曾倩

摘 要：将环境因素纳入SBM方向性距离函数，计算陕西省10个地级市的环境技术效率，在此基础上使用2006-2016年面板数据检验陕西省环境技术效率和影响因子之间的强弱关系，并对其相关性进行回归分析，最后得出结论。

关键词：陕西省;环境技术效率;影响因子

中图分类号：F2 文献标识码：Adoi：10.19311/j.cnki.1672-3198.2019.06.009

1 引言

改革开放后，中国高速经济增长引致的资源枯竭和环境恶化现象严重，如今已进入转变经济发展模式调整的重要时期，主要体现在供给需求结构失衡、对资源的低利用率和严重的环境污染等方面。我国环境污染的损失大约每年540亿美元，接近GDP的8%，这严重制约了经济发展。另外，过去几十年的经济发展对自然资源的高额消耗给我国的生态环境造成了巨大压力，经济增长与资源环境的矛盾突出。2017年，习总书记在中国共产党第十九次全国代表大会报告中强调，必须坚持节约资源和保护环境的基本国策，实行最严格的生态环境保护制度，形成绿色发展方式和生活方式，为人民创造良好的生产生活环境。

随着对资源的进一步开发利用以及能源重化工产业的进一步发展，煤炭已占我国一次能源生产总量的76%、社会消费总量的69%。我国对煤炭需求量的急剧增加使得陕西的资源优势愈加凸显，陕西是我国的煤炭大省之一，尤其是陕北地区，煤炭资源尤为丰富。目前，陕西的煤炭资源总量排名全国第二，优质煤炭资源更是居全国首位，煤炭基地、重点矿区和能源化工基地较多。但是，目前陕西省的大多数能源化工项目都是自然资源要素投入高、对环境污染严重的资源型项目。资源利用率低、生态环境污染严重问题随着经济的高速增长愈加显著。陕西资源富集，对自然资源进行开发是必然选择，各级政府的政策制定者也都面临着经济增长和节能减排的权衡，如何协调经济增长与自然资源生态环境的关系，是进一步发展经济过程中需要解决的重要问题。要实现陕西省经济、资源和环境三者之间的协调发展，经济发展方式迫切需要从“高投入高污染”向“低投入低污染”转变。“两型社会”建设最根本的目的是资源节约和环境友好，怎样测度陕西省经济系统的自然资源消耗和环境影响程度？陕西省各地区的环境技术效率如何？影响其因素有哪些？这些问题在现实中亟待解决。

本文将环境因素纳入SBM方向性距离函数，测算陕西省10个地级市以及我国30个省区生产活动的效率值，继而利用随机前沿函数模型诠释环境规制工具、产业结构、人均生产总值、外商直接投资和环境技术创新这四个因素对环境技术效率的影响程度。作为衡量可持续发展水平一种有效方法，我们将传统SFA体系修正后运用到区域经济系统，量化环境资源投入与经济增长的关系，分析地区经济发展的方式及特征，在将可持续发展理论与生产实践相联系的同时，也为优化经济系统中自然资源环境管理提供了科学依据。

2 文献综述

自从Solow（1957）的开创性工作以来，生产效率和全要素生产率已经越来越多地被引入新古典增长核算分析，这两个指标对产出增长贡献的相对变化更是成为判断发展方式转变的主要依据（Kim&Lau;，1994;Krugman，1994;Young，1995）。然而，长期以来，学者们在考量生产效率时十分关注传统的劳动、资本要素，与可持续发展息息相关的环境因素常常被忽略，这就对测算结果的准确性和可靠性带来了疑问。随着能源和环境对产出的影响愈来愈大，学界开始将污染排放也作为投入要素来处置，与资本和劳动投入一起引入生产函数。经过几十年的发展，关于环境生产效率的理论和方法研究日趋成熟，国内外学者将环境生产率用于分析現实经济形势，无论在完善经济增长相关理论方面，还是对宏观经济政策的制定和调整方面，学术成果颇丰，这为本文提供了理论基础和思考路径。通过对已有文献的梳理，我们发现了以下几个特点：

在研究对象上，国内外文献聚焦的范围和层次有别。国外大多数学者以微观企业为分析对象，因此，生产过程中需要大量资源耗费或严重依赖污染原料的工业生产型企业，例如燃烧大量化石能源并排放SO2的发电站成为重点考察对象（Gollop and Roberts，1985;Coggins and Swinton，1996;Lee et al.，2002;Fare et al.，2007）。

由于我国企业层面的微观数据尤其是污染物数据缺乏，因此，我国的学者们大多将此领域研究放在宏观层面，在行业和地区层面上测算和比较环境生产效率以及污染物边际减排成本。在行业层面分析上，涂正革（2009）、吴军（2009）等学者利用方向距离函数，基于中国省级工业部门的SO2污染物测算了各省工业部门的环境生产率;陈诗一（2010）搜集了中国工业行业数据，在此基础上考察污染物的环境生产率，核算并评价工业部门节能减排的潜在损失和收益，并预测2049年前节能减排情况，由此证明波特假说的正确性。在区域层面分析上，Ke（2008）、胡鞍钢等（2008）分别运用产出距离函数、方向距离函数、超对数函数，测度了中国30个省区的环境生产率，计算SO2污染物的影子价格。王兵等（2010）、董锋等（2010）则在省际投入产出数据基础上，将能源消费、人力资本等要素加进投入要素，将COD和SO2两种强制减排的污染物加入产出变量，运用方向距离函数计算了各省环境生产率。这些研究为分析与比较我国行业及地区间环境生产率差异作出了重要启示，但没有扩展至陕西省内区际环境范围。

