EN中文

地理研究 >

2014 , Vol. 33 >Issue 12: 2345 - 2357

DOI: https://doi.org/10.11821/dlyj201412012

辽宁省环境效率及其时空分异

  • 盖美 , 1 ,
  • 连冬 2 ,
  • 田成诗 3 ,
  • 柯丽娜 2
展开
  • 1. 辽宁师范大学海洋经济与可持续发展研究中心,大连 116029
  • 2. 辽宁师范大学城市与环境学院,大连 116029
  • 3. 东北财经大学统计学院,大连 116025

作者简介：盖美(1971- ),女,辽宁大连人,博士,教授,主要从事环境经济可持续发展方面研究。E-mail:

收稿日期: 2014-04-13

  要求修回日期: 2014-09-17

  网络出版日期: 2014-12-10

基金资助

辽宁省教育厅人文社会科学研究项目(ZJ2013014)

国家社科基金重大项目(14ZDB130)

收起

The research for Liaoning environmental efficiency and spatial-temporal differentiation

  • GAI Mei , 1 ,
  • LIAN Dong 2 ,
  • TIAN Chengshi 3 ,
  • KE Lina 2
Expand
  • 1. Marine Economy and Sustainable Development Research Center, Dalian 116029, Liaoning, China2. Urban and Environmental College, Liaoning Normal University, Dalian 116029, Liaoning, China
  • 3.Statistics College, Dongbei University of Finance & Economics, Dalian 116025, Liaoning, China

Received date: 2014-04-13

  Request revised date: 2014-09-17

  Online published: 2014-12-10

Copyright

《地理研究》编辑部
Fold

摘要

环境问题已经成为辽宁省经济发展的瓶颈。基于随机前沿分析SFA与非期望产出的数据包络SBM的研究方法,选取2005年到2011年为研究时间,对辽宁省14个地级市环境效率进行测算,并利用聚类分析、基尼系数与β趋同等研究方法对环境效率进行时空分析。在此基础上,利用Tobit模型建立多元回归,以分析辽宁省环境效率的影响因素。结果表明：大连、沈阳、鞍山的环境绝对效率水平较高,朝阳市绝对效率水平最低;大连、盘锦、沈阳处于生产有效单元,朝阳相对效率属强无效单元;在空间与时间的分析上大连、沈阳等是效率水平高的地区,朝阳为最低地区,空间呈“山脊状”分布;绝对效率值差距在不断缩小,相对效率差距在拉大后趋于稳定;回归结果显示产业结构与经济发展水平对环境经济效率及企业资本深化与生产技术水平起正向作用;财政支持与外商直接投资没有通过模型检验,未对环境效率起作用。

关键词： SFA; SBM; 非期望产出; 趋同; 时空分析; Tobit

本文引用格式

盖美 , 连冬 , 田成诗 , 柯丽娜 . 辽宁省环境效率及其时空分异[J]. 地理研究, 2014 , 33(12) : 2345 -2357 . DOI: 10.11821/dlyj201412012

Abstract

Environment problem has become a bottleneck restricting the Liaoning economic development. Based on the research methods of stochastic frontier analysis and undesired output data envelopment analysis, for measuring the environmental efficiency of 14 prefecture-level city in Liaoning province, we selected the years of 2005 to 2011 as a research period, and did the spatiotemporal analysis of environmental efficiency, with the help of cluster analysis, the Gini coefficient and β convergence et cetera. On this basis, we established the multiple regression by using Tobit model, analyzing the impact elements of environmental efficiency in Liaoning. The results show that: the environment absolute efficiency of Dalian, Shenyang and Anshan is on the higher level, while Chaoyang is on the lowest level. Dalian, Panjin, and Shenyang are in the condition of effective production unit. Chaoyang's relative efficiency belongs to strong invalid unit. In the temporal and spatial analysis, Dalian and Shenyang are areas with high efficiency level, whereas Chaoyang is the area with the lowest efficiency level. The space is distributed as "mountain ridge"-shaped pattern. The gap of absolute efficiency value was constantly shrinking, meanwhile, the gap of relative efficiency has consequently stabilized after it is widened. The regression results show that the industrial structure and the level of economic development have positive effects on the environment economic efficiency, as well as on the capital deepening and production technical standard of enterprises. Financial support and foreign direct investment, which are not tested by the model, play no roles in environmental efficiency.

Key words： SFA; SBM; undesirable outputs; convergence; temporal and spatial analysis; Tobit

