李 靜，陳 武

（合肥工業(yè)大學 經(jīng)濟學院，安徽 合肥 230009）

一、引 言

由中國工業(yè)經(jīng)濟主導和推動的經(jīng)濟增長取得了巨大成就，特別是在改革開放以后得到了充分體現(xiàn)。從1978年到2011年，中國國內(nèi)生產(chǎn)總值（GDP）實際增長了18.62 倍，年均增長速度達到近10%（幾何平均）；與此相對應，同期中國的工業(yè)增長更為迅速，與改革初期相比，工業(yè)增加值實際增長了28 倍以上，年均增速達到11.63%之多，比整體經(jīng)濟年均增速快了大約1.68個百分點，當然也快于第一產(chǎn)業(yè)和第二產(chǎn)業(yè)的發(fā)展（中國統(tǒng)計年鑒2010）。因此，我們就可以認為中國經(jīng)濟的發(fā)展是工業(yè)化帶動和主導的必然結果，中國的工業(yè)化帶來中國經(jīng)濟的持續(xù)成長，也解決了貧困等其他諸多問題。

同時工業(yè)也是制造環(huán)境污染的重要力量，自然界中70%～80%的污染物來自工業(yè)企業(yè)。工業(yè)污染造成的環(huán)境污染對人體健康及經(jīng)濟活動危害嚴重。《中國環(huán)境經(jīng)濟核算報告2004》顯示，2004年全國因環(huán)境污染造成的經(jīng)濟損失為5118 億元，占當年GDP的3.05%，而當年全國環(huán)境污染治理成本為2874 億元，占當年GDP 的1.8%。而根據(jù)最新核算2008年的生態(tài)環(huán)境退化成本達到12745.7 億元，約占2008年GDP3.9%。其中因生態(tài)破壞損失3798.2億元，環(huán)境污染造成的損失約為8947.5 億元，分別占生態(tài)環(huán)境總損失的29.8%和70.2%。2008年中國環(huán)境治理成本高達5043.1 億元，相對2004年增長75.4%。2010年美國哥倫比亞大學和耶魯大學科學家們發(fā)布了2010年世界環(huán)境績效排名EPI（Environmental Performance Index）。EPI 得分較高的地區(qū)幾乎都來自于經(jīng)濟高度發(fā)達國家。在該評比中，歐洲發(fā)達國家普遍得到了較高的分數(shù)。該指數(shù)對溫室氣體排放，空氣污染，農(nóng)業(yè)，衛(wèi)生設施等方面進行綜合評測，滿分為100 分。中國的環(huán)境績效指數(shù)從2006年的第94 名下降到2008年的第105 名，此次持續(xù)下滑至121位，與上一次相比后退16位（2010世界環(huán)境績效指數(shù)報告）①。

鑒于中國環(huán)境的持續(xù)惡化并沒有有效遏制，政府已經(jīng)開始啟用了空氣污染，固體廢物，水污染等環(huán)境保護法規(guī)，并且這些管制從70年代后期也逐漸增多。中國環(huán)保部也宣稱中國政府在發(fā)展經(jīng)濟同時，首先對工業(yè)污染進行治理，不斷加大污染治理的投資，以期使經(jīng)濟發(fā)展與環(huán)境質(zhì)量間呈現(xiàn)高度協(xié)調(diào)性的發(fā)展。工業(yè)污染治理投資額從1990年的不足50 億元上升到2011年的483 億元，實際增長了3 倍以上（CPI 平減），其中治理廢氣投資增長了5.75 倍，增長最為迅速，對廢水和固體廢物的治理投資也分別增長了2.1 倍和79%。不過，針對中國的污染控制和環(huán)境管理以及不同區(qū)域政策執(zhí)行的差異，有必要回答以下幾個問題：（1）多年的環(huán)境治理進程中有沒有形成持續(xù)性的環(huán)境治理技術的提升？因為不斷提升環(huán)境治理技術及應用能夠有效降低產(chǎn)品和污染控制的成本。（2）污染治理技術是否有利于環(huán)境污染的控制？（3）政府污染治理的投資效果如何，有沒有產(chǎn)生規(guī)模報酬的遞增效應？

本文使用1990—2011年中國省份的工業(yè)數(shù)據(jù)，采用全局ML 指數(shù)來測算中國環(huán)境績效，作為中國污染治理技術的代理變量，考察其對污染控制的作用；另一方面，我們檢驗了污染治理投資的對污染減排的效果以及投資的規(guī)模報酬遞增效應。

