工業(yè)環(huán)境效率的區(qū)域差異、空間分布與影響因素研究

梁佐英 姚德利

摘 要：基于非期望產(chǎn)出的Super-SBM模型，考察了長江經(jīng)濟帶2010—2017年11個省市工業(yè)環(huán)境效率的區(qū)域差異與空間分布，再用改進(jìn)的灰色關(guān)聯(lián)模型分析其影響因素。結(jié)果表明：長江經(jīng)濟帶的工業(yè)環(huán)境效率總體較高，區(qū)域之間有差異，呈現(xiàn)“下游>上游>中游”格局。根據(jù)泰爾指數(shù)分析可知，下游地區(qū)內(nèi)部差距是長江經(jīng)濟帶工業(yè)環(huán)境效率差異的主要原因。從空間分布來看，高效率集中在下游和上游地區(qū)，低效率集中在中游地區(qū)，呈現(xiàn)由“外圍”向“中心”延伸趨勢。經(jīng)濟發(fā)展水平、環(huán)境方面、地區(qū)因素對工業(yè)環(huán)境效率起到正向作用。其中，地區(qū)因素對工業(yè)環(huán)境效率影響作用不大。產(chǎn)業(yè)結(jié)構(gòu)、外資水平對工業(yè)環(huán)境效率起到負(fù)向作用。

關(guān)鍵詞：工業(yè)環(huán)境效率;非期望產(chǎn)出Super-SBM模型;區(qū)域差異;改進(jìn)的灰色關(guān)聯(lián)模型;影響因素

中圖分類號：F424文獻(xiàn)標(biāo)識碼：A文章編號：1672-1101（2020）01-0023-07

Abstract： Based on the Super-SBM model of non-expected output， the regional differences and spatial distribution of industrial environmental efficiency in the Yangtze River economic belt from 2010 to 2017 were investigated， and the influence factors were analyzed with the improved grey correlation model. The results show that the industrial environmental efficiency of the Yangtze River economic belt is generally high with differences among regions， presenting a pattern of “downstream> upstream > midstream”. According to the Thiel index analysis， the internal gap in the lower reaches is the main reason for the difference in industrial environmental efficiency in the Yangtze River economic belt. From the perspective of spatial distribution， high efficiency is concentrated in the downstream and upper reaches， while low efficiency is concentrated in the middle reaches， showing an extension trend from “periphery” to “center”. Economic development level， environmental aspects and regional factors have positive effects on industrial environmental efficiency. And regional factors have little effect on industrial environmental efficiency. Industrial structure and level of foreign capital have negative effects on industrial environmental efficiency.

Key words：Industrial environmental efficiency;Non-expected output of Super-SBM model;Regional differences;Improved grey relation model;Influencing factors

2017年7月，環(huán)保部等部委聯(lián)合印發(fā)《長江經(jīng)濟帶生態(tài)環(huán)境保護規(guī)劃》，指出長江經(jīng)濟帶是我國重要的生態(tài)環(huán)境保護區(qū)。長江經(jīng)濟帶涵蓋11個省市，其面積約占205萬平方千米、總?cè)丝诤蜕a(chǎn)總值也超過全國的40%[1]。是我國經(jīng)濟發(fā)展的重要部分，而工業(yè)是長江經(jīng)濟帶發(fā)展的主力軍。同樣，長江經(jīng)濟帶也面臨資源環(huán)境等諸多問題，2017年長江經(jīng)濟帶工業(yè)固體廢棄物產(chǎn)生量為80 386.76萬噸，工業(yè)廢水排放總量83.24億噸，2016年長江經(jīng)濟帶工業(yè)能源終端消費量為112 387.01萬噸標(biāo)準(zhǔn)煤，占全國的40.27%。由此可以看出，長江經(jīng)濟帶的環(huán)境問題十分嚴(yán)重。所以，在經(jīng)濟發(fā)展的同時，實現(xiàn)工業(yè)發(fā)展與資源環(huán)境保護是長江經(jīng)濟帶急需解決的首要問題。

