我國主要工業(yè)省區(qū)大氣污染排放效率的地區(qū)差異、變化趨勢與成因分解

汪克亮,孟祥瑞,楊 力,楊寶臣,王建民,程云鶴(.安徽理工大學經(jīng)濟與管理學院,安徽 淮南300；.天津大學管理與經(jīng)濟學部,天津 30007)

我國主要工業(yè)省區(qū)大氣污染排放效率的地區(qū)差異、變化趨勢與成因分解

汪克亮1*,孟祥瑞1,楊 力1,楊寶臣2,王建民1,程云鶴1(1.安徽理工大學經(jīng)濟與管理學院,安徽 淮南232001；2.天津大學管理與經(jīng)濟學部,天津 300072)

運用非徑向方向性距離函數(shù)(NRDDF)與具有差分結(jié)構(gòu)的改進型Luenberger生產(chǎn)率指標,分別基于靜態(tài)與動態(tài)維度對2003～2012年間我國13個主要工業(yè)省區(qū)大氣污染排放效率的地區(qū)差異、變化趨勢及其成因進行了深入研究.結(jié)果表明:我國主要工業(yè)省區(qū)大氣污染排放效率偏低,地區(qū)差異特征明顯,大氣污染減排潛力巨大,純技術(shù)效率是大氣污染排放效率較低的主要制約因素;無論是從整體還是單一污染物來看,我國主要工業(yè)省區(qū)的大氣污染排放效率增長呈現(xiàn)完全依賴環(huán)境技術(shù)進步的單輪驅(qū)動模式,而純技術(shù)效率與規(guī)模效率的變化則起到了阻礙作用;通過分析大氣污染減排的優(yōu)勢與不足,發(fā)現(xiàn)我國主要工業(yè)省區(qū)大氣污染排放效率呈現(xiàn)兩極分化趨勢顯著的馬太效應特征,各工業(yè)省區(qū)之間的效率差距有可能會繼續(xù)擴大.

大氣污染排放效率；工業(yè)省區(qū)；地區(qū)差異；變化趨勢；成因分解

近年來,為了有效遏制大氣污染和霧霾天氣,國內(nèi)外學者從技術(shù)、經(jīng)濟等層面開展了廣泛深入研究,提出了一系列針對性的對策與措施.然而,專注于大氣污染排放效率的文獻仍然鮮見,相關(guān)研究主要是面向能源環(huán)境效率這一主題展開.其中,基于數(shù)據(jù)包絡分析(DEA)的能源環(huán)境效率指標得到廣泛應用,是當前這一領(lǐng)域的主流方法,研究成果非常豐富,Hu等[1]首次基于DEA提出了全要素能源效率(TFEE)指標并以中國省份為對象進行了實證分析;有學者運用 TFEE指標分析了中國能源效率的地區(qū)差異、動態(tài)演變與影響機制[2-4];也有學者將能源利用的環(huán)境效應納入DEA分析框架,科學評價了環(huán)境約束下的中國省際能源利用效率[5-7];Zhou等[8]采用基于環(huán)境DEA技術(shù)的Malmquist生產(chǎn)率指數(shù)測度了1997～2004年世界上前18位排放大國的二氧化碳排放績效;王奇等[9]運用超效率DEA模型對我國各省份的大氣污染治理效率進行了分析,是隸屬于本文研究主題的少數(shù)文獻之一.上述研究以傳統(tǒng)Shephard距離函數(shù)為基礎,只能基于投入或產(chǎn)出某一導向,無法同時考慮投入與產(chǎn)出兩個方面,在理論上有一定的局限性.Chung等[10]提出方向性距離函數(shù)(DDF)較好地解決了這一問題,該函數(shù)可以同時兼顧經(jīng)濟增長與節(jié)能減排,能夠體現(xiàn)又好又快的綠色發(fā)展思想[10];隨后,有學者將 DDF引入到能源環(huán)境效率研究之中,獲得更加科學的效率測度結(jié)果[11-13].但這些研究均是在傳統(tǒng)徑向框架下進行,要求投入產(chǎn)出必須同比例擴張或收縮,沒有考慮松弛變量的影響而導致效率測度的扭曲.為此,國內(nèi)外學者采用非徑向(non-radial) DEA模型來改進這一缺陷.Zhou等[14]基于環(huán)境生產(chǎn)技術(shù)提出了幾類非徑向環(huán)境效率評價模型,對于后續(xù)研究具有較強的導向作用;王兵等[15]率先使用SBM-DDF與Luenberger生產(chǎn)率對中國省域環(huán)境效率與生產(chǎn)率進行了分析;Choi等[16]運用SBM模型針對中國省域能源效率、碳減排潛力以及邊際減排成本開展了研究.類似的采用非徑向 DEA模型研究還包括 Wang等[17]、宋馬林等

[18]、王兵等[19].

大量研究表明,非徑向 DEA方法研究環(huán)境效率具有突出優(yōu)勢,本文將沿用該方法進行分析,并在具體方法選擇上,采用更加先進的非徑向DDF(NRDDF)與基于差分結(jié)構(gòu)的Luenberger生產(chǎn)率指標這兩種工具,從靜態(tài)與動態(tài)兩個層面測算大氣污染排放效率,從單一污染物視角分解大氣污染排放效率的靜態(tài)與動態(tài)指數(shù),不僅能考察每種污染物在大氣污染減排中的貢獻,而且還可獲得驅(qū)動區(qū)域大氣污染排放效率提升的深層次因素,并由此判斷區(qū)域大氣污染減排的優(yōu)勢與不足,為減排路徑選擇與策略優(yōu)化提供借鑒與參考.

