基于三阶段DEA方法的我国海洋污染治理效率研究

周申蓓,莫卫,刘 朋,杜阿敏，陆梦恬

(1.河海大学商学院,江苏 南京 211100; 2.天津大学经济与管理学部,天津 300072; 3.中国环境监测总站,北京 100012; 4.河海大学水利水电学院，江苏 南京 210098)

自1978年改革开放以来,我国海洋污染随着经济飞速发展而愈趋严重,至2000年,劣于一类海水标准的海域面积已经达到20.6万km2的历史最高点。随着沿海开发成为国家战略,我国沿海省份的海洋资源开发利用程度将大幅度提高,海洋污染形势将越发严峻。如何评价我国近十年的海洋污染的治理水平和效率,是未来有效治理海洋污染的基础。

1 三阶段DEA模型和数据来源

1.1 三阶段DEA模型的适用性

在我国污染治理效率的研究中,DEA模型的运用频率最高、范围最广。董秀海等[1]、郭国峰等[2]、刘纪山[3]和郑丽娟[4]使用传统DEA模型对环境治理效率进行分析。由于环境快速变化和污染治理技术进步迅速,单纯依赖传统DEA模型所得到的结果误差较大,无法剔除环境因素和随机误差的影响。鉴于此,有学者在分析污染治理效率时采用DEA修正模型。许陈生[5]利用Malmquist生产率指数特别针对跨期治理进行分析。王立岩[6]使用两阶段 DEA 模型,将一级指标环境治理效率分解为三项二级指标,把二级效率评价结果作为输出指标评价一级效率指标的效率。王奇等[7]考虑到大气污染治理效率评价中可能出现多个有效主体,选择了超效率DEA模型。赵峥等[8]使用四阶段DEA,通过Bootstrap方法对我国不同区域的环境治理效率进行比较,采用重复抽样来推断DEA效率值的最佳区间。由于海洋污染治理工作涉及范围大、时间跨度长,笔者用Fried等[9]的三阶段DEA模型来排除环境因素和随机误差对效率评价的影响,以求准确地反映海洋污染治理效率。

1.2 三阶段DEA模型构建

1.2.1 第一阶段:传统的DEA模型

在海洋污染治理中,投入变量是效率结果的基本变量,因此采用投入导向的规模报酬可变的DEA-BC2模型。

具体的BC2模型形式如下:

(1)

c. 如θ<1时,则该决策单元的海洋污染治理为DEA无效。

1.2.2 第二阶段:构建SFA模型

为了排除外部环境因素和随机误差因素对海洋污染治理效率结果造成的影响,在第二阶段通过构建SFA模型分解第一阶段得到的投入产出差额值,可以分别观测出上面两方面因素的影响。

具体的SFA模型构建过程如下:设有n个决策单元,每个决策单元均有m种产出,有p个可以观测的环境变量Ck=(C1k,C2k,…,Cpk),k=1,2,…,n,分别对每个决策单元的产出松弛变量进行SFA分析,可构建如下SFA回归方程:

SMk=f(Ck,βM)+VMk+UMk

(2)

(k=1,2,…,n;M=1,2,…,m)

式中：SMk为第k个决策单元第M种产出的松弛变量;f(Ck,βM)为环境变量对SMk的影响;VMk+UMk为混合误差项。

根据SFA模型回归的结果对海洋污染治理的投入变量进行调整,将环境因素和随机误差排除。调整公式为

(i=1,2,…,M;l=1,2,…,N)

(3)

1.2.3 第三阶段:调整后的DEA模型

在第三阶段,将第二阶段得到的调整后投入数据与原始产出数据再次代入DEA模型,计算各个决策单元绩效,此时得到的海洋污染治理效率值排除了环境因素和随机误差的干扰。

1.3 指标体系的建立

1.3.1 决策单元的选择

将2002—2011年我国沿海11个省市(辽宁省、天津市、山东省、江苏省、上海市、河北省、浙江省、福建省、广东省、广西壮族自治区和海南省)的海洋污染治理的整体组织系统作为绩效衡量单位,按年度划分为10个决策单元。

