长江经济带国家重点生态功能区生态补偿环境效率评价

曲 超， 刘桂环， 吴文俊， 王金南2,

1.中国社会科学院研究生院， 北京 102488 2.生态环境部环境规划院生态环境补偿研究中心， 北京 100012 3.生态环境部环境规划院， 国家环境保护环境规划与政策模拟重点实验室， 北京 100012

我国生态补偿机制可分为纵向生态补偿和横向生态补偿两种类型，其中，纵向生态补偿主要是指上下级预算主体之间按照法定标准，通过财政转移支付制度和专项基金等方式开展的生态补偿，属于经济学中解决公共产品外部性问题的“庇古范式”；横向生态补偿是指不具有隶属关系的补偿者与受偿者之间综合运用法律、政策和市场等手段开展的合作式补偿，属于经济学中利用环境产权交易模式的“科斯范式”. 我国生态补偿实践以中央对地方的纵向生态补偿为主，中央通过转移支付和专项基金等方式承担地方的事权支出责任[1]. 国家重点生态功能区生态补偿是目前各项生态补偿政策中投入资金数量最大、补偿领域最综合、影响范围较广泛的一项政策. 该政策实施以来，补偿的范围已扩大到818个县(市、区)，补偿金额增至721×108元(2018年). 2018年国家重点生态功能区县域生态环境质量监测评价与考核报告(中国环境监测总站)显示，长江经济带11个省市有关县域中，生态环境“基本稳定”的县域占比为88.93%，生态环境“变好”的县域占比为4.64%，生态环境“变坏”的县域占比为6.43%. 效率问题是生态补偿的核心问题，在预算硬约束和生态环境问题日益突出的双重压力下，如何提高正在实施和将要实施的生态补偿政策效率，逐渐成为国内外学者和决策部门普遍关注的重点. 由于财政部门和环保部门未系统公开过历年对各地国家重点生态功能区转移支付的详细数据和考核情况，至今鲜见选取财政转移支付等核心指标对其环境效率进行评价的研究. 为更有效地实施长江经济带生态补偿政策，极有必要在建立健全长江经济带生态补偿与保护长效机制之际，对该区域国家重点生态功能区转移支付类型生态补偿政策环境效率开展回顾性评价，检验沿江各省市补偿政策的环境效率，也可为其他区域生态补偿政策设计提供参考.

目前生态补偿效率的相关研究主要集中在评价方法、指标体系两方面：①评价方法. 侯鹏等[2]以海南岛中部山区热带雨林重点生态功能区为研究区域，综合利用多源卫星遥感数据和地面观测统计数据，探讨了该区域生态系统的变化情况和保护成效. 张涛等[3]采用熵值法利用变异系数确定权重的方式计算出湖北省国家重点生态功能区生态补偿绩效的综合指数，并进行了生态补偿绩效评价. ②指标体系. 熊玮等[4]基于2003—2015年江西省国家重点生态功能区的面板数据，利用数据包络线分析法(SBM-DEA)对其生态补偿绩效进行了综合评价. 李国平等[5]基于PSR模型，以陕西省36个国家重点生态功能区县域为例，测度其2011—2015年绿色发展状况和绿色减贫效果. 靳乐山等[6]阐述了将生态系统生产总值(GEP)纳入生态补偿绩效考核的必要性和可行性，认为GEP适用于生态综合补偿机制下的生态补偿绩效考核.

上述研究为推动国家重点生态功能区生态补偿理论与实践做出了重要贡献，也为后续研究提供了良好视角. 但是，在研究尺度上，现有研究主要集中在省域尺度和行业尺度(如森林、水资源等)，目前尚鲜见对长江经济带国家重点生态功能区财政转移支付的投入产出情况的报道. 在研究方法上，大部分研究仅根据国家考核指标进行管理层面的描述性评价，仅有少部分研究采用DEA方法开展了绩效定量评价，但没有很好地分离背景效应和随机误差等因素对于效率评价的影响. 尽管研究国家重点生态功能区绩效评价的案例不多，但国内外学者在环境保护绩效评价方面开展了诸多研究. 如Goto等[7-10]利用DEA方法将3种效率指标应用于制造业和非制造业数据集，通过实证验证了波特假设在制造业中的有效性，并发现第三产业占比是影响环境效率的最重要因素. Ali等[11]综述了1978—2016年DEA理论和模型的应用，对10 300多篇相关期刊论文进行了分类研究. Toshiyuki等[12]综述了20世纪80年代以来DEA方法在能源和环境领域应用的发展趋势，对DEA方法在全球变暖、气候变化等重大政策问题方面的应用进行了评述. 这些研究的特点是在产出分析中纳入了非期望产出，即将二氧化碳排放量、化学品、污染物质和各种类型的废物排放纳入研究范围.

