基于三階段DEA模型的湖南省生態環境監管績效評價研究

摘要：為進一步完善區城生態環境監管網絡，建立基于三階段DEA模型的生態環境監管績效評價指標體系，對湖南省各區城生態環境監管情況進行了比較分析。結果表明：湖南省生態環境監管效率排名靠前的市州是張家界市、湘潭市、婁底市、郴州市、長沙市。不同市州可結合當地區域實際情況從監管投入、產業結構等方面進行調整從而提高生態環境監管效率。

關鍵詞：生態環境監管;三階段DEA;湖南省

中圖分類號：X321 文獻標識碼：A 文章編號：1674-9944（2020）04-0030-02

1 引言

湖南省地形地貌結構復雜，自然資源豐富，為湖南省經濟快速發展提供了有利條件，也因發展付出了巨大的環境代價。近年來省內開展了大量環境整治及監管工作，但成效與預期存在落差，需客觀評價不同地區生態環境監管的差異，研究影響區域生態環境變化的主要因素，為提高監管效率，完善區域生態環境監管網絡提供依據。

生態環境監管網絡中監管主體職能的發揮和監管技術水平的發展很大程度上決定生態環境保護工作的成效。盡管得益于技術上的發展，將地理信息系統（GIS），全球定位系統（GPS）和遙感（RS）技術等技術應用于生態環境監管[1]，但現行的生態環境監管仍普遍存在下列問題：缺乏問責制、數據質量低、數據管理不善，以及對民間社會組織和公眾參與的嚴重限制[2]。我國環境治理屬于環境權威主義治理方式，環境監管是改善環境質量的關鍵措施，只有采用強制性環境監管才能實現污染的有效治理[3，4]。通過梳理我國生態環境監管體制改革進程指出生態環境監管體制處于動態變化中，生態環境監管體制由單一逐步向立體多元發展[5]。由此，生態環境監管網絡中元素的多樣化，使如何進行生態環境監管績效評價成為生態防控中一個值得研究的問題。在績效評價中DEA較其他估計方法應用更為廣泛，但其結果受樣本的限制較大，若在樣本出現極端值或者其他隨機因素的干擾的情況下，DEA的結果將不穩定，且對于DEA估計結果無法進行檢驗，模型擬合的效果無法評價，參數估計也無法檢驗。為解決該問題，進行SFA回歸剔除環境因素和隨機因素影響，對投入進行調整后，再對其進行DEA模擬。在生態領域，該方法一般應用于研究區域生態效率和區域環境治理效率的研究，暫未檢索到有將三階段DEA模型用于生態環境監管績效評價的文獻。

本文主要運用三階段DEA模型測度湖南省不同區域的生態環境監管情況，對不同區域的生態環境監管績效進行比較，考察各指標對生態環境監管績效的影響，以期為完善省級區域生態環境監管體系提供參考。

2 生態環境監管效率測算模型構建

2.1 DEA模型思路

（1）第一階段：傳統DEA模型分析初始效率。DEA模型分投入導向型和產出導向型2種。由于投入的數量是決策的基本變量，與產出量相比，投入量更容易控制，因此，本文采用投入導向型規模效益可變的BCC模型進行分析。BCC模型計算出來的效率值為：

綜合技術效率（TE）=規模效率（SE）×純技術效率（PTE）（1）

（2）第二階段：SFA回歸剔除環境因素和隨機因素影響。由于決策單元績效受管理無效率、環境因素、統計噪聲影響，因此需進行隨機前沿分析，根據SFA模型的回歸結果對各個決策單元的投入變量進行調整，使得每個決策單元都調整至具備相同的外部環境特征，從而將投入產出松弛變量可能受到的來自外部環境因素、隨機誤差以及內部管理因素的影響剔除。

