引言

2013年以来, 长江经济带经济总量一直保持在全国总量的三成以上, 对中国经济增长具有举足轻重的作用^{[1, 2]}。然而, 长期高强度的开发和利用导致长江经济带出现了以水环境污染为首的一系列资源环境问题。随着经济持续增长、城镇化不断推进, 长江经济带用水总量保持着持续增长的态势; 而由于废水处理不到位、乱排乱放现象严重, 长江经济带沿线地区水环境保护与治理面临巨大挑战。在污染物治理过程中, 末端治理是实现排放控制的主要手段^[3], 而污水处理设施作为废水排放的最终处理点, 在水环境治理过程中发挥关键作用。因此, 提升污水处理设施综合减排效率将会有力推动长江经济带水环境质量改善, 助力长江经济带的高质量发展。那么, 现阶段长江经济带污水处理设施的减排效率究竟怎样？其减排效率又受到哪些关键因素的制约？针对上述问题, 一些学者尝试通过构建指标体系对污水处理设施减排问题展开研究。朱五星等^[4]指出能耗大、运行费用高是影响污水处理设施运行的关键因素, 并通过多目标函数从最大削减污染物与最大节能降耗两方面对污水处理设施的减排技术进行了优化调整; 杨凌波等^[5]通过聚类分析、非参数检验等方法对中国2006年正在运行的746座污水处理设施处理工艺、能耗等因素进行统计分析, 进而指出未来应着重从污水进站比例等方面入手对设施的减排效率进行调整; 而宋国君等^[6]则利用指标体系框架分析了中国城市生活污水的管理绩效, 认为污水处理厂在设计和建设的过程中缺少连续性评估且污染物达标排放缺少相关依据, 未来应以单位污染物减排的成本作为评价城市污水处理绩效的主要指标。由于构建常规的评价指标体系仅能对整体情况加以评价, 不能良好地反映污水处理设施减排的投入产出效率, 因此一些学者尝试使用数据包络分析（Data Envelopment Analysis, DEA）对其展开研究。褚俊英^[7]、王芙蓉^[8]、吴琼芳^[9]等较早地利用DEA方法测度了污水处理设施的运行效率, 并从设施规模等角度提出了改进建议。随着DEA理论的不断发展, 许多新型DEA模型被逐渐应用到污水处理设施减排效率的评价中, Hernández-Sancho^[10]、Sala-Garrido^[11]等在样本数据存在不确定因素的条件下运用改进DEA模型对西班牙污水处理设施的运行效率进行了测度, 并指出污水处理规模与进水污染物浓度等是影响设施减排效率的重要因素; 而Trinidad Gómez等^[12]采用结合双重自举法的DEA模型对污水处理设施的运营效率进行分析, 从投入冗余的角度为设施提高运营效率提出了意见建议。为进一步深化对污水处理设施减排效率的研究, 李鑫等^[13]则在对中国413座县域污水处理设施减排效率测度的基础上, 进一步利用Tobit模型探讨了中国各区域设施减排效率的影响因素。

国内外虽然已有较多针对污水处理设施效率的研究, 但仍存在以下不足之处：首先, 现有关于污水处理设施减排效率的研究中, 使用的有效样本数量普遍较少, 不能很好地反映研究区域污水综合减排效率的整体情况。其次, 在利用DEA方法分析污水处理设施的减排效率时, 现有研究大多假设污水处理设施所处理的相关污染物具有同质性, 并未充分考虑到各类污染物对环境所造成的异质性影响, 不利于反映污水处理设施的真实减排效率。此外, 相关研究多局限于微观尺度对影响污水处理设施自身运行效率的内部投入产出要素进行分析评价, 兼顾微观与宏观尺度对影响污水处理设施减排效率的外部因素展开探讨的研究较少, 同时, 关于决策单元运营效率外部影响因素的研究大多采用Tobit模型, 但Tobit方法对模型数据分布的依赖性很强且不够稳健, 具有一定局限性, 不利于反映外部影响因素的实际作用效果。综上所述, 本文将长江经济带2017年11省（市）1117座污水处理设施作为研究样本, 在考虑各类污染物对环境造成的异质性影响下利用WSBM模型对污水处理设施的减排效率进行测度, 并利用CLAD模型对影响污水处理设施减排效率的外部因素进行分析讨论, 以期为长江经济带污水处理设施实现高效减排提供理论依据。

