我国省域污染排放效率时空差异格局及其影响因素分析

于 伟1，张 鹏2

（1.山东财经大学工商管理学院，山东 济南 250014；2.济南大学管理学院，山东 济南 250002）

0 引言

高污染和高能耗的传统工业发展模式使得近20年我国环境问题频频出现，同时做到节能减排和提质增效已成为全面发展必须要破解的难题。现代社会人类的生产和生活中不可避免地会产生大量污染排放，在控污和节污的同时扩大有效产出是提高能源利用效率以及实现环境保护和经济发展双赢目标的关键。特别是在依靠正常的技术进步速率较难实现2020年我国政府的减排承诺的背景下［1］，要实现发展和减排的双赢目标，更需要大幅度提升能源和环境效率，扩大能源投入的创效产出。这使得现阶段优化污染排放效率有着迫切的现实意义。此外，由于资源禀赋和发展途径的差异，我国省域间污染排放强度和效率不可避免地会存在较大差异，厘清这种差距的变动趋势和探究污染排放效率的时空格局对于合理确定地区节污减排目标和政策方略从而推动全域范畴内“两型”社会发展具有重要价值。

节能减排中的效率问题是研究者们长期关注的问题之一，早期学者多采用碳强度或人均碳排放等单要素指标进行衡量。尽管此类指标简便易测，但无法反映经济体污染排放绩效的多维度特征，也无法反映各个要素之间的替代作用［2］，此外诸如资源禀赋、经济发展阶段等因素的变化可能改变污染排放强度，但并未改变污染排放效率。随着SBM、SFA等方法的开发利用，研究者们开始围绕着碳排放效率及全要素能源效率的影响因素和区域差异性等进行大量的研究［3－7］，但这些研究大多并未有效涵盖污染排放全貌，也未深入分析排放效率的时空异质格局。本研究尝试在构建综合污染评价指数的基础上，以省域为基本单元，利用2005－2012年数据测度污染排放效率并分析其时空差异表现，以期为提升污染排放效率和推动区域间协调发展提供借鉴。

1 研究方法

1.1 区域污染综合指数设定

既有文献中研究者大多以碳排放或废气等部分指标刻画区域污染，本研究试图构建污染综合指数对此加以突破。在基于数据可得性基础上选取多种污染物综合反映区域排污状况并利用因子分析计算相应权重，得出区域污染综合指数。这种处理方式一是权重指标较为客观，二是在数据降维过程中尽可能保留了原始数据所含信息。

1.2 污染排放效率内涵及测度方式

在借鉴Leibenstein［8］从投入产出角度定义的技术效率的基础上，结合相关学者对碳排放效率的定义［4］，本研究将污染排放效率描述为单位污染排放形成的实际产出与最优产出（生产前沿边界）之间的比值，该数值处于0和1之间，数值越大意味着污染排放效率越高。测度污染排放效率的关键是确定生产前沿边界，目前主要有数据包络分析（DEA）和随机前沿分析（SFA）两种方法。SFA利用生产函数构造有效前沿面，采用技术无效率项的条件期望作为技术效率，并考虑测量误差和统计干扰从而保证待估效率的有效性。在模型设定合理且使用跨期面板数据的前提下，SFA方法具有比较优势。在生产函数形式选择中，作为任意生产函数的二级泰勒近似的超越对数生产函数具有易估计和包容性强的特点。因此本研究基于该函数构建了如下评价模型，该模型是在经典超越对数生产函数基础上同时减去lnPit得出 。

式中：Kit、Lit和Pit分别代表第i个省域第t年的固定资产投入、人员投入和“污染”投入，分别用区域全社会固定资产投资额、从业人员数和污染综合指数指代（西藏部分数据缺失严重，故不计之）；T代表时间项，Yit代表区域GDP。为消除物价变动因素的影响，利用历年固定资产价格指数将固定资产投资额转换成2000年不变价格，随后利用永续盘存法将固定资产投资额的年度流量转换成相应的存量，其中折旧率取常见的9.6%。基年资本存量采用基年固定资本投资额除以10%确定［9］，GDP亦按平减指数进行消胀。αi（i＝0，1，2，…13）为待估计第i项参数。Vit和Uit相互独立，Vit代表随机误差项，包含观测误差和其他随机噪声误差，且Vit～i，i，d.N（0，σ2v）；Uit代表技术非效率项，服从截断正态分布N（mit，σ2u），其中mit＝δ×zit，zit为影响技术非效率的因素，δ为系数向量，该值为正（负）说明影响因素对技术效率有负（正）的影响。效率可通过TEit＝exp（－Uit）测算得出。此外可通过方差参数判定模型设定是否合理，表达式为γ＝σ2u／（σ2v＋σ2u）。当γ接近0时意味着实际产出和前沿面的偏差多来自于不可控因素造成的噪声误差，此时用最小二乘法即可；当γ接近于1时则表明实际产出和前沿面的偏差主要来自生产的非效率，需要用随机前沿模型对函数进行估计。

