中国区域环境治理技术变动空间面板研究——基于Malmquist指数分析

柴泽阳，李桂霞

(重庆工商大学 长江上游经济研究中心，重庆 400067)



中国区域环境治理技术变动空间面板研究
——基于Malmquist指数分析

柴泽阳，李桂霞

(重庆工商大学 长江上游经济研究中心，重庆 400067)

利用中国内地30个省区2004年—2012年的环境和经济数据，首先通过计算Malmquist指数对中国区域环境治理效率的变动情况进行了分析；鉴于污染物排放可能存在地区溢出效应，再运用空间计量模型分析了我国区域环境治理技术变动和环境规制对工业污染物的影响。结果表明：区域环境治理效率的低下是由环境治理技术的低下造成的；除工业废水外，其他污染物均存在显著的空间相关性；环境治理技术对工业废气表现为显著的抑制作用，而对工业废水和固体废弃物的抑制作用不显著；环境规制对三种工业污染物均没有起到明显的治污减排效果。

环境治理效率；Malmquist指数；空间面板

一、引言

环境作为一种公共物品，必然具有非竞争性和非排他性。因此，当环境进入到市场经济中，必然会出现“搭便车”和“外部不经济”等现象，从而导致环境被破坏。再者，无论是消费者还是生产者，他们对环境的利用可能会超过环境本身的承载力度，这是一种环境资源配置低效率的体现。面对这一现象，政府在配置环境资源、治理环境污染的过程中扮演重要的角色，因此政府本身也存在效率和技术问题。Charnes等提出的数据包络分析(DEA)和Malmquist提出的Malmquist指数是分析绩效水平和技术进步的主流方法[1-2]。刘立秋和刘璐运用DEA中的CCR模型对我国24个省市的环保投资有效性进行了评价，结果表明这24个省市环保投资的有效性逐年上升但差异较大[3]。刘纪山运用DEA模型对中部六省的环境污染治理的有效性进行分析，研究表明，中部六省的环境治理相对有效性具有很大的差异，环境治理的投入产出结构有待优化，环境治理效率有待提高[4]。杨俊和陆宇嘉运用三阶段DEA模型对我国30个省市2004年—2008年的环境治理投入效率进行研究，研究表明区域环境治理差异呈现逐渐扩大的趋势[5]。李静利用基于SBM非径向的DEA模型研究了中国工业行业的绿色生产和治理效率，同时利用全局Malmquist指数考察了绿色生产及治理阶段的绿色效率变化及技术进步[6]。

此外，还有一些学者将绩效分析与计量分析相结合。陈明利用多阶段DEA模型分析了我国31省市的环境治理效率，在此基础上运用面板Tobit模型对影响政府环境治理效率的因素进行了分析，回归结果显示财政分权和腐败均与环境治理效率呈负相关关系[7]。郑尚植和宫芳利用DEA-Tobit面板数据模型，考察了中国分权式背景下地方官员自利行为对环境治理效率的影响[8]，研究结果与陈明[7]一致。王兵和罗佑军在RAM网络DEA模型分析的基础上，运用限值因变量Tobit模型对中国区域工业生产效率、环境治理效率和综合效率的影响因素进行了分析[9]。

分析上述文献，国内外学者在研究环境治理效率的理论和方法上已有较大的贡献，为本文的研究提供了很多思路，但现有的研究方法仍有可改进之处。首先，以面板Tobit模型考察环境治理效率的影响因素不能反映出环境治理效率的反馈效应；其次，研究污染物的模型较少考虑污染物的空间相关性。鉴于此，本文将省区环境治理Malmquist指数所分解的技术变动引入污染模型，从而考查省区环境治理技术变动对 “工业三废”排放的影响。同时，在模型的设定上，考虑到污染排放可能存在空间溢出效应，因此本文对“工业三废”排放进行了空间相关性检验，符合空间计量建模的模型将采用空间计量模型进行分析，不符合的将采用普通面板模型进行分析。

