区域用水环境经济综合效率及其影响因素
——基于DEA和Malmquist指数模型

胡 妍,李 巍(北京师范大学环境学院,北京 100875)



区域用水环境经济综合效率及其影响因素
——基于DEA和Malmquist指数模型

胡 妍,李 巍*(北京师范大学环境学院,北京 100875)

摘要：仅考虑经济效益而忽略环境损害的水资源利用效率指标不能全面反映区域用水的真实效果.本文基于DEA和Malmquist指数模型,提出区域用水环境经济综合效率(WEEE)概念及其评价方法,分析了2001～2012年河南省主要地市的WEEE及其影响因素.结果表明,研究时段内水资源利用保持了较高经济效率,但环境效率相对较差并由此拉低全省WEEE平均约2%;2012年WEEE未达到DEA有效的地市水资源投入平均冗余率约为18%,COD和NH3-N平均超排率分别约为49%和49.2%,说明这些地市存在水资源利用低效和水污染物排放较高的问题.通过分析水资源利用的全要素生产率(TFP)发现,技术变化指数在研究时段内下降了2%,是抑制WEEE增长的最主要因素.为了在水资源利用过程中取得更好的环境和经济综合效益,河南省应加大对工农业节水和水污染防治的科技投入,并在严格控制用水总量的同时进一步加强水污染物的减排工作.

关键词：水环境经济综合效率；DEA；Malmquist指数；污染物减排；河南省

* 责任作者, 教授, weili@bnu.edu.cn

针对水资源利用效率及其评价,国内外学者开展了大量研究.杜荣江[1]将水资源利用效率定义为单位产值的用水量(如单位GDP用水量).陈爱侠等[2-3]认为水资源利用效率是在一定投入和技术条件下,单位水资源所产生的经济效益.钱文婧[4]通过构建全要素能源效率框架将水资源效率定义为在给定其他要素投入量之下,生产出一定量产品所需最优水资源投入量和水资源实际投入量之比.总体来说,当前水资源利用效率评价侧重于技术经济效果,忽视了水资源利用过程中产生的污染负荷.对某一地区而言,尽管其水资源经济产出可能很高,但是如果水环境污染严重,该区域的水资源开发利用仍不可持续.因此区域水资源利用效率评价必须综合考察经济和环境两方面的效果.目前,水资源利用效率评价主要采用比值分析法、指标体系评价法及数据包络分析法[5].相较于前两种方法,数据包络分析法(DEA)凭借其无需预先估计要素之间的函数关系及权重[6]即可直接计算各决策单元的投入产出效率等优势而被广泛应用.钱文婧等分别利用 DEA方法对我国省级区域的水资源利用效率、城市污水处理系统效率、我国工业水资源利用效率、农业水资源利用效率、流域水污染防治收费政策实施绩效、区域环境效率等进行了评价[4,7-11].相较单独使用DEA,将DEA与Malmquist指数结合更适合对长时间序列数据进行分析,并且可以通过度量全要素生产率(TFP)的变化分析影响效率的各种因素.例如,有研究者使用Malmquist指数分析了辽宁和西部诸省用水效率的全要素生产率变化及其影响因素[12-15].

河南省作为典型的资源型缺水地区,是国家重点开发区域中原经济区的主要省份,正处于推进新型工业化、城镇化和农业现代化的进程之中,水资源与社会经济发展之间的矛盾十分突出.合理评估水资源利用所带来的经济产出和污染负荷对全面提高全省水资源利用的综合效率具有重要意义.对此,在全面考虑水资源利用的经济效果和环境影响的基础上提出区域用水环境经济综合效率(WEEE)概念,并结合DEA和Malmquist指数构建其评价方法,以此分评价河南省2001～2012年的WEEE及其影响因素.

1　区域用水环境经济综合效率及其指标体系

1.1 区域用水环境经济综合效率概念界定

水资源利用会同时带来期望产出和非期望产出.期望产出即水资源利用带来的经济效益,非期望产出即水污染物及其可能造成的环境损害.仅考虑水资源利用所带来的经济效益不能反映用水的“真实”效率.因此,评价水资源利用效率不仅要考虑传统的“水资源经济效率”即利用单位水资源的经济产出量,而且需要分析“水资源环境效率”即使用单位水资源产生的污染负荷量.

在DEA框架下WEEE可定义为:在给定的全要素投入条件下,具体研究区域内水资源利用所产生的经济价值和污染负荷的综合效果.

1.2 指标体系

表1　区域用水环境经济综合效率投入产出指标体系Table 1　The input and output index system for WEEE

从投入产出关系角度,构建WEEE评价指标体系(表1).

