Environmental Efficiency Analysis of Six Provinces in Central China Based on SBM-Tobit Model

本文使用的研究方法包括GML生产率指数、SBM-Undesirable模型和面板Tobit模型.

假设方向向量为(f_x，f_y，f_d)=(-x，y，-d)，$ \vec D_0^F$(x^t，y^t，d^t；f^t)为方向性距离函数，采用全局GML指数构建下列环境全要素生产率TFP，并将其分解为技术进步TECH和技术效率变动EFF，即TFP=TECH×EFF，计算公式为

TFP或EFF小于1、等于1和大于1分别代表t~t+1期间全要素生产率或技术效率下降、不变和上升；TECH小于1、等于1和大于1分别代表t~t+1期间技术水平退步、不变和进步.

假设存在N个决策单元，每个单元有a(a=1，…，A)种投入要素，b(b=1，…，B)种期望产出和c(c=1，…，C)种非期望产出，其对应指标矩阵分别表示为X∈R^a，Y∈R^b，D∈R^c，在考虑非角度、非径向与规模报酬不变的SBM-Undesirable模型下的生产可能集为

对于某决策单元DMU₀的环境效率δ为

式(5)中s^-，s^y和s^d分别为投入要素、期望产出以及非期望产出的松弛量，W为权重矩阵. C，B，A分别为非期望产出、期望产出和投入要素的变量个数.δ为环境效率值，0≤δ≤1，δ小于1时，决策单元无效；δ等于1时，决策单元有效.

考虑到环境效率的取值范围介于0~1之间，本文采用了面板Tobit模型分析环境效率的影响因素，具体模型为

式(6)中当Y_it^*≤0或Y_it^*＞1时，Y_it=0. Y_it，Y_it^*和X_it分别为因变量、潜变量和解释变量，ε_it，β_i和α_i分别为扰动项、参数项和截距项，i代表各地市，t代表年份. 考虑到研发投入、产业结构、经济发展水平、财政投入和外资投入是影响环境效率的主要因素，本文选择了以下解释变量：①研发投入强度(YFTR)，用研发投入与GDP的比值表示. ②产业结构(CYJG)，用第二产业的产值占比表示. ③经济发展水平(GDPP)，用人均GDP表示. ④财政投入(CZZC)，用政府财政支出表示. ⑤外资投入(FDI)，用外商直接投资表示. 鉴于因变量是一种相对值，同时为了克服可能的异方差，本文对部分变量进行了对数化处理，处理后的Tobit模型为

选取我国中部地区6个省份的80个地级以上城市作为研究对象，包括河南17市、湖北12市、江西11市、安徽16市、山西11市以及湖南13市. 80个城市中仅有武汉为副省级城市，其余城市均为一般地级市或省会城市，为叙述方便本文统一表述为“地级以上城市”. 选取全社会用电量(ELEC)、固定资产投资(INVE)和从业人数(EMPL)作为投入变量，它们分别描述能源、资本和劳动力的投入量；选取工业烟尘排放量(DUST)、废水排放量(WATER)和经济增长(GDP)作为产出变量，它们分别代表非期望产出与期望产出. 上述变量数据来源于2015-2019年的《中国城市统计年鉴》和各地市统计年鉴(说明：2019年出版的年鉴，数据截止年份是2018，文中数据是2014-2018年，所以年鉴应该是2015-2019年).

