低碳背景下中国废气污染治理投资效率及影响因素研究

魏 峰，张 晴

（安徽大学 大数据与统计学院，安徽 合肥 230601）

一、引言

经济发展与建设过程中，生态与环境保护问题容易被忽略，人类生产活动中消耗的各类能源燃烧排放大量有害物，同时产生的二氧化碳也导致碳排放问题加剧。2019 年中国碳排放占世界排放量的26.4%①数据来源：Climate Watch，https://www.climatewatchdata.org/，中国正面临着巨大的碳压力。不仅如此，随着工业化快速发展，各种工业废气和温室气体排放量随之大量增加，严重危害人类身体健康。当前中国废气污染治理投资水平远低于经济发展，废气治理对于资金供需矛盾日益突出，经济发展与低碳减排目标难以平衡。此外不同地区间经济发展差异较大，地理气候条件及产业发展等各种因素作用下，省际废气治理投资效率存在显著差距。因此，研究省市间废气治理投资效率并针对不同地区制定相应的低碳减排政策显得尤为重要。

对于环境治理投资效率研究，学者主要从工业污染、大气环境、废水治理等方面进行研究。张平淡等[1]、袁华萍[2]、刘炎德等[3]以工业污染源治理投资总额为投入指标，分析了各地区工业污染治理投资效率。吕晓剑等[4]、张羽等[5]基于超效率SBM（slacks-based measurement）模型，以PM2.5 浓度值作为产出指标，构建大气环境效率测度模型并对其动态演变特征进行分析。刘莹等[6]、孙玉阳等[7]从中国不同省级行政区、各流域视角对工业废水治理效率进行评价，提出优化资源配置、调整工业结构、降低水污染排放强度的政策建议。

在研究方法方面，学者首先将传统数据包络分析（data envelopment analysis, DEA）模型运用于效率分析。向书坚等[8]、尹怡诚等[9]用传统DEA 方法对中国废气污染效率进行评估并提出优化对外贸易结构、提高企业的环境监管能力以及推进源头治理等措施。刘丽波[10]根据DEA 模型研究江西11 个市环境治理投资效率，结果表明江西省废气治理投资效率较高。张璇等[11]在DEA 模型的基础上结合Tobit 回归模型测度财政分权对中国30 个省份的环保投资效率的影响，研究表明财政分权对中国环保投资效率有抑制作用。但传统模型未考虑随机因素的影响以及投入产出的非径向调整问题，因此提出了改进的三阶段DEA 模型[12-15]和SBM 模型[16-18]；为解决无法评价有效决策单元效率问题，学者进一步提出超效率DEA 模型[19,20]和非径向的超效率SBM 模型[21-23]测度环境效率。

以上研究对中国废气污染治理投资方面有重要的借鉴意义，但仍有不足。目前学者的研究视角集中于环境治理效率，对于废气污染关注较少；且在现有的废气污染研究中较为关注废气治理效率，鲜有文献从低碳背景视角出发测算废气污染治理投资效率。中国在环境治理的同时推行低碳发展战略，从低碳背景出发，更能综合反映中国废气治理投资效率。因此，本文结合衡量碳排放及废气治理投资的投入产出指标，运用超效率SBM 模型与ML（Malmquist-Luenberger）指数从动静两个方面研究中国低碳废气治理投资效率，以中国30 个省份为研究对象，将不同地区间的效率进行比较分析；此外，采用空间杜宾模型（spatial dubin model，SDM）研究中国低碳背景下废气污染治理投资效率的空间演变特征，分析不同区域间低碳废气治理投资效率的影响因素及空间溢出效应，以期为推动中国废气治理投资与低碳排放工作提出可行性建议。

二、研究方法与数据选取

（一）超效率SBM 模型

DEA 模型在1978 年被提出[24]，利用输入和输出进行决策单元相对效率的测算。传统的DEA 模型主要有BCC 模型和CCR 模型，但均未考虑非径向的投入或产出松弛[25]，因此Tone[26]提出了基于松弛的SBM 模型，将投入过剩和产出不足考虑在内，识别决策单元的低效率。在此基础上2002 年Tone[27]提出超效率SBM 模型，弥补了SBM 模型无法比较高效率决策单元的不足，同时也解决了传统DEA 模型无法评价非期望产出效率问题。超效率SBM 模型公式如下：

