袁广达 赵梦辰 蒋岩
【摘 要】为治理大气污染我国已投入大量资源，然而所投入的资金是否收获治理成效这一问题亟须研究。文章借助三阶段DEA模型，剔除了环境变量和随机误差的影响，对华东地区2015—2019年大气污染项目治理的效率展开了分析，结果表明：所选环境变量对投入指标的松弛变量有着显着的影响，经济开放程度和科技发展水平的提升能够减少废气排放；剔除环境因素和随机误差影响后第三阶段DEA综合效率低于第一阶段，差异主要受到纯技术效率的影响；通过系统聚类法将华东地区各省按其治理效率高低进行了四类排序，发现华东地区各省份间治理效率差异较大，江浙沪地区实现治理相对有效而其余地区均是治理无效的。
【关键词】 大气污染； 治理效率； 三阶段DEA
【中图分类号】 F23；X321 【文献标识码】 A 【文章编号】 1004-5937（2024）05-0070-09
一、引言
（一）研究背景
21世纪以来，随着我国工业化和城镇化进程的推进，大气污染物排放量逐年增加，大气环境质量逐渐恶化。为了治理大气环境污染，改善大气环境质量，我国于2014年实施《大气污染防治行动计划》，2015年发布《大气污染防治法》，2017年开展治理“散乱污”企业、淘汰燃煤小锅炉等工作，2018年出台《打赢蓝天保卫战三年行动计划》，2020年印发《长三角地区2020—2021年秋冬季大气污染综合治理攻坚行动方案》，2023年印发《空气质量持续改善行动计划》，诸多大气污染防控政策都表明政府对大气污染治理的重视，也投入了大量资金，然而所投入的资金是否收获治理成效等问题还亟待得到真正重视。
华东地区是中国经济发展最快的地区之一，但依然存在能源消耗量巨大、污染物排放密集、大气复合污染严重等问题。多年来，生态环境部公布的涉气问题公告中，多次出现华东范围的地区或企业。虽然华东地区在大气污染防控方面已投入大量资源，但由于目前仍缺乏规范统一的环境治理效率评价体系，这在一定程度上制约了提高治理效率的积极性和监督环保措施执行的持续性，不利于治理项目结构的优化。本文从大气污染治理入手，以其环保投资的治理项目为切入点，借助三阶段DEA模型对华东地区真实的大气污染项目治理的效率展开测算并分析，期望能对区域治理合理化和绿色发展起到促进作用。
（二）文献综述
1.环境治理绩效评价研究
陈鹏等[1]针对环境保护投资现状及“投入机制不畅、环境绩效欠佳和难以应对系统化解决环境问题的需求”等问题，构建了“效果导向型评价指标体系”，并开展了不同项目类型的环保投入绩效评价指标体系设计。张亚斌等[2]采用SBM方向性距离函数分析了包括环境治理投资要素在内的环境治理总体绩效，认为华东地区环境治理投资冗余额上升最快。刘丽波[3]基于政府统计的设置指标、环境治理投入物力财力要素和产出效益的特征，构建了多投入多产出的评价指标体系。薛英岚等[4]利用Super-SBM模型对我国“大气十条”实施期间污染治理投入绩效进行评估，发现2013、2014年达到DEA有效，且重点区域省份效率普遍偏低，存在投入冗余的问题。
2.大气污染治理效率研究
（1）效率测算方法。王奇等[5]运用超效率DEA模型，研究2004—2009年大气污染的治理效率，发现中部地区的大气污染治理效率值比东西部地区高。Toshiyuki et al.[6]运用DEA模型对美国东北部地区燃煤电厂的废气治理效率值进行了测算分析。郑石明等[7]运用超效率DEA模型，将废气治理设施数、设施运行费和环境保护系统年末实有人数作为投入指标，将主要大气污染物的去除和排放量作为产出指标，测算大气污染治理的效率。Zhang et al.[8]运用两阶段DEA模型对30个省份的废气治理效率值进行测算，总成本约为1.6511万亿元，空气质量改善的效益为2.4691万亿元，净效益为8 180亿元。杨冕等[9]对我国工业污染治理效率进行测算，研究发现治理效率逐年上升，整体水平较低。
