中国城市环境治理效率的时空格局及影响因素

林 琼，程 莉，文传浩2,

（1.重庆工商大学 长江上游经济研究中心，重庆 400067；2.云南大学 经济学院，云南 650091）

中国自改革开放以来经历了高速的城镇化进程，大量农村人口进入城市共享发展红利。[1]据2019年国民经济和发展统计公报显示，我国常住人口城镇化率达 60.60%，户籍人口城镇化率为44.38%，大量人口由农村涌入城市，这一方面为城市发展提供了大量劳动力，另一方面也为城市生态环境带来了巨大压力，对政府环境治理能力提出了更高要求。此外，过去粗放式的经济增长模式主要依靠开采资源来拉动经济，依靠高耗能、高污染、高排放的企业带动GDP的增长。这种粗放型的生产虽然使我国经济得到了发展，但是投入高、耗能高、低质量、低产出，以牺牲环境为代价、不顾后果的发展方式也造成了经济生活中的一系列矛盾，这使得生态环境脆弱性和环境容量不足的问题逐渐成为我国发展过程中必须要解决的难题。有鉴于此，城市环境治理问题逐渐成为各级政府关注的重点。十九大报告指出，建设人与自然和谐共生的现代化，必须深入推进环境污染治理工作，贯彻落实保护环境的基本国策，2019年全国两会也提出要进一步坚持打好污染防治攻坚战，《全国城市生态保护与建设规划(2015—2020年)》提出要保护和优化城市生态空间格局，加大城市生态修复力度，扩大生态空间总量，提升城市生态功能，创造优良人居环境。

在国家深入推进环境污染治理工作、坚持打好污染防治攻坚战的背景下，城市环境治理问题引起了理论界的密切关注，有关城市环境治理的研究主要集中于城市环境治理内涵、城市环境治理影响因素及城市环境治理路径等问题上。[2]随着城市环境治理的推进，学者逐渐开始关注城市环境治理效率问题，这方面的研究以使用量化分析方法进行治理效率测度为主。董秀海等研究发现我国环境治理效率只有治理效率高的国家的三分之一水平。[3]许罗丹和张媛使用DEA模型对中国省际生态效率进行研究，结果表明各地区平均生态效率逐步改善，但地区差异明显，东部地区生态效率明显优于西部。[4]张军涛和汤睿基于数据包络模型对中国 30个省份的城市环境治理效率进行动态测度和静态测度，指出各省份城市环境治理效率整体呈波浪式上升趋势，但四大经济板块之间存在较大差异。[1]此外，章恒全等使用模糊层次分析法对苏南某城市水环境治理绩效进行评价，发现该城市水环境治理绩效较好。[5]丁黎黎等则通过构建虚拟生产前沿的网络RAM模型，利用改进模型测算 2002—2014年中国沿海11个地区海洋环境治理效率，结果表明泛珠三角地区的海洋环境治理效率总体较好，环渤海地区的环境治理效率最差。部分学者从环境治理投入角度研究环境治理支出效率。[6]张迪和金荣学运用DEA三阶段模型评价我国省级政府的环境治理支出效率，指出我国地方政府环境治理存在效率损失，且各省支出效率差异显著，东部地区的环境治理支出效率要高于中西部地区。[7]郭四代等采用 Super-SBM 模型对我国各省环境治理投资、水污染治理投资和大气污染治理投资效率进行研究，指出我国环境治理投资总效率、水污染与大气污染治理效率较低，呈现逐年下降的趋势，而且存在大量的投入冗余现象，区域差异明显。[8]俞会新和林晓彤运用EBM超效率模型对京津冀的环境治理投资效率水平进行系统分析，发现京津冀地区环境污染治理投资效率呈逐年递减趋势，其纯技术效率总体上不高，规模效率一直在下降，总体效率较低。[9]

