中國(guó)環(huán)境效率及污染物減排潛力研究

王瑞 諸大建

摘要 在中國(guó)提出主要污染物排放總量約束目標(biāo)的當(dāng)前，測(cè)算與日益趨緊的“總量控制”政策目標(biāo)相契合的環(huán)境績(jī)效和減排潛力，具有重要的應(yīng)用與學(xué)術(shù)價(jià)值。基于此，本文充分考慮不同地區(qū)發(fā)展的不平衡狀況和技術(shù)差異性特點(diǎn)，應(yīng)用與數(shù)據(jù)生成過(guò)程（DGP）相一致的SFA共同前沿兩步回歸方法，科學(xué)估計(jì)2004—2014年間中國(guó)省際環(huán)境成本模型，有效克服傳統(tǒng)估計(jì)方法存在的偏誤，進(jìn)而根據(jù)實(shí)際污染（SO2）排放與最小排放量的距離計(jì)算環(huán)境效率與減排潛力。結(jié)果顯示：①經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、能源消費(fèi)結(jié)構(gòu)、能源價(jià)格、家庭數(shù)量以及交通出行對(duì)中國(guó)SO2排放量增加均有一定的促進(jìn)作用，而技術(shù)水平提高與家庭規(guī)模擴(kuò)大顯著抑制了污染排放。②在大多數(shù)情況下，經(jīng)濟(jì)開(kāi)放的三個(gè)維度與研發(fā)投入對(duì)環(huán)境效率具有積極影響，環(huán)境治理投資與國(guó)有資產(chǎn)占比對(duì)環(huán)境效率具有負(fù)向效應(yīng)；各種外部環(huán)境變量對(duì)技術(shù)差距比的影響不同，東中部地區(qū)環(huán)境技術(shù)顯著高于西部地區(qū)。③當(dāng)前中國(guó)總體環(huán)境效率不高，共同前沿下的環(huán)境效率年均只有0.537，尚具有很大的提升空間。中國(guó)各省份、三大地區(qū)的環(huán)境效率和排放技術(shù)差異顯著，不管是總體環(huán)境效率還是減排技術(shù)，東部地區(qū)都比中西部地區(qū)高得多。④中國(guó)的總量減排任務(wù)可以通過(guò)改善環(huán)境效率來(lái)完成。如果環(huán)境效率提高到100%，污染物排放總量將會(huì)降低大約1 192萬(wàn)t，相當(dāng)于中國(guó)在2014年污染物排放總量的60.36%。短期內(nèi)可根據(jù)各區(qū)域現(xiàn)有技術(shù)水準(zhǔn)設(shè)定有區(qū)別的減排目標(biāo)，長(zhǎng)期而言，應(yīng)將參照基準(zhǔn)擴(kuò)大到全國(guó)，釋放最大的潛在減排空間。

關(guān)鍵詞 中國(guó)環(huán)境效率；共同前沿；隨機(jī)前沿成本函數(shù)；減排潛力

中圖分類號(hào) F205

文獻(xiàn)標(biāo)識(shí)碼 A文章編號(hào) 1002-2104（2018）06-0149-11DOI：10.12062/cpre.20180113

作為全球最大的發(fā)展中國(guó)家，中國(guó)自改革開(kāi)放以來(lái)經(jīng)歷了30多年粗放式突飛猛進(jìn)的發(fā)展，其創(chuàng)造大量物質(zhì)財(cái)富的同時(shí)付出了環(huán)境質(zhì)量日益惡化的沉重代價(jià)。1978—2015年中國(guó)GDP年均增長(zhǎng)率高達(dá)9.70%，但同時(shí)主要污染物排放量極大超出生態(tài)環(huán)境承載能力。中國(guó)SO2與CO2排放總量已連續(xù)多年高居世界首位[1]。2015年首批開(kāi)展大氣壞境質(zhì)量監(jiān)測(cè)考核的中國(guó)74個(gè)城市平均超標(biāo)天數(shù)比例高達(dá)28.8%，大約6億的中國(guó)人口生活在細(xì)顆粒物污染地區(qū)[2]。一份最新的環(huán)境績(jī)效指數(shù)報(bào)告顯示，中國(guó)的空氣質(zhì)量在178個(gè)國(guó)家中只排在109位[3]。在諸多具體的污染物中，作為全球變暖的罪魁禍?zhǔn)?，CO2排放是長(zhǎng)期以來(lái)的研究熱點(diǎn)。但值得說(shuō)明的是，CO2排放引致的溫室效應(yīng)在短期內(nèi)不會(huì)對(duì)居民生存構(gòu)成威脅。相比較而言，大氣中的SO2不僅直接造成呼吸道疾病、肺癌甚至死亡等嚴(yán)重的公共健康問(wèn)題[4-5]，而且引致酸雨、霧霾和細(xì)顆粒物PM2.5等二次污染[6-8]，SO2污染給中國(guó)899個(gè)縣的農(nóng)業(yè)增加值造成了0.66%的經(jīng)濟(jì)損失[9]，所以治理SO2污染是中國(guó)目前更急迫的任務(wù)。為了減少SO2排放進(jìn)而降低污染損害，中國(guó)政府早在“十一五”減排目標(biāo)中就將其作為兩項(xiàng)主要的污染物指標(biāo)之一。盡管SO2排放量近年來(lái)逐年降低，但2015年排放量仍達(dá)1 859萬(wàn)t。為此，2016年“十三五”規(guī)劃綱要對(duì)SO2污染提出了更嚴(yán)格的控制標(biāo)準(zhǔn)，即到2020年SO2排放總量5年累計(jì)減少15%的約束性減排目標(biāo)。在SO2減排約束日益趨緊背景下，科學(xué)測(cè)算與“總量減排目標(biāo)”相契合的環(huán)境效率和減排潛力，深入探討影響污染排放的因素，是保持經(jīng)濟(jì)穩(wěn)步增長(zhǎng)的同時(shí)達(dá)成減排目標(biāo)的重要基礎(chǔ)。

1 文獻(xiàn)綜述

作為主流的計(jì)算相對(duì)環(huán)境效率的有效工具，參數(shù)的隨機(jī)前沿分析（SFA）與非參數(shù)的數(shù)據(jù)包絡(luò)分析（DEA）是國(guó)際公認(rèn)的方法。已有的基于DEA方法的環(huán)境效率評(píng)估大多將環(huán)境要素作為投入變量或者非期望產(chǎn)出，并結(jié)合不同形式的方向性距離函數(shù)估算環(huán)境效率。如王兵等[10]基于SBMDDF與Luenberger生產(chǎn)率指數(shù)評(píng)估中國(guó)各地區(qū)環(huán)境效率，林伯強(qiáng)等基于能源—環(huán)境非徑向方向距離函數(shù)（ENDDF）估算2003—2012年間中國(guó)工業(yè)兩位數(shù)行業(yè)的能源環(huán)境效率[11]，汪克亮等結(jié)合非徑向距離函數(shù)與具有差分結(jié)構(gòu)的Luenberger生產(chǎn)率指標(biāo)估算2006—2013年間中國(guó)大氣環(huán)境效率[12]。而采用SFA方法的研究多是將污染排放作為一種負(fù)投入項(xiàng)，和勞動(dòng)、資本等傳統(tǒng)生產(chǎn)要素一同納入生產(chǎn)函數(shù)中，根據(jù)生產(chǎn)函數(shù)構(gòu)建有效前沿面，并結(jié)合方向性距離函數(shù)[13-14]、雙曲距離函數(shù)[15-16]或謝潑德距離函數(shù)[17]估算環(huán)境效率。然而上述文獻(xiàn)在構(gòu)造環(huán)境技術(shù)集合時(shí)通常將經(jīng)濟(jì)活動(dòng)視作與環(huán)境政策相獨(dú)立的過(guò)程，沒(méi)有從系統(tǒng)論的角度研究問(wèn)題，所估計(jì)出來(lái)的環(huán)境效率有著向上的偏誤[18]。采用不同設(shè)定形式的模型估計(jì)出來(lái)的環(huán)境效率是與不同的減排政策相對(duì)應(yīng)的。根據(jù)不同設(shè)定形式的模型估計(jì)出效率的不同反映了效率估計(jì)值對(duì)環(huán)境政策的敏感程度。因此，從嚴(yán)格意義上講，如果我們不能解決當(dāng)前中國(guó)基于“總量約束指標(biāo)”的環(huán)境政策目標(biāo)與環(huán)境效率之間的不匹配問(wèn)題，便無(wú)法了解現(xiàn)實(shí)經(jīng)濟(jì)中污染物排放可降低的空間。針對(duì)這一問(wèn)題，Herrala等基于隨機(jī)前沿成本函數(shù)，在污染物排放量最小化的政策目標(biāo)與隨機(jī)前沿設(shè)定之間建立了一種新的聯(lián)系[18]。相對(duì)于前述文獻(xiàn)，這是一種更加寬泛的環(huán)境效率測(cè)度方式。但其缺陷在于，因數(shù)據(jù)可得性其選取的影響因素過(guò)少，無(wú)法提供更豐富的信息。

