造成的，还是由环境因素或随机因素造成的。解决这一问题的办法是，在第二阶段通过构建相似SFA模型来剥离外部环境因素及随机误差的影响，得到完全由管理无效率造成的投入冗余值。以投入导向为例，设有I个决策单元，每个决策单元均有K种投入，则第i个决策单元的第k个投入松弛变量Ski的SFA回归方程为：

其中zi=(z1i,z2i,…,zpi)为p个可观测的环境变量，βk为环境变量待估参数向量，fk(zi,βk)为确定可能差额边界，通常取fk(zi,βk)=ziβk。vki+uki为混合误差项，其中vki为随机误差项，并且vki～N(0,σvk)，uki为管理无效率，并且两者相互独立。为技术无效率方差占总方差的比重。

为了得到决策单元的效率真实值，必须剔除各种外界因素和随机因素的干扰，将各决策单元的投入置于同质环境下。为此，必须对投入数量作如下调整：

（3）第三阶段：调整后的DEA模型。在第三阶段运用调整后的投入数量代替原始的投入数量xki，再次利用DEA模型进行效率测算，即可以得到剔除了外部环境因素和随机因素后的决策单元的真实技术效率值。

（二）变量及数据说明

（1）投入产出变量的选择。要准确地衡量2012年中国地区工业水污染治理的效率就必须构建一个能够全面、客观反映水污染治理综合效率的投入产出体系，根据研究需要并借鉴已有的相关文献，本文进行了投入产出变量的选择。其中投入变量为各地区工业废水治理投资完成额、工业废水治理设施数、工业废水治理设施年度运行费用等。产出变量为工业废水污染物去除量（包括氰化物、氨氮和COD）、工业废水排放达标量、工业废水排放达标率等。本文分析样本为中国28个省区，由于西藏、青海和海南部分数据缺失，没有将其列入研究范围。本文还将中国28个省区划分为东中西三大地带，其中东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东和广东等10省区，中部地区包括吉林、黑龙江、山西、安徽、河南、江西、湖北、湖南等8省区，西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、宁夏、新疆等10省区。

（2）环境变量的选取。考虑到工业水污染治理的特点，本文选取以下四个变量作为环境因素变量：①经济发展水平，该变量用人均GDP来衡量。一般来说，随着经济发展水平的提高，人们对环保的要求也越来越高，同时经济越发达的地区，其污染治理技术和管理水平也相应越高。②产业结构，用第三产业产值在GDP中所占比重表示。产业结构高级化意味着资源配置的合理化，从而环保投资的效率也会更高。③FDI比率，用外商直接投资与GDP的比值表示。FDI会促进地区经济快速发展，同时也会对本地环境造成重大影响。④城市化率，即地区城镇人口占总人口的比重。城市化率的提高意味着城市人口的快速增加，相应的物质消耗也会增加，这必然会带来一定的环境问题。

以上相关数据来源于《中国环境年鉴2013》、《中国环境统计年鉴2013》和《中国统计年鉴2013》。

三、实证结果分析

（一）第一阶段传统DEA的实证结果分析

利用DEAP2.1软件对我国地区2012年工业水污染治理效率及规模报酬状况进行了测算，结果如表1所示。

表1 2012年中国地区工业水污染治理第一阶段DEA效率值

由表1可以看到，在不考虑外在的环境变量及随机因素干扰的情况下，2012年我国省区工业水污染治理综合技术效率平均值为0.755，纯技术效率均值为0.851，规模效率均值为0.886，即综合技术效率主要来源于规模效率的改善，而代表决策与管理水平的纯技术效率也是影响我国省区工业水污染治理综合技术效率提升的关键因素。就三大地区来看，中部地区工业水污染治理综合技术效率均值最高，为0.872，其纯技术效率和规模效率分别为0.898和0.969。其次是东部地区，其综合技术效率均值为0.722，纯技术效率和规模效率分别为0.863和0.837。工业水污染治理效率均值最低的是西部地区，为0.695，其纯技术效率和规模效率分别为0.800和0.869。就省区来看，山西、内蒙古、黑龙江、上海、浙江、安徽、河南、广东、广西、贵州和宁夏等11个省区2012年的工业水污染治理效率值为1，处于技术效率的前沿面，而其他各省区则在纯技术效率或规模效率方面存在不同程度的可改进空间。就规模报酬状况来看，仅有河北、江苏、福建、山东等4个省区处于规模报酬递减状态，其他省区则处于规模报酬递增或不变的状态。表1中的结果包含了环境因素和随机因素的干扰，并不能完全客观地反映出各地区工业水污染治理效率的真实水平，因而还需要利用随机前沿方法对相关数据作进一步的调整和测算。

