王瑞 諸大建

摘要 在中國提出主要污染物排放總量約束目標(biāo)的當(dāng)前，測算與日益趨緊的“總量控制”政策目標(biāo)相契合的環(huán)境績效和減排潛力，具有重要的應(yīng)用與學(xué)術(shù)價值?；诖?，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，應(yīng)用與數(shù)據(jù)生成過程（DGP）相一致的SFA共同前沿兩步回歸方法，科學(xué)估計2004—2014年間中國省際環(huán)境成本模型，有效克服傳統(tǒng)估計方法存在的偏誤，進而根據(jù)實際污染（SO2）排放與最小排放量的距離計算環(huán)境效率與減排潛力。結(jié)果顯示：①經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、能源消費結(jié)構(gòu)、能源價格、家庭數(shù)量以及交通出行對中國SO2排放量增加均有一定的促進作用，而技術(shù)水平提高與家庭規(guī)模擴大顯著抑制了污染排放。②在大多數(shù)情況下，經(jīng)濟開放的三個維度與研發(fā)投入對環(huán)境效率具有積極影響，環(huán)境治理投資與國有資產(chǎn)占比對環(huán)境效率具有負向效應(yīng)；各種外部環(huán)境變量對技術(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中國的總量減排任務(wù)可以通過改善環(huán)境效率來完成。如果環(huán)境效率提高到100%，污染物排放總量將會降低大約1 192萬t，相當(dāng)于中國在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)，長期而言，應(yīng)將參照基準(zhǔn)擴大到全國，釋放最大的潛在減排空間。

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

中圖分類號 F205

文獻標(biāo)識碼 A文章編號 1002-2104（2018）06-0149-11DOI：10.12062/cpre.20180113

作為全球最大的發(fā)展中國家，中國自改革開放以來經(jīng)歷了30多年粗放式突飛猛進的發(fā)展，其創(chuàng)造大量物質(zhì)財富的同時付出了環(huán)境質(zhì)量日益惡化的沉重代價。1978—2015年中國GDP年均增長率高達9.70%，但同時主要污染物排放量極大超出生態(tài)環(huán)境承載能力。中國SO2與CO2排放總量已連續(xù)多年高居世界首位[1]。2015年首批開展大氣壞境質(zhì)量監(jiān)測考核的中國74個城市平均超標(biāo)天數(shù)比例高達28.8%，大約6億的中國人口生活在細顆粒物污染地區(qū)[2]。一份最新的環(huán)境績效指數(shù)報告顯示，中國的空氣質(zhì)量在178個國家中只排在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排放是長期以來的研究熱點。但值得說明的是，CO2排放引致的溫室效應(yīng)在短期內(nèi)不會對居民生存構(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、肺癌甚至死亡等嚴重的公共健康問題[4-5]，而且引致酸雨、霧霾和細顆粒物PM2.5等二次污染[6-8]，SO2污染給中國899個縣的農(nóng)業(yè)增加值造成了0.66%的經(jīng)濟損失[9]，所以治理SO2污染是中國目前更急迫的任務(wù)。為了減少SO2排放進而降低污染損害，中國政府早在“十一五”減排目標(biāo)中就將其作為兩項主要的污染物指標(biāo)之一。盡管SO2排放量近年來逐年降低，但2015年排放量仍達1 859萬t。為此，2016年“十三五”規(guī)劃綱要對SO2污染提出了更嚴格的控制標(biāo)準(zhǔn)，即到2020年SO2排放總量5年累計減少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)濟穩(wěn)步增長的同時達成減排目標(biāo)的重要基礎(chǔ)。

1 文獻綜述

作為主流的計算相對環(huán)境效率的有效工具，參數(shù)的隨機前沿分析（SFA）與非參數(shù)的數(shù)據(jù)包絡(luò)分析（DEA）是國際公認的方法。已有的基于DEA方法的環(huán)境效率評估大多將環(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)評估中國各地區(qū)環(huán)境效率，林伯強等基于能源—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投入項，和勞動、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。然而上述文獻在構(gòu)造環(huán)境技術(shù)集合時通常將經(jīng)濟活動視作與環(huán)境政策相獨立的過程，沒有從系統(tǒng)論的角度研究問題，所估計出來的環(huán)境效率有著向上的偏誤[18]。采用不同設(shè)定形式的模型估計出來的環(huán)境效率是與不同的減排政策相對應(yīng)的。根據(jù)不同設(shè)定形式的模型估計出效率的不同反映了效率估計值對環(huán)境政策的敏感程度。因此，從嚴格意義上講，如果我們不能解決當(dāng)前中國基于“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題，便無法了解現(xiàn)實經(jīng)濟中污染物排放可降低的空間。針對這一問題，Herrala等基于隨機前沿成本函數(shù)，在污染物排放量最小化的政策目標(biāo)與隨機前沿設(shè)定之間建立了一種新的聯(lián)系[18]。相對于前述文獻，這是一種更加寬泛的環(huán)境效率測度方式。但其缺陷在于，因數(shù)據(jù)可得性其選取的影響因素過少，無法提供更豐富的信息。

