基于DEA的中国省市污染治理效率评价

●郝怡棠

一、引言

近年来，我国经济增速逐渐放缓，但环境问题依然突出。我国逐渐重视对环境污染的治理，并不断加大污染治理的投资力度。党的十九大报告指出：必须树立和践行绿水青山就是金山银山的理念，坚持节约资源和保护环境的基本国策，坚定走生产发展、生活富裕、生态良好的文明发展道路，建设美丽中国，为人民创造良好生产生活环境，为全球生态安全作出贡献。李克强总理在政府工作报告中指出，生态文明建设和生态环境保护工作是未来的重要内容之一。2017年环境污染治理投资总额达9539亿元，相比2011年的治理投资总额增长0.6倍。但随着投入力度的加大，我国污染治理投入产生的处理效果与预期仍存在差异，环境现状仍不容乐观。据亚洲开发银行和清华大学最新发布的《中华人民共和国国家环境分析》报告，中国500个大型城市中，只有不到1%达到世界卫生组织空气质量标准。要想打好污染防治攻坚战，对污染治理投资的效率分析尤为重要。污染治理类似于一个经济系统，通过一定的要素投入（如资本、设备等）产出一定量的产品（如污染物的减少、生态环境的改观等），因此科学测算我国各省的污染治理投资效率，不仅有利于评价污染治理的实施效果，同时也可以为政府配置资金、制定决策提供参考，对进一步提高污染治理的实施效果有着重要的意义。

关于污染治理投资效率的问题，已经有不少学者做过相关研究并取得了一定的成果。如李靖宇、孙蕾以东北老工业基地——辽宁省营口市为例，用DEA模型测算分析了其环保投入效率；聂华林、陈绍俭基于西部11个省的面板数据，用DEA方法和Malmquist生产率指数测算了西部地区工业污染治理的静态效率和跨期动态效率变化；许陈生、用DEA方法,核算了我国29个省级地区1992至2007年期间的环境污染治理效率及其动态变化；尹怡诚、刘云国等利用DEA模型分析了影响污染治理效果的制约因素；王鹏、谢丽文以我国30个省市相关统计数据为研究样本,从要素投入产出的视角构建包含污染治理投资和企业技术创新指标的计量模型,对比分析了工业废水、废气、固体废物的污染治理效率,并按东中西三大区域考察了污染治理投资和企业技术创新对工业“三废”综合利用的影响差;肖欣荣、廖朴在内生死亡率世代交叠模型中引入环境污染对生存概率的影响,建立了污染及污染治理和经济增长之间的关系,讨论了政府污染治理的条件和政府污染治理投入在总税收中的最优比例;赵煜、钟添添运用DEA模型和Malmquist（指数相结合的方法），分别从静态和动态两方面测度了2003—2014年甘肃省大气污染治理的效率。朱相宇、乔小勇选取2012年我国4个直辖市、27个省会城市和北京2000—2012年时间序列为研究对象，从大气环境、水环境和噪声环境3个方面构建环境质量综合评价指标体系，运用基于熵权的模糊综合评价法对环境质量进行横向和纵向综合评价，进而分析了北京环境污染治理的关键环节和制约因素。何蜜斯应用超效率数据包络分析方法，以我国30个省市地区2004—2011年环保相关数据为样本，从理论和实证分析我国不同省市地区废气污染治理效率水平。刘冰熙、王宝顺、薛钢借助修正后的三阶段Bootstrapped DEA方法，对我国29个省份2007—2013年地方政府环境治理效率进行实证研究，认为在剔除了外生因素和随机因素影响之后，我国地方政府环境治理存在比较严重的效率损失，治理效率值呈波浪形的态势，且日趋恶化。

但随着生态改革的推进，污染治理投资的统计方法也发生变化，先前的环境测度标准已不适用现在的情况。本文搜集了2009—2015年间各省的实际污染治理数据，利用DEA模型从综合技术效率、纯技术效率和规模效率三方面分析各省污染治理的投资效率，以期为后期改善提供理论依据。

二、研究方法与数据说明

（一）研究方法的选择

DEA（Data Envelopment Analysis）即数据包络分析法，它不需要考虑投入与产出之间的函数关系，且不需要预先估计参数及任何权重假设，能够规避不同地区、不同年份上的外部因素的差异，排除很多主观因素，是分析多部门投入与产出的同类决策单元（简称DMU）之间效率问题的有效方法，这与我们的研究方向一致。CCR模型是DEA中的基本模型，可表示为：