文章結構如下，第二部分主要回顧相關研究文獻，第三部分主要討論數(shù)據(jù)和研究方法，第四部分給出結果及解釋，第五部分是本文的結論與政策含義。

二、理論與文獻回顧

污染是工業(yè)生產(chǎn)的副產(chǎn)品，其反映的環(huán)境質(zhì)量的變化可以用庫茲涅茨環(huán)境曲線（EKC）來模擬。EKC 假定了一條“倒U 型”曲線來反映環(huán)境質(zhì)量和人均收入之間的關系，針對各種污染物的實證性研究雖然有較大爭論，也有相當部分研究證實了這種關系。EKC揭示出當一個國家經(jīng)濟發(fā)展水平較低的時候，環(huán)境污染的程度較輕，但是隨著人均收入的增加，環(huán)境污染由低趨高，環(huán)境惡化程度隨經(jīng)濟的增長而加??；當經(jīng)濟發(fā)展達到一定水平后，也就是說，到達某個臨界點或稱“拐點”以后，隨著人均收入的進一步增加，環(huán)境污染又由高趨低，其環(huán)境污染的程度逐漸減緩，環(huán)境質(zhì)量逐漸得到改善，這種現(xiàn)象被稱為環(huán)境庫茲涅茨曲線。

從理論上講，規(guī)模效應和技術效應可以用來解釋環(huán)境庫茲涅茨曲線。在第一發(fā)展階段，經(jīng)濟增長呈現(xiàn)出規(guī)模效應，對環(huán)境有一個負面影響，這是因為增長的人均收入帶來更多的經(jīng)濟活動，從而提高了諸如原材料、能源、運輸?shù)鹊男枨螅M一步造成環(huán)境惡化；隨著經(jīng)濟的增長，技術的進步也會對環(huán)境的改善產(chǎn)生積極影響。這主要指生產(chǎn)方式的變化導致更高的收入，隨著收入水平的提高，對環(huán)境質(zhì)量的需求也可能增加，故污染水平可能下降。因此，EKC的形狀反映了環(huán)境質(zhì)量需求的變化。

其他相應的理論研究也表明，存在一個環(huán)境庫茲涅茨曲線的理論解釋。Andreoni和Levinson（2001）［1］提出了環(huán)境庫茲涅茨曲線的一個簡單解釋。為了減少污染，污染治理報酬的增加意味著治理效率隨著治理規(guī)模的增加而增加，這能夠表明，增加10%的污染治理努力（投資）會有超過10%的污染量的減少。

傳統(tǒng)經(jīng)濟學理論認為，隨著污染治理規(guī)模的增大（如污染治理投入加大），其邊際治理成本也會隨之增加。比如，對于既定技術水平，污水達標排放率從50%增長到90%，每單位的污水達標治理成本也會隨之增高。不過，污染治理投資的遞增回報可能會來源于另外兩種機制：一是環(huán)境治理技術的創(chuàng)新和學習曲線效應。環(huán)境治理技術的創(chuàng)新使得生產(chǎn)可能性曲線外移，可以使企業(yè)保持既定的污染水平下創(chuàng)造更多的產(chǎn)品和價值。二是學習曲線效應使得治理周期縮短，如果生產(chǎn)函數(shù)遵循初始的“S”型加速形態(tài)，因此可以從中得到污染治理的遞增回報效應。

而現(xiàn)有大部分驗證環(huán)境庫茲涅茨曲線假說的理論研究都是建立在環(huán)境治理規(guī)模經(jīng)濟和報酬遞增規(guī)律的基礎上的。Andreoni和Levinson（2001）［1］的研究解釋了規(guī)模報酬遞增在環(huán)境庫茲涅茨曲線形成中的作用。其研究的一個重要含義是，污染治理的投資及遞增報酬和合理的治理技術是理解EKC的核心。

對于污染治理的規(guī)模報酬的研究較少，Andreoni 和Levinson（2001）［1］用美國各個州的生產(chǎn)總值平方回歸了美國工業(yè)污染治理投入的回報。負的平方項表示工業(yè)的污染治理投資越多產(chǎn)生的污染就越少，治理的回報就越高。Managi（2006）［2］用美國各州農(nóng)業(yè)數(shù)據(jù)和DEA 方法，驗證了美國農(nóng)業(yè)污染治理存在著遞增的規(guī)模報酬效應，負的污染治理平方項表示污染治理回報有遞增效應。

本文以上述研究為基礎，采用環(huán)境績效模型和面板計量回歸方法，探討在中國工業(yè)污染治理中是否存在著合適的環(huán)境技術應用，考察環(huán)境污染治理投資的效果以及是否存在著污染治理的遞增回報。其中環(huán)境績效的全局ML 生產(chǎn)率指數(shù)估計方法和對面板數(shù)據(jù)存在異方差和序列相關等問題的GLS估計是本文區(qū)別其他研究的重要特點。

