考虑能源、环境因素的中国工业效率评价——基于SBM模型的省级数据分析

JEL：Q51 Q55 C43

一、引言

悉数人类社会“资源依赖、环境自然型”、“资源消耗、环境可承受”再到“资源浪费、环境污染”的发展历程，纵览频登头条的冰雪洪涝等自然灾害，面对海啸、核泄漏等系列问题，充溢人心的不仅是恐慌与无助，还有着对现实的审视，对资源、环境、经济发展协调性深入探究的渴望，对一个可持续的“两型”社会的希冀。我国“十二五”规划纲要将节约资源和保护环境列在了基本国策和“五个坚持”的突出位置，明确要求今后五年单位GDP能耗降低16%，单位GDP二氧化碳排放降低17%，二氧化硫排放减少8%的约束性量化指标。那么，落实到具体践行，如何阐释政策的经济内涵，如何科学衡量经济增长、能源消耗、环境污染三者之间的关系，并探究造成协调性差异的深层原因，就具有极其重要的意义。

在纳入环境约束的工业企业效率评价方面，相关研究主要采取两大类方法：一是利用环境库兹涅茨曲线（EKC）假设检验中国环境污染排放是否存在随着人均产出水平增长而逆转的拐点(如彭水军、包群，2006；曹光辉等，2006)。二是采用DEA方法，考虑在纳入环境污染排放因素的条件下中国工业企业效率，如涂正革（2008）采用1998-2005年中国分省规模以上工业企业数据，针对我国现实应用方向性距离函数方法，考察各地区环境、资源与工业增长的协调性，并基于模型揭示环境工业协调性的地区差异。

SBM模型较多地应用于国内外银行效率研究，用于环境效率方面的研究，有如Zhou等人（2006）运用SBM效率方法，衡量30个经济合作发展组织OECD国家1998-2002的CO2排放及环境管制的影响；李静、程丹润（2008）基于非期望产出的SBM模型，测算1990-2006年中国28个省份的环境效率值，分析中国区域环境效率差异及演进规律，指出环境变量的引入明显降低了中国区域的评价效率水平。但目前利用SBM模型纳入环境污染因素，分析我国工业环境效率的研究并不多，尚有较大探讨空间。

二、SBM模型（Slacks-based Measure）

（一）传统的SBM模型

SBM模型最初由Kaoru Tone（2001）提出，遵循DEA的基本思想，它用“最小的”或“匹配最紧密的”凸面球壳包络投入产出数据集，所得到数据集合的边界就代表“最佳实践”的技术前沿。这个相对最优的技术前沿便是“两型”社会以及“又快又好”发展的经济学内涵。两型社会，是在社会生产、建设、流通和消费各领域，在经济和社会发展各方面，切实保护和合理利用各种资源，提高资源利用率，以尽可能少的资源消耗，获得最大的经济效益和社会效益，实现人与自然和谐发展、经济社会可持续发展。“快”即经济增长速度高，“好”则是污染少、能耗低，“又快又好”即以较少的资源投入获得较高的产出和尽可能少的环境污染。

假设有n个决策单元DMU（decision making units），各投入、好产出、坏产出三种要素，

首先，作为一种非参数方法，SBM模型拥有DEA的一个最大优点——依靠投入产出的数据得到相应技术前沿以及各决策单元相对于参照技术的效率评价，而不需要设定生产者的最优行为目标，也不需要对生产函数的形式做特殊的假定。其次，DEA模型从其发展和度量方法上可分为四种类型，即径向角度的、径向非角度的、非径向角度的以及非径向非角度的。径向是投入或产出按等比例缩减或放大以达到有效，角度是指投入或产出的角度。传统的DEA模型大都属于径向和角度的度量，不能充分考虑到投入产出的松弛问题，度量的效率值也因此是不准确或有偏的。SBM模型，不同于传统CCR，BCC模型，它把松弛变量直接放入目标函数中。这样，一方面解决了投入产出松弛的问题，另一方面也解决了非期望产出存在下的效率评价问题。同时，SBM模型非径向和非角度，从而避免了径向和角度选择差异带来的偏差和影响，因此，从这个意义上来讲，它比其它模型更能体现效率评价的本质。

当然，SBM模型也有自己的不足。最突出的缺点表现为，Tone构造的指标ρ的经济内涵存在一定的理解和解释困难，并不像传统DEA方法或方向性距离函数中的效率评价指标那样便于考察和诠释。

三、数据及变量界定

1、工业产品出厂价格与固定资产价格

从全国平均来看，两大价格指数1998-2003年变化不大，2004-2008年均呈现稳步上涨。与1998年的不变价格相比，2008年全国工业品出厂价格上升了42%，固定资产价格上涨32%。从地区来看，工业品出厂价格变化不平衡，固定资产投资价格变化差异不大。自2003年起，河北工业品出厂价格增长迅速，至2008年其工业品价格指数在1998年基础上上涨了57%；黑龙江在石油产品价格上涨的带动下，工业品价格2006年便翻了一番，11年间上涨了142%。