二、模型设定及变量说明

(一)模型设定

考虑到污染物的扩散效应，本省区的 “工业三废”排放量可能受到相邻省区 “工业三废”排放量的影响。本文将通过Moran's I统计量来检验 “工业三废”排放的空间相关性，若存在较为显著的空间相关性，则建立空间计量模型，反之，则建立普通面板模型。当空间相关性由被解释变量直接体现时，需要构建空间滞后模型(SAR)，模型设定如下：

logYi,t=ρWlogYi,t+β0+β1logtechchi,t+β2logeri,t+β3logXi,t+εi,t

(1)

当空间相关性由不可观测的误差项来体现时，则需要构建空间误差模型(SEM)，模型设定如下：

logYi,t=β0+β1logtechchi,t+β2logeri,t+β3logXi,t+εi,t

εi,t=λWεi,t+ui,t

(2)

其中，i和t分别代表省区和年份；log表示对各个变量取对数；Y代表工业“三废”排放量，fs、fg、fq分别代表工业废水、固体废弃物、废气排放量；W为空间权重矩阵，本文根据Rook相邻原则建立了中国大陆30个省市自治区(西藏除外)的空间邻接矩阵，同时为了消除“孤岛效应”，本文假设海南岛与广东省邻近。再对空间邻接矩阵进行行标准化，得到最终的空间权重矩阵；techch表示地方政府环境治理技术变动；er表示环境规制强度；ρ空间滞后系数，反映了邻近省区“三废”排放对本省区“三废”排放的影响程度；λ为空间误差系数，反映了邻近省区关于“三废”排放的误差冲击对本省区“三废”排放的影响程度；β0、β1、β2、β3均为待估参数；X为其他控制变量，控制变量的选取参考了毛明明和孙建(2015)[10]。本文根据设定的三个被解释变量，将模型分别称之为：废水模型、废固模型和废气模型。

(二)变量说明

1.环境治理技术变动与环境规制

环境治理效率评价系统是一个多投入、多产出的复杂系统，指标的选择应遵循：科学性原则、可操作性和系统性原则[11],同时考虑到数据的可得性与指标的合理性，本文选取的投入指标有：环境污染治理投资(万元)和排污费(万元)，这两个指标反映了政府对于环境污染治理的投入力度；产出指标有：工业固体废物综合利用率和生活垃圾无害化处理率，这两个指标反映了环境污染治理的效果。通过计算Malmquist指数，将其分解所得的技术变化作为省区环境治理技术变动的替代变量。

由于难以精确地评估环境控制成本进而取得环境规制的可靠数据，因此，本文借用大多数文献采用的工业污染治理完成投资额占工业增加值的比重来衡量各省区的环境规制强度。

2.其他变量

被解释变量为各省区 “工业三废”排放量，即工业废水、固体废物、废气排放量。在控制变量中，人口规模用各省区年末总人口数表示；经济发展水平用实际人均地区生产总值表示，为了消除价格波动的影响，各省区的实际人均地区生产总值以2003年不变价格计算；能源消费强度即单位生产总值的能源消耗量，用各省区能源消费总量与实际地区生产总值的比来表示；产业结构用第二产业生产总值与地区生产总值的比来表示，反映了第二产业在各省区的比重。

基于数据获取的完备性，本文研究样本为中国大陆30个省、市、自治区(西藏除外)2004年—2012年的上述数据，来源于《中国统计年鉴》与《中国环境统计年鉴》。

三、中国区域环境治理效率分析

1953年Malmquist提出了Malmquist全要素生产力指数，该指数考虑了技术效率的变动，同时也考虑了生产前沿面的前后移动，即技术变动，可以动态的分析效率变化。本文利用该指数对2004年—2012年中国大陆30个省市自治区的政府环境治理数据进行分析，表1和表2分别给出了分年和分省的中国区域环境治理效率全要素生产力指数及其分解的计算结果。其中tfpch为全要素生产率变动，表示生产力水平的变动，该值大于1代表生产力提升，反之代表生产力下降，它可以分解为技术变化(techch)和技术效率变化(effch)。techch为技术变动指数，即“前沿面移动效应”，该值大于1代表技术进步。effch表示相对技术效率的变动指数，即“追赶效应”，该值大于1表示DMU在后一期与前沿面的距离相对于前一期的距离较近，即相对效率提高[12]，effch又可以分解为纯技术效率变化(pech)和规模效率变化(sech)。pech表示管理水平的提高带动的效率变动，该值大于1表示效率提高；sech表示DMU向最优规模靠近的程度变化，该值大于1表示DMU向最优规模靠拢。