（二）第二阶段SFA回归结果分析

将第一阶段得出的各种投入变量的松弛变量取对数后作为被解释变量，四种环境变量取对数后作为解释变量，利用Frontier4.1软件进行SFA回归，结果如表2所示。

从表2数据可以看到，三种投入因素松弛变量SFA模型中的σ2和γ值均通过了至少5%的显著性检验，这表明与随机误差相比，环境因素对工业水污染治理效率具有更重要的影响。由表2还可以看到，每个投入因素松弛回归的似然比LR都通过了1%的显著性检验，这表明混合误差项中存在技术非效率，工业水污染治理的外部环境确实会对治理效率产生影响，因而必须应用SFA将各种环境因素和随机因素对工业水污染治理效率的影响进行剥离，这样才能客观地反映各地区工业水污染治理效率的真实状况。表2中当回归系数为负时，表示提高环境变量值有利于减少投入松弛变量。反之，当回归系数为正时，提高环境变量值则会增加投入松弛变量。下面将分别分析四种环境变量对三种投入松弛变量的影响。

（1）经济发展水平。该变量对工业废水治理投资额、工业废水治理设施数以及工业废水治理设施年度运行费用三种松弛变量的系数均为负值，并且至少通过了5%的显著性检验。这说明各地区经济发展水平的提高有利于减少工业废水治理投资额、治理设施数以及其年度运行费用的冗余，从而有利于提高工业水污染治理的效率。这是因为在经济高速发展的同时，伴随而来的是环境污染的加重，这是很多国家在工业化进程中所面临的共同问题，而在我国则尤为突出。正因为如此，国家越来越重视扶持发展各种节能环保产业，从而使越来越多的人加入这一行业，推动环保产业的快速发展和逐渐壮大，产生规模经济和集聚效应，从而提高了污染治理资金和设施的配置效率。另外，随着人们生活水平的提高，人们对自己生活的环境质量愈加关注，对保护环境治理污染的呼声也越来越高。相对于当前严重的水污染和人们对高质量生活环境和条件的需求，现有的污水治理投入和治污设施数量是远远不能够满足需求的，从这个意义上来看，治理工业水污染的各种投入只能是不足，而不会产生冗余。

表2 第二阶段SFA回归结果

（2）产业结构。由表2可知，产业结构即第三产业在经济总量中的比重对工业废水治理投资额松弛变量和治理设施年度运行费用松弛变量均具有显著的负向影响，而对工业污水治理设施数松弛变量则具有显著的正向影响。这是因为产业结构的优化升级，意味着一个国家和地区经济发展的重心向第三产业转移，这会使得工业在整个经济总量中的比重逐渐下降，即工业的规模相对第三产业有所萎缩，从而使得工业水污染日益加剧的状况有所改善，政府相应地也不需要拿出过多的资金用于工业水污染的治理，以致也不会出现工业水污染治理投入的浪费。在产业结构升级之前，工业规模较大，环境污染严重，政府需要购买较多的设施来治理水污染。而产业结构升级之后，环境会有所改善，之前大量采购的污水治理设施就会被闲置浪费，显得相对多余，与此同时，政府也会安排较少的资金用于工业水污染治理设施的运行，不会再出现冗余。

（3）FDI比率。FDI比率对工业废水治理投资额松弛变量和治理设施数松弛变量的回归系数均为负值，并都通过了1%的显著性检验，而FDI比率对工业废水治理设施年度运行费用松弛变量的回归系数则为正值，并且也通过了1%的显著性检验。上述回归结果说明FDI的增加会减少废水治理投资额和治理设施的冗余，但会造成工业废水治理设施年度运行费用的剩余。对上述结果的解释是，FDI增加会带来更多的先进技术设备和管理经验，从而使工业废水治理投资资金和工业废水治理设施能够实现更合理的配置，从而提高治污投资和设备的使用效率，这样同时也会节省废水治理设施的运行成本，使预先安排的运行费用出现较多的节余。