三、數(shù)據(jù)處理與研究方法

（一）數(shù)據(jù)處理

本文的數(shù)據(jù)按照使用的先后分為兩個部分，第一部分是用來估計環(huán)境績效指標的，其主要反映為環(huán)境治理技術進步，這里采用了非參數(shù)的全要素生產(chǎn)率（TFP）表示，由于模型同時考慮了經(jīng)濟產(chǎn)出（期望產(chǎn)出）和污染（非期望產(chǎn)出），又可稱為“綠色生產(chǎn)率或綠色TFP”，這是本文區(qū)別于以往研究的主要特點。第二部分是用來考察污染治理投資的效果及回報的，主要通過計量方程的形式反映。

我們使用的研究數(shù)據(jù)是1990-2011年中國工業(yè)省際面板數(shù)據(jù)，包括除西藏和重慶外的29個大陸地區(qū)省、市、自治區(qū)，將其分為東、中、西部三大地區(qū)，當然也是為了方便文中數(shù)據(jù)選取，因為當前環(huán)境污染統(tǒng)計主要集中在工業(yè)污染排放。

環(huán)境績效估計指標我們選取工業(yè)生產(chǎn)的投入與產(chǎn)出兩大類。投入變量我們選取工業(yè)能源消費、工業(yè)資本以及勞動力三個指標；產(chǎn)出變量分為非期望產(chǎn)出和期望產(chǎn)出，非期望產(chǎn)出主要是指工業(yè)污染排放，包括地區(qū)固體廢物產(chǎn)生量、廢氣排放量和工業(yè)廢水排放量指標，期望產(chǎn)出以地區(qū)工業(yè)增加值來表示。環(huán)境治理投資的數(shù)據(jù)主要是指工業(yè)污染治理投資中分別用于治理廢水、廢氣和固體廢物的投資，為了消除價格因素的影響，以CPI平減處理成1990年不變價的數(shù)據(jù)。工業(yè)資本以90年不變價的固定資產(chǎn)投資價格指數(shù)平減后工業(yè)凈資產(chǎn)表示，人均GDP則以其增長指數(shù)處理成90年不變價的實際量。主要數(shù)據(jù)來自《新中國六十年統(tǒng)計資料匯編》、歷年《中國環(huán)境年鑒》及《中國環(huán)境統(tǒng)計年鑒》、歷年《中國工業(yè)經(jīng)濟統(tǒng)計年鑒》，一些的數(shù)據(jù)來自于2011年全國統(tǒng)計公報及各省統(tǒng)計公報及環(huán)保部2011年環(huán)境統(tǒng)計公報的數(shù)據(jù)。

（二）研究方法

污染決定的因素的理論和經(jīng)驗研究文獻中，污染技術及其使用效果被認為是其主要的因素。在現(xiàn)有文獻中，時間趨勢變量有時被作為技術水平的一個替代變量來處理（Hilton和Levinson，1998）［3］。但是，有時用時間趨勢度量技術，可能還包含著其他無法解釋的東西，它會獲取隨時間變化的其他效應，比如相對能源價格的變化（Agras 和Chapman，1999）［4］。顯然這樣處理不能完全獲得技術進步因素的作用。因此有必要清晰地區(qū)分出技術進步的因素（Stern，1998）［5］。本研究采用非參數(shù)的DEA方法捕捉個體省份和隨時間變化的技術因素。DEA方法已經(jīng)被大量的文獻證明特別適用于多投入多產(chǎn)出的生產(chǎn)過程的績效評估，被廣泛應用于企業(yè)績效評價、宏觀生產(chǎn)率研究等。

已經(jīng)有很多文獻曾試圖尋找一整套合理的方法用來估算污染的生產(chǎn)效率和生產(chǎn)率問題（Fare et al.，1989［6］，1993［7］；Zaimand和Taskin，2000［8］；Chung，F(xiàn)?re 和Grosskopf，1997［9］；Domazlicky和Weber，2004［10］；Fare et al.，2005［11］；Kuosmanen，2005［12］；Kuosmanen 和Kortelainen，2005［13］；Managi et al.，2005［14］）。劉勇等人（2010）［15］系統(tǒng)歸納了當前處理非期望產(chǎn)出存在時的6種DEA效率評價方法，依次比較了各自優(yōu)缺點。這些研究均試圖把經(jīng)濟產(chǎn)出（期望產(chǎn)出）與環(huán)境因素（非期望產(chǎn)出）合并為產(chǎn)出，即假定環(huán)境因素為弱可處置性，期望產(chǎn)出作為強可處置性②。那么企業(yè)能生產(chǎn)更多的期望產(chǎn)出同時而產(chǎn)生較少的環(huán)境污染，則認為在技術上是有效的。

根據(jù)Chung，F(xiàn)?re和Grosskopf（1997）［9］理論，我們可以定義一個環(huán)境效率函數(shù)，即在給定期望產(chǎn)出水平和投入下的最小污染排放。定義投入向量集期望產(chǎn)出集非期望產(chǎn)出，即污染產(chǎn)出向量集合為