1.3 泰尔指数及其分解

泰尔指数是常见的用于测度不均衡程度的工具，计算公式为：其中：xi代表第i个考察区域的污染排放效率，k为所考察的区域个数，u为所有考察区域污染排放效率的加权平均值，pi为第i区域人口权重。Theil指数显著优点之一在于能够按照子样本对总样本进行分解，分析各子样本内部（组内）和子样本之间（组间）的不均衡程度及其对总体不均衡的贡献度。本研究以国家统计局口径下的三地带对泰尔指数加以分解。具体分解公式如下：

式中：右边复合项中第一项为组内差距，第二项为组间差距。Wg表示第g个区域人口占全域比重，T（xg）表示第g组的组内差距，T（μ1e1，μ2e2，μ3e3）表示组间差距，WgT（xg）／T表示第g组对全域Theil指数贡献度。

2 2005－2012年各省域污染综合指数

本研究旨在考察区域综合污染，因此选择废水排放、化学需氧量排放、氨氮排放总量、二氧化硫排放总量、烟（粉）尘排放总量进行综合考量。首先对5种污染物原始数值进行标准化处理以确保量纲一致，其次进行因子分析适宜性检验，计算表明KMO值为0.724，通过巴特立特球形检验，表明适合进行因子分析。方差最大正交旋转后显示五指标较好地附着在两个因子上，累计方差解释比达到86.11%，随后本研究先后以测项在因子上的负载和因子解释的方差百分比为相对权重计算得出区域综合污染分值并将其转化为0～100之间的数值。表1报告了部分年度内各省域综合污染指数（缺失年度数据备索）。

3 生产函数估计结果

本研究采取2005－2012年面板数据和最大似然估计法，使用软件Frontier 4.1得到各系数（参数）估计结果（表2）。其中，γ值为0.99，接近于1，这表明实际产出和前沿面的偏差主要来自生产的非效率，因此相比较于最小二乘法，应使用随机前沿模型对函数进行估计。

4 省域污染排放效率测度结果及其时空差异

4.1 污染排放效率时序动态分析

表3报告了各省域部分年度污染排放效率值和考察期内的均值。结果显示2005－2012年间，除黑龙江以外，我国其余各省域污染排放效率均呈现不同程度的增长。其中，全域均值由0.482增至0.536，年均增幅为3.06%，除2009年以外，保持了逐年递增态势。各省域中增幅前四位依次是四川（6.374%）、湖北（5.977%）、贵州（5.781%）和湖南（5.209%），这些省域集中在中西部地区。东中西三地带年均增幅分别为3.21%、2.39%和3.47%，西部地区高于中东部，这与区域发展的后发优势和政策倾斜有关。

4.2 污染排放效率空间差异分析

我国区域间污染排放效率仍存在较大的空间不均衡，东中西部考察年度内污染排放效率均值分别为0.63、0.53和0.44，呈现梯度递减格局，这与各地带经济发展效率较为吻合。表4进一步报告了2005－2012年我国污染排放效率泰尔指数及其按三地区分解结果。全域污染排放效率泰尔指数在考察年度内呈现先减后增的“U”形趋势，即全域范围内污染排放效率差距在2005－2012年先缩小后扩大，拐点发生在2009年，考察期末2012年（0.025）差距较期初的2005年（0.021）有所增加。东部地区内部污染排放效率泰尔指数在考察年度内以2008年为拐点呈现先逐年递减后逐年递增的格局，对全域不均衡的贡献率由31.50%增至47.72%；中部地区内部差距以2009年为拐点呈现先逐年递增后逐年递减的格局，对全域不均衡贡献率介于17.40%～27.99%之间；西部地区内部差距相对较小，在考察期内表现为略有波动的递减趋势，对全域不均衡贡献率最高年份为8.53%；三地区间污染排放效率泰尔指数在考察年度内介于0.006～0.009之间，对全域内部差距贡献率介于23.21%～42.03%并保持逐年递减趋势。考察年度内初期东部地区内部差距和三地区组间差距是全域内部差距的主要来源，末期则形成东部、中部和组间共同引致的差距格局。

