中国省域环境效率影响因素的实证研究

刘殿国　郭静如

摘要

基于环境效率影响因素理论和社会嵌入性理论，概括了环境效率影响因素的社会嵌入性的认知嵌入、关系嵌入、结构嵌入、文化嵌入、政治嵌入。以资源环境经济因素为层一变量，以社会嵌入性因素为层二变量，运用多层统计模型解决了中国省域环境效率影响因素的作用路径问题；利用中国省域的1998年到2013年每个省的资本存量、人力资本、能源消耗、用水量、污染排放指数、国内总产值数据，基于超效DEA 方法，测算了中国省域的环境效率；实证分析了嵌入性视角下中国省域环境效率的影响因素。结果表明：中国省域之间的环境效率存在较大的差异；环境效率的整体差异中，高达90%的份额是由各省环境效率的社会嵌入性不同造成的。显著性直接影响因素为：人均GDP、物流关系嵌入正向影响环境效率，第二产业比重、节能性政治嵌入负向影响环境效率；显著性间接影响因素为：自然保护性政治嵌入增加将削弱第二产业比重与环境效率之间的负向关系，资金流关系嵌入增加将加强天然气使用比重与环境效率之间的正向关系；既是显著性直接影响又是显著性间接影响因素为：认知嵌入既能直接正向影响环境效率又能削弱天然气使用比重与环境效率之间的正向关系。因此，中国在解决环境问题时，不仅要考虑资源环境经济因素，还要考虑社会场景因素（嵌入性因素）对环境效率的影响，并且协调好二者之间的关系，才能实现环境效率的长期稳定提高。此外，本文也是建立适合社会嵌入性理论实证分析方法的一种尝试，实证结果有助于改善新经济社会学的社会嵌入性理论缺乏实证分析的局面。

关键词 环境效率；社会嵌入性；多层统计模型；中国省域

中图分类号 F224；F069.9 文献标识码 A 文章编号 1002-2104（2016）08-0079-09

doi：10.3969/j.issn.1002-2104.2016.08.012

中国经济在过去三十五年高速增长， 尤其是最近十五年快速崛起，目前中国经济已成为世界经济的火车头。同时中国也正面临着发达国家在工业化进程中所遇到的种种环境问题。《中国环境经济核算报告2009》显示， 我国经济发展的环境污染代价持续上升，环境污染治理压力日益增大。2009年环境退化成本和生态破坏损失成本合计13 916.2亿元，约占当年GDP的3.8%。在2014年世界环境绩效指数（EPI， environmental performance index）的排名中， 中国得到了43分， 在所有178个国家和地区中排在第118位， 环境情况不容乐观。世界价值观调查（WVS） 中关于环境保护优先还是经济增长和增加就业优先的问题，由中国部分2012年数据分析得到，回答为环境保护优先占总有效数据的56.5%。中国政府已充分认识到了环境的现状， 提出了新型工业化道路、科学发展观、和谐社会、创新型国家、转变经济发展方式、绿色低碳发展的理念，把建设资源节约型和环境友好型社会作为一项基本国策。所以， 中国的政策制定者面临着经济增长和节能减排的权衡问题。那么能否有既保证一定的经济增长、又能降低生态环境风险的办法呢？Chen et al认为环境效率的定量分析，不仅是了解区域环境保护现状的重要前提，也是制定和调整相关政策的前提；而且，环境效率的提高对于减少环境风险和生态稀缺程度至关重要[1]。因而，提高中国环境效率是非常值得研究的问题，而中国环境效率的大小是由中国各省环境效率大小决定的，因此，提高中国各省环境效率是也非常值得研究的。已有越来越多的国内外学者对环境效率及其影响因素进行了研究。

