引言

“十一五”以来，党中央和国务院高度重视生态环境保护，用于环境污染治理方面的资金规模逐年上升，从2006年的2566.0亿元增长至2014年的9575.5亿元，增长近3倍。环保投资规模的大幅度增长并未有效改善环境质量，城镇化、工业化与资源开发导致的流域生态破坏、大气雾霾、土壤质量破坏、城镇人居环境恶化等问题加剧，环境污染治理和恢复的速度落后于环境的破坏速度。2014年全国环境统计公报显示，工业污染是当前环境污染的重要来源，工业大气污染尤甚（2014年工业SO₂排放占总排放的88.1%，工业NO_x排放占总排放的67.6%；工业烟粉尘排放占总排放的83.6%），可见环境污染治理效果的好坏与工业污染治理有密切的关联。我国的工业污染治理投资从2006年的1251.1亿元增长至2014年的4111.6亿元，占GDP的比例从0.57%增长至0.65%。然而，工业污染治理投入的持续增加并未有效解决我国的工业污染问题，有研究认为这是由于环保资金供给仍然不足^[1]，但大部分研究认为环保投资效率不高才是主要原因^{[2, 3]}。为进一步认识当前工业领域污染治理效率情况，同时考虑数据的时效性和可获得性，本文利用数据包络分析方法（DEA，data envelopment analysis）研究2006—2014年全国30个省（市、自治区）的工业污染治理效率现状，并分析其主要影响因素，以期为环境治理效率提升及环境质量改善提供理论依据。

1 文献综述

目前学者对于环境污染治理效率有较多实证研究：从研究角度来看，众多学者在环保投资范围、主体、区域等方面存在差异，陶敏（2011）、戴红昆（2014）等选择环境污染治理投资总额作为投入指标，对全社会的环境污染治理投资效率进行评价分析^{[4, 5]}；韩强(2009)、张平淡（2016）等选择工业环保投资，对工业领域环保投资效率进行了测算^{[6, 7]}；何平林（2011）则以环保财政支出为统计口径，分析了中国地方政府在财政上对环境污染治理的投入力度及其效率^[3]。从研究方法来看，绝大多数学者采用了数据包络分析法(DEA)对环境污染治理投资效率进行定量研究。张庆民（2011)、王宝顺(2011) 将DEA方法运用到环境污染治理投资效率的实证研究中，从宏观角度对我国环境污染治理投资效率进行测度和评价^{[8, 9]}。一些学者在DEA的基础上还使用了其他的统计方法。聂华林(2010)、严晓星（2012）采用DEA方法中的Malmquist生产率指数、效率值等测算了环境污染治理投资的静态效率和跨期动态效率的变化^{[10, 11]}。从研究结论来看，由于研究角度的不同，众多学者从不同方面得出了不同结论。李胜文等(2010) 指出我国环境污染治理投资的效率存在地区差异，有些地区经济的发展与环境污染治理效率不成正比，并且整体效率不高^[12], 胡艳（2013）的研究结果表明当前中国大多数地区环境污染治理投资效率相对较低。从规模效率的角度来看，多数地区仍处于规模报酬递增，需要进一步加大环境污染治理投资的力度^[13]；张亚斌（2014）指出我国的环境污染治理总体绩效上表现出恶化趋势^[14]；袁华萍（2016）研究发现我国大部分地区工业污染治理投资仍然存在着“高投入、低效益”的问题，并且投资效率地区差异呈扩大趋势^[15]。

总的来看，国内学者关于环境污染治理投资效率研究的理论基础是环境污染治理的投入产出对比，研究方法主要采用效率前沿分析法，如非参数数据包络分析法(DEA)、参数随机前沿分析法(SFA)等。基于以往学者的众多研究，考虑到我国工业污染的持续性和严重性，本文选择DEA模型的Malmquist指数方法，对工业污染治理的投资效率进行研究，通过测算2006—2014年30个省（市、自治区）市工业领域的环保投资效率，探求工业污染治理的效率变化原因，为效率改进提供理论参考。

2 理论与方法

DEA模型在企业、产业效率与生产率的评价方面有广泛应用，其基本模型有C²R模型和BC²模型。C²R模型和BC²模型多适用于评价静态及某一时点生产要素的投入产出效率，而基于DEA模型的Malmquist指数方法可以利用面板数据，比较生产要素在不同时期的投入产出效率，其优势在于采用最优化方法内定变量权重，不用指定投入与产出的具体函数关系，而且模型结果与变量选用量纲无关。

Malmquist指数方法通过距离函数而定义，距离函数可以从投入和产出两个不同的角度给出。投入距离函数是在给定的产出条件下，衡量投入向量能够向内缩减的程度；产出距离函数是在给定的投入条件下，衡量产出向量的最大扩张幅度^[16]。下面用公式来进行说明。

