我国城市生活垃圾污染治理效率研究

张冬咏， 郝梦阁， 刘凌怡

（河南农业大学信息与管理科学学院，郑州 450002）

改革开放以来，我国经济长期处于增长状态，并取得了卓越成就，但经济的快速发展也带来了巨大的环境代价［1］. 以城市生活垃圾污染为例，截至2017年，全国城市生活垃圾清运量已达2.152 09亿t，并以4%的年增长率递增，“垃圾围城”现象日趋严重，城市生活垃圾污染问题亟须解决［2］.《上海市生活垃圾管理条例》于2019年7月1日实施，随后北京、广州、重庆、郑州等地也相继起草城市生活垃圾管理的相关法规，由此可见，政府对城市生活垃圾污染治理越来越重视. 由《中国环境年鉴》披露的数据可知，近年来，我国城市生活垃圾污染治理投资不断增加，但垃圾污染形势依然严峻. 不同省市在城市生活垃圾污染治理的投入结构配置和管理模式上存在差异，用定量方法评价各省市的垃圾污染治理效率，能够为各地政府及相关部门制定垃圾污染治理政策提供科学依据.

1 文献综述

目前，已有学者对环境污染治理效率进行了研究，部分学者采用单要素投入产出方法对其进行评价，如吴淑丽等（2010）对我国29省市区的废气治理效率及其影响因素分析，结果表明我国废气治理效率低下［3］.Färe等（1986）首次将数据包络分析（Data Envelopment Analysis，DEA）引入环境领域，并对环境管理的影响进行了研究［4］. 随后，大多数学者选用DEA 方法对环境污染治理效率评价. 张悟移等（2013）运用DEA 和Malmqusit 指数法分别从静态和动态两个方面，研究了我国区域环境治理效率，结果表明，2002年至2011年我国区域环境治理效率呈下降趋势，技术效率不足是导致环境治理效率偏低的主要原因［5］. 李洪伟等（2019）运用非期望产出的SBM模型，测算了我国28省份的环境治理投资效率，结果显示，我国各省份之间的差异性较大，治理效率较低的区域有增长趋势［6］. 也有学者对我国我某一特定区域的环境污染治理效率进行了研究，如俞会新和林晓彤（2018）运用超效率DEA模型，对京津冀的环境污染治理投资效率进行了系统分析［7］；再如，李宁等（2014）用非期望非径向的双目标DEA模型，对青岛市环境污染治理效率进行测算，并用CCR模型计算了环境污染治理的3个子系统（水、大气、固废污染）的治理效率［8］.

除了对环境污染治理效率的研究以外，国内外也有学者从不同的污染源角度，对其污染治理效率进行了评价. Lei等（2008）从大气污染治理角度，通过DEA模型测算了我国各省份的SO2治理效率［9］；李京梅和苏红岩（2016）从海洋陆源污染角度，运用DEA-Malmquist指数法，对我国海洋陆源污染的治理效率进行评价，并分析了治理效率的动态变化、空间差异及影响因素［10］；Chen等（2010）从垃圾焚烧炉运行角度，使用台湾19个大型市政垃圾焚化炉的运行数据，研究了其污染处理效率［11］. 在我国不同污染源的治理效率研究中，最常见的是工业污染治理效率的研究. 尹怡诚等（2015）利用DEA模型，分析了我国1995—2011年间的工业污染治理现状及影响治理效果的制约因素［12］；徐顺青等（2017）基于DEA-Malmquist指数法对我国30个省市区的工业污染治理投入效率进行分析，并探求了工业污染治理效率变化的原因［13］；范纯增和虹姜（2016）将工业部门细化为36个细分部门，测算了2003—2013年各细分部门的大气污染治理效率［14］.

综上所述，环境污染治理效率已成为研究热点，研究成果为优化环境污染治理的投资结构配置，提高环境污染治理效率提供了科学依据. 尽管大量研究成果对我国环境污染效率进行了研究，但还存在以下不足之处.

首先，环境污染由多方面的污染造成，如大气污染、水污染、垃圾污染、土壤污染等，细化地研究某一类污染更利于提高治理效率，并有针对性地为决策者提出合理建议. 已有学者对我国的工业污染治理效率［12-13］、大气污染治理效率［9，14-16］和水污染治理效率［17-18］进行了实证研究，但是我国城市生活垃圾污染治理效率的研究还较为少见.

其次，虽然运用DEA投影理论可以测算出投入产出的调整比例，但是同时调整多个指标较为困难，抓住投入产出指标中的关键因素，才能更高效地提高治理效率. 然而，现有研究成果大多探讨了外部宏观环境因素对治理效率的影响，各投入产出指标对治理效率的影响还鲜有研究，仅有陶敏和李洪伟在研究我国环境污染治理投资效率时，使用灰色关联度分析方法，找出了影响治理效率的关键因素［19-20］.