1 研究方法

1.1 非徑向DDF與大氣污染排放效率測算

假設有 k( k = 1,2,...,K)個決策單元的經(jīng)濟增加值為v,同時排放出 n( n = 1,2,...,N)種大氣污染物,即 p=(p1, p2,...,pN).本文定義決策單元的經(jīng)濟增加值與排放的大氣污染物的所有可能組合為“污染產(chǎn)生技術(shù)集(PGTS)”:

式中:RN+1N×1階實矩陣,為借鑒文獻[20-21]關(guān)于環(huán)境效率的定義,本文將以決策單元經(jīng)濟增加值與大氣污染排放量之比來度量大氣污染排放效率(APEE),即:

式中:函數(shù) f (.)可以將不同的污染物綜合為一個一體化的大氣污染排放整體指標.本文將采用線性加權(quán)函數(shù)的方式,得到?jīng)Q策單元 k′大氣污染排放效率的計算公式為:

本文利用DEA方法測算大氣污染排放效率,在規(guī)模報酬不變(CRS)假定下,第 ′k個決策單元的大氣污染排放效率可以由以下的數(shù)學規(guī)劃計算得到:

通過計算(4)式即可獲得決策單元 k′的大氣污染排放效率值.這是一種徑向測度方法,要求投入或產(chǎn)出同比例擴張或收縮.當存在投入產(chǎn)出松弛時,徑向測度方法會導致測度結(jié)果出現(xiàn)偏差.為此,本文引入更一般的非徑向方向性距離函數(shù)(NRDDF)來測度區(qū)域大氣污染排放效率[22-23],方向向量設為( gp,gv)=(p ,0),計算公式如下:

基于式(5)中NRDDF的測算結(jié)果,即可得到?jīng)Q策單元 k′的靜態(tài)大氣污染排放效率(A-APEEk′)及其每一種大氣污染物的排放效率(S-APEEnk'),計算公式分別如(6)、(7)所示.

NRDDF改進了傳統(tǒng)徑向Debreu-Farrell效率測度結(jié)果的不足,考慮了包括松弛在內(nèi)所有無效率因素,因而測度結(jié)果更為準確,是一種Pareto-Koopmans效率.

值得注意的是,式(5)的計算是在規(guī)模報酬不變假設(CRS)條件下進行的.如果加入約束條件則可將大氣污染排放效率分解為純技術(shù)效率(PTE)與規(guī)模效率(SE),并由此來判斷決策單元的技術(shù)有效性與規(guī)模有效性.

1.2 改進型Luenberger生產(chǎn)率指標與大氣污染排放動態(tài)效率的分解

1.1 節(jié)是基于靜態(tài)維度,測算的效率指數(shù)只能反映同一時期內(nèi)不同決策單元的相對有效性.然而,不同時期之間決策單元效率變化趨勢的測算需要依靠動態(tài)分析才能實現(xiàn).對于動態(tài)效率測度方法的選擇,本文將引入具有差分結(jié)構(gòu)的非徑向Luenberger生產(chǎn)率指標[24-25]這一新型方法,這需要求解4個非徑向方向距離函數(shù),包括2個當期NRDDF與2個混合期DRDDF,分別如(8)～(12)式所示.

βn為在既定的方向向量之下決策單元每一種污染物能夠縮減的最大比例.則基于每一種大氣污染物 n( n = 1,...,N)動態(tài)排放效率的非徑向的Luenberger生產(chǎn)率指標(Ln)可以由(12)式計算得到.

為了探討動態(tài)效率的驅(qū)動機制,類似于 Fare等[26]提出的基于 Malmquist生產(chǎn)率指數(shù)的分解模式,我們也可以將Luenberger生產(chǎn)率指標Ln分解為技術(shù)效率變化(LTECn)與環(huán)境技術(shù)進步(LTCn)指數(shù)兩個部分,如(13)、(14)式所示:

根據(jù)Fare等[27]還可以進一步將技術(shù)效率變化指數(shù)(LTECn)分解為純技術(shù)效率變化指數(shù)與規(guī)模效率變化指數(shù),這還需要計算另外兩個非徑向方向性距離函數(shù),只需在式(8)與(11)中加入這一約束條件,即規(guī)模報酬可變(VRS)假設下的 2個非徑向方向距離函數(shù),值分別為.于是,得到純技術(shù)效率變化(LPTECn)與規(guī)模效率變化指數(shù)(LSECn),分別為:

由于具有差分結(jié)構(gòu)的非徑向 Luenberger生產(chǎn)率指標具有可加特性,因此將每一種大氣污染物排放的動態(tài)效率指數(shù)及其分解指數(shù)(Ln、LTCn、LPTECn與 LSECn)相加取平均就可以得到整體大氣污染排放動態(tài)效率指數(shù)及其分解指數(shù)(AL、ALTC、APTEC與ALSEC),即:

通過上述分解模式可以得到每一種大氣污染物減排在整體大氣污染排放效率提升中所做的貢獻,同時也可以得到每個省區(qū)在大氣污染治理方面的優(yōu)勢與薄弱環(huán)節(jié),從而為我國大氣污染排放效率的研究提供一個更為深入的維度.