环境效率按照杨俊等界定，是指实际污染排放和潜在污染排放的一种度量。它的经济学含义是以环境生产前沿面的决策单元为参照面，在保持投入产出不变时，污染排放能在现有基础上减少的潜力[2]。围绕环境效率的影响因素问题，学者们主要从以下维度进行了研究：产业结构[3-7]、能源构成[3，5] 、技术进步[4，6] 、经济规模[4，6-7，9]、人口密度[7-8]、国际贸易[3-8，10]、政府影响力[3-4，7-8]。但是，缺少影响环境效率因素的作用路径分析，而影响因素的路径分析能为提高环境效率的精细化管理以及政策的制定提供可靠的理论依据。另外，虽然已有的环境效率影响因素研究也考虑了关系嵌入（国际贸易）和政治嵌入（政府影响力）等，但其重在考虑资源环境经济因素的影响，缺乏对社会网络结构和群体认知以及社会文化的关注，缺少“嵌入性”思维。对于还处在经济转轨过程中的中国而言，关注非正式的制度因素对于经济现象，特别是环境效率提高的解释有着更为特殊的蕴意。由于正式规则执行的缺失，充当环境保护机制角色的非正式制度的作用还需进一步挖掘。基于以上存在的问题，本文在社会嵌入性理论的基础上，以中国省域环境效率的影响因素为研究对象，运用多层统计模型，回答以下两个关键性问题：一是中国省域环境效率的嵌入性如何以及嵌入性对环境效率会起到什么样的影响？ 二是中国省域环境效率影响因素的作用路径如何？

1 中国省域环境效率影响因素的社会嵌入性

Granovetter指出，“我们研究的组织及其行为受到社会关系的制约，把它们作为独立的个体进行分析是一个严重的误解”[11]。因此，影响中国省域环境效率行为的因素研究也不应该缺少社会嵌入维度。用新经济社会学嵌入性理论分析中国省域环境效率影响因素；基于社会嵌入性视角可以将环境效率影响因素重新划分为：资源环境经济因素与社会场景因素。资源环境经济因素包括产业结构、能源构成、技术进步、经济规模以及人口密度等；而国际贸易属于社会场景因素中的关系嵌入，政府影响力等属于社会场景因素中的政治嵌入。依据社会嵌入性维度[11-12]，环境效率影响的社会场景因素维度还需进一步拓展。

依据Granovetter[11]和Gulati[13]对结构嵌入、关系嵌入以及Zukin和Dimaggio对政治嵌入、文化嵌入、认知嵌入[12]等对嵌入维度的概括，本文概括性给出中国省域环境效率影响因素的嵌入性。

（1）中国省域环境效率影响因素的认知嵌入。认知嵌入是指在长期提高中国省域环境效率的实践中，各省资源环境经济产业以及公众对环境效率会形成一定的“群体思维和群体认知”。各地区资源环境产业的日常的运营管理、战略选择以及产业间的协调都会受到这些群体认知和群体思维的影响。认知嵌入主要关注中国各省公众关于环境效率的群体认知，或环境管理中所形成的共识对提高中国省域环境效率的影响程度以及作用机理。

（2）中国省域环境效率影响因素的关系嵌入。关系嵌入是指中国各省资源环境产业可以看作处于一个全球化的网络中的一个节点，网络关系会改变各省环境效率。关系嵌入关注网络关系给各省资源环境产业带来能提高其环境效率的信息和资源。如，各省外商投资、进出口对其环境效率的作用机理以及影响程度。

（3）中国省域环境效率影响因素的结构嵌入。结构嵌入是指各省资源环境产业间相互联系的总体性结构。它一方面强调各省资源环境产业所形成网络的整体功能和结构，另一方面注意各省资源环境产业作为网络节点在社会网络中的结构位置及其与环境效率之间的关系。结构嵌入关注各省资源环境产业所嵌入的社会网络对其提高环境效率带来的超额价值（包括信息和资源优势）。如，某省使用的能源占中国总能源的比例较大，对其环境效率将产生怎样的影响？

（4）中国省域环境效率影响因素的文化嵌入。文化嵌入是指各省资源环境产业所处的社会文化环境对其环境效率也有一定的影响，也就是各省在其长期历史所形成的传统价值观、宗教信仰、共有信念、传统惯例等社会文化因素对各省的资源环境经济行为的制约与影响。文化嵌入主要关注共有信念、价值观和传统惯例等对提高环境效率目标实现的促成机理。如，各省民众关于环境保护与经济增长的观念、传统的创业精神等对环境效率变化的作用机理以及影响程度。

（5）中国省域环境效率影响因素的政治嵌入。政治嵌入是指各省环境效率的提高会受到各省的政治环境、政治体制和权利结构的影响。政治嵌入主要关注政治因素对提高环境效率的作用机理，以及影响和激励资源环境产业发展的某些制度特征。如，各省治理污染投资政策对环境效率变化的影响程度以及作用机理。