在研究方法上，分析渠道单一，函数形式多样且计算过程复杂。在经济增长中考虑环境影响的文献中，陈诗一（2009）基于扩展新古典增长模型，利用Solow余值法研究了我国工业内分行业的绿色经济增长。基于方法论的视角，这种基于Solow余值的增长核算法，需要设定如完全竞争或利润最大化等强假设条件，以考虑生产过程中的无效率因素，并对此进行准确度量，但可能会导致结论有偏（郑京海等，2005）。而DEA法（包括当期DEA及序列DEA）不但对测量误差和极端值特别敏感，Fare et al.（1994）的方法为省际生产率的分解建立了基础。然而该文不是通过实际的规模报酬可变（VRS）前沿面的移动测算技术进步，而是基于虚拟的规模报酬不变（CRS）前沿面，所以其生产率的分解方法一般会产生向上偏误的技术变化值和向下偏误的规模效率变化值（Grifell Tatje et al.，1999）。于是，王兵（2010）等学者试图摆脱上述分解有偏的问题，基于VRS前沿来测算技术进步，但又遇到了“不可行解”问题，因此无法准确估算技术进步的值。Ray et al.（1997）认为，面对这种两难困境，通过基于显性的超越对数距离函数可以找到出路。而传统的SFA方法对于技术进步和规模变化这两个生产率的分解因子由于不满足“费雪理想指数”特征，因此在分解的过程中存在有偏误的结论（Orea，2002）。

在学界前期的研究基础上，本文从以下几个方面对现有文献进行了拓展：第一，纳入环境因素分析陕西省10个地级市的经济增长状况，使用环境技术效率指标测算样本期内生产率;第二，放松规模报酬不变假定，构建计量模型探讨环境技术效率及其成分，并具体分析三种主要的环境规制工具（命令型、市场型和公众参与型工具）、人均生产总值、产业结构、外商直接投资和环境技术创新对陕西省环境技术效率的影响程度。

3 陕西省环境技术效率

3.1 测算方法

为了测度各地区的环境技术效率，我们把考虑环境因素纳入SBM方向性距离函数：

3.2 数据来源

本文主要测算了2006-2016年陕西省10个地级市和我国30个省区的环境技术效率，数据来源于《陕西统计年鉴》、《陕西省环境统计公报》、《陕西省投入产出表》和《中国统计年鉴》、《环境统计年鉴》。

3.3 测算结果

3.3.1 陕西省10个地级市的环境技术效率

基于SBM-DDF方法，使用MaxDEA5.2软件，本文以工业劳动力（制造业从业人员平均人数）、资本（制造业全社会固定资产投资）、能源投入量作为投入指标，期望产出指标是工业增加值，二氧化硫排放量、废水排放量和固体废物排放量作为非期望产出指标，测算了2006-2016年陕西省10个地级市的环境技术效率。

我们发现，陕西省10个地级市环境技术效率的高低排名为：安康、铜川、商洛、西安、汉中、延安、渭南、咸阳、宝鸡、榆林。总体来看，陕南地区的效率较高，其自然条件更似南方地区，其经济发展与独特的自然特点和人文风貌相互依存，农业的化肥残留和农膜残留的控制在全省起示范带头作用，工业污染占比低，可持续发展潜力更大。而关中和陕北地区次之，在经济增长的同时应该更注重控制生态环境的污染。

3.3.2 陕西省环境技术效率在我国的排名

如上相同的方法，我们计算出了我国30个省区（西藏除外）的环境技术效率，陕西位列第十名。

按照各省区在这11年中的均值进行排序，陕西省位列第10名。均值排名前10位的浙江、江苏、吉林、辽宁、河南、黑龙江、天津、内蒙古、山东、陕西可视为称为“高环境技术效率地区”，其中有5个东部省区，3个中部省区和2个西部省区。均值排名后10位的四川、山西、云南、河北、甘肃、宁夏、广西、新疆、安徽、贵州可称为“低环境技术效率地区”，其中有1个东部省区，2个中部省区和7个西部省区。由此可见，发达的东部地区产业结构合理，经济均衡增长，而相对闭塞和落后的西部地区仍然依赖传统生产方式，技术效率低下，经济增长失衡。

4 陕西省环境技术效率的影响因子

4.1 模型构建

为了考察影响环境技术效率的因素，本文构建静态面板模型如下：

其中，i表示各地区，t表示年份，efficiencyit 表示环境技术效率，policyj 是命令控制型、市场型和公众参与型环境治理政策，structureit是产业结构效应，gdpit是人均地区生产总值，fdiit 为外商直接投资程度，technologyit为环境技术创新。豪斯曼检验显示應该采用固定效应模型进行估计。