1 模型方法与数据来源 1.1 研究模型 1.1.1 WSBM模型

数据包络分析（DEA）是一种基于多指标输入多指标输出的分析方法, 即对多要素投入与产出之间相对效率进行评价的系统分析方法^[14]。DEA模型的基本思想是, 首先确定每一时期各决策单元的最佳生产前沿, 再用每一决策单元的实际生产同最佳生产前沿进行比较, 最终测算出所有DMU（决策单元）的投入产出效率^[15]。

DEA模型有径向模型与非径向模型之分, 传统的径向模型在评价DMU的投入产出效率时要求投入或者产出同比例变动。当存在非零松弛变量时, 往往会低估模型的方向性距离函数, 即测算出的DMU效率值会偏大; 同时也会使各DMU之间的效率值区分度较低, 不利于反映各决策单元的真实效率情况^[16]。而非径向模型则能很好地解决这一问题, 可以在存在松弛效应时优化模型的方向性距离函数, 在提高决策单元间效率值区分度的同时使效率值更加符合实际运作水平。

考虑到本文中探讨的各类污染物对环境造成的损害程度具有明显的异质性, 因此在测度污水处理设施综合减排效率时应将污染物对环境影响的差异纳入考量, 而不能将各类污染物一概而论。为了更好地测度污水处理设施的减排效率, 本文引入WSBM模型展开研究。该模型不仅整合了非径向SBM模型的优点, 同时还可以根据决策单元投入与产出指标的重要性或者对自然环境的影响程度赋以权重, 从而可以将污染物对环境的异质性影响纳入污水处理设施综合减排效率的评估中, 使模型的测度结果更加符合实际情况。

本文中的WSBM模型具体构建如下：

首先假设共有j个污水处理设施, ; 每一个污水处理设施有m个投入与s个产出, 则模型的投入与产出的向量集可以m分别表示为, 最终污水处理设施的生产效率前沿可以表示为：

(1)

其中e是元素全部为1的行向量, λ={λ₁, λ₂, λ₃, …, λ_n}。

由此, 不等式（1）可以转化为：

(2)

其中, 分别表示投入与产出的松弛变量。WSBM模型最终构建如下式所示：

(3)

式中, , w_i与w_r分别表示模型中投入与产出指标相应的分配权重。

1.1.2 CLAD回归模型

现阶段关于影响决策单元运营效率外部因素的研究大多基于Tobit回归模型展开^[17-19], 但是Tobit方法要求模型数据服从正态分布且不存在异方差, 对分布的依赖性很强、不够稳健, 具有较大的局限性。本文采用在非正态或异方差条件下也能得到一致性估计的CLAD（Censored Least Absolute Deviations）模型对影响长江经济带污水处理设施减排效率的外部影响因素进行分析, 所得结果将更具有统计学意义。

CLAD要求模型的扰动项仅为独立同分布, 该模型可以在截尾数据非正态分布与异方差的条件下得到一致估计, 并且在一定正则条件下, 模型估计量也服从渐进正态分布。模型构建如下：

(4)

(5)

最终选择使得模型离差绝对值最小的β, 得到CLAD估计量β'_CLAD。β'_CLAD的协方差矩阵可以通过自举法计算得出。

1.1.3 决策单元投入产出指标说明

在以往采用DEA方法测度污水处理设施减排效率的研究中, 多将设施内部雇员人数、运营年限等纳入模型的投入指标体系, 但我国现阶段污水处理单位的内部实际人员可能远大于设施运作所需要的人员数量; 并且我国污水处理设施平均运营年限较小, 污水处理设备老化等问题的影响相对较小, 由此将雇员人数等指标作为模型的投入指标不能很好地反映污水处理设施的实际减排效率。而污水处理设施的电力消耗作为其运营成本中最重要的部分, 其多占设施总运营资金投入的70%以上^[20], 因此采用电力消耗作为投入指标可以较好地体现污水处理设施能耗与污染物减排效率之间的耦合协同关系, 在一定程度上可以充分反映设施的综合减排效率。同时, 污水处理设施的处理规模在很大程度上影响污水的集中处理程度与运营资金的投入, 结合数据的完整性与样本的广泛代表性, 本文选取可以同时体现污水处理设施能耗与处理规模的单位污水处理能耗作为污水处理设施的投入指标。

