基于PSR模型的安徽大气环境绩效审计评价体系

张奇琦

摘要：大气质量关乎国计民生，对其进行审计评价是治理与改善大气环境的重要手段之一。而当前我国大气环境绩效审计存在研究少、缺乏科学客观的评价指标体系、评价标准单一等问题。为此，本文基于PSR模型构建了大气环境绩效审计评价指标体系，并结合主成分分析法，将评价体系应用于安徽省污染防治攻坚战大气治理实战成果进行审计评价，以期突破传统环境审计财务视角，为环境绩效审计评价提供新思路。

关键词：环境审计;大气环境绩效审计评价体系;PSR模型;安徽省污染防治攻坚战;主成分分析

中图分类号：F239.4 文献标识码：A

大气环境质量发展一直是社会关注的热点问题。伴随着近年来社会经济加速转型升级、我国产业结构调整以及居民生活水平的提高，国家及地方各级政府相继出台多项政策，包括安徽省自2018年起全面部署实施的污染防治攻坚战，着力对省内大气质量状况进行专项整治。合理评估该污染防治攻坚战的绩效成果，成为当前安徽省环境绩效审计的重要工作内容。因此，本文依托PSR环境评价模型构建大气环境绩效审计评价指标体系，并以安徽省为例，对省内各地区大气环境质量演变状况及污染防治攻坚战治理改善成果作出审计评价。

1 基于PSR模型构建大气环境绩效审计评价指标体系

1.1 PSR框架概念及机理

PSR模型即“压力-状态-响应”模型（Pressure-State-Response，PSR），主要包括压力、状态和响应三个部分。其中，压力是指人类经济和社会活动对生态环境造成的压力;状态是指生态环境现阶段的状态及其所可能产生的变化;响应是指社会为改善生态环境、降低环境压力施行的举措[1]。

PSR模型最早由经济合作与发展组织（OECD）和联合国环境规划署（UNEP）共同发展以适用环境问题研究，压力、状态和响应三个准则相互影响、相互关联，符合环境综合治理的研究思路。因此，本研究利用PSR模型构建大气环境绩效审计评价框架（如图1所示），能够较为准确地解释在综合治理过程中，大气环境存在的问题、变化，有利于有关单位及时调整方案，针对性地实施相关政策措施，有效维护和推进大气环境的可持续发展。

1.2 评价指标选择原则

在大气环境绩效审计评价具体指标的选择上，笔者主要遵循以下三个原则：

1.2.1 可比性原则

对空间和时间层面跨度较大的环境项目进行评价，需要考虑纵横两个方面的可比性。从空间层面看，针对待评价环境系统区域内不同地区的经济发展和资源配置状况，需要选取能够在横向进行比较的指标，以排除各地污染源及污染程度不同的影响;从时间层面看，需要在纵向上选定能够稳定衡量大气质量变化的指标，使各年在相同指标上的不同情况得以体现。

1.2.2 可实现性原则

对大气环境绩效进行审计，需要保证所选取的指标能够通过国家统计局、统计年鉴、生态环境公报等权威文件获得真实的数据，从而保证对该地区大气环境合理客观的评价。

1.2.3 系统性原则

PSR模型是三个准则层之间存在相互作用关系的系统性模型，要求各个评价指标之间存在一定逻辑关系，能够从不同层面反映大气环境质量及改善状况，保证大气环境绩效审计评价指标体系的整体逻辑性[2]。

1.3 大气环境绩效审计评价指标体系

PSR模型为审计评价指标体系的构建提供了较为系统的理论支撑。在以上指标选取原则的基础上，本文基于PSR模型构建了涵盖4个压力层指标、2个状态层指标、4个响应层指标在内的大气环境绩效审计评价指标体系[3]，[4]如下。

2 PSR框架大气环境绩效审计评价体系应用

为反映安徽省各地区污染防治攻坚战中大气环境治理的实际绩效，我们将安徽16个地级市划分为皖北、皖中、皖南三个片区，其中皖北包括淮河以北的宿州、淮北、蚌埠、阜阳、淮南、亳州6个地级市，皖中包括长江以北淮河以南的合肥、六安 、滁州、安庆4个地级市，皖南包括长江以南的黄山、芜湖、马鞍山、铜陵、宣城、池州6市，基于以上大气环境绩效审计评价指标体系，对三个地区在2015-2019年度大氣环境治理绩效进行审计评价。

2.1 数据来源

本文研究数据主要来源于《2016-2020年安徽统计年鉴》、《2015-2019年安徽省生态环境状况公报》、安徽统计局、安徽省生态环境局等省级数据发布中心，《合肥统计年鉴》、合肥统计局、合肥市环境保护局等16个省内地级市数据发布中心。