借鉴以往学者的研究，本文选取2017年我国30个省市的截面数据，运用DEA模型对我国城市生活垃圾污染治理效率进行了实证研究，并采用灰色关联度分析模型探寻了垃圾污染治理效率的关键影响因素，旨在填补垃圾污染治理效率研究的这一空白，同时也为提高治理效率提供了科学决策依据.

2 研究方法

2.1 DEA模型

数据包络分析（Data Envelopment Analysis，DEA）是由美国运筹学家A.Charnes 和W.W.Cooper 等人于1978年提出，该方法是在投入、产出不变的前提下，通过一定的线性规划约束，旨在找出各决策单元与DEA有效前沿面的偏离程度，进而评价各决策单元投入产出的效率［21］. DEA方法中最常见的模型是CCR模型和BCC模型，CCR模型的假设条件是规模报酬不变，BCC模型的假设条件是规模报酬可变. 本文认为我国垃圾污染治理的规模报酬并非不可变，随着人力、物力、财力投入的增加，规模报酬会先增加至饱和后变为递减.BCC模型在评估决策单元是否达到生产前沿面的同时，还将CCR模型中得到的综合效率分解为技术效率和规模效率，即综合效率=技术效率×规模效率. 基于以上考虑，本文测算我国城市生活垃圾污染治理效率，选用投入导向型的BCC模型.

假设n 个决策单元有m 种输入变量和s 种输出变量，用xij(xij＞0,i=1,2,…,m)表示第j 个决策单元对第i 种输入类型的投入量，yrj(yrj＞0,r=1,2,…,s)表示第j个决策单元对第r种输出类型的产出量，λj表示构造新的有效决策单元组合中第j个决策单元的组合比例. ε 为阿基米德无穷小量，s-为投入松弛变量，s+为产出松弛变量，模型如下：

若VD=1，且s-=0，s+=0，则表明决策单元为DEA 有效，同时达到技术有效和规模有效；若VD=1，且s-≠0 或s+≠0，表明决策单元为弱DEA有效，可能存在投入冗余；若VD＜1，则表明决策单元为非DEA有效.

2.2 灰色关联度分析模型

灰色关联度源于20 世纪80 年代，由邓聚龙教授基于数学理论提出，主要分析相关因素之间的关联程度，是一种研究少量数据、较少信息不确定性问题的新方法. 灰色关联分析的基本思想是根据序列曲线几何关系来反映系统中多因素之间的关联程度，序列曲线的几何形状越相似，灰色关联度越大；反之则越小[22].灰色关联度分析的建模步骤如下.

第一步：确定灰色系统中的母序列与子序列. 设母序列为Y={Y(k)| }k=1,2,…,n ，子序列为Xi={Xi(k)| }k=1,2,…,n ,i=1,2,…,m. 其中，母序列为参考序列，反映系统的行为特征；子序列为对比序列，反映影响系统行为方面的主要构成要素.

第二步：无量纲化处理. 灰色系统关联分析中常用的无量纲化处理方法主要是初值化法，令

第三步：求X0与Xi的初值象对应分量之差的绝对值序列，记为

第四步：求Δi(k)= |x′0(k)-x′i(k) |(k=1,2,…,n;i=1,2,…,m)的最大值M与最小值m，分别记为

第五步：计算母序列与子序列的关联系数

第六步：计算子序列与母序列的关联度

第七步：灰色关联度排序. 所得关联度按照由大到小进行排序，反映各子序列对母序列的影响程度.

3 实证分析

3.1 指标选取及数据来源

科学地选取投入产出指标是客观分析垃圾污染治理效率的关键，本文参考现有环境治理效率的研究，并根据DEA的指标选取原则，以我国垃圾污染治理在人力、财力、物力的投入作为投入指标，具体包括环境监测人员数I1（人）、生活垃圾集中处置项目环保投资I2（万元）、生活垃圾处理基础设施建设投资额I3（亿元）、无害化处理厂数I4（座）；产出指标为无害化处理能力O1（t/d）和无害化处理量O2（万t）.

根据数据的可获取性，天津市部分数据缺失，故将其剔除. 本文选取2017年我国大陆地区30个省、市或区（以下简称省市）作为研究对象，以30个省市的生活垃圾污染治理投入产出变量作为样本数据. 以上所有数据均来自《2018中国统计年鉴》、《2018中国环境统计年鉴》及《2018中国环境年鉴》.