2 結(jié)果與討論

2.1 樣本與數(shù)據(jù)

本文將大氣污染排放效率定義為經(jīng)濟增加值與大氣污染排放總量的比值,運用DEA方法求解大氣污染排放效率,以各省區(qū)為決策單元.大氣污染物種類較多,如SO2、CO、氮氧化物、煙粉塵以及碳氫化合物等.其中只有 SO2、煙粉塵的歷年省際排放數(shù)據(jù)可以獲得,省際氮氧化物排放量只有2006年以后的數(shù)據(jù),而其它各類大氣污染排放的省際數(shù)據(jù)無法獲取.因此本文只能選擇SO2與煙粉塵這兩類大氣污染物.除此之外,本文也將CO2看作是一種大氣污染物因CO2過度排放形成的溫室效應引起全球氣候變暖,冷空氣活動減弱,導致不利于污染物擴散的靜穩(wěn)天氣增加,使得空氣質(zhì)量下降并提升了霧霾天氣發(fā)生的頻率.同時考慮到我國已成為世界上CO2排放量最大的國家,在國際上將面臨越來越大的碳減排壓力.綜上,本文最終選擇 CO2、SO2與煙粉塵(SD)作為大氣污染物的代表建立評價模型,采用省區(qū)GDP作為經(jīng)濟增加值指標.基于數(shù)據(jù)可得性,本文研究區(qū)間定為 2003～2012年,各省區(qū) GDP以2003年不變價格進行換算.

表1 投入產(chǎn)出變量數(shù)據(jù)的描述性統(tǒng)計(2003～2012年)Table 1 Descriptive statistics of sample’s input and output variables (2003～2012)

由于我國不同區(qū)域工業(yè)化水平存在很大差異,不同省區(qū)大氣污染減排潛力是不同的.為此,本文根據(jù)近20年的數(shù)據(jù),按照工業(yè)總產(chǎn)值占當?shù)谿DP的比重在40%及以上的標準,挑選了13個主要工業(yè)省區(qū)作為研究對象.經(jīng)統(tǒng)計得出,這 13個主要工業(yè)省區(qū)的 GDP總和約占全國總量的70%,工業(yè)總產(chǎn)值約占全國總量的75%.這些省區(qū)為天津、河北、山西、遼寧、黑龍江、上海、江蘇、浙江、福建、山東、河南、湖北與廣東.從大氣污染排放總量來看,2003～2012年間這13個省區(qū)的CO2、SO2與煙粉塵排放量分別占到全國排放總量的62.7%、53.0%與52.7%,是我國大氣污染排放的主要來源.可以說改善這13個主要工業(yè)省區(qū)的大氣污染排放效率對緩解我國大氣污染危機至關(guān)重要.由于無法直接獲得各省區(qū) CO2排放數(shù)據(jù),本文利用煤炭、石油與天然氣3類含碳能源消費量來估算13個主要工業(yè)省區(qū)的CO2排放量,估算公式為:CO2排放量=含碳能源消費量×0.67×3.67,其中 0.67為 CO2氣化系數(shù),3.67為碳折算系數(shù)[31].本文各變量描述性統(tǒng)計如表 1所示.

2.2 實證測算與結(jié)果分析

2.2.1 我國主要工業(yè)省區(qū)大氣污染排放效率測算、分解與地區(qū)差異 通過非徑向方向性距離函數(shù)與 DEA方法,本文首先基于靜態(tài)維度測算了2003～2012年我國13個主要工業(yè)省區(qū)的大氣污染排放整體效率(A-APEE)以及每一種污染物的排放效率(S-APEE),結(jié)果如表2所示.

表2 我國主要工業(yè)省區(qū)大氣污染排放靜態(tài)效率測算結(jié)果(2003～2012年)(CRS)Table 2 Measurement results of atmospheric pollution emissions efficiencies of China’s major industrial provinces (2003～2012)(CRS)

由表2可知,2003～2012年間,我國13個主要工業(yè)省區(qū)的大氣污染排放效率平均值為 0.6098,整體水平不高,距離生產(chǎn)前沿還存在 40%左右的改進空間,大氣污染減排潛力巨大.在 13個工業(yè)省區(qū)中,上海的表現(xiàn)最為突出,樣本期內(nèi)一直位于生產(chǎn)前沿之上,大氣排放效率水平最高,是其他省區(qū)“追趕”的對象.效率值相對較高的省區(qū)還包括浙江(0.9630)、福建(0.9310)與廣東(0.9229),均在0.90以上.效率值最低的 3個省份依次是山西(0.1317)、河北(0.3012)與遼寧(0.3530),效率值都在0.40以下.從單一污染物視角來看,CO2排放效率最高,為0.7448,其次為SO2排放效率,為0.6272,最低的SD排放效率為0.4575.3大污染物中,只有SD排放效率低于全國平均水平.與整體效率一樣,3大污染物排放效率同樣也顯示出顯著的地區(qū)異質(zhì)性,其中上海、浙江、福建與廣東的表現(xiàn)明顯優(yōu)于其它省區(qū),穩(wěn)居3大效率指數(shù)的前4位,且上海在樣本期內(nèi)的 3大效率指數(shù)都為 1,山西表現(xiàn)最差,三大效率指數(shù)分別只有0.2400、0.1121與0.0430,均處于最后位次.通過測算樣本期內(nèi)各年度大氣污染排放效率的標準差,發(fā)現(xiàn) SD排放效率之間的差距最大,標準差平均達到了0.3700, CO2排放效率之間的差距最小,標準差為0.2493.根據(jù)標準差的演變,我們發(fā)現(xiàn)4大效率指數(shù)均不存在收斂態(tài)勢,各省區(qū)間的效率差距有擴大趨向.同時,從表2還可以看出,來自東部沿海的上海、浙江等經(jīng)濟發(fā)達省區(qū)的大氣污染排放效率要明顯高于東北與中部省區(qū),表明大氣污染排放效率與區(qū)域發(fā)展水平之間呈很強的正相關(guān)關(guān)系.東部沿海省區(qū)地理位置優(yōu)越、經(jīng)濟開放度高、外資引進便捷、污染防控技術(shù)發(fā)達、企業(yè)管理模式先進,為大氣污染排放效率提升創(chuàng)造了良好條件,而東北與中部地區(qū)的產(chǎn)能落后、技術(shù)水平低下、外資利用不足、交通不便、管理模式落后等都是其大氣污染排放效率進一步提升的桎梏.另外,我們還發(fā)現(xiàn)“三高”行業(yè)比例過大,產(chǎn)業(yè)結(jié)構(gòu)粗放是大氣污染排放效率較低省區(qū)的共同特點.

