环境保护投资的经济、社会与环境效率研究
——基于三阶段数据包络分析（DEA）模型
孙 钰 1，2，姜宁宁1，崔 寅 2
(1.天津商业大学公共管理学院，天津 300134；2.天津大学管理与经济学部，天津 300072）
摘要： 在国家节约资源和保护环境基本国策的指引下，环境保护投资作为环境基本公共服务的重要组成，为有效改善环境污染问题、促进经济社会可持续发展提供支撑。从经济、社会和环境3个维度建立投入产出指标体系，以3个阶段数据包络分析（DEA）模型对我国31个省、自治区、直辖市2016年的环境保护投资效率进行研究，通过SFA回归分析剔除环境因素和随机变量的影响，测算的效率值真实可信。研究结果显示，我国环境保护投资综合技术效率仅为0.74，效率偏低，有较大提升空间；经济、社会和产业结构因素对环境保护投资效率产生显著影响；除位于效率前沿的省份外，多数省份处于规模收益递减，仅6个省份规模收益递增；从纯技术效率和规模效率分类来看，多数省份处于“低-高型”象限，即纯技术效率较低而规模效率较高。
关键词： 环境保护；投资效率；三阶段数据包络分析（DEA）模型
1 研究综述
党的十八届五中全会首次将“绿色发展”提升为“十三五”期间的重要发展理念，提出坚持绿色发展、节约资源和保护环境的基本国策，推动可持续发展。环境保护投资作为环境基本公共服务的重要组成，可以有效改善环境污染问题，促进经济社会可持续发展［1］。目前我国从国家层面到各级地方政府无不高度重视环境保护，不断加大环境保护资金投入。2016年度我国环境污染治理投资总额为9 219.8亿元，占地区生产总值的比重为1.24%1）。但相较发达国家而言，我国环境保护投资总量仍然不足。一个国家污染治理投资至少应占其同期地区生产总值比重的1.5%～2%才能大体上控制环境污染的发展，西方发达国家环境保护投资总量占地区生产总值比重均已超过2.5%［2］，而我国目前的投资规模明显低于这一水平［3］，并且投资效率低下［4］。
近年来国内外学者在环境保护和污染治理投资方面取得了一系列研究成果。有学者对环境保护投资的政府决策进行研究，如Azadegan等［5］采用随机分配阶乘调查实验(FSE) 的方法对国家管理者的环境投资决策进行分析；官永彬等［6］利用泰尔指数分解的方法对我国环境公共服务绩效进行研究，表明我国环境基本公共服务绩效存在显著地区差异，提出政府部门在制定环境保护政策时应充分考虑地区间发展水平、自然资源状况和环境治理努力程度的异质性；徐顺青等［3］对环境污染治理投资发展路径进行分析，认为公共财政保障机制缺失、项目运行监管不到位、财政支持政策缺失等因素导致我国环境污染治理投资总量不足、结构不合理、效率偏低；郭伟等［7］通过逐步回归模型方法研究影响地方政府环保投资规模的因素，得出地方财政收入、垃圾处理率、地区人口等是影响地方环保投资的主要因素。有学者研究环境保护投资对经济发展的作用，如Pekovic等［8］以企业的视角研究环境投资对经济发展的影响，得出环境投资对经济发展的影响并不完全遵循库兹涅茨曲线(倒“U”型曲线)；Liu等［9］对外国直接投资(FDI)与环境污染之间关系进行了研究，采用空间滞后模型(SLM)和空间误差模型(SEM)分析，认为FDI的流入对不同环境污染物有明显的影响，证实了“污染天堂”假说和“污染晕轮”假说。还有学者对环境保护投资的生态环境效益进行研究，如Zhou等［10］研究我国政府在环境修复方面投资对水环境质量的影响，指出通过适当的环境投资可以达到和维持高的国内生产总值，同时对生态系统起到改善作用；Cicea等［11］利用 Kaya恒等式的计量经济学模型对可再生能源投资的环境效率进行研究；祝婧然等［2］从环保投资视角出发，综合运用间接效益模型、岭回归、VAR模型对环保投资的综合效益进行分析；张伟等［12］运用固定效应模型从环境保护投资结构视角研究环境保护投资对环境治理和碳减排的影响。
5.2 栽植后第2～3年 苗木栽植后的第 2～3年，主要任务是继续培养树形，平衡树势，加快蔓性主枝形成和结果枝组培养，促进花芽形成和结果。生长季修剪主要措施仍以扭枝、摘心、拉枝绑枝为主，疏除过密枝。主枝延长枝达到70 cm时重摘心，促使主枝延长枝继续延长生长并抽发侧枝，利用好蔓性主枝上的背上枝，疏除过密枝、过旺枝，及时扭枝绑缚，加快拱棚架树形结构形成。蔓性主枝上每隔20～30 cm均匀培养结果枝组，适当位置直接着生结果枝和辅养枝。4个蔓性主枝长势应均衡一致，结果枝组分布均匀。以培养树形为主，调控花果量，第2年，疏除全部花序；第3年，适当结果，亩产量控制在500 kg。
