基于DEA非期望產(chǎn)出的江蘇省十三城市排放治理效率評(píng)價(jià)

黃賢鳳 劉春紅

摘要：文章運(yùn)用DEA非期望產(chǎn)出模型評(píng)價(jià)江蘇省13城市2014年工業(yè)排放治理效率。研究發(fā)現(xiàn)：江蘇省13城市平均排放治理效率不是很理想，其中有7個(gè)城市為DEA無效；蘇中、蘇南兩個(gè)地區(qū)相對(duì)排放治理效率較好，但是蘇北地區(qū)排放治理效率較差，是改進(jìn)的重點(diǎn)區(qū)域；對(duì)于DEA無效的7個(gè)城市都存在著資源投入和污染物冗余現(xiàn)象，應(yīng)著力對(duì)此進(jìn)行改善。

關(guān)鍵詞：數(shù)據(jù)包絡(luò)分析；非期望產(chǎn)出；排放治理效率

一、引言

近年來環(huán)境問題日益嚴(yán)重，工業(yè)廢水、廢氣、固體廢氣物等污染排放嚴(yán)重影響著城市生活環(huán)境，節(jié)能減排引起了人們的關(guān)注。郭國峰（2013）提出應(yīng)該加快國外先進(jìn)工業(yè)節(jié)能減排技術(shù)的引進(jìn)，以提高我國工業(yè)節(jié)能減排效率。為提高節(jié)能減排效果，需要針對(duì)不同區(qū)域工業(yè)能耗和排放的特點(diǎn)采用差異化技術(shù)，因此，對(duì)不同區(qū)域工業(yè)節(jié)能減排效率進(jìn)行評(píng)價(jià)顯得尤為重要。在研究節(jié)能減排效率問題時(shí)，經(jīng)常采用的方法是數(shù)據(jù)包絡(luò)分析法（Data Envelopment Analysis，DEA）。Kao（2009）提出了并行DEA模型，這一模型允許為同一決策單元中各子系統(tǒng)賦予不同的權(quán)重值，為識(shí)別出非有效來源提供了有力依據(jù)。蔡寧等（2014）通過以非徑向、非導(dǎo)向基于松弛變量的SBM-DDF模型構(gòu)建工業(yè)節(jié)能減排指數(shù)評(píng)估工業(yè)節(jié)能減排效率。張?jiān)谛瘢?014）運(yùn)用超效率DEA模型對(duì)工業(yè)節(jié)能減排效率進(jìn)行了評(píng)價(jià)。李靜（2015）采用基于SBM的網(wǎng)絡(luò)DEA模型對(duì)工業(yè)行業(yè)綠色生產(chǎn)和環(huán)境治理這兩個(gè)階段的效率進(jìn)行了研究。

江蘇作為我國經(jīng)濟(jì)強(qiáng)省，2014年GDP為65088.32億元，其中工業(yè)增加值為26962.97億元，其SO2排量、工業(yè)固體廢物排量和廢水排量分別為87.02萬噸、10924.73萬噸、20.49億噸，分別占全國的9.98%、5.00%、3.35%，對(duì)全國生態(tài)環(huán)境產(chǎn)生較大影響。本文運(yùn)用DEA非期望產(chǎn)出模型，以江蘇省13城市為評(píng)價(jià)對(duì)象，分析2014年排放治理效率水平，并針對(duì)各個(gè)城市排放治理效率的不同提出改善建議，以期對(duì)制定江蘇省相關(guān)城市工業(yè)排放治理措施提供決策參考。

二、研究方法與數(shù)據(jù)來源

（一）模型

傳統(tǒng)的DEA模型大都屬于徑向和角度的度量，不能對(duì)投入產(chǎn)出的松弛性問題進(jìn)行充分考慮，因此度量的效率值也是不準(zhǔn)確或有偏的。Tone（2003）提出了解決這一問題的非徑向和非角度的SBM模型。SBM模型既解決了投入產(chǎn)出松弛性問題，也解決了非期望產(chǎn)出存在的效率評(píng)價(jià)問題，其基本形式為：

其中，s表示投入產(chǎn)出的松弛變量，λ是權(quán)重向量。目標(biāo)函數(shù)ρ是關(guān)于S-，Sb，Sg嚴(yán)格遞減的。并且0≤ρ≤1.對(duì)于待評(píng)價(jià)決策單元，當(dāng)且僅當(dāng)ρ*=1，即S-=0，Sb=0，Sg=0時(shí)，該決策單元是有效的。當(dāng)0≤ρ*<1時(shí)，說明被評(píng)價(jià)單元是非有效的，具有投入產(chǎn)出改進(jìn)的必要性。

（二）數(shù)據(jù)來源

本文的研究對(duì)象為2014年江蘇省13個(gè)城市，樣本數(shù)據(jù)來自《江蘇統(tǒng)計(jì)年鑒2015》。以2014年江蘇省各市工業(yè)源的化學(xué)需氧量排放量、二氧化硫排放量，工業(yè)增加值為產(chǎn)出指標(biāo)，選取固定資產(chǎn)投入、工業(yè)環(huán)保投資額、工程技術(shù)人員數(shù)量為排放治理投入指標(biāo)。投入產(chǎn)出數(shù)據(jù)特征描述見表1。

