区域工业生态效率评价及其影响因素研究

张淑英，李德山，刘媛媛

（1.西南石油大学经济管理学院，四川成都 610500 2.西南大学地理科学学院，重庆 400715）

0 引言

我国在重工业发展过程中，经济和环境系统发展严重不协调，即单纯追求GDP的快速增长，而长期忽视了自然资源成本、环境污染和生态破坏的问题。一方面我国的工业发展总体上处在高投入、高能耗、高污染的粗放式的增长阶段，特别是在生产转化和使用过程中，产生大量的废水、二氧化硫、烟尘、粉尘、废固体排放物等污染物质。另一方面经济发展过度依赖于劳动力成本优势，能源效率又偏低，公众环保意识淡薄，造成了资源的大量浪费和环境的严重污染。此外，在核算GDP时，没有将生态破坏的影响计入到GDP核算体系中。这些都是造成我国生态效率较差，经济发展的负外部性和不可持续性的原因。因此通过揭示经济系统和环境系统之间的矛盾，测算中国各个地区的生态效率，可以为中国实现可持续发展提供一些积极的参考意见。

本文从异质性环境污染排放角度出发，评价了中国各省、市与自治区的生态效率。选取的5个环境压力指标，分别是：工业废水排放、工业二氧化硫排放、工业烟尘排放、工业粉尘排放和工业固体废弃物排放，单位为万吨。最后根据Tobit模型，分析了影响工业生态效率影响因素及其影响强度。

1 生态效率评价模型

目前，生产活动中的非期望产出修正方法还存在诸多争议。为了避免此问题，Kuosmanen、Kortelainen(2005)从生态经济学和产业生态学的角度，以环境压力指标来取代污染产生量的指标，采取帕累托最优思想设置了最优的生态效率条件，使用数据包络分析方法，对芬兰3个镇公路运输行业的相对生态效率进行了比较和计算。它的优点:①无需投入数据，只需经济产出和非期望产出数据；②无需对环境压力指标给予先验性的权重，减少主观因素对结果的影响；③考虑了经济产出和环境压力指标的替代性。其计算方法如下：

假设有N个生产比较单元的生态效率需要评价，第k个生产单元的产值为Vk，第k个生产单元的第m种环境压力为Zkm，那么第k个生产比较单元的最优相对生态效率可表示为：

（1）式中，ωm为第m种环境压力指标的权重，它是通过计算每个比较单元在经济现实中可能达到的最大相对生态效率而“内生”得到的权重。由于（1）式的目标函数和约束条件都是非线性的，在计算时难以求解，需要将其进行转换。不难发现，当对（1）式的目标函数和约束条件都取倒数后，就可以将非线性问题转化为易于求解的线性规划问题。见（2）式。

通过（2）式不仅可以得到环境压力的内生权重，而且可以计算出比较单元的最优相对生态效率。通过测算最优相对生态效率，可以得到比较单元在不改变环境压力指标的前提下，最大限度地增加经济产出的比例，或者在经济产出不变的前提下，最大限度地同等减少不同环境压力指标的比重。

2 中国2010年区域工业生态效率评价

2.1 变量选取及数据来源

由于不同行业在选择环境指标与经济指标不尽相同，且生态效率的评价指标和方法也有所不同，导致结果也有所差异。本文的工业生态效率评价的产出指标是各地区的工业产值；环境污染压力指标是工业在生产活动中非期望产出的污染排放，主要包括：工业废水污染排放、工业二氧化硫排放、工业烟尘排放、工业烟尘排放、工业固体废弃物产生量（单位：万吨）。本文选取的是31个省市自治区2010年的截面数据，数据来源《中国环境年鉴2011》和《中国统计年鉴2011》。

2.2 中国区域工业生态效率

表1 中国各地区2010年工业产值、环境压力指标和生态效率统计描述

从表1可以得出：（1）各省工业发展水平差距很大。2010年工业产值最大的是广东，为21462.72亿元，最小的是西藏，为39.73亿元。所统计的31个区域的工业产值的标准差高达5505.2亿元，接近全国工业产值的平均值6236.06亿元。

（2）各省在工业发展过程中对环境造成的污染差异大。其中工业废水排放最大的是江苏，为263760万吨，最小的是西藏，为736万吨；工业固体废物产生量最大的是河北，为31688万吨，最小的也是西藏，为0.1万吨。这2个指标的标准差分别为70593.54万吨和6681.36万吨，都接近与全国平均值。

