低碳背景下中國廢氣污染治理投資效率及影響因素研究

魏 峰，張 晴

（安徽大學 大數據與統計學院，安徽 合肥 230601）

一、引言

經濟發展與建設過程中，生態與環境保護問題容易被忽略，人類生產活動中消耗的各類能源燃燒排放大量有害物，同時產生的二氧化碳也導致碳排放問題加劇。2019 年中國碳排放占世界排放量的26.4%①數據來源：Climate Watch，https://www.climatewatchdata.org/，中國正面臨著巨大的碳壓力。不僅如此，隨著工業化快速發展，各種工業廢氣和溫室氣體排放量隨之大量增加，嚴重危害人類身體健康。當前中國廢氣污染治理投資水平遠低于經濟發展，廢氣治理對于資金供需矛盾日益突出，經濟發展與低碳減排目標難以平衡。此外不同地區間經濟發展差異較大，地理氣候條件及產業發展等各種因素作用下，省際廢氣治理投資效率存在顯著差距。因此，研究省市間廢氣治理投資效率并針對不同地區制定相應的低碳減排政策顯得尤為重要。

對于環境治理投資效率研究，學者主要從工業污染、大氣環境、廢水治理等方面進行研究。張平淡等[1]、袁華萍[2]、劉炎德等[3]以工業污染源治理投資總額為投入指標，分析了各地區工業污染治理投資效率。呂曉劍等[4]、張羽等[5]基于超效率SBM（slacks-based measurement）模型，以PM2.5 濃度值作為產出指標，構建大氣環境效率測度模型并對其動態演變特征進行分析。劉瑩等[6]、孫玉陽等[7]從中國不同省級行政區、各流域視角對工業廢水治理效率進行評價，提出優化資源配置、調整工業結構、降低水污染排放強度的政策建議。

在研究方法方面，學者首先將傳統數據包絡分析（data envelopment analysis, DEA）模型運用于效率分析。向書堅等[8]、尹怡誠等[9]用傳統DEA 方法對中國廢氣污染效率進行評估并提出優化對外貿易結構、提高企業的環境監管能力以及推進源頭治理等措施。劉麗波[10]根據DEA 模型研究江西11 個市環境治理投資效率，結果表明江西省廢氣治理投資效率較高。張璇等[11]在DEA 模型的基礎上結合Tobit 回歸模型測度財政分權對中國30 個省份的環保投資效率的影響，研究表明財政分權對中國環保投資效率有抑制作用。但傳統模型未考慮隨機因素的影響以及投入產出的非徑向調整問題，因此提出了改進的三階段DEA 模型[12-15]和SBM 模型[16-18]；為解決無法評價有效決策單元效率問題，學者進一步提出超效率DEA 模型[19,20]和非徑向的超效率SBM 模型[21-23]測度環境效率。

以上研究對中國廢氣污染治理投資方面有重要的借鑒意義，但仍有不足。目前學者的研究視角集中于環境治理效率，對于廢氣污染關注較少；且在現有的廢氣污染研究中較為關注廢氣治理效率，鮮有文獻從低碳背景視角出發測算廢氣污染治理投資效率。中國在環境治理的同時推行低碳發展戰略，從低碳背景出發，更能綜合反映中國廢氣治理投資效率。因此，本文結合衡量碳排放及廢氣治理投資的投入產出指標，運用超效率SBM 模型與ML（Malmquist-Luenberger）指數從動靜兩個方面研究中國低碳廢氣治理投資效率，以中國30 個省份為研究對象，將不同地區間的效率進行比較分析；此外，采用空間杜賓模型（spatial dubin model，SDM）研究中國低碳背景下廢氣污染治理投資效率的空間演變特征，分析不同區域間低碳廢氣治理投資效率的影響因素及空間溢出效應，以期為推動中國廢氣治理投資與低碳排放工作提出可行性建議。

二、研究方法與數據選取

（一）超效率SBM 模型

DEA 模型在1978 年被提出[24]，利用輸入和輸出進行決策單元相對效率的測算。傳統的DEA 模型主要有BCC 模型和CCR 模型，但均未考慮非徑向的投入或產出松弛[25]，因此Tone[26]提出了基于松弛的SBM 模型，將投入過剩和產出不足考慮在內，識別決策單元的低效率。在此基礎上2002 年Tone[27]提出超效率SBM 模型，彌補了SBM 模型無法比較高效率決策單元的不足，同時也解決了傳統DEA 模型無法評價非期望產出效率問題。超效率SBM 模型公式如下：