以上研究成果的不足在于：一是对环境保护投资的研究只聚焦于单一方面，学者们多关注环境保护投资对于环境质量的改善或对经济发展的影响，缺乏对经济、社会和环境三维视角的全面分析；二是对环境保护投资的实证研究忽略宏观环境的影响，由于我国区域差异显著，省际之间经济水平、社会发展程度等对环境保护投资效率存在一定程度影响，忽视外部环境的影响会降低环境保护投资效率值的真实性。为了更加科学、准确地对我国环境保护投资效率进行评价，本文在评价指标选取过程中综合考虑环境保护投资的经济效率、社会效率和环境效率，采用三阶段数据包络分析（DEA）模型，对我国31个省、自治区、直辖市（未包括港澳台地区）的环境保护投资效率进行评价，为高效地进行环境保护投资提供指导。
2 指标体系构建和实证研究方法
2.1 指标体系构建
对环境保护投资效率进行评价，投入产出指标的选择是关键一步。环境保护投资效率是指环境保护资金投入与产出的比例关系。本文在构建评价指标体系过程中，遵循科学性、全面性、层次性、可操作性原则，综合借鉴已有研究成果［2,13-16］，建立指标体系如下：
（1）投入指标的选择。从《中国环境统计年鉴》看，环境保护投资主要体现在环境污染治理方面，包括城市环境基础设施建设投资、工业污染源治理投资、当年完成环保验收项目环保投资3个部分，2016年我国31省份这3项分别占环境污染治理投资的59%、9%、32%1）。资金的投入是最能反映资本投入量的指标，因此本文选取投入指标为：X1城市环境基础设施投资额（亿元）；X2工业污染源治理投资(亿元)；X3当年完成环保验收项目环保投资（亿元）。
（3）环境因素指标的选择。外部环境因素对环境保护投资效率产生不可忽视的影响，这种影响在短时期内很难改变，并且与环境保护投资效率无直接关联。本文综合参考其他学者对环境变量的选择［15,17］，从经济、社会、产业结构3个维度选取环境因素指标。经济维度方面选用人均地区生产总值（Z1）反映省际间的经济发展差异。与总量地区生产总值相比,人均地区生产总值能更好地衡量省际间真实的经济发展水平。通常人均地区生产总值相对较高的地区，其地方政府对环境保护的重视程度更高，对环境保护的支持力度更大［17］，有充足的财政收入投入到环境保护中在一定程度上有利于提高投资效率，但投入过度反而造成冗余；人均地区生产总值相对较低的地区则更加聚焦于经济发展，在环境保护方面的投入比重明显低于经济发达地区。社会维度方面选取城镇化率（Z2）衡量省际之间的社会差异。城镇化进程通过人口的聚集、城市数目的增加以及生产、生活方式的改变使城市针对环境污染集中治理等方面发挥了更大的规模效应优势，这种正反馈在一定程度上使城镇化对生态环境的压力趋于减小［18］；但另一方面，城镇化水平迅速提高又会带来更为严峻的生态环境问题，这种负效应集中体现在大气、水和固体废弃物污染的增长。产业结构维度方面已有研究表明，环境污染中工业污染是主要组成部分，占总污染负荷的70%［19］，而第二产业产值占国民生产总值的比重，对环境污染和资源消耗产生较大影响［20］，因此选取第二产业增加值占地区生产总值的比重(Z3)反映省际之间产业结构的差异。
（2）产出指标的选择。本文从经济效率、环境效率和社会效率3个维度对产出指标进行选取。经济效率即环境保护投资在经济维度的产出。无论对政府部门还是企业单位，环境保护投资同其他投资一样产生经济效益,如通过先进环保技术和设备的购置或转让便可获得直接经济效益；此外良好的生态环境有助于吸引外资，产生间接和潜在的经济效益。由此本文选取Y1地区生产总值（GDP）(亿元）作为经济效率维度产出指标。环境效率即环境保护投资在环境维度的产出。环境保护投资最根本的目的便是防治环境污染、改善生态环境，因此环境效率才是环境保护投资的主要产出目标。本文对环境效率产出指标选取Y2空气质量二级以上天数（天）、Y3污水处理总量(万m3)、Y4生活垃圾无害化处理量（万t）。社会效率即环境保护投资在社会维度的产出。环境保护投资作为环境基本公共服务的重要内容，有助于提高整个社会的福利水平，可以促使环境污染问题得到有效治理，使环境质量明显改善，从而降低居民因环境污染导致的发病率，有助于提高劳动力质量，因此环境保护投资的持续稳定发展在长期将拉动就业增长［16］。本文选取Y5城镇单位就业人员（万人）作为社会效率维度产出。