為了進一步考察區(qū)域大氣污染排放效率的技術(shù)與規(guī)模有效性,本文在規(guī)模報酬可變假設(VRS)條件下測算了 13個主要工業(yè)省區(qū)的大氣污染排放效率,由此將大氣污染排放效率分解為純技術(shù)效率(PTE)與規(guī)模效率(SE),如表 3所示.通過測算發(fā)現(xiàn),2003～2012年13個省區(qū)整體大氣污染排放的純技術(shù)效率與規(guī)模效率均值分別為0.6729與0.9057.其中,CO2排放的純技術(shù)效率最高,為 0.7454,其次為 SO2,為 0.6909,SD最低為0.5612.3大污染物排放的規(guī)模效率值都在 0.80以上,分別為0.9590、0.8960與0.8160,依然是CO2最高,SO2次之,SD最低.由此可知,無論是基于整體還是單一排放物的視角,大氣污染排放的純技術(shù)效率都是顯著低于規(guī)模效率,這表明我國主要工業(yè)省區(qū)大氣污染排放效率較低的制約因素主要來自純技術(shù)效率方面.根據(jù)測算結(jié)果我們發(fā)現(xiàn)各省區(qū)大氣污染排放的規(guī)模效率已經(jīng)接近生產(chǎn)前沿,且多數(shù)省區(qū)已處于規(guī)模報酬遞減(drs)狀態(tài),如果繼續(xù)擴大生產(chǎn)投入規(guī)模,效率改善有限甚至適得其反.相比之下,純技術(shù)效率還存在很大改進空間,這為今后大氣污染治理提供了導向.淘汰落后產(chǎn)能、革新生產(chǎn)與治污技術(shù)、合理安排制度、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、創(chuàng)新管理模式等應作為重點手段予以實施.從地區(qū)異質(zhì)性來看,不同省區(qū)之間整體大氣污染排放的純技術(shù)效率差異相對較大,標準差達到 0.3171,而規(guī)模效率之間的差距則要小很多,標準差僅為 0.0999,3大污染物的比較也可以得到類似結(jié)論.從差距演變來看,2003～2012年,無論是整體還是 3大污染物排放的純技術(shù)效率都不存在收斂趨勢,差距在逐漸擴大,而規(guī)模效率則較為穩(wěn)定,各省區(qū)之間差距較小且變化不明顯.

表3 我國主要工業(yè)省區(qū)大氣污染排放效率的分解結(jié)果(2003～2012年)Table 3 Decomposition result of atmospheric pollution emissions efficiencies of China’s major industrial provinces (2003～2012)

2.2.2 我國主要工業(yè)省區(qū)大氣污染排放動態(tài)效率測算、變化趨勢與成因分解 本文引入了具有差分結(jié)構(gòu)的非徑向Luenberger生產(chǎn)率指標,來測算2003～2012年間我國13個主要工業(yè)省區(qū)大氣污染排放的動態(tài)效率并將其分解為純技術(shù)效率變化、規(guī)模效率變化與環(huán)境技術(shù)進步 3個部分,進而揭示驅(qū)動效率提升的主導因素,具體測算結(jié)果如圖1、圖2與表4所示.

根據(jù)圖1,樣本期內(nèi)除了在2004/2005年度略有下降外,其它年度13個主要工業(yè)省區(qū)的整體大氣污染排放效率(AL)都呈上升趨勢,年均增長率達到 5.88%,累計增幅為 62.89%.其中,純技術(shù)效率變化指數(shù)(ALPTEC)波動較為劇烈,隨著時間的推移大致呈“上升-下降”的交替變化狀態(tài),年均下降 0.25%,累計下降 0.94%;規(guī)模效率變化指數(shù)(ALSEC)在 2003～2007年間呈鋸齒型波動態(tài)勢,2007年后一直處于下降通道,年均下降0.71%,累計下降幅度為6.59%;與ALPTEC、ALSEC形成鮮明對比的是,環(huán)境技術(shù)進步指數(shù)(ALTC)年均增長率達到 6.84%,累計增長 76.46%.由此可見,我國13個工業(yè)省區(qū)的大氣污染排放效率的提升主要是依靠環(huán)境技術(shù)進步來推動,而純技術(shù)效率與規(guī)模效率的變化則起到阻礙作用,是一種典型的單輪驅(qū)動模式,這意味著生產(chǎn)技術(shù)變革與先進大氣污染治理技術(shù)的運用在減排中發(fā)揮了關(guān)鍵作用.相比之下,增長乏力的純技術(shù)效率與規(guī)模效率成為制約這些省區(qū)大氣污染排放效率提升的“瓶頸”.追根溯源,這表明我國主要工業(yè)省區(qū)的眾多企業(yè)并不在最優(yōu)生產(chǎn)規(guī)模下進行生產(chǎn),存在嚴重資源浪費與排污過多現(xiàn)象,通過犧牲資源環(huán)境來驅(qū)動經(jīng)濟增長,是一種不可持續(xù)的發(fā)展方式.另外,環(huán)境技術(shù)進步的“單輪驅(qū)動”模式也表明這些省區(qū)在大氣污染治理方面過度依賴先進的技術(shù)與設備,而忽視了與之相匹配的員工素質(zhì)培養(yǎng)以及管理模式變革,同時也提示這些省區(qū)在產(chǎn)業(yè)結(jié)構(gòu)、市場條件與制度環(huán)境等“軟”技術(shù)條件方面還存在很多薄弱環(huán)節(jié).