三個向量分別是投入，經(jīng)濟產(chǎn)出，污染排放。投入x 表示勞動力、能源消費和凈資產(chǎn)；經(jīng)濟產(chǎn)出指地區(qū)工業(yè)增加值；污染排放指廢水、廢氣排放量以及固體廢物產(chǎn)生量。則可定義生產(chǎn)可能性技術集P(x)，

描述和刻畫期望產(chǎn)出和非期望產(chǎn)出同時存在時的生產(chǎn)技術集，一些假設性的公理條件必須滿足：①投入和期望的經(jīng)濟 產(chǎn) 出 均 為 強 可 處 置 性，即 如 果x′≥x則P(x′)≥P(x) ，y′≥y則P(y′)≥P(y)，意味著如果投入和經(jīng)濟產(chǎn)出增加，產(chǎn)出集不可能收縮；②如果(y,b)∈P(x)且b=0，則y=0，暗含著決策單位（省區(qū)）要生產(chǎn)期望的經(jīng)濟產(chǎn)出，必須同時生產(chǎn)污染等副產(chǎn)出；③污染的弱可處置性假設，如果(y,b)∈P(x)且0 ≤θ ≤1，則(θy,θb)∈P(x) ，意味著處理污染是有成本的，在給定的投入水平下，要減少污染水平必然導致經(jīng)濟產(chǎn)出的降低。

而生產(chǎn)可能性集合又可以由方向性距離函數(shù)來表示。在上述假定下，設方向性向量產(chǎn)出的方向性距離函數(shù)可定義為：

此方向距離函數(shù)表示在提高經(jīng)濟產(chǎn)出的同時同比例降低污染產(chǎn)出。方向向量g 決定了非期望產(chǎn)出增加和期望產(chǎn)出下降的方向，根據(jù)Chung，F(xiàn)?re和Grosskopf（1997）［9］及Kumar（2006）［16］等的分析辦法，本研究中的方向向量設定為g=(y,b)），等于各自實際值。

我們根據(jù)生產(chǎn)率定義度量兩個不同時期環(huán)境績效或者環(huán)境TFP 指標，則從t 到t+1 時期的環(huán)境TFP 指數(shù)定義如下表示：

（4）式同樣可以繼續(xù)分解為生產(chǎn)效率指數(shù)和技術進步指數(shù)，用來解釋生產(chǎn)率增長的動因。王兵等人（2008［17］）、吳軍等人（2010）［18］和楊俊，邵漢華（2009）［19］使用ML 指數(shù)研究環(huán)境管制對區(qū)域或國家生產(chǎn)率的影響。因此上述方向距離函數(shù)可通過求解4個DEA 線性規(guī)劃來求解，（s=t,t+1），其中是權重向量：

但是對于以前ML生產(chǎn)率指數(shù)相關的研究，Oh（2009）［20］指出了（4）式和（5）式存在下面兩個方面的缺陷：第一，（4）式的幾何平均不滿足傳遞性（circularity or transitivity）③；第二，（5）式在考察不同時期的參照技術，如和其線性規(guī)劃有可能是沒有可行性解的④。對于沒有可行性解問題，以前的研究通常把此作為有效看待（最優(yōu)β 為0），這很顯然是不科學的處理方法！因此上述兩方面的問題導致傳統(tǒng)的ML 生產(chǎn)率指數(shù)測度可能會對DMU（決策者）產(chǎn)生誤導。

鑒于此，Oh（2009）［20］等人提出解決上述兩個問題的方法，叫做全局ML 生產(chǎn)率指數(shù)（global ML productivity index）。該指數(shù)與傳統(tǒng)ML 指數(shù)相比較，它對生產(chǎn)可能性集定義上作了很大的改進，定義同期的生產(chǎn)技術和一個全局的生產(chǎn) 技 術 集 。 這個 同 期 生 產(chǎn) 技 術 定 義 為能夠生產(chǎn)作用是提供每個DMU在時期t 的參照技術集；全局生產(chǎn)技術集則可以定義成同期生產(chǎn)技術集的并集： PG(x)=P1(x1)?P2(x2)?…?PT(xT)。經(jīng)過如此定義，全局生產(chǎn)技術集成為包括了所有DMU和所有時期參照技術集。如此全局ML 生產(chǎn)率指數(shù)可表示為：

GML 提高表示污染治理技術有所改善，計算結果一般以1 為標準，GML ＞1，表示某省份區(qū)域環(huán)境績效或環(huán)境TFP呈現(xiàn)增長即環(huán)境有所改善；反之，GML ≤1，表示該省份區(qū)域環(huán)境績效或環(huán)境TFP 呈現(xiàn)不變或下降即環(huán)境至少沒有變好。下降的GML 表示綠色生產(chǎn)率正在下降，顯然可以推斷該省份區(qū)域考慮環(huán)境因素的經(jīng)濟增長是不可持續(xù)的。

