我國(guó)區(qū)域工業(yè)生態(tài)效率評(píng)價(jià)及DEA分析

高 峰 王金德 郭 政

(上海質(zhì)量管理科學(xué)研究院，上海200050)

改革開放以來(lái)，我國(guó)區(qū)域經(jīng)濟(jì)發(fā)展取得了前所未有的成就。但由于環(huán)境容量和資源供給有限，導(dǎo)致經(jīng)濟(jì)增長(zhǎng)和環(huán)境保護(hù)的矛盾日益突出，并對(duì)各區(qū)域未來(lái)經(jīng)濟(jì)持續(xù)發(fā)展形成了越來(lái)越大的壓力和制約。因此，如何降低生產(chǎn)產(chǎn)品的資源消耗和污染物排放，如何對(duì)區(qū)域經(jīng)濟(jì)發(fā)展的生態(tài)化水平進(jìn)行科學(xué)的定量評(píng)價(jià)，已成為各級(jí)決策者關(guān)注的熱點(diǎn)之一。本文對(duì)我國(guó)各省份工業(yè)生態(tài)效率狀況的比較分析和評(píng)價(jià)，有助于正確認(rèn)識(shí)各省份工業(yè)生態(tài)效率的現(xiàn)狀及其在全國(guó)所處的位置，為各省制定相關(guān)政策提供依據(jù)。

世界可持續(xù)發(fā)展工商理事會(huì)(WBCSD)提出實(shí)施生態(tài)效率的七個(gè)基本原則為:降低產(chǎn)品與服務(wù)的原料消耗強(qiáng)度;降低產(chǎn)品與服務(wù)的能量消耗強(qiáng)度;減少毒性物質(zhì)的擴(kuò)散;增進(jìn)原料的可回收性;將可再生資源的使用最大化;提高產(chǎn)品的耐久性;增進(jìn)商品的服務(wù)強(qiáng)度。這七個(gè)要素總結(jié)起來(lái)可以得到生態(tài)效率的三個(gè)主要目標(biāo)，即:減少資源的消耗、減少對(duì)自然的影響、提高產(chǎn)品或服務(wù)的價(jià)值。

根據(jù)以上目標(biāo)，區(qū)域工業(yè)生態(tài)效率可定義為:某一區(qū)域工業(yè)企業(yè)生產(chǎn)產(chǎn)品的總量與資源消耗和環(huán)境影響的比值。也即測(cè)量某區(qū)域工業(yè)在資源消耗和環(huán)境影響既定實(shí)現(xiàn)生產(chǎn)產(chǎn)品總量最大或生產(chǎn)產(chǎn)品總量既定實(shí)現(xiàn)資源消耗和環(huán)境影響最小的能力。它可以用來(lái)衡量一個(gè)地區(qū)在某段時(shí)間內(nèi)可持續(xù)發(fā)展的水平。

區(qū)域工業(yè)生態(tài)效率 =區(qū)域工業(yè)生產(chǎn)產(chǎn)品總量/資源消耗和環(huán)境影響

1 區(qū)域工業(yè)生態(tài)效率評(píng)價(jià)指標(biāo)選取和優(yōu)化

根據(jù)大量的文獻(xiàn)研讀和分析，本文認(rèn)為區(qū)域工業(yè)生態(tài)效率評(píng)價(jià)指標(biāo)的確定應(yīng)遵循以下原則:

(1)全面、系統(tǒng)，并要考慮到數(shù)據(jù)采集的可行性;

(2)DEA方法對(duì)指標(biāo)選取的要求(決策單元的數(shù)量一般至少要達(dá)到選取的投入和產(chǎn)出指標(biāo)數(shù)量的兩倍;為保證結(jié)果有一定的辨識(shí)能力，不能有過(guò)多的決策單元效率評(píng)價(jià)指數(shù)為1;不宜混合使用絕對(duì)數(shù)指標(biāo)和相對(duì)數(shù)指標(biāo));

