能源环境约束下中国区域工业效率分析

王 燕 谢蕊蕊

(1.南开大学经济与社会发展研究院，天津300071;2.南开大学经济学院，天津300071)

能源环境约束下中国区域工业效率分析

王 燕1谢蕊蕊2

(1.南开大学经济与社会发展研究院，天津300071;2.南开大学经济学院，天津300071)

目前，我国工业化进程进入中后期阶段，资源短缺、环境污染成为制约工业发展的主要瓶颈。由此，国家把建设资源节约型、环境友好型社会放在工业化、现代化发展战略的突出位置，在考察工业经济增长时，能源环境因素就不容忽视。为此，本文采用数据包络分析方法，引入方向性距离函数和Malmquist-Luenberger指数法对能源和环境因素约束下的我国2001－2009年区域工业效率和绿色全要素生产率进行了考察，对区域之间考虑环境因素的全要素生产率和不考虑环境因素的全要素生产率进行了比较。研究结果表明，我国工业全要素生产率逐年提高，其中技术进步的作用显著高于效率提高;非期望产出的引入在一定程度上降低了我国工业的投入产出效率，不考虑能源环境约束过高的估计了我国工业经济的增长;在年份变化上，循环经济和新能源发展卓有成效，考虑能源环境约束下的区域工业全要素生产率逐年提高;在区域比较上，东部地区工业不仅在技术和投入产出效率方面领先于中部和西部地区，在污染治理方面也领先于中西部。

环境效率;非期望产出;数据包络分析;ML指数

工业是污染环境和消耗能源的主要源头产业，迄今为止，典型的工业化国家都未能避免先高消耗高污染后节约治理的发展轨迹。我国虽然从20世纪80年代起就萌发了不再走发达国家弯路的思想，但事实证明，在我国全面构筑完整工业体系的同时，由于没有及时转变经济增长方式和建立有效的环境保护配套措施，环境污染成为工业发展的副产品已经是不争的事实。即使在我国政府越来越重视资源环境问题的21世纪，工业污染问题仍然没有得到很好的遏制，从2000年－2009年我国工业能源消费和“三废”产出情况可以明显看出，能源消费量、废水、废气产生量(固体废物由于可以重复利用获得经济价值，每年的排放量不断减少)均呈逐年上升趋势，相应的年均增长速度为 8.63%、2.11%、13.6%。不能否认，能源过度消费和废气大量排放是工业可持续发展最大的天敌，因此，本文在下面的实证分析中选择废气作为非期望产出指标，能源作为投入约束指标。

如果不转变这种大规模“滥用资源－制造产品－排放污染”的粗放式生产方式，当2020年我国经济总量在2000年基础上再翻两番时，工业污染负荷也会在2000年基础上成倍放大，工业废气排放量将增加19倍多。因此，在当前我国工业化快速推进的重要阶段，如何处理好资源环境与经济发展的关系，成为我国现代化建设进程中面临的重要课题，并已纳入我国政府提出的“走新型工业化道路”以及“转变经济发展方式”的战略框架之中。

1 研究背景

传统的生产效率衡量方法一般都只考虑期望产出，尽管非期望产出作为一个很重要的因素，研究人员在进行研究时都有想到，但是由于非期望产出一般都是一些非市场性的东西，如废水、废气、废物等，它们的价格或者说影子价格不可知，因此这些非期望产出或者说负产出都被忽略了。DEA作为一种非参数效率法，在计算评价单位的效率时不需要各种投入和产出的价格，但它衡量的效率值是投入一定时产出可以增加的比例或者产出一定时投入减少的比例，因此在同时考虑非期望产出时无法应用。这种忽略导致了传统的效率衡量方法存在一定的偏差，它可能会高估了评价单位的效率。