由于社會的環(huán)境產(chǎn)出成本和私人的環(huán)境產(chǎn)出成本具有非一致性，通常私人企業(yè)很少有激勵控制污染達到法律規(guī)定的高限水平后再去努力，他們只有更高的激勵去提高市場產(chǎn)出或期望產(chǎn)出。他們總會想方設法去控制投入，同時努力減少污染治理的成本，從而達到降低總成本的目的。除非能夠給企業(yè)一個明確的指示，即存在著污染治理投資的規(guī)模遞增報酬，增加污染治理的投資能夠給企業(yè)帶來明確的環(huán)境治理收益，因為它與污染治理的成本成反比。這樣，企業(yè)才會有足夠的激勵在追求市場產(chǎn)出的同時，增加環(huán)境污染的治理投資。因此，為了檢驗中國工業(yè)污染治理過程中有沒有存在治理投資的規(guī)模報酬遞增的效應，我們首先估計環(huán)境績效指數(shù)，作為環(huán)境治理技術的代理，然后通過計量回歸的形式控制環(huán)境技術后，驗證環(huán)境治理投資的規(guī)模報酬問題。

為了檢驗工業(yè)污染治理投資的規(guī)模報酬假設，我們給出本研究的面板數(shù)據(jù)的計量模型：

其中，Y 表示污染排放指標，j=1，2，3，分別表示廢水、廢氣和固體廢物三種環(huán)境質(zhì)量指標；Effort表示工業(yè)污染治理的投資；GML 表示由上述全局ML 生產(chǎn)率指數(shù)得到的環(huán)境績效指數(shù)，用來反映污染治理中的技術應用狀況；αi（i=0，1，2，3，4，5）為待估參數(shù)。

人均GDP（AGDP）及其多項式主要用來檢驗EKC 變化形態(tài)的。我們預期α4和α5應顯著為負，反映工業(yè)治理投資和治理技術進步會減少污染物的排放。再設定一個回歸方程，即在（8）式添加一項Effort的平方項，用來檢驗治理投資的規(guī)模報酬遞增假說，形式如下：

如果（9）式治理努力的二次項的系數(shù)β5 顯著為負，意味著存在著污染治理的規(guī)模報酬遞增效應；如果β5 顯著為正，則說明存在著污染治理的規(guī)模報酬遞減效應；如果β5 不顯著，意味著我們沒有找到顯著的證據(jù)說明存在規(guī)模報酬問題。

在存在著省區(qū)個體的隨機趨勢的情況下，無論是面板數(shù)據(jù)的固定效應還是隨機效應的估計量都不能滿足一致性的要求。面板數(shù)據(jù)與時間序列和截面回歸相比雖然增大了樣本容量，但已經(jīng)證明其仍然可能存在傳統(tǒng)線性回歸的一些有偏的估計問題，如面板線性模型的誤差結構也可能存在異方差性、非獨立性（相關性）以及序列相關性等時間序列和截面數(shù)據(jù)模型存在的各種問題。為了糾正模型存在的對估計系數(shù)產(chǎn)生偏誤的時間序列相關和異方差性問題，參照Greene（2008）［21］與Beck and Katz（1995）［22］等人的研究，使用了一個能夠同時修正面板數(shù)據(jù)估計存在的異方差性（包括個體相關性）和序列相關性的可行的廣義最小二乘（FGLS）法，得到了一致和有效性估計量。

四、模型估計及結果解釋

根據(jù)工業(yè)數(shù)據(jù)，本研究首先使用（7）式的線性規(guī)劃和（6）式的全局ML 生產(chǎn)率指數(shù)分別求解在不同種類的工業(yè)環(huán)境污染的治理績效，求解過程中采用全局ML 生產(chǎn)率指數(shù)方法較好地克服了其中出現(xiàn)的一些省區(qū)線性規(guī)劃無可行性解的問題，證明了全局ML生產(chǎn)率指數(shù)方法是有效的度量方法。

以1990年為基期，到2011年全國廢水、廢氣和固體廢物治理的環(huán)境績效指數(shù)分別累積上升了53%、38%和43%，年均分別增長2.3%、1.8%和1.9%（幾何平均），顯示出針對三大污染物的治理中呈現(xiàn)出持續(xù)的技術能力改善，環(huán)境績效指數(shù)的上升表明中國地區(qū)在發(fā)展工業(yè)經(jīng)濟過程中至少一定程度上保持了與環(huán)境的協(xié)調(diào)性。這對于激勵政府繼續(xù)推廣嚴格的環(huán)境管制措施，鼓勵企業(yè)遵守環(huán)境標準以及實施各種環(huán)境污染治理技術有著重要的指示作用。