2.2 实证分析过程

2.2.1 数据标准化

由于各个评价指标具有不同的量纲和数量级，首先使用Z-score对原始数据进行无量纲化的标准化处理：

其中，n表示第n项指标，m表示第m项样本。

2.2.2 统计学检验

由KMO及Bartletts球形检验结果：KMO值为0.605、显著值为0<0.05，适合采用主成分分析。

2.2.3 确定主成分

由总方差解释结果可知，可提取的3个主成分累计方差贡献率达到87.038%，即此3个主成分指标（分别以Z1、Z2、Z3表示）可涵盖以上10项指标87.038%的信息量，提取原始数据信息相当充分。又综合得分=旋转后的方差贡献率*各成分得分，由主成分得分系数矩阵，三个主成分表达式及安徽省大气环境治理综合得分（Z）公式如下：

压力主成分

Z1=0.540ZP1+0.933ZP2-0.438ZP3-0.459ZP4-0.193ZS1-0.301ZS2+0.011ZR1+0.949ZR2+0.942ZR3+0.944ZR4

状态主成分

Z2=0.013ZP1-0.137ZP2+0.814ZP3+0.705ZP4-0.881ZS1+0.823ZS2+0.697ZR1+0.099ZR2-0.255ZR3-0.264ZR4

响应主成分

Z3=0.787ZP1+0.273ZP2+0.245ZP3+0.337ZP4+0.282ZS1-0.235ZS2+0.124ZR1+0.159ZR2-0.059ZR3-0.146ZR4

綜合得分

Z=0.43721*Z1+0.32636*Z2+0.10682*Z3

2.3 绩效审计结果分析

经过计算整理，安徽省皖北、皖中、皖南3个地区2015-2019年度各指标得分情况分析如下。

2.3.1 大气治理绩效综合情况

从整体得分水平来看，安徽省三个地区中，皖中地区以平均综合得分0.564成为近五年来大气治理绩效最优地区，且一直稳定维持在良好的正区间水平内;其次为平均综合得分为-0.012的皖南地区和平均综合得分为-0.55的皖北地区。

此外，2018-2019年三个地区的综合治理绩效水平都呈现较大幅度的提升，说明以《2018年安徽省大气污染防治重点工作任务》等为代表的安徽省污染防治攻坚战成效显著，基本实现省内大气质量改善目标。

2.3.2 大气治理绩效各准则层情况

我们取三个地区各个主成分2015-2019年得分平均值，作为该地区近五年内压力、状态、响应层的评价，得到结果如表2与图3所示。

分析可知，皖中地区在压力层及响应层的指标上得分均最高，在状态层得分居于中间水平，说明皖中地区各城市在大气环境压力较大的情况下响应积极主动，同时取得较为良好的治理改善效果;皖北地区在压力层与状态层得分均最低，响应层居于三者之间，说明皖北地区在平均大气质量与改善效果方面落后于另外两个地区，但对于环境治理保持积极投入;皖南地区在状态层指标上得分显著高于皖中与皖北，在响应层处于最低水平，说明目前皖南地区平均大气环境水平最佳。

3 研究结论

通过建立PSR模型并运用主成分分析法对2015-2019年安徽省内三个区域的大气环境绩效进行审计，得到结论如下：（1）横向来看，安徽省皖中、皖北、皖南地区在大气环境质量与治理水平、治理投入存在较为明显的差距;（2）纵向来看，安徽省各个地区大气环境自2018年以来均得到了较为明显的改善，说明安徽省污染防治攻坚战在大气环境治理方面成效显著，治理经验具备一定的可行性和可推广性;（3）基于PSR模型构建环境绩效审计评价指标体系，可以通过分析该模型下压力、状态和响应三个指标趋势，分别判断评价地区环境现状的不同层面，提高环境审计工作开展的效率和环境治理的准确性、目标性，为环境绩效审计提供衡量基础[5]。一方面，能够帮助社会从多方面充分了解该地区环境质量情况;另一方面，有利于有关单位根据现实情况针对性地提出改良方案和建议，推动环境质量的优化。

参考文献：

[1]周阳品.基于PSR模型的环境绩效审计评价指标体系的构建[J].农业与技术，2016，36（12）：253-254.

[2]王明石. 基于DEA的重污染行业环境绩效评价研究[D].华北电力大学（北京），2017.

[3]陈涛，王长通.大气环境绩效审计评价指标体系构建研究——基于PSR模型[J].会计之友，2019（15）：128-134.

[4]靳玮. 大气环境治理绩效审计的评价体系[D].北京交通大学，2019.

[5]胡耘通，苏东磊.环境绩效审计评价指标体系研究现状与展望[J].财会通讯，2018（28）：40-43.

项目资助：安徽财经大学国家级大学生创新创业训练计划项目（202010378071）安徽省污染防治攻坚战质量成果环境绩效审计评价研究——基于PSR模型视角。

安徽财经大学 会计学院 安徽 蚌埠 233030