唐 欣 張高強
(1.鄭州職業技術學院,河南 鄭州 450000;2.河南工業大學,河南 鄭州 450000)
改革開放以來,中國經濟發展取得了舉世矚目的成就,但環境污染問題也日益突出。耶魯大學環境法律與政策中心、哥倫比亞大學國際地球科學信息網絡中心(CIESIN)聯合實施的2018EPI環境績效指數(Environmental Performance Index)調查顯示,在新興經濟體中,中國排第120位,快速增長的經濟給環境帶來了巨大的壓力,從PM2.5綜合評測等方面對空氣質量進行評價,中國在全球排倒數第4名,現實狀況不容樂觀。國家高度重視經濟發展所帶來的環境問題,2020年7月28日,生態環境部科技與財務司司長鄒首民在生態環境部例行新聞發布會上指出,整個“十三五”期間生態環境部配合財政部累計下達2248億元生態環境資金,未來五年之內,我國將繼續增加環境保護的人力資本和物質資本投入,用于環境修復和保護、提升能源效率、發展可再生能源和發展綠色交通等方面。習近平總書記指出,中國將不斷加大環保各方面的投入,單位國內生產總值的用水量、能耗、二氧化碳排放量將分別下降23%、15%、18%。隨著國家和公眾對環境保護的持續關注,環保投入也在逐年增加。如何準確衡量和提升環保投入的效率,是實現環境有效管理和可持續發展所面臨的重要問題之一。本文基于省際環保投入效率評價這一研究目的,將“環保投資”的概念擴大到“環保資金投入”和“環保人員投入”兩個方面。通過建立適當、規范、系統的環保指標體系,利用DEA模型,評價分析我國大陸30個省區市(除西藏外)的環保投入效率,反映不同地區環保投入效率的真實水平,以期全面了解我國的環保投入效率;并通過對比東、中、西、東北部各地區的環保投入效率,優化我國環保投入方案,為環境保護政策的制定提供相關理論依據。
目前國內外學術界對環保投入概念尚沒有準確的界定,部分學者認為環保投入是指用于污染防治、保護和治理生態環境的資金,包括環境保護項目工程、環保設施運行維護費、污染治理、綠化費用等(Cai、Fang);也有學者在資金投入的基礎上引入了環保工作人員的投入(楊俊等)。
隨著環保投入的逐步加大,雖然環保投入效率的重要性逐漸增強,但國內對產業或者行業的效率研究主要針對制造業、銀行業、服務業等領域,對環保投入產出效率的研究并沒有引起廣泛關注。近年來,學者從不同研究視角對環保投入效率展開研究:一是在全國范圍內研究環保投入效率,二是以省區市為單位的環保投入效率分析。
關于在全國范圍內研究環保投入效率。國外學者Lozano Gutierrez以美國為例,把人口作為投入,GDP作為期望產出,二氧化碳排放作為非期望產出,根據線性數據轉換法建立了非參數DEA模型來研究產出效率。國內學者韓強、曹洪軍利用聚類分析和因子分析對2007年我國大陸地區31個省區市工業領域的環保資金投入與產出進行了分析以及對2002—2006年全國工業領域的環保投入與產出進行了環比分析;顏偉等構建基于DEA的CCR模型,又引入DEA交叉評價方法,對中國的環保投入效率實證分析,結果表明我國環保投入利用效率較低、投入總量依然不足、投資結構不盡合理。楊俊等利用三階段的DEA模型對我國30個省區市的環保投入效率進行測定,發現在區域間投入效率以及累積效應的影響下呈逐漸擴大趨勢。基于此,學者們對全國范圍內環保投入各個方面的利用效率進行分析,宋姍姍等采用數據包絡分析方法(DEA),構建環保投入指標體系,并以此為基礎,分別對我國部分省區市的廢水治理、廢氣治理和環境污染綜合治理效率進行了分析,發現我國區域廢氣治理仍處在較低水平。