第一步，整理第一階段投入指標松弛變量和環境變量數據，運用Frontier4.1軟件，得到各投入變量的SFA回歸結果。隨后運用Excel軟件分離管理無效率項μ。

式（2）中，β₀，β₁，β₂，β₃分別為SFA估計的系數，Z₁，Z₂，Z₃分別是3個環境變量。

每個決策單元的混合誤差項ε_i（ε_i=u_i+v_i），計算公式為：

分離管理無效率項μ，分離公式[6，7]如下：

第三步，計算隨機干擾項v，公式如下：

（3）第三階段：調整投入變量后的DEA-BCC模型。

2.2 變量選擇

2.2.1 指標選取

以掌握生態環境治理情況為基礎，將影響生態環境監管的因素包含在內，指標選取如下。①投入指標：環境保護財政支出;生態環境系統機構人員;②產出指標：城市生活垃圾無害化處理率;人均綠地面積;③環境變量：排污單位自行監測登記數;自然保護區面積;地區生產總值。

2.2.2 數據來源

數據均來自湖南省統計年鑒、湖南省排污單位自行監測信息公開平臺以及全國自然保護區名錄。

3 實證結果與分析

（1）第一階段DEA實證結果。該階段不考慮外部環境因素和隨機誤差的影響，直接將投入產出變量代人DEA-BCC模型，利用DEAP2.1軟件對2017年湖南省14個市（州）進行生態環境監管績效進行計算，計算結果如表1所示。

（2）第二階段SFA回歸結果。將第一階段得出的各決策單元投入變量的松弛量作為因變量，上文選取的環境變量作為自變量，運用SFA模型拆解出環境變量、隨機誤差及內部管理無效率的影響程度，再將這些外部影響因素剔除即得到新的投入變量。回歸分析結果如表2所示。

（3）第三階段調整投入后DEA實證結果。將調整后的投入變量和原始產出變量再次帶人DEA-BCC模型，得到湖南省14個市（州）剔除了外部環境因素和隨機誤差后的進行生態環境監管績效結果，結果如表1所示。

綜上，在不考慮環境變量影響時，平均綜合技術效率為0.579，從各市州來看，張家界市處于環境監管效率的前沿。考慮環境變量和隨機擾動后的效率值較調整投入前發生了變化。平均綜合技術效率為0.632，從各市州綜合效率值來看，張家界市和湘潭市位于效率前沿;對比調整前岳陽市和湘西州綜合技術效率值降低，說明較其他市州來說，這2個區域雖然環境情況較好，但監管能力較低。

4 結論及建議

運用三階段DEA對湖南省各市州的生態環境監管情況進行對比，結果表明：①湘西州自身生態環境條件好，但監管水平較低，長沙市情況則剛好相反。②各市州監管效率排名靠前的是張家界市、湘潭市、婁底市、郴州市、長沙市。結合環境排名結果懷化市、永州市、岳陽市需要進一步提高生態環境監管效率。

結合不同市州的情況提出以下建議：①在生態環境本身條件占優勢的區域，可維持該區域第三產業的比重，著重發展低碳經濟，保護生態環境。②在生態環境目前已經處于低水平狀態的區域，應調整該區域產業結構，加大生態環境方面財政的投入。③在生態環境監管空間大且復雜的區域，監管不能僅依靠人員的投入，應加強對該地區科技的發展。④臨近區域間應該進行生態環境監管方面的交流和合作，增加改進效率。

參考文獻：

[1]Hsu A.From citizens to satellites：third-wave data approaches inChina[EB/OL].[2018-04-23]YaleData-Driven.http：//datadriv-en.yale.edu/wp-content/uploads/2017/01/Third_Wave_Exec_Summary_FINAL.pdf

[2]Genia K，Zhang Chunman.Tightening the grip：environmental govern-ance under XiJinping.[J].Environmental Politics，2018（5）.

[3]陳健鵬，高世楫，李佐軍.“十三五”時期中國環境監管體制改革的形勢、目標與若干建議[J].中國人口·資源與環境，2016（11）.

[4]賀璇，王冰.“運動式”治污：中國的環境威權主義及其效果檢視[J].人文雜志，2016（10）.

[5]鄭石明.改革開放40年來中國生態環境監管體制改革回顧與展望[J].社會科學研究，2018（6）：28～35.

[6]羅登躍.三階段DEA模型管理無效率估計注記[J].統計研究，2012，29（4）：104～107.

[7]陳巍巍，張雷，馬鐵虎，等.關于三階段DEA模型的幾點研究[J].系統工程，2014，32（9）：144～149.

收稿日期：2020-01-06

作者簡介：陳思瑤（1994-），女，碩士研究生，研究方向為生態管理。