随着全球人口数量的极度膨胀和工业的飞速发展，环境问题日益严重，并已经逐渐成为影响人类生活质量和可持续发展的重大难题。尽管许多国家、地区和国际组织都呼吁采取相关措施以解决日益严重的环境问题，但是全球变暖、环境和资源污染等一系列危及人类生存和可持续发展的环境问题仍然在不断恶化，环境问题加速恶化的趋势也没有能够得到有效地遏制。在中国，随着近些年经济高速的发展，环境问题变得更加突出，草原沙化、水资源的污染以及空气污染等环境问题也在逐步加重，已经直接影响到广大人民群众的健康，并严重威胁到国家的可持续发展计划。2013年，各地相继出现的“雾霾天”再次引起了人们对环境污染问题的高度重视，仅2013年1月，有统计的大范围雾霾天气就有4次，笼罩范围达30个省(区、市)，在北京，仅有5天不是雾霾天。 “雾霾”成为2013年年度关键词。[1]对此，国家给予了高度的重视：2014年1月4日，国家减灾办、民政部首次将雾霾天气纳入2013年自然灾情进行通报。2014年2月，习近平主席在北京考察时也对此做出了重要批示：应对雾霾污染、改善空气质量的首要任务是控制PM2.5，要从压减燃煤、严格控车、调整产业、强化管理、联防联控、依法治理等方面采取重大举措，聚焦重点领域，严格指标考核，加强环境执法监管，认真进行责任追究。实际上，为了实现可持续发展战略，中国在“十一五”规划中就已经提出了，在“十一五”末达到中国“主要污染物排放总量减少10%”的约束性指标。
治理环境问题，需要进一步加强环境监管，做到从源头上控制污染，而做到这一点就必须对中国各地区环境效率进行科学合理的评价。国务院在2009年8月12日通过了《规划环境影响评价条例》。在这项条例中，中国逐步将使用评价管理的方法作为环境治理的重点，以达到在源头上控制污染的效果，并且将这一转变提升到战略规划的高度。所以，基于中国现实环境问题，开发与之相吻合的科学管理评价方法，并且应用到现实的环境评价问题中去，以实现减少环境污染物质的排放、解决环境问题，最终达到提高资源的利用效率、优化资源配置的目标，是当前需要深入研究和解决的重要课题。为了准确把握中国不同区域的环境效率，有必要对各省和地区的环境效率进行科学、系统地评价研究。通过这项研究反映出中国不同区域间环境效率的差别，并且为中国环境效率的提高提供一个客观的参照标准，具有很强的现实指导意义。
文章的主要内容即是在考虑污染物质等非期望产出的前提下，采用环境效率评价方法——数据包络分析(DEA)比例模型，测算了2005-2012年全国各省(直辖市、自治区)环境效率，并以此为依据分析了中国东中西部区域环境效率的差异，最后利用多元回归模型分析了环境效率的影响因素。最后，为中国地区发展提出了相应的政策建议。
二、理论综述DEA是运筹学、管理学与数理经济学交叉研究的一个领域，它是由Charnes与Cooper等于1978年创建的。[2]2146-2156DEA方法采用数学规划模型，用于评价具有多输入多输出的部门或决策单元(DMU)之间的相对有效性，其显著特点是不需要考虑投入与产出之间的函数关系，并且不需要预先估计参数，避免了主观因素对评价结果的影响。正是由于这种独特的优势，使DEA成为管理科学与系统工程领域中一种重要而有效的数学分析工具。传统的DEA模型称为CCR模型(式(1))，其假定决策单元的规模收益不变，衡量的是决策单元的综合效率；随后，Banker等人提出假定决策单元规模收益可变情况下的效率评价模型：在原模型中加入权重向量约束条件∑j=1nηj=1，此模型通常称为BCC模型，衡量的是决策单元的技术效率。[3]84-92
 |
(1) |
其中：xij、yrj为投入、产出向量；x0、y0为特定被评价单元投入、产出值；θ为标量;nj为权重向量。
但是，传统的DEA模型在评价决策单元的效率时有一个基本假定，就是要求投入尽可能减少而产出尽可能增加，但是现实生产过程中往往存在非期望的产出，如工业生产中的污染产出，这类产出必须尽可能减少才能实现最佳的效益。为解决同时考虑期望产出和非期望产出的效率评价问题，学者们做了大量研究：
Fare等在1989年提出处理非期望产出的曲线测度评价法，以径向测度来分析期望产出的效率，而用其倒数(曲线)测度来衡量污染物的效率，以达到在效率评价的过程中增加期望产出和减少污染物的目的，但由于其是一种非线性的数学规划模型，其求解方法上比较烦琐，很难保证解的精确性。[3]84-92