(1)

式中，（X_t -1，Y_t -1）和（X_t，Y_t）分别表示评价对象在t -1和t时期的投入产出向量；D_t -1（X _t-1，Y_t -1）表示以t -1时期技术做参照的t-1时期投入产出向量的产出距离函数；D_t -1（X_t，Y_t）表示以t-1时期技术做参照的t期的投入产出向量的产出距离函数，以此类推。M_{0, t +1}为固定规模报酬下的距离函数，即全要素生产率的变动，当其大于1时，表示生产率或投入产出效率的提升或进步；当其小于1时，表示生产率的倒退；当其等于1时，代表生产效率没有变化。式（1）中的Malmquist指数可以分解为技术效率和技术进步两个部分^{[7, 8]}：

(2)

其中，E_ch为技术效率指数，表示从t -1时期到t时期技术效率变化；T_ch为技术进步变化指数，表示从t-1时期到t时期技术水平的变化。式（2）的分解结果是基于固定规模报酬的假设，在变动规模报酬假设下可将式（2）进一步扩展：

(3)

式（3）描述了在变动规模报酬的情况下，将技术效率进一步分解为纯技术效率（P_ch）和规模效率（S_ch）的变化。

3 指标选取及数据来源

科学地选择投入产出指标对于准确、客观地分析工业污染治理投资效率是至关重要的，根据现行环境统计，选择工业污染源治理投入作为输入，具体包括废水、废气、固体废物治理投资和废水、废气、危险废物运行费，与以上投入对应的各项工业污染物的治理效果，所以输出指标选择工业废水处理量、工业废水COD去除量、工业废气SO₂去除量、工业烟（粉）尘去除量、工业固体废弃物综合利用量、工业固体废物处置量。具体见表 1。

根据Malmquist指数方法的要求和数据的可得性，本文选取2006—2014年国内30个省（市、自治区）（未含西藏自治区，该区数据缺失多，将其剔除）作为研究对象，所有的数据来源于2006—2014年《中国环境统计年报》《中国统计年鉴》。

4 实证分析

本文使用DEAP2.1软件进行分析，采用投入导向型的Malmquist指数方法。

4.1 各省（市、自治区）Malmquist指数分析

2006—2014年30个省（市、自治区）的全要素生产率（TFP）分解指数计算结果如表 2所示。总体来看，2006—2014年30个省（市、自治区）的工业污染治理投入全要素生产率平均下降1.9%，其中，技术效率指数增长4%，技术进步指数下降2.3%，可见全要素生产率的下降主要归因于技术进步的不足，说明工业领域污染治理技术的利用尚处于较为粗放的阶段，对新技术的消化吸收能力不足。技术效率的改善主要得益于纯技术效率指数的提升（增加16%），规模效率起到了拖累作用（下降12%），这说明我国工业领域的污染治理更强调管理效率的提升，而不只是依赖投资规模的增加。

对30个省（市、自治区）的全要素生产率进行分类汇总，按全要素生产率改善与未改善分为两组，结果如表 3所示。工业污染治理投入全要素生产率>1的省（市、自治区）有11个（排名前五的分别是山西、甘肃、重庆、青海、广东），占比36.7%，工业污染治理投入全要素生产率＜1的省（市、自治区）有19个（排名后五的分别是上海、河北、天津、浙江、黑龙江），占比63.3%，说明2006—2014年，我国大部分省（市、自治区）的工业污染治理投资效率较差。在全要素生产率改善的11个省（市、自治区）中，5个同时实现了技术效率的提升和技术进步，分别是山西、甘肃、重庆、青海、贵州，而山西和重庆又同时实现了纯技术效率和规模效率的提升。全要素生产率未改善的19个省（市、自治区）主要受工业企业使用先进技术的积极性不足，导致技术进步指数下降，从而直接影响全要素生产率，有7个省（市、自治区）受技术和技术效率下降的双重拖累，分别是北京、山东、黑龙江、天津、上海、浙江、河北。

4.2 各区域Malmquist指数分析

按照国家统计局的区域分类方法，将研究中的30个省（市、自治区）划分为东部、中部、西部三大区域，2006—2014年我国区域工业污染治理投资效率的比较见表 4。

从表 4可以看出，西部地区的技术效率、技术进步、纯技术效率和全要素生产率均大于东部地区和中部地区。这说明，随着《西部大开发“十二五”规划》（关于工业环境治理，提出“建立健全工业污染防控体系，加强造纸、印染、化工、制革、食品等行业及重金属排放企业污染治理，推进固体废弃物综合利用及污染防治”）的实施，工业污染治理投资设施条件明显改善，企业逐步重视对生产过程中的污染治理，取得了良好的环境效益，而且西部地区的工业环境治理设施建设落后于东、中部地区，环境污染治理效果的可提升幅度较大，效果显著。东部和中部地区的全要素生产率低的主要原因是较低的规模效率，说明东、中部地区工业环境污染治理设施建设新增投入降低，环境污染治理效果的可提升幅度较小，效果也不显著。从总体上看，三大区域的工业污染治理投资效率相差并不是很大，这也说明我国在工业发展进程中，不仅重视经济发达地区的污染治理，同时也十分重视西部欠发达地区的污染治理，能够协调好各地区之间的关系，符合科学发展、协调发展的策略。

