基于三阶段DEA-Tobit模型的东海陆源污染治理效率及其影响因素研究

李强华,华 悦

(上海海洋大学海洋文化与法律学院,上海 201306)

引 言

随着中国工业化和城市化的快速推进,人们对于资源和空间的需求不断扩大,陆域经济发展的诸多限制促使东部沿海地区将战略重点转向海洋[1]。海洋经济作为促进东部沿海地区转型发展新的增长极,在高度推动地区发展的同时也带来了许多严重的近海污染问题,陆源污染就是其中之一。研究表明,海洋污染物的80%以上来自陆源污染[2],污染物的直排入海导致近岸海域受污面积不断扩大、近海生态质量逐渐恶化、生物多样性面临威胁、海洋生态系统的平衡被打破。因此,针对东海陆源污染问题进行实证分析,提出陆源污染防治对策,对于坚持陆海统筹、科学治理海洋污染具有重要意义。“陆海统筹”概念提出于2004年,其内涵由最初的陆海经济协调发展拓展为陆海两大系统在生态环境、经济、资源、文化等多方面的优势互补和协调发展。2017年上升为“坚持陆海统筹,加快建设海洋强国”的国家战略部署。坚持陆海统筹、科学治理要从根源上防控陆源污染。在“陆海统筹,保护优先”的新格局下,陆源污染防治从控制单一污染源转向多污染源控制,从单纯以防治污染为主逐渐向污染防治和保护海洋生态环境并重转变,从以陆定海的传统向陆海统筹、保护优先的统筹发展观转变。陆源污染治理必将向综合化、整体化的统筹管理迈进。

国外学者率先研究了海洋陆源污染治理问题。Antoinette等[3]提出通过综合应用生态系统方法、国际法及欧洲法联合法律制度解决地中海陆源污染问题;David[4]认为可以借助于国际组织强有力的组织力量和制度约束来治理海洋陆源污染;Peter[5]建议制定全球公约约束向海洋的排污行为。国内学者对此也进行了研究。在法律制度方面,郭翎洁[6]、王书明等[7]和张立慧[8]分别研究了海洋污染的国家管辖制度、公众参与防治制度和防治法律制度;在政策实施方面,陈平等[9]、戈华清等[10]、李宁[11]和陶旭[12]分别研究了排污治理工程投资政策、资金防治政策、治理政策实施和防治管理体制;在政策比较方面,张继平等[13]、熊敏思等[14]对比分析了中日、中澳治理政策实施的主体、手段及监督方面的异同。

三阶段Dea-Tobit模型在国内实证研究领域运用较为广泛。主要聚焦于科技金融效率、农业生产效率、海洋科技创新效率、精准扶贫绩效评价及其影响因素研究等方面。李林汉等[15]对2015年我国省际科技金融进行测算,并用tobit模型对其影响因素进行分析,认为我国省际科技金融效率普遍偏低,建议加大高技术产业的经费投入,增进资本积累并优化资源配置。宁凌等[16]以2006—2018年我国11个沿海地区海洋创新效率为研究主题,评估其效率并分析其影响因素,认为规模效率过低限制了海洋科技创新效率的提高,建议完善海洋科技创新支撑体系,形成创新驱动发展的科技兴海长效机制。崔迎迎等[17]利用三阶段Dea模型对安徽省16个地市农业生产效率展开评估,发现安徽省各地农业生产效率存在很大差异,效率水平存在很大提升空间。东梅等[18]以产业扶贫为例,研究了2013—2017年六盘山集中特困地区21个贫困县精准扶贫效率及其影响因素后表明,公共财政支出和耕地面积会显著影响扶贫的绩效。