Haile和Veeman则把非期望产出变量作为投入进行处理，然而在特定的生产过程中，污染物与资源投入并不能保持一定的同比例关系，因而这种效率评价的方法不能反映实际的生产过程。[3]84-92
Seaford和 Zhu提出了一种数据转换函数法，将越小越好的非期望产出转化为越大越好的期望产出(主要包括负产出转换、非线性数据转换和线性数据转换)，然后将转化后的污染物作为普通的期望产出，采用传统的DEA模型进行计算。数据转化法在BCC模型中虽然具有很大的优势，但在CCR模型中则无法保持分类的一致性。[3]84-92
Fare 等提出的方向距离函数法可以按照决策者的意愿设定效率改进的方向，然后按照某一具体的方向改变决策单元的效率，同时使得投入和产出按照预定的方向减少和扩大，突破了传统的径向测度的效率改进方法，具有一定的优越性，但是其效率评价的结果却受到方向向量影响，不同的方向向量往往导致不同的效率评价结果。[3]84-92
为解决以往效率评价模型的弊端，You & Yan在前人研究的基础上给出了一种新的处理非期望产出的模型——比例模型。[2]2146-2156用yrj表示第j个决策单元的第r种期望产出，用yljb,l=1,…,t表示第j个决策单元的第l种非期望产出。并且考虑到不同种类非期望产出之间的关系，用βl表示yljb的损失系数，
 |
(2) |
与经典模型BCC模型计算方式相似，根据以上模型，能得出所有DMU的效率得分：在上面模型中，si-和sr+均为松弛变量，求解结果为θ。利用上面的变换方式，能在充分考虑不同非期望产出之间关系的前提下，得到更加合理的效率结果。Huang等[4]通过实证数据研究表明了比例模型的优越性，因此，文章采用比例模型进行全国各省环境效率测算。
三、中国区域环境效率差异分析 (一)数据来源文章主要使用的数据为2005-2012年全国30个省、直辖市、自治区(除西藏，数据缺失)的投入产出数据，主要数据来源为《中国统计年鉴》《中国能源统计年鉴》《中国水资源公报》以及各省统计年鉴。
文章在参考已有文献和研究[5-6]基础上，充分考虑国家经济体系中的投入产出项，并兼顾数据的可获得性和可靠性，选择的投入产出项目如下：投入，工资总额(人力成本)、固定资产投资总量(资本投入)、电力消耗量(能源消耗)、能源消费总量(能源消耗)、用水总量(资源消耗)等5个变量作为投入；期望产出，国内生产总值(GDP)；非期望产出，废水排放量、废气排放量、SO2排放量、工业固体废物排放量、生活垃圾清运量，即传统意义上的“三废”。
(二)各省环境效率测算根据比例模型计算规则，首先对非期望产出赋予损失系数，由于非期望产出变量选取为“三废”，所以应该分别赋予1/3的损失系数，而由于“废渣”包括工业固体废物排放量和生活垃圾清运量，“废气”包括废气排放量和SO2排放量，所以废水排放量、废气排放量、SO2排放量、工业固体废物排放量、生活垃圾清运量等5个变量损失系数分别设置为1/3、1/6、1/6、1/6、1/6。并且，为消除量纲的差异，先利用归一化法对污染物量进行标准化处理，随后计算全国各省环境污染损失总量，以国内生产总值(GDP)与损失总量之比作为新的期望产出，以工资总额、固定资产投资总量、电力消耗量、能源消费总量、用水总量等5个变量作为投入，利用LINGO11.0计算软件，计算各省环境效率值(规模收益可变)，限于篇幅，这里不列。
(三)数据分析1.数据处理方法对比
为验证比例模型的正确性和优越性，以2012年数据为例，分别测算BCC模型(不考虑污染)、污染物作投入模型结果，与比例模型求解结果进行对比，如图 1所示。可以发现，BCC模型与污染物作投入模型测算结果曲线基本重合，这说明污染物作投入模型在环境效率测算过程中难以准确地测算污染物的影响。比例模型测算结果明显低于BCC模型测算结果，说明考虑污染物后的效率明显低于不考虑污染物的效率，即污染降低了效率。因此，相比于传统的污染物作投入模型，比例模型的测算结果更可信。
 |
图 1 2012年各省环境效率——三种计算模型比较 |
2.全国平均环境效率分析
