长江经济带城市大气环境效率评价及空间差异分析

张 羽,毛焱颖,焦柳丹,吴 雅

(1. 重庆交通大学 经济与管理学院，重庆 400074； 2. 重庆电子工程职业学院 通信工程学院，重庆 401331； 3. 西南大学 资源环境学院，重庆 400715)

0 引 言

近年来，快速的城市化进程使城市经济成为我国经济发展的主要引擎[1-2]。但部分学者认为如此快速的城市化造成了大量的资源浪费和环境污染[3-4]。特别是大气环境污染，带来了巨大的经济损失和公众健康威胁[5]。

城市大气环境效率，体现了资源投入转化为经济价值与大气污染排放的效率。城市大气环境效率的测度，是实现节能减霾和区域绿色高质量发展的重要前提条件[6]。大气环境效率作为衡量区域可持续发展水平的新工具和新方法，吸引了众多学者的关注[6]。丁镭等[6]运用数据包络分析(DEA)模型和Malmquist指数测算了2006—2015年浙江省11个城市大气环境效率的静态和动态特征，基于测算结果，提出了差异化的污染防治措施；陈国鹰等[7]基于Super-SBM模型和全局Malmquist指数对京津冀13个城市2006—2016年的大气环境效率进行评价分析，并分析了其空间差异性和影响因素，指出技术落后是大气环境效率低下的主要原因；汪克亮等[8]基于2006—2015年京津冀13个样本城市的数据，考察了大气环境效率的地区差异特征及动态演变特征，分析了大气环境效率的影响机制；汪克亮等[9]还基于我国省域面板数据，实证考察了其大气环境效率，研究结果显示，全国整体来看大气环境效率偏低，上海、广东等经济发达省市效率值最优，存在“优者恒优，差者恒差”的极化现象；X.WU等[10]利用DEA模型实证分析了2000—2010年我国29个省市 PM2.5排放效率，研究结果为全国PM2.5减排政策的制定提供了参考借鉴；Y.LI等[11]测算了我国31个省会城市的大气环境效率，分析结果显示，仅北京、广州、南宁和上海4个城市达到了最优效率值1，其余城市均有提升空间。

现有的大气环境效率评价研究结果为笔者提供了借鉴和参考，但也存在一定的改进空间：首先，部分文献投入产出指标体系不完善，在选取大气污染物(PM2.5、SO2、烟粉尘等)非期望产出指标时，仅参考了单一或部分产出指标，不足以反映大气环境的整体水平。陈国鹰等[7]仅以PM2.5浓度反映京津冀城市群的大气环境污染物；汪克亮等[9]选取了工业SO2排放量和工业烟尘排放量，未考虑PM2.5浓度。其次，部分文献研究的年限较早，难以反映近年来我国大气环境效率变化。

同时，长江经济带沿途流经11个省市，包含3大城市群，养育了我国40%以上的人口，产出了45%以上的经济总量，作为国家重大发展战略区域，对我国的社会经济发展起着不可替代的作用。然而，根据孙亚梅等[12]的研究显示，近年来长江经济带的大气污染物排放量严重超标，对我国城市居民的身心健康和国家经济发展造成了巨大的威胁。因此，研究我国长江经济带城市大气环境效率的表现水平，对于资源集约利用，促进我国城市大气污染防治具有重要的参考价值。鉴于此，笔者以我国长江经济带80个城市多年数据为样本，运用改进数据包络分析模型对其大气环境相对效率进行评价研究，并引进Malmquist生产率指数模型对其动态演变进行测算。从而为我国长江经济带城市大气污染防治提出针对性的政策建议。

1 研究方法

1.1 非期望产出Super-SBM模型

数据包络分析(DEA)模型是一种评价效率的经典方法，可用于单投入、单产出，或多投入、多产出的多个评价单元相对效率的计算[13]。DEA方法在工业部门、交通部门、金融机构、环境等众多领域得到广泛的应用[14]。传统DEA模型从径向(投入和产出以等比例缩小或放大)和角度(投入或产出角度)2方面对效率进行度量，不能把投入产出松弛性纳入考虑范围，测得效率值不够准确。K.TONE[15]提出了SBM模型这一基于松弛变量测度非径向非角度的DEA计算方法。SBM模型的效率值随投入与产出松弛程度的变化而严格单调递减，该模型也考虑到经济生产过程中的非期望产出(如环境污染物)，将其作为评价指标之一。但SBM模型测得效率值在0和1之间，会出现多个决策单元同为前沿面的效率(效率值为1)情况，此时不能对这部分决策单元进行有效评价和排序。为此，K.TONE[16]还提出了Super-SBM模型，该模型的效率值可大于1，可对所有决策单元进行评价和排序。