投入指标包括水资源指标、资本指标和劳动力指标3方面.水资源指标采用区域全年供水总量,包括农业、工业、生活及生态用水量;资本指标采用当期各区域的固定资产投资总额;劳动力指标采用当期区域内所有行业的从业人员总数.产出指标包括经济产出效益和水污染负荷两方面.经济产出效益指标采用地区生产总值,水污染负荷指标则采用同期向水体排放的COD和NH3-N的总量.

2　评价方法和数据来源

2.1 评价方法

经典的DEA包括CCR和BCC模型,分别对应规模报酬不变和可变2种情况.就水资源利用而言,投入要素比产出要素更具主观可控性,同时考虑到各地区效率改善的规模报酬一般是可变的,因此选择以投入导向为特点的BCC模型分别对水资源综合效率、环境效率、经济效率,水资源投入冗余进行分析.

Banker[16]通过改变CCR模型中的锥性约束得出规模报酬可变的BCC模型.设有n个决策单元(DMU)j=1,n,每个决策单元有m项投入x1j,x2j…,xmj和s项产出y1j, y2j…,ysj,其中xj, yj为DMUj的投入和产出,对于每个DMUj都有相应的效率评价指数θ,θ[T1]≥1说明DMU为DEA有效.BCC模型可表述为如下线性规划:

DEA模型中投入最小化、产出最大化的假设对于污染负荷这种“非期望产出”来说,明显是不合适的.因此,本文选用倒数转换法[17]对非期望产出做倒数变换处理,在保证数学意义的前提下达到减少非期望产出的目的.

Fare首次将Malmquist指数与DEA方法相结合[18-19],构造了从t期到t+1期的Malmquist指数M(yt,xt,yt+1,xt+1),用以客观衡量技术效率变化(Effch)、技术变化(Techch )和TFP之间的关系.TFP的变化(TFPch)等于技术变化指数(Techch)和技术效率变化指数(effch)的乘积,技术变化指数(Techch)表示从t期到t+1期DMU生产技术的改变以及创新的程度;技术效率变化等于规模效率(Sech)与纯技术效率变化(Pech)的乘积,表示从t期到t+1期间相对效率的改变,即DMU在不同期间与代表生产可能性最优边界的生产前沿面之间的距离变化.Pech表示不同期间DMU与生产前沿面的使用技术和管理水平的距离变化,Sech表示在同一生产前沿面上不同时期投入的规模效率的变化,能够反映规模的有效利用程度.本文利用Malmquist指数分别分析WEEE的TFP与Effch和Techch的关系.

2.2 数据来源

用水总量数据来源于2001～2013年《河南省水资源公报》及各地市环境统计年报.从业人员数据、固定资产投资总额及地区生产总值数据均取自2001～2013年《河南省统计年鉴》[20],因缺少固定资产投资总额的缩减指数,固定资产投资总额及地区生产总值两项指标数据均按照国家统计局公布的GDP平减指数折算成以2005年为基期的不变价,以此增加数据指标的可比性.COD、NH3-N排放量数据取自近年《河南省环境统计年报》和《河南省环境状况公报》.

3　结果与分析

3.1 WEEE分析

图1　河南省2001～2012年3种水资源利用效率计算分析结果Fig.1　Estimated results of the three efficiencies for water uses in Henan Province from 2001 to 2012

采用DEA-BCC投入导向模型分别计算河南省18个地市2001～2012年的WEEE、经济效率和环境效率.为方便表达,这里仅通过对比和分析2001、2005、2009、2012四个典型年的计算结果来反映评价时段内3个效率指标的变化趋势(图1).由图1可见,各地市水资源利用产生的经济效率高于其他效率,说明大多数地市在现有投入水平下实现了较高的水资源经济产出.

相比之下,环境效率的总体表现较差,仅济源、三门峡、漯河3市的多年平均环境效率超过0.5.特别是由于新乡、焦作、濮阳、南阳等地的环境效率偏低,直接导致这些城市的WEEE被整体拉低.但通过4个典型年计算结果的对比分析可以看到,随着时间的推移,各地市环境效率正在逐步提高.

3.2 投入冗余与产出不足分析

表2　2012年河南省主要地市水资源投入冗余与产出不足分析Table 2　An analysis of input redundancy and output deficiency for water uses of Henan Province in 2012

如表2所示,对2012年河南省12个非DEA有效的地市水资源投入情况进行投入冗余分析,并使用倒数转换法对水污染负荷进行产出不足分析.投入冗余率等于水资源投入冗余量与水资源实际投入量的比值,产出不足率等于DEA模型计算得出的理论削减量与污染物实际排放量的比值,即污染物超排率.