2005-2012年全国平均环境效率变化趋势如图 2所示。如果不考虑污染物的影响(BCC模型)，全国平均经济效率基本维持在0.91左右的高水平，并且走势平稳。若考虑污染物的影响(比例模型),中国平均环境效率水平与前者相比较，有显著的下降，基本维持在0.38左右的低水平。这说明，污染物造成了较大程度的效率损失，中国虽然经济效率较高，但在经济发展过程中造成了严重的环境污染，环境效率平均水平很低，且近年来都没有明显的改善。而随着经济发展，污染总量也会积累上升，长此以往，中国环境问题将日益严重。
 |
图 2 全国平均环境效率变化趋势 |
3.各地区环境效率对比分析
为比较中国各地区环境效率的差异,按传统将中国各省份分为东、中、西部三大地区。其中东部地区包括北京市、天津市、河北省、辽宁省、上海市、江苏省、浙江省、福建省、山东省、广东省、广西壮族自治区、海南省12个省、自治区、直辖市；中部地区包括山西省、内蒙古自治区、吉林省、黑龙江省、安徽省、江西省、河南省、湖北省、湖南省9个省、自治区；西部地区包括四川省、重庆市、贵州省、云南省、西藏藏族自治区(数据缺失)、陕西省、甘肃省、宁夏省、青海省、新疆维吾尔自治区等10个省、自治区。
三大地区不考虑污染的经济效率(BCC模型)如图 3所示，考虑非期望产出变量条件下的环境效率(比例模型)趋势如图 4所示，从图中可以看出，不考虑污染的情况下，东部经济效率最高，其次是中部，最后是西部。考虑污染变量的条件下，中国东中西部地区环境效率的差异很大。本研究得出结论：西部地区环境效率水平最高，维持在0.47左右；其次是东部地区，在0.4左右；而中部地区最低，只有0.25 左右。这与李胜文等利用1986-2007年省级数据得到的结论一致。
 |
图 3 各地区经济效率比较(不考虑污染) |
 |
图 4 各地区环境效率比较 |
由此可见，中国区域环境效率的差异趋势与社会发展趋势相符：在社会发展初期，由于污染物排放较少，环境效率水平较高；随着社会发展，工业化程度加深，人们优先考虑增加产出，人们对收入比环境更感兴趣，因此污染增长迅速，环境效率水平逐渐降低；社会发展到一定阶段后，随着人们环保意识的加深、节能减排技术的提高以及产业转移的加快，因此，污染水平开始下降，环境效率水平又会逐渐提高。近年中国东部沿海地区产业转移和产业升级进程加快，东部地区一些污染严重、劳动密集型的产业逐步往中西部地区转移(受交通条件等限制，目前承接产业转移的主要是中部地区)，这也是造成中部地区环境效率低下的原因之一。更进一步的证据如图 4所示，东部地区自2010年开始，环境效率已经开始缓慢提高，而中部地区则平缓下降，这说明产业转移的影响在逐步增大。
四、环境效率影响因素研究 (一)变量选择影响环境效率的因素很多，根据已有的环境效率影响因素研究文献和成果[8][9]107[10]，以及环境经济学有关理论，文章将环境效应分解为经济规模效应、产业结构效应、技术进步效应、环境政策与管制因素、国际贸易、地区特征因素等几个效应。根据以上几个效应，分别考虑对应的影响因素如下：
1.对于经济规模因素
文章采用人均GDP(Ln(人均GDP))为模型变量。环境库兹涅茨曲线环境偏好理论(EKC)认为，随着人们生活水平的提高，人们对环境也提出更高的需求，与就业和收入相比，人们更有意愿利用更多的资源改善环境，提高环境效率。当一个地区达到一定的经济规模后，在治理环境污染，提高环境效率上，才具有资金和技术上的支持。而经济规模的另一个指标——地区生产总值占全国GDP比重，根据曾贤刚[9]108的研究发现，其对环境效率影响并不显著，地区生产总值比重实际上只反映该地区在全国经济中的地位，并不能证明经济地位的提高就能带来环境效率的改善，因此，文章不采纳此变量。
2.对于产业结构因素
文章用第二产业(或工业)比重表示。合理的产业结构是实现经济持续发展、保护生态环境、提高环境效率的重要保障。一般认为，伴随着工业在国民经济比重上升，越来越多资源被开发利用，资源消耗率开始超过资源再生速率和环境承受能力，污染大幅增加，环境效率下降。但是，现今中国仍处于高速发展当中，绝大部分地区GDP的提升在很大程度上依靠于第二产业的发展，而上述两者对环境效率的影响作用相反，因此，文章认为此因素作用未定，须待实证检验。
3.对于技术进步因素
文章采用国内授权专利数表示，反映区域内对技术的投入程度。技术进步可以带动产业升级和环境保护，有助于生产方式的改进，并从源头上改进粗放式经济经济增长模式，有利于提高环境效率，预期技术进步对环境效率的提高有正向的作用。
4.对于环境政策与管制因素