2、工业增加值与固定资产净值

首先，1998-2008年，规模以上工业企业由164738家增长到426025家。按1998年不变价格计算，2008年工业增加值为11.68万亿元，是1998年的6倍多；固定资产净值，2008年达1998年的2.6倍，为11.53万亿元。其次，工业增加值与固定资产净值的变化趋势相似，都呈现先慢后快的增长态势。以工业增加值为例，1998-2002年，工业增加值缓慢增加，2003年起增速加快，2005-2008年，工业增加值逐年增幅均大大超过万亿元。

3、规模以上工业企业劳动力就业人数

规模工业劳动就业人数先降后升，其变化与工业经济的持续增长不同步。1998-2001年，规模工业劳动就业人数由近6200万下降到5400万，下降了12.18%。2002-2004年，人数缓慢回升，年平均增长3.5%，但到2004年仍少于1998年的规模以上工业企业就业人数。2005年起，规模工业劳动就业人数较快增长，从2005年的近6900万人增长到2008年的8800多万人，增幅达28.17%，年均增长485万多人。

4、工业能源消耗与污染排放量

1998-2008年，与经济增长相匹配，规模以上工业企业能源消耗逐年增多。具体地，1998-2003年，规模工业能耗1998-2003年增长较缓；2004年在经济发展带动下能源消耗量出现大幅增长，较上年增长了41351万吨标准煤；2004-2008年，规模工业能耗较快增长，年均增长10.06%；2008年规模以上工业企业能源消耗量达346966万吨标煤，是1998年的2.5倍多（见图1）。

规模工业SO2排放总量增加，变化趋势如图2所示。1998-2001年，规模工业SO2排放基本维持在1500万吨；2002-2006年，SO2排放量较快增长，从2002年的1511.91万吨增加到2006年的2232.80万吨，年均增长10%；2007、2008年，在两型社会建设目标作用下，规模工业SO2排放均有大幅下降。

四、SBM效率与环境工业协调性评价

东部沿海地区：北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南；

东北老工业基地：辽宁、吉林、黑龙江；

中部地区：山西、内蒙古、安徽、江西、河南、湖北、湖南、陕西；

西部地区：广西、四川、重庆、贵州、云南、甘肃、青海、宁夏、新疆。

（一）经济发展与资源环境协调性的静态评价

研究发现：1998-2008年，高度协调发展的均为东部沿海地区，SBME前十名中沿海地区就占九席；东北老工业基地和中部地区经济与资源环境处于不同程度的失衡状态。其中，中部的山西省SBME非常低，属于经济发展与资源环境极不协调地区；西部地区9省市地区，除云南为较协调地区外，其它均为不协调或极不协调地区，青海、贵州、甘肃、宁夏SBME均在0.3以下。可见，西部与东部沿海地区差距不仅仅表现在产业效率上，也表现为资源节约和环境友好方面的差异。

（二）经济发展与资源环境协调性的动态分析

根据SBME的变化趋势特点分两阶段考察：总体上，1998-2002年，SBM效率平均为0.56，2003-2008年为0.51，SBME呈下降态势，资源环境与工业经济的发展协调性有所下降。结合经济与资源环境协调性的定义，地区SBM经济与资源环境协调性的动态变化归纳如下：

l 保持协调发展的地区：广东、上海、福建、江苏、山东、浙江

l 仍不协调的地区：海南、安徽、河南、湖北、湖南、四川、吉林、江西、重庆、河北、广西、陕西、辽宁、内蒙古、山西、宁夏

l 由不协调向协调发展转化的地区：北京、天津

l 协调状况恶化的地区：云南、黑龙江、新疆、青海、贵州、甘肃

为了更清楚直观地看到各省市地区效率水平的动态变化，在1998-2002年与2003-2008年这两个阶段中，特分别选择1998与2001年、2005与2008年，作出相应的SBM环境效率雷达图，如图3-6所示。

北京自2003年进入了经济与资源环境高度协调地区，SBM评分由1998-2002年的81.2分迅速增长到满分，并维持在前沿水平。天津，在滨海新区的良性发展推动下，SBM评分由1998-2002年的59分（属较不协调地区），增长到2003-2008年的90.07分（高度协调地区），自2005年便在全国维持最佳的经济与资源环境协调水平。另一方面，云南、黑龙江、新疆、青海、贵州和甘肃均出现了不同程度的恶化。其中，新疆、青海、贵州、甘肃4个省市地区，动态变化相似，均从不协调发展地区恶化为极不协调发展地区；黑龙江则由较协调地区降为不协调发展地区；尤其是云南，1998-2002年均处在效率前沿，但是自2003年后协调状况持续恶化，2003-2008年，SBM平均效率值仅为0.4383，即由最佳变为不协调发展地区。

