淮河生态经济带工业节能减排效率评价

姚 振，赵疏航，余 乾

(安徽理工大学 经济与管理学院，安徽 淮南 232001)

进入新时代，淮河生态经济带的工业产业发展迅速，产业结构也在逐步转型.淮河生态经济带27个地级市的工业固定资产由2011年的1.8×104亿元增加到2017年的3.59×104亿元，年均增长幅度达16.38%.烟粉尘排放、空气污染、工业废水排放等生态环境问题也变的越来越多，工业产业发展和生态环境保护之间的矛盾变得更加突出.过去粗放式的工业产业发展模式已经不能满足新时代社会经济的可持续发展要求，实证分析淮河生态经济带节能减排效率的时空差异及影响因素具有十分重要的意义.

最近，污染物的排放引发了雾霾天气、河水污染等问题，给人们的生产生活带来了一定的困扰.工业节能减排已经成为我国“十一五”规划提出的重要目标，已经引发了国内外学者的热切关注.其中，大部分的学者从中国省级能源效率和省级生态效率的角度进行分析，但是对淮河生态经济带工业节能减排效率进行分析的研究很少.本文从工业产业的视角对淮河生态经济带的节能减排效率进行实证研究.

丛雅静等采用SBM-DDF方法测算了我国2005～2011年30个省份的面板数据测算了各地区的工业节能减排效率，并发现自身的创新溢出和内在创新努力是工业节能减排的重要影响因素[1]；汪克亮等采用非参数DEA方法测算了我国2004～2010年我国省级的节能减排与地区生态效率[2]；陈明华等采用超效率SBM模型和Dagam基尼系数对长江经济带的全要素生产率进行了研究[3]；郗凤明等使用非期望产出的DEA模型在考虑到行业异质性的前提下对辽宁省的工业节能减碳效率进行了实证分析[4]；黄和平等人使用SBM模型对我国30个省份的工业用地生态效率进行了测算[5]，发现工业行业聚集程度和环境管制力度对工业用地生态效率有着显著的影响；陶宇等从空气污染的视角出发，采用非径向方向距离函数(NDDF)实证分析了我国30个省份工业行业的能源环境效率[6].韩一杰等基于Malmquist指数函数对中国各地区钢铁行业的节能减排效率进行了动态分析，然后使用Tobit回归发现钢铁产品的结构对于其节能减排的潜力影响最为明显[7]；Shuang Wang等使用DEA模型分析了大连市节能减排的水平，并发现了产业结构是主要的限制因素[8].Yongming Han等提出了一种基于信息熵和DEA改进模型测算了中国的工业产业部门的节能减排效率[9]；Lei li使用数据包络分析的方法分别分析了中国温带地区和亚热带地区电力企业的能源消耗水平，中国电力企业CER和ESER效率比较低，需要通过技术创新提高能源利用效率，降低碳排放[10].Ali Emronznejad等使用了Malmquist-Luen-berger productivity (MLP)模型研究了中国制造业生产率指数与排放之间的关系[11].Si-Dai Guo等运用SBM模型评估了中国2001～2015年西部地区的工业环境效率，研究表明技术发展水平是影响工业环境效率的关键性因素[12].本文将充分考虑淮河生态经济带各个城市的工业发展水平，结合非径向SBM模型分析淮河生态经济带工业节能减排效率的时空差异，使用Malmquist指数函数对淮河生态经济带各城市工业产业的节能减排效率进行了动态分析，进一步考察影响工业节能减排效率的主要因素，从而找到有效的改进措施.

1 研究方法与数据来源

1.1 方法

1) 非径向SBM模型

DEA模型由Charnes和Cooper于1978年提出的一种基于相对效率的输入和输出分析方法，现在已经衍生出多种改进模型，其中常用的BCC和CRR模型是没有考虑到输入和输出的松弛变量，在处理非期望产出时受到了一定的限制.Tone于2001年提出了SBM模型，将所有的松弛变量合并到目标函数中，有效的克服了上述缺陷.

