基于超效率SBM 模型的西部煤炭采選業(yè)生態(tài)效率研究

趙 雪，王向前

（安徽理工大學 經(jīng)濟管理學院，安徽 淮南 232000）

0 引言

煤炭是我國的第一大能源，在能源結構中居主要地位，對國民經(jīng)濟的發(fā)展有著重大的推動作用。截至2020 年底，全球已探明的煤炭儲量約為1.07 萬億t，中國占13.3%，排名第四；全球煤炭產(chǎn)量約為77.4 億t，中國占51%，排名第一。但與其他發(fā)達國家相比，中國在煤炭開采的過程中存在環(huán)境污染、生態(tài)破壞等一系列問題。而西部地區(qū)作為煤炭開發(fā)的重點地區(qū)，其生態(tài)環(huán)境問題更為顯著。在國家大力提倡建設生態(tài)文明城市的背景下，煤炭開采與發(fā)展經(jīng)濟、保護生態(tài)之間的矛盾愈演愈烈，所以改變原有的粗放型煤炭開采模式刻不容緩。而生態(tài)效率是衡量經(jīng)濟效益和環(huán)境效益的重要環(huán)節(jié)，因此，科學地測度我國西部地區(qū)采煤業(yè)的生態(tài)效率對衡量煤炭產(chǎn)業(yè)效益具有重要意義。

“生態(tài)效率”是1990 年由S.Schaltegger 等[1]最早提出，其基本思想是以最少的資源消耗和最低的環(huán)境污染實現(xiàn)最大的經(jīng)濟產(chǎn)出，即低投入、高產(chǎn)出。生態(tài)效率是通過對投入要素的高效合理利用，減少經(jīng)濟增長給環(huán)境帶來的破壞，以期實現(xiàn)經(jīng)濟最大化增長和環(huán)境最小化破壞的理想狀態(tài)。煤炭開采業(yè)的生態(tài)效率反映了采煤的經(jīng)濟產(chǎn)出與采煤資源投入、環(huán)境影響的比值，以及經(jīng)濟效益和環(huán)境效益的平衡關系。

近年來，隨著可持續(xù)發(fā)展理念的普及，對生態(tài)效率的評價與研究已成為學者們關注的方向。目前，國內(nèi)外對生態(tài)效率的測算方法主要有比值評價法、指標體系法、生態(tài)足跡法、能值分析法、物質流分析法、模型構建法等。劉明輝等[2]基于比值評價法，選擇“價值”和“影響”兩方面構建了地鐵車站生態(tài)效率評價指標體系，對北京地鐵16 號線某車站建設期生態(tài)效率進行了評估；黃娟等[3]運用生態(tài)足跡法，從原料、能源、水、垃圾、建筑用地等方面測算了某造紙類企業(yè)的財務生態(tài)效率；王艷秋等[4]從經(jīng)濟、技術、資源、環(huán)境、社會等方面構建了能值指標，利用能值分析法計算出可持續(xù)發(fā)展指數(shù)和生態(tài)效率指數(shù)，系統(tǒng)地反映了大慶石化企業(yè)的生態(tài)效率；鄭德鳳等[5]利用數(shù)據(jù)包絡分析（data envelopment analysis，DEA）模型中考慮非期望產(chǎn)出和不考慮非期望產(chǎn)出對甘肅省農(nóng)業(yè)生態(tài)效率進行了對比研究，得知考慮非期望產(chǎn)出的農(nóng)業(yè)生態(tài)效率結果更能反映實際情況。其中，數(shù)據(jù)包絡分析運用較為廣泛，能夠減小主觀賦權引起的偏差。