为了更精确的衡量评价单位的效率，研究人员在研究考虑非期望产出时的效率时，对这些方法做出各种改进。根据他们对非期望产出的可处置性的规定，可以分为四类。第一类是投入处理法，即将非期望产出作为要素投入来考虑，出发点是因为非期望产出的减少会减少用于增加期望产出的投入。如Rheinhard等人用这种投入处理法的DEA模型分析了荷兰牛奶场的环境效率［1］。Hailu和Veeman也采用该种方法分析了加拿大造纸工业的环境绩效［2］。这种方法存在的问题是分不清楚哪些投入用于期望产出的增加，哪些投入用于非期望产出的减少，并且由于污染物和资源投入并不能保持一定的同比例关系，因而这种效率评价方法不能反映实际的生产过程［3］。第二种方法是产出处理法，即对非期望产出值通过函数f(b)=v－b(v是一个足够大的向量用以保证转化后的非期望产出变为正数)进行平移。通过这种变换，将越小越好的非期望产出变为越大越好。第三种方法是假定非期望产出给定，用期望产出的实际产量和最大产量之比衡量效率，即期望产出增加而非期望产出保持不变［4－5］。第四种方法即为 Y.H.Chung等提出的方向性距离函数和Malmquist-Luenberger指数法［6］。该方法同时衡量了期望产出与最大期望产出的差距以及非期望产出与最小非期望产出的差距，因此可以按照决策者的意愿设定效率改进的方向，具有很大的实用性。Baris.K运用基于方向距离函数的Malmquist-Luenberger指数法衡量了OECD国家的考虑污染的生产力增长状况［7］。胡鞍钢等运用方向距离函数法对考虑环境因素下的省级技术效率进行了重新排名［8］。杨俊、邵汉华运用 Malmquist-Luenberger指数法对环境约束下的中国省级工业增长状况进行了分析［9］。

本文对考虑能源和环境因素的中国区域工业效率进行了研究，在静态方面通过考虑环境因素的方向技术效率和不考虑环境的一般距离函数的比较，得出了各区域的环境绩效;在动态方面，通过考虑环境因素的Malmquist-Luenberger指数与不考虑环境因素的Malmquist指数的比较，得到了环境绩效指数;并对区域之间以及不同年份之间考虑环境因素的效率和不考虑环境因素的效率进行了比较。

2 模型和方法

2.1 数据包络分析和Malquist生产率指数

数据包络分析法是1978年由Charnes、Copper、Rhodes提出的进行相对有效性评价的模型。其基本思路是通过对投入、产出数据的综合分析确定有效生产前沿面，并根据各DMU与有效生产前沿面的距离状况，确定各DMU的效率［10］。

假设有N个DMU，每个DMU以M种投入生产S种期望产出和W种非期望产出。投入用M*1的向量x表示，期望产出用S*1的向量y表示，非期望产出以W*1的向量b表示，在不考虑非期望产出时，技术集合被定义为:

产出集合可以定义为:

定义在产出集合P(x)上的距离函数为:

此时，以产出为导向的技术效率为:

为了进一步衡量跨期的动态生产效率，Fare等人提出了考察两个相邻时期生产率变化的Malmquist生产力变动指数方法［11］，将 t到 t+1 期(t=1，2，...，T)的产出导向Malmquist生产力指数定义为:

该Malmquist生产力指数(简称M指数)可分解为技术效率变化指数(MEFFCH)和技术进步变化指数(MTECH)的乘积:

2.2 方向距离函数与Malmquist-Luenberger指数

在上述方法的基础上，为了能同时衡量期望产出增加和非期望产出减少时的效率情况，Shephard提出了方向性距离函数的概念［12］。其计算方法如下:

在同时考虑期望产出和非期望产出时，公式1可改写为:

其中P'(x)={y:x能生产出(y，b)}为同时考虑期望产出和非期望产出时的产出集合。

在公式3中纳入方向向量gy和gb，则形成方向距离函数:

这里，假定期望产出和非期望产出按照相同的比例扩张和收缩，β就是期望产出增长和非期望产出减少的比例。其中β*gy代表期望产出增加的数量，β*gb代表非期望产出减少的数量。

此时，由方向距离函数可以得到包含非期望产出的技

术效率为:

在同时考虑期望产出和非期望产出的情况下，我们就可以用方向距离函数替代产出距离函数来衡量全要素生产率，Y.H.Chung(1997)把该指数命名为 Malmquist-Luenberger生产力指数(简称ML指数):