《中国统计年鉴2019》显示，中部地区废水排放总量为154亿吨，约占全国废水排放量的22%，河南、湖南、湖北、安徽、江西、山西6省的废水排放比例依次为3.03∶2.23∶2.02∶1.73∶1.40∶1.00，单位GDP所产生的废水排放比例依次为1.20∶1.16∶1.00∶1.13∶1.24∶1.14. 6省工业烟尘排放总量161万吨，约占全国烟尘排放量的20%，山西、安徽、江西、河南、湖南和湖北的烟尘排放比例依次为2.31∶1.49∶1.48∶1.19∶1.10∶1.00，单位GDP所产生的烟尘排放比例依次为5.55∶2.06∶2.78∶1.00∶1.21∶1.05. 从各地级以上城市的环境污染情况来看，废水排放量较大的5个城市有武汉、新乡、马鞍山、郑州、九江，较小的5个城市有张家界、随州、阳泉、池州和忻州；单位GDP所产生的废水排放较大的5个城市有马鞍山、淮南、景德镇、新乡和鹤壁，较小的5个城市有张家界、随州、长沙、永州和信阳. 工业烟尘排放量较大的5个城市有马鞍山、临汾、宜春、吕梁和武汉，较小的5个城市有随州、漯河、开封、濮阳和周口；单位GDP所产生的烟尘排放较大的5个城市有临汾、忻州、马鞍山、阳泉和吕梁，较小的5个城市有周口、开封、随州、濮阳和长沙. 综合以上分析可知，河南为典型的高废水污染省份，山西为典型的高烟尘污染省份；新乡和马鞍山为典型的高废水污染城市，张家界和随州为典型的低废水污染城市；马鞍山、临汾和吕梁为典型的高烟尘污染城市，随州、开封、濮阳和周口为典型的低烟尘污染城市.

构建SBM-Undesirable模型计算80个地级以上城市的环境效率，得到各省份环境效率的平均值(表 1). 整体上中部6省的环境效率值偏低，平均效率值仅为0.424，无环境效率有效省份，2014-2017年期间6省环境效率均值呈明显下降趋势，2018年效率值有所回升. 2014-2018年期间绝大部分省份的环境效率值低于0.6，具有较大的污染减排潜力. 湖南的环境效率值较高，其环境效率均值为0.587，山西的环境效率值较低，其环境效率均值仅为0.305. 湖南和湖北的环境效率均值高于其他4省，山西和安徽的环境效率均值则明显低于其他4省，整体上6省环境效率呈现出典型的“马太效应”. 依据曾贤刚等^[11]的研究结论可知，2018年湖南的环境效率高于全国平均水平，湖北的环境效率与全国平均水平持平，其余省份的环境效率低于全国平均水平. 2014-2018年期间随着人均GDP不断增长，各省份环境效率值均出现先降后升的“U”型演变趋势，其中山西、安徽和江西的环境效率在2018年出现上升趋势，河南、湖北和湖南在2017年出现上升趋势，说明中部6省可能存在一定的环境EKC曲线，环境保护与经济增长之间的矛盾均呈先突出后缓解的演变过程. 总的来说，中部6省中湖南为高水平环境效率，湖北与江西为中等偏高水平环境效率，河南与安徽为中等偏低水平环境效率，山西为低水平环境效率. 6省环境效率在空间上呈中部靠南3省明显高于中部靠北3省的局面，说明中部6省的环境效率存在一定的空间溢出效应与集聚效应. 湖南与湖北属于典型的效率溢出省份，山西与安徽属于典型的效率渗入省份，河南和江西的环境效率出现较大波动，属于典型的效率溢出兼渗入省份.

比较各省域环境效率的变异系数后发现，山西、安徽与河南(除2018年)所辖地级以上城市的环境效率差异较小，湖南和湖北所辖地级以上城市的环境效率差异较大，它们是导致中部地区环境效率差异的主要因素. 安徽和湖南所辖地级以上城市的环境效率差异呈明显的下降趋势，说明这2个省份的环境效率存在一定的σ收敛，其他省份以及中部6省整体的环境效率差异均呈现出升降交替的演变趋势，说明它们并不存在σ收敛. 结合各个省份的环境效率值及其变异系数均值，本文得出，湖南和湖北为典型的高环境效率-高差异省份，安徽为典型的低环境效率-低差异省份，山西为低环境效率-中差异省份，江西为中环境效率-中差异省份，河南为中环境效率-低差异省份.