（2）影响因素分析。Zhen Li et al.[10]衡量出口额、进口额、人均GDP、工业化水平、财政分权与环境效率之间的关系，指出不同省份的影响因素不尽相同。王俊霞等[11]在测算环境治理效率后运用Tobit模型分析影响因素，指出经济规模和产业结构对西部环境治理效率具有正面促进作用。郭四代等[12]选用环保意识、城市化水平、能源消耗、产业结构和科技水平作为影响因素并通过门槛面板模型实证分析，发现我国环境治理投资总效率、水污染与大气污染治理效率较低并逐年下降，存在大量的投入冗余且区域差异明显。
上述文献研究可分为两个方向，一是构建评价体系对环保投入或环境治理进行绩效评价，另一个是借助数学模型选取投入产出指标进行效率测算并分析其影响因素。不难发现，这些研究为大气污染项目治理领域的效率评价提供了一定参考资料，但现有文献中多数研究者在进行环境投入产出分析时，研究范围多为所有污染物的投资项目且侧重于工业领域，对于因治理大气污染而产生的投资项目的治理效率研究较少，而且在测算时很少将环境因素和随机误差对效率测算结果的影响考虑在内，不能完全客观体现选取的投入指标所带来的实际产出效率。因此，本文将运用三阶段DEA模型，测算出剔除环境因素和随机误差后大气污染项目治理效率值，从工业废气治理和城市环境基础设施建设两个角度选取投入指标，以比较分析华东地区六省一市的大气污染项目治理的效率差异，并对治理效率变化的规律展开讨论。
二、地区特殊性和研究方法
（一）华东地区特殊性
华东地区作为中国经济比较发达的地区，第二产业密集，污染较为严重，为治理大气污染带来了一定难度。以工业废气治理为例，2019年工业废气治理设施约为17.46万套，较2015年的9.72万套增长了近80%，治理力度不断增加，但部分污染物如二氧化氮和臭氧的污染状况仍较为严重，且各省份间空气质量相差仍然较大，尤其山东省及部分地市多次被披露涉气问题，因此华东地区治理大气污染的任务依然艰巨。由于华东地区各省份的发展状况、产业结构等外部环境差别较大，为此，本文选用三阶段DEA模型剔除环境变量和随机误差对治理效率的影响，将各决策单元置于相同的外部环境中，这样能够得到更为真实准确的结果。
（二）三阶段DEA模型
政策绩效评估评价大多采用因子分析、回归分析和DEA模型，DEA模型可以对多投入和多产出模型进行评估，由于不需要设立函数模型、不需要人为设立权重，该方法从1979年创立至今，已经发展成一种被广泛应用的评价定量效率的强大工具。参考Fried et al.[13]提出的三阶段DEA模型的基本原理如下：
第一阶段：将原始数据代入传统DEA模型中测算各个决策单元的效率值。本文选取投入导向的BCC模型，该模型计算得出的综合效率（TE）由纯技术效率（PTE）和规模效率（SE）两部分组成，关系式为TE=PTE×SE。如式1所示，其中xij表示第j个决策单元的第i个投入数据；yrj表示第j个决策单元第r个产出数据；x和y分别为投入、产出向量，？兹表示被测算的决策单元的相对有效值。若？兹=1且s+=s-=0，则该决策单元DEA有效；若？兹=1，s+或s-≠0，则表明该决策单元弱DEA有效；若？兹<1，则表明该决策单元非DEA有效。
第二阶段：运用似随机前沿模型（SFA）回归剔除环境因素和随机误差的影响，分离出管理无效率项后对原始投入数据进行调整。将各项原始投入的松弛变量作为被解释变量，将预先设定的环境变量作为解释变量建立似SFA回归方程，如式2所示，其中sni表示第i个决策单元的第n项投入的松弛变量，zi是环境变量，βn是各项环境变量的系数，fn（zi，βn）表示环境因素对投入松弛变量的影响，其取值通常为ziβn。vni+μni表示混合误差项，vni为随机干扰，μni是管理无效率。