1 引言

辽宁省作为东北老工业基地的重要组成部分,有着深厚的工业发展历史与基础,省内有国家新型工业化综合配套改革试验区——沈阳经济区及上升为国家战略的辽宁沿海经济带。2011年全省国民经济产值居全国第7位,占东北三省产值的49%;人均国民生产总值与增长率均高于全国水平,经济拉动作用明显。但是随着国家振兴东北老工业基地战略的实施及辽宁省长久的重工业与资源型经济的发展和城市化、工业化进程的加快,雾霾频发、水资源危机、工业污染等环境问题突出,仅2005年就发生26起环境污染及环境破坏事故,2011年生态环境指数仅居全国中等水平。环境污染与经济发展之间的问题已引起学者与环境组织的强烈关注。基于经济与环境的关联性,1992年世界可持续发展组织提出了“环境效率”的概念用来衡量经济发展所付出的环境代价。环境效率的研究应建立在更为严格、谨慎的经济学理论和经济计量检验之上[1]。研究辽宁省环境效率,有助于了解经济与环境协调发展水平及经济环境影响因素,有利于实现环境与经济的协调发展,为区域环境问题的研究及环境经济政策提供理论参考。剖析辽宁省环境状况对面临类似环境问题的其他省份具有重大启示意义,对认识全国经济环境问题具有典型性与代表性。
国外对环境效率的研究主要集中在：① 国家宏观层面[2-4]方面。如Zaim等[2]利用二氧化碳排放作为指标对经济合作与发展组织(OECD)国家环境效率进行非参数双曲线环境效率测量,跟踪各国二氧化碳排放,得出严格限制碳排放将会使产出受到损失的结论。② 企业微观层面[5-7]方面。其中Kerr等[5]对日本富士施乐公司澳大利亚分部做了环境效率研究,发现复印机产业实行循环生产对环境效率的改善作用并不明显。③ 不同行业环境效率分析[8-10]方面。如Reinhard等[10]等利用随机生产前沿方法,将过量投入的N、P作为环境投入,对荷兰奶牛牧场做了环境效率分析,认为集约化的奶牛牧场比普通牧场在技术和环境方面效率更高。中国学者针对经济效率的研究多集中在全国[11-17]层面。其中程丹润等[11]借助非期望产出SBM模型,利用全国省级数据,对全国东中西部地区进行了工业环境效率测算;王俊能等[13]利用DEA模型进行全要素分解,将全国分成三大类功能区,并对影响因素进行了分析;吴诣民等[15]采用SFA模型对全国各省经济进行了技术效率测算,并进行效率差异分析,发现1997-2011年中国经济处于技术无效状态。以上学者研究大多采用单一效率测算方法,对效率发展状况反映不够全面;并且多以大尺度区域为研究对象,以省为研究对象市级数据为指标的环境效率研究较少,而针对大尺度的研究区域无法更透彻地体现地区发展的内质不均匀性;并且,针对效率差异性的时间和空间分析不深入、对效率发展趋势研究较少。
在总结既往研究的基础上,以辽宁省14个地级市的面板数据为研究对象,分析地市级尺度的资源环境效率差异。环境效率的研究方法主要有两种：随机前沿分析(SFA)与数据包络分析(DEA)。SFA计算生产者自身的效率水平(反映生产者自身效率水平状况),而DEA计算的是生产者在生产群体中的相对效率(反映自身与同级别生产者相比是否达到生产前沿)。本文通过SFA与DEA两种角度的效率测算,并且采用聚类、基尼系数及β趋同等分析,拓宽时间和空间方向经济环境效率研究,加深对绝对效率与相对效率变化趋势的分析。在此基础上对效率可能影响原因做Tobit回归分析,通过检验确定影响因素及可能产生影响的大小。

2 研究方法与数据来源

2.1 SFA基本模型

SFA模型通过计算某地与理想生产前沿的差距,得到该地效率。测算辽宁地区经济环境效率,基本生产模型如下[18-20]
y it = f ( x it ; β ) exp ( ε it ) (1)
式中：yiy表示第i个地区第t年的产出;xit表示第i(i=1,2,…,I(I=14))个地区第t年的投入;β是待估参数;εit表示具有复合结构的误差项,误差项分解为生产无效率项uit与由于统计及外部因素等造成的随机误差项vit。
ε it = ν it - υ it (2)
式中：vit服从正态分布,正负误差机会均等;uit为非负随机变量,假设服从截断正态分布,并且独立于vit。
υ it = υ i exp ( - η ( t - T ) ) (3)
式中： υ i 表示i地区不随时间变化的技术无效率;η为时间衰减系数,η>0说明时间因素对技术非效率的影响将以加大速度下降,η<0则相反,η=0说明技术非效率不随时间发生改变;t表示时间序列t=1,2,…,T(T=7)。
T E it = exp ( - υ it ) (4)
式中：TEit表示第i个地区t年生产效率,当 υ it =0时,TEit=1即该地区处于生产前沿上;当 υ it >0,且TEIT<1时表示该地处于生产前沿下方。
随机前沿理论适用的生产函数模型主要有对数型柯布—道格拉斯函数及超越对数函数。前者优点是函数形式简便,弹性系数直观,但不如后者灵活;后者优越之处是放宽了技术中性和产出弹性固定的假设,缺点是变量过多导致多重共线性问题[21]需要检验假设模型似然值与临界值对比是否接受似然比检验,变量过多假设模型要求较高。采用对数型柯布—道格拉斯函数描述辽宁省14个地级市的环境效率：
ln ( Y it ) = β 0 + β 1 ln ( N it ) + β 2 ln ( M it ) + ε it (5)
式中：Yit表示国民经济总产值;Nit表示经济投入;Mit表示环境投入;εit表示具有复合结构的误差项。
γ = σ υ 2 ( σ υ 2 + σ ν 2 ) (6)
式中： γ 为待估参数,表示随即扰动项中无生产效率所占比例。当 γ =0时说明不存在无效率项,所有市都处在生产前沿曲线上,此时直接用最小二乘法(OLS)计算即可; γ 趋于1时,复合误差项多来自于生产无效率,说明此时该市实际产出与前沿生产之间的差距主要来源于生产无效率;当 γ 趋于0时,说明实际产出与前沿生产之间差距多来源于统计误差及外部因素(如地理环境)等因素所造成。

2.2 DEA基本模型

数据包络分析(DEA)是确定性非参数方法,无需知道函数具体形式,只要知道投入产出数据,利用线性规划模型来评价生产者是否环境有效。并且,对投入产出数据无量纲要求。可分析某地区与同期同级别的最佳生产者的差距。DEA模型每一个被评价单位作为一个决策单元(DMU)[22-24],再由众多DMU构成被评价群体,通过对投入和产出比率的综合分析,以DMU的各个投入和产出指标的权重为变量进行评价运算,根据对各DMU观察的数据判断DMU是否为DEA有效[13,25]。传统DEA模型有C2R和B2C,二者是以投入或产出径向计算,并且在计算中忽视了松弛量,造成对效率的过高估计。Tone[26]提出扩展的DEA模型即SBM模型,将最大投入冗余与最大产出不足带入原目标函数体现松弛量的作用。这样计算出的生产前沿效率同传统模型一样效率值为1,在DMU中会有多个效率值为1的情况。Tone[27]还提出将非期望产出加入到SBM模型中,扩展了解释变量的意义。假定每个DMU都有投入、期望产出、非期望产出,考虑非期望产出的SBM模型有：
ρ * = Min 1 - 1 m ∑ i = 1 m s r - x io 1 + 1 s 1 + s 2 ∑ r = 1 s 1 s r g y ro g + ∑ r = 1 s 2 s r b y ro b
x o = Xλ + s - (7)
s . t . y o g = Y g λ - s g y o b = Y b λ + s b s - ≥ 0 , s g ≥ 0 , s b ≥ 0 , λ ≥ 0 .
式中： ρ * 为效率值; s - 代表投入过剩冗余量; s r g 代表期望产出不足; s r b 代表非期望产出过剩冗余量; λ 代表投入产出的权重。当且仅当 s - =0、 s r g =0、 s r b =0时 ρ * =1,为环境效率有效单元;当 s - ≠0或 s r g ≠0或 s r b ≠0,但 ρ * =1时,为环境效率弱有效单元,即减少投入冗余量 s - 生产单元 y o 产出量不变;0≤ ρ * <1时为环境效率无效单元,即减少原投入 ρ * 倍才能保持生产单元 y o 产出不变,如改进成为有效单元需对投入、期望、非期望产出做出改进。