（4）城市化率。由表2结果可以看到，城市化率对三种工业污水治理投入具有显著的正向影响。这意味着城市化率的提高会导致工业废水治理投资额、工业废水治理设施数量以及治理设施年度运行费用等投入的冗余，从而不利于工业水污染治理效率的提高。城市化是推进区域经济快速发展的必由之路，而工业化又是城市化的一个重要的经济内容。我国城市化具有粗放型的特点，其中一个重要的表现就是“高投入、高消耗、高污染”企业的遍地开花。随着粗放型城市化的发展，这些企业粗放性的发展方式导致了严重的环境污染和资源浪费，相应的工业污染治理资金和治理设施的利用效率也极其低下。

（三）第三阶段投入调整后的DEA实证结果分析

依据公式（3）对工业水污染治理投入变量进行调整后，再次利用DEA方法进行中国地区工业水污染治理效率的测算，结果如表3所示。

通过对比表1和表3中的结果可以发现，在剔除环境因素和随机因素的干扰后，中国省区工业水污染治理效率变化较大，平均技术效率由第一阶段的0.755下降为第三阶段的0.682，这说明不排除环境和随机因素会高估中国省区工业水污染的治理效率，同时这也说明中国省区工业水污染的治理效率真实值偏低，效率值平均损失高达31.8%，水污染治理效率有较大的改善空间。由比较可知，中国省区工业水污染治理的纯技术效率由0.851上升为0.942，而规模效率则由0.886下降为0.718，这说明中国省区工业水污染治理效率的高估主要是由规模效率的高估所致。

就三大地区来看，东部地区的技术效率由0.722上升为0.836，而中部和西部地区的技术效率则分别由0.872、0.695下降为0.541和0.630，这说明之前东部地区较低的技术效率是由其较为不利的外部环境或不好的运气所致，而非其技术管理水平低，而中西部地区则恰好相反。由表3还可以看到，中西部地区技术效率相差不多，而东部地区则远高于它们，这种差异主要由三大地区间规模效率的差异所致。表1中仅有东部地区的技术效率主要来自于纯技术效率，而中西部地区的技术效率均来自其规模效率，而表3中三大地区的技术效率均主要来自其纯技术效率。这说明我国地区工业水污染治理的规模效率总体偏低，水污染治理的投入和其他领域相比仍然过少，远没有达到最佳规模。

表3 2012年中国地区工业水污染治理第三阶段DEA效率值

分省区来看，比较表1和表3可知，剔除环境和随机因素的影响后，处于技术效率前沿的省区由11个下降为7个，其中上海、浙江、广东和广西4省区仍处于技术效率前沿面，说明这3个省区工业水污染治理效率确实较好。与第一阶段相比，北京、江苏和福建因规模效率的提高而晋升至效率前沿面，这说明3省区在剥离环境和随机因素的同质环境条件下其工业水污染治理是高效的。山西、内蒙古、黑龙江、安徽、河南、贵州和宁夏等省区在第三阶段退出了效率前沿，其中安徽的退出是由纯技术效率和规模效率的双重下降所致，宁夏的退出完全是由纯技术效率的下降所致，而其余省区的退出则均由规模效率的下降所致。除上述地区外，与第一阶段相比，第三阶段技术效率上升的省区仅有天津、辽宁、山东、湖南、四川、云南、陕西和新疆8个省区，其中天津、新疆技术效率的提高是由纯技术效率和规模效率的双重上升所致，山东技术效率的提高是由规模效率的显著提升所致，而其余省区技术效率的提高则主要来自于纯技术效率的显著上升。这说明这些地区的技术管理水平总体并不低，只是由于较差的外部环境和不好的运气才导致了第一阶段的低效率。除上述分析所提及的省区外，其余省区的工业水污染治理效率均在第三阶段出现下降，这主要是由规模效率的显著下降所致，这说明我国多数省区工业水污染没有达到最优的治理规模，其第一阶段的高效率与它们所处的有利环境和好运密切相关。