三阶段DEA模型[13-17]是将传统的数据包络分析方法(DEA)和随机前沿分析方法(SFA)结合起来的计算效率的一种非参数方法. 目前，三阶段DEA模型在我国科技支出评价、农业支出评价、工业排放评价等方面已经得到了较好的应用[18-21]，杨国梁等[22-23]在分析DEA模型原理和应用的基础上，通过对环境变量的合理调整，对三阶段DEA模型在应用方面存在的问题进行了归纳和总结. 如能在生态补偿政策领域开展应用，应该能够显示出其重要的决策支撑意义和价值. 借鉴相关文献[24-27]的研究成果，笔者对国家重点生态功能区生态补偿的环境效率进行定量分析，并在假定相同的外部环境下重新计算各决策单元的技术效率值，以更好地揭示影响生态补偿效率的主要因素，对现有环境效率测度研究作有效补充.

1 研究方法

1.1 第一阶段DEA模型——传统DEA模型分析初始效率

DEA模型是评价同一类型的组织或部门在多投入、多产出的决策单元下是否技术有效的非参数前沿效率分析方法，可分为投入导向和产出导向，根据具体分析目的，该研究选择投入导向BCC(规模报酬可变)模型. BCC模型计算出来的效率值为综合技术效率(TE)，可以进一步分解为规模效率(SE)和纯技术效率(PTE)，TE=SE×PTE. 在第一阶段DEA模型中对资金投入、人力投入、能源投入的产出数据进行初始效率评价. 对于任一决策单元，投入导向下对偶形式的BCC模型可表示为

minθ=ε(êTS-+eTS+)

(1)

式中：s.t表示公式的约束条件；ε为阿基米德无穷小；ê和e为单位向量；S-为投入松弛变量；S+为产出松弛变量；j为决策单元；n为决策单元数；X、Y分别是投入、产出向量；θ为效率值，若θ<1，则决策单元非DEA有效.

1.2 第二阶段DEA模型——相似SFA模型剔除背景因素和统计噪声

决策单元的效率受到管理无效率、背景因素和统计噪声的影响，相似SFA模型主要目标是将第一阶段的松弛变量分解成以上3种效应的影响. 构造以投入为导向的SFA回归函数：

Sni=f(Zi,βn)+νni+μni

(2)

式中，Sni为第i个决策单元第n项投入的松弛值，Zi为第i个决策单元的背景变量，βn为第n项投入的背景变量的系数，vni+μni为混合误差项，μni为管理无效率.

SFA回归的目的是剔除背景因素和随机因素对效率测度的影响，以便将所有决策单元调整于相同的外部环境中. 调整公式如下：

(maxvni-vni)

(3)

1.3 第三阶段DEA模型——调整后的投入产出变量的DEA效率分析

将第二阶段DEA模型获取的投入变量替代原投入变量，再次计算各决策单元的效率，此时的效率已剔除背景因素和随机因素的影响，更能反映环境效率的真实水平.

2 指标构建与数据来源

2.1 投入和产出指标

投入指标. 选取反映资本、资源和劳动力等要素的投入指标，将中央财政与省级财政对国家重点生态功能区的转移支付作为资本投入指标(不考虑通胀因素)，将能源消费总量作为资源投入指标，将从业人员总量作为劳动力投入指标.

产出指标. 参考郭四代等[28]对区域环境效率测度的产出变量选取方法，选择了COD和SO2削减量作为产出变量，二者也是与环境质量改善密切相关的核心指标. 为确保产出指标为正值，选用线性数据转换法对主要污染物指标进行特殊处理，采用式(4)对主要污染物指标值进行转化.

