环境成效分行业面板数据

一、引言

工业是国民经济的支柱产业，中国工业产值多年来始终占国民生产总值的40%左右，其经济效率因此被广泛重视，不少学者已采取多种方法进行工业经济效率评价。其中，数据包络分析（DataEn－velopmentAnalysis，DEA）方法由于在处理多投入—多产出问题上的优势而被广泛应用于各工业行业的效率评价与比较中。由于中国工业的发展具有高污染高能耗的特征，工业生产过程往往伴随着严重的环境问题，主要包括污染物的产生和排放，以及资源能源的消耗。随着全球范围内对环境问题的日益重视，以及环保意识的不断提高，学者们在进行工业效率评价的过程中，已逐渐将工业的环境影响引入到评价模型中[1-5]，本文将考虑了环境影响的经济效率评价称为经济—环境效率评价。DEA方法是由Charnes、Cooper和Rhodes在1978年首先提出的，评价多个决策单元效率及其有效性的一种非参数方法[6]。其基本思想是，通过一个数学规划模型，对各个决策单元的相对效率做出评价。每一个决策单元（DecisionMakingUnit，DMU）都可以看作是相同功能的实体，通过对其投入、产出数据的综合分析，得到DMU的相对效率指标，相对效率在（0，1）区间内分布，其中效率值为1的DMU为有效单元，处于效率前沿。DEA方法的经典模型是CCR和BCC模型，分别用于评价各决策单元的总效率和技术效率，并可利用总效率和技术效率计算规模效率。经典DEA模型的相对效率评价思想要求投入尽可能地缩小而产出尽可能地扩大，即满足以最小的投入生产尽可能多的产出的目标。利用DEA方法进行工业经济—环境效率评价，需要将工业的环境排放及资源消耗引入到评价模型中，但工业生产过程中产生的环境排放并不是人们期望的产出，而是所谓的“非期望产出”。非期望产出必须尽可能地减小才能实现最佳效率，而经典DEA模型只能使非期望产出增加，因此，经典DEA模型由于无法处理非期望产出而不适用于工业经—环境效率评价。为了利用DEA方法进行工业经济—环境效率评价，学者们采取了一些方法对经典DEA模型进行改进，其中主要包括六种方法[7]，即作投入法、倒数法、双曲线法、转换向量法、方向距离函数法和SBM法，这些方法都使改进后的DEA模型更适用于带有非期望产出的评价问题。但是，上述方法都存在一个问题，那就是，只对DEA模型的设定进行了改进，而没有考虑各环境排放物之间在环境影响程度上的差异，将它们之间的环境影响差异完全建立于排放量的不同上，而没有给予不同的环境排放物相应的权重，相当于默认各环境排放物的社会经济影响是相同的，这显然与实际情况不符。由于这一缺陷，利用目前常用的六种改进方法进行工业经济—环境效率评价，虽然解决了经典DEA模型存在的结构性缺陷，但得到的效率评价结果依然与实际情况存在较大偏差。本文引入社会支付意愿（WillingnesstoPay，WTP）这一概念，计算各工业行业主要环境污染排放物和资源消耗的社会支付意愿，并最终加总得到2005~2009年各工业行业的环境影响社会支付意愿，将其作为DEA模型中各工业行业的环境投入。利用社会支付意愿理论将工业环境排放和资源消耗统一为工业行业环境影响的社会支付意愿，并将其作为环境投入加入到DEA模型中，一方面，将工业环境排放由非期望环境产出转化为环境投入，满足经典DEA模型的设定，从而解决了经典DEA模型无法处理非期望产出的问题；另一方面，考虑了各环境污染排放物在影响程度上的差异，能够更真实地反映中国工业行业在环境排放问题上的发展变化情况。