城市环境治理效率受多方面因素影响，城镇化、[10]外商投资引入、[10]经济发展、[7]第三产业比重增加、[4]科技水平[9]等都会影响城市环境治理效率的提升。但目前的研究相对集中于研究财政情况、政府作为对城市环境治理效率的影响。张玉和李齐云指出财政分权对地方环境治理效率有显著的负影响，[11,12]并提出在完善财政分权体制下，进一步加强地方政府环境责任制，提高地方政府环境财政支出的技术效率，更好地发挥政府和公众在环境治理中的主动性。包国宪和关斌的研究表明财政压力会显著降低地方政府的环境治理效率，财政压力越大，地方政府环境治理效率越低。[13]另外，有部分学者通过分析政府在环境治理过程中的行为探究其对环境治理效率的影响。王浩指出解决资源型城市环境治理难题，政府有必要承担主要责任。[14]黄万华和刘渝认为中国目前存在的重要问题是环境资源的产权界限不明晰，导致地方政府难以把控经济与政治的基本界限，出现城市环境治理效率下降的问题。[15]张楠和卢洪友分析了官员垂直交流对环境治理的影响，认为加强污染治理的长效机制是完善制度环境和中央政府对环境治理进行选择性再集权。[16]吴建祖和王蓉娟利用双重差分方法检验环保约谈制度与环境治理效率之间的关系，指出环保约谈能够有效提高地方政府环境治理效率。[17]

现有的研究多集中于省际、特定区域或某些具体环境污染治理层面，对于全国城市环境治理效率的研究相对较少，尤其是充分考虑非期望产出的城市环境治理效率研究就更加匮乏。因此，本文通过构建投入—产出指标体系，采用非期望产出超效率SBM-DEA模型对中国城市环境治理效率进行测度，并进一步对影响城市环境治理效率的各种因素进行综合分析以期找到进一步提高城市环境治理效率的有效途径。研究不仅是对当前研究领域的一个较大边际改进，而且对于践行“生态优先，绿色发展”理念、推进绿色发展、推动美丽中国建设也具有重要的现实意义。

一、中国城市环境治理效率评价

（一）研究方法

数据包络分析方法（Data Envelopment Analysis，简称 DEA）是学术界进行效率评价的有效方法，其评价的是具有相同类型多投入和多产出的若干个生产或非生产部门即决策单元（Decision Making Unites，简称DMU）的相对效率。DEA最重要的前提是“等张性”，即要求投入和产出指标之间存在显著正相关，要求其他投入不变的情况下某投入的增加必定会导致产出增加（径向）。但现实生活中很多投入可能会带来负向产出，即存在非期望产出，因此投入和产出之间则会呈现负相关（非径向）。在这种情况下，考虑经典 DEA模型在非期望产出指标处理过程中存在的非径向等局限性，且为了实现对多个决策有效单元进行进一步评价，本文拟采用 Tone针对非期望产出提出的综合考虑期望产出和非期望产出的非径向超效率 SBM (Slacks Based Measure)-DEA模型，[18]测算中国城市环境治理效率指数以衡量城市生态环境治理效率的高低。

（二）指标体系构建

本文遵循评价指标体系的完备性、可行性、可操作性和典型性等原则，并参考张军涛、[1]王亲、[19]甘甜和王子龙[20]等学者的研究，将城市环境治理效率指标体系设置如表1。

表1 中国各城市环境治理效率指标体系

（三）数据来源及处理

由于西藏、台湾、香港和澳门的部分数据缺失，本文选取中国30个省（区、市）作为评价单元。基于数据的时效性和一致性，选取 2004—2019年的数据进行分析。本文所使用的数据均来自 2004—2019年《中国城市统计年鉴》《中国环境统计年鉴》《中国人口统计年鉴》《中国环境年鉴》、中经网统计数据库等。其中，部分缺失数据采用相关模型预测或移动平均法进行补充。

（四）中国城市环境治理效率测算与分析

1.中国城市环境治理效率时序特征

使用 DEA-Solver pro 5.0，基于超效率SBM-DEA模型，选取投入角度、规模报酬不变，对中国30个省（区、市）2004—2019年城市环境治理效率值进行测算，结果如表2。

