江苏省工业环境效率的地区差异与动态演进——基于县域层面的研究

宋刘洁，汪克亮，王 杰

(安徽理工大学 经济与管理学院，安徽 淮南 232001)

一、引言

作为中国人口密度最大、经济最活跃、开放水平最高的省份之一，江苏已经成为了东部沿海的工业重地。2016年江苏省人口总量增长至7 998.6万人，当年地区生产总值为76 086.2万元，工业化率达38.6%，高于全国工业化率(33.3%)5.3%。江苏省工业的发展拉动其经济的增长，但同时，江苏工业也有着起点低、技术水平欠缺、装备不完善等中国工业发展的通病，这导致了工业活动过程中资源的无效消耗和污染物的过度排放。2016年，江苏省工业能源消费总量达23 456万tce，与2010年相比(20 598万tce)增长了13.9%。工业二氧化硫和烟粉尘的排放量分别占总排放量的95.2%和93.5%。按照国家二级标准进行年评价，13个市环境空气质量均未达标[1]。江苏工业明显处于一种“高投入、高能耗、高污染”粗放式增长的状态，环境状况并不乐观。因此，正确理解工业发展与环境资源之间的关系，认清现阶段的工业环境效率水平，能够为今后江苏省环境效率的提高打下基础，促进江苏以节约资源、保护环境为基础来实现工业的绿色发展，具有较高的理论与实践意义。

环境效率最先应用于企业的评测，后来在区域层面的研究中也逐渐接纳了这一概念[2]。Yagi等[3](2015)对10个国际上市公司的环境效率进行了估算，结果表明与减少坏产出相比减少投入的潜力更大。Duman等[4](2015)运用参数双曲距离函数研究了欧盟成员国及候选国在1900—2011年间的环境技术效率，并考察其收敛性，证明欧盟成员国与候选国的技术效率趋于同步。Woo等[5](2015)从静态和动态的角度考察了31个经合组织(OECD)国家在2004—2011年间可再生能源的环境效率，结果显示，经合组织中美国的平均环境效率最高，而欧洲国家标准差较大。Vlontzos等[6](2014)基于非径向DEA方法评估了欧盟28个成员国主要行业的能源与环境效率，研究结果证实了新旧成员国之间的能源和环境效率具有明显差异。环境效率的概念被引入国内之后，在区域工业这一研究领域得到了丰富应用。工业环境效率是指工业系统创造单位价值产生的环境影响的大小[7]，袁鹏等[8](2010)运用了方向性距离函数，测算出2003—2007年间国内4个直辖市与280个地级市在考虑污染物排放情况下的工业环境效率。王连芬[9](2011)采用环境DEA模型，将30个省份划分为四大区域测算其在研究期内的工业环境效率。李静等[10](2011)在分析非期望产出时采用了方向性环境距离函数(DDF)，测算了我国各省在四种环境管制政策下的环境效率，并运用Tobit模型分析各种环境影响因素对效率值的作用机理。佟连军[11](2012)测算辽宁沿海经济带2001—2009年工业环境效率和产出弹性，并分析了辽宁沿海经济带环境效率的主要影响因素。徐盈之等[12](2016)采用SBM-Undesirable模型，测算东、中、西、东北四大区域的工业环境效率，并利用EKC曲线分析了环境规制力度与工业环境效率之间的关系。

综上所见，在现有的关于环境效率的研究中，大多以城市、省份甚至是国家作为评价单元，而基于县域层次的研究极少，所以难以细致地分析环境效率的地区性差异。江苏省54个县域间工业发展不平衡、差异分化显著，相关政策的制定应具有指导性和针对性，按城市划分评价单元来进行效率评价已经难以对其进行理论支持。鉴于这一原因，本文将研究单元精确至县域，把江苏省划分为54个县、市，来揭示江苏2010—2016年间的工业环境效率的空间差异与动态演进特征，以此为江苏省工业的绿色化转型及相关政策制定提供依据。