三、實(shí)證結(jié)果分析

（一）江蘇省工業(yè)排放治理效率評(píng)價(jià)與比較

以MaxDEA軟件為計(jì)算平臺(tái)，利用非期望產(chǎn)出模型測算得到江蘇省2014年13城市工業(yè)排放治理效率情況。此外，從江蘇省的發(fā)展和地理因素角度來看，江蘇省各市通常分為三個(gè)主要區(qū)域：蘇南（蘇州、無錫、常州、鎮(zhèn)江、南京）、蘇中（南通、揚(yáng)州、泰州）、蘇北（徐州、淮安、鹽城、連云港、宿遷）?？梢愿鶕?jù)這三個(gè)地區(qū)的平均工業(yè)排放治理效率進(jìn)行對(duì)比分析。結(jié)果如表2所示。

從表2可以看出，江蘇省13城市排放治理平均綜合效率不到0.8，說明江蘇省排放治理效率還有待提高，其中：排放治理效率有效的城市有無錫、常州、蘇州、南通、鎮(zhèn)江、泰州，在非DEA有效的城市中有4個(gè)城市綜合效率不到0.5，是排放治理改善的重點(diǎn)城市。從劃分區(qū)域來看，蘇中、蘇南地區(qū)工業(yè)排放治理效率較高，蘇北地區(qū)整體效率較低，具有很大的改進(jìn)空間。

（二）工業(yè)排放治理效率低下的原因分析

根據(jù)DEA方法的基本原理，投入導(dǎo)向DEA模型計(jì)算得到的非DEA有效單元必然存在投入冗余現(xiàn)象。根據(jù)MaxDEA軟件分析結(jié)果得出2014年非DEA有效城市投入冗余與冗余率，如表3所示。

從表3可以看出：污染物過量排放、人員與費(fèi)用投入冗余是排放治理效率低下的主要原因，其中環(huán)保投資平均冗余率較高，說明環(huán)保投資利用效率不高；COD排放平均冗余率相比較也很高，說明污染控制力度還不夠大。每個(gè)城市排放治理效率低下的主要原因有所不同，南京市、連云港市、淮安市、鹽城市、宿遷市主要冗余是環(huán)保投資冗余和COD排放過多；徐州市主要是工程技術(shù)人員冗余和SO2排放過量；揚(yáng)州市主要是工程技術(shù)人員冗余和COD排放過量。

四、研究結(jié)果與建議

1. 本文運(yùn)用SBM模型來處理含有工業(yè)污染排放非期望產(chǎn)出問題，選取相應(yīng)指標(biāo)測算了江蘇省13城市工業(yè)排放治理效率，以及蘇南、蘇中、蘇北三個(gè)區(qū)域的平均工業(yè)排放治理效率，并對(duì)結(jié)果進(jìn)行了分析說明。

2. 處于最優(yōu)前沿面上的六個(gè)城市，即無錫、常州、蘇州、南通、鎮(zhèn)江、泰州投入冗余和污染物排放過量均為0。在效率低下的城市中宿遷市的工業(yè)排放效率最低，是重點(diǎn)改進(jìn)城市，其他效率低下的城市也應(yīng)該進(jìn)一步加大污染物排放的控制，對(duì)于資產(chǎn)投資應(yīng)該進(jìn)行嚴(yán)格控制，盡量多投資污染排放相對(duì)少的企業(yè)；對(duì)于環(huán)保投資應(yīng)該進(jìn)一步監(jiān)督落實(shí)。

3. 分區(qū)域時(shí)的結(jié)果表明，蘇中、蘇南地區(qū)城市工業(yè)排放處理效率整體偏高，而蘇北地區(qū)城市工業(yè)排放治理效率處于較低水平，是江蘇省排放控制重點(diǎn)地區(qū)。

參考文獻(xiàn)：

[1]郭國峰，王彥彭. “十二五”時(shí)期工業(yè)節(jié)能潛力與目標(biāo)分析[J].中國工業(yè)經(jīng)濟(jì)，2013（03）.

[2]Kao C. Efficiency Measurement for Parallel Production Systems[J]，European Journal of Operational Research，2009，196（03）.

[3]蔡寧，叢雅靜，李卓.技術(shù)創(chuàng)新與工業(yè)節(jié)能減排效率——基于SBM—DDF方法和板數(shù)據(jù)模型的區(qū)域差異研究[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2014（06）.

[4]張?jiān)谛?，劉永?山東省城市工業(yè)節(jié)能減排效率評(píng)價(jià)及影響因素研究[J].中外能源，2014（11）.

[5]李靜，倪冬雪.中國工業(yè)綠色生產(chǎn)與治理效率研究——基于兩階段SBM網(wǎng)絡(luò)模型和全局Malmquist方法[J].工業(yè)技術(shù)經(jīng)濟(jì)，2015（03）.

[6]Tone K.Dealing with undesirable output in DEA： A slacks-based measure （SBM） approach[J]，GRIPS Research Report Series I，2003（05）.

（作者單位：江蘇大學(xué)管理學(xué)院）