中國不同地區(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)評估環(huán)境效率，將為真實績效的刻畫帶來偏差。因此，一些學(xué)者聚焦于共同前沿理論框架研究中國各地區(qū)環(huán)境效率：王兵等運用Metafrontier-Malmquist-Luenberger生產(chǎn)率指數(shù)測度環(huán)境約束下1998—2008年長三角和珠三角城市群的全要素生產(chǎn)率及其成分[19]；朱德進基于環(huán)境DEA技術(shù)與共同邊界分析方法研究中國地區(qū)CO2排放績效[20]；汪克亮等從生態(tài)效率視角求解兩個線性規(guī)劃來測算中國各省大氣污染排放效率[21]。上述研究都發(fā)現(xiàn)中國環(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]開創(chuàng)的，后來經(jīng)過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方法對技術(shù)無效率項和隨機擾動項不進行任何區(qū)分，且不能對估算結(jié)果進行假設(shè)檢驗與置信區(qū)間的構(gòu)建。而傳統(tǒng)SFA方法大多是直接估計一個包括所有樣本的隨機合并前沿模型，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法，基于第一步估計出的組群隨機前沿構(gòu)建共同前沿方程，并將衍生的準(zhǔn)最大似然估計方法應(yīng)用于第二步標(biāo)準(zhǔn)誤的估計。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)生成過程（DGP）不一致的問題，并且有效地包絡(luò)了前沿技術(shù)，同時具有很好的統(tǒng)計推斷性質(zhì)。上述研究成果為本文環(huán)境效率的科學(xué)測算指明了方法導(dǎo)向。

為彌補現(xiàn)有文獻的不足，本文對Herrala等[18]的環(huán)境成本前沿模型進行擴展，從經(jīng)濟、人口與交通等維度全面考慮對污染物排放量產(chǎn)生影響的因素，采用與數(shù)據(jù)生成過程（DGP）相一致的新型Metafrontier模型，科學(xué)估計2004—2014年間中國省際環(huán)境污染的隨機前沿成本函數(shù)，闡述各因素對SO2排放、環(huán)境效率與技術(shù)差距的作用效果，根據(jù)實際排放與最小排放量的距離計算具有可比性的環(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)境效率的測度方法

2.1 環(huán)境成本隨機前沿函數(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為隨機擾動項。環(huán)境效率用環(huán)境前沿面上的最小SO2排放量與實際排放量之間的比值來度量，表達式為：

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

其中i表征評價單元，t為時間，環(huán)境前沿的表達式為lnF（Xit）。與傳統(tǒng)的隨機前沿模型設(shè)定一致，Vit代表隨機擾動項，包括測量誤差以及各種不可控的隨機因素，如天氣、運氣等等，Vit～i.i.dN（0，σ2V），Uit是非負的環(huán)境無效率項，假設(shè)Uit服從截斷正態(tài)分布。我們假定Vit與Uit獨立不相關(guān)。