由表2可知,在现有的产出水平下,非DEA有效地市存在不同程度的水资源投入冗余现象,水资源投入量超过DEA有效状态下的最优投入量.12个地市的平均冗余率达到18%,其中许昌、漯河、平顶山、洛阳等市的投入冗余率较低,说明这些地区工业用水的节水力度已经接近最优;濮阳、新乡、焦作、信阳的冗余率分别达到44%、36%、29% 和28%,高于其他地市,说明这四个地市的水资源利用低效问题相对突出,同时也表明这些地区存在较高的节水潜力.

在现有的投入水平下,非DEA有效地区在污染负荷方面存在较大程度的产出不足,COD的超排率平均达到49%,NH3-N的超排率平均达到49.2%,说明整体存在较为严重的水环境污染影响.12个地级市中,鹤壁、新乡、许昌、漯河4市的COD及NH3-N的污染物超排率均大于60%,其中许昌、漯河2市的污染物超排率为最高且平均超过70%,说明这几个城市的水环境污染物削减工作应着重加强.

3.3 TFP变化分析

由表3可见,2001～2012年河南省水资源利用TFP呈现出先升后降的趋势,并在2010年由于Techch指数突增TFP增至1.08,之后则呈现出增长衰减的态势.研究时段内TFP年均增长为5%,其中2005年增幅最大为41%,2009年增幅最小为-19.2%.说明研究期间全省WEEE整体不稳定且后期存在下降趋势.

Pech指数在2006～2008年3年间呈现“U”形增长,说明该期间水资源管理力度较弱.相比之下,Sech指数变动较稳定,平均值大于1,表明研究时段内水资源利用总体规模变化并不明显.Techch作为衡量DMU在水资源利用过程中技术和创新水平的指标,在研究时段内波动较大,18个地市中有11个地市该指数未达到DEA有效并最终导致该指数整体下降约2%,表明此阶段水资源利用技术未有明显提高.整体来看,TFP指数的变化受Pech和Techch影响较大,其中Techch的降低直接影响了TFP的增长,因此加强技术改进和创新是进一步提高河南省水资源利用综合效率的关键所在.

表3　2001～2012河南省水资源TFP指数及分解Table 3　TFP index summary of Henan (2001～2012)

3.4 多元线性回归检验

以区域水资源利用TFP为因变量,6个投入产出指标为自变量,利用SPSS19.0软件进行线性回归分析,识别影响WEEE的主要因子.

表4　SPSS多元线性回归结果Table 4　Results from multiple linear regression by SPSS

通过计算可得,样本回归的效果较好,线性回归的相关系数R=0.916>0.75, 显著性水平P值为0.001,自变量与因变量之间存在很强的线性相关关系.由表4可知,在产出指标中,V2、V3的标准回归系数绝对值在所有自变量指标中数值最大,因此对因变量的影响最为显著.同时,V2、V3通过了5% 水平的显著性检验,进一步证明水环境污染指标在WEEE评价中存在显著影响.

3.5 建议

区域WEEE将水资源利用所带来的期望产出与非期望产出即污染负荷同时纳入效率评价体系,能够更真实地反映区域水资源利用的环境与经济综合效果,是分析和解决经济社会发展与水资源承载能力之间矛盾的有效指标.

针对河南省67%的地市均存在污染物超排率过高的现象,建议进一步加大COD和NH3-N的减排力度;对于存在水资源投入冗余的地区,应严格控制用水总量,提高节水标准.而且,研究发现区域TFP指数的变化主要受到技术因素的影响,技术变化指数在很大程度上制约了WEEE的提高.对此,建议河南省继续加大科技投入,着力推动农业节水技术和工业废水处理技术升级,用技术的进步来推动水资源的可持续利用.

4　结论

本研究基于DEA和Malmquist指数方法,以水资源、资本和劳动力为投入要素,以经济产出效益和水污染负荷为产出要素,对2001～2012年河南省WEEE进行评价研究.结果显示:河南省在2001～2012年水资源利用保持了较高的经济效率,但环境效率表现相对较差并由此整体拉低全省WEEE平均约2%.通过投入冗余与产出不足分析发现在现有的产出和投入条件下,未达到DEA有效的地区均存在水资源投入冗余现象,且水资源投入平均冗余率达到18%,存在一定节水潜能;同时COD及NH3-N的平均超排率超过49%,污染情况不容乐观,污染物排放需大幅削减.

参考文献：

[1] 杜荣江,方玉霞.提高我国水资源利用效率的措施与对策 [J].水资源保护, 2010,(3):91-93.

[2] 陈爱侠.陕西省水资源利用效率及其影响因素分析 [J]. 西北林学院学报, 2007,(1):178-182.

[3] 刘庆生.浙江省水资源利用效率研究 [J]. 水利经济, 2010,(2): 28-30+76.

