工业行业绿色生产效率实证研究

陈宪帅，薛雅伟，张 剑

(1.青岛理工大学 管理工程学院，山东 青岛 266525；2.青岛理工大学 智慧城市建设管理研究中心(新型智库)，山东 青岛 266525；3.青岛理工大学 滨海人居环境学术创新中心，山东 青岛 266033；4.中央财经大学 政府管理学院，北京 100081)

一、引言

改革开放以来，我国经济持续高速增长，工业作为国民经济的重要组成部分，在提升国家经济实力上作出了重大贡献，但同时也对环境造成了严重污染。环境污染不仅会影响居民生活质量，也会降低经济实际增长速度[1]。提升我国工业行业的绿色生产水平，不仅能够进一步提高我国的经济发展水平，同时也能够在很大程度上减缓我国的环境污染问题[2]。而且，相对于工业企业而言，以工业行业为研究对象，能够在宏观上衡量我国工业绿色生产的整体水平，从而找出影响不同工业行业绿色生产水平的因素并提出相应的对策建议，对相应行业的企业而言也具有借鉴意义。

为了衡量真实的经济发展效率，反映工业行业的绿色生产效率，学者们通常一同考虑环境与经济两种因素。环境因素主要体现在污染物的排放对环境造成的破坏及环境规制对工业行业产生的激励作用，环境规制在一定程度上能够激励工业行业绿色技术创新，减少污染物的排放，对工业绿色生产具有正面影响[3]，因此，将环境因素列入评价指标体系内能够更加真实地反映工业行业的绿色生产水平。现有文献中，学者们通常以工业行业污染物的排放量作为非期望产出指标来衡量环境因素对工业绿色生产的影响。如，齐丽芳以工业行业“三废”排放量作为非期望产出指标[4]；胡立和等以“工业废水排放量”“工业二氧化硫排放量”“工业固体废弃物产生量”作为非期望产出指标[5]，杨晓娟以“工业废水排放量”“工业二氧化硫排放量”“工业粉(烟)尘排放总量”“工业固体废弃物产生量”作为非期望产出指标[6]。经济因素主要体现在行业所投入的资源及产生的经济效益，工业行业为实现经济效益目标投入资源的同时，也会为其绿色生产提供动力[7]。现有文献中，资源一般分为劳动力、资本和能源三个方面，作为投入指标，部分学者[8-9]以“规模以上工业企业平均用工人数”作为劳动力指标值，以“能源消费总量”作为能源指标值；资本通常以资本存量[10-11]或固定资产合计[12]作为指标值；而经济效益作为期望产出指标一般以工业销售产值来衡量。

但现有文献[13-17]大多在时间序列的角度上对绿色创新效率或绿色生产效率进行测度与评价，鲜有依据截面数据具体分析某一年份工业行业的绿色生产效率问题；部分学者[18-22]在进行效率评价时将效率分解为综合效率、纯技术效率和规模效率，参考这些学者所采用的方法，将绿色生产效率分解为综合效率、纯技术效率和规模效率能够更加清楚地发现某一年工业行业绿色生产效率存在的问题。由于国家统计局自2015年之后就不再公布工业行业“三废”排放量数据，因此本文以2015的数据为基础，将2015年工业行业绿色生产效率分解为纯技术效率、规模效率和综合技术效率进行测度和评价,并提出相应的政策建议。

二、模型的构建

(一)决策单元(DMU)的选取

本文以《国民经济行业分类》中的41个二位码工业行业为基础，去掉指标值缺失较多的“水的生产和供应业”以及研究意义不大的“其他制造业”和“其他采矿业”，选取剩余的38个工业行业作为决策单元，具体的决策单元及其代号如表1所示。

表1 决策单元及代号

(二)指标的选取及相关说明

由于国家统计局自2015年后不再公布工业行业“三废”排放量的数据，因此，刘建翠和郑世林[1]、姚悦[11]、成琼文[13]等学者以2015年作为指标数据的终止年份，并且2015年是“十二五”规划(中国第一个绿色发展规划)的最后一年。因此，本文借鉴上述几位学者的做法，以2015年工业行业的数据为基础，构建了表2的指标体系。

表2 评价指标

指标的相关说明如下：

(1)资本。资本应反映工业行业对绿色生产的资金投入，但由于各行业绿色生产的资金投入及折旧率较难确定，因此，我们在参考刘淑茹等[12]指标选取的基础上，选用“固定资产合计”指标作为资本投入的代理量。