環(huán)境污染（Eit）用SO2這一典型污染物的排放量來反映。Xit是除了隨機擾動項與效率損失之外對污染物排放產(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)域面積這三個變量，但是他們指出，如果能獲得更詳細的數(shù)據(jù)，可以增加其他的控制變量來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)時加入的影響因素也并非一致，因此在估算環(huán)境效率時加入模型中的變量沒有統(tǒng)一的標(biāo)準(zhǔn)。本文結(jié)合采用隨機前沿成本函數(shù)估算能源環(huán)境效率的文獻[18，27-29]和經(jīng)濟理論將如下變量加入前沿方程中。①共同的前沿技術(shù)進步，用時間趨勢t及其平方項表征，前沿技術(shù)水平的提高有利于降低污染物排放量。②經(jīng)濟產(chǎn)出（Yit）：用各個省份以2010年為基期的可比價實際GDP及其平方項衡量，體現(xiàn)了粗放型的經(jīng)濟增長需要付出一定的環(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)過程中消耗了大量能源，進而排放出很多廢氣。④能源消費結(jié)構(gòu)（ENSit）：用煤炭消費量與能源消費總量之比測度。SO2排放量的85%以上來自于含有硫化物的煤炭的燃燒。⑤能源價格（EPit）：用以2010年為基期的地區(qū)商品零售價格分類指數(shù)中的燃料價格衡量，預(yù)期能源價格上漲時企業(yè)與居民會節(jié)約能源消耗，進而減少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)，家庭消費能真正體現(xiàn)消費行為的社會屬性，更客觀地反映人口因素通過消費環(huán)節(jié)進而影響資源環(huán)境系統(tǒng)。因此，應(yīng)將家庭而非個人作為影響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，就越便于通過消費品的共享與集約使用來減少污染物排放。⑦Herrala等[18]運用區(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)域面積無法反映交通運輸隨時間變動的特征。最近十多年來機動車保有量快速增多，車用燃料標(biāo)準(zhǔn)與尾氣排放標(biāo)準(zhǔn)過低等使得車輛在行駛過程中消耗了大量的燃油，造成了過多的廢氣排放。參考Filippini等[28]對能源需求的研究，選取私人汽車數(shù)量（PRCit）與公共汽車數(shù)量（PUBit）兩個指標(biāo)來反映交通部門在消費化石燃料的過程中排放的廢氣。

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

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

其中，lnFjt（Xjit）為組別環(huán)境前沿，上標(biāo)j和下標(biāo)t表征每個群組的環(huán)境技術(shù)可能隨著組別和時間而變動。當(dāng)決策單元難以超越區(qū)域間的技術(shù)落差時，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)估計得到的環(huán)境效率，將因各個群組邊界衡量基準(zhǔn)的不一致而導(dǎo)致組群之間評價結(jié)果不具有可比性。在比較決策單位相互間環(huán)境效率時，必須參照共同技術(shù)邊界，而非組別前沿，所以應(yīng)當(dāng)在各個群組邊界的基礎(chǔ)上進一步構(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值，本文將各個組群的環(huán)境效率估計值合并在一起估計（5）式。由于采用隨機前沿估計法得出的準(zhǔn)最大似然（QML）估計量是一致和漸進正態(tài)的，但其標(biāo)準(zhǔn)誤是無效的，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)濟和非經(jīng)濟領(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)（全國潛在最領(lǐng)先排放技術(shù)），減排技術(shù)愈先進；反之，組別前沿愈遠離共同前沿，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]，用國有企業(yè)固定資產(chǎn)投資與全社會固定資產(chǎn)投資之比衡量。③研發(fā)投入（RD）[21]，用研發(fā)經(jīng)費支出和GDP之比表示。盡管有專家指出增加研發(fā)投入是實現(xiàn)技術(shù)進步的手段之一，但值得說明的是，前沿方程中的時間趨勢及其平方項考察的是純粹的技術(shù)變化，即各個省份在技術(shù)外溢效應(yīng)下面臨的相似的技術(shù)進步率[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)易開放度（TRA）[11]，用進出口總額與GDP之比表示。⑤外國直接投資（FDI）[10]，用外商直接投資與GDP之比表示。⑥對外直接投資（OFDI），Yang等[32]發(fā)現(xiàn)日本OFDI是其母國CO2排放量減少的格蘭杰原因，因此將各省對外直接投資存量與GDP之比引入模型中。因為地區(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)境無效率方程中加入影響因素會使得效率評價結(jié)果發(fā)生一定的改變，但王志剛等[31]以及匡遠鳳等[33]在估算效率值時均加入了各種不同的影響因素，并指出一步估計法優(yōu)于兩步估計法。

本文數(shù)據(jù)來源為歷年《中國環(huán)境統(tǒng)計年鑒》《中國統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》《中國對外直接投資統(tǒng)計公報》和中國國家統(tǒng)計局的科技統(tǒng)計年度數(shù)據(jù)。