[4] 钱文婧,贺灿飞.中国水资源利用效率区域差异及影响因素研究[J]. 中国人口.资源与环境, 2011,(2):54-60.

[5] 张浩文.兰州市水资源利用效率研究 [D]. 兰州:西北师范大学, 2012.

[6] Charnes A, Cooper W W, Rhodes. Measuring the efficiency of decision making units [J]. European Journal of Operational Research, 1978,2(6):429-444.

[7] Yiwen B, Shuai Y, Hao X. Efficiency evaluation for regional urban water use and wastewater decontamination systems in China: A DEA approach [J]. Resources, Conservation and Recycling, 2014,83(2):15-23.

[8] 买亚宗,孙福丽,石 磊,等.基于DEA的中国工业水资源利用效率评价研究 [J]. 干旱区资源与环境, 2014,(11):42-47.

[9] 刘 渝,王兆锋,张俊飚.农业水资源利用效率的影响因素分析[J]. 经济问题, 2007,(6):75-77.

[10] 张家瑞,王金南,曾维华,等.滇池流域水污染防治收费政策实施绩效评估 [J]. 中国环境科学, 2015,(2):634-640.

[11] 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 [J]. 中国环境科学, 2010,(4):565-570.

[12] 孙才志,王言鑫.辽宁省用水效率动态变化的Malmquist指数分析 [J]. 统计与决策, 2008,(14):108-110.

[13] 廖虎昌,董毅明.基于DEA和Malmquist指数的西部12省水资源利用效率研究 [J]. 资源科学, 2011,33(2):273-279.

[14] Alireza E N, Mohammad D, Hamed P. Regulation and efficiency &productivity considerations in water &wastewater industry: Case of Iran [J]. Procedia - Social and Behavioral Sciences, 2014,109(1):281-289.

[15] 刘丹丹,赵颂扬旸,郭 耀.全要素视角下中国西部地区能源效率及影响因素 [J]. 中国环境科学, 2015,35(6):1911-1920.

[16] Banker R D, Charnes A, Cooper W W. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis [J]. Management Science, 1984,30(9):1078-1092.

[17] 刘 巍,田金平,李 星,等.基于DEA的中国综合类生态工业园生态效率评价方法研究 [J]. 中国人口.资源与环境, 2012, 22(S1):93-97.

[18] Fare R, Grosskopf S.A nonparametric cost approach to scale efficiency [J]. Scandinavian Journal of Economies, 1994,87(4): 594-604.

[19] 全炯振.中国农业全要素生产率增长的实证分析:1978～2007年——基于随机前沿分析(SFA)方法 [J]. 中国农村经济, 2009, (9):36-47.

[20] 河南省统计局.河南统计年鉴 [M]. 北京:中国统计出版社, 2002～2013.

A study of water environment-economy integrated efficiency and its driving factors for regional water use based on a combination of DEA and Malmquist index.

HU Yan, LI Wei*(State Key Laboratory on Environmental Simulation and Pollution Control, School of Environment, Beijing Normal University, Beijing 100875, China). China Environmental Science, 2016,36(4)：1275～1280

Abstract：Because the relevant environmental damages were not incorporated into evaluating conventional water-use efficiency, this efficiency indicator was incapable of depicting the real comprehensive effects except economic outputs. The concept of environment-economy integrated efficiency for regional water use (WEEE) was raised along with its evaluation method based on a combination of DEA and Malmquist index. The WEEE of Henan province was then studied by using the data on water uses and related economic outputs and pollution discharges from 2001 to 2012. In contrast to a higher level economic efficiency, a lower level environmental efficiency had been witnessed for water uses of the province. To a large extent due to a poor environmental efficiency, the provincial WEEE was dragged down by about 2% if compared to the sole economic efficiency. Meanwhile, the cities with WEEEs of inefficient DEA in the province had exhibited the problems of low efficient water uses and excessive pollutant discharges. The averaged input redundancy rate of water resource reached 18% in 2012, and the extra emission rates of COD and NH3-N were about 49% and 49.2% respectively. An analysis of variations of the total factor productivity (TFP) indicated that the technical change index was the most influential factor, resulting in an annually averaged decline of 2% in Henan’s WEEE in the study period. Thus, it was recommended that more inputs need be made into technical innovations to realize water saving and water pollution control. The total volume control of water use should be enforced along with abatement of water pollutants.

Key words：water environment-economy integrated efficiency；DEA；Malmquist index；pollutant reduction；Henan province

作者简介：胡 妍(1992-),女,江西南昌人,硕士研究生,主要从事环境经济学研究.

基金项目：环保公益项目“流域综合规划环境影响评价关键技术研究”(2013467042)

收稿日期：2015-09-12

中图分类号：X32

文献标识码：A

文章编号：1000-6923(2016)04-1275-06