(2)劳动力投入。严格地讲，劳动力的投入指标要能够同时度量劳动的时间与效率，但是由于目前我国的劳动力收入并不能很好地反映劳动时间与效率，我们根据刘建翠等[1]的做法，并考虑指标数据是否准确且可获得，最终采用“规模以上工业行业平均用工人数”作为劳动力的投入指标。

(3)能源投入。由于我国工业行业生产所投入的能源主要以煤炭为主，因此我们参考岳鸿飞等[16]的做法，将以煤炭消耗量为衡量标准的工业行业能源消耗总量作为能源投入的指标，单位为万吨标准煤。

(4)期望产出。由于统计数据所采用标准的变动，2012年之后，各工业部门的总产值数据不再对外公布，因此，我们借鉴张鹏飞[23]的做法，采用工业销售产值作为期望产出的指标。

(5)非期望产出。现有文献[4-6]中主要采用“工业‘三废’排放量”“工业二氧化硫排放量”“工业粉(烟)尘排放量”等作为非期望产出的指标，本文选取已有文献中使用最多且代表性较强的“工业‘三废’排放量”作为非期望产出的指标代理量。

(三)模型构建

DEA模型不仅可以对多投入多产出的问题进行效率评估，同时又不受人为因素的影响。本文主要从资源利用率、资源配置、管理和技术水平及生产规模等投入的角度分析工业行业绿色生产的影响因素，而运用DEA模型中的BCC模型与CCR模型所得出的纯技术效率、规模效率和综合技术效率能够反映研究对象在资源利用与配置、管理和技术以及生产规模上水平的高低，因此，选择DEA模型中投入导向的BCC模型及CCR模型对工业行业的绿色生产效率进行评估。

本文将38个工业行业视为独立的决策单元DMUj(j=1,2，…，n)，每个决策单元使用m种投入(资本、劳动力、能源消费)可以得到s种产出(工业产值、工业“三废”排放量)，其投入指标xj=(xj1,xj2,…，xjm)T，xji(i=1,2，…，m)表示第j个决策单元的第i个投入指标，其产出指标yj=(yj1,yj2,…，yjs)T，yjr(r=1，2，…，s)表示第j个决策单元的第r个产出指标，x0和y0分别表示待评价决策单元的投入指标与产出指标，则建立CCR模型及BCC模型为：

(1)

(2)

三、工业行业绿色生产的实证分析

(一)指标数据的采集与预处理

本文所使用的数据皆来自相关的统计年鉴，由于运用DEA模型进行效率测度时，产出指标均应为正向的，因此需要对所采集的非期望产出指标值进行正向化的预处理，部分参考文献中指标正向化处理使用的方法为倒数法，但由于本文所使用数据的数值过大，采用倒数法会使原始数据的分布规律发生变化，从而导致最终数据的输出不够准确，因此为不改变原始数据的分布规律，本文采用“倒扣逆变换法”对原始数据进行正向化处理，对原始数据值正向化公式为：

Yij=max1in (xij)-xij

(3)

其中：n代表DMU的数量，xij代表第i个DMU的第j种非期望产出指标值，Yij代表原始数据正向化处理后第i个DMU的第j种非期望产出指标值。由上述公式可知，存在Yij=0的情况，但由于DEA软件使用中不能存在数值0，因此将正向化后所得到的数值0替换为1；由于本文采用的数据的数值非常大，因此相对于其他数值而言，数值0到1的改变可忽略不计。处理后的数据统计(略)，各个指标数据的最大值、最小值、平均值及标准差如表3所示。

表3 指标数据统计

由表3可以看出，各个指标值的极差与标准差较大，反映出各个行业之间的指标值离散程度较大，说明不同的工业行业之间的绿色生产效率可能存在较大的差异。为了解工业行业绿色生产效率的具体情况，需要对其进行进一步的测度。

(二)基于PTE+SE+TE的效率测度

对工业行业的绿色生产效率进行测度与分析时，不仅要在投入产出角度考虑劳动力、资本及能源等资源的利用率，而且要考虑生产规模对其产生的影响。因此，本文运用DEA-Solver软件工具，选择CCR和BCC两种模型中面向投入角度的CCR-I和BCC-I两种模型进行运算得出工业行业绿色生产的PTE值和TE值，并根据SE=TE/PTE得出工业行业绿色生产的SE值，先以纯技术效率与规模效率分析为基础，分别分析哪些工业行业绿色生产在投入资源利用率、管理与技术水平、资源配置及生产规模中存在问题，然后以综合技术效率分析为基础，分析影响工业行业绿色生产综合技术效率的主要因素。工业行业绿色生产效率的不同效率值运算结果如表4所示。