3.2 我国城市生活垃圾污染治理效率评价

本文使用数据包络分析DEAP2.1软件进行分析，采用投入导向型的BCC 模型，测算我国城市生活垃圾污染治理效率. 表1为全国30个省市垃圾污染治理效率的测算结果，包括综合效率、技术效率、规模效率及规模报酬，并按照我国东部、中部、西部三大经济带对各省市进行区域划分.

1）从综合效率的角度看. 2017年我国垃圾污染治理的综合效率均值为0.77，这意味着我国垃圾污染治理存在23%的投入资源浪费. 全国仅有北京、上海、江苏、浙江、广东、海南、重庆、陕西和宁夏9个省市的垃圾污染治理综合效率为1，达到了DEA有效，即投入产出比达到相对最优状态，其他22个省市均为非DEA有效，其中辽宁省的综合效率最低为0.446. 这表明，我国垃圾污染治理尚处于粗放阶段，大多数省市的垃圾污染治理投入资源配置不合理，需对投入产出进行调整和优化. 2017年我国东部地区、中部地区和西部地区的垃圾污染治理效率如图1所示. 由图1可知，三大区域的垃圾污染治理综合效率表现为东部最优，西部次之，中部最差. 在9个DEA有效的省市中，有6个省市属于东部地区，3个省市属于西部地区，中部地区所有省市均为非DEA有效. 可见，我国三大区域的治理效率存在较大差距，区域异质性较为明显. 海南和宁夏两个偏远地区达到DEA有效，其原因可能是垃圾污染较少，垃圾污染治理投入适当，如海南的垃圾处理基础设施建设投资额仅为全国均值的5.47%，宁夏的垃圾集中处置项目投资额仅为全国均值的0.63%.

2）从技术效率的角度看. 2017 年全国有12 个省市（北京、河北、上海、江苏、浙江、广东、海南、重庆、西藏、陕西、青海、宁夏）达到技术有效（弱DEA有效），说明这12个省市的投入要素结构配置合理，其余18个省市则需要适当调整投入结构配置. 河北、西藏和青海的技术效率值为1，但并未达到DEA有效，说明这三个地区的投入结构配置合理，非DEA有效由规模效率不足导致. 湖北省的技术效率小于1，规模效率为1，说明其投入结构配置不合理，技术效率不足是导致湖北省不在生产前沿面的主要原因. 湖北省应着重改善投入产出的比例结构，使其转变为DEA有效. 从区域维度来看，2017年垃圾污染治理的技术效率均值最高的是东部地区，西部地区次之，中部地区的技术效率均值最低（见图1）. 技术效率的高低取决于生产决策单元是否有效地组织投入，或者是否以比较节约的方式进行生产，这与决策单元的生产积极性及外部政策环境相关. 东部地区是我国经济较为发达的地区，拥有先进的技术、管理方式和组织模式，所以东部地区的技术效率最高. 自2000年实施西部大开发以来，西部地区的环境保护和治理受到重视，西部地区垃圾污染治理的综合效率和技术效率均高于中部地区. 这一结果与向书坚研究工业废气污染治理的结论类似，该学者的研究结果显示，2008年和2009年西部地区工业废气治理的综合效率与技术效率均高于中部地区［23］.

3）从规模效率的角度来看. 2017年全国有10个省市（北京、上海、江苏、浙江、湖北、广东、海南、重庆、陕西、宁夏）的规模效率为1，规模报酬不变，说明这些省市无须调整生产规模. 河北、山西、辽宁、黑龙江、河南、云南、甘肃、新疆则处于规模报酬递减状态，说明这些省市的投入要素配置不合理，在不改变产出的条件下，适当减少垃圾污染治理的投入，可达到节约资源的目的. 其余12个省市的规模报酬则处于递增状态，说明这些省市有必要扩大生产规模，投入的增加会带动产出的增加，且产出会成比例增加. 由图1可以看出，三大区域的规模效率表现较好，规模效率均值都在0.9以上，且差值在0.01至0.04之间浮动. 全国规模效率最低的省份是东部地区的河北省. 河北、西藏和青海的规模效率不足导致了决策单元的非DEA有效，调整生产规模使其规模效率为1后，就会达到DEA有效.

通过DEAP2.1软件的测算，可以得到使非DEA 有效的决策单元达到DEA 有效的剩余变量和的取值，结果见表2.

表2 非DEA有效的决策单元的松弛变量Tab.2 The relaxation variables of non-DEA effective decision making units

从表2可知，在保持原产出不变的条件下，只有辽宁省需要减少垃圾处理基础设施投资额，山西、河南、云南、甘肃、新疆需要减少垃圾无害化处理厂的投入. 非DEA有效的省市均要减少人员投入或垃圾集中处置项目环保投资的资金投入，或者两个投入变量都需要适当减少. 此外，辽宁、福建、山西、黑龙江、安徽、江西、河南、湖北、广西、四川、贵州除了要适当减少投入外，还要增加产出才能达到DEA有效，具体可按照表2做出调整.