表2 中国城市环境治理效率测算结果

由表2可知，2004—2019年中国各省份城市环境治理效率整体呈现出波动中微弱下降趋势，均值由2004年的1.040降低到2019年的0.904。结合城市环境治理效率均值省际对比图（如图1），2004—2019年间江苏、北京、广东、山东四省市的城市环境治理效率较高，其城市环境治理效率均值分别为1.413、1.273、1.163、1.339，吉林、黑龙江、河南、湖南四省城市环境治理效率偏低，其城市环境治理效率均值分别 0.843、0.856、0.875、0.882，反映出在考察期内各省市城市环境治理效率省际差异比较明显。

由图2，结合图1可以看出东部地区、中部地区、西部地区及东北地区四大区域①的城市环境治理效率均值变化与全国环境治理效率均值变化基本一致。2004—2019年东部地区城市环境治理效率均值均大于1且高于全国城市环境治理效率均值，并于2008年（1.157）、2015年（1.384）两次达到峰值，说明东部地区不仅注重城市环境治理投入，也关注城市环境治理质量。东部地区中江苏和山东城市环境治理效率均值较高，分别达到1.413和1.339，反映出其在城市环境治理过程中能够合理配置投入要素，提升投入要素的利用效率；中部地区城市环境治理效率均值低于全国城市环境治理效率均值，2004—2014年中部地区城市环境治理效率呈现出微弱下降趋势并于2014年达到效率均值最低点（0.849），2014—2016年短暂提升后再次小幅度下降，与其他地区不同的是中部地区城市环境治理效率无论是整体均值还是分地区而言均以较平稳的状态发展；西部地区、东北地区城市环境治理效率均值处于较低水平但西部地区和东北地区城市环境治理效率均值分别于 2011—2014年、2012—2015年超过中部地区。总体而言，2004—2019年间城市环境治理效率均值呈现出东部地区＞中部地区＞西部地区＞东北地区的趋势。

图1 城市环境治理效率均值省际对比

图2 城市环境治理效率均值时序

2.中国城市环境治理效率空间格局

为了更透彻地了解中国各城市环境治理效率空间格局，选择2004、2009、2014、2019这四年的城市环境治理效率值，按照城市环境治理效率的高低，将城市环境治理效率值划分为低水平组（0～1.0]、较低水平组（1.0～1.2]、中等水平组（1.2～1.4]、较高水平组（1.4～1.6]、高水平组（1.6，1.8]，以此为依据运用ArcGIS 10.2软件绘制30个省市城市环境治理效率动态演变图（图 3），此外，将四大区域各省（市、区）按以上标准进行分组统计，如表3所示。由图3，联系表3可以发现，2004—2019年，大部分城市环境治理效率处于低水平和较低水平，而较高水平和高水平地区相对较少。2004年、2019年城市环境治理效率处于低水平和高水平组别的地区个数是增加的，具体来说，2004年城市环境治理效率处于低水平组别的省市共计11个，2019年则上升至20个；2004年处于高水平组别的省市为0个，而2019年则增加到2个，分别是北京和江苏。2004年江苏处于较高水平组别，2019年江苏省的城市环境治理效率值达到高水平组别，而2004年处于较低水平组别的山东于 2019年达到较高水平组别，2004年、2019年城市环境治理效率处于较高水平组别的地区个数不变；处于较低水平地区由2004年的15个下降到2019年的6个，同样城市环境治理效率处于中等水平组别的地区个数由 2004年的3个减少到2019年的1个。

表3 2004、2009、2014、2019年中国城市环境治理效率各组别个数

图3 中国城市环境治理效率空间格局

从东部、中部、西部、东北部四大区域来看，研究期内东部地区处于低水平组别和高水平组别的地区个数在增加，而处于较低水平组别的地区在减少，处于中等水平和较高水平组别的地区个数基本保持不变；中部地区低水平组别的城市个数在增加，而处于较低和中等水平组别的城市均在减少，环境治理效率在降低；西部地区城市环境治理效率均处于低水平组别和较低水平组别，且处于低水平组别的地区在增加；东北部地区的城市环境治理效率由2004年的2个处于低水平组别变为2019年的3个处于低水平组别。

