贸易、经济增长与环境效率

党玉婷　徐磊

摘要：本文采用条件方向性距离函数测算1992-2014年中国29个省份的工业环境效率，检验经济增长与环境效率之间的关系，并分析贸易、环保投入等因素对中国工业环境效率的影响。实证结论显示：中国工业环境效率总体呈逐年上升趋势，地区间差异逐年减小并趋于收敛，东部地区的平均环境效率要明显高于中、西部地区；经济增长与环境效率呈倒U型曲线关系，环境效率随着经济增长呈现先上升后下降的趋势，且2014年东部大部分省份均已超过拐点，而中、西部地区尚未到达拐点；对外贸易总体上有利于中国工业环境效率的提高，尤其是在经济较为发达的东部地区，而在中、西部地区对环境效率的负面影响要大于其正面影响；环保治理投入力度越大，工业环境效率越低，这主要是由于对工业污染高投入且效果较差的“末端治理”所导致；第二产业增加值占国内生产总值比重越高，工业环境效率越高，第二产业拉动经济增长从而对环境效率产生的正面效应大于其负面影响；人口密度对中国工业环境效率的影响总体上为负，人口密度越大，环境效率越低。

关键词：环境效率；经济增长；贸易；条件方向性距离函数

中图分类号：F18；F14文献标识码：A

一、引言

中国在扩大开放、经济高速增长的同时也伴随着触目惊心的环境污染问题，经济发展与资源环境之间的矛盾日趋尖锐。贸易一方面推动了经济的高速增长，另一方面，在与发达国家的对外贸易中，由于环境标准差异，发展中国家往往通过对外贸易为发达国家承担了高额的环境成本，即通过专业生产并出口污染品以满足发达国家对该商品的消费需求，而将大量的污染留在了发展中国家。因此，如何在扩大开放的同时，尽量降低贸易对一国环境的负面影响成为了研究的焦点。

在贸易、经济增长与环境的研究方面，Grossman和Krueger最早通过研究北美自由贸易区提出了贸易的环境影响，即贸易通过规模效应、结构效应和技术效应对一国环境产生影响。此后，部分学者又引入了法规效应和收入效应等，认为贸易对环境的最终影响取决于上述效应的总和；研究同时还发现经济增长与环境污染呈现倒U型的环境库兹涅茨曲线（EKC曲线），即环境污染水平随着经济增长呈现先上升后下降的趋势，在人均收入达到一定阶段之后，环境污染水平会由于收入水平的上升和公众环境需求的上升而出现下降趋势。上述理论提出后，众多学者分不同污染物、不同国家或地区的样本检验了EKC曲线的存在性，并实证检验了贸易的环境影响，然而鲜有研究考虑环境效率这一反映一国环境绩效的指标与贸易及经济增长之间的关系。那么，贸易是否有助于提高一国的环境效率？中国经济增长与环境效率之间是否呈现倒U型的环境库兹涅茨曲线？

工业污染是中国环境污染的重要来源，故本研究以中国工业部门为研究对象，采用条件方向性距离函数测算1992-2014年中国各省份工业环境效率，实证检验贸易、经济增长与环境效率之间的关系，并进一步深入分析环保投入、产业结构、人口密度等因素对环境效率的影响，以期为实现经济增长和环境的协调可持续发展提供理论和实证支持。相对于已有关于中国区域环境效率问题的研究（Watanabe and Tanaka，2007；Bian and Yang，2010；Guo et al.， 2011；Wang et al.， 2013；杨俊，2010；袁鹏，2011），本研究的創新之处主要在于：（1）首次通过条件方向性距离函数实证测算了中国各省份的工业环境效率，有效避免了以往采用两阶段分析研究经济增长与环境效率问题时存在的“非现实”假设问题；（2）通过研究贸易、经济增长与环境效率之间的关系，从环境效率角度验证了环境库兹涅茨曲线，丰富了贸易、经济增长与环境领域的相关研究；（3）将对单一污染物的研究扩展到了环境绩效这一相对综合性的指标（综合考察了中国工业的多种污染物，如废水、废气、固体废物、COD和SO2）。传统研究在考察贸易、经济增长和环境关系时大多采用单一污染物，造成了不同污染物选择所导致的研究结果的差异性，影响对于变量长期关系的把握，而通过构建综合的环境效率指标，将投入、期望产出及不同类型的非期望产出纳入模型中，有利于获得贸易、经济增长与环境绩效之间的稳定关系。