回归后对原有投入数据进行调整，如式3所示，其中X表示经调整之后的投入值，Xni表示原始投入值，（max（zi■n）-zi■n）表示剔除了外部环境因素对决策单元的影响，（ni-ni）表示剔除了随机误差对决策单元的影响，此时便将所有决策单元置于相同的外部环境中。
第三阶段：再次运用传统DEA模型，将调整后的投入值X替换原始投入数据Xni，各项原始产出数据保持不变，运用BCC模型，测算出各决策单元的最终效率值。
三、变量设计与说明
（一）变量选取
1.投入指标。根据文献［3］和文献［12］的研究结论以及获取数据的可得性和科学性，选取工业废气治理投资额、工业废气治理设施运行费用、城市环境基础设施建设投资额、废气排放总量和环保从业人数作为投入指标。其中城市环境基础设施建设投资额由燃气、集中供热和园林绿化投资总额表示；废气排放总量属于非期望产出，借鉴邓波等[14]的研究将废气排放量指标投入化处理作为投入指标，选用二氧化硫、氮氧化物和烟（粉）尘排放量数据之和表示；环保从业人数采用各地城镇水利、环境和公共设施管理业年末从业人员数表示。
2.产出指标。地区生产总值作为期望产出即高地区生产总值低废气投入，体现出高治理效率的思想，因此将其作为第一个产出指标；李芳林等[15]指出我国的污染物排放主要来源于工业排放，选取工业废气治理设施处理能力作为第二个产出指标，以直观体现投资的设施或其他投入带来的效果。
由此选出5个投入指标、2个产出指标。借助SPSS软件运用Pearson相关性检验法对所选指标进行检验，如表1所示，经检验所有年份指标均满足同向性原则，故指标的选取是恰当的。
3.环境变量。在选取环境变量时应选取对大气污染项目的治理效率产生影响但不在样本主观可控范围的因素，本文从经济、社会、产业结构和科技发展四个维度选取环境变量。（1）经济开放程度，选用各地货物进出口总额占当期GDP比重来表示；（2）城镇化率，用各地年末城镇人口数占总人口数的比重来表示；（3）产业结构方面从第二产业角度衡量，选取第二产业增加值占区域GDP比重表示；（4）科技发展水平，国际上通常采用R&D活动指标反映一国的科技实力，选用区域规模以上工业企业R&D投入占区域GDP的比值来表示。
（二）数据来源及处理
考虑到三阶段DEA模型对决策单元数量的要求，使测算的效率值更加精确，而且我国关于环保投入的不同年份之间统计口径有所不同，数据统计不完全且统计时间相对滞后。因此选取2015—2019年除港澳台、西藏等30个省份的指标值。其中，各变量指标数据均来源于《中国环境统计年鉴》、《中国统计年鉴》、各省份《生态环境状况公报》等。表2为投入变量、产出变量及环境变量的各项指标描述性统计结果。
四、实证结果及分析
上述所测算的效率值是基于30个省份得出的结果，但由于本文研究对象是华东地区，因此下面只选取测算出的华东地区效率值对其进行分析评价。
（一）第一阶段DEA实证结果
运用DEAP2.1软件将原始数据代入测算，结果如表3所示。其中综合效率（TE）代表各省份整体治理效率；纯技术效率（PTE）代表大气污染项目的治理效率与技术程度的关联；规模效率（SE）愈趋近于1，表明决策单元生产规模愈趋近理想的生产规模。RS代表规模报酬条件，其中irs表示规模效益递增，drs表示规模效益递减。经初步分析，华东地区大气污染项目的治理平均效率均高于全国平均值，上海、江苏、浙江和福建近三年一直处于治理效率相对有效、规模报酬不变的状态，治理效率较高；安徽、江西和山东的综合效率依次减少，但仍呈现规模报酬递增的状态。