2 中国省域环境效率的测算

2.1 模型选择

本文基于Zhou et al的超效率DEA模型分析框架[14]，根据数据的可得性，选择了除西藏外的30个省为评价单元，每个省有4种投入要素生产1种合意性产出和1种非合意性产出。

2.2 变量与数据来源

投入要素：每个省的资本存量（亿元）、人力资本（万人·年）、能源消耗（万t标准煤）、用水量（万t）；其中，资本存量2006年以前按张军的算法[15]，2007年到2013年按固定资产形成总额-折旧作为固定资产形成的净值，折算成1990年价格，并与上一年存量相加得到本年度的资本存量的方法；人力资本采用岳书敬和刘朝明的做法[16]。

非期望性产出为污染排放指数，期望产出为1990年不变价的国内总产值（亿元）；其中，污染排放指数采用徐盈之和吴海明的做法：首先，将各省工业三废排放为污染排放的原始数据归一到某一无量纲区间[17]；之后，运用熵权法， 把三大污染排放指标综合成一个污染排放指数。

固定资产形成总额与折旧、工业三废排放、国内总产值数据来源于中国统计年鉴；就业人员受教育程度构成和劳动力人数数据来自中国劳动统计年鉴；能源消耗数据来源于中国能源统计年鉴；用水量数据来源于中国统计年鉴和中国水资源公告。

2.3 环境效率的测量结果

运用带有非期望性产出规模报酬不变的非径向超效率DEA模型，使用MaxDEA6.3分析得中国省域各省1998-2013年的环境效率值（见表1）。

由表1可知，各省之间的环境效率值存在较大的差异。其中，北京、天津、上海、广东、以及山东的效率值较高其平均值都大于1；贵州、宁夏、青海与新疆的效率值较小其平均值都小于0.3。

3 社会嵌入性视角中国省域环境效率影响因素的实证分析

本文的嵌入性视角下中国省域环境效率影响因素覆盖中国省域30省份，采用年度面板数据， 样本区间为1998-2013年。

3.1 模型的选择

对于具有嵌入特征问题的研究，近年来在国际杂志上

开始不断涌现出来一大批使用“多层分析”技术的文献[18]，在目前引用率排名最高的杂志《政治分析》上专门有一期介绍了多层分析方法的应用[19]。

王济川等认为分析具有个体嵌套在更高水平单位里的多层数据（multilevel data）的合适方法是多层统计模型，它不仅能同时分析组织和社会场景变量的效应，而且能分析社会场景变量是如何调节组织水平的解释变量与结局变量之间的关系（调节作用体现了对结局变量的间接影响）[20]；刘殿国等运用多层统计模型实证分析了香蕉产业组织效率以及泛珠三角区域经济增长，认为解决具有嵌套结构小样本数据的合适方法是多层统计模型[21-22]。由于环境效率具有嵌入性的特征，本文选择适合于一般嵌入性实证分析的多层统计模型作实证分析模型。

多层统计模型在中国省域环境效率影响因素研究中的运用将解决社会嵌入性变量对资源环境经济因素与环境效率之间关系的调节问题，即影响因素的作用路径问题。

3.2 变量的选择与数据来源

3.2.1 变量选择

依据环境效率的影响因素和社会嵌入性理论，层一、层二变量选择如下：

层一变量被解释变量：中国省域环境效率（CPENE）。

层一解释变量：产业结构用第三产业比重（PTI）、第二产业比重（PSI）代替；能源构成用石油使用比重（PS）、天然气使用比重（NGS）、煤炭使用比重（CS）以及水核使用比重（WNS）代替，石油、天然气、煤炭以及水核使用比重分别用各省石油、天然气、煤炭以及水核使用占本省能源消费总量比重（%）表示；科技进步（STP）用各省大中型工业企业研究与试验发展（R&D）活动经费支出与各省研究与试验发展（R&D）经费内部支出比重（%）代替；经济规模（GPC）用各省1990年不变价人均GDP（万元/人）的代替；人口密度（lnPD）用各省年末总人口比各省面积（人口数/km2）的对数代替。