式（2）中，
为第
个决策单元的第 项投入的松弛值；
为环境变量；
为环境变量的系数；
为随机干扰项，
为管理无效率项，
为混合误差项，其中
是随机误差项，表示随机干扰因素对投入松弛变量的影响；
为管理无效率，表示管理因素对投入松弛变量的影响，假设其服从在零点截断的正态分布，即
。
尚亚（上海）国际贸易有限公司，1988年进入中国市场，总部设在上海，专业代理欧美、亚洲先进知名品牌刀具，包括MITSUBISHI、MAPAL、BECK、BENZ、VARGUS、SIMTEK、TAPMATIC、NT、DIAHON、SVQ、CeramTec、SWISSTOOLS、OSG、HAIMER、WIHA…等。同时尚亚也是一家全方位提供刀具服务处理方案公司，服务项目包括刀具规划、刀具设计、刀具优化、刀具修磨、特殊订制、夹具、量具及刀具管理。
黎永兰和几个同事一起在广安鼎虹歌城唱歌娱乐，林雪川来到KTV包房，敬了黎永兰同事几杯酒，打招呼后便走了。
2.2 实证研究方法——三阶段DEA模型
研究表明，采用Fried等［21］给出的三阶段DEA模型测得的效率值剔除了环境因素和随机因素的影响，结果相对真实准确［14-15,17，22-24］，因此本文选择三阶段DEA模型对环境保护投资效率进行实证研究。
第一阶段，运用DEA-BCC模型测算初始效率值。本文选择投入导向的传统DEA-BCC（规模报酬可变）模型，对原始投入产出数据的效率值进行测算。数据包络分析法（DEA）是利用数学规划原理对同类型部门或单位进行相对有效性评价的一种非参数方法，对于给定决策单元，投入导向下DEA-BCC模型表示为：
（2）分离管理无效率、环境因素和随机噪声。本文参考罗登跃［22］、陈巍巍等［23］对管理无效率项分离的研究成果，方法如下：
式（1）中：j=1,2,…, n为决策单元；X为投入向量；Y为产出向量。若θ=1，S+=S-=0，则为有效决策单元；若θ=1，S+≠ 0或S-≠ 0，则为弱有效决策单元；若θ＜1，则为非有效决策单元。
经DEA-BCC模型求解的效率值分别为综合技术效率（TE）、纯技术效率（PTE）和规模效率（SE），三者关系为TE=SE× PTE。
（3）产业结构维度。第二产业增加值占比对环境保护投资3个投入指标松弛变量的回归系数均为正，且均通过1%显著性检验，说明第二产业增加值占比高不利于环境保护投资效率的提高。工业污染是环境污染的主要来源，工业生产产生的废水、废气和固体废物对环境造成极大伤害，第二产业增加值占地区生产总值比重越大，对环境造成的污染便越严重。当前我国大部分地区的产业以传统工业和低端制造业为主，高能耗、高污染，不利于环境保护工作的进行，只有产业结构从传统工业向清洁型服务业和技术密集型产业转变，才有助于提高环境保护投资效率。
（1）构造相似SFA回归函数（投入导向）对投入松弛变量进行回归分析：
在小酒馆里他总要逼着我多喝酒，我却根本不胜酒力。看着我喝得一塌糊涂，眼神儿不济，出洋相的时候，他却乐不可支。一次，他硬逼我喝酒，我拱手抱拳，硬着舌头说，真不行了，不能喝了……没想到他把一大杯啤酒倒到了我的脖子里。小酒馆里喝酒的人们都开心地大笑了起来。
二狗伢还真有些过人之处。他没进过一天学堂门，是个睁眼瞎，进了县城，连男女厕所都分不清，可他日怪，他说不认得字有么子关系，我站旁边看着，有男人进去解手，就跟鸡上笼。有人打趣，要是尿逼急了，又冇人来解手怎么办？他说就地解决呗，你没听说过，屙尿莫瞄人，瞄人屙不成。他还真的就地解决过，一回在岳阳楼边为队里买农药，逼急了，伴着岳阳楼城墙伸手掏家伙，刚好被城管逮住，罚款五角钱，他一阵忙乱，荷包搜穿，好不容易才找到三毛。他说，我只有这么多了，本来想去巴陵面馆吃碗面的，全给你们吧！城管见他如此可怜兮兮，也就放了他一马，一分钱也没要。
水中自救能力是游泳者在水中出现危机状况时运用自身所掌握的技能自救脱险的能力。水中自救基本原则为“沉着冷静、保持体力、摆脱险境”。水中自救的基本技能包括：水中抽筋自救、呛水自救，水草缠腿自救等，一般采用十字漂、水母漂、踩水、反蛙泳、着装游泳、潜泳和游泳技能等。