2.3 数据来源与指标选取

辽宁省作为东北老工业基地重要组成部分,国家提出振兴东北老工业基地的战略及具体措施,一方面会极大地带动地区经济发展与产业转型,另一方面也会给地区环境带来新的变化。辽宁省“十二五”规划中明确提出要狠抓生态环境建设,对生态环境的重视上升到新高度。为保证统计口径的统一及数据可靠性,以2005-2011年为研究期间,选取相关统计数据。研究数据主要来源于《辽宁省统计年鉴》(2006-2012年)、《中国统计年鉴》(2006-2012年)、《中国环境统计年鉴》(2006-2012年)。由于多个地市缺乏固定资本形成总额,借鉴柯善咨等[28]提出的方法,对城市固定资本存量进行估算。具体方法是：
K t = K t - 1 ( 1 - δ ) + I t + I t - 1 + I t - 2 3 (8)
式中：δ表示折旧率;It表示t年不变价固定投资;将固定资产投资转化为固定资产周期设为3年。基期固定资本存量参考Reinsdorf等[29]有：
K 0 = I 0 1 + g g + δ (9)
式中：δ表示折旧率;I0表示基期不变价投资; g 为IT不变价平均增长率;基期前一年即(-1)年不变价投资为 I 0 1 + g ; δ 值按照世界124个国家的计算方法取值为6%;固定资产投资按照辽宁省固定资产投资平减指数进行折算;GDP按照各市每年的GDP平减指数折算为以2005年为基期的不变价国民生产总值。

3 辽宁省经济环境效率分析

3.1 效率计算结果

运用Frontier 4.1软件,将GDP作为因变量,固定资本存量和劳动力人口作为传统投入,各地区废气排放量、废水排放总量与工业固体废弃物未利用量作为环境投入。对辽宁省14个地级市做随机前沿分析(表1),结果显示γ=0.4650,不为0说明误差项具有明显复合结构,用SFA方法是必要的。LR符合混合卡方分布,自由度是受限变量个数,通过t值检验与单边似然比检验,除劳动力在20%下显著外,其他参数在1%水平下显著。η>0说明辽宁省各地区的环境效率随着时间变化不断加大。
Tab. 1 The result of stochastic frontier

表1 随机前沿计算结果

市名 2005 2006 2007 2008 2009 2010 2011
沈阳 0.9595 0.9605 0.9616 0.9626 0.9636 0.9646 0.9655
大连 0.9668 0.9677 0.9686 0.9694 0.9702 0.9710 0.9718
鞍山 0.9738 0.9745 0.9752 0.9758 0.9765 0.9771 0.9777
抚顺 0.6781 0.6866 0.6949 0.7030 0.7109 0.7186 0.7261
本溪 0.6554 0.6646 0.6735 0.6821 0.6906 0.6988 0.7068
丹东 0.8406 0.8449 0.8490 0.8530 0.8569 0.8607 0.8644
营口 0.7674 0.7736 0.7796 0.7855 0.7912 0.7967 0.8021
锦州 0.7534 0.7599 0.7663 0.7725 0.7786 0.7844 0.7902
阜新 0.6171 0.6273 0.6372 0.6468 0.6562 0.6653 0.6742
辽阳 0.7754 0.7814 0.7872 0.7928 0.7983 0.8037 0.8089
铁岭 0.8773 0.8806 0.8838 0.8869 0.8899 0.8928 0.8956
朝阳 0.4361 0.4511 0.4657 0.4799 0.4937 0.5071 0.5202
盘锦 0.8799 0.8831 0.8862 0.8892 0.8922 0.8950 0.8978
葫芦岛 0.6302 0.6400 0.6496 0.6589 0.6679 0.6767 0.6853
运用DEA-Solver pro中规模效率可变条件下非期望产出SBM模型,将固定资本存量和劳动力人口作为投入变量,GDP作为期望产出,各地区废气排放量、废水排放总量与工业固体废弃物未利用量作为非期望产出,对14个地级市进行相对效率测算(表2)。98个决策单元平均效率值为0.7220,盘锦被作为参照标准的数量最多,有23个有效生产单元并且生产前沿中有16个弱有效单元即投入或产出冗余量不为0。
Tab. 2 The result of undesirable outputs SBM

表2 非期望SBM计算结果

市名 2005 2006 2007 2008 2009 2010 2011
沈阳 0.8126 1.0000 (1.0000) 1.0000 1.0000 1.0000 1.0000
大连 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
鞍山 1.0000 0.8220 0.8594 0.6522 0.5725 0.5702 0.5277
抚顺 0.6333 0.4697 0.4563 0.4653 0.4495 0.4526 0.4660
本溪 (1.0000) 0.7573 (1.0000) 0.9415 (1.0000) (1.0000) (1.0000)
丹东 (1.0000) 0.5523 0.4802 0.4780 0.4838 0.4620 0.7078
营口 1.0000 0.4793 1.0000 0.4831 0.5958 0.7314 0.4052
锦州 1.0000 0.5785 0.4930 0.5012 0.4599 0.4563 0.4480
阜新 (1.0000) (1.0000) (1.0000) (1.0000) (1.0000) 1.0000 0.6889
辽阳 1.0000 0.8411 0.7720 (1.0000) (1.0000) 0.9997 0.7134
铁岭 0.7114 0.4830 0.3906 0.3656 0.3600 0.3425 1.0000
朝阳 0.6084 0.4303 0.3392 0.2937 0.2590 0.2617 0.2577
盘锦 1.0000 1.0000 1.0000 0.7130 1.0000 1.0000 (1.0000)
葫芦岛 0.8251 0.5292 0.4249 0.3846 0.3554 0.3543 0.3520

