基于网络超效率EBM模型的中国省级煤炭产业生态绿色发展测度研究

张丹丹， 杨 力

（安徽理工大学 经济与管理学院，安徽 淮南 232001）

一、引言

1990年，Schaltegger和Sturm［1］首次提出了生态效率的概念，即增加的价值与增加的环境影响的比值。1992年可持续发展工商业联合会（WBCSD）［2］在《改变航向：一个关于发展与环境的全球商业观点》解释了生态效率的含义：“通过提供具有价格优势的服务和商品，在满足人类高质量生活需求的同时，将整个生命周期中对环境的影响降到至少与地球的估计承载力一致的水平上，简单说来就是影响最小化，价值最大化。”2015年，党的十八届五中全会将“绿色”写入了新发展理念。2019年3月5日，第十三届全国人民代表大会第二次会议上提出加强污染防治和生态建设大力推动绿色发展的工作任务。显而易见，加强生态文明建设、提高生态效率是解决环境问题的必由之路，而促进矿产资源开发与环境保护的协调发展是实现社会生态文明建设、提高生态效率的必要条件。这对我国煤炭产业环境效率测度准确性与评价科学性提出了更高的要求。

2003年，Tone［3］提出了可处理非期望产出的非角度非径向的拓展式SBM模型，虽与传统DEA相比可以更好地处理非期望产出和效率值等于1的问题，但这种模型不能处理投入和产出变量同时具有径向和非径向特征的情形［4-7］。为解决此问题，同时包含径向和非径向两类距离函数的混合EBM模型应运而生［8］。

国内许多学者尝试使用EBM模型测度效率［9-11］。师博［12］等通过构建能源、人力资本、资本存量和能源、劳动力、资本存量双指标体系，比较1952—2010年CRS、SBM、EBM（H）、EBM（L）4种模型对我国时序能源效率处理的结果，表明能源效率与城市化水平呈“U”型变动特征。俞会新［13］等建立EBM超效率模型，采用2013—2016年的省级面板数据进行全面分析，显示京津冀的环境治理投资效率呈逐年递减趋势。王小艳［14］等将ENSBM模型与窗口分析法结合，对2005—2012年中国各省生产系统效率、环境治理系统效率及综合效率进行评价。韩洁平［15］等采用网络超效率EBM模型测度2016年47个重点城市的工业生态绿色发展水平，结果表明发展十分不均衡。

由于目前大多数学者倾向于构造考虑非期望产出的单阶段超效率EBM模型研究资源环境系统整体生态效率，鲜有文献采用网络超效率EBM模型测度资源环境系统和其内部结构的生态效率，因此将资源环境系统分为生产系统和环境治理分系统，利用网络超效率EBM模型测算我国各省煤炭产业2013—2017年的生产系统与环境治理系统的生态效率值及综合生态效率值并进行分析，最后有针对性地提出对策建议。

二、研究方法及数据说明

（一）网络超效率EBM模型

网络超效率EBM模型是考虑非期望产出的单阶段超效率EBM模型的改进模型，弥补了模型单层结构以及将其内部系统作为一个“黑箱”的缺点，实现更准确地测度和评价多阶段生产过程的各阶段效率的目标。

1.考虑非期望产出的单阶段超效率EBM模型

基于非导向的非期望超效率EBM模型的公式如下

式中，i＝1，2，…，m；r＝1，2，…，s；p＝1，2，…，q；r*表示Super-EBM模型测度的最优效率值；xi0、yr0、up0分别为DMU0的投入、期望产出和非期望产出；分别为投入松弛、期望产出松弛和非期望产出松弛分别为各项投入指标、期望产出和非期望产出的权重，并且服从于=1（≥0）、=1（≥0）、=1≥0）；θ为通过计算得到的径向条件下的效率值；ε为Super-EBM模型中代表非径向部分重要程度的核心参数，它的取值范围是［0，1］。当ε＝0时，Super-EBM模型与径向CCR模型相同；当θ＝ε＝1时，Super-EBM模型等于非径向Super-SBM模型。