中國(guó)不同地區(qū)在發(fā)展水平、制度環(huán)境和自然資源等方面差異甚大，各省份面臨的減排技術(shù)基準(zhǔn)可能不同，假如忽略技術(shù)異質(zhì)性使用混合數(shù)據(jù)評(píng)估環(huán)境效率，將為真實(shí)績(jī)效的刻畫(huà)帶來(lái)偏差。因此，一些學(xué)者聚焦于共同前沿理論框架研究中國(guó)各地區(qū)環(huán)境效率：王兵等運(yùn)用Metafrontier-Malmquist-Luenberger生產(chǎn)率指數(shù)測(cè)度環(huán)境約束下1998—2008年長(zhǎng)三角和珠三角城市群的全要素生產(chǎn)率及其成分[19]；朱德進(jìn)基于環(huán)境DEA技術(shù)與共同邊界分析方法研究中國(guó)地區(qū)CO2排放績(jī)效[20]；汪克亮等從生態(tài)效率視角求解兩個(gè)線性規(guī)劃來(lái)測(cè)算中國(guó)各省大氣污染排放效率[21]。上述研究都發(fā)現(xiàn)中國(guó)環(huán)境效率與減排技術(shù)存在顯著的區(qū)域差異性，并表明由Hayami等[22]開(kāi)創(chuàng)的，后來(lái)經(jīng)過(guò)Battese等[23]、Battese等[24]以及ODonnell等[25]等發(fā)展的Metafrontier框架較好地考慮了技術(shù)異質(zhì)性。然而，這些研究所采用的DEA方法對(duì)技術(shù)無(wú)效率項(xiàng)和隨機(jī)擾動(dòng)項(xiàng)不進(jìn)行任何區(qū)分，且不能對(duì)估算結(jié)果進(jìn)行假設(shè)檢驗(yàn)與置信區(qū)間的構(gòu)建。而傳統(tǒng)SFA方法大多是直接估計(jì)一個(gè)包括所有樣本的隨機(jī)合并前沿模型，雖然可以克服線性規(guī)劃方法的諸多缺陷，但基于此估計(jì)的前沿面并不能包絡(luò)組別前沿而存在偏誤。為了修正上述不足，Huang等[26]提出一種新的兩步估計(jì)法，基于第一步估計(jì)出的組群隨機(jī)前沿構(gòu)建共同前沿方程，并將衍生的準(zhǔn)最大似然估計(jì)方法應(yīng)用于第二步標(biāo)準(zhǔn)誤的估計(jì)。與Battese等[24]的傳統(tǒng)模型相比，該方法能夠有效克服與數(shù)據(jù)生成過(guò)程（DGP）不一致的問(wèn)題，并且有效地包絡(luò)了前沿技術(shù)，同時(shí)具有很好的統(tǒng)計(jì)推斷性質(zhì)。上述研究成果為本文環(huán)境效率的科學(xué)測(cè)算指明了方法導(dǎo)向。

為彌補(bǔ)現(xiàn)有文獻(xiàn)的不足，本文對(duì)Herrala等[18]的環(huán)境成本前沿模型進(jìn)行擴(kuò)展，從經(jīng)濟(jì)、人口與交通等維度全面考慮對(duì)污染物排放量產(chǎn)生影響的因素，采用與數(shù)據(jù)生成過(guò)程（DGP）相一致的新型Metafrontier模型，科學(xué)估計(jì)2004—2014年間中國(guó)省際環(huán)境污染的隨機(jī)前沿成本函數(shù)，闡述各因素對(duì)SO2排放、環(huán)境效率與技術(shù)差距的作用效果，根據(jù)實(shí)際排放與最小排放量的距離計(jì)算具有可比性的環(huán)境效率，最后估算不同參照技術(shù)下的減排潛力，為中國(guó)各省份減排政策的制定和施行提供科學(xué)的決策依據(jù)。

2 環(huán)境效率的測(cè)度方法

2.1 環(huán)境成本隨機(jī)前沿函數(shù)的構(gòu)建

為使得污染物排放量E這種非合意產(chǎn)出可縮減比例最小化，Herrala等[18]定義了污染/生產(chǎn)可能性集合P（X），其中X是由對(duì)技術(shù)集合產(chǎn)生影響的因素構(gòu)成的向量，包括期望產(chǎn)出以及其他相關(guān)的重要影響因素，P（X）包絡(luò)了不同水平X下所有可能的污染物排放量E，這樣就將環(huán)境效率EF定義為：EF≡max{θ：EθP[X]}，污染物排放量E滿足的可能性集合為E≥F（X）·exp（V），其中V為隨機(jī)擾動(dòng)項(xiàng)。環(huán)境效率用環(huán)境前沿面上的最小SO2排放量與實(shí)際排放量之間的比值來(lái)度量，表達(dá)式為：

采用雙對(duì)數(shù)方程形式將污染排放的可能性集合轉(zhuǎn)化為隨機(jī)前沿成本函數(shù)，公式如下：

其中i表征評(píng)價(jià)單元，t為時(shí)間，環(huán)境前沿的表達(dá)式為lnF（Xit）。與傳統(tǒng)的隨機(jī)前沿模型設(shè)定一致，Vit代表隨機(jī)擾動(dòng)項(xiàng)，包括測(cè)量誤差以及各種不可控的隨機(jī)因素，如天氣、運(yùn)氣等等，Vit～i.i.dN（0，σ2V），Uit是非負(fù)的環(huán)境無(wú)效率項(xiàng)，假設(shè)Uit服從截?cái)嗾龖B(tài)分布。我們假定Vit與Uit獨(dú)立不相關(guān)。