分地區(qū)考察，我們發(fā)現(xiàn)，東、中、西部地區(qū)的環(huán)境績效指數(shù)存在明顯的差異，特別是西部與東部和中部的差異較為明顯。東部地區(qū)一直是中國污染治理技術改善的領先者，其中廢水、廢氣和固體廢物的環(huán)境績效年均增長達到了2.79%、2.09%和2.32%。中部地區(qū)雖然在2000年前表現(xiàn)遜于東部地區(qū)，但在最近兩個五年規(guī)劃期間增長速度開始明顯快于東部地區(qū)，在三大污染物的環(huán)境績效年均增長分別達到了4.3%、2.4%和3.6%，同期東部只有3.88%、1.58%和2.2%，這使得中部的累積環(huán)境績效指數(shù)開始達到甚至超過東部地區(qū)。西部地區(qū)環(huán)境績效指數(shù)各年間波動性較大，整個報告期三大污染物環(huán)境績效年均增長率僅為1.05%、1.03%和0.7%，相較于其他兩地區(qū)增長緩慢，新世紀以來，在東中部地區(qū)均呈現(xiàn)較快增長的態(tài)勢下，仍然增長較慢。三大地區(qū)環(huán)境績效的差異體現(xiàn)了中國地區(qū)環(huán)境政策執(zhí)行的力度與環(huán)境治理技術的應用的差異。隨著經(jīng)濟的發(fā)展，東中部逐步注重環(huán)境質(zhì)量的提升，嚴厲的政策執(zhí)行和公眾環(huán)保意識的提高與決策參與，使得環(huán)境績效得以較快上升。而西部地區(qū)政府決策上往往更偏重于經(jīng)濟發(fā)展而非環(huán)境保護，環(huán)保政策的執(zhí)行也會大打折扣，使其表現(xiàn)出較低的績效水平。Managi and Kaneko（2006）［23］在他們的研究中發(fā)現(xiàn)，低環(huán)境績效的表現(xiàn)與這些國家或地區(qū)對環(huán)境法規(guī)和政策的執(zhí)行力較弱有關，也與這些地區(qū)的企業(yè)環(huán)境管理能力的不足有關。

為了檢驗中國環(huán)境污染治理的決定因素，在做面板數(shù)據(jù)線性回歸前必須考慮面板模型可能存在的異方差和序列相關問題，如果不存在此類問題，我們可以直接使用面板固定效應或隨機效應估計量；如果存在異方差和序列相關問題，就需要使用適當方法加以修正。因此，首先有必要對此進行統(tǒng)計檢驗。檢驗只針對公式（9）進行⑤。

表1列示了模型（9）估計前的相關檢驗量。在分別對模型進行固定效應和隨機效應估計后，對其顯著性進行了統(tǒng)計檢驗，固體效應的F 檢驗和隨機效應的x2檢驗結果均以較強的統(tǒng)計顯著性程度拒絕了混和效應的原假設，說明數(shù)據(jù)更適合面板數(shù)據(jù)模型。Hausman檢驗的結果都顯示固定效應模型均優(yōu)于隨機效應模型。針對固定效應模型的結果，我們對此進一步做了異方差性檢驗，統(tǒng)計結果均在1%的顯著性水平下顯示出存在較強的異方差性。序列相關檢驗也表明模型存在著較強的一階自相關。

參照Greene（2008）［21］與Beck and Katz（1995）［22］等人的研究，我們使用能修正面板異方差和自相關的FGLS 方法得到了一致和有效性估計，并對估計結果進行了異方差性檢驗和序列相關檢驗。

表1 模型（9）的估計前檢驗

當同時考慮到異方差及序列相關性時，F(xiàn)GLS 估計量能夠較好地修正了固定效應模型存在的兩類有偏估計問題。對模型（8）的估計見表2。

對FGLS 方法估計后的異方差性檢驗和序列相關檢驗對所有估計形式均在統(tǒng)計上不能拒絕不存在異方差和序列相關的原假設。與原固定效應模型相比，不僅較好地修正了存在的序列相關和異方差問題，同時估計系數(shù)均顯示出很強的統(tǒng)計顯著性。

表2 模型（8）的FGLS估計結果

估計結果表明，不存在單純的收入水平與環(huán)境質(zhì)量間的EKC關系，環(huán)境質(zhì)量還受到除收入之外的其他因素的較強影響，而且三類環(huán)境質(zhì)量的EKC呈現(xiàn)出不同的變化形態(tài)。環(huán)境績效的系數(shù)均顯著為負，表明環(huán)境治理技術對控制污染有著積極的作用，符合預期。但治理投資卻起著相反的效果，即治理投資的增長并不利于污染的控制。不存在環(huán)境績效變量的敏感性分析結果也表明了大致相同的結論。

