孔 晴（兰州大学经济学院，甘肃兰州730000）

中国工业经济整体保持快速增长态势，已经成为推动国民经济发展的主导力量，中国工业经济规模不断攀升，工业增加值从2010年的16 万亿元上升到2017年的27.99 万亿元。而与此同时，中国工业能源消耗量占全部能源消耗总量从2010年的71.48%下降到2017年的66.6%，这可以看出我国环境治理工作已经取得一定的成效。中国实体经济增长的主要来源是制造业，中国环境污染的主体也是制造业，因而制造业仍是我国环境治理中的关键领域。为了实现经济和环境友好之间的协同发展，对于制造业的污染排放一方面是减少排放总量，另一方面是提升环境效率，“中国制造2025”的基本方针就是坚持绿色发展。为了实现节能减排与经济增长双赢，提高环境效率则为节能减排提供了一种间接可行的方法。使用“环境效率”这一评价指标同时考虑了经济效益与环境效益，能够更真实地反映我国制造业发展水平，进而发挥其环境治理的现实指导意义（黄慧敏，2018）[1]，促进经济可持续发展。基于此，本文将对制造业环境效率进行探讨。如何从行业层面分析环境效率的差异性以及污染物减排任务划分的合理性，这也是形成有效的环境污染治理机制首先要考虑的问题。这一问题的解决离不开科学的环境污染效率评价。进一步看，哪些制造业行业属于环境高效率行业？制造业环境效率发展又与哪些因素有关？这些问题有待于理论上的进一步检验。环境效率及其行业差异的研究或许能从一个新的理论视角，有助于较为全面和客观地认识制造业环境污染现状，进而分析环境污染的行业差异和演变规律，准确评价环境与经济的协调性。

目前国内外学术界常用单要素或全要素环境效率评价法来研究环境污染问题。所谓单要素环境效率，就是选用单一的环境污染排放量指标与某一要素的比值。常用的指标有单位GDP 碳排放量[1]、单位能源消耗强度[2]、能源生产率[3]、单位环境污染负荷的经济产值[4][5]等指标。这种方法直接、简单，但存在的问题是没有考虑生产过程中其他要素的影响，存在一定的不全面性，其准确性存在争议，最后实证分析结果会出现较大差异。鉴于此，更多的学者采用的是全要素环境效率。所谓全要素环境效率即在效率评价中将污染物作为投入要素或者非期望产出，计算要素的利用效率，考虑较为全面，已经广泛地运用到相关研究中。1992年在里约地球峰会上，世界可持续发展工商业联合会（WBCSD）首次提出环境效率的概念，WBCSD将环境效率（Environmental Efficiency，EE）定义为，某一区域创造单位价值对环境造成的影响，并将此作为评判可持续发展的测度标准，在经济发展过程中要不断降低资源消耗的强度，对生态造成的影响至少要匹配于地球的预估承载能力[6]。Chung 等（1997）将排放的污染作为非期望产出，利用方向性距离函数方法测度了环境效率[7]，Tone（2003）利用SBN 模型测度了工业生产效率，其中包含将能源投入和污染排放等非期望能产出[8]。近年来，中国的环境污染问题日益严峻，国内不少学者对区域环境效率进行了实证分析。黄永春和石秋平（2015）构建了包含研发投入的SBN 模型测算了我国区域环境效率，结果显示技术进步对东部区域的环境全要素增长贡献最大，环境效率改善对中西部区域的环境全要素增长贡献最大[9]。屈小娥（2014）对中国工业行业环境技术效率进行了评价，结论是其总体上效率偏低[10]。梳理上述文献可知，在环境效率研究上已经取得了较为丰富的研究成果，但在研究结论上存在较大差异，造成结论不同的原因在于环境污染物、变量选取、实证方法的不同。并且对细分行业没有进行深入研究，没有触及环境污染效率影响的深层次原因，对于不同行业而言，具有不同的行业特征，由此带来的环境效应必然存在差异。分析环境污染的行业差异和演变规律有助于较为全面和客观地认识制造业环境污染现状。

一、研究方法

（一）超效率DEA 模型

当前对于效率评价的主流方法是对全要素生产率的测度，即用总产出与全部生产要素总投入的比值来衡量效率，全要素生产率的测度有多种方法，目前较为前沿的有随机前沿分析（SFA）和数据包络分析（DEA）。其中，数据包络分析以其在效率评价上的极大优越性得到了广泛应用，本文采用数据包络分析方法测度环境效率。数据包络分析法（DEA）是一种基于前沿面估算的非参数方法，结合了数学、管理和经济的思想和方法，在处理多投入多产出时很有优势。在应用DEA 模型无需确定投入产出的显式表达式，无需事先赋权，在计算不同决策单元的最大有效性时，指标的权重是动态可变的，其结果在每个决策单元的最有利于自身的权重下的最优解。对于无效率决策单元，由于生产前沿面没有发生变化，测得的效率值与规模报酬不变模型中的得到的结果是一样的。而对于有效率决策单元，基本DEA 将有效单元的效率值均视为1，当有效决策单元较多时无法区分和比较，超效率DEA 去掉了基本模型中的第j0个约束条件，将被评价的DMUj0从效率边界剔除，改变了被评价的DMUj0参考集，大于1 的效率值表示在该DMU 集合中，有效DMUj0的投入再增加相应比例后仍可保持相对有效状态，超效率DEA 可以进行完全排序。