環(huán)境污染（Eit）用SO2這一典型污染物的排放量來(lái)反映。Xit是除了隨機(jī)擾動(dòng)項(xiàng)與效率損失之外對(duì)污染物排放產(chǎn)生直接影響的因素向量，Herrala等[18]鑒于數(shù)據(jù)的可得性只加入了GDP、人口和區(qū)域面積這三個(gè)變量，但是他們指出，如果能獲得更詳細(xì)的數(shù)據(jù)，可以增加其他的控制變量來(lái)獲得更加豐富的研究結(jié)論。Filippini等[27]、Filippini等[28]以及Zhang[29]在研究能源需求效率這種同一的指標(biāo)時(shí)加入的影響因素也并非一致，因此在估算環(huán)境效率時(shí)加入模型中的變量沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)。本文結(jié)合采用隨機(jī)前沿成本函數(shù)估算能源環(huán)境效率的文獻(xiàn)[18，27-29]和經(jīng)濟(jì)理論將如下變量加入前沿方程中。①共同的前沿技術(shù)進(jìn)步，用時(shí)間趨勢(shì)t及其平方項(xiàng)表征，前沿技術(shù)水平的提高有利于降低污染物排放量。②經(jīng)濟(jì)產(chǎn)出（Yit）：用各個(gè)省份以2010年為基期的可比價(jià)實(shí)際GDP及其平方項(xiàng)衡量，體現(xiàn)了粗放型的經(jīng)濟(jì)增長(zhǎng)需要付出一定的環(huán)境成本。③產(chǎn)業(yè)結(jié)構(gòu)（INDit）：用第二產(chǎn)業(yè)產(chǎn)值與GDP之比量度。工業(yè)在生產(chǎn)過(guò)程中消耗了大量能源，進(jìn)而排放出很多廢氣。④能源消費(fèi)結(jié)構(gòu)（ENSit）：用煤炭消費(fèi)量與能源消費(fèi)總量之比測(cè)度。SO2排放量的85%以上來(lái)自于含有硫化物的煤炭的燃燒。⑤能源價(jià)格（EPit）：用以2010年為基期的地區(qū)商品零售價(jià)格分類指數(shù)中的燃料價(jià)格衡量，預(yù)期能源價(jià)格上漲時(shí)企業(yè)與居民會(huì)節(jié)約能源消耗，進(jìn)而減少SO2排放。⑥人口因素是影響污染物排放的重要變量之一。相較于采用人口數(shù)量與增速等宏觀總量指標(biāo)，家庭消費(fèi)能真正體現(xiàn)消費(fèi)行為的社會(huì)屬性，更客觀地反映人口因素通過(guò)消費(fèi)環(huán)節(jié)進(jìn)而影響資源環(huán)境系統(tǒng)。因此，應(yīng)將家庭而非個(gè)人作為影響SO2排放量的人口分析單位。借鑒Zhang[29]在研究能源需求時(shí)的做法將人口因素分解為家庭數(shù)量（HQit）與平均家庭規(guī)模（HSit）兩個(gè)指標(biāo)：用各地區(qū)戶數(shù)表示HQit，預(yù)期HQit越多，大氣污染物排放量越多；用各地區(qū)人口數(shù)量與家庭單位數(shù)之比表征HSit，預(yù)期HSit越大，就越便于通過(guò)消費(fèi)品的共享與集約使用來(lái)減少污染物排放。⑦Herrala等[18]運(yùn)用區(qū)域面積表征交通出行引致的污染物排放，然而各地區(qū)固定不變的區(qū)域面積無(wú)法反映交通運(yùn)輸隨時(shí)間變動(dòng)的特征。最近十多年來(lái)機(jī)動(dòng)車(chē)保有量快速增多，車(chē)用燃料標(biāo)準(zhǔn)與尾氣排放標(biāo)準(zhǔn)過(guò)低等使得車(chē)輛在行駛過(guò)程中消耗了大量的燃油，造成了過(guò)多的廢氣排放。參考Filippini等[28]對(duì)能源需求的研究，選取私人汽車(chē)數(shù)量（PRCit）與公共汽車(chē)數(shù)量（PUBit）兩個(gè)指標(biāo)來(lái)反映交通部門(mén)在消費(fèi)化石燃料的過(guò)程中排放的廢氣。

2.2 基于Metafrontier-SFA模型的環(huán)境成本函數(shù)的估計(jì)

如何在考慮統(tǒng)計(jì)噪音和技術(shù)差別的基礎(chǔ)上測(cè)算具有可比性的環(huán)境效率具有重要的現(xiàn)實(shí)意義。本文參照大多數(shù)文獻(xiàn)[20-21]做法基于地理位置的不同把中國(guó)劃分為東、中、西部三大組群，把各個(gè)群組所包含省份的污染物排放量及其影響因素納入各個(gè)子技術(shù)集合中，構(gòu)建組群邊界。j組別的環(huán)境隨機(jī)前沿成本函數(shù)為：

其中，lnFjt（Xjit）為組別環(huán)境前沿，上標(biāo)j和下標(biāo)t表征每個(gè)群組的環(huán)境技術(shù)可能隨著組別和時(shí)間而變動(dòng)。當(dāng)決策單元難以超越區(qū)域間的技術(shù)落差時(shí)，只能在組別技術(shù)邊界下極小化污染物排放。將第j組環(huán)境前沿作為參照基準(zhǔn)，各省份的組群環(huán)境效率（TEjit）即為：

但是，參照組別技術(shù)估計(jì)得到的環(huán)境效率，將因各個(gè)群組邊界衡量基準(zhǔn)的不一致而導(dǎo)致組群之間評(píng)價(jià)結(jié)果不具有可比性。在比較決策單位相互間環(huán)境效率時(shí)，必須參照共同技術(shù)邊界，而非組別前沿，所以應(yīng)當(dāng)在各個(gè)群組邊界的基礎(chǔ)上進(jìn)一步構(gòu)建所有決策單元共同面臨的生產(chǎn)邊界（Metafrontier）。共同邊界下的環(huán)境技術(shù)集合包含各個(gè)子技術(shù)集合，即共同前沿是包絡(luò)了全部組別前沿的曲線。不同組別前沿之間的技術(shù)差距在共同前沿下能夠被超越，即所有省份的技術(shù)潛力相同，在理想狀態(tài)下都能夠移動(dòng)到共同前沿面上。將第t期共同環(huán)境前沿表示成lnFMt（Xjit），基于Huang等[26]構(gòu)建共同前沿模型：

其中，lnFjt（Xjit）是基于（3）式獲得的組別前沿估計(jì)值，本文將各個(gè)組群的環(huán)境效率估計(jì)值合并在一起估計(jì)（5）式。由于采用隨機(jī)前沿估計(jì)法得出的準(zhǔn)最大似然（QML）估計(jì)量是一致和漸進(jìn)正態(tài)的，但其標(biāo)準(zhǔn)誤是無(wú)效的，因此需要采用考慮異方差的方法獲得修正的標(biāo)準(zhǔn)誤[30]。組群邊界相對(duì)于共同邊界的距離即為技術(shù)落差比例（Technology Gap Ratio，TGR），反映了不同省份污染物排放技術(shù)水平的異質(zhì)性，這種特殊的技術(shù)選擇取決于經(jīng)濟(jì)和非經(jīng)濟(jì)領(lǐng)域的外部環(huán)境。第j組SO2排放的技術(shù)差距比TGRjit為：

TGRjit 值愈近似等于1，意味著污染排放的組群技術(shù)愈靠近共同前沿排放技術(shù)（全國(guó)潛在最領(lǐng)先排放技術(shù)），減排技術(shù)愈先進(jìn)；反之，組別前沿愈遠(yuǎn)離共同前沿，該組的前沿技術(shù)愈落后。

為了研究外部環(huán)境因素對(duì)環(huán)境效率及減排技術(shù)差距比的影響，借鑒并歸納已有相關(guān)研究，將下面幾類重要的變量加入無(wú)效率方程中。①環(huán)境規(guī)制（ENR）[11]，用各省份治理環(huán)境所投入的資金占GDP的比重衡量。②所有制結(jié)構(gòu)（SOE）[10]，用國(guó)有企業(yè)固定資產(chǎn)投資與全社會(huì)固定資產(chǎn)投資之比衡量。③研發(fā)投入（RD）[21]，用研發(fā)經(jīng)費(fèi)支出和GDP之比表示。盡管有專家指出增加研發(fā)投入是實(shí)現(xiàn)技術(shù)進(jìn)步的手段之一，但值得說(shuō)明的是，前沿方程中的時(shí)間趨勢(shì)及其平方項(xiàng)考察的是純粹的技術(shù)變化，即各個(gè)省份在技術(shù)外溢效應(yīng)下面臨的相似的技術(shù)進(jìn)步率[31]，這區(qū)別于各地區(qū)由于研發(fā)投入的不同而引致的技術(shù)變化的不同。④貿(mào)易開(kāi)放度（TRA）[11]，用進(jìn)出口總額與GDP之比表示。⑤外國(guó)直接投資（FDI）[10]，用外商直接投資與GDP之比表示。⑥對(duì)外直接投資（OFDI），Yang等[32]發(fā)現(xiàn)日本OFDI是其母國(guó)CO2排放量減少的格蘭杰原因，因此將各省對(duì)外直接投資存量與GDP之比引入模型中。因?yàn)榈貐^(qū)間環(huán)境技術(shù)具有異質(zhì)性，所以結(jié)合王志剛等[31]以及Huang等[26]，進(jìn)一步在共同前沿模型中增加影響技術(shù)差距比的地區(qū)虛擬變量。⑦東部地區(qū)啞變量（EAST），倘若某省份位于東部地區(qū)，則該變量值取1，否則取0。⑧中部地區(qū)啞變量（MID），倘若某省份位于中部地區(qū)，則該變量取1，否則取0。盡管在環(huán)境無(wú)效率方程中加入影響因素會(huì)使得效率評(píng)價(jià)結(jié)果發(fā)生一定的改變，但王志剛等[31]以及匡遠(yuǎn)鳳等[33]在估算效率值時(shí)均加入了各種不同的影響因素，并指出一步估計(jì)法優(yōu)于兩步估計(jì)法。