二、研究方法

(一)SBM-Undesirable模型

近年来，数据包络分析(Data Envelopment Analysis，DEA)已被广泛应用于效率评估领域。DEA可用于研究具有多输入、多输出决策单元的效率，是一种非参数前沿方法，其优势在于无需设定生产函数具体形式和环境效率评价指标的权重，有较强的客观性，本文也采用了这一方法。在模型的选取方面，多数文献选择了传统径向DEA模型，但此类模型并没有把松弛变量对评价结果的影响考虑在内，只是以投入与产出的比值来评价决策单元的效率，因此与实际值存有一定偏差[13]。为了解决投入产出的松弛型问题，Tone[14](2001)建立了更为有效SBM模型。SBM模型是一种非径向、非角度的度量方法，可以避免因径向和角度选择差异造成的误差，在体现效率评估本质时更有优势[15]。Cooper等[16](2007)为了进一步考察投入、“好产出”与“坏产出”三者之间的关系，提出了SBM-Undesirable模型，本文将使用这一模型。

投入少、产出高、污染低是工业生产活动的目标。在实际的工业生产过程中，为了获得期望产出，各种非期望产(如污染物)出也会不断增加。假设决策单元DMU数量为n，每个决策单元有m种投入，s1种期望产出和s2种非期望产出，则x∈Rm，yg∈Rs1，yb∈Rs2。定义矩阵X，Yg和Yb分别为：

X=(x1，x2，…，xn)∈Rm×n

根据投入产出的实际情况，其中X>0，Yg>0，Yb>0。因此，在规模报酬不变的条件下我们可以定义生产可能集为：

P={(x，yg，yb)|x≥λX，yg≤λYg，

yb≥λYb，λ≥0}

公式中，λ为权重变量，其值非负。公式表明，实际投入不低于前沿投入水平，实际期望产出不超过前沿期望产出，实际非期望产出不低于前沿非期望产出。

基于松弛测度条件下的SBM模型，其表达式如下：

其中，s表示松弛变量，λ为权重向量。当ρ=1时，即松弛变量全部为零时，对应的决策单元是有效的；当0<ρ<1时，相应的决策单元是无效的，通过消除松弛可以改进投入产出。

(二)Malmquist-Lunberger指数

在对效率的研究过程中，国内外学者经常运用Malmquist指数来测算不同时期的生产率动态变化。Fare等[17](1994)基于产出距离函数建造出Malmquist指数，并且将其分解为技术效率变化指数(EFFM)和技术进步指数(TECHM)。按照这一理论，我们可以把从t期到t+1期的malmquist指数定义为：

当M值大于1时，表示生产率提高；当M值小于1时，表示生产率下降；当M值等于1时，表示生产率不变。

Malmquist指数并未考虑到负产出，因此Chung等[18](1997)在M指数基础上引入了环境因素，将其扩展为Malmquist-Lunberger指数，定义如下：

其中EFFML代表的是技术效率变化，表示评价单元从t期到t+1期的管理效率水平的变化；TECHML是技术进步率，代表了技术前沿的发展。ML指数、EFFML指数和TECHML指数大于(小于)1分别代表着生产率、技术效率和技术前沿的进步(倒退)。

三、变量选择与数据处理

本文以江苏省54个县、市作为决策单元，时间跨度为2010—2016年，投入产出变量的选择以及数据来源如下：(1)工业固定资产投资额。本文以工业固定资产投资额衡量各评价单元的工业资本投入。(2)劳动投入。由于劳动的强度、时长、劳动力报酬等数据难以统计，且某些年份的工业行业劳动力数量无从查找，因此本文选取各县域的第二产业就业人数作为劳动投入指标。(3)工业用电量。大多环境效率的研究都采用了能源消耗总量作为一项投入，但鉴于数据的可得性，本文以江苏各县、市的工业用电量作为能源投入指标。(4)期望产出。本文以各县、市的工业生产总值来衡量期望产出。(5)非期望产出。近年来严重雾霾天气频发已成为人们普遍关注和有待解决的问题，因此本文从工业污染排放物中选取废气作为代表。由于大气污染物较多，本文从中选取SO2与烟粉尘作为代表，并将其作为非期望产出指标纳入工业环境效率评价模型之中。本文中所有投入产出变量数据均来自2011—2016年《江苏统计年鉴》以及各市统计年鉴。表1列出了上述投入产出变量数据的描述统计特征。

表1 投入产出变量数据的描述统计特征(2010—2016年)

四、实证分析

(一)江苏省工业环境效率的区域差异

本文在DEA-Solver Pro 5.0软件中Undesirable Output模块的运行支持下，测算出2010—2016年江苏54个县、市的工业环境效率。根据地理位置，将江苏省划分为三个地区：苏南、苏中、苏北。其中苏南包括南京、苏州、无锡、常州、镇江；苏中包括扬州、南通、泰州、盐城；苏北包括淮安、宿迁、徐州和连云港。

