技术差异视角下中国交通运输业环境效率研究

陈 磊，王应明

(福州大学经济与管理学院，福州350116)

0 引 言

2017年底，交通运输部在《关于全面深入推进绿色交通发展的意见》中指出，我国要在2020年初步建成布局科学、生态友好、清洁低碳、集约高效的绿色交通运输体系.然而近10年来中国交通运输业的能源消费年均增长率居高不下；这不仅与交通运输部的规划相悖，也不符合十九大以来我国经济绿色发展的主旋律.因此，科学地审视交通运输业的发展模式，合理评价其环境效率，并以此促进交通运输业的可持续发展已经成为我国当前亟待解决的重大社会问题.

数据包络分析(DEA)是基于同类决策单元(DMU)的投入与产出来评价相对效率的方法，其因非参性和客观性而成为解决环境效率评价问题的主流工具，并被大量地应用在交通运输领域.然而，大多数交通运输业的环境效率研究均局限在截面效率的测量上，并未考虑到不同时期效率的动态关联性.张本照等[1]指出Malmquist指数分析法不仅能有效评价交通运输业的动态效率，还能解析影响效率变化的内在因素，具有很好的实践价值.Wang等[2]指出由于人才、历史、区位等方面因素的影响，各区域间可能存在技术差异性，并认为应采用Meta-frontier分析法来处理这种差异性，从而客观地还原DMU的真实效率.

因此，本文根据Yao等[3]的研究思路，在DEA框架下采用Malmquist指数分析法和Meta-frontier分析法结合而成的Meta-frontier Malmquist指数(MFMI)分析法来研究2007—2016年中国不同地区交通运输业的动态环境效率及其区域技术差异性，并根据结果来制定相应政策，从而有的放矢地促进其环境效率的改善.

1 技术差异视角下的动态环境效率测量方法

1.1 非期望产出弱可处置性DEA方法(RDEA)

与传统效率评价不同的是，环境效率评价问题需要考虑生产过程的非期望产出.Färe等[4]提出的RDEA是最常用的环境效率测量方法，其假设决策者无法依据主观意愿自由地减少非期望产出，且该产出的减少必将导致期望产出的减少.假设有n个DMU，且每个DMU在t时期有m种投入(i=1,…,m)、s种期望产出和h种非期望产出；对于DMUk来说，其环境效率可由式(1)的RDEA模型得到.

第1条和第2条约束表示投入与期望产出的自由可处置性，而第3条约束表示非期望产出的弱可处置性.由于这是一个投入导向型DEA，因此其效率越大越好，当其值为1时，则DMUk为有效DMU.当时，则DMUk是规模收益递增(不变或递减)的.若式(1)增加约束，则其转化为规模收益可变的DEA模型，其所得效率为DMU的纯技术效率，且DMUk的规模效率可以表示为.

1.2 MFMI分析法

MFMI分析法是考虑技术差异性的动态效率指数，其可以将生产前沿面分为同时期群组前沿面、跨时期群组前沿面和全局前沿面，并依据不同的前沿面及它们之间的相互关系来测量与分解效率.根据Yao等[3]的研究，其首先将所有DMU分为Q组，则同时期群组前沿面可以定义为可以生产，其中q=1,…,Q；且其效率为；跨时期群组前沿面可以表示为，且其效率为；全局前沿面可以表示为，且其效率为DG(xt,yt,zt)；这些效率值均可基于相应的生产可能集和RDEA模型来获取.此时，其MFMI可表示为

式中：EC表示t到t+1时期群组效率的变化率，其用于衡量每个DMU在这两个时期内与同时期群组前沿面之间差距的变化程度，称为“追赶效应”；BPC表示同时期群组前沿面与跨时期群组前沿面之间的差距，称为“创新效应”；TGC表示跨时期群组前沿面和全局前沿面之间的差距，称为“领先效应”.对于MFMI、EC、BPC和TGC来说，其值大于(等于或小于)1，则被评DMU在t+1时期优于(等于或劣于)t时期.

2 数据与变量

2.1 数据来源

本文以2007—2016年中国大陆22个省、4个直辖市、4个自治区(不含西藏)的交通运输业为研究对象进行动态环境效率评价.按地域分布，可将它们划分为如表1所示的东部、中部和西部，数据来源于《中国统计年鉴》(2008—2017)，《中国能源统计年鉴》(2008—2017)等资料.