綜合以上國內外研究成果可以發現,關于環保投入效率的分析研究是深入有效的,對本文具有重要的指導意義。然而環保投入不僅僅包含環保資金的投入,還包含環保人員以及環保技術的投入,同時環保技術的投入又包含了環保技術創新人力資源投入和環保技術創新經費投入,因此本文在已有研究基礎上拓展了環保人員的投入。學者在研究中國地區環保投入效率問題時,通常將目光局限于某一年的具體情況,很少表現出環保投入效率的動態變化情況。基于此,本文在全方位考慮環保投入要素的基礎上,構建指標體系,對2014年和2018年中國大陸30個省區市的環保投入效率進行分析和對比評價,多角度解析我國不同區域的環保投入效率。
本文關于環保投入效率的研究,采用的是非參數估計的數據包絡分析模型(Data Envelopment Analysis,DEA)。
利用CCR模型(投入導向下)對決策單元(DMU)的環保投入產出進行研究。CCR模型是一種線性規劃方法,以規模報酬不變為基礎,每個決策單元的綜合效率(又叫作技術效率TE,Technical Efficiency)可以分解為純技術效率(PTE,Pure Technical Efficiency)和規模效率(SE,Scale Efficacy)。其中,規模效率主要指體現產業內達到最佳經濟規模企業的比重,以及企業規模能力有效利用程度,純技術效率是指剔除規模之外的效率。設有n個決策單元(DMU),用變量Xj和Yj表示每個DMU都有m種輸入和s種輸出;xij的意義是第j個決策單元DUMj的第i種輸入類型的輸入量;yrj的意義是第j個決策單元DUMj的第r種輸出類型的輸出量;θ是決策單元的有效值;s+s-是被引入的松弛變量;ε指的是非阿基米德無窮小量;λj是構造一個新的有效DMU組合中j個決策單元DUMj的組合比例。故投入導向下標準的CCR模型如下:

對我國環保投入的研究尚處于探索階段,各方面的數據統計不太完善,統計時間相對滯后。本文整理了我國大陸30個省區市(除西藏外)2014—2018年的投入產出指標值,同時根據國家統計局的統一口徑將中國分為東、中、西、東北四大區域。對于部分省區市的指標缺失值,采用統計方法進行處理。數據主要來源于《中國統計年鑒》《中國環境統計年鑒》《中國環境年鑒》《中國環境質量報告》以及其他公開出版物。
在參考已有文獻的基礎上,基于數據的可獲得性和科學性,選取以下投入產出指標:
1.投入指標:關于投入指標的選取,本文不僅考慮了環保資金,還納入了環保人員,故選用環境污染治理投資額、排污費、環保人員人力資本存量。環境污染治理投資額是最能反映資本投入量的指標,能夠全面地覆蓋污染治理的各個方面;我國目前并沒有專門的法律來控制“環境稅”,因此大多采用“排污費”來替代環境稅控制企業的污染排放,統計數據比較完整;環保投入中既包括了物質資本投入,也包括人力資本投入,為使度量更加全面,故環保人力資本存量也作為環保投入指標之一。
2.產出指標:由于我國的排放主要來源于工業排放,因此采用工業廢水處理率、一般工業固體廢物綜合利用量、工業廢氣去除率作為產出指標。此外,因近幾年生活污染排放日益加劇,所以將城市污水處理率作為產出指標。

在應用DEA模型進行效率分析時,要求決策單元的數量是投入產出指標數量的兩倍及以上,本文的決策單元有30個,投入產出的指標共有7個,適合使用DEA模型進行測算。此外,投入產出指標之間應該存在顯著的正相關。經計算得出的各指標之間的相關系數見表1。

表1 指標之間的Peason相關系數值
