李军军 周利梅
摘 要：在探讨评价环境效率的DEA混合模型基础上，分析了存在非期望产出情景，引进了DEA窗口分析方法处理技术不变假设下环境效率的动态比较问题，以2005—2017年数据为依据，对全国286个地市环境效率进行评价。结果发现，各地市环境效率得分存在较大差距，整体呈现东高西低态势，且与经济发展水平有很强正向关系;长期来看，各地市环境效率具有普遍上升趋势，并且存在区域收敛特点。
关键词：环境效率;DEA混合模型;窗口分析
引言
随着工业经济快速发展，资源环境危机日趋严峻，迫使人们更多关心环境问题，不断寻求经济与环境协调发展的有效途径。党的十九大报告明确提出了到2020年“中国环境质量总体改善”和到2035年“生态环境根本好转，美丽中国目标基本实现”的战略目标。为加快推进生态文明建设体制机制改革，全面建设环境治理能力，提升环境治理绩效，迫切需要完善环境治理绩效测度的方法体系，提高测度的科学性，明确环境治理各主体的贡献和责任。
环境效率的提出为研究经济增长和环境问题提供了科学的评判标准，引发了广泛关注，如何定量评价环境效率也成为研究重点。衡量效率的基础方法是比较产出和投入之间关系，但经济活动往往是多种要素投入，产出形式也是多样化的，除了单指标比较和构建综合评价指标体系以外，测算效率常用两种方法。一种是Aiger等人[1]提出的随机前沿生产函数（SFA），可以分解投入要素、随机因素和技术无效对产出的影响，但需要确定生产函数具体形式。另一种A.Charnes，W.W.Cooper和E.Rhodes[2]提出的数据包络方法（DEA），通过使用线性规划来测度评价单元的相对效率，适用于多投入多产出情况，不需要设定具体函数模型，广泛应用于环境效率研究。
评价环境效率时，除了考虑正常的经济投入产出指标，还必须考虑反映环境因素的指标，比如环境污染排放等非期望产出就是影响环境效率的重要因素。现有研究中，将非期望产出纳入DEA模型来评价环境效率通常有两类方法，一类方法是直接对非期望产出指标进行适当的数值变换，然后应用传统DEA模型评价环境效率（Seiford和Zhu[3]）;另一类方法则是假设非期望产出符合弱自由处置，Fare和Grosskopf[4]等人提出了非线性SBM模型，可以同时测度期望产出的增加和非期望产出（污染物排放）的减少，已经成为评价环境效率的主要方法。
现有环境效率评价研究中，国际方面有Zhou和Ang[5]对21个OECD国家、George和Kleoniki[6]对28个欧盟成员国、Shabani[7]对163个国家的环境效率进行评价和对比。在区域环境效率方面，Song和Wang[8]、李静和程丹润[9]、Li Yang等人[10]、屈小娥[11]都对我国各省份环境效率进行测评，发现了各地环境效率存在较大差距，但不同区域得分高低的结论不尽相同。省级内部区域环境效率方面，周利梅等人[12]对福建省、仝梦等人[13]对四川省、马骏等人[14]对江苏省等做了省内地区性环境效率评价研究。跨区域研究成果不多，其中甘甜等人[15]对长江三角洲24个城市环境治理效率进行了测度。我国不但各省情况迥异，省内各地区也存在较大差别，经济发展和环境基础有很大不同，因此有必要对全国不同地市的环境效率及其变化进行研究，从而发现更加具体的特征。
一、区域动态环境效率的测算
（一）DEA混合模型
DEA模型被认为是评价不同个体效率的有效方法，但传统CCR和BCC等模型都忽略了非径向投入和产出冗余，认为投入或者产出要按同比例变化来提升效率达到生产前沿;而专门处理非径向投入产出冗余的SBM模型却忽略了径向投入和产出冗余。为了解决这个问题，可以考虑把径向和非径向的投入和产出同时纳入到模型当中，从而处理产出中包括非期望产出情况。
（二）DEA模型窗口分析
DEA模型窗口分析在评价DMU效率基础上对时间序列指标进行移动平均，相同年份效率值为不同窗口期平均值。这里有286个地市作为决策单元，时间跨期为13年（2005—2017年）。假设同一个窗口期内技术基本保持不变，使各决策单元的效率具有可比性，设定移动窗口为3期，每个窗口期DMU作为独立决策单元，第1期为2005—2007三年，第2期为2006—2008年三年，后面依次类推，共有11期。每个窗口期内的每一年、每个DMU都是相互独立，因此，整个评价期内共有9 438个独立决策单元DMUs（286×3×11）。
（三）指标体系和数据
区域环境效率评价指标体系中两个投入指标分别是资本和劳动。对于资本投入指标，由于缺乏固定资产投资价格指数、折旧率等关键指标，不能采用永续盘存法估算资本存量数据，因此用历年固定资产投资作为资本存量的替代变量。劳动投入是各市从业人员，包括城镇单位从业人员以及私营和个体从业人员。产出指标中的期望产出指标选择地区生产总值（GDP），因为GDP是一个地区在一定时期内的全部最终产出，代表生产的经济产出增加值。产出指标中的非期望产出指标选择污染物排放量，根据污染排放的类型以及数据可得性，选择代表水污染排放的工业废水排放量（WWA）、代表空气污染排放的工业二氧化硫（SO2）排放量和工业粉尘（DUST）排放量。