（二）Malmquist-Luenberger 指数

超效率SBM 模型只能用来测算静态的低碳废气治理投资效率，不能反映跨年份动态效率变化。Chung 等[28]利用几何平均值方法构建考虑非期望产出的ML 指数，并将该指数分解为技术效率指数EC与技术进步指数TC[29]。因此本文采用ML 指数来进行低碳废气治理投资效率的动态测算。从期到期的ML 指数定义为：

技术效率指数又可进一步分解为纯技术效率变化PEC 和规模效率变化SEC，当，表示低碳废气治理投资效率从期到期有所提高。

（三）空间自相关检验

1.空间莫兰（Moran's I）指数

空间自相关分析主要考察要素是否存在空间聚集情况，本文选择从全域视角来反映空间相关性的全局Moran's I 指数来进行检验，公式如下：

2.空间杜宾模型

传统计量模型会忽视变量间的空间相关性影响，导致计量结果出现偏误。由于经济、高素质人才等流动性以及科技水平、产业结构的拉动性特征，中国低碳废气治理投资效率也可能受邻近地区的影响，而空间计量模型能够对区域间的依赖性及空间溢出效应进行分析，通过引入空间权重矩阵，反映溢出效应方向和强度。本文通过LR 检验和Wald 检验，选择了考虑邻近省份解释变量与被解释变量对本地区效率有影响的空间杜宾模型[31]，具体公式如下：

（四）指标的选取及数据来源

1.投入产出指标的选取

超效率SBM 模型作为超效率DEA 模型的一种衍生模型，对指标的选取有一定的要求，因此建立低碳视角下中国废气污染治理投资效率的评价体系，投入产出指标的选取应满足科学性、代表性、精简性和目的性的原则[32]。研究中国废气污染治理投资效率，除了传统的废气治理投资指标，建立评价指标还应创新性的结合低碳背景。在投入指标的选取方面，本文根据已有的研究成果[33-36]以及数据的可获得性，选取环境保护支出作为环境治理投资指标，选取工业废气污染治理设施数和工业污染设施费用作为废气污染治理投资指标，低碳经济发展背景中，能源消耗过程中的碳排放是主要的碳排放来源，因此本文选取能源消费总量作为能源投入指标。对于产出指标的选取，选择GDP 作为期望产出，本文选择废气排放总量作为衡量废气污染治理投资产出的指标。废气污染物排放中，主要的污染物代表是二氧化硫、氮氧化物和烟粉尘等颗粒物，故废气排放总量用二氧化硫、氮氧化物和颗粒物排放量之和表示。本文选择二氧化碳排放量作为衡量碳排放的指标，中国低碳发展要求碳排放减少甚至零碳排放，符合中国低碳发展的经济背景。其中工业废气治理设施处理能力为期望产出，废气排放总量和二氧化碳排放量为非期望产出。

表1 废气治理投资的指标选取

2.影响因素的指标选取

本文主要从产业和经济发展等方面选取了第二产业比重、R&D（研发）经费内部支出、实际人均可支配收入、城镇化水平和受教育程度5 个因素作为环境指标。

3.数据的来源及处理

考虑到新冠肺炎疫情对所选指标可能产生影响，以及数据的可获得性，且《中国能源统计年鉴》中的能源平衡表中缺少西藏这一省份，故本文选取2011—2019 年除西藏外30 个省份的数据进行研究分析。各项指标的数据来源于《中国统计年鉴》《中国环境统计年鉴》《中国能源统计年鉴》以及《中国科技统计年鉴》。对于本文中的各种收入支出数据以及人均GDP 数据，为了消除通货膨胀对经济数据的影响，本文均作了消胀处理。

由于二氧化碳排放量指标不能直接获取，本文借鉴政府间气候变化专门委员会（IPCC）的《2006年IPCC 国家温室气体清单指南》中的方法1 来测算中国能源消耗量和二氧化碳排放量。首先须计算出能源消耗量的数据，借鉴喻婷[37]的做法①能源消费总量=终端消费量－火力发电－供热＋损失量－平衡差额，将30个省份9 年间的270 张能源统计表的数据整理得到能源消费总量的数据。计算二氧化碳排放数据时，本文参考Liang[38]将14 种能源②煤炭、焦炭、焦炉煤气、高炉煤气、转炉煤气、其他煤气、原油、汽油、煤油、柴油、燃料油、液化石油气、天然气和液化天然气共14 种能源。考虑在内，大大提高了计算结果的精确性。