表1分年中国区域环境治理效率TFP指数

年份effchtechchpechsechtfpch20041.4310.5700.9731.4700.81520050.7681.0970.9940.7730.84320061.1070.8530.9821.1270.94420071.3860.6331.0531.3160.87720080.9170.9751.0650.8610.89420091.1260.8031.0381.0850.90420101.0010.8351.0300.9720.83620111.0740.7481.0231.0500.80320120.9061.0131.0140.8930.917均值1.0600.8201.0191.0410.869

由表1可知，2004年—2012年我国在环境治理方面的全要素生产率变化tfpch均小于1，平均tfpch也仅为0.869，这说明了在这9年间我国整体的环境治理效率呈现下降趋势。从技术变化techch来看，其值仅在2005年和2012年大于1，其余年份均小于1，这一现象产生的原因可能是：该值反映了我国环境治理技术的整体情况，不能够体现出各个省份的具体变化情况；各个省区的发展情况差距明显，尤其是中、西部地区明显落后于东部沿海地区，因此高成本的环境治理技术没有在全国范围内得到充分发挥；其次由于经济发展的惯性，各个省区不可能立即摆脱“高污染，高排放”的生产模式，这一定程度上限制了环境治理技术的推广。从技术效率变化effch来看，其值仅在2005年、2008年和2012年小于 1，其余年份均大于1，由此看来，我国环境治理的技术效率基本表现为上升趋势，个别年份小幅下降。综合技术变化、技术效率以及全要素生产率的变化情况，技术效率均大于1，而技术变化均小于1，表明我国环境治理效率低下的主要原因在于技术的约束，因此提高技术水平，充分发挥技术效应是提高环境治理效率的有效途径。从纯技术效率变化pech来看，2007年以前其值均小于1，2007年以后其值均大于1，可见在2007年之前我国环境治理的管理水平比较低，这可能是由于各级地方政府急于推动经济发展，因而忽视了环境保护和治理；随着我国经济的持续发展，环境问题也愈加突出，在可持续发展战略的带动下，各省区逐渐加大环保投资，引进环保技术及先进管理理念，因此我国环境治理的管理水平在2007之后开始逐渐提高。从规模效率变化sech来看，其变动趋势基本与技术效率一致，表明受环境治理要素的配置影响，技术效率在个别年份出现了下降。因此，各个省区进一步优化资源配置是提升环境治理技术效率的优先选择。

表2分省中国区域环境治理效率TFP指数

省区effchtechchpechsechtfpch北京1.2550.9201.0001.2551.154天津1.1240.8121.0001.1240.913河北1.0180.8261.0410.9780.841山西1.0290.8251.0550.9750.849内蒙古0.9790.8271.0810.9050.809辽宁1.0470.8041.0500.9970.842吉林1.0840.7991.0111.0720.866黑龙江1.0870.7910.9981.0890.860上海1.1210.8371.0001.1210.939江苏1.0740.8050.9961.0780.864浙江1.1050.8240.9991.1060.910安徽0.9860.7940.9900.9960.783福建1.0940.7990.9971.0970.875江西0.9740.8311.0460.9310.809山东1.0780.7980.9991.0790.860河南1.0740.8170.9961.0780.878湖北1.0200.7910.9781.0430.807湖南1.0040.8201.0170.9870.823广东1.1570.8001.0031.1540.926广西1.0510.8341.0161.0350.876海南1.0000.8541.0001.0000.854重庆1.0860.8151.0211.0640.886四川1.1210.8201.0441.0730.919贵州1.0980.8151.0851.0120.895云南0.9910.8320.9930.9980.824陕西1.1110.8331.0731.0360.925甘肃1.0620.8011.0211.0390.851青海1.0000.8151.0001.0000.815宁夏1.0140.8151.0290.9850.827新疆1.0200.8481.0330.9870.865平均值1.0600.8201.0191.0410.869