综上可知,关于陆源污染治理问题的研究,在研究内容上主要集中于治理法律制度和政策实施等方面,在研究方法上主要采用定性的理论分析,实证研究较少。目前国内学者李京梅等[19]和周申蓓等[20]将海洋陆源污染治理和三阶段DEA模型相联系,分别运用DEA-Malmquist和三阶段DEA模型对我国海洋陆源污染进行实证分析,但他们将沿海城市视为一个整体进行效率评估,缺乏对东海陆源污染问题做个案的研究,也未具体分析其影响因素。本文搜集沿东海的上海市、浙江省及福建省三个省市2008—2019年的各项投入产出和环境指标数据,并以年度为标准划分为12个绩效衡量单位。本文研究区域如图1所示。运用三阶段DEA模型对东海海洋的陆源污染治理效率进行评估,对比分析第一阶段和第三阶段的数值变化和原因,讨论外部环境变量对陆源污染治理效率的影响程度,建立Tobit模型对影响因素做进一步的分析,在此基础上提出改善治理效率的建议。试图在理论上拓展海洋陆源污染的研究视角,实践上为沿东海地区政府治理陆源污染提供借鉴。

图1 研究区地理位置

1 研究方法

1.1 三阶段DEA模型

数据包络分析方法(Data Envelopment Analysis,简称DEA)是评价具有可比性的同类型单元相对有效性的工具之一,主要包括规模报酬不变的CCR模型(该模型由Charnes A, Cooper WW, Rhodes E等人提出,简称CCR模型)和规模报酬可变的BCC模型(该模型由Banker RD, Charnes A, Cooper WW等人提出,简称BCC模型)。BCC模型在CCR模型基础上,将综合效率值(Total Efficiency,简称TE)分解为规模效率(Scale Efficiency,简称SE)和纯技术效率(Pure Technical Efficiency,简称PTE),TE=PTE*SE。Fried等[21]认为传统DEA方法未将环境因素、随机干扰及管理无效率的作用考虑进来,他们构建SFA(随机前沿分析方法Stochastic Frontier Analysis,简称SFA)回归方程对其进行剥离,再次计算效率值,由此测得的效率水平更加贴合真实效率情况。此过程的构建有三个阶段,因此被称为三阶段DEA。

1.2 第一阶段:传统DEA测算

陆源污染包含的范围广,评价陆源污染治理效率的指标较多,就治理效率而言,产出控制的不可控因素较多,因此选取投入主导的规模可变BCC模型进行分析。BCC模型可表示为式(1):

(1)

式中,i=1,2,…,n;S-和S+分别是投入松弛变量和产出松弛变量;θ为评估决策单位的有效值,0≤θ≤1。θ值越接近于1,表明污染治理效率越高。当θ=1时,且S+=S-=0,则评估决策单位DEA有效。当θ=1时,且S+≠0或S-≠0,则被评估决策单元为弱DEA有效。当θ<1时,被评估决策单元非DEA有效。在此阶段,利用搜集到的投入和产出指标初步计算东海海洋陆源污染治理效率值,效率值θ接近0时,即认为治理效率不高,反之,效率值θ接近于1时,则认为治理效率良好。

1.3 第二阶段:随机前沿分析(SFA)方法的投入产出调整

第二阶段主要考察SFA模型的必要性并排除环境因素和随机噪声对治理效果的干扰。以第一阶段测得的松弛变量和选取的外部环境指标分别作为第二阶段的被解释变量和解释变量进行SFA回归研究。通过SFA模型对环境因素和随机误差因素进行剥离,提高DEA准确性。如式(2)所示:

Smk=f(Zt;βm)+Vmk+μmk,κ=1,2,…,K;m=1,2,…,M

(2)

通过SFA模型的回归分析,排除外部环境因素和随机干扰的作用,得到修正后的投入量,如式(3)所示:

(3)

1.4 第三阶段:调整后的DEA模型

2 指标选取和数据来源

在东海陆源污染治理效率的评价指标选取上,为构建一个具有客观性和可操作性的指标体系,部分参考周申蓓等[20]构建的指标,同时兼顾研究数据的可获性,构建如下指标体系。如表1所示。

表1 三阶段DEA投入、产出及环境指标

2.1 投入指标

依据柯布—道格拉斯(Cobb-Douglass)生产函数(简称C-D生产函数),东海陆源污染治理可以分为资本投入和人力投入两部分。高污染、高耗能的工业废水是直排入海污染物的主要组成部分,沿岸企业排出的工业废水越多,直排入海的陆源污染物含量就会越多,因此对于工业废水的治理资金投入在一定程度上反映了对于陆源污染治理的资金投入;在陆源污染治理过程中,需要专门的海洋人才从事海洋污染治理技术研发和实施污染治理,因此,选取海洋机构人才能够有效反映陆源污染治理时在人力上的投入情况。