（二）第二阶段似SFA回归结果
运用FRONTIER4.1软件对第二阶段数据进行似SFA回归，所有年份均已回归且主要结果一致，选取离当下最近的2019年的回归结果展开分析，见表4。从表中可以看出各项松弛变量的σ值和γ值也在1%水平上显着，且γ值都非常接近于1，说明在混合误差项中由管理无效率因素主导，对原始投入数据的调整很有必要。
1.经济开放程度。对废气治理设施运行费用松弛变量和废气排放松弛变量的回归系数为负，且在1%的水平显着，说明经济开放程度的提升会减少投入冗余。对废气治理投资和环保从业人员的松弛变量的回归系数为正，说明经济开放程度的提升会增加这两项的投入冗余，当经济发展到某个临界值后，环境污染的程度逐渐减缓，为了提高治理效率，加大投资规模，一味地增加投入可能会导致更大的资源浪费，就需要优化治理结构。
2.城镇化率。城镇化率对投入指标松弛变量的回归系数基本为负值，除废气排放松弛变量外，其余松弛变量均显着，说明城镇化率的提升，有助于投入松弛变量的节约，减少冗余，有助于治理效率的提升。这与实际相吻合，随着城镇化率的不断提升，人口不断集中，能很好地发挥治理的聚集效应和规模效应，有效改善环保投资项目的治理结构。
3.产业结构。产业结构对废气治理投资和废气治理设施运行费用的松弛变量的回归系数为负，表明第二产业增加值比重的提升节约了对废气治理的投资和废气治理设施运行费用的投入松弛。对废气排放和环保从业人员的松弛变量的回归系数为正，说明区域工业的快速发展会加剧环境损耗，排放更多的废气，导致废气排放增加，而且第二产业增加值比重提高也会导致环保从业人数的增加。
4.科技发展水平。废气排放松弛变量的回归系数为负值，与其余四项变量的回归系数为正值，并均在1%水平显着，这说明科技水平的提高能节约废气排放投入，即科技水平的提高有助于减少废气排放量。另外，随着先进废气治理等技术的运用，机器设备更新加速，短期来看会增加废气治理投资额、设施运行的投资额和基础设施建设投资额的投入，以达到减少废气排放的目的，但仍应避免过度投入引起投入冗余，产生资源浪费的现象。其次，随着科技水平的提升，环保产业蓬勃发展，环保从业人员也迅速增加。
综上可知，环境变量对投入松弛变量产生的影响程度较大，会显着影响大气污染项目治理效率的测算结果，有必要剔除环境变量和随机误差的影响。根据各年回归结果，利用式3对原始投入数据进行调整，展开第三阶段测算。
（三）第三阶段投入调整后的DEA结果
与第一阶段相同，首先运用Pearson相关性检验对投入指标和产出指标进行检验，所有年份检验结果均符合同向性原则，且大部分指标通过1%的显着性检验。再次运用DEAP2.1软件，测算出第三阶段治理的效率值，具体结果见表5。与第一阶段效率值结果相对比，出现了较大差异，表明所选取的环境变量和随机误差因素对大气污染项目的治理效率有较大影响。
从图1可以看出，第三阶段规模效率值始终位于第一阶段规模效率值下方，说明受环境变量的影响华东地区大气污染项目治理的规模效率被高估，纯技术效率正好相反，环境变量影响华东地区大气污染项目治理的纯技术效率被低估。而规模效率与纯技术效率共同作用于综合效率，2018年起，在剔除了环境变量和随机误差的影响后，综合效率进一步提升。整体来看，三种效率在五年间呈现波动上升的趋势，体现华东地区大气污染项目的治理效率逐渐提高。
1.调整前后综合效率对比