由表2可知，2004年—2012年我国30个省市自治区在环境治理方面的全要素生产率变化除北京外均小于1，说明在这9年间各省区整体的环境治理效率呈现下降趋势。从技术变化来看，各省区环境治理技术变化均小于1，这也是导致各省区全要素生产力低下的主要原因。然而该值并不能说明各省区在这9年间的环境治理技术始终表现为衰退趋势，产生这一现象的原因可能是由于该值仅仅反映了各省区9年的平均状况，不能体现出在各个年份的技术变化，事实上从各个省区来看，还是有很多年份的技术变化是大于1的。从技术效率变化来看，大部分省区的技术效率变化大于1，只有内蒙古、安徽、江西、云南小于1，总体看来大部分省区的环境治理技术效率呈现上升趋势，个别省区呈现下降趋势。纯技术效率和规模效率的变动能够反映出影响技术效率变动的因素。从技术效率小于1的四个省区来看，内蒙古和江西的纯技术效率大于1，而规模效率小于1，表明导致两省区环境治理技术效率低下的主要原因在于规模效率的低下，即要素配置不合理；安徽和云南的纯技术效率与规模效率均小于1，表明导致两省区环境治理技术效率低下的主要原因在于纯技术效率和规模效率的低下，即管理水平低下和要素配置不合理。从技术效率大于1的省区来看，黑龙江、江苏、浙江等7个省区的纯技术效率低于1，而规模效率大于1，表明这7个省区通过改善管理水平有助于进一步提高环境治理技术效率；河北、山西、辽宁等6个省区的纯技术效率大于1，而规模效率小于1，表明这6个省区通过优化资源配置有助于进一步提高环境治理技术效率。

四、空间计量分析

(一)空间相关性检验

在进行空间面板回归之前，首先运用Moran's I统计量来检验省区“工业三废”排放的空间相关性，结果见表3。

表3空间相关性检验

指标logfslogfglogfqMoran'sI-statistic0.1703.261▲2.453△LM-err0.0058.731▲4.678△RobustLM-err2.8345.336△3.210△LM-lag5.319△45.191▲57.869▲RobustLM-lag8.148▲41.795▲56.401▲

注：*、△、▲分别表示在10%、5%、1%的显著性水平下显著。

由表3可知，废固和废气模型的Moran's I统计量均在5%的显著性水平下显著为正，说明工业固体废物和废气存在显著的正空间相关性。某一行政区域工业废气及固体废物污染排放的空间溢出极有可能波及其周遭区域，大气环流作用等也可能增强其空间依赖性，且固体废物会进一步对大气、土壤、水体等产生污染进而增强其空间依赖性[13]，因此，利用空间计量方法估计废固、废气模型更具合理性。但是，由于废水模型的Moran's I统计量不显著，所以废水模型不具备使用空间计量分析的条件。此外，本文还进行了LM-err和LM-lag检验以及两者的稳健性检验来进一步判断究竟使用空间误差模型还是空间滞后模型。表3显示，废固和废气模型的LM-err和LM-lag检验以及两者的稳健性检验均通过了5%的显著性检验，但LM-lag检验及其稳健性检验的统计值更高，故采用空间滞后模型更具有合理性。废水模型的LM-lag检验及其稳健性检验通过了5%的显著性检验，LM-err检验及其稳健性检验不显著，鉴于此，本文在估计废水模型时也给出了其空间滞后模型的估计结果，以此来进一步检验其空间相关性。

(二)估计结果分析

鉴于以上空间相关性检验，本文将建立空间计量模型。由于存在空间相关性，各观测值缺乏独立性，采用普通最小二乘法估计空间滞后模型时得到的结果是有偏且不一致的，估计空间误差模型得到的结果不具有有效性，所以，普通最小二乘法不适用于估计空间计量模型，而最大似然估计法可以克服上述问题。因此，本文用最大似然估计法估计了废水、废固、废气三个空间计量模型，见表4。

