孔阳

摘要： 根据西部11个省市2000-2015年的相关指标数据构建工业生态效率投入产出体系，运用超效率DEA-Malmquist模型计算出各省市的工业生态效率值，并从决策单元和年份两个维度进行分解，然后以Tobit模型得出各解释变量的偏相关系数。结果表明：①西部地区的工业生态效率总体水平很低，各省市未表现出明显变动趋势，省市间无明显差异;②Malmquist指数分析表明，西部各省市全要素生态效率TFP都小于1，年均增长率为-10.9%，要素已不再是西部地区经济发展的主要驱动要素;③工业结构、外商投资、政府规模对西部地区的工业生态效率有显著促进作用，研发投入对工业生态效率呈显著负相关关系。

Abstract： According to the index data of 11 provinces and cities in the western region from 2000 to 2015， the industrial eco-efficiency input-output system was constructed. The industrial eco-efficiency efficiency of each province and municipality was calculated by using the super efficiency DEA-Malmquist model. Dimensional decomposition， and then use the Tobit model to derive the partial correlation coefficient of each explanatory variable. The results show that： ① The overall level of industrial eco-efficiency in the western region is very low with no obvious trend of change among provinces and municipalities; ② Malmquist index analysis shows that TFP of all-factor eco-efficiency in western provinces and cities is less than 1， the average annual growth rate is -10.9 percent and the factor is no longer the main factor driving the economic development in the western region; ③ The industrial structure， foreign investment and government scale have a significant role in promoting the industrial eco-efficiency in the western region， and the R &D negatively correlated.

關键词： 超效率DEA;Malmquist指数;Tobit;工业生态效率;西部地区

Key words： super efficiency DEA;Malmquist index;Tobit;industrial eco-efficiency;western region

中图分类号：X826;F124 文献标识码：A 文章编号：1006-4311（2018）13-0067-04

0 引言

一国经济的发展离不开其工业的拉动，但也难以避免环境污染、资源浪费等问题。生态效率被用来衡量人类生产活动与生态承载力之间的关系（Schaltegger and Sturm，1990），而工业生态效率表示实现单位工业增加值所付出的生态环境代价，因而工业生态效率水平成为了实现经济与生态环境平衡发展的关键。作为经济总量最大的发展中国家，我国的工业化和城镇化进程推进迅速，也面临着经济发展与生态环境保护之间的平衡问题，西部地区经济落后却有着丰富的生态资源，其经济发展关系着我国区域间的发展平衡与稳定，因此研究西部地区11个省市的工业生态效率水平及其影响因素对实现经济与生态环境的和谐发展意义重大，对于区域间的发展平衡与稳定至关重要。

有关工业生态效率的研究建立在生态效率研究的基础上，其中关于生态效率的研究主要集中在区域生态效率评价方法方面，主要包括比值评价法，因子分析法，因子分析与聚类分析相结合的方法，数据包络分析法，三阶段DEA模型，DEA-SBM模型，两阶段网络DEA模型和超效率DEA等方法。例如赵树宽等（2013）运用DEA方法研究吉林省高新技术企业的创新效率、规模收益等，并据此提供了有利于提高创新效率的建议;张晶（2010）运用超效率DEA模型研究了煤炭资源型城市的工业生态效率;高海涛等（2014）建立高校图书绩效评价指标体系，基于超效率DEA模型对其绩效进行了客观评价与分析;陈志宗（2016）利用超效率DEA模型客观评价区域创新系统的绩效，为决策者对区域创新系统的准确定位提供了依据。

目前，我国关于生态效率的研究仍主要处于实证阶段，例如罗能生（2013）等利用超效率DEA方法和面板计量模型相结合的方法对各省区域生态效率进行了测算，得出了城市化与区域生态效率的动态关系。在现有研究的基础上，不少学者对生态效率的指标体系进行了扩展延伸，进而开启了工业生态效率的研究浪潮。王震（2008）等人以北京市工业为案例，评价其工业生态效率，结果表明北京市环境及工业生态效率呈指数上升趋势，而主要影响因素是新能源战略的实施、污染企业的搬迁等。高峰（2011）等人综合考虑了工业增加值、能源消耗以及环境等方面的因素，对我国30个省市工业生态效率进行了测算;潘兴侠等（2014）则从投入和产出两个环节对工业生态效率进行分解研究。郭露和徐诗倩（2016）以环境污染和资源消耗为投入指标，工业经济发展为产出指标，采用超效率DEA方法对中部六省的工业生态效率进行了研究，并得出了中部六省工业生态效率整体水平不高，区域间差异不明显的结论。