工業(yè)環(huán)境效率是指在工業(yè)系統(tǒng)單位所產(chǎn)生價值的同時對環(huán)境的影響力大小[2]。近年來，大多數(shù)學(xué)者對工業(yè)環(huán)境效率的研究主要位于四個方面：企業(yè)[3]、區(qū)域[4]、行業(yè)[3]、國家層面[5]等。袁鵬，程施（2010）[6]基于方向性距離函數(shù)，非期望產(chǎn)出中考慮了污染排放，測量了中國的工業(yè)環(huán)境效率，結(jié)果表明：我國工業(yè)環(huán)境效率較低，如果不考慮污染環(huán)境產(chǎn)出，將會影響各個地區(qū)的真實效率值。王連芬（2011）[7]采用環(huán)境DEA 模型，測算了工業(yè)環(huán)境效率。結(jié)果發(fā)現(xiàn)：各省環(huán)境效率差別較大。工業(yè)環(huán)境效率值呈現(xiàn)“東部>中部>西部”的格局。而且，在考慮污染排放的情況下，環(huán)境效率降低。佟連軍，宋亞楠，韓瑞玲，李名升（2012）[8] 運用了DEA和SFA模型，測算遼寧沿海經(jīng)濟帶的效率及工業(yè)產(chǎn)出彈性。并利用Tobit模型對影響因素進(jìn)行分析。丁煥峰，高溦（2015）[9]對廣東省及四大區(qū)域環(huán)境效率使用SBM-V模型進(jìn)行了測算，在此基礎(chǔ)上對影響因素進(jìn)行分析。結(jié)果得出：在考慮污染排放的因素下效率值降低了。經(jīng)濟發(fā)展水平、對外開放水平、區(qū)域因素，對環(huán)境效率的影響作用具有促進(jìn)作用，剩下的具有抑制作用。徐盈之，周圓（2016）[10] 首先使用SBM模型測量了我國效率值，再使用EKC曲線研究工業(yè)環(huán)境效率與規(guī)制力度間的關(guān)系。結(jié)果顯示：我國工業(yè)環(huán)境水平總體不高，全國及東中西部EKC呈現(xiàn)“N型”，東北地區(qū)卻是“倒N型”。而且，各個地區(qū)的EKC所處階段與發(fā)展態(tài)勢都是有差異的。蘇偉洲，李航，錢昱冰，郭四代（2018）[11]測算了效率值，并對效率值的影響因素分析。宋劉潔，汪克亮，王杰（2018）[12]通過采用SBM-Undesirable 模型、Malmquist-Lunberger生產(chǎn)率指數(shù)，來分析研究江蘇省縣域效率值的地區(qū)差異、動態(tài)演進(jìn)。結(jié)果發(fā)現(xiàn)： 整體來說環(huán)境效率較低，三大區(qū)域效率值有差距。從空間來看，效率值基本上呈現(xiàn)“蘇南> 蘇中>蘇北”格局。張樂勤，陳素平（2019）[13]采用主成分分析方法，對安徽省工業(yè)環(huán)境效率和科技創(chuàng)新綜合指數(shù)進(jìn)行了評價。黃娟，孫坤鑫（2019）[14]以我國37個工業(yè)行業(yè)2001—2013年間為研究對象，使用Super-SBM模型測算環(huán)境效率值，并分析市場集中對環(huán)境效率的影響力。

綜上所述，本文的研究進(jìn)展如下：其一，對工業(yè)環(huán)境效率的研究主要集中在“國家”，“省域”，“行業(yè)”等方面，而以“長江經(jīng)濟帶”作為研究對象的不多。其二，在測量工業(yè)環(huán)境效率的方法選擇上，采用非期望產(chǎn)出Super-SBM模型對2010—2017長江經(jīng)濟帶工業(yè)環(huán)境效率進(jìn)行了區(qū)域差異、空間分布分析，解決了SBM模型不能同時區(qū)分有效單元為1的問題，而且克服了DEA模型高估效率的缺陷。其三，為了解決極端值對計算結(jié)果的影響，對灰色關(guān)聯(lián)分析模型方法進(jìn)行了改進(jìn)，提高計算結(jié)果的科學(xué)性和可靠性。