文章用工业污染治理投资占GDP比重表示。在市场经济发展过程中，政府应针对市场的盲目性、非理性发展以及片面追求短期经济效益造成的环境问题进行治理，政府通过法律、行政命令和经济手段对环境问题进行治理，提高环境保护力度，因此,预期工业污染治理投资占GDP比重对环境效率提高有正向作用。
5.对于国际贸易因素
文章用贸易依存度(进出口贸易总额/GDP)表示，即对外开放程度。对外开放程度越高，对本地产业要求的国际分工程度越高，因此,专业化程度更高，这会带来持续的经济增长和效率提升，对外贸易依存越高，环境效率相应越高。
6.对于区域特征因素
文章用各省份人口密度表示，即地区年末总人口数与地区面积的比值。人口密度提高能带来生活水平、教育程度和环境意识提高，人们不断要求城市功能和空间布局做出适应性改变，而这会相应促进环境效率的提高；同时也带来对生态环境压力的增大，消耗资源相应增加，不利于环境效率的提高。因此其对环境效率的影响需要实证研究。
7.引入虚拟变量
东部为1，其余部分为0。主要考虑到中国地区经济发展不平衡的事实，经济发展程度的高的地区对环境效率的改善作用是积极的，因此，判断作用为正向。
以通过DEA比例模型评估所得的历年各省环境效率值作为被解释变量，以上述影响因素的历年数据作为解释变量，使用OLS回归模型可以保证模型的稳健性，因此，本研究使用获得的面板数据，建立以下模型。
 |
(3) |
其中:EEI为环境效率值；xij为各省(直辖市、自治区)环境效率的各个影响因素；βi为待定系数；εi为随机误差项。
(二)回归分析文章数据考察期为2006-2012年(2005年相关数据缺失)，包含中国30个省市区(其中不包括西藏)7年内共210个样本单元。文章的基础数据源于历年的《中国统计年鉴》等。对外贸易总额折算成人民币单位时所使用的汇率为中国人民银行的汇率统计数据的当年年平均值。通过EViews6对上述数据进行回归，结果如表 1所示。
|
表 1 环境效率影响因素模型回归结果 |
通过回归分析结果可以看出：
第一，经济规模、贸易依存度和人口密度对环境效率呈现显著正向促进作用，均通过1%水平的显著性检验。人均GDP和贸易依存度对环境效率影响因素较高，分别为0.338和0.142，这表明随着人均GDP和贸易依存度的提高，伴随而来的是经济水平的提升、人均收入水平的提高，这会刺激人们需要更好的环境质量并且为改善环境提供物质上的保障，这有助于环境效率的提高。人口密度对环境效率呈显著的正向促进作用。高人口密度带来环境意识及生活水平的提高，其对环境效率的正向促进作用强于其对生态环境造成的压力和环境效率的损害。
第二，产业结构、技术进步以及地区因素对环境效率改善具有负面影响，其中产业结构、技术进步均通过了1%水平的显著性检验，影响程度较大；地区因素通过了10%水平的显著性检验。根据以上的分析，可以看出，在现今发展条件下，第二产业带来各种污染物对环境效率的负面影响远远大于其对经济发展规模的影响，这提醒人们，在提高环境效率方面，产业转型成当务之急。技术进步对环境效率影响系数显示为负值，且通过了1%水平的显著性检验，表明技术进步对环境效率有负面影响，这与原先的预测相反，该结果可能是由于授权专利主要反映的是促进经济进步的技术，而这些技术本身可能带有污染性，如一些促进工业发展的技术。此外，中国的专利研发主体不在企业，而是政府机构和大学，有可能造成技术和市场的脱节，企业更多的是引进国外技术和专利。这些可能是造成授权专利数会显著降低环境效率的原因。地区因素的影响已经悄然发生变化，结果显示其呈现不明显的负面因素，且系数很小，这表明随着经济发展，中国各地区环境效率开始呈现一定的趋同性，这与以往的研究有所不同。[11-12]
第三，工业污染治理投资有助于改进环境效率，其系数为正，表明中国的工业污染治理投资是具有一定作用的，这和以往研究不同[9]109，但并未通过显著性检验。这可能由于污染治理投入更多是事后性的，且中国工业污染治理相比GDP比重很低，污染治理投入水平较低，因而效果有限。
五、结论与启示文章运用2005-2012年全国30个省、直辖市、自治区(除西藏)面板数据，运用DEA比例模型对全国各省环境效率进行测算，以此分析中国东中西部地区区域环境效率的差异，并使用多元回归模型分析了环境效率的影响因素。