生態(tài)效率的應用領域較廣，目前涉及國家、區(qū)域、行業(yè)、企業(yè)及產(chǎn)品等。張楊等[6]基于考慮共同前沿面和非期望產(chǎn)出的超效率SBM（slacks-based measurement）模型對68 個國家的農(nóng)業(yè)生態(tài)效率進行了比較研究，從而得出我國提高農(nóng)業(yè)生態(tài)效率的途徑；關偉等[7]基于考慮非期望產(chǎn)出的SBM 模型，從空間格局規(guī)模、格局強度與格局紋理3 個方面對中國省際能源生態(tài)效率進行了測度與分析。周葉等[8]運用超效率DEA 方法對我國23 個省域物流行業(yè)的生態(tài)效率進行了評價；周敏等[9]利用SE-SBM 模型對我國先進制造業(yè)及其17 個細分行業(yè)的生態(tài)效率進行了靜態(tài)分析；鄒倩等[10]通過構建CCR 和BCC 評價模型對我國石化企業(yè)生態(tài)效率展開了評價；史琛等[11]運用DEA-SBM 模型研究了我國粳稻的生態(tài)效率及其時空演變。

具體到煤炭產(chǎn)業(yè)，也有不少學者對其生態(tài)效率進行了研究。李琰等[12]通過超效率SBM 和Malmquist模型，從橫向角度對20 多個煤炭省份進行了考慮非期望產(chǎn)出的產(chǎn)業(yè)效率分析；牛苗苗[13]從縱向角度對2000—2010 年煤炭產(chǎn)業(yè)的生態(tài)效率進行了分析。目前關于煤炭產(chǎn)業(yè)生態(tài)效率的研究已經(jīng)取得了一定的成果，但具體針對西部地區(qū)的煤炭采選研究相對較少。本文擬結合超效率SBM 模型和Malmquist 指數(shù)模型，從西部地區(qū)的煤炭開采投入與產(chǎn)出的角度對煤炭開采生態(tài)效率進行測算，以評估其煤炭開采的生態(tài)經(jīng)濟發(fā)展情況，促進西部地區(qū)煤炭開發(fā)與生態(tài)環(huán)境的協(xié)調發(fā)展。

1 模型選擇

1.1 超效率SBM 模型

數(shù)據(jù)包絡分析方法由Charnes、Cooper 于1978年提出，是一種基于多項投入與多項產(chǎn)出的定量分析方法，包括DEA 模型及其衍生出的多種模型，自提出以來被各行業(yè)用于研究現(xiàn)實問題。Banker，Gifford&Bankeret 等人在CCR 的基礎上提出了超效率DEA模型，打破了投入產(chǎn)出比值小于或等于1 的約束，進一步保障了決策單元（DMU）的有效程度。由于傳統(tǒng)的DEA 方法無法衡量全部松弛變量，不能精準地測算效率水平，在使用中存在一定的局限性。K.Tone[14]提出的SBM 模型，將松弛變量考慮到目標函數(shù)中。而超效率SBM 模型彌補了超效率DEA 和SBM 模型的不足之處，既可以在處理中考慮非期望產(chǎn)出，又可以在有效的決策單元中進一步做出比較[15]。已有的研究中對于存在非期望產(chǎn)出的處理方式，大多是把非期望產(chǎn)出轉化為投入，這種方式可能會使結果出現(xiàn)一定的偏差。超效率SBM 模型可以直接對非期望產(chǎn)出進行處理，同時對有效的決策單元可以通過效率值大小進行排序。

假設有n個DMU，每個DMU 由m個投入指標，p1個期望產(chǎn)出和p2個非期望產(chǎn)出3 部分構成。

設x∈Rm，yd∈Rp1，yu∈Rp2，

構建如下模型：

式中：X、Yd、Yu分別為投入變量、期望產(chǎn)出變量和非期望產(chǎn)出變量；

ρ為效率值；

i為投入；

r為期望產(chǎn)出；

t為非期望產(chǎn)出；

j為決策單元；

k為被決策單元；

1.2 Malmquist 指數(shù)模型

Malmquist 指數(shù)最早由S.Malmquist[16]于1953年提出，該指數(shù)可以對全要素生產(chǎn)率（total factor productivity，TFP）進行測算，具體分解為技術效率指數(shù)（technical efficiency change，TEC）和技術進步指數(shù)（technological change，TC），其中技術效率指數(shù)又可以細分為純技術效率指數(shù)（pure efficiency change，PEC）和規(guī)模效率指數(shù)（scale efficiency change，SEC）。