2.考虑非期望产出的多阶段超效率EBM模型（网络EBM模型）

对于一个考虑非期望产出且包含n个生产阶段的Super-EBM模型，用（i＝1，2，…，mk）表示各个阶段投入（第二阶段及以后为追加投入），用＝（i＝1，2，…，sk）表示期望产出，用（i＝1，2，…，qk）表示非期望产出，用（d＝1，2，…，表示第k个阶段和第h个阶段的中间产出。第k个阶段相应的强度矢量为（j＝1，2，…，n）。

假设有n个待评价决策单元数，每个决策单元DMUj含有H个阶段（h＝1，2，…，H），根据单阶段EBM模型构建的网络非期望Super-EBM模型示意图如图1所示。

图1 考虑非期望产出的多阶段生产过程DMU结构

在规模报酬不变情况下，可将被评价单元DMU0的投入产出导向效率评价模型的分式规划形表示为

式中，i＝1，2，…，m；r＝1，2，…，s；p＝1，2，…，q。被评价单元DMU0的综合效率为r*。被评价单元整体有效的条件为r*＝1，h阶段DEA有效的条件为＝1。子阶段的效率为：

式中，wh为第h阶段的权重，即子阶段h的效率相对决策单元整体效率值的重要程度，且=1，wh≥0（∀h）。由式（2）可得，由于整体效率为各个子阶段效率的加权平均数，所以要使决策单元整体有效必须保证每个子阶段都有效。同理对于两阶段非期望Super-EBM来说，当且仅当两个子阶段都有效时决策单元才整体有效，若其中任何一个阶段为无效状态，都会造成DMU无效。

（二）指标选取及构建

煤炭产业生产过程通过资源（能源）和资金的投入来获得期望产出（经济效益）以及不可避免的非期望产出。将煤炭生产治理过程分为两个阶段。第Ⅰ阶段：资源系统投入能源，经济系统投入资金，得到理想产出地区经济总量，非理想产出工业固体排放量和矿业开采累计占用损坏土地；第Ⅱ阶段：第Ⅰ阶段非理想产出作为第Ⅱ阶段投入（非理想产出为第Ⅰ、Ⅱ阶段的中间变量），引入矿山恢复治理投入环境治理系统产生最终的理想产出（工业固体废物综合利用量、矿山恢复面积）。具体生产治理过程见图2。

图2 煤炭产业生产治理两阶段过程模型

结合国内外对煤炭产业生态效率和工业生态效率的现有研究，基于数据的可获性，根据评价指标构建的系统性原则、典型性原则、动态性原则、简明科学性原则，减少人力资源投入、废气排放等指标，增加矿业开采累计占用损坏土地（公顷）、矿山恢复治理投资（万元）、矿山恢复面积（公顷）指标，重新构建中国省级煤炭产业生态效率评价指标体系，如表1所示。

表1 中国省级煤炭产业生态效率评价指标体系

（三）数据来源与处理

考虑到相关数据的可得性，选取除上海、西藏、青海、宁夏外中国大陆27个省区2013—2017年数据。固定资产净值、工业用水量、电力消费量、地区生产总值和工业固体废物综合利用量基础指标数据来自各年份《中国统计年鉴（2014—2018）》，矿业开采累计占用损坏土地、矿山恢复治理投资、矿山恢复面积基础指标数据来源于各年份《中国能源统计年鉴（2014—2018）》，工业固体排放量基础指标数据来自各年份《中国环境统计年鉴（2014—2018）》。在数据处理方面，各地区固定资产投资总额、地区生产总值以及矿山恢复治理投资均以2010年为基期，折算成不变价。

三、实证研究

（一）分省测算结果

2013—2017年，除上海、西藏、青海、宁夏外中国大陆27个省区的煤炭产业综合生态效率值、生产阶段效率值、治理阶段效率值及其平均值测算结果见表2、表3和表4。整理出2013—2017年中国省级煤炭产业的总效率平均值走向和两个子阶段效率的平均值走向展示如图3。