为进一步明确我国省域污染排放效率的空间格局，本研究利用SPSS软件对不同污染排放效率的省域进行了分层聚类分析，辨别不同区域污染排放效率的相似或相异性。聚类个数范围分别指定为2、3、4个，聚类方法为 Ward法和欧式距离。结果显示，当全部样本被划分为2类时，北京、天津、上海、江苏、浙江、福建和广东为一类（高效率），其余省域为另一类（低效率），高效率类别下的省域集中在京津、长三角和珠三角等区域。当全部样本被划分为3类时，结果显示上述2类分组下的高效率组出现分化，北京、天津和上海成为单独一类，三直辖市成为3类别下的高效率组，该组考察期内污染排放效率均值均在0.8以上，江苏、浙江、福建和广东为次高效率组。当全部样本被划分为4类时，2类分组下的低效率组出现分化，山西、内蒙古、辽宁、吉林、黑龙江、山东、湖北、湖南、海南和陕西成为单独一类，该类别下省域污染排放效率高于2类分组下的低效率组的其他省域。从聚类分析结果看，我国全域污染排放效率的东中西递减格局显著。

5 省域污染排放效率影响因素分析

借鉴已有研究，本文选取能源结构、产业结构、市场化程度、开放度、城镇化水平、区域创新能力和教育发展水平作为技术非效率的影响因素［10－18］。各变量测度方式和描述性统计值如表5所示。

技术无效函数表达式如下：

表6技术无效函数估计结果显示各影响因素对污染排放效率的作用均通过至少5%显著水平检验。其中，能源结构变量对污染排放效率存在负向影响，即能源消费总量中煤炭的比重越高，区域污染排放效率越低。作为能源结构中最重要的煤炭与其他能源相比特别是清洁能源对环境存在较大破坏。例如，煤炭燃烧排放的二氧化碳是石油的1.2倍，是天然气的1.6倍，而水电和风电等是不排放污染物的［10］。因此积极寻求煤炭替代品，大力发展清洁能源是节污减排的重要内容。产业结构对污染排放效率存在积极影响且通过1%的显著水平检验，随着产业结构升级，单位能源能够创造出更多的附加价值，从而对污染排放效率有促进作用。值得注意的是，市场化程度对污染排放效率存在下行压力。本研究选择的市场化程度指标刻画了区域私营和个体企业的相对比重，相对较高的私营和个体企业比重在一定程度上导致了污染加剧和污染排放效率的下降，李涛和马大来等研究也表明［11，15］，因政府推动和企业自身的实力因素，国有企业的碳排放效率优于非国有企业，这同时也意味着地方政府在招商引资过程中仍需深入关注其中的环境效益。开放度对污染排放效率存在积极影响且通过1%的显著水平检验，这意味着考察年度内外商直接投资对生产力水平提高的效应超过了污染排放增加的效应。城市化和区域创新能力对污染排放效率存在显著的积极影响。较高的城市化水平和创新能力推动了资源和能源的集约化利用，拓展了单位资源的产出空间，使得生产力水平与污染之间能够产生正的净效应。区域教育水平对污染排放效率存在积极影响且通过1%的显著水平检验，教育水平优化的区域人力资源和知识基础能够有效惠及区域全要素环境效率，有助于实现两型社会的发展目标。