非期望产出的SBM模型可以表示如下：

(1)

其中：λ表示维权重向量，s-,sg和sb分别表示投入的松弛变量、期望产出的松弛变量和非期望产出的松弛变量.松弛变量和目标函数ρ*都是严格递减的，ρ*∈[0,1].如果ρ*=1，s-,sg和sb的松弛变量都为零，这个决策单元(DMU)才被认为是有效的.如果ρ*<1,s-,sg和sb的松弛变量都不为零，则此时的决策单元(DMU)是无效的.

2) Malmquist生产率指数模型

Malmquist于1953年提出了Malmquist生产率指数模型，Christensen等人于1982年将其广泛应用于动态生产效率的测算.Malmquist生产率指数函数可以表示为：

(2)

Malmquistindex(M) =TEC×EFC

(3)

技术效率变化(TEC)可以表示为：

(4)

技术效率(EFC)可以表示为：

1.2 选取指标与数据来源

淮河生态经济带地区包括江苏、安徽、山东、河南和湖北五个省份中的27个地级市，数据来自于2011～2018年版的《中国城市统计年鉴》、《中国环境统计年鉴》和《中国工业经济统计年鉴》，以及2011～2018年版的江苏、安徽、山东、河南和湖北五个省份的统计年鉴.

工业节能减排效率强调在满足必要工业生产的前提下，最大限度的减少污染物的排放和工业能源资源消耗.因此我们需要将工业生产过程中产生的污染物作为研究对象.本文选取的投入指标包括三个方面：资本数量，人力资本和能源消耗，产出指标包括：期望产出(工业总产值)，非期望产出(工业SO2排放量、工业废水排放量和工业烟粉尘排放量).此外，本文在研究淮河生态经济带的工业节能减排效率时，将其划分为上中下三个主要流域，淮河生态经济带上游包括：随州市、孝感市、平顶山市、南阳市、商丘市、信阳市和周口市，中游包括：淮南市、蚌埠市、宿州市、滁州市、阜阳市、漯河市、六安市、临沂市、济宁市、菏泽市和驻马店市，下游包括：徐州市、淮安市、盐城市、扬州市、泰州市、宿迁市、淮北市和枣庄市，投入和产出指标变量及其具体含义如表1所示，其投入和产出指标的描述性统计如表2所示，各城市区域划分描述性统计如表3所示.

表1 投入和产出指标及其具体含义

表2 2011～2018年淮河生态经济带各地级市的投入和产出指标的描述性统计

表3 2011～2018年淮河生态经济带区域划分

2 实证分析

2.1 静态工业节能减排效率分析

本文基于皮尔逊系数对淮河生态经济带27个决策单元进行等张性检验，所有的检测值均低于显著水平1%且投入和产出变量具有正相关的特征，由此可知27个决策单元均满足等张性要求.根据采用DEA-SBM模型测算淮河生态经济带工业节能减排的效率，其结果如表4所示.从表4可以看出，2010～2017年淮河生态经济带的工业节能减排效率的均值为0.84，在发展工业生产和节能减排方面还有一定的提升潜力.泰州市、六安市、临沂市、宿迁市、信阳市、平顶山市、济宁市、淮北市这些城市的工业节能减排效率值在0.81～0.89之间，处于中等水平.亳州市、蚌埠市、枣庄市、阜阳市、菏泽市、宿州市、滁州市这些城市的工业节能减排效率值较低，处于0.49～0.76之间，这说明淮河生态经济带的工业节能减排效率存在明显的差异，还有巨大的工业节能减排潜力.徐州市、随州市、扬州市、漯河市、商丘市、南阳市、淮安市、盐城市、驻马店市、淮南市这些城市的工业节能减排效率值较高，处于在0.9～0.99之间，表明上述城市的工业生产与节能减排具有很好的协调性.周口和孝感的平均效率值都为1，说明周口和孝感达到工业节能减排效率前沿，这两个城市在发展工业生产和节能减排方面实现了统筹兼顾.