1.3.2 投入产出指标的选择

海洋污染治理投入指标的选择,必须反映对陆源污染和海上作业所致污染的治理。一方面,海洋污染治理的关键在于控制陆源污染,有效控制占比达80%的陆源污染将显著改善海洋环境质量；另一方面,加强执法,遏制海洋养殖、航运、事故和海上倾废等不规范或不法行为是海洋污染治理的关键。因此,选取沿海地区工业污水治理项目完成投资额(X1)和海洋执法检查次数(X2)作为2个投入指标,能有效反映决策单元在陆源污染控制和对非法海事行为监管的投入状况。

产出指标主要从排污量的降低和海洋环境质量角度2个方面来衡量,有3项指标:工业污水排放量减少量Y1(亿t)、未达到清洁海域水质标准面积减少量Y2(万km2)、海洋环境灾害赤潮次数减少量Y3(次)。在实际操作中以2001年的数值作为基准值计算各个指标。

1.3.3 环境变量的选择

影响海洋污染治理的环境变量主要包括沿海省市的技术变量、经济变量和社会变量。首先,技术的提高能有效降低单位GDP污水排放量,提高污染治理的效率。本文选取沿海省市单位GDP排污量作为技术变量；其次,沿海省市的经济活动会给近海造成环境压力影响,例如工业生产中产生的废弃物就会直接或间接给海洋带来污染。本文选取沿海省市的GDP总量作为经济变量；最后,随着过度开采导致陆地资源的匮乏,人们开始到海洋中寻找海洋资源来替代[10]。人口数量关系到沿海地区人们各种行为叠加后对海洋环境的压力。本文选取沿海省市的总人口数作为社会变量。

1.4 数据来源与处理

投入产出指标数值来自《中国海洋统计年鉴》和《中国海洋环境质量公报》,环境变量数值来自沿海省市统计年鉴和《海域使用管理公报》,具体数值如表1和表2所示。

表1 投入产出数值

注：表中Y3的值是以2001年的数值作为基准值。

表2 环境变量

表4 SFA回归估计结果

注:***为显著水平达1%;**为显著水平达5%;*为显著水平达10%。

2 我国海洋污染治理效率及结果分析

2.1 第一阶段:传统DEA实证结果

第一阶段计算结果如表3所示。

表3 我国海洋污染治理效率评价结果

注:irs为规模收益递增；drs为规模收益递减；—为规模收益不变。

从表3的计算结果可以看出,不考虑外部环境因素和随机误差的影响时,我国海洋污染治理的年平均技术效率为0.810,平均纯技术效率为0.870,平均规模效率为0.924。其中,有4年的技术效率达到了1.000,即处于技术前沿面上,分别为2002年、2003年、2005年和2011年,其余年份均不同程度地处于无效率状态。从计算结果还可以看出,自2006年起,技术效率、纯技术效率和规模效率总体均呈上升趋势,且这一变化趋势在综合技术效率方面表现尤为明显。这可能是由于各级政府在“十一五”开局之年意识到海洋污染的严重性并加大了治理力度。同时,自2006年起,每年的规模效率都大于纯技术效率,这意味着多数年份的技术效率主要来源于纯技术无效率,而不是规模无效。但是,上述结果是在不考虑外部环境因素和随机误差的影响下分析得出的,纯技术效率是否被低估了,规模效率是否被高估了,这还有待通过第二阶段的SFA回归分析来判断。

2.2 第二阶段:SFA回归结果

将第一阶段计算得出的各投入变量的松弛量作为因变量,将环境变量沿海省市单位GDP排污量、沿海省市GDP总量和沿海省市人口总数作为自变量进行SFA回归分析。如外部环境变量影响显著,将相关外部环境因素剔除后得到新的投入变量,得到结果如表4所示。

从表4可以看出,沿海省市单位GDP排污量、沿海省市GDP总量和沿海省市人口总数都对海洋执法检查次数松弛变量和沿海地区工业污水治理项目完成投资额松弛变量通过了显著性水平为1%的检验。回归结果表明选取的环境变量确实对投入冗余存在显著影响,需要利用式(3)将外部环境变量和随机因素剔除。

从表4可以看出,沿海省市单位GDP排污量对海洋执法检查次数松弛变量和沿海地区工业污水治理项目完成投资松弛变量的回归系数都为负,且都通过了1%的显著水平。这说明沿海省市单位GDP排污量减少时治理效率不增反降,即在治污初始阶段的技术进步能显著提高治污效率,而在进一步提高技术水平时导致的投入很大而见效较小。这从一定程度上说明我国污水处理技术水平比较落后,技术的经济效益或效果较差。同时,沿海省市单位GDP排污量的增加可能会刺激相关治理组织提高执法检查力度与治理投入,也会一定程度上提高海洋治理效率。因此出现上述结果,也是有一定原因的。