层二解释变量：

本文的认知嵌入（COE）用中国各省的环境保护百度PC指数代替；本文的关系嵌入分为物流关系嵌入（LRE）与资金流关系嵌入（CRE），分别用各省的进出口总额占GDP 比重（%）的平均值与外商直接投资总额占GDP 比重（%）的平均值代替；结构嵌入（SE）用各省的能耗占中国总能耗比重（%）的平均值代替；文化嵌入（CE）用个人的环保与经济增长评价表示，个人的环保与经济增长评价值用国际世界观调查（WVS）中被调查对象对问卷中“环境保护和经济增长两种观点（选择环境保护为1、经济增长为2）”问题回答的平均值代替；政治嵌入分为节能性政治嵌入（EPE）与自然保护性政治嵌入（NPE），分别用各省的节能环保投资占公共财政比重（%）的平均值与各省的国家级保护区面积占该省总面积比重（%）的平均值代替；

3.2.2 数据来源

层一数据：二、三产业比重数据来源于各省统计年鉴；煤炭使用比重、石油使用比重、天然气使用比重以及水核使用比重数据：以各省最新统计年鉴中能源消费结构数据为准，不足的数据用新中国60年统计资料汇编与中国能源统计年鉴中的数据补充；科技进步数据来自中国科技统计年鉴；人口密度、经济规模数据由各省统计年鉴整理得到。

层二数据：环境保护百度PC指数来源于百度中的百度指数查询；进出口总额和外商直接投资总额数据来自中国统计年鉴的数据整理得到；国际世界观调查（WVS）数据来自于世界观调查数据库（http：//www.wvsevsdb.com/wvs/DownloadDocURLlicense2.jsp）；各省的总能耗结构数据来自于各省统计年鉴和中国能源统计年鉴；治理污染投资比重的数据中国统计年鉴数据整理得到。

3.3 实证结果分析

本文多层统计模型的结果，是使用专业HLM7.0软件分析得到的。

3.3.1 中国省域环境效率变异（方差）的分解

运用零模型把环境效率的变异分解成能由层一（资源环境因素）和层二（社会嵌入性因素）解释的部分，并依据组内相关系数决定是否建立多层统计模型。

层一模型：CPENEij=βoj+rij（1）

层二模型：βoj=γoo+uoj（2）

其中，i=1998，…2013表示第i年，j=1，2，…30（j是表示第j个省），CPENE为被解释变量，r表示一层随机误差，u表示二层随机误差。

由表2知， 每个省环境效率（CPENE）的平均值在各省之间有着显著的差异，社会嵌入性因素解释的程度，可用组内相关系数ρ=0.089 08/（0.089 08+0.009 11）=90.72%表示，只有9.28%变异可以用资源环境因素解释。这表明中国省域环境效率影响机制较为复杂，仅仅考虑资源环境经济因素是不够的。因此，在研究中国省域环境效率时，必须引入社会嵌入性变量。

3.3.2 资源环境经济变量对效率影响的结果分析

将资源环境经济变量引入模型中，得到变量相对接近显著的模型为：

其中，层一模型中的解释变量都是用组中心化后的数据参与运算的。

GPC为正向显著预期因子， 回归系数值为0.166 9，表明人均GDP每增加一万元，CPENE会增加0.166 9个单位，即人均GDP的增加对环境效率具有显著提升作用。这是由于人均收入水平的提高，会刺激人们对优质“环境质量”的需求，有助于环境效率的提高。从人均GDP对环境效率作用方向来看，本文结果与曾贤刚一致。

STP为负向不显著预期因子，回归系数为-0.000 2，表明STP每增加1%，CPENE会降低0.000 2个单位，即科技进步对环境效率呈现出降低作用。这是因为，一方面，过去的科技投入主要关注经济效益，缺乏对环境效率的关注。另一方面，指标R&D比重只能反映政府对科研的投入力度，也不能较好地衡量技术进步的水平[3]。从科技进步对环境效率作用方向来看，本文结果与曾贤刚一致。