本研究構建的模型公式如下：

式中：I為指數(shù)值；

Dt(xt,yt)、Dt(xt+1,yt+1)分別為t時期技術水平下的t、t+1 時期的投入產(chǎn)出向量的距離函數(shù)；

Dt+1(xt,yt)、Dt+1(xt+1,yt+1)分別為t+1 時期技術水平下的t、t+1 時期的投入產(chǎn)出向量的距離函數(shù)。

當ITFP指數(shù)等于1 時，全要素生產(chǎn)率保持不變；ITFP指數(shù)大于1 時，全要素生產(chǎn)率提高；ITFP指數(shù)小于1 時，全要素生產(chǎn)率衰退。且提高或衰退的比例取決于高于或低于1 的比例大小。

2 指標確定與數(shù)據(jù)選取

基于數(shù)據(jù)獲取的完整性和效率測算的有效性，從投入與產(chǎn)出角度出發(fā)，構建西部煤炭開采生態(tài)效率評價指標體系。

2.1 評價對象與指標

本文選取2011—2019 年我國西部大部分地區(qū)（由于西藏地區(qū)數(shù)據(jù)嚴重缺失，所以不予考慮）的面板數(shù)據(jù)進行研究。具體包括內(nèi)蒙古自治區(qū)、廣西壯族自治區(qū)、重慶市、四川省、貴州省、云南省、陜西省、甘肅省、青海省、寧夏回族自治區(qū)、新疆維吾爾自治區(qū)等11 個省市自治區(qū)。根據(jù)生態(tài)效率的相關理論，參考牛苗苗[13]、堯志祥[17]等在生態(tài)效率研究方面所選取的指標，本研究從資源消耗、生態(tài)環(huán)境、經(jīng)濟發(fā)展3 個角度綜合考慮西部地區(qū)煤炭開采涉及的指標，投入指標有煤炭開采固定資產(chǎn)投資、平均從業(yè)人員、能源消耗總量、工業(yè)用水量等，期望產(chǎn)出有原煤產(chǎn)量、主營業(yè)務收入等，非期望產(chǎn)出有水污染（工業(yè)廢水排放量）、大氣污染（二氧化硫排放量、煙塵排放量、煤層氣排放量）、土壤污染（煤矸石等固體廢棄物產(chǎn)生量、土地損壞塌陷量）、其他污染（采礦事故率、開采噪聲污染、水土流失、溫室效應、生物多樣性破壞等）?？紤]到數(shù)據(jù)的可獲取性與合理性，最終選取固定資產(chǎn)投資、平均從業(yè)人員、能源消耗總量、工業(yè)用水量為投入指標，原煤產(chǎn)量和主營業(yè)務收入為期望產(chǎn)出，工業(yè)廢水排放量、工業(yè)二氧化硫排放量、工業(yè)固體廢棄物產(chǎn)生量、開采累計損壞土地面積為非期望產(chǎn)出。投入產(chǎn)出具體見表1。

表1 投入產(chǎn)出指標統(tǒng)計表Table 1 Statistical table of input-output indicators

2.2 數(shù)據(jù)來源

為保證數(shù)據(jù)的真實有效性，數(shù)據(jù)主要來源于《中國統(tǒng)計年鑒》《中國工業(yè)統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》《中國國土資源統(tǒng)計年鑒》，以及各省市自治區(qū)的統(tǒng)計年鑒。對于個別缺失數(shù)據(jù)，采用插值法的方式進行補全。數(shù)據(jù)的描述性統(tǒng)計結果見表2。為消除價格因素對指標的影響，以2010 年為基期的固定資產(chǎn)投資價格指數(shù)對煤炭開采固定投資進行價格平減，而以2010 年為基期的工業(yè)品出廠價格指數(shù)對主營業(yè)務收入進行價格平減。

3 實證結果分析

3.1 靜態(tài)效率分析

運用MaxDEA 軟件中的考慮非期望產(chǎn)出的超效率SBM 模型對數(shù)據(jù)進行處理，得到2011—2019 年西部地區(qū)煤炭開采業(yè)的綜合生態(tài)效率值及其分解效率值，處理結果見表3、表4。