二、工业环境影响社会支付意愿

社会对环境影响的支付意愿表现为社会为了将当前环境污染水平降低到某一个限度而付出的代价[8]。环境税的税率可以反映社会对各环境影响的支付意愿，目前针对环境排污者和资源开采者的环境税分别是排污费和资源税。科斯的产权理论指出，社会拥有环境的使用权，污染者向社会购买环境使用权的价格就是排污费或者资源税。庇古的福利经济学理论认为，社会总能够将环境使用权的价格设定在外部环境边际损害曲线和厂商边际私人收益曲线的交点上[9]。根据产权理论和福利经济学理论可以计算环境排放和资源消耗的社会支付意愿。在之前国外对环境影响的社会支付意愿的研究中，瑞典的EPS系统使用了支付意愿理论来衡量环境影响[10]，而Tellus系统以美国的环境税为权重，研究了美国社会对环境影响的支付意愿[11]。但是，上述两个系统都存在各自的问题。EPS系统考虑的是居民支付意愿，与社会支付意愿并不完全相同，而Tellus系统的涉及范围较小且没有考虑资源的消耗。吴星[12-13]在对建筑工程环境影响评价的研究中，根据社会支付意愿理论对中国目前主要环境污染物的排污费和主要资源的资源税进行了分析与计算。本文在吴星研究的基础上，根据中国环境统计年鉴，选择数据可得的工业环境排放和资源消耗进行社会支付意愿核算，用于汇总2005~2009年中国各工业行业环境影响的总社会支付意愿。单位环境排放及资源消耗的社会支付意愿详见表1。

三、工业环境排放与资源消耗

各工业行业的年度环境排放数据和资源消耗数据来源于中国环境统计年鉴、中国工业统计年鉴以及中国统计年鉴，受到早年工业环境排放统计数据范围较小的限制，本文的研究范围是2005~2009年的中国各工业行业。由于CO2排放量没有直接的统计数据，本文采用了目前研究中常用的根据行业能源消耗（E）j推算行业CO2排放量（CE）j的方法，计算公式为式（1）：CEj=p×Ej（1）其中，ρ为能源消耗碳排放因子（吨CO2/吨标准煤），根据1994年中国国家温室气体清单的数据，取2.277（吨CO2/吨标准煤）。根据单位环境排放和资源消耗的社会支付意愿值，以及2005~2009年各工业行业的环境排放和资源消耗量（受篇幅限制未列出），本文计算了2005~2009年各工业行业的环境影响社会支付意愿值，详见表2。从表2的数据可以看出：以环境影响的社会支付意愿为衡量标准，无论是工业总的环境影响，还是各工业行业的环境影响，在2005~2009年基本都随着工业经济的发展而处于快速增长的状态；各工业行业在环境影响的绝对值上差异很大，其中，环境影响最大的工业行业为黑色金属冶炼及压延加工业，环境影响最小的行业为废弃资源和废旧材料回收加工业，它们的环境影响相差1000倍左右。由于各工业行业在经济规模上差异较大，而行业的环境影响与行业规模紧密相关，因此，需要结合工业行业的经济投入产出和环境影响进行工业经济—环境效率评价。