表1 中国大陆部分地域划分Table 1 Regional division in parts of China

2.2 指标选取与处理

根据环境效率评价的相关研究[5]，其投入一般包括人力、资本和能源3个方面.因此，本文选取交通运输业的从业人数、固定资产资本存量和能源消费量作为投入指标.由于缺乏固定资产资本存量的统计数据，本文以2000年为基年，根据张军等的做法[6]，以基年的固定资本形成总额的10%作为原始资本存量，以9.6%为折旧值，通过指数平减法来消除不同年份间的价格影响，并基于永续存盘法来估算各省交通运输业的固定资产资本存量值.此外，本文选取交通运输业的GDP和CO2排放量作为期望产出和非期望产出.同样以2000年为基年，通过指数平减法消除不同年份间GDP的价格影响.而CO2排放量则是基于《IPCC2006》的方法，通过不同能源的消费量、标煤折算系数和碳排放系数等数据来估算得到.

3 效率评价结果分析

3.1 基于RDEA法的环境效率评价

通过RDEA模型，本节对2016年中国各地区交通运输业的环境效率进行实证分析，其结果如表2所示.

从整体上看，东部和中部的交通运输业环境效率均处于较高的水平，而西部的环境效率则差强人意.对于东部而言，其纯技术效率水平居全国领先地位，而其规模效率还有待提升，且其人力和能源投入上存在一定的过量现象.中部则恰恰相反，其主要优势在于规模效率较高，而制约其环境效率提高的主要因素在于其纯技术效率不足；且其在人力和能源投入上都存在一定的改进空间.而西部无论纯技术效率还是规模效率的表现均不够理想，且其资本投入的松弛量较大，这说明由于自身的生产技术水平的限制，西部还无法有效地利用国家对其越来越多的资本投入.

从局部上看，东部环境效率有效的地区有2个，纯技术效率有效的有8个，这说明东部各省的交通运输业具有较高的技术水平；东部规模效率虽然不高，但规模收益递增的地区有5个，这体现了其在规模投入方面还具有很高的潜力.另外，对于北京等地区，其人力投入过多的现象较为明显，这可能是因为北京等发达地区外来人口较多，且素质不一，难以发挥出人才优势.海南是东部环境效率表现较差的省份，这可能是因为其产业结构和地理位置特殊所导致的.对于中部而言，虽然其规模效率较高，但多数地区均呈现出规模收益递减的现象，这主要是由于规模与技术不相匹配所导致的，如安徽的规模效率为0.99，而其技术效率仅为0.51.对于西部而言，规模与技术水平不匹配的现象更为严重，其处于规模收益递减的地区达9个之多，这意味在这些地区交通运输业的投入难以取得理想的产出，这主要是包含两方面原因：一是西部经济发展水平较低，难以吸引高端人才，从而导致行业整体技术水平不高；二是西部地广人稀，难以发挥规模效应.

表2 2016年环境效率评价结果Table 2 Environmental efficiency evaluation in 2016

3.2 基于MFMI法的动态环境效率评价

RDEA法可以有效测量DMU在某一时期的环境效率，但难以评价跨时期DMU环境效率之间的动态关联性及区域技术差异性.因此，本节在RDEA的基础上，采用MFMI方法对中国交通运输业的环境效率做进一步的剖析，其结果如图1所示.

由图1(a)可知，从2007—2016年，大部分地区的MFMI值均大于1.0.这说明近10年来全国交通运输业的环境效率在整体上均处于上升趋势.从局部上看，东部和中部在2011—2012年期间进步明显，而近3年来趋于平稳，这可能是由于国家的“十二五”规划对交通运输业的可持续发展提出了更高的要求，从而促进其环境效率的提升.而西部环境效率前期增长较为缓慢，近年开始出现明显的提高，这说明国家对西部大力扶持与开发的成果开始显现.

由图1(b)～图1(d)可知，东部的EC值变化趋势较为平稳，大体保持在1.0以上，这说明其在近10年保持较好的追赶趋势；但其整体上创新效应并不显著，BPC的均值略低于1.0，这可能是因为其交通运输体系较为完善，创新难度较大，加之近年来非东部的人才回流现象明显所导致的；此外，东部的TGC均值略大于1.0，且在整体上高于中部和西部，这说明其在全国范围内还保持着领先效应，但该效应并不十分显著.对中部而言，其追赶效应并不明显，近4年的EC值均小于1.0，这说明若从群组截面数据来看，其多数省份交通运输业的相对环境效率存在一定程度的倒退现象；其创新效应表现尚可，BPC值的变化趋势与东部相一致，并略高于东部，这说明中部受东部的影响明显，并通过吸收东部回流的人才及技术溢出效应，使自身的创新能力得以提高.而西部近年来追赶效应与创新效应均较为明显，但EC值和BPC值的稳定性均较差，容易受政策导向的影响，总体来看，西部与其他地区之间的差距在不断的缩小.