以0.9为效率值的临界点，根据各省区纯技术效率和规模效率值可以将我国省区工业水污染治理效率划分为四种类型，如图1所示（图中不包括处于效率前沿面的7个省区）。第一种类型为“双高型”，即纯技术效率和规模效率值均高于0.9，这类地区包括处于效率前沿的7个省区及宁夏、山东、河南3省区，这些地区是我国工业水污染治理效率最高的区域，其水污染治理的管理水平与投入规模均处于国内领先水平，其治理效率的改进空间较小。第二种类型为纯技术效率高于0.9而规模效率则低于0.9的“高低型”，这类地区包括新疆、黑龙江、江西、陕西、内蒙古、贵州、重庆、吉林、甘肃、河北和山西等11个省区，这些省区工业水污染治理效率的改进方向为提高治污的规模效率，其实现途径是加大污水治理投入，实现治污资源的集中配置，扩大污水治理规模，实现规模经济。第三种类型为纯技术效率低于0.9而规模效率高于0.9的“低高型”，由图1可知我国没有省区处于这一区域。第四种类型为纯技术效率和规模效率均低于0.9的“双低型”，这类地区包括天津、辽宁、湖南、四川、湖北、云南及安徽7省区。这类省区工业水污染治理效率的提升空间较大，提升难度也较大，治理过程中在注重提高其经营管理水平的同时，还需要不断扩大工业水污染治理的规模。

图12012年中国部分省区工业水污染治理纯技术效率（PTE）和规模效率（SE）分布

与表1相比，第三阶段中国省区工业水污染治理的规模报酬状况也出现了较大的变化。由表3可以看到，除处于效率前沿面的7个省区处于规模报酬不变的状态外，其余省区均处于规模报酬递增状态，这说明我国省区工业水污染治理投入总体上来说还是不足的，增加对工业水污染治理的投入，不仅可以有效地提高水污染治理的综合效率，而且还能带来更大比例的水污染治理的回报。因此，进一步增加我国省区工业水污染治理的投入是当前一个重要的政策选择。

四、结论与政策建议

本文运用三阶段DEA方法对中国省区2012年的工业水污染治理效率进行了测算和分析，研究得出以下主要结论：

（1）经济发展水平、产业结构、FDI、城市化率对中国地区工业水污染治理效率的提高具有重要影响，在剔除环境和随机因素的影响后，中国省区的工业水污染治理效率总体有所下降，这主要是由规模效率的显著下降所致。这说明不考虑环境变量和随机因素的干扰会高估中国省区工业水污染的治理效率，而运用三阶段DEA方法则会使相关运算结果更加合理精确。

（2）第三阶段结果显示，2012年中国省区工业水污染治理效率总体较低，仅为0.682，其中纯技术效率平均为0.942，规模效率平均为0.718，并且多数省区处于规模报酬递增状态。因而，相比较而言，中国省区工业水污染治理的规模无效程度要高于纯技术效率损失，规模无效率是妨碍中国省区工业水污染治理效率提升的主要因素。

（3）我国东部地区工业水污染治理效率较高，为0.836，而中西部地区的治理效率则相对较低，其数值均不超过0.7，这主要是由这些地区工业水污染治理的规模无效率所致。

（4）与第一阶段相比，在第三阶段处于效率前沿的省区有所减少，并且多数省区技术效率下降。以0.9为效率值临界点，将中国省区工业水污染治理效率按照纯技术效率和规模效率划分为“双高型”、“高低型”、“低高型”和“双低型”四种类型后发现，我国没有省区处于“低高型”区域，多数省区处于“双低型”和“高低型”区域，这实际上也反映出我国省区工业水污染治理更缺乏规模效率。

根据上述结论，要提高我国工业水污染治理效率必须从以下几个方面着手：

（1）增加工业水污染治理的投入，扩大工业水污染治理的规模，形成规模经济效应。水污染防治需要巨额的资金投入，仅仅依靠政府是远远不够的，必须充分调动全社会的积极性，依靠全社会的力量，多渠道地筹集资金。另外，我国中小企业是水污染的大户，由于水污染治理对技术设备的要求高，专业性强，一般中小企业不具备这种能力，同时一些中小企业对水污染实行分散治理，这都会导致工业水污染治理效率的低下。因而各地区可以考虑建设统一的水污染治理机构或引进具有资质的大型治污企业，通过市场化运作，来为缺乏治污能力的中小企业提供专业化服务，以扩大工业污水的治理规模，提高治污的规模效率。

（2）通过引进国外先进技术设备，不断地学习创新，以提升我国工业水污染治理的技术装备水平。我国的工业水污染治理设备在产品质量、生产效率、标准化程度及配套方面与国外还有较大差距，因而需要不断借鉴国外的先进污水处理技术，加大研发投入力度，培育创新体系，生产出具有自主知识产权的高效的污水处理技术和设备。

（3）建立健全我国跨区域工业水污染治理协调机制，创新水污染治理的体制机制和管理模式，提高水污染治理的管理水平。水污染问题成因复杂、涉及部门多、治理周期长，解决起来难度大，因而要提高治理效率必须坚持协同创新、统筹协调和综合治理的方针，逐渐建立一种以政府为辅、市场为主、公众广泛参与的跨区域水污染治理协调机制，以提升工业水污染治理项目管理的科学化、规范化水平。

［1］许春莲，张伟，宋乾武，等.水污染防治生物处理技术验证评估指标研究［J］.中国工程科学，2013（3）：44-48.