注：括号内为弱有效单元。

3.2 产出弹性

柯布—道格拉斯函数计算出弹性系数：β1=0.2244对应自变量为固定资本存量(亿元),即固定资本存量增长1%可使GDP增加0.2244%;β2=2.788对应劳动力(万人),即劳动力增长1%可使GDP增加2.788%。固定资本与劳动力对经济的拉动作用极大,在现有技术水平下经济发展的重要前提是劳动力增长与固定资产投资尽快转化为固定资本存量,属于劳动力密集产业。β3=0.0113对应的自变量为废气排放量(亿标准m2),β4=0.0229对应自变量为废水排放量(万t),β5=0.1026对应未利用工业固体废弃物(万t),环境投入的弹性均大于零,说明GDP增长的同时,伴随着三废产量增加,尤其废气对应的经济增长百分率最小,即经济增长相同比例废气的排放比重最大(表3)。
Tab. 3 Environmental efficiency of Liaoning province by Frontier Version 4.1

表3 辽宁省各地市环境效率随机前沿分析参数估计结果

系数 标准差 t统计值
β0 -25.161 108.27 -0.23
β1 0.2244 0.0158 14.23***
β2 2.788 1.3289 2.098***
β3 0.0113 0.0106 1.066*
β4 0.0229 0.0069 3.315***
β5 0.1026 0.025 4.085***
σ2 87480.9 1.0026 87252.8***
γ 0.4650 0.0835 5.570***
η 0.0269 0.0581 0.463
对数似然函数 -673.95
单边似然比检验 11.41***

注：LR符合混合卡方分布(mixed chi-square distribution),***表示参数在1%水平下显著,*表示在50%水平下显著。除似然比检验用单尾卡方检验外,其余显著性均采用双尾t检验。

3.3 经济环境效率的时空分异

SFA的计算特点为数据变化比较平缓。通过对SFA结果解读可知,辽宁省14个地级市各自的经济环境效率值变化趋势都是逐渐加大,沈阳市、大连市及鞍山市的各年效率值均在0.95以上,朝阳市的效率值一直处于最低水平。每年总的平均值由0.7722上升到0.8062整体处于较高效率水平。
计算各个地区的平均相对效率增长率(设定2005年为100,增长率等于各年与2005年比,“平均”增长率等于2011年增长率除以时期6所得[30])可知效率值越高的地区其增长速度越缓慢,说明技术效率发展到较高水平后空间受限,此时应该从提高技术进步着手。同时,由SPSS 17.0进行K均值聚类分析,限定分为四类(图1)：第一类朝阳;第二类阜新、本溪、抚顺、葫芦岛;第三类丹东、锦州、营口、辽阳;沈阳、大连、鞍山、盘锦、铁岭为第四类。第一类朝阳在这一时间段内,效率值从2005年的0.4361逐步上升到0.5202,但是始终处于全省最低,属于低效率等级;第二类城市效率值在0.65~0.81之间,每年各地区效率值比较接近,属于一般效率水平;第三类城市中各城市每年效率值处于0.767~0.865之间,属于较高效率水平;第四类城市中沈阳、大连、鞍山效率值均在0.95以上,盘锦和铁岭的效率值在0.877~0.9之间,效率值远高于其他三类城市,属于高效率等级。辽宁省环境效率整体分布特点为中部至南部沿海一线向东西两侧递减。
Fig. 1 The K-means cluster analysis in cities of Liaoning province (2005-2011)

图1 2005-2011年辽宁省各市K均值聚类分析

参考相关研究[15,31],将辽宁经济环境效率分为六个等级：低效率(0~0.4);中低效率(0.4~0.6);一般效率(0.6~0.7);中高效率(0.7~0.8);较高效率(0.8~0.9);高效率(0.9~1)。如图2所示,2005年,没有城市处于低效率等级,中低效率等级的城市只有朝阳,葫芦岛、阜新、本溪和抚顺四个城市为一般效率,锦州、辽阳、营口三个城市属于中高效率,较高效率有盘锦、铁岭和丹东,高效率的有沈阳、鞍山和大连。辽宁省整体呈现中部城市效率突出的特点,低于较高效率的城市占56.1%;空间分布特点高低交错,规律不明显。2008年,没有城市处于低效率等级,朝阳依旧处于中低效率等级,一般效率水平为阜新、葫芦岛和本溪,锦州、抚顺、营口和辽阳处于中高效率,较高效率等级城市有盘锦、铁岭和丹东,沈阳、鞍山和大连处于高效率水平等级。与2005年相比,抚顺由一般效率上升到了中高等级,其他城市所处水平变化不大。2011年,中低效率水平同2008年一样,一般效率城市有葫芦岛和阜新,中高效率有盘锦、本溪、抚顺三个城市,较高效率有盘锦、营口、丹东、辽阳和铁岭,处在高效率的依旧为沈阳、鞍山和大连。与2008年相比,本溪上升到了中高效率,营口上升到较高效率。处于较高效率等级下的城市占50%,整体效率水平比2005年有所提升;2011年辽宁省环境效率的空间格局特点为“中部高梯次向东西减弱”。从图2中可以看出,中部及南部沿海城市效率水平较突出,并且对相邻城市有一定的辐射和拉动作用。环境效率较高的地区同时也是经济发展相对较好的地区,原因在于经济的发展带来了物质生活的丰富、技术进步,有助于环境效率的提高,同时人们对生活环境的诉求更为强烈。
Fig. 2 Stochastic frontier efficiency rating distribution of Liaoning province (2005/2008/2011)