2.2 产出指标

产出指标以反映东海陆源污染治理效率为目的,主要体现在陆源的排污量变化情况和海洋污染治理效果两个方面。在陆源污染的源头处测量工业废水排放变化情况以及由陆源污染引起的海洋水质变化和海洋灾害变化情况可以多方面衡量陆源治理产出的结果。因此,选择工业废水排放减少量、劣四类水水质减少量、东海海域赤潮减少量等因素作为产出指标。

2.3 环境变量

三阶段DEA模型以“分离假设”为前提选取外部环境变量,因此所选指标必须是对陆源污染治理效率产生影响但又非主观可控的。人的因素诸如人口规模、环境保护意识、教育水平等都会对海洋环境造成影响,人口规模的扩大会对自然资源与环境造成一定的压力,因此选取年末常住人口数量作为外部环境变量之一;城市化的快速推进和经济规模的扩大会给海洋环境造成压力,经济增长过程中扩大了对海洋资源的需求,过快的经济活动频率带来了大量浪费进而影响海洋环境,因此选取GDP总量作为外部环境变量之二;政府对于海洋污染治理和科技兴海的重视会带来一些利好的政策扶持和资金支持,科学治海技术的进步可以减少单位经济产出的污染排放量,提高污染的治理效率,因此选取研发支出作为外部环境变量之三。

2.4 影响因素

结合宁凌等[16]和许亮等[22]的研究成果,本文从海洋人才支撑、海洋经济发展、海洋环境治理力度及地方政府支持四个角度,选取海洋科技人才组成结构、海洋经济规模、沿海地带污染治理情况及环境保护力度作为东海陆源污染治理的影响因素,如表2所示:(1)海洋科技人才是实现海洋污染治理技术研发和创新的重要载体,人才结构的优化客观上会促进海洋污染治理效率的提升,所以用海洋高级职称人员占海洋人才的比例反映人才素质情况;(2)海洋经济规模的扩大加快了海洋经济活动的频率,导致海洋资源消耗严重,也给海洋生态环境带来一定负面影响。沿海地带海洋经济总产值可以表征海洋经济发展情况;(3)陆源污染主要来自于工业废水直排入海,规模化的高技术企业可以提供海洋清洁技术,减少污染量,因此大中型高技术企业个数和治理废水当年竣工项目数量可以反映出海洋陆源污染治理力度;(4)由于环境污染治理需要大量资金,作为环保措施的实施者,政府资金投入对于治理尤为重要。因此用沿海地带环境保护投资占GDP比例可以反映政府治理海洋污染的情况。

表2 影响因素

2.5 数据来源

本文选取2008—2019年的相关数据,其中东海陆源污染治理的投入、产出及环境变量数据来自《中国统计年鉴》《中国海洋统计年鉴》《中国近岸海域环境质量公报》《中国海洋灾害公报》及《中国科技统计年鉴》。东海陆源污染治理效率影响因素数据来自于《中国海洋统计年鉴》《中国环境统计年鉴》及《中国高技术产业统计年鉴》。

3 基于三阶段DEA模型的东海陆源污染治理效率测算

3.1 第一阶段:传统DEA实证结果及其分析

此阶段需要使用DEAP2.1软件进行研究,DEAP2.1软件是一款专门用于DEA模型运算的软件。根据所收集到的数据,运行DEAP2.1软件测算传统DEA实证结果来分析治理效率情况。如表3所示,不考虑环境变量和随机噪声的干扰时,东海海域陆源污染治理的平均纯技术效率PTE为0.889,平均规模效率值SE为0.782,平均综合技术效率TE为0.930,平均规模效率值小于平均纯技术效率值,规模效率的低下导致东海陆源污染治理效率低下。其中有2008—2011、2013、2014、2016和2018年8年的技术效率达到了1.000,即处于技术效率前沿,其余年份则面临不同程度的纯技术效率和规模效率提升空间。同时,非DEA有效的年份83%处于规模报酬递减状态,可见2008—2019年间陆源污染治理投入冗余突出,污染治理的规模化程度较低。表3中的第一阶段结果尚未剔除环境因素和随机干扰的影响,求得东海实际治理水平,还需利用SFA分析方法对相关数据做下一步的修正和评估。