沿海省市GDP总量对投入松弛变量的回归系数也都为负,说明经济发展水平的提高有利于治理效率的提高。一方面可能因为现阶段沿海地区的经济发展能够促进治理效率的提高,另一方面也可能因为在实践中治理效率的提高仍然依赖于资源投入。沿海省市人口数对海洋执法检查次数松弛变量回归系数为负,对沿海地区工业污水治理项目完成投资松弛变量的回归系数为正,这说明沿海地区人口集聚(沿海城市水平的提高)对海洋治理方面有促进作用,比如在海洋治理文化及制度水平方面的提高,降低了执法检查次数,并增加治理资金投入。

2.3 第三阶段:调整投入后DEA实证结果

对2002—2011年我国海洋污染治理的投入变量根据式(3)进行调整后,得到排除外部环境因素和随机误差的干扰后的治理效率,结果如表5所示。

表5 我国海洋污染治理效率评价结果

对比第一阶段的效率测算结果可以看出,调整前后治理效率值有一定的变化。从综合技术效率(TE)来看,第一阶段TE均值为0.810,经过调整后,TE均值降为0.779,可见传统的DEA方法在评价海洋污染综合治理效率时,会出现一定程度的高估。在纯技术效率(PTE)方面,传统的DEA方法又存在一定程度的低估,经调整后,PTE从0.870增至0.925,且多数年份PTE达到1.000。此外,在调整后,大部分年份的规模效率(SE)存在不同程度的下降,SE均值也从第一阶段的0.924降至调整后的0.841。由于调整后的结果显示多数年份纯技术效率高于规模效率,因此,第一阶段技术效率主要来源于纯技术无效而不是规模无效的结论也被否定,最终得到的结论为规模不经济是造成海洋治理效率不高的主要原因。

3 结论与建议

3.1 研究结论

a. 我国海洋污染治理总体水平不高,主要原因来自规模不经济。从数据调整过程及表5最终计算结果可以看出,排除环境因素和随机误差的影响后,和调整前相比,2002—2011年我国海洋污染治理纯技术效率均值增高,规模效率均值降低,且综合技术效率较第一阶段有大幅降低。由此可得,我国海洋治理总体治理水平不高,规模不经济成为其主要原因。在规模无效的年份,我国海洋治理投入规模均处于规模报酬递减状态,这说明我国海洋治理方面存在严重的资源浪费或资源配置不当问题,具体可能表现在治理资金的投入不到位、资金配置结构不当以及执法检查执行力度不够等方面。

b. 外部环境因素对我国海洋污染治理影响显著。从环境变量的具体影响效果来看,沿海省市单位GDP排污量、GDP总量均与投入松弛变量负相关,且前者回归系数值远大于后者,沿海省市人口量与海洋执法检查次数松弛变量负相关,与沿海地区工业污水治理项目完成投资松弛变量正相关。这说明我国技术水平还比较落后,无法发挥对海洋污染治理效率的促进作用;经济发展水平的提高,对海洋污染治理效率有一定的促进作用,但其影响系数弱于技术水平;沿海省市人口的聚集从一定程度上促进了我国沿海城市的城市化水平以及制度文化水平的提高,进而对沿海执法检查与治理投入带来一定的正向溢出效应。

3.2 对策建议

基于上述结论,并结合我国海洋污染治理现状,对于改善我国海洋污染治理工作提出以下建议:

a. 合理规划海洋污染治理项目投资,科学审视资金总量投入与结构配置。第三阶段效率测算结果显示,我国的海洋污染治理总体效率水平不高,且规模无效是导致上述结果的主要原因。近年来,我国海洋污染治理确实投入了大量的资金,但由于地方政府重经济轻环境、企业重利润轻减排的弊病短期内还难以根除,导致海洋污染治理项目资金被挪用的行为时有发生。此外,海洋污染治理项目资金分散,结构配置缺乏科学审视与规划,治理目标不明确,也是导致海洋治理规模不经济并最终导致海洋污染治理效率整体水平不高的一个原因。我国拥有近300万km2的海域与32 000 km长的海岸线,从鸭绿江口到北仑河口,南北沿海环境差别较大。南方经济发达地区受工业污水和重金属污染严重;北方海域渔业捕捞过度、石油输送频繁,面临船舶污染高风险。各海域的污染来源和污染程度不同,因此在治理项目资金的配置上也应该相应地有所侧重。治理项目资金应该有侧重点或目标性地分配到沿海各区的海洋污染治理中,形成沿海各区海洋污染治理专项资金,并通过严格的专款专用审查制度与科学的绩效考评制度规范治理项目资金的审批与运用。