五、环境工业协调性影响因素的回归分析

（一）模型设定及估计

根据环境经济学的相关理论，可能影响SBME的因素有：微观层面，一是企业自身的技术因素，主要包括工业企业对生产工艺技术、产出效率技术、污染控制技术等方面所进行的改造、引进以及自主创新；二是外来投入因素，例如外商直接投资。中观层面，是人均生活水平以及地区的工业结构，包括其规模结构、所有制结构、产业结构等。同时，宏观的环境政策与环境管制力度等也会一定程度上影响工业发展与资源环境的协调状况。

（二）估计结果的说明

1、经济结构重型化是工业与资源环境协调性的重要制约因素

人均资本拥有量，反映经济的重型化程度，体现地区的要素禀赋。若KL上升，则说明该地区经济结构由劳动密集型向资本密集型转化。1998-2008年，中国工业资本存量持续增加，增幅较大，人均资本拥有量不断攀升。

2、生活水平是工业经济又好又快发展的强大推动因素

微观地，随着收入增长和公众环境生态意识加强，人们在基本的就业、消费外，需求层次日益提高，有更强的意愿关注环境质量、治理环境污染。宏观上，人均生活水平的提高反映了地区经济实力的增强，坚实的经济后盾也使社会有更多的资源来实现“又好又快”。回归结果表明，生活水平的提高对工业与资源环境的协调发展有显著的正效应，人均产出水平每提高1%，SBME将显著提高57.42%。这个结果也与环境库兹涅茨倒“U”型曲线（EKC）及其环境偏好理论相契合。分地区，人均生活水平每提高1%，东部沿海地区SBM效率显著提高55.50%，东北老工业基地提高84.45%，中部地区49.99%，西部地区42.45%。

3、自主创新与技术引进是提高SBM环境效率的有效途径

⑴自主研发投入可有效提高SBME。控制其它因素不变，自主研发强度增加1%，SBME显著提高7.76个百分点。同时，东部沿海、东北老工业基地、中部SBM效率提高的百分比分别为：9.17、33.27、2.61。但是自主研发投入对西部的SBME没有显著影响。

⑵技术引进有利于提升SBME。三种估计结果均表明技术引进投入强度对全国平均SBM环境效率有显著的积极影响。其他变量恒定不变，技术引进投入强度每提高1%，全国规模工业企业的SBME将在1%的显著性水平下提高3.39%。

4、工业结构因素对SBM环境效率的提高形成一定阻力

⑴工业企业规模结构的进一步扩大会导致SBM效率损失。控制其他因素不变，1998-2008年地区大型企业产值比重每提高1%，全国SBME均值显著下降14.35个百分点，东部沿海地区显著下降20.59%，中部地区显著下降17.39%，东北老工业基地和西部地区阻碍效应不明显。

⑵其它因素恒定，除西部国有企业比重下降1%其SBM效率显著上升0.46%，其余三大区域以及全国整体，地区工业产权结构对SBM效率均无显著影响。这一点与涂正革（2008）的相关研究结果不太一致。可能的解释是我国尤其是我国东部沿海、东北老工业基地以及中部地区的规模工业，经过产权结构与国有企业经营管理体制的大力变革，已经调整到一个较为合理的结构水平，从而对工业增长与资源环境的协调性不再构成明显阻碍。

5、外商直接投资是改善我国资源环境与工业协调性的有力支持

外商直接投资(FDI) 是既被授予“污染光环”又可成为“污染天堂”的双刃剑，对东道国的环境会产生规模效应、结构效应和技术效应。1998-2008年，单纯提高1%的FDI能够使得SBME显著提高4.68%，表明FDI对改善我国工业增长与资源环境协调性有积极作用。并且，从分段来看，1998-2003年，其他因素不变，FDI提高1个百分点，SBME提高2.35%，而2004-2008年，则显著提高5.84%。这表明，通过政策引导，FDI投资质量提高，进而对我国工业经济可持续发展提供了有力支持。

六、结论及政策涵义

其一，区域间环境工业协调性极不平衡。1998-2008年，工业增长与资源环境关系高度协调发展的均为东部沿海地区，SBM效率前十名中东部沿海地区就占9席；东北和中部地区处于不同程度的失衡；西部地区除云南外均为工业经济与资源环境不协调或极不协调发展地区。

其二，保增长，为改善工业与资源环境协调状况奠定坚实基础。生活水平的提高使得人们有更大的意愿和能力治理工业污染，从而极大地促进了环境技术效率的改善。控制其它条件恒定不变，人均产出水平每提高1个百分点，环境技术效率提高57.42%。