为了进一步说明污染物对环境效率的影响，本文测度了不考虑污染物排放时CCR(3个运筹学家名字缩写：Charnes A，Cooper W W，Rhodes E)模型的产出效率值，如表 2所示. 2014-2018年期间中部6省的产出效率值均大于0.5，所有省份的产出效率值大致分为3档，第1档省份仅有湖南1省，平均产出效率为0.829，远高于其他省份；第2档省份包括安徽、江西、湖北和河南4省，平均产出效率在0.7左右；第3档省份仅有山西1省，平均产出效率只有0.618. 加入非期望产出的污染物后，中部6省的产出效率均呈明显的下降趋势，山西降幅高达50.6%，安徽降幅为47.0%，这充分说明了环境污染显著降低了中部地区的产出效率值，特别是山西和安徽，用较大的环境代价换取了经济增长. 比较各省份DEA效率值的减少量可知，2015年以后湖南、湖北、河南和安徽4省的效率减少量呈下降趋势，而山西与江西的效率减少量呈先降后升的波动趋势，说明湖南、湖北、河南和安徽4省在发展经济的同时，较好地控制了环境污染，抑制了传统的产出效率值与考虑污染物的环境效率值之间的差值；而山西与江西2省没能较好地控制环境污染，导致DEA效率减少量的波动变化.

不同环境效率区间内的地级以上城市数量如表 3所示.

2014-2018年期间，山西所有城市的环境效率值均低于0.5，2017年有4个城市的环境效率值低于0.25，环境效率平均值较高的城市为朔州和太原，较低的城市为大同和忻州；安徽只有阜阳(2014年)和合肥(2018年)2市的环境效率值超过0.5，其他城市的环境效率值均低于0.5，环境效率平均值较高的城市为合肥和黄山，较低的城市为淮南和六安；2014-2016年江西新余的环境效率值始终为1，2014年南昌的环境效率值超过0.5，其余年份各地市的环境效率值均低于0.5，环境效率平均值较高的城市为新余和鹰潭，较低的城市为宜春和九江；河南环境效率较高的城市为周口和开封，较低的城市为新乡和商丘，该省每年约有93%的城市环境效率值低于0.5；湖北环境效率较高的城市为武汉和随州，较低的城市为孝感和鄂州；整体上湖南的环境效率值较高，其中长沙和张家界的环境效率值均为1，常德的环境效率值为0.943，环境效率较低的城市为娄底和湘潭，该省每年约有61.5%的城市环境效率值低于0.5. 总的来说，80个地级以上城市中环境效率平均值排名最靠前的5座城市为长沙、张家界、武汉、常德和新余，排名最靠后的5座城市为忻州、大同、运城、晋城和孝感. 城市环境效率的高低与地区GDP之间存在一定的正相关关系.

为了进一步分析中部6省环境效率的演变趋势及其驱动因素，本文选取全局GML指数测度环境全要素生产率TFP及其分解结果技术进步TC、技术效率变动EC(表 4). 从表 4可知，2014-2018年期间，中部6省的环境全要素生产率TFP出现了明显的增长趋势，整体上其均值由2014-2015年的0.939增长到2017-2018年的1.079，年均增长4.74%，且2014-2016年的TFP小于1，2016-2018年的TFP大于1，表明中部6省的全要素环境效率在2014-2018年期间发生了由衰退到提升的演变. 环境效率指数在2014-2016年期间有所下降，而在2016-2018年期间得到了明显提升，其提升诱因则由2015-2016年的技术进步单因素驱动演变到2017-2018年的技术进步与技术效率提升兼有的双因素驱动. 整体上经济增长与环境污染的矛盾关系呈逐年改善趋势，尤其是2016年以来，大部分城市改变了高污染、高能耗的粗放型增长模式. 从其分解结果来看，技术效率变动EC的平均值由2014-2015年的0.973(小于1)调整到2017-2018年的1.036(大于1)，技术进步TC的平均值由2014-2015年的0.965(小于1)调整到2017-2018年的1.041(大于1). 中部6省环境技术效率与技术进步在2014-2018年期间均有所提高，其中环境技术效率值发生了由降低到提升的演变，而技术水平发生了由衰退到进步的演变. 整体上，EC的均值为0.985(小于1)，TC的均值为1.016(大于1)，表明中部6省环境生产率上升的主要诱因是技术进步.