废水SAR模型的Hausman检验结果为拒绝原假设，因此，该模型为空间固定效应滞后模型。该模型的拟合优度为0.665，似然值为130.579，但是该模型的大多数参数并不显著且Rho值也没有通过显著性检验，即废水排放的空间滞后效应并不显著，佐证了废水模型不具备空间计量分析的条件。废水污染的影响范围主要在其流域，如某一地区的废水污染可能会连带污染该水域的中、下游所流经地区，其地理区域上影响范围有限[13]，其空间相关性也相应的表现为不显著。因此，本文对废水模型的估计仍将采用普通面板回归。在普通面板模型中，Hausman检验结果为拒绝原假设，确定废水模型为个体固定效应模型，拟合优度为0.978，似然值为131.649，拟合优度与似然值均高于空间滞后模型，可见，普通面板回归确实更适合废水模型。废固SAR模型与SEM模型的Hausman检验结果显示均不拒绝原假设，该模型将设定为随机效应。同时，废固SAR模型的拟合优度与似然值均高于SEM模型，说明SAR模型是更好的选择，这与表3的结果一致，故本文对固体废弃物的分析将采用随机效应SAR模型。废气SAR模型与SEM模型的Hausman检验结果显示拒绝原假设，该模型将设定为固定效应。同时，废气SAR模型的拟合优度与似然值均高于SEM模型，表明SAR模型为更好的选择,与表3的结果一致，所以，本文对废气的分析将采用固定效应SAR模型。

表4空间回归结果

模型logfslogfglogfqSAR普通面板SARSEMSARSEM常数项logtechchlogerlogpoplogpgdplognyqdlogcyjgRho(Lambda)R2LogLHausman16.509▲-15.491▲-12.232▲(5.87)(-3.94)(-2.92)-0.008-0.011-0.021-0.016-0.081△-0.115▲(-0.33)(-0.26)(-0.72)(-0.33)(-2.57)(-3.14)0.084▲0.081▲0.077△0.068△0.0310.026(2.75)(3.37)(2.47)(2.08)(1.09)(0.85)-0.479-0.525△1.133▲1.2934▲0.397△0.661▲(-1.57)(-2.24)(10.73)(11.25)(2.09)(3.07)0.1770.184*0.999▲1.465▲0.802▲1.111▲(1.11)(1.81)(7.29)(6.45)(4.78)(6.28)-0.0650.0071.377▲1.461▲0.3000.338(-0.16)(0.03)(3.36)(3.03)(0.87)(0.92)-0.187-0.379△0.438△0.2370.430△0.366*(-0.60)(-2.14)(2.34)(1.38)(2.45)(1.94)0.1080.431▲0.371▲0.270▲0.136*(1.01)(7.61)(5.09)(4.63)(1.82)0.6650.9780.7520.7480.8370.8295130.579131.649-7.691-17.508120.903115.45925.14▲68.29▲8.396.1735.15▲17.63△