全文余下部分结构安排如下：第二部分是中国工业环境效率的测度，包括环境效率测度模型和测算结果；第三部分是中国工业环境效率的影响因素及EKC检验，实证检验贸易、经济增长对环境效率的影响，并探讨其他因素如环保投入、人口密度、产业结构对环境效率的影响；第四部分是结论及相关政策建议。

二、中国工业环境效率测度

最早的环境效率评价方法因存在着非期望产出干扰环境效率数值的问题，在修正干扰因素的过程中，产生了几种比较著名的环境效率评价方法：投入法、倒数转换法、转换向量法、方向性距离函数法、SBM模型法。投入法和倒数转换法其缺陷在于没有考虑实际的生产过程，不能反映生产过程实质，因此其计算结果是有偏的；转换向量法在放松规模报酬可变的条件下则有可能造成线性规划无解；而方向性距离函数法由于较好地解决了非期望产出的效率评价问题，得到了最为广泛的应用。Fre et al.（1989）首次将经济发展和环境质量之间的关系采用非参数设定下的距离函数衡量，并将污染物视为生产过程的一种产出，通过对期望产出施加强可处置性及非期望产出施加弱可处置性，建立了环境绩效评价指标（EPI）。

在Fre et al（1989）所提出的距离函数模型及Selden and Song（1994）、Grossman and Krueger（1995）提出的环境库兹涅茨曲线（即经济发展与环境质量之间的倒U型曲线关系）基础上，众多学者采用两阶段面板数据的计量模型验证了环境库兹涅茨曲线的存在性，研究了不同国家经济增长和环境效率之间的关系，然而正如Simar and Wilson（2011）批评时指出的那样，在使用传统的距离函数模型进行两阶段分析时需做出众多假定，但经济数据却大多不能满足这些假定。因此，Simar and Vanhems（2012）在Cazals et al.（2002）、Daraio and Simar（2005）提出的概率生产函数基础上，对Fre and Grosskopfs（2004）所提出的方向性距离函数进行了扩展，首次提出了条件方向性距离函数及其非参数估计（对方向距离函数施加的条件为能够影响生产过程的其他因素），将非期望产出纳入模型以反映经济增长的负面作用，从而在采用两阶段分析衡量经济增长对环境效率的影响时避免了以往研究中存在的“非现实”假设问题（Simar and Wilson，2007， 2011）。因此，本文采用条件方向性距离函数测算1992-2014年间中国各省份的环境效率值。

（一）地区环境效率测度模型

1.方向性距离函数

根据Fare（2004）的研究，对方向性距离函数作出如下定义：用P（x）表示要素投入，x∈R+N ，u表示非期望产出，u∈R+K，v表示期望产出，v∈R+M，并假设产出集是封闭的，要素投入可以自由使用。在满足下述条件时，P（x）为环境产出集：（1）（v，u）∈P（x），且0θ1，（θv， θu）∈P（x）（产出的弱可处置性）；（2）（v，u）∈P（x），u=0，同时得到v=0（期望产出和非期望产出的零联合性）。弱可处置性假设认为非期望产出的减少是有成本的，因此要想减少非期望产出必须同时减少期望产出，非期望产出为期望产出的副产品；零联合性假设认为要使得非期望产出降为零，除非不生产期望产出，两者的关联点仅在零点。