（3）东中西部工业污染排放分类明显。我们根据Arcgis软件对所统计31个地区的工业污染总量进行了分类，可以看出：东部最大，中部次之，西部最小。其中，工业污染排放总量大于165000万吨的省份有山东、江苏、浙江、广东、广西；工业污染排放总量大于56000万吨的省份有河北、河南、福建、辽宁、内蒙、山西、四川、湖北、湖南、江西、安徽。

（4）各省的生态效率也有较大差异。根据工业产值与工业环境污染排放总量的比值计算的生态效率，最大的是0.29万元/吨（北京），最小的是0.02万元/吨（宁夏）。标准差为0.05万元/吨。然而仅用这一公式计算生态效率具有很大的片面性[11]，需要通过对不同环境压力指标加权得到一个综合的环境破坏测度指标，来计算各个比较单元的最优相对生态效率。

2.3 中国区域工业最优相对生态效率

本文以中国2010年31个省市自治区的工业产值和5个工业环境污染排放数据为基础，采用（2）式的线性规划，计算结果见表2。

表2 区域最优相对生态效率

（1）中国各地区工业生态效率普遍偏低，且地域差异大。在2010年统计的31个省市自治区中，工业最优生态效率最大值为1（北京），最小值为0.0693（广西），全国平均值仅为0.2895，标准差为0.1769。生态效率高于0.5的省份仅有3个省份：北京、天津、上海。如图1，我们根据Arcgis软件把最优工业相对生态效率分了5类。

（2）根据本文前面Kuosmanen等提出的最优相对生态效率方法可知，各地区的工业生态效率都是相对于那些有效采用了“最优实践技术”的地区相比较而言的最优效率，也就是说那些未能有效采用“最优实践技术”的地区的工业生态效率低于1，那么这些地区本身具有很大的潜力来通过生产活动去改善生态效率，降低环境污染排放。即效率越低，其改善环境和提高生态效率的潜力就越大。就上海市和山西省而言，如果它们在工业生产过程中有效利用“最优实践技术”的话，在保持工业产值不变的前提下，可以分别通过减少工业污染排放量的47.17%和72.3%，或者在不增加污染排放了的前提下，分别将工业产值提高47.17%和72.3%。就这2个地区相比，山西省具有更大的潜力去改善环境和提高生态效率。

图1 中国各地区最优工业相对生态效率

3 区域工业生态效率影响因素Tobit回归分析

3.1 数据来源及其变量说明

根据国内外已有的文献，影响生态效率的主要因素有：经济发展水平、产业结构、对外开放程度、政府规制、地理位置。本文的数据均来自《中国统计年鉴2011》，其中对外贸易总额折算成人民币单位时所用的汇率为2010年平均汇率：1美元=6.795人民币。

表3 变量解释与说明

3.2 Tobit回归分析

为了进一步分析区域工业生态效率的影响因素，本文采用Coelli等人提出的“两阶段”法。即第一步测算生态效率值，第二部把生态效率作为被解释变量，以影响因素作为解释变量建立回归模型。由于前面计算的最优工业相对生态效率值介于0和1之间，可能会删掉了效率小于0的值，所以必须考虑“删失”问题，而Tobit模型正好可以解除此类问题。

表4 Tobit模型回归结果

(1)经济发展水平所选取的2个变量均通过1%显著性检验。根据Tobit回归结果，人均地区生产总值(x1)对工业生态效率的影响系数为0.2965，呈现显著正向作用。这说明人均地区生产总值的提高，意味着人均收入水平的提高，这更会刺激人们对“生态环境质量“的需求，有利于工业生态效率的提高。但是我们发现地区生产占全国GDP比重（x2）对生态效率呈现负向作用，即地区生产总值比重越大，环境污染越严重。同属经济发展水平的2个指标，对生态效率的影响方向不一样，间接说明地区生产占全国GDP只能反映该地区在全国经济中的地位，并不能提高工业生态效率的改善。