假设有n 个决策单元，他们的输入和输出数据分别为(xj，yj)(j=1，2，...，n)，对于第j0(0≤j0≤n)个决策单元，面向输入的超效率综合DEA 模型及其对偶模型的数学形式如下[11]:

同理，面向输出的超效率综合DEA 模型及其对偶模型的数学形式如下：

式中，θ 为超效率值，S-为投入松弛变量，S+为产出松弛变量。当θ＞1 时，则该决策单元极有效；当θ＜1 时，该决策单元未达到有效。当θ=1 时，则分为两种情况：第一种是S-、S+不全为零，该决策单元弱有效；第二种是S-、S+全为零，该决策单元有效但非极有效。

对于模型中得到的有效单元，在效率值不变的情况下，按一定的比例增加投入，其超效率评价值也会一样同比例增加，此时效率值就会大于1，产生这种结果的原因在于生产前沿面后移。本文借鉴陈诗一的做法[12]，将环境污染物排放量视为投入要素指标，由于中国现行的环境管理政策直接与污染物排放量控制相挂钩，并且污染物排放量也是最直接的量化指标，本文根据《中国环境统计年鉴》中划定的主要污染排放物，从废气、废水以及固体废弃物三个角度出发，对环境污染效率进行测算。DEA 方法在使用中只需确定投入产出变量，并假定有决策单元的投入产出指标组成可能集满足凸性、无效性、锥性、最小性条件即可。经验法则要求投入产出指标具有非负性，且DMU 不少于投入、产出变量总和的两倍。投入指标具体包括二氧化硫、烟（粉）尘排放量、废水排放总量、废水中化学需氧量排放量、一般工业固体废物产生量。在本文中产出指标选取各行业的主营业务收入，投入指标、产出指标分别为5 个、1 个，共有DMU20个。

本文依据WBCSD 给出的定义，环境作为一种资源投入，环境效率公式为：

公式（1）中，OP（Output）为产出指标，在研究宏观经济时，选择生产总值作为产出指标更合适。EP（Environmental Pressure）为环境压力指标，本文选取（水污染、气体污染和固体污染）所造成的环境压力。

（二）Malmquist 指数模型

基于非参数DEA 方法，1982年Caves 等首先将Malmquist 指数方法应用于生产率变化的测算，此后研究者将其与DEA 理论相结合，使其应用日益广泛。本文采用DEA 的非参数Malmquist 指数方法来测定制造业环境效率，Malmquist 指数模型分解得到技术效率变化(EFFCH)和技术变化(TECHCH)。采用上述方法，能够有效避免由于方程设定偏差所引起的估算误差，进一步提高了制造业环境效率及其组成部分的测算精度。

假设存在n个决策单元，每个决策单元在t期使用m 种输入获得s 种输出。表示第j 个决策单元在t 期的输入指标值，表示第j 个决策单元在t 期的输出指标值，并且他们均为正数，t＝1,2,…，T。根据DEA 方法的基本原理，由观察到的决策单元所构造的t 期规模报酬不变的生产可能集为：

由观察到的决策单元所构造的t 期规模报酬可变的生产可能集为：

为了避免在选择生产技术参照系时的随意性，采用两者的几何平均值作为最终的Malmquist 效率指数，即：

在规模报酬不变的假定下，可以将TFPCH(t)分解为前沿面变化TECHCH(t)和趋近前沿面能力变化EFFCH(t)。在规模报酬可变的假定下，EFFCH(t)可以进一步分解为纯技术效率变动PECH(t)和规模效率变动SECH(t)的乘积，即技术效率变化被细化为纯技术效率变化和规模效率变化的乘积。

二、实证结果分析

（一）基于超效率DEA 模型的环境效率测算

第二产业是以制造业为主的工业，由于生产的特性，工业对环境污染最直接，在工业生产过程中产生大量的污染物，因而在对细分行业进行讨论时，选取的对象为工业中的制造业。考虑到数据的可得性，对食品、纺织、造纸、医药等在内的20 个制造业行业的环境效应进行分析。采用软件Mydea1.0 对上述行业的投入产出数据进行处理，可测得中国制造业各行业2005—2015年环境效率值。