本文數(shù)據(jù)來(lái)源為歷年《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)能源統(tǒng)計(jì)年鑒》《中國(guó)對(duì)外直接投資統(tǒng)計(jì)公報(bào)》和中國(guó)國(guó)家統(tǒng)計(jì)局的科技統(tǒng)計(jì)年度數(shù)據(jù)。

3 實(shí)證結(jié)果分析

采用極大似然法對(duì)隨機(jī)前沿成本函數(shù)進(jìn)行參數(shù)估計(jì)。表1中第2列是假定區(qū)域之間不存在技術(shù)差異，把30個(gè)樣本省份作為整體，合并數(shù)據(jù)的估計(jì)結(jié)果；第3、4、5列是假定三大區(qū)域面臨不同的環(huán)境前沿，對(duì)各組數(shù)據(jù)進(jìn)行回歸的結(jié)果。假定4個(gè)模型中無(wú)效率項(xiàng)u都服從截?cái)嗾龖B(tài)分布?？梢钥闯?，所有模型中對(duì)數(shù)似然函數(shù)值都支持?jǐn)M合結(jié)果，大多數(shù)參數(shù)估計(jì)值的符號(hào)都與理論預(yù)期一致且具有比較好的統(tǒng)計(jì)性能，很多都在1%的水平上顯著。模型1、2、3、4中的gamma值分別高達(dá)0.972、0.417、1.000和0.995，且非常顯著，表明中國(guó)各地區(qū)普遍存在的環(huán)境無(wú)效率現(xiàn)象是實(shí)際污染排放偏離最佳排放量的最主要原因。

首先，闡述各因素對(duì)SO2排放量的影響效應(yīng)。在合并前沿、東部前沿與中部前沿模型中時(shí)間T的一次項(xiàng)系數(shù)在1%的水平上顯著為負(fù)，且遠(yuǎn)遠(yuǎn)高于其二次項(xiàng)系數(shù)，表明環(huán)境技術(shù)水平的持續(xù)提高使得污染物排放量呈現(xiàn)降低趨勢(shì)，是全國(guó)層面、東部以及中部地區(qū)污染物排放量降低的重要源泉。地區(qū)生產(chǎn)總值前的系數(shù)在3個(gè)組別隨機(jī)前沿模型中全都顯著，表明中國(guó)作為新興經(jīng)濟(jì)體通過(guò)粗放式增長(zhǎng)方式獲得經(jīng)濟(jì)的高速發(fā)展，導(dǎo)致了環(huán)境污染。產(chǎn)業(yè)結(jié)構(gòu)的系數(shù)在大多數(shù)模型中都為正，表明第二產(chǎn)業(yè)比重越高，全國(guó)以及大多數(shù)區(qū)域排放的SO2越多。能源結(jié)構(gòu)在4個(gè)模型中全都在1%水平上顯著促進(jìn)了污染物排放，煤炭消費(fèi)比重與SO2污染高度正向“穩(wěn)健性”關(guān)系表明煤炭的使用不利于環(huán)境保護(hù)。在所有4個(gè)模型中，能源價(jià)格都在1%的水平上顯著促進(jìn)了中國(guó)各省的污染物排放，這不符合經(jīng)濟(jì)常識(shí)，其原因可能在于：中國(guó)的能源價(jià)格市場(chǎng)定價(jià)機(jī)制缺失，導(dǎo)致能源價(jià)格總體相對(duì)過(guò)低，這會(huì)向市場(chǎng)傳遞錯(cuò)誤信號(hào)，造成能源過(guò)度消費(fèi)，引致SO2排放過(guò)量。人口變量中，家庭數(shù)量在混合前沿、東部前沿與西部前沿這3個(gè)模型中都在1%水平上顯著促進(jìn)了污染物排放，家庭數(shù)量的增多通過(guò)“規(guī)模效應(yīng)”增加對(duì)物質(zhì)資源的消耗，進(jìn)而加重環(huán)境污染程度。家庭規(guī)模在混合、中部與西部前沿模型中都減少了污染物排放，表明家庭規(guī)模的增大在一定程度上通過(guò)“規(guī)模效應(yīng)”減少了SO2排放量，這與馬曉鈺等[34]得出的碳排放和家庭規(guī)模呈負(fù)相關(guān)的結(jié)論一致。在交通出行方面，私人汽車(chē)與公共汽車(chē)數(shù)量在合并前沿模型中都促進(jìn)了污染物排放，表明交通運(yùn)輸引致了全國(guó)層面上廢氣排放的增長(zhǎng)。

其次，分析外部環(huán)境變量對(duì)全國(guó)總體環(huán)境效率的作用效果。環(huán)境規(guī)制的回歸系數(shù)顯著為正，說(shuō)明政府為提升環(huán)境質(zhì)量而進(jìn)行的投資不能改善效率。環(huán)境治理投資未取得理想成效的原因可能在于：環(huán)境污染治理投資在GDP中占比太低，環(huán)保投資嚴(yán)重不足難以有效抑制污染排放；環(huán)境治理投資占用了本可以用來(lái)增加經(jīng)濟(jì)產(chǎn)出的資源，使其對(duì)環(huán)境效率的綜合效應(yīng)為負(fù)。所有制結(jié)構(gòu)的系數(shù)顯著為正，表明可以通過(guò)降低國(guó)有固定資產(chǎn)投資占比推動(dòng)市場(chǎng)化進(jìn)程的深化，提高環(huán)境效率。研發(fā)投入的系數(shù)顯著為負(fù)，投入越多的研發(fā)經(jīng)費(fèi)，則各省學(xué)習(xí)吸收前沿技術(shù)的能力越強(qiáng)，越能提高對(duì)環(huán)境資源的利用效率。貿(mào)易開(kāi)放度的提高顯著改善了環(huán)境效率，這與多數(shù)研究[35-38]證實(shí)對(duì)外貿(mào)易可以促進(jìn)生產(chǎn)效率提高的結(jié)論相符。朱德進(jìn)等[39]認(rèn)為對(duì)外貿(mào)易改善了中國(guó)大多數(shù)省份碳排放效率，而少數(shù)處于技術(shù)前沿的地區(qū)由于產(chǎn)能過(guò)剩等原因，其貿(mào)易量對(duì)環(huán)境效率的影響為負(fù)，本文東部組群的實(shí)證結(jié)果與這種觀點(diǎn)一致。FDI的系數(shù)為負(fù)且顯著，表明中國(guó)引進(jìn)的外資對(duì)總體環(huán)境效率有著正面效應(yīng)，這證實(shí)了“污染光環(huán)假說(shuō)”。對(duì)外直接投資改善了中國(guó)總體環(huán)境效率，但不顯著。組別前沿模型估計(jì)結(jié)果顯示：大部分系數(shù)符號(hào)都與合并前沿模型中的一致，這在一定程度上體現(xiàn)了模型結(jié)果的穩(wěn)健性。