4.3 各年度Malmquist指数分析

表 5显示了2006—2014年我国工业污染源治理效率变化情况。由表 5可知，2006—2014年工业污染治理投资全要素生产率指数平均值为0.957，小于1，表明从整体上看，我国近年来的工业污染治理投资效率提升不明显。从各年来看，除2008—2011年工业污染治理投资全要素生产率有一定程度的改善外，其他年份的全要素生产率提升不明显，尤其是2011年以来，全要素生产率逐年下降，2012年达到历史低点，仅为0.857，下降14.3%。从其分解指数可以看出，2011—2014年全要素生产率指数下降的原因主要是较低的技术进步指数，说明工业企业在引用先进技术和推广适用技术方面存在不足，阻碍了全要素生产率的提升。

5 结论与建议

本文以2006—2014年我国30个省（市、自治区）的相关数据为基础，通过Malmquist指数模型，实证分析了工业污染治理投资效率，可以得出下列结论：

（1）2006—2014年，全国30个省（市、自治区）的工业污染治理全要素生产率平均下降1.9%，主要原因为技术进步指数的下降，其中，11个省（市、自治区）实现了全要素生产率的改善，山西省的污染治理全要素生产率最高，19个省（市、自治区）出现了下降，下降幅度最大的为上海市。

（2）从区域角度看，西部地区在技术效率、技术进步、纯技术效率和全要素生产率方面均大于东部地区和中部地区，东部和中部地区的全要素生产率低的主要原因是较低的规模效率。

（3）从时间维度看，2011年以来，全要素生产率逐年下降，下降的原因主要是较低的技术进步指数。

根据以上实证分析结论，为了提高我国工业污染治理的投入产出效率，发挥工业污染治理各项投资的最大效益，本文提出如下对策建议：

（1）推动企业生产技术创新和污染治理技术创新。技术水平是影响工业污染治理投入的关键要素，同时企业技术创新是实现能源节约和减少污染排放的根本途径，地方政府要通过对科技创新企业实行税收优惠政策进行正向激励，对符合条件的科技研发项目给予财政资金支持，加强适用技术及工程的示范推广。具有自主创新能力的企业一方面要注重加强生产工艺的创新，另一方面要注重废物利用基础性技术的研发，并及时将创新成果应用于生产各个流程，扩大环境污染治理的前端预防效果。对于缺乏自主创新能力的企业，要积极引进先进的技术设备，改造原有生产工艺，降低单位产值的资源消耗；或加强与高校、科研机构等参与主体的研发合作，大力研发环境污染治理技术，提高污染治理效果。环境污染治理具有多中心特征，需要政府、企业和其他社会组织的相互合作，共同提供与污染治理相关的产品、技术和资源。

（2）正向激励与反向约束并施一同促进工业企业加大污染治理投入。适度的投资规模是企业提升污染治理效果的重要保障^[17]，一方面通过正向引导政策鼓励企业加大环境污染治理投入，对于治污企业污染治理设施运行用电、用水、用地等给予优惠，统一执行大工业电价、企业优惠水价，企业从事国家重点支持的环境基础设施项目经营所得，符合条件的环境保护、节能节水、固体废物处置利用项目所得，积极落实并享受所得税、增值税减免等优惠；另一方面通过反向制约政策，倒逼企业加大污染治理投入。依据行业污染程度制定不同的排污收费税^[18]，提高企业的资源利用成本和违法排污成本，以减少重污染企业数目，环保部门则要加大对企业排污行为的监管力度，及时公开发布企业排污信息，对于超标排放、偷排污染物等违法行为，按照新环保法要求及时进行处罚，落实企事业单位治污责任。

（3）鼓励企业采用环境污染第三方治理方式治污。鼓励企业通过缴纳或按合同约定支付费用，委托专业的环境服务公司进行集中式、专业化治理，并可委托专业的环境服务公司开展环境诊断、生态设计、清洁生产审核和技术改造等活动，有助于企业更加专心于生产活动，而无须过多担心环境问题。通过发挥第三方治理公司的技术和管理优势，不仅可解决工业企业的环境污染问题，而且可通过制定按效付费机制从根本上提升治污效率。