（4）对投入产出变量进行调整。SFA回归分析的目的是剔除环境因素和随机噪声对效率测度的影响，以便将调整后的决策单元置于相同的外部环境中。通过如下公式对投入产出变量进行调整：
第三阶段，运用DEA-BCC模型测算调整后的效率值。再次运用DEA-BCC模型将已剔除环境因素和随机噪声的各决策单元投入产出数据进行效率值测算，此时测得的效率值更加真实准确。
中国民众对于杀人偿命的认知有别于其他国家，最根本的原因在于中国特殊的社会伦理观念，即冤魂难眠。古代社会当中，中国人有着强烈的祖先崇拜。我们认为人是有魂魄的，人死后魂魄会转化为祖先，祖先则会荫庇子孙后代。人在正常死亡的情况下，属于善终，非正常的死亡则属于凶死，凶死的人是不能够进祖坟的。因此冤魂难眠的观念始终都激励着被害人与国家统治者寻求以命抵命的方式来缓和社会冲突，传统的杀人偿命观也正是因为将安慰死者的灵魂作为首要的考虑事项而根深蒂固。
2.3 数据来源
本文选取我国31个省、自治区、直辖市（未包括港澳台地区）作为评价单元（以下简称样本决策单元），利用2016年截面数据对环境保护投资的经济、社会和环境效率进行实证评价。其中投入指标X1、X2、X3统计数据来自《中国环境统计年鉴》；产出指标Y1、Y5统计数据来自国家统计局网站，Y2统计数据来自各地区环境公报，Y3、Y4统计数据来自《中国环境统计年鉴》；环境因素指标Z1、Z2、Z3统计数据由国家统计局网站查询并经作者整理得到。
3 实证研究过程
3.1 第一阶段DEA实证研究
第一阶段运用DEAP2.1软件，以投入导向的DEA-BCC模型对我国31个样本决策单元2016年环境保护投资效率进行测算，得出各个决策单元环境保护投资的效率值。由表1的评价结果可知，我国31个省份的环境保护投资效率较低，投入产出结果不理想。其中：综合效率平均值为0.621，纯技术效率平均值为0.751，规模效率平均值为0.840，规模效率值大于纯技术效率值，可见多数省份综合效率值偏低的主要原因是环境保护投资的管理和技术无效，而不是投资规模无效；综合效率值被用来衡量各决策单元整体环境保护投资的效率水平高低，环境保护投资综合效率有效的省份仅有5个，分别为天津、广东、海南、重庆和西藏，占全部样本决策单元的16%，其余综合效率非有效决策单元的效率值普遍处于较低水平，综合效率值最低的为山西，效率值仅为0.187；纯技术效率值通常用来衡量决策单元的投入有效与否在多大程度上是由技术水平导致，环境保护投资的纯技术效率有效决策单元共14个，其余决策单元均处于无效状态，并且无效决策单元的效率值普遍偏低，纯技术效率值最低的仍为山西；规模效率值越高表明决策单元的生产规模越接近理想状态，规模效率有效的省份与综合效率有效的省份相同，表明这些省份的规模效率已处于效率前沿，其余无效决策单元的规模效率值多处于较高水平。
表1 样本决策单元第一阶段环境保护投资效率值
传统DEA-BCC模型只考虑管理和技术等内在因素对管理无效率的影响，却忽略了环境因素和随机因素的影响。我国各地区之间经济和社会等各方面发展状况具有显著差异，这些外在环境因素同样对环境保护投资效率产生影响。为剔除环境因素和随机因素对环境保护投资效率的影响，在第二阶段构建相似SFA回归模型对投入产出数据进行调整。
3.2 第二阶段SFA回归分析
第二阶段将原始投入指标的松弛变量作为因变量，将人均地区生产总值、城镇化率和第二产业增加值占比作为自变量，运用SFA模型进行回归分析，分离管理无效率、环境因素和随机噪声。运用Frontier4.1软件进行数据处理，得到SFA回归结果如表2所示。表2中，投入松弛变量的单边广义似然比检验结果（LR test）均通过1%显著性检验，则拒绝原假设
，说明存在管理无效率项，运用SFA模型分离环境因素和随机噪声具有必要性和合理性。表2中3个投入指标松弛变量的 值均趋近于1，说明环境因素对环境保护投资效率产生主要影响。当各投入松弛变量的SFA回归系数为正时，表示环境因素与投入松弛变量呈正相关，环境因素的增加不利于提高环境保护投资效率；当各投入松弛变量的SFA回归系数为负时，表示环境因素与投入松弛变量为负相关，环境因素的增加有利于提高环境保护投资效率。
表2 第二阶段样本决策单元变量的SFA回归结果