3 實證結(jié)果分析

采用極大似然法對隨機前沿成本函數(shù)進行參數(shù)估計。表1中第2列是假定區(qū)域之間不存在技術(shù)差異，把30個樣本省份作為整體，合并數(shù)據(jù)的估計結(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，對各組數(shù)據(jù)進行回歸的結(jié)果。假定4個模型中無效率項u都服從截斷正態(tài)分布?？梢钥闯觯心Ｐ椭袑?shù)似然函數(shù)值都支持擬合結(jié)果，大多數(shù)參數(shù)估計值的符號都與理論預(yù)期一致且具有比較好的統(tǒng)計性能，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0.972、0.417、1.000和0.995，且非常顯著，表明中國各地區(qū)普遍存在的環(huán)境無效率現(xiàn)象是實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間T的一次項系數(shù)在1%的水平上顯著為負，且遠遠高于其二次項系數(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，是全國層面、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個組別隨機前沿模型中全都顯著，表明中國作為新興經(jīng)濟體通過粗放式增長方式獲得經(jīng)濟的高速發(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，全國以及大多數(shù)區(qū)域排放的SO2越多。能源結(jié)構(gòu)在4個模型中全都在1%水平上顯著促進了污染物排放，煤炭消費比重與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。在所有4個模型中，能源價格都在1%的水平上顯著促進了中國各省的污染物排放，這不符合經(jīng)濟常識，其原因可能在于：中國的能源價格市場定價機制缺失，導(dǎo)致能源價格總體相對過低，這會向市場傳遞錯誤信號，造成能源過度消費，引致SO2排放過量。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個模型中都在1%水平上顯著促進了污染物排放，家庭數(shù)量的增多通過“規(guī)模效應(yīng)”增加對物質(zhì)資源的消耗，進而加重環(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“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)模呈負相關(guān)的結(jié)論一致。在交通出行方面，私人汽車與公共汽車數(shù)量在合并前沿模型中都促進了污染物排放，表明交通運輸引致了全國層面上廢氣排放的增長。

其次，分析外部環(huán)境變量對全國總體環(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，說明政府為提升環(huán)境質(zhì)量而進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增加經(jīng)濟產(chǎn)出的資源，使其對環(huán)境效率的綜合效應(yīng)為負。所有制結(jié)構(gòu)的系數(shù)顯著為正，表明可以通過降低國有固定資產(chǎn)投資占比推動市場化進程的深化，提高環(huán)境效率。研發(fā)投入的系數(shù)顯著為負，投入越多的研發(fā)經(jīng)費，則各省學(xué)習(xí)吸收前沿技術(shù)的能力越強，越能提高對環(huán)境資源的利用效率。貿(mào)易開放度的提高顯著改善了環(huán)境效率，這與多數(shù)研究[35-38]證實對外貿(mào)易可以促進生產(chǎn)效率提高的結(jié)論相符。朱德進等[39]認為對外貿(mào)易改善了中國大多數(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)能過剩等原因，其貿(mào)易量對環(huán)境效率的影響為負，本文東部組群的實證結(jié)果與這種觀點一致。FDI的系數(shù)為負且顯著，表明中國引進的外資對總體環(huán)境效率有著正面效應(yīng)，這證實了“污染光環(huán)假說”。對外直接投資改善了中國總體環(huán)境效率，但不顯著。組別前沿模型估計結(jié)果顯示：大部分系數(shù)符號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)估計值存在一定差別，表明各個組群之間環(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)鍵是要去驗證中國東、中、西部地區(qū)是否共享相同的技術(shù)，如果中國各個省份的環(huán)境成本可以由一個單一的環(huán)境前沿模型生成，則沒有必要采用共同前沿方法。因為我們的研究采用參數(shù)方法估計前沿面，所以可以用統(tǒng)計檢驗來驗證Metafrontier方法的適用性。對3組環(huán)境前沿進行差異性似然比檢驗（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)值等于三個組別前沿模型的似然函數(shù)值之和185.245。似然比統(tǒng)計量等于不受限和受限的似然函數(shù)值之差的2倍，即309.564，用于進行假設(shè)檢驗的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，基于第一步估計出的組群前沿構(gòu)建并估計第二步的共同前沿函數(shù)5和6，其中模型5包含無效率方程，模型6不包含無效率方程。在兩個模型中，大部分因素對共同前沿的影響方向與合并數(shù)據(jù)估計結(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)境管制促進技術(shù)進步的“波特假說”在中國的成立。國有工業(yè)固定資產(chǎn)占比對技術(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”在中國的存在。貿(mào)易開放與對外直接投資在5%的水平上抑制了技術(shù)差距比的提升，雖然貿(mào)易開放與“走出去”戰(zhàn)略的實施有助于提高總體環(huán)境效率，但是其帶來的競爭與擠出效應(yīng)不利于中國各省份技術(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，表明地理位置對各個省份的環(huán)境技術(shù)確實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，就意味著樣本點偏離前沿面都來源于無效率項，與隨機誤差無關(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)果表明在估計共同邊界時必須考慮隨機誤差項，即應(yīng)該采用隨機前沿模型而非確定性前沿模型，這就驗證了本文估計共同前沿時不能采用非參數(shù)線性規(guī)劃方法而應(yīng)采用參數(shù)的隨機前沿估計法。