数据跨度从2005年开始，截止于2017年。选择这个研究期限是由于国家从“十一五”规划开始明确节能减排目标，并对各省确定了几种主要污染物排放下降指标，是地方政府制订节能减排计划的主要依据。评价对象是全国各个地市，为提高样本单位覆盖的完整性，四个直辖市也参加评价。由于西藏、新疆两个省份大部分地市数据缺失较多，没有纳入样本，另外由于部分省份出现地方行政区划调整，导致数据不连贯或者口径不一致，也予以剔除，最后保留有完整数据的评价单位共286个，31个省份都有样本单位，按东部、中部、西部和东北四大区域划分，评价地市分别是87个、80个、85个和34个。各指标数据来源主要是采集自历年《中国城市统计年鉴》。表1是各主要指标基本描述。
（四）区域动态环境效率评价结果
根据前述模型和评价方法，得到区域动态环境效率得分，鉴于评价对象较多，只列出全国和各大区域动态环境效率得分汇总统计。结果表明，环境效率得分为1，或者说是达到DEA有效的地市数量较少，很多年份里不到10个，2017年有明显增加，达到36个。这些地市的分布比较分散，全国各个区域都有，以2017年为例，东、中、西和东北地区达到DEA有效的地市个数分别是11个、5个、10个、10个，数量上是东部最多、中部最少，比例上是东北最高、西部最低。东部既有北京、上海、广州和深圳等沿海大型城市，也有东营、威海、舟山等沿海小城市;中部则是安庆、随州、长沙、张家界等中小城市;西部主要是鄂尔多斯、雅安、拉萨、固原、克拉玛依等城市;东北的DEA有效城市也包括大连、齐齐哈尔等大城市和朝阳、伊春等小城市。
从平均水平来看，全国各地市环境效率平均分在0.5左右波动变化，2010年是由下降而上升的转折点，各地区平均得分总体比较接近。其中，东北地区平均得分最高，特别是近几年得分明显超过全国平均水平，东部地区和西部地区的平均分一直稍高于全国平均水平，中部地区平均分一直低于全国平均水平，且差距较大。由此可见，四大区域的平均得分有所差别，并且各个区域内部都有高分地市和低分地市。为了比较四大区域之间的效率得分是否有显着差别，对其做单因素方差分析，所处区域作为唯一影响因子，不管是按年度分析还是合并分析，发现F统计量比较大，拒绝四大区域环境效率得分没有显着差别的假设，表明区域对环境效率得分有显着影响。进一步地，在单因素方差分析基础上做两两比较，发现东部、西部和东北三大地区的环境效率平均得分没有明显差别，而中部地区平均得分明显较低，与其他三个地区差距显着。
从31个直辖市和省会城市来看，环境效率得分较高且处于前沿水平的主要有北京、上海、长沙、海口、拉萨等几个城市，在区域分布上东、中、西部都有，没有体现出明显的区域特征。环境效率得分较低的有重庆、成都、兰州、西宁等城市，根据模型结果可以发现，重庆市和成都市得分较低是由于资本投入指标规模较大，存在较为明显的投入冗余，而兰州市和西宁市则是排放指标相对较高。
从动态变化来看，各地市环境效率得分总体呈上升趋势，通过比较2017年与2005年，全国平均得分上升了11%，东北地区上升幅度最大为34.6%，其次是东部地区，上升了11.4%，中西部地区上升幅度较小。在286个评价对象中有173个得分上升，占总数60%，其中东、中、西和东北地区各有55个、46个、47个、25个，数量上东部最多，比例上东北最高。得分上涨超过2倍的有22个，主要分布在东北地区，其他地区相对较少。环境效率得分上升，说明一方面是各地环境效率都在改善，另一方面是各地环境效率的差异不断缩小，呈现出区域间的收敛趋势。
二、简要结论和启示
本文采用DEA混合模型窗口分析方法测度了全国286个地市环境效率，结果发现，各地环境效率得分与经济发展水平有很显着关系，同时具有普遍趋升和区域收敛特点。研究结果可为环保工作提供有益启示。在新时期全面建设生态文明，需要加强环境管理，把提高环境效率作为环保制度体系的重要内容。一是深化认识经济发展和环境保护的关系。既要考虑新时期我国人民生活水平提高后对环境提出了更高要求，也要考虑到我国经济发展阶段和产业结构升级转型的现实，从追求高速增长向追求高质量发展转变，化解经济增长与环境保护的刚性冲突，使环境改善和经济发展更好地协调起来。二是落实环境效率重要工作理念。在经济核算和评价体系中充分考虑环境因素，把考虑污染排放的投入产出效率作为评价经济发展质量的重要内容，在环境保护和生态文明建设工作中有效结合技术进步和规模扩张，逐步提高环境效率。三是逐步完善环保工作机制。环境治理工作要因地制宜，对东、中、西等不同地区，对经济发达和欠发达不同地市，要根据经济、产业、生态等具体情况采用不同的环境规制措施，避免环保工作一刀切。四是增强环境效率评价的应用。把区域环境效率评价工作纳入环境保护工作体系中来，既是加强对不同区域环境保护工作成效的了解，也是对环境保护落后地区的一种鞭策和指导，从效率角度进行评价也具有很好的可比性。
参考文献：
[1] DennisAigner，C.A.KnoxLovell，PeterSchmidt.Formulation and Estimation of Stochastic Frontier Production Function models[J].Journal of Econometrics，1977，（6）：21-37.