下面分别从经济、社会和产业结构3个维度分析环境因素对环境保护投资效率产生的影响：
（1）经济维度。人均地区生产总值对环境保护投资3个投入指标松弛变量的回归系数均为正，且均通过1%水平上的显著性检验，由此可知经济水平越发达并不意味一定越有利于提高环境保护投资效率，这也与第一阶段传统DEA-BCC模型的评价结果一致。如江苏省，2016地区生产总值位居全国第二，人均地区生产总值全国第四，而环境保护投资效率却仅为0.448，环境污染治理投资总额为765.6亿元，占地区生产总值比重为0.99%；而位于效率前沿的广东省，2016年环境污染治理投资总额为367.5亿元，占地区生产总值比重为0.45%。由此可见，经济发达地区充足的财政收入更容易盲目投资，使资金投入产生冗余，造成资金浪费。因此从经济维度来讲，更需科学规划环境保护投资，合理安排资金使用，优化投资结构。
（2）社会维度。城镇化率对城市环境基础设施投资松弛变量和工业污染源治理投资松弛变量的回归系数均为负，且均通过1%水平上的显著性检验，说明城镇化率的提高有利于城镇环境保护基础设施投资和工业污染源治理投资效率提升，对环境保护的正向规模效应明显高于污染物增加而产生的负向效应。城镇化程度高的地区具有更高的环境污染集中治理水平，环境保护基础设施建设更加完善，环境管理更加科学规范，发挥了更大的规模效应优势，由此对城市环境基础设施投资和工业污染源治理投资的效率产生正向影响。但城镇化率对当年完成环保验收项目环保投资松弛变量的回归系数为负，并通过1%显著性检验，由此可知城镇化率的提高反而致使当年完成环保验收项目环保投资松弛变量产生浪费，降低了投资效率。
第二阶段，运用相似SFA回归模型剔除环境因素和统计噪声。Fried等［21］认为决策单元的效率受到管理无效率、环境因素和统计噪声的影响，因此有必要分离这3种因素的影响。第一阶段由DEABCC模型计算得到的投入产出松弛变量受到环境因素、管理无效率和统计噪声影响，因此在第二阶段构建相似随机前沿模型（SFA）剔除环境因素和随机噪声。
由以上分析可知，省际之间环境保护投资各投入松弛变量受到环境因素不同程度的影响，环境保护投资效率值存在较大偏差。为了更加准确测量真实环境保护投资效率值，剔除环境因素和随机因素的影响十分必要，使各个省份处于相同的外部环境下再对环境保护投资效率进行测算。
3.3 第三阶段DEA实证研究
以第二阶段SFA回归模型调整后的投入产出变量数据，再次运用DEA-BCC模型测算样本决策单元的环境保护投资效率，以DEAP2.1软件进行数据处理，得到第三阶段调整后的环境保护投资效率值，如表3所示。对比第一阶段和第三阶段的效率值可知，在排除经济、社会和产业结构外部环境因素的干扰下，样本决策单元的环境保护投资的综合效率、纯技术效率和规模效率平均值均有显著提升，说明本文运用三阶段DEA方法排除环境因素影响是十分必要的。其中：第三阶段综合效率较第一阶段有所提升，有效的决策单元为8个，天津、广东、重庆和西藏4省份在第一阶段和第三阶段同为有效决策单元，说明这4个省份的环境保护投资效率非常稳健，并且保持良好的投入产出水平，受外部环境因素的影响较小；经调整后海南离开效率前沿，北京、辽宁、吉林和青海4个省份提升至效率前沿。除上海和海南的综合效率值有所下降，其余省份综合效率值均有显著提升，说明对于多数省份来说，在未剔除环境因素影响下的环境保护投资效率被低估。第三阶段纯技术效率有效决策单元较第一阶段未改变仍为14个，四川离开纯技术效率前沿，而青海提升至纯技术效率前沿；除上海、江苏、山东和四川外，其余省份的纯技术效率值较第一阶段均有较大幅度提升，说明纯技术效率与其所处的环境有密切关系，这些纯技术效率在第三阶段有所提升省份的技术管理水平在第一阶段被低估。第三阶段调整后规模效率值处于较优水平，达到0.926，第一阶段和第三阶段均处于规模效率前沿的省份为天津、广东、重庆和西藏，北京、辽宁、吉林、安徽和青海在第三阶段调整后处于规模效率前沿，海南在第三阶段调整后离开规模效率前沿。规模收益情况波动较小，除位于效率前沿的省份外，共有14个省份的规模收益递减，规模收益递增省份略有增加，由第一阶段的3个增加到第三阶段的6个，分别为河北、山西、四川、陕西、宁夏和新疆。
表3 样本决策单元的第三阶段环境保护投资效率值