由表3、表4 可以得知，研究期間西部地區(qū)11個省市自治區(qū)的生態(tài)效率平均水平較低，均值為0.613。從橫向角度來看，各省份間的生態(tài)效率值差異較大，最高的是四川省，為1.507，最低的是廣西壯族自治區(qū)，為0.114。從縱向角度來看，各年份間的生態(tài)效率值變動較小，總體呈現(xiàn)出“先下降后上升”的趨勢，主要源于近年來國家對煤炭產(chǎn)業(yè)技術創(chuàng)新與結構性調整的重視。

表3 2011—2019 年西部省市自治區(qū)的生態(tài)效率值Table 3 Ecological efficiency values of provinces,municipalities and autonomous regions in Western China from 2011 to 2019

表4 西部地區(qū)生態(tài)效率分解表Table 4 Illustration table of ecological efficiency in Western China

超效率SBM 模型相比于傳統(tǒng)DEA 模型，存在大于1 的情況，方便了各決策單元的排序比較，解決了多個決策單元為1 的問題。根據(jù)各地區(qū)SBM 生態(tài)效率值，結合自然斷點法，把各省市自治區(qū)煤炭采選業(yè)生態(tài)效率水平大致分為3 級，具體見表5。

表5 西部地區(qū)煤炭開采地區(qū)分類表Table 5 Classification of coal mining areas in Western China

由表5 可知，第一級是較低效率地區(qū)，生態(tài)效率值范圍為0.114 000～0.282 000，包括廣西壯族自治區(qū)、甘肅省、云南省3 個地區(qū)。結合表4 可知，廣西壯族自治區(qū)綜合效率最低，具體表現(xiàn)為高純技術效率、低規(guī)模技術效率，煤炭資源分布較為零散，缺少大型煤礦，所以規(guī)模效率較低。甘肅省同樣是由于低規(guī)模效率導致的整體生態(tài)效率低，主要是中小型企業(yè)較多，缺乏先進工藝技術，同時較大的能源消費量和高工業(yè)排放給生態(tài)環(huán)境帶來了更大的壓力。云南省煤炭以小型、鄉(xiāng)鎮(zhèn)煤礦為主，煤炭資源條件和開采條件限制了大型煤礦的修建，且需求與供給矛盾明顯，開采過程中重視度不足，存在不合理的開采行為，給環(huán)境帶來了一些負面影響，綜合導致生態(tài)效率低下。

第二級是中效率地區(qū)，生態(tài)效率值的范圍劃定為0.282 001～0.612 000，主要是寧夏回族自治區(qū)、新疆維吾爾自治區(qū)和重慶市。三地存在同樣的問題，都是純技術效率高但規(guī)模效率低。寧夏回族自治區(qū)小黑煤礦較多，行業(yè)競爭大，不易形成產(chǎn)業(yè)集群。新疆維吾爾自治區(qū)雖然煤炭量大但分布極不均勻。重慶市主要是由于產(chǎn)能過剩導致的效率低，在政府加快推進淘汰落后產(chǎn)能后得到了有效改善。中效率地區(qū)應該根據(jù)地區(qū)煤炭資源分布情況，適度調整煤炭產(chǎn)業(yè)結構，改進生產(chǎn)方式，退出落后不合理產(chǎn)能，優(yōu)化產(chǎn)業(yè)規(guī)模，實現(xiàn)規(guī)模效率。

第三級是較高效率地區(qū)，生態(tài)效率值范圍為0.612 001～1.507 000，依次為貴州省、青海省、陜西省、內(nèi)蒙古自治區(qū)和四川省。其中，四川省、陜西省和內(nèi)蒙古自治區(qū)三地的純技術效率和規(guī)模效率均有效，源于四川省經(jīng)濟發(fā)展水平較高，對環(huán)境保護和資源有效利用的關注度較高；山西省和內(nèi)蒙古自治區(qū)煤炭資源豐富，國家及政府的重視度較高，積極投資煤炭采選業(yè)、引進專業(yè)人才和先進技術。而貴州省和青海省兩地的規(guī)模效率均無效，源于兩地產(chǎn)能落后以及嚴重產(chǎn)能過剩，對于先進技術的普及還沒有實現(xiàn)規(guī)模效益，需要進一步推進開采機械化程度，調整產(chǎn)業(yè)結構，因地制宜合理開采煤炭。