图2 2005年、2008年、2011年辽宁省各地市SFA效率等级分布

依据基于非期望产出的SBM模型计算结果分析(图3),朝阳的相对生产效率各年均为最低,说明朝阳的环境效率水平处于全省最低层次,效率与其他城市有较大差距;大连在2005-2011年间均处于全省生产前沿上,投入、期望产出与非期望产出均没有冗余量产生;沈阳与盘锦的相对效率也比较高,其中沈阳除2005年外及盘锦除2008年外其他5年处于生产前沿上,并且盘锦作为参照标准的次数最多,阜新虽然自2005到2010年在生产前沿上,但都是弱有效单元,根据徐广业[32]研究,输出不变若投入再加大一点,弱有效单元将转化为无效率单元。沿时间轴方向看大连、沈阳、盘锦、本溪、辽阳和阜新的变化程度较小,其余城市效率值逐步减小后在2008年与生产前沿的差距趋于稳定。这是因为开始辽宁省整体效率都不高,而处于生产前沿的大连、沈阳、盘锦等地区提高了生产效率并且注重清洁生产,三废排放比例减小及投入产出转化能力加大,拉大了与其他地区的差距。但是近几年效率无效单元也开始重视提高技术水平与减少三废相对排放之后与生产前沿的差距趋于稳定,符合国家实施东北老工业基地振兴政策的带动作用以及清洁生产、循环经济的发展实际。由于SBM模型中将三废排放作为非期望产出,并且测算的是与本省生产前沿的差距,数据计算特点是变化相对较大,故效率变化及大小与随机前沿有所不同。将相对生产效率在空间上的分布分为有效生产单元、弱有效单元、一般无效单元与强有效单元(图3),发现辽西北地区环境相对效率较低,沈阳、辽阳等中部城市及大连、盘锦等沿海城市相对效率水平较高,逐步形成南部与北部两个“热点”的空间格局。
Fig. 3 Undesirable outputs data envelopment efficiency rating distribution of Liaoning province (2005/2007/2009/2011)

图3 2005年、2007年、2009年、2011年辽宁省各地市SBM效率分布

3.4 各地市经济环境效率动态趋势分析

为了更好地展现效率的空间分布差异与时间上变化趋势,将变异系数、基尼系数与β趋同引入研究。变异系数与基尼系数的大小变化可以判断环境效率在时间上的变化和趋势,利用b值的正负判断是否存在β值,再利用β值正负观察是否存在时间趋同。数据采用绝对生产效率值来判断变化。
变异系数 CV = ∑ i = 1 n ( y i - u ) 2 n / u (10)
式中：yi为各地区环境效率值;u为每年平均数;n为地区数。由变异系数得分可知,数值越来越大则差异越来越大,否则反之。2005-2011年,辽宁省整体变异系数不断变小(0.203-0.166),每年的总体差异在逐步缩小。
基尼系数 G = ∑ i = 1 n ∑ i = 1 n y j - y i / n ( n - 1 ) / 2 u (11)
式中：yi和 yj代表每一年效率值;n为每年城市个数;u表示当年全省平均值。计算辽宁省的基尼系数,分值由2005年的0.118逐步减小到2011年的0.099,也证明了省内每年的差异呈不断缩小趋势。
所谓β趋同指环境效率低的地区向效率高的地区逐步靠近的速度。β趋同的检验采用的是Barro等[33]的经典回归模型：
1 T - t ln y iT y it = a + bln y it + ε it ; b = - 1 - e - β ( T - t ) T - t (12)
式中：T代表末年;t代表初年;T-t表示观察期;yit和yiT分别代表初期和末期绝对环境效率值;a为回归常数量;εit表示误差项。利用SPSS采用最小二乘法线性回归,所得系数b如小于0,则有β值存在：β<0则趋同不存在,β>0则趋同存在,β值越大趋同速度越快。参考变异系数与基尼系数的变化走向,2008年左右变化差值较大,将2008年作为转折年,选取2005-2008年、2008-2011年分段及2005-2011年整段拟合三个回归方程(表4)。
Tab. 4 The beta convergence regression analysis of environmental efficiency of Liaoning province

表4 辽宁省各地市环境效率β趋同回归分析表

2005-2011 2005-2008 2008-2011
a常数项 0.000 -0.001 -0.001
常数项t检验值 -2.048* -1.251* -2.048**
系数b -0.29 -0.036 -0.034
系数t检验值 -29.810*** -17.241*** -31.192***
R2 0.987 0.984 0.988
F值 888.620*** 732.204*** 972.913***
DW值 1.689 1.635 1.255
Sig值 0.000 0.000 0.000
β值 0.02640 0.02563 0.02654

注：系数b的t检验与模型的F检验均在1%水平下显著,Sig.值小于0.5说明接受方程。***代表1%水平下显著,**代表5%水平下显著,*代表10%水平显著。

三个时间段内,b值均小于0,有β值存在,并且β>0说明趋同现象存在。但是三段时间内的趋同速度明显不同,2005-2008年以2.56%的速度向高效率地区靠拢,2008-2011年趋同速度为2.65%,明显比上一时间段的速度加快,环境效率低的地区开始加快速度向高效率地区靠近,低效率地区也加强了环境保护,减少三废产出,同时提高了固定资产转化,结果与非期望产出SBM相对效率值的时间轴变化方式相一致。2005-2011年这一时间段内低效率向高效率以2.64%的速度靠近。将城市按绝对效率进行SPSS 17.0的K均值聚类,限定分为四类：第一类朝阳,第二类阜新、本溪、抚顺、葫芦岛,第三类丹东、锦州、营口、辽阳,沈阳、大连、鞍山、盘锦、铁岭为第四类。将朝阳并入第二类,对三组城市做回归分析。第一、二类城市的趋同速度为17.69%,第三类城市的趋同速度为15.16%,第四类城市趋同速度为14.45%。效率值普遍较高的地区β趋同速度反而低,而效率值较低的地区β趋同速度反而较大。这是由于效率发展到较高水平后,在现有生产力水平下容易产生局限性所致。

