1、Vol.44 No.3Jun.2023大连大学学报JOURNAL OF DALIAN UNIVERSITYJOURNAL OF DALIAN UNIVERSITY第44卷 第3期2023 年 6 月低碳背景下中国废气污染治理投资效率及影响因素研究魏 峰，张 晴（安徽大学 大数据与统计学院，安徽 合肥 230601）摘 要：废气污染投资效率是中国高质量发展的基本动力支撑，因而备受关注。中国在工业发展过程中常忽视环境问题，导致中国当前废气治理投资不足、效率低下。基于中国低碳发展背景下废气污染情况，考虑超效率 SBM（slacks-based measurement）模型及 ML（Malmquist
2、-Luenberger）指数，测度 20112019 年中国 30 省的废气污染治理投资效率，并根据空间杜宾模型（spatial dubin model，SDM）进一步分析影响因素的空间自相关性。结果表明，中国废气污染治理投资效率较为低下，不同地区间治理投资效率差异较大；中国低碳废气治理投资效率整体呈增长趋势，主要得益于技术进步；省际低碳废气治理投资效率存在空间溢出效应；产业结构和受教育水平对中国低碳废气治理投资效率表现为负向作用，科技水平、经济发展以及城镇化率为正向作用。最后提出提高中国低碳废气治理投资效率、促进中国高质量发展的相关政策建议。关键词：低碳发展；治理投资效率；超效率 SBM 模
3、型；ML 指数；空间杜宾模型中图分类号：X196 文献标识码：A 文章编号：1008-2395（2023）03-0042-12收稿日期：2022-09-11基金项目：国家社会科学基金项目“基于马克思劳动生产力理论的技术进步测度方法研究”（19BJL004）。作者简介：魏峰（1974-），女，副教授，主要从事产业经济学研究；张晴（1996-），女，硕士研究生，主要从事经济统计研究。一、引言经济发展与建设过程中，生态与环境保护问题容易被忽略，人类生产活动中消耗的各类能源燃烧排放大量有害物，同时产生的二氧化碳也导致碳排放问题加剧。2019 年中国碳排放占世界排放量的26.4%，中国正面临着巨大的碳压
4、力。不仅如此，随着工业化快速发展，各种工业废气和温室气体排放量随之大量增加，严重危害人类身体健康。当前中国废气污染治理投资水平远低于经济发展，废气治理对于资金供需矛盾日益突出，经济发展与低碳减排目标难以平衡。此外不同地区间经济发展差异较大，地理气候条件及产业发展等各种因素作用下，省际废气治理投资效率存在显著差距。因此，研究省市间废气治理投资效率并针对不同地区制定相应的低碳减排政策显得尤为重要。对于环境治理投资效率研究，学者主要从工业污染、大气环境、废水治理等方面进行研究。张平淡等1、袁华萍2、刘炎德等3以工业污染源治理投资总额为投入指标，分析了各地区工业污染治理投资效率。吕晓剑等4、张羽等5基
5、于超效率 SBM（slacks-based measurement）模型，以 PM2.5 浓度值作为产出指标，构建大气环境效率测度模型并对其动态演变特征进行分析。刘莹等6、孙玉阳等7从中国不同省级行政区、各流域视角对工业废水治理效率进行评价，提出优化资源配置、调整工业结构、降低水污染排放强度的政策建议。在研究方法方面，学者首先将传统数据包络分析（data envelopment analysis,DEA）模型运用于效率分析。向书坚等8、尹怡诚等9用传统 DEA 方法对中国废气污染效率进行评估并提出优化对外贸易结构、提高企业的环境监管能力以及推进源头治理等措施。刘丽波10根据 DEA 模型研究江
6、西 11 个市环境治理投资效率，结果表明江西省废气治理投资效率较高。张璇等11在 DEA 模型的基础上结合Tobit 回归模型测度财政分权对中国 30 个省份的环 数据来源：Climate Watch，https:/www.climatewatchdata.org/43第3期保投资效率的影响，研究表明财政分权对中国环保投资效率有抑制作用。但传统模型未考虑随机因素的影响以及投入产出的非径向调整问题，因此提出了改进的三阶段 DEA 模型12-15和 SBM 模型16-18；为解决无法评价有效决策单元效率问题，学者进一步提出超效率 DEA 模型19,20和非径向的超效率SBM 模型21-23测度环境