利用数据包络分析，环境产出集可以被表示為：

（二）数据及变量选取

与其他相关文献类似，为衡量1992-2014年中国各省份①的工业环境效率，本文采用两种投入：劳动力和资本，其中，劳动力采用各省份工业企业年均从业人数，资本则采用张军（2004）永续盘存法估计得到的地区物质资本存量（1952年=100）。期望产出为各地区工业总产值（为消除价格因素影响，按工业出厂品价格指数进行折算，1990年=100），非期望产出为各省份废水污染物、废气污染物、固体废物污染物、COD和SO2排放量，外部控制变量为人均国内生产总值（为消除价格因素影响，按人均国内生产总值指数进行折算，1990年=100）。以上数据来自于中经网统计数据库、《中国工业经济统计年鉴》及《中国环境年鉴》。

工业废水中污染物排放量指排放的工业废水中所含汞、镉、六价铬、铅、砷、挥发酚、氰化物、石油类、硫化物、COD等一般无机物和有机物等污染物本身纯重量的加总，单位为吨；工业废气污染物排放量则为工业SO2排放量、工业烟尘排放量和工业粉尘排放量的加总，单位为吨；工业固体废物产生量指企业在生产过程中产生的危险废物、冶炼矿渣、粉煤灰、炉渣、煤矿石、化工废渣、尾矿、放射性废渣等废物总量，单位为吨。

表1为所采用变量的相关描述性统计，从中可以看出本文所分析的29个省份具有较大的差异性。

（三）测度结果

本文分别采用方向性距离函数（公式4）和条件方向性距离函数（公式14）测算了1992-2014年中国29个省份、直辖市的工业环境效率值。分地区的中国工业环境效率变动趋势如图1所示。从图1可以看出，采用传统方向性距离函数测算的中国三大地区环境效率总体呈现逐年下降的趋势，且并未趋于收敛（a图），而采用条件方向性距离函数测算的中国三大地区环境效率则呈现稳中略有上升的趋势，且地区之间的差异性在减小并趋于收敛（b图），这一点与杨俊（2010）的研究结果一致。另外，东部地区各省份的平均环境效率要明显高于中部和西部地区。

三、中国工业环境效率的影响因素及EKC检验

（一）计量模型

由于被解释变量被限制在（0，1＼]之间，如果直接采用最小二乘法，会给参数估计带来严重有偏和不一致，为此，本文采用Tobit回归分析。Tobit回归分析是因变量受限模型的一种，当被解释变量为断尾（Truncated）或截取（Censored）时采用。标准Tobit模型如公式（15）所示：

Y*i=Xiβ+εi

Yi=Y*iifY*i0

Yi=0ifY*i0（15）

其中，Y*i为潜变量（latent dependent variable），Yi为观察到的被解释变量，Xi为解释变量，β为相关系数，εi为独立的且εi～N（0，σ），Y*i～N（Xiβ，σ）。

基于经典的环境库兹涅茨分析框架，本文以基于条件方向性距离函数测算得出的环境效率值为被解释变量，建立以下Tobit回归模型：

EEit=β0+β1GDPPCit+β2GDPPC2it+β3GDPPC3it+β4TRADEit+β5ENVIRit+β6INDUSit+β7POPDit+εit（16）

其中，i和t分别代表省份及年份。本研究的时间区间为1992-2014年，共29个省份，667个观测值。变量所采用数据均来自于中国经济社会统计数据库。

GDPPC为人均国内生产总值。为研究贸易、经济增长与环境效率之间的关系，探究中国工业环境效率的影响因素，与已有研究类似（He， 2008；Diao et al.， 2009；Brajer et al.，2011），本文采用地区人均国内生产总值GDPPC（未经说明GDPPC均为按照不变价格计算值，1990年=100）衡量地区经济增长，GDPPC2、GDPPC3分别为人均国内生产总值的平方项和立方项。按照EKC理论，通过回归系数可以判定经济增长与环境之间的关系：如果β1>0（β1<0）且β2=0、β3=0，则两者存在单调递增（递减）关系；如果β1>0且β2<0（β2>0）、β3=0，存在倒U型（U型）曲线关系；如果β1>0且β2<0、β3>0，存在N型曲线关系；如果β1<0且β2>0、β3<0，存在倒N型曲线关系。