其中,输入变量χj和输出变量Yj分别表示DMUj的m种输入及s种输出，θ为该决策单元DMU0的有效值(指投入相对于产出的有效利用程度)；λj为相对于DMU0重新构造一个有效DMU组合中j个决策单元DMUj的组合；S-，S+为松弛变量。CCR模型可测算出决策单元综合效率和规模效率的大小。BCC模型对CCR模型进行了改进，即在CCR的基础上作了的条件约束，可测算出决策单元技术效率的大小。其经济含义分别为：当θ=1且S-=S+=0时，决策单元DMU0为DEA有效。当θ=1且S-≠0或S+≠0时，决策单元DMU0为DEA弱有效。当θ<1时，则称决策单元DMU0为DEA无效。

本文将以上述模型为依据，以我国省市地区为研究对象（即DMU），利用DEA分析软件DEAP直接计算出综合效率、技术效率、规模效率，并对我国地方环境污染治理效率水平及地区差异和我国地方环境污染治理效率的变化情况进行分析。

（二）数据变量选取与来源说明

基于王勇、李建民对环境规制中的污染治理投入衡量方法和污染物排放衡量方法的研究及修正，本文中DEA模型的投入指标为实际污染治理投资；产出指标选为工业二氧化硫去除率、工业烟（粉）尘去除率、工业废水处理率和工业固体去除率四项，其具体测算方法如表1所示。

表1 投入产出指标的测算方法说明

本文涉及的样本数据来自中国30个省、直辖市、自治区（因西藏自治区的部分数据缺失，故此研究中将该样本剔除），样本选取的样本长度为7，时间跨度为2009—2015年。其中，除2011年的工业二氧化硫产生量、工业烟（粉）尘产生量来源于《中国环境统计年鉴2012》外，其余数据均来源于wind数据库。

三、实证结果及分析

（一）综合效率分析

综合技术效率是对决策单元的资源配置能力、资源使用效率等多方面能力的综合衡量与评价。从2009—2015年间，污染投资的综合效率均值呈上升趋势，大部分省份污染投资的综合效率呈现出不断提高的现象，有力证明了在生态改革的推进下，各省贯彻绿色发展理念，在注重经济发展的同时，关注生态环境建设。但总体增长幅度缓慢，且有8个省份的综合效率值为下降趋势，说明我国当前污染治理形势并不乐观。

2015年我国污染治理投资综合效率处于有效的地区仅为3.33%。辽宁省的污染治理投资资源配置的综合效率为1，这说明辽宁省的资源配置状态相对最优，由此可见辽宁省的技术效率和规模效率均实现相对有效。但这仅仅是相对的，它不代表辽宁省的投入产出已经达到最好水平，只代表在保持该状态污染投资投入和产出的比例下，可以逐渐扩大投入规模。总之，我国地方污染治理还存在许多问题，在资源配置结构方面还有待进一步的优化。为了横向比较东西中部三个区域的资源配置水平，做了以下合并统计。横向来看：西部地区的污染治理综合效率相对最高，其次中部，东部最低。说明西部地区在污染治理的资源配置上比东部和中部更好。但分析其内部数据，可以发现西部地区的区域内综合效率极差较大，说明西部地区内部各省市经济发展水平差距较大，而东部地区和中部地区各省市经济发展差距较小。纵向来看：东部的综合效率均值呈上升趋势，中部和西部的综合效率均值都处于波动状态中。

从东部地区来看，2009—2015年污染治理综合效率平均值都低于1，东部地区平均值0.482，高于平均值的省份有：河北、辽宁、江苏、海南；低于平均值的省份有：北京、天津、上海、浙江、福建、山东、广东。其中天津市环境污染治理投资综合效率位全国最低，只有0.3左右。进一步分析其产出指标，均处于各省平均水平，下面会对其原因进行进一步分析。

就中部地区而言，2009—2015年污染治理投资效率平均值为0.481，高于平均值的省份有：山西、吉林、江西、湖南；低于平均值的省份有：黑龙江、安徽、河南、湖北。其中湖南省的上升幅度最大，2009年其综合效率值最低，为0.371，2015年其综合效率值最高，为0.748，表明湖南省在污染治理效率方面提高最快。

就西部地区来看，2009—2015年污染治理投资综合效率平均值为0.530，高于平均值的省份有：内蒙古、四川、贵州、云南、甘肃、青海、新疆；低于平均值的省份有：广西、重庆、陕西、宁夏。在该DEA模型中，综合效率为技术效率与规模效率的乘积。因此为分析各区域各省市综合效率差异的原因，我们将进一步分析其技术效率和规模效率。