参考非期望产出SBM[17]和Super-SBM模型[16]，笔者构建了考虑非期望产出的Super-SBM大气环境效率评价模型。

首先，考虑非期望产出的SBM模型计算步骤如下：

假设有n个决策单元，即n个城市参与大气环境效率评价，每个决策单元均有投入和产出两个向量，评价指标体系由m个投入，s1个期望产出和s2个非期望产出，分别表示为x∈Rm，y∈Rs1和b∈Rs2，则可定义投入产出矩阵如下：

(1)

则生产可能集p可以表示为：

p={(x,y,b)|x≥Xλ,y≤Yλ,b≥Bλ,λ≥0}

(2)

根据文献[17]SBM模型的处理方法，考虑非期望产出的 SBM模型为：

(3)

在用SBM模型计算城市大气环境效率时，会出现多个城市同时有效(ρ=1)的情况，导致不能对这些城市的效率值进行比较和排序。因此，在对长江经济带城市进行评价时，根据文献[16-17]，不包含决策单元DMUk(xk,yk,bk)的生产可能集为：

(4)

考虑非期望产出的Super-SBM模型(不变规模报酬)，如式(5)：

(5)

式中：ρ*为各城市大气环境效率值，取值可以大于1，变量含义同式(3)，λj为投入与产出的权重。

根据式(5)，测算我国长江经济带城市大气环境效率。

1.2 Malmquist生产率指数

Super-SBM模型只能计算各城市每年的相对效率值，不能考察各地区效率的动态变化情况。笔者引入Malmquist生产率指数，对各城市大气环境效率的跨期动态变化作相应的研究。Malmquist生产率指数的步骤如下[18]：

(6)

同理，在s时期技术条件下的Malmquist指数可表示为：

(7)

为避免因时期或技术条件选择的不同而导致结果不同，用式(6)和式(7)的几何平均值来衡量从t到s时期生产率变化的Malmquist指数，如式(8)：

(8)

Mj(t,s)用来计算决策单元j从时期t到时期s的动态效率变化。当Mj(t,s)>1时表现为生产前沿面向上移动，技术出现了进步，效率值从时期t到时期s的效率有改善和提高；反之，当Mj(t,s)=1和Mj(t,s)<1时则表明该城市效率值从时期t到时期s的效率没有改变或退步。

同时，文献[18]进一步将Malmquist生产率指数分解为技术效率变化和技术变化指数，进而定位效率变化的驱动因素，如式(9)：

E×T

(9)

式中：E表示技术效率变化，T表示技术进步变化指数。同样的，当E和T大于1，说明技术效率和技术出现了进步；反之则技术效率和技术不变或退步了。

2 指标选取与数据处理

对长江经济带城市大气环境效率展开实证分析。因部分城市指标数据缺失，选取了长江经济带11个省市的80个地级及以上城市为研究样本。

2.1 投入产出指标选取

目前，大气环境效率评价研究文献较少，其投入产出指标也未形成统一体系。在国内外学者关于环境治理效率、大气环境绩效和低碳治理绩效等相关研究文献的基础上[6-8]，结合指标选取原则，从投入、期望产出和非期望产出3个方面构建长江经济带大气环境效率的评价指标体系。各指标具体含义如下：

2.1.1 投入指标

劳动力投入(x1)。以城镇单位从业人员期末人数表示。

资本投入(x2)。以年度固定资产投资额表示。

能源消耗(x3)、水资源消耗(x4)。将各城市的各类能源消费总量折算为标准煤作为能源消耗；以各城市水资源消费总量作为水资源消耗。

2.1.2 期望产出指标

期望产出为“好”的产出指标，选取各城市GDP(y)表示。

2.1.3 非期望产出指标

非期望产出指标为环境污染类指标，根据笔者的研究目的，选取SO2排放量(b1)、烟(粉)尘排放量(b2)、年均PM2.5浓度值(b3)作为大气环境非期望产出。

我国长江经济带城市大气环境效率评价指标体系如图1。

图1 长江经济带城市大气环境效率评价指标体系Fig. 1 Evaluation index system of urban atmospheric environmentalefficiency in the Yangtze River Economic Belt