现有研究虽然取得了一定的成绩，但也存在如下两个主要问题：一、只对工业生态效率进行了测算，缺乏对其影响因素的研究;二、现有研究大多关注全国或者个别省市的工业生态效率，而忽略了西部地区这一特殊区域，西部地区的经济发展关系着区域平衡稳定发展。针对以上不足，本文以西部地区11个省市为研究对象，采取超效率DEA-Malmquist-Tobit模型研究其工业生态效率，并探究各影响因素的影响程度。

1 研究方法与数据来源

1.1 研究方法

1.1.1 超效率DEA方法

超效率DEA于2013年被Andersen提出，其是对DEA的发展和优化。相较于DEA模型，超效率DEA模型将待评价的决策单元排除在决策集合之外，其前沿面会发生相应变化，从而测算出其效率值大小，而无效率值没有变化。因此，可以实现对多个决策单元进行细分和再排序，并分辨多个处于生产前言面的决策单元。

1.1.2 Malmquist指数

Malmquist指数于1953年被Malmquist首次提出，于20世纪80年代开始被应用到效率变化的测算，并引起了广泛的影响，但也很快被人淡忘。直到1994年，Malmquist指数首度与DEA联合使用，进而被广泛使用。Malmquist指数被定义为：TFP=EC×TC=PE×SE×TC，表明全要素生产率等于综合技术效率（EC）与技术进步（TC）的乘积，而技术进步等于纯技术效率（PE）与规模效率（SE）的乘积。

TFP的临界值为1，被用于刻画相邻时期内的生产率变化率，TFP<1表明生产率的下降，相反则表明生产率的提高。

1.2 指标选择及数据来源

参照郭露等（2016）和戴志敏等（2016）研究成果，选取工业废水排放量、工业废气排放量、能源消费总量为投入指标，以工业增加值为产出指标。西部地区的工业生态效率影响因素则是参考潘兴侠等（2014）的研究成果进行选取，并在其基础上，加入了政府规模这一影响指标。各指标的含义、计算方法、符号表示如表1所示。

2 实证研究结果

2.1 工业生态效率静态分析

通过EMS 1.3计算出了西部地区2000-2015年的工业生态效率值，如表2所示。从表中可以发现，2000-2015年间西部地区11个省市的整体工业生态效率值很低，整体均值只有0.57，整体处于较低水平状态，且没有明显增长趋势。但不难看出，青海省的工业生态效率值一直处于较高的水平，2008年一度达到最大值3.84，且这16年的平均值为2.46，远大于1，宁夏和重庆的工业生态效率均值虽然位居第二、第三，但都小于1，说明其他10个省市的工业生态效率处于严重的规模报酬递减阶段。从表中的数据可以归纳出以下两个结论：

第一，西部地区整体工业生态效率值较低，且整体没有表现出增长趋势，16年间始终维持在这一较低水平。这与西部地区落后的经济发展水平有着密切关系，经济的落后制约了各省市技术、交通的发展，使得丰富的资源不能得到高效利用，产业发展相对粗放，造成了严重的资源浪费和生态环境污染。青海省由于其特殊的地理位置，辖区内有丰富的化石能源，包括天然气、石油，其中油田16个，石油资源量达12亿多吨，气田6个，天然气资源达2937亿立方米，是全国四大气区之一;除此之外，盐湖、矿产、四通八达的交通，高原地貌等使得青海省在工业生态效率方面位居西部首位。

第二，工业生态效率的省际间差异不明显，且呈现相对一致的变化趋势。除了青海以外，其他省份的工业生态效率都维持在较低水平，处于严重规模报酬递减阶段，且增长趋势相对一致，都非常平稳。

2.2 工业生态效率动态分析

根据上文Malmquist指数分解模型可知，工业生态效率等于綜合技术效率、技术进步、纯技术效率、规模效率和全要素生产率的乘积，如表3所示，西部11省市的全要素生产率都小于1，平均全要素生产率为-10.9%，这表明西部地区工业生态效率没有呈现出增长趋势，且都需要提高工业生态效率的增长速度。从分解指标可以看出，全要素生产率受综合技术进步的影响较大。

表4中的全要素生态率均值仍是0.891，综合技术效率和技术进步也与表3高度一致，表明西部地区整体上处于规模报酬递减阶段。而全要素的变化趋势呈现“M型”，呈现先增加→再减小→再增加→再减小的不稳定状态;在2003-2004达到第一个峰值1.188，在2009-2010达到第二个峰值1.135。从分解指标看，技术进步与全要素生产率的变化趋势高度一致，且绝大部分时期处于下降状态，综合技术效率仍然是西部全要素生产率的主要驱动力。