（二）技术效率分析

纯技术效率是指投入能否有效运用使产出最大化或投入最小化，其受生产技术水平、管理水平和制度约束等因素影响。由DEA的BBC模型可得出各省级地区污染治理的技术效率值。2009—2015年30个省的技术效率值均处于0.9以上，接近于1，这说明近年来各省在管理水平和制度运行上都处于相对较好的状态。由此可知，污染治理投资综合效率低下的原因并不是由技术效率引起的。辽宁省2012年和2015年的技术效率均为1，综合效率也为1，说明辽宁省2012年和2015年在管理水平、制度运行和投入产出结构都处于相对优化状态。山东省在2012—2015年连续4年技术效率均为1，安徽省和贵州省在2013—2015年连续3年技术效率均为1，这说明山东省、安徽省和辽宁省在管理水平和制度运行上已经达到一个较好的运行状态。进一步对技术效率进行区域性分析。横向来看：2009年和2010年东部地区的技术效率均值略高于中部地区，中部地区的技术效率均值略高于西部地区，2011—2015年三个区域的技术效率均值相差不大；纵向来看：三个区域的技术效率在2009—2015年都保持着在轻微波动中上升的趋势，并且逼近于1。由此可见，污染治理综合效率低下是由规模效率引起的，我们将具体分析比较规模效率问题。

（三）规模效率分析

规模效率代表产出与投入的比例是否适当，该值越高代表规模比例越适合，生产力也越大。分析规模效率可以从规模结构方面评价各省的污染治理资源配置的效率。各省的规模效率处于一个较为低下的水平，结合上述综合效率、技术效率的分析，充分说明规模效率是影响各地综合效率的主要原因。由此可见，我们当前的重点是调整污染治理投资规模，提高产出效率，避免资源的浪费现象。从规模效率的发展趋势来看，从2009—2015年间，虽然有上升的趋势，但幅度较小，其中也有不少省份的规模效率逐年大幅下降，如贵州省的规模效率从2009年的0.724下降为2015年的0.55；甘肃省从2009年的1下降为2015年的0.655。另外，我们发现，2015年仅有辽宁省的技术效率和规模效率均为1，说明其在投入产出比例、管理水平和制度运行上都达到相对最优状态，辽宁省的污染治理投资效率相对最好。横向来看：西部地区的规模效率一直高于东部和中部地区，但其差距在逐渐缩小，说明东部和中部地区在优化投入产出结构优化上比西部地区完成更好；纵向来看：东部和中部地区的规模效率呈上升趋势，说明其在投入产出结构上逐渐优化，逐年减少污染治理投资冗余浪费的程度，而西部地区的规模效率在2009—2012年逐年下降，2012—2015年间其规模效率在波动中上升。

规模报酬是对规模无效决策单元的进一步分析，研究在其他条件不变的情况下决策单元内部各种生产要素按相同比例变化时所带来的产量变化，分析决策单元的生产规模变化与所引起的产量变化之间的关系。为了分析引起规模效率低下的具体原因，分析各省2009—2015年的规模报酬的增减情况，并以区域为单位进行统计。2009—2015年，全国几乎所有省的规模报酬都处于递减的状态，说明污染治理投资投入已达到饱和状态，随着资源的再增加投入导致规模报酬递减，造成了资源浪费。由此可见，导致天津市的综合效率明显低于其他省市的原因，是其对污染治理的投资力度过大引起的。

四、结论与政策建议

通过DEA方法对我国中西部30个省市单位2009—2015年的污染治理投资效率进行分析，得到以下结论并提出相关建议：

我国污染治理投资效率资源配置综合效率较低，DEA有效的地区仅有一个。我国东中西部地区30个省的污染治理投资的技术效率明显高于综合效率，而规模效率较低，说明低规模效率是造成综合效率偏低的主要原因。我国几乎所有的省级单位的污染治理投资处于规模无效的状态，即污染治理投资规模与地区经济社会发展水平不相匹配。并不是规模越大就意味着对环境保护效果越好，应该寻求达到规模与透出产出相适应的结合点。

因此，要实现污染治理投资的合理配置，需要对处于规模报酬递减的地区（几乎所有的省级单位）严格控制并优化投资规模，避免资源的浪费；对于规模报酬不变的地区（如辽宁省），由于其污染治理投资配置良好，不存在严重的资源投资过剩和不足问题，可以按照当前的投资水平投资以达到污染治理的目的。