表4 运算结果

(三)纯技术效率(PTE)分析

纯技术效率反映了行业资源的利用效率，而行业资源的利用效率受行业管理水平和技术水平的影响。纯技术效率的值等于1，表示在目前的管理与技术水平上，其对绿色生产所投入资源的使用是有效率的[24]。为了更直观地分析工业行业的纯技术效率是否是有效的，本文按照纯技术效率值从小到大的顺序进行了数据统计(见图1)。

图1 TE数值与PTE数值统计

由表4及图1所示，在38个工业行业中，纯技术效率值达到1的有D7、D10、D13、D18、D19、D20、D26、D30、D32、D33、D35、D36、D37共13个工业行业，表明这13个工业行业的管理水平与技术水平相对于其他行业来说是最高的，这13个工业行业能够完全有效地利用其投入绿色生产的资源。而这13个工业行业中有8个工业行业(D7、D19、D20、D26、D30、D32、D33、D37)的综合技术效率值并未达到1，表明这8个工业行业的现有规模未能达到最优规模，这8个工业行业提升绿色生产的综合技术效率应以优化配置、改进行业规模为主。

纯技术效率值在0.8～1范围的工业行业有9个，分别为D6、D12、D14、D15、D25、D28、D29、D34、D38，表明这9个工业行业的管理水平与技术水平相对较高，能够高效地利用其投入绿色生产的资源；除D14外，剩余8个工业行业的规模效率值均小于纯技术效率值，表明这8个工业行业提升绿色生产的综合技术效率应以优化行业规模为主。D14的纯技术效率值虽然达到了0.815，但其规模效率值达到了0.987 2，因此相对于优化生产规模，改进管理与技术水平更加有助于提升绿色生产的综合技术效率。

最后剩余的16个工业行业的绿色生产的纯技术效率值都未达到0.8，最低值仅有0.223，表明这16个工业行业的管理水平与技术水平较低，不能够有效地利用其投入绿色生产的资源。这些行业需要进一步提升行业的管理和技术水平从而减少投入资源的浪费。

(四)规模效率(SE)分析

规模效率反映了实际规模与最优生产规模之间的差距，行业的规模因素对生产效率的影响表现为规模效率。规模效率值为1，表明实际规模已经达到了最优规模；规模效率值小于1，表明实际规模与最优规模之间仍存在差距，需要对生产规模进一步的优化[25]。为了更直观地分析工业行业的规模效率是否有效，本文按照规模效率值从小到大的顺序进行了数据统计(见图2)。

图2 工业行业绿色生产规模效率值及综合技术效率值

由表4及图2可以看出，38个工业行业中，有7个工业行业的规模效率值达到了1，分别为D4、D10、D13、D18、D22、D35、D36，表明这7个工业行业的实际规模已经达到了最优规模，而这7个工业行业中D4与D22的综合技术效率值未达到1，说明这两个工业行业的综合技术效率未达到最优原因在于纯技术效率未达到最优，这两个工业行业为提升绿色生产的综合技术效率，应以提升纯技术效率为主。

规模效率值在0.8～1范围内的工业行业有15个，分别为D3、D5、D7、D8、D9、D11、D12、D14、D16、D21、D23、D27、D31、D32、D33，这15个工业行业的实际规模虽然并未达到最优规模，但与最优规模的差距并不大，其中D7、D12、D32、D33的规模效率虽然较高，但相对于其纯技术效率，这4个工业行业在规模效率上的提升空间更大，因此这4个工业行业为提高绿色生产的综合效率，应以提升规模效率为主；对于剩余的11个工业行业(D3、D5、D8、D9、D11、D14、D16、D21、D23、D27、D31)而言，相对于优化生产规模，改进管理与技术水平更加有助于提升绿色生产的综合技术效率。

规模效率值小于0.8的有16个工业行业，表明这16个工业行业的实际规模距离最优规模有较大的差距，这16个工业行业需要进一步优化配置、改进生产规模，进而提升绿色生产的综合技术效率。

(五)综合技术效率(TE)分析

综合技术效率是对工业行业的资源配置能力及利用效率等多个方面的综合评价[26]，综合技术效率考虑了工业行业技术与规模资源利用情况，衡量工业行业总体绿色生产效率的大小。为了更直观地分析不同工业行业综合技术效率的差异及是否有效，本文按照综合技术效率值从小到大的顺序进行了数据统计(见图3)。