3.4 第三阶段效率值的聚类分析
本文根据第三阶段测得的纯技术效率值和规模效率值，借鉴李芳林等［14］研究的聚类方法，以0.8为分界线将样本决策单元分为4种类型，如图1所示。其中，第一象限为双高型，即纯技术效率和规模效率均高于0.8，共有15个省份，占比为48%；第四象限为高-低型，即纯技术效率较高但规模效率较低，位于该象限的省份只有云南和江苏，这2个省份没有发挥应有的规模效益；第二象限为低-高型，即纯技术效率较低而规模效率较高，共有12个省份，占比为39%；第三象限为双低型，即纯技术效率和规模效率都处于较低水平，黑龙江和山东位于该象限，表明这2个省份的环境保护投资效率低下，纯技术效率和规模效率均有待提升。
图1 样本决策单元第三阶段纯技术效率和规模效率分布
我国各地区间环境保护投资效率差异显著，因此各地区应因地制宜采取科学的环境保护措施，提高环境保护投资效率。样本决策单元中，处于双高型象限的省份占比最大，表明这些省份的环境保护投资效率较高，其投入产出结构较合理，应继续保持现有的投资水平；处于高-低型的省份环境保护投资规模效率较低，没有发挥理想的规模效益，因此江苏和云南省的改进方向为提升规模效率，改变当前的发展模式，加大力度促使环境保护投资规模化发展；处于低-高型象限的省份比重较大，在今后的发展中应更加关注环境保护投资技术水平的提高，鼓励环境保护领域的技术研发和创新；处于双低型的黑龙江和山东省纯技术效率和规模效率都处于较低水平，因此在今后的环境保护方面不仅需要增强技术管理水平，还需提高规模。此外，加强省际之间的交流与合作，对提高环境保护投资效率具有重要的促进作用。
4 结论与建议
4.1 研究结论
根据上文对我国31个省、自治区、直辖市环境保护投资效率进行评价，得出以下结论：
（1）我国环境保护投资效率有待提高。第三阶段剔除环境因素的影响后，我国环境保护投资效率平均值均有显著提升，但仍处于较低水平。其中：综合效率平均值较低，纯技术效率平均值高于综合效率平均值，规模效率平均值最高；处于效率前沿的省份仅有8个，占比仅为26%，表明我国当前的环境保护投资仍然效率较低，无论管理和技术水平或投资规模均需改进和提升。
（2）环境因素对环境保护投资效率产生较大影响。本文从经济、社会和产业结构3个维度探究环境因素对环境保护投资效率的影响，人均地区生产总值对3个投入指标松弛变量的回归系数均为正，表明经济发达程度与环境保护投资效率不存在正相关关系；城镇化率对3个投入松弛变量的回归系数有正有负；第二产业占比对3个投入指标松弛变量的回归系数均为正，说明第二产业增加值占比提高不利于环境保护投资效率提高。
（3）我国多数省份规模收益递减。由第三阶段实证结果可知，除位于效率前沿的省份，我国多数省份处于规模收益递减，仅有6个省份处于规模收益递增，意味继续扩大投资规模不利于提高环境保护投资效率。聚类分析结果表明，除位于效率前沿的省份外，我国多数省份处于低-高型象限，说明环境保护投资的管理技术水平是制约多数省份效率提高的关键。
4.2 对策建议
基于上述分析，本文提出如下措施来提高环境保护投资效率，以促进各地区的经济环境社会协调发展：
（1）政府部门应积极采取措施提高环境保护投资效率。一是继续加大环境保护投资力度和规模。环境保护作为一项公共服务，政府部门主导投资，因此政府“有形的手”应积极发挥作用，继续加大环境保护投资力度。建议地方政府根据本地区经济发展情况规定环境保护投资占地区生产总值的比重，占比不低于1.5%为宜，且要保持稳定和连续。二是提高环境保护资金的使用效率。建议地方政府制定严格的环境保护资金使用相关法律法规，对资金的分配和使用明确规定，做到有章可循并实行有效的监管，明确责任和和义务。三是提高环境保护领域的技术和管理水平。由实证研究可知，技术和管理水平落后是导致我国环境保护投资效率低的主要原因，因此各级地方政府需高度重视环境保护实用技术和设备的研究开发，培养环境保护领域高级专业技术人才。
本文回溯了西汉“时禁”灾祥观的历史渊源，其核心内容在于王者“顺时施政”，就会带来祥瑞。在天、地、人三道和谐统一的基础上，实现“合德”，避免灾异发生。