通过各地区环境效率的分析研究，得到结论：(1)相比于传统污染物处理方法，比例模型能很好地处理非期望产出存在的效率评价问题，真正体现效率评价的本质。(2)研究发现，环境污染的存在明显降低了中国平均经济效率，环境污染对中国经济增长造成了严重的效率损失，中国整体环境效率水平很低，需要持续改进。(3)经济效率和环境效率具有非一致性，不考虑环境污染时东部地区效率最高，其次是中部地区，最后是西部地区；考虑环境污染时，西部地区效率最高，其次是东部地区，最后是中部地区。由此可见，不考虑环境因素而进行的效率评价是失真的和不合实际的。
通过对环境效率的影响因素的研究，得出结论：经济规模、贸易依存度和人口密度对环境效率呈现显著正向促进作用；产业结构、技术进步以及地区因素对环境效率改善具有显著负面影响；工业污染治理投资对环境效率具有不显著的正向促进作用。
文章研究结论对中国地区发展具有以下启示：(1)东部地区应进一步深化改革，努力促进产业转移和产业升级，提高经济效率。同时，必须严格控制环境污染，加强环境治理力度，以提高环境效率，实现经济与环境和谐发展。(2)中部地区在承接东部地区及其他国家和地区产业转移时要综合考虑经济效益和环境效益，不能靠牺牲环境换取经济发展，同时也要加强环境治理力度，防止环境继续恶化。(3)西部地区虽然环境效率要高于东西部地区，但是环境效率总体水平并不高，还需继续加强环境污染控制。此外，西部地区也应该大力发展经济，在注意环境效率的同时致力于提高经济效率和规模效益。(4)各地区在进一步发展经济，加大对外开放的同时，应进一步加快产业结构升级，减轻第二产业比重，并提高环境治理投资，以减少环境污染，提高环境效率。(5)国家应鼓励环境保护专利发明，对相关专利给予相应的补贴；而对于新申请的专利，应进行污染性检验，以促使发明人在技术发明过程中充分考虑技术对环境的影响。
| [1] | 张子娇.2013年"雾霾"报道研究[D].沈阳:辽宁大学,2014. |
| [2] | YOU S, YAN H. A new approach in modeling undesirable output in dea model[J]. Journal of the Operational Research Society, 2011, 62 :2146–2156 . |
| [3] | 刘勇, 李志祥, 李静. 环境效率评价方法的比较研究[J]. 数学的实践与认识,2010,40 (1) :84–92. |
| [4] | HUANG X D, HU D S, ZHOU Z X, et al. Measuring efficiency in chinese commercial banks using a DEA model with undesirable output[J]. International Journal of Information and Decision Sciences, 2013, 5 (2) :140–152 . |
| [5] | 罗艳. 基于DEA方法的指标选取和环境效率评价研究[D]. 合肥:中国科学技术大学, 2012. |
| [6] | 王连芬, 孙平平. 区域环境治理效率测的评价指标体系研究[J]. 统计与决策,2012 (10) :60–62. |
| [7] | 李胜文, 李新春, 杨学儒. 中国的环境效率与环境管制-基于1986-2007年省级水平的估算[J]. 财经研究,2010,36 (2) :59–68. |
| [8] | 王俊能, 许振成, 胡习邦, 等. 基于DEA理论的中国区域环境效率分析[J]. 中国环境科学,2010,30 (4) :565–570. |
| [9] | 曾贤刚. 中国区域环境效率及其影响因素[J]. 经济理论与经济管理,2011 (10) :103–110. |
| [10] | 胡达沙, 李杨. 环境效率评价及其影响因素的区域差异[J]. 财经科学,2012 (4) :116–124. |
| [11] | 王兵, 吴延瑞, 颜鹏飞. 中国区域环境效率与环境全要素生产率增长[J]. 经济研究,2010 (5) :95–109. |
| [12] | 杨俊, 邵汉华, 胡军. 中国环境效率评价及其影响因素实证研究[J]. 中国人口·资源与环境,2010,20 (2) :49–55. |