4.2 指标选取

4.2.1 环境政策工具

20世纪60之后，环境污染事件频发，能源危机为人类敲响了节约资源和保护环境的警钟。从上世纪70年代由联合国人类环境会议发起的《人类环境宣言》和《只有一个地球》到90年代里约大会提出的《二十一世纪议程》和《里约环境与发展宣言》，再到《京都议定书》在世界范围内开放签字，环境保护问题受到国际社会的广泛关注。相比发达国家，中国的环境保护政策的出台、实施都较为滞后，仍然依赖传统的命令控制型工具，市场激励、信息披露和公众参与型工具运用不足。首先，我们搜索历年《中国环境统计公报》、《陕西省统计年鉴》和《陕西省环境统计公报》中的各地区政府当年受理环境行政处罚案件数作为命令控制型政策的衡量指标;其次，我们在《中国环境统计公报》、《陕西省统计年鉴》和《陕西省环境统计公报》中搜索2006-2016年各地区的排污费征收收入作为市场激励型环境政策的衡量指标;最后，本文选取各地区环境部门接待来访批次衡量公众参与环境政策的强度。

4.2.2 产业结构

产业结构效应在本文中是指工业结构效应，本文用第二产业增加值占GDP的比重来衡量，工业产值比重过重将会恶化资源环境，而工业结构的下降则能减轻环境压力。

4.2.3 人均生产总值

环境库兹涅茨曲线在理论上阐释了经济发展水平与环境污染之间的倒U型关系，并在实践中得到了普遍证明。因此，本文将经济发展水平纳入模型，并采用各地区的人均生产总值作为衡量指标。

4.2.4 外商直接投资

外商直接投资程度将影响企业的环境技术水平，进而对环境质量产生影响，考虑到工业中大型企业的排污问题更为严重，本文采用各地区规模以上工业企业外商资本金衡量外商直接投资程度。

4.2.5 环境技术创新

环境技术进步方面，由于《中国环境统计年鉴》中“各地区环境科技工作”缺失2011-2014年数据，本文选取各地区发明专利申请授权量作为衡量指标。

4.3 实证分析

关于陕西省环境技术效率影响因素的静态面板回归结果见表3。

第一，据表3所示，环境规制工具的系数为正和显著性结果基本稳定，陕西省市场激励型工具更能充分发挥企业主观能动性，对环境技术效率的提高更为明显。公众参与型工具对环境技术效率的效应逐渐增强，位列第二。而陕西省的命令型环境政策短期内增加企业负担，长期使其从绿色产业链中获得创新补偿，具有强制性和及时性，但缺乏灵活度。

第二，产业结构的影响系数为正，说明陕西省产业结构的优化升级缓解了经济高速增长对环境的负面影响，对资源的开采和损耗有积极的调节作用，在一定程度上提高了环境技术效率。

第三，人均生产总值对环境技术效率的作用为正，说明陕西省传统经济依靠高投入、高能耗和高污染的经济发展模式已在转变之中。

第四，外商直接投资对环境质量的作用为负，说明外商直接投资并没有通过所谓的溢出效应、示范效应和竞争效应提升了陕西省各地区的技术水平，反而增加了资源和要素投入，降低了环境技术效率，侧面印证的“污染天堂”假说在陕西省成立。

第五，环境技术创新对技术效率的提升作用为正，说明环境友好型技术创新在推动陕西省经济结构调整、改善环境质量方面发挥了重要作用。清洁技术将为新旧动能转换提供重要动能，创新驱动绿色经济发展逐渐成为陕西省经济增长的主要方式。

5 结论

首先，本文通过测算发现，陕西省环境技术效率在全国除西藏外的30个省市中排名第十位，在其十个地级市中，环境技术效率的高低排名为：安康、铜川、商洛、西安、汉中、延安、渭南、咸阳、宝鸡、榆林。

其次，我们认为在影响陕西省环境技术效率的因素中，命令控制型、市场型和公众参与型环境政策均对提高环境技术效率具有显著正向作用，其中市场激励型工具的治污效果最佳，公众参与型工具次之，命令控制型工具再次之。产业结构和环境技术创新对环境技术效率具有正向影响且提升作用十分明显，但外商直接投资的影响为负。

参考文献

[1]Grossman，G.and A.Krueger.Economic Growth and the Environment[J].Quarterly Journal of Economic，1995，1（2）：352-377.

[2]陈诗一.节能减排与中国工业的双赢发展：2009-2049[J].经济研究，2010，（3）：129-143.

[3]王兵，吴延瑞，颜鹏飞.中国区域环境效率与环境全要素生产率增长[J].经济研究，2010，（5）：97-98.

[4]陈诗一.中国的绿色工业革命——基于环境全要素生产率视角的解释（1980-2008）[J].经济研究，2010，（11）：21-58.

[5]李斌，彭星.环境规制工具的空间异质效应研究——基于政府職能转变视角的空间计量分析[J].产业经济研究，2013，（6）：38-47.

[6]李金凯，程立燕，张同斌.外商直接投资是否具有“污染光环”效应？[J].中国人口资源与环境，2017，（10）：74-83.