2.2 数据来源与处理

上述指标中x1，x2，x3，x4，y，b1和b2的数据来源于2006—2018年《中国城市统计年鉴》[19]。由于我国于2012年初步实现PM2.5浓度数据的监测与公布。笔者借鉴邵帅等[20]的研究，采用基于卫星监测的全球PM2.5浓度年均值的栅格数据，并进一步利用ArcGIS软件解析得到2005—2017年长江经济带各省市的年均PM2.5浓度值。考虑到通货膨胀的影响，经济类指标(固定资产投资额、GDP)均以不变价国内生产总值指数换算成2005年为基期的数据。鉴于原始数据量较大，为了清晰地展示投入产出指标，参考文献[13]，将各变量的描述统计展示如表1。

表1 投入与产出指标描述统计分析Table 1 Description and statistical analysis of input and output indicators

3 实证分析

根据式(5)非期望产出Super-SBM模型，先对长江经济带城市大气环境相对效率进行评价，了解我国长江经济带城市大气环境的现实情况；然后分析城市大气环境效率的地区差异性；最后基于式(8)和式(9)Malmquist生产率指数从动态角度对效率的演变进行探讨，揭示其动态变化情况。

3.1 长江经济带城市大气环境效率静态特征分析

根据2005—2017年长江经济带80个城市的面板数据，运用非期望产出Super-SBM模型，计算出长江经济带城市大气环境效率，如图2。

图2 长江经济带城市大气环境效率Fig. 2 Urban atmospheric environmental efficiency in theYangtze River Economic Belt

由图2可知：长江经济带城市大气环境效率的平均值为0.59，距离生产前沿面还有41%的提升空间，拥有较大减排潜力，且彰显了长江经济带城市的经济发展与大气污染防治之间存在不协调关系。从图2还可看出，在2005—2017年间，效率值达到生产前沿面的城市较少，而大部分的城市环境效率都处于0.2～0.6，还有较大减排潜力。即通过有效技术条件和资源利用方式，优化环境效率的要素投入，达到增加经济产出，减少大气污染物排放，有效提升大气环境效率的目的。

2005—2017年，80个城市中，有10个城市的平均效率大于1，达到了最优效率，分别是上海、长沙、苏州、黄冈和金华等。此外，无锡、台州、玉溪和温州等城市的大气环境效率也较高，接近生产前沿面。分开来看，上海、苏州、无锡、金华和温州等城市位于沿海地区，经济相对较为发达，节能减排治污技术先进；黄冈和玉溪等城市大气环境质量较好，例如玉溪市在研究期间年均PM2.5浓度值仅为34.2 ug/m3，黄冈市的年均工业烟(粉)尘排放量仅为1.2×104t，远低于其他污染严峻的城市。

对比来看，大气环境效率较低的城市主要集中于长江中上游地区，如广元、贵阳和黄石等城市。中游城市汇聚了大量高能耗、高污染企业；上游城市经济相对落后，经济产出水平较低，治污减排技术落后。使得中上游城市的单位GDP产出所消耗的资源和排放的大气污染物较高，因而中上游城市的大气环境效率在研究期内处于较低水平，说明这些城市处于“高投入，高排放，低产出”的发展模式，这些城市应亟需调整经济发展模式，转变产业结构和资源利用方式，以促进当地的大气环境效率。

3.2 长江经济带城市大气环境效率空间差异性分析

为了便于分析比较，根据长江经济带城市的区域划分，将各城市划分为上、中和下游城市群，以分析各城市大气环境效率的空间分布和区域特征。为了更好地体现80个城市大气环境效率的空间分布和地理区位特征，图3展示了2005、2010和2017年长江经济带城市大气环境效率的空间分布，基于大气环境效率值的分布情况将城市分为5类。

注：该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2020)4619号的标准地图制作，底图无修改。图3 2005、2010和2017年长江经济带城市大气环境效率区域分布Fig. 3 Regional distribution of urban atmospheric environment efficiencyin the Yangtze River Economic Belt in 2005, 2010 and 2017

由图3可知：位于下游的城市大气环境效率表现较好，如上海、江苏和浙江等省市。但是，同样处于下游的安徽省却出现了低效的情况。安徽省各城市虽紧邻江浙沪等高效城市，但其效率值却处于较低水平，成为长江下游大气环境效率塌陷地带，应重点关注。此外，中游和上游极个别城市效率也表现较好，如玉溪市、黄冈市等。与下游城市相比，中上游城市的提升空间更大。特别是中游湘西、鄂中和成渝城市群，在2005、2010和2017年效率值与上游城市有较大差距，这也造成了中上游的大气环境效率水平偏低。由于经济欠发达、治污减排技术相对落后、二次污染等原因，这些地区呈现出“高投入、低产出、高排放”的现象。随着资源约束等挑战的到来，应给予这些城市相应政策倾斜，加快经济转型，产业结构升级，提升科技创新。从整体分布来看，大部分城市处于大气环境效率值较低(0.2～0.4)的效率水平。