（二）Malmquist-Luenberger 指數

超效率SBM 模型只能用來測算靜態的低碳廢氣治理投資效率，不能反映跨年份動態效率變化。Chung 等[28]利用幾何平均值方法構建考慮非期望產出的ML 指數，并將該指數分解為技術效率指數EC與技術進步指數TC[29]。因此本文采用ML 指數來進行低碳廢氣治理投資效率的動態測算。從期到期的ML 指數定義為：

技術效率指數又可進一步分解為純技術效率變化PEC 和規模效率變化SEC，當，表示低碳廢氣治理投資效率從期到期有所提高。

（三）空間自相關檢驗

1.空間莫蘭（Moran's I）指數

空間自相關分析主要考察要素是否存在空間聚集情況，本文選擇從全域視角來反映空間相關性的全局Moran's I 指數來進行檢驗，公式如下：

2.空間杜賓模型

傳統計量模型會忽視變量間的空間相關性影響，導致計量結果出現偏誤。由于經濟、高素質人才等流動性以及科技水平、產業結構的拉動性特征，中國低碳廢氣治理投資效率也可能受鄰近地區的影響，而空間計量模型能夠對區域間的依賴性及空間溢出效應進行分析，通過引入空間權重矩陣，反映溢出效應方向和強度。本文通過LR 檢驗和Wald 檢驗，選擇了考慮鄰近省份解釋變量與被解釋變量對本地區效率有影響的空間杜賓模型[31]，具體公式如下：

（四）指標的選取及數據來源

1.投入產出指標的選取

超效率SBM 模型作為超效率DEA 模型的一種衍生模型，對指標的選取有一定的要求，因此建立低碳視角下中國廢氣污染治理投資效率的評價體系，投入產出指標的選取應滿足科學性、代表性、精簡性和目的性的原則[32]。研究中國廢氣污染治理投資效率，除了傳統的廢氣治理投資指標，建立評價指標還應創新性的結合低碳背景。在投入指標的選取方面，本文根據已有的研究成果[33-36]以及數據的可獲得性，選取環境保護支出作為環境治理投資指標，選取工業廢氣污染治理設施數和工業污染設施費用作為廢氣污染治理投資指標，低碳經濟發展背景中，能源消耗過程中的碳排放是主要的碳排放來源，因此本文選取能源消費總量作為能源投入指標。對于產出指標的選取，選擇GDP 作為期望產出，本文選擇廢氣排放總量作為衡量廢氣污染治理投資產出的指標。廢氣污染物排放中，主要的污染物代表是二氧化硫、氮氧化物和煙粉塵等顆粒物，故廢氣排放總量用二氧化硫、氮氧化物和顆粒物排放量之和表示。本文選擇二氧化碳排放量作為衡量碳排放的指標，中國低碳發展要求碳排放減少甚至零碳排放，符合中國低碳發展的經濟背景。其中工業廢氣治理設施處理能力為期望產出，廢氣排放總量和二氧化碳排放量為非期望產出。

表1 廢氣治理投資的指標選取

2.影響因素的指標選取

本文主要從產業和經濟發展等方面選取了第二產業比重、R&D（研發）經費內部支出、實際人均可支配收入、城鎮化水平和受教育程度5 個因素作為環境指標。

3.數據的來源及處理

考慮到新冠肺炎疫情對所選指標可能產生影響，以及數據的可獲得性，且《中國能源統計年鑒》中的能源平衡表中缺少西藏這一省份，故本文選取2011—2019 年除西藏外30 個省份的數據進行研究分析。各項指標的數據來源于《中國統計年鑒》《中國環境統計年鑒》《中國能源統計年鑒》以及《中國科技統計年鑒》。對于本文中的各種收入支出數據以及人均GDP 數據，為了消除通貨膨脹對經濟數據的影響，本文均作了消脹處理。

由于二氧化碳排放量指標不能直接獲取，本文借鑒政府間氣候變化專門委員會（IPCC）的《2006年IPCC 國家溫室氣體清單指南》中的方法1 來測算中國能源消耗量和二氧化碳排放量。首先須計算出能源消耗量的數據，借鑒喻婷[37]的做法①能源消費總量=終端消費量－火力發電－供熱＋損失量－平衡差額，將30個省份9 年間的270 張能源統計表的數據整理得到能源消費總量的數據。計算二氧化碳排放數據時，本文參考Liang[38]將14 種能源②煤炭、焦炭、焦爐煤氣、高爐煤氣、轉爐煤氣、其他煤氣、原油、汽油、煤油、柴油、燃料油、液化石油氣、天然氣和液化天然氣共14 種能源?？紤]在內，大大提高了計算結果的精確性。