[2] Charnes A，Cooper WW，Rhodes E.Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Research，1978，（2）：429-444.
[3] Seiford L M，Zhu J.Modeling Undesirable Factors in Efficiency Evaluation[J].European Journal of Operational Research，2002，142（1）：16-20.
[4] Rolf Fare，Shawna Grosskopf.Modeling Undesirable Factors in Efficiency Evaluation：Comment[J].European Journal of Operational Research，2004，157（1）：242-245.
[5] Zhou P，Ang BW.Linear Programming Models for Measuring Economy-wide Energy Efficiency Performance[J].Energy Policy，2008（36）：2911-6.
[6] George，Kleoniki.Assessing 28 EU Member States' Environmental Efficiency in National Waste Generation with DEA[J].Journal of Cleaner Production，2019，（20）：509-521.
[7] AShabani，SMRTorabipour，et al.Distinctive Data Envelopment Analysis Mode for Evaluation Global Environment Performance[J].Applied Mathematical Modelling，2015，39（15）：4385-4404.
[8] M.L.Song，S.H.Wang.DEA Decomposition of Chinas Environmental Efficiency basedon Search Algorithm[J].Applied Mathematics Computation，2014，247（15）：562-72.
[9] 李静，程丹润.中国区域环境效率差异及演进规律研究——基于非期望产出的SBM模型的分析[J].工业技术经济，2008，27（11）：100-104.
[10] Li Yang，Han Ouyang，et al.Evaluation of Regional EnvironmentalEfficiencies in China based on Super-efficiency-DEA[J].Ecological Indicators，2015，51（4）：13-19.
[11] 屈小娥.中国生态效率的区域差异及影响因素——基于时空差异视角的实证分析[J].长江流域资源与环境，2018，27（12）：2673-2683.
[12] 周利梅，李军军.基于SBM-Tobit模型的区域环境效率及影响因素研究——以福建省为例[J].福建师范大学学报：哲学社会科学版，2018，（1）：57-64.
[13] 仝梦，郭四代，赵晨阳.基于DEA模型的区域环境治理投资效率分析[J].经济研究导刊，2018，（20）：95-96.
[14] 马骏，李夏，张忆君.江苏省环境效率及其影响因素研究——基于超效率SBM-ML-Tobit模型[J].南京工业大学学报：社会科学版，2019，（2）.
[15] 甘甜，王子龙.长三角城市环境治理效率测度[J].城市问题，2018，（1）：81-88.
[16] Cooper，W.W.，Seiford，L.M.，Tone，K.Data Envelopment Analysis：aComprehensive Text with Models，Applications，References and DEA SolverSoftware，second ed[M].Springer，2007.
[17] Tone K.A slacks-based measure of efficiency in data envelopment analysis[J].European Journal of Operational Research，2001，130（3）：498-509.
[18] G E.Halkos，N G.Tzeremes.Exploring the Existence of Kuznets Curve in Countries' Environmental Efficiency using DEA Window Analysis[J].Ecological Economics，2009，（68）：2168-2176.
[19] Ke Wang，Shiwei Yuc，Wei Zhang.Chinas Regional Energy and Environmental Efficiency：A DEA Window Analysis based Dynamic Evaluation[J].Mathematical and Computer Modelling，2013，（58）：1117-1127.
[20] A.Charnes，C.T.Clark，W.W.Cooper，B.Golany.A Development Study of Data Envelopment Analysis in Measuring the Efficiency of Maintenance Units in theU.S.Air Force[J].Annals of Operations Research，1984，2（1）：95-112.
