第三节
行业间资源错配对环境效率的影响

一、环境效率的测度

DEA方法在测量多项投入与产出决策单元（简称DMU））的相对效率方面具有显著效果，利用DEA模型进行环境效率测度的研究中，通常将环境污染变化指标当作负产出，通过给非正变化值赋予一个足够大的正常量令之为正，再把它囊括入投入产出模型。或者是将环境污染变化指标当作负产出，让该负变化指标具有弱可处置性。将环境污染作为负产出，对全国2000—2007年36个细分工业行业进行环境效率测度。

假定生产系统有 n 个评价对象，每个评价对象均有投入、期望产出和非期望产出3类投入产出向量，这些向量分别表示成 X ∈ R ^m 、 Y ^g ∈ R ^{s 1} 及 Y ^b ∈ R ^{s 2} ，这里定义矩阵 X 、 Y ^g 、 Y ^b 如下：

X =[ x ₁ ，…， x _n ]∈ R ^{m × n} ， 以及 Y ^b = ， X ＞0， Y ^g ＞0和 Y ^b ＞0，处于不变规模报酬下的可计算的生产集 P 定义为：

参考Tone（2001），强可处置性下的非期望产出的SBM模型定义为：

此模型中为非线性规划， s 是投入、产出的松弛量， λ 是权重向量。目标函数 d 是关于 、 S ^g 、 S ^b 标准递减，并且0≤ d ≤1。对于特定的被评价单元，当且仅当 d =1，即 、 S ^g =0、 S ^b =0时是有效率的。如果 d ＜1，则被评价单元的效率较低，并且在投入产出指标上有改进需求。

选择规模以上工业企业数据测算环境效率，原始数据来源于历年国家统计年鉴，所用变量包括：①能源投入，以各行业年能耗量为基础数据（单位：万吨标准煤）；②劳动投入，以各行业年平均员工人数为基础数据（单位：万人）；③产出数据，以《中国统计年鉴》中各行业的年工业总产值为产出基础数据（单位：亿元），用分行业工业品出厂价格指数进行平减，得到以1990年为基期的不变价工业总产值；④负产出指标选择SO ₂ 排放。

根据各行业面板数据，利用DEA-solver得到各工业行业的环境效率，限于篇幅，此处列出2003—2007年的环境效率值，如表5.4所示。

根据表5.4，通信设备、计算机及其他电子设备制造业和电力热力的生产供应业的环境效率值为1，说明这些行业位于前沿，环境效率最高。烟草制品业，皮革、毛皮、羽毛（绒）及其制品业，家具制造业，仪器仪表及文化、办公用机械制造业的环境效率值大于0.7，这几个工业行业环境效率值居中，在发展中与环境相对协调。纺织服装、鞋、帽制造业，文教体育用品制造业等行业的环境效率值在0.5～0.7之间，与生产前沿仍有较大差距，环境效率提升的潜力较大。

二、行业间资源错配对环境效率的影响

（一）数据与变量说明

本部分使用2000—2007年中国36个工业行业面板数据，所有数据来自中国规模以上工业企业数据库、中国统计年鉴。被解释变量为环境效率指数（ Efficiency ），解释变量分别为资源错配程度（ Allocation ）及其他控制变量，包括：能源结构（ ESTR ），用能源消费总量中终端煤炭消费量的比重来表示；工业内部产业结构（ IS ），用各工业行业产值占工业总产值之比来表示；外资水平（ FDI ），用外商和港澳台投资的工业企业总产值占规模以上工业总产值的比重来衡量；行业平均规模（ AS ），用分行业规模以上工业企业总产值除以对应行业中规模以上工业企业数量来表示；技术进步（ R&D ），以分行业单位GDP能耗表示。

（二）模型与参数估计

设定面板数据计量模型如下：

其中， i 表示工业行业， t 表示年份， β ₀ ～ β ₆ 为待估参数， μ 是不可观测的随机干扰项。回归结果见表5.5。

表5.5显示对计量模型的参数估计结果，列（1）～（3）分别为固定行业效应、固定时间效应和时间行业双固定的回归结果，列（4）为随机效应模型估计结果。由估计结果可知，衡量资源错配的变量 Allocation 的系数在每一列回归中显著为正，表明资源错配程度越严重（即实际生产率 TFP 与有效配置下的生产率 TFP _efficient 之比越小），环境效率越低，这一结果在固定效应和随机效应回归中表现出较强的稳健性。另外，控制变量中，以煤炭消耗比例表示的能源结构变量系数显著为负，表明煤炭消耗比例越高，环境效率越低。代表技术水平的 R&D 变量系数显著为正，表明技术水平的提升有利于促进环境效率的提高。 lq0LG9T9h9uGTRB6AnSVnARrZd78beGyFn+g3GD8Hm5tTpIzoI+anw3ngQ+/wRZH