表4 2010～2017年淮河生态经济带工业节能减排效率值

2.2 工业节能减排效率动态分析

为了进一步探究淮河生态经济带工业节能减排的动态演变趋势，本文使用DEAP2.1软件对其27个城市分为上中下游地区进行Malmquist指数分解和测算.结果如表5所示，其中EFC、TEC、PEC、SEC和TFP分别表示技术效率、技术进步、纯技术效率、规模效率和全要素生产率.由表5可知，淮河生态经济带的Malmquist指数在2010～2017年期间的平均值为0.77，表明淮河生态经济带的工业节能减排效率还有一定的提升空间.在此期间，由TFP分解的TEC和EFC的均值分别为0.78和0.97，SEC由2011～2012年的1.02下降至2013～2014年的0.92，减少了9.80%.EFC由2011～2012年的1.04减少到2013～2014年的0.84，减少了19.2%.这表明淮河生态经济带27个地级市“十二五”期间，侧重于发展经济，很多高耗能企业盲目扩大生产规模，排放了大量的工业废水和废气，降低了工业节能减排的效率.将EFC分解成PEC和SEC后，可以发现PEC和SEC都起到抑制的作用，且PEC的抑制作用更加明显.从2014～2017年，TFP均值先由1.26下降到0.61，然后保持不变.同期间由TFP分解的EFC、PEC和SEC均呈现下降趋势，其中PEC下降的最快，而TEC在2016～2017年显著提升，由此可见TEC是促进TFP提升的主要原因.这表明淮河生态经济带27个地级市不仅仅注重工业产业方面的技术创新，还积极落实十三五期间工业和信息化部颁发的《智能制造发展规划(2016～2020)》，坚持创新驱动，激发企业先进智能制造的内生动力，加强智能制造技术的创新突破.

表5 2010～2017年淮河生态经济带工业节能减排效率平均Malmquist指数及其分解

结合图1和表6可知，淮河生态经济带上游节能减排年均Malmquist指数除2012～2013和2014～2015年的TFP>1外，其余时期的TFP<1,说明上游区域的工业节能效率波动性较大，该区域整体上的节能减排效率较低.其TFP从2014～2015年的1.37下降到2016～2017年的0.45，说明上游地区的工业节能减排水平在下降，但是由曲线的斜率可以看出下降的幅度在减缓，表明上游地区的政府部门已经意识到工业节能减排效率在进一步恶化，开始对工业企业的技术创新提供一定的政策和资金支持，工业节能减排降低的趋势有所改善.通过图1中曲线的变化趋势上来看，TEC和TFP曲线的变化趋势基本上相同.特别是在从2015～2016至2016～2017年这段时间内，由TFP分解的PEC、SEC和EFC均有所下降，只有TEC的效率值有所增加，说明TEC是影响上游地区工业节能减排效率的主要因素.上游地区目前工业发展和节能减排之间的矛盾比较突出，需要积极的调整现有的生产作业模式且注重工业企业的技术创新，才能逐步提高工业的节能减排效率.

图1 淮河生态经济带上游年均Malmquist指数变化趋势

表6 2010～2017年淮河生态经济带上中下游平均Malmquist指数及其分解

结合表6和图2可知，淮河生态经济带中游地区2010～2017年间除了2011～2012和2015～2016年的TFP均值分别为0.87和0.58外，其余年份TFP>1，说明淮河生态经济带中游地区的工业节能减排效率较高.PEC从2010～2011年的0.99至2016～2017年间的0.96，PEC整体上保持水平的趋势，SEC由2010～2011年的1.00到2016～2017年间的0.93，SEC整体上保持水平的趋势.TEC由2011～2012年间的0.84增加到2013～2014年间的1.17，TFP也由2011～2012年间的0.87增长至2013～2014年间的1.19，TEC和TFP在这段时间内均保持缓慢的上升趋势.TEC从2014～2015年的1.11下降至2015～2016年间的0.56，在此期间EFC、PEC和SEC均具有比较平稳的发展趋势，TFP从2014～2015年间的1.19下降至2015～2016的0.58，TEC和TFP均迅速下降.TEC从2015～2016年的0.56上升到2016～2017年的1.15，与此同时PEC、EFC和SEC均保持水平的状态，TFP从2015～2016年间的0.58上升到2016～2017年间的1.05，TEC和TFP均具有明显的上升趋势.这表明，中游地区TFP和TEC的变化趋势基本上相同，其TFP主要影响因素依然是TEC.中游地区基本上做到了工业发展和资源环境保护之间的协调，需要进一步保持现有的工业生产作业模式.