4 经济环境效率影响因素分析

由于要全面确定影响经济环境效率的可能因素在所有地区的作用,并削弱弱有效单元的效率影响,因此选择相对与绝对环境效率均值作为分析数据。考虑到DEA的“拇指法则”,选取可能因素时要小于决策单元的二分之一,再根据相关研究[12,13,34-36]选取产业结构、经济发展水平、技术水平、企业资本深化、外商直接投资、财政政策支持作为可能因素。① 产业结构因素指第三产业所占比重(X1);② 经济发展水平依靠人均万元GDP计算(X2);③ 企业资本深化利用工业费用成本利润率(X3);④ 技术水平采用万元GDP能耗倒数(X4);⑤ 外商投资是外商直接投资实际利用额(X5);⑥ 财政政策支持用用于环境保护的财政预算支出占国民生产总值比重(X6)。个别缺失值采用插值法填补,万元GDP能耗为负向指标,值越小表示技术水平越高,为保持可能影响因素具有一致的方向性,对万元GDP能耗倒数,倒数越大技术水平越高。经济环境效率大小可能范围是[0,1],即要么完全无效率,要么投入完全转化为产出,Tobit模型可以很好的解决有限制条件的回归。数据采用相对效率与绝对效率的均值计算。建立回归方程：
Y xl = c + β 1 X 1 + β 2 ln X 2 + β 3 X 3 + β 4 X 4 + β 5 ln X 5 + β 6 ln X 6 + ε (13)
利用EVIEWS做单位根检验,利用STATA通过Hausman检验接受随机效应模型。指标带入EVIEWS做Tobit回归,发现用于环境保护的财政预算支出占国民生产总值比重及外商直接投资实际利用额的初次回归中P值不显著,其他四项指标均为正向作用。

4.1 产业结构与经济发展水平

根据回归结果可知(表5),第三产业占比与人均国民生产产值对经济环境效率起拉动正向效率。第三产业占比每提升1个单位,环境效率上升0.067单位。辽宁省作为东北老工业基地的组成部分,有一批资源型与劳动密集型的重工业城市,第二产业所占比重一直较大。目前,辽宁省处于重工业化向新型工业化演进阶段,工业产值增长迅速,新型工业产品丰富,高能耗、高排放、多种类污染物排放,不利于环境效率的提高。而第三产业作为服务型行业,即可解决劳动就业,又是清洁产业,大力发展第三产业有利于经济环境效率的提升。同时,第三产业中的科研设计、物流行业、金融业等生产性、科研教育及交通类服务行业有助于生产力水平及环境效率发挥正向作用。辽宁省重工业发展基础雄厚,第二产业比重偏大,产业结构不尽合理。同时,第三产业对辽宁省环境效率的拉动作用显著。因此,辽宁省更应重视第三产业的发展,进一步优化产业结构。人均国民生产总值提高1个单位,经济环境效率上升0.52。2005-2011年,辽宁省人均国民生产总值稳步上升,由1.9万元上升到5.1万元,带动经济环境效率上升69.78%。经济发展水平提高有助于生产技术进步与污染物治理,同时经济发展带来人民生活水平提高,物质生活满足后,会对生活环境质量改善有强烈诉求,从而促使环境质量的提高,加快经济环境的正向发展。
Tab. 5 Regression result of the economic and environmental efficiency in Liaoning province

表5 辽宁省各市经济环境效率影响因素回归结果

Yxl Co ef. Std. Err. z P
X1 0.006719 0.002432 2.762750 0.0057***
X2 0.052709 0.008167 6.454287 0.000***
X3 0.858643 0.329972 2.602170 0.0093***
X4 0.027943 0.010809 2.585287 0.0097***
c 0.250042 0.107438 -4.17 0.0199**
似然值 56.7845

注：通过检验确定随机效应模型,z绝对值均大于2.58,变量显著性在99%置信度下非常显著。

4.2 工业成本费用利润率与万元GDP能耗

企业成本费用利润率是衡量企业经济效益的重要方面。理论上良好的经济效益是提高生产技术水平及改善污染物排放的前提条件,并且在回归分析中正向拉动效应大于其他因素系数,成本费用利润率每升高1单位,环境效率上升0.8,可见工业成本费用利润率对环境效率的提高起到了重大作用。辽宁省成本费用利润率自2005年到2011年由3.5%上升到4.6%,带动环境效率上升27%。盈利企业有能力提供高额资金通过改善生产技术及采用污染净化设备等手段提高环境效率。装备制造、冶金等工业作为辽宁省的支柱产业,同时亦是传统污染排放行业,工业企业能够具有较好的经营状况是技术革新及减少污染排放的关键,对辽宁省整体环境效率的提高具有重要意义。但是辽宁省14个地级市中个别地区的个别年份出现了亏损,亏损企业应在自身改善经营与政府政策扶持下尽快获得较高利润率。万元GDP能耗倒数每增加1单位,环境效率上升0.028。万元GDP能耗为负向指标即越小越好,其倒数回归系数为正,即实际对应指标数值为万元GDP能耗减小将对环境效率起正向作用。2005年辽宁省万元GDP能耗为1.83t标准煤/万元,到2011年降为1.096t标准煤/万元。能耗对应倒数为0.54与0.912,倒数增长了1.69倍,进而带动环境效率上升了4.7%。万元GDP能耗主要通过产业转移将重污染转向轻污染排放产业从而降低污染排放量。依据内生增长理论可知技术效率水平的提高可以降低能源消耗量、改善能源消费结构。降低原煤的消耗改为采用清洁能源或发热效率更高的能源等方式,从而改善环境效率。

4.3 外商直接投资与财政预算环保支出

外商直接投资与企业成本费用利润率在初次回归中,显著性没有通过检验。说明二者对经济环境效率的作用并不十分明显。外商直接投资为地区带来了较先进的生产技术,外商投资的竞争压力和潜在溢出效益促使内资企业效率及生产率提升;另一方面由于外资的进入对内资企业构成冲击,降低了内资企业的生产规模、市场份额和利润水平,从而抑制了相对效率及生产效率的提高[36],并且外资投资引进的往往是发达地区高能耗、高污染的行业,对经济环境效率的正向负向作用相抵消。传统观点中,用于环境保护的财政预算对环境效率应该为正向拉动作用,但回归结果显示作用不显著与预判不同,出现这一现象的原因可能在于：辽宁省大部分地区环境保护状况不乐观,环保投资对大量产出的污染物显得杯水车薪,现有投资很难化解污染高排放对地区环境的影响。因此,关键的解决方法一是加大环保投入加强环境整治,二是从生产工艺中提高生产技术,减少污染物排放。