表6 技术无效函数估计结果Table 6 Estimation of technical inefficiency function

6 结论和建议

提高污染排放效率是实现减污增质发展目标的内在要求，这既需要准确测度污染排放效率及其影响因素，也需要厘清我国污染排放效率的时空差异格局。本研究基于污染排放综合指数和SFA方法研究表明，2005－2012年我国污染排放效率呈现波动增长趋势，仍存在较大的改善空间。泰尔指数和聚类分析表明，全域尺度下我国污染排放效率仍存在较大的空间不均衡，京津沪为污染排放效率较高区域，苏浙粤闽次之，中部区域再次之，西南和西北板块最低，全域内部“点、面”特征显著，且存在东中西梯度递减格局。动态分析则表明全域内部差距呈现“U”形趋势。区域尺度下东部和中部内部差距显著，东部地区内部差距和三地区组间差距共同构成了全域内部差距的主要来源。能源结构、产业结构、市场化程度、开放度、城镇化水平、区域创新能力和教育发展水平等均是影响污染排放效率的因素，现阶段能源结构和市场化程度对区域污染排放效率存在下行作用。

提高污染排放效率和建设两型社会既需要优化能源投入的产出空间，也需要强化区域间的统筹性。从全域层面看，需要着重优化能源结构，加大对绿色技术的研发投入，增加清洁能源在能源体系中的比重；进一步强化对企业的减排约束，防止以环境为代价的工业发展，为提高能源利用效率和节能减排效率创造良好的软硬环境。从不同区域层面看，高效率地区应进一步扩大高端制造业和现代服务业的比重，增加智力和知识资本对经济发展的贡献度，建立节能减排效率和经济发展之间的良性互动机制，并强化对低效率地区的辐射带动作用；相对滞后区域在承接产业转移时必须着重强化资源环境约束，释放产业升级对污染排放效率的推进作用。此外，政府在全域层面还需要通过政策引导资源和能源向高利用效率区域流动，形成对污染排放效率较低省域的倒逼机制，减少其对污染严重产业的依赖，从而降低全域范围对能源的无效利用和污染排放。

［1］ SHI M J，LI N，ZHOU S，et al.Can China realize mitigation target toward 2020［J］.Journal of Resources and Ecology，2010，1（2）：145－154.

［2］ 杨红亮，史丹.能效研究方法和中国各地区能源效率的比较［J］.经济理论与经济管理，2008（3）：12－20.

［3］ 王群伟，周德群，沈璇，等.我国全要素能源效率的测度与分析［J］.管理评论，2010，22（3）：37－43.

［4］ 杜克锐，邹楚沅.我国碳排放效率地区差异、影响因素及收敛性分析［J］.浙江社会科学，2011（11）：32－43.

［5］ 汪克亮，杨宝臣，杨力.中国全要素能源效率与能源技术的区域差异［J］.科研管理，2012，33（5）：56－63，78.

［6］ 雷玉桃，杨娟.基于SFA方法的碳排放效率区域差异化与协调机制研究［J］.经济理论与经济管理，2014（7）：13－22.

［7］ 刘亦文，胡宗义.中国碳排放效率区域差异性研究［J］.山西财经大学学报，2015（37）2：23－34.

［8］ LEIBENSTEIN H.Allocative efficiency vs.“X-efficiency”［J］.The American Economic Review，1966，56（3）：392－415.

［9］ YOUNG A.Gold into base metals：Productivity growth in the People′s Republic of China during the reform period［R］.NBRE Working Paper 7856，2000.

［10］ 杜立民.我国二氧化碳排放的影响因素：基于省级面板数据的研究［J］.南方经济，2010（11）：20－33.

［11］ 李涛，傅强.中国省际碳排放效率研究［J］.统计研究，2011，28（7）：63－70.

［12］ 屈小娥.中国省际全要素能源效率变动分解［J］.数量经济技术经济研究，2009（8）：29－43.

［13］ 陈黎明，黄伟.基于随机前沿的我国省域碳排放效率研究［J］.统计与决策，2013（9）：136－139.

［14］ 宋涛等.基于DEA和主成分分析的中国城市代谢效率研究［J］.地理与地理信息科学，2014，30（3）：62－65.

［15］ 张兵兵.碳排放约束下中国全要素能源效率及其影响因素研究［J］.当代财经，2014（6）：13－22.

［16］ 马大来，陈仲常，王玲.中国省际碳排放效率的空间计量［J］.中国人口·资源与环境，2015，25（1）：67－77.

［17］ 蒋伟，李蓉，强林飞，等.环境约束下的中国全要素能源效率研究［J］.统计与信息论坛，2015，30（5）：22－28.

［18］ 张金灿，仲伟周.基于随机前沿的我国省域碳排放效率和全要素生产率研究［J］.软科学，2015，29（6）：105－109.