(2)产业结构对工业生态效率通过5%显著性检验。根据Tobit回归结果，产业结构（x3）对生态效率的影响系数为-0.5053。说明目前中国各区域工业产值比重越高的地区，其工业生态效率相对比较低，即工业产值比重越高就会带来各种污染物排放量的增加，环境污染进一步恶化。但是从长期来看，随着中国经济结构调整和产业结构优化，第三产业比重逐步提高，各地区的工业生态效率将会逐步提升。

(3)政府规制对工业生态效率的影响不显著。从理论上来讲，政府可以通过经济、法律、行政等手段来规范市场来提高工业生态效率，但是根据回归结果表明我国工业污染治理投资(x4)并没有达到降低环境污染的目标。可能原因：第一，市场发展过程中企业的盲目性和片面追求经济效益而忽视保护环境，没有落实政府的各种有效政策导致的，即环境治理投资有一定的“被动性”。第二，中国工业污染治理投资占地区生产总值的比重和发达国家相比，其比重长期处于较低水平，也即投资治理力度不够。

(4)对外经济对工业生态效率通过了5%显著性检验，且起着负向影响。根据Tobit回归结果，对外经济（x5）对生态效率的影响系数为-0.2722。通常外商投资和港澳台商投资工业企业规模比较大，可能会造成了更多的环境污染。

(5)代表地理位置的虚拟变量通过了5%的显著性检验。根据Tobit回归结果，地理位置(x6)对工业生态效率的影响系数为0.0699，在选取的6个变量中影响力最小。说明虽然总体上东部的工业生态效率要高于西部的，但地区差异对工业生态效的改善的影响力差别不大。原因可能与不同地区人力资本质量、投资治理环境污染的比重以及环境污染的技术水平高低有关。

4 结论

⑴本文基于Kuosmanen 、Kortelainen（2005）从生态经济学角度评价生态效率方法，测算了5个工业环境压力指标下中国区域工业的生态效率。可以得出：2010年中国各地区工业平均生态效率仅为0.2895，普遍偏低且地区差异大。其中，2个省份的生态效率大于0.5，如北京和天津的最优相对生态效率值分别为1和0.6648,8个省份的生态效率值在0.4～0.3之间，12个省份的生态效率值0.3～0.2之间，6个省份的生态效率值在0.2～0.1之间，2个省份的生态效率值小于0.1，如广西和宁夏的最优相对生态效率值分别为0.0868何0.0693。

⑵通过Tobit模型分析了我国各地区的工业生态效率的影响因素。所选取的6个变量中，地区人均生产总值、地理位置、地区生产总值占全国GDP比重、产业结构和对外经济等5个变量对生态效率有显著的影响。地区人均生产总值和地理位置对生态效率的改善有积极正向作用，而地区生产总值占全国GDP比重和对外经济不利于生态效率的提高，起着负面影响。而政府规制没有通过显著性检验，可能原因是企业治理投资有一定的“被动性”，投入更多投资但治理污染效果不佳。所以地方政府不能一味的在产业末端投资治理，而应加大在产业源头上进行节能减排。

需要说明的是，本文的研究数据只选取了2010年截面数据，没有通过动态的时间序列数据来评价各地区工业生态效率；另外，在进行影响因素分析时，选取的影响因素可能不够全面，可能会影响到数据的准确性，这些问题将是未来研究的重点。

[1]廖红,朱坦.生态经济效率环境管理发展的关系探讨[J].上海环境科学,2002,21(7).

[2]诸大建,邱寿丰.作为我国循环经济测度的生态效率指标及其实证研究[J].长江流域资源与环境,2008,17(1).

[3]顾晓薇,王青等.辽宁省自然资源可持续利用的生态足迹分析[J].资源科学,2005,27(4).

[4]张斌,毕军等.基于DEA的企业生态效率评价:以杭州湾精细化工园区企业为例[J].系统工程理论与实践,2008,(4).

[5]邓波,张学军等.基于三阶段DEA模型的区域生态效率研究[J].中国软科学,2011,(1).

[6]杨文举.基于DEA的生态效率测度：以中国各省的工业为例[J].科学经济社会,2009,(3).

[7]孟祥兰，雷茜.中国各省份能源利用的效率评价：基于DEA数据包络方法[J].宏观经济研究,2011,（10）.

[8]曾贤刚.中国区域环境效率及其影响因素[J].经济理论与经济管理,2011,（10）.

[9]吕彬,杨建新.生态效率方法研究进展与应用[J].生态学报,2006,(11).