一、研究方法

（一）非期望產(chǎn)出的Super-SBM模型

對Tone[15]和Kaoru[16]的DEA模型分析總結(jié)后，構(gòu)建了包含Super-SBM模型。設(shè)決策單元為N，每個單元包含：α個投入指標(biāo)X、β1個期望產(chǎn)出 Yg要素、β2個非期望產(chǎn)出Yb要素，根據(jù)Fre等[17]建立生產(chǎn)可能集：

（二）改進(jìn)的灰色關(guān)聯(lián)模型

灰色關(guān)聯(lián)分析以灰色關(guān)聯(lián)度，確定因子之間的影響程度大小的[18]。而改進(jìn)的灰色關(guān)聯(lián)分析，使用各因素的變化情況來計算關(guān)聯(lián)度的。具體步驟如下：

1.預(yù)處理。確定參考數(shù)列和比較數(shù)列。

二、長江經(jīng)濟帶區(qū)域差異、空間分布分析

（一）數(shù)據(jù)來源及指標(biāo)說明

在借鑒其他學(xué)者[19-21]研究的基礎(chǔ)之上，鑒于數(shù)據(jù)的可獲得性，構(gòu)建如下指標(biāo)體系。投入指標(biāo)還是參考已有的研究的做法，選擇資本、勞動、能源三種指標(biāo)外，本文還增加了污染治理投資投入指標(biāo)。期望產(chǎn)出：本文選擇工業(yè)生產(chǎn)總值。非期望產(chǎn)出：本文選擇“工業(yè)廢水”作為非期望產(chǎn)出。資本投入：本文工業(yè)固定資產(chǎn)投資為工業(yè)資本投入指標(biāo)，單位：億元。勞動投入：第二產(chǎn)業(yè)就業(yè)人數(shù)，單位：萬人。能源投入：工業(yè)能源終端消費量，單位：萬噸標(biāo)準(zhǔn)煤。污染治理投入：污染治理投資，單位：億元。期望產(chǎn)出：工業(yè)生產(chǎn)總值，單位：億元。非期望產(chǎn)出：工業(yè)廢水排放總量，單位：億噸。數(shù)據(jù)均來自《中國統(tǒng)計年鑒》（2010—2017年）、《中國環(huán)境年鑒》（2010—2017年）、國民經(jīng)濟和社會發(fā)展統(tǒng)計公報（2010—2017年）。其投入和產(chǎn)出數(shù)據(jù)的描述性統(tǒng)計如下表1。

（二）工業(yè)環(huán)境效率區(qū)域差異分析

本文在DEA-Solver Pro5.0軟件中Super-SBM Nonoriented的模板測算下，測算2010—2017年長江經(jīng)濟帶11個省市的工業(yè)環(huán)境效率。并將長江經(jīng)濟帶劃分為：上游（重慶、云南、貴州、四川），中游（湖北、湖南、江西、安徽），下游（上海、江蘇、浙江）。

從圖1可知，長江經(jīng)濟帶工業(yè)環(huán)境效率值總體較高，區(qū)域之間有差異。整體效率值為0.99，接近于1，效率值總體較高。效率平均值從大到小為：下游（1.23）、上游（0.95）、中游（0.79），基本不符合區(qū)域發(fā)展“梯度”特征。而是呈現(xiàn)“下游>上游>中游”格局，下游的效率平均值大于整體平均值、上游和中游的效率平均值小于整體的平均值。