圖1 主要工業(yè)省區(qū)大氣污染排放動態(tài)效率及其分解指數(shù)變化趨勢(2003～2012年)Fig.1 Trends of atmospheric pollution emissions dynamic efficiencies and theirs decompositions of China’s major industrial provinces (2003～2012)

圖2 主要工業(yè)省區(qū)整體與單一大氣污染排放的動態(tài)效率指數(shù)的變化趨勢(2003～2012年)Fig.2 Trends of aggregate- and specific- atmospheric pollution emission dynamic efficiencies of China’s major industrial provinces (2003～2012)

利用非徑向 Luenberger生產(chǎn)率指標的可加特性,本文將動態(tài)效率指數(shù)按照每一種大氣污染物進行分解,進而衡量各種污染物減排在大氣污染治理中的貢獻度.如表4所示,2003～2012年,13個主要工業(yè)省區(qū)三大大氣污染排放的動態(tài)效率(Li,i=1,2,3)均為正,年均分別增長 2.23%、6.87%與8.53%,其中SD(L3)提升最快,其次為SO2(L2), CO2(L1)提升最慢.從累計角度來看,SD(L3)增幅達到 89.77%,CO2與 SO2(L1,L2)的增幅分別為21.36%和77.82%.三大污染物減排對大氣污染排放整體動態(tài)效率(AL)提升的貢獻率由高至低依次為SD(48.34%)、SO2(38.96%)、CO2(12.64%),SD減排的貢獻度最高.從時間變化趨勢來看,如圖 2所示,除了2004/2005年度L2指數(shù)有所下降外,三大污染物排放效率都處于上升狀態(tài),均在2008年左右達到峰值.根據(jù)指數(shù)分解結(jié)果,SO2與 SD的純技術(shù)效率(LPTEC2,LPTEC3)年均分別下降0.97%與0.03%,累計降幅分別為7.71%與1.32%; CO2(LPTEC1)則年均上升0.24%,累計上升1.94%;樣本期三大污染物的規(guī)模效率(LSEC1,LSEC2, LSEC3)都是下降的,年均下降率分別為 0.29%、0.85%與 1.01%,分別累計下降 2.26%、8.97%與6.34%,其中 SD規(guī)模效率下降速度最快,累計降幅最大的是 SO2.三大污染物排放的環(huán)境技術(shù)進步指數(shù)(LTCi,i=1,2,3)均為正值,年均分別增長2.26%、8.69%與 9.56%,累計增長幅度分別為25.46%、106.38%與104.00%,增長速度與提升幅度都明顯大于純技術(shù)效率與規(guī)模效率.由此可知,我國13個主要工業(yè)省區(qū)三種大氣污染物排放的動態(tài)效率也主要是由各自領(lǐng)域的環(huán)境技術(shù)進步來驅(qū)動,純技術(shù)效率與規(guī)模效率變化所做的貢獻甚少,主要起到抑制作用,因而在我國主要工業(yè)省區(qū)的大氣污染防控中應注重環(huán)境技術(shù)進步與純技術(shù)效率、規(guī)模效率之間的相互協(xié)同,逐漸改變當前過分依賴環(huán)境技術(shù)進步的“單輪驅(qū)動”模式,實現(xiàn)“多輪驅(qū)動”,這就要求各省區(qū)在淘汰落后產(chǎn)能、改造生產(chǎn)治污技術(shù)的同時,在微觀方面要提升員工素質(zhì)、優(yōu)化生產(chǎn)網(wǎng)絡、實行集約化生產(chǎn)、提升資源配置效率、創(chuàng)新企業(yè)管理模式、加大公眾環(huán)保意識教育等,在宏觀方面要促進產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級,大力發(fā)展高新技術(shù)產(chǎn)業(yè)與服務業(yè),提升市場化水平,完善相關(guān)政策法規(guī),加大軟環(huán)境建設 力度等.

表4 13個主要工業(yè)省區(qū)各類大氣污染排放動態(tài)效率及其分解指數(shù)的增長率(2003～2012年)Table 4 Growth rate of atmospheric pollution emissions dynamic efficiencies and their decompositions of 13China’s major industrial provinces (2003～2012)

2.2.3 我國主要工業(yè)省區(qū)大氣污染排放動態(tài)效率的地區(qū)異質(zhì)性 由于各省區(qū)的工業(yè)化程度有一定差異,因而其大氣污染排放效率的動態(tài)演進特征也可能會呈現(xiàn)出很強的異質(zhì)性.通過計算得到我國13個主要工業(yè)省區(qū)的4類大氣污染排放動態(tài)效率指數(shù)及其分解結(jié)果分別如表 5與表 6所示.

根據(jù)表5,2003～2012年間,我國13個主要工業(yè)省區(qū)的 4類大氣污染排放動態(tài)效率都實現(xiàn)了不同程度的提升,表明近年來在政府、企業(yè)與公眾的共同努力下,這些省區(qū)大氣污染防控取得了較好的成效.然而,不同省區(qū)的表現(xiàn)有明顯差異.AL增長速度最快的是浙江、福建與江蘇,年均分別增長 11.78%、10.38%與 10.23%,發(fā)揮了“火車頭”的帶動作用;增長速度最慢的是山西、黑龍江與河北,年均增長率分別為0.96%、2.25%與 2.29%,追趕乏力,制約了大氣污染排放效率整體水平的提升.CO2、SO2與SD動態(tài)效率指數(shù)比較結(jié)果與 AL基本一致,江蘇、浙江與福建均位于前列,增長速度最慢都是山西,分別只有0.0059、0.0155與0.0036,凸顯了該省份大氣污染治理停滯不前的被動局面.