《2006 年IPCC 国家温室气体清单指南》给出的二氧化碳排放量测算公式为：

三、实证分析

（一）中国废气污染治理投资效率静态分析——超效率SBM 模型

根据非期望产出的超效率SBM 模型公式，本文运用matlab R2019 软件对中国2011—2019 年30个省份的数据进行计算，将所得的各个省份效率值整理归纳，并求解其均值，所得结果如表2 所示。

表2 2011—2019 年中国30 个省份的废气污染治理投资效率值

由表2 所得的平均效率值可以看出，低碳背景下，中国总体废气污染治理投资水平不尽人意。各省份间差异较大，其中只有北京（1.296）、上海（1.115）和福建（1.096）处于DEA 有效水平，30 个省份中有效省份仅占比10%。排名第4 的浙江省效率值为0.733，与福建省差距较大；效率值最低的省份为宁夏，仅有0.095，且有13 个省份效率值低于0.3。从各年份来看，北京、上海和福建的效率值从2011 年至2019 年一直处于效率前沿面；其他省份只有广东省在2019 年达到效率前沿。这些数据均说明中国废气污染治理投资总体水平普遍低下，存在较大的上升空间。

接下来进行区域性分析，将30 个省份按照统计年鉴划分成东部、中部和西部三个地区①北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南共11 个省份划分为东部地区；山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南共8 个省份划分为中部地区；内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆共11 个省份划分为西部地区。。由表2 和图1 可以看出，东部地区的废气污染治理投资效率均值为0.654，高于中部和西部；30 个省份2011—2019 年效率均值为0.414，整体效率较为低下，东部地区明显高于平均水平。东、中、西部效率值变化趋势与全国整体变化趋势基本一致，2011—2018年比较平稳，效率值波动不大；2018—2019 年效率值有明显上升趋势。究其原因，2018 年中国迎来了自改革开放后环境治理力度的峰值，环境治理力度空前。2014 年时任环保局局长在全国两会提出中国要打好大气、水、土壤污染治理“三大战役”，正式向环境污染宣战，开始加大环境保护力度，与环境污染问题进行博弈，经过五年冲刺，2018 年废气治理投资出现转折点，进入新阶段。

图1 2011—2019 年中国废气污染治理投资效率值

（二）中国废气污染治理投资效率动态分析——ML 指数

接下来利用ML 指数对低碳废气治理投资效率进行动态分析，通过matlab R2019 软件测得结果如表3 所示。

表3 2011—2019 年中国废气污染治理投资效率ML 指数及分解结果

根据表3，ML 指数在2011—2019 年均大于1，废气污染治理投资在一定范围内进行波动，并不稳定，但整体仍处于增长态势，年平均值为1.043，增长率达4.3%。从各年变动情况看，ML 指数从2011—2019 年先小幅度上升后下降，再持续上升到达峰值转而下降，波动较大，反映其周期性、不稳定性特点。

从各分解值来看，技术效率指数与技术进步指数均值一致，说明中国低碳废气治理投资效率的提升是技术效率和技术进步的双重影响结果，但规模效率年平均增长率只有0.6%，表明中国现有的低碳废气治理投资规模体系仍有待完善。由表3 可知2015—2016年全要素生产率指数增长率为11.3%，主要影响因素是技术进步的增长，分析其可能原因，2010 年在中国共产党第十七届中央委员会第五次全体会议上提出制定《技术市场“十二五”发展规划》的建议，以技术进步和科技创新为经济发展方式，调整产业结构，推动技术市场的发展。到2015年中国已经顺利完成目标，但技术壁垒短期无法突破，2016 年，中国面临着新的发展障碍——国外技术性贸易壁垒，因此2016—2017年中国的全要素生产率指数又呈现下降趋势。

从各省份层面来看，如表4 所示，30 个省份的低碳废气治理投资效率值均大于1，表明各个省份在废气污染治理投资方面存在不同程度的进步；其中浙江省ML 指数最高，年平均增长率为21.5%，宁夏最低，只有0.3%的增长趋势。北京、浙江、河南、湖南、广东、重庆的增长率均大于6%，除去广东和重庆，其他4 个省份的分解效率值均呈增长趋势，表明这些省份的废气污染治理投资效率取得较好成效。广东和重庆的ML指数和技术效率指数均大于1，而技术进步指数较低，说明这两个省份的低碳废气治理投资效率不足主要受技术因素的影响，需要当地政府引进更为先进的技术，提高区域的创新效率，调整产业结构，提高低碳减排的治理投资效率。