近5年间浙江和江苏治理效率最好，实现废气投资治理相对有效，两个阶段的综合效率差异较小；福建省和上海市的综合效率居于华东地区平均水平之上，出现的波动主要由规模效率的降低导致的；安徽、江西和山东治理的综合效率居于华东地区平均值之下，整体治理效率较低，大气污染项目治理无效，尤其是山东，2015年、2018年、2019年这三个年份规模报酬递减。综上，华东地区内部大气污染项目治理效率差异较大，江浙沪地区实现治理相对有效而其余地区均是治理无效。对于治理无效的规模收益递增地区，能通过扩大投入规模来提高产出以实现治理效率的提高；而对于山东这种规模收益递减状态的省份，则应将重心放在提高资源的合理配置和利用上，提高投入资源的利用率。
2.调整前后纯技术效率对比
除安徽、江西和山东在部分年份效率值变动较大外，其余省份变动较小，且这三个省份的效率值基本均处于华东地区平均纯技术效率值之下，其中江西第三阶段纯技术效率明显高于第一阶段，说明纯技术效率被低估受到环境因素和随机因素的影响很大，另外山东纯技术效率值一直走低，即技术方面仍有欠缺，应当鼓励自主性研发、引进环保型技术。
3.调整前后规模效率对比
江苏和浙江规模效率变动较小，基本达到规模效率有效，受环境和随机因素影响较大的有福建、江西、安徽和上海，这些地区存在第一阶段规模效率被高估的情况。值得注意的是，与综合效率和纯技术效率的对比分析结果不同，上海市的规模效率值低于华东地区的平均值，说明环境变量对该地区影响较大且需要通过提高规模效率的方式提高综合效率。
（四）聚类分析
聚类分析能够将较多组决策单元按不同情况进行分类分析，考虑到区域间环境治理状况可能存在某种相似性，对于相似性较高的省份，在今后的大气污染治理进程中，可加强治理经验的交流、区域合作共治以达到共赢目的，因此也有必要将区域按其治理情况进行划分，以第三阶段测的治理效率值对华东地区六省一市的大气污染项目治理情况展开聚类分析。聚类的数据取2015—2019年测得效率的数据的平均值，运用SPSS软件处理可得到华东地区六省一市环境治理水平的聚类结果谱系图，如图2所示。
从图2中可以看出，当选取聚类的阈值为5时，可以将华东六省分为4类：
第一类包括江苏和浙江，位于东部沿海地区，经济发达，近年来在环境治理方面的投入不断加大，且这两个省治理综合效率均为1，治理效率均相对有效。
第二类是上海和福建，虽然也位于沿海经济发达地区，且上海地区经济发展远超福建，但由于地区原因大气污染项目的治理效率存在波动，不像江苏和浙江两省一直稳定保持在有效治理的程度。
第三类是安徽和江西，内陆省份，经济发展水平处于华东地区的弱势地位，虽然治理能力有较大提升，但仍处于华东地区均值以下，治理效率相对较低，未实现相对有效，所选取的环境变量均有不同程度的投入冗余。虽然治理效率未达有效，但是仍处于规模收益递增的状态，依然可以通过扩大投入规模来提高产出以实现治理效率的提高。
第四类是山东，山东的综合环境质量处于华东地区的倒数地位，虽然针对大气污染治理投资力度较大，但是治理效率水平一直较低，不仅规模效率较低，纯技术效率更远低于地区平均水平。出现了大量治理投资投入冗余的状况，投资规模和结构较不合理，形成资源浪费。
（五）影响因素分析
1.影响因素的选取与说明
根据前人的研究结论[2，12]以及华东地区的发展基础、条件和资源禀赋，从经济、科技、人口、产业、政府、财政收入等多角度，并结合第二阶段环境变量来选择以下影响因素作为自变量，用第三阶段综合效率值作为因变量展开分析。
（1）经济发展水平用人均GDP表示，代表符号为pg。随着经济发展，环境治理手段增加，技术持续创新，资金的投入量也会增加，进而形成规模经济效应，逐步提升投资治理效率，因此预估其系数为正值。
（2）科技发展水平用各地R&D经费内部支出占同期GDP比重表示，代表符号为sg。上官绪明等[16]也指出科学技术支出费用是科技有效创新的基础。通过对环境治理技术的研究，持续改良环境治理方法，运用先进的清洁技术，提高污染物的循环利用效率可以直接推动污染治理效率的提升，因此预估其系数为正值。