在污水处理设施污染物减排指标的选取中, 现有研究大多将各类污染物的削减量作为设施的产出指标, 但由于不同地区、不同设施间的污染物进水浓度差距较大, 在相同处理规模与技术水平条件下污染物进水浓度高的设施, 污染物处理量要高于污染物进水浓度低的设施, 由此将污染物的削减量作为污水处理设施的产出指标并不能很好地反映设施真实的污染物减排效率。为了更好地测度评价污水处理设施的减排效率, 本文根据“十三五”规划纲要对建设沿江绿色生态廊道所提出的要求以及“总量减排”中所重点关注的污染物指标, 最终选取BOD₅、COD、氨氮与TP（总磷）四种污染物的削减率作为污水处理设施的产出指标。本文根据2003年原国家发展计划委员会等颁布的《排污费征收标准管理办法》中所确定的各类水体污染物当量数并借鉴参考Castellet等的研究结论^[21], 对污水处理设施的四项产出指标进行权重的分配, 四种污染物的权重分配如表 1所示。

1.1.4 减排效率外部影响因素指标说明

本文根据数据的可得性与相关文献研究, 假设长江经济带污水处理设施减排效率的外部作用因素主要集中在以下四个方面：

（1）人口密度与排水管网密度。人口密度是决定地区污水处理能力规划设计的关键因素, 其产生污染物的数量与浓度对设施的减排效率有着较大影响。而排水管网密度是影响污水处理设施综合处理率的重要因素, 它的高低影响污水处理设施的进站污水的复杂程度与综合处理量, 进而影响设施对污染物的减排效率。

（2）经济因素。本文以人均GDP来衡量地区经济发展水平。经济发展水平是影响一个地区的产业结构、环境保护投入等的关键因素^{[22, 23]}, 对地区污水减排效率会产生较大的影响。

（3）产业因素。因不同产业的综合排污系数差别较大, 现有研究大多认为产业特征是影响环境效率与资源利用效率^{[24, 25]}, 同时也是影响地区污水处理设施减排效率的重要因素。本文以工业废水排放量代表地区工业排污水平, 由于地区第三产业污水排放量数据的难以获得, 为了避免指标之间的共线性问题, 本文以第三产业比重代替可以衡量地区第三产业排污水平的第三产业产值进行计算。考虑到污水处理设施地处理对象多不包含第一产业的面源污染, 因此本文未将农业污染纳入产业结构指标进行考量。

（4）禀赋因素。资源禀赋一般与资源的利用效率呈负向关系^[26], 水资源丰富地区的水资源利用效率往往较低。本文利用地区人均水资源拥有量表示地区间水资源禀赋差异。

1.2 数据来源说明

考虑到数据的完整性与异常值筛选, 本文选取2017年长江经济带11省（市）1117座污水处理设施作为模型的决策单元, 各污水处理设施运行过程中的投入产出数据来自2018年《城镇排水统计年鉴》, 利用相关系数检验对投入产出指标进行相关性分析, 符合同向性假设, 可以利用WSBM模型进行减排效率的测度。同时, 本文人口密度、经济发展水平等外部影响因素数据来自2018年《中国统计年鉴》《中国城市统计年鉴》与《中国城市建设统计年鉴》。