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前沿成本函數(shù)后計算得到，它測度的是各省實際污染物排放量與前沿面的相對距離，表示各省對于最優(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)性的中國環(huán)境績效，我們在表2中匯報了2004—2014年間基于合并前沿、組群前沿以及全國共同技術(shù)前沿的中國各省環(huán)境效率和技術(shù)落差比例平均值，分別記為AEE、GEE、MEE與TGR。

從全國的角度來看，如果將合并前沿作為參照基準(zhǔn)，2004—2014年間中國30個省份平均環(huán)境效率并不是很高，只有0.619，意味著平均水平上中國應(yīng)該減少SO2排放的38.1%，才能消除所有的環(huán)境無效率；如果將組群前沿作為參照基準(zhǔn)，在整個考察期，中國環(huán)境污染排放效率可以達到0.699，中國可以通過降低30.1%的污染物排放實現(xiàn)環(huán)境完全有效率；倘若將全國共同前沿當(dāng)作參照基準(zhǔn)，考察期內(nèi)中國總體環(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)濟產(chǎn)出與生活需求不變的同時，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，前者是將中國大陸所有省份作為參照點，而后兩者分別是以有偏的全國潛在最優(yōu)和組群內(nèi)部省份潛在最優(yōu)技術(shù)為參考，如果各個群組的環(huán)境技術(shù)與共同前沿相差甚遠，參考不同技術(shù)集進行測度得出的結(jié)果必然存在較大差距。

就區(qū)域?qū)Ρ榷?，在全部考察期?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”梯度嚴格遞減的分布特征與中國區(qū)域經(jīng)濟發(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)濟產(chǎn)出和生活消費，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的估計值均超過中西部地區(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0.820，兩者之間差異巨大。倘若將全國潛在最佳環(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，代表了全國最優(yōu)環(huán)境技術(shù)水平。

在省份層面，所有省份實際污染排放與共同前沿面之間的距離都不會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高于組群前沿。中國不同省份環(huán)境保護能力與效率水平差別很大，為了提高政策制定的針對性與有效性，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)濟發(fā)展水平，并非屬于發(fā)達地區(qū)的所有省份都呈現(xiàn)出高水平的環(huán)境效率。例如，相對發(fā)達的省份山東在共同前沿下屬于輕度有效率組別。發(fā)達省份環(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)計相同，這些省份獨立自主地執(zhí)行政策的力度與匹配率可能由于行政部門與執(zhí)法機構(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。考察期內(nèi)北京始終位于領(lǐng)先的位置，其環(huán)境效率最高，代表中國最先進的環(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)達地區(qū)，環(huán)境保護與經(jīng)濟增長之間的平衡性較好，經(jīng)濟發(fā)展水平較高，環(huán)境績效也處于較優(yōu)水平。吉林、福建、海南、湖北等 8 個省份構(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，但還需要進行一定程度的改進。如果今后注重引進加大研發(fā)投入、吸收先進的減排技術(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)。輕度無效率地區(qū)包括湖南、云南、重慶、青海等7個省份，這些省份平均環(huán)境效率普遍低于全國平均水平，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省份屬于高度無效率地區(qū)，這些省份除了河北之外普遍來源于經(jīng)濟發(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，環(huán)境效率提升空間十分大，在未來相關(guān)環(huán)境政策的制定與實施中應(yīng)給予特別關(guān)注。