TRADE为贸易开放度，其计算公式为：（出口额+进口额）/国内生产总值，用以反映贸易对环境效率的影响。Grossman（1993）在其开创性研究中将贸易的环境影响分为规模效应、结构效应和技术效应，贸易对环境的影响取决于这三种效应的总和，其中技术效应主要来源于外国生产者的技术转移和贸易自由化引起收入水平提高所导致的技术进步。后续关于贸易的环境影响实证研究一般有两种结论：一种认为贸易有益于环境的改善，其原因在于贸易能够促进一国经济增长从而改善环境，有利于清洁技术在国际上的扩散；另一种观点则认为贸易不利于环境的改善，主要原因在于一些国家尤其是发展中国家容易在国际分工中更多承担“污染品”的生产，从而不利于本国的环境。其中，对中国的贸易与环境效率的实证研究方面，杨俊等（2010）基于中国省际面板数据模型的研究发现，贸易开放与环境效率显著负相关，而其他一些研究却显示贸易依存度对环境效率的影响较小；王兵等（2010）基于区域面板数据模型的研究结果显示FDI有利于提高中国的环境效率；而涂正革（2008）利用同样的研究方法却得出相反的结论。参考上述文献的研究成果，本文预期TRADE系数方向不定。

ENVIR为环保治理投入力度，采用工业污染治理本年完成投资额占地区生产总值的比重来衡量。一个地区如果环保治理投入力度越大，在其他投入和期望产出相同的条件下会具有更高的环境效率，反之，则环境效率相对较低。故本文预期该变量系数值为正。

INDUS为产业结构，采用第二产业增加值占国内生产总值的比重来衡量。关于产业结构与环境效率的研究有两类观点：一种观点认为第二产业相对于第一、第三产业而言，对环境的污染最为突出，且中国近年来的工业化发展具有明显的粗放型特点，因此第二产业在GDP中的比重越高，则环境效率越低；另一种观点则认为第二产业对经济增长的正面推动作用会降低环境污染，从而出现第二产业所占比重越高，环境效率越高的情形。因此，本文预期该变量系数方向不定。

POPD为人口密度，以每平方公里的人口数来衡量。关于人口密度对环境的影响也具有不同的研究结论：一种观点认为人口密度越高的地区其面临的环境压力越大，人口密度是導致环境退化的主要原因之一（Cropper and Griffith， 1994）；另有观点认为人口密度越高的地区其自身对环境保护更加关注，而人口较为稀少的地区则对环境的关注相对较少（Selden and Song， 1994）。因此，本文预期该变量系数方向不定。

解释变量的相关描述性统计见表2。从表2可见，不同地区的数据呈现较大差异。从均值来看，东部地区的人均国内生产总值、贸易开放度、第二产业占GDP的比重及人口密度均要高于中部、西部地区，而西部地区的环保投入力度要相对高于中部和东部地区。

（二）全国及区域EKC检验

本文采用Tobit模型对回归方程进行了估计检验，结果见表3。通过模型1回归结果可以发现，模型中的GDPPC三次项并未通过显著性检验，意味着经济增长与环境效率之间并非呈现N型（倒N型）曲线关系，故删去不显著的GDPPC三次项，再次进行回归并检验经济增长与环境效率之间的U型（倒U型）关系。从模型2回归结果可以看出，GDPPC及其平方项系数的显著性明显上升，且回归方程中的大多数自变量通过了1%水平的显著性检验，因此本文选定模型2为最终估计结果。控制其他变量，环境效率（EE）与经济增长（GDPPC）的关系可以表示为：