表4 2011—2019 年中国各省份ML 指数及分解

东部地区年增长率最高，达5.6%，中部地区次之，为3.8%，西部地区最小，仅3.5%，三大地区中只有东部地区高于全国年平均增长水平。分析ML 指数的分解情况，东部地区效率的提高主要受技术进步的影响，纯技术效率对其也有一定的影响，但影响较弱。中部地区的规模效率为0.998，说明中部地区的治理投资效率低下主要是规模效率不足引起，需要加大中部地区的投资规模；而西部地区提升效率的阻力来自技术退步。

四、影响因素分析

（一）空间自相关性检验

以上的实证结果表明不同地区间的低碳废气治理投资效率存在显著差异，接下来进一步分析影响因素和空间溢出效应可能对效率产生的影响。首先进行空间自相关的检验，大部分学者采用的是Moran's I 指数，本文运用stata 16.0 软件，构建经济距离权重矩阵并计算全局Moran's I 指数，所得结果如表5 所示。

表5 全局Moran's I 指数

（二）模型的选择

接下来进行相关检验选择适合的计量模型，各种检验结果如表6。Hausman 检验通过了1%水平的显著性检验，LR 检验中，LR-both time 检验值为1，表明双固定效应模型非常不显著，结合LRboth ind 的检验结果，选择时间固定效应模型。进一步检验空间杜宾模型是否会退化为空间自回归模型（spatial autoregression model，SAR）和空间误差模型（spatial errors model，SEM），根据LR 检验和Wald 检验结果，均拒绝SDM 模型退化为SAR 模型和SEM 模型的原假设。综上，本文选择时间固定效应的空间杜宾模型，回归结果见表6。

表6 空间计量模型选择相关检验

（三）空间计量结果分析

根据表7，科技投入和人均可支配收入的系数显著为正，表明技术投入和人均可支配收入的增加不但有利于提高中国废气污染治理投资效率水平，也对邻近省份产生正的影响；产业结构和教育水平的回归系数显著，表明这两个变量会抑制废气污染治理投资效率；城镇化水平回归系数未达到显著，但其空间滞后系数显著为正，表明对邻省有明显的促进作用。除了产业结构的空间滞后系数不显著，其他变量均表明对邻省的效率存在显著的空间溢出效应。

表7 空间杜宾模型回归结果

虽然回归系数和空间滞后系数在一定程度上能反映出各影响因素与效率间存在一定的作用，但当空间滞后项较为显著时，仅用模型系数度量效率的空间溢出效应会存在系统性误差[39]，因此需要对其进行空间效应分解，将总效应分解为直接效应和间接效应（空间溢出效应），再进行研究。

产业结构直接效应系数为-2.154，意味着第二产业占比的增加会抑制本地废气污染治理投资效率。中国第二产业主要以工业为主，成为中国经济发展动力的重要支撑。但工业发展过程中能源消耗量高，污染物和碳排放严重影响大气环境；本地的产业发展会对邻省造成影响，将本地的高污染产业转至相邻区域，造成邻近省份的效率难以提升。R&D 经费支出的增加不但有利于本地治理投资效率的增加，还对邻近省份的效率有明显的促进作用。科学技术是经济发展和创造的第一生产力，提高本地科技水平，引进低碳废气治理技术，有助于提高本地的清洁实力，减少产业资源消耗，同时带动邻近省份的经济发展，提高邻省科技水平，进而促进低碳废气治理投资效率。人均可支配收入对邻近省份效率的促进作用强于对本地效率的作用。人均可支配收入在一定程度上能反映当地居民对废气治理投资的水平，居民的人均可支配收入增加，就会相应提高对低碳废气治理的投资，为环境的治理提供充足的资金，选择新绿色产业，推动邻省的产业发展模式变革，从而提高低碳废气治理投资效率。城镇化水平间接效应系数为-2.492，表明城镇化率对低碳废气治理投资效率有显著的负向空间溢出效应。城镇化率的提高意味着人口密集度增加，产业聚集，从而加大对能源的需求，对资源消耗产生较大压力，二氧化碳排放量也随之增加，但城镇化率又会推动当地经济发展，从而弱化了抑制本地低碳废气治理投资效率的影响[40]。本地城镇化率增加导致周边地区的人口流动，增加人口密度，进而抑制邻省的低碳废气治理投资效率。教育水平对本地的污染治理投资效率有负向影响，但对邻近省份有正的空间溢出效应。提高教育水平能促进周边的人才流动，降低周边地区企业的生产成本，进一步提高邻省的低碳废气治理投资效率。