合并前沿與組群前沿模型的系數(shù)估計(jì)值存在一定差別，表明各個(gè)組群之間環(huán)境技術(shù)水平可能不一致。共同邊界研究框架正是為了解決多組群面臨不同技術(shù)邊界的問(wèn)題而提出的，然而共同邊界方法能否適合本文樣本？關(guān)鍵是要去驗(yàn)證中國(guó)東、中、西部地區(qū)是否共享相同的技術(shù)，如果中國(guó)各個(gè)省份的環(huán)境成本可以由一個(gè)單一的環(huán)境前沿模型生成，則沒(méi)有必要采用共同前沿方法。因?yàn)槲覀兊难芯坎捎脜?shù)方法估計(jì)前沿面，所以可以用統(tǒng)計(jì)檢驗(yàn)來(lái)驗(yàn)證Metafrontier方法的適用性。對(duì)3組環(huán)境前沿進(jìn)行差異性似然比檢驗(yàn)（Likelihood Ratio Test），原假設(shè)是三大區(qū)域有著相同的環(huán)境前沿，原假設(shè)下受限的似然函數(shù)值是30.463，而不受限的似然函數(shù)值等于三個(gè)組別前沿模型的似然函數(shù)值之和185.245。似然比統(tǒng)計(jì)量等于不受限和受限的似然函數(shù)值之差的2倍，即309.564，用于進(jìn)行假設(shè)檢驗(yàn)的p值是零，原假設(shè)在1%顯著性水平上被拒絕，表明三大組別的環(huán)境前沿的確具有顯著異質(zhì)性，需要采用共同前沿模型。

參考Huang等[26]的研究，基于第一步估計(jì)出的組群前沿構(gòu)建并估計(jì)第二步的共同前沿函數(shù)5和6，其中模型5包含無(wú)效率方程，模型6不包含無(wú)效率方程。在兩個(gè)模型中，大部分因素對(duì)共同前沿的影響方向與合并數(shù)據(jù)估計(jì)結(jié)果一致。環(huán)境規(guī)制提高了各地區(qū)技術(shù)差距比例且顯著，表明環(huán)境管制促進(jìn)技術(shù)進(jìn)步的“波特假說(shuō)”在中國(guó)的成立。國(guó)有工業(yè)固定資產(chǎn)占比對(duì)技術(shù)差距比例的影響作用不顯著。研發(fā)投入提高了各地區(qū)環(huán)境技術(shù)且效果顯著。外國(guó)直接投資顯著提高了各地區(qū)環(huán)境技術(shù)差距比，這與前文一致，都支持“污染光環(huán)假說(shuō)”在中國(guó)的存在。貿(mào)易開(kāi)放與對(duì)外直接投資在5%的水平上抑制了技術(shù)差距比的提升，雖然貿(mào)易開(kāi)放與“走出去”戰(zhàn)略的實(shí)施有助于提高總體環(huán)境效率，但是其帶來(lái)的競(jìng)爭(zhēng)與擠出效應(yīng)不利于中國(guó)各省份技術(shù)差距比的提高。東部與中部地區(qū)啞變量的系數(shù)顯著為負(fù)，表明地理位置對(duì)各個(gè)省份的環(huán)境技術(shù)確實(shí)存在顯著的影響作用，西部地區(qū)的技術(shù)差距比顯著低于東中部地區(qū)。在經(jīng)典隨機(jī)前沿方法中，定義方差比r=σ2u/（σ2v+σ2u）∈[0，1]，假如r=1，就意味著樣本點(diǎn)偏離前沿面都來(lái)源于無(wú)效率項(xiàng)，與隨機(jī)誤差無(wú)關(guān)。模型5、6的方差比例r值分別是0.925與0.884，r值顯著不為1的結(jié)果表明在估計(jì)共同邊界時(shí)必須考慮隨機(jī)誤差項(xiàng)，即應(yīng)該采用隨機(jī)前沿模型而非確定性前沿模型，這就驗(yàn)證了本文估計(jì)共同前沿時(shí)不能采用非參數(shù)線性規(guī)劃方法而應(yīng)采用參數(shù)的隨機(jī)前沿估計(jì)法。

4 不同前沿下環(huán)境效率及減排潛力的比較分析

4.1 環(huán)境效率分析

環(huán)境效率值可以在估算出隨機(jī)前沿成本函數(shù)后計(jì)算得到，它測(cè)度的是各省實(shí)際污染物排放量與前沿面的相對(duì)距離，表示各省對(duì)于最優(yōu)環(huán)境技術(shù)的發(fā)揮程度。為了更清晰地了解考慮技術(shù)異質(zhì)性的中國(guó)環(huán)境績(jī)效，我們?cè)诒?中匯報(bào)了2004—2014年間基于合并前沿、組群前沿以及全國(guó)共同技術(shù)前沿的中國(guó)各省環(huán)境效率和技術(shù)落差比例平均值，分別記為AEE、GEE、MEE與TGR。

從全國(guó)的角度來(lái)看，如果將合并前沿作為參照基準(zhǔn)，2004—2014年間中國(guó)30個(gè)省份平均環(huán)境效率并不是很高，只有0.619，意味著平均水平上中國(guó)應(yīng)該減少SO2排放的38.1%，才能消除所有的環(huán)境無(wú)效率；如果將組群前沿作為參照基準(zhǔn)，在整個(gè)考察期，中國(guó)環(huán)境污染排放效率可以達(dá)到0.699，中國(guó)可以通過(guò)降低30.1%的污染物排放實(shí)現(xiàn)環(huán)境完全有效率；倘若將全國(guó)共同前沿當(dāng)作參照基準(zhǔn)，考察期內(nèi)中國(guó)總體環(huán)境效率平均值只有0.537，距離環(huán)境前沿面還存在46.3%的改善空間，意味著在維持當(dāng)前經(jīng)濟(jì)產(chǎn)出與生活需求不變的同時(shí)，環(huán)境污染物還可以在現(xiàn)有排放水平基礎(chǔ)上再減少46.3%，環(huán)境效率水平偏低。相比之下，全國(guó)共同前沿下的平均環(huán)境效率顯著低于合并前沿與組別前沿下的平均環(huán)境效率，其原因主要在于比較標(biāo)準(zhǔn)不一致，前者是將中國(guó)大陸所有省份作為參照點(diǎn)，而后兩者分別是以有偏的全國(guó)潛在最優(yōu)和組群內(nèi)部省份潛在最優(yōu)技術(shù)為參考，如果各個(gè)群組的環(huán)境技術(shù)與共同前沿相差甚遠(yuǎn)，參考不同技術(shù)集進(jìn)行測(cè)度得出的結(jié)果必然存在較大差距。

就區(qū)域?qū)Ρ榷裕谌靠疾炱趦?nèi)，東部的各種環(huán)境效率都比中西部相應(yīng)值高，而中部又比西部相應(yīng)值高。這種“東高西低”梯度嚴(yán)格遞減的分布特征與中國(guó)區(qū)域經(jīng)濟(jì)發(fā)展水平一致。雖然中西部地區(qū)SO2排放量非常接近，然而中部地區(qū)的地區(qū)生產(chǎn)總值遠(yuǎn)高于西部地區(qū)。假如西部地區(qū)想獲得中部地區(qū)的經(jīng)濟(jì)產(chǎn)出和生活消費(fèi)，其排放的污染物必然高于中部地區(qū)，因此采用本文模型估計(jì)出的“東高西低”的環(huán)境效率值是合理的。盡管東部地區(qū)TGR和GEE的估計(jì)值均超過(guò)中西部地區(qū)，但是TGR得分在MEE排名的決定上扮演了更重要的角色。根據(jù)表2能看出，大部分中西部地區(qū)MEE與GEE值相差較大。以西部組群的云南省為例，樣本期內(nèi)其共同前沿環(huán)境效率只有0.446，而組群前沿環(huán)境效率高達(dá)0.820，兩者之間差異巨大。倘若將全國(guó)潛在最佳環(huán)境技術(shù)作為參照標(biāo)準(zhǔn)，則云南省的環(huán)境效率有著55.4%的改進(jìn)空間。倘若將西部組群的潛在最佳技術(shù)作為參照基準(zhǔn)，則云南省的環(huán)境效率僅存在18.0%的提高空間，兩種前沿下環(huán)境效率提升潛力的差異就體現(xiàn)了組群前沿與共同前沿之間的技術(shù)缺口。同時(shí)還可以看出，東部地區(qū)大多數(shù)省份組群前沿與共同前沿2種技術(shù)條件下的環(huán)境效率值非常接近，其原因是共同前沿面與東部組群前沿有著很高的重合程度，東部地區(qū)省份是共同前沿面的主要構(gòu)造者，代表了全國(guó)最優(yōu)環(huán)境技術(shù)水平。