注：*、△、▲分别表示在10%、5%、1%的显著性水平下显著；普通面板回归的括号内为t统计量，其他空间面板回归的括号内为z统计量。

由表4的估计结果可知：工业废水并不存在显著的空间相关性。固体废弃物和废气的空间滞后系数分别为0.431、0.270且均在1%的显著性水平下显著，表明固体废弃物和废气的排放存在显著的正空间相关性，邻近省区这两种污染物排放的溢出效应分别为0.431、0.270。核心解释变量中，政府环境治理技术弹性分别为-0.011、-0.021、-0.081，可见政府环境治理技术的变动确实对“工业三废”起到了一定的抑制作用，但是从统计上来看只有-0.089 6通过了5%的显著性检验，而其他系数并不显著，说明省区环境治理技术并没有显著的降低工业废水和固体废弃物的排放量；环境规制的弹性分别为0.081、0.077、0.031，符号均为正，体现出“绿色悖论”效应，但是从统计上来看0.031并不显著，表明环境规制的“绿色悖论”效应只在工业废水和固体废弃物中表现的显著。尽管各省区的环境治理技术多年来不断进步，环境规制水平逐年上升，但是由于经济增长的导向作用，环境治理技术和规制作用并没有得到充分的展现；我国制定相关法律法规所耗时间较长，而且法律法规的施行效果体现也具有一定的时滞性；政府环保部门的管理水平较低以及资源配置的不合理均对环境治理的技术效率产生了一定的负面影响。这些因素共同作用，使得政府环境治理技术和环境规制没有表现出预期的治污效果。有趣的是，本文注意到各省区对工业废气的治理要优于工业废水和固体废弃物。进入21世纪以来，“雾霾”一词逐渐进入了大众以及社会媒体的视野，引起广泛的关注。本文认为媒体对“雾霾”进行的大量报道可能会对地方政府产生一定舆论压力，而且“治霾”也逐渐成为地方政府的政绩体现，基于此，地方政府可能会加大对大气的治理投资和企业的规制力度。这说明了除经济导向和环境政策外，媒体及社会舆论的导向作用也能够对环境产生一定的影响。

在控制变量中，人口规模弹性分别为-0.525、1.133、0.397，且均通过了5%的显著性检验，可见在工业废水排放方面，人口压力没有转化为环境压力，在工业固体废弃物和废气方面，人口压力转化为了环境压力。人均地区生产总值的弹性分别为0.184、0.999、0.802，且均较为显著，表明随着我国经济规模的扩大，对能源的消耗有所提高，进而增加了“工业三废”的排放量，因此转变经济发展方式对各省区的环境保护工作有很大的积极作用。能源消费强度的弹性分别为0.007、1.377、0.300，但只有1.377通过了1%的显著性检验，说明能源消费强度对工业废水、废气的敏感性较弱，而对工业固体废弃物排放的敏感性较强。降低能源消费强度对工业固体废弃物排放有较为显著的抑制作用，因此工业企业应当积极改善技术水平，提高能源利用率，从而降低能源消费强度。产业结构的弹性为-0.379、0.438、0.430，且均通过了5%的显著性检验，从估计值符号来看，各省区的产业结构调整对工业废水具有较好的抑制作用，而对工业固体废弃物、废气仍然表现为驱动效应，因此优化产业结构，充分发挥第三产业的经济带动力对减少“工业三废”排放有明显的效果。

五、结论及政策建议

本文首先计算了省区环境治理的Malmquist指数，分析了区域环境治理效率的变动情况；其次，将环境治理技术变动融入“工业三废”模型中，利用空间计量的分析方法，检验了省区环境治理技术变动以及环境规制对“工业三废”的影响。得出如下主要结论：无论是从分年还是从分省的环境治理效率来看，区域环境治理效率的低下主要是受到技术变动的限制；在空间相关性的检验中，工业固体废弃物和工业废气表现出明显的空间相关性，而工业废水没有表现出明显的空间相关性；就工业废水和固体废物而言，各省区的环境治理技术并没有起到明显的抑制作用，同时环境规制也起到了显著的驱动作用；就工业废气而言，地方政府的环境治理技术起到了显著的抑制作用，而环境规制并没有显著的影响作用；人口压力、经济发展、能源消费强度、产业结构均对污染物的排放有一定的驱动作用。

以上结论对地方政府在环境污染治理和环境保护方面具有重要借鉴意义：

第一，加大环境治理技术的研发投资，提升环境治理技术水平。由于环境治理技术拉低了环境治理效率，因此环境治理技术就存在较大的上升空间。计量分析的结果也表明省区环境治理技术的减排作用并没有充分得到发挥。与此同时，各省区还可以根据各自的环境治理情况，分别从提高环境部门的管理水平和优化资源配置来提高环境治理技术效率。

第二，合理利用环境规制工具，发挥环境规制的控污作用。实证结果表明环境规制并没有起到抑制“工业三废”排放的作用。地方政府应当根据各自的发展情况制定合理的环境规制标准，不能盲目的提高规制强度。在环境规制工具的运用上可以多考虑经济激励型环境规制，以经济效益的方式刺激企业积极减排控污。