四、超效率DEA模型计算

超效率DEA模型（Super-EfficiencyDataEnvel－opmentAnalysis，SE-DEA）是基于经典DEA模型的一种改进模型。其在进行第j个决策单元效率评价时，将第j个决策单元的投入和产出用其他所有决策单元投入和产出的线性组合代替，从而把第j个决策单元排除在外，而传统DEA模型则将这一单元包括在内。一个有效的决策单元可以使其投入按比例增加，而效率保持不变，其投入增加比例即其超效率评价值。本文选择超效率DEA模型对中国各工业行业进行经济—环境效率评价。超效率DEA模型能够避免出现经典DEA模型下多个决策单元均为有单元时无法进一步分析的情况，具有更好的适用性本文以总资产、从业人员和环境投入（各工业业环境影响的社会支付意愿）作为投入指标，以总值、主营业务收入和利润作为产出指标，根据2002009年中国39个工业行业的面板数据进行经济环境超效率DEA评价。超效率DEA模型近年来被广泛应用于效率评中，其具体计算过程本文不再赘述，可参考之前的关研究与文献[14-16]。超效率评价结果如表3所示。表3显示，在2005~2009年间，中国各工业行业的经济—环境效率普遍呈现出稳步提高的趋势，表明近几年中国工业发展状况良好；同时可以看出，各工业行业间的效率评价值差异较大，尤其是工业行业总体的效率评价值很低，表明目前中国工业尚未达到各行业均衡发展的理想态势，低效行业规模大、数量多。由于表3的评价结果无法体现环境投入对效率评价的影响程度，本文还以总资产、从业人员作为投入指标，总产值、主营业务收入和利润作为产出指标（在原模型的基础上剔除环境投入），再次利用2005~2009年的中国各工业行业的面板数据进行超效率DEA评价，新模型（无环境投入）计算结果如表4所示。表4显示，在不考虑环境投入的情况下，超效率DEA模型的评价结果同样反映出各工业行业效率在2005~2009年间逐渐提高，表明环境投入并没有改变工业行业效率的总体发展趋势。对比表3和表4的评价结果，从整个工业行业的角度来看，环境投入对工业整体的效率评价影响很小，但其对于不同工业行业的效率评价结果影响差异较大，在本文之后的研究中以“环境投入影响率”这个指标衡量环境投入对各工业行业效率评价的不同影响。为了反映各工业行业经济—环境效率的综合情况，本文选择三个指标作为工业行业经济—环境效率的综合评价指标：效率均值（E）i；效率增长率（V）i；环境投入影响率（I）i。效率均值为有环境投入情况下（表3）各工业行业2005~2009年间超效率DEA评价值的均值，反映了工业行业在2005~2009年的总体效率情况：E=（Ei,2005+Ei,2006+Ei,2008+Ei,2009）/5（2）效率增长率为有环境投入情况下各工业行业2005~2009年间超效率DEA评价值的增长率，反映了工业行业在2005~2009年的效率发展情况：Vi=(Ei,2009-Ei,2005)/Ei,2005（3）环境投入影响率为有无环境投入情况下的工业行业效率差值与无环境投入情况下（表4）的工业行业效率的比值，反映了环境投入对工业行业效率评价结果的影响程度：Ii=(Ei-Ei′）/Ei′（4）式中，Ei为有环境投入的工业行业效率，Ei′为无环境投入的工业行业效率。各工业行业效率综合评价指标情况详见表5所示。效率均值反映了2005~2009年各工业行业经济—环境效率的总体情况。在39个工业行业中，效率最高的行业为石油加工、炼焦及核燃料加工业、烟草制造业，以及废弃资源和废旧材料回收加工业；效率最低的行业为水的生产和供应业，电力、热力的生产和供应业，以及燃气生产和供应业。效率增长率反映了2005~2009年各工业行业经济—环境效率的发展情况。绝大多数行业的经济—环境效率都处于良性增长的状态，只有水的生产和供应业，电力、热力的生产和供应业，以及石油和天然气开采业三个行业出现了效率降低的现象。在39个工业行业中，效率发展最快的行业为燃气生产和供应业、化学纤维制造业及非金属矿物制品业。环境投入影响率反映了环境投入对工业行业效率评价的影响，而表5的结果显示环境投入对不同行业的效率影响差异较大。当行业的环境投入相对其资产、人员的投入有着更高的产出效率时，环境投入影响率为正；反之，环境投入影响率为负。其中，环境投入正面影响最大的行业为通信设备、计算机及其他电子设备制造业，仪器仪表及文化、办公用机械制造业，以及文教体育用品制造业；环境投入负面影响最大的行业为黑色金属冶炼及压延加工业、非金属矿物制品业、化学原料及化学制品制造业。

五、工业行业综合评价

本文根据超效率DEA模型的评价结果，利用表5中的工业行业综合评价指标，对39个工业行业进行分组研究。本文采用的分组方式为：经济—环境效率值在0~0.3之间为低效率组，0.3~0.6之间为中等效率组，在0.6以上为高效率组；效率评价值增长率在30%以下为低增长组，30%~60%之间为中等增长组，60%以上为高增长组；环境投入影响率在-15%以下为环境投入负面影响较大组，-15%~15%之间为环境投入影响较小组，15%以上为环境投入正面影响较大组。各工业行业的分组情况具体见表6。表6的分组结果表明，各工业行业在经济—环境效率的综合情况上有着各自鲜明的特点。39个工业行业根据效率均值、效率增长率和环境投入影响率的不同可以被划分为17组，其中包括行业最多的一组为“中等效率、高增长率、环境投入正面影响较大”组，共有7个行业属于该组，分别是食品制造业、家具制造业、医药制造业、塑料制造业、专用设备制造业、交通运输设备制造业和电气机械及器材制造业。此外“，低效率、高增长率、环境投入影响较小”组也包括了较多工业行业（6个）。从分组的总体情况来看，工业行业总体上呈现出经济—环境效率较低、效率增长速度较快、环境投入影响情况差异较大的特点。