4.2 中國各省SO2減排潛力比較

盡管近年來中國實際排放的SO2在持續(xù)下降，但是遠遠沒有達到最優(yōu)水平。研究發(fā)現(xiàn)考察期內(nèi)共同前沿下中國環(huán)境效率均值僅為0.537，環(huán)境效率顯著低于1的事實意味著可以通過提高效率水平獲得相當(dāng)可觀的改進空間。借鑒Zhang[29]運用能源效率估計節(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)境效率值計算得出，即ΔEit=Eit·（1-EFit）。基于不同前沿環(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年中國年均SO2減排潛力在合并前沿下高達939.64萬t，這相當(dāng)于2014年中國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%。分省份來看，各省年平均潛在SO2減排量為31.32萬t，位居全國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)臉颖緛泶_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)的一個省份，可參考組群邊界下的減排潛力。2004—2014年中國年均SO2減排潛力在組別前沿下高達878.99萬t，這相當(dāng)于2014年中國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t，位居全國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年中國年均SO2減排潛力在共同前沿下高達1 192.17萬t，這相當(dāng)于2014年中國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t，位居全國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)表明中國在SO2排放量上存在相當(dāng)可觀的降低空間，但是各個省區(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，必定有助于促進國家層面上減排任務(wù)的完成，然而我們無法在短期內(nèi)挖掘出所有的減排潛力。決策層需要因地制宜地運用“分而治之、各個擊破”的梯次推進策略，分階段地逐步制定與實施減排政策，實現(xiàn)效率與公平的統(tǒng)一。

5 結(jié)論與政策啟示

近年來諸多文獻對環(huán)境效率測算問題進行了廣泛研究與深入探討。不過學(xué)者們在評價環(huán)境效率時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]的隨機前沿成本函數(shù)科學(xué)測算2004—2014年間中國各省份的環(huán)境效率與減排潛力，將環(huán)境政策目標(biāo)納入環(huán)境效率評價的分析框架。在估計方法上采用一種新的兩步隨機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)濟發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、能源消費結(jié)構(gòu)中煤炭比重、能源價格、家庭數(shù)量以及交通出行均促進了中國SO2排放量增加；技術(shù)水平提高與家庭規(guī)模的擴大對中國SO2排放量均有顯著的負作用；經(jīng)濟開放的三個維度對環(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)境治理投資與國有資產(chǎn)占比對環(huán)境效率具有顯著的負影響。組別前沿與共同前沿模型估計結(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)中國環(huán)境績效普遍偏低，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%的改進空間。省區(qū)層面，各個省份在三種環(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)幾個東部省市來確定的，代表了中國最先進的污染減排技術(shù)。要推動?xùn)|部先進的減排知識、環(huán)保技術(shù)與管理經(jīng)驗等及時地傳播與擴散到中西部省份，為減排目標(biāo)的實現(xiàn)奠定堅實的技術(shù)基礎(chǔ)。

（3）中國總體環(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?；诠餐把丨h(huán)境效率的計算表明，2004—2014年整個中國年均SO2減排潛力高達1 192.17萬t，這相當(dāng)于2014年中國消耗的環(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減排重點實施的區(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劃分階段地逐步實施，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)，長期而言，應(yīng)當(dāng)將參照基準(zhǔn)擴大到全國，促進各地區(qū)潛在最大減排空間的釋放。

參考文獻（References）

[1]王敏，黃瀅. 中國的環(huán)境污染與經(jīng)濟增長[J]. 經(jīng)濟學(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. 中國區(qū)域環(huán)境效率與環(huán)境全要素生產(chǎn)率增長[J]. 經(jīng)濟研究， 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，劉泓汛. 對外貿(mào)易是否有利虧提高能源環(huán)境效率——以中國工業(yè)行業(yè)為例[J]. 經(jīng)濟研究， 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. 中國區(qū)域經(jīng)濟增長的大氣環(huán)境績效研究[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究， 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)的實證分析[J]. 產(chǎn)經(jīng)評論， 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. 基于技術(shù)差距的中國地區(qū)二氧化碳排放績效研究[D]. 濟南：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)下中國大氣污染排放效率的區(qū)域差異與影響因素[J]. 中國人口·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)率增長率分解（1978—2003）[J]. 中國社會科學(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]匡遠鳳，彭代彥. 中國環(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，李強誼，郭瑩瑩. 我國人口因素對二氧化碳排放的影響——基于STIRPAT模型的分析[J]. 人口與經(jīng)濟， 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，杜克銳. 對外貿(mào)易、經(jīng)濟增長與中國二氧化碳排放效率[J]. 山西財經(jīng)大學(xué)學(xué)報， 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.]