以中部6省环境生产率与环境效率的平均值为临界值，大于平均值的省份为高生产率(效率)省份，小于平均值的省份为低生产率(效率)省份，可以得到如表 5所示的环境“生产率-效率”状况表. 2018年河南和湖北为高生产率-高效率省份，它们处于环境效率高且提升迅速的良好阶段；江西为低生产率-低效率省份，其处于环境效率低且提升困难的不良阶段；安徽和山西为高生产率-低效率省份，它们处于环境效率低但提升迅速的追赶阶段；湖南为低生产率-高效率省份，其处于环境效率高但增长缓慢的特殊阶段. 在2014-2018年期间，湖北和湖南均为环境高效率，湖北的环境生产率经历了“低-高-高-高”的演变，而湖南的环境生产率则经历了“低-高-高-低”的演变，总体上2省变动趋势较为接近；江西的环境“生产率-效率”状况由“高生产率-高效率”转变为“低生产率-低效率”，而河南则由“低生产率-低效率”状况转变为“高生产率-高效率”，总体上河南的环境“生产率-效率”状况呈明显改善趋势，而江西则出现明显恶化趋势；山西和安徽均为环境低效率，山西的环境生产率经历了“低-低-高-高”的演变，而安徽的环境生产率则经历了“高-高-低-高”的演变.

为了探究导致中部地区环境效率变动的内部影响机制，本文采用面板Tobit模型进行分析. 参考已有研究成果，并结合数据的可获取性，本文选取80个地级以上城市的环境效率值作为因变量，选择研发投入强度(YFTR)、产业结构(CYJG)、经济发展水平(GDPP)、财政支出(CZZC)和外商直接投资(FDI)作为自变量，依据式(7)构建面板Tobit模型. 运用STATA 15.0软件估计采用最大似然法的随机效应Tobit模型，结果如表 6所示. 在不考虑人均收入GDPP平方项的情况下，财政支出(CZZC)和外商直接投资(FDI)的回归系数不显著，其他变量均在10%的水平上显著；加入GDPP平方项后，各变量的显著性与回归系数符号基本没变，lnGDPP和ln²GDPP均通过10%的显著性水平；加入财政支出(CZZC)和外商直接投资(FDI)的交互项后，所有解释变量(包括交互项和常数项)以及Wald χ²均已显著，且回归系数符号与前2个模型一致，可以认为加入交互项后的估计结果是稳健的、较优的.

从各个变量的回归系数符号来看，产业结构(CYJG)的回归系数为正，说明提高第二产业占比对环境效率有促进作用，这主要是因为当前许多中部地区所辖城市仍处于工业化进程中，第二产业在GDP增长方面的促进作用显著强于由此给环境污染带来的消极影响，进而提高地区的环境效率. 人均GDP(GDPP)的回归系数为正，表明随着经济的高速增长，人民收入水平逐渐提高，环境质量也会趋于变好，人均GDP的平方项为负则说明中部6省经济增长存在倒“U ”型的环境EKC曲线. 研发投入强度(YFTR)、财政支出(CZZC)与外商直接投资(FDI)的回归系数为负，说明这些因素对环境效率的影响是消极的. 研发投入强度与政府财政支出的消极影响一方面可能是因为中部地区研发的投入产出比例不协调，科技创新带动经济高速发展的引擎牵动作用还未充分发挥；另一方面政府的研发补贴加剧了企业的寻租行为，导致企业环境投资的减少与资源错配，而政府的财政污染支出则可能陷于了“边污染、边整治”的末端治理“怪圈”；外商直接投资的消极影响可能是因为FDI流向了高污染、高能耗行业，产生了“污染天堂”效应，由此降低了中部6省的环境效率值. 值得一提的是，财政支出(CZZC)与外商直接投资(FDI)的交互项系数显著为正，这说明中部地区政府财政支出与外商直接投资之间存在明显的交互效应，而非传统观念上的挤出效应. 外商投资者更加青睐于那些政府投入较多、发展潜力巨大的行业(企业)，同样政府补贴也会更倾向于那些有外商参与、技术先进的行业(企业)，两者间的交互作用提升了中部地区的环境效率.