表3 報告了加入污染治理投資的二次項的FGLS 估計結果。異方差和序列相關等檢驗結果也表明了與表3 相似的結論。系數(shù)估計結果基本類似于表2，同樣表明環(huán)境治理技術和管理水平的改善有利于對三類環(huán)境污染物的控制。與表2不同的是環(huán)境績效的二次項，所有形式的估計結果均表明在很強的統(tǒng)計顯著性水平下，污染治理投資表現(xiàn)出明顯的規(guī)模報酬遞增效應，驗證了前述治理投資的規(guī)模報酬遞增假說。在控制和不控制治理技術變量的情況下結論沒有發(fā)生變化。

同時，需要注意到不論是模型（8）還是模型（9）均報告了治理投資的系數(shù)呈現(xiàn)顯著正的表現(xiàn)，這與前述預期結論相反，即增加治理投資不是減少了污染而是增加了污染。可能的原因主要有：①實際的污染治理投資并沒有用于污染控制，而是用到了非污染控制的領域，污染治理投資沒有發(fā)揮相應的作用。例如，排污費是治理污染的主要投資來源，且《排污費征收使用管理條例》規(guī)定：“排污費應當全部專項用于環(huán)境污染防治，任何單位和個人不得截留、擠占和挪作他用。”但在許多基層環(huán)保部門，“排污費”絕大部分變成了“人頭費”，已成為普遍現(xiàn)象⑥。②污染的拐點（人均GDP 表示）均遠遠大于所有省區(qū)人均GDP的均值，表明幾乎所有的省區(qū)均處于EKC曲線的前端，即隨著收入增長污染仍然上升的階段，故治理投資還沒有起到有效控制污染的作用。

表3 模型（9）的FGLS估計結果

五、研究結論

本文主要關注了相關研究常常忽略的環(huán)境管理的績效或環(huán)境治理技術以及污染治理投資在中國污染控制中的作用。本文使用一種能夠聯(lián)合考慮污染和經(jīng)濟產(chǎn)出的DEA方法，估計了中國29個省區(qū)1990-2011年的動態(tài)環(huán)境績效，并把它作為污染治理的技術，在考察了不同地區(qū)變化規(guī)律的基礎上，文章進一步使用面板數(shù)據(jù)的FGLS 估計方法，在修正了存在的異方差和序列相關等問題后，檢驗了環(huán)境治理技術、污染治理投資及其治理投資的規(guī)模報酬問題。研究結論如下：

（1）全局ML 生產(chǎn)率指數(shù)的運用避免了傳統(tǒng)ML 方法存在的不可傳遞性和可能沒有可行性解的缺陷，完滿地解決了在動態(tài)環(huán)境績效測度中的不足，這是本文的一大特色之處。

（2）環(huán)境績效的度量結果表明，三大地區(qū)均保持了一定的環(huán)境治理技術的持續(xù)提升，特別是中東部地區(qū)表現(xiàn)尤其明顯。但是西部地區(qū)環(huán)境績效指數(shù)僅有微弱的增長，且呈現(xiàn)較大的波動性規(guī)律。

（3）為了檢驗環(huán)境技術與治理投資規(guī)模報酬這一假說，本文構造了省份面板數(shù)據(jù)檢驗方程。通過異方差和序列相關的檢驗發(fā)現(xiàn)不論是固定效應還是隨機效應均不能提供一致和有效的系數(shù)估計量。本文使用了同時考慮了異方差和序列相關的FGLS 面板估計方法，較好地糾正了上述問題，給出了基本符合預期的估計。檢驗結果發(fā)現(xiàn)，環(huán)境技術對于有效控制環(huán)境污染有著積極和作用，雖然污染治理投資還沒有發(fā)揮積極作用，但我們發(fā)現(xiàn)其產(chǎn)生了積極的規(guī)模遞增報酬效應。

本文的政策含義表明，發(fā)展污染治理技術和提高環(huán)境管理績效是控制污染、提高環(huán)境質(zhì)量的重要手段；增加污染治理投資雖然在短期內(nèi)會增加生產(chǎn)的成本，但同樣會給生產(chǎn)者帶來遞增的規(guī)模報酬和收益。因此不斷增加污染治理的投資和提高環(huán)境績效水平是除收入水平外控制污染的兩大手段。

注 釋：

①參見http://epi.yale.edu/Downloads.

②比如一家造紙廠，紙品是其期望產(chǎn)出，排放的污水是其非期望產(chǎn)出。弱可處置性暗含著如果投入不變，減少10%的污水排放相應地要減少10%的紙品生產(chǎn)。

③所謂傳遞性是指諸如I1，3=I1，2×I2，3的等式或規(guī)律成立，I1，3、I1，2、I2，3分別表示第1到第3時期、第1到第2時期和第2到第3時期的指數(shù)。

④本文針對所考察的29個省區(qū)的樣本求解距離函數(shù)時確實有些省區(qū)無可行性解。

⑤對公式（8）的檢驗結果與對公式（9）的結論完全一致。

⑥參見http://business.sohu.com/20050711/n226268449.shtml.