NGS为正向不显著预期因子，回归系数为0.005 9，表明NGS每增加1%，CPENE会增加0.005 9个单位，即天然气使用比重的增加对环境效率具有提升作用。这是因为，天然气使用占能源总消耗的比重的增加意味着煤炭使用占能源总消耗的比重的降低；而天然气与煤炭的使用相比，废弃物的排放要有一定程度的减少，从而，有助于环境效率的提升。从天然气使用占能源总消耗的比重对环境效率作用方向来看，实质上本文结果与王兵等一致。这是因为王兵等是以煤炭使用占能源总消耗的比重作为能源结构的，而煤炭占比与天然气占比呈反向关系，因此，当煤炭占比呈负向关系时，天然气占比应呈正向关系。

PSI为负向显著预期因子，回归系数为-0.009 5，表明PSI每增加1%，CPENE会降低0.009 5个单位，即第二产业比重对环境效率呈现出降低作用。中国各省目前的实际情况是，与第一、第三产业相比第二产业的废弃物排放强度最高。因此，第二产业比重的提高会带来各种污染物排放量的较大增加，从而导致环境效率的降低。从第二产业比重对环境效率作用方向来看，本文结果与王兵等一致。

由表3的方差成分和显著性检验部分可知，截距（β0 ）和PSI以NGS系数在各个省之间存在显著性差异；而STP与GPC的系数在各个省之间不存在明显的差异。即截距、PSI和NGS与CPENE之间的关系随着省的不同而显著不同。嵌入性变量可以对省份之间的变异给出一定程度上的解释。

3.3.3 社会嵌入性影响效应结果分析

为了解释截距和PSI、NGS与CPENE之间关系的省域变异，将嵌入性变量引入β0j、β3j、β4j，得到变量相对接近显著的模型为：

其中，层一与层二模型中的解释变量都用组中心化后的数据参与运算的（见表4）。

由表2、表3和层一、层二模型结果知嵌入性变量对β0j、β3j、β4j的方差成分解释程度见表5。

由表5可知，嵌入性变量对各省的截距以及变量PSI、NGS与CPENE之间的关系的差异程度有较好的解释，说明二层模型较为合理。层二模型的具体分析由表4可知：

COE为正向预期因子，回归系数为0.005 4，表明环境保护百度PC指数每增加一个单位，环境效率平均值会增加0.005 4个单位，即认知嵌入对环境效率具有显著提升作用。这是因为，大众在百度上对环境保护方法的阅读，会得到环保的知识与方法，有助于产生环保的行动，因此

有助于环境效率的提高。由于中国网民的主体是中青年，百度指数对于老年人群体的认知特点在一定时间内还不能有效覆盖，因此，当环境效率中的认知嵌入以整个社会群体为研究对象时，应用“百度指数”的同时，需通过系数加权的方式对数据进行校正以提高精度。具体系数调整为：0.005 4×1.212=0.006 5比原系数大21.2%。调整的具体计算过程为：基于中国互联网信息中心发布的互联网统计报告（1998-2013）的网民年龄结构数据，老年人（60岁以上）的网民占总网民比例的平均值为0.85%；中青年（18岁-59岁）的网民占总网民比重的平均值为82.2%；而关心环境的主体是老中青，因此可近似计算中青年占“环境保护百度pc指数”的比重为：（82.2%）/（82.2%+0.85%）=98.97%。基于中国统计年鉴（1998-2013）按年龄和性别数据，老年人（60岁以上）口占中靑年人口比重的平均值为22.23%。假设老年人中关注环保的比例与中青人中相同，算出老年人对环境效率认知的贡献（相当于“环境保护百度pc指数”的百分比）应为（98.97%+22.23%）×原环境保护百度pc指数=121.2%×原环境保护百度pc指数。不上网老年人对对环境效率认知的贡献为（1.212×原环境保护百度pc指数-原环境保护百度pc指数）=0.212×原环境保护百度pc指数=21.2%×原环境保护百度pc指数。

EPE为负向显著预期因子，回归系数为-0.135 9，表明节能环保投资比重每增加1%，环境效率平均值会降低0.135 9个单位，即节能性政治嵌入对环境效率呈现出降低作用。这是由于实际上节能减排专项资金的使用有助于各地区研发使用新能源以及特定项目废弃物排放减少，在局部上应有助于环境效率的提高；但是，还存在一些问题：一是污染治理投资占GDP的比重长期处于较低水平且治理效果不佳；二是污染治理投资往往是被动的。两者结合起来可理解为污染越重的地区被迫投入更多的资金却获得较差的投资效果，这就会出现工业污染投资越高而地区环境效率越低的现象[4，23]。三是污染控制政策对仅仅具有短期的水平效应，没有长期的增长效应[3]。因此，各方面综合结果导致于节能环保投资比重对环境效率的作用是负向的。从节能性政策对环境效率作用方向来看，本文结果与曾贤刚、王兵以及赵峥一致。