3.2 動態(tài)效率分析

考慮到靜態(tài)生態(tài)效率值無法反映出年份之間的效率動態(tài)變化及趨勢，故運用MaxDEA 軟件中的Malmquist 指數(shù)模型對2010—2019 年西部地區(qū)各省市自治區(qū)的煤炭開采生態(tài)效率進行動態(tài)分析，測算結果見表6，TFP、TEC、TC 的變化曲線見圖1。

表6 中顯示，研究期間西部地區(qū)煤炭開采TFP指數(shù)均值為1.050，說明在研究期間西部地區(qū)煤炭開采生態(tài)效率年均增長率為5%，分解到技術效率和技術進步效率，分別為1.01 和1.04，可見這9 年間技術效率和技術進步效率同時促進了西部地區(qū)煤炭開采的綠色生態(tài)效率。

表6 2011—2019 年西部地區(qū)煤炭開采生態(tài)效率及分解指數(shù)Table 6 Ecological efficiency and factoization index of coal mining in Western China from 2011 to 2019

由圖1 可知，研究期間全要素生產(chǎn)率大體呈逐步上升趨勢，且規(guī)模效率指數(shù)變化與全要素生產(chǎn)率指數(shù)的變動情況基本一致，說明規(guī)模效率與地區(qū)煤炭采選業(yè)生態(tài)效率成正相關。從時間變化趨勢看，2011—2015 年，TFP 指數(shù)小于1，處于下降趨勢，但從圖中可以看出TFP 指數(shù)是逐年遞增的，說明西部地區(qū)煤炭采選業(yè)的生態(tài)效率逐步改善；2015—2019 年，TFP指數(shù)大于1，處于上升趨勢，年均增幅為16.5%，且在2019 年達最大增幅，為24.7%。2015 年為“十二五”收官和“十三五”規(guī)劃的交替之年，可見“十二五”關于煤炭產(chǎn)業(yè)結構性調整與科技創(chuàng)新發(fā)展等措施起到了顯著成效。在2016—2017 年，TFP 指數(shù)短暫下降，主要是由于2016 年在《國務院關于煤炭行業(yè)化解過剩產(chǎn)能實現(xiàn)脫困發(fā)展的意見》中提出了淘汰落后及過剩產(chǎn)能、控制過度生產(chǎn)、促進產(chǎn)業(yè)轉型調整等策略，對煤炭產(chǎn)業(yè)的規(guī)模效率帶來了一定沖擊，但在調整適應后仍呈直線上升趨勢，西部地區(qū)煤炭開采生態(tài)效率及指數(shù)分解值為表7 所示。

表7 西部地區(qū)煤炭開采生態(tài)效率及分解指數(shù)Table 7 Ecological efficiency and decomposition index of coal mining in Western China

表7 中可以得知，從TFP 指數(shù)角度把結果分為TFP 指數(shù)大于1 和TFP 指數(shù)小于1 兩種類型，即煤炭開采生態(tài)效率值表現(xiàn)為上升的地區(qū)和下降的地區(qū)。TFP 指數(shù)小于1 的地區(qū)有甘肅省、寧夏回族自治區(qū)和云南省，主要是受到TEC 的抑制作用，可見煤炭產(chǎn)業(yè)的有效管理也是影響生態(tài)效率的重要因素；TFP 指數(shù)大于1 的地區(qū)有廣西壯族自治區(qū)、貴州省、內(nèi)蒙古自治區(qū)、青海省、陜西省、四川省、新疆維吾爾自治區(qū)、重慶市等8 個地區(qū)。其中陜西省和重慶市兩地的技術進步處于下降狀態(tài)，可見兩地的技術創(chuàng)新水平仍有待提高。廣西壯族自治區(qū)的技術效率處于下降狀態(tài)，源于煤礦儲量少且較為分散，不易管理。青海省和四川省技術進步指數(shù)和技術效率指數(shù)雖大于1，但是分解到規(guī)模效率卻出現(xiàn)小于1 的情況，說明兩地的生產(chǎn)規(guī)模沒有實現(xiàn)最優(yōu)，需要對產(chǎn)業(yè)結構進一步優(yōu)化調整。貴州省、內(nèi)蒙古自治區(qū)、新疆維吾爾自治區(qū)的各項指數(shù)均大于1，說明這3 地的煤炭開采技術水平和煤炭產(chǎn)業(yè)管理水平都處于有效狀態(tài)。