(3)評(píng)價(jià)指標(biāo)之間的相關(guān)性(共線性)及評(píng)價(jià)指標(biāo)的顯著性。

根據(jù)以上原則，選取工業(yè)的生產(chǎn)總量指標(biāo)。工業(yè)生產(chǎn)產(chǎn)品的總量用區(qū)域工業(yè)增加值(y2)表示，它是指報(bào)告期內(nèi)以貨幣形式表現(xiàn)的本區(qū)域工業(yè)企業(yè)生產(chǎn)活動(dòng)的最終成果，工業(yè)增加值是目前衡量區(qū)域經(jīng)濟(jì)發(fā)展最重要的指標(biāo)。資源消耗和環(huán)境影響用工業(yè)能耗(x1)、工業(yè)用水(x2)、工業(yè)廢水排放總量(x3)、工業(yè)廢水中COD排放量(x4)、工業(yè)廢氣排放總量(x5)、工業(yè)SO2排放量(x6)、工業(yè)煙塵排放量(x7)、工業(yè)粉塵排放量(x8)、工業(yè)固體廢物排放量(x9)等9項(xiàng)指標(biāo)來(lái)表示，以上各指標(biāo)均取自2008年中國(guó)統(tǒng)計(jì)年鑒。

確定評(píng)價(jià)指標(biāo)是測(cè)算區(qū)域工業(yè)生態(tài)效率的重要環(huán)節(jié)，選取不同的指標(biāo)以及指標(biāo)個(gè)數(shù)的多少都會(huì)影響生態(tài)效率的測(cè)算結(jié)果和對(duì)生態(tài)效率的評(píng)價(jià)。為解決資源消耗、環(huán)境污染不同指標(biāo)間的相互影響，以及剔除與區(qū)域工業(yè)發(fā)展關(guān)系不緊密的指標(biāo)，本文對(duì)所采用的全部30個(gè)省份(不包括西藏)的工業(yè)增加值、9項(xiàng)資源消耗和環(huán)境影響指標(biāo)進(jìn)行了多重共線性及顯著性檢驗(yàn)。

從表1 可看出，除 x1 與 x3 之外，x2，x4，x5，x6．x7，x8，x9均與工業(yè)增加值不存在顯著的關(guān)系(Sig．＞0．05)。經(jīng)檢驗(yàn)方差膨脹因子，發(fā)現(xiàn)資源消耗、環(huán)境影響等9項(xiàng)指標(biāo)之間存在著嚴(yán)重的多重共線性問(wèn)題(VIF≥5)。

表1 多重共線性及顯著性檢驗(yàn)

此時(shí)，若直接用這些指標(biāo)計(jì)算各省份的工業(yè)生態(tài)效率，則會(huì)得出不準(zhǔn)確的乃至錯(cuò)誤的結(jié)果，以致對(duì)有關(guān)省份的工業(yè)生態(tài)效率做出錯(cuò)誤的評(píng)價(jià)。為解決多重共線性及顯著性等問(wèn)題，本文采用對(duì)不顯著的變量(Sig．＞0．05)進(jìn)行逐級(jí)篩選的方法，結(jié)果見表2:

表2 變量選取及優(yōu)化

由表2可看出，x1，x3，x4，x8與工業(yè)增加值存在顯著的關(guān)系(Sig．＜0．05)，并且 x1，x3，x4，x8 之間不存在多重共線性(VIF＜5)。因此，計(jì)算區(qū)域工業(yè)生態(tài)效率的最佳匹配是:

區(qū)域工業(yè)生態(tài)效率 =y2/f(x1，x3，x4，x8)=工業(yè)增加值/f(工業(yè)能耗，工業(yè)廢水排放總量，工業(yè)廢水中COD排放量，工業(yè)粉塵排放量)

國(guó)務(wù)院頒布的《國(guó)家環(huán)境保護(hù)“十一五”規(guī)劃》中，明確將“二氧化硫排放量和化學(xué)需氧量排放量必須削減10%”作為兩項(xiàng)總量控制指標(biāo)，并將其落實(shí)到各級(jí)政府作為考核指標(biāo)。為此，本文將工業(yè)SO2排放量(x6)作為補(bǔ)充納入環(huán)境影響指標(biāo)，即:

區(qū)域工業(yè)生態(tài)效率 =y2/f(x1，x3，x4，x6，x8)=工業(yè)增加值/f(工業(yè)能耗，工業(yè)廢水排放總量，工業(yè)廢水中COD排放量，工業(yè)SO2排放量，工業(yè)粉塵排放量)

2 DEA模型用于區(qū)域工業(yè)生態(tài)效率評(píng)價(jià)

數(shù)據(jù)包絡(luò)分析(DEA，Data Envelopment Analysis)是由著名運(yùn)籌學(xué)家Charnes、Cooper和Rhodes于1978年提出的一種基于線性規(guī)劃估計(jì)生產(chǎn)前沿面和測(cè)度相對(duì)效率的數(shù)學(xué)方法，其基本模型為CRS模型(固定規(guī)模收益模型，Constant Returns to Scale Model)。

DEA方法適用于評(píng)價(jià)包含多重執(zhí)行標(biāo)準(zhǔn)，且具有多個(gè)輸入和輸出的決策單元(DMU，decision making unit)的相對(duì)效率。DEA方法最初用于價(jià)格信息不容易得到的公共部門、非盈利組織的比較評(píng)估。由于該方法根據(jù)大量統(tǒng)計(jì)數(shù)據(jù)，采用線性規(guī)劃技術(shù)來(lái)確定不同執(zhí)行標(biāo)準(zhǔn)之間的最佳權(quán)重，從而排除了主觀因素的影響，具有很強(qiáng)的客觀性，因此，近年來(lái)在生態(tài)效率評(píng)價(jià)中得到了日益廣泛的應(yīng)用。

CRS模型假定所有的DMU均處于最優(yōu)的規(guī)模，實(shí)際生活中不完善的競(jìng)爭(zhēng)和約束等都會(huì)造成某個(gè)DMU并非處于最優(yōu)的規(guī)模，在這種情況下，會(huì)混淆技術(shù)效率(TE，Technical Efficiencies)和規(guī)模效率(SE，Scale Efficiencies)。因此，Banker、Charnes和 Cooper于1984年對(duì) CRS模型進(jìn)行了補(bǔ)充，并命名為VRS模型(可變規(guī)模收益模型，Variable Returns to Scale Model)，VRS模型只計(jì)算DMU的技術(shù)效率而排除了規(guī)模效率的影響，因此，在90年代后得到了更為廣泛的應(yīng)用。

2．1 測(cè)度綜合效率的投入導(dǎo)向CRS模型

投入導(dǎo)向CRS模型(CRS Input-Orientated DEA)用來(lái)測(cè)量決策單元的綜合效率(本文將其定義為工業(yè)生態(tài)效率)，即決策單元在產(chǎn)出(區(qū)域工業(yè)增加值)既定實(shí)現(xiàn)投入(資源消耗和環(huán)境影響)最小的能力。在CRS模型中，當(dāng)效率值TEI，CRS=1且各指標(biāo)松馳量(Slacks)為0時(shí)，該決策單元處于有效前沿面上，為DEA有效，此時(shí)，它既是技術(shù)有效，也是規(guī)模有效;當(dāng)效率值TEI，CRS＜1且各指標(biāo)松馳量不為0時(shí)，該決策單元為DEA無(wú)效，但對(duì)于無(wú)效決策單元，CRS模型并不能判斷是技術(shù)無(wú)效還是規(guī)模無(wú)效。

2．2 測(cè)度技術(shù)效率的投入導(dǎo)向VRS模型

在CRS模型中引入凸性約束，可得到VRS模型，其有效前沿面為一凸集，它包含的數(shù)據(jù)點(diǎn)比CRS的錐集更緊密。它僅僅評(píng)價(jià)決策單元的技術(shù)效率，其得分大于或等于CRS模型的綜合效率得分。如果效率值TEI，VRS=1且各指標(biāo)松馳量為0，則該決策單元達(dá)到了技術(shù)有效，否則為技術(shù)無(wú)效。