從表5還可以看出,多數(shù)省區(qū)三類污染物排放效率呈現(xiàn)出“一快俱快,一慢俱慢”的動態(tài)演化過程.從地域分布來看,依然是東部沿海地區(qū)省區(qū)大氣污染排放效率提升速度顯著快于東北與中部省區(qū),進一步表明大氣污染防治能力與地區(qū)經(jīng)濟、技術(shù)發(fā)展水平聯(lián)系密切.另外,本文還發(fā)現(xiàn)CO2排放效率的提升速度明顯低于 SO2與煙粉塵,這主要是因為CO2排放靜態(tài)效率水平較高,減排潛力已經(jīng)得到充分釋放,因而其動態(tài)效率的提升難度相對要更大一些.

表5 13個主要工業(yè)省區(qū)大氣污染排放動態(tài)效率測算結(jié)果(2003～2012年)Table 5 Measurement results of atmospheric pollution emissions dynamic efficiencies of 13 China’s major industrial provinces (2003～2012)

通過AL指數(shù)的分解,可以進一步判斷13個主要工業(yè)省區(qū)大氣污染排放效率的主要驅(qū)動因素.如表6所示,2003～2012年間,河北、遼寧、黑龍江等6個省區(qū)的ALPTEC出現(xiàn)了下降,ALSEC出現(xiàn)下降的省區(qū)有 10個,占省區(qū)總數(shù)的 3/4. ALPTEC年均增長最快是浙江(1.51%),下降較快的有黑龍江與湖北,年均分別下降 0.99%與0.94%;ALSEC增長最快是天津(0.21%),下降最快是江蘇(-3.45%)與福建(-2.52%).相比之下,樣本期內(nèi)13個主要工業(yè)省區(qū)的ALTC指數(shù)全部為正數(shù),其中江蘇年均增長最快,達到 13.68%,最慢的是山西,為 0.92%.省區(qū)層次的分解結(jié)果也進一步表明,我國主要工業(yè)省區(qū)大氣污染排放效率提升完全是依靠環(huán)境技術(shù)進步這一單方力量來驅(qū)動,純技術(shù)效率與規(guī)模效率的推動力極其微弱,甚至與技術(shù)進步“背道而馳”.根據(jù)生產(chǎn)率理論,這一結(jié)論在很大上表明我國主要工業(yè)省區(qū)還沒有充分發(fā)揮出自己的資源與技術(shù)潛力,資源投入與污染排放過多,增長方式粗放,追趕前沿面能力較弱,同時也暴露出這些省區(qū)管理體制、政策環(huán)境以及制度設計等方面的諸多弊端.

表6 13個主要工業(yè)省區(qū)整體大氣污染排放動態(tài)效率(AL)的分解結(jié)果(2003～2012年)Table 6 Decomposition results of aggregate atmospheric pollution emissions dynamic efficiencies of 13 China’s major industrial provinces (2003～2012)

2.2.4 我國主要工業(yè)省區(qū)大氣污染減排的優(yōu)勢與不足 借鑒文獻[25]的做法,以 2003～2012年間 13個工業(yè)省區(qū)大氣污染排放靜態(tài)效率(CRS)與動態(tài)效率的平均值為界,高于平均值的記為“H”低于平均值的記為“L”,構(gòu)建大氣污染減排優(yōu)劣勢分析矩陣.這樣,13個主要工業(yè)省區(qū)將被歸入下述4個方陣:處于第一方陣(H/H)的省區(qū)其靜態(tài)效率與動態(tài)效率均高于平均值,表明這些省區(qū)不僅效率水平高而且提升速度也快;處于第二方陣(H/L)的是靜態(tài)效率高于平均值而動態(tài)效率低于平均值的省區(qū),這些省區(qū)雖然靜態(tài)效率水平高,但是由于提升速度較慢,將面臨被其他省份趕超的風險;處于第三方陣(L/L)是靜態(tài)效率與動態(tài)效率均低于平均值的省區(qū),這些省區(qū)不僅排放效率低,而且提升速度慢,缺乏追趕潛力;最后,處于第四方陣(L/H)是靜態(tài)效率低于平均值而動態(tài)效率高于平均值的省區(qū),這些省區(qū)雖然靜態(tài)效率水平較低,但是增長速度較快,在未來有很大提升潛力.經(jīng)過比較,表7給出了我國13個主要工業(yè)省區(qū)大氣污染減排優(yōu)勢與不足的歸類結(jié)果.

表7 13個主要工業(yè)省區(qū)大氣污染減排優(yōu)劣勢歸類(2003～2012年)Table 7 Classification of advantage and disadvantage of 13 China’s major industrial provinces for atmospheric pollution emissions reduction (2003～2012)