（四）稳健性检验

表8 地理邻近矩阵稳健性检验结果

五、相关结论和政策建议

（一）结论

本文采用超效率SBM 模型和ML 指数研究中国2011—2019 年30 个省的低碳背景下废气污染治理投资效率，并通过Moran's I 指数和空间杜宾模型测算其空间演变规律以及影响低碳废气治理投资效率的相关因素。主要有以下结论：

中国的废气污染治理投资效率存在较大提升空间。中国整体低碳废气治理投资水平仍有待提高，2011—2019 年各省的效率均值中，只有北京、上海和福建达到效率前沿面。从区域层面分析，中国东部平均效率值高达0.654，明显高于中国平均水平，中部次之，西部效率均值最低，仅有0.233。

从中国的动态效率分析来看，2011—2019 年中国低碳废气治理投资效率呈现先上升后下降、再上升又下降的不稳定状态，但整体仍表现出增长趋势，增长率达4.3%。通过ML 指数分解，可以看出，中国低碳废气治理投资效率规模较低，投资规模体系有待完善，效率增长的主要原因来自技术进步。

根据Moran's I 指数分析，中国低碳废气治理投资效率存在明显的空间相关性。产业结构和受教育水平对本区域低碳废气治理投资存在负影响作用，但受教育水平对邻近区域的效率有较强的促进作用；科技水平和经济发展与本地区及邻近区域效率均显著正相关；城镇化率对邻近区域效率有正相关性作用，但对本地效率的增长无显著作用。

（二）政策建议

根据上述分析，为提高中国低碳废气治理投资效率，保持中国经济与环境之间的平衡发展，本文提出几点相关建议：

东、中、西部低碳废气治理投资效率差异过大，因此各地政府应因地制宜采取相关措施。对于东部地区而言，需大力发展经济，加大废气治理规模投资，增加在废气治理方面的资金投入以及相关设备的引进和开发，致力于学习低碳创新废气治理技术。充分利用政府在市场中的职能，推进市场多样化发展，提高当地废气污染治理设施和资金的投资水平，减少碳排放。中部和西部则考虑低碳废气治理投资与经济发展之间的平衡关系，投入并充分利用防污治理资金，避免资源的浪费，在治理过程中，政府应充分发挥监管作用，建立相关监管部门，对于企业的废气治理部门进行评估和监管，提供相应的技术和经济咨询服务，尽可能避免资金和资源的浪费，在现有基础上，极大化提高当地资源利用率，从而进一步提高当地低碳废气治理投资的效率。各地建立低碳低污染的经济体系，设置废气治理专项，以达到低碳减排的目的。

提高城镇化水平和科技投入力度，促进中国经济发展，有利于提高中国低碳废气治理投资效率。因地制宜，科学规划中国城乡协调发展布局，充分发挥大城市的带头作用，以大城市带动小城镇为发展目标，通过相关政策将城市和城镇联通起来，互相促进，协同发展，提高整体社会经济水平；建立创新的低碳废气治理产业体系，实现经济、科技创新及城镇化协同发展，以此提高科技创新在中国低碳废弃治理投资方面的占比。引进国外先进设备，扩大城市废气治理技术创新规模，拓宽中国低碳废气治理渠道，促进经济与废气污染治理协调发展。

第二产业对低碳废气治理投资效率影响较为显著，中国在大力发展第二产业的同时应注重相关的碳排放废气污染物排放问题。对工业废气的排放及治理进行管控，选择高效率污染治理设备；对于污染排放量大的企业进行整改，设置对应税收优惠政策，对于积极响应国家废气污染防治号召的企业，可相应减少部分所得税，以税收优惠政策推动废气污染治理投资领域的发展。同时，应优化产业内部结构，选择低污染的新兴产业；使用清洁能源，减少废气污染物排放，提高中国整体低碳废气污染治理投资效率。