由于环境效率是以GDP作为期望产出，以废弃物排放作为非期望产出的。节能环保投资的增多会导致挤占生产投资和减少废弃物排放现象，同时伴随着的是“关停并转”以及年末限产等措施。中国目前的现状是挤占生产投资的程度、“关停并转”以及年末限产造成的GDP的减少比减少废弃物排放更高，因此导致于节能环保投资比重对环境效率的作用是负向的。从节能环保投资比重对环境效率作用方向来看，本文结果与曾贤刚一致。

LRE为正向预期因子，回归系数值为0.002 9，表明物流关系嵌入每增加1%，CPENE平均值会增加0.002 9个单位，即物流关系嵌入对环境效率具有显著提升作用。这一方面由于各种先进技术、管理方法的引入能够带动环境效率的提高。另一方面由于外资利用得当，环境规制技术发挥越来越大的作用。从外贸依存度对环境效率作用方向来看，本文结果与王兵等一致。

变量GPC与STP的作用，3.3.2已做过解释。

层二模型变量NGS的斜率β3方程中，COE为负向预期因子，这体现了认知嵌入对环境效率的影响。同时，这说明COE的增加将削弱变量NGS与CPENE之间的正向关系。即当环境保护百度PC指数增加一个单位时，NGS对CPENE的正向影响将减少0.000 4单位。这表明百度环境保护指数高的省份NGS的边际环境效率低。实际情况是，在去掉特殊位置海南省后，各省的百度环境保护指数与天然气使用占比正相关性，即百度环境保护指数大的省份天然气使用占比高。虽然人们的发展观念有一定的改变。但是，在目前还比较重视经济增长的情形下，在使用煤炭的成本比使用天然气的成本有较大降低的情况下，在天然气使用占比相对较大的情形中进一步加大天然气使用占比会有很大的困难。从而抑制了NGS对CPENE的作用。CRE为正向预期因子，这体现了关系嵌入对环境效率的影响。同时，这说明CRE的增加将加强变量NGS与CPENE之间的正向关系。即当资金流关系嵌入增加1%时，NGS对CPENE的正向影响将增加0.000 2单位。这表明外商直接投资比重大的省份NGS的边际环境效率要高于外商直接投资比重小的省份。这是由于外商直接投资高的地区，各种先进技术、管理方法的引入能够带动环境效率的提高，从而有助于改善NGS与CPENE之间的关系。

层二模型变量PSI的斜率β4方程中，NPE为正向预期因子，这体现了政治嵌入对环境效率的影响。同时，这说明NPE的增加将削弱变量PSI与CPENE之间的负向关系。即当自然保护区比重增加1%时，PSI对CPENE的负向影响将减少0.001 0单位。这表明自然保护区比重大的省份第二产业比重的边际环境效率要高于自然保护区比重小的省份。这是因为，自然保护区比重大的省份环境保护意识强，能更自觉的减少各种废弃物的排放，有助于环境效率的提高。

4 结论与建议

（1）概括了中国省域环境效率的认知嵌入、关系嵌入、结构嵌入、文化嵌入以及政治嵌入。

（2）中国省域各省之间的环境效率值存在较大的差异。其中，北京、天津、上海、广东、以及山东的效率值较高其平均值都大于1；贵州、宁夏、青海与新疆的效率值较小其平均值都小于0.3。

（3）实证分析了社会嵌入视角中国省域环境效率的影响因素，解决了环境效率影响因素的作用路径问题。得到显著性直接影响因素为：第二产业比重、人均GDP、节能性政治嵌入以及物流关系嵌入；显著性间接影响因素为：自然保护性政治嵌入、资金流关系嵌入；既是显著性直接影响又是显著性间接影响因素为：认知嵌入。