表3 第一阶段和第三阶段DEA效率值

3.2 第二阶段:SFA回归结果及其分析

利用软件Frontier4.1和SFA方法测算外部环境指标对于投入变量的影响程度。将第一阶段所得工业废水治理投资完成额和海洋机构人才的松弛变量作为SFA回归函数的因变量,同时将选取的三个环境因素指标作为自变量。若呈负向的回归函数关系,则环境变量的增加有利于投入超量的减少,进而改进陆源污染治理效率;若呈正向的回归函数关系,则环境变量的增加导致投入冗余的浪费,进而降低治理效率[23]。回归结果如表4所示。外部环境变量对陆源污染治理过程中的投入变量冗余影响程度不同,证明了利用SFA回归分析是有必要的,具体分析如下。

表4 陆源污染治理效率SFA回归结果

(1)年末常住人口数量对财力投入和人力投入均呈正向关系,且均在1%水平下显著。东部沿海地区人口数量越多,财力和人力的投入冗余越大,造成了资金和人才的浪费,反而降低了陆源污染治理的效率,这是因为海洋保护意识的淡薄和治理人才队伍水平良莠不齐。

(2)GDP总量对财力投入和人力投入均呈负向关系,且均在1%水平下显著。社会经济发展水平的提高,促使政府加大对陆源污染治理资金和人才投入,减少投入冗余,有利于实现投入资源的有效配置,提升污染治理效率。

(3)研发资金支出对两个投入松弛量均呈正相关关系,且均在1%水平下显著。由于沿东海地区缺乏对海洋污染治理项目投资的合理规划,未能使资金分配结构达到最优,造成资金和人力资源的浪费,降低了陆源污染治理效率。

3.3 第三阶段:调整投入后的DEA实证结果及其分析

以表4的回归结果为基础,根据式(3)对投入指标进行调整,产出指标不变,利用修正后的投入指标再次运行Deap2.1软件重新计算DEA效率情况,具体结果如表3所示。在剔除外部环境和随机误差后,东海海域陆源污染治理的平均综合技术效率TE为0.693,平均纯技术效率PTE为0.977,平均规模效率值SE为0.953。对比第一和第三阶段可以看出,综合技术效率值减少了0.237,纯技术效率值增加了0.088,规模效率值增加了0.171,DEA效率值有34%的跌幅,治理效率未达到最优状态。同时,从规模收益来看,2008—2019年12年间有5年是规模报酬递减,1年是规模报酬递增,6年是规模报酬不变。规模报酬递减和规模报酬不变的有效年数远远大于规模报酬递增的有效年数,因此与第一阶段推测相同,大多数年份陆源污染治理投入冗余依然突出,规模效率程度依然很低,这就导致了沿东海地区陆源污染治理水平低下。

4 基于Tobit模型的东海陆源污染治理效率影响因素分析

4.1 Tobit模型

经济学家Tobin首次提出Tobit模型用来解决被解释变量具有的上下限和极值问题。由于东海陆源污染治理效率值介于0～1之间,具有非负截断特征,宜使用受限因变量模型(Limited Dependent Variable Model)即Tobit模型[24],进一步分析影响因素情况。具体如式(4)所示:

Yn=β0+βTXn+μn

(4)

式中,n=1,2,3,…,N;Yn为第n年东海陆源污染治理松弛量;Xn为可观测的环境变量;βT为待估系数;μn为独立且满足μn～N(0,σ2)的残差项。

4.2 Tobit模型实证结果及其分析

将第三阶段计算出的东海陆源污染治理效率值作为被解释变量,引入海洋人才组成结构、海洋经济规模、大中型高技术产业企业数、治理废水当年竣工项目数和环境保护投入力度这5个影响因素作为解释变量,运用STATA16软件进行回归。具体结果如表5所示。