图3 综合技术效率值

由表4及图3可以看出，综合技术效率值达到1的工业行业有5个，分别为D10、D13、D18、D35、D36，表明这5个工业行业处于综合技术效率的前沿，效率达到最优，这五个工业行业在劳动力、资本、能源等资源的利用能力及配置能力方面已达到相对合理的组合。

除去综合技术效率达到最优的5个工业行业外，剩余33个工业行业都需要进一步提升综合技术效率，根据上述纯技术效率分析及规模效率分析可得，其中D6、D7、D12、D15、D19、D20、D25、D26、D28、D29、D30、D32、D33、D34、D37、D38这16个工业行业为提升综合技术利用率应以提升纯技术效率为主，即改善现有的管理及技术水平，提高投入绿色生产资源的利用率。D3、D4、D5、D8、D9、D11、D14、D16、D21、D22、D23、D27、D31这13个工业行业为提升综合技术效率应以提升规模效率为主，即改进资源配置、优化生产规模，最后剩余的4个工业行业(D1、D2、D17、D24)纯技术效率值与规模效率值都不高，为提升综合技术效率，不仅需要提升纯技术效率，同时也要提升规模效率。

从整体上看，38个工业行业的综合技术效率值的均值只有0.643 5，说明在现有技术水平及资源的投入上，整体的综合技术效率值偏低；并且，综合技术效率值的极差为0.842 9，且相比于综合技术效率值达到1的5个工业行业，综合技术效率排名后5位工业行业(D16、D25、D3、D2、D1)的均值只有0.307 1，综合技术效率值最低值仅为0.157 1，说明相比于处于综合技术效率前沿的工业行业，这一部分工业行业对绿色生产的重视度不足，需要进一步加大对绿色生产有关的资源与技术的投入。

四、结论与建议

本文参考现有研究成果，建立合理的工业行业绿色生产的测度指标，分别测算了38个工业行业绿色生产的纯技术效率、规模效率及综合技术效率，并根据所测算的数据进行了相应的分析，据此得出以下结论：

(1)从整体来看，我国工业行业绿色生产的综合技术效率值均值仅有0.643 5，整体的综合技术效率值偏低，我国工业行业的绿色生产的综合技术效率仍具有较大的提升空间；我国工业行业绿色生产的纯技术效率与规模效率的均值分别为0.809 0与0.808 9，纯技术效率与规模效率仍具有19.10%与19.11%的提升空间。

(2)我国工业行业绿色生产的纯技术效率达到有效的行业有农副食品加工业、烟草制品业等13个工业行业；其余25个工业行业绿色生产的纯技术效率仍具有提升空间。

(3)我国工业行业绿色生产的规模效率达到有效的行业有有色金属矿采选业、烟草制品业等7个工业行业。其余31个工业行业的绿色生产的规模效率仍具有提升空间。

(4)我国工业行业绿色生产的综合技术效率达到有效的工业行业有烟草制品业、皮革、毛皮、羽毛及其制品和制鞋业等5个工业行业。其余33个工业行业仍需要提升绿色生产的综合技术效率，不同的工业行业，其绿色生产的综合技术效率低的主要影响因素不同，在提升工业行业绿色生产的综合技术效率时应注重主要影响因素存在问题的解决。其中开采辅助活动、农副食品加工业等16个工业行业为提升综合技术利用率应以提升纯技术效率为主；黑色金属矿采选业、有色金属矿采选业等13个工业行业为提升综合技术效率应以提升规模效率为主；煤炭开采和洗选业、石油和天然气开采业、印刷和记录媒介复制业、非金属矿物制品业这4个工业行业应同时注重纯技术效率及规模效率的提升。

由此可见，我国工业行业的绿色生产仍需要改进，工业行业为提升绿色生产的综合技术效率，不仅要注重资源的投入，更要注重投入资源的使用效率。对员工按照其所具备的技能进行科学合理的人员分配，提高管理水平，充分发挥员工的工作效率；进行资金投入时，应提前对可能产生的效益进行预估，保证投入的资金能够得到有效的利用；进一步改善机器设备，减少能源的浪费，在提高能源利用率的同时也要减少污染物的排放。并且，工业行业在扩大生产规模时，应在原有生产水平的基础上，对生产流程、厂房布置、污染物处理系统及资源配置与利用等方面进行进一步的改善，保证在提高经济效益的同时不会造成污染物排放量的增加与资源的不合理利用。最重要的是工业行业应制定长期的科学合理的绿色生产规划，并根据所在行业所应注重提升的效率制定短期目标，保证行业能够按照生产规划持续提高绿色生产水平。