《2006 年IPCC 國家溫室氣體清單指南》給出的二氧化碳排放量測算公式為：

三、實證分析

（一）中國廢氣污染治理投資效率靜態分析——超效率SBM 模型

根據非期望產出的超效率SBM 模型公式，本文運用matlab R2019 軟件對中國2011—2019 年30個省份的數據進行計算，將所得的各個省份效率值整理歸納，并求解其均值，所得結果如表2 所示。

表2 2011—2019 年中國30 個省份的廢氣污染治理投資效率值

由表2 所得的平均效率值可以看出，低碳背景下，中國總體廢氣污染治理投資水平不盡人意。各省份間差異較大，其中只有北京（1.296）、上海（1.115）和福建（1.096）處于DEA 有效水平，30 個省份中有效省份僅占比10%。排名第4 的浙江省效率值為0.733，與福建省差距較大；效率值最低的省份為寧夏，僅有0.095，且有13 個省份效率值低于0.3。從各年份來看，北京、上海和福建的效率值從2011 年至2019 年一直處于效率前沿面；其他省份只有廣東省在2019 年達到效率前沿。這些數據均說明中國廢氣污染治理投資總體水平普遍低下，存在較大的上升空間。

接下來進行區域性分析，將30 個省份按照統計年鑒劃分成東部、中部和西部三個地區①北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南共11 個省份劃分為東部地區；山西、吉林、黑龍江、安徽、江西、河南、湖北和湖南共8 個省份劃分為中部地區；內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏和新疆共11 個省份劃分為西部地區。。由表2 和圖1 可以看出，東部地區的廢氣污染治理投資效率均值為0.654，高于中部和西部；30 個省份2011—2019 年效率均值為0.414，整體效率較為低下，東部地區明顯高于平均水平。東、中、西部效率值變化趨勢與全國整體變化趨勢基本一致，2011—2018年比較平穩，效率值波動不大；2018—2019 年效率值有明顯上升趨勢。究其原因，2018 年中國迎來了自改革開放后環境治理力度的峰值，環境治理力度空前。2014 年時任環保局局長在全國兩會提出中國要打好大氣、水、土壤污染治理“三大戰役”，正式向環境污染宣戰，開始加大環境保護力度，與環境污染問題進行博弈，經過五年沖刺，2018 年廢氣治理投資出現轉折點，進入新階段。

圖1 2011—2019 年中國廢氣污染治理投資效率值

（二）中國廢氣污染治理投資效率動態分析——ML 指數

接下來利用ML 指數對低碳廢氣治理投資效率進行動態分析，通過matlab R2019 軟件測得結果如表3 所示。

表3 2011—2019 年中國廢氣污染治理投資效率ML 指數及分解結果

根據表3，ML 指數在2011—2019 年均大于1，廢氣污染治理投資在一定范圍內進行波動，并不穩定，但整體仍處于增長態勢，年平均值為1.043，增長率達4.3%。從各年變動情況看，ML 指數從2011—2019 年先小幅度上升后下降，再持續上升到達峰值轉而下降，波動較大，反映其周期性、不穩定性特點。

從各分解值來看，技術效率指數與技術進步指數均值一致，說明中國低碳廢氣治理投資效率的提升是技術效率和技術進步的雙重影響結果，但規模效率年平均增長率只有0.6%，表明中國現有的低碳廢氣治理投資規模體系仍有待完善。由表3 可知2015—2016年全要素生產率指數增長率為11.3%，主要影響因素是技術進步的增長，分析其可能原因，2010 年在中國共產黨第十七屆中央委員會第五次全體會議上提出制定《技術市場“十二五”發展規劃》的建議，以技術進步和科技創新為經濟發展方式，調整產業結構，推動技術市場的發展。到2015年中國已經順利完成目標，但技術壁壘短期無法突破，2016 年，中國面臨著新的發展障礙——國外技術性貿易壁壘，因此2016—2017年中國的全要素生產率指數又呈現下降趨勢。

從各省份層面來看，如表4 所示，30 個省份的低碳廢氣治理投資效率值均大于1，表明各個省份在廢氣污染治理投資方面存在不同程度的進步；其中浙江省ML 指數最高，年平均增長率為21.5%，寧夏最低，只有0.3%的增長趨勢。北京、浙江、河南、湖南、廣東、重慶的增長率均大于6%，除去廣東和重慶，其他4 個省份的分解效率值均呈增長趨勢，表明這些省份的廢氣污染治理投資效率取得較好成效。廣東和重慶的ML指數和技術效率指數均大于1，而技術進步指數較低，說明這兩個省份的低碳廢氣治理投資效率不足主要受技術因素的影響，需要當地政府引進更為先進的技術，提高區域的創新效率，調整產業結構，提高低碳減排的治理投資效率。