［1］Andreoni J，Levinson A. The Simple Analytics of the Environmental Kuznets Curve［J］. Journal of Public Economics，2001，80（2）：269-286.

［2］Managi S. Are There Increasing Returns To Pollution Abatement? Empirical Analytics of the Environmental Kuznets Curve in Pesticides［J］. Ecological Economics，2006，58（3）：617-636.

［3］Hilton H，Levinson A. Factoring the Environmental Kuznets Curve:Evidence from Automotive Lead Emissions［J］.Journal of Environmental Economics and Management，1998，35（2）：126-141.

［4］Agras J M，Chapman D. A Dynamic Approach to the Environmental Kuznets Curve Hypothesis［J］.Ecological Economics，1999，28（2）：267-277.

［5］Stern D I. Progress on the Environmental Kuznets Curve［J］.Environment and Development Economics，1998，3（2）：17-19.

［6］F?re R，Grosskopf S，Lovell K，et al. Multilateral Productivity Comparisons When Some Outputs Are Undesirable: A Nonparametric Approach［J］. Review of Economics and Statistics，1998，71（1）：90-98.

［7］F?re R，Grosskopf S，Lovell C A K，et al.Derivation of Shadow Prices for Undesirable Outputs: A Distance Function Approach［J］.Review of Economics and Statistics，1993，75（2）：374-380.

［8］Zaim O，Taskin F.A Kuznets Curve in Environmental Efficiency:An Application on OECDCountries［J］.Environmental and Resource Economics，2000，17（1）：21-36.

［9］Chung Y H，F(xiàn)?re R，Grosskopf S. Productivity and Undesirable Outputs: A Directional Distance Function Approach［J］.Journal of Environment Management，1997，51（3）：229-240.

［10］Domazlicky B，Weber W. Does Environmental Protection Lead To Slower Productivity Growth In The Chemical Industry ？［J］. Environmental and Resource Economics，2004，28（3）：301-324.

［11］F?re R，Grosskopf S，Noh D，et al.Characteristics of a Polluting Technology: Theory and Practice［J］. Journal of Econometrics，2005，126（2）：469-492.

［12］Kuosmanen T.Weak Disposability in Nonparametric Production Analysis with Undesirable Outputs［J］. American Journal of Agricultural Economics，2005，87（4）：1077-1082.

［13］Kuosmanen T，Kortelainen M. Measuring Eco-Efficiency of Production with Data Envelopment Analysis［J］. Journal of Industrial Ecology，2005，9（4）：59-72.

［14］Managi S，Opaluch J J，Jin D，et al. Environmental Regulations and Technological Change in the Offshore Oil and Gas Industry［J］.Land Economics，2005，81（2）：303-319.

［15］劉勇，李志祥，李靜.環(huán)境效率評價方法的比較研究［J］.數(shù)學的實踐與認識，2010（1）:84-92.

［16］Kumar S. Environmentally Sensitive Productivity Growth: A Global Analysis Using Malmquist-Luenberger Index［J］.Ecol Econ，2006，56（2）：280-293.

［17］王兵，吳延瑞，顏鵬飛. 環(huán)境管制與全要素生產(chǎn)率增長：APEC的實證研究［J］.經(jīng)濟研究，2008（5）：19-32.

［18］吳軍，笪鳳媛，張建華.環(huán)境管制與中國區(qū)域生產(chǎn)率增長［J］.統(tǒng)計研究，2010（1）：83-89.

［19］楊俊，邵漢華.環(huán)境約束下的中國工業(yè)增長狀況研究——基于Malmquist—Luenberger 指數(shù)的實證分析［J］.數(shù)量經(jīng)濟技術經(jīng)濟研究，2009（9）：64-78.

［20］Oh D H. A Global Malmquist-Luenberger Productivity Index: An Application to OECD Countries 1990-2004［R］.CESIS Electronic Working Paper Series，Paper No. 164，2009.

［21］Greene W H. Econometric Analysis［M］. Upper Saddle River，NJ:Prentice-Hall，2008.

［22］Beck N，Katz J N. What to Do（And Not to Do）With Time-Series Cross-Section Data［J］.American Political Science Review，1995，89（3）：634-647.

［23］Managi S，Kaneko S.Productivity of Market and Environmental Abatement in China［J］. Environmental Economics and Policy Studies，2006，7（4）：459-470.

［24］Tyteca D. Linear Programming Models For the Measurement Of Environmental Performance Of Firms—Concepts And Empirical Results［J］. Journal of Productivity Analysis，1997，8（2）：182-197.

［25］涂正革.環(huán)境、資源與工業(yè)增長的協(xié)調(diào)性［J］.經(jīng)濟研究，2008（2）：93-105.