ML指数同样可分解为技术效率变化指数(MLEFFCH)和技术变化指数(MLTECH):

其中:

2.3 环境绩效和环境指数

假设图1描述了两种产出情况下的生产可能性曲线(PPC)，其中PPC0为不包含非期望产出的生产可能性曲线，PPC1为包含非期望产出的生产可能性曲线，由于PPC1包含非期望产出，生产集合所受到的限制较为严格，因此PPC1位于PPC0的下面。对于 DMU A来说，其相对于PPC0的效率为:TE1=OA/OC;其相对于PPC1的效率为:TE0=OA/OB。由于考虑非期望产出后，生产可能性曲线从PPC0向内移动到PPC1，因此环境绩效即为:W(b)=OB/OC=TE1/TE0，即环境绩效为不包含非期望产出的效率与包含非期望产出的效率的比。

动态的环境指数变化也可以用同样的方法。假设从t期到t+1期，不包含非期望产出的生产可能性曲线由PPC0移动到了PPC0‘，包含非期望产出的生产可能性曲线由PPC1移动到了PPC1，Mt+1t为不考虑非期望产出的全要素生产率的增加，M为考虑非期望产出的全要素生产率的增加，由以上环境绩效的定义可知W(b)t=OB/OC，。则环境指数即为考虑非期望产出的全要素生产率的增加与不考虑费期望产出的全要素生产率的增加。

图1 环境绩效和环境指数Fig.1 Environment Performance and Environment index

3 数据处理和实证分析

3.1 数据处理

本文选择了我国31个省级区域作为DMU，研究期为2001年－2009年，选取各省工业固定资产净值年平均余额、年均从业人员数量以及能源消耗作为投入指标，选取了各省工业总产值作为期望产出指标，废气排放量作为非期望产出指标，其中工业总产值根据工业品出厂价格指数将当年价的工业总产值折算为2001年的不变价。投入、产出指标基础数据来源于历年《中国统计年鉴》，其中固定资产净值年平均余额参照Jefferson等人的做法进行了价格折算［13］。

3.2 环境效率静态分析

根据公式16，17，得出我国各省份考虑环境因素以及不考虑环境因素的效率及其排名，可以看出:

(1)从年度均值来看，能源、环境与经济发展协调最好的省份是上海和广东，其ETC的年度均值为1，这说明九年来这两个省份的ETC都处于生产前沿面上。东部三个板块的ETC均值都高于其他区域，其中东部沿海在八个板块中最高。ETC最低的区域是东北板块和长江中游地区。东北地区是我国的老工业基地，在国家振兴东北老工业基地的号召下，其重工业的发展对环境造成了很大的破坏;长江中游地区是我国轻工业比较发达的地区，污染排放也比较多。从考虑环境约束和不考虑环境约束的比较来看，排名变化最大的是内蒙古、广西和西藏，其在加入环境约束后排名分别增加了17、17和21，这三个省份在经济发展过程中，能源节约和污染治理卓有成效。而吉林、四川两个省份在考虑环境约束后，排名分别下降了12、9，这两个省份工业经济的发展造成了比较大的能源环境压力。

(2)从2009年的数据来看，金融危机后，在国家实行的保增长、保就业、扩内需政策下，对环境的保护较之前出现了放松，在污染减排工作上出现了松懈，因此ETC较之中间年份稍有下降。根据该年份考虑环境约束和不考虑环境约束的效率结果，可以把31个省份分为以下5类，如表1:

表1 区域经济与环境协调发展分类状况Tab.1 Coordinated development state of economy and environment

可见，经济与环境高度协调的仅有天津和广东，它们都是我国东部沿海经济比较发达的地区。东部其他省份也基本位于经济与环境较协调的地区，而经济发展不协调和极不协调的地区大部分在西部。可见西部与沿海地区的差距，不仅表现为产出的效率低，其能源环境压力也不容小觑。在经济发展极不协调的8个省份中，贵州、西藏、陕西、甘肃、宁夏和新疆6个省份主要是由于经济不发达，其不考虑环境约束的效率比较低，相反在考虑环境约束后，排名都有所进步;而其他的两个省份山西和黑龙江，在不考虑环境约束时效率比较靠前，考虑环境约束后，排名退步很大，这两个省份的工业经济发展态势尚好，但在发展的过程中污染物排放较多。