（4）实证分析中，合理地利用大数据（环境效率百度指数）作为一个分析视角，以体现大数据时代下，大数据对决策的影响与作用。

（5）本文也是建立适合社会嵌入性理论实证分析方法的一种尝试，实证结果有助于改善新经济社会学的嵌入性理论缺乏实证的局面。

（6）以上关于中国省域能源效率影响因素的研究结论蕴含以下的政策启示：提高环境效率的政策制定时，既要考虑资源环境经济的因素，也要考虑社会嵌入性因素，同时还要结合时代的特征（大数据）；只有优化资源环境经济的因素、同时合理促进社会嵌入性因素的发展，才能实现各省区环境效率长期稳定的提高。具体策略为：

“一个核心”， 资源环境经济应以提高环境效率为核心，各级政府在资源环境经济方面组织安排活动与分配要素时（包括提高环境效率规划的制定、执行、监督以及要素的合理配置）都应该把环境效率作为一个核心指标对待。

“三方面优化”，①优化污染排放。各级政府应严格执行三废排放有关法律，加大减排技术改造与创新的投入，依据排放目标、企业的排放权的确认和计量，优化分配排放权，建好排放权交易市场，使排放在优化有序的状态下运行。②优化资源环境经济要素对提高环境效率的影响。优化产业结构：对内，通过“双创”活动以及“互联网+”模式改造传统产业；对外，依托国家“一带一路”计划转移过剩产能。优化能源构成结构：应增加天然气的使用量， 同时还要加快对煤炭等传统能源的产业升级改造。优化科技资金的投入，加快科技体制的改革力度，以问题为导向设立科研项目，使科研资金集中使用在急需解决的问题上；优化财税政策，增加人均收入。 ③优化社会嵌入性因素对提高环境效率的影响。优化民众了解提高环境效率知识与方法的过程，政府应利用互联网平台，组建提高环境效率知识与方法的信息库，以便大众查阅。优化治理污染与节能环保投资，提高政府在资源环境经济方面的影响力。政府应该建立完善的治理污染与节能环保投资机制，建立治理污染与节能环保信息系统，实行相应信息申报制与公开制，以便更准确地掌握治理污染与节能环保的具体信息，有了真实可靠信息才可能得到优化精准的投资。优化外资引进，引进外资应与结构调整结合起来，在引进外资时必须坚持环评一项否决制；同时，引进外资要坚持引进与管理并重的原则，在外资进入之后，还需按相关制度对其进行跟踪、监测。

“两方面协调”，协调好社会场景因素对能源经济的作用。第二产业比重与环境效率之间的关系可以通过自然保护区比重协调，目前应合理地增加国家自然保护区比重，以便协调第二产业与环境效率之间的关系。天然气使用比重与环境效率之间的关系可以通过资金流关系嵌入与认知嵌入协调。因此，各省应依据实际，给出资金流关系嵌入与认知嵌入两个变量的优化组合。

（编辑：王爱萍）

参考文献（References）

[1]CHEN J D， SONG M L， XU L. Evaluation of environmental efficiency in China using data envelopment aanalysis [J]. Ecological indicators， 2015， 52（5）： 577-583.

[2]杨俊，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， 20（2）：49-55. [YANG Jun， SHAO Hanhua， HU Jun. Empirical study on evaluation and determinants of environmental efficiency of China[J]. China population， resources and environment， 2010， 20（2）：49-55.]

[3]王兵，吴延瑞，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. [WANG Bing， WU Yanrui， YAN Pengfei. Environmental efficiency and environmental total factor productivity growth in Chinas regional economies[J]. Economic research journal， 2010（5）： 95-109.]

[4]曾贤刚. 中国区域环境效率及其影响因素[J].经济理论与经济管理， 2011（10）： 103-110.[ZENG Xiangang. Environmental efficiency and its determinants across Chinese regions[J]. Economic theory and business management， 2011（10）： 103-110.]

[5]LI M Q， WANG Q. International environmental efficiency differences and their determinants energy[J]. Energy，2014，78（9）： 411-420.

[6]李胜兰， 初善冰， 申晨. 地方政府竞争、环境规制与区域生态效率[J]. 世界经济， 2014（4）： 88-110. [LI Shenglan， CHU Shanbing， SHENG Chen. Local government competition， environmental regulation and regional ecological efficiency [J]. The journal of world economy， 2014（4）： 88-110.]