2．3 規(guī)模效率SEI的計(jì)算

綜合效率可分解為兩部分，即規(guī)模效率和技術(shù)效率。這可以通過(guò)同一組數(shù)據(jù)，利用CRS模型和VRS模型得出，如果某一DMU綜合效率得分不同于技術(shù)效率得分，則表示此DMU規(guī)模無(wú)效。通過(guò)綜合效率和技術(shù)效率可計(jì)算出規(guī)模效率。

決策單元的綜合效率 TEI，CRS=TEI，VRS× SEI

決策單元的規(guī)模效率 SEI=TEI，CRS/TEI，VRS

可以根據(jù)有關(guān)參數(shù)判斷其規(guī)模收益情況:

①如果 TEI，CRS=TEI，VRS，則該決策單元的規(guī)模效率SEI=1，此時(shí)達(dá)到最大產(chǎn)出規(guī)模點(diǎn)，且該決策單元處于規(guī)模收益不變階段。

②如果 TEI，CRS≠TEI，VRS，根據(jù)兩模型的特點(diǎn)，則該決策單元的綜合效率 TEI，CRS小于技術(shù)效率 TEI，VRS，此時(shí) SEI＜1，該決策單元為規(guī)模無(wú)效。

③如果該決策單元規(guī)模無(wú)效，可利用非遞增規(guī)模收益模型(NIRSNon－Increasing Returns to Scale Model)確定決策單元是處于規(guī)模收益遞增還是遞減階段。若效率值TEI，NIRS≠TEI，VRS，則該決策單元處于規(guī)模收益遞增階段，增加一個(gè)單位的投入會(huì)帶來(lái)大于一個(gè)單位的產(chǎn)出;若效率值 TEI，NIRS=TEI，VRS，則該決策單元處于規(guī)模收益遞減階段，增加一個(gè)單位的投入僅能帶來(lái)小于一個(gè)單位的產(chǎn)出。

3 各省份工業(yè)生態(tài)效率的比較分析

為了評(píng)價(jià)各省份工業(yè)的相對(duì)生態(tài)效率，并分析相關(guān)省份在保持產(chǎn)量和工業(yè)增加值基礎(chǔ)上，如何盡可能地減少能源消耗和污染物排放，以達(dá)到生態(tài)效率有效，本文選擇了我國(guó)30個(gè)省份作為決策單元，并將以上各指標(biāo)數(shù)據(jù)代入投入導(dǎo)向 CRS模型和 VRS模型，利用 DEAP 2．1［4］，分別求得各省份的工業(yè)生態(tài)效率、技術(shù)效率、規(guī)模效率以及所處的規(guī)模收益階段［5］。

3．1 工業(yè)生態(tài)效率的區(qū)間分布

從工業(yè)生態(tài)效率(TEI，CRS)的結(jié)果看，最大值為1，最小值為0．130，平均值為0．494，可見我國(guó)各省份之間工業(yè)生態(tài)效率差距較大。我們將各省份按工業(yè)生態(tài)效率有效(TEI，CRS=1)、無(wú)效程度輕微(0．721≤TEI，CRS＜ 1)、無(wú)效程度中等(0．401≤TEI，CRS ＜0．721)和無(wú)效程度嚴(yán)重(TEI，CRS＜0．401)進(jìn)行區(qū)間劃分，各省份的工業(yè)生態(tài)效率分布情況見表3:

表3 工業(yè)生態(tài)效率的區(qū)間分布

在30個(gè)省份中，有4個(gè)省份為工業(yè)生態(tài)效率有效，占省份總數(shù)的13%;這4個(gè)省份既是技術(shù)有效也是規(guī)模有效，其余26個(gè)省份處于無(wú)效狀態(tài)，占省份總數(shù)的87%;工業(yè)生態(tài)效率在平均值(0．494)以下的有21個(gè)省份，占省份總數(shù)的70%;工業(yè)生態(tài)效率最高的為1，有北京、天津、上海、廣東;最低為寧夏，工業(yè)生態(tài)效率只有0．130;由此可見，我國(guó)各省份工業(yè)生態(tài)效率差距較大。