表4 2011—2019 年中國各省份ML 指數及分解

東部地區年增長率最高，達5.6%，中部地區次之，為3.8%，西部地區最小，僅3.5%，三大地區中只有東部地區高于全國年平均增長水平。分析ML 指數的分解情況，東部地區效率的提高主要受技術進步的影響，純技術效率對其也有一定的影響，但影響較弱。中部地區的規模效率為0.998，說明中部地區的治理投資效率低下主要是規模效率不足引起，需要加大中部地區的投資規模；而西部地區提升效率的阻力來自技術退步。

四、影響因素分析

（一）空間自相關性檢驗

以上的實證結果表明不同地區間的低碳廢氣治理投資效率存在顯著差異，接下來進一步分析影響因素和空間溢出效應可能對效率產生的影響。首先進行空間自相關的檢驗，大部分學者采用的是Moran's I 指數，本文運用stata 16.0 軟件，構建經濟距離權重矩陣并計算全局Moran's I 指數，所得結果如表5 所示。

表5 全局Moran's I 指數

（二）模型的選擇

接下來進行相關檢驗選擇適合的計量模型，各種檢驗結果如表6。Hausman 檢驗通過了1%水平的顯著性檢驗，LR 檢驗中，LR-both time 檢驗值為1，表明雙固定效應模型非常不顯著，結合LRboth ind 的檢驗結果，選擇時間固定效應模型。進一步檢驗空間杜賓模型是否會退化為空間自回歸模型（spatial autoregression model，SAR）和空間誤差模型（spatial errors model，SEM），根據LR 檢驗和Wald 檢驗結果，均拒絕SDM 模型退化為SAR 模型和SEM 模型的原假設。綜上，本文選擇時間固定效應的空間杜賓模型，回歸結果見表6。

表6 空間計量模型選擇相關檢驗

（三）空間計量結果分析

根據表7，科技投入和人均可支配收入的系數顯著為正，表明技術投入和人均可支配收入的增加不但有利于提高中國廢氣污染治理投資效率水平，也對鄰近省份產生正的影響；產業結構和教育水平的回歸系數顯著，表明這兩個變量會抑制廢氣污染治理投資效率；城鎮化水平回歸系數未達到顯著，但其空間滯后系數顯著為正，表明對鄰省有明顯的促進作用。除了產業結構的空間滯后系數不顯著，其他變量均表明對鄰省的效率存在顯著的空間溢出效應。

表7 空間杜賓模型回歸結果

雖然回歸系數和空間滯后系數在一定程度上能反映出各影響因素與效率間存在一定的作用，但當空間滯后項較為顯著時，僅用模型系數度量效率的空間溢出效應會存在系統性誤差[39]，因此需要對其進行空間效應分解，將總效應分解為直接效應和間接效應（空間溢出效應），再進行研究。

產業結構直接效應系數為-2.154，意味著第二產業占比的增加會抑制本地廢氣污染治理投資效率。中國第二產業主要以工業為主，成為中國經濟發展動力的重要支撐。但工業發展過程中能源消耗量高，污染物和碳排放嚴重影響大氣環境；本地的產業發展會對鄰省造成影響，將本地的高污染產業轉至相鄰區域，造成鄰近省份的效率難以提升。R&D 經費支出的增加不但有利于本地治理投資效率的增加，還對鄰近省份的效率有明顯的促進作用?？茖W技術是經濟發展和創造的第一生產力，提高本地科技水平，引進低碳廢氣治理技術，有助于提高本地的清潔實力，減少產業資源消耗，同時帶動鄰近省份的經濟發展，提高鄰省科技水平，進而促進低碳廢氣治理投資效率。人均可支配收入對鄰近省份效率的促進作用強于對本地效率的作用。人均可支配收入在一定程度上能反映當地居民對廢氣治理投資的水平，居民的人均可支配收入增加，就會相應提高對低碳廢氣治理的投資，為環境的治理提供充足的資金，選擇新綠色產業，推動鄰省的產業發展模式變革，從而提高低碳廢氣治理投資效率。城鎮化水平間接效應系數為-2.492，表明城鎮化率對低碳廢氣治理投資效率有顯著的負向空間溢出效應。城鎮化率的提高意味著人口密集度增加，產業聚集，從而加大對能源的需求，對資源消耗產生較大壓力，二氧化碳排放量也隨之增加，但城鎮化率又會推動當地經濟發展，從而弱化了抑制本地低碳廢氣治理投資效率的影響[40]。本地城鎮化率增加導致周邊地區的人口流動，增加人口密度，進而抑制鄰省的低碳廢氣治理投資效率。教育水平對本地的污染治理投資效率有負向影響，但對鄰近省份有正的空間溢出效應。提高教育水平能促進周邊的人才流動，降低周邊地區企業的生產成本，進一步提高鄰省的低碳廢氣治理投資效率。