2 结果与分析 2.1 污水处理设施减排效率评价及分析

根据上述模型对样本数据进行测算, 本文得到2017年长江经济带沿线1117座污水处理设施减排效率的评价结果（表 2）。

从微观角度来看, 在综合效率（Crste）中, 共有23个样本达到了效率的最优前沿（决策单元效率值为1）, 表明这23座污水处理设施在处理能力设计与能源等投入上的资源配置良好, 对污染物的处理效果达到了理想水平, 综合减排效率在1117个样本中处于最优水平, 可以作为行业标杆和最优实践范本, 为其他污水处理设施提高减排效率提供良好的借鉴。参考买亚宗等的研究^[27], 长江经济带污水处理设施减排效率处于较优水平（0.6 ≤ E ≤ 1）的样本个数共有116个, 占样本总数的10.38%。减排效率处于中等水平（0.4 ≤ E＜0.6）的样本个数共有419个, 占样本总数的37.51%。减排效率处于较差水平（0.2 ≤ E＜0.4）的样本个数最多, 共有485个, 占样本总数的43.42%。污水治理设施减排效率排名越靠后, 说明其期望减排产出严重不足, 在一定能源与设计能力的投入下远没有将污染物排放削减到理想程度, 其现有污染物去除技术与减排效率有较大提升空间。值得指出的是, 现阶段减排效率处于差等水平的污水处理设施的个数高达97个, 占样本总数的8.68%, 其产出不足与投入冗余现象最为突出, 制约了长江经济带处理设施污水减排效率的整体性提高, 应当是未来进行减排技术改进的重点对象。

在纯技术效率（Vrste）和规模效率（Scale）的分解中, 有32座污水处理设施的减排纯技术效率达到了最优效率前沿, 有28座污水处理设施由于自身的规模效率不足, 导致其综合效率没有达到最优效率前沿。就该28座污水处理设施纯技术效率而言, 不存在产出不足的现象, 但因现有的规模与其投入产出不匹配, 导致综合效率未达到最优效率前沿。未来应将改进重点聚焦到自身运行规模的优化, 适当增加或者缩减现有运行规模来提高减排效率。

从整体来看, 长江经济带各污水处理设施的平均综合效率为0.404, 平均纯技术效率为0.473, 平均规模效率为0.875。现阶段长江经济带污水处理设施的减排规模效率整体较高, 进一步通过改进自身规模来促进减排效率提高的空间有限, 而现有污水处理设施自身产出与投入存在着较为严重的不足与冗余, 组织管理与污染物去除技术水平仍有较大改进空间, 各污水处理设施自身的纯技术效率较低是制约长江经济带整体污水处理效率提高的关键因素。以样本1（上海崇明城桥污水处理厂）为例, 其减排纯技术效率为0.423, 规模效率达到0.899, 说明该污水处理设施对污染物的削减远未达到理想的效果（如对总磷污染物的综合削减率仅有77%, 在污水处理设施中处于较低水平）; 从设施运行规模的角度来看, 其运行规模已十分接近最优效率前沿。由此可知, 现有的组织管理架构与污染物去除技术水平是制约该污水处理设施综合效率提高的核心因素。未来该污水处理设施应在现有运行规模下加强管理组织与污染物去除技术的改善, 以促进设施污水减排综合效率提高。

2.2 污水处理设施产出不足与投入冗余分析

根据上述分析, 基于纯技术效率是影响污水处理设施减排效率的核心因素, 本文将针对长江经济带污水处理设施减排纯技术效率展开分析讨论。如表 3所示, 在现有产出水平下, 未达到最优效率前沿的污水处理设施存在不同程度的投入冗余, 即存在处理能力与能源投入配置效率有待提高的情况。样本总体中, 污水处理设施单位污水处理电力消耗的平均冗余率为49.2%, 单位能耗冗余处于较高水平, 未来污水处理设施应重点关注设施运作时的电力消耗, 促进设施节能减排, 提高综合减排效率。

在现有投入水平下, 长江经济带未达到最优效率前沿的污水处理设施产出不足较为明显, 即BOD₅等污染物的减排效率仍有较大的提升空间。以污水处理设施平均减排效率较低的江西省为例, 其BOD₅等污染物的削减效率均低于长江经济带各省（市）平均水平, 其中以污染物总磷的去除效果最差, 出水污染物削减率仅为66.96%, 削减效果亟须提高。根据表 3可知, 四项污染物平均产出不足率都处于较高水平, 其中污染物COD的削减效果较好, 平均产出不足率为2.67%, 而污染物总磷的削减效果最差, 平均产出不足率高达12.42%。说明现阶段污水处理设施对污染物总磷的去除效率较低是制约其纯技术效率提高的关键因素, 未来长江经济带污水处理设施应着重加强对污染物总磷削减技术的投入, 提高污染物总磷的削减效果, 推动污水处理设施减排效率的总体提升。