3．2 工業(yè)生態(tài)效率有效省份分析

從CRS模型的結(jié)果看，北京、天津、上海、廣東4個(gè)省份工業(yè)生態(tài)效率為1，處于CRS生產(chǎn)前沿面上，即呈現(xiàn)工業(yè)生態(tài)效率有效狀態(tài)。工業(yè)生態(tài)效率等于技術(shù)效率與規(guī)模效率的乘積，因此，VRS模型結(jié)果也顯示這4個(gè)省份技術(shù)效率為1，處于VRS生產(chǎn)前沿面上，呈現(xiàn)技術(shù)效率有效狀態(tài)。通過(guò)模型定義可以確定，這些工業(yè)生態(tài)效率有效的省份既是技術(shù)有效也是規(guī)模有效。

3．3 工業(yè)生態(tài)效率無(wú)效省份分析

3．3．1 技術(shù)效率、規(guī)模效率分析

除北京、天津、上海、廣東外，其余26個(gè)省份均處于工業(yè)生態(tài)效率無(wú)效狀態(tài)，由于CRS模型計(jì)算的工業(yè)生態(tài)效率混雜有規(guī)模效率的因素，而CRS模型又不能有效地將其剔除，即不能判斷出這些工業(yè)生態(tài)效率無(wú)效的省份是技術(shù)無(wú)效還是規(guī)模無(wú)效。因此，結(jié)合運(yùn)用CRS模型和VRS模型，可將工業(yè)生態(tài)效率無(wú)效的省份做進(jìn)一步劃分，即分成技術(shù)有效規(guī)模無(wú)效、技術(shù)無(wú)效規(guī)模有效、技術(shù)及規(guī)模均無(wú)效省份三類。

技術(shù)有效而規(guī)模無(wú)效的省份是山東和海南。其技術(shù)效率值為1，表明技術(shù)水平較高，達(dá)到了技術(shù)有效;但這兩個(gè)省份的規(guī)模效率較低，因此也導(dǎo)致了工業(yè)生態(tài)效率較低。

技術(shù)無(wú)效而規(guī)模有效，規(guī)模有效的前提是工業(yè)生態(tài)效率等于技術(shù)效率，在本文工業(yè)生態(tài)效率無(wú)效省份中沒(méi)有規(guī)模有效的省份。

技術(shù)及規(guī)模均無(wú)效省份，包括其余24個(gè)工業(yè)生態(tài)效率無(wú)效省份。這些省份工業(yè)企業(yè)不僅技術(shù)效率不高，而且規(guī)模效率也較低。如，寧夏的技術(shù)效率為0．29、規(guī)模效率為0．449，因此工業(yè)生態(tài)效率也僅為0．13。對(duì)這些省份而言，應(yīng)結(jié)合本身的特點(diǎn)，從技術(shù)效率和規(guī)模效率兩個(gè)角度，找出節(jié)能減排的薄弱環(huán)節(jié)和影響產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的各項(xiàng)因素，采取相應(yīng)措施以提高本省總體工業(yè)生態(tài)效率。

3．3．2 規(guī)模收益分析

從規(guī)模收益角度看，26個(gè)工業(yè)生態(tài)效率無(wú)效省份中，有19個(gè)省份處于規(guī)模收益遞增階段，即適當(dāng)增加一定比例的能源消耗等會(huì)帶來(lái)高于此比例的工業(yè)生產(chǎn)總量(工業(yè)增加值);其余7個(gè)省份處于規(guī)模收益遞減階段，即增加一定比例的能源消耗等僅能帶來(lái)小于該比例的工業(yè)增加值。