（2）重视外部环境对环境保护投资效率的影响。各级地方政府应充分考虑环境保护投资与经济、社会、产业结构的相关性。第一，转变经济发展方式，各级地方政府应改变长期以来单一追求经济增长的粗放发展方式，积极探索可持续发展路径，建议将环境绩效纳入地方政府考核；第二，继续加快城镇化进程，对于城镇化率较高的地区，应充分发挥城市的集聚优势，合理规划城市空间布局，提高污染物集中排放、集中治理水平，对于城镇化率较低的省份则应稳步推进城镇化进程，把生态文明融入城镇化进程，保证城镇化进程中经济、社会与生态环境协调发展；第三，推动产业结构升级优化，建议地方政府适度降低工业产业比重，推进第二产业向资源节约、环境友好发展，以此缓解环境继续恶化的状况，同时大力支持第三产业发展，“一带一路”沿线省份还可借此建设发展机遇探索自身产业转型。
壳聚糖酶主要是由微生物和植物产生的，该酶在这些微生物和植物的营养和防御功能上起着重要的作用，于1973年在研究土壤中的细菌和真菌时首次发现。在过去30多年时间里，已经有大量有关细菌、真菌以及植物中壳聚糖酶的结构、纯化和理化特性等方面研究的论文被报道[2]。
（3）优化资源配置，提高技术管理水平。针对规模收益变化情况，建议规模收益递增省份继续扩大环境保护领域生产要素和资料的投入规模，以此促进环境保护投资效率的提高；对于规模收益递减省份，应合理配置劳动力资源、设施存量和资金资源，提高资源利用效率，走内涵式发展道路［24］，以期提高效率。针对多数处于低-高型象限的省份，政府部门应统筹规划，继续促进环境保护领域技术创新和科研能力提升，并依托当地教育资源重点培养环保领域高级人才。
注释：
1）数据来自《中国环境统计年鉴》。
Eurocode 2的临界截面周长，看作为带有圆角的矩形，取距离柱周边2d处板垂直截面的最不利周长，d为板有效高度。临界截面周长的计算简图见图6。
参考文献：
［1］乔巧,侯贵光,孙宁,等.环境基本公共服务均等化评估指标体系构建与实证［J］.环境科学与技术,2014,37(12):241-246.
［2］祝婧然,何凌云,朱卫.基于分类视角的我国环保投资综合效益研究［J］.生态经济,2014,30(1):107-114.
［3］徐顺青,逯元堂,高军,等.环境污染治理投资发展路径分析［J］.生态经济,2017,33(2):94-97.
［4］袁华萍.基于DEA视窗分析的中国环境治理投资效率研究［J］.生态经济,2016,32(4):154-157.
［5］AZADEGAN S, GOLARA S, KACH A,et al. Corporate environmental investments: a cross-national study on managerial decision making［J］.International Journal of Production Economics,2018,199(5):47-64.
［6］官永彬,张应良.中国环境基本公共服务绩效地区差异的实证分析:基于泰尔指数分解［J］. 技术经济,2017,36(4):93-99.
［7］郭伟,吴晓华.地方政府环保投资规模影响因素分析及思考［J］.生态经济,2015,31(2):85-88,92.
［8］PEKOVIC S, GROLLEAU G, MZOUGHI N. Environmental investments: too much of a good thing?［J］.International Journal of Production Economics,2018,197(3):297-302.
［9］LIU Q, WANG S, ZHANG W, et al. Does foreign direct investment affect environmental pollution in China's cities? A spatial econometric perspective［J］.Science of The Total Environment,2018,613(2):521-529.
［10］ZHOU Y, MA J,ZHANG Y, et al. Improving water quality in China: environmental investment pays dividends［J］.Water Research,2017,118(6):152-159.