5 结论与讨论

对辽宁省14个地级市的发展环境效率进行评价分析,得出以下结论：
(1)利用SFA模型计算与理想生产前沿的差距,测算得出各地市经济环境效率。结果发现：技术非效率随时间不断变化,14个地级市的绝对效率在不断提高;沈阳、大连、鞍山、盘锦效率值较高,朝阳的效率值一直最低;效率高的地区效率增长率较低而效率较低的地区增长率反而较高,最高与最低之间的差异呈收敛趋势。因此,辽宁省的经济发展应避免单纯依靠投入的外延式增长,应该注重自身内部的集约式增长,同时提高生产力水平,进一步加大投入产出能力。
(2)采用规模效率可变条件下非期望产出SBM模型,测算得出各地市经济环境效率。结果发现：相对效率较高处于有效生产单元的城市有大连、沈阳、盘锦等,朝阳处于相对效率最低的位置。相对效率的变化呈先扩大后缩小的趋势,比较符合生产实际。先期各市的生产水平及控制污染排放能力相差无几,相对的效率水平比较均匀;中期一些城市生产水平提高,注重控制污染排放,投入产出的转化能力提高,发展较慢的城市相对效率较低;后期相对落后城市开始注重自身发展与环境保护,投入产出转化水平提高,城市间相对效率差异缩小。
(3)利用SFA模型计算出要素的弹性系数均为正值,说明各个投入要素对经济产出均有促进作用。在现有技术水平条件下,经济发展的重要前提是固定资产投入尽快转化成固定资本存量及增大劳动力投入。GDP增长的同时,伴随着三废排放量的增加,三废中废气的贡献量最低,同量的GDP增长会排放更多的废气。以上说明辽宁省是粗放型经济增长方式,可持续发展要求加快转变增长方式,合理利用劳动力资源,应更加注重提高技术水平。
(4)对绝对效率值的变化趋势做分析后发现：变异系数及基尼系数呈收敛状态,自2008年开始收敛程度缩小。说明绝对效率之间的差异逐步变小,2008年开始差异缩小速度减慢。辽宁省各城市间的环境效率有β趋同现象,2005-2011年趋同速率为2.64%,其中2005-2008年趋同速度小于2008-2011年趋同速度。对SPSS聚类四种城市做β趋同分析,将第一类的朝阳归于第二类城市,结果显示：效率相对低的城市间的趋同速度大于效率高的城市间的趋同速度,原因是由于现有生产力水平下容易产生局限性。
(5)依据DEA的“拇指法则”,选取产业结构、经济发展水平、能源消耗、企业资本深化、外商直接投资、财政政策支持作为环境效率可能影响因素。经过Tobit模型回归与检验发现：产业结构与经济发展水平对环境经济效率及企业资本深化与技术水平起正向作用;财政支持与外商直接投资没有通过模型检验,没有对环境效率起作用。有些因素与预判时不同,在政策制定中要注意理论与实证的差异,更好地积极发挥政策作用。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
宋涛, 佟连军, 郑挺国. 环境污染与经济增长之间关联性的理论分析和计量检验. 地理科学, 2007, 27(2): 156-162.

[Song Tao, Tong Lianjun, Zheng Tingguo.Theoretical analysis and econometric testing on relationship of environmental pollution and economic growth. Scientia Geographica Sinica, 2007, 27(2): 156-162.]

[2]
Zaim O, Taskin F.Environmental efficiency in carbon dioxide emissions in the OECD: A non-parametric approach. Journal of Environmental Management, 2000, 58(2): 95-107.

[3]
Burritt R L, Saka C.Environmental management accounting applications and eco-efficiency: Case studies from Japan. Journal of Cleaner Production. 2006, 14(14): 1262-1275.

[4]
Zofıo J L, Prieto A M.Environmental efficiency and regulatory standards: The case of CO2 emissions from OECD industries. Resource and Energy Economics, 2001, 23(1): 63-83.

[5]
Kerr W, Ryan C.Eco-efficiency gains from remanufacturing: A case study of photocopier remanufacturing at Fuji Xerox Australia. Journal of Cleaner Production, 2001, 9(1): 75-81.

[6]
Stigson B.A Road to Sustainable Industry: How to Promote Resource Efficiency in Companies. Dsseldorf: WBCSD, 2001.

[7]
Kuosmanen T, Kortelainen M.Measuring eco-efficiency of production with data envelopment analysis. Journal of Industrial Ecology, 2005, 9(4): 59-72.

[8]
Hailu A, Veeman T S.Non-parametric productivity analysis with undesirable outputs: An application to the Canadian pulp and paper industry. American Journal of Agricultural Economics, 2001, 83(3): 605-616.

[9]
Domazlicky B R, Weber W L.Does environmental protection lead to slower productivity growth in the chemical industry?. Environmental and Resource Economics. 2004, 28(3): 301-324.

[10]
Reinhard S, Lovell C K, Thijssen G.Econometric estimation of technical and environmental efficiency: An application to Dutch dairy farms. American Journal of Agricultural Economics, 1999, 81(1): 44-60.

[11]
程丹润, 李静.环境约束下的中国省区效率差异研究: 1990-2006. 财贸研究. 2009, 20(1): 13-17.

[Cheng Danrun, Li Jing.The Sino-US structural trade imbalance: An analysis based on Heckscher-Ohlin model. Finance and Trade Research, 2009, 20(1): 13-17.]

[12]
罗艳. 基于DEA方法的指标选取和环境效率评价研究. 合肥: 中国科学技术大学博士学位论文, 2012.

[Luo Yan.DEA-based research on indicator selection and environmental perfermance measurement. Hefei: Doctoral Dissertation of University of Science and Technology of China, 2012.]

[13]
王俊能, 许振成, 胡习邦, 等. 基于DEA理论的中国区域环境效率分析. 中国环境科学, 2010, 30(4): 565-570.