(3)从2001与2009年的数据比较来看，随着国家对环境保护的日渐重视，2009年的环境效率较之2001年有了很大的进步，北京、河北、天津、内蒙古、海南、西藏、宁夏进步明显，2001年其环境效率距离前沿面尚存在一定的距离，而2009年这几个省份都位于生产前沿面上。这里需要指出的是DEA方法计算的是相对指标，一个DMU处于生产前沿上并不意味着其环境效率没有改善的空间，工业生产过程已经达到了令人满意的资源节约和环境保护水平，而是相对其他省份来说其ETC较高而已。应该看到，我国在生产技术和污染治理方面与发达国家相比还存在很大的差距，因此，包括这些处于前沿面的省份在内的所有区域都要继续加强资源环境管制力度，使得生产企业能够进一步的提高技术，减少污染排放。

3.3 环境效率的动态分析

3.3.1 M指数和ML指数的区域比较

从表2可以看出，东部板块不受环境约束的M指数和考虑环境因素的ML指数增速都高于其他板块，2001－2009北部沿海、东部沿海和南部沿海不考虑环境因素的TFP平均增速分别为15.5%、8%、18.8%，技术进步是快速增长的主要原因。在考虑到经济增长排放的负产出时，东部三个板块的 ML指数仅为4.4%、3.5%、1.8%，可以看出在衡量工业全要素生产率时，不考虑环境因素过高估计了生产率的增长，分别过高估计了11.1%、4.5%、17%，占到了不考虑环境因素的TFP指数的72%、56%、90%。南部沿海过高估计的最多，这说明南部沿海虽然工业经济增长比较快，但是在发展经济的同时，对环境的污染也最大，负产出最多。

中部的两个板块黄河中游和长江中游地区在不考虑环境因素时TFP平均增速也很高，黄河中游地区的M指数高达17.2%，仅次于南部沿海板块。长江中游的M指数也有12.4%，超过了东部沿海地区。这说明中部地区的工业经济发展态势较高，原因在于近几年，东部土地、劳动力等生产要素价格上涨导致部分产业转移到中部生产要素相对低廉的地区。当考虑到环境约束时，中部两个板块的ML指数分别为5.4%、4.1%，不考虑环境约束的M指数分别过高估计了69%、67%，中部地区在承接东部的产业转移的同时也承接了经济发展对环境的污染。

东北三省不考虑环境约束的TFP平均增速也达到10.7%，东北三省作为我国的老工业基地工业增长态势也比较不错。其考虑负产出的ML指数平均为6.2%，不考虑环境约束的M指数也过高估计了全要素生产率的42%。

西部的大西南和大西北两个板块不考虑环境约束的M指数分别为8.9%、13.6%，国家的西部大开发政策使得西部工业经济快速发展，但发展的同时也对环境造成了很大的破坏，考虑负产出的ML指数仅为3%、5.7%，M指数过高的估计了66%、58%。

3.3.2 ML 指数的分解

从表2中可以看到，我国全要素生产率的增长很大一部分是由于技术进步带动的，在ML指数的分解中，东部三个板块的技术进步率分别为3.5%、4.1%、0.4%，解释了79.5%、117%、22.2%的全要素生产率增长。其中东部沿海投入产出效率出现了下降，年均下降了0.6%，这可能是由于投资驱动的经济增长导致大量投入的拥挤，造成部分投入浪费。中部的黄河中游和长江中游地区在考虑环境约束后平均技术进步率为5.3%和3.7%，分别解释了全要素生产率增长的98%、90%，技术进步对中部两个板块的全要素生产率贡献最大。东北地区技术进步也解释了ML指数的90%。而西部的大西南和大西北投入产出效率都出现了下降，年均下降分别达0.4%、1%，但由于技术进步，其全要素生产率才出现了增长，技术进步解释了其ML指数的113%、121%。3.3.3 ML 指数的动态变动