图1显示了研究期间江苏省和三大区域的工业环境效率值。由图可见，苏南地区的效率值波动大但并无明显提升，苏中与苏北地区的效率值存在一定的增加，尤其是苏北地区，其效率值在2011—2015年几乎成直线式地增长。这是因为苏北地区与其他地区相比较为落后，工业发展起点低，提升空间大，因此对工业技术、管理方法、配置手段进行简单的优化就能使其效率值大大增加。从空间分布来看，环境效率值大致呈现出苏南>苏中>苏北的格局，这与江苏省的经济发展情况相符合。

图1 江苏省及三大地区工业环境效率值

依据江苏省各个县域在研究期内的工业环境效率平均值，按等距离原则将各县域划分为低效率(0～0.25)、较低效率(0.25～0.5)、较高效率(0.5～0.75)和高效率(0.75～1)四个等级。由表2可知，江苏省多数县域的工业环境效率值较低，有36个地区的效率值落在0.25～0.5这一区间，占总数的60.7%。高效率与较高效率集中在苏南和苏中地区，较低效率三地数量持平，工业环境效率低的县占少数，仅有5个，且集中在苏中与苏北地区。这与上文中环境效率格局呈现出苏南>苏中>苏北的结论相印证。

表2 江苏省54个县域研究期内工业环境效率均值的分类结果

根据泰尔指数特性，把江苏省的工业环境效率总差异分解为三个地区间的差异和地区内部的差异，进而揭示江苏省工业环境效率地区差异的形成机理。由表3可知，在2010—2016年期间，三大地区之间的工业环境效率泰尔指数均值为0.009 33，区内效率差异均值为0.108 71，两者均呈波动性下降趋势。江苏省工业环境利用效率的泰尔指数从2010年的0.175 63下降至2016年的0.959，这表明江苏省的工业环境效率的整体差距在减小。根据泰尔指数对效率差异的分解结果，区内差距占很大比例，贡献率达到93.44%，而区间差距贡献率仅为6.56%。也就是说，三大地区的内部差距是江苏省工业环境效率地区差距形成的主要原因。此外，研究期内苏南、苏中与苏北的贡献率均值分别为31.56%、37.79%和24.09%，说明江苏三大地区工业环境效率的区内差异呈现苏中>苏南>苏北的格局。这一结果表明：为了改善工业环境利用效率，江苏省应重点缩小地区内的差距，尤其应关注苏中地区。未来能否缩小苏中内部的差距，是江苏省工业环境效率实现优化升级的关键。

表3 江苏省工业环境效率差异演变与分解(2010—2016年)

(二)江苏省工业环境效率的动态演变

本文运用Maxdea6.3软件中的ML指数模型版块，计算出2010—2016年江苏省的县域工业环境效率值，并将其分解为技术效率变化指数和技术进步指数两部分。为了便于区分与表达，分别用EFF和TECH来表示技术效率变化指数和技术进步指数。

表4为2010—2016年江苏全省ML指数及分解。显然，在研究期内江苏省的工业环境效率ML指数均大于1，效率整体呈现上升趋势。将工业环境效率分解后结果显示，研究期内的技术进步指数TECH均在1以上，而技术效率变化指数EFF则在1附近上下波动。这说明江苏省工业环境效率的提高主要是来自于技术进步率的提升。

表4 2010—2016年江苏省工业环境ML指数与分解

由于不同地区的EFF指数值与TECH指数值都存在着明显差异，实施工业绿色转型的措施与力度也不尽相同，因此本文按地区对工业环境效率增长率进行差异分析。图2给出了2010—2016年三大区域的ML指数和分解指数的波动情况。可以发现苏中和苏北地区的EFF波动平缓，而ML和TECH波动较为显著，且基本保持一致，因此我们认为苏中与苏北工业环境效率的变动主要是由技术进步来驱动。而苏南地区的变动情况较为复杂，其工业环境效率由技术效率和技术进步率共同驱动。

图2 苏南、苏中和苏北的ML指数及其分解

引人注目的是，在2015—2016年，除苏北地区的EFF外，三大地区的三个指标均出现了迅速增长的“拐点”。本文分析了相关政策，认为这与2015年6月江苏省出台的《中国制造2025 江苏行动纲要》有关。《纲要》中提出主要目标：到2020年基本建立工业循环经济体系；大中型工业企业节能指标达到世界先进水平；绿色制造水平明显提高，一批具有核心竞争力的骨干企业逐渐形成，工业绿色发展政策体系逐步完善；绿色产业发展的政策环境和服务管理水平进一步优化。 总地来说，其重点任务紧紧围绕着资源节约、绿色低碳与循环发展的核心思想展开。这表示江苏省抓住了第四次工业革命带来的机遇，三大地区相关指数的提高也正是这一点的体现。