根據(jù)表 7,就整體排放效率而言,13個省區(qū)中,天津、上海、江蘇、浙江、福建與廣東6個省區(qū)位于“H/H”方陣,這些省區(qū)的優(yōu)勢不僅體現(xiàn)在靜態(tài)效率方面,而且效率提升速度也很快,兩者都位于均值水平之上,發(fā)揮了領(lǐng)先示范作用;余下 7個省區(qū)均位于L/L方陣,這些省區(qū)則處于靜態(tài)效率與動態(tài)效率雙重不利的局面,兩大指數(shù)均是低于平均水平,在追趕先進省區(qū)的征程上漸行漸遠.從單一污染排放物來看,CO2減排中,有天津、上海等5個省區(qū)位于H/H方陣,遼寧位于L/H方陣,表明盡管其靜態(tài)效率水平較低,但是增長速度快,未來提升潛力很大,廣東位于 H/L方陣,由于其效率提升速度較慢,未來有可能會被其他省區(qū)趕超,余下 6個省區(qū)位于L/L方陣;SO2減排中,有天津、上海等6省區(qū)位于H/H方陣,其余省區(qū)均處于L/L方陣;SD減排中,天津、江蘇等5個省區(qū)處于H/H方陣,上海處于H/L方陣,余下7個省區(qū)處于L/L方陣.從歸類結(jié)果來看,如表7中2～5列所示,13個省區(qū)中,處于H/H與L/L兩大方陣的省區(qū)數(shù)目分別為(5,6)、(6,7)、(5,7)與(6,7),兩極分化趨勢非常明顯,呈現(xiàn)鮮明的“強者愈強、弱者愈弱”的“馬太效應”特征,先進省區(qū)與落后省區(qū)的差距還可能會進一步拉大,這一結(jié)論從采用變異系數(shù)表征的σ收斂檢驗也可以證實(如表8所示),檢驗結(jié)果表明研究期內(nèi)各類大氣污染排放效率指數(shù)并未呈現(xiàn)收斂趨勢,發(fā)散特征較明顯.因而,為了縮小效率差距,各工業(yè)省區(qū)之間應加強合作交流,共同分享先進的治污技術(shù)與管理經(jīng)驗,打破地理界限,消除市場分割,加快資源整合,可以通過實行先進省區(qū)與落后省區(qū)一對一的精準幫扶與對口支援,促進落后省區(qū)大氣污染防治水平實現(xiàn)跨越式提升.

表8 我國主要工業(yè)省區(qū)整體與單一大氣污染排放效率的σ收斂檢驗結(jié)果(2003～2012年)Table 8 σ convergence results of aggregate- and specific- atmospheric pollution emissions efficiencies of China′s major industrial provinces (2003～2012)

3 結(jié)論

3.1 2003～2012年我國13個主要工業(yè)省區(qū)的大氣污染排放靜態(tài)效率均值為 0.6098,地域分布也呈現(xiàn)出典型的非均衡分布特征,大氣污染減排潛力巨大,純技術(shù)效率是大氣污染排放靜態(tài)效率較低的主要制約方面,規(guī)模效率更接近生產(chǎn)前沿面且多數(shù)工業(yè)省區(qū)已處于規(guī)模報酬遞減狀態(tài).

3.2 2003～2012年我國13個主要工業(yè)省區(qū)的大氣污染排放效率實現(xiàn)了年均5.88%,累計62.89%的增長,省區(qū)異質(zhì)性明顯,三大污染物減排在整體效率提升中的貢獻度有所差別,其中煙粉塵減排的貢獻率最高.無論是基于整體還是單一污染物角度,我國13個主要工業(yè)省區(qū)的大氣污染排放效率都是屬于典型的完全依靠環(huán)境技術(shù)進步的“單輪驅(qū)動”模式,純技術(shù)效率與規(guī)模效率變化起到的是阻礙作用.

3.3 通過構(gòu)建“靜態(tài)效率-動態(tài)效率”的大氣污染減排優(yōu)劣勢分析矩陣,發(fā)現(xiàn)13個主要工業(yè)省區(qū)中絕大多數(shù)都處于“H/H”與“L/L”兩大方陣,兩極分化趨勢異常顯著,“馬太效應”盡顯,預示著我國主要工業(yè)省區(qū)大氣污染排放效率之間的差距將會繼續(xù)擴大,樣本期內(nèi)大氣污染排放效率的σ檢驗結(jié)果也從側(cè)面支持了這一結(jié)論.

[1] Hu J L, Wang S C. Total-factor energy efficiency of regions in China [J]. Energy Policy, 2006,34(17):3206-3217.

[2] 魏 楚,沈滿洪.能源效率與能源生產(chǎn)率:基于DEA方法的省際數(shù)據(jù)比較 [J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究, 2007,(9):110-121.

[3] 師 博,沈坤榮.市場分割下的中國全要素能源效率:基于超效率DEA方法的經(jīng)驗分析 [J]. 世界經(jīng)濟, 2008,(9):49-59.

[4] 李世祥,成金華.中國主要工業(yè)省區(qū)能源效率分析:1990～2006年[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究, 2008,(10):32-43.

[5] 吳 琦,武春友.基于DEA的能源效率評價模型研究 [J]. 管理科學, 2009,22(1):103-112.

[6] 袁曉玲,張寶山,楊萬平.基于環(huán)境污染的中國全要素能源效率研究 [J]. 中國工業(yè)經(jīng)濟, 2009,(2):76-86.

[7] 汪克亮,楊寶臣,楊 力.考慮環(huán)境效應的中國省際全要素能源效率研究 [J]. 管理科學, 2010,23(6):100-111.

[8] Zhou P, Ang B W, Han J Y. Total-factor carbon emission performance: a Malmquist index analysis [J]. Energy Economics, 2010,32(1):194-201.

[9] 王 奇,李明全.基于 DEA方法的我國大氣污染治理效率評價[J]. 中國環(huán)境科學, 2012,32(5):942-946.

[10] Chung Y, Fare R, Grosskopf S. Productivity and undesirable output: a directional distance function approach [J]. Journal of Environmental Management, 1997,51(3):229-240.

[11] Macpherson A J, Principe P P, Smith E R A. DDF approach to regional environmental-economic assessments [J]. Ecological Economics, 2010,69:1918-1925.

[12] Riccardi R, Oggioni G., Toninelli R.Efficiency analysis of world cement industry in presence of undesirable output: application of DEA and directional distance function [J]. Energy Policy, 2012, 44:140-152.

[13] 涂正革.環(huán)境、資源與工業(yè)增長的協(xié)調(diào)性 [J]. 經(jīng)濟研究, 2008,(2):93-105.