表2 2013—2017年中国省级煤炭产业网络超效率EBM模型综合生态效率值

续表2

表3 2013—2017年中国省级煤炭产业网络超效率EBM模型生产阶段效率值

表4 2013—2017年中国省级煤炭产业网络超效率EBM模型环境污染治理阶段效率值

图3 2013—2017年中国省级煤炭产业总生态效率和子阶段效率的平均值

综合表2、表3、表4和图3可知，从总效率值来看中国省级煤炭产业2013—2016年生态效率平均值整体呈上升趋势，说明煤炭产业所造成的环境污染问题有所改善但仍表现为非DEA有效；子阶段的效率对总效率的高低起着决定作用，2016—2017年有所下降是由于治理阶段的效率偏低，说明治理力度不够。其中从表2可以看出，2013—2017年天津的煤炭产业总生态效率平均值最高且高于样本平均水平，在全国范围内起到模范作用。

（二）八大区域差异分析

根据煤炭资源的分布属性以及相关数据的可得性，采用国务院发展研究中心的八大区域划分法把除上海、西藏、青海、宁夏外中国大陆27个省区划分为北部沿海地区（北京、天津、河北、山东）、东部沿海地区（江苏、浙江）、南部沿海地区（福建、广东、海南）、东北地区（辽宁、吉林、黑龙江）、长江中游地区（湖北、湖南、江西、安徽）、黄河中游地区（陕西、山西、河南、内蒙古）、西南地区（云南、贵州、四川、重庆、广西）、西北地区（甘肃、新疆），使用MaxDEA专业版软件测算2013—2017年除上海、西藏、青海、宁夏外中国大陆27个省区的煤炭产业综合生态效率数据，并整理出2013—2017年中国八大区域煤炭产业的总生态效率平均值，比较其地区差异，见表5、表6和表7。

表5 2013—2017年八大区域煤炭产业网络超效率EBM模型综合生态效率值

表6 2013—2017年八大区域煤炭产业网络超效率EBM模型生产阶段效率值

表7 2013—2017年八大区域煤炭产业网络超效率EBM模型环境污染治理阶段效率值

由表5、表6和表7可得，以高新技术研发为主的北部沿海地区煤炭产业综合生态效率均值（0.946 9）、生产阶段效率均值（0.816 5）以及环境污染治理阶段效率均值（1.054 9）都排名第一；东部沿海地区煤炭产业综合生态效率均值（0.717 6）排名第二，生产阶段效率均值（0.564 1）排名第六，环境污染治理阶段效率均值（0.915 5）排名第二，表明东部沿海地区生产阶段效率需要提高，加大生产创新力度；重工业煤炭开采和煤炭深加工基地的东北地区煤炭产业综合生态效率均值（0.464 0）排名第八，生产阶段效率均值（0.711 3）排名第三，环境污染治理阶段效率均值（0.479 6）排名第八，对此地区的建议是加强对环境治理阶段的投入。

四、结语

通过运用网络超效率EBM模型将矿山开采累计占用损坏土地和工业固体排放量作为中国省级煤炭产业生产阶段非期望产出进行考虑，对中国省级2013—2017年煤炭产业生态效率进行测度并分析其结果，主要得到以下结论：

（1）用网络超效率EBM模型评价中国省级煤炭产业生态效率时能有效解决考虑非期望产出的单阶段超效率EBM模型将决策单元内部当作“黑箱”处理的问题。有助于更精确地测算出整体效率值和子流程的效率值，分析出影响整体效率的子流程。

（2）在研究期间内，煤炭产业生产阶段效率平均值相较于综合生态效率平均值较低，而由于加大环境污染治理导致综合生态效率平均值有所提高，但仍表现为非DEA有效需要进一步改善。在以后的发展过程中应积极引导工业企业节能减排，提高能源利用率，将资源—产品—废物的资源利用模式转变为资源—产品—废物—再生资源，发展生态绿色产业；引进先进的科学技术，建立发展绿色经济的技术支撑体系，推进精准开采、清洁生产、废弃物处理、洁净煤等先进智能技术，走高效利用生产要素、改革重组经营要素，依靠科技创新来推动长远发展的集约化道路，实现煤炭资源开采与生态环境协调发展，促进煤炭行业生态效率稳步提升。

（3）中国煤炭产业生态效率地区差异明显，其提升的重点应放在煤炭产业基地的东北地区，建议加大对面临矿产严重衰竭问题的传统煤炭资源型省区的产业结构调整投入力度，大力推广和普及合理利用能源资源理念。