[Wang Junneng, Xu Zhencheng, Hu Xibang, et al.Analysis of environmental efficiencies and their changes in China based on DEA theory. China Environmental Science, 2010, 30(4): 565-570.]

[14]
张宗益, 周勇, 钱灿, 等. 基于SFA模型的我国区域技术创新效率的实证研究. 软科学, 2006, 20(2): 125-128.

[Zhang Zongyi, Zhou Yong, Qian Can, et al.The emp irical analysis of efficiency of Chinese regional innovation systems on stochastic production frontier function. Soft Science, 2006, 20(2): 125-128.]

[15]
吴诣民, 张凌翔. 我国区域技术效率的随机前沿模型分析. 统计与信息论坛, 2004, 19(2): 18-22.

[Wu Yimin, Zhang Lingxiang.Stochastic frontier analysis of regional technical efficiency in China. Statistics & Information Tribune, 2004, 19(2): 18-22.]

[16]
周超. 中国绿色能源效率的省域差异与影响因素研究. 生产力研究. 2012, 27(6): 125-127.

[Zhou Chao.Study on provincial differences of Chinese green energy efficiency and the factors of effect. Productivity Research, 2012, 27(6): 125-127.]

[17]
周景博, 陈妍.中国区域环境效率分析. 统计与决策. 2008, 24(11): 44-46.

[Zhou Jingbo, Chen Yan.Analysis of the environmental efficiency in China. Statistics and Decision, 2008, 24(11): 44-46.]

[18]
Coelli T J.A guide to FRONTIER (version 4. 1): A computer program for stochastic frontier production and cost function estimation. Department of Econometrics, University of New England. CEPA working paper, 1996, (8): 1-49.

[19]
Battese G E, Coelli T J.Frontier production functions, technical efficiency and panel data: With application to paddy farmers in India. Journal of productivity analysis, 1992, 3(1-2): 153-169.

[20]
Battese G E, Coelli T J.A model for technical inefficiency effects in a stochastic frontier production function for panel data. Empirical economics, 1995, 20(2): 325-332.

[21]
傅晓霞, 吴利学. 技术效率, 资本深化与地区差异. 经济研究, 2006, 52(10): 52-61.

[Fu Xiaoxia, Wu Xueli.Technical efficiency, capital deepening and regional disparity. Economic Research Journal, 2006, 52(10): 52-61.]

[22]
Fare R, Grosskopf S.Measuring output efficiency. European Journal of Operational Research, 1986, 13(2): 173-179.

[23]
魏权龄. 评价相对有效性的 DEA 方法: 运筹学的新领域. 北京: 中国人民大学出版社, 1988.

[Wei Quanling.To Evaluate the Relative Effectiveness of DEA Method: New Field of Operations Research. Beijing: China Renmin University Press, 1988.]

[24]
Huppes G, Ishikawa M.A framework for quantified eco-efficiency analysis. Journal of Industrial Ecology, 2005, 9(4): 25-41.

[25]
卞亦文. 基于DEA理论的环境效率评价方法研究. 合肥: 中国科学技术大学博士学位论文, 2006.

[Bian Yiwen.Research on eco-efficiency evaluation based on DEA. Hefei: Doctoral Dissertation of University of Science and Technology of China, 2006.]

[26]
Tone K.A slacks-based measure of efficiency in data envelopment analysis. European Journal of Operational Research, 2001, 130(3): 498-509.

[27]
Tone K.Dealing with undesirable outputs in DEA: A Slacks-Based Measure (SBM) approach. The Operations Research Society of Japan 2004, 2004: 44-45.

[28]
柯善咨, 向娟. 1996-2009 年中国城市固定资本存量估算. 统计研究, 2012, 29(7): 19-24.

[Ke Shanzi, Xiang Juan.Estimation of the fixed capital stocks in Chinese cities for 1996-2009. Statistical Research, 2012, 29(7): 19-24.]

[29]
Reinsdorf M, Cover M.2014-10-08.

[30]
郭艳秋. 基于随机前沿模型的区域技术效率研究. 阜新: 辽宁工程技术大学博士学位论文, 2010.

[Guo Yanqiu.The research on regional technical efficiency based on stochastic frontier analysis. Fuxin: Doctoral Dissertation of LianNing Technical University, 2010.]

[31]
丁金学, 杨威, 金凤君, 等.东北地区经济增长效率及其时空分异研究. 地理科学. 2011, 31(5): 544-550.

[Ding Jinxue, Yang Wei, Jing Fengjun, et al.Efficiency of economic growth and its spatial and temporal pattern in Northeast China. Scientia Geographica Sinica, 2011, 31(5): 544-550.]

[32]
徐广业, 王开荣.DEA弱有效决策单元判断及排序的新方法. 北京工商大学学报: 自然科学版. 2009, 27(1): 75-78.

[Xu Guangye, Wang Kairong.New methods for identifying and ranking weakly efficient DMUs in DEA. Journal of Beijing Technology and Business University: Natural Science Edition, 2009, 27(1): 75-78.]

[33]
Barro R J, Sala-I-Martin X. Convergence. Journal of political Economy, 1992, 100(2): 223-251.

[34]
宋亚楠. 辽宁沿海经济带工业环境效率研究. 北京: 中国科学院大学硕士学位论文, 2012.

[Song Yanan.Research on industrial environmental efficiency of coastal economic belt in Liaoning Province. Beijing: Master Dissertation of University of Chinese Academy of Sciences, 2012.]

[35]
涂正革. 全要素生产率与区域经济增长的动力: 基于对1995-2004年28个省市大中型工业的非参数生产前沿分析. 南开经济研究, 2007, 23(4): 14-31.

[Tu Zhengge.Total factor productivity and source of regional economic growth: Non-parametric production frontier analysis on the large and medium-sized industrial firm of 28 provinces during 1995-2004. Nankai Economic Studies, 2007, 23(4): 14-31.]

[36]
戚红艳. 广西工业环境效率及其影响因素研究. 桂林: 广西师范大学硕士学位论文, 2012.

[Qi Hongyan.Guangxi industrial environmental efficiency and its influencing factors. Guilin: Master Dissertation of Guangxi Normal University, 2012.]

Options
文章导航

/

〈 〉