2.3 长江经济带污水处理设施减排效率空间格局差异分析

长江经济带各省份之间经济发展水平与自然环境禀赋差异较大, 本文结合《长江经济带发展规划纲要》所确立的区域发展格局将长江经济带11省（市）分为东部（上海市、江苏省、浙江省、安徽省）、中部（江西省、湖北省、湖南省）、西部（重庆市、四川省、贵州省、云南省）三个部分进行分析讨论。

如表 4所示, 长江经济带东、中、西部污水处理设施减排效率区域差异明显。三大区域污水处理设施的减排平均纯技术效率总体呈现出“东高西低”, 同时分别以上海、湖南、云南三省（市）的减排纯技术效率最高, 形成“三极”的空间分布特征。其中东部地区省（市）际平均纯技术效率最高, 为0.493;而西部地区最低, 为0.473。具体而言, 东部地区纯技术效率达到最优效率前沿的污水处理设施的个数有16个, 占长江经济带内达到最优纯技术效率前沿的污水处理设施总数的50%, 中部地区与西部地区各有8座污水处理设施达到了最优效率前沿, 占比为50%。从污水处理设施减排平均规模效率来看, 三大区域污水处理设施呈现出“中部高、东西低”的分布特征, 中部地区污水处理设施的省（区、市）际平均规模效率最高, 为0.950;而东部地区的平均规模效率最低, 仅为0.803。中部地区规模达到最优效率前沿的设施数量最多, 共有73座, 占比57.03%;东部地区与西部地区中规模效率达到最优效率前沿的污水处理设施分别有36座与19座, 占比分别为28.13%与14.84%。

东部地区由于自身良好的发展基础可以使其在环境保护与人民居住环境改善方面有相对充足的财政资金投入, 保障了东部地区污水处理设施的减排效果; 东部地区作为中国南水北调东线工程的起点, 为了缓解地区工业发达、人口众多等因素对东线工程源头水质造成的压力, 相关部门确立了“先治污后通水”的硬性要求, 这在一定程度上促进了东部地区污水处理设施纯技术效率的提高。但从东部地区污水处理设施的规模效率在长江经济带三大区域中最低可以看出, 现阶段东部地区污水处理设施的设计规模较不合理, 存在设计能力远大于实际污水处理需求的现象, 出现电能投入的相对冗余, 不利于东部地区提高污水处理设施的综合减排效率。与此同时, 东部地区污水处理设施减排的纯技术效率与规模效率的平均变异系数较大, 各设施之间污染物去除技术与减排效率差距明显, 减排效率低的设施制约了地区整体减排效率的提高。

反观中部地区, 随着我国东部、南部沿海地区不断推进产业结构转型升级, 部分高污染型企业向江西等中部省份转移, 导致中部地区产业发展不均衡, 使中部地区废水中相关污染物浓度相对较大, 增加了污水处理设施减排的压力。为了让设施出水污染物浓度达标排放, 中部地区污水设施通常采取较为高效的污染物去除技术, 从而在一定程度上保证了中部地区设施减排的效果。同时中部地区污水处理设施的规模效率在三大地区中最高, 现阶段中部地区污水处理设施的设计处理能力相对合理, 相关投入的冗余率较低, 设施“大马拉小车”的现象较少, 促进了中部地区污水减排综合效率提高。而中部地区的减排效率平均变异系数较低, 说明现阶段中部地区污水处理设施减排效率普遍较高, 未来应作为污水处理的样板供其他地区借鉴学习。

长江经济带西部地区由于其城镇化率相对较低、人口总量相对较小, 同时西部地区由于地形原因导致该地区人口分布相对集中, 有利于设施污水处理的规划与城市排水管网等基础设施的建设, 便于污水处理设施对污水的集中处理, 降低了污水收集与处理的平均成本, 促进了西部地区污水处理设施规模效率的提高。但由于西部地区污水处理设施平均运营年限较短, 设施管理运作经验相对不足, 采用的污染物去除技术并不能完全适应地区实际情况, 导致西部地区污水处理设施的技术效率较低, 成为抑制西部地区污水综合减排效率提升的重要因素。

3 长江经济带污水处理设施减排效率外部影响因素分析 3.1 模型构建与变量说明

本文CLAD回归模型具体构建如下：

(6)