計算各指標的相關系數時,工業廢氣去除率和工業廢水處理率與排污費和人力資本的原始數據相關系數并沒有通過10%的顯著性檢驗。基于此本文通過采用SPSS軟件做箱線圖,識別極端異常值點,并剔除極端異常值后再次計算指標之間的相關系數。表1顯示指標之間的Peason相關系數通過了10%的顯著性檢驗,因此選取環境污染治理投資額、排污費和環保人員人力資本存量作為投入指標,同時選取工業廢水處理率、一般工業固體廢物綜合利用量、工業廢氣去除率和城市污水處理率作為產出指標進行DEA效率分析是恰當的。
由表3可知,2014年的環保投入綜合技術效率中,有效的是北京、天津、上海、海南、青海和寧夏,這些地區的環保投入純技術效率和規模效率也同樣有效;2018年環保投入綜合技術效率有效的地區和2014年相同,綜合技術效率低于0.3的有8個地區,其中湖南最低,僅為0.181。2018年的全國環保投入綜合技術效率平均值高于2014年的環保投入綜合技術效率均值。我國在“十一五”期間正式將內地劃分為東、中、西和東北四個區域①東部包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東和海南10個省(市);中部包含山西、安徽、江西、河南、湖北、湖南6個省;西部由四川、重慶、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆、廣西、內蒙古等12個省(區、市)組成;東北則包括黑龍江、吉林、遼寧3個省。。從綜合效率均值看,地區間表現為:東部>西部>東北>中部。而各區域的純技術效率均值無一例外均大于規模效率均值。純技術效率值全國水平下能始終維持在相對較高的水平,均能達到0.9以上,中部的表現弱于東部,但和東北部相比有一定優勢,而東北地區的規模效率均值高于中部地區。從2014年到2018年,純技術效率有效的省區市略多于規模技術效率有效的省區市,不同地區呈現出不同的變化態勢,其中西部地區綜合技術效率的變化最大,東部地區次之。

表3 2014年和2018年各地區環保投入效率值
1.環保投入綜合效率分析
綜合效率的得分往往被用來衡量各省區市環保投入整體效率水平的高低。從效率值的空間轉移路徑可以看出:除去環保投入綜合技術效率有效的地區之外,環保投入綜合效率值變化趨勢不同,部分地區增加如內蒙古等,部分地區降低如河南等。全國30個省區市環保投入效率在2014年和2018年變化不大,只有浙江省的變化幅度超過0.2。
2.環保投入純技術效率分析
純技術效率是指在目前特定的生產技術水平下投入要素的利用程度,常用來衡量環保投入有效與否在多大程度上是由技術導致的。2014年全國純技術效率得分為1的有北京、天津、上海等16個地區,2018年全國達到技術有效的有北京、天津、江蘇、重慶等18個地區,其他地區處于技術無效狀態。與2014年相比,2018年的純技術效率值略高,這說明對于大多數地區來說,純技術效率值得到了提升。但是吉林、湖北2018年的技術效率值不升反降,表明這些省份急需提升環保投入的技術水平。從區域變化看,東北地區和西部地區的環保投入純技術效率值變化最為明顯。
3.環保投入規模效率分析
規模效率能夠用來比較各省區市當前的生產規模與最佳生產規模間的差距,規模效率得分值越靠近于1,生產規模也越接近最佳生產規模。具體看,2014年的環保投入規模效率中,有效的是北京、天津、海南、青海等5個地區,2018年其規模效率依然有效,這些地區的環保投入規模已經達到最佳生產規模,只需保持不變即可。除去規模效率有效的地區,其他省區市的規模效率都偏低,不足0.7。從地區的變化看,部分地區處于規模效率遞增的狀態,說明這些地區需要不斷加大環保投入力度,提升地區規模效應,最終拉動產出的增加;同時也有少部分地區的規模效率出現了降低趨勢。
4.純技術效率和規模技術效率的比較分析

