基于PSR模型的大气污染治理绩效审计评价体系研究

2018-05-02吴腾飞

市场周刊 2018年4期

吴腾飞

一、研究背景

要全面审计大气环境治理全过程、全要素的综合绩效，最重要的就是制定出一个可行的绩效审计评价体系。文章设计一个大气治理绩效审计评价体系，通过该体系，只要审计人员在工作中能够获取到相应的大气污染指标数据，就能高效地直接地计算出该地区的大气综合治理绩效评分，再与政府投入和政策层面相结合，就可以完整高效地对地方政府的大气污染治理绩效完成审计。

文章选择江苏省作为实证研究的切入点，对大气污染治理绩效审计展开实证研究，希望能对江苏省的大气污染治理绩效审计的发展贡献一份力。

二、模型构建

（一）PSR模型的原理

文章利用PSR模型即压力—状态—响应模型构建指标体系，具体来说：1.压力指标描述人类活动对环境和自然资源带来的压力。2.状态指标表征特定时间阶段的环境状态和环境变化情况，文章使用的是我国大气几种主要污染物的浓度数据来表示。3.响应指标显示社会对环境问题做出响应的程度，主要目的在于缓解、应对和防止人为活动对环境的负面影响，保护环境和自然资源。

（二）指标选取

基于压力、状态和响应的逻辑关系，文章建立由14个准则层指标组成的大气污染治理绩效评价指标体系（如表1所示）。

表1 基于PSR模型构建的指标体系

三、大气污染治理绩效审计评价体系的实证研究

（一）KMO和Bartlett’s球形度检验

正如表2所示，KMO值大于0.5且bartlett’s球形检验值显著性概率小于0.01，表明通过检验，适合进行主成分分析。

表2 KMO和Bartlett的检验

（二）明确主成分

初始特征值和方差贡献度如表3所示，4个主成分指标的累积贡献度为73.495%，这表明4个主成分指标可涵盖14项指标的73.495%的信息量，按照贡献度高低分别将3个主成分指标表示为 Z1、Z2、Z3 和 Z4。

表3 解释的总方差

（三）主成分分析

根据得分矩阵表4中各指标与主成分间的数量关系，我们可以得到4个主成分的表达式：

表4 成分得分系数矩阵

用4个主成分的方差贡献率为权数，将各因子得分进行综合，得出大气污染治理综合因子得分Z表达式:

四、江苏省13个地级市间的大气治理绩效比较

根据所获得的公式，将江苏省各地级市的指标数据代入表达式，计算结果取2013到2015年3年的算术平均数，其中，状态指标可以将Z2和Z3相加计算，用Z23指代。计算结果显示各地级市的排名排列如表5所示：

表5 城市间指数排名

根据江苏省13个地级市在PSR模型中压力—状态—响应三层的不同排名和最终大气污染治理绩效的综合指数排名。从综合指数来看：苏南全部排在倒数的位置，且南京成为大气污染治理绩效最差的城市，它的响应指数虽在全省排在第二，但最后的综合评价指数最低，说明它的响应措施实际是没有到位的，我们可以认为南京的大气污染治理绩效较差。此时，审计单位应当对其大气污染治理的措施落实情况展开进一步的审计。

总体而言，江苏省各地区的大气污染治理绩效的评分与它的压力是成反比趋势的。尤其是苏南地区的绩效指数全部排在倒数，归其原因是大气污染压力大，且政府实施的响应措施效果不好。