4 結論與建議

本文通過對西部11 個省市自治區(qū)2011—2019 年煤炭開采生態(tài)效率的靜態(tài)分析和動態(tài)分析，可得出以下結論：

1）由靜態(tài)效率可得，2011—2019 年間，我國西部地區(qū)煤炭開采業(yè)生態(tài)效率水平總體偏低，不同地區(qū)之間的生態(tài)效率值差異較大，不同年份之間的波動較為穩(wěn)定。根據(jù)效率值將11 個地區(qū)劃分為有效生態(tài)地區(qū)、一般無效生態(tài)地區(qū)和明顯無效生態(tài)地區(qū)。

2）由動態(tài)分析可得，研究期間西部地區(qū)煤炭開采TFP 指數(shù)均值為1.05，說明在研究期間西部地區(qū)煤炭開采生態(tài)效率年均增長率為5%。全要素生產(chǎn)率呈逐步上升趨勢，2018—2019 年達最大增幅，為24.7%，可見西部地區(qū)煤炭采選業(yè)綠色生態(tài)效率提升加快。

本研究通過對西部地區(qū)煤炭采選業(yè)生態(tài)效率的研究，有助于相關部門有針對性地對西部各省市自治區(qū)進行治理，從而促進當?shù)卣w生態(tài)效率提高。根據(jù)上述研究結論，提出以下建議：

1）培養(yǎng)高技術人才，提高勞動力水平。煤炭開采企業(yè)可通過與高校合作的方式實行產(chǎn)學研一體化，在高校設置對口專業(yè)，實現(xiàn)人才的專業(yè)化培養(yǎng)與對接。政府可通過人才引進政策引進發(fā)達地區(qū)的人才，協(xié)調東西部地區(qū)均衡發(fā)展。

2）注重科技創(chuàng)新發(fā)展。加強對先進技術的研究，比如沉陷區(qū)生態(tài)修復技術、露天礦排土場和采掘場生態(tài)重建與修復技術、保水采煤技術、煤矸石綜合利用技術、低濃度和乏風瓦斯綜合利用技術等，促進煤炭采選行業(yè)綠色高效發(fā)展。

3）合理布局產(chǎn)業(yè)規(guī)模，提高規(guī)模效率。由于煤炭企業(yè)規(guī)模的迅速擴大與煤炭需求的縮小，導致產(chǎn)能過剩問題顯著。所以要適當清退不合格煤炭企業(yè)，提高煤炭整體質量。同時，設置煤炭企業(yè)準入門檻，嚴格要求煤炭開采技術和煤炭廢棄物排放水平，保證煤炭產(chǎn)業(yè)整體的規(guī)模效率。

4）減少煤炭開采非期望產(chǎn)出，加大控制污染物的排放與污染防治。一方面政府通過出臺相關法規(guī)要求控制污染物的最高排放量，并且加強監(jiān)管；另一方面，加強對地面塌陷、水土流失等生態(tài)環(huán)境問題進行治理與修復，擴大土地復墾面積，努力把西部地區(qū)打造成資源節(jié)約型、環(huán)境友好型地區(qū)。

本文對西部地區(qū)煤炭采選業(yè)的研究仍存在一定的局限性。首先，在指標的選取方面，由于數(shù)據(jù)的可獲得性，甲烷排放量、噪聲污染、水土流失等因素都不得不被剔除，最終構建的評價體系較為簡單；其次，對于社會方面的影響因素考慮較少，且環(huán)境排放指標未具體統(tǒng)計到煤炭采選業(yè)；最后，文章僅研究了西部地區(qū)的煤炭采選業(yè)，研究范圍有待擴充。在今后的研究中會對以上問題逐個破解，以對煤炭采選業(yè)的生態(tài)效率有更進一步的研究。