從數據看,環保投入綜合效率值等于環保投入純技術效率值與環保投入規模效率值的乘積,純技術效率值或者規模效率值的降低都有可能導致綜合效率的降低。具體說,在環保投入綜合效率無效的省區市中,大部分地區的純技術效率值均大于規模效率值,這表明對于大部分地區來說,規模效率值不高導致了環保投入綜合技術效率低下。就區域而言,中部地區純技術效率平均值與規模效率平均值的差距最大,東北地區次之,東部地區最小。
5.各地區環保投入效率的差異性分析
通過各地區的環境污染治理投資額可以看出,東部地區的環境保護力度遠遠高于西部和中部地區。2017年江蘇省的環境污染治理投資額為715.4億元,而西藏自治區的僅為27.2億元,資金投入差距巨大。又由于地理位置因素和歷史發展因素,西部和東北部地區發展速度明顯落后于東部,造成其在技術利用發展上的相對落后和要素投入配置水平上的欠缺,環保人才的流失進一步加劇了地區之間的差距。
除了環保投入力度差距明顯之外,西部地區由于本身生態環境脆弱以及環保意識滯后等方面的原因,使得環保投入效率低下。一方面由于土地沙化情況嚴重,水土流失情況突出等,另一方面由于人口過快增加,人為地破壞森林、草地,導致生態環境進一步被破壞。為了進一步解決我國經濟發展不均衡的問題,國家提出了西部大開發戰略,地方政府為了更好地推動當地發展,出臺了各項優惠政策,引進一些具有污染性的企業卻沒有做好配套的環境保護措施。與此同時,也放松了對污染性企業的監管力度,甚至引發“環境管理失靈”。最終導致了西部地區環保投入效率低下,增加環保投入的效果并不明顯。
對比2014年和2018年各地區的環保投入效率可發現,全國環保投入效率整體不高,中西部地區綜合效率值明顯低于東部地區,將各區域綜合效率分解后可發現,我國環保投入效率低下的主要原因是規模效率值低下,這是制約環保投入效率的主要因素。今后,我國各地區提升環保投入效率的過程中應重點考慮擴大環保投入規模,提高規模效率;同時還須調整環保要素投入的結構,使投入發揮最大作用。鼓勵地區之間跨地區合作,逐步提高環保資源的配置能力,優化污染治理投入集中力度,形成規模效應。
對比不同地區的環保投入效率可發現,省際環保投入效率不均衡,空間異質性明顯。2018年中國大陸(除西藏外)只有5個地區環保投入綜合效率是有效的,半數以上省區市的環保投入綜合效率有待提高。東部地區環保投入綜合效率值明顯高于中部和西部地區,這主要是環保投入規模效率和純技術效率的共同作用所引起。
我國國土面積遼闊,各省區市環保投入效率差距大,空間異質性大,各省區市要結合本地區的實際狀況,優化環保資源配置,不斷改進投入結構,以提升環保投入效率、縮小地區差異。東部地區環保投入綜合效率值明顯高于中部和西部地區,對于環保投入效率低的經濟欠發達地區,應當逐步加大環保科技人員和環保資金方面的投入,鼓勵企業自主性研發,引進環保型技術,加大中央和地方對純技術效率低下的省區市的扶持力度;對于環保投入效率低的經濟發達地區,應當合理地調整產業結構,緩解經濟發展過程中帶來的環保壓力,引導合理的環保資源配置結構。
對比不同省區市的環保投入效率后不難發現,大部分省區市規模效率比較低,如湖南和江蘇。對于規模效率比較低而純技術效率較高的省區市而言,更為緊要的任務是提升環保規模效益,擴大環保投入規模,優化環保投入結構,促使環保投入更加規范化和高效化。對于純技術效率低于全國平均水平的省區市,如黑龍江、吉林等,應當加大政策扶持力度,鼓勵企業自主研發,同時引進環保型技術和環保類人才,走出綠色、環保的可持續發展道路。而對于純技術效率和規模效率均不高的省區市,在加大環保方面投入的同時,也要加強省市之間的跨區域交流與合作,打破資源規模效益的限制,增強環保技術的溢出效應,不斷提高技術創新能力、組織管理水平,形成生態環境綜合治理合力。