在省份層面，所有省份實(shí)際污染排放與共同前沿面之間的距離都不會(huì)小于其與組群前沿面之間的距離，其原因主要在于共同前沿不會(huì)高于組群前沿。中國(guó)不同省份環(huán)境保護(hù)能力與效率水平差別很大，為了提高政策制定的針對(duì)性與有效性，根據(jù)2004—2014年間各種環(huán)境效率平均水平將所有省份劃分為四組：高度有效率省份（平均環(huán)境效率值高于效率分布的第三四分位數(shù)）、比較有效率省份（平均環(huán)境效率值介于第三四與第二四分位數(shù)之間）、比較無(wú)效率省份（平均效率值介于第二四與第一四分位數(shù)之間）和高度無(wú)效率省份（平均效率值低于效率分布的第一四分位數(shù)），如表3所示。仔細(xì)查看，可以發(fā)現(xiàn)環(huán)境效率水平并非完全依賴于經(jīng)濟(jì)發(fā)展水平，并非屬于發(fā)達(dá)地區(qū)的所有省份都呈現(xiàn)出高水平的環(huán)境效率。例如，相對(duì)發(fā)達(dá)的省份山東在共同前沿下屬于輕度有效率組別。發(fā)達(dá)省份環(huán)境效率水平的異質(zhì)性特征可能是由于：首先，各省份根據(jù)本地環(huán)境狀況、經(jīng)濟(jì)發(fā)展?fàn)顩r、企業(yè)排污行為等因地制宜地制定不同的環(huán)境政策工具；其次，即使各地政策的內(nèi)容設(shè)計(jì)相同，這些省份獨(dú)立自主地執(zhí)行政策的力度與匹配率可能由于行政部門(mén)與執(zhí)法機(jī)構(gòu)監(jiān)管方式的不同而存在差異[29]；最后，污染密集型產(chǎn)業(yè)在區(qū)域內(nèi)部省份之間轉(zhuǎn)移[40]，致使發(fā)達(dá)省份環(huán)境效率分組出現(xiàn)差別。

基于不同邊界環(huán)境效率的省份分類結(jié)果存在一定區(qū)別。由于合并前沿與組群前沿下的環(huán)境效率不具有可比性，因此基于共同前沿這一統(tǒng)一的參考標(biāo)準(zhǔn)分析分組情況?？疾炱趦?nèi)北京始終位于領(lǐng)先的位置，其環(huán)境效率最高，代表中國(guó)最先進(jìn)的環(huán)境污染防治水平。環(huán)境效率高度有效的省份除北京之外還包括廣東（0.910）、天津（0.893）、上海（0.870）、安徽（0.848）、浙江（0.844）與江蘇（0.828），上述環(huán)境效率較高省份實(shí)際排放的污染量最接近環(huán)境前沿面，環(huán)境投入只需要進(jìn)行少量的調(diào)整，除安徽之外它們基本屬于東部沿海發(fā)達(dá)地區(qū)，環(huán)境保護(hù)與經(jīng)濟(jì)增長(zhǎng)之間的平衡性較好，經(jīng)濟(jì)發(fā)展水平較高，環(huán)境績(jī)效也處于較優(yōu)水平。吉林、福建、海南、湖北等 8 個(gè)省份構(gòu)成了環(huán)境輕度有效率地區(qū)，這些省份離環(huán)境前沿面較近，有著較高的環(huán)境治理水平，但還需要進(jìn)行一定程度的改進(jìn)。如果今后注重引進(jìn)加大研發(fā)投入、吸收先進(jìn)的減排技術(shù)、優(yōu)化資源配置，這些省份能夠非常容易地轉(zhuǎn)型為高度有效率地區(qū)。輕度無(wú)效率地區(qū)包括湖南、云南、重慶、青海等7個(gè)省份，這些省份平均環(huán)境效率普遍低于全國(guó)平均水平，在追趕環(huán)境前沿上存在相當(dāng)大的難度。比較而言，內(nèi)蒙古、寧夏、貴州、新疆等8省份屬于高度無(wú)效率地區(qū)，這些省份除了河北之外普遍來(lái)源于經(jīng)濟(jì)發(fā)展水平落后的中西部地區(qū)，它們距離環(huán)境前沿面相當(dāng)遠(yuǎn)，環(huán)境效率提升空間十分大，在未來(lái)相關(guān)環(huán)境政策的制定與實(shí)施中應(yīng)給予特別關(guān)注。

4.2 中國(guó)各省SO2減排潛力比較

盡管近年來(lái)中國(guó)實(shí)際排放的SO2在持續(xù)下降，但是遠(yuǎn)遠(yuǎn)沒(méi)有達(dá)到最優(yōu)水平。研究發(fā)現(xiàn)考察期內(nèi)共同前沿下中國(guó)環(huán)境效率均值僅為0.537，環(huán)境效率顯著低于1的事實(shí)意味著可以通過(guò)提高效率水平獲得相當(dāng)可觀的改進(jìn)空間。借鑒Zhang[29]運(yùn)用能源效率估計(jì)節(jié)能潛力的方法，在估算出各地區(qū)的環(huán)境效率后，假設(shè)該地區(qū)可以制定并實(shí)施適宜的環(huán)保政策將環(huán)境效率水平提高到100%，那么由于效率提升而減少的SO2排放量可以根據(jù)各省每年的SO2排放量與環(huán)境效率值計(jì)算得出，即ΔEit=Eit·（1-EFit）?；诓煌把丨h(huán)境效率的各省年均減排潛力列在圖1中。

如果不考慮區(qū)域之間環(huán)境技術(shù)的異質(zhì)性特征，2004—2014年中國(guó)年均SO2減排潛力在合并前沿下高達(dá)939.64萬(wàn)t，這相當(dāng)于2014年中國(guó)SO2排放總量的47.60%。其中中部和西部地區(qū)分別占23.44%和57.35%，而東部地區(qū)占到19.21%。分省份來(lái)看，各省年平均潛在SO2減排量為31.32萬(wàn)t，位居全國(guó)前五位的省份依次為內(nèi)蒙古（104.84）、貴州（97.81）、山西（84.41）、廣西（48.43）和四川（48.17），位于全國(guó)后五位的省份依次為海南（0.67）、北京（0.73）、天津（2.26）、福建（4.03）和上海（5.84）。中國(guó)各區(qū)域之間環(huán)境技術(shù)存在顯著的異質(zhì)性，如果根據(jù)環(huán)境技術(shù)相當(dāng)?shù)臉颖緛?lái)確定組別前沿，基于此估算出的減排潛力即為各地區(qū)在現(xiàn)有技術(shù)水準(zhǔn)上的環(huán)境改善潛力。如果政策制定者決定改革組群內(nèi)的一個(gè)省份，可參考組群邊界下的減排潛力。2004—2014年中國(guó)年均SO2減排潛力在組別前沿下高達(dá)878.99萬(wàn)t，這相當(dāng)于2014年中國(guó)SO2排放總量的44.55%。其中，中部和西部地區(qū)各占28.07%和42.13 %，而東部地區(qū)占到29.79%。組別前沿下各省年平均SO2減排潛力為29.30萬(wàn)t，位居全國(guó)前五位的省份依次為內(nèi)蒙古（106.21）、山西（89.93）、河北（86.40）、河南（81.25）和山東（75.78），位于全國(guó)后五位的省份依次為北京（0.71）、海南（0.74）、天津（1.35）、青海（1.49） 和安徽（1.61）。共同前沿是根據(jù)所有樣本的環(huán)境技術(shù)確定的，基于此估算出的減排潛力即為各地區(qū)潛在最大的環(huán)境改善空間。如果政策制定者要將環(huán)境政策的適用范圍擴(kuò)大全局，共同邊界下的減排潛力可以作為參考基準(zhǔn)。2004—2014年中國(guó)年均SO2減排潛力在共同前沿下高達(dá)1 192.17萬(wàn)t，這相當(dāng)于2014年中國(guó)SO2排放總量的60.36%。其中中部和西部地區(qū)各占27.12%和46.96%，而東部地區(qū)占到25.91%。共同前沿下各省年平均潛在SO2減排量為39.74萬(wàn)t，位居全國(guó)前五位的省份依次為內(nèi)蒙古（113.19）、山西（109.91）、河北（97.07）、貴州（90.85）與河南（89.65），位于全國(guó)后五位的省份依次為海南（0.95）、北京（0.99）、天津（2.49）、上海（4.52）和廣東（5.18）。