表1 2005—2015年中国制造业环境效率分行业测度值

从表1 中可知，2005—2015年间中国制造业的环境效率整体上波动较大，但呈现上升趋势，行业整体效率从2005年的0.545 上升到2015年的0.812，年均上升1.47 个百分点，这与我国的环境治理中主要以政府投入和管理存在很大的相关性。在环境治理中资金投入大，强化节能减排任务时，环境效率可能就会上升；一旦资金投入不能跟上，节能减排思想松懈时，环境效率就有可能下降。另一方面制造业行业的整体环境效率约为0.55～0.81，也说明环境效率还存在较大的提升空间。制造业各行业的环境效率存在较大差异，在2005—2015年间年均值排名在前三位的行业为仪器仪表及文化办公用机械、电气机械及器材制造业、通信计算机及其他电子设备；而排名在后三位的行业为造纸及纸制品业、化学原料及化学制品制造业、石油加工、炼焦及核燃料。比较其年均值，其中行业效率最高和最低的企业相差5.646。

在上述各行业环境效率走势图中，有W型、U 型、倒U 型、L 型、反L 型、V 型、N 型、波浪线等多种走势，但最主要的几种走势为U 型、L型、反L 型、波浪线四种形状，这四种形状的行业共有15 种，占总体样本行业的75%。U 型形状的行业有3 种，分别为食品制造业、化学原料及化学制品制造业、非金属矿物制品业；L 型形状的行业有4 种，分别为饮料制造业、医药制造业、化学纤维制造业、金属制品业；反L 型形状的行业有4 种，分别为纺织业、造纸及纸制品业、石油加工、炼焦及核燃料、专用设备制造业；波浪线形状的行业有4 种，分别为纺织服装、鞋、帽制造业、电气机械及器材制造业、通信计算机及其他电子设备、仪器仪表及文化办公用机械。中国制造业的环境效率整体上不高，并且上升幅度较小，行业之间的环境效率差距明显，环境效率存在较大的提升空间。因此，提高制造业的环境效率，特别是提升环境低效率的行业，对于中国走上“绿色经济”发展道路显得尤为重要（卢曦和许长新，2017，刘新民和孙璐，2015）[13][14]。

（二）基于聚类分析的环境效率分类

中国制造业各行业碳排放效率存在较为明显的差别，为此采用聚类分析方法将上述行业按其环境效率高低进行分类。由于快速聚类分析可以按照需要聚成多少类，形成初始分类，再修改不合理的分类，直到合适为止（张杰和龚新蜀，2010）[15]，在快速聚类法中选用的是欧式平方距离方法。利用SPSS19.0 软件，将20 个行业的环境效率分为高效率行业、中效率行业和低效率行业两类，结果见表2。

表2 制造业行业环境效率分类结果

从制造业行业分类结果来看，我国制造业中环境高效率行业仅有一个行业，而环境低效率行业占75%，总体上我国制造业环境效率偏低，制造业发展中环境效率亟待提高。仪器仪表及文化办公用机械高效率行业的特征是资金实力雄厚，重视技术研发，创新技术发展，产业附加值高，竞争力强。因此，通过加速产品制造过程和减少运输费用，利用技术研发可重复利用的材料和产品，提高产业竞争力，将会提高环境效率，促进环境友好型制造业发展。农副食品加工业、食品制造业、纺织业等低效率行业属于劳动力密集型行业，资本密集程度低，经济增长方式粗放，技术更新缓慢，企业规模普遍较小，能源利用率较低，环境污染物排放效率较低。石油加工、炼焦及核燃料、运输设备制造业等行业多数属于垄断性行业，竞争力相对不高，在污染物治理投入中不够积极，环境效率较低。

（三）基于Malmquist 指数模型的环境效率测算

聚类分析的研究结果显示不同行业的环境效率差异较大，为进一步分析形成这种差异的主要影响因素。本文采用DEA2.1 软件来计算各个行业年均环境效率的Malmquist 指数及其分解值，根据中国制造业20 个行业的综合技术效率、技术进步、纯技术效率、规模效率、全要素生产率来分析影响环境效率的深层次原因。计算结果见表3。

表3 2005—2015年中国制造业20 个行业平均Malmquist 指数及其分解值

行业 综合技术效率 技术进步 纯技术效率 规模效率 全要素生产率化学原料及化学制品制造业 1.089 1.24 1.183 0.921 1.35医药制造业 1.022 1.009 0.918 1.113 1.031化学纤维制造业 1.027 1.044 1.04 0.987 1.072非金属矿物制品业 1.138 1.131 1.137 1.001 1.287黑色金属冶炼及压延加工业 1.038 1.158 1.027 1.01 1.202有色金属冶炼及压延加工业 1.062 1.229 1.054 1.008 1.306金属制品业 0.985 1.135 0.905 1.089 1.119通用设备制造业 1.066 1.122 1.064 1.001 1.196专用设备制造业 1.094 1.147 1.06 1.031 1.255电气机械及器材制造业 1 1.173 1 1 1.173通信计算机及其他电子设备 1 1.206 1 1 1.206仪器仪表及文化办公用机械 1.147 1.27 1 1.147 1.457平均值 1.086 1.131 1.064 1.02 1.231