本文选取了80个地级以上城市2014-2018年的面板数据，定量测度了中部6省的动态与静态环境效率，并实证分析了导致环境效率变动的主要影响因素，提出如下结论与建议：

主要结论：①河南为典型的高废水污染省份，山西为典型的高烟尘污染省份；新乡和马鞍山为典型的高废水污染城市，马鞍山、临汾和吕梁为典型的高烟尘污染城市. ②整体上中部6省的环境效率值偏低，平均效率值仅为0.424，污染减排潜力巨大. 6省环境效率呈现一定的空间溢出效应和集聚效应. 安徽和湖南所辖地级以上城市的环境效率值存在一定的σ收敛，山西和安徽用较大的环境代价换取了经济增长. 从各省环境效率的差异来看，湖南和湖北为典型的高环境效率-高差异省份，安徽为典型的低环境效率-低差异省份，山西为低环境效率-中差异省份，江西为中环境效率-中差异省份，河南为中环境效率-低差异省份. ③在2014-2018年期间，中部6省的全要素环境效率发生了由衰退到提升的演变，其诱因由技术进步的单因素驱动演变为技术进步、技术效率提升兼有的双因素驱动. 2018年河南和湖北为环境高生产率-高效率省份，江西为环境低生产率-低效率省份，安徽和山西为环境高生产率-低效率省份，湖南为环境低生产率-高效率省份. ④产业结构和人均GDP对环境效率有促进作用，且存在环境EKC曲线；财政支出、研发投入强度与外商直接投资对环境效率有抑制作用，且财政支出与外商直接投资之间存在明显的交互效应.

政策建议：①积极引导中部省市走上低碳、环保的绿色发展道路，促使各省市更加重视节能减排与环境保护. 对于新乡和马鞍山要重点做好废水污染的减排工作，对于临汾、吕梁和马鞍山要重点做好烟尘污染的减排工作. ②鉴于能源政策在提升环境效率方面发挥着重要作用，中部地区应在调整能源消费结构的同时，提高人力资源与社会用电的利用效率，加强对烟尘和废水排放的行为监督，针对各省市环境效率的地区差异性，因地制宜地实施环保政策. 对于山西和安徽2省应在加强污染治理的同时，加大环境整治与减排技术的资金投入，努力提高2省的环境效率；对于环境效率较高的湖南和湖北2省，政府应该给予更多的环境政策优惠，鼓励其高新技术产业向落后省市转移，从而缩小不同省市的环境效率差异；对于环境“生产率-效率”状况较差的江西而言，要在提高环境全要素生产率的同时，努力提高地区环境效率. ③加快推进中部地区集约式发展及质量效益型转变，大力推动企业节能减排的技术变革. 充分发挥湖南、湖北2省的技术溢出效应与辐射带动效应，加强中部地区省域间、城市间的减排技术与管理经验交流，进一步发挥技术效率与技术进步在提升环境效率过程中的双因素驱动作用，促进中部6省环境效率高速、协调发展. ④加快推动中部地区工业化进程，促进工业绿色转型发展，巩固提高欠发达地市第二产业的核心地位，充分发挥产业结构和人均GDP对环境效率的促进作用. 提高外资准入环境门槛，积极引导外商投资从高排放、高耗能行业转向高技术制造业与高端服务业；提高企业创新能力，加快科技创新成果转化；逐步改变政府财政支出“边污染、边治理”的末端治理模式，有效克服外商直接投资、研发投入强度和财政支出对环境效率的抑制作用.