[7]胡达沙， 李杨. 环境效率评价及其影响因素的区域差异[J]. 财经科学， 2012（4）： 116-124. [HU Dasha， LI Yang. Assessment of environmental efficiency and regional distinction of its influencing factors[J]. Finance & economics， 2012 （4）： 116-124.]

[8]李静. 中国区域环境效率的差异与影响因素研究[J]. 南方经济， 2009（12）： 24-35.[LI Jing. Ecoefficiency differences and its influential factors across provinces in China[J]. South China journal of economics， 2009（12）： 24-35.]

[9]WU J， AN Q G， YAO X， et al. Environmental efficiency evaluation of industry in China based on a new fixed sum undesirable output data envelopment analysis[J]. Journal of cleaner production， 2014， 74（7）： 96-104.

[10]宋马林，张琳玲，宋峰.中国入世以来的对外贸易与环境效率——基于分省面板数据的统计分析[J]. 中国软科学， 2012（8）： 130-142. [SONG Malin， ZhANG Linling， SONG Feng. Chinas foreign trade and environmental efficiency since its entering the WTO： a statistical analysis of panel data from Chinese provinces[J]. China soft science，2012（8）： 130-142.]

[11]GRANOVETTER M. Economic action and social structure： the problem of embeddedeness [J].American of sociology，1985， 91（3）： 481-510.

[12]ZUKIN， DIMAGGIO P. Structures of capital： the social organization of economy[M]. Cambridge， MA： Cambridge University Press， 1990.

[13]GULATI R. Alliances and networks [J]. Strategic management journal， 1998， 19（4）： 293-317.

[14]ZHOU P， Ang B W， Poh K L. Measuring Environmental performance under different environment DEA technologies [J]. Energy economics， 2008， 30 （l）： 1-14.

[15]岳书敬， 刘朝明. 人力资本与区域全要素生产率分析[J]. 经济研究， 2006（4）： 90-96.[YUE Shujing， LIU Chaoming. Human capital accumulation and regional total factor productivity[J]. Economic research journal，2006（4）： 90-96.]

[16]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.[ZHANG Jun， WU Guiying， ZHANG Jipeng. The Estimation of Chinas provincial capital stock： 1952-2000[J]. Economic research journal， 2004（10）： 35-44.]

[17]徐盈之， 吴海明. 环境约束下区域协调发展水平综合效率的实证研究[J]. 中国工业经济， 2010（8）： 34-44. [XU Yingzhi. WU Haiming. Empirical study on the comprehensive efficiency of the level of regional coordinated development considering environmental factors[J].China industrial economics， 2010（8）： 34-44.]

[18]HUBER J D， GEORGIA K， EDUARDO L L.Institutional context， cognitive resources and party attachments across democracies[J].Political analysis， 2005， 13（4）： 365-386.

[19]KEDAR O， SHIVELY P W.Introduction to the special issue of multilevel analysis in comparative political studies[J].Political analysis， 2005，13（4）：297-300.

[20]王济川， 谢海义， 姜法宝. 多层统计分析模型——方法与应用[M].北京：高等教育出版社， 2008.[WANG Jichuang，XIE Haiyi，JIANG Fabao. Multilevel model：methods and applications[M]. Beijing： Higher Education Pree， 2008.]

[21]刘殿国. 累加多层统计模型的建立及其在经济上的应用研究[M].长春：吉林大学出版社， 2009.[LIU Dianguo. Set up accumulated multilevel statistical model and its application in economy[M]. Changchun： Jilin University Press，2009.]

[22]刘殿国， 徐兵， 夏立显. 多变量整体模式累加多层统计模型的建立及其在组织绩效上的应用研究[J].数理统计与管理， 2009， 28（5）： 869-878.[LIU Dianguo， XU Bing， XIA Lixian. Set up accumulated multilevel statistical model of multivariate full mode and its application in forecasting achievements of associations[J]. Application of statistics and management， 2009，28（5）： 869-878.]

[23]赵峥， 宋涛.中国区域环境治理效率及影响因素[J].南京社会科学， 2013 （3）：18-25. [ZHAO Zheng， SONG Tao. Chinas regional environmental governance efficiency and its affected factors： based on empirical analysis of Fourstages DEA and BootstrapDEA Model[J]. Nanjing journal of social sciences， 2013（3）：18-25.