［2］天娇，郭清海.水铝钙石类阴离子黏土在水污染处理领域应用的研究现状［J］.环境化学，2013（8）：1571-1579.

［3］袁峥，Grant Douglas，Laura Wending，等.钛白粉厂废酸渣的表征及在水污染治理中的应用［J］.武汉理工大学学报，2010（12）：70-74.

［4］李胜，陈晓春.基于府际博弈的跨行政区流域水污染治理困境分析［J］.中国人口·资源与环境，2011（12）：104-109.

［5］周海炜，唐震.我国区域跨界水污染治理探析［J］.科学对社会的影响，2007（1）：19-24.

［6］高红贵.淮河流域水污染管制的制度分析［J］.中南财经政法大学学报，2006（4）：45-50.

［7］褚俊英，陈吉宁，邹骥.中国城市污水处理厂资源配置效率的比较［J］.中国环境科学，2004（2）：242-246.

［8］陈旭升，范德成.中国工业水污染状况及其治理效率实证研究［J］.统计与信息论坛，2009（3）：30-35.

［9］白雪洁，宋莹.环境规制、技术创新与中国火电行业的效率提升［J］.中国工业经济，2009（8）：68-77.

［10］杨俊，陆宇嘉.基于三阶段DEA的中国环境治理投入效率［J］.系统工程学报，2012（5）：699-710.

［11］Fried，Lovell，Schmidt，et al.Accounting for Environment Ef⁃fects and Statistical Noise in Data Envelopment Analysis［J］. Journal of Productivity Analysis，2002（17）：157-174.

［12］张悟移，陈天明，王铁旦.基于DEA和Malmquist指数的中国区域环境治理效率研究［J］.华东经济管理，2013（2）：172-176.

［13］胡宗义，鲁耀纯，刘春霞.我国城市基础设施建设投融资绩效评价——基于三阶段DEA模型的实证分析［J］.华东经济管理，2014（1）：85-91.

［14］刘志迎，张吉坤.高技术产业不同资本类型企业创新效率分析——基于三阶段DEA模型［J］.研究与发展管理，2013（6）：45-52.

［15］李鹏，张俊飚.农业生产废弃物循环利用绩效测度的实证研究——基于三阶段DEA模型的农户基质化管理［J］.中国环境科学，2013（4）：754-761.

［责任编辑：余志虎］

A Study on Regional Treatment Efficiency of Industrial Water Pollution in China—Based on Three-stage DEA Method

SHI Feng-guang
（School of Economics，Anyang Normal University，Anyang 455000，China）

By using three-stage DEA model，the paper evaluates treatment efficiency of industrial water pollution of China in 2012.The study shows that：although the interference of environment variables and random factors would lead to an overestima⁃tion of treatment efficiency of industrial water pollution in China’s provinces and autonomous regions，the treatment efficiency of industrial water pollution is still lower after eliminating environmental and stochastic factors，which is only 0.682，and the scale inefficiency is the essential element to hinder improvement of treatment efficiency of industrial water pollution.The study also finds that the treatment efficiency of industrial water pollution in eastern region is higher than that in central and western re⁃gions，which is caused mainly by the differences of scale efficiency among the three regions.After classifying the treatment effi⁃ciency of industrial water pollution in China’s provinces and autonomous regions according to pure technical efficiency and scale efficiency，the study indicates that there is no“low-high type”provinces and autonomous regions，most of them are“low-low type”or“high-low type”in China.

three-stage DEA model；industrial water pollution；treatment efficiency；scale inefficiency

F205

A

1007-5097（2014）08-0040-06

●中国经济

10.3969/j.issn.1007-5097.2014.08.008

2014-01-20

教育部人文社会科学研究青年基金项目（11YJC790152）；NSFC-河南人才培养联合基金项目（U1304708）；河南省软科学研究计划项目（142400410297）

石风光（1975-），男，江苏沛县人，副教授，博士，副院长，研究方向：经济与产业管理。