EE=00000302GDPPC-684e-10GDPPC2

由此关系式可以看出，经济增长和环境效率呈倒U型曲线关系，环境效率随着经济增长呈现先上升后下降的趋势，拐点处的人均国内生产总值（GDPPC）经计算为221万元。笔者认为这一点与传统的环境库兹涅茨曲线（EKC）检验并不冲突。EKC理论认为环境污染水平与经济增长呈倒U型曲线，污染水平会随着经济增长呈现先上升后下降的趋势，而本文测算得出的拐点值为环境效率的转折点，即在人均国内生产总值到达拐点处前环境效率为上升趋势，经过拐点处后环境效率则呈现下降趋势，这主要是因为在超过拐点处后，环境监管成本上升，污染物的减排难度进一步加大，与环境污染水平的拐点并不矛盾。对比各省份的人均GDP数据可以发现，2003年以前各省份的人均GDP均未超过拐点值，总体而言中国尚未到达环境效率的转折点，处于倒U型曲线的左侧，即环境效率随着经济增长而上升的阶段，但这一乐观情况很快将会改变。2012年已有10个省份、直辖市的人均GDP超过了拐点值，即进入环境效率随经济增长而下降的阶段。

为探究EKC是否存在地区差异，并检验本文估计所采用模型的稳健性，我们进一步采用Tobit模型分东部、中部和西部地区回归检验了经济增长、贸易等其他因素对环境效率的影响，回归结果见表3中的模型3、模型4和模型5。由回归结果可以看出，分区域的EKC检验仍然支持经济增长与环境效率之间的倒U型关系，差异之处在于各区域其拐点处的人均GDP有所不同，东部、中部和西部地区拐点处人均GDP依次为182、271和202万元，中部地区的拐点值明显高于东部地区和西部地区，这一结论与袁鹏（2011）的结论一致；2014年，东部地区除河北、海南外，其他东部地区省份、直辖市人均GDP均已超过拐点值；中部和西部省份人均GDP均未超过拐点值。

EKC的区域差异与地区间的经济发展水平、资源禀赋、产业结构、环境监管方面的差异均有关联，即区域间样本存在异质性问题。2012年，东、中、西部地区第二产业占GDP比重平均值依次为45%、52%和49%；1992-2014年间，中部地区第二产业占GDP比重上升幅度最大，平均上升幅度为27%，西部地区为25%，东部地区则为07%，甚至有6个省份的第二产业所占GDP比重有不同程度的下降，而中、西部地区各省份均为上升态势。从2014年来看，东、中、西部地区的工业化水平差异不大，然而地区间的经济发展水平（本文采用人均国内生产总值来度量）却差异巨大，东部地区经济发展水平最高，其次是中、西部地区。因此，EKC拐点值的区域差异可能与不同地区所处不同工业化发展阶段有关，东部地区经济发展水平高，且已进入工业化发展后期阶段，而中、西部地区则处于工业化发展的中期或初期阶段。已有研究显示，工业化程度越高、经济发展水平越高的国家或地区，其环境监管力度越高，因此经济较为发达的东部地区，污染物进一步减排的空间和难度也会加大，拐点也相应出现的较早，而中、西部地区则因为较晚完成工业化进程，并且在发展工业的过程中可以借鉴东部地区成熟的治污经验，从而推迟拐点的出现。

（三） 影响环境效率的因素分析

本文同时考察了除经济增长外影响环境效率的其他因素，并分东、中、西部地区考察了地区差异，回归结果见表3。

贸易开放度（TRADE）对环境效率的回归系数在全国范围和东部地区显著为正，即对外贸易总体上有利于中国工业环境效率的提高，尤其是在经济发达、贸易依存度较高的东部地区，而在人均收入和贸易开放度较低的中、西部地区该系数显著为负，贸易对环境效率的负面影响则要大于其正面影响。贸易对环境效率的影响可以分为收入效应、结构效应及技术效应。收入效应指由于贸易导致的收入提高从而对环境效率产生的影响，一方面贸易通过收入提高增加了政府用于污染治理支出的资金来源，另一方面，贸易通过提高收入增加了公众对于清洁环境的需求；结构效应是指在国际贸易中各国在污染品和清洁品的生产方面分工不同，专业生产污染品的国家与专业生产清洁品的国家必然在环境效率方面具有显著差异，从而体现为贸易结构差异对一国环境效率的影响；技术效应指由于国际贸易导致的生产技术在全球范围内的转移和扩散，其中包含污染品生产技术转移，这主要是由于国家间环境标准差异而导致的污染品生产转移所引起的。从实证回归结果可以看出，贸易对环境效率的影响在不同省份是不同的，在经济发达、贸易依存度高的东部地区，贸易通过增加收入、促进清洁技术的扩散有力地推动了环境效率的提高，而在贸易依存度较低、经济欠发达的中、西部地区，贸易不利于环境效率的提高，这主要跟一些中、西部省份经济发展速度较缓、对一些高污染、高能耗产业依赖较重有关。然而，中、西部地区省份其环境效率提高的空间和潜力相对高于东部地区，因此在提高中、西部地区工业化发展水平的同时，应重点注意降低对高污染、高能耗产业的依赖性，加强环保意识，积极引进外资投资于清洁产品领域，扩大清洁产品的生产和出口。