［11］CICEA C, MARINESCU C, POPA I, et al. Environmental efficiency of investments in renewable energy: comparative analysis at macroeconomic level［J］.Renewable and Sustainable Energy Reviews,2014,30(2):555-564.
［12］张伟,李国祥.中国环境保护投资对可持续发展的影响研究［J］.中国人口·资源与环境,2016,26(10):25-33.
［13］孙钰,王坤岩,姚晓东.基于DEA交叉效率模型的城市公共基础设施经济效益评价［J］.中国软科学,2015(1):172-183.
［14］李芳林,唐欣.基于三阶段DEA的环保投入效率研究［J］.软科学,2018,32(8):78-81.
［15］郭四代,仝梦,郭杰,等.基于三阶段DEA模型的区域环境效率测度［J］.统计与决策,2018,34(16):89-93.
［16］王丽民,刘永亮.环境污染治理投资效应评价指标体系的构建［J］.统计与决策,2018,34(3):38-43.
［17］高旭阔,张迪.考虑环境因素的城镇污水处理投资效率:基于三阶段DEA的方法［J］.中国环境科学,2018,38(9):3594-3600.
［18］杨冬梅,万道侠,杨晨格.产业结构、城市化与环境污染:基于山东的实证研究［J］.经济与管理评论,2014,30(2):67-74.
［19］韩楠,于维洋.中国产业结构对环境污染影响的计量分析［J］.统计与决策,2015(20):133-136.
［20］许正松,孔凡斌.经济发展水平、产业结构与环境污染:基于江西省的实证分析［J］.当代财经,2014(8):15-20.
［21］FRIED H O,LOVELL C A K,SCHMIDT S S,et al. Accounting for environ-mental effects and statistical noise in data envelopment analysis［J］.Journal of Productivity Analysis,2002(17):157-174.
［22］罗登跃.三阶段DEA模型管理无效率估计注记［J］.统计研究,2012,29(4):104-107.
［23］陈巍巍,张雷,马铁虎,等.关于三阶段DEA模型的几点研究［J］.系统工程,2014,32(9):144-149.
［24］郭四代,仝梦,郭杰,等.基于三阶段DEA模型的省际真实环境效率测度与影响因素分析［J］.中国人口·资源与环境,2018,28(3):106-116.
Research on Economic, Social and Environmental Efficiency of Environmental Protection Investment: Based on Three-stage DEA Model
Sun Yu1,2, Jiang Ningning1, Cui Yin2
（1. School of Public Management, Tianjin University of Commerce, Tianjin 300134, China;2. School of Management and Economics, Tianjin University, Tianjin 300072, China）
Abstract: Under the guidance of the national policy of saving resources and protecting environment, investment in environmental protection, as an important component of basic public environmental services, provides support for effectively improving environmental pollution problems and promoting sustainable economic and social development.In this paper, the input-output index system is established from three dimensions which are economy, society and environment. The three-stage DEA (data envelopment analysis）model is used to study the investment efficiency of environmental protection of 31 provinces, autonomous regions and municipalities (excluding Hong Kong, Macao and Taiwan) directly under the central government in 2016. Through SFA regression analysis, the influences of environmental factors and random variables are removed, and the calculated efficiency values are more authentic. The research results show that： the comprehensive technical efficiency of environmental protection investment in China is only 0.740, which is low and has great room for improvement. Economic, social and industrial structural factors have significant impacts on the efficiency of investment in environmental protection. Except for the provinces located at the frontier of efficiency, most of them are in decreasing returns to scale, and only 6 provinces have increasing returns to scale. According to the classification of pure technical efficiency and scale efficiency, pure technical efficiency is low while scale efficiency is high in most provinces.
Key words: environmental protection; investment efficiency; three-stage DEA model
中图分类号： X321；F224；G301
文献标志码： A
文章编号： 1000-7695（2019）21-0219-08
doi: 10.3969/j.issn.1000-7695.2019.21.031
收稿日期： 2019-01-04，修回日期：2019-03-25
基金项目： 天津市哲学社会科学规划重点项目“京津冀生态文明与城市化耦合协调发展的时空演进研究”（TJYY19XSX-018）
作者简介： 孙钰(1965—),女，天津人，教授，博士研究生导师，主要研究方向为城市公共基础设施利用效益与优化配置；姜宁宁（1990—），通信作者，女，辽宁锦州人，硕士研究生，主要研究方向为城市公共基础设施利用效益与优化配置；崔寅（1986—），男，天津人，博士研究生，主要研究方向为城市基础设施利用效益。
标签：环境保护论文; 投资效率论文; 三阶段数据包络分析(DEA)模型论文; 天津商业大学公共管理学院论文; 天津大学管理与经济学部论文;