[14] Zhou P, Ang B W, Poh K L. Slacks-based efficiency measures for modeling environmental performance [J]. Ecological Economics, 2006,(6):111-118.

[15] 王 兵,吳延瑞,顏鵬飛.中國區(qū)域環(huán)境效率與環(huán)境全要素生產(chǎn)率增長 [J]. 經(jīng)濟研究, 2010,(5):95-109.

[16] Choi Y, Zhang N, Zhou P. Efficiency and abatement costs of energy-related CO2emissions in China: A slacks-based efficiency measure [J]. Applied Energy, 2012,(98):198-208.

[17] Wang K, Wei Y M, Zhang X. A comparative analysis of China’s regional energy and emission performance: which is the better way to deal with undesirable outputs? [J]. Energy Policy, 2012, 46:574-584.

[18] 宋馬林,王舒鴻.環(huán)境規(guī)制、技術(shù)進步與經(jīng)濟增長 [J]. 經(jīng)濟研究, 2013,(3):122-134.

[19] 王 兵,羅佑軍.中國區(qū)域工業(yè)生產(chǎn)效率、環(huán)境治理效率與綜合效率實證研究 [J]. 世界經(jīng)濟文匯, 2015,(1):99-119.

[20] Kuosmanen T, Kortelainen M. Measuring eco-efficiency of production with DEA [J]. Journal of Industrial Ecology, 2005, 9(4):59-72.

[21] Picazo-Tadeo A J, Gomez-Limon J A, Reig-Martinez E. Assessing farming eco-efficiency: a DEA approach [J]. Journal of Environmental Management, 2011,92:1154-1164.

[22] Fare R, Grosskopf S. Directional distance function and slacksbased measure of efficiency [J]. European Journal of Operational Research, 2010,200(1):320-322.

[23] Fukuyama H, Yoshida Y, Managi S. Modal choice between air and rail: a social efficiency benchmarking analysis that considers CO2emissions [J]. Environmental Economics and Policy Studies, 2011,13(2):89-102.

[24] Chang T P, Hu J L, Chou R Y, et al. The sources of bank productivity growth in China during 2002～2009: A disaggregation view [J]. Journal of Banking and Finance, 2012,36:1997-2006.

[25] Kapelko M, Horta I M, Camanho A S, et al. Measurement of input-specific productivity growth with an application to the construction industry in Spain and Portugal [J]. International Journal of Production Economics, 2015,166(8):64-71.

[26] Fare R, Grosskopf S, Lindgren B, et al. Productivity change in Swedish pharmacies 1980～1989: A non-parametric Malmquist approach [J]. Journal of Productivity Analysis, 1992,3(1/2):85-101.

[27] Fare R, Grosskopf S, Norris M, et al. Productivity growth, technical progress and efficiency change in industrialized countries [J]. The American Economic Review, 1994,84(1):66-83.

[28] 國家統(tǒng)計局.中國統(tǒng)計年鑒 [J]. 北京:中國統(tǒng)計出版社, 2004-2013.

[29] 國家統(tǒng)計局.中國能源統(tǒng)計年鑒 [J]. 北京:中國統(tǒng)計出版社, 2004-2013.

[30] 國家統(tǒng)計局.中國環(huán)境統(tǒng)計年鑒 [J]. 北京:中國統(tǒng)計出版社, 2004-2013.

[31] 胡鞍鋼,鄭京海,高宇寧,等.考慮環(huán)境因素的省級技術(shù)效率排名:1999～2005 [J]. 經(jīng)濟學季刊, 2008,4(3):933-960.

The regional differences, changing trends and causes decomposition of atmospheric pollution emissions efficiency of China’s major industrial provinces.

WANG Ke-liang1*, MENG Xiang-rui1, YANG Li1, YANG Bao-chen2, WANG Jian-min1, CHENG Yun-he1(1.School of Economics and Management, Anhui University of Science and Technology, Huainan 232001, China；2.College of Management and Economics, Tianjin University, Tianjin 300072, China). China Environmental Science, 2017,37(3)：888～898

Using the methods of the non-radial directional distance function (NRDDF) and the improved Luenberger productivity indicator with difference-based structure, this paper studied the regional differences, changing trends and causes decompositions of the atmospheric pollution emissions efficiency (APEE) of China’s 13major industrial provinces from 2003 to 2012. The empirical results showed that: (1) the APEE of China’s major industrial provinces was generally lower, and regional difference was obvious, at the same time the atmospheric pollution has the great potential for emissions reduction; (2) a key constraint on the APEE of China’s major industrial provinces was the pure technical efficiency; (3) taken the whole or a certain pollutant, the increase of APEE presented the mode of the single wheel drived by the environmental technical progress completely, while the change of pure technical efficiency (PTE) and scale efficiency (SE) played the negative effects on that; (4) the APEE of China’s major industrial provinces appeared Matthew effect, and the efficiency differences of the APEE among these provinces would probably continue to expand through the analysis of the advantages and disadvantages of provincial atmospheric pollution reduction.

atmospheric pollution emissions efficiency (APEE)；industrial province；regional differences；changing trends；causes decomposition

X51,F061.5

A

1000-6923(2017)03-0888-11

汪克亮(1980-),男,安徽樅陽人,副教授,博士,主要從事資源與環(huán)境管理、效率與生產(chǎn)率研究.發(fā)表論文60余篇.

2016-07-25

國家自然科學基金項目(71403003);教育部人文社科研究青年基金項目(13YJC790136);中國博士后科學基金資助項目(2014M551787,2015T80643);安徽省高校優(yōu)秀青年人才支持計劃重點項目(gxyqZD2016075);安徽省哲學社會科學規(guī)劃項目(AHSK11-12D107)

* 責任作者, 副教授, klwang@163.com