环保治理投入力度（ENVIR）对环境效率的回归系数在全国范围和东、中、西部地区均为负值，即环保治理投入力度越大环境效率反而越低，与预期不符，其主要原因在于中国目前对工业污染的治理属于“末端治理”而不是“源头治理”。末端治理相对于源头治理而言，投入高，费用大，且不能从根本上消除污染。另外，通过比较发现，除海南省外，各省份2014年工业污染治理项目本年完成投资额占GDP的比重与1992年相比，均有不同幅度的下降，其中，下降幅度最高的省份为北京、吉林、黑龙江、河南、四川，下降幅度为90%以上。各级政府应在加大环保投入力度的同时，逐步改变“末端治理”的治污模式，加大从源头进行工业生产的污染控制，加快循环经济建设，积极鼓励企业采用清洁生产技术。

产业结构（INDUS）对环境效率的回归系数在全国范围和东、中、西部地区均为正值，即第二产业增加值占国内生产总值比重越高，工业环境效率越高，即第二产业拉动经济增长从而对环境效率产生的正面效应大于其负面影响，从而出现第二产业所占比例越高，工业环境效率越高的情形。近年来，中、西部地区第二产业占国内生产总值的比重越来越高，而东部地区则有下降趋势，因此中、西部地区应该在大力发展第二产业的同时，注意引入清洁生产技术，避免以往东部地区经济发展所走的“先污染，后治理”道路，提高工业环境效率。

人口密度（POPD）对环境效率的回归系数在全国范围为负值，即总体而言，人口密度越高则环境效率越低。在经济相对欠发达的中部尤其是西部地区，该变量系数显著为负，主要是由于公众对环境的关注相对较少，人口密度高的地区具有更高的环境压力。因此，在人口密度较大的省市，应进一步健全环境管理体系，在地区和城市的产业布局及城市规划中，充分考虑对环境污染的影响，使得人口密度较高的城市能在提供经济、社会服务功能的同时不打破生態系统平衡；应加强环保宣传，尤其在中、西部地区，提高公众环保意识；在环保审批方面，应严格限制能够对当地生态环境带来严重破坏的企业，加强环保监督。

四、结论

本文首先采用条件方向性距离函数，将人均国内生产总值作为外生因素，以劳动力和资本为投入要素，以工业总产值为期望产出，废水、废气、固体废物污染物排放量、COD和SO2为非期望产出，测算了中国29个省份1992-2014年间的工业环境效率，然后进一步利用Tobit模型回归检验了EKC理论，分析了贸易、环保治理力度、产业结构和人口密度等影响中国工业环境效率的因素，得到如下主要结论：（1）中国工业环境效率总体呈逐年上升趋势，且地区间的差异逐年减小并趋于收敛，东部地区的平均环境效率高于中、西部地区。（2）经济增长与环境效率呈倒U型曲线关系，这一关系在全国范围和地区范围内均成立，即环境效率随着经济增长呈现先上升后下降的趋势，超过拐点之后环境效率下降，环境监管的成本上升。从全国范围来看，中国大部分省份仍未到达拐点；分地区来看，东部地区大部分省份均已超过拐点，而中、西部地区尚未到达拐点，这一结论与传统EKC的检验并不冲突。（3）对外贸易总体上有利于中国工业环境效率的提高，尤其是在人均收入较高的东部地区，而在中、西部地区贸易对环境效率的负面影响要大于其正面影响；环保治理投入力度越大，工业环境效率反而越低，这主要是由于对工业污染高投入且效果较差的“末端治理”所导致；第二产业增加值占国内生产总值比重越高，则工业环境效率越高，第二产业拉动经济增长从而对环境效率产生的正面效应大于其负面影响；人口密度对中国工业环境效率的影响总体上为负，高人口密度反而不利于环境效率的提高。