（四）穩健性檢驗

表8 地理鄰近矩陣穩健性檢驗結果

五、相關結論和政策建議

（一）結論

本文采用超效率SBM 模型和ML 指數研究中國2011—2019 年30 個省的低碳背景下廢氣污染治理投資效率，并通過Moran's I 指數和空間杜賓模型測算其空間演變規律以及影響低碳廢氣治理投資效率的相關因素。主要有以下結論：

中國的廢氣污染治理投資效率存在較大提升空間。中國整體低碳廢氣治理投資水平仍有待提高，2011—2019 年各省的效率均值中，只有北京、上海和福建達到效率前沿面。從區域層面分析，中國東部平均效率值高達0.654，明顯高于中國平均水平，中部次之，西部效率均值最低，僅有0.233。

從中國的動態效率分析來看，2011—2019 年中國低碳廢氣治理投資效率呈現先上升后下降、再上升又下降的不穩定狀態，但整體仍表現出增長趨勢，增長率達4.3%。通過ML 指數分解，可以看出，中國低碳廢氣治理投資效率規模較低，投資規模體系有待完善，效率增長的主要原因來自技術進步。

根據Moran's I 指數分析，中國低碳廢氣治理投資效率存在明顯的空間相關性。產業結構和受教育水平對本區域低碳廢氣治理投資存在負影響作用，但受教育水平對鄰近區域的效率有較強的促進作用；科技水平和經濟發展與本地區及鄰近區域效率均顯著正相關；城鎮化率對鄰近區域效率有正相關性作用，但對本地效率的增長無顯著作用。

（二）政策建議

根據上述分析，為提高中國低碳廢氣治理投資效率，保持中國經濟與環境之間的平衡發展，本文提出幾點相關建議：

東、中、西部低碳廢氣治理投資效率差異過大，因此各地政府應因地制宜采取相關措施。對于東部地區而言，需大力發展經濟，加大廢氣治理規模投資，增加在廢氣治理方面的資金投入以及相關設備的引進和開發，致力于學習低碳創新廢氣治理技術。充分利用政府在市場中的職能，推進市場多樣化發展，提高當地廢氣污染治理設施和資金的投資水平，減少碳排放。中部和西部則考慮低碳廢氣治理投資與經濟發展之間的平衡關系，投入并充分利用防污治理資金，避免資源的浪費，在治理過程中，政府應充分發揮監管作用，建立相關監管部門，對于企業的廢氣治理部門進行評估和監管，提供相應的技術和經濟咨詢服務，盡可能避免資金和資源的浪費，在現有基礎上，極大化提高當地資源利用率，從而進一步提高當地低碳廢氣治理投資的效率。各地建立低碳低污染的經濟體系，設置廢氣治理專項，以達到低碳減排的目的。

提高城鎮化水平和科技投入力度，促進中國經濟發展，有利于提高中國低碳廢氣治理投資效率。因地制宜，科學規劃中國城鄉協調發展布局，充分發揮大城市的帶頭作用，以大城市帶動小城鎮為發展目標，通過相關政策將城市和城鎮聯通起來，互相促進，協同發展，提高整體社會經濟水平；建立創新的低碳廢氣治理產業體系，實現經濟、科技創新及城鎮化協同發展，以此提高科技創新在中國低碳廢棄治理投資方面的占比。引進國外先進設備，擴大城市廢氣治理技術創新規模，拓寬中國低碳廢氣治理渠道，促進經濟與廢氣污染治理協調發展。

第二產業對低碳廢氣治理投資效率影響較為顯著，中國在大力發展第二產業的同時應注重相關的碳排放廢氣污染物排放問題。對工業廢氣的排放及治理進行管控，選擇高效率污染治理設備；對于污染排放量大的企業進行整改，設置對應稅收優惠政策，對于積極響應國家廢氣污染防治號召的企業，可相應減少部分所得稅，以稅收優惠政策推動廢氣污染治理投資領域的發展。同時，應優化產業內部結構，選擇低污染的新興產業；使用清潔能源，減少廢氣污染物排放，提高中國整體低碳廢氣污染治理投資效率。