b. 注重投资质量,不断提高技术水平,积极推进沿海地区城市化水平。理论上,技术水平的提高应该对海洋污染治理效率水平的提高起到积极的促进作用,但第二阶段SFA回归结果显示,单位GDP排污量的减少反而不利于治理投入的减少，这在一定程度上说明了我国沿海城市企业生产技术水平还比较落后,不能为污染治理带来积极的促进作用。沿海地区作为我国经济开放度最高的地区,也是最早享受我国改革开放各项优惠政策的地区,在我国经济与城市建设发展中起着先驱模范作用,但是在项目投资(包括外资)方面没有逃脱“重量轻质”的发展误区,也导致投资的正向技术溢出效应没有得到很好的发挥。因此,沿海城市在未来的发展中,尤其应注重投资质量,努力引导一批技术水平较高的企业有序入驻,并从地区长远发展角度考虑,严格限制一些资源耗费型或污染型企业进入。同时,内陆地区企业应努力走出“重利润轻减排”的发展误区,积极增加技术研发投入,充分发挥自身区位优势展开企业技术合作与交流,不断提高技术水平,这样不仅有助于企业的长远发展,还有助于提高自身对沿海企业正向技术溢出的吸收能力。此外,随着沿海人口集聚,应进一步加强沿海城镇化与制度建设,加快提高海洋污染的治理效率。

c. 加大海洋污染治理执法检查力度,加强对排污企业的监管与惩处。近年来,沿海地区经济的快速发展虽然为该地海洋污染治理带来了一定的治理资金保障,但同时也使得海洋环境承受的压力越来越大,并导致海洋污染治理陷入边污染边治理、治理投入逐渐加大而治理成效不甚明显的困境。要解决这一问题,加大海洋污染治理执法检查力度,加强对排污企业的监管与惩处,并确保企业排污成本远大于企业守法成本,不失为最直接而有效的途径。研究结果也表明,沿海省市单位GDP排污量的增加可能会刺激相关治理组织提高执法检查力度,并在一定程度上提高海洋治理效率。因此,在我国海洋污染治理中,不应仅重视执法检查次数的提高,还应在执法力度与方案上有所侧重,并努力尝试改变目前企业守法成本大于排污成本的现状,将可能收到海洋污染治理最直接而显著的成效。

参考文献：

[1] 董秀海,胡颖廉,李万新.中国环境治理效率的国际比较和历史分析：基于DEA模型的研究[J].科学学研究,2008,26(6):1221-1230.

[2] 郭国峰,郑召锋.基于DEA模型的环境治理效率评价：以河南为例[J].经济问题,2009,31(1):48-51.

[3] 刘纪山.基于DEA模型的中部六省环境治理效率评价[J].生产力研究,2009,24(17):93-94，142.

[4] 郑丽娟.基于DEA的杭州市工业污染治理效率研究[J].统计科学与实践,2011,30(2):49-50，60.

[5] 许陈生.我国地方环境污染治理效率研究[J].科技管理研究,2010,30(5):198-201.

[6] 王立岩.基于两阶段DEA模型的城市环保治理效率评价[J].统计与决策,2010,26(12):29-31.

[7] 王奇,李明全.基于DEA方法的我国大气污染治理效率评价[J].中国环境科学,2012,32(5):942-946.

[8] 赵峥,宋涛.中国区域环境治理效率及影响因素[J].南京社会科学,2013,24(3):18-25.

[9] FRIED H O, LOVELL C A K, SCHMIDT S S, el al. Accounting for environmental effects and statistical noise in data envelopment analysis[J]. Journal of Productivity Analysis, 2002,17(1):157-174.

[10] 王敏旋. 影响海洋经济可持续发展的十大因素[J]. 生态经济,2012,27(8):107-111.