Yi′=-Yi+C

(4)

式中，Yi′为主要污染物处理值，Yi为主要污染物原始值，C值为样本地区污染物指标最大值的1.05倍.

2.2 背景变量

背景变量是指对评价对象的效率产生影响、但并不是评价对象可以主观控制的因素，背景变量的选取直接关系到第二阶段DEA模型回归结果. 参考已有研究成果[22,24,29]，并结合数据的可得性，所选取背景变量主要包括第三产业比例、人口密度、人均GDP、对外开放度(以进出口总额计)等指标.

2.3 数据来源

由于2011年以前中央财政未对上海市、江苏省、浙江省三省市开展国家重点生态功能区转移支付，因此采用了2012—2017年面板数据. 全部数据均来自于历年《中国统计年鉴》《中国环境统计年鉴》和长江经济带各省市统计年鉴以及申请公开的各级财政、环境统计数据. 需要说明的是，浙江省通过绿色发展财政奖补资金支持国家重点生态功能区建设，并未单列相关资金，故以浙江省对省级重点生态功能区转移支付作为该省参考值.

3 实证分析

3.1 第一阶段DEA模型的结果分析

运用DEAP 2.1软件对长江经济带11个省市2012—2017年国家重点生态功能区转移支付政策的环境效率进行测算，结果如表1所示. 结果显示，仅有重庆市综合技术效率达到1，处于生产前沿面，其他地区综合技术效率均未全部达到1，且未呈现出明显的递增或递减规律. 由于此阶段的环境效率结果无法排除环境和随机因素的影响，因而还不能反映区域真实环境效率水平，需要作进一步调整.

3.2 第二阶段基于SFA的结果分析

在DEA分析的第二阶段，运用SFA法调整长江经济带各省市的原始投入值，得到相同背景下的环境效率水平. 当模型回归系数为正时，表示增加此背景变量投入会导致决策单元的投入冗余；当回归系数为负时，表示增加该背景变量的投入将有利于提高效率. 将第一阶段中各投入变量运行后测得的松弛变量作为被解释变量，解释变量选择第三产业增加值占比、人口密度、人均GDP、进出口总额等背景变量，以2014年数据为例，利用Frontier 4.1软件进行回归，结果如表2所示. 由表2可见，转移支付的松弛变量Gamma值接近于1，能源消费总量的Gamma值为0.92，且均在1%水平下显著，这充分说明管理因素对环境效率的影响占据主导地位. 因此，应进一步将背景因素和随机因素加以分离.

表1 长江经济带11个省市的国家重点生态功能区 第一阶段环境效率水平(综合技术效率)

表2 长江经济带11个省市的国家重点生态功能区第二阶段SFA回归结果

注： 括号内数值为单侧t值检验值； *** 表示1%显著水平；** 表示5%显著水平；*表示10%显著水平.

结果显示，第三产业增加值占比对能源松弛变量的回归系数均为负值，且在5%水平下显著，这说明第三产业增加值占比提升将会降低能源松弛变量，即长江经济带的发展应进一步提高第三产业增加值占比、降低能源消耗以提升环境效率. 对转移支付的松弛变量回归系数为正值(但数值很小)，说明第三产业增加值占比较高时，经济社会活动带来的污染排放量已较少，通过转移支付并不能产生更高的环境效率.

人口密度对能源、劳动力和资本投入松弛变量的回归系数均为正值，基本达到10%显著水平检验，这表明在当前阶段，人口密度的增加会导致资本、能源和劳动力松弛变量的增加，从而对环境效率产生负面影响.

人均GDP对能源、劳动力和资本投入变量的松弛变量回归系数接近于零. 根据环境库兹涅茨曲线，当人均GDP达到某一阶段时，人们对生态环境的要求越来越高，由此带来了资本、能源和劳动力投入利用效率的提高，对环境产生正影响. 同时，人均GDP增长对3种投入的影响很小，意味着当前阶段人均GDP增长对环境效率的提升是一个缓慢的过程，需要在更大时间尺度上予以研究.