2005—2015年间中国制造业20 个行业总体全要素生产率为1.231，综合技术效率为年均增长8.6%，纯技术效率年均增长6.4%，规模效率年均增长2%，因此，制造业环境效率的增长更多来自于技术进步。表中结果显示行业全要素生产率的主要影响因素是综合技术效率和规模效率，综合技术效率达到有效状态的行业有19 个，仅金属制品业下降1.5%，这说明金属制品业的生产技术及规模还不够完善，需要进一步提升。规模效率达到有效状态的行业有15 个，有5 个行业小于1，这些行业分别是纺织业、造纸及纸制品业、石油加工、炼焦及核燃料、化学原料及化学制品制造业、化学纤维制造业。综合技术效率和规模效率的约束会使行业Malmquist 指数值整体下降，结合上述超效率模型的测算结果，可以看出技术效率和规模效率都会对环境效率值的变化产生重要影响。

表4 中国制造业20 个行业各年均Malmquist 指数及其分解值

表4 中结果显示了中国制造业20 个行业各年均Malmquist 指数及其分解值。从其行业整体动态发展来看，2005—2016年间中国制造业20 个行业的综合技术效率、技术进步、纯技术效率、规模效率、全要素生产率的平均值分别为1.086、0.759、1.064、1.02、0.824，技术进步未达到有效状态。从影响行业环境效率增长的因素看，技术进步是最主要的增长因素，综合技术进步和规模因素也是会促使环境效率的增长，但是增长幅度不如技术进步大。分年份来看，有3 个年份出现负增长状况，分别是2010—2011年、2011—2012年、2014—2015年，其余年份均为正增长状况。全要素生产率负增长的年份，其技术进步均表现较低，说明技术进步对环境效率有极大的推动作用。

三、主要结论及启示

（一）主要结论

采用中国制造业20 个行业2005—2015年的面板数据，运用超效率DEA 模型和Malmquist 指数对行业环境效率进行了测算与分析，结论如下：

1.中国制造业的环境效率整体上不高，并且上升幅度较小，行业之间的环境效率差距明显，环境效率存在较大的提升空间。2005—2015年间中国制造业的环境效率整体呈现上升趋势，行业整体效率在2006年为最低点，在2014年达到最高点，从2005年0.545 上升到2015年的0.812，年均上升1.47 个百分点。由聚类分析结果可知，中国制造业总体上以低效率行业为主，环境低效率行业占75%，中国制造业发展的环境效率亟待提高。

2.通过Malmquist 指数及其分解值可知，发现技术进步变动指数对TFP 指数具有较强的促进作用，技术效率的下降将会带来TFP 指数的下降。从技术效率变动指数的影响因素角度分析，2005—2015年间纯技术效率年均增长6.4%，规模效率年均增长2%，制造业环境效率的增长更多来自于技术进步。从时间维度上的Malmquist 指数分解值来看，从2005—2006 的21.6%增长到2009—2010年的27.9%，但是在2010年以后出现负增长的趋势，但在2012 达到40.4%，全要素生产率负增长的年份，其技术进步均表现较低。这说明技术进步对环境效率有极大的推动作用。

（二）政策启示

1.积极培育制造业集群式发展。高技术行业可以提高技术创新能力，促进环保技术的开发与运用，提高环境效率，但其在知识需求上存在较高的要求，同行业的技术溢出难以满足其创新发展。而低技术行业主要是从其他同类行业中模仿性的技术复制达到创新发展，“干中学”和“模仿”是获得技术的有效途径。因而，应该注重培育各类制造业行业集群式发展，这将有利于环境污染防治工作的开展。

2.加大低效率行业的环境资金技术支持力度。环境高效率行业普遍资金实力雄厚，重视技术研发，创新技术发展，产业附加值高，竞争力强，通过加速产品制造过程和减少运输费用，利用技术研发可重复利用的材料和产品，提高产业竞争力，将会提高环境效率，高效率行业集聚对环境的影响作用比低效率行业大。针对环境效率的行业差异性，政府应加大环境低效率行业的资金技术力度，对农副食品加工业、食品制造业、纺织业等劳动力密集型行业加大研发资金投入，加快更新节能环保技术，积极引进和学习行业内的先进环保理念和环保技术，弥补企业自身在知识和技术的不足之处，以促使低效率行业集聚能够整体提升环境效率。