3．3．3 指標(biāo)射線量(radial)、松馳量分析

各無(wú)效省份與相應(yīng)標(biāo)桿省份工業(yè)生態(tài)效率的差距由兩部分組成，即射線無(wú)效投入量(射線量)加非射線投入松弛量(松弛量)，前者為各投入指標(biāo)沿著射線按比例縮減投入量，后者為某一指標(biāo)投入量與相應(yīng)標(biāo)桿省份之比的冗余量。因此，根據(jù)各指標(biāo)射線量和松馳量的計(jì)算結(jié)果，我們可以分析工業(yè)生態(tài)效率無(wú)效省份向有效前沿面調(diào)整的方向。即，某一具體的工業(yè)生態(tài)效率無(wú)效省份可通過(guò)減少能源消耗數(shù)量及減少污染物產(chǎn)生和排放量，來(lái)逐漸達(dá)到結(jié)構(gòu)的優(yōu)化和相對(duì)效率的提高。

3．4 標(biāo)桿省份對(duì)比分析(peer count)

標(biāo)竿學(xué)習(xí)對(duì)象(peers)為相對(duì)無(wú)效省份為達(dá)到有效率時(shí)所參考的對(duì)象。故有效率的省份被參考的次數(shù)越多，代表有越多的無(wú)效率省份以它為標(biāo)竿，亦即表示該省份經(jīng)濟(jì)越有效率。有21個(gè)工業(yè)生態(tài)效率較低的省份以上海為標(biāo)桿、17個(gè)省份以北京為標(biāo)桿和9個(gè)省份以廣東為標(biāo)桿，可見上海、北京、廣東不論在節(jié)能減排還是在產(chǎn)業(yè)結(jié)構(gòu)合理配置上都是值得學(xué)習(xí)和借鑒的榜樣。

4 結(jié)論

(1)生態(tài)效率評(píng)價(jià)指標(biāo)的選取和優(yōu)化是科學(xué)、客觀地評(píng)價(jià)區(qū)域生態(tài)效率的重要前提。本文首次提出了利用現(xiàn)有統(tǒng)計(jì)年鑒資料，提取符合計(jì)算生態(tài)效率要求和DEA模型要求的全部相關(guān)指標(biāo)，并對(duì)這些指標(biāo)進(jìn)行相關(guān)性(共線性)及顯著性檢驗(yàn)，逐步篩選出科學(xué)的評(píng)價(jià)指標(biāo)，克服了此類分析在指標(biāo)確定及指標(biāo)選取個(gè)數(shù)上的隨意性。

(2)從工業(yè)生態(tài)效率的計(jì)算結(jié)果可看出，工業(yè)生態(tài)效率有效的省份是北京、天津、上海、廣東，這些省份為我國(guó)工業(yè)生態(tài)環(huán)境的改善和工業(yè)生態(tài)效率的提高做出了積極的貢獻(xiàn)并起到了表率作用。尤其上海、北京、廣東不論在技術(shù)效率還是在規(guī)模效率上都是值得學(xué)習(xí)和借鑒的榜樣。

(3)工業(yè)生態(tài)效率較低的省份(TEI，CRS＜1)，可通過(guò)與相關(guān)的標(biāo)桿省份進(jìn)行比較，找出節(jié)能減排的差距，從而達(dá)到工業(yè)生態(tài)效率有效。

(編輯:劉照勝)

［1］Timo K，Mika K．Measuring Eco-efficiency of Production with Data Envelopment Analysis［J］．Journal of Industrial Ecology，2005，9(4):59－72．

［2］郭莉，郭亞軍．區(qū)域生態(tài)經(jīng)濟(jì)評(píng)價(jià)模型及實(shí)證研究［J］．技術(shù)經(jīng)濟(jì)，2006，(8):124 －128．

［3］王震，等．區(qū)域工業(yè)生態(tài)效率的測(cè)算方法及應(yīng)用［J］．中國(guó)人口·資源與環(huán)境，2008，(6):121 －126．

［4］Tim C．A Guide to DEAP Version 2．1［Z］．CEPA Working Paper，1996:08．

［5］王孟欣，等．我國(guó)各省份工業(yè)企業(yè)R＆D效率的DEA模型分析［J］．河北大學(xué)學(xué)報(bào):哲學(xué)社會(huì)科學(xué)版，2008，(4):38 －41．