基于DEA模型的我国省域环境治理效率评价及影响因素研究

0 引言

自党的十八大以来，生态文明建设成为政府工作的重点。2020年中共中央办公厅、国务院办公厅印发了《关于构建现代环境治理体系的指导意见》，从制度保障上进一步明确了环境治理对生态文明建设的重要意义。当前，各个省份都投入了大量的资金与资源用于环境改善，虽然部分地区的环境污染问题有所改善，但是整体情况仍然不容乐观。

目前，国内外学者在环境污染治理方面进行了大量研究。从研究内容来看，张晓1从环境政策角度出发，全面评价全国水污染的宏观态势，并分析了水污染对公众健康的影响、制度因素下水环境基础设施建设的困境等问题，研究表明水污染问题是当前我国最为紧迫的环境安全问题，解决水污染问题的治理重点应集中于解决农村水环境基础设施建设、流域综合治理及加强环境执法；王燕燕等[2]从“三生”视角构建了农村人居环境治理效率评价指标体系，测度了2007—2021年中国30个省份的农村人居环境治理效率，并从时空演变过程中发现全国农村人居环境治理效率处于两极分化格局。在研究方法方面，叶菲菲等3构建了考虑地方环境治理偏好的加权DEA模型，建立基于成本分配的合作博弈模型，提出各省份的环境治理占优策略，并根据研究结果提出了区域生态补偿机制；张明斗等[4通过社会网络分析法厘清市域大气污染治理效率空间网络结构特征，在此基础上通过二次指派程序分析法探究了其驱动因素，其研究结果为黄河流域大气污染治理效率空间网络有序运行提供了有力支撑。

基于此，研究采用DEA-BCC模型对我国30个省（自治区、直辖市）环境污染治理效率进行评价分析，并结合灰色关联分析模型，探讨影响治理效率的关键因素，以此检验我国在污染治理工作方面取得的成效，并提出针对性改进建议，为我国环境污染治理工作提供理论支撑。

1研究方法和模型构建

1.1数据包络分析模型

数据包络分析（DataEnvelopmentAnalysis）简称DEA，是一种非参数统计方法。该方法能够解决多投入多产出的复杂问题，在评价投人产出效率方面具有广泛应用。常见的DEA模型包括CCR模型和BCC模型。其中，CCR模型假设规模报酬不变，但在实际情况中，决策单元可能会出现规模递增或规模递减的情况。因此，学者在此模型的基础上提出了BCC模型，该模型假设规模报酬可变，并将规模效率从综合效率中分离，从而更准确地识别影响综合效率值的因素，即综合效率 纯技术效率 x 规模效率。研究发现，我国环境污染治理规模报酬会随着各项投入的增加而显现出先逐渐增加后递减的趋势。因此，为确保模型的有效性，研究选用投入导向型的BCC模型对我国省域环境污染治理效率进行测算。

1.2灰色关联分析模型

灰色关联分析模型是由邓聚龙[5基于数学理论提出来的一种研究少量数据、较少信息不确定性问题的方法。该方法是根据序列曲线几何关系来反映系统中多因素之间的关联程度，序列曲线的几何形状越相似，灰色关联度越大，反之则越小。灰色关联度分析的建模步骤如下。

第一步：确定母序列和子序列。设母序列为 ，设子序列为 。其中，母序列为参考序列，反映系统的行为特征；子序列为对比序列，反映影响系统行为方面的主要构成要素。

第二步：无量纲化处理。在灰色系统中进行无量纲化处理即求各序列的初值像。令：

第三步：求绝对值序列。记 2，？s，m （204

第四步：求 的最大值与最小值。分别记为 （204号

第五步：计算母序列与子序列的关联系数，见式（1）。

第六步：求母序列与子序列的灰色关联度，见式（2）。

第七步：灰色关联度排序。将所得的灰色关联 度按照大小顺序进行排序，从中得出各子序列对母 序列的影响程度。

2 实证分析

2.1指标选取和数据来源

从资金投人和环境污染治理效果两个方面进行指标选择，根据数据的可获得性，选取的投入指标包括城镇环境基础设施建设投资、工业污染源治理投资、治理废气投资和治理废水投资；产出指标包括城市污水日处理能力、一般工业固体废物综合利用量、生活垃圾无害化处理量和二氧化硫排放总量。基于以上指标构建我国环境治理效率指标体系，见表1。