二、中国城市环境治理效率影响因素分析

（一）指标说明与数据来源

被解释变量为城市环境治理效率，采用前文测算结果。影响城市环境治理效率的因素较多，本文主要选择人口密度（POP）、技术投入（TEC）、产业化水平（IND）、财政分权（FIS）、对外开放（OPEN）、经济发展水平（PGDP）作为影响因素，研究上述因素对城市环境治理效率的影响效应。人口密度（POP）选取单位面积土地上居住的人口数进行衡量，即人口总数除以当地土地面积。人口密度与自然资源要素的消耗量、污染废弃物的排放量均呈现正向相关关系，人口居住越集中，所带来的环境压力会越大。但是随着人口密度增大，国家和地区的整体环保意识、政策法规执行力度和城市建设水平要求均会有所提升，可以适当改善环境质量。[21]技术投入（TEC）选择R&D投入占GDP比重进行衡量。[22]一般认为技术投入的增加可以有效促进技术改造进而改善企业生产，减少污染排放，降低环境污染程度，环境治理难度也就较低。工业化水平（IND）采用第二产业增加值占 GDP的比重来表示工业化水平。[23]一般理论认为工业化程度越高的地市，工业三废排放量也越多，环境治理的困难程度也越高。财政分权程度（FIS）采用省级人均预算内财政支出与中央人均预算内财政支出的比例衡量。财政分权会降低地方政府的环境保护努力程度，降低环境支出效率。政府治理较差的地方政府，其环境治理支出也较低。财政分权体制下，地方政府可支配的财政支出越多，往往越追求地方GDP，忽视环境治理。地方政府支出权力越大，越追逐经济利益，忽视环境质量的改善，导致环境治理效率较低。[11,12]对外开放（OPEN）用进出口总额占 GDP的比重进行衡量。[24]一方面，对外开放程度加大会增加产品供给量，导致资源环境的过度消耗，产品在运输过程中引起的污染排放也会影响生态环境。另一方面，对外开放也会引来大量的资金投入，为环境治理提供了资金支持，将扩大生态环境投资规模，最终有利于环境治理。[21]经济发展水平（PGDP）是以人均GDP作为衡量指标，一般情况下，经济发展水平与生态环境治理呈现长期稳定的关系，经济的发展能够提高科技创新水平，加大对环境保护的投资，促进环境治理效率的进步，出现正相关；但是部分地区也存在着为了 GDP的快速发展而牺牲环境的现象，这时经济的发展就会破坏环境，经济发展与环境之间呈现负相关关系。[1,17]

实证研究时间区间仍为2004—2019年，由于西藏、台湾、香港和澳门数据缺失，仍旧选取中国30个省（市、区）作为研究对象。本文所使用的数据均来自 2004—2019年《中国城市统计年鉴》《中国人口统计年鉴》、国家统计局、中经网统计数据库等。其中，部分缺失数据采用相关模型或移动平均法进行补充。经过整理各变量均值、标准差等统计结果如表4，本文样本数为480，处理后的数据标准差整体较小，表明样本统计量与总体参数的值较为接近，样本对总体而言具有代表性，以此得到的研究结论可信度较高。

表4 变量描述性统计

（二）模型设定

本文以城市环境治理效率（ENV）为被解释变量，以人口密度（POP）、技术投入（TEC）等作为解释变量研究以上因素对城市环境治理效率的影响，为消除异方差的影响，对被解释变量、解释变量都进行取对数处理并建立如下模型：

式中i为30个省（市、区），t为2004—2019年这16个年份，α0为截距项，εit为随机误差项，ENVit表示城市环境治理效率，Xit表示影响城市环境治理效率的各因素即解释变量。

（三）实证检验

为了保证实证研究结果的可信度，首先采用LLC和IPS检验方法对各指标进行平稳性检验，结果如表5所示。被解释变量lnENV服从1阶单整；解释变量中，变量 lnPOP、lnIND、lnFIS、lnOPEN、lnPGDP服从0阶单整，变量lnTEC服从1阶单整，根据综合判断的原则，可以判断所有指标的数据都是平稳的。