上述數(shù)據(jù)表明中國(guó)在SO2排放量上存在相當(dāng)可觀的降低空間，但是各個(gè)省區(qū)SO2減排潛力差異明顯。西部地區(qū)環(huán)境效率十分低下且屬于高污染地區(qū)，其減排潛力最大。假如西部省份在減排能力上有所突破，必定有助于促進(jìn)國(guó)家層面上減排任務(wù)的完成，然而我們無(wú)法在短期內(nèi)挖掘出所有的減排潛力。決策層需要因地制宜地運(yùn)用“分而治之、各個(gè)擊破”的梯次推進(jìn)策略，分階段地逐步制定與實(shí)施減排政策，實(shí)現(xiàn)效率與公平的統(tǒng)一。

5 結(jié)論與政策啟示

近年來(lái)諸多文獻(xiàn)對(duì)環(huán)境效率測(cè)算問(wèn)題進(jìn)行了廣泛研究與深入探討。不過(guò)學(xué)者們?cè)谠u(píng)價(jià)環(huán)境效率時(shí)大多將污染物作為非期望產(chǎn)出或投入要素納入生產(chǎn)函數(shù)中，這與當(dāng)前中央政府提出的污染物排放總量控制政策并不契合，因而估算出的環(huán)境效率不具有針對(duì)性。在總量控制的減排政策環(huán)境下，本文借鑒Herrala等[18]的隨機(jī)前沿成本函數(shù)科學(xué)測(cè)算2004—2014年間中國(guó)各省份的環(huán)境效率與減排潛力，將環(huán)境政策目標(biāo)納入環(huán)境效率評(píng)價(jià)的分析框架。在估計(jì)方法上采用一種新的兩步隨機(jī)前沿分析法克服傳統(tǒng)Metafrontier方法的諸多缺陷。研究發(fā)現(xiàn)：

（1）合并前沿模型回歸結(jié)果表明：經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、能源消費(fèi)結(jié)構(gòu)中煤炭比重、能源價(jià)格、家庭數(shù)量以及交通出行均促進(jìn)了中國(guó)SO2排放量增加；技術(shù)水平提高與家庭規(guī)模的擴(kuò)大對(duì)中國(guó)SO2排放量均有顯著的負(fù)作用；經(jīng)濟(jì)開(kāi)放的三個(gè)維度對(duì)環(huán)境效率都具有積極影響，研發(fā)投入顯著改善了環(huán)境效率，環(huán)境治理投資與國(guó)有資產(chǎn)占比對(duì)環(huán)境效率具有顯著的負(fù)影響。組別前沿與共同前沿模型估計(jì)結(jié)果大多支持上述結(jié)論。共同前沿模型中地區(qū)啞變量的回歸系數(shù)表明東中部地區(qū)技術(shù)差距比顯著高于西部地區(qū)。

（2）總體而言，樣本期內(nèi)中國(guó)環(huán)境績(jī)效普遍偏低，合并前沿、組別前沿與共同邊界環(huán)境效率平均值分別僅為0.619、0.699與0.537，距離前沿面分別存在38.1%、30.1%、46.3%的改進(jìn)空間。省區(qū)層面，各個(gè)省份在三種環(huán)境效率下的排序存在一定的差異，體現(xiàn)了不同組別在環(huán)境前沿上的異質(zhì)性特征。東部沿海地區(qū)的環(huán)境技術(shù)較高，省份效率與污染排放大多處于相對(duì)較優(yōu)水平。中西部地區(qū)大部分省份現(xiàn)有的環(huán)境效率與技術(shù)差距比指標(biāo)與東部地區(qū)之間的差別依然較大。環(huán)境前沿面是由北京、天津、江蘇等少數(shù)幾個(gè)東部省市來(lái)確定的，代表了中國(guó)最先進(jìn)的污染減排技術(shù)。要推動(dòng)?xùn)|部先進(jìn)的減排知識(shí)、環(huán)保技術(shù)與管理經(jīng)驗(yàn)等及時(shí)地傳播與擴(kuò)散到中西部省份，為減排目標(biāo)的實(shí)現(xiàn)奠定堅(jiān)實(shí)的技術(shù)基礎(chǔ)。

（3）中國(guó)總體環(huán)境效率偏低的現(xiàn)狀表明，有待挖掘與釋放的減排潛力相當(dāng)可觀。基于共同前沿環(huán)境效率的計(jì)算表明，2004—2014年整個(gè)中國(guó)年均SO2減排潛力高達(dá)1 192.17萬(wàn)t，這相當(dāng)于2014年中國(guó)消耗的環(huán)境資源總量的60.36%。內(nèi)蒙古、山西、河北、貴州與河南等省份的SO2減排潛力最大，應(yīng)該是今后SO2減排重點(diǎn)實(shí)施的區(qū)域，可以根據(jù)本文估算出的減排潛力合理設(shè)定區(qū)域污染物減排目標(biāo)。減排潛力的挖掘需要有計(jì)劃分階段地逐步實(shí)施，在短期內(nèi)可以根據(jù)各地區(qū)現(xiàn)有技術(shù)水準(zhǔn)設(shè)定減排目標(biāo)，長(zhǎng)期而言，應(yīng)當(dāng)將參照基準(zhǔn)擴(kuò)大到全國(guó)，促進(jìn)各地區(qū)潛在最大減排空間的釋放。

參考文獻(xiàn)（References）

[1]王敏，黃瀅. 中國(guó)的環(huán)境污染與經(jīng)濟(jì)增長(zhǎng)[J]. 經(jīng)濟(jì)學(xué)（季刊）， 2015（2）：557-578. [WANG Min， HUANG Ying. Chinas environmental pollution and economic growth[J]. China economic quarterly， 2015（2）：557-578.]

[2]MIITC （Ministry of Industry and Information Technology of China）. Made in China 2025 interpretation[M]. Beijing： Publishing House of Electronics Industry， 2016.

[3]HSU A. Environmental performance index[R]. New Haven： Yale University， 2016.

[4]CHEN X， SHAO S， TIAN Z， et al. Impacts of air pollution and its spatial spillover effect on public health based on Chinas big data sample[J]. Journal of cleaner production， 2017， 142：915-925.

[5]BAGAYEV I， LOCHARD J. EU air pollution regulation： a breath of fresh air for eastern european polluting industries？[J]. Journal of environmental economics and management， 2017， 83：145-163.

[6]JIAO J， HAN X， LI F， et al. Contribution of demand shifts to industrial SO2 emissions in a transition economy： evidence from China[J]. Journal of cleaner production， 2017， 164：1455-1466.

[7]LI X， WU X， ZHANG F. A method for analyzing pollution control policies： application to SO2 emissions in China[J]. Energy economics， 2015， 49：451-459.

[8]LIU Q， WANG Q. Sources and flows of Chinas virtual SO2 emission transfers embodied in interprovincial trade： a multiregional inputoutput analysis[J]. Journal of cleaner production， 2017， 161：735-747.

[9]WEI J， GUO X， MARINOVA D， et al. Industrial SO2 pollution and agricultural losses in China： evidence from heavy air polluters[J]. Journal of cleaner production， 2014， 64（2）：404-413.

[10]王兵，吳延瑞，顏鵬飛. 中國(guó)區(qū)域環(huán)境效率與環(huán)境全要素生產(chǎn)率增長(zhǎng)[J]. 經(jīng)濟(jì)研究， 2010（5）：95-109. [WANG Bing， WU Yanrui， YAN Pengfei. Environmental efficiency and environmental total factor productivity growth in Chinas regional economies[J]. Economic research journal， 2010（5）：95-109.]