3.3 长江经济带城市大气环境效率动态演变分析

分析了长江经济带城市大气环境效率静态特征后，基于式(8)的Malmquist生产率指数模型，测算其大气环境效率的动态变化，进行跨期比较，动态挖掘大气环境变化深层原因。限于篇幅，表2为Malmquist生产率指数M≥1和M<1的城市数量统计情况。表3为各城市2005—2017年年均Malmquist生产率指数值。同时为了定位效率变化的驱动因素与根源，笔者进一步展示了2005—2017年间Malmquist生产率指数的分解结果，如图4。

表3 长江经济带城市2005—2017年年均Malmquist生产率指数Table 3 Annual average of Malmquist productivity index of cities inthe Yangtze River Economic Belt from 2005 to 2017

图4 2005—2017年期间长江经济带城市大气环境效率年均Malmquist指数分解Fig. 4 Annual average Malmquist index decomposition of urbanatmospheric environmental efficiency in the Yangtze River economicbelt from 2005 to 2017

基于表2、表3和图4可以看出，长江经济带大气环境效率动态演变呈现如下规律：

1)从整体来看，在整个研究期间，大气环境效率提高了7.6%，这样的提高可能是因为近年来我国将打响蓝天保卫战、大气环境治理作为全民共同参与的一项重大任务。形成了从上至下，从下至上的污染防治任务链。

2)从表2和表3可以看出：2007—2008年，2009—2010年，2015—2017年期间M≥1的城市数量较多，大气环境效率提高较为明显。而2011—2012年，2013—2014年期间大气环境效率Malmquist生产率指数值显示多个城市小于1，增长乏力，大气环境效率下降较为明显。在2011—2014年期间，由于粗放型经济增长模式，全国范围内遭受大面积灰霾天气，长江经济带城市也受严峻的雾霾污染，导致大气环境效率在这一时期呈现下降趋势。

3)根据Malmquist生产率指数平均值发现，80个样本城市有74个城市在考察年份的效率值均有显著性提高，其中成都市效率值提升最明显，总计提高了30.8%，这可能与近年来成都的经济发展模式有较大的关系。但是，依然有6个城市相对于原有水平退步了。

4)进一步分析图4可知：在整个研究期间，在2009—2010年，2013—2014年度的效率变化指数小于技术进步指数，其余年份技术进步指数均明显的大于效率变化指数。这说明，技术进步变化对长江经济带大气环境效率的提高和改善占据主导作用，而效率变化的影响随着时间逐年下降。

4 结 论

笔者利用非期望产出Super-SBM模型和Malmquist生产率指数模型，分析了长江经济带80个城市2005—2017年间大气环境效率的静态、动态以及空间特征。研究所得出的主要结论：

1)从大气环境效率的总体表现来看，上海、长沙、苏州、金华、常德和无锡的效率值显著优于其他城市，在2005—2017年都处于生产前沿面，效率值均大于1。而淮南、广元和黄石等中上游城市的大气环境效率表现较差。长江经济带城市大气环境效率整体表现并不理想，平均值为0.59，证明长江经济带城市可通过生产管理、技术创新、投入产出比例调整、政策保障等方面提高其大气环境效率。

2)从大气环境效率的空间分布和区域差异特征来看，位于长江下游的经济发达省市，如上海、江苏和浙江等省市，大气环境效率较好。但安徽省各城市大气环境效率处于较低水平，为下游环境效率塌陷地带。此外，中上游城市的提升空间最大，特别是中游湘西、鄂中和上游成渝城市群，应值得重点关注。

3)从大气环境效率动态演变来看，在整个考察期内，长江经济带城市大气环境效率提高了7.6%；单个城市来看，74个城市均有显著提高，占比为92.5%。此外，Malmquist生产率指数的分解结果显示，技术进步变化对长江经济带大气环境效率的提高和改善占据主导作用。

根据以上基本结论可知，提高长江经济带城市大气环境效率可从以下几个方面入手：①亟需改善大气污染严重的城市，如安徽省的安庆市、宿州市，四川省自贡市等；②区域经济差别化发展，下游表现较好城市应发挥榜样作用，加强地区污染治理技术、管理等交流合作，中上游城市在优先发展经济的同时，应注意其脆弱的生态环境，加强大气污染防治；③从资源投入方面，各城市应加强资源集约利用，淘汰旧设备，推广新技术，从而避免污染物的过量排放。