表5 各变量数据的单位根检验结果

（四）回归结果分析

以人口密度（lnPOP）、技术水平（lnTEC）、工业化水平（lnIND）为解释变量建立基本的回归模型并逐步引入剩余解释变量，建立模型M1-M4，回归结果如表 6所示：1）人口密度系数为负且在1%或5%的显著性水平上显著，即表明人口密度抑制了城市环境治理效率的提升。人口居住过于集中，对于资源开发利用需求增加将引致资源枯竭、粮食短缺等能源配置问题，使得地区生态压力加大，另外还可能引发污染排放和能源要素过度消耗等问题，这将导致生产环境和生活环境质量大幅度下降。2）技术投入显著促进了城市环境治理效率的提升。技术投入增加可以优化绿色生产技术和污染治理技术，从而提高城市环境治理效率。3）工业化水平系数在1%或5%的显著性水平上显著，这表明工业化水平显著抑制了城市环境治理效率的提升。以工业为代表的第二产业有很多污染型产业，作为主要污染源，其产生的环境污染效应也更为严重。第二产业在生产中不仅会产生大规模能耗，同时也会相应产生工业污染物，对环境质量有着极大危害，会加大环境治理难度，降低环境治理效率。4）财政分权程度对城市环境治理效率具有显著的抑制作用，即财政分权会降低地方政府的环境保护努力程度，降低环境支出效率。地方政府支出权力越大，越追逐经济利益，忽视环境质量的改善，从而导致环境治理效率较低。5）对外开放对城市环境治理效率具有显著的提升作用。对外开放带来了大量资金，这为环境治理提供了资金支持，将扩大生态环境投资的规模，最终有利于环境治理。6）人均GDP的系数为负数，说明就全国而言经济发展水平对城市环境治理效率提升具有一定的抑制作用。

表6 城市环境治理效率影响因素分析

三、结论与启示

本文根据中国2004—2019年面板数据，利用超效率SBM-DEA模型对中国30个省（市、区）2004—2019年间的城市环境治理效率进行测度并进行时序及空间演进分析，在此基础上利用面板模型分析中国城市环境治理效率的影响因素。研究发现：第一，2004—2019年中国各城市环境治理效率整体呈现出波动中微弱下降趋势，均值由2004年的1.040降低到2019年的0.904，各个地区城市环境治理效率均值差异自 2014年起呈现扩大趋势。城市环境治理效率较高的省市主要集中在东部地区，城市环境治理效率较低的城市则主要集中于中西部及东北地区，四大经济板块效率均值整体呈现出东部地区＞中部地区＞西部地区＞东北地区。第二，人口密度、工业化水平、财政分权、经济发展水平与城市环境治理效率呈现负相关，技术投入、对外开放与城市环境效率呈现正相关。

为更好推进城市环境治理，提升城市环境治理效率，应从以下几个方面着手：一是转变经济发展方式，降低对污染型工业的依赖，进一步增加技术投入，以此促进生产技术和环境治理技术的绿色化发展，从环境污染的源头和排放两方面加强环境治理。此外，优化产业结构，大力发展新兴技术型和能源清洁型产业以使得社会经济发展摆脱能源大量消耗的现状，减少污染物排放，提高环境质量。二是提高城市环境治理投入，调整环境治理投资结构，促进环境治理资金的有效使用，加大地方政府在城市环境治理效率中的责任，提高环境保护在官员考核中的权重，建立官员追责制度，改革官员考核机制。三是鼓励公众向人口低聚集地转移，逐步实现人员的分流，减轻人口高集中地区的环境压力，减少人口密度对环境的污染程度，进一步深入推动环保教育宣传，鼓励公众参与环境建设。

注释：

① 根据国家统计局的划分，内地31省（市、区）分属于东部、中部、西部和东北四大区域。东部：北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南。中部：山西、安徽、江西、河南、湖北和湖南。西部：内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆。东北：辽宁、吉林和黑龙江。