（3）产业结构选取第二产业产值占国民生产总值的比重来反映，代表符号为ig。产业结构可以借助影响资源消费强度、资源消费结构和资源消费量从而影响污染治理效率，在整个国民经济中，第二产业对大气污染的影响最大，产业结构的变动对各地区环境压力有直接影响，因此预估其系数为负值。
（4）人口密度用各地单位平方公里面积人口数量来表示，代表符号为pp。人口的密度越高，地方政府所提供的基础设施和公共服务就越完善，使得大气污染治理投资实现规模化，规模经济的发展有助于大气污染治理投资成本的降低，从而提升治理效率，因此预估其系数为正值。
（5）政府管理选取地方财政支出总额中的环境保护支出额占财政总支出的比重来表示，代表符号为ef。环境具有公共产品属性，主要依靠政府进行管理，且大气污染具有很强的外部性，财政环保支出的有效利用可以从源头上提升资源利用率，降低污染物产生量，因此预估其系数为正值。
2.回归过程
（1）数据来源与描述性统计
样本数据为2015—2019年华东地区六省一市的面板数据，原始数据来源于《中国统计年鉴》，部分数据通过对年鉴中的相关数据整理得出。进出口总额根据相应年份中国人民银行公布的平均汇率折算得出。影响因素的描述性统计因为篇幅在此省略。
（2）模型构建
由于大气污染项目治理效率值始终介于0—1之间，为了避免估计误差对结果可信度的影响，选用面板Tobit模型。另外为尽量降低因异方差及数据量纲差距过大所带来的影响，将各个解释变量中除比率数据外的所有变量均取对数处理。
式4中，i表示各省市，t代表年份，β0表示常数项，βi表示各个解释变量的系数值，μi+εi，t表示复合扰动项，其中μi表示个体效应，εi，t为扰动项并服从参数μ=1，σ2=σ的正态分布。
（3）回归结果
在回归分析之前采用VIF方法先对解释变量进行多重共线性检验，防止解释变量之间存在高度的相关关系，解释变量之间不存在严重的多重共线性，具体的VIF检验结果因为篇幅在此省略。随后借助Stata17.0软件进行了随机效应的面板Tobit回归估计，回归结果如表6所示。可知以上五项影响因素与第二阶段似SFA回归结果一致，即经济发展水平和科技发展水平的提升能够减少废气排放，其他影响因素结果均不显着。
五、研究结论
本文运用三阶段DEA模型对华东地区2015—2019年大气污染项目治理效率进行了分析，主要得出了以下结论。
1.环境变量对投入的松弛变量影响显着。所选的经济、社会、产业结构和科技发展四种环境因素中，经济开放程度和科技发展水平的提升能够减少废气排放量，但也会造成投资项目的投入冗余，不利于治理效率的提升；城镇化率的提高和第二产业规模的扩大会导致废气排放增加，但同时也会提升所投入资金设施等的利用效率。
2.剔除环境变量和随机误差的影响对华东地区是有必要的。剔除环境变量和随机误差的影响后，第三阶段大气污染项目治理的综合效率值低于第一阶段水平，由于地区整体规模效率较高，因此两个阶段间的差异受到纯技术效率的影响高于规模效率。
3.华东各地间治理效率差异较大，江浙沪地区实现治理相对有效而其余地区均是治理无效的，借助系统聚类法将华东地区各省按其治理效率高低分为四类。第一类地区江苏、浙江和第二类地区上海和福建应继续保持优势，合理配置资源；第三类地区安徽、江西应因地制宜设定治理计划，扩大投入规模；第四类地区山东投入冗余较为严重，要从根本上改进治理措施，调整治理投资的规模和结构，提高投入资源的利用率。
【参考文献】
［1］ 陈鹏，逯元堂，程亮，等.环境保护投资的管理创新与绩效评价研究［J］.中国人口·资源与环境，2012，22（S2）：127-130.