第三，转变经济发展方式，提倡绿色政绩观。在我国全面放开“二胎”政策之后，地方政府更应当注重转变经济发展方式，为更多的人民提供更优质的环境，以防人口压力过多的转变为环境压力。“唯GDP”的政绩观一定程度上对环境保护工作有消极的影响，因此将环境保护、绿色概念等融入政绩评价体系，能够有效的刺激地方政府进行环境保护和治理。第二产业应当积极探索绿色化道路，改善生产工艺，提高能源利用率。

〔1〕 CHARNES A,COOPER W W,RHODES E. Measuring the efficiency of decision making units[J].EuropeanJournalofOperationalResearch，1978，2(6):429-444.

〔2〕 MALMQUIST S. Index numbers and indifference surfaces[J].TrabajosdeEstadisticay，1953，4(2):209-242.

〔3〕 刘立秋,刘璐.区域环保投资DEA相对有效分析[J].天津大学学报(社会科学版)，2002(1):61-64.

〔4〕 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(17):93-94.

〔5〕 杨俊，陆宇嘉.基于三阶段DEA的中国环境治理投入效率[J].系统工程学报，2012(5):699-711.

〔6〕 李静，倪冬雪.中国工业绿色生产与治理效率研究——基于两阶段SBM网络模型和全局Malmquist方法[J].产业经济研究，2015 (3):42-53.

〔7〕 陈明.财政分权增加了政府环境治理效率吗？——来自我国31省市的证据[J].当代经济管理，2014 (11):66-71.

〔8〕 郑尚植，宫芳.中国式分权、地方官员自利行为与环境治理效率——基于Dea-Tobit面板数据的实证分析[J].上海经济研究，2015 (4):15-21.

〔9〕 王兵，罗佑军.中国区域工业生产效率、环境治理效率与综合效率实证研究——基于RAM网络DEA模型的分析[J].世界经济文汇，2015(1):99-119.

〔10〕 毛明明，孙建.基于联立方程模型的FDI、产业结构与碳排放互动关系研究[J].重庆理工大学学报(社会科学)，2015 (4):28-34.

〔11〕 魏权龄.数据包络分析(DEA)[J].科学通报，2000(17):1793-1806.

〔12〕 张悟移，陈天明，王铁旦.基于DEA和Malmquist指数的中国区域环境治理效率研究[J].华东经济管理，2013 (2):172-176.

〔13〕 黄莹，王良健，等.基于空间面板模型的我国环境库兹涅茨曲线实证分析[J].南方经济，2009(10):59-68.

(责任编辑周吉光)

A Spatial Panel Study of Regional Environmental Governance Technology Change in China—Based on Malmquist Index

CHAI Ze-yang, LI Gui-xia

(Chongqing Technology and Business University, Chongqing 400067)

By using the environment and economy data of China's 30 provinces from 2004 to 2012, this paper calculates Malmquist index to analyze the variance of regional environmental governance efficiency in China, then analyzes the impact of regional environmental governance technology change and environmental regulation to industrial pollutants in China by spatial panel model, because of the possibility of the pollutants spillover effects in different regions. The results show that the low environmental governance efficiency is caused by the low environmental governance technology. The industrial pollutants exist significant spatial correlation except industrial waste water. The environmental governance technology has significant inhibiting effect to industrial waste gas, but it has no significant inhibiting effect to industrial waste water and solid. And environmental regulation has no significant pollution control effect on the three kinds of industrial pollutants.

environmental governance efficiency; Malmquist index; spatial panel

10.13937/j.cnki.sjzjjxyxb.2016.02.008

2016-01-27

重庆工商大学研究生创新型科研项目(yjscxx2015-41-03)；重庆工商大学研究生创新型科研项目(yjscxx2015-41-05)。

柴泽阳(1990—)，男，山西晋城人，重庆工商大学硕士研究生，主要研究方向为计量经济分析。

F205

A

1007-6875(2016)02-0047-07

网络出版地址：http://www.cnki.net/kcms/doi/10.13937/j.cnki.sjzjjxyxb.2016.02.008.html网络出版时间：2016-04-2015：30