表2 2001－2009区域全要素生产率年均增长率及其分解Tab.2 Average growth rate per annum and decomposition of TFP(2001－2009)

从表3可以看出，第一，2001－2009年来我国考虑环境约束的全要素生产率不断增长，表现在ML指数基本都在1以上。增速最高的是03－04年的东部和中部地区，这两个地区该年份的全要素生产率增长几乎达到了15%。第二，九年来我国环境约束的TFP增长率波动较大，四个板块除了个别年份外，变动趋势也基本保持一致，这表明我国工业经济的增长在一定程度上受到国家宏观经济状况和政策的影响。中部和西部的变动趋势最类似，其增长幅度变动除了05－06年基本保持一致。第三，04年以前的ML指数增速明显超过了04年之后的几年，ML指数大幅下挫跟04年之后SO2排放的显著增长有关的。2005年我国的SO2排放量大幅增加，全国平均增长率达到16%多，负产出的大幅增加导致考虑环境约束的TFP指数明显下降。而05年之后，国家对环境保护的逐渐重视，导致环境污染物排放出现下降的趋势，因此ML指数增幅逐渐加大，但07－08年增幅又出现了下降，这可能是由于国际金融危机的影响，经济增长及其增长的质量都出现了下滑。

表3 2001－2009区域ML指数动态变化表Tab.3 Dynamic change of ML index(2001 －2009)

4 结论

工业一方面是创造人类财富的支柱产业，另一方面也是给人类社会带来严峻环境污染问题的潜在杀手。本文首先回顾了DEA模型在评价包含非期望产出的效率的几种方法，通过引入方向性距离函数，对我国区域工业在考虑非期望产出时的效率进行了评价，从研究结果可以看出:

(1)非期望产出的存在降低了我国工业的投入产出效率。环境污染对我国工业经济的增长造成了很大的损失，不含工业废气时的全要素生产率指数因为工业废气产出的引入变得下降。因此可以说，我国的工业经济效率和环境效率具有很大的不一致性，不考虑非期望产出的过高的估计了我国区域工业的全要素生产率。

(2)从区域比较的结果来看，东部地区工业不仅在技术和投入产出效率方面领先于中部和西部地区，在污染治理方面也领先于中西部，因此中西部地区不仅要引进东部的技术，也要引进东部治理污染的政策和体制，使得中西部地区能在工业不断发展的同时，环境得到改善。

(3)从年份变化来看，随着国家对能源环境问题的日益重视，新能源和循环经济发展卓有成效，表现在考虑能源环境约束的全要素生产率不断增长。因此应继续大力发展先进制造业和高新技术产业，真正把我国建设成为资源节约型、环境友好型社会，真正解决环境和经济发展存在的矛盾。

References)

［1］Reinhard S，Lovell C A K，Thijssen G J.Environmental Efficiency with Multiple Environmentally Detrimental Variables:Estimated with SAF and DEA［J］.European Joumal of Operational Researeh，2000，121(2):287－303.

［2］AtakeltyH，TerrenceS，Veeman. Non-ParametricProductivity Analysis with Undesirable Outputs:An Appliction to Canadian Pulp and Paper Industry［J］.American Journal of Agricultural Economics，2001，83(3):805 －816.

［3］涂正革.环境、资源与工业增长的协调性［J］.经济研究，2008(2):93 － 105.［Tu Zhengge.The Coordination of Industrial Growth with Environment and Resources［J］.Economic Research，2008(2):93 － 105.］

［4］Jahanshahloo G R，Hadi Vencheh A.Inputs/outputs Estimation in DEA When Some Factors Are Undesirable［J］.Applied Mathematics and Computation，2004:19 －32.

［5］王波，张群，王飞.考虑环境因素的企业DEA有效性分析［J］.控制与决策，2002(1):24 － 28.［Wang Bo，Zhang Qun，Wang Fei.Using DEA toEvaluate Enterprise Productive Efficiency with Environmental Performance［J］.Control and Decision，2002(1):24 － 28.］

［6］Chung Y H，Fare R.Productivity and Undesirable Outputs:A Directional Distance Function Approach［J］.Journal of Environmental Management，1997，192(4):229 －240.