［2］ 张亚斌，马晨，金培振.我国环境治理投资绩效评价及其影响因素——基于面板数据的SBM-TOBIT两阶段模型［J］.经济管理，2014，36（4）：170-179.
［3］ 刘丽波.基于DEA的区域环境治理投资效率分析［J］.会计之友，2016（1）：69-73.
［4］ 薛英岚，张伟，刘宇，等.基于Super-SBM模型的《大气污染防治行动计划》省级环保投资绩效评估［J］.城市发展研究，2022，29（2）：20-26.
［5］ 王奇，李明全.基于DEA方法的我国大气污染治理效率评价［J］.中国环境科学，2012，32（5）：942-946.
［6］ TOSHIYUKI SUEYOSHI，MIKA GOTO.Environmental assessment on coal-fired power plants in U.S.north-east region by DEA non-radial measurement［J］.Energy Economics，2015，50：125-139.
［7］ 郑石明，罗凯方.大气污染治理效率与环境政策工具选择——基于29个省市的经验证据［J］.中国软科学，2017（9）：184-192.
［8］ ZHANG JIAJIA，WU QIANG，ZHOU ZHIXIANG.A two-stage DEA model for resource allocation in industrial pollution treatment and its application in China［J］.Journal of Cleaner Production，2019，228：29-39.
［9］ 杨冕，晏兴红，李强谊.环境规制对中国工业污染治理效率的影响研究［J］.中国人口·资源与环境，2020（9）：54-61.
［10］ ZHEN L，LI Z，WANG Z，et al.Statistical analysis and combination forecasting of environmental efficiency and its influential factors since China entered the WTO：2002-2010-2012［J］.Journal of Cleaner Production，2013，42-51.
［11］ 王俊霞，王荣.中国西部地区环境投资效率及其影响因素研究［J］.环境污染与防治，2015，37（8）：100-105.
［12］ 郭四代，仝梦，张华.我国环境治理投资效率及其影响因素分析［J］.统计与决策，2018，34（8）：113-117.
［13］ FRIED H O，LOVELL C，YAISAWARNG S.Accounting for environmental effects and statistical noise in data envelopment analysis［J］.Journal of Productivity Analysis，2002，17（1-2）：157-174.
［14］ 邓波，张学军，郭军华.基于三阶段DEA模型的区域生态效率研究［J］.中国软科学，2011，241（1）：92-99.
［15］ 李芳林，唐欣.基于三阶段DEA的环保投入效率研究［J］.软科学，2018，32（8）：78-81.
［16］ 上官绪明，葛斌华.科技创新、环境规制与经济高质量发展——来自中国278个地级及以上城市的经验证据［J］.中国人口·资源与环境，2020，30（6）：95-104.
【基金项目】 国家社会科学基金一般项目（19BJY028）部分成果
【作者简介】 袁广达（1961— ），男，江苏南京人，高级审计师，南京信息工程大学商学院教授，研究方向：环境资源会计、环境审计；赵梦辰（2000— ），女，江苏徐州人，南京信息工程大学商学院硕士研究生，研究方向：低碳审计；蒋岩（1996— ），女，江苏宿迁人，中石化销售股份有限公司江苏宿迁石油分公司，研究方向：环境财务绩效