表5 东海陆源污染治理效率影响因素Tobit模型回归结果

由表5的回归结果可知,海洋经济规模和大中型高技术企业数与陆源污染治理效率呈显著正相关,可以得出当上述两个变量分别提高1%时,陆源污染治理效率分别增加0.056 7%和0.076 2%;海洋人才组成结构和环境保护投入力度对陆源污染治理存在负向影响,海洋人才组成结构和环境保护力度每增加1%,陆源污染治理效率分别降低5.036 8%和31.533 9%。治理废水当年竣工项目数与陆源污染治理呈不显著关系,无法判断其能否提高治理效率。

回归结果表明:第一,海洋经济规模和大中型高技术企业数与陆源污染治理效率呈显著正相关,其中,大中型高技术企业数对治理效率的影响程度大于海洋经济规模,意味着高技术企业数量和发展规模化程度是促进治理效率提高的首要因素。第二,海洋人才组成结构和环境保护力度对陆源污染治理效率存在消极作用,实证结果与原假设相悖,这说明单纯依赖环境保护投入不足以提升治理效率,资金使用时可能缺乏相应的管理和监督,反而造成投入冗余,不利于提高治理效率;同时,海洋人才组成结构的有待优化也会抑制治理效率的提高,可能因为人才海洋保护意识的淡薄以及治理水平的良莠不齐,这与SFA回归结果相吻合。第三,治理废水当年竣工项目数与治理效率之间关系不显著,这可能是因为治理废水竣工项目数不能完全反映海洋污染治理力度情况。

5 结论与建议

本文采用三阶段DEA模型,剔除环境因素影响,对2008—2019年东海海洋陆源污染治理效率进行测算,最后运用Tobit模型分析其影响因素,得出以下结论:(1)排除环境因素和随机噪声的影响后,纯技术效率值和规模效率值均有所上升,综合技术效率值有所下降;(2)第一和第三阶段运行结果显示,规模效率值均小于纯技术效率值,且大多数年份处于规模报酬递减状态,治理过程中规模效率的低下抑制治理效率的提高;(3)海洋经济规模和大中型高技术企业数与陆源污染治理效率呈显著正相关,海洋人才组成结构和环境保护投入力度对陆源污染治理存在负向影响。

针对上述研究结论,提出如下建议:

(1)扩大陆源污染治理规模,形成规模经济效应。上述分析结果显示,规模效率低下是导致污染治理水平偏低的主要因素。现阶段东海沿岸企业是污染直排入海的大户,由于海洋污染治理对技术设备的要求高,专业性强,一般企业不具备这种能力,同时大部分企业对直排入海污染物实行分散化管理,造成了有待优化的治理现状。因此东海沿岸应该考虑成立集中管理的海洋污染治理机构或吸引具有资质和高新技术的大型治污企业入驻,通过市场化运作,以扩大陆源污染的治理规模,提升治理的规模化效率。

(2)科学规划海洋污染治理投资,优化资金分配结构。理论上,研发资金和环保资金的大量投入对于海洋污染治理的提升有积极效果,但上述回归结果显示,资金的投入反而不利于治理效果的加强,这说明了资金使用时可能缺乏相应的管理和监督,资金分配不均衡的问题较为突出。首先,要强化对资金监管者的考核力度,通过设定相应的奖励标准来激励监管者履行好其职责,同时保证资金分配的透明度,形成全社会监督的局面。其次,应合理规划治理项目投资,有所侧重地扶持海洋清洁产业发展,成立海洋污染治理专项扶持资金,按照“突出重点,兼顾一般”的原则优化资金配置。

(3)积极培育海洋人才,努力建设优良的治理人才队伍,增强海洋保护意识。沿海东部地区在着重经济建设的同时,还需将人力资本适配问题提上议程。因此,应该完善海洋人才引进机制,加强海洋清洁技术人才的培养和海洋产业在岗人员的培训,建设优良的海洋治理人才队伍。同时,SFA回归结果表明,人口数量的增加不利于海洋陆源污染治理效率的提升,所以应该尽量控制东部沿海地区人口规模,在全社会积极培育海洋保护意识,加快推进东海沿岸地区海洋经济健康发展。