摘要：利用数据包络分析(DEA)模型对大陆31个省市区的环境效率进行总体分析与评价,并利用Tobit回归模型分析环境效率的影响因素.结果表明,我国区域环境效率总体水平比较低,但环境效率正逐年好转.根据经济与环境的协调程度可以将全国划分为生态平衡区、优化发展区和集约发展区3类环境-经济功能区.人均GDP、产业结构、城市化率、生产技术水平等都是影响环境效率的重要因素,其中人均GDP、第三产业比重与环境效率呈显著正相关,城市化率和单位GDP能耗与环境效率呈弱负相关.

　　关键词：环境效率；数据包络分析(DEA)；Malmquist指数；Tobit回归分析

　　随着我国经济的持续快速增长,经济增长与环境保护之间的矛盾日益突出,环境资源配置效率问题也逐渐成为社会各界广泛关注的焦点.1992年,可持续发展世界经济理事会(WBCSD)提出生态效率概念[1-4].生态效率包括环境效率(EE)和资源效率(RE),其中环境效率是衡量经济发展所付出的环境代价的大小,是测度经济是否实现可持续发展的标准之一.它是指单位环境负荷的经济价值,或环境经济上的投入产出之比.环境效率意味着如果环境作为一种资源投入,则应力求最小的环境资源的使用和最大的产出,使在经济发展过程中更有效地使用环境资源.

　　在已有的相关研究中,多从企业微观层面、产业层面、城市和省际层面评测环境效率.而在国家或地区的宏观层面上,李静等通过SBM模型对我国东、中、西部三大地区环境效率差异进行了分析,周景博也运用数据包络分析(DEA)方法分析了各省市的环境效率水平,但是由于所选取投入、产出变量过多,不仅模糊了环境效率概念,而且可能高估区域环境效率,同时并没有对各地区的环境效率与经济社会变量的关系进行深入研究.因此,本研究首先运用标准DEA模型分析我国各省市区环境效率的现状,再用Malmquist指数方法考察环境效率的变化情况,最后运用Tobit回归分析方法探讨影响各省市区环境效率的主要因素.

　　1、研究方法

　　1.1DEA方法

　　DEA方法以相对效率概念为基础,评价具有相同类型的多投入、多产出的决策单元是否有效的一种新的系统分析方法[16-19],其基本思路是把每一个被评价单位作为一个决策单元(DMU),再由众多DMU构成被评价群体,通过对投入和产出比率的综合分析,以DMU的各个投入和产出指标的权重为变量进行评价运算,根据对各DMU观察的数据判断DMU是否为DEA有效.相对效率在(0,1)区间内分布,处于效率前沿DMU的效率值为1.DEA应用最为广泛的为CCR模型和BCC模型,前者的特点是假设DMU生产规模报酬不变,后者则是假定DMU生产规模报酬改变.本研究采用BCC模型,假设有n个DMU,每个DMU有m种投入和s种产出,xij表示第j个DMU的第i种投入量,yrj表示第j个DMU的第r种产出量,v和u分别表示各投入及产出的权值向量,

　　则:xj=(x1j,x2j,…,xmj)T,yj=(y1j,y2j,…,ysj)T,v=(v1,v2,…,vm)T,u=(u1,u2,…,us)T.如果投入为导向,即在维持现有水平产出的情况下,最小化投入,此时线性规划的解即为相对技术效率.

　　1.2Malmquist生产率指数

　　Malmquist指数方法,是基于DEA方法提出的.根据F.re等[22-23]的研究,从t时期到t+1时期,Malmquist生产指数表示某一决策单元在t期至t+1期生产率的变化程度.若M>1,表示生产率呈现上升趋势,反之,表示衰退趋势.

　　1.3Tobit回归分析及变量选择

　　通过DEA模型得到的环境效率,除了由选择的投入、产出指标经DEA模型生成之外,还受到投入、产出指标之外的其他因素的影响,为了测度DEA评估出的环境效率的影响因素以及其影响程度,在DEA的分析中衍生出“两阶段法”.该方法第1步先通过以上讨论的DEA模型评估出DMU的效率值,第2步,以上一步中得出的效率值作为因变量,以影响因素等作为自变量,建立回归模型,并由自变量的系数判断影响因素对环境效率的影响方向与影响强度.由于DEA方法所估计出的效率值都介于0与1之间,如果采用最小二乘法来估计,由于无法完整地呈现数据,将导致估计偏差.Tobit回归分析是因变量受限模型的一种,当因变量为切割值或片断值时采用,因此本文采用Tobit回归分析.