其三，重创新，为提高工业增长与资源环境协调性创造技术支持。分析结构表明大中型工业企业的自主研发和技术引进显著地提高了环境工业协调性，而以国有企业主导的技术改造并没有达到应有的效果，反而加重企业的财务负担导致企业环境技术效率大幅下降。

其四，调结构，为工业经济“又好又快”发展攻克瓶颈。工业企业产权结构改革有利于环境技术效率的提高，而企业规模过大是会导致SBM环境效率损失。对此，应转变经济发展方式，努力扭转高资源消耗、高环境成本的发展模式；进一步深化体制改革，优化工业产权结构，调整企业组织结构，合理的规模有利于实现工业与资源环境的协调发展，经济的包容性增长。

其五，为科学发展提供资金保障。实证结果表明，1998-2008年，其它因素恒定，FDI提高一个百分点，SBME显著提高4.68%。利用好FDI资金支持与技术效应，注重 “优质”与“适量”，把提高工业增长与环境协调性作为改善投资环境、吸引外资的重要内容，可造福资源节约型、环境友好型社会。

参考文献

[1] 曹光辉等. 我国经济增长与环境污染关系研究[J]. 中国人口资源与环境，2006，(1): 25-29.

[2] 程丹润，李静. 环境约束下的中国省区效率差异研究：1990-2006[J]. 财贸研究，2009，(1): 13-17.

[3] 胡鞍钢，郑京海等. 考虑环境因素的省级技术效率排名(1999-2005)[J]. 经济学（季刊），2008，7(3): 933-960.

[4] 李静，程丹润. 中国区域环境效率差异及演进规律研究——基于非期望产出的SBM模型的分析[J]. 工业技术经济，2008，27(11): 100-104.

[5] 彭水军，包群. 经济增长与环境污染——环境库兹涅茨曲线假说的中国检验[J]. 财经问题研究，2006，(8): 3-17.

[6] 涂正革，肖耿. 中国的工业生产力革命——用随机前沿生产模型对中国大中型工业企业全要素生产率增长的分解与分析[J]. 经济研究，2005，(3): 4-15.

[7] 涂正革. 环境、资源与工业增长的协调性——基于方向性距离函数对规模以上工业企业的分析[J]. 经济研究，2008，(2): 93-105.

[8] 魏楚，沈满洪. 能源效率及其影响因素：基于DEA的实证分析[J]. 管理世界，2007，(8): 66-76.

[9] 中国社会科学工业研究院. 2005中国工业发展 告——资源与环境约束下的中国工业发展[M]. 北京：经济管理出版社，2005: 330.

[10] 周国梅，王华等. 环境优化发展：从边缘走向主流[M]. 北京：中国环境科学出版社，2008: 136-143.

[11] Charnes A, Cooper W. W., Rhodes E. Measuring the efficiency of decision making units [J]. European Journal of Operational Research, 1978, 2(6): 429-444.

[12] Chung Y, Fare R, Grosskopf S. Productivity and Undesirable Outputs: a Directional Distance Function Approach [J]. Journal of Environmental Management, 1997, 51: 229-240.

[13] Fare, Rolf, Shawna Grosskopf, et al. Multilateral productivity comparisons when some outputs are undesirable: a non-parametric approach [J]. Review of Economics and Statistics, 1989, 71: 90-98.

[14] Farrell, M.J. The measurement of productive efficiency [J]. Journal of the Royal Statistical Society Series A, 1957, 120 (3):253-290.

[15] Hailu, Atakelty, Terrence S., et al. Non-parametric productivity analysis with undesirable outputs: an application to the Canadian pulp and paper industry [J]. American Journal of Agricultural Economics, 2001, 83: 805-816.

[16] Hirofumi Fukuyama, William L. Weber. A directional slacks-based measure of technical inefficiency [J]. Socio-Economic Planning Science, 2009, 43: 274-287.

[17] Kaoru Tone. A slacks-based measure of super-efficiency in data envelopment analysis [J]. European Journal of Operational Research, 2002, 143: 32-41.

[18] Kaoru Tone, Miki Tsutsui. Network DEA: A slacks-based measure approach [J]. European Journal of Operational Research, 2009, 197: 243-252.

[19] P. Zhou et al. Slacks-based efficiency measures for modeling environmental performance [J]. Ecological Economics, 2006, 60: 111-118.

[20] Seiford, L. M., Zhu, et al. Modeling undesirable factors in efficiency evaluation [J]. European Journal of Operational Research, 2002, 142: 16-20.

[21] Scheel, H., Undesirable outputs in efficiency valuations [J]. European Journal of Operational Research, 2001, 132: 400-410.

[22] W. W. Cooper et al. Some models and measures for evaluating performances with DEA: past accomplishments and future prospects [J]. Journal of Productivity Analysis, 2007, 28: 151-163.