式中, CE_t表示长江经济带t市污水处理设施平均减排效率; X_t1表示t市排水管网密度（km/km²）; X_t2表示t市人口密度（万人/ km²）; X_t3代表t市经济发展水平, 具体表示人均GDP（万元）; X_t4表示t市工业废水排放总量（亿t）; X_t5表示第三产业产值比重; X_t6代表t市人均水资源拥有量（m³）, 反映当地水资源禀赋条件; β₁…β₅分别表示相关变量的待估系数, µ_t表示模型随机误差。

3.2 回归结果分析

基于样本数据的完整性, 本文采用Stata 15.1软件对长江经济带2017年11省（市）中95个地级市（地区、自治州）的污水处理设施平均减排效率与其影响因素进行CLAD回归分析, 回归结果如表 5所示。

（1）人口密度与排水管网密度均对污水处理设施减排效率的提高具有显著的正向促进作用, 这与李鑫等的研究结论保持一致。地区人口密度越大说明当地人口分布相对集中, 有利于降低地区污水处理设施单位污水收集成本, 提高污水处理厂的减排效率; 排水管网的密度是影响污水处理设施污水进水量与浓度的重要因素, 排水管网密度高的城区其污水处理设施减排效率往往高于密度较低的县域地区, 排水管网密度越高越有利于提高地区污水分类处理, 较高的污水管网密度有利于促使地区内不同区域、不同类型污水分离后进入污水处理设施, 降低污水处理设施进站污水中污染物的复杂性与不确定性, 在一定程度上促进了污水处理设施减排效率的提高。

（2）经济发展水平对污水处理设施减排效率的提高具有显著的负向影响, 但作用效果较小。在其他条件不变的情况下, 人均GDP每增长1个单位, 污水处理设施的减排效率平均降低0.003 49个单位。现阶段长江经济带经济不断发展, 工业制造业产值与人民生活水平也随之提高, 但伴随着经济发展的是污水排放的显著增加。不断增长的污水排放量与相关污染物浓度给地区污水处理设施带来了较大的压力, 抑制了污水处理设施减排效率的提高。

（3）工业废水排放量对污水处理设施的减排效率的提高具有显著的促进作用, 而第三产业比重则具有明显的抑制作用。一般认为, 工业废水由于污染物成分复杂且相关污染物浓度与生活污水相比也相对较高, 是影响污水处理设施出水质量的重要因素, 但本文的研究与之相悖, 其原因可能在于当污水处理设施的进水污染物较多来自当地工业时, 往往面临较大的出水质量压力, 为了使污染物出水浓度符合相关硬性标准, 污水处理设施不得不采用更为先进有效的污染物去除技术工艺, 最终促进了设施综合减排效率提高。同时, 第三产业的污水排放主要来自餐饮业、旅游业等, 污水中相关污染物种类、浓度等与生活污水相差较小, 而由于第三产业自身的服务业性质, 第三产业比重高的地区人口流动性也相对较高, 导致污水处理设施进站污水量波动较大, COD等进站污染物的浓度浮动明显, 不利于提高污水处理设施的减排效率; 同时由于现阶段环境保护关注的重点仍然落在工业污染的防治上, 第三产业所造成的环境污染问题尚未引起充分重视, 缺少相应的管理机制^[28], 导致第三产业废水多为一次性直接排放, 进一步增加了设施的减排压力。

（4）水资源禀赋条件对污水处理设施减排效率的提高具有一定的促进作用, 但未通过5%的显著性检验。地区水资源禀赋条件影响当地企业与居民的节水意识, 在水资源比较丰富的地区, 缺水压力较小, 相关企业、居民的节水意识相对不足, 对水资源的开发和管理具有较大的随意性, 导致其排污量较水资源相对缺乏地区高, 给当地污水处理设施带来了较大的负担。同时, 较大的污水排放量, 在一定程度上也稀释了相关污染物浓度, 从而提升了污水处理设施的污染物削减率, 提高了设施减排效率。因此, 水资源禀赋条件对污水处理设施减排效率的影响具有较大的不确定性, 并未对其产生显著性影响。

4 结论与政策建议 4.1 结论

本文采用考虑产出指标分配权重的非径向WSBM模型, 以单位污水处理能耗作为投入指标, 以BOD₅、COD、氨氮、TP四种污染物的削减量作为产出指标, 测度了长江经济带1117座污水处理设施的减排效率, 并利用CLAD模型分析了污水处理设施减排效率外部影响因素的驱动效应, 最终得出以下研究结论：