上述结论表明，中国如果想“又快又好”的发展经济，必须走新型工业化道路，在推动经济增长的同时，加快清洁技术的研发和推广使用，尽可能地减少污染物排放，避免过早落入环境效率的下降通道。（1）各地政府应充分利用对外贸易对一国经济增长及环境产生的正面影响，调整产业布局，尽量降低对于高能耗、高污染行业的依赖性。中西部地区虽然尚未到达拐点，但应注意在扩大开放的同时加强环保意识，引导资金投资于清洁产品领域，严格限制能够对当地生态环境造成严重破坏的企业，提高公众的环保意识，加强环保宣传和教育。（2）应充分重视“源头治理”，逐步改变以往“末端治理”模式，加快循环经济建设，积极鼓励企业采用清洁生产技术，并进一步加大环保治理投资力度。（3）在人口密度较高的省市应进一步健全环境管理体系，从生态平衡的视角进行产业布局和城市规划，尽量降低人口密度过高带来的环境压力。

注释：

①在分析中，将中国内地分成三大地区：西部（包括广西、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、西藏和重庆），中部（包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南）和东部（包括北京、天津、上海、河北、辽宁、山东、江苏、浙江、福建、广东、海南），西藏和重庆由于缺少数据而被排除在本研究之外。

参考文献：

[1]Watanabe，M.，Tanaka，K. Efficiency Analysis of Chinese Industry： a Directional Distance Function Approach[J].Energy Policy，2007（35）：6323-6331.

[2]Bian，Y.，Yang，F. Resource and Environment Efficiency Analysis of Provinces in China： A DEA Approach Based on Shannon′s Entropy[J].Energy Policy，2010（38）：1909-1917.

[3]Guo，X.D.，Zhu，L.，Fan，X.，Xie，B.C. Evaluation of Potential Reductions in Carbon Emissions in Chinese Provinces Based on Environmental DEA[J].Energy Policy，2011（39）：2352-2360.

[4]Wang K.，Yu，S.，Zhang，W. China′s Regional Energy and Environmental Efficiency： a DEA Window Analysis Based Dynamic Evaluation[J].Mathematical and Computer Modelling，2013（58）：1117-1127.

[5]楊俊，邵汉华，胡军. 中国环境效率评价及其影响因素实证研究[J].中国人口资源与环境，2010（2）：49-55.

[6]袁鹏，程施. 中国工业环境效率的库兹涅茨曲线检验[J].中国工业经济，2011（2）：79-88.

[7]Fre，R.，Grosskopf，S.，Lovell，C.A.K.，Pasurka，C. Multilateral Productivity Comparisons When Some Outputs are Undesirable[J].Review of Economics and Statistics，1989（71）：90-98.

[8]Selden，T.，Song，D. Environmental Quality and Development： Is There a Kuznets Curve for Air Pollution Emissions？[J].Journal of Environmental Economics and Management，1994（27）：147-162.

[9]Grossman，G.M.，Krueger，A.B. Economic Growth and the Environment[J].Quarterly Journal of Economics，1995（33）：353-377.

[10]Simar，L.，Wilson，P.W. Two-stage DEA： Caveat Emptor[J].Journal of Productivity Analysis，2011（36）：205-218.

[11]Simar，L.，Vanhems，A. Probabilistic Characterization of Directional Distances and Their Robust Versions[J].Journal of Econometrics，2012（166）：342-354.

[12]Cazals，C.，Florens，J.P.，Simar，L. Nonparametric Frontier Estimation： a Robust Approach[J].Journal of Econometrics，2002（106）：1-25.