7、效率。以上研究对中国废气污染治理投资方面有重要的借鉴意义，但仍有不足。目前学者的研究视角集中于环境治理效率，对于废气污染关注较少；且在现有的废气污染研究中较为关注废气治理效率，鲜有文献从低碳背景视角出发测算废气污染治理投资效率。中国在环境治理的同时推行低碳发展战略，从低碳背景出发，更能综合反映中国废气治理投资效率。因此，本文结合衡量碳排放及废气治理投资的投入产出指标，运用超效率 SBM 模型与 ML（Malmquist-Luenberger）指数从动静两个方面研究中国低碳废气治理投资效率，以中国 30 个省份为研究对象，将不同地区间的效率进行比较分析；此外，采用空间杜宾模型（spatial d
8、ubin model，SDM）研究中国低碳背景下废气污染治理投资效率的空间演变特征，分析不同区域间低碳废气治理投资效率的影响因素及空间溢出效应，以期为推动中国废气治理投资与低碳排放工作提出可行性建议。二、研究方法与数据选取（一）超效率 SBM 模型DEA 模型在 1978 年被提出24，利用输入和输出进行决策单元相对效率的测算。传统的 DEA 模型主要有 BCC 模型和 CCR 模型，但均未考虑非径向的投入或产出松弛25，因此 Tone26提出了基于松弛的 SBM 模型，将投入过剩和产出不足考虑在内，识别决策单元的低效率。在此基础上 2002 年Tone27提出超效率 SBM 模型，弥补了 S
9、BM 模型无法比较高效率决策单元的不足，同时也解决了传统 DEA 模型无法评价非期望产出效率问题。超效率SBM 模型公式如下：式中，表示决策单元的个数，指代本文中 30个省份；为低碳废气治理投资效率值；为权重向量；、和 分别为投入变量、期望产出以及非期望产出个数；、和 为投入和期望产出、非期望产出的松弛变量；为最优的一个参照系，即虚拟的有效决策单元。（二）Malmquist-Luenberger 指数超效率 SBM 模型只能用来测算静态的低碳废气治理投资效率，不能反映跨年份动态效率变化。Chung 等28利用几何平均值方法构建考虑非期望产出的 ML 指数，并将该指数分解为技术效率指数 EC与技
10、术进步指数 TC29。因此本文采用 ML 指数来进行低碳废气治理投资效率的动态测算。从 期到期的 ML 指数定义为：技术效率指数又可进一步分解为纯技术效率变化 PEC 和规模效率变化 SEC，当，表示低碳废气治理投资效率从 期到期有所提高。（三）空间自相关检验1.空间莫兰（Morans I）指数空间自相关分析主要考察要素是否存在空间聚集情况，本文选择从全域视角来反映空间相关性的全局 Morans I 指数来进行检验，公式如下：魏 峰 等：低碳背景下中国废气污染治理投资效率及影响因素研究大连大学学报44第44卷式中，为空间权重矩阵，本文选取经济距离矩阵30，即用两地间人均GDP（国内生产总值）差
11、值衡量；表示在 省的低碳废气治理投资效率，该模型的原假设为不存在空间自相关性，当拒绝原假设时认为存在空间相关性，可以选择空间计量模型。2.空间杜宾模型传统计量模型会忽视变量间的空间相关性影响，导致计量结果出现偏误。由于经济、高素质人才等流动性以及科技水平、产业结构的拉动性特征，中国低碳废气治理投资效率也可能受邻近地区的影响，而空间计量模型能够对区域间的依赖性及空间溢出效应进行分析，通过引入空间权重矩阵，反映溢出效应方向和强度。本文通过 LR 检验和 Wald 检验，选择了考虑邻近省份解释变量与被解释变量对本地区效率有影响的空间杜宾模型31，具体公式如下：式中，为超效率 SBM 模型计算得到的中