考虑到污染治理存在时效性，以及数据的可获得性，研究选取我国30个省（自治区、直辖市）2019—2022年的数据进行分析，研究数据全部来自《中国统计年鉴》和《中国环境统计年鉴》。

2.2我国环境污染治理效率评价结果分析

为了更好地比较我国不同地区的环境污染治理效率，研究按照地域分布将我国30个省（自治区、直辖市）划分为东部、中部和西部三大区域，选取2022年的投人产出数据，运用DEAP2.1软件对我国30个省（自治区、直辖市）的环境污染治理效率进行测算，测算结果见表2。

2.2.1 综合效率角度

从综合效率的角度来看，2022年我国环境污染治理综合效率的均值为0.688，表明我国环境污染治理存在着 31% 的投入资源浪费。在研究中的30个省份中仅有10个省份的综合效率值为1，达到了DEA有效。在达到DEA有效的10个省份中，东部地区占 46.1% ，中部地区占 16.7% ，西部地区占27.3% 。由此可以看出，我国环境污染治理在区域上存在较为明显的差异，且中部地区表现相对较差。区域差异的原因在于东部地区经济发达，技术设备成熟，资金投入充分，并且对于资金的管理运用有较为合理的规划，从而使得污染治理效率表现良好。在未达到DEA有效的省份中，甘肃的综合效率值最低，仅为0.274，其次是山东、江西、河北及湖北，这些地区的综合效率值均在0.4以下，属于低效率地区。其中，山东和河北的纯技术效率值达到了1，但是却没有实现DEA有效，说明这两个省份DEA无效的原因在于规模效率不足，因此应该重视对其生产规模进行调整；甘肃和湖北的规模效率值均在0.95以上，说明这两个省份DEA无效的主要原因在于纯技术效率过低，因此应该调整其投入要素的配置，提高资源利用能力，避免造成投人冗余或产出不足。

2.2.2 纯技术效率角度

从纯技术效率角度来看，全国有20个省份纯技术效率值达到了1，即弱DEA有效，说明这些省份的投入要素配置比较合理，且投入资源得到了充分利用。从区域来看，东部地区占比达到了 69.2% ，说明东部地区在投入要素配置及资源利用方面整体情况良好，与其经济发展能力及国家的重视程度有着紧密联系；中部地区占比达到了 66.7% ，其中，安徽、河南及湖南的纯技术效率值为1，但未到达DEA有效，说明导致其DEA无效的原因在于其规模效率不足，可适当提高治理规模，缩小与最优生产规模之间的差距；西部地区占比达到了63.6% ，说明西部地区整体环境治理的纯技术效率水平处于一般水平。由此可见，不同区域之间差异较为明显，应强化对西部地区的资金及设备投入力度，提高当地的技术管理水平，从而提高资源的利用率。

2.2.3 规模效率角度

从规模效率角度来看，2022年全国有10个省份的规模效率达到了1。规模效率反映的是实际规模与最优生产规模的差距，规模效率值为1说明这些地区当前的环境治理投资规模达到了最优状态，其中，天津、浙江、福建、湖北等地规模报酬处于递增的状态，说明这些省份环境污染治理投资力度不够，可以通过扩大生产规模来提高生产效率。16个省份处于规模报酬递减的状态，说明这些省份在环境治理过程中过分依赖投资资金的增加，导致投入要素配置不合理，存在冗余情况，在不改变产出的情况下，可以适当控制环境污染治理资金投入，注重对资金的管理和运用。

2.3我国环境污染治理效率影响因素分析

研究将2019—2022年我国环境污染治理综合效率值作为环境污染治理效率的母序列，将评价指标体系中的各项投入产出指标作为对环境污染治理效率有影响的子序列，并借助灰色关联度分析模型，计算各指标与环境污染治理效率之间的灰色关联度，见表3。

由表3可知，北京、天津、山西等9个省份的综合效率值与城市污水日处理能力的关联度最高，表明这9个省份在改善污染治理效率的过程中要重点关注城市污水日处理能力，需提高污水处理水平。其次，二氧化硫排放总量也是关键影响因素，河北、浙江等9个省份在这一指标与综合效率的关联中呈现出较高的关联度，且这一指标的关联度基本在0.8以上，呈现出较高的水平，表明影响较大。从整体结果来看，除了安徽、江西和四川3省在城镇环境基础设施建设投资指标中的关联度较高外，其他省份在关联度排序中，产出指标的关联程度整体高于投入指标，表明我国在环境治理过程中应更加注重实际的产出效果。