[13]Daraio，C.，Simar，L. Introducing Environmental Variables in Nonparametric Frontier Models： a Probabilistic Approach[J].Journal of Productivity Analysis，2005（24）：93-121.

[14]Fre，R.，Grosskopf，S.，Hernandez-Sancho，F. Environmental Performance： an Index Number Approach[J].Resource & Energy Economics，2004（26）：343-352.

[15]Simar，L.，Wilson，P.W. Estimation and Inference in Two-stage，Semiparametric Models of Productive efficiency[J].Journal of Econometrics，2007（136）：31-64.

[16]Chung，Y.H.，Fre，R.，Grosskopf，S. Productivity and Undesirable Outputs： a Directional Distance Function Approach[J].Journal of Environmental Management，1997（51）：229-240.

[17]Daraio，C.，Simar，L. A Robust Nonparametric Approach to Evaluate and Explain the Performance of Mutual Funds[J].European Journal of Operational Research，2006（175）：516-542.

[18]Daraio，C.，Simar，L. Conditional Nonparametric Frontier Models for Convex and Nonconvex Technologies： a Unifying Approach[J].Journal of Productivity Analysis，2007（28）：13-32.

[19]张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952-2000 [J].经济研究，2004（10）：35-44.

[20]He，J. China′s Industrial SO2 Emissions and its Economic Determinants： EKC′s Reduced vs. Structural Model and the Role of International Trade[J].Environment and Development Economics，2008（14）：227-262.

[21]Diao，X.D.，Zeng，S.X.，Tam，C.M.，Tam，V.W.Y. EKC Analysis for Studying Economic Growth and Environmental Quality： a Case Study in China[J].Journal of Cleaner Production，2009（17）：541-548.

[22]Brajer，V.，Mead，R.W.，Xiao，F. Searching for an Environmental Kuznets Curve in China′s Air Pollution[J].China Economic Review，2011（22）：383-397.

[23]Grossman，Gene M. and Krueger，Alan B. Environmental Impacts of A North American Free Trade Agreement[M].The Mexico-U.S. Free Trade Agreement，Garber，Peter M.，ed.，Cambridge and London： MIT Press，1993：13-56.

[24]王兵，吳延瑞，颜鹏飞. 中国区域环境效率与环境全要素生产率增长[J].经济研究，2010（5）：95-109.

[25]涂正革. 环境、资源与工业增长的协调性[J].经济研究，2008（2）：93-105.

[26]Cropper M.，Griffith C. The Interaction of Population Growth and Environmental Quality[J].American Economic Review，1994（84）：250-254.

Abstract：This paper calculates China′s industrial environmental efficiency of 29 provinces from 1992 to 2014 by using the conditional directional distance function， examines the relationship between economic growth and environmental efficiency， and analyzes other factors that influence China′s industrial environmental efficiency such as trade， environmental protection investment，etc. The results reveal that： China′s overall industrial environmental efficiency shows an upward trend， the regional differences decrease year by year and tends to convergence， the average environmental efficiency in eastern area is significantly higher than middle and western region； an inverted u-shaped curve relationship exists between economic growth and environmental efficiency， which means the environmental efficiency shows an downward trend after rising along with economic growth， in 2014 most eastern provinces have been surpassed the turning point， the middle and western region have not reached the turning point yet； foreign trade， on the whole， is beneficial to the improvement of China′s industrial environmental efficiency， especially in the developed eastern region of China， while in the middle and western regions the negative impact of trade on environmental efficiency is larger than its positive influence； the greater the environmental governance investment is， the lower the industrial environmental efficiency is， which is mainly due to the high investment and poor effect of industrial pollution control caused by “end-treatment”； the higher the proportion of added value of the secondary industry in gross domestic product is， the higher the industrial environmental efficiency is， the positive effect of secondary industry on environmental efficiency driven by economic growth is greater than its negative impact； population density has a negative effect on China′s industrial environmental efficiency on the whole， the higher population density is， the lower environmental efficiency is.

Key words：environmental efficiency； economic growth； trade； conditional directional distance function

（责任编辑：张曦）