（1）长江经济带污水处理设施平均综合减排效率较低且差异较大, 效率提升空间大。现阶段长江经济带污水处理设施的平均规模效率较高, 但污水处理设施的纯技术效率普遍未达到最优效率前沿, 是制约其综合减排效率提高的核心因素。从投入冗余和产出不足来看, 目前长江经济带污水处理设施的单位污水处理能耗偏高, 造成了较高的投入冗余率; 同时污水处理设施对各类污染物削减效果差异明显, 四种污染物中总磷去除率的产出不足最高, 是制约其减排效率提高的重要因素。

（2）长江经济带东、中、西部污水处理设施减排效率差距明显。长江经济带污水处理设施的纯技术效率总体呈现出“东高西低”, 同时三大区域分别以上海、湖南、云南三省份形成“三极”的空间分布特征, 其中东部地区的省（市）际平均纯技术效率最高, 中部与西部地区的设施纯技术效率相对较低; 而设施的平均综合效率与规模效率则呈现出“中部高、东西低”的空间分布格局, 中部地区规模效率达到最优效率前沿的设施数量最多, 东部地区最少, 规模效率是制约东部与西部地区设施综合减排效率提高的关键因素。此外, 东部地区省（区、市）际污水处理设施之间的减排效率水平差距较大; 而中部地区省（区、市）际污水处理设施在现有的投入规模下设施减排效率差异较小, 相对稳定。

（3）长江经济带污水处理设施减排效率外部影响因素的驱动效应差异显著。人口密度与排水管网密度对污水处理设施的减排效率具有显著的正向促进作用, 工业废水排放量虽然对污水处理设施减排效率的提高具有一定的促进作用, 但作用效果远低于地区人口密度与排水管网密度。而经济发展水平与第三产业发展因素在一定程度上制约了污水处理设施减排效率的提高。同时, 地区水资源禀赋条件对污水处理设施的减排效率具有一定的促进作用, 但其回归系数未通过5%的显著性检验, 其具体作用效果有待进一步研究。

4.2 政策建议

（1）从总体效率来看, 鉴于纯技术效率是影响长江经济带污水处理设施减排效率提升的关键因素, 长江经济带内污水处理设施应将改进的重点放在水体污染物去除技术水平上, 着重加强对污染物总磷去除技术的投入, 同时不断优化设施内部组织运作管理, 在保证水体污染物去除效果的基础上降低单位污水处理耗电量, 促进污水处理设施向“节能减排”的高效运作模式转变。

（2）从区域差异来看, 长江经济带东、中、西部污水处理设施减排效率差异较大, 长江经济带三大区域应加强地区间的交流借鉴, 东、中、西部污水处理设施纯技术效率较低的省份应分别以上海、湖南、云南地区的污水处理设施作为样板, 借鉴其较为高效的处理技术来优化自身纯技术效率; 同时东部与西部地区也应着重学习中部地区的污水处理规模设计与组织管理经验, 提升设施运作的规模效率。从微观角度讲, 减排效率较低的短板污水处理设施应以本地区减排效率达到最优效率前沿的设施为标杆, 缩小与区域内高效率设施之间的减排效率差距, 从而推动区域整体污水减排效率提升。

（3）从影响因素来看, 人口密度与排水管网密度是推动长江经济带污水处理设施减排效率提升的关键因素, 未来应进一步推进新型城镇化建设, 合理调控城镇人口空间布局; 同时也应不断完善区域内排水管网的协调规划建设, 加强地区内各污水处理设施处理技术和信息的共享, 根据各污水处理设施的处理规模与技术实现污水“分流进站”。现阶段经济发展对长江经济带污水处理设施减排效率的提高产生了一定的阻碍作用, 未来长江经济带各城市应在“共抓大保护, 不搞大开发”基本方针的指导下, 注重产业结构的优化调整, 促进经济效益高、污染物排放量小的高新技术等新兴产业的发展, 减少相关污染物排放; 同时在大力推动第三产业发展的同时, 重视解决由第三产业诱发的环境问题, 不断完善相关法律法规以规范第三产业相关污染物排放和末端处理, 助力污水减排效率的提高。