3.3 我国城市生活垃圾污染治理效率的影响因素分析

将我国30个省市的垃圾污染治理效率值作为母序列，垃圾污染治理的投入产出变量值作为子序列，运用灰色关联度分析方法，计算垃圾污染治理效率的各投入产出指标与综合效率的灰色关联度，并按照灰色关联度的大小进行排序，如表3所示.

表3 各指标的灰色关联度及排序Tab.3 Gray correlation degree and ranking of each indicator

由表3可知，每个指标与垃圾污染治理综合效率的灰色关联度均在0.75以上，说明各指标与垃圾污染治理效率之间关联性较高. 由重要度排序可知，无害化处理量、无害化处理能力和垃圾处理基础设施建设投资额是影响我国垃圾污染治理效率的关键因素，其他因素为非关键因素. 有的放矢地控制垃圾污染治理效率的关键影响因素，能更加高效地提高垃圾污染治理效率.

无害化处理量和无害化处理能力是垃圾污染治理效率的两个最主要的影响因素. 近10年来，我国城市生活垃圾无害化处理成效显著，无害化处理率已从2007年的62%提高至2017年的97.7%［2］. 但从表2可以看出，我国个别省市的无害化处理能力和处理量仍有待提高.

垃圾处理基础设施建设投资额是影响我国垃圾污染治理效率的第三个关键因素. 已有研究表明，垃圾处理基础设施建设的资金投入不足会严重影响垃圾污染治理效率［24］. 自党的十八大以来，生态文明建设被纳入五位一体总布局，城市生活垃圾污染问题也越来越受重视. 2016年12月，习近平总书记对普遍推行垃圾分类制度作出指示，“十三五”计划也出台了垃圾处理基础设施建设的相关工作指示与规划. 全国仅有辽宁省需要对垃圾处理基础设施建设投资做出调整（见表2），这与政府大力支持城市生活垃圾处理工作密不可分.

4 结论及建议

本文运用DEA模型测算了我国大陆地区（除天津市）30个省市的城市生活垃圾污染治理效率，在此基础上采用灰色关联度分析模型，探寻影响我国垃圾污染治理投入产出效率的关键因素，得出如下结论：

1）2017年全国仅有9个省市的垃圾污染治理投入产出配置达到最优状态，大部分省市的投入产出结构配置不合理，我国城市生活垃圾污染治理效率有较大的提升空间.

2）我国垃圾污染治理效率的区域异质性较为明显. 从综合效率来看，东部地区高于西部地区，西部地区高于中部地区. 东部地区有60%省市达到DEA有效，而中部地区的所有省市均为非DEA有效.

3）河北、西藏和青海的非DEA有效是由规模效率导致，河北省的垃圾污染治理规模报酬递减，应适当减小规模；西藏和青海的规模报酬递增，应扩大规模. 湖北省的规模效率为1，技术效率不足导致非DEA有效，应改善投入产出的配置结构.

4）无害化处理量、无害化处理能力和垃圾处理基础设施建设投资额是影响我国垃圾污染治理效率的关键因素.

基于我国城市生活垃圾污染治理效率的研究结论，本文提出如下建议：

1）城市生活垃圾污染治理要统筹兼顾，协同发展. 各省市在治理垃圾污染时，应注意投入资源的优化配置，提高垃圾污染治理的投入产出效率. 中部地区应适当加大垃圾污染治理的投入，借鉴东部地区治理垃圾污染的优秀经验，包括引进先进的管理方式、垃圾处理技术和设备等，同时要加强区域间的合作，做到知识共享、技术共享.

2）“对症下药”，有针对性地提高治理效率. 技术效率和规模效率都可能导致决策单元的非DEA有效，由技术效率不足导致的非DEA有效的决策单元，应着重改善投入产出的结构配置，如加强垃圾处理技术的研发、转变管理方式等，而不是盲目地扩大规模. 由规模效率导致弱DEA有效的决策单元，应根据规模报酬适当调整规模. 各地区应根据自身的治理条件和经济发展状况，因地制宜地提高城市生活垃圾治理效率，坚决杜绝“先污染，后治理”.

3）严格控制垃圾污染治理的关键影响因素. 无害化处理量和无害化处理能力是我国垃圾污染治理效率的最主要的两个关键影响因素，要坚决保证无害化处理能力不降低，力求无害化处理率达到100%. 另外，要坚持“以预防为主”的污染治理思想，注重垃圾分类的基础设施建设，从城市生活垃圾产生的源头开始管控，提倡垃圾减量化和资源化，减少垃圾污染.