表5列出了江苏省三大区域各县的平均ML指数和分解情况，并计算出苏南、苏中和苏北的平均值。在这些地区中，除江阴、常熟、张家港和丹阳这四个城市以外，江苏省92.6%的地区平均ML值均大于1，这表明，大多数地区都在经历工业环境效率的提高。三大区域的ML均值分别为1.058、1.112和1.125，增长率在空间上呈现出苏北>苏中>苏南的态势，这是因为在研究期内三大区域的工业环境效率排名基本固定为苏南>苏中>苏北，苏北地区的效率提升空间巨大，所以苏南地区的ML值低于苏北地区。从效率的增长构成来看，54个地区中仅有4个TECH值小于1，占总数7.4%；有23个地区EFF值小于1，占总数的42.6%。这也印证了上文中的结论：江苏省工业环境效率的提高主要是来自于技术效率的提升。

由表5可见海安县ML指数值为1.277，是江苏省54个县域中的最高值，并且其EFF和TECH值也达到了高水平(EFF值处于第四位，TECH值处于第六位)，这与该县出台的相关政策有关。海安县政府于2011年出台《加快新型工业化发展的若干政策意见》，鼓励企业有效投入、加强对科技创新与管理创新的扶持、促进企业节能减排；于2012年出台《加快促进科技创新的若干意见》，把县科技经费增加至财政一般预算支出的3%；在2015年出台《新型工业化发展意见》、《科技工作意见》，加大技改设备投入、提高高新技术产业产值比重、完成高标准的节能减排目标，计划将海安打造成领先的“智慧工业”强县。正是因为配套政策强有力的支持，海安县工业发展水平不断提高，研究期内工业环境效率值由0.283迅速提升到了1。

表5 江苏省县域平均ML指数及分解

五、结论与启示

本文通过SBM-Undesirable模型与Malmquist-Lunberger指数，采用动静结合的方法分析了2010—2016年江苏省各地区工业环境效率的地区差异与动态演进。此研究没有沿用以分市来划分评价单元的惯例，而是将其细化至县域以加强结论的针对性。研究发现，江苏省县域工业环境效率较低且地区差异显著，由南至北呈现出阶梯式分布，效率提升潜力巨大；与区间差距相比，区内差距是造成江苏省工业环境效率地区差距的主要原因，且区内差异显示出苏中>苏南>苏北的空间格局；江苏省各县域在研究期内的技术进步率要明显高于技术效率变化，工业环境效率的提高主要是来自于技术效率的提升，说明江苏省在推进科技进步的同时没有做到提升管理水平；依据各个县域在研究期内的工业环境效率平均值，江苏多达36个地区处于较低效率区间，凸显了江苏工业环境效率现状的严峻性。从动态角度看，2010—2016年间江苏省54个县域的工业环境效率均值平均每年增长4.32%，并呈现出主要依赖技术进步的驱动模式，技术效率的停滞成为阻碍江苏工业环境效率提升的关键制约因素。

上述结论具有重要政策启示：(1)随着资源制约和环境污染问题的日趋严峻，工业环境效率低下制约了江苏省经济社会的可持续发展。应促进产业结构的优化升级，逐渐降低高能耗、高污染的重工业比重，依法加快淘汰落后生产能力、工艺、技术和设备，积极发展高新技术产业，坚定不移地走新型工业化道路，大力推进循环经济发展模式，发展可持续型工业，促进新型工业格局的形成。(2)江苏省工业环境效率存在着较大的区域差距，应该加强江苏省各地区的交流与合作，促进先进的绿色工业技术与管理模式的扩散与外溢，提升江苏落后县域的工业环境效率，缩小地区之间差距，最大限度挖掘落后县域的工业绿色发展潜力，逐步实现三大地区之间与三大地区内工业环境效率的趋同；(3)需要充分发挥技术进步和技术效率提升的协同效应，共同推进江苏省工业环境效率的提升。在健全工业技术进步机制、加快科学技术研发的同时，更要提高资源配置、企业管理水平，以消除现阶段技术效率对环境效率的限制。