由于，每個區(qū)域的資源儲備、區(qū)域文化、重點發(fā)展產(chǎn)業(yè)、技術(shù)水平等存在差異，必然導(dǎo)致三大區(qū)域的工業(yè)環(huán)境效率有差異。從圖2可知，從效率平均值來看，下游的效率值從2010年的1.24上升到2013年1.77再下降到2017年的1.25。整體上下游的工業(yè)環(huán)境效率值是上升的，只是上升的幅度很小。中游的環(huán)境效率值從2010年的0.77下降到2013年的0.57再上升到2017年的0.61。整體上中游的工業(yè)環(huán)境效率有小幅度的下降趨勢。上游的工業(yè)環(huán)境效率從2010年0.85下降到2013年的0.77再上升到2017年的1.08。整體上上游的工業(yè)環(huán)境效率是上升的。可能因為：下游的效率值高，因為下游地區(qū)屬于我國改革開放的前沿城市、引進(jìn)國外的先進(jìn)理論和科學(xué)技術(shù)更加容易，所以，工業(yè)發(fā)展與資源環(huán)境能夠協(xié)調(diào)起來。中游地區(qū)工業(yè)環(huán)境效率最低，說明了工業(yè)的發(fā)展與資源環(huán)境的保護之間產(chǎn)生了矛盾，再考慮到國家的經(jīng)濟發(fā)展戰(zhàn)略是“先東后西”。而中游地區(qū)緊挨上游地區(qū)。在產(chǎn)業(yè)轉(zhuǎn)移中，下游地區(qū)污染物大量的流入中游地區(qū)。除此之外，中游地區(qū)工業(yè)技術(shù)、工業(yè)設(shè)施、工業(yè)管理方法相對較弱，環(huán)境保護意識較差等。而上游的工業(yè)環(huán)境效率高于中游，并不說明上游工業(yè)發(fā)展優(yōu)于中游，是因為上游工業(yè)發(fā)展相對較晚，很多高污染、高能耗向中游地區(qū)轉(zhuǎn)移。再加上上游地區(qū)工業(yè)發(fā)展水平較低，進(jìn)而污染產(chǎn)生的也較少。所以，上游地區(qū)的效率值優(yōu)于中游地區(qū)。

（三）效率值的泰爾指數(shù)分析

為了揭示長江經(jīng)濟帶工業(yè)環(huán)境效率地區(qū)差異的原因，本研究利用泰爾指數(shù)，將區(qū)域總體差距分為地區(qū)間的差異和地區(qū)內(nèi)的差異后，再計算它們的貢獻(xiàn)率。其中，泰爾指數(shù)越小，說明它們的差距越小，反之越大。從下表2可知，長江經(jīng)濟帶工業(yè)環(huán)境效率的泰爾指數(shù)總體差距是呈增大趨勢。從2010年的0.045 97升到2017年的0.105 15，可以看出總體差距在增大。從泰爾指數(shù)的分解部分來看，地區(qū)之間和地區(qū)內(nèi)部的貢獻(xiàn)率分別是25.176%、74.824%。說明地區(qū)內(nèi)部的差距是長江經(jīng)濟帶工業(yè)環(huán)境效率差異的主要原因。從時間上來看，地區(qū)之間差距呈現(xiàn)下降趨勢，從2010年的46.122%到2017年的40.666%;而地區(qū)內(nèi)部差距的貢獻(xiàn)率呈現(xiàn)上升的趨勢，從2010年的53.878%到2017年的59.334%。這說明提高效率值的關(guān)鍵是地區(qū)內(nèi)部差距。從地區(qū)內(nèi)部來看，上游、中游、下游之間的貢獻(xiàn)率均值分別是24.807%、41.117%、52.029%。下游地區(qū)的貢獻(xiàn)率基本保持30%以上，說明下游地區(qū)差距是地區(qū)內(nèi)部差距的根源。綜上所述，下游地區(qū)內(nèi)部之間的差距是提升效率值的關(guān)鍵。

（四）工業(yè)環(huán)境效率空間分布分析

為了更加詳細(xì)分析長江經(jīng)濟帶工業(yè)環(huán)境效率值，將它們效率值大小分成兩組：（1）高效率（>1）省市個數(shù)在2010年、2013年、2017年的節(jié)點分別為：5、 3、 7，分別約占45.5%、 27.3%、 63.6%。 （2）低效率（<1）省市個數(shù)在在2010年、2013年、2017年的節(jié)點分別為：6、8、4，分別約占54.5%、72.7%、36.4%。從以上數(shù)據(jù)值可知：其一在各個時間節(jié)點上，高效率主要集中上游和下游地區(qū)。其二從時間序列上來看，長江經(jīng)濟帶2010—2017年工業(yè)環(huán)境效率先下降后上升。