为了能更直观地对39个工业行业进行经济—环境效率综合情况的对比分析，本文利用投影寻踪方法，根据表5中的评价指标进行工业行业效率的综合评价。投影寻踪方法[17]是一种直接由样本数据驱动的探索性数据分析方法，尤其适用于分析和处理非线性、非正态的高维数据。该方法通过将高维数据向低维空间投影，分析低维空间的投影特性来研究高维数据的特征，是一种处理多因素复杂问题的统计方法[18]。投影寻踪方法的基本思想是，把高维数据样本通过某种组合投影到低维子空间中，对投影得到的构形，采用投影指标函数（目标函数）衡量投影暴露某种等级结构的可能性大小，寻找出使投影指标函数达到最优的投影值，然后根据该投影值对样本集进行相应的评价。投影寻踪方法通过发掘已有的数据信息给出评价权重，与其他评价方法相比，能够消除主观因素影响，使评价结果客观明确。投影寻踪方法的主要步骤为：（1）评价指标值的归一化；（2）构造投影指标函数；（3）优化投影指标函数；（4）排序分类。由于其算法已较为成型，本文不予展开描述，具体步骤可参考之前已有的相关研究及著作[19-21]。投影寻踪评价结果详见表7。其中，效率均值、效率增长率和环境投入影响率的权重分别为1.02、0.30、0.24。评价指标的权重表明，在工业行业经济—环境效率综合评价中主要以各工业行业的经济—环境效率为依据，同时考虑各工业行业的效率发展和环境影响情况。评价结果显示，在39个工业行业中，经济—环境效率综合情况最佳的是废弃资源和废旧材料回收加工业、烟草制造业、通信设备制造业，以及石油加工、炼焦及核燃料加工业；经济—环境效率综合情况最差的是水的生产和供应业，电力、热力的生产和供应业，以及黑色金属冶炼及压延加工业。从评分的总体情况来看，得分为正分的工业行业有16个，得分为负分的工业行业有23个。中国工业行业的经济—环境效率形势比较严峻，虽然有少数行业已经实现了经济—环境的协调发展，提高了环境投入的产出效率，但大多数工业行业依然处于高排放、高消耗的环境不友好阶段。

六、结论

本文结合社会支付意愿理论和超效率DEA模型，利用中国工业行业2005~2009年的面板数据，对2005~2009年中国39个工业行业的经济—环境效率进行了评价与分析。在研究过程中，利用环境影响的社会支付意愿对经典DEA模型及其各改进模型中存在的不足进行了修正，提出了新的解决非期望产出问题的方法，能够更好地处理考虑环境排放的效率评价问题。本文的评价结果显示，中国各工业行业的经济—环境效率在2005~2009年间基本都在逐年提高，但各行业在效率均值和效率增长率上存在一定的差异。环境投入对经济—环境效率的影响情况表明，由于各工业行业的环境影响程度及行业规模不同，各工业行业在环境投入的产出效率上差异较大。本文根据各行业在经济—环境效率均值、效率增长率和环境投入影响率上的不同，对各行业进行了分组研究，并利用投影寻踪评价方法对各行业进行经济－环境效率综合评价。分组研究和综合评价的结果显示，各工业行业在经济—环境效率方面各具特点，处于不同的发展阶段。其中，废弃资源和废旧材料回收加工业，烟草制造业，通信设备，石油加工、炼焦及核燃料加工业等行业在经济—环境效率方面处于领先地位，不仅经济投入产出效率较高，同时也控制了其环境影响；水的生产和供应业，电力、热力的生产和供应业，黑色金属冶炼及压延加工业等行业的经济—环境效率综合情况较不理想，有很大的改善空间。

受制于环境排放数据的可获得性，本文的研究数据局限于2005~2009年中国各工业行业的面板数据，在数据的时间跨度上存在一定的不足。随着工业环境影响方面的数据越来越详尽，后续研究可以对工业行业经济—环境效率的行业现状及发展趋势做出更准确的判断。同时，由于中国工业环境污染排放的基础数据相对有限，研究中暂时无法包括所有的工业环境污染排放物。目前，关于社会支付意愿的研究还不够深入和成熟，环境排放和资源消耗的社会支付意愿的计算方法还有待完善，在环境影响的社会支付意愿研究取得进一步发展后，利用本文提出的方法能够对中国工业行业进行更合理完备的效率评