图1 2007—2016年MFMI分析结果(纵向时间维度)Fig.1 MFMI analysis results during 2007-2016(Longitudinal time dimension)

图2中各地区的值皆是2007—2016年的均值.从EC值来看，北京、天津和辽宁均由较好的表现，在雾霾日趋严重的压力下，这些地区开始不断加强环保力度，从而促进了交通运输业的可持续发展.中部各省市均有明显的改善，如江西和湖南的EC值分别为1.026和1.022.对西部来说，云南存在较为明显的异常值，其主要原因可能是由于该省统计数据的偏差所致.而除青海外，西部其他地区均呈现出较好的追赶效应.从BPC值来看，除云南可能存在异常值外，其他各省市的值呈自东向西逐步增强的分布态势，这主要是近年国家不断加大中西部地区的基础设施建设，使中西部的交通运输体系有了很好的改善；同时这也说明中西部的交通运输业发展潜力要大于东部.从TGC值上看，上海等发达地区保持着领先效应，而北京、广东、福建等地区的TGC值均约为1.000，这是因为这些地区的技术水平代表了中国这一时期交通运输业的整体前沿面状况.而部分西部地区也出现了一些领先效应，如贵州、新疆等，这是因为其产业规模小，且基础设施相对集中所致.从MFMI值上看，大部分省市的值均大于1.000，这与之前所得的整体交通运输行业环境效率值在逐渐提升的结论相一致.

图2 2007—2016年MFMI均值(横向地区维度)Fig.2 Mean of MFMI during 2007-2016(Horizontal regional dimension)

4 结论

本文在区域技术差异视角下采用RDEA法和MFMI法来对2007—2016年中国交通运输业的动态环境效率进行评价与分析，并得出了以下几个主要结论：

(1)中国各地区交通运输业的环境效率均有较大的提升空间，且东部应注意提高其规模效率，中部的效率瓶颈在于纯技术效率，西部在纯技术效率与规模效率均表现不佳.

(2)中国大部分地区的交通运输业均存在规模收益不佳的情况，且东部与中部在人力与能源投入的利用上均不够充分，西部则存在资本投入利用效率低下的问题.

(3)2007—2016年间中国各地区交通运输业的动态环境效率呈缓慢增长的态势，但不同区域均存在各自的不足，主要表现为，东部的创新效应不显著，中部的追赶效应表现较差，西部创新效应与追赶效应均具有较大的不稳定性.此外，因自身的经济技术水平和生态环境特征，东部与西部均保持一定的领先效应，但并不显著.

根据这些结论，本文提出以下几点政策建议：

(1)东部应适当加大资本投入，重视交通运输业的整体规划，以此提高其规模效率；加强专业人才培养和环保技术研发，以此提高人力和能源投入的利用率，并增强自身环境效率的创新效应；向国外发达地区学习先进经验，探索交通运输业低碳绿色高效的可持续发展模式，从而巩固经济技术方面既有的领先效应的同时，带动全国交通运输业的发展.

(2)中部应加快承接东部发达地区先进的技术手段和管理模式，从而提高其纯技术效率；调整生产结构，进一步完善交通运输业的基础设施，加大人才引进力度，吸引发达地区的人才回流，从而改善产业规模收益不佳的现状；适当加强环境规制，设立有效的改进标杆，给予一定的政策引导，激发该地区交通运输业的追赶效应.

(3)西部需要进一步增强交通运输业的政策支持力度，并保持一定的政策连贯性与导向性.这些政策的着力点应更多地放在人才与技术上，适当控制其资本投入的增长幅度，从而缓解其规模与技术不相匹配的问题，促进纯技术效率与规模效率的协同共进.提高资本投入的利用率，有针对性地加强基础设施建设，从而改善其规模收益情况.加强环境规制，在保证其生态环境方面领先效应的同时，充分发挥其追赶效应与创新效应，实现跨越式可持续发展.