　　根据环境库兹涅茨曲线(EKC)理论,环境效应可分解为规模效应、结构效应、技术效应、环境政策与管制因素、环境需求因素、国际贸易因素等几个效应[28],因此,分析影响环境效率可以从这些因素入手,同时还考虑了城市化率等指标.其Tobit回归模型如下:EE=β0+β1lnGi+β2Si+β3Ui+β4lnEi+β5Mi+β6lnPi+εi(4)式中:β0为回归式的常数项;β1~β6为各个自变量的回归系数;i为DMU个数;εi为回归式的误差项;EE为因变量,代表环境效率;Gi为第i个省的人均GDP,元/人;Si为产业结构变量,代表第i个省第三产业占地区生产总值的比重,%;Ui为第i个省的城市化率,%;Ei为单位GDP能耗变量,代表技术s.t.进步状况,表示第i个省每万元GDP消耗的标准能源量,t标准煤/万元;Mi为环境管理强度变量,用工业环境污染治理投资占GDP的比例表示,%;Pi为第i个省的人口密度,人/km2.

　　2、实证分析

　　2.1环境效率分析

　　为了能明晰地描述我国区域的环境效率,本研究将我国各省、直辖市和自治区看作为DMU,并选择国家总量控制的2项基本指标COD排放量和SO2排放量作为投入,GDP作为产出,数据来源于2004~2008年《统计年鉴》.由于各省市环境效率改善的规模报酬一般认为是可变的,并期望在维持现有水平的产出时能够最小程度地消耗环境资源,因此利用规模报酬可变(VRS)条件下的BCC投入导向型效率模型进行综合分析.通过模型计算得到2007年我国31个省份(除台湾、香港、澳门)的投入产出比率,整体来看,我国各区域环境效率总体水平比较低.除了北京和西藏处于前沿面上(EE=1)之外,其他省市均是DEA非有效或弱有效的DMU(EE<1),其中天津、上海、山东、广东、海南5个省环境效率在0.4以上,相对处于良好水平,而广西和宁夏的投入产出比在0.1以下,环境效率明显较低,亟待改善,其他省份都分布在0.1~0.3之间,环境效率也相对比较低.

　　利用我国31个省份2003~2007年之间的面板数据,采用Malmquist指数模型计算环境效率的变化趋势,除了2003~2004年之外,我国各省市区环境效率总体上呈现改善的趋势.2003~2007年间全国平均提高了78.6%.各省的总体情况类似,除了西藏、青海略有下降外,其他省份的环境效率均好转.

　　为了更加明晰地在地域上划分各地区经济与环境协调模式,分析环境效率和国土开发密度(以单位面积GDP表示)的关系.可以大致将我国各地区划分为3大类功能区:集约发展区:是指环境效率较高、区域发展要素和相关经济活动处于相对密集状态的区域.该类功能区包含了2类区:一类是以北京为代表的高效率高产出区,其特点是单位面积具有高的GDP产出,而其环境容量资源投入是相当少,环境影响较小,环境效率高达到100%,此类地区的经济发展模式相当成熟,环境质量水平维持在良好状态.另一类是以上海、天津、广东、山东等地区为代表的中效率高产出区,此类地区的经济相对发达,虽然对环境资源的依赖性大,但其生产管理、技术水平比较高,污染治理方面的投入也相对充裕,使在经济发展过程中较有效地使用环境资源.此类功能区宜实施以各种生产要素高度集聚、优化配置为前提的集约化发展模式,通过发挥比较优势,实现生产要素的合理流动和优化配置,产业结构趋向高级化,经济发展由劳动密集型向技术、资本密集型转变,经济外向度不断提高,城市化进程逐步加快.

　　优化发展区:是指环境效率相对较低,且生产率不高的区域,是集约发展区与生态平衡区之间的过渡区.以河北、河南、辽宁、湖北、安徽、重庆等地区为代表,它们的GDP产出处于相对的中等水平,但其对环境资源的依赖性大,加之其生产管理、技术水平比较落后,污染治理方面的投入不足等原因,其环境效率较差.该类功能区主要以调整陈旧的产业结构,并通过调整布局,搞好区内基础设施,密切与集约发展区的联系与协作,更多的吸引集约发展区的投资和外迁企业.

　　生态平衡区:是指具有自然保护功能的大空间,是“自然保护区”的延伸.该类功能区包含了以青海、新疆等地区为典型代表的低效率低产出区和以西藏为代表的高效率低产出区.生态平衡区宜以发展环境产业为主,即是生产优质水资源、优质大气与物种多样性等环境资源为主产业,并维持该区域处于自然状况,以便在全国范围内合理地分摊满足全国或世界所需产品的废物排放负荷.