进出口总额对资本、劳动力投入松弛变量的回归系数为正值，表明外贸依存度增加会导致资本、劳动投入松弛变量的上升，降低环境效率水平. 进出口总额对能源投入松弛变量的回归系数为负值，说明当前的对外贸易水平提高了能源的利用效率，对环境效率产生正影响.

3.3 第三阶段调整后DEA模型结果分析

调整投入变量，并将其再次代入第一阶段BCC模型，利用DEAP 2.1软件测算2012—2017年长江经济带11个省市的国家重点生态功能区在相同背景下的环境效率水平，结果如表3所示.

表3 长江经济带11个省市的国家重点生态功能区 第三阶段环境效率水平(综合技术效率)

由表2、3可知，从时间分布上看，2013—2015年长江经济带11个省市的国家重点生态功能区环境效率均值呈递增趋势，但2016年、2017年环境效率均值有所下降. 从区域分布来看，流域上游与中下游补偿效率存在较大差距. 中游区域(江西省、湖南省、湖北省)、下游区域(上海市、浙江省、江苏省、安徽省)第三阶段环境效率均值均为0.91，而上游区域(重庆市、四川省、云南省、贵州省)第三阶段环境效率均值仅为0.85，而且云南省环境效率均值显著降低. 以云南省为例，该省贫困发生率由2015年的14.03%降至2017年的9.89%，各项基本公共服务水平亦有大幅提高，但涉及国家重点生态功能区的46个县域中，对于2017年环境状况，仅有2个县域轻微变好、3个县域轻微变差，其他县域总体保持稳定. 经过测算，2016—2017年云南省的环境效率均值大幅下降，可认为是基本公共服务挤占了环境保护方面的资金投入和管理力量，从而影响环境产出效率，其他省市也存在类似情况.

由表4可知，2012—2017年长江经济带11个省市的综合技术效率均值为0.89，调整前后没有变化；纯技术效率均值由调整前的0.94提高到0.96，规模效率均值由调整前的0.94降至0.92，意味着纯技术效率对环境效率水平起主导作用. 同时发现，剔除背景因素和随机干扰的影响后，2012—2017年长江经济带11个省市的国家重点生态功能区的纯技术效率一直保持较高水平，但由于规模效率在2015年之后大幅下降，导致2016—2017年综合技术效率下降.

表4 调整前后长江经济带转移支付政策的3项效率水平对比

4 结论与建议

a) 环境效率低主要是规模效率低造成的. 2012—2017年长江经济带11个省市的纯技术效率一直保持较高水平，但由于2016—2017年规模效率大幅下降，导致综合技术效率出现下降. 背景因素中第三产业增加值占比的影响显著，并且对能源投入的影响系数为负值，表明提高第三产业增加值占比将减少能源投入的冗余，提高环境效率. 其他背景因素影响不显著，但人口密度对资本、能源和劳动力的影响系数均为正值，表明人口密度增加会带来投入冗余，降低环境效率.

b) 长江经济带上游地区(重庆市、四川省、云南省、贵州省)的环境效率均值为0.85，与中下游地区(江西省、湖南省、湖北省、安徽省、江苏省、浙江省、上海市)(环境效率均值为0.91)存在较大差距，表明上游地区的生态补偿资金投入和管理水平尚存在不足. 国家重点生态功能区生态补偿出现了改善民生与保护环境双重目标不协调的问题. 11个省市中以云南省环境效率为最低，并出现了贫困发生率和环境效率同时下降的情况.

c) 应重视生态补偿的科学问题研究. 综合运用生态学、经济学、社会学等理论对各种尺度的生态补偿开展精准研究，并结合不同区域的经济社会特点和资源环境禀赋，进一步完善国家重点生态功能区转移支付政策模式. 同时，加大资金和技术投入支持力度. 提高欠发达地区国家重点生态功能区要素投入水平，大幅提高其规模效率. 鼓励利益相关地区采取资金补助、对口协作、产业转移、人才培训等方式进行多元化合作.

d) 探索市场化生态补偿新机制. 发挥财政投资引导带动和杠杆效应，通过收益优先保障机制吸引社会资本投入；推动自然资源产权制度改革，为市场化生态补偿奠定产权基础. 对不同区域重点生态功能区实行差异化的考核政策，建立有效的监管机制以提高生态补偿政策实施效率.