2.3 中部地区工业生态效率影响因素分析

表5为工业生态效率与各影响因素的Tobit回归结果，结果表明：工业结构、外商投资、政府规模对西部地区的工业生态效率具有显著正向促进作用，而地区的研发投入对其有显著抑制作用。工业比重越大显然会带来更多的工业增加值，与此同时，外商投资的增加不仅会给西部地区的发展提供资金支持，也会带来先进的国外技术，这同样会提高起工业生态增加值;而当地政府规模表现为财政总支出的占比，政府投资主要在基础建设、交通运输等工业行业为主的领域，同样也会拉动当地工业生态效率的提升。然而研发投入的影响系数为-52.8，远大于其余3个影响因素对工业生态效率的影响程度，且显著为负，很可能是因为科学技术的投入需要大量的资金，这些技术很大一部分最终没有用于工业生产、环境治理，另一方面，也无法排除科学技术投入的资金使用不当或者没有转化成成果。因此，西部地区政府应当在加大科学技术投入的同时，严格监管资金的用途，并进行成果的阶段性考核，淘汰无效率的科学技术投入，使资源用到实处。

3 结论与建议

本文通过超效率DEA-Malmquist模型计算出了西部11个省市2000-2015年的工业生态效率值，并对其从决策单元和年份两个维度进行了分解，最后运用Tobit模型得出了各影响因素的具体影响程度。具体结论及其相关建议可归纳如下：

①西部地区的工业生态效率在2000-2015年间整体处于较低的水平，且没有明显的增长趋势。除了青海省始终保持着较高的工业生态效率值外，其余省市工业生态效率很低，且表现出高度一致的变化趋势。因此，西部大开发、丝绸之路经济等针对西部地区的相关政策，可以对青海省有一定地倾斜，积极推进青海省与其余省市之间的经济互助合作，实现西部资源的高效利用。

②西部11省市的全要素生态率都小于1，年均增长率为-10.9%，综合技术效率是全要素生产率的主要推动力。但全要素生产率在这期间呈现出先增加→后减小→再增加→再减小的极不稳定状态。因此，西部地区工业生态效率的提高要加大技术研发，推动技术进步，从而拉动全要素生产率的提升。

③工业结构、外商投资、政府规模都显著推动了西部地区工业生态效率的提高，而科学技术的投入可能相关资金使用不当、成果转化率低下等原因，使得研发投入的出现了反常效果。因此，政府部门要进一步加强对科技资金使用的监管，并进行定期成果考核，淘汰无效率的科技项目，确保资金落到实处。

参考文献：

[1]Schaltegger S， Sturm A.？魻kologische Rationalit？覿t：Ansatzpunkte zur Ausgestaltung von？觟kologieorientierten Management instrumenten[J]. Die Unternehmung， 1990， 44（4）：273-290.

[2]赵树宽，余海晴，巩顺龙.基于DEA方法的吉林省高技术企业创新效率研究[J].科研管理，2013，34（2）：36-43.

[3]張晶.基于超效率的煤炭资源型城市工业生态效率研究[J].经济问题，2010（11）：57-59. 陈志宗.基于超效率-背景依赖DEA的区域创新系统评价[C].全国科技评价学术研讨会，2015.

[4]高海涛，徐恺英，李晗.基于超效率DEA的高校图书馆评价体系研究[J].图书情报工作，2014，58（5）：17-21.

[5]陈志宗.基于超效率-背景依赖DEA的区域创新系统评价[J].科研管理，2016（s1）.

[6]罗能生，李佳佳，罗富政.中国城镇化进程与区域生态效率关系的实证研究[J].中国人口·资源与环境，2013，23（11）：53-60.

[7]王震，石磊，刘晶茹，等.区域工业生态效率的测算方法及应用[J].中国人口·资源与环境，2008，18（6）：121-126.

[8]高峰，王金德，郭政.我国区域工业生态效率评价及DEA分析[J].中国人口·资源与环境，2011，v.21;No.127（s1）：318-321.

[9]潘兴侠，何宜庆.工业生态效率评价及其影响因素研究——基于中国中东部省域面板数据[J].华东经济管理，2014（3）：33-38.

[10]郭露，徐诗倩.基于超效率DEA的工业生态效率——以中部六省2003-2013年数据为例[J].经济地理，2016，36（6）：116-121.

[11]Andersen P， Petersen N C. A Procedure for Ranking Efficient Units in Data Envelopment Analysis[J].Management Science，1993，39（10）：1261-1264.

[12]戴志敏，曾宇航，郭露.华东地区工业生态效率面板数据研究——基于整合超效率DEA模型分析[J].软科学，2016，30（7）：35-39.