图2 淮河生态经济带中游年均Malmquist指数变化趋势

图3 淮河生态经济带下游年均Malmquist指数变化趋势

结合表6和图3可知，淮河生态经济带下游地区“十二五期间”除了2012～2013年的TFP为0.50外，其余年份的TFP>1,说明下游地区的工业节能减排的效率相对较高.PEC从2010～2011年的1.00到2012～2013年的0.94，PEC曲线整体上保持平稳的趋势，SEC从2010～2011年的1.01到2012～2013的0.99，SEC曲线总体上保持平稳状态.TEC由2010～2011年的1.13降低到2012～2013的0.54，TFP由2010～2011的1.12下降到2012～2013的0.50，TFP和TEC均具有明显的下降趋势，TFP和TEC具有相同的变化趋势.EFC从2014～2015的1.07下降到2016～2017的0.81，PEC由2014～2015的1.06下降到2016～2017的0.84.SEC从2014～2015的1.23下降到2016～2017的0.97，TEC从2014～2015的1.12下降到2016～2017的0.74，TFP由2014～2015的1.43下降到2016～2017的0.57，EFC、PEC、SEC和TEC均具有下降趋势，TFP在这段时期明显下降.这表明下游地区没有做好工业发展和资源环境保护之间的协调，地方政府应该出台更加严格的方针和政策，促进工业节能减排效率的提升.

3 结论和建议

3.1 结论

本文先运用SBM模型对淮河生态经济带2010～2017年27个地级市的面板数据进行静态分析，然后再使用Malmquist指数对淮河生态经济带上游、中游和下游地区的工业节能减排效率进行动态分析，得出以下结论.

1) 淮河生态经济带工业节能减排的效率地区差异比较明显，2010～2017工业节能减排的效率为0.84，整体上效率值较高，但还有一定的提升空间.各地级市的工业节能减排效率的时空差异比较明显，孝感和周口的效率平均值均为1，而亳州市、枣庄市、蚌埠市、阜阳市、菏泽市、宿州市、滁州市等城市的工业节能减排效率处于0.49～0.76之间.周口和孝感工业化程度较低，但它们的工业节能减排效率在经济带排名并列第一，均处于效率前沿.由此可见，社会经济发展水平与工业节能减排效率的高低没有必然的联系.

2) 结合上中下游地区的年均Malmquist指数变化趋势图，TEC的曲线和TFP曲线的变化趋势比较相似，TEC是影响淮河生态经济带TFP的主要因素.EFC、PEC和SEC曲线的变化趋势基本相同，EFC、PEC和SEC曲线与TFP的曲线变化存在一定的差异，由此可见EFC、PEC和SEC值的大小与淮河生态经济带工业节能减排效率的高低关系不大.

3)从时间的角度可知，2010～2017年淮河生态经济带的工业节能减排效率经历了先下降后上升，然后再下降，最后趋于平缓的状态.从空间的角度可知，中游地区的工业节能减排效率高于上游和下游地区.上游和下游地区的工业节能减排效率在下降，中游地区的工业节能减排效率在提高.

3.2 具体建议

1) 当地政府要节约资源和重视生态环境保护问题，协调好工业发展和环境保护之间的关系.工业企业要加大节能减排技术的投入，逐步加快高污染、高耗能企业的转型，优化工业企业的产业结构，走绿色低碳发展之路.地方政府要制定严格的环境保护政策，严禁不符合环境保护标准的工业企业开展生产经营活动.

2) 政府应该投入专项资金，为工业企业提供技术研发经费支持.通过对上中下游地区的年均Malmquist指数变化趋势图分析可知，技术进步指数(TEC)是影响淮河生态经济带TFP的关键因素，工业企业应当加强环境保护相关技术的研发，提高技术创新水平，减少工业废水废气的排放，以此提高自身的工业节能减排效率.

3) 淮河生态经济带上中下游地区的工业节能减排效率区域差异比较明显，上游和下游地区要协调好工业发展和节能减排之间的关系，中游地区要继续保持现有的工业生产模式，保持淮河生态经济带的工业节能减排效率长期处于较高水平.