12、国低碳废气治理投资效率；为经济距离矩阵；为空间自回归系数；表示为随机误差项；为第 个省份第 年的影响因素；为邻省效率对本地效率的影响，反映因变量的空间溢出效应；则为邻省影响因素对本地效率的空间溢出效应；、和为相应的回归系数；反映了时间固定效应。（四）指标的选取及数据来源1.投入产出指标的选取超效率 SBM 模型作为超效率 DEA 模型的一种衍生模型，对指标的选取有一定的要求，因此建立低碳视角下中国废气污染治理投资效率的评价体系，投入产出指标的选取应满足科学性、代表性、精简性和目的性的原则32。研究中国废气污染治理投资效率，除了传统的废气治理投资指标，建立评价指标还应创新性的结合低碳背景。在投入
13、指标的选取方面，本文根据已有的研究成果33-36以及数据的可获得性，选取环境保护支出作为环境治理投资指标，选取工业废气污染治理设施数和工业污染设施费用作为废气污染治理投资指标，低碳经济发展背景中，能源消耗过程中的碳排放是主要的碳排放来源，因此本文选取能源消费总量作为能源投入指标。对于产出指标的选取，选择 GDP 作为期望产出，本文选择废气排放总量作为衡量废气污染治理投资产出的指标。废气污染物排放中，主要的污染物代表是二氧化硫、氮氧化物和烟粉尘等颗粒物，故废气排放总量用二氧化硫、氮氧化物和颗粒物排放量之和表示。本文选择二氧化碳排放量作为衡量碳排放的指标，中国低碳发展要求碳排放减少甚至零碳排放，符
14、合中国低碳发展的经济背景。其中工业废气治理设施处理能力为期望产出，废气排放总量和二氧化碳排放量为非期望产出。表 1废气治理投资的指标选取指标变量单位投入指标环境保护支出亿元工业废气治理设施数套工业废气治理设施本年运行费用万元能源消耗量万吨产出指标实际 GDP亿元废气排放总量吨二氧化碳排放总量万吨2.影响因素的指标选取本文主要从产业和经济发展等方面选取了第二产业比重、R&D（研发）经费内部支出、实际人均可支配收入、城镇化水平和受教育程度 5 个因素作为环境指标。（1）产业结构（）：空气污染物排放主要来源于工业，且工业对能源的需求量也较大，工业属于第二产业，因此选取第二产业比重来反映产业结构变化对
15、国家耗能及污染物排放量的影响，第二产业比重为第二产业增加值与地区生产总值的比值。（2）科技水平（）：科技投入反映了一个地区创新能力，创新是国家和地区的第一发展动力，对中国低碳废气治理投资效率有重要影响，因此选择实际 R&D 经费内部支出的对数表示科技投入指标。（3）经济发展（）：国家和社会发展体现在经济状况。国家快速发展，居民收入增加，人均可支配收入能实际反应当地的经济发展状况，因此45第3期魏 峰 等：低碳背景下中国废气污染治理投资效率及影响因素研究本文采用实际人均可支配收入的对数形式来衡量当地的经济发展水平。（4）城镇化率（）：城镇化水平与生态环境之间存在相互制约、相互依存的关系，因此本文
16、选择城镇化水平作为废气污染治理投资效率的影响因素之一，城镇化水平为城镇人口与年末常住人口的比值。（5）教育水平（）：高素质人才是实施创新活动的主体，最好的资源莫过于人才资源，因此本文选择用各地区的人均受教育年限的对数表示受教育程度指标，并对其取对数处理再纳入分析。3.数据的来源及处理考虑到新冠肺炎疫情对所选指标可能产生影响，以及数据的可获得性，且中国能源统计年鉴中的能源平衡表中缺少西藏这一省份，故本文选取20112019 年除西藏外 30 个省份的数据进行研究分析。各项指标的数据来源于中国统计年鉴 中国环境统计年鉴中国能源统计年鉴以及中国科技统计年鉴。对于本文中的各种收入支出数据以及人均 GDP 数据，为了消除通货膨胀对经济数据的影响，本文均作了消胀处理。由于二氧化碳排放量指标不能直接获取，本文借鉴政府间气候变化专门委员会（IPCC）的2006年 IPCC 国家温室气体清单指南中的方法 1 来测算中国能源消耗量和二氧化碳排放量。首先须计算出能源消耗量的数据，借鉴喻婷37的做法，将 30个省份 9 年间的 270 张能源统计表的数据整理得到能源消费总量的数据。计算二氧化碳排放数据时，本文