［7］Baris.K，Yoruk，Osman Zaim.ProductivityGrowth in OECD Countries:A Comparison with Malmquist Indices［J］.Journal of Comparative Economics，2005，53(2):401 －420.

［8］胡鞍钢，郑京海，高宇宁.考虑环境因素的省级技术效率排名(1999－2005) ［J］.经济学.2008，7(3):933 －960［Hu Angang，Zheng Jingdong，Gao Yuning.ProvincialTechnology Efficiency Ranking with Environment Factors(1999 － 2005)［J］.China Economic Quarterly.2008，7(3):933 － 960.］

［9］杨俊，邵汉华.环境约束下的中国工业增长状况研究——基于Malmquist-Luenberger指数的实证分析［J］.数量经济技术经济研究.2009，(9):64 －78［Yang Jun，Shao Hanhua.Empirical Study on China’s Industrial Growth under the Binding of Environment［J］.The Journal of Quantitative ＆ Technical Economics.2009，(9):64 －78.］［10］Charnes A，Cooper W W，Rhodes E.Measuring the Efficiency of Decision Making Units［J］.European Journal of Operational Research，1978，2(6):429 －444.

［11］Fare R，Grosskopf S，Norris M.Productivity Growth，Technical Progress，and Efficiency Changes in Industrialized Countries［J］.American Economic Review，1994，87(5):66 －83.

［12］Shephard R W.Theory of Cost and Production Functions［M］，Princeton University Press，1970.

［13］Jefferson G H，Rawski T G.Growth，Efficiency and Convergence in China’s State and Collective Industry［J］.Economic Development and Cultural Change.1992，(2):239 －266.

Regional Industrial Efficiency Analysis under Energy and Environment Constraint

WANG Yan1XIE Rui-rui2
(1.College of Economic and Social Development，Nankai University，Tianjin 300071，China;2.School of Economics，Nankai University，Tianjin 300071，China)

Currently，the industrialization is developing into mid-late stage in China.The major obstacles which constrain the development of Chinese industry are the lack of resources and environmental pollution.To break the bottleneck，it is the first priority to build a resource-saving and environmental-friendly society in our industrialization and modernization strategy，which means factors such as energy and environment can not be neglected when we are analyzing the growth of industrial economy.To testify our theory，we introduce the directional distance function and Malmquist-Luenberger index into the data envelop analysis(DEA)method.By using the adjusted DEA method，we analyzed the regional industrial efficiency and the green total-factor productivity under energy and environmental constrains from 2001 to 2009 in China.We compared the regional total-factor productivities by taking environmental constrain into consideration and not taking environmental constrain into consideration.Our research results indicates:(1)The industrial total factor productivity is growing annually in China，and the effect caused by technology development is more obvious than that caused by productivity improvement.(2)The introduction of undesirable outcomes reduce the input-output efficiency of Chinese industry，which means we overestimate the growth of our industrial economy if we do not take environmental constrains into consideration.(3)The development of recycling economy and new energy is prosperous now in China，and the total-factor productivities of regional industry are increasing annually.(4)Compared with the central region and western region of China，the industries in the east China are more advanced in technology and input-output efficiency，and also advanced in the field pollution control.

environment efficiency;undesirable output;data envelopment analysis;Malmquist-Luenberger index

F061.1

A

1002－2104(2012)05－0114－06

10.3969/j.issn.1002－2104.2012.05.019

2011－12－03

王燕，教授，博导，主要研究方向为产业经济、运输经济、物流管理。

谢蕊蕊，博士，主要研究方向为区域产业竞争力分析、物流产业分析。

本文为国家社科基金重点项目“中国特色新型工业化研究”(编号:07AJY017);南开大学文科科研创新基金项目“中国先进制造业发展战略与创新机制研究”(编号:NKC0852)和“新型工业化评价指标体系构建及区域比较研究”(编号:NKC0841)的阶段性成果。

(编辑:温武军)