[11]林伯強(qiáng)，劉泓汛. 對(duì)外貿(mào)易是否有利虧提高能源環(huán)境效率——以中國(guó)工業(yè)行業(yè)為例[J]. 經(jīng)濟(jì)研究， 2015（9）：127-141. [LIN Boqiang， LIU Hongxun. Do energy and environment efficiency benefit from foreign trade？ The case of Chinas industrial sectors[J]. Economic research journal， 2015（9）：127-141.]

[12]汪克亮，孟祥瑞，楊寶臣，等. 中國(guó)區(qū)域經(jīng)濟(jì)增長(zhǎng)的大氣環(huán)境績(jī)效研究[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2016（11）：59-76. [WANG Keliang， MENG Xiangrui， YANG Baochen， et al. Study on the atmospheric environmental performance of Chinas regional economic development[J]. The journal of quantitative & technical economics， 2016（11）：59-76.]

[13]WANG Q W， ZHOU P， SHEN N， et al. Measuring carbon dioxide emission performance in Chinese provinces： a parametric approach[J]. Renewable & sustainable energy reviews， 2013， 21（5）：324-330.

[14]DU L， HANLEY A， ZHANG N. Environmental technical efficiency， technology gap and shadow price of coalfuelled power plants in China： a parametric metafrontier analysis[J]. Resource & energy economics， 2016， 43：14-32.

[15]CUESTA R A， LOVELL C A， ZOFIO J L. Environmental efficiency measurement with translog distance functions： a parametric approach[J]. Ecological economics， 2009， 68（8）：2232-2242.

[16]ZHANG Z， YE J. Decomposition of environmental total factor productivity growth using hyperbolic distance functions： a panel data analysis for China[J]. Energy economics， 2015， 47：87-97.

[17]LIN B， DU K. Modeling the dynamics of carbon emission performance in China： a parametric Malmquist index approach[J]. Energy economics， 2015， 49：550-557.

[18]HERRALA R， GOEL R K. Global CO2 efficiency： countrywise estimates using a stochastic cost frontier[J]. Energy policy， 2012， 45（6）：762-770.

[19]王兵，肖海林. 環(huán)境約束下長(zhǎng)三角與珠三角城市群生產(chǎn)率研究——基于MML生產(chǎn)率指數(shù)的實(shí)證分析[J]. 產(chǎn)經(jīng)評(píng)論， 2011（5）：100-114. [WANG Bing， XIAO Hailin. A study on city group productivity of the Yangtze River Delta and the Pearl River Delta under environmental constraint： an empirical analysis based on metafrontiermalmquistluenberger productivity index[J]. Industrial economic review， 2011（5）：100-114.]

[20]朱德進(jìn). 基于技術(shù)差距的中國(guó)地區(qū)二氧化碳排放績(jī)效研究[D]. 濟(jì)南：山東大學(xué)， 2013. [ZHU Dejin. The performance of regional carbon emissions in China： an analysis based on the perspective of the technology gap[D]. Jinan：Shandong University， 2013.]

[21]汪克亮，孟祥瑞，楊寶臣，等. 技術(shù)異質(zhì)下中國(guó)大氣污染排放效率的區(qū)域差異與影響因素[J]. 中國(guó)人口·資源與環(huán)境， 2017， 27（1）：101-110. [WANG Keliang， MENG Xiangrui， YANG Baochen， et al. Regional differences and influencing factors of Chinas air pollution emission efficiency considering technological heterogeneity[J]. China population，resources and environment， 2017， 27（1）：101-110.]

[22]HAYAMI Y， RUTTAN V W. Agricultural productivity differences among countries[J]. American economic review， 1970， 60（5）：895-911.

[23]BATTESE G E， RAO D S P. Technology gap， efficiency， and a stochastic metafrontier function[J]. International journal of business & economics， 2002， 1（2）：87-93.

[24]BATTESE G E， RAO D S P， ODONNELL C J. A metafrontier production function for estimation of technical efficiencies and technology gaps for firms operating under different technologies[J]. Journal of productivity analysis， 2004， 21（1）：91-103.

[25]ODONNELL C J， RAO D S P， BATTESE G E. Metafrontier frameworks for the study of firmlevel efficiencies and technology ratios[J]. Empirical economics， 2008， 34（2）：231-255.

[26]HUANG C J， HUANG T H， LIU N H. A new approach to estimating the metafrontier production function based on a stochastic frontier framework[J]. Journal of productivity analysis， 2014， 42（3）：241-254.

[27]FILIPPINI M， HUNT L. Energy cost and energy efficiency in the OECD countries： a stochastic cost frontier approach[J]. Energy journal， 2011， 32（2） ：59-80.

[28]FILIPPINI M， ZHANG L. Estimation of the energy efficiency in Chinese provinces[J]. Energy efficiency， 2016， 48（9）：1-14.

[29]ZHANG L. Correcting the uneven burden sharing of emission reduction across provinces in China[J]. Energy economics， 2017， 64：335-345.

[30]WHITE H. Maximum likelihood estimation of misspecified models[J]. Econometrica， 1982， 50（1）：1-25.

[31]王志剛，龔六堂，陳玉宇. 地區(qū)間生產(chǎn)效率與全要素生產(chǎn)率增長(zhǎng)率分解（1978—2003）[J]. 中國(guó)社會(huì)科學(xué)， 2006（2）：55-66. [WANG Zhigang， GONG Liutang， CHEN Yuyu. Chinas regional differences in technical efficiency and the decomposition of total factor productivity growth （1978-2003）[J]. Social sciences in China， 2006（2）：55-66.]

[32]YANG L G， LIU Y N. Can Japans outwards FDI reduce its CO2 emissions？： a new thought on polluter haven hypothesis[J]. Advanced materials research， 2013：807-809，830-834.

[33]匡遠(yuǎn)鳳，彭代彥. 中國(guó)環(huán)境生產(chǎn)效率與環(huán)境全要素生產(chǎn)率分析[J]. 經(jīng)濟(jì)研究， 2012（7）：62-74. [KUANG Yuanfeng， PENG Daiyan. Analysis of environmental production efficiency and environmental total factor productivity in China[J]. Economic research journal， 2012（7）：62-74.]

[34]馬曉鈺，李強(qiáng)誼，郭瑩瑩. 我國(guó)人口因素對(duì)二氧化碳排放的影響——基于STIRPAT模型的分析[J]. 人口與經(jīng)濟(jì)， 2013（1）：44-51. [MA Xiaoyu， LI Qiangyi， GUO Yingying. The impact of population on carbon dioxide emissions in China： an analysis based on STIRPAT model[J]. Population & economics， 2013（1）：44-51.]

[35]CHRISTOPOULOS D， MCADAM P. Openness， efficiency and technology： an industry assessment[J]. Scottish journal of political economy， 2013， 60（1）：56-70.

[36]LI L B， LIU B L， LIU W L， et al. Efficiency evaluation of the regional hightech industry in China： a new framework based on metafrontier dynamic DEA analysis[J]. Socioeconomic planning sciences， 2017， 60：24-33.

[37]YIN C B. Environmental efficiency and its determinants in the development of Chinas western regions in 2000-2014[J]. Chinese journal of population， resources and environment，2017，15（2）：157-166.

[38]LUO L W， LIANG S R. Study on the efficiency and regional disparity of green technology innovation in Chinas industrial companies[J]. Chinese journal of population， resources and environment，2016，14（4）：262-270.

[39]朱德進(jìn)，杜克銳. 對(duì)外貿(mào)易、經(jīng)濟(jì)增長(zhǎng)與中國(guó)二氧化碳排放效率[J]. 山西財(cái)經(jīng)大學(xué)學(xué)報(bào)， 2013， 35（5）：1-11. [ZHU Dejin， DU Kerui. Foreign trade， economic growth and the efficiency of carbon emission in China[J]. Joumal of Shanxi Finance and Economics University， 2013， 35（5）：1-11.]

[40]沈坤榮，金剛，方嫻. 環(huán)境規(guī)制引起了污染就近轉(zhuǎn)移嗎？[J]. 經(jīng)濟(jì)研究， 2017（5）：44-59. [SHEN Kunrong， JIN Gang， FANG Xian. Does environmental regulation cause pollution to transfer nearby？[J]. Economic research journal， 2017（5）：44-59.]